JP5526363B2 - Far-infrared buried object automatic detection device - Google Patents
Far-infrared buried object automatic detection device Download PDFInfo
- Publication number
- JP5526363B2 JP5526363B2 JP2012034744A JP2012034744A JP5526363B2 JP 5526363 B2 JP5526363 B2 JP 5526363B2 JP 2012034744 A JP2012034744 A JP 2012034744A JP 2012034744 A JP2012034744 A JP 2012034744A JP 5526363 B2 JP5526363 B2 JP 5526363B2
- Authority
- JP
- Japan
- Prior art keywords
- far
- target
- infrared
- time
- series 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.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Description
本発明は、埋設物と地表面の温度差により生じる遠赤外線の放射強度による温度差を、遠赤外線カメラの輝度データに変換し、その輝度分布から埋設物の存在位置を概定する遠赤外線埋設物自動検出装置に関する。 The present invention converts the temperature difference due to the far-infrared radiation intensity caused by the temperature difference between the buried object and the ground surface into the luminance data of the far-infrared camera, and the far-infrared embedding that roughly determines the location of the buried object from the luminance distribution The present invention relates to an automatic object detection apparatus.
地中に埋設された障害物の火薬を組成する火薬組成物質である窒素酸化物を窒素ガスに変換する微生物である脱窒菌及び、炭化水素を分解する炭化水素資化性菌を地表面に散布し、所定時間経過後に上記微生物の存在により温度変化した地表の温度分布を赤外線撮像カメラと画像表示装置で検出して障害物の埋設の有無を判別する方法が、下記特許文献1に開示されている。 Disperse denitrifying bacteria, which are microorganisms that convert nitrogen oxides, which are the explosive composition material that forms the explosives of obstacles buried in the ground, into nitrogen gas, and hydrocarbon-assimilating bacteria that decompose hydrocarbons on the ground surface Patent Document 1 below discloses a method for detecting whether or not an obstacle is buried by detecting the temperature distribution on the surface of the earth whose temperature has changed due to the presence of the microorganisms after a predetermined time has passed by an infrared imaging camera and an image display device. Yes.
車両に搭載されたガイドレールと同ガイドレールに沿って移動しうる台車と、同台車上に装着されて地表面にマイクロ波を照射するマイクロ波照射装置と、同マイクロ波照射装置と並置されるように上記台車上に装着されて地表面から赤外線を受ける赤外線カメラと、同赤外線カメラから信号を受けて赤外線映像を映し出すべく上記車両のコントロール室に設けられた埋設障害物判別用赤外線映像装置を備えて構成された埋設障害物探査装置で、地中に埋設された障害物を非破壊手段で探査する障害物探査装置に関するもので地表面にマイクロ波を照射して、照射後における地表面温度の挙動を映像化することで埋設障害物の材質の別なく埋設障害物の有無を判定できるようにする方法が、下記特許文献2に開示されている。 A guide rail mounted on the vehicle, a carriage that can move along the guide rail, a microwave irradiation device that is mounted on the carriage and irradiates the ground with microwaves, and the microwave irradiation device are juxtaposed with each other. An infrared camera that is mounted on the carriage and receives infrared rays from the ground surface, and an infrared imaging device for identifying an embedded obstacle provided in the control room of the vehicle to receive signals from the infrared camera and display infrared images This is an embedded obstacle exploration device that is configured to provide an obstacle exploration device for exploring obstacles buried in the ground by non-destructive means. Japanese Patent Application Laid-Open No. 2004-228688 discloses a method for visualizing the behavior of temperature so that the presence or absence of an embedded obstacle can be determined regardless of the material of the embedded obstacle.
冷却液を埋設障害物の存在する可能性のある地表面に散布し強制冷却する又は加熱用のバーナーにより加熱することにより、埋設障害物と地表面の比熱の違いによる過渡的な温度差を発生させ、探知エリア内に設置されるレーザーマーカと探知エリア内を計測できる赤外線カメラと画像信号とレーザー測距装置と自己位置測定装置とから構成された埋設障害物の位置マップ表示輝度画像から埋設障害物を検出する方法が、下記特許文献3に開示されている。 A transient temperature difference due to the difference in specific heat between the buried obstacle and the ground surface is generated by spraying the cooling liquid on the ground surface where there may be a buried obstacle and forcibly cooling or heating with a heating burner. The embedded obstacle from the position map display luminance image of the embedded obstacle composed of the laser marker installed in the detection area, the infrared camera that can measure the detection area, the image signal, the laser distance measuring device and the self-positioning device A method for detecting an object is disclosed in Patent Document 3 below.
埋設障害物の有無を赤外センシング手法で遠隔探査できるようにするための埋設障害物の有無判定法として、火薬部を内蔵させたプラスティック部の上面にゴム板を載置した模擬埋設障害物を、周辺模擬土壌体内に埋設して三次元数値シミュレーション向けの、土中の三次元物理モデルを構築し、三次元物理モデルにおける周辺模擬土壌体の地表面を加熱面及び放熱面とし、地表面における太陽放射による24時間にわたる温度変化を、所定の初期条件と環境条件とのもとで、非定常三次元熱伝導方程式を基礎方程式として用いて行う三次元数値シミュレーションにより再現し、再現結果により得られる所要時間経過毎の各二次元熱画像中から得られる明瞭な埋設障害物のイメージとの関係で定まる最適時間帯を確定し、最適時間帯を経験則として自然環境下での実際の埋設障害物の有無の赤外線リモートセンシングを可能にする方法が、下記特許文献4に開示されている。 As a method for determining the presence or absence of buried obstacles to enable remote sensing of the presence or absence of buried obstacles using an infrared sensing method, a simulated buried obstacle with a rubber plate placed on the upper surface of a plastic part with a built-in explosive part , Buried in the surrounding simulated soil body, built a 3D physical model in the soil for 3D numerical simulation, the ground surface of the surrounding simulated soil body in the 3D physical model as the heating surface and heat dissipation surface, A temperature change over 24 hours due to solar radiation is reproduced by a three-dimensional numerical simulation performed using a non-stationary three-dimensional heat conduction equation as a basic equation under a predetermined initial condition and environmental conditions, and obtained by a reproduction result. Determine the optimum time zone determined by the relationship with the clear image of the buried obstacle obtained from each two-dimensional thermal image for each elapsed time, and determine the optimum time zone as an empirical rule How to enable infrared remote sensing of the presence or absence of actual buried obstacles in the natural environment and is disclosed in Patent Document 4.
電子部品を実装したプリント配線板の発熱状態を熱画像で捉え、この熱画像の時間的な変化を基にフラクタル次元解析によりプリント配線板の異常や劣化を診断する。プリント配線板の劣化検出をするとき、各観測時における熱画像に対してフラクタル次元を計算し、このフラクタル次元の時間的変化傾向から、予め求めたプリント配線板の故障状態におけるフラクタル次元の判定値と比較することにより劣化を判定する方法が、下記特許文献5に開示されている。 The heat generation state of the printed wiring board on which the electronic component is mounted is captured by a thermal image, and abnormality or deterioration of the printed wiring board is diagnosed by fractal dimension analysis based on the temporal change of the thermal image. When detecting deterioration of a printed wiring board, the fractal dimension is calculated for the thermal image at each observation, and the fractal dimension judgment value in the failure state of the printed wiring board is obtained in advance from the temporal change tendency of this fractal dimension. A method for determining deterioration by comparing with the above is disclosed in Patent Document 5 below.
特許文献1の場合、地中に埋設された障害物の火薬組成物質を変換又は分解し、目標と背景の地表の温度分布のコントラストを発生又は強調することにより目標検出が容易にはなるが、散布する微生物と散布量を準備する必要があり装置の大型化及びコストがかかるだけでなく、温度変化に至る時間を要するため、車両が走行しながら実時間に埋設障害物を探知することは難しい。 In the case of Patent Document 1, the target detection is facilitated by converting or decomposing the explosive composition material of the obstacle buried in the ground and generating or enhancing the contrast of the temperature distribution of the target and the ground surface, It is necessary to prepare the microorganisms to be sprayed and the amount to be sprayed, which not only increases the size and cost of the device, but also requires time to change the temperature, so it is difficult to detect the buried obstacle in real time while the vehicle is running .
また、特許文献2の場合、地表面にマイクロ波を照射するマイクロ波照射装置により遠隔への目標対応が可能であるが、地中透過性の良い周波数を使っても車両が走行しながら実時間に7m以上離隔した目標の温度を上げるには相当の送信出力を必要とし装置が大型化する。 In the case of Patent Document 2, it is possible to deal with a target remotely by using a microwave irradiation device that irradiates the ground surface with microwaves. However, even when using a frequency with good underground permeability, the vehicle travels in real time. In order to increase the target temperature separated by 7 m or more, a considerable transmission output is required, and the apparatus becomes large.
さらに、冷却液を地表面に散布し強制冷却又は加熱用のバーナーにより加熱する特許文献3の手法も、埋設障害物と地表面の比熱の違いによる過渡的な温度差を発生させるには比較的早いが実時間処理が困難なため、車載されても走行速度に限界があり作業効率を大幅に向上することは難しい。 Furthermore, the method of Patent Document 3 in which a coolant is sprayed on the ground surface and heated by a forced cooling or heating burner is relatively difficult to generate a transient temperature difference due to the difference in specific heat between the buried obstacle and the ground surface. Although it is fast but difficult to process in real time, there is a limit to the traveling speed even if it is mounted on the vehicle, and it is difficult to significantly improve work efficiency.
一方、埋設障害物の有無を赤外センシング手法で遠隔探査できるようにするための埋設障害物の有無判定法として、模擬埋設障害物を、周辺模擬土壌体内に埋設して土中の三次元物理モデルを構築し、地表面を加熱面及び放熱面とし、太陽放射による24時間にわたる温度変化を、所定の初期条件と環境条件とのもとで、非定常三次元熱伝導方程式を基礎方程式として用いて行う三次元数値シミュレーションにより再現し、赤外線カメラ画像の二次元熱画像からデータベースと比較し予想する特許文献4の手法は、土壌の種類、含水率、植生の存在、季節等々、極めて多くの不確定条件についてのデータベースを保有する必要があり、この手法は赤外線カメラ以外に大きな装置を必要としない代わりに、高度な解析装置を必要とする。 On the other hand, as a method for determining the presence or absence of buried obstacles so that the remote sensing of the presence or absence of buried obstacles can be performed using an infrared sensing technique, a simulated buried obstacle is buried in the surrounding simulated soil body and three-dimensional physics in the soil. The model is constructed, the ground surface is the heating surface and the heat dissipation surface, and the temperature change over 24 hours due to solar radiation is used as the basic equation using the unsteady three-dimensional heat conduction equation under the predetermined initial conditions and environmental conditions. The method of Patent Document 4, which is reproduced by a three-dimensional numerical simulation performed and compared with a database from a two-dimensional thermal image of an infrared camera image, has an extremely large number of problems such as soil type, moisture content, existence of vegetation, season, etc. There is a need to have a database of deterministic conditions, and this approach requires a sophisticated analysis device instead of requiring a large device other than an infrared camera.
ところで、赤外線カメラによる画像からフラクタル次元を利用した簡易な特徴抽出を行う特許文献5の方法がある。プリント配線板の発熱状態を熱画像で捉え、フラクタル次元の時間的な変化を解析し、プリント配線板の異常や劣化を診断する手法であるが、故障に関する経年的なデータベースを有しており、本発明のような埋設物探知においては、未知の環境においての使用となるため、フラクタル次元そのものを目標抽出の特徴量とすることは誤警報を抑えることが難しいなど、この現象にのみ適用できる経験的な手法であり、他の応用に適するかは未定である。 By the way, there is a method of Patent Document 5 that performs simple feature extraction using an fractal dimension from an image obtained by an infrared camera. It is a technique to capture the heat generation state of the printed wiring board with a thermal image, analyze the temporal change of the fractal dimension, and diagnose abnormality and deterioration of the printed wiring board, but it has a long-term database on failure, In buried object detection like the present invention, since it is used in an unknown environment, it is difficult to suppress false alarms by using the fractal dimension itself as a feature quantity for target extraction. This method is undecided and is not suitable for other applications.
また、2次元画像をニューラルネットワークや形状のパターンマッチングにより識別する一般的な方法は、学習効果により性能を向上できる場合もあるが、事前に2次元画像を画像変換、フィルタ処理、クラスタリング、閾値処理などでスクリーニングすることにより、雑音や誤目標を取り除いた上で識別を行うなど、高速かつ複雑な並列計算処理を必要とするため、車両を走行しながらの実時間による埋設障害物探知には高速大容量の計算機が必要とされるためコストに見合わない。 In addition, a general method for identifying a two-dimensional image by a neural network or shape pattern matching may improve the performance due to a learning effect, but the image conversion, filter processing, clustering, and threshold processing are performed on the two-dimensional image in advance. Because it requires high-speed and complicated parallel processing such as identification after removing noise and false targets by screening, etc., it is fast for real-time buried obstacle detection while driving the vehicle Since a large-capacity computer is required, it is not worth the cost.
そこで、車両搭載した赤外線カメラのような簡易な装置により取得したデータから、簡易なデータ処理により、ロバスト性を有する幅広い環境パラメータにおいて適用できる、一定誤警報率の前提において、より探知確率の高いリアルタイム処理が可能なコストのかからない目標検出手法及び装置を製作することが課題となる。その目的を可能にする鍵となるのが、赤外線探知用のCFAR(Constant False Alarm Rate: 一定誤警報率、以降CFARと記述)技術である。未だに遠赤外線における地表面クラッタの性質に関する研究例が少ないため、クラッタの統計性も明らかになっていない。しかし、CFARは特定の統計性を前提とするパラメトリックCFAR以外は、高い性能を発揮できないので、赤外線画像における特有のクラッタ抑圧技術の開発が課題となる。 Therefore, real-time data with a higher detection probability can be applied to a wide range of environmental parameters with robustness by simple data processing from data acquired by a simple device such as an on-board infrared camera. The challenge is to produce a target detection technique and apparatus that is inexpensive to process. The key to enable this purpose is the CFAR (Constant False Alarm Rate) technology for infrared detection. There are still few studies on the properties of ground surface clutter in the far infrared, so the clutter statistics are not clear. However, since the CFAR cannot exhibit high performance except for the parametric CFAR that assumes specific statistical properties, development of a clutter suppression technique peculiar to an infrared image becomes a problem.
本発明はこうした状況を認識してなされたものであり、その目的は、遠赤外線カメラによる埋設物からの目標信号抽出が地表面クラッタにより妨げられる環境下であっても、簡易な構成により遠赤外線領域における地表面クラッタを抑圧し目標信号を実時間で抽出可能とし、ひいては遠赤外線カメラを搭載した車両が走行しながらも離隔して埋設物を検出可能な遠赤外線埋設物自動検出装置を提供することにある。 The present invention has been made in recognition of such a situation, and the purpose of the present invention is to provide a far infrared ray with a simple configuration even in an environment where target signal extraction from a buried object by a far infrared camera is hindered by ground surface clutter. Provided is a far-infrared buried object automatic detection device that can suppress ground surface clutter in a region and extract a target signal in real time, and thus can detect a buried object while a vehicle equipped with a far-infrared camera is moving away. There is.
上記目的を達成するために、本発明のある態様の遠赤外線埋設物自動検出装置は、走行する車両に遠赤外線カメラを搭載し地面に埋設された目標を実時間に自動検出する構成であって、
前記遠赤外線カメラにより限定された俯角範囲において方位角方向の1次元の輝度の時系列データから、目標や地表面クラッタを含む全ての要因の放射率、放射温度及び射度係数を用いて複雑に分布する境界条件での熱伝導方程式を解くことなしに、フラクショナルブラウン運動によるモデル化を行い、植生を含む地表面クラッタの遠赤外線領域の放射強度分布に関する現象を模擬することを特徴とする。
In order to achieve the above object, a far-infrared buried object automatic detection device according to an aspect of the present invention is configured to automatically detect a target buried in the ground by mounting a far-infrared camera on a traveling vehicle in real time. ,
From the time-series data of one-dimensional luminance in the azimuth direction in the depression angle range limited by the far-infrared camera, it is complicated using the emissivity, radiation temperature and emissivity coefficient of all factors including the target and the ground clutter. It is characterized by modeling by the fractional Brownian motion without solving the heat conduction equation under the distributed boundary conditions and simulating the phenomenon related to the radiation intensity distribution in the far-infrared region of ground clutter including vegetation .
前記態様において、遠赤外線領域における地表面クラッタの統計的性質に適合したCFAR処理として、CA−CFAR(Cell Averaged-CFAR:セル平均CFAR、以降CA−CFARと記述)処理に符号判別機能を取り入れたクラッタ抑圧処理を行うとよい。 In the above aspect, a code discrimination function is incorporated into the CA-CFAR (Cell Averaged CFAR, hereinafter referred to as CA-CFAR) process as a CFAR process adapted to the statistical properties of the ground surface clutter in the far infrared region. A clutter suppression process may be performed.
前記態様において、前記1次元の輝度の時系列データを、フラクショナル微分することにより、遠赤外線領域固有の地表面クラッタである有色雑音を無相関な白色正規雑音に変換し、変換後の時系列データの出力平均と変換後の時系列データとの差をとり、その結果を2乗してから前記CA−CFAR処理を行うとよい。 In the above aspect, by converting the time series data of the one-dimensional luminance to fractional differentiation, the colored noise that is the ground surface clutter unique to the far-infrared region is converted into uncorrelated white normal noise, and the converted time series data It is preferable to take the difference between the output average and the time-series data after conversion, square the result, and then perform the CA-CFAR process.
前記態様において、前記無相関な白色正規雑音に変換された時系列データの平均と変換後の時系列データとの差をとることによって負の値となり、かつ絶対値が極大となる負の跳躍点も、その結果を2乗することにより、クラッタの振幅強度分布をCA−CFAR処理に適合させるとよい。 In the above aspect, the negative jump point where the negative value is obtained by taking the difference between the average of the time-series data converted to the uncorrelated white normal noise and the time-series data after conversion, and the absolute value is maximized. However, the amplitude intensity distribution of the clutter may be adapted to the CA-CFAR process by squaring the result.
前記態様において、前記無相関な白色正規雑音に変換された時系列データの平均と変換後の時系列データとの差をとり2乗する直前のデータの符号を、符号関数によるラベル化を用いて識別することにより、CA−CFAR処理出力から跳躍点の正と負の符号を選別し、昼夜の気温の変化に対応して地表面に対して相対的に低温又は高温の目標検出の切り替えを行うとよい。 In the above aspect, the sign of the data immediately before squaring the difference between the average of the time-series data converted to the uncorrelated white regular noise and the time-series data after conversion is labeled using a sign function. By identifying, the positive and negative signs of the jumping points are selected from the CA-CFAR processing output, and the target detection of the low or high temperature is switched relative to the ground surface in response to the change in the temperature of day and night. Good.
前記態様において、前記無相関な白色正規雑音に変換された時系列データの平均と変換後の時系列データとの差をとり2乗する直前のデータの符号を、符号関数によるラベル化を用いて識別することにより、CA−CFAR処理出力から跳躍点の正と負の符号を選別し、符号化された前記出力の値を論理演算することにより、目標信号の立ち上がりと降下の両端点を検出し、検出対象の目標の大きさを考慮した目標存在区間を自動判定するとよい。 In the above aspect, the sign of the data immediately before squaring the difference between the average of the time-series data converted to the uncorrelated white regular noise and the time-series data after conversion is labeled using a sign function. By identifying the positive and negative signs of the jump point from the CA-CFAR processing output, and by performing a logical operation on the encoded output value, both end points of the target signal rise and fall are detected. The target existence section in consideration of the size of the target to be detected may be automatically determined.
前記態様において、前記1次元の輝度の時系列データをフラクショナル微分することで、本来の単峰性パルスが符号反転型双峰性パルスに変換されることにより、目標信号の中間部分に含まれる目標情報は目標信号の立ち上がりと降下する点のみを残して見かけ上打ち消し合い、地表面クラッタのみが存在する区間になることによって、地表面クラッタの統計性から目標が混在する影響を低減乃至排除してCA−CFAR処理を行うとよい。 In the above aspect, the original unimodal pulse is converted into a sign-inverted bimodal pulse by fractional differentiation of the one-dimensional luminance time-series data, whereby the target included in the intermediate portion of the target signal The information cancels out apparently, leaving only the rising and falling points of the target signal, and it becomes a section where only the ground clutter exists, thereby reducing or eliminating the influence of mixed targets from the statistics of the ground clutter. CA-CFAR processing may be performed.
前記態様において、フラクタル性を有しないと判定された前記1次元の輝度の時系列データに対して、目標の自動抽出をノンパラメトリックCFAR処理により補完するとよい。 In the above aspect, the target automatic extraction may be supplemented by non-parametric CFAR processing for the one-dimensional luminance time-series data determined to have no fractal property.
なお、以上の構成要素の任意の組合せ、本発明の表現を方法やシステムなどの間で変換したものもまた、本発明の態様として有効である。 It should be noted that any combination of the above-described constituent elements, and those obtained by converting the expression of the present invention between methods and systems are also effective as aspects of the present invention.
本発明に係る遠赤外線埋設物自動検出装置によれば、遠赤外線カメラによる埋設物からの目標信号抽出が地表面クラッタにより妨げられる環境下であっても、簡易な構成により遠赤外線領域における地表面クラッタを抑圧し目標信号を実時間で抽出可能である。また、遠赤外線カメラを搭載した車両が走行しながらも離隔して埋設物を検出可能である。 According to the far-infrared buried object automatic detection apparatus according to the present invention, the ground surface in the far-infrared region can be obtained with a simple configuration even in an environment where target signal extraction from the buried object by the far-infrared camera is hindered by the ground surface clutter. Clutter can be suppressed and the target signal can be extracted in real time. Further, it is possible to detect a buried object while a vehicle equipped with a far infrared camera is running away.
以下、図面を参照しながら本発明の好適な実施の形態を詳述する。なお、各図面に示される同一または同等の構成要素、部材、処理等には同一の符号を付し、適宜重複した説明は省略する。また、実施の形態は発明を限定するものではなく例示であり、実施の形態に記述されるすべての特徴やその組み合わせは必ずしも発明の本質的なものであるとは限らない。 Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the drawings. In addition, the same code | symbol is attached | subjected to the same or equivalent component, member, process, etc. which are shown by each drawing, and the overlapping description is abbreviate | omitted suitably. In addition, the embodiments do not limit the invention but are exemplifications, and all features and combinations thereof described in the embodiments are not necessarily essential to the invention.
本発明の実施の形態に示す装置は、埋設物と地表面の温度差により生じる遠赤外線の放射強度による温度差を、遠赤外線カメラの遠赤外線受光素子によりそのエネルギーを輝度に変換し、輝度分布から埋設物の存在位置を概定するために、埋設物からの目標信号が地表面クラッタにより目標抽出を妨げる環境下で、遠赤外線領域における地表面クラッタを抑圧し目標信号を簡易な構成で実時間に抽出することにより、走行しながらも離隔して埋設障害物を検出するものである。 The apparatus shown in the embodiment of the present invention converts the temperature difference due to the far-infrared radiation intensity caused by the temperature difference between the buried object and the ground surface into the brightness by the far-infrared light receiving element of the far-infrared camera, and the brightness distribution. In order to approximate the location of the buried object from the ground, the target signal from the buried object is suppressed in the far-infrared region by suppressing the ground surface clutter in an environment where the target signal is obstructed by the ground surface clutter. By extracting in time, the buried obstacle is detected at a distance while traveling.
走行する車両にとって埋設された障害物等は極めて危険であるため、できる限り離隔して検出することが求められる。これらの地中埋設障害物はRFセンサのみならず、IRセンサーなどを用いてデータ融合することにより、検出能力を高める効果が得られる。とくに比較的コストの安い遠赤外線センサにより検出能力を向上することが効果的であるため、本発明は遠赤外線リモートセンシングによる課題に限定する。とりわけ波長が8〜14μm帯の小型軽量の遠赤外線カメラによる目標の検出は、目標と土質との比熱の違いに起因した僅かな放射強度の差を感度よく捉え、日照条件の変化を考慮して目標を大きな雑音が存在する環境下でも目標をリアルタイムに検出する効果がある。 Obstacles and the like embedded in a traveling vehicle are extremely dangerous, and therefore, it is required to detect them as far apart as possible. These underground obstacles can be combined with data using not only an RF sensor but also an IR sensor, thereby improving the detection capability. In particular, since it is effective to improve detection capability with a far-infrared sensor having a relatively low cost, the present invention is limited to a problem by far-infrared remote sensing. In particular, the detection of a target by a small and light far-infrared camera with a wavelength of 8 to 14 μm is sensitive to the slight difference in radiant intensity caused by the difference in specific heat between the target and soil, taking into account changes in sunshine conditions. This has the effect of detecting the target in real time even in an environment where there is a large amount of noise.
しかし、波長が8〜14μm帯の遠赤外線を用いた放射強度による浅深度埋設目標の検出は、日照時間、気象条件、植生の種類、地表面のラフネス、地中の含水比など、位置及び時間に局所的に依存する熱放射、吸収の影響を強く受けることから、クラッタの存在が目標検出を困難にする。こうした環境下で、放射率、放射温度及び射度係数について目標やクラッタを含む全ての要因をモデル化して、複雑に分布する境界条件での熱伝導方程式を解くことは極めて困難である。そこで、不確実かつ複雑な現象の集合を模擬する手段として注目されているのがフラクショナルブラウン運動(Fractional Brownian Motion: 以下FBMと記述)によるモデル化である。地表面クラッタの遠赤外線領域の放射強度分布に関するフラクタル性についての研究例はない。本装置では地表面からの遠赤外線の放射強度分布を遠赤外線カメラの輝度レベル出力に変換し、その時系列データがフラクタル次元を有することを判定すると共に、遠赤外線領域のクラッタの統計的性質に適合したCFAR処理を用いたクラッタ抑圧処理を提案する。とくに非冷却遠赤外線カメラから得られる輝度データは、マイクロ波のようにI、Q成分から算出される位相情報が利用できないため、振幅情報のみから目標検出をしなければならない工夫を必要とする。 However, the detection of shallow buried targets by radiation intensity using far-infrared rays with a wavelength of 8-14 μm is based on location and time, such as sunshine duration, weather conditions, vegetation type, surface roughness, and moisture content in the ground. The presence of clutter makes it difficult to detect the target because it is strongly affected by heat radiation and absorption locally depending on the target. Under these circumstances, it is extremely difficult to model all factors including targets and clutters for emissivity, radiation temperature, and emissivity coefficient, and to solve the heat conduction equation under complicatedly distributed boundary conditions. Thus, modeling based on Fractional Brownian Motion (hereinafter referred to as FBM) is attracting attention as a means of simulating a set of uncertain and complex phenomena. There are no examples of research on fractal nature of radiation intensity distribution in the far-infrared region of ground clutter. This device converts the far-infrared radiation intensity distribution from the ground surface into the brightness level output of the far-infrared camera, determines that the time-series data has fractal dimension, and conforms to the statistical properties of the clutter in the far-infrared region. We propose a clutter suppression process using the CFAR process. In particular, luminance data obtained from an uncooled far-infrared camera requires a contrivance that requires target detection only from amplitude information because phase information calculated from I and Q components cannot be used like microwaves.
そこで、CA−CFAR処理をもとに、符号判別機能を取り入れたクラッタ抑圧処理を用い、実測データにより目標検出処理の有効性を実証する。 Therefore, based on the CA-CFAR process, the effectiveness of the target detection process is verified using measured data using a clutter suppression process incorporating a code discrimination function.
以下、具体的にブロック図で説明する。図1は遠赤外線埋設物自動検出装置の全体構成であって、遠赤外線カメラ1、基準光源2、焦点調整器3、輝度調整器4、姿勢角制御装置5、ビデオモニタ6、初期設定入力装置7、映像記録装置8、データ変換記録装置9、ウィンド処理器10、第1目標検出処理装置11、第2目標検出処理装置12、及び目標表示装置13を備えている。 Hereinafter, this will be specifically described with reference to a block diagram. FIG. 1 shows the overall configuration of a far-infrared embedded automatic detection device, which is a far-infrared camera 1, a reference light source 2, a focus adjuster 3, a brightness adjuster 4, an attitude angle control device 5, a video monitor 6, and an initial setting input device. 7, a video recording device 8, a data conversion recording device 9, a window processor 10, a first target detection processing device 11, a second target detection processing device 12, and a target display device 13.
図1の遠赤外線埋設物自動検出装置では、埋設障害物である埋設目標の検出作業の安全性及び迅速性向上のために、車両に搭載された遠赤外線カメラ1の俯角(アスペクト角)を一定に保ち走行しながら、離隔位置から遠赤外線カメラ1でデータ取得することを前提とする(カメラ1は空間安定化されているものとする。)。自然景観では方位角方向には相関があるが仰俯角方向の相関が弱いことから、限定された俯角範囲においてクラッタの輝度画像を、方位角方向に1次元走査して得られる時系列データの空間スペクトルから情報を得ることにより、複雑な2次元の画像補正を行わずに目標検出する構成としている。 In the far-infrared buried object automatic detection apparatus of FIG. 1, the angle of depression (aspect angle) of the far-infrared camera 1 mounted on the vehicle is constant in order to improve the safety and speed of detecting the buried target that is the buried obstacle. It is assumed that the far-infrared camera 1 acquires data from a remote position while traveling while keeping the vehicle at a distance (the camera 1 is assumed to be space-stabilized). In natural landscapes, there is a correlation in the azimuth angle direction, but the correlation in the elevation angle direction is weak. Therefore, a time-series data space obtained by one-dimensional scanning of the luminance image of the clutter in the limited depression angle range in the azimuth direction. By obtaining information from the spectrum, the target is detected without performing complicated two-dimensional image correction.
初期入力設定装置7は、焦点距離、輝度のコントラストをユーザーがビデオモニタ6を見ながら手動入力できる機能を有する。基準光源2を用いて輝度と温度の校正を焦点調整器3及び輝度調整器4で行う。また、初期入力設定装置7は遠赤外線カメラ1の方位角及び仰俯角の設定入力値を姿勢角制御装置5に出力し、姿勢角制御装置5は俯仰角センサーとサーボ駆動装置により遠赤外線カメラ1のスタビライズを行う(つまり車両の姿勢変化にかかわらずカメラ1の俯角を一定に維持する)。また、初期入力設定装置7は画像のウィンド処理範囲を第1及び第2目標検出処理装置11,12に出力し、ウィンド処理により路肩に存在する人工構造物等からの反射により影響を受ける路上への遠赤外線放射を低減すると共に、誤警報確率の初期設定値を第1及び第2の目標検出処理装置11,12に出力し、閾値の制御を行う。映像記録装置8は輝度画像データを2次元マトリックスのDAT形式で記録する。データ変換記録装置9は映像記録装置8のデータの必要な一部分を切り出しCSV形式で記録する。ウィンド処理器10は初期入力設定装置7により指定された画像のウィンド処理範囲である指定された俯角におけるウィンド処理された方位角を切り出し1次元の輝度時系列データとして記録する。ウィンド処理器10から出力された時系列データは第1目標検出処理装置11に出力され目標検出のための処理を行う。ここで、第1目標検出処理装置11のブロック図を図2に示す。第1目標検出処理装置11に内蔵されるフラクタル性判定装置14は、時系列データのフラクタル性を判別し、フラクタル次元を算出する。時系列データがフラクタルでないと判定したときは、時系列データを第1目標検出処理装置12へ転送しノンパラメトリックCFAR処理による目標検出のための処理を行う。ここで第2目標検出処理装置12のブロック図を図3に示す。第1目標検出処理装置11又は第2目標検出処理装置12により目標検出された又は目標検出されなかった結果は目標表示装置13に出力表示する。 The initial input setting device 7 has a function that allows the user to manually input the focal length and brightness contrast while watching the video monitor 6. The reference light source 2 is used to calibrate the brightness and temperature with the focus adjuster 3 and the brightness adjuster 4. The initial input setting device 7 outputs set input values of the azimuth angle and the elevation angle of the far-infrared camera 1 to the attitude angle control device 5, and the attitude angle control device 5 uses the elevation / elevation angle sensor and the servo drive device to transmit the far-infrared camera 1. (That is, the depression angle of the camera 1 is kept constant regardless of the change in the attitude of the vehicle). Further, the initial input setting device 7 outputs the window processing range of the image to the first and second target detection processing devices 11 and 12, and is on the road affected by the reflection from the artificial structure existing on the road shoulder by the window processing. The far-infrared radiation is reduced, and the initial setting value of the false alarm probability is output to the first and second target detection processing devices 11 and 12, and the threshold value is controlled. The video recording device 8 records luminance image data in a two-dimensional matrix DAT format. The data conversion recording device 9 cuts out a necessary part of the data of the video recording device 8 and records it in the CSV format. The window processor 10 cuts out the windowed azimuth angle at the specified depression angle, which is the window processing range of the image specified by the initial input setting device 7, and records it as one-dimensional luminance time series data. The time series data output from the window processor 10 is output to the first target detection processing device 11 to perform processing for target detection. Here, the block diagram of the 1st target detection processing apparatus 11 is shown in FIG. The fractal property determination device 14 built in the first target detection processing device 11 determines the fractal property of the time-series data and calculates the fractal dimension. When it is determined that the time-series data is not fractal, the time-series data is transferred to the first target detection processing device 12 and processing for target detection by non-parametric CFAR processing is performed. A block diagram of the second target detection processing device 12 is shown in FIG. A result of the target detected or not detected by the first target detection processing device 11 or the second target detection processing device 12 is output and displayed on the target display device 13.
図2に示す第1目標検出処理装置11は、フラクタル性判定装置14、フラクショナル微分装置25、符号変換器26、χ2乗分布変換器27、遅延器28、誤警報算出器29、CA−CFAR処理器30、2値化変換器31、目標検出論理判定装置32を備えている。 The first target detection processing device 11 shown in FIG. 2 includes a fractal determination device 14, a fractional differentiation device 25, a sign converter 26, a chi-square distribution converter 27, a delay device 28, a false alarm calculator 29, and a CA-CFAR process. A device 30, a binarization converter 31, and a target detection logic determination device 32 are provided.
ここで、ウィンド処理器10から出力された時系列データの輝度変動の特徴量を1次元グラフの複雑さとして捉え、例えば文献(Kenneth Falconer, Techniques in Fractal Geometry, John Wiley & Sons,INC.,pp169-176, 1997)で記述されているように、フラクタル次元の一つであるHausdorff次元(以降、ハウスドルフ次元と記述)で表現する。ある変動がフラクタルであるということ(以下、フラクタル性と記述)は時系列データのスペクトルP(f)が式(1)のようにベキの形に表されなければならない。
(但し、f:空間周波数)
フラクタル次元は時系列データをフーリエ変換し、スペクトルの両対数グラフから求められるグラフの傾きの値を式(2)に代入し算出する。ここで、スペクトルの傾きβとフラクタル次元Dには文献(高安秀樹:フラクタル、朝倉書店、1993年3月)で記述されているように次式の関係が成り立つ。
フラクタル性判定装置14はスペクトルからフラクタル次元が算出できる判定基準を与えるものである。判定条件を以下に示す。
条件1: 1<β<3
ここで、βは(2)式より自明であるがスペクトルの回帰直線の傾きを示す。
条件2: f<fc
ここでfcは遮断周波数を示す。
Here, the feature value of the luminance variation of the time series data output from the window processor 10 is regarded as the complexity of the one-dimensional graph. -176, 1997), it is expressed in Hausdorff dimension (hereinafter referred to as Hausdorff dimension), which is one of the fractal dimensions. The fact that a certain fluctuation is a fractal (hereinafter referred to as fractal property) requires that the spectrum P (f) of the time series data be represented in a power form as in equation (1).
(Where f is the spatial frequency)
The fractal dimension is calculated by subjecting time series data to Fourier transform, and substituting the value of the slope of the graph obtained from the log-log graph of the spectrum into equation (2). Here, as described in the literature (Hakki Takayasu: Fractal, Asakura Shoten, March 1993), the relationship of the following equation is established between the spectral inclination β and the fractal dimension D.
The fractal property determination device 14 provides a criterion for calculating a fractal dimension from a spectrum. The judgment conditions are shown below.
Condition 1: 1 <β <3
Here, β is obvious from the equation (2), but indicates the slope of the regression line of the spectrum.
Condition 2: f <f c
Here f c represents the cutoff frequency.
実際は測定データの精度、分解能、S/Nの劣化等により高空間周波数領域でベキ乗というフラクタル特有のスペクトル特性が白色雑音に埋もれてしまうなど正確なフラクタル次元を求めることは難しい。そこで、局所的にフラクタル性の成り立つ限定された空間周波数領域でのフラクタル次元の抽出を行う。フラクタル性判定装置14における遮断周波数fcとフラクタル次元の算出法を図4に示す。本算出法は文献(荒木完、ミリ波電波高度計を用いたフラクタル次元による地表反射特性の観測、信学論(B)、vol.J82-B, no.5, pp.1053-1062, May 1999.)によるものである。 Actually, it is difficult to obtain an accurate fractal dimension such that the spectral characteristic peculiar to a fractal, which is a power in a high spatial frequency region, is buried in white noise due to the accuracy, resolution, S / N degradation and the like of measurement data. Therefore, fractal dimensions are extracted in a limited spatial frequency region where fractal properties are locally established. Fractal determination apparatus method for calculating the cut-off frequency f c and fractal dimension of 14 shown in FIG. This calculation method is based on the literature (Kan Araki, observation of surface reflection characteristics by fractal dimension using millimeter wave radio altimeter, theory of theory (B), vol.J82-B, no.5, pp.1053-1062, May 1999. .)
図4に示すフラクタル性判定装置14は、スペクトル算出器15、遮断周波数検出器16、遮断周波数加算器17、フラクタル次元算出器18、差分器19、逆フラクタルフィルタ20、相関器21、白色検定器22、遮断周波数判定器23、及びラッチ24を備えている。 4 includes a spectrum calculator 15, a cutoff frequency detector 16, a cutoff frequency adder 17, a fractal dimension calculator 18, a difference unit 19, an inverse fractal filter 20, a correlator 21, and a white tester. 22, a cut-off frequency determiner 23, and a latch 24.
フラクタル性判定装置14ではパラメータdを求めるのに、同一データを周波数及び時間領域の両方で互いに補正しながら閉ループ処理を行い精度を高めている。入力時系列に始まる左回りのフローは、スペクトルからフラクタル次元を算出するものである。入力データをスペクトル算出器15で高速フーリエ変換(以降FFTと記述)処理し得られたスペクトルデータは遮断周波数検出器16に送られfcが求められる。ここで、f<fcの周波数領域において対数スケール上のスペクトルの傾きを求め、次にフラクタル次元算出器18で、直線の傾きからパラメータdを求める。もしパラメータが真値に近い値に収束すればフラクタル次元Dを結果として算出し、ラッチ24に出力する。 In order to obtain the parameter d, the fractality determination device 14 performs a closed loop process while correcting the same data in both the frequency and the time domain to improve accuracy. The counterclockwise flow starting from the input time series is to calculate the fractal dimension from the spectrum. Input data Fast Fourier transform spectrum calculator 15 (hereinafter FFT and description) processing the spectral data obtained was then is f c is sent to the cutoff frequency detector 16 is calculated. Here, determine the slope of the spectrum on a logarithmic scale in the frequency domain of f <f c, then by the fractal dimension calculator 18 obtains the parameter d from the slope of the straight line. If the parameter converges to a value close to the true value, the fractal dimension D is calculated as a result and output to the latch 24.
入力時系列に始まる右回りのフローは、時間領域からフラクタル次元を算出するものであり、差分器19、逆フラクタクルフィルタ20、相関器21及び白色検定器22に至る経路を有する。 The clockwise flow starting from the input time series is to calculate the fractal dimension from the time domain, and has a path to the differentiator 19, the inverse fractal filter 20, the correlator 21, and the white tester 22.
次に離散的フラクタルガウシアン雑音(以降dfGnと記述)と離散的白色ガウシアン雑音(以降WGnと記述)の関係を示す。dfGn並びにWGnの時系列データを各々{Wd(n)}、{W(n)}とする。WGnからdfGnへの伝達関数G(Z)を式(3)に、さらに、式(3)の級数項展開を行い、両者の関係を式(4)のように表現できる。
ここで、Zは時間遅れを表すディジタル量、−0.5<d<0.5である。
ここで、k、nは整数とし、C(k)はインパルス応答である。
このときフラクタル次元と等価なパラメータdが正確に同定できないと、dfGnを式(3)に対する逆フラクタルフィルタ20に通しても白色ガウシアン雑音には戻らず、等価的に(1−Z−1)−Δd の伝達関数で有色化した雑音が残る。これゆえ雑音の自己相関を相関器21で取り、白色検定器22で白色化検定を行うことによってフラクタル次元の値が正しいかを確かめることができる。ここで、Δdは算出されたパラメータの収束値dに対する誤差を表す。もし、出力が有色雑音の場合には、パラメータdの同定が収束していないと見なして左回りフローに戻り、対数スケール上のスペクトルの傾きβの読みとりを変化させパラメータを修正する。以下、白色検定結果が所望の値を満足するまで同様の操作を繰り返して最終的に収束値dが求まる。なお、入力データにおいて、真のフラクタル次元の値Dは時系列データが差分器19により差分が1回行われているのでd+1となる。
Next, the relationship between discrete fractal Gaussian noise (hereinafter referred to as dfGn) and discrete white Gaussian noise (hereinafter referred to as WGn) is shown. It is assumed that time series data of dfGn and WGn are {W d (n)} and {W (n)}, respectively. The transfer function G (Z) from WGn to dfGn can be expressed in equation (3), and further, the series term expansion of equation (3) can be performed, and the relationship between both can be expressed as in equation (4).
Here, Z is a digital quantity representing a time delay, and −0.5 <d <0.5.
Here, k and n are integers, and C (k) is an impulse response.
At this time, if the parameter d equivalent to the fractal dimension cannot be accurately identified, even if the dfGn is passed through the inverse fractal filter 20 with respect to the equation (3), it does not return to the white Gaussian noise, and equivalently (1-Z −1 ) − noise and colored of the transfer function of the delta d remains. Therefore, by taking the autocorrelation of noise with the correlator 21 and performing the whitening test with the white tester 22, it is possible to confirm whether the value of the fractal dimension is correct. Here, Δd represents an error of the calculated parameter with respect to the convergence value d. If the output is colored noise, it is assumed that the identification of the parameter d has not converged, and the process returns to the counterclockwise flow to change the reading of the spectrum slope β on the logarithmic scale and correct the parameter. Thereafter, the same operation is repeated until the white test result satisfies the desired value, and finally the convergence value d is obtained. In the input data, the true fractal dimension value D is d + 1 because the time series data is subjected to a difference once by the differentiator 19.
遠赤外線領域における地表面反射のクラッタの時系列データをスペクトル分析した例を図5(スペクトル算出器15で得たスペクトルS(f)の対数値)に示す。また、各時刻(10:00、12:00、14:00、16:00、18:00)でのフラクタル次元の算出例を図6に示す。 FIG. 5 (a logarithmic value of the spectrum S (f) obtained by the spectrum calculator 15) shows an example of spectrum analysis of time-series data of ground surface reflection clutter in the far infrared region. FIG. 6 shows an example of calculating the fractal dimension at each time (10:00, 12:00, 14:00, 16:00, 18:00).
フラクタル性を満足しなければ第1目標検出処理装置11の処理を終了し、時系列データを第2目標検出処理装置12へ送信する。 If the fractal property is not satisfied, the processing of the first target detection processing device 11 is terminated, and the time series data is transmitted to the second target detection processing device 12.
目標輝度をδ関数で表現された正数の跳躍点集合(有限なレベルの方形波信号)と仮定する。これにクラッタからの放射に起因するフラクショナルブラウン運動(Fractional Brownian Motion: フラクショナルブラウン運動、以下FBMと記述)が有色雑音の輝度として加わる。観測される輝度である時系列データ{x(tk)}は、FBMのクラッタデータ列{n(tk)}と埋設された目標から直上の地表面への熱伝導に伴う空間への熱放射の信号{s(tk)}の和としてモデル化されると仮定する。目標は熱放射、吸収特性が均一でAz方向に長さを有するものとし、大きな値を有する跳躍関数の集合、すなわち方形関数と仮定することで、目標をクラッタと共にフラクタル微分しても、目標を形成する方形波は跳躍関数の集合であるため、ここの跳躍関数である単峰性パルスから正負のピーク値をもつ双峰性パルスに変換されるため、負のピーク値も2乗後、ゴーストとして検出されてしまう。しかし、方形関数はフラクタル微分後は立ち上がりと降下の両端点以外の中間区間においては、隣接する双峰性パルスで正と負の値を相殺するため0となり、大きな値を取るピークは生じない。このため見かけ上、方形波の中間区間は信号レベルが0でクラッタのみが存在する領域として扱うことができる。CFAR処理によって目標とクラッタの誤認を防ぐ利点がある。このとき信号{s(tk)}が有為な値を取る区間を第1目標検出処理装置11により以下の手順で検出する。フラクタル性判定器14によりフラクタル性を有すると判定されたならば図4のフラクタル次元算出器18の出力結果を式(5)に代入しHurst指数Hを算出しフラクショナル微分装置25に時系列データを送出する。そうでない場合は第2目標検出処理装置12へ移行する。
フラクショナル微分装置25では、時系列データ{x(tK)}を式(6)を用いてフラクショナル微分することによりクラッタである有色雑音{n(tk)}を無相関な白色正規雑音に変換する。ただし、計算上はhを極限値に取らずデータ取得間隔として差分近似する。
ここで、関数Πは乗積関数であり、p=H+1/2、tが離散的な値を取る場合にはhをサンプリング間隔とする。
The fractional differentiator 25 converts the cluttered colored noise {n (t k )} into uncorrelated white normal noise by fractionating the time series data {x (t K )} using equation (6). To do. However, in calculation, h is not taken as a limit value, but is approximated as a data acquisition interval.
Here, the function Π is a product function, and when p = H + 1/2 and t takes a discrete value, h is a sampling interval.
局所平均算出器は式(7)に示すようにフラクショナル微分され白色正規化されたクラッタに目標が重畳された出力データ列{v(tk)}の標本平均μを算出し、χ2乗分布変換器27は、出力データ列{v(tk)}とその標本平均μとの差を2乗し結果をCA−CFAR処理器30に送出する。信号対クラッタ比(Signal to Clutter Ratio: 以降S/Cと記述)が低く固定値による単純な閾値判定では信号検出が困難なため、遠赤外線における地表面クラッタの統計的な性質に適合したCFAR処理によるクラッタ除去を行う。
χ2乗分布変換器27の出力データ列{u(tk)}をCA−CFAR処理器30に入力し出力データ列{w(tk)}を得る。ここで、注目セル値zは図7に示すように、確率密度関数が式(8)に示す自由度2Mのガンマー分布と比較判定される。
ここで、σは正規分布における分散、Mは図7のセル個数を表す。
誤警報確率は閾値をyとした場合の条件付き確率とすると式(9)で表される。
ここで、f(y)は閾値yの確率密度関数の値、Tはスレッショルドレベルの設定値を表す。
The output data string {u (t k )} of the chi-square distribution converter 27 is input to the CA-CFAR processor 30 to obtain an output data string {w (t k )}. Here, as shown in FIG. 7, the target cell value z is determined to be compared with a gamma distribution having a probability density function of 2 M degrees of freedom shown in Expression (8).
Here, σ represents the variance in the normal distribution, and M represents the number of cells in FIG.
The false alarm probability is expressed by equation (9) if it is a conditional probability when the threshold is y.
Here, f (y) is the value of the probability density function of the threshold value y, and T is the threshold level setting value.
CA−CFAR処理器30における初期設定入力であるパラメータK0を用いて確率変数をy=K0zと変換することにより式(8)は式(10)のように表される。
誤警報確率は式(10)を式(9)に代入し、式(11)のように下限値として求められる。ユーザは閾値パラメータK0を調整することにより誤警報確率をユーザが要求する値にすることができる。
The false alarm probability is obtained as a lower limit value by substituting Equation (10) into Equation (9) and as in Equation (11). The user can be set to a value which the user requests a false alarm probability by adjusting the threshold parameter K 0.
出力データ列{v(tk)}は、CA−CFAR処理器30に入力前に2乗されているので、負の跳躍点も正の跳躍点と同じくCA−CFAR処理器30によって目標検出され誤目標が発生する。そこで符号変換器26により、データ列{v(tk)}を式(12)で定義された符号関数に代入し、χ2乗分布変換器27に入力前の符号情報の記憶をもう一度回復させる。ここで、地表面より低温の目標を検出したい場合は符号関数の出力結果に−1を乗算するものとする。一方、2値化変換器31はCA−CFAR処理器出力{w(tk)}を式(13)に定義された2値化関数に代入し、目標の可否のみの情報に簡略化した後、符号変換器出力と2値化変換器出力の積を式(14)により{wb(tk)}として出力し目標検出論理判定装置32に送出する。
ここで、sgn(x)は符号化関数を表す。
ここで、bin(x)は2値化関数を表す。
Here, sgn (x) represents an encoding function.
Here, bin (x) represents a binarization function.
目標検出論理判定装置32は、出力{wb(tk)}の値が連続して+1をとる場合は先頭のtkのみを+1にして他の値を0にする。また、{wb(tk)}の値が連続して−1をとる場合は最後尾のtkのみを−1にして他の値を0にする。{wb(tk)}の値が+1から−1の区間{tk}を目標が存在する区間と決定する。ただし、+1から−1の値をとる区間内に0の値を含めることを可とし、検出対象目標の長さは、ライン走査上で目標が連続して占有するピクセル数を最大限度として、それ以上長い0の中間区間を含む場合は、+1から−1の区間であっても目標ではないと判定する。図8に目標検出論理判定装置の論理演算を示す。論理演算は以下に記述する5段階で構成される。 When the value of the output {w b (t k )} continuously takes +1, the target detection logic determination device 32 sets only the first t k to +1 and sets the other values to 0. Further, when the value of {w b (t k )} continuously takes −1, only the last t k is set to −1 and the other values are set to 0. A section {t k } having a value of {w b (t k )} from +1 to −1 is determined as a section where the target exists. However, it is possible to include a value of 0 in the interval from +1 to -1, and the length of the target to be detected is the maximum number of pixels that the target continuously occupies on the line scan. In the case where the intermediate section of 0 that is longer is included, it is determined that the section is not the target even if it is the section from +1 to -1. FIG. 8 shows a logical operation of the target detection logic determination device. The logical operation is composed of five stages described below.
<第1段階>
第1目標検出処理装置11の符号変換器26と2値化変換器31の積算出力をA列に示す。A列の正のパルス又は負のパルスが連続して生起する場合は、最も後列(時間が新しい)のパルスのみを残す。また、単一パルスで存在するときはそのまま残す。正の残存パルスをB列、負の残存パルスをC列とする。
論理演算:Bi=IF(AND(Ai=1,OR(Ai+1=0,Ai+1=−1),1,0)
Ci=IF(OR(Ai=0,Ai=−1),Ai,0)
ただし、i:サンプルの時間位置(何番目かを表す)
<First stage>
The integrated outputs of the code converter 26 and the binarization converter 31 of the first target detection processing device 11 are shown in the A column. If the positive pulse or negative pulse in row A occurs continuously, only the pulse in the last row (newest time) is left. If it exists in a single pulse, it is left as it is. A positive residual pulse is a B column, and a negative residual pulse is a C column.
Logical operation: B i = IF (AND (A i = 1, OR (A i + 1 = 0, A i + 1 = −1), 1, 0)
C i = IF (OR (A i = 0, A i = −1), A i , 0)
Where i: time position of the sample (represents the number)
<第2段階>
B及びC列のパルスを加算してD列とする。
論理演算:Di=Bi+Ci
<Second stage>
The B and C row pulses are added to form the D row.
Logical operation: D i = B i + C i
<第3段階>
D列に対して正から負にパルスが反転する場合に正のパルスを目標のパルスの立ち上がりと見なしE列に正のパルスを生起させる。一方、負のパルスを目標のパルスの降下と見なし、F列に正のパルスを生起させる。ただし、D列に対して正から負にパルスが反転するときに、4以上0の間隔が継続する場合には、目標の大きさの制限を超えるため目標ではないと見なし、E列及びF列にパルスを生起させない。
論理演算:
Ei=IF(AND(Di=1,OR(Di+1=−1,Di+2=−1,Di+3=−1),1,0))
Fi=IF(AND(Di+3=−1,OR(Di=1,Di+1=1,Di+2=1),1,0))
ただし、i<4の場合はFi=0
<Third stage>
When the pulse is inverted from positive to negative with respect to the D column, the positive pulse is regarded as the rising edge of the target pulse and a positive pulse is generated in the E column. On the other hand, a negative pulse is regarded as a target pulse drop, and a positive pulse is generated in the F row. However, when the pulse is inverted from positive to negative with respect to the D column, if the interval of 4 or more continues, it is regarded as not the target because the target size limit is exceeded, and the E column and the F column Does not cause a pulse.
Logical operations:
E i = IF (AND (D i = 1, OR (D i + 1 = -1, D i + 2 = -1, D i + 3 = -1), 1, 0) )
F i = IF (AND (D i + 3 = −1, OR (D i = 1, D i + 1 = 1, D i + 2 = 1), 1, 0) )
However, if i <4, F i = 0
<第4段階>
E列及びF列のパルス間に正のパルスを生起させG列とする。
論理演算:Gi=IF(AND(Fi+1=0,OR(Ei+1=1,Gi=1)),1,0)
ただし、i=1の場合はGi=0
<Fourth stage>
A positive pulse is generated between the pulses in the E row and the F row to form the G row.
Logical operation: G i = IF (AND (F i + 1 = 0, OR (E i + 1 = 1, G i = 1)), 1, 0)
However, when i = 1, G i = 0
<第5段階>
E列とG列を加算してH列とする。F列を加算しない理由は、降下するパルスはフラクショナル微分により、本来は単峰性パルスが双峰性パルスに変化するため、目標の真の大きさには含まれない。目標検出論理判定装置32はH列において+1の値を有する区間を目標存在区間として抽出し結果を目標表示装置13へ送出する。
論理演算:Hi=Ei+Gi
<Fifth stage>
The E column and the G column are added to obtain an H column. The reason why the F column is not added is that the falling pulse is not included in the true size of the target because the unimodal pulse is originally changed to the bimodal pulse by the fractional differentiation. The target detection logic determination device 32 extracts a section having a value of +1 in the H column as a target existence section and sends the result to the target display device 13.
Logical operation: H i = E i + G i
第1目標検出処理装置11に内蔵されるフラクタル性判定器14でフラクタル性を有しないと判定された時系列データ{x(tk)}は第2目標検出処理装置12でノンパラメトリックCFAR処理をする。ノンパラメトリックCFAR処理器のブロック図は図3の第2目標検出処理装置12のブロック図である。第2目標検出処理装置12は、注目セル33、前置タッパー群34、後置タッパー群35、ユニット関数変換器36、加算器37、ランク検出器38、及び目標検出判定器39を備えている。 The time-series data {x (t k )} determined to have no fractal property by the fractal property determination unit 14 built in the first target detection processing device 11 is subjected to non-parametric CFAR processing by the second target detection processing device 12. To do. A block diagram of the non-parametric CFAR processor is a block diagram of the second target detection processor 12 of FIG. The second target detection processing device 12 includes a target cell 33, a front tapper group 34, a rear tapper group 35, a unit function converter 36, an adder 37, a rank detector 38, and a target detection determiner 39. .
ノンパラメトリックCFAR処理器を使用する場合はクラッタの統計性をフラクタル、ガウシアン、ワイブル、対数正規分布等と仮定しないため、直接時系列データ{x(tk)}に式(15)を適用し、ノンパラメトリックCFAR処理器の閾値検出に値するランク検出器38によりランク値rank(k)を算出し、その値が式(16)を満足することを目標検出判定器39で判定したとき、x(tk)を目標信号s(tk)とみなし、目標存在区間として抽出し目標表示装置13に送出する。
ここで、nはタッパーの数を、unit( )はユニット関数を表す。
ここで、K0は式(9)のCA−CFAR処理器30のしきい値パラメータを表す。
When the non-parametric CFAR processor is used, since the clutter statistics are not assumed to be fractal, Gaussian, Weibull, lognormal distribution, etc., the equation (15) is directly applied to the time series data {x (t k )}. When a rank value rank (k) is calculated by a rank detector 38 that deserves threshold detection of a nonparametric CFAR processor, and the target detection determiner 39 determines that the value satisfies the equation (16), x (t k ) is regarded as a target signal s (t k ), extracted as a target existence section, and sent to the target display device 13.
Here, n represents the number of tappers, and unit () represents a unit function.
Here, K 0 represents the threshold parameter of the CA-CFAR processor 30 in the equation (9).
両CFAR処理器を比較するときは、誤警報確率の設定を等しくするため、式(16)を用いてノンパラメトリックCFAR処理器のタッパー数nを、第1目標検出処理装置11で設定された誤警報確率の値と等価にするように定める。 When comparing both CFAR processors, in order to equalize the false alarm probability setting, the number of tappers n of the nonparametric CFAR processor is set to the error set by the first target detection processor 11 using equation (16). It is determined to be equivalent to the alarm probability value.
非冷却マイクロボロメータ型の遠赤外線カメラを使用し、検出波長帯は8〜14μmで、画素は640×480、画角は17.2°×12.9°、瞬時視野0.47mrad、NETDは0.1℃以下で赤外線放射強度を輝度に変換し、NTSCにより映像記録装置及びビデオモニタに出力する。遠赤外線カメラは地上高1.4mに設置し、アスペクト角は水平より−8°とし、埋設する目標は直径約25cm、高さ約5cmの樹脂製及び金属製の円柱を各一個ずつ、前方10mの離隔位置に埋設深度5cmで地中に埋設する。掘り起こした埋設位置の地表面の植生(高さ5cm以下の雑草)は目標埋設後速やかに原状復帰させる。クラッタとしての背景の地表面と目標埋設地表面の温度差は、基準光源を使用して測定し、別途データレコーダで記録する。 An uncooled microbolometer type far-infrared camera is used, the detection wavelength band is 8 to 14 μm, the pixel is 640 × 480, the field angle is 17.2 ° × 12.9 °, the instantaneous visual field is 0.47 mrad, and the NETD is 0 .Infrared radiation intensity is converted to luminance at 1 ° C or lower and output to video recording device and video monitor by NTSC. The far-infrared camera is installed at a height of 1.4m above the ground, the aspect angle is -8 ° from the horizontal, and the target of embedment is a resin and metal cylinder each with a diameter of about 25cm and a height of about 5cm, 10m in front. It is buried in the ground at an embedding depth of 5 cm. The ground surface vegetation (weeds with a height of 5 cm or less) at the burial position that has been dug up is restored to its original state immediately after the target burial. The temperature difference between the background ground surface as the clutter and the target buried ground surface is measured using a reference light source and recorded separately by a data recorder.
図9に示すように同一の誤警報率を設定した場合のノンパラメトリックCFAR処理器による単独検知に対して、CA−CFAR処理器による検知を用いることで検出確率は約15%向上することを実データを用いて実証できた。 As shown in FIG. 9, the detection probability is improved by about 15% by using the detection by the CA-CFAR processor as compared with the single detection by the non-parametric CFAR processor when the same false alarm rate is set. This was demonstrated using the data.
本実施の形態によれば、下記の効果を奏することができる。 According to the present embodiment, the following effects can be achieved.
(1) 走行する車両に空間安定化された遠赤外線カメラ1を搭載し地面に埋設された目標となる障害物をできる限り離隔して実時間に自動検出可能である。 (1) A far-infrared camera 1 that is space-stabilized is mounted on a traveling vehicle, and a target obstacle embedded in the ground is separated as much as possible and can be automatically detected in real time.
(2) 遠赤外線カメラ1により限定された俯角範囲において方位角方向に1次元走査して(カメラの2次元画像から方位角方向の1次元輝度データを抽出して)得られる輝度の時系列データから、2次元の複雑な画像処理を行わずに目標検出可能で、目標位置を概定できる。 (2) Time series data of luminance obtained by one-dimensional scanning in the azimuth direction (extracting one-dimensional luminance data in the azimuth direction from the two-dimensional image of the camera) in the depression angle range limited by the far-infrared camera 1 Thus, the target can be detected without performing two-dimensional complicated image processing, and the target position can be roughly estimated.
(3) 目標や地表面クラッタを含む全ての要因の遠赤外線放射率、放射温度及び射度係数を用いて複雑に分布する境界条件での熱伝導方程式を解くことなしに、FBMによるモデル化を行い、植生を含む地表面クラッタの遠赤外線領域の放射強度分布に関する不確実かつ複雑な現象を簡易に模擬することができる。 (3) Modeling with FBM without solving the heat conduction equation under complicatedly distributed boundary conditions using far-infrared emissivity, radiation temperature and emissivity coefficients of all factors including targets and ground clutter. It is possible to easily simulate uncertain and complicated phenomena related to the radiation intensity distribution in the far infrared region of the ground surface clutter including vegetation.
(4) 遠赤外線領域における地表面クラッタの統計的性質に適合したCFAR処理としてCA−CFAR処理に符号判別機能を取り入れたクラッタ抑圧処理を有することで、簡易な構成でクラッタを抑圧して目標抽出が可能である。 (4) Target extraction by suppressing clutter with a simple configuration by having a clutter suppression process that incorporates a code discrimination function into the CA-CFAR process as a CFAR process suitable for the statistical properties of ground clutter in the far-infrared region Is possible.
(5) 1次元走査により得られる時系列データを、フラクショナル微分することにより、遠赤外線領域固有の地表面クラッタである有色雑音を無相関な白色正規雑音に変換し、その時系列データの出力平均と変換後の時系列データとの差をとり、その結果を2乗することによりCA−CFAR処理の適用が可能である。 (5) By converting the time-series data obtained by one-dimensional scanning to fractional differentiation, the colored noise, which is the ground surface clutter unique to the far-infrared region, is converted into uncorrelated white normal noise, and the output average of the time-series data The CA-CFAR process can be applied by taking the difference from the time-series data after conversion and squaring the result.
(6) フラクショナル微分により変換された時系列データの平均と変換後の時系列データとの差をとることによって負の値となり、かつ絶対値が極大となる負の跳躍点も、その結果を2乗することにより、クラッタの振幅強度分布をCA−CFARに適合させることが可能である。 (6) The negative jump point where the absolute value becomes maximum by taking the difference between the average of the time-series data converted by fractional differentiation and the time-series data after conversion is also 2 By riding, it is possible to adapt the amplitude intensity distribution of the clutter to CA-CFAR.
(7) 無相関な白色正規雑音に変換した後、その時系列データの平均と変換後の時系列データとの差をとり2乗する直前のデータの符号を符号関数によるラベル化を用いて識別することにより、CA−CFAR処理出力から跳躍点の正と負の符号を選別することによって、昼夜の気温の変化に対応した目標と地表面との相対的な低温又は高温の目標検出の切り替えが可能である。つまり、気温より低い物を目標とするか、気温より高い物を目標にするのかを切り替えることができ、例えば昼間は正符号を選択、夜間は負符号を選択する。 (7) After conversion to uncorrelated white normal noise, the difference between the average of the time series data and the time series data after conversion is taken, and the sign of the data immediately before squaring is identified using the labeling by the sign function By selecting the positive and negative sign of the jump point from the CA-CFAR processing output, it is possible to switch the detection of the target of the low temperature or high temperature relative to the target and the ground surface corresponding to the change in the temperature of day and night. It is. That is, it is possible to switch between a target that is lower than the temperature and a target that is higher than the temperature. For example, a positive sign is selected during the daytime and a negative sign is selected during the nighttime.
(8) 符号化された出力の値を論理演算することにより、目標信号の立ち上がりと降下の両端点を検出し、さらに検出対象の目標の大きさを考慮することで、目標存在区間を自動判定可能である。 (8) By logically calculating the value of the encoded output, both end points of the target signal rise and fall are detected, and the target existence section is automatically determined by considering the size of the target to be detected. Is possible.
(9) フラクショナル微分を用いることによって本来の単峰性パルスが符号反転型双峰性パルスに変換されることにより、目標信号の中間部分に含まれる目標情報は目標信号の立ち上がりと降下する点のみを残して見かけ上打ち消し合い、地表面クラッタのみが存在する区間になることによって、地表面クラッタの統計性から目標が混在する影響をできる限り排除してCA−CFAR処理の適用が可能である。 (9) By using fractional differentiation, the original unimodal pulse is converted into a sign-inverted bimodal pulse, so that the target information contained in the middle part of the target signal is only the rise and fall of the target signal. By canceling each other and leaving a section where only the ground surface clutter exists, it is possible to apply the CA-CFAR process by eliminating the influence of mixed targets as much as possible from the statistics of the ground surface clutter.
(10) フラクタル性を有しないと判定された時系列データに対しては、目標の自動抽出をノンパラメトリックCFAR処理により補完することができる。 (10) For time-series data determined not to have fractal properties, automatic target extraction can be supplemented by non-parametric CFAR processing.
以上、実施の形態を例に本発明を説明したが、実施の形態の各構成要素や各処理プロセスには請求項に記載の範囲で種々の変形が可能であることは当業者に理解されるところである。 The present invention has been described above by taking the embodiment as an example. However, it is understood by those skilled in the art that various modifications can be made to each component and each processing process of the embodiment within the scope of the claims. By the way.
1 遠赤外線カメラ
2 基準光源
3 焦点調整器
4 輝度調整器
5 姿勢角制御装置
6 ビデオモニタ
7 初期設定入力装置
8 映像記録装置
9 データ変換記録装置
10 ウィンド処理器
11 第1目標検出処理装置
12 第2目標検出処理装置
13 目標表示装置
14 フラクタル性判定装置
15 スペクトル算出器
16 遮断周波数検出器
17 遮断周波数加算器
18 フラクタル次元算出器
19 差分器
20 逆フラクタルフィルタ
21 相関器
22 白色検定器
23 遮断周波数判定器
24 ラッチ
25 フラクショナル微分装置
26 符号変換器
27 χ2乗分布変換器
28 遅延器
29 誤警報算出器
30 CA−CFAR処理器
31 2値化変換器
32 目標検出論理判定装置
33 注目セル
34 前置タッパー群
35 後置タッパー群
36 ユニット関数変換器
37 加算器
38 ランク検出器
39 目標検出判定器
DESCRIPTION OF SYMBOLS 1 Far-infrared camera 2 Reference light source 3 Focus adjuster 4 Brightness adjuster 5 Attitude angle control device 6 Video monitor 7 Initial setting input device 8 Video recording device 9 Data conversion recording device 10 Window processor 11 1st target detection processing device 12 1st 2 target detection processing device 13 target display device 14 fractal property determination device 15 spectrum calculator 16 cutoff frequency detector 17 cutoff frequency adder 18 fractal dimension calculator 19 differentiator 20 inverse fractal filter 21 correlator 22 white tester 23 cutoff frequency Determinator 24 Latch 25 Fractional differentiator 26 Code converter 27 Chi-square distribution converter 28 Delayer 29 False alarm calculator 30 CA-CFAR processor 31 Binary converter 32 Target detection logic determination device 33 Target cell 34 Prefix Tapper group 35 Post-upper group 36 unit Function converter 37 Adder 38 Rank detector 39 Target detection determiner
Claims (8)
前記遠赤外線カメラにより限定された俯角範囲において方位角方向の1次元の輝度の時系列データから、目標や地表面クラッタを含む全ての要因の放射率、放射温度及び射度係数を用いて複雑に分布する境界条件での熱伝導方程式を解くことなしに、フラクショナルブラウン運動によるモデル化を行い、植生を含む地表面クラッタの遠赤外線領域の放射強度分布に関する現象を模擬することを特徴とする遠赤外線埋設物自動検出装置。 A far-infrared embedded automatic detection device that automatically detects a target embedded in the ground in real time by mounting a far-infrared camera on a traveling vehicle,
From the time-series data of one-dimensional luminance in the azimuth direction in the depression angle range limited by the far-infrared camera, it is complicated using the emissivity, radiation temperature and emissivity coefficient of all factors including the target and the ground clutter. without solving the heat conduction equation in the distribution to the boundary condition, we perform modeling by fractional Brownian motion, characterized in that to simulate the behavior on the emission intensity distribution of the far-infrared region of the surface clutter including vegetation far infrared Embedded automatic detection device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012034744A JP5526363B2 (en) | 2012-02-21 | 2012-02-21 | Far-infrared buried object automatic detection device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012034744A JP5526363B2 (en) | 2012-02-21 | 2012-02-21 | Far-infrared buried object automatic detection device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013170920A JP2013170920A (en) | 2013-09-02 |
JP5526363B2 true JP5526363B2 (en) | 2014-06-18 |
Family
ID=49264950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012034744A Active JP5526363B2 (en) | 2012-02-21 | 2012-02-21 | Far-infrared buried object automatic detection device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5526363B2 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5935108B1 (en) * | 2015-01-29 | 2016-06-15 | 防衛装備庁長官 | Front and side simultaneous monitoring type ground penetrating radar equipment |
CN111309040B (en) * | 2020-03-02 | 2023-07-04 | 中国人民解放军海军航空大学 | Aircraft longitudinal pitch angle control method adopting simplified fractional order differentiation |
CN114280103B (en) * | 2021-12-29 | 2024-05-14 | 南京大学(苏州)高新技术研究院 | Method for measuring moisture content or suction distribution of soil surface by utilizing infrared thermal imaging technology |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06235599A (en) * | 1993-02-09 | 1994-08-23 | Mitsubishi Heavy Ind Ltd | Mine surveying device |
JP2005283383A (en) * | 2004-03-30 | 2005-10-13 | Mitsubishi Electric Corp | Method and apparatus for searching buried substance |
-
2012
- 2012-02-21 JP JP2012034744A patent/JP5526363B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013170920A (en) | 2013-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hasirlioglu et al. | Test methodology for rain influence on automotive surround sensors | |
Lee et al. | Detection of deterministic and probabilistic convection initiation using Himawari-8 Advanced Himawari Imager data | |
Jiang et al. | Advancing opportunistic sensing in hydrology: A novel approach to measuring rainfall with ordinary surveillance cameras | |
US20150213299A1 (en) | Infrared image based early detection of oil spills in water | |
CN103761443B (en) | Laser radar waveform data processing method based on wavelet transform denoising | |
JP5526363B2 (en) | Far-infrared buried object automatic detection device | |
Liu et al. | Comparison of cloud properties from ground-based infrared cloud measurement and visual observations | |
US7541923B2 (en) | Method for and system of intrusion detection by using ultrasonic signals | |
Der et al. | Probe-based automatic target recognition in infrared imagery | |
Yao et al. | Mutual enhancement of weak laser pulses for point cloud enrichment based on full-waveform analysis | |
Zhang et al. | Scattering key-frame extraction for comprehensive VideoSAR summarization: A spatiotemporal background subtraction perspective | |
JP2015059821A (en) | Amount-of-insolation predicting device and method | |
Berendes et al. | Cloud cover comparisons of the MODIS daytime cloud mask with surface instruments at the North Slope of Alaska ARM site | |
Liu et al. | A novel algorithm for detecting center of tropical cyclone in satellite infrared images | |
Pavitha et al. | Perception system in autonomous vehicle: A study on contemporary and forthcoming technologies for object detection in autonomous vehicles | |
Hammoud | Augmented vision perception in infrared: Algorithms and applied systems | |
Hu et al. | Research and application of intelligent intrusion detection system with accuracy analysis methodology | |
Larson et al. | An optical flow approach to tracking ship track behavior using GOES-R satellite imagery | |
CN115512281A (en) | Invader monitoring method and system combining video camera and laser radar | |
CN113253262B (en) | One-dimensional range profile recording-based background contrast target detection method | |
Zhong et al. | A False Alarm Elimination Algorithm of Foreign Objects Debris Detection Based on Duffing Oscillator | |
Brown et al. | Assessment of a linear pyroelectric array sensor for profile classification | |
Chen et al. | A robust and scalable method for infrared target identification | |
CN114487004B (en) | Method, equipment and medium for penetrating type measurement of heat conductivity coefficient | |
KR102348822B1 (en) | CCTV tracking monitoring system using Doppler detector and its control method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131016 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131213 |
|
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: 20140312 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5526363 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |