JPH08320930A - テクスチャ解析処理装置 - Google Patents
テクスチャ解析処理装置Info
- Publication number
- JPH08320930A JPH08320930A JP12518895A JP12518895A JPH08320930A JP H08320930 A JPH08320930 A JP H08320930A JP 12518895 A JP12518895 A JP 12518895A JP 12518895 A JP12518895 A JP 12518895A JP H08320930 A JPH08320930 A JP H08320930A
- Authority
- JP
- Japan
- Prior art keywords
- teacher data
- texture
- feature
- analysis processing
- calculated
- 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.)
- Pending
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】この発明は、簡便にして、容易なテクスチャ解
析分類処理を実現したうえで、高精度な地形・地質の解
析分類を実現することにある。 【構成】輝度で示されるＳＡＲ画像から局所的に複数の
教師データを抽出して、この教師データのテクスチャ特
徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）値を算出し、
このテクスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，Ｄ
Ｕ）値に基づいてテクスチャ構造の類似している教師デ
ータ同士をグループ化して各グループ内で最も特徴とす
る特徴教師データを抽出し、この特徴教師データを用い
てＳＡＲ画像全体のテクスチャ分類を行うように構成し
て、所期の目的を達成したものである。
析分類処理を実現したうえで、高精度な地形・地質の解
析分類を実現することにある。 【構成】輝度で示されるＳＡＲ画像から局所的に複数の
教師データを抽出して、この教師データのテクスチャ特
徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）値を算出し、
このテクスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，Ｄ
Ｕ）値に基づいてテクスチャ構造の類似している教師デ
ータ同士をグループ化して各グループ内で最も特徴とす
る特徴教師データを抽出し、この特徴教師データを用い
てＳＡＲ画像全体のテクスチャ分類を行うように構成し
て、所期の目的を達成したものである。
Description
【０００１】
【産業上の利用分野】この発明は、例えば人工衛星から
の地表面画像に基づいて地形・地質を解析して分類する
のに好適するテクスチャ解析処理装置に関する。
の地表面画像に基づいて地形・地質を解析して分類する
のに好適するテクスチャ解析処理装置に関する。
【０００２】
【従来の技術】従来、資源探査の分野においては、地表
面の地形及び地質を解析する解析処理手段として、人工
衛星や航空機で地表面の画像データを取得し、この画像
データを地形及び地質分野における専門家が、その経験
と感に基づいて地表物性の表れであるテクスチャ（Ｔｅ
ｘｔｕｒｅ）を解析して分類する方法が採られている。
これは、取得した画像データについて、輝度の濃淡で示
される地表物性の現れであるテクスチャと、地表面の起
伏との関係付けが煩雑であるうえ、その画像データ自体
に多くの雑音成分が含まれているために、専門的な知識
のない人間では、取得した画像データに基づいてテクス
チャを高精度に解析して地表面に忠実な地形・地質に分
類するのが困難なことによる。
面の地形及び地質を解析する解析処理手段として、人工
衛星や航空機で地表面の画像データを取得し、この画像
データを地形及び地質分野における専門家が、その経験
と感に基づいて地表物性の表れであるテクスチャ（Ｔｅ
ｘｔｕｒｅ）を解析して分類する方法が採られている。
これは、取得した画像データについて、輝度の濃淡で示
される地表物性の現れであるテクスチャと、地表面の起
伏との関係付けが煩雑であるうえ、その画像データ自体
に多くの雑音成分が含まれているために、専門的な知識
のない人間では、取得した画像データに基づいてテクス
チャを高精度に解析して地表面に忠実な地形・地質に分
類するのが困難なことによる。
【０００３】このように、上記解析処理手段では、実質
的に地形及び地質分野の専門家のみしか画像データを解
析処理して地表面に忠実な分類が困難であることで、そ
の解析分類に制約を受けるという問題を有する。また、
その解析分類を専門家による経験と、感に頼っているた
めに、解析処理分類の信頼性の点でも満足の行くもので
ないという問題を有する。
的に地形及び地質分野の専門家のみしか画像データを解
析処理して地表面に忠実な分類が困難であることで、そ
の解析分類に制約を受けるという問題を有する。また、
その解析分類を専門家による経験と、感に頼っているた
めに、解析処理分類の信頼性の点でも満足の行くもので
ないという問題を有する。
【０００４】
【発明が解決しようとする課題】以上述べたように、従
来の解析処理手段では、地形及び地質分野の専門家のみ
しか解析分類が困難であるうえ、解析処理分類の信頼性
の点で劣るという問題を有する。
来の解析処理手段では、地形及び地質分野の専門家のみ
しか解析分類が困難であるうえ、解析処理分類の信頼性
の点で劣るという問題を有する。
【０００５】この発明は上記の事情に鑑みてなされたも
ので、簡便にして、容易な解析分類処理を実現し得、且
つ、高精度な地形・地質の解析分類を実現し得るように
したテクスチャ解析処理装置を提供することを目的とす
る。
ので、簡便にして、容易な解析分類処理を実現し得、且
つ、高精度な地形・地質の解析分類を実現し得るように
したテクスチャ解析処理装置を提供することを目的とす
る。
【０００６】
【課題を解決するための手段】この発明は、処理対象画
像の複数のエリアよりそれぞれ分類の基となる教師デー
タを抽出する教師データ抽出手段と、この教師データ抽
出手段で抽出した複数のエリアからの各教師データより
地形情報を加味したテクスチャの特徴を表すテクスチャ
特徴パラメータ値を算出して、該テクスチャ特徴パラメ
ータ同士の差分値に基づいた距離行列計算を実行し、距
離の近い教師データ同士をグループ化するグループ化手
段と、このグループ化手段でグループ化された教師デー
タの中からグループ外の教師データとの距離計算値の最
も大きい教師データをグループ内の特徴教師データとし
て抽出する特徴教師データ抽出手段と、前記処理対象画
像において前記教師データサイズ毎に前記テクスチャ特
徴パラメータ値を算出し、前記特徴教師データとの距離
行列計算を実行して最も近い特徴教師データと同分類と
するテクスチャ分類手段とを備えてテクスチャ解析処理
装置を構成したものである。
像の複数のエリアよりそれぞれ分類の基となる教師デー
タを抽出する教師データ抽出手段と、この教師データ抽
出手段で抽出した複数のエリアからの各教師データより
地形情報を加味したテクスチャの特徴を表すテクスチャ
特徴パラメータ値を算出して、該テクスチャ特徴パラメ
ータ同士の差分値に基づいた距離行列計算を実行し、距
離の近い教師データ同士をグループ化するグループ化手
段と、このグループ化手段でグループ化された教師デー
タの中からグループ外の教師データとの距離計算値の最
も大きい教師データをグループ内の特徴教師データとし
て抽出する特徴教師データ抽出手段と、前記処理対象画
像において前記教師データサイズ毎に前記テクスチャ特
徴パラメータ値を算出し、前記特徴教師データとの距離
行列計算を実行して最も近い特徴教師データと同分類と
するテクスチャ分類手段とを備えてテクスチャ解析処理
装置を構成したものである。
【０００７】
【作用】上記構成によれば、処理対象画像から局所的に
複数の教師データを抽出して、この複数の教師データか
ら地形情報を加味したテクスチャ特徴パラメータ値をそ
れぞれ算出して数値化表現してグループ化し、該グルー
プ内から特徴教師データを抽出して、その特徴教師デー
タのテクスチャ特徴パラメータ値を用いて処理対象画像
の処理対象領域の画像データと特徴教師データとの距離
計算を行うことにより、処理対象画像のテクスチャ分類
が行われている。これにより、処理対象画像に含まれる
雑音成分に影響されることなく、しかも、使用者の経験
や、感に頼ることなく、簡便なテクスチャの解析分類が
実現され、高精度な地形・地質情報の取得が可能とな
る。
複数の教師データを抽出して、この複数の教師データか
ら地形情報を加味したテクスチャ特徴パラメータ値をそ
れぞれ算出して数値化表現してグループ化し、該グルー
プ内から特徴教師データを抽出して、その特徴教師デー
タのテクスチャ特徴パラメータ値を用いて処理対象画像
の処理対象領域の画像データと特徴教師データとの距離
計算を行うことにより、処理対象画像のテクスチャ分類
が行われている。これにより、処理対象画像に含まれる
雑音成分に影響されることなく、しかも、使用者の経験
や、感に頼ることなく、簡便なテクスチャの解析分類が
実現され、高精度な地形・地質情報の取得が可能とな
る。
【０００８】
【実施例】以下、この発明の実施例について、図面を参
照して詳細に説明する。図１は、この発明の一実施例に
係るテクスチャ解析処理装置の分類処理手順を示すもの
で、処理対称画像、例えば人工衛星で取得した地表面を
輝度で示す合成開口レーダ（ＳＡＲ）画像が入力される
と、該ＳＡＲ画像から地表物性の現れであるテクスチャ
の特徴を数値化表現して、地表面の地形・地質の解析分
類を実行する。
照して詳細に説明する。図１は、この発明の一実施例に
係るテクスチャ解析処理装置の分類処理手順を示すもの
で、処理対称画像、例えば人工衛星で取得した地表面を
輝度で示す合成開口レーダ（ＳＡＲ）画像が入力される
と、該ＳＡＲ画像から地表物性の現れであるテクスチャ
の特徴を数値化表現して、地表面の地形・地質の解析分
類を実行する。
【０００９】すなわち、ステップＳ１においては、ＳＡ
Ｒ画像が取り込まれると、該ＳＡＲ画像における地形及
び地質的に興味深い複数のエリアを設定して、該エリア
の画像データを分類の基となる教師データと称するカテ
ゴリーデータを抽出する。そして、ステップＳ２では、
設定した複数のエリアからの各分類用教師データのテク
スチャの特徴であるテクスチャ特徴パラメータ（ＴＰ）
値を算出して数値化する。
Ｒ画像が取り込まれると、該ＳＡＲ画像における地形及
び地質的に興味深い複数のエリアを設定して、該エリア
の画像データを分類の基となる教師データと称するカテ
ゴリーデータを抽出する。そして、ステップＳ２では、
設定した複数のエリアからの各分類用教師データのテク
スチャの特徴であるテクスチャ特徴パラメータ（ＴＰ）
値を算出して数値化する。
【００１０】このテクスチャ特徴パラメータ値として
は、地形情報を加味したテクスチャの特徴を現す、例え
ば全体の地表物性の現れであるテクスチャの濃度が明暗
の対称性がどの程度もつかの指標を示す濃度対称性（Ｂ
Ｓ）、点対称性（画像の１８０°回転時）の度合を示す
幾何学的対称性（ＧＳ）、ある特定方向のパターンが存
在するかの指標を示す方向依存性（ＤＤ）、起伏（起伏
部分のエッジ）がどの程度あるかの指標を示す起伏特性
（ＤＵ）の４種が求められる。
は、地形情報を加味したテクスチャの特徴を現す、例え
ば全体の地表物性の現れであるテクスチャの濃度が明暗
の対称性がどの程度もつかの指標を示す濃度対称性（Ｂ
Ｓ）、点対称性（画像の１８０°回転時）の度合を示す
幾何学的対称性（ＧＳ）、ある特定方向のパターンが存
在するかの指標を示す方向依存性（ＤＤ）、起伏（起伏
部分のエッジ）がどの程度あるかの指標を示す起伏特性
（ＤＵ）の４種が求められる。
【００１１】そして、ステップＳ３では、各教師データ
から算出したテクスチャ特徴パラメータ（ＢＳ，ＧＳ，
ＤＤ，ＤＵ）に対して、それぞれ外部より使用者がパラ
メータ設定により設定可能な重み付け値を乗じて重み付
けが行われる。次に、各教師データにおいて、４種のテ
クスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）同
士の差分値を基に距離行列計算をそれぞれ実行し（ステ
ップＳ４）、この距離計算結果に基づいて距離の近い教
師データ同士をグループ化する（ステップＳ５）。この
教師データのグループ化により、特徴の類似する教師デ
ータが処理系内に複数存在するのを避ける効果を有し、
無駄な処理の防止が図れる。
から算出したテクスチャ特徴パラメータ（ＢＳ，ＧＳ，
ＤＤ，ＤＵ）に対して、それぞれ外部より使用者がパラ
メータ設定により設定可能な重み付け値を乗じて重み付
けが行われる。次に、各教師データにおいて、４種のテ
クスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）同
士の差分値を基に距離行列計算をそれぞれ実行し（ステ
ップＳ４）、この距離計算結果に基づいて距離の近い教
師データ同士をグループ化する（ステップＳ５）。この
教師データのグループ化により、特徴の類似する教師デ
ータが処理系内に複数存在するのを避ける効果を有し、
無駄な処理の防止が図れる。
【００１２】なお、上記テクスチャ特徴パラメータ（Ｂ
Ｓ，ＧＳ，ＤＤ，ＤＵ）に対する重み付け値は、それぞ
れ使用者により、ＳＡＲ画像の分類目的等に応じて選択
的に可変設定される。また、上記教師データグループ化
数は、上記重み付け値と略同様に分類目的等に応じて、
外部より使用者のパラメータ設定により、選択的に可変
設定される。
Ｓ，ＧＳ，ＤＤ，ＤＵ）に対する重み付け値は、それぞ
れ使用者により、ＳＡＲ画像の分類目的等に応じて選択
的に可変設定される。また、上記教師データグループ化
数は、上記重み付け値と略同様に分類目的等に応じて、
外部より使用者のパラメータ設定により、選択的に可変
設定される。
【００１３】そして、ステップＳ６では、各教師データ
グループから、グループ外の教師データとの距離計算値
が最も大きい教師データを該グループ内の特徴教師デー
タとしてそれぞれ抽出する。
グループから、グループ外の教師データとの距離計算値
が最も大きい教師データを該グループ内の特徴教師デー
タとしてそれぞれ抽出する。
【００１４】上記特徴教師データの抽出後、ステップＳ
７では、上記ＳＡＲ画像全体について、上記教師データ
サイズ毎に上記テクスチャ特徴パラメータ（ＢＳ，Ｇ
Ｓ，ＤＤ，ＤＵ）をそれぞれ算出して、このテクスチャ
特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）と上記ステ
ップＳ６で抽出した各特徴教師データとの距離行列計算
を実行する（ステップＳ８）。次に、ステップＳ９に移
行して、ステップＳ８で求めた距離計算結果において、
最も距離の近い特徴教師データと同分類とし、同様にＳ
ＡＲ画像全体について順にテクスチャ分類を実行する。
ここで、ＳＡＲ画像からの地表面の地形及び肌目（き
め）の情報が、テクスチャ特徴パラメータ（ＢＳ，Ｇ
Ｓ，ＤＤ，ＤＵ）のテクスチャの特徴として数値化表現
されて、その地質分類が間接的に実行され、ＳＡＲ画像
の画像全体について地形・地質が解析分類される。
７では、上記ＳＡＲ画像全体について、上記教師データ
サイズ毎に上記テクスチャ特徴パラメータ（ＢＳ，Ｇ
Ｓ，ＤＤ，ＤＵ）をそれぞれ算出して、このテクスチャ
特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）と上記ステ
ップＳ６で抽出した各特徴教師データとの距離行列計算
を実行する（ステップＳ８）。次に、ステップＳ９に移
行して、ステップＳ８で求めた距離計算結果において、
最も距離の近い特徴教師データと同分類とし、同様にＳ
ＡＲ画像全体について順にテクスチャ分類を実行する。
ここで、ＳＡＲ画像からの地表面の地形及び肌目（き
め）の情報が、テクスチャ特徴パラメータ（ＢＳ，Ｇ
Ｓ，ＤＤ，ＤＵ）のテクスチャの特徴として数値化表現
されて、その地質分類が間接的に実行され、ＳＡＲ画像
の画像全体について地形・地質が解析分類される。
【００１５】このように、上記テクスチャ解析処理装置
は、輝度で示されるＳＡＲ画像から局所的に複数の教師
データを抽出して、この教師データのテクスチャ特徴パ
ラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）値を算出し、この
テクスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）
値に基づいてテクスチャ構造の類似している教師データ
同士をグループ化して各グループ内で最も特徴とする特
徴教師データを抽出し、この特徴教師データを用いてＳ
ＡＲ画像全体のテクスチャ分類を行うように構成した。
は、輝度で示されるＳＡＲ画像から局所的に複数の教師
データを抽出して、この教師データのテクスチャ特徴パ
ラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）値を算出し、この
テクスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）
値に基づいてテクスチャ構造の類似している教師データ
同士をグループ化して各グループ内で最も特徴とする特
徴教師データを抽出し、この特徴教師データを用いてＳ
ＡＲ画像全体のテクスチャ分類を行うように構成した。
【００１６】これによれば、地表面の地形及び肌目（き
め）の情報である輝度で示されたＳＡＲ画像を、テクス
チャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）で数値
化表現して、該テクスチャ特徴パラメータ（ＢＳ，Ｇ
Ｓ，ＤＤ，ＤＵ）より地質分類を実行していることによ
り、地表面の地形及び肌目（きめ）の情報に基づて間接
的に地質分類が行われ、輝度で示されるＳＡＲ画像の高
精度なテクスチャ分類が実現される。この結果、ＳＡＲ
画像に含まれる雑音成分に影響されることなく、しか
も、使用者の経験や、感に頼ることなく、簡便なテクス
チャの解析分類が可能となり、石油資源等の資源探査に
寄与できる高精度な地形・地質情報の取得が容易に実現
される。
め）の情報である輝度で示されたＳＡＲ画像を、テクス
チャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）で数値
化表現して、該テクスチャ特徴パラメータ（ＢＳ，Ｇ
Ｓ，ＤＤ，ＤＵ）より地質分類を実行していることによ
り、地表面の地形及び肌目（きめ）の情報に基づて間接
的に地質分類が行われ、輝度で示されるＳＡＲ画像の高
精度なテクスチャ分類が実現される。この結果、ＳＡＲ
画像に含まれる雑音成分に影響されることなく、しか
も、使用者の経験や、感に頼ることなく、簡便なテクス
チャの解析分類が可能となり、石油資源等の資源探査に
寄与できる高精度な地形・地質情報の取得が容易に実現
される。
【００１７】例えば、処理対象画像として人工衛星で取
得したＳＡＲ画像について、実験的に４種のテクスチャ
特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）に対して重
み付け値として１．０を均等に重み付けすると共に、教
師データのグループ化数を４に設定して解析処理し、テ
クスチャ分類を実行した場合、地表面に忠実に砂状部分
と岩石部分とを明確に資源探査に適用可能なまでの地形
・地質情報が、取得されることが確認されている。
得したＳＡＲ画像について、実験的に４種のテクスチャ
特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，ＤＵ）に対して重
み付け値として１．０を均等に重み付けすると共に、教
師データのグループ化数を４に設定して解析処理し、テ
クスチャ分類を実行した場合、地表面に忠実に砂状部分
と岩石部分とを明確に資源探査に適用可能なまでの地形
・地質情報が、取得されることが確認されている。
【００１８】なお、上記実施例では、教師データから４
種のテクスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，Ｄ
Ｕ）値を算出してテクスチャ分類を行うように構成した
場合で説明したが、これに限ることなく、例えば解析結
果の使用目的に応じて、該テクスチャ特徴パラメータ
（ＢＳ，ＧＳ，ＤＤ，ＤＵ）の重み付け値を可変設定す
ることにより、テクスチャ特徴パラメータ値として、４
種のうち少なくとも１種のテクスチャ特徴パラメータ値
を用いてテクスチャ分類を行うように構成することも可
能である。
種のテクスチャ特徴パラメータ（ＢＳ，ＧＳ，ＤＤ，Ｄ
Ｕ）値を算出してテクスチャ分類を行うように構成した
場合で説明したが、これに限ることなく、例えば解析結
果の使用目的に応じて、該テクスチャ特徴パラメータ
（ＢＳ，ＧＳ，ＤＤ，ＤＵ）の重み付け値を可変設定す
ることにより、テクスチャ特徴パラメータ値として、４
種のうち少なくとも１種のテクスチャ特徴パラメータ値
を用いてテクスチャ分類を行うように構成することも可
能である。
【００１９】また、上記実施例では、処理対象画像とし
て、人工衛星からのＳＡＲ画像を用いて構成した場合で
説明したが、これに限ることなく、例えば航空機からの
画像データのテクスチャ分類においても適用可能であ
る。よって、この発明は上記実施例に限ることなく、そ
の他、この発明の要旨を逸脱しない範囲で種々の変形を
実施し得ることは勿論のことである。
て、人工衛星からのＳＡＲ画像を用いて構成した場合で
説明したが、これに限ることなく、例えば航空機からの
画像データのテクスチャ分類においても適用可能であ
る。よって、この発明は上記実施例に限ることなく、そ
の他、この発明の要旨を逸脱しない範囲で種々の変形を
実施し得ることは勿論のことである。
【００２０】
【発明の効果】以上詳述したように、この発明によれ
ば、簡便にして、容易な解析分類処理を実現し得、且
つ、高精度な地形・地質の解析分類を実現し得るように
したテクスチャ解析処理装置を提供することができる。
ば、簡便にして、容易な解析分類処理を実現し得、且
つ、高精度な地形・地質の解析分類を実現し得るように
したテクスチャ解析処理装置を提供することができる。
【図１】この発明の一実施例に係るテクスチャ解析処理
装置の分類処理手順を示した図。
装置の分類処理手順を示した図。
Ｓ１〜Ｓ９…ステップ。
Claims (5)
- 【請求項１】 処理対象画像の複数のエリアよりそれぞ
れ分類の基となる教師データを抽出する教師データ抽出
手段と、 この教師データ抽出手段で抽出した複数のエリアからの
各教師データより地形情報を加味したテクスチャの特徴
を表すテクスチャ特徴パラメータ値を算出して、該テク
スチャ特徴パラメータ同士の差分値に基づいた距離行列
計算を実行し、距離の近い教師データ同士をグループ化
するグループ化手段と、 このグループ化手段でグループ化された教師データの中
からグループ外の教師データとの距離計算値の最も大き
い教師データをグループ内の特徴教師データとして抽出
する特徴教師データ抽出手段と、 前記処理対象画像において前記教師データサイズ毎に前
記テクスチャ特徴パラメータ値を算出し、前記特徴教師
データとの距離行列計算を実行して最も近い特徴教師デ
ータと同分類とするテクスチャ分類手段とを具備したテ
クスチャ解析処理装置。 - 【請求項２】 前記テクスチャ特徴パラメータは、濃度
対称性、幾何学的対称性、方向依存性及び起伏特性の４
種類であることを特徴とする請求項１記載のテクスチャ
解析処理装置。 - 【請求項３】 前記グループ化手段は、テクスチャ特徴
パラメータの重み付け値、グループ化のためのグループ
化数が可変設定自在に構成されることを特徴とする請求
項２又は３記載のテクスチャ解析処理装置。 - 【請求項４】 前記教師データ抽出手段は、教師データ
を抽出するエリア数が可変設定自在に構成されることを
特徴とする請求項１乃至３のいずれか記載のテクスチャ
解析処理装置。 - 【請求項５】 前記処理対象画像は、合成開口レーダ画
像であることを特徴とする請求項１乃至４のいずれか記
載のテクスチャ解析処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12518895A JPH08320930A (ja) | 1995-05-24 | 1995-05-24 | テクスチャ解析処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP12518895A JPH08320930A (ja) | 1995-05-24 | 1995-05-24 | テクスチャ解析処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08320930A true JPH08320930A (ja) | 1996-12-03 |
Family
ID=14904097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP12518895A Pending JPH08320930A (ja) | 1995-05-24 | 1995-05-24 | テクスチャ解析処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08320930A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09319870A (ja) * | 1996-05-08 | 1997-12-12 | Daewoo Electron Co Ltd | テクスチャ映像分類装置 |
| JP2002296356A (ja) * | 2001-03-19 | 2002-10-09 | Internatl Business Mach Corp <Ibm> | 非破壊探査システム、非破壊探査方法、非破壊探査を実行するためのプログラムおよび記憶媒体 |
| KR100375831B1 (ko) * | 2001-03-14 | 2003-03-15 | 한국전자통신연구원 | 영상의 질감도를 기반으로 한 영상 ｄｂ 브라우징 및 소팅방법 |
| JP2003207565A (ja) * | 2002-01-10 | 2003-07-25 | Mitsubishi Electric Corp | 類識別装置及び類識別方法 |
| JP2007515620A (ja) * | 2003-03-12 | 2007-06-14 | アイ・ティー・ティー・マニュファクチャリング・エンタープライジズ・インコーポレイテッド | 時間領域のインパルス状の信号に基づく物体の高速な検出装置及び方法 |
| KR100772506B1 (ko) * | 2005-12-08 | 2007-11-01 | 한국전자통신연구원 | 영상처리를 이용한 지질재료 분류 방법 및 그 장치 |
| JP2012255656A (ja) * | 2011-06-07 | 2012-12-27 | Mitsubishi Electric Corp | 目標類識別装置 |
| JP2016001387A (ja) * | 2014-06-11 | 2016-01-07 | 日本電信電話株式会社 | 画像分類前処理装置、画像分類装置、画像分類前処理方法、画像分類方法及びプログラム |
| WO2017006648A1 (ja) * | 2015-07-03 | 2017-01-12 | Ｎｅｃソリューションイノベータ株式会社 | 画像判別装置、画像判別方法、及びコンピュータ読み取り可能な記録媒体 |
-
1995
- 1995-05-24 JP JP12518895A patent/JPH08320930A/ja active Pending
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09319870A (ja) * | 1996-05-08 | 1997-12-12 | Daewoo Electron Co Ltd | テクスチャ映像分類装置 |
| KR100375831B1 (ko) * | 2001-03-14 | 2003-03-15 | 한국전자통신연구원 | 영상의 질감도를 기반으로 한 영상 ｄｂ 브라우징 및 소팅방법 |
| JP2002296356A (ja) * | 2001-03-19 | 2002-10-09 | Internatl Business Mach Corp <Ibm> | 非破壊探査システム、非破壊探査方法、非破壊探査を実行するためのプログラムおよび記憶媒体 |
| JP2003207565A (ja) * | 2002-01-10 | 2003-07-25 | Mitsubishi Electric Corp | 類識別装置及び類識別方法 |
| JP2007515620A (ja) * | 2003-03-12 | 2007-06-14 | アイ・ティー・ティー・マニュファクチャリング・エンタープライジズ・インコーポレイテッド | 時間領域のインパルス状の信号に基づく物体の高速な検出装置及び方法 |
| KR100772506B1 (ko) * | 2005-12-08 | 2007-11-01 | 한국전자통신연구원 | 영상처리를 이용한 지질재료 분류 방법 및 그 장치 |
| US7734064B2 (en) | 2005-12-08 | 2010-06-08 | Electronics And Telecommunications Research Institute | Method and apparatus for classifying geological materials using image processing techniques |
| JP2012255656A (ja) * | 2011-06-07 | 2012-12-27 | Mitsubishi Electric Corp | 目標類識別装置 |
| JP2016001387A (ja) * | 2014-06-11 | 2016-01-07 | 日本電信電話株式会社 | 画像分類前処理装置、画像分類装置、画像分類前処理方法、画像分類方法及びプログラム |
| WO2017006648A1 (ja) * | 2015-07-03 | 2017-01-12 | Ｎｅｃソリューションイノベータ株式会社 | 画像判別装置、画像判別方法、及びコンピュータ読み取り可能な記録媒体 |
| JPWO2017006648A1 (ja) * | 2015-07-03 | 2018-04-05 | Ｎｅｃソリューションイノベータ株式会社 | 画像判別装置、画像判別方法、及びコンピュータ読み取り可能な記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986099B (zh) | 基于融合残差修正的卷积神经网络的耕地监测方法及系统 | |
| Maillard | Comparing texture analysis methods through classification | |
| CN106503739A (zh) | 联合光谱和纹理特征的高光谱遥感影像svm分类方法及系统 | |
| CN111797717A (zh) | 一种高速高精度的sar图像船只检测方法 | |
| CN106683102B (zh) | 基于脊波滤波器和卷积结构学习模型的sar图像分割方法 | |
| CN102982338B (zh) | 基于谱聚类的极化sar图像分类方法 | |
| CN112749627A (zh) | 一种基于多源遥感影像的烟草动态监测的方法和装置 | |
| CN106600595A (zh) | 一种基于人工智能算法的人体特征尺寸自动测量方法 | |
| Frizzelle et al. | Mapping continuous distributions of land cover: A comparison of maximum-likelihood estimation and artificial neural networks | |
| CN114037891A (zh) | 基于u型注意力控制网络的高分辨率遥感影像建筑物提取方法及装置 | |
| JPH08320930A (ja) | テクスチャ解析処理装置 | |
| CN107527035A (zh) | 建筑物震害信息提取方法及装置 | |
| CN103093243A (zh) | 高分辨率全色遥感图像云判方法 | |
| Liu et al. | Point cloud based iterative segmentation technique for 3d plant phenotyping | |
| Wan et al. | Mapping annual urban change using time series Landsat and NLCD | |
| Coulibaly et al. | Semiautomatic road extraction from VHR images based on multiscale and spectral angle in case of earthquake | |
| CN117710833A (zh) | 基于云计算的测绘地理信息数据采集方法及相关装置 | |
| CN112101440B (zh) | 一种基于改进U-Net网络的日冕物质抛射检测方法 | |
| CN113205143A (zh) | 耦合空谱特征的多尺度超像素高光谱遥感图像分类方法 | |
| CN106096650B (zh) | 基于收缩自编码器的sar图像分类方法 | |
| CN108171200A (zh) | 基于sar图像统计分布和dbn的sar图像分类方法 | |
| CN117115671A (zh) | 基于遥感的土壤质量分析方法、装置及电子设备 | |
| Heidary et al. | Urban change detection by fully convolutional siamese concatenate network with attention | |
| CN110555483B (zh) | 基于fw-dcgan特征生成的极化sar分类方法 | |
| Castano et al. | Texture analysis for Mars rover images |