JP7056751B2 - 船舶検出システム、方法およびプログラム - Google Patents

船舶検出システム、方法およびプログラム Download PDF

Info

Publication number
JP7056751B2
JP7056751B2 JP2020550978A JP2020550978A JP7056751B2 JP 7056751 B2 JP7056751 B2 JP 7056751B2 JP 2020550978 A JP2020550978 A JP 2020550978A JP 2020550978 A JP2020550978 A JP 2020550978A JP 7056751 B2 JP7056751 B2 JP 7056751B2
Authority
JP
Japan
Prior art keywords
pixel
ship
interest
candidate
cell
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
JP2020550978A
Other languages
English (en)
Other versions
JPWO2020070792A1 (ja
Inventor
健太 先崎
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.)
NEC Corp
Original Assignee
NEC 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 NEC Corp filed Critical NEC Corp
Publication of JPWO2020070792A1 publication Critical patent/JPWO2020070792A1/ja
Application granted granted Critical
Publication of JP7056751B2 publication Critical patent/JP7056751B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9027—Pattern recognition for feature extraction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/917—Radar or analogous systems specially adapted for specific applications for traffic control for marine craft or other waterborne vessels
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、合成開口レーダ画像から船舶を検出する船舶検出システム、船舶検出方法および船舶検出プログラムに関する。
近年、違法漁業による環境破壊や資源の枯渇が世界的に問題視されている。
違法漁業を抑止するために、船舶の識別符号、種類、位置、針路、速力、航海状態等の情報を船舶や地上基地局と相互通信する船舶自動識別装置（Automatic Identification System ：ＡＩＳ）と、合成開口レーダ（Synthetic Aperture Radar：ＳＡＲ）との組み合わせによる違法漁船監視が注目されている。ＳＡＲ画像に対して船舶検出処理を適用し、ＡＩＳとマッチングが取れない船舶を違法漁船とみなすことで、注目海域における違法漁業の実態を把握し、巡視船によるパトロール経路の最適化等につなげることが可能となる。
非特許文献１には、適応閾値処理を用いた船舶検出が開示されている。適応閾値処理の考え方は非常にシンプルであり、適応閾値処理は、周辺の画素と比較して極端に明るい画素を船舶として検出する手法である。この手法は、周辺画素の統計的な解析に基づき、船舶として検出する画素の閾値を適切に設定することで実現される。適切な閾値の設定方法には、定誤警報確率（Constant False Alarm Rate ：CFAR）の考え方が用いられる。CFARでは、検出対象物以外に該当する周辺画素を背景画素とみなし、背景画素の画素値の分布を所定の確率密度関数にフィッティングする。そして、得られた確率密度関数の累積分布関数が所定の誤警報確率となる確率変数を閾値として用いる。確率密度関数としてはK-分布、一般化ガンマ分布等が用いられる。
非特許文献２には、CFARベースの手法として、Two Parameter CFAR（TP-CFAR ）やCell-Averaging CFAR (CA-CFAR )と呼称される手法が開示されている。この２つの手法は、画素値の分布をガウス分布と仮定し、閾値の算出を、局所平均画素値、局所画素値分散の算出結果に基づいて行う手法である。局所平均画素値および局所画素値分散は１画素あたり
Figure 0007056751000001
 の計算コストで算出できるため、TP-CFARとCA-CFARでは高速な処理が可能である。
また、特許文献１には、入力画像データ中から船舶候補領域を抽出する画像処理システムが記載されている。特許文献１に記載の画像処理システムは、入力画像データ中から船舶候補として検出された画素を代表点とし、その代表点を囲む所定範囲のフレームを決定する。そして、その画像処理システムは、フレーム内部に存在する画素のうち所定閾値以上の画素値を有する画素群の第１の領域と、フレーム外部に存在する画素のうち所定閾値以上の画素値を有する画素群であってフレームと少なくとも１点で隣接し各画素が互いに隣接する第２の領域とを抽出する。そして、画像処理システムは、第１の領域と第２の領域とを結合して船舶候補領域を抽出する。
特開２００４－３０２５７２号公報
J. Martin-de-Nicolas, P. Jarabo-Amores, N. Rey-Maestre, D. Mata-Moya, J.L. Barcena-Humanes, "A NON-PARAMETRIC CFAR DETECTION BASED ON SAR SEA CLUTTER STATISTICAL MODELING," ICIP 2015, P.4426-4430 D.J. Crisp, "The State-of-the-Art in Ship Detection in Synthetic Aperture Radar Imagery," Intell., Surveillance and Reconnaissance Div., Inf. Sci. Lab., Def., Sci. Technol. Org., Edinburgh, S.A., Australia, May 2004, Res. Rep. DSTO-RR-0272.
検出対象となる船舶の大きさは、小さいものでは１０ｍ、大きなものでは数百ｍにも達する。
非特許文献１に開示されている船舶検出手法では１画素毎に比較を行うため、船舶の大きさによらない検出が可能である。しかし、一方で、１つの船舶が複数のパートに分割されて検出される問題がある。また、高波はレーダ波を反射しやすいので、高波に該当する画素は明るい画素になりやすい。そのため、非特許文献１に開示されている手法では、高波を船舶として誤検出しやすいという問題がある。
また、非特許文献２に開示されている船舶検出手法では、局所的な平均や分散の算出において、注目画素周辺の複数の画素を用いて統合的に解析するため、１つの船舶が複数のパートに分割される問題については非特許文献１に記載された手法より頑健である。一方で、局所的な平均や分散を算出するためのセルサイズの設定等について煩雑なパラメータ設定が必要である点や、セルサイズによって検出できる船舶のサイズが限定されるという問題がある。
そこで、本発明は、様々な大きさの船舶を安定的に検出することができる船舶検出システム、船舶検出方法および船舶検出プログラムを提供することを目的とする。
本発明による船舶検出システムは、合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出手段と、注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合手段と、統合手段によって注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出手段とを備えることを特徴とする。
本発明による船舶検出方法は、コンピュータが、合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出処理を実行し、注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合処理を実行し、統合処理で注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出処理を実行することを特徴とする。
本発明による船舶検出プログラムは、コンピュータに、合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出処理、注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合処理、および、統合処理で注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出処理を実行させることを特徴とする。
本発明によれば、様々な大きさの船舶を安定的に検出することができる。
本発明の第１の実施形態の船舶検出システムの例を示すブロック図である。 画像処理部の例を示すブロック図である。 船舶検出で用いられるセルの種類を示す説明図である。 第１の実施形態の画像処理部の処理経過の例を示すフローチャートである。 第２の実施形態の画像処理部の例を示すブロック図である。 海面の画素値分布を一般化ガンマ分布でフィッティングした例を示す模式図である。 第２の実施形態の画像処理部の処理経過の例を示すフローチャートである。 第２の実施形態の画像処理部の処理経過の例を示すフローチャートである。 各実施形態における船舶検出システムに係るコンピュータの構成例を示す概略ブロック図である。 本発明の船舶検出システムの概要を示すブロック図である。
以下、本発明の実施形態を図面を参照して説明する。なお、合成開口レーダ画像は、合成開口レーダによって得られた画像であり、以下、合成開口レーダ画像を、ＳＡＲ画像と記す。
実施形態１．
図１は、本発明の第１の実施形態の船舶検出システムの例を示すブロック図である。第１の実施形態の船舶検出システムは、画像保持部１と、画像処理部２と、結果出力部３とを備える。
画像保持部１は、例えば、合成開口レーダのアンテナが海面に電磁波を照射することによって得られたＳＡＲ画像のデータベースを保持する記憶装置である。なお、そのような記憶装置を含む情報処理装置と、画像処理部２とが、通信ネットワークを介して接続される構成であってもよい。画像保持部１から、ＳＡＲ画像が画像処理部２に入力される。
画像処理部２は、画像保持部１から入力されるＳＡＲ画像の各画素の中から船舶に該当する画素を検出する処理を実行し、ＳＡＲ画像におけるその画素を示す情報を結果出力部３に出力する。
結果出力部３は、例えば、船舶に該当する画素を船舶として表したＳＡＲ画像を出力する出力デバイスである。出力デバイスの態様は、ディスプレイ装置であっても、プリンタであってもよい。また、出力デバイスは、画像処理部２の処理結果を蓄積し、その処理結果を外部から読み出し可能な記憶媒体（例えば、ハードディスクやメモリカード）であってもよい。なお、そのような種々の態様の出力デバイスを含む情報処理装置と、画像処理部２とが、通信ネットワークを介して接続される構成であってもよい。
図２は、画像処理部２の例を示すブロック図である。画像処理部２は、複数統計量算出部２００１と、船舶指標算出部２００２と、船舶候補画素抽出部２００３と、船舶候補統合部２００４と、船舶確率算出部２００５と、船舶検出部２００６とを備える。
複数統計量算出部２００１は、画像保持部１から入力されるＳＡＲ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、複数の局所的な画素値統計量を算出する。具体的には、複数統計量算出部２００１は、注目画素毎に、注目画素を含むセルのセルサイズを変化させ、セルサイズ別に、画素値統計量を算出する。この結果、個々の注目画素に関して、それぞれ、複数の画素値統計量が得られる。複数統計量算出部２００１は、注目画素毎に算出した複数の画素値統計量を、船舶指標算出部２００２に出力する。
なお、セルサイズを、ウィンドウサイズと称することもできる。
船舶指標算出部２００２は、注目画素毎に、注目画素に関して算出された複数の画素値統計量を用いて、注目画素が船舶に該当している確からしさを示す船舶指標値を算出する。このとき、船舶指標算出部２００２は、個々の注目画素に関して、それぞれ、船舶指標値を複数、算出する。船舶指標算出部２００２は、注目画素毎に算出した複数の船舶指標値を、船舶候補画素抽出部２００３に出力する。
船舶候補画素抽出部２００３は、注目画素毎に、注目画素に関して算出された複数の船舶指標値と、所定の閾値とを比較することによって、注目画素が、船舶を表わす画素の候補である船舶候補画素であるか否かを判定する。船舶候補画素抽出部２００３は、船舶指標値が所定の閾値よりも大きい場合、注目画素が船舶候補画素であると判定する。１つの注目画素に関して複数の船舶指標値が算出されているので、その注目画素は、船舶指標値によって、船舶候補画素であると判定されたり、船舶候補画素でないと判定されたりする。すなわち、１つの注目画素に関して、複数の判定結果が得られる。船舶候補画素抽出部２００３は、注目画素毎に得た複数の判定結果を、船舶候補統合部２００４に出力する。
船舶候補統合部２００４は、注目画素毎に、注目画素に関して得られた複数の判定結果を統合する。具体的には、船舶候補統合部２００４は、注目画素毎に、注目画素が船舶候補画素であると判定された回数を計数する。以下、この計数結果を、船舶候補判定回数と記す。船舶候補判定回数は、注目画素毎に得られる。船舶候補統合部２００４は、注目画素毎に求めた船舶候補判定回数を、船舶確率算出部２００５に出力する。
船舶確率算出部２００５は、注目画素毎に、船舶候補判定回数に基づいて、注目画素が船舶由来の画素である確率（以下、船舶確率と記す。）を算出する。船舶確率算出部２００５は、注目画素毎に算出した船舶確率を、船舶検出部２００６に出力する。
船舶検出部２００６は、注目画素毎に、船舶確率と所定の閾値とを比較し、船舶確率が所定の閾値以上となっている注目画素を、船舶に該当する画素（以下、船舶画素と記す。）として検出する。船舶検出部２００６は、ＳＡＲ画像中の船舶画素を示す情報を、結果出力部３に出力する。
以下、複数統計量算出部２００１、船舶指標算出部２００２、船舶候補画素抽出部２００３、船舶候補統合部２００４、船舶確率算出部２００５および船舶検出部２００６について、より詳細に説明する。
まず、複数統計量算出部２００１について説明する。入力されたＳＡＲ画像をS とする。また、ＳＡＲ画像S において、注目画素の位置を(x,y) としたときに、その注目画素の画素値をS(x,y)と記す。
前述のように、複数統計量算出部２００１は、注目画素毎に、注目画素を含むセルのセルサイズを変化させ、セルサイズ別に、画素値統計量を算出する。ここで、複数統計量算出部２００１は、１つのセルサイズに応じた画素値統計量を算出する場合、局所的な画素値平均を求めるためのボックスフィルタ処理を、そのセルサイズに適用することによって、画素値統計量を算出する。このボックスフィルタ処理を以下に示す。ここでは、セルが正方形であるものとし、正方形のセルに応じたボックスフィルタ処理を示す。セルサイズをセルの一辺の長さ（一辺に相当する画素の個数）で表し、セルサイズをwiとする。さらに、wi’=(wi-1)/2とする。この場合、注目画素の位置(x,y) における局所的な画素値平均を求めるためのボックスフィルタ処理は、以下に示す式（１）で表される。
Figure 0007056751000002
複数統計量算出部２００１は、位置(x,y) の注目画素に関して、セルサイズ毎に、式（１）の計算によって、画素値統計量Ui(x,y) を算出する。複数統計量算出部２００１は、他の注目画素に関しても、それぞれ、同様の処理を行う。
なお、この時点では、後段の処理を考慮して、複数統計量算出部２００１は、正規化処理を行わない。また、本実施形態では、セルを正方形とする場合を例にして説明するが、セルは正方形でなくてもよい。
セルサイズは、ユーザによって指定されてもよい。
あるいは、複数統計量算出部２００１が、検出対象の船舶の大きさに関する情報を用いて、複数のセルサイズを算出してもよい。以下、セルサイズの算出例を示す。セルの数（セルサイズの数）をN とする。また、検出対象の船舶の最大長をLmaxとし、検出対象の船舶の最小長をLminとする。また、入力されるＳＡＲ画像の地表分解能をR とする。N ，Lmax，Lmin，R の値は、予め与えられているものとする。この場合、複数統計量算出部２００１は、以下に示す式（２）、式（３）および式（４）の計算によって、複数のセルサイズを算出する。
Figure 0007056751000003
なお、wiは奇数となることが好ましいため、複数統計量算出部２００１は、式（４）で得られたwiを最近傍の奇数値に丸める。また、複数統計量算出部２００１によって算出されたセルサイズと、ユーザによって指定されたセルサイズとを組み合わせてもよい。また、複数統計量算出部２００１によって算出されたN 個のセルサイズに加えて、さらに、大きいセルサイズを追加してもよい。
また、複数統計量算出部２００１は、画素値の局所分散を求めるためのボックスフィルタ処理をセルサイズに適用することによって、セルサイズに応じた画素値特徴量を算出してもよい。画素値の局所分散を求めるためのボックスフィルタ処理は、以下に示す式（５）で表される。すなわち、複数統計量算出部２００１は、以下に示す式（５）の計算によって、セルサイズに応じた画素値特徴量を算出してもよい。
Figure 0007056751000004
複数統計量算出部２００１は、位置(x,y) の注目画素に関して、セルサイズ毎に、式（５）の計算によって、画素値統計量Vi(x,y) を算出してもよい。この場合、複数統計量算出部２００１は、他の注目画素に関しても、それぞれ、同様の処理を行う。
なお、この時点では、後段の処理を考慮して、複数統計量算出部２００１は、セルの画素数で除算する正規化処理や、平均値の二乗を減算する処理を行わない。
また、既に説明したように、wi’=(wi-1)/2である。
次に、船舶指標算出部２００２について説明する。前述のように、船舶指標算出部２００２は、個々の注目画素に関して、それぞれ、船舶指標値を複数、算出する。
図３は、船舶検出で用いられるセルの種類を示す説明図である。図３では、船舶５５を写したＳＡＲ画像５０内における目標セル５１、ガードセル５２および背景セル５３を示す。目標セル５１は、注目画素（図３において図示略）を含むセルである。背景セル５３３は、目標セルの周辺画素を含むセルである。ガードセル５２は、背景セル５３と目標セル５１との間の領域に該当するセルである。ガードセル５２は、目標セル５１から検出対象物がはみ出ることを考慮し、周辺画素の解析が検出対象物によって劣化されないようにするために設定される。
ここでは、目標セル５１、ガードセル５２および背景セル５３の外縁が正方形であるものとして説明する。また、目標セル５１、ガードセル５２および背景セル５３それぞれのセルサイズを、外縁となる正方形の一辺の長さ（一辺に相当する画素の個数）で表すものとする。以下、目標セル５１のセルサイズをwtarと表し、ガードセル５２のセルサイズをwgrdと表し、背景セル５３のセルサイズをwbgrと表す。
船舶指標算出部２００２は、注目画素に関して複数のセルサイズに応じて算出された画素値統計量を用いて、目標セル５１の画素値統計量、および、背景セル５３の画素値統計量を算出する。本実施形態では、船舶指標算出部２００２は、目標セル５１の画素値統計量、および、背景セル５３の画素値統計量として、平均画素値を算出する。また、船舶指標算出部２００２は、背景セル５３の画素値統計量として、平均画素値に加え、画素値の分散値を算出してもよい。
目標セル５１のセルサイズに対応する、画素値平均を求めるためのボックスフィルタ処理の結果（式（１）の計算結果）を、Utarとする。同様に、ガードセル５２のセルサイズに対応する式（１）の計算結果を、Ugrdとする。同様に、背景セル５３のセルサイズに対応する式（１）の計算結果を、Ubgrとする。
また、ガードセル５２のセルサイズに対応する、画素値の局所分散を求めるためのボックスフィルタ処理の結果（式（５）の計算結果）を、Vgrdとする。同様に、背景セル５３のセルサイズに対応する式（５）の計算結果を、Vbgrとする。
船舶指標算出部２００２は、目標セル５１の画素値統計量（具体的には、目標セル５１の平均画素値μtar）を以下に示す式（６）によって算出する。
Figure 0007056751000005
船舶指標算出部２００２は、背景セル５３の画素値統計量（具体的には、背景セル５３の平均画素値μbgr）を以下に示す式（７）によって算出する。
Figure 0007056751000006
また、背景セル５３の画素値統計量として、画素値の分散値も算出する場合、船舶指標算出部２００２は、背景セル５３の画素値の分散値σbgr 2を、以下に示す式（８）によって算出する。
Figure 0007056751000007
船舶指標算出部２００２は、上記のように算出した目標セル５１の平均画素値μtar、および、背景セル５３の平均画素値μbgrを用いて（さらに背景セル５３の画素値の分散値σbgr 2も用いてもよい。）、注目画素における船舶指標値を算出する。
船舶指標値としてCA-CFAR（Cell-Averaging CFAR）を用いる場合、船舶指標算出部２００２は、船舶指標値ICA-CFARを、ICA-CFAR＝μtar／μbgrの計算によって算出する。
また、船舶指標値としてTP-CFAR （Two Parameter CFAR）を用いる場合、船舶指標算出部２００２は、船舶指標値ITP-CFARを、ITP-CFAR＝（μtar－μbgr）／σbgrの計算によって算出する。
船舶指標算出部２００２は、１つの注目セルに関して、目標セル５１のセルサイズおよびガードセル５２のセルサイズを変化させながら、上記の処理を繰り返し、M 個の船舶指標値ICA-CFAR(h)，h=1,2,・・・,M、または、ITP-CFAR(h)，h=1,2,・・・,Mを算出する。このとき、背景セル５３のセルサイズは一定の値に定めてもよいし、目標セル５１やガードセル５２のセルサイズと同様に変更してもよい。h は、目標セル５１のセルサイズとガードセル５２のセルサイズとの組合せのインデックス番号である。ここでは、目標セル５１のセルサイズとガードセル５２のセルサイズとの組合せの数をM としている。
船舶指標算出部２００２は、M 個の船舶指標値を算出する処理を、個々の注目画素毎に行う。
また、船舶指標算出部２００２は、上記の処理において、ICA-CFAR(h)，h=1,2,・・・,M、と、ITP-CFAR(h)，h=1,2,・・・,Mの両方を算出してもよい。
次に、船舶候補画素抽出部２００３について説明する。前述のように、船舶候補画素抽出部２００３は、注目画素毎に、注目画素が船舶候補画素であるか否かを判定する。船舶候補画素抽出部２００３は、注目画素毎に、複数の判定結果を得る。
まず、船舶指標算出部２００２が、注目画素毎に、ICA-CFAR(h)，h=1,2,・・・,Mを算出した場合について説明する。注目画素の位置を(x,y) としたときに、その注目画素の船舶指標値をICA-CFAR(h)(x,y)と記すこととする。また、位置 (x,y)に対応する画素であって、注目画素が船舶候補画素であるか否かに応じた２値の画素値で表される画素を、OCA-CFAR(h)(x,y)と記す。船舶候補画素抽出部２００３は、船舶指標値ICA-CFAR(h) が所定の閾値よりも大きい場合に、注目画素が船舶候補画素であると判定し、船舶指標値ICA-CFAR(h) が所定の閾値以下である場合に、注目画素が船舶候補画素でないと判定する。所定の閾値をτCA-CFAR とする。具体的には、船舶候補画素抽出部２００３は、h=1からh=Mまでのそれぞれの場合について、以下に示す式（９）によって、OCA-CFAR(h)(x,y)の値を定める。
Figure 0007056751000008
船舶候補画素抽出部２００３は、この処理を個々の注目画素毎に行う。OCA-CFAR(h)(x,y)=1であるということは、注目画素が船舶候補画素であるという判定結果を意味する。また、OCA-CFAR(h)(x,y)=0であるということは、注目画素が船舶候補画素であるという判定結果を意味する。OCA-CFAR(h)(x,y)は、１つの注目画素に関して、M 個得られる。
h が共通の値である各位置のOCA-CFAR(h)(x,y)の集合は、船舶候補画素を１で表し、船舶候補画素でない画素を０で表した２値画像となる。
次に、船舶指標算出部２００２が、注目画素毎に、ITP-CFAR(h)，h=1,2,・・・,Mを算出した場合について説明する。注目画素の位置を(x,y) としたときに、その注目画素の船舶指標値をITP-CFAR(h)(x,y)と記すこととする。また、位置 (x,y)に対応する画素であって、注目画素が船舶候補画素であるか否かに応じた２値の画素値で表される画素を、OTP-CFAR(h)(x,y)と記す。船舶候補画素抽出部２００３は、船舶指標値ITP-CFAR(h) が所定の閾値よりも大きい場合に、注目画素が船舶候補画素であると判定し、船舶指標値ITP-CFAR(h) が所定の閾値以下である場合に、注目画素が船舶候補画素でないと判定する。所定の閾値をτTP-CFAR とする。具体的には、船舶候補画素抽出部２００３は、h=1からh=Mまでのそれぞれの場合について、以下に示す式（１０）によって、OTP-CFAR(h)(x,y)の値を定める。
Figure 0007056751000009
船舶候補画素抽出部２００３は、この処理を個々の注目画素毎に行う。OTP-CFAR(h)(x,y)=1であるということは、注目画素が船舶候補画素であるという判定結果を意味する。また、OTP-CFAR(h)(x,y)=0であるということは、注目画素が船舶候補画素であるという判定結果を意味する。OTP-CFAR(h)(x,y)は、１つの注目画素に関して、M 個得られる。
h が共通の値である各位置のOTP-CFAR(h)(x,y)の集合は、船舶候補画素を１で表し、船舶候補画素でない画素を０で表した２値画像となる。
上記の処理において、船舶候補画素抽出部２００３は、閾値τCA-CFAR やτTP-CFAR を固定値としてもよいし、h 毎に変化させてもよい。
次に、船舶候補統合部２００４について説明する。前述のように、船舶候補統合部２００４は、注目画素毎に、注目画素に関して得られた複数の判定結果を統合する。具体的には、船舶候補統合部２００４は、注目画素毎に、注目画素が船舶候補画素であると判定された回数を計数する。この計数結果を、船舶候補判定回数と記す。
まず、船舶候補画素抽出部２００３が、h=1からh=Mまでのそれぞれの場合について、OCA-CFAR(h)(x,y)の値を定めた場合について説明する。この場合、船舶候補統合部２００４は、船舶候補判定回数C を、以下に示す式（１１）の計算によって求める。
Figure 0007056751000010
船舶候補統合部２００４は、式（１１）によって船舶候補判定回数C を求める処理を、注目画素毎に行う。
船舶候補画素抽出部２００３が、h=1からh=Mまでのそれぞれの場合について、OTP-CFAR(h)(x,y)の値を定めた場合についても同様である。すなわち、船舶候補統合部２００４は、船舶候補判定回数C を、以下に示す式（１２）の計算によって求める。
Figure 0007056751000011
船舶候補統合部２００４は、式（１２）によって船舶候補判定回数C を求める処理を、注目画素毎に行う。
なお、船舶候補画素抽出部２００３が、h=1からh=Mまでのそれぞれの場合について、OCA-CFAR(h)(x,y)の値と、OTP-CFAR(h)(x,y)の値の両方を定めた場合には、船舶候補統合部２００４は、船舶候補判定回数C を、以下に示す式（１３）の計算によって求める。
Figure 0007056751000012
この場合にも、船舶候補統合部２００４は、式（１３）によって船舶候補判定回数C を求める処理を、注目画素毎に行う。
次に、船舶確率算出部２００５について説明する。前述のように、船舶確率算出部２００５は、注目画素毎に、船舶候補判定回数に基づいて、注目画素が船舶由来の画素である確率（船舶確率）を算出する。
船舶確率算出部２００５は、船舶候補統合部２００４によって得られた船舶候補判定回数C を、M （目標セル５１のセルサイズとガードセル５２のセルサイズとの組合せの数）を用いて正規化することによって、船舶確率を算出する。
例えば、船舶候補統合部２００４が式（１１）または式（１２）を用いて船舶候補判定回数C を算出したとする。この場合、船舶確率算出部２００５は、船舶確率P を、P=C/M の計算によって求める。船舶確率算出部２００５は、船舶確率P を算出する処理を、注目画素毎に実行する。
また、例えば、船舶候補統合部２００４が式（１３）を用いて船舶候補判定回数C を算出したとする。この場合、船舶確率算出部２００５は、船舶確率P を、P=C/(2M)の計算によって求める。この場合も、船舶確率算出部２００５は、船舶確率P を算出する処理を、注目画素毎に実行する。
なお、１つの船舶が複数のパートに分割されて検出される問題は、CA-CFAR やTP-CFAR ベースの手法を用いることで改善される。この問題は、カーネル密度推定により、局所的な船舶確率を統合して解析することでさらに改善することができる。船舶確率算出部２００５は、カーネル密度推定を行う場合には、船舶確率P に対して、所定のガウスカーネルG を用いて、P’=G*Pという畳み込み演算を適用し、この演算によってえられたP’を船舶検出部２００６に出力する。
次に、船舶検出部２００６について説明する。前述のように、船舶検出部２００６は、注目画素毎に、船舶確率と所定の閾値とを比較し、船舶確率が所定の閾値以上となっている注目画素を、船舶に該当する画素（船舶画素）として検出する。
位置 (x,y)に対応する画素であって、注目画素が船舶画素であるか否かに応じた２値の画素値で表される画素を、Oship(x,y)と記すこととする。船舶検出部２００６は、船舶確率P が所定の閾値以上である場合に、注目画素が船舶画素であると判定し、船舶確率P が所定の閾値未満である場合に、注目画素が船舶画素でないと判定する。この所定の閾値を、τshipとする。船舶検出部２００６は、以下に示す式（１４）によって、Oship(x,y)の値を求める
Figure 0007056751000013
船舶検出部２００６は、この処理を個々の注目画素毎に行う。Oship(x,y)=1であるということは、注目画素が船舶画素であるという判定結果を意味する。Oship(x,y)=0であるということは、注目画素が船舶画素でないという判定結果を意味する。従って、船舶検出部２００６は、Oship(x,y)=1となった位置の注目画素を、船舶画素として検出すればよい。
なお、上記の閾値τshipについては、単純な多数決ルールに従うとするなら、τship=0.5としてよい。また、ユーザがτshipを微調整してもよい。また、船舶確率が上記のカーネル密度推定を適用して得られたのであれば、ガウスカーネルG の中心係数Gcを用いて、τship=0.5*Gc と補正してもよい。
また、船舶検出部２００６は、船舶画素の検出の後処理として、船舶画素の連結性に基づいて、船舶画素のかたまり（クラスタ）毎に、一意にラベルを与える処理を行ってもよい。さらに、船舶検出部２００６は、所定範囲内の大きさに該当しないクラスタを、船舶検出の結果から除外してもよい。また、ＳＡＲ画像には地理情報が付随していることが多いため、船舶検出部２００６は、ＳＡＲ画像に写された領域内の陸域データを参照し、船舶画素として検出された画素の位置が陸域に該当する場合には、その船舶画素を検出結果から除外してもよい。この場合、ＳＡＲ画像に写された領域内の陸域データは、別途、船舶検出部２００６に入力しておけばよい。
複数統計量算出部２００１と、船舶指標算出部２００２と、船舶候補画素抽出部２００３と、船舶候補統合部２００４と、船舶確率算出部２００５と、船舶検出部２００６とを含む画像処理部２は、例えば、船舶検出プログラムに従って動作するコンピュータのＣＰＵ（Central Processing Unit ）によって実現される。この場合、例えば、ＣＰＵが、コンピュータのプログラム記憶装置等のプログラム記録媒体から船舶検出プログラムを読み込み、船舶検出プログラムに従って、複数統計量算出部２００１と、船舶指標算出部２００２と、船舶候補画素抽出部２００３と、船舶候補統合部２００４と、船舶確率算出部２００５と、船舶検出部２００６とを含む画像処理部２として動作すればよい。
次に、処理経過について説明する。図４は、第１の実施形態の画像処理部２の処理経過の例を示すフローチャートである。なお、既に説明した事項については、適宜、説明を省略する。
まず、複数統計量算出部２００１が、入力されたＳＡＲ画像の個々の画素をそれぞれ注目画素として、注目画素毎に、注目画素を含むセルのセルサイズを変化させ、セルサイズ別に、画素値統計量を算出する（ステップＳ１）。この結果、個々の注目画素に関して、それぞれ、複数の画素値統計量が得られる。
次に、船舶指標算出部２００２が、目標セルのセルサイズおよびガードセルのセルサイズを変化させながら、ステップＳ１で得られた画素値統計量に基づいて、複数の船舶指標値を算出する。船舶指標算出部２００２は、この処理を注目画素毎に行う（ステップＳ２）。
次に、船舶候補画素抽出部２００３が、注目画素毎に、ステップＳ２で得られたそれぞれの船舶指標値に基づいて、注目画素が船舶候補画素であるか否かを判定する（ステップＳ３）。この結果、注目画素毎に、複数の判定結果が得られる。
次に、船舶候補統合部２００４が、注目画素毎に、注目画素が船舶候補画素であると判定された回数を計数する（ステップＳ４）。
次に、船舶確率算出部２００５が、注目画素毎に、ステップＳ４で得られた計数結果（船舶候補回数）を、目標セルのセルサイズおよびガードセルのセルサイズの組合せの数M で除算することによって、船舶確率を算出する（ステップＳ５）。
次に、船舶検出部２００６が、注目画素毎に、船舶確率を所定の閾値τshipとを比較することによって、船舶画素を検出する（ステップＳ６）。なお、船舶検出部２００６は、ＳＡＲ画像中の船舶画素を示す情報（例えば、ＳＡＲ画像中の船舶画素の位置を示す情報）を、結果出力部３に出力する。
船舶検出部２００６の処理が終了すると、画像処理部２の処理が終了する。
結果出力部３は、例えば、船舶に該当する画素を船舶として強調表示したＳＡＲ画像を出力する。ただし、結果出力部３による出力態様は、本例に限定されない。
本実施形態によれば、画像処理部２は、目標セルのセルサイズおよびガードセルのセルサイズの組合せ毎に、注目画素が船舶候補画素であるか否かを判定する。そして、画像処理部２は、注目画素毎に、船舶候補画素であるか否かの判定結果を統合する。そして、画像処理部２は、注目画素毎に得られた統合結果（船舶候補回数）に基づいて、船舶画素を検出する。従って、あるセルサイズのセルで生じ得る検出漏れや誤検出を、他のセルサイズでカバーすることができる。従って、本実施形態によれば、ＳＡＲ画像から、様々な大きさの船舶を安定的に検出することができる。
実施形態２．
第１の実施形態では、船舶指標値ICA-CFARや船舶指標値ITP-CFARを算出する過程において、背景セルの画素値統計量を安定的に求めるために、背景セル５３のセルサイズを可能な限り大きくすることが好ましい。また、背景セルには、海面に該当する画素のみが含まれることが理想であるが、背景セルのセルサイズを無作為に大きくすると、背景セルに、注目画素によって検出しようとする船舶とは異なる船舶に該当する画素が含まれる可能性が増加する。背景セルに、そのような画素が含まれると、背景セルの画素値統計量の安定的な算出が困難になり、船舶検出性能が低下する。
第２の実施形態の船舶検出システムは、第１の実施形態の船舶検出システムよりも、安定的な船舶の検出を可能とする。以下、第２の実施形態の船舶検出システムについて説明する。
なお、目標セル５１、ガードセル５２および背景セル５３（図３参照）は、第１の実施形態における目標セル５１、ガードセル５２および背景セル５３と同様である。
本発明の第２の実施形態の船舶検出システムは、第１の実施形態と同様に、図１に示すように表すことができる。第２の実施形態における画像保持部１および結果出力部３（図１参照）は、第１の実施形態における画像保持部１および結果出力部３と同様である。
また、第２の実施形態における画像処理部２は、画像保持部１から入力されるＳＡＲ画像の各画素の中から船舶に該当する画素を検出する処理を実行し、ＳＡＲ画像におけるその画素を示す情報を結果出力部３に出力する。この点は、第１の実施形態と同様である。ただし、画像処理部２に含まれる要素やその動作は、一部、第１の実施形態とは異なる。以下、第２の実施形態の画像処理部２について説明する。
図５は、第２の実施形態の画像処理部２の例を示すブロック図である。第２の実施形態の画像処理部２は、ブロック化部４００１と、閾値算出部４００２と、第１船舶候補画素抽出部４００３と、ブロック統合部４００４と、複数統計量算出部４００５と、船舶指標算出部４００６と、第２船舶候補画素抽出部４００７と、船舶候補統合部４００８と、船舶確率算出部４００９と、船舶検出部２００６とを備える。
船舶検出部２００６は、第１の実施形態の船舶検出部２００６（図２参照）と同様であり、詳細な説明を省略する。
ブロック化部４００１は、入力されたＳＡＲ画像を所定の大きさのブロックに分割する。ブロック化部４００１は、分割によって得られた各ブロックを閾値算出部４００２および第１船舶候補画素抽出部４００３に出力する。分割によって得られた個々のブロックは、分割された画像であり、ブロック画像と称することもできる。
閾値算出部４００２は、画素値に応じて画素が船舶候補画素であるか否かを判定するための閾値を、ブロック毎に算出する。従って、ブロック毎に閾値が得られる。閾値算出部４００２は、個々のブロックの閾値を、それぞれ、海面における電磁波の散乱モデル（電磁波の海面散乱モデル）に基づいて算出する。閾値算出部４００２は、ブロック毎に算出した閾値を第１船舶候補画素抽出部４００３に出力する。閾値算出部４００２によって算出された各閾値は、第１船舶候補画素抽出部４００３によって用いられる。
第１船舶候補画素抽出部４００３は、ブロック毎に、ブロック内の個々の画素が船舶候補画素であるか否かを、ブロックに対応する閾値を用いて判定する。そして、第１船舶候補画素抽出部４００３は、ブロック毎に、船舶候補画素であると判定された画素の画素値を１とし、船舶候補画素でないと判定された画素の画素値を０とする画像データを生成する。画像データの各画素は、ブロックの各画素に対応する。この画像データは、ブロック毎に得られる。第１船舶候補画素抽出部４００３は、ブロック毎に生成した画像データをブロック統合部４００４に出力する。
以下、第１船舶候補画素抽出部４００３によって船舶候補画素であると判定された画素を、第１の船舶候補画素と記す場合がある。
ブロック統合部４００４は、ブロック毎に生成された画像データを統合することによって、１枚の画像を生成する。この画像において、船舶候補画素であると判定された画素の画素値は１であり、船舶候補画素でないと判定された画素の画素値は０である。従って、この画像は、船舶候補画素（第１の船舶候補画素）の抽出結果を表わしているということができる。また、この画像の各画素は、入力されたＳＡＲ画像の各画素に対応する。ブロック統合部４００４は、生成した画像（以下、統合画像と記す。）を、複数統計量算出部４００５および船舶候補統合部４００８に出力する。
複数統計量算出部４００５は、入力されるＳＡＲ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、複数の局所的な画素値統計量を算出する。具体的には、複数統計量算出部４００５は、注目画素毎に、注目画素を含むセルのセルサイズを変化させ、セルサイズ別に、画素値統計量を算出する。この結果、個々の注目画素に関して、それぞれ、複数の画素値統計量が得られる。複数統計量算出部４００５は、注目画素毎に算出した複数の画素値統計量を、船舶指標算出部４００６に出力する。
すなわち、複数統計量算出部４００５は、第１の実施形態における複数統計量算出部２００１（図２参照）と同様の動作を行う。ただし、背景セル５３のセルサイズに該当するセルサイズ（一番大きなセルサイズ）、および、ガードセル５２のセルサイズに該当するセルサイズに関しては、画素値統計量の算出方法が、第１の実施形態と異なる。この画素値統計量の算出方法については、後述する。その他のセルサイズ（すなわち、目標セル５１のセルサイズに該当するセルサイズ）に関して画素値統計量を算出する方法は、第１の実施形態における画素値統計量の算出方法と同様である。
船舶指標算出部４００６は、注目画素毎に、注目画素に関して算出された複数の画素値統計量を用いて、注目画素が船舶に該当している確からしさを示す船舶指標値を算出する。このとき、船舶指標算出部４００６は、個々の注目画素に関して、それぞれ、船舶指標値を複数、算出する。船舶指標算出部４００６は、注目画素毎に算出した複数の船舶指標値を、第２船舶候補画素抽出部４００７に出力する。
第２船舶候補画素抽出部４００７は、第１の実施形態の船舶候補画素抽出部２００３（図２参照）と同様の動作を行う。すなわち、第２船舶候補画素抽出部４００７は、注目画素毎に、注目画素が船舶候補画素であるか否かの判定結果を複数得る。なお、第２船舶候補画素抽出部４００７は、注目画素が船舶候補画素であるか否かを判定する際、第１の実施形態と同様に、所定の閾値を用いる。閾値算出部４００２によってブロック毎に算出された閾値は、第２船舶候補画素抽出部４００７の処理では用いられない。第２船舶候補画素抽出部４００７は、注目画素毎に得た複数の判定結果を、船舶候補統合部４００８に出力する。第２船舶候補画素抽出部４００７によって、船舶候補画素であると判定された画素を、第１の船舶候補画素と区別して、第２の船舶候補画素と記す場合がある。第２船舶候補画素抽出部４００７の動作は、第１の実施形態の船舶候補画素抽出部２００３と同様であるので、詳細な説明を省略する。
船舶候補統合部４００８は、注目画素毎に、注目画素に関して得られた複数の判定結果を統合する。具体的には、船舶候補統合部４００８は、注目画素毎に、注目画素が第２の船舶候補画素であると判定された回数を計数し、その計数結果と、その注目画素が第１の船舶候補画素であると判定された回数とを合算する。第２の実施形態では、この合算結果を、船舶候補判定回数と記す。船舶候補判定回数は、注目画素毎に得られる。船舶候補統合部４００８は、注目画素毎に求めた船舶候補判定回数を、船舶確率算出部４００９に出力する。
船舶確率算出部４００９は、注目画素毎に、船舶候補判定回数に基づいて、注目画素が船舶由来の画素である確率（船舶確率）を算出する。船舶確率算出部４００９は、注目画素毎に算出した船舶確率を、船舶検出部２００６に出力する。
以下、閾値算出部４００２、第１船舶候補画素抽出部４００３、複数統計量算出部４００５、船舶指標算出部４００６、船舶候補統合部４００８および船舶確率算出部４００９について、より詳細に説明する。
まず、閾値算出部４００２について説明する。前述のように、閾値算出部４００２は、ブロック毎に、海面における電磁波の散乱モデルに基づいて、閾値を算出する。この閾値は、画素が船舶候補画素（第１の船舶候補画素）であるか否かを判定するために用いられる閾値である。
ＳＡＲ画像上の海面における画素値の分布は一般化ガンマ分布に従うことが知られている。そこで、一般化ガンマ分布の確率密度関数をfG-Gammaとし、所定の誤警報確率をPFA とすると、以下に示す式（１５）を満たす閾値τを算出すれば、その閾値τは、誤警報確率をPFA を期待できる閾値となる。
Figure 0007056751000014
すなわち、閾値算出部４００２は、ブロック毎に、式（１５）を満たす閾値を算出する。ｊ番目のブロックに関して算出される閾値をτj とする。
また、一般化ガンマ分布の確率密度関数fPDFは、以下の式（１６）に示すように定義される。
Figure 0007056751000015
各パラメータk ，σ，νは、参考文献１に示されるように、N 個の観測データ{xi}，i ∈[1,N] から、以下の式（１７）に示す式で推定される。
Figure 0007056751000016
なお、sgn(・) は、符号を表わす関数を表わす。Ψ(・)は、ディガンマ関数を表わす。Ψ(m,・)は、ポリガンマ関数を表わす。
［参考文献］
Heng-Chao Li, Wen Hong, Yi-Rong Wu, Ping-Zhi Fan, “On the Empirical-Statistical Modeling of SAR Images With Generalized Gamma Distribution,” IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING, VOL.5, NO.3, JUNE 2011
海面の画素値分布を一般化ガンマ分布でフィッティングした例を、図６に示す。
なお、海面における電磁波の散乱モデル（電磁波の海面散乱モデル）に基づいて閾値を算出する際に用いる分布は、一般化ガンマ分布に限定されず、K-分布やワイブル分布等の他の分布を用いてもよい。
次に、第１船舶候補画素抽出部４００３について説明する。前述のように、第１船舶候補画素抽出部４００３は、ブロック毎に、ブロック内の個々の画素が船舶候補画素であるか否かを、ブロックに対応する閾値を用いて判定する。各ブロックは、ブロック化部４００１がＳＡＲ画像を分割することによって得られたものである。ブロックに対応する閾値は、閾値算出部４００２によってブロック毎に算出された閾値である。
ｊ番目のブロックをBjとし、ｊ番目のブロックに対応する閾値をτj とする。また、位置 (x,y)に対応する画素であって、その画素に対応するブロック内の画素が船舶候補画素であるか否かに応じた２値の画素値で表される画素を、OG-Gamma(j)(x,y)と記す。ｊは、そのブロックのインデックス番号である。また、位置 (x,y)に対応するブロック内の画素の画素値をBj(x,y) と記す。第１船舶候補画素抽出部４００３は、位置 (x,y)に対応するブロック内の画素の画素値Bj(x,y) がそのブロックに対応する閾値τj よりも大きければ、その画素が船舶候補画素であると判定する。また、第１船舶候補画素抽出部４００３は、位置 (x,y)に対応するブロック内の画素の画素値Bj(x,y) がそのブロックに対応する閾値τj 以下であれば、その画素が船舶候補画素でないと判定する。具体的には、第１船舶候補画素抽出部４００３は、以下に示す式（１８）によって、OG-Gamma(j)(x,y)の値を定める。
Figure 0007056751000017
第１船舶候補画素抽出部４００３は、この処理を、個々のブロックの個々の画素毎に行い、ブロック毎に、OG-Gamma(j)(x,y)の集合をまとめる。
１つのブロックに関して得られたOG-Gamma(j)(x,y)の集合は、船舶候補画素を１で表し、船舶候補画素でない画素を０で表した２値画像となる。そして、１つのブロックに関して得られたOG-Gamma(j)(x,y)の集合が、前述の画像データである。
第１船舶候補画素抽出部４００３の処理によって、ブロック毎に、船舶候補画素を１で表し、船舶候補画素でない画素を０で表した２値画像（画像データ）が得られる。
前述のように、ブロック統合部４００４は、ブロック毎に生成された画像データを統合することによって、１枚の画像（統合画像）を生成する。この画像において、船舶候補画素であると判定された画素の画素値は１であり、船舶候補画素でないと判定された画素の画素値は０である。
次に、複数統計量算出部４００５について説明する。前述のように、複数統計量算出部４００５は、注目画素毎に、注目画素を含むセルのセルサイズを変化させ、セルサイズ別に、画素値統計量を算出する。この結果、個々の注目画素に関して、それぞれ、複数の画素値統計量が得られる。
背景セル５３のセルサイズに該当するセルサイズ（一番大きなセルサイズ）、および、ガードセル５２のセルサイズに該当するセルサイズ以外のセルサイズに関して画素値統計量を算出する方法は、第１の実施形態における画素値統計量の算出方法と同様である。換言すれば、目標セル５１のセルサイズに該当するセルサイズに関して画素値統計量を算出する方法は、第１の実施形態における画素値統計量の算出方法と同様である。すなわち、複数統計量算出部４００５は、セルサイズ別に、式（１）や式（５）によって画素値統計量を算出する処理を、注目画素毎に行えばよい。
複数統計量算出部４００５が、背景セル５３のセルサイズに該当するセルサイズに応じた画素値統計量や、ガードセル５２のセルサイズに該当するセルサイズに応じた画素値統計量を算出する処理について説明する。
統合画像における位置(x,y) の画素の画素値をOG-Gamma(x,y) と記す。また、背景セル５３のセルサイズに該当するセルサイズをwbgrと表す。さらに、wbgr’=(wbgr-1)/2とする。同様に、ガードセル５２のセルサイズに該当するセルサイズをwgrdと表す。さらに、wgrd’=(wgrd-1)/2とする。
複数統計量算出部４００５は、セルサイズwbgrに対応する画素値統計量を、局所的な画素値平均を求めるためのボックスフィルタ処理によって算出する場合、以下に示す式（１９ａ）の計算によって画素値統計量Ubgrを算出する。また、複数統計量算出部４００５は、セルサイズwgrdに対応する画素値統計量を、局所的な画素値平均を求めるためのボックスフィルタ処理によって算出する場合、以下に示す式（１９ｂ）の計算によって画素値統計量Ugrdを算出する。なお、注目画素の位置を(x,y) とする。
Figure 0007056751000018
複数統計量算出部４００５は、注目画素毎に、セルサイズwbgrに対応する画素値統計量Ubgrを式（１９ａ）の計算によって算出する。また、複数統計量算出部４００５は、注目画素毎に、セルサイズwgrdに対応する画素値統計量Ugrdを式（１９ｂ）の計算によって算出する。
また、複数統計量算出部４００５は、セルサイズwbgrに対応する画素値統計量を、画素値の局所分散を求めるためのボックスフィルタ処理によって算出してもよい。この場合、複数統計量算出部４００５は、以下に示す式（２０ａ）の計算によって画素値統計量Vbgrを算出する。また、複数統計量算出部４００５は、セルサイズwgrdに対応する画素値統計量を、画素値の局所分散を求めるためのボックスフィルタ処理によって算出する場合、以下に示す式（２０ｂ）の計算によって画素値統計量Vgrdを算出する。なお、注目画素の位置を(x,y) とする。
Figure 0007056751000019
複数統計量算出部４００５は、注目画素毎に、セルサイズwbgrに対応する画素値統計量Vbgrを式（２０ａ）の計算によって算出する。また、複数統計量算出部４００５は、注目画素毎に、セルサイズwgrdに対応する画素値統計量Vgrdを式（２０ｂ）の計算によって算出する。
また、セルサイズwbgrに対応するフィルタ処理結果の正規化項をωbgr とする。複数統計量算出部４００５は、注目画素における上記の正規化項ωbgr を、以下に示す式（２１ａ）の計算によって算出する。また、セルサイズwgrdに対応するフィルタ処理結果の正規化項をωgrd とする。複数統計量算出部４００５は、注目画素における上記の正規化項ωgrd を、以下に示す式（２１ｂ）の計算によって算出する。なお、注目画素の位置を(x,y) とする。
Figure 0007056751000020
複数統計量算出部４００５は、注目画素毎に、正規化項ωbgr を式（２１ａ）の計算によって算出する。また、複数統計量算出部４００５は、注目画素毎に、正規化項ωgrd を式（２１ｂ）の計算によって算出する。
次に、船舶指標算出部４００６について説明する。前述のように、船舶指標算出部４００６は、注目画素毎に、注目画素に関して算出された複数の画素値統計量を用いて、船舶指標値を算出する。このとき、船舶指標算出部４００６は、個々の注目画素に関して、それぞれ、船舶指標値を複数、算出する。
船舶指標算出部４００６は、注目画素に関して複数のセルサイズに応じて算出された画素値統計量を用いて、目標セル５１の画素値統計量、および、背景セル５３の画素値統計量を算出する。本実施形態では、船舶指標算出部４００６は、目標セル５１の画素値統計量、および、背景セル５３の画素値統計量として、平均画素値を算出する。また、船舶指標算出部４００６は、背景セル５３の画素値統計量として、平均画素値に加え、画素値の分散値を算出してもよい。
目標セル５１のセルサイズをwtarと表し、ガードセル５２のセルサイズをwgrdと表し、背景セル５３のセルサイズをwbgrと表す。
また、目標セル５１のセルサイズに対応する、画素値平均を求めるためのボックスフィルタ処理の結果を、Utarとする。同様に、ガードセル５２のセルサイズに対応する、画素値平均を求めるためのボックスフィルタ処理の結果を、Ugrdとする。同様に、背景セル５３のセルサイズに対応する、画素値平均を求めるためのボックスフィルタ処理の結果を、Ubgrとする。
また、ガードセル５２のセルサイズに対応する、画素値の局所分散を求めるためのボックスフィルタ処理の結果を、Vgrdとする。同様に、背景セル５３のセルサイズに対応する、画素値の局所分散を求めるためのボックスフィルタ処理の結果を、Vbgrとする。
船舶指標算出部４００６は、目標セル５１の画素値統計量（具体的には、目標セル５１の平均画素値μtar）を以下に示す式（２２）によって算出する。
Figure 0007056751000021
船舶指標算出部４００６は、背景セル５３の画素値統計量（具体的には、背景セル５３の平均画素値μbgr）を以下に示す式（２３）によって算出する。
Figure 0007056751000022
また、背景セル５３の画素値統計量として、画素値の分散値も算出する場合、船舶指標算出部４００６は、背景セル５３の画素値の分散値σbgr 2を、以下に示す式（２４）によって算出する。
Figure 0007056751000023
船舶指標算出部４００６は、上記のように算出した目標セル５１の平均画素値μtar、および、背景セル５３の平均画素値μbgrを用いて（さらに背景セル５３の画素値の分散値σbgr 2も用いてもよい。）、注目画素における船舶指標値を算出する。
μtar、μbgr、σbgr 2を算出した後に、船舶指標値を算出する処理は、第１の実施形態と同様である。すなわち、船舶指標算出部４００６は、船舶指標値ICA-CFARを、ICA-CFAR＝μtar／μbgrの計算によって算出してもよい。あるいは、船舶指標算出部４００６は、船舶指標値ITP-CFARを、ITP-CFAR＝（μtar－μbgr）／σbgrの計算によって算出してもよい。
そして、船舶指標算出部４００６は、１つの注目セルに関して、目標セル５１のセルサイズおよびガードセル５２のセルサイズを変化させながら、上記の処理を繰り返し、M 個の船舶指標値ICA-CFAR(h)，h=1,2,・・・,M、または、ITP-CFAR(h)，h=1,2,・・・,Mを算出する。このとき、背景セル５３のセルサイズは一定の値に定めてもよいし、目標セル５１やガードセル５２のセルサイズと同様に変更してもよい。h は、目標セル５１のセルサイズとガードセル５２のセルサイズとの組合せのインデックス番号である。ここでは、目標セル５１のセルサイズとガードセル５２のセルサイズとの組合せの数をM としている。
船舶指標算出部４００６は、M 個の船舶指標値を算出する処理を、個々の注目画素毎に行う。
また、船舶指標算出部４００６は、上記の処理において、ICA-CFAR(h)，h=1,2,・・・,M、と、ITP-CFAR(h)，h=1,2,・・・,Mの両方を算出してもよい。
前述のように、第２船舶候補画素抽出部４００７の動作は、第１の実施形態の船舶候補画素抽出部２００３と同様であるので、詳細な説明を省略する。第２船舶候補画素抽出部４００７は、注目画素毎に、h=1からh=Mまでのそれぞれの場合について、前述の式（９）によって、OCA-CFAR(h)(x,y)の値を定める。または、第２船舶候補画素抽出部４００７は、注目画素毎に、h=1からh=Mまでのそれぞれの場合について、前述の式（１０）によって、OTP-CFAR(h)(x,y)の値を定める。
次に、船舶候補統合部４００８について説明する。前述のように、船舶候補統合部４００８は、注目画素毎に、注目画素に関して得られた複数の判定結果を統合する。具体的には、船舶候補統合部４００８は、注目画素毎に、第２船舶候補画素抽出部４００７によって注目画素が第２の船舶候補画素であると判定された回数を計数し、その計数結果と、その注目画素が第１船舶候補画素抽出部４００３によって第１の船舶候補画素であると判定された回数とを合算する。第２の実施形態では、この合算結果を、船舶候補判定回数と記す。なお、１つの注目画素に関して、第１船舶候補画素抽出部４００３によって第１の船舶候補画素であると判定された回数は、０または１である。
まず、第２船舶候補画素抽出部４００７が、h=1からh=Mまでのそれぞれの場合について、OCA-CFAR(h)(x,y)の値を定めた場合について説明する。この場合、船舶候補統合部４００８は、船舶候補判定回数C を、以下に示す式（２５）の計算によって求める。
Figure 0007056751000024
式（２５）において、OG-Gamma(x,y)=1であれば、その注目画素は、第１船舶候補画素抽出部４００３によって船舶候補画素であると判定されたことを意味する。また、OG-Gamma(x,y)=0であれば、その注目画素は、第１船舶候補画素抽出部４００３によって船舶候補画素でないと判定されたことを意味する。このことは、後述の式（２６）や式（２７）でも同様である。
船舶候補統合部４００８は、式（２５）によって船舶候補判定回数C を求める処理を、注目画素毎に行う。
第２船舶候補画素抽出部４００７が、h=1からh=Mまでのそれぞれの場合について、OTP-CFAR(h)(x,y)の値を定めた場合についても同様である。すなわち、船舶候補統合部４００８は、船舶候補判定回数C を、以下に示す式（２６）の計算によって求める。
Figure 0007056751000025
船舶候補統合部４００８は、式（２６）によって船舶候補判定回数C を求める処理を、注目画素毎に行う。
なお、第２船舶候補画素抽出部４００７が、h=1からh=Mまでのそれぞれの場合について、OCA-CFAR(h)(x,y)の値と、OTP-CFAR(h)(x,y)の値の両方を定めた場合には、船舶候補統合部４００８は、船舶候補判定回数C を、以下に示す式（２７）の計算によって求める。
Figure 0007056751000026
この場合にも、船舶候補統合部４００８は、式（２７）によって船舶候補判定回数C を求める処理を、注目画素毎に行う。
次に、船舶確率算出部４００９について説明する。前述のように、船舶確率算出部４００９は、注目画素毎に、船舶候補判定回数に基づいて、注目画素が船舶由来の画素である確率（船舶確率）を算出する
船舶確率算出部４００９は、船舶候補統合部４００８によって得られた船舶候補判定回数C を正規化することによって、船舶確率を算出する。
例えば、船舶候補統合部４００８が式（２５）または式（２６）を用いて船舶候補判定回数C を算出したとする。この場合、第２の実施形態では、船舶確率算出部４００９は、船舶確率P を、P=C/(M+1) の計算によって求める。船舶確率算出部４００９は、船舶確率P を算出する処理を、注目画素毎に実行する。
また、例えば、船舶候補統合部４００８が式（２７）を用いて船舶候補判定回数C を算出したとする。この場合、船舶確率算出部４００９は、船舶確率P を、P=C/(2M+1)の計算によって求める。この場合も、船舶確率算出部４００９は、船舶確率P を算出する処理を、注目画素毎に実行する。
なお、船舶確率算出部４００９は、第１の実施形態の船舶確率算出部２００５と同様に、船舶確率P の算出に、カーネル密度推定を適用してもよい。
ブロック化部４００１と、閾値算出部４００２と、第１船舶候補画素抽出部４００３と、ブロック統合部４００４と、複数統計量算出部４００５と、船舶指標算出部４００６と、第２船舶候補画素抽出部４００７と、船舶候補統合部４００８と、船舶確率算出部４００９と、船舶検出部２００６とを含む画像処理部２は、例えば、船舶検出プログラムに従って動作するコンピュータのＣＰＵによって実現される。この場合、例えば、ＣＰＵが、コンピュータのプログラム記憶装置等のプログラム記録媒体から船舶検出プログラムを読み込み、船舶検出プログラムに従って、ブロック化部４００１と、閾値算出部４００２と、第１船舶候補画素抽出部４００３と、ブロック統合部４００４と、複数統計量算出部４００５と、船舶指標算出部４００６と、第２船舶候補画素抽出部４００７と、船舶候補統合部４００８と、船舶確率算出部４００９と、船舶検出部２００６とを含む画像処理部２として動作すればよい。
図７および図８は、第２の実施形態の画像処理部２の処理経過の例を示すフローチャートである。なお、既に説明した事項については、適宜、説明を省略する。
まず、ブロック化部４００１が、入力されたＳＡＲ画像を所定の大きさのブロックに分割する（ステップＳ２１）。
次に、閾値算出部４００２が、ブロック毎に、画素値の分布を所定の確率分布モデルにフィッティングし、閾値を算出する（ステップＳ２２）。
次に、第１船舶候補画素抽出部４００３が、ブロック毎に、ブロック内の個々の画素が船舶候補画素であるか否かを、ブロックに対応する閾値を用いて判定する。そして、第１船舶候補画素抽出部４００３が、ブロック毎に、船舶候補画素であると判定された画素の画素値を１とし、船舶候補画素でないと判定された画素の画素値を０とする画像データを生成する（ステップＳ２３）。
次に、ブロック統合部４００４が、ブロック毎に生成された画像データを統合することによって、統合画像を生成する（ステップＳ２４）。
次に、複数統計量算出部４００５が、入力されたＳＡＲ画像の個々の画素をそれぞれ注目画素として、注目画素毎に、注目画素を含むセルのセルサイズを変化させ、セルサイズ別に、画素値統計量を算出する。このとき、複数統計量算出部４００５は、背景セル５３のセルサイズに該当するセルサイズの画素値統計量を算出するときと、ガードセル５２のセルサイズに該当するセルサイズの画素値統計量を算出するときには、統合画像を用いる（ステップＳ２５）。ステップＳ２５の結果、個々の注目画素に関して、それぞれ、複数の画素値統計量が得られる。
次に、船舶指標算出部４００６が、目標セルのセルサイズおよびガードセルのセルサイズを変化させながら、ステップＳ２５で得られた画素値統計量に基づいて、複数の船舶指標値を算出する。船舶指標算出部４００６は、この処理を注目画素毎に行う（ステップＳ２６）。
次に、第２船舶候補画素抽出部４００７が、注目画素毎に、ステップＳ２６で得られたそれぞれの船舶指標値に基づいて、注目画素が船舶候補画素であるか否かを判定する（ステップＳ２７）。ステップＳ２７の結果、注目画素毎に、複数の判定結果が得られる。
次に、船舶候補統合部４００８が、注目画素毎に、注目画素が船舶候補画素であると判定された回数を計数する（ステップＳ２８）。
次に、船舶確率算出部４００９が、注目画素毎に、ステップＳ２８で得られた計数結果（船舶候補回数）を正規化することによって、船舶確率を算出する（ステップＳ２９）。
次に、船舶検出部２００６が、注目画素毎に、船舶確率を所定の閾値τshipとを比較することによって、船舶画素を検出する（ステップＳ３０）。なお、船舶検出部２００６は、ＳＡＲ画像中の船舶画素を示す情報（例えば、ＳＡＲ画像中の船舶画素の位置を示す情報）を、結果出力部３に出力する。
船舶検出部２００６の処理が終了すると、画像処理部２の処理が終了する。
結果出力部３は、例えば、船舶に該当する画素を船舶として強調表示したＳＡＲ画像を出力する。ただし、結果出力部３による出力態様は、本例に限定されない。
本実施形態でも、第１の実施形態と同様の効果が得られる。
さらに、本実施形態では、複数統計量算出部４００５は、統合画像を用いて、前述の式（１９ａ）、式（２０ａ）、および式（２１ａ）の計算により、画素値統計量Ubgr、画素値統計量Vbgr、正規化項ωbgr を算出する。また、複数統計量算出部４００５は、統合画像を用いて、前述の式（１９ｂ）、式（２０ｂ）、および式（２１ｂ）の計算により、画素値統計量Ugrd、画素値統計量Vgrd、正規化項ωgrd を算出する。そして、船舶指標算出部４００６は、それらの値を用いて、式（２３）や式（２４）の計算により、背景セル５３の画素値特徴量を算出する。この動作により、第１船舶候補画素抽出部４００３によって背景セル５３内の船舶候補画素として検出された画素を除外して、背景セル５３の画素値特徴量を算出することになる。よって、背景セル５３に該当する領域に他の船舶が存在することによる船舶検出性能低下を抑止することができる。従って、ＳＡＲ画像から、より安定的に船舶を検出することができる。
図９は、各実施形態における船舶検出システムに係るコンピュータの構成例を示す概略ブロック図である。コンピュータ１０００は、ＣＰＵ１００１と、主記憶装置１００２と、補助記憶装置１００３と、インタフェース１００４と、出力デバイス１００５とを備える。
各実施形態における船舶検出システムは、コンピュータ１０００に実装され、その動作は、船舶検出プログラムの形式で補助記憶装置１００３に記憶されている。ＣＰＵ１００１は、その船舶検出プログラムを補助記憶装置１００３から読み出して主記憶装置１００２に展開し、その船舶検出プログラムに従って、上記の各実施形態で説明した動作を実行する。
補助記憶装置１００３は、一時的でない有形の媒体の例である。一時的でない有形の媒体の他の例として、インタフェース１００４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ（Compact Disk Read Only Memory ）、ＤＶＤ－ＲＯＭ（Digital Versatile Disk Read Only Memory ）、半導体メモリ等が挙げられる。また、プログラムが通信回線によってコンピュータ１０００に配信される場合、配信を受けたコンピュータ１０００がそのプログラムを主記憶装置１００２に展開し、上記の処理を実行してもよい。
また、プログラムは、前述の処理の一部を実現するためのものであってもよい。さらに、プログラムは、補助記憶装置１００３に既に記憶されている他のプログラムとの組み合わせで前述の処理を実現する差分プログラムであってもよい。
また、各構成要素の一部または全部は、汎用または専用の回路（circuitry ）、プロセッサ等やこれらの組み合わせによって実現されてもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各構成要素の一部または全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。
各構成要素の一部または全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
次に、本発明の概要について説明する。図１０は、本発明の船舶検出システムの概要を示すブロック図である。本発明の船舶検出システムは、船舶候補画素導出手段８１と、統合手段８２と、船舶画素検出手段８３とを備える。
船舶候補画素導出手段８１（例えば、複数統計量算出部２００１と、船舶指標算出部２００２と、船舶候補画素抽出部２００３とに相当する部分や、複数統計量算出部４００５と、船舶指標算出部４００６と、第２船舶候補画素抽出部４００７とに相当する部分）は、合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する。
統合手段８２（例えば、船舶候補統合部２００４に相当する部分や、船舶候補統合部４００８に相当する部分）は、注目画素毎に、船舶候補画素であるか否かの判定結果を統合する。
船舶画素検出手段８３（例えば、船舶確率算出部２００５と、船舶検出部２００６とに相当する部分や、船舶確率算出部４００９と、船舶検出部２００６とに相当する部分）は、統合手段８２によって注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する。
そのような構成によって、様々な大きさの船舶を安定的に検出することができる。
上記の本発明の各実施形態は、以下の付記のようにも記載され得るが、以下に限定されるわけではない。
（付記１）
合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出手段と、
注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合手段と、
前記統合手段によって注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出手段とを備える
ことを特徴とする船舶検出システム。
（付記２）
船舶候補画素導出手段は、
注目画素毎に、目標セルのサイズとガードセルのサイズとの組合せ毎に、目標セルの画素値統計量と、背景セルの画素値統計量とを算出し、前記目標セルの画素値統計量と前記背景セルの画素値統計量との関係に基づいて、注目画素が船舶候補画素であるか否かを判定する
付記１に記載の船舶検出システム。
（付記３）
電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理手段を備える
付記１または付記２に記載の船舶検出システム。
（付記４）
電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理手段を備え、
船舶候補画素導出手段は、
前記定誤警報確率処理手段によって船舶候補画素として検出された画素を除外して、背景セルの画素値統計量を算出する
付記２に記載の船舶検出システム。
（付記５）
統合手段は、
注目画素毎に、船舶候補画素であると判定された回数を計数することによって、船舶候補画素であるか否かの判定結果を統合する
付記１から付記４のうちのいずれかに記載の船舶検出システム。
（付記６）
コンピュータが、
合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出処理を実行し、
注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合処理を実行し、
前記統合処理で注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出処理を実行する
ことを特徴とする船舶検出方法。
（付記７）
コンピュータが、
船舶候補画素導出処理で、
注目画素毎に、目標セルのサイズとガードセルのサイズとの組合せ毎に、目標セルの画素値統計量と、背景セルの画素値統計量とを算出し、前記目標セルの画素値統計量と前記背景セルの画素値統計量との関係に基づいて、注目画素が船舶候補画素であるか否かを判定する
付記６に記載の船舶検出方法。
（付記８）
コンピュータが、
電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理を実行する
付記６または付記７に記載の船舶検出方法。
（付記９）
コンピュータが、
電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理を実行し、
船舶候補画素導出処理で、
前記定誤警報確率処理で船舶候補画素として検出された画素を除外して、背景セルの画素値統計量を算出する
付記７に記載の船舶検出方法。
（付記１０）
コンピュータが、
統合処理で、
注目画素毎に、船舶候補画素であると判定された回数を計数することによって、船舶候補画素であるか否かの判定結果を統合する
付記６から付記９のうちのいずれかに記載の船舶検出方法。
（付記１１）
コンピュータに、
合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出処理、
注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合処理、および、
前記統合処理で注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出処理
を実行させるための船舶検出プログラム。
（付記１２）
コンピュータに、
船舶候補画素導出処理で、
注目画素毎に、目標セルのサイズとガードセルのサイズとの組合せ毎に、目標セルの画素値統計量と、背景セルの画素値統計量とを算出させ、前記目標セルの画素値統計量と前記背景セルの画素値統計量との関係に基づいて、注目画素が船舶候補画素であるか否かを判定させる
付記１１に記載の船舶検出プログラム。
（付記１３）
コンピュータに、
電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理を実行させる
付記１１または付記１２に記載の船舶検出プログラム。
（付記１４）
コンピュータに、
電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理を実行させ、
船舶候補画素導出処理で、
前記定誤警報確率処理で船舶候補画素として検出された画素を除外して、背景セルの画素値統計量を算出させる
付記１２に記載の船舶検出プログラム。
（付記１５）
コンピュータに、
統合処理で、
注目画素毎に、船舶候補画素であると判定された回数を計数することによって、船舶候補画素であるか否かの判定結果を統合させる
付記１１から付記１４のうちのいずれかに記載の船舶検出プログラム。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記の実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
産業上の利用の可能性
本発明は、ＳＡＲ画像からの船舶の検出に好適に適用される。
１ 画像保持部
２ 画像処理部
３ 結果出力部
２００１，４００５ 複数統計量算出部
２００２，４００６ 船舶指標算出部
２００３ 船舶候補画素抽出部
２００４，４００８ 船舶候補統合部
２００５，４００９ 船舶確率算出部
２００６ 船舶検出部
４００１ ブロック化部
４００２ 閾値算出部
４００３ 第１船舶候補画素抽出部
４００４ ブロック統合部
４００７ 第２船舶候補画素抽出部

Claims (10)

  1. 合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出手段と、
    注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合手段と、
    前記統合手段によって注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出手段とを備える
    ことを特徴とする船舶検出システム。
  2. 船舶候補画素導出手段は、
    注目画素毎に、目標セルのサイズとガードセルのサイズとの組合せ毎に、目標セルの画素値統計量と、背景セルの画素値統計量とを算出し、前記目標セルの画素値統計量と前記背景セルの画素値統計量との関係に基づいて、注目画素が船舶候補画素であるか否かを判定する
    請求項１に記載の船舶検出システム。
  3. 電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理手段を備える
    請求項１または請求項２に記載の船舶検出システム。
  4. 電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理手段を備え、
    船舶候補画素導出手段は、
    前記定誤警報確率処理手段によって船舶候補画素として検出された画素を除外して、背景セルの画素値統計量を算出する
    請求項２に記載の船舶検出システム。
  5. 統合手段は、
    注目画素毎に、船舶候補画素であると判定された回数を計数することによって、船舶候補画素であるか否かの判定結果を統合する
    請求項１から請求項４のうちのいずれか１項に記載の船舶検出システム。
  6. コンピュータが、
    合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出処理を実行し、
    注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合処理を実行し、
    前記統合処理で注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出処理を実行する
    ことを特徴とする船舶検出方法。
  7. コンピュータが、
    船舶候補画素導出処理で、
    注目画素毎に、目標セルのサイズとガードセルのサイズとの組合せ毎に、目標セルの画素値統計量と、背景セルの画素値統計量とを算出し、前記目標セルの画素値統計量と前記背景セルの画素値統計量との関係に基づいて、注目画素が船舶候補画素であるか否かを判定する
    請求項６に記載の船舶検出方法。
  8. コンピュータが、
    電磁波の海面散乱モデルと、所定の誤警報確率との関係に基づいて、合成開口レーダ画像から船舶候補画素を検出する定誤警報確率処理を実行する
    請求項６または請求項７に記載の船舶検出方法。
  9. コンピュータに、
    合成開口レーダ画像の個々の画素をそれぞれ注目画素とし、注目画素毎に、注目画素を含む目標セルのサイズと、目標セルの周辺画素を含む背景セルと目標セルとの間の領域に該当するガードセルのサイズとの組合せ毎に、注目画素が船舶を表わす画素の候補である船舶候補画素であるか否かを判定する船舶候補画素導出処理、
    注目画素毎に、船舶候補画素であるか否かの判定結果を統合する統合処理、および、
    前記統合処理で注目画素毎に得られた統合結果に基づいて、船舶に該当する画素を検出する船舶画素検出処理
    を実行させるための船舶検出プログラム。
  10. コンピュータに、
    船舶候補画素導出処理で、
    注目画素毎に、目標セルのサイズとガードセルのサイズとの組合せ毎に、目標セルの画素値統計量と、背景セルの画素値統計量とを算出させ、前記目標セルの画素値統計量と前記背景セルの画素値統計量との関係に基づいて、注目画素が船舶候補画素であるか否かを判定させる
    請求項９に記載の船舶検出プログラム。
JP2020550978A 2018-10-02 2018-10-02 船舶検出システム、方法およびプログラム Active JP7056751B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/036847 WO2020070792A1 (ja) 2018-10-02 2018-10-02 船舶検出システム、方法およびプログラム

Publications (2)

Publication Number Publication Date
JPWO2020070792A1 JPWO2020070792A1 (ja) 2021-09-02
JP7056751B2 true JP7056751B2 (ja) 2022-04-19

Family

ID=70055712

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020550978A Active JP7056751B2 (ja) 2018-10-02 2018-10-02 船舶検出システム、方法およびプログラム

Country Status (3)

Country Link
US (1) US20210396869A1 (ja)
JP (1) JP7056751B2 (ja)
WO (1) WO2020070792A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3937065B1 (en) * 2020-07-07 2022-05-11 Axis AB Method and device for counting a number of moving objects that cross at least one predefined curve in a scene
CN113947750A (zh) * 2021-09-27 2022-01-18 杜腾腾 疑似捕鱼目标采集系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4542381A (en) 1982-10-05 1985-09-17 Motorola, Inc. Adaptive window CFAR apparatus
JP2005520161A (ja) 2002-03-13 2005-07-07 レイセオン・カナダ・リミテッド レーダ検出の適応的システムおよび方法
US20180275259A1 (en) 2017-03-27 2018-09-27 Melexis Technologies Sa Method and apparatus for echo detection

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03248076A (ja) * 1990-02-27 1991-11-06 Fujitsu Ltd Ｃｆａｒ回路
JPH0579487U (ja) * 1992-03-27 1993-10-29 三菱電機株式会社 レーダ信号処理装置
JP2991080B2 (ja) * 1995-05-23 1999-12-20 三菱電機株式会社 レーダ装置
JP3340309B2 (ja) * 1996-04-12 2002-11-05 三菱電機株式会社 レーダ信号処理装置
US8422738B1 (en) * 2008-08-25 2013-04-16 The United States Of America As Represented By The Secretary Of The Navy Adaptive automated synthetic aperture radar vessel detection method with false alarm mitigation
US9852511B2 (en) * 2013-01-22 2017-12-26 Qualcomm Incoporated Systems and methods for tracking and detecting a target object
CN108319908A (zh) * 2018-01-26 2018-07-24 华中科技大学 一种基于像素级差分特征的非受限环境人脸检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4542381A (en) 1982-10-05 1985-09-17 Motorola, Inc. Adaptive window CFAR apparatus
JP2005520161A (ja) 2002-03-13 2005-07-07 レイセオン・カナダ・リミテッド レーダ検出の適応的システムおよび方法
US20180275259A1 (en) 2017-03-27 2018-09-27 Melexis Technologies Sa Method and apparatus for echo detection

Also Published As

Publication number Publication date
JPWO2020070792A1 (ja) 2021-09-02
WO2020070792A1 (ja) 2020-04-09
US20210396869A1 (en) 2021-12-23

Similar Documents

Publication Publication Date Title
Li et al. An improved superpixel-level CFAR detection method for ship targets in high-resolution SAR images
US10055648B1 (en) Detection, classification, and tracking of surface contacts for maritime assets
CN110766724B (zh) 目标跟踪网络训练、跟踪方法及装置、电子设备及介质
US11373314B2 (en) Land mask image generation for ocean surface and land surface
Ai et al. AIS data aided Rayleigh CFAR ship detection algorithm of multiple-target environment in SAR images
US10373320B2 (en) Method for detecting moving objects in a video having non-stationary background
WO2020202505A1 (en) Image processing apparatus, image processing method and non-transitoty computer readable medium
Sun et al. Ship detection in SAR images based on multilevel superpixel segmentation and fuzzy fusion
US9536174B2 (en) Fault-aware matched filter and optical flow
CN106295498B (zh) 光学遥感图像目标区域检测装置与方法
CN105160355A (zh) 一种基于区域相关和视觉单词的遥感图像变化检测方法
CN113627229A (zh) 目标检测方法、系统、设备以及计算机存储介质
JP7056751B2 (ja) 船舶検出システム、方法およびプログラム
Yılmaz Automatic detection of water surfaces using K-means++ clustering algorithm with Landsat-9 and Sentinel-2 images on the Google Earth Engine Platform
US10909689B2 (en) Target detection and tracking method
Farah et al. A fast ship detection algorithm based on automatic censoring for multiple target situations in SAR images
Gupta et al. A novel unsupervised thresholding technique for landsat image change detection
Malinas et al. Vehicle track detection in CCD imagery via conditional random field
Ganbold et al. Coarse-to-fine evolutionary method for fast horizon detection in maritime images
CN115761527A (zh) 一种基于统计特性和结构特性融合的sar图像目标检测方法
CN117173583B (zh) 舰船目标检测方法、装置及电子设备
Mehrotra et al. Change detection from satellite images using PNN
El Merabet et al. Horizon Line Detection from Fisheye Images Using Color Local Image Region Descriptors and Bhattacharyya Coefficient-Based Distance
Gupta et al. IoT-based nano wireless sensor approach for detection of ships using mixed convolutional neural network approach
El Merabet et al. Hellinger kernel-based distance and local image region descriptors for sky region detection from fisheye images

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210226

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210226

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: 20220308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220321

R151 Written notification of patent or utility model registration

Ref document number: 7056751

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151