JP2019169060A - 領域検出装置、領域検出方法及びそのプログラム - Google Patents

Abstract

【課題】任意の２時点の地物画像から、地物が変化している領域を検出する装置、方法及びプログラムを提供する。【解決手段】領域検出装置５は、候補抽出部１０と、分類部２０と、領域抽出部３０とを備える。候補抽出部１０は、第１時点に上空から地表を撮影した第１地物画像１−１と、第１時点と異なる第２時点に地表を撮影した第２地物画像１−２とで異なる変化領域を抽出する。分類部２０は、第１地物画像１−１の位置に応じて撮影されている第１地物の第１カテゴリを推定し、第１地物の位置と第１カテゴリとの関係を示す第１分類画像を算出し、第２地物画像の位置に応じて撮影されている第２地物の第２カテゴリを推定し、第２地物の位置と第２カテゴリとの関係を示す第２分類画像とを算出する。領域抽出部３０は、第１カテゴリと、第１カテゴリと同じ位置における第２カテゴリとが予め決められた条件を満たす抽出領域を、変化領域から抽出する。【選択図】図２

Description

本発明は、領域検出装置、領域検出方法及びそのプログラムに関するものである。

近年、リモートセンシング技術を用いて、衛星画像、航空写真から土地の変化、例えば、草地に建物が建てられたなどを検出することが行われている。また、自動車や建物などの地上物体の検出も行われている。

衛星画像、航空写真から変化を検出する場合、異なる時間における同一地点の２つの画像を画素単位で比較しても、土地の変化を検出できない。衛星画像、航空写真で得られる画像の変化には、土地の変化だけでなく、撮影方向、時間などにより反射強度、影の変化が含まれるためである。また、画像の変化には、樹木の落葉、降雪などの違いも含まれる。

非特許文献１には、衛星画像から機械学習を用いて、土地被覆情報を分類する手法が開示されている。

また、非特許文献２には、機械学習により得られた識別器を用いて、地物を検出する手法が開示されている。

また、特許文献１には、第１時点と第２時点とに撮影した航空写真から変化している検出対象の領域を検出する方法が開示されている。この手法は、第１時点の航空写真と、第１時点の地図情報とから学習用データを生成する。生成した学習データにより学習した検出対象識別器を用いて、第２時点の航空写真に撮影された土地被覆を識別する。この結果を用いて、第１時点の航空写真と第２時点の航空写真とで異なる領域から、検出対象を含まない領域を除外する。

特開２０１７−３３１９７号公報

安藤 岳洋 他１名、「高分解能衛星画像Ｇｅｏｅｙｅ−１を用いた詳細土地被覆情報の取得精度検証と分類手法の比較 −港北ニュータウンを対象として−」、都市計画報告集、公益社団法人日本都市計画学会、２０１５年８月、Ｎｏ．１４、ｐ．１５３−１５７ 中村良介、他７名、「地球観測衛星画像上の地物認識」、Ｔｈｅ ３０ｔｈ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ Ｊａｐａｎｅｓｅ Ｓｏｃｉｅｔｙ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ２０１６（ＪＳＡＩ２０１６）、一般社団法人人工知能学会、２０１６年

特許文献１に記載された変化領域検出装置は、比較する２時点のうち第１時点について、対応する地図情報を要する。地図情報の更新頻度は、衛星画像などの更新頻度に比べて非常に低いため、第１時点として用いることができる画像は限定される。これにより、検出対象に適した時間間隔を設定できず、検出精度が低い場合がある。

以上の問題を解決するため、本発明は、任意の２時点の地物画像から、地物が変化している領域を検出する装置を提供することを目的の１つとする。他の目的については、以下の記載及び実施の形態の説明から理解することができる。

以下に、発明を実施するための形態で使用される番号・符号を用いて、課題を解決するための手段を説明する。これらの番号・符号は、特許請求の範囲の記載と発明を実施するための形態との対応関係の一例を示すために、参考として、括弧付きで付加されたものである。よって、括弧付きの記載により、特許請求の範囲は、限定的に解釈されるべきではない。

上記目的を達成するため、本発明の第１の態様に係る領域検出装置（５）は、候補抽出部（１０）と、分類部（２０）と、領域抽出部（３０）とを備える。候補抽出部（１０）は、第１時点に上空から地表を撮影した第１地物画像（１−１）と、第１時点と異なる第２時点に地表を撮影した第２地物画像（１−２）とで異なる変化領域を抽出する。分類部（２０）は、第１地物画像（１−１）の位置に応じて撮影されている第１地物の第１カテゴリを推定し、第１地物の位置と第１カテゴリとの関係を示す第１分類画像を算出する。また、分類部（２０）は、第２地物画像の位置に応じて撮影されている第２地物の第２カテゴリを推定し、第２地物の位置と第２カテゴリとの関係を示す第２分類画像とを算出する。領域抽出部（３０）は、第１カテゴリと、第１カテゴリと同じ位置における第２カテゴリとが予め決められた条件を満たす抽出領域を、変化領域から抽出する。また、領域抽出部（３０）は、抽出領域を含む抽出信号を生成し送信する。

前述の予め決められた条件は、第１カテゴリが予め決められた第１条件カテゴリであり、第２カテゴリが予め決められた第２条件カテゴリであることを示してもよい。

前述の領域抽出部（３０）は、形状判定部（３１）を備えてもよい。形状判定部（３１）は、互いに隣接し変化領域に含まれる画素を連結した分離領域（２００）の形状特徴を算出してもよい（ステップ１０１）。また、形状判定部（３１）は、形状特徴が、第１条件カテゴリの第１形状特徴または第２条件カテゴリの第２形状特徴に含まれない場合（ステップ１０２）に、当該形状特徴の分離領域（２００）を変化領域から除外してもよい（ステップ１０３）。

前述の予め決められた条件は、第１カテゴリまたは第２カテゴリのいずれかが予め決められた第３条件カテゴリであることを示してもよい。

前述の領域抽出部（３０）は、形状判定部（３１）を備えてもよい。形状判定部（３１）は、互いに隣接し変化領域に含まれる画素を連結した分離領域（２００）の形状特徴を算出してもよい（ステップ１０１）。また、形状判定部（３１）は、形状特徴が、第３条件カテゴリの第３形状特徴に含まれない場合（ステップ１０２）に、当該形状特徴の分離領域（２００）を変化領域から除外してもよい（ステップ１０３）。

前述の予め決められた条件は、第１カテゴリと第２カテゴリとが異なることを示してもよい。

前述の領域抽出部（３０）は、形状判定部（３１）を備えてもよい。形状判定部（３１）は、互いに隣接し変化領域に含まれる画素を連結した分離領域（２００）の形状特徴を算出してもよい（ステップ１０１）。また、形状判定部（３１）は、形状特徴が、分類部（２０）が推定し得るカテゴリの形状特徴に含まれない場合（ステップ１０２）に、当該形状特徴の分離領域（２００）を変化領域から除外してもよい（ステップ１０３）。

前述の領域抽出部（３０）は、分類決定部（３２）を備えてもよい。分類決定部（３２）は、第１分類画像の中の変化領域に対応する領域において（ステップ１１２）、互いに隣接し同一カテゴリの画素を連結して形成される第１領域の面積に基づき（ステップ１１３、１１４）、第１カテゴリの領域を統合した第１統合領域を算出してもよい（ステップ１１５）。また、分類決定部（３２）は、第２分類画像の中の変化領域に対応する領域において（ステップ１１２）、互いに隣接し同一カテゴリの画素を連結して形成される第２領域の面積に基づき（ステップ１１３、１１４）、第２カテゴリの領域を統合した第２統合領域を算出してもよい（ステップ１１５）。また、前述の領域抽出部（３０）は、第１統合領域の第１カテゴリと、第１カテゴリと同じ位置における第２統合領域の第２カテゴリとが予め決められた条件を満たす領域を、変化領域から抽出してもよい（１２２）。

前述の分類決定部（３２）は、第１分類画像の中の変化領域に対応する領域において、第１領域の面積が予め決められた閾値より小さい場合（ステップ１１４）、第１領域に隣接する画素を含む第１カテゴリの領域に、第１領域を統合してもよい（ステップ１１５）。また、分類決定部（３２）は、第２分類画像の中の変化領域に対応する領域において、第２領域の面積が予め決められた閾値より小さい場合（ステップ１１４）、第２領域に隣接する画素を含む第２カテゴリの領域に、第２領域を統合してもよい（ステップ１１５）。

前述の分類決定部（３２）は、第１領域に隣接する第１カテゴリの領域のうち、第１領域と第１カテゴリの領域との境界線が最も長い第１カテゴリの領域に、第１領域を統合してもよい（ステップ１１５）。また、分類決定部（３２）は、第２領域に隣接する第２カテゴリの領域のうち、第２領域と第２カテゴリの領域との境界線が最も長い第２カテゴリの領域に、第２領域を統合してもよい（ステップ１１５）。

前述の領域抽出部（３０）は、抽出領域（３２０）に隣接する隣接領域（３３０）の第１カテゴリと第２カテゴリとに基づき、抽出領域（３２０）に隣接領域（３３０）を連結する後処理部（３４）を備えてもよい。

前述の後処理部（３４）は、隣接領域（３３０）における第１カテゴリが、抽出領域（３２０）の第１カテゴリと等しく、隣接領域（３３０）における第２カテゴリが、抽出領域（３３０）の第２カテゴリと等しい場合に、抽出領域（３２０）に隣接領域（３３０）を連結してもよい。

前述の隣接領域（３３０）は、互いに隣接し同一のカテゴリの画素を連結した領域でもよい。

本発明の第２の態様に係る領域検出装置（５）は、分類部（２０）と、変化判定部（３３）と、候補抽出部（１０）とを備える。分類部（２０）は、第１時点に上空から地表を撮影した第１地物画像（１−１）の位置に応じて撮影されている第１地物の第１カテゴリを推定し、第１地物の位置と第１カテゴリとの関係を示す第１分類画像を算出する。また、分類部（２０）は、第１時点と異なる第２時点に地表を撮影した第２地物画像（１−２）の位置に応じて撮影されている第２地物の第２カテゴリを推定し、第２地物の位置と第２カテゴリとの関係を示す第２分類画像とを算出する。変化判定部（３３）は、第１カテゴリと、第１カテゴリと同じ位置における第２カテゴリとが予め決められた条件を満たす第１領域を抽出する。候補抽出部（１０）は、第１領域において、第１地物画像と（１−１）、第２地物画像（１−２）とで異なる領域を抽出する。

本発明の第３の態様に係る領域検出方法は、演算装置が実行する候補抽出手段と、分類手段と、領域抽出手段とを含む。候補抽出手段は、第１時点に上空から地表を撮影した第１地物画像（１−１）と、第１時点と異なる第２時点に地表を撮影した第２地物画像（１−２）とで異なる変化領域を抽出する。分類手段は、第１地物画像（１−１）の位置に応じて撮影されている第１地物の第１カテゴリを推定し、第１地物の位置と第１カテゴリとの関係を示す第１分類画像を算出する。また、分類手段は、第２地物画像（１−２）の位置に応じて撮影されている第２地物の第２カテゴリを推定し、第２地物の位置と第２カテゴリとの関係を示す第２分類画像とを算出する。領域抽出手段は、第１カテゴリと、第１カテゴリと同じ位置における第２カテゴリとが予め決められた条件を満たす抽出領域を、変化領域から抽出する。

本発明の第４の態様に係るプログラムは、演算装置に実行させるための候補抽出手段と、分類手段と、領域抽出手段とを含む。候補抽出手段は、第１時点に上空から地表を撮影した第１地物画像（１−１）と、第１時点と異なる第２時点に地表を撮影した第２地物画像（１−２）とで異なる変化領域を抽出する。分類手段は、第１地物画像（１−１）の位置に応じて撮影されている第１地物の第１カテゴリを推定し、第１地物の位置と第１カテゴリとの関係を示す第１分類画像を算出する。また、分類手段は、第２地物画像（１−２）の位置に応じて撮影されている第２地物の第２カテゴリを推定し、第２地物の位置と第２カテゴリとの関係を示す第２分類画像とを算出する。領域抽出手段は、第１カテゴリと、第１カテゴリと同じ位置における第２カテゴリとが予め決められた条件を満たす抽出領域を、変化領域から抽出する。

本発明によれば、任意の２時点の地物画像から、地物が変化している領域を検出することができる。

実施の形態１に係る領域検出装置の模式図である。 図１の領域検出装置の機能構成を示す図である。 図２の候補抽出部の機能構成を示す図である。 図２の分類部の機能構成を示す図である。 図２の領域抽出部の機能構成を示す図である。 図５の形状判定部の処理に関するフロー図である。 図６の形状特徴を説明するための図である。 図５の分類決定部の処理に関するフロー図である。 図８の平滑化を説明するための図である。 図８の平滑化を説明するための図である。 図８のカテゴリ領域の統合を説明するための図である。 図８のカテゴリ領域の統合を説明するための図である。 図５の変化判定部の処理に関するフロー図である。 図５の後処理部の処理に関するフロー図である。 図１４の隣接領域を説明するための図である。 図１４の隣接領域を説明するための図である。 複数の地物画像を入力できる領域検出装置の機能構成を示す図である。 実施の形態２に係る領域検出装置の機能構成を示す図である。

（実施の形態１）
実施の形態１に係る領域検出装置５は、図１に示すように、入力装置９００と、演算装置９０１と、記憶装置９０２と、通信装置９０３とを備える。入力装置９００は、キーボード、マウス、スキャナなどを含み、領域検出装置５にデータを入力する装置である。演算装置９０１は、中央演算装置（ＣＰＵ）、専用回路などを含み、領域検出装置５で処理するための演算を行う。また、演算装置９０１は、記憶装置９０２に格納されたプログラム９１０を読み出し、プログラム９１０の命令に基づき処理を行う。さらに、演算装置９０１は、入力装置９００から入力されるデータを取得し、プログラム９１０の命令を実行するために利用する。記憶装置９０２は、演算装置９０１で使用される各種データが格納されている。また、記憶装置９０２は、演算装置９０１の処理内容を示すプログラム９１０を格納する。通信装置９０３は、領域検出装置５の外部と通信し、演算装置９０１の処理に必要なデータの送受信を行う。領域検出装置５は、例えば、コンピュータを含む。

また、領域検出装置５は、表示装置７に接続され、演算装置９０１で算出した結果を表示装置７に出力する。表示装置７は出力された算出結果を表示する。

領域検出装置５の機能構成と動作とを説明する。領域検出装置５は、図２に示すように、候補抽出部１０と、分類部２０と、領域抽出部３０とを備える。領域検出装置５は、上空から地表を撮影した２つの第１地物画像１−１と、第２地物画像１−２とから、地物が変化している領域を抽出する。領域検出装置５は、抽出した領域を示す画像を含む抽出信号を生成し、表示装置７に送信する。表示装置７は、抽出信号に基づき、抽出した領域を示す画像を表示する。ここでは、第１地物画像１−１と、第２地物画像１−２とを総称して、地物画像１と呼ぶ。地物画像１は、衛星画像、航空写真などの上空から地表を撮影した種々の画像を含む。また、第１地物画像１−１と第２地物画像１−２とは、異なる時点に、同じ地表を撮影した画像である。例えば、第２地物画像１−２は、第１地物画像１−１を撮影した第１時点から２４時間後の第２時点に撮影したものが例示される。ここで、地物画像１は、入力装置９００からスキャナ等で取り込まれてもよい。また、外部から通信装置９０３を介して取り込まれてもよい。候補抽出部１０と、分類部２０と、領域抽出部３０とで実行される処理はプログラム９１０に記載され、演算装置９０１で実行される。

候補抽出部１０は、第１地物画像１−１と、第２地物画像１−２とで画像が変化している領域を変化領域として抽出する。候補抽出部１０は、図３に示すように、特徴算出部１１と、変化算出部１２と、候補決定部１３とを備える。

特徴算出部１１は、地物画像１の各画素の特徴量を算出する。特徴量は、対応する画素を含む小領域の特徴を示す値である。特徴算出部１１は、例えば、小領域において、縦方向と横方向とで空間周波数領域を算出し、その振幅とスペクトル情報を特徴量として算出する。特徴量は検出対象に合わせて、種々の算出方法から選択することができる。例えば、特徴算出部１１は、小領域ごとに特徴量を算出してもよい。また、特徴量はベクトル量でもスカラー量でもよい。

変化算出部１２は、同じ位置における、特徴算出部１１で算出した第１地物画像１−１の特徴量と、第２地物画像１−２の特徴量との差を変化量として算出する。具体的には、第１地物画像１−１の第１画素と、それと同じ位置の第２地物画像１−２の第２画素とを対応づける。第１画素の特徴量と第２画素の特徴量との差を変化量として算出する。これをすべての画素に対して行う。なお、特徴量がベクトル量のとき、変化量は第１画素の特徴量と第２画素の特徴量との差を示すベクトルである。

候補決定部１３は、変化算出部１２で算出した変化量が予め決められた条件を満たす画素を抽出する。変化量がスカラー量のときは、例えば、変化量が予め決められた閾値以上である画素を抽出する。変化量がベクトル量のときは、例えば、変化量の長さが閾値以上である画素を算出する。また、変化量の成分の値を予め決められた閾値ベクトルの成分の値と比較し、特定の成分が予め決められた条件を満たす画素を抽出してもよい。例えば、特定の成分において、変化量の値が閾値ベクトルの値以上である画素を抽出してもよい。また、特定の成分において変化量の値が閾値ベクトルの成分の値以上であり、他の特定の成分において変化量の値が閾値ベクトルの値以下である画素を抽出してもよい。候補決定部１３は、複数の閾値ベクトルを有してもよい。例えば、閾値ベクトルが複数あるときは、変化量が少なくとも１つの閾値ベクトルの条件を満たす画素を抽出してもよい。また、検出対象に応じて１つ以上の閾値ベクトルを選択してもよい。候補決定部１３は、抽出した画素で占められる領域を変化領域として算出する。

分類部２０は、地物画像１に撮影されている地物のカテゴリを推定し、地物画像１の位置と推定したカテゴリとの関係を示す分類画像を生成する。ここで、分類部２０は、第１地物画像１−１と第２地物画像１−２とのそれぞれに対して処理を行う。このため、分類部２０は、第１地物画像１−１から第１分類画像を、第２地物画像１−２から第２分類画像を生成する。分類部２０は、図４に示すように、分類器２１と、サンプル構築部２２とを備える。

分類器２１は、サンプル画像を用いて地物のカテゴリを学習する。学習した結果を用いて、分類器２１は、地物画像１の位置に応じて撮影されている地物のカテゴリを推定する。地物画像１の位置と推定したカテゴリとを示す分類画像を生成する。分類器２１の学習には、種々の方式を選択することができる。例えば、分類器２１は、複数のサンプル画像を入力し、それらの画像をクラスタリングする。クラスタリングした結果と、各クラスタに割当てられたサンプル画像とから、各クラスタのカテゴリを決定してもよい。また、ディープラーニングにより学習させてもよい。さらに、地図情報に含まれない自動車などの移動体についても、分類器２１は分類することができる。

サンプル構築部２２は、複数の学習用画像２から分類器２１が学習するためのサンプル画像を構築する。学習用画像２は、領域検出装置５に入力する地物画像１を含んでもよい。サンプル構築部２２は、分類器２１の学習方式に対応したサンプル画像を構築する。例えば、分類器２１において教師有り学習を行う場合、分類すべきカテゴリと、それに対応したサンプル画像を構築する。ここで、サンプル画像は、第１地物画像１−１と第２地物画像１−２とに限定されず、様々な学習用画像２を用いることができる。このため、撮影方向、撮影時間などの違いにより色、形などが変化しても、分類部２０は地物のカテゴリを分類することができる。また、樹木の落葉、降雪などの変化に対しても、分類部２０は適切に分類することができる。

領域抽出部３０は、候補抽出部１０が算出した変化領域と、分類部２０が生成した分類画像とに基づき、地物が変化している領域を抽出する。領域抽出部３０は、図５に示すように、形状判定部３１と、分類決定部３２と、変化判定部３３と、後処理部３４とを備える。

形状判定部３１は、候補抽出部１０が算出した変化領域の形状から、検出対象のカテゴリに含まれない領域を除外する。具体的には、図６に示す処理を行う。

形状判定部３１は、最初のステップ１００において、候補抽出部１０で算出された変化領域を取得する。変化領域は、第１地物画像１−１の特徴量と第２地物画像１−２の特徴量との差が予め決められた条件を満たす画素が占める領域である。このため、図７に示すように、互いに隣接し変化領域に含まれる画素を連結した分離領域２００−１、２００−２、・・・は、互いに分離された複数の領域を含む場合がある。分離領域２００−１、２００−２、・・・を総称して、分離領域２００と呼ぶ。

次に、形状判定部３１は、ステップ１０１において、変化領域に含まれる分離領域２００−１の形状特徴を算出する。ここで、形状特徴とは、分離領域２００−１の形状から得られる特徴量である。例えば、図７に示すように、バウンディングボックス２０１−１として、分離領域２００−１を囲む最小の長方形を算出する。形状特徴は、バウンディングボックス２０１−１の長辺の長さ、短辺の長さ、長辺と短辺との比、面積、分離領域の面積、バウンディングボックス２０１−１の面積と分離領域の面積との比などを含んでもよい。また、形状特徴は、長辺の長さなどの中から１つを選択したスカラー量でもよい。また、形状特徴は、長辺の長さなどの中から複数を選択したベクトル量でもよい。

ステップ１０２において、形状判定部３１は、形状特徴が検出対象のカテゴリの形状特徴に含まれるかを判定する。例えば、形状判定部３１には、検出対象のカテゴリに応じて、複数の形状特徴が格納されている。分離領域２００−１から得られた形状特徴と、形状判定部３１に格納されている形状特徴との差を、それぞれ算出する。算出された差の最小値が予め決められた閾値以下の場合、形状判定部３１は、分離領域２００−１の形状特徴が検出対象のカテゴリの形状特徴に含まれていると判定する。算出された差の最小値が閾値より大きい場合、形状判定部３１は、分離領域２００−１の形状特徴が検出対象のカテゴリの形状特徴に含まれていないと判定する。分離領域２００−１の形状特徴が検出対象のカテゴリの形状特徴に含まれていない場合、処理はステップ１０３に移行する。分離領域２００−１の形状特徴が検出対象のカテゴリの形状特徴に含まれる場合、処理はステップ１０４に移行する。また、検出対象のカテゴリが複数ある場合、形状判定部３１は、それぞれのカテゴリの形状特徴と、分離領域２００−１の形状特徴との差を算出する。形状判定部３１は、算出した差のうちの最小値を閾値と比較し、判定する。検出対象のカテゴリに対して、形状特徴は１つでもよい。ここで、カテゴリの形状特徴は、分類部２０のサンプル構築部２２で構築したサンプル画像に基づき算出してもよい。

ここで、検出対象のカテゴリは、例えば、カテゴリＡからカテゴリＢに変化した領域、例えば土壌から建造物に変化した領域を検出する場合、カテゴリＡとカテゴリＢとが検出対象のカテゴリに含まれる。また、第１地物画像１−１と第２地物画像１−２とのいずれかにおいて、カテゴリＡに属する領域、例えば自動車に属する領域を抽出する場合は、カテゴリＡが検出対象のカテゴリに含まれる。

ステップ１０３では、形状判定部３１は、分離領域２００−１が検出対象に含まれないとして、変化領域から分離領域２００−１を除外する。その後、処理はステップ１０４に移行する。

ステップ１０４において、形状判定部３１は、すべての分離領域２００について、ステップ１０２の判定を行ったかを確認する。形状特徴を算出していない分離領域２００が残っている場合、形状判定部３１は、ステップ１０１に移行し、当該分離領域２００の形状特徴を算出する。すべての分離領域２００について、形状特徴を算出し、検出対象のカテゴリの形状特徴と比較した場合、形状判定部３１は処理を終了する。

このようにして、形状判定部３１は、候補抽出部１０が算出した変化領域の形状から、検出対象のカテゴリに含まれない領域を除外する。

分類決定部３２は、分類画像において、互いに隣接する同一カテゴリの画素が占める面積に基づき、隣接するカテゴリの領域に統合した統合領域を算出する。統合領域は、カテゴリと、その位置とを示す。ここで、分類決定部３２は、第１分類画像において領域を統合した第１統合領域と、第２分類画像において領域を統合した第２統合領域とを算出する。具体的には、分類決定部３２は、図８の処理を行う。

分類決定部３２は、最初のステップ１１０において、分類部２０が生成した分類画像と、形状判定部３１の処理が終了した変化領域とを取得する。分類画像は、図９に示すように、画素の位置に、分類部２０が推定したカテゴリの番号を示したデータである。「１」と記載された画素は、分類部２０が第１カテゴリと推定したことを示す。同様に「２」と記載された画素は第２カテゴリと、「３」と記載された画素は第３カテゴリと、「４」と記載された画素は第４カテゴリと推定されたことを示す。つまり、分類部２０は、地物画像１に第１カテゴリの第１カテゴリ領域３００−１と、第２カテゴリの第２カテゴリ領域３００−２と、第３カテゴリの第３カテゴリ領域３００−３と、第４カテゴリの第４カテゴリ領域３００−４とが含まれると推定したことを示す。

分類決定部３２は、次にステップ１１１において、分類部２０が生成した分類画像の平滑化を行う。これにより、分類決定部３２は、分類画像のノイズを除去する。平滑化は、例えば、隣接する同一カテゴリの画素を連結して形成される領域の面積が予め決められた閾値より小さい場合に、分類決定部３２は、当該領域に隣接し、互いにカテゴリが同じ画素の数に応じて、当該領域を隣接するカテゴリに変更する。言い換えると、分類決定部３２は、互いに隣接し、同一カテゴリの画素が占める領域をカテゴリ領域３００として算出する。算出したカテゴリ領域３００の面積が閾値より小さい場合、分類決定部３２は、この領域に隣接する画素を抽出し、カテゴリごとの画素数を算出する。画素数が最も多いカテゴリに、当該領域のカテゴリを変更する。具体的には、図９に示すように、分類部２０により、第１カテゴリと推定された第１カテゴリ領域３００−１と、第２カテゴリと推定された第２カテゴリ領域３００−２と、第３カテゴリと推定された第３カテゴリ領域３００−３と、第４カテゴリと推定された第４カテゴリ領域３００−４とを、分類画像が含むとする。この場合、第１カテゴリと推定された第１カテゴリ領域３００−１の画素数は２である。閾値が３以上の場合、分類決定部３２は、第１カテゴリ領域３００−１はノイズとして、隣接するカテゴリ領域３００に統合する。ここで、第１カテゴリ領域３００−１に隣接する第２カテゴリ領域３００−２の画素数は２である。第１カテゴリ領域３００−１に隣接する第３カテゴリ領域３００−３の画素数は６である。第１カテゴリ領域３００−１に隣接する第４カテゴリ領域３００−４の画素数は２である。この場合、分類決定部３２は、第３カテゴリ領域３００−３の画素数が最も大きいため、第１カテゴリ領域３００−１は、第３カテゴリ領域３００−３に統合する。この結果、分類決定部３２は、図１０に示すように、第１カテゴリ領域３００−１を第３カテゴリに変更する。また、平滑化は、この方法に限定されず、ノイズを除去できる種々の方法を選択してよい。

分類決定部３２は、次にステップ１１２において、分類画像から変化領域に対応する領域を分類領域３１０−１、３１０−２、・・・として抽出する。ここで、分類領域３１０−１、３１０−２、・・・を総称して、分類領域３１０と呼ぶ。例えば、図１１に示すように、変化領域に対応した分類領域３１０−１を抽出する。分類領域３１０は、変化領域に対応する領域であるため、分離された複数の領域が含まれる場合がある。

次に、分類決定部３２は、抽出した分類領域３１０において、隣接する同一カテゴリの画素を連結したカテゴリ領域３００を算出する（ステップ１１３）。図１１に示すように、分類決定部３２は、分類領域３１０−１において、第１カテゴリの画素を連結し、第１カテゴリ領域３００−１を算出する。同様に、第２カテゴリの画素を連結し、第２カテゴリの第２カテゴリ領域３００−２を、第３カテゴリの画素を連結し、第３カテゴリ領域３００−３を算出する。

ステップ１１４において、分類決定部３２は、得られたカテゴリ領域３００の面積を算出し、予め決められた閾値より小さい面積のカテゴリ領域３００を検索する。その結果、面積の小さなカテゴリ領域３００があれば、処理はステップ１１５に移行する。例えば、分類領域３１０−１において、第１カテゴリ領域３００−１と、第２カテゴリ領域３００−２と、第３カテゴリ領域３００−３との面積を算出する。閾値より小さなカテゴリ領域３００として、第２カテゴリ領域３００−２が得られたとする。

次にステップ１１５において、分類決定部３２は、検索されたカテゴリ領域３００を隣接するカテゴリ領域３００に統合する。例えば、分類決定部３２は、隣接するカテゴリ領域３００の中で、統合されるカテゴリ領域３００との境界線が最も長いカテゴリ領域３００に統合する。具体的には、図１１に示すように、第２カテゴリ領域３００−２の面積が閾値より小さいとする。この場合、分類決定部３２は、第２カテゴリ領域３００−２に隣接するカテゴリ領域３００を検索する。この結果、第１カテゴリ領域３００−１と第３カテゴリ領域３００−３とが抽出される。この隣接するカテゴリ領域３００の中で、境界線が最も長いカテゴリ領域３００を選択する。第２カテゴリ領域３００−２との境界線が最も長いカテゴリ領域３００として、第１カテゴリ領域３００−１が選択される。分類決定部３２は、この選択された第１カテゴリ領域３００−１に、面積の小さな第２カテゴリ領域３００−２を統合する。この結果、分類決定部３２は、図１２に示すように、第１カテゴリ領域３００−１と第３カテゴリ領域３００−３とから構成される分類領域３１０−１を得る。その後、ステップ１１４に移行し、面積の小さなカテゴリ領域３００があるかを検索する。

ステップ１１４において、閾値より小さな面積のカテゴリ領域３００がない場合、分類決定部３２は、処理を終了する。例えば、図１２に示すように、分類領域３１０−１において、第１カテゴリ領域３００−１と、第３カテゴリ領域３００−３とが残っている。このため、統合領域には、第１カテゴリ領域３００−１と、第３カテゴリ領域３００−３とが含まれる。

分類決定部３２は、このように、互いに隣接し同一カテゴリの画素を連結して形成される領域の面積に基づき、分類画像のカテゴリの領域を統合した統合領域を算出する。

変化判定部３３は、図５に示すように、形状判定部３１が算出した変化領域と、分類決定部３２が算出した統合領域に基づき、変化領域から地物が変化している領域を抽出する。具体的には、変化判定部３３は、図１３に示す処理を行う。

変化判定部３３は、最初にステップ１２１において、分類決定部３２が算出した第１統合領域と第２統合領域とを取得する。第１統合領域は、変化領域において、第１地物画像１−１を地物のカテゴリに対応して連結された領域を示す。第２統合領域は、変化領域において、第１地物画像１−１を地物のカテゴリに対応して連結された領域を示す。

次にステップ１２２において、変化判定部３３は、第１統合領域と第２統合領域とが検出対象のカテゴリである領域を抽出する。カテゴリＡからカテゴリＢに変化した領域、例えば土壌から建造物に変化した領域を検出する例を示す。この場合、第１統合領域においてカテゴリＡに属し、第２統合領域においてカテゴリＢに属する領域を抽出する。抽出した領域に対応する変化領域を、抽出領域３２０として抽出する。言い換えると、第１統合領域において第１条件カテゴリである領域のうち、第２統合領域において第２条件カテゴリである領域を抽出する。このように、第１地物画像１−１と第２地物画像１−２とで異なり、地物のカテゴリがカテゴリＡからカテゴリＢに変化した領域、例えば土壌から建造物に変化した領域を抽出することができる。この第１条件カテゴリと第２条件カテゴリとは、ユーザが入力装置９００に入力したカテゴリでもよい。また、予め決められたカテゴリでもよい。

また、変化判定部３３は、第１地物画像１−１と第２地物画像１−２とのいずれかにおいて、カテゴリＡに属する領域、例えば自動車に属する領域を抽出してもよい。この場合、変化判定部３３は、第１統合領域においてカテゴリＡに属する領域、又は、第２統合領域においてカテゴリＡに属する領域を抽出する。抽出した領域に対応する変化領域を、抽出領域３２０として抽出する。このように、変化判定部３３は、第１地物画像１−１と第２地物画像１−２とのいずれかで地物のカテゴリがカテゴリＡに属する領域を抽出することができる。

また、変化判定部３３は、入力装置９００から入力信号に基づき、前述の処理を切り替えてもよい。言い換えると、ユーザが入力装置９００に入力した内容に基づき、変化判定部３３の処理を切り替えてもよい。

後処理部３４は、抽出領域３２０の精度を向上するために、隣接する領域のカテゴリに基づき、当該領域を抽出領域３２０に連結する。影などの影響により、検出対象のカテゴリに属する領域の一部が変化領域として抽出されない場合がある。このため、後処理部３４は、抽出領域３２０に隣接し、カテゴリが同一の領域を連結する。これにより、検出する領域の精度が向上する。具体的には、後処理部３４は、図１４に示す処理を行う。

後処理部３４は、最初にステップ１３０において、分類部２０が生成した第１分類画像と、分類決定部３２が算出した第１統合領域と、変化判定部３３が抽出した抽出領域３２０とを取得する。第１分類画像は、第１地物画像１−１に撮影された地物のカテゴリを画素ごとに推定された画像である。第１統合領域は、変化領域において、隣接する画素が属するカテゴリに基づき算出された地物のカテゴリを示す。

次にステップ１３１において、後処理部３４は、抽出領域３２０に対応する位置の第１統合領域のカテゴリを取得する。これにより、後処理部３４は、抽出領域３２０における地物のカテゴリを取得する。具体的には、図１５に示すように、抽出領域３２０−１に含まれる地物のカテゴリを取得する。

ステップ１３２において、後処理部３４は、抽出領域３２０に連結し得る隣接領域の有無を検索する。このため、後処理部３４は、抽出領域３２０に隣接する画素のカテゴリを第１分類画像から取得する。隣接する画素から、抽出領域３２０に対応するカテゴリと同じカテゴリの画素を抽出する。第１分類画像において、抽出した画素に隣接し、同じカテゴリの画素を連結し、第１隣接領域を算出する。例えば、後処理部３４は、抽出領域３２０−１に隣接する領域のうち、図１５に示すように、抽出領域３２０−１と同じカテゴリを示す隣接領域３３０−１を取得する。隣接領域３３０−１は、互いに隣接し同一カテゴリの画素を連結した領域である。一方、非隣接領域３３５−１は、抽出領域３２０−１のカテゴリとは異なる。このため、非隣接領域３３５−１は、第１隣接領域に含まれない。このように、後処理部３４は、第１地物画像１−１に対する第１隣接領域を取得する。

また、図１６に示すように、抽出領域３２０は、抽出領域３２０−１−１と抽出領域３２０−１−２とを含むとする。この場合、抽出領域３２０−１−１に隣接する隣接領域３３０−１は、抽出領域３２０−１−１と同じカテゴリであるため、第１隣接領域として取得する。また、抽出領域３２０−１−２に隣接する隣接領域３３０−２も、抽出領域３２０−１−２と同じカテゴリであるため、第１隣接領域として取得する。言い換えると、第１隣接領域には、隣接領域３３０−１と、隣接領域３３０−２とが含まれる。

次に、後処理部３４は、ステップ１３０〜１３２と同様に、ステップ１３３〜１３５において、第２地物画像１−２に対する第２隣接領域を取得する。具体的には、ステップ１３３において、後処理部３４は、分類部２０が生成した第２分類画像と、分類決定部３２が算出した第２統合領域とを取得する。

ステップ１３４において、後処理部３４は、抽出領域３２０に対応する位置の第２統合領域のカテゴリを取得する。これにより、後処理部３４は、抽出領域３２０における地物のカテゴリを取得する。

ステップ１３５において、後処理部３４は、抽出領域３２０に隣接し、同じカテゴリの画素を第２分類画像から取得する。隣接する画素から、抽出領域３２０に対応するカテゴリと同じカテゴリの画素を抽出する。第２分類画像において、抽出した画素に隣接し、同じカテゴリの画素を連結し、第２隣接領域を算出する。このように、後処理部３４は、第２地物画像１−２に対する第２隣接領域を取得する。

ステップ１３６において、後処理部３４は、第１隣接領域と第２隣接領域とが重複する領域を抽出する。抽出した領域を抽出領域３２０に連結する。言い換えると、抽出領域３２０に隣接する領域が、第１分類画像において第１統合領域の抽出領域３２０におけるカテゴリと等しく、第２分類画像において第２統合領域の抽出領域３２０におけるカテゴリと等しい場合に、後処理部３４は、この領域を抽出領域３２０に連結する。これにより、領域検出装置５は、影などの影響により、検出対象の一部が変化領域に含まれない場合であっても、検出対象の領域として検出することができる。

表示装置７に抽出した抽出領域３２０を表示するため、領域抽出部３０は、抽出した抽出領域３２０を含む抽出信号を生成する。表示装置７は、抽出信号に基づき、第１地物画像１−１と第２地物画像１−２とで変化している領域を表示する。ユーザは、表示装置７を目視することで、第１地物画像１−１と第２地物画像１−２とで変化し、対象のカテゴリに属する領域を確認することができる。ここで、第１地物画像１−１と第２地物画像１−２とを撮影する時点は任意に選択することができる。

このように、領域検出装置５は、第１地物画像１−１と第２地物画像１−２とに対して、候補抽出部１０と、分類部２０と、領域抽出部３０との処理を行う。これにより、第１地物画像１−１と第２地物画像１−２とで変化している領域のうち、検出対象のカテゴリに限定して抽出することができる。また、実際は検出対象に属する地物が撮影されていても、影などの影響により、第２地物画像１−２において、検出対象と異なる地物のカテゴリに推定される場合がある。この場合、第１地物画像１−１と第２地物画像１−２とのいずれかが検出対象である領域を抽出することで、領域検出装置５は、第１地物画像１−１において検出対象と推定され、抽出領域３２０に含まれる。言い換えると、第１地物画像１−１と第２地物画像１−２との両方で検出対象を推定することで、影などの影響を抑制することができる。つまり、領域検出装置５は、従来の方法に比べて、検出の精度が高い。

また、領域検出装置５は、検出対象のカテゴリを決定せず、カテゴリが変化している領域を抽出することもできる。この場合、検出対象は、サンプル画像で得られるすべてのカテゴリを対象として処理を行う。例えば、形状判定部３１において、検出対象のカテゴリの形状特徴と分離領域２００の形状特徴とを比較する際に（図６のステップ１０２）、すべてのカテゴリの形状特徴と分離領域２００の形状特徴とを比較する。また、変化判定部３３において、第１統合領域と、第２統合領域とで異なるカテゴリに属する領域を抽出する（図１３のステップ１２２）。これにより、領域検出装置５は、カテゴリが変化している領域を抽出する。

また、後処理部３４は、さらに、抽出領域３２０において、変化算出部１２で算出した特徴量の差と、分類決定部３２が算出した第１統合領域と第２統合領域とに基づき、変化の尤度を算出してもよい。この場合、領域検出装置５は、抽出信号に算出した尤度を加えてもよい。これにより、表示装置７は、抽出領域３２０に尤度を合わせて表示できる。この場合、ユーザは尤度が高い領域から地物の変化を確認することができ、作業効率が上がる。また、算出した尤度が予め決められた閾値より小さい場合に、当該尤度の領域を抽出領域３２０から除外してもよい。これにより、表示装置７には、尤度の高い領域だけが表示される。後処理部３４は、図１４に示す処理を省略し、尤度の算出処理のみを実行してもよい。

また、分類部２０は、候補抽出部１０が算出した変化領域を取得し、変化領域に対して第１分類画像と第２分類画像とを算出してもよい。これにより、分類部２０での処理に要する時間を短縮することができる。また、この場合、変化領域の範囲に限り地物のカテゴリを算出しているため、後処理部３４における隣接領域３３０を連結する処理、具体的には図１４に示す処理を省略してもよい。

また、サンプル構築部２２は、分類器２１が学習するサンプル画像を構築する。このため、分類器２１が学習済みの場合、分類部２０はサンプル構築部２２を備えなくてもよい。この場合、学習済みの分類器２１を、入力装置９００を用いて、ユーザが入力してもよい。また、通信装置９０３を介して、外部から学習済みの分類器２１を取得してもよい。

また、図１７に示すように、領域検出装置５は、第１地物画像１−１と第２地物画像１−２とにおける変化領域を算出するために、互いに異なる時点に撮影した複数の地物画像１を用いてもよい。候補抽出部１０は、第１地物画像１−１と第２地物画像１−２とを含む複数の地物画像１のうちの２つから、変化領域を抽出する。また、分類部２０は、第１地物画像１−１と第２地物画像１−２とを含む複数の地物画像１について、分類画像を生成する。領域抽出部３０は、候補抽出部１０が算出した複数の変化領域と、分類部２０が生成した複数の分類画像とに基づき、変化領域から検出対象のカテゴリに属する領域を抽出する。例えば、対象となる２時点において変化領域として算出された領域が、その他の２時点において変化領域として算出されない場合がある。この領域は影などの変化により抽出されたと判断できるため、領域抽出部３０は、この領域を変化領域から除外してもよい。これにより、誤検出が抑制される。さらに、領域検出装置５は、複数の地物画像１を使用するため、地物画像１が撮影された順番と、その変化とに基づき、地物が変化した領域を抽出することができる。また、特定の地物の上を移動する移動体、例えば自動車を抽出する場合に、多数の地物画像１を使用し、道路、駐車場などの移動体が移動する地物の領域を抽出する。その後、抽出対象となる時点前後の地物画像１から、移動体が移動する地物の領域において、地物が変化している領域を抽出することができる。

（実施の形態２）
実施の形態２では、候補抽出部１０は、分類部２０が算出した第１分類画像と第２分類画像とに基づき、特徴量を算出する範囲を限定する例を説明する。この場合、候補抽出部１０の処理時間を短縮することができる。

実施の形態２に係る領域検出装置５は、実施の形態１と同様のハードウェア構成を有し、入力装置９００と、演算装置９０１と、記憶装置９０２と、通信装置９０３とを備える。

領域検出装置５の機能構成と動作とを説明する。領域検出装置５は、図１８に示すように、候補抽出部１０と、分類部２０と、領域抽出部３０とを備える。分類部２０は、実施の形態１と同様に機能する。

領域抽出部３０は、変化判定部３３と、後処理部３４とを備える。変化判定部３３は、分類部２０で生成した第１分類画像と第２分類画像とから、検出対象のカテゴリに属する領域を抽出する。具体的には、変化判定部３３は、分類部２０が生成した第１分類画像と第２分類画像とを取得する。変化判定部３３は、取得した第１分類画像と第２分類画像との平滑化を行い、ノイズを除去する。ノイズを除去した第１分類画像と第２分類画像とから検出対象のカテゴリに属する領域を抽出する。例えば、カテゴリＡからカテゴリＢに変化する領域を抽出する場合は、第１分類画像においてカテゴリＡに属し、第２分類画像においてカテゴリＢに属する領域を抽出する。また、変化判定部３３は、第１分類画像においてカテゴリＡに属する領域、又は、第２分類画像においてカテゴリＡに属する領域を抽出してもよい。また、変化判定部３３は、第１分類画像と、第２分類画像とで異なるカテゴリに属する領域を抽出してもよい。

候補抽出部１０は、変化判定部３３が抽出した領域において、第１地物画像１−１と第２地物画像１−２とで画像が異なる領域を算出する。具体的には、候補抽出部１０は、変化判定部３３が抽出した領域において、第１地物画像１−１と第２地物画像１−２との特徴量を算出する。次に、第１地物画像１−１の特徴量と、第２地物画像１−２の特徴量との差を変化量として算出する。算出した変化量が予め決められた閾値よりも大きい領域を抽出する。この抽出した領域が第１地物画像１−１と第２地物画像１−２とで画像が異なる領域に相当する。このように、変化判定部３３が抽出した領域に対して、実施の形態１と同様の処理を行う。

後処理部３４は、候補抽出部１０が抽出した領域を抽出領域３２０として、第１分類画像を第１分類画像と第１統合領域として、第２分類画像を第２分類画像と第２統合領域として、実施の形態１と同様の処理を行う。これにより、候補抽出部１０が抽出した領域に隣接する領域を連結することができる。

領域抽出部３０は、後処理部３４が連結した領域を含む抽出信号を生成する。表示装置７は、実施の形態１と同様に、抽出信号に基づき、第１地物画像１−１と第２地物画像１−２とで変化している領域を表示する。

領域抽出部３０は、実施の形態１と同様の機能を有する形状判定部３１を備えてもよい。この場合、形状判定部３１は、候補抽出部１０が抽出した領域を取得する。形状判定部３１は、この領域の形状特徴を算出し、検出対象のカテゴリの形状特徴に含まれるかを判定する。形状判定部３１は、検出対象のカテゴリの形状特徴に含まれないと判定した領域を除外する。後処理部３４は、形状判定部３１が処理した領域を取得し、取得した領域に隣接する領域を連結する。これにより、誤検出を抑制することができる。

上記実施の形態では、領域抽出部３０は抽出信号を表示装置７に送信する例を示したが、これに限定されない。領域抽出部３０は、他の装置に抽出信号を送信してもよい。他の装置は、抽出信号を受信し、抽出領域３２０に基づき処理を行う。この場合、抽出信号は通信装置９０３から送信されてもよい。

上記実施の形態では、検出対象のカテゴリに対して複数の形状特徴を有する例を示したが、これに限定されない。分離領域２００の形状特徴が検出対象のカテゴリの形状特徴に含まれるかを判断できればよく、例えば、検出対象のカテゴリの形状特徴の範囲が指定されてもよい。この場合、分離領域２００の形状特徴が検出対象のカテゴリの形状特徴の範囲に存在する場合、分離領域２００は検出対象のカテゴリを含んでいると判断する。

また、領域検出装置５の各機能を実現する手段を備えた領域検出方法は、第１地物画像１−１と第２地物画像１−２とから地物が変化する領域を検出することができることは明らかである。言い換えると、領域検出方法は、候補抽出部１０の機能を実行する候補抽出手段と、分類部２０の機能を実行する分類手段と、領域抽出部３０の機能を実行する領域抽出手段とを含む。また、候補抽出手段は、特徴算出部１１の機能を実行する特徴算出手段と、変化算出部１２の機能を実行する変化算出手段と、候補決定部１３の機能を実行する候補決定手段とを含んでもよい。領域抽出手段は、形状判定部３１の機能を実行する形状判定手段と、分類決定部３２の機能を実行する分類決定手段と、変化判定部３３の機能を実行する変化判定手段と、後処理部３４の機能を実行する後処理手段とを含んでもよい。

また、プログラム９１０には、この領域検出方法をコンピュータに実行させるためのプログラムを含んでもよい。

以上において説明した処理は一例であり、各ステップの順番、処理内容は、機能を阻害しない範囲で変更してもよい。また、説明した構成は、機能を阻害しない範囲で、任意に変更してもよい。例えば、実施の形態２における変化判定部３３は、分類部２０が備えてもよい。また、分類決定部３２が行う分類画像の平滑化を分類部２０が実施してもよい。また、後処理部３４の処理を省略してもよい。さらに、形状判定部３１の処理を省略してもよい。分類決定部３２の処理を省略してもよい。

１ 地物画像
１−１ 第１地物画像
１−２ 第２地物画像
２ 学習用画像
５ 領域検出装置
７ 表示装置
１０ 候補抽出部
１１ 特徴算出部
１２ 変化算出部
１３ 候補決定部
２０ 分類部
２１ 分類器
２２ サンプル構築部
３０ 領域抽出部
３１ 形状判定部
３２ 分類決定部
３３ 変化判定部
３４ 後処理部
２００、２００−１、２００−２ 分離領域
２０１−１、２０１−２ バウンディングボックス
３００ カテゴリ領域
３００−１ 第１カテゴリ領域
３００−２ 第２カテゴリ領域
３００−３ 第３カテゴリ領域
３００−４ 第４カテゴリ領域
３１０、３１０−１、３１０−２ 分類領域
３２０、３２０−１、３２０−１−１、３２０−１−２ 抽出領域
３３０、３３０−１、３３０−２ 隣接領域
３３５−１ 非隣接領域
９００ 入力装置
９０１ 演算装置
９０２ 記憶装置
９０３ 通信装置
９１０ プログラム

Claims (16)

1. 第１時点に上空から地表を撮影した第１地物画像と、前記第１時点と異なる第２時点に前記地表を撮影した第２地物画像とで異なる変化領域を抽出する候補抽出部と、
   前記第１地物画像の位置に応じて撮影されている第１地物の第１カテゴリを推定し、前記第１地物の位置と前記第１カテゴリとの関係を示す第１分類画像と、前記第２地物画像の位置に応じて撮影されている第２地物の第２カテゴリを推定し、前記第２地物の位置と前記第２カテゴリとの関係を示す第２分類画像とを算出する分類部と、
   前記第１カテゴリと、前記第１カテゴリと同じ位置における前記第２カテゴリとが予め決められた条件を満たす抽出領域を、前記変化領域から抽出し、前記抽出領域を含む抽出信号を生成し送信する領域抽出部と、
   を備える領域検出装置。
2. 前記予め決められた条件は、前記第１カテゴリが予め決められた第１条件カテゴリであり、前記第２カテゴリが予め決められた第２条件カテゴリであることを示す
   請求項１に記載の領域検出装置。
3. 前記領域抽出部は、
   互いに隣接し前記変化領域に含まれる画素を連結した分離領域の形状特徴を算出し、
   前記形状特徴が、前記第１条件カテゴリの第１形状特徴または前記第２条件カテゴリの第２形状特徴に含まれない場合に、当該形状特徴の分離領域を前記変化領域から除外する
   形状判定部を備える
   請求項２に記載の領域検出装置。
4. 前記予め決められた条件は、前記第１カテゴリまたは前記第２カテゴリのいずれかが予め決められた第３条件カテゴリであることを示す
   請求項１に記載の領域検出装置。
5. 前記領域抽出部は、
   互いに隣接し前記変化領域に含まれる画素を連結した分離領域の形状特徴を算出し、
   前記形状特徴が、前記第３条件カテゴリの第３形状特徴に含まれない場合に、当該形状特徴の分離領域を前記変化領域から除外する
   形状判定部を備える
   請求項４に記載の領域検出装置。
6. 前記予め決められた条件は、前記第１カテゴリと前記第２カテゴリとが異なることを示す
   請求項１に記載の領域検出装置。
7. 前記領域抽出部は、
   互いに隣接し前記変化領域に含まれる画素を連結した分離領域の形状特徴を算出し、
   前記形状特徴が、前記分類部が推定し得るカテゴリの形状特徴に含まれない場合に、当該形状特徴の分離領域を前記変化領域から除外する
   形状判定部を備える
   請求項６に記載の領域検出装置。
8. 前記領域抽出部は、
   前記第１分類画像の中の前記変化領域に対応する領域において、互いに隣接し同一カテゴリの画素を連結して形成される第１領域の面積に基づき、前記第１カテゴリの領域を統合した第１統合領域を算出し、
   前記第２分類画像の中の前記変化領域に対応する領域において、互いに隣接し同一カテゴリの画素を連結して形成される第２領域の面積に基づき、前記第２カテゴリの領域を統合した第２統合領域を算出する
   分類決定部を備え、
   前記領域抽出部は、前記第１統合領域の前記第１カテゴリと、前記第１カテゴリと同じ位置における前記第２統合領域の前記第２カテゴリとが予め決められた条件を満たす領域を、前記変化領域から抽出する
   請求項１から７のいずれか１項に記載の領域検出装置。
9. 前記分類決定部は、
   前記第１分類画像の中の前記変化領域に対応する領域において、前記第１領域の面積が予め決められた閾値より小さい場合、前記第１領域に隣接する画素を含む前記第１カテゴリの領域に、前記第１領域を統合し、
   前記第２分類画像の中の前記変化領域に対応する領域において、前記第２領域の面積が予め決められた閾値より小さい場合、前記第２領域に隣接する画素を含む前記第２カテゴリの領域に、前記第２領域を統合する
   請求項８に記載の領域検出装置。
10. 前記分類決定部は、
    前記第１領域に隣接する前記第１カテゴリの領域のうち、前記第１領域と前記第１カテゴリの領域との境界線が最も長い前記第１カテゴリの領域に、前記第１領域を統合し、
    前記第２領域に隣接する前記第２カテゴリの領域のうち、前記第２領域と前記第２カテゴリの領域との境界線が最も長い前記第２カテゴリの領域に、前記第２領域を統合する
    請求項９に記載の領域検出装置。
11. 前記領域抽出部は、前記抽出領域に隣接する隣接領域の前記第１カテゴリと前記第２カテゴリとに基づき、前記抽出領域に前記隣接領域を連結する後処理部を備える
    請求項１から１０のいずれか１項に記載の領域検出装置。
12. 前記後処理部は、前記隣接領域における前記第１カテゴリが、前記抽出領域の前記第１カテゴリと等しく、前記隣接領域における前記第２カテゴリが、前記抽出領域の前記第２カテゴリと等しい場合に、前記抽出領域に前記隣接領域を連結する
    請求項１１に記載の領域検出装置。
13. 前記隣接領域は、互いに隣接し同一のカテゴリの画素を連結した領域である
    請求項１２に記載の領域検出装置。
14. 第１時点に上空から地表を撮影した第１地物画像の位置に応じて撮影されている第１地物の第１カテゴリを推定し、前記第１地物の位置と前記第１カテゴリとの関係を示す第１分類画像と、第１時点と異なる第２時点に前記地表を撮影した第２地物画像の位置に応じて撮影されている第２地物の第２カテゴリを推定し、前記第２地物の位置と前記第２カテゴリとの関係を示す第２分類画像とを算出する分類部と、
    前記第１カテゴリと、前記第１カテゴリと同じ位置における前記第２カテゴリとが予め決められた条件を満たす第１領域を抽出する変化判定部と、
    前記第１領域において、前記第１地物画像と、前記第２地物画像とで異なる領域を抽出する候補抽出部と、
    を備える領域検出装置。
15. 演算装置が、第１時点に上空から地表を撮影した第１地物画像と、前記第１時点と異なる第２時点に前記地表を撮影した第２地物画像とで異なる変化領域を抽出する候補抽出手段と、
    演算装置が、前記第１地物画像の位置に応じて撮影されている第１地物の第１カテゴリを推定し、前記第１地物の位置と前記第１カテゴリとの関係を示す第１分類画像と、前記第２地物画像の位置に応じて撮影されている第２地物の第２カテゴリを推定し、前記第２地物の位置と前記第２カテゴリとの関係を示す第２分類画像とを算出する分類手段と、
    演算装置が、前記第１カテゴリと、前記第１カテゴリと同じ位置における前記第２カテゴリとが予め決められた条件を満たす抽出領域を、前記変化領域から抽出する領域抽出手段と、
    を含む領域検出方法。
16. 第１時点に上空から地表を撮影した第１地物画像と、前記第１時点と異なる第２時点に前記地表を撮影した第２地物画像とで異なる変化領域を抽出する候補抽出手段と、
    前記第１地物画像の位置に応じて撮影されている第１地物の第１カテゴリを推定し、前記第１地物の位置と前記第１カテゴリとの関係を示す第１分類画像と、前記第２地物画像の位置に応じて撮影されている第２地物の第２カテゴリを推定し、前記第２地物の位置と前記第２カテゴリとの関係を示す第２分類画像とを算出する分類手段と、
    前記第１カテゴリと、前記第１カテゴリと同じ位置における前記第２カテゴリとが予め決められた条件を満たす抽出領域を、前記変化領域から抽出する領域抽出手段と、
    を演算装置に実行させるためのプログラム。
    

Images