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】2025-02-13
(45)【発行日】2025-02-21
(54)【発明の名称】情報処理装置、情報処理方法及び情報処理プログラム
(51)【国際特許分類】
G06T 7/00 20170101AFI20250214BHJP
G06V 20/17 20220101ALI20250214BHJP
【ＦＩ】
G06T7/00 640
G06V20/17
【請求項の数】
8
(21)【出願番号】P 2022043876
(22)【出願日】2022-03-18
(65)【公開番号】P2023137609
(43)【公開日】2023-09-29
【審査請求日】2024-03-06
(73)【特許権者】
【識別番号】000006013
【氏名又は名称】三菱電機株式会社
(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】栗原 康平
(72)【発明者】
【氏名】三五 大輔
【審査官】伊知地 和之
(56)【参考文献】
【文献】特開２０１９－１６９０６０（ＪＰ，Ａ）
【文献】特開２０１１－２０９７８０（ＪＰ，Ａ）
【文献】特開２０１５－１１４１４７（ＪＰ，Ａ）
【文献】中国特許出願公開第１１０２６３７６４（ＣＮ，Ａ）
【文献】中国特許出願公開第１１２０５２７２０（ＣＮ，Ａ）
【文献】永谷泉 外５名，衛星データとＧＩＳによる森林多様度評価手法の開発，ＧＩＳ－理論と応用，日本，地理情報システム学会，2000年03月31日，第8巻 第1号，pp.107～113
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｔ １／００ － １／４０
Ｇ０６Ｔ ３／００ － ５／９４
Ｇ０６Ｔ ７／００ － ７／９０
Ｇ０６Ｖ １０／００ － ２０／９０
Ｇ０６Ｖ ３０／４１８
Ｇ０６Ｖ ４０／１６
Ｇ０６Ｖ ４０／２０
ＣＳＤＢ（日本国特許庁）
(57)【特許請求の範囲】
【請求項1】
解析対象の地表面の領域である対象地表面領域の画像解析を行い、前記対象地表面領域を、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に各々が分類される１つ以上の部分領域に論理的に分割する部分領域分割部と、前記対象地表面領域の画像解析を行い、前記対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する経時変化マップ生成部と、
前記経時変化マップに示される前記経時変化の変化度合いの領域分布に基づき、前記部分領域を、前記部分領域の数よりも多い細分領域に細分し、細分領域ごとに、細分領域での前記経時変化の変化度合いに応じて、細分領域を前記複数の地表面種別のうちのいずれかの地表面種別に分類する細分領域分類部とを有する情報処理装置。
【請求項2】
前記複数の地表面種別は階層構造の分類種別であり、前記階層構造の階層ごとに各階層に属する地表面種別が定められており、
前記部分領域分割部は、
前記対象地表面領域を、前記階層構造のうちの最下層以外の階層に属するいずれかの地表面種別に分類される部分領域に分割し、
前記細分領域分類部は、
いずれかの細分領域を、前記部分領域の分類に用いられた地表面種別が属する階層よりも低い階層に属するいずれかの地表面種別に分類する請求項１に記載の情報処理装置。
【請求項3】
前記情報処理装置は、更に、各々が異なる時刻に取得された、前記対象地表面領域の上空からの２つのレーダ画像のコヒーレンスマップを生成するコヒーレンスマップ生成部を有し、
前記経時変化マップ生成部は、
前記コヒーレンスマップ生成部により各々が異なるレーダ画像の組み合わせについて生成された２つ以上のコヒーレンスマップの画像解析を行い、前記経時変化マップを生成する請求項１に記載の情報処理装置。
【請求項4】
前記経時変化マップ生成部は、前記部分領域分割部により前記対象地表面領域が２つ以上の部分領域に分割された場合に、前記２つ以上の部分領域のうちのいずれかの部分領域を選択し、選択した選択部分領域の画像解析を行い、前記選択部分領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成し、
前記細分領域分類部は、
前記経時変化マップに示される前記経時変化の変化度合いの領域分布に基づき、前記選択部分領域を２つ以上の細分領域に細分し、細分領域ごとに、細分領域での前記経時変化の変化度合いに応じて、細分領域を前記複数の地表面種別のうちのいずれかの地表面種別に分類する請求項１に記載の情報処理装置。
【請求項5】
前記部分領域分割部は、前記対象地表面領域の画像解析として、前記対象地表面領域の上空からの撮影画像に波長解析及び画素値分布解析のいずれかを行う請求項１に記載の情報処理装置。
【請求項6】
前記部分領域分割部は、前記対象地表面領域の画像解析として、前記対象地表面領域の上空からの撮影画像に波長解析及び画素値分布解析の一方を行って前記対象地表面領域を１つ以上の部分領域に論理的に分割し、前記撮影画像に前記波長解析及び前記画素値分布解析の他方を行って、前記１つ以上の部分領域を更に論理的に分割する請求項１に記載の情報処理装置。
【請求項7】
コンピュータが、解析対象の地表面の領域である対象地表面領域の画像解析を行い、前記対象地表面領域を、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に各々が分類される１つ以上の部分領域に論理的に分割し、前記コンピュータが、前記対象地表面領域の画像解析を行い、前記対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成し、
前記コンピュータが、前記経時変化マップに示される前記経時変化の変化度合いの領域分布に基づき、前記部分領域を、前記部分領域の数よりも多い細分領域に細分し、細分領域ごとに、細分領域での前記経時変化の変化度合いに応じて、細分領域を前記複数の地表面種別のうちのいずれかの地表面種別に分類する情報処理方法。
【請求項8】
解析対象の地表面の領域である対象地表面領域の画像解析を行い、前記対象地表面領域を、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に各々が分類される１つ以上の部分領域に論理的に分割する部分領域分割処理と、前記対象地表面領域の画像解析を行い、前記対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する経時変化マップ生成処理と、
前記経時変化マップに示される前記経時変化の変化度合いの領域分布に基づき、前記部分領域を、前記部分領域の数よりも多い細分領域に細分し、細分領域ごとに、細分領域での前記経時変化の変化度合いに応じて、細分領域を前記複数の地表面種別のうちのいずれかの地表面種別に分類する細分領域分類処理とをコンピュータに実行させる情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、地表面の画像解析に関する。
【背景技術】
【0002】
リモートセンシングは広域の地表面の観測が可能な手法である。地表面とは、地球の表面である。地表面には、陸域と水域が含まれる。
リモートセンシングでは、航空機、ＵＡＶ（ドローン）、光学衛星、合成開口レーダ（ＳＡＲ）衛星等にセンサを搭載し、上空から地表面を撮像する。
リモートセンシングデータの活用方法の１つに土地被覆分類がある。リモートセンシングデータを解析することで、例えば広域の植生繁茂の状況、都市建設の進捗状況等を確認することがきる。
リモートセンシングでは、航空機、ＵＡＶ（ドローン）、光学衛星、合成開口レーダ（ＳＡＲ）衛星等にセンサを搭載し、上空から地表面を撮像する。
リモートセンシングデータの活用方法の１つに土地被覆分類がある。リモートセンシングデータを解析することで、例えば広域の植生繁茂の状況、都市建設の進捗状況等を確認することがきる。
【0003】
非特許文献１では、光学画像の波長情報を活用し、ＮＤＶＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｅｘ）で植生領域を検出している。
波長の組合せによって指標が様々あり、ＮＤＷＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｗａｔｅｒ Ｉｎｄｅｘ）を用いて水域を検出することができる。また、ＮＤＢＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｂｕｉｌｔ－ｕｐ Ｉｎｄｅｘ）を用いて都市部を検出することができる。
波長の組合せによって指標が様々あり、ＮＤＷＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｗａｔｅｒ Ｉｎｄｅｘ）を用いて水域を検出することができる。また、ＮＤＢＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｂｕｉｌｔ－ｕｐ Ｉｎｄｅｘ）を用いて都市部を検出することができる。
【先行技術文献】
【非特許文献】
【0004】
【文献】市原雅也、ＭＯＤＩＳ衛星画像を用いた土地被覆分類
【発明の概要】
【発明が解決しようとする課題】
【0005】
非特許文献１の技術は、地表面種別を、植生、都市部、水域といったレベルで分類することができる。しかしながら、非特許文献１の技術では、地表面をより詳細に分類することができないという課題がある。非特許文献１の技術では、例えば、植生に分類された領域を、繁茂する植物の種類で細分することができないという課題がある。
【0006】
本開示は、上記のような課題を解決することを主な目的の一つとしている。より具体的には、本開示は、地表面をより詳細に分類することを主な目的とする。
ことを主な目的とする。
ことを主な目的とする。
【課題を解決するための手段】
【0007】
本開示に係る情報処理装置は、
解析対象の地表面の領域である対象地表面領域の画像解析を行い、前記対象地表面領域を、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に各々が分類される１つ以上の部分領域に論理的に分割する部分領域分割部と、
前記対象地表面領域の画像解析を行い、前記対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する経時変化マップ生成部と、
前記経時変化マップに示される前記経時変化の変化度合いの領域分布に基づき、前記部分領域を、前記部分領域の数よりも多い細分領域に細分し、細分領域ごとに、細分領域での前記経時変化の変化度合いに応じて、細分領域を前記複数の地表面種別のうちのいずれかの地表面種別に分類する細分領域分類部とを有する。
解析対象の地表面の領域である対象地表面領域の画像解析を行い、前記対象地表面領域を、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に各々が分類される１つ以上の部分領域に論理的に分割する部分領域分割部と、
前記対象地表面領域の画像解析を行い、前記対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する経時変化マップ生成部と、
前記経時変化マップに示される前記経時変化の変化度合いの領域分布に基づき、前記部分領域を、前記部分領域の数よりも多い細分領域に細分し、細分領域ごとに、細分領域での前記経時変化の変化度合いに応じて、細分領域を前記複数の地表面種別のうちのいずれかの地表面種別に分類する細分領域分類部とを有する。
【発明の効果】
【0008】
本開示によれば、地表面をより詳細に分類することができる。
【図面の簡単な説明】
【0009】
【図1】実施の形態１の情報処理装置の機能構成例を示す図である。
【図2】実施の形態１の分類情報高精度化部の動作例を説明する図である。
【図3】実施の形態１の細分基準情報の例を示す図である。
【図4】実施の形態２の情報処理装置の機能構成例を示す図である。
【図5】実施の形態３の情報処理装置の機能構成例を示す図である。
【図6】実施の形態４の情報処理装置の機能構成例を示す図である。
【図7】実施の形態５の情報処理装置の動作手順を示すフローチャートである。
【図8】実施の形態１の情報処理装置のハードウェア構成例を示す図である。
【発明を実施するための形態】
【0010】
以下、実施の形態を図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分又は相当する部分を示す。
【0011】
実施の形態１．
＊＊＊構成の説明＊＊＊
図１は、実施の形態１の情報処理装置１の機能構成を示すブロック図である。
情報処理装置１の動作手順は、情報処理方法に相当する。また、情報処理装置１の動作を実現するプログラムは、情報処理プログラムに相当する。
＊＊＊構成の説明＊＊＊
図１は、実施の形態１の情報処理装置１の機能構成を示すブロック図である。
情報処理装置１の動作手順は、情報処理方法に相当する。また、情報処理装置１の動作を実現するプログラムは、情報処理プログラムに相当する。
【0012】
情報処理装置１は、光学画像ＤＩＮ１とレーダ画像ＤＩＮ２とから高精度分類情報ＤＯＵＴを出力する。
【0013】
光学画像ＤＩＮ１は、リモートセンシングデータである。
つまり、光学画像ＤＩＮ１は、解析対象の地表面の領域である対象地表面領域を上空から例えばカメラにより撮影して得られた撮像画像である。
つまり、光学画像ＤＩＮ１は、解析対象の地表面の領域である対象地表面領域を上空から例えばカメラにより撮影して得られた撮像画像である。
【0014】
レーダ画像ＤＩＮ２は、対象地表面領域を上空からレーダにより撮像して得られた撮像画像である。
レーダ画像ＤＩＮ２は、異なる複数の撮像時刻で撮像された複数の撮像画像である。
レーダ画像ＤＩＮ２は、光学画像ＤＩＮ１と同一視野で対象地表面領域を撮像して得られる撮像画像である。
レーダ画像ＤＩＮ２は、異なる複数の撮像時刻で撮像された複数の撮像画像である。
レーダ画像ＤＩＮ２は、光学画像ＤＩＮ１と同一視野で対象地表面領域を撮像して得られる撮像画像である。
【0015】
高精度分類情報ＤＯＵＴは、光学画像ＤＩＮ１の解析により得られた部分領域を更に細分領域に細分した結果を示す。
【0016】
情報処理装置１は、機能構成として、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４を有する。
【0017】
波長情報解析部１１は、光学画像ＤＩＮ１の波長情報を用いて光学画像ＤＩＮ１の波長解析を行い、初期分類情報Ｄ１１を出力する。波長情報解析部１１は、波長解析として、例えば、反射スペクトル解析を行う。
波長情報解析部１１は、具体的には、ＮＤＶＩ、ＮＤＷＩ、ＮＤＢＩ等の波長解析方法を用いる。ＮＤＶＩを用いれば植生領域が検出可能である。ＮＤＷＩを用いれば水域が検出可能である。ＮＤＢＩを用いれば都市部が検出可能である。
波長情報解析部１１は、対象地表面領域の画像解析を行い、対象地表面領域を１つ以上の部分領域に論理的に分割する。各部分領域は、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に分類される。
初期分類情報Ｄ１１には、対象地表面領域の部分領域への分割状況と、各部分領域が分類された地表面種別が示される。
波長情報解析部１１は、具体的には、ＮＤＶＩ、ＮＤＷＩ、ＮＤＢＩ等の波長解析方法を用いる。ＮＤＶＩを用いれば植生領域が検出可能である。ＮＤＷＩを用いれば水域が検出可能である。ＮＤＢＩを用いれば都市部が検出可能である。
波長情報解析部１１は、対象地表面領域の画像解析を行い、対象地表面領域を１つ以上の部分領域に論理的に分割する。各部分領域は、地表面の分類種別である複数の地表面種別のうちのいずれかの地表面種別に分類される。
初期分類情報Ｄ１１には、対象地表面領域の部分領域への分割状況と、各部分領域が分類された地表面種別が示される。
【0018】
本実施の形態では、地表面種別は階層構造の分類種別である。階層構造の階層ごとに各階層に属する地表面種別が定められている。以下では、説明の簡明化のために、地表面種別は２層構造であるものとする。上位層については、植生、水域、都市部といった分類種別であることが想定される。また、下位層については、例えば、植生に関して、植物の種類についての分類種別が設けられている。
本実施の形態では、波長情報解析部１１は、対象地表面領域を、上位層に属するいずれかの地表面種別（植生、水域、都市部）に分類される部分領域に分割する。地表面種別が３階層以上の階層構造である場合は、波長情報解析部１１は、対象地表面領域を、最下層以外の階層に属するいずれかの地表面種別に分類される部分領域に分割する。
波長情報解析部１１は、部分領域分割部に相当する。また、波長情報解析部１１により行われる処理は、部分領域分割処理に相当する。
本実施の形態では、波長情報解析部１１は、対象地表面領域を、上位層に属するいずれかの地表面種別（植生、水域、都市部）に分類される部分領域に分割する。地表面種別が３階層以上の階層構造である場合は、波長情報解析部１１は、対象地表面領域を、最下層以外の階層に属するいずれかの地表面種別に分類される部分領域に分割する。
波長情報解析部１１は、部分領域分割部に相当する。また、波長情報解析部１１により行われる処理は、部分領域分割処理に相当する。
【0019】
コヒーレンスマップ生成部１２は、レーダ画像ＤＩＮ２のコヒーレンス情報の差分を算出し、コヒーレンスマップＤ１２を生成する。そして、コヒーレンスマップ生成部１２は、生成したコヒーレンスマップＤ１２を出力する。
コヒーレンスマップ生成部１２は、例えば、各々の撮像時刻が異なる３つ以上のレーダ画像ＤＩＮ２から各々が異なる２つのレーダ画像ＤＩＮ２の組み合せを選択する。そして、コヒーレンスマップ生成部１２は、組み合わせごとに、複素相関の分布を示すコヒーレンスマップＤ１２を生成する。
コヒーレンスマップ生成部１２は、例えば、各々の撮像時刻が異なる３つ以上のレーダ画像ＤＩＮ２から各々が異なる２つのレーダ画像ＤＩＮ２の組み合せを選択する。そして、コヒーレンスマップ生成部１２は、組み合わせごとに、複素相関の分布を示すコヒーレンスマップＤ１２を生成する。
【0020】
コヒーレンス変化解析部１３は、コヒーレンスマップ生成部１２から出力された２つ以上のコヒーレンスマップＤ１２の変化領域を解析する。そして、コヒーレンス変化解析部１３は、解析結果を示すコヒーレンス変化情報Ｄ１３を出力する。
つまり、コヒーレンス変化解析部１３は、２つ以上のコヒーレンスマップＤ１２の画像解析を行い、対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する。そして、コヒーレンス変化解析部１３は、生成した経時変化マップを、コヒーレンス変化情報Ｄ１３として出力する。
コヒーレンス変化解析部１３は、レーダ画像の輝度情報に加えて位相情報をも利用して変化検出を実施することで、土地利用の変化状況を算出できる。コヒーレンス変化情報Ｄ１３は、対象地表面領域での経時変化の変化度合いを、例えば変化大、変化中、変化小のように示す。
コヒーレンス変化解析部１３は、経時変化マップ生成部に相当する。また、コヒーレンス変化解析部１３により行われる処理は、経時変化マップ生成処理に相当する。
つまり、コヒーレンス変化解析部１３は、２つ以上のコヒーレンスマップＤ１２の画像解析を行い、対象地表面領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する。そして、コヒーレンス変化解析部１３は、生成した経時変化マップを、コヒーレンス変化情報Ｄ１３として出力する。
コヒーレンス変化解析部１３は、レーダ画像の輝度情報に加えて位相情報をも利用して変化検出を実施することで、土地利用の変化状況を算出できる。コヒーレンス変化情報Ｄ１３は、対象地表面領域での経時変化の変化度合いを、例えば変化大、変化中、変化小のように示す。
コヒーレンス変化解析部１３は、経時変化マップ生成部に相当する。また、コヒーレンス変化解析部１３により行われる処理は、経時変化マップ生成処理に相当する。
【0021】
分類情報高精度化部１４は、初期分類情報Ｄ１１から植生領域、都市部領域などの部分領域を抽出する。そして、コヒーレンス変化解析部１３は、抽出した部分領域をコヒーレンス変化情報Ｄ１３を用いて更に分割する。分類情報高精度化部１４は、再分割の状況が示される高精度分類情報ＤＯＵＴを生成する。
つまり、分類情報高精度化部１４は、コヒーレンス変化情報Ｄ１３に示される経時変化の変化度合いの領域分布に基づき、部分領域を、部分領域の数よりも多い細分領域に細分する。そして、分類情報高精度化部１４は、細分領域ごとに、細分領域での経時変化の変化度合いに応じて、細分領域をいずれかの地表面種別に分類する。
本実施の形態では、分類情報高精度化部１４は、いずれかの細分領域を、下位層の地表面種別に分類することができる。例えば、分類情報高精度化部１４は、いずれかの細分領域を、植生の下位層の分類種別である「草地、針葉樹林」、「広葉樹林」等の地表面種別に分類することができる。地表面種別が３階層以上の階層構造である場合は、分類情報高精度化部１４は、いずれかの細分領域を、波長情報解析部１１による部分領域の分類に用いられた地表面種別が属する階層よりも低い階層に属するいずれかの地表面種別することができる。
分類情報高精度化部１４は、細分領域分類部に相当する。また、分類情報高精度化部１４により行われる処理は、細分領域分類処理に相当する。
つまり、分類情報高精度化部１４は、コヒーレンス変化情報Ｄ１３に示される経時変化の変化度合いの領域分布に基づき、部分領域を、部分領域の数よりも多い細分領域に細分する。そして、分類情報高精度化部１４は、細分領域ごとに、細分領域での経時変化の変化度合いに応じて、細分領域をいずれかの地表面種別に分類する。
本実施の形態では、分類情報高精度化部１４は、いずれかの細分領域を、下位層の地表面種別に分類することができる。例えば、分類情報高精度化部１４は、いずれかの細分領域を、植生の下位層の分類種別である「草地、針葉樹林」、「広葉樹林」等の地表面種別に分類することができる。地表面種別が３階層以上の階層構造である場合は、分類情報高精度化部１４は、いずれかの細分領域を、波長情報解析部１１による部分領域の分類に用いられた地表面種別が属する階層よりも低い階層に属するいずれかの地表面種別することができる。
分類情報高精度化部１４は、細分領域分類部に相当する。また、分類情報高精度化部１４により行われる処理は、細分領域分類処理に相当する。
【0022】
図８は、実施の形態８の情報処理装置１の機能構成を示すブロック図である。
【0023】
本実施の形態に係る情報処理装置１は、コンピュータである。
情報処理装置１は、ハードウェアとして、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３及び通信装置９０４を備える。
補助記憶装置９０３には、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４の機能を実現するプログラムが記憶されている。
これらプログラムは、補助記憶装置９０３から主記憶装置９０２にロードされる。そして、プロセッサ９０１がこれらプログラムを実行して、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４の動作を行う。
図８は、プロセッサ９０１が波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４の機能を実現するプログラムを実行している状態を模式的に表している。
情報処理装置１は、ハードウェアとして、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３及び通信装置９０４を備える。
補助記憶装置９０３には、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４の機能を実現するプログラムが記憶されている。
これらプログラムは、補助記憶装置９０３から主記憶装置９０２にロードされる。そして、プロセッサ９０１がこれらプログラムを実行して、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４の動作を行う。
図８は、プロセッサ９０１が波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３及び分類情報高精度化部１４の機能を実現するプログラムを実行している状態を模式的に表している。
【0024】
＊＊＊動作の説明＊＊＊
図２は、分類情報高精度化部１４の動作の一例を示す。
図２は、分類情報高精度化部１４の動作の一例を示す。
【0025】
図２の（ａ）は、初期分類情報Ｄ１１の例を示す。
分類情報高精度化部１４は、波長情報解析部１１から初期分類情報Ｄ１１を取得する。
図２の（ａ）に示す初期分類情報Ｄ１１は、対象地表面領域が「都市部」の地表面種別に分類される部分領域と、「植生」の地表面種別に分類される部分領域とに分割されている。
分類情報高精度化部１４は、波長情報解析部１１から初期分類情報Ｄ１１を取得する。
図２の（ａ）に示す初期分類情報Ｄ１１は、対象地表面領域が「都市部」の地表面種別に分類される部分領域と、「植生」の地表面種別に分類される部分領域とに分割されている。
【0026】
図２の（ｂ）は、コヒーレンス変化情報Ｄ１３の例を示す。
分類情報高精度化部１４は、コヒーレンス変化解析部１３からコヒーレンス変化情報Ｄ１３を取得する。
図２の（ｂ）に示すコヒーレンス変化情報Ｄ１３では、対象地表面領域で生じた経時変化の変化度合いの領域分布として、「変化大」の領域と「変化小」の領域が示される。
分類情報高精度化部１４は、コヒーレンス変化解析部１３からコヒーレンス変化情報Ｄ１３を取得する。
図２の（ｂ）に示すコヒーレンス変化情報Ｄ１３では、対象地表面領域で生じた経時変化の変化度合いの領域分布として、「変化大」の領域と「変化小」の領域が示される。
【0027】
図３は、分類情報高精度化部１４が用いる細分基準情報の例を示す。
細分基準情報は、例えば、補助記憶装置９０３で保持されている。
例えば、初期分類情報Ｄ１１の「都市部」とコヒーレンス変化情報Ｄ１３の「変化小」とが重畳している領域は「都市部カテゴリ１」に分類される。また、初期分類情報Ｄ１１の「都市部」とコヒーレンス変化情報Ｄ１３の「変化大」とが重畳している領域は「都市部カテゴリ２」に分類される。同様に、初期分類情報Ｄ１１の「植生」とコヒーレンス変化情報Ｄ１３の「変化小」とが重畳している領域は「植生カテゴリ１」に分類される。また、初期分類情報Ｄ１１の「植生」とコヒーレンス変化情報Ｄ１３の「変化大」とが重畳している領域は「植生カテゴリ２」に分類される。図３では、「都市部」と「植生」のみが示されているが、「水域」の情報が含まれていてもよい。
情報処理装置１の利用者は、細分基準情報の「都市部カテゴリ１」、「都市部カテゴリ２」、「植生カテゴリ１」及び「植生カテゴリ２」の各々を定義する。
「都市部カテゴリ１」は、経時変化が少ないので、建物の改築等があまりないエリアと推測される。このため、利用者は、「都市部カテゴリ１」を例えば「安定エリア」と定義する。「都市部カテゴリ２」は、経時変化が多いので、建物の改築等が多いエリアと推測される。このため、利用者は、「都市部カテゴリ２」を例えば「開発エリア」と定義する。
また、「植生カテゴリ１」は、経時変化のあまりない植物が生育されていると推測される。このため、利用者は、「植生カテゴリ１」を例えば「草地、針葉樹林」と定義する。「植生カテゴリ２」は、経時変化の比較的多い植物が生育されていると推測される。このため、利用者は、「植生カテゴリ２」を例えば「広葉樹林」と定義する。
情報処理装置１の利用者は、各カテゴリを任意に定義することができる。
細分基準情報は、例えば、補助記憶装置９０３で保持されている。
例えば、初期分類情報Ｄ１１の「都市部」とコヒーレンス変化情報Ｄ１３の「変化小」とが重畳している領域は「都市部カテゴリ１」に分類される。また、初期分類情報Ｄ１１の「都市部」とコヒーレンス変化情報Ｄ１３の「変化大」とが重畳している領域は「都市部カテゴリ２」に分類される。同様に、初期分類情報Ｄ１１の「植生」とコヒーレンス変化情報Ｄ１３の「変化小」とが重畳している領域は「植生カテゴリ１」に分類される。また、初期分類情報Ｄ１１の「植生」とコヒーレンス変化情報Ｄ１３の「変化大」とが重畳している領域は「植生カテゴリ２」に分類される。図３では、「都市部」と「植生」のみが示されているが、「水域」の情報が含まれていてもよい。
情報処理装置１の利用者は、細分基準情報の「都市部カテゴリ１」、「都市部カテゴリ２」、「植生カテゴリ１」及び「植生カテゴリ２」の各々を定義する。
「都市部カテゴリ１」は、経時変化が少ないので、建物の改築等があまりないエリアと推測される。このため、利用者は、「都市部カテゴリ１」を例えば「安定エリア」と定義する。「都市部カテゴリ２」は、経時変化が多いので、建物の改築等が多いエリアと推測される。このため、利用者は、「都市部カテゴリ２」を例えば「開発エリア」と定義する。
また、「植生カテゴリ１」は、経時変化のあまりない植物が生育されていると推測される。このため、利用者は、「植生カテゴリ１」を例えば「草地、針葉樹林」と定義する。「植生カテゴリ２」は、経時変化の比較的多い植物が生育されていると推測される。このため、利用者は、「植生カテゴリ２」を例えば「広葉樹林」と定義する。
情報処理装置１の利用者は、各カテゴリを任意に定義することができる。
【0028】
図２の（ｃ）は、高精度分類情報ＤＯＵＴの例を示す。
分類情報高精度化部１４は、初期分類情報Ｄ１１とコヒーレンス変化情報Ｄ１３とを重畳させ、部分領域を細分領域に細分する。また、分類情報高精度化部１４は、図３の細分基準情報に従い、各細分領域を下位層の地表種別に分類する。
図２の（ｃ）では、「都市部」と「変化大」とが重畳している。また、「植生」の左半分と「変化小」とが重畳し、「植生」の右半分と「変化大」とが重畳している。
このため、分類情報高精度化部１４は、対象地表面領域を、「都市部」と「変化大」との細分領域と、「植生」と「変化小」との細分領域と、「植生」と「変化大」との細分領域とに細分している。
そして、分類情報高精度化部１４は、図３の細分基準情報に従い、「都市部」と「変化大」との細分領域を「都市部カテゴリ２」に分類する。また、分類情報高精度化部１４は、「植生」と「変化小」との細分領域を「植生カテゴリ１」に分類する。更に、分類情報高精度化部１４は、「植生」と「変化大」との細分領域を「植生カテゴリ２」に分類する。
情報処理装置１の利用者が前述のように各カテゴリを定義している場合は、「都市部」と「変化大」との細分領域は「開発エリア」に分類される。また、「植生」と「変化小」との細分領域は「草地、針葉樹林」に分類される。更に、「植生」と「変化大」との細分領域は「広葉樹林」に分類される。
分類情報高精度化部１４は、初期分類情報Ｄ１１とコヒーレンス変化情報Ｄ１３とを重畳させ、部分領域を細分領域に細分する。また、分類情報高精度化部１４は、図３の細分基準情報に従い、各細分領域を下位層の地表種別に分類する。
図２の（ｃ）では、「都市部」と「変化大」とが重畳している。また、「植生」の左半分と「変化小」とが重畳し、「植生」の右半分と「変化大」とが重畳している。
このため、分類情報高精度化部１４は、対象地表面領域を、「都市部」と「変化大」との細分領域と、「植生」と「変化小」との細分領域と、「植生」と「変化大」との細分領域とに細分している。
そして、分類情報高精度化部１４は、図３の細分基準情報に従い、「都市部」と「変化大」との細分領域を「都市部カテゴリ２」に分類する。また、分類情報高精度化部１４は、「植生」と「変化小」との細分領域を「植生カテゴリ１」に分類する。更に、分類情報高精度化部１４は、「植生」と「変化大」との細分領域を「植生カテゴリ２」に分類する。
情報処理装置１の利用者が前述のように各カテゴリを定義している場合は、「都市部」と「変化大」との細分領域は「開発エリア」に分類される。また、「植生」と「変化小」との細分領域は「草地、針葉樹林」に分類される。更に、「植生」と「変化大」との細分領域は「広葉樹林」に分類される。
【0029】
＊＊＊実施の形態の効果の説明＊＊＊
以上のように、実施の形態１によれば、地表面をより詳細に分類することができる。
つまり、本実施の形態では、光学画像の分類結果を事前知識として、分類結果の各分類領域内に対し、同一領域を撮像したレーダ画像のコヒーレンス変化を解析することにより、分類情報の高精度化を図ることが可能となる。
以上のように、実施の形態１によれば、地表面をより詳細に分類することができる。
つまり、本実施の形態では、光学画像の分類結果を事前知識として、分類結果の各分類領域内に対し、同一領域を撮像したレーダ画像のコヒーレンス変化を解析することにより、分類情報の高精度化を図ることが可能となる。
【0030】
実施の形態２．
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
【0031】
図４は、実施の形態２の情報処理装置１の機能構成例を示す。
【0032】
本実施の形態では、波長情報解析部１１が初期分類情報Ｄ１１をコヒーレンス変化解析部１３に入力する。
コヒーレンス変化解析部１３は、初期分類情報Ｄ１１を取得し、初期分類情報Ｄ１１を解析する。初期分類情報Ｄ１１の解析の結果、対象地表面領域が２つ以上の部分領域に分割されている場合に、２つ以上の部分領域のうちのいずれかの部分領域を選択部分領域として選択する。また、コヒーレンス変化解析部１３は、選択した選択部分領域の画像解析を行い、選択部分領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する。更に、コヒーレンス変化解析部１３は、選択部分領域についての経時変化マップをコヒーレンス変化情報Ｄ１３として分類情報高精度化部１４に出力する。
分類情報高精度化部１４は、コヒーレンス変化情報Ｄ１３に基づき、選択部分領域を２つ以上の細分領域に細分する。そして、分類情報高精度化部１４は、細分領域ごとに、細分領域での経時変化の変化度合いに応じて、細分領域をいずれかの地表面種別に分類する。
コヒーレンス変化解析部１３は、初期分類情報Ｄ１１を取得し、初期分類情報Ｄ１１を解析する。初期分類情報Ｄ１１の解析の結果、対象地表面領域が２つ以上の部分領域に分割されている場合に、２つ以上の部分領域のうちのいずれかの部分領域を選択部分領域として選択する。また、コヒーレンス変化解析部１３は、選択した選択部分領域の画像解析を行い、選択部分領域で生じた経時変化の変化度合いの領域分布が示される経時変化マップを生成する。更に、コヒーレンス変化解析部１３は、選択部分領域についての経時変化マップをコヒーレンス変化情報Ｄ１３として分類情報高精度化部１４に出力する。
分類情報高精度化部１４は、コヒーレンス変化情報Ｄ１３に基づき、選択部分領域を２つ以上の細分領域に細分する。そして、分類情報高精度化部１４は、細分領域ごとに、細分領域での経時変化の変化度合いに応じて、細分領域をいずれかの地表面種別に分類する。
【0033】
以上のように、本実施の形態では、細分化を行いたい部分領域を選択部分領域として選択する。そして、選択部分領域に絞ってコヒーレンスマップＤ１２を切り出す。このため、本実施の形態によれば、演算時間及び演算コストを削減することができる。
【0034】
本実施の形態では、選択部分領域についてコヒーレンスマップＤ１２を切り出したが、代わりに、レーダ画像ＤＩＮ２を選択部分領域について直接切出す構成も考えられる。この場合も、演算時間及び演算コストを削減することができる。
【0035】
実施の形態３．
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
【0036】
図５は、実施の形態３の情報処理装置１の機能構成例を示す。
本実施の形態では、波長情報解析部１１の代わりに物体識別部１５が含まれている。
物体識別部１５は、波長情報解析部１１と同様に、部分領域分割部に相当する。また、物体識別部１５により行われる処理は、部分領域分割処理に相当する。
本実施の形態では、波長情報解析部１１の代わりに物体識別部１５が含まれている。
物体識別部１５は、波長情報解析部１１と同様に、部分領域分割部に相当する。また、物体識別部１５により行われる処理は、部分領域分割処理に相当する。
【0037】
物体識別部１５は、光学画像ＤＩＮの画素値分布解析を行い、光学画像ＤＩＮ中の一部または全ての画素に対し、分類ラベルＤ１５を付与する。物体識別部１５は、分類ラベルＤ１５の付与により、対象地表面領域を部分領域に論理的に分割する。
【0038】
物体識別の方法としては、例えば、ルールベースの処理、学習済モデルを用いた機械学習の手法で特定の物体を検出する方法がある。この場合、光学画像ＤＩＮ中の一部の画素に対し分類ラベルが付与される。
【0039】
物体識別の別の方法として、例えばセグメンテーション処理を用いて、画素に分類ラベルを付与する方法がある。この場合、光学画像ＤＩＮ中のすべての画素に対し分類ラベルが付与される。
【0040】
分類情報高精度化部１４は、分類ラベルＤ１５から植生領域、都市部領域など各部分領域を抽出する。そして、分類情報高精度化部１４は、実施の形態１と同様に、各部分領域を、コヒーレンス変化情報Ｄ１３を用いて更に分割することで、高精度分類情報ＤＯＵＴを生成する。
【0041】
以上のように、本実施の形態よれば、波長情報が豊富でないＲＧＢ画像などを光学画像として扱う場合でも、対象地表面領域の分類の高精度化を図ることが可能となる。
【0042】
実施の形態４．
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
【0043】
図６は、実施の形態４の情報処理装置１の機能構成例を示す。
本実施の形態では、図１と比較して、物体識別部１５と分類情報分割部１６が追加されている。
本実施の形態では、波長情報解析部１１、物体識別部１５及び分類情報分割部１６が部分領域分割部に相当する。また、波長情報解析部１１、物体識別部１５及び分類情報分割部１６により行われる処理は、部分領域分割処理に相当する。
本実施の形態では、図１と比較して、物体識別部１５と分類情報分割部１６が追加されている。
本実施の形態では、波長情報解析部１１、物体識別部１５及び分類情報分割部１６が部分領域分割部に相当する。また、波長情報解析部１１、物体識別部１５及び分類情報分割部１６により行われる処理は、部分領域分割処理に相当する。
【0044】
物体識別部１５は、実施の形態３で示したものと同じである。
つまり、物体識別部１５は、光学画像ＤＩＮの画素値分布解析を行い、光学画像ＤＩＮ中の一部または全ての画素に対し、分類ラベルＤ１５を付与する。
つまり、物体識別部１５は、光学画像ＤＩＮの画素値分布解析を行い、光学画像ＤＩＮ中の一部または全ての画素に対し、分類ラベルＤ１５を付与する。
【0045】
分類情報分割部１６は、初期分類情報Ｄ１１と分類ラベルＤ１５の組合せから、初期分類情報Ｄ１１を更に分類することで、中間分類情報Ｄ１６を出力する。
中間分類情報Ｄ１６には、初期分類情報Ｄ１１に示される部分領域から更に分割された部分領域が示される。
中間分類情報Ｄ１６には、初期分類情報Ｄ１１に示される部分領域から更に分割された部分領域が示される。
【0046】
つまり、本実施の形態では、実施の形態１と同様に、波長情報解析部１１が光学画像ＤＩＮ１の波長解析を行って対象地表面領域を１つ以上の部分領域に論理的に分割する。並行して、物体識別部１５が光学画像ＤＩＮ１の画素値分布解析を行う。そして、物体識別部１５の分類ラベルＤ１５に基づき、分類情報分割部１６が波長情報解析部１１の波長解析により得られた１つ以上の部分領域を更に論理的に分割する。
【0047】
本実施の形態では、分類情報高精度化部１４は、中間分類情報Ｄ１６に示される部分領域を、実施の形態１で説明した手法により細分して細分領域を得る。そして、分類情報高精度化部１４は、実施の形態１で説明した手法で、各細分領域を地表面種別に分類する。
初期分類情報Ｄ１１の部分領域の代わりに中間分類情報Ｄ１６の部分領域が用いられる点を除けば、分類情報高精度化部１４の動作は実施の形態１と同じである。
初期分類情報Ｄ１１の部分領域の代わりに中間分類情報Ｄ１６の部分領域が用いられる点を除けば、分類情報高精度化部１４の動作は実施の形態１と同じである。
【0048】
以上のように、本実施の形態によれば、波長情報と画素値情報を組み合わせて用いることで、対象地表面領域の分類の高精度化を更に図ることが可能となる。
【0049】
なお、本実施の形態では、分類情報分割部１６が、波長情報解析部１１の波長解析により得られた１つ以上の部分領域を、物体識別部１５の画素値分布解析により得られた分類ラベルＤ１５に基づき、更に論理的に分割する例を説明した。これに代えて、分類情報分割部１６が、物体識別部１５の画素値分布解析により得られた１つ以上の部分領域を、波長情報解析部１１の波長解析に基づき、更に論理的に分割するようにしてもよい。
【0050】
実施の形態５．
図７は、実施の形態１の情報処理装置１の動作手順を示すフローチャートである。
図７は、実施の形態１の情報処理装置１の動作手順を示すフローチャートである。
【0051】
ステップＳＴ１では、波長情報解析部１１が、リモートセンシングデータである光学画像ＤＩＮ１の波長情報を解析して、初期分類情報Ｄ１１を生成する。
【0052】
ステップＳＴ２では、コヒーレンスマップ生成部１２が、光学画像ＤＩＮ１と同一視野の３つ以上の対象地表面領域のレーダ画像ＤＩＮ２から各々で異なる２つのレーダ画像ＤＩＮ２の組み合せを選択し、組み合わせごとに、複素相関の分布を示すコヒーレンスマップＤ１２を生成する。
【0053】
ステップＳＴ３では、コヒーレンス変化解析部１３が、コヒーレンスマップＤ１２間の変化領域を解析して、コヒーレンス変化情報Ｄ１３を生成する。
【0054】
ステップＳＴ４では、分類情報高精度化部１４が、初期分類情報Ｄ１１の各部分領域を、コヒーレンス変化情報を用いて細分し、細分領域の地表面種別を判別し、高精度分類情報ＤＯＵＴを生成する。
【0055】
以上、実施の形態１～５を説明したが、これらの実施の形態のうち、２つ以上を組み合わせて実施しても構わない。
あるいは、これらの実施の形態のうち、１つを部分的に実施しても構わない。
あるいは、これらの実施の形態のうち、２つ以上を部分的に組み合わせて実施しても構わない。
また、これらの実施の形態に記載された構成及び手順を必要に応じて変更してもよい。
あるいは、これらの実施の形態のうち、１つを部分的に実施しても構わない。
あるいは、これらの実施の形態のうち、２つ以上を部分的に組み合わせて実施しても構わない。
また、これらの実施の形態に記載された構成及び手順を必要に応じて変更してもよい。
【0056】
＊＊＊ハードウェア構成の補足説明＊＊＊
最後に、情報処理装置１のハードウェア構成の補足説明を行う。
図８に示すプロセッサ９０１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ９０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図８に示す主記憶装置９０２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図８に示す補助記憶装置９０３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図８に示す通信装置９０４は、データの通信処理を実行する電子回路である。
通信装置９０４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
最後に、情報処理装置１のハードウェア構成の補足説明を行う。
図８に示すプロセッサ９０１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ９０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図８に示す主記憶装置９０２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図８に示す補助記憶装置９０３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図８に示す通信装置９０４は、データの通信処理を実行する電子回路である。
通信装置９０４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
【0057】
また、補助記憶装置９０３には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）も記憶されている。
そして、ＯＳの少なくとも一部がプロセッサ９０１により実行される。
プロセッサ９０１はＯＳの少なくとも一部を実行しながら、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の機能を実現するプログラムを実行する。
プロセッサ９０１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、主記憶装置９０２、補助記憶装置９０３、プロセッサ９０１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記録媒体に格納されていてもよい。そして、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の機能を実現するプログラムが格納された可搬記録媒体を流通させてもよい。
そして、ＯＳの少なくとも一部がプロセッサ９０１により実行される。
プロセッサ９０１はＯＳの少なくとも一部を実行しながら、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の機能を実現するプログラムを実行する。
プロセッサ９０１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、主記憶装置９０２、補助記憶装置９０３、プロセッサ９０１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記録媒体に格納されていてもよい。そして、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の機能を実現するプログラムが格納された可搬記録媒体を流通させてもよい。
【0058】
また、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６の少なくともいずれかの「部」を、「回路」又は「工程」又は「手順」又は「処理」又は「サーキットリー」に読み替えてもよい。
また、情報処理装置１は、処理回路により実現されてもよい。処理回路は、例えば、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
この場合は、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６は、それぞれ処理回路の一部として実現される。
なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
また、情報処理装置１は、処理回路により実現されてもよい。処理回路は、例えば、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
この場合は、波長情報解析部１１、コヒーレンスマップ生成部１２、コヒーレンス変化解析部１３、分類情報高精度化部１４、物体識別部１５及び分類情報分割部１６は、それぞれ処理回路の一部として実現される。
なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
【符号の説明】
【0059】
１ 情報処理装置、１１ 波長情報解析部、１２ コヒーレンスマップ生成部、１３ コヒーレンス変化解析部、１４ 分類情報高精度化部、１５ 物体識別部、１６ 分類情報分割部、９０１ プロセッサ、９０２ 主記憶装置、９０３ 補助記憶装置、９０４ 通信装置、ＤＩＮ１ 光学画像、ＤＩＮ２ レーダ画像、Ｄ１１ 初期分類情報、Ｄ１２ コヒーレンスマップ、Ｄ１３ コヒーレンス変化情報、Ｄ１５ 分類ラベル、Ｄ１６ 中間分類情報、ＤＯＵＴ 高精度分類情報。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】