JP4140827B2

JP4140827B2 - 観測目標の類識別装置

Info

Publication number: JP4140827B2
Application number: JP2002354909A
Authority: JP
Inventors: かおり川上; 秀俊田中
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2002-12-06
Filing date: 2002-12-06
Publication date: 2008-08-27
Anticipated expiration: 2022-12-06
Also published as: JP2004184371A

Description

【０００１】
【発明の属する技術分野】
この発明は、レーダで観測した画像データに基づいて、３次元の目標の種類を決定する類識別問題を解決対象とした装置に関し、さらに詳しくは、３次元の目標の種類を解として求めることのできる観測目標の類識別装置に関するものである。
【０００２】
【従来の技術】
従来、船舶や航空機などの観測目標の類識別装置としては、レーダで観測した画像データから、３次元の目標の類識別を行うものがある（たとえば、特許文献１参照）。
上記従装置においては、まず、追尾情報を含む観測データから各候補目標の姿勢／運動パラメータ値を推定し、候補目標の３Ｄ形状データおよび姿勢／運動パラメータ値から辞書画像データを生成し、続いて、強度パラメータ、辞書画像データおよび観測データを入力情報として、観測データおよび辞書画像データに対してデータ圧縮を行い、圧縮画像データ間の目標位置のずれを補正して位置合わせデータを出力し、最後に、辞書画像データの位置合わせデータと観測データの位置合わせデータとの相関を算出して、相関が最大となる画像を検出するようになっている。
【０００３】
上記従来装置によれば、各画像データに対して、特徴的な１点を位置合わせパラメータとしてユーザが指定し、これらの点を各々の画像の中心位置に移動して一致させている。この場合、ユーザは、個々の画像データの強度分布状況に基づいて、中心位置となる位置合わせパラメータを指定しなければならず、一度に多くのデータを対象とする場合には、人手による指定は困難である。
【０００４】
【特許文献１】
特開平６−１７４８３８号公報（図１）
【０００５】
【発明が解決しようとする課題】
従来の観測目標の類識別装置は以上のように、強度値そのものから相関を算出しているので、個々の観測データの観測条件の違いに対応することができず、観測条件によって画素強度の強弱の違いが発生した場合に、同一目標であっても異なる目標と誤識別するおそれがあるという問題点があった。
【０００６】
また、上記問題を解決するために、ユーザが各画像データの強度補正パラメータ（補正基準となる強度値）を入力して、全画素の強度を強度補正パラメータで除算して画像全体の強度を変更する方法も考えられるが、ユーザの労力によって個々の画像データの強度分布状況に基づく強度補正パラメータを指定しなければならず、特に一度に多くのデータを対象とする場合には、人手による指定は困難になるという問題点があった。
【０００７】
この発明は上記のような問題点を解決するためになされたもので、レーダ観測画像データを対象に、ユーザによる強度分布などのデータ解析の負荷を削減しつつ、レーダ観測画像データの性質に即した観測条件の違いに強い識別を実現した観測目標の類識別装置を得ることを目的とする。
【０００８】
【課題を解決するための手段】
この発明に係る観測目標の類識別装置は、種類が不明の３次元の目標をレーダで観測した画像からなる観測データと、目標の種類の候補となる候補目標の学習用画像データを生成するための３次元の形状を表す３Ｄ形状データと、観測データを学習するための学習パラメータと、観測データおよび学習用画像データを圧縮するためのデータ圧縮基準となる画素を示す圧縮パラメータと、観測データの強度を正規化するための画素を表す強度正規化パラメータとを入力情報として、観測データの種類判別結果を出力する観測目標の類識別装置であって、観測データおよび３Ｄ形状データを入力情報として、観測データに基づいて目標の進行方向および回転に関する運動パラメータ値を決定するとともに、候補目標の３Ｄ形状データおよび運動パラメータ値に基づいて、目標の種類の学習に用いられる学習用画像データを生成する学習用画像生成器と、観測データ、圧縮パラメータおよび学習用画像データを入力情報として、圧縮パラメータに基づいて観測データおよび学習用画像データを圧縮して圧縮画像データを生成する画素指定データ圧縮器と、強度正規化パラメータおよび圧縮画像データを入力情報として、強度正規化パラメータに基づいて圧縮画像データを構成する全画素の強度を変更し、全画素の強度変更結果である学習用強度正規化データおよび判別対象強度正規化データを生成する強度正規化器と、学習パラメータおよび学習用強度正規化データを入力情報として、学習用強度正規化データに基づく種類学習を行い、種類学習結果を生成する種類学習器と、判別対象強度正規化データおよび種類学習結果を入力情報として、種類学習結果に基づいて判別対象強度正規化データの種類判別を行い、種類判別結果を出力する種類判別器とを備えたものである。
【０００９】
【発明の実施の形態】
実施の形態１．
以下、図面を参照しながら、この発明の実施の形態１について詳細に説明する。
図１はこの発明の実施の形態１を示すブロック構成図である。
図１において、類識別装置１２は、観測された３次元目標の種類を識別するために、学習用画像データＤ１を生成する学習用画像生成器１と、圧縮画像データＤ２を生成する画素指定データ圧縮器２と、種類学習結果Ｄ３を生成する種類学習器３と、種類判別結果Ｄ４を生成する種類判別器４と、画素指定データ圧縮器２と種類学習器３との間に挿入された強度正規化器６とを備えている。
類識別装置１２には、３Ｄ形状データファイル１３、観測データファイル１４、種類判別結果ファイル１５、圧縮パラメータファイル１６、学習パラメータファイル１７および強度正規化パラメータファイル１９が接続されている。
【００１０】
３Ｄ形状データファイル１３は、３次元の形状を表す３Ｄ形状データＤ１３を出力する。３Ｄ形状データＤ１３は、後述するように、学習用画像生成器１において、目標の種類の候補となる候補目標の学習用画像データＤ１を生成するために用いられる。
観測データファイル１４は、種類が不明の３次元の目標をレーダで観測した画像（追尾情報を含む）からなる観測データＤ０を出力する。
種類判別結果ファイル１５は、類識別装置１２から最終的に出力される種類判別結果Ｄ４を格納する。
【００１１】
圧縮パラメータファイル１６は、観測データＤ０および学習用画像データＤ１を圧縮するためのデータ圧縮基準となる画素を示す圧縮パラメータＰ１６を出力する。
学習パラメータファイル１７は、観測データＤ０を学習するための学習パラメータＰ１７を出力する。
強度正規化パラメータファイル１９は、観測データＤ０の強度を正規化するための画素の番号を表す強度正規化パラメータＰ１９を出力する。
【００１２】
類識別装置１２は、各ファイル１３、１４、１６、１７、１９からの観測データＤ０、３Ｄ形状データＤ１３、圧縮パラメータＰ１６、学習パラメータＰ１７および強度正規化パラメータＰ１９を入力情報として、観測データＤ０の種類判別結果Ｄ４を生成し、種類判別結果Ｄ４を種類判別結果ファイル１５に入力する。
類識別装置１２内において、学習用画像生成器１は、観測データＤ０および３Ｄ形状データＤ１３を入力情報として、判別対象となる目標の種類の学習に用いられる学習用画像データＤ１を生成する。
画素指定データ圧縮器２は、観測データＤ０、圧縮パラメータＰ１６および学習用画像データＤ１を入力情報として、圧縮パラメータＰ１６に基づいて観測データＤ０および学習用画像データＤ１を圧縮し、圧縮画像データＤ２を生成する。
【００１３】
強度正規化器６は、強度正規化パラメータＰ１９および圧縮画像データＤ２を入力情報として、強度正規化パラメータＰ１９に基づいて圧縮画像データＤ２を構成する全画素の強度を変更して、学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成する。
種類学習器３は、学習パラメータＰ１７および学習用強度正規化データＤ６ａを入力情報として、学習用強度正規化データＤ６ａに基づく種類学習を行い、種類学習結果Ｄ３を生成する。
種類判別器４は、判別対象強度正規化データＤ６ｂおよび種類学習結果Ｄ３を入力情報として、種類学習結果Ｄ３に基づいて判別対象強度正規化データＤ６ｂの種類判別を行い、種類判別結果Ｄ４を出力する。
【００１４】
なお、類識別装置１２内の学習用画像生成器１は、具体的には、観測データＤ０に基づいて目標の進行方向および回転に関する運動パラメータ値を決定するとともに、候補目標の３Ｄ形状データＤ１３および運動パラメータ値に基づいて学習用画像データＤ１を生成する。
【００１５】
次に、図２および図３を参照しながら、図１に示したこの発明の実施の形態１による類識別動作について説明する。
図２は強度正規化器６による強度正規化処理を示す説明図であり、左側の図は正規化処理前の同一目標に対する２つの画像状態を示し、右側の図は正規化処理された画像状態を示しており、各々の小さな正方形は個々の画素を示している。
図３は種類学習器３および種類判別器４による各処理を示す説明図であり、左側図は種類学習処理、右側図は種類判別処理を示し、それぞれ、横軸は「属性１」、縦軸は「属性２」を示している。
【００１６】
図１において、まず、類識別装置１２内の学習用画像生成器１は、観測データファイル１４からの観測データＤ０（目標の追尾情報を含む）を第１の入力情報とし、３Ｄ形状データファイル１３からの候補目標の３Ｄ形状データＤ１３を第２の入力情報として、学習用画像データＤ１を生成する。
このとき、学習用画像データＤ１の生成に必要なパラメータとしては、各候補目標の進行方向／回転運動などのパラメータである運動パラメータ値と、候補目標の姿勢に関するパラメータである姿勢パラメータ値とがある。
このうち、運動パラメータ値は、観測データＤ０から推定演算などにより決定される。
【００１７】
また、姿勢パラメータ値は、学習用画像データＤ１を生成するために与えられた姿勢パラメータ生成基準に基づいて、複数のパラメータ値として生成される。
具体例として、角度のパラメータθ［°］の場合、姿勢パラメータ生成基準として、パラメータ間隔が「３０」として与えられたとすると、３０度間隔のパラメータ値となり、θ＝０，３０，６０，９０，１２０，１５０，１８０が生成される。
【００１８】
こうして決定された運動パラメータ値および姿勢パラメータ値に基づいて、学習用画像生成器１は、それぞれの候補目標の３Ｄ形状データＤ１３および運動パラメータ値から学習用画像データＤ１を生成する。
なお、学習に必要なパラメータのうち、択一的に推定または決定されるものと、複数の値として生成されるものとの区別は、予想される推定精度や候補目標の性質または観測条件などに応じて、ユーザが決定してもよい。
【００１９】
続いて、画素指定データ圧縮器２は、圧縮パラメータファイル１６からの圧縮パラメータＰ１６を第１の入力情報とし、学習用画像生成器１からの学習用画像データＤ１を第２の入力情報とし、観測データファイル１４からの観測データＤ０を第３の入力情報として、各圧縮画像データＤ２ａ、Ｄ２ｂを生成する。
具体的には、観測データＤ０および学習用画像データＤ１に対し、圧縮パラメータＰ１６として指定された画素ＩＤに基づいて、画素ＩＤが示す画素強度以下（または、画素強度未満）の画素の強度を「０」に変換してデータ圧縮を行い、このデータ圧縮結果を圧縮画像データＤ２として出力する。
【００２０】
次に、強度正規化器６は、強度正規化パラメータファイル１９からの強度正規化パラメータＰ１９を第１の入力情報とし、画素指定データ圧縮器２からの圧縮画像データＤ２を第２の入力情報として、強度正規化用の画素の番号を表す強度正規化パラメータＰ１９に基づいて、各圧縮画像データＤ２間の濃淡の違いを補正するための強度正規化を行い、強度正規化結果を、学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂからなる強度正規化データとして出力する。
このとき、具体的な強度正規化方法としては、各圧縮画像データＤ２に対し、強度正規化パラメータＰ１９で指定された画素ＩＤの強度を強度正規化の基準値とし、画像を構成する全画素の強度を基準値で除算した値に変換して強度正規化を行う方法がある。
【００２１】
図２は上記の強度正規化処理を施した画像例を示している。
図２において、個々の画素の塗りつぶしのパターンが画素強度を表し、パターンが密なほど画素強度が強いものとする。
すなわち、図２内の左上の図は、強度が比較的大きい画像であり、強度正規化の基準となる画素Ｉｕの強度値Ｌ（Ｉｕ）は、たとえば、Ｌ（Ｉｕ）＞１で表される。
一方、図１内の左下の図は、強度が比較的小さい画像であり、強度正規化の基準となる画素Ｉｄの強度値Ｌ（Ｉｄ）は、たとえば、Ｌ（Ｉｄ）＜１で表される。
図２内の左上および左下の各図に対して上記強度正規化処理を施すことにより、強度正規化の基準となる画素の強度は、ともに、Ｌ（Ｉｕ）＝Ｌ（Ｉｄ）＝１となり、図２内の右図に示した強度分布を持つ画像に変換される。
【００２２】
以上の処理により、同一目標から得られた画像の濃淡の違いを補正することが可能となる。
このように、この発明の実施の形態１による強度正規化方法によれば、個々の画像データに対して具体的な強度正規化用の基準値を指定する必要がなく、強度基準とする画素をユーザが指定するのみで、レーダ観測画像データの強度正規化を実現することができる。すなわち、ユーザは、強度値を事前に把握することなく、強度の相対的な分布状況の情報のみを把握すれば、強度の違いに強い識別を実現することができる。
【００２３】
以下、種類学習器３は、学習パラメータＰ１７および学習用強度正規化データＤ６ａを入力情報として、学習用強度正規化データＤ６ａに基づく種類学習により種類学習結果Ｄ３生成し、種類判別器４は、種類学習結果Ｄ３および判別対象強度正規化データＤ６ｂを入力情報として、種類学習結果Ｄ３に基づく判別対象強度正規化データＤ６ｂの種類判別結果Ｄ４を生成する。
種類判別結果Ｄ４は、類識別装置１２の出力信号となり、種類判別結果ファイル１５に入力される。
【００２４】
このとき、種類学習器３による処理手法としては、たとえば境界線を決定する線形判別法が適用される。
線形判別法は、全教師データからの距離および方向に基づいて境界となる直線を求める方法であり、距離を最大にし、且つそれぞれの種類毎に、教師データからみた直線の方向が同じになるような直線を決定するものである。
図３は上記線形判別法を示しており、左図は線形判別法による種類学習例を示している。
図３において、「白三角マーク」は「種類１」の教師データ、「黒四角マーク」は「種類２」の教師データであり、上記線形判別法を用いた種類学習により、左図内の直線のように境界線が決定される。
【００２５】
また、図３内の右図は、種類判別器４による種類判別処理を示しており、種類学習結果Ｄ３として求められた境界線に基づいて種類判別する例を示している。
この場合、「白三角マーク」が多く属する領域（境界線の上側）を「種類１」の境界領域とし、逆に、「黒四角マーク」が多く属する領域（境界線の下側）を「種類２」の境界領域とし、いずれの領域に属するかによって種類判別対象となる観測データの種類を判別することができる。
なお、図３の右図において、「黒逆三角マーク」および「白菱形マーク」は、種類が未定の観測データであるが、境界線によって、それぞれ「種類１」、「種類２」と判別される。
【００２６】
なお、上記手法による種類学習および種類判別は、基本的には種類が２つの場合の境界線を決定する方法であるが、多数の種類を対象として判別を行う場合には、たとえば、トーナメント方式と呼ばれる方式が採用される。
トーナメント方式においては、２種類ずつ全ての種類の組み合わせで種類学習を行い、それぞれの境界線（判別平面）を決定した後、判別対象データがどちらの種類に近いかの種類判別を、勝ち残り方式で、複数の種類の組み合わせに対して行い、最終的に勝ち残った種類が目標の種類として決定される。
【００２７】
このように、この発明の実施の形態１によれば、強度の正規化を行うことにより、観測条件の違いによって起こる強度の違いに影響されない信頼性の高い識別を実現することができる。
また、強度の正規化を行うことにより、画素間の強度の比率が属性値として表されるので、比率に特徴がある場合に、識別精度を向上させることができる。
さらに、ユーザは、個々の画像データの具体的な強度正規化基準値を指定することなく、強度正規化の基準とする画素を指定するのみでよく、強度値を事前に把握しなくても、強度の相対的な分布状況の情報を把握するのみで、レーダ観測画像データの強度正規化を実現することができる。
【００２８】
実施の形態２．
なお、上記実施の形態１（図１）では、強度正規化器６において、基準となる画素を１つ指定して強度正規化を実行したが、強度正規化器内に画素指定強度正規化平均算出器および強度正規化変換器を設け、強度正規化パラメータＰ１９として複数指定された強度正規化画素番号に基づいて強度正規化基準値を決定した後、強度正規化を実行してもよい。
以下、図４を参照しながら、強度正規化器６Ａ内に画素指定強度正規化平均算出器６１および強度正規化変換器６２を設けたこの発明の実施の形態２について説明する。
図４において、前述（図１参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ａ」を付して詳述を省略する。
【００２９】
この場合、類識別装置１２Ａ内の強度正規化器６Ａは、画素指定強度正規化平均算出器６１および強度正規化変換器６２により構成されており、強度正規化パラメータＰ１９として複数指定された強度正規化画素番号Ｎｉｎに基づいて、強度正規化平均値Ｍｉを強度正規化の基準となる強度正規化基準値として決定した後に、強度正規化を行う。
すなわち、画素指定強度正規化平均算出器６１は、圧縮画像データＤ２と強度正規化パラメータＰ１９に含まれる強度正規化画素番号Ｎｉｎとを入力情報として、強度正規化画素番号Ｎｉｎで指定された画素の強度の平均値である強度正規化平均値Ｍｉを算出して強度正規化基準値とする。
また、強度正規化変換器６２は、圧縮画像データＤ２および強度正規化基準値（強度正規化平均値Ｍｉ）を入力情報として、圧縮画像データＤ２の各々について、強度正規化基準値に基づいて、圧縮画像データＤ２を構成する全画素の強度を変換して、学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成する。
【００３０】
次に、図４に示したこの発明の実施の形態２による具体的な処理動作について説明する。
強度正規化器６Ａにおいて、まず画素指定強度正規化平均算出器６１は、強度正規化パラメータファイル１９からの強度正規化パラメータＰ１９を第１の入力情報とし、画素指定データ圧縮器２からの圧縮画像データＤ２を第２の入力情報として、強度正規化パラメータＰ１９として指定された複数の強度正規化画素番号Ｎｉｎで指定された画素の強度の平均値である強度正規化平均値Ｍｉを算出し、強度正規化平均値Ｍｉを強度正規化の基準となる強度正規化基準値として出力する。
【００３１】
続いて、強度正規化変換器６２は、強度正規化平均値Ｍｉおよび圧縮画像データＤ２を入力情報として、画像の強度正規化基準値（強度正規化平均値Ｍｉ）に基づいて、圧縮画像データＤ２を構成する全画素の強度を強度正規化基準値（強度正規化平均値Ｍｉ）で除算した値に変換し、強度変換結果を学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂとして出力する。
以下、前述と同様に、種類学習器３および種類判別器４を介して、種類判別結果Ｄ４が生成される。
【００３２】
このように、この発明の実施の形態２によれば、ユーザが強度値を事前に把握しなくても、強度の相対的な分布状況の情報のみを把握すればよく、また、基準となる画素を複数指定可能としたことにより、観測状況に応じた、柔軟な強度正規化基準の設定が可能となり、結果として、観測状況に適した強度正規化を実現することができる。
【００３３】
実施の形態３．
なお、上記実施の形態２（図４）では、画素指定強度正規化平均算出器６１により、複数指定された基準画素の強度から強度正規化平均値Ｍｉを算出して強度正規化基準値としたが、画素指定強度正規化平均算出器６１に代えて、降順番号決定器および順位指定強度正規化基準決定器を設け、画素を強度で降順にソートした後、ソート結果に基づいて強度正規化基準値を決定してもよい。
以下、図５を参照しながら、強度正規化器６Ｂ内に降順番号決定器６３および順位指定強度正規化基準決定器６４を設けたこの発明の実施の形態３について説明する。
図５において、前述（図１、図４参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｂ」を付して詳述を省略する。
【００３４】
この場合、類識別装置１２Ｂ内の強度正規化器６Ｂは、降順番号決定器６３、順位指定強度正規化基準決定器６４および強度正規化変換器６２Ｂにより構成されており、強度正規化器を構成する降順番号決定器６３および順位指定強度正規化基準決定器６４により、画素を強度で降順にソートした後、ソート結果に基づいて強度正規化基準値Ｌｉを決定する。
すなわち、降順番号決定器６３は、圧縮画像データＤ２を入力情報として、圧縮画像データＤ２の画素を強度の降順に並び替えしたときの順位を降順番号データＮｎとして生成する。
また、順位指定強度正規化基準決定器６４は、圧縮画像データＤ２および降順番号データＮｎと強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉとを入力情報として、強度正規化画素順位Ｎｉに基づいて強度正規化基準値Ｌｉを生成する。
【００３５】
次に、図５に示したこの発明の実施の形態３による具体的な処理動作について説明する。
まず、降順番号決定器６３は、画素指定データ圧縮器２からの圧縮画像データＤ２を第１の入力情報として、圧縮画像データＤ２に対して、各画像を構成する画素を強度の降順にソートし、ソート後の順位である降順番号を降順番号データＮｎとして生成する。
【００３６】
続いて、順位指定強度正規化基準決定器６４は、強度正規化パラメータファイル１９からの強度正規化パラメータＰ１９に含まれる降順番号を示す強度正規化画素順位Ｎｉを第１の入力情報とし、圧縮画像データＤ２を第２の入力情報とし、降順番号決定器６３からの降順番号データＮｎを第３の入力情報として、降順番号データＮｎに基づいて、ソート後の画素のＮｉ番目の画素を決定し、Ｎｉ番目の画素の強度を強度正規化基準値Ｌｉとして生成する。
【００３７】
また、強度正規化変換器６２Ｂは、圧縮画像データＤ２および強度正規化基準値Ｌｉを入力情報として、強度正規化基準値Ｌｉに基づいて圧縮画像データＤ２の強度を変換し、学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成する。
以下、前述と同様に、種類学習器３および種類判別器４を介して、種類判別結果Ｄ４が生成される。
【００３８】
このように、この発明の実施の形態３によれば、ユーザが強度分布状況を事前に把握することなく、強度正規化基準となる画素の順位を指定するのみで、レーダ観測画像データの強度正規化を実現することができる。
したがって、ユーザは、画素数などの比較的容易に入手可能な情報に基づいて、強度の違いに影響を受けない信頼性の高い識別を実現することができる。
【００３９】
実施の形態４．
なお、上記実施の形態３（図５）では、強度正規化器６Ｂ内に順位指定強度正規化基準決定器６４を設け、強度正規化画素順位Ｎｉに基づいて指定された画素の強度を強度正規化基準値Ｌｉとしたが、順位指定強度正規化基準決定器６４に代えて、順位指定強度正規化平均算出器を設け、強度正規化画素順位Ｎｉに基づいて指定された画素の強度の平均値を強度正規化基準値Ｌｉとして算出してもよい。
以下、図６を参照しながら、順位指定強度正規化平均算出器６５を設けたこの発明の実施の形態４について説明する。
図６において、前述（図１、図４、図５参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｃ」を付して詳述を省略する。
【００４０】
この場合、類識別装置１２Ｃ内の強度正規化器６Ｃは、降順番号決定器６３、順位指定強度正規化平均算出器６５および強度正規化変換器６２Ｃにより構成されており、強度正規化画素順位Ｎｉに基づいて指定された画素の強度正規化平均値Ｍｉを強度正規化基準値Ｌｉとして決定する。
強度正規化器６Ｃ内の順位指定強度正規化平均算出器６５は、圧縮画像データＤ２および降順番号データＮｎと強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉとを入力情報として、強度正規化画素順位Ｎｉに基づいて指定される圧縮画像データＤ２の画素の強度から、強度正規化平均値Ｍｉを算出して強度正規化基準値とする。
【００４１】
次に、図６に示したこの発明の実施の形態４による具体的な処理動作について説明する。
まず、降順番号決定器６３は、前述と同様に降順番号データＮｎを生成し、続いて、順位指定強度正規化平均算出器６５は、強度正規化平均値Ｍｉを決定するための強度正規化パラメータである強度正規化画素順位Ｎｉを第１の入力情報とし、圧縮画像データＤ２を第２の入力情報とし、降順番号データＮｎを第３の入力情報として、降順番号データＮｎの１番目からＮｉ番目までの画素の強度の平均値である強度正規化平均値Ｍｉを算出し、強度正規化基準値Ｌｉとする。
以下、強度正規化変換器６２ＢＣは、圧縮画像データＤ２および強度正規化平均値Ｍｉを入力情報として学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成し、種類学習器３および種類判別器４は、種類判別結果Ｄ４を生成する。
【００４２】
このように、この発明の実施の形態４によれば、強度正規化平均値Ｍｉの算出に用いる強度上位の画素の順位を指定して、算出された強度正規化平均値Ｍｉを強度正規化基準値とすることにより、ユーザは、強度分布状況を事前に把握することなく、強度正規化基準となる画素の順位を指定するのみで、重要度の高い強度上位の複数の画素の分布状況に適した強度正規化を実現することができる。
【００４３】
実施の形態５．
なお、上記実施の形態３（図５）では、強度正規化パラメータＰ１９として、事前に強度正規化画素順位Ｎｉを与えたが、類識別装置内に強度正規化画素順位決定器を設け、強度正規化の比率を表すパラメータに基づいて強度正規化画素順位Ｎｉを自動的に決定してもよい。
以下、図７を参照しながら、類識別装置１２Ｄ内に強度正規化画素順位決定器６６を設けたこの発明の実施の形態５について説明する。
図７において、前述と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｄ」を付して詳述を省略する。
【００４４】
この場合、類識別装置１２Ｄにおいて、画素指定データ圧縮器２と強度正規化器６Ｄとの間には、強度正規化画素順位決定器６６が挿入されており、強度正規化画素順位決定器６６は、圧縮画像データＤ２と強度正規化パラメータＰ１９に含まれる強度正規化率Ｒｉとを入力情報として、強度正規化率Ｒｉに基づいて強度正規化画素順位Ｎｉを自動的に決定し、強度正規化器６Ｄに入力する。
【００４５】
強度正規化画素順位決定器６６は、強度正規化器６Ｄ内の機能の一部として含まれていてもよい。
以下、強度正規化器６Ｄは、圧縮画像データＤ２および強度正規化画素順位Ｎｉを入力情報として、学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成し、種類学習器３および種類判別器４に入力する。
【００４６】
なお、強度正規化画素順位決定器６６において、強度正規化画素順位Ｎｉは、以下の式（１）に基づいて算出される。
【００４７】
【数１】

【００４８】
ただし、式（１）において、総画素数Ｎは、圧縮画像データＤ２の一部として与えられるものとし、強度正規化率Ｒｉは、０≦Ｒｉ≦１．０の関係を満たす値として与えられるものとする。
このように、この発明の実施の形態５によれば、個々の画像の画素数などの情報が与えられない状態であっても、強度正規化の指標となるパラメータとして強度正規化率Ｒｉを事前に与えることにより、強度正規化率Ｒｉに基づいて強度正規化の基準となる強度正規化画素順位Ｎｉを自動的に決定することができ、効率のよい強度正規化を実現することができる。
【００４９】
実施の形態６．
なお、上記実施の形態５（図７）では、類識別装置１２Ｄ内に強度正規化画素順位決定器６６を設け、強度正規化率Ｒｉに基づいて強度正規化画素順位Ｎｉを自動的に決定したが、強度正規化画素順位決定器６６に代えて強度正規化画素順位変更器を設け、強度正規化率Ｒｉの変更割合を示すパラメータに基づいて強度正規化画素順位変更Ｎｉを自動的に変更してもよい。
以下、図８を参照しながら、強度正規化画素順位変更器６７を設けたこの発明の実施の形態６について説明する。
図８において、前述（図７参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｅ」を付して詳述を省略する。
【００５０】
この場合、類識別装置１２Ｅにおいて、画素指定データ圧縮器２と強度正規化器６Ｅとの間には、強度正規化画素順位変更器６７が挿入されている。
強度正規化画素順位変更器６７は、圧縮画像データＤ２と強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉとを入力情報として、強度正規化率の変更割合を示すパラメータである強度正規化変更率を決定し、強度正規化変更率に基づいて、強度正規化画素順位Ｎｉを自動的に変更して強度正規化画素順位変更値Ｎｉ’を生成する。
【００５１】
すなわち、強度正規化画素順位変更器６７は、圧縮画像データＤ２を第１の入力情報とし、強度正規化パラメータＰ１９である強度正規化画素順位Ｎｉを第２の入力情報として強度正規化率Ｒｉを算出した後、強度正規化画素順位Ｎｉを変更するためのパラメータとして強度正規化変更率Ｕｉを決定し、強度正規化率Ｒｉおよび強度正規化変更率Ｕｉに基づいて強度正規化画素順位Ｎｉを変更し、変更結果を強度正規化画素順位変更値Ｎｉ’として生成する。
【００５２】
強度正規化画素順位変更器６７による強度正規化画素順位Ｎｉの具体的な変更方法は、以下の通りである。
まず、圧縮画像データＤ２の一部として与えられた総画素数Ｎと、強度正規化画素順位Ｎｉとを用いて、以下の式（２）により強度正規化率Ｒｉを算出する。
【００５３】
【数２】

【００５４】
次に、以下の式（３）により、強度正規化画素順位変更値Ｎｉ’を算出する。
【００５５】
【数３】

【００５６】
なお、式（３）において、強度正規化変更率Ｕｉは、
【数４】

を満たす値であり、乱数などを用いてランダムに決定される。
また、ここでは、強度正規化率Ｒｉを算出した後に、強度正規化画素順位変更値Ｎｉ’を算出したが、前述の実施の形態５（図７参照）のように事前に強度正規化率Ｒｉが与えられた場合には、強度正規化率Ｒｉの算出処理を省略して、同様に強度正規化画素順位変更値Ｎｉ’を算出すればよい。
【００５７】
このように、この発明の実施の形態６によれば、強度正規化の基準となる強度レベルを表す強度正規化画素順位Ｎｉを、事前に与えられた指標に基づいて自動的に変更して強度正規化器６Ｅに入力することにより、観測条件などによって変化する画像の質に応じた強度レベルでの強度の正規化を実現することができる。
【００５８】
実施の形態７．
なお、上記実施の形態５（図７）では、強度正規化画素順位決定器６６により、強度正規化率Ｒｉに基づいて強度正規化画素順位Ｎｉを決定したが、圧縮後のデータ量に対する比率に基づいて強度正規化画素順位Ｎｉを決定してもよい。
以下、図９を参照しながら、圧縮後のデータ量に対する比率（圧縮率依存強度正規化率Ｒｓｉ）に基づいて強度正規化画素順位Ｎｉを決定したこの発明の実施の形態７について説明する。
図９において、前述（図７参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｆ」を付して詳述を省略する。
【００５９】
この場合、類識別装置１２Ｆ内の強度正規化画素順位決定器６６Ｆは、圧縮画像データＤ２を第１の入力情報とし、圧縮パラメータＰ１６に含まれる圧縮基準画素数Ｎｓ（データ圧縮後の画素数を表す）を第２の入力情報とし、強度正規化パラメータＰ１９に含まれる圧縮率依存強度正規化率Ｒｓｉを第３の入力情報として、圧縮基準画素数Ｎｓおよび圧縮率依存強度正規化率Ｒｓｉに基づいて強度正規化画素順位Ｎｉを算出する。
具体的には、強度正規化画素順位Ｎｉは、以下の式（４）に基づいて算出される。
【００６０】
【数５】

【００６１】
ただし、式（４）において、圧縮率依存強度正規化率Ｒｓｉは、
【数６】

を満たす値として与えられる。
【００６２】
このように、この発明の実施の形態７によれば、圧縮後の基準画素数Ｎｓ個のうち、事前にパラメータとして与えられている割合の画素を強度正規化に適用することにより、圧縮状況に見合った強度レベルでの強度正規化を実現することができる。
【００６３】
実施の形態８．
なお、上記実施の形態４（図６）では、強度正規化器６Ｃ内の順位指定強度正規化平均算出器６５において、強度正規化パラメータＰ１９として指定された強度順位以上の全ての画素を用いて強度正規化平均値Ｍｉを算出したが、強度正規化器内に強度正規化平均算出画素選択器を設け、順位指定強度正規化平均算出器において、強度正規化パラメータＰ１９として指定された強度順位以上の画素の中から、強度正規化平均算出に適用する画素を選択して、強度正規化平均値Ｍｉを算出してもよい。
以下、図１０を参照しながら、強度正規化平均算出画素選択器６８を設けたこの発明の実施の形態８について説明する。
図１０において、前述（図６参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｇ」を付して詳述を省略する。
【００６４】
この場合、類識別装置１２Ｇ内の強度正規化器６Ｇにおいて、降順番号決定器６３と順位指定強度正規化平均算出器６５Ｇとの間には、強度正規化平均算出画素選択器６８が挿入されている。
強度正規化平均算出画素選択器６８は、強度正規化パラメータＰ１９（強度正規化画素順位Ｎｉ）として指定された強度順位以上の画素の中から、強度正規化平均算出に適用する画素を強度正規化平均算出画素Ｉｉとして選択し、順位指定強度正規化平均算出器６５Ｇに入力する。
【００６５】
次に、図１０に示したこの発明の実施の形態８による具体的な処理動作について説明する。
まず、強度正規化平均算出画素選択器６８は、圧縮画像データＤ２を第１の入力情報とし、強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉを第２の入力情報とし、降順番号決定器６３からの降順番号データＮｎを第３の入力情報とし、強度正規化パラメータＰ１９に含まれる強度正規化平均算出画素数Ｎｒｉ（強度正規化平均算出に適用する画素数を示す）を第４の入力情報として、圧縮画像データＤ２の各々に対して、降順番号データＮｎの１番目からＮｉ番目までの画素の中から、強度正規化平均算出画素数Ｎｒｉ個の画素を選択し、強度正規化平均算出に適用する画素である強度正規化平均算出画素Ｉｉとする。
このとき、強度正規化平均算出画素Ｉｉの具体的な選択方法としては、たとえば乱数などを発生させて、ランダムに選択する方法がある。
【００６６】
続いて、順位指定強度正規化平均算出器６５Ｇは、圧縮画像データＤ２を第１の入力情報とし、強度正規化平均算出画素選択器６８からの強度正規化平均算出画素Ｉｉを第２の入力情報として、強度正規化平均算出画素Ｉｉの強度正規化平均値Ｍｉを算出して強度正規化基準値として生成する。
以下、前述と同様に、強度正規化変換器６２Ｇは、各強度正規化データＤ６ａ、Ｄ６ｂを生成し、種類判別器３および種類判別器４は種類判別結果Ｄ４を生成する。
【００６７】
このように、この発明の実施の形態８によれば、強度上位となる画素のうち、ランダムに選択した画素を使って強度正規化平均値Ｍｉを求めることにより、観測データＤ０の画素数が比較的多い場合であっても、強度正規化平均算出対象となる画素の強度を極端に高く設定して画素強度を偏らせて画素数を絞り込む処理を行うことなく、強度正規化平均算出処理の計算量を削減することができる。
【００６８】
実施の形態９．
なお、上記実施の形態４（図６）では、強度正規化器６Ｃ内の順位指定強度正規化平均算出器６５を設け、強度正規化画素順位Ｎｉで指定された強度順位以上の画素の強度正規化平均値Ｍｉを算出して強度正規化基準値としたが、順位指定強度正規化平均算出器６５に代えて、強度分布算出器および頻度指定強度正規化基準決定器を設け、指定された強度順位以上の画素の頻度分布に基づく最大頻度中央値を強度正規化基準値としてもよい。
【００６９】
以下、図１１を参照しながら、強度正規化器６Ｈ内に強度分布算出器６９および頻度指定強度正規化基準決定器７０を設けたこの発明の実施の形態９について説明する。
図１１において、前述（図６、図１０参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｈ」を付して詳述を省略する。
【００７０】
この場合、類識別装置１２Ｈ内の強度正規化器６Ｈにおいて、降順番号決定器６３と強度正規化器６２Ｈとの間には、強度分布算出器６９および頻度指定強度正規化基準決定器７０が挿入されている。
強度正規化器６Ｈ内の強度分布算出器６９および頻度指定強度正規化基準決定器７０は、指定された強度順位（強度正規化画素順位Ｎｉ）以上の画素の強度頻度分布Ｈｇを算出し、強度頻度分布Ｈｇに基づいて、最大頻度中央値Ｐｉ（強度正規化基準値）を決定する。
【００７１】
すなわち、強度分布算出器６９は、圧縮画像データＤ２と強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉおよび強度幅Ｗｉとを入力情報として、強度正規化画素順位Ｎｉに基づいて指定される圧縮画像データＤ２の画素に対し、強度幅Ｗｉに基づいて強度頻度分布Ｈｇを算出する。
また、頻度指定強度正規化基準決定器７０は、圧縮画像データＤ２および強度頻度分布Ｈｇを入力情報として、強度頻度分布Ｈｇの最大頻度中央値Ｐｉを算出して強度正規化基準値として生成する。
【００７２】
次に、図１２の説明図を参照しながら、図１１に示したこの発明の実施の形態９による具体的な処理動作について説明する。
図１２は強度分布算出器６９により算出される頻度分布図の例を示しており、横軸は強度、縦軸は強度頻度を表している。
図１２において、横軸は、強度幅Ｗｉ（＝５）ずつ５個の強度範囲（範囲番号「０」〜「４」で示す）に分かれており、範囲番号「２」において最大頻度範囲Ｈｉを示している。
【００７３】
まず、強度分布算出器６９は、圧縮画像データＤ２を第１の入力情報とし、降順番号決定器６３からの降順番号データＮｎを第２の入力情報とし、強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉを第３の入力情報とし、強度正規化パラメータＰ１９に含まれる強度幅Ｗｉ（強度正規化基準値決定に用いる強度の幅を示す）を第４の入力情報として、圧縮画像データＤ２の各々に対し、強度幅Ｗｉに基づいて、降順番号データＮｎの１番目からＮｉ番目までの画素の強度頻度分布Ｈｇを算出する。
【００７４】
続いて、頻度指定強度正規化基準決定器７０は、圧縮画像データＤ２を第１の入力情報とし、強度分布算出器６９からの強度頻度分布Ｈｇを第２の入力情報として、圧縮画像データＤ２の各々に対し、強度頻度分布Ｈｇで最大頻度となった強度範囲である最大頻度範囲Ｈｉの中央の強度を、最大頻度中央値Ｐｉ（強度正規化基準値Ｌｉ）として生成する。
【００７５】
このとき、たとえば図１２から明らかなように、最大頻度範囲Ｈｉは、範囲番号「２」となり、範囲番号「２」の強度範囲は「１０〜１５」であることから、最大頻度中央値Ｐｉ（強度正規化基準値Ｌｉ）は、以下の式（５）のように算出される。
【００７６】
【数７】

【００７７】
以下、強度正規化変換器６２Ｈは、最大頻度中央値Ｐｉを強度正規化基準値として、圧縮画像データＤ２から各強度正規化データＤ６ａ、Ｄ６ｂを生成し、種類学習器３および種類判別器４に入力する。
以上のように、この発明の実施の形態９によれば、強度上位の画素のうち、分布頻度の高い強度範囲Ｈｉの中央の強度を最大頻度中央値Ｐｉ（強度正規化基準値）とすることにより、外れ値的に極端に強度の大きい画素が一部に存在する場合であっても、外れ値の影響を受けることなく、強度上位である画素全体の分布状況に見合った強度での正規化を実現することができる。
【００７８】
実施の形態１０．
なお、上記実施の形態２（図４）では、強度正規化器６Ａ内の強度正規化変換器６２において、強度正規化基準値（強度正規化平均値Ｍｉ）に基づく強度正規化により各強度正規化データＤ６ａ、Ｄ６ｂを生成したが、強度正規化器内に強度属性付加器を設け、強度正規化基準値を新たな属性値として付加した各強度正規化データＤ６ａ、Ｄ６ｂを生成してもよい。
以下、図１３を参照しながら、強度正規化器６Ｊ内に強度属性付加器７１を設けたこの発明の実施の形態１０について説明する。
図１３において、前述（図４参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｊ」を付して詳述を省略する。
【００７９】
この場合、類識別装置１２Ｊ内の強度正規化器６Ｊは、画素指定強度正規化平均算出器６１および強度正規化変換器６２Ｊに加えて、強度属性付加器７１を備えている。
ここでは、強度正規化変換器６２Ｊにより生成されるデータは、総称的に強度正規化データＤ６（属性付加前の学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを含む）として示されている。
強度属性付加器７１は、強度正規化基準値（強度正規化平均値Ｍｉ）および強度正規化データＤ６を入力情報として、強度正規化データＤ６に対して強度正規化基準値を新たな属性値として付加し、最終的な学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成する。
【００８０】
次に、図１４の説明図を参照しながら、図１３に示したこの発明の実施の形態１０による具体的な処理動作について説明する。
図１４は同一目標に対する観測条件の異なる２つの画像を左右に示している。
図１４において、前述と同様に、小さな正方形は個々の画素を表し、個々の画素の塗りつぶしのパターンが画素強度を表し、パターンが密なほど画素強度が強いものとする。たとえば、黒塗りのパターンは「強度値２」、格子状のパターンは「強度値１」とする。
【００８１】
図１３において、強度正規化器６Ｊ内の強度属性付加器７１は、画素指定強度正規化平均算出器６１からの強度正規化平均値Ｍｉを第１の入力情報とし、強度正規化変換器６２Ｊからの強度正規化データＤ６を第２の入力情報として、強度正規化データＤ６に新たな１属性として強度正規化平均値Ｍｉを付加し、強度正規化基準値（強度正規化平均値Ｍｉ）が付加された各強度正規化データＤ６ａ、Ｄ６ｂとして生成する。
【００８２】
このとき、図１４から明らかなように、観測誤差などにより、２つの画像の強度分布に若干の違いが生じる場合があり、このため、個々の画素強度を別々の属性として扱った場合には、異なる種類と誤判別される可能性が高い。
そこで、塗りつぶしのある全ての画素を、強度正規化基準値（強度正規化平均値Ｍｉ）の算出に適用するものとして、２つの画像の強度正規化平均値Ｍｉを算出する。
【００８３】
図１４に示した画像の場合、左右のいずれも、黒塗りのパターン「強度値２」は６個、格子状のパターン「強度値１」は２個であるから、強度正規化平均算出画素の強度合計は、ともに、２×６＋１×２（＝１４）となる。
また、強度算出に用いられた該当画素数も、左右ともに８個であることから、強度正規化平均値Ｍｉは、１４／８（＝１．７５）で等しい値となる。
このように、同一種類であるにもかかわらず、観測誤差などによって強度分布に違いが生じた場合にも、強度正規化基準値（強度正規化平均値Ｍｉ）を属性値化して付加することにより、同一種類であることを判別することができる。
【００８４】
なお、ここでは、画素指定強度正規化平均算出器６１からの強度正規化平均値Ｍｉを強度正規化基準値としたが、他の手段で決定された強度正規化基準値を属性値化してもよい。
たとえば、前述の実施の形態９（図１１参照）のように、強度頻度分布Ｈｇに基づいて決定した強度正規化基準値（最大頻度中央値Ｐｉ）を属性値化する場合には、外れ値的に極端に強度の大きい画素が一部に存在する場合であっても、その影響を受けることなく、圧縮後の画像全体の強度が属性値として表されるので、強度に特徴がある場合に、識別精度を向上させることができる。
【００８５】
また、強度正規化平均値Ｍｉを属性化した場合と同様に、たとえば位置正規化による位置合わせを行わない（または、位置合わせが正しく行われなかった）場合に適用しても有効であり、そのような条件下での識別精度を向上させることができる。
【００８６】
このように、この発明の実施の形態１０によれば、強度正規化基準値（強度正規化平均値Ｍｉ）を新たな属性として追加することにより、画像全体の平均的な強度が属性値として表され、観測条件の違いなどによって強度分布に誤差が生じた場合や、強度値そのものに明らかな特徴がある場合に、識別精度を向上させることができる。
また、上記属性が示す特徴は、画像間に位置ずれがあるにもかかわらず、位置合わせを行わない（または、位置合わせが正しく行われなかった）場合にも有効な指標であり、種々の条件下での識別精度を向上させることができる。
【００８７】
実施の形態１１．
なお、上記実施の形態１０（図１３）では、強度正規化器６Ｊ内の強度属性付加器７１において、強度正規化基準値（強度正規化平均値Ｍｉ）を新たな属性値としたが、強度の最大値と強度の最小値との差分を新たな属性値として強度正規化データＤ６に付加してもよい。
以下、図１５を参照しながら、強度差分値を新たな属性値として強度正規化データＤ６に付加したこの発明の実施の形態１１について説明する。
図１５において、前述（図５、図１３参照）と同様のものについては、前述と同一符号を付して、または、符号の後に「Ｋ」を付して詳述を省略する。
【００８８】
この場合、類識別装置１２Ｋ内の強度正規化器６Ｋは、降順番号決定器６３、順位指定強度正規化基準決定器６４および強度正規化変換器６２Ｋに加えて、強度属性付加器７１Ｋを備えている。
強度正規化変換器６２Ｋは、圧縮画像データＤ２および強度正規化基準値Ｌｉを入力情報として、強度正規化基準値Ｌｉに基づいて圧縮画像データＤ２の強度を変換して強度正規化データＤ６を生成する。
また、強度属性付加器７１Ｋは、圧縮画像データＤ２、降順番号データＮｎ、強度正規化画素順位Ｎｉおよび強度正規化データＤ６を入力情報として、強度正規化データＤ６の強度正規化画素順位Ｎｉに基づいて指定される画素に対し、強度の最大値と最小値との強度差分値Ｄｉを算出して属性値として強度正規化データＤ６に付加し、最終的な学習用強度正規化データＤ６ａおよび判別対象強度正規化データＤ６ｂを生成する。
【００８９】
次に、図１５に示したこの発明の実施の形態１１による具体的な処理動作について説明する。
強度正規化器６Ｋ内の強度属性付加器７１Ｋは、降順番号決定器６３からの降順番号データＮｎを第１の入力情報とし、圧縮画像データＤ２を第２の入力情報とし、強度正規化パラメータＰ１９に含まれる強度正規化画素順位Ｎｉを第３の入力情報とし、強度正規化変換器６２Ｋからの強度正規化データＤ６を第４の入力情報としている。
【００９０】
これにより、強度属性付加器７１Ｋは、降順番号データＮｎに基づいて、強度最大値（強度上位１番目）の画素の強度を上位強度最大値Ｖｉ−ｍａｘとし、強度最小値（強度上位Ｎｉ番目）の画素の強度を上位強度最小値Ｖｉ−ｍｉｎとして、強度差分値Ｄｉ（＝（Ｖｉ−ｍａｘ）−（Ｖｉ−ｍｉｎ））を求め、強度正規化データＤ６に対し、新たな１属性として強度差分値Ｄｉを付加し、強度差分値付きの各強度正規化データＤ６ａ、Ｄ６ｂを生成する。
このとき、強度差分値Ｄｉは、上記から明らかなように、以下の式（６）により定義される。
【００９１】
【数８】

【００９２】
このように、この発明の実施の形態１１によれば、強度差分値Ｄｉを新たな属性として追加することにより、同一画像内の強度の差が属性値として表されるので、強度の差（濃淡）に特徴がある場合に、識別精度を向上させることができる。
また、強度正規化平均値Ｍｉを属性化した場合と同様に、たとえば位置正規化による位置合わせを行わない（または、位置合わせが正しく行われなかった）場合にも有効であり、種々の条件下での識別精度を向上させることができる。
なお、上記実施の形態１〜１１では、船舶や航空機などの移動目標の類識別を行う場合を示したが、それ以外にも、レーダから得られた大量の電波画像データを利用した類識別問題にも適用可能なことは言うまでもない。
【００９３】
【発明の効果】
以上のように、この発明によれば、種類が不明の３次元の目標をレーダで観測した画像からなる観測データと、目標の種類の候補となる候補目標の学習用画像データを生成するための３次元の形状を表す３Ｄ形状データと、観測データを学習するための学習パラメータと、観測データおよび学習用画像データを圧縮するためのデータ圧縮基準となる画素を示す圧縮パラメータと、観測データの強度を正規化するための画素を表す強度正規化パラメータとを入力情報として、観測データの種類判別結果を出力する観測目標の類識別装置であって、観測データおよび３Ｄ形状データを入力情報として、観測データに基づいて目標の進行方向および回転に関する運動パラメータ値を決定するとともに、候補目標の３Ｄ形状データおよび運動パラメータ値に基づいて、目標の種類の学習に用いられる学習用画像データを生成する学習用画像生成器と、観測データ、圧縮パラメータおよび学習用画像データを入力情報として、圧縮パラメータに基づいて観測データおよび学習用画像データを圧縮して圧縮画像データを生成する画素指定データ圧縮器と、強度正規化パラメータおよび圧縮画像データを入力情報として、強度正規化パラメータに基づいて圧縮画像データを構成する全画素の強度を変更し、全画素の強度変更結果である学習用強度正規化データおよび判別対象強度正規化データを生成する強度正規化器と、学習パラメータおよび学習用強度正規化データを入力情報として、学習用強度正規化データに基づく種類学習を行い、種類学習結果を生成する種類学習器と、判別対象強度正規化データおよび種類学習結果を入力情報として、種類学習結果に基づいて判別対象強度正規化データの種類判別を行い、種類判別結果を出力する種類判別器とを備えたので、レーダ観測画像データを対象に、ユーザによる強度分布などのデータ解析の負荷を削減しつつ、レーダ観測画像データの性質に即した観測条件の違いに強い識別を実現した観測目標の類識別装置が得られる効果がある。
【図面の簡単な説明】
【図１】この発明の実施の形態１を示すブロック構成図である。
【図２】この発明の実施の形態１による強度正規化処理を示す説明図である。
【図３】この発明の実施の形態１による学習処理および判別処理を示す説明図である。
【図４】この発明の実施の形態２を示すブロック構成図である。
【図５】この発明の実施の形態３を示すブロック構成図である。
【図６】この発明の実施の形態４を示すブロック構成図である。
【図７】この発明の実施の形態５を示すブロック構成図である。
【図８】この発明の実施の形態６を示すブロック構成図である。
【図９】この発明の実施の形態７による位置平均算出画素の選択処理動作を示す説明図である。
【図１０】この発明の実施の形態８を示すブロック構成図である。
【図１１】この発明の実施の形態９を示すブロック構成図である。
【図１２】この発明の実施の形態９による強度分布の算出処理を示す説明図である。
【図１３】この発明の実施の形態１０を示すブロック構成図である。
【図１４】この発明の実施の形態１０による強度正規化平均値の属性付加処理を示す説明図である。
【図１５】この発明の実施の形態１１を示すブロック構成図である。
【符号の説明】
１学習用画像生成器、２画素指定データ圧縮器、３種類学習器、４種類判別器、６、６Ａ〜５Ｈ、６Ｊ、６Ｋ強度正規化器、１２、１２Ａ〜１２Ｈ、１２Ｊ、１２Ｋ類識別装置、１３３Ｄ形状データファイル、１４観測データファイル、１５種類判別結果ファイル、１６圧縮パラメータファイル、１７学習パラメータファイル、１９強度正規化パラメータファイル、６１画素指定強度正規化平均算出器、６２、６２Ｂ、６２Ｃ、６２Ｇ、６２Ｈ、６２Ｊ、６２Ｋ強度正規化変換器、６３降順番号決定器、６４順位指定強度正規化基準決定器、６５、６５Ｇ順位指定強度正規化平均算出器、６６、６６Ｆ強度正規化画素順位決定器、６７強度正規化画素順位変更器、６８強度正規化平均算出画素選択器、６９強度分布算出器、７０頻度指定強度正規化基準決定器、７１、７１Ｋ強度属性付加器、Ｄ０観測データ、Ｄ１学習用画像データ、Ｄ２圧縮画像データ、Ｄ３種類学習結果、Ｄ４種類判別結果、Ｄ６強度正規化データ、Ｄ６ａ学習用強度正規化データ、Ｄ６ｂ判別対象強度正規化データ、Ｄ１３３Ｄ形状データ、Ｈｇ強度頻度分布、Ｉｉ強度正規化平均算出画素、Ｌｉ強度正規化基準値、Ｍｉ強度正規化平均値、Ｎｉ強度正規化画素順位、Ｎｉ’ 強度正規化画素順位変更値、Ｎｉｎ強度正規化画素番号、Ｎｎ降順番号データ、Ｎｒｉ強度正規化平均算出画素数、Ｎｓ圧縮基準画素数、Ｐ１６圧縮パラメータ、Ｐ１７学習パラメータ、Ｐ１９強度正規化パラメータ、Ｐｉ最大頻度中央値、Ｒｉ強度正規化率、Ｒｓｉ圧縮率依存強度正規化率、Ｗｉ強度幅。

Claims

種類が不明の３次元の目標をレーダで観測した画像からなる観測データと、前記目標の種類の候補となる候補目標の学習用画像データを生成するための３次元の形状を表す３Ｄ形状データと、前記観測データを学習するための学習パラメータと、前記観測データおよび前記学習用画像データを圧縮するためのデータ圧縮基準となる画素を示す圧縮パラメータと、前記観測データの強度を正規化するための画素を表す強度正規化パラメータとを入力情報として、前記観測データの種類判別結果を出力する観測目標の類識別装置であって、
前記観測データおよび前記３Ｄ形状データを入力情報として、前記観測データに基づいて前記目標の進行方向および回転に関する運動パラメータ値を決定するとともに、前記候補目標の３Ｄ形状データおよび前記運動パラメータ値に基づいて、前記目標の種類の学習に用いられる前記学習用画像データを生成する学習用画像生成器と、
前記観測データ、前記圧縮パラメータおよび前記学習用画像データを入力情報として、前記圧縮パラメータに基づいて前記観測データおよび前記学習用画像データを圧縮して圧縮画像データを生成する画素指定データ圧縮器と、
前記強度正規化パラメータおよび前記圧縮画像データを入力情報として、前記強度正規化パラメータに基づいて前記圧縮画像データを構成する全画素の強度を変更し、前記全画素の強度変更結果である学習用強度正規化データおよび判別対象強度正規化データを生成する強度正規化器と、
前記学習パラメータおよび前記学習用強度正規化データを入力情報として、前記学習用強度正規化データに基づく種類学習を行い、種類学習結果を生成する種類学習器と、
前記判別対象強度正規化データおよび前記種類学習結果を入力情報として、前記種類学習結果に基づいて前記判別対象強度正規化データの種類判別を行い、前記種類判別結果を出力する種類判別器とを備えたことを特徴とする観測目標の類識別装置。
前記強度正規化器は、画素指定強度正規化平均算出器および強度正規化変換器を含み、
前記画素指定強度正規化平均算出器は、前記圧縮画像データと前記強度正規化パラメータに含まれる強度正規化画素番号とを入力情報として、前記強度正規化画素番号で指定した画素の強度の平均値である強度正規化平均値を算出して強度正規化基準値とし、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記圧縮画像データの各々について、前記強度正規化基準値に基づいて前記圧縮画像データを構成する全画素の強度を変換して、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記強度正規化器は、降順番号決定器、順位指定強度正規化基準決定器および強度正規化変換器を含み、
前記降順番号決定器は、前記圧縮画像データを入力情報として、前記圧縮画像データの画素を強度の降順に並び替えしたときの順位を降順番号データとし、
前記順位指定強度正規化基準決定器は、前記圧縮画像データおよび前記降順番号データと前記強度正規化パラメータに含まれる強度正規化画素順位とを入力情報として、強度正規化の基準となる前記強度正規化画素順位に基づいて強度正規化基準値を生成し、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記強度正規化基準値に基づいて前記圧縮画像データの強度を変換して、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記強度正規化器は、降順番号決定器、順位指定強度正規化平均算出器および強度正規化変換器を含み、
前記降順番号決定器は、前記圧縮画像データを入力情報として、前記圧縮画像データの画素を強度の降順に並び替えしたときの順位を降順番号データとし、
前記順位指定強度正規化平均算出器は、前記圧縮画像データおよび前記降順番号データと前記強度正規化パラメータに含まれる強度正規化画素順位とを入力情報として、前記強度正規化画素順位に基づいて指定される前記圧縮画像データの画素の強度から、前記強度正規化画素順位に基づいて指定した画素の強度の平均値である強度正規化平均値を算出して強度正規化基準値とし、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記圧縮画像データの各々について、前記強度正規化基準値に基づいて前記圧縮画像データを構成する全画素の強度を変換して、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記画素指定データ圧縮器と前記強度正規化器との間に挿入された強度正規化画素順位決定器を備え、
前記強度正規化画素順位決定器は、前記圧縮画像データと前記強度正規化パラメータに含まれる強度正規化率とを入力情報として、強度正規化の指標となる前記強度正規化率に基づいて強度正規化画素順位を生成し、
前記強度正規化器は、前記圧縮画像データおよび前記強度正規化画素順位を入力情報として、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記画素指定データ圧縮器と前記強度正規化器との間に挿入された強度正規化画素順位変更器を備え、
前記強度正規化画素順位変更器は、前記圧縮画像データと前記強度正規化パラメータに含まれる強度正規化画素順位とを入力情報として、前記強度正規化画素順位を変更するための強度正規化変更率を決定し、前記強度正規化変更率に基づいて強度正規化画素順位変更値を生成し、
前記強度正規化器は、前記圧縮画像データおよび前記強度正規化画素順位変更値を入力情報として、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記画素指定データ圧縮器と前記強度正規化器との間に挿入された強度正規化画素順位決定器を備え、
前記強度正規化画素順位決定器は、前記圧縮画像データと、前記圧縮パラメータに含まれる圧縮基準画素数と、前記強度正規化パラメータに含まれる圧縮率依存強度正規化率とを入力情報として、圧縮後のデータ量に対する比率を表す前記圧縮率依存強度正規化率に基づいて前記強度正規化画素順位を算出し、
前記強度正規化器は、前記圧縮画像データおよび前記強度正規化画素順位を入力情報として、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記強度正規化器は、降順番号決定器、強度正規化平均算出画素選択器、順位指定強度正規化平均算出器および強度正規化変換器を含み、
前記降順番号決定器は、前記圧縮画像データを入力情報として、前記圧縮画像データの画素を強度の降順に並び替えしたときの順位を降順番号データとし、
前記強度正規化平均算出画素選択器は、前記圧縮画像データおよび前記降順番号データと前記強度正規化パラメータに含まれる強度正規化画素順位および強度正規化平均算出画素数とを入力情報として、前記強度正規化画素順位に基づいて指定される前記圧縮画像データの画素の中から、前記強度正規化平均算出画素数の画素を選択して強度正規化平均算出画素を生成し、
前記順位指定強度正規化平均算出器は、前記圧縮画像データおよび前記強度正規化平均算出画素を入力情報として、前記強度正規化平均算出画素の強度の平均値である強度正規化平均値を算出して強度正規化基準値とし、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記圧縮画像データの各々について、前記強度正規化基準値に基づいて前記圧縮画像データを構成する全画素の強度を変換して、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記強度正規化器は、降順番号決定器、強度分布算出器、頻度指定強度正規化基準決定器および強度正規化変換器を含み、
前記降順番号決定器は、前記圧縮画像データを入力情報として、前記圧縮画像データの画素を強度の降順に並び替えしたときの順位を降順番号データとし、
前記強度分布算出器は、前記圧縮画像データと前記強度正規化パラメータに含まれる強度正規化画素順位および強度幅とを入力情報として、前記強度正規化画素順位に基づいて指定される前記圧縮画像データの画素に対し、前記強度幅に基づいて強度頻度分布を算出して生成し、
前記頻度指定強度正規化基準決定器は、前記圧縮画像データおよび前記強度頻度分布を入力情報として、前記強度頻度分布の最大頻度中央値を算出して強度正規化基準値とし、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記強度正規化基準値に基づいて前記圧縮画像データの強度を変換して、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記強度正規化器は、画素指定強度正規化平均算出器、強度正規化変換器および強度属性付加器を含み、
前記画素指定強度正規化平均算出器は、前記圧縮画像データと前記強度正規化パラメータに含まれる強度正規化画素番号とを入力情報として、前記強度正規化画素番号に基づいて前記圧縮画像データの強度の平均値となる強度正規化平均値を算出して強度正規化基準値とし、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記圧縮画像データの各々について、前記強度正規化基準値に基づいて前記圧縮画像データを構成する全画素の強度を変換して強度正規化データを生成し、
前記強度属性付加器は、前記強度正規化基準値および前記強度正規化データを入力情報として、前記強度正規化データに対して前記強度正規化基準値を新たな属性値として付加し、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。
前記強度正規化器は、降順番号決定器、順位指定強度正規化基準決定器、強度正規化変換器および強度属性付加器を含み、
前記降順番号決定器は、前記圧縮画像データを入力情報として、前記圧縮画像データの画素を強度の降順に並び替えしたときの順位を降順番号データとし、
前記順位指定強度正規化基準決定器は、前記圧縮画像データおよび前記降順番号データと前記強度正規化パラメータに含まれる強度正規化画素順位とを入力情報として、前記強度正規化画素順位に基づいて強度正規化基準値を生成し、
前記強度正規化変換器は、前記圧縮画像データおよび前記強度正規化基準値を入力情報として、前記強度正規化基準値に基づいて前記圧縮画像データの強度を変換して強度正規化データを生成し、
前記強度属性付加器は、前記圧縮画像データ、前記降順番号データ、前記強度正規化画素順位および前記強度正規化データを入力情報として、前記強度正規化データの前記強度正規化画素順位に基づいて指定される画素に対し、強度の最大値と最小値との強度差分値を算出して属性値として前記強度正規化データに付加し、前記学習用強度正規化データおよび前記判別対象強度正規化データを生成することを特徴とする請求項１に記載の観測目標の類識別装置。