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
この発明は、未知の目標の観測画像に基づいて、目標の機種を判別する目標類識別装置に関するものである。
従来の目標類識別装置では、事前に得られている各機種の教師画像と、レーダにより観測された静止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。
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。
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。
以下の非特許文献１に開示されている目標類識別装置では、レーダにより観測された目標の向きが、事前に得られている各機種の画像に現れている目標の向きと異なっていても、その目標の機種を判別することができるようにするため、同一の目標に対して、事前に得られている観測諸元（目標主軸方向（向き））が異なる複数の画像を統合して、類識別フィルタ（形状辞書）を生成するようにしている。類識別フィルタを生成する際の前処理として、複数の画像の輝度調整、大きさの正規化、中心の位置合わせ等の処理を行っている。
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。
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。
Rajesh K.Shenoy"Object detection and classification in SAR images using MINACE correlation filters"，A project report，April 10，1995.
従来の目標類識別装置は以上のように構成されているので、レーダにより観測された目標の向きが変化しても、その目標の機種を判別することができる。しかし、フィルタ生成に適用された（事前に得られている）複数の教師画像間の観測諸元値（目標主軸方向（向き））の差が大きい場合、教師画像間の輝度分布が大きく変動し、結果として、精度の高いフィルタが得られないなどの課題があった。なお、諸元値差による輝度分布の変動が大きいものとしては、目標主軸方向の他に、入射角等も該当する。ここで、類識別精度の向上という観点では、従来技術で示した複数の教師画像からフィルタを生成する方法でなく、全教師画像をそのまま別々のフィルタとして、それぞれと照合を行う方法が考えられるが、後者の場合、辞書の記憶容量や機種判別に要する処理時間が増大するという課題があった。
この発明は上記のような課題を解決するためになされたもので、高精度なフィルタ生成によって、要求仕様を満たす類識別精度を保ちながら、辞書の記憶容量及び機種の判別に要する処理時間を削減することができる目標類識別装置を得ることを目的とする。
この発明に係る目標類識別装置は、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教師画像に対応する目標の機種を記憶する教師画像データ群記憶手段と、教師画像データ群記憶手段に記憶されている複数の教師画像から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、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、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、教師画像データ群記憶手段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、複数の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、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、教師画像に対応する観測諸元値と、教師画像に対応する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を設け、種類判別手段が、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、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、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、その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、その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目標の種類判定結果として出力するようにしたものである。
この発明によれば、種類判別手段が、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、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、その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、その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目標の種類判定結果として出力するように構成したので、高精度なフィルタ生成によって、要求仕様を満たす類識別精度を保ちながら、辞書の記憶容量及び機種の判別に要する処理時間を削減することができる効果がある。
実施の形態１．
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。
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。
観測画像セット記憶部２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、図示せぬ撮像装置によって、類識別対象（例えば、飛行機）が撮影されたＭ個の観測画像（観測諸元値が異なる複数の観測画像）を記憶している。
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。
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。
全体形状特徴量抽出部４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、観測画像選択部３より出力された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処理を実施する。なお、全体形状特徴量抽出部４は全体形状特徴量抽出手段を構成している。
全体形状辞書パラメータ記憶部５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、例えば、全体形状辞書を生成する際に用いるパラメータとして、観測諸元グループの分割単位（例えば、１０ｄｅｇ）を記憶し、また、グループを絞り込む際に用いるパラメータとして、グループ選定用閾値Ｓｒや許容グループ数Ｓｇｎなどを記憶している。
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。
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。
全体形状辞書記憶部７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、全体形状辞書生成部６により生成されたグループ単位の全体形状辞書を記憶している。
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。
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。
局所形状辞書セットパラメータ記憶部９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、例えば、局所形状辞書パラメータとして、輝度上位点数Ｌや抽出輝度差上限値Ｓｂなどを記憶している。
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。
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。
局所形状辞書セット生成部１１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、局所形状特徴量抽出部１０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、教師画像（当該参照局所形状特徴量の抽出元の教師画像）の諸元値差既知観測諸元値と、その教師画像に対応する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する処理を実施する。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うち、局所形状辞書セットとなる条件を満たす複数の教師画像から局所形状辞書セット１組を生成する。ここで「辞書セットとなる条件を満たす複数の教師画像」とは、「諸元値差既知観測諸元に対しては、それらの教師画像の諸元値差が所定値であり、かつ、それ以外の観測諸元に対しては諸元値が一致とみなせる」場合が該当する。
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。
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。
種類判別部１３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、局所形状辞書セット記憶部１２に記憶されている局所形状辞書セットの中から、目標種類／観測諸元値グループ絞込部８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諸元値差既知観測諸元を記録している１以上の局所形状辞書セットを選択する処理を実施する。
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。
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。
図１の例では、目標類識別装置の構成要素である教師画像データ群記憶部１、観測画像セット記憶部２、観測画像選択部３、全体形状特徴量抽出部４、全体形状辞書パラメータ記憶部５、全体形状辞書生成部６、全体形状辞書記憶部７、目標種類／観測諸元値グループ絞込部８、局所形状辞書セットパラメータ記憶部９、局所形状特徴量抽出部１０、局所形状辞書セット生成部１１、局所形状辞書セット記憶部１２及び種類判別部１３のそれぞれが専用のハードウェアで構成されているものを想定しているが、目標類識別装置がコンピュータで構成されていてもよい。
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。
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。
次に動作について説明する。
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。
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。
全体形状特徴量抽出部４は、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（ステップＳＴ２）。
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）。
ここで、教師画像から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方法として、例えば、以下の前処理（輝度調整処理、正規化処理、中心位置合わせ処理）を行う方法が考えられる。
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。
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。
次に、教師画像の中心位置を合わせる前処理を行う。
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。
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。
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方法として、例えば、以下の前処理（輝度調整処理、正規化処理、中心位置合わせ処理）を行う方法が考えられる。
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。
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。
次に、観測画像の中心位置を合わせる前処理を行う。
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。
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。
全体形状辞書生成部６は、全体形状特徴量抽出部４が複数の教師画像から参照全体形状特徴量を抽出すると、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に応じて、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して、その全体形状辞書を全体形状辞書記憶部７に格納する（ステップＳＴ４）。
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。
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。
図４は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示す説明図である。
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。
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。
全体形状辞書生成部６は、３６０ｄｅｇの目標方向を分割して、その目標方向をグループ分けすると、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であるアスペクト角が属しているグループを特定し、全体形状特徴量抽出部４により抽出された参照全体形状特徴量を、そのアスペクト角が属しているグループに分類する。
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
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
全体形状辞書生成部６は、複数の参照全体形状特徴量をグループ分けすると、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（全体形状特徴量抽出部４による前処理後の教師画像）を二次元フーリエ変換し、例えば、フーリエ変換後の参照全体形状特徴量をラスタ走査によってベクトル化する。以下、ベクトル化した参照全体形状特徴量を「教師画像ベクトル」と称する。
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。
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。
以上の手順によって、フィルタベクトルと当該グループに属する全ての教師画像との相関がすべて１になるように、フィルタベクトル（全体形状辞書）が算出される。
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。
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。
目標種類／観測諸元値グループ絞込部８は、全体形状辞書生成部６がグループ単位の全体形状辞書を生成すると、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、照合対象の目標種類／観測諸元値グループの絞り込みを行う（ステップＳＴ５）。
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。
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。
目標種類／観測諸元値グループ絞込部８は、グループ単位の全体形状辞書（同一グループ内で統合された教師画像）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（全体形状特徴量抽出部４による前処理後の観測画像）とのパターンマッチングを行う。
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。
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。
ここで、グループ選定用閾値Ｓｒは、事前に設定されて全体形状辞書パラメータ記憶部５に記憶されているが、例えば、全体形状辞書を生成する際に、「事前に得られている種類既知の画像データのうち、辞書算出対象外である画像データ」の辞書への適合の度合に基づいて設定される。
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。
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。
この実施の形態１では、相関係数ＣＣｍａｘがグループ選定用閾値Ｓｒより高いグループを照合対象のグループに決定しているが、照合対象のグループの数Ｇが、全体形状辞書パラメータ記憶部５に記憶されている許容グループ数Ｓｇｎを上回っている場合、照合対象のグループに決定したグループの組み合わせが不適切である可能性がある。
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。
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。
ここでは、許容グループ数Ｓｇｎが全体形状辞書パラメータ記憶部５に記憶されており、グループの数Ｇと許容グループ数Ｓｇｎを比較する例を示したが、これに限るものではない。
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。
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。
局所形状特徴量抽出部１０は、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（ステップＳＴ６）。
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。
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。
まず、局所形状特徴量抽出部１０は、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に対して、全体形状特徴量抽出部４と同様の前処理（輝度調整処理、正規化処理、中心位置合わせ処理）を実施する。
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。
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。
なお、輝度が高い上位Ｌ個の位置の座標等を抽出する際に、上位Ｌ個の輝度の差が極端に大きい場合、相対的に輝度が低い位置の座標等を抽出対象外とする方法も考えられる。
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。
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。
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についても、教師画像から特徴量を抽出する場合と同様の方法で、類識別対象局所形状特徴量を抽出する。
局所形状辞書セット生成部１１は、局所形状特徴量抽出部１０が複数の教師画像から目標局所形状特徴量を抽出すると、各々の目標局所形状特徴量毎に、当該目標局所形状特徴量と、教師画像（当該目標局所形状特徴量の抽出元の教師画像）の諸元値差既知観測諸元値と、その教師画像に対応する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、さらに、局所形状辞書の諸元値差既知観測諸元値に基づき、辞書セットを構成する条件を満たす複数の局所形状辞書の集まりを局所形状辞書セットとし、その局所形状辞書セットを局所形状辞書セット記憶部１２に格納する（ステップＳＴ８）。
種類判別部１３は、局所形状辞書セット記憶部１２に記憶されている局所形状辞書セットの中から、目標種類／観測諸元値グループ絞込部８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。
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。
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。
種類判別部１３は、照合に用いる局所形状辞書セットである照合対象局所形状辞書セットを選択すると、その照合対象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最も相関が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、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（ステップＳＴ９）。
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。
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。
種類判別部１３は、局所形状辞書セット生成部１１が局所形状辞書セットを生成すると、各々の観測諸元グループ内において、類識別対象の観測画像セットを構成する観測画像間の諸元値差既知観測諸元の観測諸元差と、相対的に等しい観測諸元差とからなる組み合わせを観測諸元値セットとして生成し（セット内を構成する観測諸元値の数は、類識別対象の観測画像群の数と等しくなる）、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の中から、その観測諸元値セットの組み合わせに対応する参照局所形状特徴量のセットを選択し、それらの参照局所形状特徴量のセットと目標種別と諸元値差既観測諸元値の組を照合対象局所形状辞書セットＤＬＳに決定する。
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。
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。
種類判別部１３は、照合対象局所形状辞書セットＤＬＳを決定すると、照合対象局所形状辞書セットＤＬＳに含ま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することで、観測諸元値セットと目標の種別の組み合わせの適合判定を行う。
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。
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。
種類判別部１３は、照合対象局所形状辞書セットＤＬＳに含まれている参照局所形状特徴量毎に適合度を算出すると、その適合度に基づいて、照合対象局所形状辞書セットＤＬＳに含まれている参照局所形状特徴量の全体の評価値を算出する。
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。
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、全体の評価値を算出すると、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に記憶されている閾値と、全体の評価値とを比較する。
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。
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。
ここでは、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て出力するものを示したが、適合度が高い照合対象局所形状辞書セットＤＬＳを全体の評価値順に順位付けし、順位付きの照合対象局所形状辞書セットＤＬＳを出力するようにしてもよい。
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。
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。
以上で明らかなように、この実施の形態１によれば、種類判別部１３が、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の中から、目標種類／観測諸元値グループ絞込部８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最も相関が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て出力するように構成したので、高精度なフィルタ生成によって、要求仕様を満たす類識別精度を保ちながら、辞書の記憶容量及び機種の判別に要する処理時間を削減することができる効果を奏する。
即ち、観測諸元グループ数と等しい数の辞書データからなる全体形状辞書との照合処理により、観測諸元値及び目標種別の絞り込みを行った上で、局所形状辞書セットを用いて、複数の観測画像間の相対諸元差を踏まえた種類判定を行うことにより、辞書容量の削減、照合処理の高速化、多様な目標形状特徴に基づく精度の高い類識別が可能になる。
実施の形態２．
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。
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。
この場合、全体形状特徴量抽出部４は、Ｍ個の観測画像から類識別対象全体形状特徴量を抽出し、Ｍ個の類識別対象全体形状特徴量を目標種類／観測諸元値グループ絞込部８に出力する。
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。
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。
目標種類／観測諸元値グループ絞込部８は、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一致する場合、そ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、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。
上記実施の形態１では、観測画像選択部３が、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に出力しているので、グループの絞込精度が、観測画像の選択精度に依存するが、この実施の形態２によれば、Ｍ個の観測画像を全体形状特徴量抽出部４に出力しているので、グループの絞込精度が、観測画像の選択精度に依存しない。
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。
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。
この実施の形態２では、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に出力するものを示したが、グループの絞り込み結果の一部が一致しない場合や、グループの絞り込み結果がバラバラである場合には、例えば、グループ単位の全体形状辞書と類識別対象全体形状特徴量とのパターンマッチングを行う際に算出している最も高い相関係数ＣＣｍａｘを、当該グループに対する照合の確信度として、それぞれの絞り込み結果に確信度を付加し、確信度付のグループの絞り込み結果を種類判別部１３に出力す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から確信度付のグループの絞り込み結果が出力される場合、種類判別部１３では、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する際、その参照局所形状特徴量のセットと類識別対象局所形状特徴量のセットの適合度を示す相関係数Ａと、グループの絞り込み結果に付加されている確信度Ｂとを用いて、最終的な適合度Ｃ（例えば、Ｃ＝Ａ×Ｂ）を求めることが可能になる。
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。
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。
実施の形態３．
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。
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。
入射角が異なると、レーダ画像における目標形状を示す高輝度点分布の変動が起きやすくなる。
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。
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。
実施の形態４．
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。
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。
スクイント角が異なると、入射角が異なる場合と同様に、レーダ画像における目標形状を示す高輝度点分布の変動が起きやすくなる。
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。
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。
実施の形態５．
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。
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。
この場合、種類判別部１３は、上記実施の形態１〜４と同様に、局所形状辞書セットの中から、照合に用いる局所形状辞書セットを選択するが、センサが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については、照合に用いる局所形状辞書セットから除外するようにする。
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。
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。
実施の形態６．
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。
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。
この場合、種類判別部１３は、上記実施の形態１〜４と同様に、局所形状辞書セットの中から、照合に用いる局所形状辞書セットを選択するが、センサが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については、照合に用いる局所形状辞書セットから除外するようにする。
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。
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。
なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
１ 教師画像データ群記憶部（教師画像データ群記憶手段）、２ 観測画像セット記憶部、３ 観測画像選択部（観測画像選択手段）、４ 全体形状特徴量抽出部（全体形状特徴量抽出手段）、５ 全体形状辞書パラメータ記憶部（全体形状辞書生成手段）、６ 全体形状辞書生成部（全体形状辞書生成手段）、７ 全体形状辞書記憶部、８ 目標種類／観測諸元値グループ絞込部（目標種類／観測諸元値グループ絞込手段）、９ 局所形状辞書セットパラメータ記憶部、１０ 局所形状特徴量抽出部（局所形状特徴量抽出手段）、１１ 局所形状辞書セット生成部（局所形状辞書セット生成手段）、１２ 局所形状辞書セット記憶部、１３ 種類判別部（種類判別手段）。
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 |