JP2020173626A - 衛星特性学習装置、衛星特性判定装置及び観測装置 - Google Patents

Abstract

【課題】衛星の名称、衛星の種別、衛星の所属の少なくともいずれか一つの情報を含む衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置を得ること。【解決手段】衛星を撮影した撮影画像が入力される撮影画像入力部と、衛星の名称、衛星の種別、衛星の所属の少なくともいずれか一つの情報を含む衛星の識別情報から、作成された衛星の特性情報が入力される特性情報入力部と、撮影画像と画像データとに基づいて、撮影画像と特性情報とを関連付けて学習する学習部とを備える。【選択図】 図１

Description

この発明は、人工衛星（以下、単に「衛星」と呼ぶ）の名称、種別、所属の少なくともいずれか一つの情報を含む衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置に関するものである。

衛星は、通信衛星、気象などの観測衛星、偵察衛星などに利用されている。これらの衛星は姿勢に基づき、サービスエリアや監視対象のエリアが決定されている（例えば、特許文献１参照）。つまり、衛星の姿勢からサービスエリアや監視対象のエリアが分かる。このような衛星を観測する観測装置が従来からある（例えば、特許文献２参照）。観測装置には光学望遠鏡などの光学装置がしばしば用いられる。光学装置には、衛星などの観察対象と揺らぎ層との距離や観察対象の大きさにかかわらず、従来よりも精度よく波面位相収差を補正する補償光学系を備えたものがある（例えば、特許文献３参照）。

また、衛星を観測する観測装置は、画像から衛星の位置などから衛星の識別する機能が設けられていることがある（例えば、特許文献４参照）。一方、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）などを使った機械学習による学習モデルを用いて画像から対象物を識別するものがある。例えば、特許文献５には、複数の撮影条件毎に分類された複数の学習用画像データが撮影条件毎に所定の学習モデルに入力され、対象物の特徴を示す情報が撮影条件毎に学習するものが開示されている。

特開２００４−７４９２６号公報 ＷＯ２０１８／１６７８４０ 特開２０１５−６０２０２号公報 特開２０１７−７２８８８号公報 特開２０１８−８１４０４号公報

しかしながら、従来の機械学習は、観測装置の観測結果（撮影画像）に対して、衛星の名称、種別、所属などの識別情報を容易に提供することができる学習モデルが検討されていないという課題があった。

この発明は、上記のような課題を解決するためになされたものであり、衛星の名称、前記衛星の種別、前記衛星の所属の少なくともいずれか一つの情報を含む前記衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置を得ることを目的とする。

この発明に係る衛星特性学習装置は、衛星の名称、前記衛星の種別、前記衛星の所属の少なくともいずれか一つの情報を含む前記衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置において、前記衛星を撮影した撮影画像が入力される撮影画像入力部と、前記撮影画像に対応する、前記識別情報から作成された前記衛星の特性情報が入力される特性情報入力部と、前記撮影画像と前記特性情報とを関連付けて学習する学習部とを備えたことを特徴とするものである。

この発明に係る衛星特性判定装置及び観測装置は、衛星の名称、前記衛星の種別、前記衛星の所属の少なくともいずれか一つの情報を含む前記衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置において、前記衛星を撮影した撮影画像が入力される撮影画像入力部と、前記撮影画像に対応する、前記識別情報から作成された前記衛星の特性情報が入力される特性情報入力部と、前記撮影画像と前記特性情報とを関連付けて学習する学習部とを有する衛星特性学習装置の学習結果を用いたものであって、新たに前記衛星を撮影した新規撮影画像が入力される新規撮影画像入力部と、前記学習部が学習した学習結果に基づいて、前記新規撮影画像に対応する前記撮影画像、前記特性情報の少なくとも一方を決定する特性情報決定部とを備えたことを特徴とするものである。

この発明によれば、撮影画像と特性情報とを関連付けて学習することで、衛星を識別するための学習結果（学習モデル）を提供が可能な衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置を得ることができる。

この発明の実施の形態１に係る衛星特性学習装置の機能ブロック図である。 この発明の実施の形態１に係る衛星特性学習装置の動作（衛星特性学習方法）を説明するフローチャートである。 この発明の実施の形態１に係る衛星特性判定装置及び観測装置の機能ブロック図である。 この発明の実施の形態１に係る衛星特性学習装置、衛星特性判定装置及び観測装置の動作（衛星特性判定方法）を説明するフローチャートである。 この発明の実施の形態２に係る衛星特性学習装置の機能ブロック図である。 この発明の実施の形態２に係る衛星特性学習装置の動作を説明するフローチャートである。 この発明の実施の形態２に係る衛星特性判定装置及び観測装置の機能ブロック図である。 この発明の実施の形態２に係る衛星特性学習装置、衛星特性判定装置及び観測装置の動作を説明するフローチャートである。 この発明の実施の形態３に係る衛星特性判定装置及び観測装置の機能ブロック図である。 この発明の実施の形態３に係る衛星特性学習装置、衛星特性判定装置及び観測装置の動作を説明するフローチャートである。 この発明の実施の形態４に係る衛星特性学習装置の機能ブロック図である。 この発明の実施の形態４に係る衛星特性学習装置の動作（衛星特性学習方法）を説明するフローチャートである。 この発明の実施の形態４に係る衛星特性判定装置及び観測装置の機能ブロック図である。

実施の形態１．
以下、この発明の実施の形態１に係る衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置（実施の形態１に係る衛星特性判定装置、実施の形態１に係る観測装置）について、図１から図４を用いて説明する。図中、同一符号は、同一又は相当部分を示し、それらについての詳細な説明は省略する。図３において、衛星１は、例えば、通信衛星、地表や大気などをセンシングするセンサを搭載した気象衛星や測位衛星などの観測衛星、偵察衛星である。これは衛星１の種別といえる。衛星１の識別情報は、衛星１の名称、衛星１の種別、衛星１の所属の少なくともいずれか一つの情報を含むものである。衛星１の名称から衛星１の所属が明らかなものは省略可能である。本願では、複数の衛星１が存在することを前提にして学習するものである。よって、学習の量が進むにつれ、後述する新規撮影画像が未知の衛星１のものの場合も類似の衛星の名称、種別、所属などの識別情報を容易に提供することができる。

図１及び図３において、衛星特性学習装置２は、衛星１の識別情報と、撮影画像とを関連付けて学習するものであり、学習モデルを構築する（実施の形態１に係る衛星特性学習装置）。撮影画像は、予め衛星１を撮影した画像であり、二次元又は三次元のものである。そして、撮影画像入力部３は、衛星１を撮影した撮影画像が入力されるものである。なお、撮影画像には、正解ラベルとセットで撮影画像入力部３に入力される。特性情報入力部４は、識別情報を有する衛星１の画像データ、及び、識別情報から、作成された衛星１の特性情報が入力されるものである。衛星１の画像データは、二次元又は三次元のものである。特性情報入力部４は、インターネット回線を介して画像データが入力されるようにしてもよい。これは、画像データ自体をインターネット上にあるもの使用することも含んでいる。学習部５は、撮影画像と画像データとに基づいて、撮影画像と特性情報とを関連付けて学習するものである。

学習部５（衛星特性学習装置２）には、ＡＩなどの機械学習を適用すればよい。学習部５（衛星特性学習装置２）は学習モデルを構築して蓄積している。学習部５の関連付けは、好適には、撮影画像に写された衛星１の外形と画像データにある衛星１の外形とを特徴情報とし、特徴情報に基づいて、撮影画像と特性情報とを関連付けて学習することが考えられる。また、学習部５は、特徴情報から特徴量を抽出し、撮影画像と特性情報とを関連付けて学習することにより類別精度の向上を狙うことができる。つまり、学習部５は、図示はしていないが、特徴情報から特徴量を抽出する特徴量抽出部（特徴量抽出機能）を有しているといえる。この特徴量抽出部（特徴量抽出機能）は、撮影画像入力部３に形成してもよい。画像データから特徴情報を利用する場合、特徴量抽出部（特徴量抽出機能）は、特性情報入力部４に形成してもよい。さらに、学習部５は、特徴情報を衛星１の姿勢とし、撮影画像と特性情報とを関連付けて学習するようにしてもよい。特徴情報を衛星１の姿勢とする場合の詳細は、実施の形態２で説明する。

よって、学習部５（衛星特性学習装置２）におけるＡＩなどの機械学習とは、大量のサンプルデータ及びその正解ラベルを用いた学習により特徴を捉えて、新しいデータに対して予測・決定を行うものであるといえる。実施の形態１から実施の形態３は、正解である画像データを利用しているので、この画像データ自体を正解レベルとして、学習部６にて、撮影画像とセットにしてもよい。また、撮影画像と画像データとに個々に正解ラベルをセットする場合でも、同じ衛星１に対応するものは同じ正解ラベルをセットすればよい。

衛星１の画像データは、衛星１と明確に識別できるものであり、衛星１の撮影画像は判定者が予め決められた基準で反転して衛星１と判定できるものを指す。もちろん、学習部５の学習強化の一環として、衛星１の撮影画像を衛星１の画像データに近いものを使用したり、判定者でも判定がやや困難なものを使用したりしてもよい。なお、撮影画像は、実際に撮影した画像に加えて、撮影画像を想定して模擬した画像でもよい。つまり、撮影画像は模擬画像（模擬撮影画像）を含むものとする。模擬の例としては、画像データの画質を劣化させたものや、画像データの情報を一部間引いたものが挙げられる。もちろん、模擬画像（模擬撮影画像）は、一から作成したものでもよいし、撮影画像を加工した（劣化させた、情報の間引きした）ものでもよい。学習部５の学習部モデルを使った、衛星特性判定装置６における撮影画像又は特性情報の少なくとも一方を決定する判定が誤っている場合、衛星特性学習装置２は、図３の二重線の矢印で示すように、後述の特性情報決定部８から、学習部５に対してフィードバックを受けて、学習部モデルを強化する構成としてもよい。

次に、図２を用いて実施の形態１に係る衛星特性学習装置の動作（実施の形態１に係る衛星特性学習方法）を説明する。図２において、ステップ１は、撮影画像入力部３に、衛星１を撮影した撮影画像が入力される処理ステップである。ステップ２は、特性情報入力部４に、識別情報（衛星１の名称、衛星１の種別、衛星１の所属の少なくともいずれか一つの情報を含むもの）を有する衛星１の画像データ、及び、識別情報から、作成された衛星１の特性情報が入力される処理ステップである。詳しくは、図１に示すように、特性情報入力部４へ衛星１の画像データ、及び、衛星１の識別情報がそれぞれ入力されて、特性情報入力部４にて衛星１の特性情報としてもよいし、衛星１の画像データ、及び、衛星１の識別情報を関連付けて、衛星１の特性情報として特性情報入力部４に入力してもよい。ステップ１及びステップ２は、処理の順序は問わない。同時でもよい。ステップ３は、撮影画像入力部３から出力された撮影画像と、特性情報入力部４から出力された特性情報のうち画像データとに基づいて、学習部５に撮影画像と特性情報とを関連付けて学習させる処理ステップである。ステップ３は、前述の特徴情報を用いてもよい。

撮影画像入力部３は、撮影画像に写された衛星１の姿勢を強調する画像補正を行うものでもよい。さらに、撮影画像入力部３は、撮影画像に写された衛星１の本体部分と外部部品部分とのいずれか一方の情報を主体に使って、衛星１の姿勢を強調する画像補正を行ってもよい。これは、撮影画像と画像データとの関連付けを容易にするための事前処理に相当する。詳細は、実施の形態２で説明する。また、事前処理はステップ１における撮影画像入力部３の処理としてもよい。同じく、撮影画像と画像データとの関連付けを容易にするために、撮影画像入力部３は、大気の揺らぎによる乱れを補償した後の撮影画像が入力されるようにしてもよい。なお、撮影画像入力部３は、インターネット回線を介して撮影画像が入力されるようにしてもよい。これは、撮影画像自体をインターネット上にあるもの使用することも含んでいる。

図３において、衛星特性判定装置６は、図１及び図３に示す衛星特性学習装置２の学習結果（学習モデル）を用いたものである（実施の形態１に係る衛星特性判定装置）。新規撮影画像入力部７は、新たに衛星１を撮影した新規撮影画像が入力されるものである。ここで、新規撮影画像とは、学習部５（衛星特性学習装置２）が学習モデルの構築に使用した撮影画像と区別するために、「新規」と称しているだけで既存の撮影画像を含める。つまり、新規撮影画像とは、衛星特性学習装置２の学習モデルを用いて、対応する撮影画像又は特性情報の少なくとも一方を決定したいものを指すものである。よって、新規撮影画像は、被判定用画像と呼んでもよい。一方、撮影画像は、学習モデル構築用画像と呼んでもよい。なお、新規撮影画像入力部７は、インターネット回線を介して新規撮影画像が入力されるようにしてもよい。これは、新規撮影画像自体をインターネット上にあるもの使用することも含んでいる。特性情報決定部８は、学習部５が学習した学習結果に基づいて、新規撮影画像に対応する画像データ、撮影画像、特性情報の少なくとも一方を決定するものである。画像補正部９は、新規撮影画像に写された衛星１の姿勢を強調する画像補正を行うものである。実施の形態１に係る衛星特性判定装置（衛星特性判定装置６）は、図３では別体だが、衛星特性学習装置２を包含してもよい。

同じく、図３において、観測装置１０は衛星特性判定装置６を備えたものである（実施の形態１に係る観測装置）。観測装置１０は光学又は電波望遠鏡が好適である。光学部１１は、衛星１からの光を収束するものである。受光部１２は、光学部１１が収束した光を受光して新規撮影画像を生成するものである。補償光学部１３は、新規撮影画像に表れる大気の揺らぎによる乱れを補償するものである。補償光学部１３は、例えば、光学部１１を形成し、複数のレンズで構成されたレンズ系を位置調整機構で調整して補償するものでよい。実施の形態１に係る観測装置（観測装置１０）は、図３に示すように、衛星特性判定装置６と別体でもよい。この場合、画像補正部９を観測装置１０の内部に設けてもよい。

次に、図４を用いて実施の形態１に係る主に衛星特性判定装置（観測装置）の動作の動作（実施の形態１に係る衛星特性判定方法）を説明する。図４において、ステップ１１は、新規撮影画像入力部７へ新たに衛星１を撮影した新規撮影画像が入力される処理ステップである。ステップ１２は、新規撮影画像入力部７から学習部５へ新規撮影画像を入力させて学習モデルを使用する処理ステップである。ステップ１３は、学習部５が学習した学習結果（学習モデル）に基づいて、特性情報決定部８が新規撮影画像に対応する撮影画像又は特性情報の少なくとも一方を決定する処理ステップである。

ステップ１３の精度を高めるために、画像補正部９を設けることで、新規撮影画像に写された衛星１の姿勢を強調する画像補正を行ってもよい。さらに、画像補正部９は、新規撮影画像に写された衛星１の本体部分と外部部品部分とのいずれか一方の情報を主体に使って画像補正を行うものでもよい。このような事前処理はステップ１１における新規撮影画像入力部７の処理としてもよい。詳細は、実施の形態２で説明する。

実施の形態２．
以下、この発明の実施の形態２に係る衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置（実施の形態２に係る衛星特性判定装置、実施の形態２に係る観測装置）について、図５から図８を用いて説明する。図９及び図１０は、実施の形態２の変形例の説明図であり、実施の形態３で説明を行う。実施の形態１と共通する部分を含めて、図中、同一符号は、同一又は相当部分を示し、それらについての詳細な説明は省略する。

図５及び図７において、学習部５（衛星特性学習装置２）は、撮影画像入力部３に入力された撮影画像に写された衛星１の姿勢と、特性情報入力部４に入力された特性情報（衛星１の画像データ及び衛星１の識別情報）に包含される衛星１の姿勢とに基づいて、撮影画像と特性情報とを関連付けて学習するものである。詳しくは、学習部５は特徴情報確認部１４及び関連付け部１５を有している。実施の形態１における学習部５と実施の形態２における学習部５との違いは、特徴情報確認部１４及び関連付け部１５の詳細な動作説明の有無である。

図５及び図７において、特徴情報確認部１４は、画像処理などで撮影画像及び画像データからそれぞれ衛星１の姿勢を抽出して、特徴情報である衛星１の姿勢を確認する。もちろん、撮影画像及び画像データの少なくとも一方が元から衛星１の姿勢の情報を持っていてもよい。関連付け部１５は、撮影画像からの衛星１の姿勢と画像データからの衛星１の姿勢に基づいて、撮影画像と特性情報とを関連付けて学習するものである。特徴情報確認部１４が衛星１の姿勢を抽出しやすくなるように、撮影画像入力部３は、撮影画像に写された衛星１の姿勢を強調する画像補正を行ってもよい。さらに、撮影画像入力部３は、撮影画像に写された衛星１の本体部分と外部部品部分とのいずれか一方の情報を主体に使って、衛星１の姿勢を強調する画像補正を行ってもよい。これは、撮影画像がぼやけており、姿勢を含めて衛星１の外形が分かりにくい場合に、例えば、衛星１の外部部品部分であるソーラーパネルや小さい機器などの外形がぼやけやすい部分と、衛星１の本体部分とを切り分けて画像補正することを意味する。

次に、図６を用いて実施の形態２に係る衛星特性学習装置の動作（実施の形態２に係る衛星特性学習方法）を説明する。図６においてステップ１からステップ３は、図２で示したものと基本的には同じである。実施の形態２ではステップ３がステップ３１とステップ３２とに細分化されているといえる。ステップ３１は、撮影画像入力部３から出力された撮影画像と、特性情報入力部４から出力された特性情報のうち画像データとに基づいて、特徴情報確認部１４が衛星１の姿勢を抽出する処理ステップである。ステップ３２は、関連付け部１５が、撮影画像からの衛星１の姿勢と画像データからの衛星１の姿勢に基づいて、学習部５に撮影画像と特性情報とを関連付けて学習させる処理ステップである。ステップ３１及びステップ３２（ステップ３）は、前述の特徴情報として衛星１の姿勢を用いているといえる。

図７において、衛星特性判定装置６は、図５及び図７に示す衛星特性学習装置２の学習結果（学習モデル）を用いたものである（実施の形態２に係る衛星特性判定装置）。特性情報決定部８は、学習部５が学習した学習結果に基づいて、新規撮影画像に対応する画像データ、撮影画像、特性情報の少なくとも一方を決定するものである。学習部５は、新規撮影画像入力部７から入力された新規撮影画像から、特徴情報確認部１４が、画像処理などで新規撮影画像から衛星１の姿勢を抽出して、特徴情報である衛星１の姿勢を確認する。もちろん、新規撮影画像から衛星１の姿勢の情報を元から持っていてもよい。また、学習部５ではなく、特徴情報である衛星１の姿勢の抽出を新規撮影画像入力部７で実施してもよい。実施の形態１（図３）と同様に、図７の二重線の矢印で示すように、特性情報決定部８から、学習部５に対してフィードバックを受けて、学習部モデルを強化する構成としてもよい。

次に、図８を用いて実施の形態２に係る主に衛星特性判定装置（観測装置）の動作の動作（実施の形態２に係る衛星特性判定方法）を説明する。図８において、ステップ１１からステップ１３は、図４で示したものと基本的には同じである。実施の形態２ではステップ１２とステップ１３との間に、ステップ１２０があるものといえる。ステップ１２０は、学習部５又は新規撮影画像入力部７が、画像処理などで新規撮影画像から衛星１の姿勢を抽出して、特徴情報である衛星１の姿勢を確認する処理ステップである。ステップ１２は、新規撮影画像及び特徴情報である衛星１の姿勢を入力させて学習モデルを使用する処理ステップである。前述のように、ステップ１３の精度を高めるために、画像補正部９を設けることで、新規撮影画像に写された衛星１の姿勢を強調する画像補正を行ってもよい。さらに、画像補正部９は、新規撮影画像に写された衛星１の本体部分と外部部品部分とのいずれか一方の情報を主体に使って画像補正を行うものでもよい。

実施の形態２に係る観測装置の説明は、実施の形態１と基本動作が同様のため、説明は省略する。但し、実施の形態２に係る観測装置が、新規撮影画像入力部７（衛星特性判定装置６）に入力される新規撮影画像に、新規撮影画像を撮影した装置（観測装置１０に限らない）の位置情報と、新規撮影画像の撮影方向である方向情報とが包含されているようにすれば、次のような学習モデルの使い方がある。新規撮影画像を撮影した装置の位置情報と、新規撮影画像の撮影方向である方向情報とを包含させることは、図９を使って実施の形態３で説明する。新規撮影画像を撮影した装置（観測装置１０に限らない）の位置情報と、新規撮影画像の撮影方向である方向情報があれば、位置情報及び方向情報から、特徴情報である衛星１の姿勢（外形）や大きさを三次元的に変換できる。そのため、新規撮影画像の特徴情報である衛星１の姿勢（外形）や大きさが、学習部５で学習したものにない場合でも、対応ができる。

同じく、学習部５（衛星特性学習装置２）に入力される撮影画像に、撮影画像を撮影した装置（観測装置１０に限らないに限らない）の位置情報と、撮影画像の撮影方向である方向情報とが包含されることで、特徴情報である衛星１の姿勢（外形）や大きさを三次元的に変換できるので、学習部５の学習強化の一環として撮影画像の母数を増やすことができる。なお、撮影方向及び位置、衛星１の傾きから、撮影画像（画像データ）、新規撮影画像からも衛星１の絶対座標が決まる。衛星１の傾きは実施の形態３で説明する。

実施の形態３．
以下、この発明の実施の形態３に係る衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置（実施の形態３に係る衛星特性判定装置、実施の形態３に係る観測装置）について、図９及び図１０を用いて説明する。実施の形態３は、実施の形態２の変形例である。実施の形態３に係る衛星特性学習装置は、実施の形態２に係る衛星特性学習装置と基本動作が同様のため、説明は省略する。実施の形態３は、衛星１が向いている地表の方向又は地表の位置を決定する機能がさらに衛星特性判定装置６（観測装置１０）へ付加されたものである。衛星１が向いている地表の方向又は地表の位置は、すなわち、衛星１のサービスエリア又は監視対象のエリア若しくは衛星１の所属国を意味している。衛星方向決定部１６は次の二つが代表例として考えられる。なお、衛星１が向いている地表の方向とは、例えば、衛星１に搭載のアンテナや測定機器の向いている方向や、地表（地球）と正対する方向が考えられる。また、衛星１の姿勢は、衛星１が向いている地表の方向に対する衛星１の傾きともいえるし、撮影画像（画像データ）、新規撮影画像における衛星１の傾きともいえる。

図９において、衛星方向決定部１６は、新規撮影画像に包含される、新規撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び新規撮影画像の撮影方向である方向情報から、特性情報を有する衛星１が向いている地表の方向を導出するものである。これは、新規撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び新規撮影画像の撮影方向である方向情報があれば、衛星１が向いている地表の方向又は地表の位置を決定することができるためである。つまり、撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び撮影画像の撮影方向である方向情報がなくてもよい。

同じく、図９において、衛星方向決定部１６は、撮影画像に包含される、撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び撮影画像の撮影方向である方向情報から、特性情報を有する衛星１が向いている地表の方向又は前記地表の位置を導出するものである。これは、撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び撮影画像の撮影方向である方向情報があれば、衛星１が向いている地表の方向又は地表の位置を決定することができるためである。つまり、新規撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び新規撮影画像の撮影方向である方向情報がなくてもよい。

なお、新規撮影画像を撮影した装置（観測装置１０に限らない）の位置情報及び新規撮影画像の撮影方向は、図９に示すように、観測装置１０（光学部１１）から、新規撮影画像入力部７へ送ればよい。

次に、図１０を用いて実施の形態３に係る主に衛星特性判定装置（観測装置）の動作の動作（実施の形態３に係る衛星特性判定方法）を説明する。図１０において、ステップ１１、ステップ１２０、ステップ１２、ステップ１３は、図８で示したものと基本的には同じである。実施の形態３ではステップ１３の後に、ステップ１４があるものといえる。ステップ１４は、衛星方向決定部１６が、撮影画像又は新規撮影画像に包含される、撮影した装置（観測装置１０に限らない）の位置情報及び撮影方向である方向情報から、特性情報を有する衛星１が向いている地表の方向又は前記地表の位置を導出する処理ステップである。

実施の形態４．
以下、この発明の実施の形態４に係る衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置（実施の形態４に係る衛星特性判定装置、実施の形態４に係る観測装置）について、図１１から図１３を用いて説明する。実施の形態４は、実施の形態１から３の変形例である。実施の形態１から３では、特性情報入力部４が、識別情報を有する衛星１の画像データ、及び、識別情報から、作成された衛星１の特性情報が入力されるものであったが、実施の形態４では、画像データがなく、識別情報から、作成された衛星１の特性情報を用いるものである。実施の形態１から３と共通の部分の説明は省略する場合がある。

図１１及び図１３において、衛星特性学習装置２は、衛星１の識別情報と、撮影画像とを関連付けて学習するものであり、学習モデルを構築する（実施の形態４に係る衛星特性学習装置）。特性情報入力部４１は、撮影画像に対応する、衛星１の名称、衛星１の種別、衛星１の所属の少なくともいずれか一つの情報を含む衛星１の識別情報から作成された衛星１の特性情報が入力されるものである。学習部５は、撮影画像と特性情報とを関連付けて学習するものである。

学習部５の関連付けは、好適には、撮影画像に写された衛星１の外形を特徴情報とし、特徴情報に基づいて、撮影画像と特性情報とを関連付けて学習することが考えられる。また、学習部５は、特徴情報から特徴量を抽出し、撮影画像と特性情報とを関連付けて学習することにより類別精度の向上を狙うことができる。なお、特徴量抽出部については、画像データがないこと以外は、実施の形態１で説明したとおりである。さらに、学習部５は、特徴情報を衛星１の姿勢とし、撮影画像と特性情報とを関連付けて学習するようにしてもよい。特徴情報を衛星１の姿勢とする場合の詳細は、実施の形態２で説明したとおりである。

次に、図１２を用いて実施の形態４に係る衛星特性学習装置の動作（実施の形態４に係る衛星特性学習方法）を説明する。図１２において、ステップ１は、撮影画像入力部３に、衛星１を撮影した撮影画像が入力される処理ステップである。ステップ２Ｂは、特性情報入力部４に、識別情報（衛星１の名称、衛星１の種別、衛星１の所属の少なくともいずれか一つの情報を含むもの）から、作成された衛星１の特性情報が入力される処理ステップである。詳しくは、図１１に示すように、特性情報入力部４へ衛星１の識別情報が入力されて、特性情報入力部４にて衛星１の特性情報としてもよいし、衛星１の識別情報を関連付けて、衛星１の特性情報として特性情報入力部４に入力してもよい。ステップ１及びステップ２Ｂは、処理の順序は問わない。同時でもよい。ステップ３は、撮影画像入力部３から出力された撮影画像と、特性情報入力部４から出力された特性情報とに基づいて、学習部５に撮影画像と特性情報とを関連付けて学習させる処理ステップである。ステップ３は、前述の特徴情報を用いてもよい。

図１３において、衛星特性判定装置６は、図１１及び図１３に示す衛星特性学習装置２の学習結果（学習モデル）を用いたものである（実施の形態４に係る衛星特性判定装置）。特性情報決定部８は、学習部５が学習した学習結果に基づいて、新規撮影画像に対応する撮影画像、特性情報の少なくとも一方を決定するものである。画像補正部９は、新規撮影画像に写された衛星１の姿勢を強調する画像補正を行うものである。実施の形態１に係る衛星特性判定装置（衛星特性判定装置６）は、図１３では別体だが、衛星特性学習装置２を包含してもよい。

同じく、図１３において、観測装置１０は衛星特性判定装置６を備えたものである（実施の形態４に係る観測装置）。実施の形態４に係る観測装置（観測装置１０）は、図１３に示すように、衛星特性判定装置６と別体でもよい。この場合、画像補正部９を観測装置１０の内部に設けてもよい。なお、実施の形態４に係る主に衛星特性判定装置（観測装置）の動作の動作（実施の形態４に係る衛星特性判定方法）は、図４を用いて説明した実施の形態１と基本的には同様である。

以上のように実施の形態１から４に係る衛星特性学習装置、これを用いた衛星特性判定装置及び観測装置（実施の形態１から４に係る衛星特性判定装置、実施の形態１から４に係る観測装置）は、衛星１の識別情報（衛星１の名称、衛星１の種別、衛星１の所属の少なくともいずれか一つの情報を含むもの）から、作成された特性情報と衛星１の撮影画像とを関連付けて学習するものである。または、衛星１の撮影画像と衛星１の画像データとに基づいて、画像データ及び識別情報（衛星１の名称、衛星１の種別、衛星１の所属の少なくともいずれか一つの情報を含むもの）から、作成された特性情報と撮影画像とを関連付けて学習するものである。よって、このような学習から、衛星の名称、種別、所属などの識別情報を容易に提供することができる学習モデルの構築及びその学習モデルを使用した衛星特性判定装置及び観測装置を得ることができる。

１ 衛星、２ 衛星特性学習装置、３ 撮影画像入力部、４ 特性情報入力部、
５ 学習部、６ 衛星特性判定装置、７ 新規撮影画像入力部３ 特性情報決定部、
９ 画像補正部、１０ 観測装置（望遠鏡装置）、１１ 光学部、１２ 受光部、
１３ 補償光学部、１４ 特徴情報確認部、１５ 関連付け部、１６ 衛星方向決定部、
４１ 特性情報入力部。

Claims (20)

1. 衛星の名称、前記衛星の種別、前記衛星の所属の少なくともいずれか一つの情報を含む前記衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置において、
   前記衛星を撮影した撮影画像が入力される撮影画像入力部と、
   前記識別情報を有する前記衛星の画像データ、及び、前記識別情報から、作成された前記衛星の特性情報が入力される特性情報入力部と、
   前記撮影画像と前記画像データとに基づいて、前記撮影画像と前記特性情報とを関連付けて学習する学習部とを備えたことを特徴とする衛星特性学習装置。
2. 前記学習部は、前記撮影画像に写された前記衛星の外形と前記画像データにある前記衛星の外形とを特徴情報とし、前記特徴情報に基づいて、前記撮影画像と前記特性情報とを関連付けて学習することを特徴とする請求項１に記載の衛星特性学習装置。
3. 前記学習部は、前記特徴情報を前記衛星の姿勢とし、前記撮影画像と前記特性情報とを関連付けて学習することを特徴とする請求項２に記載の衛星特性学習装置。
4. 衛星の名称、前記衛星の種別、前記衛星の所属の少なくともいずれか一つの情報を含む
   前記衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置において、
   前記衛星を撮影した撮影画像が入力される撮影画像入力部と、
   前記識別情報を有する前記衛星の姿勢が特定できる画像データ、及び、前記識別情報から、作成された前記衛星の特性情報が入力される特性情報入力部と、
   前記撮影画像入力部に入力された前記撮影画像に写された前記衛星の姿勢と、前記特性情報入力部に入力された前記特性情報に包含される前記衛星の姿勢とに基づいて、前記撮影画像と前記特性情報とを関連付けて学習する学習部とを備えたことを特徴とする衛星特性学習装置。
5. 前記撮影画像入力部は、前記撮影画像に写された前記衛星の姿勢を強調する画像補正を行うことを特徴とする請求項３又は請求項４に記載の衛星特性学習装置。
6. 前記撮影画像入力部は、前記撮影画像に写された前記衛星の本体部分と外部部品部分とのいずれか一方の情報を主体に使って、前記衛星の姿勢を強調する画像補正を行う請求項５に記載の衛星特性学習装置。
7. 前記撮影画像入力部は、大気の揺らぎによる乱れを補償した後の前記撮影画像が入力されることを特徴とする請求項３から請求項６のいずれか１項に記載の衛星特性学習装置。
8. 前記撮影画像入力部は、インターネット回線を介して前記撮影画像が入力されることを特徴とする請求項３から請求項７のいずれか１項に記載の衛星特性学習装置。
9. 前記撮影画像入力部は、入力される前記撮影画像に、前記撮影画像を撮影した装置の位置情報と、前記撮影画像の撮影方向である方向情報とが包含されていることを特徴とする請求項３から請求項８のいずれか１項に記載の衛星特性学習装置。
10. 請求項１から請求項８のいずれか１項に記載の衛星特性学習装置の学習結果を用いた衛星特性判定装置であって、
    新たに前記衛星を撮影した新規撮影画像が入力される新規撮影画像入力部と、
    前記学習部が学習した学習結果に基づいて、前記新規撮影画像に対応する前記画像データ、前記撮影画像、前記特性情報の少なくとも一方を決定する特性情報決定部とを備えたことを特徴とする衛星特性判定装置。
11. 請求項１から請求項８のいずれか１項に記載の衛星特性学習装置の学習結果を用いた衛星特性判定装置であって、
    新たに前記衛星を撮影した新規撮影画像、前記新規撮影画像を撮影した装置の位置情報、前記新規撮影画像の撮影方向である方向情報が入力される新規撮影画像入力部と、
    前記学習部が学習した学習結果に基づいて、前記新規撮影画像に対応する前記画像データ、前記撮影画像、前記特性情報の少なくとも一方を決定する特性情報決定部と、
    前記新規撮影画像に包含される前記位置情報及び前記方向情報から、前記特性情報を有する前記衛星が向いている地表の方向又は前記地表の位置を導出する衛星方向決定部とを備えたことを特徴とする衛星特性判定装置。
12. 請求項９に記載の衛星特性学習装置の学習結果を用いた衛星特性判定装置であって、
    新たに前記衛星を撮影した新規撮影画像が入力される新規撮影画像入力部と、
    前記学習部が学習した学習結果に基づいて、前記新規撮影画像に対応する前記撮影画像及び前記特性情報を決定する特性情報決定部と、
    前記撮影画像に包含される前記位置情報及び前記方向情報から、前記特性情報を有する前記衛星が向いている地表の方向又は前記地表の位置を導出する衛星方向決定部とを備えたことを特徴とする衛星特性判定装置。
13. 衛星の名称、前記衛星の種別、前記衛星の所属の少なくともいずれか一つの情報を含む前記衛星の識別情報と、撮影画像とを関連付けて学習する衛星特性学習装置において、
    前記衛星を撮影した撮影画像が入力される撮影画像入力部と、
    前記撮影画像に対応する、前記識別情報から作成された前記衛星の特性情報が入力される特性情報入力部と、
    前記撮影画像と前記特性情報とを関連付けて学習する学習部とを備えたことを特徴とする衛星特性学習装置。
14. 前記学習部は、前記撮影画像に写された前記衛星の外形を特徴情報とし、前記特徴情報に基づいて、前記撮影画像と前記特性情報とを関連付けて学習することを特徴とする請求項１３に記載の衛星特性学習装置。
15. 前記学習部は、前記特徴情報を前記衛星の姿勢とし、前記撮影画像と前記特性情報とを関連付けて学習することを特徴とする請求項１４に記載の衛星特性学習装置。
16. 請求項１３から請求項１５のいずれか１項に記載の衛星特性学習装置の学習結果を用いた衛星特性判定装置であって、
    新たに前記衛星を撮影した新規撮影画像が入力される新規撮影画像入力部と、
    前記学習部が学習した学習結果に基づいて、前記新規撮影画像に対応する前記撮影画像、前記特性情報の少なくとも一方を決定する特性情報決定部とを備えたことを特徴とする衛星特性判定装置。
17. 前記新規撮影画像に写された前記衛星の姿勢を強調する画像補正を行う画像補正部をさらに備えたことを特徴とする請求項１０から請求項１２、請求項１６のいずれか１項に記載の衛星特性判定装置。
18. 前記画像補正部は、前記新規撮影画像に写された前記衛星の本体部分と外部部品部分とのいずれか一方の情報を主体に使って前記画像補正を行うことを特徴とする請求項１７に記載の衛星特性判定装置。
19. 請求項１０から請求項１２、請求項１６から請求項１８のいずれか１項に記載の衛星特性判定装置を備えた観測装置であって、
    前記衛星からの光を収束する光学部と、前記光学部が収束した光を受光して前記新規撮影画像を生成する受光部とを備えた観測装置。
20. 前記新規撮影画像に表れる大気の揺らぎによる乱れを補償する補償光学部をさらに備えたことを特徴とする請求項１９に記載の観測装置。

Images