JPS63118889A - 画像を用いた変化検出方法 - Google Patents
画像を用いた変化検出方法Info
- Publication number
- JPS63118889A JPS63118889A JP61263690A JP26369086A JPS63118889A JP S63118889 A JPS63118889 A JP S63118889A JP 61263690 A JP61263690 A JP 61263690A JP 26369086 A JP26369086 A JP 26369086A JP S63118889 A JPS63118889 A JP S63118889A
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- change
- extraction information
- picture
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims description 32
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010191 image analysis Methods 0.000 claims description 10
- 230000003595 spectral effect Effects 0.000 description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000010606 normalization Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000003045 statistical classification method Methods 0.000 description 4
- 230000000386 athletic effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000001467 acupuncture Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- OOYGSFOGFJDDHP-KMCOLRRFSA-N kanamycin A sulfate Chemical group OS(O)(=O)=O.O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CN)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](N)[C@H](O)[C@@H](CO)O2)O)[C@H](N)C[C@@H]1N OOYGSFOGFJDDHP-KMCOLRRFSA-N 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、画像を用いた変化検出方式に関し、特に、多
重分光画像に対する波長特性、ＮＭＲ画像に対する緩和
時間情報のように１画像抽出情報特性が時間的に変化す
る対象物の変化検出に好適な、画像を用いた特定対象物
の変化検出方式に関するものである。
重分光画像に対する波長特性、ＮＭＲ画像に対する緩和
時間情報のように１画像抽出情報特性が時間的に変化す
る対象物の変化検出に好適な、画像を用いた特定対象物
の変化検出方式に関するものである。
従来の画像を用いた変化検出方式は、例えば、井岡他：
「ランドサットＭＳＳデータによる土地被覆変化検知
」（情報処理学会筒３１口金国大会講演集（１９８５年
）第１２８９〜１２９０頁）、「マニュアル・オブ・リ
モート・センシングＪ（１９８３年）第１６１２〜１６
２０頁Ｃ１Ｍａｎｕａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎ
ｓｉｎｇ”、 ２ｎｄ ｅｄｉｔｉｏｎ（１９８３）ｐ
ｐ、 １６１２−１６２０）および、「画像処理と解析
」（共立出版、昭和５６年刊、第１６６〜１８４頁）に
記載されているように、２時点の撮影画像間における分
光（波長またはスペクトル）ベクトルの変化の大きさの
検出に基づく変化の有無に限られ、分光ベクトルの変化
方向の検出については配慮されていなかった。
「ランドサットＭＳＳデータによる土地被覆変化検知
」（情報処理学会筒３１口金国大会講演集（１９８５年
）第１２８９〜１２９０頁）、「マニュアル・オブ・リ
モート・センシングＪ（１９８３年）第１６１２〜１６
２０頁Ｃ１Ｍａｎｕａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎ
ｓｉｎｇ”、 ２ｎｄ ｅｄｉｔｉｏｎ（１９８３）ｐ
ｐ、 １６１２−１６２０）および、「画像処理と解析
」（共立出版、昭和５６年刊、第１６６〜１８４頁）に
記載されているように、２時点の撮影画像間における分
光（波長またはスペクトル）ベクトルの変化の大きさの
検出に基づく変化の有無に限られ、分光ベクトルの変化
方向の検出については配慮されていなかった。
上記従来技術は、対象物固有の波長特性および対象物の
形状情報について配慮されておらず、時系列画像データ
から特定の物質量変化を検出する場合、検出精度が低い
という問題があった。
形状情報について配慮されておらず、時系列画像データ
から特定の物質量変化を検出する場合、検出精度が低い
という問題があった。
本発明は上記事情に鑑みてなされたもので、その目的と
するところは、従来の画像を用いた変化検出方式におけ
る上述の如き問題を解消し、対象物の変化内容を高精度
に検出可能な、画像を用いた変化検出方式を提供するこ
とにある。
するところは、従来の画像を用いた変化検出方式におけ
る上述の如き問題を解消し、対象物の変化内容を高精度
に検出可能な、画像を用いた変化検出方式を提供するこ
とにある。
本発明の上記目的は、画像入力部９画像位置合せ処理部
、２値化処理部および画像表示部を有し、異なる撮影時
刻の画像を入力し、該入力画像間の対応する画素の変化
検出を行う画像解析処理装置において、異なる画像抽出
情報に基づく複数画像のベクトル差演算処理部と、対象
物の形状特徴量抽出部とを設け、対象物の前記画像抽出
情報特性の変化方向を各画像抽出情報特性毎に算出し、
また、対象物の形状精微量を算出して、それぞれ、トレ
ーニングデータと比較することを特徴とする画像を用い
た変化検出方式によって達成される。
、２値化処理部および画像表示部を有し、異なる撮影時
刻の画像を入力し、該入力画像間の対応する画素の変化
検出を行う画像解析処理装置において、異なる画像抽出
情報に基づく複数画像のベクトル差演算処理部と、対象
物の形状特徴量抽出部とを設け、対象物の前記画像抽出
情報特性の変化方向を各画像抽出情報特性毎に算出し、
また、対象物の形状精微量を算出して、それぞれ、トレ
ーニングデータと比較することを特徴とする画像を用い
た変化検出方式によって達成される。
本発明においては、画像を用いた対象物の変化検出を、
少なくとも、次の２段階のステップによって行うもので
ある。
少なくとも、次の２段階のステップによって行うもので
ある。
（１）対象物の画像抽出情報特性の変化方向を、各情報
特性毎に算出し、トレーニングデータと比較する。
特性毎に算出し、トレーニングデータと比較する。
（２）対象物の形状精微量を算出し、トレーニングデー
タと比較する。
タと比較する。
ここで、（１）の画像抽出情報特性に関するトレーニン
グデータは、既知の対象物について、使用する画像と同
特性の画像抽出情報特性を有するセンサを用いた撮影画
像から、各対象物、各画像抽出情報特性画像毎に、測定
することにより準備する。一方、（２）の形状特性に関
するトレーニングデータは、検出対象物についての先験
情報、例えば、変化領域の面積、形状等のデータにより
、面積９円形度等の特徴量を算出し、使用センサ画像の
画素に換算することにより準備する。
グデータは、既知の対象物について、使用する画像と同
特性の画像抽出情報特性を有するセンサを用いた撮影画
像から、各対象物、各画像抽出情報特性画像毎に、測定
することにより準備する。一方、（２）の形状特性に関
するトレーニングデータは、検出対象物についての先験
情報、例えば、変化領域の面積、形状等のデータにより
、面積９円形度等の特徴量を算出し、使用センサ画像の
画素に換算することにより準備する。
上記（１）、（２）について、より具体的に説明を加え
る。
る。
（１）対象物のスペクトル特性の変化方向の各波長成分
毎の算出： 第３図に示したセマティックマッパセンサの可視、近赤
外スペクトル特性図に見られる如く、例えば、水域８か
ら裸地１０への変化は、バンド１〜７で正の方向であり
、バンド３〜５の変化量が他に比較して大きい。一方、
裸地１０から緑地９への変化は、バンド４が負の方向、
他のバンドは正の方向に変化しており、バンド３の変化
量が他に比較して大きいという特徴がある。
毎の算出： 第３図に示したセマティックマッパセンサの可視、近赤
外スペクトル特性図に見られる如く、例えば、水域８か
ら裸地１０への変化は、バンド１〜７で正の方向であり
、バンド３〜５の変化量が他に比較して大きい。一方、
裸地１０から緑地９への変化は、バンド４が負の方向、
他のバンドは正の方向に変化しており、バンド３の変化
量が他に比較して大きいという特徴がある。
このように、対象物のスペクトル特性は、対象物に固有
の特性を持つので、２時点間における対象物のスペクト
ル特性の変化の方向、大きさを各波長毎に算出し、事前
に求めたトレーニングデータのスペクトル特性の変化方
向、大きさと比較すれば、特定のスペクトル変化を生じ
た対象物のみを検出できることになる。
の特性を持つので、２時点間における対象物のスペクト
ル特性の変化の方向、大きさを各波長毎に算出し、事前
に求めたトレーニングデータのスペクトル特性の変化方
向、大きさと比較すれば、特定のスペクトル変化を生じ
た対象物のみを検出できることになる。
（２）対象物の形状精微量の算出：
対象物についての先験情報、例えば、陸上競技場に変わ
ったところを検出する場合、陸上競技場の先験的形状情
報、つまり、面積２円形度を用い、既知のトレーニング
データがら求めた値と比較処理すれば、上記（１）の結
果に生じていたノイズを取り除き、更に高精度に特定の
変化が生じた対象物を検出できることになる。
ったところを検出する場合、陸上競技場の先験的形状情
報、つまり、面積２円形度を用い、既知のトレーニング
データがら求めた値と比較処理すれば、上記（１）の結
果に生じていたノイズを取り除き、更に高精度に特定の
変化が生じた対象物を検出できることになる。
以下、本発明の実施例を図面に基づいて詳細に説明する
。
。
第２図は、２時点の衛星撮影画像から地表の変化領域を
検出する画像解析システムの概略機能構成を示すもので
ある。図において、ＬＡ、ＩＢはそれぞれ時刻ｔ１およ
びｔｚ（ｔｔ≠ｔ２）に撮影した衛星画像のデータ、２
は画像位置合せおよび画像正規化処理、３はベクトル差
演算処理、４は２値化処理、５は特定形状検出処理、６
は表示装置、また、７は閾値ファイルを示している。
検出する画像解析システムの概略機能構成を示すもので
ある。図において、ＬＡ、ＩＢはそれぞれ時刻ｔ１およ
びｔｚ（ｔｔ≠ｔ２）に撮影した衛星画像のデータ、２
は画像位置合せおよび画像正規化処理、３はベクトル差
演算処理、４は２値化処理、５は特定形状検出処理、６
は表示装置、また、７は閾値ファイルを示している。
衛星画像としてはランドサット衛星搭載の前記セマティ
ックマッパセンサ画像の可視、近赤外バンド（バンド１
〜５，７）を用いるものとする。
ックマッパセンサ画像の可視、近赤外バンド（バンド１
〜５，７）を用いるものとする。
第１図は、第２図に示した機能の詳細を示す、動作フロ
ーチャートである。以下、第１図、第２図に基づいて、
本実施例の動作を説明する。
ーチャートである。以下、第１図、第２図に基づいて、
本実施例の動作を説明する。
（１）画像正規化処理：２
時刻ｔ工および１．（１よ≠ｔｚ）に撮影した衛星画像
は、例えば、大気中の水蒸気量、太陽高度、衛星の軌道
・姿勢変動等により、放射強度および形状歪が生じ、両
者は、たとえ、地表に変化がなくても、異なったものと
なる。このため、後述する如く、２つの画像の位置合せ
処理および放射強度の合せ込み（正規化）処理が必要と
なる。
は、例えば、大気中の水蒸気量、太陽高度、衛星の軌道
・姿勢変動等により、放射強度および形状歪が生じ、両
者は、たとえ、地表に変化がなくても、異なったものと
なる。このため、後述する如く、２つの画像の位置合せ
処理および放射強度の合せ込み（正規化）処理が必要と
なる。
画像位置合せ（処理１５）、正規化処理（処理１６）は
、前述の文献「画像処理と解析」１６６〜１８４頁に記
載された方法を用いる。例えば、大気効果を地上の既知
情報を用い１周波数領域でフィルタリング処理すること
で除去する。
、前述の文献「画像処理と解析」１６６〜１８４頁に記
載された方法を用いる。例えば、大気効果を地上の既知
情報を用い１周波数領域でフィルタリング処理すること
で除去する。
（２）ベクトル差演算処理：３
時刻ｔ０における座標（ｘ、ｙ）の放射強度Ｉは、「”
（ｘ、ｙ）＝（曹、■ζ、■−９曹、Ｉ￥１時）１・・
・・（１） と表わされる。同様に、時刻ｔ２では。
（ｘ、ｙ）＝（曹、■ζ、■−９曹、Ｉ￥１時）１・・
・・（１） と表わされる。同様に、時刻ｔ２では。
Ｉ［”（Ｘ＋ｙ）＝（Ｉ’ｘ”＋ Ｉ’２１ Ｉ’ａｔ
Ｉ’ｎ’ｔ Ｉ’ｓ＋ ＩＮＦ）・・・・（２） と表わされる。２時点間の多重分光画像のベクトル差の
大きさく絶対値）Δ工は、第４図に示すように、 ΔＩ（ｘ、ｙ）＝ＩＭ（ｘ、ｙ）ｌ ＝ ｌ Ｉ” （ｘ ＋ ｙ ） ｌ” （ｘ 、ｙ
） ｌ・・・・（３） となる（処理１８．１９）。ここで、Ｔ：転置。
Ｉ’ｎ’ｔ Ｉ’ｓ＋ ＩＮＦ）・・・・（２） と表わされる。２時点間の多重分光画像のベクトル差の
大きさく絶対値）Δ工は、第４図に示すように、 ΔＩ（ｘ、ｙ）＝ＩＭ（ｘ、ｙ）ｌ ＝ ｌ Ｉ” （ｘ ＋ ｙ ） ｌ” （ｘ 、ｙ
） ｌ・・・・（３） となる（処理１８．１９）。ここで、Ｔ：転置。
（３）２値化処理＝４
次に、上記Δ工の閾値処理（処理２０）を行う。
Ｉｆ ｍｇ（６１６ｍ８＋Δ
Ｔｈｅｎ 対応画素Δ■：＝変化ありＥ ｌｓｅ
対応画素ΔＩ：＝変化なし・・・・（４） 変化ありの場合はΔＩ＝２５５、変化なしの場合はΔＩ
＝Ｏと２値に設定する（処理２０〜２２）。
対応画素ΔＩ：＝変化なし・・・・（４） 変化ありの場合はΔＩ＝２５５、変化なしの場合はΔＩ
＝Ｏと２値に設定する（処理２０〜２２）。
上記閾値ｍｇおよび変動幅Δは、地表対象物毎に、事前
に既知の詳細情報（トレーニングデータ）から求め、閾
値ファイル７に格納しておく。第５図に、閾値ファイル
７の内容の一例を示す。
に既知の詳細情報（トレーニングデータ）から求め、閾
値ファイル７に格納しておく。第５図に、閾値ファイル
７の内容の一例を示す。
また、バンド毎に雲識別のための閾値Ｔ□、Ｔ２゜・・
・・を同様にトレーニングデータから求め、上記閾値フ
ァイル７に格納しておく。前記放射強度が、上記閾値Ｔ
□、Ｔ２．・・・・より大きい場合は雲と判定し、地表
対象物の変化と区別する。
・・を同様にトレーニングデータから求め、上記閾値フ
ァイル７に格納しておく。前記放射強度が、上記閾値Ｔ
□、Ｔ２．・・・・より大きい場合は雲と判定し、地表
対象物の変化と区別する。
上述の変化の大きさに基づく判定処理２０に加えて、特
定方向の変化スペクトル成分のみを抽出する。例えば、
第３図に示した如く、水域８から裸地１０への変化があ
った場合には、バンド２の変化は小さいが、バンド５の
変化は大きくなる。そこで、バンド２とバンド５から成
る２次元で説明すると、変化方向を示す角度を０とした
とき、Ｉｆ τ１くＯ≦τ２ Ｔ ｈｅｎ 対応画素の変化二二 水域から裸地への変化 ・・・・（５） と判定する。
定方向の変化スペクトル成分のみを抽出する。例えば、
第３図に示した如く、水域８から裸地１０への変化があ
った場合には、バンド２の変化は小さいが、バンド５の
変化は大きくなる。そこで、バンド２とバンド５から成
る２次元で説明すると、変化方向を示す角度を０とした
とき、Ｉｆ τ１くＯ≦τ２ Ｔ ｈｅｎ 対応画素の変化二二 水域から裸地への変化 ・・・・（５） と判定する。
上記閾値τ１．τ２は、地表対象物の変化の種類別に、
以下の如く事前にトレーニングデータがら求めておく。
以下の如く事前にトレーニングデータがら求めておく。
（２，５）座標系での水域から裸地へのベクトル変化角
の平均値をＯ８，変動幅を八〇とするとき、 となり、変化方向を示す角θは、 ここで１Ｍ：対象物のベクトル差（＝Ｉｔｚｌｔｔ）Ｃ
５：ハンド５軸方向の単位ベクトル ・：ベクトル内積オペレータ である。
の平均値をＯ８，変動幅を八〇とするとき、 となり、変化方向を示す角θは、 ここで１Ｍ：対象物のベクトル差（＝Ｉｔｚｌｔｔ）Ｃ
５：ハンド５軸方向の単位ベクトル ・：ベクトル内積オペレータ である。
なお、上記（２，５）座標軸は、Ｕｔｌ を基準にした
座標系である。
座標系である。
前記（５）式を満たさない場合、目的とする対象物の変
化でないと判定し、無変化領域とみなす。
化でないと判定し、無変化領域とみなす。
無変化領域はΔＩ＝Ｏとする。実際には、（５）弐〜（
７）式の処理を入力全バンドの組合せにわたり判定処理
する（処理２３〜２６）。
７）式の処理を入力全バンドの組合せにわたり判定処理
する（処理２３〜２６）。
（４）特定形状検出処理：５
上記スペクトル成分による特定対象物の検出に加え、形
状に関する情報を用いる（処理２７）０例えば、前記陸
上競技場を検出する場合、楕円形状を検出すれば良い。
状に関する情報を用いる（処理２７）０例えば、前記陸
上競技場を検出する場合、楕円形状を検出すれば良い。
形状特徴量としては、面積Ａ。
周囲長Ｐ１円形度Ｐ２／Ａ、更に複雑な形状特徴量とし
てはフーリエ記述子Ａｎを適用する。
てはフーリエ記述子Ａｎを適用する。
各特徴量は以下の如く算出する。
（ｉ）面積Ａ算出（処理２８）
２値化画像に対し２５５輝度レベルの画素の数を各候補
領域毎に計数する。
領域毎に計数する。
（…）円形度Ｐ”／Ａ算出（処理３１）周囲長Ｐは、各
候補領域の２５５輝度レベルとＯＳ度レベルとの境界の
、２５５輝度レベルの画素数を閉曲線上に１周分水める
。
候補領域の２５５輝度レベルとＯＳ度レベルとの境界の
、２５５輝度レベルの画素数を閉曲線上に１周分水める
。
各候補領域毎に求まった面積Ａ９周囲長Ｐがら、Ｐ”／
Ａが求まる。
Ａが求まる。
（ｎｉ）フーリエ記述子Ａｎ算出（処理３４）各候補領
域毎に、ｍ多角形の頂点のなす頂角Δφｎと辺Ｑ、より
、 （ここで、Ｌ＝ΣＱ、Ｉである。） ｋ−’Ｌ を求め、 Ａｎ＝ （ａ ｎ” ＋ ｂ 、”）＋として用いる。
域毎に、ｍ多角形の頂点のなす頂角Δφｎと辺Ｑ、より
、 （ここで、Ｌ＝ΣＱ、Ｉである。） ｋ−’Ｌ を求め、 Ａｎ＝ （ａ ｎ” ＋ ｂ 、”）＋として用いる。
′ｎはフーリエ記述子の次数を示している。
上記形状特徴量をＢとするとき、下記の式に従って２値
画像Δ工を判定すれば、目的とする特定形状のみを検出
できる（処理２９，３２．３５）。
画像Δ工を判定すれば、目的とする特定形状のみを検出
できる（処理２９，３２．３５）。
Ｉｆ Ｄ＜Ｂ＜Ｄ十ｄ
Ｔｈｅｎ Ｂ：＝目的とする対象物として検出（＝２
５５） Ｅ ｌｓｅ Ｂ ： ＝検出しない（＝Ｏ）・・・・
（１０） ここで、Ｄ＝トレーニングデータから求めた形状特徴量 ｄ：変動幅 であり、これらは、前記閾値ファイル７に格納しておく
。
５５） Ｅ ｌｓｅ Ｂ ： ＝検出しない（＝Ｏ）・・・・
（１０） ここで、Ｄ＝トレーニングデータから求めた形状特徴量 ｄ：変動幅 であり、これらは、前記閾値ファイル７に格納しておく
。
上記実施例によれば、以上のスペクトル、形状特徴量を
用いることにより、雲等を地表変化部分と区別し、時系
列画像から特定の変化内容の対象物のみを高精度に検出
することができるという効果がある。
用いることにより、雲等を地表変化部分と区別し、時系
列画像から特定の変化内容の対象物のみを高精度に検出
することができるという効果がある。
なお、上記実施例においては、対象画像のスペクトル情
報、形状情報の順に処理を行ったが、最初に変化後側像
の形状情報を用いて候補領域を選定した後、スペクトル
情報により目的とする対象物の変化検出を行っても良い
ことは言うまでもないことである。
報、形状情報の順に処理を行ったが、最初に変化後側像
の形状情報を用いて候補領域を選定した後、スペクトル
情報により目的とする対象物の変化検出を行っても良い
ことは言うまでもないことである。
第６図は本発明の第二の実施例を示す画像解析システム
の概略機能構成を示すもので、ある。本実施例は、先の
実施例に示した変化の検出技術を、画像を対象物のカテ
ゴリー別に分類し、２つの分類画像を比較することで特
定の物質量変化を検出する方式に適用し、分類処理の効
率を向上させるようにしたものである。
の概略機能構成を示すもので、ある。本実施例は、先の
実施例に示した変化の検出技術を、画像を対象物のカテ
ゴリー別に分類し、２つの分類画像を比較することで特
定の物質量変化を検出する方式に適用し、分類処理の効
率を向上させるようにしたものである。
すなわち、本実施例においては、第一段階で先の実施例
に示した技術を用いて、スペクトル特性の変化の大きさ
および方向の情報を用いて２時点の撮影画像に生じた変
化候補点を検出し、第二段階で上で求めた変化候補点に
対し、統計的分類法を用いて検出目標とする対象物か否
かの詳細な判定処理を行うものである。
に示した技術を用いて、スペクトル特性の変化の大きさ
および方向の情報を用いて２時点の撮影画像に生じた変
化候補点を検出し、第二段階で上で求めた変化候補点に
対し、統計的分類法を用いて検出目標とする対象物か否
かの詳細な判定処理を行うものである。
上記統計的分類法としては、データの確率分布を考慮し
て、カテゴリーとの類似度（距離）を測定するマハラノ
ビス距離を用い、事前に登録した距離に関する閾値と比
較することにより検出するものとする。この閾値は、対
象物が既知の撮影画像データから上記マハラノビス距離
を求め、実験的に最適値を決定する。
て、カテゴリーとの類似度（距離）を測定するマハラノ
ビス距離を用い、事前に登録した距離に関する閾値と比
較することにより検出するものとする。この閾値は、対
象物が既知の撮影画像データから上記マハラノビス距離
を求め、実験的に最適値を決定する。
これについて、もう少し詳細に説明しておく。
まず、第一段階の処理は、先の実施例に示した如く、Δ
Ｉ（Ｍ）、０がそれぞれ、（４）式、（５）式に示した
条件を満足した点を、変化候補点とする処理である。該
処理により算出した変化候補点は、ベクトルの始点１ｔ
ｔ、終点ｔが決定していないため、目標とする特定の対
象物以外の誤検出が多くなる場合がある。
Ｉ（Ｍ）、０がそれぞれ、（４）式、（５）式に示した
条件を満足した点を、変化候補点とする処理である。該
処理により算出した変化候補点は、ベクトルの始点１ｔ
ｔ、終点ｔが決定していないため、目標とする特定の対
象物以外の誤検出が多くなる場合がある。
このため、次に、上記処理により算出した変化候補点に
対して統計的分類法を適用し、高精度に特定対象物のカ
テゴリーに入るか否かを判定するようにする。判定は次
の如く行う。
対して統計的分類法を適用し、高精度に特定対象物のカ
テゴリーに入るか否かを判定するようにする。判定は次
の如く行う。
ｔ４時点＋ ｔｚ時点に撮影した画像の変化候補点の画
素の放射強度１ｔｔ 、 Ｈｕｔ と、各カテゴリー
の分散・共分散行列の逆行列 Σ７．平均Ｐ′＝（バ、μ：、・・・・、μ２）Ｔここ
で、Ｃ：カテゴリー Ｔ：転置 とから、例えば、カテゴリーｃ１から同ｃ２への変化部
分を検出する場合を考える。
素の放射強度１ｔｔ 、 Ｈｕｔ と、各カテゴリー
の分散・共分散行列の逆行列 Σ７．平均Ｐ′＝（バ、μ：、・・・・、μ２）Ｔここ
で、Ｃ：カテゴリー Ｔ：転置 とから、例えば、カテゴリーｃ１から同ｃ２への変化部
分を検出する場合を考える。
まず、各カテゴリーからのマハラノビス距離を求める。
叶＝（Ｉｔ”−Ｆｏ”ｆΣ＊’ｌＬ （Ｍ””−Ｐｏ”
）・・・・（１１） Ｄ品＝（Ｉ”−ｊＬｉ写Σ呵ｙ、Ｌ−ｐ’”）・・・・
（１２） 算出したマハラノビス距離Ｄ４ 、 Ｄ乙が分類用閾値
内か否かで、検出目標とする対象物が否かを分類する。
）・・・・（１１） Ｄ品＝（Ｉ”−ｊＬｉ写Σ呵ｙ、Ｌ−ｐ’”）・・・・
（１２） 算出したマハラノビス距離Ｄ４ 、 Ｄ乙が分類用閾値
内か否かで、検出目標とする対象物が否かを分類する。
すなわち、
Ｉｆ （Ｄ、’、 ＜Ｔｈｃｍ）ＡＮＤ（Ｄ：、＜Ｔ
ｂｃｉ）Ｔｈｅｎ 変化対象物 Ｅ ｌｓａ 無変化対象物 ・・・・（１３） ここで、Ｔｈｃ＊ 、 Ｔｈｃｔは、各カテゴリー分類
用閾値であり、これらは、予め既知の対象物を撮影した
画像を用いて決定し、前記閾値ファイル７に格納してお
く。
ｂｃｉ）Ｔｈｅｎ 変化対象物 Ｅ ｌｓａ 無変化対象物 ・・・・（１３） ここで、Ｔｈｃ＊ 、 Ｔｈｃｔは、各カテゴリー分類
用閾値であり、これらは、予め既知の対象物を撮影した
画像を用いて決定し、前記閾値ファイル７に格納してお
く。
以上の処理により、第一段階で求めた変化候補点に対し
て、第一段階において、目標対象物か否かを高精度にチ
ェックすることができる。
て、第一段階において、目標対象物か否かを高精度にチ
ェックすることができる。
第７図は本実施例の処理結果を示す画像の概略図であり
、（ａ）はｔ４時点、（ｂ）はｔ２時点の撮影画像を示
している。（ａ）の画像には、水域、住宅地、草地が含
まれており、（ｂ）の画像には、水域の一部が埋めたて
られて草地に変化している状況が示されている。
、（ａ）はｔ４時点、（ｂ）はｔ２時点の撮影画像を示
している。（ａ）の画像には、水域、住宅地、草地が含
まれており、（ｂ）の画像には、水域の一部が埋めたて
られて草地に変化している状況が示されている。
画像解析システムのユーザの要求が、水域における変化
を検出したいとする。検出処理は、先に示した第６図の
フローで行う。
を検出したいとする。検出処理は、先に示した第６図の
フローで行う。
（１）画像データとパラメータの入力
撮影時刻の異なる２つの衛星画像ＬＡ、ＩＢを入力し、
また、何から何への変化対象物を検出したいのか（この
例では、水域）をの情報を、キーボード１２から入力す
る。
また、何から何への変化対象物を検出したいのか（この
例では、水域）をの情報を、キーボード１２から入力す
る。
（２）画像正規化処理：２
先の実施例における処理と同様である。
（３）変化検出処理：３Ａ
先の実施例における処理３〜５と同様である。
（４）精密分類処理：１３
第７図（Ｑ）に示す如く、候補点画像（斜線部）は正解
を含めて何点か求まる。
を含めて何点か求まる。
（ｉ）候補点に対応する し４時点の撮影画像（ａ）の
放射強度ＩＬＬから、マハラノビス距雛を算出する。
放射強度ＩＬＬから、マハラノビス距雛を算出する。
・・・・（１４）
ここで、Σよ戒：水域のトレーニングデータの分散・共
分散行列の逆行列 各バンドの輝度の平均ベクトル である、上記逆行列Σム、平均ベクトルＰ”は、予め既
知の対象物を撮影した画像から求め、第８図に示す分類
用閾値データとして、カテゴリー毎に登録しておく。
分散行列の逆行列 各バンドの輝度の平均ベクトル である、上記逆行列Σム、平均ベクトルＰ”は、予め既
知の対象物を撮影した画像から求め、第８図に示す分類
用閾値データとして、カテゴリー毎に登録しておく。
（Ｌｌ）算出したマハラノビス距離が検出目標とするカ
テゴリーに含まれるか否かを、下記の条件により判定、
分類する。
テゴリーに含まれるか否かを、下記の条件により判定、
分類する。
工ｆ Ｄｔ２ｔ＜Ｔｈ鍼
Ｔ ｈｅｎ 変化対象物
Ｅ ｌｓｅ 無変化対象物
・・・・（１５）
分類用閾値Ｔｈ永或は、（ｉ）と同様、既知の情報によ
り求め、閾値ファイル７Ａに登録されているものを用い
る。
り求め、閾値ファイル７Ａに登録されているものを用い
る。
（５）検出結果の表示
（１３）式での分類結果において、変化部分を認識でき
るよう、例えば、変化部分を高輝度レベル、変化してい
ない部分を低輝度レベルと設定し、表示装置６に出力す
る。
るよう、例えば、変化部分を高輝度レベル、変化してい
ない部分を低輝度レベルと設定し、表示装置６に出力す
る。
上記実施例によれば、対象物のスペクトル特性の変化の
大きさと変化の方向の情報を用い、変化候補点を算出し
た後、算出した変化候補点に対して統計的分類法を適用
し、詳細に特定対象物か否かを分類判定することにより
、目標とする対象物を高精度に検出することができる。
大きさと変化の方向の情報を用い、変化候補点を算出し
た後、算出した変化候補点に対して統計的分類法を適用
し、詳細に特定対象物か否かを分類判定することにより
、目標とする対象物を高精度に検出することができる。
上記各実施例においては、異なる波長またはスペクトル
による多重分光画像を例に挙げて説明したが、本発明は
これに限定されるべきものではなく、例えば、ＮＭＲ画
像の如く、複数の緩和時間情報が得られる医用画像にお
ける病変部の検出等にも有効である。
による多重分光画像を例に挙げて説明したが、本発明は
これに限定されるべきものではなく、例えば、ＮＭＲ画
像の如く、複数の緩和時間情報が得られる医用画像にお
ける病変部の検出等にも有効である。
（発明の効果〕
以上詳細に述べた如く１本発明によれば、画像入力部９
画像位置合せ処理部、２値化処理部および画像表示部を
有し、異なる撮影時刻の画像を入力し、該入力画像間の
対応する画素の変化検出を行う画像解析処理装置におい
て、異なる画像抽出情報に基づく複数画像のベクトル差
演算処理部と、対象物の形状特徴量抽出部とを設け、対
象物の前記画像抽出情報特性の変化方向を各画像抽出情
報特性毎に算出し、また、対象物の形状特徴量を算出し
て、それぞれ、トレーニングデータと比較するようにし
たので、対象物の変化内容を高精度に検出可能な、画像
を用いた変化検出方式を実現できるという顕著な効果を
奏するものである。
画像位置合せ処理部、２値化処理部および画像表示部を
有し、異なる撮影時刻の画像を入力し、該入力画像間の
対応する画素の変化検出を行う画像解析処理装置におい
て、異なる画像抽出情報に基づく複数画像のベクトル差
演算処理部と、対象物の形状特徴量抽出部とを設け、対
象物の前記画像抽出情報特性の変化方向を各画像抽出情
報特性毎に算出し、また、対象物の形状特徴量を算出し
て、それぞれ、トレーニングデータと比較するようにし
たので、対象物の変化内容を高精度に検出可能な、画像
を用いた変化検出方式を実現できるという顕著な効果を
奏するものである。
また、これにより算出した変化点について、更に統計的
カテゴリー分類処理を施すようにした場合には、より高
精度に対象物の変化内容を検出可能な、画像を用いた変
化検出方式を実現できるという効果を奏するものである
。
カテゴリー分類処理を施すようにした場合には、より高
精度に対象物の変化内容を検出可能な、画像を用いた変
化検出方式を実現できるという効果を奏するものである
。
第１図は本発明の第一の実施例である画像解析システム
の機能の詳細を示すフローチャート、第２図は第一の実
施例である画像解析システムの概略機能構成を示す図、
第３図はセマテイックマッパセンサの可視、近赤外スペ
クトル特性図、第４図は２時点間の多重分光画像のベク
トル差の大きさを示す図、第５図は閾値ファイルの内容
の一例を示す図、第６図は本発明の第二の実施例を示す
画像解析システムの概略機能構成を示す図、第７図は実
施例の処理結果を示す画像の概略図、第８図は分類用閾
値ファイルの構成を示す図である。 ＬＡ、ＩＢ：衛星画像のデータ、２：画像位置合せおよ
び画像正規化処理、３：ベクトル差演算処理、３Ａ：変
化検出処理、４：２値化処理、５：特定形状検出処理、
６：表示装置、７．７Ａ：閾値ファイル、８：水域スペ
クトル特性、９：緑地スペクトル特性、１０：裸地スペ
クトル特性、１１：雲スペクトル特性、１２：キーボー
ド、１３：精密分類処理。 第 ４ 図 ２軸 バンド５ 第 ５ 図 第 ７ 図
の機能の詳細を示すフローチャート、第２図は第一の実
施例である画像解析システムの概略機能構成を示す図、
第３図はセマテイックマッパセンサの可視、近赤外スペ
クトル特性図、第４図は２時点間の多重分光画像のベク
トル差の大きさを示す図、第５図は閾値ファイルの内容
の一例を示す図、第６図は本発明の第二の実施例を示す
画像解析システムの概略機能構成を示す図、第７図は実
施例の処理結果を示す画像の概略図、第８図は分類用閾
値ファイルの構成を示す図である。 ＬＡ、ＩＢ：衛星画像のデータ、２：画像位置合せおよ
び画像正規化処理、３：ベクトル差演算処理、３Ａ：変
化検出処理、４：２値化処理、５：特定形状検出処理、
６：表示装置、７．７Ａ：閾値ファイル、８：水域スペ
クトル特性、９：緑地スペクトル特性、１０：裸地スペ
クトル特性、１１：雲スペクトル特性、１２：キーボー
ド、１３：精密分類処理。 第 ４ 図 ２軸 バンド５ 第 ５ 図 第 ７ 図
Claims (1)
- 【特許請求の範囲】 １、画像入力部、画像位置合せ処理部、２値化処理部お
よび画像表示部を有し、異なる撮影時刻の画像を入力し
、該入力画像間の対応する画素の変化検出を行う画像解
析処理装置において、異なる画像抽出情報に基づく複数
画像のベクトル差演算処理部と、対象物の形状特徴量抽
出部とを設け、対象物の前記画像抽出情報特性の変化方
向を各画像抽出情報特性毎に算出し、また、対象物の形
状特徴量を算出して、それぞれ、トレーニングデータと
比較することを特徴とする画像を用いた変化検出方式。 ２、画像入力部、画像位置合せ処理部、２値化処理部お
よび画像表示部を有し、異なる撮影時刻の画像を入力し
、該入力画像間の対応する画素の変化検出を行う画像解
析処理装置において、異なる画像抽出情報に基づく複数
画像のベクトル差演算処理部と、統計的カテゴリー分類
処理部とを設け、対象物の前記画像抽出情報特性の変化
方向を各画像抽出情報特性毎に算出して、トレーニング
データと比較して変化候補点を抽出し、該変化候補点に
対してのみ、統計的カテゴリー分類処理を施すことを特
徴とする画像を用いた変化検出方式。 ３、前記異なる画像抽出情報に基づく複数画像が多重分
光画像であり、前記画像抽出情報が波長特性であること
を特徴とする特許請求の範囲第１項または第２項記載の
画像を用いた変化検出方式。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61263690A JPH0786914B2 (ja) | 1986-11-07 | 1986-11-07 | 画像を用いた変化検出方法 |
| US07/117,286 US4912770A (en) | 1986-11-07 | 1987-11-04 | Method of detecting change using image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61263690A JPH0786914B2 (ja) | 1986-11-07 | 1986-11-07 | 画像を用いた変化検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63118889A true JPS63118889A (ja) | 1988-05-23 |
| JPH0786914B2 JPH0786914B2 (ja) | 1995-09-20 |
Family
ID=17392983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61263690A Expired - Lifetime JPH0786914B2 (ja) | 1986-11-07 | 1986-11-07 | 画像を用いた変化検出方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4912770A (ja) |
| JP (1) | JPH0786914B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08161474A (ja) * | 1994-12-02 | 1996-06-21 | Agency Of Ind Science & Technol | 異種センサ画像間レジストレーション補正方法 |
| JP2008157764A (ja) * | 2006-12-25 | 2008-07-10 | Mitsubishi Electric Corp | レーダ画像処理装置 |
Families Citing this family (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5163099A (en) * | 1988-05-23 | 1992-11-10 | Kabushiki Kaisha Toshiba | Imaging apparatus having a detector for determining the presence of contrasting portions in a viewed object |
| US5109425A (en) * | 1988-09-30 | 1992-04-28 | The United States Of America As Represented By The United States National Aeronautics And Space Administration | Method and apparatus for predicting the direction of movement in machine vision |
| US5204740A (en) * | 1989-01-14 | 1993-04-20 | Canon Kabushiki Kaisha | Image signal decoding apparatus |
| US5016173A (en) * | 1989-04-13 | 1991-05-14 | Vanguard Imaging Ltd. | Apparatus and method for monitoring visually accessible surfaces of the body |
| JP2975629B2 (ja) * | 1990-03-26 | 1999-11-10 | 株式会社東芝 | 画像認識装置 |
| JP2626152B2 (ja) * | 1990-04-12 | 1997-07-02 | 日本電気株式会社 | 撮像信号処理装置 |
| US5237405A (en) * | 1990-05-21 | 1993-08-17 | Matsushita Electric Industrial Co., Ltd. | Image motion vector detecting device and swing correcting device |
| US5257209A (en) * | 1990-06-26 | 1993-10-26 | Texas Instruments Incorporated | Optical flow computation for moving sensors |
| FR2673745B1 (fr) * | 1991-03-07 | 1995-06-23 | Bertin & Cie | Procede et dispositif de surveillance d'un espace determine, tel qu'une partie d'un local, une zone de terrain ou une installation industrielle par exemple. |
| EP0505858B1 (en) * | 1991-03-19 | 2002-08-14 | Mitsubishi Denki Kabushiki Kaisha | A moving body measuring device and an image processing device for measuring traffic flows |
| US5412421A (en) * | 1992-04-30 | 1995-05-02 | Westinghouse Electric Corporation | Motion compensated sensor |
| US5317394A (en) * | 1992-04-30 | 1994-05-31 | Westinghouse Electric Corp. | Distributed aperture imaging and tracking system |
| US6137529A (en) * | 1992-11-23 | 2000-10-24 | Mitsubishi Jukogyo Kabushiki Kaisha | Apparatus for position data acquisition and an apparatus for coil position recognition |
| CZ41994A3 (en) * | 1993-03-05 | 1994-11-16 | Elta Electronics Ind Ltd | Motion detection system |
| DE4440671A1 (de) * | 1994-11-04 | 1996-05-09 | Bosch Gmbh Robert | Verfahren zur objektorientierten Erkennung bewegter Objekte |
| US5818951A (en) * | 1995-10-13 | 1998-10-06 | Infrared Service Corporation | Methods and related apparatus for generating thermographic survey images |
| US5742522A (en) * | 1996-04-01 | 1998-04-21 | General Electric Company | Adaptive, on line, statistical method and apparatus for detection of broken bars in motors by passive motor current monitoring and digital torque estimation |
| WO1999060522A1 (en) * | 1998-05-19 | 1999-11-25 | Sony Computer Entertainment Inc. | Image processing apparatus and method, and providing medium |
| US7123745B1 (en) | 1999-11-24 | 2006-10-17 | Koninklijke Philips Electronics N.V. | Method and apparatus for detecting moving objects in video conferencing and other applications |
| US6621930B1 (en) * | 2000-08-09 | 2003-09-16 | Elron Software, Inc. | Automatic categorization of documents based on textual content |
| US6763136B1 (en) | 2000-09-19 | 2004-07-13 | Bae Systems Mission Solutions, Inc. | Method and apparatus for determining spectral similarity |
| JP3992452B2 (ja) * | 2000-11-09 | 2007-10-17 | 日立ソフトウエアエンジニアリング株式会社 | 変化検出装置、変化検出方法及び該方法に係るプログラムを記憶した記憶媒体並びにシステム |
| US7657124B2 (en) * | 2004-02-27 | 2010-02-02 | The Boeing Company | Multiple image data source information processing systems and methods |
| US8018494B2 (en) | 2006-01-10 | 2011-09-13 | Panasonic Corporation | Color correction device, color correction method, dynamic camera color correction device, and video search device using the same |
| US8107695B2 (en) * | 2007-06-27 | 2012-01-31 | General Electric Company | Methods and systems for assessing patient movement in diagnostic imaging |
| ITTO20070620A1 (it) * | 2007-08-31 | 2009-03-01 | Giancarlo Capaccio | Sistema e metodo per presentare dati visuali rilevati a distanza in immagini multi-spettrali, di fusione, ed a tre dimensioni spaziali. |
| EP3479349B1 (en) * | 2016-06-29 | 2020-01-22 | Koninklijke Philips N.V. | Change detection in medical images |
| EP3504661B1 (en) | 2016-08-24 | 2023-08-16 | Google LLC | Change detection based imagery acquisition tasking system |
| CN110325981B (zh) | 2016-08-24 | 2023-02-17 | 谷歌有限责任公司 | 基于变化检测的地图界面更新系统 |
| US10255526B2 (en) | 2017-06-09 | 2019-04-09 | Uptake Technologies, Inc. | Computer system and method for classifying temporal patterns of change in images of an area |
| CN117496362B (zh) * | 2024-01-02 | 2024-03-29 | 环天智慧科技股份有限公司 | 基于自适应卷积核和级联检测头的土地覆盖变化检测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4227211A (en) * | 1978-09-22 | 1980-10-07 | Columbia Photografix, Inc. | Method for analyzing seasonal growing conditions of crops |
| US4513438A (en) * | 1982-04-15 | 1985-04-23 | Coulter Electronics, Inc. | Automated microscopy system and method for locating and re-locating objects in an image |
| US4590607A (en) * | 1982-09-17 | 1986-05-20 | Environmental Research Institute Of Michigan | Image correspondence techniques using serial neighborhood processing |
-
1986
- 1986-11-07 JP JP61263690A patent/JPH0786914B2/ja not_active Expired - Lifetime
-
1987
- 1987-11-04 US US07/117,286 patent/US4912770A/en not_active Expired - Lifetime
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08161474A (ja) * | 1994-12-02 | 1996-06-21 | Agency Of Ind Science & Technol | 異種センサ画像間レジストレーション補正方法 |
| JP2008157764A (ja) * | 2006-12-25 | 2008-07-10 | Mitsubishi Electric Corp | レーダ画像処理装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US4912770A (en) | 1990-03-27 |
| JPH0786914B2 (ja) | 1995-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS63118889A (ja) | 画像を用いた変化検出方法 | |
| Lin et al. | Radiometric normalization and cloud detection of optical satellite images using invariant pixels | |
| CN110100262B (zh) | 用于从图像移除云的图像处理设备、方法和存储介质 | |
| Chaugule et al. | Identification of paddy varieties based on novel seed angle features | |
| CN110570395B (zh) | 基于空谱联合协同表示的高光谱异常检测方法 | |
| US20180268522A1 (en) | Electronic device with an upscaling processor and associated method | |
| Azevedo et al. | Shadow detection using object area-based and morphological filtering for very high-resolution satellite imagery of urban areas | |
| Zhang et al. | A novel multitemporal cloud and cloud shadow detection method using the integrated cloud Z-scores model | |
| Huynh et al. | Hyperspectral imaging for skin recognition and biometrics | |
| CN112017221B (zh) | 基于尺度空间的多模态图像配准方法、装置和设备 | |
| Akila et al. | Automation in plant growth monitoring using high-precision image classification and virtual height measurement techniques | |
| Jafarzadeh et al. | Probability estimation of change maps using spectral similarity | |
| Huang et al. | Morphological building index (MBI) and its applications to urban areas | |
| CN113284066A (zh) | 遥感影像自动云检测方法和装置 | |
| CN114565653A (zh) | 一种存在旋转变化和尺度差异的异源遥感图像匹配方法 | |
| RU2693880C1 (ru) | Способ идентификации растительных объектов по космическим снимкам дистанционного зондирования | |
| Su et al. | A new spectral–spatial jointed hyperspectral image classification approach based on fractal dimension analysis | |
| Zhang et al. | Region of interest detection based on salient feature clustering for remote sensing images | |
| Larbi | Advancing Microsoft Excel’s potential for teaching digital image processing and analysis | |
| Alonso et al. | The combination of three statistical methods for visual inspection of anomalies in hyperspectral imageries | |
| CN116129281B (zh) | 一种用于高光谱影像的亚像元目标检测系统 | |
| Cisz et al. | Performance comparison of hyperspectral target detection algorithms in altitude varying scenes | |
| Afreen et al. | A method of shadow detection and shadow removal for high resolution remote sensing images | |
| CN115272872B (zh) | 一种传感器干扰信号检测方法 | |
| Sivagami et al. | EDGE DETECTION USING MULTISPECTRAL THRESHOLDING. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |