JP4887130B2 - Farm district drawing data creation system - Google Patents
Farm district drawing data creation system Download PDFInfo
- Publication number
- JP4887130B2 JP4887130B2 JP2006338159A JP2006338159A JP4887130B2 JP 4887130 B2 JP4887130 B2 JP 4887130B2 JP 2006338159 A JP2006338159 A JP 2006338159A JP 2006338159 A JP2006338159 A JP 2006338159A JP 4887130 B2 JP4887130 B2 JP 4887130B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- farmland
- noise
- partition
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Instructional Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
本発明は、衛星や航空機等を用いて高度上空から地表を撮影して得られた観測画像を解析し、地表における土地区画に関するデータを作成する地理画像処理システムに関し、特に地理画像に含まれる農業用地の抽出を容易にするための画像処理を行うシステムに関するものである。 The present invention relates to a geographic image processing system that analyzes observation images obtained by photographing a ground surface from an altitude using a satellite, an aircraft, and the like, and creates data relating to land sections on the ground surface, and in particular, agriculture included in geographic images. The present invention relates to a system for performing image processing for facilitating site extraction.
近年、衛星画像や航空写真画像の利用が広まってきており、それらの画像を使った地図の作成や地表の分析等に関わる技術が開発されている。この中で、農地部を撮影した写真の分析を行うには、画像内の土地区画を抽出し、さらに抽出された土地区画の中から農地に該当する領域を抽出することが不可欠である。 In recent years, the use of satellite images and aerial photograph images has become widespread, and techniques relating to the creation of maps using these images and the analysis of the ground surface have been developed. Among these, in order to analyze a photograph of a farmland part, it is essential to extract a land section in the image and further extract an area corresponding to the farmland from the extracted land sections.
従来、土地区画の抽出と、抽出された土地区画からの農地の抽出は、手作業で行われていたので、多大な人的コストがかかることが問題だった。そこで、これらの処理をコンピュータにより自動化させる方法が提案されている。その一例として、特許文献1では、まず地表を撮影した画像からエッジを抽出し、そのエッジ画像上の任意の1点から放射状に伸ばした直線とエッジとの交点を求め、複数の交点を連結させてできる多角形の区画領域を抽出する処理が提案されている。この処理により、土地区画の抽出を自動的に行うことができる。
Conventionally, the extraction of land parcels and the extraction of farmland from the extracted land parcels have been performed manually, so that it has been a problem that a great human cost is required. Therefore, a method for automating these processes by a computer has been proposed. As an example, in
しかし、特許文献1の手法によって地理画像から農地の候補となる区画領域を抽出することはできるが、抽出された各区画領域に対して農地或いは非農地と判定し、分類する作業は操作者が実際に各区画領域の画像を見て行う必要がある。この作業は自動化されておらず、多大な人的コストを必要し、操作者は多大な集中力、時間を必要とするものである。また、広範囲の画像に対して限られた時間で作業を行うためには複数の操作者が必要となるが、この場合各操作者の主観的判断基準の差によって分類結果にばらつきが生じてしまう恐れもある。
However, although it is possible to extract a partitioned area that is a candidate for farmland from a geographic image by the method of
本発明はこのような状況に鑑みてなされたものであり、衛星画像や航空写真画像などの地理画像から農地などの土地区画データを容易に作成することができる農地区画データ作成システムを提供しようとするものである。 The present invention has been made in view of such circumstances, and intends to provide an agricultural district image data creation system capable of easily creating land parcel data such as farmland from geographic images such as satellite images and aerial photograph images. To do.
上記解決課題に鑑みて鋭意研究の結果、本発明者は、抽出された区画領域に対して、ノイズ量、植生指数、区画形状などのパラメータを計算し農地らしさを判定することで自動的に農地と非農地を区別し、上記課題が解決されることに想到した。 As a result of diligent research in view of the above problems, the inventor automatically calculated parameters such as the amount of noise, vegetation index, and section shape for the extracted section area, and automatically determined the farmland-likeness. And non-agricultural land, and the above problem was solved.
すなわち、本発明は、地理画像に含まれる区画領域の抽出および分類を行うシステムであって、地理画像中の田畑などの農地区画の輪郭、すなわちエッジを抽出し、抽出したエッジに基づいて区画領域を抽出する区画抽出手段と、各区画領域の、農地らしさを表す特徴を解析し、「農地」または「非農地」といった土地利用用途を判定する区画分類手段と、を含むことを特徴とする。 That is, the present invention is a system for extracting and classifying a partition area included in a geographic image, extracting a contour of an agricultural district image such as a field in the geographic image, that is, an edge, and dividing the partition area based on the extracted edge. And a zone classification unit that analyzes the characteristics of each zone to represent the characteristics of farmland and determines land use applications such as “agricultural land” or “non-agricultural land”.
より具体的には、本発明は、地表を撮影して得られた地理画像データを解析し、農地区画データを作成する農地区画データ作成システムに関し、地理画像データから区画領域を抽出する区画抽出手段と、区画領域中のノイズ量を計算するノイズ判定手段と、区画領域の植生指数を計算する植生判定手段と、区画領域の形状特徴を判定する形状判定手段と、ノイズ量と植生指数と形状特徴とを用いて、区画領域が農地か否かを判定する農地判定手段と、を備えることを特徴とする。ノイズ判定手段は、抽出した区画領域の面積に対するノイズ量であるノイズ評価値を計算する。ここでノイズ評価値は、その値が小さいほど農地らしさが高いことを示すものである。また、形状判定手段は、抽出した区画領域を構成する各ベクトルのなす角をチェックする。ここでなす角は、0度または90度に近いほど農地らしさが高いことを示すものである。 More specifically, the present invention relates to an agricultural district image data creation system that analyzes geographic image data obtained by photographing the ground surface and creates agricultural district image data, and relates to an area extraction unit that extracts an area from geographic image data. Noise determining means for calculating the amount of noise in the partitioned area, vegetation determining means for calculating the vegetation index of the partitioned area, shape determining means for determining the shape feature of the partitioned area, noise amount, vegetation index, and shape feature And a farmland judging means for judging whether or not the partition area is a farmland. The noise determination unit calculates a noise evaluation value that is a noise amount with respect to the area of the extracted partition area. Here, the noise evaluation value indicates that the smaller the value, the higher the agricultural land quality. In addition, the shape determining means checks the angle formed by each vector constituting the extracted partitioned area. The angle made here indicates that the closer to 0 degrees or 90 degrees, the higher the farmland-likeness.
農地判定手段は、ノイズ量と植生指数と形状特徴のそれぞれに異なる重み係数を乗算し、それらの総和を算出し、その総和の値が所定の閾値よりも大きい場合に、区画領域が農地であると判定する。なお、農地判定手段は、地理画像データの撮影時期に応じて、重み係数を可変とするようにしてもよい。 The farmland judging means multiplies each of the noise amount, the vegetation index, and the shape feature by different weighting coefficients, calculates the sum of them, and when the sum is larger than a predetermined threshold, the partition area is farmland Is determined. The farmland determination means may make the weighting coefficient variable according to the photographing time of the geographic image data.
さらなる本発明の特徴は、以下本発明を実施するための最良の形態および添付図面によって明らかになるものである。 Further features of the present invention will become apparent from the best mode for carrying out the present invention and the accompanying drawings.
以上、説明したように、本発明の地理画像処理システムによれば、衛星画像や航空写真画像などの地理画像から土地区画の抽出および分類する作業を大幅に効率化することができる。また、従来操作者の技量に頼っていた作業工程が自動化されるので、多数の操作者によって作業を行う場合であっても、操作者の熟練度の差に影響されることなく均質な土地区画データを得ることができる。 As described above, according to the geographic image processing system of the present invention, the work of extracting and classifying land sections from geographic images such as satellite images and aerial photograph images can be made much more efficient. In addition, since the work process that previously relied on the skill of the operator is automated, even if the work is performed by a large number of operators, a uniform land parcel is not affected by differences in the skill level of the operators. Data can be obtained.
以下、添付図面を参照しながら、本発明の地理画像処理システムを実施するための最良の形態を詳細に説明する。図1乃至10は、本発明の実施の形態を例示する図である。これらの図において、同一の符号を付した部分は同一物を表し、基本的な構成及び動作は同様であるものとする。なお、本発明は本実施形態に限定されるものではない。当業者であれば、本発明の要旨を逸脱しない範囲内において、実施形態にかかる発明の構成及び機能に様々な変更・改良を加えることが可能である。 The best mode for carrying out the geographic image processing system of the present invention will be described below in detail with reference to the accompanying drawings. 1 to 10 are diagrams illustrating an embodiment of the present invention. In these drawings, parts denoted by the same reference numerals represent the same items, and the basic configuration and operation are the same. Note that the present invention is not limited to this embodiment. A person skilled in the art can make various changes and improvements to the configuration and function of the invention according to the embodiments without departing from the gist of the present invention.
<システム構成>
図1は、本発明の地理画像処理システムの構成を概略的に示すブロック図である。図1において、本システムは、パソコン、ワークステーション等から構成される処理装置10と、メインメモリとして使用されるRAM(ランダムアクセスメモリ)及び磁気ディスク記憶装置等の補助記憶装置とを含む記憶装置20と、入出力装置30とを備えている。
<System configuration>
FIG. 1 is a block diagram schematically showing the configuration of a geographic image processing system of the present invention. In FIG. 1, this system includes a
入出力装置30は、キーボード及びマウス等のポインティングデバイスを含む入力装置31と、CRTディスプレイ装置等の表示装置32と、プリンタ33とを備えている。入力装置31は、ユーザによるパラメータの入力やコマンドの起動等、並びに本システムにより画像処理を施した地理画像を用いた土地区画データ生成に用いられる。表示装置32及びプリンタ33は、本システムで扱う地理画像や土地区画データをユーザに提示するために用いられる。尚、表示装置としては、表示装置32及びプリンタ33のいずれか一方のみを備える構成としてもよい。
The input /
処理装置10は、地理画像処理プログラム40を含んでいる。地理画像処理プログラム40は、プログラムモジュールとして、地理画像に含まれる農地等の区画を抽出する区画抽出部100、抽出された各区画領域に対して土地利用用途ごとに分類を行う区画分類部200を含む。
The
また、区画分類部200は、サブモジュールとして、地理画像から抽出したエッジを利用して各区画領域中のノイズを抽出し農地らしさを判定するノイズ判定部201、地理画像を用いて植生指数(後述する)を計算し各区画領域の農地らしさを判定する植生判定部202、各区画領域の形状を評価し農地らしさを判定する形状判定部203、ノイズ判定部と植生判定部と形状判定部の各評価値をもとに各区画領域の分類(農地か非農地かの分類/判定)を行う農地判定部204を含む。
In addition, the
記憶装置20は、地理画像データ21、区画領域データ22、ノイズデータ23、植生データ24、区画形状データ25、区画分類データ26を記憶する。これらのうち、地理画像データ21は、人工衛星又は航空写真画像から得られるものであり、本システムによる処理実行前に予め記憶されているデータである。一方、区画領域データ22、ノイズデータ23、植生データ24、区画形状データ25、区画分類データ26は、本システムにおいて地理画像データ21に基づいて生成されるデータである。
The
<地理画像処理の概要>
図2は、本システムにより行われる画像処理の概要を例示する図である。図2(a)は、予め記憶装置20に記憶されている地理画像データ21を示している。この地理画像データに対して区画抽出を行うことにより、図2(d)に示すような区画領域が得られる。図2(d)において、一つの多角形は一区画領域を示している。一つの区画領域は、複数のベクトルが連結したデータである。このデータは区画領域データ22として記憶装置20に格納される。また、地理画像データに対してエッジ検出処理を行うことにより、図2(c)に示すエッジ画像が得られる。このエッジ画像に対してノイズ判定処理を行い、農地らしさを判定する。エッジ検出処理は、Canny法(非特許文献1参照)や、Sobelフィルタ(非特許文献2参照)などの各種エッジフィルタを使用して行うことができる。ノイズ判定処理で得られた各区画領域のノイズ量の評価値のデータはノイズデータ23として記憶装置20に格納される。また、地理画像データに対して植生指数を計算することで、図2(b)に示す植生画像が得られる。植生画像は、地理画像の各画素の植生指数の値を表示した画像である。植生判定処理で得られた各区画領域の植生の評価値のデータは植生データ24として記憶装置20に格納される。また、区画領域データの各区画領域における隣り合ったベクトルのなす角の計算を行う。図10(a)はその際の概略図である。各区画領域における隣り合ったベクトルのなす角を計算し、農地らしさを表す評価値を計算する。このときの各区画領域の形状をもとにした評価値のデータは区画形状データ25として記憶装置20に格納される。ノイズデータ23と植生データ24と区画形状データ25を用いて各区画領域の農地らしさが判定され、各区画領域の分類結果は区画分類データ26として記憶装置20に出力される。図2(e)は、区画分類データ26の一例である。従来技術では、図2(d)のような区画領域の抽出までを自動化し、区画領域の分類は手作業で行っていたが、本発明では区画領域の分類も自動的に行うことができる。
<Outline of geographic image processing>
FIG. 2 is a diagram illustrating an overview of image processing performed by the system. FIG. 2A shows
<地理画像処理の詳細>
以下、本発明の地理画像処理システムにおける区画抽出処理、ノイズ判定処理、植生判定処理、形状判定処理、区画判定処理について詳細を説明する。本発明において、地理画像処理プログラム40が起動されると、区画抽出部100、区画分類部200が順に起動される。また、区画分類部内では、ノイズ判定部201、植生判定部202、形状判定部203、農地判定部204が起動される。ただし、ノイズ判定部201、植生判定部202、形状判定部203の各処理は順不同であり、これらの後に農地判定部204が起動される。以下、それぞれによる処理の詳細を述べる。
<Details of geographic image processing>
The details of the section extraction process, noise determination process, vegetation determination process, shape determination process, and section determination process in the geographic image processing system of the present invention will be described below. In the present invention, when the geographic
(1)区画抽出処理
図3は、地理画像処理プログラム40の区画抽出部100による処理の流れを示すフローチャートである。図3において、区画抽出部100は、記憶装置20から地理画像データ21を読み込み(S301)、画像中に存在する農地等のエッジを抽出する(S302)、エッジを抽出する処理としては種々の周知技術が適用可能である。土地区画の輪郭を抽出できればどの手法を用いてもよい。本システムではCanny法を適用するものとする。この処理によって図2(c)のようなエッジ画像が生成される。
(1) Section Extraction Processing FIG. 3 is a flowchart showing the flow of processing by the
次に、区画抽出部100は、農地の候補となる領域を抽出するために、エッジ画像に対して領域抽出処理を行う(S303)。この際の領域抽出には直線交点法(特許文献1)を用いる。この処理について、図8を用いて説明する。この処理は、与えられたエッジ画像と、シード点と呼ぶ一点の座標から、シード点を含む区画領域を抽出する処理である。シード点とは、区画領域を抽出する際の出発点となる座標のことを指す。シード点は、格子状に点在させたり、ランダムに配置するなどの方法で決定する。あらかじめ、図8(a)のようにエッジ画像とシード点が与えられているとする。まず、シード点から等角度間隔に全方位に直線を伸ばす(図8(b))。そしてそれぞれの直線とエッジ画像におけるエッジ画素との交点を求め、得られた交点を順に結合させる(図8(c))。この処理によって抽出された多角形の領域を区画領域とする(図8(d))。区画領域の頂点の数は、シード点から伸ばす直線数に依存する。例えば図8では直線の数を8本としている。この直線数を増やすことにより、より精密な区画領域の抽出を行うことができる。ただし、エッジ画像にノイズが多く含まれる場合、ノイズを交点として抽出してしまう可能性があるため、適度な数を設定しておく。以上の処理を、すべてのシード点に対して行う。
Next, the
次に、区画抽出部100は、抽出した区画領域に対して、必要に応じて調整処理を行う(S304、S305)。調整処理は、それまでの処理で得られた区画領域をチェックし、不自然な区画領域データ(例えば、不自然に鋭角に尖った部分)を修正するために行う。区画領域データのチェックは、主に大きさのチェックと、形状及びその形状のなす角度のチェックによって行われる(詳細は特許文献1を参照)。従って、例えば袋地などの土地のデータの場合道路に通じる通路が鋭角的な部分として抽出される可能性があるが、この区画抽出処理の段階では、通路を除く形状部分のみが抽出される。
区画抽出部100は、このようにして得られた各区画領域のベクトルデータを、区画領域データ22として記憶装置20に格納する(S306)。
Next, the
The
(2)ノイズ判定処理
図4は、地理画像処理プログラム40の区画分類部200内の、ノイズ判定部201による処理の流れを示すフローチャートである。図4において、ノイズ判定部201は、記憶装置20から地理画像データ21と区画領域データ22を読み込み(S401)、地理画像中のエッジを抽出する(S402)。そして各区画領域に該当する領域内のエッジ量によって、その区画領域の農地らしさ(農地か否か)を判定する。区画抽出処理と同様に、エッジを抽出する処理としては種々の周知技術が適用可能である。本システムではCanny法を適用するものとする。この処理によって生成されるエッジ画像を、ノイズ判定用エッジ画像と呼ぶ。そして各区画領域のノイズ量計算処理を行う(S403)。ノイズ量計算は式1で行う。
(2) Noise Determination Processing FIG. 4 is a flowchart showing the flow of processing by the
ただし、Nは対象とする区画領域内のノイズ評価値、g(x,y)はエッジ画像の座標(x,y)における輝度値(つまり、エッジとして検出された場所の輝度)、Sは対象とする区画領域の面積である。この計算を、ノイズ判定用エッジ画像中の各区画領域に対して行い、各区画領域のノイズ評価値を計算する。 Where N is the noise evaluation value in the target partition area, g (x, y) is the luminance value at the coordinates (x, y) of the edge image (that is, the luminance of the location detected as an edge), and S is the target Is the area of the partition area. This calculation is performed for each partitioned area in the noise determination edge image, and the noise evaluation value of each partitioned area is calculated.
次にノイズ判定処理を行い各区画領域の農地らしさを判定する。一般に農地の領域は、領域内で輝度の変化が少ないためエッジ量は少なくなる。一方、建築物や駐車場などには建物の輪郭や、白線などの輪郭がエッジとして強く出やすく、エッジ量は多くなりやすい。そのため、エッジ量を評価することにより農地と建築物などをある程度区別できる。図9は、ノイズ判定処理における農地と非農地それぞれのエッジデータの例を示す図である。図9(a)は水田でありエッジ量が少ない。一方、図9(b)は建築物が立っている区画であり、建築物のエッジが多く存在する。このような場合、本発明で判定を行うと、図9(a)は「農地」、図9(b)は「非農地」として区別することができる。 Next, noise determination processing is performed to determine the farmland-likeness of each divided area. In general, an area of farmland has a small amount of edge because there is little change in luminance within the area. On the other hand, in buildings and parking lots, the outlines of buildings and outlines such as white lines tend to be strong as edges, and the amount of edges tends to increase. Therefore, it is possible to distinguish between farmland and buildings to some extent by evaluating the edge amount. FIG. 9 is a diagram illustrating examples of edge data of farmland and non-farmland in the noise determination process. FIG. 9A shows a paddy field with a small amount of edges. On the other hand, FIG. 9B is a section where a building stands, and there are many edges of the building. In such a case, when determination is made according to the present invention, FIG. 9A can be distinguished as “agricultural land”, and FIG. 9B can be distinguished as “non-agricultural land”.
ノイズ判定部201は、このようにして生成された各区画領域のノイズ評価値をノイズデータ23として記憶装置20に格納する(S404)。
The
(3)植生判定処理
図5は、地理画像処理プログラム40の区画分類部200内の、植生判定部202による処理の流れを示すフローチャートである。図5において、植生判定部202は、記憶装置20から地理画像データ21と区画領域データ22を読み込み(S501)、地理画像中の植生指数を計算する(S502)。植生指数は、リモートセンシングの多バンドから求められる植生の有無・多少・活性度を示す指標である(たとえば非特許文献3を参照)。代表的な植生指数にNDVI(Normalized Difference Vegetation Index:正規化植生指標)があり、式2で求められる。
(3) Vegetation Determination Processing FIG. 5 is a flowchart showing a flow of processing by the
ここで、IRは近赤外線バンドの反射率、Rは可視の赤バンドの反射率である。IRは0.7〜1.1μm程度、Rは0.5〜0.7μm程度である。用いる地表画像により波長帯は異なるが、IRは植物の葉の細胞構造による反射率の高い近赤外域に対応しており、Rは葉に含まれるクロロフィルによる0.64〜0.67μm付近の強い吸収帯(可視光の赤)に対応している。換言すれば、IRとRはレッドエッジを挟んだ2つのバンドである。このため、画素に対応する地表上で植物の葉が多いほど、NDVIの値は高くなる。なお、同じ農地であっても季節によってNDVI値が高い時期と低い時期がある。例えば水田の場合、田植え後から夏頃までは一面が緑でありNDVI値は高くなるが、秋頃の収穫時期や収穫後は緑が少なく、NDVI値が低くなる。従って、季節によってNDVI値を農地判定のための重要な要素として考慮(例えば、後述の重み係数を季節によって変更する)するかを決めると最適な判定をすることができる。 Here, IR is the reflectance of the near-infrared band, and R is the reflectance of the visible red band. IR is about 0.7 to 1.1 μm, and R is about 0.5 to 0.7 μm. Although the wavelength band varies depending on the surface image used, IR corresponds to the near infrared region where the reflectance is high due to the cell structure of the leaf of the plant, and R is strong around 0.64 to 0.67 μm due to chlorophyll contained in the leaf It corresponds to the absorption band (red of visible light). In other words, IR and R are two bands sandwiching the red edge. For this reason, the value of NDVI becomes high, so that there are many leaves of a plant on the ground surface corresponding to a pixel. Even in the same farmland, there are periods when the NDVI value is high and low depending on the season. For example, in the case of paddy fields, one side is green and the NDVI value is high from the rice planting to the summer, but the green is low and the NDVI value is low at the harvest time in the autumn and after the harvest. Therefore, an optimum determination can be made by determining whether to consider the NDVI value as an important factor for farmland determination according to the season (for example, changing a weighting factor described later according to the season).
一般に農地では植生指数が高くなり、池などの水域や建物や駐車場などでは植生指数が低くなる。このことを利用し本発明では各区画領域の農地らしさを判定する。各区画領域の農地らしさを表す植生評価値の計算は式3で行う。
In general, the vegetation index is high in farmland, and the vegetation index is low in water areas such as ponds, buildings, and parking lots. Utilizing this fact, the present invention determines the farmland-likeness of each section area. The calculation of the vegetation evaluation value representing the farmland-likeness of each divided area is performed using
ただし、Vは対象とする区画領域内の植生評価値、NDVI(x,y)は、地理画像の座標(x,y)における植生指数。Sは対象とする区画領域の面積である。この計算を、地理画像中の各区画領域に対して行い、各区画領域の植生値を計算する。 However, V is a vegetation evaluation value in the target partition area, and NDVI (x, y) is a vegetation index at the coordinates (x, y) of the geographic image. S is the area of the target partition area. This calculation is performed for each partitioned area in the geographic image, and the vegetation value of each partitioned area is calculated.
植生判定部202は、このようにして生成された各区画領域の植生評価値を植生データ24として記憶装置20に格納する(S503)。
The
(4)形状判定処理
図6は、地理画像処理プログラム40の区画分類部200内の、形状判定部203による処理の流れを示すフローチャートである。図6において、形状判定部203は、記憶装置から区画領域データ22を読み込み(S601)、各区画領域の隣り合ったベクトルのなす角を計算することで形状特徴を定量化する(S602)。図10はこの処理の概略を示す図である。図10(a)は区画領域を八角形で表したときの図であり、隣り合ったベクトルのなす角をθ1〜θ8で表している。一般に農地は長方形的な形状や長方形に近い平行四辺形の形状をしていることが多い。そのため、区画領域の隣り合ったベクトルのなす角は0度か90度のいずれかに近いといえる。そこで図10(b)及び図10(c)に示すように、角度が0度か90度のいずれかに近い場合に評価値を多く与え、0度か90度のいずれにも遠い場合に評価値を少なく与える。各区画領域内の隣り合ったベクトルの角度の評価値を求め、平均したものをその区画領域の農地らしさを表す評価値する。具体的には式4で計算する。
(4) Shape Determination Processing FIG. 6 is a flowchart showing the flow of processing by the
ただし、Aは対象とする区画領域内の形状評価値、E(θj)は各角度の評価値、nは頂点数である。
形状判定部203は、このようにして生成された各区画領域の形状評価値を区画形状データ25として記憶装置20に格納する(S603)。
Here, A is the shape evaluation value in the target partition area, E (θ j ) is the evaluation value of each angle, and n is the number of vertices.
The
(5)農地判定部
図7は、地理画像処理プログラム40の区画分類部200内の、農地判定部204による処理の流れを示すフローチャートである。図7において、農地判定部204は、記憶装置20からノイズデータ23と植生データ24と区画形状データ25を読み込む(S701)。次に、各区画領域の農地らしさを式5で評価する(S702)。
(5) Agricultural Land Determination Unit FIG. 7 is a flowchart showing a flow of processing by the agricultural
ただし、Eは各区画領域の農地らしさを表す農地評価値であり、大きいほど農地らしい。N、V、Aはそれぞれ各区画領域における、ノイズ評価値、植生評価値、形状評価値を表す。これらはそれぞれ、ノイズデータ23、植生データ24、区画形状データ25から求められる。α、β、γは、それぞれノイズ評価値、植生評価値、形状評価値の各評価値の重みを表す定数である。このEで農地らしさを求め、地理画像中に含まれる農地や空き地や池などの区画領域の分類を行うことができる。農地と非農地を区別するためのEの閾値はユーザの要求に応じて適切に決定すればよい。なお、農地と言っても、水田や畑から果樹園等がある。従って、それぞれの農地の性質によってN、V、Aの値の傾向が異なってくる。例えば、果樹園の場合、水田よりもエッジが多くノイズが多く含まれる可能性が高いため、N値の重み係数を水田のそれよりも低く設定したり、果樹園の個々の指標(別に設けられた指標)とさらに比べて最終的に判定するようにしても良い。
However, E is a farmland evaluation value representing the farmland-likeness of each division area, and the larger the farmland, the more likely it is farmland. N, V, and A represent a noise evaluation value, a vegetation evaluation value, and a shape evaluation value, respectively, in each partition area. These are obtained from the
図2(e)は、図2(a)の地理画像と図2(d)の区画領域画像に対する区画領域及び分類結果の例である。図2(d)において、(1)、(2)、(4)の区画領域は、図2(c)から確認できるようにノイズが少ない。また、図2(b)から確認できるように植生指数が高い。また、図2(d)から確認できるように形状が長方形に近い。そのため式5におけるEが大きい値となる。一方、図2(d)において、(3)の区画領域は、図2(c)から確認できるようにノイズが多い。また、図2(b)から確認できるように植生指数が低い。また、図2(d)から確認できるように形状がやや歪んでいる。そのため式5におけるEが小さい値となる。以上より、図2(d)において、領域(1)、(2)及び(4)は「農地」と判定され、領域(3)は「非農地」と判定される。 FIG. 2E is an example of the partition area and classification result for the geographic image of FIG. 2A and the partition area image of FIG. In FIG. 2D, the divided areas of (1), (2), and (4) have less noise as can be confirmed from FIG. 2 (c). Moreover, the vegetation index is high as can be confirmed from FIG. Further, as can be confirmed from FIG. 2D, the shape is close to a rectangle. Therefore, E in Equation 5 is a large value. On the other hand, in FIG. 2D, the partitioned area of (3) is noisy as can be confirmed from FIG. Moreover, the vegetation index is low as can be confirmed from FIG. Further, the shape is slightly distorted as can be confirmed from FIG. Therefore, E in Equation 5 is a small value. As described above, in FIG. 2D, the areas (1), (2), and (4) are determined as “farmland”, and the area (3) is determined as “non-farmland”.
農地判定部204は、このようにして生成された各区画領域の分類結果を区画分類データ26として記憶装置20に格納する(S703)。
The
<まとめ>
以上のように、本発明の実施形態は、地表を撮影して得られた地理画像データを解析し、農地区画データを作成する農地区画データ作成システムに関するものである。そして、そのシステムは、地理画像データから区画領域を抽出する区画抽出部(モジュール)と、区画領域中のノイズ量を計算するノイズ判定部(モジュール)と、区画領域の植生指数を計算する植生判定部(モジュール)と、区画領域の形状特徴を判定する形状判定部(モジュール)と、ノイズ量と植生指数と形状特徴とを用いて、区画領域が農地か否かを判定する農地判定部(モジュール)と、を備える。これにより、農地判定の処理を自動化できると共に、主観的な判定及びそれによる判定のばらつきを防止でき、客観的な農地判定を実現することができるようになる。
<Summary>
As described above, the embodiment of the present invention relates to an agricultural district image data creation system that analyzes geographic image data obtained by photographing a ground surface and creates agricultural district image data. The system includes a partition extraction unit (module) that extracts a partition region from geographic image data, a noise determination unit (module) that calculates the amount of noise in the partition region, and a vegetation determination that calculates a vegetation index of the partition region. Using a part (module), a shape determination unit (module) for determining a shape characteristic of a partition area, and a farmland determination unit (module) for determining whether the partition area is farmland using a noise amount, a vegetation index, and a shape feature And). As a result, it is possible to automate the farmland determination process, prevent subjective determination and variations in the determination, and implement objective farmland determination.
ノイズ判定部は、抽出した区画領域の面積に対するノイズ量であるノイズ評価値を計算する。ここでノイズ評価値は、その値が小さいほど農地らしさが高いことを示すものである。また、形状判定手段は、抽出した区画領域を構成する各ベクトルのなす角をチェックする。ここでなす角は、0度または90度に近いほど農地らしさが高いことを示すものである。このようにすることによって、農地判定の指標が明確になり、より客観的な判定に資することができる。 The noise determination unit calculates a noise evaluation value that is a noise amount with respect to the area of the extracted partition region. Here, the noise evaluation value indicates that the smaller the value, the higher the agricultural land quality. In addition, the shape determining means checks the angle formed by each vector constituting the extracted partitioned area. The angle made here indicates that the closer to 0 degrees or 90 degrees, the higher the farmland-likeness. By doing in this way, the index of farmland determination becomes clear and it can contribute to more objective determination.
また、農地判定部は、ノイズ量と植生指数と形状特徴のそれぞれに異なる重み係数を乗算し、それらの総和を算出し、その総和の値が所定の閾値よりも大きい場合に、区画領域が農地であると判定する。重み係数を変更すれば、適応的な農地判定を実行できる。例えば、地理画像データの撮影時期に応じて、Vに対する重み係数を可変とすれば、季節に対応してより適切な農地判定を実行することができる。 In addition, the farmland determination unit multiplies each of the noise amount, the vegetation index, and the shape feature by different weighting factors, calculates a sum of them, and if the sum is greater than a predetermined threshold value, It is determined that If the weighting factor is changed, adaptive farmland determination can be performed. For example, if the weighting coefficient for V is variable according to the photographing time of geographic image data, more appropriate farmland determination can be executed in accordance with the season.
なお、本実施形態の機能を実現するソフトウェアのプログラムコードによっても本発明は実現できる。この場合、プログラムコードを記録した記憶媒体をシステム或は装置に提供し、そのシステム或は装置のコンピュータ(又はCPUやMPU)が記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フロッピィ(登録商標)ディスク、CD−ROM、DVD−ROM、ハードディスク、光ディスク、光磁気ディスク、CD−R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。 The present invention can also be realized by a program code of software that realizes the functions of the present embodiment. In this case, a storage medium in which the program code is recorded is provided to the system or apparatus, and the computer (or CPU or MPU) of the system or apparatus reads the program code stored in the storage medium. In this case, the program code itself read from the storage medium realizes the functions of the above-described embodiments, and the program code itself and the storage medium storing the program code constitute the present invention. As a storage medium for supplying such program code, for example, floppy (registered trademark) disk, CD-ROM, DVD-ROM, hard disk, optical disk, magneto-optical disk, CD-R, magnetic tape, non-volatile A memory card, ROM, or the like is used.
また、プログラムコードの指示に基づき、コンピュータ上で稼動しているOS(オペレーティングシステム)などが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現されるようにしてもよい。さらに、記憶媒体から読み出されたプログラムコードが、コンピュータ上のメモリに書きこまれた後、そのプログラムコードの指示に基づき、コンピュータのCPUなどが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現されるようにしてもよい。 Also, based on the instruction of the program code, an OS (operating system) running on the computer performs part or all of the actual processing, and the functions of the above-described embodiments are realized by the processing. May be. Further, after the program code read from the storage medium is written in the memory on the computer, the computer CPU or the like performs part or all of the actual processing based on the instruction of the program code. Thus, the functions of the above-described embodiments may be realized.
また、実施の形態の機能を実現するソフトウェアのプログラムコードがネットワークを介して配信されることにより、システム又は装置のハードディスクやメモリ等の記憶手段又はCD-RW、CD-R等の記憶媒体に格納され、そのシステム又は装置のコンピュータ(又はCPUやMPU)が当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行することによっても、達成されるようにしてもよい。 In addition, the program code of the software that realizes the functions of the embodiment is distributed via a network, so that it is stored in a storage means such as a hard disk or memory of a system or apparatus or a storage medium such as a CD-RW or CD-R. It may also be achieved by the computer (or CPU or MPU) of the system or apparatus reading and executing the program code stored in the storage means or the storage medium.
10 処理装置
20 記憶装置
21 地理画像データ
22 区画領域データ
23 ノイズデータ
24 植生データ
25 区画形状データ
26 区画分類データ
30 入出力装置
31 入力装置
32 表示装置
33 プリンタ
40 地理画像処理プログラム
100 区画抽出部
200 区画分類部
201 ノイズ判定部
202 植生判定部
203 形状判定部
204 農地判定部
DESCRIPTION OF
Claims (3)
前記地理画像データから区画領域を抽出する区画抽出手段と、
前記区画領域のエッジ画像を抽出し、当該エッジ画像の輝度値を前記区画領域の面積で除算することにより、前記区画領域中のノイズ量を計算するノイズ判定手段と、
前記区画領域における、近赤外線バンドの反射率から可視の赤バンドの反射率を減算した値を、前記区画領域における、前記近赤外線バンドの反射率と可視の赤バンドの反射率とを加算した値で除算することにより、前記区画領域の植生指数を計算する植生判定手段と、
前記区画領域の形状特徴を判定する形状判定手段と、
前記ノイズ量と前記植生指数と前記形状特徴とを用いて、前記区画領域が農地か否かを判定する農地判定手段と、を備え、
前記形状判定手段は、前記抽出した区画領域を構成する各ベクトルのなす角をチェックし、前記なす角は、0度または90度に近いほど農地らしさが高いことを示し、
前記農地判定手段は、前記ノイズ量と前記植生指数と前記形状特徴のそれぞれに異なる重み係数を乗算し、それらの総和を算出し、その総和の値が所定の閾値よりも大きい場合に、前記区画領域が農地であると判定することを特徴とする農地区画データ作成システム。 An agricultural district image data creation system that analyzes geographical image data obtained by photographing the ground surface and creates agricultural district image data,
Section extracting means for extracting a section area from the geographic image data;
Noise determination means for calculating an amount of noise in the partition area by extracting an edge image of the partition area and dividing a luminance value of the edge image by an area of the partition area;
The value obtained by subtracting the reflectance of the visible red band from the reflectance of the near-infrared band in the partitioned area, and the value obtained by adding the reflectance of the near-infrared band and the reflectance of the visible red band in the partitioned area. A vegetation judging means for calculating a vegetation index of the partition area by dividing by
Shape determining means for determining a shape feature of the partition area;
Using the amount of noise, the vegetation index, and the shape feature, and including farmland determination means for determining whether the section area is farmland ,
The shape determining means checks an angle formed by each vector constituting the extracted divided area, and the formed angle indicates that the farmland-likeness is higher as the angle is closer to 0 degrees or 90 degrees,
The farmland determination means multiplies the noise amount, the vegetation index, and the shape feature by different weighting factors, calculates a sum of them, and when the value of the sum is larger than a predetermined threshold, farmland partition data creation system area, characterized that you determined to be farmland.
前記ノイズ評価値は、その値が小さいほど農地らしさが高いことを示すことを特徴とする請求項1に記載の農地区画データ作成システム。 The noise determination means calculates a noise evaluation value that is a noise amount with respect to the area of the extracted partition region,
The farm area drawing data creation system according to claim 1, wherein the noise evaluation value indicates that the smaller the value, the higher the farmland quality.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006338159A JP4887130B2 (en) | 2006-12-15 | 2006-12-15 | Farm district drawing data creation system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006338159A JP4887130B2 (en) | 2006-12-15 | 2006-12-15 | Farm district drawing data creation system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008152425A JP2008152425A (en) | 2008-07-03 |
JP4887130B2 true JP4887130B2 (en) | 2012-02-29 |
Family
ID=39654551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006338159A Expired - Fee Related JP4887130B2 (en) | 2006-12-15 | 2006-12-15 | Farm district drawing data creation system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4887130B2 (en) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6070094B2 (en) * | 2012-11-13 | 2017-02-01 | 富士通株式会社 | Cultivated land determination device, method and program |
JP2018124814A (en) * | 2017-02-01 | 2018-08-09 | キヤノン株式会社 | Image processor, imaging apparatus, image processing method, image processing program, and storage medium |
WO2018173577A1 (en) * | 2017-03-23 | 2018-09-27 | 日本電気株式会社 | Vegetation index calculation device, vegetation index calculation method, and computer readable recording medium |
WO2019087248A1 (en) * | 2017-10-30 | 2019-05-09 | 株式会社オプティム | Land use determination system, land use determination method and program |
JP7218870B2 (en) * | 2017-11-15 | 2023-02-07 | Necソリューションイノベータ株式会社 | Field breeding data collection device, feature analysis device in breeding, field breeding data collection method, program, and recording medium |
JP6672346B2 (en) * | 2018-01-30 | 2020-03-25 | 株式会社オーエムアイ | Water-filled area acquisition device, water-filled area acquisition method, and program |
CN111918547B (en) | 2018-03-23 | 2022-06-07 | 日本电气方案创新株式会社 | Crown recognition device, crown recognition method, program, and recording medium |
JP7485957B2 (en) | 2020-12-24 | 2024-05-17 | 富士通株式会社 | Land search method and program |
JP7410339B1 (en) | 2023-01-10 | 2024-01-09 | 株式会社パスコ | Identification device, identification method and program |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3944034B2 (en) * | 2002-09-05 | 2007-07-11 | 日立ソフトウエアエンジニアリング株式会社 | Partition data creation method and apparatus |
JP4452793B2 (en) * | 2004-04-26 | 2010-04-21 | 株式会社エヌ・ティ・ティ・データ | Illegal dumping point detection device, method, and program |
-
2006
- 2006-12-15 JP JP2006338159A patent/JP4887130B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008152425A (en) | 2008-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4887130B2 (en) | Farm district drawing data creation system | |
US8233712B2 (en) | Methods of segmenting a digital image | |
Malambo et al. | Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data | |
Hartling et al. | Urban tree species classification using UAV-based multi-sensor data fusion and machine learning | |
Hou et al. | Extraction of remote sensing-based forest management units in tropical forests | |
CN115965812B (en) | Evaluation method for classification of unmanned aerial vehicle images on wetland vegetation species and land features | |
CN109522904A (en) | A kind of regular farmland extracting method based on remotely-sensed data | |
Kamal et al. | A preliminary study on machine learning and *** earth engine for mangrove mapping | |
Johansen et al. | Mapping banana plantations from object-oriented classification of SPOT-5 imagery | |
US20190279353A1 (en) | Method of selecting an ordered image subset for structure assessment | |
Okubo et al. | Land use/cover classification of a complex agricultural landscape using single-dated very high spatial resolution satellite-sensed imagery | |
CN108109125A (en) | Information extracting method and device based on remote sensing images | |
Fisette et al. | Methodology for a Canadian agricultural land cover classification | |
Mohler et al. | Using UAV imagery to map invasive Phragmites australis on the Crow Island State Game Area, Michigan, USA | |
He et al. | Narrow-linear and small-area forest disturbance detection and mapping from high spatial resolution imagery | |
Andersen | Classification and estimation of forest and vegetation variables in optical high resolution satellites: a review of methodologies | |
CN114549494A (en) | Method for rapidly detecting powdery mildew of strawberries in greenhouse production environment | |
Wang et al. | Mapping Robinia pseudoacacia forest health in the Yellow River delta by using high-resolution IKONOS imagery and object-based image analysis | |
CN114694048A (en) | Sparse shrub species identification method and system based on unmanned aerial vehicle remote sensing technology | |
Bruce | Object oriented classification: case studies using different image types with different spatial resolutions | |
Saliola | Object-based image analysis for the delineation of canopy gaps and individual tree crowns using multi-source data: A case study in Haliburton Forest, Ontario | |
Anderson | Mapping Relict Charcoal Hearths in the Northeast US Using Deep Learning Convolutional Neural Networks and LIDAR Data | |
CN116935235B (en) | Fresh tea leaf identification method and related device based on unmanned tea picking machine | |
Caruso et al. | Automatic detection and agronomic characterization of olive groves using high-resolution imagery and LIDAR data | |
Pallayapelage et al. | Assessment of the Vegetation Changes using High-Resolution 4-Band Imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090702 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110906 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111107 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20111206 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20111212 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141216 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |