WO2013145201A1 - 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 PDF

Info

Publication number
WO2013145201A1
WO2013145201A1 PCT/JP2012/058313 JP2012058313W WO2013145201A1 WO 2013145201 A1 WO2013145201 A1 WO 2013145201A1 JP 2012058313 W JP2012058313 W JP 2012058313W WO 2013145201 A1 WO2013145201 A1 WO 2013145201A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
sensor
response characteristic
original
difference
Prior art date
Application number
PCT/JP2012/058313
Other languages
English (en)
French (fr)
Inventor
タオ グオ
渡邊　高志
俊宏 鯨井
Original Assignee
株式会社日立製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to PCT/JP2012/058313 priority Critical patent/WO2013145201A1/ja
Priority to JP2014507167A priority patent/JP5807111B2/ja
Publication of WO2013145201A1 publication Critical patent/WO2013145201A1/ja

Links

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

Definitions

  • the present invention relates to an image generation system that generates a hyperspectral image, and more particularly, to a technique for generating a hyperspectral image with a high wavelength resolution from a multispectral image with a low wavelength resolution.
  • a sensor mounted on an aircraft, an artificial satellite, or the like acquires reflected light from a feature, separates the acquired reflected light for each frequency band, and generates a multispectral image of a plurality of frequency bands (see FIG. 7). .
  • multispectral images spectral images with high wavelength resolution (including hundreds of narrow bands) are called hyperspectral images.
  • Hyperspectral images contain many spectral features and have a high potential for identifying features, so their importance is increasing. However, hyperspectral images are not widely used. According to current sensor technology, hyperspectral images with high wavelength resolution are obtained from aircraft, and satellites only provide multispectral images with low wavelength resolution. That is, a sensor mounted on an aircraft for generating the spectrum image has a high wavelength resolution, and thus a hyperspectral image including several hundred narrow bands can be obtained.
  • a multispectral image includes an image of a plurality of frequency bands between purple and infrared, and the width of one frequency band is a wavelength of 40 to 100 nm.
  • a black-and-white image is obtained by detecting the intensity of light within a band using visible light (about 400 to 900 nm) as one band with a width of several hundreds of nm.
  • a black and white image may be used in combination with the multispectral image described above.
  • a hyperspectral image includes images in a plurality of frequency bands between purple and infrared as in the case of a multispectral image, but the width of one frequency band is 20 to 50 nm, and the wavelength resolution is higher than that of a multispectral image. .
  • the sensor mounted on the aircraft is expensive, and the aircraft flies at a low altitude as compared to the artificial satellite, so the imaging range is narrow and the cost for imaging a wide area is high.
  • the sensor mounted on the artificial satellite has a low resolution, the artificial satellite flies at a high altitude, so that an image of a wide area can be obtained at a low cost with a wide imaging range. Therefore, one problem is that the cost of acquiring a hyperspectral image is high.
  • the features installed on the ground have different spectrum characteristics of reflected light depending on the type (building, tree, road, water area, etc.).
  • the type of the feature can be specified.
  • the kind of tree can be specified, and the growth status of the crop can be confirmed.
  • the object of the present invention is to reconstruct a spectrum curve by reflected light from a feature and to provide information for finding a spectrum characteristic.
  • a typical example of the invention disclosed in the present application is as follows. That is, an image generation system that generates a spectral image with high wavelength resolution from an original spectral image, a calculation unit that performs a calculation for generating a spectral image, and a memory that stores a program executed by the calculation unit
  • the calculation unit obtains a regression curve that applies to the original spectrum image, generates a spectrum image by multiplying the obtained regression curve by a response characteristic function of a sensor, and generates the spectrum image and the element Calculating a difference with a spectral image, comparing the calculated difference with a predetermined threshold, and if the result of the comparison is that the difference is less than the predetermined threshold, the response of the sensor to the determined regression curve
  • a spectral image is generated by multiplying by a characteristic function, and if the difference is larger than the predetermined threshold as a result of the comparison, the spectral image is generated.
  • a hyperspectral image that reproduces reflected light from a feature can be obtained by a simple method.
  • the main feature of the embodiment of the present invention is to create a spectrum that reproduces reflected light from a feature by using a sensor response function (SRF).
  • SRF sensor response function
  • Conventional methods mainly focus on images and their attributes, and the influence of sensors has been ignored.
  • the present invention provides a method for restoring a spectrum based on a physical model of a sensor. This is an ideal continuous spectrum curve that eliminates the effects of the sensor.
  • the hyperspectral image is generated by sampling points on the generated ideal spectral curve.
  • FIG. 1 is a block diagram showing a configuration of an image generation system according to an embodiment of the present invention.
  • the image generation system includes a calculation unit 10, a storage device 20, a communication interface 30, and a medium driver 40.
  • the calculation unit 10 includes a processor (CPU) 101 that executes a program, a ROM 102 that is a nonvolatile storage element, and a RAM 103 that is a volatile storage element.
  • the ROM 102 stores an invariant program (for example, BIOS).
  • BIOS basic input system
  • the RAM 103 temporarily stores a program stored in the storage device 20 and data used when the program is executed.
  • the storage device 20 is a large-capacity nonvolatile storage device such as a magnetic storage device or a flash memory, and stores a program executed by the processor 101 and data used when the program is executed. That is, the program executed by the processor 101 is read from the storage device 20, loaded into the RAM 103, and executed by the processor 101.
  • the communication interface 30 is a network interface device that controls communication with other devices according to a predetermined protocol.
  • the medium driver 40 is an interface (for example, an optical disk drive, a USB port) for reading a recording medium 50 in which a program and data introduced into the image generation system are stored.
  • FIG. 2 is a diagram for explaining a method of acquiring the spectrum image S according to the embodiment of the present invention.
  • a sensor mounted on an artificial satellite or the like acquires reflected light R from a feature, separates the acquired reflected light for each frequency band, and generates a spectrum image S including a plurality of frequency bands.
  • SRF sensor response characteristic function
  • the response characteristic function is usually different for each sensor element.
  • different spectral images are generated by using different response characteristic functions for each sensor element.
  • 3A and 3B are diagrams illustrating the concept of hyperspectral image generation by the image generation system according to the embodiment of the present invention.
  • Multispectral including multiple frequency bands by photographing ground features (buildings, trees, roads, water areas, etc.) with a predetermined spatial resolution (m / pixel) and a predetermined wavelength resolution (nm / band) Get an image. Thereafter, each pixel is converted into a hyperspectral image having a frequency characteristic with a higher wavelength resolution.
  • FIG. 3B shows the frequency characteristics of a captured image (multispectral image) with a low wavelength resolution and the frequency characteristics of a hyperspectral image with a high wavelength resolution.
  • the hyperspectral image has high wavelength resolution, and each frequency bandwidth (wavelength width) included in the hyperspectral image is narrow.
  • FIG. 4 is a flowchart showing processing of the image generation system according to the embodiment of the present invention.
  • 5 and 6 are diagrams for explaining changes in the spectrum due to the processing shown in FIG.
  • S (0) is a discrete function, and is indicated by a solid line and ⁇ in FIG.
  • R (0) is given by a continuous function and is indicated by a broken line in FIG.
  • the parameter i is 0.
  • S (i) is a discrete value (discrete function) of the image spectrum
  • R (i) is a spectrum value (continuous function) of the reflected light.
  • the image spectrum S (1) is calculated using the equation (2) (S4).
  • S (i) R (i ⁇ 1) ⁇ SRF (2)
  • SRF is a response characteristic function of the sensor, and indicates a frequency characteristic of the sensitivity of the sensor within the band of the image spectrum S (i).
  • Equation (3) S 5
  • E (0) is indicated by an interval between ⁇ and ⁇ .
  • a curve C is a continuous function indicated by a broken line and has a wavelength resolution higher than that of the image spectrum S (0). That is, since the curve C is a continuous function, a spectrum value (signal intensity) can be obtained at any wavelength.
  • a hyperspectral image (Image) can be obtained by multiplying the determined curve C by SRF (S10).
  • Equation (4) A value multiplied by a predetermined coefficient K is added to the image spectrum S (i ⁇ 1) to obtain the image spectrum S (i) (S7).
  • S (i) S (i ⁇ 1) + K ⁇ E (i) (4)
  • the coefficient K may be a value greater than 0 and less than or equal to 1.
  • KE (0) is indicated by the interval between ⁇ and ⁇ .
  • image spectrum S (1) is a discrete function which connected *.
  • the hyperspectral image generated according to the present embodiment can restore sufficient characteristics of the spectrum due to the reflected light from the feature.
  • no prior preparation is required except for SRF provided with multi-spectral images from the provider. Therefore, this embodiment is practical and provides a highly reliable hyperspectral image.
  • hyperspectral images could be used to find spectral features, but this embodiment generates hyperspectral images from multispectral images, so spectral features from multispectral images. Provides a new way to find out.
  • the method of the embodiment of the present invention can be performed by a program executed by a stand-alone system (preferably a server computer).
  • a stand-alone system preferably a server computer.
  • an operator that provides data obtained by remote sensing can provide a service for generating and analyzing a hyperspectral image.

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

画像生成システム及び画像生成方法
　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画像生成システムの構成を示すブロック図である。 本発明の実施形態のマルチスペクトル画像を取得する方法を説明する図である。 本発明の実施形態の画像生成システムによるスペクトル超分解能画像の生成の概念を説明する図である。 本発明の実施形態の画像生成システムによるスペクトル超分解能画像の生成の概念を説明する図である。 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。 本発明の実施形態の画像生成システムの処理によるスペクトルの変化を説明する図である。 本発明の実施形態の画像生成システムによって生成されるスペクトルを説明する図である。 マルチスペクトル画像を取得する方法を説明する図である。 マルチスペクトル画像及びハイパースペクトル画像を説明する図である。
　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。
　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。
　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。
　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。
　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)

  1. 　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。
  2. 　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。
  3. 　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。
  4. 　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。
  5. 　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。
  6. 　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。
PCT/JP2012/058313 2012-03-29 2012-03-29 画像生成システム及び画像生成方法 WO2013145201A1 (ja)

Priority Applications (2)

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
JP2014507167A JP5807111B2 (ja) 2012-03-29 2012-03-29 画像生成システム及び画像生成方法

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 (1)

Publication Number Publication Date
WO2013145201A1 true WO2013145201A1 (ja) 2013-10-03

Family

ID=49258565

Family Applications (1)

Application Number Title Priority Date Filing Date
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

Country Status (2)

Country Link
JP (1) JP5807111B2 (ja)
WO (1) WO2013145201A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018021079A1 (ja) * 2016-07-25 2018-02-01 日本電気株式会社 情報処理装置、情報処理方法、及び、記録媒体
JP2019039913A (ja) * 2018-08-02 2019-03-14 株式会社Ｚｍｐ モニタリングシステム
WO2019187277A1 (ja) * 2018-03-27 2019-10-03 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
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 (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08201454A (ja) * 1995-01-20 1996-08-09 Railway Technical Res Inst 自動列車停止装置地上子の測定方法および測定装置
JP2006506190A (ja) * 2002-11-14 2006-02-23 チーム メディカル エル．エル．シー． 診断信号処理方法及びシステム
JP2007333535A (ja) * 2006-06-14 2007-12-27 Nippon Telegr & Teleph Corp <Ntt> 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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4326621B2 (ja) * 1999-03-01 2009-09-09 株式会社エヌ・ティ・ティ・データ データ管理方法及び装置、記録媒体
JP3822179B2 (ja) * 2003-03-17 2006-09-13 株式会社エヌ・ティ・ティ・データ 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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08201454A (ja) * 1995-01-20 1996-08-09 Railway Technical Res Inst 自動列車停止装置地上子の測定方法および測定装置
JP2006506190A (ja) * 2002-11-14 2006-02-23 チーム メディカル エル．エル．シー． 診断信号処理方法及びシステム
JP2007333535A (ja) * 2006-06-14 2007-12-27 Nippon Telegr & Teleph Corp <Ntt> 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

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018021079A1 (ja) * 2016-07-25 2018-02-01 日本電気株式会社 情報処理装置、情報処理方法、及び、記録媒体
JPWO2018021079A1 (ja) * 2016-07-25 2019-05-09 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム
US10963991B2 (en) 2016-07-25 2021-03-30 Nec Corporation Information processing device, information processing method, and recording medium
JP7077945B2 (ja) 2016-07-25 2022-05-31 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム
WO2019187277A1 (ja) * 2018-03-27 2019-10-03 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
JP2019174200A (ja) * 2018-03-27 2019-10-10 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
JP2024057358A (ja) * 2022-10-12 2024-04-24 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

Also Published As

Publication number Publication date
JPWO2013145201A1 (ja) 2015-08-03
JP5807111B2 (ja) 2015-11-10

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
US8094960B2 (en) Spectral calibration of image pairs using atmospheric characterization
JP6586430B2 (ja) 車両位置の推定
Rogan et al. Remote sensing technology for mapping and monitoring land-cover and land-use change
US7826685B2 (en) Spatial and spectral calibration of a panchromatic, multispectral image pair
US8073279B2 (en) Automated atmospheric characterization of remotely sensed multi-spectral imagery
US10373339B2 (en) Hyperspectral scene analysis via structure from motion
Miyoshi et al. Radiometric block adjustment of hyperspectral image blocks in the Brazilian environment
CN107407599A (zh) 用于从传感器数据估计输入光谱的方法和系统
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
CN112529807A (zh) 卫星影像的相对辐射校正方法和装置
Eismann et al. Airborne hyperspectral detection of small changes
Soukup et al. HYPERCUBE: ONBOARD PROCESSING OF HYPERSPECTRAL IMAGING DATA ON A NANOSATELLITE
CN113256493B (zh) 一种热红外遥感图像重建方法和装置
De Vis et al. Generating hyperspectral reference measurements for surface reflectance from the LANDHYPERNET and WATERHYPERNET networks
EP3384462A1 (fr) Procede de caracterisation d&#39;une scene par calcul d&#39;orientation 3d
JP6275695B2 (ja) 推定装置、推定方法、集積回路およびプログラム
Reulke et al. Image quality and image resolution
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
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

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12872824

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014507167

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12872824

Country of ref document: EP

Kind code of ref document: A1