@techreport{oai:jaxa.repo.nii.ac.jp:00001924,
 author = {田中, 孝宗 and 田中, 良昌 and 佐藤, 由佳 and 池田, 大輔 and Tanaka, Takanori and Tanaka, Yoshimasa and Sato, Yuka and Ikeda, Daisuke},
 month = {Mar},
 note = {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., Aurora, which is attractive for many people, is an astronomical phenomenon related to many fields, such as interplanetary space, magnetosphere and ionosphere, and thus it is difficult to predict behaviors or shapes of aurora. The big goal of this research is to forecast them using observed data in different formats from different fields. To do that, we need training data which shows when and what types of aurora have appeared. In this paper, we evaluate three popular methods of automatic classification of images to classify auroral all-sky images. We found that two methods based on the local feature and the color histogram, both of which are expected to classify auroral all-sky images in detail, fail to capture characteristics of aurora in the preliminary experiment, while we obtained 92.3% of the classification accuracy based on auroral area, which can only classify whether an image contains aurora or not., 形態: カラー図版あり, Physical characteristics: Original contains color illustrations, 資料番号: AA1530026010, レポート番号: JAXA-RR-14-009},
 title = {オーロラの出現・形状の予測に向けた全天オーロラ画像の自動分類への試み},
 year = {2015}
}