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】樹木に加えて土が一部に現れている状況にお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】本方法は、（Ａ）可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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ステップと、（Ｂ）近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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ステップと、（Ｃ）第１の類似度と第２の類似度とを重み付け加算して第３の類似度を算出するステップと、（Ｄ）第３の類似度と所定の閾値を比較するステップとを含む。そして、第２の類似度の重みより第１の類似度の重みが大きい。
【解決手段】本方法は、（Ａ）可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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ステップと、（Ｂ）近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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ステップと、（Ｃ）第１の類似度と第２の類似度とを重み付け加算して第３の類似度を算出するステップと、（Ｄ）第３の類似度と所定の閾値を比較するステップとを含む。そして、第２の類似度の重みより第１の類似度の重みが大きい。
【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。
【先行技術文献】
【特許文献】
【００１１】
【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
【発明の概要】
【発明が解決しようとする課題】
【００１２】
本技術の目的は、一側面において、樹木に加えて土が一部に現れている状況にお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】
【００１３】
本技術の一側面に係る情報処理方法は、（Ａ）可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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ステップと、（Ｂ）近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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ステップと、（Ｃ）第１の類似度と第２の類似度とを重み付け加算して第３の類似度を算出するステップと、（Ｄ）第３の類似度と所定の閾値を比較するステップとを含む。そして、第２の類似度の重みより第１の類似度の重みが大きいという特徴がある。
【発明の効果】
【００１４】
一側面においては、樹木に加えて土が一部に現れている状況においても特定の植物が存在しているか否かを判定できる。
【図面の簡単な説明】
【００１５】
【図１】図１は、樹木と土が現れた区域についての撮影結果を模式的に示す図である。
【図２】図２は、スペクトルデータの一例を示す図である。
【図３】図３は、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４】図４は、実施の形態に係る処理フローを示す図である。
【図５】図５は、実施の形態に係る処理フローを示す図である。
【図６】図６は、比較結果格納部に格納されているデータの一例を示す図である。
【図７】図７は、実施例１の結果を示す図である。
【図８】図８は、実施例２の結果を示す図である。
【図９】図９は、実施例３の結果を示す図である。
【図１０】図１０は、実施例４の結果を示す図である。
【図１１】図１１は、比較例１の結果を示す図である。
【図１２】図１２は、比較例２の結果を示す図である。
【図１３】図１３は、比較例３の結果を示す図である。
【図１４】図１４は、比較例４の結果を示す図である。
【図１５】図１５は、比較例５の結果を示す図である。
【図１６】図１６は、実施例６の結果を示す図である。
【図１７】図１７は、実施例６の変形例を示す図である。
【図１８】図１８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】
【００１６】
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。
【００１７】
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。
【００１８】
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。
【００１９】
しかし、画素全体に樹木が広がっていればよいが、土が部分的に現れている場合もある。例えば、図１に示すように、丸で樹木を表し、四角で画素を表し、下地に土がある場合を想定する。図１における画素ａの場合、画素内には、樹木以外に土もおおよそ３０％現れているため、土のスペクトルによるノイズの影響で、樹木１００％の場合のスペクトルが得られない。画素ｂの場合、画素内には、樹木以外に土もおおよそ２０％含まれており、画素ｃの場合、画素内には樹木以外に土もおおよそ１０％含まれている。そうすると、基準スペクトルとの単純な比較では、画素ａ乃至ｃについては、判別したい樹木と特定できなくなる。
【００２０】
そこで、本実施の形態では、照合対象のスペクトルデータをおおよそ可視光領域（波長が４００ｎｍ乃至７００ｎｍ）のスペクトルデータと近赤外光領域（例えば波長が７００ｎｍ乃至８００ｎｍ）のスペクトルデータとに分離する。そして、それぞれを同領域についての基準スペクトルデータと照らし合わせてそれぞれについて類似度を算出し、それらを重み付け加算する。この重み付け加算における重みは、可視光領域の重みの方を近赤外光領域の重みよりも重くする。
【００２１】
図２に、より具体的なスペクトルデータの一例を示す。図２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。カーブｆは土が１００％の場合のスペクトルを表し、カーブｅは樹木１００％（例えば杉１００％）の場合のスペクトル（基準スペクトル）を表し、カーブａは画素ａ、カーブｂは画素ｂ、カーブｃは画素ｃ、カーブｄは樹木６０％で土４０％の場合を表している。このように、土の割合が高くなるほど基準スペクトルとの差が大きくなるが、その差の大きさは可視光領域Ａの方が近赤外線領域Ｂよりも小さい。例えば、可視光領域における画素ａのスペクトルと基準スペクトルとの間の類似度は、近赤外光領域における画素ａのスペクトルと基準スペクトルとの間の類似度よりも大きい。これは、樹木と土のスペクトルを比べた場合、可視光領域Ａの方が近赤外光領域Ｂよりもスペクトル形状の違いが小さい、すなわち類似度が高いためである。
【００２２】
そこで、可視光領域Ａと近赤外光領域Ｂにおいて、画素のスペクトル形状の類似度を算出する場合、領域Ｂよりも領域Ａに対して大きな重みを設定して全体の類似度を算出する。そうすると、樹木の種別の識別精度が向上する。
【００２３】
なお、以下でも述べるが、必ずしも可視光領域Ａ全体、近赤外光領域Ｂ全体を評価しなければならないわけではないことも確認されている。その場合においても、設定すべき重みについては同様の関係を有する。
【００２４】
次に、上記知見に基づき樹木の種別を特定するための、本実施の形態に係る情報処理装置１００の機能ブロック図を図３に示す。情報処理装置１００は、第１スペクトルデータ格納部１１と、第２スペクトルデータ格納部１２と、第１設定データ格納部１３と、第１類似度算出部１４と、第１類似度格納部１５と、第２設定データ格納部１６と、第２類似度算出部１７と、第２類似度格納部１８と、第３設定データ格納部１９と、比較部２０と、比較結果格納部２１と、出力部２２と、入力部２３とを有する。
【００２５】
入力部２３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１１に格納する。入力部２３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１１に格納する場合もある。
【００２６】
また、第２スペクトルデータ格納部１２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。
【００２７】
さらに、第１設定データ格納部１３には、類似度を算出する波長の範囲についてのデータが格納されている。この波長の範囲については後に詳しく述べるが、上でも述べたように、可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む第１照合領域と、近赤外線領域のうち樹木の特徴が現れる第２の領域を少なくとも含む第２照合領域とが設定されている。
【００２８】
第１類似度算出部１４は、第１照合領域及び第２照合領域のそれぞれについて、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、第１類似度格納部１５に格納する。
【００２９】
第２設定データ格納部１６には、類似度の加算に用いる重み値が格納されている。第２類似度算出部１７は、第２設定データ格納部１６に格納されている重み値を用いて、第１類似度格納部１５に格納されている類似度を重み付け加算し、加算結果を第２類似度格納部１８に格納する。
【００３０】
第３設定データ格納部１９には、判定のための閾値が格納されており、比較部２０は、第２類似度格納部１８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２１に格納する。なお、比較部２０は、第１類似度算出部１４から処理に係る画素のデータを受信して、比較結果と共に比較結果格納部２１に格納する。
【００３１】
出力部２２は、比較結果格納部２１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。
【００３２】
次に、図４乃至図６を用いて、情報処理装置１００の処理内容を説明する。第１類似度算出部１４は、第１スペクトルデータ格納部１１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４：ステップＳ１）。また、第１類似度算出部１４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）。
【００３３】
そして、第１類似度算出部１４は、第１設定データ格納部１３に格納されている第１照合領域について、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１５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。
【００３４】
また、第１類似度算出部１４は、第１設定データ格納部１３に格納されている第２照合領域について、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１５に格納する（ステップＳ７）。
【００３５】
そして、第２類似度算出部１７は、第２設定データ格納部１６に格納されている重み値を用いて、第１類似度格納部１５に格納されている、第１照合領域のための第１の類似度と第２照合領域のための第２の類似度とを重み付け加算することで第３の類似度を算出して、第２類似度格納部１８に格納する（ステップＳ９）。具体的には、第１の重み値×第１の類似度＋第２の重み値×第２の類似度によって、第３の類似度を算出する。処理は、端子Ａを介して図５の処理に移行する。
【００３６】
図５の処理の説明に移行して、比較部２０は、第２類似度格納部１８に格納されている第３の類似度が、第３設定データ格納部１９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Ｓ１１）。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Ｓ１５に移行する。
【００３７】
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２０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２１に登録する（ステップＳ１３）。そして処理はステップＳ１５に移行する。なお、ステップＳ１５ではなく、ステップＳ１７に移行するようにしても良い。
【００３８】
例えば図６に示すようなデータが、比較結果格納部２１に格納される。図６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。
【００３９】
その後、第１類似度算出部１４は、第２スペクトルデータ格納部１２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Ｓ１５）。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４のステップ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、第１類似度算出部１４は、第１スペクトルデータ格納部１１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Ｓ１７）。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４のステップ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２２は、比較結果格納部２１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Ｓ１９）。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。
【００４０】
以上のような処理を実施することで、樹木に加えて土が一部に現れている場合においても正しく樹木を識別できるようになる。
【００４１】
［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）を用いて土と樹木が混在する画像（ハイパースペクトルデータ）を撮影した。この時、樹木が７０％で土が３０％の場合の画素のハイパー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、図７に示すように、第１照合領域（４００ｎｍ−７００ｎｍ）と第２照合領域（７００ｎｍ−８００ｎｍ）とについて算出した。
【００４２】
この時、第１の重み値ｋ１及び第２の重み値ｋ２については、例えば以下のように算出する。具体的には、土の基準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、第１照合領域及び第２照合領域とについて算出する。今回の例では、以下のような結果が得られた。
４００ｎｍ−７００ｎｍ：類似度＝０．８７９
７００ｎｍ−８００ｎｍ：類似度＝０．５７２
【００４３】
これを用いて、第１の重み値ｋ１及び第２の重み値ｋ２を以下のように算出する。当然ながら、ｋ１＋ｋ２＝１となる。
ｋ１＝０．８７９／（０．８７９＋０．５７２）＝０．６１
ｋ２＝０．５７２／（０．８７９＋０．５７２）＝０．３９
【００４４】
そして、第３の類似度は、以下のように算出される。
第３の類似度＝０．６１×０．９８０＋０．３９×０．９１２＝０．９５３
【００４５】
ここで閾値を０．９５０とすると、第３の類似度は閾値０．９５０以上であるから、この画素は基準スペクトルデータの樹木であることが識別される。なお、４００ｎｍ−８００ｎｍ全体について類似度を算出すると０．９３５となり、閾値未満であるため、基準スペクトルデータの樹木であることが識別できない。
【００４６】
［実施例２］
次に、第１照合領域を、５００ｎｍ−６００ｎｍに変更する。５００ｎｍ−６００ｎｍは、図２においてＸで示すように、可視光領域において樹木の特徴が現れている領域である。この場合には、図８に示すような類似度が算出される。このように、第３の類似度が０．９５０４で閾値以上となるので、基準スペクトルデータの樹木であることが識別できる。
【００４７】
［実施例３］
次に、第２照合領域を、７２０ｎｍ−７８０ｎｍに変更する。７２０ｎｍ−７８０ｎｍは、図２においてＹで示すように、近赤外光領域において樹木の特徴が現れている領域である。この場合には、図９に示すような類似度が算出される。このように、第３の類似度が０．９５１で閾値以上となるので、基準スペクトルデータの樹木であることが識別できる。
【００４８】
［実施例４］
次に、第２照合領域を、７００ｎｍ−９００ｎｍに変更する。この場合には、図１０に示すような類似度が算出される。このように、第３の類似度が０．９５４で閾値以上となるので、基準スペクトルデータの樹木であることが識別できる。なお、４００ｎｍ−９００ｎｍ全域で類似度を算出すると０．９２８となってしまうが、上で述べたような手法で第３の類似度を算出すれば、基準スペクトルデータの樹木であることが識別できる。
【００４９】
なお、第１照合領域に、近赤外光領域における樹木の特徴が現れる領域Ｙを含めることは想定していないが、下側の４００ｎｍ及び上側の７００ｎｍについては多少変動させても良い。すなわち、第１照合領域を広くとる場合には、可視光領域を包含し且つ当該可視光領域より少々広い領域を設定する場合もある。
【００５０】
同様に、第２照合領域に、可視光領域における樹木の特徴が現れる領域Ｘを含めることは想定していないが、下側の７００ｎｍ及び上側の９００ｎｍについては多少変動させても良い。すなわち、第２照合領域を広くとる場合には、近赤外光領域を包含し且つ当該近赤外光領域よりも少々広い領域を設定する場合もある。
【００５１】
［比較例１］
次に、第１照合領域を、５５０ｎｍ−６００ｎｍに変更する。これは可視光領域において樹木の特徴が現れる領域Ｘよりも狭くなっている。この場合、図１１に示すような類似度が算出される。このように、第３の類似度が０．９２４で閾値未満となるので、基準スペクトルデータの樹木であることが識別できていない。
【００５２】
［比較例２］
次に、第２照合領域を、７３０ｎｍ−８００ｎｍに変更する。これは近赤外光領域における樹木の特徴が現れる領域Ｙの一部を欠いている場合である。この場合、図１２に示すような類似度が算出される。このように、第３の類似度が０．９４９で閾値未満となるので、基準スペクトルデータの樹木であることが識別できない。
【００５３】
［比較例３］
次に、第２照合領域を、７００ｎｍ−１０００ｎｍに変更する。この場合、図１３に示すような類似度が算出される。このように、第３の類似度が０．９４７で閾値未満となるので、基準スペクトルデータの樹木であることが識別できない。４００ｎｍ−１０００ｎｍ全領域について類似度を算出しても０．９２７となり、同様に基準スペクトルデータの樹木であることが識別できない。
【００５４】
［比較例４］
次に、実施例１とは異なる種別の樹木が撮影された画素のハイパースペクトルデータについて、実施例１と同じ基準スペクトルデータと照合した場合を考える。
【００５５】
そして、第１照合領域を、５０５ｎｍ−５９５ｎｍに変更する。これは可視光領域において樹木の特徴が現れる領域Ｘよりも狭くなっている。この場合、図１４に示すような類似度が算出される。このように、第３の類似度が０．９５２で閾値以上となってしまって、異なる種別の樹木であるにも拘わらず、基準スペクトルデータの樹木であると誤認識されてしまう。
【００５６】
一方、５００ｎｍ−６００ｎｍであれば、第３の類似度は０．９４９で閾値未満となるので、基準スペクトルデータの樹木でないと正しく判定される。
【００５７】
このように、５００ｎｍ−６００ｎｍは、可視光領域において樹木の特徴が現れる領域であって、少なくとも第１照合領域に含まれるべき領域である。
【００５８】
［比較例５］
比較例４と同様に、実施例１とは異なる種別の樹木が撮影された画素のハイパースペクトルデータについて、実施例１と同じ基準スペクトルデータと照合した場合を考える。
【００５９】
そして、第２照合領域を、７２５ｎｍ−７７５ｎｍに変更する。これは近赤外光領域において樹木の特徴が現れる領域Ｙよりも狭くなっている。この場合、図１５に示すような類似度が算出される。このように、第３の類似度が０．９５２で閾値以上となってしまって、異なる種別の樹木であるにも拘わらず、基準スペクトルデータの樹木であると誤認識されてしまう。
【００６０】
一方、７２０ｎｍ−７８０ｎｍであれば、第３の類似度は０．９３０で閾値未満となるので、基準スペクトルデータの樹木ではないと正しく判定される。
【００６１】
このように、７２０ｎｍ−７８０ｎｍは、近赤外光領域において樹木の特徴が現れる領域であって、少なくとも第２照合領域に含まれるべき領域である。
【００６２】
［実施例５］
重み値については、上で述べたような算出方法だけではなく、以下のような算出方法を採用するようにしても良い。なお、ｋ１＋ｋ２＝１となる。
ｋ１＝２×０．８７９／（２×０．８７９＋０．５７２）＝０．７５
ｋ２＝０．５７２／（２×０．８７９＋０．５７２）＝０．２５
【００６３】
このように第１照合領域についてより大きな重み値を設定する。
【００６４】
そうすると、実施例１について第３類似度を算出すると、以下のようになる。
第３類似度＝０．７５×０．９８０＋０．２５×０．９１２＝０．９６３
【００６５】
このように実施例１よりも第３の類似度が大きな値となるため、正しく基準スペクトルデータの樹木であると識別できる。
【００６６】
［実施例６］
樹木が６０％で土が４０％の場合の画素のハイパー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、図１６に示すように、第１照合領域（４００ｎｍ−７００ｎｍ）と第２照合領域（７００ｎｍ−８００ｎｍ）とについて算出した。
【００６７】
図１６に示すように、第３の類似度は０．９５１で閾値以上となるので、基準スペクトルデータの樹木であると正しく判定できる。
【００６８】
このように、樹木の比率が低くなると第３の類似度が下がってくるので、実施例５のような重み値を採用することも有効である。重み値を実施例５のように変更した場合の類似度を図１７に示す。このように、第３の類似度が０．９６０となるので、基準スペクトルデータの樹木であると正しく判定でき、照合領域を狭くしても対応できる。
【００６９】
なお、重み値については、算出式によって算出するだけではなく、経験的に適切である値を設定するようにしても良い。
【００７０】
以上本技術の実施の形態及び実施例を説明したが、本技術はこれに限定されるものではない。例えば、図３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Ｓ５とＳ７は並列実行も処理順番の入れ替えも可能である。
【００７１】
また、ステップＳ１１で第３の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２１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。
【００７２】
なお、上で述べた情報処理装置１００は、コンピュータ装置であって、図１８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。
【００７３】
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。
【００７４】
本実施の形態に係る情報処理方法は、（Ａ）可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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ステップと、（Ｂ）近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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ステップと、（Ｃ）第１の類似度と第２の類似度とを重み付け加算して第３の類似度を算出するステップと、（Ｄ）第３の類似度と所定の閾値を比較するステップとを含む。そして、第２の類似度の重みより第１の類似度の重みが大きいという特徴がある。
【００７５】
このようにすれば、一部に含まれる土の影響を抑制して正しく基準スペクトルデータの樹木であるかを判断できるようになる。
【００７６】
また、上で述べた第１の領域が５００ｎｍ以上６００ｎｍ以下の領域である場合もある。最低限この領域を含むようにすれば適切に判定を行うことができるようになる。同様に、上で述べた第２の領域が７２０ｎｍ以上７８０ｎｍ以下の領域である場合もある。最低限この領域を含むようにすれば適切に判定を行うことができるようになる。
【００７７】
さらに、第１の類似度の第１の重みと第２の類似度の第２の重みとの和が１である場合もある。
【００７８】
さらに、可視光領域における、土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３の類似度ｄ３と、近赤外光領域における、土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４の類似度ｄ４とから、第１の重みｋ１がｄ３／（ｄ３＋ｄ４）であり、第２の重みｋ２がｄ４／（ｄ３＋ｄ４）である場合もある。このように、１を類似度で按分するようにしても良い。
【００７９】
また、可視光領域における、土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３の類似度ｄ３と、近赤外光領域における、土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４の類似度ｄ４とから、第１の重みｋ１が２×ｄ３／（２×ｄ３＋ｄ４）であり、第２の重みｋ２がｄ４／（２×ｄ３＋ｄ４）である場合もある。このように、可視光領域についての重みがさらに大きくなるように設定することも可能である。
【００８０】
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。
【００８１】
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。
【００８２】
（付記１）
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータに実行させ、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とするプログラム。
【００８３】
（付記２）
前記第１の領域が５００ｎｍ以上６００ｎｍ以下の領域である
付記１記載のプログラム。
【００８４】
（付記３）
前記第２の領域が７２０ｎｍ以上７８０ｎｍ以下の領域である
付記１又は２記載のプログラム。
【００８５】
（付記４）
前記第１の類似度の第１の重みと前記第２の類似度の第２の重みとの和が１である
付記１乃至３のいずれか１つ記載のプログラム。
【００８６】
（付記５）
前記可視光領域における、土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３の類似度ｄ３と、前記近赤外光領域における、前記土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４の類似度ｄ４とから、前記第１の重みｋ１がｄ３／（ｄ３＋ｄ４）であり、前記第２の重みｋ２がｄ４／（ｄ３＋ｄ４）である
付記４記載のプログラム。
【００８７】
（付記６）
前記可視光領域における、土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３の類似度ｄ３と、前記近赤外光領域における、前記土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４の類似度ｄ４とから、前記第１の重みｋ１が２×ｄ３／（２×ｄ３＋ｄ４）であり、前記第２の重みｋ２がｄ４／（２×ｄ３＋ｄ４）である
付記４記載のプログラム。
【００８８】
（付記７）
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータが実行し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理方法。
【００８９】
（付記８）
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度を算出する第１類似度算出部と、
前記第１の類似度と前記第２の類似度とを重み付け加算して第３の類似度を算出する第２の類似度算出部と、
前記第３の類似度と所定の閾値を比較する比較部と、
を有し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理装置。
【符号の説明】
【００９０】
１１ 第１スペクトルデータ格納部
１２ 第２スペクトルデータ格納部
１３ 第１設定データ格納部
１４ 第１類似度算出部
１５ 第１類似度格納部
１６ 第２設定データ格納部
１７ 第２類似度算出部
１８ 第２類似度格納部
１９ 第３設定データ格納部
２０ 比較部
２１ 比較結果格納部
２２ 出力部
２３ 入力部
【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。
【先行技術文献】
【特許文献】
【００１１】
【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
【発明の概要】
【発明が解決しようとする課題】
【００１２】
本技術の目的は、一側面において、樹木に加えて土が一部に現れている状況にお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】
【００１３】
本技術の一側面に係る情報処理方法は、（Ａ）可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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ステップと、（Ｂ）近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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ステップと、（Ｃ）第１の類似度と第２の類似度とを重み付け加算して第３の類似度を算出するステップと、（Ｄ）第３の類似度と所定の閾値を比較するステップとを含む。そして、第２の類似度の重みより第１の類似度の重みが大きいという特徴がある。
【発明の効果】
【００１４】
一側面においては、樹木に加えて土が一部に現れている状況においても特定の植物が存在しているか否かを判定できる。
【図面の簡単な説明】
【００１５】
【図１】図１は、樹木と土が現れた区域についての撮影結果を模式的に示す図である。
【図２】図２は、スペクトルデータの一例を示す図である。
【図３】図３は、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４】図４は、実施の形態に係る処理フローを示す図である。
【図５】図５は、実施の形態に係る処理フローを示す図である。
【図６】図６は、比較結果格納部に格納されているデータの一例を示す図である。
【図７】図７は、実施例１の結果を示す図である。
【図８】図８は、実施例２の結果を示す図である。
【図９】図９は、実施例３の結果を示す図である。
【図１０】図１０は、実施例４の結果を示す図である。
【図１１】図１１は、比較例１の結果を示す図である。
【図１２】図１２は、比較例２の結果を示す図である。
【図１３】図１３は、比較例３の結果を示す図である。
【図１４】図１４は、比較例４の結果を示す図である。
【図１５】図１５は、比較例５の結果を示す図である。
【図１６】図１６は、実施例６の結果を示す図である。
【図１７】図１７は、実施例６の変形例を示す図である。
【図１８】図１８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】
【００１６】
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。
【００１７】
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。
【００１８】
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。
【００１９】
しかし、画素全体に樹木が広がっていればよいが、土が部分的に現れている場合もある。例えば、図１に示すように、丸で樹木を表し、四角で画素を表し、下地に土がある場合を想定する。図１における画素ａの場合、画素内には、樹木以外に土もおおよそ３０％現れているため、土のスペクトルによるノイズの影響で、樹木１００％の場合のスペクトルが得られない。画素ｂの場合、画素内には、樹木以外に土もおおよそ２０％含まれており、画素ｃの場合、画素内には樹木以外に土もおおよそ１０％含まれている。そうすると、基準スペクトルとの単純な比較では、画素ａ乃至ｃについては、判別したい樹木と特定できなくなる。
【００２０】
そこで、本実施の形態では、照合対象のスペクトルデータをおおよそ可視光領域（波長が４００ｎｍ乃至７００ｎｍ）のスペクトルデータと近赤外光領域（例えば波長が７００ｎｍ乃至８００ｎｍ）のスペクトルデータとに分離する。そして、それぞれを同領域についての基準スペクトルデータと照らし合わせてそれぞれについて類似度を算出し、それらを重み付け加算する。この重み付け加算における重みは、可視光領域の重みの方を近赤外光領域の重みよりも重くする。
【００２１】
図２に、より具体的なスペクトルデータの一例を示す。図２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。カーブｆは土が１００％の場合のスペクトルを表し、カーブｅは樹木１００％（例えば杉１００％）の場合のスペクトル（基準スペクトル）を表し、カーブａは画素ａ、カーブｂは画素ｂ、カーブｃは画素ｃ、カーブｄは樹木６０％で土４０％の場合を表している。このように、土の割合が高くなるほど基準スペクトルとの差が大きくなるが、その差の大きさは可視光領域Ａの方が近赤外線領域Ｂよりも小さい。例えば、可視光領域における画素ａのスペクトルと基準スペクトルとの間の類似度は、近赤外光領域における画素ａのスペクトルと基準スペクトルとの間の類似度よりも大きい。これは、樹木と土のスペクトルを比べた場合、可視光領域Ａの方が近赤外光領域Ｂよりもスペクトル形状の違いが小さい、すなわち類似度が高いためである。
【００２２】
そこで、可視光領域Ａと近赤外光領域Ｂにおいて、画素のスペクトル形状の類似度を算出する場合、領域Ｂよりも領域Ａに対して大きな重みを設定して全体の類似度を算出する。そうすると、樹木の種別の識別精度が向上する。
【００２３】
なお、以下でも述べるが、必ずしも可視光領域Ａ全体、近赤外光領域Ｂ全体を評価しなければならないわけではないことも確認されている。その場合においても、設定すべき重みについては同様の関係を有する。
【００２４】
次に、上記知見に基づき樹木の種別を特定するための、本実施の形態に係る情報処理装置１００の機能ブロック図を図３に示す。情報処理装置１００は、第１スペクトルデータ格納部１１と、第２スペクトルデータ格納部１２と、第１設定データ格納部１３と、第１類似度算出部１４と、第１類似度格納部１５と、第２設定データ格納部１６と、第２類似度算出部１７と、第２類似度格納部１８と、第３設定データ格納部１９と、比較部２０と、比較結果格納部２１と、出力部２２と、入力部２３とを有する。
【００２５】
入力部２３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１１に格納する。入力部２３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１１に格納する場合もある。
【００２６】
また、第２スペクトルデータ格納部１２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。
【００２７】
さらに、第１設定データ格納部１３には、類似度を算出する波長の範囲についてのデータが格納されている。この波長の範囲については後に詳しく述べるが、上でも述べたように、可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む第１照合領域と、近赤外線領域のうち樹木の特徴が現れる第２の領域を少なくとも含む第２照合領域とが設定されている。
【００２８】
第１類似度算出部１４は、第１照合領域及び第２照合領域のそれぞれについて、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、第１類似度格納部１５に格納する。
【００２９】
第２設定データ格納部１６には、類似度の加算に用いる重み値が格納されている。第２類似度算出部１７は、第２設定データ格納部１６に格納されている重み値を用いて、第１類似度格納部１５に格納されている類似度を重み付け加算し、加算結果を第２類似度格納部１８に格納する。
【００３０】
第３設定データ格納部１９には、判定のための閾値が格納されており、比較部２０は、第２類似度格納部１８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２１に格納する。なお、比較部２０は、第１類似度算出部１４から処理に係る画素のデータを受信して、比較結果と共に比較結果格納部２１に格納する。
【００３１】
出力部２２は、比較結果格納部２１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。
【００３２】
次に、図４乃至図６を用いて、情報処理装置１００の処理内容を説明する。第１類似度算出部１４は、第１スペクトルデータ格納部１１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４：ステップＳ１）。また、第１類似度算出部１４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）。
【００３３】
そして、第１類似度算出部１４は、第１設定データ格納部１３に格納されている第１照合領域について、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１５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。
【００３４】
また、第１類似度算出部１４は、第１設定データ格納部１３に格納されている第２照合領域について、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１５に格納する（ステップＳ７）。
【００３５】
そして、第２類似度算出部１７は、第２設定データ格納部１６に格納されている重み値を用いて、第１類似度格納部１５に格納されている、第１照合領域のための第１の類似度と第２照合領域のための第２の類似度とを重み付け加算することで第３の類似度を算出して、第２類似度格納部１８に格納する（ステップＳ９）。具体的には、第１の重み値×第１の類似度＋第２の重み値×第２の類似度によって、第３の類似度を算出する。処理は、端子Ａを介して図５の処理に移行する。
【００３６】
図５の処理の説明に移行して、比較部２０は、第２類似度格納部１８に格納されている第３の類似度が、第３設定データ格納部１９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Ｓ１１）。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Ｓ１５に移行する。
【００３７】
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２０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２１に登録する（ステップＳ１３）。そして処理はステップＳ１５に移行する。なお、ステップＳ１５ではなく、ステップＳ１７に移行するようにしても良い。
【００３８】
例えば図６に示すようなデータが、比較結果格納部２１に格納される。図６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。
【００３９】
その後、第１類似度算出部１４は、第２スペクトルデータ格納部１２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Ｓ１５）。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４のステップ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、第１類似度算出部１４は、第１スペクトルデータ格納部１１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Ｓ１７）。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４のステップ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２２は、比較結果格納部２１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Ｓ１９）。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。
【００４０】
以上のような処理を実施することで、樹木に加えて土が一部に現れている場合においても正しく樹木を識別できるようになる。
【００４１】
［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）を用いて土と樹木が混在する画像（ハイパースペクトルデータ）を撮影した。この時、樹木が７０％で土が３０％の場合の画素のハイパー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、図７に示すように、第１照合領域（４００ｎｍ−７００ｎｍ）と第２照合領域（７００ｎｍ−８００ｎｍ）とについて算出した。
【００４２】
この時、第１の重み値ｋ１及び第２の重み値ｋ２については、例えば以下のように算出する。具体的には、土の基準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、第１照合領域及び第２照合領域とについて算出する。今回の例では、以下のような結果が得られた。
４００ｎｍ−７００ｎｍ：類似度＝０．８７９
７００ｎｍ−８００ｎｍ：類似度＝０．５７２
【００４３】
これを用いて、第１の重み値ｋ１及び第２の重み値ｋ２を以下のように算出する。当然ながら、ｋ１＋ｋ２＝１となる。
ｋ１＝０．８７９／（０．８７９＋０．５７２）＝０．６１
ｋ２＝０．５７２／（０．８７９＋０．５７２）＝０．３９
【００４４】
そして、第３の類似度は、以下のように算出される。
第３の類似度＝０．６１×０．９８０＋０．３９×０．９１２＝０．９５３
【００４５】
ここで閾値を０．９５０とすると、第３の類似度は閾値０．９５０以上であるから、この画素は基準スペクトルデータの樹木であることが識別される。なお、４００ｎｍ−８００ｎｍ全体について類似度を算出すると０．９３５となり、閾値未満であるため、基準スペクトルデータの樹木であることが識別できない。
【００４６】
［実施例２］
次に、第１照合領域を、５００ｎｍ−６００ｎｍに変更する。５００ｎｍ−６００ｎｍは、図２においてＸで示すように、可視光領域において樹木の特徴が現れている領域である。この場合には、図８に示すような類似度が算出される。このように、第３の類似度が０．９５０４で閾値以上となるので、基準スペクトルデータの樹木であることが識別できる。
【００４７】
［実施例３］
次に、第２照合領域を、７２０ｎｍ−７８０ｎｍに変更する。７２０ｎｍ−７８０ｎｍは、図２においてＹで示すように、近赤外光領域において樹木の特徴が現れている領域である。この場合には、図９に示すような類似度が算出される。このように、第３の類似度が０．９５１で閾値以上となるので、基準スペクトルデータの樹木であることが識別できる。
【００４８】
［実施例４］
次に、第２照合領域を、７００ｎｍ−９００ｎｍに変更する。この場合には、図１０に示すような類似度が算出される。このように、第３の類似度が０．９５４で閾値以上となるので、基準スペクトルデータの樹木であることが識別できる。なお、４００ｎｍ−９００ｎｍ全域で類似度を算出すると０．９２８となってしまうが、上で述べたような手法で第３の類似度を算出すれば、基準スペクトルデータの樹木であることが識別できる。
【００４９】
なお、第１照合領域に、近赤外光領域における樹木の特徴が現れる領域Ｙを含めることは想定していないが、下側の４００ｎｍ及び上側の７００ｎｍについては多少変動させても良い。すなわち、第１照合領域を広くとる場合には、可視光領域を包含し且つ当該可視光領域より少々広い領域を設定する場合もある。
【００５０】
同様に、第２照合領域に、可視光領域における樹木の特徴が現れる領域Ｘを含めることは想定していないが、下側の７００ｎｍ及び上側の９００ｎｍについては多少変動させても良い。すなわち、第２照合領域を広くとる場合には、近赤外光領域を包含し且つ当該近赤外光領域よりも少々広い領域を設定する場合もある。
【００５１】
［比較例１］
次に、第１照合領域を、５５０ｎｍ−６００ｎｍに変更する。これは可視光領域において樹木の特徴が現れる領域Ｘよりも狭くなっている。この場合、図１１に示すような類似度が算出される。このように、第３の類似度が０．９２４で閾値未満となるので、基準スペクトルデータの樹木であることが識別できていない。
【００５２】
［比較例２］
次に、第２照合領域を、７３０ｎｍ−８００ｎｍに変更する。これは近赤外光領域における樹木の特徴が現れる領域Ｙの一部を欠いている場合である。この場合、図１２に示すような類似度が算出される。このように、第３の類似度が０．９４９で閾値未満となるので、基準スペクトルデータの樹木であることが識別できない。
【００５３】
［比較例３］
次に、第２照合領域を、７００ｎｍ−１０００ｎｍに変更する。この場合、図１３に示すような類似度が算出される。このように、第３の類似度が０．９４７で閾値未満となるので、基準スペクトルデータの樹木であることが識別できない。４００ｎｍ−１０００ｎｍ全領域について類似度を算出しても０．９２７となり、同様に基準スペクトルデータの樹木であることが識別できない。
【００５４】
［比較例４］
次に、実施例１とは異なる種別の樹木が撮影された画素のハイパースペクトルデータについて、実施例１と同じ基準スペクトルデータと照合した場合を考える。
【００５５】
そして、第１照合領域を、５０５ｎｍ−５９５ｎｍに変更する。これは可視光領域において樹木の特徴が現れる領域Ｘよりも狭くなっている。この場合、図１４に示すような類似度が算出される。このように、第３の類似度が０．９５２で閾値以上となってしまって、異なる種別の樹木であるにも拘わらず、基準スペクトルデータの樹木であると誤認識されてしまう。
【００５６】
一方、５００ｎｍ−６００ｎｍであれば、第３の類似度は０．９４９で閾値未満となるので、基準スペクトルデータの樹木でないと正しく判定される。
【００５７】
このように、５００ｎｍ−６００ｎｍは、可視光領域において樹木の特徴が現れる領域であって、少なくとも第１照合領域に含まれるべき領域である。
【００５８】
［比較例５］
比較例４と同様に、実施例１とは異なる種別の樹木が撮影された画素のハイパースペクトルデータについて、実施例１と同じ基準スペクトルデータと照合した場合を考える。
【００５９】
そして、第２照合領域を、７２５ｎｍ−７７５ｎｍに変更する。これは近赤外光領域において樹木の特徴が現れる領域Ｙよりも狭くなっている。この場合、図１５に示すような類似度が算出される。このように、第３の類似度が０．９５２で閾値以上となってしまって、異なる種別の樹木であるにも拘わらず、基準スペクトルデータの樹木であると誤認識されてしまう。
【００６０】
一方、７２０ｎｍ−７８０ｎｍであれば、第３の類似度は０．９３０で閾値未満となるので、基準スペクトルデータの樹木ではないと正しく判定される。
【００６１】
このように、７２０ｎｍ−７８０ｎｍは、近赤外光領域において樹木の特徴が現れる領域であって、少なくとも第２照合領域に含まれるべき領域である。
【００６２】
［実施例５］
重み値については、上で述べたような算出方法だけではなく、以下のような算出方法を採用するようにしても良い。なお、ｋ１＋ｋ２＝１となる。
ｋ１＝２×０．８７９／（２×０．８７９＋０．５７２）＝０．７５
ｋ２＝０．５７２／（２×０．８７９＋０．５７２）＝０．２５
【００６３】
このように第１照合領域についてより大きな重み値を設定する。
【００６４】
そうすると、実施例１について第３類似度を算出すると、以下のようになる。
第３類似度＝０．７５×０．９８０＋０．２５×０．９１２＝０．９６３
【００６５】
このように実施例１よりも第３の類似度が大きな値となるため、正しく基準スペクトルデータの樹木であると識別できる。
【００６６】
［実施例６］
樹木が６０％で土が４０％の場合の画素のハイパー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、図１６に示すように、第１照合領域（４００ｎｍ−７００ｎｍ）と第２照合領域（７００ｎｍ−８００ｎｍ）とについて算出した。
【００６７】
図１６に示すように、第３の類似度は０．９５１で閾値以上となるので、基準スペクトルデータの樹木であると正しく判定できる。
【００６８】
このように、樹木の比率が低くなると第３の類似度が下がってくるので、実施例５のような重み値を採用することも有効である。重み値を実施例５のように変更した場合の類似度を図１７に示す。このように、第３の類似度が０．９６０となるので、基準スペクトルデータの樹木であると正しく判定でき、照合領域を狭くしても対応できる。
【００６９】
なお、重み値については、算出式によって算出するだけではなく、経験的に適切である値を設定するようにしても良い。
【００７０】
以上本技術の実施の形態及び実施例を説明したが、本技術はこれに限定されるものではない。例えば、図３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Ｓ５とＳ７は並列実行も処理順番の入れ替えも可能である。
【００７１】
また、ステップＳ１１で第３の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２１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。
【００７２】
なお、上で述べた情報処理装置１００は、コンピュータ装置であって、図１８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。
【００７３】
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。
【００７４】
本実施の形態に係る情報処理方法は、（Ａ）可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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ステップと、（Ｂ）近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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ステップと、（Ｃ）第１の類似度と第２の類似度とを重み付け加算して第３の類似度を算出するステップと、（Ｄ）第３の類似度と所定の閾値を比較するステップとを含む。そして、第２の類似度の重みより第１の類似度の重みが大きいという特徴がある。
【００７５】
このようにすれば、一部に含まれる土の影響を抑制して正しく基準スペクトルデータの樹木であるかを判断できるようになる。
【００７６】
また、上で述べた第１の領域が５００ｎｍ以上６００ｎｍ以下の領域である場合もある。最低限この領域を含むようにすれば適切に判定を行うことができるようになる。同様に、上で述べた第２の領域が７２０ｎｍ以上７８０ｎｍ以下の領域である場合もある。最低限この領域を含むようにすれば適切に判定を行うことができるようになる。
【００７７】
さらに、第１の類似度の第１の重みと第２の類似度の第２の重みとの和が１である場合もある。
【００７８】
さらに、可視光領域における、土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３の類似度ｄ３と、近赤外光領域における、土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４の類似度ｄ４とから、第１の重みｋ１がｄ３／（ｄ３＋ｄ４）であり、第２の重みｋ２がｄ４／（ｄ３＋ｄ４）である場合もある。このように、１を類似度で按分するようにしても良い。
【００７９】
また、可視光領域における、土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３の類似度ｄ３と、近赤外光領域における、土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４の類似度ｄ４とから、第１の重みｋ１が２×ｄ３／（２×ｄ３＋ｄ４）であり、第２の重みｋ２がｄ４／（２×ｄ３＋ｄ４）である場合もある。このように、可視光領域についての重みがさらに大きくなるように設定することも可能である。
【００８０】
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。
【００８１】
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。
【００８２】
（付記１）
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータに実行させ、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とするプログラム。
【００８３】
（付記２）
前記第１の領域が５００ｎｍ以上６００ｎｍ以下の領域である
付記１記載のプログラム。
【００８４】
（付記３）
前記第２の領域が７２０ｎｍ以上７８０ｎｍ以下の領域である
付記１又は２記載のプログラム。
【００８５】
（付記４）
前記第１の類似度の第１の重みと前記第２の類似度の第２の重みとの和が１である
付記１乃至３のいずれか１つ記載のプログラム。
【００８６】
（付記５）
前記可視光領域における、土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３の類似度ｄ３と、前記近赤外光領域における、前記土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４の類似度ｄ４とから、前記第１の重みｋ１がｄ３／（ｄ３＋ｄ４）であり、前記第２の重みｋ２がｄ４／（ｄ３＋ｄ４）である
付記４記載のプログラム。
【００８７】
（付記６）
前記可視光領域における、土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３の類似度ｄ３と、前記近赤外光領域における、前記土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４の類似度ｄ４とから、前記第１の重みｋ１が２×ｄ３／（２×ｄ３＋ｄ４）であり、前記第２の重みｋ２がｄ４／（２×ｄ３＋ｄ４）である
付記４記載のプログラム。
【００８８】
（付記７）
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータが実行し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理方法。
【００８９】
（付記８）
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度を算出する第１類似度算出部と、
前記第１の類似度と前記第２の類似度とを重み付け加算して第３の類似度を算出する第２の類似度算出部と、
前記第３の類似度と所定の閾値を比較する比較部と、
を有し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理装置。
【符号の説明】
【００９０】
１１ 第１スペクトルデータ格納部
１２ 第２スペクトルデータ格納部
１３ 第１設定データ格納部
１４ 第１類似度算出部
１５ 第１類似度格納部
１６ 第２設定データ格納部
１７ 第２類似度算出部
１８ 第２類似度格納部
１９ 第３設定データ格納部
２０ 比較部
２１ 比較結果格納部
２２ 出力部
２３ 入力部
【特許請求の範囲】
【請求項１】
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータに実行させ、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とするプログラム。
【請求項２】
前記第１の領域が５００ｎｍ以上６００ｎｍ以下の領域である
請求項１記載のプログラム。
【請求項３】
前記第２の領域が７２０ｎｍ以上７８０ｎｍ以下の領域である
請求項１又は２記載のプログラム。
【請求項４】
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータが実行し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理方法。
【請求項５】
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度を算出する第１類似度算出部と、
前記第１の類似度と前記第２の類似度とを重み付け加算して第３の類似度を算出する第２の類似度算出部と、
前記第３の類似度と所定の閾値を比較する比較部と、
を有し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理装置。
【請求項１】
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータに実行させ、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とするプログラム。
【請求項２】
前記第１の領域が５００ｎｍ以上６００ｎｍ以下の領域である
請求項１記載のプログラム。
【請求項３】
前記第２の領域が７２０ｎｍ以上７８０ｎｍ以下の領域である
請求項１又は２記載のプログラム。
【請求項４】
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、
近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度とを重み付け加算して第３の類似度を算出し、
前記第３の類似度と所定の閾値を比較する
処理をコンピュータが実行し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理方法。
【請求項５】
可視光領域のうち樹木の特徴が現れる第１の領域を少なくとも含む領域について、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の類似度を算出し、近赤外光領域のうち樹木の特徴が現れる第２の領域を少なくとも含む領域について、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の類似度を算出する第１類似度算出部と、
前記第１の類似度と前記第２の類似度とを重み付け加算して第３の類似度を算出する第２の類似度算出部と、
前記第３の類似度と所定の閾値を比較する比較部と、
を有し、
前記第２の類似度の重みより前記第１の類似度の重みが大きい
ことを特徴とする情報処理装置。
【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１７】
【図１８】
【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１７】
【図１８】
【公開番号】特開２０１３−９０５８４（Ｐ２０１３−９０５８４Ａ）
【公開日】平成２５年５月１６日（２０１３．５．１６）
【国際特許分類】
【出願番号】特願２０１１−２３３５３２（Ｐ２０１１−２３３５３２）
【出願日】平成２３年１０月２５日（２０１１．１０．２５）
【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５月１６日（２０１３．５．１６）
【国際特許分類】
【出願日】平成２３年１０月２５日（２０１１．１０．２５）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]