JP2014096138A - 背景を除外することによるスペクトルシーンの簡易化 - Google Patents

Abstract

【課題】背景を除外することによるスペクトルシーンの簡易化を提供する。
【解決手段】ハイパースペクトル画像から静止物体を除去する方法は、対象シーンの一連のハイパースペクトル画像を収集するステップ１４と、動いている物体または新しい物体を対象シーンの中に有していない少なくとも１つの第１のハイパースペクトル画像を決定するステップ２０と、少なくとも１つの第１のハイパースペクトル画像を選択するステップ２２と、動いている物体を対象シーンの中に有している少なくとも１つの第２のハイパースペクトル画像を決定するステップ１８と、背景除外ハイパースペクトル画像を生成するために、少なくとも１つの第２のハイパースペクトル画像から少なくとも１つの第１のハイパースペクトル画像を除外するステップと、を含む。
【選択図】図１

Description

本発明は、ハイパースペクトル画像から静止物体を除去する方法に関する。

ハイパースペクトル画像（ＨＳＩ）のためのリモートセンシングシステムの環境については、Manolakis, D.、Marden, D.およびShaw G.による「Hyperspectral Image Processing for Automatic Target Detection Applications」(Lincoln Laboratory Journal; Volume 14; 2003 pp. 79 - 82)に良好に記載されている。イメージングセンサは、ハイパースペクトルエネルギーの測定値を記録する複数の画素を有している。ＨＳＩデバイスは、複数の画素のアレイの幾何構造によって空間情報を捕獲し、かつ、多数の連続するハイパースペクトル帯域の個々の画素内で測定することによってスペクトル情報を捕獲する、該複数の画素のアレイ内のエネルギーを記録することができる。空間情報およびスペクトル情報のさらなる処理は、リモートセンシングシステムの特定の用途で決まる。

遠隔感知ＨＳＩは、環境および国土使用監視、軍事的監視および偵察を始めとする広範囲にわたる用途で価値があることを立証している。ＨＳＩは、空間情報およびスペクトル情報の両方を含んだ画像データを提供する。これらのタイプの情報は、遠隔検出および追跡タスクのために使用することができる。詳細には、無人航空機（ＵＡＶ）または静止地上局などのプラットフォーム上に取り付けられた一組の視覚センサが与えられると、ＨＳＩのビデオを得ることができ、また、一組のアルゴリズムをスペクトルビデオに適用して、フレーム毎に物体を検出し、かつ、フレーム毎に物体を追跡することができる。

米国特許第８０８１８２５号明細書

本発明の一態様は、少なくとも１つのハイパースペクトル画像から静止物体を除去する方法に関している。この方法は、対象シーンの一連のハイパースペクトル画像を収集するステップと、動いている物体または新しい物体を対象シーンの中に有していない少なくとも１つの第１のハイパースペクトル画像を決定するステップと、少なくとも１つの第１のハイパースペクトル画像を選択するステップと、動いている物体を対象シーンの中に有している少なくとも１つの第２のハイパースペクトル画像を決定するステップと、背景除外ハイパースペクトル画像を生成するために、少なくとも１つの第２のハイパースペクトル画像から少なくとも１つの第１のハイパースペクトル画像を除外するステップとを含む。

本発明の一実施形態による、背景を除外するために使用される、動いている物体を有していないシーンのハイパースペクトル画像を選択する方法の線図である。 本発明の一実施形態による、背景除外ハイパースペクトル画像を生成する方法の線図である。 本発明の一実施形態による、特徴除外ハイパースペクトル画像を生成する方法の線図である。 草深い地域によって取り囲まれた高速道路のシーンのハイパースペクトル画像を示す図である。 自動車が高速道路を縦走している図４のシーンのハイパースペクトル画像を示す図である。 本発明の一実施形態に従って高速道路および草深い地域が除去された図５のシーンの背景除外ハイパースペクトル画像を示す図である。 本発明の一実施形態に従って草深い地域が除去された図５のシーンの特徴除外ハイパースペクトル画像を示す図である。

背景技術および以下の説明では、本明細書において説明されている技術の完全な理解を提供するために、説明を目的とした多くの特定の詳細が示されている。しかしながら、これらの特定の詳細がなくてもこれらの例示的実施形態を実践することができることは当業者には明らかであろう。他の例では、構造およびデバイスは、これらの例示的実施形態の説明を容易にするために線図の形態で示されている。

これらの例示的実施形態は、図面を参照して説明されている。これらの図面には、本明細書において説明されているモジュール、方法またはコンピュータプログラム製品を実施する特定の実施形態の特定の詳細が示されている。しかしながら、これらの図面は、これらの図面に存在し得る何らかの制限を課すものとして解釈してはならない。これらの方法およびコンピュータプログラム製品は、それらの動作を達成するための任意の機械可読媒体上で提供することができる。これらの実施形態は、既存のコンピュータプロセッサを使用して実施することができ、もしくはこの目的または他の目的のために組み込まれる専用コンピュータプロセッサによって、あるいはハードワイヤードシステムによって実施することができる。

上で言及したように、本明細書において説明されている実施形態は、機械可読媒体を備えたコンピュータプログラム製品を含むことができ、機械可読媒体は、記憶された機械実行可能命令またはデータ構造をその上に担っている、つまり有している。このような機械可読媒体は、汎用コンピュータまたは専用コンピュータ、あるいはプロセッサを備えた他の機械によってアクセスすることができる任意の入手可能媒体であってもよい。一例として、このような機械可読媒体は、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、または他の光ディスク記憶装置、磁気ディスク記憶装置または他の磁気記憶デバイス、あるいは機械実行可能命令またはデータ構造の形態の所望のプログラムコードを担う、つまり記憶するために使用することができ、かつ、汎用コンピュータまたは専用コンピュータ、あるいはプロセッサを備えた他の機械によってアクセスすることができる任意の他の媒体を備えることができる。ネットワークまたは他の通信接続（ハードワイヤード、無線、またはハードワイヤードもしくは無線の組合せのいずれか）を介して機械に情報が転送すなわち提供されると、その機械は、適切にその接続を機械可読媒体として見なすことになる。したがって任意のこのような接続は、適切に、機械可読媒体と呼ばれている。また、上記の組合せは、機械可読媒体の範囲内に含まれる。機械実行可能命令は、例えば、汎用コンピュータ、専用コンピュータまたは専用処理機械が特定の機能または複数の機能のグループを実施することになる命令およびデータからなっている。

これらの実施形態は、一実施形態では、例えばネットワーク化された環境の機械によって実行されるプログラムモジュールの形態のプログラムコードなどの機械実行可能命令を含んだプログラム製品によって実施することができる方法ステップの一般的な文脈で説明される。通常、プログラムモジュールは、特定のタスクを実施し、あるいは特定の抽象データタイプを実施する技術的な効果を有するルーチン、プログラム、オブジェクト、構成要素、データ構造、等々を含む。機械実行可能命令、関連するデータ構造およびプログラムモジュールは、本明細書において開示されている方法のステップを実行するためのプログラムコードの例を表している。このような実行可能命令または関連するデータ構造の特定のシーケンスは、このようなステップで記述されている機能を実施するための対応する動作の例を表している。

これらの実施形態は、プロセッサを有する１つまたは複数の遠隔コンピュータへの論理接続を使用して、ネットワーク化された環境で実践することができる。これらの論理接続は、ここでは一例として提供されている非制限のローカルエリアネットワーク（ＬＡＮ）および広域ネットワーク（ＷＡＮ）を含むことができる。このようなネットワーク環境は、オフィス広域コンピュータネットワークまたは企業広域コンピュータネットワーク、イントラネットおよびインターネットではごくありふれており、広範囲にわたる異なる通信プロトコルを使用することができる。このようなネットワーク計算環境は、典型的には、パーソナルコンピュータ、ハンドヘルドデバイス、多重プロセッサシステム、マイクロプロセッサをベースとする家庭用電化製品またはプログラマブル家庭用電化製品、ネットワークＰＣ、ミニコンピュータ、本体コンピュータ、等々を始めとする多くのタイプのコンピュータシステム構成を包含することになることは当業者には理解されよう。

また、これらの実施形態は、通信ネットワークを介してリンクされる（ハードワイヤードリンク、無線リンクのいずれかによって、またはハードワイヤードリンクもしくは無線リンクの組合せによって）局所処理デバイスおよび遠隔処理デバイスによって複数のタスクが実施される分散計算環境で実践することも可能である。分散計算環境では、局所メモリ記憶装置および遠隔メモリ記憶装置の両方にプログラムモジュールを配置することができる。

これらの例示的実施形態のすべてまたは一部を実施するための一例示的システムは、処理装置、システムメモリ、およびシステムメモリを始めとする様々なシステム構成要素を処理装置に結合するシステムバスを含んだコンピュータの形態の汎用計算デバイスを含むことができる。システムメモリは、リードオンリメモリ（ＲＯＭ）およびランダムアクセスメモリ（ＲＡＭ）を含むことができる。また、コンピュータは、磁気ハードディスクから読み出し、かつ、磁気ハードディスクに書き込むための磁気ハードディスクドライブ、取外し可能磁気ディスクから読み出し、あるいは取外し可能磁気ディスクに書き込むための磁気ディスクドライブ、およびＣＤ−ＲＯＭまたは他の光媒体などの取外し可能光ディスクから読み出し、あるいは取外し可能光ディスクに書き込むための光ディスクドライブを含むことも可能である。これらのドライブおよびそれらの関連する機械可読媒体は、機械実行可能命令、データ構造、プログラムモジュールおよびコンピュータのための他のデータの不揮発性記憶を提供している。

これらの実施形態で開示されている方法の技術的効果には、不必要なハイパースペクトル特徴を含んだすべての画素を除去することによってハイパースペクトル画像の圧縮性が高くなることがある。したがって記録目的のために必要なデータの量および時間が低減される。それに加えて、この方法によれば、手動であれ、あるいは自動であれ、探索すべきデータのサイズが実質的に低減されるため、既存の検出方法の速度が改善される。さらに、この方法によればハイパースペクトル画像が改善され、これまでは検出されなかった物体および特徴を検出することが可能になる。

図１は、本発明の一実施形態による、背景を除外するために使用される、動いている物体を有していないシーンのハイパースペクトル画像を選択する方法１０の線図である。プロセス１２の開始時に、単一の画像またはハイパースペクトルビデオフィードを含むことができる遠隔感知ＨＳＩを、１４で、ＨＳＩを処理することができるプロセッサに入力することができる。

１４におけるプロセッサへのＨＳＩ入力は、対象シーンの一連のハイパースペクトル画像である。対象シーンは、静止カメラによって収集されるようなハイパースペクトル画像を収集している間、その全体にわたって画像化領域の空間範囲が一定を維持している画像化領域である。例えば対象シーンは、草深い地域によって取り囲まれた高速道路のセグメントの対象シーンであってもよい。個々のハイパースペクトル画像は、例えば高速道路を縦走している自動車、あるいは一日を通してレベルが変化する周辺光のように異なっていてもよいが、収集中のすべてのハイパースペクトル画像は、高速道路の同じセグメントのハイパースペクトル画像でなければならない。この例は、実例による説明を目的としたものにすぎず、限定するものと見なしてはならず、静止シーンの任意の一連のハイパースペクトル画像が関連していてもよいことに留意されたい。

動いている物体を対象シーンの中に有していない少なくとも１つのハイパースペクトル画像を決定するために、プロセッサは、１６で、収集された一連のハイパースペクトル画像を通して反復を開始することができる。連続的に収集されたハイパースペクトル画像毎に、プロセッサは、１８で、ハイパースペクトル画像が何らかの動いている物体または新しい物体を対象シーンの中に有しているかどうかを決定することができる。プロセッサが、動いている物体または新しい物体が対象シーンの中に存在していることを決定すると、プロセッサは、ループターミネータ３２およびループイタレータ１６の反復論理ステップを介して、一連のハイパースペクトル画像中の次のハイパースペクトル画像へ進行することができる。プロセッサが、２０で、動いている物体または新しい物体がハイパースペクトル画像の中に存在していないことを決定すると、プロセッサは、２２で、対象シーンの背景としてそのハイパースペクトル画像を選択することができる。

本発明の方法によれば、２４で、実施態様に応じて、ハイパースペクトル画像に対象シーンの背景を表現させるか、あるいは一組のハイパースペクトル画像に対象シーンの背景を表現させることができる。プロセッサが、２６で、対象シーンの背景を表現するために単一のハイパースペクトル画像を指定すると、プロセッサは、単一の選択されたハイパースペクトル画像をデータベース４６に記憶することができ、４８で背景選択プロセスが終了する。プロセッサが、３０で、対象シーンの背景を表現するために複数のハイパースペクトル画像を指定すると、プロセッサは、ループターミネータ３２およびループイタレータ１６の反復論理ステップを介して、その一組のハイパースペクトル画像を通して反復を継続することができる。

プロセッサが、３２で、対象シーンのその一連のハイパースペクトル画像を通して完全に反復すると、プロセッサは、対象シーンの背景を表現するために複数のハイパースペクトル画像が指定されているかどうかを決定することができる。プロセッサが、３６で、対象シーンの背景を表現するために複数のハイパースペクトル画像を指定している場合、プロセッサは、データベース４６に記憶される単一の背景画像を生成するために、３８で複数のハイパースペクトル画像を平均することができ、４８で背景選択プロセスが終了する。プロセッサが、５０で、対象シーンの背景を表現するために複数のハイパースペクトル画像を指定していない場合、次に、プロセッサが、４０で、対象シーンの背景を表現するために単一のハイパースペクトル画像を指定していると、プロセッサは、４２でデータベース４６にその単一のハイパースペクトル画像を記憶する。次に、プロセッサは、４８でプロセスを終了する。プロセッサが、４０で、対象シーンの背景を表現するためにハイパースペクトル画像を全く指定していない場合、プロセッサは、４４で、動いている物体を有していない対象シーンの少なくとも１つのハイパースペクトル画像を選択するプロセスを再開するために、１４で新しい一連のハイパースペクトル画像を収集することができる。

プロセッサは、１８で、ユーザによる手動介在を使用して、あるいは自動的に、対象シーンのハイパースペクトル画像が動いている対象または新しい対象を含んでいるかどうかを決定することができる。本発明の一実施形態によれば、プロセッサは、１８で、初期動作状態の間、一連のハイパースペクトル画像をユーザに表示することができる。ユーザは、２２で、対象シーンの背景画像として少なくとも１つのハイパースペクトル画像を選択することができる。別法としては、プロセッサは、１８で、現在のハイパースペクトル画像に適用されている一組の基準に基づいて、２２で対象シーンの背景画像として少なくとも１つのハイパースペクトル画像を自動的に選択することも可能である。この基準は、ハイパースペクトル画像の空間特性またはスペクトル特性に基づくことができ、また、現在のハイパースペクトル画像と既に収集済みのＨＳＩとの比較を使用することができる。

動いている物体または新しい物体を有していない対象シーンの背景を表現するためにハイパースペクトル画像を決定し、選択し、かつ、記憶すると、プロセッサは、次に、対象シーンのハイパースペクトル画像から背景を除去することができる。図２は、本発明の一実施形態による、背景除外ハイパースペクトル画像を生成する方法１００の線図である。プロセス１１２の開始時に、単一の画像またはハイパースペクトルビデオフィードを含むことができる遠隔感知ＨＳＩを、１１４で、ＨＳＩを処理することができるプロセッサに入力することができる。遠隔感知ＨＳＩは、図１の１４からの同じ一連のハイパースペクトル画像であっても、あるいは同じ対象シーンの新しい一連のハイパースペクトル画像であってもよい。プロセッサは、１１６で、収集された一連のハイパースペクトル画像を通して反復を開始することができる。

１１８でプロセッサは、背景除外ハイパースペクトル画像を生成するために、現在のハイパースペクトル画像から、４６でデータベースに記憶された対象シーンの背景画像を除外することができる。この除外は、背景画像の画素特徴がハイパースペクトル画像の対応する画素の特徴から除外される単純な画素除外であってもよいが、実施態様に応じて他の除外方法を使用することも可能である。例えばプロセッサは、背景画像画素の特徴とハイパースペクトル画像の対応する画素の特徴の間の絶対差が所定の閾値未満である場合、結果として得られる画素値をゼロに設定することにより、１１８で除外を実施することができる。所定の閾値の一例では、ハイパースペクトル特徴のすべての値は、背景画像の画素の特徴の対応する値の５％以内でなければならない。実施態様に応じて他の閾値を使用することも可能である。

次に、４６で背景除外ハイパースペクトル画像をデータベースに記憶することができ、あるいはユーザに表示することができる。次に、プロセッサは、１２０および１１６の反復論理を介して、１２２でプロセスが終了するまでその一連のハイパースペクトル画像を通してループすることができる。

４６でデータベースに記憶される背景除外ハイパースペクトル画像のフォーマットは、元のハイパースペクトル画像の実質的に圧縮されたバージョンを表している。従来のカラー画像における個々のＲＧＢ画素が３つの値を含んでいるやり方と同様、ハイパースペクトル画像における個々の画素もスペクトル帯域毎に１つずつＮ個の値を含んでおり、Ｎは３よりはるかに大きい。対象シーンの中の動いている物体または新しい物体の画素のみを保管することにより、データベース４６に保管される画素の数を劇的に低減することができ、その一方ですべてのスペクトル帯域のＮ個の値を保存することができる。例えば２０の帯域を有する６４０×４８０画素のハイパースペクトル画像は、データベース４６に完全に記憶するためには６，１４４，０００個の固有の数値が必要である。シーンの中の動いている物体または新しい物体に対して３００個の画素しか決定されない場合、プロセッサに必要であるのは、３００^*２０＝６０００個の数値および合計６，６００個の値の対応する二次元画素座標をデータベース４６に記憶することである。

本発明の一実施形態では、単一の対象シーンのいくつかの異なる背景画像が、背景画像を決定する方法１０の複数の実例を通してデータベース４６に記憶され、かつ、分類される。データベース４６内の対象シーンの個々の背景画像は、対象シーンの照度によって分類される。これらの分類の例は、朝、真昼、日なた、夕方、夜、部分的に曇りおよび完全に曇りなどの昼間の状態を表すことができる。プロセッサが１１８で背景除外画像を生成する場合、プロセッサは、ハイパースペクトル画像の属性を特性化するか、あるいは背景画像の収集時間とシーンのハイパースペクトル画像を比較することによって、データベース４６から検索すべき背景画像を決定することができる。

図３は、本発明の一実施形態による、特徴除外ハイパースペクトル画像を生成する方法２００の線図である。プロセス２１２の開始時に、ハイパースペクトル画像の画素を処理することができるプロセッサにハイパースペクトル画像およびハイパースペクトル特徴を入力することができる。ハイパースペクトル画像は、図１の１４からの一連のハイパースペクトル画像の１つであってもよいが、ハイパースペクトル画像源は実施態様によって様々であってもよい。

ハイパースペクトル画像から除去すべきハイパースペクトル特徴源は、特徴のデータベースまたはハイパースペクトル画像自体からの特徴であってもよい。ハイパースペクトル特徴のデータベースは、この方法２００のユーザにとって重要な天然物体または人工物体の特徴を含むことができる。さらに、ユーザは、データベース内の物体の既知の特徴を組み合わせることにより、除外のための追加特徴を生成するべく選択することができる。例えばユーザは、それぞれ異なる重みを有する複数の特徴を組み合わせることにより、除外のための特徴を生成することができる。他の例では、ユーザは、第１の特徴から一組のスペクトル帯域を選択し、かつ、第２の特徴から異なる一組のスペクトル帯域を選択することにより、除外のための特徴を生成することができる。さらに他の例では、プロセッサは、選択された特徴に変換を適用し、太陽光、月光またはヘッドライトなどの変化する照度状態の下で物体の特徴を模擬することにより、一組の関連する特徴を生成することができる。

プロセッサは、２１４で、ハイパースペクトル画像の画素を通して反復を開始することができる。プロセッサは、ハイパースペクトル画像の画素の特徴を選択されたハイパースペクトル特徴と比較し、それにより２１６で不同性測度を決定し、また、２１８で不同性測度の値を所定の閾値と比較することによって整合を決定することができる。不同性測度は、２つのベクトル間の数学的距離を決定するための計量である。例えばプロセッサは、ハイパースペクトル画像の画素の特徴と選択されたハイパースペクトル特徴の間の絶対差の合計が所定の閾値未満である場合、計算するために、マンハッタン距離すなわちｌ₁ノルムを使用して整合を決定することができる。

プロセッサは、他の不同性測度を計算することができる。不同性測度の１つの等級はノルムに基づいており、また、２つのベクトル間の距離の直接計算である。マンハッタン距離以外に、プロセッサは、ハイパースペクトル画像の画素の特徴と選択されたハイパースペクトル特徴の間の差の二乗の合計の平方根が所定の閾値未満である場合、整合を決定するために、ｌ₂ノルムとしても知られているユークリッド距離から不同性測度を計算することができる。ノルムに基づく不同性測度の他の例では、プロセッサは、ハイパースペクトル画像の画素の特徴と選択されたハイパースペクトル特徴の間の最大絶対差が所定の閾値未満である場合、整合を決定するために、ｌ∞ノルムとしても知られているチェビシェフ距離を計算することができる。

不同性測度の他の等級は、画像中の候補対象の統計的特性を利用するために開発されている。例えばマハラノビス距離は、ハイパースペクトル画素特徴に適用されている類似性の統計的測度である。マハラノビス距離は、特徴を既知の等級の特徴の平均偏差および標準偏差に対して試験することによって特徴の類似性を測定する。測度の統計的性質のため、マハラノビス距離の計算には、ノルムに基づく計算のために使用されている単一の特徴の比較の代わりに、複数の組の特徴の比較が必要である。

他の知られている技法には、Ｓｐｅｃｔｒａｌ Ａｎｇｌｅ Ｍａｐｐｅｒ（ＳＡＭ）、Ｓｐｅｃｔｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｄｉｖｅｒｇｅｎｃｅ（ＳＩＤ）、Ｚｅｒｏ Ｍｅａｎ Ｄｉｆｆｅｒｅｎｔｉａｌ Ａｒｅａ（ＺＭＤＡ）およびバタチャリヤ距離がある。ＳＡＭは、個々のスペクトルをベクトルとして処理し、かつ、これらのベクトル間の角度を計算することによって特徴を既知の特徴と比較するための方法である。ＳＡＭは、ベクトルの方向のみを使用し、ベクトルの長さは使用しないため、この方法は、照度の変化に対して鈍感である。ＳＩＤは、スペクトル間の確率的矛盾または発散を測定することによって候補対象の特徴を既知の特徴と比較するための方法である。ＺＭＤＡは、特徴の分散によってこれらの特徴を正規化し、かつ、２つのベクトル間の面積に対応するそれらの差を計算する。バタチャリヤ距離は、マハラノビス距離と類似しているが、一組の候補対象の特徴と既知の等級の特徴の間の距離を測定するために使用される。

不同性測度を計算すると、プロセッサは、整合を決定するために不同性測度の値を所定の閾値と比較することができる。所定の閾値の一例では、選択された特徴のすべての値は、ハイパースペクトル画像の画素の特徴の対応する値の５％以内でなければならない。実施態様に応じて他の閾値を使用することも可能である。

２２０で特徴が整合しない場合、プロセッサは、ループ論理ターミネータ２２６およびイタレータ２１４を介して、ハイパースペクトル画像中の次の画素に対して反復することができる。２２２で特徴が整合すると、２２４でその画素の値をゼロに設定することによってハイパースペクトル画像中の画素を削除することができ、プロセッサは、次に、ループ論理ターミネータ２２６およびイタレータ２１４を介して、ハイパースペクトル画像の残りの画素を通した反復へ進行することができる。プロセッサが、ハイパースペクトル画像中のすべての画素を通して反復すると、２２８でプロセスが終了し、その時点で特徴除外ハイパースペクトル画像をデータベースに記憶することができ、あるいはユーザはディスプレイ上でその画像を見ることができる。

方法２００を反復することにより、ハイパースペクトル画像のために選択された追加特徴を除去することができる。さらに、このプロセスは、一連のハイパースペクトル画像に対して反復することができる。プロセッサは、これらのステップを自動的に実施するように、あるいはディスプレイを介して中間結果をユーザに表示し、かつ、グラフィカルユーザインタフェースを介して、除外すべき物体の特徴に関する命令を受け取ることによって手動で実施するように構成することができる。この方法の一実施態様では、プロセッサは、背景画像を表すすべての特徴を除去し、動いている物体または新しい物体の特徴に相関する画像のみを残す。

一例として図４〜７は、本発明の一実施形態を立証したものである。図４は、草深い地域によって取り囲まれた高速道路のシーン３００のハイパースペクトル画像を示したものである。この画像には、高速道路３１０、塔３１２、木３１４、人工インフラストラクチャ３１６および草深い地域３２０が示されている。プロセッサは、図１の１８で、動いている物体を有していない画像としてハイパースペクトル画像を識別することができ、かつ、識別したハイパースペクトル画像を対象シーンの背景画像としてデータベース４６に記憶することができる。

図５は、図４のシーンのハイパースペクトル画像４００を示したもので、自動車４１０が高速道路３１０を縦走している。プロセッサは、１８で、動いている物体を有する画像としてこの画像を識別することができる。このシーンの画像４００は、図２の背景を除外する方法１００の候補である。

図６は、図５のシーンから背景除外ハイパースペクトル画像５００を示したもので、本発明の一実施形態に従って高速道路および草深い地域が除去されている。プロセッサは、図２のデータベース４６から、図４の背景画像３００を検索することができる。プロセッサは、図５のシーンのハイパースペクトル画像４００から図４の背景画像３００を除外する。残される画像の要素は自動車４１０のみである。３００の動いていない物体はすべて削除され、空き空間５１０が残される。図に示されている高速道路の輪郭は参考にすぎず、実際の画像５００には存在しない。

図７は、図５のシーンから特徴除外ハイパースペクトル画像６００を示したもので、本発明の一実施形態に従って図４の草深い地域３２０が除去されている。プロセッサは、結果として得られた特徴除外画像６００中に空き空間６２０の広い領域を生成するために、図３の特徴除外方法２００を使用して図４の草深い地域３２０の特徴を除去している。高速道路３１０、木３１４および人工インフラストラクチャ３１６の特徴を始めとする除去のための他の候補特徴を識別することも可能である。

図６の背景除外画像５００の例および図７の特徴除外画像６００の例は、本発明の方法がハイパースペクトル画像中の動いている物体の検出可能性を劇的に改善することができることを立証している。さらに、既に説明したデータ圧縮のレベルは、とりわけ自動車４１０のみが残されている図６で目で見て明らかである。

本明細書には、最良のモードを含む、本発明を開示するための例が使用されており、また、任意のデバイスまたはシステムの構築および使用、ならびに組み込まれている任意の方法の実施を含む、すべての当業者による本発明の実践を可能にするための例が使用されている。本発明の特許可能な範囲は、特許請求の範囲によって定義されており、当業者に思い浮ぶ他の例を含むことができる。このような他の例には、それらが特許請求の範囲の文字言語と同じ構造要素を有している場合であっても、あるいはそれらが特許請求の範囲の文字言語とは非現実的に異なる等価構造要素を含んでいる場合であっても、特許請求の範囲に包含されることが意図されている。

１０ 背景画像指定方法
１２、１１２、２１２ プロセスの開始
１４、１１４ ハイパースペクトル画像入力
１６ ループイタレータ
１８ 対象シーンのハイパースペクトル画像が動いている対象または新しい対象を含んでいるかどうか決定する
２０ 対象シーンのハイパースペクトル画像が動いている対象または新しい対象を含んでいないことを決定する
２２ ハイパースペクトル画像を背景画像として選択する
２４ 複数の背景画像が許容されているか？
２６ いいえ、単一の背景画像のみ
２８ はい、移動している物体が存在する
３０ はい、複数の背景画像が許容されている
３２、１２０、２２６ ループターミネータ
３４ 対象シーンの背景を表現するために複数のハイパースペクトル画像が指定されているかどうか決定する
３６ はい、対象シーンの背景を表現するために複数のハイパースペクトル画像が指定されている
３８ 複数のハイパースペクトル画像を平均する
４０ 単一の画像が指定されているか？
４２ はい、単一の背景画像
４４ 背景画像は指定されていない
４６ データベース
４８、１２２、２２８ プロセスの終了
５０ いいえ、複数のハイパースペクトル画像は指定されていない
１００ 背景除外方法
１１６ 収集された一連のハイパースペクトル画像を通して反復する
１１８ 対象シーンの背景画像を除外する
２００ スペクトル物体除外方法
２１４ 画像を通してループする
２１６ 探索特徴と画素特徴を比較するために不同性の値を決定する
２１８ 特徴が整合しているか？
２２０ いいえ
２２２ はい
２２４ 画素を削除する
３００ 背景画像として使用されるシーンのハイパースペクトル画像
３１０ 高速道路
３１２ 塔
３１４ 木
３１６ 人工インフラストラクチャ
３２０ 草深い地域
４００ シーンのハイパースペクトル画像
４１０ 自動車
５００ 背景除外ハイパースペクトル画像
５１０ 背景が除去された空間
６００ 特徴除外ハイパースペクトル画像
６２０ 特徴が除去された空間

Claims (9)

1. 少なくとも１つのハイパースペクトル画像から静止物体を除去する方法であって、
   対象シーンの一連のハイパースペクトル画像を収集するステップと、
   動いている物体を前記対象シーンの中に有していない少なくとも１つの第１のハイパースペクトル画像を決定するステップと、
   前記少なくとも１つの第１のハイパースペクトル画像を選択するステップと、
   動いている物体を前記対象シーンの中に有している少なくとも１つの第２のハイパースペクトル画像を決定するステップと、
   背景除外ハイパースペクトル画像を生成するために、前記少なくとも１つの第２のハイパースペクトル画像から前記少なくとも１つの第１のハイパースペクトル画像を除外するステップと
   を含む方法。
2. 前記背景除外ハイパースペクトル画像を表示するステップをさらに含む、請求項１記載の方法。
3. 前記背景除外ハイパースペクトル画像を記憶するステップをさらに含む、請求項１記載の方法。
4. 前記除外するステップにおいて、前記少なくとも１つの第１のハイパースペクトル画像の平均特徴と前記少なくとも１つの第２のハイパースペクトル画像の特徴の絶対差が所定の閾値未満である場合、前記差の値がゼロに設定される、請求項１記載の方法。
5. 前記対象シーンの照度の差を考慮するために、前記少なくとも１つの第１のハイパースペクトル画像および前記少なくとも１つの第２のハイパースペクトル画像を較正するステップをさらに含む、請求項１記載の方法。
6. 前記決定するステップおよび選択するステップが手動で実施される、請求項１記載の方法。
7. 前記決定するステップおよび選択するステップが自動的に実施される、請求項１記載の方法。
8. 前記選択するステップが、少なくとも２つの第１のハイパースペクトル画像を選択するステップ、および前記少なくとも２つの第１のハイパースペクトル画像の特徴を平均化するステップをさらに含む、請求項１記載の方法。
9. 動いている物体を前記対象シーンの中に有していない前記少なくとも１つの第１のハイパースペクトル画像を決定する前記ステップが、前記少なくとも１つの第１のハイパースペクトル画像を対象シーンの前記一連のハイパースペクトル画像と比較することによって実施される、請求項１記載の方法。