JP2008152709A - Geographic image processor and program - Google Patents

Geographic image processor and program Download PDF

Info

Publication number
JP2008152709A
JP2008152709A JP2006342575A JP2006342575A JP2008152709A JP 2008152709 A JP2008152709 A JP 2008152709A JP 2006342575 A JP2006342575 A JP 2006342575A JP 2006342575 A JP2006342575 A JP 2006342575A JP 2008152709 A JP2008152709 A JP 2008152709A
Authority
JP
Japan
Prior art keywords
classification
band
data
class
geographic image
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.)
Pending
Application number
JP2006342575A
Other languages
Japanese (ja)
Inventor
Mitsuharu Ohazama
光晴 大峡
Sen Kubota
仙 久保田
Kanji Yokogawa
完治 横川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Software Engineering Co Ltd
Original Assignee
Hitachi Software Engineering Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Software Engineering Co Ltd filed Critical Hitachi Software Engineering Co Ltd
Priority to JP2006342575A priority Critical patent/JP2008152709A/en
Publication of JP2008152709A publication Critical patent/JP2008152709A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide an image processing system which automatically selects a band suitable for extracting a region to be extracted from a hyper-spectrum image photographed from a satellite. <P>SOLUTION: This geographic image processor for processing geographic images having a plurality of wavelength bands comprises: a data-for-learning storing means for storing spectral data corresponding to the plurality of wavelength bands in each classification class; a band selection processing means for selecting a characteristic wavelength band in one classification class to be processed comparing with the other classification class based on the spectral data in each classification class; and a classification band data storing means for storing information on the wavelength band of the classification class to be processed selected by the band selection processing means as classification band data used in performing the covering classification processing. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

本発明は、衛星画像や航空写真などで得られる多バンドのスペクトル画像(以降、ハイパースペクトル画像と呼称する)を使用して、撮影した地域を、森林・水域・畑地などのクラスに分類する(被覆分類)処理を行う地理画像処理装置に関する。   The present invention uses a multi-band spectrum image (hereinafter referred to as a hyperspectral image) obtained from satellite images, aerial photographs, etc., to classify photographed areas into classes such as forests, water areas, and upland fields ( The present invention relates to a geographic image processing apparatus that performs a covering classification process.

近年、衛星画像や航空写真画像(以下地理画像と呼称する)の利用が広まってきており、被覆分類や、地図の作成・更新における広大な領域の探査を効率的に行う用途などに利用されている。地理画像の利用により、現地調査にかかるコストを削減でき、広い範囲の調査を効率的に行うことができる。   In recent years, the use of satellite images and aerial photograph images (hereinafter referred to as geographic images) has become widespread, and is used for applications such as covering classification and exploration of vast areas in map creation / update efficiently. Yes. The use of geographic images can reduce the cost of on-site surveys and efficiently conduct a wide range of surveys.

領域の被覆分類を行う際には、地理画像のハイパースペクトル画像を利用する方法が提案されている(非特許文献1)。ハイパースペクトル画像とは、ハイパースペクトルセンサによって感知された対象物のスペクトルを、帯域ごとに画像化したものである。ハイパースペクトルセンサは、可視光から近赤外線までの領域を、多くの帯域でデータ収集することができる。ハイパースペクトル画像は、対象物によってスペクトルの特性は異なるため(図3参照)、この特徴を利用することで被覆分類を行うことができる。従来は波長分解能が数10ナノメートル程度であったが、最近では技術の進展にともない、波長分解能が数ナノメートルから10ナノメートル程度に向上されたセンサが実用化されている。   A method using a hyperspectral image of a geographic image has been proposed when performing coverage classification of a region (Non-Patent Document 1). The hyperspectral image is an image of the spectrum of the object detected by the hyperspectral sensor for each band. The hyperspectral sensor can collect data in many bands from visible light to near infrared. Since the spectral characteristics of the hyperspectral image vary depending on the object (see FIG. 3), the cover classification can be performed by using this feature. Conventionally, the wavelength resolution has been about several tens of nanometers, but recently, with the progress of technology, sensors whose wavelength resolution has been improved from several nanometers to about 10 nanometers have been put into practical use.

MicroImages,Inc.「TNT入門 ハイパースペクトル画像分類」,2001年,[平成18年6月10日検索],インターネット,<URL:http://www.microimages.com>MicroImages, Inc. “Introduction to TNT Hyperspectral Image Classification”, 2001, [Search June 10, 2006], Internet, <URL: http://www.microimages.com>

近年、地理画像を広範囲かつ高分解能な条件で撮影可能となってきたため、従来の地理画像に比べ画像サイズが大きくなってきている。さらに、地理画像の中でもハイパースペクトル画像は一般に数百程度のバンド数の情報を持つため、単バンドの地理画像に比べバンド数の分だけデータが大きい。このような膨大なサイズのハイパースペクトル画像を撮影して被覆分類処理するには、その撮影した地理画像(ハイパースペクトル画像)を格納するための大容量の記憶装置が必要になり、そのコストが問題となっている。例えば、地上分解能1mで10km四方を撮影した場合、100バンドの画像容量は10ギガバイトとなり非常に大きな容量となってしまう。また、このような膨大なデータを用いて、例えば土地の被覆分類処理を行うと処理時間も膨大となる。さらに、ハイパースペクトル画像データに含まれている本質的な情報量はそれほど多くないとする説や、次元数が多くなるとノイズが増えるという問題もある。   In recent years, it has become possible to photograph geographic images under a wide range and high resolution conditions, and thus the image size has become larger than conventional geographic images. Furthermore, since a hyperspectral image generally has information on the number of bands of several hundreds of geographic images, the data is larger by the number of bands than a single-band geographic image. In order to capture such a large-size hyperspectral image and cover classification processing, a large-capacity storage device is required to store the captured geographical image (hyperspectral image), and its cost is a problem. It has become. For example, when a 10 km square is photographed at a ground resolution of 1 m, the image capacity of 100 bands is 10 gigabytes, which is a very large capacity. Further, for example, when land cover classification processing is performed using such a large amount of data, the processing time also becomes enormous. In addition, there is a theory that the amount of essential information included in the hyperspectral image data is not so large, and there is a problem that noise increases as the number of dimensions increases.

そのため、ハイパースペクトル画像のバンドから、被覆分類に必要なバンドを効率的に選択する手法の実現が望まれている。   Therefore, realization of a method for efficiently selecting a band necessary for covering classification from a band of a hyperspectral image is desired.

本発明はこのような実情に鑑みてなされたものであり、被覆分類に必要なハイパースペクトル画像のバンドを効率的に選択する処理を提供するものである。   The present invention has been made in view of such circumstances, and provides a process for efficiently selecting a band of a hyperspectral image necessary for cover classification.

また、本発明は、入力された地図画像に対して効率的に被覆分類処理を行うシステムを提供するものである。   The present invention also provides a system for efficiently performing a cover classification process on an input map image.

鋭意研究の結果、本発明者は、各クラスを認識するのに必要十分なバンドの組み合わせをあらかじめ求め、地理画像の撮影時には必要なバンドのみを記録し、そのバンドのみを使用して対象クラスの被覆分類を行うことにより、上記課題が解決されることに想到した。   As a result of diligent research, the present inventor previously obtained a combination of bands necessary and sufficient for recognizing each class, recorded only the necessary bands at the time of photographing a geographic image, and used only those bands to determine the target class. The inventors have conceived that the above-mentioned problems can be solved by performing the covering classification.

上記課題を解決するため、本発明は、地理画像に含まれるハイパースペクトル情報の中から対象とする分類クラスを分類可能なバンドを選択するためのシステムであって、バンド選定処理手段を備えていることを特徴とするシステムを提供するものである。   In order to solve the above problems, the present invention is a system for selecting a band that can classify a target classification class from hyperspectral information included in a geographic image, and includes a band selection processing unit. The system characterized by this is provided.

即ち、本発明による地理画像装置は、複数の波長帯域をもつ地理画像を処理する地理画像処理装置であって、分類クラスごとに、複数の波長帯域に対応するスペクトルデータを格納する学習用データ格納手段と、分類クラスごとのスペクトルデータに基づいて、1つの処理対象の分類クラスについて他の分類クラスと比較して特徴ある波長帯域を選択するバンド選定処理手段と、バンド選定処理手段によって選択された処理対象の分類クラスの波長帯域の情報を、被覆分類処理をする際に使用する分類バンドデータとして格納する分類バンドデータ格納手段と、を備えることを特徴とする。   That is, the geographic image device according to the present invention is a geographic image processing device that processes a geographic image having a plurality of wavelength bands, and stores learning data for storing spectrum data corresponding to the plurality of wavelength bands for each classification class. Selected by the band selection processing means, the band selection processing means for selecting a characteristic wavelength band for one processing target classification class compared to other classification classes, based on the spectrum data for each classification class Classification band data storage means for storing information on the wavelength band of the classification class to be processed as classification band data used when performing the cover classification process.

より具体的に、バンド選定処理手段は、各波長領域について処理対象の分類クラスと他の分類クラスのスペクトルデータの差分絶対値を算出し、各波長領域において最小差分絶対値を取得し、この各波長領域における最小差分絶対値のうち、総和が所定の閾値を越える値を取る組合せの波長領域の情報を選定する。さらに詳細には、バンド選定処理手段は、各波長領域における最小の差分絶対値について大きい値を取る順に並べ替え、大きい最小差分絶対値から累積加算値を算出し、その累積加算値が前記所定の閾値を越えた場合に、その累積加算値を構成する波長領域の情報を選定するようにしてもよい。   More specifically, the band selection processing means calculates the absolute difference between the spectrum data of the processing target classification class and the other classification class for each wavelength region, acquires the minimum difference absolute value in each wavelength region, Among the minimum difference absolute values in the wavelength region, information on the wavelength region of a combination in which the sum exceeds a predetermined threshold value is selected. More specifically, the band selection processing means rearranges the minimum difference absolute value in each wavelength region in order of increasing values, calculates a cumulative addition value from the large minimum difference absolute value, and the cumulative addition value is the predetermined value. When the threshold value is exceeded, information on the wavelength region constituting the cumulative addition value may be selected.

本発明による地理画像処理装置は、複数の波長帯域に対応するスペクトルデータを有する地理画像を被覆分類する地理画像処理装置であって、複数の分類クラスについて、被覆分類処理をする際に使用する波長領域を示す分類バンドデータを格納する分類バンドデータ格納手段と、指定された分類クラスのデータを取得する手段と、指定された分類クラスについて分類バンドデータを取得し、その取得した分類バンドデータに含まれる波長領域に対応するスペクトルデータからなる地理画像を取得する処理画像取得手段と、指定された分類クラス毎に、処理画像取得手段によって得られた地理画像のスペクトルデータを用いて被覆分類処理を実行する被覆分類処理手段と、を備えることを特徴とする。なお、分類バンドデータをなす波長領域の情報は、前述の手順によってバンド選定処理手段によって選定され、分類バンドデータとして分類バンドデータ格納手段に格納されている。   A geographic image processing apparatus according to the present invention is a geographic image processing apparatus that covers and classifies a geographic image having spectral data corresponding to a plurality of wavelength bands, and uses a wavelength used when covering classification processing is performed for a plurality of classification classes. Classification band data storage means for storing classification band data indicating a region, means for obtaining data of a designated classification class, and obtaining classification band data for a designated classification class, and included in the obtained classification band data Processing image acquisition means for acquiring geographic images consisting of spectral data corresponding to the wavelength region to be covered, and for each designated classification class, covering classification processing is executed using the spectral data of the geographic images obtained by the processing image acquisition means And a cover classification processing means. The information on the wavelength region forming the classification band data is selected by the band selection processing means according to the above-described procedure, and is stored in the classification band data storage means as the classification band data.

なお、本発明によれば、コンピュータを上述の地理画像処理装置として機能させるためのプログラムをも提供される。   In addition, according to this invention, the program for functioning a computer as the above-mentioned geographic image processing apparatus is also provided.

さらなる本発明の特徴は、以下本発明を実施するための最良の形態および添付図面によって明らかになるものである。   Further features of the present invention will become apparent from the best mode for carrying out the present invention and the accompanying drawings.

本発明によれば、被覆分類に必要なハイパースペクトル画像のバンドを効率的に選択でき、また、入力された地図画像に対して効率的に被覆分類処理を行うことができる。   According to the present invention, it is possible to efficiently select a band of a hyperspectral image necessary for cover classification, and to efficiently perform a cover classification process on an input map image.

以下、添付図面を参照しながら、本発明の地理画像処理システムを実施するための最良の形態を詳細に説明する。図1〜図7は、本発明の実施の形態を例示する図であり、これらの図において、同一の符号を付した部分は同一物を表わし、基本的な構成及び動作は同様であるものとする。なお、本実施形態は本発明を実現するための一例に過ぎず、本発明を限定するものではないことに注意すべきである。当業者であれば、本発明の要旨を逸脱しない範囲内において、本実施形態にかかる発明の構成及び機能に様々な変更・改良を加えることが可能である。   The best mode for carrying out the geographic image processing system of the present invention will be described below in detail with reference to the accompanying drawings. 1 to 7 are diagrams illustrating embodiments of the present invention. In these drawings, the same reference numerals denote the same components, and the basic configuration and operation are the same. To do. Note that this embodiment is merely an example for realizing the present invention, and does not limit the present invention. A person skilled in the art can make various changes and improvements to the configuration and function of the invention according to the present embodiment without departing from the gist of the present invention.

<地図画像処理システムの構成>
図1は、本発明の地理画像処理システムの構成を概略的に示すブロック図である。図1において、本システムは、パソコン、ワークステーション等から構成される処理装置10と、メインメモリとして使用されるRAM(ランダムアクセスメモリ)及び磁気ディスク記憶装置等の補助記憶装置とを含む記憶装置20と、入出力装置30とを備えている。
<Configuration of map image processing system>
FIG. 1 is a block diagram schematically showing the configuration of a geographic image processing system of the present invention. In FIG. 1, this system includes a storage device 20 including a processing device 10 including a personal computer, a workstation and the like, and an auxiliary storage device such as a RAM (Random Access Memory) and a magnetic disk storage device used as a main memory. And an input / output device 30.

入出力装置30は、キーボード及びマウス等のポインティングデバイスを含む入力装置31と、CRTディスプレイ装置等の表示装置32と、プリンタ33とを備えている。入力装置31は、ユーザによるパラメータの入力やコマンドの起動等、並びに本システムにより分類クラスごとの最適なスペクトルの組み合わせのデータの生成に用いられる。表示装置32及びプリンタ33は、本システムによる地理画像やスペクトルの組み合わせデータをユーザに提示するために用いられる。尚、表示装置としては、表示装置32及びプリンタ33のいずれか一方のみを備える構成としてもよい。   The input / output device 30 includes an input device 31 including a pointing device such as a keyboard and a mouse, a display device 32 such as a CRT display device, and a printer 33. The input device 31 is used for input of parameters by the user, activation of commands, and the like, and generation of optimal spectrum combination data for each classification class by this system. The display device 32 and the printer 33 are used for presenting geographic data and spectrum combination data according to the present system to the user. Note that the display device may include only one of the display device 32 and the printer 33.

処理装置10は、地理画像処理プログラム40を含んでいる。地理画像処理プログラム40は、プログラムモジュールとして、各分類クラスを被覆分類をする際の最適なバンドの組み合わせを求めるバンド選定処理部100と、地理画像に対して指定した分類クラスの被覆分類を行う被覆分類処理部200と、を含む。   The processing device 10 includes a geographic image processing program 40. The geographic image processing program 40, as a program module, a band selection processing unit 100 for obtaining an optimum combination of bands for covering classification of each classification class, and a cover for performing the cover classification of the classification class designated for the geographic image. A classification processing unit 200.

記憶装置20は、教師データ21、分類バンドデータ22、地理画像データ23を記憶する。これらのうち、教師データ21は、インターネットなどで入手可能な各分類クラスのスペクトルデータである。図3は教師データを例示する図であり、水域、土壌などの分類クラスにおける、波長と反射率の関数を示している。   The storage device 20 stores teacher data 21, classification band data 22, and geographic image data 23. Among these, the teacher data 21 is spectrum data of each classification class available on the Internet or the like. FIG. 3 is a diagram illustrating teacher data, and shows a function of wavelength and reflectance in classification classes such as water area and soil.

一方、分類バンドデータ22は、本システムにおいて教師データ21に基づいて生成されるデータである。分類バンドデータ22は、教師データ21をもとに、分類対象となるクラスごとの最適なバンドの組み合わせのデータが格納される(図5参照)。分類クラスは、例えば“水域”や“森林”や“道路”といった被覆分類する際の分類項目である。分類クラスは、ユーザの要求に合わせて自由に設定可能である。   On the other hand, the classification band data 22 is data generated based on the teacher data 21 in this system. The classification band data 22 stores optimal band combination data for each class to be classified based on the teacher data 21 (see FIG. 5). The classification class is a classification item for covering classification such as “water area”, “forest”, and “road”. The classification class can be freely set according to the user's request.

また、地理画像データ23は、ハイパースペクトル画像データである。ただし、ユーザによって指定された被覆分類クラスを分類するのに必要なバンドのデータだけが格納されている。つまり、地理画像データを構成する全てのハンドデータのうち、後述の図5で示される分類クラスに対応する分類バンドデータのみを格納する。例えば、ユーザがある航空写真画像データについて森林、水域、及び土壌の3つを被覆分類する場合、その航空写真画像データを構成する全てのスペクトルバンドデータではなく、森林に対応するバンド2及びN−1、水域に対応するバンド3、N−1及びN、土壌に対応するバンド1及び3のスペクトルデータのみを地理画像として記憶装置20に格納する。   The geographic image data 23 is hyperspectral image data. However, only the band data necessary for classifying the cover classification class designated by the user is stored. That is, only the classification band data corresponding to the classification class shown in FIG. 5 to be described later is stored out of all hand data constituting the geographic image data. For example, when a user classifies three forests, water bodies, and soils with respect to a certain aerial image data, not all the spectral band data constituting the aerial image data but the bands 2 and N- 1. Only the spectrum data of the bands 3, N-1 and N corresponding to the water area, and the bands 1 and 3 corresponding to the soil are stored in the storage device 20 as geographic images.

<地理画像処理の詳細>
以下、本発明の画像処理システムにおけるバンド選定処理部100および被覆分類処理部200の処理について、詳細を説明する。本システムにおいて、地理画像処理プログラム40が起動されると、バンド選定処理部100あるいは被覆分類処理部200が実行される。どちらかの処理を行うかはユーザによって選択される。以下、処理の詳細を述べる。
<Details of geographic image processing>
Hereinafter, details of the processing of the band selection processing unit 100 and the cover classification processing unit 200 in the image processing system of the present invention will be described. In this system, when the geographic image processing program 40 is started, the band selection processing unit 100 or the cover classification processing unit 200 is executed. Either process is selected by the user. Details of the processing will be described below.

まずバンド選定処理部100について説明する。図2は、地理画像処理プログラム40の分類バンド選定処理部100による処理の流れを示すフローチャートである。図2において、分類バンド選定処理部100は、まず記憶装置20から教師データ21を読み込む(S101)。次に未処理の分類クラスを一つ選択する(S102)。次に当該分類クラスの各バンドにおける独立度を計算する。独立度とは、各バンドにおいてある分類クラスのスペクトルが他の分類クラスのスペクトルとどの程度異なる値を持っているかを示す指標である。すなわち、注目している分類クラスのあるバンドにおけるスペクトルが、他の分類クラスの当該バンドのスペクトルと同様の値を持っていれば独立度は小さく、乖離した値を持っていれば独立度は大きい。図4を参照しながら独立度の算出方法を述べる。図4(a)はAからDまでの分類クラスの、各波長における反射率を示している。ここでは例として分類クラスAにおける独立度を求める。   First, the band selection processing unit 100 will be described. FIG. 2 is a flowchart showing a processing flow by the classification band selection processing unit 100 of the geographic image processing program 40. In FIG. 2, the classification band selection processing unit 100 first reads the teacher data 21 from the storage device 20 (S101). Next, one unprocessed classification class is selected (S102). Next, the degree of independence in each band of the classification class is calculated. The degree of independence is an index indicating how different the spectrum of a certain classification class in each band is from the spectrum of another classification class. In other words, if the spectrum in a band of the class of interest is the same as the spectrum of the band of another classification class, the degree of independence is small, and if the spectrum is different, the degree of independence is large. . A method of calculating the degree of independence will be described with reference to FIG. FIG. 4A shows the reflectance at each wavelength of the classification classes A to D. FIG. Here, as an example, the degree of independence in classification class A is obtained.

各バンドにおいて、注目している分類クラスAと各分類クラスとの反射率の差分絶対値をとる。次に、求めた差分絶対値の中から最小値を求める。この最小値を、注目している分類クラスの当該バンドにおける独立度とする。図4(b)はバンド5における説明図であり、dAB、dAC、dADは分類クラスAに対する分類クラスB,C,Dとの反射率の差分絶対値を表している。この例ではdADが最小値をとるのでdADがバンド5における独立度d5となる。 In each band, the absolute value of the difference in reflectance between the class A of interest and each class is taken. Next, the minimum value is obtained from the obtained difference absolute values. This minimum value is set as the degree of independence in the band of the classification class of interest. FIG. 4B is an explanatory diagram of the band 5, and d AB , d AC , and d AD represent the absolute difference values of the reflectances of the classification classes B, C, and D with respect to the classification class A. D AD is independent of d 5 at the band 5 so d AD in this example takes the minimum value.

フローチャートに戻り、ステップS103で求めた各バンドにおける独立度を降順に並べ替える(S104)。この後ステップS105、S106、S107で、当該分類クラスを判別するためのバンドの選定処理を行う。まず独立度が高いバンドの順に独立度の値を累積加算する(S105)。例えば図4(a)では、dが最も独立度が高いのでこれをまず加算する。次に、累積加算値があらかじめ設定した閾値以上かどうかを判定する(S106)。 Returning to the flowchart, the independence in each band obtained in step S103 is rearranged in descending order (S104). Thereafter, in steps S105, S106, and S107, band selection processing for discriminating the classification class is performed. First, the values of independence are cumulatively added in the order of bands having the highest independence (S105). For example, in FIG. 4 (a), the first adding this because high d 6 most degree of independence. Next, it is determined whether or not the cumulative addition value is equal to or greater than a preset threshold value (S106).

ステップS106において累積加算値が閾値以上と判断されればループを抜ける。閾値に満たなければステップS105に戻り、一順前に使用した独立度の次に高い独立度を累積加算する。そしてステップS106で累積独立度が閾値以上となるまで処理を繰り返す。図4(c)では独立度をd、d、dと順に加算していき、dを加算した時点で累積独立度が閾値を超える。ここで用いる閾値は、ユーザによって任意に設定可能である。閾値が高ければ分類の精度は上がるがその分多数のバンドが必要になり記憶容量が増大する。閾値を低く設定すればその逆となる。 If it is determined in step S106 that the cumulative addition value is equal to or greater than the threshold value, the loop is exited. If the threshold value is not satisfied, the process returns to step S105, and the next highest degree of independence after the one used in the previous order is cumulatively added. In step S106, the process is repeated until the cumulative independence becomes equal to or greater than the threshold value. In FIG. 4C, the degree of independence is added in the order of d 6 , d 7 , and d 1, and the cumulative degree of independence exceeds the threshold when d 1 is added. The threshold value used here can be arbitrarily set by the user. If the threshold value is high, the accuracy of classification increases, but a larger number of bands are required, and the storage capacity increases. The opposite is true if the threshold is set low.

そして累積独立度の計算に使用したバンドを当該分類クラスの分類用バンドとする(S107)。すなわち他の分類クラスに対して独立度が高いバンドを選択するため、当該分類クラスを識別する際には、それらのバンドを用いれば十分である。例えば図4の例では、バンド1、6及び7のデータを用いて被覆分類処理を行えば、分類クラスAを他の分類クラスと識別可能となる。さらに、当該分類クラスを特定するためのバンド数を、選択したバンド数だけに抑えることができる。このようにしてステップS102で選択した分類クラスを識別するためのバンドを選定する。そして、未処理の分類クラスがなくなるまでステップS102からS107までの処理を繰り返し行う。このようにしてすべての分類クラスに対して、識別するためのバンドの選定を行い、各分類クラスとその分類用バンドの対応データを分類バンドデータ22として記憶装置20に格納する。   The band used for the calculation of the cumulative independence is set as a classification band of the classification class (S107). That is, since bands having high independence with respect to other classification classes are selected, it is sufficient to use those bands when identifying the classification classes. For example, in the example of FIG. 4, if the cover classification process is performed using the data of bands 1, 6, and 7, the classification class A can be distinguished from other classification classes. Furthermore, the number of bands for specifying the classification class can be limited to the number of selected bands. In this way, the band for identifying the classification class selected in step S102 is selected. Then, the processes from step S102 to S107 are repeated until there is no unprocessed classification class. In this way, bands for identification are selected for all classification classes, and the corresponding data of each classification class and its classification band is stored in the storage device 20 as classification band data 22.

図5は分類バンドデータ22の一例である。ユーザが、ある地域の例えば“森林”の分布が必要な場合、人工衛星や航空機に搭載されたカメラによって当該地域を撮影する際には、分類バンドデータを参照し、“森林”クラスの分類用バンドだけを記憶媒体に格納すれば十分である。このためハイパースペクトル画像データのすべてのバンドデータを保持する必要がないため記憶容量を削減できる。また、必要なバンドのみを使用して被覆分類処理を行えば十分であるため処理時間を短縮できる。   FIG. 5 is an example of the classification band data 22. For example, when the user needs a distribution of “forest” in a certain area, refer to the classification band data and categorize the “forest” class when photographing the area with a satellite or a camera mounted on an aircraft. It is sufficient to store only the band on the storage medium. For this reason, since it is not necessary to hold all the band data of the hyperspectral image data, the storage capacity can be reduced. Further, since it is sufficient to perform the cover classification process using only the necessary bands, the processing time can be shortened.

また、1枚の地理画像に対して複数の分類クラスの分布を求めることも可能である。その場合は、地理画像撮影時に各分類クラスの分類用バンドを記憶装置に格納すればよい。例えば“森林”と“水域”の分布を求める際には、地理画像撮影時に“森林”クラスの分類用バンドと“水域”クラスの分類用バンドを記憶媒体に格納すればよい。   It is also possible to obtain a distribution of a plurality of classification classes for one geographic image. In that case, a classification band for each classification class may be stored in the storage device at the time of photographing a geographic image. For example, when the distribution of “forest” and “water area” is obtained, the classification band of “forest” class and the classification band of “water area” class may be stored in the storage medium at the time of photographing a geographic image.

続いて、被覆分類処理部200の処理について説明する。被覆分類処理部200は、分類バンド選定処理部100によって分類バンドデータ22を求め、それによって得られた被覆分類に必要なバンドの画像データを、人工衛星などからの撮影によって取得した後に行う。図6は、地理画像処理プログラム40の被覆分類処理部200による処理の流れを示すフローチャートである。図6において、被覆分類処理部200は、ユーザが被覆分類したい分類クラスについての情報を取得し、それに基づいて、記憶装置20から分類バンドデータ22(図5のスペクトルバンドの情報)とその分類バンドデータに対応するスペクトルデータで構成される地理画像データ23を取得する(S201)。ここでいう地理画像データ23はハイパースペクトル画像データであり、ユーザが指定した分類クラスを分類するのに必要なバンドのデータだけが記憶装置20に格納されることになる。図7(a)は地理画像データ23のある1バンドのデータを模式的に示す図である。   Then, the process of the covering classification processing unit 200 will be described. The cover classification processing unit 200 obtains the classification band data 22 by the classification band selection processing unit 100, and obtains band image data necessary for the cover classification obtained by photographing from an artificial satellite or the like. FIG. 6 is a flowchart showing the flow of processing by the cover classification processing unit 200 of the geographic image processing program 40. In FIG. 6, the cover classification processing unit 200 acquires information on a classification class that the user wants to cover and classifies, and based on the information, the classification band data 22 (spectrum band information in FIG. 5) and its classification band are stored from the storage device 20. Geographic image data 23 composed of spectral data corresponding to the data is acquired (S201). The geographical image data 23 here is hyperspectral image data, and only the data of the band necessary for classifying the classification class designated by the user is stored in the storage device 20. FIG. 7A is a diagram schematically showing one band data in the geographic image data 23.

次に、ステップS202からS205で、ユーザが指定した各分類クラスを1クラスずつ被覆分類していく。まず未処理の分類クラスを一つ選択する(S202)。次に分類バンドデータから、当該分類クラスの分類用バンドを取得する(S203)。そしてその分類用バンドを用いて当該分類クラスの被覆分類を行う(S204)(被覆分類の具体的な方法については非特許文献1を参照。)。この結果図7(b)のように、ステップS202で選択した分類クラス(図7(b)では森林)の分布がわかる。ユーザが指定した分類クラスが1つだけの場合はここで処理を終了となり、2つ以上の場合はステップS206からステップS202に戻り処理を繰り返す。このようにして、指定した分類クラスすべてについて被覆分類を行う。図7(c)は処理結果を模式的に示す図である。この図では分類クラスとして、森林、土壌、水域を指定した例である。どの分類クラスにも該当しない領域はその他領域としてひとまとめに分類される。   Next, in steps S202 to S205, each classification class specified by the user is covered and classified one class at a time. First, one unprocessed classification class is selected (S202). Next, a classification band of the classification class is acquired from the classification band data (S203). Then, covering classification of the classification class is performed using the classification band (S204) (refer to Non-Patent Document 1 for a specific method of covering classification). As a result, as shown in FIG. 7B, the distribution of the classification class (forest in FIG. 7B) selected in step S202 is known. If there is only one classification class designated by the user, the process ends here, and if there are two or more classification classes, the process returns from step S206 to step S202 to repeat the process. In this way, the cover classification is performed for all the specified classification classes. FIG. 7C is a diagram schematically showing the processing result. In this figure, forests, soils, and water areas are specified as classification classes. Areas that do not correspond to any classification class are grouped together as other areas.

<まとめ>
本実施形態によれば、教師データとして、分類クラスごとに、複数の波長帯域に対応するスペクトルデータを有し(図3参照)、分類クラスごとのスペクトルデータに基づいて、1つの処理対象の分類クラスについて他の分類クラスと比較して特徴ある波長帯域を選択する。この選択された処理対象の分類クラスの波長帯域の情報は、被覆分類処理をする際に使用する分類バンドデータとして格納される(図5参照)。この分類バンドデータを用いれば、全てのバンド(波長領域)について処理する必要がないので、被覆分類処理が短時間で効率的に行うことができる。また、被覆分類処理の対象である航空写真画像等の地理画像データも全てのバンドについてスペクトルデータを格納する必要がないので、装置の記憶装置の容量を大幅に削減することができる。
<Summary>
According to the present embodiment, as the teacher data, each classification class has spectrum data corresponding to a plurality of wavelength bands (see FIG. 3), and one processing target classification is based on the spectrum data for each classification class. A characteristic wavelength band is selected for the class compared with other classification classes. Information on the wavelength band of the selected classification class to be processed is stored as classification band data used when performing the covering classification process (see FIG. 5). If this classification band data is used, it is not necessary to process all bands (wavelength regions), so that the covering classification process can be performed efficiently in a short time. Further, since it is not necessary to store spectrum data for all bands of geographic image data such as an aerial photograph image that is the target of the cover classification process, the capacity of the storage device of the apparatus can be greatly reduced.

より具体的に、バンド選定処理については、各波長領域について処理対象の分類クラスと他の分類クラスのスペクトルデータの差分絶対値を算出し、各波長領域において最小差分絶対値を取得し、この各波長領域における最小差分絶対値のうち、総和が所定の閾値を越える値を取る組合せの波長領域の情報を選定する。さらに詳細には、各波長領域における最小の差分絶対値について大きい値を取る順に並べ替え、大きい最小差分絶対値から累積加算値を算出し、その累積加算値が前記所定の閾値を越えた場合に、その累積加算値を構成する波長領域の情報を選定するようにしてもよい。このようにすることにより、各分類クラス(例えば、森林、土壌、水域等)について、確実に、かつ効率的に特徴ある波長領域(バンド)を選定することができる。   More specifically, for the band selection process, for each wavelength region, the difference absolute value of the spectrum data of the processing target classification class and the other classification class is calculated, and the minimum difference absolute value is obtained in each wavelength region. Among the minimum difference absolute values in the wavelength region, information on the wavelength region of a combination in which the sum exceeds a predetermined threshold value is selected. More specifically, when the minimum difference absolute value in each wavelength region is rearranged in order of increasing values, a cumulative addition value is calculated from the large minimum difference absolute value, and the cumulative addition value exceeds the predetermined threshold value. The information of the wavelength region constituting the cumulative addition value may be selected. In this way, a characteristic wavelength region (band) can be selected reliably and efficiently for each classification class (for example, forest, soil, water region, etc.).

また、本実施形態では、複数の波長帯域に対応するスペクトルデータを有する地理画像を被覆分類する処理も開示されている。本実施形態では、複数の分類クラス(例えば、森林、土壌、水域等)について、被覆分類処理をする際に使用する波長領域を示す分類バンドデータが記憶装置に格納されている。そして、ユーザによって分類クラスが指定され、その指定された分類クラスについて分類バンドデータを記憶装置から取得する。その取得した分類バンドデータに含まれる波長領域に対応するスペクトルデータからなる地理画像を取得し、指定された分類クラス毎に、地理画像のスペクトルデータを用いて被覆分類処理を実行する。このようにすることにより、被覆分類対象となる地域を撮影する際には、必要なバンドのみを保存すればよいので、地理画像データを格納するための記録装置の容量を小さくすることができる。例えば、地上分解能1mで10km四方を撮影した場合、100バンドの画像容量は10ギガバイトとなるが、必要なバンド数が20バンドであれば2ギガバイトとなり、記憶容量を大幅に削減できる。また、処理対象のデータ数が少なくて済むので、処理時間を削減することができる。なお、分類バンドデータをなす波長領域の情報は、前述の手順によって選定され、分類バンドデータとして記憶装置内に格納されている。   In the present embodiment, a process of covering and classifying a geographic image having spectrum data corresponding to a plurality of wavelength bands is also disclosed. In the present embodiment, classification band data indicating a wavelength region used when covering classification processing is stored in a storage device for a plurality of classification classes (for example, forest, soil, water area, etc.). Then, a classification class is designated by the user, and classification band data is acquired from the storage device for the designated classification class. A geographic image composed of spectral data corresponding to a wavelength region included in the obtained classification band data is acquired, and a cover classification process is executed using the spectral data of the geographic image for each designated classification class. In this way, when photographing the area to be covered and classified, only the necessary bands need be stored, so that the capacity of the recording device for storing geographic image data can be reduced. For example, when a 10 km square is captured at a ground resolution of 1 m, the image capacity of 100 bands is 10 gigabytes, but if the required number of bands is 20 bands, it becomes 2 gigabytes, and the storage capacity can be greatly reduced. In addition, the processing time can be reduced because the number of data to be processed is small. Note that the information on the wavelength region forming the classification band data is selected by the above-described procedure and stored in the storage device as the classification band data.

なお、本実施形態の機能を実現するソフトウェアのプログラムコードによっても本発明は実現できる。この場合、プログラムコードを記録した記憶媒体をシステム或は装置に提供し、そのシステム或は装置のコンピュータ(又はCPUやMPU)が記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶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実施形態の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フロッピィ(登録商標)ディスク、CD−ROM、DVD−ROM、ハードディスク、光ディスク、光磁気ディスク、CD−R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。   The present invention can also be realized by a program code of software that realizes the functions of the present embodiment. In this case, a storage medium in which the program code is recorded is provided to the system or apparatus, and the computer (or CPU or MPU) of the system or apparatus reads the program code stored in the storage medium. In this case, the program code itself read from the storage medium realizes the functions of the above-described embodiments, and the program code itself and the storage medium storing the program code constitute the present invention. As a storage medium for supplying such program code, for example, floppy (registered trademark) disk, CD-ROM, DVD-ROM, hard disk, optical disk, magneto-optical disk, CD-R, magnetic tape, non-volatile A memory card, ROM, or the like is used.

また、プログラムコードの指示に基づき、コンピュータ上で稼動しているOS(オペレーティングシステム)などが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現されるようにしてもよい。さらに、記憶媒体から読み出されたプログラムコードが、コンピュータ上のメモリに書きこまれた後、そのプログラムコードの指示に基づき、コンピュータのCPUなどが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現されるようにしてもよい。   Also, based on the instruction of the program code, an OS (operating system) running on the computer performs part or all of the actual processing, and the functions of the above-described embodiments are realized by the processing. May be. Further, after the program code read from the storage medium is written in the memory on the computer, the computer CPU or the like performs part or all of the actual processing based on the instruction of the program code. Thus, the functions of the above-described embodiments may be realized.

また、実施の形態の機能を実現するソフトウェアのプログラムコードがネットワークを介して配信されることにより、システム又は装置のハードディスクやメモリ等の記憶手段又はCD-RW、CD-R等の記憶媒体に格納され、そのシステム又は装置のコンピュータ(又はCPUやMPU)が当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行することによっても、達成されるようにしてもよい。   In addition, the program code of the software that realizes the functions of the embodiment is distributed via a network, so that it is stored in a storage means such as a hard disk or memory of a system or apparatus or a storage medium such as a CD-RW or CD-R. It may also be achieved by the computer (or CPU or MPU) of the system or apparatus reading and executing the program code stored in the storage means or the storage medium.

本発明の地理画像処理システムの構成を概略的に示すブロック図である。It is a block diagram which shows roughly the structure of the geographic image processing system of this invention. 地理画像処理プログラムの分類バンド選定処理のフローチャートである。It is a flowchart of the classification band selection process of a geographic image processing program. 被覆分類項目のハイパースペクトル特性の概要を例示する図である。It is a figure which illustrates the outline | summary of the hyperspectral characteristic of a covering classification item. 図1に示す地理画像処理プログラムの分類バンド選定処理の説明図である。It is explanatory drawing of the classification band selection process of the geographic image processing program shown in FIG. 本発明の分類バンドデータを例示する図である。It is a figure which illustrates the classification | category band data of this invention. 地理画像処理プログラムの被覆分類処理のフローチャートである。It is a flowchart of the cover classification process of a geographic image processing program. 本発明の地理画像データと被覆分類結果を例示する図である。It is a figure which illustrates the geographic image data and cover classification result of this invention.

符号の説明Explanation of symbols

10 処理装置
20 記憶装置
21 教師データ
22 分類バンドデータ
23 地理画像データ
30 入出力装置
31 入力装置
32 表示装置
33 プリンタ
40 地理画像処理プログラム
100 分類バンド選定処理部
200 被覆分類処理部
DESCRIPTION OF SYMBOLS 10 Processing device 20 Storage device 21 Teacher data 22 Classification band data 23 Geographic image data 30 Input / output device 31 Input device 32 Display device 33 Printer 40 Geographic image processing program 100 Classification band selection processing unit 200 Cover classification processing unit

Claims (8)

複数の波長帯域をもつ地理画像を処理する地理画像処理装置であって、
分類クラスごとに、複数の波長帯域に対応するスペクトルデータを格納する学習用データ格納手段と、
前記分類クラスごとのスペクトルデータに基づいて、1つの処理対象の分類クラスについて他の分類クラスと比較して特徴ある波長帯域を選択するバンド選定処理手段と、
前記バンド選定処理手段によって選択された前記処理対象の分類クラスの波長帯域の情報を、被覆分類処理をする際に使用する分類バンドデータとして格納する分類バンドデータ格納手段と、
を備えることを特徴とする地理画像処理装置。
A geographic image processing apparatus for processing a geographic image having a plurality of wavelength bands,
Learning data storage means for storing spectrum data corresponding to a plurality of wavelength bands for each classification class;
Band selection processing means for selecting a characteristic wavelength band in comparison with other classification classes for one classification class based on spectrum data for each classification class;
Classification band data storage means for storing wavelength band information of the classification class to be processed selected by the band selection processing means as classification band data used when performing the covering classification processing;
A geographic image processing apparatus comprising:
前記バンド選定処理手段は、各波長領域について前記処理対象の分類クラスと他の分類クラスのスペクトルデータの差分絶対値を算出し、各波長領域において最小差分絶対値を取得し、この各波長領域における最小差分絶対値のうち、総和が所定の閾値を越える値を取る組合せの波長領域の情報を選定することを特徴とする請求項1に記載の地理画像処理装置。   The band selection processing unit calculates a difference absolute value of spectrum data of the classification class to be processed and another classification class for each wavelength region, acquires a minimum difference absolute value in each wavelength region, 2. The geographic image processing apparatus according to claim 1, wherein information on a wavelength region of a combination in which the total sum exceeds a predetermined threshold value among absolute difference absolute values is selected. 前記バンド選定処理手段は、前記各波長領域における最小の差分絶対値について大きい値を取る順に並べ替え、大きい最小差分絶対値から累積加算値を算出し、その累積加算値が前記所定の閾値を越えた場合に、その累積加算値を構成する波長領域の情報を選定することを特徴とする請求項2に記載の地理画像処理装置。   The band selection processing means rearranges the minimum difference absolute value in each wavelength region in order of increasing values, calculates a cumulative addition value from the large minimum difference absolute value, and the cumulative addition value exceeds the predetermined threshold value. The geographic image processing apparatus according to claim 2, wherein information on a wavelength region constituting the cumulative addition value is selected. 複数の波長帯域に対応するスペクトルデータを有する地理画像を被覆分類する地理画像処理装置であって、
複数の分類クラスについて、被覆分類処理をする際に使用する波長領域を示す分類バンドデータを格納する分類バンドデータ格納手段と、
指定された分類クラスのデータを取得する手段と、
前記指定された分類クラスについて前記分類バンドデータを取得し、その取得した分類バンドデータに含まれる波長領域に対応するスペクトルデータからなる地理画像を取得する処理画像取得手段と、
前記指定された分類クラス毎に、前記処理画像取得手段によって得られた前記地理画像のスペクトルデータを用いて被覆分類処理を実行する被覆分類処理手段と、
を備えることを特徴とする地理画像処理装置。
A geographic image processing apparatus for covering and classifying a geographic image having spectral data corresponding to a plurality of wavelength bands,
For a plurality of classification classes, classification band data storage means for storing classification band data indicating a wavelength region to be used when covering classification processing,
Means for obtaining data of a specified classification class;
Processing image acquisition means for acquiring the classification band data for the specified classification class, and acquiring a geographic image composed of spectrum data corresponding to a wavelength region included in the acquired classification band data;
Cover classification processing means for performing cover classification processing using spectral data of the geographic image obtained by the processed image acquisition means for each designated classification class;
A geographic image processing apparatus comprising:
前記分類バンドデータをなす波長領域の情報は、前記分類クラスごとのスペクトルデータに基づいて、1つの処理対象の分類クラスについて他の分類クラスと比較して特徴ある波長帯域がバンド選定処理手段によって選択されることを特徴とする請求項4に記載の地理画像処理装置。   The information on the wavelength region forming the classification band data is selected by the band selection processing means based on the spectrum data for each classification class, and a characteristic wavelength band is selected for one processing target classification class compared to other classification classes. The geographic image processing apparatus according to claim 4, wherein: 前記バンド選定処理手段は、各波長領域について前記処理対象の分類クラスと他の分類クラスのスペクトルデータの差分絶対値を算出し、各波長領域において最小差分絶対値を取得し、この各波長領域における最小差分絶対値のうち、総和が所定の閾値を越える値を取る組合せの波長領域の情報を選定することを特徴とする請求項5に記載の地理画像処理装置。   The band selection processing unit calculates a difference absolute value of spectrum data of the classification class to be processed and another classification class for each wavelength region, acquires a minimum difference absolute value in each wavelength region, 6. The geographic image processing apparatus according to claim 5, wherein information on a combination of wavelength regions in which the sum exceeds a predetermined threshold value among the minimum difference absolute values is selected. 前記バンド選定処理手段は、前記各波長領域における最小の差分絶対値について大きい値を取る順に並べ替え、大きい最小差分絶対値から累積加算値を算出し、その累積加算値が前記所定の閾値を越えた場合に、その累積加算値を構成する波長領域の情報を選定することを特徴とする請求項6に記載の地理画像処理装置。   The band selection processing means rearranges the minimum difference absolute value in each wavelength region in order of increasing values, calculates a cumulative addition value from the large minimum difference absolute value, and the cumulative addition value exceeds the predetermined threshold value. The geographic image processing apparatus according to claim 6, wherein information on a wavelength region constituting the cumulative addition value is selected. コンピュータを請求項1乃至7の何れか1項に記載の地理画像処理装置として機能させるためのプログラム。   A program for causing a computer to function as the geographic image processing apparatus according to any one of claims 1 to 7.
JP2006342575A 2006-12-20 2006-12-20 Geographic image processor and program Pending JP2008152709A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006342575A JP2008152709A (en) 2006-12-20 2006-12-20 Geographic image processor and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006342575A JP2008152709A (en) 2006-12-20 2006-12-20 Geographic image processor and program

Publications (1)

Publication Number Publication Date
JP2008152709A true JP2008152709A (en) 2008-07-03

Family

ID=39654787

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006342575A Pending JP2008152709A (en) 2006-12-20 2006-12-20 Geographic image processor and program

Country Status (1)

Country Link
JP (1) JP2008152709A (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011513826A (en) * 2008-02-27 2011-04-28 アジョン ユニバーシティ インダストリー コーポレーション ファウンデーション Real-time target detection method based on high spectral processing with reduced complexity
JP2011175387A (en) * 2010-02-23 2011-09-08 Pasuko:Kk Ground surface observation method
DE102011005056A1 (en) 2010-03-03 2011-12-01 Nec Corporation Active vision aid and method for vehicle
JP2013058162A (en) * 2011-09-09 2013-03-28 Sumitomo Electric Ind Ltd Feature quantity extraction device, target object detection system, computer program, and feature quantity extraction method
JP2015207235A (en) * 2014-04-23 2015-11-19 日本電気株式会社 Data fusion device, land coverage classification system, method and program
CN113341407A (en) * 2021-06-02 2021-09-03 中国水产科学研究院南海水产研究所 Fishing tracking system and method based on radar detection

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011513826A (en) * 2008-02-27 2011-04-28 アジョン ユニバーシティ インダストリー コーポレーション ファウンデーション Real-time target detection method based on high spectral processing with reduced complexity
JP2011175387A (en) * 2010-02-23 2011-09-08 Pasuko:Kk Ground surface observation method
DE102011005056A1 (en) 2010-03-03 2011-12-01 Nec Corporation Active vision aid and method for vehicle
US8854464B2 (en) 2010-03-03 2014-10-07 Nec Corporation Active visibility support apparatus and method for vehicle
JP2013058162A (en) * 2011-09-09 2013-03-28 Sumitomo Electric Ind Ltd Feature quantity extraction device, target object detection system, computer program, and feature quantity extraction method
JP2015207235A (en) * 2014-04-23 2015-11-19 日本電気株式会社 Data fusion device, land coverage classification system, method and program
CN113341407A (en) * 2021-06-02 2021-09-03 中国水产科学研究院南海水产研究所 Fishing tracking system and method based on radar detection
CN113341407B (en) * 2021-06-02 2024-02-06 中国水产科学研究院南海水产研究所 Fishery fishing tracking system and method based on radar detection

Similar Documents

Publication Publication Date Title
CA2840436C (en) System for mapping and identification of plants using digital image processing and route generation
Vu et al. Context-based mapping of damaged buildings from high-resolution optical satellite images
EP2728337A1 (en) Plant species identification device, method, and program
JP5542530B2 (en) Sampling position determination device
Axel et al. Building damage assessment using airborne lidar
EP1812875A2 (en) Spectral geographic information system
Wayman Landsat TM-based forest area estimation using iterative guided spectral class rejection
Kavzoglu et al. Classification of semiurban landscapes from very high-resolution satellite images using a regionalized multiscale segmentation approach
JP2008152709A (en) Geographic image processor and program
Wulder et al. Digital high spatial resolution aerial imagery to support forest health monitoring: the mountain pine beetle context
US11450100B2 (en) Information processing apparatus, information processing method and non-transitory computer-readable storage medium
US11010950B1 (en) Computer-based method and system for determining groundwater potential zones
Miao et al. Detection and classification of invasive saltcedar through high spatial resolution airborne hyperspectral imagery
Wierzbicki et al. Method of radiometric quality assessment of NIR images acquired with a custom sensor mounted on an unmanned aerial vehicle
Warner Hyperspherical direction cosine change vector analysis
Tian et al. Improving change detection in forest areas based on stereo panchromatic imagery using kernel MNF
Ghofrani et al. Evaluating coverage changes in national parks using a hybrid change detection algorithm and remote sensing
Koc-San et al. Support vector machines classification for finding building patches from IKONOS imagery: the effect of additional bands
Teodoro et al. Exploration of the OBIA methods available in SPRING non-commercial software to UAV data processing
Tonyaloğlu et al. Comparison of pixel and object based classification methods on rapideye satellite image
Thwal et al. Land cover classification and change detection analysis of multispectral satellite images using machine learning
US11074446B2 (en) Information processing apparatus, information processing method and non-transitory computer-readable storage medium
Ramiya et al. Assessment of various parameters on 3D semantic object-based point cloud labelling on urban LiDAR dataset
Hadi et al. Comparing several pixel-based classification methods for vegetation structural composition mapping using Sentinel 2A imagery in Salatiga area, Central Java
Aboutalebi et al. The impact of shadows on partitioning of radiometric temperature to canopy and soil temperature based on the contextual two-source energy balance model (TSEB-2T)