ホーム > 特許ランキング > 三菱電機ソフトウエア株式会社
知財求人 - 知財ポータルサイト「IP Force」
特開2024-141306模擬ノイズ付与装置、模擬ノイズ付与プログラム、模擬ノイズ付与方法、ノイズ検出システム、ノイズ検出プログラムおよびノイズ検出方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024141306
(43)【公開日】2024-10-10
(54)【発明の名称】模擬ノイズ付与装置、模擬ノイズ付与プログラム、模擬ノイズ付与方法、ノイズ検出システム、ノイズ検出プログラムおよびノイズ検出方法
(51)【国際特許分類】
G06T 5/50 20060101AFI20241003BHJP
G06T 7/00 20170101ALI20241003BHJP
G01S 13/89 20060101ALN20241003BHJP
【ＦＩ】
G06T5/50
G06T7/00 350B
G01S13/89
【審査請求】未請求
【請求項の数】14
【出願形態】ＯＬ
(21)【出願番号】P 2023052879
(22)【出願日】2023-03-29
(71)【出願人】
【識別番号】591102095
【氏名又は名称】三菱電機ソフトウエア株式会社
(74)【代理人】
【識別番号】110002491
【氏名又は名称】弁理士法人クロスボーダー特許事務所
(72)【発明者】
【氏名】西村 健志
(72)【発明者】
【氏名】島田 拓弥
【テーマコード（参考）】
5B057
5J070
5L096
【Ｆターム（参考）】
5B057AA14
5B057CA08
5B057CA12
5B057CA16
5B057CB08
5B057CB12
5B057CB16
5B057CD02
5B057CD05
5B057CE08
5B057CE12
5B057DB02
5B057DB09
5B057DC03
5B057DC08
5J070AE07
5J070AF08
5J070BE01
5L096AA06
5L096EA03
5L096EA14
5L096EA15
5L096EA43
5L096FA25
5L096FA64
5L096FA69
5L096GA30
5L096HA11
5L096KA04
(57)【要約】
【課題】本物のノイズに近いノイズを含んだ画像を生成する。
【解決手段】模擬ノイズ生成部１１０は、特定パターンを有する模擬ノイズを生成する。模擬ノイズ補正部１２０は、生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する。模擬ノイズ重畳部１３０は、補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する。
【選択図】図１
【解決手段】模擬ノイズ生成部１１０は、特定パターンを有する模擬ノイズを生成する。模擬ノイズ補正部１２０は、生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する。模擬ノイズ重畳部１３０は、補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する。
【選択図】図１
【特許請求の範囲】
【請求項1】
特定パターンを有する模擬ノイズを生成する模擬ノイズ生成部と、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正部と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳部と、
を備える模擬ノイズ付与装置。
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正部と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳部と、
を備える模擬ノイズ付与装置。
【請求項2】
前記模擬ノイズ補正部は、疑似ランダム波形を前記生成された模擬ノイズに重畳することによって、前記生成された模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返されないようにする
請求項１に記載の模擬ノイズ付与装置。
請求項１に記載の模擬ノイズ付与装置。
【請求項3】
前記模擬ノイズ補正部は、勾配ノイズから抽出される波形を前記疑似ランダム波形として使用する
請求項２に記載の模擬ノイズ付与装置。
請求項２に記載の模擬ノイズ付与装置。
【請求項4】
前記模擬ノイズ補正部は、周期波形を前記生成された模擬ノイズに重畳することによって、前記生成された模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返されるようにする
請求項１に記載の模擬ノイズ付与装置。
請求項１に記載の模擬ノイズ付与装置。
【請求項5】
前記ノイズ付与画像が、観測画像に含まれるノイズを検出するノイズ検出器を生成するための機械学習で教師データとして使用される
請求項１から請求項４のいずれか１項に記載の模擬ノイズ付与装置。
請求項１から請求項４のいずれか１項に記載の模擬ノイズ付与装置。
【請求項6】
特定パターンを有する模擬ノイズを生成する模擬ノイズ生成処理と、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正処理と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳処理と、
をコンピュータに実行させるための模擬ノイズ付与プログラム。
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正処理と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳処理と、
をコンピュータに実行させるための模擬ノイズ付与プログラム。
【請求項7】
前記模擬ノイズ補正処理は、疑似ランダム波形を前記生成された模擬ノイズに重畳することによって、前記生成された模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返されないようにする
請求項６に記載の模擬ノイズ付与プログラム。
請求項６に記載の模擬ノイズ付与プログラム。
【請求項8】
前記模擬ノイズ補正処理は、勾配ノイズから抽出される波形を前記疑似ランダム波形として使用する
請求項７に記載の模擬ノイズ付与プログラム。
請求項７に記載の模擬ノイズ付与プログラム。
【請求項9】
前記模擬ノイズ補正処理は、周期波形を前記生成された模擬ノイズに重畳することによって、前記生成された模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返されるようにする
請求項６に記載の模擬ノイズ付与プログラム。
請求項６に記載の模擬ノイズ付与プログラム。
【請求項10】
前記ノイズ付与画像が、観測画像に含まれるノイズを検出するノイズ検出器を生成するための機械学習で教師データとして使用される
請求項６から請求項９のいずれか１項に記載の模擬ノイズ付与プログラム。
請求項６から請求項９のいずれか１項に記載の模擬ノイズ付与プログラム。
【請求項11】
特定パターンを有する模擬ノイズを生成し、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正し、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する
模擬ノイズ付与方法。
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正し、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する
模擬ノイズ付与方法。
【請求項12】
特定パターンを有する模擬ノイズを生成する模擬ノイズ生成部と、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正部と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳部と、
生成された複数のノイズ付与画像に対して機械学習を行ってノイズ検出器を生成する機械学習部と、
前記ノイズ検出器を使って観測画像に含まれるノイズを検出するノイズ検出部と、
を備えるノイズ検出システム。
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正部と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳部と、
生成された複数のノイズ付与画像に対して機械学習を行ってノイズ検出器を生成する機械学習部と、
前記ノイズ検出器を使って観測画像に含まれるノイズを検出するノイズ検出部と、
を備えるノイズ検出システム。
【請求項13】
特定パターンを有する模擬ノイズを生成する模擬ノイズ生成処理と、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正処理と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳処理と、
生成された複数のノイズ付与画像に対して機械学習を行ってノイズ検出器を生成する機械学習処理と、
前記ノイズ検出器を使って観測画像に含まれるノイズを検出するノイズ検出処理と、
をコンピュータに実行させるためのノイズ検出プログラム。
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正処理と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳処理と、
生成された複数のノイズ付与画像に対して機械学習を行ってノイズ検出器を生成する機械学習処理と、
前記ノイズ検出器を使って観測画像に含まれるノイズを検出するノイズ検出処理と、
をコンピュータに実行させるためのノイズ検出プログラム。
【請求項14】
特定パターンを有する模擬ノイズを生成し、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正し、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成し、
生成された複数のノイズ付与画像に対して機械学習を行ってノイズ検出器を生成し、
前記ノイズ検出器を使って観測画像に含まれるノイズを検出する
ノイズ検出方法。
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正し、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成し、
生成された複数のノイズ付与画像に対して機械学習を行ってノイズ検出器を生成し、
前記ノイズ検出器を使って観測画像に含まれるノイズを検出する
ノイズ検出方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、観測画像に含まれるノイズを検出するための機械学習で使用されるノイズ付与画像を生成する技術に関するものである。
【背景技術】
【0002】
地球規模の資源探査および地球規模の環境管理のために、航空機または人工衛星に放射計またはレーダを搭載して観測が行われている。
放射計およびレーダは電磁波を用いる。電磁波を用いた観測では、観測対象からの電磁波以外の電磁波を意図せず受信してしまうことがある。
例えば、マイクロ波放射計が気温または水蒸気などの物理量を推定する。このとき、マイクロ波放射計は、観測対象の周波数帯域によって、地上からの妨害電波あるいは衛星間通信の電波などを不要に受信してしまうことがある。これにより、物理量の推定に影響を及ぼす現象が発生する。
このような不要波は、周波数干渉（ＲＦＩ：Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｎｔｅｒｆｅｒｅｎｃｅ）を引き起こし、受信データ上にノイズとして現れる。
受信機器、周波数帯域、飛行軌道などに関する条件により、周波数干渉の発生条件が変わり、受信データ上のノイズの形状が変わる。
そのため、受信機器またはシステムごとに、受信データ上のノイズに対して判定等を実施する必要がある。そして、品質管理の観点から、自動でノイズを抽出する手法が試行されている。
放射計およびレーダは電磁波を用いる。電磁波を用いた観測では、観測対象からの電磁波以外の電磁波を意図せず受信してしまうことがある。
例えば、マイクロ波放射計が気温または水蒸気などの物理量を推定する。このとき、マイクロ波放射計は、観測対象の周波数帯域によって、地上からの妨害電波あるいは衛星間通信の電波などを不要に受信してしまうことがある。これにより、物理量の推定に影響を及ぼす現象が発生する。
このような不要波は、周波数干渉（ＲＦＩ：Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｎｔｅｒｆｅｒｅｎｃｅ）を引き起こし、受信データ上にノイズとして現れる。
受信機器、周波数帯域、飛行軌道などに関する条件により、周波数干渉の発生条件が変わり、受信データ上のノイズの形状が変わる。
そのため、受信機器またはシステムごとに、受信データ上のノイズに対して判定等を実施する必要がある。そして、品質管理の観点から、自動でノイズを抽出する手法が試行されている。
【0003】
非特許文献１は、ノイズの種類に応じた抽出アルゴリズムを保持したシステムを紹介している。
【先行技術文献】
【非特許文献】
【0004】
【非特許文献1】Ｆｒｅｅｋ Ｌｉｅｆｈｅｂｂｅｒ， “Ａｕｔｏｍａｔｉｃ ｑｕａｌｉｔｙ ｃｏｎｔｒｏｌ ｏｆ ｔｈｅ Ｍｅｔｅｏｓａｔ Ｆｉｒｓｔ Ｇｅｎｅｒａｔｉｏｎ ｍｅａｓｕｒｅｍｅｎｔｓ”， Ａｔｍｏｓ． Ｍｅａｓ． Ｔｅｃｈ．， １３， １１６７－１１７９， ２０２０
【発明の概要】
【発明が解決しようとする課題】
【0005】
品質管理の観点では、画像の全数確認が必要である。しかし、手動による確認は費用面を考慮すると現実的ではない。さらに、手動による確認は確認結果が不均一になるため現実的でない。そのため、ソフトウェア等によるノイズの自動判定が必要不可欠である。
【0006】
非特許文献１には、画像分類のために機械学習を用いる手法が記載されている。この手法は自動判定のために有用である。
しかし、機械学習を用いた自動判定では、学習される多量の教師データの用意が必要であることが多い。そして、周波数干渉によるノイズが重畳した多量の教師データの準備には、多くの時間を要する。
そこで、多量の教師データの用意には、模擬的にノイズを付与する装置が必要である。
ただし、そのような装置には、本物のノイズに近いノイズを生成して付与することが求められる。
しかし、機械学習を用いた自動判定では、学習される多量の教師データの用意が必要であることが多い。そして、周波数干渉によるノイズが重畳した多量の教師データの準備には、多くの時間を要する。
そこで、多量の教師データの用意には、模擬的にノイズを付与する装置が必要である。
ただし、そのような装置には、本物のノイズに近いノイズを生成して付与することが求められる。
【0007】
本開示は、本物のノイズに近いノイズを含んだ画像を生成できるようにすることを目的とする。
【課題を解決するための手段】
【0008】
本開示の模擬ノイズ付与装置は、
特定パターンを有する模擬ノイズを生成する模擬ノイズ生成部と、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正部と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳部と、を備える。
特定パターンを有する模擬ノイズを生成する模擬ノイズ生成部と、
生成された模擬ノイズの輝度を前記生成された模擬ノイズの中の位置に応じて変更することによって前記生成された模擬ノイズを補正する模擬ノイズ補正部と、
補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する模擬ノイズ重畳部と、を備える。
【発明の効果】
【0009】
本開示によれば、本物のノイズに近いノイズを含んだ画像を生成することができる。
【図面の簡単な説明】
【0010】
【図1】実施の形態１における模擬ノイズ付与装置１００の構成図。
【図2】実施の形態１における模擬ノイズ生成部１１０の構成図。
【図3】実施の形態１における模擬ノイズ付与方法のフローチャート。
【図4】実施の形態１におけるステップＳ１１０のフローチャート。
【図5】実施の形態１における線状ノイズの例を示す図。
【図6】実施の形態１における網目状ノイズの例を示す図。
【図7】実施の形態１における斑点状ノイズの例を示す図。
【図8】実施の形態１におけるパーリンノイズ（２次元）の例を示す図。
【図9】実施の形態１におけるパーリンノイズ（１次元）の例を示す図。
【図10】実施の形態１における模擬ノイズの例を示す図。
【図11】実施の形態１におけるノイズ付与画像の例を示す図。
【図12】実施の形態１におけるノイズ付与画像の例を示す図。
【図13】実施の形態１におけるノイズ検出システム２００の構成図。
【図14】周波数干渉ノイズを含んだ画像の例を示す図。
【発明を実施するための形態】
【0011】
実施の形態および図面において、同じ要素または対応する要素には同じ符号を付している。説明した要素と同じ符号が付された要素の説明は適宜に省略または簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。
【0012】
【0013】
＊＊＊構成の説明＊＊＊
図１に基づいて、模擬ノイズ付与装置１００の構成を説明する。
模擬ノイズ付与装置１００は、プロセッサ１０１とメモリ１０２と補助記憶装置１０３と通信装置１０４と入出力インタフェース１０５といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。
図１に基づいて、模擬ノイズ付与装置１００の構成を説明する。
模擬ノイズ付与装置１００は、プロセッサ１０１とメモリ１０２と補助記憶装置１０３と通信装置１０４と入出力インタフェース１０５といったハードウェアを備えるコンピュータである。これらのハードウェアは、信号線を介して互いに接続されている。
【0014】
プロセッサ１０１は、演算処理を行うＩＣであり、他のハードウェアを制御する。例えば、プロセッサ１０１はＣＰＵである。
ＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
ＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
【0015】
メモリ１０２は揮発性または不揮発性の記憶装置である。メモリ１０２は、主記憶装置またはメインメモリとも呼ばれる。例えば、メモリ１０２はＲＡＭである。メモリ１０２に記憶されたデータは必要に応じて補助記憶装置１０３に保存される。
ＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。
ＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。
【0016】
補助記憶装置１０３は不揮発性の記憶装置である。例えば、補助記憶装置１０３は、ＲＯＭ、ＨＤＤ、フラッシュメモリまたはこれらの組み合わせである。補助記憶装置１０３に記憶されたデータは必要に応じてメモリ１０２にロードされる。
ＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。
ＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略称である。
ＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。
ＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略称である。
【0017】
通信装置１０４はレシーバ及びトランスミッタである。例えば、通信装置１０４は通信チップまたはＮＩＣである。模擬ノイズ付与装置１００の通信は通信装置１０４を用いて行われる。
ＮＩＣは、Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄの略称である。
ＮＩＣは、Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄの略称である。
【0018】
入出力インタフェース１０５は、入力装置および出力装置が接続されるポートである。例えば、入出力インタフェース１０５はＵＳＢ端子であり、入力装置はキーボードおよびマウスであり、出力装置はディスプレイである。模擬ノイズ付与装置１００の入出力は入出力インタフェース１０５を用いて行われる。
ＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略称である。
ＵＳＢは、Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓの略称である。
【0019】
模擬ノイズ付与装置１００は、模擬ノイズ生成部１１０と模擬ノイズ補正部１２０と模擬ノイズ重畳部１３０といった要素を備える。これらの要素はソフトウェアで実現される。
【0020】
補助記憶装置１０３には、模擬ノイズ生成部１１０と模擬ノイズ補正部１２０と模擬ノイズ重畳部１３０としてコンピュータを機能させるための模擬ノイズ付与プログラムが記憶されている。模擬ノイズ付与プログラムは、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
補助記憶装置１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
プロセッサ１０１は、ＯＳを実行しながら、模擬ノイズ付与プログラムを実行する。
ＯＳは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略称である。
補助記憶装置１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
プロセッサ１０１は、ＯＳを実行しながら、模擬ノイズ付与プログラムを実行する。
ＯＳは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略称である。
【0021】
模擬ノイズ付与プログラムの入出力データは記憶部１９０に記憶される。
メモリ１０２は記憶部１９０として機能する。但し、補助記憶装置１０３、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、メモリ１０２の代わりに、又は、メモリ１０２と共に、記憶部１９０として機能してもよい。
メモリ１０２は記憶部１９０として機能する。但し、補助記憶装置１０３、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、メモリ１０２の代わりに、又は、メモリ１０２と共に、記憶部１９０として機能してもよい。
【0022】
模擬ノイズ付与プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。
【0023】
図２に基づいて、模擬ノイズ生成部１１０の構成を説明する。
模擬ノイズ生成部１１０は、ノイズパターン選択部１１１と線状ノイズ生成部１１２と網目状ノイズ生成部１１３と斑点状ノイズ生成部１１４といった要素を備える。
模擬ノイズ生成部１１０は、ノイズパターン選択部１１１と線状ノイズ生成部１１２と網目状ノイズ生成部１１３と斑点状ノイズ生成部１１４といった要素を備える。
【0024】
＊＊＊動作の説明＊＊＊
模擬ノイズ付与装置１００の動作の手順は模擬ノイズ付与方法に相当する。また、模擬ノイズ付与装置１００の動作の手順は模擬ノイズ付与プログラムによる処理の手順に相当する。
模擬ノイズ付与装置１００の動作の手順は模擬ノイズ付与方法に相当する。また、模擬ノイズ付与装置１００の動作の手順は模擬ノイズ付与プログラムによる処理の手順に相当する。
【0025】
図３に基づいて、模擬ノイズ付与方法を説明する。
ステップＳ１１０において、模擬ノイズ生成部１１０は模擬ノイズを生成する。
模擬ノイズは、観測画像に含まれる本物のノイズ（特に周波数干渉ノイズ）を模擬して生成されるノイズである。
ステップＳ１１０において、模擬ノイズ生成部１１０は模擬ノイズを生成する。
模擬ノイズは、観測画像に含まれる本物のノイズ（特に周波数干渉ノイズ）を模擬して生成されるノイズである。
【0026】
図４に基づいて、ステップＳ１１０の詳細を説明する。
ステップＳ１１１において、ノイズパターン選択部１１１は、生成する模擬ノイズのノイズパターンを選択する。ノイズパターンは模擬ノイズの形状を示す。
ステップＳ１１１において、ノイズパターン選択部１１１は、生成する模擬ノイズのノイズパターンを選択する。ノイズパターンは模擬ノイズの形状を示す。
【0027】
具体的には、ノイズパターン選択部１１１は、線状ノイズと網目状ノイズと斑点状ノイズの少なくともいずれかを選択する。
【0028】
ノイズパターンは以下のように選択される。
例えば、利用者が模擬ノイズ付与装置１００に対してノイズパターンを指定し、ノイズパターン選択部１１１は指定されたノイズパターンを選択する。
例えば、ノイズパターン選択部１１１はノイズパターンをランダムに選択する。具体的には、ノイズパターン選択部１１１は、任意の確率分布に従って乱数を生成し、生成された乱数を使ってノイズパターンを選択する。
例えば、利用者が模擬ノイズ付与装置１００に対してノイズパターンを指定し、ノイズパターン選択部１１１は指定されたノイズパターンを選択する。
例えば、ノイズパターン選択部１１１はノイズパターンをランダムに選択する。具体的には、ノイズパターン選択部１１１は、任意の確率分布に従って乱数を生成し、生成された乱数を使ってノイズパターンを選択する。
【0029】
ステップＳ１１１の説明を補足する。
ノイズパターンが異なる複数の模擬ノイズを組み合わせることが可能である。
例えば、網目状ノイズと斑点状ノイズを組み合わせると、網目斑点状ノイズを生成することができる。
また、線状ノイズと斑点状ノイズを組み合わせると、部分的な線状ノイズを生成することができる。
ノイズパターンが異なる複数の模擬ノイズを組み合わせることが可能である。
例えば、網目状ノイズと斑点状ノイズを組み合わせると、網目斑点状ノイズを生成することができる。
また、線状ノイズと斑点状ノイズを組み合わせると、部分的な線状ノイズを生成することができる。
【0030】
次に、ステップＳ１１２を説明する。
ステップＳ１１２は、ステップＳ１１１で線状ノイズが選択された場合に実行される。
ステップＳ１１２は、ステップＳ１１１で線状ノイズが選択された場合に実行される。
【0031】
ステップＳ１１２において、線状ノイズ生成部１１２は線状ノイズを生成する。
【0032】
線状ノイズは以下のように生成される。
線状ノイズ生成部１１２は、ガウス分布パラメータのパラメータ値に従うガウス分布を横に並べることで線状ノイズを生成する。
ガウス分布パラメータは、振幅と半値全幅である。
線状ノイズ生成部１１２は、ガウス分布パラメータのパラメータ値に従うガウス分布を横に並べることで線状ノイズを生成する。
ガウス分布パラメータは、振幅と半値全幅である。
【0033】
線状ノイズ生成部１１２は、ガウス分布を横ではなく縦に並べて線状ノイズを生成しても構わない。
画像の縦方向は、アロングトラック方向に相当する。アロングトラック方向は、観測衛星の進行方向である。観測衛星は観測を行う飛翔体の例である。
画像の横方向は、クロストラック方向に相当する。クロストラック方向は、観測衛星の進行方向と直交する方向である。
画像の縦方向は、アロングトラック方向に相当する。アロングトラック方向は、観測衛星の進行方向である。観測衛星は観測を行う飛翔体の例である。
画像の横方向は、クロストラック方向に相当する。クロストラック方向は、観測衛星の進行方向と直交する方向である。
【0034】
ガウス分布パラメータのパラメータ値は以下のように決められる。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。線状ノイズ生成部１１２は指定されたパラメータ値を使用する。
例えば、線状ノイズ生成部１１２は各パラメータのパラメータ値をランダムに算出する。具体的には、線状ノイズ生成部１１２は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。線状ノイズ生成部１１２は指定されたパラメータ値を使用する。
例えば、線状ノイズ生成部１１２は各パラメータのパラメータ値をランダムに算出する。具体的には、線状ノイズ生成部１１２は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
【0035】
線状ノイズｆ（ｘ）は以下の式で表される。
「Ａ」は、振幅である。
「ＦＷＨＭ」は、半値全幅である。
ｅｘｐ（）は、指数関数を意味する。
「ｌｎ」は、自然対数ｌｏｇｅを意味する。
「Ａ」は、振幅である。
「ＦＷＨＭ」は、半値全幅である。
ｅｘｐ（）は、指数関数を意味する。
「ｌｎ」は、自然対数ｌｏｇｅを意味する。
【0036】
【数1】
【0037】
図５に、線状ノイズが含まれる画像を示す。
（１）、（２）および（３）の画像のそれぞれに含まれる白い横線が線状ノイズである。
（１）、（２）および（３）の画像のそれぞれに含まれる白い横線が線状ノイズである。
【0038】
図４に戻り、ステップＳ１１３から説明を続ける。
ステップＳ１１３は、ステップＳ１１１で網目状ノイズが選択された場合に実行される。
ステップＳ１１３は、ステップＳ１１１で網目状ノイズが選択された場合に実行される。
【0039】
ステップＳ１１３において、網目状ノイズ生成部１１３は網目状ノイズを生成する。
【0040】
網目状ノイズは以下のように生成される。
網目状ノイズ生成部１１３は、正弦波パラメータのパラメータ値に従う正弦波を並べることで網目状ノイズを生成する。
正弦波パラメータは、ノイズ幅、振幅、角周波数、初期位相、位相シフト量および位相シフトステップである。
網目状ノイズ生成部１１３は、正弦波パラメータのパラメータ値に従う正弦波を並べることで網目状ノイズを生成する。
正弦波パラメータは、ノイズ幅、振幅、角周波数、初期位相、位相シフト量および位相シフトステップである。
【0041】
正弦波パラメータのパラメータ値は以下のように決められる。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。網目状ノイズ生成部１１３は指定されたパラメータ値を使用する。
例えば、網目状ノイズ生成部１１３は各パラメータのパラメータ値をランダムに算出する。具体的には、網目状ノイズ生成部１１３は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。網目状ノイズ生成部１１３は指定されたパラメータ値を使用する。
例えば、網目状ノイズ生成部１１３は各パラメータのパラメータ値をランダムに算出する。具体的には、網目状ノイズ生成部１１３は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
【0042】
網目状ノイズｆ（ｘ）は以下の式で表される。
「Ｗ」は、ノイズ幅である。ノイズ幅はノイズの太さを意味する。具体的には、ノイズ幅は縦方向におけるノイズの幅である。
「Ａ」は、振幅である。
「ω」は、角周波数である。
「φ」は、初期位相である。
「ｄφ」は、位相シフト量である。
「ｄｓ」は、位相シフトステップである。
ｓｉｎ（）は、正弦関数を意味する。
ｍｏｄ（）は、剰余関数を意味する。
「Ｗ」は、ノイズ幅である。ノイズ幅はノイズの太さを意味する。具体的には、ノイズ幅は縦方向におけるノイズの幅である。
「Ａ」は、振幅である。
「ω」は、角周波数である。
「φ」は、初期位相である。
「ｄφ」は、位相シフト量である。
「ｄｓ」は、位相シフトステップである。
ｓｉｎ（）は、正弦関数を意味する。
ｍｏｄ（）は、剰余関数を意味する。
【0043】
【数2】
【0044】
角周波数ωを小さくすると正弦波の周期が大きくなる。そして、大きな周期の正弦波を並べることで、網目状ノイズを面状ノイズとしても利用することができる。
【0045】
網目状ノイズは、以下のように２値化されたノイズであってもよい。
【0046】
【数3】
【0047】
網目状ノイズは、２値化されたノイズを正弦波ノイズに積算して得られるノイズであってもよい。
【0048】
図６に、網目状ノイズが含まれる画像を示す。
（１）、（２）および（３）の画像のそれぞれにおいて、帯状に並んだ複数の白い斜線が網目状ノイズである。
（１）、（２）および（３）の画像のそれぞれにおいて、帯状に並んだ複数の白い斜線が網目状ノイズである。
【0049】
図４に戻り、ステップＳ１１４を説明する。
ステップＳ１１４は、ステップＳ１１１で斑点状ノイズが選択された場合に実行される。
ステップＳ１１４は、ステップＳ１１１で斑点状ノイズが選択された場合に実行される。
【0050】
ステップＳ１１４において、斑点状ノイズ生成部１１４は斑点状ノイズを生成する。
【0051】
斑点状ノイズは以下のように生成される。
斑点状ノイズ生成部１１４は、斑点パラメータのパラメータ値を用いて斑点状ノイズを生成する。
斑点パラメータは、長半径、短半径、振幅および幾何学変換パラメータである。
幾何学変換パラメータの例は、アフィン変換パラメータである。幾何学変換には、多項式変換、平行移動、拡大および縮小などの変換が含まれる。平行移動、拡大および縮小は、アフィン変換パラメータを減らすことで実現される。
斑点状ノイズ生成部１１４は、斑点パラメータのパラメータ値を用いて斑点状ノイズを生成する。
斑点パラメータは、長半径、短半径、振幅および幾何学変換パラメータである。
幾何学変換パラメータの例は、アフィン変換パラメータである。幾何学変換には、多項式変換、平行移動、拡大および縮小などの変換が含まれる。平行移動、拡大および縮小は、アフィン変換パラメータを減らすことで実現される。
【0052】
斑点パラメータのパラメータ値は、斑点パラメータと共に決められるノイズ数と同じ数だけ用意される。
【0053】
斑点パラメータのパラメータ値は以下のように決められる。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。斑点状ノイズ生成部１１４は指定されたパラメータ値を使用する。
例えば、斑点状ノイズ生成部１１４は各パラメータのパラメータ値をランダムに算出する。具体的には、斑点状ノイズ生成部１１４は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。斑点状ノイズ生成部１１４は指定されたパラメータ値を使用する。
例えば、斑点状ノイズ生成部１１４は各パラメータのパラメータ値をランダムに算出する。具体的には、斑点状ノイズ生成部１１４は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
【0054】
斑点状ノイズｆ（ｘ’，ｙ’）は以下の式で表される。
「α」は、長半径である。
「β」は、短半径である。
「Ａ」は、振幅である。
（ａ，ｂ，ｃ，ｄ，ｅ，ｆ）は、アフィン変換パラメータである。
「ｎ」は、斑点状ノイズの数である。
「α」は、長半径である。
「β」は、短半径である。
「Ａ」は、振幅である。
（ａ，ｂ，ｃ，ｄ，ｅ，ｆ）は、アフィン変換パラメータである。
「ｎ」は、斑点状ノイズの数である。
【0055】
【数4】
【0056】
斑点状ノイズは、以下のように２値化されたノイズであってもよい。
【0057】
【数5】
【0058】
図７に、斑点状ノイズが含まれる画像を示す。
（１）、（２）および（３）の画像のそれぞれに含まれる複数の白い楕円が斑点状ノイズである。
（１）、（２）および（３）の画像のそれぞれに含まれる複数の白い楕円が斑点状ノイズである。
【0059】
【0060】
図３に戻り、ステップＳ１２０から説明を続ける。
ステップＳ１２０において、模擬ノイズ補正部１２０は模擬ノイズを補正する。
具体的には、模擬ノイズ補正部１２０は、模擬ノイズの輝度を模擬ノイズの中の位置に応じて変更する。
ステップＳ１２０において、模擬ノイズ補正部１２０は模擬ノイズを補正する。
具体的には、模擬ノイズ補正部１２０は、模擬ノイズの輝度を模擬ノイズの中の位置に応じて変更する。
【0061】
模擬ノイズの輝度は以下のように変更される。
模擬ノイズ補正部１２０は、周期波形と疑似ランダム波形の少なくともいずれかを模擬ノイズに重畳する。
模擬ノイズ補正部１２０は、周期波形と疑似ランダム波形の少なくともいずれかを模擬ノイズに重畳する。
【0062】
周期波形は以下のように重畳される。正弦波は周期波形の例である。
模擬ノイズ補正部１２０は、正弦波を生成し、生成した正弦波を模擬ノイズに重畳する。
これにより、輝度値が周期性をもって変化する模擬ノイズが生成される。つまり、模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返される。
模擬ノイズ補正部１２０は、正弦波を生成し、生成した正弦波を模擬ノイズに重畳する。
これにより、輝度値が周期性をもって変化する模擬ノイズが生成される。つまり、模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返される。
【0063】
疑似ランダム波形は以下のように重畳される。
模擬ノイズ補正部１２０は、勾配ノイズを生成し、勾配ノイズから疑似ランダム波形を抽出し、疑似ランダム波形を模擬ノイズに重畳する。
これにより、輝度値が非周期性をもって変化する模擬ノイズが生成される。つまり、模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返されない。
模擬ノイズ補正部１２０は、勾配ノイズを生成し、勾配ノイズから疑似ランダム波形を抽出し、疑似ランダム波形を模擬ノイズに重畳する。
これにより、輝度値が非周期性をもって変化する模擬ノイズが生成される。つまり、模擬ノイズの中で輝度の変化が一定の位置間隔で繰り返されない。
【0064】
勾配ノイズの例は、パーリンノイズ、ウェーブレットノイズおよびシンプレックスノイズである。
【0065】
複数の勾配ノイズが模擬ノイズに重畳されてもよい。これにより、模擬ノイズにおける輝度値の非周期性およびランダム性が向上する。
複数の勾配ノイズは、互いに同じ種類の勾配ノイズであり、振幅と周波数の組が互いに異なる。
複数の勾配ノイズは、互いに同じ種類の勾配ノイズであり、振幅と周波数の組が互いに異なる。
【0066】
図８および図９に基づいて、線状ノイズにパーリンノイズを重畳する例を説明する。線状ノイズは模擬ノイズの一例である。パーリンノイズは勾配ノイズの一例である。
図８は、画像化された２次元のパーリンノイズを示す。
まず、模擬ノイズ補正部１２０は、２次元のパーリンノイズから任意の切り口で１次元のパーリンノイズを抽出する。
図９は、パーリンノイズの１次元波形を示す。パーリンノイズの１次元波形は、１次元のパーリンノイズの中の各位置の輝度値を示す。
そして、模擬ノイズ補正部１２０は、抽出した１次元のパーリンノイズを線状ノイズに重畳する。具体的には、模擬ノイズ補正部１２０は、線状ノイズに１次元のパーリンノイズを乗算する。
図８は、画像化された２次元のパーリンノイズを示す。
まず、模擬ノイズ補正部１２０は、２次元のパーリンノイズから任意の切り口で１次元のパーリンノイズを抽出する。
図９は、パーリンノイズの１次元波形を示す。パーリンノイズの１次元波形は、１次元のパーリンノイズの中の各位置の輝度値を示す。
そして、模擬ノイズ補正部１２０は、抽出した１次元のパーリンノイズを線状ノイズに重畳する。具体的には、模擬ノイズ補正部１２０は、線状ノイズに１次元のパーリンノイズを乗算する。
【0067】
図１０に、パーリンノイズが重畳された模擬ノイズを含んだ画像を示す。
（１）は、パーリンノイズが重畳された線状ノイズの例である。
（２）は、パーリンノイズが重畳された網目状ノイズの例である。
（３）は、パーリンノイズが重畳された線状ノイズの例である。
（１）は、パーリンノイズが重畳された線状ノイズの例である。
（２）は、パーリンノイズが重畳された網目状ノイズの例である。
（３）は、パーリンノイズが重畳された線状ノイズの例である。
【0068】
模擬ノイズが網目状ノイズである場合、２次元のパーリンノイズから抽出され網目状ノイズに重畳される１次元のパーリンノイズの数は、網目状ノイズのノイズ幅の行数と同じである。網目状ノイズのノイズ幅と同じ幅のパーリンノイズが２次元パーリンノイズから抽出され網目状ノイズに重畳されてもよい。
模擬ノイズが斑点状ノイズである場合、１次元のパーリンノイズは斑点部分にだけ重畳される。
模擬ノイズが斑点状ノイズである場合、１次元のパーリンノイズは斑点部分にだけ重畳される。
【0069】
模擬ノイズ補正部１２０は、正弦波が重畳された模擬ノイズと勾配ノイズが重畳された模擬ノイズを組み合わせて補正後の模擬ノイズを生成してもよい。
【0070】
図３に戻り、ステップＳ１３０を説明する。
ステップＳ１３０において、模擬ノイズ重畳部１３０は、補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する。
ステップＳ１３０において、模擬ノイズ重畳部１３０は、補正された模擬ノイズを背景画像に重畳してノイズ付与画像を生成する。
【0071】
背景画像は、例えば、ノイズを含まない正常な画像である。
正常な画像は、例えば、地球を周回する観測衛星から同じ場所を複数回観測して得られた複数の観測画像から選択される。
正常な画像は、例えば、地球を周回する観測衛星から同じ場所を複数回観測して得られた複数の観測画像から選択される。
【0072】
具体的には、模擬ノイズ重畳部１３０は、重畳パラメータのパラメータ値に基づいて模擬ノイズを背景画像に重畳する。
重畳パラメータは、重畳中心位置および輝度値オフセットである。
重畳パラメータは、重畳中心位置および輝度値オフセットである。
【0073】
重畳パラメータのパラメータ値は以下のように決められる。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。模擬ノイズ重畳部１３０は指定されたパラメータ値を使用する。
例えば、模擬ノイズ重畳部１３０は各パラメータのパラメータ値をランダムに算出する。具体的には、模擬ノイズ重畳部１３０は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
例えば、利用者が模擬ノイズ付与装置１００に対してパラメータごとにパラメータ値を指定する。模擬ノイズ重畳部１３０は指定されたパラメータ値を使用する。
例えば、模擬ノイズ重畳部１３０は各パラメータのパラメータ値をランダムに算出する。具体的には、模擬ノイズ重畳部１３０は、パラメータごとに、任意の確率分布に従って乱数を生成し、生成された乱数を使ってパラメータ値を算出する。
【0074】
模擬ノイズは背景画像に以下のように重畳される。
まず、模擬ノイズ重畳部１３０は、模擬ノイズの中の各位置の輝度値に輝度値オフセットを加算する。
そして、模擬ノイズ重畳部１３０は、背景画像の中の重畳中心位置に模擬ノイズの中心を合わせ、模擬ノイズを背景画像に重畳する。具体的には、模擬ノイズ重畳部１３０は、模擬ノイズを背景画像に乗算する。
これにより、ノイズ付与画像が生成される。
まず、模擬ノイズ重畳部１３０は、模擬ノイズの中の各位置の輝度値に輝度値オフセットを加算する。
そして、模擬ノイズ重畳部１３０は、背景画像の中の重畳中心位置に模擬ノイズの中心を合わせ、模擬ノイズを背景画像に重畳する。具体的には、模擬ノイズ重畳部１３０は、模擬ノイズを背景画像に乗算する。
これにより、ノイズ付与画像が生成される。
【0075】
図１１に、ノイズ付与画像の例を示す。
（１）、（２）および（３）のノイズ付与画像は、互いに重畳中心位置が異なる。
（１）の重畳中心位置は左寄りである。（１）では、背景画像の中央から左寄りの位置に模擬ノイズの中心を合わせて模擬ノイズが背景画像に重畳されている。
（２）の重畳中心位置は中央である。（２）では、背景画像の中央に模擬ノイズの中心を合わせて模擬ノイズが背景画像に重畳されている。
（３）の重畳中心位置は右寄りである。（３）では、背景画像の中央から右寄りの位置に模擬ノイズの中心を合わせて模擬ノイズが背景画像に重畳されている。
（１）、（２）および（３）のノイズ付与画像は、互いに重畳中心位置が異なる。
（１）の重畳中心位置は左寄りである。（１）では、背景画像の中央から左寄りの位置に模擬ノイズの中心を合わせて模擬ノイズが背景画像に重畳されている。
（２）の重畳中心位置は中央である。（２）では、背景画像の中央に模擬ノイズの中心を合わせて模擬ノイズが背景画像に重畳されている。
（３）の重畳中心位置は右寄りである。（３）では、背景画像の中央から右寄りの位置に模擬ノイズの中心を合わせて模擬ノイズが背景画像に重畳されている。
【0076】
図１２に、ノイズ付与画像の例を示す。
（１）、（２）および（３）のノイズ付与画像は、互いに輝度値オフセットが異なる。
（１）の輝度値オフセットは背景画像の中の最大輝度値と同じである。（１）では、背景画像の中の最大輝度値が模擬ノイズの中の各位置の輝度値に加算され、模擬ノイズが背景画像に重畳されている。
（２）の輝度値オフセットは背景画像の平均輝度値と同じである。（１）では、背景画像の平均輝度値が模擬ノイズの中の各位置の輝度値に加算され、模擬ノイズが背景画像に重畳されている。
（３）の輝度値オフセットは指定された輝度値である。（１）では、指定された輝度値が模擬ノイズの中の各位置の輝度値に加算され、模擬ノイズが背景画像に重畳されている。
（１）、（２）および（３）のノイズ付与画像は、互いに輝度値オフセットが異なる。
（１）の輝度値オフセットは背景画像の中の最大輝度値と同じである。（１）では、背景画像の中の最大輝度値が模擬ノイズの中の各位置の輝度値に加算され、模擬ノイズが背景画像に重畳されている。
（２）の輝度値オフセットは背景画像の平均輝度値と同じである。（１）では、背景画像の平均輝度値が模擬ノイズの中の各位置の輝度値に加算され、模擬ノイズが背景画像に重畳されている。
（３）の輝度値オフセットは指定された輝度値である。（１）では、指定された輝度値が模擬ノイズの中の各位置の輝度値に加算され、模擬ノイズが背景画像に重畳されている。
【0077】
図３に戻り、説明を続ける。
ステップＳ１３０の後、模擬ノイズ付与方法の処理は終了する。
ステップＳ１３０の後、模擬ノイズ付与方法の処理は終了する。
【0078】
このように、模擬ノイズ付与方法によってノイズ付与画像が生成される。
ノイズ付与画像は、ノイズ検出器を生成するための機械学習で教師データとして使用される。
ノイズ検出器は、観測画像に含まれるノイズを検出する。
観測画像は、飛翔体からの観測によって得られる画像である。飛翔体の例は航空機および人工衛星である。
飛翔体には、電磁波を放射して観測を実施する観測装置が備えられる。観測装置の例は放射計およびレーダである。
ノイズ付与画像は、ノイズ検出器を生成するための機械学習で教師データとして使用される。
ノイズ検出器は、観測画像に含まれるノイズを検出する。
観測画像は、飛翔体からの観測によって得られる画像である。飛翔体の例は航空機および人工衛星である。
飛翔体には、電磁波を放射して観測を実施する観測装置が備えられる。観測装置の例は放射計およびレーダである。
【0079】
＊＊＊実施例の説明＊＊＊
模擬ノイズ付与装置１００は、ノイズ検出システム２００で利用される。
ノイズ検出システム２００は、観測画像からノイズを検出するためのシステムである。
模擬ノイズ付与装置１００は、ノイズ検出システム２００で利用される。
ノイズ検出システム２００は、観測画像からノイズを検出するためのシステムである。
【0080】
図１３に基づいて、ノイズ検出システム２００を説明する。
ノイズ検出システム２００は、模擬ノイズ付与装置１００とノイズ検出装置２１０を備える。
ノイズ検出装置２１０は、プロセッサとメモリと補助記憶装置と通信装置と入出力インタフェースといったハードウェアを備えるコンピュータである。
ノイズ検出装置２１０は、機械学習部２１１とノイズ検出器２１２とノイズ検出部２１３といった要素を備える。これらの要素はソフトウェアで実現される。
ノイズ検出システム２００は、模擬ノイズ付与装置１００とノイズ検出装置２１０を備える。
ノイズ検出装置２１０は、プロセッサとメモリと補助記憶装置と通信装置と入出力インタフェースといったハードウェアを備えるコンピュータである。
ノイズ検出装置２１０は、機械学習部２１１とノイズ検出器２１２とノイズ検出部２１３といった要素を備える。これらの要素はソフトウェアで実現される。
【0081】
ノイズ検出システム２００の動作の手順はノイズ検出方法に相当する。
ノイズ検出システム２００の動作の手順はノイズ検出プログラムによる処理の手順に相当する。ノイズ検出プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。
ノイズ検出システム２００の動作の手順はノイズ検出プログラムによる処理の手順に相当する。ノイズ検出プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。
【0082】
模擬ノイズ付与装置１００は、１つ以上の背景画像を使って複数のノイズ付与画像を生成する。
機械学習部２１１は、複数のノイズ付与画像に対して機械学習を行ってノイズ検出器２１２を生成する。ノイズ検出器２１２は学習済みモデルに相当する。
ノイズ検出部２１３は、ノイズ検出器２１２を使って観測画像に含まれるノイズを検出する。例えば、ノイズ検出部２１３は、観測画像を入力にして、ノイズ検出器２１２である学習済みモデルを演算する。
これにより、検出結果が得られる。検出結果は、例えば、ノイズの有無および観測画像の中のノイズの位置を示す。
機械学習部２１１は、複数のノイズ付与画像に対して機械学習を行ってノイズ検出器２１２を生成する。ノイズ検出器２１２は学習済みモデルに相当する。
ノイズ検出部２１３は、ノイズ検出器２１２を使って観測画像に含まれるノイズを検出する。例えば、ノイズ検出部２１３は、観測画像を入力にして、ノイズ検出器２１２である学習済みモデルを演算する。
これにより、検出結果が得られる。検出結果は、例えば、ノイズの有無および観測画像の中のノイズの位置を示す。
【0083】
＊＊＊実施の形態１の効果＊＊＊
模擬ノイズ付与装置１００は、ノイズ自体の形状（輝度値）を勾配ノイズで補正する。これにより、本物のノイズに近い疑似ノイズ（線状ノイズ、網目状ノイズ、斑点状ノイズ）を生成することができる。
図１４に、周波数干渉ノイズを含んだ画像の例を示す。
（１）、（２）および（３）の画像は、高性能マイクロ波放射計（ＡＭＳＲ２）を用いた観測によって得られる画像である。それぞれの画像は、周波数干渉ノイズを含んでいる。
模擬ノイズ付与装置１００は、図１０に示すようなノイズ付与画像を生成する。図１０のノイズ付与画像は図１４の画像と比べて遜色がない。
このように、模擬ノイズ付与装置１００は、周波数ノイズを含んだ実際の画像と比べて遜色ないノイズ付与画像を生成できる。
模擬ノイズ付与装置１００は、ノイズ自体の形状（輝度値）を勾配ノイズで補正する。これにより、本物のノイズに近い疑似ノイズ（線状ノイズ、網目状ノイズ、斑点状ノイズ）を生成することができる。
図１４に、周波数干渉ノイズを含んだ画像の例を示す。
（１）、（２）および（３）の画像は、高性能マイクロ波放射計（ＡＭＳＲ２）を用いた観測によって得られる画像である。それぞれの画像は、周波数干渉ノイズを含んでいる。
模擬ノイズ付与装置１００は、図１０に示すようなノイズ付与画像を生成する。図１０のノイズ付与画像は図１４の画像と比べて遜色がない。
このように、模擬ノイズ付与装置１００は、周波数ノイズを含んだ実際の画像と比べて遜色ないノイズ付与画像を生成できる。
【0084】
周波数干渉によるノイズを判定するために学習済みモデルが使用される。学習済みモデルは、多くの教師データを用意して機械学習を実行することによって生成される。この多くの教師データを用意するために多くの時間を要していた。
模擬ノイズ付与装置１００は、本物のノイズに近い疑似ノイズを多量にかつ短時間で生成することができる。
そのため、模擬ノイズ付与装置１００を使用することにより、多くの教師データを用意するための時間を短縮することができる。
模擬ノイズ付与装置１００は、本物のノイズに近い疑似ノイズを多量にかつ短時間で生成することができる。
そのため、模擬ノイズ付与装置１００を使用することにより、多くの教師データを用意するための時間を短縮することができる。
【0085】
＊＊＊実施の形態１のまとめ＊＊＊
模擬ノイズ付与装置１００は、線状、面状または斑点状のノイズを補正して模擬ノイズを生成する。
周波数干渉によるノイズには、例えば、線状に伸びるノイズと網目状に広がるノイズがある。そして、一定の明るさを持っているノイズだけでなく、周期的あるいは非周期的に明るさが変化するノイズがある。
模擬ノイズ付与装置１００は正弦波を重畳して模擬ノイズを補正する。これにより、周期的に明るさが変化する模擬ノイズが生成される。
模擬ノイズ付与装置１００は、勾配ノイズ（パーリンノイズ、ウェーブレットノイズ、シンプレックスノイズ）を重畳して模擬ノイズを補正する。これにより、非周期的に明るさが変化する模擬ノイズが生成される。
模擬ノイズ付与装置１００は、線状、面状または斑点状のノイズを補正して模擬ノイズを生成する。
周波数干渉によるノイズには、例えば、線状に伸びるノイズと網目状に広がるノイズがある。そして、一定の明るさを持っているノイズだけでなく、周期的あるいは非周期的に明るさが変化するノイズがある。
模擬ノイズ付与装置１００は正弦波を重畳して模擬ノイズを補正する。これにより、周期的に明るさが変化する模擬ノイズが生成される。
模擬ノイズ付与装置１００は、勾配ノイズ（パーリンノイズ、ウェーブレットノイズ、シンプレックスノイズ）を重畳して模擬ノイズを補正する。これにより、非周期的に明るさが変化する模擬ノイズが生成される。
【0086】
模擬ノイズ付与装置１００は、衛星画像に含まれる周波数干渉ノイズを模擬する。周波数ノイズを模擬するために、勾配ノイズを利用してノイズ形状の補正が実行される。
勾配ノイズ（特にパーリンノイズ）は、コンピューターグラフィックスで疑似テクスチャを生成する際に広く一般的に使われている。
しかし、勾配ノイズが模擬ノイズの輝度値を補正する用途で利用されることはなかった。
一方、模擬ノイズ付与装置１００は、ノイズ自体の輝度値の揺らぎを表現する用途で勾配ノイズを利用する。
勾配ノイズ（特にパーリンノイズ）は、コンピューターグラフィックスで疑似テクスチャを生成する際に広く一般的に使われている。
しかし、勾配ノイズが模擬ノイズの輝度値を補正する用途で利用されることはなかった。
一方、模擬ノイズ付与装置１００は、ノイズ自体の輝度値の揺らぎを表現する用途で勾配ノイズを利用する。
【0087】
勾配ノイズの利用には、以下のような利点がある。
勾配ノイズを利用しなければ、ノイズ判定の機械学習（特にＣＮＮ）においてノイズの特徴量を過学習してしまう可能性が高い。ＣＮＮはＣｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋの略称である。
線状または面状のノイズが持つ周波数は限定される。勾配ノイズを利用することで、ノイズに複数の周波数を持たせることができる。そのため、機械学習において、複数の周波数を持つノイズに適応して適切に学習を進めることができる。
勾配ノイズを利用しなければ、ノイズ判定の機械学習（特にＣＮＮ）においてノイズの特徴量を過学習してしまう可能性が高い。ＣＮＮはＣｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋの略称である。
線状または面状のノイズが持つ周波数は限定される。勾配ノイズを利用することで、ノイズに複数の周波数を持たせることができる。そのため、機械学習において、複数の周波数を持つノイズに適応して適切に学習を進めることができる。
【0088】
＊＊＊実施の形態１の補足＊＊＊
実施の形態１は、好ましい形態の例示であり、本開示の技術的範囲を制限することを意図するものではない。実施の形態１は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
実施の形態１は、好ましい形態の例示であり、本開示の技術的範囲を制限することを意図するものではない。実施の形態１は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
【0089】
ノイズ検出システム２００は、１台のコンピュータで実現されても構わない。
模擬ノイズ付与装置１００およびノイズ検出装置２１０の各要素は、ソフトウェア、ハードウェア、ファームウェアまたはこれらの組み合わせのいずれで実現されてもよい。
模擬ノイズ付与装置１００およびノイズ検出装置２１０の各要素の「部」は、「処理」、「工程」、「回路」または「サーキットリ」と読み替えてもよい。
模擬ノイズ付与装置１００およびノイズ検出装置２１０の各要素は、ソフトウェア、ハードウェア、ファームウェアまたはこれらの組み合わせのいずれで実現されてもよい。
模擬ノイズ付与装置１００およびノイズ検出装置２１０の各要素の「部」は、「処理」、「工程」、「回路」または「サーキットリ」と読み替えてもよい。
【符号の説明】
【0090】
１００ 模擬ノイズ付与装置、１０１ プロセッサ、１０２ メモリ、１０３ 補助記憶装置、１０４ 通信装置、１０５ 入出力インタフェース、１１０ 模擬ノイズ生成部、１１１ ノイズパターン選択部、１１２ 線状ノイズ生成部、１１３ 網目状ノイズ生成部、１１４ 斑点状ノイズ生成部、１２０ 模擬ノイズ補正部、１３０ 模擬ノイズ重畳部、１９０ 記憶部、２００ ノイズ検出システム、２１０ ノイズ検出装置、２１１ 機械学習部、２１２ ノイズ検出器、２１３ ノイズ検出部。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】