JPWO2013145201A1 - 画像生成システム及び画像生成方法 - Google Patents
画像生成システム及び画像生成方法 Download PDFInfo
- Publication number
- JPWO2013145201A1 JPWO2013145201A1 JP2014507167A JP2014507167A JPWO2013145201A1 JP WO2013145201 A1 JPWO2013145201 A1 JP WO2013145201A1 JP 2014507167 A JP2014507167 A JP 2014507167A JP 2014507167 A JP2014507167 A JP 2014507167A JP WO2013145201 A1 JPWO2013145201 A1 JP WO2013145201A1
- Authority
- JP
- Japan
- Prior art keywords
- image
- sensor
- spectral image
- original
- spectral
- 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
- 238000000034 method Methods 0.000 title claims description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 49
- 230000003595 spectral effect Effects 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
波長分解能が高いスペクトル画像を元スペクトル画像から生成する画像生成システムであって、演算部とメモリとを備え、前記演算部は、前記元スペクトル画像に当てはまる回帰曲線を求め、前記求められた回帰曲線にセンサの応答特性関数を乗じてスペクトル画像を生成し、前記生成されたスペクトル画像と前記元スペクトル画像との差分を計算し、前記計算された差分と所定の閾値とを比較し、前記比較の結果、前記差分が前記所定の閾値より小さい場合、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成し、前記比較の結果、前記差分が前記所定の閾値より大きい場合、前記生成されたスペクトル画像を前記元スペクトル画像として再度演算を行うために、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成する。
Description
本発明は、ハイパースペクトル画像を生成する画像生成システムに関し、特に、波長分解能が低いマルチスペクトル画像から、波長分解能が高いハイパースペクトル画像を生成する技術に関する。
地上に設置された地物(建物、樹木、道路、水域など)は太陽光線を反射する。航空機や人工衛星等に搭載されたセンサは、地物からの反射光を取得し、取得した反射光を周波数帯域毎に分離し、複数の周波数帯域のマルチスペクトル画像を生成する(図7参照)。マルチスペクトル画像のうち、波長分解能が高い(数百個の狭帯域なバンドを含む)スペクトル画像をハイパースペクトル画像という。
ハイパースペクトル画像は、スペクトルの特徴が多く含まれており、地物を識別するための高いポテンシャルを有するために、その重要度が増している。しかし、ハイパースペクトル画像は広くは使われていない。現在のセンサ技術によると、波長分解能が高いハイパースペクトル画像は航空機から得られ、人工衛星は波長分解能が低いマルチスペクトル画像を提供するだけである。すなわち、このスペクトル画像を生成するために航空機に搭載されるセンサは、波長分解能が高いため、数百個の狭帯域なバンドを含むハイパースペクトル画像が得られる。
ここで、図8を用いて、一般的なマルチスペクトル画像とハイパースペクトル画像との違いについて説明する。マルチスペクトル画像は、紫色から赤外線の間に複数の周波数帯域の画像を含み、一つの周波数帯域の幅が40〜100nmの波長である。白黒画像は、可視光(約400〜900nm)を数百nm幅の一つの帯域とし、帯域内の光の強度を検出したものである。なお、白黒画像は、前述したマルチスペクトル画像と組み合わせて使用されることがある。ハイパースペクトル画像は、マルチスペクトル画像と同様に紫色から赤外線の間に複数の周波数帯域の画像を含むが、一つの周波数帯域の幅が20〜50nmの波長であり、マルチスペクトル画像より波長分解能が高い。
しかし、航空機に搭載されるセンサは高価であり、また、航空機は人工衛星と比べて低い高度を飛行するので、撮影範囲が狭く、広い領域を撮影するためのコストが高くなる。一方、人工衛星に搭載されるセンサは低分解能であるが、人工衛星は高い高度を飛行するので、撮影範囲が広く、低コストで広い領域の画像を得ることができる。そのため、ハイパースペクトル画像を取得するコストが高いとことが一つの問題となっている。
N. Keshava and J. Mustard, "Spectral unmixing", IEEE Signal Processing Magazine, vol. 19, pp. 44-57, Jan. 2002
地上に設置された地物は、その種類(建物、樹木、道路、水域など)によって、反射光のスペクトルの特徴が異なる。しかし、可視光の帯域内で数個の測定値しか含まないマルチスペクトル画像では、反射光のスペクトルの特徴から地物の違いを判定することは困難である。一方、可視光の帯域で数十から数百個の測定値を含むハイパースペクトル画像を用いると、地物の種類を特定することができる。さらに、樹木の種類を特定したり、作物の生育状況を確認することができる。
このため、人工衛星によって撮影されたマルチスペクトル画像から波長分解能が高いハイパースペクトル画像を生成することが求められている。
この問題を解決するために、マルチスペクトル画像からハイパースペクトル画像を生成する方法が提案されている。このうち最も単純な方法は補間(例えば、線形補間)である。しかし、線形補間によって求められたスペクトルは粗く、スペクトルの本来の特徴が見出せる可能性が低い。このため、測定されたスペクトルを複数のスペクトル成分に分解するスペクトル・アンミキシング技術が提案されている(非特許文献1参照)。
しかし、スペクトル・アンミキシングは、地物の種類の数及びタイプを知る必要があるが、多くの場合に必要な情報を現実に得ることは困難である。このため、スペクトル・アンミキシングは、ハイパースペクトル画像を生成するためには不十分で、信頼性に乏しく、実用的でない。
本発明は、地物からの反射光によるスペクトル曲線を再構成し、スペクトルの特徴を見出すための情報を与えることを目的とする。
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、元スペクトル画像から、波長分解能が高いスペクトル画像を生成する画像生成システムであって、スペクトル画像を生成するための演算を行う演算部と、前記演算部によって実行されるプログラムを格納するメモリと、を備え、前記演算部は、前記元スペクトル画像に当てはまる回帰曲線を求め、前記求められた回帰曲線にセンサの応答特性関数を乗じてスペクトル画像を生成し、前記生成されたスペクトル画像と前記元スペクトル画像との差分を計算し、前記計算された差分と所定の閾値とを比較し、前記比較の結果、前記差分が前記所定の閾値より小さい場合、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成し、前記比較の結果、前記差分が前記所定の閾値より大きい場合、前記生成されたスペクトル画像を前記元スペクトル画像として再度演算を行うために、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成する。
本発明の代表的な態様によれば、簡単な方法で、地物からの反射光を再現したハイパースペクトル画像を得ることができる。
本発明の実施形態の主要な特徴は、センサ応答関数(SRF)を用いることによって、地物からの反射光を再現したスペクトルを作成することである。従来の方法は、主に、画像とその属性に着目しており、センサの影響は無視されていた。本発明は、センサの物理モデルに基づいて、スペクトルを復元するための方法を提供する。これは、センサの影響を排除した理想的な連続スペクトル曲線である。ハイパースペクトル画像は、生成された理想的なスペクトル曲線上で点をサンプリングすることによって生成される。
図1は、本発明の実施形態の画像生成システムの構成を示すブロック図である。
本実施形態の画像生成システムは、演算部10、記憶装置20、通信インターフェース30及び媒体ドライバ40を有する。
演算部10は、プログラムを実行するプロセッサ(CPU)101、不揮発性の記憶素子であるROM102及び揮発性の記憶素子であるRAM103を有する。ROM102は、不変のプログラム(例えば、BIOS)などを格納する。RAM103は、記憶装置20に格納されたプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。
記憶装置20は、例えば、磁気記憶装置、フラッシュメモリ等の大容量かつ不揮発性の記憶装置であり、プロセッサ101によって実行されるプログラム及びプログラムの実行時に使用されるデータを格納する。すなわち、プロセッサ101によって実行されるプログラムは、記憶装置20から読み出されて、RAM103にロードされて、プロセッサ101によって実行される。
通信インターフェース30は、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェース装置である。媒体ドライバ40は、画像生成システムに導入されるプログラムやデータが格納された記録媒体50を読むためのインターフェース(例えば、光ディスクドライブ、USBポート)である。
次に、本願で開示されるスペクトル超分解能画像の生成の概念について説明する。
図2は、本発明の実施形態のスペクトル画像Sを取得する方法を説明する図である。
前述したように、地物(建物、樹木、道路、水域など)は太陽光線を反射する。人工衛星等に搭載されたセンサは、地物からの反射光Rを取得し、取得した反射光を周波数帯域毎に分離し、複数の周波数帯域を含むスペクトル画像Sを生成する。
スペクトル画像を生成するセンサは周波数によって感度が異なり、この感度の変化はセンサ応答特性関数(SRF:Sensor Response Function)として表される。このSRFを用いると、スペクトル画像Sは式(1)によって表される。
S=R×SRF+N …(1)
式(1)において、Nはノイズである。
S=R×SRF+N …(1)
式(1)において、Nはノイズである。
なお、複数のセンサ素子を搭載する場合、通常、センサ素子毎に応答特性関数が異なる。この場合、後述する処理において、センサ素子毎に異なる応答特性関数を用いて、異なるスペクトル画像を生成する。
図3A及び図3Bは、本発明の実施形態の画像生成システムによるハイパースペクトル画像の生成の概念を説明する図である。
地上に設置された地物(建物、樹木、道路、水域など)を所定の空間分解能(m/pixel)で、所定の波長分解能(nm/band)で撮影し、複数の周波数帯域を含むマルチスペクトル画像を取得する。その後、各ピクセルの波長分解能がより高い周波数特性を持つハイパースペクトル画像に変換する。
図3Bに、低い波長分解能の撮影画像(マルチスペクトル画像)の周波数特性と、波長分解能が高いハイパースペクトル画像の周波数特性とを示す。図示するように、ハイパースペクトル画像は波長分解能が高く、ハイパースペクトル画像に含まれる各周波数帯域幅(波長幅)が狭い。
図4は、本発明の実施形態の画像生成システムの処理を示すフローチャートである。また、図5及び図6は、図4に示す処理によるスペクトルの変化を説明する図である。
まず、人工衛星等によって撮影された画像スペクトルをS(0)と定める(S1)。S(0)は離散関数であり、図5において実線及び●で示す。
その後、S(0)の測定値に曲線を当てはめ、回帰曲線R(0)を求める(S2)。R(0)は連続関数で与えられ、図5において破線で示す。このとき、パラメータiは0である。この曲線の当てはめには、最小二乗法による多項式曲線の当てはめを用いることができる。なお、S(i)は画像スペクトルの離散値(離散関数)であり、R(i)は反射光線のスペクトルの値(連続関数)である。
その後、パラメータiに1を加えた後(S3)、式(2)を用いて、画像スペクトルS(1)を計算する(S4)。
S(i)=R(i−1)×SRF … (2)
式(2)において、SRFは、センサの応答特性関数であり、画像スペクトルS(i)の帯域内におけるセンサの感度の周波数特性を示す。
S(i)=R(i−1)×SRF … (2)
式(2)において、SRFは、センサの応答特性関数であり、画像スペクトルS(i)の帯域内におけるセンサの感度の周波数特性を示す。
次に、式(3)を用いて、前回の計算値からの差分E(i)を計算する(S5)。
E(i)=S(i)−S(i−1) … (3)
なお、図5において、E(0)を●と▲との間隔によって示す。
E(i)=S(i)−S(i−1) … (3)
なお、図5において、E(0)を●と▲との間隔によって示す。
その後、計算された差分E(i)と所定の閾値(Error)と比較する(S6)。その結果、差分E(i)が所定の閾値(Error)より小さければ、画像スペクトルS(i)が十分に収束していると判定し、回帰曲線R(i)を最終的に求められる曲線Cと定める(S9)。図6において、曲線Cは破線で示される連続関数であり、画像スペクトルS(0)より高い波長分解能を持つ。すなわち、曲線Cは連続関数なので、いずれの波長においても、スペクトルの値(信号強度)を得ることができる。
その後、定められた曲線Cに、SRFを乗じることによって、ハイパースペクトル画像(Image)を求めることができる(S10)。
一方、差分E(i)が所定の閾値(Error)以上であれば、画像スペクトルS(i)が、まだ収束していないと判定し、式(4)を用いて、差分E(i)に所定の係数Kを乗じた値を画像スペクトルS(i−1)に加算し、画像スペクトルS(i)を求める(S7)。
S(i)=S(i−1)+K×E(i) … (4)
なお、係数Kは、0より大きく、1以下の値であればよい。係数Kに大きな値を選択することによって、収束計算を早くすることができ、計算量を削減することができる。一方、係数Kに小さな値を選択することによって、求められるハイパースペクトル画像(Image)の精度を向上させることができる。
S(i)=S(i−1)+K×E(i) … (4)
なお、係数Kは、0より大きく、1以下の値であればよい。係数Kに大きな値を選択することによって、収束計算を早くすることができ、計算量を削減することができる。一方、係数Kに小さな値を選択することによって、求められるハイパースペクトル画像(Image)の精度を向上させることができる。
図5において、KE(0)を●と◆との間隔によって示す。なお、図示を省略するが、画像スペクトルS(1)は、◆を結んだ離散関数である。
その後、ステップS2と同様の方法によって、S(i)(離散関数S(1))に含まれる各値に曲線を当てはめ、回帰曲線R(i)を求める(S8)。図5において、R(1)は一点鎖線で示される連続関数である。その後、ステップS3に戻り、次のループを実行する。
本実施形態によって生成されるハイパースペクトル画像は、地物からの反射光によるスペクトルの十分な特徴を復元することができる。通常、提供者からマルチスペクトル画像と共に提供されるSRFを除き、事前の準備は不要である。そのため、本実施形態は、実用的であり、かつ、信頼性が高いハイパースペクトル画像が得られる。また、今までは、ハイパースペクトル画像だけが、スペクトルの特徴を見出すために使用可能であったが、本実施形態は、マルチスペクトル画像からハイパースペクトル画像を生成するので、マルチスペクトル画像からスペクトルの特徴を見出すための新しい方法を提供する。
また、本発明の実施形態の方法は、スタンドアロンなシステム(望ましくは、サーバ計算機)で実行されるプログラムで行うことができる。例えば、リモートセンシングによって得られたデータを提供する事業者が、ハイパースペクトル画像を生成し、これを分析するサービスを提供することが可能になる。
以上、本発明を添付の図面を参照して詳細に説明したが、本発明はこのような具体的構成に限定されるものではなく、添付した請求の範囲の趣旨内における様々な変更及び同等の構成を含むものである。
Claims (6)
- 波長分解能が高いスペクトル画像を元スペクトル画像から生成する画像生成システムであって、
スペクトル画像を生成するための演算を行う演算部と、
前記演算部によって実行されるプログラムを格納するメモリと、を備え、
前記演算部は、
前記元スペクトル画像に当てはまる回帰曲線を求め、
前記求められた回帰曲線にセンサの応答特性関数を乗じてスペクトル画像を生成し、
前記生成されたスペクトル画像と前記元スペクトル画像との差分を計算し、
前記計算された差分と所定の閾値とを比較し、
前記比較の結果、前記差分が前記所定の閾値より小さい場合、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成し、
前記比較の結果、前記差分が前記所定の閾値より大きい場合、前記生成されたスペクトル画像を前記元スペクトル画像として再度演算を行うために、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成することを特徴とする画像生成システム。 - 請求項1に記載の画像生成システムであって、
前記演算部は、前記元スペクトル画像に前記計算された誤差に所定の計数を乗じた値を加えることによって、前記再度演算を行うための元スペクトル画像を生成することを特徴とする画像生成システム。 - 請求項1に記載の画像生成システムであって、
前記センサは、応答特性関数が異なる複数のセンサ素子を有し、
前記演算部は、前記センサ素子毎に異なる応答特性関数を用いて、異なるスペクトル画像を生成することを特徴とする画像生成システム。 - スペクトル画像を生成するための演算を行う演算部と、前記演算部によって実行されるプログラムを格納するメモリとを有する画像生成システムを用いて、波長分解能が高いスペクトル画像を元スペクトル画像から生成する画像生成方法であって、
前記元スペクトル画像に当てはまる回帰曲線を求める第1ステップと、
前記求められた回帰曲線にセンサの応答特性関数を乗じてスペクトル画像を生成する第2ステップと、
前記生成されたスペクトル画像と前記元スペクトル画像との差分を計算する第3ステップと、
前記計算された差分と所定の閾値とを比較する第4ステップと、
前記比較の結果、前記差分が前記所定の閾値より小さい場合、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成する第5ステップと、
前記比較の結果、前記差分が前記所定の閾値より大きい場合、前記生成されたスペクトル画像を前記元スペクトル画像として再度演算を行うために、前記求められた回帰曲線に前記センサの応答特性関数を乗じてスペクトル画像を生成する第6ステップと、を含むことを特徴とする画像生成方法。 - 請求項4に記載の画像生成方法であって、
前記第6ステップは、前記元スペクトル画像に前記計算された誤差に所定の計数を乗じた値を加えることによって、前記再度演算を行うための元スペクトル画像を生成することを特徴とする画像生成方法。 - 請求項4に記載の画像生成方法であって、
前記センサは、応答特性関数が異なる複数のセンサ素子を有し、
前記第2ステップ及び前記第6ステップにおいて、前記センサ素子毎に異なる応答特性関数を用いることを特徴とする画像生成方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2012/058313 WO2013145201A1 (ja) | 2012-03-29 | 2012-03-29 | 画像生成システム及び画像生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2013145201A1 true JPWO2013145201A1 (ja) | 2015-08-03 |
JP5807111B2 JP5807111B2 (ja) | 2015-11-10 |
Family
ID=49258565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014507167A Expired - Fee Related JP5807111B2 (ja) | 2012-03-29 | 2012-03-29 | 画像生成システム及び画像生成方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5807111B2 (ja) |
WO (1) | WO2013145201A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3489889B1 (en) | 2016-07-25 | 2023-09-20 | Nec Corporation | Information processing device, information processing method, and recording medium |
JP6951753B2 (ja) * | 2018-03-27 | 2021-10-20 | エバ・ジャパン 株式会社 | 情報探索システム及びプログラム |
JP2019039913A (ja) * | 2018-08-02 | 2019-03-14 | 株式会社Zmp | モニタリングシステム |
JP7345935B1 (ja) | 2022-10-12 | 2023-09-19 | 国立研究開発法人農業・食品産業技術総合研究機構 | 情報処理装置、情報処理方法、およびプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000251052A (ja) * | 1999-03-01 | 2000-09-14 | Ntt Data Corp | リモートセンシングにおけるデータ管理方法及び装置、記録媒体 |
JP2004280591A (ja) * | 2003-03-17 | 2004-10-07 | Ntt Data Corp | マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2984570B2 (ja) * | 1995-01-20 | 1999-11-29 | 財団法人鉄道総合技術研究所 | 自動列車停止装置地上子の測定方法および測定装置 |
BR0316272A (pt) * | 2002-11-14 | 2005-10-11 | Team Medical Llc | Método e sistema para o processamento de sinal de diagnóstico |
JP4663590B2 (ja) * | 2006-06-14 | 2011-04-06 | 日本電信電話株式会社 | ピーク位置変動量測定装置、その測定方法及びプログラム |
-
2012
- 2012-03-29 WO PCT/JP2012/058313 patent/WO2013145201A1/ja active Application Filing
- 2012-03-29 JP JP2014507167A patent/JP5807111B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000251052A (ja) * | 1999-03-01 | 2000-09-14 | Ntt Data Corp | リモートセンシングにおけるデータ管理方法及び装置、記録媒体 |
JP2004280591A (ja) * | 2003-03-17 | 2004-10-07 | Ntt Data Corp | マルチスペクトル画像処理装置、マルチスペクトル画像処理方法、およびコンピュータが実行するためのプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5807111B2 (ja) | 2015-11-10 |
WO2013145201A1 (ja) | 2013-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
O’Connor et al. | Cameras and settings for aerial surveys in the geosciences: Optimising image data | |
US20230316555A1 (en) | System and Method for Image-Based Remote Sensing of Crop Plants | |
JP6586430B2 (ja) | 車両位置の推定 | |
US8094960B2 (en) | Spectral calibration of image pairs using atmospheric characterization | |
JP4750443B2 (ja) | 単一のイメージからのラジオメトリック較正 | |
US20100008595A1 (en) | Automated atmospheric characterization of remotely sensed multi-spectral imagery | |
US10373339B2 (en) | Hyperspectral scene analysis via structure from motion | |
de Oliveira et al. | Geometric calibration of a hyperspectral frame camera | |
JP5807111B2 (ja) | 画像生成システム及び画像生成方法 | |
US10650498B2 (en) | System, method, and non-transitory, computer-readable medium containing instructions for image processing | |
US9212851B2 (en) | Multi resolution, hierarchical radiance field estimation | |
Eismann et al. | Airborne hyperspectral detection of small changes | |
CN113256493B (zh) | 一种热红外遥感图像重建方法和装置 | |
CN113052153B (zh) | 遥感反射率影像的检验方法、装置、电子设备及存储介质 | |
De Vis et al. | Generating hyperspectral reference measurements for surface reflectance from the LANDHYPERNET and WATERHYPERNET networks | |
JP6275695B2 (ja) | 推定装置、推定方法、集積回路およびプログラム | |
CN113272855A (zh) | 用于重叠多图像应用的响应归一化 | |
Yu et al. | Efficient statistical validation of autonomous driving systems | |
CN112967346B (zh) | 遥感传感器辐射定标方法、装置和电子设备 | |
JP6288445B2 (ja) | スペクトル処理装置、スペクトル処理プログラム、スペクトル処理システムおよびスペクトル処理方法 | |
JP2007199750A (ja) | 画素群パラメータ算出方法及び目標物検出方法並びに画素群パラメータ算出装置及び目標物検出装置 | |
JP6856066B2 (ja) | 情報処理装置、情報処理システム、情報処理方法およびコンピュータプログラム | |
WO2016189853A1 (ja) | 画像処理装置、画像処理システム、画像処理方法およびプログラム記録媒体 | |
Eskelinen | Computational methods for hyperspectral imaging using Fabry–Perot interferometers and colour cameras | |
EP3380947B1 (fr) | Procédé et dispositif de prévision de nébulosité par traitement statistique de données sélectionnées par analyse spatiale |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150818 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150907 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5807111 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |