JP4140827B2 - 観測目標の類識別装置 - Google Patents

観測目標の類識別装置 Download PDF

Info

Publication number
JP4140827B2
JP4140827B2 JP2002354909A JP2002354909A JP4140827B2 JP 4140827 B2 JP4140827 B2 JP 4140827B2 JP 2002354909 A JP2002354909 A JP 2002354909A JP 2002354909 A JP2002354909 A JP 2002354909A JP 4140827 B2 JP4140827 B2 JP 4140827B2
Authority
JP
Japan
Prior art keywords
intensity
data
normalization
normalized
image data
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.)
Expired - Fee Related
Application number
JP2002354909A
Other languages
English (en)
Other versions
JP2004184371A (ja
Inventor
かおり 川上
秀俊 田中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2002354909A priority Critical patent/JP4140827B2/ja
Publication of JP2004184371A publication Critical patent/JP2004184371A/ja
Application granted granted Critical
Publication of JP4140827B2 publication Critical patent/JP4140827B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

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】
Figure 0004140827
【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】
Figure 0004140827
【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】
Figure 0004140827
【0056】
なお、式(3)において、強度正規化変更率Uiは、
【数4】
Figure 0004140827
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】
Figure 0004140827
【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】
Figure 0004140827
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】
Figure 0004140827
【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】
Figure 0004140827
【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、13 3D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、D13 3D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 (11)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
JP2002354909A 2002-12-06 2002-12-06 観測目標の類識別装置 Expired - Fee Related JP4140827B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002354909A JP4140827B2 (ja) 2002-12-06 2002-12-06 観測目標の類識別装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002354909A JP4140827B2 (ja) 2002-12-06 2002-12-06 観測目標の類識別装置

Publications (2)

Publication Number Publication Date
JP2004184371A JP2004184371A (ja) 2004-07-02
JP4140827B2 true JP4140827B2 (ja) 2008-08-27

Family

ID=32755754

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002354909A Expired - Fee Related JP4140827B2 (ja) 2002-12-06 2002-12-06 観測目標の類識別装置

Country Status (1)

Country Link
JP (1) JP4140827B2 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4772341B2 (ja) * 2005-02-25 2011-09-14 三菱電機株式会社 目標識別装置
JP6429518B2 (ja) * 2014-07-10 2018-11-28 日本無線株式会社 レーダ信号処理装置
WO2021038740A1 (ja) * 2019-08-28 2021-03-04 三菱電機株式会社 障害物検知装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6228888A (ja) * 1985-07-31 1987-02-06 Fuji Electric Co Ltd 対象物識別方法
JP2738244B2 (ja) * 1992-12-09 1998-04-08 三菱電機株式会社 レーダ装置
JP3236532B2 (ja) * 1997-06-16 2001-12-10 大阪瓦斯株式会社 領域抽出方法及び探査装置
JPH1153547A (ja) * 1997-07-31 1999-02-26 Tokyo Electric Power Co Inc:The 認識対象物体の物体領域抽出装置および物体領域抽出方法
JP3416730B2 (ja) * 2000-05-12 2003-06-16 防衛庁技術研究本部長 レーダによる目標の識別装置
JP2003207565A (ja) * 2002-01-10 2003-07-25 Mitsubishi Electric Corp 類識別装置及び類識別方法

Also Published As

Publication number Publication date
JP2004184371A (ja) 2004-07-02

Similar Documents

Publication Publication Date Title
CN105809151B (zh) 灭火器压力表状态的图像识别方法
US9152926B2 (en) Systems, methods, and media for updating a classifier
CN109145921A (zh) 一种基于改进的直觉模糊c均值聚类的图像分割方法
US20070165951A1 (en) Face detection method, device and program
JP4588575B2 (ja) デジタル画像の複数対象物検出方法および装置並びにプログラム
CN105608687B (zh) 医用图像处理方法和医用图像处理装置
US8983205B2 (en) Method for auto-depicting trends in object contours
JP3809305B2 (ja) 画像検索装置及び画像検索方法及びコンピュータ読み取り可能な記憶媒体
US20070076954A1 (en) Face orientation identifying method, face determining method, and system and program for the methods
CN111046893B (zh) 图像相似性确定方法和装置、图像处理方法和装置
CN108875474A (zh) 评估人脸识别算法的方法、装置及计算机存储介质
CN102651124A (zh) 基于冗余字典稀疏表示和评价指标的图像融合方法
CN106485239A (zh) 一种利用单类支持向量机检测河流目标的方法
WO2015146113A1 (ja) 識別辞書学習システム、識別辞書学習方法および記録媒体
CN112561878A (zh) 基于加权融合的手指静脉图像质量评价方法
JP4140827B2 (ja) 観測目標の類識別装置
CN109344758B (zh) 基于改进局部二值模式的人脸识别方法
CN103049754B (zh) 社交网络的图片推荐方法和装置
CN107527348A (zh) 基于多尺度分割的显著性检测方法
CN107844803A (zh) 一种图片比对的方法和装置
JP2011043872A (ja) カラーヒストグラム生成装置、カラーヒストグラム生成方法及びプログラム
JP4140826B2 (ja) 観測目標の類識別装置
CN105095901B (zh) 用于处理尿液沉渣图像的待处理区块的方法和装置
JP2014095667A (ja) 目標類識別装置及び目標類識別方法
JP4188068B2 (ja) 観測目標の類識別装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050926

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071217

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20071225

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080222

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: 20080603

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20080605

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110620

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120620

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130620

Year of fee payment: 5

LAPS Cancellation because of no payment of annual fees