著者

小山 幸伸 佐藤 由佳 金田 直樹 米田 瑞生 新堀 淳樹 田中 良昌 林 寛生 梅村 宜生 堀 智昭 阿部 修司 上野 悟 元場 哲郎

巻号頁・発行日

2012-05-21

---

日本地球惑星科学連合2012年大会(JpGU Meeting 2012), 2012/05/20-25, 幕張メッセ(千葉県)

著者

梅村 宜生 田中 良昌 中野 慎也 南山 泰之 阿部 修司

巻号頁・発行日

2018-06-18

---

Japan Open Science Summit 2018(JOSS2018)2018年6月18日(月)・19日(火)学術総合センター主催:国立情報学研究所、科学技術振興機構、物質・材料研究機構、科学技術・学術政策研究所、情報通信研究機構、学術資源リポジトリ協議会

著者

田中 孝宗 田中 良昌 佐藤 由佳 池田 大輔

出版者

宇宙航空研究開発機構

雑誌

宇宙航空研究開発機構研究開発報告 (ISSN:13491113)

巻号頁・発行日

vol.14, pp.127-134, 2015-03

---

オーロラは多くの人を魅了する自然現象だが, 惑星間空間, 磁気圏, 電離圏などの多くの領域にまたがる現象であり, その物理モデルは完全には構築されていない. そこで, 我々は観測分野を横断し, 関連するデータを組み合わせながらデータ指向型科学の手法を用いて, オーロラの出現や形状等の予測を行うための研究を進めている. このような予測を実現するためには, いつ, どのようなオーロラが発生したのかという正解データを準備し, これを訓練データとして用いる必要がある. そこで本論文では, 将来の機械学習によるオーロラ画像自動判定において良質な訓練データを得る準備として, 国立極地研究所が公開している全天オーロラ画像に対して, オーロラの有無や, 規模, 雲の有無によって自動的に分類する画像処理の手法を適用し評価を行う. 形状特徴による分類が可能になる局所特徴量を用いた手法と色のヒストグラムを用いた手法は, 予備実験の段階で必要な精度がでないことが分かった. 一方, HSV カラーモデルの閾値を満たす画素数でオーロラの有無を分類した場合, 正答率が92.3%であり良好な結果を得た.