知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-06-10
(45)【発行日】2024-06-18
(54)【発明の名称】画像処理装置および画像処理方法
(51)【国際特許分類】
G01S 13/90 20060101AFI20240611BHJP
G06T 7/00 20170101ALI20240611BHJP
【ＦＩ】
G01S13/90 191
G06T7/00 640
【請求項の数】
8
(21)【出願番号】P 2022538501
(86)(22)【出願日】2020-07-20
(86)【国際出願番号】 JP2020028065
(87)【国際公開番号】W WO2022018791
(87)【国際公開日】2022-01-27
【審査請求日】2022-12-22
(73)【特許権者】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(74)【代理人】
【識別番号】100103090
【弁理士】
【氏名又は名称】岩壁 冬樹
(74)【代理人】
【識別番号】100124501
【弁理士】
【氏名又は名称】塩川 誠人
(72)【発明者】
【氏名】金子 瑛士
(72)【発明者】
【氏名】戸田 真人
【審査官】小川 浩史
(56)【参考文献】
【文献】特開２０１６－５７０９２（ＪＰ，Ａ）
【文献】国際公開第２０１７／１２６５４７（ＷＯ，Ａ１）
【文献】特開平７－７２２４４（ＪＰ，Ａ）
【文献】特開２０００－２７５３３８（ＪＰ，Ａ）
【文献】特開２０１４－１６４５７９（ＪＰ，Ａ）
【文献】特開２０１０－２７８９６３（ＪＰ，Ａ）
【文献】特開２００３－４４９９６（ＪＰ，Ａ）
【文献】米国特許第１０５５３０２０（ＵＳ，Ｂ１）
【文献】LEBEDEV, M. A.; VIZILTER, Yu. V.; VYGOLOV, O. V.; KNYAZ, V. A.; RUBIS, A. Yu.，“CHANGE DETECTION IN REMOTE SENSING IMAGES USING CONDITIONAL ADVERSARIAL NETWORKS”，The International Archives of the Photogrammetry, Remote Sensing Spatial Information Sciences，Vol. XLII-2，2018年06月04日，pp. 565-571，DOI: https://doi.org/10.5194/isprs-archives-XLII-2-565-2018
【文献】IMAI, Haruki; ITO, Koichi; AOKI, Takafumi; UEMOTO, Jyunpei; URATSUKA, Seiho，“A METHOD FOR OBSERVING SEISMIC GROUND DEFORMATION FROM AIRBORNE SAR IMAGES”，PROCEEDINGS of 2019 IEEE International Geoscience and Remote Sensing Symposium，2019年07月28日，pp. 1506-1509，DOI: 10.1109/IGARSS.2019.8900352
【文献】BRUZZONE, Lorenzo; BOVOLO, Francesca，“A Novel Framework for the Design of Change-Detection Systems for Very-High-Resolution Remote Sensing Images”，PROCEEDINGS OF THE IEEE，Vol. 101, No. 3，2013年03月，pp. 609-630，DOI: 10.1109/JPROC.2012.2197169
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｓ １３／００－１３／９５
Ｇ０１Ｓ ７／００－７／４２
Ｇ０６Ｔ ７／００
Ｈ０４Ｎ ７／１８
(57)【特許請求の範囲】
【請求項1】
２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する画像変形手段と、前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する画像生成手段とを備え、
前記画像変形手段は、前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる
画像処理装置。
【請求項2】
前記画像変形手段は、前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる請求項１記載の画像処理装置。
【請求項3】
前記２つの観測画像のメタデータに含まれる観測角度と対象物の高さとを用いて前記倒れ込み量を算出し、観測画像のメタデータに含まれる観測方位に基づいて倒れ込みの方位を決定する倒れ込みパラメタ決定手段をさらに備えた請求項２記載の画像処理装置。
【請求項4】
対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を前記対象物存在領域から除去する除去手段をさらに備えた請求項１から請求項３のうちのいずれか１項に記載の画像処理装置。
【請求項5】
コンピュータが、
２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成し、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成し、
前記２つの対象物存在画像の各々において、前記対象物存在領域を変形するために、前記対象物存在領域を所定量膨張させる
画像処理方法。
【請求項6】
コンピュータが、
前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる
請求項５記載の画像処理方法。
【請求項7】
コンピュータが、
対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を前記対象物存在領域から除去する
請求項５または請求項６に記載の画像処理方法。
【請求項8】
コンピュータに、２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する処理と、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する処理とを実行させ、
前記２つの対象物存在画像の各々において、前記対象物存在領域を変形するために、前記対象物存在領域を所定量膨張させる
ための画像処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、一の画像において他の画像に対する変化領域を特定可能な画像を生成する画像処理装置および画像処理方法に関する。
【背景技術】
【0002】
洪水、森林火災、火山噴火、地震、津波、干ばつ等の災害による被害の状況や、都市開発の状況、貨物や人の移動や滞留の状況を把握するために、人工衛星で撮影された画像などの高所から撮影された画像を基に地表の状態が変化した領域を検出する変化検出技術がある。
【0003】
また、合成開口レーダ（ＳＡＲ：Synthetic Aperture Radar）技術は、人工衛星や航空機などの飛翔体が移動しながら電磁波を送受信し、大きな開口を持つアンテナによる画像と等価な画像（以下、ＳＡＲ画像ともいう。）を得るための技術である。合成開口レーダは、例えば、地表からの反射波を信号処理して、地表変位を解析する等のために利用される。
【0004】
以下、人工衛星などで撮影された画像を観測画像という。なお、特に断らない限り、観測画像は、光学画像とＳＡＲ画像とを包含する。
【0005】
一般に、変化検出では、異なる時刻に同一の領域が観測されて得られた２枚の画像が比較される。２枚の画像が比較されることによって、領域内での１つ以上の物体（対象物）の変化が検知される。なお、対象物の変化として、例えば、新たな対象物の出現や、対象物の消失がある。以下、２枚の画像の各々を対象物存在画像または対象物マップといい、２枚の画像を画像ペアということがある。また、２枚の画像の比較結果に基づく２枚の画像の差異部分を特定可能な画像を、変化マップまたは合成変化マップということがある。
【先行技術文献】
【特許文献】
【0006】
【文献】特開２０１８－１９４４０４号公報
【非特許文献】
【0007】
【文献】M. A. Lebedev, et al., "CHANGE DETECTION IN REMOTE SENSING IMAGES USING CONDITIONAL ADVERSARIAL NETWORKS", The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-2, 2018
【発明の概要】
【発明が解決しようとする課題】
【0008】
図１４は、非特許文献１に記載された合成変化マップ３３３の作成方法を示す説明図である。図１４において、第１の画像３３１は、第１の入力画像である対象物マップに相当する。第２の画像３３２は、第２の入力画像である対象物マップに相当する。非特許文献１に記載された方法では、第１の画像３３１と第２の画像３３２との間での数画素のずれを許容しつつ第１の画像３３１と第２の画像３３２とを合成することによって、合成変化マップ３３３が生成される。合成変化マップ３３３には、第１の画像３３１と第２の画像３３２との差異部分が現れている。
【0009】
特許文献１には、干渉ＳＡＲ画像から生成された２種類の画像（画像ペア）と正解データとを学習データ（訓練データ）として分類器（学習済みモデル）を作成する方法が記載されている。なお、特許文献１では、学習済みモデルを用いて、地表変動が判定される。
【0010】
図１５は、学習済みモデルを用いて変化マップを生成する一般的なシステムの構成を示すブロック図である。図１５に示すシステムにおいて、訓練段階で、学習モデルは、画像ペア４０１と正解データ（例えば、正解変化マップ）４０２とを学習データ（訓練データ）として、機械学習４０３によって訓練される。訓練の結果、学習済みモデル４１０ができる。そして、運用段階で、学習済みモデル４１０を使用して、画像ペア４１１から変化マップ４１２が生成される。正解変化マップは、正解データとして用いられる変化マップである。
【0011】
特許文献１に記載された方法が使用されるときに、特許文献１の［００１９］に記載されているように、正解データは、人手で作成される。したがって、多数の正解データを得るのに時間がかかる。また、ある作成者が作成した正解データと他の作成者が作成した正解データとが異なることが生じうる。すなわち、正解データの客観性が保証されない。換言すれば、個人差が反映された正解データが生成される可能性がある。
【0012】
非特許文献１に記載された方法が使用されるときに、合成変化マップ３３３の元になる第１の画像３３１および第２の画像３３２は、人手で作成される。正解データとして使用されうる合成変化マップ３３３が、第１の画像３３１と第２の画像３３２とから自動生成される場合でも、合成変化マップ３３３は、実際の観測画像から得られる変化マップからかけ離れる可能性がある。元になる第１の画像３３１および第２の画像３３２が人為的に作成されるからである。その結果、合成変化マップ３３３を正解変化マップとして使用する場合に、実際の観測画像から得られる正解変化マップからかけ離れる可能性がある。
【0013】
本発明は、個人差に影響されることなく、２つの入力画像における差異部分を特定可能な画像を短時間で生成でき、かつ、当該画像が実際の観測画像から得られる画像からかけ離れることを排除できる画像処理装置および画像処理方法を提供することを目的とする。
【課題を解決するための手段】
【0014】
本発明による画像処理装置は、２つの観測画像の各々の観測角度と２つの観測画像の各々に現れる対象物の大きさとに基づいて、２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する画像変形手段と、２つの変形画像を合成して合成画像を生成し、合成画像を用いて２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する画像生成手段とを含み、画像変形手段は、２つの対象物存在画像の各々において、対象物存在領域を所定量膨張させる。
【0015】
本発明による画像処理方法は、コンピュータが、２つの観測画像の各々の観測角度と２つの観測画像の各々に現れる対象物の大きさとに基づいて、２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成し、２つの変形画像を合成して合成画像を生成し、合成画像を用いて２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成し、２つの対象物存在画像の各々において、対象物存在領域を変形するために、対象物存在領域を所定量膨張させる方法である。
【0016】
本発明による画像処理プログラムは、コンピュータに、２つの観測画像の各々の観測角度と２つの観測画像の各々に現れる対象物の大きさとに基づいて、２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する処理と、２つの変形画像を合成して合成画像を生成し、合成画像を用いて２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する処理とを実行させ、２つの対象物存在画像の各々において、対象物存在領域を変形するために、対象物存在領域を所定量膨張させる。
【発明の効果】
【0017】
本発明によれば、個人差に影響されることなく、２つの入力画像における差異部分を特定可能な画像を短時間で生成でき、かつ、当該画像が実際の観測画像から得られる画像からかけ離れることを排除できる。
【図面の簡単な説明】
【0018】
【図1】画像処理装置の実施形態の主要な構成要素を示すブロック図である。
【図2】正解変化マップの生成方法の一例を示す説明図である。
【図3】電磁波の入射角およびレンジ方位角を説明するための説明図である。
【図4】倒れ込み量を説明するための説明図である。
【図5】膨張処理を説明するための説明図である。
【図6】対象物の変化を説明するための説明図である。
【図7】ノイズ除去処理を説明するための説明図である。
【図8】正解変化マップ生成手段の構成例を示すブロック図である。
【図9】正解変化マップ生成手段の動作を示すフローチャートである。
【図10】画像処理装置の機能を実現可能な情報処理装置の構成例を示すブロック図である。
【図11】画像処理装置の主要部を示すブロック図である。
【図12】他の画像処理装置の主要部を示すブロック図である。
【図13】さらに他の画像処理装置の主要部を示すブロック図である。
【図14】変化マップの作成方法の概念を示す説明図である。
【図15】学習済みモデルを用いて変化マップを生成する一般的なシステムの構成を示すブロック図である。
【発明を実施するための形態】
【0019】
【0020】
対象物マップ生成手段１０には、観測画像の組が入力される。対象物マップ生成手段１０は、観測画像の各々から、変化検出の対象である対象物が存在する対象物存在領域を含む画像（対象物存在画像）を抽出する。すなわち、対象物マップ生成手段１０は、対象物マップの組を生成する。対象物マップの組は、上述した画像ペアに相当する。なお、対象物マップ生成手段１０は、例えば、あらかじめ決められている領域を観測画像から抽出するが、観測画像から人手によって領域を抽出することも可能である。
【0021】
正解変化マップ生成手段２０には、観測画像の各々の観測角（方位角および入射角）と、対象物の大きさ（高さおよび幅）が入力される。対象物の大きさは、変化検出の対象である対象物に応じてあらかじめ定められる。
【0022】
正解変化マップ生成手段２０は、観測画像の各々の観測角と対象物の大きさとに基づいて、それぞれの対象物マップを変形する。さらに、正解変化マップ生成手段２０は、変形された対象物マップを合成して合成画像を生成することによって、２つの対象物マップの間で対象物が変化した領域を示す画像すなわち変化マップを生成する。正解変化マップ生成手段２０が生成した変化マップは、正解変化マップとして出力される。
【0023】
次に、対象物マップの生成方法および正解変化マップの生成方法の一例を説明する。以下、観測画像としてＳＡＲ画像を例にする。また、対象物として自動車を例にする。
【0024】
図２は、正解変化マップの生成方法の一例を示す説明図である。図２の上段の左側には、時刻ｔ１において、軌道Ａを通過する人工衛星１００が駐車場１２０を含む領域を撮影する様子が示されている。図２の下段の左側には、時刻ｔ１とは異なる時刻ｔ２において、軌道Ａとは異なる軌道Ｂを通過する人工衛星１００が駐車場１２０を含む領域を撮影する様子が示されている。時刻ｔ２は、時刻ｔ１よりも後の時刻である。
【0025】
図２の上段の中央には、時刻ｔ１における観測画像から得られる画像Ａ（第１の対象物マップ１１１）の一例が示されている。画像Ａには３台の自動車９１，９２，９３が存在する。図２の下段の中央には、時刻ｔ２における観測画像から得られる画像Ｂ（第２の対象物マップ１２１）の一例が示されている。画像Ｂには２台の自動車９３，９４が存在する。時刻ｔ２において、時刻ｔ１では存在した自動車９１，９２が消失している。また、時刻ｔ２において、新たな自動車９４が現われている。すなわち、時刻ｔ１と時刻ｔ２との間に、新たな自動車９４が出現した。
【0026】
なお、この例では、第１の対象物マップ１１１および第２の対象物マップ１２１は、駐車場２００の画像に相当する。
【0027】
正解変化マップ生成手段２０は、画像Ａと画像Ｂとを用いて正解変化マップ１５０を生成する。なお、正解変化マップ１５０において、実線で囲まれた楕円は、時刻ｔ１から時刻ｔ２まで変化しなかった自動車９３が存在する領域を示す。すなわち、変化がない領域を示す。黒い楕円は、新たに出現した自動車９４が存在する領域を示す。破線で囲まれた楕円は、消失した自動車９１，９２が存在している領域を示す。すなわち、黒い楕円および破線で囲まれた楕円は、変化領域を示す。
【0028】
なお、正解変化マップ１５０において、図２に例示された表現とは異なる表現で、変化領域と非変化領域とが区別可能にされてもよい。一例として、色の違いによって、変化領域と非変化領域とが区別可能にされてもよい。
【0029】
図３は、電磁波の入射角および方位角（レンジ方位角）を説明するための説明図である。図３には、軌道Ａで得られた第１の観測画像１０１と、軌道Ａとは異なる軌道Ｂで得られた第２の観測画像１０２とが示されている。第１の観測画像１０１および第２の観測画像１０２に関して、入射角θＡ，θＢは、天頂方向から人工衛星１００の方向に対する角度に相当する。レンジ方位角αＡ，αＢは、基準となる方向（例えば、北方向）に対するレンジ方向の角度に相当する。
【0030】
図４は、倒れ込みの距離（倒れ込み量）ｌＡを説明するための説明図である。対象物（この例では、自動車）の高さをｈ、電磁波の入射角をθＡとすると、倒れ込み量ｌＡは、下記の（１）式で表される。
【0031】
ｌＡ＝ｈ／ｔａｎθＡ （１）
【0032】
なお、観測画像が光学画像である場合には、太陽光の入射角をθＡとすると、倒れ込み量ｌＡは、下記の（２）式で表される。
【0033】
ｌＡ＝ｈ・ｔａｎθＡ （１）
【0034】
本実施形態では、ＳＡＲ画像を用いる場合を例にしているので、以下、画像Ａに関する倒れ込み量をｌＡとし、画像Ｂに関する倒れ込み量をｌＢ（ｌＢ＝ｈ／ｔａｎθＢ）とする。なお、光学画像が用いられる場合には、画像Ｂに関する倒れ込み量は、ｌＢ（ｌＢ＝ｈ・ｔａｎθＢ）である。
【0035】
図５は、正解変化マップ生成手段２０が実行する膨張処理を説明するための説明図である。
【0036】
図５に示すように、正解変化マップ生成手段２０は、軌道Ａで得られた第１の観測画像１０１（図３参照）に基づく画像Ａ（第１の対象物マップ１１１）に対して膨張処理を行う。本実施形態では、正解変化マップ生成手段２０は、画像Ａに現れている対象物（この例では、自動車）を、画像Ｂにおいて対応する対象物の倒れ込み方向に、画像Ｂにおける対象物の倒れ込み量に相当する長さ分膨張させる。その結果、膨張処理後の画像Ａ（対象物が膨張された第１の対象物マップ１１２）が得られる。また、正解変化マップ生成手段２０は、軌道Ｂで得られた第２の観測画像１０２（図３参照）に基づく画像Ｂ（第２の対象物マップ１２１）に対して膨張処理を行う。本実施形態では、画像Ｂに現れている対象物を、画像Ａにおいて対応する対象物の倒れ込み方向に、画像Ａにおける対象物の倒れ込み量に相当する長さ分膨張させる。その結果、膨張処理後の画像Ｂ（対象物が膨張された第２の対象物マップ１２２）が得られる。
【0037】
なお、図５に示された第１の対象物マップ１１２および第２の対象物マップ１２１において、黒領域は、膨張した領域すなわち膨張領域を示す。
【0038】
図６は、対象物の変化を説明するための説明図である。
【0039】
正解変化マップ生成手段２０は、膨張処理後の画像Ａすなわち第１の対象物マップ１１２と膨張処理後の画像Ｂすなわち第２の対象物マップ１２２とを重ね合わせる。図６には、重ね合わせ後の合成画像（変化マップ）１４０が模式的に表されている。
【0040】
なお、画像Ｂの元になる観測画像は、画像Ａの元になる観測画像よりも、時間的に後に得られたとする。
【0041】
図６において、領域［Ｆ，Ｂ］は、対象物が第１の対象物マップ１１２には存在したが第２の対象物マップ１２２には存在しない領域を示す。すなわち、領域［Ｆ，Ｂ］は、対象物が消失した領域を示す。領域［Ｆ，Ｆ］は、対象物が第１の対象物マップ１１２に存在し、かつ、第２の対象物マップ１２２に存在する領域を示す。すなわち、領域［Ｆ，Ｆ］は、変化が生じていない領域を示す。領域［Ｂ，Ｆ］は、対象物が第１の対象物マップ１１２には存在しなかったが第２の対象物マップ１２２には存在する領域を示す。すなわち、領域［Ｂ，Ｆ］は、新たに対象物が出現した領域を示す。領域［Ｂ，Ｂ］は、対象物が第１の対象物マップ１１２にも第２の対象物マップ１２２にも存在しない領域を示す。すなわち、領域［Ｂ，Ｂ］は、変化が生じていない領域を示す。
【0042】
正解変化マップ生成手段２０は、図６に例示されたような考え方に基づいて変化マップ１４０を生成する。具体的には、正解変化マップ生成手段２０は、変化領域（対象物が消失または出現した領域）と非変化領域とを区別可能な変化マップ１４０を生成する。
【0043】
図７は、ノイズ除去処理を説明するための説明図である。
【0044】
図７に示された変化マップ１４０および正解変化マップ１５０において、黒領域は、図６に例示された領域［Ｂ，Ｆ］に対応する。すなわち、黒領域は、対象物が消失した領域を示す。破線で囲まれた領域は、図６に例示された領域［Ｆ，Ｂ］に対応する。すなわち、破線で囲まれた領域は、対象物が消失した領域を示す。実線で囲まれた領域は、図６に例示された領域［Ｆ，Ｆ］または領域［Ｂ，Ｂ］に対応する。すなわち、実線で囲まれた領域は、変化が生じていない領域を示す。
【0045】
正解変化マップ生成手段２０は、変化マップ１４０にノイズ除去処理を施す。ノイズ除去処理は、対象物に比べて小さい領域をノイズと見なして除去する処理である。図７に示される例では、正解変化マップ生成手段２０は、変化マップ１４０に対してオープニング処理を施す。オープニング処理は、収縮と膨張とが組み合わされた処理である。正解変化マップ生成手段２０は、オープニング処理における収縮処理を実行するときに、対象物の大きさに応じた画素数分、対象物を収縮させる。
【0046】
なお、本実施形態では、ノイズが除去された変化マップが正解変化マップ１５０とされているが、ノイズ除去処理が施される前の変化マップ１４０を、ノイズが残存しているものの、正解変化マップとして使用してもよい。
【0047】
図８は、正解変化マップ生成手段２０の具体的な構成例を示すブロック図である。図８に示す正解変化マップ生成手段２０は、第１の倒れ込みパラメタ算出手段２１、第２の倒れ込みパラメタ算出手段２２、第１の膨張手段３１、第２の膨張手段３２、変化マップ生成手段４１および雑音除去手段５１を含む。
【0048】
第１の倒れ込みパラメタ算出手段２１には、画像Ａ（第１の対象物マップ１１１）に関するレンジ方位角および入射角と対象物の高さとが入力される。第１の倒れ込みパラメタ算出手段２１は、入射角と対象物の高さとを用いて画像Ａにおける対象物の倒れ込み量を算出する。また、第１の倒れ込みパラメタ算出手段２１は、レンジ方位角を用いて画像Ａにおける対象物の倒れ込み方向を決定する。倒れ込み方向は、レンジ方位角αＡで示される方向と同じである。第１の倒れ込みパラメタ算出手段２１は、第１の倒れ込みパラメタを第２の膨張手段３２に出力する。第１の倒れ込みパラメタは、少なくとも対象物の倒れ込み量を示すデータと対象物の倒れ込み方向を示すデータとを含む。
【0049】
第２の倒れ込みパラメタ算出手段２２には、画像Ｂ（第２の対象物マップ１２１）に関するレンジ方位角および入射角と対象物の高さとが入力される。第２の倒れ込みパラメタ算出手段２２は、入射角と対象物の高さとを用いて画像Ｂにおける対象物の倒れ込み量を算出する。また、第２の倒れ込みパラメタ算出手段２２は、レンジ方位角を用いて画像Ｂにおける対象物の倒れ込み方向を決定する。倒れ込み方向は、レンジ方位角αＢで示される方向と同じである。第２の倒れ込みパラメタ算出手段２２は、第２の倒れ込みパラメタを第１の膨張手段３１に出力する。第２の倒れ込みパラメタは、少なくとも対象物の倒れ込み量を示すデータと対象物の倒れ込み方向を示すデータとを含む。
【0050】
なお、観測画像として光学画像が用いられる場合には、第１の倒れ込みパラメタ算出手段２１は、レンジ方位角αＡ＋１８０度（または、レンジ方位角αＡ－１８０度）で示される方向を、第１の倒れ込みパラメタにおける倒れ込み方向として算出する。第２の倒れ込みパラメタ算出手段２２は、レンジ方位角αＢ＋１８０度（または、レンジ方位角αＢ－１８０度）で示される方向を、第２の倒れ込みパラメタにおける倒れ込み方向として算出する。
【0051】
第１の膨張手段３１には、画像Ａと第２の倒れ込みパラメタとが入力される。第１の膨張手段３１は、第２の倒れ込みパラメタを用いて画像Ａにおける対象物を膨張させて、対象物が膨張された画像Ａ（第１の対象物マップ１１２）を生成する。第１の膨張手段３１は、第１の対象物マップ１１２を変化マップ生成手段４１に出力する。
【0052】
第２の膨張手段３２には、画像Ｂと第１の倒れ込みパラメタとが入力される。第２の膨張手段３２は、第１の倒れ込みパラメタを用いて画像Ｂにおける対象物を膨張させて、対象物が膨張された画像Ｂ（第２の対象物マップ１２２）を生成する。第２の膨張手段３２は、第２の対象物マップ１２２を変化マップ生成手段４１に出力する。
【0053】
変化マップ生成手段４１は、第１の対象物マップ１１２と第２の対象物マップ１２２とを重ね合わせる。すなわち、変化マップ生成手段４１は、第１の対象物マップ１１２と第２の対象物マップ１２２とを合成する。そして、変化マップ生成手段４１は、第１の対象物マップ１１２における対象物と、当該対象物に対応する第２の対象物マップ１２２における対象物との変化（消失または出現）を判定する。変化マップ生成手段４１は、第１の対象物マップ１１２と第２の対象物マップ１２２とが重ね合わされた合成画像を、変化領域と非変化領域とを区別可能な画像にして、その画像を変化マップ１４０として雑音除去手段５１に出力する。
【0054】
雑音除去手段５１は、変化マップ１４０に対してオープニング処理を施し、ノイズが除去された画像を正解変化マップとして出力する。
【0055】
次に、図９のフローチャートを参照して正解変化マップ生成手段２０の動作を説明する。
【0056】
図９に示すように、対象物マップ生成手段１０（図８において図示せず）は、入力された観測画像の組におけるそれぞれの観測画像から、変化検出の対象である対象物が存在する対象物存在領域を含む画像（対象物存在画像）を抽出する。抽出された２つの対象物存在画像は、対象物マップの組を構成する（ステップＳ１１）。なお、本実施形態では、観測画像の組を構成する２つの観測画像は、例えば、異なる時刻に異なる軌道で人工衛星１００から撮影された画像に基づくＳＡＲ画像である。また、ステップＳ１１の処理で生成される対象物マップは、図５に示された第１の対象物マップ１１１と第２の対象物マップ１２１とに相当する。
【0057】
第１の倒れ込みパラメタ算出手段２１には、一方の観測画像のメタ情報が入力される。第２の倒れ込みパラメタ算出手段２２には、他方の観測画像のメタ情報が入力される。一般に、入手可能な観測画像には、撮影時刻、撮影地点（例えば、観測画像の中心の緯度や経度）、電磁波照射方向（観測方位）などのメタ情報（メタデータ）が付随している。第１の倒れ込みパラメタ算出手段２１は、一方の観測画像のメタ情報からレンジ方位角αＡおよび入射角θＡを抽出し、第２の倒れ込みパラメタ算出手段２２は、他方の観測画像のメタ情報からレンジ方位角αＢおよび入射角θＢを抽出する（ステップＳ１２）。
【0058】
なお、第１の倒れ込みパラメタ算出手段２１および第２の倒れ込みパラメタ算出手段２２がメタ情報からレンジ方位角および入射角を抽出することは必須のことではない。例えば、第１の倒れ込みパラメタ算出手段２１および第２の倒れ込みパラメタ算出手段２２以外の手段が、メタ情報からレンジ方位角および入射角を抽出してもよい。その場合、当該手段は、抽出したレンジ方位角および入射角を、第１の倒れ込みパラメタ算出手段２１および第２の倒れ込みパラメタ算出手段２２に供給する。
【0059】
また、第１の倒れ込みパラメタ算出手段２１および第２の倒れ込みパラメタ算出手段２２には、対象物の高さｈを示すデータが入力される（ステップＳ１３）。
【0060】
なお、ステップＳ１１～Ｓ１３の処理順は任意である。つまり、ステップＳ１１～Ｓ１３の処理順は、必ずしも、図９に示された順でなくてもよい。また、対象物の高さｈは、あらかじめ設定されている。例えば、対象物が自動車である場合は、一般的な自動車の高さの値、またはそれに余裕を持たせた値が、対象物の高さｈとして対象物マップ生成手段１０に入力される。
【0061】
第１の倒れ込みパラメタ算出手段２１および第２の倒れ込みパラメタ算出手段２２は、倒れ込みパラメタを算出する（ステップＳ１４）。ステップＳ１４において、第１の倒れ込みパラメタ算出手段２１は、ステップＳ１２の処理で得た入射角θＡと対象物の高さｈとを用いて上記の（１）式によって画像Ａにおける対象物の倒れ込み量ｌＡを算出する。また、第１の倒れ込みパラメタ算出手段２１は、ステップＳ１２の処理で得たレンジ方位角αＡを対象物の倒れ込み方向とする。第１の倒れ込みパラメタ算出手段２１は、得られた倒れ込み量および倒れ込み方向を第１の倒れ込みパラメタとする。なお、画像Ａに複数の対象物が存在する場合には、第１の倒れ込みパラメタ算出手段２１は、それぞれの対象物の倒れ込み量と対象物の倒れ込み方向とを決定し、それぞれの倒れ込み量と倒れ込み方向とを第１の倒れ込みパラメタに含める。
【0062】
ステップＳ１４において、第２の倒れ込みパラメタ算出手段２２は、ステップＳ１２の処理で得た入射角θＢと対象物の高さｈとを用いて上記の（１）式によって画像Ｂにおける対象物の倒れ込み量ｌＢを算出する。また、第２の倒れ込みパラメタ算出手段２２は、ステップＳ１２の処理で得たレンジ方位角αＢを対象物の倒れ込み方向とする。第２の倒れ込みパラメタ算出手段２２は、得られた倒れ込み量および倒れ込み方向を第２の倒れ込みパラメタとする。なお、画像Ｂに複数の対象物が存在する場合には、第２の倒れ込みパラメタ算出手段２２は、それぞれの対象物の倒れ込み量と対象物の倒れ込み方向とを決定し、それぞれの倒れ込み量と倒れ込み方向とを第２の倒れ込みパラメタに含める。
【0063】
なお、観測画像として光学画像が用いられる場合には、第１の倒れ込みパラメタ算出手段２１は、レンジ方位角αＡに対して１８０度の方向を、第１の倒れ込みパラメタにおける倒れ込み方向として決定する。第２の倒れ込みパラメタ算出手段２２は、レンジ方位角αＢに対して１８０度の方向を、第２の倒れ込みパラメタにおける倒れ込み方向として決定する。
【0064】
第１の膨張手段３１および第２の膨張手段３２は、対象物マップ（画像Ａまたは画像Ｂ）における対象物を膨張させる（ステップＳ１５）。ステップＳ１５において、第１の膨張手段３１は、画像Ａにおける対象物を、第２の倒れ込みパラメタに含まれる倒れ込み方向に、倒れ込み量ｌＢだけ膨張させる。また、第２の膨張手段３２は、画像Ｂにおける対象物を、第１の倒れ込みパラメタに含まれる倒れ込み方向に、倒れ込み量ｌＡだけ膨張させる。
【0065】
【0066】
変化マップ生成手段４１は、ステップＳ１６の処理で作成された合成画像における対象物の重なり具合に基づいて、対象物が変化した否か判定する。例えば、変化マップ生成手段４１は、第１の対象物マップ１１２と第２の対象物マップ１２２とを画素ごとに（画素単位で）比較することにとって、対象物が変化した否か判定する。そして、変化マップ生成手段４１は、図６に例示されたように、画像Ａには存在したが画像Ｂには存在しない対象物を、消失した対象物（変化した対象物）であると判定する。また、変化マップ生成手段４１は、画像Ａには存在しなかったが画像Ｂには存在する対象物を、新たに出現した対象物（変化した対象物）であると判定する。変化マップ生成手段４１は、その他の対象物を、変化しない対象物であると判定する。
【0067】
変化マップ生成手段４１は、ステップＳ１６の処理で作成された合成画像に、変化したか否かの判定結果を反映して、変化マップ１４０（図７参照）を生成する（ステップＳ１７）。
【0068】
雑音除去手段５１には、対象物の幅を示すデータが入力される（ステップＳ１８）。対象物の幅は、あらかじめ設定されている。例えば、対象物が自動車である場合は、一般的な自動車の幅の値、またはそれに余裕を持たせた値が、対象物の幅として雑音除去手段５１に入力される。なお、ステップＳ１８の処理が図９に示されたタイミングで実行されなくてもよい。すなわち、対象物の幅は、ステップＳ１９の処理の実行が開始されるまでに入力されていればよい。
【0069】
雑音除去手段５１は、変化マップ１４０に対してオープニング処理を施し、ノイズが除去された画像を正解変化マップとして出力する（ステップＳ１９）。ステップＳ１９の処理において、雑音除去手段５１は、オープニング処理における収縮処理で、対象物の大きさ（具体的には、幅）に応じた画素数だけ対象物を収縮させる。なお、収縮される画素数は、対象物の大きさに応じてあらかじめ決められる。すなわち、対象物ではないと判定されるべき画素の集まりが除去可能な数に設定される。一例として、対象物の最大幅が３画素である場合、雑音除去手段５１は、３画素未満すなわち２画素以下のサイズのブロックが取り除かれるように、オープニング処理で２回の収縮処理を実行する。
【0070】
以上に説明したように、本実施形態の画像処理装置は、機械学習の訓練データとして用いられる正解としての変化マップを、実際の観測画像を元に生成する。よって、人手で変化マップを作成する場合のように個人差に影響されることなく、変化マップを短時間で生成できる。また、変化マップが実際の観測画像から得られる画像からかけ離れることを排除できる。
【0071】
また、画像処理装置は、上述したように、第１の対象物マップ１１１における対象物存在領域を、第２の対象物マップ１２１における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、第２の対象物マップ１２１における対象物存在領域を、第１の対象物マップ１１１における対象物の倒れ込みの方位と倒れ込み量に従って膨張させるように構成されていることが好ましい。そのように構成されている場合には、観測方向が異なる２つの対象物マップのうちの一方の対象物マップにおける対象物の見え方に、他方の対象物マップにおける対象物の見え方を近づけることができる。よって、第１の対象物マップ１１１と第２の対象物マップ１２１との合成画像を用いた対象物存在領域の変化／非変化の検出の精度が向上する。
【0072】
また、画像処理装置は、上述したように、合成画像において、対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去するように構成されていることが好ましい。そのように構成されている場合には、合成画像において、小さいサイズの領域が変化領域であると判定されているときに、最終的に得られる変化マップ（正解変化マップとして用いられる変化マップ）が、対象物以外の変化領域を含まないマップになる。よって、正解変化マップの信頼性を高くすることができる。
【0073】
上記の実施形態の画像処理装置を、ハードウェアで構成することも可能であるが、コンピュータプログラムにより実現することも可能である。
【0074】
図１０は、上記の実施形態の画像処理装置の機能を実現可能な情報処理装置の構成例を示すブロック図である。図１０に示す情報処理装置は、１つまたは複数のＣＰＵ（Central Processing Unit ）などのプロセッサ、プログラムメモリ１００２およびメモリ１００３を含む。図１０には、１つのプロセッサ１００１を有する情報処理装置が例示されている。
【0075】
プログラムメモリ１００２は、例えば、非一時的なコンピュータ可読媒体（non-transitory computer readable medium ）である。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium ）を含む。例えば、プログラムメモリ１００２として、フラッシュＲＯＭ（Read Only Memory）などの半導体記憶媒体やハードディスク等の磁気記憶媒体が使用可能である。プログラムメモリ１００２は、上記の実施形態の画像処理装置における各ブロック（対象物マップ生成手段１０、正解変化マップ生成手段２０、第１の倒れ込みパラメタ算出手段２１、第２の倒れ込みパラメタ算出手段２２、第１の膨張手段３１、第２の膨張手段３２、変化マップ生成手段４１、雑音除去手段５１）の機能を実現するための画像処理プログラムが格納される。
【0076】
プロセッサ１００１は、プログラムメモリ１００２に格納されている画像処理プログラムに従って処理を実行することによって、画像処理装置の機能を実現する。複数のプロセッサが搭載されている場合には、複数のプロセッサが共働して画像処理装置の機能を実現することもできる。
【0077】
メモリ１００３として、例えば、ＲＡＭ（Random Access Memory）が使用可能である。メモリ１００３には、画像処理装置が処理を実行しているときに発生する一時的なデータなどが記憶される。メモリ１００３に画像処理プログラムが転送され、プロセッサ１００１がメモリ１００３内の画像処理プログラムに基づいて処理を実行するような形態も想定しうる。なお、プログラムメモリ１００２とメモリ１００３とは、一体であってもよい。
【0078】
図１１は、画像処理装置の主要部を示すブロック図である。図１１に示す画像処理装置６０は、２つの観測画像の各々の観測角度（例えば、レンジ方位角および入射角）と２つの観測画像の各々に現れる対象物の大きさ（例えば、対象物の高さ）とに基づいて、２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像（例えば、第１の対象物マップ１１１と第２の対象物マップ１２１）における対象物存在領域を変形して２つの変形画像（例えば、第１の対象物マップ１１２と第２の対象物マップ１２２）を生成する画像変形部（画像変形手段）６１（実施形態では、第１の膨張手段３１および第２の膨張手段３２で実現される。）と、２つの変形画像を合成して合成画像を生成し、合成画像を用いて２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像（例えば、変化マップ１４０）を生成する画像生成部（画像生成手段）６２（実施形態では、変化マップ生成手段４１で実現される。）とを備えている。
【0079】
図１２に示すように、画像処理装置６０は、２つの観測画像のメタデータに含まれる観測角度と対象物の高さとを用いて倒れ込み量を算出する倒れ込みパラメタ決定部（倒れ込みパラメタ決定手段）６３（実施形態では、第１の倒れ込みパラメタ算出手段２１および第２の倒れ込みパラメタ算出手段２２で実現される。）をさらに備えていてもよい。
【0080】
図１３に示すように、画像処理装置６０は、対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する除去部（除去手段）６４（実施形態では、雑音除去手段５１で実現される。）をさらに備えていてもよい。
【0081】
上記の実施形態の一部または全部は、以下の付記のようにも記載され得るが、本発明は、以下の構成に限定されるわけではない。
【0082】
（付記１）２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する画像変形手段と、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する画像生成手段と
を備えた画像処理装置。
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する画像生成手段と
を備えた画像処理装置。
【0083】
（付記２）前記画像変形手段は、前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる
付記１の画像処理装置。
付記１の画像処理装置。
【0084】
（付記３）前記画像変形手段は、前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる
付記２の画像処理装置。
付記２の画像処理装置。
【0085】
（付記４）前記２つの観測画像のメタデータに含まれる観測角度と対象物の高さとを用いて前記倒れ込み量を算出し、観測画像のメタデータに含まれる観測方位に基づいて倒れ込みの方位を決定する倒れ込みパラメタ決定手段をさらに備えた
付記３の画像処理装置。
付記３の画像処理装置。
【0086】
（付記５）対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する除去手段をさらに備えた
付記１から付記４のうちのいずれかの画像処理装置。
付記１から付記４のうちのいずれかの画像処理装置。
【0087】
（付記６）２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成し、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する
画像処理方法。
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する
画像処理方法。
【0088】
（付記７）前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる
付記６の画像処理方法。
付記６の画像処理方法。
【0089】
（付記８）前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる
付記７の画像処理方法。
付記７の画像処理方法。
【0090】
（付記９）対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する
付記６から付記８のうちのいずれかの画像処理方法。
付記６から付記８のうちのいずれかの画像処理方法。
【0091】
（付記１０）画像処理プログラムが格納されたコンピュータ読み取り可能な記録媒体であって、
前記画像処理プログラムは、コンピュータに、
２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する処理と、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する処理とを実行させる
記録媒体。
前記画像処理プログラムは、コンピュータに、
２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する処理と、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する処理とを実行させる
記録媒体。
【0092】
（付記１１）前記画像処理プログラムは、コンピュータに、
前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる処理を実行させる
付記１０の記録媒体。
前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる処理を実行させる
付記１０の記録媒体。
【0093】
（付記１２）前記画像処理プログラムは、コンピュータに、
前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる処理を実行させる
付記１１の記録媒体。
前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる処理を実行させる
付記１１の記録媒体。
【0094】
（付記１３）前記画像処理プログラムは、コンピュータに、
対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する処理を実行させる
付記１０から付記１２のうちのいずれかの記録媒体。
対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する処理を実行させる
付記１０から付記１２のうちのいずれかの記録媒体。
【0095】
（付記１４）コンピュータに、
２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する処理と、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する処理と
を実行させるための画像処理プログラム。
２つの観測画像の各々の観測角度と前記２つの観測画像の各々に現れる対象物の大きさとに基づいて、前記２つの観測画像の各々から得られる画像であって１つまたは複数の対象物が存在する２つの対象物存在画像における対象物存在領域を変形して２つの変形画像を生成する処理と、
前記２つの変形画像を合成して合成画像を生成し、前記合成画像を用いて前記２つの対象物存在画像の間での対象物の変化を判定し、判定された変化を特定可能な画像を生成する処理と
を実行させるための画像処理プログラム。
【0096】
（付記１５）コンピュータに、
前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる処理を実行させる
付記１４の画像処理プログラム。
前記２つの対象物存在画像の各々において、前記対象物存在領域を所定量膨張させる処理を実行させる
付記１４の画像処理プログラム。
【0097】
（付記１６）コンピュータに、
前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる処理を実行させる
付記１５の画像処理プログラム。
前記２つの対象物存在画像のうちの第１の対象物存在画像における前記対象物存在領域を、前記２つの対象物存在画像のうちの第２の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させ、前記第２の対象物存在画像における前記対象物存在領域を、前記第１の対象物存在画像における対象物の倒れ込みの方位と倒れ込み量に従って膨張させる処理を実行させる
付記１５の画像処理プログラム。
【0098】
（付記１７）コンピュータに、
対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する処理を実行させる
付記１４から付記１６のうちのいずれかの画像処理プログラム。
対象物の幅に基づいて決定される所定値よりも小さいサイズの領域を除去する処理を実行させる
付記１４から付記１６のうちのいずれかの画像処理プログラム。
【0099】
（付記１８）付記６から付記９のうちのいずれかの画像処理方法を実現するための画像処理プログラム。
【0100】
以上、実施形態を参照して本願発明を説明したが、本願発明は上記の実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
【符号の説明】
【0101】
１ 画像処理装置
１０ 対象物マップ生成手段
２０ 正解変化マップ生成手段
２１ 第１の倒れ込みパラメタ算出手段
２２ 第２の倒れ込みパラメタ算出手段
３１ 第１の膨張手段
３２ 第２の膨張手段
４１ 変化マップ生成手段
５１ 雑音除去手段
６０ 画像処理装置
６１ 画像変形部
６２ 画像生成部
６３ 倒れ込みパラメタ決定部
６４ 除去部
１００ 人工衛星
１００１ プロセッサ
１００２ プログラムメモリ
１００３ メモリ
１０ 対象物マップ生成手段
２０ 正解変化マップ生成手段
２１ 第１の倒れ込みパラメタ算出手段
２２ 第２の倒れ込みパラメタ算出手段
３１ 第１の膨張手段
３２ 第２の膨張手段
４１ 変化マップ生成手段
５１ 雑音除去手段
６０ 画像処理装置
６１ 画像変形部
６２ 画像生成部
６３ 倒れ込みパラメタ決定部
６４ 除去部
１００ 人工衛星
１００１ プロセッサ
１００２ プログラムメモリ
１００３ メモリ
【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】
【図15】