特開 2024-86119 樹種区分判別システム

(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】P2024086119

(43)【公開日】2024-06-27

(54)【発明の名称】樹種区分判別システム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240620BHJP

   G06T 7/90 20170101ALI20240620BHJP

   A01G 23/00 20060101ALI20240620BHJP

   A01G 7/00 20060101ALI20240620BHJP

【ＦＩ】

G06T7/00 350B

G06T7/90 Z

A01G23/00 551Z

A01G7/00 603

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2022201072

(22)【出願日】2022-12-16

(71)【出願人】

【識別番号】390023249

【氏名又は名称】国際航業株式会社

(74)【代理人】

【識別番号】110001335

【氏名又は名称】弁理士法人 武政国際特許商標事務所

(72)【発明者】

【氏名】戸田 真理子

(72)【発明者】

【氏名】鈴木 久美子

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA02

5L096FA32

5L096FA33

5L096GA19

5L096GA40

5L096HA09

5L096HA11

5L096KA04

5L096KA15

(57)【要約】

【課題】本願発明の課題は、従来の問題を解決することであり、すなわち従来技術に比べてタイル画像の境界（あるいはその周辺）にある画素に対してより適切に樹種区分を自動判別することができる樹種区分判別システムを提供することである。
【解決手段】本願発明の樹種区分判別システムは、対象範囲の一部を撮影した空中写真から樹種区分を判別するシステムであって、タイル画像生成手段とモデル生成手段、判別手段を備えたものである。タイル画像生成手段は、タイル画像を構成する一部の画素が、隣接するタイル画像と重複するように、タイル割りすることによってタイル画像を生成する。教師データは、空中写真を構成する画素ごとに樹種区分が付与されて生成されるものである。判別手段は、入力されたタイル画像ごとであって画素ごとに樹種区分を判別する。
【選択図】図３

【特許請求の範囲】

【請求項1】

対象範囲の一部を撮影した空中写真から樹種区分を判別するシステムであって、
前記空中写真をタイル割りすることによって、１の該空中写真から複数のタイル画像を生成するタイル画像生成手段と、
前記タイル画像に基づいて生成される教師データを機械学習することによって、学習済みモデルを生成するモデル生成手段と、
前記タイル画像に基づいて生成される入力画像データを前記学習済みモデルに入力することによって、該タイル画像内の前記樹種区分を判別する判別手段と、を備え、
前記タイル画像生成手段は、前記タイル画像を構成する一部の画素が隣接する前記タイル画像と重複するようにタイル割りすることによって、該タイル画像を生成し、
前記教師データは、前記タイル画像を構成する画素ごとに、前記樹種区分が付与されて生成され、
前記判別手段は、入力された前記タイル画像ごとであって画素ごとに前記樹種区分を判別する、
ことを特徴とする樹種区分判別システム。

【請求項2】

前記判別手段は、入力された前記入力画像データごとに、各画素に対して暫定的な前記樹種区分である暫定樹種区分を付与し、
また前記判別手段は、同一の画素に対して異なる前記暫定樹種区分が付与されたときは、最多の該暫定樹種区分に基づいて前記樹種区分を判別する、
ことを特徴とする請求項１記載の樹種区分判別システム。

【請求項3】

前記教師データは前記タイル画像を構成する画素ごとに、正規化画素値及び前記樹種区分が付与されて生成され、
前記入力画像データは、前記タイル画像を構成する画素ごとに、前記正規化画素値が付与されて生成され、
前記正規化画素値は、前記対象範囲の全体の画素値の平均値である平均画素値と、該対象範囲の全体の画素値の標準偏差である標準偏差画素値と、実際の画素値である実画素値と、によって算出される、
ことを特徴とする請求項１記載の樹種区分判別システム。

【請求項4】

前記空中写真は、画素ごとに複数種類の色に係る画素値が付与され、
前記教師データが、それぞれの色に係る画素値ごとに生成され、
前記判別手段には、それぞれの色に係る画素値が付与された前記入力画像データがそれぞれ入力される、
ことを特徴とする請求項３記載の樹種区分判別システム。

【請求項5】

前記判別手段によって同一の前記樹種区分として判定された画素を集合した樹種区分ポリゴンを生成するポリゴン生成手段を、さらに備えた、
ことを特徴とする請求項１記載の樹種区分判別システム。

【発明の詳細な説明】

【技術分野】

【0001】

本願発明は、地表を撮影して得られた空中写真から樹種区分を判別する技術に関するものであり、より具体的には、空中写真をタイル割して樹種区分図を作成する際、タイル境界における画素についてもより適切に樹種区分を判別することができる樹種区分判別システムに関するものである。

【背景技術】

【0002】

地図の作成や、地形の分類、土地利用の分類を行う場合、空中写真が利用される。具体的には、空中写真を判読することによって、建物や農地、道路、河川、森林などを読み取って、地図を作成し、あるいは地形や土地利用の分類を行うわけである。

【0003】

空中写真は、航空写真とも称され、地上の状態を忠実に再現するため上空から撮影される画像である。空中写真を取得するにあたっては、飛行機やヘリコプターを使用して上空から撮影したり、衛星から撮影したり、あるいはクレーン車や気球などを使用して撮影されることもある。そして地図作成などを目的とするケースでは、専用のカメラによって鉛直下方を撮影した垂直写真が取得される。なお、土地の利用は年々変化するため、定期的に同じ地域の空中写真が取得され、例えば国土地理院では平野部について５～１０年周期で撮影している。

【0004】

上記したとおり空中写真を判読することによって、建物や農地といった種々の地物が抽出される。また森林などでは、樹種（林相区分）を判別するとともに林相区分を色分けした「林相区分図」が定期的に作成されている。従来、この林相区分の判別も空中写真の判読によって行われており、そして写真判読はオペレータの目視によって行われるのが主流であった。しかしながら、空中写真は広範囲を撮影したものであって、目視による写真判読はオペレータにとって相当に負担がかかる作業であり、また誤判読などいわゆるヒューマンエラーを完全に排除することは難しかった。

【0005】

そこで近年では、画像認識の技術を利用して林相区分を判別する処理が行われることも増えてきた。つまり、ソフトウェアに係る処理をコンピュータが実行することによって、空中写真から林相区分を自動的に判別するわけである。なお、このように自動判別された林相区分を最終判断として取り扱うこともあるし、その結果は一次的な判断としたうえで（つまり、スクリーニング処理としたうえで）最終的にオペレータが目視によって決定することもある。

【0006】

例えば特許文献１では、対象地域を撮影して得られた２時期の空中写真を利用することによって自動的に林相区分図を生成する技術について提案している。より詳しくは、第１時期の空中写真に基づいて作成された既知の林相区分図から、第２時期の空中写真に対して注目領域（林相区分に相当する領域）を設定するとともに、注目領域における画像の特徴情報の統計分布に基づいて林相区分の特徴情報に関する教師データを決定し、その教師データを手掛かりとして第２時期の空中写真から林相区分図を生成する技術である。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２０１５－０２３８５７号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

ところで、林相区分を判別しようとする対象範囲は一般的に広範であり、当然ながら一部重複しながら撮影された複数の空中写真（特に、オルソ化された空中写真）が使用される。さらに、空中写真そのものも比較的広い範囲を撮影したものであるから、１の空中写真を分割（いわゆる、タイル割り）することによって複数の分割画像（以下、「タイル画像」という。）を設定している。そして、目視による写真判読にしろ、自動判別にしろ、タイル画像ごとに林相区分を判別しているのが実情である。

【0009】

このようにタイル画像ごとに林相区分を判別する場合、隣のタイル画像を考慮することなく林相区分を判別し、そして同種の林相区分からなる領域（以下、「林相区分ポリゴン」という。）を生成している。その結果、タイル画像の境界（あるいはその周辺）にある画素については誤った林相区分を判別する傾向にあり、タイル画像の境界で不自然に分断された林相区分ポリゴンが生成されることも多い。このように不適切な判別に基づいて作成された林相区分図を用いると、森林の状態を適格に把握することができず、ひいては森林を誤って管理することにもつながるおそれさえある。

【0010】

本願発明の課題は、従来の問題を解決することであり、すなわち従来技術に比べてタイル画像の境界（あるいはその周辺）にある画素に対してより適切に樹種区分を自動判別することができる樹種区分判別システムを提供することである。

【課題を解決するための手段】

【0011】

本願発明は、一部の画素が隣接するタイル画像と重複するように、換言すれば空中写真内で少しずつずらしながら、タイル割りすることによってタイル画像を生成し、このタイル画像に基づいて教師データと入力画像を生成するとともに、入力されたタイル画像（入力画像）ごとであってその画素ごとに樹種区分を判別する、という点に着目したものであり、従来にはなかった発想に基づいてなされた発明である。

【0012】

本願発明の樹種区分判別システムは、対象範囲の一部を撮影した空中写真から樹種区分を判別するシステムであって、タイル画像生成手段とモデル生成手段、判別手段を備えたものである。このうちタイル画像生成手段は、空中写真をタイル割りすることによって、１の空中写真から複数のタイル画像を生成する手段である。またモデル生成手段は、空中写真に基づいて生成される「教師データ」を機械学習することによって「学習済みモデル」を生成する手段であり、判別手段は、タイル画像に基づいて生成される「入力画像データ」を学習済みモデルに入力することによって入力画像データ内の樹種区分を判別する手段である。またタイル画像生成手段は、タイル画像を構成する一部の画素が、隣接するタイル画像と重複するように、タイル割りすることによってタイル画像を生成する。なお教師データは、空中写真を構成する画素ごとに「樹種区分」が付与されて生成されるものである。そして判別手段は、入力されたタイル画像ごとであって画素ごとに樹種区分を判別する。

【0013】

本願発明の樹種区分判別システムは、入力された入力画像データごとに各画素に対して「暫定樹種区分（暫定的な樹種区分）」を付与したうえで、樹種区分を判別するものとすることもできる。この場合、判別手段は、同一の画素に対して異なる暫定樹種区分が付与されたときは、最多の暫定樹種区分に基づいて樹種区分を判別する。

【0014】

本願発明の樹種区分判別システムは、タイル画像を構成する画素ごとに「正規化画素値」及び「樹種区分」が付与されて生成された教師データと、タイル画像を構成する画素ごとに「正規化画素値」が付与されて生成された入力画像データを使用するものとすることもできる。なお正規化画素値は、対象範囲の全体の画素値の平均値である「平均画素値」と、対象範囲の全体の画素値の標準偏差である「標準偏差画素値」、実際の画素値である「実画素値」によって算出される。

【0015】

本願発明の樹種区分判別システムは、画素ごとに複数種類の色に係る画素値が付与された空中写真に基づいて樹種区分を判別するものとすることもできる。この場合、教師データはそれぞれの色に係る画素値ごとに生成され、また判別手段には、それぞれの色に係る画素値が付与された入力画像データがそれぞれ入力される。

【0016】

本願発明の樹種区分判別システムは、ポリゴン生成手段をさらに備えたものとすることもできる。このポリゴン生成手段は、判別手段によって同一の樹種区分として判定された画素を集合した「樹種区分ポリゴン」を生成する手段である。

【発明の効果】

【0017】

本願発明の樹種区分判別システムには、次のような効果がある。
（１）一部の画素が隣接するタイル画像と重複するように（空中写真内で少しずつずらしながら）タイル割りすることによってタイル画像を生成し、このタイル画像に基づいて教師データと入力画像を生成するとともに、入力されたタイル画像（入力画像）ごとであってその画素ごとに樹種区分を判別する。これにより、従来技術に比べてタイル画像の境界（あるいはその周辺）にある画素に対してより適切に樹種区分を自動判別することができる。
（２）オペレータの目視による写真判読を回避、あるいは大幅に抑えることができ、樹種区分の判別にかかるコストを低減することができるとともに、誤判読などいわゆるヒューマンエラーを抑制することができる。

【図面の簡単な説明】

【0018】

【図1】複数の空中写真によって網羅された対象範囲を模式的に示す平面図。

【図2】空中写真をタイル割りして得られる「タイル画像」を模式的に示すモデル図。

【図3】本願発明の樹種区分判別システムの主な構成を示すブロック図。

【図4】統計画素値算出手段によってバンドごとに算出された統計画素値を模式的に示すモデル図。

【図5】タイル画像生成手段によって部分的に重複するように生成されたタイル画像を模式的に示すモデル図。

【図6】（ａ）は教師データ生成手段によってバンドごとに生成された教師データを模式的に示すモデル図、（ｂ）は判別手段によってバンドごとに生成された入力画像データを模式的に示すモデル図。

【図7】樹種区分記憶手段が特定の樹種区分に絞って記憶する例を説明するモデル図。

【図8】樹種区分判別システムが学習済みモデルを生成するまでの主な処理の流れの一例を示すフロー図。

【図9】樹種区分判別システムが画素ごとに樹種区分の判別を出力するまでの主な処理の流れの一例を示すフロー図。

【発明を実施するための形態】

【0019】

本願発明の樹種区分判別システムの実施形態の一例を、図に基づいて説明する。本願発明の樹種区分判別システムは、図１に示すような対象範囲ＲＧに含まれる森林等の樹種区分を判別するシステムである。そして、対象範囲ＲＧを撮影した空中写真ＡＰを用いて、樹種区分を判別する。通常、空中写真ＡＰの撮影範囲より対象範囲ＲＧの方が広いため、対象範囲ＲＧ全体を網羅するには図１に示すように複数（図では４９）の空中写真ＡＰが使用される。なお便宜上、図１では隣接する空中写真ＡＰが重複（ラップ）しないように描いているが、通常は所定のサイドラップやオーバーラップを確保しつつ撮影されて空中写真ＡＰは取得される。

【0020】

また本願発明の樹種区分判別システムは、「教師データ」を機械学習することによって学習済みモデルを生成し、その学習済みモデルに「入力画像データ」を入力することによって画素（ピクセル）ごとに樹種区分を判別する。そして、これら教師データと入力画像データは、図２に示すように複数の画素ＰＸによって構成される空中写真ＡＰに基づいて生成され、また空中写真ＡＰをさらに分割した（タイル割りした）複数の分割画像（以下、「タイル画像ＴＬ」という。）単位で生成される。一般的に、空中写真ＡＰは相当程度に広い範囲で撮影されことから、適当な範囲からなるタイル画像ＴＬに基づいて樹種区分を判別するわけである。

【0021】

図３は、本願発明の樹種区分判別システム１００の主な構成を示すブロック図である。この図に示すように樹種区分判別システム１００は、モデル生成手段１０１と判別手段１０２、タイル画像生成手段１０３を含んで構成され、さらに教師データ生成手段１０４や入力画像データ生成手段１０５、ポリゴン生成手段１０６、統計画素値算出手段１０７、画像データ記憶手段１０８、統計画素値記憶手段１０９、樹種区分記憶手段１１０、教師データ記憶手段１１１、モデル記憶手段１１２、ポリゴン記憶手段１１３などを含んで構成することもできる。

【0022】

樹種区分判別システム１００を構成するモデル生成手段１０１と判別手段１０２、タイル画像生成手段１０３、教師データ生成手段１０４、入力画像データ生成手段１０５、ポリゴン生成手段１０６、統計画素値算出手段１０７は、専用のものとして製造することもできるし、汎用的なコンピュータ装置を利用することもできる。すなわち、所定のプログラムによってコンピュータ装置に演算処理を実行させることで、それぞれの手段特有の処理を行うわけである。このコンピュータ装置は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）といったプロセッサ、ＲＯＭやＲＡＭといったメモリ、を具備しており、さらにマウスやキーボード等の入力手段やディスプレイを含むものもあり、例えばパーソナルコンピュータ（ＰＣ）やサーバなどによって構成することができる。

【0023】

また、画像データ記憶手段１０８、統計画素値記憶手段１０９、樹種区分記憶手段１１０、教師データ記憶手段１１１、モデル記憶手段１１２、ポリゴン記憶手段１１３は、汎用的コンピュータ（例えば、パーソナルコンピュータ）の記憶装置を利用することもできるし、データベースサーバに構築することもできる。データベースサーバに構築する場合、ローカルなネットワーク（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）に置くこともできるし、インターネット経由で保存するクラウドサーバとすることもできる。

【0024】

以下、本願発明の樹種区分判別システム１００を構成する主な要素ごとに詳しく説明する。

【0025】

（統計画素値算出手段）
統計画素値算出手段１０７は、画像データ記憶手段１０８から空中写真ＡＰを読み出し（図３）、対象範囲ＲＧを網羅する画像（以下、「対象全体画像」という。）に係る色情報の統計値を算出する手段である。既述したとおり、対象範囲ＲＧ全体を網羅するには、複数（例えば、図１では４９）の空中写真ＡＰが必要となる。そして、これら空中写真ＡＰはそれぞれ複数の画素ＰＸによって構成されており（図２）、すなわち対象全体画像（つまり、対象範囲ＲＧ）も複数の画素ＰＸによって構成されることとなる。統計画素値算出手段１０７は、この対象全体画像を構成する画素ＰＸの色情報について、統計処理を行うわけである。

【0026】

ところで本来、色は人の視覚で認識するものであり個人差が伴うものであるが、近年、この色をコンピュータで扱うべくモデル化されるようになった。色をモデル化する手法にも種々あり、赤（Ｒｅｄ）・緑（Ｇｒｅｅｎ）・青（Ｂｌｕｅ）の３色を基本色とするＲＧＢ、シアン（Ｃｙａｎ）・マゼンタ（Ｍａｇｅｎｔａ）・イエロー（Ｙｅｌｌｏｗ）・ブラック（Ｋｅｙ ｃｏｌｏｒ）の４色を基本色とするＣＭＹＫ、黄・赤・青・緑・黒・白の６色を基本色とするＮＣＳやオストワルト表色系などが知られている。また色は、色相、彩度、明度からなる３つの属性を備えており、例えばＲＧＢでは赤・緑・青の３原色を混ぜ合わせて（加法混色）種々の色相、彩度、明度を表現する。

【0027】

ここでいう色情報とは、ＲＧＢや、ＣＭＹＫ、ＮＣＳ、オストワルト表色系といった色のモデル化によって規定される「色を特定するための値」である。例えば、３バンドの波長情報を備えているＲＧＢのケースでは、純色の赤の色情報が（２５５、０、０）となり、純色の緑の色情報が（０、２５５、０）、純色の青の色情報が（０、０、２５５）となる。そして、空中写真ＡＰの画素ＰＸには、それぞれ色情報が付与される。そこで便宜上ここでは、画素ＰＸに付与された色情報のことを、「画素値」ということとする。例えば、ＲＧＢの場合、黄色は（２５５、２５５、０）で表されるが、このＲとＧとＢの組み合わせである（２５５、２５５、０）が「画素値」とされ、またそれぞれＲの「２５５」や、Ｇの「２５５」、Ｂの「０」もそれぞれ「画素値」とされる。便宜上ここでは、種々の色モデルのうちＲＧＢの例で説明することとし、さらにＲに係る画素値のことを特に「Ｒ画素値」と、Ｇに係る画素値のことを特に「Ｇ画素値」、Ｂに係る画素値のことを特に「Ｂ画素値」ということとする。

【0028】

上記したように統計画素値算出手段１０７は、対象全体画像に係る色情報、つまり対象全体画像を構成する画素ＰＸの画素値について、統計処理を実行する手段である。より詳しくは、対象全体画像に係る画素値の平均値（以下、「平均画素値」という。）を算出するとともに、対象全体画像に係る画素値の標準偏差（以下、「標準偏差画素値」という。）を算出するものであり、さらに対象全体画像に係る画素値の中央値や最頻値、分散などを算出する仕様としてもよい。以下、平均画素値と標準偏差画素値を含む統計値のことを「統計画素値」ということとする。

【0029】

統計画素値算出手段１０７は、バンドごとに統計画素値（平均画素値と標準偏差画素値）を算出する仕様とすることができる。この場合、図４に示すように統計画素値算出手段１０７は、対象全体画像の画素ＰＸに係るＲ画素値を統計処理することで「Ｒ平均画素値」と「Ｒ標準偏差画素値」を算出し、同様に対象全体画像の画素ＰＸに係るＧ画素値を統計処理することで「Ｇ平均画素値」と「Ｇ標準偏差画素値」を、対象全体画像の画素ＰＸに係るＢ画素値を統計処理することで「Ｂ平均画素値」と「Ｂ標準偏差画素値」をそれぞれ算出する。あるいは、バンドごとに統計画素値を算出する仕様に代えて、（Ｒ、Ｇ、Ｂ）の組み合わせからなる画素値を統計処理することによって統計画素値を算出する仕様にすることもできる。この場合、全てのＲ画素値とＧ画素値、Ｂ画素値を対象として平均画素値と標準偏差画素値を算出したり、Ｒ画素値とＧ画素値、Ｂ画素値に重みづけを行ったうえで平均画素値と標準偏差画素値を算出したりすることができる。統計画素値算出手段１０７によって算出された画素ＰＸごとの統計画素値（平均画素値と標準偏差画素値）は、統計画素値記憶手段１０９に記憶される（図３）。

【0030】

（タイル画像生成手段）
タイル画像生成手段１０３は、画像データ記憶手段１０８から空中写真ＡＰを読み出し（図３）、空中写真ＡＰをタイル割りすることによって「タイル画像ＴＬ」を生成する手段である。したがって、１の空中写真ＡＰから複数のタイル画像ＴＬが得られることとなる。ただしタイル画像生成手段１０３は、図５に示すように隣接するタイル画像ＴＬどうしが部分的に重複するようにタイル画像ＴＬを生成する。例えば図５では、左右、あるいは上下に５ピクセル（画素ＰＸ）分だけスライドしながら（ずらしながら）タイル割りを行うことで、複数のタイル画像ＴＬを生成している。これにより、タイル画像ＴＬを構成する一部の画素ＰＸが、隣接するタイル画像ＴＬの画素ＰＸと重なるわけである。なお、図５の例では５ピクセル分だけスライドしながらタイル画像ＴＬを生成しているが、これに限らず２０ピクセル分などあらかじめ設定した所望の移動量でスライドさせることができる。

【0031】

（教師データ生成手段）
教師データ生成手段１０４は、タイル画像ＴＬに基づいて、機械学習における学習用のデータ（以下、単に「教師用データ」という。）を生成する手段である。以下、教師データ生成手段１０４が教師用データを生成する手順について詳しく説明する。

【0032】

教師データ生成手段１０４は、まず統計画素値記憶手段１０９から統計画素値（平均画素値と標準偏差画素値）を読み出し、タイル画像ＴＬを構成する画素ＰＸごとに「正規化画素値」を付与する。ここで正規化画素値とは、その画素ＰＸに付与された実際（実測）の画素値（以下、「実画素値」という。）を、統計画素値を用いていわば正規化した値であり、実画素値と平均画素値、標準偏差画素値に基づいて算出される値である。例えば、正規化画素値は、次式によって求めることができる。
「正規化画素値」＝（「実画素値」－「平均画素値」）÷「標準偏差画素値」
もちろん、平均画素値と標準偏差画素値、実画素値に基づいて得られる値であれば、上式に種々の係数を乗ずるなど、様々な算式によって正規化画素値を求めることができる。

【0033】

また、統計画素値算出手段１０７がバンドごとに統計画素値（平均画素値と標準偏差画素値）を算出する場合、教師データ生成手段１０４もやはりバンドごとに正規化画素値を付与するとよい。より詳しくは、Ｒ標準偏差画素値とＲ標準偏差画素値、実画素値に基づいて正規化画素値（以下、「Ｒ正規化画素値」という。）を算出するとともに、Ｇ標準偏差画素値とＧ標準偏差画素値、実画素値に基づいて正規化画素値（以下、「Ｇ正規化画素値」という。）を算出し、Ｂ標準偏差画素値とＢ標準偏差画素値、実画素値に基づいて正規化画素値（以下、「Ｂ正規化画素値」という。）を算出したうえで、画素ＰＸごとにＲ正規化画素値、Ｇ正規化画素値、Ｂ正規化画素値を付与する。つまりこの場合は、図６（ａ）に示すように、教師データ生成手段１０４はバンドごとの教師データ（Ｒ用教師データとＧ用教師データ、Ｂ用教師データ）を生成するわけである。なお、正規化画素値の算出は、統計画素値算出手段１０７が実行する仕様にすることも、教師データ生成手段１０４が実行する仕様にすることもできる。

【0034】

また教師データ生成手段１０４は、樹種区分記憶手段１１０から「樹種区分」を読み出し、タイル画像ＴＬを構成する画素ＰＸごとに、ラベルとしての「樹種区分」を付与する。樹種区分記憶手段１１０は、既に作成された樹種区分図などを利用して領域ごとの樹種区分を記憶している。なお、樹種区分記憶手段１１０が記憶する樹種区分の分類は、樹種区分図などで設定されるすべての樹種区分とすることもできるし、ある特定の樹種区分に絞って記憶することもできる。図７の左側には１２種類に細分化された樹種区分を記憶する例を示しており、中央には「スギ、ヒノキ、マツ、竹など」に絞って記憶する例を、右側にはさらに「スギ、ヒノキ」に絞って記憶する例をそれぞれ示している。そして教師データ生成手段１０４は、タイル画像ＴＬの画素ＰＸと、領域ごとの樹種区分とを照らし合わせることによって、画素ＰＸごとに樹種区分を付与していく。

【0035】

教師データ生成手段１０４は、上記した手順によって、つまりタイル画像ＴＬを構成する画素ＰＸごとに正規化画素値を付与するとともに、ラベルとしての樹種区分を付与することによって、教師用データを生成する。このとき、タイル画像生成手段１０３によって生成された全てのタイル画像ＴＬについて、つまりタイル画像ＴＬと同数の教師用データが生成される。また、統計画素値算出手段１０７がバンドごとに統計画素値を算出する場合、それぞれのタイル画像ＴＬについて３バンド分の教師データ（Ｒ用教師データとＧ用教師データ、Ｂ用教師データ）が生成される。

【0036】

なお教師データ生成手段１０４は、画素ＰＸごとに正規化画素値を付与することなく、すなわち画素ＰＸが有する本来の実画素値を用いて教師用データを生成することもできる。つまり教師データ生成手段１０４は、タイル画像ＴＬを構成する画素ＰＸごとに、ラベルとしての樹種区分を付与することによって教師用データを生成するわけである。この場合も、タイル画像生成手段１０３によって生成された全てのタイル画像ＴＬについて、つまりタイル画像ＴＬと同数の教師用データが生成される。教師データ生成手段１０４によって生成された教師データは、教師データ記憶手段１１１に記憶される（図３）。

【0037】

（入力画像データ生成手段）
入力画像データ生成手段１０５は、タイル画像ＴＬに基づいて、入力用の画像データ（以下、単に「入力画像データ」という。）を生成する手段である。以下、入力画像データ生成手段１０５が入力画像データを生成する手順について詳しく説明する。

【0038】

まずタイル画像生成手段１０３が、画像データ記憶手段１０８から入力用の空中写真ＡＰを読み出し、この空中写真ＡＰをタイル割りすることによって入力用の「タイル画像ＴＬ」を生成する（図３）。次いで、入力画像データ生成手段１０５が、統計画素値記憶手段１０９から統計画素値（平均画素値と標準偏差画素値）を読み出し、タイル画像ＴＬを構成する画素ＰＸごとに「正規化画素値」を付与する。このとき、教師用データを生成する際に用いた空中写真ＡＰに由来する統計画素値を読み出して正規化画素値を付与する仕様とすることもできるし、入力用の空中写真ＡＰに対して新たに統計画素値を算出するとともに統計画素値記憶手段１０９に記憶させ、この新たな統計画素値を読み出して正規化画素値を付与する仕様とすることもできる。また、統計画素値算出手段１０７がバンドごとに統計画素値を算出する場合、入力画像データ生成手段１０５もやはりバンドごとに正規化画素値を付与するとよい。より詳しくは、Ｒ平均画素値とＲ標準偏差画素値、実画素値に基づいて「Ｒ正規化画素値」を算出するとともに、Ｇ平均画素値とＧ標準偏差画素値、実画素値に基づいて「Ｇ正規化画素値」を算出し、Ｂ平均画素値とＢ標準偏差画素値、実画素値に基づいて「Ｂ正規化画素値」を算出したうえで、画素ＰＸごとにＲ正規化画素値、Ｇ正規化画素値、Ｂ正規化画素値を付与する。つまりこの場合は、図６（ｂ）に示すように、入力画像データ生成手段１０５はバンドごとの入力画像データ（Ｒ用入力画像データとＧ用入力画像データ、Ｂ用入力画像データ）を生成するわけである。なお、正規化画素値の算出は、統計画素値算出手段１０７が実行する仕様にすることも、入力画像データ生成手段１０５が実行する仕様にすることもできる。

【0039】

入力画像データ生成手段１０５は、上記した手順によって、つまりタイル画像ＴＬを構成する画素ＰＸごとに正規化画素値を付与することによって、入力画像データを生成する。このとき、タイル画像生成手段１０３によって生成された全てのタイル画像ＴＬについて、つまりタイル画像ＴＬと同数の入力画像データが生成される。また、統計画素値算出手段１０７がバンドごとに統計画素値を算出する場合、それぞれのタイル画像ＴＬについて３バンド分の入力画像データ（Ｒ用入力画像データとＧ用入力画像データ、Ｂ用入力画像データ）が生成される。

【0040】

なお入力画像データ生成手段１０５は、画素ＰＸごとに正規化画素値を付与することなく、すなわち画素ＰＸが有する本来の実画素値を用いて入力画像データを生成することもできる。つまり教師データ生成手段１０４は、タイル画像ＴＬそのものを入力画像データとして設定するわけである。この場合も、タイル画像生成手段１０３によって生成された全てのタイル画像ＴＬについて、入力画像データとして設定する。

【0041】

（モデル生成手段）
モデル生成手段１０１は、教師データを用いた機械学習を行うことによって「学習済みモデル」を生成する手段である。学習済みモデルを生成するための機械学習としては、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）といったディープラーニングのほか、従来用いられている種々の機械学習技術を採用することができる。ただし、タイル画像ＴＬを構成する画素ＰＸごとに樹種区分の判別を出力する（推論する）ことができるように、学習済みモデルは生成される。

【0042】

ところで、教師データ生成手段１０４によってバンドごとの教師データ（Ｒ用教師データとＧ用教師データ、Ｂ用教師データ）が生成されることもある。この場合、モデル生成手段１０１は、３種類の教師データ（Ｒ用教師データとＧ用教師データ、Ｂ用教師データ）を同時に機械学習することによって学習済みモデルを生成する仕様とすることもできるし、それぞれ別に機械学習することによって学習済みモデルを生成する仕様とすることもできる。３種類の教師データを同時に機械学習するケースでは１の学習済みモデルが生成され、それぞれ別に機械学習するケースでは３種類の学習済みモデル（Ｒ用学習済みモデルとＧ用学習済みモデル、Ｂ用学習済みモデル）が生成されることとなる。モデル生成手段１０１によって生成された学習済みモデルは、モデル記憶手段１１２に記憶される（図３）。

【0043】

（判別手段）
判別手段１０２は、モデル生成手段１０１によって生成された学習済みモデルを含んで構成され、入力された入力画像データに対して樹種区分の判別を出力する（推論する）手段である。ただし判別手段１０２は、入力画像データ（つまり、タイル画像ＴＬ）を構成する画素ＰＸごとに樹種区分を判別して出力する。なお既述したとおり、ここで入力される入力画像データは、画素ＰＸごとに正規化画素値が付与されたものであり、あるいは実画素値を用いた入力画像データ（つまり、タイル画像ＴＬそのもの）である。

【0044】

ところで、タイル画像生成手段１０３が部分的に重複するようにタイル画像ＴＬを生成する（図５）ことから、入力画像データも隣接する入力画像データと一部重複することとなる。すなわち、１の画素ＰＸに着目すると、その画素ＰＸを含む複数のタイル画像ＴＬが生成されることがあり、そしてタイル画像ＴＬの数だけ入力画像データが生成され、すなわち同一の画素ＰＸに対して入力画像データの数だけ樹種区分が判別されることとなる。この場合、入力画像データを学習済みモデルに入力して出力された結果を、ひとまず暫定的な樹種区分（以下、「暫定樹種区分」）として画素ＰＸに付与し、複数の暫定樹種区分に基づいて最終的な樹種区分（以下、「決定樹種区分」という。）を定めるとよい。より詳しくは、同一の画素ＰＸに対して複数の暫定樹種区分が付与された場合、すべて同じの暫定樹種区分であればそのままその暫定樹種区分を決定樹種区分として定めることとし、一方、同一の画素ＰＸに対して異なる暫定樹種区分が付与されたときは、最多の暫定樹種区分を決定樹種区分として定めるわけである。

【0045】

モデル生成手段１０１によってバンドごとの学習済みモデル（Ｒ用学習済みモデルとＧ用学習済みモデル、Ｂ用学習済みモデル）が生成されているケースでは、判別手段１０２もそれぞれバンドごとに樹種区分を判別して出力するとよい。すなわち、Ｒ用学習済みモデルにＲ用入力画像データを入力して樹種区分を判別するとともに、Ｇ用学習済みモデルにＧ用入力画像データを入力して樹種区分を判別し、Ｂ用学習済みモデルにＢ用入力画像データを入力して樹種区分を判別するわけである。ただしこの場合、バンドごとにそれぞれ判別結果が異なることもある。そこで、３バンドの判別結果に基づいて、いずれか一つの樹種区分を判別するとよい。例えば、最も多く判定された樹種区分を最終的に「決定樹種区分」として採用する仕様としたり、周囲の画素ＰＸに係る決定樹種区分を参照して３バンドのうちいずれかの樹種区分を「決定樹種区分」として採用する仕様としたりすることができる。

【0046】

（ポリゴン生成手段）
ポリゴン生成手段１０６は、判別手段１０２よって判別された結果に基づいて、同種の樹種区分（特に、決定樹種区分）によって形成される領域（以下、「樹種区分ポリゴン」という。）を生成する手段である。より具体的には、判別手段１０２よって同一の樹種区分とされた画素ＰＸであって、近接する画素ＰＸどうしを集合していくことによって樹種区分ポリゴンを生成していく。樹種区分ポリゴンを生成するにあたっては、クラスタリング処理など従来用いられている種々の技術を利用することができる。ポリゴン生成手段１０６によって生成された樹種区分ポリゴンは、ポリゴン記憶手段１１３に記憶される（図３）。

【0047】

（処理の流れ）
以下、図８と図９を参照しながら本願発明の樹種区分判別システム１００の主な処理について詳しく説明する。図８は、樹種区分判別システム１００が学習済みモデルを生成するまでの主な処理の流れの一例を示すフロー図であり、図９は、樹種区分判別システム１００が画素ＰＸごとに樹種区分の判別を出力する（推論する）までの主な処理の流れの一例を示すフロー図である。なお図８と図９では、中央の列に実行する処理を示し、左列にはその処理に必要なものを、右列にはその処理から生ずるものを示している。なお便宜上ここでは、画素ＰＸに正規化画素値が付与された教師データを用いるとともに、画素ＰＸに正規化画素値が付与された入力画像データを用いる例で説明する。

【0048】

学習済みモデルを生成するにあたっては、まず図８に示すように統計画素値算出手段１０７が対象全体画像の画素値に基づいて、統計画素値を算出する（図８のＳｔｅｐ２０１）。このとき統計画素値算出手段１０７は、ＲＧＢが備える３バンドの波長情報ごとに統計画素値を算出し、すなわち「Ｒ平均画素値」と「Ｒ標準偏差画素値」、「Ｇ平均画素値」と「Ｇ標準偏差画素値」、「Ｂ平均画素値」と「Ｂ標準偏差画素値」を算出するとよい。

【0049】

バンドごとの統計画素値が算出されると、タイル画像生成手段１０３が空中写真ＡＰをタイル割りすることによって「タイル画像ＴＬ」を生成する（図８のＳｔｅｐ２０２）。なおタイル画像生成手段１０３は、対象範囲ＲＧ全体を網羅する複数（例えば、図１では４９）の空中写真ＡＰについて、それぞれタイル画像ＴＬを生成するとよい。

【0050】

タイル画像ＴＬが生成されると、タイル画像ＴＬを構成する画素ＰＸごとに正規化画素値を算出する（図８のＳｔｅｐ２０３）。そして教師データ生成手段１０４が、画素ＰＸに正規化画素値と樹種区分を付与することによって、タイル画像ＴＬごとに教師用データを生成する（図８のＳｔｅｐ２０４）。このとき、統計画素値算出手段１０７がバンドごとの統計画素値を算出している場合、教師データ生成手段１０４もやはりバンドごとの教師データ、つまりＲ用教師データとＧ用教師データ、Ｂ用教師データをそれぞれ生成することができる。また教師データ生成手段１０４は、タイル画像生成手段１０３によって生成されるすべてのタイル画像ＴＬに基づいて教師用データを生成するとよい。

【0051】

教師用データが生成されると、モデル生成手段１０１がその教師データを用いた機械学習を行うことによって「学習済みモデル」を生成する（図８のＳｔｅｐ２０５）。このとき、教師データ生成手段１０４がバンドごとの教師データ（Ｒ用教師データとＧ用教師データ、Ｂ用教師データ）を生成している場合、教師データ生成手段１０４もＲ用教師データとＧ用教師データ、Ｂ用教師データそれぞれで機械学習を行うこととし、すなわちバンドごとの学習済みモデル（Ｒ用学習済みモデルとＧ用学習済みモデル、Ｂ用学習済みモデル）を生成することもできる。

【0052】

学習済みモデルが生成されると、タイル画像生成手段１０３が入力用の空中写真ＡＰをタイル割りすることによって「タイル画像ＴＬ」を生成する（図９のＳｔｅｐ２０６）。このときタイル画像生成手段１０３は、新たに撮影された空中写真ＡＰ、つまり推論しようとする空中写真ＡＰを対象として、タイル画像ＴＬを生成する。なおタイル画像生成手段１０３は、対象範囲ＲＧ全体を網羅する複数（例えば、図１では４９）の空中写真ＡＰについて、それぞれタイル画像ＴＬを生成するとよい。

【0053】

タイル画像ＴＬが生成されると、タイル画像ＴＬを構成する画素ＰＸごとに正規化画素値を算出する（図９のＳｔｅｐ２０７）。正規化画素値を算出するための「統計画素値」は、学習済みモデルを生成する際に用いられた統計画素値をそのまま使用することもできるし、新たに撮影された空中写真ＡＰに基づいて統計画素値算出手段１０７が改めて算出した統計画素値を使用することもできる。そして入力画像データ生成手段１０５が、画素ＰＸに正規化画素値を付与することによって、タイル画像ＴＬごとに入力画像データを生成する（図９のＳｔｅｐ２０８）。このとき、統計画素値算出手段１０７がバンドごとの統計画素値を算出している場合、入力画像データ生成手段１０５もやはりバンドごとの入力画像データ、つまりＲ用入力画像データとＧ用入力画像データ、Ｂ用入力画像データをそれぞれ生成することもできる。また入力画像データ生成手段１０５は、タイル画像生成手段１０３によって生成されるすべてのタイル画像ＴＬに基づいて入力画像データを生成するとよい。

【0054】

入力画像データが生成されると、判別手段１０２は入力画像データに対して樹種区分の判別を出力する（図９のＳｔｅｐ２０９）。具体的には、学習済みモデルに入力画像データが入力されると、入力画像データ（つまり、タイル画像ＴＬ）を構成する画素ＰＸごとに樹種区分の判別をして出力する（推論する）。このとき、同一の画素ＰＸを含む異なる入力画像データが生成されることがあり、すなわち同一の画素ＰＸに対して複数種類の樹種区分が判別されることもある。この場合、入力画像データを学習済みモデルに入力して出力された結果を「暫定樹種区分」として画素ＰＸに付与し、複数の暫定樹種区分に基づいて最終的な「決定樹種区分」を定める（図９のＳｔｅｐ２１０）。より詳しくは、同一の画素ＰＸに対して異なる暫定樹種区分が付与されたときは、最多の暫定樹種区分を決定樹種区分として定めるわけである。

【0055】

また、モデル生成手段１０１がバンドごとの学習済みモデル（Ｒ用学習済みモデルとＧ用学習済みモデル、Ｂ用学習済みモデル）を生成し、入力画像データ生成手段１０５がバンドごとの入力画像データ（Ｒ用入力画像データとＧ用入力画像データ、Ｂ用入力画像データ）を生成している場合、判別手段１０２もそれぞれバンドごとに樹種区分を判別して出力することもできる。すなわち、Ｒ用学習済みモデルにＲ用入力画像データを入力して樹種区分を判別するとともに、Ｇ用学習済みモデルにＧ用入力画像データを入力して樹種区分を判別し、Ｂ用学習済みモデルにＢ用入力画像データを入力して樹種区分を判別するわけである。ただしこの場合、バンドごとにそれぞれ判別結果が異なることもある。そこで、３バンドの判別結果に基づいて、いずれか一つの樹種区分を判別するとよい（図９のＳｔｅｐ２１０）。例えば、最も多く判定された樹種区分を最終的に「決定樹種区分」として採用する仕様としたり、周囲の画素ＰＸに係る決定樹種区分を参照して３バンドのうちいずれかの樹種区分を「決定樹種区分」として採用する仕様としたりすることができる。

【0056】

判別手段１０２よって樹種区分（特に、決定樹種区分）が判別されると、ポリゴン生成手段１０６が「樹種区分ポリゴン」を生成する（図９のＳｔｅｐ２１１）。具体的には、判別手段１０２よって同一の樹種区分とされた画素ＰＸであって、近接する画素ＰＸどうしを集合していくことによってポリゴン生成手段１０６が樹種区分ポリゴンを生成していく。

【産業上の利用可能性】

【0057】

本願発明の樹種区分判別システムは、樹種区分図を作成する際に特に好適に利用することができる。本願発明によれば、容易かつ的確に樹種区分を判別することができることから、森林の状態を適格に把握することができ、ひいては森林を適切に管理することができることを考えれば、産業上利用できるばかりでなく社会的にも大きな貢献を期待し得る発明である。

【符号の説明】

【0058】

１００ 本願発明の樹種区分判別システム
１０１ モデル生成手段
１０２ 判別手段
１０３ タイル画像生成手段
１０４ 教師データ生成手段
１０５ 入力画像データ生成手段
１０６ ポリゴン生成手段
１０７ 統計画素値算出手段
１０８ 画像データ記憶手段
１０９ 統計画素値記憶手段
１１０ 樹種区分記憶手段
１１１ 教師データ記憶手段
１１２ モデル記憶手段
１１３ ポリゴン記憶手段
ＡＰ 空中写真
ＰＸ 画素
ＲＧ 対象範囲
ＴＬ タイル画像

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】