緑被率マップ作成装置、緑被率マップ作成方法、及び、プログラム。
【課題】 高分解能の緑被率マップ、および、緑地マップを作成する。
【解決手段】 高分解能緑被率マップ作成装置は、ある波長帯の反射光強度を１バンドセンサで撮影した画像データを用いる。これと共に、ある波長帯の反射光強度を、複数バンドセンサで波長域を分割して撮影した画像データであるパンクロマチック画像データを用いる。高分解能緑被率マップ作成装置は、パンクロマチック画像データの輝度値と、リサンプリングしたマルチスペクトル画像データの赤外バンド値を用いて、従来よりも高分解能の緑被率マップを作成することができる。高分解能緑被率マップ作成装置を空中写真や、衛星画像へ適用すれば、広域の高解像度緑被率マップが容易に取得できる。
【解決手段】 高分解能緑被率マップ作成装置は、ある波長帯の反射光強度を１バンドセンサで撮影した画像データを用いる。これと共に、ある波長帯の反射光強度を、複数バンドセンサで波長域を分割して撮影した画像データであるパンクロマチック画像データを用いる。高分解能緑被率マップ作成装置は、パンクロマチック画像データの輝度値と、リサンプリングしたマルチスペクトル画像データの赤外バンド値を用いて、従来よりも高分解能の緑被率マップを作成することができる。高分解能緑被率マップ作成装置を空中写真や、衛星画像へ適用すれば、広域の高解像度緑被率マップが容易に取得できる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、緑被率マップ作成装置、緑被率マップ作成方法、及び、プログラムに関する。
【背景技術】
【０００２】
近年、都市域の緑は、都市環境の維持・改善、都市防災等の様々な観点から、その役割が注目されている。また、都市域の緑地の分布形態は、点的に分布し、ひとまとまりの面積が数平方メートル以下の場合が多く、ほとんどの緑の規模は数十平方メートル以下である。従って、都市域における緑被分布を扱う上で数平方メートルの小規模の緑を無視することはできない。
【０００３】
都市域における緑被分布を求める手段として、空撮画像や衛星画像を利用して緑被率マップ（ある地域又は地区における緑地（被）面積の占める割合を示す地図）を作成することが行われている。緑被率マップを作成する方法としては、例えば、（１）写真判読によって、植生領域を判読して地図を作成する方法、（２）画像処理によって緑被率を抽出することによって地図を作成する方法、等が知られている。
【０００４】
上記の（１）の写真判読による方法は、人手も時間もかかり、非効率的であり、また、結果に属人性を有する。
（２）の画像処理による方法として、撮像対象の領域の画像データを用いて、図９（ａ）に示すような単一画素内が比較的均質となる領域（草や作物と土壌の組み合わせといった領域）で有効とされるＮＤＶＩ（Normalized Difference Vegetation Index）計算処理によって緑被率を抽出する方法がある。また、図９（ｂ）に示すような単一画素内に複数の性質が混在している場合（ミクセル状態）に、解像度の低いデータを用いて、単一画素内の緑被率まで抽出することができるミクセル計算処理を用いる方法もある。これらの方法は、例えば、非特許文献１に開示されている。
【非特許文献１】尹 敦奎、梅干野 晃、「都市域における画素内緑被率推定の為の指標」、日本リモートセンシング学会誌、Ｖｏｌ１８ Ｎｏ３ ｐ２２８−２４０ １９９８。
【０００５】
（２）の画像処理による緑被率の推定方法では、画像処理の単位が画素単位であるため、その推定精度は、前述した数十平方メートル以下の緑地が多い都市域での緑被分布を扱う上では、不十分な精度であることが多かった。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
本発明は、上記実状に鑑みてなされたものであり、都市域での緑被分布を扱う上で十分な精度の緑被率を抽出することができる緑被率マップ作成装置、緑被率マップ作成方法、及び、コンピュータプログラムを提供することを目的とする。
また、本発明は、小サイズの緑地を考慮することが可能な緑被率マップ作成装置と緑被率マップ作成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】
【０００７】
上記目的を達成するため、本発明の第１の観点に係る緑被率マップ作成装置は、
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段と、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上した時の各画素の画像データを求める画像データ生成手段と、
前記再構成手段で再構成したマルチスペクトル画像データと、前記パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手段と、
を備えることを特徴とする。
【０００８】
また、上記緑被率マップ作成装置において、
前記パンクロマチック画像データは、所定の波長帯の光を用いて前記所定領域を撮影することにより得られた画像データであり、
前記マルチスペクトル画像データは、前記所定の波長帯に含まれる複数の波長域それぞれの光を用いて撮影し、それぞれ前記パンクロマチック画像データよりも解像度の低い複数の画像データから構成され、
前記再構成手段は、前記マルチスペクトル画像データを構成する各画像データを、前記パンクロマチック画像データの解像度と同一の画像データに再構成し、
前記緑被率算出手段は、前記再構成手段で再構成したマルチスペクトル画像データと前記パンクロマチック画像データとの各対応する画素の画像データを用いたミクセル画像処理により、各画素に対応する位置の緑被率を算出する、
ようにしてもよい。
【０００９】
さらに、上記高分解能緑被率マップ作成装置は、
前記緑被率算出手段によって算出した緑被率を、前記再構成手段により生じる誤差を小さくするように修正する修正手段、
をさらに備えてもよい。
【００１０】
また、上記緑被率マップ作成装置は、
前記マルチスペクトル画像データから緑被率を算出する第二の緑被率算出手段と、
前記緑被率算出手段によって算出した緑被率を、前記第二の緑被率で算出した緑被率と該緑被率を算出した画素に対応する前記パンクロマチック画像データの全画素の緑被率の平均値と、が等しくなるように正規化補正する正規化補正手段と、
をさらに備えてもよい。
【００１１】
また、本発明の第２の観点に係る緑被率マップ作成方法は、
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える高分解能緑被率マップ作成装置の高分解能緑被率マップ作成方法であって、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成ステップと、
前記再構成ステップで再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出ステップと、
を備えることを特徴とする。
【００１２】
また、本発明の第３の観点に係るプログラムは、
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える高分解能緑被率マップ作成装置のコンピュータに、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成手順と、
前記再構成手順で再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手順と、
を実行させる。
【発明の効果】
【００１３】
本発明の装置によれば、上述したミクセル計算処理を改良して更に高解像度化し、都市域での緑被分布を扱う上で十分な精度の緑被率を抽出することができる。従って、従来よりも高解像度の緑被率マップを作成することができる。
そして、本発明の装置を空撮画像や衛星画像に適用すれば、広域の高解像度緑被率マップが、取得できる。
【発明を実施するための最良の形態】
【００１４】
以下、本発明の実施形態に係る高分解能緑被率マップ作成装置を図面を参照して説明する。
【００１５】
本実施形態に係る高分解能緑被率マップ作成装置１０は、図１に示すように、制御部１１と、記憶部１２と、ＲＯＭ１３と、入力操作部１４と、入力部１５と、表示制御部１６と、表示装置１７と、画像入力部１８と、から構成される。
【００１６】
制御部１１は、例えばＣＰＵ（Central Processing Unit）、及びＲＡＭ（Random Access Memory）等から構成されており、ＣＰＵが後述するＲＯＭ１３等に記憶されている各種プログラムを適宜実行することによって、高分解能緑被率マップ作成装置１０の処理に必要な各種演算を行うと共に各部の動作を制御する。なお、ＲＡＭは、ＣＰＵがプログラムを実行する際、ワークメモリとして用いられる。
【００１７】
記憶部１２は、ハードディスク等の記憶装置で構成される。記憶部１２には、空撮画像や衛星画像等の入力画像データや、作成した緑被率マップの画像データ等が記憶される。なお、記憶部１２は、入力画像データを記憶する記憶装置と、作成した緑被率マップの画像データを記憶する記憶装置と、現地データを記憶する記憶装置等の目的に応じた複数の記憶装置から構成されてもよい。
制御部１１は、記憶部１２にアクセスが可能であり、加工・補正した画像データを記憶したり、加工・補正、表示のためにＲＡＭ等に画像データを読み出すことが可能である。
【００１８】
ＲＯＭ１３は、制御部１１が高分解能緑被率マップを作成するための種々のプログラム等を記憶する。ＲＯＭ１３には、図２に示すように、おおまかに、解析処理の前処理を実行するためのデータ前処理プログラム２０と、データの解析処理を実行するためのデータ解析処理プログラム３０が記憶される。
【００１９】
データ前処理プログラム２０は、画像輝度補正処理を実行する画像輝度補正処理モジュール２１と、画像重ね合わせ処理を実行する画像重ね合わせ処理モジュール２２と、画像再構成処理を実行する画像再構成処理モジュール２３等を含む。
データ解析処理プログラム３０は、参照値算出処理を実行する参照値算出処理モジュール３１と、緑被率算出処理を実行する緑被率算出処理モジュール３２と、閾値算出処理を実行する閾値算出処理モジュール３３と、２値化処理を実行する２値化処理モジュール３４等を含む。
上記の各処理の具体的内容については後述する。
【００２０】
表示装置１７は、例えば液晶表示装置（ＬＣＤ：Liquid Crystal Display）等から構成されており、高分解能緑被率マップ作成装置１０による種々の動作を実行するための画像等を表示するものである。
【００２１】
表示制御部１６は、記憶部１２から供給される画像データ等を、アナログ信号に変換して表示装置１７に出力するものである。これにより、表示装置１７には、緑被率マップの加工・補正段階の画像や、作成した緑被率マップの画像等が表示される。
【００２２】
画像入力部１８は、ＣＤ−ＲＯＭ等の外部記憶媒体から、画像データを入力する。また、画像入力部１８は、通信機能を備え、有線・無線通信により画像データを入力するようにしてもよい。
【００２３】
入力操作部１４は、例えば十字カーソルキーや、数字や文字を入力するための英数字キー、機能などを指定するためのボタン等から構成され、ユーザによって操作されるものである。
【００２４】
入力部１５は、入力操作部１４における操作を認識して制御部１１に入力する。さらに、画像入力部１８で入力された画像データを制御部１１に入力する。
【００２５】
次に、上記構成を備える高分解能緑被率マップ作成装置の動作について説明する。
【００２６】
本実施形態において用いられる入力画像データには、例えば、空撮画像や衛星画像が用いられる。これらの空撮画像や衛星画像は、太陽光源から対象物に達した電磁波の反射・散乱・放射の強度を観測するセンサを用いて撮影される。これらセンサには、可視光波長域や可視〜近赤外波長域を単一のバンドで観測するパンクロマチックセンサと、ある波長域を複数のバンドで分割して観測するマルチスペクトルセンサ等がある。
【００２７】
上記のそれぞれのセンサで撮影された画像を、それぞれ、パンクロマチック画像データ５１（以下略してパンクロ画像データ）、マルチスペクトル画像データ５２（以下略してマルチ画像データ）とよぶ。これらの画像データの解像度に対応させた模式図を図３に示す。
図３（ａ）に示したパンクロ画像データ５１は、幅広い波長域の光（電磁波）を用いて、マルチ画像データ５２に比べ高解像度で撮影された画像データ（通常はマルチ画像データ５２の約４倍程度（縦：２倍、横：２倍））である。
また、図３（ｂ）に示したマルチ画像データ５２は、例えば、青色波長域、緑色波長域、赤色波長域、近赤外波長域の４バンド（マルチバンド）の光でそれぞれ撮影された画像データである。それぞれのバンドで撮影された画像データを、Ｂ画像データ５３、Ｇ画像データ５４、Ｒ画像データ５５、ＩＲ画像データ５６とよぶ。
【００２８】
上記のパンクロ画像データ５１及びマルチ画像データ５２は、それぞれ、記憶部１２に記憶される。制御部１１は、これらの画像データを解析する。また、パンクロ画像データ５１及びマルチ画像データ５２は、各センサで撮影した輝度値と共に、そのセンサの位置に対応した座標情報とから構成される。
高分解能緑被率マップ作成装置１０の処理動作について、図４及び図５に示すフローチャートを参照して説明する。
【００２９】
まず、制御部１１は、ＲＯＭ１３に格納されたデータ前処理プログラム２０を実行し、パンクロ画像データ５１及びマルチ画像データ５２を記憶部１２に記憶する（ステップＳ１０１）。例えば、空撮画像や衛星画像を撮影する撮影装置から、無線通信を利用して、画像データを画像入力部１８で受信し、記憶部１２に記憶する。また、撮影する撮影装置と、高分解能緑被率マップ作成装置１０とを、パラレル接続やＵＳＢ接続等のシリアル接続等で接続し、撮影した画像データを、ケーブルを介して記憶部１２に記憶するようにしてもよい。さらに、記憶部１２には、予め植生域と非植生域の領域を示した現地調査データ等の各種画像データも記憶しておく。
【００３０】
また、上記の空撮画像や衛星画像といった画像データを受信するまでの間に様々な歪みやノイズなどの悪影響を受けるため、信頼性の高い解析を行うためにはこれらを取り除く必要がある。これらの悪影響の代表的な例としては、(1)幾何学的歪、(2) 太陽高度や地形に起因する影響、(3)大気の影響、(4)センサ感度の影響、(5)デジタル化に伴う影響に大別することができる。これらの悪影響を取り除くために、制御部１１は、画像輝度補正処理モジュール２１を実行して、画像データの輝度値を、既知の手法を用いて補正する（ステップＳ１０２）。
【００３１】
ここでの画像輝度補正処理の具体的な方法の詳細は、例えばＮＡＳＡ（National Aeronautics and Space Administration）等で非特許文献２に、補正方法が公開されている
【非特許文献２】E.F. Vermote、A. Vermeulen、「Atmospheric Correction Algorithm: Spectral Reflectances (Mod09)」、ＮＡＳＡ、１９９９年。
【００３２】
次に、制御部１１は、画像重ね合わせ処理モジュール２２を実行し輝度値を補正したパンクロ画像データ５１における各画素の座標情報と、マルチ画像データ５２における各画素の座標情報とを対応づける（ステップＳ１０３）。例えば、図３（ａ）、（ｂ）のようにパンクロ画像データ５１の解像度が、マルチ画像データ５２の解像度の縦横それぞれ２倍であった場合、マルチ画像データ５２の（１，１）の座標に、パンクロ画像データ５１ではさらに４分割された（１，１）、（１，２）、（２，１）、（２，２）という座標を対応付けて記憶する。
【００３３】
次に、制御部１１は、画像再構成処理モジュール２３を実行し、マルチ画像データ５２をパンクロ画像データ５１と同一の解像度の画像にリサンプリング（画像再構成）する（ステップＳ１０４）。ここでのリサンプリング処理の手法には、数多くの手法が知られているが、本実施形態では、ニアレストネイバー法を用いる。
このニアレストネイバー法 は補間関数として矩形関数を用い、最も近い画素の輝度値を出力の補間値とする方法であり、極めて簡単なロジック演算で実現でき、ハードウェアでこれを実現する場合でも単純なハードロジック回路で構成できる。
この手法をマルチ画像データ５２に適用し、パンクロ画像データ５１と同一の解像度の画像になるように補間点を内挿して、リサンプリングする。
【００３４】
また、ここでのマルチ画像データ５２のリサンプリングの処理は、解像度の低い画像データを高解像度の画像データに変換する任意の手法でよい。例えば、補間点の周囲にある四つの画素の輝度値の加重平均値を補間点の輝度値とするバイリニア等の手法を用いてもよい。
【００３５】
以上までに説明してきた処理動作が、制御部１１が行うデータ前処理プログラム２０に従った画像解析処理である。
【００３６】
次に、制御部１１は、上記の前処理によって補正したパンクロ画像データ５１とマルチ画像データ５２を解析する。
まず、緑被率地図データ（各画素内における植生域の占める割合が記録された地図データ）を作成して、その後、緑地地図データ（緑地域が記録された地図データ）を作成する。
【００３７】
上記の緑被率地図データを作成するためには、各画素の緑被率を算出する必要がある。さらに、各画素の緑被率の算出には、純粋な植生領域と非植生領域のそれぞれの領域における輝度値の平均値を参照値として用いる。
制御部１１は、まず、純粋な植生領域と非植生領域の輝度値のそれぞれの平均値である上記の参照値を算出する（ステップＳ１０５）。本実施形態の純粋な植生領域の参照値の算出方法は、各画素のＮＤＶＩ（植生指標）を求め、それらのＮＤＶＩの値の内、上位の値の領域を選択し、当該領域の輝度値の平均値を参照値とする方法である。また、非植生領域の参照値は、求めたＮＤＶＩの値の内、上位でない値を選択して加算し、それらの平均値を参照値とする。
【００３８】
ここで、ＮＤＶＩ（植生指標）は、数１により、近赤外波長域の輝度値ＮＩＲと、可視の赤色波長域の輝度値Ｒを用いて算出する。ここでのＮＩＲ、Ｒ等の輝度値は、センサで観測した光の強度に対して、センサの感度に応じた変換や、正規化を施して求める。
【数１】
この算出方法は、近赤外波長域では植物が太陽光をよく反射するのに対して、可視の赤色波長域ではほとんど反射しないことを利用している。ＮＤＶＩの値は数１より、−１〜１の範囲にあり、正の大きい数字ほど植生の濃い部分といえる。
【００３９】
上記のＮＤＶＩ（植生指標）を利用する方法以外に、純植生領域と非純植生領域を目視判読して選択し、それらの範囲の領域の輝度値の平均値を参照値とする方法を利用してもよい。また、現地調査データから予め純植生領域と非純植生領域を特定しておき、それらの範囲の領域の輝度値の平均値を参照値とする方法を利用してもよい。さらに、上記の三方法を組み合わせてもよい。
【００４０】
図４に戻って、次に、制御部１１は、ステップＳ１０４で得られたパンクロ画像データ５１とリサンプリング（再構成）済みのマルチ画像データ５２を用いて各画素の緑被率を算出する（ステップＳ１０６）。ここでの各画素の緑被率を算出する緑被率算出処理の動作については、図５のフローチャートを参照して、後述する。
【００４１】
上記の緑被率算出処理によって、図６（ａ）に示すような、各画素の植生域の占める割合が記録された緑被率地図データ８１が作成できる。各画素には、０％〜１００％の範囲の値が記録される。
【００４２】
図４に戻って、制御部１１は、作成した緑被率地図データ８１から緑地を抽出するために最適な閾値を算出する（ステップＳ１０７）。具体的には、制御部１１は、記憶部１２に予め記憶された空中写真や、現地調査結果からの部分的な緑地域の地図情報（現地データ：植生域と非植生域の領域を示した現地調査データ）と、この地図情報に対応する部分の緑被率地図データ８１とを比較する。この時、制御部１１は、現地データから植生域の座標を求め、その座標と一致する座標の緑被率を、作成した緑被率地図データ８１から抽出する。例えば、図６（ａ）の網掛け領域８３が植生域だとして、植生域の緑被率の値は７６％〜１００％の範囲になる。この抽出した全ての緑被率値を下回るまで、１００％から閾値を徐々に下げていく。全ての緑被率をちょうど下回った時点（図６（ａ）の例だと７５％時）の値を閾値として決定する。もちろん、抽出した全ての緑被率値を下回るように設定する必要はなく、例えば、植生域の７５％以上の領域（図６（ａ）の例だと６個の画素）において緑被率値を下回った時点（図６（ａ）の例だと７８％時）の値を閾値とするようにしてもよい。
【００４３】
さらに、制御部１１は、各画素毎に、緑被率が上記で算出した閾値を超えているか否かを判別する。判別した結果、閾値を超えている画素については１の値を記録し、閾値を超えていない画素については０の値を記録する（ステップＳ１０８）。ここで、各画素に緑被率が記録された緑被率地図データ８１は、図６（ｂ）に示すような、１か０の２値が記録された緑地地図データ８２になる。
【００４４】
ここで、制御部１１は、作成された緑地地図データ８２を、記録部１２に記録し、所望のタイミングで、表示装置１７に出力する指示を出すことができる。
【００４５】
次に、上述した緑被率算出処理の具体的動作について、図５のフローチャートを参照して説明する。制御部１１は、図４のステップＳ１０４で得られたパンクロ画像データ５１とリサンプリング（再構成）済みのマルチ画像データ５２の画像データに対して、ミクセル解析を行う（ステップＳ２０１）。このミクセル解析は、単一画素内の緑被率を算出できる。例えば、図９（ａ）に示すように、単一画素内が全て緑被地であれば、緑被率は１００％と算出し、図９（ｂ）に示すように、単一画素内に緑被地、道路、河川等の要素が混在している場合であれば、単一画素内の領域全体に対する緑被地の占める割合を算出する。具体的には、図４のステップＳ１０４で得られたパンクロ画像データ５１とリサンプリング（再構成）済みのマルチ画像データ５２の画像データにおける各画素の輝度値（バンド値）を線形ミクセル理論に基づいた近似式で近似する。この近似式を数２に示す。
【数２】
線形ミクセル理論は、各画素の輝度値（階調値）は、単一の性質をもつ純粋な対象物それぞれの輝度値の比率合計で構成されるという理論である。例えば、数２において、純粋な対象物は植生部分である。
【００４６】
また、画像陰影について頑健性を持たせるために、数３の正規化指数を用いた。分母はパンクロ画像データ５１の単一画素の輝度値であり、分子はリサンプリング（再構成）済みのマルチ画像データ５２の近赤外画像データの、該パンクロ画像データ５１の画素に対応した位置の画素における輝度値である。これは、植物の緑葉は、赤領域と青領域の波長を吸収し、近赤外領域の波長を強く反射することを利用した正規化である。
【数３】
この数３の式の分母、分子をそれぞれ、数２の近似式で近似すると、数４になる。
【数４】
制御部１１は、この数４の方程式を解くことによって、各画素の緑被率を算出する。
【００４７】
以上のミクセル解析処理によって各画素に対応するエリア別に、緑被率が得られる。マルチ画像データ５２の近赤外画像データは、パンクロ画像データ５１に比べ、低解像度である。これに起因して、緑被率の値は平滑化された状態となっている。そのために、制御部１１は、この平滑化された緑被率の値を図７の修正関数（例えば、シグモイド関数）を用いて補正する（ステップＳ２０２）。修正関数は、誤差を最小にするように、画像条件（解像度・ノイズ）に応じて係数や種類を決定する。この時の画像データの緑被率値は図８（ｂ）→図８（ｃ）に示すように各画素ごとに変換される。
【００４８】
また、制御部１１は、マルチ画像データ５２から別途、緑被率を算出しておく。この値を図８（ａ）に、Ｚとして示す。図８に示したマルチ画像データ５２の解像度単位（メッシュ６１（太線））において、ステップＳ２０２で得た単一画素の緑被率（ｚ’１、ｚ’２、ｚ’３、ｚ’４）が上述した線形ミクセル理論と整合性の取れるように補正する（正規化補正）（ステップＳ２０３）。具体的には、図８（ｃ）のメッシュ６１内における全画素の緑被率平均が、図８（ａ）のマルチ画像データ５２から算出した緑被率と等しくなるように、各画素の緑被率値を変換する。例えば、数５の（ａ）のような補正式で変換する。理解を容易にするために、数５の（ａ）の補正式を図８に合わせた文字を用いて記述すると、数５の（ｂ）のように表せる。ここで、αはノイズを抑制するように配分される調整係数。
また、この時の画像データの緑被率値は図８（ｃ）→図８（ｄ）に示すように各画素ごとに変換される（ｚ”１、ｚ”２、ｚ”３、ｚ”４）。
【数５】
【００４９】
以上までの処理が高分解能緑被率マップ作成装置１０によって実行される画像解析処理である。
【００５０】
本実施形態の高分解能緑被率マップ作成装置１０によれば、上述の改良したミクセル計算処理によって、都市域での緑被分布を扱う上で十分な精度の緑被率を抽出することができる。従って、従来よりも高解像度の緑被率マップを作成することができる。
そして、本実施形態の高分解能緑被率マップ作成装置１０を空撮画像や衛星画像に適用すれば、広域の高解像度緑被率マップが、取得できるようになる。
【００５１】
なお、本発明は、上記実施形態に限定されず、種々の変形、応用が可能である。
【００５２】
例えば、上記実施の形態においては、パンクロ画像データ５１の解像度は、マルチ画像データ５２の４倍（縦：２倍、横：２倍）の解像度としていた。しかしながら、本発明は、これに限定されず、マルチ画像データ５２の９倍（縦：３倍、横：３倍）、マルチ画像データの１６倍（縦：４倍、横：４倍）のような画像データを用いて、緑被率マップを作成してもよい。
【００５３】
例えば、上記実施の形態においては、パンクロ画像データ５１は、可視光波長域や可視〜近赤外波長域を単一のバンドで観測していた。しかしながら、本発明は、これに限定されず、特定の波長域を単一のバンドで観測するようにしてもよい。さらに、マルチ画像データ５２は青色波長域、緑色波長域、赤色波長域、近赤外波長域の４バンド（マルチバンド）で観測していた。しかしながら、本発明は、これに限定されず、赤色波長域、近赤外波長域等の複数のバンドで観測するようにしてもよい
【００５４】
また、上記実施の形態においては、解像度の低いマルチ画像データ５２全体を、パンクロ画像データ５１と等しい解像度に再構成（変換）してから、各画素の緑被率を求めていた。しかし、本発明はこれに限定されない。例えば、高解像度のマルチ画像データ５２は、全体として有意なデータとして形成されたり、出力されたりする必要はなく、緑被率を求める過程で適宜部分的に生成されてもよい。例えば、パンクロ画像データ５１の特定の画素と相対位置が等しい位置の高解像度マルチ画像データの画素データ（輝度値）を求め、この画素データに基づいて、対応する画素の緑被率を求める処理を、画素単位で繰り返すことにより、最終的に全体の緑被率を求めるようにしてもよい。
【００５５】
例えば、上記実施の形態においては、制御部１１のＣＰＵが実行するプログラムは、予めＲＯＭ１３等に記憶されていた。しかしながら、本発明は、これに限定されず、上述の処理を実行させるためのプログラムを、既存の緑被率マップ作成装置に適用することで、上記実施形態にかかる高分解能緑被率マップ作成装置１０として機能させるようにしてもよい。
【００５６】
このようなプログラムの提供方法は任意であり、例えば、インターネットなどの通信媒体を介して提供可能である他、例えば、メモリカードなどの記録媒体に格納して配布してもよい。
【図面の簡単な説明】
【００５７】
【図１】本発明の実施形態に係る高分解能緑被率マップ作成装置の構成を示す図である。
【図２】高分解能緑被率マップを作成するための種々のプログラム等が記憶されるＲＯＭの内容を示す概要図である。
【図３】（ａ）はパンクロマチック画像データの模式図である。（ｂ）はマルチスペクトル画像データの模式図である。
【図４】高分解能緑被率マップ作成装置における前処理、及び、画像解析処理の動作内容を示すフローチャートである。
【図５】高分解能緑被率マップ作成装置における緑被率算出処理の動作内容を示すフローチャートである。
【図６】（ａ）は緑被率地図データの模式図である。（ｂ）は緑地地図データの模式図である。
【図７】平滑化された緑被率の値を補正する修正関数（シグモイド関数）の概要図である。
【図８】マルチスペクトル画像データがパンクロマチック画像データの１／２の解像度の場合の、修正関数による補正と、正規化補正における緑被率値の変換例を示す概要図である。
【図９】（ａ）は単一画素内が比較的均質である状態の概要図である。（ｂ）は単一画素内に複数の性質が混在している状態（ミクセル状態）の概要図である。
【符号の説明】
【００５８】
１０ 高分解能緑被率マップ作成装置
１１ 制御部
１２ 記憶部
１３ ＲＯＭ
２０ データ前処理
３０ データ解析処理
５１ パンクロマチック画像データ
５２ マルチスペクトル画像データ
５３ Ｂ画像データ
５４ Ｇ画像データ
５５ Ｒ画像データ
５６ ＩＲ画像データ
８１ 緑被率地図データ
８２ 緑地地図データ
【技術分野】
【０００１】
本発明は、緑被率マップ作成装置、緑被率マップ作成方法、及び、プログラムに関する。
【背景技術】
【０００２】
近年、都市域の緑は、都市環境の維持・改善、都市防災等の様々な観点から、その役割が注目されている。また、都市域の緑地の分布形態は、点的に分布し、ひとまとまりの面積が数平方メートル以下の場合が多く、ほとんどの緑の規模は数十平方メートル以下である。従って、都市域における緑被分布を扱う上で数平方メートルの小規模の緑を無視することはできない。
【０００３】
都市域における緑被分布を求める手段として、空撮画像や衛星画像を利用して緑被率マップ（ある地域又は地区における緑地（被）面積の占める割合を示す地図）を作成することが行われている。緑被率マップを作成する方法としては、例えば、（１）写真判読によって、植生領域を判読して地図を作成する方法、（２）画像処理によって緑被率を抽出することによって地図を作成する方法、等が知られている。
【０００４】
上記の（１）の写真判読による方法は、人手も時間もかかり、非効率的であり、また、結果に属人性を有する。
（２）の画像処理による方法として、撮像対象の領域の画像データを用いて、図９（ａ）に示すような単一画素内が比較的均質となる領域（草や作物と土壌の組み合わせといった領域）で有効とされるＮＤＶＩ（Normalized Difference Vegetation Index）計算処理によって緑被率を抽出する方法がある。また、図９（ｂ）に示すような単一画素内に複数の性質が混在している場合（ミクセル状態）に、解像度の低いデータを用いて、単一画素内の緑被率まで抽出することができるミクセル計算処理を用いる方法もある。これらの方法は、例えば、非特許文献１に開示されている。
【非特許文献１】尹 敦奎、梅干野 晃、「都市域における画素内緑被率推定の為の指標」、日本リモートセンシング学会誌、Ｖｏｌ１８ Ｎｏ３ ｐ２２８−２４０ １９９８。
【０００５】
（２）の画像処理による緑被率の推定方法では、画像処理の単位が画素単位であるため、その推定精度は、前述した数十平方メートル以下の緑地が多い都市域での緑被分布を扱う上では、不十分な精度であることが多かった。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
本発明は、上記実状に鑑みてなされたものであり、都市域での緑被分布を扱う上で十分な精度の緑被率を抽出することができる緑被率マップ作成装置、緑被率マップ作成方法、及び、コンピュータプログラムを提供することを目的とする。
また、本発明は、小サイズの緑地を考慮することが可能な緑被率マップ作成装置と緑被率マップ作成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】
【０００７】
上記目的を達成するため、本発明の第１の観点に係る緑被率マップ作成装置は、
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段と、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上した時の各画素の画像データを求める画像データ生成手段と、
前記再構成手段で再構成したマルチスペクトル画像データと、前記パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手段と、
を備えることを特徴とする。
【０００８】
また、上記緑被率マップ作成装置において、
前記パンクロマチック画像データは、所定の波長帯の光を用いて前記所定領域を撮影することにより得られた画像データであり、
前記マルチスペクトル画像データは、前記所定の波長帯に含まれる複数の波長域それぞれの光を用いて撮影し、それぞれ前記パンクロマチック画像データよりも解像度の低い複数の画像データから構成され、
前記再構成手段は、前記マルチスペクトル画像データを構成する各画像データを、前記パンクロマチック画像データの解像度と同一の画像データに再構成し、
前記緑被率算出手段は、前記再構成手段で再構成したマルチスペクトル画像データと前記パンクロマチック画像データとの各対応する画素の画像データを用いたミクセル画像処理により、各画素に対応する位置の緑被率を算出する、
ようにしてもよい。
【０００９】
さらに、上記高分解能緑被率マップ作成装置は、
前記緑被率算出手段によって算出した緑被率を、前記再構成手段により生じる誤差を小さくするように修正する修正手段、
をさらに備えてもよい。
【００１０】
また、上記緑被率マップ作成装置は、
前記マルチスペクトル画像データから緑被率を算出する第二の緑被率算出手段と、
前記緑被率算出手段によって算出した緑被率を、前記第二の緑被率で算出した緑被率と該緑被率を算出した画素に対応する前記パンクロマチック画像データの全画素の緑被率の平均値と、が等しくなるように正規化補正する正規化補正手段と、
をさらに備えてもよい。
【００１１】
また、本発明の第２の観点に係る緑被率マップ作成方法は、
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える高分解能緑被率マップ作成装置の高分解能緑被率マップ作成方法であって、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成ステップと、
前記再構成ステップで再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出ステップと、
を備えることを特徴とする。
【００１２】
また、本発明の第３の観点に係るプログラムは、
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える高分解能緑被率マップ作成装置のコンピュータに、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成手順と、
前記再構成手順で再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手順と、
を実行させる。
【発明の効果】
【００１３】
本発明の装置によれば、上述したミクセル計算処理を改良して更に高解像度化し、都市域での緑被分布を扱う上で十分な精度の緑被率を抽出することができる。従って、従来よりも高解像度の緑被率マップを作成することができる。
そして、本発明の装置を空撮画像や衛星画像に適用すれば、広域の高解像度緑被率マップが、取得できる。
【発明を実施するための最良の形態】
【００１４】
以下、本発明の実施形態に係る高分解能緑被率マップ作成装置を図面を参照して説明する。
【００１５】
本実施形態に係る高分解能緑被率マップ作成装置１０は、図１に示すように、制御部１１と、記憶部１２と、ＲＯＭ１３と、入力操作部１４と、入力部１５と、表示制御部１６と、表示装置１７と、画像入力部１８と、から構成される。
【００１６】
制御部１１は、例えばＣＰＵ（Central Processing Unit）、及びＲＡＭ（Random Access Memory）等から構成されており、ＣＰＵが後述するＲＯＭ１３等に記憶されている各種プログラムを適宜実行することによって、高分解能緑被率マップ作成装置１０の処理に必要な各種演算を行うと共に各部の動作を制御する。なお、ＲＡＭは、ＣＰＵがプログラムを実行する際、ワークメモリとして用いられる。
【００１７】
記憶部１２は、ハードディスク等の記憶装置で構成される。記憶部１２には、空撮画像や衛星画像等の入力画像データや、作成した緑被率マップの画像データ等が記憶される。なお、記憶部１２は、入力画像データを記憶する記憶装置と、作成した緑被率マップの画像データを記憶する記憶装置と、現地データを記憶する記憶装置等の目的に応じた複数の記憶装置から構成されてもよい。
制御部１１は、記憶部１２にアクセスが可能であり、加工・補正した画像データを記憶したり、加工・補正、表示のためにＲＡＭ等に画像データを読み出すことが可能である。
【００１８】
ＲＯＭ１３は、制御部１１が高分解能緑被率マップを作成するための種々のプログラム等を記憶する。ＲＯＭ１３には、図２に示すように、おおまかに、解析処理の前処理を実行するためのデータ前処理プログラム２０と、データの解析処理を実行するためのデータ解析処理プログラム３０が記憶される。
【００１９】
データ前処理プログラム２０は、画像輝度補正処理を実行する画像輝度補正処理モジュール２１と、画像重ね合わせ処理を実行する画像重ね合わせ処理モジュール２２と、画像再構成処理を実行する画像再構成処理モジュール２３等を含む。
データ解析処理プログラム３０は、参照値算出処理を実行する参照値算出処理モジュール３１と、緑被率算出処理を実行する緑被率算出処理モジュール３２と、閾値算出処理を実行する閾値算出処理モジュール３３と、２値化処理を実行する２値化処理モジュール３４等を含む。
上記の各処理の具体的内容については後述する。
【００２０】
表示装置１７は、例えば液晶表示装置（ＬＣＤ：Liquid Crystal Display）等から構成されており、高分解能緑被率マップ作成装置１０による種々の動作を実行するための画像等を表示するものである。
【００２１】
表示制御部１６は、記憶部１２から供給される画像データ等を、アナログ信号に変換して表示装置１７に出力するものである。これにより、表示装置１７には、緑被率マップの加工・補正段階の画像や、作成した緑被率マップの画像等が表示される。
【００２２】
画像入力部１８は、ＣＤ−ＲＯＭ等の外部記憶媒体から、画像データを入力する。また、画像入力部１８は、通信機能を備え、有線・無線通信により画像データを入力するようにしてもよい。
【００２３】
入力操作部１４は、例えば十字カーソルキーや、数字や文字を入力するための英数字キー、機能などを指定するためのボタン等から構成され、ユーザによって操作されるものである。
【００２４】
入力部１５は、入力操作部１４における操作を認識して制御部１１に入力する。さらに、画像入力部１８で入力された画像データを制御部１１に入力する。
【００２５】
次に、上記構成を備える高分解能緑被率マップ作成装置の動作について説明する。
【００２６】
本実施形態において用いられる入力画像データには、例えば、空撮画像や衛星画像が用いられる。これらの空撮画像や衛星画像は、太陽光源から対象物に達した電磁波の反射・散乱・放射の強度を観測するセンサを用いて撮影される。これらセンサには、可視光波長域や可視〜近赤外波長域を単一のバンドで観測するパンクロマチックセンサと、ある波長域を複数のバンドで分割して観測するマルチスペクトルセンサ等がある。
【００２７】
上記のそれぞれのセンサで撮影された画像を、それぞれ、パンクロマチック画像データ５１（以下略してパンクロ画像データ）、マルチスペクトル画像データ５２（以下略してマルチ画像データ）とよぶ。これらの画像データの解像度に対応させた模式図を図３に示す。
図３（ａ）に示したパンクロ画像データ５１は、幅広い波長域の光（電磁波）を用いて、マルチ画像データ５２に比べ高解像度で撮影された画像データ（通常はマルチ画像データ５２の約４倍程度（縦：２倍、横：２倍））である。
また、図３（ｂ）に示したマルチ画像データ５２は、例えば、青色波長域、緑色波長域、赤色波長域、近赤外波長域の４バンド（マルチバンド）の光でそれぞれ撮影された画像データである。それぞれのバンドで撮影された画像データを、Ｂ画像データ５３、Ｇ画像データ５４、Ｒ画像データ５５、ＩＲ画像データ５６とよぶ。
【００２８】
上記のパンクロ画像データ５１及びマルチ画像データ５２は、それぞれ、記憶部１２に記憶される。制御部１１は、これらの画像データを解析する。また、パンクロ画像データ５１及びマルチ画像データ５２は、各センサで撮影した輝度値と共に、そのセンサの位置に対応した座標情報とから構成される。
高分解能緑被率マップ作成装置１０の処理動作について、図４及び図５に示すフローチャートを参照して説明する。
【００２９】
まず、制御部１１は、ＲＯＭ１３に格納されたデータ前処理プログラム２０を実行し、パンクロ画像データ５１及びマルチ画像データ５２を記憶部１２に記憶する（ステップＳ１０１）。例えば、空撮画像や衛星画像を撮影する撮影装置から、無線通信を利用して、画像データを画像入力部１８で受信し、記憶部１２に記憶する。また、撮影する撮影装置と、高分解能緑被率マップ作成装置１０とを、パラレル接続やＵＳＢ接続等のシリアル接続等で接続し、撮影した画像データを、ケーブルを介して記憶部１２に記憶するようにしてもよい。さらに、記憶部１２には、予め植生域と非植生域の領域を示した現地調査データ等の各種画像データも記憶しておく。
【００３０】
また、上記の空撮画像や衛星画像といった画像データを受信するまでの間に様々な歪みやノイズなどの悪影響を受けるため、信頼性の高い解析を行うためにはこれらを取り除く必要がある。これらの悪影響の代表的な例としては、(1)幾何学的歪、(2) 太陽高度や地形に起因する影響、(3)大気の影響、(4)センサ感度の影響、(5)デジタル化に伴う影響に大別することができる。これらの悪影響を取り除くために、制御部１１は、画像輝度補正処理モジュール２１を実行して、画像データの輝度値を、既知の手法を用いて補正する（ステップＳ１０２）。
【００３１】
ここでの画像輝度補正処理の具体的な方法の詳細は、例えばＮＡＳＡ（National Aeronautics and Space Administration）等で非特許文献２に、補正方法が公開されている
【非特許文献２】E.F. Vermote、A. Vermeulen、「Atmospheric Correction Algorithm: Spectral Reflectances (Mod09)」、ＮＡＳＡ、１９９９年。
【００３２】
次に、制御部１１は、画像重ね合わせ処理モジュール２２を実行し輝度値を補正したパンクロ画像データ５１における各画素の座標情報と、マルチ画像データ５２における各画素の座標情報とを対応づける（ステップＳ１０３）。例えば、図３（ａ）、（ｂ）のようにパンクロ画像データ５１の解像度が、マルチ画像データ５２の解像度の縦横それぞれ２倍であった場合、マルチ画像データ５２の（１，１）の座標に、パンクロ画像データ５１ではさらに４分割された（１，１）、（１，２）、（２，１）、（２，２）という座標を対応付けて記憶する。
【００３３】
次に、制御部１１は、画像再構成処理モジュール２３を実行し、マルチ画像データ５２をパンクロ画像データ５１と同一の解像度の画像にリサンプリング（画像再構成）する（ステップＳ１０４）。ここでのリサンプリング処理の手法には、数多くの手法が知られているが、本実施形態では、ニアレストネイバー法を用いる。
このニアレストネイバー法 は補間関数として矩形関数を用い、最も近い画素の輝度値を出力の補間値とする方法であり、極めて簡単なロジック演算で実現でき、ハードウェアでこれを実現する場合でも単純なハードロジック回路で構成できる。
この手法をマルチ画像データ５２に適用し、パンクロ画像データ５１と同一の解像度の画像になるように補間点を内挿して、リサンプリングする。
【００３４】
また、ここでのマルチ画像データ５２のリサンプリングの処理は、解像度の低い画像データを高解像度の画像データに変換する任意の手法でよい。例えば、補間点の周囲にある四つの画素の輝度値の加重平均値を補間点の輝度値とするバイリニア等の手法を用いてもよい。
【００３５】
以上までに説明してきた処理動作が、制御部１１が行うデータ前処理プログラム２０に従った画像解析処理である。
【００３６】
次に、制御部１１は、上記の前処理によって補正したパンクロ画像データ５１とマルチ画像データ５２を解析する。
まず、緑被率地図データ（各画素内における植生域の占める割合が記録された地図データ）を作成して、その後、緑地地図データ（緑地域が記録された地図データ）を作成する。
【００３７】
上記の緑被率地図データを作成するためには、各画素の緑被率を算出する必要がある。さらに、各画素の緑被率の算出には、純粋な植生領域と非植生領域のそれぞれの領域における輝度値の平均値を参照値として用いる。
制御部１１は、まず、純粋な植生領域と非植生領域の輝度値のそれぞれの平均値である上記の参照値を算出する（ステップＳ１０５）。本実施形態の純粋な植生領域の参照値の算出方法は、各画素のＮＤＶＩ（植生指標）を求め、それらのＮＤＶＩの値の内、上位の値の領域を選択し、当該領域の輝度値の平均値を参照値とする方法である。また、非植生領域の参照値は、求めたＮＤＶＩの値の内、上位でない値を選択して加算し、それらの平均値を参照値とする。
【００３８】
ここで、ＮＤＶＩ（植生指標）は、数１により、近赤外波長域の輝度値ＮＩＲと、可視の赤色波長域の輝度値Ｒを用いて算出する。ここでのＮＩＲ、Ｒ等の輝度値は、センサで観測した光の強度に対して、センサの感度に応じた変換や、正規化を施して求める。
【数１】
この算出方法は、近赤外波長域では植物が太陽光をよく反射するのに対して、可視の赤色波長域ではほとんど反射しないことを利用している。ＮＤＶＩの値は数１より、−１〜１の範囲にあり、正の大きい数字ほど植生の濃い部分といえる。
【００３９】
上記のＮＤＶＩ（植生指標）を利用する方法以外に、純植生領域と非純植生領域を目視判読して選択し、それらの範囲の領域の輝度値の平均値を参照値とする方法を利用してもよい。また、現地調査データから予め純植生領域と非純植生領域を特定しておき、それらの範囲の領域の輝度値の平均値を参照値とする方法を利用してもよい。さらに、上記の三方法を組み合わせてもよい。
【００４０】
図４に戻って、次に、制御部１１は、ステップＳ１０４で得られたパンクロ画像データ５１とリサンプリング（再構成）済みのマルチ画像データ５２を用いて各画素の緑被率を算出する（ステップＳ１０６）。ここでの各画素の緑被率を算出する緑被率算出処理の動作については、図５のフローチャートを参照して、後述する。
【００４１】
上記の緑被率算出処理によって、図６（ａ）に示すような、各画素の植生域の占める割合が記録された緑被率地図データ８１が作成できる。各画素には、０％〜１００％の範囲の値が記録される。
【００４２】
図４に戻って、制御部１１は、作成した緑被率地図データ８１から緑地を抽出するために最適な閾値を算出する（ステップＳ１０７）。具体的には、制御部１１は、記憶部１２に予め記憶された空中写真や、現地調査結果からの部分的な緑地域の地図情報（現地データ：植生域と非植生域の領域を示した現地調査データ）と、この地図情報に対応する部分の緑被率地図データ８１とを比較する。この時、制御部１１は、現地データから植生域の座標を求め、その座標と一致する座標の緑被率を、作成した緑被率地図データ８１から抽出する。例えば、図６（ａ）の網掛け領域８３が植生域だとして、植生域の緑被率の値は７６％〜１００％の範囲になる。この抽出した全ての緑被率値を下回るまで、１００％から閾値を徐々に下げていく。全ての緑被率をちょうど下回った時点（図６（ａ）の例だと７５％時）の値を閾値として決定する。もちろん、抽出した全ての緑被率値を下回るように設定する必要はなく、例えば、植生域の７５％以上の領域（図６（ａ）の例だと６個の画素）において緑被率値を下回った時点（図６（ａ）の例だと７８％時）の値を閾値とするようにしてもよい。
【００４３】
さらに、制御部１１は、各画素毎に、緑被率が上記で算出した閾値を超えているか否かを判別する。判別した結果、閾値を超えている画素については１の値を記録し、閾値を超えていない画素については０の値を記録する（ステップＳ１０８）。ここで、各画素に緑被率が記録された緑被率地図データ８１は、図６（ｂ）に示すような、１か０の２値が記録された緑地地図データ８２になる。
【００４４】
ここで、制御部１１は、作成された緑地地図データ８２を、記録部１２に記録し、所望のタイミングで、表示装置１７に出力する指示を出すことができる。
【００４５】
次に、上述した緑被率算出処理の具体的動作について、図５のフローチャートを参照して説明する。制御部１１は、図４のステップＳ１０４で得られたパンクロ画像データ５１とリサンプリング（再構成）済みのマルチ画像データ５２の画像データに対して、ミクセル解析を行う（ステップＳ２０１）。このミクセル解析は、単一画素内の緑被率を算出できる。例えば、図９（ａ）に示すように、単一画素内が全て緑被地であれば、緑被率は１００％と算出し、図９（ｂ）に示すように、単一画素内に緑被地、道路、河川等の要素が混在している場合であれば、単一画素内の領域全体に対する緑被地の占める割合を算出する。具体的には、図４のステップＳ１０４で得られたパンクロ画像データ５１とリサンプリング（再構成）済みのマルチ画像データ５２の画像データにおける各画素の輝度値（バンド値）を線形ミクセル理論に基づいた近似式で近似する。この近似式を数２に示す。
【数２】
線形ミクセル理論は、各画素の輝度値（階調値）は、単一の性質をもつ純粋な対象物それぞれの輝度値の比率合計で構成されるという理論である。例えば、数２において、純粋な対象物は植生部分である。
【００４６】
また、画像陰影について頑健性を持たせるために、数３の正規化指数を用いた。分母はパンクロ画像データ５１の単一画素の輝度値であり、分子はリサンプリング（再構成）済みのマルチ画像データ５２の近赤外画像データの、該パンクロ画像データ５１の画素に対応した位置の画素における輝度値である。これは、植物の緑葉は、赤領域と青領域の波長を吸収し、近赤外領域の波長を強く反射することを利用した正規化である。
【数３】
この数３の式の分母、分子をそれぞれ、数２の近似式で近似すると、数４になる。
【数４】
制御部１１は、この数４の方程式を解くことによって、各画素の緑被率を算出する。
【００４７】
以上のミクセル解析処理によって各画素に対応するエリア別に、緑被率が得られる。マルチ画像データ５２の近赤外画像データは、パンクロ画像データ５１に比べ、低解像度である。これに起因して、緑被率の値は平滑化された状態となっている。そのために、制御部１１は、この平滑化された緑被率の値を図７の修正関数（例えば、シグモイド関数）を用いて補正する（ステップＳ２０２）。修正関数は、誤差を最小にするように、画像条件（解像度・ノイズ）に応じて係数や種類を決定する。この時の画像データの緑被率値は図８（ｂ）→図８（ｃ）に示すように各画素ごとに変換される。
【００４８】
また、制御部１１は、マルチ画像データ５２から別途、緑被率を算出しておく。この値を図８（ａ）に、Ｚとして示す。図８に示したマルチ画像データ５２の解像度単位（メッシュ６１（太線））において、ステップＳ２０２で得た単一画素の緑被率（ｚ’１、ｚ’２、ｚ’３、ｚ’４）が上述した線形ミクセル理論と整合性の取れるように補正する（正規化補正）（ステップＳ２０３）。具体的には、図８（ｃ）のメッシュ６１内における全画素の緑被率平均が、図８（ａ）のマルチ画像データ５２から算出した緑被率と等しくなるように、各画素の緑被率値を変換する。例えば、数５の（ａ）のような補正式で変換する。理解を容易にするために、数５の（ａ）の補正式を図８に合わせた文字を用いて記述すると、数５の（ｂ）のように表せる。ここで、αはノイズを抑制するように配分される調整係数。
また、この時の画像データの緑被率値は図８（ｃ）→図８（ｄ）に示すように各画素ごとに変換される（ｚ”１、ｚ”２、ｚ”３、ｚ”４）。
【数５】
【００４９】
以上までの処理が高分解能緑被率マップ作成装置１０によって実行される画像解析処理である。
【００５０】
本実施形態の高分解能緑被率マップ作成装置１０によれば、上述の改良したミクセル計算処理によって、都市域での緑被分布を扱う上で十分な精度の緑被率を抽出することができる。従って、従来よりも高解像度の緑被率マップを作成することができる。
そして、本実施形態の高分解能緑被率マップ作成装置１０を空撮画像や衛星画像に適用すれば、広域の高解像度緑被率マップが、取得できるようになる。
【００５１】
なお、本発明は、上記実施形態に限定されず、種々の変形、応用が可能である。
【００５２】
例えば、上記実施の形態においては、パンクロ画像データ５１の解像度は、マルチ画像データ５２の４倍（縦：２倍、横：２倍）の解像度としていた。しかしながら、本発明は、これに限定されず、マルチ画像データ５２の９倍（縦：３倍、横：３倍）、マルチ画像データの１６倍（縦：４倍、横：４倍）のような画像データを用いて、緑被率マップを作成してもよい。
【００５３】
例えば、上記実施の形態においては、パンクロ画像データ５１は、可視光波長域や可視〜近赤外波長域を単一のバンドで観測していた。しかしながら、本発明は、これに限定されず、特定の波長域を単一のバンドで観測するようにしてもよい。さらに、マルチ画像データ５２は青色波長域、緑色波長域、赤色波長域、近赤外波長域の４バンド（マルチバンド）で観測していた。しかしながら、本発明は、これに限定されず、赤色波長域、近赤外波長域等の複数のバンドで観測するようにしてもよい
【００５４】
また、上記実施の形態においては、解像度の低いマルチ画像データ５２全体を、パンクロ画像データ５１と等しい解像度に再構成（変換）してから、各画素の緑被率を求めていた。しかし、本発明はこれに限定されない。例えば、高解像度のマルチ画像データ５２は、全体として有意なデータとして形成されたり、出力されたりする必要はなく、緑被率を求める過程で適宜部分的に生成されてもよい。例えば、パンクロ画像データ５１の特定の画素と相対位置が等しい位置の高解像度マルチ画像データの画素データ（輝度値）を求め、この画素データに基づいて、対応する画素の緑被率を求める処理を、画素単位で繰り返すことにより、最終的に全体の緑被率を求めるようにしてもよい。
【００５５】
例えば、上記実施の形態においては、制御部１１のＣＰＵが実行するプログラムは、予めＲＯＭ１３等に記憶されていた。しかしながら、本発明は、これに限定されず、上述の処理を実行させるためのプログラムを、既存の緑被率マップ作成装置に適用することで、上記実施形態にかかる高分解能緑被率マップ作成装置１０として機能させるようにしてもよい。
【００５６】
このようなプログラムの提供方法は任意であり、例えば、インターネットなどの通信媒体を介して提供可能である他、例えば、メモリカードなどの記録媒体に格納して配布してもよい。
【図面の簡単な説明】
【００５７】
【図１】本発明の実施形態に係る高分解能緑被率マップ作成装置の構成を示す図である。
【図２】高分解能緑被率マップを作成するための種々のプログラム等が記憶されるＲＯＭの内容を示す概要図である。
【図３】（ａ）はパンクロマチック画像データの模式図である。（ｂ）はマルチスペクトル画像データの模式図である。
【図４】高分解能緑被率マップ作成装置における前処理、及び、画像解析処理の動作内容を示すフローチャートである。
【図５】高分解能緑被率マップ作成装置における緑被率算出処理の動作内容を示すフローチャートである。
【図６】（ａ）は緑被率地図データの模式図である。（ｂ）は緑地地図データの模式図である。
【図７】平滑化された緑被率の値を補正する修正関数（シグモイド関数）の概要図である。
【図８】マルチスペクトル画像データがパンクロマチック画像データの１／２の解像度の場合の、修正関数による補正と、正規化補正における緑被率値の変換例を示す概要図である。
【図９】（ａ）は単一画素内が比較的均質である状態の概要図である。（ｂ）は単一画素内に複数の性質が混在している状態（ミクセル状態）の概要図である。
【符号の説明】
【００５８】
１０ 高分解能緑被率マップ作成装置
１１ 制御部
１２ 記憶部
１３ ＲＯＭ
２０ データ前処理
３０ データ解析処理
５１ パンクロマチック画像データ
５２ マルチスペクトル画像データ
５３ Ｂ画像データ
５４ Ｇ画像データ
５５ Ｒ画像データ
５６ ＩＲ画像データ
８１ 緑被率地図データ
８２ 緑地地図データ
【特許請求の範囲】
【請求項１】
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段と、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上した時の各画素の画像データを求める画像データ生成手段と、
前記画像データ生成手段で再構成したマルチスペクトル画像データと、前記パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手段と、
を備えることを特徴とする緑被率マップ作成装置。
【請求項２】
前記パンクロマチック画像データは、所定の波長帯の光を用いて前記所定領域を撮影することにより得られた画像データであり、
前記マルチスペクトル画像データは、前記所定の波長帯に含まれる複数の波長域それぞれの光を用いて撮影し、それぞれ前記パンクロマチック画像データよりも解像度の低い複数の画像データから構成され、
前記再構成手段は、前記マルチスペクトル画像データを構成する各画像データを、前記パンクロマチック画像データの解像度と同一の画像データに再構成し、
前記緑被率算出手段は、前記再構成手段で再構成したマルチスペクトル画像データと前記パンクロマチック画像データとの各対応する画素の画像データを用いたミクセル画像処理により、各画素に対応する位置の緑被率を算出する、
ことを特徴とする請求項１に記載の緑被率マップ作成装置。
【請求項３】
前記緑被率算出手段によって算出した緑被率を、前記再構成手段により生じる誤差を小さくするように修正する修正手段をさらに備える、
ことを特徴とする請求項１又は２に記載の緑被率マップ作成装置。
【請求項４】
前記マルチスペクトル画像データから緑被率を算出する第二の緑被率算出手段と、
前記緑被率算出手段によって算出した緑被率を、前記第二の緑被率で算出した緑被率と該緑被率を算出した画素に対応する前記パンクロマチック画像データの全画素の緑被率の平均値と、が等しくなるように正規化補正する正規化補正手段と、
をさらに備える、
ことを特徴とする請求項１乃至３に記載の緑被率マップ作成装置。
【請求項５】
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える緑被率マップ作成装置の緑被率マップ作成方法であって、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成ステップと、
前記再構成ステップで再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出ステップと、
を備えることを特徴とする緑被率マップ作成方法。
【請求項６】
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える緑被率マップ作成装置のコンピュータに、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成手順と、
前記再構成手順で再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手順と、
を実行させるプログラム。
【請求項１】
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段と、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上した時の各画素の画像データを求める画像データ生成手段と、
前記画像データ生成手段で再構成したマルチスペクトル画像データと、前記パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手段と、
を備えることを特徴とする緑被率マップ作成装置。
【請求項２】
前記パンクロマチック画像データは、所定の波長帯の光を用いて前記所定領域を撮影することにより得られた画像データであり、
前記マルチスペクトル画像データは、前記所定の波長帯に含まれる複数の波長域それぞれの光を用いて撮影し、それぞれ前記パンクロマチック画像データよりも解像度の低い複数の画像データから構成され、
前記再構成手段は、前記マルチスペクトル画像データを構成する各画像データを、前記パンクロマチック画像データの解像度と同一の画像データに再構成し、
前記緑被率算出手段は、前記再構成手段で再構成したマルチスペクトル画像データと前記パンクロマチック画像データとの各対応する画素の画像データを用いたミクセル画像処理により、各画素に対応する位置の緑被率を算出する、
ことを特徴とする請求項１に記載の緑被率マップ作成装置。
【請求項３】
前記緑被率算出手段によって算出した緑被率を、前記再構成手段により生じる誤差を小さくするように修正する修正手段をさらに備える、
ことを特徴とする請求項１又は２に記載の緑被率マップ作成装置。
【請求項４】
前記マルチスペクトル画像データから緑被率を算出する第二の緑被率算出手段と、
前記緑被率算出手段によって算出した緑被率を、前記第二の緑被率で算出した緑被率と該緑被率を算出した画素に対応する前記パンクロマチック画像データの全画素の緑被率の平均値と、が等しくなるように正規化補正する正規化補正手段と、
をさらに備える、
ことを特徴とする請求項１乃至３に記載の緑被率マップ作成装置。
【請求項５】
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える緑被率マップ作成装置の緑被率マップ作成方法であって、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成ステップと、
前記再構成ステップで再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出ステップと、
を備えることを特徴とする緑被率マップ作成方法。
【請求項６】
地表の所定領域のパンクロマチック画像データと、前記所定領域の前記パンクロマチック画像データよりも解像度の低いマルチスペクトル画像データと、を記憶する記憶手段を備える緑被率マップ作成装置のコンピュータに、
前記パンクロマチック画像データの解像度に基づいて、前記マルチスペクトル画像データの解像度を向上して、画像データを再構成する再構成手順と、
前記再構成手順で再構成したマルチスペクトル画像データと、パンクロマチック画像データと、から各画素に対応する位置の緑被率を算出する緑被率算出手順と、
を実行させるプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２００７−１８３８７（Ｐ２００７−１８３８７Ａ）
【公開日】平成１９年１月２５日（２００７．１．２５）
【国際特許分類】
【出願番号】特願２００５−２００８８９（Ｐ２００５−２００８８９）
【出願日】平成１７年７月８日（２００５．７．８）
【出願人】（０００１０２７２８）株式会社エヌ・ティ・ティ・データ (438)
【Ｆターム（参考）】
【公開日】平成１９年１月２５日（２００７．１．２５）
【国際特許分類】
【出願日】平成１７年７月８日（２００５．７．８）
【出願人】（０００１０２７２８）株式会社エヌ・ティ・ティ・データ (438)
【Ｆターム（参考）】
[ Back to top ]