JP2003030649A - 画像処理方法および装置 - Google Patents
画像処理方法および装置Info
- Publication number
- JP2003030649A JP2003030649A JP2001218089A JP2001218089A JP2003030649A JP 2003030649 A JP2003030649 A JP 2003030649A JP 2001218089 A JP2001218089 A JP 2001218089A JP 2001218089 A JP2001218089 A JP 2001218089A JP 2003030649 A JP2003030649 A JP 2003030649A
- Authority
- JP
- Japan
- Prior art keywords
- image
- area
- image processing
- road
- processing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 道路上の車両などの対象物を安価なコストで
リアルタイムで検出することができる画像処理方法およ
び装置を提供すること。 【解決手段】 対象物を含む撮影画像から対象物を検出
する画像処理方法であって、モルフォロジーのずらし重
ね処理によって撮影画像の濃淡を強調するステップと、
強調した撮影画像から特定の対象物が存在するエリアを
切り出すステップと、切り出したエリアの対象物につい
て予め定めた処理を行うステップとを備えることを特徴
とする。
リアルタイムで検出することができる画像処理方法およ
び装置を提供すること。 【解決手段】 対象物を含む撮影画像から対象物を検出
する画像処理方法であって、モルフォロジーのずらし重
ね処理によって撮影画像の濃淡を強調するステップと、
強調した撮影画像から特定の対象物が存在するエリアを
切り出すステップと、切り出したエリアの対象物につい
て予め定めた処理を行うステップとを備えることを特徴
とする。
Description
【０００１】
【発明の属する技術分野】本発明は、対象物を含む撮影
画像から対象物を検出する画像処理方法および装置に係
り、特に航空写真や衛星写真などのリモートセンシング
画像から例えば道路上の車両数を自動的に観測するのに
好適な画像処理方法および装置に関するものである。
画像から対象物を検出する画像処理方法および装置に係
り、特に航空写真や衛星写真などのリモートセンシング
画像から例えば道路上の車両数を自動的に観測するのに
好適な画像処理方法および装置に関するものである。
【０００２】
【従来の技術】従来において、道路上の車両数を計測す
る交通量観測システムとして、道路に沿ってテレビカメ
ラ、ループ式検知器、超音波式検知器、光学式検知器な
どのセンサを設置し、道路上を走行する車両を検出し、
そのセンサ出力信号を観測センタに伝送し、そこで人手
または自動的に車両数を計測するものが知られている。
る交通量観測システムとして、道路に沿ってテレビカメ
ラ、ループ式検知器、超音波式検知器、光学式検知器な
どのセンサを設置し、道路上を走行する車両を検出し、
そのセンサ出力信号を観測センタに伝送し、そこで人手
または自動的に車両数を計測するものが知られている。
【０００３】
【発明が解決しようとする課題】しかしながら、上記従
来の交通量観測システムにあっては、次のような問題が
ある。 （１）道路沿いに設置するテレビカメラなどのセンサの
数には限界があるため、広範囲にわたる道路における交
通量を計測することができず、広範囲にわたる交通量を
適切に制御することができない。 （２）計測精度を上げようとすると、センサ、通信設備
の数が増大した大規模システムとなり、その構築・維持
に膨大なコストがかかる。 （３）収集する情報が大量であるため、リアルタイム性
に劣る。
来の交通量観測システムにあっては、次のような問題が
ある。 （１）道路沿いに設置するテレビカメラなどのセンサの
数には限界があるため、広範囲にわたる道路における交
通量を計測することができず、広範囲にわたる交通量を
適切に制御することができない。 （２）計測精度を上げようとすると、センサ、通信設備
の数が増大した大規模システムとなり、その構築・維持
に膨大なコストがかかる。 （３）収集する情報が大量であるため、リアルタイム性
に劣る。
【０００４】本発明の目的は、道路上の車両などの対象
物を安価なコストでリアルタイムで検出することができ
る画像処理方法および装置を提供することにある。
物を安価なコストでリアルタイムで検出することができ
る画像処理方法および装置を提供することにある。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に、本発明の画像処理方法は、対象物を含む撮影画像か
ら対象物を検出する画像処理方法であって、モルフォロ
ジーのずらし重ね処理によって撮影画像の濃淡を強調す
るステップと、強調した撮影画像から特定の対象物が存
在するエリアを切り出すステップと、切り出したエリア
の対象物について予め定めた処理を行うステップとを備
えることを特徴とする。また、切り出したエリアの対象
物について対象物の数を計数する処理を行うステップを
さらに備えることを特徴とする。また、前記撮影画像
は、背景画像中での対象物の面積が微細な衛星撮影画像
または空撮画像であることを特徴とする。
に、本発明の画像処理方法は、対象物を含む撮影画像か
ら対象物を検出する画像処理方法であって、モルフォロ
ジーのずらし重ね処理によって撮影画像の濃淡を強調す
るステップと、強調した撮影画像から特定の対象物が存
在するエリアを切り出すステップと、切り出したエリア
の対象物について予め定めた処理を行うステップとを備
えることを特徴とする。また、切り出したエリアの対象
物について対象物の数を計数する処理を行うステップを
さらに備えることを特徴とする。また、前記撮影画像
は、背景画像中での対象物の面積が微細な衛星撮影画像
または空撮画像であることを特徴とする。
【０００６】本発明に係る画像処理装置は、対象物を含
む撮影画像から対象物を検出する画像処理装置であっ
て、モルフォロジーのずらし重ね処理によって撮影画像
の濃淡を強調する手段と、強調した撮影画像から特定の
対象物が存在するエリアを切り出す手段と、切り出した
エリアの対象物について予め定めた処理を行う手段とを
備えることを特徴とする。また、切り出したエリアの対
象物について対象物の数を計数する手段をさらに備える
ことを特徴とする。また、前記撮影画像は、背景画像中
での対象物の面積が微細な衛星撮影画像または空撮画像
であることを特徴とする。
む撮影画像から対象物を検出する画像処理装置であっ
て、モルフォロジーのずらし重ね処理によって撮影画像
の濃淡を強調する手段と、強調した撮影画像から特定の
対象物が存在するエリアを切り出す手段と、切り出した
エリアの対象物について予め定めた処理を行う手段とを
備えることを特徴とする。また、切り出したエリアの対
象物について対象物の数を計数する手段をさらに備える
ことを特徴とする。また、前記撮影画像は、背景画像中
での対象物の面積が微細な衛星撮影画像または空撮画像
であることを特徴とする。
【０００７】
【発明の実施の形態】図１は本発明の画像処理方法を適
用した交通量観測装置の実施形態を示すハードウェアの
ブロック図である。この実施形態の交通量観測装置は、
キーボード１０１、処理装置１０２、記憶装置１０６、
ディスプレイ１０９から構成されている。キーボード１
０１はコマンド名やそのパラメータの入力を行うもので
あり、処理装置１０２は交通量観測装置の各種入力コマ
ンドに対する処理を行うものである。より詳細には、モ
ルフォロジーのずらし重ね処理によりリモートセンシン
グ画像中の自動車像の濃淡を強調する対象像の強調処理
１０３と、リモートセンシング画像と地図情報を結合し
て背景エリアである道路エリアを切り出す背景エリアの
切り出し処理１０４と道路エリア上の自動車の台数をカ
ウントする対象物のカウント処理１０５を備えている。
記憶装置１０６には、処理装置１０２への入力となるリ
モートセンシング画像１０７と地図情報１０８のデータ
を蓄えている。ディスプレイ１０９はキーボード１０１
が入力した文字列や処理装置１０２がコマンドの処理し
た結果などの表示を行う。
用した交通量観測装置の実施形態を示すハードウェアの
ブロック図である。この実施形態の交通量観測装置は、
キーボード１０１、処理装置１０２、記憶装置１０６、
ディスプレイ１０９から構成されている。キーボード１
０１はコマンド名やそのパラメータの入力を行うもので
あり、処理装置１０２は交通量観測装置の各種入力コマ
ンドに対する処理を行うものである。より詳細には、モ
ルフォロジーのずらし重ね処理によりリモートセンシン
グ画像中の自動車像の濃淡を強調する対象像の強調処理
１０３と、リモートセンシング画像と地図情報を結合し
て背景エリアである道路エリアを切り出す背景エリアの
切り出し処理１０４と道路エリア上の自動車の台数をカ
ウントする対象物のカウント処理１０５を備えている。
記憶装置１０６には、処理装置１０２への入力となるリ
モートセンシング画像１０７と地図情報１０８のデータ
を蓄えている。ディスプレイ１０９はキーボード１０１
が入力した文字列や処理装置１０２がコマンドの処理し
た結果などの表示を行う。
【０００８】本実施形態の装置は、航空写真や衛星写真
などのリモートセンシング画像の利用して、道路上の自
動車のカウントを自動化することである。リモートセン
シング画像を利用する理由は、第１に、１組のリモート
センシング画像の視野は数十km四方の大きさを持つの
で、広範囲の対象を同時に観測することが可能である。
第２に、リモートセンシング画像を用いる交通量観測装
置は、主に画像データ受信施設とコンピュータで構成さ
れ、従来のセンサを用いるシステムに比較してはるかに
小規模のもので済む。第３に、リモートセンシング画像
の容量はせいぜい数十メガバイトであり、現在のコンピ
ュータで高速に処理できる。
などのリモートセンシング画像の利用して、道路上の自
動車のカウントを自動化することである。リモートセン
シング画像を利用する理由は、第１に、１組のリモート
センシング画像の視野は数十km四方の大きさを持つの
で、広範囲の対象を同時に観測することが可能である。
第２に、リモートセンシング画像を用いる交通量観測装
置は、主に画像データ受信施設とコンピュータで構成さ
れ、従来のセンサを用いるシステムに比較してはるかに
小規模のもので済む。第３に、リモートセンシング画像
の容量はせいぜい数十メガバイトであり、現在のコンピ
ュータで高速に処理できる。
【０００９】本実施形態のリモートセンシング画像を用
いた交通量観測装置における処理は、次の３つのステッ
プから構成されている。 （１）モルフォロジーのずらし重ね処理による自動車像
の濃淡の強調 （２）リモートセンシング画像と地図情報との結合によ
る道路エリアの切り出し （３）道路エリア上の自動車のカウント ここで、リモートセンシング画像の解像度は最も高精度
のもので数１０ｃｍのオーダであり、一方、自動車は通
常数メートルの大きさである。したがって、多くの場
合、リモートセンシング画像の解像度は自動車を認識す
るのに臨界的な解像度である。
いた交通量観測装置における処理は、次の３つのステッ
プから構成されている。 （１）モルフォロジーのずらし重ね処理による自動車像
の濃淡の強調 （２）リモートセンシング画像と地図情報との結合によ
る道路エリアの切り出し （３）道路エリア上の自動車のカウント ここで、リモートセンシング画像の解像度は最も高精度
のもので数１０ｃｍのオーダであり、一方、自動車は通
常数メートルの大きさである。したがって、多くの場
合、リモートセンシング画像の解像度は自動車を認識す
るのに臨界的な解像度である。
【００１０】そこで、本実施形態では、リモートセンシ
ング画像から微細な自動車像を抽出し易いように、前も
って自動車像の濃淡を強調する画像処理を行う。濃淡画
像を強調する前処理としてコントラストの強調と鮮鋭化
が知られている。コントラストの強調は、まず、濃度ヒ
ストグラムを生成し、その情報に基づいて濃度の線形変
換や濃度ヒストグラムを平坦化する濃度変換を行う。ま
た、濃淡画像の鮮鋭化は濃淡画像の高い空間周波数成分
を高域強調フィルタによって強調する。これらの濃淡画
像強調法は共通して強調する対象が十分な大きさを持つ
という条件を前提としている。しかし、リモートセンシ
ング画像の自動車像は数画素程度の微細な大きさのこと
があり、この前提条件を満たさない。したがって、リモ
ートセンシング画像の自動車像を対象とした場合、これ
らの手法は効果的ではない。
ング画像から微細な自動車像を抽出し易いように、前も
って自動車像の濃淡を強調する画像処理を行う。濃淡画
像を強調する前処理としてコントラストの強調と鮮鋭化
が知られている。コントラストの強調は、まず、濃度ヒ
ストグラムを生成し、その情報に基づいて濃度の線形変
換や濃度ヒストグラムを平坦化する濃度変換を行う。ま
た、濃淡画像の鮮鋭化は濃淡画像の高い空間周波数成分
を高域強調フィルタによって強調する。これらの濃淡画
像強調法は共通して強調する対象が十分な大きさを持つ
という条件を前提としている。しかし、リモートセンシ
ング画像の自動車像は数画素程度の微細な大きさのこと
があり、この前提条件を満たさない。したがって、リモ
ートセンシング画像の自動車像を対象とした場合、これ
らの手法は効果的ではない。
【００１１】本発明では、自動車像の強調にモルフォロ
ジー（mathematical morphology）の基本演算の１つで
ある「ずらし重ね」（dilation）を用いる。この濃淡画像
強調法には対象の大きさに対する前述のような前提条件
がないという利点がある。モルフォロジーは与えられた
２値画像または濃淡画像からの特徴抽出を目的とし、集
合論的操作からなる対象画像の変形手法の一貫した理論
体系である。モルフォロジーの一般的な知見は次の文献
１，２で得られる。 文献１：「間瀬茂、上田修功：モルフォロジーと画像解
析(I), 信学誌Vol.74, No.2, pp.166-174(1991)」 文献２：「上田修功、間瀬茂：モルフォロジーと画像解
析(II・完), 信学誌Vol.74, No.3, pp.271-279(199
1)」
ジー（mathematical morphology）の基本演算の１つで
ある「ずらし重ね」（dilation）を用いる。この濃淡画像
強調法には対象の大きさに対する前述のような前提条件
がないという利点がある。モルフォロジーは与えられた
２値画像または濃淡画像からの特徴抽出を目的とし、集
合論的操作からなる対象画像の変形手法の一貫した理論
体系である。モルフォロジーの一般的な知見は次の文献
１，２で得られる。 文献１：「間瀬茂、上田修功：モルフォロジーと画像解
析(I), 信学誌Vol.74, No.2, pp.166-174(1991)」 文献２：「上田修功、間瀬茂：モルフォロジーと画像解
析(II・完), 信学誌Vol.74, No.3, pp.271-279(199
1)」
【００１２】濃淡画像に関するモルフォロジーのずらし
重ねは次のように定義される。濃淡画像f : F → E と
濃淡画像k : K → E とする。ここで、FとKは２次元空
間の集合であり、Eは濃度を意味するユークリッド空間
を示す。濃淡画像fと濃淡画像kのずらし重ねf ○ kはf
(x −z)とk(z)の和の集合の最大値である。より正確に
数式で表すと、 (f ○ k)(x) ＝ max[f(x − z) + k(z)|z ∈ K, (x −
z) ∈ F] である。zは最大値演算子に対する変数である。明らか
に、ずらし重ねはコンボリューションと同じ計算量を必
要としている。ただし、コンボリューションは積につい
ての総和の計算をするのに対して、ずらし重ねは和につ
いての最大値の計算をする。
重ねは次のように定義される。濃淡画像f : F → E と
濃淡画像k : K → E とする。ここで、FとKは２次元空
間の集合であり、Eは濃度を意味するユークリッド空間
を示す。濃淡画像fと濃淡画像kのずらし重ねf ○ kはf
(x −z)とk(z)の和の集合の最大値である。より正確に
数式で表すと、 (f ○ k)(x) ＝ max[f(x − z) + k(z)|z ∈ K, (x −
z) ∈ F] である。zは最大値演算子に対する変数である。明らか
に、ずらし重ねはコンボリューションと同じ計算量を必
要としている。ただし、コンボリューションは積につい
ての総和の計算をするのに対して、ずらし重ねは和につ
いての最大値の計算をする。
【００１３】通常、濃淡画像kの定義域Kを小さい集合に
設定し、濃淡画像kを固定しているものと見なすことが
多い。この時、濃淡画像fからずらし重ねf ○ k への写
像は濃淡画像kをパラメータとした濃淡画像fのフィルタ
と考えられる。濃淡画像kは構成要素（structuring ele
ment）と呼ばれ、この濃淡画像kを変えることにより様
々な種類の変換を得ることができる。
設定し、濃淡画像kを固定しているものと見なすことが
多い。この時、濃淡画像fからずらし重ねf ○ k への写
像は濃淡画像kをパラメータとした濃淡画像fのフィルタ
と考えられる。濃淡画像kは構成要素（structuring ele
ment）と呼ばれ、この濃淡画像kを変えることにより様
々な種類の変換を得ることができる。
【００１４】特に、定義域Kが原点を中心とし、半径rの
円板であり、その上で構成要素kが一定の値０を取る場
合を考える。この場合、 (f ○ k)(x) ＝max[f(x − z)|z ∈ K, (x − z) ∈ F] となり、ずらし重ね(f ○ k)(x)は点xを中心とし、半径
rの円板の領域についての濃淡画像fの最大値を値とす
る。もし、濃淡画像fが図２に示すようなある点pで鋭い
ピークを持つならば、ずらし重ね(f ○ k)(x)は、点xと
点pとの間の距離がrより短かい時、このピークの値を取
る。言い換えると、ずらし重ね(f ○ k)(x)は、図２に
太実線で示すように点pを中心とし、半径rの円板上で大
きな値を取る。したがって、このフィルタは小さな明る
い領域を半径rの円板の明るい領域に拡大する変換であ
る。より一般的に、ずらし重ねは任意の形状の明るい領
域の入力に対して、その明るい領域を距離rだけ膨張さ
せてできる明るい領域を出力する変換であることにな
る。さらに、構成要素kの値が非負値（０以上の値）で
ある場合のずらし重ねも明らかに同様の性質を持つこと
が分かる。
円板であり、その上で構成要素kが一定の値０を取る場
合を考える。この場合、 (f ○ k)(x) ＝max[f(x − z)|z ∈ K, (x − z) ∈ F] となり、ずらし重ね(f ○ k)(x)は点xを中心とし、半径
rの円板の領域についての濃淡画像fの最大値を値とす
る。もし、濃淡画像fが図２に示すようなある点pで鋭い
ピークを持つならば、ずらし重ね(f ○ k)(x)は、点xと
点pとの間の距離がrより短かい時、このピークの値を取
る。言い換えると、ずらし重ね(f ○ k)(x)は、図２に
太実線で示すように点pを中心とし、半径rの円板上で大
きな値を取る。したがって、このフィルタは小さな明る
い領域を半径rの円板の明るい領域に拡大する変換であ
る。より一般的に、ずらし重ねは任意の形状の明るい領
域の入力に対して、その明るい領域を距離rだけ膨張さ
せてできる明るい領域を出力する変換であることにな
る。さらに、構成要素kの値が非負値（０以上の値）で
ある場合のずらし重ねも明らかに同様の性質を持つこと
が分かる。
【００１５】ずらし重ねは道路上の自動車像の強調に適
用できる。リモートセンシング画像の多くの場合、背景
である道路の明るさに対して、道路上の自動車像の明る
さは比較的明るい。その上、自動車像は直接処理するに
は困難なほど微細な粒状の形状を持つ。すなわち、自動
車像はリモートセンシング画像の中の鋭いピークである
と考えられる。したがって、前に述べた構成要素を使っ
たずらし重ねを作用させれば、自動車像は強調され、自
動車像の抽出など後続の画像処理に向いた適度の大きさ
を持った形状になる。
用できる。リモートセンシング画像の多くの場合、背景
である道路の明るさに対して、道路上の自動車像の明る
さは比較的明るい。その上、自動車像は直接処理するに
は困難なほど微細な粒状の形状を持つ。すなわち、自動
車像はリモートセンシング画像の中の鋭いピークである
と考えられる。したがって、前に述べた構成要素を使っ
たずらし重ねを作用させれば、自動車像は強調され、自
動車像の抽出など後続の画像処理に向いた適度の大きさ
を持った形状になる。
【００１６】本実施形態は、このようなモルフォロジー
の基本演算の１つである「ずらし重ね処理」を活用し、背
景に対して微細な画像を強調（濃淡の鮮鋭化と形状の膨
張）を活用し、道路上の自動車の数をカウントするもの
である。
の基本演算の１つである「ずらし重ね処理」を活用し、背
景に対して微細な画像を強調（濃淡の鮮鋭化と形状の膨
張）を活用し、道路上の自動車の数をカウントするもの
である。
【００１７】図３は対象物の強調処理１０３における自
動車像の強調の詳細、すなわち、モルフォロジーのずら
し重ねg(x1, x2) = (f ○ k)(x1, x2)を計算するアルゴ
リズムを示したフローチャートである。このフローチャ
ートで扱う入力濃淡画像f(x1, x2)の定義域は0 ≦ x1 <
Max1,0 ≦ x2 < Max2である。また、構成要素k(x1, x
2)の定義域は原点を中心とした半径rの円板であり、そ
の値は0とする。アルゴリズムはステップ３０１からス
テップ３０３のx1に関するループとステップ３０４から
ステップ３０６のx2に関するループを含む。これらのル
ープはずらし重ねg(x1, x2)の定義域である長方形を走
査する。
動車像の強調の詳細、すなわち、モルフォロジーのずら
し重ねg(x1, x2) = (f ○ k)(x1, x2)を計算するアルゴ
リズムを示したフローチャートである。このフローチャ
ートで扱う入力濃淡画像f(x1, x2)の定義域は0 ≦ x1 <
Max1,0 ≦ x2 < Max2である。また、構成要素k(x1, x
2)の定義域は原点を中心とした半径rの円板であり、そ
の値は0とする。アルゴリズムはステップ３０１からス
テップ３０３のx1に関するループとステップ３０４から
ステップ３０６のx2に関するループを含む。これらのル
ープはずらし重ねg(x1, x2)の定義域である長方形を走
査する。
【００１８】ステップ３０７でg(x1, x2)の初期値を
“0”に設定する。ステップ３０８からステップ３１０
のz1に関するループとステップ３１１からステップ３１
３のz2に関するループがある。これらのループは構成要
素kの定義域である円板を囲む、一辺の長さが2rである
正方形を走査する。z1とz2は最大値演算子に対する変数
を表すものである。次にステップ３１４で点(z1, z2)が
構成要素kの定義域である円板の内部にあるか判定す
る。円板の内部にある場合は、ステップ３１５でg(x1,
x2)がf(x1−z1, x2 − z2)より小さいか判定する。小さ
い場合は、ステップ３１６でg(x1, x2)の値をf(x1 − z
1, x2 − z2)に置き換える。ステップ３１４あるいはス
テップ３１５で判定が否であるならば、なにもせずにル
ープに戻る。結局、z1のループとz2のループを回ること
により、g(x1, x2)はf(x1 − z1, x2 − z2)の最大値と
なる。
“0”に設定する。ステップ３０８からステップ３１０
のz1に関するループとステップ３１１からステップ３１
３のz2に関するループがある。これらのループは構成要
素kの定義域である円板を囲む、一辺の長さが2rである
正方形を走査する。z1とz2は最大値演算子に対する変数
を表すものである。次にステップ３１４で点(z1, z2)が
構成要素kの定義域である円板の内部にあるか判定す
る。円板の内部にある場合は、ステップ３１５でg(x1,
x2)がf(x1−z1, x2 − z2)より小さいか判定する。小さ
い場合は、ステップ３１６でg(x1, x2)の値をf(x1 − z
1, x2 − z2)に置き換える。ステップ３１４あるいはス
テップ３１５で判定が否であるならば、なにもせずにル
ープに戻る。結局、z1のループとz2のループを回ること
により、g(x1, x2)はf(x1 − z1, x2 − z2)の最大値と
なる。
【００１９】図１の地図情報１０８は道路エリアでの値
を“１”、それ以外での値を“０”とした２値画像であ
る。図１の背景エリアの切り出し処理１０４における道
路エリアの切り出しでは、リモートセンシング画像とこ
の２値画像（地図情報１０８）を突合せ、２値画像の値
が“１”である位置の濃度値をその位置のリモートセン
シング画像の濃度値とし、２値画像の値が“０”である
位置の濃度値を“０”とする濃淡画像を生成する。これ
により、道路エリアのみが“１”となった濃淡画像が得
られる。
を“１”、それ以外での値を“０”とした２値画像であ
る。図１の背景エリアの切り出し処理１０４における道
路エリアの切り出しでは、リモートセンシング画像とこ
の２値画像（地図情報１０８）を突合せ、２値画像の値
が“１”である位置の濃度値をその位置のリモートセン
シング画像の濃度値とし、２値画像の値が“０”である
位置の濃度値を“０”とする濃淡画像を生成する。これ
により、道路エリアのみが“１”となった濃淡画像が得
られる。
【００２０】図１の対象物のカウント処理１０５におけ
る道路エリア上の自動車のカウントはしきい値処理とラ
ベル付けに分けられる。しきい値処理は、濃淡画像の各
点の濃度値を、適当な基準値に対する大小関係に基づい
て“０”と“１”に分けることによって濃淡画像を２値
画像に変える処理である。一般的に、自動車像は道路に
比べて明るいので、自動車像の濃度値と道路の濃度値の
間の適当な中間値をしきい値に選択したしきい値処理に
より、道路エリアを切り出した濃淡画像から自動車像を
“１”とし、道路を“０”とする２値画像を生成するこ
とができる。なお、しきい値の決定法には、p-タイル
法、モード法、判別分析法、濃度値特性法などが知られ
ている。その詳細は下記の文献３に記載されている。 文献３：「鳥脇純一郎：画像理解のためのディジタル画
像処理[I]、昭晃堂(平成１年)」 ２値画像のラベル画像とは、２値画像の連結成分に対応
する画素で、連結成分のラベルを表す正整数を値とし、
連結成分以外の画素では“０”を値とする画像である。
る道路エリア上の自動車のカウントはしきい値処理とラ
ベル付けに分けられる。しきい値処理は、濃淡画像の各
点の濃度値を、適当な基準値に対する大小関係に基づい
て“０”と“１”に分けることによって濃淡画像を２値
画像に変える処理である。一般的に、自動車像は道路に
比べて明るいので、自動車像の濃度値と道路の濃度値の
間の適当な中間値をしきい値に選択したしきい値処理に
より、道路エリアを切り出した濃淡画像から自動車像を
“１”とし、道路を“０”とする２値画像を生成するこ
とができる。なお、しきい値の決定法には、p-タイル
法、モード法、判別分析法、濃度値特性法などが知られ
ている。その詳細は下記の文献３に記載されている。 文献３：「鳥脇純一郎：画像理解のためのディジタル画
像処理[I]、昭晃堂(平成１年)」 ２値画像のラベル画像とは、２値画像の連結成分に対応
する画素で、連結成分のラベルを表す正整数を値とし、
連結成分以外の画素では“０”を値とする画像である。
【００２１】図４(ａ)は、４つの連結成分４０１〜４０
４を持つ２値画像の例である。図４(ｂ)はその２値画像
のラベル画像である。このラベル画像中では４つの連結
成分４０１〜４０４が“１”から“４”の整数で番号付
けされている。なお、画素同士が上下または左右に隣り
合っている場合を２つの画素は互いに４隣接するとい
う。同じ値を持つ２個の画素aとbに対して、これらと同
じ値を持つ画素の系列が存在して、この系列の中ですべ
ての隣あう画素の組が４隣接するとき、画素aとbは連結
しているという。各連結成分は、画素間の連結という同
値関係で定まる画素の同値類である。ラベル付けは２値
画像からラベル画像を求める処理である。これには、例
えば、すべての値が“１”である画素に初期ラベルを与
えた後、それに隣接した値“１”の画素へ順に伝播させ
る並列型アルゴリズムがある。ラベル付けのアルゴリズ
ムの詳細については次の文献４に記載されている。 文献４：「鳥脇純一郎：画像理解のためのディジタル画
像処理[II]、昭晃堂(平成３年)」 前述の２値画像で各自動車像は１つの連結成分であるの
で、ラベル付けのアルゴリズムによって自動車の台数を
カウントすることができる。
４を持つ２値画像の例である。図４(ｂ)はその２値画像
のラベル画像である。このラベル画像中では４つの連結
成分４０１〜４０４が“１”から“４”の整数で番号付
けされている。なお、画素同士が上下または左右に隣り
合っている場合を２つの画素は互いに４隣接するとい
う。同じ値を持つ２個の画素aとbに対して、これらと同
じ値を持つ画素の系列が存在して、この系列の中ですべ
ての隣あう画素の組が４隣接するとき、画素aとbは連結
しているという。各連結成分は、画素間の連結という同
値関係で定まる画素の同値類である。ラベル付けは２値
画像からラベル画像を求める処理である。これには、例
えば、すべての値が“１”である画素に初期ラベルを与
えた後、それに隣接した値“１”の画素へ順に伝播させ
る並列型アルゴリズムがある。ラベル付けのアルゴリズ
ムの詳細については次の文献４に記載されている。 文献４：「鳥脇純一郎：画像理解のためのディジタル画
像処理[II]、昭晃堂(平成３年)」 前述の２値画像で各自動車像は１つの連結成分であるの
で、ラベル付けのアルゴリズムによって自動車の台数を
カウントすることができる。
【００２２】次に、図３で示した処理に基づいてリモー
トセンシング画像中から道路上の自動車像を抽出した例
を説明する。図５(a)は入力のリモートセンシング画像
１０７の例を示す図である。リモートセンシング画像１
０７の大きさは約３００×３００画素であり、その濃度
値は“０”から“２５５”の範囲の値をとる。図５に例
示するリモートセンシング画像１０７にはほぼ中央部の
上下方向の道路と左右方向の道路があり、右下部で交差
している。これらの道路上および道路に沿った駐車場に
多数の自動車がある。自動車はリモートセンシング画像
１０７中で約１画素の大きさであり、これは認識できる
限界の大きさである。ここで明らかに自動車像の強調の
前処理が必要である。
トセンシング画像中から道路上の自動車像を抽出した例
を説明する。図５(a)は入力のリモートセンシング画像
１０７の例を示す図である。リモートセンシング画像１
０７の大きさは約３００×３００画素であり、その濃度
値は“０”から“２５５”の範囲の値をとる。図５に例
示するリモートセンシング画像１０７にはほぼ中央部の
上下方向の道路と左右方向の道路があり、右下部で交差
している。これらの道路上および道路に沿った駐車場に
多数の自動車がある。自動車はリモートセンシング画像
１０７中で約１画素の大きさであり、これは認識できる
限界の大きさである。ここで明らかに自動車像の強調の
前処理が必要である。
【００２３】図５(b)は図５(a)のリモートセンシング画
像に対し、ずらし重ね処理を適用した結果、生成された
濃淡画像である。主に人工物から成る明るい領域が膨張
していることが認められる。特に道路上や駐車場にある
大多数の自動車が強調されている。このため、自動車像
の抽出が可能となる。
像に対し、ずらし重ね処理を適用した結果、生成された
濃淡画像である。主に人工物から成る明るい領域が膨張
していることが認められる。特に道路上や駐車場にある
大多数の自動車が強調されている。このため、自動車像
の抽出が可能となる。
【００２４】図６(ａ)は図５(ｂ)の濃淡画像から中央上
部の上下方向の注目領域５０１の道路エリアを切り出し
て生成された濃淡画像を示す模式図である。濃度が暗い
道路エリアの濃度値は例えば約１６０以下、自動車像の
領域の濃度値は例えば約２００以上であり、それぞれの
領域は視覚的に区別可能になっている。
部の上下方向の注目領域５０１の道路エリアを切り出し
て生成された濃淡画像を示す模式図である。濃度が暗い
道路エリアの濃度値は例えば約１６０以下、自動車像の
領域の濃度値は例えば約２００以上であり、それぞれの
領域は視覚的に区別可能になっている。
【００２５】図６（ｂ）は図６(ａ)の道路エリアの濃淡
画像にしきい値処理をほどこして生成された白黒の２値
画像である。しきい値処理の結果、背景や対象が明確に
なり、道路エリア上の自動車像が鮮明化される。図６
(ｂ)の２値画像に対してラベル付け処理によって図６
（ｃ）に示すようなラベル画像を生成する。そして、こ
のラベル画像において、連結成分をカウント処理１０５
でカウントすることにより、道路上の自動車の台数を容
易に検出することができる。
画像にしきい値処理をほどこして生成された白黒の２値
画像である。しきい値処理の結果、背景や対象が明確に
なり、道路エリア上の自動車像が鮮明化される。図６
(ｂ)の２値画像に対してラベル付け処理によって図６
（ｃ）に示すようなラベル画像を生成する。そして、こ
のラベル画像において、連結成分をカウント処理１０５
でカウントすることにより、道路上の自動車の台数を容
易に検出することができる。
【００２６】このように本実施形態では、リモートセン
シング画像を利用することにより、広範囲にわたる道路
上の対象物を容易に、しかもセンサなどの膨大な地上設
備を配置することなく、リアルタイムで検出することが
できる。なお、上記実施形態においては、道路上の自動
車の数を検出する場合を例に挙げて説明したが、リモー
トセンシング画像または空撮画像によって、海上に浮か
ぶ船舶や構造物など、背景画像に対して微細な形状に写
る対象物を検出する場合の全てに適用することができ
る。
シング画像を利用することにより、広範囲にわたる道路
上の対象物を容易に、しかもセンサなどの膨大な地上設
備を配置することなく、リアルタイムで検出することが
できる。なお、上記実施形態においては、道路上の自動
車の数を検出する場合を例に挙げて説明したが、リモー
トセンシング画像または空撮画像によって、海上に浮か
ぶ船舶や構造物など、背景画像に対して微細な形状に写
る対象物を検出する場合の全てに適用することができ
る。
【００２７】
【発明の効果】以上の説明から明らかなように、本発明
によれば、道路上の車両などの対象物を安価なコストで
リアルタイムで検出することができる。
によれば、道路上の車両などの対象物を安価なコストで
リアルタイムで検出することができる。
【図１】本発明の画像処理方法を適用した交通量観測装
置の実施の形態を示すハードウェアのブロック図であ
る。
置の実施の形態を示すハードウェアのブロック図であ
る。
【図２】モルフォロジーのずらし重ね処理を説明する説
明図である。
明図である。
【図３】ずらし重ね処理のアルゴリズムを示すフローチ
ャートである。
ャートである。
【図４】２値画像とそのラベル画像の例を示す説明図で
ある。
ある。
【図５】リモートセンシング画像の処理例を示す説明図
である。
である。
【図６】対象物を強調してからカウントするまでの過程
の画像を示す説明図である。
の画像を示す説明図である。
１０１…キーボード、１０２…処理装置、１０３…対象
物の強調処理、１０４…背景エリアの切り出し処理、１
０５…対象物のカウント処理、１０６…記憶装置、１０
７…リモートセンシング画像、１０８…地図情報。
物の強調処理、１０４…背景エリアの切り出し処理、１
０５…対象物のカウント処理、１０６…記憶装置、１０
７…リモートセンシング画像、１０８…地図情報。
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 小野山 隆
神奈川県横浜市中区尾上町６丁目81番地
日立ソフトウエアエンジニアリング株式会
社内
Ｆターム(参考） 5B057 AA06 AA14 BA02 CA08 CA12
CA16 CE03 CE09 DA13 DB02
DB09 DC04
5L096 AA06 BA04 CA02 DA02 EA07
FA52 GA34
Claims (6)
- 【請求項１】 対象物を含む撮影画像から対象物を検出
する画像処理方法であって、 モルフォロジーのずらし重ね処理によって撮影画像の濃
淡を強調するステップと、 強調した撮影画像から特定の対象物が存在するエリアを
切り出すステップと、 切り出したエリアの対象物について予め定めた処理を行
うステップとを備えることを特徴とする画像処理方法。 - 【請求項２】 切り出したエリアの対象物について対象
物の数を計数する処理を行うステップをさらに備えるこ
とを特徴とする請求項１に記載の画像処理方法。 - 【請求項３】 前記撮影画像は、背景画像中での対象物
の面積が微細な衛星撮影画像または空撮画像であること
を特徴とする請求項１または２に記載の画像処理方法。 - 【請求項４】 対象物を含む撮影画像から対象物を検出
する画像処理装置であって、 モルフォロジーのずらし重ね処理によって撮影画像の濃
淡を強調する手段と、 強調した撮影画像から特定の対象物が存在するエリアを
切り出す手段と、 切り出したエリアの対象物について予め定めた処理を行
う手段とを備えることを特徴とする画像処理装置。 - 【請求項５】 切り出したエリアの対象物について対象
物の数を計数する手段をさらに備えることを特徴とする
請求項４に記載の画像処理装置。 - 【請求項６】 前記撮影画像は、背景画像中での対象物
の面積が微細な衛星撮影画像または空撮画像であること
を特徴とする請求項４または５に記載の画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001218089A JP3867890B2 (ja) | 2001-07-18 | 2001-07-18 | 画像処理方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001218089A JP3867890B2 (ja) | 2001-07-18 | 2001-07-18 | 画像処理方法および装置 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2003030649A true JP2003030649A (ja) | 2003-01-31 |
| JP2003030649A5 JP2003030649A5 (ja) | 2005-04-07 |
| JP3867890B2 JP3867890B2 (ja) | 2007-01-17 |
Family
ID=19052321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001218089A Expired - Fee Related JP3867890B2 (ja) | 2001-07-18 | 2001-07-18 | 画像処理方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3867890B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010128732A (ja) * | 2008-11-27 | 2010-06-10 | Japan Traffic Management Technology Association | 車両台数密度観測装置及び車両台数密度観測装置用のプログラム |
| JP2011070304A (ja) * | 2009-09-24 | 2011-04-07 | Mitsubishi Electric Corp | 車両位置検知システム |
| JP2014165616A (ja) * | 2013-02-23 | 2014-09-08 | Hyogo Prefecture | ロービジョン者用ウェアラブルディスプレイ |
| KR101583776B1 (ko) * | 2014-10-29 | 2016-01-11 | 동국대학교 산학협력단 | 대상체 검출 장치, 방법 및 컴퓨터프로그램 |
| JP2016170722A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社Ｑｕｉｃｋ | 評価システム、評価方法及び評価プログラム |
| JP2019513315A (ja) * | 2016-02-29 | 2019-05-23 | ウルグス ソシエダード アノニマ | 惑星規模解析のためのシステム |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106504219B (zh) * | 2016-11-04 | 2019-07-12 | 中国公路工程咨询集团有限公司 | 有约束的路径形态学高分辨率遥感影像道路增强方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03276400A (ja) * | 1990-03-26 | 1991-12-06 | Toshiba Corp | 交通信号制御システム |
| JPH11296788A (ja) * | 1998-04-10 | 1999-10-29 | Mitsubishi Electric Corp | 車両速度計測装置 |
| JP2001188986A (ja) * | 1999-12-30 | 2001-07-10 | Hiroshi Tanaka | 航空写真による道路の車両走行速度及び交通量の計測方法 |
| JP2002074358A (ja) * | 2000-08-31 | 2002-03-15 | Mitsubishi Heavy Ind Ltd | 道路抽出画像処理装置および方法 |
| JP2002330952A (ja) * | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補検出方法および装置 |
-
2001
- 2001-07-18 JP JP2001218089A patent/JP3867890B2/ja not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03276400A (ja) * | 1990-03-26 | 1991-12-06 | Toshiba Corp | 交通信号制御システム |
| JPH11296788A (ja) * | 1998-04-10 | 1999-10-29 | Mitsubishi Electric Corp | 車両速度計測装置 |
| JP2001188986A (ja) * | 1999-12-30 | 2001-07-10 | Hiroshi Tanaka | 航空写真による道路の車両走行速度及び交通量の計測方法 |
| JP2002074358A (ja) * | 2000-08-31 | 2002-03-15 | Mitsubishi Heavy Ind Ltd | 道路抽出画像処理装置および方法 |
| JP2002330952A (ja) * | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補検出方法および装置 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010128732A (ja) * | 2008-11-27 | 2010-06-10 | Japan Traffic Management Technology Association | 車両台数密度観測装置及び車両台数密度観測装置用のプログラム |
| JP2011070304A (ja) * | 2009-09-24 | 2011-04-07 | Mitsubishi Electric Corp | 車両位置検知システム |
| JP2014165616A (ja) * | 2013-02-23 | 2014-09-08 | Hyogo Prefecture | ロービジョン者用ウェアラブルディスプレイ |
| KR101583776B1 (ko) * | 2014-10-29 | 2016-01-11 | 동국대학교 산학협력단 | 대상체 검출 장치, 방법 및 컴퓨터프로그램 |
| JP2016170722A (ja) * | 2015-03-13 | 2016-09-23 | 株式会社Ｑｕｉｃｋ | 評価システム、評価方法及び評価プログラム |
| JP2019513315A (ja) * | 2016-02-29 | 2019-05-23 | ウルグス ソシエダード アノニマ | 惑星規模解析のためのシステム |
| JP2021119693A (ja) * | 2016-02-29 | 2021-08-12 | ウルグス ソシエダード アノニマ | 惑星規模解析のためのシステム |
| US11101876B2 (en) | 2016-02-29 | 2021-08-24 | Urugus S.A. | System for planetary-scale analytics |
| JP7273094B2 (ja) | 2016-02-29 | 2023-05-12 | ウルグス ソシエダード アノニマ | 惑星規模解析のためのシステム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3867890B2 (ja) | 2007-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
| US9384401B2 (en) | Method for fog detection | |
| CN109635733B (zh) | 基于视觉显著性和队列修正的停车场和车辆目标检测方法 | |
| CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
| CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
| CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
| CN106803262A (zh) | 利用双目视觉自主解算汽车速度的方法 | |
| KR102393268B1 (ko) | 도로 모양 분석을 통한 교통사고 발생 확률 예측 장치 및 방법 | |
| CN114581886A (zh) | 结合语义分割和频域分析的能见度判别方法、装置及介质 | |
| Lashkov et al. | Edge-computing-facilitated nighttime vehicle detection investigations with CLAHE-enhanced images | |
| CN114332644A (zh) | 一种基于视频卫星数据的大视场交通密度获取方法 | |
| JP2003030649A (ja) | 画像処理方法および装置 | |
| CN104598906B (zh) | 车辆外轮廓检测方法及其装置 | |
| Rahaman et al. | Lane detection for autonomous vehicle management: PHT approach | |
| Sasaki et al. | Development of inter-vehicle distance measurement system using camera-equipped portable device | |
| CN113505860B (zh) | 盲区检测训练集的筛选方法、装置、服务器及存储介质 | |
| CN202771439U (zh) | 基于matlab交通标志自动识别装置 | |
| CN111611942B (zh) | 一种透视自适应车道骨架提取建库的方法 | |
| CN115376106A (zh) | 基于雷达图的车型识别方法、装置、设备及介质 | |
| US11861844B2 (en) | Ternary image obtaining method and apparatus, and vehicle | |
| CN114140742A (zh) | 一种基于光场深度图像的轨道异物入侵检测方法 | |
| CN114581876A (zh) | 构建复杂场景下车道检测模型的方法和检测车道线方法 | |
| CN111332305A (zh) | 一种主动预警型交通道路感知辅助驾驶预警系统 | |
| Sheikh et al. | Traffic Sign Detection and Recognition using image processing | |
| Sellam et al. | Optical character recognition using localization techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040518 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040518 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060728 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060913 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061005 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061005 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121020 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |