JP2000200354A - 構図情報抽出装置、被写体再構成装置および画像処理システム - Google Patents
構図情報抽出装置、被写体再構成装置および画像処理システムInfo
- Publication number
- JP2000200354A JP2000200354A JP11001966A JP196699A JP2000200354A JP 2000200354 A JP2000200354 A JP 2000200354A JP 11001966 A JP11001966 A JP 11001966A JP 196699 A JP196699 A JP 196699A JP 2000200354 A JP2000200354 A JP 2000200354A
- Authority
- JP
- Japan
- Prior art keywords
- image
- subject
- composition information
- unit
- extracting
- 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.)
- Granted
Links
Abstract
(57)【要約】
【課題】 画像から構図情報を抽出し、抽出された構図
情報に基づいて絵を再構成することができる被写体抽出
装置および構図情報抽出装置を提供することを目的とす
る。 【解決手段】 構図情報抽出装置１は、外部から画像を
取得する画像入力回路２と、入力された画像から被写体
を自動的に抽出する被写体抽出回路３と、抽出された被
写体の構図情報を抽出する構図情報抽出回路４と、抽出
した構図情報を画像データベース６に格納する構図情報
格納回路５とを備える。構図情報は、画像データベース
６に蓄積され、さらにこの構図情報に基づき入力した画
像における被写体を背景画像に再配置することが可能と
なる。
情報に基づいて絵を再構成することができる被写体抽出
装置および構図情報抽出装置を提供することを目的とす
る。 【解決手段】 構図情報抽出装置１は、外部から画像を
取得する画像入力回路２と、入力された画像から被写体
を自動的に抽出する被写体抽出回路３と、抽出された被
写体の構図情報を抽出する構図情報抽出回路４と、抽出
した構図情報を画像データベース６に格納する構図情報
格納回路５とを備える。構図情報は、画像データベース
６に蓄積され、さらにこの構図情報に基づき入力した画
像における被写体を背景画像に再配置することが可能と
なる。
Description
【０００１】
【発明の属する技術分野】本発明は、構図情報抽出装置
および被写体再構成装置に関し、特に入力された画像か
ら自動的に被写体を抽出し、さらに指定された構図およ
び背景画像に合わせて、被写体を再構成する構図情報抽
出装置および被写体再構成装置に関するものである。
および被写体再構成装置に関し、特に入力された画像か
ら自動的に被写体を抽出し、さらに指定された構図およ
び背景画像に合わせて、被写体を再構成する構図情報抽
出装置および被写体再構成装置に関するものである。
【０００２】
【従来の技術】従来、映像や画像における被写体の位置
を修正する場合、すべて手動で行なっていた。
を修正する場合、すべて手動で行なっていた。
【０００３】
【発明が解決しようとする課題】しかしながら、手動で
の修正は煩雑な処理が必要とされる。特に、視覚的バラ
ンスの良い絵に修正するには構図に関する専門知識が必
要とされる。したがってｓ、このような修正作業を行な
うことは非常に困難であるという問題があった。
の修正は煩雑な処理が必要とされる。特に、視覚的バラ
ンスの良い絵に修正するには構図に関する専門知識が必
要とされる。したがってｓ、このような修正作業を行な
うことは非常に困難であるという問題があった。
【０００４】そこで、本発明はこのような問題を解決す
るためになされたものであり、画像から被写体領域を自
動的に抽出し、抽出された被写体領域から構図情報を自
動的に取得することを可能とする構図情報抽出装置を提
供することを目的とする。
るためになされたものであり、画像から被写体領域を自
動的に抽出し、抽出された被写体領域から構図情報を自
動的に取得することを可能とする構図情報抽出装置を提
供することを目的とする。
【０００５】また、本発明は、抽出された構図情報に基
づいて、視覚的にバランスの良い絵を再構成することを
可能とする被写体再構成装置を提供することを目的とす
る。
づいて、視覚的にバランスの良い絵を再構成することを
可能とする被写体再構成装置を提供することを目的とす
る。
【０００６】
【課題を解決するための手段】請求項１に係る構図情報
抽出装置は、画像を入力する画像入力手段と、画像から
被写体を抽出する第１の抽出手段と、抽出した被写体に
関する構図情報を抽出する第２の抽出手段と、抽出した
構図情報を格納するためのデータベースと、データベー
スに抽出した構図情報を格納するための構図情報格納手
段とを備える。
抽出装置は、画像を入力する画像入力手段と、画像から
被写体を抽出する第１の抽出手段と、抽出した被写体に
関する構図情報を抽出する第２の抽出手段と、抽出した
構図情報を格納するためのデータベースと、データベー
スに抽出した構図情報を格納するための構図情報格納手
段とを備える。
【０００７】請求項２に係る構図情報抽出装置は、請求
項１に係る構図情報抽出装置であって、第１の抽出手段
は、画像の特徴要素に基づき、画像を複数の領域に分割
する領域分割手段と、領域分割手段により得られる複数
の領域のそれぞれに対し、コントラストパラメータを計
測する計測手段と、計測されたコントラストパラメータ
に基づき、複数の領域のそれぞれが被写体であるか否か
を判定する判定手段とを含む。
項１に係る構図情報抽出装置であって、第１の抽出手段
は、画像の特徴要素に基づき、画像を複数の領域に分割
する領域分割手段と、領域分割手段により得られる複数
の領域のそれぞれに対し、コントラストパラメータを計
測する計測手段と、計測されたコントラストパラメータ
に基づき、複数の領域のそれぞれが被写体であるか否か
を判定する判定手段とを含む。
【０００８】請求項３に係る構図情報抽出装置は、請求
項１に係る構図情報抽出装置であって、第２の抽出手段
は、入力された画像の縦横比から、対象矩形を決定する
決定手段と、決定された対象矩形を黄金分割することに
より、複数の相似矩形を作成する相似矩形作成手段と、
複数の相似矩形のうち、被写体が占有する占有率が所定
のしきい値以上である相似矩形を抽出し、抽出した相似
矩形を統合する手段と、統合した相似矩形に対し、構図
情報を求める手段とを含み、構図情報には、統合した相
似矩形を構成する外接矩形の情報および重心位置の情報
が含まれる。
項１に係る構図情報抽出装置であって、第２の抽出手段
は、入力された画像の縦横比から、対象矩形を決定する
決定手段と、決定された対象矩形を黄金分割することに
より、複数の相似矩形を作成する相似矩形作成手段と、
複数の相似矩形のうち、被写体が占有する占有率が所定
のしきい値以上である相似矩形を抽出し、抽出した相似
矩形を統合する手段と、統合した相似矩形に対し、構図
情報を求める手段とを含み、構図情報には、統合した相
似矩形を構成する外接矩形の情報および重心位置の情報
が含まれる。
【０００９】請求項４に係る被写体再構成装置は、画像
を入力する画像入力手段と、データベースと、構図情報
と背景画像とをデータベースから取得する手段と、構図
情報に合わせて前記入力した画像の被写体を拡大縮小
し、取得した背景画像に再配置する再構成手段とを備え
る。
を入力する画像入力手段と、データベースと、構図情報
と背景画像とをデータベースから取得する手段と、構図
情報に合わせて前記入力した画像の被写体を拡大縮小
し、取得した背景画像に再配置する再構成手段とを備え
る。
【００１０】請求項５に係る被写体再構成装置は、請求
項４に係る被写体再構成装置であって、イメージスキャ
ナと、被写体抽出手段とをさらに備え、画像入力手段
は、イメージスキャナから画像を取込み、被写体抽出手
段は、取込んだ画像における被写体を抽出する。
項４に係る被写体再構成装置であって、イメージスキャ
ナと、被写体抽出手段とをさらに備え、画像入力手段
は、イメージスキャナから画像を取込み、被写体抽出手
段は、取込んだ画像における被写体を抽出する。
【００１１】請求項６に係る被写体再構成装置は、請求
項４に係る被写体再構成装置であって、ビデオカメラ
と、背景除去手段とをさらに備え、画像入力手段は、ビ
デオカメラから画像を取込み、背景除去手段は、取込ん
だ画像の背景画像を除去することにより、画像における
被写体を抽出する。
項４に係る被写体再構成装置であって、ビデオカメラ
と、背景除去手段とをさらに備え、画像入力手段は、ビ
デオカメラから画像を取込み、背景除去手段は、取込ん
だ画像の背景画像を除去することにより、画像における
被写体を抽出する。
【００１２】請求項７に係る被写体再構成装置は、請求
項５に係る被写体再構成装置であって、被写体抽出手段
は、取込んだ画像の特徴要素に基づき、画像を複数の領
域に分割する領域分割手段と、領域分割手段により得ら
れる複数の領域のそれぞれに対し、コントラストパラメ
ータを計測する計測手段と、計測されたコントラストパ
ラメータに基づき、複数の領域のそれぞれが被写体であ
るか否かを判定する判定手段とを含む。
項５に係る被写体再構成装置であって、被写体抽出手段
は、取込んだ画像の特徴要素に基づき、画像を複数の領
域に分割する領域分割手段と、領域分割手段により得ら
れる複数の領域のそれぞれに対し、コントラストパラメ
ータを計測する計測手段と、計測されたコントラストパ
ラメータに基づき、複数の領域のそれぞれが被写体であ
るか否かを判定する判定手段とを含む。
【００１３】
【発明の実施の形態】［実施の形態１］本発明の実施の
形態１における構図情報抽出装置について説明する。本
発明の実施の形態１における構図情報抽出装置は、領域
のコントラスト情報に基づき、画像から被写体を自動的
に抽出し、さらに抽出した被写体に関する構図情報をデ
ータベースに格納することを可能とするものである。
形態１における構図情報抽出装置について説明する。本
発明の実施の形態１における構図情報抽出装置は、領域
のコントラスト情報に基づき、画像から被写体を自動的
に抽出し、さらに抽出した被写体に関する構図情報をデ
ータベースに格納することを可能とするものである。
【００１４】本発明の実施の形態１における構図情報抽
出装置１の全体構成を、図１を用いて説明する。図１
は、本発明の実施の形態１における構図情報抽出装置１
の全体構成を示す図である。図１を参照して、構図情報
抽出装置１は、画像入力回路２、被写体抽出回路３、構
図情報抽出回路４および構図情報格納回路５を備える。
出装置１の全体構成を、図１を用いて説明する。図１
は、本発明の実施の形態１における構図情報抽出装置１
の全体構成を示す図である。図１を参照して、構図情報
抽出装置１は、画像入力回路２、被写体抽出回路３、構
図情報抽出回路４および構図情報格納回路５を備える。
【００１５】画像入力回路２により、構図情報抽出装置
１に画像を入力する。入力された画像データは、被写体
抽出回路３に入力される。被写体抽出回路３は、入力さ
れた画像データから被写体領域を抽出する。構図情報抽
出回路４は、抽出された被写体領域に関する構図情報を
抽出する。構図情報格納回路５は、構図情報抽出回路４
において抽出された構図情報を画像データベース６に格
納する。
１に画像を入力する。入力された画像データは、被写体
抽出回路３に入力される。被写体抽出回路３は、入力さ
れた画像データから被写体領域を抽出する。構図情報抽
出回路４は、抽出された被写体領域に関する構図情報を
抽出する。構図情報格納回路５は、構図情報抽出回路４
において抽出された構図情報を画像データベース６に格
納する。
【００１６】まず、被写体抽出回路３の処理過程を、図
２を用いて説明する。図２は、図１に示す被写体抽出回
路３の処理過程を説明するためのフローチャートであ
る。図２を参照して、被写体抽出回路３では、画像の領
域分割を行なうステップＳ１−１と、コントラストパラ
メータの測定を行なうステップＳ１−２と、ニューラル
ネットワークによる判定を行なうステップＳ１−３と、
被写体領域の抽出を行なうステップＳ１−４とを備え
る。
２を用いて説明する。図２は、図１に示す被写体抽出回
路３の処理過程を説明するためのフローチャートであ
る。図２を参照して、被写体抽出回路３では、画像の領
域分割を行なうステップＳ１−１と、コントラストパラ
メータの測定を行なうステップＳ１−２と、ニューラル
ネットワークによる判定を行なうステップＳ１−３と、
被写体領域の抽出を行なうステップＳ１−４とを備え
る。
【００１７】画像の領域分割を行なうステップＳ１−１
では、エッジフロー（Ｅｄｇｅ Ｆｌｏｗ）モデルによ
り、入力された画像の領域分割を行なう（エッジフロー
モデルについての詳細は、W. Y. Ma and B. S. Manjuna
th, “Edge Flow: A Framework of Boundary Detection
and Image Segmentation,”Proc. CVPR'97, pp.744-74
9, 1997 を参照のこと）。
では、エッジフロー（Ｅｄｇｅ Ｆｌｏｗ）モデルによ
り、入力された画像の領域分割を行なう（エッジフロー
モデルについての詳細は、W. Y. Ma and B. S. Manjuna
th, “Edge Flow: A Framework of Boundary Detection
and Image Segmentation,”Proc. CVPR'97, pp.744-74
9, 1997 を参照のこと）。
【００１８】本発明の実施の形態１では、画像の各場所
における色およびテクスチャの変化方向を求め、変化方
向とその強さとからなるエッジフローベクトルを定め
る。そして、反復処理により、エッジフローベクトルを
各ベクトルの方向へ伝搬し、最終的にベクトル同士がぶ
つかり合う場所を各領域の境界線とする。
における色およびテクスチャの変化方向を求め、変化方
向とその強さとからなるエッジフローベクトルを定め
る。そして、反復処理により、エッジフローベクトルを
各ベクトルの方向へ伝搬し、最終的にベクトル同士がぶ
つかり合う場所を各領域の境界線とする。
【００１９】ここで、エッジフローモデルを用いた領域
分割の一例について、図３および図４を用いて説明す
る。図３は、領域分割の対象の一例について説明するた
めの図であり、図示しないディスプレイに表示した状態
を表わしている。画像入力回路２により入力した原画像
２１は、領域分割の対象となる。図４は、領域分割の結
果の一例について説明するための図であり、図示しない
ディスプレイに表示した状態を表わしている。図３に示
す画像２１を被写体抽出回路３に入力すると、エッジフ
ローモデルによる領域分割により、図４の画像２２に示
すように画像２１が複数の領域に分割される。
分割の一例について、図３および図４を用いて説明す
る。図３は、領域分割の対象の一例について説明するた
めの図であり、図示しないディスプレイに表示した状態
を表わしている。画像入力回路２により入力した原画像
２１は、領域分割の対象となる。図４は、領域分割の結
果の一例について説明するための図であり、図示しない
ディスプレイに表示した状態を表わしている。図３に示
す画像２１を被写体抽出回路３に入力すると、エッジフ
ローモデルによる領域分割により、図４の画像２２に示
すように画像２１が複数の領域に分割される。
【００２０】図２を参照して、コントラストパラメータ
の測定を行なうステップＳ１−２では、コントラスト情
報（パラメータ）を求める。領域のコントラスト情報を
求めるには、隣接する領域との違いだけでなく、画像全
体との違いも考慮する。本発明の実施の形態１では、隣
接する間の違いをローカルコントラスト、領域と画像全
体との違いをグローバルコントラストと称す。領域のコ
ントラストを計る物理的特徴量には、色やテクスチャの
みならず、その領域に焦点（フォーカス）が当たってい
るか否か、つまり領域のぼけ具合も重要な要素として挙
げられる。したがって、領域のコントラストをはかるパ
ラメータとして、色のローカルコントラスト、テクスチ
ャのローカルコントラスト、色のグローバルコントラス
ト、テクスチャのグローバルコントラスト、フォーカス
（シャープネス）を求める。以下、これらのコントラス
トパラメータついて説明する。
の測定を行なうステップＳ１−２では、コントラスト情
報（パラメータ）を求める。領域のコントラスト情報を
求めるには、隣接する領域との違いだけでなく、画像全
体との違いも考慮する。本発明の実施の形態１では、隣
接する間の違いをローカルコントラスト、領域と画像全
体との違いをグローバルコントラストと称す。領域のコ
ントラストを計る物理的特徴量には、色やテクスチャの
みならず、その領域に焦点（フォーカス）が当たってい
るか否か、つまり領域のぼけ具合も重要な要素として挙
げられる。したがって、領域のコントラストをはかるパ
ラメータとして、色のローカルコントラスト、テクスチ
ャのローカルコントラスト、色のグローバルコントラス
ト、テクスチャのグローバルコントラスト、フォーカス
（シャープネス）を求める。以下、これらのコントラス
トパラメータついて説明する。
【００２１】１） 色のローカルコントラストＦi,1 を
計測する。
計測する。
【００２２】
【数１】
【００２３】
【数２】
【００２４】
【数３】
【００２５】
【数４】
【００２６】なお、ｆi,1 は、領域ｉの色のローカルコ
ントラストを、ＣｏｌｏｒＤｉｆiは、領域ｉと隣接す
る領域との平均色差を、ＲｇｎＣｏｌＤｉｆi,j は、領
域ｉと隣接領域ｊとの色差を、ｗi は、領域ｉのペナル
ティ係数をそれぞれ表わす。さらに、ｅi は、領域ｉの
マスク画像のオイラー数を、ｔｌi は、領域ｉと隣接領
域との接線の長さを、ｌi は、領域ｉの外周長をそれぞ
れ表わす。さらに、Ｌｔi ，ａｔi ，ｂｔi は、領域ｉ
のＬ* ａ* ｂ* カラー空間による平均色を、Ｌｓi ，ａ
ｓi ，ｂｓi は、隣接領域ｊのＬ* ａ* ｂ* カラー空間
における平均色を、ｎi は、領域ｉの隣接領域の数をそ
れぞれ表わす。
ントラストを、ＣｏｌｏｒＤｉｆiは、領域ｉと隣接す
る領域との平均色差を、ＲｇｎＣｏｌＤｉｆi,j は、領
域ｉと隣接領域ｊとの色差を、ｗi は、領域ｉのペナル
ティ係数をそれぞれ表わす。さらに、ｅi は、領域ｉの
マスク画像のオイラー数を、ｔｌi は、領域ｉと隣接領
域との接線の長さを、ｌi は、領域ｉの外周長をそれぞ
れ表わす。さらに、Ｌｔi ，ａｔi ，ｂｔi は、領域ｉ
のＬ* ａ* ｂ* カラー空間による平均色を、Ｌｓi ，ａ
ｓi ，ｂｓi は、隣接領域ｊのＬ* ａ* ｂ* カラー空間
における平均色を、ｎi は、領域ｉの隣接領域の数をそ
れぞれ表わす。
【００２７】２） テクスチャのローカルコントラスト
ｆi,2 を計測する。
ｆi,2 を計測する。
【００２８】
【数５】
【００２９】
【数６】
【００３０】
【数７】
【００３１】ここで、ｆi,2 は、領域ｉのテクスチャの
ローカルコントラストを、ＴｅｘＤｉｆi は、領域ｉと
隣接する領域とのテクスチャ特徴ベクトルの平均距離
を、ＲｇｎＴｅｘＤｉｆi,j は、領域ｉと隣接領域ｊと
のテクスチャ特徴ベクトルの距離をそれぞれ表わす。ま
た、Ｔｔi,k は、領域ｉのテクスチャ特徴ベクトルを、
Ｔｓj,k は、領域ｊのテクスチャ特徴ベクトルを、ｎｆ
は、テクスチャ特徴ベクトルの要素数をそれぞれ表わ
す。
ローカルコントラストを、ＴｅｘＤｉｆi は、領域ｉと
隣接する領域とのテクスチャ特徴ベクトルの平均距離
を、ＲｇｎＴｅｘＤｉｆi,j は、領域ｉと隣接領域ｊと
のテクスチャ特徴ベクトルの距離をそれぞれ表わす。ま
た、Ｔｔi,k は、領域ｉのテクスチャ特徴ベクトルを、
Ｔｓj,k は、領域ｊのテクスチャ特徴ベクトルを、ｎｆ
は、テクスチャ特徴ベクトルの要素数をそれぞれ表わ
す。
【００３２】３） 色のグローバルコントラストｆi,3
を計測する。
を計測する。
【００３３】
【数８】
【００３４】
【数９】
【００３５】ここで、ｆi,3 は、領域ｉの色のグローバ
ルコントラストを、ＧＲｇｎＣｏｌＤｉｆi は、領域ｉ
の平均色と画像の平均色との色差（ただし、Ｌ* ａ* ｂ
* カラー空間における）を、Ｌａｖ，ａａｖ，ｂａｖ
は、画像の平均色をそれぞれ表わす。
ルコントラストを、ＧＲｇｎＣｏｌＤｉｆi は、領域ｉ
の平均色と画像の平均色との色差（ただし、Ｌ* ａ* ｂ
* カラー空間における）を、Ｌａｖ，ａａｖ，ｂａｖ
は、画像の平均色をそれぞれ表わす。
【００３６】４） テクスチャのグローバルコントラス
トｆi,4 を計測する。
トｆi,4 を計測する。
【００３７】
【数１０】
【００３８】
【数１１】
【００３９】ここで、ｆi,4 は、領域ｉのテクスチャの
グローバルコントラストを、ＧＲｇｎＴｅｘＤｉｆ
i は、領域ｉと画像全体のテクスチャ特徴ベクトルとの
距離を、Ｔａｖは、画像全体のテクスチャ特徴ベクトル
をそれぞれ表わす。
グローバルコントラストを、ＧＲｇｎＴｅｘＤｉｆ
i は、領域ｉと画像全体のテクスチャ特徴ベクトルとの
距離を、Ｔａｖは、画像全体のテクスチャ特徴ベクトル
をそれぞれ表わす。
【００４０】５） フォーカス（シャープネス）ｆi,5
を計測する。
を計測する。
【００４１】
【数１２】
【００４２】
【数１３】
【００４３】ここで、ｆi,5 は、領域ｉのシャープネス
を、｜▽Ｒｃi,j （ｘ，ｙ）｜は、領域ｉの輪郭のエッ
ジ強度を、Ｒｃｘは、エッジのｘ方向のグラジェント
を、Ｒｃｙは、エッジのｙ方向のグラジェントをそれぞ
れ表わす。
を、｜▽Ｒｃi,j （ｘ，ｙ）｜は、領域ｉの輪郭のエッ
ジ強度を、Ｒｃｘは、エッジのｘ方向のグラジェント
を、Ｒｃｙは、エッジのｙ方向のグラジェントをそれぞ
れ表わす。
【００４４】上述したテクスチャ特徴ベクトルについて
説明する。図５は、ガボールフィルタバンクのフィルタ
応答について説明するための図であり、図示しないディ
スプレイに表示した状態を表わしている。本発明の実施
の形態１においては、図５に示すように、大きさと方向
とが異なる複数のガボールフィルタにより画像をフィル
タリングしたときの応答を要素とするベクトルとしてテ
クスチャ特徴ベクトルを表現する。
説明する。図５は、ガボールフィルタバンクのフィルタ
応答について説明するための図であり、図示しないディ
スプレイに表示した状態を表わしている。本発明の実施
の形態１においては、図５に示すように、大きさと方向
とが異なる複数のガボールフィルタにより画像をフィル
タリングしたときの応答を要素とするベクトルとしてテ
クスチャ特徴ベクトルを表現する。
【００４５】ただし、複数のガボールフィルタによりフ
ィルタリングしたときの各応答には直交性がない。この
ため、フィルタリングした結果には、冗長な情報が含ま
れる可能性がある。そこで、各フィルタのパラメータを
Ｂ．ｓ．ＭａｎｊｕｎａｔｈとＷ．Ｙ．Ｍａとにより提
案された手法を用いて決定することにより、フィルタリ
ングした結果に冗長な情報が含まれないようにする（詳
しくは、B. S. Manjunath and W. Y. Ma, “Texture Fe
atures for Browsing and Retrieval of ImageData,”I
EEE TRANSACTION ON PATTERN ANALYSIS AND MACHINE IN
TELLIGENCE, Vol.18, No.8, pp.837-842, 1996 を参照
のこと）。
ィルタリングしたときの各応答には直交性がない。この
ため、フィルタリングした結果には、冗長な情報が含ま
れる可能性がある。そこで、各フィルタのパラメータを
Ｂ．ｓ．ＭａｎｊｕｎａｔｈとＷ．Ｙ．Ｍａとにより提
案された手法を用いて決定することにより、フィルタリ
ングした結果に冗長な情報が含まれないようにする（詳
しくは、B. S. Manjunath and W. Y. Ma, “Texture Fe
atures for Browsing and Retrieval of ImageData,”I
EEE TRANSACTION ON PATTERN ANALYSIS AND MACHINE IN
TELLIGENCE, Vol.18, No.8, pp.837-842, 1996 を参照
のこと）。
【００４６】この手法は、図５に示すように、隣接する
フィルタがＨａｌｆ−Ｐｅａｋで接するようにフィルタ
のスケールおよび方向パラメータを定めるものである。
実施の形態１では、テクスチャの特徴を表現するため
に、２４個のフィルタ（４スケール、６方向）を用い
る。
フィルタがＨａｌｆ−Ｐｅａｋで接するようにフィルタ
のスケールおよび方向パラメータを定めるものである。
実施の形態１では、テクスチャの特徴を表現するため
に、２４個のフィルタ（４スケール、６方向）を用い
る。
【００４７】上述したペナルティ係数ｗi について説明
する。式（４）におけるペナルティ係数ｗi は、下記の
条件に基づいて定義した。
する。式（４）におけるペナルティ係数ｗi は、下記の
条件に基づいて定義した。
【００４８】１） 閉じた、あるいは囲まれた領域は図
（被写体を含む）になりやすい（条件１）。
（被写体を含む）になりやすい（条件１）。
【００４９】２） 図には、輪郭があるが地には輪郭が
ない（条件２）。条件１に関して、ある領域が他の領域
を囲んでいるか否かを判断するために各領域のマスクイ
メージを作成し、そのマスクイメージに対してオイラー
数ｅi を求める。
ない（条件２）。条件１に関して、ある領域が他の領域
を囲んでいるか否かを判断するために各領域のマスクイ
メージを作成し、そのマスクイメージに対してオイラー
数ｅi を求める。
【００５０】図６は、各領域のオイラー数を求める際に
作成するマスクイメージを概念的に説明するための図で
あり、図６（ａ）は、領域分割の結果を、図６（ｂ）
は、図６（ａ）に示す領域Ｒ１のマスクイメージを示す
ものである。図６（ａ）（ｂ）を参照して、ここでのオ
イラー数とは、画像中のオブジェクトの数から、対象と
なるオブジェクトが含んでいる孔の数を引いて得られる
値を示している。たとえば、画像を領域分割した結果が
図６（ａ）に示すようになった場合、領域Ｒ１のマスク
イメージは、図６（ｂ）となる。この場合、領域Ｒ１の
オイラー数は、画像中のオブジェクトの数が１であり、
当該オブジェクトが含んでいる孔の数が２であることか
ら、−１となる。
作成するマスクイメージを概念的に説明するための図で
あり、図６（ａ）は、領域分割の結果を、図６（ｂ）
は、図６（ａ）に示す領域Ｒ１のマスクイメージを示す
ものである。図６（ａ）（ｂ）を参照して、ここでのオ
イラー数とは、画像中のオブジェクトの数から、対象と
なるオブジェクトが含んでいる孔の数を引いて得られる
値を示している。たとえば、画像を領域分割した結果が
図６（ａ）に示すようになった場合、領域Ｒ１のマスク
イメージは、図６（ｂ）となる。この場合、領域Ｒ１の
オイラー数は、画像中のオブジェクトの数が１であり、
当該オブジェクトが含んでいる孔の数が２であることか
ら、−１となる。
【００５１】この特徴に基づき、領域が他の領域を含ん
でいる数が大きいほどコントラストの値が小さくなるよ
うに、上記方法で求めたオイラー数から２を引き絶対値
をとった数の逆数を各コントラストパラメータにかけ
る。この定義によれば、対象となる領域が他の領域を全
く含まない場合、ペナルティ係数ｗi は１、対象となる
領域が他の領域を１つ含む場合、ペナルティ係数ｗi は
１／２となる。
でいる数が大きいほどコントラストの値が小さくなるよ
うに、上記方法で求めたオイラー数から２を引き絶対値
をとった数の逆数を各コントラストパラメータにかけ
る。この定義によれば、対象となる領域が他の領域を全
く含まない場合、ペナルティ係数ｗi は１、対象となる
領域が他の領域を１つ含む場合、ペナルティ係数ｗi は
１／２となる。
【００５２】条件２に関して、たとえば図６（ａ）の領
域Ｒ４、領域Ｒ５、領域Ｒ６、領域Ｒ７のように画像の
縁に接している領域は図になりにくい（詳しくは、Char
lesWallshlaeger and Cynthia Busic-Snyder,“Basic V
isual Concepts and Principles, ”McGraw Hill, 1992
を参照のこと）。そこで、領域が他の領域にどの程度
囲まれているかを、式（１４）で定義している。
域Ｒ４、領域Ｒ５、領域Ｒ６、領域Ｒ７のように画像の
縁に接している領域は図になりにくい（詳しくは、Char
lesWallshlaeger and Cynthia Busic-Snyder,“Basic V
isual Concepts and Principles, ”McGraw Hill, 1992
を参照のこと）。そこで、領域が他の領域にどの程度
囲まれているかを、式（１４）で定義している。
【００５３】
【数１４】
【００５４】そして、式（１４）で得られた値ｔｌi ／
ｌi を各コントラストパラメータにかけることにより、
画像の縁に接している領域のコントラスト値が抑制され
る。
ｌi を各コントラストパラメータにかけることにより、
画像の縁に接している領域のコントラスト値が抑制され
る。
【００５５】図２を参照して、ステップＳ１−３では、
求めたコントラストパラメータを人間の視覚特性を学習
させたニューラルネットワークに入力し、各領域が地で
あるか被写体（図）であるかをニューラルネットワーク
に判定させる。
求めたコントラストパラメータを人間の視覚特性を学習
させたニューラルネットワークに入力し、各領域が地で
あるか被写体（図）であるかをニューラルネットワーク
に判定させる。
【００５６】ここで、本発明の実施の形態１におけるニ
ューラルネットワークについて、図７を用いて説明す
る。図７は、被写体抽出回路３におけるニューラルネッ
トワークについて説明するための図である。図７を参照
して、本発明の実施の形態１におけるニューラルネット
ワークは、４層からなるフィードフォワードネットワー
クであり、入力層Ｎ１、出力層Ｎ４、ならびに隠れ層Ｎ
２およびＮ３から構成される。
ューラルネットワークについて、図７を用いて説明す
る。図７は、被写体抽出回路３におけるニューラルネッ
トワークについて説明するための図である。図７を参照
して、本発明の実施の形態１におけるニューラルネット
ワークは、４層からなるフィードフォワードネットワー
クであり、入力層Ｎ１、出力層Ｎ４、ならびに隠れ層Ｎ
２およびＮ３から構成される。
【００５７】入力層Ｎ１は、５ユニットＵ１、Ｕ２、Ｕ
３、Ｕ４、Ｕ５を含む。ユニットＵ１〜Ｕ５のそれぞれ
は、コントラストパラメータのそれぞれに対応してい
る。出力層Ｎ４は、被写体領域に対応するユニットＵｘ
と、非被写体領域に対応するユニットＵｙから構成され
る。隠れ層Ｎ２、Ｎ３のそれぞれは、３５ユニットから
構成される。
３、Ｕ４、Ｕ５を含む。ユニットＵ１〜Ｕ５のそれぞれ
は、コントラストパラメータのそれぞれに対応してい
る。出力層Ｎ４は、被写体領域に対応するユニットＵｘ
と、非被写体領域に対応するユニットＵｙから構成され
る。隠れ層Ｎ２、Ｎ３のそれぞれは、３５ユニットから
構成される。
【００５８】図７に示すニューラルネットワークは、予
め人間の視覚特性を学習させる。一例として、被験者１
０名および画像１００枚を用いた評価実験の結果を用い
る。評価実験では、被験者に原画像と原画像を領域分割
した画像とを並べて表示し、分割された領域から被写体
領域と非被写体領域とをそれぞれ選択させる。実験後、
被験者が被写体領域として選択した領域と非被写体領域
として選択した領域とにおける上記コントラストパラメ
ータを計測する。
め人間の視覚特性を学習させる。一例として、被験者１
０名および画像１００枚を用いた評価実験の結果を用い
る。評価実験では、被験者に原画像と原画像を領域分割
した画像とを並べて表示し、分割された領域から被写体
領域と非被写体領域とをそれぞれ選択させる。実験後、
被験者が被写体領域として選択した領域と非被写体領域
として選択した領域とにおける上記コントラストパラメ
ータを計測する。
【００５９】学習データとして、各コントラストパラメ
ータの計測値を用い、その入力に対する出力として各領
域ごとの図領域選択率および地領域選択率を用いる。た
とえば、ある領域に対して７人の被験者が図（被写体）
領域とした場合、被写体領域選択率は０．７となり、非
被写体領域選択率は０．３となる。
ータの計測値を用い、その入力に対する出力として各領
域ごとの図領域選択率および地領域選択率を用いる。た
とえば、ある領域に対して７人の被験者が図（被写体）
領域とした場合、被写体領域選択率は０．７となり、非
被写体領域選択率は０．３となる。
【００６０】人間の視覚特性に基づき構築された（学習
完了後の）ニューラルネットワークに、各領域のコント
ラストパラメータを入力すると、被写体領域ユニットＵ
ｘおよび非被写体領域ユニットＵｙから応答が得られ
る。
完了後の）ニューラルネットワークに、各領域のコント
ラストパラメータを入力すると、被写体領域ユニットＵ
ｘおよび非被写体領域ユニットＵｙから応答が得られ
る。
【００６１】図２を参照して、被写体領域を抽出するス
テップＳ１−４では、各領域毎に、被写体領域ユニット
Ｕｘおよび非被写体領域ユニットＵｙから得られる応答
を比較する。非被写体領域ユニットＵｙの応答の方が被
写体領域ユニットＵｘからの応答よりも大きい領域を被
写体領域とする。図８は、被写体領域の抽出結果の一例
について説明するための図であり、図示しないディスプ
レイに表示した状態を表わしている。図８を参照して、
図３に示す原画像２１に対しては、画像２３に示すよう
に被写体領域（人物像）が抽出される。
テップＳ１−４では、各領域毎に、被写体領域ユニット
Ｕｘおよび非被写体領域ユニットＵｙから得られる応答
を比較する。非被写体領域ユニットＵｙの応答の方が被
写体領域ユニットＵｘからの応答よりも大きい領域を被
写体領域とする。図８は、被写体領域の抽出結果の一例
について説明するための図であり、図示しないディスプ
レイに表示した状態を表わしている。図８を参照して、
図３に示す原画像２１に対しては、画像２３に示すよう
に被写体領域（人物像）が抽出される。
【００６２】図１を参照して、被写体抽出回路３により
画像から抽出した被写体領域は、構図情報抽出回路４に
入力される。構図情報抽出回路４では、ダイナミックシ
ンメトリ（Ｄｙｎａｍｉｃ Ｓｙｍｍｅｔｒｙ）法を用
いて画像をブロック分割し、その結果と被写体抽出回路
３により抽出した被写体領域とを用いて被写体が描かれ
る前のラフスケッチを予想することにより、構図情報を
抽出する（ダイナミックシンメトリ法の詳細について
は、Charles Wallshlaeger and Cynthia Busic-Snyder,
“Basic Visual Concepts and Principles, ”McGraw H
ill, 1992 を参照のこと）。
画像から抽出した被写体領域は、構図情報抽出回路４に
入力される。構図情報抽出回路４では、ダイナミックシ
ンメトリ（Ｄｙｎａｍｉｃ Ｓｙｍｍｅｔｒｙ）法を用
いて画像をブロック分割し、その結果と被写体抽出回路
３により抽出した被写体領域とを用いて被写体が描かれ
る前のラフスケッチを予想することにより、構図情報を
抽出する（ダイナミックシンメトリ法の詳細について
は、Charles Wallshlaeger and Cynthia Busic-Snyder,
“Basic Visual Concepts and Principles, ”McGraw H
ill, 1992 を参照のこと）。
【００６３】ここでダイナミックシンメトリ法について
簡単に説明する。ダイナミックシンメトリ法は、ある矩
形内に元の矩形と相似な矩形をつくり出す手法である。
図９は、矩形２９内に相似矩形を作成するダイナミック
シンメトリ法について説明するための図である。
簡単に説明する。ダイナミックシンメトリ法は、ある矩
形内に元の矩形と相似な矩形をつくり出す手法である。
図９は、矩形２９内に相似矩形を作成するダイナミック
シンメトリ法について説明するための図である。
【００６４】図９に示すように、矩形２９内にまず対角
線Ｌ１を描き、対角線Ｌ１の頂点とは別の頂点から既に
引いた対角線Ｌ１に垂直な線Ｌ２を描く。その線Ｌ２と
矩形２９の辺との交点から垂線Ｌ３を下ろすことによ
り、矩形２９に対する相似矩形をつくる。この処理を作
成された相似矩形に対して繰返し適用することにより、
元の矩形より小さい相似矩形を無限に作成することがで
きる。
線Ｌ１を描き、対角線Ｌ１の頂点とは別の頂点から既に
引いた対角線Ｌ１に垂直な線Ｌ２を描く。その線Ｌ２と
矩形２９の辺との交点から垂線Ｌ３を下ろすことによ
り、矩形２９に対する相似矩形をつくる。この処理を作
成された相似矩形に対して繰返し適用することにより、
元の矩形より小さい相似矩形を無限に作成することがで
きる。
【００６５】ところで、一般に絵画に用いられるキャン
バスには、３つの規格すなわち規格Ｆｉｇｕｒｅ、規格
Ｐａｓａｇｅ、および規格Ｍａｒｉｎｅが存在する。こ
れらは、それぞれ縦横比が黄金比をもっている。このた
め、絵画に対してダイナミックシンメトリ法を適用する
ことは、キャンバス内に黄金分割点を見つけ出すことと
等価となる。
バスには、３つの規格すなわち規格Ｆｉｇｕｒｅ、規格
Ｐａｓａｇｅ、および規格Ｍａｒｉｎｅが存在する。こ
れらは、それぞれ縦横比が黄金比をもっている。このた
め、絵画に対してダイナミックシンメトリ法を適用する
ことは、キャンバス内に黄金分割点を見つけ出すことと
等価となる。
【００６６】なお、規格Ｆｉｇｕｒｅは、２つの黄金矩
形（縦横比が１対１．６１８）を長い方の辺で結合した
矩形であり、規格Ｐａｓａｇｅはルート２（１対１．４
１４２）、規格Ｍａｒｉｎｅは黄金矩形となっている。
このため、規格Ｆｉｇｕｒｅに近い縦横比を持つ画像に
対しては、まず画像を半分に分割する処理を行なう。
形（縦横比が１対１．６１８）を長い方の辺で結合した
矩形であり、規格Ｐａｓａｇｅはルート２（１対１．４
１４２）、規格Ｍａｒｉｎｅは黄金矩形となっている。
このため、規格Ｆｉｇｕｒｅに近い縦横比を持つ画像に
対しては、まず画像を半分に分割する処理を行なう。
【００６７】以上の説明に基づき、構図情報抽出回路４
における処理過程を図１０および図１１を用いて説明す
る。図１０および図１１は、構図情報抽出回路４におけ
る処理過程を説明するためのフローチャートである。図
１０および図１１を参照して、ステップＳ２−１、Ｓ２
−２では、入力された画像が規格Ｆｉｇｕｒｅか否かを
判断する。具体的には、対象となる画像の縦横比がほぼ
１．２４であるか否かを判断する。規格Ｆｉｇｕｒｅで
あるならば、ステップＳ２−４に移り画像を半分に分割
し、分割された矩形を対象矩形とする。規格Ｆｉｇｕｒ
ｅでない場合には、ステップＳ２−３に移り、画像全体
を対象矩形とする。
における処理過程を図１０および図１１を用いて説明す
る。図１０および図１１は、構図情報抽出回路４におけ
る処理過程を説明するためのフローチャートである。図
１０および図１１を参照して、ステップＳ２−１、Ｓ２
−２では、入力された画像が規格Ｆｉｇｕｒｅか否かを
判断する。具体的には、対象となる画像の縦横比がほぼ
１．２４であるか否かを判断する。規格Ｆｉｇｕｒｅで
あるならば、ステップＳ２−４に移り画像を半分に分割
し、分割された矩形を対象矩形とする。規格Ｆｉｇｕｒ
ｅでない場合には、ステップＳ２−３に移り、画像全体
を対象矩形とする。
【００６８】次に、ステップＳ２−５、Ｓ２−６におい
て、対象矩形に対してダイナミックシンメトリ法を適用
し、矩形内に相似矩形を作成する。相似矩形を作成する
際には、描画された基準線により囲まれた領域に注目
し、その領域がしきい値以上の割合で被写体領域に占有
されていた場合には、矩形の分割を停止する。被写体領
域の占有率がしきい値以下であるならばステップＳ２−
７に移り、矩形をさらに分割する。そして、分割が不可
能な状態になった場合には、処理を停止する（ステップ
Ｓ２−９、Ｓ２−５）。
て、対象矩形に対してダイナミックシンメトリ法を適用
し、矩形内に相似矩形を作成する。相似矩形を作成する
際には、描画された基準線により囲まれた領域に注目
し、その領域がしきい値以上の割合で被写体領域に占有
されていた場合には、矩形の分割を停止する。被写体領
域の占有率がしきい値以下であるならばステップＳ２−
７に移り、矩形をさらに分割する。そして、分割が不可
能な状態になった場合には、処理を停止する（ステップ
Ｓ２−９、Ｓ２−５）。
【００６９】図１２は、矩形分割の結果の一例について
説明するための図であり、図示しないディスプレイに表
示した状態を表わしている。図１２を参照して、図８に
示す画像２３に対してダイナミックシンメトリ法を用い
て相似矩形を作成すると、画像２４に示すように画像２
３は複数の相似矩形によって分割される。
説明するための図であり、図示しないディスプレイに表
示した状態を表わしている。図１２を参照して、図８に
示す画像２３に対してダイナミックシンメトリ法を用い
て相似矩形を作成すると、画像２４に示すように画像２
３は複数の相似矩形によって分割される。
【００７０】図１１を参照して、ダイナミックシンメト
リ法により求めた基準線から、基準線で囲まれる領域の
うち被写体領域の占有率がしきい値以上である領域を抽
出し、抽出した領域を統合し、塊ごとに分割（ブロック
分割）する。被写体領域から構成されるブロックを被写
体とみなす。
リ法により求めた基準線から、基準線で囲まれる領域の
うち被写体領域の占有率がしきい値以上である領域を抽
出し、抽出した領域を統合し、塊ごとに分割（ブロック
分割）する。被写体領域から構成されるブロックを被写
体とみなす。
【００７１】図１３は、被写体の抽出結果の一例につい
て説明するための図であり、図示しないディスプレイに
表示した状態を表わしている。図１３を参照して、図１
２に示す画像２４に対して、画像２５に示すように基準
線で囲まれる領域の塊からなる被写体が得られる。
て説明するための図であり、図示しないディスプレイに
表示した状態を表わしている。図１３を参照して、図１
２に示す画像２４に対して、画像２５に示すように基準
線で囲まれる領域の塊からなる被写体が得られる。
【００７２】ステップＳ２−１０、Ｓ２−１１におい
て、ブロックの外接矩形および重心位置を求める。これ
らが、抽出された被写体の構図情報となる。
て、ブロックの外接矩形および重心位置を求める。これ
らが、抽出された被写体の構図情報となる。
【００７３】図１を参照して、構図情報格納回路５は、
このようにして求めた外接矩形および重心位置（構図情
報）を、絵の名前、作者名、絵の種類等とともに画像デ
ータベース６に格納する。
このようにして求めた外接矩形および重心位置（構図情
報）を、絵の名前、作者名、絵の種類等とともに画像デ
ータベース６に格納する。
【００７４】図１４および図１５は、本発明の実施の形
態１における画像データベース６の構成を説明するため
の図である。図１４は、データファイル名、作者名、種
類および被写体データの関係を示している。たとえば、
データファイル名”Ｍｉｌｌｅｔ１“に対して、作者
名”ミレー“、種類”群像“、被写体データ”Ｍｉｌｌ
ｅｔ１Ｄａｔａ“を関係づけて格納する。
態１における画像データベース６の構成を説明するため
の図である。図１４は、データファイル名、作者名、種
類および被写体データの関係を示している。たとえば、
データファイル名”Ｍｉｌｌｅｔ１“に対して、作者
名”ミレー“、種類”群像“、被写体データ”Ｍｉｌｌ
ｅｔ１Ｄａｔａ“を関係づけて格納する。
【００７５】図１５は、被写体データ、被写体サイズ、
重心位置、および被写体名の関係が示されている。たと
えば、被写体データ名”Ｍｉｌｌｅｔ１Ｄａｔａ”に対
しては、被写体名”被写体１“、被写体サイズ”８０×
１２０“、および重心位置”４０×３０“と、被写体
名”被写体２“、被写体サイズ”７５×１００“、およ
び重心位置”３６×５０“とが情報として格納される。
重心位置、および被写体名の関係が示されている。たと
えば、被写体データ名”Ｍｉｌｌｅｔ１Ｄａｔａ”に対
しては、被写体名”被写体１“、被写体サイズ”８０×
１２０“、および重心位置”４０×３０“と、被写体
名”被写体２“、被写体サイズ”７５×１００“、およ
び重心位置”３６×５０“とが情報として格納される。
【００７６】このように、本発明の実施の形態１におけ
る構図情報抽出装置１を用いることにより、画像中の物
体認識において複雑な画像処理を施すことなく、自動的
に画像から被写体（図）つまり重要な部分を抽出するこ
とが可能となる。
る構図情報抽出装置１を用いることにより、画像中の物
体認識において複雑な画像処理を施すことなく、自動的
に画像から被写体（図）つまり重要な部分を抽出するこ
とが可能となる。
【００７７】［実施の形態２］本発明の実施の形態２に
おける被写体再構成装置７について図１６を用いて説明
する。図１６は、本発明の実施の形態２における被写体
再構成装置７の全体構成を示すブロック図である。図１
６を参照して、被写体再構成装置７は、イメージスキャ
ナ８、ビデオカメラ９、画像入力回路１０、被写体抽出
回路３、背景除去回路１３、および被写体再構成回路１
４を備える。イメージスキャナ８は、再構成する被写体
を含む画像を入力するために用いる。ビデオカメラ９
は、人間やその他のオブジェクトを直接被写体として入
力するために用いる。なお、ビデオカメラ９から映像を
入力する際には、被写体は青い布の前に置かれるものと
する。
おける被写体再構成装置７について図１６を用いて説明
する。図１６は、本発明の実施の形態２における被写体
再構成装置７の全体構成を示すブロック図である。図１
６を参照して、被写体再構成装置７は、イメージスキャ
ナ８、ビデオカメラ９、画像入力回路１０、被写体抽出
回路３、背景除去回路１３、および被写体再構成回路１
４を備える。イメージスキャナ８は、再構成する被写体
を含む画像を入力するために用いる。ビデオカメラ９
は、人間やその他のオブジェクトを直接被写体として入
力するために用いる。なお、ビデオカメラ９から映像を
入力する際には、被写体は青い布の前に置かれるものと
する。
【００７８】画像入力回路１０は、スキャナ画像取込回
路１１およびビデオ映像取込回路１２を含む。スキャナ
画像取込回路１１は、イメージスキャナ８から画像を取
得する。ビデオ映像取込回路１２は、ビデオカメラ９か
ら画像を取得する。
路１１およびビデオ映像取込回路１２を含む。スキャナ
画像取込回路１１は、イメージスキャナ８から画像を取
得する。ビデオ映像取込回路１２は、ビデオカメラ９か
ら画像を取得する。
【００７９】被写体抽出回路３は、スキャナ画像取込回
路１１で取込んだ画像から被写体を抽出する。背景除去
回路１３は、ビデオ映像取込回路１２により取得した画
像から背景部分を除去し、被写体を抽出する。
路１１で取込んだ画像から被写体を抽出する。背景除去
回路１３は、ビデオ映像取込回路１２により取得した画
像から背景部分を除去し、被写体を抽出する。
【００８０】被写体再構成回路１４は、構図情報／背景
画像取得回路１５、拡大縮小回路１６、被写体配置回路
１７および合成画像出力回路１８を含む。被写体再構成
回路１４は、画像データベース６から取得した構図情報
に従い、被写体抽出回路３または背景除去回路１３から
出力される被写体を画像データベース６から取得した背
景画像に再配置する。これにより、合成画像を作成す
る。
画像取得回路１５、拡大縮小回路１６、被写体配置回路
１７および合成画像出力回路１８を含む。被写体再構成
回路１４は、画像データベース６から取得した構図情報
に従い、被写体抽出回路３または背景除去回路１３から
出力される被写体を画像データベース６から取得した背
景画像に再配置する。これにより、合成画像を作成す
る。
【００８１】ここで、本発明の実施の形態２における被
写体再構成装置７の処理過程を図１７を用いて説明す
る。図１７は、本発明の実施の形態２における被写体再
構成装置７の処理過程を説明するためのフローチャート
である。
写体再構成装置７の処理過程を図１７を用いて説明す
る。図１７は、本発明の実施の形態２における被写体再
構成装置７の処理過程を説明するためのフローチャート
である。
【００８２】図１７を参照して、ステップＳ３−１にお
いて、ユーザはまずどちらの入力装置（イメージスキャ
ナ８またはビデオカメラ９）を用いて被写体を入力する
かを選択する。イメージスキャナ８を選択した場合（ス
テップＳ３−２）、ステップＳ３−４に移り、スキャナ
画像取込回路１１により画像をイメージスキャナ８から
取得する。そして、上述した被写体抽出回路３により被
写体を抽出する。
いて、ユーザはまずどちらの入力装置（イメージスキャ
ナ８またはビデオカメラ９）を用いて被写体を入力する
かを選択する。イメージスキャナ８を選択した場合（ス
テップＳ３−２）、ステップＳ３−４に移り、スキャナ
画像取込回路１１により画像をイメージスキャナ８から
取得する。そして、上述した被写体抽出回路３により被
写体を抽出する。
【００８３】ビデオカメラ９を選択した場合（ステップ
Ｓ３−３）、ステップＳ３−５に移り、ビデオ映像取込
回路１２によりビデオ映像を取得する。そして、背景除
去回路１３により、クロマッキー処理を行ない被写体を
抽出する。
Ｓ３−３）、ステップＳ３−５に移り、ビデオ映像取込
回路１２によりビデオ映像を取得する。そして、背景除
去回路１３により、クロマッキー処理を行ない被写体を
抽出する。
【００８４】続いてステップＳ３−６に移り、ユーザ
は、構図情報／背景画像取得回路１５により、被写体を
再構成する際の構図情報ならびに被写体を合成する背景
画像を画像データベース６から取得する。
は、構図情報／背景画像取得回路１５により、被写体を
再構成する際の構図情報ならびに被写体を合成する背景
画像を画像データベース６から取得する。
【００８５】ステップＳ３−７では、ユーザが選択した
構図情報をもとに入力された被写体を拡大縮小回路１６
において拡大縮小する。さらに、ステップＳ３−８で
は、被写体配置回路１７において被写体の重心を構図情
報に記述された重心位置に移動し、背景画像と合成す
る。ステップＳ３−９では、合成結果を外部に出力す
る。
構図情報をもとに入力された被写体を拡大縮小回路１６
において拡大縮小する。さらに、ステップＳ３−８で
は、被写体配置回路１７において被写体の重心を構図情
報に記述された重心位置に移動し、背景画像と合成す
る。ステップＳ３−９では、合成結果を外部に出力す
る。
【００８６】上述した処理の結果の一例を、図１８〜図
２２を用いて説明する。図１８は、被写体抽出の対象の
一例について説明するための図であり、図１９は、被写
体の抽出結果の一例について説明するための図である。
図１８および図１９はともに、図示しないディスプレイ
に表示した状態を表わしている。イメージスキャナ８か
ら取込んだ原画像３０（図１８）に対して上述した被写
体抽出処理を実行することにより、図１９に示す被写体
３１が抽出される。
２２を用いて説明する。図１８は、被写体抽出の対象の
一例について説明するための図であり、図１９は、被写
体の抽出結果の一例について説明するための図である。
図１８および図１９はともに、図示しないディスプレイ
に表示した状態を表わしている。イメージスキャナ８か
ら取込んだ原画像３０（図１８）に対して上述した被写
体抽出処理を実行することにより、図１９に示す被写体
３１が抽出される。
【００８７】図２０は、背景画像の一例について説明す
るための図であり、図２１は、構図情報の一例について
説明するための図であり、図２２は、合成結果について
説明するための図である。図２０、図２１および図２２
は、図示しないディスプレイに表示した状態を表わして
いる。図１９に示す被写体３１を、画像３３（図２１）
に示す被写体の構図にしたがって、背景画像３２（図２
０）に再配置する。これにより、図２２に示す合成画像
３４が得られる。
るための図であり、図２１は、構図情報の一例について
説明するための図であり、図２２は、合成結果について
説明するための図である。図２０、図２１および図２２
は、図示しないディスプレイに表示した状態を表わして
いる。図１９に示す被写体３１を、画像３３（図２１）
に示す被写体の構図にしたがって、背景画像３２（図２
０）に再配置する。これにより、図２２に示す合成画像
３４が得られる。
【００８８】このように構成することにより、同じ被写
体に対して、いろいろな構図を適用し、選択した背景画
像に再配置することで、それぞれ異なる印象を与える絵
（画像）を作成することが可能となる。
体に対して、いろいろな構図を適用し、選択した背景画
像に再配置することで、それぞれ異なる印象を与える絵
（画像）を作成することが可能となる。
【００８９】
【発明の効果】以上のように、本発明によれば画像の各
領域の色およびテクスチャのコントラストを計測し、人
間の視覚特性を学習させたニューラルネットワークを用
いて被写体領域と非被写体領域とを分割する被写体領域
抽出手段を設けることにより、画像から被写体つまり重
要な部分を自動的に抽出することが可能となる。
領域の色およびテクスチャのコントラストを計測し、人
間の視覚特性を学習させたニューラルネットワークを用
いて被写体領域と非被写体領域とを分割する被写体領域
抽出手段を設けることにより、画像から被写体つまり重
要な部分を自動的に抽出することが可能となる。
【００９０】また、被写体領域抽出手段により抽出した
被写体に対して、黄金分割法の１つであるダイナミック
シンメトリ法を用いて絵の構図情報を抽出する構図情報
抽出手段を設けることにより、自動的に構図情報を取得
することが可能となる。
被写体に対して、黄金分割法の１つであるダイナミック
シンメトリ法を用いて絵の構図情報を抽出する構図情報
抽出手段を設けることにより、自動的に構図情報を取得
することが可能となる。
【００９１】これにより、本願発明で説明した被写体再
構成装置、構図情報抽出装置のみならず、画像中の物体
認識などの複雑な画像処理の計算量を軽減することへの
適用が可能となる。
構成装置、構図情報抽出装置のみならず、画像中の物体
認識などの複雑な画像処理の計算量を軽減することへの
適用が可能となる。
【００９２】さらに、指定された構図情報に基づいて絵
を再構成する被写体再構成装置によれば、同じ被写体に
対していろいろな構図を適用しそれぞれ異なる印象を与
える絵を作成することが可能となる。特に、抽出された
構図情報に基づいて、視覚的にバランスの良い絵を再構
成することが可能となる。
を再構成する被写体再構成装置によれば、同じ被写体に
対していろいろな構図を適用しそれぞれ異なる印象を与
える絵を作成することが可能となる。特に、抽出された
構図情報に基づいて、視覚的にバランスの良い絵を再構
成することが可能となる。
【００９３】さらに、構図情報に基づいて絵の分類など
も可能となることから、構図情報をキーワードとして絵
を検索するなどの画像データベースの構築も可能とな
る。
も可能となることから、構図情報をキーワードとして絵
を検索するなどの画像データベースの構築も可能とな
る。
【図１】本発明の実施の形態１における構図情報抽出回
路１の全体構成を説明するための図である。
路１の全体構成を説明するための図である。
【図２】本発明の実施の形態１における被写体抽出回路
３の処理過程を説明するためのフローチャートである。
３の処理過程を説明するためのフローチャートである。
【図３】領域分割の対象の一例について説明するための
図である。
図である。
【図４】領域分割の結果の一例について説明するための
図である。
図である。
【図５】ガボールフィルタバンクのフィルタ応答につい
て説明するための図である。
て説明するための図である。
【図６】各領域のオイラー数を求める際に作成するマス
クイメージを概念的に説明するための図である。
クイメージを概念的に説明するための図である。
【図７】被写体抽出回路３におけるニューラルネットワ
ークについて説明するための図である。
ークについて説明するための図である。
【図８】被写体領域の抽出結果の一例について説明する
ための図である。
ための図である。
【図９】矩形２９内に相似矩形を作成するダイナミック
シンメトリ法について説明するための図である。
シンメトリ法について説明するための図である。
【図１０】構図情報抽出回路４における処理過程を説明
するためのフローチャートである。
するためのフローチャートである。
【図１１】構図情報抽出回路４における処理過程を説明
するためのフローチャートである。
するためのフローチャートである。
【図１２】矩形分割の結果の一例について説明するため
の図である。
の図である。
【図１３】被写体の抽出結果の一例について説明するた
めの図である。
めの図である。
【図１４】本発明の実施の形態１における画像データベ
ース６の構成を説明するための図である。
ース６の構成を説明するための図である。
【図１５】本発明の実施の形態１における画像データベ
ース６の構成を説明するための図である。
ース６の構成を説明するための図である。
【図１６】本発明の実施の形態２における被写体再構成
装置７の全体構成を説明するための図である。
装置７の全体構成を説明するための図である。
【図１７】本発明の実施の形態２における被写体再構成
装置７の処理過程を説明するためのフローチャートであ
る。
装置７の処理過程を説明するためのフローチャートであ
る。
【図１８】被写体抽出の対象の一例について説明するた
めの図である。
めの図である。
【図１９】被写体の抽出結果の一例について説明するた
めの図である。
めの図である。
【図２０】背景画像の一例について説明するための図で
ある。
ある。
【図２１】構図情報の一例について説明するための図で
ある。
ある。
【図２２】合成結果について説明するための図である。
１ 構図情報抽出装置 ２ 画像入力回路 ３ 被写体領域抽出回路 ４ 構図情報抽出回路 ５ 構図情報格納回路 ６ 画像データベース ７ 被写体再構成装置 ８ イメージスキャナ ９ ビデオカメラ １０ 画像入力回路 １１ スキャナ画像取込回路 １２ ビデオ映像取込回路 １３ 背景除去回路 １４ 被写体再構成回路 １５ 構図情報／背景画像取得回路 １６ 拡大縮小回路 １７ 被写体配置回路 １８ 合成画像出力回路
【手続補正書】
【提出日】平成１１年１２月３日（１９９９．１２．
３）
３）
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】発明の名称
【補正方法】変更
【補正内容】
【発明の名称】 構図情報抽出装置、被写体再構成装置
および画像処理システム
および画像処理システム
【手続補正２】
【補正対象書類名】明細書
【補正対象項目名】特許請求の範囲
【補正方法】変更
【補正内容】
【特許請求の範囲】
【手続補正３】
【補正対象書類名】明細書
【補正対象項目名】０００５
【補正方法】変更
【補正内容】
【０００５】また、本発明は、抽出された構図情報に基
づいて、視覚的にバランスの良い絵を再構成することを
可能とする被写体再構成装置を提供することを目的とす
る。また、本発明は、画像から被写体領域を自動的に抽
出し、抽出された被写体領域から構図情報を自動的に取
得することを可能とする構図情報抽出装置と、抽出され
た構図情報に基づいて、視覚的にバランスの良い絵を再
構成することを可能とする被写体再構成装置とを備える
画像処理システムを提供することを目的とする。
づいて、視覚的にバランスの良い絵を再構成することを
可能とする被写体再構成装置を提供することを目的とす
る。また、本発明は、画像から被写体領域を自動的に抽
出し、抽出された被写体領域から構図情報を自動的に取
得することを可能とする構図情報抽出装置と、抽出され
た構図情報に基づいて、視覚的にバランスの良い絵を再
構成することを可能とする被写体再構成装置とを備える
画像処理システムを提供することを目的とする。
【手続補正４】
【補正対象書類名】明細書
【補正対象項目名】０００６
【補正方法】変更
【補正内容】
【０００６】
【課題を解決するための手段】この発明の一の局面に係
る構図情報抽出装置は、画像を入力する画像入力手段
と、画像から被写体を抽出する第１の抽出手段と、抽出
した被写体に関する構図情報を抽出する第２の抽出手段
と、抽出した構図情報を格納するためのデータベース
と、データベースに抽出した構図情報を格納するための
構図情報格納手段とを備え、第１の抽出手段は、画像の
特徴要素に基づき、画像を複数の領域に分割する領域分
割手段と、領域分割手段により得られる複数の領域のそ
れぞれに対し、コントラストパラメータを計測する計測
手段と、計測されたコントラストパラメータに基づき、
複数の領域のそれぞれが被写体であるか否かを判定する
判定手段とを含む。
る構図情報抽出装置は、画像を入力する画像入力手段
と、画像から被写体を抽出する第１の抽出手段と、抽出
した被写体に関する構図情報を抽出する第２の抽出手段
と、抽出した構図情報を格納するためのデータベース
と、データベースに抽出した構図情報を格納するための
構図情報格納手段とを備え、第１の抽出手段は、画像の
特徴要素に基づき、画像を複数の領域に分割する領域分
割手段と、領域分割手段により得られる複数の領域のそ
れぞれに対し、コントラストパラメータを計測する計測
手段と、計測されたコントラストパラメータに基づき、
複数の領域のそれぞれが被写体であるか否かを判定する
判定手段とを含む。
【手続補正５】
【補正対象書類名】明細書
【補正対象項目名】０００７
【補正方法】変更
【補正内容】
【０００７】この発明のさらなる局面による構図情報抽
出装置は、画像を入力する画像入力手段と、画像から被
写体を抽出する第１の抽出手段と、抽出した被写体に関
する構図情報を抽出する第２の抽出手段と、抽出した構
図情報を格納するためのデータベースと、データベース
に抽出した構図情報を格納するための構図情報格納手段
とを備え、第２の抽出手段は、画像の縦横比から、対象
矩形を決定する決定手段と、決定された対象矩形を黄金
分割することにより、複数の相似矩形を作成する相似矩
形作成手段と、複数の相似矩形のうち、被写体が占有す
る占有率が所定のしきい値以上である相似矩形を抽出
し、抽出した相似矩形を統合する手段と、統合した相似
矩形に対し、構図情報を求める手段とを含み、構図情報
には、統合した相似矩形を構成する外接矩形の情報およ
び重心位置の情報が含まれる。
出装置は、画像を入力する画像入力手段と、画像から被
写体を抽出する第１の抽出手段と、抽出した被写体に関
する構図情報を抽出する第２の抽出手段と、抽出した構
図情報を格納するためのデータベースと、データベース
に抽出した構図情報を格納するための構図情報格納手段
とを備え、第２の抽出手段は、画像の縦横比から、対象
矩形を決定する決定手段と、決定された対象矩形を黄金
分割することにより、複数の相似矩形を作成する相似矩
形作成手段と、複数の相似矩形のうち、被写体が占有す
る占有率が所定のしきい値以上である相似矩形を抽出
し、抽出した相似矩形を統合する手段と、統合した相似
矩形に対し、構図情報を求める手段とを含み、構図情報
には、統合した相似矩形を構成する外接矩形の情報およ
び重心位置の情報が含まれる。
【手続補正６】
【補正対象書類名】明細書
【補正対象項目名】０００８
【補正方法】変更
【補正内容】
【０００８】この発明のさらなる局面による被写体再構
成装置は、画像を入力する画像入力手段と、データベー
スと、構図情報と背景画像とをデータベースから取得す
る手段と、画像から被写体を抽出する被写体抽出手段
と、取得した構図情報に合わせて抽出した被写体を拡大
縮小し、取得した背景画像に再配置する再構成手段とを
備える。
成装置は、画像を入力する画像入力手段と、データベー
スと、構図情報と背景画像とをデータベースから取得す
る手段と、画像から被写体を抽出する被写体抽出手段
と、取得した構図情報に合わせて抽出した被写体を拡大
縮小し、取得した背景画像に再配置する再構成手段とを
備える。
【手続補正７】
【補正対象書類名】明細書
【補正対象項目名】０００９
【補正方法】変更
【補正内容】
【０００９】好ましくは、被写体抽出手段は、画像の特
徴要素に基づき、画像を複数の領域に分割する領域分割
手段と、領域分割手段により得られる複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、計測されたコントラストパラメータに基づき、複
数の領域のそれぞれが被写体であるか否かを判定する判
定手段とを含む。特に、イメージスキャナをさらに備
え、画像入力手段は、イメージスキャナから画像を取込
む。好ましくは、被写体抽出手段は、画像の背景画像を
除去することにより、画像における被写体を抽出する。
特に、ビデオカメラをさらに備え、画像入力手段は、ビ
デオカメラから画像を取込む。
徴要素に基づき、画像を複数の領域に分割する領域分割
手段と、領域分割手段により得られる複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、計測されたコントラストパラメータに基づき、複
数の領域のそれぞれが被写体であるか否かを判定する判
定手段とを含む。特に、イメージスキャナをさらに備
え、画像入力手段は、イメージスキャナから画像を取込
む。好ましくは、被写体抽出手段は、画像の背景画像を
除去することにより、画像における被写体を抽出する。
特に、ビデオカメラをさらに備え、画像入力手段は、ビ
デオカメラから画像を取込む。
【手続補正８】
【補正対象書類名】明細書
【補正対象項目名】００１０
【補正方法】変更
【補正内容】
【００１０】この発明のさらなる局面による画像処理シ
ステムは、画像に含まれる被写体に関する構図情報を抽
出する構図情報抽出装置と、抽出した構図情報と背景画
像とを格納するデータベースと、画像に含まれる被写体
を抽出し、データベースに格納される構図情報に従っ
て、被写体をデータベースから取出した背景画像上で再
構成する被写体再構成装置とを備え、構図情報抽出装置
は、画像を取込む第１の画像入力手段と、第１の画像入
力手段で取込んだ画像に含まれる被写体を抽出する第１
の抽出手段と、第１の抽出手段で抽出した被写体に関す
る構図情報を抽出する第２の抽出手段と、データベース
に抽出した構図情報を格納するための構図情報格納手段
とを含み、被写体再構成装置は、画像を取込む第２の画
像入力手段と、第２の画像入力手段で取込んだ画像に含
まれる被写体を抽出する第３の抽出手段と、データベー
スに格納される構図情報と背景画像とを取出す取得手段
と、取出した構図情報に従い、第３の抽出手段で得られ
る被写体を拡大縮小し、取出した背景画像に再配置する
再構成手段とを含む。
ステムは、画像に含まれる被写体に関する構図情報を抽
出する構図情報抽出装置と、抽出した構図情報と背景画
像とを格納するデータベースと、画像に含まれる被写体
を抽出し、データベースに格納される構図情報に従っ
て、被写体をデータベースから取出した背景画像上で再
構成する被写体再構成装置とを備え、構図情報抽出装置
は、画像を取込む第１の画像入力手段と、第１の画像入
力手段で取込んだ画像に含まれる被写体を抽出する第１
の抽出手段と、第１の抽出手段で抽出した被写体に関す
る構図情報を抽出する第２の抽出手段と、データベース
に抽出した構図情報を格納するための構図情報格納手段
とを含み、被写体再構成装置は、画像を取込む第２の画
像入力手段と、第２の画像入力手段で取込んだ画像に含
まれる被写体を抽出する第３の抽出手段と、データベー
スに格納される構図情報と背景画像とを取出す取得手段
と、取出した構図情報に従い、第３の抽出手段で得られ
る被写体を拡大縮小し、取出した背景画像に再配置する
再構成手段とを含む。
【手続補正９】
【補正対象書類名】明細書
【補正対象項目名】００１１
【補正方法】変更
【補正内容】
【００１１】好ましくは、第１の抽出手段は、画像の特
徴要素に基づき、画像を複数の領域に分割する領域分割
手段と、領域分割手段により得られる複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、計測されたコントラストパラメータに基づき、複
数の領域のそれぞれが前記被写体であるか否かを判定す
る判定手段とを含む。好ましくは、第２の抽出手段は、
画像の縦横比から、対象矩形を決定する決定手段と、決
定された対象矩形を黄金分割することにより、複数の相
似矩形を作成する相似矩形作成手段と、複数の相似矩形
のうち、被写体が占有する占有率が所定のしきい値以上
である相似矩形を抽出し、抽出した相似矩形を統合する
手段と、統合した相似矩形に対し、構図情報を求める手
段とを含み、構図情報には、統合した相似矩形を構成す
る外接矩形の情報および重心位置の情報が含まれる。
徴要素に基づき、画像を複数の領域に分割する領域分割
手段と、領域分割手段により得られる複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、計測されたコントラストパラメータに基づき、複
数の領域のそれぞれが前記被写体であるか否かを判定す
る判定手段とを含む。好ましくは、第２の抽出手段は、
画像の縦横比から、対象矩形を決定する決定手段と、決
定された対象矩形を黄金分割することにより、複数の相
似矩形を作成する相似矩形作成手段と、複数の相似矩形
のうち、被写体が占有する占有率が所定のしきい値以上
である相似矩形を抽出し、抽出した相似矩形を統合する
手段と、統合した相似矩形に対し、構図情報を求める手
段とを含み、構図情報には、統合した相似矩形を構成す
る外接矩形の情報および重心位置の情報が含まれる。
【手続補正１０】
【補正対象書類名】明細書
【補正対象項目名】００１２
【補正方法】変更
【補正内容】
【００１２】好ましくは、第３の抽出手段は、画像の特
徴要素に基づき、画像を複数の領域に分割する領域分割
手段と、領域分割手段により得られる複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、計測されたコントラストパラメータに基づき、複
数の領域のそれぞれが前記被写体であるか否かを判定す
る判定手段とを含む。特に、被写体再構成装置は、イメ
ージスキャナをさらに含み、第２の画像入力手段は、イ
メージスキャナから画像を取込む。好ましくは、第３の
抽出手段は、画像の背景画像を除去することにより、画
像における被写体を抽出する。特に、被写体再構成装置
は、ビデオカメラをさらに含み、第２の画像入力手段
は、ビデオカメラから画像を取込む。
徴要素に基づき、画像を複数の領域に分割する領域分割
手段と、領域分割手段により得られる複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、計測されたコントラストパラメータに基づき、複
数の領域のそれぞれが前記被写体であるか否かを判定す
る判定手段とを含む。特に、被写体再構成装置は、イメ
ージスキャナをさらに含み、第２の画像入力手段は、イ
メージスキャナから画像を取込む。好ましくは、第３の
抽出手段は、画像の背景画像を除去することにより、画
像における被写体を抽出する。特に、被写体再構成装置
は、ビデオカメラをさらに含み、第２の画像入力手段
は、ビデオカメラから画像を取込む。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 岩舘 祐一 京都府相楽郡精華町大字乾谷小字三平谷５ 番地 株式会社エイ・ティ・アール知能映 像通信研究所内 Ｆターム(参考） 5B050 AA09 BA06 BA11 BA12 BA13 BA15 DA04 DA06 EA06 EA07 EA12 EA13 EA19 FA02 FA19 5B057 AA20 CA01 CA12 CA16 CB01 CB12 CB16 CC01 CE08 CE09 CE20 DA08 DB02 DC06 DC16 DC36 5L096 AA02 CA02 CA14 CA22 EA37 FA06 FA32 FA39 FA41 FA60 GA19 GA51 MA03
Claims (7)
- 【請求項１】 画像を入力する画像入力手段と、 前記画像から被写体を抽出する第１の抽出手段と、 前記抽出した被写体に関する構図情報を抽出する第２の
抽出手段と、 前記抽出した構図情報を格納するためのデータベース
と、 前記データベースに前記抽出した構図情報を格納するた
めの構図情報格納手段とを備える、構図情報抽出装置。 - 【請求項２】 前記第１の抽出手段は、 前記画像の特徴要素に基づき、前記画像を複数の領域に
分割する領域分割手段と、 前記領域分割手段により得られる前記複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、 前記計測されたコントラストパラメータに基づき、前記
複数の領域のそれぞれが前記被写体であるか否かを判定
する判定手段とを含む、請求項１記載の構図情報抽出装
置。 - 【請求項３】 前記第２の抽出手段は、 前記入力された画像の縦横比から、対象矩形を決定する
決定手段と、 前記決定された対象矩形を黄金分割することにより、複
数の相似矩形を作成する相似矩形作成手段と、 前記複数の相似矩形のうち、前記被写体が占有する占有
率が所定のしきい値以上である相似矩形を抽出し、前記
抽出した相似矩形を統合する手段と、 前記統合した相似矩形に対し、前記構図情報を求める手
段とを含み、 前記構図情報には、 前記統合した相似矩形を構成する外接矩形の情報および
重心位置の情報が含まれる、請求項１記載の構図情報抽
出装置。 - 【請求項４】 画像を入力する画像入力手段と、 データベースと、 構図情報と背景画像とを前記データベースから取得する
手段と、 前記構図情報に合わせて前記入力した画像の被写体を拡
大縮小し、前記取得した背景画像に再配置する再構成手
段とを備える、被写体再構成装置。 - 【請求項５】 イメージスキャナと、 被写体抽出手段とをさらに備え、 前記画像入力手段は、 前記イメージスキャナから前記画像を取込み、 前記被写体抽出手段は、 前記取込んだ画像における被写体を抽出する、請求項４
記載の被写体再構成装置。 - 【請求項６】 ビデオカメラと、 背景除去手段とをさらに備え、 前記画像入力手段は、 前記ビデオカメラから前記画像を取込み、 前記背景除去手段は、 前記取込んだ画像の背景画像を除去することにより、前
記画像における被写体を抽出する、請求項４記載の被写
体再構成装置。 - 【請求項７】 前記被写体抽出手段は、 前記取込んだ画像の特徴要素に基づき、前記画像を複数
の領域に分割する領域分割手段と、 前記領域分割手段により得られる前記複数の領域のそれ
ぞれに対し、コントラストパラメータを計測する計測手
段と、 前記計測されたコントラストパラメータに基づき、前記
複数の領域のそれぞれが前記被写体であるか否かを判定
する判定手段とを含む、請求項５記載の被写体再構成装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11001966A JP3034244B1 (ja) | 1999-01-07 | 1999-01-07 | 構図情報抽出装置、被写体再構成装置および画像処理システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11001966A JP3034244B1 (ja) | 1999-01-07 | 1999-01-07 | 構図情報抽出装置、被写体再構成装置および画像処理システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP3034244B1 JP3034244B1 (ja) | 2000-04-17 |
| JP2000200354A true JP2000200354A (ja) | 2000-07-18 |
Family
ID=11516336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11001966A Expired - Fee Related JP3034244B1 (ja) | 1999-01-07 | 1999-01-07 | 構図情報抽出装置、被写体再構成装置および画像処理システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3034244B1 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006012147A (ja) * | 2004-06-08 | 2006-01-12 | Microsoft Corp | スペクトル分析を用いたメッシュパラメータ化による伸縮について |
| JP2008033892A (ja) * | 2006-07-05 | 2008-02-14 | Seiko Epson Corp | 文書編集装置、プログラムおよび記憶媒体 |
| EP1962489A2 (en) | 2007-02-20 | 2008-08-27 | Seiko Epson Corporation | Document edit device |
| JP2009110544A (ja) * | 2008-12-25 | 2009-05-21 | Seiko Epson Corp | 文書編集装置、プログラムおよび記憶媒体 |
| JP2010262326A (ja) * | 2009-04-30 | 2010-11-18 | Casio Computer Co Ltd | 撮影画像処理装置、撮影画像処理プログラム及び撮影画像処理方法 |
| US8122347B2 (en) | 2006-07-04 | 2012-02-21 | Seiko Epson Corporation | Document editing support device, program, and storage medium |
| US9264620B2 (en) | 2008-10-31 | 2016-02-16 | Samsung Electronics Co., Ltd. | Image photography apparatus and method for proposing composition based person |
-
1999
- 1999-01-07 JP JP11001966A patent/JP3034244B1/ja not_active Expired - Fee Related
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006012147A (ja) * | 2004-06-08 | 2006-01-12 | Microsoft Corp | スペクトル分析を用いたメッシュパラメータ化による伸縮について |
| US8122347B2 (en) | 2006-07-04 | 2012-02-21 | Seiko Epson Corporation | Document editing support device, program, and storage medium |
| JP2008033892A (ja) * | 2006-07-05 | 2008-02-14 | Seiko Epson Corp | 文書編集装置、プログラムおよび記憶媒体 |
| JP4743154B2 (ja) * | 2006-07-05 | 2011-08-10 | セイコーエプソン株式会社 | 文書編集装置、プログラムおよび記憶媒体 |
| EP1962489A2 (en) | 2007-02-20 | 2008-08-27 | Seiko Epson Corporation | Document edit device |
| US8122351B2 (en) | 2007-02-20 | 2012-02-21 | Seiko Epson Corporation | Document edit device and storage medium |
| US9264620B2 (en) | 2008-10-31 | 2016-02-16 | Samsung Electronics Co., Ltd. | Image photography apparatus and method for proposing composition based person |
| JP2009110544A (ja) * | 2008-12-25 | 2009-05-21 | Seiko Epson Corp | 文書編集装置、プログラムおよび記憶媒体 |
| JP4666071B2 (ja) * | 2008-12-25 | 2011-04-06 | セイコーエプソン株式会社 | 文書編集装置、プログラムおよび記憶媒体 |
| JP2010262326A (ja) * | 2009-04-30 | 2010-11-18 | Casio Computer Co Ltd | 撮影画像処理装置、撮影画像処理プログラム及び撮影画像処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3034244B1 (ja) | 2000-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100820510B1 (ko) | 물체를 화상으로 표현하고 검색하는 방법 및 장치 | |
| US20030091227A1 (en) | 3-D reconstruction engine | |
| EP1026631A2 (en) | Method for inferring scenes from test images and training data using probability propagation in a markov network | |
| EP1815361A1 (en) | Variance-based event clustering | |
| CN108694705A (zh) | 一种多帧图像配准与融合去噪的方法 | |
| JP2000207564A (ja) | 画像の被写体の検出方法 | |
| JP2004361987A (ja) | 画像検索システム、画像分類システム、画像検索プログラム及び画像分類プログラム、並びに画像検索方法及び画像分類方法 | |
| CN113034528B (zh) | 基于影像组学的靶区及危及器官勾画轮廓准确性检验方法 | |
| JP2010244398A (ja) | 画像処理装置および画像処理プログラム | |
| Johnson | Let's Get Virtual: An Examination of Best Practices to Provide Public Access to Digital Versions of Three-Dimensional Objects | |
| CN106296574A (zh) | 三维照片生成方法和装置 | |
| JP3034244B1 (ja) | 構図情報抽出装置、被写体再構成装置および画像処理システム | |
| JP3661287B2 (ja) | 画像登録装置および方法 | |
| Nguyen et al. | High-definition texture reconstruction for 3D image-based modeling | |
| Enesi et al. | Analyzing parameters in 3D reconstruction photogrammetry in Meshroom, a case study | |
| JP4348956B2 (ja) | 画像レイアウト装置、画像レイアウト方法、画像レイアウト装置におけるプログラム | |
| CN113221971B (zh) | 一种基于前后特征融合的多尺度人群计数方法及系统 | |
| US20220101578A1 (en) | Generating composite images with objects from different times | |
| JP2004192121A (ja) | 画像検索装置、画像分類方法、画像検索方法、及びプログラム | |
| JP3719247B2 (ja) | 画像編集装置、画像のトリミング方法、及びプログラム | |
| Hu | Novel methods for image processing, image analysis, machine learning and deep learning with applications to on-line fashion retailing, print quality assessment, and image enhancement | |
| Verghese et al. | Image processing algorithms for the pipelined image-processing engine | |
| JP2016103807A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN114494940A (zh) | 一种基于深度集成网络的标识内容检测方法及系统 | |
| JP2002216114A (ja) | ３次元モデル生成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000201 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090218 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090218 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100218 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |