JPS5924365A - 画像処理方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本発明は、地表観測画像等の画像処理方法に係シ、特に
、前記地表観測画像等の画像の歪を高精度に幾何学的補
正するに好適な画像処理方法に関する。

従来のこの種の画像処理方法は、第１図に示すように、
衛星１が地球２の上空を所定の高度を保ち所定の軌道を
公転した際に得られる地表の画像（第２図）３の歪を補
正処理する方法として周知である。

ところで、上述したように衛星ｌから送信された衛星画
像の歪の原因は、主として、衛星１のゆらぎ、地球２の
回転、衛星１に搭載されたセンサの非線形特性などによ
るものである。上記センサ等の’Ｆｔ　ＩＩは、ご前に
わかっているものも多く、それらのデータを利用した修
正がほどこされている。

しかし、時々刻々変化する衛星１のゆらぎなどの影響を
とりのぞくためには、衛星１と画像との関係を充分に調
べ、画１象の歪をとりのぞく手段をとる必蒙がある。

そこで、衛星１と地球２との間の時々刻々変化する幾何
学的関係を明らかにすることにより、画像データと地表
との対応を算出することにする。

まず、第２図に示す未補正画像３上の地表観測点Ｐ＝（
ｘ、ｙ、ｚ）を衛星１が時刻ｔにおいて観測したとする
と、第１図及びこれの幾何学的モデル（第３図）により
、上記Ｐは、時間ｔの関数として、以下のように表わす
ことができる。

ｐ　＝　（ｘ、　ｙ　、　Ｚ　）　＝＝Ｒａ（ｔ）＝　
’Ｐａ　（ｕ−■＞＝Ｇ（’）＝Ｇ（Ｘ（ｔ）＊　Ｌ’
（’）　）＝Ｇ（Ｘ（ｔ）、θ（ｔ）、β（ｔ））・・
・・・・・・・＋１１ ここで、Ｘ（ｔ）は衛星１の位置ベクトル、Ｕ（ｔ）は
視線ベクトル、 θ（１）は衛星姿勢角、 β（りはスキャン角、 である。

従って、精度の高い位置推定をするためには、精密なモ
デルＧが必要であり、それには、Ｘ（ｔ）。

θ（ｔ）、β（１）を精密に推定する必要力；ある。

ここで、スキャン角β（１）は事ｎＩＪにわ７＞−って
いる本のの、Ｘ（ｔ）やθ（１）は変動する。

そこで、Ｘ（ｔ）やθ（１）を推定する方法として、従
来は、次に説明する処理を行なうことにより、該ｘ　（
ｇやθ（１）　１間接的に推定していた。

・つまり、幾何学的モデルＧで推定した画イ象上の点と
実際の画像上の点との誤差を測定し、その誤差の原因は
、Ｘ（ｔ）、θ（１）の推定誤差に起因するものと仮定
し、誤差を小さくする様に、Ｘ（ｔ）、θ（１）を変更
するため、フィルり処理を行っているものである。

誤差を測定する点は、画像として、識号１］可６Ｅな特
徴のある点が望ましく、例えば岬の先１喘、飛行場の滑
走路、高速道路の交差点、Ｙ楊の突ｊ是など７５＝使用
されている。

そして、画１象全体の幾何学的精度を上げるためには、
これらのｔ￥ｆ敵点ができるだけ均等に散らばっている
ことが望ましい。

また、実際の画像上に特徴点を見つけ出す方法に、手動
と自動の２種類が考えらオＬる。

モ動の場合、画像表示装置に、特徴点をモデルＧにより
推定した位置を中心に、１而１象データを表示シ、オペ
レータが、カーソルによりｔｗ　ｍ　、ａをＪ旨示する
。

一方、自動の場合、あらかじめ別の日に撮影した特徴点
及びその周辺画像を登録しておき、この画像とモデルＧ
で推定した特徴点の位置を中心にした画像との重ね合せ
を、自動マツチングにより行っている。

手動、自動をとわす、真の特徴点を精密に見つける必要
があり、手動の場合は指示誤差が、自動の場合はマツチ
ング誤差が大きいと、特徴点における誤差の測定が不精
確になり、画像全体の幾何学的補正精度を低下させるこ
とになる。

また、フィルタ処理として、カルマンフィルりの考え方
を使用しており、いくつかの特徴点における推定誤差を
順次入力させ、その都度、推定ノくラメータを修正して
いく。入力する特徴点の順番は、あらかじめ決めておい
た順番で固定のため、最初に指示誤差あるいはマツチン
グ誤差の太きいものが入力されると、最終的な補正精度
が低トしてしまうという欠点があった。

本発明の目的は、上記従来技術の欠点を解消し、地表観
測画像等の画像歪を高精度に補正できる画像処理方法を
提供するにある。

上記目的を達成するために、本発明は、幾何学的精度を
測定する特徴点を自動推定すると共に、該推定点をフィ
ルタに入力する際の順位を決定し、所定の場合には該特
徴点の推定位置を微訓整できるものである。

以Ｆ１本光明の実施例を図面に基づいて説明するが、そ
の前に本発明の基礎となった事項について説明する。

第４図は、本発明の基礎となった事項を説明するために
示すフローチャートである。

第４図に示すフローチャートにおいて、ステップＳ１で
はき何学的モデルＧの初期設定処理がなされることにな
る。この初期設定処理では、０衛星の較勢角；θ（１）
＝（θ、。■、θ、１．。６．θア、す０附星の位置　
：　Ｘ（ｔ）＝　（ｘ、　ｙ、　ｚ　）０衛星の高度　
；　ｈ（ｔ） ０スキヤン角　；β（１） より幾何ご≠的Ｇ′ｆ：決定する。

Ｇ＝Ｇ　　（θ（をン、　　Ｘ（ｔ）、　　ｈ（ｔ）、
　　β（ｔ））　　　　　　　　・・・・・・・・・（
２）θ（ｔ）、　Ｘ（ｔ）は、衛星から送信される実時
間測定データを、β（１）は打上げ前の測定データを、
使用し、ｈ（ｔ）はＸ（ｔ）より計算で求める。

このような処１哩が終了すると、ステップＳ２に移る。

ステップＳ２において、特徴点情報抽出処理が行なわれ
ることになる。つまり、ステップＳ２の特徴点情報抽出
処理では、後述する特徴点ファイルより、該当する特徴
点の地理的情報（、ＥＣＲ座標値）（ｘ、ｙ、ｚ）を取
り出し、次のステップＳ３に移る。

ステップＳ３では、参照チップ抽出処理が実行される。

該参照チップ抽出処理（登録済特徴点周辺画像抽出処理
）では、特徴点ファイルより、該当する特徴点の参照チ
ップを取り出し、ステップＳ４に移る。

ステップＳ４に移ると、特徴点位置推定処理がなされる
ことになる。この特徴点位置推定処理では、特徴点のＥ
Ｃ凡座標値（ｘ＋　Ｙ＋　ｚ）より、逆写像ψ♂を用い
て次式によって未補正画像上の位置推定値（ｕ、ｖ）を
求める。すなわち、（ｕ、ｖ）＝ｃｐａ（ｘｅｙｅｚ）
　　　　−−−−・−・−（３１として求まり、次のス
テップＳ５に谷る。

ステップＳ５では、推定チップ抽出処理が行なわれる。

このステップＳ５において実行されている推定チップ抽
出処理（特徴点推定位置周辺画像中心に、画像ファイル
より推定チップを抽出するものであり、この処理が終了
するとステップＳ６に、φる。

ステップＳ６では、上述の如く求めた推定チップと参照
チラノ°とを自動的にマツチングさせる自動マツチング
処理が行なわれる。

自動マツチングとしては、２段階の処理が行われる。、
第１段階で、まず粗いマツチングをとり、次いで第２段
階で、精密なマツチングをとること一−−−−にする。

後述するが、粗いマツチングをとる方法としては、５Ｓ
ＤＡ　（５ｅ（ｌｕｅｎｔｉａｌ　Ｓｉｍ目２ｒｉｔｙ
１）ｅｆｅｃｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　）を使用
し、また、精密ｌマツチング金とる方法として、Ｃ０Ｒ
Ｒ，ＥＬ（Ｃｏｒｒｅｌａｔｉｏｎ）法を使用している
。

ステップＳ６で自動マツチング処理が終了すると、ステ
ップＳ７に移る。

ステップＳ７では、推定位置誤差計算処理を行なう。こ
のステップＳ７における推定位置誤差計算処理では、推
定チップと参照チップとのずれ量（ｐ、（１）を、ＥＣ
Ｒ，座標系での誤差Ｅとして、次式のようにｄｆＮをす
る。

Ｅ　＝　Ｒｏ”　　ＦＬＱ　　　　　　　・・・・・・
・・・（４）ココテ、Ｒａ”＝９）ａ（Ｌ１＋ｐ、ｖ＋
Ｑ）Ｒａ　　＝ψａ（ｕ、ｖ） である。

すると、 移ることになる。

ステップＳ８では、誤差統計処理が行なわれる。

すなわち、ステップＳ８で誤差統計処理は、全特徴点に
対する誤差量Ｅｒａｓとして与えられる。

すなわち、測定に使用している全特徴点に対する誤差量
Ｅ　ｆｆｆｌｌは、 ここで、Ｎ′は特徴点の数 Ｅ＋は特徴点に対する数 で与えられる。この計算が終了すると、ステップＳ９に
移る。

ステップＳ９では、フィルタ処理を行っている。

つまり、フィルタ処理はカルマンフィルタの考え方を使
用しており、いくつかの特徴点における推定誤差を順法
入力させ、その都度推定ノくラメータを修旧していく。

人力する特徴点の順番は、あらかじめ決めておいた順許
で固定のため、最初に指示誤差あるいはマツチング誤差
の太きいものが入力されると、最終的な補正精度が低ド
してしまう。

このステップＳ９の処理が終了すると、ステップ８１０
に移る。

ステップ８１０では、全特徴点について終了したか否か
を判定し、終了していないときはステップＳ２に戻り、
終了しているときは全処理を終了するものである。

第５図は、本発明の詳細な説明するために示すブロック
図である。第５図において、本発明に係る画像処理方法
が適用される画像処理装置は、該特徴点の地理的情報と
して、緯度、経度、高度あるいは、地球固定座標（ＥＣ
Ｒ，座標）値と、別の日に撮影した特徴点を含む周辺画
像とをあらかじめ登録しである特徴点ファイル１１及び
１２と、補正対象の画像ファイル１３と、幾何学的モデ
ルＧの初期設定処理１９と、特徴点情報抽出処理１６と
、特徴点の位置推定処理２３と、特徴点推定位置周辺画
像（以下推定チップと呼ぶ）抽出処理１７と、登碌済特
徴点周辺画像（以下参照チップと呼ぶ）抽出処理１５と
、推定チップ２２と参照チップ２０との自動マツチング
処理２１と、特徴点推定位置誤差計算処理２８と、フィ
ルタ入力順序決定処理２５と、フィルタ処理３１と、特
徴点位置微調整処理３０とから構成される。

尚、１４は軌道姿勢テレメトリデータ、１８は特徴点推
定位置データ、２４はモデルパラメータ、２６は特徴点
実位置データ、２７はフィルタ人力特徴点順序、２９は
特徴点推定ＥＣＲ座標値データである。

次に、画像処理方法について、第６図乃至第９図を参照
して説明する。

第６図は、本発明に係る画像処理方法を説明するために
示すフローチャートである。第６図に示すフローチャー
トが第４図に示すフローチャートと異なるところは、ス
テップＳ６とステップＳ７との間にステップ８１００と
ステップ５１１０とを設けると共に、ステップＳ８とス
テップＳ９との間にステップ５１２０を設け、かつステ
ップＳ９の後にステップ８４’と、ステップ８１３０゜
５１４０及び５１５０とを設けた点にある。

さらに、第６図について説明すると、ステップＳ１乃至
ステップＳ５までは、第４図と同じである。次に、ステ
ップ８６については、第４図では簡単に述べたが、ここ
では、詳細に述べることにする。ステップＳ６では自動
マツチング処理を行う。該自動マツチング処理では、推
定チップと参照チップとの自動マツチングを行うもので
ある。

この自動マツチングは、２段階の処理を行なうものであ
る。つまシ、粗いマツチングとして８８ＤＡを、精密な
マツチングとしてＣＯＲ，几ＥＬを採用している。

まず、５ＳＤＡにおける２枚の画像ｗ、Ｃの類似性評価
メジャは、 ・・・・・・・・・（７） １ ＶＶ＋、Ｊｖ　Ｌ　ｊ　＝１〜ｎｔｍＨ推定チップＣＩ
＋Ｊ＠　ｔ、　Ｊ　＝１〜ｎ　；参照チップ（ｐ、ｑ）
＋推定チップと参照チップのずれ で与えられる。

次いで、ＣＯＲ几ＥＬでは、画像の類似性の訂価メジャ
として相関係数である Ａａ（ｐ’＋　ｑ）＝（ＥＣＳＲ（ｐ’、　ｑ’）８ｃ
ｌ　　Ｌ））／Ｃ゛　　・・・・・・・・・（８） ここで、 Ｄ＝（Σ５ｃ）（ΣＳＲ（ｐ’　、　ｑ’　）Ｃ＝Ｖ’
７ＳＩＩ　（ｐ’ｑ’）ｉ−（ΣＳｎ　（ｐ’　ｑ’　
）ｉＴ局×Ｃ山Ｃ−ｒ、　＝Ｖ］】フロコＯ辱ηリノ♂
８Ｃ：参照チップ　　ｃ＋’＝ｑ十／、　（−４りｔり
４）ＳＩＬ：推定チップ を使用する。

Ａｃを、５ＳＬ）Ａで求めた点（ｐ、ｑ）を中心に（ｐ
′、ｑ′）の１直を換え、そのう′らの最大１直をとる
点（ｐ”、　Ｑ”）を求める（第７図及び第８図）。

尚、第７図において、Ｗは推定チップ、Ｃは参照チップ
であり、横軸にＰ１縦軸にＱをとったものである。第８
図は、横軸に固累数、縦軸に評価メジャがとられている
。

ここで、（ｐ”、９勺は整数であシ、未補正画像の１画
素程度まで、マツチング精度が期待できる。

さらに１画素以内のマツチング精度を得るために、内挿
法によシ参照チップと推定チップ間のずれ鼠を推定する
。

この方法は、第９図に示すように、点（ｐ“。

ｑｌ）を含む周囲９点に対し、ある凸関数をｆｌｔさせ
、山登シ法によυこの関数の頂点座標（ｐ、　Ｑ　）（
実数）を求める。この点（ｐ、ｑ）が、参照チップと推
定チップとのずれ量である。

第９図において用いる関数としては、 ｆ　（ｐ、　ｑ）＝Ｃｘ＋　（Ｃｔ　ｐ＋ｃｔ　ｑ）＋
　（Ｃｓ　ｐ”＋Ｃｓ　ｐｑ＋Ｃ７ｑ２）＋　（Ｃ６ｐ
　ｑ”　＋　Ｃｓ　ｐ’　ｑ）＋　Ｃ＠ｐ２　ｑｔ　　
　　　　　・・・・・・・・・（９）を使用すると、９
点の境界条件よりＣ！〜Ｃ９が求まり、さらに山の頂上
は、 このようにして、参照チップと推定チップとのマツチン
グをとシ、推定チップ内の特徴点位置を知ることができ
る。

しかし、参照チップや推定チップの撮影状態や特徴点の
地形的性質から、上記のようにして求めた推屋チップ内
の特徴点位置には、誤差を含む。

従って、この誤差がフィルタ処理で推定する幾何学的モ
デルＧに影響を与えないようにする必要があるが、ここ
で一応自動マッチングは、終了したとして、ステップ５
１００に移る。

ステップ５１００で全特徴点について終了したか否か判
定し、終了していなければ、ステップＳ２に戻る。また
、ステップ５１００で全特徴点について終了していれば
、ステップ５１１０に移る。

ステップ５１１０ではフィルタ入力順序決定処理を行う
。とれは、フィルタに人力する特徴点の順序を決定する
ためのものであり、推定チップ内の特徴点位置誤差が小
さいものから順に並べる。

％敵意ｌｉ装置誤差の評価メジャとしては、マツチング
誤差が小さいもの、すなわち、上述の相関係数Ａｃの大
きいものから順に並べるものとする。

この順序決定が完ｒすると、ステップＳ７に移る。

ステップＳ７では、４？徴点推定位置誤差計算処理が行
なわれる。すなわち、ステップＳ７における特徴点推定
位置誤差計算処理では、推定チップと参照チップとのず
れ量（ｐ、（１）を、ＥＣＲ座標系での誤差Ｅとして前
述同様に（４）式をノ月いて計算する。

Ｅ　＝Ｒａ”　−Ｒ，ａ　　　　・・・・・−・−（４
’　）ココニ、Ｒａ　”　＝　９）ａ　（ｕ＋ｐ、　ｖ
＋ｑ）Ｒａ　＝ψａ　（ｕ、　ｖ） 上記計算が終了すると、ステップＳ８に移る。

ステップＳ８は、第４図のフローチャートと１司様に計
算をして、ステップ５１２０に移る。

ステップ５１２０は、本実施例の特徴部分で、その合否
判定処理では、前述の誤差統言十童Ｅｒａｓカニ、ある
一定量より小さければ、幾何学的モデルＧは妥当なもの
として、処理を完了させる。そうでなければ、ステップ
Ｓ９に移り、フィルり処理を行うものである。ここで、
フィルタ処理では、カルマンフィルタの考え方を利用し
゛て、ｉ（ｉ’ｌ学Ｖ杓モテルＧを更新する。Ｇは衛星
の姿勢角θ（１）や高度）１（１）に対して、非線形で
あるため、姿勢角の係数と高度のバイアス梗を状態ベク
トルとする線形方程式を導く。線形１しは、Ｃ０を中Ｊ
ＩＪとした微小な（θ−θ。）を考え、θに関する１次
微分をとり１ｂ　６についても同様の処理を行うことに
よシ実行する。すなわち、 Ｇ　（１９（ｔ）、　Ｘ（ｔ）、　ｈ（ｔ）、　β（ｔ
））〜Ｇ（θｏ（ｔ）、Ｘ（ｔ）、　ｈｏ（ｔ）、β（
ｔ））となり、またθ（１）は、 となる。

状態ベクトルをθ＝（Ｃ１゜Ｉｌｌθｐｌｔａｈｌθア
ａｔ）”から多項式の係数ψ”　（Ｔｏ　ｒ　ｒｌ　＋
　””Ｉ　）’！　ｌ　Ｙｓ　）Ｔ　にす゛るために６
．Ｇ　を次のように変換する。

０．Ｇ（θ−θ。）＝Ｈ′・（ψ−ψ０）　　　・・・
・・・・・・（１３１ここで、ｎ’　ｔ　＋　＋　＝−
Ｇ（Ｌ　Ｋ、（ｊ）　）　”−’・・ｄ（・◆１）ｄθ に、（ｊ）　＝Ｃ（ｊ　−１）／　（ｎ＋１　）　）＋
ｔ状態ベクトルＳ（す”　（ｒＯ＋　ｒｌ　ｔ　”’）
’２　＋　Ｙ３＋　ｈ）Ｔとすると線形化された観測方
程式は Ｒｏ（ｔ）”Ｈ・８（ｔ）＋　Ｃ＋　ｎ（ｔ）　　　　
　−・−・・−（Ｊｌ）Ｃ＝）（Ｓ。

Ｓｏ　＝　Ｃψｏ”＋ｈｏ’〕 フィルタの入力となる特徴点の推定位置誤差は特徴点推
定位置誤差計算処理で求めたＥ＋でありｉがフィルタ入
力順番を示すとするとＳ（Ｉ・１）を推定する方法は、 ’ｉ（ｔ÷１）＝　′７＋）＋Ｋ　、（１＋　１　）　
　Ｅ量　　　　　　　　　　　・・・・・・・・・Ｃ９
ここで、 フィルタゲイン＋　Ｋ　（ｉ　＋　１　）　＝Ｒｉ）Ｈ
＋Ｔ［Ｈｔ　Ｐ（ｉ）Ｈ＋Ｔ＋σＮ”（Ｋ＋１））” 共分散方程式；Ｐ（ｉ＋１）＝Ｐ（ｉ）　　Ｐ（ｉ）Ｈ
ｔ”［ＨｔＴＰ（ｉ）　ｌｉ＋＋σＮ２ （ｉ＋１）］”Ｈ＋Ｐ（ｉ） Ｈｔ　＝Ｈ（１＋１１　ｉ　） σＮ！：誤差の共分散 初期値；　Ｐ（０）　＝　Ｅ　（Ｘ（ｏ）・Ｘ（０）　
）Ｅ（）は期待値を表わす 状態ベクトルをす国）に更新したことにより、幾何学的
モデルＧも更新されたことになり、新しいモデルを使用
して、再度全特徴点について推定位置を計算する。

特徴点ｊに対する未補正画像上の特徴点（Ｕ＋。

Ｖ＋）は、新しいモデルを使用すると、ｈ−讐ら）　＝
　ψａ（１）（Ｕｊ　＋　　ＶＪ　　）＝（Ｘｊ　＋　
　ＹＪ　　＋　　２１　　）・・・・・・・・・Ｃ６） となる。この計算が終了すると、ステップ８４’に、移
る。

すなわち、ステップ８４’では、上記結果を基に、再び
、特徴点推定位置誤差計算処理を行ない、ステップ５１
３０に移る。ここで、全特徴点が終了していないと、ス
テップＳ８に戻υ、前述の処理（ステップ８８〜ステツ
プ８４′）、すなわち、合否判定処理、フィルタ処理を
繰り返すことになる。。

この繰返しは、ステップ５１１０におけるフィルタ入力
順序決定処理にて決定した順番（第５図２７参照）に、
特徴点毎に繰返すものである。

繰返しが終了するのは、ステップ５１２０における合否
判定処理にてざ′ケの特徴点の誤差統計量Ｂａｒｎｓが
ある一定址より小さくなった時であシ、それ以外の時は
　Ｎ／ケの特徴点について繰返す。

Ｎ′ケの特徴点について繰返してもＪａｍｓがある一足
量よシ小さくならない場合は、ステップ５１５０に移り
、特徴点位置微調整処理を実施する。ステップ５１５０
での特徴点位置微調整処理では、フィルタ入力特徴点順
序（Ｎ’　−１）に対する特徴点推定位置（Ｕ、Ｖ）を
変化させ、以下、特徴点ＣＮ’−１）、　（Ｎ’−ｔ＋
１）、・・・（Ｎ勺について、ステップ５１２０の合否
判定処理、ステップＳ９のフィルタ処理、ステップＳ４
’における推定位置誤差計算処理を繰返すものであるＣ
１＝０．１．２．・・・、Ｎ’−１）。ステップＳ４’
の推定位置誤差計算処理（第５図２８参照）で計算し直
すＥｔｍａには微調整のた−めに使用した特徴点（Ｎ’
−１）についての誤差量を宮めず、（ｌ笑Ｎ’　−１） として計算する。

本実施例によれば、地表観測画僑等の幾何学的歪補正を
ｆ−テう幾何学的モデルに、精度の測定点である特徴点
における指示誤差あるいはマツチング眼差の影響を抑え
、画像全体の補正誤差を減少させることができる。

本発明は、要するに、画像中にある幾何学的精ＩＷを測
定する特徴点を推定し、当該特徴点を所定の順序に順位
づけし、かつ、当該特徴点における幾何学的モデル誤差
を計算し、当該誤差を減少させるために順位に従って特
徴点をフィルタに入力して幾何学的モデルを更新させ、
かつ、特徴点の推定位置を微調整できるようにしたもの
である。

以上述べたように本発明によれば、画像全体の１・−正
誤差を減少させ幾何学的歪補正硝度を向上できるという
効果がある。

【図面の簡単な説明】

第１図は衛星が地表を観測している状態を説明するため
に示す説明図、第２図は衛星によって得゛られる衛星画
像を示す説明図、第３図は衛星と地第３図 ／ 弔４１￥１

Claims (1)

1. 【特許請求の範囲】 １、地表観測画像等の画像中に幾何学的精度を測定する
   特徴点を推定し、該特徴点における幾何学的モデル誤差
   を計算し、当該誤差を減少させるためにフィルタ処理を
   行なって幾何学的モデルを更新する画像処理方法におい
   て、前記フィルタに入力する特徴点に所定の順位をつけ
   、かつ、所定の条件のときには該特徴点の推定位置を微
   調整できることを特徴とする画像処理方法。 ２、特許請求の範囲第１項記載の画像処理方法において
   、あらかじめ設定しておいた誤差以内に、幾何学的歪補
   正誤差が入ったときに処理を終了することを特徴とする
   画像処理方法。