JP5925417B2 - 新型背景推定技術及びハイパースペクトル標的検出法 - Google Patents
新型背景推定技術及びハイパースペクトル標的検出法 Download PDFInfo
- Publication number
- JP5925417B2 JP5925417B2 JP2011028033A JP2011028033A JP5925417B2 JP 5925417 B2 JP5925417 B2 JP 5925417B2 JP 2011028033 A JP2011028033 A JP 2011028033A JP 2011028033 A JP2011028033 A JP 2011028033A JP 5925417 B2 JP5925417 B2 JP 5925417B2
- Authority
- JP
- Japan
- Prior art keywords
- target
- pixel
- spectrum
- image data
- cem
- 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
- 238000001514 detection method Methods 0.000 title claims description 52
- 238000005516 engineering process Methods 0.000 title description 6
- 238000001228 spectrum Methods 0.000 claims description 193
- 239000013598 vector Substances 0.000 claims description 104
- 238000000034 method Methods 0.000 claims description 75
- 238000004422 calculation algorithm Methods 0.000 claims description 71
- 239000013077 target material Substances 0.000 claims description 57
- 238000005457 optimization Methods 0.000 claims description 41
- 230000003595 spectral effect Effects 0.000 claims description 27
- 239000000463 material Substances 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 10
- 238000010191 image analysis Methods 0.000 claims description 7
- 238000000701 chemical imaging Methods 0.000 description 17
- 229940050561 matrix product Drugs 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000032900 absorption of visible light Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Astronomy & Astrophysics (AREA)
- Image Processing (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Description
ここで、pは、考慮されるグループに含まれるピクセルの総数であり、xiは、i番目のピクセルのスペクトルを含むベクトル(サイズnb×1)であり、nbは、p個のピクセルの各々のイメージングされたスペクトルバンドλiの数であり、
はp個のピクセル(又は除外されていないピクセル)の平均スペクトル(推定された背景スペクトル)を含むベクトル(サイズnb×1)であり、tは標的材料のスペクトル(標的スペクトル)を含むベクトル(サイズnb×1)であり、wはCEMフィルタ係数のベクトル(サイズ1×nb)であり、Tはベクトル移項走査を表わしている。
ここで、ytは前記p個のピクセルの各々に含まれる標的材料の相対存在量であり、
はCEMフィルタ係数ベクトル(サイズnb×1)であり、
はi番目のピクセルの背景推定値(放射輝度)を含むベクトル(サイズnb×1)である。例えば、yiが1に等しい場合は、i番目のピクセルは標的材料を約100%含み、yiが0に等しい場合は、i番目のピクセルは標的材料を約0%含み、且つyiがZに等しい場合は、i番目のピクセルは標的材料を約100×Z%含む。
が計算される。次いで、修正済みCEMアルゴリズムは、費用関数を最小化することにより、ハイパースペクトルイメージデータxiの所与のセグメントのCEMフィルタ係数wを推定し、これは、背景スペクトルの推定値
とCEMフィルタ係数ベクトルw(CEMフィルタ係数w)との積である。前記最小化プロセスの間に等式(1)が満たさなければならない二つの制約は、(1)標的材料の標的スペクトルtとCEMフィルタ係数wとの積が1でなければならないこと(
)と、(2)p個のピクセルの各々とCEMフィルタ係数wとの積がそれぞれゼロ以上でなければならないこと(
)である。
に関して、少なくとも一つのピクセルデータベクトルxiとCEMフィルタ係数wとの個々の積は、限定しないが、例えば較正誤差、雑音などによりゼロ未満であることが許容される。例えば、(環境保護の分野で)ガスを検出するために修正済みCEMが使用されるかどうかは、ガスが、排出モード(即ちガスは背景より温度が高い)に対して吸収モード(即ち、ガスは背景より温度が低い)で現われるときはネガティブである。標的が吸収モードであるとき、標的はCEMフィルタと否定的に相関される。
は、標的ピクセルであると決定されたピクセルを除外することにより計算することができる。背景スペクトルの推定値
の計算から除外されていないピクセルは非除外ピクセルである。背景スペクトルの推定値
は、以下の関係式に従って計算することができる。
ここで、pは非除外ピクセルの総数であり、xiはi番目の非除外ピクセルのスペクトルを含むベクトルであり、
は、非除外ピクセルの平均スペクトルを含むベクトルである。
に基づき、修正済みCEMアルゴリズムを用いて、第1のフィルタ係数を決定すること(タスク602)により開始される。第1のフィルタ係数は、ハイパースペクトルデータxi、標的スペクトルt、及び背景スペクトル推定値
に基づく制約つきリニアプログラミング最適化用に構成された回路を使用することにより決定される。このようにして、実時間で又は準実時間でリニアプログラミング最適化アルゴリズムを処理できる専用APP212上に、修正済みCEMアルゴリズムをマッピングすることができる。後述で図7を参照して詳述するように、専用回路を使用することにより、図3を参照して上述した修正済みCEMアルゴリズムに基づいて、実質的に実時間のアルゴリズムを実行することができる。修正済みCEMアルゴリズムは、制約付きリニアプログラミング最適化問題として定式化される。
の計算から第1の標的ピクセルを除外することにより、未知の背景材料S1、S2、S3のスペクトルから標的材料のスペクトルtを区別することができる。
に基づき、修正済みCEMアルゴリズムを使用して、第2のフィルタ係数を決定することができる。この場合の、背景スペクトル推定値
は、ハイパースペクトルイメージデータxiから第1の標的ピクセルのハイパースペクトルイメージデータxiを除外することで計算される(タスク608)。タスク608は、背景スペクトル推定値
を推定するプロセスのために、ハイパースペクトルイメージデータxiから除外された第1標的ピクセルのハイパースペクトルイメージデータxiに対し、タスク604を繰返す。背景スペクトル推定値
の推定プロセスから標的材料のスペクトルtを含む第1の標的ピクセルを除外することにより、修正済みCEMアルゴリズムの機能的信頼性と標的検出、並びにyi推定性能が大きく改善される。
の統計的詳細を生成する。次いで、修正済みCEMアルゴリズムは、ハイパースペクトルイメージデータxiに混入しうる全ての背景スペクトル推定値
の影響を最小化するように、第1の標的ピクセルの標的スペクトルtに対する背景スペクトル推定値の比較に重み付けする。標的104の標的材料のような特定の標的材料を含むピクセルが見出され、各ピクセルに含まれるそのような特定の標的材料の量(CEM値)が推定される。
に標的スペクトルが混入しないように、標的スペクトルtを含みうるピクセルを素早く特定して、背景スペクトル推定値
の推定プロセスから除外する。このようにして、実数値間トリックスX(サイズ:p=9×nb=210)の9個のピクセル(x1,x2,...,x9)の各々についてCEM値による検索が行われ、閾値に到達するCEM値が第2の標的ピクセルとして特定される。
の推定を行う修正済みCEMアルゴリズムの例示的回路700を示している。上述のように、CEMアルゴリズムのような最先端の計算機負荷の高いアルゴリズムに対する従来の信号処理方式は、新規のスケーリングされたCMOS技術の回路が性能限界を有するために最適でない場合がある。更に、伝統的なデジタル式信号処理不式は、高速サンプリングとデジタル化を最前で必要とし、高い電力消費と低い演算速度による限界を有しうる。対照的に、APP技術は、時間連続的で振幅分散型の、非同期式アナログ/デジタル信号処理技術であり、実時間での演算又は動作を必要とするもののような、単純で高解像度であるが消費電力の低い最新のアルゴリズムを実施することができる。APP212のようなAPPプラットフォーム上での実施を容易にするために、修正済みCEMアルゴリズムは、APP212の回路700のリニアプログラミング最適化問題として定式化される。
が計算される。次いで、修正済みCEMアルゴリズムは、ハイパースペクトルイメージデータxiの所与のセグメントのCEMフィルタ係数wを推定する。
として計算された背景スペクトル推定値(エネルギー)を含んでいる。
からなっている。積分機I3は、差別的CEM値792のローパスフィルタ機能を提供することにより、回路704のフィードバックループにおける変動を低減する。
を、修正済みCEMアルゴリズムの数学的回路又は等価な回路のモデルが使用することにより、最適化が実行される。次いで、最適化サイクルの最後に修正済みCEMアルゴリズムによって推定されるフィルタ係数wを使用して、ピクセルデータベクトルxiのCEM値が推定される。
に対してCEM最適化を実行することができる(タスク806)。限定しないが、例えば、第1のフィルタ係数を得るためのリニアプログラミング回路などを使用して、第1の背景スペクトル
に対してCEM最適化を行うことができる。
)に対するCME最適化を実行することにより、第2のフィルタ係数を取得することができる(タスク816)。限定しないが、例えば、第1のフィルタ係数を取得するためのリニアプログラミング回路などを使用して、第2の背景スペクトル
に対してCEM最適化を実行することができる。次いで、アルゴリズムの数学的回路又は等価な回路のモデルが第2の背景スペクトル
を使用してフィルタ係数値の最適化を実行することにより、最適化されたフィルタ係数が取得される。
、及びtに基づいて、制約付きリニアプログラミング最適化問題を解くこと、及び
を決定することによって計算される。
及びCEMフィルタ係数wの統計値を演算するときに標的材料中のピクセルに類似するピクセルが除去されることにより、グラウンドトルース参照1802とほぼ同じである。
(式中、pは除外されないピクセルの総数であり、xiはi番目の非除外ピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて計算する、請求項A23に記載の方法。
(式中、pは除外されないピクセルの総数であり、xiはi番目の非除外ピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて計算する、請求項A26に記載の方法。
(式中、pはピクセルの総数であり、xiはi番目のピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルであり、wはCEMフィルタ係数ベクトルであり、tは標的材料のスペクトルを含むベクトルである)に基づいている、請求項A23に記載の方法。
(式中、pは除外されないピクセルの総数であり、xiはi番目の非除外ピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて背景スペクトル推定値を計算するように動作可能である、請求項A31に記載の回路。
(式中、pはピクセルの総数であり、xiはi番目のピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルであり、wはCEMフィルタ係数ベクトルであり、tは標的材料のスペクトルを含むベクトルである)に基づいている、請求項A31に記載の回路。
また、本願は以下に記載する態様を含む。
(態様1)
標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルからなるハイパースペクトルイメージデータに基づく標的検出方法であって、
ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を用いて第1のフィルタ係数を決定すること、
第1のフィルタ係数を含むフィルタをハイパースペクトルイメージデータに適用することにより第1のフィルタ済みピクセルを取得すること、並びに
第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定すること
を含む方法。
(態様2)
第1の標的ピクセルに基づいて標的を特定することを更に含む、態様1に記載の方法。
(態様3)
以下の関係式:
(式中、pは除外されていないピクセルの総数であり、x i はi番目の非除外
ピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて、背景スペクトル推定値を推定することを更に含む、態様1に記載の方法。
(態様4)
一又は複数の第1のフィルタ済みピクセルの制約付きエネルギー最小化(CEM)値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルを、一又は複数の第1の標的ピクセルとして特定することを更に含む、態様1に記載の方法。
(態様5)
回路手段が、実時間で制約付きリニアプログラミング最適化を実行するように動作可能である、態様1に記載の方法。
(態様6)
回路手段が、修正済みCEMアルゴリズムを含む、態様1に記載の方法。
(態様7)
修正済みCEMアルゴリズムが、以下の関係式:
(式中、pはピクセルの総数であり、x i はi番目のピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルであり、wはCEMフィルタ係数ベクトルであり、Tはベクトルの転置を表し、tは標的スペクトルを含むベクトルである)に基づいている、態様6に記載の方法。
(態様8)
w T *X i が、少なくとも一つのx i について0未満であることが許容される、態様7に記載の方法。
(態様9)
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき制約付きリニアプログラミング最適化を実行する回路手段を用いて第2のフィルタ係数を決定することであって、背景スペクトルの推定値が、第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されていること、
第2のフィルタ係数を含む第2のフィルタを、ハイパースペクトルイメージデータに適用することにより、第2のフィルタ済みピクセルを取得すること、並びに
第2のフィルタ済みピクセルの中から第2の標的ピクセルを特定すること
を更に含む、態様1に記載の方法。
(態様10)
CEM値に基づいて第1の標的ピクセルを除外することを更に含む、態様9に記載の方法。
(態様11)
第2の標的ピクセルに基づいて標的を特定することを更に含む、態様9に記載の方法。
(態様12)
リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために標的検出を使用することを更に含む、態様1に記載の方法。
(態様13)
複数のピクセルを含むハイパースペクトルイメージデータに基づく標的検出システムであって、
制約付きリニアプログラミング最適化を行って、制約付きエネルギー最小化を実行するように動作可能なプロセッサであって、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第1のフィルタ係数を決定し、
第1のフィルタ係数を含むフィルタをピクセルに適用することにより第1のフィルタ済みピクセルを取得し、且つ
第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定する
ように動作可能である
プロセッサを備えているシステム。
(態様14)
プロセッサが、非同期式パルスプロセッサ、マイクロプロセッサ、デジタル式シグナルプロセッサ、アナログ式シグナルプロセッサ、及びアナログ/デジタル混合式プロセッサからなる群のうちの一つから構成されている、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様15)
プロセッサを介した処理のためにほぼ実時間でハイパースペクトルイメージデータを感知するように動作可能な複数のセンサを更に含む、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様16)
一又は複数の第1のフィルタ済みピクセルのCEM値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルが第1の標的ピクセルとして特定される、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様17)
第1のフィルタ係数を用いてCEM値が推定される、態様16に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様18)
回路手段が、制約付きリニアプログラミング最適化を実時間で実行するように動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様19)
プロセッサが、更に、第1の標的ピクセルに基づいて標的を特定するように動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様20)
プロセッサが、更に、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段であって、背景スペクトルの推定値が第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算されている回路手段を使用して、第2のフィルタ係数を決定し、
第2のフィルタ係数を含む第2のフィルタをピクセルに適用することにより第2のフィルタ済みピクセルを取得し、且つ
第2のフィルタ済みピクセルに基づいて第2の標的ピクセルを特定する
ように動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様21)
プロセッサが、更に、第2の標的ピクセルに基づいて標的を特定するように動作可能である、態様20に記載のハイパースペクトルイメージデータに基づく標的検出システム。
(態様22)
リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために動作可能である、態様13に記載のハイパースペクトルイメージデータに基づく標的検出システム。
Claims (9)
- 標的材料の標的スペクトルと背景材料の背景スペクトルとを含む複数のピクセルからなるハイパースペクトルイメージデータに基づく標的検出方法であって、
ハイパースペクトルイメージデータ、標的スペクトル、及び推定される背景スペクトルに基づいて制約付きリニアプログラミング最適化を実行する回路手段を用いて第1のフィルタ係数を決定すること、
該第1のフィルタ係数を含むフィルタを該ハイパースペクトルイメージデータに適用することにより第1のフィルタ済みピクセルを取得すること、及び
該第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定することを含み、該方法はさらに
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づき制約付きリニアプログラミング最適化を実行する回路手段を用いて第2のフィルタ係数を決定することであって、該背景スペクトルの推定値を、前記第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算すること、
第2のフィルタ係数を含む第2のフィルタを、ハイパースペクトルイメージデータに適用することにより、第2のフィルタ済みピクセルを取得すること、
第2のフィルタ済みピクセルの中から第2の標的ピクセルを特定すること、及び
該第2の標的ピクセルに基づいて標的を特定することを含み、
該背景スペクトルの推定値を、前記第1の標的ピクセルを除外した該ハイパースペクトルイメージデータに基づいて計算することは、
以下の関係式:
(式中、pは第1の標的ピクセルを除外したあとの除外されていないピクセルの総数であり、xiはi番目の非除外ピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて、前記背景スペクトルの推定値を推定することを含む、方法。 - 該第1の標的ピクセルを特定することは、該第1のフィルタ済みピクセルの制約付きエネルギー最小化(CEM)値がCEM閾値より大きい場合に、該第1のフィルタ済みピクセルを該第1の標的ピクセルとして特定することを含む、請求項1に記載の方法。
- リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために標的検出を使用することを更に含む、請求項1に記載の方法。
- 複数のピクセルを含むハイパースペクトルイメージデータに基づく標的検出システムであって、
制約付きリニアプログラミング最適化を行って、制約付きエネルギー最小化を実行するように動作可能なプロセッサであって、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段を使用して第1のフィルタ係数を決定し、
該第1のフィルタ係数を含むフィルタをピクセルに適用することにより第1のフィルタ済みピクセルを取得し、
該第1のフィルタ済みピクセルの中から第1の標的ピクセルを特定するように動作可能なプロセッサを有し、
該プロセッサが、更に、
ハイパースペクトルイメージデータ、標的スペクトル、及び背景スペクトルの推定値に基づいて制約付きリニアプログラミング最適化を実行するように動作可能な回路手段であって、該背景スペクトルの推定値を前記第1の標的ピクセルを除外したハイパースペクトルイメージデータに基づいて計算する回路手段を使用して、第2のフィルタ係数を決定し、
第2のフィルタ係数を含む第2のフィルタをピクセルに適用することにより第2のフィルタ済みピクセルを取得し、且つ
第2のフィルタ済みピクセルに基づいて第2の標的ピクセルを特定し、該第2の標的ピクセルに基づいて標的を特定するように動作可能であり、
該背景スペクトルの推定値を、前記第1の標的ピクセルを除外した該ハイパースペクトルイメージデータに基づいて計算することは、
以下の関係式:
(式中、pは第1の標的ピクセルを除外したあとの除外されていないピクセルの総数であり、xiはi番目の非除外ピクセルのスペクトルを含むベクトルであり、
は非除外ピクセルのスペクトルの平均を含むベクトルである)に基づいて、前記背景スペクトル推定値を推定することを含む、システム。 - プロセッサを介した処理のためにほぼ実時間でハイパースペクトルイメージデータを感知するように動作可能な複数のセンサを更に含む、請求項5に記載のハイパースペクトルイメージデータに基づく標的検出システム。
- 一又は複数の第1のフィルタ済みピクセルのCEM値がCEM閾値より大きい場合に、当該一又は複数の第1のフィルタ済みピクセルが第1の標的ピクセルとして特定される、請求項5に記載のハイパースペクトルイメージデータに基づく標的検出システム。
- 第1のフィルタ係数を用いてCEM値が推定される、請求項7に記載のハイパースペクトルイメージデータに基づく標的検出システム。
- リモートセンシング、衝突回避、画像解析、及び身体の走査からなる群のうちの一つのために動作可能である、請求項5に記載のハイパースペクトルイメージデータに基づく標的検出システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/707,672 US8280111B2 (en) | 2010-02-17 | 2010-02-17 | Advanced background estimation technique and circuit for a hyper-spectral target detection method |
US12/707,672 | 2010-02-17 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2011169896A JP2011169896A (ja) | 2011-09-01 |
JP2011169896A5 JP2011169896A5 (ja) | 2014-04-03 |
JP5925417B2 true JP5925417B2 (ja) | 2016-05-25 |
Family
ID=44218523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011028033A Active JP5925417B2 (ja) | 2010-02-17 | 2011-02-14 | 新型背景推定技術及びハイパースペクトル標的検出法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8280111B2 (ja) |
EP (1) | EP2365463A1 (ja) |
JP (1) | JP5925417B2 (ja) |
CN (1) | CN102194099B (ja) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750703B (zh) * | 2012-06-27 | 2015-01-07 | 北京航空航天大学 | 一种基于直线分割的遥感图像机场自动检测方法 |
EP2693755A3 (en) * | 2012-07-31 | 2015-09-09 | Sony Mobile Communications AB | New gamut control method for improving image performance of parallax barrier S3D display |
GB2506688A (en) * | 2012-10-08 | 2014-04-09 | Bae Systems Plc | Detection of a target in a scene using hyperspectral imaging |
GB2506687B (en) | 2012-10-08 | 2018-02-07 | Bae Systems Plc | Hyperspectral imaging of a moving scene |
JP6248577B2 (ja) * | 2013-11-26 | 2017-12-20 | 日本電気株式会社 | スリット幅変更装置及び方法並びにスペクトル出力装置 |
CN104463897B (zh) * | 2014-12-30 | 2017-11-10 | 电子科技大学 | 一种高光谱目标探测的方法 |
CN105067116B (zh) * | 2015-07-15 | 2017-06-30 | 北京农业信息技术研究中心 | 一种画幅式成像光谱数据的拼接方法及系统 |
US10152802B2 (en) | 2016-03-31 | 2018-12-11 | Radiant Geospatial Solutions Llc | Method and apparatus for imaging the silhouette of an object occluding a light source using a synthetic aperature |
US11573124B2 (en) | 2016-04-14 | 2023-02-07 | National University Corporation Hokkaido University | Computer storage medium, network system for distributing spectral camera control program and spectral image capturing method using spectral camera control device |
MY193902A (en) | 2016-04-14 | 2022-10-31 | Univ Hokkaido Nat Univ Corp | Spectral camera control device, spectral camera control program, spectral camera control system, aircraft equipped with said system, and spectral image capturing method |
CN106056044B (zh) * | 2016-05-19 | 2019-03-29 | 北京环境特性研究所 | 一种基于端元丰度反演的高光谱图像发射率光谱提取方法 |
CN106022286B (zh) * | 2016-05-30 | 2017-05-31 | 中国石油大学(华东) | 一种遥感景象的自动识别方法 |
CN106802283B (zh) * | 2016-12-31 | 2018-11-30 | 华中科技大学 | 一种获取谱差异的方法及系统 |
KR101760474B1 (ko) | 2017-03-31 | 2017-07-25 | (주)아세아항측 | 중금속 함유토양 핫스팟 탐지를 위한 초분광 영상처리 진행방법 |
TWI624807B (zh) * | 2017-09-27 | 2018-05-21 | Taichung Veterans General Hosital | 醫學影像之迭代式分析法 |
CN107977619B (zh) * | 2017-11-28 | 2021-02-23 | 北京航空航天大学 | 一种基于集成学习约束能量最小化的高光谱目标检测方法 |
US10684216B2 (en) * | 2018-03-30 | 2020-06-16 | Konica Minolta Laboratory U.S.A., Inc. | Multi-spectral gas quantification and differentiation method for optical gas imaging camera |
CN109916839B (zh) * | 2019-04-03 | 2021-03-02 | 中国矿业大学 | 一种基于高分遥感影像的露头残煤燃烧中心精准探测方法 |
US11170218B2 (en) | 2019-05-13 | 2021-11-09 | Deere & Company | Mobile work machine control system with terrain image analysis |
CN112070098B (zh) * | 2020-08-20 | 2024-02-09 | 西安理工大学 | 基于频率调整模型的高光谱图像显著目标检测方法 |
CN112268519B (zh) * | 2020-09-27 | 2022-04-19 | 西北工业大学宁波研究院 | 基于dmd的光谱成像目标检测方法及系统 |
CN112287871B (zh) * | 2020-11-12 | 2023-01-17 | 广东海洋大学 | 基于多特征与光谱融合的近岸水产养殖区遥感图像提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4150844B2 (ja) * | 2001-07-05 | 2008-09-17 | コニカミノルタビジネステクノロジーズ株式会社 | 画像処理装置および画像処理プログラム |
US7366326B2 (en) * | 2003-06-24 | 2008-04-29 | University Of Maryland, Baltimore County | Real-time implementation of field programmable gate arrays (FPGA) design in hyperspectral imaging |
JP4623412B2 (ja) * | 2004-06-29 | 2011-02-02 | 日本電気株式会社 | 端成分データベース構築方法、端成分データベース構築装置及び端成分データベース構築プログラム |
US7792321B2 (en) * | 2004-07-28 | 2010-09-07 | The Aerospace Corporation | Hypersensor-based anomaly resistant detection and identification (HARDI) system and method |
JP4553297B2 (ja) * | 2004-08-02 | 2010-09-29 | 株式会社リコー | 画像処理装置 |
US7515084B1 (en) * | 2007-03-22 | 2009-04-07 | Hrl Laboratories, Llc | Analog to digital converter using asynchronous pulse technology |
JP2009276902A (ja) * | 2008-05-13 | 2009-11-26 | Toshiba Corp | マルチスペクトル画像の処理装置、処理方法及び処理プログラム |
-
2010
- 2010-02-17 US US12/707,672 patent/US8280111B2/en active Active
-
2011
- 2011-01-20 CN CN201110026117.3A patent/CN102194099B/zh active Active
- 2011-02-14 JP JP2011028033A patent/JP5925417B2/ja active Active
- 2011-02-17 EP EP11154901A patent/EP2365463A1/en not_active Ceased
Also Published As
Publication number | Publication date |
---|---|
US20110200225A1 (en) | 2011-08-18 |
US8280111B2 (en) | 2012-10-02 |
CN102194099A (zh) | 2011-09-21 |
CN102194099B (zh) | 2015-10-21 |
EP2365463A1 (en) | 2011-09-14 |
JP2011169896A (ja) | 2011-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5925417B2 (ja) | 新型背景推定技術及びハイパースペクトル標的検出法 | |
Gluckman | Design of the processing chain for a high-altitude, airborne, single-photon lidar mapping instrument | |
CN101807301B (zh) | 一种基于高阶统计量的高光谱图像目标检测方法 | |
Jia et al. | Tradeoffs in the spatial and spectral resolution of airborne hyperspectral imaging systems: A crop identification case study | |
CN104834915B (zh) | 一种复杂云天背景下小红外目标检测方法 | |
Zhang et al. | Infrared small target detection via interpatch correlation enhancement and joint local visual saliency prior | |
CN109961462A (zh) | 目标跟踪方法、装置和系统 | |
Vafadar et al. | Hyperspectral anomaly detection using outlier removal from collaborative representation | |
US8755564B1 (en) | Technique to increase speed of asynchronous pulse processing based hyperspectral target detection algorithm | |
US9189704B2 (en) | Kernel with iterative computation | |
CN111242972B (zh) | 一种在线跨尺度多流体目标匹配跟踪方法 | |
Gal et al. | Tracking objects using PHD filter for USV autonomous capabilities | |
Lagovsky et al. | Image restoration of the multiple target by smart antenna array radiating UWB signals | |
Hou et al. | Novel hyperspectral anomaly detection methods based on unsupervised nearest regularized subspace | |
Xiong et al. | Small target detection for infrared image based on optimal infrared patch-image model by solving modified adaptive RPCA problem | |
Li et al. | A multi-target on-line ranging method based on matrix sparsification and a division-free Gauss–Jordan solver | |
KR20210032209A (ko) | 구름이동벡터 산출 장치 및 그 방법 | |
Mathur et al. | Predicted lidar ranging accuracy for CZMIL | |
Yan et al. | Adaptive multi-layer structure for anomaly detection in hyperspectral images | |
KR102360578B1 (ko) | 일사량 추정 장치 및 그 방법 | |
Zhukov et al. | Iterative algorithm for determining the coordinates of the images of point radiators | |
Seyrek et al. | Performance Analysis of MADGRAD, MirrorMADGRAD and ADAM Optimizers on a CNN Model in the Hyperspectral Image Classification | |
Xi et al. | A frame correlation and Kalman filtering algorithm for space debris detection | |
Lan et al. | Research on Hyperspectral Anomaly Target Detection Algorithm Based on Dual Window Subspace Projection | |
Torres-Madronero | A comparative study of multiscale representations for spatial-spectral classification of hyperspectral imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140213 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150217 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20150513 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150612 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160105 |
|
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: 20160322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160420 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5925417 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |