JP7699489B2

JP7699489B2 - 情報処理装置、情報処理方法及びプログラム

Info

Publication number: JP7699489B2
Application number: JP2021119831A
Authority: JP
Inventors: 繁塩澤
Original assignee: Recruit Co Ltd
Current assignee: Recruit Co Ltd
Priority date: 2021-07-20
Filing date: 2021-07-20
Publication date: 2025-06-27
Anticipated expiration: 2041-07-20
Also published as: JP2023015818A

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

近年、様々な分野に機械学習の技術が活用されており、農業分野への活用も期待されている。農地が水田である場合、生産計画を立てるためには水張領域と畦畔領域を把握してその面積等に見合ったコストを見積もる必要がある。しかし、水張領域や畦畔領域を把握するための測量には多くの時間と労力がかかり、広大な地域にわたって人手による測量を行うことは現実的でない。

一方、機械学習技術の活用には、学習モデルを構築するための学習データの準備が欠かせない。学習モデルを構築するためには一般的に大量のデータが必要であり、このデータに正解となる答えをラベル付けする作業には多くの時間と労力がかかる。特許文献１では、画像から対象物体を識別したり対象物体を検出する装置の学習に用いられる学習データを低コストで大量に生成するための技術が開示されている。

特開２０１４－１７８９５７号公報

画像から水張領域及び畦畔領域を識別するための学習モデルを構築するための学習データを生成するために、一般に公表されているデータの活用を検討する。農林水産省は、衛星画像等をもとに作成された農地の区画情報である筆ポリゴンを公表している。また、国土地理院は、地表面を等間隔の正方形に区切り、それぞれの正方形に中心点の標高値を持たせた標高データの集合である数値標高モデル（ＤＥＭ）を公表している。

筆ポリゴンは農地に関する基盤情報として非常に有用である。一方で、筆ポリゴンは衛星画像等から農地の有無を判断しているので、画像の撮影時期等により実際の情報とは必ずしも一致しない。また、筆ポリゴンの作成に使用される衛星画像は太陽光が地表面で反射した可視光線を宇宙空間から撮影、加工し製造される。地形の起伏や標高の影響等を補正してはいるものの、撮影時の衛星の位置や姿勢の誤差、補正に使用する地形データの誤差等によるズレやゆがみを完全には修正できないので、対応する背景画像と筆ポリゴンとがずれている場合がある。さらに、多くのポリゴンには水張領域と畦畔領域とが含まれているが、一部、畦畔領域を含まないポリゴンも存在する。

そこで、本発明は、実際の情報とは必ずしも一致しない区画情報を利用して、可視画像中の水張領域を容易に精度よく抽出することが可能な情報処理装置、情報処理方法及びプログラムを提供することを目的とする。

本発明の一態様に係る情報処理装置は、可視画像、可視画像に対応する区画情報及び数値標高モデルを取得するデータ取得部と、可視画像、区画情報及び数値標高モデル中の対応する領域を抽出する領域抽出部と、区画情報の領域及び数値標高モデルの領域から水張領域を抽出する水張領域抽出部であって、区画情報の領域の第１の点を数値標高モデルの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する水張領域抽出部とを備える。

この態様によれば、可視画像に対応する区画情報と数値標高モデルの情報を利用して、可視画像中の水張領域を容易に抽出することができる。

上記情報処理装置は、可視画像から得られる色情報と数値標高モデルから得られる標高情報とを有する、抽出した領域に属するピクセルを分類手法を用いて分類し、分類したピクセル群から畦畔領域を抽出する畦畔領域抽出部をさらに備えてもよい。この態様によれば、可視画像中の水張領域だけでなく可視画像中の畦畔領域についても容易に抽出することができる。

上記情報処理装置において、畦畔領域抽出部は、領域抽出部が抽出した区画情報の領域を所定条件に従って拡張し、拡張した区画情報の領域に属するピクセルを分類手法を用いて分類してもよい。この態様によれば、拡張した領域に属するピクセルを用いることで、区画情報中の畦畔領域を含まない一部の領域についても、畦畔領域を効果的に抽出することができる。

上記情報処理装置は、水張領域抽出部が抽出した水張領域に対応する可視画像をヒストグラム分析し、分析結果の特徴に基づいて非水田と決定される領域を水張領域から除去する非水田除去部をさらに備えてもよい。この態様によれば、実際の情報とは必ずしも一致しない区画情報を用いた場合であっても、非水田を確実に除去して実際の情報と一致させることができる。

上記情報処理装置において、特徴は、曲線の尖度及びなめらかさを含んでもよい。この態様によれば、ヒストグラム分析の曲線の尖度及びなめらかさを利用して、容易に非水田領域を決定することができる。

上記情報処理装置は、可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを生成する学習データ生成部をさらに備えてもよい。この態様によれば、可視画像、区画情報、及び数値標高モデルを用いることで、可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを容易に生成することができる。

上記情報処理装置において、第１の点は重心点であってもよい。この態様によれば、水張領域の抽出を、水張領域の周囲に存在し得る畦畔領域等から確実に区別可能な点を用いることができる。

本発明の他の態様に係る方法は、可視画像、可視画像に対応する区画情報及び数値標高モデルを取得する工程と、可視画像、区画情報及び数値標高モデル中の対応する領域を抽出する工程と、区画情報の領域及び数値標高モデルの領域から水張領域を抽出する工程であって、区画情報の領域の第１の点を数値標高モデルの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する工程とを含む。

本発明の他の態様に係るプログラムは、１又は複数のコンピュータに、可視画像、可視画像に対応する区画情報及び数値標高モデルを取得する処理と、可視画像、区画情報及び数値標高モデル中の対応する領域を抽出する処理と、区画情報の領域及び数値標高モデルの領域から水張領域を抽出する処理であって、区画情報の領域の第１の点を数値標高モデルの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する処理とを実行させる。

本発明によれば、実際の情報とは必ずしも一致しない区画情報を利用して、可視画像中の水張領域を容易に精度よく抽出することが可能な情報処理装置、情報処理方法及びプログラムを提供することができる。

本発明の一実施形態に係る情報処理装置の処理を説明する概略図である。本発明の一実施形態に係る情報処理装置のブロック図である。抽出された可視画像、筆ポリゴン、ＤＥＭ中の対応する領域を例示する図である。水田と非水田のヒストグラムを例示する図である。可視画像から得られる色情報とＤＥＭから得られる標高情報とを有する、領域のピクセルの散布図を例示する図である。本発明の一実施形態に係る学習データ生成処理を示すフローチャートである。本発明の一実施形態に係る水張領域抽出処理を示すフローチャートである。

添付図面を参照して、本発明の実施形態について説明する。なお、以下の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。また、本発明は、その要旨を逸脱しない限り、さまざまな変形が可能である。さらに、当業者であれば、以下に述べる各要素を均等なものに置換した実施形態を採用することが可能であり、係る実施形態も本発明の範囲に含まれる。

（システム構成）

図１を用いて、本発明の概要について説明する。図１は、本発明の一実施形態に係る情報処理装置の処理を説明する概略図である。

情報処理装置１００は、画像から水張領域及び畦畔領域を識別するための学習モデルを構築するための学習データを生成する装置である。図１に示すように、情報処理装置１００は、可視画像Ｉと、筆ポリゴンＰと、数値標高モデルＭとを用いて、所望の学習データを生成する。一実施形態では、情報処理装置１００は、可視画像と、可視画像中の水張領域及び畦畔領域で構成されるマスク画像とを含む学習データを生成する。

筆ポリゴンＰは、衛星画像等をもとに作成された農地の区画情報である。数値標高モデルＥは、地表面を等間隔の正方形に区切り、それぞれの正方形に中心点の標高値を持たせた標高データの集合である。

情報処理装置１００は、学習データを生成する地域の可視画像Ｉ、この可視画像に対応する筆ポリゴンＰ及び数値標高モデルＭを取得して、可視画像Ｉが有する色情報と筆ポリゴンＰが有する農地の区画情報と、数値標高モデルＭが有する標高情報とを利用することで、画像から水張領域及び畦畔領域を識別するための学習モデルを構築するための高精度の学習データを生成することができる。

（機能構成）

図２は、本発明の一実施形態に係る情報処理装置のブロック図である。なお、図２では、単一の情報処理装置１００を想定し、必要な機能構成だけを示しているが、情報処理装置１００を、複数のコンピュータシステムによる多機能の分散システムの一部として構成することもできる。

情報処理装置１００は、入力部１１０と、制御部１２０と、記憶部１３０と、通信部１４０とを備えている。

入力部１１０は、情報処理装置１００の管理者からの操作を受け付けるように構成され、キーボードやマウス、タッチパネル等によって実現することができる。

制御部１２０は、ＣＰＵやＭＰＵ等の演算処理部１２１及びＲＡＭ等のメモリ１２２を備えている。演算処理部１２１は、各種入力に基づき、記憶部１３０に記録されたプログラムを実行することで、各種機能部を動作させるものである。このプログラムは、ＣＤ－ＲＯＭ等の記録媒体に記憶され、若しくはネットワークを介して配布され、コンピュータにインストールされるものであってもよい。メモリ１２２は、各種プログラムにおいて処理の実行中に、演算等に必要な各種データを、一時的に記憶するためのものである。

記憶部１３０は、ハードディスク等の記憶装置によって構成され、制御部１２０における処理の実行に必要な各種プログラムや、各種プログラムの実行に必要なデータ等を記録しておくものである。本実施形態では、記憶部１３０は、画像記憶部１３１、筆ポリゴン記憶部１３２、数値標高モデル（ＤＥＭ）記憶部１３３及び学習データ記憶部１３４を有していることが望ましい。

画像記憶部１３１には、水田を含む可視画像が保存されている。

筆ポリゴン記憶部１３２には、衛星画像等をもとに作成された農地の区画情報が保存されている。一実施形態では、農地の区画情報として、農林水産省が公表している筆ポリゴンが用いられる。

ＤＥＭ記憶部１３３には、地表面を等間隔の正方形に区切り、それぞれの正方形に中心点の標高値を持たせた標高データの集合が保存されている。一実施形態では、標高データの集合として、国土地理院が公表している基盤地図情報中の数値標高モデルが用いられる。

学習データ記憶部１３４には、可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データが保存される。一実施形態では、学習データ記憶部１３４には、可視画像と、可視画像中の水張領域及び畦畔領域で構成されるマスク画像とを含む学習データが保存されることが望ましい。

通信部１４０は、情報処理装置１００をネットワークに接続するように構成される。例えば、通信部１４０は、ＬＡＮカード、アナログモデム、ＩＳＤＮモデム等、及びこれらをシステムバス等の伝送路を介して処理部と接続するためのインタフェースから実現することができる。

さらに、図２に示すように、演算処理部１２１は、機能部として、データ取得部１２３、領域抽出部１２４、水張領域抽出部１２５、非水田除去部１２６、畦畔領域抽出部１２７、学習データ生成部１２８及び出力部１２９を備えている。

データ取得部１２３は、学習データを生成する地域の可視画像、この可視画像に対応する筆ポリゴン及びＤＥＭを取得する。本実施形態では、データ取得部１２３は、画像記憶部１３１、筆ポリゴン記憶部１３２、ＤＥＭ記憶部１３３からそれぞれデータを取得する。

領域抽出部１２４は、取得した可視画像、筆ポリゴン、ＤＥＭ中の対応する所定形状の領域を抽出する。本実施形態では、領域抽出部１２４は、可視画像、筆ポリゴン、ＤＥＭを重ね合わせて筆ポリゴン中の１の領域を選択し、選択した領域が十分に含まれる領域を可視画像及びＤＥＭから抽出する。図３に、領域抽出部１２４により抽出された可視画像、筆ポリゴン、ＤＥＭ中の対応する領域を示す。図３（ａ）は筆ポリゴン、図３（ｂ）は可視画像、図３（ｃ）はＤＥＭを例示する図である。

水張領域抽出部１２５は、抽出した筆ポリゴンの領域及びＤＥＭの領域から、標高情報に基づいて水張領域を抽出する。本実施形態では、水張領域抽出部１２５は、筆ポリゴンの領域の重心点をＤＥＭの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する。具体的には、水張領域抽出部１２５は、まず、重心点ピクセルｘ_ijの周辺の１６個のピクセルｘ_i+1j-1、ｘ_i+1j、ｘ_i+1j+1、ｘ_ij-1、ｘ_ij+1、ｘ_i-1j-1、ｘ_i-1j、ｘ_i-1j+1、ｘ_i+4j-4、ｘ_i+4j、ｘ_i+4j+4、ｘ_ij-4、ｘ_ij+4、ｘ_i-4j-4、ｘ_i-4j、ｘ_i-4j+4のうち、重心点ピクセルｘ_ijとの標高差が±０．１９９８ｍ以内に収まるピクセルを水張領域として抽出する。水張領域抽出部１２５はさらに、既に水張領域として抽出したピクセルとの標高差が±０．１９９８ｍ以内に収まる、隣接するピクセルを水張領域として抽出し、この処理を繰り返すことで水張領域を抽出する。

なお、水張領域の抽出に用いた標高差の範囲は例示のものであり、他の適切な標高差の範囲を用いて水張領域の抽出をすることができ、さらに、水張領域の抽出に用いる点（第１の点）は重心点に限られることなく、中心点や、水張領域の周囲に存在し得る畦畔領域等から区別可能な内側の任意の点を用いることができる。水張領域抽出部１２５は、水路等のノイズを除去するために、例えばモルフォロジー変換を行ってもよい。なお、ノイズを除去する手法はモルフォロジー変換に限られることなく、他の任意の手法を用いることができる。

非水田除去部１２６は、可視画像の色情報に基づいて、非水田の領域を除去する。本実施形態では、非水田除去部１２６は、水張領域抽出部１２５が抽出した水張領域に対応する可視画像をヒストグラム分析し、分析結果の特徴に基づいて非水田と決定される領域を水張領域から除去する。

図４の上段に示すように、水田のヒストグラムは、同図下段の非水田のヒストグラムと比べて尖度が大きく、より滑らかな曲線を示す。非水田除去部１２６は、曲線の尖度及びなめらかさ、すなわち曲線を微分したときにＹ軸の０を通過する回数に基づいて、非水田領域を決定する。

畦畔領域抽出部１２７は、水張領域及び畦畔領域を含む領域を可視画像の色情報とＤＥＭの標高情報とに基づいて分類して、畦畔領域を抽出する。本実施形態では、畦畔領域抽出部１２７は、領域抽出部１２４が抽出した筆ポリゴンの領域を所定条件に従って拡張し、可視画像から得られる色情報とＤＥＭから得られる標高情報とを有する、拡張した筆ポリゴンの領域に属するピクセルをＫ－ｍｅａｎｓを用いて分類する。例えば、畔領域抽出部１２７は、モルフォロジー変換を行って筆ポリゴンの領域を拡張してもよい。本実施形態では、３０×３０サイズのカーネルを用いてモルフォロジー変換を行うが、他の任意のカーネルサイズを用いることができる。

次に、畦畔領域抽出部１２７は、分類したピクセル群が水張領域、畦畔領域、その他の領域のいずれに属するのかを推定し、畦畔領域を抽出する。例えば、畦畔領域抽出部１２７は、分類したピクセル群の面積や色の分布を用いて、水張領域、畦畔領域、その他の領域のいずれに属するのかを推定することができる。

図５に示す散布図中の各点はピクセルを意味しており、点の色は標高を表し、点の位置は色情報を表している。

このように、筆ポリゴンの領域を拡張することで、筆ポリゴン中の畦畔領域を含まない一部のポリゴンについても、畦畔領域を効果的に抽出することができる。なお、分類に用いる手法はＫ－ｍｅａｎｓに限られることなく、他の分類手法を用いることができる。また、本実施形態では、Ｌａｂ色空間の色情報を用いているが、分類に用いる色情報はＬａｂ色空間に限られることなく、他の色空間を用いることができる。

学習データ生成部１２８は、可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを生成する。本実施形態では、学習データ生成部１２８は、水張領域抽出部１２５が抽出した水張領域及び畦畔領域抽出部１２７が抽出した畦畔領域で構成されるマスク画像を生成して、生成したマスク画像と対応する可視画像とを学習データ記憶部１３４に保存する。

出力部１２９は、学習データ記憶部１３４に保存された学習データを出力する。

（学習データ生成処理）

図６を参照して、本発明の実施形態に係る学習データ生成処理を詳細に説明する。本実施形態では、図６で説明される学習データ生成処理を行う前に、情報処理装置１００の管理者の管理の下、画像記憶部１３１、筆ポリゴン記憶部１３２及びＤＥＭ記憶部１３３に各データが格納されているものとする。

ステップＳ６０１において、情報処理装置１００のデータ取得部１２３は、学習データを生成する地域の可視画像、この可視画像に対応する筆ポリゴン及びＤＥＭを取得する。本実施形態では、データ取得部１２３は、画像記憶部１３１、筆ポリゴン記憶部１３２、ＤＥＭ記憶部１３３からそれぞれデータを取得する。

ステップＳ６０２において、情報処理装置１００の領域抽出部１２４は、取得した可視画像、筆ポリゴン、ＤＥＭ中の対応する所定形状の領域を抽出する。本実施形態では、領域抽出部１２４は、可視画像、筆ポリゴン、ＤＥＭを重ね合わせて筆ポリゴン中の１の領域を選択し、選択した領域が十分に含まれる領域を可視画像及びＤＥＭから抽出する。図３に、領域抽出部１２４により抽出された可視画像、筆ポリゴン、ＤＥＭ中の対応する領域を示す。図３（ａ）は筆ポリゴン、図３（ｂ）は可視画像、図３（ｃ）はＤＥＭを例示する図である。

ステップＳ６０３において、情報処理装置１００の水張領域抽出部１２５は、抽出した筆ポリゴンの領域及びＤＥＭの領域から、標高情報に基づいて水張領域を抽出する。詳細については図７を用いて後述する。

ステップＳ６０４において、情報処理装置１００の非水田除去部１２６は、可視画像の色情報に基づいて、非水田の領域を除去する。本実施形態では、非水田除去部１２６は、水張領域抽出部１２５が抽出した水張領域に対応する可視画像をヒストグラム分析し、分析結果の特徴に基づいて非水田と決定される領域を水張領域から除去する。

ステップＳ６０５において、情報処理装置１００の畦畔領域抽出部１２７は、水張領域及び畦畔領域を含む領域を可視画像の色情報とＤＥＭの標高情報とに基づいて分類して、畦畔領域を抽出する。本実施形態では、畦畔領域抽出部１２７は、領域抽出部１２４が抽出した筆ポリゴンの領域をモルフォロジー変換を行って拡張し、可視画像から得られる色情報とＤＥＭから得られる標高情報とを有する、拡張した筆ポリゴンの領域に属するピクセルをＫ－ｍｅａｎｓを用いて分類する。本実施形態では、３０×３０サイズのカーネルを用いてモルフォロジー変換を行うが、他の任意のカーネルサイズを用いることができる。

図５に示す散布図中の各点はピクセルを意味しており、点の色は標高を表し、点の位置は色情報を表している。拡張した領域に水張領域及び畦畔領域のみが含まれる場合、畦畔領域抽出部１２７は、ピクセルを２つのクラスに分類する。一方、拡張した領域に水張領域及び畦畔領域以外の他の領域、例えばビニールハウスや道路等が含まれる場合、畦畔領域抽出部１２７は、ピクセルを３つのクラスに分類する。

ステップＳ６０６において、情報処理装置１００の学習データ生成部１２８は、可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを生成する。本実施形態では、学習データ生成部１２８は、水張領域抽出部１２５が抽出した水張領域及び畦畔領域抽出部１２７が抽出した畦畔領域で構成されるマスク画像を生成して、生成したマスク画像と対応する可視画像とを学習データ記憶部１３４に保存する。

以上、本実施形態によれば、情報処理装置１００は、画像から水張領域及び畦畔領域を識別するための学習モデルを構築するための学習データを、筆ポリゴンを用いて生成することができる。既存の筆ポリゴンを活用することで、データの収集からラベル付けに至る学習データの準備にかかる時間と労力を削減することができる。特に、学習データを生成する地域が平地であり、長方形の水田が並んでいる場合に好適である。

（水張領域抽出処理）

図７を参照して、ステップＳ６０３の水張領域抽出処理を詳細に説明する。図７は、本発明の一実施形態に係る水張領域抽出処理を示すフローチャートである。

ステップＳ７０１において、水張領域抽出部１２５は、筆ポリゴンの領域の重心を求める。次に、ステップＳ７０２において、水張領域抽出部１２５は筆ポリゴンの領域の重心点をＤＥＭの領域上にプロットし、ステップＳ７０３において、プロットした点の標高との標高差が所定範囲のピクセルを塗りつぶす。

具体的には、水張領域抽出部１２５は、まず、重心点ピクセルｘ_ijの周辺の１６個のピクセルｘ_i+1j-1、ｘ_i+1j、ｘ_i+1j+1、ｘ_ij-1、ｘ_ij+1、ｘ_i-1j-1、ｘ_i-1j、ｘ_i-1j+1、ｘ_i+4j-4、ｘ_i+4j、ｘ_i+4j+4、ｘ_ij-4、ｘ_ij+4、ｘ_i-4j-4、ｘ_i-4j、ｘ_i-4j+4のうち、重心点ピクセルｘ_ijとの標高差が±０．１９９８ｍ以内に収まるピクセルを水張領域として抽出する。水張領域抽出部１２５はさらに、既に水張領域として抽出したピクセルとの標高差が±０．１９９８ｍ以内に収まる、隣接するピクセルを水張領域として抽出し、この処理を繰り返すことで水張領域を抽出する。

なお、水張領域の抽出に用いた標高差の範囲は例示のものであり、他の適切な標高差の範囲を用いて水張領域の抽出をすることができ、さらに、水張領域の抽出に用いる点は重心点に限られることなく、中心点や、水張領域の周囲に存在し得る畦畔領域等から区別可能な内側の任意の点を用いることができる。

ステップＳ７０４において、水張領域抽出部１２５は、モルフォロジー変換を行って水路等のノイズを除去し、水張領域を抽出する。なお、ノイズを除去する手法はモルフォロジー変換に限られることなく、他の任意の手法を用いることができる。

１００…情報処理装置、１１０…入力部、１２０…制御部、１２１…演算処理部、１２２…メモリ、１２３…データ取得部、１２４…領域抽出部、１２５…水張領域抽出部、１２６…非水田除去部、１２７…畦畔領域抽出部、１２８…学習データ生成部、１２９…出力部、１３０…記憶部、１３１…画像記憶部、１３２…筆ポリゴン記憶部、１３３…ＤＥＭ記憶部、１３４…学習データ記憶部、１４０…通信部、Ｉ…可視画像、Ｐ…筆ポリゴン、Ｍ…標高モデル

Claims

可視画像、前記可視画像に対応する区画情報及び数値標高モデルを取得するデータ取得部と、
前記可視画像、前記区画情報及び前記数値標高モデル中の対応する領域を抽出する領域抽出部と、
前記区画情報の領域及び前記数値標高モデルの領域から水張領域を抽出する水張領域抽出部であって、前記区画情報の領域の第１の点を前記数値標高モデルの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する水張領域抽出部と、
前記水張領域抽出部が抽出した前記水張領域に対応する可視画像をヒストグラム分析し、分析結果の特徴に基づいて非水田と決定される領域を水張領域から除去する非水田除去部と、
可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを生成する学習データ生成部と
を備える情報処理装置。
前記可視画像から得られる色情報と前記数値標高モデルから得られる標高情報とを有する、前記抽出した領域に属するピクセルを分類手法を用いて分類し、分類したピクセル群から畦畔領域を抽出する畦畔領域抽出部をさらに備える、請求項１に記載の情報処理装置。
前記畦畔領域抽出部は、前記領域抽出部が抽出した区画情報の領域を所定条件に従って拡張し、前記拡張した区画情報の領域に属するピクセルを分類手法を用いて分類する、請求項２に記載の情報処理装置。
前記特徴は、曲線の尖度及びなめらかさを含む、請求項１に記載の情報処理装置。
前記第１の点は重心点である、請求項１～４のいずれか１項に記載の情報処理装置。
可視画像、前記可視画像に対応する区画情報及び数値標高モデルを取得する工程と、
前記可視画像、前記区画情報及び前記数値標高モデル中の対応する領域を抽出する工程と、
前記区画情報の領域及び前記数値標高モデルの領域から水張領域を抽出する工程であって、前記区画情報の領域の第１の点を前記数値標高モデルの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する工程と、
前記抽出した前記水張領域に対応する可視画像をヒストグラム分析し、分析結果の特徴に基づいて非水田と決定される領域を水張領域から除去する工程と、
可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを生成する工程と、
を含む方法。
１又は複数のコンピュータに、
可視画像、前記可視画像に対応する区画情報及び数値標高モデルを取得する処理と、
前記可視画像、前記区画情報及び前記数値標高モデル中の対応する領域を抽出する処理と、
前記区画情報の領域及び前記数値標高モデルの領域から水張領域を抽出する処理であって、前記区画情報の領域の第１の点を前記数値標高モデルの領域上にプロットし、プロットした点の標高との標高差が所定範囲のピクセルの集合を水張領域として抽出する処理と、
前記抽出した前記水張領域に対応する可視画像をヒストグラム分析し、分析結果の特徴に基づいて非水田と決定される領域を水張領域から除去する処理と、
可視画像中の水張領域及び畦畔領域を示すラベル付けが行われた学習データを生成する処理と
を実行させるプログラム。