JP2004184184A - レーダ画像処理装置 - Google Patents
レーダ画像処理装置 Download PDFInfo
- Publication number
- JP2004184184A JP2004184184A JP2002350389A JP2002350389A JP2004184184A JP 2004184184 A JP2004184184 A JP 2004184184A JP 2002350389 A JP2002350389 A JP 2002350389A JP 2002350389 A JP2002350389 A JP 2002350389A JP 2004184184 A JP2004184184 A JP 2004184184A
- Authority
- JP
- Japan
- Prior art keywords
- area
- incident angle
- backscattering
- classification
- land cover
- 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.)
- Abandoned
Links
Images
Landscapes
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
【課題】土地被覆分類を精度よく行うレーダ画像処理手段を提供する。
【解決手段】レーダ画像を形成したマイクロ波の、上記画像内の領域への入射角を算出し、土地被覆となる物体毎に入射角と後方散乱係数との相関を記憶する後方散乱データベースから、第１の後方散乱係数を取得し、第１の後方散乱係数と上記画像内の領域の後方散乱係数である第２の後方散乱係数との類似性を示す指標値を土地被覆毎に算出して、この指標値が所定の条件を満たす土地被覆を上記領域の土地被覆として決定し出力する。
【選択図】 図１
【解決手段】レーダ画像を形成したマイクロ波の、上記画像内の領域への入射角を算出し、土地被覆となる物体毎に入射角と後方散乱係数との相関を記憶する後方散乱データベースから、第１の後方散乱係数を取得し、第１の後方散乱係数と上記画像内の領域の後方散乱係数である第２の後方散乱係数との類似性を示す指標値を土地被覆毎に算出して、この指標値が所定の条件を満たす土地被覆を上記領域の土地被覆として決定し出力する。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
この発明は、レーダを用いた観測で得られる画像から、観測対象地域の土地被覆物を推定し、同じ土地被覆物からなる領域を分類するレーダ画像処理装置に関するものである。
【０００２】
【従来の技術】
例えば、従来のレーダ装置による土地被覆物の類推手段では、観測対象地域の地表面上の各地点での後方散乱断面積を、各地点の地表面におけるマイクロ波の入射角を用いて補正することにより、レーダ画像中心の入射角における後方散乱断面積を求め、次にこの値からレーダ画像中の各地点における後方散乱断面積を算出することによって、土地被覆物の分類を行っていた（例えば非特許文献１）。
【０００３】
【非特許文献１】
Ｔ． Ｐ． Ａｌｂｒｉｇｈｔ ｅｔ． ａｌ．， ”Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｔｙｐｅ ｕｓｉｎｇ ＳＩＲ−Ｃ／Ｘ−ＳＡＲ， Ｍｏｕｎｔ Ｅｖｅｒｅｓｔ Ａｒｅａ， Ｔｉｂｅｔ，’’ Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ， ｖｏｌ． １０３， ｎｏ． Ｅ１１， ｐ８２３−８３７
【０００４】
【発明が解決しようとする課題】
しかしながら、従来のレーダ画像処理技術は、土地被覆物の分類の前に行う後方散乱断面積の補正の誤差が大きく、土地被覆物の分類精度が劣化するという問題があった。これは、後方散乱断面積が、物体の種類によって異なり、また、同じ物体でもマイクロ波の周波数、偏波、入射角の違いによっても変化するにもかかわらず、後方散乱断面積の補正を、後方散乱断面積の入射角に対する変化が、土地被覆物によって異なることを考慮せずに行っていたためである。
【０００５】
この発明は上記のような問題点を解決するためになされたもので、レーダを用いた観測で得られる画像から、土地被覆分類を高い精度で行うレーダ画像処理装置を得ることを目的とする。
【０００６】
【課題を解決するための手段】
本発明は、レーダ画像を形成したマイクロ波の、上記画像内の領域への入射角を算出する入射角算出部と、
土地被覆物となる物体毎に上記マイクロ波の入射角とこのマイクロ波の後方散乱係数との相関を記憶する後方散乱データベースと、
上記画像内の領域への入射角に対応する後方散乱係数を第１の後方散乱係数として上記後方散乱データベースから取得し、第１の後方散乱係数と上記画像内の領域の後方散乱係数である第２の後方散乱係数との類似性を示す指標値を、上記土地被覆物毎に算出する領域分類部と、
上記指標値が所定の条件を満たす土地被覆物を上記領域の土地被覆物として決定し出力する分類決定部とを備えるものである。
【０００７】
【発明の実施の形態】
以下、この発明の実施の形態について説明する。
実施の形態１．
図１は、この発明の実施の形態１によるレーダ画像処理装置の構成を示す構成図である。図において、標高データ格納エリア１０１は、土地被覆物を類推する対象となる地域の標高データを記憶している。軌道データ格納エリア１０２は、レーダを搭載する航空機の軌道など、移動体プラットフォームの軌道データを記憶している。センサデータ格納エリア１０３は、レーダに搭載されたセンサの仕様データを記憶している。レーダ画像格納エリア１０４は、レーダを搭載した移動体プラットフォームにより収集されたレーダ画像を記憶する領域である。後方散乱データベース１０５は、事前に算出しておいた土地被覆物ごとの入射角と後方散乱断面積との相関を記憶している。ここで、後方散乱断面積とは、物体の後方散乱（マイクロ波が入射した方向への散乱）の強度を示す値である。この値は物体の種類によって異なり、また、同じ物体であってもマイクロ波の周波数、偏波、入射角の違いによって変化する。さらに単位面積あたりの後方散乱断面積を、後方散乱係数と呼んでいる。以下、特に指定しない限り、後方散乱断面積とは後方散乱係数のことをいうものとする。分類結果格納エリア１０６は、土地被覆分類結果を格納するための記憶領域である。以上の標高データ格納エリア１０１、軌道データ格納エリア１０２、センサデータ格納エリア１０３、後方散乱データベース１０５、分類結果格納エリア１０６はハードディスク装置やＣＤ−ＲＯＭとその読み取り装置などによって構成されるが、ＩＣカードやＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの記憶装置によって構成することも可能である。また入射角算出部１１０は、地表面を例えば図２に示すようにメッシュ状に分割して各メッシュにおけるマイクロ波の入射角を算出する。領域分類Ａ部１１１は、データベース参照部１１２を有し、データベース参照部１１２は、レーダ画像内の各地点での後方散乱断面積とマイクロ波の入射角から、後方散乱データベース１０５を参照して、その地点での土地被覆物の候補を算出する。分類決定部１１３は、データベース参照部１１２で算出された土地被覆物の候補から、最も確からしい候補を算出し土地被覆物を決定する。上記の入射角算出部１１０、領域分類Ａ部１１１，データベース参照部１１２、分類決定部１１３はコンピュータを初めとする中央演算装置を有する機器によって構成される。
【０００８】
次に、実施の形態１によるレーダ画像処理装置の処理について説明する。図３は、本レーダ画像処理装置の処理を示すフローチャートである。
【０００９】
まずステップＳＴ１０１において、標高データ格納エリア１０１から標高データが、また軌道データ格納エリア１０２から軌道データが、センサデータ格納エリア１０３からセンサデータが、それぞれ入射角算出部１１０に入力される。次にステップＳＴ１０２において、入射角算出部１１０は、これら標高データ、軌道データ、センサデータに基づき、地表面でのマイクロ波の入射角を例えば図２における各メッシュ毎に計算し、この入射角の２次元的な分布である入射角マップを算出する。
【００１０】
次にステップＳＴ１０３において、領域分類Ａ部１１１に、入射角算出部１１０で算出された入射角マップと、レーダ画像格納エリア１０４からレーダ画像が領域分類Ａ部１１１に入力され、データベース参照部１１２が、入射角マップが示す各地点での入射角と、レーダ画像が示す同地点での後方散乱断面積の値に基づいて、後方散乱データベースを参照して、候補となる土地被覆物に対する類似性の指標値を求める。
【００１１】
そこで、次にこの指標値の算出方法について説明する。図４は、入射角と後方散乱断面積の関係を図示したグラフである。図中の曲線は、後方散乱データベース１０５が記憶している森と土についての土地被覆物の入射角と後方散乱断面積の相関を示すものである。後方散乱データベース１０５は、この他コンクリートや水、砂などの土地被覆物についても入射角と後方散乱断面積の関係を記憶している。ここで、レーダ画像中の地点ｉにおける入射角がθｉ、この地点での後方散乱断面積がρｉであるとする。この地点ｉでのρｉと、各土地被覆物の入射角θｉにおける後方散乱断面積とを用いて、地点ｉにおける各土地被覆物に対する類似性の指標値Ｃｋを、例えば式１によって求める。
【００１２】
【数１】
上式において、ρｋ（θ）は土地被覆物Ｋにおける、入射角θの時の後方散乱断面積である。
【００１３】
ステップＳＴ１０４において、分類決定部１１３は、データベース参照部１１２で算出された指標値Ｃｋを、データベース１０５が記憶する被覆Ｋ全てに対して計算し、この中で指標値Ｃｋを最小にする被覆Ｋをその地点の被覆として決定する。そして、分類結果を分類結果格納エリア１０６に出力する。
【００１４】
上記から明らかなように、従来技術における後方散乱断面積の補正に代えて、土地の被覆ごとの入射角と後方散乱断面積の関係を参照することで分類を行うこととしたので、補正誤差による分類精度低下を抑え、土地被覆分類の精度を向上できる。
【００１５】
なお上記において、入射角の計算は地表面をメッシュに分割してメッシュ毎に行うこととしたが、実施の形態１による土地被覆分類手段では他の分割方法を採用しても同様の効果が得られる。
【００１６】
また上記において、式１による指標値を用いたが、類似性の指標値の算出方法は、この式に限られるものではない。例えばρｋ（θｉ）とρｉとの差の絶対値を用いる場合などが考えられる。
【００１７】
また上記において、データベース１０５が記憶する被覆Ｋ全てについて指標値Ｃｋを求めて、Ｃｋが最小となる被覆Ｋを土地被覆物として求めたが、土地被覆物の決定方法はこのような方法のみに限られず、たとえばＣｋが所定の閾値以下あるいは未満となる被覆Ｋを土地被覆物として決定する方法をとってもよいし、その閾値以下のＣｋを見いだした時点で指標値Ｃｋの計算を中止するような構成としてもよい。そうすることにより、データベース１０５が記憶する被覆Ｋ全てについて指標値を算出する必要性がなくなり、高速に処理することができる。
【００１８】
また上記において、類似性の指標値を最小にする土地被覆物への分類（最短距離法）を行ったが、例えば「日本リモートセンシング研究会 編、改訂版 図解リモートセンシング、日本測量協会、２００１」のｐ．２１０、ｐ．２１６等に記載されているマルチレベルスライス法、最尤法など他の決定法を用いても同様の効果が得られる。
【００１９】
実施の形態２．
図５は、この発明の実施の形態２によるレーダ画像処理装置の構成を示す構成図である。図において、領域分類Ｂ部２１１は比較参照画像作成部２１２と類似領域検出部２１３とを有するものである。比較参照用画像作成部２１２は後方散乱断面積の２次元的分布を比較参照用画像として作成する。また類似領域検出部２１３は、比較参照画像作成部２１２が作成した比較参照用画像とレーダ画像との類似性の指標となる値を算出する。この他、実施の形態１と同一の符号を付した構成要素については、実施の形態１と同様であるため、説明を省略する。
【００２０】
次に、実施の形態２によるレーダ画像処理装置の処理について説明する。図６は、本レーダ画像処理装置の処理を示すフローチャートである。図において、ステップＳＴ１０１とＳＴ１０２については、実施の形態１によるレーダ画像処理装置における処理と同様であるため、説明を省略する。
【００２１】
ステップＳＴ２０１において、入射角算出部１１０で算出された入射角マップが、比較参照画像作成部２１２に入力される。この比較参照画像作成部２１２では、対象地域の土地被覆物がある被覆Ｋであると仮定した場合の比較参照用画像を生成する。
【００２２】
比較参照用画像については次のようにして生成する。すなわち比較参照画像作成部２１２は、後方散乱データベース１０５から被覆Ｋについて入射角θｉと後方散乱断面積ρｋ（θｉ）の相関を取得し、次に例えば図２に示したような各メッシュ毎の地点ｉごとの入射角θｉに対する後方散乱断面積ρｋ（θｉ）を算出することで、後方散乱断面積の２次元的分布を求め、この分布を比較参照用画像とする。
【００２３】
次に、ステップＳＴ２０２において、類似領域検出部２１３が、入力されたレーダ画像と比較参照用画像を比較し、各地点での類似性の指標値を算出する。次にこの指標値の算出処理について説明する。
【００２４】
図７は、後方散乱データベース１０５に基づいて作成した比較参照用画像と、レーダ画像の比較に基づく分類の原理を示したものである。ここで、土地被覆物Ｋを仮定して作成した比較参照画像をＨｋで示す。まず、レーダ画像中の地点（ｘ、ｙ）について、例えば、その地点を中心とした局所的範囲の後方散乱断面積の平均値ＡＶＥ（ｘ、ｙ）を求める。次に、比較参照用画像Ｈｋにおいて、レーダ画像中の地点（ｘ、ｙ）に対応する地点を中心とした局所範囲の平均値ＡＶＥ＿Ｈｋ（ｘ、ｙ）を求める。この時に、類似性の指標値Ｃ２ｋを、次式で定義する。
【００２５】
【数２】
【００２６】
ステップＳＴ２０３において、分類決定部１１３は、例えば図２で示したような各メッシュの一つを地点ｉとする。次に地点ｉについて、全ての土地被覆物Ｋの比較参照用画像に対してＣ２ｋを計算し、地点ｉにおいてＣ２ｋが最小となる被覆Ｋを、地点ｉの被覆として決定する。分類決定部１１３は、各メッシュについてこの被覆を決定した後、土地被覆分類結果を分類結果格納エリア１０６に出力する。
【００２７】
上記から明らかなように、土地被覆物を仮定して地表面の入射角に基づき作成した比較参照画像と、レーダ画像との比較による土地の被覆分類を行うことにより、後方散乱断面積の入射角に対する変化が土地被覆物毎に異なることを考慮した上で、土地被覆物の分類を行うため、土地被覆物の分類精度を向上できる。
【００２８】
なお、前記式で示される指標値を用いたが、類似性の指標値には、他の指標値を用いてもよい。
【００２９】
実施の形態３．
図８は、この発明の実施の形態３によるレーダ画像処理装置の構成を示す構成図である。図において、参考用土地分類情報格納エリア１０７は、他のセンサ画像や、既知の土地利用図などから得られた参考用の土地被覆分類情報を格納する。また領域分類Ｃ部３０１はデータベース参照型レーダ画像補正部３０２及びレーダ画像の特徴抽出部３０３を有する。データベース参照型レーダ画像補正部３０２は、後方散乱断面積を補正する。レーダ画像の特徴抽出部３０３は、データベース参照型レーダ画像補正部３０２が補正した後方散乱断面積を特徴量として抽出する。この他、実施の形態１と同一の符号を付した構成要素については、実施の形態１と同様であるため、説明を省略する。
【００３０】
次に、この実施の形態３によるレーダ画像処理装置の処理を説明する。図９は、本レーダ画像処理装置の処理を示すフローチャートである。図において、ステップＳＴ１０１とＳＴ１０２については、実施の形態１によるレーダ画像処理装置における処理と同じであるため、説明を省略する。
【００３１】
ステップＳＴ３０１において、入射角算出部１１０で算出された入射角マップと、レーダ画像格納エリア１０４内のレーダ画像、参考用分類情報格納エリア１０７内の参考用の土地被覆分類情報が、領域分類Ｃ部３０１に入力される。この参考用の土地被覆分類情報は、土地被覆物が既知である地点の位置と、その土地被覆物を表したものである。またステップＳＴ３０１においてデータベース参照型レーダ画像補正部３０２は、土地被覆物が既知である地点のマイクロ波入射角とこの入射角について後方散乱データベース１０５が記憶している後方散乱断面積を用いて、レーダ画像の後方散乱断面積を補正する。これは、後方散乱断面積の入射角に対する変化が土地被覆物ごとに異なることを反映するためである。補正の方法としては、レーダ画像中央のマイクロ波入射角と後方散乱断面積とを基準に、レーダ画像上の各地点ｉの後方散乱断面積を補正する方法が考えられる。
具体的な補正方法として、データベース参照型レーダ画像補正部３０２は次のような処理を行う。すなわち、まず参考用の土地被覆情報において土地被覆物が既知である地点をｐとし、その土地被覆物をＫとする。またレーダ画像中央の点をｃとして、レーダ画像上の各地点ｉについてレーダ画像の後方散乱断面積を次のように補正する。
【００３２】
【数３】
【００３３】
ステップＳＴ３０２において、レーダ画像の特徴抽出部３０３は、補正後のレーダ画像の後方散乱断面積σｉ ０（θｃ）を特徴量として採用する。なお、ここで用いる特徴量は、式３により算出された後方散乱断面積に限られるものではなく、局所的な範囲の後方散乱断面積の平均、分散、高次のモーメント、同時生起確率などの他の特徴量を用いてもよい。
【００３４】
ステップＳＴ３０４において、分類決定部３０４が、算出された特徴量から、決定木分類法を用いて、土地被覆物を分類し、分類結果を分類結果格納エリア１０６に出力する。
【００３５】
ここで、分類決定部３０４が行う決定木分類法について説明する。本レーダ画像処理装置では、周波数がＬバンド、偏波がＨＨ（レーダが水平な波を照射し、水平な波を受信する）とした場合の後方散乱断面積や、周波数がＣバンド、偏波がＨＶ（レーダが水平な波を照射し、垂直な波を受信する）とした場合の後方散乱断面積、周波数がＸバンド、偏波がＶＶ（レーダが垂直な波を照射し、垂直な波を受信する）した場合の後方散乱断面積などを特徴量として採用することは上述のとおりである。決定木分類法とは、これらの特徴量と各土地被覆物が取りうる値域とを照合することによって土地被覆分類を決定する方法をいう。
【００３６】
図１０は本レーダ画像処理装置で行う決定木分類法の模式図である。図において、本レーダ画像処理装置はまず特徴量として周波数がＬバンド、偏波がＨＶ（レーダが水平な波を照射し、垂直な波を受信する）とした場合の後方散乱断面積（ＬＨＶ）を採用し、その値と−１９．２７ｄＢとを比較する（図１０：１００１）。ＬＨＶの値が−１９．２７ｄＢよりも小さい場合には、次に周波数がＸバンド、偏波がＶＶ（レーダが垂直な波を照射し、垂直な波を受信する）した場合の後方散乱断面積（ＸＶＶ）を特徴量として採用し、その値と−６．９３ｄＢとを比較する（図１０：１００２）。ＸＶＶが−６．９３よりも小さな値である場合には、もう分岐はないため土地被覆物の分類が”湿った雪で覆われた氷河”に決定される（図１０：１００３）。一方、ＸＶＶが−６．９３ｄＢ以上の値である場合には、続いて周波数がＬバンド、偏波がＨＨ（レーダが水平な波を照射し、水平な波を受信する）とした場合の後方散乱断面積と、周波数がＣバンド、偏波がＨＨ（レーダが水平な波を照射し、水平な波を受信する）とした場合の後方散乱断面積とを特徴量として採用し、これらと−６．１９０３ｄＢとを比較する（図１０：１００４）。その結果、−６．１９０３ｄＢよりも小さい値である場合には、土地被覆物の分類を”湿った雪で覆われた氷河”に決定し（図１０：１００５）、−６．１９０３ｄＢ以上の値である場合には”乾いた雪で覆われた氷河”に決定する（図１０：１００６）。
【００３７】
上記から明らかなように、後方散乱断面積の補正を、後方散乱断面積の入射角に対する変化が土地被覆物ごとに異なることを考慮して行うことにより、補正誤差を抑制し、分類精度を向上することができる。
【００３８】
なお、上記において、土地被覆物の分類を決定するために、決定木分類法を使用したが、決定の方法はこれに限らず、クラスタリング法、マルチレベルスライス法、最小距離分類法、最尤分類法などの、他の方法を用いてもよい。
【００３９】
実施の形態４．
実施の形態１乃至実施の形態３によるレーダ画像処理装置は、１つのレーダ画像から土地被覆分類を行うものであった。これに対し、実施の形態４によるレーダ画像処理装置は、同一の観測対象地域について得られた複数のレーダ画像から土地被覆分類を行う。レーダ画像が複数存在する場合には、たとえそれらが観測対象地域を同一とするものであっても、特性（周波数や偏波など）の異なるレーダによって得られた場合や、同一のレーダであっても観測時期（季節によって観測地域の土地被覆物が変化する場合）や観測方法（センサのマイクロ波の照射角度や軌道データなど）が異なる場合には、観測条件が異なっているとみなすべきである。その結果、これらの観測条件の違いが土地被覆物の類推結果に影響を及ぼすことになる。本レーダ画像処理装置においては、異なる観測条件から得られた観測結果に基づいて土地被覆分類を行うことができる点を特徴とするものである。
【００４０】
図１１は、実施の形態４によるレーダ画像処理装置の構成図である。図において、領域分類Ｄ部４０１は複数レーダ画像位置合わせ部４０２とデータベース複数参照部４０３を有する。複数レーダ画像位置合わせ部４０２は観測条件の異なるレーダ画像間で、同一位置を示す地点の入射角と後方散乱断面積を対応づけるものである。また、データベース複数参照部４０３は、レーダ画像中の各地点の土地被覆物についての類似性の指標値を算出する。観測条件判定部４１０は、観測条件に基づいて入射角計算を行う回数を算出する。この他、実施の形態１と同一の符号を付した構成要素については、実施の形態１と同様であるため、説明を省略する。
【００４１】
次に、本レーダ画像処理装置の処理について説明する。図１２は本レーダ画像処理装置の処理を示すフローチャートである。まずステップＳＴ４０１において、複数のレーダ画像が領域分類Ｄ部４０１に入力される。これらのレーダ画像は観測条件が異なっていることを前提としているが、同一の観測条件によるレーダ画像であってもよい。またステップＳＴ４０１ではさらに、観測対象地域の標高データと、各レーダ画像について観測条件における軌道データ、センサデータが、観測条件判定部４１０に入力される。
【００４２】
ステップＳＴ４０２において、観測条件判定部４１０が、入力された軌道データ、センサデータに基づいて、入射角算出部１１０にデータを入力する回数Ｎを算出する。この回数Ｎは、観測条件の種類の個数である。したがってレーダ画像がＭ個あっても、そのうちの２以上のレーダ画像の観測条件が同一である場合にはＭ＞Ｎの関係になるので、必ずしもレーダ画像の個数＝Ｎとなるとは限らない。観測条件判定部４０１は、これらのレーダ画像の観測条件が相互に一致するかどうかを判定し、回数Ｎを算出するものである。具体的な回数Ｎの算出方法としては、例えば次のようなものが考えられる。すなわち、予め各レーダ画像の観測条件をプロファイルデータとしてそれぞれのレーダ画像に付加しておく。観測条件判定部４１０は、各レーダ画像間でそれぞれのプロファイルデータを比較し、一致するプロファイルデータの一方を除外する。このようにして全てのレーダ画像の組み合わせにおいてプロファイルデータの比較をしたのちに、除外されずに残存しているプロファイルデータの個数がＮとなる。
【００４３】
ステップＳＴ４０３において、入射角算出部１１０は、これら標高データ、軌道データ、センサデータに基づき、地表面でのマイクロ波の入射角を例えば図２における各メッシュ毎に計算し、この入射角の２次元的な分布である入射角マップを算出する。
【００４４】
ステップＳＴ４０４において、観測条件判定部４１０が、入射角算出部１１０にデータを入力する回数Ｎが満たされたかを判定し、満たされていなければ、必要な回数分だけ入射角算出部１１０にデータを入力し、入射角計算を行う。結果として、本レーダ画像処理装置は各観測条件ごとに合計Ｎ個の入射角マップを算出することになる。
【００４５】
ステップＳＴ４０５において、複数レーダ画像位置合わせ部４０２に、入射角マップとレーダ画像が入力され、それぞれ観測条件の異なるレーダ画像上の同一位置における入射角と後方散乱断面積が対応付けられる。
【００４６】
ステップＳＴ４０６において、データベース複数参照部４０３に、これらのレーダ画像と、各レーダ画像に対する入射角マップが入力される。データベース複数参照部４０３は、後方散乱データベース１０５から各レーダ画像の偏波、周波数の観測条件に対応した入射角と後方散乱断面積との相関を選択し、この相関に基づいて、レーダ画像中の各地点における土地被覆物についての類似性の指標を算出する。
【００４７】
図１３と図１４を用いて、このデータベース複数参照部４０３の動作を説明する。いま、観測条件１によるレーダ画像と観測条件２によるレーダ画像があるとする。図１３と図１４は、それぞれ観測条件１と観測条件２のレーダ画像に対して選択された後方散乱データベースが保持する森、土、水の被覆についての入射角と後方散乱断面積の関係を示している。ここで、観測条件１において、レーダ画像内のＰ地点についての入射角がＡ１、後方散乱断面積がＢ１であるとし、観測条件２において、同様にレーダ画像内のＰ地点についての入射角がＡ２、後方散乱断面積がＢ２であるとする。図１３に示されるように、Ｐ地点について、観測条件１では、土、森を土地被覆物とする場合の後方散乱断面積の類似性が水を土地被覆物とする場合に比較して大きく、一方で図１４で示されるように、観測条件２では、土、水を土地被覆物とする場合の後方散乱断面積の類似性が森を土地被覆物とする場合に比較して大きい。このような場合には、両条件に共通する土の被覆が、Ｐ地点の被覆として予想される。このような、複数のレーダ画像から得られる算出する場合の、指標値Ｃｋの算出方法を式４で示す。
【００４８】
【数４】
【００４９】
上式において、ｃｏｎｄｉｔｉｏｎ１は観測条件１におけるＡ１およびＢ１に基づいて、その項を算出することを意味しており、またｃｏｎｄｉｔｉｏｎ２は観測条件２におけるＡ２およびＢ２に基づいて、その項を算出することを意味している。観測条件が３個以上存在する場合は、式４を拡張して得た次の式５に基づいて指標値を算出する。
【００５０】
【数５】
上式において、Ｎは観測条件の総数、すなわちステップＳＴ４０４において、観測条件判定部４１０が算出した回数Ｎであり、またＡｉおよびＢｉはｉ番目の観測条件における入射角と後方散乱断面積である。なお、指標値の算出方法は式４及び式５には限られず、たとえばρｋ（Ａｉ）とＢｉとの差の絶対値の和を算出するなど、他の方法によってもよい。
【００５１】
ステップＳＴ４０７において、分類決定部１１３が、データベース複数参照部４０３で算出された指標値ＣＫから、指標値ＣＫを最小にする被覆をその地点の被覆として決定する。そして、分類結果を分類結果格納エリア１０６に出力する。
【００５２】
上記から明らかなように、複数の観測条件の異なるレーダ画像から、土地の被覆ごとの入射角と後方散乱断面積の関係を複数参照して分類を行うことで、観測条件の異なる複数のレーダ画像の入力を許容する一方で、各土地被覆物に対する類似性の判定がより明確になり、土地被覆分類の精度を向上できる。
【００５３】
実施の形態５．
実施の形態１から実施の形態４によるレーダ画像処理装置は、事前に準備した後方散乱データベースを参照して土地被覆分類を行うものであった。これに対し、実施の形態５によるレーダ画像処理装置は、レーダ画像から後方散乱データベースを作成する後方散乱データベース作成部を備えることを特徴とするものである。
【００５４】
図１５は、実施の形態５によるレーダ画像処理装置の構成図である。図において、参照用土地利用情報格納エリア１０７は、例えば光学センサ画像により得られた土地被覆情報や、既存の土地利用地図などの土地利用情報を記憶する。データベース作成部６０１は、トレーニング用地域の選定部６０２と後方散乱データベース作成部６０３を有する。トレーニング用地域選定部６０２は、土地利用情報が既知である地点を選択し、後方散乱データベース作成部６０３は、トレーニング用地域の選定部６０２によって選択された地点の土地被覆物に対する入射角と後方散乱断面積の相関を取得する。作成後方散乱データベース６１０は、データベース作成部６０１が作成する入射角と後方散乱断面積との相関を記憶するものである。
【００５５】
次に、本レーダ画像処理装置の処理について説明する。図１６は、本レーダ画像処理装置における処理を示すフローチャートである。まず、ステップＳＴ６０１において、入射角算出部１１０は、参考用土地分類情報格納エリア１０７が土地利用情報を記憶している地域を含む観測対象地域について、標高データ、軌道データ、センサデータを、それぞれ標高データ格納エリア１０１、軌道データ格納エリア１０２、センサデータ格納エリア１０３から入力する。またデータベース作成部６０１が、この観測対象地域についてのレーダ画像、参考用の土地被覆分類情報を、レーダ画像格納エリア１０４からレーダ画像が、さらに参考用土地分類情報格納エリア１０７から入力する。
【００５６】
次に、ステップＳＴ６０２において、入射角算出部１１０は、これら標高データ、軌道データ、センサデータに基づき、地表面でのマイクロ波の入射角を、例えば図２における各メッシュ毎に計算し、この入射角の２次元的な分布である入射角マップを算出する。
【００５７】
続いてステップＳＴ６０３において、トレーニング用地域選定部６０２は、データベース作成部６０１に入力された参考用の土地被覆分類情報から得られる土地分類が既知である地点を、レーダ画像から選択する。
【００５８】
ステップＳＴ６０４において、後方散乱データベース作成部６０３は、トレーニング用地域選定部６０２が選択した地点の入射角、土地被覆物、後方散乱断面積を基に後方散乱データを作成し、作成後方散乱データベース６１０に蓄積する。図１７はこの後方散乱データの作成方法を説明するための図である。図においてＰについて、参考用土地分類情報より土地被覆物がＫＰであることが判明しているものとする。このとき、入射角が入射角マップからＮＰであって、後方散乱断面積がレーダ画像からＭＰｄＢであることが分かるから、土地被覆物ＫＰについて、入射角と後方散乱断面積の組（ＮＰ，ＭＰ）という相関を取得することができる。このようなＰを順次参考用土地分類情報から求め、入射角マップ、レーダ画像を照合することにより、入射角と後方散乱断面積の相関が得られるので、それを作成後方散乱データベース６１０に蓄積することで、後方散乱データベースが得られる。
【００５９】
ステップＳＴ６０５において、領域分類Ａ部１１１は、参考用土地分類情報が存在しないレーダ画像上の領域についての土地被覆分類を行う。そのために、領域分類Ａ部１１１はステップＳＴ６０４までに作成された作成後方散乱データベース６１０を参照して、各土地被覆物に対する類似性の指標を算出する。類似性を評価するための指標値の算出方法は式１又は式２などを用いることができるし、またその他の指標値を用いることもできる。
【００６０】
ステップＳＴ６０６において、分類決定部１１３が、データベース参照部１１２で算出された指標から、例えば前述の最短距離法を用いてその地点の土地被覆物を決定し、その分類結果を分類結果格納エリア１０６に出力する。
【００６１】
これより、既存の後方散乱データベースがない場合にも、精度の高い土地被覆分類を行うことが可能である。
【００６２】
なお、領域分類Ａ部１１１は、実施の形態２の領域分類Ｂ部２１１に置き換えても、同様の効果を得ることができることはいうまでもない。また図１８に示すように、本レーダ画像処理装置の領域分類Ａ部１１１と分類決定部１１３をそれぞれ実施の形態３における領域分類Ｃ部３０１、分類決定部３０４に置き換えても同様の効果を得ることができる。
【００６３】
同様に、複数のレーダ画像からの入力に基づいて土地被覆分類を行う場合にも、本レーダ画像処理装置のデータベース作成部６０１によって作成した作成後方散乱データベース６１０を用いることができる。この場合には、図１９に示すように実施の形態４における観測条件判定部４１０を用いて入射角計算を行い、また本レーダ画像処理装置の領域分類Ａ部１１１を実施の形態４における領域分類Ｄ部４０１に置き換える。
【００６４】
実施の形態６．
以上の実施の形態では、レーダ画像のみから土地被覆物の分類を決定する場合を示したが、実施の形態６によるレーダ画像処理装置は、土地被覆物の分類を決定するために、他のセンサ画像や地図などから得られる既存の土地被覆分類情報を利用するものである。なお本レーダ画像処理装置は、実施の形態４と同様に複数のレーダ画像を用いて、土地被覆分類を行うものとする。
【００６５】
図２０は、実施の形態６によるレーダ画像処理装置の構成図である。図において、同一地点の位置合わせ部８０１は参考用土地分類情報とレーダ画像の位置合わせを行う。また分類決定Ｚ部８０２は後方散乱断面積の類似性指標値と参考用の土地分類情報に基づいて土地被覆物の分類を行う。この他、実施の形態４と同一の符号を付した構成要素については、実施の形態４と同様であるため、説明を省略する。
【００６６】
次に、本レーダ画像処理装置の処理について説明する。図２０は本レーダ画像処理装置の処理を示すフローチャートである。まずステップＳＴ８０１において、レーダ画像格納エリア１０４内にあるレーダ画像が領域分類Ｄ部４０１に入力される。ここで入力されるレーダ画像は、例えば、周波数や偏波などの観測条件が異なる複数のレーダ画像である。一方で、標高データ格納エリア１０１から標高データが、また軌道データ格納エリア１０２及びセンサデータ格納エリア１０３から各レーダ画像の観測条件における軌道データとセンサデータが、観測条件判定部４１０に入力される。さらに、レーダ画像格納エリア１０４から複数のレーダ画像が、また参考用土地分類情報格納エリア１０７から参考用の土地分類情報が、同一地点の位置合わせ部８０１に入力される。
【００６７】
ステップＳＴ４０２からＳＴ４０５は、実施の形態４と同様であって、実施の形態４においてすでに詳細に説明しているので、ここでは概要のみ説明する。ステップＳＴ４０２では、観測条件判定部４１０がマイクロ波の入射角マップの算出回数を観測条件を解析することにより求める。続いてステップＳＴ４０３では、各レーダ画像におけるマイクロ波の入射角マップを算出する。ステップＳＴ４０４では、入射角マップ算出回数を判定し、ステップＳＴ４０５では複数レーダ画像間で、各地点についての入射角と後方散乱断面積が対応づけられる。
【００６８】
ステップＳＴ８０２において、同一地点の位置合わせ部８０１が、レーダ画像と、参考用土地被覆分類情報間の同一地点の位置を合わせる。
【００６９】
ステップＳＴ４０６では、データベース複数参照部４０３が、実施の形態４ですでに説明したように式４などに基づいて後方散乱断面積の類似性指標値を算出する。
【００７０】
ステップＳＴ８０３において、分類決定Ｚ部が、同一地点の位置合わせ部８０１で位置合わせされた参考用の土地分類情報と、領域分類Ｄ部４０１でレーダ画像から算出された各土地被覆物に対する類似性の指標に基づいて、土地被覆物の分類を決定する。
【００７１】
上記から明らかなように、被覆の分類の決定において、レーダ画像から推定された被覆の情報と、既存の土地被覆情報を組み合わせることで、各土地被覆物に対する類似性の判定がより明確になり、土地被覆分類の精度を向上できる。
【００７２】
なお、領域分類Ｄ部４０１は、実施の形態１の領域分類Ａ部１１１、実施の形態２の領域分類Ｂ部２１１、実施の形態３の領域分類Ｃ部３０１に置き換えても同様の効果を奏するものであり、後方散乱データベース１０５を、実施の形態５の作成後方散乱データベース６１０に置き換えても同様の効果を奏する。
【００７３】
【発明の効果】
本発明によるレーダ画像処理装置によれば、レーダ画像から得られる後方散乱係数と土地被覆物に関するマイクロ波の入射角と後方散乱係数との相関から得られる後方散乱係数との類似性を算出して、土地被覆物の分類を類推する構成としたので、土地被覆物を分類する処理を行う上で物体の種類に応じて異なる後方散乱係数を反映することにより、土地被覆分類の精度を向上させることができるという効果を奏する。
【図面の簡単な説明】
【図１】本発明の実施の形態１によるレーダ画像処理装置の構成図である。
【図２】本発明の実施の形態１乃至実施の形態６における観測対象地域の領域分割例を示す図である。
【図３】本発明の実施の形態１によるレーダ画像処理装置の処理を示すフローチャートである。
【図４】本発明の実施の形態１における後方散乱データベースが記憶するマイクロ波の入射角と後方散乱断面積との相関図である。
【図５】本発明の実施の形態２によるレーダ画像処理装置の構成図である。
【図６】本発明の実施の形態２によるレーダ画像処理装置の処理を示すフローチャートである。
【図７】本発明の実施の形態２によるレーダ画像処理装置における土地被覆分類の方法を示す図である。
【図８】本発明の実施の形態３によるレーダ画像処理装置の構成図である。
【図９】本発明の実施の形態３によるレーダ画像処理装置の処理を示すフローチャートである。
【図１０】本発明の実施の形態３にレーダ画像処理装置における土地被覆分類の方法を示す図である。
【図１１】本発明の実施の形態４によるレーダ画像処理装置の構成図である。
【図１２】本発明の実施の形態４によるレーダ画像処理装置の処理を示すフローチャートである。
【図１３】本発明の実施の形態４における後方散乱データベースが記憶するマイクロ波の入射角と後方散乱断面積との相関図である。
【図１４】本発明の実施の形態４における後方散乱データベースが記憶するマイクロ波の入射角と後方散乱断面積との相関図である。
【図１５】本発明の実施の形態５によるレーダ画像処理装置の構成図である。
【図１６】本発明の実施の形態５によるレーダ画像処理装置の処理を示すフローチャートである。
【図１７】本発明の実施の形態５によるレーダ画像処理装置における後方散乱データベースの作成方法を示す図である。
【図１８】本発明の実施の形態５によるレーダ画像処理装置の別の例による構成図である。
【図１９】本発明の実施の形態５によるレーダ画像処理装置の別の例による構成図である。
【図２０】本発明の実施の形態６によるレーダ画像処理装置の別の例による構成図である。
【図２１】本発明の実施の形態６によるレーダ画像処理装置の処理を示すフローチャートである。
【符号の説明】
１０１：標高データ格納エリア １０２：軌道データ格納エリア
１０３：センサデータ格納エリア １０４：レーダ画像格納エリア
１０５：後方散乱データベース １０６：分類結果格納エリア
１０７：参考用土地分類情報格納エリア １１０：入射角算出部
１１１：領域分類Ａ部 １１２：データベース参照部
１１３：分類決定部 ２１１：領域分類Ｂ部 ２１２：比較参照画像作成部
２１３：類似領域検出部 ３０１：領域分類Ｃ部
３０２：データベース参照型レーダ画像補正部
３０３：レーダ画像の特徴抽出部 ３０４：分類決定部
４０１：領域分類Ｄ部 ４０２：複数レーダ画像位置合わせ部
４０３：データベース複数参照部 ４１０：観測条件判定部
６０１：データベース作成部 ６０２：トレーニング用地域の選定部
６０３：後方散乱データベース作成部 ６１０：作成後方散乱データベース
８０１：同一地点の位置合わせ部 ８０２：分類決定Ｚ部
【発明の属する技術分野】
この発明は、レーダを用いた観測で得られる画像から、観測対象地域の土地被覆物を推定し、同じ土地被覆物からなる領域を分類するレーダ画像処理装置に関するものである。
【０００２】
【従来の技術】
例えば、従来のレーダ装置による土地被覆物の類推手段では、観測対象地域の地表面上の各地点での後方散乱断面積を、各地点の地表面におけるマイクロ波の入射角を用いて補正することにより、レーダ画像中心の入射角における後方散乱断面積を求め、次にこの値からレーダ画像中の各地点における後方散乱断面積を算出することによって、土地被覆物の分類を行っていた（例えば非特許文献１）。
【０００３】
【非特許文献１】
Ｔ． Ｐ． Ａｌｂｒｉｇｈｔ ｅｔ． ａｌ．， ”Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｔｙｐｅ ｕｓｉｎｇ ＳＩＲ−Ｃ／Ｘ−ＳＡＲ， Ｍｏｕｎｔ Ｅｖｅｒｅｓｔ Ａｒｅａ， Ｔｉｂｅｔ，’’ Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ， ｖｏｌ． １０３， ｎｏ． Ｅ１１， ｐ８２３−８３７
【０００４】
【発明が解決しようとする課題】
しかしながら、従来のレーダ画像処理技術は、土地被覆物の分類の前に行う後方散乱断面積の補正の誤差が大きく、土地被覆物の分類精度が劣化するという問題があった。これは、後方散乱断面積が、物体の種類によって異なり、また、同じ物体でもマイクロ波の周波数、偏波、入射角の違いによっても変化するにもかかわらず、後方散乱断面積の補正を、後方散乱断面積の入射角に対する変化が、土地被覆物によって異なることを考慮せずに行っていたためである。
【０００５】
この発明は上記のような問題点を解決するためになされたもので、レーダを用いた観測で得られる画像から、土地被覆分類を高い精度で行うレーダ画像処理装置を得ることを目的とする。
【０００６】
【課題を解決するための手段】
本発明は、レーダ画像を形成したマイクロ波の、上記画像内の領域への入射角を算出する入射角算出部と、
土地被覆物となる物体毎に上記マイクロ波の入射角とこのマイクロ波の後方散乱係数との相関を記憶する後方散乱データベースと、
上記画像内の領域への入射角に対応する後方散乱係数を第１の後方散乱係数として上記後方散乱データベースから取得し、第１の後方散乱係数と上記画像内の領域の後方散乱係数である第２の後方散乱係数との類似性を示す指標値を、上記土地被覆物毎に算出する領域分類部と、
上記指標値が所定の条件を満たす土地被覆物を上記領域の土地被覆物として決定し出力する分類決定部とを備えるものである。
【０００７】
【発明の実施の形態】
以下、この発明の実施の形態について説明する。
実施の形態１．
図１は、この発明の実施の形態１によるレーダ画像処理装置の構成を示す構成図である。図において、標高データ格納エリア１０１は、土地被覆物を類推する対象となる地域の標高データを記憶している。軌道データ格納エリア１０２は、レーダを搭載する航空機の軌道など、移動体プラットフォームの軌道データを記憶している。センサデータ格納エリア１０３は、レーダに搭載されたセンサの仕様データを記憶している。レーダ画像格納エリア１０４は、レーダを搭載した移動体プラットフォームにより収集されたレーダ画像を記憶する領域である。後方散乱データベース１０５は、事前に算出しておいた土地被覆物ごとの入射角と後方散乱断面積との相関を記憶している。ここで、後方散乱断面積とは、物体の後方散乱（マイクロ波が入射した方向への散乱）の強度を示す値である。この値は物体の種類によって異なり、また、同じ物体であってもマイクロ波の周波数、偏波、入射角の違いによって変化する。さらに単位面積あたりの後方散乱断面積を、後方散乱係数と呼んでいる。以下、特に指定しない限り、後方散乱断面積とは後方散乱係数のことをいうものとする。分類結果格納エリア１０６は、土地被覆分類結果を格納するための記憶領域である。以上の標高データ格納エリア１０１、軌道データ格納エリア１０２、センサデータ格納エリア１０３、後方散乱データベース１０５、分類結果格納エリア１０６はハードディスク装置やＣＤ−ＲＯＭとその読み取り装置などによって構成されるが、ＩＣカードやＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの記憶装置によって構成することも可能である。また入射角算出部１１０は、地表面を例えば図２に示すようにメッシュ状に分割して各メッシュにおけるマイクロ波の入射角を算出する。領域分類Ａ部１１１は、データベース参照部１１２を有し、データベース参照部１１２は、レーダ画像内の各地点での後方散乱断面積とマイクロ波の入射角から、後方散乱データベース１０５を参照して、その地点での土地被覆物の候補を算出する。分類決定部１１３は、データベース参照部１１２で算出された土地被覆物の候補から、最も確からしい候補を算出し土地被覆物を決定する。上記の入射角算出部１１０、領域分類Ａ部１１１，データベース参照部１１２、分類決定部１１３はコンピュータを初めとする中央演算装置を有する機器によって構成される。
【０００８】
次に、実施の形態１によるレーダ画像処理装置の処理について説明する。図３は、本レーダ画像処理装置の処理を示すフローチャートである。
【０００９】
まずステップＳＴ１０１において、標高データ格納エリア１０１から標高データが、また軌道データ格納エリア１０２から軌道データが、センサデータ格納エリア１０３からセンサデータが、それぞれ入射角算出部１１０に入力される。次にステップＳＴ１０２において、入射角算出部１１０は、これら標高データ、軌道データ、センサデータに基づき、地表面でのマイクロ波の入射角を例えば図２における各メッシュ毎に計算し、この入射角の２次元的な分布である入射角マップを算出する。
【００１０】
次にステップＳＴ１０３において、領域分類Ａ部１１１に、入射角算出部１１０で算出された入射角マップと、レーダ画像格納エリア１０４からレーダ画像が領域分類Ａ部１１１に入力され、データベース参照部１１２が、入射角マップが示す各地点での入射角と、レーダ画像が示す同地点での後方散乱断面積の値に基づいて、後方散乱データベースを参照して、候補となる土地被覆物に対する類似性の指標値を求める。
【００１１】
そこで、次にこの指標値の算出方法について説明する。図４は、入射角と後方散乱断面積の関係を図示したグラフである。図中の曲線は、後方散乱データベース１０５が記憶している森と土についての土地被覆物の入射角と後方散乱断面積の相関を示すものである。後方散乱データベース１０５は、この他コンクリートや水、砂などの土地被覆物についても入射角と後方散乱断面積の関係を記憶している。ここで、レーダ画像中の地点ｉにおける入射角がθｉ、この地点での後方散乱断面積がρｉであるとする。この地点ｉでのρｉと、各土地被覆物の入射角θｉにおける後方散乱断面積とを用いて、地点ｉにおける各土地被覆物に対する類似性の指標値Ｃｋを、例えば式１によって求める。
【００１２】
【数１】
【００１３】
ステップＳＴ１０４において、分類決定部１１３は、データベース参照部１１２で算出された指標値Ｃｋを、データベース１０５が記憶する被覆Ｋ全てに対して計算し、この中で指標値Ｃｋを最小にする被覆Ｋをその地点の被覆として決定する。そして、分類結果を分類結果格納エリア１０６に出力する。
【００１４】
上記から明らかなように、従来技術における後方散乱断面積の補正に代えて、土地の被覆ごとの入射角と後方散乱断面積の関係を参照することで分類を行うこととしたので、補正誤差による分類精度低下を抑え、土地被覆分類の精度を向上できる。
【００１５】
なお上記において、入射角の計算は地表面をメッシュに分割してメッシュ毎に行うこととしたが、実施の形態１による土地被覆分類手段では他の分割方法を採用しても同様の効果が得られる。
【００１６】
また上記において、式１による指標値を用いたが、類似性の指標値の算出方法は、この式に限られるものではない。例えばρｋ（θｉ）とρｉとの差の絶対値を用いる場合などが考えられる。
【００１７】
また上記において、データベース１０５が記憶する被覆Ｋ全てについて指標値Ｃｋを求めて、Ｃｋが最小となる被覆Ｋを土地被覆物として求めたが、土地被覆物の決定方法はこのような方法のみに限られず、たとえばＣｋが所定の閾値以下あるいは未満となる被覆Ｋを土地被覆物として決定する方法をとってもよいし、その閾値以下のＣｋを見いだした時点で指標値Ｃｋの計算を中止するような構成としてもよい。そうすることにより、データベース１０５が記憶する被覆Ｋ全てについて指標値を算出する必要性がなくなり、高速に処理することができる。
【００１８】
また上記において、類似性の指標値を最小にする土地被覆物への分類（最短距離法）を行ったが、例えば「日本リモートセンシング研究会 編、改訂版 図解リモートセンシング、日本測量協会、２００１」のｐ．２１０、ｐ．２１６等に記載されているマルチレベルスライス法、最尤法など他の決定法を用いても同様の効果が得られる。
【００１９】
実施の形態２．
図５は、この発明の実施の形態２によるレーダ画像処理装置の構成を示す構成図である。図において、領域分類Ｂ部２１１は比較参照画像作成部２１２と類似領域検出部２１３とを有するものである。比較参照用画像作成部２１２は後方散乱断面積の２次元的分布を比較参照用画像として作成する。また類似領域検出部２１３は、比較参照画像作成部２１２が作成した比較参照用画像とレーダ画像との類似性の指標となる値を算出する。この他、実施の形態１と同一の符号を付した構成要素については、実施の形態１と同様であるため、説明を省略する。
【００２０】
次に、実施の形態２によるレーダ画像処理装置の処理について説明する。図６は、本レーダ画像処理装置の処理を示すフローチャートである。図において、ステップＳＴ１０１とＳＴ１０２については、実施の形態１によるレーダ画像処理装置における処理と同様であるため、説明を省略する。
【００２１】
ステップＳＴ２０１において、入射角算出部１１０で算出された入射角マップが、比較参照画像作成部２１２に入力される。この比較参照画像作成部２１２では、対象地域の土地被覆物がある被覆Ｋであると仮定した場合の比較参照用画像を生成する。
【００２２】
比較参照用画像については次のようにして生成する。すなわち比較参照画像作成部２１２は、後方散乱データベース１０５から被覆Ｋについて入射角θｉと後方散乱断面積ρｋ（θｉ）の相関を取得し、次に例えば図２に示したような各メッシュ毎の地点ｉごとの入射角θｉに対する後方散乱断面積ρｋ（θｉ）を算出することで、後方散乱断面積の２次元的分布を求め、この分布を比較参照用画像とする。
【００２３】
次に、ステップＳＴ２０２において、類似領域検出部２１３が、入力されたレーダ画像と比較参照用画像を比較し、各地点での類似性の指標値を算出する。次にこの指標値の算出処理について説明する。
【００２４】
図７は、後方散乱データベース１０５に基づいて作成した比較参照用画像と、レーダ画像の比較に基づく分類の原理を示したものである。ここで、土地被覆物Ｋを仮定して作成した比較参照画像をＨｋで示す。まず、レーダ画像中の地点（ｘ、ｙ）について、例えば、その地点を中心とした局所的範囲の後方散乱断面積の平均値ＡＶＥ（ｘ、ｙ）を求める。次に、比較参照用画像Ｈｋにおいて、レーダ画像中の地点（ｘ、ｙ）に対応する地点を中心とした局所範囲の平均値ＡＶＥ＿Ｈｋ（ｘ、ｙ）を求める。この時に、類似性の指標値Ｃ２ｋを、次式で定義する。
【００２５】
【数２】
ステップＳＴ２０３において、分類決定部１１３は、例えば図２で示したような各メッシュの一つを地点ｉとする。次に地点ｉについて、全ての土地被覆物Ｋの比較参照用画像に対してＣ２ｋを計算し、地点ｉにおいてＣ２ｋが最小となる被覆Ｋを、地点ｉの被覆として決定する。分類決定部１１３は、各メッシュについてこの被覆を決定した後、土地被覆分類結果を分類結果格納エリア１０６に出力する。
【００２７】
上記から明らかなように、土地被覆物を仮定して地表面の入射角に基づき作成した比較参照画像と、レーダ画像との比較による土地の被覆分類を行うことにより、後方散乱断面積の入射角に対する変化が土地被覆物毎に異なることを考慮した上で、土地被覆物の分類を行うため、土地被覆物の分類精度を向上できる。
【００２８】
なお、前記式で示される指標値を用いたが、類似性の指標値には、他の指標値を用いてもよい。
【００２９】
実施の形態３．
図８は、この発明の実施の形態３によるレーダ画像処理装置の構成を示す構成図である。図において、参考用土地分類情報格納エリア１０７は、他のセンサ画像や、既知の土地利用図などから得られた参考用の土地被覆分類情報を格納する。また領域分類Ｃ部３０１はデータベース参照型レーダ画像補正部３０２及びレーダ画像の特徴抽出部３０３を有する。データベース参照型レーダ画像補正部３０２は、後方散乱断面積を補正する。レーダ画像の特徴抽出部３０３は、データベース参照型レーダ画像補正部３０２が補正した後方散乱断面積を特徴量として抽出する。この他、実施の形態１と同一の符号を付した構成要素については、実施の形態１と同様であるため、説明を省略する。
【００３０】
次に、この実施の形態３によるレーダ画像処理装置の処理を説明する。図９は、本レーダ画像処理装置の処理を示すフローチャートである。図において、ステップＳＴ１０１とＳＴ１０２については、実施の形態１によるレーダ画像処理装置における処理と同じであるため、説明を省略する。
【００３１】
ステップＳＴ３０１において、入射角算出部１１０で算出された入射角マップと、レーダ画像格納エリア１０４内のレーダ画像、参考用分類情報格納エリア１０７内の参考用の土地被覆分類情報が、領域分類Ｃ部３０１に入力される。この参考用の土地被覆分類情報は、土地被覆物が既知である地点の位置と、その土地被覆物を表したものである。またステップＳＴ３０１においてデータベース参照型レーダ画像補正部３０２は、土地被覆物が既知である地点のマイクロ波入射角とこの入射角について後方散乱データベース１０５が記憶している後方散乱断面積を用いて、レーダ画像の後方散乱断面積を補正する。これは、後方散乱断面積の入射角に対する変化が土地被覆物ごとに異なることを反映するためである。補正の方法としては、レーダ画像中央のマイクロ波入射角と後方散乱断面積とを基準に、レーダ画像上の各地点ｉの後方散乱断面積を補正する方法が考えられる。
具体的な補正方法として、データベース参照型レーダ画像補正部３０２は次のような処理を行う。すなわち、まず参考用の土地被覆情報において土地被覆物が既知である地点をｐとし、その土地被覆物をＫとする。またレーダ画像中央の点をｃとして、レーダ画像上の各地点ｉについてレーダ画像の後方散乱断面積を次のように補正する。
【００３２】
【数３】
ステップＳＴ３０２において、レーダ画像の特徴抽出部３０３は、補正後のレーダ画像の後方散乱断面積σｉ ０（θｃ）を特徴量として採用する。なお、ここで用いる特徴量は、式３により算出された後方散乱断面積に限られるものではなく、局所的な範囲の後方散乱断面積の平均、分散、高次のモーメント、同時生起確率などの他の特徴量を用いてもよい。
【００３４】
ステップＳＴ３０４において、分類決定部３０４が、算出された特徴量から、決定木分類法を用いて、土地被覆物を分類し、分類結果を分類結果格納エリア１０６に出力する。
【００３５】
ここで、分類決定部３０４が行う決定木分類法について説明する。本レーダ画像処理装置では、周波数がＬバンド、偏波がＨＨ（レーダが水平な波を照射し、水平な波を受信する）とした場合の後方散乱断面積や、周波数がＣバンド、偏波がＨＶ（レーダが水平な波を照射し、垂直な波を受信する）とした場合の後方散乱断面積、周波数がＸバンド、偏波がＶＶ（レーダが垂直な波を照射し、垂直な波を受信する）した場合の後方散乱断面積などを特徴量として採用することは上述のとおりである。決定木分類法とは、これらの特徴量と各土地被覆物が取りうる値域とを照合することによって土地被覆分類を決定する方法をいう。
【００３６】
図１０は本レーダ画像処理装置で行う決定木分類法の模式図である。図において、本レーダ画像処理装置はまず特徴量として周波数がＬバンド、偏波がＨＶ（レーダが水平な波を照射し、垂直な波を受信する）とした場合の後方散乱断面積（ＬＨＶ）を採用し、その値と−１９．２７ｄＢとを比較する（図１０：１００１）。ＬＨＶの値が−１９．２７ｄＢよりも小さい場合には、次に周波数がＸバンド、偏波がＶＶ（レーダが垂直な波を照射し、垂直な波を受信する）した場合の後方散乱断面積（ＸＶＶ）を特徴量として採用し、その値と−６．９３ｄＢとを比較する（図１０：１００２）。ＸＶＶが−６．９３よりも小さな値である場合には、もう分岐はないため土地被覆物の分類が”湿った雪で覆われた氷河”に決定される（図１０：１００３）。一方、ＸＶＶが−６．９３ｄＢ以上の値である場合には、続いて周波数がＬバンド、偏波がＨＨ（レーダが水平な波を照射し、水平な波を受信する）とした場合の後方散乱断面積と、周波数がＣバンド、偏波がＨＨ（レーダが水平な波を照射し、水平な波を受信する）とした場合の後方散乱断面積とを特徴量として採用し、これらと−６．１９０３ｄＢとを比較する（図１０：１００４）。その結果、−６．１９０３ｄＢよりも小さい値である場合には、土地被覆物の分類を”湿った雪で覆われた氷河”に決定し（図１０：１００５）、−６．１９０３ｄＢ以上の値である場合には”乾いた雪で覆われた氷河”に決定する（図１０：１００６）。
【００３７】
上記から明らかなように、後方散乱断面積の補正を、後方散乱断面積の入射角に対する変化が土地被覆物ごとに異なることを考慮して行うことにより、補正誤差を抑制し、分類精度を向上することができる。
【００３８】
なお、上記において、土地被覆物の分類を決定するために、決定木分類法を使用したが、決定の方法はこれに限らず、クラスタリング法、マルチレベルスライス法、最小距離分類法、最尤分類法などの、他の方法を用いてもよい。
【００３９】
実施の形態４．
実施の形態１乃至実施の形態３によるレーダ画像処理装置は、１つのレーダ画像から土地被覆分類を行うものであった。これに対し、実施の形態４によるレーダ画像処理装置は、同一の観測対象地域について得られた複数のレーダ画像から土地被覆分類を行う。レーダ画像が複数存在する場合には、たとえそれらが観測対象地域を同一とするものであっても、特性（周波数や偏波など）の異なるレーダによって得られた場合や、同一のレーダであっても観測時期（季節によって観測地域の土地被覆物が変化する場合）や観測方法（センサのマイクロ波の照射角度や軌道データなど）が異なる場合には、観測条件が異なっているとみなすべきである。その結果、これらの観測条件の違いが土地被覆物の類推結果に影響を及ぼすことになる。本レーダ画像処理装置においては、異なる観測条件から得られた観測結果に基づいて土地被覆分類を行うことができる点を特徴とするものである。
【００４０】
図１１は、実施の形態４によるレーダ画像処理装置の構成図である。図において、領域分類Ｄ部４０１は複数レーダ画像位置合わせ部４０２とデータベース複数参照部４０３を有する。複数レーダ画像位置合わせ部４０２は観測条件の異なるレーダ画像間で、同一位置を示す地点の入射角と後方散乱断面積を対応づけるものである。また、データベース複数参照部４０３は、レーダ画像中の各地点の土地被覆物についての類似性の指標値を算出する。観測条件判定部４１０は、観測条件に基づいて入射角計算を行う回数を算出する。この他、実施の形態１と同一の符号を付した構成要素については、実施の形態１と同様であるため、説明を省略する。
【００４１】
次に、本レーダ画像処理装置の処理について説明する。図１２は本レーダ画像処理装置の処理を示すフローチャートである。まずステップＳＴ４０１において、複数のレーダ画像が領域分類Ｄ部４０１に入力される。これらのレーダ画像は観測条件が異なっていることを前提としているが、同一の観測条件によるレーダ画像であってもよい。またステップＳＴ４０１ではさらに、観測対象地域の標高データと、各レーダ画像について観測条件における軌道データ、センサデータが、観測条件判定部４１０に入力される。
【００４２】
ステップＳＴ４０２において、観測条件判定部４１０が、入力された軌道データ、センサデータに基づいて、入射角算出部１１０にデータを入力する回数Ｎを算出する。この回数Ｎは、観測条件の種類の個数である。したがってレーダ画像がＭ個あっても、そのうちの２以上のレーダ画像の観測条件が同一である場合にはＭ＞Ｎの関係になるので、必ずしもレーダ画像の個数＝Ｎとなるとは限らない。観測条件判定部４０１は、これらのレーダ画像の観測条件が相互に一致するかどうかを判定し、回数Ｎを算出するものである。具体的な回数Ｎの算出方法としては、例えば次のようなものが考えられる。すなわち、予め各レーダ画像の観測条件をプロファイルデータとしてそれぞれのレーダ画像に付加しておく。観測条件判定部４１０は、各レーダ画像間でそれぞれのプロファイルデータを比較し、一致するプロファイルデータの一方を除外する。このようにして全てのレーダ画像の組み合わせにおいてプロファイルデータの比較をしたのちに、除外されずに残存しているプロファイルデータの個数がＮとなる。
【００４３】
ステップＳＴ４０３において、入射角算出部１１０は、これら標高データ、軌道データ、センサデータに基づき、地表面でのマイクロ波の入射角を例えば図２における各メッシュ毎に計算し、この入射角の２次元的な分布である入射角マップを算出する。
【００４４】
ステップＳＴ４０４において、観測条件判定部４１０が、入射角算出部１１０にデータを入力する回数Ｎが満たされたかを判定し、満たされていなければ、必要な回数分だけ入射角算出部１１０にデータを入力し、入射角計算を行う。結果として、本レーダ画像処理装置は各観測条件ごとに合計Ｎ個の入射角マップを算出することになる。
【００４５】
ステップＳＴ４０５において、複数レーダ画像位置合わせ部４０２に、入射角マップとレーダ画像が入力され、それぞれ観測条件の異なるレーダ画像上の同一位置における入射角と後方散乱断面積が対応付けられる。
【００４６】
ステップＳＴ４０６において、データベース複数参照部４０３に、これらのレーダ画像と、各レーダ画像に対する入射角マップが入力される。データベース複数参照部４０３は、後方散乱データベース１０５から各レーダ画像の偏波、周波数の観測条件に対応した入射角と後方散乱断面積との相関を選択し、この相関に基づいて、レーダ画像中の各地点における土地被覆物についての類似性の指標を算出する。
【００４７】
図１３と図１４を用いて、このデータベース複数参照部４０３の動作を説明する。いま、観測条件１によるレーダ画像と観測条件２によるレーダ画像があるとする。図１３と図１４は、それぞれ観測条件１と観測条件２のレーダ画像に対して選択された後方散乱データベースが保持する森、土、水の被覆についての入射角と後方散乱断面積の関係を示している。ここで、観測条件１において、レーダ画像内のＰ地点についての入射角がＡ１、後方散乱断面積がＢ１であるとし、観測条件２において、同様にレーダ画像内のＰ地点についての入射角がＡ２、後方散乱断面積がＢ２であるとする。図１３に示されるように、Ｐ地点について、観測条件１では、土、森を土地被覆物とする場合の後方散乱断面積の類似性が水を土地被覆物とする場合に比較して大きく、一方で図１４で示されるように、観測条件２では、土、水を土地被覆物とする場合の後方散乱断面積の類似性が森を土地被覆物とする場合に比較して大きい。このような場合には、両条件に共通する土の被覆が、Ｐ地点の被覆として予想される。このような、複数のレーダ画像から得られる算出する場合の、指標値Ｃｋの算出方法を式４で示す。
【００４８】
【数４】
上式において、ｃｏｎｄｉｔｉｏｎ１は観測条件１におけるＡ１およびＢ１に基づいて、その項を算出することを意味しており、またｃｏｎｄｉｔｉｏｎ２は観測条件２におけるＡ２およびＢ２に基づいて、その項を算出することを意味している。観測条件が３個以上存在する場合は、式４を拡張して得た次の式５に基づいて指標値を算出する。
【００５０】
【数５】
【００５１】
ステップＳＴ４０７において、分類決定部１１３が、データベース複数参照部４０３で算出された指標値ＣＫから、指標値ＣＫを最小にする被覆をその地点の被覆として決定する。そして、分類結果を分類結果格納エリア１０６に出力する。
【００５２】
上記から明らかなように、複数の観測条件の異なるレーダ画像から、土地の被覆ごとの入射角と後方散乱断面積の関係を複数参照して分類を行うことで、観測条件の異なる複数のレーダ画像の入力を許容する一方で、各土地被覆物に対する類似性の判定がより明確になり、土地被覆分類の精度を向上できる。
【００５３】
実施の形態５．
実施の形態１から実施の形態４によるレーダ画像処理装置は、事前に準備した後方散乱データベースを参照して土地被覆分類を行うものであった。これに対し、実施の形態５によるレーダ画像処理装置は、レーダ画像から後方散乱データベースを作成する後方散乱データベース作成部を備えることを特徴とするものである。
【００５４】
図１５は、実施の形態５によるレーダ画像処理装置の構成図である。図において、参照用土地利用情報格納エリア１０７は、例えば光学センサ画像により得られた土地被覆情報や、既存の土地利用地図などの土地利用情報を記憶する。データベース作成部６０１は、トレーニング用地域の選定部６０２と後方散乱データベース作成部６０３を有する。トレーニング用地域選定部６０２は、土地利用情報が既知である地点を選択し、後方散乱データベース作成部６０３は、トレーニング用地域の選定部６０２によって選択された地点の土地被覆物に対する入射角と後方散乱断面積の相関を取得する。作成後方散乱データベース６１０は、データベース作成部６０１が作成する入射角と後方散乱断面積との相関を記憶するものである。
【００５５】
次に、本レーダ画像処理装置の処理について説明する。図１６は、本レーダ画像処理装置における処理を示すフローチャートである。まず、ステップＳＴ６０１において、入射角算出部１１０は、参考用土地分類情報格納エリア１０７が土地利用情報を記憶している地域を含む観測対象地域について、標高データ、軌道データ、センサデータを、それぞれ標高データ格納エリア１０１、軌道データ格納エリア１０２、センサデータ格納エリア１０３から入力する。またデータベース作成部６０１が、この観測対象地域についてのレーダ画像、参考用の土地被覆分類情報を、レーダ画像格納エリア１０４からレーダ画像が、さらに参考用土地分類情報格納エリア１０７から入力する。
【００５６】
次に、ステップＳＴ６０２において、入射角算出部１１０は、これら標高データ、軌道データ、センサデータに基づき、地表面でのマイクロ波の入射角を、例えば図２における各メッシュ毎に計算し、この入射角の２次元的な分布である入射角マップを算出する。
【００５７】
続いてステップＳＴ６０３において、トレーニング用地域選定部６０２は、データベース作成部６０１に入力された参考用の土地被覆分類情報から得られる土地分類が既知である地点を、レーダ画像から選択する。
【００５８】
ステップＳＴ６０４において、後方散乱データベース作成部６０３は、トレーニング用地域選定部６０２が選択した地点の入射角、土地被覆物、後方散乱断面積を基に後方散乱データを作成し、作成後方散乱データベース６１０に蓄積する。図１７はこの後方散乱データの作成方法を説明するための図である。図においてＰについて、参考用土地分類情報より土地被覆物がＫＰであることが判明しているものとする。このとき、入射角が入射角マップからＮＰであって、後方散乱断面積がレーダ画像からＭＰｄＢであることが分かるから、土地被覆物ＫＰについて、入射角と後方散乱断面積の組（ＮＰ，ＭＰ）という相関を取得することができる。このようなＰを順次参考用土地分類情報から求め、入射角マップ、レーダ画像を照合することにより、入射角と後方散乱断面積の相関が得られるので、それを作成後方散乱データベース６１０に蓄積することで、後方散乱データベースが得られる。
【００５９】
ステップＳＴ６０５において、領域分類Ａ部１１１は、参考用土地分類情報が存在しないレーダ画像上の領域についての土地被覆分類を行う。そのために、領域分類Ａ部１１１はステップＳＴ６０４までに作成された作成後方散乱データベース６１０を参照して、各土地被覆物に対する類似性の指標を算出する。類似性を評価するための指標値の算出方法は式１又は式２などを用いることができるし、またその他の指標値を用いることもできる。
【００６０】
ステップＳＴ６０６において、分類決定部１１３が、データベース参照部１１２で算出された指標から、例えば前述の最短距離法を用いてその地点の土地被覆物を決定し、その分類結果を分類結果格納エリア１０６に出力する。
【００６１】
これより、既存の後方散乱データベースがない場合にも、精度の高い土地被覆分類を行うことが可能である。
【００６２】
なお、領域分類Ａ部１１１は、実施の形態２の領域分類Ｂ部２１１に置き換えても、同様の効果を得ることができることはいうまでもない。また図１８に示すように、本レーダ画像処理装置の領域分類Ａ部１１１と分類決定部１１３をそれぞれ実施の形態３における領域分類Ｃ部３０１、分類決定部３０４に置き換えても同様の効果を得ることができる。
【００６３】
同様に、複数のレーダ画像からの入力に基づいて土地被覆分類を行う場合にも、本レーダ画像処理装置のデータベース作成部６０１によって作成した作成後方散乱データベース６１０を用いることができる。この場合には、図１９に示すように実施の形態４における観測条件判定部４１０を用いて入射角計算を行い、また本レーダ画像処理装置の領域分類Ａ部１１１を実施の形態４における領域分類Ｄ部４０１に置き換える。
【００６４】
実施の形態６．
以上の実施の形態では、レーダ画像のみから土地被覆物の分類を決定する場合を示したが、実施の形態６によるレーダ画像処理装置は、土地被覆物の分類を決定するために、他のセンサ画像や地図などから得られる既存の土地被覆分類情報を利用するものである。なお本レーダ画像処理装置は、実施の形態４と同様に複数のレーダ画像を用いて、土地被覆分類を行うものとする。
【００６５】
図２０は、実施の形態６によるレーダ画像処理装置の構成図である。図において、同一地点の位置合わせ部８０１は参考用土地分類情報とレーダ画像の位置合わせを行う。また分類決定Ｚ部８０２は後方散乱断面積の類似性指標値と参考用の土地分類情報に基づいて土地被覆物の分類を行う。この他、実施の形態４と同一の符号を付した構成要素については、実施の形態４と同様であるため、説明を省略する。
【００６６】
次に、本レーダ画像処理装置の処理について説明する。図２０は本レーダ画像処理装置の処理を示すフローチャートである。まずステップＳＴ８０１において、レーダ画像格納エリア１０４内にあるレーダ画像が領域分類Ｄ部４０１に入力される。ここで入力されるレーダ画像は、例えば、周波数や偏波などの観測条件が異なる複数のレーダ画像である。一方で、標高データ格納エリア１０１から標高データが、また軌道データ格納エリア１０２及びセンサデータ格納エリア１０３から各レーダ画像の観測条件における軌道データとセンサデータが、観測条件判定部４１０に入力される。さらに、レーダ画像格納エリア１０４から複数のレーダ画像が、また参考用土地分類情報格納エリア１０７から参考用の土地分類情報が、同一地点の位置合わせ部８０１に入力される。
【００６７】
ステップＳＴ４０２からＳＴ４０５は、実施の形態４と同様であって、実施の形態４においてすでに詳細に説明しているので、ここでは概要のみ説明する。ステップＳＴ４０２では、観測条件判定部４１０がマイクロ波の入射角マップの算出回数を観測条件を解析することにより求める。続いてステップＳＴ４０３では、各レーダ画像におけるマイクロ波の入射角マップを算出する。ステップＳＴ４０４では、入射角マップ算出回数を判定し、ステップＳＴ４０５では複数レーダ画像間で、各地点についての入射角と後方散乱断面積が対応づけられる。
【００６８】
ステップＳＴ８０２において、同一地点の位置合わせ部８０１が、レーダ画像と、参考用土地被覆分類情報間の同一地点の位置を合わせる。
【００６９】
ステップＳＴ４０６では、データベース複数参照部４０３が、実施の形態４ですでに説明したように式４などに基づいて後方散乱断面積の類似性指標値を算出する。
【００７０】
ステップＳＴ８０３において、分類決定Ｚ部が、同一地点の位置合わせ部８０１で位置合わせされた参考用の土地分類情報と、領域分類Ｄ部４０１でレーダ画像から算出された各土地被覆物に対する類似性の指標に基づいて、土地被覆物の分類を決定する。
【００７１】
上記から明らかなように、被覆の分類の決定において、レーダ画像から推定された被覆の情報と、既存の土地被覆情報を組み合わせることで、各土地被覆物に対する類似性の判定がより明確になり、土地被覆分類の精度を向上できる。
【００７２】
なお、領域分類Ｄ部４０１は、実施の形態１の領域分類Ａ部１１１、実施の形態２の領域分類Ｂ部２１１、実施の形態３の領域分類Ｃ部３０１に置き換えても同様の効果を奏するものであり、後方散乱データベース１０５を、実施の形態５の作成後方散乱データベース６１０に置き換えても同様の効果を奏する。
【００７３】
【発明の効果】
本発明によるレーダ画像処理装置によれば、レーダ画像から得られる後方散乱係数と土地被覆物に関するマイクロ波の入射角と後方散乱係数との相関から得られる後方散乱係数との類似性を算出して、土地被覆物の分類を類推する構成としたので、土地被覆物を分類する処理を行う上で物体の種類に応じて異なる後方散乱係数を反映することにより、土地被覆分類の精度を向上させることができるという効果を奏する。
【図面の簡単な説明】
【図１】本発明の実施の形態１によるレーダ画像処理装置の構成図である。
【図２】本発明の実施の形態１乃至実施の形態６における観測対象地域の領域分割例を示す図である。
【図３】本発明の実施の形態１によるレーダ画像処理装置の処理を示すフローチャートである。
【図４】本発明の実施の形態１における後方散乱データベースが記憶するマイクロ波の入射角と後方散乱断面積との相関図である。
【図５】本発明の実施の形態２によるレーダ画像処理装置の構成図である。
【図６】本発明の実施の形態２によるレーダ画像処理装置の処理を示すフローチャートである。
【図７】本発明の実施の形態２によるレーダ画像処理装置における土地被覆分類の方法を示す図である。
【図８】本発明の実施の形態３によるレーダ画像処理装置の構成図である。
【図９】本発明の実施の形態３によるレーダ画像処理装置の処理を示すフローチャートである。
【図１０】本発明の実施の形態３にレーダ画像処理装置における土地被覆分類の方法を示す図である。
【図１１】本発明の実施の形態４によるレーダ画像処理装置の構成図である。
【図１２】本発明の実施の形態４によるレーダ画像処理装置の処理を示すフローチャートである。
【図１３】本発明の実施の形態４における後方散乱データベースが記憶するマイクロ波の入射角と後方散乱断面積との相関図である。
【図１４】本発明の実施の形態４における後方散乱データベースが記憶するマイクロ波の入射角と後方散乱断面積との相関図である。
【図１５】本発明の実施の形態５によるレーダ画像処理装置の構成図である。
【図１６】本発明の実施の形態５によるレーダ画像処理装置の処理を示すフローチャートである。
【図１７】本発明の実施の形態５によるレーダ画像処理装置における後方散乱データベースの作成方法を示す図である。
【図１８】本発明の実施の形態５によるレーダ画像処理装置の別の例による構成図である。
【図１９】本発明の実施の形態５によるレーダ画像処理装置の別の例による構成図である。
【図２０】本発明の実施の形態６によるレーダ画像処理装置の別の例による構成図である。
【図２１】本発明の実施の形態６によるレーダ画像処理装置の処理を示すフローチャートである。
【符号の説明】
１０１：標高データ格納エリア １０２：軌道データ格納エリア
１０３：センサデータ格納エリア １０４：レーダ画像格納エリア
１０５：後方散乱データベース １０６：分類結果格納エリア
１０７：参考用土地分類情報格納エリア １１０：入射角算出部
１１１：領域分類Ａ部 １１２：データベース参照部
１１３：分類決定部 ２１１：領域分類Ｂ部 ２１２：比較参照画像作成部
２１３：類似領域検出部 ３０１：領域分類Ｃ部
３０２：データベース参照型レーダ画像補正部
３０３：レーダ画像の特徴抽出部 ３０４：分類決定部
４０１：領域分類Ｄ部 ４０２：複数レーダ画像位置合わせ部
４０３：データベース複数参照部 ４１０：観測条件判定部
６０１：データベース作成部 ６０２：トレーニング用地域の選定部
６０３：後方散乱データベース作成部 ６１０：作成後方散乱データベース
８０１：同一地点の位置合わせ部 ８０２：分類決定Ｚ部
Claims (6)
- レーダ画像を形成したマイクロ波の、上記画像内の領域への入射角を算出する入射角算出部と、
土地被覆物となる物体毎に上記マイクロ波の入射角とこのマイクロ波の後方散乱係数との相関を記憶する後方散乱データベースと、
上記画像内の領域への入射角に対応する後方散乱係数を第１の後方散乱係数として上記後方散乱データベースから取得し、第１の後方散乱係数と上記画像内の領域の後方散乱係数である第２の後方散乱係数との類似性を示す指標値を、上記土地被覆物毎に算出する領域分類部と、
上記指標値が所定の条件を満たす土地被覆物を上記領域の土地被覆物として決定し出力する分類決定部とを備えたことを特徴とするレーダ画像処理装置。 - 前記入射角算出部は、前記画像における前記入射角の２次元的分布である入射角マップを算出し、
前記領域分類部は、上記入射角マップと前記相関とを参照して前記物体毎の後方散乱係数の２次元的分布である比較参照画像を作成し、前記領域の比較参照画像と前記第２の後方散乱係数との類似性を示す指標値を算出することを特徴とする請求項１に記載されたレーダ画像処理装置。 - 前記領域分類部は、前記第２の後方散乱係数を、前記画像の中央部におけるマイクロ波の入射角に基づいて補正し、補正後の第２の後方散乱係数と前記第２の後方散乱係数との類似性を示す指標値を算出することを特徴とする請求項１に記載されたレーダ画像処理装置。
- 前記領域分類部は、前記画像中の領域のうち土地被覆物が既知である領域を記憶する参考用土地分類情報からこの領域の土地被覆物を取得し、レーダ画像の中央部におけるマイクロ波の入射角に対する上記土地被覆物の後方散乱係数を前記後方散乱データベースから取得して、この後方散乱係数に基づいて前記第２の後方散乱係数を補正することを特徴とする請求項３に記載されたレーダ画像処理装置。
- 前記入射角算出部は、複数のレーダ画像上の領域であって、同一の観測対象地域を表す領域について前記画像毎に入射角を算出し、
前記領域分類部は、前記画像毎に前記指標値を算出し、
前記分類決定部は、前記画像毎の指標値が前記所定の条件を同時に満たす土地被覆物を、上記領域の土地被覆物として決定し出力することを特徴とする請求項１乃至請求項４のいずれか一に記載されたレーダ画像処理装置。 - 前記レーダ画像処理装置は、前記画像中の領域のうち土地被覆物が既知である領域を記憶する参考用土地分類情報記憶部と、
上記参考用土地分類情報記憶部から上記領域の土地被覆物を取得し、この土地被覆物と前記画像から得られるこの領域の後方散乱係数と前記入射角算出部が算出する入射角から後方散乱データベースを作成するデータベース作成部を備え、前記領域分類部は上記後方散乱データベースから後方散乱係数を取得することを特徴とする請求項１乃至請求項５のいずれか一に記載されたレーダ画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002350389A JP2004184184A (ja) | 2002-12-02 | 2002-12-02 | レーダ画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002350389A JP2004184184A (ja) | 2002-12-02 | 2002-12-02 | レーダ画像処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004184184A true JP2004184184A (ja) | 2004-07-02 |
Family
ID=32752630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002350389A Abandoned JP2004184184A (ja) | 2002-12-02 | 2002-12-02 | レーダ画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004184184A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005069785A (ja) * | 2003-08-21 | 2005-03-17 | National Institute Of Information & Communication Technology | 複屈折媒体の積層構造解析方法および構造解析装置，およびそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP2005140607A (ja) * | 2003-11-06 | 2005-06-02 | National Institute Of Information & Communication Technology | 偏波合成開口レーダ画像処理方法及び装置 |
| JP2008046107A (ja) * | 2006-07-21 | 2008-02-28 | Pasuko:Kk | レーダ画像処理装置及びレーダ画像処理方法 |
| JP2010281617A (ja) * | 2009-06-03 | 2010-12-16 | Mitsubishi Electric Corp | レーダー画像処理装置 |
| JP2011185834A (ja) * | 2010-03-10 | 2011-09-22 | Nikko Tankai Kk | Ｓａｒデータ処理方法及びｓａｒデータ処理システム |
| JP2011209048A (ja) * | 2010-03-29 | 2011-10-20 | Mitsubishi Space Software Kk | 観測装置および観測対象推定装置 |
| JP2012063196A (ja) * | 2010-09-15 | 2012-03-29 | Mitsubishi Space Software Kk | 船舶探知装置、船舶探知プログラムおよび船舶探知装置の船舶探知方法 |
| JP2018048898A (ja) * | 2016-09-21 | 2018-03-29 | 日本電気株式会社 | 画像処理装置、画像処理方法及びプログラム |
| KR102671005B1 (ko) | 2021-11-15 | 2024-06-03 | 주식회사 솔탑 | Sar 레이더의 영상 표출 장치 |
-
2002
- 2002-12-02 JP JP2002350389A patent/JP2004184184A/ja not_active Abandoned
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005069785A (ja) * | 2003-08-21 | 2005-03-17 | National Institute Of Information & Communication Technology | 複屈折媒体の積層構造解析方法および構造解析装置，およびそのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP2005140607A (ja) * | 2003-11-06 | 2005-06-02 | National Institute Of Information & Communication Technology | 偏波合成開口レーダ画像処理方法及び装置 |
| JP2008046107A (ja) * | 2006-07-21 | 2008-02-28 | Pasuko:Kk | レーダ画像処理装置及びレーダ画像処理方法 |
| JP2010281617A (ja) * | 2009-06-03 | 2010-12-16 | Mitsubishi Electric Corp | レーダー画像処理装置 |
| JP2011185834A (ja) * | 2010-03-10 | 2011-09-22 | Nikko Tankai Kk | Ｓａｒデータ処理方法及びｓａｒデータ処理システム |
| JP2011209048A (ja) * | 2010-03-29 | 2011-10-20 | Mitsubishi Space Software Kk | 観測装置および観測対象推定装置 |
| JP2012063196A (ja) * | 2010-09-15 | 2012-03-29 | Mitsubishi Space Software Kk | 船舶探知装置、船舶探知プログラムおよび船舶探知装置の船舶探知方法 |
| JP2018048898A (ja) * | 2016-09-21 | 2018-03-29 | 日本電気株式会社 | 画像処理装置、画像処理方法及びプログラム |
| JP7152131B2 (ja) | 2016-09-21 | 2022-10-12 | 日本電気株式会社 | 画像処理装置、画像処理方法及びプログラム |
| KR102671005B1 (ko) | 2021-11-15 | 2024-06-03 | 주식회사 솔탑 | Sar 레이더의 영상 표출 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pitkänen et al. | Measuring stem diameters with TLS in boreal forests by complementary fitting procedure | |
| TWI579777B (zh) | 用於海上自動目標辨識之資料融合分析技術 | |
| CN110287932B (zh) | 基于深度学习图像语义分割的道路阻断信息提取方法 | |
| Handwerker | Cell tracking with TRACE3D—A new algorithm | |
| Yu et al. | Predicting individual tree attributes from airborne laser point clouds based on the random forests technique | |
| Franaszek et al. | Fast automatic registration of range images from 3D imaging systems using sphere targets | |
| Shendryk et al. | Bottom-up delineation of individual trees from full-waveform airborne laser scans in a structurally complex eucalypt forest | |
| Zhang et al. | Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications | |
| JP2017507330A (ja) | ターゲットゾーンにおける無線ユーザ設備デバイスの位置決め | |
| CN111801591B (zh) | 一种用于校准光强度的系统及方法 | |
| CN108802683A (zh) | 一种基于稀疏贝叶斯学习的源定位方法 | |
| US8073217B2 (en) | Structure segmentation via MAR-cut | |
| Hui et al. | Wood and leaf separation from terrestrial LiDAR point clouds based on mode points evolution | |
| JP2004184184A (ja) | レーダ画像処理装置 | |
| Rouzbeh Kargar et al. | Stem and root assessment in mangrove forests using a low-cost, rapid-scan terrestrial laser scanner | |
| Altuntas et al. | Machine learning-based snow depth retrieval using GNSS signal-to-noise ratio data | |
| US20120004847A1 (en) | System and method for analyzing trees in lidar data using views | |
| Ghanbari et al. | Radiometric normalization of multitemporal and multisensor remote sensing images based on a Gaussian mixture model and error ellipse | |
| CN114705158B (zh) | 一种基于星载多通道辐射成像仪的云底高度反演方法 | |
| Choi et al. | Development of a terrain scan data generation algorithm using DTED | |
| RU2683626C1 (ru) | Способ идентификации опорных точек на космических изображениях местности при их трансформировании | |
| Martínez et al. | A rule-based classification from a region-growing segmentation of airborne LiDAR | |
| Packalén | Using airborne laser scanning data and digital aerial photographs to estimate growing stock by tree species | |
| US9964640B2 (en) | Method for phase unwrapping using confidence-based rework | |
| RU2596610C1 (ru) | Способ поиска и обнаружения объекта |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20040709 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051026 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080401 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080507 |
|
| A762 | Written abandonment of application |
Free format text: JAPANESE INTERMEDIATE CODE: A762 Effective date: 20080529 |