JP2011169896A5 - - Google Patents

Download PDF

Info

Publication number
JP2011169896A5
JP2011169896A5 JP2011028033A JP2011028033A JP2011169896A5 JP 2011169896 A5 JP2011169896 A5 JP 2011169896A5 JP 2011028033 A JP2011028033 A JP 2011028033A JP 2011028033 A JP2011028033 A JP 2011028033A JP 2011169896 A5 JP2011169896 A5 JP 2011169896A5
Authority
JP
Japan
Prior art keywords
target
image data
pixel
hyperspectral image
spectrum
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
Application number
JP2011028033A
Other languages
English (en)
Other versions
JP2011169896A (ja
JP5925417B2 (ja
Filing date
Publication date
Priority claimed from US12/707,672 external-priority patent/US8280111B2/en
Application filed filed Critical
Publication of JP2011169896A publication Critical patent/JP2011169896A/ja
Publication of JP2011169896A5 publication Critical patent/JP2011169896A5/ja
Application granted granted Critical
Publication of JP5925417B2 publication Critical patent/JP5925417B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Description

特に断らない限り、本明細書で使用される語句とそれらの変形は、限定的なものではなく、広義に解釈されるべきである。その例として:「含む」という語は、「限定することなく含む」などを意味するために使用され;「例」という語は、議題となるアイテムの、完全なリスト又は限定的なリストではなく実例を提供するために使用され;「従来の」、「伝統的な」、「通常の」、「標準の」、「既知の」といった形容詞及び同義の表現は、所与の期間に関して記載されたアイテム、又は所与の時点で入手可能であったアイテムに限定しているのではなく、現在又は将来のいつかに、入手可能であるか、既知である、従来の、伝統的な、通常の、又は標準の技術を包含すると解釈されるべきである。同様に、複数のアイテムを連結する接続詞「及び」、「且つ」(又は同様の表現)は、連結されるアイテムの全てが必ずしも存在しなければならないという意味ではなく、特に断らない限り、むしろ「及び(且つ)/又は」という意味である。同様に、複数のアイテムを連結する接続詞「又は」は、それらアイテムが必ずしも互いに排他的であることを意味せず、特に断らない限り、むしろ「及び(且つ)/又は」という意味である。更に、本発明のアイテム、要素、又は構成部品が単数形で記載されていたとしても、単数形に限定されることが明記されていない限り、複数形もその範囲内に含まれると考慮される。幾つかの場合の「一又は複数の」、「少なくとも一つの」、「限定しないが」、又はその他の同様の表現のような範囲を広げる表現は、そのような範囲を広げる表現が無い場合にもっと限定されたケースが意図される又は必要とされることを意味するものではない。
また、本願は以下に記載する態様を含む。
(態様1)
標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルからなるハイパースペクトルイメージデータに基づく標的検出方法であって、
ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を用いて第1のフィルタ係数を決定すること、
第1のフィルタ係数を含むフィルタをハイパースペクトルイメージデータに適用することにより第1のフィルタ済みピクセルを取得すること、並びに
第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定すること
を含む方法。
(態様2)
第1の標的ピクセルに基づいて標的を特定することを更に含む、態様1に記載の方法。
(態様3)
以下の関係式:
(式中、pは除外されていないピクセルの総数であり、x はi番目の非除外
Figure 2011169896

ピクセルのスペクトルを含むベクトルであり、
Figure 2011169896

は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて、背景スペクトル推定値を推定することを更に含む、態様1に記載の方法。
(態様4)
一又は複数の第1のフィルタ済みピクセルの制約付きエネルギー最小化(CEM)値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルを、一又は複数の第1の標的ピクセルとして特定することを更に含む、態様1に記載の方法。
(態様5)
回路手段が、実時間で制約付きリニアプログラミング最適化を実行するように動作可能である、態様1に記載の方法。
(態様6)
回路手段が、修正済みCEMアルゴリズムを含む、態様1に記載の方法。
(態様7)
修正済みCEMアルゴリズムが、以下の関係式:
Figure 2011169896

(式中、pはピクセルの総数であり、x はi番目のピクセルのスペクトルを含むベクトルであり、
Figure 2011169896

は非除外ピクセルのスペクトルの平均を含むベクトルであり、wはCEMフィルタ係数ベクトルであり、Tはベクトルの転置を表し、tは標的スペクトルを含むベクトルである)に基づいている、態様6に記載の方法。
(態様8)
*X が、少なくとも一つのx について0未満であることが許容される、態様7に記載の方法。
(態様9)
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき制約付きリニアプログラミング最適化を実行する回路手段を用いて第2のフィルタ係数を決定することであって、背景スペクトルの推定値が、第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されていること、
第2のフィルタ係数を含む第2のフィルタを、ハイパースペクトルイメージデータに適用することにより、第2のフィルタ済みピクセルを取得すること、並びに
第2のフィルタ済みピクセルの中から第2の標的ピクセルを特定すること
を更に含む、態様1に記載の方法。
(態様10)
CEM値に基づいて第1の標的ピクセルを除外することを更に含む、態様9に記載の方法。
(態様11)
第2の標的ピクセルに基づいて標的を特定することを更に含む、態様9に記載の方法。
(態様12)
リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために標的検出を使用することを更に含む、態様1に記載の方法。
(態様13)
複数のピクセルを含むハイパースペクトルイメージデータに基づく標的検出システムであって、
制約付きリニアプログラミング最適化を行って、制約付きエネルギー最小化を実行するように動作可能なプロセッサであって、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第1のフィルタ係数を決定し、
第1のフィルタ係数を含むフィルタをピクセルに適用することにより第1のフィルタ済みピクセルを取得し、且つ
第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定する
ように動作可能である
プロセッサを備えているシステム。
(態様14)
プロセッサが、非同期式パルスプロセッサ、マイクロプロセッサ、デジタル式シグナルプロセッサ、アナログ式シグナルプロセッサ、及びアナログ/デジタル混合式プロセッサからなる群のうちの一つから構成されている、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様15)
プロセッサを介した処理のためにほぼ実時間でハイパースペクトルイメージデータを感知するように動作可能な複数のセンサを更に含む、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様16)
一又は複数の第1のフィルタ済みピクセルのCEM値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルが第1の標的ピクセルとして特定される、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様17)
第1のフィルタ係数を用いてCEM値が推定される、態様16に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様18)
回路手段が、制約付きリニアプログラミング最適化を実時間で実行するように動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様19)
プロセッサが、更に、第1の標的ピクセルに基づいて標的を特定するように動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様20)
プロセッサが、更に、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段であって、背景スペクトルの推定値が第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されている回路手段を使用して、第2のフィルタ係数を決定し、
第2のフィルタ係数を含む第2のフィルタをピクセルに適用することにより第2のフィルタ済みピクセルを取得し、且つ
第2のフィルタ済みピクセルに基づいて第2の標的ピクセルを特定する
ように動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様21)
プロセッサが、更に、第2の標的ピクセルに基づいて標的を特定するように動作可能である、態様20に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様22)
リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。

Claims (15)

  1. 標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルからなるハイパースペクトルイメージデータに基づく標的検出方法であって、
    ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を用いて第1のフィルタ係数を決定すること、
    第1のフィルタ係数を含むフィルタをハイパースペクトルイメージデータに適用することにより第1のフィルタ済みピクセルを取得すること、及び
    以下の関係式:
    Figure 2011169896

    (式中、pは除外されていないピクセルの総数であり、x はi番目の非除外
    ピクセルのスペクトルを含むベクトルであり、
    Figure 2011169896

    は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて、背景スペクトル推定値を推定することを含む方法。
  2. 第1の標的ピクセルに基づいて標的を特定することを更に含む、請求項1に記載の方法。
  3. 一又は複数の第1のフィルタ済みピクセルの制約付きエネルギー最小化(CEM)値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルを、一又は複数の第1の標的ピクセルとして特定することを更に含む、請求項1に記載の方法。
  4. 回路手段が、修正済みCEMアルゴリズムを含み、該修正済みCEMアルゴリズムが、以下の関係式:
    Figure 2011169896

    (式中、pはピクセルの総数であり、xはi番目のピクセルのスペクトルを含むベクトルであり、
    Figure 2011169896

    は非除外ピクセルのスペクトルの平均を含むベクトルであり、wはCEMフィルタ係数ベクトルであり、Tはベクトルの転置を表し、tは標的スペクトルを含むベクトルである)に基づいている、請求項に記載の方法。
  5. ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき制約付きリニアプログラミング最適化を実行する回路手段を用いて第2のフィルタ係数を決定することであって、背景スペクトルの推定値が、第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されていること、
    第2のフィルタ係数を含む第2のフィルタを、ハイパースペクトルイメージデータに適用することにより、第2のフィルタ済みピクセルを取得すること、並びに
    第2のフィルタ済みピクセルの中から第2の標的ピクセルを特定すること
    を更に含む、請求項1に記載の方法。
  6. 第2の標的ピクセルに基づいて標的を特定することを更に含む、請求項に記載の方法。
  7. リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために標的検出を使用することを更に含む、請求項1に記載の方法。
  8. 複数のピクセルを含むハイパースペクトルイメージデータに基づく標的検出システムであって、
    制約付きリニアプログラミング最適化を行って、制約付きエネルギー最小化を実行するように動作可能なプロセッサであって、
    ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第1のフィルタ係数を決定し、
    第1のフィルタ係数を含むフィルタをピクセルに適用することにより第1のフィルタ済みピクセルを取得し
    第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定し、且つ
    以下の関係式:
    Figure 2011169896

    (式中、pは除外されていないピクセルの総数であり、x はi番目の非除外
    ピクセルのスペクトルを含むベクトルであり、
    Figure 2011169896

    は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて、背景スペクトル推定値を推定するように動作可能である
    プロセッサを備えているシステム。
  9. プロセッサを介した処理のためにほぼ実時間でハイパースペクトルイメージデータを感知するように動作可能な複数のセンサを更に含む、請求項に記載のハイパースペクトルイメージデータに基づく標的検出システム。
  10. 一又は複数の第1のフィルタ済みピクセルのCEM値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルが第1の標的ピクセルとして特定される、請求項に記載のハイパースペクトルイメージデータに基づく標的検出システム。
  11. 第1のフィルタ係数を用いてCEM値が推定される、請求項10に記載のハイパースペクトルイメージデータに基づく標的検出システム。
  12. プロセッサが、更に、第1の標的ピクセルに基づいて標的を特定するように動作可能である、請求項に記載のハイパースペクトルイメージデータに基づく標的検出システム。
  13. プロセッサが、更に、
    ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段であって、背景スペクトルの推定値が第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されている回路手段を使用して、第2のフィルタ係数を決定し、
    第2のフィルタ係数を含む第2のフィルタをピクセルに適用することにより第2のフィルタ済みピクセルを取得し、且つ
    第2のフィルタ済みピクセルに基づいて第2の標的ピクセルを特定する
    ように動作可能である、請求項に記載のハイパースペクトルイメージデータに基づく標的検出システム。
  14. プロセッサが、更に、第2の標的ピクセルに基づいて標的を特定するように動作可能である、請求項13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
  15. リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために動作可能である、請求項に記載のハイパースペクトルイメージデータに基づく標的検出システム。
JP2011028033A 2010-02-17 2011-02-14 新型背景推定技術及びハイパースペクトル標的検出法 Active JP5925417B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/707,672 US8280111B2 (en) 2010-02-17 2010-02-17 Advanced background estimation technique and circuit for a hyper-spectral target detection method
US12/707,672 2010-02-17

Publications (3)

Publication Number Publication Date
JP2011169896A JP2011169896A (ja) 2011-09-01
JP2011169896A5 true JP2011169896A5 (ja) 2014-04-03
JP5925417B2 JP5925417B2 (ja) 2016-05-25

Family

ID=44218523

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011028033A Active JP5925417B2 (ja) 2010-02-17 2011-02-14 新型背景推定技術及びハイパースペクトル標的検出法

Country Status (4)

Country Link
US (1) US8280111B2 (ja)
EP (1) EP2365463A1 (ja)
JP (1) JP5925417B2 (ja)
CN (1) CN102194099B (ja)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750703B (zh) * 2012-06-27 2015-01-07 北京航空航天大学 一种基于直线分割的遥感图像机场自动检测方法
EP2693755A3 (en) * 2012-07-31 2015-09-09 Sony Mobile Communications AB New gamut control method for improving image performance of parallax barrier S3D display
GB2506688A (en) * 2012-10-08 2014-04-09 Bae Systems Plc Detection of a target in a scene using hyperspectral imaging
GB2506687B (en) 2012-10-08 2018-02-07 Bae Systems Plc Hyperspectral imaging of a moving scene
JP6248577B2 (ja) * 2013-11-26 2017-12-20 日本電気株式会社 スリット幅変更装置及び方法並びにスペクトル出力装置
CN104463897B (zh) * 2014-12-30 2017-11-10 电子科技大学 一种高光谱目标探测的方法
CN105067116B (zh) * 2015-07-15 2017-06-30 北京农业信息技术研究中心 一种画幅式成像光谱数据的拼接方法及系统
US10152802B2 (en) 2016-03-31 2018-12-11 Radiant Geospatial Solutions Llc Method and apparatus for imaging the silhouette of an object occluding a light source using a synthetic aperature
US11573124B2 (en) 2016-04-14 2023-02-07 National University Corporation Hokkaido University Computer storage medium, network system for distributing spectral camera control program and spectral image capturing method using spectral camera control device
MY193902A (en) 2016-04-14 2022-10-31 Univ Hokkaido Nat Univ Corp Spectral camera control device, spectral camera control program, spectral camera control system, aircraft equipped with said system, and spectral image capturing method
CN106056044B (zh) * 2016-05-19 2019-03-29 北京环境特性研究所 一种基于端元丰度反演的高光谱图像发射率光谱提取方法
CN106022286B (zh) * 2016-05-30 2017-05-31 中国石油大学(华东) 一种遥感景象的自动识别方法
CN106802283B (zh) * 2016-12-31 2018-11-30 华中科技大学 一种获取谱差异的方法及系统
KR101760474B1 (ko) 2017-03-31 2017-07-25 (주)아세아항측 중금속 함유토양 핫스팟 탐지를 위한 초분광 영상처리 진행방법
TWI624807B (zh) * 2017-09-27 2018-05-21 Taichung Veterans General Hosital 醫學影像之迭代式分析法
CN107977619B (zh) * 2017-11-28 2021-02-23 北京航空航天大学 一种基于集成学习约束能量最小化的高光谱目标检测方法
US10684216B2 (en) * 2018-03-30 2020-06-16 Konica Minolta Laboratory U.S.A., Inc. Multi-spectral gas quantification and differentiation method for optical gas imaging camera
CN109916839B (zh) * 2019-04-03 2021-03-02 中国矿业大学 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法
US11170218B2 (en) 2019-05-13 2021-11-09 Deere & Company Mobile work machine control system with terrain image analysis
CN112070098B (zh) * 2020-08-20 2024-02-09 西安理工大学 基于频率调整模型的高光谱图像显著目标检测方法
CN112268519B (zh) * 2020-09-27 2022-04-19 西北工业大学宁波研究院 基于dmd的光谱成像目标检测方法及系统
CN112287871B (zh) * 2020-11-12 2023-01-17 广东海洋大学 基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4150844B2 (ja) * 2001-07-05 2008-09-17 コニカミノルタビジネステクノロジーズ株式会社 画像処理装置および画像処理プログラム
US7366326B2 (en) * 2003-06-24 2008-04-29 University Of Maryland, Baltimore County Real-time implementation of field programmable gate arrays (FPGA) design in hyperspectral imaging
JP4623412B2 (ja) * 2004-06-29 2011-02-02 日本電気株式会社 端成分データベース構築方法、端成分データベース構築装置及び端成分データベース構築プログラム
US7792321B2 (en) * 2004-07-28 2010-09-07 The Aerospace Corporation Hypersensor-based anomaly resistant detection and identification (HARDI) system and method
JP4553297B2 (ja) * 2004-08-02 2010-09-29 株式会社リコー 画像処理装置
US7515084B1 (en) * 2007-03-22 2009-04-07 Hrl Laboratories, Llc Analog to digital converter using asynchronous pulse technology
JP2009276902A (ja) * 2008-05-13 2009-11-26 Toshiba Corp マルチスペクトル画像の処理装置、処理方法及び処理プログラム

Similar Documents

Publication Publication Date Title
JP2011169896A5 (ja)
CA2797238A1 (en) Microcalcification detection and classification in radiographic images
EP2636493A3 (en) Information processing apparatus and information processing method
JP2014016819A5 (ja)
JP2015035198A5 (ja)
WO2014080305A3 (en) Integrated phenotyping employing image texture features
JP2016532118A5 (ja)
WO2014201052A3 (en) Medical image processing method
JP2013045433A5 (ja)
EP2597596A3 (en) Spectral image dimensionality reduction system and method
TW201248554A (en) Method for object detection and apparatus using the same
Bankar et al. Plant disease detection techniques using canny edge detection & color histogram in image processing
JP2012133607A5 (ja)
JP2014007530A5 (ja) 画像処理装置および画像処理方法
WO2014176641A8 (en) Image clustering for estimation of illumination spectra
JP2014016820A5 (ja)
JP2013036973A5 (ja) 検量線作成方法、検量線作成装置、目的成分検量装置、およびコンピュータープログラム
JP2013161405A5 (ja) 被写体判定装置、被写体判定方法及びプログラム
JP2015106290A5 (ja)
ES2482415A1 (es) Procedimiento y sistema para determinar la frescura del pescado basado en el procedimiento de imágenes oculares, y programa de ordenador que implementa el procedimiento
Ehlers et al. Automated techniques for change detection using combined edge segment texture analysis, GIS, and 3D information
WO2013169951A3 (en) System and method of distributed procesing for machine-vision analysis
JP2011193438A5 (ja)
Kadilar et al. Hartley-Ross type estimators in simple random sampling
KR20110116841A (ko) 웨이블릿 변환을 이용한 적조 영상 분석 시스템