JPH11203443A - マルチスペクトル衛星画像の処理方法と処理システム並びに水圏評価方法 - Google Patents

Abstract

(57)【要約】 【課題】マルチスペクトル画像の空間解像度は、一般に
パンクロマティック画像よりも低く、適用範囲が限定さ
れるので、パンクロマティック画像を用いた補正によ
り、空間解像度を向上させる。 【解決手段】マルチスペクトル画像とパンクロマティッ
ク画像との相関関係を定式化する相関式作成手段と、相
関式に基づいてマルチスペクトル画像を変換する解像度
向上手段とを有する。 【効果】マルチスペクトル画像の空間解像度を向上させ
ることにより、より詳細な解析や評価が実現できるだけ
でなく、適用範囲を拡げることができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、人工衛星搭載の光
学計測装置で計測された多波長帯のマルチスペクトル画
像を処理する方法及び画像処理システムに係り、特に、
より空間解像度の高い可視域単波長帯のパンクロマティ
ック画像を併用することで、マルチスペクトル画像をパ
ンクロマティック画像と同一の空間解像度までに高解像
度化する画像処理方法に関する。本発明はまたマルチス
ペクトル画像を用いた水圏評価方法に関する。

【０００２】

【従来の技術】リモートセンシングによる衛星画像の応
用は、例えば、「リモートセンシングの湖沼汚濁監視へ
の応用」環境技術，Ｖｏｌ．１２，Ｎo.５，ｐｐ．４７
−５２、などに示されるように、湖沼などの水圏監視へ
の適用例が知られている。これらの従来例に示されるよ
うに、地表面または水面の分光反射特性に基づいて必要
な情報を抽出しようとする場合には、マルチスペクトル
画像が用いられる。

【０００３】人工衛星による計測は、マルチスペクトル
画像と同時にパンクロマティック画像も計測されること
が多く、一般に後者の方が空間解像度が高い。例えば、
フランスのＳＰＯＴ衛星ではマルチスペクトル画像で２
０ｍ、パンクロマティック画像で１０ｍとなっており、
後者の方が２倍の空間解像度を有する。このように、パ
ンクロマティック画像は高い解像度を有しているもの
の、半面、単一の計測バンドで可視域波長をカバーする
ように計測するため、分光反射特性に基づいた解析への
適用が困難である。

【０００４】

【発明が解決しようとする課題】上記の従来技術では、
衛星画像の最も代表的な解析方式である分光反射特性に
基づいた解析を行う場合、パンクロマティック画像より
も空間解像度が劣るマルチスペクトル画像のみを用いる
ために、解析に必要な空間解像度が得られない場合があ
り、解析適用の対象が限定されていた。

【０００５】また、パンクロマティック画像の利用とい
う観点からは、適用範囲が分光反射特性に基づかない解
析に限定されるため、高い解像度を有しながら、有効な
活用がなされない場合があった。

【０００６】本発明の目的は、マルチスペクトル画像に
加えてパンクロマティック画像を併用することで、マル
チスペクトル画像を高解像度化すると同時に、パンクロ
マティック画像を分光反射特性に基づく解析にも適用可
能とすることにある。

【０００７】

【課題を解決するための手段】本発明は、上記目的を達
成するために、マルチスペクトル衛星画像と同時に計測
されたパンクロマティック衛星画像と該マルチスペクト
ル衛星画像との相関関係を定式化する相関式作成手段
と、前記相関式作成手段によって作成した相関式によ
り、該マルチスペクトル衛星画像を構成する各画素に対
応する該パンクロマティック衛星画像の画素群のデータ
値を用いて、該パンクロマティック衛星画像と同一の空
間解像度で該マルチスペクトル衛星画像の各画素のデー
タ値を推定する解像度向上手段とを有することを特徴と
するマルチスペクトル衛星画像処理システム並びに処理
方法を提案するものである。

【０００８】また、前記相関式作成手段が、パンクロマ
ティック衛星画像の画素データ値の変動成分に対する、
該マルチスペクトル衛星画像の各可視光波長帯データ値
の寄与を計算する寄与相関式を作成する寄与相関式作成
手段を有することを特徴とするマルチスペクトル衛星画
像処理システム並びに処理方法も提案する。

【０００９】さらに、上述したマルチスペクトル衛星画
像処理方法並びに処理システムが、さらに、前記解像度
向上手段で高解像度化された該マルチスペクトル衛星画
像の画素群のデータ値の平均が、高解像度化される前の
該マルチスペクトル衛星画像の画素のデータ値と等しく
なるように補正するデータ補正手段を有することを特徴
とするマルチスペクトル衛星画像処理方法並びに処理シ
ステムを提案する。

【００１０】本発明によるマルチスペクトル衛星画像処
理方法並びに処理装置では、相関式作成手段によって、
マルチスペクトル画像とパンクロマティック画像とで同
じ位置を計測した画素どうしの相関関係を定式化し、さ
らに、解像度向上手段において、定式化した相関式を用
いて、パンクロマティック画像と同一のレベルまでマル
チスペクトル画像の空間解像度を向上させることができ
る。

【００１１】これにより、より高解像度なマルチスペク
トル画像を解析に用いることができるようになると同時
に、パンクロマティック画像の適用範囲を拡大すること
ができる。

【００１２】

【発明の実施の形態】本発明は、人工衛星等のリモート
センシング画像を利用して地表面または水面の解析を行
う画像処理において、マルチスペクトル画像の空間解像
度を向上させるためのデータ処理方式に関する。ここで
いうマルチスペクトル画像とは、主に可視光から赤外ま
での波長域の電磁波を、プリズム，回折格子，干渉フィ
ルタなどの分光器によって複数の波長帯ごとの強度とし
て計測したもので、センサを搭載したプラットフォーム
の進行方向とセンサスキャン方向とに広がりを持つ画像
を指す。

【００１３】代表的なマルチスペクトル画像としては、
ランドサット（ＬＡＮＤＳＡＴ）衛星やスポット（ＳＰ
ＯＴ）衛星によるデータが商用として広く利用されてい
る。また、リモートセンシングで計測される別の種類の
画像として、主に可視光の波長域を分光せずに、一つの
波長帯で計測したパンクロマティック画像がある。同じ
プラットフォームで計測された画像で比較すると、一般
にパンクロマティック画像の方が空間解像度が高い。例
えば、ＳＰＯＴ衛星では、マルチスペクトル画像２０ｍ
に対してパンクロマティック画像１０ｍであり、アーリ
ーバード（Early Bird）衛星ではマルチスペクトル画像
１５ｍに対してパンクロマティック画像３ｍである。

【００１４】以下、図面を参照して、本発明の実施例を
説明する。

【００１５】図１は、本発明によるマルチスペクトル画
像処理方法を衛星画像処理システムに適用した一実施例
の全体構成を示す。本発明による衛星画像処理システム
２０の構成は、大きく分けると （１）リモセン情報データベース３０、（２）ＣＲＴ４
５ （３）画像処理モジュール５０ とから構成される。

【００１６】まず、衛星画像処理システム２０による衛
星画像処理の大まかな流れについて説明する。図１にお
いて、地球観測用の人工衛星１０は光学センサを搭載し
ており、地表面や水面の反射強度や放射強度を計測でき
る。人工衛星１０は、地球５の上空を周回しており、周
回軌道の下方の地表面または水面の反射強度や放射強度
を画像データとして計測する。計測された衛星画像は地
上の衛星情報受信装置１５にて受信され、情報ネットワ
ーク(図示せず)で配信されたり、ＣＤ−ＲＯＭ，磁気テ
ープ等のメディアなどで配布されるなどして、衛星画像
処理システム２０のリモセン情報データベース３０に保
存される。リモセン情報データベース３０に保存される
衛星画像は、その種類によって、マルチスペクトルデー
タ３５とパンクロマティックデータ４０とに分けて取り
扱われる。これらのデータはＣＲＴ４５で表示し、その
内容を確認することも可能である。

【００１７】また、リモセン情報データベース３０に保
存された衛星画像は、画像処理モジュール５０に送られ
て、目的とする解析が行われる。画像処理モジュール５
０では、相関式作成手段１００でマルチスペクトル画像
とパンクロマティック画像との相関関係を解析し、さら
に寄与相関式作成手段１２０でパンクロマティック画像
のデータ値からマルチスペクトル画像のデータ値を推定
する寄与相関式を作成する。さらに、寄与相関式を用い
て、解像度向上手段１５０でマルチスペクトル画像をパ
ンクロマティック画像と同一の空間解像度にまで高解像
度化する。

【００１８】高解像度化の後処理として、データ補正手
段２００で高解像度化されたマルチスペクトル画像の検
証、及び補正を行った後、再びマルチスペクトルデータ
３５に保存される。保存されたデータは、目的とする解
析を行うデータ解析手段250によって解析され、結果は
ＣＲＴ４５に表示される。

【００１９】以上が衛星画像処理システム２０の動作の
大まかな流れである。なお、衛星画像処理システム２０
は、ワークステーションやパーソナルコンピュータなど
の計算機によって実現される。リモセン情報データベー
ス３０は、ハードディスクなど、計算機内の補助記憶装
置上に構築されるが、ファイルサーバなど、計算機本体
とは別のハードウェア上に構築しても良い。

【００２０】次に、衛星画像処理システム２０の各構成
要素の詳細を順に説明する。

【００２１】リモセン情報データベース３０は、人工衛
星１０で計測した衛星画像データを保存するためのデー
タベースである。衛星画像データは、上述したように計
測したセンサの種類によって、マルチスペクトル画像と
パンクロマティック画像とに分けられる。それぞれの画
像データは、リモセン情報データベース３０内のマルチ
スペクトルデータ３５とパンクロマティックデータ４０
とに分けて保存される。データは、それぞれのセンサの
空間解像度をメッシュサイズとするラスター型データが
一般的である。ラスター型データは、図２に示すように
行列状に配置された形式のデータであり、衛星画像の場
合には、行方向は人工衛星の進行方向に相当し、列方向
は光学センサのスキャン方向に相当する。図中の属性値
は、各メッシュ位置でのデータ値を指すもので、衛星画
像データの場合には、相対的な反射強度または放射強度
のデータ値となっている。商用衛星の衛星画像データ
は、一般には、例えば、２５６階調の整数データ（０〜
２５５）に変換されたデータ値でエンドユーザに提供さ
れる。

【００２２】また、リモセン情報データベース３０に保
存される情報としては、衛星画像データそのものと合わ
せて、計測の日時や条件などの付帯情報も保存されてお
り、各種のデータ補正や画像データ間のマッチングなど
の際に参照する。衛星画像データや付帯情報は、画像処
理モジュール５０に読み込まれて処理され、処理画像も
再びリモセン情報データベース３０に保存される。保存
されたデータは、ＣＲＴ４５に表示することもできる。

【００２３】次に説明する画像処理モジュール５０は、
本発明の特徴となる相関式作成手段１００のほかに、解
像度向上手段１５０，データ補正手段２００，データ解
析手段２５０から構成される。

【００２４】相関式作成手段１００は、マルチスペクト
ル画像とパンクロマティック画像とで同一の箇所を計測
した画素間の相関関係を解析する機能を有する。さら
に、パンクロマティック画像からマルチスペクトル画像
を高解像度化するための相関式を作成する寄与相関式作
成手段１２０を含む。図３のフローを用いて、相関式作
成手段１００の動作を説明する。最初の工程であるマル
チスペクトルデータ読み込み工程１０２では、リモセン
情報データベース３０内のマルチスペクトルデータ３５
に保存された衛星画像の中から、解析対象となる地域を
カバーする画像を読み込み、処理可能な状態とする。ま
た、次のパンクロマティックデータ読み込み工程１０４
でも同様に、パンクロマティックデータ４０に保存され
た衛星画像の中から画像を読み込む。

【００２５】次のパンクロマティックデータリサンプリ
ング工程１０６では、パンクロマティックデータ読み込
み工程１０４で読み込んだパンクロマティック画像の空
間解像度をマルチスペクトルデータ読み込み工程１０２
で読み込んだマルチスペクトル画像の空間解像度と同じ
になるようにデータ変換する。このような解像度の変換
をデータのリサンプリングという。図４に示すように、
パンクロマティック画像の空間解像度Ｐは、マルチスペ
クトル画像の空間解像度Ｍよりも高い、つまり、各画素
サイズは小さいので、ここでのデータ変換は、具体的に
は複数の画素を一つに統合する処理となる。本例では、
マルチスペクトル画像の画素Ｂ１に対応するパンクロマ
ティック画像の画素はａ１，ａ２，ａ３，ａ４の４つで
あるので、この４つの画素をＡ１に統合する。統合のた
めの関数Ｒは数１に示すように、算術平均を用いる。

【００２６】

【数１】

【００２７】但し、Ｖ（Ａ１）：変換後の空間解像度Ｍ
の画素Ａ１のデータ値 Ｖ（ａｉ）：変換前の空間解像度Ｐの画素ａｉのデータ
値 ｎ：統合画素数（解像度の比の二乗。この場合は４） また、関数Ｒとしては、上記の数１のほかに、最大値，
最小値を取るような演算であっても良い。リサンプリン
グされたパンクロマティック画像は、データマッチング
工程１０８で、リサンプリング時に参照したマルチスペ
クトル画像との画素対応付けを行う。画像中の画素は、
一連番号や行列番号などを指標として管理されており、
ここではマルチスペクトル画像の画素の指標をリサンプ
リング後のパンクロマティック画像の画素に付与するこ
とで、両方の画像を構成する画素間の対応関係を識別で
きるようにする。

【００２８】さらに、寄与相関式作成手段１２０での処
理に進み、パンクロマティック画像のデータ値の変化量
に対するマルチスペクトル画像のデータ値の寄与を定式
化する。一般に、マルチスペクトルの異なるバンド間の
データ値は独立ではないため、あるバンドのみの寄与を
求めることは困難である。そこで、マルチスペクトル画
像の各バンドを相互に独立な成分に変換し、変換後の各
成分の寄与を求める方式とした。まず、マルチスペクト
ルデータ間共分散算出工程１２２では、パンクロマティ
ック画像の計測波長域と重複する計測波長域を持ったマ
ルチスペクトル画像のバンドについて、共分散行列を計
算する。共分散行列は、各行列成分が２つのバンド間の
共分散となっており、この値が大きいほど２つのバンド
間の相関関係が大きいことになる。

【００２９】次の共分散行列対角化工程１２４では、先
のマルチスペクトルデータ間共分散算出工程１２２で算
出した共分散行列を対角化（対角成分以外が０となる）
するような変換行列を求める。共分散行列を対角化する
ということは、自己分散を除いて、共分散が総て０であ
ることから、変換後のデータ間の相関が０、つまり独立
変数となることを意味する。変換後に得られる独立変数
は、統計解析上、元のバンドデータに対する成分と呼称
される。変換行列の各行は、元のバンドデータの線形和
として成分を求める際の係数を与えるもので、固有ベク
トルと呼称される。また、対角化された共分散行列の対
角成分は、各成分の自己分散を表わすもので、固有値と
も呼ばれる。画像データの情報とは、データ値の大小変
化によるものであるから、データ値の分散が大きいほ
ど、情報量が多いことになる。従って、変換後の共分散
行列の対角成分の大小が各成分の情報量の多寡の指標と
なる。なお、共分散行列の算出、及び対角化のための変
換行列を求める計算は、主成分分析として知られている
公知の統計解析手法を用いて行うことができ、例えば、
“Remote Sensing Digital Image Analysis", John A.
Richards, Springer−Verlag (1993）などを参照された
い。

【００３０】成分算出工程１２６では、先の工程で求め
た変換行列を用いて、独立な成分を算出する。具体的に
は、固有ベクトルと各バンドとの積の線形和を計算す
る。これにより、相互に独立な成分をデータ値として持
つ画像データを得ることができる。最後の寄与率算出工
程１２８では、変換後の各成分がマルチスペクトル画像
全体が有する情報量に占める相対的な割合を計算する。
この相対的な割合を寄与率という。寄与率の計算式は数
２の通りである。

【００３１】

【数２】

【００３２】但し、Ｃ（ｉ）：第ｉ成分の寄与率 σ（ｉ)²：第ｉ成分の自己分散（固有値） マルチスペクトル画像の各バンドは、パンクロマティッ
ク画像の計測波長域のうちの、ある一部分の波長域を計
測しているので、パンクロマティック画像のデータ値の
変動は、マルチスペクトル画像の各バンドのデータ値の
変動として説明できる。これより、上述の手順で変換し
た各成分でもパンクロマティック画像のデータ値の変動
を説明できることになる。

【００３３】以上が相関式作成手段１００の実行手順で
ある。次に解像度向上手段１５０での処理手順を図５に
示すフローに沿って説明する。本手段を構成する４つの
工程の最初は、パンクロマティックデータ変動量算出工
程１５５である。このパンクロマティックデータ変動量
算出工程１５５では、数３に示すように、パンクロマテ
ィックデータリサンプリング工程１０６でリサンプリン
グする前の原画像とリサンプリング後の画像との間での
データ変動量を原画像の空間解像度の各画素について算
出する。

【００３４】

【数３】 ｄ(ａｉ)＝Ｖ(ａｉ)−Ｖ(Ａｊ) …（数３） 但し、ｄ(ａｉ)：リサンプリング前後のデータ変動量 Ｖ(ａｉ)：リサンプリング前の画素ａｉのデータ値 Ｖ(Ａｊ)：リサンプリング後の画素Ａｊのデータ値 次の変動量分配工程１６０では、先の工程で算出したリ
サンプリング前後の変動量を成分算出工程１２６で算出
した各成分の変動量に分配する。上述したように、各成
分の寄与率はパンクロマティック画像のデータ値をどれ
だけ説明できるかの割合に相当するので、リサンプリン
グ前後の変動量は、数４に示すように各成分の寄与率に
比例して分配できるものとする。

【００３５】

【数４】 ｄ(ａｉ)＝Σｄ（ＰＣｋ）＝Σ｛Ｃ(ｋ)・ｄ(ａｊ)｝ …（数４） 但し、ｄ（ＰＣｋ）：成分ｋによって説明可能な画素ａ
ｉの変動量 マルチスペクトルデータ連立式求解工程１６５では、数
４で分配したｄ(PCk）を与えるような、変換前のマルチ
スペクトル画像のデータ値を求める。このデータ値がマ
ルチスペクトル画像をパンクロマティック画像の解像度
へ変換したときの推定値となる。各成分は、固有ベクト
ルと各バンドのデータ値との積の線形和であるので、数
５のように書き換えることができる。

【００３６】

【数５】 ｄ(ＰＣｋ)＝Σ｛Ｒｋｊ・ｄ(ｂｊ)｝＝Ｃ(ｋ)・ｄ(ａｋ) …（数５） 但し、Ｒｋｉ：成分ｋに対する固有ベクトルの第ｊ要素 ｄ(ｂｊ)：マルチスペクトルのバンドｊのデータ値の変
動量 数５では、ｄ(ｂｊ)以外の値が既知である。数５の線形
式は、マルチスペクトルのバンド数だけあるので、これ
らを連立式として解くことにより、ｄ(ｂｊ)を求める。

【００３７】次の高解像度化マルチスペクトルデータ出
力工程１７０では、マルチスペクトル画像を高解像度化
する計算を行う。この計算は、マルチスペクトル画像の
データ値に対して、パンクロマティック画像の解像度で
計算したマルチスペクトル画像の変動量ｄ（ｂｊ）を適
用することで、マルチスペクトル画像をパンクロマティ
ック画像と同じ解像度のデータに変換するものである。
具体的には数６を用いる。

【００３８】

【数６】 Ｖ(ｂｊ)＝Ｖ(Ｂｊ)＋ｄ(ｂｊ) …（数６） 但し、Ｖ(ｂｊ)：パンクロマティック画像に対応する画
素でのマルチスペクトル画像のバンドｊのデータ値 Ｖ(Ｂｊ)：マルチスペクトル画像の画素でのバンドｊの
データ値 数６で算出したマルチスペクトル画像のデータは、リモ
セン情報データベース３０のマルチスペクトルデータ３
５に出力され、保存される。以上が解像度向上手段１５
０の動作である。

【００３９】次にデータ補正手段２００の動作を図６を
用いて説明する。データ補正手段２００は、先の解像度
向上手段１５０で高解像度化したマルチスペクトル画像
のデータ値を検証し、必要に応じて補正するための工程
であり、全体で３つの工程からなる。まず、最初の高解
像度化マルチスペクトルデータ検証工程２０５では、高
解像度化したマルチスペクトル画像が元の原画像と整合
するデータ値となっているかどうかを検証する。ここで
の整合性の検証は、高解像度化された画素群のデータ値
の平均値が、対応する原画像の画素と一致するかどうか
を判定する。両者が一致しない場合には、次の補正量算
出工程２１０でデータ値の補正値を算出する。また、両
者が一致した場合には、補正の必要がないのでデータ補
正手段２００を終了する。

【００４０】補正演算工程２１５では、数７により高解
像度化された画素群のデータを補正する。これにより、
高解像度化された画素群のデータ値の平均値を対応する
原画像の画素と一致させることができる。

【００４１】

【数７】 Ｖ′(ｂｊ)＝Ｖ(ｂｊ)・｛Ｖ（Ｂｊ）／ΣＶ(ｂｉ)｝ …（数７） 但し、Ｖ′（ｂｊ）：Ｖ（ｂｊ）の補正値 数７で補正されたマルチスペクトル画像は、再びリモセ
ン情報データベース３０のマルチスペクトルデータ３５
に保存される。高解像度化されたマルチスペクトル画像
は、必要に応じてデータ解析手段２５０で解析に用いら
れる。

【００４２】データ解析手段２５０は、解析する内容に
よって手順が異なる。本実施例では、水圏監視への適用
例として、アオコ発生箇所を推定する例で説明する。ア
オコとは、湖沼で起こる代表的な水質障害の一つで、藍
藻類のミクロキスティス（Microcystis ）が過剰に増殖
したものが浮上し、湖面を覆う現象を指す。アオコの発
生は、湖沼の汚濁が進み、窒素やリンといった栄養塩の
濃度が高くなることが原因である。

【００４３】湖岸の喫水線付近には、水草などのアシ類
が繁茂していたり、湖底までの水深が浅いことなどによ
り、湖心部に比べると水面反射に影響する要因が多い。
衛星画像の解像度が十分でない場合、一つの画素内にこ
れら喫水線付近と通常の湖水面の両方を含むケースが多
くなり、適正な湖水面評価が困難となる画素が多数生じ
てしまうことになる。このような画素が生じてしまう点
では、河川を対象とした場合も同様である。上述した解
像度向上手段１５０は、高解像度化によりデータ量を増
やすことになるため、データ処理や保存における制約に
より、対象領域全体に適用することが困難な場合があ
る。このような場合には、少なくとも湖沼や河川の喫水
線を含む画素に対してのみ、解像度向上手段１５０を適
用する方式を取る。喫水線に関する情報は、リモセン情
報データベース３０に湖沼や河川流路のベクター情報、
またはラスター情報を準備し、これらの情報と画素の位
置とを照合することで行う。

【００４４】マルチスペクトル画像によるアオコの識別
は、ミクロキスティスの分光反射特性が、１）緑色の固
体色に由来して、可視光緑波長域で反射率が高い、２）
葉緑素として含むクロロフィルａに由来して、可視光赤
波長域付近で反射率が低い、ことを利用する。これに基
づくアオコ識別の手順は図７に示すとおりである。ま
ず、可視光緑バンドデータ読み込み工程２５５と可視光
赤バンドデータ読み込み工程２６０で、解析に必要なマ
ルチスペクトル画像をリモセン情報データベース３０の
マルチスペクトルデータ３５から読み込み、解析に利用
できる状態にする。

【００４５】次のアオコ識別式判定工程２６５では、読
み込んだ可視光緑と可視光赤のマルチスペクトル画像の
データを用いて、各画素の位置でアオコが発生している
かどうかを判定する。判定には、数８に示すようなアオ
コ判定式を予め準備する。

【００４６】

【数８】 「ＩＦ Ｓ１≦ＶＧ(ｘ，ｙ)≦Ｓ２ ＡＮＤ Ｔ１≦ＶＲ(ｘ，ｙ)≦Ｔ２ ＴＨＥＮ 画素（ｘ，ｙ）の位置にアオコが発生している」 …（数８） 但し、Ｓ１，Ｓ２：可視光緑に対する識別しきい値 Ｔ１，Ｔ２：可視光赤に対する識別しきい値 ＶＧ（ｘ，ｙ）：可視光緑画像の座標（ｘ，ｙ）の画素
データ値 ＶＲ（ｘ，ｙ）：可視光赤画像の座標（ｘ，ｙ）の画素
データ値 判定式中のしきい値Ｓ１，Ｓ２，Ｔ１，Ｔ２は、衛星の
計測条件や湖沼ごとに異なる値を持つので、なるべく衛
星計測日時に近い、対象湖沼のアオコ発生位置を教師デ
ータとして与え、この教師データで与えた発生位置での
画素データ値を統計処理することにより決定するのが望
ましい。一般的な方式としては、平均値±３×（標準偏
差）の値をそれぞれ上限しきい値，下限しきい値とす
る。

【００４７】最後の判定結果出力工程２７０では、先の
アオコ識別式判定工程２６５でアオコが発生していると
判定された画素の情報を画像として、リモセン情報デー
タベース３０、またはＣＲＴ４５に出力する。具体的に
は、アオコ発生箇所の画素のみにデータ値を付与し、そ
れ以外の画素のデータ値を０とするラスター型データと
して出力する。データ値が１である画素のみを着色し
て、解析に用いたマルチスペクトル画像やパンクロマテ
ィック画像にオーバレイ表示することで、より視覚的に
結果を表示することもできる。

【００４８】以上が本発明によるマルチスペクトル画像
処理方式を湖沼監視のための衛星画像処理システムに適
用した実施例の構成と動作の説明である。本実施例で
は、より解像度の高いマルチスペクトル画像に変換した
上で、各種の評価と解析に適用することができるように
なるため、湖沼内の状態をより正確に監視できるように
なる。本発明は、土地被覆分類や農作物育成管理のため
の植物状態評価などにも同様の手順で適用することがで
き、本実施例と同様の効果を得ることができる。

【００４９】

【発明の効果】本発明によれば、パンクロマティック画
像を用いて、マルチスペクトル画像を補正することで、
マルチスペクトル画像の空間解像度を向上させることが
できる。これにより、より詳細な解析や評価が可能とな
る効果があるだけでなく、空間解像度が制約となって適
用が難しかった狭い領域、例えば、中小のダム湖や河川
などへと適用範囲を拡げることができる。

【図面の簡単な説明】

【図１】本発明によるマルチスペクトル画像処理方法を
衛星画像処理システムに適用した実施例の全体構成を示
すブロック図。

【図２】リモセン情報データベースのデータ形式を説明
する図。

【図３】相関式作成手段の主要工程を説明する図。

【図４】パンクロマティック画像のリサンプリング処理
を説明する図。

【図５】解像度向上手段の主要工程を説明する図。

【図６】データ補正手段を説明する図。

【図７】データ解析手段の主要工程を説明する図。

【符号の説明】

５…地球、１０…人工衛星、１５…衛星情報受信装置、
２０…衛星画像処理システム、３０…リモセン情報デー
タベース、３５…マルチスペクトルデータ、４０…パン
クロマティックデータ、４５…ＣＲＴ、５０…画像処理
モジュール、１００…相関式作成手段、１２０…寄与相
関式作成手段、１５０…解像度向上手段、２００…デー
タ補正手段、２５０…データ解析手段。

Claims (5)

【特許請求の範囲】
1. 【請求項１】人工衛星搭載の光学装置により計測された
   マルチスペクトル衛星画像の空間解像度を高める処理方
   法において、該マルチスペクトル衛星画像と前記光学装
   置により計測されたパンクロマティック衛星画像との相
   関式を作成し、該相関式により、該マルチスペクトル衛
   星画像を構成する各画素に対応する該パンクロマティッ
   ク衛星画像の画素群のデータ値を用いて、該パンクロマ
   ティック衛星画像と同じ空間解像度で該マルチスペクト
   ル衛星画像の各画素のデータ値を推定することを特徴と
   するマルチスペクトル衛星画像の処理方法。
2. 【請求項２】請求項１に記載された処理方法において、
   前記パンクロマティック衛星画像の画素データ値の変動
   成分に対する、該マルチスペクトル衛星画像の各可視光
   波長帯データ値の寄与を計算することにより前記相関式
   を作成することを特徴とするマルチスペクトル衛星画像
   の処理方法。
3. 【請求項３】請求項１に記載された処理方法において、
   前記パンクロマティック衛星画像と同じ空間解像度で推
   定することにより高解像度化された前記マルチスペクト
   ル衛星画像の画素群のデータ値の平均が、高解像度化さ
   れる前のマルチスペクトル衛星画像の画素のデータ値と
   等しくなるように補正することを特徴とするマルチスペ
   クトル衛星画像の処理方法。
4. 【請求項４】人工衛星搭載の光学装置により計測された
   マルチスペクトル衛星画像を用いて水圏を評価する方法
   において、前記マルチスペクトル衛星画像の中で湖沼又
   は河川の喫水線を含む画像について、該マルチスペクト
   ル衛星画像とパンクロマティック衛星画像との相関式を
   作成し、該相関式により、該マルチスペクトル衛星画像
   を構成する各画素に対応する該パンクロマティック衛星
   画像の画素群のデータ値を用いて、該パンクロマティッ
   ク衛星画像と同じ空間解像度でマルチスペクトル衛星画
   像の各画素のデータ値を推定することを特徴とするマル
   チスペクトル衛星画像により水圏評価方法。
5. 【請求項５】人工衛星搭載の光学装置により計測された
   マルチスペクトル衛星画像を処理する画像処理システム
   において、衛星画像データが保存されたデータベースか
   らマルチスペクトルデータとパンクロマティックデータ
   を読み込んで両者の相関関係を定式化する相関式作成手
   段と、該相関式作成手段により作成された相関式によ
   り、該マルチスペクトル衛星画像を構成する各画素に対
   応する該パンクロマティック衛星画像の画素群のデータ
   値を用いて、該パンクロマティック衛星画像と同一の空
   間解像度で該マルチスペクトル衛星画像の各画素のデー
   タ値を推定する解像度向上手段とを有することを特徴と
   するマルチスペクトル衛星画像処理システム。