ArcGIS Pro Image Analyst エクステンションの概要

Image Analyst ライセンスで利用できます。

ArcGIS Image Analyst エクステンションには、主に次の作業に取り組んでいる画像解析担当者と地理空間解析担当者が有効に活用できる関数、ツール、および機能が用意されています。

  • 画像の解釈および活用
  • 画像からの情報製品の作成
  • 画像からの高度なフィーチャの解釈および計測
  • ステレオ画像に対する詳細なフィーチャの収集および計測
  • 機械学習とフィーチャ抽出のための高度なラスターおよび画像解析ワークフロー

画像解析担当者は、手動とコンピューター援用のどちらの方法でも画像からデータと情報を抽出できます。 Image Analyst エクステンションには、両方の画像活用方法に対応した高度な機能が組み込まれています。

ステレオ マッピング、画像空間解析、Full Motion Video (FMV) などの手動による画像解析アプリケーション。 これらの方法では、標準のフィーチャ作成および編集ツールを使用して 2D/3D フィーチャ データを収集し、フィーチャクラス データをジオデータベースに保存するかファイルとして保存し、そのデータを ArcGIS Enterprise で共有することができます。

コンピューター支援用の画像活用方法には、高度な分類と一連のラスター関数およびジオプロセシング ツールがあります。 関数とツールはいずれも、ラスター関数テンプレートとモデルを使用してカスタム アルゴリズムに連結できます。 これらの処理チェーンは、デスクトップに配置するか、オンプレミスまたはポータルで ArcGIS Enterprise の分散処理環境に配置することができます。

一連の関数、ツール、および機能を高度な画像解析に使用するには、Image Analyst エクステンションが必要となります。

ケーパビリティ

Image Analyst エクステンションに用意されている関数、ツール、および機能は、手動による画像解釈、高度なリモート センシング、半自動の画像処理によるフィーチャ抽出を行う画像解析担当者を対象としています。 これらの画像活用方法は、機能別に次のカテゴリに分類されています。

  • 透視画像 - 画像の解釈をより効果的にするために自然透視モードで斜め撮影画像を操作します。
  • 画像分類とパターン認識 - 画像データのパターンを検索、特定、定量化するツールが含まれている ArcGIS ジオプロセシング ツールセット。 画像のセグメンテーション、分類、回帰分析に対応したツールおよび機能を使用して、オブジェクト ベースの画像解析と従来の画像解析を実行します。
  • ディープ ラーニング - ディープ ラーニング手法を使って画像フィーチャを認識します。
  • 変化の検出 - 日付間の変化の種類、大きさ、または方向を特定するために複数の画像またはラスターを比較します。
  • 多次元解析 - 多次元ラスター データに対して複雑な分析を実行し、科学的な傾向や異常を調べることができます。
  • ピクセル エディター - 個々のピクセルとオブジェクト、ピクセルとオブジェクトのグループ、およびラスター データと画像データの領域を編集します。
  • ステレオ マッピング - 画像を視覚化し、3D フィーチャ データをステレオ表示環境で取得します。
  • モーション イメージ - 地理空間対応の動画データと GIS データを併用し、十分な情報を得たうえでタイムリーに決定を下せるよう支援します。
  • ラスター関数 - 広範なリモート センシング データ タイプに対してラスター解析と画像処理をリアルタイムで実行し、必要に応じてその結果を保存します。 ラスター関数チェーンを作成し、デスクトップに配置するか、オンプレミスまたはクラウドで分散処理および格納環境に配置します。
  • ジオプロセシング ツール - それぞれのツールを使用してリモート センシング解析と画像処理を実行し、処理モデルで画像を作成して、デスクトップにローカルに配置するか、オンプレミスまたはクラウドで分散処理および格納環境に配置します。

これらの関数、ツール、および機能については、以下で詳しく説明します。

3 次元表示画像解析

通常、画像は有意な角度で収集されます。このような画像を斜め撮影画像と呼びます。 この画像は、鉛直画像では取得できない建物、橋、塔、建設基盤などのフィーチャに関する情報を確認するのに役立ちます。 通常、衛星画像は、航空写真およびドローン画像と同様に 15 度を超えるオフナディア角で収集されます。 マップ投影に基づく座標系で斜め撮影画像を表示すると、建物とその他の地表フィーチャがさまざまな方角に傾いて表示されるため、画像の解釈が困難になります。 また、マップ投影に合わせて修正すると、歪みがさらに大きくなることもあります。

ArcGIS Pro では、透視モードで傾いた画像の表示と操作を行えます。 建物とフィーチャが上に向かって鉛直方向に表示されるため、より簡単に画像を解釈できます。 透視モードでは、画像座標系 (ICS) を使用して、画像がマップ空間 (マップ投影に基づく座標系) ではなく、画像空間 (列と行) に表示されます。 ICS により、マップ空間と画像空間とのシームレスな変換が行われるため、追加の画像と GIS レイヤーを画像に正しく登録することができます。 ICS では、マップ空間と画像空間との変換に対応できるように、画像の方向情報と位置情報を含むメタデータだけでなく、画像が収集された方法と日時に関する情報も使用されます。 マップ ビューで画像空間内の画像を有効にすることを透視モードと呼びます。

透視図法モードでのマップ空間内の斜め撮影画像
斜め撮影画像は、マップ投影に基づく座標系および透視モードで表示されます。

斜め撮影画像には、建物の外観、出入口のポイント、フィーチャとオブジェクトのプロファイルなど、鉛直画像では取得できない情報が含まれています。 透視モードで表示される斜め撮影画像は、手動で画像を解釈する場合やフィーチャに関する情報を収集して記録する場合に役立ちます。 斜め撮影画像の重要な機能は、フィーチャを画像空間内で作成または編集し、選択したマップ投影に基づく座標系で保存できることです。 また、透視モードでは、対話形式でフィーチャを計測することもできます。この場合には、選択した単位で結果が表示および記録されます。

画像分類とパターン認識

画像分類は、資産/土地単位を記録して管理するために連続画像をカテゴリに分類されたデータおよび情報に変換する最も効果的かつ効率的な方法の 1 つです。 コンピューター支援用の画像処理方法では、画像解析担当者が分類方法の手順を開始すると、コンピューターで支援計算が実行されます。 解析担当者は、緊急時にのみ介入し、分類結果の種類と特性を判断します。

主に、オブジェクト指向分類とピクセル ベース分類という 2 種類の分類方法を使用できます。 オブジェクト指向分類は画像セグメンテーションに基づいており、類似したマルチスペクトル特性または空間特性を持つ隣接ピクセルがオブジェクトに分類されます。 このようなオブジェクト (スーパーピクセルとも呼ばれている) は部分的なフィーチャまたは完全なフィーチャを表現し、クラス マップを生成するためにさまざまな分類器で処理されます。 ピクセル ベース分類も同様のプロセスに基づいていますが、解析担当者が定義したカテゴリにピクセルが分類されます。

分類器は、従来の機械学習手法と高度な機械学習手法のどちらにも対応しています。 従来の分類器は、ISO クラスターの教師なし分類や教師付き最尤法分類など、統計ベースの方法に基づいています。 高度な分類器は、ランダム ツリー、SVM (Support Vector Machine)、ディープ ラーニングなど、高度な機械学習手法に基づいています。

凡例付きのクラス マップ

画像を最初に分類すると、精度の評価とクラス マップの調整が行われ、クラス カテゴリまたはクラス マップ内の領域のいずれかが繰り返し修正されます。 精度の評価は、入力されたトレーニング データと結果として生成されたクラス マップ出力のどちらに対しても実行できます。

分類プロセスでは、通常、いくつかのステップを経る必要があります。まず画像を適切に前処理し、クラス カテゴリを割り当てて、関連するトレーニング データを作成し、分類を実行してから、結果の精度を評価して調整します。 [分類ウィザード] を使用すると、解析担当者は順を追って分類ワークフローを実行し、許容範囲内の結果を得ることができます。

分類ウィザード

クラス マップとそれに関連付けられたシンボルは、保存することも、関連する属性テーブルを含む GIS ベクター ファイルに変換することもできます。

機械学習のノンパラメトリックな回帰分析ツールは、画像内の個々のバンド、ラスター データ、参考 (グランド トゥルース) 情報間の関係をモデル化します。 回帰分析はフィーチャのクラスに関連付けられた画像のパターンを識別し、画像内のさまざまなクラスの発生予測も行います。

ディープ ラーニング

ディープ ラーニング ツールでは、各レイヤーが画像から 1 つ以上の一意のフィーチャを抽出できるニューラル ネットワーク内の複数のレイヤーを使用して、画像に含まれるフィーチャを検出できます。 これらのツールは、GPU 処理を効果的に使用することで、タイミングよく解析を実行します。

ディープ ラーニング ツールを使用して画像内で検出されてから、相対的な健康状態に基づいて分類されたヤシの木

ディープ ラーニング ワークフローでは、まず ArcGIS Proトレーニング サンプル マネージャーを使用して、関心のあるクラスのトレーニング サンプルを選択します。 選択したトレーニング サンプルは、ラベル付けされた後、TensorFlow、CNTK、PyTorch などのディープ ラーニング フレームワークで使用され、ディープ ラーニング モデルの開発に使用されます。 このモデルは、ディープ ラーニング ツールセットのディープ ラーニング分類ツールか検出ツールに入力され、画像から情報を抽出します。

変化の検出

変化の検出は、画像およびリモート検出の基本となるアプリケーションの 1 つです。 これは、通常は 1 つの領域で異なる時間に収集された複数のラスター データセットを比較して、変化の種類、強度、場所を決定するものです。 変化は、人間による活動、突然の自然変動、または長期の気候学的または環境的動向によって発生する可能性があります。

ArcGIS Pro で、複数のカテゴリ ラスター データセット間 (土地被覆など) または複数の連続データセット間 (温度やマルチパッチ画像など) で変化の検出を実行できます。 マルチバンド画像を使用して 2 つの日付間でフィーチャの空間参照の差を比較したり、結果を比較する前にバンド インデックスを計算したりすることができます。

[変化の検出ウィザード] では、3 つの変化の検出ワークフローを段階的に実行します。 [変化の検出] ツールセットには、カテゴリの変更とピクセル値の変化をサポートするツールが含まれています。 多次元解析ツールセットには、画像の時系列に沿った変化を検出するための追加のツールが含まれています。

2 つのカテゴリ ラスター間での変化の検出

多次元解析

多次元解析ツールおよび機能により、多次元ラスター データの複雑な解析を実行および視覚化して、科学的な傾向と異常を調べることができます。 多次元データは、複数の回数や、複数の深度または高さで取得された地理空間データを表します。 これらのデータ タイプは、大気、海洋、および地球科学でよく使用されています。 多次元ラスター データは、データを特定の時間間隔で収集する衛星観測によって取得したり、データを他のデータ ソースから集約、内挿、シミュレートする数値モデルから生成することができます。

多次元ラスター レイヤーをマップ ビューに追加すると、1 つのファイルで変数を表示および調査できます。 [多次元] タブがアクティブになり、多次元ラスター データを管理、視覚化、および処理し、その結果を Web サービスとして公開できます。

多次元ラスターでの海面温度の時系列解析

ピクセル エディター

ラスター データと画像データのピクセル値を対話形式で操作するツール セットがピクセル エディターで提供されます。 個々のピクセルとオブジェクト、ピクセルとオブジェクトのグループ、およびラスター データと画像データの領域を編集できます。 実行可能な操作のタイプは、ラスター データセットのデータ ソース タイプによって異なります。

ピクセル エディターのツールを使用して、ラスター データセットに対して複数の編集タスクを実行できます。

  • マルチスペクトル画像とシングルバンド画像を編集する。
  • 標高データを編集して、穴埋めしたり、スパイクやホールを削除したりする。
  • ピクセル、領域、オブジェクトを再分類する。
  • フィーチャ データを使用してピクセルを再分類する。
  • プリセット フィルターを使用してエリアをスムーズにする。
  • 地上のフィーチャを削除して地表標高サーフェスを作成する。
  • 曇った領域を別のピクセル領域に置き換える
  • 機密ピクセルをあいまいにしたり墨消ししたりする。

雲を含む画像
画像に置き換えられた雲

ステレオ マッピング

ステレオ マッピング機能を使用すると、ステレオ表示およびマッピング システムで 3D フィーチャ データを収集することができます。 この機能により、画像を視覚的に解析し、対象フィーチャを正しく収集することが可能になります。

Image Analyst のステレオ マッピング機能には、衛星、航空、およびドローン センサー プラットフォーム内にあるステレオ画像ペアを表示して操作できるステレオ マップ ビューアーが組み込まれています。 ステレオ表示は、マルチスペクトル、3 バンド、およびパンクロマティック画像、画像の直接調整、ステレオ画像上での 3D GIS データの重ね合わせ、拡大/縮小とローミング、その他の画像調整に対応しています。

オルソ補正 3D ポインターでは、地表フィーチャが計測されてフィーチャクラス内に直接収集されます。 軽量のアクティブ シャッター グラスとシアン/赤のアナグリフ メガネという 2 種類の 3D メガネを使用できます。

[ステレオ マップ] タブ
ステレオ マッピングは、フィーチャ データを収集するように設定されています。

[ステレオ マップ] タブには、ステレオ モデルを設定、調整、および管理するツール、ステレオ画像上でベクター GIS データを重ね合わせるツール、地表フィーチャを計測するツール、ステレオ モデル マネージャーが用意されています。 標準のフィーチャ作成および編集ツールは、3D フィーチャをフィーチャクラス内に収集する一般的な操作に使用できます。 新規に作成されたフィーチャまたは更新されたフィーチャは、既存のフィーチャ テンプレートに準拠し、使用しているトポロジ、スタイル、属性、その他のフィーチャ エレメントを保存時にそのまま維持します。

Full Motion Video

Full Motion Video (FMV) には、FMV 準拠の動画データの再生と地理空間解析に対応した機能が備わっています。 FMV 準拠の動画データとは、動画ストリームと、それに関連するメタデータを 1 つの動画ファイルで組み合わせることで、これによって地理空間を意識した動画を作成します。 地理空間に対応した動画データと ArcGIS Pro の計算機能を併用することで、センサー動力学と視野 (FOV) を認識しながら動画を表示して操作し、この情報をマップ ビューに表示することができます。 また、動画ビューまたはマップ ビューのどちらかでフィーチャ データの解析、作成、編集も行えます。 これらの機能は、ライブ ストリーミング モードの動画データか、アーカイブされた動画データで使用できます。

視野角がマップ上に表示された動画フットプリントとセンサー グラウンド トラックを含む FMV プレイヤー

動画データに必須メタデータが含まれていない場合は、[ビデオ マルチプレクサー (Video Multiplexer)] ツールが動画ファイルとメタデータ ファイルを 1 つの FMV 対応ファイルにまとめます。 さらに、動画とメタデータ間にオフセットがあり、地表に表示される動画フットプリントと、プレイヤーに表示される画像が一致しない場合は、調整を行って同期することもできます。

FMV 機能は、災害の評価や対応など、状況認識アプリケーションにおいて重要です。 FMV はディープ ラーニングを使用して、ビデオ プレイヤーでのオブジェクト追跡を可能にします。 マップに GIS レイヤーを読み込み、複数のドローンから取得した動画フィードを複数の FMV プレーヤーで同時に再生し、動画フットプリントをマップに表示することができます。 動画で損害や被害の状況を確認し、そのフィーチャを収集して、マップ上で他の GIS データや情報とともにそのフィーチャを表示します。 FMV 対応の動画の地理空間的な要素と GIS 機能を組み合わせることで、運用上のシナリオで十分な情報を得て決定を下せるようになります。

ラスター関数

画像解析担当者やリモート センシングの専門技術者は、特定の用途とデータセットに合わせて独自の画像処理チェーンおよびアルゴリズムを開発して配置することがよくあります。 ワークフローに問題がなくても、多くの場合、解析担当者は、物理的特性、大気特性、環境特性、データ特性に応じてパラメーター設定を調整する必要があります。 ラスター関数を使用すると、画像処理ワークフローの開発と調整を柔軟かつ効果的に実行できます。

ラスター関数は、必要に応じて表示中の画像ピクセルに処理を直接適用する動的な演算です。 表示された画像に対して画面移動やズームを行うと、すぐに画像処理結果が表示されます。 中間データセットが作成されないため、プロセスと処理パラメーターに加えられた調整をすばやく適用できます。 結果は、デフォルトではディスク上のファイルに保存されません。

ラスター関数を組み合わせて関数チェーンにすることができます。関数チェーンは、関数エディターを使用してラスター関数テンプレートとして保存できます。 ラスター関数テンプレートを ArcGIS Online 組織または ArcGIS Enterprise 配置で処理テンプレートとして共有することもできます。

Image Analyst エクステンションには、多数のラスター関数が用意されています。 これらの関数は、次の表で関連機能のカテゴリに分類されています。 表中の関数ごとに詳細な説明がリンクされています。

Image Analyst 関数のカテゴリ

関数のカテゴリ説明

解析

解析関数を使用して、多次元データセットおよび画像データセットを分析します。

分類

セグメンテーション関数と分類関数を使用して、セグメント化されたラスターまたはピクセル ベースのラスター データセットを分類済みのラスター データセットの作成に使用する準備を行います。

算術演算

一般的な演算関数は、数学関数を入力ラスターに適用します。 これらのツールは、いくつかのカテゴリに分類されます。 算術ツールは、加算や乗算などの基本的な数学演算を実行します。 また、基本的な乗数演算に加えて、指数や対数など、さまざまな種類の指数演算を実行するツールがあります。 他には、符号変換や、整数と浮動小数点のデータ タイプ間の変換に使用するツールがあります。

算術演算: 条件演算

条件演算関数では、入力値の条件に基づいて出力値を制御できます。 適用できる条件には、属性検索とリスト内の条件ステートメントの位置に基づく条件の 2 種類があります。

算術演算: 論理演算

論理演算関数は、入力値を評価し、ブール型ロジックに基づいて出力値を決定します。 これらの関数では、[ビット演算]、[ブール]、[結合]、[論理]、[関係] という 5 つの主要なカテゴリでラスター データセットが処理されます。

算術演算: 三角関数

三角関数演算関数では、入力ラスターの値に対してさまざまな三角関数を実行します。

統計

統計関数では、ローカル、近傍解析、またはゾーンに基づいて統計ラスター演算を実行します。

ジオプロセシング ツール

すでに説明したとおり、画像解析担当者やリモート センシングの専門技術者は、特定の用途に合わせてカスタム処理ワークフローを開発して配置することがよくあります。 専門技術者は、ジオプロセシング ツールを組み合わせて、ラスター関数テンプレート (RFT) に似たジオプロセシング モデルを作成することができます。 ジオプロセシング モデルと RFT の大きな違いは、ジオプロセシング モデルは結果が常にディスクに保存される点です。 ジオプロセシング モデルを企業内のメンバーと共有し、ArcGIS Enterprise を使用してオンプレミスまたはクラウドで分散処理環境に配置することもできます。

Image Analyst エクステンションには、多数のジオプロセシング ツールが用意されています。 これらのツールは、次の表で関連機能のカテゴリに分類されています。 表中のツールごとに詳細な説明がリンクされています。

Image Analyst ジオプロセシング ツールセット

ツールセット説明

変化の検出

[変化の検出] ツールセットには、ラスター データセット間の変化を検出するツールが含まれています。

ディープ ラーニング

ディープ ラーニング ツールを使用して、オブジェクトの検出や画像の分類を行います。

抽出

抽出ツールセットでは、ピクセルの属性またはピクセルの空間的位置関係のいずれかを指定して、セルのサブセットを抽出できます。

マップ代数演算

マップ代数演算は、代数演算の式を作成することで空間解析を実行する方法です。 [ラスター演算] ツールを使用すると、ラスター データセットを出力するマップ代数演算の式を作成および実行することができます。

算術演算 (一般)

一般的な算術演算ツールは、数学関数を入力値に適用します。 これらのツールは、いくつかのカテゴリに分類されます。 算術ツールは、加算や乗算などの基本的な数学演算を実行します。 また、基本的な乗数演算に加えて、指数や対数など、さまざまな種類の指数演算を実行するツールがあります。 他には、符号変換や、整数と浮動小数点のデータ タイプ間の変換に使用するツールがあります。

算術演算: 条件演算

[条件] ツールでは、入力値の条件に基づいて出力値を制御できます。 適用できる条件には、属性検索とリスト内の条件ステートメントの位置に基づく条件の 2 種類があります。

論理演算

論理演算ツールは、入力値を評価し、ブール型ロジックに基づいて出力値を決定します。 これらのツールは、[ビット演算]、[ブール]、[結合]、[論理]、[関係] という 5 つの主要なカテゴリに分類されます。

算術演算: 三角関数

三角関数演算ツールは、入力ラスターの値に対してさまざまな三角関数を実行します。

モーション イメージ

[モーション イメージ] ツールセットには、動画を含むモーション画像を管理、処理、解析するためのツールが含まれています。

多次元解析

複数の変数や次元にまたがる科学的なデータに対する解析を実行します。

オーバーレイ

オーバーレイ ツールでは、複数のラスターをオーバーレイし、これらのラスターに対してさまざまな演算を実行することができます。

セグメンテーションと分類

セグメント化された画像またはピクセル ベースの画像に対して従来の機械学習画像分類を行うか、高度な機械学習画像分類を行います。

統計

統計ツールでは、ローカル、近傍解析、またはゾーンに基づいて統計ラスター演算を実行します。

関連トピック