JP7188595B2 - 画像処理装置および画像処理方法 - Google Patents

Description

本発明は、容易にＳＡＲ画像と対象とを対応付けることを可能にする合成開口レーダの画像処理装置および画像処理方法に関する。

合成開口レーダ（ＳＡＲ：Synthetic Aperture Radar）技術は、人工衛星や航空機などの飛翔体が移動しながら電磁波を送受信し、大きな開口を持つアンテナと等価な観測画像が得られる技術である。合成開口レーダは、例えば、地表からの反射波を信号処理して、標高や地表変位を解析するために利用される。ＳＡＲ技術が用いられる場合、解析装置は、合成開口レーダによって得られる時系列のＳＡＲ画像（ＳＡＲデータ）を入力とし、入力されたＳＡＲ画像を時系列解析する。

ＳＡＲ画像を使用する場合に、地表面や構造物等の観測の対象とＳＡＲ画像における対応箇所とが容易に対応付けられることが好ましい。

特許文献１には、容易に対象とＳＡＲ画像における箇所とを対応付けることができるようにするために、ＳＡＲ画像におけるＰＳ（Persistent Scatterer）点の画素をクラスタリングする方法が記載されている。特許文献１に記載された方法では、複数のＰＳ点の位相の相関に基づいてクラスタリングが実行される。

なお、特許文献２には、ある画素と統計的に均質な画素を検出する方法が記載されている。

また、非特許文献１には、複数時期でノイズの性質が変わらない画素としてのＳＨＰ（Statistically Homogeneous Pixel ）と呼ばれる画素を活用する解析方法が記載されている。ＳＨＰとして、強度（反射強度）に関して類似性がある画素が選定される。

国際公開第２０１８／１２３７４８号 国際公開第２０１０／１１２４２６号

A. Ferretti et.al., "A New Algorithm for Processing Interferometric Data-Stacks: SqueeSAR", IEEE Transactions on Geoscience and Remote Sensing, Vol. 49, No. 9, pp.3460-3470, September 2011

特許文献１に記載された方法では、計測点としてＰＳ（Persistent Scatterer）点のみが使用されるので、計測点が少ないことがある。その場合には、観測の対象とＳＡＲ画像における対応箇所との対応付けが難しくなることがある。特許文献１に記載された方法において、計測点を増やして、すなわち、クラスタリング対象の画素を増やして、クラスタリングを実行しようとすると、位相ノイズの性質が異なる画素が混在する可能性がある。特許文献１に記載された方法では、位相相関に基づいてクラスタリングが実行されるので、位相ノイズの性質が異なる画素が混在する状況では、生成されるクラスタが、所望のクラスタ構成とは異なってしまう可能性がある。

本発明は、分類の対象の画素を増やしても所望の分類を実行することができ、その結果、より容易にＳＡＲ画像と対象とを対応付けることを可能にする画像処理装置および画像処理方法を提供することを目的とする。

本発明による画像処理装置は、サンプル画素の強度を算出する強度算出手段と、サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する周辺画素選択手段と、周辺画素の位相を特定する位相特定手段と、周辺画素の位相の相関に基づいて周辺画素を分類することによって複数のクラスタを生成する画素分類手段と、統計的性質が類似する周辺画素を接続してグラフ化する画素接続手段とを備え、画素分類手段は、画素接続手段が作成したグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断することによってクラスタを生成する。

本発明による画像処理方法は、サンプル画素の強度を算出し、サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択し、周辺画素の位相を特定し、周辺画素の位相の相関に基づいて周辺画素を分類し、周辺画素を分類することによって複数のクラスタを生成し、統計的性質が類似する周辺画素を接続してグラフ化し、クラスタを生成するときに、作成されたグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断する。

本発明による画像処理プログラムは、コンピュータに、サンプル画素の強度を算出する処理と、サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する処理と、周辺画素の位相を特定する処理と、周辺画素の位相の相関に基づいて周辺画素を分類することによって複数のクラスタを生成する処理と、統計的性質が類似する周辺画素を接続してグラフ化する処理とを実行させ、クラスタを生成するときに、作成されたグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断させる。

本発明によれば、分類の対象の画素を増やしても所望の分類を実行することができ、その結果、より容易にＳＡＲ画像と対象とを対応付けることが可能になる。

第１の実施形態の画像処理装置の構成例を示すブロック図である。 クラスタリング部の構成例を示すブロック図である。 距離特定部の構成例を示すブロック図である。 第１の実施形態の画像処理装置の動作を示すフローチャートである。 最小全域木生成部の動作を示すフローチャートである。 クラスタリングを説明するための説明図である。 クラスタリングを説明するための説明図である。 クラスタリングを説明するための説明図である。 実施形態におけるクラスタリングを説明するための説明図である。 第２の実施形態の画像処理装置の構成例を示すブロック図である。 第２の実施形態の画像処理装置の動作を示すフローチャートである。 画素接続部の作用を説明するための説明図である。 第３の実施形態の画像処理装置の構成例を示すブロック図である。 第３の実施形態の画像処理装置の動作を示すフローチャートである。 第４の実施形態の画像処理装置の構成例を示すブロック図である。 第４の実施形態の画像処理装置の動作を示すフローチャートである。 ＣＰＵを有するコンピュータの一例を示すブロック図である。 画像処理装置の主要部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。

実施形態１．
図１は、第１の実施形態の画像処理装置の構成例を示すブロック図である。図１に示す画像処理装置１は、ＳＡＲ画像格納部１００、位相特定部１０１、クラスタリング部１０２、強度算出部１０４、および周辺画素抽出部１０５および類似検証部１０６を含む。

ＳＡＲ画像格納部１００には、Ｎ枚のＳＡＲ画像が格納されている。位相特定部１０１は、複数のＳＡＲ画像に基づいて、複数のサンプル画素（対象画素）の各々における位相を特定する。クラスタリング部１０２は、少なくとも画素の位相の相関に基づいて、画素をクラスタリングする。

強度算出部１０４は、画素の強度を算出する。周辺画素抽出部１０５は、ＳＡＲ画像においてサンプル画素を含む窓領域を設定し、窓領域内の画素を抽出する。類似検証部１０６は、サンプル画素の強度と抽出された画素の強度とに基づいて、サンプル画素と統計的に均質な画素（ＳＨＰ）を特定する。

図２は、クラスタリング部１０２の構成例を示すブロック図である。図２に示す例では、クラスタリング部１０２は、距離特定部１２１、最小全域木生成部１２２および分離部１２３を含む。

距離特定部１２１は、２つのサンプル画素の間の距離（例えば、ユークリッド距離）および２つのサンプル画素の位相の相関に基づいて、２つのサンプル画素の関係を示す距離を算出する。最小全域木生成部１２２は、距離特定部１２１算出した距離に基づいて、サンプル画素に関する最小全域木を生成する。分離部１２３は、あらかじめ定められたしきい値を用いて、最小全域木を分離する。分離されて生成された木に属するサンプル画素の集合が、サンプル画素のクラスタになる。 一般に、複数のクラスタが生成される。以下、画像における画素の間の距離としてユークリッド距離が使用される場合を例にするが、距離は、それに限定される訳ではない。

図３は、距離特定部１２１の構成例を示すブロック図である。距離特定部１２１は、相関係数算出部１２１１、距離算出部１２１２および統合部１２１３を含む。

相関係数算出部１２１１は、２つのサンプル画素に関して位相特定部１０１によって特定された位相の相関係数を求める。相関係数算出部１２１１は、２つのサンプル画素に関する位相（たとえば位相配列の各々）についての相関係数を算出する。

相関係数算出部１２１１は、例えば、次のようにして位相の相関に関する計算を行う。すなわち、位相特定部１０１が絶対値１の複素数として位相を特定する場合には、相関係数算出部１２１１は、下記の（１）式を用いて位相の相関の強さを計算してもよい。（１）式において、位相特定部１０１が算出したサンプル画素a に対する位相配列の各々の要素がs_an とされ、サンプル画素b に対する位相配列の各々の要素がs_bn とされている。Ｎは画像の数を示す。n は画像の番号を示す。上付き線は複素共役を表す。

また、位相特定部１０１が偏角の形で位相を特定する場合には、相関係数算出部１２１１は、ピアソンの積率相関係数を位相の相関係数としてもよい。

距離算出部１２１２は、２つのサンプル画素に関するユークリッド距離を求める。距離算出部１２１２は、２つのサンプル画素の座標等の位置情報を用いて、公知の手法等によってＳＡＲ画像におけるユークリッド距離を求める。

統合部１２１３は、相関係数算出部１２１１が算出した２つのサンプル画素に関する相関係数と、距離算出部１２１２が算出した２つのサンプル画素に関するユークリッド距離とに基づいて、２つのサンプル画素の関係を定める。関係を、距離と表現する。なお、２つのサンプル画素の間の距離は、２つのサンプル画素の相関関係が強い場合に小さい値になる。しかし、相関係数は、一般に、相関が強い場合に大きい値になる。そこで、統合部１２１３は、変換部を備えてもよい。変換部は、相関が強い場合に大きい値となる相関係数を、相関が強い場合に小さい値になるように変換する。

なお、距離は、２つの画素の関係の程度を示す指標であればよく、統合部１２１３は、上述した処理とは異なる処理によって距離を求めてもよい。

また、例えば、統合部１２１３は、相関係数とユークリッド距離とのうちの少なくとも一方に重みを付与して距離を求めてもよい。重みを用いる場合には、相関係数とはユークリッド距離とのうち、重視する方が強く反映された距離が求められる。例えば、ユークリッド距離に重み０を付与すると、位相の相関係数のみに基づく距離が算出される。

次に、図４および図５のフローチャートを参照して画像処理装置１の動作を説明する。図４は、画像処理装置１の動作を示すフローチャートである。

強度算出部１０４は、ＳＡＲ画像からサンプル画素を選択し（ステップＳ１０１）、サンプル画素の強度（振幅値でもよい。）を算出する（ステップＳ１０２）。サンプル画素は、例えば、ＰＳ点の画素であるが、ＳＡＲ画像における全ての画素であってもよい。

周辺画素抽出部１０５は、ＳＡＲ画像においてサンプル画素を含む窓領域、例えば、その重心位置から最も近い画素がサンプル画素であるような窓領域を設定する（ステップＳ１０３）。そして、周辺画素抽出部１０５は、窓領域内の画素を周辺画素として抽出する。なお、窓領域のサイズは任意であるが、一例として、窓領域のサイズとして、縦横１０×１０画素や、１００×１００画素が用いられる。窓領域のサイズは偶数に限られない。また、窓領域の形状は、正方形に限られない。窓領域の形状は、長方形（一例として、１１×２１画素）でもよいし、楕円などの非矩形であってもよい。窓領域の形状は、地形などに応じて、サンプル画素ごとに異なるようにしてもよい。また、窓領域は、連続する複数の画素で構成されるのではなく、離散的な複数の画素で構成される（例えば、一画素おきに選択された複数の画素で窓領域が形成される。）ようにしてもよい。

類似検証部１０６は、周辺画素の強度を算出する（ステップＳ１０４）。類似検証部１０６は、例えば、サンプル画素の強度と周辺画素の強度とが同じ確率分布関数によって生成されるか否か検証する（ステップＳ１０５）。そして、類似検証部１０６は、サンプル画素と同じ確率分布関数によって生成される周辺画素を、サンプル画素と統計的に均質な画素とする。類似検証部１０６は、サンプル画素と統計的に均質な複数の画素（サンプル画素も含まれる。）を位相特定部１０１に出力する。

位相特定部１０１は、各々の画素における位相を特定する（ステップＳ１０７）。位相特定部１０１において、位相特定部１０１は、例えば、位相配列を作成することによって位相を特定する。具体的には、位相特定部１０１は、画素毎に、複数のＳＡＲ画像の各々の当該画素における位相を要素とする配列、すなわち位相配列を作成する。

位相特定部１０１は、画素における位相の一例として、基準となるＳＡＲ画像と他のＳＡＲ画像との間での位相の変化（位相差）を求めてもよい。この場合には、同じ領域を撮影した複数のＳＡＲ画像のうち、基準となるＳＡＲ画像があらかじめ定められる。そして、位相特定部１０１は、位相差を位相配列の要素とする。また、他の例として、位相特定部１０１は、基準となるＳＡＲ画像を定めずに、複数のＳＡＲ画像における当該画素の位相を時系列順等で配列することによって位相配列を作成してもよい。

なお、位相は、例えば絶対値が１となるように正規化された複素数の形式で表される。

本実施形態では、クラスタリング部１０２において、最小全域木生成部１２２は、サンプル画素をクラスタリングするために、最小全域木を生成する（ステップＳ１０８）。最小全域木は、ステップＳ１０６の処理で抽出された全ての画素が、距離特定部１２１によって算出される距離の総和が最小になるような枝によって、閉路が構成されないように接続された木構造である。なお、本実施形態では、最小全域木における枝の各々には、枝に接続される２つのサンプル画素の間の距離が重みとして付される。

図５は、最小全域木生成部１２２の動作を示すフローチャートである。

なお、図５に示す例では、最小全域木生成部１２２は、クラスタリングのために、プリム法で最小全域木を生成するが、クラスカル法で最小全域木を生成してもよい。

また、クラスタリング部１０２は、少なくとも画素の位相の相関が用いられるのであれば、他のクラスタリング方法を用いてもよい。他のクラスタリング方法の一例として、画素と各々のクラスタのセントロイドとの距離に基づいて、画素をいずれかのクラスタに分類する方法がある。また、クラスタリング方法の他の例として、カーネルと呼ばれる関数によって算出される画素間の類似度に基づいて、画素をいずれかのクラスタに分類する方法がある。カーネルを用いる手法として、画素間の類似度を計算してグラフを作成し、類似度が最小となるような辺を分割するような手法が用いられてもよいし、類似度に基づいて定義されるセントロイドと各画素との類似度を最大化するような手法が用いられてもよい。

図５に示す例では、最小全域木生成部１２２は、複数の画素のうち、１つの画素をランダムに選択して重み付きグラフを生成する（ステップＳ１２１）。次に、最小全域木生成部１２２は、重み付きグラフに属するいずれかの画素と重み付きグラフに属さない複数の画素との間の距離を確認する。最小全域木生成部１２２は、重み付きグラフに属する画素との距離が最短である２つの画素の組を決定する（ステップＳ１２２）。なお、距離は、上述したように、相関係数算出部１２１１、距離算出部１２１２および統合部１２１３を含む距離特定部１２１によって算出される。

最小全域木生成部１２２は、決定された組における画素のうち、重み付きグラフに属さない画素を重み付きグラフに追加する（ステップＳ１２３）。なお、最小全域木生成部１２２は、組に含まれる２つの画素を接続する枝を、重み付きグラフに加える。

次に、最小全域木生成部１２２は、全ての画素が重み付きグラフに属するかを判定する（ステップＳ１２４）。全ての画素が重み付きグラフに属する場合には、処理を終了する。重み付きグラフに属さない画素が存在する場合には、ステップＳ１２２に戻る。

分離部１２３は、画素をクラスタリングする（ステップＳ１０９）。すなわち、分離部１２３は、あらかじめ定められたしきい値を用いて最小全域木を分離する。重み付きグラフが分離されて生成された各々のグラフにおける画素の集合がクラスタとなる。しきい値は、最小全域木において枝で接続されている２つの画素の間の距離の平均値または距離の標準偏差に基づいて決定される。一例として、分離部１２３は、クラスタに属する画素間の距離がしきい値以下になるように、クラスタを定める。また、分離部１２３は、クラスタに属する画素の間の距離の標準偏差がしきい値以下になるように、クラスタを定めてもよい。

なお、分離部１２３は、クラスタを生成するときに、各々のクラスタのサイズ（属する画素の数）に制限を付けるようにしてもよい。

以上に説明したように、本実施形態の画像処理装置１は、少なくとも画素の位相の相関に基づいて、画素をクラスタリングする。よって、位相平均や位相の分散の大きさが揃った画素が含まれるクラスタが生成される。

さらに、本実施形態では、画像処理装置１は、強度に基づく画素の同一性（統計的に均質であること）に基づいて、クラスタリングの対象の画素を増やすとともに、位相に基づくクラスタリングを行うので、より正確にクラスタが生成される可能性が高まる。なお、同一性は、統計的に均質であるか否かを意味する。換言すれば、同一性があるということは、画素が類似していることを示す。

また、本実施形態の画像処理装置１を用いる場合には、クラスタリングの対象の画素を増やせるので、ＳＡＲ画像を使用する場合に、地表面や構造物等の観測の対象とＳＡＲ画像における対応箇所とがより容易に、かつ、正確に対応付けられる。なお、このことは、以下の実施形態でも同様である。

図６は、本実施形態でのクラスタリングを説明するための説明図である。図６に示す例では、ＳＡＲ画像に、建物Ａおよび道路Ｂが含まれる。図６（Ａ）において、丸印は、サンプル画素を示す。白抜き丸印は、建物Ａの壁面に関連する画素を示す。黒塗り丸印は、道路Ｂに関連する画素を示す。

建物Ａの壁面に関連する複数の画素に関して、ある画素の位相と他の画素の位相との距離は短い。よって、それらは、図６（Ｂ）に示すように、クラスタＡに分類される。また、道路Ｂに関連する複数の画素に関して、各画素の位相と他の画素の位相との距離は短い。よって、それらは、図６（Ｂ）に示すように、クラスタＢに分類される。

図７～図９の説明図を参照して、本実施形態の効果をより詳しく説明する。

図７（Ａ）に示すように、位相が変化する画素ａ，ｂ，ｃ，ｄがあるとする。そして、強度に基づいて類似する画素ｃ，ｄが選択されたとする（図７（Ｂ）参照）。図７（Ｃ）に示すように、画素ｃ，ｄの各々の位相の平均的な変動は同程度であり、かつ、画素ｃ，ｄの位相の分散が小さいので、位相の統計的性質に同一性がある画素が一のクラスタに分類される。

図８（Ａ）に示すように、強度に基づいて類似すると判定された画素ａ，ｂ，ｃ，ｄのうちに、位相の分散を大きくする画素が存在する場合を考える（図８（Ａ）における枠Ｘ内の画素に対するそれ以外の画素を参照）。そのような場合に、位相の統計的性質を考慮しないときには、図８（Ｂ）に示すように、クラスタリングの対象になる画素に、統計的性質が異なる画素が含まれてしまう。

図９は、本実施形態の画像処理装置１において実施される画像処理方法によるクラスタリングを説明するための説明図である。

本実施形態では、図９（Ａ），（Ｂ）に示すように、１つのクラスタ（クラスタ＃１とクラスタ＃２のそれぞれ）には、位相の統計的性質（例えば、分散および平均）が類似する画素が属する。

実施形態２．
図１０は、第２の実施形態の画像処理装置の構成例を示すブロック図である。図１０に示す画像処理装置２の構成は、第１の実施形態の画像処理装置１に画素接続部１０７が追加され、クラスタリング部１０２がクラスタリング部１１０に置換された構成である。

画素接続部１０７は、強度に基づく同一性がある画素を、接続してグラフ化する。後述するように、クラスタリング部１１０は、第２の実施形態におけるクラスタリング部１０２の処理とは異なる処理によって、クラスタリングを実行する。

図１１は、画像処理装置２の動作を示すフローチャートである。図１２に示すように、画像処理装置２は、第１の実施形態の画像処理装置１の処理（図４に示された処理）に加えて、ステップＳ１３１の処理を実行する。また、図４に示されステップＳ１０８，Ｓ１０９の処理に代えて、ステップＳ１１０の処理を実行する。その他の処理は、第１の実施形態の画像処理装置１が実行する処理と同じである。

ステップＳ１３１において、画素接続部１０７は、類似検証部１０６によって同一性があると判定された画素を接続することによってグラフを作成する。ステップＳ１１０において、クラスタリング部１１０は、位相の相関が所定のしきい値以下である画素間の辺を切断することによってクラスタを生成する。しきい値は、所望されるクラスタのサイズ等に応じて設定される。

本実施形態でも、第１の実施形態と同様に、画像処理装置２は、強度に基づく画素の同一性に基づいて、クラスタリングの対象の画素を増やすとともに、位相に基づくクラスタリングを行うので、所望のクラスタ構成が作成される可能性が高まる。

図１２は、画素接続部１０７の作用を説明するための説明図である。

周辺画素抽出部１０５および類似検証部１０６は、図１２（Ａ）に例示されるようなＳＡＲ画像におけるサンプル画像の強度に基づく同一性を検証する（図１２（Ｂ）参照）。画素接続部１０７は、同一性がある（類似する）と判定された画素同士を接続してＳＡＲ画像中の画素をグラフ化する（図１２（Ｃ）参照）。なお、図１２（Ｃ）には、接続の様子が模式的に表され、図１２（Ｂ）に示された状態とは整合していない。

クラスタリング部１１０は、位相の相関が弱い画素間の辺を切断することによって、クラスタを生成する（図１２（Ｄ）参照）。図１２（Ｄ）には、４つのクラスタが例示されている。

実施形態３．
図１３は、第３の実施形態の画像処理装置の構成例を示すブロック図である。図１３に示す画像処理装置３の構成は、第１の実施形態の画像処理装置１にノイズ推定部１０８が追加された構成である。

ノイズ推定部１０８は、周辺画素におけるノイズに関する統計的性質を推定する。ＳＡＲ画像におけるノイズとして、例えば、画素間で強度が揺らぐことに起因するノイズがある。その場合、画素の強度の分散がノイズに反映される。

図１４は、画像処理装置４の動作を示すフローチャートである。図１４に示すように、画像処理装置３は、第１の実施形態の画像処理装置１の処理（図４参照）に加えて、ステップＳ１４１の処理を実行する。その他の処理は、第１の実施形態の画像処理装置１が実行する処理と同じである。ただし、後述するように、クラスタリング部１０２は、画素をクラスタリングするときに、ノイズ推定部１０８の処理結果を参照する。

ステップＳ１４１において、ノイズ推定部１０８は、例えば、類似検証部１０６による検証の結果に応じて選択された各々の画素の強度の分散を算出する。ノイズ推定部１０８は、算出結果をクラスタリング部１０２に出力する。

クラスタリング部１０２は、クラスタリングの処理で、例えば、クラスタリングの対象の画素に関する強度の分散が大きいときには、同じクラスタに分類される基準を緩めてもよい。一例として、クラスタリング部１０２は、同じクラスタに分類するためのしきい値を小さくする。また、強度の分散が小さい（すなわち、ノイズが小さい）画素については、同じクラスタに分類される基準を高くするができる。そのような処理をクラスタリング部１０２が実行することによって、位相の相関が大きい複数の画素が、同じクラスタに分類される。

なお、本実施形態では、ノイズに関する統計的性質として画素の強度の分散を例にしたが、ノイズに関する統計的性質は画素の強度の分散に限られない。ノイズに関する統計的性質として、画素の強度の平均など他の統計的性質が用いられてもよい。

また、本実施形態では、ノイズに関する統計的性質に基づいてクラスタリングのしきい値が変更されることを例にしたが、ノイズに関する統計的性質は、他の用途に用いられてもよい。例えば、ノイズに関する統計的性質は、画素の位相の相関に基づいて画素がクラスタリングされるときに、一のクラスタに属することに決定されるための相関の程度（尺度）を変更するために使用可能である。

本実施形態の画像処理装置３が使用される場合、設計者などが意図するクラスタ構成（例えば、所定のサイズや画素の位相に関する統計的性質が所定の程度に揃えられたクラスタ構成）を得るために、ノイズ推定部１０８の処理結果を使用することができる。例えば、意図されたクラスタ構成を得るために、ノイズに関する統計的性質に基づいてクラスタリングのためのパラメータ（例えば、しきい値）が変更されるようにしてもよい。

実施形態４．
図１５は、第４の実施形態の画像処理装置の構成例を示すブロック図である。図１５に示す画像処理装置４の構成は、図１０に示された第２の実施形態の画像処理装置２にノイズ推定部１０８が追加された構成である。

図１６は、画像処理装置４の動作を示すフローチャートである。図１６に示すように、画像処理装置４は、第２の実施形態の画像処理装置２の処理（図１１参照）に加えて、ステップＳ１４１の処理を実行する。その他の処理は、図１３に示された第３の実施形態の画像処理装置３が実行する処理と同じである。ただし、クラスタリング部１１０は、画素をクラスタリングするときに、ノイズ推定部１０８の処理結果を参照する。クラスタリング部１１０は、第３の実施形態におけるクラスタリング部１０２がノイズ推定部１０８の処理結果を参照する方法と同様の方法で、ノイズ推定部１０８の処理結果を参照する。

ステップＳ１４１の処理は、第３の実施形態におけるノイズ推定部１０８が実行する処理と同じであるが、画素接続部１０７によるステップＳ１３１の処理とノイズ推定部１０８によるステップＳ１４１の処理とは、同時に実行されることが可能である。

本実施形態では、第２の実施形態の場合と同様に、所望のクラスタ構成が作成される可能性が高まるとともに、第３の実施形態の場合と同様に、設計者などが意図するクラスタ構成（例えば、所定のサイズや画素の位相に関する統計的性質が所定の程度に揃えられたクラスタ構成）を得ることができる。

上記の各実施形態における各構成要素は、１つのハードウェアで構成可能であるが、１つのソフトウェアでも構成可能である。また、各構成要素は、複数のハードウェアでも構成可能であり、複数のソフトウェアでも構成可能である。また、各構成要素のうちの一部をハードウェアで構成し、他部をソフトウェアで構成することもできる。

上記の実施形態における各機能（各処理）を、ＣＰＵ（Central Processing Unit ）等のプロセッサやメモリ等を有するコンピュータで実現可能である。例えば、記憶装置（記憶媒体）に上記の実施形態における方法（処理）を実施するためのプログラムを格納し、各機能を、記憶装置に格納されたプログラムをＣＰＵで実行することによって実現してもよい。

図１７は、ＣＰＵを有するコンピュータの一例を示すブロック図である。コンピュータは、画像処理装置に実装される。ＣＰＵ１０００は、記憶装置１００１に格納されたプログラムに従って処理を実行することによって、上記の実施形態における各機能を実現する。すなわち、図１，図１０，図１３，図１５に示された画像処理装置における、位相特定部１０１、クラスタリング部１０２，１１０、強度算出部１０４、周辺画素抽出部１０５、類似検証部１０６、画素接続部１０７、およびノイズ推定部１０８の機能を実現する。

記憶装置１００１は、例えば、非一時的なコンピュータ可読媒体（non-transitory computer readable medium ）である。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium ）を含む。非一時的なコンピュータ可読媒体の具体例として、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ－ＲＯＭ（Compact Disc-Read Only Memory ）、ＣＤ－Ｒ（Compact Disc-Recordable ）、ＣＤ－Ｒ／Ｗ（Compact Disc-ReWritable ）、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM ）、フラッシュＲＯＭ）がある。

また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium ）に格納されてもよい。一時的なコンピュータ可読媒体には、例えば、有線通信路または無線通信路を介して、すなわち、電気信号、光信号または電磁波を介して、プログラムが供給される。

メモリ１００２は、例えばＲＡＭ（Random Access Memory）で実現され、ＣＰＵ１０００が処理を実行するときに一時的にデータを格納する記憶手段である。メモリ１００２に、記憶装置１００１または一時的なコンピュータ可読媒体が保持するプログラムが転送され、ＣＰＵ１０００がメモリ１００２内のプログラムに基づいて処理を実行するような形態も想定しうる。

図１８は、画像処理装置の主要部を示すブロック図である。図１８に示す画像処理装置１０は、サンプル画素（例えば、ＰＳ点の画素）の強度を算出する強度算出手段１１（実施形態では、強度算出部１０４で実現される。）と、サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する周辺画素選択手段１２（実施形態では、周辺画素抽出部１０５および類似検証部１０６で実現される。）と、周辺画素の位相を特定する位相特定手段１３（実施形態では、位相特定部１０１で実現される。）と、周辺画素の位相の相関に基づいて周辺画素（サンプル画素も含む。）を分類する画素分類手段１４（実施形態では、クラスタリング部１０２，１１０で実現される。）とを備える。

上記の実施形態の一部または全部は、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）サンプル画素の強度を算出する強度算出手段と、
前記サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する周辺画素選択手段と、
前記周辺画素の位相を特定する位相特定手段と、
前記周辺画素の位相の相関に基づいて前記周辺画素を分類する画素分類手段と
を備えた画像処理装置。

（付記２）前記画素分類手段は、周辺画素を分類することによって複数のクラスタを生成する
付記１の画像処理装置。

（付記３）前記画素分類手段は、統計的性質が類似する周辺画素を接続してグラフ化する画素接続手段（実施形態では、画素接続部１０７で実現される。）を含み、
前記画素分類手段は、前記画素接続手段が作成したグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断することによってクラスタを生成する
付記２の画像処理装置。

（付記４）周辺画素のノイズの統計的性質を推定するノイズ推定手段（実施形態では、ノイズ推定部１０８で実現される。）を備え、
前記画素分類手段は、前記ノイズの統計的性質を参照して周辺画素を分類する
付記１から付記３のうちのいずれかに記載の画像処理装置。

（付記５）サンプル画素の強度を算出し、
前記サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択し、
前記周辺画素の位相を特定し、
前記周辺画素の位相の相関に基づいて前記周辺画素を分類する
画像処理方法。

（付記６）周辺画素を分類することによって複数のクラスタを生成する
付記５の画像処理方法。

（付記７）統計的性質が類似する周辺画素を接続してグラフ化し、
作成されたグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断することによってクラスタを生成する
付記６の画像処理方法。

（付記８）周辺画素のノイズの統計的性質を推定し、
前記ノイズの統計的性質を参照して周辺画素を分類する
付記５から付記７のうちのいずれかに記載の画像処理方法。

（付記９）コンピュータに、
サンプル画素の強度を算出する処理と、
前記サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する処理と、
前記周辺画素の位相を特定する処理と、
前記周辺画素の位相の相関に基づいて前記周辺画素を分類する処理と
を実行させるための画像処理プログラム。

（付記１０）コンピュータに、
周辺画素を分類することによって複数のクラスタを生成する処理
を実行させる付記９の画像処理プログラム。

（付記１１）コンピュータに、
統計的性質が類似する周辺画素を接続してグラフ化する処理と、
作成されたグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断することによってクラスタを生成する処理と
を実行させる付記１０の画像処理プログラム。

（付記１２）コンピュータに、
周辺画素のノイズの統計的性質を推定する処理と、
前記ノイズの統計的性質を参照して周辺画素を分類する処理と
を実行させる付記９から付記１１のうちのいずれかに記載の画像処理プログラム。

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。

１，２，３，４，１０ 画像処理装置
１１ 強度算出手段
１２ 周辺画素選択手段
１３ 位相特定手段
１４ 画素分類手段
１００ ＳＡＲ画像格納部
１０１ 位相特定部
１０２，１１０ クラスタリング部
１０４ 強度算出部
１０５ 周辺画素抽出部
１０６ 類似検証部
１０７ 画素接続部
１０８ ノイズ推定部
１０００ ＣＰＵ
１００１ 記憶装置
１００２ メモリ

Claims (5)

1. サンプル画素の強度を算出する強度算出手段と、
   前記サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する周辺画素選択手段と、
   前記周辺画素の位相を特定する位相特定手段と、
   前記周辺画素の位相の相関に基づいて前記周辺画素を分類することによって複数のクラスタを生成する画素分類手段と、
   統計的性質が類似する前記周辺画素を接続してグラフ化する画素接続手段とを備え、
   前記画素分類手段は、前記画素接続手段が作成したグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断することによって前記クラスタを生成する
   画像処理装置。
2. 周辺画素のノイズの統計的性質を推定するノイズ推定手段を備え、
   前記画素分類手段は、前記ノイズの統計的性質を参照して周辺画素を分類する
   請求項１記載の画像処理装置。
3. サンプル画素の強度を算出し、
   前記サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択し、
   前記周辺画素の位相を特定し、
   前記周辺画素の位相の相関に基づいて前記周辺画素を分類することによって複数のクラスタを生成し、
   統計的性質が類似する前記周辺画素を接続してグラフ化し、
   前記クラスタを生成するときに、作成されたグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断する
   画像処理方法。
4. 周辺画素のノイズの統計的性質を推定し、
   前記ノイズの統計的性質を参照して周辺画素を分類する
   請求項３記載の画像処理方法。
5. コンピュータに、
   サンプル画素の強度を算出する処理と、
   前記サンプル画素の強度に基づいて、サンプル画素と強度の統計的性質が類似する周辺画素を選択する処理と、
   前記周辺画素の位相を特定する処理と、
   前記周辺画素の位相の相関に基づいて前記周辺画素を分類することによって複数のクラスタを生成する処理と、
   統計的性質が類似する前記周辺画素を接続してグラフ化する処理とを実行させ、
   前記クラスタを生成するときに、作成されたグラフにおいて位相の相関が所定のしきい値以下である画素間の辺を切断させる
   ための画像処理プログラム。

Images