JP7028318B2 - 学習用データセット生成装置、学習用データセット生成方法および学習用データセット生成プログラム - Google Patents
学習用データセット生成装置、学習用データセット生成方法および学習用データセット生成プログラム Download PDFInfo
- Publication number
- JP7028318B2 JP7028318B2 JP2020521650A JP2020521650A JP7028318B2 JP 7028318 B2 JP7028318 B2 JP 7028318B2 JP 2020521650 A JP2020521650 A JP 2020521650A JP 2020521650 A JP2020521650 A JP 2020521650A JP 7028318 B2 JP7028318 B2 JP 7028318B2
- Authority
- JP
- Japan
- Prior art keywords
- cloud
- image
- thick
- mask
- region
- 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
- 238000000034 method Methods 0.000 title claims description 37
- 238000012549 training Methods 0.000 title claims description 21
- 230000000873 masking effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000010365 information processing Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 206010037844 rash Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06V10/759—Region-based matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
生成された第一マスクを含む情報および雲多画像、並びに、生成された第二マスクを含む情報および雲少画像からなる組を学習用データとする。
同一観測対象を含む画像のうち雲を含む雲多画像と雲多画像よりも少ない量の雲を含むまたは雲を含まない雲少画像とを組として、雲多画像内における厚雲の画素を示す第一厚雲領域と、雲少画像内における厚雲の画素を示す第二厚雲領域とを受け取り、
第一厚雲領域および第二厚雲領域の少なくとも片方に第一演算を実行して雲少画像内において第一厚雲領域をマスクするための第一マスクを生成し、
第一厚雲領域および第二厚雲領域の少なくとも片方に第二演算を実行して雲多画像内において第二厚雲領域をマスクするための第二マスクを生成することを備え、
生成された第一マスクを含む情報および雲多画像、並びに、生成された第二マスクを含む情報および雲少画像からなる組を学習用データとする。
同一観測対象を含む画像のうち雲を含む雲多画像と雲多画像よりも少ない量の雲を含むまたは雲を含まない雲少画像とを組として、雲多画像内における厚雲の画素を示す第一厚雲領域と、雲少画像内における厚雲の画素を示す第二厚雲領域とを受け取り、
第一厚雲領域および第二厚雲領域の少なくとも片方に第一演算を実行して雲少画像内において第一厚雲領域をマスクするための第一マスクを生成し、
第一厚雲領域および第二厚雲領域の少なくとも片方に第二演算を実行して雲多画像内において第二厚雲領域をマスクするための第二マスクを生成し、
生成された第一マスクを含む情報および雲多画像、並びに、生成された第二マスクを含む情報および雲少画像からなる組を学習用データとする
ことをコンピュータに実現させるための画像処理プログラムである。
(学習用データセット生成装置)
本発明の第1実施形態に係る学習用データセット生成装置100の構成例について図4を参照して説明する。学習用データセット生成装置100は、衛星画像データベース(以下、DBと記載)101と、例えば無線の通信回線を介して、通信可能に接続されている。学習用データセット生成装置100は学習用データセット記憶部102と無線又は有線の通信回線を介して接続されている。学習用データセット記憶部102は、学習器103と無線又は有線の通信回線を介して接続されている。尚、データのみを人手で移植してもよい。
演算2:Mtg (i, j) = max (Ax (i, j), Ay (i, j)) …(2)
上記の式は演算の一例であり、演算には以下の式(3)および(4)を使用してもよい。
演算2:Mtg (i, j) = max (Ax (i, j), Ay (i, j)) …(4)
尚、演算の種類は上記に限られない。例えば、式(2)において、AND演算を行っても良い。尚、第二マスクのサイズは、第一マスクと等しい又は第一マスクよりも大きくなる。
第一マスク部16は、雲多画像と第一マスクMinとを重畳し、第一マスク画像(図7参照)として出力してもよい。尚、第二マスク部17は、雲少画像内の第二マスクの各画素に既定値を代入して第二マスク画像を生成する。第二マスク部17は、第一マスク部16と同様に、雲少画像について、式(5)に第二マスクMtgを代入して算出結果Imを第二マスク画像データとして出力する。または第二マスク部17は、雲少画像と第二マスクMtgとを重畳してマスク済の雲少画像(第二マスク画像;図7参照)として出力してもよい。
図8は、本発明の第1実施形態に係る学習用データセット生成装置100の動作を示すフローチャートである。
上記の第1実施形態に係る学習用データセット生成装置100は、自然な雲の画像を用いて雲補正処理に適した学習用データセットを生成することができる。この理由は、学習用データセット生成装置100が、実際に観測された画像を雲除去用の学習用データセットとして用いる際に、学習用データセットとして不適切となる、地表からの光が透過しない厚い雲を含む厚雲領域にマスク処理を行うことで学習用データセットの対象領域から除外し、薄雲のみを学習用データセットとして利用するからである。
本発明の第2の実施形態に係る学習用データセット生成装置200は、図9に示すように、合成部25を備える。合成部25は、同一観測対象を含む画像のうち雲を含む雲多画像と雲多画像よりも少ない量の雲を含むまたは雲を含まない雲少画像とを組として、雲多画像内における厚雲の画素を示す第一厚雲領域と、雲少画像内における厚雲の画素を示す第二厚雲領域とを入力とし、第一厚雲領域および第二厚雲領域の少なくとも片方に第一演算を実行して雲少画像内において第一厚雲領域をマスクするための第一マスクを生成する。さらに合成部25は、第一厚雲領域および第二厚雲領域の少なくとも片方に第二演算を実行して雲多画像内において第二厚雲領域をマスクするための第二マスクを生成する。生成された第一マスクを含む情報および雲多画像、並びに、生成された第二マスクを含む情報および雲少画像からなる組は学習用データとなる。
上述した本発明の各実施形態において、図4、9等に示す学習用データセット生成装置における各構成要素の一部又は全部は、例えば図10に示すような情報処理装置500とプログラムとの任意の組み合わせを用いて実現することも可能である。情報処理装置500は、一例として、以下のような構成を含む。
・ROM(Read Only Memory)502
・RAM(Random Access Memory)503
・プログラム504および他のデータを格納する記憶装置505
・記録媒体506の読み書きを行うドライブ装置507
・通信ネットワーク509と接続する通信インターフェース508
・データの入出力を行う入出力インターフェース510
・各構成要素を接続するバス511
本願の各実施形態における学習用データセット生成装置の各構成要素は、これらの機能を実現するプログラム504をCPU501が取得して実行することで実現される。学習用データセット生成装置の各構成要素の機能を実現するプログラム504は、例えば、予め記憶装置505やRAM503に格納されており、必要に応じてCPU501が読み出す。なお、プログラム504は、通信ネットワーク509を介してCPU501に供給されてもよいし、予め記録媒体506に格納されており、ドライブ装置507が当該プログラムを読み出してCPU501に供給してもよい。
12 雲量比較部
13 第一厚雲領域生成部
14 第二厚雲領域生成部
15 合成部
16 第一マスク部
17 第二マスク部
25 合成部
100 学習用データセット生成装置
101 衛星画像データベース
102 学習用データセット記憶部
103 学習器
200 学習用データセット生成装置
500 情報処理装置
501 CPU
503 RAM
504 プログラム
505 記憶装置
506 記録媒体
507 ドライブ装置
508 通信インターフェース
509 通信ネットワーク
510 入出力インターフェース
511 バス
Claims (7)
- 同一観測対象を含む画像のうち雲を含む雲多画像と前記雲多画像よりも少ない量の雲を含むまたは雲を含まない雲少画像とを組として、前記雲多画像内における厚雲の画素を示す第一厚雲領域と、前記雲少画像内における前記厚雲の画素を示す第二厚雲領域とを入力とし、前記第一厚雲領域および前記第二厚雲領域の少なくとも片方に第一演算を実行して前記雲少画像内において前記第一厚雲領域をマスクするための第一マスクを生成し、前記第一厚雲領域および前記第二厚雲領域の少なくとも片方に第二演算を実行して前記雲多画像内において前記第二厚雲領域をマスクするための第二マスクを生成する合成手段
を備え、
生成された前記第一マスクを含む情報および前記雲多画像、並びに、生成された前記第二マスクを含む情報および前記雲少画像からなる前記組を学習用データとする
学習用データセット生成装置。 - 前記同一観測対象を含む複数の画像において、各々の画像が含む雲量を算出し、算出された雲量と既定値とを比較することで、前記既定値よりも雲量が多い前記雲多画像と、前記既定値よりも雲量が少ない前記雲少画像との組を生成する雲量比較手段
を更に備える請求項1に記載の学習用データセット生成装置。 - 前記組のうち、前記雲多画像内の前記第一マスクの各画素に既定値を代入して前記第一マスクを含む情報である第一マスク画像を生成し、前記雲少画像内の前記第二マスクの各画素に既定値を代入して前記第二マスクを含む情報である第二マスク画像を生成するマスク手段
を更に備える請求項1又は請求項2に記載の学習用データセット生成装置。 - 前記組のうち、前記雲多画像は前記学習のために入力する画像、前記雲少画像は前記学習の対象となる画像として用いられる
請求項1乃至請求項3のいずれかに記載の学習用データセット生成装置。 - 前記第二マスクのサイズは、前記第一マスクと等しい又は前記第一マスクよりも大きい
請求項1乃至請求項4のいずれかに記載の学習用データセット生成装置。 - 同一観測対象を含む画像のうち雲を含む雲多画像と前記雲多画像よりも少ない量の雲を含むまたは雲を含まない雲少画像とを組として、前記雲多画像内における厚雲の画素を示す第一厚雲領域と、前記雲少画像内における前記厚雲の画素を示す第二厚雲領域とを受け取り、
前記第一厚雲領域および前記第二厚雲領域の少なくとも片方に第一演算を実行して前記雲少画像内において前記第一厚雲領域をマスクするための第一マスクを生成し、
前記第一厚雲領域および前記第二厚雲領域の少なくとも片方に第二演算を実行して前記雲多画像内において前記第二厚雲領域をマスクするための第二マスクを生成することを備え、
生成された前記第一マスクを含む情報および前記雲多画像、並びに、生成された前記第二マスクを含む情報および前記雲少画像からなる前記組を学習用データとする
学習用データセット生成方法。 - 同一観測対象を含む画像のうち雲を含む雲多画像と前記雲多画像よりも少ない量の雲を含むまたは雲を含まない雲少画像とを組として、前記雲多画像内における厚雲の画素を示す第一厚雲領域と、前記雲少画像内における前記厚雲の画素を示す第二厚雲領域とを受け取り、
前記第一厚雲領域および前記第二厚雲領域の少なくとも片方に第一演算を実行して前記雲少画像内において前記第一厚雲領域をマスクするための第一マスクを生成し、
前記第一厚雲領域および前記第二厚雲領域の少なくとも片方に第二演算を実行して前記雲多画像内において前記第二厚雲領域をマスクするための第二マスクを生成し、
生成された前記第一マスクを含む情報および前記雲多画像、並びに、生成された前記第二マスクを含む情報および前記雲少画像からなる前記組を学習用データとする
ことをコンピュータに実現させるための学習用データセット生成プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/020308 WO2019229793A1 (ja) | 2018-05-28 | 2018-05-28 | 学習用データセット生成装置、学習用データセット生成方法および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019229793A1 JPWO2019229793A1 (ja) | 2021-05-13 |
JP7028318B2 true JP7028318B2 (ja) | 2022-03-02 |
Family
ID=68696872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020521650A Active JP7028318B2 (ja) | 2018-05-28 | 2018-05-28 | 学習用データセット生成装置、学習用データセット生成方法および学習用データセット生成プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210312327A1 (ja) |
JP (1) | JP7028318B2 (ja) |
WO (1) | WO2019229793A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023037451A1 (ja) * | 2021-09-08 | 2023-03-16 | 日本電信電話株式会社 | 画像処理装置、方法およびプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001143054A (ja) | 1999-11-16 | 2001-05-25 | Hitachi Ltd | 衛星画像処理方法 |
JP2008107941A (ja) | 2006-10-24 | 2008-05-08 | Mitsubishi Electric Corp | 監視装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6104115B2 (ja) * | 2013-09-25 | 2017-03-29 | 三菱電機株式会社 | 画像処理装置 |
US10217236B2 (en) * | 2016-04-08 | 2019-02-26 | Orbital Insight, Inc. | Remote determination of containers in geographical region |
US10497129B1 (en) * | 2016-08-31 | 2019-12-03 | Amazon Technologies, Inc. | Image-based weather condition detection |
-
2018
- 2018-05-28 US US17/057,916 patent/US20210312327A1/en not_active Abandoned
- 2018-05-28 JP JP2020521650A patent/JP7028318B2/ja active Active
- 2018-05-28 WO PCT/JP2018/020308 patent/WO2019229793A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001143054A (ja) | 1999-11-16 | 2001-05-25 | Hitachi Ltd | 衛星画像処理方法 |
JP2008107941A (ja) | 2006-10-24 | 2008-05-08 | Mitsubishi Electric Corp | 監視装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019229793A1 (ja) | 2021-05-13 |
US20210312327A1 (en) | 2021-10-07 |
WO2019229793A1 (ja) | 2019-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8179393B2 (en) | Fusion of a 2D electro-optical image and 3D point cloud data for scene interpretation and registration performance assessment | |
Neal et al. | Measuring shape | |
KR20180081104A (ko) | 항공 이미지 획득 및 분석을 위한 방법 | |
CN109583378A (zh) | 一种植被覆盖度提取方法及系统 | |
US20230026811A1 (en) | System and method for removing haze from remote sensing images | |
CN107316286A (zh) | 一种图像中雨雾同步合成、去除的方法和装置 | |
JP2019037198A (ja) | 植生被度判定方法および植生被度判定装置 | |
CN113724149A (zh) | 一种弱监督的可见光遥感图像薄云去除方法 | |
JP7028318B2 (ja) | 学習用データセット生成装置、学習用データセット生成方法および学習用データセット生成プログラム | |
Tubau Comas et al. | Automatic apple tree blossom estimation from UAV RGB imagery | |
CN116030324A (zh) | 一种基于光谱特征与空间特征融合的目标检测方法 | |
KR102467234B1 (ko) | 작물 및 가축의 크기 및 무게 추정 방법 및 장치 | |
CN117115669B (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 | |
KR20210028638A (ko) | 정보 처리 장치, 정보 처리 방법, 및 프로그램 | |
KR20180096966A (ko) | 형태적 연산과 연결 연산을 이용한 벼 모종 자동 개수 세는 방법 | |
CN112106346A (zh) | 图像处理方法、设备、无人机、系统和存储介质 | |
CN111476739B (zh) | 水下图像增强方法、系统及存储介质 | |
CN115082812A (zh) | 一种农业景观非农生境绿地斑块提取方法及其相关设备 | |
CN116579446A (zh) | 一种利用深度学习和表型特征估算高精度小麦籽粒产量的方法 | |
Mateen et al. | Legion based weed extraction from UAV imagery | |
JP7445969B2 (ja) | 推定装置、推定方法、及びプログラム | |
JP2022066907A (ja) | 情報処理装置、情報処理方法、制御プログラム及び記録媒体 | |
CN113256567A (zh) | 香蕉叶面积指数检测方法及系统 | |
WO2021084019A1 (en) | Efficient plant selection | |
Liu et al. | A Procedure for Identifying Invasive Wild Parsnip Plants Based on Visible Bands from UAV Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201110 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201110 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20211020 |
|
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: 20220118 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220131 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7028318 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |