JPH09318767A

JPH09318767A - 雨域予測装置

Info

Publication number: JPH09318767A
Application number: JP13344696A
Authority: JP
Inventors: Hidetomo Sakaino; 英朋境野; Satoshi Suzuki; 智鈴木; Yoshihiro Ochiai; 慶広落合; Hideto Suzuki; 英人鈴木
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1996-05-28
Filing date: 1996-05-28
Publication date: 1997-12-12

Abstract

(57)【要約】【課題】同じ程度の動きベクトルを安定に推定すると
ともに、演算コストを大幅に軽減することのできるレー
ダー画像からの雨域予測装置を実現すること。【解決手段】気象レーダー画像に基づいて降雨地域で
ある雨域の時系列変化を高速かつ簡易に予測する雨域予
測装置であって、雨域のレーダー画像を入力する画像入
力手段と、時系列画像を蓄積する画像蓄積手段と、前記
時系列画像を所定領域に分割して雨域の流入出の変化の
ある領域を画像内から検出する変化領域検出手段と、雨
域の流入出方向を推定する変位角度算出手段と、真に近
い雨域の流入出角度を最尤推定・予測する最尤推定・予
測手段と、雨域の重心を求める画像処理手段と、求めた
雨域の流入出方向に基づいて連続する画像間の重心を結
んで雨域の移動ベクトルを求めて、重心近傍の雨域をこ
の移動ベクトルに基づいて平行移動させるセル雨域移動
手段とを備えることを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、気象レーダー画像
に基づいた狭い地域の雨域の時系列変化を短時間予測
し、気象の変化に敏感に影響されるような狭い地域にお
ける様々な経済活動が円滑に営まれるように、高速かつ
簡易に雨域を予測する装置に関するものである。

【０００２】

【従来の技術】従来、気象予測を行う際、気象庁ではア
メダスや気象衛星から得られる２次元的、３次元的な気
温、気圧、露点、風ベクトル等の様々な物理パラメータ
ーを用いて、数理・物理方程式を介した数十時間先もし
くは数日先の日本全国の気象現象の変化を予測してい
る。

【０００３】一方、近年では、より狭い地域での、分オ
ーダーの短い時間における気象予測が望まれてきている
ため、局地的に配置した気象レーダー装置からの雨域の
変化情報による予測が必須となっている。雨域の変化
は、降雨状態や降雪状態にある領域の変化を意味し、見
かけ上、雲状をなしている。画像としての雨域は、様々
な形状と濃淡値の組み合わせとして表現されており、明
瞭な特徴量の記述が困難であることから画像処理手法に
基づいた雨域の動き検出は容易ではない。そのため現在
でも、人の経験則に基づいた雨域の変化からの主観的な
読み取りが行われ、活用されている。

【０００４】雨域変化検出を自動的かつ客観的なものと
するために、時空間的相関法により雨域変化検出を計算
機上で行うことが試みられている。この方法は、２つの
画像フレーム間ｆ（ｔ）とｆ（ｔ＋１）（ｔは時間ステ
ップ）の、濃淡値の類似性について算出した後、最も相
関値が高い点が対応していると仮定した上で雨域の移動
量を推定し、推定された移動量に基づいて雨域を平行移
動させていく。

【０００５】推定された次のステップの雨域画像を繰り
返すことにより、特定数のステップ先までの予測が可能
となる。また、２つのフレームから１つの雨域の移動ベ
クトルを求めている。

【０００６】

【発明が解決しようとする課題】これまで適用されてい
る時空間的相関法は、連続する２つの画像から１つの動
きベクトルを推定する。しかしながら、相関係数を算出
するためには画素ごとに演算を施す必要があるために、
画像全体で数千回〜数万回オーダーの演算回数が要求さ
れる間題がある。また、画像の濃淡値は、雨域が生成・
消滅を絶えまなく繰り返すことから、前フレームの濃淡
値と次フレームの濃淡値とが常に１対１に対応している
ことはないので、濃淡値に基づいた相関値への信頼性は
必ずしも高くなく、不安定であるという問題がある。さ
らに、相関係数が求められないような散漫な雨域画像の
場合は、ほとんど動きベクトルを推定することができ
ず、その間の補間方法についても見い出されていないの
が現状である。

【０００７】実際の雨域は大きな全体的な流れに加え
て、局所的な流れが存在している。これまでの相関法で
は連続する２つのフレームから代表ベクトル１つだけを
求める方法だったので局所的な流れについての情報は欠
如しており、その分だけ予測精度の低下をまねいてい
た。

【０００８】局所的な動きベクトルを算出する方法とし
ては、コンピュータビジョンの分野で広く適用されてい
る、オプティカルフローと呼ばれる微分方程式に基づい
た方法があるが、雨域への適用例はない。オプティカル
フローでは、フレーム間で変化する対象の形状に対する
制約条件はないが、対象の濃淡値は一定であり、さらに
フレーム間の対象の移動量は微小量（１画素／フレーム
末満が好ましい）となっている。

【０００９】ところが、実際の雨域は、濃淡値はかなり
変化する場合があり、フレーム間の移動量は数十画素以
上であることが普通であるので、明らかに本手法をその
まま適用することは不可能であると言える。

【００１０】一方、局所的な動きベクトルを求めるため
には、フレーム間で重心等を用いた対応づけが基本とな
る。雨域のパターンには、画像を広く覆うようなタイプ
や細かい粒子状のタイプなど様々なパターンが現われ
る。しかしながら、画像全体から、前者のように雨域の
単体の大きさが大きい程、各フレームから得られる重心
の個数は少なくなり、結果、局所的な動き成分まで得ら
れなくなる問題がある。

【００１１】レーダー画像から移動ベクトルを推定する
ためには、雨域の存在領域の変化を利用すればよい。し
かしながら、ここで言う移動ベクトルとは、本来、自然
の上空には全面にわたって風が流れており、その風に乗
って雨域が変化しているものと考えたものであり、画像
処理等の手段により、画像の局所的な移動ベクトルを推
定した後は、その近傍の移動ベクトルについても推定す
る必要がある。

【００１２】本発明は上述したような従来の技術が有す
る問題点に鑑みてなされたものであって、同じ程度の動
きベクトルを安定に推定するとともに、演算コストを大
幅に軽減することのできるレーダー画像からの雨域予測
装置を実現することを目的とする。

【００１３】

【課題を解決するための手段】本発明の雨域予測装置の
第１の形態によるものは、気象レーダー画像に基づいて
降雨地域である雨域の時系列変化を高速かつ簡易に予測
する雨域予測装置であって、雨域のレーダー画像を入力
する画像入力手段と、時系列画像を蓄積する画像蓄積手
段と、前記時系列画像を所定領域に分割して雨域の流入
出の変化のある領域を画像内から検出する変化領域検出
手段と、雨域の流入出方向を推定する変位角度算出手段
と、真に近い雨域の流入出角度を最尤推定・予測する最
尤推定・予測手段と、雨域の重心を求める画像処理手段
と、求めた雨域の流入出方向に基づいて連続する画像間
の重心を結んで雨域の移動ベクトルを求めて、重心近傍
の雨域をこの移動ベクトルに基づいて平行移動させるセ
ル雨域移動手段とを備えることを特徴とする。

【００１４】本発明の雨域予測装置の第２の形態による
ものは、気象レーダー画像に基づいて降雨地域である雨
域の時系列変化を高速かつ簡易に予測する雨域予測装置
であって、雨域のレーダー画像を入力する画像入力手段
と、時系列画像を蓄積する画像蓄積手段と、前記時系列
画像を所定領域に分割して雨域の流入出の変化のある領
域を画像内から検出する変化領域検出手段と、雨域の流
入出方向を推定する変位角度算出手段と、真に近い雨域
の流入出角度を最尤推定・予測する最尤推定・予測手段
と、流入出方向の角度に応じて画像全体を複数のスリッ
トで疑似的に領域を小ブロックに分割するスリット可変
手段と、雨域の重心を求める画像処理手段と、分割され
た各小ブロック内ごとに、求めた雨域の流入出方向に基
づいて連続する画像間の重心を結んで雨域の移動ベクト
ルを求める移動ベクトル推定手段と、局所的に得られた
移動ベクトルを初期値として線形補間方程式や運動方程
式により画像全体にわたって移動ベクトルを生成・補間
する移動ベクトル補間手段と、求めた雨域の流入出方向
に基づいて連続する画像間の重心を結んで雨域の移動ベ
クトルを求めて、重心近傍の雨域をこの移動ベクトルに
基づいて平行移動させるセル雨域移動手段とを備えるこ
とを特徴とする。

【００１５】（作用）本発明の第１の形態によるもので
は、矩形の各画像内に疑似的な領域（スリット）を４つ
設けることで、その矩形領域における雨域の濃淡値変化
を検出し、同時に各矩形内における濃淡値の存在範囲を
見い出し、各範囲の中点を求めてそれらの中点を結ぶこ
とで雨域の簡易な流入出方向を推定することを可能とし
ている。

【００１６】また、推定される流人出方向の角度につい
て、カルマンフィルターを介して角度に含まれるノイズ
成分を抑制しながら真の角度を最尤推定・予測する方法
を適用することで、推定精度の向上と、雨域が散漫な状
態における角度を雨域情報を直接介することなく推定・
予測できる。

【００１７】さらに、２つのフレーム間の雨域の重心を
対応づけていく際、結びつける方向は流入出方向の角度
の方向近傍に狭めているので、誤対応問題が軽減でき、
重心間で求められた画像中の局所的な雨域の移動ベクト
ルに基づいて、重心近傍の雨域を平行移動させることが
できる。この移動ベクトルについて、線形方程式もしく
はカルマンフィルターを介して繰り返し予測を行うこと
で、統計的には最尤推定・予測された移動ベクトルをあ
る程度長時間得ることができ、高精度な予測が達成でき
る。

【００１８】本発明の第２の形態によるものでは、より
局所的な雨域の移動ベクトルを効率よく推定するため
に、雨域の流入出方向と平行な複数に分割されたもう一
つのタイプの領域（スリット）を適用している。このス
リットの方向は平行四辺形を変形させるように、時間と
ともに変形するものである。このスリットにより、例え
ば、一つの雨域の塊（クラスター）があった場合、複数
個のクラスタに分割されて、個々のクラスタをそれぞれ
独立とみなして扱っていく。このようにして、各フレー
ムごとに、各スリットごとにクラスタの重心を算出した
後、各スリット対応に、重心を対応づけて、クラスタの
局所的な移動ベクトルを推定する。

【００１９】上述したように、移動ベクトルとは、本
来、自然の上空には全面にわたって風が流れており、そ
の風に乗って雨域が変化していると考えることからレー
ダー画像から移動ベクトルを推定した後は、その近傍の
移動ベクトルについても推定する必要がある。上空の風
ベクトルの変化は緩やかであると考えられるので、各移
動ベクトルの近傍の方向と大きさは類似していると仮定
できる。近傍から画像全体にわたって移動ベクトルを補
間する方法は、非線形方程式を適用することが妥当であ
る。その一つの方程式としては、ナビエ・ストークス方
程式が挙げられ、この方程式を近似した方程式を適用し
てもよい。

【００２０】

【実施例】次に、本発明の実施例について図面を参照し
て説明する。

【００２１】図１は本発明の実施例の構成を示す図であ
る。

【００２２】図１に示す実施例は、画像入力部１００、
画像蓄積部１１０、変化領域検出部１２０、変位角度算
出部１３０、変位角度最尤・予測部１４０、画像処理部
１５０、セル雨域移動部１６０および出力部１７０から
構成されている。

【００２３】画像入力部１００はレーダー雨域画像を入
力し、画像蓄積部１１０は時系列のレーダー雨域画像を
蓄積する。変化領域検出部１２０は、画像内に４つの矩
形領域を設け、各区矩形領域における雨域の濃淡値変化
を検出し、さらに各矩形領域における濃淡値の分布の範
囲を検出した後にその範囲の中点を算出する。なお、上
記の計算は安定な中点が求められるまで、画像蓄積部１
１０と変化領域検出部１２０との間で繰り返し行われ
る。

【００２４】変位角度算出部１３０では繰り返し計算さ
れた角度の時系列変化値の平均値を求める。変位角度最
尤推定・予測部１４０では、観測された角度の平均値を
入力して、カルマンフィルターで角度に含まれるノイズ
を抑制しながら、角度の真の値を最尤推定・予測する。
画像処理部１５０では、連続する２つの画像内の雨域の
重心を求め、セル雨域移動部１６０では、予め推定され
ている雨域（セル）の流入出方向の角度近傍について２
つのフレーム間で重心の対応づけを行い、重心について
の移動ベクトルを求め、さらに、重心近傍の雨域を移動
ベクトルに基づいて平行移動させる。この移動ベクトル
を用いて、線形方程式もしくはカルマンフィルターを介
してある程度長時間先までの雨域変化を最尤推定・予測
することができる。その結果を出力部１７０で算出す
る。

【００２５】図２は、変化領域検出部１２０で行われる
中点算出動作を説明するための図である。変化領域算出
部１２０ではレーダー画像２００の枠が矩形であると
し、この中の周辺部４つの領域に矩形領域２１０を設定
する。その矩形領域２１０の範囲を規定する座標ｘa、
ｘb、ｙa、ｙbは扱うレーダー画像の大きさにより経験
的に決定する。

【００２６】図３は、変位角度算出部１３０で行われる
雨域の流出入の方向を推定する方法を説明するための図
であり、レーダー画像上の雨域３００が上記のように決
定された４つの矩形領域２１０のいずれかにある場合を
示している。ここでは図の上下方向に雨域の塊（クラス
ター）が存在する。２つの領域でその濃淡値の存在する
範囲３１０を検出し、範囲３１０を規定する座標ＸＮ
１、ＸＮ２、ＸＳ１、ＸＳ２を検出する。次に、その範
囲の中点３２０を算出し、さらに、上下方向の２つの中
点を結び、その角度３３０（θ）を求める。この角度を
雨域の流入出の方向とする。

【００２７】図４は、雨域の流入出方向の時系列変化の
例を示す図であり、２つの連続した角度の変化のみを示
す。第１のフレームの範囲４００による角度θ1と第２
のフレームの範囲４１０による角度θ2は検出誤差、ノ
イズ等の要因により連続したフレームでも一致すること
はほとんどなく、変化していく。従って、統計的な意味
において、数フレーム間の角度の平均値を代表値とする
ことが適当である。

【００２８】図５は、レーダー画像における雨域の動き
特徴を示す図である。レーダー画像のサンプリング間隔
は、５〜１０分間程度である。実際の雨域の移動速度
は、季節や気候条件によっても異なるが数十メートル／
秒程度であることが多い。従って、サンプリング間隔毎
に、雨域は平均的に数キロメートル以上、時には、数十
キロメートル移動した結果を扱うことになり、サンプリ
ング間隔が密でない場合には非常に広い範囲を１つの画
像で表わすこととなる。当然ながら雨域の移動も一方向
に定まらず、不規則に移動する。

【００２９】図５には、あるサンプリング間隔点５０
０，５１０の間における雨域の移動ベクトルを５つに分
解し、さらに雨域の垂直（ｙ）・水平（ｘ）成分を分解
して示されている。あるサンプリング間隔点５００，５
１０の間での分解ベクトルのそれぞれにおいては、水平
成分の方が垂直成分よりも大きくなっているにも関わら
ず、サンプリング間隔点５００，５１０の間のベクトル
では逆に垂直成分５３０の方が水平成分５２０よりも大
きく観測されてしまっている。これは、サンプリング間
隔が必ずしも密ではないために起こるが、本実施例で
は、このようなレーダー画像の雨域の動き特徴を利用し
て、４つの矩形領域から雨域の流入出方向を検出してい
るのであり、かつ、合理的な方法となっている。

【００３０】図６は、セル雨域移動部１６０にて行われ
る連続する２つの時系列画像から移動ベクトルを求める
様子を示す図である。各画像に含まれる雨域の重心を画
像処理手法により求めた後、予め推定されている雨域の
流入出方向の近傍についてだけ、探索・対応づけを行
う。こうして、対応づけられた重心を結びつけること
で、局所的な雨域の移動ベクトルが推定できる。

【００３１】図７は、セル雨域移動部１６０にて行われ
る重心近傍の雨域の移動ベクトルを平行移動させる方法
について説明するための図である。先に局所的な雨域の
移動ベクトルが求められているので、この移動ベクトル
に基づいて重心近傍の雨域を平行移動させる方法をと
る。ある程度長時間さきまでの雨域変化を推定するため
に、この移動ベクトルに関して線形方程式もしくはカル
マンフィルターを適用することで統計的に最尤推定・予
測ができる。

【００３２】図８は、変位角度最尤推定・予測部１４０
にカルマンフィルターを適用したときの推定角度の変化
を示す図であり、図８（ａ）は、実際の雨域の流入出の
方向角度と、カルマンフィルターにより最尤推定された
方向角度の比較図であり、相関法と対比させている。時
間軸上、区間ｔ1、ｔ2は雨域が散漫になっている状態の
区間を示す。カルマンフィルターを適用した場合の方が
安定になり、実際の方向変化に追随しているのがわか
る。一方、相関法を用いた場合は、不安定であり、特
に、雨域が散漫な区間では実際とのずれも大きい。図８
（ｂ）は、図８（ａ）に対応する推定誤差を示す図であ
るが、推定誤差の時間変化を比べても、相関法よりも明
らかにカルマンフィルターを適用した方が推定誤差が低
く抑えられているのがわかる。

【００３３】変位角度最尤推定・予測部１４０にて行わ
れるカルマンフィルターによる雨域の流入出角度の最尤
推定・予測方法についての概略を以下に説明する。

【００３４】ここでは、雨域の移動ベクトル及び雨域の
流入出方向の角度に関して、その加速度変化は一定とす
る。これは、雨域の時系列変化が比較的緩やかな変化を
示していることに基づく。更新される位置（移動ベクト
ル、角度）は現在の位置

【００３５】

【外１】に関するテイラー展開近似表現として、

【００３６】

【外２】を変数にもつ関数として下記の式（１），（２）のよう
に表現される。移動ベクトルと角度に関するシステムダ
イナミックスは下記の式（３）のような状態空間方程式
で記述できるものとする。下記の式（４）は観測方程式
である。

【００３７】

【数１】マトリックスΦ、Γ、Ｈはそれぞれ、状態遷移・駆動・
観察マトリックスであるり、線形方程式が導出されるこ
とから、式（３），（４）の係数は一意に決定される。

【００３８】上記のどのマトリックスも安定性があり、
しかも｛Φ、Γ｝組と｛Φ、Ｈ｝組は可制御でかつ可観
測であることは明らかである。ステップｋにおいて、

【００３９】

【外３】は２次元の位置と速度に関する状態ベクトル、

【００４０】

【外４】は位置に関する観測ベクトルを表す。

【００４１】ベクトル

【００４２】

【外５】はガウス性・ランダム性の加速度成分、

【００４３】

【外６】はランダム性の観測ノイズである。この２つのベクトル
は互いに独立であると仮定している。ＱとＲにはクロネ
ッカーの記号が付してあり、ベクトル

【００４４】

【外７】の共分散行列を表す。Ｅ［・］はアンサンブル平均を表
す。

【００４５】定常カルマンフィルターのアルゴリズムは
下記の式（５），（６）で表わされるものであり、それ
ぞれから統計的に最尤推定値、最尤予測値が再帰的に求
められる。なお、以下の方程式に含まれるマトリックス
は状態空間方程式と観測方程式から一意に決定される。

【００４６】

【数２】図９は、相関法とカルマンフィルターを適用した場合の
雨域の予測誤差比較を示す図である。ともに時間ととも
に予測誤差は悪くなっていくが、カルマンフィルターを
用いた場合の方が予測誤差は低く抑えられているのがわ
かる。なお、予測の際、雨域の移動方向は、ある雨域を
用いて推定された流出入の角度が用いられる。

【００４７】図１０は、連続したフレーム間８００、８
１０から局所的な動き変化を推定するために、画像処理
技法の一つである、オプティカルフローと呼ばれる手法
により求めた結果を示す図である。正解は図の上から下
に向かう流れであるが、本手法によると全く正解とは異
なった動き推定８２０がなされてしまっている。これ
は、レーダー画像のサンプリング間隔が大きいため、フ
レーム間で雨域が十画素以上移動していたためと、濃淡
変化の生じていたことによると考えられる。オプティカ
ルフローのような微分方程式に基づいた微小変位の間題
とレーダー画像は異なっていることを如実に表わしてい
る。

【００４８】次に、本発明の第２の実施例について説明
する。

【００４９】図１１は本発明の第２の実施例の構成を示
す図である。図１１に示す実施例は、画像入力部１１０
０、画像蓄積部１１１０、画像変化領域検出部１１２
０、変位角度算出部１１３０、変位角度最尤推定・予測
部１１４０、スリット可変部１１５０、画像処理部１１
６０、移動ベクトル推定部１１７０、移動ベクトル補間
部１１８０、セル雨域移動部１１９０および出力部１１
９５から構成されている。

【００５０】画像入力部１１００でレーダー雨域画像を
入力し、画像蓄積部１１１０で時系列のレーダー雨域画
像を蓄積する。変化領域検出部１１２０では画像内に設
けた４つの矩形領域における雨域の濃淡値変化を検出
し、さらに各矩形領域における濃淡値の分布の範囲を検
出した後にその範囲の中点を算出する。上記の中点の算
出は安定に中点が求められるまで、画像蓄積部１１１０
と変化領域検出部１１２０の間で繰り返し計算が行われ
る。変位角度算出部１１３０では繰り返し計算された角
度の時系列変化値の平均値を求める。変位角度最尤推定
・予測部１１４０では、観測された角度の平均値を入力
して、カルマンフィルターで角度に含まれるノイズを抑
制しながら、角度の真の値を最尤推定・予測する。

【００５１】スリット可変部１１５０では、流入出方向
の角度に応じて画像全体を特定数矩形状のスリットで疑
似的に領域を小ブロックに分割する。画像処理部１１６
０では、分割された各小ブロック内ごとに雨域の重心を
求め、求めた雨域の流入出方向に基づいて連続する画像
間の重心を結んで雨域の移動ベクトルを求める。このと
き、連続した３つのフレームから連続して２つずつ差分
画像を生成して動き領域を求めた上で、各スリット内ご
とに重心を算出している。

【００５２】移動ベクトル推定部１１７０では、分割数
を固定した可変する平行四辺形状のスリットごとに雨域
の重心点を結び、雨域の局所的な移動ベクトルを推定す
る。

【００５３】セル雨域移動部１１８０では、局所的に推
定された移動ベクトルに基づいて、重心近傍の雨域を平
行移動させる。この移動ベクトルを用いて、線形方程式
もしくはカルマンフィルターを介してある程度長時間先
までの雨域変化を最尤推定・予測することができる。そ
の結果を出力部１１９０で算出する。

【００５４】本実施例における画像入力部１１００、画
像蓄積部１１１０、変化領域検出部１１２０、変位角度
算出部１１３０、変位角度最尤・予測部１１４０および
出力部１１９５の動作は図１に示した実施例における画
像入力部１００、画像蓄積部１１０、変化領域検出部１
２０、変位角度算出部１３０、変位角度最尤・予測部１
４０および出力部１７０と同様であるため、これらにつ
いての説明は省略する。

【００５５】図１２および図１３は、スリット可変部１
１５０で行われる動作を説明するための図であり、図１
２可変スリット法を画像に適用した例を示す図である。
スリット可変部１１５０には所定のスリットに基づいて
推定された雨域の流入出方向の角度が入力されている
が、その角度θtを時間的に変化させる。

【００５６】図１３は、スリットにより通常の場合と異
なったラベリング処理を行うことを示す図である。通常
画像内の雨域について画像処理技法によりラベリング処
理を施すと、２つのクラスタの場合は番号は２番までの
画像１７００が得られる。しかしながら、本実施例で
は、スリットにより、各クラスタを強制的に分割してク
ラスタ数を増やしており、ここでは２個のクラスタであ
っても、番号は４番までがラベリングされた画像１７１
０が得られている。

【００５７】図１４は、画像処理部１１６０における処
理を説明するための図であり、連続する３つのフレーム
から重心点を各スリットごとに求める状態を示してい
る。２つのフレームごとに差分画像を算出して、動きが
変化した領域のみを抽出して、各スリットごとに独立に
雨域の重心を求める。

【００５８】図１５は移動ベクトル推定部１１７０にお
ける動作を説明するための図であり、各スリット内での
雨域の重心の移動ベクトルを示すものである。処理され
る画像すべてのスリットの分割数は予め決定され、終始
その分割数は固定して用いられる。２組のフレームから
推定された重心から分割された同一のスリットごとに重
心ベクトルを求める。

【００５９】図１６は、移動ベクトル補間部１１８０で
の動作を説明するための図であり、局所的な移動ベクト
ルから画像全体へ補間する際に用いる計算座標系を示
す。対象とする画像全体を縦方向と横方向に計算格子に
置き換える。このとき、画像の周辺部の境界条件は連続
条件とする。ここでは差分法を用いたときの計算格子を
示すが、格子点上に２次元の速度ベクトル、セルの中心
に圧力点を配置する。初期条件としては、局所的な移動
ベクトルのみである。

【００６０】図１７は、局所的な移動ベクトルから画像
全体へ補間された結果を示す。局所的な移動ベクトルか
ら画像全体にわたって得られた移動ベクトルは、流体の
運動方程式を時間積分したときの結果である。数値計算
上、安定するまで、数ステップから数十ステップ間の時
間積分が通常必要とされている。必要に応じて、場
（解）が安定した後、数百ステップまで続ければ、移動
ベクトルのダイナミカルな予測方法となる。

【００６１】図１８は、予測誤差に関しての性能を比較
した結果を示す図である。ここでは、１．相関法のみの場合２．４つの矩形領域のスリットを用いた場合３．可変スリットを用いた場合４．可変スリットを用い、さらに補間を行う場合以上４つの場合の性能比較を予測誤差について評価して
いる。

【００６２】時間の経過とともに、相関法を適用したと
きは、移動ベクトルを一つしか用いていないために、最
も誤差が大きくなる。可変スリットを用いずに、４つの
矩形領域のスリットだけで予測を行った場合が次に良
く、続いて、可変スリット法を用いると良くなり、最後
に、可変スリットと移動ベクトルの非線形補間を併用し
たときが最も予測誤差が低く抑えられているのがわか
る。

【００６３】

【発明の効果】以上説明したように、本発明によれば、
画像内に疑似的な領域を設けることで、雨域の流出入を
簡易に推定することができる効果がある。

【００６４】カルマンフィルターを介することで、雨域
が散漫な状態であっても連続して精度よく、しかも従来
の相関法に比ベると数百〜数千オーダー前後演算コスト
を大幅に軽減できているために、高速に降雨領域を予測
できる。また、アルゴリズム的にもほとんど複雑さを含
んでいないために簡易に実現することができる効果があ
る。

【００６５】さらに、局所的な移動ベクトルから画像全
体にわたって移動ベクトルを補間・生成した移動ベクト
ルを用いた場合には、上記効果に加えて、雨域の変化を
自然の上空で営まれているようなメカニズムに近づけた
予測を行うことができる効果がある。

【図面の簡単な説明】

【図１】本発明の実施例の構成を示す図である。

【図２】図１に示した変化領域検出部１２０で行われる
中点算出動作を説明するための図である。

【図３】図１に示した変位角度算出部１３０で行われる
雨域の流出入の方向を推定する方法を説明するための図
である。

【図４】雨域の流入出方向の時系列変化の例を示す図で
ある。

【図５】レーダー画像における雨域の動き特徴を示す図
である。

【図６】図１に示したセル雨域移動部１６０にて行われ
る連続する２つの時系列画像から移動ベクトルを求める
様子を示す図である。

【図７】図１に示したセル雨域移動部１６０にて行われ
る重心近傍の雨域の移動ベクトルを平行移動させる方法
について説明するための図である。

【図８】図１に示した変位角度最尤推定・予測部１４０
にカルマンフィルターを適用したときの推定角度の変化
を示す図であり、（ａ）は、実際の雨域の流入出の方向
角度と、カルマンフィルターにより最尤推定された方向
角度の相関法との比較図、（ｂ）は、（ａ）に対応する
推定誤差を示す図である。

【図９】相関法とカルマンフィルターを適用した場合の
雨域の予測誤差比較を示す図である。

【図１０】連続したフレーム間８００、８１０から局所
的な動き変化を推定するために、オプテイカルフローを
適用したときの結果を示す図である。

【図１１】本発明の第２の実施例の構成を示す図であ
る。

【図１２】図１１に示したスリット可変部１１５０で行
われる動作を説明するための図である。

【図１３】図１１に示したスリット可変部１１５０で行
われる動作を説明するための図である。

【図１４】図１１に示した画像処理部１１６０における
処理を説明するための図である。

【図１５】図１１に示した移動ベクトル推定部１１７０
における動作を説明するための図である。

【図１６】図１１に示した移動ベクトル補間部１１８０
での動作を説明するための図である。

【図１７】局所的な移動ベクトルから画像全体へ補間さ
れた結果を示す図である。

【図１８】予測誤差に関しての性能を比較した結果を示
す図である。

【符号の説明】

１００画像入力部１１０画像蓄積部１２０変位角度検出部１３０変位角度算出部１４０変位角度最尤推定・予測部１５０画像処理部１６０セル雨域移動部１７０出力部１１００画像入力部１１１０画像蓄積部１１２０変位角度検出部１１３０変位角度算出部１１４０変位角度最尤推定・予測部１１５０スリット可変部１１６０画像処理部１１７０移動ベクトル推定部１１８０移動ベクトル補間部１１９０セル雨域移動部１１９５出力部

フロントページの続き (72)発明者鈴木英人東京都新宿区西新宿三丁目19番２号日本電信電話株式会社内

Claims

【特許請求の範囲】

【請求項１】気象レーダー画像に基づいて降雨地域で
ある雨域の時系列変化を高速かつ簡易に予測する雨域予
測装置であって、雨域のレーダー画像を入力する画像入力手段と、時系列画像を蓄積する画像蓄積手段と、前記時系列画像を所定領域に分割して雨域の流入出の変
化のある領域を画像内から検出する変化領域検出手段
と、雨域の流入出方向を推定する変位角度算出手段と、真に近い雨域の流入出角度を最尤推定・予測する最尤推
定・予測手段と、雨域の重心を求める画像処理手段と、求めた雨域の流入出方向に基づいて連続する画像間の重
心を結んで雨域の移動ベクトルを求めて、重心近傍の雨
域をこの移動ベクトルに基づいて平行移動させるセル雨
域移動手段とを備えることを特徴とする雨域予測装置。
【請求項２】気象レーダー画像に基づいて降雨地域で
ある雨域の時系列変化を高速かつ簡易に予測する雨域予
測装置であって、雨域のレーダー画像を入力する画像入力手段と、時系列画像を蓄積する画像蓄積手段と、前記時系列画像を所定領域に分割して雨域の流入出の変
化のある領域を画像内から検出する変化領域検出手段
と、雨域の流入出方向を推定する変位角度算出手段と、真に近い雨域の流入出角度を最尤推定・予測する最尤推
定・予測手段と、流入出方向の角度に応じて画像全体を複数のスリットで
疑似的に領域を小ブロックに分割するスリット可変手段
と、雨域の重心を求める画像処理手段と、分割された各小ブロック内ごとに、求めた雨域の流入出
方向に基づいて連続する画像間の重心を結んで雨域の移
動ベクトルを求める移動ベクトル推定手段と、局所的に得られた移動ベクトルを初期値として線形補間
方程式や運動方程式により画像全体にわたって移動ベク
トルを生成・補間する移動ベクトル補間手段と、求めた雨域の流入出方向に基づいて連続する画像間の重
心を結んで雨域の移動ベクトルを求めて、重心近傍の雨
域をこの移動ベクトルに基づいて平行移動させるセル雨
域移動手段とを備えることを特徴とする雨域予測装置。
【請求項３】前記変化領域検出手段は、画像を４つの
矩形領域に分割して雨域の濃淡変化の範囲の検出と方向
を推定する手段を備えることを特徴とする請求項１また
は請求項２に記載の雨域予測装置。
【請求項４】前記変化領域検出手段は、複数フレーム
における雨域の流出入の方向角度を蓄積する手段を備え
ることを特徴とする請求項３に記載の雨域予測装置。
【請求項５】前記変位角度算出手段は、複数フレーム
による雨域の流入出の方向角度を平均する手段を備える
ことを特徴とする請求項１または請求項２に記載の雨域
予測装置。
【請求項６】前記最尤推定・予測手段は、カルマンフ
ィルターによって雨域の流入出の方向角度を最尤推定・
予測する手段を備えることを特徴とする請求項１または
請求項２に記載の雨域予測装置。
【請求項７】前記セル雨域移動手段は、重心の移動ベ
クトルを求めた後、線形方程式もしくはカルマンフィル
ターを介して移動ベクトルに関して繰り返し移動ベクト
ルを予測する手段を備えることを特徴とする請求項１ま
たは請求項２に記載の雨域予測装置。
【請求項８】前記移動ベクトル補間手段は、流体の運
動方程式等の非線形方程式を用いて補間を行うことを特
徴とする請求項２に記載の雨域予測装置。
【請求項９】前記画像処理手段は、違続した３つのフ
レームから連続して２つずつ差分画像を生成して動き領
域を求めることを特徴とする請求項２に記載の雨域予測
装置。