JP6397379B2 - 変化領域検出装置、方法、及びプログラム - Google Patents
変化領域検出装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6397379B2 JP6397379B2 JP2015151284A JP2015151284A JP6397379B2 JP 6397379 B2 JP6397379 B2 JP 6397379B2 JP 2015151284 A JP2015151284 A JP 2015151284A JP 2015151284 A JP2015151284 A JP 2015151284A JP 6397379 B2 JP6397379 B2 JP 6397379B2
- Authority
- JP
- Japan
- Prior art keywords
- change
- detection target
- time point
- area
- feature vector
- 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 257
- 238000000034 method Methods 0.000 title description 44
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 239000013598 vector Substances 0.000 claims description 127
- 238000004364 calculation method Methods 0.000 claims description 51
- 238000010276 construction Methods 0.000 claims description 51
- 230000007717 exclusion Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 45
- 238000005516 engineering process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Instructional Devices (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
なお、地図情報としては、例えば、第1時点に対応する地図を表す画像(例えば、複数の多角形領域を含んで表される。)を用いる。また、検出対象情報としては、例えば、地図情報の多角形領域の各々が何を表すのか(例えば、家屋又は道路など)を示す情報を用いる。
このとき、本質的ではない見た目の変化に対して頑健な大域特徴ベクトルを利用することにより、撮影時点の違いから生じる建物の影の変化や季節の移り変わりによる田畑や森林の変化、自動車などの動物体の移動によるテクスチャの変化といった、本来変化領域として検出すべきではない領域を正確に出力結果から除くことができ、最終的に精度よく変化領域を把握することが可能となる。
ステップS100において、入力部10は、第1時点で撮影された航空写真と第2時点で撮影された航空写真とを受け付ける。
ステップS200において、上記ステップS100で受け付けた、第1時点で撮影された航空写真と第2時点で撮影された航空写真とを取得する。
ステップS300において、上記ステップS102で出力された局所特徴ベクトルの集合を取得する。
ステップS400において、上記ステップS104で出力された距離マップを取得する。
ステップS500において、入力部10は、第1時点で撮影された航空写真と、地図情報、検出対象情報、正例閾値、及び負例閾値とを受け付ける。
ステップS600において、上記ステップS500で受け付けられた、第1時点で撮影された航空写真と、地図情報、検出対象情報、正例閾値、及び負例閾値とを取得する。
ステップS700において、上記ステップS502で出力された検出対象識別器学習用データセットを取得する。
ステップS800において、上記ステップS700で取得された検出対象識別器学習用データセットに含まれる複数の小領域を取得する。
ステップS800において、非検出対象領域除外部32は、変化領域候補生成処理ルーチンのステップS100で受け付けた第2時点で撮影された航空写真と、変化領域候補生成処理ルーチンによって出力された変化領域候補の集合と、学習処理ルーチンによって出力された検出対象識別器とを取得する。
20 演算部
22 局所特徴ベクトル計算部
24 変化量計算部
26 変化領域候補決定部
28 学習用データセット構築部
30 検出対象識別器構築部
32 非検出対象領域除外部
40 出力部
Claims (7)
- 異なる第1時点及び第2時点で撮影された航空写真と、前記第1時点に対応する地図情報とを用いて土地利用変化を検出する変化領域検出装置であって、
変化領域検出を行う際に、入力された前記第1時点の航空写真の画素を特徴づける局所特徴ベクトル、及び前記第2時点の航空写真の画素を特徴づける局所特徴ベクトルを計算する局所特徴ベクトル計算手段と、
前記第1時点及び第2時点の各々の航空写真で同じ座標を持つ画素において計算された局所特徴ベクトルから、前記画素ごとに変化量を計算する変化量計算手段と、
前記画素ごとの変化量から、変化領域候補を検出する変化領域候補決定手段と、
前記第1時点に対応する地図情報と前記第1時点の航空写真とから、前記第1時点の航空写真の小領域と、変化検出対象を含むか否かを示す情報とからなる検出対象識別器学習用データセットを作成する学習用データセット構築手段と、
前記検出対象識別器学習用データセットから、変化検出対象を含むか否かを識別するための検出対象識別器を学習する検出対象識別器構築手段と、
前記変化領域候補決定手段によって検出された変化領域候補の各々について、前記検出対象識別器を用いて、前記変化領域候補が前記変化検出対象を含むか否かを識別し、前記変化検出対象を含まない前記変化領域候補を除外する非検出対象領域除外手段と、
を含む変化領域検出装置。 - 前記学習用データセット構築手段は、前記地図情報から、前記変化検出対象の物体の存在する画像座標を取得し、当該画像座標に基づいて前記検出対象識別器学習用データセットを作成する請求項1に記載の変化領域検出装置。
- 前記局所特徴ベクトル計算手段は、注目画素及び前記注目画素の周辺の小領域の色又は輝度の情報も利用して、注目画素周辺の形又はテクスチャに関する情報を記述する前記局所特徴ベクトルを計算する請求項1又は2に記載の変化領域検出装置。
- 前記検出対象識別器構築手段は、前記検出対象識別器学習用データセットに含まれる小領域の画素を特徴づける局所特徴ベクトルを計算し、前記計算された画素の前記局所特徴ベクトルをまとめ上げる処理によって、前記検出対象識別器学習用データセットに含まれる小領域の大域特徴ベクトルを計算し、前記大域特徴ベクトルに基づいて変化検出対象を含むか否かを識別するための前記検出対象識別器を学習し、
前記非検出対象領域除外手段は、前記変化領域候補決定手段によって検出された変化領域候補の各々について、前記第2時点の航空領域の前記変化領域候補の画素を特徴づける局所特徴ベクトルを計算し、前記計算された画素の前記局所特徴ベクトルをまとめ上げる処理によって、前記変化領域候補の大域特徴ベクトルを計算し、前記計算した大域特徴ベクトルに基づいて、前記検出対象識別器を用いて、前記変化領域候補が前記変化検出対象を含むか否かを識別する請求項1〜請求項3の何れか1項記載の変化領域検出装置。 - 前記変化量計算手段は、前記第1時点及び第2時点の各々の航空写真で同じ座標を持つ画素において計算された局所特徴ベクトルから、前記画素ごとに、利用する局所特徴ベクトルに合わせた距離関数から計算される距離を、前記変化量として計算する請求項1〜請求項4の何れか1項に記載の変化領域検出装置。
- 局所特徴ベクトル計算手段、変化量計算手段、変化領域候補決定手段、学習用データセット構築手段、検出対象識別器構築手段、及び非検出対象領域除外手段を含み、異なる第1時点及び第2時点で撮影された航空写真と、前記第1時点に対応する地図情報とを用いて土地利用変化を検出する変化領域検出装置における変化領域検出方法であって、
前記局所特徴ベクトル計算手段が、変化領域検出を行う際に、入力された前記第1時点の航空写真の画素を特徴づける局所特徴ベクトル、及び前記第2時点の航空写真の画素を特徴づける局所特徴ベクトルを計算するステップと、
前記変化量計算手段が、前記第1時点及び第2時点の各々の航空写真で同じ座標を持つ画素において計算された局所特徴ベクトルから、前記画素ごとに変化量を計算するステップと、
前記変化領域候補決定手段が、前記画素ごとの変化量から、変化領域候補を検出するステップと、
前記学習用データセット構築手段が、前記第1時点に対応する地図情報と前記第1時点の航空写真とから、前記第1時点の航空写真の小領域と、変化検出対象を含むか否かを示す情報とからなる検出対象識別器学習用データセットを作成するステップと、
前記検出対象識別器構築手段が、前記検出対象識別器学習用データセットから、変化検出対象を含むか否かを識別するための検出対象識別器を学習するステップと、
前記非検出対象領域除外手段が、前記変化領域候補決定手段によって検出された変化領域候補の各々について、前記検出対象識別器を用いて、前記変化領域候補が前記変化検出対象を含むか否かを識別し、前記変化検出対象を含まない前記変化領域候補を除外するステップと、
を含む変化領域検出方法。 - コンピュータを、請求項1〜請求項5のいずれか1項に記載の変化領域検出装置を構成する各手段として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015151284A JP6397379B2 (ja) | 2015-07-30 | 2015-07-30 | 変化領域検出装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015151284A JP6397379B2 (ja) | 2015-07-30 | 2015-07-30 | 変化領域検出装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017033197A JP2017033197A (ja) | 2017-02-09 |
JP6397379B2 true JP6397379B2 (ja) | 2018-09-26 |
Family
ID=57988873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015151284A Active JP6397379B2 (ja) | 2015-07-30 | 2015-07-30 | 変化領域検出装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6397379B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210383546A1 (en) * | 2018-10-04 | 2021-12-09 | Nec Corporation | Learning device, image processing device, learning method, image processing method, learning program, and image processing program |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7053195B2 (ja) * | 2017-09-07 | 2022-04-12 | 株式会社パスコ | 家屋異動推定装置、家屋異動学習装置、家屋異動推定方法、識別器のパラメータ生成方法及びプログラム |
KR102053659B1 (ko) | 2017-09-13 | 2019-12-09 | (주)다비오 | 기계학습과 이미지 프로세싱을 이용한 지도 제작 장치 |
JP7077093B2 (ja) | 2018-03-26 | 2022-05-30 | 三菱重工業株式会社 | 領域検出装置、領域検出方法及びそのプログラム |
JP6982242B2 (ja) * | 2018-04-12 | 2021-12-17 | 日本電信電話株式会社 | 学習データ生成装置、変化領域検出方法及びコンピュータプログラム |
JP7042690B2 (ja) * | 2018-05-23 | 2022-03-28 | 株式会社パスコ | 学習用データ生成装置 |
WO2020066755A1 (ja) * | 2018-09-28 | 2020-04-02 | Necソリューションイノベータ株式会社 | 学習モデル生成装置、地物変化判定装置、学習モデル生成方法、地物変化判定方法、及びコンピュータ読み取り可能な記録媒体 |
CN110197147B (zh) * | 2019-05-23 | 2022-12-02 | 星际空间(天津)科技发展有限公司 | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 |
KR102374158B1 (ko) * | 2020-08-10 | 2022-03-16 | (주)아이웨이 | Gis 및 cnn 기반 공공데이터를 이용한 변화탐지 서비스 제공 방법 |
KR102479976B1 (ko) * | 2021-11-15 | 2022-12-20 | 국방과학연구소 | 서로 다른 항공사진에서 변화를 감지하는 변화 감지 장치 및 방법 |
CN115620148B (zh) * | 2022-11-30 | 2023-03-28 | 航天宏图信息技术股份有限公司 | 一体化像素级变化样本标注和模型优化方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5366190B2 (ja) * | 2008-11-25 | 2013-12-11 | Necシステムテクノロジー株式会社 | 建築物変化検出装置、建築物変化検出方法、及びプログラム |
JP5949484B2 (ja) * | 2012-11-16 | 2016-07-06 | 富士通株式会社 | 差分検出プログラム及び差分検出方法並びに差分検出装置 |
-
2015
- 2015-07-30 JP JP2015151284A patent/JP6397379B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210383546A1 (en) * | 2018-10-04 | 2021-12-09 | Nec Corporation | Learning device, image processing device, learning method, image processing method, learning program, and image processing program |
EP3862967A4 (en) * | 2018-10-04 | 2022-01-19 | NEC Corporation | TRAINING DEVICE, IMAGE PROCESSING DEVICE, LEARNING METHOD, IMAGE PROCESSING METHOD, TRAINING PROGRAM AND IMAGE PROCESSING PROGRAM |
Also Published As
Publication number | Publication date |
---|---|
JP2017033197A (ja) | 2017-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6397379B2 (ja) | 変化領域検出装置、方法、及びプログラム | |
CN109584248B (zh) | 基于特征融合和稠密连接网络的红外面目标实例分割方法 | |
CN110119728B (zh) | 基于多尺度融合语义分割网络的遥感图像云检测方法 | |
CN109409263B (zh) | 一种基于Siamese卷积网络的遥感影像城市地物变化检测方法 | |
CN108399362B (zh) | 一种快速行人检测方法及装置 | |
JP6771449B2 (ja) | 航空画像からの自動物体検出のための方法およびシステム | |
CN108596108B (zh) | 基于三元组语义关系学习的航拍遥感图像变化检测方法 | |
CN109829398B (zh) | 一种基于三维卷积网络的视频中的目标检测方法 | |
JP6942488B2 (ja) | 画像処理装置、画像処理システム、画像処理方法、及びプログラム | |
JP6739517B2 (ja) | 車線認識のモデリング方法、装置、記憶媒体及び機器、並びに車線の認識方法、装置、記憶媒体及び機器 | |
KR101489984B1 (ko) | 스테레오-영상 정합 및 변화 검출 시스템 및 방법 | |
CN110599537A (zh) | 基于Mask R-CNN的无人机图像建筑物面积计算方法及系统 | |
EP4091109A1 (en) | Systems for multiclass object detection and alerting and methods therefor | |
CN104392228A (zh) | 基于条件随机场模型的无人机图像目标类检测方法 | |
Akey Sungheetha | Classification of remote sensing image scenes using double feature extraction hybrid deep learning approach | |
CN108229418B (zh) | 人体关键点检测方法和装置、电子设备、存储介质和程序 | |
Hormese et al. | Automated road extraction from high resolution satellite images | |
US10755146B2 (en) | Network architecture for generating a labeled overhead image | |
Chatterjee et al. | Intelligent Road Maintenance: a Machine Learning Approach for surface Defect Detection. | |
CN108734200A (zh) | 基于bing特征的人体目标视觉检测方法和装置 | |
JP2019185787A (ja) | 地理的地域内のコンテナのリモート決定 | |
CN116883588A (zh) | 一种大场景下的三维点云快速稠密重建方法及系统 | |
JP7001150B2 (ja) | 識別システム、モデル再学習方法およびプログラム | |
CN111531546B (zh) | 一种机器人位姿估计方法、装置、设备及存储介质 | |
CN117456280A (zh) | 一种岩体结构面识别方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170823 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180806 |
|
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: 20180828 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180831 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6397379 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |