JP5885583B2 - 目標類識別装置 - Google Patents
目標類識別装置 Download PDFInfo
- Publication number
- JP5885583B2 JP5885583B2 JP2012114400A JP2012114400A JP5885583B2 JP 5885583 B2 JP5885583 B2 JP 5885583B2 JP 2012114400 A JP2012114400 A JP 2012114400A JP 2012114400 A JP2012114400 A JP 2012114400A JP 5885583 B2 JP5885583 B2 JP 5885583B2
- Authority
- JP
- Japan
- Prior art keywords
- target
- local shape
- image
- observation
- group
- 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
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Description
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)のいずれかである。
そして、この目標類識別装置では、その類識別フィルタとレーダにより観測された目標の観測画像とのパターンマッチングを実施することで、目標の機種を判別するようにしている。
図1はこの発明の実施の形態1による目標類識別装置を示す構成図である。
図1において、教師画像データ群記憶部1は例えばRAMやハードディスクなどの記憶装置から構成されており、機種が異なる複数の目標の画像である教師画像、教師画像に対応する観測諸元値及び教師画像に対応する目標の機種を記憶している。
教師画像は、図示せぬ撮像装置(センサ)によって、様々な観測条件で撮像された画像(または、計算機のシミュレーションで生成された画像)である。
ただし、多数の教師画像のうちのいくつかの教師画像間では、「ある特定の観測諸元値の間にはさほど大きくない諸元値差があるが(教師画像の観測諸元値は全て既知であることが多いが、実画像の場合には、観測諸元値の絶対値が不明であっても、諸元値差が既知である場合も存在する)、その他の観測時刻等の観測諸元値は教師画像間でほぼ同じとみなせる」条件を満足していることを前提としている。以下、上記の観測諸元値差が既知である観測諸元を「諸元値差既知観測諸元」と称する。
この実施の形態1では、教師画像の諸元値差既知観測諸元として、例えば、目標の画像を観測する撮像装置(センサ)と目標を結ぶ線分(視線方向)と、目標の進行方向とのなす角度であるアスペクト角を用いる例を説明する。
なお、教師画像データ群記憶部1は教師画像データ群記憶手段を構成している。
観測画像選択部3は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、観測画像セット記憶部2に記憶されている観測画像セットを構成するM個の観測画像の中から、全体形状の特徴量を抽出する対象の観測画像を選択して、その観測画像を全体形状特徴量抽出部4に出力する処理を実施する。なお、観測画像選択部3は観測画像選択手段を構成している。
全体形状辞書生成部6は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師画像データ群記憶部1に記憶されている教師画像の諸元値差既知観測諸元値に応じて、全体形状特徴量抽出部4により抽出された複数の参照全体形状特徴量をグループ分けし(全体形状辞書パラメータ記憶部5に記憶されている分割単位に、複数の参照全体形状特徴量をグループ分けする)、グループ単位に、当該グループに属する1以上の参照全体形状特徴量から全体形状辞書を生成する処理を実施する。
なお、全体形状辞書パラメータ記憶部5及び全体形状辞書生成部6から全体形状辞書生成手段が構成されている。
目標種類/観測諸元値グループ絞込部8は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、全体形状辞書記憶部7に記憶されているグループ単位の全体形状辞書と全体形状特徴量抽出部4により抽出された類識別対象全体形状特徴量とを照合して、目標諸元値グループ及び目標種類を絞り込む処理を実施する。なお、目標種類/観測諸元値グループ絞込部8は目標種類/観測諸元値グループ絞込手段を構成している。
局所形状特徴量抽出部10は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師画像データ群記憶部1に記憶されている複数の教師画像から目標の局所形状の特徴量を表す参照局所形状特徴量を抽出するとともに、観測画像セットから類識別対象の局所形状の特徴量を表す類識別対象局所形状特徴量を抽出する処理を実施する。なお、局所形状特徴量抽出部10は局所形状特徴量抽出手段を構成している。
辞書セットの生成条件例としては、一般的に行われる観測諸元等を想定して、例えば、「フォーメーションフライトを行うN台の撮像機器において、ほぼ同時にアスペクト角差10°で観測する」等が考えられる。なお、辞書画像セットを構成する教師画像数Nは、観測画像セットを構成する観測画像数(図1の例ではM個)と一致する必要があるため、辞書画像セットと観測画像セットとの照合時に選択可能とする。具体的には、教師画像セットとなり得る教師画像群の中から、照合先の観測画像セットの観測画像数と等しい個数になるよう選択する。つまり、教師画像セットを構成可能な、ある観測諸元に対する観測諸元差が所定値を満たす教師画像が5枚存在する場合、最小で2個、最大で5個の教師画像からなる教師画像セットを構成可能となる。なお、局所形状辞書セット生成部11は局所形状辞書セット生成手段を構成している。
局所形状辞書セット記憶部12は例えばRAMやハードディスクなどの記憶装置から構成されており、局所形状辞書セット生成部11により生成された局所形状辞書セットを記憶している。
また、種類判別部13は選択した1以上の局所形状辞書セットに記録されている参照局所形状特徴量のセットと局所形状特徴量抽出部10により抽出された類識別対象局所形状特徴量のセットとを照合して、その類識別対象局所形状特徴量のセットとの相関が最も高い(照合時の評価値が最も高い)参照局所形状特徴量のセットを記録している局所形状辞書セットを特定し、その局所形状辞書セットに記録されている目標の機種を類識別対象の機種とし、類識別対象の機種と諸元値差既知観測諸元値を目標種類判定結果として出力する処理を実施する。なお、種類判別部13は種類判別手段を構成している。
目標類識別装置がコンピュータで構成されている場合、教師画像データ群記憶部1、観測画像セット記憶部2、全体形状辞書パラメータ記憶部5、全体形状辞書記憶部7、局所形状辞書セットパラメータ記憶部9及び局所形状辞書セット記憶部12をコンピュータ内のメモリ又は外部メモリ上に構成するとともに、観測画像選択部3、全体形状特徴量抽出部4、全体形状辞書生成部6、目標種類/観測諸元値グループ絞込部8、局所形状特徴量抽出部10、局所形状辞書セット生成部11及び種類判別部13の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリに格納されているプログラムを実行するようにすればよい。
図2はこの発明の実施の形態1による目標類識別装置の処理内容を示すフローチャートである。
観測画像選択部3は、観測画像セット記憶部2に記憶されているM個の観測画像の中から、類識別対象の全体形状の特徴量を抽出する対象の観測画像を選択して、その観測画像を全体形状特徴量抽出部4に出力する(ステップST1)。
ここで、図3は観測画像セット記憶部2に記憶されているM個の観測画像の一例を示す説明図である。
M個の観測画像の中から、特徴量を抽出する対象の観測画像を選択する方法として、例えば、M個の観測画像の中で、代表的な観測画像(例えば、M個の観測画像の平均的な画像や、中央値の画像)を特定して、その代表的な観測画像を選択する方法などが考えられる。
また、全体形状特徴量抽出部4は、観測画像選択部3が観測画像を選択すると、その観測画像から類識別対象の全体形状の特徴量を表す類識別対象全体形状特徴量を抽出する(ステップST3)。
まず、教師画像の輝度を調整する前処理を行う。
教師画像の輝度調整は、例えば、LOG法などを用いることができ、LOG法は教師画像の輝度の対数をとることにより、教師画像における輝度差(濃淡差、振幅差)を小さくする方法である。このように、教師画像の輝度調整を行うことで、教師画像の視認性が向上する。
次に、教師画像の大きさを正規化する前処理を行う。
教師画像の大きさを正規化する処理は、1画素当りの目標の大きさが、観測諸元値に依存しないように、事前に得られている各教師画像の観測諸元値に基づいてスケールを合わせる処理である。
教師画像の中心位置を合わせる処理は、N個の教師画像の中から、基準となる教師画像(以下、「基準画像」と称する)を任意に選択し、基準画像以外の教師画像(N−1個の教師画像)を1画素ずつずらしながら基準画像との重ね合わせを行って相関係数を算出する。
そして、各教師画像と基準画像との相関係数が最大となる位置を位置合わせ点に設定することで、N個の教師画像の中心位置を合わせるようにする。
全体形状特徴量抽出部4は、上記の前処理が完了すると、前処理後の教師画像を参照全体形状特徴量として出力する。
まず、観測画像の輝度を調整する前処理を行う。
観測画像の輝度調整は、教師画像の輝度調整の場合と同様に、LOG法などを用いることができる。このように、観測画像の輝度調整を行うことで、観測画像の視認性が向上する。
次に、観測画像の大きさを正規化する前処理を行う。
観測画像の大きさを正規化する処理は、教師画像の大きさを正規化する処理と同様に、観測画像の観測諸元値に基づいてスケールを合わせる処理である。
観測画像の中心位置を合わせる処理は、その観測画像と教師画像における基準画像との中心位置を合わせる処理である。
即ち、観測画像を1画素ずつずらしながら基準画像との重ね合わせを行って相関係数を算出し、観測画像と基準画像との相関係数が最大となる位置を位置合わせ点に設定することで、観測画像と基準画像の中心位置を合わせるようにする。
全体形状特徴量抽出部4は、上記の前処理が完了すると、前処理後の観測画像を類識別対象全体形状特徴量として出力する。
以下、全体形状辞書生成部6による全体形状辞書の生成処理を具体的に説明する。
まず、全体形状辞書生成部6は、全体形状辞書パラメータ記憶部5に記憶されている観測諸元グループの分割単位を取得する。
例えば、観測諸元グループの分割単位が10degであれば、360degの目標方向を10deg刻みで分割して、全36グループに分ける処理を行う。
また、観測諸元グループの分割単位が60degであれば、360degの目標方向を60deg刻みで分割して、全6グループに分ける処理を行う。
図4には、360degの目標方向を60deg刻みで分割して、全6グループに分けている例が示されている。
具体的には、360degの目標方向が全6グループに分けられており、6グループのアスペクト角範囲が下記の通りであるとすると、例えば、教師画像の諸元値差既知観測諸元であるアスペクト角が20degであれば、グループ(1)に分類し、そのアスペクト角が80degであれば、グループ(2)に分類し、アスペクト角が310degであれば、グループ(6)に分類する。
アスペクト角範囲
グループ(1) 0deg〜 60deg
グループ(2) 60deg〜120deg
グループ(3) 120deg〜180deg
グループ(4) 180deg〜240deg
グループ(5) 240deg〜300deg
グループ(6) 300deg〜360deg
次に、全体形状辞書生成部6は、1以上の教師画像ベクトル間の内積行列を求め、その内積行列と、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、全要素で1のベクトルになるように、各教師画像ベクトルの重み値を求める。
全体形状辞書生成部6は、各教師画像ベクトルの重み値を求めると、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、そのベクトル和をフィルタベクトルとする。
図4では、同一グループ内の3つの参照全体形状特徴量から全体形状辞書が生成されている例を示している。
このように、グループ単位で教師画像を統合して全体形状辞書を生成することで、グループ単位に分類可能な程度の観測諸元差を吸収することができるため、観測諸元差の影響を受け難く、かつ、目標の全体形状特徴量を抽出することが可能な照合フィルタが生成される。
以下、目標種類/観測諸元値グループ絞込部8によるグループの絞り込み処理を具体的に説明する。
パターンマッチングでは、全体形状辞書と類識別対象全体形状特徴量を1画素ずつずらしながら相関係数CCを算出して、最も高い相関係数CCmaxを特定する。
次に、グループ絞込部8は、最も高い相関係数CCmaxと全体形状辞書パラメータ記憶部5に記憶されているグループ選定用閾値Srを比較し、その相関係数CCmaxがグループ選定用閾値Srより高ければ(CCmax≧Sr)、当該グループを照合対象のグループに決定する。
一方、その相関係数CCmaxがグループ選定用閾値Srより低ければ(CCmax<Sr)、当該グループを照合対象のグループから除外する。
例えば、360degの目標方向が全6グループ(1)〜(6)に分けられているとき、相関係数CCmaxがグループ選定用閾値Srより高いグループが、グループ(1)(3)(4)であれば、グループ(1)(3)(4)が照合対象のグループに決定されて、グループ(2)(5)(6)は照合対象のグループから除外される。
具体的には、グループ選定用閾値Srを仮設定し、そのグループ選定用閾値Srに対して、該当機種及び非該当機種の正答率・誤答率等から適合の度合いを評価して、そのグループ選定用閾値Srの設定を変更する。グループ選定用閾値Srの設定変更を繰り返し実施して、最終的に適合の度合いが最も高くなる値をグループ選定用閾値Srに決定する。
そこで、グループ絞込部8は、照合対象のグループに決定したグループの数Gと許容グループ数Sgnを比較し、グループの数Gが許容グループ数Sgn以下であれば(G≦Sgn)、グループの組み合わせが適切であると判定して、照合対象のグループの決定結果を種類判別部13に出力する。
一方、グループの数Gが許容グループ数Sgnより多ければ(G>Sgn)、グループの組み合わせが不適切であると判定して、照合対象のグループを絞り込まずに、全てのグループを照合対象とする旨を示す決定結果を種類判別部13に出力する。
例えば、観測諸元グループ(全体形状辞書生成部6により分けられるグループ)と目標の機種との比率Sgnr[%]が全体形状辞書パラメータ記憶部5に記憶されている場合、観測諸元グループと目標の機種との全組み合わせ数Gnumを求め、全組み合わせ数Gnumと比率Sgnrから、許容グループ数Sgn(=Gnum×Sgnr/100)を算出するようにしてもよい。
また、局所形状特徴量抽出部10は、観測画像セットを構成する各観測画像から類識別対象の局所形状の特徴量を表す類識別対象局所形状特徴量を抽出する(ステップST7)。
以下、局所形状特徴量抽出部10による特徴量の抽出処理を具体的に説明する。
次に、局所形状特徴量抽出部10は、前処理後の教師画像における輝度をサーチして、輝度が高い上位L個の位置の座標等を参照局所形状特徴量として抽出する。輝度上位点数Lは、局所形状辞書パラメータとして、局所形状辞書セットパラメータ記憶部9に記憶されている。
これにより、1つの教師画像から抽出される参照局所形状特徴量の数はL個になり、教師画像の全画素数がPであるとすると、全画素を特徴量とする場合と比べて、特徴量のデータ量がL/Pに削減される。
この場合には、局所形状辞書パラメータとして、事前に局所形状辞書セットパラメータ記憶部9に記憶されている抽出輝度差上限値Sbを用いて、抽出対象外となる位置の座標等を決定すればよい。
この場合には、1つの教師画像から抽出される参照局所形状特徴量の数はL個より少なくなる。
例えば、目標種類/観測諸元値グループ絞込部8によりグループ(1)が照合対象のグループに決定されている場合、局所形状辞書セットの諸元値差既知観測諸元値が、グループ(1)のアスペクト角範囲(0deg〜 60deg)に含まれているか否かを判定し、その諸元値差既知観測諸元値が、グループ(1)のアスペクト角範囲に含まれていれば、その諸元値差既知観測諸元値を記録している局所形状辞書セットを照合に用いる辞書セット(照合対象局所形状辞書セット)として選択する。
以下、種類判別部13による機種の判別処理を具体的に説明する。
図4では、観測諸元Aが諸元差既知観測諸元であり、α,β,γ[deg]が観測諸元Aの観測諸元値である例を示している。
照合方法としては、まず、照合対象局所形状辞書セットDLSに含まれている複数の参照局所形状特徴量である位置座標と、類識別対象局所形状特徴量である位置座標との一致度を適合度として算出する。一致度の算出方法としては、各々の特徴量の重心位置からの距離差、ベクトル方向差等から算出する方法がある。
例えば、照合対象局所形状辞書セットDLSに含まれている各参照局所形状特徴量の適合度の平均値、最大値又は最小値を評価値として算出する。
種類判別部13は、全体の評価値が閾値より高ければ、当該照合対象局所形状辞書セットDLSの適合度が高いと判定し、全体の評価値が閾値より低ければ、当該照合対象局所形状辞書セットDLSの適合度が低いと判定する。
そして、種類判別部13は、適合度が高い照合対象局所形状辞書セットDLSの中で、全体の評価値が最も高い照合対象局所形状辞書セットDLSに含まれている目標の機種を類識別対象の機種とし、諸元値差既知観測諸元値と合わせて目標種類判定結果として出力する。
また、適合度が高い照合対象局所形状辞書セットDLSの中で、全体の評価値が最も高い照合対象局所形状辞書セットDLSが複数存在する場合、複数の照合対象局所形状辞書セットDLSに含まれている目標の機種が同じであって、諸元値差既知観測諸元値セットが同一観測諸元グループであれば、当該観測諸元グループの名称と目標の機種を判定結果として出力するようにしてもよい。
図5はこの発明の実施の形態2による目標類識別装置を示す構成図であり、図において、図1と同一符号は同一または相当部分を示すので説明を省略する。
上記実施の形態1では、観測画像選択部3が、観測画像セット記憶部2に記憶されているM個の観測画像の中から、1つの観測画像を選択して、その観測画像を全体形状特徴量抽出部4に出力するものを示したが、図5に示すように、観測画像セット記憶部2に記憶されているM個の観測画像が全体形状特徴量抽出部4に入力されるようにしてもよい。
目標種類/観測諸元値グループ絞込部8は、全体形状辞書記憶部7に記憶されているグループ単位の全体形状辞書と、M個の類識別対象全体形状特徴量とを照合して、類識別対象全体形状特徴量毎に、照合対象のグループの絞り込みを行う。即ち、M個の類識別対象全体形状特徴量について、照合対象のグループの絞り込みを行う。
また、M個の類識別対象全体形状特徴量に対するグループの絞り込み結果の一部が一致しない場合、M個の類識別対象全体形状特徴量に対するグループの絞り込み結果の多数決をとり、最も多くの類識別対象全体形状特徴量で一致しているグループの絞り込み結果を種類判別部13に出力する。
また、M個の類識別対象全体形状特徴量に対するグループの絞り込み結果がバラバラである場合、例えば、それらの絞り込み結果の論理和を種類判別部13に出力する。
また、観測画像からの特徴量の抽出や照合において、平均的な特徴量の抽出や照合が可能になる。
これにより、種類判別部13における機種の判別精度を高めることができる。
上記実施の形態1,2では、アスペクト角を教師画像の諸元値差既知観測諸元として用いるものを示したが、これに限るものではなく、例えば、目標の画像を観測するセンサと目標を結ぶ線分と、地表面の法線とのなす角度である入射角(入射角は、教師画像とほぼ同時刻に観測されるものとする)を教師画像の諸元値差既知観測諸元として用いるようにしてもよい。
したがって、ある入射角では、異なる種別の目標間で類似している高輝度点分布であっても、入射角が変動することで、目標の種別の違いによる形状差が現れることが期待される。
このため、入射角を教師画像の諸元値差既知観測諸元として用いても、上記実施の形態1と同様に、精度が高い機種の判別を実現することができる。
上記実施の形態1,2では、アスペクト角を教師画像の諸元値差既知観測諸元として用いるものを示したが、これに限るものではなく、例えば、目標の画像を観測するセンサが目標を見る視線方向と、センサの姿勢とのずれを表す角度であるスクイント角(スクイント角は、教師画像の観測時刻tに対して、その微小時刻差±Δtで観測されるものとする)を教師画像の諸元値差既知観測諸元として用いるようにしてもよい。
したがって、あるスクイント角では、異なる種別の目標間で類似している高輝度点分布であっても、スクイント角が変動することで、目標の種別の違いによる形状差が現れることが期待される。
このため、スクイント角を教師画像の諸元値差既知観測諸元として用いても、上記実施の形態1と同様に、精度が高い機種の判別を実現することができる。
上記実施の形態1〜4では、局所形状辞書セット生成部11が、3つのパラメータ(参照局所形状特徴量、教師画像の諸元値差既知観測諸元値、目標の機種)からなる局所形状辞書セットを生成するものを示したが、局所形状辞書セット生成部11が、4つのパラメータ(参照局所形状特徴量、教師画像の諸元値差既知観測諸元値、目標の機種、撮像装置(センサ)が教師画像を観測する際の偏波モード)からなる局所形状辞書を生成するようにしてもよい。
これにより、観測画像セットを観測する際の偏波モードと同じ偏波モードが記録されている局所形状辞書セットだけが、照合に用いる局所形状辞書セットとして選択され、更なる辞書の絞り込みが行われる。
よって、更に多角的に目標の形状を捉えることができるため、機種の判別精度が更に向上する。
上記実施の形態1〜4では、局所形状辞書セット生成部11が、3つのパラメータ(目標局所形状特徴量、教師画像の諸元値差既知観測諸元、目標の機種)からなる局所形状辞書を生成するものを示したが、局所形状辞書生成部11が、4つのパラメータ(参照局所形状特徴量、教師画像の諸元値差既知観測諸元値、目標の機種、撮像装置(センサ)が教師画像を観測する際の電波の周波数)からなる局所形状辞書セットを生成するようにしてもよい。
これにより、観測画像を観測する際の電波の周波数と同じ周波数が記録されている局所形状辞書セットだけが、照合に用いる局所形状辞書セットとして選択され、更なる辞書の絞り込みが行われる。
よって、更に多角的に目標の形状を捉えることができるため、機種の判別精度が更に向上する。
Claims (10)
- 機種及び観測諸元値が異なる複数の目標の画像である教師画像群の画像データ、各教師画像に対応する観測諸元値及び上記教師画像に対応する上記目標の機種を記憶する教師画像データ群記憶手段と、
上記教師画像データ群記憶手段に記憶されている複数の上記教師画像から上記目標の全体形状の特徴量を表す参照全体形状特徴量を抽出するとともに、類識別対象の画像である観測画像から類識別対象の全体形状の特徴量を表す類識別対象全体形状特徴量を抽出する全体形状特徴量抽出手段と、
上記全体形状特徴量抽出手段により抽出された複数の参照全体形状特徴量を上記教師画像に対応する観測諸元値に応じてグループ分けし、グループ単位に、当該グループに属する1以上の参照全体形状特徴量から全体形状辞書を生成する全体形状辞書生成手段と、
上記全体形状辞書生成手段により生成されたグループ単位の全体形状辞書と上記全体形状特徴量抽出手段により抽出された類識別対象全体形状特徴量とを照合して、照合対象の目標種類及びグループを絞り込む目標種類/観測諸元値グループ絞込手段と、
上記教師画像データ群記憶手段に記憶されている複数の上記教師画像から上記目標の局所形状の特徴量を表す参照局所形状特徴量を抽出するとともに、複数の上記観測画像から類識別対象の局所形状の特徴量を表す類識別対象局所形状特徴量を抽出する局所形状特徴量抽出手段と、
上記局所形状特徴量抽出手段により抽出された複数の参照局所形状特徴量毎に、当該参照局所形状特徴量と、上記教師画像に対応する観測諸元値と、上記教師画像に対応する上記目標の機種との組みを記録している局所形状辞書を生成し、観測諸元値が異なる上記教師画像に係る複数の局所形状辞書からなる局所形状辞書セットを生成する局所形状辞書セット生成手段と、
上記局所形状辞書セット生成手段により生成された局所形状辞書セットの中から、上記目標種類/観測諸元値グループ絞込手段により絞り込まれたグループの観測諸元範囲に含まれる観測諸元値を記録している1以上の局所形状辞書セットを選択するとともに、その局所形状辞書セットに記録されている参照局所形状特徴量のセットと上記局所形状特徴量抽出手段により抽出された類識別対象局所形状特徴量のセットとを照合して、上記類識別対象局所形状特徴量のセットとの照合時の評価値が最も高い参照局所形状特徴量のセットを記録している局所形状辞書セットを特定し、上記局所形状辞書セットに記録されている機種及び観測諸元値を上記目標の種類判定結果として出力する種類判別手段と
を備えた目標類識別装置。 - 上記観測画像のセットを構成する観測諸元値が異なる複数の上記観測画像の中から、類識別対象全体形状特徴量を抽出する対象の観測画像を選択して、当該観測画像を全体形状特徴量抽出手段に出力する観測画像選択手段を設けたことを特徴とする請求項1記載の目標類識別装置。
- 上記全体形状特徴量抽出手段は、観測諸元値が異なる複数の上記観測画像が入力される場合、複数の上記観測画像から類識別対象の全体形状の特徴量を表す類識別対象全体形状特徴量を抽出し、
上記目標種類/観測諸元値グループ絞込手段は、上記全体形状辞書生成手段により生成されたグループ単位の全体形状辞書と上記全体形状特徴量抽出手段により抽出された複数の類識別対象全体形状特徴量とを照合して、類識別対象全体形状特徴量毎に、照合対象のグループの絞り込みを行うことを特徴とする請求項1記載の目標類識別装置。 - 上記目標種類/観測諸元値グループ絞込手段は、複数の類識別対象全体形状特徴量に対するグループの絞り込み結果の一部が一致しない場合、複数の類識別対象全体形状特徴量に対するグループの絞り込み結果の多数決をとり、最も多くの類識別対象全体形状特徴量で一致しているグループの絞り込み結果を上記種類判別手段に出力することを特徴とする請求項3記載の目標類識別装置。
- 上記目標種類/観測諸元値グループ絞込手段は、複数の類識別対象全体形状特徴量に対するグループの絞り込み結果が一致しない場合、複数の類識別対象全体形状特徴量に対するグループの絞り込み結果に、当該グループに対する照合の確信度を付加し、確信度付のグループの絞り込み結果を上記種類判別手段に出力することを特徴とする請求項3記載の目標類識別装置。
- 上記目標の画像を観測するセンサと上記目標を結ぶ線分と、上記目標の進行方向とのなす角度であるアスペクト角を上記教師画像の観測諸元値として用いていることを特徴とする請求項1から請求項5のうちのいずれか1項記載の目標類識別装置。
- 目標の画像を観測するセンサと上記目標を結ぶ線分と、地表面の法線とのなす角度である入射角を上記教師画像の観測諸元値として用いていることを特徴とする請求項1から請求項5のうちのいずれか1項記載の目標類識別装置。
- 上記目標の画像を観測するセンサが上記目標を見る視線方向と、上記センサの姿勢とのずれを表す角度であるスクイント角を上記教師画像の観測諸元値として用いていることを特徴とする請求項1から請求項5のうちのいずれか1項記載の目標類識別装置。
- 上記局所形状辞書セット生成手段は、参照局所形状特徴量と、上記教師画像における諸元値差既知の観測諸元値と、上記教師画像に対応する上記目標の機種と、上記教師画像を観測する際の偏波モードとの組みを記録している局所形状辞書を生成し、
上記種類判別手段は、選択した1以上の局所形状辞書セットに記録されている参照局所形状特徴量のセットと上記局所形状特徴量抽出手段により抽出された類識別対象局所形状特徴量のセットとを照合する際、上記観測画像を観測する際の偏波モードと異なる偏波モードが記録されている局所形状辞書セットを照合対象から除外することを特徴とする請求項1から請求項8のうちのいずれか1項記載の目標類識別装置。 - 上記局所形状辞書セット生成手段は、参照局所形状特徴量と、上記教師画像における諸元値差既知の観測諸元値と、上記教師画像に対応する上記目標の機種と、上記教師画像を観測する際の電波の周波数との組みを記録している局所形状辞書を生成し、
上記種類判別手段は、選択した1以上の局所形状辞書セットに記録されている参照局所形状特徴量のセットと上記局所形状特徴量抽出手段により抽出された類識別対象局所形状特徴量のセットとを照合する際、上記観測画像を観測する際の電波の周波数と異なる周波数が記録されている局所形状辞書セットを照合対象から除外することを特徴とする請求項1から請求項8のうちのいずれか1項記載の目標類識別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012114400A JP5885583B2 (ja) | 2012-05-18 | 2012-05-18 | 目標類識別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012114400A JP5885583B2 (ja) | 2012-05-18 | 2012-05-18 | 目標類識別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013242646A JP2013242646A (ja) | 2013-12-05 |
JP5885583B2 true JP5885583B2 (ja) | 2016-03-15 |
Family
ID=49843490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012114400A Expired - Fee Related JP5885583B2 (ja) | 2012-05-18 | 2012-05-18 | 目標類識別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5885583B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6059686B2 (ja) * | 2014-06-11 | 2017-01-11 | 日本電信電話株式会社 | 画像分類前処理装置、画像分類装置、画像分類前処理方法、画像分類方法及びプログラム |
RU2591044C1 (ru) * | 2015-04-07 | 2016-07-10 | Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ координатной идентификации объектов |
JP6760490B2 (ja) * | 2017-04-10 | 2020-09-23 | 富士通株式会社 | 認識装置、認識方法および認識プログラム |
CN115586542B (zh) * | 2022-11-28 | 2023-03-03 | 中国人民解放军国防科技大学 | 基于缩比训练的远距离太赫兹单光子雷达成像方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3499807B2 (ja) * | 2000-06-21 | 2004-02-23 | 株式会社東芝 | レーダにおける目標の類識別方法及び装置 |
JP3697433B2 (ja) * | 2002-08-29 | 2005-09-21 | 三菱電機株式会社 | 目標識別装置 |
US20070253625A1 (en) * | 2006-04-28 | 2007-11-01 | Bbnt Solutions Llc | Method for building robust algorithms that classify objects using high-resolution radar signals |
-
2012
- 2012-05-18 JP JP2012114400A patent/JP5885583B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013242646A (ja) | 2013-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Williams et al. | Mine classification with imbalanced data | |
US9087265B2 (en) | Recognition apparatus and method thereof, and computer program | |
Ishii et al. | Surface object recognition with CNN and SVM in Landsat 8 images | |
Novak et al. | Effects of polarization and resolution on the performance of a SAR automatic target recognition system | |
Bekele et al. | Evaluation of binary keypoint descriptors | |
JP5800494B2 (ja) | 特定領域選択装置、特定領域選択方法及びプログラム | |
CN101839722A (zh) | 一种中低空下目标自动识别及载体高精度定位方法 | |
US8270707B2 (en) | Learning device, learning method, identification device, identification method, and program | |
KR101139588B1 (ko) | 합성 개구면 레이더 영상에서 표적의 기종을 식별하는 방법 및 그 장치 | |
JP6566449B2 (ja) | 球状体の回転の測定装置、測定方法、ならびに、プログラム | |
JP5885583B2 (ja) | 目標類識別装置 | |
Zhang et al. | Multi-features integration based hyperspectral videos tracker | |
JP6338274B2 (ja) | 情報処理装置ならびにその特徴点選択方法、装置およびプログラム | |
JP6037790B2 (ja) | 目標類識別装置及び目標類識別方法 | |
JP5523298B2 (ja) | 目標類識別装置 | |
Alexandre | Set distance functions for 3D object recognition | |
CN106650773A (zh) | 一种基于SVM‑AdaBoost算法的行人检测方法 | |
JP5984380B2 (ja) | 目標方向推定装置 | |
Jiang et al. | A new segmentation algorithm for lunar surface terrain based on CCD images | |
CN111626096B (zh) | 一种三维点云数据兴趣点提取方法 | |
Liu et al. | An iris recognition approach with SIFT descriptors | |
García-Ordás et al. | Evaluation of different metrics for shape based image retrieval using a new contour points descriptor | |
US9779062B2 (en) | Apparatus, method, and computer program product for computing occurrence probability of vector | |
Tang et al. | Segmentation of cervical cell nucleus using Intersecting Cortical Model optimized by Particle Swarm Optimization | |
Sukhanov et al. | Dynamic selection of classifiers for fusing imbalanced heterogeneous data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150827 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151006 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151118 |
|
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: 20160112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5885583 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |