JP2000293696A - 画像認識装置 - Google Patents

画像認識装置

Info

Publication number
JP2000293696A
JP2000293696A JP11099662A JP9966299A JP2000293696A JP 2000293696 A JP2000293696 A JP 2000293696A JP 11099662 A JP11099662 A JP 11099662A JP 9966299 A JP9966299 A JP 9966299A JP 2000293696 A JP2000293696 A JP 2000293696A
Authority
JP
Japan
Prior art keywords
edge
image
area
data
pixel
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.)
Withdrawn
Application number
JP11099662A
Other languages
English (en)
Inventor
Eiji Takahashi
栄治 高橋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP11099662A priority Critical patent/JP2000293696A/ja
Priority to EP00107504A priority patent/EP1043688A3/en
Priority to US09/545,580 priority patent/US6665439B1/en
Publication of JP2000293696A publication Critical patent/JP2000293696A/ja
Priority to US10/684,477 priority patent/US6885771B2/en
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Instructional Devices (AREA)

Abstract

(57)【要約】 【課題】 衛星画像や航空写真など、複雑な画像であ
り、従来は画像認識が困難であった画像を対象として、
画像中の認識対象物の形状を効率的に精度良く抽出する
画像認識法を提供する。 【解決手段】 画像認識手段２において、カラー画像デ
ータの画素の複数のスカラデータから画素ベクトルデー
タ生成手段２１で画素ベクトルデータを生成し、エッジ
テンプレートレート適用手段２２にてエッジテンプレー
トを適用してエッジベクトルデータを生成し、エッジ強
さ・方向決定手段２３にてエッジベクトルデータの大き
さを比較してエッジの強さと方向を決定する。カラー画
像のＲＧＢのように画素値が複数のスカラデータをもつ
画像データであっても、それらを組み合わせることによ
って、エッジの強さのみならず、エッジの方向も正確に
求めることができるので、画像中の認識対象物の形状を
精度良く抽出することが可能となる。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、画像認識システム
における画像中の認識対象物の形状の抽出を行う画像認
識装置に関するものである。
【０００２】
【従来の技術】従来、画像に対する処理を行なって、画
像全体の分類、画素単位での分類、画像のシーンの状況
の説明、画像中の認識対象物の発見などを行なう画像認
識装置がある。
【０００３】画像認識の精度を向上させるアプローチと
して、カメラの位置や向き、照明条件などを固定にして
毎回の撮影条件を同一にしたり、認識対象物の適切なモ
デルを設定したり、認識対象物にマーカなどを取り付け
る方法などがある。
【０００４】しかし、衛星画像や航空写真における道路
や建物の形状の認識においては、これらの方法を適用す
ることができない。撮影時のカメラの位置・向き、天
候、大気の状態などの撮影条件が毎回異なっている。さ
らに一枚の画像に道路、建物、川、公園、田畑などの多
くの種類のデータが存在しており、画像が複雑である。
このため、衛星画像や航空写真の画像認識は非常に困難
であった。
【０００５】画像中の認識対象物の形状を抽出するに
は、認識対象物の画素値とその周辺部の画素値が異なる
ことを利用して、エッジ検出などの画像処理が行なわれ
る。エッジ検出とは画素値が急激に変化する箇所を検出
する処理であり、その箇所を物体の輪郭として認識す
る。エッジ検出には差分型、テンプレート型、ゼロ交差
法などの種類がある。エッジ検出を行なう場合、通常は
画素値として明度のみを用いることが多い。画像データ
の画素値の表現方法としてＲＧＢ（Ｒｅｄ：赤、Ｇｒｅ
ｅｎ：緑、Ｂｌｕｅ：青）やＨＳＩ（Ｈｕｅ：色相、Ｓ
ａｔｕｒａｔｉｏｎ：彩度、Ｉｎｔｅｎｓｉｔｙ：明
度）などがあり、画像データはＲＧＢとして記憶されて
いる場合が多いので、ＲＧＢデータから明度に変換した
後に、明度に対してエッジ検出を行なう。
【０００６】しかし、衛星画像や航空写真の認識におい
ては、認識が困難であるために、画像の明度のみなら
ず、色相や彩度の情報も有効に利用する必要がある。し
かし、通常のエッジ検出は明度などのスカラデータに対
して行なわれる処理である。
【０００７】特開平６―８３９６２号公報に記載されて
いるように、エッジ検出法の１つであるゼロ交差法を利
用し、明度のみならず色相や彩度の情報も利用する方法
もある。この方法による画像認識結果を図３６に示す。
図３６の（ａ）は明度に対してエッジ検出を行なった結
果であり、同様に図３６の（ｂ）は色相、図３６の
（ｃ）は彩度に対してエッジ検出を行なった結果であ
る。図３６の（ｄ）は（ａ）、（ｂ）、（ｃ）の結果を
合成したものである。
【０００８】また、エッジ検出において、画像中に雑音
を低減するために画像の平滑化が行なわれる場合があ
る。平滑化フィルタを適用して画像をぼかしてからエッ
ジ検出を行なったり、ゼロ交差法のように平滑化とエッ
ジ検出を同時に行なう方法もある。
【０００９】
【発明が解決しようとする課題】エッジ検出において、
エッジの強さのみならず、エッジの方向も求めることが
重要である。エッジの強さは画像中のその位置において
画素値の変化の度合を表し、エッジの方向は画像中での
エッジの向きを表す。エッジの方向を正確に求めること
によって、エッジ画素の判定が正確に行なわれたり、エ
ッジの途切れの修正を行なうことができる。
【００１０】しかしながら、特開平６―８３９６２号公
報に記載されている方法では、ゼロ交差法のみを利用し
ているため、エッジの方向を求めることはできない。差
分型、またはテンプレート型エッジ検出は、明度、彩
度、色相を個別に処理を行なってそれぞれのエッジの方
向を求めることはできるが、それらを統合しても正確な
エッジの方向ではない。例えば、明度、彩度、色相のそ
れぞれのエッジの方向が全く異なっていた場合、それら
の平均を求めても、正確なエッジの方向ではない。つま
り、従来技術では明度、彩度、色相などの色の属性の中
の複数を対象としてエッジ検出を行なっても、正確なエ
ッジの方向を求めることができない。
【００１１】また、ＲＧＢデータが離散値である場合、
画像のＲＧＢデータからＨＳＩデータへの変換式の性質
上、明度の値が低い部分や高い部分で彩度の値が不安定
になる。例えば、ＲＧＢが各々８ビットのデータであ
り、０から２５５までの値をとる時、明度の値が低いと
ＲＧＢのどれか１つの値が１増加、また１減少しただけ
で変換される彩度の値が大きく変化してしまう。彩度の
値が不安定であるとそれがエッジ検出の時に雑音となっ
て現れる。
【００１２】また、雑音低減のために強い平滑化を行な
うと、画像をぼかすために検出されるエッジが丸く変形
してしまったり、近い距離にあるエッジ同士が接続して
しまったりするので抽出された形状の精度が悪化する。
逆に弱い平滑化を行なう、または平滑化を行なわないと
抽出された形状の精度は良いが雑音が多くなってしま
う。
【００１３】
【課題を解決するための手段】これらの課題を解決する
ために本発明は、第１に、カラー画像データを対象と
し、明度のみではなく、ＲＧＢなどの色の属性であるス
カラデータを複数利用し、画素毎にベクトルデータ（画
素ベクトルデータ）を生成し、また、画像上でのエッジ
パターンを想定したエッジテンプレートを用意するとい
う手段を有する。ここで、用意するエッジテンプレート
は検出するエッジの方向に対応する。例えば、画像上で
左から右への方向、左下から右上への方向、下から上へ
の方向、右下から左上への方向の４種類のエッジテンプ
レートを用意する。そして、画素ベクトルデータとエッ
ジテンプレートとの積和演算を行なって各方向に対応す
るベクトルデータ（エッジベクトルデータ）を得る。こ
のエッジベクトルデータの大きさを比較し、最も大きな
もの、すなわちエッジテンプレートとの相関が最も大き
なものを選び、そのエッジベクトルデータの大きさをエ
ッジの強さ、エッジテンプレートの方向をエッジの方向
とする。
【００１４】これにより、従来は明度のみに対して行な
っていたエッジ検出を、画素ベクトルデータを生成する
ことによって、画素値の複数のスカラデータを扱うこと
を可能にする。さらに、画素ベクトルデータにエッジテ
ンプレートを適用し、そこで得られたエッジベクトルデ
ータを大きさの比較を行なうことによって、簡単、かつ
正確にエッジの方向を求めることが可能にする。
【００１５】第２に、認識対象とする画像データの画素
値の色空間を変換した後に、画素ベクトルデータを生成
する手段を有する。
【００１６】これにより、認識の対象となる画像データ
の特徴に応じて適切な色空間座標に変換されたデータに
対したエッジ検出を行なうことができる。
【００１７】第３に、認識対象とする画像データの画素
値の色空間をＨＳＩに変換した後に、画素ベクトルデー
タを生成するという手段を有する。
【００１８】これにより、人間によって感覚的に理解し
やすいＨＳＩの色空間座標に変換されたデータに対した
エッジ検出を行なうことができる。
【００１９】第４に、認識対象とする画像データの画素
値の色空間をＨＳＩに変換する際に、明度の値によって
彩度の値を変化させるという手段を有する。
【００２０】これにより、彩度の値が不安定なことによ
る雑音の発生を抑制する。
【００２１】第５に、認識対象とする画像データの画素
値の色空間をＨＳＩに変換する際に、明度が中間値付近
では変換される彩度の値が大きく、明度が中間値付近か
ら増加、または減少するにつれて変換される彩度の値が
小さくするという手段を有する。
【００２２】これにより、彩度の値が不安定なことによ
る雑音の発生を抑制する。
【００２３】第６に、ＨＳＩへの変換式から、彩度の不
安定さと明度との関係を算出し、彩度の不安定さが一定
になるように、明度の値によって彩度の値を変化させる
という手段を有する。
【００２４】これにより、彩度の値が不安定な部分のみ
を適切に補正し、雑音の発生を抑制する。
【００２５】第７に、領域によって認識対象物の形状を
表現する方法において、領域統合を行なって、小領域を
大領域へ統合することによって雑音を除去する際に、領
域内の画素値は考慮せず、領域の形状のみを考慮して領
域統合を行なう手段を有する。
【００２６】これにより、認識対象物の形状の抽出の精
度を下げずに、雑音を除去することが可能となる。
【００２７】第８に、小領域同士が密集している時によ
り小さな領域から統合を行なう手段を有する。
【００２８】これにより、雑音を除去しつつ、小さな領
域を過剰に統合してしまうことを防ぐことが可能とな
る。
【００２９】第９に、小領域同士が密集している時にそ
の内部から領域統合を行なう手段を有する。
【００３０】これにより、雑音を除去しつつ、認識対象
物の形状をより精度良く抽出することが可能となる。
【００３１】第１０に、カラー画像データの画素値の複
数のスカラデータを利用してエッジ検出した結果を領域
画像に変換し、領域内の画素値は考慮せず、領域の形状
のみを考慮した領域統合を行なう手段を有する。
【００３２】これにより、色の複数の属性を対象とした
エッジ検出結果から、認識対象物の形状の抽出精度は下
げずに雑音を除去することができる。
【００３３】
【発明の実施の形態】以下、本発明の実施の形態につい
て、図面を用いて説明する。なお、本発明はこれらの実
施の形態に何ら限定されるものではなく、その要旨を逸
脱しない範囲において、種々なる態様で実施し得る。
【００３４】（実施の形態１）第１の実施の形態の画像
認識装置は、図１に示すようにカラー画像データを記憶
する画像データ記憶手段１と、カラー画像データの画像
認識を行なう画像認識手段２と、画像認識手段２におい
て抽出された形状データを記憶する形状データ（エッジ
画像）記憶手段３とを備えている。
【００３５】画像認識手段２では、画素ベクトルデータ
生成手段２１とエッジテンプレート適用手段２２とエッ
ジ強さ・方向決定手段２３とエッジ画素決定手段２４と
を備えている。画素ベクトルデータ生成手段２１ではカ
ラー画像データの画素値の複数のスカラデータから画素
ベクトルデータを生成する。エッジテンプレート適用手
段２２では、画素ベクトルデータにエッジテンプレート
を適用し、エッジベクトルデータを生成する。エッジ強
さ・方向決定手段２３では、エッジベクトルデータの大
きさからエッジの大きさと方向を決定する。エッジ画素
決定手段２４では、エッジの強さと方向からエッジ画素
を決定する。
【００３６】画像データ記憶手段１に記憶されている画
像データは図２左側に示すように、ｘｙの２次元の座標
系で表される。つまり、ｘとｙの値が決まれば１つの画
素が決まる。各画素はＲＧＢ値を画素値としてもつ。つ
まり、図２右側に示すようにｒ、ｇ、ｂがそれぞれのス
カラデータをもつ。これらのスカラデータは各々８ｂｉ
ｔデータであり、０から２５５までの値をもつ。このＲ
ＧＢの色空間の座標を図３に示す。この色空間上の点が
１つの色に対応し、ｒ、ｇ、ｂの値が決まれば１つの色
が決まる。
【００３７】画像データ記憶手段１には図４上段のよう
なカラー画像が記憶されている。この図では画像中に道
路、建物が存在する。この画像を対象として画像認識手
段２でエッジ検出が行なわれ、形状データ（エッジ画
像）記憶手段３に図４下段のようなエッジ画像が記憶さ
れる。エッジ画像は二値画像であり、エッジである画素
とそうでない画素が存在する。図４下段に黒い線になっ
ている部分がエッジである画素、白い部分がエッジでな
い画素である。このように画像認識手段２におけるエッ
ジ検出では道路の色とそれに隣接する領域の色、または
建物の色とそれに隣接する領域の色との変化を検出し、
その変化が大きい箇所をエッジとして判断する。このよ
うにして道路や建物の輪郭をエッジとして検出する。
【００３８】この第１の実施形態の装置の動作手順を図
５のフローチャートに示す。
【００３９】ステップ１０：画素値から画素ベクトルデ
ータＰＶを生成する。各画素の画素値の複数のスカラデ
ータを組み合わせて画素ベクトルデータを生成する。画
像中のすべての画素について式（１）によって画素値ｒ
（ｘ，ｙ），ｇ（ｘ，ｙ），ｂ（ｘ，ｙ）からベクトル
データＰＶ（ｘ，ｙ）を生成する。
【００４０】
【数１】
【００４１】ステップ１１：４双方向テンプレートｈ
１，ｈ２，ｈ３，ｈ４とＰＶを局所積和演算し、エッジ
ベクトルデータＥＶ１，ＥＶ２，ＥＶ３，ＥＶ４を生成
する。４双方向テンプレートを図６に示す。図６におい
てｈ１は図２の画像データの２次元構造における左ー右
方向のエッジに対応するテンプレートであり、画像中で
エッジが左右方向に存在する箇所に適用すると大きな値
を返す。同様にｈ２は左下ー右上方向、ｈ３は下ー上方
向、ｈ４は右下ー左上方向用のテンプレートである。ｈ
１のテンプレート内の”０”、”１”、”―１”などの
値を式（２）のように表すとすると、４双方向テンプレ
ートｈ１，ｈ２，ｈ３，ｈ４とＰＶ（ｘ，ｙ）との局所
積和演算は式（３）のように表される。
【００４２】
【数２】
【００４３】
【数３】
【００４４】図２右側の中心画素に対して図６の４双方
向テンプレートを適用した結果得られたエッジベクトル
データを図７に示す。ＥＶ１は左ー右方向、ＥＶ２は左
下ー右上方向、ＥＶ３は下ー上方向、ＥＶ４は右下ー左
上方向に対応したエッジベクトルデータである。
【００４５】ステップ１２：エッジベクトルデータＥＶ
１，ＥＶ２，ＥＶ３，ＥＶ４からエッジの強さｍｏｄと
エッジの方向ｄｉｒを求める。式（４）によってエッジ
の強さｍｏｄ（ｘ，ｙ）を、式（５）によってエッジの
方向ｄｉｒ（ｘ，ｙ）を各画素毎に求める。
【００４６】
【数４】
【００４７】
【数５】
【００４８】例えば図７のエッジベクトルデータの大き
さを比較すると、ＥＶ３の大きさが４３７であり、他の
エッジベクトルデータの大きさよりも大きいので、図８
のように、この画素のエッジの強さは４３７、エッジの
方向は下ー上方向と決定される。
【００４９】ステップ１３：エッジの強さの閾値ｔとエ
ッジの強さｍｏｄとエッジの方向ｄｉｒとからエッジ画
像データｅｄｇｅを生成する。あらかじめ設定された閾
値ｔとｍｏｄとｄｉｒとから式（６）によって各画素が
エッジである画素か、そうでない画素かを判別する。式
（６）においては、その画素のエッジの大きさがｔ以上
で、かつ隣接する画素との関係が図９に示す４つのパタ
ーンのいづれかを満たす時に、エッジである画素と判別
される。
【００５０】
【数６】
【００５１】具体的な例で説明する。図１０上段の航空
写真を簡略化したカラー画像データを認識対象とする。
画像中には道路、地面、建物、建物側面１、建物側面２
が写っている。それぞれのＲＧＢ値は図中に示す通りで
ある。この画像を本発明の画像認識装置にて処理するこ
とにより、図１０下段のように道路や建物の形状がエッ
ジとして検出される。
【００５２】以上のように、本実施の形態では、画素値
の複数のスカラデータを組み合わせて画素ベクトルデー
タを生成することによって、画素値の複数のスカラデー
タを対象としたエッジ検出を行なうことができる。従来
の明度のみに対するエッジ検出では、物体の輪郭が存在
していても明度の違いがなければエッジを検出すること
ができなかったが、本実施の形態ではその検出が可能と
なる。
【００５３】また、画素ベクトルデータにエッジテンプ
レートを適用させることにより、エッジの方向を簡単、
かつ正確に求めることが可能となる。エッジの方向はエ
ッジ画素の判定や、エッジの途切れの修正に利用される
など、エッジ検出処理において重要な役割を果たすた
め、エッジの強さだけでなく、エッジの方向も求めるこ
とは非常に重要である。
【００５４】（実施の形態２）第２の実施の形態の画像
認識装置は、図１１に示すように、第１の実施形態（図
１）に加え、色空間の座標変換を行なう色空間座標変換
手段２５を備える。カラー画像データ記憶手段１に記憶
されたＲＧＢデータを別の色空間座標へ変換し、変換さ
れた色の複数の属性値から画素ベクトルデータ生成手段
２１にて画素ベクトルデータが生成される。
【００５５】この第２の実施形態の装置の動作手順を図
１２のフローチャートに示す。
【００５６】ステップ１１、ステップ１２、およびステ
ップ１３は第１の実施形態と同様である。
【００５７】ステップ２０：画素値を図３のＲＧＢの色
空間から図１３の色空間の座標系へ変換する。式（７）
によって画素値ｒ（ｘ，ｙ），ｇ（ｘ，ｙ），ｂ（ｘ，
ｙ）からｃ１（ｘ，ｙ），ｃ２（ｘ，ｙ），ｃ３（ｘ，
ｙ）を生成する。ｃ１は一種の明度を表し、ｃ２はＲＧ
Ｂにおけるｒの割合、ｃ３はＲＧＢにおけるｇの割合を
表している。
【００５８】
【数７】
【００５９】ステップ１０：画素値から画素ベクトルデ
ータＰＶを生成する。各画素の複数の属性の値を組み合
わせて画素ベクトルデータを生成する。画像中のすべて
の画素について式（８）によって画素値ｃ１（ｘ，
ｙ），ｃ２（ｘ，ｙ），ｃ３（ｘ，ｙ）からベクトルデ
ータＰＶ（ｘ，ｙ）を生成する。式（８）におけるパラ
メータａ１、ａ２、ａ３を調整することによって、ｃ
１、ｃ２、ｃ３のどれに重点を置いたエッジ検出をする
のかを決定する。
【００６０】
【数８】
【００６１】具体的な例で説明する。図１４上段の航空
写真を簡略化したカラー画像データを認識対象とする。
まず、各画素のＲＧＢ値がｃ１、ｃ２、ｃ３に変換され
る。そして図１４下段のように道路や建物の形状がエッ
ジとして検出される。
【００６２】以上のように、本実施の形態では、カラー
画像データに記憶されている画素値の色空間座標を変換
した後に画素ベクトルデータを生成する。これにより、
認識の対象となる画像データの特徴に応じて適切な色空
間座標に変換したり、人間にとって理解しやすい色空間
座標に変換することができる。例えば、明度、ＲＧＢに
おけるｒの割合、ＲＧＢにおけるｇの割合のすべてを考
慮するが、その中で特に明度に重点をおいたエッジ検出
なども可能になる。
【００６３】（実施の形態３）第３の実施の形態の画像
認識装置は、第２の実施形態（図１１）と変わりはな
い。
【００６４】この第３の実施形態の装置の動作手順を、
第２の実施形態と同じ図１２のフローチャートに示す。
【００６５】ステップ１１、ステップ１２、およびステ
ップ１３は第１の実施形態と同様である。
【００６６】ステップ２０：画素値を図３のＲＧＢの色
空間から図１５の円柱型の色空間の座標系へ変換する。
式（９）によって画素値ｒ（ｘ，ｙ），ｇ（ｘ，ｙ），
ｂ（ｘ，ｙ）から色相（Ｈｕｅ）：ｈ（ｘ，ｙ），彩度
（Ｓａｔｕｒａｔｉｏｎ）：ｓ（ｘ，ｙ），明度（Ｉｎ
ｔｅｎｓｉｔｙ）：ｉ（ｘ，ｙ）に変換する。明度は色
の明るさを表す量であり、図１５左側の円柱座標系の高
さ方向に相当する。
【００６７】
【数９】
【００６８】例えば明度が最小値の場合、それが示す色
は黒である。彩度は色の鮮やかさを表す量であり、図１
５右側の極座標系の中心からの距離で表される。例えば
彩度が最小値の場合、それが表す色は黒、白、グレーで
あり、彩度が最大値の場合、それが表す色は原色の赤、
青、緑などである。色相は赤、青、緑といった色の違い
を示す量であり、図１５右側の極座標系の角度で表され
る。例えば角度０［ｒａｄ］は赤、角度２／３π［ｒａ
ｄ］は緑、角度４／３π［ｒａｄ］は青を表す。ＲＧＢ
からＨＳＩへの変換モデルにはいくつか存在するが、式
（９）では双六角錐モデルを用いた。式（９）では、
ｒ、ｇ、ｂ、ｉ、ｓの値域は［０．．ｍａｘ＿ｖａｌｕ
ｅ］、ｈの値域は［０．．２π］であり、（ｘ，ｙ）は
省略して記述してある。ＲＧＢが各８ｂｉｔデータであ
る場合は、ｍａｘ＿ｖａｌｕｅの値は２５５である。
【００６９】ステップ１０：画素値から画素ベクトルデ
ータＰＶを生成する。画像中のすべての画素について式
（１０）によって画素値ｈ（ｘ，ｙ），ｓ（ｘ，ｙ），
ｉ（ｘ，ｙ）からベクトルデータＰＶ（ｘ，ｙ）を生成
する。
【００７０】
【数１０】
【００７１】この時、ｈ（ｘ，ｙ），ｓ（ｘ，ｙ）が極
座標で表されていた部分を直行座標系に変換してＰＶを
生成する。式（１０）におけるパラメータａを調整する
ことによってＨＳＩすべてに重点を置いた処理をするの
か、または特に明度に重点を置いた処理を行なうのかを
決定する。例えばパラメータａを１にすることで、ＨＳ
Ｉすべてに重点を置いたエッジ検出、パラメータａを１
より小さくすることで特に明度に重点を置いたエッジ検
出が可能になる。
【００７２】具体的な例で説明する。図１６の航空写真
を簡略化したカラー画像データを認識対象とする。この
画像は実際の航空写真を想定し、図１０上段の画像に対
して、画素値にある程度の範囲をもたせてある。例えば
同じ道路領域でもＲＧＢ値が一定であることはなく、あ
る程度の画素値のバラつきがある。
【００７３】ステップ２０において各画素のＲＧＢ値が
ＨＳＩに変換される。そして図１７のように道路や建物
の形状がエッジとして検出される。画素値のバラつきが
あるために雑音のエッジが検出されたり、道路や建物の
形状が途切れたりする。
【００７４】以上のように、本実施の形態では、カラー
画像データに記憶されている画素値の色空間座標をＨＳ
Ｉの座標系に変換した後に画素ベクトルデータを生成す
る。これにより、ＲＧＢよりも直観的にわかりやすいＨ
ＳＩに変換されたデータに対する処理を行なうので、エ
ッジ検出を容易に行なうことができる。
【００７５】（実施の形態４）第４の実施の形態の画像
認識装置は、第２の実施形態（図１１）と変わりはな
い。
【００７６】この第４の実施形態の装置の動作手順を、
第２の実施形態と同じ図１２のフローチャートに示す。
【００７７】ステップ１１、ステップ１２、およびステ
ップ１３は第１の実施形態と同様である。
【００７８】ステップ２０：画素値を図３のＲＧＢの色
空間から式（９）によって図１５のＨＳＩ色空間の座標
系へ変換する。その後、さらに式（１１）によって図１
８の逆円錐型の色空間の座標系へ変換する。
【００７９】
【数１１】
【００８０】この式（１１）によってｈ（ｘ，ｙ），ｓ
（ｘ，ｙ），ｉ（ｘ，ｙ）がそれぞれｈ’（ｘ，ｙ），
ｓ’（ｘ，ｙ），ｉ’（ｘ，ｙ）に変換されるが、ｈ
（ｘ，ｙ）はｈ’（ｘ，ｙ）、ｉ（ｘ，ｙ）とｉ’
（ｘ，ｙ）は変化がないが、ｉ（ｘ，ｙ）の値が減少す
るにつれてｓ（ｘ，ｙ）の値を減少させたのがｓ’
（ｘ，ｙ）である。
【００８１】ステップ１０：画素値から画素ベクトルデ
ータＰＶを生成する。画像中のすべての画素について式
（１２）によって画素値ｈ’（ｘ，ｙ），ｓ’（ｘ，
ｙ），ｉ’（ｘ，ｙ）からベクトルデータＰＶ（ｘ，
ｙ）を生成する。
【００８２】
【数１２】
【００８３】この時、ｈ’（ｘ，ｙ），ｓ’（ｘ，ｙ）
が極座標で表されていた部分を直行座標系に変換してＰ
Ｖを生成する。式（１２）におけるパラメータａを調整
することによってＨＳＩすべてに重点を置いた処理をす
るのか、または特に明度に重点を置いた処理を行なうの
かを決定する。例えばパラメータａを１にすることで、
ＨＳＩすべてに重点を置いたエッジ検出、パラメータａ
を１より小さくすることで特に明度に重点を置いたエッ
ジ検出が可能になる。
【００８４】具体的な例で説明する。第３の実施形態と
同じく、図１６の航空写真を簡略化したカラー画像デー
タを認識対象とする。
【００８５】ステップ２０において各画素のＲＧＢ値が
ＨＳＩに変換され、それがさらにＨ’Ｓ’Ｉ’に変換さ
れる。図１９に各領域のＨＳＩの値と、逆円錐型の色空
間座標に変換したＨ’Ｓ’Ｉ’の値との関係を示す。Ｈ
ＳＩにおいては、明度の値が低いほど彩度の値のバラつ
きが大きい。これはＲＧＢからＨＳＩへの変換式がもつ
特徴である。例えばＲＧＢがすべて値が小さく、明度が
低い時、ＲＧＢの中のどれかが値が１変化しただけでも
彩度の値は急激に変化してしまう。バラつきが大きい箇
所では色が急激に変化するために認識対象の輪郭でなく
てもエッジが検出されてしまう。Ｈ’Ｓ’Ｉ’において
はｉの値が低いほどｓ’の値が小さくなるので、ｓ’の
バラつきは抑制される。
【００８６】画像認識処理結果を図２０に示す。図１７
では建物側面１、建物側面２などの明度の低い領域には
雑音が多いが、図２０ではこれらが大幅に削減されてい
る。
【００８７】以上のように、本実施の形態では、色空間
をＨＳＩに変換する際に、明度の値によって彩度の値を
変化させる。これによって、ＲＧＢからＨＳＩへの変換
式のもつ特徴である彩度の値が不安定になる条件を改善
し、彩度の値による雑音の発生を抑制して精度の良いエ
ッジ検出が可能になる。
【００８８】（実施の形態５）第５の実施の形態の画像
認識装置は、第２の実施形態（図１１）と変わりはな
い。
【００８９】この第５の実施形態の装置の動作手順を、
第２の実施形態と同じ図１２のフローチャートに示す。
【００９０】ステップ１１、ステップ１２、およびステ
ップ１３は第１の実施形態と同様である。ステップ１０
は第４の実施形態と同様である。
【００９１】ステップ２０：画素値を図３のＲＧＢの色
空間から式（９）によって図１５のＨＳＩ色空間の座標
系へ変換する。その後、さらに式（１３）によって図２
１の双円錐型の色空間の座標系へ変換する。
【００９２】
【数１３】
【００９３】この式（１３）によってｈ（ｘ，ｙ），ｓ
（ｘ，ｙ），ｉ（ｘ，ｙ）がそれぞれｈ’（ｘ，ｙ），
ｓ’（ｘ，ｙ），ｉ’（ｘ，ｙ）に変換される。ｈ
（ｘ，ｙ）はｈ’（ｘ，ｙ）、ｉ（ｘ，ｙ）とｉ’
（ｘ，ｙ）は変化がない。ｓ’（ｘ，ｙ）はｉ（ｘ，
ｙ）の値が中間値付近ではｓ（ｘ，ｙ）との差はない
が、ｉ（ｘ，ｙ）の値が増加、または減少するに従って
ｓ（ｘ，ｙ）の値よりも小さくなる。
【００９４】具体的な例で説明する。第３の実施形態と
同じく、図１６の航空写真を簡略化したカラー画像デー
タを認識対象とする。
【００９５】ステップ２０において各画素のＲＧＢ値が
ＨＳＩに変換され、それがさらにＨ’Ｓ’Ｉ’に変換さ
れる。図１９に各領域のＨＳＩの値と、双円錐型の色空
間座標に変換したＨ’Ｓ’Ｉ’の値との関係を示す。
【００９６】画像認識処理結果を図２２に示す。建物側
面１や建物側面２などの明度の低い領域の雑音に加え、
および建物や道路などの明度の高い領域の雑音も大幅に
削減されている。
【００９７】以上のように、本実施の形態では、色空間
をＨＳＩに変換する際に、彩度の値が不安定となりやす
い明度の値が高い領域、および明度の値が低い領域に着
目し、特にその領域において彩度の値を減少させる。こ
れによって、ＲＧＢからＨＳＩへの変換式のもつ特徴で
ある彩度の値が不安定になる条件を改善し、彩度の値に
よる雑音の発生を抑制して精度の良いエッジ検出が可能
になる。
【００９８】（実施の形態６）第６の実施の形態の画像
認識装置は、第２の実施形態（図１１）と変わりはな
い。
【００９９】この第６の実施形態の装置の動作手順を、
第２の実施形態と同じ図１２のフローチャートに示す。
【０１００】ステップ１１、ステップ１２、およびステ
ップ１３は第１の実施形態と同様である。ステップ１０
は第４の実施形態と同様である。
【０１０１】ステップ２０：まず、式（９）のＲＧＢか
らＨＳＩへの変換式を利用して式（１４）により関数ｆ
（ｉ）を求める。
【０１０２】
【数１４】
【０１０３】この関数ｆ（ｉ）を図２３に示す。ｆの値
が高いほどｒの値の変化に対してｓの値が安定であり、
逆にｆの値が低いほどｒの値の変化に対してｓの値が不
安定であることを示している。この例ではｉが低い部分
と高い部分にｓの値が不安定である部分が存在する。次
に式（１５）によって図２４の変形円柱型の色空間の座
標系へ変換する。この変形円柱は図２３のｆ（ｉ）のグ
ラフをｉ軸を中心として回転させた形状である。
【０１０４】
【数１５】
【０１０５】具体的な例で説明する。第３の実施形態と
同じく、図１６の航空写真を簡略化したカラー画像デー
タを認識対象とする。
【０１０６】ステップ２０において各画素のＲＧＢ値が
ＨＳＩに変換され、それがさらにＨ’Ｓ’Ｉ’に変換さ
れる。図１９に各領域のＨＳＩの値と、変形円柱型の色
空間座標に変換したＨ’Ｓ’Ｉ’の値との関係を示す。
【０１０７】画像認識処理結果を図２５に示す。建物側
面１や建物側面２などの明度の低い領域の雑音に加え、
および建物や道路などの明度の高い領域の雑音も大幅に
削減されている。さらに道路形状や建物形状などのエッ
ジが途切れなく検出されている。
【０１０８】以上のように、本実施の形態では、色空間
をＨＳＩに変換する際に、ＲＧＢからＨＳＩへの変換式
から、彩度の不安定さと明度との関係を算出し、彩度の
不安定さが一定になるように、明度の値によって彩度の
値を変化させる。
【０１０９】これにより、彩度の値が不安定な部分のみ
を適切に補正し、雑音の発生を抑制し、精度の良いエッ
ジ検出が可能になる。
【０１１０】（実施の形態７）第７の実施の形態の画像
認識装置は、図２６に示すように形状データを領域デー
タとして記憶する形状データ（領域画像）記憶手段４
と、画像データの画像認識を行なう画像認識手段２と画
像認識手段２で領域統合された形状を記憶する形状デー
タ（統合後領域画像）記憶手段５とを備えている。
【０１１１】画像認識手段２では小領域決定手段２６と
統合対象領域決定手段２７と領域統合手段２８とを備え
ている。小領域決定手段２６で領域が選択され、小領域
決定手段２６で決定された領域と統合される領域が統合
対象領域決定手段２７で決定され、領域統合手段２８で
統合される。統合対象領域決定手段２７においては、小
領域決定手段において決定された領域と隣接するすべて
の領域との共通境界線の長さを比較し、最も共通境界線
長の長さが長い領域が選択される。
【０１１２】形状データ（領域画像）記憶手段４に記憶
される領域画像の例を図２７に示す。各画素は図２７左
側のように”１”、”２”などのラベルをもつ。同じラ
ベルをもつ画素は同じ領域に含まれる。図２７左側には
ラベル１をもつ領域、ラベル２をもつ領域、ラベル３を
もつ領域が存在している。
【０１１３】画像を領域に分割する代表的な方法として
領域分割がある。領域分割の１つの方法である領域拡張
法では、まず各画素をそれそれ領域とし、隣接する領域
間の画素値などの特徴量の値の近さに基づいて領域を拡
張していく方法である。これにより、物体の形状を領域
として検出する。
【０１１４】本実施の形態では、形状データ（領域画
像）記憶手段４に記憶されている領域画像の生成過程は
特に限定しない。形状データ（領域画像）記憶手段４に
記憶されている領域画像から雑音である小領域を大領域
へ統合、あるいは小領域同士を統合することによって小
領域を削除し、その結果の領域画像を形状データ（統合
後領域画像）記憶手段５に記憶する。
【０１１５】この第７の実施形態の装置の動作手順を図
２８のフローチャートに示す。
【０１１６】ステップ７０：領域画像の中でその面積が
ｓ［画素］以下の領域が存在するかどうかを調べ、存在
するならばステップ７１へ、存在しないならばすべての
小領域が削除されたと判断し終了する。ここでｓは閾値
として事前に与えられた値である。
【０１１７】ステップ７１：面積がｓ［画素］以下の領
域ｒを選択する。
【０１１８】ステップ７２：領域ｒと隣接する領域をｒ
１，ｒ２，．．．，ｒｎとした時にｒとｒ１，ｒ
２，．．．，ｒｎとの共通境界線長をそれぞれ計算す
る。
【０１１９】ステップ７３：領域ｒとの共通境界線長が
最長な領域ｒｉを選択する。
【０１２０】ステップ７４：領域ｒと領域ｒｉを統合す
る。領域ｒと領域ｒｉの境界線を削除し、統合された領
域をｒｉ’とする。
【０１２１】具体的な例で説明する。図２９上段のよう
な領域画像を領域統合処理の対象とする。画像中には
Ｒ、Ｒ１、Ｒ２、Ｒ３の４つの領域が存在し、Ｒは車、
Ｒ１は道路の領域である。領域Ｒの面積がｓ［画素］以
下であるので、この領域を削除する。
【０１２２】領域Ｒが隣接する領域はＲ１とＲ２である
が、共通境界線長を求めると、ＲとＲ１の共通境界線長
の方がＲとＲ２の共通境界線長よりも長い。そこで領域
Ｒとの統合対象の領域としてはＲ１が選ばれ、ＲとＲ１
が統合し、新たな領域Ｒ１’が生成され、図２９下段の
ようになる。
【０１２３】仮に領域ＲとＲ２の画素値が近い、つまり
色が似ている場合、画素値を考慮した領域の統合ではＲ
とＲ２が統合されてしまい、道路形状が不自然になって
しまう。
【０１２４】以上のように、本実施の形態では、既に領
域に分割された画像を対象として、画素値は考慮せず
に、領域の形状のみを考慮し、共通境界線長が最長にな
る領域同士を統合していくことにより、認識対象物の形
状の抽出の精度を下げずに、雑音である小領域を除去す
ることが可能となる。特に都市部の航空写真の画像デー
タを対象として、道路形状の抽出の精度を下げずに、道
路上の車の形状を削除することができる。
【０１２５】（実施の形態８）第８の実施の形態の画像
認識装置は、第７の実施形態（図２６）と変わりはな
い。
【０１２６】この第８の実施形態の装置の動作手順を、
第７の実施形態と同じ図２８のフローチャートに示す。
【０１２７】ステップ７０、ステップ７２、ステップ７
２、およびステップ７４は第７の実施形態と同様であ
る。
【０１２８】ステップ７１：領域画像中で面積が最小の
領域ｒを選択する。
【０１２９】具体的な例で説明する。図３０上段のよう
な領域画像を領域統合処理の対象とする。画像中にはＲ
１、Ｒ２、Ｒ３、Ｒ４の４つの領域が存在し、Ｒ１は屋
上施設１、Ｒ２は屋上施設２、Ｒ３は建物屋上である。
Ｒ１とＲ２の面積はｓ［画素］以下である。これらの領
域の中でＲ１が面積が最小であるので、図３０中段のよ
うにＲ１とＲ３を統合して領域Ｒ３’を生成する。さら
に、Ｒ２、Ｒ３’、Ｒ４の中でＲ２が面積が最小である
ので、図３０下段のようにＲ２とＲ３’を統合して領域
Ｒ３’’を生成する。このようにして建物の屋上施設が
削除され、建物形状のみが抽出される。
【０１３０】仮にＲ２、Ｒ１の順序で領域統合を行なう
と、Ｒ２はＲ４へ、Ｒ１はＲ３へ統合してしまい、建物
形状を正確に抽出することができない。
【０１３１】以上のように、本実施の形態では、最小の
面積の領域から統合処理を繰り返すことにより、認識対
象物の形状の抽出の精度を下げずに、雑音である小領域
を除去することが可能となる。特に都市部の航空写真の
画像データを対象とした場合、一般の住宅の屋根と異な
り、ビルなどの建物の屋上部分には細かな屋上施設が多
数存在する場合が多いが、そのような場合でも正確に建
物形状を抽出することが可能となる。
【０１３２】（実施の形態９）第９の実施の形態の画像
認識装置は、第７の実施形態（図２６）と変わりはな
い。
【０１３３】この第９の実施形態の装置の動作手順を、
第７の実施形態と同じ図２８のフローチャートに示す。
【０１３４】ステップ７０、ステップ７２、ステップ７
２、およびステップ７４は第７の実施形態と同様であ
る。
【０１３５】ステップ７１：面積がｓ［画素］以下のす
べて領域に対して、その領域に隣接するすべての領域の
面積の合計を求め、その面積の合計が最小となる領域ｒ
を選択する。
【０１３６】具体的な例で説明する。図３１上段のよう
な領域画像を領域統合処理の対象とする。画像中にはＲ
１、Ｒ２、Ｒ３、Ｒ４の４つの領域が存在し、Ｒ１は屋
上施設１、Ｒ２は屋上施設２、Ｒ３は建物屋上である。
Ｒ１とＲ２の面積はｓ［画素］以下とする。隣接領域の
面積の合計を求めると、Ｒ１はＲ２、Ｒ３の面積の合
計、Ｒ２はＲ１、Ｒ３、Ｒ４の面積の合計であるので、
Ｒ１の方が隣接領域の面積の合計は小さい。図３１中段
のようにＲ１とＲ３を統合して領域Ｒ３’を生成する。
次に図３１下段のようにＲ２とＲ３’を統合して領域Ｒ
３’’を生成する。このようにして建物の屋上施設が削
除され、建物形状のみが抽出される。
【０１３７】仮にＲ２、Ｒ１の順序で領域統合を行なう
と、Ｒ２はＲ４へ、Ｒ１はＲ３へ統合してしまい、建物
形状を正確に抽出することができない。
【０１３８】以上のように、本実施の形態では、隣接す
る領域の面積の合計が最小の領域から統合処理を繰り返
すことにより、認識対象物の形状の抽出の精度を下げず
に、雑音である小領域を除去することが可能となる。特
に都市部の航空写真の画像データを対象とした場合、一
般の住宅の屋根と異なり、ビルなどの建物の屋上部分に
は細かな屋上施設が多数存在する場合が多い。そのよう
な場合にビルの内部から外側へ向けて統合が進むので正
確に建物形状を抽出することが可能となる。
【０１３９】（実施の形態１０）第１０の実施の形態の
画像認識装置は、図３２に示すようにカラー画像データ
を記憶する画像データ記憶手段１と、カラー画像データ
の画像認識を行なう画像認識手段２と、画像認識手段２
において抽出された形状データを記憶する形状データ
（統合後領域画像）記憶手段５とを備えている。
【０１４０】画像認識手段２では、色空間座標変換手段
２５と画素ベクトルデータ生成手段２１とエッジテンプ
レート適用手段２２とエッジ強さ・方向決定手段２３と
エッジ画素決定手段２４とエッジー領域変換手段２９と
小領域決定手段２６と統合対象領域決定手段２７と領域
統合手段２８とを備えている。
【０１４１】色空間座標変換手段２５ではカラー画像デ
ータ記憶手段１に記憶されたＲＧＢデータを別の色空間
座標へ変換し、画素ベクトルデータ生成手段２１では変
換された画像データの画素値の複数のスカラデータから
画素ベクトルデータを生成する。エッジテンプレート適
用手段２２では、画素ベクトルデータにエッジテンプレ
ートを適用し、エッジベクトルデータを生成する。エッ
ジ強さ・方向決定手段２３では、エッジベクトルデータ
の大きさからエッジの強さと方向を決定する。エッジ画
素決定手段２４では、エッジの強さと方向からエッジ画
素を決定する。エッジー領域変換手段２９ではエッジ画
像を領域画像に変換する。小領域決定手段２６では領域
が選択され、小領域決定手段２６で決定された領域と統
合される領域が統合対象領域決定手段２７で決定され、
領域統合手段２８で統合される。統合対象領域決定手段
２７においては、小領域決定手段において決定された領
域と隣接するすべての領域との共通境界線の長さを比較
し、最も共通境界線長の長さが長い領域が選択される。
【０１４２】この第１０の実施形態の装置の動作手順を
図３３のフローチャートに示す。
【０１４３】ステップ１１、ステップ１２およびステッ
プ１３は第１の実施形態と同様である。ステップ２０お
よびステップ１０は第２、第３、第４、第５または第６
の実施形態と同様である。ステップ７０、ステップ７
２、ステップ７３およびステップ７４は第７の実施形態
と同様である。ステップ７１は第７、第８または第９の
実施形態と同様である。
【０１４４】ステップ１００：エッジ画像を領域画像に
変換する。エッジ画素によって囲まれる連結した画素に
共通のラベルを割り当て、領域とする。
【０１４５】具体的な例で説明する。図３４上段の航空
写真を簡略化したカラー画像データを認識対象とする。
画像中には道路、車（２台）、建物が写っている。この
画像に対し、カラー画像データの画素値の複数のスカラ
データを利用してエッジ検出した結果が図３４中段のよ
うになる。道路、車、建物のそれぞれの形状のエッジが
検出される。さらにこれを領域画像に変換し、領域内の
画素値は考慮せず、領域の形状のみを考慮した領域統合
を行なった結果を図３４下段に示す。車の形状が削除さ
れ、道路、建物の形状のみが検出される。
【０１４６】また、図３５上段の実際の航空写真のカラ
ー画像データを認識対象とする。画像中には道路、建
物、多数の車が写っている。この画像に対し、カラー画
像データの画素値の複数のスカラデータを利用してエッ
ジ検出した結果が図３５中段のようになる。建物の屋根
部分と地面との明度にあまり差がないため、従来の方法
では建物の形状のエッジの検出は困難であるが、本発明
の手法では建物のエッジは検出されている。さらにこれ
を領域画像に変換し、領域内の画素値は考慮せず、領域
の形状のみを考慮した領域統合を行なった結果を図３５
下段に示す。建物の形状の抽出精度を下げずに多数の車
の形状が削除されている。
【０１４７】以上のように、本実施の形態では、まず画
素値の複数のスカラデータを対象としたエッジ検出を行
なう。そして、それに含まれる雑音を削除するために、
画素値は考慮せずに領域の形状のみを考慮し、共通境界
線長が最長になる領域同士を統合していく。
【０１４８】従来の平滑化を行なう方法では雑音を除去
するために認識対象物の形状にも影響を与えてしまうた
めに、道路や建物などの認識対象物の形状も丸く変形し
てしまったり、近い距離にある形状同士が接続してしま
ったりする。本実施の形態では道路や建物などの認識対
象物の形状には影響を与えずに雑音である小領域を削除
することにより、精度良く認識対象物の形状を抽出する
ことが可能である。
【０１４９】
【発明の効果】以上のように本発明によれば、第１に、
従来は明度のみに対して行なっていたエッジ検出を、画
素ベクトルデータを生成すること、およびエッジテンプ
レートを適用することにより、画素値の複数のスカラデ
ータを扱い、かつエッジ検出による画像中の認識対象物
の形状の抽出において重要なエッジの方向を簡単、かつ
正確に求めることができるという効果がある。
【０１５０】第２に、カラー画像データに記憶されてい
る画素値の色空間座標を変換した後に画素ベクトルデー
タを生成することより、認識の対象となる画像データの
特徴に応じて適切な色空間座標に変換したり、人間にと
って理解しやすい色空間座標に変換されたデータに対す
るエッジ検出ができるという効果がある。
【０１５１】第３に、カラー画像データに記憶されてい
る画素値の色空間座標をＨＳＩの座標系に変換した後に
画素ベクトルデータを生成することにより、直観的にわ
かりやすいＨＳＩに変換されたデータに対する処理を行
なうので、エッジ検出を容易に行なうことができる。
【０１５２】第４に、色空間をＨＳＩに変換する際に、
明度の値によって彩度の値を変化させることにより、Ｒ
ＧＢからＨＳＩへの変換式のもつ特徴である彩度の値が
不安定になる条件を改善し、彩度の値による雑音の発生
を抑制して精度の良いエッジ検出が可能になるという効
果がある。
【０１５３】第５に、色空間をＨＳＩに変換する際に、
彩度の値が不安定となりやすい明度の値が高い領域、お
よび明度の値が低い領域に着目し、特にその領域におい
て彩度の値を減少させることにより、ＲＧＢからＨＳＩ
への変換式のもつ特徴である彩度の値が不安定になる条
件を改善し、彩度の値による雑音の発生を抑制して精度
の良いエッジ検出が可能になるという効果がある。
【０１５４】第６に、色空間をＨＳＩに変換する際に、
ＲＧＢからＨＳＩへの変換式から、彩度の不安定さと明
度との関係を算出し、彩度の不安定さが一定になるよう
に、明度の値によって彩度の値を変化させることによ
り、彩度の値が不安定な部分のみを適切に補正し、雑音
の発生を抑制し、精度の良いエッジ検出が可能になると
いう効果がある。
【０１５５】第７に、画素値は考慮せずに、領域の形状
のみを考慮し、共通境界線長が最長になる領域同士を統
合していくことにより、認識対象物の形状の抽出の精度
を下げずに、雑音である小領域を除去することが可能と
なるという効果がある。
【０１５６】第８に、最小の面積の領域から統合処理を
繰り返すことにより、認識対象物の形状の抽出の精度を
下げずに、雑音である小領域を除去することが可能とな
るという効果がある。
【０１５７】第９に、隣接する領域の面積の合計が最小
の領域から統合処理を繰り返すことにより、認識対象物
の形状の抽出の精度を下げずに、雑音である小領域を除
去することが可能となるという効果がある。
【０１５８】第１０に、まず色の複数の属性を対象とし
たエッジ検出を行なった後に、それに含まれる雑音を削
除するために、画素値は考慮せずに領域の形状のみを考
慮し、共通境界線長が最長になる領域同士を統合してい
く。これにより、従来は実現できなかった認識対象物の
形状には影響を与えずに雑音である小領域を削除するこ
とが可能となるという効果がある。
【図面の簡単な説明】
【図１】本発明の第１の実施形態の装置を示すブロック
図
【図２】第１の実施形態の装置の動作を説明するための
画像の座標系モデル図
【図３】第１の実施形態の装置の動作を説明するための
色空間の座標系モデル図
【図４】第１の実施形態の装置の動作を説明するための
検出された形状の例の図
【図５】第１の実施形態の装置の動作を示すフローチャ
ート
【図６】第１の実施形態の装置の動作を説明するための
エッジテンプレートの例の図
【図７】第１の実施形態の装置の動作を説明するための
エッジベクトルデータの例の図
【図８】第１の実施形態の装置の動作を説明するための
エッジの強さと方向の例の図
【図９】第１の実施形態の装置の動作を説明するための
エッジ画素の決定方法の例の図
【図１０】第１の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図１１】本発明の第２、第３、第４、第５、第６の実
施形態の装置を示すブロック図
【図１２】第２、第３、第４、第５、第６の実施形態の
装置の動作を示すフローチャート
【図１３】第２の実施形態の装置の動作を説明するため
の色空間の座標系モデル図
【図１４】第２の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図１５】第３の実施形態の装置の動作を説明するため
の色空間の座標系モデル図
【図１６】第３、第４、第５、第６の実施形態の装置の
動作を説明するための認識対象画像の例の図
【図１７】第３の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図１８】第４の実施形態の装置の動作を説明するため
の色空間の座標系モデル図
【図１９】第４、第５、第６の実施形態の装置の動作を
説明するための色空間座標値対応を示す図
【図２０】第４の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図２１】第５の実施形態の装置の動作を説明するため
の色空間の座標系モデル図
【図２２】第５の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図２３】第６の実施形態の装置の動作を説明するため
の彩度の不安定さと明度との関係グラフ
【図２４】第６の実施形態の装置の動作を説明するため
の色空間の座標系モデル図
【図２５】第６の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図２６】本発明の第７、第８、第９の実施形態の装置
を示すブロック図
【図２７】第７の実施形態の装置の動作を説明するため
の領域画像の例の図
【図２８】第７、第８、第９の実施形態の装置の動作を
示すフローチャート
【図２９】第７の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図３０】第８の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図３１】第９の実施形態の装置の動作を説明するため
の画像認識結果の例の図
【図３２】本発明の第１０の実施形態の装置を示すブロ
ック図
【図３３】第１０の実施形態の装置の動作を示すフロー
チャート
【図３４】第１０の実施形態の装置の動作を説明するた
めの画像認識結果の例の図
【図３５】第１０の実施形態の装置の動作を説明するた
めの航空写真の画像認識結果の例の図
【図３６】従来技術の動作を説明するための画像認識結
果の例の図
【符号の説明】
１ カラー画像データ記憶手段 ２ 画像認識手段 ３ 形状データ（エッジ画像）記憶手段 ４ 形状データ（領域画像）記憶手段 ５ 形状データ（統合後領域画像）記憶手段 ２１ 画素ベクトルデータ生成手段 ２２ エッジテンプレート適用手段 ２３ エッジ強さ・方向決定手段 ２４ エッジ画素決定手段 ２５ 色空間座標変換手段 ２６ 小領域検出手段 ２７ 統合対象領域決定手段 ２８ 領域統合手段 ２９ エッジー領域変換手段

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 カラー画像データを記憶する画像データ
    記憶手段と、前記画像データ記憶手段に記憶されたカラ
    ー画像データの画素値から画素ベクトルデータを生成す
    る画素ベクトルデータ生成手段と、前記画素ベクトルデ
    ータに対してエッジテンプレートを適用してエッジベク
    トルデータを生成するテンプレート適用手段と、前記エ
    ッジベクトルデータからエッジの強さとエッジの方向を
    決定するエッジ強さ・方向決定手段と、前記エッジの強
    さと方向からエッジの検出を行うことで形状データを抽
    出するエッジ画素決定手段とを備えることにより前記カ
    ラー画像データの画像認識を行なう画像認識手段と、 前記画像認識手段において抽出された形状データなるエ
    ッジ画像を記憶するエッジ画像記憶手段とを具備し、 前記画素ベクトルデータ生成手段によって前記カラー画
    像データの画素の複数のスカラデータから画素ベクトル
    データを生成し、前記エッジ強さ・方向決定手段によっ
    て前記エッジベクトルデータの大きさからエッジの強さ
    とエッジの方向を決定することを特徴とする画像認識装
    置。
  2. 【請求項２】 前記請求項１の構成に、前記カラー画像
    データの色空間上での座標変換を行なう色空間座標変換
    手段をさらに備え、 前記画素値の複数のスカラデータ
    は前記色空間座標変換手段によって変換されたスカラデ
    ータであることを特徴とする請求項１に記載の画像認識
    装置。
  3. 【請求項３】 前記色空間座標変換手段は、前記カラー
    画像データが、色相、彩度および明度を要素とするＨＳ
    Ｉの色空間に変換されることを特徴とする請求項２に記
    載の画像認識装置。
  4. 【請求項４】 前記色空間座標変換手段は、変換される
    彩度の値を明度の値に応じて変更することを特徴とする
    請求項３に記載の画像認識装置。
  5. 【請求項５】 前記色空間座標変換手段は、明度が中間
    値付近では変換される彩度の値が大きく、明度が中間値
    付近から増加、または減少するにつれて変換される彩度
    の値が小さくなることを特徴とする請求項４に記載の画
    像認識装置。
  6. 【請求項６】 前記色空間座標変換手段は、明度の値と
    彩度の値との対応関係は前記ＨＳＩへの変換式によって
    決定することを特徴とする請求項４に記載の画像認識装
    置。
  7. 【請求項７】 形状データを領域画像として記憶する第
    １の形状データ記憶手段と、 前記領域画像が領域統合の対象となる領域を決定する小
    領域決定手段と、前記小領域決定手段で決定された領域
    と統合の対象となる領域を選択する統合対象領域決定手
    段と、前記小領域決定手段で決定された領域と前記統合
    対象領域決定手段で決定された領域とを統合する領域統
    合手段とを備えることにより前記形状データの画像認識
    を行う画像認識手段と、 前記画像認識手段で領域統合された形状データを記憶す
    る第２の形状データ記憶手段と、 前記統合対象領域決定手段において決定される領域は、
    前記小領域決定手段において決定された領域との共通境
    界線の長さによって決定することを特徴とする画像認識
    装置。
  8. 【請求項８】 前記小領域決定手段において、領域の大
    きさから統合の対象となる領域を決定することを特徴と
    する請求項７に記載の画像認識装置。
  9. 【請求項９】 前記小領域決定手段において、隣接する
    領域の大きさから統合の対象となる領域を決定すること
    を特徴とする請求項７に記載の画像認識装置。
  10. 【請求項１０】 前記請求項１または前記請求項２の構
    成に加え、前記画像認識手段に、エッジ画像を領域画像
    に変換するエッジー領域変換手段と、領域統合の対象と
    なる領域を決定する小領域決定手段と、前記小領域決定
    手段で決定された領域と統合の対象となる領域を選択す
    る統合対象領域決定手段と、前記小領域決定手段で決定
    された領域と前記統合対象領域決定手段で決定された領
    域とを統合する領域統合手段とを備え、 前記統合対象領域決定手段において決定される領域は、
    前記小領域決定手段において決定された領域との共通境
    界線の長さによって決定することを特徴とする請求項１
    または請求項２に記載の画像認識装置。
JP11099662A 1999-04-07 1999-04-07 画像認識装置 Withdrawn JP2000293696A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP11099662A JP2000293696A (ja) 1999-04-07 1999-04-07 画像認識装置
EP00107504A EP1043688A3 (en) 1999-04-07 2000-04-06 Image recognition method and apparatus utilizing edge detection based on magnitudes of color vectors expressing color attributes of respective pixels of color image
US09/545,580 US6665439B1 (en) 1999-04-07 2000-04-07 Image recognition method and apparatus utilizing edge detection based on magnitudes of color vectors expressing color attributes of respective pixels of color image
US10/684,477 US6885771B2 (en) 1999-04-07 2003-10-15 Image recognition method and apparatus utilizing edge detection based on magnitudes of color vectors expressing color attributes of respective pixels of color image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11099662A JP2000293696A (ja) 1999-04-07 1999-04-07 画像認識装置

Publications (1)

Publication Number Publication Date
JP2000293696A true JP2000293696A (ja) 2000-10-20

Family

ID=14253263

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11099662A Withdrawn JP2000293696A (ja) 1999-04-07 1999-04-07 画像認識装置

Country Status (3)

Country Link
US (2) US6665439B1 (ja)
EP (1) EP1043688A3 (ja)
JP (1) JP2000293696A (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009237397A (ja) * 2008-03-28 2009-10-15 Geo Technical Laboratory Co Ltd 地物抽出装置
JP2010128732A (ja) * 2008-11-27 2010-06-10 Japan Traffic Management Technology Association 車両台数密度観測装置及び車両台数密度観測装置用のプログラム
JP2011065604A (ja) * 2009-09-18 2011-03-31 Konica Minolta Business Technologies Inc 画像処理方法および画像処理装置
JP2014063377A (ja) * 2012-09-21 2014-04-10 Nikon Systems Inc 画像処理装置およびプログラム
JP2018063512A (ja) * 2016-10-12 2018-04-19 本郷飛行機株式会社 移動体の姿勢制御システム
WO2018134943A1 (ja) * 2017-01-19 2018-07-26 三菱電機株式会社 判別装置、判別システム、判別方法及びプログラム

Families Citing this family (102)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2160467C1 (ru) * 1999-07-08 2000-12-10 Яхно Владимир Григорьевич Способ адаптивного распознавания информационных образов и система для его осуществления
GB2356512B (en) * 1999-08-18 2003-12-24 Zsp Geodaetische Sys Gmbh Method for determining the edge position in colour images in particular for colour and intensity transitions
DE10020067B4 (de) * 1999-08-18 2008-04-10 Trimble Jena Gmbh Verfahren zur Bestimmung der Kantenposition in Farbbildern, insbesondere für Farb- und Intensitätsübergänge
US20010004838A1 (en) * 1999-10-29 2001-06-28 Wong Kenneth Kai Integrated heat exchanger system for producing carbon dioxide
FR2809267B1 (fr) * 2000-05-19 2002-09-27 Thomson Multimedia Sa Procede de detection de saturation d'un champ de vecteurs mouvement
JP4586241B2 (ja) * 2000-06-14 2010-11-24 コニカミノルタビジネステクノロジーズ株式会社 画像処理装置
CA2316610A1 (en) * 2000-08-21 2002-02-21 Finn Uredenhagen System and method for interpolating a target image from a source image
US7016532B2 (en) * 2000-11-06 2006-03-21 Evryx Technologies Image capture and identification system and process
US9310892B2 (en) 2000-11-06 2016-04-12 Nant Holdings Ip, Llc Object information derived from object images
US7899243B2 (en) * 2000-11-06 2011-03-01 Evryx Technologies, Inc. Image capture and identification system and process
US8218873B2 (en) 2000-11-06 2012-07-10 Nant Holdings Ip, Llc Object information derived from object images
US8224078B2 (en) 2000-11-06 2012-07-17 Nant Holdings Ip, Llc Image capture and identification system and process
US7565008B2 (en) 2000-11-06 2009-07-21 Evryx Technologies, Inc. Data capture and identification system and process
US7680324B2 (en) 2000-11-06 2010-03-16 Evryx Technologies, Inc. Use of image-derived information as search criteria for internet and other search engines
JP3992452B2 (ja) * 2000-11-09 2007-10-17 日立ソフトウエアエンジニアリング株式会社 変化検出装置、変化検出方法及び該方法に係るプログラムを記憶した記憶媒体並びにシステム
US20020131638A1 (en) * 2001-01-10 2002-09-19 Koninklijke Philips Electronics N.V. Apparatus and method for boundary detection in vector sequences and edge detection in color image signals
JP2003061105A (ja) * 2001-06-07 2003-02-28 Seiko Epson Corp 画像処理方法、画像処理プログラム、画像処理装置およびそれを用いたディジタルスチルカメラ
US7509241B2 (en) * 2001-07-06 2009-03-24 Sarnoff Corporation Method and apparatus for automatically generating a site model
TWI263942B (en) 2001-12-05 2006-10-11 Em Microelectronic Marin Sa Method and sensing device for motion detection in an optical pointing device, such as an optical mouse
US6806458B2 (en) * 2001-12-05 2004-10-19 Em Microelectronic - Marin Sa Method, sensing device and optical pointing device including a sensing device for comparing light intensity between pixels
GB2384095B (en) * 2001-12-10 2004-04-28 Cybula Ltd Image recognition
JP4172941B2 (ja) * 2002-03-01 2008-10-29 日立ソフトウエアエンジニアリング株式会社 土地区画データ作成方法および装置
US8257967B2 (en) * 2002-04-26 2012-09-04 Board Of Regents, The University Of Texas System Method and system for the detection of cardiac risk factors
US7415153B2 (en) * 2002-09-20 2008-08-19 International Business Machines Corporation Color naming, color categorization and describing color composition of images
JP4206723B2 (ja) * 2002-10-11 2009-01-14 オムロン株式会社 画像処理方法および画像処理装置
FI115942B (fi) 2002-10-14 2005-08-15 Nokia Corp Menetelmä kuvien interpoloimiseksi ja terävöittämiseksi
KR100480781B1 (ko) * 2002-12-28 2005-04-06 삼성전자주식회사 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치
JP4214459B2 (ja) * 2003-02-13 2009-01-28 ソニー株式会社 信号処理装置および方法、記録媒体、並びにプログラム
JP4143916B2 (ja) * 2003-02-25 2008-09-03 ソニー株式会社 画像処理装置および方法、記録媒体、並びにプログラム
JP3772845B2 (ja) * 2003-03-24 2006-05-10 コニカミノルタホールディングス株式会社 画像処理プログラム、画像処理装置、および撮影装置
WO2004088592A2 (en) * 2003-03-25 2004-10-14 General Electric Company Methods for processing color image data employing a chroma, hue, and intensity color representation
SG115540A1 (en) * 2003-05-17 2005-10-28 St Microelectronics Asia An edge enhancement process and system
US7161586B2 (en) * 2003-07-01 2007-01-09 Em Microelectronic-Marin Sa Method of operating an optical motion sensing device and optical motion sensing device implementing this method
US7805003B1 (en) * 2003-11-18 2010-09-28 Adobe Systems Incorporated Identifying one or more objects within an image
EP1695082A2 (en) 2003-12-11 2006-08-30 Board of Regents, The University of Texas System Method and system for the analysis of saliva using a sensor array
JP4407801B2 (ja) * 2003-12-16 2010-02-03 セイコーエプソン株式会社 エッジ生成装置、エッジ生成方法およびエッジ生成プログラム
US7440016B2 (en) * 2003-12-22 2008-10-21 Hewlett-Packard Development Company, L.P. Method of processing a digital image
US7379587B2 (en) * 2004-02-12 2008-05-27 Xerox Corporation Systems and methods for identifying regions within an image having similar continuity values
US7400766B1 (en) * 2004-02-19 2008-07-15 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Image edge extraction via fuzzy reasoning
TW200528770A (en) * 2004-02-23 2005-09-01 Altek Corp Method and apparatus for determining edge inclination of an interested pixel in a color filter image array interpolation (CFAI)
US8105849B2 (en) 2004-02-27 2012-01-31 Board Of Regents, The University Of Texas System Integration of fluids and reagents into self-contained cartridges containing sensor elements
US8101431B2 (en) 2004-02-27 2012-01-24 Board Of Regents, The University Of Texas System Integration of fluids and reagents into self-contained cartridges containing sensor elements and reagent delivery systems
US7561720B2 (en) * 2004-04-30 2009-07-14 Visteon Global Technologies, Inc. Single camera system and method for range and lateral position measurement of a preceding vehicle
FR2870071B1 (fr) * 2004-05-05 2006-12-08 Centre Nat Rech Scient Cnrse Procede de traitement de donnees d'images, par reduction de bruit d'image, et camera integrant des moyens de mise en oeuvre de ce procede
TWI236901B (en) * 2004-06-11 2005-08-01 Oriental Inst Technology An apparatus and method for identifying surrounding environment by means of image processing and for outputting the resutls
US7405727B2 (en) 2004-12-15 2008-07-29 Em Microelectronic-Marin Sa Lift detection mechanism for optical mouse sensor
US7078673B1 (en) * 2004-12-27 2006-07-18 Em Microelectronic-Marin Sa Method and sensing device for motion detection in an optical pointing device, such as an optical mouse
CN1797429A (zh) * 2004-12-29 2006-07-05 鸿富锦精密工业（深圳）有限公司 二维图像分析处理系统及方法
US7689053B2 (en) * 2005-01-26 2010-03-30 Panasonic Corporation Image processing method
US7561721B2 (en) * 2005-02-02 2009-07-14 Visteon Global Technologies, Inc. System and method for range measurement of a preceding vehicle
US7899255B2 (en) 2005-02-07 2011-03-01 Imtt Svenska Ab Method for recognizing and indexing digital media
US7522782B2 (en) * 2005-04-06 2009-04-21 Hewlett-Packard Development Company, L.P. Digital image denoising
TWI267060B (en) * 2005-05-11 2006-11-21 Benq Corp Display apparatuses, methods and machine-readable storage medium for adjusting display parameter based on display content
EP1910824A4 (en) 2005-05-31 2012-11-21 Labnow Inc METHOD AND COMPOSITIONS RELATED TO THE PREPARATION AND USE OF A WHITE BLOOD IMAGE
US20070031008A1 (en) * 2005-08-02 2007-02-08 Visteon Global Technologies, Inc. System and method for range measurement of a preceding vehicle
US7623681B2 (en) * 2005-12-07 2009-11-24 Visteon Global Technologies, Inc. System and method for range measurement of a preceding vehicle
JP2007157063A (ja) * 2005-12-08 2007-06-21 Sony Corp 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム
US20070201058A1 (en) * 2006-02-28 2007-08-30 Texas Instruments Incorporated Systems and methods for indirect image data conversion
US7912296B1 (en) * 2006-05-02 2011-03-22 Google Inc. Coverage mask generation for large images
US7965902B1 (en) 2006-05-19 2011-06-21 Google Inc. Large-scale image processing using mass parallelization techniques
US8762493B1 (en) 2006-06-22 2014-06-24 Google Inc. Hierarchical spatial data structure and 3D index data versioning for generating packet data
JP4637063B2 (ja) * 2006-07-04 2011-02-23 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
JP4684959B2 (ja) * 2006-07-04 2011-05-18 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
JP4677376B2 (ja) * 2006-07-07 2011-04-27 キヤノン株式会社 画像処理装置、画像処理方法、画像処理プログラム及び記憶媒体
US20080080527A1 (en) * 2006-09-29 2008-04-03 Motorola, Inc. Method and apparatus for communication between session initiation protocol based networks and legacy networks
US7881497B2 (en) * 2007-03-08 2011-02-01 Honeywell International Inc. Vision based navigation and guidance system
US20090005948A1 (en) * 2007-06-28 2009-01-01 Faroog Abdel-Kareem Ibrahim Low speed follow operation and control strategy
JP2009194776A (ja) * 2008-02-15 2009-08-27 Fujitsu Microelectronics Ltd ノイズフィルタ
JP5356728B2 (ja) * 2008-05-26 2013-12-04 株式会社トプコン エッジ抽出装置、測量機、およびプログラム
JP5067882B2 (ja) * 2008-07-18 2012-11-07 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
KR100889026B1 (ko) * 2008-07-22 2009-03-17 김정태 이미지를 이용한 검색 시스템
DE102008052206A1 (de) * 2008-10-10 2010-04-15 Hamberger Industriewerke Gmbh Verfahren und Einrichtung zum Zuordnen einer WC-Sitzgarnitur
DE102009009572B3 (de) * 2009-02-19 2010-06-17 Eads Deutschland Gmbh Verfahren zur entropiebasierten Bestimmung von Objektrandkurven
JP5360989B2 (ja) * 2009-09-29 2013-12-04 株式会社日立ソリューションズ 地理情報生成システム及び地理情報生成方法
TWI398158B (zh) * 2009-12-01 2013-06-01 Ind Tech Res Inst 產生立體影像之影像深度的方法
JP5478268B2 (ja) * 2010-01-13 2014-04-23 任天堂株式会社 画像処理プログラム、画像処理装置、画像処理方法および画像処理システム
US9639949B2 (en) * 2010-03-15 2017-05-02 Analog Devices, Inc. Edge orientation for second derivative edge detection methods
US8736458B2 (en) 2010-04-29 2014-05-27 Signature Research, Inc. Weigh-in-motion scale
US8300949B2 (en) 2010-05-18 2012-10-30 Sharp Laboratories Of America, Inc. Edge detection technique having improved feature visibility
JP5658931B2 (ja) * 2010-07-05 2015-01-28 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
US8553933B2 (en) * 2010-11-10 2013-10-08 Raytheon Company Edge diversity object detection
TWI450155B (zh) * 2011-02-15 2014-08-21 Wistron Corp 應用於光學式觸控裝置之校正資訊計算方法及系統
US20140081605A1 (en) * 2011-06-09 2014-03-20 Kyoto University Dtm estimation method, dtm estimation program, dtm estimation device, and method for creating 3-dimensional building model, and region extraction method, region extraction program, and region extraction device
EP2654021A3 (en) 2012-04-20 2015-06-03 Thomson Licensing Method and apparatus for image segmentation
JP2014009975A (ja) * 2012-06-28 2014-01-20 Hitachi Automotive Systems Ltd ステレオカメラ
US9547410B2 (en) 2013-03-08 2017-01-17 Adobe Systems Incorporated Selection editing using a localized level set algorithm
JP5574556B1 (ja) * 2013-09-26 2014-08-20 株式会社電通 視聴番組同定システム、方法およびプログラム
GB2528027B (en) * 2014-05-13 2016-12-14 String Labs Ltd Perimeter detection
JP6489761B2 (ja) * 2014-05-14 2019-03-27 キヤノン株式会社 画像処理装置及び画像処理方法、プログラム
US9299164B2 (en) * 2014-07-22 2016-03-29 Xerox Corporation Method and apparatus for using super resolution encoding to provide edge enhancements for non-saturated objects
TWI512682B (zh) * 2014-09-30 2015-12-11 Quanta Comp Inc 影像處理系統及色彩飽和度補償方法
US9355457B1 (en) * 2015-04-15 2016-05-31 Adobe Systems Incorporated Edge detection using multiple color channels
US9811743B2 (en) 2015-06-29 2017-11-07 Sharp Laboratories Of America, Inc. Tracking road boundaries
CN105354805B (zh) * 2015-10-26 2020-03-06 京东方科技集团股份有限公司 深度图像的去噪方法和去噪设备
CN107452008A (zh) * 2016-06-01 2017-12-08 上海东方传媒技术有限公司 图像边缘检测方法及装置
GB201621404D0 (en) * 2016-12-15 2017-02-01 Trw Ltd A method of tracking objects in a scene
US10789495B2 (en) * 2016-12-21 2020-09-29 Volkswagen Ag System and method for 1D root association providing sparsity guarantee in image data
US10430671B2 (en) 2017-04-22 2019-10-01 Honda Motor Co., Ltd. System and method for remapping surface areas of a vehicle environment
US10740903B2 (en) * 2018-07-18 2020-08-11 Adobe Inc. Edge detection using fuzzy gradient information
US11568554B2 (en) * 2019-10-25 2023-01-31 7-Eleven, Inc. Contour-based detection of closely spaced objects
US10311577B1 (en) 2018-11-16 2019-06-04 Capital One Services, Llc Techniques to improve edge detection for images
CN113155860A (zh) * 2020-12-17 2021-07-23 华能澜沧江水电股份有限公司 一种基于流态视频监测的过水建筑物结构损伤诊断方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5168530A (en) * 1988-08-29 1992-12-01 Raytheon Company Confirmed boundary pattern matching
US5081689A (en) * 1989-03-27 1992-01-14 Hughes Aircraft Company Apparatus and method for extracting edges and lines
EP0472782A1 (en) * 1990-08-27 1992-03-04 Koninklijke Philips Electronics N.V. Method of localizing an extreme amplitude value in multivalued amplitude data field and apparatus for performing the method
JPH0683962A (ja) 1992-05-21 1994-03-25 Sanyo Electric Co Ltd 画像認識方法
US5420971A (en) * 1994-01-07 1995-05-30 Panasonic Technologies, Inc. Image edge finder which operates over multiple picture element ranges
JP3759983B2 (ja) 1994-10-25 2006-03-29 富士機械製造株式会社 画像処理装置
JP3371614B2 (ja) 1995-05-19 2003-01-27 富士通株式会社 認識装置
US5956468A (en) * 1996-07-12 1999-09-21 Seiko Epson Corporation Document segmentation system
JP3814353B2 (ja) 1996-11-20 2006-08-30 キヤノン株式会社 画像分割方法および画像分割装置
JP2000517452A (ja) * 1997-05-05 2000-12-26 シェル オイル カンパニー 視認の方法
JP3120767B2 (ja) * 1998-01-16 2000-12-25 日本電気株式会社 外観検査装置、外観検査方法及び外観検査プログラムを記録した記録媒体

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009237397A (ja) * 2008-03-28 2009-10-15 Geo Technical Laboratory Co Ltd 地物抽出装置
JP2010128732A (ja) * 2008-11-27 2010-06-10 Japan Traffic Management Technology Association 車両台数密度観測装置及び車両台数密度観測装置用のプログラム
JP2011065604A (ja) * 2009-09-18 2011-03-31 Konica Minolta Business Technologies Inc 画像処理方法および画像処理装置
US8285036B2 (en) 2009-09-18 2012-10-09 Konica Minolta Business Technologies, Inc. Image processing method, image processing apparatus, and computer-readable storage medium for computer program
JP2014063377A (ja) * 2012-09-21 2014-04-10 Nikon Systems Inc 画像処理装置およびプログラム
JP2018063512A (ja) * 2016-10-12 2018-04-19 本郷飛行機株式会社 移動体の姿勢制御システム
WO2018134943A1 (ja) * 2017-01-19 2018-07-26 三菱電機株式会社 判別装置、判別システム、判別方法及びプログラム
JPWO2018134943A1 (ja) * 2017-01-19 2019-06-27 三菱電機株式会社 判別装置、判別システム、判別方法及びプログラム

Also Published As

Publication number Publication date
US20040081355A1 (en) 2004-04-29
EP1043688A3 (en) 2003-07-23
US6665439B1 (en) 2003-12-16
US6885771B2 (en) 2005-04-26
EP1043688A2 (en) 2000-10-11

Similar Documents

Publication Publication Date Title
JP2000293696A (ja) 画像認識装置
US7508455B2 (en) Method, system, and device for automatic determination of nominal backing color and a range thereof
JP5362878B2 (ja) 画像処理装置及び画像処理方法
CN103400150B (zh) 一种基于移动平台进行道路边缘识别的方法及装置
JP4328286B2 (ja) 顔領域推定装置、顔領域推定方法及び顔領域推定プログラム
TWI526992B (zh) 擴充實境中基於深度攝影機之遮蔽效果優化方法
CN104182949B (zh) 基于直方图特征点配准的影像匀色与融合方法及系统
US7747071B2 (en) Detecting and correcting peteye
US20150071530A1 (en) Image processing apparatus and method, and program
JP2004509486A (ja) 色かぶり検出及び除去方法
US7822224B2 (en) Terrain map summary elements
CN108876723A (zh) 一种灰度目标图像的彩色背景的构建方法
WO2007064495A2 (en) Adjusting digital image exposure and tone scale
Wang et al. Variational single nighttime image haze removal with a gray haze-line prior
CN110245199B (zh) 一种大倾角视频与2d地图的融合方法
JP2009230233A (ja) 縞模様検知システム、縞模様検知方法および縞模様検知用プログラム
JP2004310475A (ja) 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム
JPH11345319A (ja) 画像の影除去方法、画像処理装置及び記録媒体
CN113744142B (zh) 图像修复方法、电子设备及存储介质
CN110717910B (zh) 基于卷积神经网络的ct图像目标检测方法及ct扫描仪
JP4496005B2 (ja) 画像処理方法および画像処理装置
WO2012153661A1 (ja) 画像補正装置、画像補正表示装置、画像補正方法、プログラム、及び、記録媒体
CN111462250A (zh) 校正系统及校正方法
JP2000357226A (ja) 濃淡画像の２値化方法および濃淡画像の２値化プログラムを記録した記録媒体
CN112070081B (zh) 一种基于高清视频的智能化车牌识别方法

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20050629

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20060228

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20060328

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20060417