JP6524842B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

植生の調査方法については、例えば、２つの方法がある。１番目の調査方法は、識別者が現地を踏査し、現地の状況を目視で判別する方法である。２番目の調査方法は、衛星や航空機等から撮影された写真や画像を用いて専門家や識別者が判別する方法である。２番目の調査方法は、例えば、リモートセンシングと称される場合がある。１番目と２番目の調査方法は単独または組み合わせて使用される。

２番目の調査方法のリモートセンシングで使用されるセンサはパンクロマッチング（白黒）の場合もあるが、最近ではマルチスペクトル（カラー）が用いられる。例えば、専門家や識別者がマルチスペクトルで撮影された写真や画像を判読することで植生の識別を行う。

また、最近では、ＧＩＳ（Geographic Information System:地理情報システム）による植生図作製が主流となっている。各植物の樹冠形状や色を示す基準情報として正規化植生指標（ＮＤＶＩ：Normalized Difference Vegetation Index）や正規化水指数（ＮＤＷＩ：Normalized Difference Water Index）などを用いてその植生が地上座標上にどのように分布しているかをＧＩＳ上に表して用いられる。

さらに、近年では、マルチスペクトルセンサの１０倍以上のバンド計測が可能なハイパースペクトルセンサを搭載した衛星（例えば、衛星名：ＥＯ−１（センサ名：Ｈｙｐｅｒｉｏｎ）や衛星名：ＰＲＯＢＡ（センサ名：ＣＨＲＩＳ））が地球環境衛星などとして打ち上げられている。このような衛星を利用したハイパースペクトルセンサによる計測も行われている。

ハイパースペクトルセンサを使用することにより得られる情報量はマルチスペクトルの場合よりも飛躍的に向上している。また、航空機搭載型のハイパースペクトルセンサも開発されており、環境分野や農業分野を含む様々な分野で活用され始めている。

植物の種類の判別に関する技術としては、例えば、以下のような技術がある。すなわち、森林現況を示す画像データを小班区画に分けて、画像データにおける各小班区画の樹種を判別する技術がある。この技術によれば、森林の樹種を適切に判別して森林現況情報を作成し、作成された森林現況情報を用いて間伐対象区域を適切に選定することができる、とされる。

また、樹種の解析適期を基に複数のバンドデータブロックを取得し、各バンドデータブロックの輝度値に対して上下限値を設定した各樹種の対象抽出マップを生成して各樹種のＮＤＶＩをマスク処理し、樹種分布を抽出する技術がある。この技術によれば、調査対象地域のバンドデータの季節変化を利用して、森林簿に沿って区分された調査対象樹種を抽出し、かつ、広域的な植生図の作成を行うための衛星データによる森林地域の植生分類方法を提供することができる、とされる。

さらに、上空から撮影された森林の画像データの輝度値を峰と谷で平坦化し、平坦化した画像データの輝度値の空間変化に対して領域分割して樹冠形状及びそのテクスチャ特徴量を求め、既知の樹冠のテクスチャ特徴量をもとに樹種を判定する技術がある。この技術によれば、森林の高分解能の衛星写真画像から樹冠形状を検出することがき、その樹冠の樹種を正確に判定することができる、とされる。

特開２０１０−８６２７６号公報 特開２００６−８５５１７号公報 特開２００６−２８５３１０号公報

しかし、近年では航空機などを用いた広範囲な領域のスペクトルデータの取得が可能となったことにより、森林だけではなく、耕作中の農耕地や雑木、人工物などに関するスペクトルデータも同時に計測される場合がある。このようなスペクトルデータに対して、上述した技術に示されるように閾値や上下限値などに基づいて植物の種別を判別する場合、閾値などの設定によっては、耕作中の農地や雑木、人工物なども植物と誤認識される場合がある。或いは、閾値などの設定によっては、耕作中の農地や雑木、人工物などのスペクトルデータを削除することができても植物の認識率そのものが低下する場合がある。その結果、上述した技術では植物の種類の判別精度が低下する場合がある。

そこで、一開示は、植物の種類の判別精度を向上させるようにした情報処理装置、情報処理方法、及びプログラムを提供することにある。

一開示は、情報処理装置において、スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成する作成部と、前記第２のスペクトルデータに基づいて植物の種類を判別する照合部を備える。

一開示によれば、植物の種類の判別精度を向上させるようにした情報処理装置、情報処理方法、及びプログラムを提供することができる。

図１は情報処理装置の構成例を表す図である。 図２はスペクトル画像の例を表す図である。 図３はスペクトルデータの分布例を表す図である。 図４は削除後のスペクトル画像の例を表す図である。 図５は情報処理装置の構成例を表す図である。 図６は動作例を表すフローチャートである。 図７は情報処理装置のハードウェア構成例を表す図である。

以下、本実施の形態について図面を参照して詳細に説明する。本明細書における課題及び実施例は一例であり、本願の権利範囲を限定するものではない。特に、記載の表現が異なっていたとしても技術的に同等であれば、異なる表現であっても本願の技術を適用可能であり、権利範囲を限定するものではない。

［第１の実施の形態］
第１の実施の形態について説明する。図１は第１の実施の形態における情報処理装置１００の構成例を表す図である。情報処理装置１００は、例えば、スペクトル画像に含まれる植物の種類を判別する装置である。このようなことから、情報処理装置１００は、例えば、植物種判別装置又は植生図作成装置などと称される場合がある。

情報処置装置１００は、作成部１１４と照合部１１５を備える。作成部１１４には第１のスペクトルデータが入力される。スペクトル強度を含む第１のスペクトルデータの測定波長範囲は可視光領域と赤外光領域である。可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値をｘ、判別母集団の赤外光に対する分光反射率の一定の範囲におけるスペクトル強度の第２の中央値をｙとする。係数をａとし、第１の中央値ｘと第２の中央値ｙとの関係はｙ＝ａｘの関係を有している。作成部１１４は、第１のスペクトルデータから、ｙ＝ａｘ以下のスペクトルデータを除外し、さらに、第１のスペクトルデータから第２の中央値ｙの最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成する。例えば、図１に示すように、作成部１１４は領域Ｚに含まれる第２のスペクトルデータを作成する。

照合部１１５は、第２のスペクトルデータに基づいて植物の種別を判別する。

発明者は情報処理装置１００の判別結果に基づいて現地に赴いて踏査を行った。踏査結果の詳細については第２の実施の形態で説明するが、情報処理装置１００の植物の種別の判別結果は十分な判別精度を有するものとなった。従って、情報処理装置１００は、上記のような処理を行うことなく第１のスペクトルデータに基づいて植物の種別を判別する場合と比較して、判別精度の向上させることができる。

［第２の実施の形態］
次に第２の実施の形態について説明する。図２はスペクトル画像の例を表す図である。上述したように、ハイパースペクトルセンサやマルチバンドセンサにより得られたスペクトルデータは、マルチスペクトルセンサにより得られたスペクトルデータよりも多くの情報を含んでいる。ハイパースペクトルセンサやマルチバンドセンサにより得られるスペクトルデータは、画素ごとに波長情報と光強度情報を含むスペクトルデータを含んでいる。すなわち、当該スペクトルデータは、画像としての２次元要素に、スペクトルデータとしての要素を併せ持つ３次元構成のデータとなっている。

一方、反射スペクトルは植物の種類（以下、「植種」）により特徴がある。そのため、ハイパースペクトルセンサやマルチバンドセンサにより得られるスペクトルデータが用いられることで、植種の判別が可能となる。

図３はスペクトルデータの分布例を表す図である。例えば、図３は図２に示すスペクトル画像に含まれるスペクトルデータに対する分布例を表している。図３において、横軸は可視光に対する分光反射率の一定範囲におけるスペクトル強度の中央値、縦軸は赤外光に対する分光反射率の一定範囲におけるスペクトル強度の中央値を表している。

例えば、可視光に対する分光反射率の一定範囲としては５００〜５８０ｎｍ、赤外光に対する分光反射率の一定範囲としては９００〜９８０ｎｍとする。上述したように、スペクトル画像の各画素にはスペクトルデータとして波長情報とスペクトル強度（又は光強度）が含まれる。スペクトル画像の第１の画素について５００〜５８０ｎｍの範囲内においては複数のスペクトル強度（例えば、４９５０〜５０５０）が含まれる。また、第１の画素について、９００〜９８０ｎｍの範囲内においても複数のスペクトル強度（例えば、９９９０〜１００１０）が含まれる。第１の画素の５００〜５８０ｎｍの複数のスペクトル強度（４９５０〜５０５０）のうち、その中央値となるスペクトル強度（５０００）が図３の横軸となる。第１の画素の９００〜９８０ｎｍの複数のスペクトル強度（９９９０〜１００１０）のうち、その中央値となるスペクトル強度（１００００）が図３の縦軸となる。そして、図３においてその交点（例えば、横軸が５０００、縦軸が１００００）が第１の画素のプロット点となる。

可視光の分光反射率が一定範囲のスペクトル強度の中央値（以下、「可視光の一定範囲における中央値」と称する場合がある）をｘと、判別母集団の赤外光の分光反射率が一定範囲のスペクトル強度の中央値（以下、「判別母集団における赤外光の一定範囲における中央値」と称する場合がある）をｙとすると、その２つの関係はｙ＝ａｘとなる。

この場合、取得したスペクトルデータのうちｙ＝ａｘ（ａは係数であって、例えば、整数や小数）以下のスペクトルデータ（図３の一点鎖線で示される領域Ｌに含まれるスペクトルデータ）は、例えば、判別対象領域に存在する人工物のスペクトルデータとなっている。さらに、判別母集団の赤外光の分光反射率が一定範囲のスペクトル強度の中央値の最大値以上のスペクトルデータ（図３の点線で示される領域Ｍに含まれるスペクトルデータ）は、例えば、耕作中の農地や雑木のスペクトルデータとなっている。これらは、後述の実施例で説明するように、発明者自らが現地に赴いて踏査により確認した。

本第２の実施の形態では、取得したスペクトルデータ（例えば第１のスペクトルデータ）から、ｙ＝ａｘ以下のスペクトルデータが除去され、さらに、判別母集団における赤外光の一定範囲における中央値の最大値（以下、「母集団最大値」と称する場合がある）以上のスペクトルデータが除去される。そして、除去後に残ったスペクトルデータ（例えば第２のスペクトルデータ）（図３の領域Ｌと領域Ｍ以外の領域に含まれるスペクトルデータ）を用いて植種が判別される。これにより、判別対象のスペクトルデータ（例えば第２のスペクトルデータ）には、耕作中の農地や雑木、人工物などの非判別対象のスペクトルデータが含まれずに植物のスペクトルデータが含まれることになる。従って、本第２の実施の形態では、耕作中の農地や雑木、人工物などの非判別対象のスペクトルデータが除去されたスペクトルデータを用いて植種の判別が行われるため、植物のスペクトルデータが効率よく抽出され、植種の判別精度を向上させることができる。

図５は本第２の実施の形態における情報処理装置１００の構成例を表す図である。情報処理装置１００は、例えば、航空機や人工衛星で撮影されたスペクトル画像に含まれるスペクトルデータを入力し、入力されたスペクトルデータに対して処理を行うことで、スペクトル画像に含まれる植種を判別する。情報処理装置１００は、判別した種類の植物に関するデータ（以下、「植生データ」と称する場合がある）を出力する。このように情報処理装置１００は、植物の種類を判別して植生データを出力することから、植物種類判別装置又は植生図作成装置と称される場合がある。

情報処理装置１００は制御部１１０と記憶部１２０を備える。また、制御部１１０は、受付部１１１、抽出部１１２、算出部１１３、作成部１１４、及び照合部１１５を含む。さらに、記憶部１２０は記憶装置１２１を含む。

受付部１１１は、スペクトルデータを受け付ける。受付部１１１は、例えば、航空機や人工衛星などに搭載されたハイパースペクトルセンサやマルチバンドセンサから出力されたスペクトルデータを受け付ける。受付部１１１は、受け付けたスペクトルデータを抽出部１１２と記憶装置１２１へ出力する。

抽出部１１２は、スペクトルデータに含まれる波長情報とスペクトル強度を抽出する。抽出部１１２は、抽出した波長情報とスペクトル強度、及びスペクトルデータを算出部１１３へ出力する。抽出部１１２は抽出した波長情報とスペクトル強度を記憶装置１２１へ出力してもよい。

算出部１１３は、波長情報とスペクトル強度に基づいて、可視光の一定範囲における中央値を算出する。また、算出部１１３は、判別母集団を設定し、判別母集団における赤外光の一定範囲における中央値を算出する。さらに、算出部１１３は、ｙ＝ａｘの係数ａを設定し、判別母集団における赤外光分光の一定範囲の中央値の最大値（以下、「母集団最大値」と称する場合がある）を設定する。

算出部１１３は、例えば、以下のようにして中央値を算出する。すなわち、一定範囲が５００〜５８０ｎｍとしたとき、５００ｎｍのスペクトル強度（例えば４９５０）と、５８０ｎｍのスペクトル強度（例えば５０５０）に基づいて中央値（例えば５０００）を算出する。

このように算出部１１３は、一定範囲における最小波長のスペクトル強度と最大波長のスペクトル強度に基づいて中央値を算出すればよい。また、係数ａは記憶装置１２１に記憶されており、算出部１１３が記憶装置１２１から係数ａを読み出すことで設定されてもよい。判別母集団最大値についても、例えば、判別対象となる判別母集団ごとに判別母集団最大値が記憶装置１２に記憶されており、算出部１１３が記憶装置１２１から最大値を読み出すことで設定されてもよい。算出部１１３は算出した中央値、係数ａ、及び母集団最大値を作成部１１４へ出力する。また、算出部１１３は抽出部１１２から受け取ったスペクトルデータを作成部１１４へ出力する。算出部１１３は、算出した中央値、係数ａ、及び母集団最大値を記憶装置１２１へ出力してもよい。

作成部１１４は、中央値、係数ａ、及び母集団最大値に基づいて、スペクトルデータ（例えば第１のスペクトルデータ）からｙ＝ａｘ以下のスペクトルデータを除去し、さらに、スペクトルデータから判別母集団最大値以上のスペクトルデータを除去する。作成部１１４は除去後に残ったスペクトルデータ（例えば第２のスペクトルデータ）を作成する。作成部１１４は、作成したスペクトルデータを照合部１１５へ出力する。作成部１１４は作成したスペクトルデータを記憶装置１２１へ出力してもよい。

照合部１１５は、作成部１１４で作成されたスペクトルデータに基づいて植種を判別し、判別した植種の植生データを出力する。照合部１１５は、例えば、以下の処理を行う。すなわち、照合部１１５は、判別したい植種の基準スペクトルデータと作成部１１４で作成されたスペクトルデータとを照合し、スペクトラルアングルマッパー（Spectrum Angle Mapper）やコサイン距離解析法などの公知の方法により類似度を求める。そして、照合部１１５は、当該類似度が閾値を超える画素を抽出し、画素内の植種が当該基準スペクトルの植種であること判定し、抽出した画素のスペクトルデータを植生データとして出力する。照合部１１５は作成した植生データを記憶装置１２１に記憶してもよい。

記憶装置１２１は、例えば、磁気ディスクや光磁気ディスクなどのディスク装置や、半導体メモリなどのメモリであって、スペクトルデータや、中央値、係数ａ、判別母集団最大値、植生データなどを記憶する。

図６は情報処理装置１００において行われる動作例を示すフローチャートである。情報処理装置１００は、処理を開始するか否かを判定する（Ｓ１０，Ｓ１１）。例えば、制御部１１０は、スペクトルデータを受付部１１１において受け付けたか否かにより判定してもよい。

情報処理装置１００は、処理を開始しないと判定すると処理を開始するまで待つ（Ｓ１１でＮＯ）。一方、情報処理装置１００は、処理を開始すると（Ｓ１１でＹＥＳ）、可視光の一定範囲の中央値を算出する（Ｓ１２）。例えば、制御部１１０は受付部１１１においてスペクトル画像のスペクトルデータを受け付けると、抽出部１１２においてスペクトルデータから可視光のスペクトル強度を抽出し、算出部１１３において可視光の一定範囲における中央値を算出する。例えば、この場合の一定範囲としては可視光の範囲内であればどのような範囲でもよく、例えば、５００〜５８０ｎｍや５２０ｎｍ〜６２０ｎｍなどとしてもよい。

次に、情報処理装置１００は、判別母集団を設定する（Ｓ１３）。判別母集団としては、例えば、植種に関する「ひのき」や「杉」などの母集団でもよい。或いは、判別母集団としては、地域や時間、季節、天候などの母集団でもよい。これらを組み合わせたものを判別母集団としてもよい。例えば、以下のような操作が行われる。すなわち、情報処理装置１００を操作する操作者がキーボードを操作したり、液晶画面上をタッチ操作したりすることで、制御部１１０の受付部１１１は判別母集団の情報を受け付け、受け付けた判別母集団の情報を記憶装置１２１へ記憶する。そして、算出部１１３は記憶装置１２１から判別母集団の情報を読み出することで、本処理（Ｓ１３）が行われる。

次に、情報処理装置１００は、判別母集団における赤外光の一定範囲における中央値を算出する（Ｓ１４）。例えば、以下の処理が行われる。すなわち、算出部１１３は、記憶装置１２１から判別母集団の情報を読み出して、抽出部１１２で抽出された赤外光の一定範囲におけるスペクトル強度のうち、判別母集団に対応するスペクトル強度を抽出する。このような抽出は、例えば、算出１１３は受付部１１１で受け付けたスペクトルデータに対して閾値に基づいて行われても良いし、上述した基準スペクトルデータとの照合により類似度を求めて当該類似度が閾値以上のスペクトルデータを抽出するようにしてもよい。そして、算出部１１３は、抽出した判別母集団におけるスペクトル強度の中央値を算出し、算出した中央値を、判別母集団における赤外光の一定範囲における中央値として作成部１１４へ出力する。一定範囲については、例えば、９００〜９８０ｎｍでもよいし、赤外光の波長範囲であればどのような範囲でもよい。

次に、情報処理装置１００は、係数ａと母集団最大値を算出する（Ｓ１５）。例えば、算出部１１３は、記憶装置１２１に記憶された係数ａと母集団最大値を読み出すことで本処理（Ｓ１５）を行っても良い。このような係数ａと母集団最大値は、例えば、操作者による情報処理装置１００の操作によって受付部１１１を介して記憶装置１２１に記憶されてもよい。

次に、情報処理装置１００は、ｙ＝ａｘ以下のスペクトルデータと、母集団最大値以上のスペクトルデータとを削除する（Ｓ１６）。例えば、作成部１１４は、スペクトルデータに対して、ｙ＝ａｘ以下のスペクトルデータを除去し、さらに、判別母集団最大値以上のスペクトルデータを除去したスペクトルデータを作成する。

次に、情報処理装置１００は、削除結果を出力する（Ｓ１７）。例えば、作成部１１４は、作成したスペクトルデータを照合部１１５へ出力する。

そして、情報処理装置１００は一連の処理を終了する（Ｓ１８）。この後、情報処理装置１００の照合部１１５では、作成部１１４で作成されたスペクトルデータに基づいて植種を判別し、植生データを出力する。

情報処理装置１００は、以上の処理を行うことで、植物の種類の判別精度を向上させることができる。

［実施例１］
ハイパースペクトルカメラ（ＨＳＣ−１７０１、エコジャパン株式会社製）を用いて、植物が混在する画像を撮影した。発明者は、判別領域毎の画素が有するＧＩＳ情報に基づいて削除領域に隣接した地点で踏査を行い、削除されたものが人工物か否か、当該箇所に含まれる削除領域の隣接点（以下では、「隣接削除点」と称する場合がある）が植物か否かを確認した。

情報処理装置１００においては、判別対象地域のスペクトルデータを取得し、全スペクトルデータから可視光領域に分光反射率である５００〜５８０ｎｍの中央値ｘを算出し、判別母集団の赤外光領域の分光反射率である９００〜９８０ｎｍの中央値ｙを算出する。また、情報処理装置１００においては、係数ａを１．０５とし、全スペクトルデータに対して、ｙ＝ａｘ以下のスペクトルデータと、さらに、判別母集団における赤外光分光反射率の９００〜９８０ｎｍの中央値の最大値以上のスペクトルデータとを削除した。

発明者は、削除したスペクトル画像が有するＧＩＳ情報から削除対象領域と近接箇所とを含む３０箇所を実際に踏査した。図４は削除後のスペクトルデータについての画像例を表しており、発明者自ら図４の白丸の箇所において踏査を行った。その結果、３０箇所は全体として見ると全て耕作中の農地や雑木、人工物であったが、３０箇所のうち２箇所は詳細に見ると植物が含まれることが確認された。また、３０箇所の各々に含まれる隣接削除点は全て植物であることが確認された。

この結果、情報処理装置１００において行った植種の判別精度は十分な精度を有していると言える。

［実施例２］
次に、係数ａを１．０９に変更した。それ以外は実施例１と同様にして情報処理装置１００において処理を行った。その結果に対して、発明者は実施例１と同様に３０箇所について実際に踏査した。

その結果、３０箇所は全体として見ると全て耕作中の農地、雑木、人工物であったが、３０箇所のうち５箇所は詳細に見ると植物であり、３０箇所の各々に含まれる隣接削除点のうち７箇所は人工物であることが確認できた。また、３０箇所の各々に含まれる削除隣接点は全て植物であった。

３０箇所のうち詳細に見ると５箇所は実際には植物であったが、植種を判別するには十分許容できるものであり、判別精度としては十分な精度を有していると言える。

［実施例３］
次に、係数ａを１．０１に変更した。それ以外は実施例１と同様にして情報処理装置１００において処理を行った。その結果に対して、発明者は実施例１と同様に３０箇所を実際に踏査した。

その結果、３０箇所の各々は全体として見ると全て耕作中の農地、雑木、人工物であり、３０箇所を詳細に見ると全て人工物であったが、３０箇所の各々に含まれる隣接削除点のうち７箇所は人工物であることが確認できた。

３０箇所のうち７箇所の隣接削除点が植物ではなく人工物であったものの、この場合も植種を判別するには十分許容できるものであり、判別精度としては十分な精度を有していると言える。

［比較例１］
次に、係数ａを１．１に変更した。それ以外は実施例１と同様にして情報処理装置１００において処理を行った。その結果に対して、発明者は実施例１と同様に３０箇所を実際に踏査した。

その結果、３０箇所は全体として見ると全て耕作中の農地、雑木、人工物であり、詳細に見るとそのうち１７箇所には植物が含まれることが確認できた。また、隣接削除点は全て植物であることが確認できた。

［比較例２］
次に、係数ａを１．０に変更した。それ以外は実施例１と同様にして情報処理装置１００において処理を行った。その結果に対して、発明者は実施例１と同様に３０箇所を実際に踏査した。

その結果、３０箇所は全体として見ると全て耕作中の農地、雑木、人工物であり、詳細に見るとそのうち全て人工物であったが、隣接削除点１２箇所が人工物であることが確認できた。

以上の結果から、係数ａとしては、１．０１（実施例３）から１．０９（実施例２）の範囲内において十分な判別精度が得られた。望ましくは、余裕をもって１．０３から１．０７の範囲内を係数ａとしてもよい。

［その他の実施の形態］
次にその他の実施の形態について説明する。図７は情報処理装置１００のハードウェア構成例を表す図である。情報処理装置１００は、ＣＰＵ（Central Processing Unit）１５１、入力装置１５２、モニタ１５３、媒体読み取り装置１５４、インタフェース１５５、通信装置１５６、主記憶装置１５７、及び個体磁気ディスク１５８を備える。ＣＰＵ１５１、入力装置１５２、モニタ１５３、媒体読み取り装置１５４、インタフェース１５５、通信装置１５６、主記憶装置１５７、及び個体磁気ディスク１５８は通信バスを介して互いに接続される。

ＣＰＵ１５１は、主記憶装置１５７に記憶されたプログラムを読み出して実行することで、制御部１１０に含まれる受付部１１１、抽出部１１２、算出部１１３、作成部１１４、及び照合部１１５の機能を実行する。ＣＰＵ１５１は、例えば、第２の実施の形態における制御部１１０、或いは受付部１１１、抽出部１１２、算出部１１３、作成部１１４、及び照合部１１５に対応する。

入力装置１５２は、例えば、キーボードやモニタ画面上のタッチ操作機能である。入力装置１５２を介して、係数ａや判別母集団、最大値などが情報処理装置１００に入力される。

モニタ１５３は、例えば、ＣＰＵ１５１の制御によって個体磁気ディスク１５８に記憶されたデータなどを表示する。

媒体読み取り装置１５４は、ＣＰＵ１５１の制御によって、個体磁気ディスク１５８に記憶されたスペクトルデータなどを読み出してＣＰＵ１５１へ出力する。

インタフェース１５５は、例えば、イヤホンやマイクなどの外部装置と情報処理装置１００とを接続する。

通信装置１５６は、スペクトルデータを入力してＣＰＵ１５１へ出力し、ＣＰＵ１５１から出力された植生データを外部へ出力する。

なお、ＣＰＵ１５１に代えて、ＭＰＵ（Micro Processing Unit）やＦＰＧＡ（Field Programmable Gate Array）などのコントローラであってもよい。

上述した第２の実施の形態において、可視光の分光反射率が一定範囲におけるスペクトル強度の中央値や、判別母集団における赤外光の分光反射率が一定範囲におけるスペクトル強度の中央値について説明した。これらのスペクトル強度については中央値に代えて平均値としてもよい。ただし、平均値とした場合、一定範囲内において他のスペクトル強度とは大きく異なるスペクトル強度が含まれる場合、当該範囲内における平均値もそのようなスペクトル強度が含まれない場合と比較して大きく異なるものとなる。他方、中央値の場合は、例えば、一定範囲の最小分光反射率のスペクトル強度と最大分光反射率のスペクトル強度の中央値が取られているため、その範囲内に含まれる他のスペクトル強度に影響されにくい。従って、平均値よりも中央値の方が安定したスペクトル強度の値が得られ、判別精度も向上される可能性が高い。

また、上述した第２の実施の形態において、可視光の一定範囲の例として、５００〜５８０ｎｍや５２０〜６２０ｎｍの例、判別母集団における赤外光の一定範囲の例として、９００〜９８０ｎｍの例について説明した。可視光の一定範囲の例はそれ以外でもよく、一般的に可視光の波長の範囲内であればどのような範囲でもよい。また、赤外光の一定範囲も、赤外光、とくに近赤外光と呼ばれる波長の範囲内であればどのような範囲でもよい。

なお、第２の実施の形態においては、例えば、４００〜１４００ｎｍの測定波長が用いられた場合の例について説明した。測定波長としては、例えば、それ以外でもよく、可視光の波長と赤外光の波長が測定波長に含まれていればよい。

さらに、上述した第２の実施の形態において、情報処理装置１００の制御部１１０は判別母集団における赤外光の分光反射率の中央値を算出するものとして説明した（例えば図６のＳ１４）。例えば、制御部１１０は、全集団の赤外光の分光反射率の中央値を算出するようにしてもよい。図３においてはスペクトル画像に含まれる全集団の赤外光の分光反射率の中央値がプロットされており、判別母集団における赤外光の分光反射率の中央値はその中に含まれている。

以上まとめると付記のようになる。

（付記１）
スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成する作成部と、
前記第２のスペクトルデータに基づいて植物の種類を判別する照合部
を備えることを特徴とする情報処理装置。

（付記２）
前記係数ａは、１．０１〜１．０９であることを特徴とする付記１記載の情報処理装置。

（付記３）
前記係数ａは、１．０３〜１．０７であることを特徴とする付記１記載の情報処理装置。

（付記４）
前記第１の中央値を算出する可視光の前記一定範囲は５００〜５８０ｎｍ、前記第２の中央値を算出する赤外光の前記一定範囲は９００〜９８０ｎｍであることを特徴とする付記１記載の情報処理装置。

（付記５）
前記測定波長範囲は、４００〜１４００ｎｍであることを特徴とする付記１記載の情報処理装置。

（付記６）
前記第１の中央値に代えて、可視光に対する分光反射率の一定範囲におけるスペクトル強度の平均値とし、前記第２の中央値に代えて、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の平均値とすることを特徴とする付記１記載の情報処理装置。

（付記７）
前記一定範囲は波長の範囲であることを特徴とする付記１記載の情報処理装置。

（付記８）
作成部と照合部を有する情報処理装置における情報処理方法であって、
スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記作成部により、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成し、
前記照合部により、前記第２のスペクトルデータに基づいて植物の種類を判別する、
ことを特徴とする情報処理方法。

（付記９）
情報処理装置のコンピュータに実行させるプログラムであって、
スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成し、
前記第２のスペクトルデータに基づいて植物の種類を判別する
処理を前記コンピュータに実行させるプログラム。

（付記１０）
スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成し、前記第２のスペクトルデータに基づいて植物の種類を判別するコントローラ
を備えることを特徴とする情報処理装置。

１００：情報処理装置 １１０：制御部
１１１：受付部 １１２：抽出部
１１３：算出部 １１４：作成部
１１５：照合部 １２０：記憶部
１２１：記憶装置 １５１：ＣＰＵ

Claims (7)

1. スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成する作成部と、
   前記第２のスペクトルデータに基づいて植物の種類を判別する照合部
   を備えることを特徴とする情報処理装置。
2. 前記係数ａは、１．０１〜１．０９であることを特徴とする請求項１記載の情報処理装置。
3. 前記係数ａは、１．０３〜１．０７であることを特徴とする請求項１記載の情報処理装置。
4. 前記第１の中央値を算出する可視光の前記一定範囲は５００〜５８０ｎｍ、前記第２の中央値を算出する赤外光の前記一定範囲は９００〜９８０ｎｍであることを特徴とする請求項１記載の情報処理装置。
5. 前記測定波長範囲は、４００〜１４００ｎｍであることを特徴とする請求項１記載の情報処理装置。
6. 作成部と照合部を有する情報処理装置における情報処理方法であって、
   スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記作成部により、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成し、
   前記照合部により、前記第２のスペクトルデータに基づいて植物の種類を判別する、
   ことを特徴とする情報処理方法。
7. 情報処理装置のコンピュータに実行させるプログラムであって、
   スペクトル強度を含む第１のスペクトルデータの測定波長範囲が可視光領域と赤外光領域であり、可視光に対する分光反射率の一定範囲におけるスペクトル強度の第１の中央値と、判別母集団の赤外光に対する分光反射率の一定範囲におけるスペクトル強度の第２の中央値は、前記第１の中央値をｘ、前記第２の中央値をｙ、係数をａとしたとき、ｙ＝ａｘの関係を有しており、前記第１のスペクトルデータからｙ＝ａｘ以下のスペクトルデータを除外し、さらに、前記第１のスペクトルデータから前記第２の中央値の最大値以上のスペクトルデータを除外した第２のスペクトルデータを作成し、
   前記第２のスペクトルデータに基づいて植物の種類を判別する
   処理を前記コンピュータに実行させるプログラム。