植物種特定のためのプログラム、情報処理方法及び装置
【課題】成長度合いが異なっていても特定の植物が存在しているか否かを判定できるようにする。
【解決手段】本情報処理方法は、測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、算出された類似度を所定の閾値とを比較する処理とを含む。これにより、クロロフィル含有量の変動による影響を排除でき、正しく樹種を特定できるようになる。
【解決手段】本情報処理方法は、測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、算出された類似度を所定の閾値とを比較する処理とを含む。これにより、クロロフィル含有量の変動による影響を排除でき、正しく樹種を特定できるようになる。
【発明の詳細な説明】
【技術分野】
【０００１】
本技術は、植物種特定のための技術に関する。
【背景技術】
【０００２】
従来の植生調査方法においては、主に２つの方法がある。第１の調査方法は、識別者が現地を踏破し、現地の状況を目視で判別する方法である。第２の調査方法は、衛星や航空機等から撮影された写真や画像を用いて識別者が判別する方法（すなわちリモートセンシング）である。これらの方法は、それぞれ単独で又は組み合わせて使用されている。
【０００３】
第２の調査方法のリモートセンシングで使用されているセンサは、以前はパンクロマチック（白黒）であったが、最近ではマルチスペクトル（カラー）に移り変わってきており、専門家である識別者がマルチスペクトルの写真や画像を判読することによって植生の識別を行っている。
【０００４】
また、最近では、ＧＩＳ（Geographic Information System）による植生図作製が主流となっている。ＧＩＳでは、予め用意された各植物種の樹冠形状や色を示す基準情報として正規植生指標（ＮＤＶＩ：Normalized Difference Vegetation Index）を用いて、カメラやセンサで撮影された画像をパターンマッチングすることによって、植物種を識別する。
【０００５】
さらに、近年では、従来のマルチスペクトルの１０倍以上の帯域で計測が可能なハイパースペクトルセンサを搭載した衛星（例えば衛星名：ＥＯ−１（センサ名：Ｈｙｐｅｒｉｏｎ）、衛星名：ＰＲＯＢＡ（センサ名：ＣＨＲＩＳ））が地球環境衛星などとして打ち上げられ、ハイパースペクトルセンサによる計測も行われている。
【０００６】
ハイパースペクトルセンサを使用することによって得られる情報量は、マルチスペクトルよりも飛躍的に増加している。また、航空機搭載型のハイパースペクトルセンサも開発されており、環境、農業分野を含む様々な分野で活用され始めている。
【０００７】
このようなハイパースペクトルセンサの出力であるハイパースペクトルデータを用いて樹種の判別を行うことも試みられているが、様々な状況に対応できているわけではない。
【０００８】
なお、樹種判別の従来手法として、森林現況を示す画像データを小班区画に分けて、画像データにおける各小班区画の樹種を判別する手法が知られている。
【０００９】
また、樹種の解析適期を基に複数のバンドデータブロックを取得し、各バンドデータブロックの輝度値に対して上下限値を設定した各樹種の対象抽出マップを生成して各樹種のＮＤＶＩをマスク処理し、樹種分布を抽出する手法が知られている。
【００１０】
また、上空から撮影した森林の画像データの輝度値を峰と谷とで平坦化し、平坦化した画像データの輝度値の空間変化に対して領域分割して樹冠形状及びそのテクスチャ特徴量を求め、既知の樹冠のテクスチャ特徴量をもとに樹種を判定する手法が知られている。
【００１１】
このほかにも様々な方法が存在しているが、同一種別の植物の中でも成長度合いに着目したものはない。
【先行技術文献】
【特許文献】
【００１２】
【特許文献１】特開２０１０−０８６２７６号公報
【特許文献２】特開２００６−０８５５１７号公報
【特許文献３】特開２００６−２８５３１０号公報
【特許文献４】特開２００９−２８１９３１号公報
【特許文献５】特開２００１−３５７３８０号公報
【特許文献６】特開平４−３２９３４０号公報
【発明の概要】
【発明が解決しようとする課題】
【００１３】
本技術の目的は、一側面において、成長度合いが異なっていても特定の植物が存在しているか否かを判定できるようにするための技術を提供することである。
【課題を解決するための手段】
【００１４】
本技術に係る情報処理方法は、測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、算出された類似度を所定の閾値とを比較する処理とを含む。
【発明の効果】
【００１５】
一側面においては、成長度合いが異なっていても特定の植物が存在しているか否かを判断できる。
【図面の簡単な説明】
【００１６】
【図１】図１は、スペクトルデータの一例を示す図である。
【図２】図２は、第１の実施の形態に係る情報処理装置の機能ブロック図である。
【図３】図３は、第１の実施の形態に係る処理フローを示す図である。
【図４】図４は、比較結果格納部に格納されるデータの一例を示す図である。
【図５】図５は、実施例１の結果を示す図である。
【図６】図６は、実施例２の結果を示す図である。
【図７】図７は、比較例１の結果を示す図である。
【図８】図８は、比較例２の結果を示す図である。
【図９】図９は、比較例３の結果を示す図である。
【図１０】図１０は、比較例４の結果を示す図である。
【図１１】図１１は、第２の実施の形態に係る情報処理装置の機能ブロック図である。
【図１２】図１２は、第２の実施の形態に係る処理フローを示す図である。
【図１３】図１３は、第２の実施の形態に係る処理フローを示す図である。
【図１４】図１４は、実施例３の結果を示す図である。
【図１５】図１５は、実施例４の結果を示す図である。
【図１６】図１６は、コンピュータの機能ブロック図である。
【発明を実施するための形態】
【００１７】
［実施の形態１］
上でも述べたが、近年開発されたハイパースペクトルセンサ（ハイパースペクトルカメラとも呼ぶ）を使用することによって、従来のマルチスペクトルセンサよりも多くの情報を取得することができる。
【００１８】
ハイパースペクトルセンサにより得られるハイパースペクトルデータは、画像の座標毎、すなわち画素毎に、波長情報と光強度情報とを含むスペクトルデータを含む。すなわち、画像としての２次元要素に、スペクトルデータとしての要素を併せ持った３次元的構成のデータである。
【００１９】
一方、反射スペクトルは樹種に応じた特徴があるため、ハイパースペクトルデータを用いることにより、樹種の判別が可能になる。具体的には、判別したい樹木の基準スペクトルと照合対象のスペクトルデータを照らし合わせ、類似度を例えばスペクトラルアングルマッパー（Spectral Angel Mapper）やコサイン距離解析法などよく知られた方法により求める。そして、当該類似度が閾値を超える場合には、その画素内の樹木が当該基準スペクトルの樹木であると判定される。
【００２０】
図１に、同一種別の植物について成長度合いの異なるスペクトルデータを示す。図１において、横軸は波長を表し、縦軸はスペクトル強度を表す。図１では、成長度小、成長度中、成長度大の場合のそれぞれについてスペクトルデータを示しているが、７００ｎｍより上の領域においてはほとんど差が無く、６００ｎｍより下の領域においても差は大きくない。しかし、おおよそ６６０ｎｍ付近の領域ではそのスペクトル形状が大きく異なっている。これは、成長度合いが異なると、葉中のクロロフィル含有量が異なるためである。従って、単純にスペクトルデータ同士の類似度を算出すると、類似度が低くなるため、同一種別ではないと判定される可能性がある。
【００２１】
そこで、本実施の形態では、クロロフィル含有量の変動による影響が現れる領域（例えば最小でも６５０ｎｍ以上６７０ｎｍ以下の領域、最大でも６２０ｎｍ以上７００ｎｍ以下の領域）を除外した上で、スペクトルデータについての類似度を算出するものとする。これによって、同一樹種について異なる成長度合いの樹木があったとしても、正しく樹種を特定できるようになる。
【００２２】
具体的には、図２に示すような情報処理装置１００を用いる。この情報処理装置１００は、入力部１１と、第１スペクトルデータ格納部１２と、第２スペクトルデータ格納部１３と、第１設定データ格納部１４と、類似度算出部１５と、類似度格納部１６と、比較部１７と、第２設定データ格納部１８と、比較結果格納部１９と、出力部２０とを有する。
【００２３】
入力部１１は、例えばユーザからの指示に応じて、ハイパースペクトルセンサから得られたハイパースペクトルデータを第１スペクトルデータ格納部１２に格納する。入力部１１は、他のコンピュータからネットワークを介して、照合対象のハイパースペクトルデータを取得して第１スペクトルデータ格納部１２に格納する場合もある。
【００２４】
また、第２スペクトルデータ格納部１３には、樹木の基準スペクトルデータが格納されている。１種類だけではなく複数種類の樹木（例えば杉と檜）の基準スペクトルデータが格納されることもある。なお、基準スペクトルデータについては、どの成長度合いの樹木についてのスペクトルデータであってもよい。例えば成長度小の樹木についてのスペクトルデータを用いる。
【００２５】
さらに、第１設定データ格納部１４には、類似度を算出すべき領域（波長の範囲とも呼ぶ）又は類似度を算出する際に除外すべき領域についてのデータが格納されている。上でも述べたように、クロロフィル含有量の変動による影響が現れる領域を除外する領域として設定する。例えば最小でも６５０ｎｍ以上６７０ｎｍ以下の領域、最大でも６２０ｎｍ以上７００ｎｍ以下の領域が、除外すべき領域として設定される。
【００２６】
類似度算出部１５は、第１設定データ格納部１４に格納されている領域について、又は除外すべき領域以外の領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の類似度を算出し、類似度格納部１６に格納する。
【００２７】
第２設定データ格納部１８には、判定のための閾値が格納されており、比較部１７は、類似度格納部１６に格納されている加算結果と閾値とを比較して、その比較結果を比較結果格納部１９に格納する。なお、比較部１７は、類似度算出部１５から処理に係る画素のデータ及び樹種のデータなどを受信して、比較結果と共に比較結果格納部１９に格納する。
【００２８】
出力部２０は、比較結果格納部１９に格納されているデータを出力装置（例えば印刷装置や表示装置）に出力する。
【００２９】
次に、この情報処理装置１００の処理内容について図３及び図４を用いて説明する。まず、類似度算出部１５は、第１スペクトルデータ格納部１２に格納されている照合対象のハイパースペクトルデータにおける未処理の画素を１つ特定する（図３：ステップＳ１）。また、類似度算出部１５は、第２スペクトルデータ格納部１２に格納されている基準スペクトルデータの種別のうち未処理の種別を特定し、特定された種別の基準スペクトルデータを読み出す（ステップＳ３）。
【００３０】
そして、類似度算出部１５は、第１設定データ格納部１４に格納されているデータから類似度を算出すべき領域を特定し、当該領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の類似度を算出し、類似度格納部１６に格納する（ステップＳ５）。類似度の算出方法は、類似度を例えばスペクトラルアングルマッパー（Spectral Angel Mapper）やコサイン距離解析法などよく知られた方法を用いればよい。また、類似度を算出すべき領域については、第１設定データ格納部１４にそのものが格納されていればそれを用いればよい。また、除外すべき領域のデータが第１設定データ格納部１４に格納されている場合には、測定波長領域から除外すべき領域を除外した領域を特定する。
【００３１】
そして、比較部１７は、類似度格納部１６に格納されている類似度が、第２設定データ格納部１８に格納されている閾値以上となっているか判断する（ステップＳ７）。類似度が閾値未満であれば、今回用いられた基準スペクトルデータの種別の樹木には該当しないので、処理はステップＳ１１に移行する。
【００３２】
一方、類似度が閾値以上であれば、今回用いられた基準スペクトルデータの種別の樹木に該当するので、比較部１７は、特定された画素に対応付けて、今回用いられた基準スペクトルデータの種別のデータを比較結果格納部１９に登録する（ステップＳ９）。そして処理はステップＳ１１に移行する。なお、ステップＳ１１ではなく、ステップＳ１３に移行するようにしても良い。
【００３３】
例えば図４に示すようなデータが、比較結果格納部１９に格納される。図４の例では、画素の座標（場合によっては画素の識別子）に対応付けて、基準スペクトルデータの種別として杉や檜といった種別データが登録されるようになっている。
【００３４】
その後、類似度算出部１５は、第２スペクトルデータ格納部１３において、基準スペクトルデータの未処理の種別が存在しているか判断する（ステップＳ１１）。未処理の種別の基準スペクトルデータが存在していればステップＳ３に戻る。一方、未処理の種別の基準スペクトルデータが存在しない場合には、類似度算出部１５は、第１スペクトルデータ格納部１２において、未処理の画素が存在しているか判断する（ステップＳ１３）。未処理の画素が存在している場合にはステップＳ１に戻る。一方、未処理の画素が存在していない場合には、出力部２０は、比較結果格納部１９に格納されているデータを、出力装置（表示装置や印刷装置など）に出力する（ステップＳ１５）。なお、情報処理装置１００にネットワークを介して接続されている他のコンピュータに出力するようにしても良い。
【００３５】
このようにすれば、成長度合いが異なる同一種別の樹木が混在する場合においても正しく樹種を特定できるようになる。
【００３６】
［実施例１］
ハイパースペクトルカメラ（ＨＳＣ−１７０１、エバジャパン株式会社製）を用いて、測定波長領域４００ｎｍ以上９００ｎｍ以下についてスペクトルデータを測定した場合を考察する。なお、この測定波長領域はこの領域でなければならないわけではなく、上限値も下限値も変更しても良い。なお、基準スペクトルデータについては、成長度小の植物についてのスペクトルデータとする。
【００３７】
そして、本実施例では、除外すべき領域として６５０ｎｍ以上６７０ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９６５となり、閾値０．９５以上となるので、図５に示すように、正しく判定できている。また、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９５５となり、閾値０．９５以上となっているので、図５に示すように、正しく判定できている。このように、本実施例における除外すべき領域は適切である。
【００３８】
［実施例２］
実施例１と同様の前提の下、除外すべき領域として６２０ｎｍ以上７００ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９８５となり、閾値０．９５以上となっているので、図６に示すように、正しく判定できている。また、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９７２となり、閾値０．９５以上となっているので、図６に示すように、正しく判定できている。このように、本実施例における除外すべき範囲は適切である。
【００３９】
［比較例１］
実施例１の同様の前提の下、除外すべき領域が設定されていないものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９３５となり、閾値０．９５未満となっているので、図７に示すように、間違った判定がなされている。また、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９２２となり、閾値０．９５未満となっているので、図７に示すように、間違った判定がなされている。このように、上で述べたような除外すべき範囲の設定を行うべきである。
【００４０】
［比較例２］
実施例１と同様の前提の下、除外すべき領域として６５５ｎｍ以上６７０ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９５２となり、閾値０．９５以上となっているので、図８に示すように、正しく判定できている。しかし、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９３５となり、閾値０．９５未満となっているので、図８に示すように、間違った判定がなされている。このように、本実施例における除外すべき範囲は狭すぎる。
【００４１】
［比較例３］
実施例１と同様の前提の下、除外すべき領域として６５０ｎｍ以上６６５ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９５２となり、閾値０．９５以上となっているので、図９に示すように、正しく判定できている。しかし、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９３５となり、閾値０．９５未満となっているので、図９に示すように、間違った判定がなされている。このように、本実施例における除外すべき範囲は狭すぎる。
【００４２】
［比較例４］
実施例１と同様の前提の下、異なる種別の樹木のスペクトルデータについて、異なる領域を除外すべき領域として設定する。除外すべき領域が、６１０ｎｍ以上７００ｎｍ以下の領域である場合、基準スペクトルデータとの類似度は０．９５１となる。異なる種別の樹木にも拘わらず、閾値０．９５以上となっているので、図１０に示すように、間違った判定がなされている。また、除外すべき領域が、６２０ｎｍ以上７１０ｎｍ以下の領域である場合、基準スペクトルデータとの類似度は０．９５３となる。異なる種別の樹木にも拘わらず、閾値０．９５以上となっているので、図１０に示すように、間違った判定がなされている。なお、除外すべき領域が、６２０ｎｍ以上７００ｎｍ以下の領域であれば、基準スペクトルデータとの類似度は０．９４５となり、閾値０．９５未満であるので、正しく判定できている。このように、６２０ｎｍ以上７００ｎｍ以下の領域より広い領域を除外すべき領域として用いることは適切ではない。
【００４３】
［実施の形態２］
次に、本実施の形態に係る情報処理装置２００の機能ブロック図を図１１に示す。なお、第１の実施の形態と同じ構成要素については同じ符号を付している。
【００４４】
本実施の形態に係る情報処理装置２００は、入力部１１と、第１スペクトルデータ格納部１２と、第２スペクトルデータ格納部１３と、第３設定データ格納部２２と、第１類似度算出部２１と、第１類似度格納部２３と、第２類似度算出部２４と、第２類似度格納部２５と、比較部１７と、第２設定データ格納部１８と、比較結果格納部１９と、出力部２０とを有する。
【００４５】
このように、第３設定データ格納部２２と、第１類似度算出部２１と、第１類似度格納部２３と、第２類似度算出部２４と、第２類似度格納部２５とが新たに導入されている。
【００４６】
第３設定データ格納部２２は、クロロフィル含有量の変動による影響が現れる領域の下側の第１の領域のデータと、上側の第２の領域のデータとを格納する。例えば、６５０ｎｍ以上６７０ｎｍ以下の領域が除外すべき領域であれば、６５０ｎｍ以下の第１の領域のデータと、６７０ｎｍ以上の第２の領域のデータとが、第３設定データ格納部２２に格納されている。また、６２０ｎｍ以上７００ｎｍ以下の領域が除外すべき領域であれば、６２０ｎｍ以下の第１の領域のデータと、７００ｎｍ以上の第２の領域のデータとが、第３設定データ格納部２２に格納されている。本実施の形態でも、除外すべき領域は、第１の実施の形態と同様であり、その除外すべき領域から第１の領域及び第２の領域が設定される。
【００４７】
第１類似度算出部２１は、第３設定データ格納部２２に格納されている第１の領域及び第２の領域の各々について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の類似度である第１の類似度及び第２の類似度を算出し、第１類似度格納部２３に格納する。
【００４８】
第２類似度算出部２４は、第１類似度格納部２３に格納されている第１の類似度及び第２の類似度の平均値を算出し、第２類似度格納部２５に格納する。
【００４９】
その他の構成要素については、第１の実施の形態と同様である。
【００５０】
次に、図１２及び図１３を用いて、情報処理装置２００の処理内容について説明する。第１類似度算出部２１は、第１スペクトルデータ格納部１２に格納されている照合対象のハイパースペクトルデータにおける未処理の画素を１つ特定する（図１２：ステップＳ３１）。また、第１類似度算出部２１は、第２スペクトルデータ格納部１３に格納されている基準スペクトルデータの種別のうち未処理の種別を特定し、特定された種別の基準スペクトルデータを読み出す（ステップＳ３３）。
【００５１】
そして、第１類似度算出部２１は、第３設定データ格納部２２に格納されている第１の領域、すなわち除外すべき所定領域の下側の領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の第１の類似度を算出し、第１類似度格納部２３に格納する（ステップＳ３５）。類似度の算出方法は、類似度を例えばスペクトラルアングルマッパー（Spectral Angel Mapper）やコサイン距離解析法などよく知られた方法を用いればよい。
【００５２】
また、第１類似度算出部２１は、第３設定データ格納部２２に格納されている第２の領域、すなわち除外すべき所定領域の上側の領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の第２の類似度を算出し、第１類似度格納部２３に格納する（ステップＳ３７）。
【００５３】
そして、第２類似度算出部２４は、第１類似度格納部２３に格納されている第１の領域のための第１の類似度と第２の領域のための第２の類似度との平均値を算出することで、第３の類似度を算出して、第２類似度格納部２５に格納する（ステップＳ３９）。そして処理は、端子Ａを介して図１３の処理に移行する。
【００５４】
図１３の処理の説明に移行して、比較部１７は、第２類似度格納部２５に格納されている第３の類似度が、第２設定データ格納部１８に格納されている閾値以上となっているか判断する（ステップＳ４０）。第３の類似度が閾値未満であれば、今回用いられた基準スペクトルデータの種別の樹木には該当しないので、処理はステップＳ４３に移行する。
【００５５】
一方、第３の類似度が閾値以上であれば、今回用いられた基準スペクトルデータの種別の樹木に該当するので、比較部１７は、特定された画素に対応付けて、今回用いられた基準スペクトルデータの種別のデータを比較結果格納部１９に登録する（ステップＳ４１）。そして処理はステップＳ４３に移行する。なお、ステップＳ４３ではなく、ステップＳ４５に移行するようにしても良い。比較結果格納部１９に格納されるデータは、第１の実施の形態と同様に図４に示すようなデータである。
【００５６】
その後、第１類似度算出部２１は、第２スペクトルデータ格納部１３において、基準スペクトルデータの未処理の種別が存在しているか判断する（ステップＳ４３）。未処理の種別の基準スペクトルデータが存在していれば、端子Ｂを介して図１２のステップＳ３３に戻る。一方、未処理の種別の基準スペクトルデータが存在しない場合には、第１類似度算出部２１は、第１スペクトルデータ格納部１２において、未処理の画素が存在しているか判断する（ステップＳ４５）。未処理の画素が存在している場合には、処理は端子Ｃを介して図１２のステップＳ３１に戻る。一方、未処理の画素が存在していない場合には、出力部２０は、比較結果格納部１９に格納されているデータを、出力装置（表示装置や印刷装置など）に出力する（ステップＳ４７）。なお、情報処理装置２００にネットワークを介して接続されている他のコンピュータに出力するようにしても良い。
【００５７】
以上のような処理を実施する場合においても、成長度合いが異なる樹木が混在していても、正しく樹種を特定できるようになる。
【００５８】
［実施例３］
実施例１と同じハイパースペクトルカメラを用いて、測定波長領域４００ｎｍ以上９００ｎｍ以下についてスペクトルデータを測定した場合を考察する。なお、この測定波長領域はこの領域でなければならないわけではなく、上限値も下限値も変更しても良い。なお、基準スペクトルデータについては、成長度小の植物についてのスペクトルデータとする。
【００５９】
そして、本実施例では、除外すべき領域として６５０ｎｍ以上６７０ｎｍ以下の領域であるものとする。そうすると、第１の領域は４００ｎｍ乃至６５０ｎｍ以下の領域となる。また、第２の領域は６７０ｎｍ以上９００ｎｍ以下の領域となる。
【００６０】
そして、同種の成長度中の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９６３となり、第２の領域についての第２の類似度を算出すると０．９７２となり、平均値である第３の類似度は０．９６８となる。閾値が０．９５であるから、図１４に示すように正しく判定できている。
【００６１】
また、同種の成長度大の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９４８となり、第２の領域についての第２の類似度を算出すると０．９５８となり、平均値である第３の類似度は０．９５３となる。閾値が０．９５であるから、図１４に示すように正しく判定できている。
【００６２】
［実施例４］
実施例３と同じ前提の下、除外すべき領域として６２０ｎｍ以上７００ｎｍ以下の領域であるものとする。そうすると、第１の領域は４００ｎｍ乃至６２０ｎｍ以下の領域となる。また、第２の領域は７００ｎｍ以上９００ｎｍ以下の領域となる。
【００６３】
そして、同種の成長度中の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９８４となり、第２の領域についての第２の類似度を算出すると０．９８８となり、平均値である第３の類似度は０．９８６となる。閾値が０．９５であるから、図１５に示すように正しく判定できている。
【００６４】
また、同種の成長度大の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９７１となり、第２の領域についての第２の類似度を算出すると０．９７７となり、平均値である第３の類似度は０．９７４となる。閾値が０．９５であるから、図１５に示すように正しく判定できている。
【００６５】
第２の実施の形態では、領域を分割する際に、除外すべき領域を、第１の領域と第２の領域との間の離隔領域として設定して、除外すべき領域の影響を排除している。従って、第１の実施の形態の比較例で示したように除外すべき領域が適切でなければ、第１の領域及び第２の領域の設定も適切ではなくなるので、第２の実施の形態においても、第１の実施の形態と同様の除外すべき領域を想定して第１の領域及び第２の領域を設定する。
【００６６】
以上本技術の実施の形態を説明したが、本技術はこれに限定されるものではない。例えば、図２及び図１１に示した機能ブロック図は一例であって、必ずしも実際のプログラムモジュール構成やデータ格納部構成と一致しない場合もある。処理フローについても、処理結果が変わらない限り、処理順番を入れ替えたり、並列実施するようにしても良い。例えば、ステップＳ３５とＳ３７は並列実行も処理順番の入れ替えも可能である。
【００６７】
また、ステップＳ７又はＳ４０で類似度が閾値未満であっても、例えば「杉ではない」ことを表すデータを比較結果格納部１９に格納するようにしても良い。すなわち、各比較結果を格納するようにしても良い。
【００６８】
なお、上で述べた情報処理装置１００及び２００は、コンピュータ装置であって、図１６に示すように、メモリ２５０１とＣＰＵ（Central Processing Unit）２５０３とハードディスク・ドライブ（ＨＤＤ：Hard Disk Drive）２５０５と表示装置２５０９に接続される表示制御部２５０７とリムーバブル・ディスク２５１１用のドライブ装置２５１３と入力装置２５１５とネットワークに接続するための通信制御部２５１７とがバス２５１９で接続されている。オペレーティング・システム（ＯＳ：Operating System）及び本実施例における処理を実施するためのアプリケーション・プログラムは、ＨＤＤ２５０５に格納されており、ＣＰＵ２５０３により実行される際にはＨＤＤ２５０５からメモリ２５０１に読み出される。ＣＰＵ２５０３は、アプリケーション・プログラムの処理内容に応じて表示制御部２５０７、通信制御部２５１７、ドライブ装置２５１３を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリ２５０１に格納されるが、ＨＤＤ２５０５に格納されるようにしてもよい。本技術の実施例では、上で述べた処理を実施するためのアプリケーション・プログラムはコンピュータ読み取り可能なリムーバブル・ディスク２５１１に格納されて頒布され、ドライブ装置２５１３からＨＤＤ２５０５にインストールされる。インターネットなどのネットワーク及び通信制御部２５１７を経由して、ＨＤＤ２５０５にインストールされる場合もある。このようなコンピュータ装置は、上で述べたＣＰＵ２５０３、メモリ２５０１などのハードウエアとＯＳ及びアプリケーション・プログラムなどのプログラムとが有機的に協働することにより、上で述べたような各種機能を実現する。
【００６９】
以上述べた本実施の形態をまとめると以下のようになる。
【００７０】
本実施の形態に係る情報処理方法は、測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、算出された類似度を所定の閾値とを比較する処理とを含む。
【００７１】
このようにすることで、クロロフィル含有量の変動による影響を排除することができるようになるので、成長度合いが異なる樹木が混在していても、樹種を正確に判定できるようになる。
【００７２】
また、上で述べた算出処理が、所定領域の下限値以下の第１の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の第１の類似度を算出する処理と、所定領域の上限値以上の第２の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の第２の類似度を算出する処理と、第１の類似度と第２の類似度との平均の類似度を算出する処理を含むようにしても良い。このように所定領域を離隔領域として設定して測定波長領域を分割するようにしても、クロロフィル含有量の変動による影響を排除することができるようになる。
【００７３】
なお、上で述べた所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域である場合もある。このような範囲であれば適切に判定できることが分かっている。
【００７４】
なお、上記情報処理方法をコンピュータに行わせるためのプログラムを作成することができ、当該プログラムは、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等のコンピュータ読み取り可能な記憶媒体又は記憶装置に格納される。尚、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。
【００７５】
以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。
【００７６】
（付記１）
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータに実行させるためのプログラム。
【００７７】
（付記２）
前記算出処理が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
処理を含む付記１記載のプログラム。
【００７８】
（付記３）
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする付記１又は２記載のプログラム。
【００７９】
（付記４）
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出部と、
算出された前記類似度を所定の閾値とを比較する比較部と
を有する情報処理装置。
【００８０】
（付記５）
前記算出部が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
付記４記載の情報処理装置。
【００８１】
（付記６）
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする付記４又は５記載の情報処理装置。
【００８２】
（付記７）
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータが実行する情報処理方法。
【符号の説明】
【００８３】
１１ 入力部
１２ 第１スペクトルデータ格納部
１３ 第２スペクトルデータ格納部
１４ 第１データ設定データ格納部
１５ 類似度算出部
１６ 類似度格納部
１７ 比較部
１８ 第２設定データ格納部
１９ 比較結果格納部
２０ 出力部
２１ 第１類似度算出部
２２ 第３設定データ格納部
２３ 第１類似度格納部
２４ 第２類似度算出部
２５ 第２類似度格納部
【技術分野】
【０００１】
本技術は、植物種特定のための技術に関する。
【背景技術】
【０００２】
従来の植生調査方法においては、主に２つの方法がある。第１の調査方法は、識別者が現地を踏破し、現地の状況を目視で判別する方法である。第２の調査方法は、衛星や航空機等から撮影された写真や画像を用いて識別者が判別する方法（すなわちリモートセンシング）である。これらの方法は、それぞれ単独で又は組み合わせて使用されている。
【０００３】
第２の調査方法のリモートセンシングで使用されているセンサは、以前はパンクロマチック（白黒）であったが、最近ではマルチスペクトル（カラー）に移り変わってきており、専門家である識別者がマルチスペクトルの写真や画像を判読することによって植生の識別を行っている。
【０００４】
また、最近では、ＧＩＳ（Geographic Information System）による植生図作製が主流となっている。ＧＩＳでは、予め用意された各植物種の樹冠形状や色を示す基準情報として正規植生指標（ＮＤＶＩ：Normalized Difference Vegetation Index）を用いて、カメラやセンサで撮影された画像をパターンマッチングすることによって、植物種を識別する。
【０００５】
さらに、近年では、従来のマルチスペクトルの１０倍以上の帯域で計測が可能なハイパースペクトルセンサを搭載した衛星（例えば衛星名：ＥＯ−１（センサ名：Ｈｙｐｅｒｉｏｎ）、衛星名：ＰＲＯＢＡ（センサ名：ＣＨＲＩＳ））が地球環境衛星などとして打ち上げられ、ハイパースペクトルセンサによる計測も行われている。
【０００６】
ハイパースペクトルセンサを使用することによって得られる情報量は、マルチスペクトルよりも飛躍的に増加している。また、航空機搭載型のハイパースペクトルセンサも開発されており、環境、農業分野を含む様々な分野で活用され始めている。
【０００７】
このようなハイパースペクトルセンサの出力であるハイパースペクトルデータを用いて樹種の判別を行うことも試みられているが、様々な状況に対応できているわけではない。
【０００８】
なお、樹種判別の従来手法として、森林現況を示す画像データを小班区画に分けて、画像データにおける各小班区画の樹種を判別する手法が知られている。
【０００９】
また、樹種の解析適期を基に複数のバンドデータブロックを取得し、各バンドデータブロックの輝度値に対して上下限値を設定した各樹種の対象抽出マップを生成して各樹種のＮＤＶＩをマスク処理し、樹種分布を抽出する手法が知られている。
【００１０】
また、上空から撮影した森林の画像データの輝度値を峰と谷とで平坦化し、平坦化した画像データの輝度値の空間変化に対して領域分割して樹冠形状及びそのテクスチャ特徴量を求め、既知の樹冠のテクスチャ特徴量をもとに樹種を判定する手法が知られている。
【００１１】
このほかにも様々な方法が存在しているが、同一種別の植物の中でも成長度合いに着目したものはない。
【先行技術文献】
【特許文献】
【００１２】
【特許文献１】特開２０１０−０８６２７６号公報
【特許文献２】特開２００６−０８５５１７号公報
【特許文献３】特開２００６−２８５３１０号公報
【特許文献４】特開２００９−２８１９３１号公報
【特許文献５】特開２００１−３５７３８０号公報
【特許文献６】特開平４−３２９３４０号公報
【発明の概要】
【発明が解決しようとする課題】
【００１３】
本技術の目的は、一側面において、成長度合いが異なっていても特定の植物が存在しているか否かを判定できるようにするための技術を提供することである。
【課題を解決するための手段】
【００１４】
本技術に係る情報処理方法は、測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、算出された類似度を所定の閾値とを比較する処理とを含む。
【発明の効果】
【００１５】
一側面においては、成長度合いが異なっていても特定の植物が存在しているか否かを判断できる。
【図面の簡単な説明】
【００１６】
【図１】図１は、スペクトルデータの一例を示す図である。
【図２】図２は、第１の実施の形態に係る情報処理装置の機能ブロック図である。
【図３】図３は、第１の実施の形態に係る処理フローを示す図である。
【図４】図４は、比較結果格納部に格納されるデータの一例を示す図である。
【図５】図５は、実施例１の結果を示す図である。
【図６】図６は、実施例２の結果を示す図である。
【図７】図７は、比較例１の結果を示す図である。
【図８】図８は、比較例２の結果を示す図である。
【図９】図９は、比較例３の結果を示す図である。
【図１０】図１０は、比較例４の結果を示す図である。
【図１１】図１１は、第２の実施の形態に係る情報処理装置の機能ブロック図である。
【図１２】図１２は、第２の実施の形態に係る処理フローを示す図である。
【図１３】図１３は、第２の実施の形態に係る処理フローを示す図である。
【図１４】図１４は、実施例３の結果を示す図である。
【図１５】図１５は、実施例４の結果を示す図である。
【図１６】図１６は、コンピュータの機能ブロック図である。
【発明を実施するための形態】
【００１７】
［実施の形態１］
上でも述べたが、近年開発されたハイパースペクトルセンサ（ハイパースペクトルカメラとも呼ぶ）を使用することによって、従来のマルチスペクトルセンサよりも多くの情報を取得することができる。
【００１８】
ハイパースペクトルセンサにより得られるハイパースペクトルデータは、画像の座標毎、すなわち画素毎に、波長情報と光強度情報とを含むスペクトルデータを含む。すなわち、画像としての２次元要素に、スペクトルデータとしての要素を併せ持った３次元的構成のデータである。
【００１９】
一方、反射スペクトルは樹種に応じた特徴があるため、ハイパースペクトルデータを用いることにより、樹種の判別が可能になる。具体的には、判別したい樹木の基準スペクトルと照合対象のスペクトルデータを照らし合わせ、類似度を例えばスペクトラルアングルマッパー（Spectral Angel Mapper）やコサイン距離解析法などよく知られた方法により求める。そして、当該類似度が閾値を超える場合には、その画素内の樹木が当該基準スペクトルの樹木であると判定される。
【００２０】
図１に、同一種別の植物について成長度合いの異なるスペクトルデータを示す。図１において、横軸は波長を表し、縦軸はスペクトル強度を表す。図１では、成長度小、成長度中、成長度大の場合のそれぞれについてスペクトルデータを示しているが、７００ｎｍより上の領域においてはほとんど差が無く、６００ｎｍより下の領域においても差は大きくない。しかし、おおよそ６６０ｎｍ付近の領域ではそのスペクトル形状が大きく異なっている。これは、成長度合いが異なると、葉中のクロロフィル含有量が異なるためである。従って、単純にスペクトルデータ同士の類似度を算出すると、類似度が低くなるため、同一種別ではないと判定される可能性がある。
【００２１】
そこで、本実施の形態では、クロロフィル含有量の変動による影響が現れる領域（例えば最小でも６５０ｎｍ以上６７０ｎｍ以下の領域、最大でも６２０ｎｍ以上７００ｎｍ以下の領域）を除外した上で、スペクトルデータについての類似度を算出するものとする。これによって、同一樹種について異なる成長度合いの樹木があったとしても、正しく樹種を特定できるようになる。
【００２２】
具体的には、図２に示すような情報処理装置１００を用いる。この情報処理装置１００は、入力部１１と、第１スペクトルデータ格納部１２と、第２スペクトルデータ格納部１３と、第１設定データ格納部１４と、類似度算出部１５と、類似度格納部１６と、比較部１７と、第２設定データ格納部１８と、比較結果格納部１９と、出力部２０とを有する。
【００２３】
入力部１１は、例えばユーザからの指示に応じて、ハイパースペクトルセンサから得られたハイパースペクトルデータを第１スペクトルデータ格納部１２に格納する。入力部１１は、他のコンピュータからネットワークを介して、照合対象のハイパースペクトルデータを取得して第１スペクトルデータ格納部１２に格納する場合もある。
【００２４】
また、第２スペクトルデータ格納部１３には、樹木の基準スペクトルデータが格納されている。１種類だけではなく複数種類の樹木（例えば杉と檜）の基準スペクトルデータが格納されることもある。なお、基準スペクトルデータについては、どの成長度合いの樹木についてのスペクトルデータであってもよい。例えば成長度小の樹木についてのスペクトルデータを用いる。
【００２５】
さらに、第１設定データ格納部１４には、類似度を算出すべき領域（波長の範囲とも呼ぶ）又は類似度を算出する際に除外すべき領域についてのデータが格納されている。上でも述べたように、クロロフィル含有量の変動による影響が現れる領域を除外する領域として設定する。例えば最小でも６５０ｎｍ以上６７０ｎｍ以下の領域、最大でも６２０ｎｍ以上７００ｎｍ以下の領域が、除外すべき領域として設定される。
【００２６】
類似度算出部１５は、第１設定データ格納部１４に格納されている領域について、又は除外すべき領域以外の領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の類似度を算出し、類似度格納部１６に格納する。
【００２７】
第２設定データ格納部１８には、判定のための閾値が格納されており、比較部１７は、類似度格納部１６に格納されている加算結果と閾値とを比較して、その比較結果を比較結果格納部１９に格納する。なお、比較部１７は、類似度算出部１５から処理に係る画素のデータ及び樹種のデータなどを受信して、比較結果と共に比較結果格納部１９に格納する。
【００２８】
出力部２０は、比較結果格納部１９に格納されているデータを出力装置（例えば印刷装置や表示装置）に出力する。
【００２９】
次に、この情報処理装置１００の処理内容について図３及び図４を用いて説明する。まず、類似度算出部１５は、第１スペクトルデータ格納部１２に格納されている照合対象のハイパースペクトルデータにおける未処理の画素を１つ特定する（図３：ステップＳ１）。また、類似度算出部１５は、第２スペクトルデータ格納部１２に格納されている基準スペクトルデータの種別のうち未処理の種別を特定し、特定された種別の基準スペクトルデータを読み出す（ステップＳ３）。
【００３０】
そして、類似度算出部１５は、第１設定データ格納部１４に格納されているデータから類似度を算出すべき領域を特定し、当該領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の類似度を算出し、類似度格納部１６に格納する（ステップＳ５）。類似度の算出方法は、類似度を例えばスペクトラルアングルマッパー（Spectral Angel Mapper）やコサイン距離解析法などよく知られた方法を用いればよい。また、類似度を算出すべき領域については、第１設定データ格納部１４にそのものが格納されていればそれを用いればよい。また、除外すべき領域のデータが第１設定データ格納部１４に格納されている場合には、測定波長領域から除外すべき領域を除外した領域を特定する。
【００３１】
そして、比較部１７は、類似度格納部１６に格納されている類似度が、第２設定データ格納部１８に格納されている閾値以上となっているか判断する（ステップＳ７）。類似度が閾値未満であれば、今回用いられた基準スペクトルデータの種別の樹木には該当しないので、処理はステップＳ１１に移行する。
【００３２】
一方、類似度が閾値以上であれば、今回用いられた基準スペクトルデータの種別の樹木に該当するので、比較部１７は、特定された画素に対応付けて、今回用いられた基準スペクトルデータの種別のデータを比較結果格納部１９に登録する（ステップＳ９）。そして処理はステップＳ１１に移行する。なお、ステップＳ１１ではなく、ステップＳ１３に移行するようにしても良い。
【００３３】
例えば図４に示すようなデータが、比較結果格納部１９に格納される。図４の例では、画素の座標（場合によっては画素の識別子）に対応付けて、基準スペクトルデータの種別として杉や檜といった種別データが登録されるようになっている。
【００３４】
その後、類似度算出部１５は、第２スペクトルデータ格納部１３において、基準スペクトルデータの未処理の種別が存在しているか判断する（ステップＳ１１）。未処理の種別の基準スペクトルデータが存在していればステップＳ３に戻る。一方、未処理の種別の基準スペクトルデータが存在しない場合には、類似度算出部１５は、第１スペクトルデータ格納部１２において、未処理の画素が存在しているか判断する（ステップＳ１３）。未処理の画素が存在している場合にはステップＳ１に戻る。一方、未処理の画素が存在していない場合には、出力部２０は、比較結果格納部１９に格納されているデータを、出力装置（表示装置や印刷装置など）に出力する（ステップＳ１５）。なお、情報処理装置１００にネットワークを介して接続されている他のコンピュータに出力するようにしても良い。
【００３５】
このようにすれば、成長度合いが異なる同一種別の樹木が混在する場合においても正しく樹種を特定できるようになる。
【００３６】
［実施例１］
ハイパースペクトルカメラ（ＨＳＣ−１７０１、エバジャパン株式会社製）を用いて、測定波長領域４００ｎｍ以上９００ｎｍ以下についてスペクトルデータを測定した場合を考察する。なお、この測定波長領域はこの領域でなければならないわけではなく、上限値も下限値も変更しても良い。なお、基準スペクトルデータについては、成長度小の植物についてのスペクトルデータとする。
【００３７】
そして、本実施例では、除外すべき領域として６５０ｎｍ以上６７０ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９６５となり、閾値０．９５以上となるので、図５に示すように、正しく判定できている。また、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９５５となり、閾値０．９５以上となっているので、図５に示すように、正しく判定できている。このように、本実施例における除外すべき領域は適切である。
【００３８】
［実施例２］
実施例１と同様の前提の下、除外すべき領域として６２０ｎｍ以上７００ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９８５となり、閾値０．９５以上となっているので、図６に示すように、正しく判定できている。また、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９７２となり、閾値０．９５以上となっているので、図６に示すように、正しく判定できている。このように、本実施例における除外すべき範囲は適切である。
【００３９】
［比較例１］
実施例１の同様の前提の下、除外すべき領域が設定されていないものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９３５となり、閾値０．９５未満となっているので、図７に示すように、間違った判定がなされている。また、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９２２となり、閾値０．９５未満となっているので、図７に示すように、間違った判定がなされている。このように、上で述べたような除外すべき範囲の設定を行うべきである。
【００４０】
［比較例２］
実施例１と同様の前提の下、除外すべき領域として６５５ｎｍ以上６７０ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９５２となり、閾値０．９５以上となっているので、図８に示すように、正しく判定できている。しかし、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９３５となり、閾値０．９５未満となっているので、図８に示すように、間違った判定がなされている。このように、本実施例における除外すべき範囲は狭すぎる。
【００４１】
［比較例３］
実施例１と同様の前提の下、除外すべき領域として６５０ｎｍ以上６６５ｎｍ以下の領域が指定されているものとする。そうすると、同種の成長度中の植物についてのスペクトルデータに対する類似度は０．９５２となり、閾値０．９５以上となっているので、図９に示すように、正しく判定できている。しかし、同種の成長度大の植物についてのスペクトルデータに対する類似度は０．９３５となり、閾値０．９５未満となっているので、図９に示すように、間違った判定がなされている。このように、本実施例における除外すべき範囲は狭すぎる。
【００４２】
［比較例４］
実施例１と同様の前提の下、異なる種別の樹木のスペクトルデータについて、異なる領域を除外すべき領域として設定する。除外すべき領域が、６１０ｎｍ以上７００ｎｍ以下の領域である場合、基準スペクトルデータとの類似度は０．９５１となる。異なる種別の樹木にも拘わらず、閾値０．９５以上となっているので、図１０に示すように、間違った判定がなされている。また、除外すべき領域が、６２０ｎｍ以上７１０ｎｍ以下の領域である場合、基準スペクトルデータとの類似度は０．９５３となる。異なる種別の樹木にも拘わらず、閾値０．９５以上となっているので、図１０に示すように、間違った判定がなされている。なお、除外すべき領域が、６２０ｎｍ以上７００ｎｍ以下の領域であれば、基準スペクトルデータとの類似度は０．９４５となり、閾値０．９５未満であるので、正しく判定できている。このように、６２０ｎｍ以上７００ｎｍ以下の領域より広い領域を除外すべき領域として用いることは適切ではない。
【００４３】
［実施の形態２］
次に、本実施の形態に係る情報処理装置２００の機能ブロック図を図１１に示す。なお、第１の実施の形態と同じ構成要素については同じ符号を付している。
【００４４】
本実施の形態に係る情報処理装置２００は、入力部１１と、第１スペクトルデータ格納部１２と、第２スペクトルデータ格納部１３と、第３設定データ格納部２２と、第１類似度算出部２１と、第１類似度格納部２３と、第２類似度算出部２４と、第２類似度格納部２５と、比較部１７と、第２設定データ格納部１８と、比較結果格納部１９と、出力部２０とを有する。
【００４５】
このように、第３設定データ格納部２２と、第１類似度算出部２１と、第１類似度格納部２３と、第２類似度算出部２４と、第２類似度格納部２５とが新たに導入されている。
【００４６】
第３設定データ格納部２２は、クロロフィル含有量の変動による影響が現れる領域の下側の第１の領域のデータと、上側の第２の領域のデータとを格納する。例えば、６５０ｎｍ以上６７０ｎｍ以下の領域が除外すべき領域であれば、６５０ｎｍ以下の第１の領域のデータと、６７０ｎｍ以上の第２の領域のデータとが、第３設定データ格納部２２に格納されている。また、６２０ｎｍ以上７００ｎｍ以下の領域が除外すべき領域であれば、６２０ｎｍ以下の第１の領域のデータと、７００ｎｍ以上の第２の領域のデータとが、第３設定データ格納部２２に格納されている。本実施の形態でも、除外すべき領域は、第１の実施の形態と同様であり、その除外すべき領域から第１の領域及び第２の領域が設定される。
【００４７】
第１類似度算出部２１は、第３設定データ格納部２２に格納されている第１の領域及び第２の領域の各々について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の類似度である第１の類似度及び第２の類似度を算出し、第１類似度格納部２３に格納する。
【００４８】
第２類似度算出部２４は、第１類似度格納部２３に格納されている第１の類似度及び第２の類似度の平均値を算出し、第２類似度格納部２５に格納する。
【００４９】
その他の構成要素については、第１の実施の形態と同様である。
【００５０】
次に、図１２及び図１３を用いて、情報処理装置２００の処理内容について説明する。第１類似度算出部２１は、第１スペクトルデータ格納部１２に格納されている照合対象のハイパースペクトルデータにおける未処理の画素を１つ特定する（図１２：ステップＳ３１）。また、第１類似度算出部２１は、第２スペクトルデータ格納部１３に格納されている基準スペクトルデータの種別のうち未処理の種別を特定し、特定された種別の基準スペクトルデータを読み出す（ステップＳ３３）。
【００５１】
そして、第１類似度算出部２１は、第３設定データ格納部２２に格納されている第１の領域、すなわち除外すべき所定領域の下側の領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の第１の類似度を算出し、第１類似度格納部２３に格納する（ステップＳ３５）。類似度の算出方法は、類似度を例えばスペクトラルアングルマッパー（Spectral Angel Mapper）やコサイン距離解析法などよく知られた方法を用いればよい。
【００５２】
また、第１類似度算出部２１は、第３設定データ格納部２２に格納されている第２の領域、すなわち除外すべき所定領域の上側の領域について、照合対象のハイパースペクトルデータと基準スペクトルデータとの間の第２の類似度を算出し、第１類似度格納部２３に格納する（ステップＳ３７）。
【００５３】
そして、第２類似度算出部２４は、第１類似度格納部２３に格納されている第１の領域のための第１の類似度と第２の領域のための第２の類似度との平均値を算出することで、第３の類似度を算出して、第２類似度格納部２５に格納する（ステップＳ３９）。そして処理は、端子Ａを介して図１３の処理に移行する。
【００５４】
図１３の処理の説明に移行して、比較部１７は、第２類似度格納部２５に格納されている第３の類似度が、第２設定データ格納部１８に格納されている閾値以上となっているか判断する（ステップＳ４０）。第３の類似度が閾値未満であれば、今回用いられた基準スペクトルデータの種別の樹木には該当しないので、処理はステップＳ４３に移行する。
【００５５】
一方、第３の類似度が閾値以上であれば、今回用いられた基準スペクトルデータの種別の樹木に該当するので、比較部１７は、特定された画素に対応付けて、今回用いられた基準スペクトルデータの種別のデータを比較結果格納部１９に登録する（ステップＳ４１）。そして処理はステップＳ４３に移行する。なお、ステップＳ４３ではなく、ステップＳ４５に移行するようにしても良い。比較結果格納部１９に格納されるデータは、第１の実施の形態と同様に図４に示すようなデータである。
【００５６】
その後、第１類似度算出部２１は、第２スペクトルデータ格納部１３において、基準スペクトルデータの未処理の種別が存在しているか判断する（ステップＳ４３）。未処理の種別の基準スペクトルデータが存在していれば、端子Ｂを介して図１２のステップＳ３３に戻る。一方、未処理の種別の基準スペクトルデータが存在しない場合には、第１類似度算出部２１は、第１スペクトルデータ格納部１２において、未処理の画素が存在しているか判断する（ステップＳ４５）。未処理の画素が存在している場合には、処理は端子Ｃを介して図１２のステップＳ３１に戻る。一方、未処理の画素が存在していない場合には、出力部２０は、比較結果格納部１９に格納されているデータを、出力装置（表示装置や印刷装置など）に出力する（ステップＳ４７）。なお、情報処理装置２００にネットワークを介して接続されている他のコンピュータに出力するようにしても良い。
【００５７】
以上のような処理を実施する場合においても、成長度合いが異なる樹木が混在していても、正しく樹種を特定できるようになる。
【００５８】
［実施例３］
実施例１と同じハイパースペクトルカメラを用いて、測定波長領域４００ｎｍ以上９００ｎｍ以下についてスペクトルデータを測定した場合を考察する。なお、この測定波長領域はこの領域でなければならないわけではなく、上限値も下限値も変更しても良い。なお、基準スペクトルデータについては、成長度小の植物についてのスペクトルデータとする。
【００５９】
そして、本実施例では、除外すべき領域として６５０ｎｍ以上６７０ｎｍ以下の領域であるものとする。そうすると、第１の領域は４００ｎｍ乃至６５０ｎｍ以下の領域となる。また、第２の領域は６７０ｎｍ以上９００ｎｍ以下の領域となる。
【００６０】
そして、同種の成長度中の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９６３となり、第２の領域についての第２の類似度を算出すると０．９７２となり、平均値である第３の類似度は０．９６８となる。閾値が０．９５であるから、図１４に示すように正しく判定できている。
【００６１】
また、同種の成長度大の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９４８となり、第２の領域についての第２の類似度を算出すると０．９５８となり、平均値である第３の類似度は０．９５３となる。閾値が０．９５であるから、図１４に示すように正しく判定できている。
【００６２】
［実施例４］
実施例３と同じ前提の下、除外すべき領域として６２０ｎｍ以上７００ｎｍ以下の領域であるものとする。そうすると、第１の領域は４００ｎｍ乃至６２０ｎｍ以下の領域となる。また、第２の領域は７００ｎｍ以上９００ｎｍ以下の領域となる。
【００６３】
そして、同種の成長度中の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９８４となり、第２の領域についての第２の類似度を算出すると０．９８８となり、平均値である第３の類似度は０．９８６となる。閾値が０．９５であるから、図１５に示すように正しく判定できている。
【００６４】
また、同種の成長度大の植物についてのスペクトルデータに対する、第１の領域についての第１の類似度を算出すると０．９７１となり、第２の領域についての第２の類似度を算出すると０．９７７となり、平均値である第３の類似度は０．９７４となる。閾値が０．９５であるから、図１５に示すように正しく判定できている。
【００６５】
第２の実施の形態では、領域を分割する際に、除外すべき領域を、第１の領域と第２の領域との間の離隔領域として設定して、除外すべき領域の影響を排除している。従って、第１の実施の形態の比較例で示したように除外すべき領域が適切でなければ、第１の領域及び第２の領域の設定も適切ではなくなるので、第２の実施の形態においても、第１の実施の形態と同様の除外すべき領域を想定して第１の領域及び第２の領域を設定する。
【００６６】
以上本技術の実施の形態を説明したが、本技術はこれに限定されるものではない。例えば、図２及び図１１に示した機能ブロック図は一例であって、必ずしも実際のプログラムモジュール構成やデータ格納部構成と一致しない場合もある。処理フローについても、処理結果が変わらない限り、処理順番を入れ替えたり、並列実施するようにしても良い。例えば、ステップＳ３５とＳ３７は並列実行も処理順番の入れ替えも可能である。
【００６７】
また、ステップＳ７又はＳ４０で類似度が閾値未満であっても、例えば「杉ではない」ことを表すデータを比較結果格納部１９に格納するようにしても良い。すなわち、各比較結果を格納するようにしても良い。
【００６８】
なお、上で述べた情報処理装置１００及び２００は、コンピュータ装置であって、図１６に示すように、メモリ２５０１とＣＰＵ（Central Processing Unit）２５０３とハードディスク・ドライブ（ＨＤＤ：Hard Disk Drive）２５０５と表示装置２５０９に接続される表示制御部２５０７とリムーバブル・ディスク２５１１用のドライブ装置２５１３と入力装置２５１５とネットワークに接続するための通信制御部２５１７とがバス２５１９で接続されている。オペレーティング・システム（ＯＳ：Operating System）及び本実施例における処理を実施するためのアプリケーション・プログラムは、ＨＤＤ２５０５に格納されており、ＣＰＵ２５０３により実行される際にはＨＤＤ２５０５からメモリ２５０１に読み出される。ＣＰＵ２５０３は、アプリケーション・プログラムの処理内容に応じて表示制御部２５０７、通信制御部２５１７、ドライブ装置２５１３を制御して、所定の動作を行わせる。また、処理途中のデータについては、主としてメモリ２５０１に格納されるが、ＨＤＤ２５０５に格納されるようにしてもよい。本技術の実施例では、上で述べた処理を実施するためのアプリケーション・プログラムはコンピュータ読み取り可能なリムーバブル・ディスク２５１１に格納されて頒布され、ドライブ装置２５１３からＨＤＤ２５０５にインストールされる。インターネットなどのネットワーク及び通信制御部２５１７を経由して、ＨＤＤ２５０５にインストールされる場合もある。このようなコンピュータ装置は、上で述べたＣＰＵ２５０３、メモリ２５０１などのハードウエアとＯＳ及びアプリケーション・プログラムなどのプログラムとが有機的に協働することにより、上で述べたような各種機能を実現する。
【００６９】
以上述べた本実施の形態をまとめると以下のようになる。
【００７０】
本実施の形態に係る情報処理方法は、測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、算出された類似度を所定の閾値とを比較する処理とを含む。
【００７１】
このようにすることで、クロロフィル含有量の変動による影響を排除することができるようになるので、成長度合いが異なる樹木が混在していても、樹種を正確に判定できるようになる。
【００７２】
また、上で述べた算出処理が、所定領域の下限値以下の第１の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の第１の類似度を算出する処理と、所定領域の上限値以上の第２の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の第２の類似度を算出する処理と、第１の類似度と第２の類似度との平均の類似度を算出する処理を含むようにしても良い。このように所定領域を離隔領域として設定して測定波長領域を分割するようにしても、クロロフィル含有量の変動による影響を排除することができるようになる。
【００７３】
なお、上で述べた所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域である場合もある。このような範囲であれば適切に判定できることが分かっている。
【００７４】
なお、上記情報処理方法をコンピュータに行わせるためのプログラムを作成することができ、当該プログラムは、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、光磁気ディスク、半導体メモリ、ハードディスク等のコンピュータ読み取り可能な記憶媒体又は記憶装置に格納される。尚、中間的な処理結果はメインメモリ等の記憶装置に一時保管される。
【００７５】
以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。
【００７６】
（付記１）
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータに実行させるためのプログラム。
【００７７】
（付記２）
前記算出処理が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
処理を含む付記１記載のプログラム。
【００７８】
（付記３）
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする付記１又は２記載のプログラム。
【００７９】
（付記４）
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出部と、
算出された前記類似度を所定の閾値とを比較する比較部と
を有する情報処理装置。
【００８０】
（付記５）
前記算出部が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
付記４記載の情報処理装置。
【００８１】
（付記６）
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする付記４又は５記載の情報処理装置。
【００８２】
（付記７）
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータが実行する情報処理方法。
【符号の説明】
【００８３】
１１ 入力部
１２ 第１スペクトルデータ格納部
１３ 第２スペクトルデータ格納部
１４ 第１データ設定データ格納部
１５ 類似度算出部
１６ 類似度格納部
１７ 比較部
１８ 第２設定データ格納部
１９ 比較結果格納部
２０ 出力部
２１ 第１類似度算出部
２２ 第３設定データ格納部
２３ 第１類似度格納部
２４ 第２類似度算出部
２５ 第２類似度格納部
【特許請求の範囲】
【請求項１】
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータに実行させるためのプログラム。
【請求項２】
前記算出処理が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
処理を含む請求項１記載のプログラム。
【請求項３】
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする請求項１又は２記載のプログラム。
【請求項４】
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出部と、
算出された前記類似度を所定の閾値とを比較する比較部と
を有する情報処理装置。
【請求項５】
前記算出部が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
請求項４記載の情報処理装置。
【請求項６】
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする請求項４又は５記載の情報処理装置。
【請求項７】
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータが実行する情報処理方法。
【請求項１】
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータに実行させるためのプログラム。
【請求項２】
前記算出処理が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
処理を含む請求項１記載のプログラム。
【請求項３】
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする請求項１又は２記載のプログラム。
【請求項４】
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出部と、
算出された前記類似度を所定の閾値とを比較する比較部と
を有する情報処理装置。
【請求項５】
前記算出部が、
前記所定領域の下限値以下の第１の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第１の類似度を算出し、
前記所定領域の上限値以上の第２の領域について、前記照合対象のスペクトルデータと前記樹木の基準スペクトルデータとの間の第２の類似度を算出し、
前記第１の類似度と前記第２の類似度との平均の類似度を算出する
請求項４記載の情報処理装置。
【請求項６】
前記所定領域が、６５０ｎｍ以上６７０ｎｍ以下の領域を包含する領域であって、６２０ｎｍ以上７００ｎｍ以下の領域が最も広い領域であることを特徴とする請求項４又は５記載の情報処理装置。
【請求項７】
測定波長領域のうちクロロフィル含有量の変動による影響が現れる所定領域以外の領域について、照合対象のスペクトルデータと樹木の基準スペクトルデータとの間の類似度を算出する算出処理と、
算出された前記類似度を所定の閾値とを比較する処理と
を含む処理をコンピュータが実行する情報処理方法。
【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】
【図１６】
【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】
【図１６】
【公開番号】特開２０１３−１０９４２４（Ｐ２０１３−１０９４２４Ａ）
【公開日】平成２５年６月６日（２０１３．６．６）
【国際特許分類】
【出願番号】特願２０１１−２５２０８３（Ｐ２０１１−２５２０８３）
【出願日】平成２３年１１月１７日（２０１１．１１．１７）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
【公開日】平成２５年６月６日（２０１３．６．６）
【国際特許分類】
【出願日】平成２３年１１月１７日（２０１１．１１．１７）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]