JP5523298B2 - 目標類識別装置 - Google Patents

Description

この発明は目標類識別装置に関し、特に、種類未知の目標のレーダ観測画像データを対象に、目標種別を判定するための目標類識別装置に関するものである。

従来行われてきた目標類識別方法としては、レーダ観測で得られた静止目標の観測画像データに対し、事前に得られている各機種の教師画像とのパターンマッチングを行い、目標種別を判定する方法が知られている。教師画像は、一般的に、シミュレーション画像（諸元既知）もしくは実画像（一部の諸元未知）のいずれかとする。

非特許文献１に記載の手法では、同一目標に対する観測諸元（目標主軸方向（向き））が異なる複数画像を統合して類識別フィルタを生成する。

フィルタ統合の前処理としては、輝度調整、大きさの正規化、中心位置合わせ等の処理を行う。

非特許文献１に記載の手法は、目標主軸方向等のパラメータ推定を行わずに、様々な向きの画像を統合することにより、向きの異なる画像に対応でき、また、教師画像とのマッチングではなく、フィルタとのマッチングを行うことにより、教師画像の選択に性能が依存しないという特徴がある。

Rajesh K. Shenoy,"Object detection and classification in SAR images using MINACE correlation filters", A project report for the degree of Master of Science, Carnegie Mellon University, Department of Electrical and Computer Engineering, April 10,1995

従来の目標類識別装置では、目標主軸方向が異なる画像間でフィルタを生成する場合、原理的には、目標を離散的に回転移動した画像を組み合わせたフィルタが生成される。

図２に、従来技術における目標主軸方向の異なる２教師画像によるフィルタ生成例を示す。ドットで塗りつぶされた、黒っぽい丸及び白っぽい丸が高輝度点を表す（以下、黒っぽい丸を黒丸、白っぽい丸を白丸と呼ぶ。黒丸は、白丸よりも、輝度値が高いとする）。目標Ａに対する目標主軸方向の異なる教師画像１（図２（ａ））と教師画像２（図２（ｂ））から目標Ａの種類判定フィルタ（図２（ｃ））が生成される。すなわち、図２（ｃ）に示す目標Ａの種類判定フィルタは、図２（ａ）および（ｂ）の教師画像１，２を組み合わせたものである。

従来方法では、フィルタ生成時に様々な目標主軸方向（向き）の画像が得られていない場合、フィルタ生成に用いた教師画像と種類判定対象である観測画像との目標主軸方向（向き）差が大きい場合には、フィルタと分布状況が大きく異なり、対応できない。また、目標主軸方向差が小さい場合であっても、離散的な分布点に基づき生成されたフィルタでは、教師画像と観測画像の目標主軸方向差が開くほど、フィルタへの適合度が下がる傾向にある、という課題があった。

さらに、観測諸元としては目標主軸方向の他に、撮像日時、航空機／衛星等に搭載されたレーダから送信される電波の入射角、偏波、分解能等が考えられる。これらの観測諸元の異なる画像、特に入射角差が大きい画像間では、同一機種であっても、倒れこみと呼ばれる現象により、レーダ観測画像の輝度分布(輝度値、分布位置)等が異なる。

図３〜４に従来技術における入射角の異なる２教師画像によるフィルタ生成例を示す。図３が、入射角差が比較的小さい２教師画像によるフィルタ生成、図４が、入射角差が比較的大きい２教師画像によるフィルタ生成の例である。図３，４においても、黒丸及び白丸が、高輝度点を表す（黒丸は、白丸よりも輝度値が高いとする）。

図３において、目標Ｂに対する入射角の異なる教師画像１（図３（ａ））と教師画像２（図３（ｂ））から目標Ｂの種類判定フィルタ（図３（ｃ））が生成される。同様に、図４では、目標Ｂに対する入射角の異なる教師画像３（図４（ａ））と教師画像４（図４（ｂ））から目標Ｂの種類判定フィルタ（図４（ｃ））が生成される。

入射角の異なる画像間でフィルタ生成を行った場合、図４のように入射角差が比較的大きい場合は特に、輝度分布が発散して、その結果、異機種との適合度も高くなり、誤検出が発生しやすくなる。また図３のように、入射角差が比較的小さい画像間で生成したフィルタであっても、入射角は離散的に分布し、それに応じて輝度分布も変動するため、フィルタ適用画像との入射角差が開くほど、フィルタへの適合度が下がる傾向にある、という課題があった。

この発明は、かかる課題を解決するためになされたものであり、観測諸元パラメータの離散的分布の影響を補い、適合度の高いフィルタを生成して、高精度な目標類識別装置を得ることを目的とする。

この発明は、観測目標の観測画像データを対象に上記観測目標の種類を判定するための目標類識別装置であって、複数の観測条件での観測により得られた観測目標の教師画像データからなる教師画像データ群とその観測諸元データを格納する教師画像データファイルと、種類判定対象となる観測画像データとその観測諸元データを格納する観測画像データファイルと、上記教師画像データに対して、位置あわせ等のフィルタ生成前の前処理を行い、前処理後の前処理後教師画像データを生成する画像前処理部と、上記前処理後教師画像データに対し、上記前処理後教師画像データの観測諸元の離散的分布を補うための高輝度領域の拡張を行い、拡張後教師画像データを生成する教師画像拡張部と、上記拡張後教師画像データから種類判定フィルタを生成する種類判定フィルタ生成部と、上記観測画像データと上記種類判定フィルタとの照合を行い、上記観測目標の種類判定を行う画像照合部と、上記観測目標の種類判定結果を格納する種類判定結果ファイルとを備えたことを特徴とする目標類識別装置である。

この発明は、観測目標の観測画像データを対象に上記観測目標の種類を判定するための目標類識別装置であって、複数の観測条件での観測により得られた観測目標の教師画像データからなる教師画像データ群とその観測諸元データを格納する教師画像データファイルと、種類判定対象となる観測画像データとその観測諸元データを格納する観測画像データファイルと、上記教師画像データに対して、位置あわせ等のフィルタ生成前の前処理を行い、前処理後の前処理後教師画像データを生成する画像前処理部と、上記前処理後教師画像データに対し、上記前処理後教師画像データの観測諸元の離散的分布を補うための高輝度領域の拡張を行い、拡張後教師画像データを生成する教師画像拡張部と、上記拡張後教師画像データから種類判定フィルタを生成する種類判定フィルタ生成部と、上記観測画像データと上記種類判定フィルタとの照合を行い、上記観測目標の種類判定を行う画像照合部と、上記観測目標の種類判定結果を格納する種類判定結果ファイルとを備えたことを特徴とする目標類識別装置であるので、観測諸元パラメータの離散的分布の影響を補い、適合度の高いフィルタを生成して、高精度な種類判定を行うことを可能にする。

この発明の実施の形態１に係る目標類識別装置の構成を示すブロック図である。 従来技術による種類判定フィルタ生成例を示す説明図である。 従来技術による種類判定フィルタ生成例を示す説明図である。 従来技術による種類判定フィルタ生成例を示す説明図である。 この発明の実施の形態１による種類判定フィルタ生成例を示す説明図である。 この発明の実施の形態２による種類判定フィルタ生成例を示す説明図である。 この発明の実施の形態３による種類判定フィルタ生成例を示す説明図である。 この発明の実施の形態３による種類判定フィルタ生成例を示す説明図である。

実施の形態１．
図１は、この発明の実施の形態１に係る目標類識別装置の構成を示すブロック図である。図１に示すように、本実施の形態１に係る目標類識別装置は、様々な観測条件で得られた目標の複数の教師画像データである教師画像データ群とその観測諸元データを格納する教師画像データファイル１と、種類判定対象となる観測画像データとその観測諸元データを格納する観測画像データファイル２と、教師画像データ群に対して位置あわせ等のフィルタ生成前の前処理を行い、前処理後の前処理後教師画像データ群を生成する画像前処理部３と、前処理後教師画像データ群に対し、教師画像データ群の観測諸元の離散的分布を補うための拡張を行い、拡張後教師画像データ群を生成する教師画像拡張部４と、拡張後教師画像データ群から種類判定フィルタを生成する種類判定フィルタ生成部５と、種類判定対象である観測画像データと種類判定フィルタとの照合を行い、観測目標の種類判定を行う画像照合部６と、観測目標の種類判定結果を格納する種類判定結果ファイル７とを備えている。

なお、図１には示されていないが、観測画像データファイル２の入力側には、撮像装置および信号処理装置が接続されている。信号処理装置は、撮像装置で撮像された観測画像を基に観測画像データＴを算出し、観測画像データファイル２に格納する。観測画像データファイル２には、観測画像データＴの観測諸元データも同時に格納される。なお、観測諸元データとしては、例えば、観測時の観測レーダの送信電波の入射角、観測レーダの視線方向、目標主軸方向、観測日時、観測所要時間、観測地域、観測レーダの分解能や観測モード(多偏波観測等)などが挙げられる。

また、教師画像データファイル１は、事前に様々な観測条件で目標を観測することによって得られた、計算機等に蓄積されている種類既知の目標画像データ、もしくは、計算機シミュレーションで生成された各目標の画像データからなる、教師画像データＬを格納している。教師画像データファイル１には、教師画像データＬの観測諸元データも同時に格納される。

種類判定結果ファイル７は、後述する画像照合部６によって得られる種類判定結果データＲを格納する。

画像前処理部３は、教師画像データファイル１からの教師画像データＬを入力情報とし、教師画像データＬに対して、輝度調整、大きさの正規化、中心位置合わせ等の前処理を行い、前処理後の画像を前処理後画像データＰとして出力する。

教師画像拡張部４は、画像前処理部３から出力される前処理後画像データＰに対して高輝度点領域の拡張を行い、拡張後教師画像データＫを生成する。

種類判定フィルタ生成部５は、教師画像拡張部４から出力される拡張後教師画像データＫから種類判定フィルタＦを生成する。

画像照合部６は、種類判定フィルタ生成部５から出力される種類判定フィルタＦを用いて、観測画像データファイル２に格納された観測画像データＴの種類判定を行い、種類判定結果Ｒ（全体の出力情報）を生成し、種類判定結果ファイル７に格納する。

次に、図５の説明図を参照しながら、図１に示した各機能ブロック３〜６の動作について、さらに具体的に説明する。

まず、画像前処理部３は、教師画像データＬを教師画像データファイル１から読み出して、当該教師画像データＬを対象として、例えばＬＯＧ法等による輝度調整を行う。ＬＯＧ法とは、画像の輝度の対数をとることにより、輝度差（濃淡差、振幅差）を小さくする方法であり、画像の視認性を向上させる。次に、１画素あたりの目標の大きさが、観測諸元に依存しないよう、事前に得られている各画像の観測諸元に基づき、スケール合わせる処理を行う。すなわち、大きさの正規化を行う。さらに、中心位置合わせとしては、教師画像の中から、基準となる画像である基準画像を任意に選定し、基準画像と各教師画像とを、１画素ずつずらしながら、重ね合わせを行い、基準画像と教師画像との相関係数が最大となったところを位置合わせ点とする。これらの処理を総じて前処理と呼ぶ。画像前処理部３は、こうした教師画像データＬを対象とした前処理によって得られる画像データを、前処理後画像データＰとして出力する。

続いて、教師画像拡張部４では、教師画像データの観測諸元の離散的分布を補うために、画像前処理部３から出力された前処理後画像データＰを対象として、各高輝度点を中心に高輝度領域の拡張を行う。高輝度領域の拡張は、中心となる高輝度点Ｃの近傍のＮ個の近傍画素の輝度値を、高輝度点Ｃと同じ輝度値に変更する、あるいは、高輝度点Ｃの輝度値を最大値として、Ｎ個の近傍画素の輝度値を、高輝度点Ｃからの距離に反比例した値に設定するなどの方法がある。近傍画素の個数Ｎは、事前に指定、もしくは、オペレータによって設定される、あるいは、目標画像の総画素数等から事前に与えられた計算式に基づき自動的に算出する方法等がある。輝度領域拡張時に、他の高輝度点との拡張領域の重複がある場合は、たとえば、それぞれの輝度値のうち、最大の値に設定する。

図５は、高輝度領域の拡張例を示しており、ドットで塗りつぶされた、黒っぽい丸及び白っぽい丸が高輝度点を表す（以下、黒っぽい丸を黒丸、白っぽい丸を白丸と呼ぶ。黒丸は、白丸よりも輝度値が高いとする）。領域拡張対象となる高輝度点は、事前に設定された輝度しきい値Ｓｂ以上の輝度値を持つ画素、あるいは、目標画像内の輝度上位Ｍ個の画素などの方法で決定する。輝度しきい値Ｓｂや輝度上位画素数Ｍは、事前に指定、もしくは、オペレータによって設定される、あるいは、目標画像の総画素数や最大輝度値等から、事前に与えられた計算式に基づき自動的に算出する等の設定方法等がある。目標Ａに対する教師画像１（図５（ａ））と教師画像２（図５（ｂ））に対し、各高輝度点の近傍のＮ個の画素を新たに高輝度領域とし（図５（ｃ），図５（ｄ））、それらを拡張後教師画像データＥとして出力する。各高輝度点を中心とした矩形領域が拡張後の高輝度領域を表す。

続いて、種類判定フィルタ生成部５では、拡張後教師画像データＥを対象に、種類判定フィルタＦを生成する。具体的には、各拡張後教師画像データＥを二次元フーリエ変換後、ラスタ走査によりベクトル化して教師画像ベクトルとし、教師画像ベクトル間の内積行列を求める。内積行列と各教師画像ベクトルの重み値からなるベクトルとの積が、全要素１のベクトルになるよう、各教師画像ベクトルの重み値を求める。算出された各教師画像ベクトルの重み値を用いて、重み付き教師画像ベクトルの和を求め、フィルタベクトルとする。以上の手順により、フィルタベクトルと全教師画像との相関がすべて１になるように、フィルタベクトル（すなわち、種類判定フィルタＦ）が算出される。図５（ｅ）に、目標Ａの種類判定フィルタＦを示す。

なお、上記例では複数の拡張後教師画像データＥを統合して、種類判定フィルタＦを生成したが、各拡張後教師画像データＥを、そのまま、それぞれ独立した種類判定フィルタとして用いても良い。

最後に画像照合部６では、観測画像データファイル２から種類判定対象である観測画像データを読み出し、当該観測画像データＴと種類判定フィルタＦとのパターンマッチング等により、種類判定を行う。パターンマッチングでは、観測画像データＴと種類判定フィルタＦとを１画素ずつずらしながら、相関係数を算出し、最も相関係数が高い位置での相関係数を求め、求めた相関係数が、事前に設定された種類判定しきい値Ｓｒ以上であれば、該当機種（種類）と判定し、種類判定結果Ｒとして出力するとともに、種類判定結果Ｒを種類判定結果ファイル７に格納する。

なお種類判定しきい値Ｓｒは、たとえば種類判定フィルタＦ生成の際に、事前に得られている種類既知の画像データのうち、フィルタ算出対象外である画像データのフィルタへの適合の度合を、たとえば平均正答率等から判定し、最も適合の度合いが高い値に設定する。

以上のように、本実施の形態１に係る目標類識別装置では、教師画像拡張部４において、教師画像データの高輝度領域を拡張することにより、諸元パラメータの離散的分布の影響で離散的に点在する高輝度点が補間され、諸元データの分布状況に依存しない汎用的な種類判定フィルタの生成が可能となる。また、高輝度領域の拡張の際に、高輝度点からの距離に応じて輝度値を設定することにより、教師画像の分布点を中心とした重み付き高輝度領域拡張が可能となり、高輝度領域の発散による、誤検出の発生を抑えることができる。さらに、事前に得られる諸元毎の教師画像数が限定される場合でも、諸元の異なる教師画像間の統合により、フィルタ生成が可能となるので、適合度の高いフィルタを得ることができる。

実施の形態２．
本実施の形態に係る目標類識別装置の構成は、上述の実施の形態１で説明した図１の構成と基本的に同じであるため、図１を参照することとし、ここでは説明を省略する。また、本実施の形態２においては、教師画像拡張部４の動作のみが実施の形態１と異なり、他の動作は同じであるため、以下では、実施の形態１と異なる動作を中心に説明する。

上述の実施の形態１（図１、図５）では、教師画像拡張部４において、高輝度点を中心に近傍画素に高輝度領域を拡張したが、離散的分布を考慮すべき観測諸元パラメータの変動予測に合わせて、高輝度点の分布点を予測して、回転方向に高輝度領域を拡張してもよい。本実施の形態２においては、その場合について説明する。

たとえば、変動が予測される諸元パラメータとして、目標主軸方向を考える。離散的に分布する目標主軸方向を補間する方法として、目標の回転移動による高輝度点の軌跡を用いる。具体的には、各教師画像において、輝度上位Ｍ個の高輝度点の位置から回転中心点を決定し（たとえば、輝度上位Ｍ個の高輝度点からなる凸包の中心点、あるいは、輝度上位Ｍ個の高輝度点の重心、等）、各高輝度点に対し、角度±θの回転移動を行い、高輝度点の回転移動軌跡で定義される領域を高輝度領域として拡張する。ここで、θは、事前に指定される、もしくは、オペレータにより設定される、あるいは、主軸方向が既知、もしくは、推定可能な教師画像データの主軸方向情報（平均角度差等）を用いて、事前に与えられた計算式により自動的に算出する等の設定方法が考えられる。

図６に回転方向への高輝度領域拡張例を示す。図６において、ドットで塗りつぶされた黒っぽい丸及び白っぽい丸が高輝度点を表す（以下では、黒っぽい丸を黒丸、白っぽい丸を白丸と呼ぶ。黒丸は、白丸よりも輝度値が高いとする）。また、図６における教師画像１，２は、画像前処理部３における前処理が行われているものとする。画像前処理部３における前処理までの動作は、実施の形態１と同じである。教師画像拡張部４は、画像前処理部３で前処理された、目標Ａに対する目標主軸方向の異なる教師画像１（図６（ａ））と教師画像２（図６（ｂ））に対し、それぞれの輝度上位Ｍ個の高輝度点の位置から回転の中心点（☆）を求め、各高輝度点に対し、当該中心点を中心とした角度±θの回転移動を行って（図６（ｃ），図６（ｄ））、各高輝度点の回転移動軌跡で定義される領域を高輝度領域として拡張して、拡張後教師画像データＥを生成する。図６（ｃ），（ｄ）における各高輝度点を中央に含む帯状領域が、各高輝度点の回転移動軌跡で定義される領域であり、すなわち、本実施の形態における拡張後の高輝度領域である。

次に、種類判定フィルタ生成部５が、図６（ｃ），（ｄ）に示す拡張後教師画像データＥを統合させて、目標Ａの種類判定フィルタＦ（図６（ｅ））を生成する。フィルタ生成手順としては、実施の形態１と同様に行えばよい。なお、種類判定フィルタＦは、複数の拡張後教師画像データを必ずしも統合する必要はなく、実施の形態１同様、各拡張後教師画像データ（図６（ｃ），（ｄ））を、そのまま種類判定フィルタＦとしても良い。画像照合部６では、この種類判定フィルタＦを用いて種類判定を行い、種類判定結果Ｒを種類判定ファイル７に格納する。種類判定フィルタ生成部５以降の動作は、実施の形態１と基本的に同じである。

また、高輝度領域の輝度値に関しても、実施の形態１同様、高輝度点の輝度値と等しくする、あるいは、高輝度点の輝度値を最大値として、高輝度点からの距離に反比例した値に設定してもよい。

以上のように、この発明の実施の形態２によれば、上記の実施の形態１と同様の効果が得られる。本実施の形態２においては、教師画像拡張部４において、観測諸元の変動予測に合わせて、高輝度点の分布点を予測して、回転方向に高輝度領域を拡張するようにしたので、高輝度領域の拡張範囲が限定され、誤検出の発生確率をおさえることができる。

実施の形態３．
本実施の形態に係る目標類識別装置の構成は、上述の実施の形態１，２で説明した図１の構成と基本的に同じであるため、図１を参照することとし、ここでは説明を省略する。また、本実施の形態３においては、教師画像拡張部４の動作のみが実施の形態１と異なり、他の動作は同じであるため、以下では、実施の形態１と異なる動作を中心に説明する。

上述の実施の形態１〜２（図１、図５〜６）では、教師画像拡張部４において、高輝度点を中心に近傍画素に高輝度領域を拡張するか、あるいは、回転方向に高輝度領域を拡張したが、回転移動のような比較的一律な高輝度点の移動ではなく、個々の高輝度点間の輝度値の変動や、あるいは、移動方向は同じであるが、移動距離が高輝度点ごとに異なる等の状況もあるので、それらの状況を想定して、移動距離も考慮した、特定の方向への高輝度領域の拡張を行ってもよい。本実施の形態３においては、その場合について説明する。

たとえば、変動が予測される諸元パラメータとして、衛星等に搭載された観測レーダの軌道によって定義される、送信電波の入射角を考える。入射角の変動に伴い、倒れこみと呼ばれる現象が発生することにより、各高輝度点の輝度値及び分布位置も変動する。ここで倒れこみでは、高輝度点の輝度位置はレーダからの視線方向に移動し、また、高輝度点の移動距離は、電波の反射点の高さ方向の位置（すなわち目標上の反射点の地上からの高さ）に応じて決まることがわかっている。そこで、教師画像の各高輝度点に対し、レーダからの視線方向への平行移動を行い、高輝度点の平行移動軌跡で定義される領域を、高輝度領域として拡張する。

図７に視線方向への高輝度領域拡張例を示す。ここで、対象とする２つの教師画像は、比較的、入射角差が小さい場合を想定している。図７において、ドットで塗りつぶされた黒っぽい丸及び白っぽい丸が高輝度点を表す（以下では、黒っぽい丸を黒丸、白っぽい丸を白丸と呼ぶ。黒丸は、白丸よりも輝度値が高いとする）。また、図７における教師画像１，２は、画像前処理部３における前処理が行われているものとする。画像前処理部３における前処理までの動作は、実施の形態１と同じである。教師画像拡張部４は、画像前処理部３で前処理された、目標Ｂに対する入射角の異なる教師画像１（図７（ａ））と教師画像２（図７（ｂ））を対象に、各高輝度点に対し、視線方向に距離±αの平行移動を行い、高輝度点の平行移動軌跡で定義される略々矩形の帯状領域を求め（図７（ｃ），図７（ｄ））、それを拡張後の高輝度領域とした拡張後教師画像データＥを生成する。図７（ｃ），（ｄ）において、各高輝度点を中央に含む帯状領域が本実施の形態における拡張後の高輝度領域を表す。ここで、各高輝度点の移動距離αは、事前に反射点の高さがある程度予測可能な場合には、たとえば、事前に得られている反射点高さと倒れこみ距離の分布状況データに基づき、移動距離を予測して設定する。反射点高さが予測できない場合には、目標の全体形状から予測される倒れこみ距離範囲を指標に、たとえば、その中央値もしくは最大値等を設定する。

次に、種類判定フィルタ生成部５が、拡張後教師画像データＥから、目標Ｂの種類判定フィルタＦ（図７（ｅ））を生成する。フィルタ生成手順としては、実施の形態１と同様に行えばよい。なお、種類判定フィルタＦは、実施の形態１同様、複数の拡張後教師画像データＥを統合して生成せずに、各拡張後教師画像データを、そのまま種類判定フィルタＦとしても良い。画像照合部６では、この種類判定フィルタＦを用いて、種類判定を行い、種類判定結果Ｒを種類判定ファイル７に格納する。種類判定フィルタ生成部５以降の動作は、実施の形態１と基本的に同じである。

なお、上記図７の例では、入射角差が比較的小さい場合を対象としているが、図８（ａ），（ｂ）に示す教師画像３及び教師画像４のように、教師画像の入射角差の開きが比較的大きい場合には、複数の拡張後教師画像データを対象といたフィルタ生成により、高輝度領域の発散が起こりうる。

ここで、入射角はレーダ観測諸元として、観測時に与えられる情報であることを踏まえると、あえて入射角差が大きい教師画像間でのフィルタ生成を行わずに、独立したフィルタとする方法も考えられる。すなわち、フィルタ生成の際の入射角統合範囲を示す情報である入射角統合情報を事前に定義し、入射角統合情報に基づき入射角をグルーピングし、入射角グループごとにフィルタを生成する（図８（ｃ）及び図８（ｄ））ようにしてもよい。

なお、高輝度領域の輝度値に関しては、入射角の違いによる輝度分布変動を考慮して、事前に設定された輝度正規化しきい値Ｓｎ以上の高輝度点の輝度を、すべて一様な値（例えばＳｎ）に正規化し（輝度正規化値とする）、拡張高輝度領域内の輝度値も輝度正規化値に設定する方法が考えられる。これにより、輝度分布の変動に左右されないフィルタ生成が可能となる。

以上のように、この発明の実施の形態３によれば、上記の実施の形態１と同様の効果が得られる。本実施の形態３においては、教師画像拡張部４は、移動距離も考慮した、特定の方向への高輝度領域拡張を行うことにより、高輝度領域の拡張範囲が限定され、誤検出の発生確率をおさえることができる。

また、実施の形態３においては、教師画像データを入射角ごとにグルーピングして、グループごとに種類判定フィルタを生成するようにしたので、入射角差の大きい場合に、個々の入射角グループの輝度分布状況に応じたフィルタ生成が可能となる。なお、ここでは、特定の観測諸元パラメータ値として入射角を例に挙げたが、その場合に限らず、他の観測諸元パラメータ値ごとにグルーピングを行ってもよい。また、実施の形態１，２においても、グルーピングを行ってもよく、その場合も同様の効果が得られる。

また、本実施の形態３においては、入射角の変動に伴う輝度分布変動を考慮して、高輝度領域拡張の際の輝度値を正規化するようにしたので、輝度分布の変動に左右されないフィルタ生成が可能となる。なお、実施の形態３の説明では、特定の観測諸元パラメータ値として入射角を例に挙げたが、その場合に限らず、他の特定の観測諸元パラメータ値の変動に伴う輝度分布変動を補償するために、高輝度領域拡張の際の輝度値を正規化するようにしてもよい。また、実施の形態１，２においても、正規化を行ってもよく、その場合も同様の効果が得られる。

なお、この発明は、上記各実施の形態１〜３に限定されるものではなく、各実施の形態１〜３の可能な組み合わせをすべて含むことは云うまでもない。

１ 教師画像データファイル、２ 観測画像データファイル、３ 画像前処理部、４ 教師画像拡張部、５ 種類判定フィルタ生成部、６ 画像照合部、７ 種類判定結果ファイル、Ｆ 種類判定フィルタ、Ｋ 拡張後教師画像データ、Ｌ 教師画像データ、Ｐ 前処理後画像データ、Ｒ 種類判定結果、Ｔ 観測画像データ。

Claims (6)

1. 観測目標の観測画像データを対象に上記観測目標の種類を判定するための目標類識別装置であって、
   複数の観測条件での観測により得られた観測目標の教師画像データからなる教師画像データ群とその観測諸元データを格納する教師画像データファイルと、
   種類判定対象となる観測画像データとその観測諸元データを格納する観測画像データファイルと、
   上記教師画像データに対して、位置あわせ等のフィルタ生成前の前処理を行い、前処理後の前処理後教師画像データを生成する画像前処理部と、
   上記前処理後教師画像データに対し、上記前処理後教師画像データの観測諸元の離散的分布を補うための高輝度領域の拡張を行い、拡張後教師画像データを生成する教師画像拡張部と、
   上記拡張後教師画像データから種類判定フィルタを生成する種類判定フィルタ生成部と、
   上記観測画像データと上記種類判定フィルタとの照合を行い、上記観測目標の種類判定を行う画像照合部と、
   上記観測目標の種類判定結果を格納する種類判定結果ファイルと
   を備えたことを特徴とする目標類識別装置。
2. 上記教師画像拡張部は、上記前処理後教師画像データ内の高輝度点の位置に基づき、それらの高輝度点の回転の中心点を求め、各高輝度点に対し当該中心点を中心とする所定の角度の回転移動を行い、上記高輝度点の回転移動軌跡で定義される領域を拡張後の高輝度領域として、高輝度領域を拡張させることを特徴とする請求項１に記載の目標類識別装置。
3. 上記教師画像拡張部は、上記前処理後教師画像データ内の各高輝度点に対し、観測時の視線方向に基づく特定の方向へ所定の距離の平行移動を行い、上記高輝度点の平行移動軌跡で定義される領域を拡張後の高輝度領域として、高輝度領域を拡張させることを特徴とする請求項１に記載の目標類識別装置。
4. 前記教師画像拡張部は、上記前処理後教師画像データ内の各高輝度点からの距離に応じて高輝度領域の輝度値を変化させることにより高輝度領域の拡張を行うことを特徴とする請求項１に記載の目標類識別装置。
5. 前記教師画像拡張部は、上記教師画像データを特定の観測諸元パラメータ値に応じてグルーピングして、グループごとに上記種類判定フィルタを生成することを特徴とする請求項１に記載の目標類識別装置。
6. 前記教師画像拡張部は、特定の観測諸元パラメータの変動に伴う輝度分布変動を補償するために、各高輝度点の輝度値を正規化することを特徴とする請求項１に記載の目標類識別装置。

Images