著者

朴 君 小川 貴弘 長谷山 美紀

出版者

The Institute of Electronics, Information and Communication Engineers

雑誌

電子情報通信学会論文誌 D (ISSN:18804535)

巻号頁・発行日

vol.J98-D, no.5, pp.823-834, 2015-05-01

---

本論文では,走査型電子顕微鏡(Scanning Electron Microscop,SEM)で撮像された画像を用いた生物の分類法を提案する.提案手法では,生物学者が構築した分類体系に注目し,各ノードにその下位のノードへの分類を行う分類器を割り当てることで,決定木を構築する.これにより,構築された決定木を用いて生物の分類が可能となる.このように,生物の分類に有用な分類体系の構造を導入することで,画像特徴のみに注目する生物の分類法と比較して,高精度な分類が期待できる.また,提案手法では,更なる精度向上のため,以下の二つの処理も導入する.まず,分類体系において,画像特徴が類似する異なるノードに注目した決定木の変更を行い,誤分類を抑制する.次に,同種の生物の異なる撮像倍率の画像に対し,モーフィングを施すことで学習データの充足を行う.以上によって,提案手法では,SEMで撮像された生物の高精度な分類が可能となる.本論文の最後では,提案手法の有効性を確認するための実験結果を示す.

著者

長谷川 尭史 小川 貴弘 渡邉 日出海 長谷山 美紀

出版者

一般社団法人 映像情報メディア学会

雑誌

映像情報メディア学会誌 (ISSN:13426907)

巻号頁・発行日

vol.66, no.7, pp.J240-J250, 2012 (Released:2012-06-25)

参考文献数

15

---

This paper presents a support vector data description (SVDD)-based method for finding new benthic species from microscopic images and its application to taxonomy position estimation. First, the proposed method generates hyperspheres that represent taxonomic species taxa of known species and enables automatic species classification. Furthermore, weight estimation of visual features based on multiple kernel learning (MKL) is used in this approach to realize automatic weighting of categorical traits that are traditionally determined by taxonomists. Next, based on the traditional taxonomic classification scheme, the proposed method merges the hyperspheres of similar species and generates new hyperspheres that represent ultra-species taxa in higher hierarchies. Then, from the obtained results, a new decision tree, whose nodes are hyperspheres of species taxa and ultra-species taxa, is constructed. By using this decision tree, new benthic species can be found from target samples, and their taxonomic positions can also be estimated.

著者

小川 貴弘 長谷山 美紀

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会技術研究報告. IE, 画像工学 (ISSN:09135685)

巻号頁・発行日

vol.107, no.488, pp.67-72, 2008-02-11

---

本文では,画像内容に基づく類似画像検索を実現するため,カーネル主成分分析を用いた画像の意味的特徴量の推定手法を提案する.提案手法では,あらかじめキーワードが付与されているデータベース中の画像をクラスタリングし,各クラスタから得られる画像特徴量および意味的特徴量の非線形固有空間を用いて,新たな写像を導出する.このとき得られる写像は,同一のクラスタに属する画像に対して,その画像特徴量から意味的特徴量を高精度に推定する.そこで,提案手法ではキーワードが未知のクエリ画像に対して,その意味的特徴量を推定する際に画像特徴量で生じる誤差に注目することで,属するクラスタの適応的選択を行う.これにより,クエリ画像の意味的特徴量は最適なクラスタによって精度良く推定されるため,その結果から画像内容に基づいた類似画像検索を行うことが可能となる.