JP6882874B6 - 地目変化判読支援装置、地目変化判読支援方法、及びプログラム - Google Patents

地目変化判読支援装置、地目変化判読支援方法、及びプログラム Download PDF

Info

Publication number
JP6882874B6
JP6882874B6 JP2016207124A JP2016207124A JP6882874B6 JP 6882874 B6 JP6882874 B6 JP 6882874B6 JP 2016207124 A JP2016207124 A JP 2016207124A JP 2016207124 A JP2016207124 A JP 2016207124A JP 6882874 B6 JP6882874 B6 JP 6882874B6
Authority
JP
Japan
Prior art keywords
image
change
information
feature information
ground
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
Application number
JP2016207124A
Other languages
English (en)
Other versions
JP2018066943A (ja
JP6882874B2 (ja
Inventor
林 朱
林 朱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pasco Corp
Original Assignee
Pasco Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pasco Corp filed Critical Pasco Corp
Priority to JP2016207124A priority Critical patent/JP6882874B6/ja
Publication of JP2018066943A publication Critical patent/JP2018066943A/ja
Publication of JP6882874B2 publication Critical patent/JP6882874B2/ja
Application granted granted Critical
Publication of JP6882874B6 publication Critical patent/JP6882874B6/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Instructional Devices (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Description

本発明は、地目の変化を判読する作業を支援する地目変化判読支援装置、地目変化判読支援方法、及びプログラムに関する。
地目は土地の用途による区分である。不動産登記法上、地目として、田、畑、宅地、学校用地、鉄道用地、塩田、鉱泉地、池沼、山林、牧場、原野、墓地、境内地、運河用地、水道用地、用悪水路、ため池、堤、井溝、保安林、公衆用道路、公園及び雑種地の２３種類が定められている。地目は地方公共団体における固定資産税の算定に用いられ、適正な課税のためには地目変更箇所の把握が必要である。従来、地目変更箇所の把握は、過去の地目現況図等と新たに撮影された航空写真とを利用した人間の目視判読により行われている。
特開２００４−３５５１７６号公報
しかしながら、広範囲にわたる当該目視判読は膨大な労力・時間を要するという問題があった。
そこで、２時期の航空写真等の画像情報を利用し、土地被覆/土地利用の変化を自動的に検出することが研究されている。しかし、異なる時期に撮影された航空写真は基本的に撮影条件が相違し、これに起因して例えば、画像の色合い、コントラスト、陰影等に相違が生じる。自動判読では、２時期間でのこれらの要因による画像の変化の中から、地目に応じた画像の変化を精度良く弁別することが課題となっている。
本発明は上記問題、課題を解決しようとするものであり、２時期の航空写真等の画像情報に基づく地目変化の検出精度を向上させ、その検出結果を作業者が利用して効率的な地目判読を行うことを可能とする地目変化判読支援装置、地目変化判読支援方法、及びプログラムを提供することを目的とする。
（１）本発明に係る地目変化判読支援装置は、地目変化を検出する対象地域を複数の区画に分割する区画設定部と、前記対象地域を上空から撮影した画像における画像特徴情報を抽出する特徴情報抽出部と、互いに異なる時期に撮影した第１の前記画像と第２の前記画像との間での前記区画における前記画像特徴情報の変化に基づいて、前記複数区画のうち前記地目変化に関する候補区画を抽出する候補区画抽出部と、を備え、前記区画設定部は、前記第１の画像及び前記第２の画像から、各画素での画像情報が当該画素に対応する地点についての当該両画像の画像情報の組からなる複合画像を定義し、当該複合画像の１又は複数種類の区画用特徴量の類似性に基づいて前記対象地域を前記複数区画に分割する。
（２）上記（１）の地目変化判読支援装置において、前記候補区画抽出部は、画素ごとに抽出された前記画像特徴情報について前記第１及び第２の画像間での変化が予め定めた閾値以上である画素を変化画素とし、前記候補区画の抽出に際して、前記区画における前記変化画素の割合が予め定めた基準値以上であることを条件とすることができる。
（３）上記（１），（２）の地目変化判読支援装置において、前記画像特徴情報が、スペクトル情報、テクスチャ情報及び色相情報を含む構成とすることができる。
（４）本発明に係る地目変化判読支援方法は、地目変化を検出する対象地域を複数の区画に分割する区画設定ステップと、前記対象地域を上空から撮影した画像における画像特徴情報を抽出する特徴情報抽出ステップと、互いに異なる時期に撮影した第１の前記画像と第２の前記画像との間での前記区画における前記画像特徴情報の変化に基づいて、前記複数区画のうち前記地目変化に関する候補区画を抽出する候補区画抽出ステップと、を備え、前記区画設定ステップは、前記第１の画像及び前記第２の画像から、各画素での画像情報が当該画素に対応する地点についての当該両画像の画像情報の組からなる複合画像を定義し、当該複合画像の１又は複数種類の区画用特徴量の類似性に基づいて前記対象地域を前記複数区画に分割する。
（５）本発明に係るプログラムは、コンピュータを、地目変化判読支援装置として機能させるためのプログラムであって、当該コンピュータを、地目変化を検出する対象地域を複数の区画に分割する区画設定手段、前記対象地域を上空から撮影した画像における画像特徴情報を抽出する特徴情報抽出手段、及び、互いに異なる時期に撮影した第１の前記画像と第２の前記画像との間での前記区画における前記画像特徴情報の変化に基づいて、前記複数区画のうち前記地目変化に関する候補区画を抽出する候補区画抽出手段、として機能させ、前記区画設定手段は、前記第１の画像及び前記第２の画像から、各画素での画像情報が当該画素に対応する地点についての当該両画像の画像情報の組からなる複合画像を定義し、当該複合画像の１又は複数種類の区画用特徴量の類似性に基づいて前記対象地域を前記複数区画に分割する。
本発明によれば、２時期の航空写真等の画像情報に基づく地目変化の検出精度が向上し、作業者による地目判読作業の効率が向上する。
本発明の実施形態に係る地目変化判読支援装置の概略のブロック図である。 本発明の実施形態に係る地目変化判読支援装置における地目変化候補区画の抽出の概略の処理フロー図である。
以下、本発明の実施の形態（以下実施形態という）について、図面に基づいて説明する。
図１は実施形態に係る地目変化判読支援装置２の概略のブロック図である。地目変化判読支援装置２は、航空写真など対象地域を上空から撮影した空中撮影画像に基づいて、対象地域における地目が変化した区画の候補を求め、人間による地目判読作業を支援する装置であり、処理部４、記憶部６、表示部８及び操作部１０を含んで構成される。
処理部４は、区画設定部２０、特徴情報抽出部２２及び候補区画抽出部２４を含んで構成される。例えば、地目変化判読支援装置２は、コンピュータを用いて構成することができ、そのＣＰＵが処理部４を構成し、区画設定部２０、特徴情報抽出部２２及び候補区画抽出部２４は当該ＣＰＵにより実行されるプログラムによって実現できる。
記憶部６は、コンピュータに内蔵されるＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)、ハードディスクなどの記憶装置である。記憶部６は、区画設定部２０、特徴情報抽出部２２及び候補区画抽出部２４の処理プログラムを含む各種プログラムや各種データを記憶し、処理部４との間でこれらの情報を入出力する。例えば、記憶部６には、オルソ画像データ３０や地番図データ３２が予め格納される。また、後述する土地の区画設定をオルソ画像データ３０に基づく領域分割処理により行う場合には、当該分割処理に関する条件が予め記憶部６に記憶される。
表示部８は液晶モニタ等の画像表示装置であり、操作部１０はキーボードやマウスなどで構成される。
区画設定部２０は地目変化を検出する対象地域を複数の区画に分割する。例えば、区画設定部２０は地番図データ３２を用いて区画を設定する。また、区画設定部２０は、空中撮影画像を用いた領域分割処理により区画を設定する構成とすることもできる。
特徴情報抽出部２２は、区画設定部２０により設定された各区画について、空中撮影画像から画像特徴情報を抽出する。例えば、特徴情報抽出部２２は画像特徴情報として、スペクトル情報、テクスチャ情報及び色相情報を抽出する。
候補区画抽出部２４は２時期の空中撮影画像にて互いに対応する区画における画像特徴情報の変化に基づいて、対象地域に設定された複数区画のうち地目変化に関する候補区画を抽出する。
オルソ画像データ３０は地目変化判読支援装置２にて処理に用いる高分解能の空中撮影画像であり、航空機等から撮影された原画像に対してオルソ補正を行った画像である。オルソ画像データ３０は例えば、赤（Ｒ）、緑（Ｇ）、青（Ｂ）の３成分からなる３バンドのマルチスペクトル画像、又はこれらに近赤外（ＮＩＲ）を加えた４成分からなる４バンドのマルチスペクトル画像である。
地番図データ３２は土地の筆界を表す地番図のデータである。地番図は地方公共団体等にて整備されており、そのデータを地番図データ３２として用いることができる。
図２は地目変化判読支援装置２における地目変化候補区画の抽出の概略の処理フロー図である。
地目変化判読支援装置２は、２つの時期のオルソ画像データ３０に基づいて、当該２時期の間での地目変化を検出する。ここでは、新旧２時期をＴ１，Ｔ２とし、Ｔ１がＴ２より先の時期であるとする。
処理部４は、時期Ｔ１及び時期Ｔ２それぞれにて撮影されたオルソ画像データ３０の色調整を行い、両時期での撮影条件により生じる色の相違を補正する（ステップＳ５）。この色調整は画像処理の分野にて周知の手法を用いて行われる。例えば、画像のＲＧＢ各成分値のヒストグラムに関する新旧２時期の一方時期における平均値や標準偏差といった統計量を他方時期における当該統計量に近づける補正を行う。
処理部４は、対象地域を領域分割して区画を設定し（ステップＳ１０）、区画ごとに２時期Ｔ１，Ｔ２間での地目の変化の有無を判定する。当該区画を地番図データ３２を用いて設定する場合には、区画設定部２０は当該地番図データ３２に示された筆界を区画に設定する。
一方、ステップＳ１０にてオルソ画像データ３０での領域分割により区画を定める場合には、区画設定部２０は同一の対象地域を撮影した２時期Ｔ１，Ｔ２のオルソ画像データ３０から複合画像を定義する。複合画像の各画素の画素値は、当該画素と同一の地点に対応する新旧２時期のオルソ画像データ３０の画素の画素値の組で与えられる。例えば、オルソ画像データ３０がＲ，Ｇ，Ｂからなる３バンドのマルチスペクトル画像である場合には、複合画像は時期Ｔ１のオルソ画像データ３０の３バンドと時期Ｔ２のオルソ画像データ３０の３バンドとを合わせた６バンドのマルチスペクトル画像を構成する。そして、区画設定部２０は、区画に対する予め定められた条件に基づいて複合画像を領域分割する。例えば、複合画像の１又は複数種類の区画用特徴量の類似性に基づいて対象地域を複数区画に分割する。具体的には、区画用特徴量としてスペクトル特徴量を用いることができ、区画設定部２０は複合画像にて、スペクトル特徴量に関する類似性（スペクトル条件）に適合するひとまとまりの画素群からなる部分領域を区画と定義する。
候補区画抽出部２４は区画ごとに、時期Ｔ１，Ｔ２それぞれのオルソ画像データ３０から抽出される画像特徴情報を比較し、当該２時期間での画像特徴情報の変化に基づいて当該区画での地目変化の有無を判定する（ステップＳ１５）。
特徴情報抽出部２２は候補区画抽出部２４で用いられる画像特徴情報を、ステップＳ５にて色調整された時期Ｔ１，Ｔ２それぞれのオルソ画像データ３０から抽出する。特徴情報抽出部２２は画像特徴情報の１つとしてオルソ画像の色情報を抽出する（ステップＳ２０）。本実施形態では、オルソ画像データ３０の各画素のＲＧＢ値を成分とする色ベクトルが色情報として候補区画抽出部２４に入力される。
また、特徴情報抽出部２２は画像特徴情報となるテクスチャ情報として、オルソ画像に現れるエッジを抽出する（ステップＳ２５）。
さらに、特徴情報抽出部２２は画像特徴情報としてオルソ画像の色相情報を抽出する（ステップＳ３０）。具体的には、特徴情報抽出部２２はＲＧＢの３成分で表されるオルソ画像をＨＳＩ変換し、色相(hue)、彩度(saturation)および明度(intensity)の３成分を算出する。
ステップＳ１５では候補区画抽出部２４は画像特徴情報の変化検出処理として、色情報による変化検出処理Ｓ３５、テクスチャ情報による変化検出処理Ｓ４０、色相情報による変化検出処理Ｓ４５を行い、その結果に基づいて地目変化を判定する。
色情報による変化検出処理Ｓ３５に関しては、例えば、時期Ｔ１と時期Ｔ２との間での色ベクトルの変化の大きさ｜ΔＲＧＢ｜を次式で定義し、候補区画抽出部２４は、区画に含まれる各画素の｜ΔＲＧＢ｜を用いて当該区画における色情報の変化量を求める。なお、次式において、Ｒｎｅｗ，Ｇｎｅｗ，Ｂｎｅｗは時期Ｔ２におけるＲＧＢ値であり、Ｒｏｌｄ，Ｇｏｌｄ，Ｂｏｌｄは時期Ｔ１におけるＲＧＢ値である。
Figure 0006882874
ここで、区画における色情報の変化量を記号“ＤＣ”で表す。候補区画抽出部２４は、或る区画のＤＣが予め定めた基準値γＣ以上であれば、当該区画に関し色情報の変化が検出されたと判定する。ＤＣは様々に定義でき、基準値γＣはＤＣの定義ごとに設定される。
ＤＣの定義の第１の例は、区画内での｜ΔＲＧＢ｜の平均値をＤＣとするものである。具体的にはこの例は、区画内の画素数をｎとし、当該区画の全画素の｜ΔＲＧＢ｜の和をＳΔとして、ＤＣ≡ＳΔ／ｎと表される。
ＤＣの定義の第２の例は、区画に含まれる画素のうち｜ΔＲＧＢ｜が予め定めた閾値γΔ以上である画素を変化画素とし、区画の全画素に占める変化画素の割合ＲＣをＤＣとする。すなわち、ＤＣ≡ＲＣと定義する。
さて、色調整処理Ｓ５をしても、｜ΔＲＧＢ｜にはノイズ等による誤差成分が存在し、γＣやγΔは基本的にはこの誤差成分より大きく設定する必要がある。ここで、地目が変化したことが推察される場合として、家屋の滅失や新築といった家屋の異動が生じた場合があるが、通常、家屋の建築面積は宅地である区画の面積の一部である。区画での平均的な色変化量は、区画内の異動が生じた領域での色変化量より小さくなると期待できる。そのため、ＤＣの第１の定義例でのγＣとＤＣの第２の定義例でのγΔとを同じ値として両定義を比較すると、家屋異動のような区画の一部領域の色が変化する場合に関しては、ＤＣの第２の定義例で検出できる場合であってもＤＣの第１の定義例では検出できないことが起こり得る。よって、この場合には、第２の例のＤＣの定義を用いる方が高い検出精度を得られ好適である。
ＤＣの定義の第３の例は第２の例の変形例である。家屋異動の場合、｜ΔＲＧＢ｜＞γΔである変化画素は主に家屋の位置に集中し、変化画素の位置の分散σ２は区画に含まれる画素が略一様に変化する地目変化に比べて小さくなると考えられる。さらに、家屋の建築面積が小さい、つまりＲＣが小さいほど当該分散は小さくなると考えられる。そこで、例えば、ＤＣ≡ＲＣ／σ２と定義することで、ＤＣの家屋サイズに対する依存性を弱めることができ、また変化画素が区画内に分散している場合のＤＣが低下して家屋異動との弁別を容易とすることができる。よって、一定の基準値γＣを用いて異なるサイズの家屋異動を高精度に検出可能である。
上述の第２，第３の例では家屋異動に関わる地目変化検出に好適なＤＣの定義を示したが、このように地目変化の態様によって好適なＤＣの定義が存在し得る。よって、複数種類のＤＣの定義を地目変化の態様に応じて使い分けることもできる。また、複数種類のＤＣを組み合わせて区画における色情報の変化の有無を判定してもよい。
テクスチャ情報による変化検出処理Ｓ４０は、区画におけるテクスチャ情報の変化量ＤＴを求め、ＤＴが予め定めた基準値γＴ以上であれば、テクスチャ情報に関し変化が検出されたと判定する。ＤＴは様々に定義でき、基準値γＴはＤＴの定義ごとに設定される。
本実施形態のステップＳ４０では、オルソ画像からステップＳ２５にて抽出されるエッジの各区画における密度を時期Ｔ１，Ｔ２間で比較する。具体的には、区画に含まれる画素のうちエッジを構成する画素をエッジ画素として、候補区画抽出部２４は区画内の全画素に対するエッジ画素の割合を時期Ｔ１，Ｔ２それぞれについて算出する。そして、当該２時期間でのエッジ画素の割合の変化の大きさを基準値γＴと比較して、テクスチャ情報に関する変化の有無を判定する。
ＤＴの定義に用いるテクスチャ情報は上述のエッジ密度以外のものであってもよく、例えば、画像のテクスチャ解析にて周知の特徴量を用いることができる。例えば、画素値の分散や、画素値のヒストグラムから抽出される統計量を用いることができるし、グレーレベル同時生起行列 (Gray-Level Co-Occurrence Matrix：ＧＬＣＭ)を用いて得られる特徴量を用いることもできる。
候補区画抽出部２４は、上述したＤＣの定義と同様、複数種類のＤＴの定義を地目変化の態様に応じて使い分けることもできるし、複数種類のＤＴを組み合わせて区画におけるテクスチャ情報の変化の有無を判定してもよい。
色相情報による変化検出処理Ｓ４５は、区画における色相情報の変化量ＤＨを求め、ＤＨが予め定めた基準値γＨ以上であれば、色相情報に関し変化が検出されたと判定する。ＤＨは様々に定義でき、基準値γＨはＤＨの定義ごとに設定される。
ＤＨの定義の第１の例は、ステップＳ３０にて生成される色相値Ｈの時期Ｔ１と時期Ｔ２との差の絶対値｜ΔＨ｜の区画内での平均値をＤＨとするものである。具体的にはこの例は、区画内の画素数をｎとし、当該区画の全画素の｜ΔＨ｜の和をＳＨとして、ＤＨ≡ＳＨ／ｎと表される。
ＤＨの定義の第２の例は、区画に含まれる画素のうち｜ΔＨ｜が予め定めた閾値γＰ以上である画素を変化画素とし、区画の全画素に占める変化画素の割合ＲＨをＤＨとする。すなわち、ＤＨ≡ＲＨと定義する。この定義のＤＨは上述した色情報に関する第２定義例のＤＣと同様に、家屋異動のような区画の一部領域の色が変化する場合に関して、第１の定義例のＤＨより好適である。
また、ＤＨ≡ＲＨ／σ２という定義を用いることで、上述したＤＣの定義の第３の例と同様に一定の基準値γＨを用いて異なるサイズの家屋異動の高精度な検出が期待できる。
候補区画抽出部２４は、ＤＣやＤＴの定義と同様、複数種類のＤＨの定義を地目変化の態様に応じて使い分けることもできるし、複数種類のＤＨを組み合わせて区画における色相情報の変化の有無を判定してもよい。
以上述べたように、候補区画抽出部２４は、ステップＳ１５にて、色情報による変化検出処理Ｓ３５、テクスチャ情報による変化検出処理Ｓ４０、色相情報による変化検出処理Ｓ４５を行い、色、テクスチャ、色相のいずれかが変化した区画を地目が変化した候補区画として、候補区画データ４０を生成する。
候補区画抽出部２４は、ステップＳ１５での検出結果に対し、モルフォロジカル処理によるフィルタリングを行う構成とすることができる（ステップＳ５０）。ステップＳ１０にてオルソ画像データ３０での領域分割により区画を定めた場合には、微小なノイズ領域や微小な隙間・孔が生じた領域など、地目の単位領域として面積、形状が不適切な区画が発生し得る。ステップＳ５０でのフィルタリング処理により当該不適切な区画の除去が図られる。
処理部４は候補区画データ４０を用いて、表示部８に表示される対象地域のオルソ画像上に地目変化の候補区画を重ねて表示することができる。例えば、候補領域を選択的に明るく表示したり、輪郭を強調表示したりすることで、作業者が候補区画を把握することができる。作業者は候補区画の表示を参考にしつつ、オルソ画像にて地目変化の有無を目視確認する。例えば、処理部４は新旧のオルソ画像を表示部８の画面上に並べて表示し、一方のオルソ画像に表示された候補区画の１つをマウス操作等で選択すると、他方のオルソ画像にて当該候補区画の位置を表示し、作業者が候補区画における新旧のオルソ画像を見比べることを容易とする。
候補区画抽出部２４は、ステップＳ１５にて基準値γＣ，γＴ，γＨを変えて変化検出処理Ｓ３５，Ｓ４０，Ｓ４５を複数通り行い、マルチレベルの候補区画抽出を行っても良い。また、上述したＤＣ，ＤＨの第２の定義例を用いた変化検出処理では、閾値γΔ，γＰを変えてマルチレベルの候補区画抽出を行うこともできる。
これにより、基準値γＣ等を高くするほど、変化箇所の誤検出、過剰抽出が低減した結果が得られ、一方、基準値γＣ等を低くするほど、検出漏れが低減した結果が得られる。よって、マルチレベルの候補区画抽出により、対象地域の区画を地目変化の可能性が異なる複数のクラスに分類することができ、作業者が当該可能性の違いを参考にして目視確認作業を効率的に行うことが可能となる。例えば、最も基準値を低く設定して候補区画に抽出されなかった区画は目視確認を省略するといったことも可能となる。
なお、変化検出処理Ｓ３５，Ｓ４０，Ｓ４５で用いる基準値γＣ，γＴ，γＨ等は、事前に人間が目視判読により地目変化の有無を判定した複数の区画をサンプルとして定めることができる。
さて、地目変化の検出に用いる２時期の空中撮影画像に対してはオルソ補正やレジストレーションを行うものの、画像間における位置ずれを皆無とすることは難しく、また、撮影条件によって画像の色調や陰影の違い等も生じる。そのため、２時期の空中撮影画像について、画素単位で画像特徴情報の差分を求め、当該差分を閾値と比較して画素単位で変化の有無を判定し、変化画素から地目が変化した土地の範囲を定める手法では、判定閾値を適切に設定することが難しくなる。つまり、変化画素の誤検出率が高くなり、ひいては地目変化領域の検出精度が低下し得るという問題がある。
これに対し、本発明では地目変化の候補区画を抽出する際に、区画単位で画像特徴情報の変化の有無を判断するので、上述した画像間の位置ずれや、色調整処理でも残るノイズ成分等の影響を受けにくい。そのため、本発明の手法は、上述の画素単位での変化検出をベースとした手法に比べて、地目変化領域の検出精度が向上し、作業者の判読効率も向上し得る。
また、候補区画の抽出に、色情報、テクスチャ情報、及び色相情報を組み合せて利用することにより、地目の多様な変化パターンに対応することが可能となり、地目変化の検出精度が向上する。
２ 地目変化判読支援装置、４ 処理部、６ 記憶部、８ 表示部、１０ 操作部、２０ 区画設定部、２２ 特徴情報抽出部、２４ 候補区画抽出部、３０ オルソ画像データ、３２ 地番図データ、４０ 候補区画データ。

Claims (5)

  1. 地目変化を検出する対象地域を複数の区画に分割する区画設定部と、
    前記対象地域を上空から撮影した画像における画像特徴情報を抽出する特徴情報抽出部と、
    互いに異なる時期に撮影した第１の前記画像と第２の前記画像との間での前記区画における前記画像特徴情報の変化に基づいて、前記複数区画のうち前記地目変化に関する候補区画を抽出する候補区画抽出部と、
    を備え、
    前記区画設定部は、前記第１の画像及び前記第２の画像から、各画素での画像情報が当該画素に対応する地点についての当該両画像の画像情報の組からなる複合画像を定義し、当該複合画像の１又は複数種類の区画用特徴量の類似性に基づいて前記対象地域を前記複数区画に分割することを特徴とする地目変化判読支援装置。
  2. 請求項１に記載の地目変化判読支援装置において、
    前記候補区画抽出部は、画素ごとに抽出された前記画像特徴情報について前記第１及び第２の画像間での変化が予め定めた閾値以上である画素を変化画素とし、前記候補区画の抽出に際して、前記区画における前記変化画素の割合が予め定めた基準値以上であることを条件とすること、を特徴とする地目変化判読支援装置。
  3. 請求項１又は請求項２に記載の地目変化判読支援装置において、
    前記画像特徴情報は、スペクトル情報、テクスチャ情報及び色相情報を含むこと、を特徴とする地目変化判読支援装置。
  4. 地目変化を検出する対象地域を複数の区画に分割する区画設定ステップと、
    前記対象地域を上空から撮影した画像における画像特徴情報を抽出する特徴情報抽出ステップと、
    互いに異なる時期に撮影した第１の前記画像と第２の前記画像との間での前記区画における前記画像特徴情報の変化に基づいて、前記複数区画のうち前記地目変化に関する候補区画を抽出する候補区画抽出ステップと、
    を備え、
    前記区画設定ステップは、前記第１の画像及び前記第２の画像から、各画素での画像情報が当該画素に対応する地点についての当該両画像の画像情報の組からなる複合画像を定義し、当該複合画像の１又は複数種類の区画用特徴量の類似性に基づいて前記対象地域を前記複数区画に分割することを特徴とする地目変化判読支援方法。
  5. コンピュータを、地目変化判読支援装置として機能させるためのプログラムであって、
    当該コンピュータを、
    地目変化を検出する対象地域を複数の区画に分割する区画設定手段、
    前記対象地域を上空から撮影した画像における画像特徴情報を抽出する特徴情報抽出手段、及び、
    互いに異なる時期に撮影した第１の前記画像と第２の前記画像との間での前記区画における前記画像特徴情報の変化に基づいて、前記複数区画のうち前記地目変化に関する候補区画を抽出する候補区画抽出手段、
    として機能させ、
    前記区画設定手段は、前記第１の画像及び前記第２の画像から、各画素での画像情報が当該画素に対応する地点についての当該両画像の画像情報の組からなる複合画像を定義し、当該複合画像の１又は複数種類の区画用特徴量の類似性に基づいて前記対象地域を前記複数区画に分割する、
    地目変化判読支援プログラム。
JP2016207124A 2016-10-21 2016-10-21 地目変化判読支援装置、地目変化判読支援方法、及びプログラム Active JP6882874B6 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016207124A JP6882874B6 (ja) 2016-10-21 2016-10-21 地目変化判読支援装置、地目変化判読支援方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016207124A JP6882874B6 (ja) 2016-10-21 2016-10-21 地目変化判読支援装置、地目変化判読支援方法、及びプログラム

Publications (3)

Publication Number Publication Date
JP2018066943A JP2018066943A (ja) 2018-04-26
JP6882874B2 JP6882874B2 (ja) 2021-06-02
JP6882874B6 true JP6882874B6 (ja) 2021-06-30

Family

ID=62087124

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016207124A Active JP6882874B6 (ja) 2016-10-21 2016-10-21 地目変化判読支援装置、地目変化判読支援方法、及びプログラム

Country Status (1)

Country Link
JP (1) JP6882874B6 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6931101B2 (ja) * 2019-02-15 2021-09-01 英行 勝井 課税情報管理装置、課税情報管理方法及びプログラム
JP6651034B1 (ja) * 2019-02-15 2020-02-19 英行 勝井 課税情報管理装置、課税情報管理方法及びプログラム
JP7185094B2 (ja) * 2020-01-21 2022-12-06 英行 勝井 課税情報管理装置、課税情報管理方法及びプログラム
JP7128976B2 (ja) * 2020-01-21 2022-08-31 英行 勝井 課税情報管理装置、課税情報管理方法及びプログラム
JP7029017B2 (ja) * 2020-01-21 2022-03-02 英行 勝井 課税情報管理装置、課税情報管理方法及びプログラム
CN114155433B (zh) * 2021-11-30 2022-07-19 北京新兴华安智慧科技有限公司 一种违法土地的检测方法、装置、电子设备及存储介质
JP7263611B2 (ja) * 2022-08-19 2023-04-24 英行 勝井 課税情報管理装置、課税情報管理方法及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3897306B2 (ja) * 2004-03-10 2007-03-22 日立ソフトウエアエンジニアリング株式会社 地理画像間変化領域の抽出の支援方法及び地理画像間変化領域の抽出を支援可能なプログラム
JP3116882U (ja) * 2005-09-21 2005-12-22 株式会社青秋 土地管理台帳写真図作成システムおよび土地管理台帳写真図
JP5352435B2 (ja) * 2009-11-26 2013-11-27 株式会社日立製作所 分類画像作成装置

Also Published As

Publication number Publication date
JP2018066943A (ja) 2018-04-26
JP6882874B2 (ja) 2021-06-02

Similar Documents

Publication Publication Date Title
JP6882874B6 (ja) 地目変化判読支援装置、地目変化判読支援方法、及びプログラム
CN106651872B (zh) 基于Prewitt算子的路面裂缝识别方法及系统
Mueller et al. Edge-and region-based segmentation technique for the extraction of large, man-made objects in high-resolution satellite imagery
CN109154978A (zh) 用于检测植物疾病的系统和方法
EP2610813B1 (en) Biomarker evaluation through image analysis
CN109670515A (zh) 一种用于无人机影像中建筑物变化的检测方法及系统
JP6064712B2 (ja) 樹種識別装置及び樹種識別方法
Ma et al. Locally adaptive unmixing method for lake-water area extraction based on MODIS 250 m bands
CN104217440B (zh) 一种从遥感图像中提取建成区的方法
US9129156B2 (en) Method for detecting and recognizing an object in an image, and an apparatus and a computer program therefor
CN105046701A (zh) 一种基于构图线的多尺度显著目标检测方法
CN106530290A (zh) 医学图像分析方法和装置
CN110781877A (zh) 一种图像识别方法、设备及存储介质
Chen et al. Automated bridge coating defect recognition using adaptive ellipse approach
Zhu et al. Atmospheric light estimation in hazy images based on color-plane model
Tarko et al. Comparison of manual and automated shadow detection on satellite imagery for agricultural land delineation
Solana-Gutiérrez et al. A variogram model comparison for predicting forest changes
US20140160155A1 (en) Inserting an Object into an Image
Sreenivas et al. Processing of satellite image using digital image processing
Liu et al. Color constancy by combining low-mid-high level image cues
US20130114905A1 (en) Post processing for improved generation of intrinsic images
Halounová Textural classification of B&W aerial photos for the forest classification
Cerovecki et al. Evaluation of change detection techniques using very high resolution optical satellite imagery
Magpantay et al. Analysis on the effect of spectral index images on improvement of classification accuracy of Landsat-8 OLI image
CN105825161A (zh) 图像的肤色检测方法及其系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190924

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200529

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200616

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200806

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201222

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210115

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: 20210420

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210507

R150 Certificate of patent or registration of utility model

Ref document number: 6882874

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250