JP2004280591A - マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム - Google Patents
マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム Download PDFInfo
- Publication number
- JP2004280591A JP2004280591A JP2003072477A JP2003072477A JP2004280591A JP 2004280591 A JP2004280591 A JP 2004280591A JP 2003072477 A JP2003072477 A JP 2003072477A JP 2003072477 A JP2003072477 A JP 2003072477A JP 2004280591 A JP2004280591 A JP 2004280591A
- Authority
- JP
- Japan
- Prior art keywords
- image
- input
- category information
- multispectral
- data
- 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
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能なマルチスペクトル画像処理装置を提供すること。
【解決手段】参照スペクトルデータ登録処理部１２は、カテゴリ情報と第１のマルチスペクトルセンサで取得したマルチスペクトル画像中で対応する部分の画素のデータを参照用スペクトルデータとして関連づけて参照スペクトルデータＤＢ１３に登録し、カテゴリ推定処理部１８では、入力マルチスペクトル画像を画素単位毎に、参照スペクトルデータＤＢ１３の参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、任意波長画像作成処理部１９は、第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサの検出範囲内の波長帯のデータを、カテゴリ推定処理部１８で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する。
【選択図】 図１
【解決手段】参照スペクトルデータ登録処理部１２は、カテゴリ情報と第１のマルチスペクトルセンサで取得したマルチスペクトル画像中で対応する部分の画素のデータを参照用スペクトルデータとして関連づけて参照スペクトルデータＤＢ１３に登録し、カテゴリ推定処理部１８では、入力マルチスペクトル画像を画素単位毎に、参照スペクトルデータＤＢ１３の参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、任意波長画像作成処理部１９は、第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサの検出範囲内の波長帯のデータを、カテゴリ推定処理部１８で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は，マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムに関し、詳細には、マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能なマルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムに関する。
【０００２】
【従来の技術】
航空機や人工衛星などのプラットフォームに搭載されたマルチスペクトルセンサを用いて、地表の対象物から反射または放射される電磁波などを検知し、それらのデータを用いて対象物や現象に関する情報を得る技術をリモートセンシングという。
【０００３】
このようなリモートセンシング技術の適用形態として、例えば森林、田畑、市街地等のような、土地の利用形態を表す情報（以下、「土地被覆情報」）を、航空機や人工衛星に搭載されたマルチスペクトルセンサにより撮影されたマルチスペクトル画像データを用いて分類する土地被覆分類手法についての検討がなされている（例えば、非特許文献１参照）。
【０００４】
この土地被覆分類手法は、具体的には、実際に現地で観測して得た土地被覆情報（以下、現地土地被覆情報）と、撮影されたマルチスペクトル画像データにおける画素や領域等の対応部分とを各々関連付けて構築したデータ（以下、「サンプルデータ」）をテーブル等の記憶形態で保持しておき、当該サンプルデータに最尤法等の統計的手法を適用することによって、マルチスペクトル画像データ全体における土地被覆情報を分類するものである。
【０００５】
【非特許文献１】
日本リモートセンシング学会誌Ｖｏｌ．７，Ｎｏ．４「空間情報を用いたマルチスペクトル分類、新井他」
【０００６】
【発明が解決しようとする課題】
しかしながら、リモートセンシングに使用されるマルチスペクトルセンサにおいては、その性能上および取得データ量などの関係から、画像としての領域を一度に取得できる波長帯は限定されている。また、多波長データを取得できるマルチスペクトルセンサは高価なものが多い。例えば、紫外／赤外領域等に波長数が限定されており、可視光領域の青色を検知できないマルチスペクトルセンサがある。他方、可視光領域は検知できるが、紫外／赤外領域等が検知できないマルチスペクトルセンサがある。
【０００７】
そのため、リモートセンシングの分野では、可視領域におけるトゥルーカラー画像の作成や、各種解析に必要な紫外／赤外領域などの各種画像の利用が制限されているという問題がある。
【０００８】
本発明は、上記課題に鑑みてなされたものであり、マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能なマルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムを提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記目的を達成するため、請求項１にかかる発明は、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力手段と、カテゴリ情報を入力するカテゴリ情報入力手段と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録手段と、前記ＤＢ登録手段で登録される、前記カテゴリ情報と前記参照用スペクトルデータとを関連づけて格納するＤＢと、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力手段と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定手段と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成手段と、を備えたことを特徴とする。
【００１０】
上記発明によれば、参照画像入力手段は、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力し、カテゴリ情報入力手段は、カテゴリ情報を入力し、ＤＢ登録手段は、参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録し、元画像入力手段は、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力し、カテゴリ推定手段は、入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、任意波長作成手段は、入力マルチスペクトル画像の第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成することにより、入力マルチスペクトル画像において、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを作成する。
【００１１】
また、請求項２にかかる発明は、請求項１にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする。
【００１２】
上記発明によれば、カテゴリ情報を、大分類、中分類、および小分類に分類することにより、各種のカテゴリ情報の登録が可能となる。
【００１３】
また、請求項３にかかる発明は、請求項１にかかる発明において、前記カテゴリ推定手段は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする。
【００１４】
上記発明によれば、カテゴリ推定手段は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することにより、簡易に入力マルチスペクトル画像のカテゴリを推定する。
【００１５】
また、請求項４にかかる発明は、請求項１にかかる発明において、前記任意波長作成手段は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択手段を含み、前記入力マルチスペクトル画像の前記選択手段で選択された波長帯のデータを作成することを特徴とする。
【００１６】
上記発明によれば、操作者が入力マルチスペクトル画像の新規に作成する波長帯を選択し、入力マルチスペクトル画像の選択された波長帯のデータを作成することにより、操作者が新規に作成する入力マルチスペクトル画像の波長帯を選択することが可能となる。
【００１７】
また、請求項５にかかる発明は、請求項３にかかる発明において、前記任意波長作成手段は、前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする。
【００１８】
上記発明によれば、任意波長作成手段は、前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することにより、簡易は方法で入力マルチスペクトル画像の新規な波長帯のデータを作成する。
【００１９】
また、請求項６にかかる発明は、請求項１〜請求項５のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成手段で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成手段を備えたことを特徴とする。
【００２０】
上記発明によれば、画像再生構成手段は、前記入力マルチスペクトル画像と、前記任意波長作成手段で推定した波長帯のデータとに基づいて、合成画像を作成することにより、第２のマルチスペクトルセンサの検出範囲外の波長を含むマルチスペクトル画像を作成する。
【００２１】
また、請求項７にかかる発明は、請求項６にかかる発明において、前記画像再構成手段は、操作者が出力したい波長帯を選択するための選択手段を含み、前記入力スペクトル画像の前記選択手段で選択された波長帯の合成画像を作成することを特徴とする。
【００２２】
上記発明によれば、画像再構成手段は、操作者が選択した波長帯の合成画像を作成することにより、操作者が合成画像の波長帯を選択可能とする。
【００２３】
また、請求項８にかかる発明は、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を含むことを特徴とする。
【００２４】
上記発明によれば、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力し、カテゴリ情報を入力し、入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、カテゴリ情報と関連づけてＤＢに登録し、第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力し、入力マルチスペクトル画像を所定単位毎にＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、入力マルチスペクトル画像の第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、ＤＢに登録されている、推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成することにより、入力マルチスペクトル画像において、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを作成する。
【００２５】
また、請求項９にかかる発明は、請求項８にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする。
【００２６】
上記発明によれば、カテゴリ情報を、大分類、中分類、および小分類に分類することにより、各種のカテゴリ情報の登録が可能となる。
【００２７】
また、請求項１０にかかる発明は、請求項８にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする。
【００２８】
上記発明によれば、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定する。
【００２９】
また、請求項１１にかかる発明は、請求項８にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することを特徴とする。
【００３０】
上記発明によれば、操作者が入力マルチスペクトル画像の新規に作成する波長帯を選択し、入力マルチスペクトル画像の選択された波長帯のデータを作成することにより、操作者が新規に作成する入力マルチスペクトル画像の波長帯を選択することが可能となる。
【００３１】
また、請求項１２にかかる発明は、請求項１０にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする。
【００３２】
上記発明によれば、任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することにより、簡易は方法で入力マルチスペクトル画像の新規な波長帯のデータを作成する。
【００３３】
また、請求項１３にかかる発明は、請求項８〜請求項１２にかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むことを特徴とする。
【００３４】
上記発明によれば、画像再生構成工程では、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成することにより、第２のマルチスペクトルセンサの検出範囲外の波長を含むマルチスペクトル画像を作成する。
【００３５】
また、請求項１４にかかる発明は、請求項１３にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することを特徴とする。
【００３６】
上記発明によれば、画像再構成工程では、操作者が選択した波長帯の合成画像を作成することにより、操作者が合成画像の波長帯を選択可能とする。
【００３７】
また、請求項１５にかかる発明は、コンピュータが実行するためのプログラムにおいて、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、をコンピュータに実行させることを特徴とする。
【００３８】
上記発明によれば、コンピュータでプログラムを実行することにより、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を実現する。
【００３９】
また、請求項１６にかかる発明は、請求項１５にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする。
【００４０】
また、請求項１７にかかる発明は、請求項１５にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする。
【００４１】
また、請求項１８にかかる発明は、請求項１５にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することを特徴とする。
【００４２】
また、請求項１９にかかる発明は、請求項１７にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする。
【００４３】
また、請求項２０にかかる発明は、請求項１５〜請求項１９にかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むことを特徴とする。
【００４４】
また、請求項２１にかかる発明は、請求項２０にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することを特徴とする。
【００４５】
【発明の実施の形態】
以下、図面を参照して、本発明のマルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムの好適な実施の形態を詳細に説明する。
【００４６】
［マルチスペクトル画像処理装置の構成］
図１は、本実施の形態にかかるマルチスペクトル画像処理装置の機能構成を示す機能ブロック図である。同図に示すマルチスペクトル画像処理装置１は、参照用画像入力部１１、参照スペクトルデータ登録処理部１２と、参照スペクトルデータＤＢ１３と、元画像入力部１５と、画像データ変換処理部１６と、反射率画像データ変換部１７と、カテゴリ推定処理部１８と、任意波長画像作成処理部１９と、画像再構成処理部２０と、画像出力部２１とを備えている。
【００４７】
参照用画像入力部１１は、人工衛星等のプラットフォームに搭載された第１のマルチスペクトルセンサで撮像したマルチスペクトル画像データを、図示しない画像データ入力用インタフェースを介して参照用マルチスペクトル画像データとして入力して、参照スペクトルデータ登録処理部１２に出力する。
【００４８】
この場合の画像データ入力用インタフェースは、例えば、パラボラアンテナを含む受信装置のように、人工衛星等からのマルチスペクトル画像データを入力する手段であるが、予め人工衛星等から取り込んだマルチスペクトル画像データを蓄積した外部記憶装置等を用いて構成しても良い。また、第１のマルチスペクトルセンサを搭載するプラットホームは、人工衛星に限られず航空機、気球等を使用することにしても良い。
【００４９】
なお、マルチスペクトル画像データは、リモートセンシングによって第１のマルチスペクトルセンサで撮影対象物を撮像した際に、紫外バンド、青バンド、緑バンド、赤バンド、近赤外バンド等を含む光の観測波長帯毎に観測された複数のスペクトル画像データである。図２は、第１のマルチスペクトルセンサの波長帯の一例を示す図である。第１のマルチスペクトルセンサは、図２に示すように、５つのバンドを有しており、バンド１は紫外（０．４０〜０．４５μｍ）、バンド２は青（０．４５〜０．５２μｍ）、バンド３は緑（０．５〜０．５９μｍ）、バンド４は赤（０．６１〜０．６８μｍ）、バンド５は近赤外（０．７８〜０．８９μｍ）の帯域を検出する。第１のマルチスペクトルセンサは、後述する第２のマルチスペクトルセンサ（図８参照）の検出範囲外の、紫外（０．４０〜０．４５μｍ）および青（０．４５〜０．５２μｍ）の波長帯が検出可能となっている。
【００５０】
参照スペクトルデータ登録処理部１２は、入力用のインターフェースの入力画面で、カテゴリ情報（大分類、中分類、小分類）を入力するとともに、入力される参照用マルチスペクトル画像データ中において入力したカテゴリ情報に対応する画素値から成る部分の画素のデータを参照スペクトルデータとして抽出して、カテゴリ情報と参照スペクトルデータとを関連づけて、参照スペクトルデータＤＢ１３に登録する。この場合、演算精度を向上させるために、１つのカテゴリ情報に関して、値に分散のある複数の参照スペクトルデータを登録する。入力されたカテゴリ情報（大分類、中分類、小分類）は、参照スペクトルデータＤＢ１３のカテゴリ情報テーブル（図５〜図７参照）に登録され、参照用スペクトルデータデータは、所定の記憶領域にカテゴリ情報と関連づけて登録される。
【００５１】
この場合、参照スペクトルデータ登録処理部１２は、参照スペクトルデータを、入力画面で指定されるデータ形態で参照スペクトルデータＤＢ１３に登録する。データ形態としては、データ種別として、”平均データ”、”平滑化データ”、単位種別として”センサデータ”、”輝度データ”、”反射率データ”の指定が可能となっている。
【００５２】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードである。図３は、参照スペクトルデータ登録処理部１２の入力画面の一例を示している。同図に示す入力画面の例では、データ名、カテゴリー情報（大分類、中分類、小分類）、データ種別、単位種別、測定場所、測定日時、センサ名の入力欄が設けられている。例えば、カテゴリ情報として、大分類”農業植生”、中分類”沈水植物群落”、小分類”大根”が入力された場合には、参照スペクトルデータＤＢ１３のカテゴリ情報テーブル（図５〜図７参照）に登録されるとともに、マルチスペクトル画像データの中から「大根」を表す画素値に対応する部分の画素のデータを参照スペクトルデータとして抽出して、カテゴリ情報「大根」と関連づけて参照スペクトルデータＤＢ１３に登録する。図４は、スペクトルデータの一例を示している。同図において、横軸は波長、縦軸は反射率を示している。同図では、常緑広葉樹、落葉広葉樹、常緑針葉樹、土壌（粘土系）、土壌（シルト系）、アスファルト▲１▼、アスファルト▲２▼、水（湖沼）、水（河川）のスペクトルデータの一例が示されている。
【００５３】
なお、参照スペクトルデータＤＢ１３に登録される参照スペクトルデータは、１種類のマルチスペクトルセンサの出力に限られず、複数種のマルチスペクトルセンサの出力を格納することにしても良い。
【００５４】
参照スペクトルデータＤＢ１３は、参照スペクトルデータ登録処理部１２で登録される、カテゴリ情報と参照スペクトルデータを関連づけて格納する。この参照スペクトルデータは、後述するように、カテゴリ推定処理部１８のカテゴリ推定処理および任意波長作成処理部１９の任意波長作成処理の際に参照され、入力画像からカテゴリ情報を推定したり、任意波長のデータを作成する場合に使用される。
【００５５】
また、参照スペクトルデータＤＢ１３は、参照スペクトルデータ登録処理部１２で入力されるカテゴリ情報を格納するカテゴリ情報テーブルを備えている。このカテゴリ情報テーブルは、画像のカテゴリ情報を大分類、中分類、および小分類に区分した大分類テーブル、中分類テーブル、および小分類テーブルから構成されている。
【００５６】
図５は、大分類テーブルの一例を示す図である。大分類テーブルには、同図に示すように、Ｂｕｎｒｕｉ１＿ｉｄと、カテゴリ情報の大分類名（ｎａｉｙｏｕ）とが対応づけて登録される。図６は、中分類テーブルの一例を示す図である。中分類テーブルは、同図に示すように、Ｂｕｎｒｕｉ１＿ｉｄと、Ｂｕｎｒｕｉ２＿ｉｄと、カテゴリ情報の中分類名（ｎａｉｙｏｕ）とが対応づけて登録される。図７は、小分類テーブルの一例を示す図である。小分類テーブルには、同図に示すように、Ｂｕｎｒｕｉ１＿ｉｄと、Ｂｕｎｒｕｉ２＿ｉｄと、Ｂｕｎｒｕｉ３＿ｉｄと、カテゴリ情報の小分類名（ｎａｉｙｏｕ）とが対応づけて登録される。Ｂｕｎｒｕｉ１＿ｉｄ、Ｂｕｎｒｕｉ２＿ｉｄ、Ｂｕｎｒｕｉ３＿ｉｄの番号は、データ入力順に付与される。
【００５７】
元画像入力部１５は、人工衛星等に搭載された第２のマルチスペクトルセンサで撮像したマルチスペクトル画像データを、図示しない画像データ入力用インタフェースを介して入力マルチスペクトル画像として入力して、画像データ変換処理部１６に出力する。
【００５８】
この場合の画像データ入力用インタフェースは、例えば、パラボラアンテナを含む受信装置のように、人工衛星等のプラットホームからのマルチスペクトル画像データを入力する手段であるが、予め人工衛星等から取り込んだマルチスペクトル画像データを蓄積した外部記憶装置等を用いて構成しても良い。また、第２のマルチスペクトルセンサを搭載するプラットホームは、人工衛星に限られず航空機、気球等を使用することにしても良い。
【００５９】
なお、マルチスペクトル画像データは、リモートセンシングによって第２のマルチスペクトルセンサで撮像した際に、緑バンド、赤バンド、近赤外バンド等を含む光の観測波長帯毎に観測された複数の画像データである。ここで使用される第２のマルチスペクトルセンサの波長帯の一例を図８に示す。第２のマルチスペクトルセンサは、図８に示すように、３つのバンドを有しており、バンド１は緑（０．５〜０．５９μｍ）、バンド２は赤（０．６１〜０．６８μｍ）、バンド３は近赤外（０．７８〜０．８９μｍ）の波長帯が検出可能になっている。
【００６０】
画像データ変換処理部１６は、例えば、マルチスペクトル画像データを図示しないメモリ領域に保持されている所定の換算式により電磁波の放射量を表す輝度データ（より具体的には、複数の画像データ毎の輝度データ）に変換して、反射率画像データ変換部１７に出力する。この換算式は、マルチスペクトル画像データにおける光の波長帯の種類、即ち使用するスペクトルセンサ毎の特性に応じて定まるもので、例えば、ＮＡＳＡ（米国航空宇宙局）等が提案している公知の換算式を用いることができる。
【００６１】
反射率画像データ変換部１７は、マルチスペクトル画像データにおける輝度データから画素毎の反射率を算出して、カテゴリ推定処理部１８に出力する。この場合の反射率の算出手法としては、例えば、「Ｇｒａｙ Ｓｃａｌｅ Ｌｏｇ Ｒｅｓｉｄｕａｌ法−反射率パターン解析のための一手法、日本リモートセンシング学会誌、Ｖｏｌ．１２，Ｎｏ．３（１９９２）」に記載された公知技術を採用することができる。
【００６２】
カテゴリ推定処理部１８は、入力用のインターフェースを備えており、操作者がこの入力用のインターフェースを使用して、参照スペクトルデータＤＢ１３に格納されているカテゴリ情報テーブルから複数のカテゴリ情報を選択し、選択した複数のカテゴリ情報に各々対応する参照スペクトルデータを参照して、入力マルチスペクトル画像データ（反射率データ）の画素単位毎に、そのカテゴリ情報を推定して、推定結果を任意波長画像作成処理部１９に出力する。ここで、操作者がカテゴリ情報を選択しているのは、操作者は、第１のマルチスペクトルセンサの撮像範囲からある程度のカテゴリ情報を絞り込めるので、カテゴリ情報の対象を限定して、演算時間を短縮するためである。なお、カテゴリ推定処理１８では、カテゴリ情報に加えて、データ種別、単位種別、測定場所、測定日時、およびセンサ名等を選択して、対象となる参照スペクトルデータの条件を絞り込むことが可能となっている。
【００６３】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードであり、入力画面には、カテゴリ情報登録テーブル（図５〜図７参照）に格納されているカテゴリ情報の一覧が表示され、操作者は、その中から複数のカテゴリ情報を選択する。
【００６４】
任意波長画像作成処理部１９は、入力用のインターフェースを備えており、この入力用のインターフェースを使用して、操作者は、入力マルチスペクトル画像データ（反射率データ）について推定したい波長帯を選択し、カテゴリ推定処理部１８のカテゴリ情報の推定結果を利用して、入力マルチスペクトル画像データ（反射率データ）の画素単位毎に、選択された波長帯のデータを作成して画像再構成処理部２０に出力する。
【００６５】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードであり、入力画面には、第２のマルチスペクトルセンサの検出範囲外でかつ第１のマルチスペクトルセンサで検出可能な波長帯が表示され、操作者はその中から作成したい波長帯を選択する。本実施の形態では、入力画面には、例えば、紫外（０．４０〜０．４５μｍ）、青（０．４５〜０．５２μｍ）の波長帯が表示される。
【００６６】
画像再構成処理部２０は、入力用のインターフェースを備えており、この入力用のインターフェースを使用して、操作者は、入力マルチスペクトル画像データについて出力したい波長帯およびその出力順を選択し、入力マルチスペクトル画像および任意波長作成処理部１９で作成された波長帯のデータについて、選択された波長帯およびその選択された出力順で、入力マルチスペクトル画像を再構成して多波長画像（合成画像）として画像出力部２１に出力する。
【００６７】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードであり、入力画面には、第２のマルチスペクトルセンサの波長帯と、任意波長画像作成処理部１９で選択された波長帯が表示され、操作者は、これらの波長帯の中から出力したい波長帯とその出力順を選択する。本実施の形態では、例えば、任意波長画像作成処理部１９で”青（０．４５〜０．５２μｍ）”が選択された場合には、入力画面には、青（０．４５〜０．５２μｍ）と、第２のマルチスペクトルの検知範囲である緑（０．５〜０．５９μｍ）、赤（０．６１〜０．６８μｍ）、近赤外（０．７８〜０．８９μｍ）とが表示される。
【００６８】
画像出力部２１は、出力用のインターフェースを備えており、画像再構成処理部２０から入力される多波長画像に対して、濃度変換、空間演算、および各波長帯に色の割り当て等の表示のための処理を施して、ナチュラルカラー画像、フォールカラー画像、およびトゥルカラー画像等を出力する。ここでの出力用のインターフェースは、表示モニタやプリンタであり、画像再構成処理部２０から入力される多波長画像（合成画像）のナチュラルカラー画像、フォールカラー画像、およびトゥルカラー画像等を表示モニタに表示したりプリンタでプリント出力する。
【００６９】
［参照スペクトルデータ登録処理］
図９は、図１のマルチスペクトル画像処理装置の参照スペクトルデータ登録処理の手順を説明するためのフローチャートを示している。図９を参照して、図１のマルチスペクトル画像処理装置の参照スペクトルデータ登録処理を説明する。
【００７０】
図９において、図１の参照用画像入力部１１には、第１のマルチスペクトルセンサで撮像された参照用マルチスペクトル画像データが入力され、参照スペクトルデータ登録処理部１２に出力される（ステップＳ１）。
【００７１】
参照スペクトルデータ登録処理部１２では、カテゴリ情報が入力され（ステップＳ２）、参照用マルチスペクトル画像データ中において、入力したカテゴリ情報に対応する画素値から成る部分の画素のデータを参照スペクトルデータとして抽出して（ステップＳ３）、カテゴリ情報と参照スペクトルデータとを関連づけて、参照スペクトルデータＤＢ１３に登録する（ステップＳ４）。この場合、入力されたカテゴリ情報は、カテゴリ情報登録テーブル（図５〜図７参照）に登録される。ステップＳ３とステップＳ４の処理は、必要なカテゴリ情報の参照スペクトルデータの登録が完了するまで、繰り返し行われる。
【００７２】
［多波長画像作成処理］
図１０は、図１のマルチスペクトル画像処理装置の多波長画像作成処理の手順を説明するためのフローチャートを示している。図１０を参照して、図１のマルチスペクトル画像処理装置の多波長画像作成処理を説明する。
【００７３】
図１０において、図１の元画像入力部１５は、第２のマルチスペクトルセンサで撮像された入力マルチスペクトル画像データが入力されると、画像データ変換処理部１６に出力する（ステップＳ１１）。
【００７４】
画像データ変換処理部１６は、入力マルチスペクトル画像データを輝度データに変換して、反射率画像データ変換部１７に出力する（ステップＳ１２）。
【００７５】
反射率画像データ変換部１７は、入力される入力マルチスペクトル画像データ（輝度データ）を反射率データに変換して、カテゴリ推定処理部１８および画像再構成処理部２０に出力する（ステップＳ１３）。
【００７６】
カテゴリ推定処理部１８では、操作者は、入力用のインターフェースで利用目的に応じて、参照スペクトルデータＤＢ１３に格納されているカテゴリ情報登録テーブル（図５〜図７参照）から複数のカテゴリ情報を選択する（ステップＳ１４）。ここでは、例えば、自然植生、人工物製品、土壌、水が選択されたものとする。この選択例は、大分類が選択されており、大まかな土地利用の形態を知りたい場合である。
【００７７】
カテゴリ推定処理部１８は、選択されたカテゴリ情報の参照スペクトルデータを入力マルチスペクトル画像データ（反射率データ）の単位に合わせて変換する（ステップＳ１５）。例えば、参照スペクトルデータが輝度データの場合は、反射率データに変換し、参照スペクトルデータが、反射率データの場合は、データ変換を行わない。
【００７８】
カテゴリ推定処理部１８は、入力マルチスペクトル画像データ（反射率データ）を画素毎に、選択された複数のカテゴリ情報に各々対応する参照スペクトルデータと照合して、そのカテゴリ情報を推定して、推定結果を任意波長画像作成処理部１９に出力する（ステップＳ１６）。ここでは、選択されたカテゴリ情報のカテゴリ内の全てのカテゴリ情報のスペクトルデータに関する、後述の照合方法に必要な平均値、分散などのパラメータが使用される。また、ここでの照合方法としては、ユークリッド距離法、マハラノビス距離法、および最尤法等を使用することができ、選択したカテゴリ情報毎にその出現確率を推定結果として算出する。具体的には、出現確率は、例えば、ピクセル（１，３）は、自然植生７９・５％、人工物製品２０％、水０．５％のように算出される。
【００７９】
任意波長画像作成処理部１９では、操作者は、入力用のインターフェースで、入力マルチスペクトル画像データ（反射率データ）について、新規に作成したい１または複数の波長を参照スペクトルデータの波長帯から選択する（ステップＳ１７）。ここでは、例えば、青（０．４５〜０．５２μｍ）の波長帯が選択されたものとする。
【００８０】
任意波長画像作成処理部１９は、カテゴリ推定処理部１８で推定されたカテゴリ情報の各参照スペクトルに関して、多変量解析を利用して、新規に作成したい波長帯のデータを推定するためのパラメータ（ａ，ｂ，ｃ）を計算して、各々推定式を算出する（ステップＳ１８）。推定されたカテゴリ情報が、大分類または中分類である場合には、推定されたカテゴリ情報のカテゴリ内の全てのカテゴリ情報のスペクトルデータを使用して多変量解析を行う。例えば、カテゴリ情報として農業植生（大分類）が推定された場合には、農業植生の中分類の野菜（小分類のキャベツ、ハクサイ、・・・・）、果樹（小分類のリンゴ、イチゴ、・・・）、穀物（コメ、ソバ、大豆）のスペクトルデータを使用して多変量解析を行う。小分類のカテゴリ情報が推定された場合には、推定されたカテゴリ情報に対応する複数の参照スペクトルデータを使用して多変量解析を行う。
【００８１】
例えば、自然植生、人工物製品、および水の青色（０．４５〜０．５２μｍ）の推定式は、以下のようになる。
自然植生（青）の推定式 ＝ａ１×緑＋ｂ１×赤＋ｃ１×近赤外
人工物製品（青）の推定式 ＝ａ２×緑＋ｂ２×赤＋ｃ２×近赤外
水（青）の推定式 ＝ａ３×緑＋ｂ３×赤＋ｃ３×近赤外
【００８２】
任意波長作成処理部１９は、入力マルチスペクトル画像データ（反射率データ）の画素毎に、各推定式で演算を行いその演算結果およびカテゴリ推定処理部１８で算出したカテゴリ情報の出現確率を使用して、新規に作成する波長帯のデータ（ここでは、反射率データ）の作成して画像再構成処理部２０に出力する（ステップＳ１９）。
【００８３】
例えば、ピクセル（１，３）：植生７９・５％、人工物製品の２０％、水０．５％の場合に、青色の波長値は、以下のようになる。
【００８４】
新波長値＝植生推定式の結果×０．７９５＋人工物製品の推定式の結果×０．２＋水の推定式の結果×０．０５
【００８５】
これにより、第２のスペクトルセンサの検出範囲外でかつ第１のマルチスペクトルセンサで検出可能な波長帯のデータを算出することができる。なお、推定したい波長帯として複数の波長帯が選択された場合には、ステップＳ１８、Ｓ１９の処理を繰り返し実行する。
【００８６】
画像再構成処理部２０では、操作者が、入力用インターフェースを使用して、入力マルチスペクトル画像データ（反射率データ）に関して、出力したい波長帯およびその出力順を選択する（ステップＳ２０）。ここでは、例えば、青（０，４５〜０．５２μｍ）、緑（０．５〜０．５９μｍ）、赤（０．６１〜０．６８μｍ）の出力順で波長帯が選択されたものとする。
【００８７】
画像再構成処理部２０では、選択された波長帯および出力順で、入力マルチスペクトル画像データ（反射率データ）を再構成して、多波長画像（合成画像）として画像出力部２１に出力する（ステップＳ２１）。
【００８８】
ここでは、例えば、任意波長画像作成処理部１９で新規に作成した入力マルチスペクトル画像データの青（０，４５〜０．５２μｍ）、入力マルチスペクトル画像データ（反射率データ）の緑（０．５〜０．５９μｍ）および赤（０．６１〜０．６８μｍ）の波長帯の反射率データが、この出力順で出力される。
【００８９】
画像出力部２１は、画像再構成処理部２０から入力される多波長画像（合成画像）を、濃度変換、空間演算、および各波長帯に色の割り当て等の表示のための処理を施して、表示モニタにカラー表示する（ステップＳ２２）。ここでは、例えば、入力マルチスペクトル画像の青（０，４５〜０．５２μｍ）、緑（０．５〜０．５９μｍ）、および赤（０．６１〜０．６８μｍ）の波長帯がカラー表示される。
【００９０】
図１１は、元画像（緑、赤外、遠赤外）と合成画像（青、赤、緑）の表示例を示している。同図（Ａ）は、市街地、同図（Ｂ）は、海岸沿いの画像の表示例を示している。図１１に示すように、合成画像は、元画像に比して青の波長帯が再現されるため、水や土地利用などが明確に再現されている。
【００９１】
図１２は、同一の領域をＲＧＢセンサで撮像した画像（正解画像）と、本発明のマルチスペクトル画像処理装置で作成した合成画像（Ｒ，Ｇ，Ｂ）を示している。本発明のマルチスペクトル画像処理装置で合成した合成画像は、テスト全域では約９８％、水域では約９５％、都市域では約９４％、植生域では約９９％という高い正解率を得ることができ、実用化が可能であることが立証された。
【００９２】
以上説明したように、本実施の形態のマルチスペクトル画像処理装置によれば、参照スペクトルデータ登録処理部１２は、カテゴリ情報を入力し、第１のマルチスペクトルセンサで取得したマルチスペクトル画像中で入力されるカテゴリ情報に対応する部分の画素のデータを参照用スペクトルデータとして、カテゴリ情報と関連づけて参照スペクトルデータＤＢ１３に登録しておき、カテゴリ推定処理部１８では、入力マルチスペクトル画像を画素単位所定単位毎に、参照スペクトルデータＤＢ１３に登録されている参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、任意波長画像作成処理部１９は、入力マルチスペクトル画像の第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、参照スペクトルデータＤＢ１３に登録されている、カテゴリ推定処理部１８で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成することとしたので、入力マルチスペクトル画像に関して、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【００９３】
また、カテゴリ推定処理部１８は、操作者により指定される複数のカテゴリ情報を選択し、参照スペクトルデータＤＢ１３に登録されている、選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【００９４】
また、任意波長作成処理部１９は、カテゴリ推定処理部１８で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値およびカテゴリ推定処理部１８で算出した複数のカテゴリ情報の出現確率に基づいて、波長帯のデータを作成することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【００９５】
また、任意波長作成処理部１９では、操作者が新規に作成する波長帯を選択することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【００９６】
また、画像再生構成処理部２０は、入力マルチスペクトル画像データと、任意波長作成処理部２０で作成した波長帯のデータとに基づいて、合成画像を作成することとしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【００９７】
また、画像再構成処理部２０では、操作者が出力したい波長帯を選択することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【００９８】
なお、上記した実施の形態では、参照スペクトルデータ登録処理部１２は、参照用マルチスペクトル画像データ中において、入力したカテゴリ情報に対応する画素値から成る部分の画素のデータを参照スペクトルデータとして抽出しているが、本発明は、これに限られるものではなく、複数画素からなるブロック単位で参照スペクトルデータを抽出することにしても良い。この場合は、入力マルチスペクトル画像データと参照スペクトルデータの照合をブロック単位で行う。
【００９９】
また、本実施の形態では、入力マルチスペクトル画像データと参照スペクトルデータとを照合する場合に、反射率データで照合を行っているが、本発明はこれに限られるものではなく、マルチスペクトルセンサの出力値や輝度データで照合を行うことにしても良い。
【０１００】
また、本実施の形態では、入力マルチスペクトル画像データを、画像データ変換処理部１６で輝度データに変換した後、反射率データ変換部１７で反射率データに変換しているが、かかるデータ変換を行わないで、参照スペクトルデータＤＢ１３に格納されている参照スペクトルデータを、入力マルチスペクトル画像データの単位形式（データ形式）に変換して、両者の照合を行うことにしても良い。これにより、画像データ変換処理部１６と、反射率データ変換部１７が不要となり、また、参照スペクトルデータを入力マルチスペクトル画像データの単位形式に変換しているので、処理速度を向上させることが可能となる。また、上記した実施の形態では、元画像入力部１５には、マルチスペクトルセンサで取得されたデータ（センサ出力）が入力されることとして説明したが、輝度や反射率に変換後のデータを入力することにしても良い。入力される入力マルチスペクトル画像データが各種のデータ形式（センサ出力、輝度データ、反射率データ等）をとる場合に、上述したように、参照スペクトルデータを入力マルチスペクトル画像データの形式に変換して照合する構成とすることにより、入力マルチスペクトル画像データの各種のデータ形式に容易に対応可能となる。
【０１０１】
また、本発明では、第１および第２のマルチスペクトルセンサの検出可能帯域は、実施の形態に示したものに限られるものではなく、これ以外の検出可能帯域を有するマルチスペクトルセンサを使用しても良いことは言うまでもなく、また、新規にデータを作成する波長帯も実施の形態に限定されるものではない。
【０１０２】
また、本明細書において、マルチスペクトルセンサとは、多バンドのスペクトルデータを検出可能なスペクトル検出装置をいい、スペクトルメータやハイパースペクトルセンサ等も含まれる。また、マルチスペクトルセンサを、上記した実施の形態では、プラットフォームに搭載する例を示したが、地上（フィールドや実験室）でスペクトルデータを検出する場合にも本発明は適用可能である。
【０１０３】
なお、本発明の目的は、上述したマルチスペクトル画像処理装置の機能を実現するソフトウエアのプログラムコードを記録した記録媒体を、システムまたは装置に供給し、そのシステムまたは装置のコンピュータ（または、ＣＰＵ、ＭＰＵ、ＤＳＰ）が記録媒体に格納されたプログラムコードを実行することによっても達成することが可能である。この場合、記録媒体から読み出されたプログラムコード自体が前述したマルチスペクトル画像処理装置の機能を実現することになり、そのプログラムコードまたはそのプログラムを記憶した記録媒体は本発明を構成することになる。プログラムコードを供給するための記録媒体としては、ＦＤ、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリ部５、ＲＯＭなどの光記録媒体、磁気記録媒体、光磁気記録媒体、半導体記録媒体を使用することができる。
【０１０４】
また、コンピュータが読み出したプログラムコードを実行することにより、前述したマルチスペクトル画像処理装置の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行い、その処理によって前述した画像処理装置の機能が実現される場合も含まれることは言うまでもない。
【０１０５】
また、記録媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述したマルチスペクトル画像処理装置の機能が実現される場合も含まれることは言うまでもない。
【０１０６】
なお、本発明は、上記した実施の形態に限定されるものではなく、発明の要旨を変更しない範囲で適宜変形して実行可能である。
【０１０７】
【発明の効果】
以上説明したように，請求項１にかかるマルチスペクトル画像処理装置によれば、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力手段と、カテゴリ情報を入力するカテゴリ情報入力手段と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録手段と、前記ＤＢ登録手段で登録される、前記カテゴリ情報と前記参照用スペクトルデータとを関連づけて格納するＤＢと、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力手段と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定手段と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成手段と、を含むこととしたので、入力マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【０１０８】
また、請求項２にかかるマルチスペクトル画像処理装置によれば、請求項１にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることとしたので、各種のカテゴリ情報を入力することが可能となる。
【０１０９】
また、請求項３にかかるマルチスペクトル画像処理装置によれば、請求項１にかかる発明において、前記カテゴリ推定手段は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【０１１０】
また、請求項４にかかるマルチスペクトル画像処理装置によれば、請求項１にかかる発明において、前記任意波長作成手段は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択手段を含み、前記入力マルチスペクトル画像の前記選択手段で選択された波長帯のデータを作成することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【０１１１】
また、請求項５にかかるマルチスペクトル画像処理装置によれば、請求項３にかかる発明において、前記任意波長作成手段は、前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することとしたので、簡易は方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【０１１２】
また、請求項６にかかるマルチスペクトル画像処理装置によれば、請求項１〜請求項５のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成手段で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成手段を備えたこととしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【０１１３】
また、請求項７にかかるマルチスペクトル画像処理装置によれば、請求項６にかかる発明において、前記画像再構成手段は、操作者が出力したい波長帯を選択するための選択手段を含み、前記入力スペクトル画像の前記選択手段で選択された波長帯の合成画像を作成することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【０１１４】
また、請求項８にかかるマルチスペクトル画像処理方法によれば、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を含むこととしたので、入力マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【０１１５】
また、請求項９にかかるマルチスペクトル画像処理方法によれば、請求項８にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることとしたので、各種のカテゴリ情報を入力することが可能となる。
【０１１６】
また、請求項１０にかかるマルチスペクトル画像処理方法によれば、請求項８にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【０１１７】
また、請求項１１にかかるマルチスペクトル画像処理方法によれば、請求項８にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【０１１８】
また、請求項１２にかかるマルチスペクトル画像処理方法によれば、請求項１０にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することとしたので、簡易は方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【０１１９】
また、請求項１３にかかるマルチスペクトル画像処理方法によれば、請求項８〜請求項１２のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むこととしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【０１２０】
また、請求項１４にかかるマルチスペクトル画像処理方法によれば、請求項１３にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【０１２１】
また、請求項１５にかかるコンピュータが実行するためのプログラムによれば、コンピュータでプログラムを実行することにより、マルチスペクトル画像処理方法によれば、コンピュータが実行するためのプログラムにおいて、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を実現することとしたので、入力マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【０１２２】
また、請求項１６にかかるコンピュータが実行するためのプログラムによれば、請求項１５にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることとしたので、各種のカテゴリ情報を入力することが可能となる。
【０１２３】
また、請求項１７にかかるコンピュータが実行するためのプログラムによれば、請求項１５にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【０１２４】
また、請求項１８にかかるコンピュータが実行するためのプログラムによれば、請求項１５にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【０１２５】
また、請求項１９にかかるコンピュータが実行するためのプログラムによれば、請求項１７にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することとしたので、簡易は方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【０１２６】
また、請求項２０にかかるコンピュータが実行するためのプログラムによれば、請求項１５〜請求項１９のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むこととしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【０１２７】
また、請求項２１にかかるコンピュータが実行するためのプログラムによれば、請求項２０にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【図面の簡単な説明】
【図１】本実施の形態にかかるマルチスペクトル画像処理装置の機能構成を示す機能ブロック図である。
【図２】第１のマルチスペクトルセンサの波長帯の一例を示す図である。
【図３】スペクトルデータの一例を示す図である。
【図４】カテゴリ情報の入力画面の一例す図である。
【図５】大分類テーブルの一例を示す図である。
【図６】中分類テーブルの一例を示す図である。
【図７】小分類テーブルの一例を示す図である。
【図８】第２のマルチスペクトルセンサの波長帯の一例を示す図である。
【図９】図１のマルチスペクトル画像処理装置の参照スペクト登録処理の手順を説明するためのフローチャートを示している。
【図１０】図１のマルチスペクトル画像処理装置の多波長画像作成処理の手順を説明するためのフローチャートを示している。
【図１１】元画像（緑、赤外、遠赤外）と合成画像（青、赤、緑）の表示例を示す図である。
【図１２】同一の領域をＲＧＢセンサで撮像した画像（正解画像）と、本発明のマルチスペクトル画像処理装置で作成した合成画像（Ｒ，Ｇ，Ｂ）を示す図である。
【符号の説明】
１ マルチスペクトル画像処理装置
１１ 参照用画像入力部
１２ 画像データ変換部
１３ 参照スペクトルデータ登録部
１４ 参照スペクトルデータＤＢ
１５ 元画像入力部
１６ 画像データ変換部
１７ 反射率画像データ変換部
１８ カテゴリ推定処理部
１９ 任意波長画像作成処理部
２０ 画像再構成処理部
２１ 画像出力部
【発明の属する技術分野】
本発明は，マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムに関し、詳細には、マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能なマルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムに関する。
【０００２】
【従来の技術】
航空機や人工衛星などのプラットフォームに搭載されたマルチスペクトルセンサを用いて、地表の対象物から反射または放射される電磁波などを検知し、それらのデータを用いて対象物や現象に関する情報を得る技術をリモートセンシングという。
【０００３】
このようなリモートセンシング技術の適用形態として、例えば森林、田畑、市街地等のような、土地の利用形態を表す情報（以下、「土地被覆情報」）を、航空機や人工衛星に搭載されたマルチスペクトルセンサにより撮影されたマルチスペクトル画像データを用いて分類する土地被覆分類手法についての検討がなされている（例えば、非特許文献１参照）。
【０００４】
この土地被覆分類手法は、具体的には、実際に現地で観測して得た土地被覆情報（以下、現地土地被覆情報）と、撮影されたマルチスペクトル画像データにおける画素や領域等の対応部分とを各々関連付けて構築したデータ（以下、「サンプルデータ」）をテーブル等の記憶形態で保持しておき、当該サンプルデータに最尤法等の統計的手法を適用することによって、マルチスペクトル画像データ全体における土地被覆情報を分類するものである。
【０００５】
【非特許文献１】
日本リモートセンシング学会誌Ｖｏｌ．７，Ｎｏ．４「空間情報を用いたマルチスペクトル分類、新井他」
【０００６】
【発明が解決しようとする課題】
しかしながら、リモートセンシングに使用されるマルチスペクトルセンサにおいては、その性能上および取得データ量などの関係から、画像としての領域を一度に取得できる波長帯は限定されている。また、多波長データを取得できるマルチスペクトルセンサは高価なものが多い。例えば、紫外／赤外領域等に波長数が限定されており、可視光領域の青色を検知できないマルチスペクトルセンサがある。他方、可視光領域は検知できるが、紫外／赤外領域等が検知できないマルチスペクトルセンサがある。
【０００７】
そのため、リモートセンシングの分野では、可視領域におけるトゥルーカラー画像の作成や、各種解析に必要な紫外／赤外領域などの各種画像の利用が制限されているという問題がある。
【０００８】
本発明は、上記課題に鑑みてなされたものであり、マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能なマルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムを提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記目的を達成するため、請求項１にかかる発明は、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力手段と、カテゴリ情報を入力するカテゴリ情報入力手段と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録手段と、前記ＤＢ登録手段で登録される、前記カテゴリ情報と前記参照用スペクトルデータとを関連づけて格納するＤＢと、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力手段と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定手段と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成手段と、を備えたことを特徴とする。
【００１０】
上記発明によれば、参照画像入力手段は、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力し、カテゴリ情報入力手段は、カテゴリ情報を入力し、ＤＢ登録手段は、参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録し、元画像入力手段は、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力し、カテゴリ推定手段は、入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、任意波長作成手段は、入力マルチスペクトル画像の第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成することにより、入力マルチスペクトル画像において、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを作成する。
【００１１】
また、請求項２にかかる発明は、請求項１にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする。
【００１２】
上記発明によれば、カテゴリ情報を、大分類、中分類、および小分類に分類することにより、各種のカテゴリ情報の登録が可能となる。
【００１３】
また、請求項３にかかる発明は、請求項１にかかる発明において、前記カテゴリ推定手段は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする。
【００１４】
上記発明によれば、カテゴリ推定手段は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することにより、簡易に入力マルチスペクトル画像のカテゴリを推定する。
【００１５】
また、請求項４にかかる発明は、請求項１にかかる発明において、前記任意波長作成手段は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択手段を含み、前記入力マルチスペクトル画像の前記選択手段で選択された波長帯のデータを作成することを特徴とする。
【００１６】
上記発明によれば、操作者が入力マルチスペクトル画像の新規に作成する波長帯を選択し、入力マルチスペクトル画像の選択された波長帯のデータを作成することにより、操作者が新規に作成する入力マルチスペクトル画像の波長帯を選択することが可能となる。
【００１７】
また、請求項５にかかる発明は、請求項３にかかる発明において、前記任意波長作成手段は、前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする。
【００１８】
上記発明によれば、任意波長作成手段は、前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することにより、簡易は方法で入力マルチスペクトル画像の新規な波長帯のデータを作成する。
【００１９】
また、請求項６にかかる発明は、請求項１〜請求項５のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成手段で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成手段を備えたことを特徴とする。
【００２０】
上記発明によれば、画像再生構成手段は、前記入力マルチスペクトル画像と、前記任意波長作成手段で推定した波長帯のデータとに基づいて、合成画像を作成することにより、第２のマルチスペクトルセンサの検出範囲外の波長を含むマルチスペクトル画像を作成する。
【００２１】
また、請求項７にかかる発明は、請求項６にかかる発明において、前記画像再構成手段は、操作者が出力したい波長帯を選択するための選択手段を含み、前記入力スペクトル画像の前記選択手段で選択された波長帯の合成画像を作成することを特徴とする。
【００２２】
上記発明によれば、画像再構成手段は、操作者が選択した波長帯の合成画像を作成することにより、操作者が合成画像の波長帯を選択可能とする。
【００２３】
また、請求項８にかかる発明は、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を含むことを特徴とする。
【００２４】
上記発明によれば、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力し、カテゴリ情報を入力し、入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、カテゴリ情報と関連づけてＤＢに登録し、第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力し、入力マルチスペクトル画像を所定単位毎にＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、入力マルチスペクトル画像の第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、ＤＢに登録されている、推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成することにより、入力マルチスペクトル画像において、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを作成する。
【００２５】
また、請求項９にかかる発明は、請求項８にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする。
【００２６】
上記発明によれば、カテゴリ情報を、大分類、中分類、および小分類に分類することにより、各種のカテゴリ情報の登録が可能となる。
【００２７】
また、請求項１０にかかる発明は、請求項８にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする。
【００２８】
上記発明によれば、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定する。
【００２９】
また、請求項１１にかかる発明は、請求項８にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することを特徴とする。
【００３０】
上記発明によれば、操作者が入力マルチスペクトル画像の新規に作成する波長帯を選択し、入力マルチスペクトル画像の選択された波長帯のデータを作成することにより、操作者が新規に作成する入力マルチスペクトル画像の波長帯を選択することが可能となる。
【００３１】
また、請求項１２にかかる発明は、請求項１０にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする。
【００３２】
上記発明によれば、任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することにより、簡易は方法で入力マルチスペクトル画像の新規な波長帯のデータを作成する。
【００３３】
また、請求項１３にかかる発明は、請求項８〜請求項１２にかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むことを特徴とする。
【００３４】
上記発明によれば、画像再生構成工程では、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成することにより、第２のマルチスペクトルセンサの検出範囲外の波長を含むマルチスペクトル画像を作成する。
【００３５】
また、請求項１４にかかる発明は、請求項１３にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することを特徴とする。
【００３６】
上記発明によれば、画像再構成工程では、操作者が選択した波長帯の合成画像を作成することにより、操作者が合成画像の波長帯を選択可能とする。
【００３７】
また、請求項１５にかかる発明は、コンピュータが実行するためのプログラムにおいて、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、をコンピュータに実行させることを特徴とする。
【００３８】
上記発明によれば、コンピュータでプログラムを実行することにより、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を実現する。
【００３９】
また、請求項１６にかかる発明は、請求項１５にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする。
【００４０】
また、請求項１７にかかる発明は、請求項１５にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする。
【００４１】
また、請求項１８にかかる発明は、請求項１５にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することを特徴とする。
【００４２】
また、請求項１９にかかる発明は、請求項１７にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする。
【００４３】
また、請求項２０にかかる発明は、請求項１５〜請求項１９にかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むことを特徴とする。
【００４４】
また、請求項２１にかかる発明は、請求項２０にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することを特徴とする。
【００４５】
【発明の実施の形態】
以下、図面を参照して、本発明のマルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラムの好適な実施の形態を詳細に説明する。
【００４６】
［マルチスペクトル画像処理装置の構成］
図１は、本実施の形態にかかるマルチスペクトル画像処理装置の機能構成を示す機能ブロック図である。同図に示すマルチスペクトル画像処理装置１は、参照用画像入力部１１、参照スペクトルデータ登録処理部１２と、参照スペクトルデータＤＢ１３と、元画像入力部１５と、画像データ変換処理部１６と、反射率画像データ変換部１７と、カテゴリ推定処理部１８と、任意波長画像作成処理部１９と、画像再構成処理部２０と、画像出力部２１とを備えている。
【００４７】
参照用画像入力部１１は、人工衛星等のプラットフォームに搭載された第１のマルチスペクトルセンサで撮像したマルチスペクトル画像データを、図示しない画像データ入力用インタフェースを介して参照用マルチスペクトル画像データとして入力して、参照スペクトルデータ登録処理部１２に出力する。
【００４８】
この場合の画像データ入力用インタフェースは、例えば、パラボラアンテナを含む受信装置のように、人工衛星等からのマルチスペクトル画像データを入力する手段であるが、予め人工衛星等から取り込んだマルチスペクトル画像データを蓄積した外部記憶装置等を用いて構成しても良い。また、第１のマルチスペクトルセンサを搭載するプラットホームは、人工衛星に限られず航空機、気球等を使用することにしても良い。
【００４９】
なお、マルチスペクトル画像データは、リモートセンシングによって第１のマルチスペクトルセンサで撮影対象物を撮像した際に、紫外バンド、青バンド、緑バンド、赤バンド、近赤外バンド等を含む光の観測波長帯毎に観測された複数のスペクトル画像データである。図２は、第１のマルチスペクトルセンサの波長帯の一例を示す図である。第１のマルチスペクトルセンサは、図２に示すように、５つのバンドを有しており、バンド１は紫外（０．４０〜０．４５μｍ）、バンド２は青（０．４５〜０．５２μｍ）、バンド３は緑（０．５〜０．５９μｍ）、バンド４は赤（０．６１〜０．６８μｍ）、バンド５は近赤外（０．７８〜０．８９μｍ）の帯域を検出する。第１のマルチスペクトルセンサは、後述する第２のマルチスペクトルセンサ（図８参照）の検出範囲外の、紫外（０．４０〜０．４５μｍ）および青（０．４５〜０．５２μｍ）の波長帯が検出可能となっている。
【００５０】
参照スペクトルデータ登録処理部１２は、入力用のインターフェースの入力画面で、カテゴリ情報（大分類、中分類、小分類）を入力するとともに、入力される参照用マルチスペクトル画像データ中において入力したカテゴリ情報に対応する画素値から成る部分の画素のデータを参照スペクトルデータとして抽出して、カテゴリ情報と参照スペクトルデータとを関連づけて、参照スペクトルデータＤＢ１３に登録する。この場合、演算精度を向上させるために、１つのカテゴリ情報に関して、値に分散のある複数の参照スペクトルデータを登録する。入力されたカテゴリ情報（大分類、中分類、小分類）は、参照スペクトルデータＤＢ１３のカテゴリ情報テーブル（図５〜図７参照）に登録され、参照用スペクトルデータデータは、所定の記憶領域にカテゴリ情報と関連づけて登録される。
【００５１】
この場合、参照スペクトルデータ登録処理部１２は、参照スペクトルデータを、入力画面で指定されるデータ形態で参照スペクトルデータＤＢ１３に登録する。データ形態としては、データ種別として、”平均データ”、”平滑化データ”、単位種別として”センサデータ”、”輝度データ”、”反射率データ”の指定が可能となっている。
【００５２】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードである。図３は、参照スペクトルデータ登録処理部１２の入力画面の一例を示している。同図に示す入力画面の例では、データ名、カテゴリー情報（大分類、中分類、小分類）、データ種別、単位種別、測定場所、測定日時、センサ名の入力欄が設けられている。例えば、カテゴリ情報として、大分類”農業植生”、中分類”沈水植物群落”、小分類”大根”が入力された場合には、参照スペクトルデータＤＢ１３のカテゴリ情報テーブル（図５〜図７参照）に登録されるとともに、マルチスペクトル画像データの中から「大根」を表す画素値に対応する部分の画素のデータを参照スペクトルデータとして抽出して、カテゴリ情報「大根」と関連づけて参照スペクトルデータＤＢ１３に登録する。図４は、スペクトルデータの一例を示している。同図において、横軸は波長、縦軸は反射率を示している。同図では、常緑広葉樹、落葉広葉樹、常緑針葉樹、土壌（粘土系）、土壌（シルト系）、アスファルト▲１▼、アスファルト▲２▼、水（湖沼）、水（河川）のスペクトルデータの一例が示されている。
【００５３】
なお、参照スペクトルデータＤＢ１３に登録される参照スペクトルデータは、１種類のマルチスペクトルセンサの出力に限られず、複数種のマルチスペクトルセンサの出力を格納することにしても良い。
【００５４】
参照スペクトルデータＤＢ１３は、参照スペクトルデータ登録処理部１２で登録される、カテゴリ情報と参照スペクトルデータを関連づけて格納する。この参照スペクトルデータは、後述するように、カテゴリ推定処理部１８のカテゴリ推定処理および任意波長作成処理部１９の任意波長作成処理の際に参照され、入力画像からカテゴリ情報を推定したり、任意波長のデータを作成する場合に使用される。
【００５５】
また、参照スペクトルデータＤＢ１３は、参照スペクトルデータ登録処理部１２で入力されるカテゴリ情報を格納するカテゴリ情報テーブルを備えている。このカテゴリ情報テーブルは、画像のカテゴリ情報を大分類、中分類、および小分類に区分した大分類テーブル、中分類テーブル、および小分類テーブルから構成されている。
【００５６】
図５は、大分類テーブルの一例を示す図である。大分類テーブルには、同図に示すように、Ｂｕｎｒｕｉ１＿ｉｄと、カテゴリ情報の大分類名（ｎａｉｙｏｕ）とが対応づけて登録される。図６は、中分類テーブルの一例を示す図である。中分類テーブルは、同図に示すように、Ｂｕｎｒｕｉ１＿ｉｄと、Ｂｕｎｒｕｉ２＿ｉｄと、カテゴリ情報の中分類名（ｎａｉｙｏｕ）とが対応づけて登録される。図７は、小分類テーブルの一例を示す図である。小分類テーブルには、同図に示すように、Ｂｕｎｒｕｉ１＿ｉｄと、Ｂｕｎｒｕｉ２＿ｉｄと、Ｂｕｎｒｕｉ３＿ｉｄと、カテゴリ情報の小分類名（ｎａｉｙｏｕ）とが対応づけて登録される。Ｂｕｎｒｕｉ１＿ｉｄ、Ｂｕｎｒｕｉ２＿ｉｄ、Ｂｕｎｒｕｉ３＿ｉｄの番号は、データ入力順に付与される。
【００５７】
元画像入力部１５は、人工衛星等に搭載された第２のマルチスペクトルセンサで撮像したマルチスペクトル画像データを、図示しない画像データ入力用インタフェースを介して入力マルチスペクトル画像として入力して、画像データ変換処理部１６に出力する。
【００５８】
この場合の画像データ入力用インタフェースは、例えば、パラボラアンテナを含む受信装置のように、人工衛星等のプラットホームからのマルチスペクトル画像データを入力する手段であるが、予め人工衛星等から取り込んだマルチスペクトル画像データを蓄積した外部記憶装置等を用いて構成しても良い。また、第２のマルチスペクトルセンサを搭載するプラットホームは、人工衛星に限られず航空機、気球等を使用することにしても良い。
【００５９】
なお、マルチスペクトル画像データは、リモートセンシングによって第２のマルチスペクトルセンサで撮像した際に、緑バンド、赤バンド、近赤外バンド等を含む光の観測波長帯毎に観測された複数の画像データである。ここで使用される第２のマルチスペクトルセンサの波長帯の一例を図８に示す。第２のマルチスペクトルセンサは、図８に示すように、３つのバンドを有しており、バンド１は緑（０．５〜０．５９μｍ）、バンド２は赤（０．６１〜０．６８μｍ）、バンド３は近赤外（０．７８〜０．８９μｍ）の波長帯が検出可能になっている。
【００６０】
画像データ変換処理部１６は、例えば、マルチスペクトル画像データを図示しないメモリ領域に保持されている所定の換算式により電磁波の放射量を表す輝度データ（より具体的には、複数の画像データ毎の輝度データ）に変換して、反射率画像データ変換部１７に出力する。この換算式は、マルチスペクトル画像データにおける光の波長帯の種類、即ち使用するスペクトルセンサ毎の特性に応じて定まるもので、例えば、ＮＡＳＡ（米国航空宇宙局）等が提案している公知の換算式を用いることができる。
【００６１】
反射率画像データ変換部１７は、マルチスペクトル画像データにおける輝度データから画素毎の反射率を算出して、カテゴリ推定処理部１８に出力する。この場合の反射率の算出手法としては、例えば、「Ｇｒａｙ Ｓｃａｌｅ Ｌｏｇ Ｒｅｓｉｄｕａｌ法−反射率パターン解析のための一手法、日本リモートセンシング学会誌、Ｖｏｌ．１２，Ｎｏ．３（１９９２）」に記載された公知技術を採用することができる。
【００６２】
カテゴリ推定処理部１８は、入力用のインターフェースを備えており、操作者がこの入力用のインターフェースを使用して、参照スペクトルデータＤＢ１３に格納されているカテゴリ情報テーブルから複数のカテゴリ情報を選択し、選択した複数のカテゴリ情報に各々対応する参照スペクトルデータを参照して、入力マルチスペクトル画像データ（反射率データ）の画素単位毎に、そのカテゴリ情報を推定して、推定結果を任意波長画像作成処理部１９に出力する。ここで、操作者がカテゴリ情報を選択しているのは、操作者は、第１のマルチスペクトルセンサの撮像範囲からある程度のカテゴリ情報を絞り込めるので、カテゴリ情報の対象を限定して、演算時間を短縮するためである。なお、カテゴリ推定処理１８では、カテゴリ情報に加えて、データ種別、単位種別、測定場所、測定日時、およびセンサ名等を選択して、対象となる参照スペクトルデータの条件を絞り込むことが可能となっている。
【００６３】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードであり、入力画面には、カテゴリ情報登録テーブル（図５〜図７参照）に格納されているカテゴリ情報の一覧が表示され、操作者は、その中から複数のカテゴリ情報を選択する。
【００６４】
任意波長画像作成処理部１９は、入力用のインターフェースを備えており、この入力用のインターフェースを使用して、操作者は、入力マルチスペクトル画像データ（反射率データ）について推定したい波長帯を選択し、カテゴリ推定処理部１８のカテゴリ情報の推定結果を利用して、入力マルチスペクトル画像データ（反射率データ）の画素単位毎に、選択された波長帯のデータを作成して画像再構成処理部２０に出力する。
【００６５】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードであり、入力画面には、第２のマルチスペクトルセンサの検出範囲外でかつ第１のマルチスペクトルセンサで検出可能な波長帯が表示され、操作者はその中から作成したい波長帯を選択する。本実施の形態では、入力画面には、例えば、紫外（０．４０〜０．４５μｍ）、青（０．４５〜０．５２μｍ）の波長帯が表示される。
【００６６】
画像再構成処理部２０は、入力用のインターフェースを備えており、この入力用のインターフェースを使用して、操作者は、入力マルチスペクトル画像データについて出力したい波長帯およびその出力順を選択し、入力マルチスペクトル画像および任意波長作成処理部１９で作成された波長帯のデータについて、選択された波長帯およびその選択された出力順で、入力マルチスペクトル画像を再構成して多波長画像（合成画像）として画像出力部２１に出力する。
【００６７】
ここでの入力用のインターフェースは、表示ディスプレイに表示される入力画面と、入力画面からデータを入力するキーボードであり、入力画面には、第２のマルチスペクトルセンサの波長帯と、任意波長画像作成処理部１９で選択された波長帯が表示され、操作者は、これらの波長帯の中から出力したい波長帯とその出力順を選択する。本実施の形態では、例えば、任意波長画像作成処理部１９で”青（０．４５〜０．５２μｍ）”が選択された場合には、入力画面には、青（０．４５〜０．５２μｍ）と、第２のマルチスペクトルの検知範囲である緑（０．５〜０．５９μｍ）、赤（０．６１〜０．６８μｍ）、近赤外（０．７８〜０．８９μｍ）とが表示される。
【００６８】
画像出力部２１は、出力用のインターフェースを備えており、画像再構成処理部２０から入力される多波長画像に対して、濃度変換、空間演算、および各波長帯に色の割り当て等の表示のための処理を施して、ナチュラルカラー画像、フォールカラー画像、およびトゥルカラー画像等を出力する。ここでの出力用のインターフェースは、表示モニタやプリンタであり、画像再構成処理部２０から入力される多波長画像（合成画像）のナチュラルカラー画像、フォールカラー画像、およびトゥルカラー画像等を表示モニタに表示したりプリンタでプリント出力する。
【００６９】
［参照スペクトルデータ登録処理］
図９は、図１のマルチスペクトル画像処理装置の参照スペクトルデータ登録処理の手順を説明するためのフローチャートを示している。図９を参照して、図１のマルチスペクトル画像処理装置の参照スペクトルデータ登録処理を説明する。
【００７０】
図９において、図１の参照用画像入力部１１には、第１のマルチスペクトルセンサで撮像された参照用マルチスペクトル画像データが入力され、参照スペクトルデータ登録処理部１２に出力される（ステップＳ１）。
【００７１】
参照スペクトルデータ登録処理部１２では、カテゴリ情報が入力され（ステップＳ２）、参照用マルチスペクトル画像データ中において、入力したカテゴリ情報に対応する画素値から成る部分の画素のデータを参照スペクトルデータとして抽出して（ステップＳ３）、カテゴリ情報と参照スペクトルデータとを関連づけて、参照スペクトルデータＤＢ１３に登録する（ステップＳ４）。この場合、入力されたカテゴリ情報は、カテゴリ情報登録テーブル（図５〜図７参照）に登録される。ステップＳ３とステップＳ４の処理は、必要なカテゴリ情報の参照スペクトルデータの登録が完了するまで、繰り返し行われる。
【００７２】
［多波長画像作成処理］
図１０は、図１のマルチスペクトル画像処理装置の多波長画像作成処理の手順を説明するためのフローチャートを示している。図１０を参照して、図１のマルチスペクトル画像処理装置の多波長画像作成処理を説明する。
【００７３】
図１０において、図１の元画像入力部１５は、第２のマルチスペクトルセンサで撮像された入力マルチスペクトル画像データが入力されると、画像データ変換処理部１６に出力する（ステップＳ１１）。
【００７４】
画像データ変換処理部１６は、入力マルチスペクトル画像データを輝度データに変換して、反射率画像データ変換部１７に出力する（ステップＳ１２）。
【００７５】
反射率画像データ変換部１７は、入力される入力マルチスペクトル画像データ（輝度データ）を反射率データに変換して、カテゴリ推定処理部１８および画像再構成処理部２０に出力する（ステップＳ１３）。
【００７６】
カテゴリ推定処理部１８では、操作者は、入力用のインターフェースで利用目的に応じて、参照スペクトルデータＤＢ１３に格納されているカテゴリ情報登録テーブル（図５〜図７参照）から複数のカテゴリ情報を選択する（ステップＳ１４）。ここでは、例えば、自然植生、人工物製品、土壌、水が選択されたものとする。この選択例は、大分類が選択されており、大まかな土地利用の形態を知りたい場合である。
【００７７】
カテゴリ推定処理部１８は、選択されたカテゴリ情報の参照スペクトルデータを入力マルチスペクトル画像データ（反射率データ）の単位に合わせて変換する（ステップＳ１５）。例えば、参照スペクトルデータが輝度データの場合は、反射率データに変換し、参照スペクトルデータが、反射率データの場合は、データ変換を行わない。
【００７８】
カテゴリ推定処理部１８は、入力マルチスペクトル画像データ（反射率データ）を画素毎に、選択された複数のカテゴリ情報に各々対応する参照スペクトルデータと照合して、そのカテゴリ情報を推定して、推定結果を任意波長画像作成処理部１９に出力する（ステップＳ１６）。ここでは、選択されたカテゴリ情報のカテゴリ内の全てのカテゴリ情報のスペクトルデータに関する、後述の照合方法に必要な平均値、分散などのパラメータが使用される。また、ここでの照合方法としては、ユークリッド距離法、マハラノビス距離法、および最尤法等を使用することができ、選択したカテゴリ情報毎にその出現確率を推定結果として算出する。具体的には、出現確率は、例えば、ピクセル（１，３）は、自然植生７９・５％、人工物製品２０％、水０．５％のように算出される。
【００７９】
任意波長画像作成処理部１９では、操作者は、入力用のインターフェースで、入力マルチスペクトル画像データ（反射率データ）について、新規に作成したい１または複数の波長を参照スペクトルデータの波長帯から選択する（ステップＳ１７）。ここでは、例えば、青（０．４５〜０．５２μｍ）の波長帯が選択されたものとする。
【００８０】
任意波長画像作成処理部１９は、カテゴリ推定処理部１８で推定されたカテゴリ情報の各参照スペクトルに関して、多変量解析を利用して、新規に作成したい波長帯のデータを推定するためのパラメータ（ａ，ｂ，ｃ）を計算して、各々推定式を算出する（ステップＳ１８）。推定されたカテゴリ情報が、大分類または中分類である場合には、推定されたカテゴリ情報のカテゴリ内の全てのカテゴリ情報のスペクトルデータを使用して多変量解析を行う。例えば、カテゴリ情報として農業植生（大分類）が推定された場合には、農業植生の中分類の野菜（小分類のキャベツ、ハクサイ、・・・・）、果樹（小分類のリンゴ、イチゴ、・・・）、穀物（コメ、ソバ、大豆）のスペクトルデータを使用して多変量解析を行う。小分類のカテゴリ情報が推定された場合には、推定されたカテゴリ情報に対応する複数の参照スペクトルデータを使用して多変量解析を行う。
【００８１】
例えば、自然植生、人工物製品、および水の青色（０．４５〜０．５２μｍ）の推定式は、以下のようになる。
自然植生（青）の推定式 ＝ａ１×緑＋ｂ１×赤＋ｃ１×近赤外
人工物製品（青）の推定式 ＝ａ２×緑＋ｂ２×赤＋ｃ２×近赤外
水（青）の推定式 ＝ａ３×緑＋ｂ３×赤＋ｃ３×近赤外
【００８２】
任意波長作成処理部１９は、入力マルチスペクトル画像データ（反射率データ）の画素毎に、各推定式で演算を行いその演算結果およびカテゴリ推定処理部１８で算出したカテゴリ情報の出現確率を使用して、新規に作成する波長帯のデータ（ここでは、反射率データ）の作成して画像再構成処理部２０に出力する（ステップＳ１９）。
【００８３】
例えば、ピクセル（１，３）：植生７９・５％、人工物製品の２０％、水０．５％の場合に、青色の波長値は、以下のようになる。
【００８４】
新波長値＝植生推定式の結果×０．７９５＋人工物製品の推定式の結果×０．２＋水の推定式の結果×０．０５
【００８５】
これにより、第２のスペクトルセンサの検出範囲外でかつ第１のマルチスペクトルセンサで検出可能な波長帯のデータを算出することができる。なお、推定したい波長帯として複数の波長帯が選択された場合には、ステップＳ１８、Ｓ１９の処理を繰り返し実行する。
【００８６】
画像再構成処理部２０では、操作者が、入力用インターフェースを使用して、入力マルチスペクトル画像データ（反射率データ）に関して、出力したい波長帯およびその出力順を選択する（ステップＳ２０）。ここでは、例えば、青（０，４５〜０．５２μｍ）、緑（０．５〜０．５９μｍ）、赤（０．６１〜０．６８μｍ）の出力順で波長帯が選択されたものとする。
【００８７】
画像再構成処理部２０では、選択された波長帯および出力順で、入力マルチスペクトル画像データ（反射率データ）を再構成して、多波長画像（合成画像）として画像出力部２１に出力する（ステップＳ２１）。
【００８８】
ここでは、例えば、任意波長画像作成処理部１９で新規に作成した入力マルチスペクトル画像データの青（０，４５〜０．５２μｍ）、入力マルチスペクトル画像データ（反射率データ）の緑（０．５〜０．５９μｍ）および赤（０．６１〜０．６８μｍ）の波長帯の反射率データが、この出力順で出力される。
【００８９】
画像出力部２１は、画像再構成処理部２０から入力される多波長画像（合成画像）を、濃度変換、空間演算、および各波長帯に色の割り当て等の表示のための処理を施して、表示モニタにカラー表示する（ステップＳ２２）。ここでは、例えば、入力マルチスペクトル画像の青（０，４５〜０．５２μｍ）、緑（０．５〜０．５９μｍ）、および赤（０．６１〜０．６８μｍ）の波長帯がカラー表示される。
【００９０】
図１１は、元画像（緑、赤外、遠赤外）と合成画像（青、赤、緑）の表示例を示している。同図（Ａ）は、市街地、同図（Ｂ）は、海岸沿いの画像の表示例を示している。図１１に示すように、合成画像は、元画像に比して青の波長帯が再現されるため、水や土地利用などが明確に再現されている。
【００９１】
図１２は、同一の領域をＲＧＢセンサで撮像した画像（正解画像）と、本発明のマルチスペクトル画像処理装置で作成した合成画像（Ｒ，Ｇ，Ｂ）を示している。本発明のマルチスペクトル画像処理装置で合成した合成画像は、テスト全域では約９８％、水域では約９５％、都市域では約９４％、植生域では約９９％という高い正解率を得ることができ、実用化が可能であることが立証された。
【００９２】
以上説明したように、本実施の形態のマルチスペクトル画像処理装置によれば、参照スペクトルデータ登録処理部１２は、カテゴリ情報を入力し、第１のマルチスペクトルセンサで取得したマルチスペクトル画像中で入力されるカテゴリ情報に対応する部分の画素のデータを参照用スペクトルデータとして、カテゴリ情報と関連づけて参照スペクトルデータＤＢ１３に登録しておき、カテゴリ推定処理部１８では、入力マルチスペクトル画像を画素単位所定単位毎に、参照スペクトルデータＤＢ１３に登録されている参照用スペクトルデータと照合して、そのカテゴリ情報を推定し、任意波長画像作成処理部１９は、入力マルチスペクトル画像の第２のマルチスペクトルセンサの検出範囲外で、かつ、第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、参照スペクトルデータＤＢ１３に登録されている、カテゴリ推定処理部１８で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成することとしたので、入力マルチスペクトル画像に関して、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【００９３】
また、カテゴリ推定処理部１８は、操作者により指定される複数のカテゴリ情報を選択し、参照スペクトルデータＤＢ１３に登録されている、選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【００９４】
また、任意波長作成処理部１９は、カテゴリ推定処理部１８で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値およびカテゴリ推定処理部１８で算出した複数のカテゴリ情報の出現確率に基づいて、波長帯のデータを作成することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【００９５】
また、任意波長作成処理部１９では、操作者が新規に作成する波長帯を選択することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【００９６】
また、画像再生構成処理部２０は、入力マルチスペクトル画像データと、任意波長作成処理部２０で作成した波長帯のデータとに基づいて、合成画像を作成することとしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【００９７】
また、画像再構成処理部２０では、操作者が出力したい波長帯を選択することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【００９８】
なお、上記した実施の形態では、参照スペクトルデータ登録処理部１２は、参照用マルチスペクトル画像データ中において、入力したカテゴリ情報に対応する画素値から成る部分の画素のデータを参照スペクトルデータとして抽出しているが、本発明は、これに限られるものではなく、複数画素からなるブロック単位で参照スペクトルデータを抽出することにしても良い。この場合は、入力マルチスペクトル画像データと参照スペクトルデータの照合をブロック単位で行う。
【００９９】
また、本実施の形態では、入力マルチスペクトル画像データと参照スペクトルデータとを照合する場合に、反射率データで照合を行っているが、本発明はこれに限られるものではなく、マルチスペクトルセンサの出力値や輝度データで照合を行うことにしても良い。
【０１００】
また、本実施の形態では、入力マルチスペクトル画像データを、画像データ変換処理部１６で輝度データに変換した後、反射率データ変換部１７で反射率データに変換しているが、かかるデータ変換を行わないで、参照スペクトルデータＤＢ１３に格納されている参照スペクトルデータを、入力マルチスペクトル画像データの単位形式（データ形式）に変換して、両者の照合を行うことにしても良い。これにより、画像データ変換処理部１６と、反射率データ変換部１７が不要となり、また、参照スペクトルデータを入力マルチスペクトル画像データの単位形式に変換しているので、処理速度を向上させることが可能となる。また、上記した実施の形態では、元画像入力部１５には、マルチスペクトルセンサで取得されたデータ（センサ出力）が入力されることとして説明したが、輝度や反射率に変換後のデータを入力することにしても良い。入力される入力マルチスペクトル画像データが各種のデータ形式（センサ出力、輝度データ、反射率データ等）をとる場合に、上述したように、参照スペクトルデータを入力マルチスペクトル画像データの形式に変換して照合する構成とすることにより、入力マルチスペクトル画像データの各種のデータ形式に容易に対応可能となる。
【０１０１】
また、本発明では、第１および第２のマルチスペクトルセンサの検出可能帯域は、実施の形態に示したものに限られるものではなく、これ以外の検出可能帯域を有するマルチスペクトルセンサを使用しても良いことは言うまでもなく、また、新規にデータを作成する波長帯も実施の形態に限定されるものではない。
【０１０２】
また、本明細書において、マルチスペクトルセンサとは、多バンドのスペクトルデータを検出可能なスペクトル検出装置をいい、スペクトルメータやハイパースペクトルセンサ等も含まれる。また、マルチスペクトルセンサを、上記した実施の形態では、プラットフォームに搭載する例を示したが、地上（フィールドや実験室）でスペクトルデータを検出する場合にも本発明は適用可能である。
【０１０３】
なお、本発明の目的は、上述したマルチスペクトル画像処理装置の機能を実現するソフトウエアのプログラムコードを記録した記録媒体を、システムまたは装置に供給し、そのシステムまたは装置のコンピュータ（または、ＣＰＵ、ＭＰＵ、ＤＳＰ）が記録媒体に格納されたプログラムコードを実行することによっても達成することが可能である。この場合、記録媒体から読み出されたプログラムコード自体が前述したマルチスペクトル画像処理装置の機能を実現することになり、そのプログラムコードまたはそのプログラムを記憶した記録媒体は本発明を構成することになる。プログラムコードを供給するための記録媒体としては、ＦＤ、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリ部５、ＲＯＭなどの光記録媒体、磁気記録媒体、光磁気記録媒体、半導体記録媒体を使用することができる。
【０１０４】
また、コンピュータが読み出したプログラムコードを実行することにより、前述したマルチスペクトル画像処理装置の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行い、その処理によって前述した画像処理装置の機能が実現される場合も含まれることは言うまでもない。
【０１０５】
また、記録媒体から読み出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述したマルチスペクトル画像処理装置の機能が実現される場合も含まれることは言うまでもない。
【０１０６】
なお、本発明は、上記した実施の形態に限定されるものではなく、発明の要旨を変更しない範囲で適宜変形して実行可能である。
【０１０７】
【発明の効果】
以上説明したように，請求項１にかかるマルチスペクトル画像処理装置によれば、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力手段と、カテゴリ情報を入力するカテゴリ情報入力手段と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録手段と、前記ＤＢ登録手段で登録される、前記カテゴリ情報と前記参照用スペクトルデータとを関連づけて格納するＤＢと、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力手段と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定手段と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成手段と、を含むこととしたので、入力マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【０１０８】
また、請求項２にかかるマルチスペクトル画像処理装置によれば、請求項１にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることとしたので、各種のカテゴリ情報を入力することが可能となる。
【０１０９】
また、請求項３にかかるマルチスペクトル画像処理装置によれば、請求項１にかかる発明において、前記カテゴリ推定手段は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【０１１０】
また、請求項４にかかるマルチスペクトル画像処理装置によれば、請求項１にかかる発明において、前記任意波長作成手段は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択手段を含み、前記入力マルチスペクトル画像の前記選択手段で選択された波長帯のデータを作成することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【０１１１】
また、請求項５にかかるマルチスペクトル画像処理装置によれば、請求項３にかかる発明において、前記任意波長作成手段は、前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することとしたので、簡易は方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【０１１２】
また、請求項６にかかるマルチスペクトル画像処理装置によれば、請求項１〜請求項５のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成手段で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成手段を備えたこととしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【０１１３】
また、請求項７にかかるマルチスペクトル画像処理装置によれば、請求項６にかかる発明において、前記画像再構成手段は、操作者が出力したい波長帯を選択するための選択手段を含み、前記入力スペクトル画像の前記選択手段で選択された波長帯の合成画像を作成することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【０１１４】
また、請求項８にかかるマルチスペクトル画像処理方法によれば、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を含むこととしたので、入力マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【０１１５】
また、請求項９にかかるマルチスペクトル画像処理方法によれば、請求項８にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることとしたので、各種のカテゴリ情報を入力することが可能となる。
【０１１６】
また、請求項１０にかかるマルチスペクトル画像処理方法によれば、請求項８にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【０１１７】
また、請求項１１にかかるマルチスペクトル画像処理方法によれば、請求項８にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【０１１８】
また、請求項１２にかかるマルチスペクトル画像処理方法によれば、請求項１０にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することとしたので、簡易は方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【０１１９】
また、請求項１３にかかるマルチスペクトル画像処理方法によれば、請求項８〜請求項１２のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むこととしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【０１２０】
また、請求項１４にかかるマルチスペクトル画像処理方法によれば、請求項１３にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【０１２１】
また、請求項１５にかかるコンピュータが実行するためのプログラムによれば、コンピュータでプログラムを実行することにより、マルチスペクトル画像処理方法によれば、コンピュータが実行するためのプログラムにおいて、第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、カテゴリ情報を入力するカテゴリ情報入力工程と、前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、を実現することとしたので、入力マルチスペクトル画像に関して、そのマルチスペクトルセンサの検出範囲外の波長帯のデータを作成することが可能となる。
【０１２２】
また、請求項１６にかかるコンピュータが実行するためのプログラムによれば、請求項１５にかかる発明において、前記カテゴリ情報は、大分類、中分類、および小分類に分類されることとしたので、各種のカテゴリ情報を入力することが可能となる。
【０１２３】
また、請求項１７にかかるコンピュータが実行するためのプログラムによれば、請求項１５にかかる発明において、前記カテゴリ推定工程は、操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することとしたので、簡易な方法でかつ高精度に、入力マルチスペクトル画像のカテゴリを推定することが可能となる。
【０１２４】
また、請求項１８にかかるコンピュータが実行するためのプログラムによれば、請求項１５にかかる発明において、前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することとしたので、操作者が新規に作成する波長帯を選択することが可能となる。
【０１２５】
また、請求項１９にかかるコンピュータが実行するためのプログラムによれば、請求項１７にかかる発明において、前記任意波長作成工程では、前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することとしたので、簡易は方法でかつ高精度に、入力マルチスペクトル画像の新規な波長帯のデータを作成することが可能となる。
【０１２６】
また、請求項２０にかかるコンピュータが実行するためのプログラムによれば、請求項１５〜請求項１９のいずれか１つにかかる発明において、前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むこととしたので、第２のマルチスペクトルセンサの検出範囲外の波長帯のデータを含むマルチスペクトル画像を作成することが可能となる。
【０１２７】
また、請求項２１にかかるコンピュータが実行するためのプログラムによれば、請求項２０にかかる発明において、前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することとしたので、操作者が合成画像として出力したい波長帯を選択することが可能となる。
【図面の簡単な説明】
【図１】本実施の形態にかかるマルチスペクトル画像処理装置の機能構成を示す機能ブロック図である。
【図２】第１のマルチスペクトルセンサの波長帯の一例を示す図である。
【図３】スペクトルデータの一例を示す図である。
【図４】カテゴリ情報の入力画面の一例す図である。
【図５】大分類テーブルの一例を示す図である。
【図６】中分類テーブルの一例を示す図である。
【図７】小分類テーブルの一例を示す図である。
【図８】第２のマルチスペクトルセンサの波長帯の一例を示す図である。
【図９】図１のマルチスペクトル画像処理装置の参照スペクト登録処理の手順を説明するためのフローチャートを示している。
【図１０】図１のマルチスペクトル画像処理装置の多波長画像作成処理の手順を説明するためのフローチャートを示している。
【図１１】元画像（緑、赤外、遠赤外）と合成画像（青、赤、緑）の表示例を示す図である。
【図１２】同一の領域をＲＧＢセンサで撮像した画像（正解画像）と、本発明のマルチスペクトル画像処理装置で作成した合成画像（Ｒ，Ｇ，Ｂ）を示す図である。
【符号の説明】
１ マルチスペクトル画像処理装置
１１ 参照用画像入力部
１２ 画像データ変換部
１３ 参照スペクトルデータ登録部
１４ 参照スペクトルデータＤＢ
１５ 元画像入力部
１６ 画像データ変換部
１７ 反射率画像データ変換部
１８ カテゴリ推定処理部
１９ 任意波長画像作成処理部
２０ 画像再構成処理部
２１ 画像出力部
Claims (21)
- 第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力手段と、
カテゴリ情報を入力するカテゴリ情報入力手段と、
前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録手段と、
前記ＤＢ登録手段で登録される、前記カテゴリ情報と前記参照用スペクトルデータとを関連づけて格納するＤＢと、
前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力手段と、
前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定手段と、
前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定手段で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成手段と、
を備えたことを特徴とするマルチスペクトル画像処理装置。 - 前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする請求項１に記載のマルチスペクトル画像処理装置。
- 前記カテゴリ推定手段は、
操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする請求項１に記載のマルチスペクトル画像処理装置。 - 前記任意波長作成手段は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択手段を含み、
前記入力マルチスペクトル画像の前記選択手段で選択された波長帯のデータを作成することを特徴とする請求項１に記載のマルチスペクトル画像処理装置。 - 前記任意波長作成手段は、
前記カテゴリ推定手段で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定手段で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする請求項３に記載のマルチスペクトル画像処理装置。 - 前記入力マルチスペクトル画像と、前記任意波長作成手段で作成した波長帯のデータとに基づいて、合成画像を作成する画像再構成手段を備えたことを特徴とする請求項１〜請求項５のいずれか１つに記載のマルチスペクトル画像処理装置。
- 前記画像再構成手段は、操作者が出力したい波長帯を選択するための選択手段を含み、
前記入力スペクトル画像の前記選択手段で選択された波長帯の合成画像を作成することを特徴とする請求項６に記載のマルチスペクトル画像処理装置。 - 第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、
カテゴリ情報を入力するカテゴリ情報入力工程と、
前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、
前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、
前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、
前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、
を含むことを特徴とするマルチスペクトル画像処理方法。 - 前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする請求項８に記載のマルチスペクトル画像処理方法。
- 前記カテゴリ推定工程は、
操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする請求項８に記載のマルチスペクトル画像処理方法。 - 前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、
前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することを特徴とする請求項８に記載のマルチスペクトル画像処理方法。 - 前記任意波長作成工程では、
前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする請求項１０に記載のマルチスペクトル画像処理方法。 - 前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むことを特徴とする請求項８〜請求項１２のいずれか１つに記載のマルチスペクトル画像処理方法。
- 前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、
前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することを特徴とする請求項１３に記載のマルチスペクトル画像処理方法。 - コンピュータが実行するためのプログラムにおいて、
第２のマルチスペクトルセンサの検出範囲外の波長帯を検出可能な第１のマルチスペクトルセンサで取得したマルチスペクトル画像を入力する参照画像入力工程と、
カテゴリ情報を入力するカテゴリ情報入力工程と、
前記参照画像入力手段で入力したマルチスペクトル画像の前記カテゴリ情報に対応する部分を参照用スペクトルデータとして、前記カテゴリ情報と関連づけてＤＢに登録するＤＢ登録工程と、
前記第２のマルチスペクトルセンサで取得したマルチスペクトル画像を入力マルチスペクトル画像として入力する元画像入力工程と、
前記入力マルチスペクトル画像を所定単位毎に、前記ＤＢに格納された参照用スペクトルデータと照合して、そのカテゴリ情報を推定するカテゴリ推定工程と、
前記入力マルチスペクトル画像の前記第２のマルチスペクトルセンサの検出範囲外で、かつ、前記第１のマルチスペクトルセンサで検出範囲内の波長帯のデータを、前記ＤＢに登録されている、前記カテゴリ推定工程で推定されたカテゴリ情報に対応する参照用スペクトルを参照して作成する任意波長作成工程と、
をコンピュータに実行させることを特徴とするコンピュータが実行するためのプログラム。 - 前記カテゴリ情報は、大分類、中分類、および小分類に分類されることを特徴とする請求項１５に記載のコンピュータが実行するためのプログラム。
- 前記カテゴリ推定工程は、
操作者により指定される複数のカテゴリ情報を選択し、前記ＤＢに登録されている、前記選択された複数のカテゴリ情報に各々対応する参照用スペクトルを照合して、当該選択された複数のカテゴリ情報の出現確率を算出して、入力マルチスペクトル画像の複数のカテゴリ情報を推定することを特徴とする請求項１５に記載のコンピュータが実行するためのプログラム。 - 前記任意波長作成工程は、操作者が前記入力マルチスペクトル画像の新規に作成したい波長帯を選択するための選択工程を含み、
前記入力マルチスペクトル画像の前記選択工程で選択された波長帯のデータを作成することを特徴とする請求項１５に記載のコンピュータが実行するためのプログラム。 - 前記任意波長作成工程では、
前記カテゴリ推定工程で推定された複数のカテゴリ情報に対応する各参照スペクトルを多変量解析して、新規に作成する波長帯のデータを推定するためのパラメータを算出した後、算出したパラメータを含む各推定式を算出して、当該各推定式の算出値および前記カテゴリ推定工程で算出した複数のカテゴリ情報の出現確率に基づいて、前記波長帯のデータを作成することを特徴とする請求項１７に記載のコンピュータが実行するためのプログラム。 - 前記入力マルチスペクトル画像と、前記任意波長作成工程で推定した波長帯のデータとに基づいて、合成画像を作成する画像再構成工程を含むことを特徴とする請求項１５〜請求項１９のいずれか１つに記載のコンピュータが実行するためのプログラム。
- 前記画像再構成工程は、操作者が出力したい波長帯を選択するための選択工程を含み、
前記入力スペクトル画像の前記選択工程で選択された波長帯の合成画像を作成することを特徴とする請求項２０に記載のコンピュータが実行するためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003072477A JP3822179B2 (ja) | 2003-03-17 | 2003-03-17 | マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003072477A JP3822179B2 (ja) | 2003-03-17 | 2003-03-17 | マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004280591A true JP2004280591A (ja) | 2004-10-07 |
| JP3822179B2 JP3822179B2 (ja) | 2006-09-13 |
Family
ID=33288666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003072477A Expired - Lifetime JP3822179B2 (ja) | 2003-03-17 | 2003-03-17 | マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3822179B2 (ja) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012234245A (ja) * | 2011-04-28 | 2012-11-29 | Fujitsu Ltd | 食用果実の検査方法、検査装置およびプログラム |
| JP2014038597A (ja) * | 2012-08-17 | 2014-02-27 | Ge Aviation Systems Llc | ハイパースペクトルデータを処理する際に使用するためのアルゴリズムを選択する方法 |
| US8723124B2 (en) | 2009-05-29 | 2014-05-13 | Toyota Jidosha Kabushiki Kaisha | Spectrum measuring apparatus for mover |
| US8755048B2 (en) | 2009-05-29 | 2014-06-17 | Toyota Jidosha Kabushiki Kaisha | Spectrum measuring apparatus for mover |
| US9036147B2 (en) | 2009-05-29 | 2015-05-19 | Toyota Jidosha Kabushiki Kaisha | Spectrum measuring apparatus |
| JPWO2013145201A1 (ja) * | 2012-03-29 | 2015-08-03 | 株式会社日立製作所 | 画像生成システム及び画像生成方法 |
| WO2016152900A1 (ja) * | 2015-03-25 | 2016-09-29 | シャープ株式会社 | 画像処理装置及び撮像装置 |
| WO2017179171A1 (ja) * | 2016-04-14 | 2017-10-19 | 三菱電機株式会社 | 画像処理装置及び画像処理方法 |
| CN107703555A (zh) * | 2016-06-20 | 2018-02-16 | 北京英特威视科技有限公司 | 一种危险源探测方法及系统 |
| CN111077093A (zh) * | 2020-01-10 | 2020-04-28 | 安徽理工大学 | 一种基于多光谱技术的煤矸石快速检测的方法与装置 |
| CN111415715A (zh) * | 2020-04-17 | 2020-07-14 | 北京北分瑞利分析仪器(集团)有限责任公司 | 一种基于多元光谱数据的智能校正方法、系统及装置 |
| CN113340816A (zh) * | 2021-05-26 | 2021-09-03 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
| CN113609924A (zh) * | 2021-07-15 | 2021-11-05 | 奥比中光科技集团股份有限公司 | 一种光谱数据的确定方法、装置、终端和存储介质 |
| US20220114760A1 (en) * | 2020-10-09 | 2022-04-14 | Seiko Epson Corporation | Image analysis apparatus, image analysis method, and non-transitory computer-readable storage medium storing image analysis program |
| CN114494156A (zh) * | 2022-01-03 | 2022-05-13 | 西北工业大学 | 一种物体位姿估计和物理属性协同估计方法 |
| CN115201140A (zh) * | 2021-04-13 | 2022-10-18 | 宁波大学 | 基于红外光谱测量的煤矸石识别方法及系统 |
| JP7345935B1 (ja) | 2022-10-12 | 2023-09-19 | 国立研究開発法人農業・食品産業技術総合研究機構 | 情報処理装置、情報処理方法、およびプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5689032A (en) * | 1979-12-20 | 1981-07-20 | Nec Corp | Multiband picture presuming method for narrow-band high-resolution picture |
| JP2000251052A (ja) * | 1999-03-01 | 2000-09-14 | Ntt Data Corp | リモートセンシングにおけるデータ管理方法及び装置、記録媒体 |
| JP2001143054A (ja) * | 1999-11-16 | 2001-05-25 | Hitachi Ltd | 衛星画像処理方法 |
-
2003
- 2003-03-17 JP JP2003072477A patent/JP3822179B2/ja not_active Expired - Lifetime
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5689032A (en) * | 1979-12-20 | 1981-07-20 | Nec Corp | Multiband picture presuming method for narrow-band high-resolution picture |
| JP2000251052A (ja) * | 1999-03-01 | 2000-09-14 | Ntt Data Corp | リモートセンシングにおけるデータ管理方法及び装置、記録媒体 |
| JP2001143054A (ja) * | 1999-11-16 | 2001-05-25 | Hitachi Ltd | 衛星画像処理方法 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8723124B2 (en) | 2009-05-29 | 2014-05-13 | Toyota Jidosha Kabushiki Kaisha | Spectrum measuring apparatus for mover |
| US8755048B2 (en) | 2009-05-29 | 2014-06-17 | Toyota Jidosha Kabushiki Kaisha | Spectrum measuring apparatus for mover |
| US9036147B2 (en) | 2009-05-29 | 2015-05-19 | Toyota Jidosha Kabushiki Kaisha | Spectrum measuring apparatus |
| JP2012234245A (ja) * | 2011-04-28 | 2012-11-29 | Fujitsu Ltd | 食用果実の検査方法、検査装置およびプログラム |
| JPWO2013145201A1 (ja) * | 2012-03-29 | 2015-08-03 | 株式会社日立製作所 | 画像生成システム及び画像生成方法 |
| JP2014038597A (ja) * | 2012-08-17 | 2014-02-27 | Ge Aviation Systems Llc | ハイパースペクトルデータを処理する際に使用するためのアルゴリズムを選択する方法 |
| WO2016152900A1 (ja) * | 2015-03-25 | 2016-09-29 | シャープ株式会社 | 画像処理装置及び撮像装置 |
| WO2017179171A1 (ja) * | 2016-04-14 | 2017-10-19 | 三菱電機株式会社 | 画像処理装置及び画像処理方法 |
| JPWO2017179171A1 (ja) * | 2016-04-14 | 2018-04-19 | 三菱電機株式会社 | 画像処理装置及び画像処理方法 |
| CN107703555A (zh) * | 2016-06-20 | 2018-02-16 | 北京英特威视科技有限公司 | 一种危险源探测方法及系统 |
| CN111077093A (zh) * | 2020-01-10 | 2020-04-28 | 安徽理工大学 | 一种基于多光谱技术的煤矸石快速检测的方法与装置 |
| CN111415715A (zh) * | 2020-04-17 | 2020-07-14 | 北京北分瑞利分析仪器(集团)有限责任公司 | 一种基于多元光谱数据的智能校正方法、系统及装置 |
| CN111415715B (zh) * | 2020-04-17 | 2023-09-01 | 北京北分瑞利分析仪器(集团)有限责任公司 | 一种基于多元光谱数据的智能校正方法、系统及装置 |
| US20220114760A1 (en) * | 2020-10-09 | 2022-04-14 | Seiko Epson Corporation | Image analysis apparatus, image analysis method, and non-transitory computer-readable storage medium storing image analysis program |
| CN115201140A (zh) * | 2021-04-13 | 2022-10-18 | 宁波大学 | 基于红外光谱测量的煤矸石识别方法及系统 |
| CN113340816A (zh) * | 2021-05-26 | 2021-09-03 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
| CN113340816B (zh) * | 2021-05-26 | 2023-10-27 | 奥比中光科技集团股份有限公司 | 光源光谱和多光谱反射率图像获取方法、装置及电子设备 |
| CN113609924A (zh) * | 2021-07-15 | 2021-11-05 | 奥比中光科技集团股份有限公司 | 一种光谱数据的确定方法、装置、终端和存储介质 |
| CN114494156A (zh) * | 2022-01-03 | 2022-05-13 | 西北工业大学 | 一种物体位姿估计和物理属性协同估计方法 |
| CN114494156B (zh) * | 2022-01-03 | 2024-03-08 | 西北工业大学 | 一种物体位姿估计和物理属性协同估计方法 |
| JP7345935B1 (ja) | 2022-10-12 | 2023-09-19 | 国立研究開発法人農業・食品産業技術総合研究機構 | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3822179B2 (ja) | 2006-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3822179B2 (ja) | マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム | |
| Belgiu et al. | Sentinel-2 cropland mapping using pixel-based and object-based time-weighted dynamic time warping analysis | |
| Lu et al. | Impervious surface mapping with Quickbird imagery | |
| Mao et al. | An improved approach to estimate above-ground volume and biomass of desert shrub communities based on UAV RGB images | |
| Ke et al. | A comparison of three methods for automatic tree crown detection and delineation from high spatial resolution imagery | |
| Zhao et al. | UAV-based individual shrub aboveground biomass estimation calibrated against terrestrial LiDAR in a shrub-encroached grassland | |
| Gu et al. | Using vegetation indices and texture measures to estimate vegetation fractional coverage (VFC) of planted and natural forests in Nanjing city, China | |
| Priem et al. | Comparing map-based and library-based training approaches for urban land-cover fraction mapping from Sentinel-2 imagery | |
| WO2019143906A1 (en) | System for detection of disease in plants | |
| Tsai et al. | 3D computation of gray level co-occurrence in hyperspectral image cubes | |
| JP5991182B2 (ja) | 植物種判定プログラム、植物種判定方法および植物種識別装置 | |
| JP2000251052A (ja) | リモートセンシングにおけるデータ管理方法及び装置、記録媒体 | |
| Misra et al. | SPRINT: Spectra Preserving Radiance Image Fusion Technique using holistic deep edge spatial attention and Minnaert guided Bayesian probabilistic model | |
| Costa et al. | Spatio-temporal segmentation applied to optical remote sensing image time series | |
| Taylor et al. | Mapping Lantana camara: accuracy comparison of various fusion techniques | |
| JP5068036B2 (ja) | 分光画像処理装置 | |
| Jia et al. | Extended morphological profile-based Gabor wavelets for hyperspectral image classification | |
| Plaza et al. | A new method for target detection in hyperspectral imagery based on extended morphological profiles | |
| Ozkan et al. | Estimation of forest stand parameters by using the spectral and textural features derived from digital aerial images. | |
| Guliyeva | Land cover/land use monitoring for agriculture features classification | |
| JP2013509630A (ja) | ハイパースペクトル画像の隆起パターンを調整する装置と方法。 | |
| Astola et al. | Highforest-forest parameter estimation from high resolution remote sensing data | |
| JP2010169592A (ja) | 画像処理装置および画像処理プログラム | |
| Pandit et al. | Component substitution based fusion of WorldView imagery | |
| Shahtahmassebi et al. | Evaluation on the two filling functions for the recovery of forest information in mountainous shadows on Landsat ETM+ Image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060113 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060327 |
|
| 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: 20060613 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060621 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 3822179 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100630 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100630 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110630 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120630 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120630 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130630 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |