JP2000123173A - 画像特徴抽出方法及び類似画像検索システム、記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 新たな画像特徴抽出手法によって類似画像デ
ータの検索を行う類似画像検索システムを提供する。 【解決手段】 画像データベース１０内の画像データま
たは検索キーとなる例示画像データを前処理部１１で複
数のサブブロックに分割し、濃淡情報検出部１２及び特
徴定量化部１３で、サブブロックにおける正規化濃淡情
報に基づく濃淡レイアウトを定量化する。そして、類似
画像検索部１７で、この定量化された濃淡レイアウトを
用いて画像データベース１０に蓄積された画像データと
例示画像データとの類否を判定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、大量に蓄積された
画像データから特定の画像データを検索するための画像
データ検索技術に関する。

【０００２】

【従来の技術】例えばデジタルライブラリや電子美術館
のように、インターネット等の広域ネットワークを用い
たマルチメディアサービスをより普及させるための要因
の一つとして、ユーザに対して良好なマンマシンインタ
フェースを提供することが挙げられる。デジタルライブ
ラリ等に蓄積された大量のユーザ向け画像データの中か
らユーザが観たいものを迅速に検索するための類似画像
検索技術も、マンマシンインタフェースを改善させる上
で重要な技術の一つである。

【０００３】従来のこの種の類似画像検索技術は、画像
そのものや、ユーザの印象に基づくスケッチ等の例示画
像をキーとして、画像データベースに大量に蓄積された
画像データから例示画像またはそれを電子化した例示画
像データとその特徴が最も類似している画像データを選
択するものであった。検索に用いる画像の特徴として
は、濃淡、色、テクスチャ、画像要素となるオブジェク
トの形状・配置・内容等がある。このような画像の特徴
は、例えばベクトル化によって定量化され、画像データ
同士が類似しているかどうかの基準情報として用いられ
る。類似検索を行う際の方式については、色ヒストグラ
ム、グラフ表現、対象物ラベル（個々の対象物に付与さ
れる識別情報）等を比較する方式が種々提案されてい
る。

【０００４】

【発明が解決しようとする課題】上述のように、類似画
像検索を行う上での画像特徴の抽出の仕方は、濃淡、
色、テクスチャ等、様々なので、不特定多数の人々が利
用するインターネットの特性を考慮すると、類似画像を
より多くの基準で検索できるようにするための様々なサ
ービスメニューを設けておくことが、利便性向上のため
に必要と考えられる。

【０００５】そこで本発明は、画像データ間の類似判定
を行う上で好適となる新規な画像特徴抽出方法を提供す
ることを課題とする。本発明の他の課題は、上記画像特
徴抽出方法の実施に適した類似画像検索システム、及び
この画像特徴抽出方法をコンピュータ装置上で実施する
ための記録媒体を提供することにある。

【０００６】

【課題を解決するための手段】上記課題を解決する本発
明の画像特徴抽出方法は、画像データを複数の小領域に
分割して各小領域における画像濃淡情報を検出するとと
もに、検出した画像濃淡情報に基づく濃淡レイアウトを
定量化し、この定量化された濃淡レイアウトを当該画像
データの全体または小領域単位の画像特徴として抽出す
ることを特徴とする。

【０００７】上記他の課題を解決する本発明の類似画像
検索システムは、画像データの特徴を抽出し、抽出され
た画像特徴を用いて複数の画像データから特定の画像デ
ータに類似するものを索出する類似画像検索システムに
おいて、個々の画像データを複数の小領域に分割する前
処理手段と、分割された個々の小領域における濃淡情報
を検出する濃淡情報検出手段と、前記検出された濃淡情
報をもとに形成される濃淡レイアウトを定量化する特徴
定量化手段とを設け、この定量化された濃淡レイアウト
を当該画像データまたは小領域の画像特徴として扱うよ
うに構成したものである。

【０００８】本発明の他の類似画像検索システムは、例
えばユーザへの提供対象となる複数の画像データを蓄積
した画像データベースと、検索キーとなる例示画像デー
タを含むユーザからの検索条件を受け付ける検索条件入
力手段と、前記画像データベースに蓄積された画像デー
タから前記例示画像データの特徴に類似するものを索出
する画像検索手段とを備え、前記画像データベースから
前記例示画像データの特徴に類似するものを索出する類
似画像検索システムにおいて、個々の画像データまたは
例示画像データを複数の小領域に分割する前処理手段
と、分割された個々の小領域における濃淡情報を検出す
る濃淡情報検出手段と、前記検出された濃淡情報をもと
に形成される濃淡レイアウトを定量化する特徴定量化手
段とを有し、この定量化された濃淡レイアウトを用いて
前記画像データベースに蓄積された画像データと前記例
示画像データとの類否判定を行うことを特徴とする。

【０００９】上記各類似画像検索システムにおいて、前
記前処理手段は、例えば、所定の指標に基づくクラスタ
分析によっていくつかの前記小領域を統合して新たな小
領域とするように構成し、前記濃淡情報検出手段は、個
々の前記小領域における濃淡情報を画像単位で正規化し
た値として導出するように構成する。

【００１０】好ましくは、前記画像データにおける小領
域の特徴と前記例示画像データの画像特徴とを比較し、
その差分が相対的に大きい領域を比較対象とする注目領
域として推定する注目領域推定手段をさらに備えるよう
にする。

【００１１】上記他の課題を解決する本発明の記録媒体
は、下記の処理をコンピュータ装置に実行させるための
プログラムコードが記録された、コンピュータ読取可能
な記録媒体である。 （１）画像データを複数の小領域に分割する処理、
（２）各小領域における画像濃淡情報を検出する処理、
（３）検出した画像濃淡情報に基づく濃淡レイアウトを
定量化する処理、（４）定量化された濃淡レイアウトを
当該画像データまたは小領域の画像特徴として抽出する
処理、（５）抽出された画像特徴をもとにそれに類似す
る他の画像データを特定する処理。

【００１２】

【発明の実施の形態】以下、本発明を適用した類似画像
検索システムの実施の形態を説明する。図１は、この実
施形態による類似画像検索システムの機能構成図であ
り、画像データの濃淡レイアウトに基づいて画像特徴を
抽出し、抽出した画像特徴を用いて類似する画像データ
の検索または該当する候補データの特定を行う場合の例
を示したものである。

【００１３】濃淡レイアウトは、画像中のオブジェクト
の配置情報をより大局的に捉え、画像全体での濃淡のバ
ランスを検討するための概念である。この発明では、濃
淡レイアウトに基づき、画像データをいくつかの小領域
に分割して分類するとともに、分類された各小領域の特
性を明らかにすることで、その画像データの全体または
特定の領域の特徴を明らかにする。

【００１４】このような機能を実現するため、本実施形
態では、ユーザに提供する複数の画像データが蓄積され
た画像データベース１０のほか、前処理部１１、濃淡情
報検出部１２、特徴定量化部１３、クラスタ分析部１
４、画像特徴管理部１５、注目領域推定部１６、類似画
像検索部１７の機能ブロックを備えて類似画像検索シス
テム１を構成している。

【００１５】この類似画像検索システム１は、コンピュ
ータ装置によって実現されるもので、各機能ブロック１
１〜１７は、コンピュータ装置のＣＰＵが所定のプログ
ラムコードを読み込んでオペレーティングシステム（Ｏ
Ｓ）と協働実行することによって形成される。プログラ
ムコードは、通常、ＣＰＵが随時読み取り可能なメモリ
領域に記録されているが、運用時にこのプログラムコー
ドによって上記機能ブロックを形成できるようになって
いれば本発明を実施できるので、その記録形態は任意で
あって良い。例えば、コンピュータ装置とは分離可能な
可搬性の記録媒体にコンピュータ読みとり可能な形態で
記録され、使用時に読み込まれて上記メモリ領域にイン
ストールされて随時実行に供されるものであっても良
い。この場合の記録媒体は、例えば磁気ディスク、光磁
気ディスク、紙やフィルム媒体、半導体メモリ等である
が、ネットワークに接続されたプログラムサーバ等であ
っても良い。

【００１６】各機能ブロック１１〜１７の内容は、以下
のとおりである。前処理部１１は、画像データベース１
０内の個々の画像データまたは検索キーとなる例示画像
データ（以下、両者を区別する必要が無い場合は、「画
像データ」と総称し、区別する必要がある場合は、前者
を「目的画像データ」、後者を「例示画像データ」と称
する）を、それぞれ複数の小領域、すなわち正方形状の
画像領域でるサブブロックに分割するものであり、濃淡
情報検出部１２は、これらのサブブロック内での濃淡情
報、例えばＲＧＢ（Red/Green/Blue）要素の平均値を検
出するものである。

【００１７】ＲＧＢ要素の平均値は、多くの画像の色成
分を主成分分析するとその第一主成分方向に近い値とな
ることが知られているので、この実施形態では、ＲＧＢ
要素の平均値を濃淡情報として用いている。サブブロッ
クを単位としたのは、濃淡情報以外にもテクスチャ情報
等を容易に導入することができるようにしたものであ
り、正方形としたのは、個々のサブブロックにおける濃
淡情報をもとに形成される濃淡レイアウトの範囲（縦横
方向のブロック数）を特定し易くしたものである。

【００１８】特徴定量化部１３は、濃淡情報をもとに形
成される濃淡レイアウトを定量化するものである。定量
化に際しては、濃淡レイアウトをより明瞭にするため、
画像データをサブブロック単位で正規化する。例えばｉ
番目の画像データｉ、ｊ番目のサブブロックｊの濃淡情
報を「Ｃij」、画像データｉの濃淡情報の平均値を「μ
i」、画像データｉの濃淡情報の標準偏差を「σi」とす
ると、画像データｉ、サブブロックｊの正規化濃淡情報
ＮＣijは、下記(1)式によって求められる。 ＮＣij＝Ｃij−μi／σi ・・・(1)

【００１９】個々のサブブロックの画像特徴は上述の正
規化濃淡情報によって表すことができ、画像データ全体
の特徴は、このサブブロック毎の正規化濃淡情報をラス
タスキャンの順に並べた特徴ベクトルとして表すことが
できる。

【００２０】クラスタ分析部１４は、画像特徴差を表す
距離の指標に基づいて個々の画像データまたはサブブロ
ックをいくつかのまとまり（クラスタ）に統合するもの
である。具体的には、対象となるものの全ての組み合わ
せについて距離を計算し、最も短い距離を持つ２つを新
たな１つのクラスタにまとめていく処理を繰り返す。新
たなクラスタと他のクラスタとの距離の計算方法として
は、各クラスタに属する画像データ間の距離のうち、最
小値として定義する最近隣法や、これとは逆に最大値と
して定義する最遠隣法等を用いることができる。このク
ラスタ分析処理によって、濃淡レイアウトの近似するも
のが同一クラスタ内に分類されるようになる。各クラス
タを代表する特性は、特徴ベクトルをクラスタ毎に平均
化し、さらに正規化した値として定義される代表特徴ベ
クトルによって規定することができる。

【００２１】画像特徴管理部１５は、目的画像データに
ついて抽出した画像特徴を原画像と対応付けて記録した
ものである。つまり、類似画像検索の際に、その都度、
該当する目的画像データについて画像抽出を行っても良
いが、本実施形態では、検索時の処理の迅速化のため、
予め、この画像特徴管理部１５に各目的画像データの画
像特徴を記録しておき、例示画像データとの特徴比較の
際に用いる。

【００２２】注目領域推定部１６は、画像特徴の比較の
際に、一つの画像データ内で注目すべき領域（注目領
域）を推定するものである。上述のようにして濃淡レイ
アウトに基づく代表特徴ベクトルが求まると、例示画像
データの特徴ベクトルと目的画像データの代表特徴ベク
トルとの距離を求める処理によって、例示画像データが
目的画像データのどのクラスタに含まれているのかを大
まかに分類することが可能になる。運用上は、さらに詳
細な分類を行うために、色情報、テクスチャ情報、形状
情報等が必要になるが、これらの情報に関しては、上述
の通り従来より多数の検索基準が提案されている。この
実施形態では、これらの検索基準に基づく詳細分類まで
は検討の対象としないが、濃淡レイアウトに基づいて目
的画像データにおいて注目領域を推定することができれ
ば、以後の詳細分類への橋渡しとして有効な情報となり
得る。そこで、注目領域推定部１６では、分類されたク
ラスタの代表特徴ベクトルと例示画像データの特徴ベク
トルとを比較し、その差分が相対的に大きい領域を注目
領域として推定し、この推定結果を図示しないワーク領
域等に保持しておいて、詳細分類に際に用いる。注目領
域の推定は、具体的には、差分が閾値を越えたサブブロ
ックを注目領域とする方法、差分が大きな順から一定数
のサブブロックを選択して注目領域とする方法等を採用
することができる。濃淡レイアウトが類似したクラスタ
の中で、ベクトル値の差分が大きくなる領域は、濃淡レ
イアウト上での特徴として意味があるものと推測され
る。

【００２３】類似画像検索部１７は、上述の濃淡レイア
ウトを用いて抽出した例示画像データの特徴と画像特徴
管理部１５に記録された各目的画像データの画像特徴と
を比較し、両者の類似度が高いものがある場合は、それ
に対応する目的画像データを画像データバース１０から
索出するものである。複数の候補データを特定し、以後
の詳細分類の結果に基づいて特定のものを絞り込む構成
にすることもできる。画像特徴同士の類似度は、ベクト
ル間のユークリッド平方距離の大小で判定することがで
きる。

【００２４】なお、水平／垂直方向のサブブロック数の
基準値を予め定めておき、両方向ともこの基準値を満足
し、且つより広い領域をサブブロックがカバーするよう
に正方形のサブブロックの画素数を定めておくことによ
り、サイズが異なる画像データ間での距離を算出するこ
とが可能となる。また、上記の基準値を設けることによ
り、画像データ内におけるサブブロックの位置関係が一
意に決まるため、濃淡レイアウトによる特徴把握も容易
となる。但し、運用に際しては、目的画像データと例示
画像データの縦横比が著しく異なる場合があるため、水
平／垂直方向のサブブロック数の基準値を複数パターン
設けておき、さらに、例えばパノラマサイズ用の基準値
に近い画像データのみを対象とできるような、インタフ
ェースを用意しておく。

【００２５】次に、本実施形態の類似画像検索システム
１において実行される画像特徴抽出の処理手順を説明す
る。まず、図２及び図３を参照して目的画像データから
画像特徴を抽出する場合の処理手順を説明する。画像デ
ータベース１０に既に蓄積された目的画像データ、ある
いは、これから蓄積しようとする目的画像データを受け
付け（ステップＳ１０１）、前処理部１１でこれを複数
のサブブロックに分割する（ステップＳ１０２）。濃淡
情報検出部１２で各サブブロックにおける濃淡情報を検
出し（ステップＳ１０３）、特徴定量化部１３で各サブ
ブロックの正規化濃淡情報をもとに濃淡レイアウトを定
量化する（ステップＳ１０４）。必要に応じてクラスタ
分析部１４でクラスタ分析を行い、濃淡レイアウトの近
似するものを同一クラスタ内に分類する（ステップＳ１
０５）。その後、クラスタ毎に特徴ベクトルを平均化
し、さらにこれらを正規化して目的画像データの代表特
徴ベクトルを求める（ステップＳ１０６）。この代表特
徴ベクトルは、画像データベース１０中の原画像と対応
付けられて画像特徴管理部１５に記録される（ステップ
Ｓ１０７）。

【００２６】例えば、７２枚の風景写真をスキャナ等で
取り込んで目的画像データとし、この目的画像データに
対して、最遠隣法によるクラスタ分析を行った場合の分
析結果を図３に示す。図３は一種のテンドログラムであ
り、複数の縦線はそれぞれ風景写真に対応する画像デー
タのサブブロック、隣接のものと結ばれたときの距離値
は、クラスタが統合されたときの実際の距離値を表して
いる。図３に示す破線３１の位置でデンドログラムを切
断したとすると、結果として、目的画像データを５つの
クラスタに分割することができる。クラスタ分割のため
の定量的な基準は現在のところ明確なものはないが、ク
ラスタ内の濃淡レイアウトの特性を捉えるためには、ク
ラスタ内に、ある程度の画像数が含まれていることが必
要である。図３の破線３１の位置で分割すると、いずれ
のクラスタにも６つ以上の画像が含まれることから、５
つのクラスタを採用したものである。なお、この破線３
１の位置は任意であって良いのは勿論である。これらの
５つのクラスタからは、それぞれの代表特徴ベクトルが
導出されるが、正規化された状態では、各代表特徴ベク
トルの平均値は「０」，標準偏差は「１」となるので、
このままでは、表示装置や印刷装置等によって視覚化す
ることはできない。視覚化するためには、平均で「１２
８」（１２８階調の画素表現），標準偏差が「３０」程
度となるように変換した値を用いる。

【００２７】ここで、各クラスタでの濃淡レイアウトの
特徴を考察した結果、各クラスタの濃淡レイアウトが以
下のようであったとする。 ・クラスタ＃１：明るさの中心が、画面中央付近にあ
り、そこから画面右上に向かって明るさが続いているレ
イアウト。 ・クラスタ＃２：明るさの中心は、前記クラスタ＃１と
同様に画面中央付近にあるが、そこから画面左上に向か
って明るさが続いているレイアウト。 ・クラスタ＃３：水平な明るさの帯が、画面中央よりや
や下に続いているレイアウト。 ・クラスタ＃４：多くの画像要素があるが、全体的に画
面の上半分が明るく、下半分が暗いレイアウト。 ・クラスタ＃５：画面中央付近が暗くなっているレイア
ウト。

【００２８】クラスタ＃１やクラスタ＃２では、写真の
奥行きを表現するためのフレームワークに関する特性が
捉えられている。また、クラスタ＃４は、「風景写真に
は背景が明るい空となる構図や水平線を意識した構図が
多い」ことを考慮すると、風景写真の特性が捉えられて
いるとみることができる。このように、一定の特性のも
とに分類され、風景写真の構図の特性とも対応付けるこ
とができる。

【００２９】次に、実際に画像検索を行う場合の処理手
順を図４を参照して説明する。まず、ユーザから例示画
像データを検索キーとして受け付ける（ステップＳ２０
１）。そして、前処理部１１でこの例示画像データを複
数のサブブロックに分割する（ステップＳ２０２）。濃
淡情報検出部１２で各サブブロックにおける濃淡情報を
検出し（ステップＳ２０３）、特徴定量化部１３で、各
サブブロックの正規化濃淡情報をもとに濃淡レイアウト
を定量化する（ステップＳ２０４）。必要に応じてクラ
スタ分析部１４でクラスタ分析を行い、濃淡レイアウト
の近似するものを同一クラスタ内に分類する（ステップ
Ｓ２０５）。その後、クラスタ毎に特徴ベクトルを平均
化し、さらにこれらを正規化して例示画像データの正規
化特徴ベクトルを求める（ステップＳ２０６）

【００３０】その後、抽出した正規化特徴ベクトルに一
定値以上類似する代表特徴ベクトルが画像特徴管理部１
５に記録されているかどうかを判定する（ステップＳ２
０７）。類似するものが記録されているときは、それに
対応する候補データを画像データベース１０より索出し
（ステップＳ２０８：Yes、Ｓ２０９）、図示しない表
示装置等に表示させる（ステップＳ２１０）。ユーザか
ら候補データの絞り込みがある場合、つまり詳細分類の
指示があった場合は該当処理を実行してステップＳ２０
９に戻る（ステップＳ２１１：Yes、Ｓ２１２）。一
方、ステップＳ２０８において、正規化特徴ベクトルに
類似する代表特徴ベクトルが記録されていなかった場
合、あるいはユーザからの詳細分類の指示がなかった場
合は、検索処理を終える（ステップＳ２０８:No、Ｓ２
１１：No）。

【００３１】このように、本実施形態の類似画像検索シ
ステム１によれば、濃淡レイアウトに基づく画像特徴抽
出を行うことで、大量に蓄積された目的画像データから
所望のものを検索するための新たなサービスメニューを
追加することができるようになる。そのため、ユーザに
とって、画像検索のための基準の選択の幅が拡がり、画
像データの提供サービスの利便性の向上を図ることが可
能になる。

【００３２】また、ベクトル間の距離値を求める処理の
みによって、例示画像データがどのクラスタに含まれて
いるのかを、推定することが可能になるので、目的画像
データの検索ないしその候補データの特定が容易にな
る。

【００３３】

【発明の効果】以上の説明から明らかなように、本発明
では、画像データの濃淡レイアウトを定量化し、この定
量化された濃淡レイアウトを画像データの全部または小
領域単位の画像特徴として抽出するようにしたので、こ
れを画像データ間の類否判定のための新規な基準として
用いることができるようになる。

【図面の簡単な説明】

【図１】本発明を適用した類似画像検索システムの機能
構成図。

【図２】本実施形態による画像特徴抽出の処理手順図。

【図３】最遠隣法によるクラスタ分析結果を表すテンド
ログラム。

【図４】本実施形態による画像検索時の処理手順図。

【符号の説明】

１ 類似画像検索システム １０ 画像データベース １１ 前処理部 １２ 濃淡情報検出部 １３ 特徴定量化部 １４ クラスタ分析部 １５ 画像特徴管理部 １６ 注目領域推定部 １７ 類似画像検索部

Claims (10)

【特許請求の範囲】
1. 【請求項１】 画像データを複数の小領域に分割して各
   小領域における画像濃淡情報を検出するとともに、検出
   した画像濃淡情報に基づく濃淡レイアウトを定量化し、
   この定量化された濃淡レイアウトを当該画像データの全
   体または小領域単位の画像特徴として抽出することを特
   徴とする、画像特徴抽出方法。
2. 【請求項２】 正規化された前記濃淡情報をもとにベク
   トル化し、さらに、このベクトルを平均化することによ
   り前記濃淡レイアウトを定量化することを特徴とする、 請求項１記載の画像特徴抽出方法。
3. 【請求項３】 所定の指標に基づくクラスタ分析によっ
   て新たな小領域を形成し、この新たな小領域において定
   量化された前記濃淡レイアウトを前記画像特徴として抽
   出することを特徴とする、 請求項１または２記載の画像特徴抽出方法。
4. 【請求項４】 前記小領域が正方形状の画像領域であ
   り、その縦横方向の領域数を基準値として定めておくこ
   とにより前記濃淡レイアウトの範囲を特定することを特
   徴とする、請求項３記載の画像特徴抽出方法。
5. 【請求項５】 画像データの特徴を抽出し、抽出された
   画像特徴を用いて複数の画像データから特定の画像デー
   タに類似するものを索出する類似画像検索システムにお
   いて、 個々の画像データを複数の小領域に分割する前処理手段
   と、 分割された個々の小領域における濃淡情報を検出する濃
   淡情報検出手段と、 前記検出された濃淡情報をもとに形成される濃淡レイア
   ウトを定量化する特徴定量化手段とを有し、この定量化
   された濃淡レイアウトを当該画像データまたは小領域の
   画像特徴として扱うように構成されていることを特徴と
   する、 類似画像検索システム。
6. 【請求項６】 複数の画像データを蓄積した画像データ
   ベースと、検索キーとなる例示画像データを含む検索条
   件を受け付ける検索条件入力手段と、前記画像データベ
   ースに蓄積された画像データから前記例示画像データの
   特徴に類似するものを索出する画像検索手段とを備え、
   前記画像データベースから前記例示画像データの特徴に
   類似するものを索出する類似画像検索システムにおい
   て、 個々の画像データまたは例示画像データを複数の小領域
   に分割する前処理手段と、 分割された個々の小領域における濃淡情報を検出する濃
   淡情報検出手段と、 前記検出された濃淡情報をもとに形成される濃淡レイア
   ウトを定量化する特徴定量化手段とを有し、この定量化
   された濃淡レイアウトを用いて前記画像データベースに
   蓄積された画像データの特徴と前記例示画像データの特
   徴との類否判定を行うことを特徴とする、類似画像検索
   システム。
7. 【請求項７】 前記前処理手段は、所定の指標に基づく
   クラスタ分析によっていくつかの前記小領域を統合して
   新たな小領域とすることを特徴とする、 請求項５または６記載の類似画像検索システム。
8. 【請求項８】 前記濃淡情報検出手段は、個々の前記小
   領域における濃淡情報を画像単位で正規化した値として
   導出することを特徴とする、 請求項５または６記載の類似画像検索システム。
9. 【請求項９】 前記画像データにおける小領域の特徴と
   前記例示画像データの特徴とを比較し、その差分が相対
   的に大きい領域を画像間の比較対象となる注目領域とし
   て推定する注目領域推定手段をさらに備えることを特徴
   とする、 請求項６記載の類似画像検索システム。
10. 【請求項１０】 画像データを複数の小領域に分割する
    処理、 各小領域における画像濃淡情報を検出する処理、 検出した画像濃淡情報に基づく濃淡レイアウトを定量化
    する処理、 定量化された濃淡レイアウトを当該画像データまたは小
    領域の画像特徴として抽出する処理、 抽出された画像特徴をもとにそれに類似する他の画像デ
    ータを特定する処理をコンピュータ装置に実行させるた
    めのプログラムコードが記録された、 コンピュータ読取可能な記録媒体。