JP2016035395A - 植物判別装置、植物判別方法および植物判別プログラム - Google Patents

Abstract

【課題】植物の判別精度を高めること。
【解決手段】本発明の植物判別装置１００は、ハイパースペクトルデータ１４１の画像上のピクセルに対する第１中央値と第２中央値との組について、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さいか否かを判定する。植物判別装置１００は、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さい場合には、該当するピクセルを、ハイパースペクトルデータ１４１から除外する。
【選択図】図１

Description

本発明は、植物判定装置等に関する。

植物の種別を調査する方法として、第１の調査方法と第２の調査方法とがある。第１の調査方法は、識別者が現地を踏査し、現地の状況を目視で判別する方法である。第２の調査方法は、人工衛星や航空機等から撮影された写真や画像を用いて識別する方法である。この第２の調査方法は、リモートセンシングとよばれる。第１の調査方法および第２の調査方法は、それぞれ単独または組み合わせて使用される。

近年、従来のマルチスペクトルの１０倍以上のバンド計測が可能なハイパースペクトルセンサを搭載した衛星が地球環境衛星などとして打ち上げられ、このハイパースペクトルセンサによる計測結果を用いて、リモートセンシングが行われる。

ハイパースペクトルセンサにより得られるスペクトルデータは、画像の１ピクセル毎に波長情報と光強度情報とを有するデータである。反射スペクトルは樹種毎に固有の特徴となるため、ハイパースペクトルデータを用いることで、樹種を判別できる。例えば、目的の樹木の基準スペクトルと判定対象のスペクトルデータとを照らし合わせてピクセル毎に類似度を求め、類似度の高いピクセルを、目的の樹木が位置する領域として判定する。

特開２０１１−６９７５７号公報 特開２００５−１９９１５４号公報 特開２０１０−２３７８６５号公報

しかしながら、上述した従来技術では、植物の判別精度が低いという問題があった。

人工衛星や航空機等を用いてスペクトルデータを取得すると、このスペクトルデータには、森林や農耕地の情報だけでなく、市街地の人工物の情報が含まれる。人工物の反射スペクトルの特徴は、植物の反射スペクトルの特徴と類似しているため、人工物を植物と誤って識別する場合があり、植物の判別精度が低下する。

１つの側面では、植物の判別精度を高めることができる植物判別装置、植物判別方法および植物判別プログラムを提供することを目的とする。

第１の案では、植物判別装置は、除外部を有する。除外部は、画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを利用する。除外部は、画像上のあるピクセルに対応する可視光領域の光強度の第１中央値と赤外光領域の光強度の第２中央値との組について、第１中央値に所定係数を乗算した値が、第２中央値よりも小さい場合に、あるピクセルを植物の判別対象から除外する。

本発明の１実施態様によれば、植物の判別精度を高めることができるという効果を奏する。

図１は、本実施例に係る植物判別装置の構成を示す機能ブロック図である。 図２は、ハイパースペクトルデータの一例を示す図である。 図３は、補正ハイパースペクトルデータの一例を示す図である。 図４は、各ピクセルの第１中央値と第２中央値との関係を示す図である。 図５は、本実施例に係る植物判別装置の処理手順を示すフローチャートである。 図６は、植物判別プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する植物判別装置、植物判別方法および植物判別プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

本実施例に係る植物判別装置の構成について説明する。図１は、本実施例に係る植物判別装置の構成を示す機能ブロック図である。図１に示すように、この植物判別装置１００は、通信部１１０、入力部１２０、表示部１３０、記憶部１４０、制御部１５０を有する。

通信部１１０は、ネットワークを介して他の装置とデータ通信を実行する処理部である。例えば、通信部１１０は、通信装置等に対応する。例えば、通信部１１０は、後述するハイパースペクトルデータ１４１を他の装置から受信した場合には、受信したハイパースペクトルデータ１４１を、制御部１５０に出力する。

入力部１２０は、各種の情報を植物判別装置１００に入力する入力装置である。例えば、入力部１２０は、キーボードやマウス、タッチパネル等に対応する。

表示部１３０は、制御部１５０から出力される各種データを表示する表示装置である。例えば、表示部１３０は、液晶ディスプレイやタッチパネル等に対応する。

インタフェース部１３５は、可搬記憶媒体等に接続し、可搬記憶媒体とデータをやり取りするインタフェースである。可搬記憶媒体は、例えば、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤメモリーカード、メモリースティック、コンパクトフラッシュ（登録商標）等に対応する。例えば、インタフェース部１３５は、可搬記憶媒体に記憶されたハイパースペクトルデータ１４１を取得し、取得したハイパースペクトルデータ１４１を、制御部１５０に出力する。

記憶部１４０は、ハイパースペクトルデータ１４１および補正ハイパースペクトルデータ１４２を有する。記憶部１４０は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子などの記憶装置に対応する。

ハイパースペクトルデータ１４１は、画像の１ピクセル毎に波長情報および光強度情報を含むデータである。図２は、ハイパースペクトルデータの一例を示す図である。図２では説明を省略するが、ハイパースペクトルデータ１４１は、波長毎の画像が重なって構成されており、ピクセルと波長と光強度とがそれぞれ対応付けられる。例えば、ハイパースペクトルデータ１４１の波長範囲は、４００ｎｍ〜１４００ｎｍである。

補正ハイパースペクトルデータ１４２は、ハイパースペクトルデータ１４１から人工物の領域を削除したハイパースペクトルデータである。図３は、補正ハイパースペクトルデータの一例を示す図である。図３に示す例では、各領域１０ａが人工物と判定され、削除されている。ハイパースペクトルデータ１４１から人工物の領域を削除する処理の説明は後述する。

図１の説明に戻る。制御部１５０は、取得部１５１と、除外部１５２と、照合部１５３とを有する。制御部１５０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）や、ＦＰＧＡ（Field Programmable Gate Array）などの集積装置に対応する。また、制御部１５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路に対応する。

取得部１５１は、通信部１１０またはインタフェース部１３５からハイパースペクトルデータ１４１を取得し、取得したハイパースペクトルデータ１４１を、記憶部１４０に登録する処理部である。

除外部１５２は、ハイパースペクトルデータ１４１を基にして、画像上の人工物の領域を特定し、特定した人工物の領域をハイパースペクトルデータ１４１から除外することで、補正ハイパースペクトルデータ１４２を生成する処理部である。除外部１５２は、生成した補正ハイパースペクトルデータ１４２を、記憶部１４０に登録する。

除外部１５２は、画像上のピクセルに対応する可視光領域に含まれる各光強度を比較して、中央値を特定する。可視光領域の波長範囲を４９５ｎｍ〜５７０ｎｍとする。以下の説明では、可視光領域に含まれる各光強度の中央値を第１中央値と表記する。

除外部１５２は、画像上のピクセルに対応する赤外光領域の各光強度を比較して、中央値を特定する。赤外光領域の波長範囲を７５０ｎｍ〜１４００ｎｍとする。以下の説明では、赤外光領域に含まれる各光強度の中央値を第２中央値と表記する。

除外部１５２は、画像上のピクセルに対する第１中央値と第２中央値との組について、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さいか否かを判定する。除外部１５２は、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さい場合には、該当するピクセルが、人工物に対応すると判定する。除外部１５２は、上記処理をハイパースペクトルデータ１４１の画像の全てのピクセルに対して実行することで、画像上の人工物に対応する領域を特定する。

図４は、各ピクセルの第１中央値と第２中央値との関係を示す図である。図４の横軸は可視光領域の第１中央値に対応する軸である。縦軸は、赤外光領域の第２中央値に対応する軸である。図４に示す各ピクセルは、ハイパースペクトルデータ１４１の各ピクセルに対応するピクセルである。

図４に示す線分２０は式（１）に対応する線分である。式（１）において、ｘは、第１中央値に対応する変数である。ｙは、第２中央値に対応する変数である。ａは、所定の係数に対応するものであり、図４に示す例では、係数を「１．４」としている。

ｙ＝ａｘ・・・（１）

図４において、第１中央値と第２中央値との関係が、線分２０よりも下に位置する各ピクセルは、人工物に対応するピクセルとなる。これに対して、第１中央値と第２中央値との関係が、線分２０よりも上に位置する各ピクセルは、人工物以外に対応するピクセルとなる。

除外部１５２は、図４に示すように、第１中央値と第２中央値との関係が、線分２０よりも下に位置する各ピクセルを、ハイパースペクトルデータ１４１から特定し、特定したピクセルを除外することで、補正ハイパースペクトルデータ１４２を生成する。

図１の説明に戻る。照合部１５３は、補正ハイパースペクトルデータ１４２と、樹種毎の基準スペクトルとを照合して、補正ハイパースペクトルデータ１４２上に存在する樹種を判定する処理部である。照合部１５３は、判定結果を、表示部１３０に出力する。

次に、本実施例に係る植物判別装置１００の処理手順について説明する。図５は、本実施例に係る植物判別装置の処理手順を示すフローチャートである。図５に示すように、植物判別装置１００は、処理を開始するか否かを判定する（ステップＳ１０１）。植物判別装置１００は、処理を開始しない場合には（ステップＳ１０１，Ｎｏ）、再度ステップＳ１０１に移行する。

植物判別装置１００の除外部１５２は、処理を開始する場合には（ステップＳ１０１，Ｙｅｓ）、可視光領域の光強度の第１中央値をピクセル毎に特定する（ステップＳ１０２）。除外部１５２は、赤外光領域の光強度の第２中央値をピクセル毎に特定する（ステップＳ１０３）。

除外部１５２は、係数を設定する（ステップＳ１０４）。除外部１５２は、第１中央値と第２中央値との関係が所定条件を満たすピクセルを特定する（ステップＳ１０５）。例えば、ステップＳ１０５において、除外部１５２は、第１中央値に係数を乗算した値が、第２中央値よりも小さいピクセルを特定する。

除外部は、特定したピクセルの領域をハイパースペクトルデータ１４１から削除して、補正ハイパースペクトルデータ１４２を生成する（ステップＳ１０６）。照合部１５３は、補正ハイパースペクトルデータ１４２を基に照合を行う（ステップＳ１０７）。

次に、本実施例に係る植物判別装置１００の効果について説明する。植物判別装置１００は、ハイパースペクトルデータ１４１の画面上のピクセルに対する第１中央値と第２中央値との組について、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さいか否かを判定する。植物判別装置１００は、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さい場合には、該当するピクセルを、ハイパースペクトルデータ１４１から除外する。上記条件を満たすピクセルは、人工物に対応するものであり、人工物を取り除いたハイパースペクトルデータ１４１を用いることで、植物の判別精度を向上させることができる。

上記実施例では、植物判定装置１００は、係数ａの値を「１．４」以外の値としてもよい。例えば、係数ａの値は「１．２〜１．６」、望ましくは「１．３〜１．４」でもよい。

ここで、式（１）の係数ａの値を「１．４」、「１．６」、「１．２」、「１．８」、「１．０」とした場合に、ハイパースペクトルデータから除外した領域に対して、実際に発明者が踏査した結果について述べる。

係数ａの値を「１．４」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域３０箇所を踏査した結果、全ての箇所が人工物であることを確認した。また、発明者は、削除した領域に近接する領域を踏査した結果、全て植物であることが確認できた。

係数ａの値を「１．６」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域３５箇所を踏査した結果、３０箇所が人工物であり、５箇所が植物であることを確認した。また、発明者は、削除した領域に近接する領域を踏査した結果、全て植物であることが確認できた。

係数ａの値を「１．２」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域３０箇所を踏査した結果、３０箇所が人工物であることを確認した。なお、削除した領域は全て人工物であったが、削除した領域に隣接する領域の７箇所が人工物であることを確認した。

係数ａの値を「１．８」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域４７箇所を踏査した結果、３０箇所が人工物であり、１７箇所が植物であることを確認した。また、発明者は、削除した領域に近接する領域を踏査した結果、全て植物であることが確認できた。

係数ａの値を「１．０」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域３０箇所を踏査した結果、３０箇所が人工物であったが、削除した領域に隣接する領域の１２箇所が人工物であることを確認した。

このため、係数ａの値を「１．２〜１．６」、望ましくは「１．３〜１．４」にすることで、ハイパースペクトルデータ１４１から人工物を精度よく除外することができることを確認できた。

植物判別装置１００は、可視光領域（４９５ｎｍから５７０ｎｍ）から特定した第１中央値と、赤外光領域（７５０ｎｍから１４００ｎｍ）から特定した第２中央値を用いることで、精度よく人工物を特定することができる。

なお、本実施例に係る除外部１５２は、７５０ｎｍ〜１４００ｎｍに含まれる光強度から第２中央値を求めていたが、これに限定されるものではない。例えば、４５０ｎｍ〜１４００ｎｍ＋αｎｍに含まれる光強度から、第２中央値を特定してもよい。αの値は、ユーザが適宜設定する値である。

また、植物判別装置１００は、ハイパースペクトルデータ１４１の波長範囲を４００ｎｍ〜１４００ｎｍにすることで、上記第１、２中央値を特定するための情報を得ることができる。

ところで、植物判別装置１００は、ピクセルの第１、２中央値の組について、第１中央値に所定の係数を乗算した値が、第２中央値よりも小さいピクセルを、人工物と判定していた。しかしながら、植物判別判定部１００は、第２中央値に所定の係数の逆数を乗算した値よりも、第１中央値が小さいピクセルを、人工物と判定してもよいことは言うまでもない。

次に、上記実施例に示した植物判別装置１００と同様の機能を実現する植物判別プログラムを実行するコンピュータの一例について説明する。図６は、植物判別プログラムを実行するコンピュータの一例を示す図である。

図６に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、ユーザからのデータの入力を受け付ける入力装置２０２と、ディスプレイ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読取る読み取り装置２０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインタフェース装置２０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０６と、ハードディスク装置２０７とを有する。そして、各装置２０１〜２０７は、バス２０８に接続される。

ハードディスク装置２０７は、除外プログラム２０７ａを有する。ＣＰＵ２０１は、除外プログラム２０７ａを読み出してＲＡＭ２０６に展開する。除外プログラム２０７ａは、除外プロセス２０６ａとして機能する。除外プロセス２０６ａが実行する処理は、除外部１５２が実行する処理に対応する。

なお、除外プログラム２０７ａについては、必ずしも最初からハードディスク装置２０７に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ２００が除外プログラム２０７ａを読み出して実行するようにしてもよい。

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを基にして、前記画像上のあるピクセルに対応する前記可視光領域の光強度の第１中央値と前記赤外光領域の光強度の第２中央値との組について、前記第１中央値に所定係数を乗算した値が、前記第２中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する除外部
を有することを特徴とする植物判別装置。

（付記２）前記所定係数は１．２から１．６までの値または１．３から１．４までの値であることを特徴とする付記１に記載の植物判別装置。

（付記３）前記可視光領域の波長範囲は４９５ｎｍから５７０ｎｍであり、前記赤外光領域の波長範囲は７５０ｎｍから１４００ｎｍであることを特徴とする付記１または２に記載の植物判別装置。

（付記４）前記分布スペクトルデータに含まれる波長範囲は、４００ｎｍから１４００ｎｍであることを特徴とする付記１、２または３に記載の植物判別装置。

（付記５）コンピュータが実行する植物判別方法であって、
画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、
前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第１中央値と前記赤外光領域の光強度の第２中央値との組について、前記第１中央値に所定係数を乗算した値が、前記第２中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する
処理を実行することを特徴とする植物判別方法。

（付記６）前記所定係数は１．２から１．６までの値または１．３から１．４までの値であることを特徴とする付記５に記載の植物判別方法。

（付記７）前記可視光領域の波長範囲は４９５ｎｍから５７０ｎｍであり、前記赤外光領域の波長範囲は７５０ｎｍから１４００ｎｍであることを特徴とする付記５または６に記載の植物判別方法。

（付記８）前記分布スペクトルデータに含まれる波長範囲は、４００ｎｍから１４００ｎｍであることを特徴とする付記５、６または７に記載の植物判別方法。

（付記９）コンピュータに、
画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、
前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第１中央値と前記赤外光領域の光強度の第２中央値との組について、前記第１中央値に所定定数を乗算した値が、前記第２中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する
処理を実行することを特徴とする植物判別プログラム。

（付記１０）前記所定係数は１．２から１．６までの値または１．３から１．４までの値であることを特徴とする付記９に記載の植物判別プログラム。

（付記１１）前記可視光領域の波長範囲は４９５ｎｍから５７０ｎｍであり、前記赤外光領域の波長範囲は７５０ｎｍから１４００ｎｍであることを特徴とする付記９または１０に記載の植物判別プログラム。

（付記１２）前記分布スペクトルデータに含まれる波長範囲は、４００ｎｍから１４００ｎｍであることを特徴とする付記９、１０または１１に記載の植物判別プログラム。

１００ 植物判別装置
１５２ 除外部

Claims (6)

1. 画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを基にして、前記画像上のあるピクセルに対応する前記可視光領域の光強度の第１中央値と前記赤外光領域の光強度の第２中央値との組について、前記第１中央値に所定係数を乗算した値が、前記第２中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する除外部
   を有することを特徴とする植物判別装置。
2. 前記所定係数は１．２から１．６までの値または１．３から１．４までの値であることを特徴とする請求項１に記載の植物判別装置。
3. 前記可視光領域の波長範囲は４９５ｎｍから５７０ｎｍであり、前記赤外光領域の波長範囲は７５０ｎｍから１４００ｎｍであることを特徴とする請求項１または２に記載の植物判別装置。
4. 前記分布スペクトルデータに含まれる波長範囲は、４００ｎｍから１４００ｎｍであることを特徴とする請求項１、２または３に記載の植物判別装置。
5. コンピュータが実行する植物判別方法であって、
   画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、
   前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第１中央値と前記赤外光領域の光強度の第２中央値との組について、前記第１中央値に所定係数を乗算した値が、前記第２中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する
   処理を実行することを特徴とする植物判別方法。
6. コンピュータに、
   画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、
   前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第１中央値と前記赤外光領域の光強度の第２中央値との組について、前記第１中央値に所定係数を乗算した値が、前記第２中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する
   処理を実行することを特徴とする植物判別プログラム。

Images