JP7415347B2 - 情報処理装置、情報処理方法、プログラム、センシングシステム - Google Patents

Description

本技術は情報処理装置、情報処理方法、プログラム、センシングシステムに関し、特に植生状態等の計測結果の生成に好適な技術に関する。

例えばドローン（Drone）等の小型の飛行体に撮像装置を搭載し、圃場の上空を移動しながら植物の植生状態を撮像していくことで、植生状態をリモートセンシングする取り組みがある。
特許文献１には、圃場を撮像し、リモートセンシングを行う技術に関して開示されている。

特許第５１６２８９０号公報

このようなリモートセンシングでは、可視光（Ｒ（赤）、Ｇ（緑）、Ｂ（青））の計測による形状の計測に加え、色々な光学波長や手法を用いることで対象の物性、生理状態などを計測することができる。しかし小型飛行体に搭載可能なセンシングデバイスは大きさや重量などの制限を受けることが多い。

例えば多数の波長を取得し、成分分析などが行えるハイパースペクトラムカメラ（Hyper Spectrum Camera）は、一般的に、２次元の画像を取得するためのスキャニング機構が必要で、サイズが大きいため、小型のドローン等には搭載が困難である。また、そのスキャンには一定の時間を要するため、ホバリングする必要があり、測定時間が長くなる。そのためドローンのバッテリー容量の制限などにより、圃場等の広い土地を十分にセンシングすることが困難である。またスキャン中のドローンの振動はセンシング精度を低下させる。
これはハイパースペクトラムカメラの場合であるが、他にもサイズ的、重量的、或いは動作の性質などにより小型の飛行体への搭載に向かないセンシングデバイスはあり、このような小型飛行体に搭載可能なセンシングデバイスの制限により、より高度な分析を行う運用が難しい場合がある。
そこで本開示では、例えば小型の飛行体を用いるリモートセンシングにおいて例えば高度な分析などにも運用できるシステム及びそのための情報処理装置を提供することを目的とする。

本技術に係る情報処理装置は、計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算部と、前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算部と、前記マクロ計測分析演算部による演算結果と前記ミクロ計測分析演算部による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算部と、を備える。
例えば空間分解能の高いセンシングのみではなく、空間分解能は低いが高機能なセンシングが可能なマクロ計測を合わせて行い、両者の検出情報に基づいた分析結果を生成する。

上記した本技術に係る情報処理装置においては、前記補完分析演算は、前記マクロ計測分析演算部による演算結果を、前記ミクロ計測分析演算部による演算結果を使って補完する演算処理であることが考えられる。
例えばマクロ分析の演算結果の分解能をミクロ計測分析演算部による演算結果を使って上げることなどにより、検出精度を向上させる。
また上記した本技術に係る情報処理装置においては、前記ミクロ計測分析演算部による演算結果の分解能は、前記マクロ計測分析演算部による演算結果の分解能より高いことが考えられる。
ミクロ計測分析演算部による演算結果の分解能が高いことで、マクロ計測分析演算部による演算結果では表れない情報を補完することができる。
また上記した本技術に係る情報処理装置においては、前記補完分析演算部は、前記第２の計測範囲について前記ミクロ計測分析演算部が分析結果として弁別した特定の対象についての物性値を、前記マクロ計測分析演算部の分析結果である前記第１の空間分解能の単位での物性値として求めた補完分析情報を生成することが考えられる。
例えば空間分解能の高いセンシングで計測対象の弁別を行う。高機能なセンシングが可能なマクロ計測によって、弁別された計測対象の物性値を求める。

上記した本技術に係る情報処理装置においては、前記物性値は植物の光合成に関する情報であることが考えられる。
光合成に関する情報としては、例えばＳＩＦ（solar-induced chlorophyll fluorescence）や、ＳＩＦから計算される各種情報がある。

上記した本技術に係る情報処理装置においては、前記ミクロ計測分析演算部は、ＲＧＢ画像又は植生指数に関する情報に基づいて測定対象の弁別を行うことが考えられる。
例えばＲＧＢ画像やＮＤＶＩ（Normalized Difference Vegetation Index）画像を用い、所定の閾値と比較するなどの手法で弁別を行う。

上記した本技術に係る情報処理装置においては、前記マクロ計測部は、前記ミクロ計測部よりも前記計測対象からの距離が遠い位置でセンシングを行うことが考えられる。
マクロ計測部はミクロ計測部よりも計測対象から遠い位置から、広い計測範囲の計測を行う。一方、ミクロ計測部はマクロ計測部よりも計測対象から近い位置から、比較的狭い計測範囲の計測を行う。

上記した本技術に係る情報処理装置においては、前記マクロ計測部は、人工衛星に搭載されていることが考えられる。
人工衛星にマクロ計測部を搭載し、上空の離れた位置から圃場などの計測対象の計測を行う。

上記した本技術に係る情報処理装置においては、前記ミクロ計測部は、無線操縦又は自動操縦が可能な飛行体に搭載されていることが考えられる。
無線操縦や自動操縦が可能な飛行体としてはいわゆるドローン、小型無線操縦固定翼飛行機、小型無線操縦ヘリコプタなどがある。

上記した本技術に係る情報処理装置においては、前記ミクロ計測部は、ミクロ計測センサとして、可視光イメージセンサ、ステレオカメラ、レーザ画像検出及び測距のセンサ、偏光センサ、ＴｏＦ（Time of Flight）センサのいずれかを有することが考えられる。
なおレーザ画像検出及び測距のセンサはいわゆるＬｉｄａｒ（light detection and ranging）として知られている。

上記した本技術に係る情報処理装置においては、前記マクロ計測部は、マクロ計測センサとして、マルチスペクトラムカメラ（Multi Spectrum Camera）、ハイパースペクトラムカメラ、フーリエ変換赤外分光光度計（ＦＴＩＲ：Fourier Transform Infrared Spectroscopy）、赤外線センサのいずれかを有することが考えられる。

上記した本技術に係る情報処理装置においては、外部装置から入力される前記補完分析演算部の補完分析演算プログラムを保持する保持部を有することが考えられる。
即ち補完分析演算部の演算アルゴリズムを規定するプログラムを外部装置から取得できるようにする。

上記した本技術に係る情報処理装置においては、前記補完分析情報に基づく出力画像データを生成して出力する出力部を有することが考えられる。
即ち補完分析演算部による補完分析結果の情報を画像化してユーザに提示できるようにする。

上記した本技術に係る情報処理装置においては、前記出力部は、補完分析結果をカラーマッピングした出力画像データを生成することが考えられる。
補完分析結果が複数の領域毎に得られている場合に、各領域に色当てした画像としてユーザに提示する画像を生成する。

上記した本技術に係る情報処理装置においては、前記出力部は、補完分析結果をカラーマッピングした画像と、他の画像を合成した出力画像データを生成することが考えられる。
各領域に色当てした画像と他の画像を、例えばオーバーレイや上書きなどの形で合成する。

上記した本技術に係る情報処理装置においては、前記他の画像は、前記ミクロ計測分析演算部の演算結果に基づく画像であることが考えられる。
他の画像として、ミクロ計測に基づく画像を用い、これを領域毎のマクロ計測に基づくカラーマッピング画像と合成する。

上記した本技術に係る情報処理装置においては、前記出力画像データは、前記第２の計測範囲の全部又は一部を表す画像について前記第１の空間分解能の単位で補完分析結果を示した画像データであることが考えられる。
第２の計測範囲は第１の計測範囲に含まれるため、マクロ計測とミクロ計測が行われている範囲となる。この第２の計測範囲の全部又は一部を表す画像において、第１の空間分解能の単位毎に分析結果が視認できるようにする。

本技術に係る情報処理方法は、計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算処理と、前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算処理と、前記マクロ計測分析演算処理による演算結果と前記ミクロ計測分析演算処理による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算処理と、を情報処理装置が実行する。これにより情報処理装置において計測対象について、マクロ計測とミクロ計測を合わせた高度な分析結果情報の生成ができる。
本技術に係るプログラムは、上記方法の処理を情報処理装置に実行させるプログラムである。これにより高度な分析結果を生成するコンピュータ装置の実現が容易となる。
本技術に係るセンシングシステム、計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部と、前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部と、上述の情報処理装置を備える。
これによりマクロ計測とミクロ計測を行い、更にそれらの計測結果を用いた分析結果を生成するシステムを構築できる。

本技術の実施の形態のセンシングシステムにおけるマクロ計測部とミクロ計測部の説明図である。 実施の形態の圃場に対するリモートセンシングの例の説明図である。 実施の形態のマクロ計測部とミクロ計測部の計測の説明図である。 実施の形態のマクロ計測部とミクロ計測部の計測範囲と分解能の説明図である。 実施の形態の情報処理装置のハードウエア構成のブロック図である。 実施の形態の情報処理装置の機能構成のブロック図である。 実施の形態の分析処理例の概要の説明図である。 実施の形態の処理例のフローチャートである。 実施の形態のミクロ計測分析演算処理のフローチャートである。 実施の形態のミクロ計測分析演算で用いる画像の説明図である。 実施の形態のミクロ計測分析演算過程の画像の説明図である。 実施の形態の補完分析演算処理のフローチャートである。 実施の形態の補完演算の例の説明図である。 実施の形態の分析結果の例の説明図である。 実施の形態のカラーマッピングを用いた出力画像の説明図である。 実施の形態のカラーマッピング画像と他の画像の合成の説明図である。 実施の形態のカラーマッピング画像と他の画像の合成の説明図である。

以下、実施の形態を次の順序で説明する。
＜１．センシングシステムの構成＞
＜２．情報処理装置の構成＞
＜３．処理例＞
＜４．各種例＞
＜５．まとめ及び変形例＞

＜１．センシングシステムの構成＞
まず実施の形態のセンシングシステムについて説明する。
図１はセンシングシステムを構成するマクロ計測部２とミクロ計測部３を示している。

ミクロ計測部３は、測定対象４に対して比較的近い位置でセンシングを行う。一単位のセンシングを行う計測範囲は、ミクロ計測範囲ＲＺ３として示す比較的狭い範囲とされる。なお、一単位とはセンサ種別にもよるが、例えばカメラであれば１フレームの画像撮像を行う範囲などとされる。

これに対してマクロ計測部２は、測定対象４に対してミクロ計測部３よりも遠い位置からセンシングを行う。一単位のセンシングを行う計測範囲は、マクロ計測範囲ＲＺ２として示すように、ミクロ計測範囲ＲＺ３よりも広い範囲とされる。但し、マクロ計測部２の一単位のセンシングを行う計測範囲は、ミクロ計測範囲ＲＺ３と同一としてもよい。

本実施の形態の場合、ミクロ計測範囲ＲＺ３はマクロ計測範囲ＲＺ２と同一の範囲又はより狭い範囲とされる。即ち、測定対象４におけるミクロ計測範囲ＲＺ３のエリアは、マクロ計測範囲ＲＺ２にもカバーされている。換言すれば、ミクロ計測範囲ＲＺ３は、ミクロ計測部３によるミクロ計測とマクロ計測部２によるマクロ計測の両方が行われる範囲である。

このようなマクロ計測部２とミクロ計測部３を用いるセンシングシステムとしては、例えば図２に示すような圃場３００の植生状態のセンシングを行うシステムが例に挙げられる。

図２は圃場３００の様子を示している。昨今、図２のように例えばドローンのような小型の飛行体２００に搭載された撮像装置２５０を用いて、植生状態をリモートセンシングする取り組みが行われている。
飛行体２００は、例えば操作者の無線操縦、或いは自動操縦等により、圃場３００の上空を移動することができる。
飛行体２００には撮像装置２５０が例えば下方を撮像するようにセットされている。飛行体２００が、所定の経路で圃場３００の上空を移動する際に、撮像装置２５０は例えば定期的に静止画撮像を行う。
このような飛行体２００に装着された撮像装置２５０が図１のミクロ計測部３となる。そして撮像装置２５０による撮像画像がミクロ計測としての検出データとなる。撮像装置２５０の撮像範囲がミクロ計測範囲ＲＺ３となる。

また図２には上空に位置する人工衛星２１０を示している。人工衛星２１０には撮像装置２２０が装備されており、地表側をセンシング可能とされている。
この撮像装置２２０により、圃場３００のセンシング（撮像）を行うことができる。即ち撮像装置２２０がマクロ計測部２となる。そして撮像装置２２０による撮像画像がマクロ計測としての検出データとなる。撮像装置２２０による撮像範囲がマクロ計測範囲ＲＺ２となる。

ここで飛行体２００に搭載されるミクロ計測部３としての撮像装置２５０、つまり具体的なミクロ計測センサとしては、可視光イメージセンサ（Ｒ（赤）、Ｇ（緑）、Ｂ（青）の可視光を撮像するイメージセンサ）、ステレオカメラ、Ｌｉｄａｒ（レーザ画像検出及び測距のセンサ）、偏光センサ、ＴｏＦセンサ、ＮＩＲ（Near Infra Red：近赤外域）画像撮像用のカメラなどが想定される。
またミクロ計測センサとして、デバイスサイズとして飛行体２００に搭載させて運用が可能なものであれば、複数の波長帯の画像撮像を行うマルチスペクトラムカメラとして、例えばＮＩＲ画像とＲ（赤）画像の撮像を行うもので、得られる画像からＮＤＶＩ（Normalized Difference Vegetation Index）が算出できるものが用いられてもよい。ＮＤＶＩとは植生の分布状況や活性度を示す指標である。
これらは、例えば計測対象の形質、環境応答、環境状態（範囲、分布等）などの分析に適したセンサとすることが望ましい。なお形質とは計測対象の静的な形や特性である。環境応答とは計測対象の動的な形や特性である。環境状態とは計測対象の存在する環境の状態であり、計測対象の存在する範囲や分布、或いは環境の特性などである。
またこれらのセンサは、飛行体２００に搭載し易い比較的小型軽量のセンサであることが望ましい。

一方、人工衛星２１０に搭載されるマクロ計測部２としての撮像装置２２０、つまり具体的なマクロ計測センサとしては、複数の波長帯の画像（例えばＮＩＲ画像とＲ画像）の撮像を行うマルチスペクトラムカメラ、ハイパースペクトラムカメラ、ＦＴＩＲ（フーリエ変換赤外分光光度計）、赤外線センサなどが考えられる。この場合、比較的大規模なセンシングデバイスが許容され、高精度なセンシングが可能のものが想定される。
そしてこれらのマクロ計測センサは、例えば光合成に関する情報など、各種の物性値の分析に適したセンサである。
またこれらはデバイスサイズや重量などの事情により、小型の飛行体２００に搭載しにくいセンサであるが、本例のセンシングシステムでは、そのようなセンサを人工衛星２１０に搭載するものとする。

また撮像装置２２０、２５０で撮像されて得られる画像には、タグ情報が付加されている。タグ情報には撮像日時情報や、ＧＰＳ（Global Positioning System）データとしての位置情報（緯度／経度情報）、撮像装置情報（カメラの個体識別情報や機種情報等）、各画像データの情報（画サイズ、波長、撮像パラメータ等の情報）などが含まれている。
なお位置情報や撮像日時情報は撮像装置２２０の画像（検出データ）と撮像装置２５０の画像（検出データ）を対応づける情報ともなる。

以上のように飛行体２００に搭載された撮像装置２５０及び人工衛星２１０に搭載された撮像装置２２０によって得られる画像データやタグ情報は、情報処理装置１に送られる。情報処理装置１は画像データやタグ情報を用いて、圃場３００を計測対象とした分析情報を生成する。また分析結果をユーザに対して、画像として提示する処理を行う。
情報処理装置１は、例えばＰＣ（personal computer）やＦＰＧＡ（field-programmable gate array）、或いはスマートフォンやタブレットなどの端末装置などとして実現される。
なお、図１では情報処理装置１は撮像装置２５０とは別体のものとしているが、例えば撮像装置２５０を含むユニット内に情報処理装置１となる演算装置（マイクロコンピュータ等）を設けてもよい。

図３でマクロ計測部２とミクロ計測部３の役割について説明する。
ミクロ計測部３は、計測範囲ＲＺ３において個体毎の計測を行うことができる。例えば個体ＯＢ１，ＯＢ２，ＯＢ３，ＯＢ４・・・を示しているが、ミクロ計測部３によればこれらの形質、環境応答、環境状態や、それらに基づく領域の識別、などを計測又は判定できる。それらの情報は測定対象の振り分け（弁別）のために活用できる。

ミクロ計測部３による計測の主たる目的は、個体それぞれの測定と診断である。そのためミクロ計測センサは、個体１つ１つの形質が異なる中で、それらを取り扱える解像度や機能を持つものとされる。

マクロ計測部２は広い計測範囲ＲＺ２において、複数の個体に関する情報を検出する。
検出した情報は、ミクロ計測部３の検出によって弁別される状態に応じて振り分けて適用することができる。

図４には分解能について示している。図４Ａはマクロ計測範囲ＲＺ２とミクロ計測範囲ＲＺ３を平面的に示しており、図４Ｂはその一部を拡大している。
大きいマス目がマクロ計測分解能、小さいマス目がミクロ計測分解能を表す。これらの分解能で得られる情報とは、例えば撮像画像の１画素（１ピクセル）の情報に相当する。

即ちマクロ計測部２に搭載されるマクロ計測センサは、大きいマス目の分解能を持つセンサとされ、ミクロ計測部３に搭載されるミクロ計測センサは、小さいマス目の分解能を持つセンサとされる。
例えば図４Ｂに破線で示すように計測対象があった場合、細線で示す小さいマス目の分解能で計測対象の形質、環境応答、領域等が判別でき、太線で示す大きいマス目の分解能で物性値等が計測できる。

この場合、例えば、大きいマス目の単位の物性値は、小さいマス目の単位で計測できる計測対象の形質、環境応答、面積、領域割合、重量、分布量その他に応じて調整できる。
具体的には例えば、計測対象が「葉」であるとすると、大きいマス目のマクロ計測分解能で得られる葉の物性値は、その大きいマス目内で小さいマス目の単位（ミクロ計測分解能）で得られる葉の形状、面積比率等に応じて調整して得ることができる。

このようなセンシングシステムを必要とする背景について述べておく。
先述したように、昨今、ドローン等の飛行体２００を用いたセンシングが多く行われ、可視光（ＲＧＢ）の計測による形質の計測に加え、色々な光学波長や手法を用いることで対象の物性、生理状態などを計測することができる。しかし小型の飛行体２００に搭載可能なセンシングデバイスは大きさや重量などの制限を受けることが多い。

多数の波長を取得し、成分分析などが行えるハイパースペクトラムカメラは、一般的に２次元の画像を取得するためにはスキャニング機構が必要でサイズが大きいため、大型の飛行体でないと搭載が困難である。
また、スキャンには一定の時間を要しホバリングする必要があり、測定時間が長く、飛行体２００のバッテリーの容量では広い土地を測定できない場合も多い。
また、スキャン中に飛行体２００の振動が影響し、測定精度が低下してしまうこともある。
また、より分光分解能が高いＦＴＩＲ方式は、原理的に機器サイズが長く、飛行体２００への搭載が難しい。

高精度のセンシングをしたい場合、大判のイメージャの搭載や多重露光を行うことでＳ／Ｎ（signal-noise ratio）を改善できる。しかし大判のイメージャでは光学系が大きくなり飛行体２００への搭載に適さず、多重露光は飛行体２００をホバリングさせることでの測定時間の増加や飛行体２００の振動の影響が精度低下をもたらす。

また一般的に飛行体２００の筐体は太陽に照らされ常温より高温になる。
高精度のセンシングではセンサの温度を低温に保つことで熱雑音を低下させることができる。分光光度計など室内で使われるセンサについてはペルチェ素子などで低温に保つことで精度を保つものが存在するが、ペルチェ素子は消費電力が大きいため、電力が限られる飛行体２００への搭載には適さない。
エアコンディショナーに見られるようなコンプレッサーを用いたヒートポンプ式の温度調整デバイスは電力効率はよいが、飛行体２００に搭載できるサイズ・重量ではない。

一方、衛星センシングでは高度なセンシングができる機材を搭載されたものが運用されている。しかしながら空間分解能（解像度）の側面で不十分である。
上記したハイパースペクトラムカメラ、ＦＴＩＲ、大判イメージャの搭載や、低温制御などについては、人工衛星２１０においてはさほど困難ではない。

但し空間分解能が低いと、単に形状が判別できないだけでなく、その空間分解能１単位に色々な対象が混ざってしまい、知りたい対象だけの計測ができない。特に植生計測の例では土がまざる、影がまざる、などが問題になる。

衛星センシングで空間分解能が低いことをカバーするためには、計測対象の形態の情報を含んだ「モデル（放射伝達特性モデルなど）」を用いたインバース計算で特定の対象の計測値を求めることを行われている。
ところが、測定対象がモデルの形状と齟齬なく広がっている場合はよいものの（植生では熱帯雨林など）、例えば圃場３００の計測（スカウティング）では、形状そのものがこれから計測すべきもので特定できないから（作物が育ってゆく過程で形が変わったり、なんかの問題で成長が悪かったり枯れかかっているなど）正しく測定することができない。

ところでセンシングに求められる空間分解能は、計測に必要な分解能と、出力分解能を分けて考えることができる。
例えば人間の体重を知りたい場合、人間１人の体重がわかればよく、１ｃｍ³あたりの重量は必要ではない。しかし計測に必要な分解能を考えた場合、人間がプールの中にいる状態で体重を測定をしようとした場合は、人間と水の境界を識別して人と水の容積と重量を弁別して計測することが求められる。

プールの体重計測の例では、マクロ計測でプール全体の重量が測れ、ミクロ計測で人の容積が計れたならば、水の比重が既知であるから、両方の情報を組み合わせることで、人の比重及び体重を求めることが可能になる。

植生センシングでは例えば土と植物が混ざった状態での計測に相当し、飛行体２００で土と植物の比率がわかり、衛星で一定範囲の分光反射率や蛍光などが測定でき、土の反射率が既知であったなら、同様に植物のみの計測結果を算出することができる。

そのような観点から本実施の形態では、２次元或は３次元で計測対象の形質（形態形質や生理形質）や環境応答（計測対象の置かれた環境と計測対象による当該環境への応答）を計測・分析するシステムを構築する。
即ち、計測範囲について個体単位の識別・抽出・分析ができる空間分解能を持つミクロ計測部３と、空間分解能は低いもののミクロ計測部３に存在しない形質や環境応答を計測することができるマクロ計測部２の２つの計測部を有するものとする。
そしてこれら２つの計測部で取得した情報が有線あるいは無線・メディアデバイスを通し入力される情報処理装置１において、補完分析演算を行うことで、ミクロ計測部３で識別・抽出した特定の計測対象についてマクロ計測部２の計測に基づく形質や環境応答を分析することができるようにする。

具体例を挙げると、マクロ計測分解能が０．５ｍ、マクロ計測範囲が５００ｍ四方、ミクロ計測分解能が０．０１ｍ、ミクロ計測範囲が１０ｍ四方である場合に、１０ｍ四方に存在する植物についての物性値（光合成に関する情報など）が０．５ｍの分解能で求められる。
この時、飛行体２００はＲＧＢ＋ＮＤＶＩ２眼カメラ、衛星はハイパースペクトラムカメラと言う組み合わせが考えられる。
ＲＧＢ画像，ＮＤＶＩ画像をミクロ計測部３により得、また例えば光合成に関する情報としてＳＩＦ（Solar-Induced chlorophyll Fluorescence）を人工衛星２１０側のマクロ計測部２で捉え、光合成速度に関する情報を得る。
つまり飛行体２００にハイパースペクトラムカメラを搭載しなくても、人工衛星２１０側からの物性計測を用いて飛行体２００によるセンシングの高度化を図る。

＜２．情報処理装置の構成＞
以上のセンシングシステムにおいてマクロ計測部２及びミクロ計測部３からの検出情報を取得して分析等の処理を行う情報処理装置１について説明する。

図５は情報処理装置１のハードウエア構成を示している。情報処理装置１は、ＣＰＵ（Central Processing Unit）５１、ＲＯＭ（Read Only Memory）５２、ＲＡＭ（Random Access Memory）５３を有して構成される。
ＣＰＵ５１は、ＲＯＭ５２に記憶されているプログラム、または記憶部５９からＲＡＭ５３にロードされたプログラムに従って各種の処理を実行する。ＲＡＭ５３にはまた、ＣＰＵ５１が各種の処理を実行する上において必要なデータなども適宜記憶される。
ＣＰＵ５１、ＲＯＭ５２、およびＲＡＭ５３は、バス５４を介して相互に接続されている。このバス５４にはまた、入出力インタフェース５５も接続されている。

入出力インタフェース５５には、液晶パネル或いは有機ＥＬ（Electroluminescence）パネルなどよりなる表示部５６、キーボード、マウスなどよりなる入力部５７、スピーカ５８、記憶部５９、通信部６０などが接続可能である。

表示部５６は情報処理装置１と一体でも良いし別体の機器でもよい。
表示部５６では、ＣＰＵ５１の指示に基づいて表示画面上に各種の分析結果等の表示が行われる。また表示部５６はＣＰＵ５１の指示に基づいて、各種操作メニュー、アイコン、メッセージ等、即ちＧＵＩ（Graphical User Interface）としての表示を行う。

入力部５７は、情報処理装置１を使用するユーザが用いる入力デバイスを意味する。
例えば入力部５７としては、キーボード、マウス、キー、ダイヤル、タッチパネル、タッチパッド、リモートコントローラ等の各種の操作子や操作デバイスが想定される。
入力部５７によりユーザの操作が検知され、入力された操作に応じた信号はＣＰＵ５１によって解釈される。

記憶部５９は例えばＨＤＤ（Hard Disk Drive）や固体メモリなどの記憶媒体より構成される。記憶部５９には、例えばマクロ計測部２やミクロ計測部３から受信した検出データや分析結果その他各種の情報が記憶される。また分析処理等のためのプログラムデータの格納にも記憶部５９は用いられる。

通信部６０は、インターネットを含むネットワークを介しての通信処理や、周辺各部の機器との間の通信を行う。
この通信部６０は例えばミクロ計測部３（撮像装置２５０）やマクロ計測部２（撮像装置２２０）との通信を行う通信デバイスとされる場合もある。

入出力インタフェース５５にはまた、必要に応じてドライブ６１が接続され、メモリカード等のストレージデバイス６が装着され、データの書込や読出が行われる。
例えばストレージデバイス６から読み出されたコンピュータプログラムが、必要に応じて記憶部５９にインストールされたり、ＣＰＵ５１で処理したデータが記憶されたりする。もちろんドライブ６１は、磁気ディスク、光ディスク、光磁気ディスク等のリムーバブル記憶媒体に対する記録再生ドライブとされてもよい。これら磁気ディスク、光ディスク、光磁気ディスク等もストレージデバイス６の一態様である。

なお、実施の形態の情報処理装置１は、図５のようなハードウエア構成の情報処理装置（コンピュータ装置）１が単一で構成されることに限らず、複数のコンピュータ装置がシステム化されて構成されてもよい。複数のコンピュータ装置は、ＬＡＮ等によりシステム化されていてもよいし、インターネット等を利用したＶＰＮ（Virtual Private Network）等により遠隔地に配置されたものでもよい。複数のコンピュータ装置には、クラウドコンピューティングサービスによって利用可能なコンピュータ装置が含まれてもよい。
またこの図５の情報処理装置１は、据え置き型、ノート型等のパーソナルコンピュータ、タブレット端末やスマートフォン等の携帯端末として実現できる。さらには情報処理装置１としての機能を有する測定装置、テレビジョン装置、モニタ装置、撮像装置、設備管理装置等の電子機器でも、本実施の形態の情報処理装置１を搭載することができる。

例えばこのようなハードウエア構成の情報処理装置１では、ＣＰＵ５１による演算機能や、ＲＯＭ５２、ＲＡＭ５３、記憶部５９による記憶機能、通信部６０やドライブ６１によるデータ取得機能、表示部５６などによる出力機能を有し、インストールされたソフトウエアが機能することで、図６のような機能構成を備えるようにされる。

即ち情報処理装置１には大きく分けて図６に示すデータ入力部１０、補完分析実行部２０、データ保存・出力部３０が設けられる。
これらの処理機能はＣＰＵ５１で起動されるソフトウエアにより実現される。
そのソフトウエアを構成するプログラムは、ネットワークからダウンロードされたり、ストレージデバイス６（例えばリムーバブル記憶媒体）から読み出されたりして図５の情報処理装置１にインストールされる。或いはそのプログラムが記憶部５９等に予め記憶されていてもよい。そしてＣＰＵ５１において当該プログラムが起動されることで、上記各部の機能が発現する。
また各種バッファ等の記憶機能は、例えばＲＡＭ５３の記憶領域や記憶部５９の記憶領域を用いて実現される。

この図６の機能による演算処理は各種の検出データの分析に用いることができるが、以下では植生の光合成に関する情報の分析を例に挙げながら説明していく。
そこで、まず植生の光合成に関する情報の分析に関する背景を述べておく。

ＳＩＦ（クロロフィル蛍光）は、植物の光合成速度に関する情報を含むと考えられており、太陽光下での測定はＦＬＤ（Fraunhofer. Line-Discrimination）法（太陽暗線：フラウンフォーファー線）を用いた計測が一般的である。
しかしここで使う太陽暗線Ｏ₂Ａは、波長幅が１ｎｍ程度と細いため、一般的にはハイパースペクトラムカメラやＦＴＩＲといったセンサによるセンシングが適する。こういった機材は人工衛星２１０には搭載が容易なものの、飛行体２００にとってはその大きさや重さから搭載が難しい。

また、一般的なカメラにバンドパスフィルタを構成して暗線を捉えようとした場合、光量が少ないため露光時間を長く撮る必要がある。この場合、飛行体２００をいったん止めてホバリングさせるために計測時間が増加したり、飛行体２００の振動が計測精度に支障をきたす。
また、光学系の設計においても、斜入射特性を考えると、センシング画像の中心部だけ切り出して使わざるをえず十分な測定範囲を測定できない。
フィルタの透過波長は、フィルタに入射する光軸の角度により影響を受け、斜めに入るほど長波長側へずれてしまう。つまり、画像の中心から周囲へ行けば行くほど透過波長がずれてしまう。例えば一例として、７６０ｎｍを透過させるフィルタにおいて、わずか９度傾いただけで２ｎｍもずれることがある。
波長幅が１ｎｍという狭帯域フィルタでは、所望の特性を得ることができない。また、画像の中心においても、レンズの中心（光軸中心）を通りフィルタに入射する光はフィルタに直角に入射するが、レンズの周辺部を通り結像する光は傾きをもってフィルタに入射するため、半値幅が広がってしまう。
改善のために大きなレンズを用いると飛行体２００への搭載性が悪化し、絞りを強くすると暗くなるから露光時間がさらに増加し、飛行体２００への搭載が著しく困難となる。

一方で、ドローン等の飛行体２００ではＲＧＢカメラや、ＲカメラとＮＩＲカメラを用いたＮＤＶＩの計測が普及しており、例えばこれらの値を用いて測定対象の形状に関する弁別を行うことができる。もちろん、ステレオカメラなどで直接形状を測定することもできる。
例えば図７Ａは、植物を撮像したときに、その撮像した測定範囲ＲＺ３のうち、太陽光に面している葉（陽葉）のみを抽出している。例えばＮＤＶＩ画像について、ＮＤＶＩ＞０．５として植物のみ取り出し（例えば土の画像の部分を除外する）、さらに一定のＮＩＲ反射強度以上を取り出すことで、陽葉のみを抽出できる。
光合成量は陽葉が寄与する比率が多いと考えられるため、陽葉のみを抽出することは、光合成に関する情報の分析にとって意味がある。
なお図７Ａではミクロ計測センサ３Ｓの分解能に相当するラインを画像の上部及び左部に付記している。

このように測定範囲の中から高分解能の計測により特定測定対象を判読・抽出する一方で、マクロ計測センサ２Ｓによって得られる物性量（光合成に関係する数値）を工夫して組み合わせることで、物性量をマクロ計測の分解能で求めることができる。
図７Ｂにマクロ計測センサ２Ｓで得られた物性値（例えばＳＩＦ）のイメージを示している。各マス目の単位でＳＩＦの値が得られている。
この各マス目の単位のＳＩＦ値は、単に計測されたそのままではなく、例えば図７Ａのように抽出された陽葉の比率などにより調整することで、より有意な情報となる。

図７Ｃは分析結果をユーザに提示する場合の例である。図７Ｂのような物性値のみを表示してもユーザにとってはわかりにくいため、例えばＲＧＢ画像と合成して提示する。これにより、測定対象と測定結果を容易に理解できる。
なお、分析結果の物性値をＲＧＢ画像と合成して表示出力を行うことは一例で、ＲＧＢ画像ではなく、例えばＮＤＶＩ画像や、図７Ａの陽葉抽出画像と合成して出力してもよい。

以上のような光合成に関する情報の分析を行う場合を想定して、図６の各機能を説明していく。

まず図６には情報処理装置１の外部装置としてマクロ計測部２、ミクロ計測部３、ネットワーク５、ストレージデバイス６を示している。
マクロ計測部２は上述したように例えば人工衛星２１０に搭載される。マクロ計測用センサ２ＳはハイパースペクトラムカメラやＦＴＩＲといった大型のセンサで、人工衛星２１０に搭載できるが飛行体２００には搭載しづらいセンサである。これらは一般的には可視光外のセンサで、主に物性を計測するために用いられる。

ミクロ計測部３は飛行体２００に搭載される。ミクロ計測用センサ３Ｓは、ＲＧＢカメラ、ステレオカメラなど、小型のセンサで飛行体２００に搭載しやすいセンサである。一般的には可視光を中心としたセンサで、主に計測対象の形質、環境応答を計測するために用いられる。

ネットワーク５は例えばインターネット、ホームネットワーク、ＬＡＮ（Local Area Network）等、衛星通信網、その他の各種のネットワークが想定される。
ストレージデバイス６は上述のようにメモリカード、ディスク状記録媒体など、主にリムーバブル記録媒体が想定される。

情報処理装置１において図６に示すデータ入力部１０は、以上の外部装置からのデータ入力を受け付ける機能であり、センサ入力部１１，１２，プログラム・データ入力部１３を有する。

センサ入力部１１は、マクロ計測部２のマクロ計測センサ２Ｓによる検出情報を入力する。マクロ計測センサ２Ｓによる検出データは、例えばマクロ計測部２と図５の通信部６０の通信により直接受信する場合がある。
或いはマクロ計測センサ２Ｓによる検出データは、ネットワーク５を介して通信部６０により受信される場合がある。
さらにマクロ計測センサ２Ｓによる検出データはストレージデバイス６を介して取得される場合もある。

センサ入力部１２は、ミクロ計測部３のミクロ計測センサ３Ｓによる検出情報を入力する。ミクロ計測センサ３Ｓによる検出データは、例えばミクロ計測部３と通信部６０の通信により直接受信する場合や、ネットワーク５を介して通信部６０により受信される場合、さらにはストレージデバイス６を介して取得される場合などがある。
なおセンサ入力部１１，１２では、光源分光補正などの前段処理を行うようにしてもよい。

プログラム・データ入力部１３は、ネットワーク５を介したサーバからのダウンロード、或いはストレージデバイス６からの読出などにより、必要なプログラムを取得する。

補完分析実行部２０はマクロ計測分析演算部２１、マクロ計測分析値バッファ２２、ミクロ計測分析演算部２３、ミクロ計測分析値バッファ２４、ポジションマッピング部２５、補完分析演算プログラム・データ保持部２６、補完分析演算部２７を有する。

マクロ計測分析演算部２１は、センサ入力部１１が取得したマクロ計測用センサ２Ｓの検出データから、物質成分の量などを求める演算を行う。
例えばマクロ計測分析演算部２１は、ハイパースペクトラムカメラやＦＴＩＲによる多波長のデータから、植生指数や、ＮＩＲＳ（近赤外分光法）、ＦＬＤ法によるＳＩＦ算出などを行う。

マクロ計測分析値バッファ２２は、マクロ計測分析演算部２１で処理されたデータを一時的に保持する。
例えばマクロ計測分析値バッファ２２は、マクロ計測分析演算部２１で算出されたＳＩＦや、マクロ計測部２から通知された位置情報等を保持する。

ミクロ計測分析演算部２３は、センサ入力部１２が取得したミクロ計測センサ３Ｓの検出データから、画像を弁別・抽出する演算を行う。
例えばミクロ計測分析演算部２３は画像認識処理を行って弁別等を行う。或いはミクロ計測分析演算部２３は、色や輝度値などを用いて対象ごとに分けてもよいし、物質成分の量を求めた上で弁別に利用してもよい。
これらの処理によりミクロ計測分析演算部２３は、例えば陽葉の部分を弁別する。

ミクロ計測分析値バッファ２４は、ミクロ計測分析演算部２３で処理されたデータを一時的に保持する。
例えばミクロ計測分析値バッファ２４は、ミクロ計測分析演算部２３で求められた陽葉部分を弁別する情報や、ミクロ計測部３から通知された位置情報、さらにはＲＧＢ画像やＮＤＶＩ画像等を保持する。

ポジションマッピング部２５は、解像度や撮像単位（計測範囲ＲＺ２、ＲＺ３）が異なる画像群のなかから、同一地点を抽出するための演算を行う。例えばＧＰＳ情報を用いたり、オルソモザイク処理などを用いて、マクロ計測分析演算部２１で処理した情報とミクロ計測分析演算部２３で処理した情報について位置あわせを行う。

補完分析演算部２７は、マクロ計測分析演算部２１による演算結果とミクロ計測分析演算部２３による演算結果とを用いた補完分析演算を行う。
例えばミクロ計測の測定範囲ＲＺ３について、ミクロ計測部３が弁別した特定の対象についての形質や環境応答を、マクロ計測部２の情報を用い、マクロ計測解像度単位で求める演算を行う。
この補完分析演算部２７による補完分析演算は、マクロ計測分析演算部２１による演算結果を、ミクロ計測分析演算部２３による演算結果を使って補完する演算処理とすることが考えられる。これにより、マクロ分析の演算結果の分解能をミクロ計測分析演算部による演算結果を使って上げることができ、検出精度を向上させることができる。
また、ミクロ計測分解能とマクロ計測分解能の違いにより、ミクロ計測分析演算部２３による演算結果の分解能は、マクロ計測分析演算部２１による演算結果の分解能より高くすることが可能である。このため補完分析演算は、マクロ計測分析演算部２１による演算結果を、ミクロ計測分析演算部２３による演算結果を使って補完する演算処理とすることで、マクロ計測分析演算部による演算結果では表れない情報を補完するような補完結果を得ることが可能となる。

補完演算プログラム・データ保持部２６は、プログラム・データ入力部１３が取得した補完演算のためのプログラム・データを保持する。このプログラム・データに基づいて補完分析演算部２７の演算処理が行われる。

データ保存・出力部３０は、解析データバッファ３１、カラーマッピング部３２、画像合成部３３、グラフ生成部３４、画像出力部３５、データ出力部３６を有する。

解析データバッファ３１は補完分析演算部２７の演算結果の情報を一時的に保存する。
補完分析演算部２７が陽葉のみのＳＩＦ量を求めたのであれば、解析データバッファ３１はその情報を保持する。またＲＧＢ画像やＮＤＶＩ画像を保持する場合もある。

カラーマッピング部３２は、物理値を可視化して表示するために、物理値の一定範囲を例えば、ＲＧＢ三原色の各レベルを用い青から赤のカラーグラデーションに変換するための演算処理を行う。

画像合成部３３は、カラーマッピングされた物理値データを画像の本来の空間的域に対応するように張り付けたり、ＲＧＢ画像にオーバーレイ表示したりする演算処理を行う。

グラフ生成部３４は、データを可視化して表示するために、物理値を折れ線で表示したり、２次元の物理値を散布図にしたりといった、グラフを作成する演算処理を行う。

画像出力部３５は、カラーマッピング部３２、画像合成部３３、グラフ生成部３４の処理で生成した画像データを外部の表示部５６に出力して表示させる。或いは画像出力部３５は、生成した画像データをネットワーク５を用いて外部装置に伝送したり、ファイル化してストレージデバイス６に保存するための出力を行う。

データ出力部３６は、解析データバッファ３１に保存された補完分析演算部２７の演算結果の情報を出力する。例えばデータ出力部３６は補完分析結果の情報（例えばＳＩＦの値など）を、ネットワーク５を用い外部装置に伝送したり、ファイル化してストレージデバイス６に保存するための出力を行う。

＜３．処理例＞
以上の機能を有する情報処理装置１の処理例を説明していく。
図８に情報処理装置１の処理例を示す。

ステップＳ１０１で情報処理装置１はセンサ入力部１１の機能によりマクロ計測部２による計測値を入力する。
ステップＳ１０２で情報処理装置１はマクロ計測分析演算部２１の機能により、マクロ計測分析演算を行う。例えば光合成に関する情報としてＳＩＦ演算を行う。ＳＩＦ演算については太陽光スペクトル中の暗線によるＦＬＤ法が知られている。

ステップＳ１０３で情報処理装置１はセンサ入力部１２の機能によりミクロ計測部３による計測値を入力する。
ステップＳ１０４で情報処理装置１はミクロ計測分析演算部２３の機能により、ミクロ計測分析演算を行う。例えば陽葉抽出を行う。

このステップＳ１０４のミクロ計測分析演算の処理例を図９に示す。
なおミクロ計測分析演算部２３は、図１０に示すＲＧＢ画像、ＮＩＲ画像、Ｒ画像を取得しているものとする。

図９のステップＳ２０１でミクロ計測分析演算部２３は、Ｒ画像とＮＩＲ画像からＮＤＶＩ画像を求める。ＮＤＶＩ値は、
ＮＤＶＩ＝（ＮＩＲ－Ｒ）／（ＮＩＲ＋Ｒ）
で求められる。ここで「Ｒ」は可視域赤の反射率、「ＮＩＲ」は近赤外域の反射率である。
ＮＤＶＩの値は「－１」から「１」の間に正規化した数値であり、正の大きい数字になるほど植生が濃いことを表している。
図１１Ａには、このＮＤＶＩの値によるＮＤＶＩ画像を模式的に示している。

ステップＳ２０２でミクロ計測分析演算部２３は、ＮＤＶＩ画像のうちでＮＤＶＩ値が一定以上の範囲を抽出する。即ちＮＤＶＩ値が所定の閾値以上となっている画素を抽出した、図１１Ｂの画像ＮＤＶＩｐ（ＮＤＶＩPlants Filtered）を生成する。このＮＤＶＩ値が所定の閾値以上となっている画素を抽出した画像ＮＤＶＩｐは、植物部分を抽出したフィルタリング画像といえる。

ステップＳ２０３でミクロ計測分析演算部２３は、ＮＤＶＩ画像のうちでＮＩＲ値が一定以上の範囲を抽出する。即ちＮＩＲ値が所定の閾値以上となっている画素を抽出した、図１１Ｃの画像ＮＤＶＩｐｒ（ＮＤＶＩPar Filtered）を生成する。
このＮＩＲ値が所定の閾値以上となっている画素を抽出した画像ＮＤＶＩｐは、陽の当たっている部分を抽出したフィルタリング画像といえる。

ステップＳ２０４でミクロ計測分析演算部２３は、ＮＤＶＩが一定以上で、かつＮＩＲ値が一定以上の範囲を抽出する。即ち図１１Ｂ、図１１Ｃのアンド条件として抽出を行い、図１１Ｄの画像ＮＤＶＩｐ－ｐｒ（ＮＤＶＩPlants Filtered Par Filtered）を生成する。
この画像ＮＤＶＩｐ－ｐｒは、陽葉を抽出した情報（画像）となる。

以上の処理で図８のステップＳ１０４を行ったら、情報処理装置１はステップＳ１０５で、ポジションマッピング部２５の機能によりポジションマッピングを行う。
即ちマクロ計測分析演算で行った、マクロ計測分解能の領域（領域毎のＳＩＦ量）と、図１１Ｄのミクロ計測分析演算結果の画像ＮＤＶＩｐ－ｐｒの位置合わせを行う。

ステップＳ１０６で情報処理装置１は、補完分析演算部２７の機能により補完分析演算を行う。この補完分析演算の処理例を図１２に示す。
なお図１３Ａには、マクロ計測に基づくＳＩＦを模式的に示している。ＳＩＦはマクロ計測分解能として図示するマス目の単位（マクロ分解能単位Ｗ１からＷｎ）で求められている。図では濃さによりＳＩＦ量の違いを表しているものとする。
図１３Ｂはミクロ計測分解能を細線の枠で示し、太線でマクロ計測分解能による１つのマクロ分解能単位Ｗ１を示している。図１３Ｃは上述した陽葉を抽出した画像ＮＤＶＩｐ－ｐｒ上に、太線で１つのマクロ分解能単位Ｗ１を示している。

補完分析演算は、ミクロ計測範囲に相当するマクロ分解能単位毎に行われる。図４等で説明したように、ミクロ計測範囲ＲＺ３はマクロ計測範囲ＲＺ２に含まれる。補完分析演算では、マクロ計測範囲ＲＺ２内で、ミクロ計測範囲ＲＺ３に相当する位置となっているマクロ分解能単位の計測値を順次参照していくことになる。即ち図１３Ａのマクロ分解能単位Ｗ１からＷｎについて順次処理を行う。

補完分析演算部２７はステップＳ３０１でＳＩＦを読み出し、変数ａに代入する。
例えば最初に、マクロ分解能単位Ｗ１のＳＩＦを変数ａとする。

ステップＳ３０２で補完分析演算部２７は、現在の対象のマクロ分解能単位における陽葉比率を算出し、算出した陽葉比率を変数ｂに代入する。例えば図１３Ｂ、図１３Ｃのマクロ分解能単位Ｗ１において、陽葉として抽出されている部分とそれ以外の部分の面積（例えば画素数）を求め、陽葉部分の比率を求める。

ステップＳ３０３で補完分析演算部２７は、現在の対象のマクロ分解能単位における陽葉のＳＩＦ量（＝ｃ）を算出する。ｃ＝ａ／ｂとする。つまり１つのマクロ分解能単位のＳＩＦ量から陽葉比率を除算することで、当該マクロ分解能単位における陽葉のＳＩＦ量を求める。例えばＳＩＦ量（変数ａ）＝０．１、陽葉比率（変数ｂ）＝０．５の場合、陽葉のＳＩＦ量ｃは０．２となる。
算出した陽葉のＳＩＦ量ｃは、現在対象のマクロ分解能単位におけるＳＩＦ量の値として保存する。

以上の処理を、ミクロ計測範囲の全てにおいて行うまで、ステップＳ３０４からＳ３０１に戻って繰り返す。つまり、マクロ分解能単位Ｗ１からマクロ分解能単位Ｗｎについて、それぞれ上記のように陽葉のＳＩＦ量ｃの値を求めていく。

ミクロ計測範囲に相当する全てのマクロ分解能単位について処理を終えたら、補完分析演算部２７はステップＳ３０５に進み、補完分析結果を解析データバッファ３１に書き出す。この場合、マクロ分解能単位Ｗ１からマクロ分解能単位Ｗｎについて、それぞれ陽葉のＳＩＦ量ｃの値を分析結果として書き出すことになる。図１４には陽葉のＳＩＦ量ｃの値として求められた分析結果を模式的に示している。つまり図１３Ａのマクロ分解能単位毎のＳＩＦ量が、陽葉比率によって補正された情報となっている。

以上の処理で図８のステップＳ１０６を終えたら、情報処理装置１はデータ保存・出力部３０の機能によりステップＳ１０７のカラーマッピング、ステップＳ１０８の画像合成、ステップＳ１０９の画像出力を行う。
これによりユーザは表示部５６等で、分析結果を確認することができる。

この場合のカラーマッピング等を加えた出力画像の例を説明していく。
図１５は上述のように得られたマクロ分解能単位毎の補完分析結果に対して色当て（カラーマッピング）した画像を生成する例である。ここでいう「色当て」とは、予め数値範囲毎に対応する色を設定しておき、対象の値に応じて色を選択し、該当画素に割り当てることをいう。
図１５Ａは補完分析結果として得られたマクロ分解能単位毎のＳＩＦ（上記ｃの値）を示している。このようなＳＩＦの値について色当てを行って、図１５Ｂのようなカラーマッピング画像を生成する。これは各領域についてＳＩＦ（ｃ値）に該当する色が割り当てられた画像となる。
なお、図面では、斜線の種類や点描等により色の違いを示している。また有効なＳＩＦ値が存在しないマクロ分解能単位（例えば陽葉が存在しない部分など）は「NO DATA」として示している。「NO DATA」で示す領域については例えば背景色（白）が割り当てられる。

このようなカラーマッピング画像がユーザに提示されるようにすれば、各マクロ分解能単位の領域のＳＩＦが色により表現されるものとなり、ユーザが領域毎の光合成状況を把握し易い画像となる。

次に図１６は、植生の特定の状態である箇所に対して色当てした画像を合成する例である。図１６Ａは補完分析結果として得られたマクロ分解能単位毎のＳＩＦ（上記ｃの値）を示している。図１６Ｂは、陽葉を抽出した画像ＮＤＶＩｐ－ｐｒである。
そしてそれぞれのマクロ分解能単位で陽葉部分に色当てを行って図１６Ｃのようなカラーマッピング画像を生成する。陽葉の部分のみが、そのＳＩＦに応じた色となる画像である。そのため、ユーザが領域毎の陽葉の分布と、その光合成状況を把握し易い画像となる。

次に図１７は可視光画像（ＲＧＢ画像）にオーバーレイ表示する例である。
図１７Ａは補完分析結果として得られたマクロ分解能単位毎のＳＩＦ（上記ｃの値）を示している。図１７Ｂは、ＲＧＢ画像である。
そして図１７Ｃに示すように、ＲＧＢ画像において、各マクロ分解能単位にＳＩＦ値に応じて割り当てられた色がオーバーレイされるようにする。図では該当画素部分に色が付けられている状態を示している。
つまり、ＲＧＢ画像上で、分析結果を示す色が表現される画像となる。そのため、ユーザが通常視認する画像上で例えば光合成状況を示す画像となり、ユーザが植生状況を把握し易い画像となる。
なお、オーバーレイでなく、該当の画素を割り当てた色で上書きするようにしてもよい。

例えば以上の図１５、図１６、図１７のように出力画像が生成され、表示部５６で表示されたり、ネットワーク５を用い外部装置に伝送したり、ファイル化してストレージデバイス６に保存されることで、ユーザは解析結果を利用できる。

＜４．各種例＞
ところで、以上の処理例では、陽葉部分を考慮したＳＩＦの分析結果を出力する例としたが、その場合の変形例や、他のセンシングや出力情報の例が各種考えられる。以下では、マクロ計測、ミクロ計測と出力の組み合わせの例を挙げていく。

・マクロ計測：ＳＩＦ
・ミクロ計測：ＲＧＢ、ＮＤＶＩ、ＮＩＲ反射率（陽葉弁別用）
・出力：光合成状態に関する情報
これは上記処理例に相当する組み合わせである。
上述した処理例では、ミクロ計測に基づいては陽葉を抽出しているだけだが、陽葉と陰葉（陽の当たっていない葉）を重みづけして使ってもよい。

・マクロ計測：ＳＩＦ
・ミクロ計測：ＲＧＢ、ＮＤＶＩ、ＮＩＲ反射率（陽葉弁別用）、偏光センサ（またはステレオカメラまたはＴｏＦセンサ）（葉の角度測定用）
・出力：光合成状態に関する情報
葉の角度を測定することで、葉の角度情報を抽出条件に使ったり、重みづけして使うことで精度を上げることができる。

・マクロ計測：ＮＤＶＩ等の植生指数
・ミクロ計測：ＲＧＢ（土と植物の弁別用）
・出力：葉のクロロフィル濃度等の葉や個体に関する情報
このような例では、一般的なＲＧＢカメラを搭載したドローン等の飛行体２００と衛星センシングを結合したＮＤＶＩ等の植生指数提供サービスを構築しやすいものとなる。

・マクロ計測：ＮＤＶＩ等の植生指数
・ミクロ計測：ＲＧＢ（土と植物の弁別用）、偏光センサ（またはステレオカメラまたはＴｏＦセンサ）（葉の角度測定用）
・出力：葉のクロロフィル濃度等の葉や個体に関する情報
葉の角度を測定することで、ＢＲＤＦ（Bidirectional Reflectance Distribution Function）補正（光学的補正）が可能になり精度を上げることができる。

・マクロ計測：赤外線
・ミクロ計測：ＲＧＢ、ＮＤＶＩ、ＮＩＲ反射率（陽葉弁別用）、偏光センサ（またはステレオカメラまたはＴｏＦセンサ）（葉の角度測定用）
・出力：葉の蒸散量に関する情報
赤外線で葉温を計測でき、ここから蒸散量を知ることができる。一般的に葉が太陽に照らされているかどうかで葉温は大きく変動するが、陽葉の抽出及び葉の角度を測定し、同一条件の値のみ抽出することで、蒸散に伴う葉温の低下を個体間で比較することができる。

ここまで植生センシングを想定して説明してきたが本開示の技術は多様な分野に適用できる。
例えばオフィスビル等の建物で中央熱源を用いている場合には、建物全体のエネルギー使用量が把握できる。ところが建物の一部（例えば或るフロアに入居している事業所のエネルギー使用量が不明確な場合がある。
こうした場合に、建物の場所毎（フロア毎）に照明、コンセントなど用途別のエネルギー使用量の計測値があれば、それを用いて、事業所等のエネルギー使用量を推計することができる。
このような場合に、建物全体のエネルギー使用量をマクロ計測として計測する。
また建物の場所毎の照明、コンセントなど用途別のエネルギー使用量をミクロ計測として計測する。
すると出力として、建物の一部（例えば或る事業所）で使用するエネルギーの量の推計値を得ることができる。

また例えば労働統計などの分野の例を挙げると、マクロ計測としてある程度の期間の失業率の推移を計測し、ミクロ計測としての季節毎の失業率の推移に基づき季節指数を生成する。
そして失業率の推移の情報を、季節指数により調整してものを出力とする。これにより例えば季節要因を除いた失業率の推移を観測できるような情報を得ることができる。

＜５．まとめ及び変形例＞
以上の実施の形態によれば次のような効果が得られる。
実施の形態の情報処理装置１は、計測対象のマクロ計測範囲ＲＺ２（第１の計測範囲）についてマクロ計測分解能（第１の空間分解能）でセンシングを行うマクロ計測部２からの検出データについて演算を行うマクロ計測分析演算部２１を備える。また情報処理装置１はマクロ計測範囲ＲＺ２に含まれるミクロ計測範囲ＲＺ３（第２の計測範囲）に対してマクロ計測分解能前より高い分解能であるミクロ計測分解能（第２の空間分解能）でセンシングを行うミクロ計測部３からの検出データについて演算を行うミクロ計測分析演算部２３を備える。さらに情報処理装置１は、マクロ計測分析演算部２１による演算結果とミクロ計測分析演算部２３による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算部２７を備える。
この場合、空間分解能の高いセンシングが可能なミクロ計測部３の検出データと、空間分解能は低いもののより高機能なセンシングが可能なマクロ計測部２の検出データを合わせた演算を行うことで、ミクロ計測部３だけ、あるいはマクロ計測部２だけではできなかった、計測対象の形質や環境応答が計測できるようになる。

実施の形態の情報処理装置１においては、補完分析演算は、マクロ計測分析演算部２１による演算結果を、ミクロ計測分析演算部２３による演算結果を使って補完する演算処理とした。
これによりマクロ分析の演算結果の分解能をミクロ計測分析演算部による演算結果を使って上げることなどにより、検出精度を向上させることができる。

実施の形態の情報処理装置１においては、ミクロ計測分析演算部２３による演算結果の分解能は、マクロ計測分析演算部２２による演算結果の分解能より高いことが想定される。これにより、マクロ計測分析演算部による演算結果では表れない情報をミクロ計測分析演算部による演算結果で補完するような補完分析演算結果を得ることができる。

実施の形態では、情報処理装置１は、補完分析演算部２７により、ミクロ計測範囲ＲＺ３についてミクロ計測分析演算部２３が分析結果として弁別した特定の対象についての物性値を、マクロ計測分析演算部２１の分析結果であるマクロ計測分解能の単位での物性値として求めた補完分析情報を生成する例を挙げた。
空間分解能の高いセンシングが可能なミクロ計測部３の検出データによれば、計測範囲における対象物の弁別に有利である。例えば陽の当たっている葉（陽葉）の部分の弁別や、土と葉の弁別などは、ミクロ計測部３の検出データによることが適している。
一方で、高機能なセンシングが可能なマクロ計測部２の検出データによれば、物性値を精密に算出できる。従ってミクロ計測部３とマクロ計測部２の利点を生かした補完分析情報を得ることができる。
例えば弁別された計測対象の形質、環境応答、分布などとともに、上述したＳＩＦ等の光合成に関する情報などの環境応答を示した分析結果を得ることができる。

実施の形態では、物性値は植物の光合成に関する情報である例を示した。
光合成に関する情報としては、例えばＳＩＦや、ＳＩＦから計算される各種情報がある。
この場合、光合成に関する情報を、ミクロ計測による形質、環境応答、範囲、分布等に応じて出力することができるようになる。

実施の形態では、ミクロ計測分析演算部２３は、ＲＧＢ画像又は植生指数に関する情報に基づいて測定対象の弁別を行う例を挙げた。
例えばＲＧＢ画像やＮＤＶＩ画像を用い、所定の閾値と比較するなどの手法で弁別を行う。
この場合、例えば陽葉の部分の弁別、土と植物の部分の弁別などを適切に行うことができる。特にマクロ計測部２により光合成に関する情報を得る場合、陽葉部分や植物部分の弁別結果と合わせて、光合成に関する情報（例えばＳＩＦ）を表示できるようにしたり、値を調整したりすることで、より有意な情報を出力できる。

実施の形態では、マクロ計測部２は、ミクロ計測部３よりも計測対象４（例えば圃場３００）からの距離が遠い位置に配置されてセンシングを行うものとした。
マクロ計測部２が、計測対象４から比較的離れている状況とすれば、比較的大規模な装置、デバイスをマクロ計測部２或いはマクロ計測部２を搭載した装置として実現しやすくなる。
なおミクロ計測部３は飛行体２００に搭載され、マクロ計測部２は人工衛星２１０に搭載される例を挙げたが、マクロ計測部２もドローン等の飛行体２００に搭載されてもよい。例えばより上空を飛行する飛行体２００にマクロ計測部２を搭載してマクロ計測範囲ＲＺ２のセンシングを行うことも考えられる。

実施の形態では、マクロ計測部２は人工衛星２１０に搭載されている例を挙げた。
人工衛星２１０の場合、比較的高機能であったり規模の大きいセンサを搭載し易いため、高度なセンシングを行うマクロ計測部２の搭載に適している。
例えば人工衛星２１０のマクロ計測部２を多数の農業主、センシング実施組織などで共用することで、運用コストの低減やマクロ計測センサ２Ｓの有効利用を図ることもできる。
なお人工衛星２１０を用いずに、飛行体２００又は比較的大型の飛行体にマクロ計測部２を搭載し、ミクロ計測部３より高い位置からセンシングを行う例も考えられる。

実施の形態では、ミクロ計測部３は、無線操縦又は自動操縦が可能な飛行体２００に搭載されている例を挙げた。
無線操縦又は自動操縦が可能な飛行体２００としてはいわゆるドローン、小型無線操縦固定翼飛行機、小型無線操縦ヘリコプタなどがある。
小型の飛行体２００の場合、圃場３００などの計測対象から比較的低い高度でセンシングを行う。そしてこの場合、空間解像度の高いセンシングに適している。
また飛行体２００にはマクロ計測部２を搭載しないことで、小型の飛行体２００の運用が容易になったり、センシングを行うためのコストを低減できる。

実施の形態では、ミクロ計測部３は、ミクロ計測センサ３Ｓとして、可視光イメージセンサ、ステレオカメラ、レーザ画像検出及び測距のセンサ、偏光センサ、ＴｏＦセンサのいずれかを有する例を述べた。
これらは例えば形状分析など、計測対象の形質、環境応答、範囲、分布などの分析に適したセンサである。
またこれらは比較的、飛行体２００に搭載し易いセンサであり、ドローン等の小型無人飛行体としての飛行体２００の運用に適している。

実施の形態では、マクロ計測部２は、マクロ計測センサ２Ｓとして、マルチスペクトラムカメラ、ハイパースペクトラムカメラ、フーリエ変換赤外分光光度計、赤外線センサのいずれかを有する例を挙げた。
これらは例えば光合成に関する情報など、各種の物性値の分析に適したセンサである。
またこれらは比較的、飛行体２００に搭載しにくいセンサである。そこで例えば人工衛星２１０に搭載するものとすれば、ドローン等の小型無人飛行体としての飛行体２００の運用を容易化できる。

実施の形態の情報処理装置１は、外部装置から入力される補完分析演算部の補完分析演算プログラムを保持する保持部として補完分析演算プログラム・データ保持部２６を有する例を挙げた。
即ち補完分析演算部の演算アルゴリズムを規定するプログラムを外部装置から取得できるようにしている。
例えばネットワーク５やストレージデバイス６などの外部装置から補完分析演算のためのプログラムを取得し、補完分析演算プログラム・データ保持部２６に保存するようにし、このプログラムに基づいて補完分析演算部２７の演算を行う。これにより情報処理装置１は多様な補完分析演算が可能となる。

実施の形態の情報処理装置１は、補完分析情報に基づく画像データを生成して出力するデータ保存・出力部３０を有する。
補完分析結果は、そのままでは人が視認する画像としては適していない（評価結果がわかりにくい）場合がある。そこでデータ保存・出力部３０では、補完分析結果を人への提示に適した状態に画像化して表示部５６やネットワーク５、或はストレージデバイス６に出力する。これにより、補完分析結果を理解しやすい画像でユーザに提供できる。

実施の形態では、データ保存・出力部３０は、補完分析結果をカラーマッピングした出力画像を生成する例を挙げた（図１５参照）。
即ち補完分析結果がマクロ分解能単位である領域毎に得られている場合に、各領域に色当てした画像としてユーザに提示する画像を生成する。
これにより、色別で分析結果を認識できる画像をユーザに提供できる。

実施の形態では、データ保存・出力部３０は、補完分析結果をカラーマッピングした画像と、他の画像を合成した出力画像を生成する例を挙げた（図１６、図１７参照）。
データ保存・出力部３０は、他の画像とカラーマッピングした画像を例えばオーバーレイや上書きなどの形で合成することで、他の画像により各領域を認識しながら領域毎に色別で評価結果を認識できる画像をユーザに提供できる。

実施の形態では、補完分析結果をカラーマッピングした画像と合成する他の画像は、ミクロ計測分析演算部の演算結果に基づく画像であるとした。例えば画像ＮＤＶＩｐ－ｐｒとした（図１６参照）。
これにより、マクロ計測で得られた情報をミクロ計測範囲ＲＺ３内での弁別結果を表現する画像上で視認することができるようにな画像をユーザに提供できる。

実施の形態では、出力画像は、ミクロ計測範囲ＲＺ３の画像についてマクロ計測分解能の単位で補完分析結果を示した画像であるとした（図１５，図１６，図１７参照）。
これにより、マクロ計測で得られた情報をミクロ計測範囲ＲＺ３内での計測対象に合わせて視認することができるような画像をユーザに提供できる。
なお、出力画像は、ミクロ計測範囲ＲＺ３の全部ではなく、ミクロ計測範囲ＲＺ３の一部を表す画像についてマクロ計測分解能の単位で補完分析結果を示した画像としてもよい。

実施の形態のプログラムは、情報処理装置１に、計測対象のマクロ計測範囲ＲＺ２についてマクロ計測分解能でセンシングを行うマクロ計測部２からの検出データについて演算を行うマクロ計測分析演算処理を実行させる。また該プログラムは、情報処理装置１に、マクロ計測範囲ＲＺ２に含まれるミクロ計測範囲ＲＺ３に対してマクロ計測分解能前より高い分解能であるミクロ計測分解能でセンシングを行うミクロ計測部３からの検出データについて演算を行うミクロ計測分析演算処理を実行させる。さらに該プログラムは、情報処理装置１に、マクロ計測分析演算部２１による演算結果とミクロ計測分析演算部２３による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算処理を実行させる。
即ち図８、図９、図１２の処理を情報処理装置に実行させるプログラムである。

このようなプログラムにより本実施の形態の画像処理装置１の実現が容易となる。
そしてこのようなプログラムはコンピュータ装置等の機器に内蔵されている記録媒体や、ＣＰＵを有するマイクロコンピュータ内のＲＯＭ等に予め記憶しておくことができる。あるいはまた、半導体メモリ、メモリカード、光ディスク、光磁気ディスク、磁気ディスクなどのリムーバブル記録媒体に、一時的あるいは永続的に格納（記憶）しておくことができる。またこのようなリムーバブル記録媒体は、いわゆるパッケージソフトウェアとして提供することができる。
また、このようなプログラムは、リムーバブル記録媒体からパーソナルコンピュータ等にインストールする他、ダウンロードサイトから、ＬＡＮ、インターネットなどのネットワークを介してダウンロードすることもできる。

なお、本明細書に記載された効果はあくまでも例示であって限定されるものではなく、また他の効果があってもよい。

なお本技術は以下のような構成も採ることができる。
（１）
計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算部と、
前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算部と、
前記マクロ計測分析演算部による演算結果と前記ミクロ計測分析演算部による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算部と、を備えた
情報処理装置。
（２）
前記補完分析演算は、
前記マクロ計測分析演算部による演算結果を、前記ミクロ計測分析演算部による演算結果を使って補完する演算処理である
上記（１）に記載の情報処理装置。
（３）
前記ミクロ計測分析演算部による演算結果の分解能は、前記マクロ計測分析演算部による演算結果の分解能より高い
上記（１）又は（２）に記載の情報処理装置。
（４）
前記補完分析演算部は、
前記第２の計測範囲について前記ミクロ計測分析演算部が分析結果として弁別した特定の対象についての物性値を、前記マクロ計測分析演算部の分析結果である前記第１の空間分解能の単位での物性値として求めた補完分析情報を生成する
上記（１）から（３）のいずれかに記載の情報処理装置。
（５）
前記物性値は植物の光合成に関する情報である
上記（４）に記載の情報処理装置。
（６）
前記ミクロ計測分析演算部は、ＲＧＢ画像又は植生指数に関する情報に基づいて測定対象の弁別を行う
上記（４）又は（５）に記載の情報処理装置。
（７）
前記マクロ計測部は、前記ミクロ計測部よりも前記計測対象からの距離が遠い位置でセンシングを行う
上記（１）から（６）のいずれかに記載の情報処理装置。
（８）
前記マクロ計測部は、人工衛星に搭載されている
上記（１）から（７）のいずれかに記載の情報処理装置。
（９）
前記ミクロ計測部は、無線操縦又は自動操縦が可能な飛行体に搭載されている
上記（１）から（８）のいずれかに記載の情報処理装置。
（１０）
前記ミクロ計測部は、ミクロ計測センサとして、可視光イメージセンサ、ステレオカメラ、レーザ画像検出及び測距のセンサ、偏光センサ、ＴｏＦセンサのいずれかを有する
上記（１）から（９）のいずれかに記載の情報処理装置。
（１１）
前記マクロ計測部は、マクロ計測センサとして、マルチスペクトラムカメラ、ハイパースペクトラムカメラ、フーリエ変換赤外分光光度計、赤外線センサのいずれかを有する
上記（１）から（１０）のいずれかに記載の情報処理装置。
（１２）
外部装置から入力される前記補完分析演算部の補完分析演算プログラムを保持する保持部を有する
上記（１）から（１１）のいずれかに記載の情報処理装置。
（１３）
前記補完分析情報に基づく出力画像データを生成して出力する出力部を有する
上記（１）から（１２）のいずれかに記載の情報処理装置。
（１４）
前記出力部は、補完分析結果をカラーマッピングした出力画像データを生成する
上記（１３）に記載の情報処理装置。
（１５）
前記出力部は、補完分析結果をカラーマッピングした画像と、他の画像を合成した出力画像データを生成する
上記（１３）に記載の情報処理装置。
（１６）
前記他の画像は、前記ミクロ計測分析演算部の演算結果に基づく画像である
上記（１５）に記載の情報処理装置。
（１７）
前記出力画像データは、前記第２の計測範囲の全部又は一部を表す画像について前記第１の空間分解能の単位で補完分析結果を示した画像データである
上記（１３）から（１５）のいずれかに記載の情報処理装置。
（１８）
計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算処理と、
前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算処理と、
前記マクロ計測分析演算処理による演算結果と前記ミクロ計測分析演算処理による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算処理と、
を情報処理装置が実行する情報処理方法。
（１９）
計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算処理と、
前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算処理と、
前記マクロ計測分析演算処理による演算結果と前記ミクロ計測分析演算処理による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算処理と、
を情報処理装置に実行させるプログラム。
（２０）
計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部と、
前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部と、
前記マクロ計測部からの検出データについて演算を行うマクロ計測分析演算部と、
前記ミクロ計測部からの検出データについて演算を行うミクロ計測分析演算部と、
前記マクロ計測分析演算部による演算結果と前記ミクロ計測分析演算部による演算結果とを用いた補完分析演算を行い、補完分析情報を生成する補完分析演算部と、を備えた
センシングシステム。

１ 情報処理装置、２ マクロ計測部、２Ｓ マクロ計測センサ、３ ミクロ計測部、３Ｓ ミクロ計測センサ、４ 測定対象、５ ネットワーク、６ ストレージデバイス、１０ データ入力部、１１ センサ入力部、１２ センサ入力部、１３ プログラム・データ入力部、２０ 補完分析実行部、２１ マクロ計測分析演算部、２２ マクロ計測分析値バッファ、２３ ミクロ計測分析演算部、２４ ミクロ計測分析値バッファ、２５ ポジションマッピング部、２６ 補完分析演算プログラム・データ保持部、２７ 補完分析演算部、３０ データ保存・出力部、３１ 解析データバッファ、３２ カラーマッピング部、３３ 画像合成部、３４ グラフ生成部、３５ 画像出力部、３６ データ出力部、５１ ＣＰＵ、５２ ＲＯＭ、５３ ＲＡＭ、５４ バス、５５ 入出力インタフェース、５６ 表示部、５７ 入力部、５８ スピーカ、５９ 記憶部、６０ 通信部、６１ ドライブ、２００ 飛行体、２１０ 人工衛星、２２０ 撮像装置、２５０ 撮像装置、３００ 圃場

Claims (18)

1. 計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算部と、
   前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算部と、
   前記マクロ計測分析演算部による演算結果を前記ミクロ計測分析演算部による演算結果を使って補完する補完分析演算を行い、補完分析情報を生成する補完分析演算部と、
   前記補完分析情報として得られる補完分析結果をカラーマッピングした出力画像データを生成して出力する出力部と、を備えた
   情報処理装置。
2. 前記出力部は、補完分析結果をカラーマッピングした画像と、他の画像を合成した出力画像データを生成する
   請求項１に記載の情報処理装置。
3. 前記他の画像は、前記ミクロ計測分析演算部の演算結果に基づく画像である
   請求項２に記載の情報処理装置。
4. 前記カラーマッピングは、前記ミクロ計測分析演算部の演算結果に基づく画像における特定の対象の部分のみに、前記マクロ計測分析演算部の分析結果である前記第１の空間分解能の単位での物性値に応じた色を割り当てる処理である
   請求項３に記載の情報処理装置。
5. 前記出力画像データは、前記第２の計測範囲の全部又は一部を表す画像について前記第１の空間分解能の単位で補完分析結果を示した画像データである
   請求項１に記載の情報処理装置。
6. 前記ミクロ計測分析演算部による演算結果の分解能は、前記マクロ計測分析演算部による演算結果の分解能より高い
   請求項１から請求項５のいずれかに記載の情報処理装置。
7. 前記補完分析演算部は、
   前記第２の計測範囲について前記ミクロ計測分析演算部が分析結果として弁別した特定の対象について、前記マクロ計測分析演算部の分析結果である前記第１の空間分解能の単位での物性値を示す補完分析情報を生成する
   請求項１から請求項６のいずれかに記載の情報処理装置。
8. 前記物性値は植物の光合成に関する情報である
   請求項７に記載の情報処理装置。
9. 前記ミクロ計測分析演算部は、ＲＧＢ画像又は植生指数に関する情報に基づいて測定対象の弁別を行う
   請求項７または請求項８に記載の情報処理装置。
10. 前記マクロ計測部は、前記ミクロ計測部よりも前記計測対象からの距離が遠い位置でセンシングを行う
    請求項１から請求項９のいずれかに記載の情報処理装置。
11. 前記マクロ計測部は、人工衛星に搭載されている
    請求項１から請求項１０のいずれかに記載の情報処理装置。
12. 前記ミクロ計測部は、無線操縦又は自動操縦が可能な飛行体に搭載されている
    請求項１から請求項１１のいずれかに記載の情報処理装置。
13. 前記ミクロ計測部は、ミクロ計測センサとして、可視光イメージセンサ、ステレオカメラ、レーザ画像検出及び測距のセンサ、偏光センサ、ＴｏＦセンサのいずれかを有する
    請求項１から請求項１２のいずれかに記載の情報処理装置。
14. 前記マクロ計測部は、マクロ計測センサとして、マルチスペクトラムカメラ、ハイパースペクトラムカメラ、フーリエ変換赤外分光光度計、赤外線センサのいずれかを有する
    請求項１から請求項１３のいずれかに記載の情報処理装置。
15. 外部装置から入力される前記補完分析演算部の補完分析演算プログラムを保持する保持部を有する
    請求項１から請求項１４のいずれかに記載の情報処理装置。
16. 計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算処理と、
    前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算処理と、
    前記マクロ計測分析演算処理による演算結果を前記ミクロ計測分析演算処理による演算結果を使って補完する補完分析演算を行い、補完分析情報を生成する補完分析演算処理と、
    前記補完分析情報として得られる補完分析結果をカラーマッピングした出力画像データを生成して出力する出力処理と、
    を情報処理装置が実行する情報処理方法。
17. 計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部からの検出データについて演算を行うマクロ計測分析演算処理と、
    前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部からの検出データについて演算を行うミクロ計測分析演算処理と、
    前記マクロ計測分析演算処理による演算結果を前記ミクロ計測分析演算処理による演算結果を使って補完する補完分析演算を行い、補完分析情報を生成する補完分析演算処理と、
    前記補完分析情報として得られる補完分析結果をカラーマッピングした出力画像データを生成して出力する出力処理と、
    を情報処理装置に実行させるプログラム。
18. 計測対象の第１の計測範囲について第１の空間分解能でセンシングを行うマクロ計測部と、
    前記計測対象の前記第１の計測範囲に含まれる第２の計測範囲に対して前記第１の空間分解能より高い分解能である第２の空間分解能でセンシングを行うミクロ計測部と、
    前記マクロ計測部からの検出データについて演算を行うマクロ計測分析演算部と、
    前記ミクロ計測部からの検出データについて演算を行うミクロ計測分析演算部と、
    前記マクロ計測分析演算部による演算結果を前記ミクロ計測分析演算部による演算結果を使って補完する補完分析演算を行い、補完分析情報を生成する補完分析演算部と、
    前記補完分析情報として得られる補完分析結果をカラーマッピングした出力画像データを生成して出力する出力部と、を備えた
    センシングシステム。

Images