JP2014100099A - 森林情報管理装置 - Google Patents
森林情報管理装置 Download PDFInfo
- Publication number
- JP2014100099A JP2014100099A JP2012254334A JP2012254334A JP2014100099A JP 2014100099 A JP2014100099 A JP 2014100099A JP 2012254334 A JP2012254334 A JP 2012254334A JP 2012254334 A JP2012254334 A JP 2012254334A JP 2014100099 A JP2014100099 A JP 2014100099A
- Authority
- JP
- Japan
- Prior art keywords
- tree
- information
- forest
- image
- processing block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
【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
(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。
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。
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、
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。
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。
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。
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。
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。
(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。
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。
(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。
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
(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。
(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。
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。
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。
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。
(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)
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
(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。
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)。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
を操作しても Pi は(3)の平準化が出来ないためである。
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。
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。
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。
(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。
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。
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
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。
(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。
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。
(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。
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。
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)
- 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。
- 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。 - 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 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012254334A JP6273473B2 (ja) | 2012-11-20 | 2012-11-20 | 森林情報管理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012254334A JP6273473B2 (ja) | 2012-11-20 | 2012-11-20 | 森林情報管理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014100099A true JP2014100099A (ja) | 2014-06-05 |
JP6273473B2 JP6273473B2 (ja) | 2018-02-07 |
Family
ID=51023254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012254334A Expired - Fee Related JP6273473B2 (ja) | 2012-11-20 | 2012-11-20 | 森林情報管理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6273473B2 (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794481A (zh) * | 2015-03-25 | 2015-07-22 | 北京师范大学 | 融合全色影像和多光谱影像的分类方法及装置 |
KR101817072B1 (ko) * | 2016-05-03 | 2018-01-11 | 재단법인 포항산업과학연구원 | 농업 관리용 비행 드론 및 그 운용방법 |
WO2019181025A1 (ja) * | 2018-03-23 | 2019-09-26 | Necソリューションイノベータ株式会社 | 樹冠の同定装置、同定方法、プログラム、および記録媒体 |
JP2020018274A (ja) * | 2018-08-03 | 2020-02-06 | 一般財団法人電力中央研究所 | 水底生物の把握システム、及び、水底生物の把握方法 |
JP2020098442A (ja) * | 2018-12-18 | 2020-06-25 | 株式会社パスコ | 樹木幅設定装置及びプログラム |
RU2739436C1 (ru) * | 2020-03-26 | 2020-12-24 | Общество с ограниченной ответственностью "Экомониторинг" | Способ актуализации лесотаксационных данных на основе машинного обучения |
CN112907587A (zh) * | 2021-04-01 | 2021-06-04 | 西南石油大学 | 一种基于GEE的Otsu和边缘检测算法的高山林线提取方法 |
JP2022030949A (ja) * | 2020-08-07 | 2022-02-18 | 株式会社藤興業 | 間伐材等の伐倒方向の仮想空間形成方法 |
JP2022064630A (ja) * | 2020-10-14 | 2022-04-26 | 株式会社興和 | 森林資源情報生成構造、および森林資源情報生成方法 |
US11462008B2 (en) | 2017-11-15 | 2022-10-04 | Nec Solution Innovators, Ltd. | Device for collecting breeding data in farm field, device for analyzing feature in breeding, method for collecting breeding data in farm field, program, and recording medium |
WO2023157286A1 (ja) * | 2022-02-21 | 2023-08-24 | 日本電気株式会社 | 画像解析システムおよび画像解析方法 |
JP7450182B2 (ja) | 2019-03-01 | 2024-03-15 | 株式会社スカイマティクス | 地上物体検出システム、地上物体検出方法及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344048A (ja) * | 2002-05-22 | 2003-12-03 | Pasuko:Kk | 森林情報処理システム |
JP2006031673A (ja) * | 2004-06-17 | 2006-02-02 | Maezawa Ind Inc | 管理方法、および管理システム |
WO2010032495A1 (ja) * | 2008-09-16 | 2010-03-25 | 株式会社アドイン研究所 | 樹木情報計測方法、樹木情報計測装置、プログラム |
-
2012
- 2012-11-20 JP JP2012254334A patent/JP6273473B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344048A (ja) * | 2002-05-22 | 2003-12-03 | Pasuko:Kk | 森林情報処理システム |
JP2006031673A (ja) * | 2004-06-17 | 2006-02-02 | Maezawa Ind Inc | 管理方法、および管理システム |
WO2010032495A1 (ja) * | 2008-09-16 | 2010-03-25 | 株式会社アドイン研究所 | 樹木情報計測方法、樹木情報計測装置、プログラム |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794481B (zh) * | 2015-03-25 | 2018-01-19 | 北京师范大学 | 融合全色影像和多光谱影像的分类方法及装置 |
CN104794481A (zh) * | 2015-03-25 | 2015-07-22 | 北京师范大学 | 融合全色影像和多光谱影像的分类方法及装置 |
KR101817072B1 (ko) * | 2016-05-03 | 2018-01-11 | 재단법인 포항산업과학연구원 | 농업 관리용 비행 드론 및 그 운용방법 |
US11462008B2 (en) | 2017-11-15 | 2022-10-04 | Nec Solution Innovators, Ltd. | Device for collecting breeding data in farm field, device for analyzing feature in breeding, method for collecting breeding data in farm field, program, and recording medium |
CN111918547B (zh) * | 2018-03-23 | 2022-06-07 | 日本电气方案创新株式会社 | 树冠识别装置、识别方法、程序和记录介质 |
WO2019181025A1 (ja) * | 2018-03-23 | 2019-09-26 | Necソリューションイノベータ株式会社 | 樹冠の同定装置、同定方法、プログラム、および記録媒体 |
CN111918547A (zh) * | 2018-03-23 | 2020-11-10 | 日本电气方案创新株式会社 | 树冠识别装置、识别方法、程序和记录介质 |
US11594020B2 (en) | 2018-03-23 | 2023-02-28 | Nec Solution Innovators, Ltd. | Crown identification device, identification method, program, and recording medium |
JPWO2019181025A1 (ja) * | 2018-03-23 | 2021-03-18 | Necソリューションイノベータ株式会社 | 樹冠の同定装置、同定方法、プログラム、および記録媒体 |
JP7144779B2 (ja) | 2018-03-23 | 2022-09-30 | Necソリューションイノベータ株式会社 | 樹冠の同定装置、同定方法、プログラム、および記録媒体 |
JP2020018274A (ja) * | 2018-08-03 | 2020-02-06 | 一般財団法人電力中央研究所 | 水底生物の把握システム、及び、水底生物の把握方法 |
JP7107780B2 (ja) | 2018-08-03 | 2022-07-27 | 一般財団法人電力中央研究所 | 水底生物の把握システム、及び、水底生物の把握方法 |
JP2020098442A (ja) * | 2018-12-18 | 2020-06-25 | 株式会社パスコ | 樹木幅設定装置及びプログラム |
JP7248419B2 (ja) | 2018-12-18 | 2023-03-29 | 株式会社パスコ | 樹木幅設定装置及びプログラム |
JP7450182B2 (ja) | 2019-03-01 | 2024-03-15 | 株式会社スカイマティクス | 地上物体検出システム、地上物体検出方法及びプログラム |
RU2739436C1 (ru) * | 2020-03-26 | 2020-12-24 | Общество с ограниченной ответственностью "Экомониторинг" | Способ актуализации лесотаксационных данных на основе машинного обучения |
JP2022030949A (ja) * | 2020-08-07 | 2022-02-18 | 株式会社藤興業 | 間伐材等の伐倒方向の仮想空間形成方法 |
JP7218941B2 (ja) | 2020-08-07 | 2023-02-07 | 株式会社藤興業 | 間伐材等の伐倒方向の仮想空間形成方法 |
JP2022064630A (ja) * | 2020-10-14 | 2022-04-26 | 株式会社興和 | 森林資源情報生成構造、および森林資源情報生成方法 |
JP7217855B2 (ja) | 2020-10-14 | 2023-02-06 | 株式会社興和 | 森林資源情報生成構造 |
CN112907587B (zh) * | 2021-04-01 | 2022-03-01 | 西南石油大学 | 一种基于GEE的Otsu和边缘检测算法的高山林线提取方法 |
CN112907587A (zh) * | 2021-04-01 | 2021-06-04 | 西南石油大学 | 一种基于GEE的Otsu和边缘检测算法的高山林线提取方法 |
WO2023157286A1 (ja) * | 2022-02-21 | 2023-08-24 | 日本電気株式会社 | 画像解析システムおよび画像解析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6273473B2 (ja) | 2018-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6273473B2 (ja) | 森林情報管理装置 | |
Yun et al. | Individual tree crown segmentation from airborne LiDAR data using a novel Gaussian filter and energy function minimization-based approach | |
Sylvain et al. | Mapping dead forest cover using a deep convolutional neural network and digital aerial photography | |
US9430499B2 (en) | Automated feature extraction from imagery | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
Jakubowksi et al. | Predicting surface fuel models and fuel metrics using Lidar and CIR imagery in a dense, mountainous forest | |
Röder et al. | Application of optical unmanned aerial vehicle-based imagery for the inventory of natural regeneration and standing deadwood in post-disturbed spruce forests | |
Brook et al. | Modelling and monitoring urban built environment via multi-source integrated and fused remote sensing data | |
CN111222539B (zh) | 基于多源多时相遥感影像优化和扩充监督分类样本的方法 | |
Brocks et al. | Toward an automated low-cost three-dimensional crop surface monitoring system using oblique stereo imagery from consumer-grade smart cameras | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
CN109918531A (zh) | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 | |
Lehmann et al. | Temporal and spatial changes of land use in rare metal mining areas of Rwanda | |
Lei et al. | A novel algorithm of individual tree crowns segmentation considering three-dimensional canopy attributes using UAV oblique photos | |
Fol et al. | Evaluating state-of-the-art 3D scanning methods for stem-level biodiversity inventories in forests | |
Mustafa et al. | Object based technique for delineating and mapping 15 tree species using VHR WorldView-2 imagery | |
Yadav et al. | Urban tree canopy detection using object-based image analysis for very high resolution satellite images: A literature review | |
Roy et al. | Comparative analysis of object based and pixel based classification for mapping of mango orchards in Sitapur district of Uttar Pradesh | |
Tong et al. | A two-phase classification of urban vegetation using airborne LiDAR data and aerial photography | |
JP6060377B2 (ja) | 画像クラスタ分析装置 | |
Klein et al. | N-dimensional geospatial data and analytics for critical infrastructure risk assessment | |
Huang et al. | An algorithm of forest age estimation based on the forest disturbance and recovery detection | |
McInerney et al. | Extending forest inventories and monitoring programmes using remote sensing: A review. | |
Franklin et al. | Approaches for monitoring landscape composition and pattern using remote sensing | |
JP6524842B2 (ja) | 情報処理装置、情報処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150110 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151105 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170411 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171005 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6273473 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |