JP2014100099A - 森林情報管理装置 - Google Patents

Abstract

【課題】人工衛星または航空機等において、上空から撮影したマルチスペクトル画像から、樹木の個別の位置を緯度経度情報を用いて認識管理することができる森林情報管理装置を提供する。
【解決手段】森林情報管理装置において、オルソ画像の多スペクトルマルチスペクトル画像より得た樹種を含む属性データにより、樹冠領域を属性ごとに分類し、当該分類した画像に対して当該オルソ画像のパンクロ画像を局所的にヒストグラムを平準化する操作をした上で、日射方向と撮影方向に対応した樹木のシェーディングモデルとの相関演算で樹冠を検出し、個別の樹木の位置を緯度と経度を用いて求め、樹冠の大きさを求め、樹種を求め、森林情報として記憶する。
【選択図】図１

Description

本発明は、森林の樹木を認識し管理する装置に関する。特に、人工衛星または航空機等において上空から撮影したマルチスペクトル画像を利用してする装置に関し、樹木の個別の位置を緯度経度情報を用いて認識管理することにより、異なった情報源を統合し信頼性の高い森林情報を維持管理する装置に関する。

従来、森林に関する情報として下記の（１）〜（５）に概説する森林基本図、森林計画図、森林簿、林班図（施業実施計画図）、小班図があり、広く利用されてきた。またこれらは森林GISの基準情報となるものであった。
（１）森林基本図
地形と森林の境界（林班界）を表す地図である。森林の維持管理を行う基本的な資料として用いられ、等高線、山間部の集落や道路など、土地の利用状況も記入された地形図である。
（２）森林計画図
民有林の区域に加え、森林簿の区域を示す森林境界を記載し、個人の財産特定の資料となる。また、森林計画図区域内で伐採する場合は、森林法に基づく「伐採及び伐採後の造林の届出（各市町村役場へ提出）」が、開発を行う場合は同法に基づく「林地開発許可（森林整備課所管）」が、必要となる。

（３）森林簿
山を植林した林班に区切り、それぞれ所有者、樹種、林齢、面積などを記録した台帳であるが、森林計画樹立の支援などを目的として作られている資料で、空中写真や聞き取りによる間接調査により作成していることが多く、現地での実測や確認は行われていない。
（４）林班図
森林の位置と施業の便を考え、字界・稜線等を境界として、各市町村ごとに設定した森林区間の単位を記載した図面であり、生活歩道、林道の始点終点が記載されている。
（５）小班図
林班を細分化したもので、 樹種や林齢（木の年齢）によって、区分けしている。上記（１）〜（５）の中で最も詳細に森林情報を記載するものであり、図２に林小班図と最小区分である林小班枝番図を例示する。
ここで注目すべきことは、最小区分である林小班枝番図においても樹木を個別に認識管理していないことで、これら（１）〜（５）をデータベース化しているGISでも樹木の個別認識管理は行なわれていない。

森林情報管理に関する従来技術を特許技術文献と非特許技術文献により述べる。
特許文献１は「森林情報システム」といい、その方法は、森林地域を上空から撮影したカラー画像を用いて森林地域の樹種の分布を求める森林情報処理システムであり、カラー画像を白黒画像に変換して明暗の傾斜情報から樹冠形状を求めて樹冠形状画像を作成する樹冠形状画像作成手段と、樹冠形状画像の樹冠部分に対応するカラー画像部分の波長スペクトルを求め、予め求めておいた樹種ごとの波長スペクトルを参照し、樹冠部分の樹種を特定する樹種特定手段を有する森林情報処理システムである。
この技術の特徴は、以下明細書によれば、

（１） 樹冠の盛り上がりに応じて樹冠の頂点部分では輝度が最も高く且つこの頂点部では輝度変化が最も小さい。樹冠の周辺部に向かうにしたがって輝度が低下し、隣接する樹冠の境界部分で最も輝度が低くなる、このような樹冠の丸みに伴う輝度の変化を利用し、所謂ウォーターシェッド・アルゴリズム（watershed algorithm）という、輝度の変化（グラディエント（gradient））が最も小さい部分の中心にマーカを設定し、輝度の変化（グラディエント）に沿って夫々の樹冠の頂点に初期設定したマーカを四方に成長させて、隣接する樹冠のマーカとぶつかった個所を樹冠の境界線として定める。輝度変化（グラディエント）が小さい樹冠頂部を出発点として輝度変化に沿って領域を成長させることにより樹冠形状を抽出する。

（2） 続いて、樹冠形状画像とコンピュータに入力されたオリジナルのカラー画像を重畳してスペクトル分析を行って樹種を求める。
というものであり、明暗に対して微分演算の一種であるグラディエントを用いていることに限定されており、明暗の単峰性により樹冠を抽出しているため、ノイズ成分に弱く、樹冠が閉じていない針葉樹林に用途が限定される。さらに樹種の分類については特に新規性はないが、抽出した樹冠に対する分類に用いているので、樹種の相違を利用して樹木境界を抽出することが出来ず、広葉樹林、混淆林への適用性に限界がある。
本特許との最大の相違点は、個別の樹木を絶対的位置情報により識別管理することは行なっていないことである。

特許文献２は「樹木本数算定方法及び樹木本数算定装置」といい、この方法は森林を上空から撮影した画像データと森林の地理的情報から森林に含まれる樹木の本数を樹種別に算定する樹木本数算定方法であり、画像データから各樹頂点と各樹冠を抽出し、樹冠の日向部の分光反射特性から樹種を分類し、 樹頂点別樹種分類画像データを得てさらに、当該領域に含まれる樹木の本数を樹種別に算定する方法である。樹木の本数の出発となる樹冠の抽出精度は明細書によれば、「樹冠の抽出は、樹冠の縁部(樹冠縁という)が樹冠部分よりも暗いことを利用して行うものであり、これは、公知のブァレイフォローイング・アルゴリズム(Va11ey fo11owing a1gorithm)と自動マスク処理によって可能となる。また、各樹冠が抽出されることにより、抽出された各樹冠に対応する画素を積算することによって、各樹冠の面積を求めることができる。」とあり、公知のVa11ey fo11owing a1gorithmに依存する。
さらに、特許文献２は個別の樹木を絶対的位置情報により識別管理することは行なっていない。

樹冠抽出に特許文献１はWatershed Algorithmを用い、特許文献２はVa11ey fo11owing a1gorithmを用いているが、この２つのアルゴリズムの精度を実地検証したのが非特許文献３である。図４に実地検証結果のコピーを示すが、樹冠の検出誤差は針葉樹に対してWatershed Algorithmは＋１０〜＋１５％、Va11ey
fo11owing a1gorithmは−５％〜−２０％の誤差があり、広葉樹に対してWatershed Algorithmは−１８％、Va11ey
fo11owing a1gorithmは＋５％の誤差がある。図３は日本の広葉樹林での樹冠例であるが、（１）樹冠認識１における樹冠１ 122が正解であるが、アルゴリズム上では（２）樹冠認識２の樹冠2-1〜3 123〜5あるいは（３）樹冠認識３のように複数にご認識される。

特許文献４は「画像クラスタ分析装置」といい、上空から撮影した地表のマルチスペクトル画像から森林樹種を認識し選別する装置に関し、識別能力を向上させるために教師なしクラスタ分析技術を導入し、さらに地上計測装置を用いて対応する樹種が不明なマルチスペクトルデータに対する樹種を確定する技術であり、その対応付けに個別樹木の絶対位置として緯度経度を用いている。 特許文献４は本発明の特許と同一の発明者による特許であり、樹種を高精度に絶対的位置情報により識別している。本発明は特許文献４の隣接技術として個別の樹木を絶対的位置情報により識別管理するものであり、マルチスペクトル画像領域分類処理 138に関する記述は特許文献４を踏襲している。

非特許文献５の方法は、８バンドのマルチスペクトル衛星画像を使用して10種類の樹木を識別する研究の論文であり、基準となるスペクトルを各樹種ごとに測定しておき、森林のスペクトルと比較することにより、森林を樹種別に識別する技術である。教師つきクラスタ分析に分類される。しかしながら、個別の樹木を絶対的位置情報により識別管理することは行なっていない。

特許第4484183号 特許第4858793号 Comparison of Indivisual Tree Crown Detection and Deliniation Method,Yinghai Ke, Lindi J. Quackenbush, Environmental Resources and ForestEngineering, State University of New York College of Environmental Science andForestry, ASPRS 2008 Annual Conference Portland, Oregon April 28 - May 2,2008 特願2012-239685号 Commercial Timber Tree SpeciesIdentification Using Multispectral WorldView-2 Data, HamdanOmar, DigitalGlobe 8-Band Research Challenge

従来行なわれていた森林情報管理には、下記の第一から第五に述べる欠陥があり、５00ha程度以下の林業経営課題に対応していない。すなわち、
第一に、林業経営は長伐期化、複相林化に対応することが求められているが、樹木の個別情報が必要で、従来の基本情報（森林基本図、森林計画図、森林簿、林班図、小班図）による管理は領域ごとの皆伐を前提としており対応出来ない。
第二に、林業機械を導入した道端林業が近年導入されているが、従来の基本情報より細かい樹木単位の個別情報が必要で、従来の基本情報では対応しきれない。

第三に、従来の森林情報管理は基本情報（森林基本図、森林計画図、森林簿、林班図、小班図）が領域をあらわす図形情報であるため、図形情報を中核にシステム化せざるを得ないためＧＩＳを用いることとなる。ＧＩＳは図形とリレーショナルデータベースを統合した高度なテ゛ータヘ゛ースであるため情報保守が容易でない。
第四に林業経営者にとっての経営的関心は資産としての森林資産保全管理であり、資産の正確な把握には樹木の個別情報が必要である。従来の基本情報はあまりに希薄であり、500haという比較的大きい林業経営者であっても、1/5000の図面では４５ｃｍｘ４５ｃｍの範囲にすべておさまり、20〜50万本の樹木を管理することは出来ない。また、従来の樹木個別認識技術は誤差が大きく、そのままでは位置基準による認識管理に耐えられない。

第五に、複相林による林業経営があり、日本の森林は本来樹種が多様であり、これを利用して収益性の高い山の幸を管理して事業化しようとすると従来の基本情報では情報が不十分で対応出来ない。
以上の全ての課題は樹木を高い精度で個別に認識して情報管理できないことに起因している。

本発明では、森林情報管理を個別の樹木単位で実施することにより、上記課題を根本から解決した。樹木を個別管理する方法は緯度経度による方法が汎用的基準であること、GPS等測定系の情報を直接利用できるので最適な解決策である。しかしながら、緯度経度で樹木を個別管理するためには下記の課題が全て解決されていなくてはならない。
（１）位置精度(緯度経度)の高い歪のない高分解能画像が得られる。
（２）樹木の個別認識を高精度で行なう手段が構築されていること。画像のみからの樹木位置計測には一定程度の誤差があるが、この誤差を減らすアルゴリズムを実用化することと、誤差解消の補完的目的で、現場での位置精度の高い移動計測手段が得られること。
（３）画像より樹木の絶対位置を精密に実用的な演算量で計出できるアルゴリズムが存在すること。
（４）画像より樹木の絶対位置に対応した樹種を実用的な演算量で特定できる高分解能画像マルチスペクトル画像とアルゴリズムが存在する。
（１）〜（４）でいう位置精度は、樹木を個別に特定する目的であるから最低限樹木間隔の1/2ということになる。通常、植林は１ｈａあたり1600本行い、間伐を行なって最終的に１ｈａあたり400本とするから、6.25m2/本となり、最低位置要求精度は1.8mということになる。

本発明では、新手段により（１）〜（４）を全て実現し解決した。
第一に、画像として高分解能多バンドマルチスペクトル画像を用いた。画像全体の視差などの特性が一様であることから衛星画像を使用する。とくに緯度経度精度が高いこと、画像サイズが大きいのでオルソ画像の精度を広範囲に得られる利点がある。商業衛星画像で、パンクロ５０ｃｍ、マルチスペクトル１．６ｍが得られる状態になったので、最低位置要求精度を全画面領域で満足できるようになった。また画像全体で画像特性が均一で、スペクトルバンド数が多いことは（４）（５）のアルゴリズムの高度化と最適化が可能となる。ここでは、入手の容易さで高分解能多バンドマルチスペクトル画像を用いたが、航空機搭載センサでもよい。

第二に、（１）で位置精度の高い画像情報が得られた場合でも、画像だけで得られる従来方式の樹冠情報は精度が不足することが判明している。新方式で精度を向上するほか、現場で補足情報、修正情報を得る手段を用意する。この場合、（１）と同一位置精度以上で現場での情報収集を効率よく行なわなくてはならない。この目的でDGPSを用いて１ｍ以下の精度で高速計測可能とし、移動端末を（１）（３）（４）の処理と連動して運用できるようにした。
第三に、画像より樹木の絶対位置を計出するために、第一の手段と第二の手段に加えて
画像のパンクロ情報（パンクロ画像）に対して情報量（エントロピー）を最大化させる局所的なヒストグラム平準化フィルタで全画像をスキャンして樹冠を強調したうえで撮影方向と日射方向を反映させた樹冠シェーディングモデルと相関演算をさせて樹冠検出し、画像内の画素座標より樹木位置を緯度経度で表現する。この方式は画像情報を樹冠認識の目的で最大限有効に使い、さらに従来の微分系の演算ではなく積分系の演算であるためノイズに強い特徴があり、識別能力が向上する。

第四に、森林の樹木を個別に緯度経度による位置情報で識別管理できるようになると、林班図のような領域管理と本質的に異なり、「木は歩かないし、急には変わらない」性質を生かして個別の樹木に対する情報蓄積が可能となり、下記（１）（２）（３）の利点が発生する。
（１）緯度経度基準による時間的情報蓄積
樹冠から樹木位置を１００％の確度で求めることは一般に困難で、特に広葉樹では困難さが高くなる。しかし、間伐直後は樹冠が開き、識別しやすくなるほか、広葉樹は季節的変化があるので、絶対位置で個別に樹木を管理すれば、経時的に情報を蓄積することが可能となり、情報品質が向上する。

（２）緯度経度基準による現場情報蓄積
森林のマクロな情報源として高分解能マルチスペクトル画像から画像処理技術により情報を抽出し、DGPSにより得たミクロな現場情報を緯度経度で管理し統合し蓄積することが出来る。
（３）個別認識による統計的経年変化把握
樹木の生長量を測定する場合、樹木の全数計測は事実上不可能であるため統計的な推定を行なう必要があるが、胸高直径をサンプリング計測する樹木は毎年同一である必要がある。統計処理を行なう場合、サンプルを絶対位置で特定できることにより統計量の精度が上がる

第五に、特許文献４ 特願2012-239685号による方法を適用して、森林の高分解能マルチスペクトル画像を用いて樹種を緯度経度座標で高精度で特定し、樹冠情報と合わせて個別樹木の緯度経度情報を得るようにした。すなわち、従来行なわれていた「教師つきクラスタ分析」の以下（１）〜（４）の欠陥を解決するために新方式の「教師なしクラスタ分析」を導入した。
（１）教師つきクラスタ分析では、比較の基準となる樹種等の対象物のスペクトルをあらかじめ定める必要がある。対象物のサンプルを採集してスペクトル分布を事前に計測して基準スペクトル分布とする場合は、実画像と異なった環境で基準スペクトル分布を計測しているため、実画像との比較にノイズ成分が発生して識別能力が低下する。また、実画像の中から対象物の画像領域を複数点選択し、統計処理を行なって基準スペクトル分布とする場合には、対象画像の中から基準スペクトルを採取する過程で本来の対象物でないスペクトル分布を取り込むことが避けられず識別能力が低下する。

（２）複数の植生が混淆している森林ではスペクトル分布の混入が起こり識別能力が低下する。特に竹林が森林に侵入する場合には、既存の樹種に混在する形で侵入するので竹林を検出することが困難である。
（３）存在する樹種が限定されていない森林では、樹種基準スペクトルがないものがあるため、森林内の森林資源をくまなく把握出来ない。希少樹種や混淆林に多い山菜、きのこ採集などの多角的利用に使えない。
（４）高分解能衛星画像は、地上における画素サイズが小さくなり、対象物が均一でない状況が発生するので本来の基準スペクトルでない成分を混入させることによるノイズ成分が発生して識別能力が低下し、高分解能衛星画像の利点を生かしきれなくなる。
上記（１）〜（４）欠陥ないし課題に対して特許文献４ 特願2012-239685号では下記（１）〜（３）の解決策を行なっていて、本発明の実施例でも適用している。
（１）画素のスペクトル特性の類似のものを対象画面の中から相互にグループ化していき、基準スペクトルを外部から与えることなしに自律的に取得し分類を行なう。これより、森林内の全ての樹種を分類でき、高分解能衛星の空間分解能とスペクトル分解能を最大限に生かし、スペクトルデータの混淆がない状態で地表の分類を行なうことができる。
（２）対象画像の全画素に対して、他の全画素との類似性を画素ベクトル間の内積演算で求めるためそのままでは膨大な計算量になるが、新たに計算法を開発してこの問題を解決した。
（３）対象画像の各画素間の相互の類似性でグループ化するので、各グループに対応する樹種を定めるっ必要があるが、対応樹種情報のない画素グループに対して実際の樹種を対応させるための可搬型属性データ特定装置を考案した。

以上のように、本発明によれば、森林樹木を個別に管理できるので長伐期化、複相林、道端林業に対応できるだけでなく、森林情報構造を緯度経度により一元的に管理するので構造が単純化し保守性が容易となる。また、「木を見て森を見ず」という言葉があるように、マクロ（森林）情報とミクロ（立木）情報の間に認識手段のギャップが存在するのが森林の特徴であるが、この情報ギャップが無駄な行動、最適でない行動を招き、さらに情報の効率的蓄積を妨げ、労働生産性を低下させている。最新の情報技術により積極的にこのギャップを埋めることができた。

以下、本発明を実施するための形態について、図面を参照しながら詳細に説明を行なう。なお、本発明は以下の説明に限定されることはなく、その要旨を逸脱しない範囲において種々に変形を加えて実施することが可能である。
図１は本発明の森林情報管理装置の全体構成を示す図であり、森林情報管理装置固定部 100と可搬型属性データ特定装置 110より構成される。森林情報管理装置固定部 100は本特許出願時点で市販の高性能パソコンであればよく、演算装置A 101,マルチスペクトル画像データ装置 102, 属性グループデータ装置 103, 森林情報DB装置 104、施業情報データ装置
109、DEMデータ装置 126、森林経営情報装置 127、データインタフェース装置A 105を含み、オペレータ 106がモニタ、キーボード、マウスを介して操作する。マルチスペクトル画像データ装置 102、属性グループデータ装置 103、森林情報DB装置 104、および施業情報データ装置 109、DEMデータ装置 126、森林経営情報装置 127は通常のHDDなどの記憶装置で構成できる。

マルチスペクトル画像は縦横の２次元の座標に対応した画素よりなり、各画素はマルチスペクトル数に対応した多次元ベクトル配列となる。各画素に対応して当該画素が属する画素グループは図１９のマルチスペクトル画像画素/画素グループ対応テ−ブル 233で割り当てられる。マルチスペクトル画像とマルチスペクトル画像画素/画素グループ対応テ−ブル 233はマルチスペクトル画像データ装置 102に格納される。
マルチスペクトル画像の各画素グループに対して、その属性を規定する属性コードが画素グループ/属性対応テ−ブル 234により割り当てられる。森林の場合、属性コードは樹種コードである。画素グループは複数あり、各画素グループ毎に１つの属性コードが割り当てられる。複数の画素グループに同一の属性コードが割り当てられることもある。
マルチスペクトル画像データ装置 102、属性グループデータ装置 103、および森林情報DB装置 104、の内容はデータインタフェース装置A 105を介して、可搬型属性データ特定装置 110とイクスポートおよびインポートされる。演算の開始時点では、マルチスペクトル画像 画素/画素グループ対応テ−ブル 233と画素グループ/属性対応テ−ブル 234のデータの割り当ては行なわれていない。施業情報データ装置
109は、施業情報 120、災害情報 121を格納し間伐、伐採、植林を含む樹木の位置情報の変更を人為的に行った情報と、山崩れなどにより樹木位置が変更された情報を記憶する。

森林情報管理装置固定部 100のデータインタフェース装置A 105からデータインタフェース装置B 115を介して可搬型属性データ特定装置 110が受け取ったデータはマルチスペクトル画像データ装置 112、属性グループデータ装置 113、および森林情報DB装置 114に格納される。データインタフェース装置A 105, データインタフェース装置B 115はUSBメモリで構成することが出来る。DGPS 116は精密位置標定用のDifferential GPS装置であり、１ｍ以下の位置精度で標定が可能であり、公然実施されている。DGPS 116、およびレーザー測距計 118以外の可搬型属性データ特定装置 110 の構成部分はタブレットPCとして公然実施されている。可搬型属性データ特定装置 110は現場で実測により属性データが未定のマルチスペクトル画像の画素グループに属性データを割り当てる機能と、DGPS 116、方位センサ 119、およびレーザー測距計 118の計測値を用いてレーザー測距計 118の樹木を含む照射先の位置を緯度経度で計測する機能がある。

本発明になる森林情報管理装置の全体の情報のフローを図５に示し、処理の全体構成を図６に示す。以下の説明は、この両図を階層的により詳細に説明していくかたちで行なわれる。図５において、多バンドマルチスペクトル高分解能衛星画像を含む新規画像107が森林情報管理装置固定部 100に読み込まれ、処理ブロック001 130で基準GCP 108を用いて公然実施の技術によりオルソ化される。オルソ化された画像のうちマルチスペクトル画像はマルチスペクトル画像領域分類処理 138の処理ブロック010 140のクラスタ分析(図５および図６)により緯度経度に対応した樹種が求められる。樹種が不明のものについては、マルチスペクトル画像画素/画素グループ対応テ−ブル 233、画素グループ/属性対応テ−ブル 234、樹木情報DB
136、
マルチスペクトル画像を可搬型属性データ特定装置
110にデータインタフェース装置A 105を介して転送し、不明の樹種を確定する。樹木情報DB 136の内容は図７に示す項目を含むものである。樹木ごとに緯度経度で識別され、対応する情報が格納される。さらにファイルリンク情報を介して樹木単位で文字情報ファイル 166、画像情報ファイル 167、音声情報ファイル 168、動画音声情報ファイル 169へリンクすることが出来る。

処理ブロック001 130でオルソ化された画像のうちパンクロ画像139は処理ブロック011 141でヒストグラム平準化処理が行なわれ、樹冠を抽出しやすいように明暗レベル調整を行なう。処理ブロック012 142では、新規画像 107に付随する撮影条件 135により、処理ブロック012 142において樹木Shading Model生成処理が行なわれる。樹木Shading Modelは回転楕円体で樹木をモデル化して日射角と視角と回転楕円体パラメータにより樹木の見かけの陰影パターンを計算する。処理ブロック011 141でヒストグラム平準化されたパンクロ画像139に対して処理ブロック012 142で生成された樹木Shading Modelから処理ブロック013 143で樹木位置計出をおこない、樹木位置を緯度経度で求める。ここで計出した樹木位置には、樹冠認識の誤りによる誤差がありうるので、可搬型属性データ特定装置
110により修正機能を持たせる。
図５において可搬型属性データ特定装置
110以外の部分は全て森林情報管理装置固定部 100で処理される。

図８は処理ブロック010 140クラスタ分析処理の原理を示す図である。（１）自然色クラスタ分析はRGB３原色による画素ベクトルにより属性Aと属性Bを識別することであり、（２）８バンドマルチスペクトルクラスタ分析はRGB３原色の替わり、８バンドの画素ベクトルにより識別を行なう。方法としては、ノルムを正規化した属性Aの画素ベクトルおよび属性Bの画素ベクトルと認識対象の画素ベクトルの内積を求めて1.0との偏差が閾値以内であるとき、認識対象画素ベクトルが属性Aまたは属性Bであると識別する。８バンドのスペクトルデータの替わりに異なったスペクトルバンド数を用いることも出来る。図８（３）は１２バンドマルチスペクトルクラスタ分析の概念図である。一般的に画素ベクトルを構成するベクトル間に線形独立性が強ければ、ベクトルの次元が多いほど情報量が増え識別能力は高くなる。

スペクトル帯域の重複が少ないマルチスペクトルバンドによる画素ベクトルの各要素間は線形独立性が高い。（正確には、相互相関係数を求めて判断する必要があり、対照物質により異なるが、スペクトル帯域の重複がないとき最も線形独立性が高くなる。）線形独立性が高い画素ベクトルの要素間の非線形演算により求められたたベクトル要素は元となる画素ベクトルに対して線形独立性を持ちうる。下記（１）から（９）の指標は元となる実測による画素ベクトルに対して追加して線形独立性を持ちうるので、基となる画素ベクトルに追加して次元を増やすことにより識別能力を向上させることが出来る。以下の式で、NIR:近赤外，R:赤，MIR:中間赤外，SWIR:短波長赤外で、たとえば、a=0.96916，b=0.084726，L=0.5．である。

（１）Ratio Vegetation Index（RVI） すなわち、RVI=NIR/R
（２）Normalized Difference Vegetation Index（NDVI） すなわち、NDVI=(NIR-R)/(NIR+R)
（３）Normalized Difference Wetness Index（NDWI） すなわち、NDWI=(SWIR-MIR)/(SWIR+MIR)
（４）Green Vegetation Index（GVI） すなわち、GVI=(NIR+SWIR)/(R+MIR)
（５）Perpendicular VI（PVI） すなわち、PVI=(NIR-aR-b)/(1+a^2)^(1/2)
（６）Weighted difference VI（WDVI）
すなわち、WDVI=NIR-NIR(soil)/R(soil)*R、
NIR(soil)=aR(soil)+b
（７）Soil Adjusted VI（SAVI） すなわち、SAVI=(1+L)(NIR-R)/(NIR+R+L)
（８）Soil Adjusted Ratio VI（SARVI） すなわち、SARVI=NIR/(R+b/a)
（９）Transformed Soil Adjusted VI（TSAVI）
すなわち、TSAVI=a*(NIR-a*R-b)/(R+a*NIR-a*b)

処理ブロック010 140クラスタ分析処理では、対象画像の画素間の相関演算を行なって相関の高いもの同士をグループ化していくが、この演算には膨大な演算を要する。一辺10,000画素の10,000画素 X
10,000画素の12次元ベクトルの画素ベクトルの場合、10,000
X 10,000 X 10,000 X 10,000 /2 組の相関演算が必要で、画素ベクトルが１２次元であり、１組の画素間相関演算に100FLOPS必要で、演算装置が100GFLOPSであるとすると、とすると相関演算だけで58日を要し、現実的ではない。

この問題を解決する方法を図９の処理ブロック010 140クラスタ分析処理の相関演算領域設定方法で示す。以下、対象が森林である場合を例に取り説明するが、森林以外を対象としても同様に行なえる。まず、マルチスペクトル画像 150から森林領域 151をNormalized
Difference Vegetation Index（NDVI）、Normalized
Difference Wetness Index（NDWI）を含むスペクトル演算により抽出する。次に、森林領域 151から 画素間の相関演算を行なう領域を対象領域 １ 152〜対象領域
ｉ 157〜対象領域 ｎ 158として選択する。この目的は、画素間の相関演算の量を削減しつつ、森林領域 151の属性データに対応する画素ベクトルを収集することである。したがって、対象領域を複数ｎ個、森林領域 151の属性（森林の場合樹種）を代表すると目視で判断する部分に設定する。

森林領域 151内の対象領域 ｉ 157を例として以下、図１０の「マルチスペクトル画像領域分類処理138の画素間相関演算の方法」で説明する。画素ベクトル間の相関演算は対象領域
ｉの範囲で行い、対象領域 ｉに対する属性データを求めてから、同様に他の各対象領域 に対してもそれぞれの属性データを求めた後、全ての対象領域の属性データを統合する方法を採る。対象領域
ｉは一辺をたとえば１００Ｘ１００画素に設定すれば、画素間の相関演算数は500,000組に減少する。図１０（１）は、対象領域
ｉを構成する全画素間の相関演算を行い、最も相関の高い画素の組み合わせを選択してRank i=0の組み合わせとして抽出する。

次に図１０（２）でRank i=0の組み合わせ画素に対して対象領域
ｉを構成するそれ以外の全画素との相関演算を行い、相関が一定の閾値より高い（たとえば内積0.9995以上） 画素をRank i=0の画素に対するRank i=1の画素として接続しグループ化する。さらに、図１０（３）でRank i=１組み合わせ画素に対して対象領域 ｉを構成するそれ以外の全画素との相関演算を行い、相関が一定の閾値より高い（たとえば内積0.9995以上） 画素をRank i=1の画素に対するRank i=2の画素として接続しグループ化する。図１０（３）では同様にRank i=3のグループ化を行なう。この操作をあらかじめ決められた（たとえば４〜５回）繰り返して図１０（１）で選定された画素からスタートしたグループ化を終了する。

前節で述べた操作を、対象領域 ｉの画素で前節でグループされずに残った画素に対して適用して、前節とは別の画素グループを生成する。この操作を繰り返して、対象領域
ｉの画素からＭ個のグループを生成する。図１１はマルチスペクトル画像内の対象領域ごとの画素グループを統合する処理の概念を示した図である。図１１（１） 対象領域1から図１１（M） 対象領域Mに示すように各対象領域に画素グループが生成される。図１０で示した方法は、各対象領域内の画素グループ、各対象領域間の画素グループの独立性を保障するものではなく、同一の属性をもつ画素が異なったグループにグループ化されているので、各画素グループ間の類似性を各画素グループを代表する画素ベクトル（たとえばグループ内の画素を平均化し正規化して求めることが出来る。これを代表ベクトルと称する）間の内積が一定の閾値（たとえば内積0.9995）以上であったとき同一の属性に対応すると判断してグループ間の統合を行い、図１１に示す統合対象領域に対する統合画素グループjを得ることが出来る。各統合画素グループを代表する画素ベクトル(代表ベクトル)は、マルチスペクトル画像の領域分類の基準となる各属性に対応することになる。

マルチスペクトル画像領域分類処理138の全体構造を図１２に示す。森林情報管理装置固定部100において処理ブロック020 160の処理を行なう。これは森林情報管理装置固定部における前処理であり、入力されたマルチスペクトル画像に対して図１１までに述べた各統合画素グループに対する代表画素ベクトルを生成する処理である。この段階では、入力されたマルチスペクトル画像のほとんどの画素の画素ベクトルが統合画素グループに分類されているが、各統合画素グループが樹種などのどの属性に対応するかは定まっていない。事前に知れている情報（たとえば、この地域にはXXと言う樹種が生えていると言う先験的情報）で各統合画素グループと樹種などの属性対応が定まっているものはその対応関係によりマルチスペクトル画像の領域分類を行なう（この機能は可搬型属性データ特定装置 110 にもあるので後述する）。統合画素グループと樹種などの属性対応が定まっていないものを定めるのが処理ブロック021 161であり、可搬型属性データ特定装置
110を用いて現場で目視確認により統合画素グループと樹種などの属性対応が未定のものを確定する。処理ブロック022 162では、処理ブロック021 161で対応づけた統合画素グループと樹種などの属性対応を反映させて森林情報管理装置固定部 100でマルチスペクトル画像領域分類処理138を完成させる。

以下、図１２の処理ブロック020 160, 処理ブロック021 161, 処理ブロック022 162、処理ブロック023 163の各々について図13以降を用いて実施例を詳説する。
図１２処理ブロック020 の内容を図１３に示す。処理ブロック030 170で対象画像からクラスタ分析を行なう対象領域を演算量削減の目的で限定する。森林の樹種分類であれば新領域のみを抽出する。図１４に詳細を記す。処理ブロック040 180で陸水域除外処理をおこなう。公然実施されているNormalized
Difference Water Indexを用いて閾値との大小で判定できる。処理ブロック041 181ではクロロフィル活動指標であるNDVIが閾値以下の領域を除外して植物領域以外を除外する。処理ブロック042 182では裸地領域を同様に閾値との大小で判定除外する。公然実施されているSoil
Adjusted Ratio VI（SARVI）含む土壌インデックスを用いることが出来る。処理ブロック040〜処理ブロック042 180〜182 の処理は順不同であり、必要に応じてその他の処理を追加してよい。

処理ブロック043 183ではクラスタ分析を行なう領域からさらに画素間の相関演算を行なう複数の対象領域を設定する。図の説明で記載した処理であり、マルチスペクトル画像 150からクラスタ分析を行なう領域（図９の場合、森林領域 151）を選択した後、さらに複数の対象領域
１〜対象領域 ｉ〜対象領域 ｎを設定する処理である。各対象領域の対角線上の座標をモニタ上でマウスを操作しながら入力するなど公然実施されている方法で領域指定することが出来る。
処理ブロック031 171では、クラスタ分析を行なう対象領域の画素ベクトルを生成し、正規化する。画素ベクトルはマルチスペクトルセンサによる実測スペクトルバンド（以下、実測画素ベクトルとよぶ）に加えて、実測スペクトル間の非線形演算による演算結果を追加のバンドとしてベクトル要素として必要に応じて追加することが出来、新たに画素ベクトルとして再定義する。（以下、拡張画素ベクトルまたは単に画素ベクトルとよぶ。）画素ベクトルはスペクトル分析の目的では明暗情報は有害であるので、正規化処理を行い、スペクトル分布情報のみとする。

処理ブロック032 172では、対象画像中のクラスタ分析を行なう対象領域を画素ベクトルの類似性で画素グループに分類する。処理ブロック032 172の内容をさらに図を用いて説明する。処理ブロック050 190は図９でN個に分割設定した代表領域について順次処理することを示す。処理ブロック051 191は選択された代表領域について、代表領域を構成する全画素ベクトルにつき類似であると判定された組み合わせを列挙し抽出する処理であり、さらにその内容を図１で詳説する。

処理ブロック060 200は選択された代表領域を構成する全画素間の画素ベクトルの内積の全ての組み合わせを計算する。画素間の類似性を判断するために、全画素ベクトル相互間の類似性を内積として把握する。処理ブロック061 201は選択された代表領域を構成する全画素間相互の画素ベクトルの内積の分布（ヒストグラム）を計算する。次に、処理ブロック062 202では上記分布（ヒストグラム）から画素ベクトルが類似であると判断する内積の閾値を求める。閾値の基準として、1つの方法は内積の１．０からの偏差（内積偏差と称す）の標準偏差を求め、0.0から標準偏差までの間で、標準偏差を中心として３σの画素数が入る範囲を画素が類似でないと判断する方法であり、別の方法として、内積偏差の0.0は画素ベクトルが一致することを意味するので、内積偏差の0.0から出発して内積偏差の増加方向にヒストグラムを見ていったときヒストグラムの変曲点を生じる内積偏差を閾値とする方法もある。処理ブロック063 203は選択された代表領域を構成する全画素ベクトルにつき処理ブロック062 202の閾値で類似であると判定された組み合わせを全て列挙し抽出する。

図１５に戻って、処理ブロック052 192は選択された代表領域について類似であると判定された全ての画素ベクトル組み合わせをグループ化する。処理ブロック051 191の処理は類似の2画素の組み合わせのみを抽出しているので、これを相互に連結して画素グループとしてまとめることを行なう。詳細は図１７に記述する。図１０の説明で概念は説明したが、以下に具体的手順を述べる。

処理ブロック070 210は選択された代表領域につき（処理ブロック063 203で）類似であると判定された全画素ベクトルのM個の画素ペア（組合せ）について順次処理する。処理ブロック071 211では類似であると判定された全画素ベクトルから最初の孤立画素ペアを取り出す。ここでいう孤立画素ペアとは、2つの画素間のみで類似であるとされている画素を言う（図１０（１））。次に処理ブロック072
212で取り出した最初の孤立画素ペアを接続Rank i=0とする。接続Rankとは類似画素のグループ化のレベルを示すもので、図１０（１）のように２画素間のみで関係づけられているものをRank i=0という。これに対して、図１０（１）の２画素のそれぞれ類似であると判断された画素をグループ化して図１０（２）のようにRank i=1として接続する。この処理は処理ブロック075 215で選択された後続の全ての未接続の画素ペアのうち接続Rank i画素ペアに対して接続Rank i＋１画素ペアとして接続できるものがなくなるまで実施する。（接続された画素は孤立画素ペアでなくなる） 接続Rank i＋１画素ペアとして接続できるものがなくなると、処理ブロック076 216で接続Rank i を+１して次のRankの接続を行なう。このように、以下、 図１０（３）さらに図１０（４）のように繰り返し接続してグループ化するが、接続のRank数が増えるとRank i=0の画素との類似性が下がってくるので、処理ブロック076 216で接続Rank数に上限ｋ（経験的に葉は５程度が適当である）をおいて、処理ブロック073〜76の処理を打ち切って、処理ブロック071 211に戻って、グループ化され残った画素ペアに対して処理ブロック071〜76の処理を異なる画素グループの生成操作として実施する。このようにしてM個の全ての画素ペアに対してグループ化できるものがなくなるまで繰り返す。

処理ブロック052 192の処理では類似の画素ペアを次々と接続しているため、合一の画素グループに属していてもRank i=0の画素ベクトルが同一の画素グループの中心である保障はなくなっている。このため、処理ブロック053 193で、同一の画素グループの全画素ベクトルを代表する画素ベクトルを再計算する。再計算の方法は同一の画素グループの全画素ベクトルの平均値を求めて正規化する方法、さらに代表画素ベクトルからの偏差が大きい画素ベクトルをグループから除外して代表画素ベクトルを再計算する方法がある。以下、このように再計算された代表画素ベクトルを核ベクトルと呼ぶ。

処理ブロック050〜53の処理でN個の代表領域に対する画素のグループ化とその核ベクトルが求まったが、マルチスペクトル画像 130の同一属性に異なった代表領域の複数の画素グループが対応するだけでなく、同一の代表領域であっても複数の画素グループが同一属性に対応することが起こる。この問題を解決するのが処理ブロック054 194の処理であり、その詳細を図１８に記述する。まず、処理ブロック080 220でN個の代表領域各々について、グループを画素数の多い順に整列して、卓越した画素グループから整列させる。次に、処理ブロック081 221で、代表領域の垣根をはずして、N個の代表領域を１つの領域に統合し、各々の領域のグループの核ベクトルを画素数の多い順に整列する。

処理ブロック082〜86の処理は処理ブロック081
221でまとめた画素グループ間の類似性を核ベクトル間の内積で評価して画素グループを統合整理するプロセスである。処理ブロック083 223で、全核ベクトル間の相関（内積）を計算する。 処理ブロック084 224で全ての核ベクトル間の相関（内積）最大値が閾値より小さくなれば、核ベクトルは相互に類似性はないと判断されるので、画素グループの統合は終了する。核ベクトル間の相関（内積）のなかに閾値より大きいものがあれば、核ベクトルが代表する画像グループは類似であると判断して当該画像グループを統合し処理ブロック085 225で統合した画像グループに対して核ベクトルを再計算する。さらに処理ブロック086
226で核ベクトルをグループの画素数の多い順に整列する。処理ブロック085〜086の処理を処理ブロック084 224が成立するまで続ける。

以下、図１３の処理ブロック033 173に戻って説明を行なう。すべての代表画素ベクトル（核ベクトル）について具体的に属性データ（森林の場合は樹種）を割り当てる必要があるので順次処理を行なう。処理ブロック034 174で処理対象代表画素ベクトル（核ベクトル）は属性が決まっている場合には処理ブロック035 175で図１９（２）における画素グループ/属性対応テ−ブル 234の画素グループに対応して属性を登録する。ここで図１９は。マルチスペクトル画像において属性（森林の場合）を規定するテーブル構造を示す。マルチスペクトル画像 画素/画素グループ対応テ−ブル 233は、マルチスペクトル画像150をH座標軸 230とV座標軸 231の２次元座標（H,V）で記述し、各画素を画素グループとしてグループ化して画素ごとにグループ番号（図１９（１）でGrp j,Grp j-1）を割り当てる。このグループ番号と属性との対応は画素グループ/属性対応テ−ブル 234で規定されるが、処理ブロック034 174では事前情報により画素グループと属性の対応が定まっているもの以外は対応が定まっていない。

処理ブロック036 176で、図１９記載のマルチスペクトル画像 画素/画素グループ対応テ−ブル 233と一部対応が未定の画素グループ/属性対応テ−ブル 234を可搬型属性データ特定装置入力用データとして出力する。出力には森林情報管理装置固定部 100のデータインタフェース装置A 105を用い、USBメモリで行なうことができる。参考表示用にマルチスペクトル画像を出力してもよい。可搬型属性データ特定装置 110 はデータインタフェース装置B 115を介してこのデータを読み込む。

可搬型属性データ特定装置 110により画素グループ/属性対応テ−ブル 234をを完成させるが、その動作と機能を示したのが図２０である。システム構成は図１の可搬型属性データ特定装置 110 であり、DGPS 116およびレーザー測距計 118以外は図２０に示すようにタブレットPC 241の内蔵機能で実現できる。 可搬型属性データ特定装置 110の現在位置 244 は支柱 240 の上部に設置されたDGPS 116 により現在位置 224 を緯度経度として測定する。DGPSを用いた場合、60cmの精度で測定可能である。DGPSはHemisphere社A100として公然実施されている。測定緯度経度データは信号ケーブル 243を介してUSBポートからタブレットPC 241に取り込まれる。データインタフェース装置B 115を介して得られた図１３記載のマルチスペクトル画像 画素/画素グループ対応テ−ブル 213、一部対応が未定の画素グループ/属性対応テ−ブル 214、および樹木情報DB 136は タブレットPC
221内のマルチスペクトル画像データ装置112、属性グループデータ装置113、および森林情報DB装置 114に取り込まれる。参考表示用にマルチスペクトル画像150をマルチスペクトル画像 画素/画素グループ対応テ−ブル 213とともにインポートしマルチスペクトル画像データ装置112に転送してもよい。

可搬型属性データ特定装置 110の機能を以下、タブレットPC 241 の表示画面 242 およびタッチパネルの表示と動作を図２１と関連する図２２〜２６のフローチャートを用いて説明する。図２１は図２０の状態で可搬型属性データ特定装置 110を使用した場合の表示画面 242 の表示例である。
可搬型属性データ特定装置 110の機能には処理ブロック010 140 クラスタ分析処理で画素グループ/属性対応テ−ブル 234の対応が取れないため現地で確認する場合と、処理ブロック004 133樹木位置計出で樹冠から樹木位置を計出した樹木情報DB 136を現地で確認ないし修正する場合の２つの機能がある。以下、両者について併せて説明するが、後者の樹木位置修正機能は後述の処理ブロック013 143樹木位置計出処理と対応している。

図２０において、タブレットPC 241 を属性を設定しようとする目標 248 の目標位置 245 の方向である目標位置方向 246 に指向する（目標表示方向 247 ）。タブレットPC 241 は内部に電子コンパスによる方位センサ119を実装しており、DGPS 116 により現在位置 244 を、方位センサ119により目標表示方向 247 を知り表示画面 242 に反映表示させることが出来る。
電子コンパスの方位取り込みはAndroidで下記のように行なえる。
sensorManage=(SensorManager)getSystemService(Context.SENSOR_SERVICE);
ｓensor=sensorManager.getDefaultSemsor(Sensor.TYPE._MAGNETIC_FIELD);
レーザー測距計 118は表示画面 242の前方を指向するように支柱 240 またはタブレットPC 241 に水平方向を固定して設置される。レーザー測距計 118はLeica社 Disto D8のように公然実施されているものであり、測距ボタンを押すと目標表示方向 247 にある目標 248 までの距離が計測されてタブレットPC 241 に取り込まれる。

図２１は図２０に対応した表示例である。
（１）動作モート゛SW 253 の”現在位置”が選択されている場合
表示画面 242 の森林表示部 256 に現在位置 244 と目標位置 245 を表示する。目標位置 245 は現在位置 244 から現在位置データ表示欄 250 に表示される距離だけ目標表示方向 247に離れた点を表示するマー;カーである。目標表示方向 247 は表示画面 242 前方方向と一致する。

森林表示部 256には、目標位置 245 を含む領域を目標 248 と判断して、目標位置 245の緯度経度からマルチスペクトル画像150の対応する画素を求め、マルチスペクトル画像 画素/画素グループ対応テ−ブル 233から対応する画素グループを求め、画素グループ/属性対応テ−ブル 234から属性（この場合は樹種コード）を求める。森林表示部 256 上で当該属性に対応する画素グループのマルチスペクトル画像150上の画素に対応する森林表示部 256 上の画素を目標 248 として、色およびパターンで識別表示する。
森林表示部 256の目標 248以外の部分は、森林表示部 256 画素とマルチスペクトル画像150の対応からマルチスペクトル画像 画素/画素グループ対応テ−ブル 233を検索して対応画素グループを求め、さらに画素グループ/属性対応テ−ブル 234から属性（この場合は樹種コード）を求め、森林表示部 256 上で非目標 249 として、属性別に色およびパターンで識別表示する。

樹木位置を森林表示部 256 に表示する。樹木位置を森林表示部 256の各画素はマルチスペクトル画像150上の画素に対応し、マルチスペクトル画像150上の各画素は緯度経度に対応するから、樹木情報DB 136を検索して表示する樹木を選択することが出来る。樹木情報DB 136には”情報信頼度”のフィールドがあり、過去に可搬型属性データ特定装置
110で実測した位置の場合は、”先験実測樹木位置 254”と識別されて表示される(二重丸で例示)。”先験実測樹木位置”が最も情報信頼度が高いとして扱う。画像処理により樹木位置を抽出した場合は、先験画像抽出樹木位置 255 と識別されて表示される(黒丸で例示)。

（ａ）測距操作SW 253 の"測距” が選択されている場合
レーザー測距計 118による樹木位置の実測は画像処理で樹冠から計出下位置のご認識をゼロに出来ないために設けた手段である。"測距” が選択されると、"測距”表示がハイライトされ、その時点での表示縮尺が維持される。つぎにレーザー測距計118の方向を変えながらファインダーで目標を捕らえ、測距ボタンを押すと、目標との距離が測定され、図２１の画面中央上よりの位置に目標位置 245が来るように縮尺を自動変換して、森林表示部 256 の表示も縮尺に対応させて更新する。
実測の結果、先験実測樹木位置 254 が先験画像抽出樹木位置 255 の直近（たとえば１ｍ以下）の場合は強制的に先験画像抽出樹木位置 255を消去して先験実測樹木位置 254に置き換える。
図２１の表示を見て、実際の樹木と異なった位置に表示されている樹木については森林表示部 256 上で該当する樹木をスクリーン上でタッチして消去目的で選択しておくことが出来る。また、レーザー測距計 118で今回実測した樹木位置は測定緯度経度に対応して今回実測樹木位置 257 として表示される(太丸で例示)。表示画面 242の方位と現在位置 244 を変えながら次々と樹木位置の実測と誤った樹木位置を消去目的で選択しておくことが出来る。測距操作SW 253 で”確定”をクリックすると消去目的で選択しておいた樹木は樹木情報DB
136から消去され、また今回実測樹木位置は樹木情報DB 136に登録され、森林表示部 256 の表示も更新される。

（ｂ）測距操作SW 253 の"測距” が選択されていない場合
現在位置 244 と目標位置 245 間の距離は森林表示部 256条のタッチパネルでAndroid標準機能のジェスチャー入力により設定できる。表示画面 242 を属性が不明な目標 248 に向け、目標位置 245 が属性不明の目標 248 と重なるように現在位置 244 を移動し、表示縮尺を必要に応じてジェスチャー入力で変更する。ジェスチャー入力により設定された縮尺は現在位置データ表示欄 250 で、現在位置 244 と目標位置 245 間の距離として表示される。
図２１の表示を見て、実際の樹木と異なった位置に表示されている樹木については森林表示部 256 上で該当する樹木をスクリーン上でタッチして消去目的で選択しておくことが出来る。測距操作SW 253 で”確定”をクリックすると消去目的で選択しておいた樹木は樹木情報DB
136から消去され、森林表示部 256 の表示も更新される。
（２）動作モート゛SW 253 の”現在位置”が選択されていない場合
森林表示部 256 の表示はDGPS
116 の計測結果に依存しなくなり、現在位置 244 マーカーも表示されなくなる。森林表示部 256条のタッチパネルでのジェスチャー入力によりマルチスペクトル画像150の任意の部分を任意の縮尺で表示できる。なお、方位は表示画面 242 上方を北とする。

動作モート゛SW 253 の”現在位置”および測距操作SW 253 の"測距"の選択状況に拘わらず、下記操作ができる。
属性操作SW 252の設定をクリックすると、目標位置 245を取り囲む目標 248 の属性を、属性表示欄 251 の中でハイライトした属性に設定することが出来る。画素グループ/属性対応テ−ブル 234で属性が未定であった画素グループの属性を確定させたり、変更させることが出来る。表示画面 242の当該画素グループに対応する画素はすべて入力された属性に対応した表示となる。このようにして現場で画素グループ/属性対応テ−ブル 234で属性が未定であった画素グループの属性を全て定めることが出来る。

以上のべた図２１の機能のAndroid搭載のタブレットPCを前提にした実現方法を図２２〜２６を用いて説明する。表示画面 242 上の動作モート゛SW 253 の"インホ゜ート"をクリックすることにより図２２（１）が起動され、処理ブロック090 260でデータインタフェース装置Bより、マルチスペクトル画像150、マルチスペクトル画像画素/画素グループ対応テ−ブル 233、画素グループ/属性対応テ−ブル
234、および樹木情報DB 136が読み込まれ、マルチスペクトル画像データ装置 112および属性グループデータ装置 113、および森林情報DB装置 114に格納される。処理ブロック091 261で表示画面位置・縮尺・方位を初期化する。図２６の処理（後述）は周期起動されているので、初期化されたパラメタにより表示画面 242 に目標情報が表示される。
表示画面 242 上の動作モート゛SW 253 のイクスポ゜ートをクリックするとり図２２（２）が起動され、処理ブロック092 262によりマルチスペクトル画像データ装置112、属性グループデータ装置113、および森林情報DB装置 114よりデータインタフェース装置B115へマルチスペクトル画像150、マルチスペクトル画像画素/画素グループ対応テ−ブル 233、画素グループ/属性対応テ−ブル 234、樹木情報DB
136が書き出され、図１２の処理ブロック022 162により森林情報管理装置固定部後処理である可搬型属性データ特定装置
が取得した属性データの統合処理がおこなわれ本発明のマルチスペクトル画像領域分類処理138が完了する。

図２１で測距操作SW 253 の”測距” クリックしてONにすると、図２３（１）が起動される。処理ブロック100 270で動作モート゛SW 253 “現在位置”をハイライトしＯＮにする。処理ブロック101 271で動作モート゛SW 253の“コンパス”をハイライトしＯＮにする。処理ブロック102 272で、その時点で設定中の縮尺を維持し、処理ブロック103 273で測距操作SW 253の“測距” をハイライトしＯＮにする。処理ブロック104 274でレーザー測距計 118に対して測距データ待ちうけの測距計起動入出力命令発行処理を行なう。
測距計の測距ボタンが押されてデータ取得されると、測距系よりのデータ送信により図２３（２）が起動され、処理ブロック110 280で測距結果データ取り込み、処理ブロック111 281でDGPS 116 により計測された現在位置と、方位センサ119による方位データと測距結果より目標位置を緯度・経度で計出する。処理ブロック112 282では樹木情報DB 136を検索して１ｍ以内に樹木座標あるか判断して、存在する場合は既存の樹木と同一と判断して処理ブロック114 284で樹木情報DBの樹木位置を測定値に、情報信頼度を”先験実測樹木位値とする。存在しない場合は既存の樹木と異なると判断して処理ブロック113 283で測定した樹木位置を仮登録する。

図２１で動作モート゛SW 253 の現在位置をクリックしハイライトしてONにすると、DGPS 116 による現在位置を常時取り込む。動作モート゛SW 253 のコンパスをクリックしハイライトしてONにすると、タブレットPC内臓の電子コンパスより表示画面 242 が指向している方位情報を取り込む。表示画面 242は図２６の処理が周期起動することにより表示される。起動周期は250ms以下が好ましい。処理ブロック160 330で“現在位置”を動作モート゛SW 253 で選択中かチェックし、選択中の場合は処理ブロック162 332でDGPS位置情報を現在位置に設定する。選択中でない場合は処理ブロック161 331で表示画面 242森林表示部 256上のジェスチャー設定値により現在位置を定める。ジェスチャー設定値は図２４（２）（後述）により取り込む。

処理ブロック163 333で”コンパス”を動作モート゛SW 253 で選択中かチェックし、選択中の場合は処理ブロック165 335でコンパス測定値より画面上方方位を設定する。選択中でない場合は処理ブロック164
334で画面上方を北に設定する。
処理ブロック166 336で”測距”を測距操作SW 253 で選択中かチェックし、選択中の場合は処理ブロック169 339で現在位置表示と目標位置表示の間隔が測距データとなるように縮尺を計算し表示を変更し、処理ブロック170 340で画素-属性対応図を設定された現在位置・画面上方方位・縮尺および画素-属性対応データにより表示する。
選択中でない場合は処理ブロック167 337でジェスチャー入力値による表示縮尺を設定して、処理ブロック168 338で、画素-属性対応図を設定された現在位置・画面上方方位・縮尺および画素-属性対応データにより表示する。

タブレットPC 221 のオペレーティングシステムであるAndroidではタブレット上の指の動きに応動した”ジェスチャー”が用意されており、図２４（２）はジェスチャーに対する受付処理である。処理ブロック120 290で測距操作SW 253の ”測距”が選択されている場合、スクリーンタッチで森林表示部 256で表示中の樹木の選択をおこなう。処理ブロック128 298でスクリーンタッチ指示位置を取り込み、処理ブロック129 299で表示中の樹木の近傍と判断された場合は、処理ブロック130
300で消去位置候補に登録し、表示色を変更して受付けたことを表示する。処理ブロック129 299で表示中の樹木の近傍でないと判断された場合はなにも行なわないで終了する。
処理ブロック120 290で測距操作SW 253の ”測距”が選択されていない場合、処理ブロック122〜125 292〜295は表示画面中心座標を東西南北へ移動する操作である。図２１の動作モート゛SW 253 の”現在位置”が選択されていない場合は、表示画面 242 中は現在位置 244 の周辺を表示しないで、表示画面中心座標を”ジェスチャー”により東西南北へ移動させる。処理ブロック126〜127 296〜297は動作モート゛SW 253の選択によらず表示画面の縮尺を拡大/縮小を行ない、図２１の現在位置データ表示欄 250 の縮尺表示を変更し、表示画面 242 の縮尺を処理ブロック167 337の処理に反映させる。

表示画面 242の測距操作SW 253で”確定”がONされたばあい、図２４（１）が起動され、処理ブロック131 301で消去位置候補（処理ブロック130 300）を樹木情報DBの樹木位置から消去し。登録位置候補（処理ブロック113 283）を樹木情報DBの樹木位置に登録する。
図２１において目標位置 245 に表示されている目標 248 の属性が不明である場合、属性表示欄 251 および属性操作SW 252を操作して属性を設定あるいは修正することが出来る。属性設定の操作は、図２５（１）（２）（３）のフローチャートに従い行なう。属性表示欄 251 に表示される左側の数字は画素グループ番号であり、右側は属性データ（ここでは樹種）を示し、ジェスチャーにより上下にスクロールすることができる。

属性表示欄 251 上でジェスチャーを行なった場合、図２５（１）の処理ブロック145
315によりジェスチャー方向により処理ブロック146 316または処理ブロック149 319に分岐する。処理ブロック146 316では、属性選択部の上端項目を選択している場合には処理ブロック147 317で属性選択部の表示項目を上方へスクロールしハイライトし、属性選択部の上端項目を選択してない場合は、処理ブロック148 318で属性選択部の選択項目を上方に移動してハイライトする。処理ブロック149 319は方向性が下方であるが、同様に議論できる。
属性表示欄 251 で属性データを選択して属性操作SW 252 の”設定”をクリックすると図２５（２）の処理が起動され、処理ブロック140 310で属性選択部の選択項目を読込み、処理ブロック141 311で表示画面位置上の目標カーソル位置から画素-属性対応図上の画素位置を求め、処理ブロック142 312で画素-属性対応図上の同一グループの属性を確定する。
属性表示欄 251で属性操作SW 252の”リセット”をクリックすると処理ブロック143 313で表示画面位置上の目標カーソル位置から画素-属性対応図上の画素位置を求め、処理ブロック144 314で画素-属性対応図上の同一グループの属性をリセットする。
樹木情報DB 136 は樹木を個別管理し、各樹木に対して、文字情報ファイル
166、画像情報ファイル 167、音声情報ファイル 168、および動画音声情報ファイル 169へのリンク機能があるので、森林内で樹木に対応したこれらの情報を収集入力し、森林情報管理装置固定部 100に転送することが出来る。森林情報管理装置固定部 100ではこれら樹木情報DB 136を用いて森林経営森林情報処理 165(後述)で利用することが出来る。

以上で図１２の処理ブロック021 161の説明を終了し、次の段階の処理ブロック022 162を説明する。処理ブロック022 162では、可搬型属性データ特定装置110 が取得した統合画素グループと属性データの対応関係を森林情報管理装置固定部に統合して属性データに対応する代表画素ベクトルを決定する。マルチスペクトル画像 画素/画素グループ対応テ−ブル 233と、画素グループ/属性対応テ−ブル 234の内容は処理ブロック021 161の結果更新され最終的なものなるので、この結果をデータインタフェース装置A 105を介して森林情報管理装置固定部 100のマルチスペクトル画像データ装置 102、属性グループデータ装置 103、および森林情報DB装置104に戻し、各属性データに対応する代表画素ベクトル（核ベクトル）を決定する。

処理ブロック023 163では、ｎ個の対象領域で得た属性データとそれに対応する代表画素ベクトル（核ベクトル）を森林領域 151全体またはマルチスペクトル画像 150全体に適用する。森林領域 151全体またはマルチスペクトル画像 150全体の画素ベクトルを正規化したうえでその画素ベクトルと、属性データとそれに対応する代表画素ベクトル（核ベクトルー正規化ベクトル）との間で内積演算を行い、一定閾値以上で最も１．０に核ベクトルに対応する属性データを近いものを当該画素ベクトルに割り当てることにより、マルチスペクトル画像 150または森林領域 151を属性データにより領域分類する。
以上で図５ マルチスペクトル画像領域分類処理
138の説明を終了する。

以下、図５の処理ブロック011 141 ヒストグラム平準化、処理ブロック012 142
樹木Shading Model生成、および処理ブロック013
143 樹木位置計出について説明する。この３つの処理は樹冠の検出から樹木位置の標定をパンクロ画像139から行なう技術である。樹冠の抽出方法には大きく （１）Watershed、（２）Region Growing,、 (3)Valley Following があるが、これらはいずれも画素間の傾斜を利用して処理を行なっており、微分演算に属するためノイズに弱い、ないしは自分でノイズを発生させる欠点がある。本発明の方法は、従来方法にある微分的（差演算および除算）な演算の替わりに積分的演算（積和演算）を行なうことにより、耐ノイズ性を増し識別能力を向上させている。

図５の処理ブロック011 141 ヒストグラム平準化について以下、図２７〜図３１を用いて説明する。ヒストグラム平準化は空間フィルターの一種であり、図２７のヒストグラム平準化フィルタ 363を新規画像107で マルチスペクトル画像 150と同一領域を同時撮影したのパンクロ画像 139 に対して左上、HV座標で (0,0)から右下、HV座標で (N-1,M-1)まで１画素ずつスキャンして演算する。ヒストグラム平準化フィルタ 363は、縦2n+1画素、横2n+1画素であるが、樹冠サイズに対応して50mX50m前後に設定するのがよい。

図２８および図２９はヒストグラム平準化フィルタ 363の原理を示すものであり、ヒストグラム平準化フィルタ
363が被覆するパンクロ画像 139領域の情報量（エントロピー）を最大化する処理を行なう。以下その原理と具体的実現方法を説明する。平準化フィルタ 363の大きさを検出すべき樹冠の２倍程度に設定しているため、この範囲で情報量（エントロピー）を最大化する意味は、樹冠検出に不必要な情報を除去する意味がある。

図２８（１） 連続系原画像ヒストグラム はヒストグラム平準化フィルタ 363が被覆するパンクロ画像 139領域の画素輝度の確率密度分布 P(x) 378を連続系で示したモデルである。（実際は離散系であるが議論の出発点として連続系から出発する。） 輝度最大値 a 373、輝度最小値 b 374に対して確率密度分布 P(x) 378与えられたとき情報量は Hpで定義され、P(x)と異なる任意の確率密度分布 Q(x) 379に対する情報量を Hqで定義すると、下記関係が成り立つことが知られている。
ここで、（１） 連続系原画像ヒストグラム から（２） 連続系平準化ヒストグラムへの変換を考える。

連続系は（２）の変換で連続系平準化ヒストグラムを実現し、（１）に示す情報量の最大化が実現できる。さらに、図２８（２）に示すように輝度範囲を輝度下限値 Xmin 376 から輝度上限値 Xmax 375に拡大することにより（１）の情報量 Hpは log(Xmax- Xmin)に増加できる。

以上の議論を踏まえて、図２８（３）（４）で離散系への対応を行なう。実際の画像処理では画素輝度値は整数表記であるので、０〜２５５ないし０〜４０９５の整数で離散値となる。上記（１）（２）の関係式は下記のように書き換えられる。
となるが、離散系では（５）の変換を行なっても（３）（４）は実現できない。(図２８（４） 離散系平準化ヒストグラム は実現しない。） これは連続系の確率密度分布 P(x)とことなり輝度軸 X
を操作しても Pi は（３）の平準化が出来ないためである。

この問題を解決するために、ヒストグラム平準化フィルタ 363に対応するパンクロ画像 139の領域をリサンプリングしたのが図２９（１）〜（３）である。（１）原画像は通常、縦横同一画素数で計算結果を中心の画素に書き込むため奇数とする。（２）4倍リサンプリング画像で、画素を４等分し、（３）１６倍リサンプリング画像は１６等分にリサンプリングしたものである。リサンプリングは（１）原画像の画素輝度地を浮動小数点化したうえで、bi-linear、Spline等のリサンプリング法をとる。（４）離散系原画像ヒストグラムに対して、（５）離散系4倍リサンプリング画像ヒストグラムさらに離散系１６倍リサンプリング画像ヒストグラム（図２９では省略）が得られる。
リサンプリングされた画素についてヒストグラムを求め、（５）の式により各画素の輝度値を変換し、オーバーサンプリングされた画素の平均値を求め、（１）原画像に対応した画素輝度値を不動小数点で求める。最後に画素のビット数に対応した整数化を行なって、（１）の(2n+1) x (2n+1)の中心画素輝度値を結果としてパンクロ画像結果領域に格納する。以上の処理を図３０の処理フローで示す。また、図３１は原画像の例であり、図３２はヒストグラム平準化処理を行なった画像である。リサンプリングの倍数が増えると図３２はヒストグラム平準化処理後のヒストグラムは一様分布に近づくが離散系では完全には一様にはならない。処理負荷と画像品質を比較して最適値を決める。

図５に戻り、処理ブロック012 142 樹木Shading Model生成処理について、図３３〜図３５を用いて説明する。
図３３は樹冠のモデルを示し、針葉樹および広葉樹を全て回転楕円体で表現し、樹種および樹木の大小はすべて回転楕円体のパラメータを変えて対応する。撮影条件 135から図３３（４）日射及び視線方向 に示すように、撮影パラメタとして視線方向 380
と日射方向 381が与えられると、（１）針葉樹A、（２）針葉樹B、（３）広葉樹の各々に対して視線方向から見た陰影（shading）図を求めることができる。（図３３（ｂ）視線方向）
Shadingを求めるのは公知のRay
Tracing法を用いればよい。図３４（１）樹木シェーディングモデルは一般的樹木の数式モデルであって、楕円体座標系392は、x、ｙ、ｚ軸から構成され、原点を中心に回転楕円体による樹木モデルを定義する。View座標系 393は視線方向 380を示す線分 oO に垂直な平面で、パンクロ画像 139、マルチスペクトル画像 150の座標系（X,Y軸）を示す。

以上の処理の処理フローを図３５に示す。

次に図５ 処理ブロック013 143の樹木位置計出処理を図３６〜３８を用いて説明する。
この処理に先立って、処理ブロック010 140 クラスタ分析処理でマルチスペクトル画像 150はすでに樹種ごとに分類されているので、画像領域が重複するパンクロ画像 139は領域を樹種に応じて区分できるので、この区分に応じて、処理ブロック014 144で全ての樹種について順次処理を行なう。処理ブロック015
145で選択されなかった樹種領域をゼロクリアするのは、異なる樹種による影響を排除する目的である。次に、処理ブロック016 146で 樹木位置探索処理をパンクロ画像 139の選択された樹種領域に対して行なう。詳細については以下、図３７で説明する。

処理ブロック220 420で樹種に対応したShading Pattern シリーズを選択するのは、全ての樹種を図３４で回転楕円体のパラメタ a、b、c、d により表現しているため、樹種による形状の相違をa、b=c（縦軸に回転対称）、d の比率を変えることにより表現し、かつ樹木サイズにより、たとえば視線方向から見たShqdingパターンを直径2m〜20mの間を２ｍ間隔で準備しておいたものから、樹種に対応したパターンファイルを選択することである。
処理ブロック221 421 で画像領域をN個に区分するのは、処理ブロック223 423で行なう領域内の最大輝度レベル点を探索するプロセスが全画面を対象にして行う必要がなく、近隣での比較最大を求めればよいためである。たとえばN=100でよい。処理ブロック222 422の各画像領域について順次処理は処理ブロック221 421で分割した各領域について順次行なう。なお領域の協会部では最大樹冠サイズ程度重複させることが望ましい。

処理ブロック223〜227 423〜427
については、図３９の処理例を参照しながら説明する。
処理ブロック223 423は分割した領域内で最大輝度てんを見つける。図３９(2a)の園内の最大輝度点を探索する。処理ブロック224 424では、選択した樹種のShading Pattern シリーズの各サイズについて順次処理ブロック225 425の処理を行なう。処理ブロック225 425では最大輝度点を中心に上下左右に±δ
画素ずらしながら、最も相関の高い位置を探す。さらに、処理ブロック224 424により最も相関の大きいShading Patternサイズが求まる。（図３９(2a)）この位置とサイズを樹冠とする(図３９(2b))。処理ブロック226
426でShading Pattern最大相関値 ＜ 閾値がNoであるとは、検出したのがノイズではなく樹冠であると言うことなので、処理ブロック227
427で探索した最大相関値のShading Patternの位置とサイズを樹冠位置とサイズとして森林情報DBに登録し、画像の対応領域をセ゛ロクリアする。図３９'3a)で検出済み樹冠領域を黒く塗りつぶしている。処理ブロック226 426で検出した樹冠がノイズである（Shading Pattern最大相関値 ＜ 閾値）と判断されれば、全ての樹冠抽出が終わったことを意味する。処理ブロック223〜227 423〜427の繰り返しにより図３９（１）から(12a)の例に示す処理が順次進行する。

図５に戻って、樹木位置データフュージョン処理 134について説明する。すでに述べたように画像から樹冠を抽出して樹木位置を求める方法には誤差が伴うため、下記の情報を統合して情報信頼度を高める。
（１）時期的に以前のパンクロ画像 139、マルチスペクトル画像 150により計出された樹木位置（２）可搬型属性データ特定装置 110で実測された樹木位置
（３）直近のパンクロ画像 139、マルチスペクトル画像 150を用いて計出した樹木位置
（４）伐採、間伐、植樹等の施業により樹木位置を変更した情報
（５）山崩れ等、災害により樹木の位置が消滅した情報
（６）その他の手段で事前に樹木位置が確定しているもの
の各項がある。

樹木位置データフュージョン処理
134 は処理ブロック019 149の情報信頼度管理処理が樹木情報DB 136を介して、処理ブロック013 143の樹木位置計出処理および、可搬型属性データ特定装置
110が求めた樹木位置を統合する処理である。処理ブロック013 143の樹木位置計出処理はさらに図６（２）で示す。処理ブロック017 147で施業情報120を取り込み、処理ブロック018 148で災害情報 121を取り込む。これらの情報は、処理ブロック019 149の情報信頼度管理処理で利用するための樹木位置情報が含まれていればよく、間伐、伐採、植林を実施した領域を緯度経度で把握できる情報、さらに可能であれば、施業後の木材位置が判明する図面等が好ましいが、最低限、施行を行った事実と範囲がわかれば、画像処理で樹木位置は計出可能である。災害情報
121についても領域を緯度経度で把握できる情報が望ましいが、災害の有無と領域の概略指定でも画像から計出可能である。

処理ブロック019 149の情報信頼度管理処理をさらに、図３８の処理フローと図４０の状態遷移図を用いて説明する。
この部分は本発明が樹木単位で位置を管理する根幹をなす部分であり、情報源の異なる樹木情報を統合可能とするものである。
樹木位置情報は情報源によって信頼度が異なるので、次の４段階の状態で管理する。
（１） 情報信頼度"None" 位置情報がない状態を示す。
（２） 情報信頼度"So-So" 位置情報が”まあまあ”の状態を示す。
具体的には画像から抽出した位置情報の信頼度状態
を示す。
（３） 情報信頼度"Questionable
" 位置情報が”疑わしい”の状態を示す。
抽出した位置情報に矛盾があり疑わしい状態を示す。
（４） 情報信頼度"Decisive" 位置情報が”確実”な状態で、実測値である状態を示す

図４０は状態遷移図であり、オートマトンの記述に従い、樹木位置情報を統合管理するアルゴリズムを示す。記述方法を凡例
431に示す。円で囲まれた”A”、”B”は”状態”をを示し、矢印は状態間の遷移を示す。”X/Y”は条件Xが成り立つとYが行なわれることを意味する。凡例431の意味は、「条件“X”が成り立つと、状態“A”にあるものは“Y”を行なって状態“B”に遷移する」と言ういみである。
図４０の情報信頼度"None" 430は位置情報が無い状態で、
（１）画像分析が行なわれると樹木位置を更新して更新して、"So-So"状態に移行する
（２）現場テ゛ータが実測により得られると、樹木位置更新して” Decisive”状態に移行する。

図４０の情報信頼度" So-So" 431は位置情報が”まあまあ”の状態で、
（１）画像分析結果が前回と一致した場合は、樹木位置を保持して、"So-So"状態にとどまる。
（２）施業情報 120 または災害情報 121があり、かつ樹木位置に関する詳細データがある場合は、その詳細データで樹木位置を更新して、” Decisive”状態に移行する。
（３）現場テ゛ータが実測により得られると、樹木位置更新して” Decisive”状態に移行する。
（４）施業情報 120 または災害情報 121があり、かつ樹木位置に関する詳細データがない場合は、樹木位置を保持して、” Questionable”状態に移行する。
（５）画像分析結果が前回と不一致の場合は、樹木位置更新して” Questionable”状態に移行する。

図４０の情報信頼度" Questionable"
432は位置情報が”疑わしい”の状態で、
（１）画像分析結果が前回と一致した場合は、樹木位置を保持して、” Questionable”状態に保持する。
（２）施業情報 120 または災害情報 121があり、かつ樹木位置に関する詳細データがある場合は、その詳細データで樹木位置を更新して、” Decisive”状態に移行する。
（３）現場テ゛ータが実測により得られると、樹木位置更新して” Decisive”状態に移行する。

図４０の情報信頼度" Decisive" 433は位置情報が”確実”な状態で、
（１）現場テ゛ータが実測により得られると、樹木位置更新して” Decisive”状態を保持する。
（２）施業情報 120 および災害情報 121が無い場合は、画像分析を結果によらず樹木位置を保持して、” Decisive”状態を保持する。
（３）画像分析結果が前回と不一致で、施業情報 120 または災害情報 121があり、かつ樹木位置に関する詳細データがない場合は、樹木位置更新して” Questionable”状態に移行する。

以上によれば、同一の画像データ源で同一の計算アルゴリズムで計出しても、間伐の前後では、樹冠および樹木位置の認識能力が異なる。間伐後に樹木位置を確定して、認識精度を高めることが出来る。また、画像による樹木位置の認識には誤差が伴うことが判明しているので、信頼性の疑わしい位置情報を可搬型属性データ特定装置 110により高信頼化することを可能としている。
図４０の状態遷移図の処理は上記したが、図３８の処理フローで、処理ブロック210 400で先験情報があるとは、既に計測したり計出した情報がが存在する場合には、処理ブロック211 401で現在状態で分岐して処理ブロック212〜215 402〜405で上気した処理を行なえばよい。
最後に図５に戻って、森林経営森林情報処理
165について説明する。処理内容は、図6（３）にしめされ、処理ブロック045 185 樹木２次情報計算で樹木情報のうち経年変化の監視と統計的処理が必要な胸高直径、蓄積、収量比数の計算や樹齢の更新を行なう。胸高直径、蓄積、収量比数の計算方法は当業者にあっては公知である。
処理ブロック046 186の森林特徴抽出処理は樹木ごとの樹木情報DB 136およびDEM 164を用いて特定の植生の分布状況や生育条件を検索し、分析して付加価値の高い山の幸の事業化に資する。さらに処理ブロック047 187では投資効率評価を含む森林経営支援を行なう。

本発明の森林情報管理装置は森林の状況を緯度経度で詳細に管理することが出来る。樹種については、あらかじめ認識されていない未知の植生を検出できるので、希少植物を管理して付加価値の高い”山の幸”を管理収集することが出来る。また、不法植物を山間で栽培していることも検出することが出来る。

本発明の森林情報管理装置の全体構成をを示す図である。 林小林班図の例である。 広葉樹樹冠の例である。 樹冠による樹木検出能力に関する実証検証論文の写しである。 本発明の森林情報管理装置の情報フローの全体構成をを示す図である。 本発明の森林情報管理装置の情報処理の全体構成を示す図である。 本発明の森林情報管理装置の樹木情報ＤＢ（データベース）の構造を示す図である。 本発明の森林情報管理装置のマルチスペクトル画像領域分類処理の原理を示す図である。 本発明の森林情報管理装置のマルチスペクトル画像領域分類処理のマルチスペクトル画像の相関演算領域設定方法を示す図である。 本発明の森林情報管理装置のマルチスペクトル画像領域分類処理のマルチスペクトル画像の画素間相関演算の方法を示す図である。 本発明の森林情報管理装置のマルチスペクトル画像領域分類処理のマルチスペクトル画像内の対象領域ごとの画素グループの統合処理の概念を示す図である。 本発明の森林情報管理装置のマルチスペクトル画像領域分類処理の全体構造を示す図である。 処理ブロック020 の内容を示すフローチャートである。 処理ブロック030 の内容を示すフローチャートである。 処理ブロック032 の内容を示すフローチャートである。 処理ブロック051 の内容を示すフローチャートである。 処理ブロック052 の内容を示すフローチャートである。 処理ブロック054 の内容を示すフローチャートである。 マルチスペクトル画像 画素/画素グループ対応テ−ブルおよび画素グループ/属性対応テ−ブル の構造を示す図である。 本発明の可搬型属性データ特定装置 110 の運用を示す図である。 本発明の可搬型属性データ特定装置 110 の表示画面例である。 本発明の可搬型属性データ特定装置 110 の表示画面に対応した処理を示すフローチャートである。 本発明の可搬型属性データ特定装置 110 の表示画面に対応した処理を示すフローチャートである。 本発明の可搬型属性データ特定装置 110 の表示画面に対応した処理を示すフローチャートである。 本発明の可搬型属性データ特定装置 110 の表示画面に対応した処理を示すフローチャートである。 本発明の可搬型属性データ特定装置 110 の表示画面に対応した処理を示すフローチャートである。 処理ブロック002のヒストグラム平準化の動作を示す図である。 処理ブロック002のヒストグラム平準化の原理を示す概念図その１である。 処理ブロック002のヒストグラム平準化の原理を示す概念図その２である。 処理ブロック011のヒストグラム平準化の内容を示すフローチャートである。 処理ブロック002のヒストグラム平準化処理前の画像データ例である。 処理ブロック002のヒストグラム平準化処理後の画像データ例である。 処理ブロック003の樹木Shading Model生成における樹冠のモデル化を示す図である。 処理ブロック003の樹木Shading Model生成における樹冠の数式モデル化方式を示す図である。 処理ブロック013のヒストグラム平準化の内容を示すフローチャートである。 処理ブロック012の内容を示すフローチャートである。 処理ブロック014の内容を示すフローチャートである。 処理ブロック015の内容を示すフローチャートである。 樹冠認識処理の例を示す図である。 情報信頼度管理処理の状態遷移を示す図である。

100 森林情報管理装置固定部
101 演算装置A
102 マルチスペクトル画像データ装置
103 属性グループデータ装置
104 森林情報DB装置
105 データインタフェース装置A
106 オペレータ
107 新規画像
108 基準GCP
109 施業情報データ装置
110 可搬型属性データ特定装置
111 演算装置B
112 マルチスペクトル画像データ装置
113 属性グループデータ装置
114 森林情報DB装置
115 データインタフェース装置B
116 DGPS
117 表示装置兼データ入力装置
118 レーザー測距計
119 方位センサ
120 施業情報
121 災害情報
122 樹冠１
123〜125 樹冠2-1〜樹冠2-3
126 DEMデータ装置
127 森林経営情報装置
130 処理ブロック001
132 林小班
133 林小班枝番 "５−ろー３９"
134 樹木位置データフュージョン処理
135 撮影条件
136 樹木情報DB
137 森林経営情報
138 マルチスペクトル画像領域分類処理
139 パンクロ画像
140〜149 処理ブロック010〜処理ブロック019
150 マルチスペクトル画像
151 森林領域
152〜158 対象領域１〜対象領域
ｉ 〜対象領域 n
160〜163 処理ブロック020〜処理ブロック023
164 DEM
165 森林経営森林情報処理
166 文字情報ファイル

167 画像情報ファイル

168 音声情報ファイル
168 動画音声情報ファイル
170〜176 処理ブロック030〜処理ブロック036
180〜183 処理ブロック040〜処理ブロック043
185〜187 処理ブロック045〜処理ブロック047
190〜194 処理ブロック050〜処理ブロック054
200〜203 処理ブロック060〜処理ブロック063
210〜216 処理ブロック070〜処理ブロック076
220〜226 処理ブロック080〜処理ブロック086
230 H座標軸
231 V座標軸
232 画素kl
233 マルチスペクトル画像 画素/画素グループ対応テ−ブル
234 画素グループ/属性対応テ−ブル
240 支柱
241 タブレットPC
242 表示画面
243 信号ケーブル
244 現在位置
245 目標位置
246 目標位置方向
247 目標表示方向
248 目標
249 非目標
250 現在位置データ表示欄
251 属性表示欄
252 属性操作SW
253 測距操作SW
254 先験実測樹木位置
255 先験画像抽出樹木位置
256 森林表示部
257 今回実測樹木位置
260〜262 処理ブロック090〜処理ブロック092
270〜274 処理ブロック100〜処理ブロック104
280〜284 処理ブロック110〜処理ブロック114
290〜301 処理ブロック120〜処理ブロック131
310〜321 処理ブロック140〜処理ブロック151
330〜340 処理ブロック160〜処理ブロック170
350〜356 処理ブロック180〜処理ブロック186
360 H座標軸
361 V座標軸
362 画素kl 362
363 ヒストグラム平準化フィルタ
370 度数軸 Y
371 輝度軸 X
372 平準化度数
373 輝度最大値 a
374 輝度最小値 b
375 輝度上限値 Xmax
376 輝度下限値 Xmin
377 輝度値 x
378 確率密度分布 P(x)
379 確率密度分布 Q(x)
380 輝度値 xe
381 度数分布 Pi
382 度数分布 Qi
383 輝度値 xｉ
384 輝度値 xeｉ
390 樹木楕円体モデル
391 樹木地表位置
392 楕円体座標系
393 View座標系
380 視線方向
381 日射方向
400〜405 処理ブロック200〜処理ブロック205
410〜417 処理ブロック210〜処理ブロック217
420〜427 処理ブロック220〜処理ブロック227
430 情報信頼度"None"
431 情報信頼度"So-So"
432 情報信頼度"Questionable
"
433 情報信頼度"Decisive"
434 凡例

Claims (4)

1. 森林の樹木の樹種、植樹後経過年数、胸高直径、蓄積量、収量比数、市町村識別情報、林班識別情報、小班識別情報、枝番識別情報の一部または全部を含む属性データを、樹木ごとに個別に緯度および経度を含む位置情報により特定し樹木情報データベースとしてデータベース化して管理することを特徴とする森林情報管理装置。
2. 請求項１において、個別の樹木ごとに特定した緯度および経度を含む位置情報を基準にして、測定時期および測定方法の異なる樹木情報により樹木情報データベースを更新し、統合化することを特徴とする森林情報管理装置であって、
   樹木情報の測定方法として、GCPにより位置較正された航空写真または衛星画像のオルソ画像の多スペクトルマルチスペクトル画像より得た樹種を含む属性データにより樹冠領域を樹種を含む属性ごとに分類し、当該分類した画像に対して当該オルソ画像のパンクロ画像を局所的にヒストグラムを平準化する操作をした上で日射方向と撮影方向に対応することを含む樹木のシェーディングモデルとの相関演算で樹冠を検出し、個別の樹木の位置を緯度と経度を基準に求め、樹冠の大きさを求め、樹種を求め森林情報とする方法、
   および、もうひとつの樹木情報の測定方法として、
   DGPS（Differential Global Positioning System ）を含む精密位置標定装置、画像表示装置、データ入力装置、演算装置、電子コンパス、レーザー距離計、および画像データ、画像の樹種領域分類データ、樹木の位置の緯度経度データを含むデータを記憶したデータベース装置を含む構成部分より成る可搬型樹木情報特定装置を用い、当該分類した領域に含まれる画素に対応する実際の対象物を直接目視確認可能な地上の近傍に当該可搬型樹木情報特定装置を設置し、精密位置標定装置により設置位置の緯度経度を測定し、電子コンパスで当該対象物の方位を計測し、目視またはレーザー測距により当該対象物との距離を計測し、個別の樹木の位置を緯度と経度を基準に求め、
   データベース装置内部の当該緯度経度に対応したマルチスペクトル画像データおよびマルチスペクトル画像の領域分類データを含む画像を検索して画像表示装置に表示し、当該分類した領域に含まれる画素と実際の対象物の樹種を含む属性データの対応を確認して、データ入力装置よりその確認結果を入力し、樹種を求め樹冠の大きさを求め、森林情報とする方法、
   を含む樹木情報の測定方法を用いることを特徴とする森林情報管理装置。
3. 請求項２において可搬型属性データ特定装置の画像表示装置の画面を視認する方向と当該分類した領域に含まれる画素と対応する実際の対象物を視認する方向が同一となるようにするために画像表示装置に方位検出器を設置し、方位検出器の検出結果に応動して表示画面を回転させ常に画面上方が、当該分類した領域に含まれる画素と対応する実際の対象物を視認する方向と同一となるようにし、
   さらにレーザー測距計を画面上方で当該対象物の方向に指向させて当該対象物との距離を計測するか、表示画面の縮尺を手動で変更して目視で当該対象物との距離を計測することを特徴とする可搬型樹木情報特定装置
4. 請求項２において、個別の樹木ごとに特定した緯度および経度を含む位置情報を基準とすることにより、測定時期および測定方法の異なる樹木の位置を含む樹木情報の信頼性を評価し、更新することを特徴とする森林情報管理装置。