JP5673823B2 - 植物種識別装置、方法およびプログラム - Google Patents

Description

本発明は、衛星や航空機からのリモートセンシングを用いた植生調査における植物種の識別技術に関する。

従来の植生調査方法においては、主に２つの方法がある。第１の調査方法は、識別者が現地を踏破し、現地の状況を目視で判別する方法である。第２の調査方法は、衛星や航空機等から撮影された写真や画像を用いて識別者が判別する方法（リモートセンシング）である。これらの方法は、それぞれ単独または組み合わせて使用されている。

第２の調査方法のリモートセンシングで使用されているセンサは、以前はパンクロマチック（白黒）であったが、最近ではマルチスペクトル（カラー）に移り変わってきており、専門家（識別者）がマルチスペクトルの写真や画像を判読することによって植生の識別を行っている。

また、最近では、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）による植生図作製が主流となっている。ＧＩＳでは、予め用意された各植物種の樹冠形状や色を示す基準情報として正規植生指標（ＮＤＶＩ：Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｅｘ）を用いて、カメラやセンサで撮影された画像をパターンマッチングすることによって、植物種を識別する。

また、近年では、従来のマルチスペクトルの１０倍以上のバンド計測が可能なハイパースペクトルセンサを搭載した衛星（衛星名：ＥＯ−１（センサ名：Ｈｙｐｅｒｉｏｎ）、衛星名：ＰＲＯＢＡ（センサ名：ＣＨＲＩＳ））が地球環境衛星などとして打ち上げられ、ハイパースペクトルセンサによる計測も行われている。ハイパースペクトルセンサを使用することによって得られる情報量は、マルチスペクトルよりも飛躍的に向上している。また、航空機搭載型のハイパースペクトルセンサも開発されており、環境、農業分野を含む様々な分野で活用され始めている。

さらに、樹種判別の従来手法として、森林現況を示す画像データを小班区画に分けて、画像データの各小班区画の樹種を判別する手法が知られている。また、樹種の解析適期をもとに複数のバンドデータを取得し、各バンドデータの輝度値に対して上下限値を設定した各樹種の対象抽出マップを生成して各樹種のＮＤＶＩをマスク処理し、樹種分布を抽出する手法が知られている。

また、上空から撮影した森林の画像データの輝度値を峰と谷とで平坦化し、平坦化した画像データの輝度値の空間変化に対して領域分割して樹冠形状およびそのテクスチャ特徴量を求め、既知の樹冠のテクスチャ特徴量をもとに樹種を判定する手法が知られている。

特開２０１０−０８６２７６号公報 特開２００６−０８５５１７号公報 特開２００６−２８５３１０号公報

近年開発されたハイパースペクトルセンサ（ハイパースペクトルカメラ）を使用して情報を取得することによって、従来のマルチスペクトルセンサよりも多くの情報を取得することができる。

ハイパースペクトルセンサにより得られるハイパースペクトルデータは、画像の座標ごと（１ピクセルごと）の波長情報と光強度情報とを含むスペクトルデータを有し、いわば、画像としての２次元要素にスペクトルデータとしての要素を併せ持った３次元的構成のデータであるといえる。そのため、ハイパースペクトルデータを、基準となるＮＤＶＩと照合することによって、植物種の分類も可能となってきている。

しかし、植物のハイパースペクトルデータは、従来のマルチスペクトルデータに比べて精度が高いために、取得状況による変化が大きく、基準データの取り扱いが重要となる。例えば、データの取得時間帯や時期（季節）によっても植物のスペクトルデータは変化する。従来のマルチスペクトルデータでは、照合対象を取得した時間（季節）と合致する基準データを使用したり、データを規格化したりすることによって補正が可能であった。

しかし、ハイパースペクトルデータでは、マルチスペクトルに比べてより緻密なバンドでデータを採取するため、太陽光があたっている日向部分と別の葉や枝によって陰になっている日陰部分との間でもスペクトルが異なる。そのため、既知の最大値規格化による強度補正を行っても、可視光領域と近赤外領域における透過性が異なっているためか、日向部分と日陰部分のスペクトルを補正しても一致することがない。

そのため、植生調査などで、ハイパースペクトルデータを用いて植物種を識別する場合に、日陰部分について植物種を正確に分類することができず、日陰部分は、未分類または他の植物と誤認識されていた。そのため、結果的に、半自動的な植物種の識別処理では、植生分類の精度が低下してしまうという問題があった。

また、地上や極低空からの計測で得られたハイパースペクトルデータでは、１ピクセルが小さいので問題になることが少ないが、人工衛星や高高度から撮影されたハイパースペクトルデータの場合には、日向部分と日陰部分とが混在している領域に対応するピクセルが含まれている。そのため、日向部分や日陰部分のスペクトルデータを使用しても植物種を判定できないという問題が生じている。

本発明の目的は、ハイパースペクトルデータを用いて植物種を識別する場合に、日向部分と日陰部分とを含むデータからも、適切に植物種を識別できる装置、方法、およびプログラムを提供することである。

本発明の一態様として開示される植物種識別装置は、植物種を識別する植物種識別装置であって、植物種ならびに日向部分および日陰部分を含む領域区分で分類された反射率スペクトルの特徴を示す基準スペクトルデータを記憶する基準データ記憶部と、対象となるハイパースペクトルデータを取得するデータ入力部と、前記ハイパースペクトルデータのピクセルごとに、該ピクセルの反射率スペクトルの特徴と最も類似する基準スペクトルデータを基準データ記憶部から特定し、特定した基準スペクトルデータの分類をもとに、該ピクセルの植物種を判定する判定部とを備えるものである。

開示した植物種識別装置によれば、ハイパースペクトルデータに日向部分と日陰部分とが含まれている場合でも、従来のように熟練した判定者の経験に左右されることなく、容易に植物種の識別が可能となる。

一実施例における植物種識別装置の構成例を示す図である。 一実施例における基準データ記憶部に記憶される基準スペクトルデータの例を示す図である。 一実施例における領域区分に混在部分を含む場合の基準スペクトルデータの例を示す図である。 一実施例における植物種識別装置の概要処理フロー例を示す図である。 反射率スペクトルデータの特異点の例を示す図である。 基準スペクトルデータの数値セットの例を示す図である。 各植物種の基準スペクトルデータの数値セットの具体例を示す図である。 類似ベクトルの照合の概念図である。 一具体的処理例において、植生調査対象地において地上から撮影したハイパースペクトルデータ（ハイパースペクトル画像）の例を示す図である。 一具体的処理例において、判定結果にもとづいて同種の植物をマッピングした画像データ例を示す図である。 植物種識別装置のハードウェア構成図である。

以下、本発明の一態様として開示する植物種識別装置について説明する。

図１は、一実施例における植物種識別装置の構成例を示す図である。

植物種識別装置１は、ハイパースペクトルセンサやハイパースペクトルカメラで取得された識別対象のハイパースペクトルデータ（ハイパースペクトル画像データ）を入力して識別対象の植物種を識別する。

植物種識別装置１は、基準データ記憶部１１、データ入力部１２、判定部１３、および基準データ生成部１４を備える。

基準データ記憶部１１は、植物種および領域区分ごとに分類された反射率スペクトルデータである基準スペクトルデータを記憶する。

植物種は、識別対象となる植物の種類である。

領域区分は、光源（太陽など）からの光のあたる程度により分類される領域の区分であり、光があたっている領域を示す日向部分、他の葉や枝によって陰になっている領域を示す日陰部分を含む。また、領域区分は、日向部分と日陰部分とが混在する領域を示す混在部分を含む。混在部分の基準スペクトルデータは、後述する基準データ生成部１４によって生成され、基準データ記憶部１１に保存される。

データ入力部１２は、ハイパースペクトルセンサやハイパースペクトルカメラで取得されたハイパースペクトルデータ２を入力する。

入力されるハイパースペクトルデータ２の反射率スペクトルデータは、ハイパースペクトルの波長に対する値が、相対反射率、最大値規格化相対反射率などの値であることが好ましい。

判定部１３は、入力されたハイパースペクトルデータ２の各ピクセルについて、基準データ記憶部１１に記憶された基準スペクトルデータから、そのピクセルの反射率スペクトルデータの特徴と最も適合するする基準スペクトルデータを特定し、特定した基準スペクトルデータの分類（植物種および領域区分）をもとに、取り出したピクセルの植物種または植物種および領域区分の組を判定する。判定部１３は、判定結果として、ハイパースペクトルデータ２の画像上の各ピクセルの判定結果（植物種、植物種および領域区分）をマッピングした画像データ３を出力する。

判定部１３は、適合する基準スペクトルデータを、以下の２つの判定方法によって行うことができる。

第１の判定方法として、判定部１３は、基準データ記憶部１１に記憶された各基準スペクトルデータから特異点を抽出し、所定の複数の演算式により演算した数値セットを求めておく。そして、判定部１３は、ハイパースペクトルデータ２から取り出したピクセルごとに、そのピクセルの反射率スペクトルデータから特異点を抽出し、同じ演算式により演算した数値セットを求め、ピクセルの数値セットと各基準スペクトルデータの数値セットとをそれぞれ比較し、最も類似する数値セットを持つ基準スペクトルデータを特定する。

または、第２の判定方法として、判定部１３は、基準データ記憶部１１に記憶された各基準スペクトルデータの特徴ベクトルを求めておく。そして、判定部１３は、ハイパースペクトルデータ２から取り出したピクセルの反射率スペクトルデータの特徴ベクトルを求め、ピクセルのスペクトルデータの特徴ベクトルと各基準スペクトルデータの特徴ベクトルとをそれぞれ比較し、最も類似する特徴ベクトルを持つ基準スペクトルデータを特定する。

基準データ生成部１４は、同一の植物種であり領域区分が日向部分および日陰部分である基準スペクトルデータ（反射率スペクトルデータ）を教師データとして、所定の割合で日向部分および日陰部分が混合する領域の反射率スペクトルデータを予測する。基準データ生成部１４は、予測した反射率スペクトルデータを、同一の植物種かつ領域区分が混合部分である基準スペクトルデータとして基準データ記憶部１１に追加する。基準データ生成部１４は、日向部分と日陰部分とが混在する割合を適宜変えて、任意の割合の混在部分についての基準スペクトルデータを予測することができる。

図２は、基準データ記憶部１１に記憶される基準スペクトルデータの例を示す図である。

図２に示す例は、植物種がアカマツである基準スペクトルデータの２つの領域区分、すなわち日向部分と日陰部分の反射率スペクトルデータを表している。図２に示す反射率スペクトルデータにおいて、日向部分（「日向」と示す）の相対反射率の値は、黒色丸でプロットされ、日陰部分（「日陰」と示す）の相対反射率の値は、黒色三角でプロットされている。

図３は、領域区分に混在部分を含む場合の基準スペクトルデータの例を示す図である。

図３は、基準データ生成部１４によって、同一植物種の日向部分（「日向」）と日陰部分（「日向」）の基準スペクトルデータと、この２つのデータから予測された３種の混在部分の反射率スペクトルデータとを表している。

図３に示す反射率スペクトルデータにおいて、日向部分の相対反射率の値は、黒色菱形でプロットされ、日陰部分の相対反射率の値は、黒色矩形でプロットされている。

また、基準データ生成部１４によって、３つの混在部分、「日向部分７５％、日陰部分２５％」の割合の第１混在部分（「第１混在」と示す）、「日向部分５０％、日陰部分５０％」の割合の第２混在部分（「第２混在」と示す）、「日向部分２５％、日陰部分７５％」の割合の第３混在部分（「第３混在」と示す）が生成され、基準データ記憶部１１に追加される。図３に示す反射率スペクトルデータにおいて、第１混在は灰色三角で、第２混在はバツ印で、第３混在はアスタリスクで、それぞれプロットされている。

次に、植物種識別装置１の処理を概説する。

図４は、植物種識別装置１の概要処理フロー例を示す図である。

ステップＳ１： 植物種識別装置１のデータ入力部１２は、植生調査の対象箇所で取得したハイパースペクトルデータ２を取得する。

本実施例において、入力されるハイパースペクトルデータ２は、光源の影響を除いた相対反射率スペクトルデータまたは最大値正規化相対反射率データが、適時選択可能である。

ステップＳ２： 判定部１３は、ハイパースペクトルデータ２の各ピクセルについて、反射率スペクトルデータの特徴を取得する。

ステップＳ３： 判定部１３は、ピクセルの反射率スペクトルデータと、基準データ記憶部１１に記憶された植物種および領域区分で分類された基準スペクトルデータと照合し、最も適合する基準スペクトルデータを特定する。

判定部１３は、上述の第１の判定方法として、スペクトルデータの特徴的なポイントから算出した数値セットによる判定、上述の第２の判定方法として、市販の解析ソフト等でも使用されているＳｐｅｃｔｒａｌ Ａｎｇｌｅ Ｍａｐｐｅｒ法による判定などを実施可能である。

ステップＳ４： 判定部１３は、特定した基準スペクトルデータが分類されている植物種、領域区分を、そのピクセルの植物種、領域区分とする。

ステップＳ５： 判定部１３は、判定結果として、例えば、ハイパースペクトルデータ２の各ピクセルに対する判定結果（植物種、または、植物種および領域区分）をマッピングした画像データ３を出力する。

これにより、植生調査対象箇所で取得したハイパースペクトルデータ（画像）２から、１ピクセルごとに、そのピクセルが、基準データ記憶部１１に記憶されているどの植物種に該当するかを自動的に識別することができる。

そして、判定の際、基準データ記憶部１１に記憶する、日向部分と日陰部分の基準スペクトルデータ（反射率スペクトルデータ）を使用するため、従来の補正によっても判定できなかった日陰部分についても植物種を適切に識別することができる。

さらに、判定の際、基準データ記憶部１１に記憶する、混在部分の基準スペクトルデータを使用するため、日向と日陰との混在部分についても植物種を適切に識別することができる。

次に、判定部１３の判定処理について、より詳細に説明する。

（１）第１の判定処理例
第１の判定処理例では、植物のスペクトルの特徴情報として、スペクトルに表れる特異点から演算された、植物種および領域区分に特有の数値セットを用いる。

図５は、反射率スペクトルデータの特異点の例を示す図である。

植物のスペクトルは、植物種ごとに固有であって、例えば図５に示すような形状をしている。そのため、反射率スペクトルデータには、スペクトルカーブの最小値や最大値などの特異点Ａ〜Ｅが存在する。

判定部１３は、植物種および領域区分で分類された基準スペクトルデータについて、特異点を検出し、その特異点を２つ以上使用する計算式（例：差分、割算等）を複数決定し、複数の計算値（数値セット）を算出しておく。

第１の判定処理例では、判定部１３は、基準データ記憶部１１に記憶されている各基準スペクトルデータに対して数値セットをそれぞれ計算し、保持しておく。

図６は、基準スペクトルデータの数値セットの例を示す図である。

図６に示すように、植物種および領域区分で分類された基準スペクトルデータごとに、検出された特異点から導かれた数値セットが保持される。

本実施例では、数値セットとして、最高値の比率（Ａ／Ｃ）、傾き（ＣＢ／ＡＢ）、傾きの比率（（Ａ／Ｂ）／（Ａ／Ｃ）、（ＣＢ／ＣＤ）／（ＣＤ／ＣＥ））の４つを使用する。

図７は、各植物種の基準スペクトルデータの数値セットの具体例を示す図である。

図７（Ａ）に示す例では、植物種と１つの領域区分（日向部分）で分類される基準スペクトルデータの数値セット例を示している。図７（Ｂ）に示す例では、植物種と、複数の区分を持つ領域区分（日向部分、日向と日陰が５０％で混在する部分（５０％混在）、日陰部分）により分類される基準スペクトルデータの数値セット例を示している。

図７（Ａ）および図７（Ｂ）に示す例からも、反射率スペクトルデータの特異点にもとづく数値セットは、植物種ごとに特有であることが分かる。

なお、反射率スペクトルデータの数値セットによる演算処理の詳細は、本発明者らがした発明にかかる特許出願第２０１１−０７４８１７の明細書に説明されている。

判定部１３は、同様に、ハイパースペクトルデータ２の各ピクセルについての数値セットを求め、基準スペクトルデータの数値セットと照合処理、最も適合する基準スペクトルデータを特定する。

上記の基準スペクトルデータの数値セットの演算は、判定処理前または判定処理中に実行される。

（２）第２の判定処理例
第２の判定処理例では、Ｓｐｅｃｔｒａｌ Ａｎｇｌｅ Ｍａｐｐｅｒ法による判定であり、各ピクセルの反射率スペクトルデータの特徴情報として、スペクトルデータの特徴ベクトルを使用する。

図８は、類似ベクトルの照合の概念図である。

第２の判定処理例では、判定部１３は、図８に示すように、ハイパースペクトルデータ２の各ピクセルの反射率スペクトルデータおよび各基準スペクトルデータをベクトル化し、ピクセルの特徴ベクトル（ｅＨＳ２）と各基準スペクトルデータの特徴ベクトル（ｅＨＳ１）の類似性をコサイン距離（ｃｏｓθ）で求める。

例えば、以下の式により特徴ベクトル同士の類似性（類似度）を求める。以下の式では、１に近づくほど類似することを示す。

これにより、ピクセルの反射率スペクトルデータに類似する基準スペクトルデータを特定する。

次に、植物種識別装置１の具体的処理例を説明する。

図９は、植生調査対象地において地上から撮影したハイパースペクトルデータ（ハイパースペクトル画像）の例を示す図である。

図９に示すハイパースペクトルデータを植物種識別装置１の入力とし、植物種および領域区分の識別を行った。

植物種識別装置１の判定部１３を、リモートセンシング用の画像解析ソフトウェア（ＥＮＶＩ）により実施した。また、比較のため、基準データ記憶部１１に、基準スペクトルデータとして、各植物種に１つの基準スペクトルデータ（日向部分）のみを用意した場合（第１ケース）と、各植物種に複数の領域区分（日向部分と日陰部分）を用意した場合（第２ケース）の２つの処理を行った。

図１０（Ａ）は、第１ケースにおける判定結果にもとづいて、同種の植物をマッピングした画像データ例を示す図である。

図１０（Ｂ）は、第２ケースにおける判定結果にもとづいて、同種の植物をマッピングした画像データ例を示す図である。

図１０（Ｂ）に示す画像データでのマッピングでは、図１０（Ａ）に示すマッピングに比べてより多くのピクセルをマッピングしている。さらに、図９の画像データを参照すると、図１０（Ｂ）のマッピング結果が、図１０（Ａ）のものに比べて、より現況に近い状態を表していることが分かる。すなわち、図１０（Ｂ）に示すように、植物種識別装置１による処理により、識別精度が向上していることが分かる。

この図１０（Ｂ）に示す判定結果から、判定処理の基準スペクトルデータとして、混在部分のものを使用することによって、植物種の識別精度がさらに向上することが期待できる。

次に、植物種識別装置１のハードウェア構成を説明する。

植物種識別装置１は、ＣＰＵおよびメモリ等を有するハードウェアとソフトウェアプログラムとを備えるコンピュータ・システム、または、専用ハードウェアによって実現される。すなわち、図１１に示されるように、植物種識別装置１は、バスＢに接続される、演算装置（ＣＰＵ）４１と、一時記憶装置（ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等）４２と、永続性記憶装置（ＨＤＤ（Hard Disk Drive）、フラッシュメモリ等）４３と、入力装置４４と、表示装置４５と、出力装置４６と、通信Ｉ／Ｆ４７と、ドライブ装置４８とを有し、外部とデータの入出力をするコンピュータによって実施することができる。

また、植物種識別装置１は、このコンピュータが実行可能なプログラムによっても実施することができる。この場合に、植物種識別装置１が有すべき機能の処理内容を記述したプログラムが提供される。提供されたプログラムを上記コンピュータが実行することによって、上記説明した植物種識別装置１の処理機能がコンピュータ上で実現される。

演算装置４１は、一時記憶装置４２に格納されたプログラムに従って植物種識別装置１を制御する。一時記憶装置４２には、演算装置４１にて実行されるプログラム、演算装置４１での処理に必要なデータ、演算装置４１での処理にて得られたデータ等を格納する。

永続性記憶装置４３には、各種処理を実行するためのプログラム等のデータを格納する。永続性憶装置４３に格納されているプログラムの一部が一時記憶装置４２にロードされ、演算装置４１に実行されることによって、各種処理が実現される。

上述した基準データ記憶部１１は、一時記憶装置４２又は／及び永続性記憶装置４３の一部に相当する。

入力装置４４は、マウス、キーボード等を有し、ユーザが植物種識別装置１による処理に必要な各種情報を入力するために用いられる。表示装置４５は、演算装置４１の制御のもとに必要な各種情報を表示するために用いられる。出力装置４６は、プリンタ等を有し、ユーザからの指示に応じて各種情報を出力するために用いられる。通信Ｉ／Ｆ４７は、例えばインターネット、ＬＡＮ（Local Area Network）等に接続し、外部装置との間の通信制御をするための装置である。

なお、上記コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。さらに、上記プログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。

植物種識別装置１によって行われる処理を実現するプログラムは、ＣＤ−ＲＯＭ（Compact Disc Read-Only Memory）等の記録媒体４９によって植物種識別装置１に提供される。即ち、プログラムが保存された記録媒体４９がドライブ装置４８にセットされると、ドライブ４８が記録媒体４９からプログラムを読み出し、その読み出されたプログラムがバスＢを介して永続性記憶装置４３にインストールされる。そして、プログラムが起動されると、永続性記憶装置４３にインストールされたプログラムに従って演算装置４１がその処理を開始する。プログラムを格納する媒体としてＣＤ−ＲＯＭに限定するものではなく、コンピュータが読み取り可能な媒体であればよい。コンピュータ読取可能な記録媒体４９として、ＣＤ−ＲＯＭの他に、ＤＶＤディスク、ＵＳＢメモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリであっても良い。

以上説明したように、植物種識別装置１によれば、植物種と領域区分とに対応する複数の基準データ、特に、日向部分と日陰部分の２つの基準スペクトルデータを使用することによって、従来では補正によっても識別できなかった部分についても植物種の自動的な識別処理が可能となる。よって、植物種識別装置１によれば、従来のように熟練した判定者の経験に左右されることなく、容易に植物種の識別が可能となる。

本発明は、具体的に開示された実施例に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。

また、本願は２０１１年６月２９日に出願した日本国特許出願２０１１−１４４０５０号に基づく優先権を主張するものであり同日本国出願の全内容を本願に参照により援用する。

１ 植物種識別装置
１１ 基準データ記憶部
１２ データ入力部
１３ 判定部
１４ 基準データ生成部
２ ハイパースペクトルデータ
３ 画像データ（判定結果）

Claims (8)

1. 植物種を識別する植物種識別装置であって、
   植物種ならびに日向部分および日陰部分を含む領域区分で分類された反射率スペクトルの特徴を示す基準スペクトルデータを記憶する基準データ記憶部と、
   対象となるハイパースペクトルデータを取得するデータ入力部と、
   前記ハイパースペクトルデータのピクセルごとに、該ピクセルの反射率スペクトルの特徴と最も類似する基準スペクトルデータを基準データ記憶部から特定し、特定した基準スペクトルデータの分類をもとに、該ピクセルの植物種を判定する判定部とを備える
   ことを特徴とする植物種識別装置。
2. 前記基準データ記憶部から、同一の植物種であって、領域区分が日向部分および日陰部分に分類された基準スペクトルデータをもとに、所定の割合で日向部分および日陰部分が混合する領域の反射率スペクトルを予測し、該予測した反射率スペクトルの特徴を示す基準スペクトルデータを同一の植物種かつ領域区分の混合部分に分類して前記基準データ記憶部に追加する基準データ生成部を備える
   ことを特徴とする請求項１に記載の植物種識別装置。
3. 前記判定部は、前記ピクセルごとに、該ピクセルの反射率スペクトルの特異点を抽出し、抽出した特異点の値を複数の演算式により演算してピクセルの数値セットを求め、さらに、前記基準データ記憶部に記憶された各基準スペクトルデータから特異点を抽出し、抽出した特異点の値を前記複数の演算式により演算した植物種および領域区分に特有の数値セットと該ピクセルの数値セットとを比較し、最も類似する数値セットを持つ基準スペクトルデータを特定する
   ことを特徴とする請求項１に記載の植物種識別装置。
4. 前記数値セットは、ハイパースペクトルデータ中の複数の波長に対する特異点の値を用いて演算されているものである
   ことを特徴とする請求項３に記載の植物種識別装置。
5. 前記判定部は、前記ピクセルの反射率スペクトルの特徴ベクトルを求め、さらに、前記基準データ記憶部に記憶された各基準スペクトルデータの反射率スペクトルの特徴ベクトルと該ピクセルの特徴ベクトルとを比較し、最も類似する特徴ベクトルを持つ基準スペクトルデータを特定する
   ことを特徴とする請求項１に記載の植物種識別装置。
6. 前記ハイパースペクトルデータは、ハイパースペクトルの波長に対する値が、相対反射率または最大値規格化相対反射率のいずれかである
   ことを特徴とする請求項１に記載の植物種識別装置。
7. 植物種を識別するために、コンピュータが実行する方法であって、
   対象となるハイパースペクトルデータを取得し、
   植物種ならびに日向部分および日陰部分を含む領域区分で分類された反射率スペクトルデータの特徴を示す基準スペクトルデータを記憶する基準データ記憶部を参照して、前記ハイパースペクトルデータのピクセルごとに、基準データ記憶部から、該ピクセルの反射率スペクトルの特徴と最も類似する基準スペクトルデータを特定し、
   前記特定した基準スペクトルデータの分類をもとに、該ピクセルの植物種を判定する
   ことを特徴とする植物種識別方法。
8. 植物種を識別するために、コンピュータに、
   対象となるハイパースペクトルデータを取得する処理と、
   植物種ならびに日向部分および日陰部分を含む領域区分で分類された反射率スペクトルの特徴を示す基準スペクトルデータを記憶する基準データ記憶部を参照して、前記ハイパースペクトルデータのピクセルごとに、基準データ記憶部から、該ピクセルの反射率スペクトルの特徴と最も類似する基準スペクトルデータを特定する処理と、
   前記特定した基準スペクトルデータの分類をもとに、該ピクセルの植物種を判定する処理とを実行させるための植物種識別プログラム。

Images