JP2004252733A - 画像処理システム、画像処理用プログラム - Google Patents

Abstract

【課題】撮影条件等の変化の影響が少ない、正確な変化抽出を行う。
【解決手段】画像処理システムは、入力装置１０１と、出力装置１０２と、表示装置１０３と、処理装置１０４および記憶装置１０５とを備える。処理装置１０４は、影データ処理部１０７と、多角形領域データ抽出処理部１０８と、変化抽出処理部１０９とを含み、例えば一連の処理を実行するためのプログラム１０６により構成される。記憶装置１０５には、画像の撮影日時と、撮影地点の緯度及び経度等の撮影情報と、を含む元画像データ１１０と、影データ１１１と、多角形領域データ１１２と、をそれぞれ格納する領域が設けられている。上記システムにより、衛星や航空機などから同じ領域の地表を撮影した観測画像情報を解析し、画像間で変化があった領域を抽出する際に、まず各画像の影の影響を除去した後に画像の抽出を行う。
【選択図】 図１

Description

【０００１】
【発明の属する技術分野】
本発明は、画像処理技術に関し、より詳細には、衛星や航空機を用いて異なる時間に同じ地点を撮影した複数の画像データを解析し、画像間の変化を抽出する技術に関する。
【０００２】
【従来の技術】
従来、住宅等の建造物及び道路などの地理的情報を表す住宅地図や地形図等を更新するために、調査員等が現地調査を行って人為的に情報収集を行っていた。これに対して、近年、同じ地点を写した航空写真又は衛星写真を用いて、変化した領域を安価かつ効率的に調査する方法が開発された。このような画像を用いる方法として、過去に撮影された画像と新規に同地点を撮影した画像とを比較することにより変化している領域を抽出する変化領域抽出手法が提案されている。
【０００３】
具体的には、比較対象となる２枚の画像の位置合わせを行うために、各々の画像を正射影に投影したオルソ画像に変換した後、過去のオルソ画像と新規のオルソ画像とを比較して変化領域を抽出する（非特許文献１参照）。
【０００４】
【非特許文献１】
「撮影時期の異なる航空写真からの建造物変化抽出手法」、電子情報通信学会パターン認識とメディア理解研究会、ＰＲＭＵ１２１−２８，１９９７。
【０００５】
【発明が解決しようとする課題】
ところで、上述のような航空写真等における変化領域抽出方法では、２つの同地点を撮影した画像データを、対応する画素単位で比較し、その輝度情報と色情報との違いに基づいて変化をチェックする。しかしながら、このような方法によれば、両画像間で日照条件や大気の情報等の撮影条件が異なる場合に、色情報や輝度情報が大きく異なることがあり、本当に変化があった部分のみを抽出することは難しい。撮影条件による差を小さくするために何らかの補正が行われる場合もあるが、補正による画像の変化がノイズとなり、かえって変化が分かりにくくなることも多い。
【０００６】
例えば、画像内に影が多く含まれる場合、影の有無による画素の差が非常に大きいため、影の形の違いを変化領域と誤認識する可能性がある。さらに、影の中に含まれる部分（以下「影領域」と称する。）は、影の中に含まれない部分（以下「非影領域」と称する。）に比べて輝度の変化が少ないため、変化がチェックしにくい。
【０００７】
本発明は、上記影領域の影響を除去し、撮影対象が同じであるが撮影条件が異なる画像における変化の抽出を容易にする画像処理技術を提供することを目的とする。
【０００８】
【課題を解決するための手段】
本発明の一観点によれば、ある撮影対象を撮影した複数の画像における影の影響を除去する影除去処理ステップと、前記影除去処理後のそれぞれの画像における多角形領域データを抽出する多角形領域データ抽出処理ステップと、前記多角形領域データ抽出処理ステップにおいて抽出されたデータに基づいて、複数の前記画像間の変化を抽出する変化抽出処理ステップとをコンピュータに実行させる画像処理用プログラムが提供される。
【０００９】
前記影除去ステップは、撮影時刻が略等しい複数の画像を重ね合わせて比較することにより複数の画像間における変化を抽出し、該変化分が少なくなるように前記複数の画像のうち少なくとも一方の画像を処理する第１のステップと、該第１のステップにより処理された画像と、比較対象となった画像と、を合成する第２のステップとを含むのが好ましい。
【００１０】
上記技術を用いると、影の影響を除去した後に、複数の画像間の比較を行うため、画像変化の抽出が簡単になる。
【００１１】
本発明の他の観点によれば、撮影条件が近似する複数の画像における同じ事物の影を比較する影比較処理ステップと、該影比較処理ステップによる比較結果に基づいて前記事物の変化を推測するステップとをコンピュータに実行させる画像処理プログラムが提供される。
【００１２】
上記技術を用いると、取り扱いが容易な影を基準として画像間の変化の抽出を行うため、変化抽出処理が簡単になる。
【００１３】
【発明の実施の形態】
本発明に係る画像処理技術では、画像の変化を画素単位で分析する代わりに、意味情報である画像内のエッジを多角形により画定しているエッジの情報を分析して比較する。この際、まず、画像に対する影除去処理を行った後に、多角形領域を抽出し、抽出した多角形領域を複数の画像で比較することにより、画像間の変化を抽出する。この際、多角形領域情報は、画像上の一点から放射状に伸ばした直線とエッジの交点を求め、それを連結することによって画像上の多角形領域データを抽出する方法（直線交点法）を用いて自動的に行うことができる。
【００１４】
この方法は、画像上の１点（以下「シード点」と称する。）を決定し、このシード点から等角度間隔で全方位に直線を伸ばし、直線とエッジとの交点を求め、交点を結ぶことにより画像内の多角形領域を抽出する方法である。シード点を自動的に決定すれば、画像内の全ての多角形領域の認識も自動的に行うことができる。
【００１５】
また、異なる画像間において影領域を比較することにより、事物、例えば建物の変化に関して推定することも可能である。
【００１６】
以下、本発明の一実施の形態による画像処理技術について図面を参照して説明する。本実施の形態による画像処理技術は、衛星や航空機などの高度飛翔体から地表を撮影した観測画像情報及び比較対象の画像又は画像ＩＤを入力とし、自動処理によって両画像間に変化がある領域を抽出し、出力する。
【００１７】
図１は、本発明の一実施の形態による画像処理システムの全体構成例を示す図である。本実施の形態による画像処理システムは、図１に示すように、入力装置１０１と、プリンタ等の出力装置１０２と、ディスプレイ等の表示装置１０３と、処理装置１０４および記憶装置１０５とを備える。処理装置１０４は、影データ処理部１０７と、多角形領域データ抽出処理部１０８と、変化抽出処理部１０９とを含み、例えば一連の処理を実行するためのプログラム１０６により構成される。
【００１８】
記憶装置１０５には、画像の撮影日時と、撮影地点の緯度及び経度等の撮影情報と、を含む元画像データ１１０と、影データ１１１と、多角形領域データ１１２と、をそれぞれ格納する領域が設けられている。
【００１９】
本実施の形態による画像処理システムは、衛星や航空機などの高度飛翔体から地表を撮影した観測画像データと比較したい対象画像とに基づいて、これらのデータに対して一連のプログラム１０６を実行する。元画像データ１１０及び各処理を行うことにより得られた影データ１１１及び多角形領域データ１１２は、記憶装置１０５に格納され、その後の比較及びデータ分析などに利用できる。
【００２０】
影データ１１１と、多角形領域データ１１２とのそれぞれの詳細について図２及び図３を参照して説明する。図１も適宜参照する。図２は、本実施の形態による画像処理システムで実行される処理の過程で作成された影データ（影画像）１１１の一例を示す図である。影データ１１１は、例えば、元画像１１０に対して影の部分を最低輝度値で、影でない部分を最高輝度値で置換した２値画像データにより表現することができる。同じく、影データ１１１には、元画像データ１１０とその撮影状況（撮影時期、ＹＹ年Ｍ／Ｄ午前９：００、撮影高度…等）とが関連付けされて格納される。影データ１１１は、影データ処理部１０７で利用される。
【００２１】
尚、撮影時間が近い画像間においては、影データ１１１自体を比較分析することで変化領域抽出を行うことも可能である。この点に関しては、図１５を参照して後述する。
【００２２】
図３は、本実施の形態による画像処理システムにより実行される処理の過程で作成される多角形領域データ１１２の一構成例を示す図である。多角形領域データは、多角形領域管理情報と、多角形領域情報と、多角形領域画像情報との３種類の情報を含んで構成されている。
【００２３】
図３（Ａ）に示すように、多角形領域管理情報は、多角形領域情報をまとめた統計情報及び各多角形領域情報を格納する。具体的には、当多角形領域管理情報を一意に識別するためのＩＤ３０１と、処理を行う以前の画像を一意に識別する元画像ＩＤ３０２と、対応する多角形領域画像情報を一意に識別するための多角形領域画像ＩＤ３０３と、これらの多角形領域管理情報が登録している多角形領域数３０４と、全登録多角形領域の平均面積３０５と、登録している各多角形領域情報３０６及び３０７などが格納される。
【００２４】
図３（Ｂ）に示す多角形領域情報は、各多角形領域の詳細情報を格納する。具体的には、多角形領域情報を一意に識別するためのＩＤ３１１と、多角形領域の面積３１２と、多角形領域の中心座標３１３と、元画像の多角形領域内の平均輝度等の特徴量３１４と、多角形領域を形成する頂点の数３１５と、各頂点の座標３１６及び３１７などを含んでいる。
【００２５】
図３（Ｃ）に示す多角形領域画像情報は、通常の画像情報と同様の形式で示されるデータであり、簡易な表示用と、座標から多角形領域データへの逆引き用等に用いることができる。より詳細には、モノクロ画像の形式で、各画素のデータに、多角形領域外画素、境界線画素、多角形領域内画素が識別できる値を格納する。特に、１つの画素が１つの多角形領域情報にのみ属する場合は、多角形領域内画素値に多角形領域情報のＩＤ（３１１）を用いることにより多角形領域情報との対応を取ることも出来る。
【００２６】
図４は、図１中の処理装置１０４が実行するプログラム１０６の処理概要を示すフローチャート図である。本実施の形態による画像処理システムは、このフローチャート図に従って変化領域を抽出する。まず、ステップ４０１において観測された画像データを読み込み、記憶装置に格納する。次に、ステップ４０２において影データ処理を行うとともに、影データ１１１を記憶装置１０５内に格納する。影除去処理の詳細は図５を参照して後述する。
【００２７】
次に、ステップ４０３において多角形領域データ抽出処理を行い、得られた多角形領域データ１１２を記憶装置１０５に格納する。多角形領域データ抽出処理の詳細は図８を参照して後述する。変化抽出処理を行う対象の画像に関する影データや多角形領域データが無い場合には、対象の画像に対してステップ４０２、４０３を繰り返す。
【００２８】
次に、作成された影データや多角形領域データと、比較対象の影データや多角形領域データとを用いて、ステップ４０４において変化抽出処理を行う。変化抽出処理の詳細は図１３を参照して後述する。ステップ４０５において、ステップ４０４で得られたデータを出力及び保存し、処理を終了する。
【００２９】
図５は、図４における影データ処理（ステップ４０２）の詳細を示すフローチャート図である。影データ処理では、画像内の影部分を特定するとともに、その影の影響を取り除いた画像を作成する。まず、ステップ５０１において、画像の明度要素を抽出する。この処理を詳細に説明すると、まず、元画像がモノクロであるか否かを調べ、モノクロでない場合にはモノクロ化を行う。画像のモノクロ化は、例えば通常のＲＧＢカラー画像の場合、各画素のＲ、Ｇ、Ｂ要素に、それぞれ重みを付けて一次変換することにより白黒の輝度を算出する。
【００３０】
次に、ステップ５０１により得られた輝度画像のヒストグラムを調査し（ステップ５０２）、ステップ５０３において上記ヒストグラムに基づいて影領域を特定する。
【００３１】
影領域は、輝度画像を影領域／非影領域閾値により２値化し、影領域と非影領域とのそれぞれにおいて微小領域を除去することにより特定する。この際、影領域／非影領域の判定に関する閾値は、例えばモード法（安居院猛、長尾智晴：画像の処理と認識、昭晃堂（１９９２）参照）に基づき、ヒストグラムの谷部となっている領域に近く、２分された領域でそれぞれ標準偏差を求めた場合に、その合計が最小となる値を用いれば良い。図６に、影領域／非影領域の判定のために用いる閾値を特定するためのヒストグラム（都市部における典型的なヒストグラム）の概略図を示す。このヒストグラムは、横軸に輝度を、縦軸にその輝度と対応する画素数（頻度）をとったグラフである。このヒストグラムを調査・分析することにより、影領域と非影領域との閾値の判定が可能である。
【００３２】
図６に示す都市部における典型的なヒストグラムからわかるように、縦軸の頻度には、影領域に対応する部分における第１のピークと、非影領域に対応する部分における第２のピークと、が存在することがわかる。第１のピークと第２のピークとの間に、輝度の谷部が存在する。この輝度の谷部における輝度よりも低い輝度を有する領域が影領域と判定され、谷部における輝度よりも高い輝度を有する領域が非影領域として判定される。このヒストグラムを用いると、影領域を特定することができ、また影領域と非影領域との輝度分布に基づいて、影の影響を除去することができる。
【００３３】
次に、ステップ５０３により得られた影データ（図２に例示されている）を保存する（ステップ５０４）。さらに、ステップ５０５において、輝度画像に対して影除去処理を行い、処理を終了する。影除去処理の詳細については、図７を参照して後述する。
【００３４】
図７は、図５中の影除去処理（ステップ５０５）の詳細を示す図である。この処理は、影が含まれている元画像７０１を、ステップ５０３において影領域と非影領域とに２分化する。そして、それぞれの領域に対しヒストグラム均等化を行う。画像のヒストグラム均等化とは、ヒストグラムが偏っている画像の輝度の変化をより見やすくなるように、画像全体または適当な区画ごとに画素値の分布を調べ、その平均値が中間値になるように一次変換を行うフィルタ処理である。ヒストグラム均等化を適用した後の画像は、符号７０２、７０３で示されるようになる。但し、符号７０２中の非影領域は最大輝度、符号７０３中の影領域は最小輝度で表されている。そして、均等化した両領域を合成すると、元画像から影領域が除去された画像７０４を得ることができる。
【００３５】
図８は、図４中の多角形領域データ処理（ステップ４０３）の詳細を示すフローチャート図であり、図９は、その処理中に得られる画像のサンプルである。多角形領域データ処理では、影データ処理（ステップ４０２）で得られた画像から、画像内にある建物や地形の多角形領域の情報を抽出する。図９中に元画像９０１（図９（Ａ））と、影データ処理後画像９０２（図９（Ｂ））の例を示している。
【００３６】
図８に示すように、多角形領域データ処理においては、まず、ステップ８０１においてエッジ抽出処理を行う。エッジ抽出処理は、画像内の多角形領域を抽出する前段階として、多角形領域を画定するエッジ成分のみを取り出す処理である。エッジ成分が少なすぎると多角形領域の周囲が途切れることが多くなり、多すぎるとノイズ成分が入って多角形領域の画定作業が困難になるため、エッジ抽出を行う際には閾値等を適切に決める必要がある。エッジ抽出技法としては、Ｃａｎｎｙ法（Ｊ．Ｃａｎｎｙ、 ”Ａ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ａｐｐｒｏａｃｈ ｔｏ Ｅｄｇｅ Ｄｅｔｅｃｔｉｏｎ”、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ．、Ｖｏｌ．ＰＡＭＩ−８、Ｎｏ６、１９８６年１１月）や、ソーベルフィルタ（尾上守、画像処理ハンドブック、１９８７年昭晃堂出版）を用いたフィルタ処理などが挙げられる。エッジ抽出技法としてＣａｎｎｙ法を用いた画像例を、図９（Ｃ）において符号９０３を付して示す。
【００３７】
次に、ある程度以上のエッジ成分が得られた部分のみにエッジを限定し、後の処理を簡単にするために、画像の２値化を行う（ステップ８０２）。２値化後の画像例を図９（Ｄ）において符号９０４を付して示す。次に、小エッジの除去処理を行う（ステップ８０３）。小エッジの除去処理の詳細については図１０を参照して後述する。小エッジ除去処理後画像の一例を図９（Ｅ）に符号９０５を付して示す。図９（Ｆ）に、さらにその状態で得られたエッジを強調した画像例を、符号９０６を付して示す。次に、多角形領域情報の抽出処理を行う（ステップ８０４）。多角形領域情報抽出処理については図１１を参照して後述する。
【００３８】
図１０は、図８中の小エッジの除去処理（ステップ８０３）の詳細を示すフローチャート図である。小エッジの除去処理は、エッジ画像内のノイズ除去のために行われる。但し、多角形領域を形成する線分の一部を誤って消さないように、小エッジであっても直線性の強い成分は消さずに残しておくのが好ましい。
【００３９】
図１０に示すように、まず２値化を行った画像のエッジを表す画素全てに対して、その画素に連結する画素の数を調べる（ステップ１００１）。その後に、連結する画素の数が一定量以下の画素で作られる線分をリストＬに登録する（ステップ１００２）。この処理の閾値を調整することにより、除去するエッジの量を調整することができる。次に、リストＬの中に登録されている線分が残っているかどうかを調べ（ステップ１００３）、残ってない場合は終了する。
【００４０】
リストＬの中に登録されている線分が残っている場合は、その中から１線分を選択し（ステップ１００４）、その線分の直線性を評価し、その評価をｓに代入する（ステップ１００５）。直線性の評価は、テンプレートマッチング（岸野文郎他著、画像と空間の情報処理、２０００年岩波書店出版）等の技法を用いて行うことができる。次に、ｓが閾値以下か否かのチェックを行い（ステップ１００６）、閾値以下の場合は、その線分を画像から削除する（ステップ１００７）。次に、選択した線分をリストＬから削除し（ステップ１００８）、ステップ１００３のチェック処理に戻る。
【００４１】
図１１は、図８に示す多角形領域抽出処理（ステップ８０４）の詳細を示すフローチャート図である。この処理は、まず、処理する画像内にシード点を複数配置し、配置したシード点のリストを作成する（ステップ１１０１）。尚、シード点とは、多角形領域抽出を行う際の処理の出発点となる座標点である。シード点リストは、通常比較対象となる画像の多角形領域抽出処理で用いたシード点リストと同じものを用いることができる。比較対象となる画像がない場合には、シード点を格子状に点在させたり、ランダムに配置させたりすることもできる。
【００４２】
次に、リスト内の全てのシード点に対してステップ１１０３〜ステップ１１０６までのチェックを行ったかいないか否かを調べ（ステップ１１０２）、全てのチェックが終わっていた場合は多角形領域抽出処理を終了する。全てのチェックが終わっていない場合は、リストの中からチェックを行っていないシード点を一点選択し（ステップ１１０３）、選択したシード点がそれまでに抽出した多角形領域の内部に含まれているか否かのチェックを行う（ステップ１１０４）。
【００４３】
多角形領域内部に選択したシード点が含まれている場合は、そのシード点のチェックを終了し、ステップ１１０３に戻る。シード点が今まで抽出されたいずれの多角形領域にも含まれていない場合は、新たに多角形領域を抽出する。この際、直線交点法による多角形領域の抽出を行う（ステップ１１０５）。直線交点法の詳細については図１２を参照して後述する。次に、新たに得られた多角形領域を多角形領域データ内に登録し、ステップ１１０２のチェックステップに戻る。
【００４４】
図１２は、図１１中の直線交点法による処理（ステップ１１０５）の詳細を示す図である。図１２に示す処理は、与えられたエッジ画像と、シード点１２０２である１点の座標と、に基づいて、シード点１２０２ａを含む多角形領域を抽出する。まず、図１２（Ａ）において符号１２０１で示される画像のように、エッジ画像１２０２ｂとシード点１２０２ａとが与えられているとする。この際、図１２（Ｂ）に示すように、シード点１２０２ａから等角度間隔に全方位に直線１２０２ｃを伸ばし（符号１２０２で示される画像）、図１２（Ｃ）に示すように、それぞれの直線とエッジ画像におけるエッジ画素との交点１２０３ａを求める（符号１２０３で示される画像）。図１２（Ｄ）に示すように、得られた交点を結ぶことにより、画像内の多角形領域１２０４ａを抽出することが出来る（符号１２０４）。
【００４５】
多角形領域データは、それを形作る頂点リストにより構成されており、その頂点の数は、図１２（Ｂ）に示す図における直線の数により決まる。この直線の数を増やすことにより、より精密な多角形領域の抽出を行うことが出来るが、エッジ画像にノイズ成分がある場合、ノイズ成分との交点を検出してしまう恐れもあるため、画像の種類や目的によって適切に設定する必要がある。
【００４６】
図１３は、図４中の変化抽出処理（ステップ４０４）の詳細を示す説明図である。図１３に示す処理は、これまでの過程で得られた比較する２画像の影データと多角形領域データとを比較し、両者の異なる部分を抽出する処理である。基本的には、多角形領域データの比較により両者の違いを判別することができるが、衛星画像による画像撮影では、撮影時期、時刻をほぼ同じにする（例えば、ちょうど１年違いの同地点の撮影）ことが比較的容易なため、その場合には、ほぼ等しいはずの影の形を比較することにより、さらに正確に変化の抽出を行うことができる。
【００４７】
図１３に示すように、まず、比較する２つの元画像データと、影データ及び多角形領域データを読み込み（ステップ１３０１）、両画像の撮影時刻を比較する（ステップ１３０２）。撮影時期及び撮影時刻がほぼ同じであれば、ステップ１３０３に進み影データの比較を行う。影データの比較処理は、図１５に示すように、例えば、比較する両方の画像の影領域１５０１と１５０２とを重ね合わせることによって比較し、一方では影領域と判断されるが、他方では非影領域と判断される領域がある程度以上の大きさを有する場合に、その領域を変化領域１５０３として抽出する。次いで、撮影時期及び撮影時刻が違っていた場合とともに多角形領域データの比較を行う（ステップ１３０４）。多角形領域データの比較の詳細に関しては、図１４を参照して説明する。次いで、得られた両者の違いについて比較結果を表示し（ステップ１３０５）、処理を終了する。変化領域は、多角形領域データの比較処理（ステップ１３０４）によって得られる変化領域リストに基づいて表示する。変化領域リストは、いくつかの多角形領域情報のリストとして示される。変化の表示は、例えば、変化領域リストに含まれる多角形領域の色を変化させたり、或いは、警告色の枠で囲んだりする方法等により行うことができる。
【００４８】
図１４は、図１３に示す多角形領域データ比較処理（ステップ１３０４）の詳細を示す図である。この処理においては、２つの元画像から得られた多角形領域データを比較し、一方には存在するが、他方には存在しない多角形領域を抽出する。両多角形領域データは、多角形領域抽出の際に同じシード点リストを使った多角形領域データであるものとする。図１４に示すように、まず、比較する２つの多角形領域データを読み込む。それぞれの多角形領域管理情報をＲＭ１及びＲＭ２と呼ぶ（ステップ１４０１）。
【００４９】
次に、ＲＭ１が示す全ての多角形領域情報について調べたか否かをチェックする（ステップ１４０２）。まだ調べてない多角形領域情報がある場合には、ＲＭ１中から１つの多角形領域情報を選ぶ（ステップ１４０３）。選んだ多角形領域情報が示す多角形領域の面積を調べてｓに代入し（ステップ１４０４）、事前に決められているｓがチェックすべき多角形領域の大きさの閾値以下か否かを判定する（ステップ１４０６）。閾値以下であれば、その多角形領域情報をＲＭ１から削除し（ステップ１４０７）、ステップ１４０２の処理に戻る。閾値以上であれば、ＲＭ２から同じシード点を用いて得られた多角形領域を選び出し、その多角形領域と比較する（ステップ１４０８）。比較方法については、面積、頂点の座標、画像に投影したときに重ならない面積の割合等が考えられ、目的により適切な方法を選ぶのが好ましい。次いで、比較により求められた差と事前に決められている閾値とを比較し（ステップ１４０９）、差が閾値より大きければその多角形領域データを変化領域リストＣＬに追加し（ステップ１４１０）、ステップ１４０２の処理に戻る。ステップ１４０２において、全てのＲＭ１が示す多角形領域情報について調べ終わったことを確認した後、ＲＭ２について、ステップ１４０８の処理で読み込まれることのなかった多角形領域情報があるか否かを調べる（ステップ１４１１）。
【００５０】
読み込まれなかった多角形領域情報があった場合、それらの多角形領域情報に対し、ステップ１４０５〜ステップ１４０７の処理と同様の処理を行い、面積がｓ以上の多角形領域を抽出し、それらを変化領域リストに追加し（ステップ１４１２）、処理を終了する。
【００５１】
変化抽出処理が終了すると、例えば、得られた変化に基づいてデータを更新し、新たな地図データを作成することができる。
【００５２】
以上説明したように、本実施の形態による画像処理システムによれば、衛星や航空機などから同じ対象領域の地表を撮影した観測画像情報を解析する際に、異なる条件下において撮影した画像間における変化を画像の意味情報である多角形領域情報を用いて抽出する際に、まず、影データの除去を行った後に変化の抽出処理を行うことより、撮影条件等の変化の影響が少ない正確な変化抽出を行うことができる。
【００５３】
また、同じ事物に関する影データを異なる画像間で比較することにより、事物の変化を推定することも可能である。この推定データは、上記変化抽出処理において参照することもでき、変化抽出精度を一層向上させることも可能である。
【００５４】
以上、実施の形態に沿って説明したが、本発明はこれらに制限されるものではない。その他、種々の変更、改良、組合せが可能なことは当業者に自明であろう。
【００５５】
【発明の効果】
本発明によれば、撮影条件が異なる複数の画像間における変化抽出を正確に行うことができるという利点がある。
【図面の簡単な説明】
【図１】本発明の一実施の形態による画像処理システムの全体構成例を示す図である。
【図２】本発明の一実施の形態による画像処理技術により作成された元画像と影画像の影データの構成例を示す図である。
【図３】本発明の一実施の形態による多角形領域データの構成の一例を示す図であり、図３（Ａ）は多角形領域管理情報のデータ構成例を示し、図３（Ｂ）は多角形領域情報のデータ構成例を示し、図３（Ｃ）は、多角形領域データ画像の例を示す図である。
【図４】本発明の一実施の形態による画像処理技術における全体的な処理の流れを示すフローチャート図である。
【図５】本発明の一実施の形態による画像処理技術における影データ処理の流れを示すフローチャート図である。
【図６】本発明の一実施の形態による影データ処理のうち影領域判定に用いられるヒストグラムを示す図である。
【図７】本発明の一実施の形態による影データ処理の過程で得られる画像の変化を示す各画像の例を示す図である。
【図８】本発明の一実施の形態による多角形領域データ処理の流れを示すフローチャート図である。
【図９】図９（Ａ）から図９（Ｆ）までは、本発明の一実施の形態による多角形領域データ処理のうち、エッジ抽出を行う過程で得られる画像の変化を示す例である。
【図１０】本発明の一実施の形態による小エッジ除去処理の流れを示すフローチャート図である。
【図１１】本発明の一実施の形態による多角形領域抽出処理の流れ示すフローチャート図である。
【図１２】図１２（Ａ）から（Ｄ）までは、本発明の一実施の形態による多角形領域の抽出方法であって、直線交点法により多角形領域を抽出する処理を示す図である。
【図１３】本発明の一実施の形態による変化抽出処理の流れを示すフローチャート図である。
【図１４】本発明の一実施の形態による多角形領域データ比較処理の流れを示すフローチャート図である。
【図１５】影データの比較を画像間で行う様子を示す図である。
【符号の説明】
１０１…入力装置、１０２…出力装置、１０３…表示装置、１０４…処理装置、１０５…記憶装置、１０６…プログラム、１０７…影データ処理部、１０８…多角形領域データ抽出処理部、１０９…変化抽出処理部プログラム１１０…元画像データ、１１１…影データ、１１２…多角形領域データ。

Claims (4)

1. ある撮影対象を撮影した複数の画像における影の影響を除去する影除去処理ステップと、
   前記影除去処理後のそれぞれの画像における多角形領域データを抽出する多角形領域データ抽出処理ステップと、
   前記多角形領域データ抽出処理ステップにおいて抽出されたデータに基づいて、複数の前記画像間の変化を抽出する変化抽出処理ステップと
   をコンピュータに実行させる画像処理用プログラム。
2. 前記影除去ステップは、撮影時刻が略等しい複数の画像を重ね合わせて比較することにより複数の画像間における変化を抽出し、該変化分が少なくなるように前記複数の画像のうち少なくとも一方の画像を処理する第１のステップと、
   該第１のステップにより処理された画像と、比較対象となった画像と、を合成する第２のステップと
   を含む請求項１に記載の画像処理用プログラム。
3. 撮影条件が近似する複数の画像における同じ事物の影を比較する影比較処理ステップと、
   該影比較処理ステップによる比較結果に基づいて前記事物の変化を推測するステップと
   をコンピュータに実行させる画像処理プログラム。
4. ある撮影対象を撮影した複数の画像における影の影響を除去する影除去処理部と、
   前記影除去処理後のそれぞれの画像における多角形領域データを抽出する多角形領域データ抽出処理部と、
   前記多角形領域データ抽出処理において抽出されたデータに基づいて、複数の前記画像間の変化を抽出する変化抽出処理部と
   を有する画像処理用システム。

Images