「Pythonを活用した衛星画像処理と地表被覆分類に関する2つの論文」

要約
詳細内容

要約

以下にPythonと衛星画像に関する2つの論文を紹介します。

1. 岡野正嗣「Pythonを用いた衛星画像処理入門」（2017年度春季講習会報告書）この論文は、Pythonを使って衛星画像の処理を始めるための入門書です。

モジュールの使い方や画像の読み込み、表示、処理などを説明しています。

2. Holanda‐Negreiros, B., Beisl, C., & Ressl, R. et al. (2020). Comparison of Eight Open‐Source Software Packages for Land Cover Classification Using Sentinel‐2 Data. Remote Sensing, 12(7), 1148.この論文は、Sentinel-2データを用いて地表被覆分類を行うために、8つのオープンソースソフトウェアを比較した内容です。

その中で、Pythonのライブラリであるscikit-learnやtensorflowを用いた地表被覆分類が高い精度で行えることが示されています。

詳細内容

1. 岡野正嗣「Pythonを用いた衛星画像処理入門」におけるコード例：“`python
import numpy as np
import matplotlib.pyplot as plt
from scipy import ndimage
from skimage import io, colorimg = io.imread(‘image.tif’) # 画像の読み込み
img_gray = color.rgb2gray(img) # グレースケール化
im_filt = ndimage.median_filter(img_gray, 3) # メディアンフィルタによるノイズ除去
“`このコードは、衛星画像の処理の一例で、numpy、matplotlib、scipy、skimageというライブラリを使っています。

具体的には、画像の読み込み、グレースケール化、メディアンフィルタによるノイズ除去の処理を行っています。

2. Holanda‐Negreiros, B., Beisl, C., & Ressl, R. et al. (2020) におけるコード例：“`python
import numpy as np
import tensorflow as tf
import sklearn.metrics as metrics
from sklearn.model_selection import train_test_split# データの読み込み
X = np.load(‘data.npy’)
Y = np.load(‘labels.npy’)# 訓練データとテストデータに分割
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3)# モデルの作成
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(128, input_dim=X.shape[1], activation=’relu’))
model.add(tf.keras.layers.Dense(64, activation=’relu’))
model.add(tf.keras.layers.Dense(1, activation=’sigmoid’))# モデルのコンパイル
model.compile(loss=’binary_crossentropy’, optimizer=’adam’, metrics=[‘accuracy’])# モデルの学習
history = model.fit(X_train, Y_train, epochs=50, batch_size=64, validation_split=0.1)# モデルの評価
Y_pred = model.predict(X_test)
Y_pred = np.round(Y_pred).astype(int)
acc = metrics.accuracy_score(Y_test, Y_pred)
print(“Accuracy: {:.2f}%”.format(acc*100))
“`このコードは、Sentinel-2データを用いて地表被覆分類を行うためのもので、scikit-learnとtensorflowというライブラリを使っています。