JP2000322573A - 画像処理方法及びその装置 - Google Patents

画像処理方法及びその装置

Info

Publication number
JP2000322573A
JP2000322573A JP11126399A JP12639999A JP2000322573A JP 2000322573 A JP2000322573 A JP 2000322573A JP 11126399 A JP11126399 A JP 11126399A JP 12639999 A JP12639999 A JP 12639999A JP 2000322573 A JP2000322573 A JP 2000322573A
Authority
JP
Japan
Prior art keywords
similarity
image
calculating
contour
wavelet transform
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Withdrawn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
JP11126399A
Other languages
English (en)
Inventor
Hideshi Osawa
秀史 大沢
Yasuo Fukuda
康男 福田
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.)
Canon Inc
Original Assignee
Canon Inc
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 Canon Inc filed Critical Canon Inc
Priority to JP11126399A priority Critical patent/JP2000322573A/ja
Priority to US09/563,321 priority patent/US6618501B1/en
Publication of JP2000322573A publication Critical patent/JP2000322573A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

(57)【要約】 【課題】 モデル画像とオブジェクト画像との輪郭線類
似度を算出する手法としてチェイン符号やフーリエ記述
子を用いる方法が知られているが、いずれの方法によっ
ても、大まかな類似度や局所的な類似度を共に良好に検
出することは困難であった。 【解決手段】 オブジェクト画像の輪郭線を等分割して
輪郭点を得、該輪郭点に対して極座標変換を施した後に
ステップＳ５でウェーブレット変換を行なう。そして、
該ウェーブレット記述子により、低周波成分相当による
類似度算出を行なった後、一致度の高いものに対しての
み、再度、高周波成分相当による高精度な類似度算出を
行なう。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、画像内のオブジェ
クトのシルエット画像を用いて、モデルのシルエット画
像との輪郭線類似度を算出する画像処理方法に関する。
【０００２】
【従来の技術】従来、画像内のオブジェクトのシルエッ
ト画像を用いて、モデルのシルエット画像との輪郭線類
似度を算出する手法として、チェイン符号やフーリエ記
述子を用いる方法が知られている。
【０００３】チェイン符号化による輪郭線類似度の算出
方法においては、輪郭または線分要素に沿って追跡する
際にその方向を量子化し、該量子化された数値をコード
として記録する。例えば８方向に量子化した場合、０〜
７の数値列としてコードが得られる。そして、モデルと
対象物（以下、オブジェクト）とにおいて、このコード
の差分を演算することにより、類似度が判定される。
【０００４】また、フーリエ記述子による輪郭線類似度
の算出方法においては、曲線を表現する周期関数を求
め、これをフーリエ級数展開することにより、この級数
の係数によって閉曲線の特徴をとらえることができる。
そして、モデルとオブジェクトとにおいて、この係数列
の差分を演算することにより、類似度が判定される。
【０００５】
【発明が解決しようとする課題】しかしながら、上記従
来のチェイン符号化による方法によれば、輪郭線の方向
の差分のみで類似度を判断するため、たとえ微小であっ
ても輪郭形状に差があれば全て検出してしまう。従っ
て、処理時間がかかってしまうのみならず、大まかに似
ているような画像については、その類似度が計りづらい
という欠点があった。
【０００６】また、上記従来のフーリエ記述子による方
法によれば、大局的な類似度は算出できるものの、例え
ば角の存在等、局所的な部分における類似度については
検出しづらいという欠点があった。
【０００７】本発明は上記問題を解決するためになされ
たものであり、モデルとオブジェクトの類似度計算を、
高精度かつ高速に可能とする画像処理方法及びその装置
を提供することを目的とする。
【０００８】
【課題を解決するための手段】上記目的を達成するため
の一手段として、本発明の画像処理方法は以下の工程を
備える。
【０００９】即ち、画像データからオブジェクトのシル
エット画像を抽出するシルエット抽出工程と、該シルエ
ット画像の輪郭線から、所定数の輪郭点を抽出する輪郭
点抽出工程と、該輪郭点に対してウェーブレット変換を
施すウェーブレット変換工程と、該ウェーブレット変換
結果に基づき、前記オブジェクトと所定のモデル画像と
の類似度を算出する類似度算出工程と、を有することを
特徴とする。
【００１０】
【発明の実施の形態】以下、本発明に係る一実施形態に
ついて、図面を参照して詳細に説明する。
【００１１】＜第１実施形態＞●機能構成 図１は、本実施形態において輪郭類似度を算出する機能
ブロック構成を示す図である。同図において、２０はモ
デル画像保持部であり、類似度の算出対象となるモデル
のシルエット画像（以下、単にモデル画像と称する）を
予め保持する。２１は輪郭点抽出部であり、モデル画像
から輪郭点座標を抽出してウェーブレット変換した後
に、データベース２２に保存する。このデータベース２
２には、複数種類のモデル画像のデータが保持されてい
る。
【００１２】２３はオブジェクト画像保持部であり、例
示画として与えられた画像中のオブジェクトを切りだ
し、そのシルエット画像（以下、単にオブジェクト画像
と称する）を保持しておく。２４は輪郭点抽出部であ
り、オブジェクト画像から輪郭点座標を抽出してウェー
ブレット変換する。
【００１３】２５は類似度算出部であり、オブジェクト
画像の、データベース２２に登録されている複数のモデ
ル画像に対する類似度を計算し、その結果を表示部２６
に表示する。例えば、モデル画像とオブジェクト画像と
の差が小さい順、即ち類似度の大きい順に表示すること
等が考えられる。
【００１４】●類似度算出処理概要 図２は、本実施形態における類似度算出処理を示すフロ
ーチャートである。尚、本処理が開始されるに先だっ
て、データベース２２には既に、複数のモデル画像のウ
ェーブレット変換後のデータが登録されているものとす
る。
【００１５】まずステップＳ１において、例えば濃淡画
像からオブジェクトのシルエット画像を抽出する。次に
ステップＳ２において、ステップＳ１で抽出したシルエ
ット画像の輪郭線を抽出する。
【００１６】そしてステップＳ３では、ステップＳ２で
得られたシルエット画像の輪郭線をＮ等分し、輪郭点を
得る。次にステップＳ４においては該輪郭点に対して、
シルエット画像の重心を中心とした極座標変換を施す。
そしてステップＳ５において、輪郭点で表現した輪郭線
を、ウェーブレット記述子に変換する。
【００１７】そしてステップＳ６で該輪郭線について、
その低周波成分に相当する成分により、モデル画像との
類似度の計算（マッチング）を行う。その後ステップＳ
７において、ステップＳ６のマッチングにより高い一致
度が得られたモデル画像についてのみ、その高周波成分
に相当する成分により、より高精度のマッチングを行
う。
【００１８】そしてステップＳ８において、ステップＳ
７で得られたマッチング結果を、即ち類似度として表示
することにより、ユーザに報知する。
【００１９】以下、図２に示す各処理について、詳細に
説明する。
【００２０】●シルエット抽出処理 まず、上述したステップＳ１におけるオブジェクトのシ
ルエット画像の切り出し処理について、図３を参照して
説明する。
【００２１】図３に示す１６枚の画像は、不図示の原画
像を１６色の代表色にそれぞれクラスタリングすること
によって得られたラベル画像の例である。ここで１６色
の代表色とは、同図においてＲ(レッド)，Ｇ(グリー
ン)，Ｂ(ブルー)，Ｃ(シアン)，Ｍ(マゼンタ)，Ｙ(イエ
ロー)で示される６色の濃淡と、Ｗ及びＢkで示される
白、淡灰、濃灰、黒からなる。これら１６枚のラベル画
像においては、白がラベル部分を、黒が背景を示す。
【００２２】本実施形態では、この各色のラベル画像の
連結した部分を独立のオブジェクトとして抽出し、内部
を塗り潰すことにより、オブジェクトのシルエット画像
を切り出すことができる。
【００２３】尚、ステップＳ２に示す輪郭線抽出処理に
ついては、周知の方法が適用可能であるため、説明を省
略する。
【００２４】●輪郭線分割・極座標変換処理 以下、上述したステップＳ３及びＳ４における、ウェー
ブレット変換のための前処理について説明する。
【００２５】まず、ステップＳ３におけるシルエット画
像の輪郭点を得る処理について、図４を参照して説明す
る。図４は、本実施形態において輪郭線より輪郭点およ
びそのカーブを得る処理を説明するための図である。図
４の（ａ）は、正方形の中心を原点とし、その輪郭線を
１６点に等分割することによって得られる１６個の輪郭
点を表している。各輪郭点に付された番号を輪郭点番号
とし、該番号が１である輪郭点から昇順に、輪郭追跡を
行なうとする。図４の（ｂ）は、図４の（ａ）に示す各
輪郭点の追跡結果を、その軌跡として表したものであ
る。図４の（ｂ）において、横軸は輪郭点番号ｎを、縦
軸はｘ，ｙの各座標値を示す。同図によれば、ｘ，ｙ各
座標の軌跡ｘ(n)，ｙ(n)共に１周期の台形波となってい
ることが分かる。
【００２６】そしてステップＳ４においては、この軌跡
に対して以下のような極座標変換を施す。まず、シルエ
ット画像の重心(ｘ0，ｙ0)を、画像のｘ座標の平均値と
ｙ座標の平均値から求める。そして、この重心(ｘ0，ｙ
0)を原点として、以下に示す式に従って極座標変換を行
なう。
【００２７】
【数１】
【００２８】本実施形態においては、上式で示した極座
標変換によって得られたｒ(n)のみについて、以下に示
すウェーブレット変換を施すとする。
【００２９】●ウェーブレット変換処理 以下、上述したステップＳ５におけるウェーブレット変
換処理について、図５及び図６を参照して説明する。
【００３０】図５は、本実施形態におけるウェーブレッ
ト変換を説明するための図である。まず、入力データｒ
(n)を、ローパスフィルタＨ0とハイパスフィルタＨ1に
分岐させ、該フィルタ出力をダウンサンプリングする。
そして、ローパスフィルタＨ0の出力を、さらにローパ
スフィルタＨ0とハイパスフィルタＨ1に分岐させ、該フ
ィルタ出力をダウンサンプリングすることにより、分割
を進めていく。これにより、入力データｒ(n)がウェー
ブレット記述子に変換され、実質的に低周波成分と高周
波成分との複数レベルに分離される。
【００３１】ここで、同図に示すフィルタ係数は、例え
ば簡単なハール基底である。この例を以下に示す。即
ち、ローパスフィルタＨ0における変換がＨ0(z)で、ハ
イパスフィルタＨ1における変換がＨ1(z)で示される。
【００３２】
【数２】
【００３３】以上のように、ｒ(n)をローパスフィルタ
Ｈ0で変換することによってＨ0波が得られ、ハイパスフ
ィルタＨ1で変換することによってＨ1波が得られる。同
様に、例えばＨ0波を更にローパスフィルタＨ0及びハイ
パスフィルタＨ1で変換することによって、Ｈ00波及び
Ｈ01波が得られる。これらｒ(n)に対する複数レベルの
ウェーブレット変換結果を、ｒi(n)として保持してお
く。
【００３４】尚、モデル画像についても同様のウェーブ
レット変換が予め施されており、該変換結果がｒj(n)と
してデータベース２２に保持されている。
【００３５】以下、本実施形態におけるウェーブレット
変換を用いた類似性判定の方法について、具体的に説明
する。
【００３６】図６は、正方形及び円形に対するウェーブ
レット記述子を、直交座標系で表した例を示す図であ
る。同図において、正方形，円形共に、左が輪郭点の軌
跡を示す図であり、これらに対して極座標変換及びウェ
ーブレット変換を施した結果として、中央及び右に示す
Ｈ0波及びＨ1波が得られる。
【００３７】同図によれば、正方形と円形とでは、Ｈ0
波形が類似していることが分かる。これにより、正方形
と円形は重心から輪郭点までがほぼ等距離にある図形と
して類似性が高いため、本実施形態においては、これら
は概略図形として類似していると判断される。一方、長
方形や大きく偏平した楕円、又は窪みのある図形等につ
いては、この段階で類似性が低いと判断される。尚、正
方形と円形とでは、Ｈ1の波形が大きく異なるため、Ｈ1
波形によってこれらを区別することができる。
【００３８】ここで、Ｈ0波形による類似性の判定にお
いては、輪郭点番号で示される参照点の数が、モデル画
像，オブジェクト画像ともに半分になっていることが分
かる。従って、本実施形態における類似度計算は、全参
照点を使用した場合に比べて、おおよそ２倍の高速化が
期待できる。
【００３９】さらに、Ｈ0波を更にウェーブレット変換
することによってＨ00波を得た場合、該Ｈ00波形におい
ては参照点の数を１／４に削減できるため、４倍の高速
化が期待できる。即ち、より大まかな類似度算出で十分
である場合には、より高次のウェーブレット記述子を用
いれば、より高速な処理が可能となる。
【００４０】●マッチング処理 以下、上述したステップＳ６及びＳ７におけるマッチン
グ処理について、図７を参照して説明する。上述したよ
うに、ステップＳ６とＳ７とは、モデル画像とオブジェ
クト画像の比較を、低周波成分によって行なうか高周波
成分によって行なうかが異なる。
【００４１】本実施形態においては、輪郭追跡の開始点
による影響を考慮したマッチングを行なうことを特徴と
する。モデル画像とオブジェクト画像の輪郭追跡の開始
点が異なると、後述する類似度の指標であるＳｉｍ値も
異なってくる。従って本実施形態においては、モデル画
像における輪郭追跡の開始点を１点ずつシフトさせて複
数のＳｉｍ値を算出し、得られたＳｉｍ値のうちの最小
値をもって、モデル画像とオブジェクト画像の類似度と
する。
【００４２】図７は、本実施形態におけるオブジェクト
画像とモデル画像との類似度計算処理を示すフローチャ
ートである。まずステップＳ６０１において、参照する
モデル画像の波形の追跡開始点を１ずつずらす。そして
ステップＳ６０２において、以下に示す式により類似度
の指標となるＳｉｍ値を計算する。
【００４３】
【数３】
【００４４】尚、上式においてｒi(n)及びｒj(n)はそれ
ぞれ、オブジェクト画像及びモデル画像の輪郭点をウェ
ーブレット変換した値を示す。尚、上述したように、輪
郭点をウェーブレット変換することによって複数レベル
の変換結果が得られるが、比較対象となるｒi(n)及びｒ
j(n)は同レベルであるとする。
【００４５】次にステップＳ６０３において、ステップ
Ｓ６０２で得られたＳｉｍ値を最小値レジスタ内の値と
比較することにより、該Ｓｉｍ値は該追跡中で最小であ
るか否かの判定を行い、最小であればステップＳ６０４
で該レジスタ内の最小値を置き換える。そしてステップ
Ｓ６０５において、全周のシフトが完了したと判定され
たら処理を終了する。即ち、最小値レジスタ内に最後に
格納されているＳｉｍ値が、該モデルに対する類似度の
指標となる。
【００４６】図７のフローチャートに示す処理を、デー
タベース２２に登録されている複数のモデル画像につい
て実行することにより、各モデル画像に対するオブジェ
クト画像の類似度の指標であるＳｉｍ値が算出される。
このうち、最小のＳｉｍ値を有するモデル画像が、該オ
ブジェクト画像と最も類似していると判断することがで
きる。
【００４７】ここで、図２のステップＳ６においては、
図７に示す処理をｒi(n)及びｒj(n)の低周波成分に相当
するレベルにおいて行なうことにより、算出された複数
のＳｉｍ値のうち所定値以下であるものを抽出する。即
ち、複数のモデル画像から、オブジェクト画像と最も類
似するものの候補を得る。ここで、大まかな類似度が得
られれば十分である場合には、ステップＳ６で抽出され
たモデル画像を、その類似度（Ｓｉｍ値）と共に表示部
２６に表示すれば良い。
【００４８】より高精度な類似度判定を行ないたい場合
には、更にステップＳ７において、ステップＳ６で抽出
されたモデル画像について、ｒi(n)及びｒj(n)の高周波
成分に相当するレベルにおいてより高精度なマッチング
を行なう。そしてステップＳ８において、ステップＳ７
におけるマッチングによって得られたＳｉｍ値が最小で
あるモデル画像を、その類似度（Ｓｉｍ値）と共に表示
部２６に表示する。
【００４９】以上説明したように本実施形態によれば、
モデル画像とオブジェクト画像との類似度計算を輪郭線
のウェーブレット記述子に基づいて行なうことにより、
参照点の数を低減することができるため、処理の高速化
が可能となる。
【００５０】また、大局的な類似度又は局所的な類似度
を、ウェーブレット変換のレベルに応じて検出すること
ができるため、よりユーザのニーズに合った類似度計算
が可能となる。
【００５１】＜第２実施形態＞以下、本発明に係る第２
実施形態について説明する。
【００５２】上述した第１実施形態においては、モデル
画像とオブジェクト画像との輪郭形状について、その類
似度を計算する例について説明した。第２実施形態にお
いては更に、色やテクスチャの類似度をも考慮する例に
ついて説明する。
【００５３】図８は、第２実施形態において類似度を算
出する機能ブロック構成を示す図である。同図におい
て、８０は輪郭類似度算出部であり、上述した第１実施
形態において図１に示した構成からなり、即ち、入力さ
れる画像データ８５に対して、第１実施形態において図
２に示した輪郭類似度算出処理を行なう。
【００５４】８１は色類似度算出部であり、各オブジェ
クト画像の平均色値と、モデル画像の平均色値との差分
に基づいて、色の類似度を算出する。
【００５５】８２はテクスチャ類似度算出部であり、各
オブジェクト画像の空間周波数分布と、モデル画像のそ
れとの差に基づいて、テクスチャの類似度を算出する。
【００５６】８３は重み評価部であり、上記３つの類似
度及び不図示の制御部より設定される重み係数８４が入
力される。そして、該重み係数８４に応じて、上記３つ
の類似度のうち、いずれを重視するかの重み付けを行な
った後、その結果を統合類似度８６として出力する。
【００５７】以上説明したように第２実施形態によれ
ば、上述した第１実施形態に加えて更に、色及びテクス
チャによる類似度計算を行なうことにより、より高精度
な類似度判定が可能となる。
【００５８】
【他の実施形態】なお、本発明は、複数の機器（例えば
ホストコンピュータ、インタフェイス機器、リーダ、プ
リンタなど）から構成されるシステムに適用しても、一
つの機器からなる装置（例えば、複写機、ファクシミリ
装置など）に適用してもよい。
【００５９】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体（または記録媒体）を、システムあるい
は装置に供給し、そのシステムあるいは装置のコンピュ
ータ（またはCPUやMPU）が記憶媒体に格納されたプログ
ラムコードを読み出し実行することによっても、達成さ
れることは言うまでもない。この場合、記憶媒体から読
み出されたプログラムコード自体が前述した実施形態の
機能を実現することになり、そのプログラムコードを記
憶した記憶媒体は本発明を構成することになる。また、
コンピュータが読み出したプログラムコードを実行する
ことにより、前述した実施形態の機能が実現されるだけ
でなく、そのプログラムコードの指示に基づき、コンピ
ュータ上で稼働しているオペレーティングシステム(OS)
などが実際の処理の一部または全部を行い、その処理に
よって前述した実施形態の機能が実現される場合も含ま
れることは言うまでもない。
【００６０】さらに、記憶媒体から読み出されたプログ
ラムコードが、コンピュータに挿入された機能拡張カー
ドやコンピュータに接続された機能拡張ユニットに備わ
るメモリに書込まれた後、そのプログラムコードの指示
に基づき、その機能拡張カードや機能拡張ユニットに備
わるCPUなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。
【００６１】本発明を上記記憶媒体に適用する場合、そ
の記憶媒体には、先に説明した（図２および/または図
７に示す）フローチャートに対応するプログラムコード
が格納されることになる。
【００６２】
【発明の効果】以上説明したように本発明によれば、モ
デルとオブジェクトの類似度計算が、高精度かつ高速に
可能となる。
【図面の簡単な説明】
【図１】本発明に係る一実施形態における類似度計算を
行なう機能構成を示すブロック図、
【図２】本実施形態における類似度計算処理を示すフロ
ーチャート、
【図３】シルエット画像の切り出し例を示す図、
【図４】輪郭線のカーブを説明する図、
【図５】ウェーブレット変換を説明する図、
【図６】ウェーブレット記述子の例を示す図、
【図７】本実施形態におけるマッチング方法を示すフロ
ーチャート、
【図８】本発明に係る第２実施形態における類似度計算
を行なう機能構成を示すブロック図、である。
【符号の説明】
２０ モデル画像 ２１ 輪郭点抽出部 ２２ データベース ２３ オブジェクト画像 ２４ 輪郭点抽出部 ２５ 類似度算出部 ２６ 表示部
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5B057 CD18 DA11 DB06 DC16 DC25 DC30 DC36 5L096 AA02 EA28 FA06 FA26 JA11 9A001 EE02 HZ28

Claims (14)

    【特許請求の範囲】
  1. 【請求項１】 画像データからオブジェクトのシルエッ
    ト画像を抽出するシルエット抽出工程と、 該シルエット画像の輪郭線から、所定数の輪郭点を抽出
    する輪郭点抽出工程と、 該輪郭点に対してウェーブレット変換を施すウェーブレ
    ット変換工程と、 該ウェーブレット変換結果に基づき、前記オブジェクト
    と所定のモデル画像との類似度を算出する類似度算出工
    程と、を有することを特徴とする画像処理方法。
  2. 【請求項２】 更に、前記輪郭点に対してシルエット画
    像の重心を中心とする極座標変換を施す極座標変換工程
    を有し、 前記ウェーブレット変換工程においては、極座標で表さ
    れた輪郭点に対してウェーブレット変換を施すことを特
    徴とする請求項１記載の画像処理方法。
  3. 【請求項３】 前記輪郭点抽出工程においては、前記シ
    ルエット画像の輪郭線を等分割することによって、所定
    数の輪郭点を得ることを特徴とする請求項１記載の画像
    処理方法。
  4. 【請求項４】 前記類似度算出工程は更に、 前記ウェーブレット変換結果において低周波成分に相当
    する成分に基づき、前記オブジェクトと前記モデル画像
    との類似度を算出する第１の算出工程と、 前記ウェーブレット変換結果において高周波成分に相当
    する成分に基づき、前記オブジェクトと前記モデル画像
    との類似度を算出する第２の算出工程と、を有すること
    を特徴とする請求項１記載の画像処理方法。
  5. 【請求項５】 前記第２の算出工程においては、前記第
    １の算出工程において類似度が所定値以上であったモデ
    ル画像について、更に類似度を算出することを特徴とす
    る請求項４記載の画像処理方法。
  6. 【請求項６】 前記第１及び第２の算出工程において
    は、前記オブジェクト画像と前記モデル画像との輪郭点
    における差分を積算することによって、その類似度を算
    出することを特徴とする請求項４記載の画像処理方法。
  7. 【請求項７】 前記モデル画像は、その輪郭点に対する
    ウェーブレット変換が予め施されていることを特徴とす
    る請求項１記載の画像処理方法。
  8. 【請求項８】 更に、前記類似度算出工程において算出
    された類似度を表示する表示工程を備えることを特徴と
    する請求項１記載の画像処理方法。
  9. 【請求項９】 更に、前記オブジェクトと前記モデル画
    像との色の類似度を算出する色類似度算出工程と、 前記オブジェクトと前記モデル画像とのテクスチャの類
    似度を算出するテクスチャ類似度算出工程と、 前記色類似度算出工程と前記テクスチャ類似度算出工
    程、及び前記類似度算出工程のそれぞれにおいて算出さ
    れた類似度に対して重み付けを行なうことにより、前記
    オブジェクトと前記モデル画像の統合類似度を算出する
    統合類似度算出工程と、を備えることを特徴とする請求
    項１記載の画像処理方法。
  10. 【請求項１０】 画像データからオブジェクトのシルエ
    ット画像を抽出するシルエット抽出手段と、 該シルエット画像の輪郭線から、所定数の輪郭点を抽出
    する輪郭点抽出手段と、 該輪郭点に対してウェーブレット変換を施すウェーブレ
    ット変換手段と、 該ウェーブレット変換結果に基づき、前記オブジェクト
    と所定のモデル画像との類似度を算出する類似度算出手
    段と、を有することを特徴とする画像処理装置。
  11. 【請求項１１】 更に、複数のモデルのウェーブレット
    変換結果を予め保持する保持手段を備えることを特徴と
    する請求項１０記載の画像処理装置。
  12. 【請求項１２】 更に、前記類似度算出手段により算出
    された類似度を表示する表示手段を備えることを特徴と
    する請求項１０記載の画像処理装置。
  13. 【請求項１３】 更に、前記オブジェクトと前記モデル
    画像との色の類似度を算出する色類似度算出手段と、 前記オブジェクトと前記モデル画像とのテクスチャの類
    似度を算出するテクスチャ類似度算出手段と、 前記色類似度算出手段と前記テクスチャ類似度算出手
    段、及び前記類似度算出手段のそれぞれにおいて算出さ
    れた類似度に対して重み付けを行なうことにより、前記
    オブジェクトと前記モデル画像の統合類似度を算出する
    統合類似度算出手段と、を備えることを特徴とする請求
    項１０記載の画像処理装置。
  14. 【請求項１４】 画像の類似度を判定するプログラムコ
    ードが記録された記録媒体であって、該プログラムコー
    ドは少なくとも、 画像データからオブジェクトのシルエット画像を抽出す
    るシルエット抽出工程のコードと、 該シルエット画像の輪郭線から、所定数の輪郭点を抽出
    する輪郭点抽出工程のコードと、 該輪郭点に対してウェーブレット変換を施すウェーブレ
    ット変換工程のコードと、 該ウェーブレット変換結果に基づき、前記オブジェクト
    と所定のモデル画像との類似度を算出する類似度算出工
    程のコードと、を有することを特徴とする記録媒体。
JP11126399A 1999-05-06 1999-05-06 画像処理方法及びその装置 Withdrawn JP2000322573A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP11126399A JP2000322573A (ja) 1999-05-06 1999-05-06 画像処理方法及びその装置
US09/563,321 US6618501B1 (en) 1999-05-06 2000-05-03 Object similarity calculation method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11126399A JP2000322573A (ja) 1999-05-06 1999-05-06 画像処理方法及びその装置

Publications (1)

Publication Number Publication Date
JP2000322573A true JP2000322573A (ja) 2000-11-24

Family

ID=14934199

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11126399A Withdrawn JP2000322573A (ja) 1999-05-06 1999-05-06 画像処理方法及びその装置

Country Status (2)

Country Link
US (1) US6618501B1 (ja)
JP (1) JP2000322573A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004185259A (ja) * 2002-12-03 2004-07-02 Renesas Technology Corp 蓄積画像管理装置及びプログラム
KR100438818B1 (ko) * 1998-09-10 2004-07-16 삼성전자주식회사 2차원 물체 이미지의 표현자 생성방법 및 2차원 물체 이미지의인식방법
JP2014142881A (ja) * 2013-01-25 2014-08-07 Fujitsu Ltd 画像変換装置、画像変換方法、生体認証装置及び生体認証方法ならびに画像変換用コンピュータプログラム

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL143573A0 (en) 1998-12-09 2002-04-21 Network Ice Corp A method and apparatus for providing network and computer system security
US7346929B1 (en) 1999-07-29 2008-03-18 International Business Machines Corporation Method and apparatus for auditing network security
US8006243B2 (en) 1999-12-07 2011-08-23 International Business Machines Corporation Method and apparatus for remote installation of network drivers and software
US7921459B2 (en) 2000-04-28 2011-04-05 International Business Machines Corporation System and method for managing security events on a network
US9027121B2 (en) 2000-10-10 2015-05-05 International Business Machines Corporation Method and system for creating a record for one or more computer security incidents
US7130466B2 (en) * 2000-12-21 2006-10-31 Cobion Ag System and method for compiling images from a database and comparing the compiled images with known images
US20020147803A1 (en) 2001-01-31 2002-10-10 Dodd Timothy David Method and system for calculating risk in association with a security audit of a computer network
US7657419B2 (en) 2001-06-19 2010-02-02 International Business Machines Corporation Analytical virtual machine
AU2003202876A1 (en) 2002-01-04 2003-07-24 Internet Security Systems, Inc. System and method for the managed security control of processes on a computer system
US20040075743A1 (en) * 2002-05-22 2004-04-22 Sony Computer Entertainment America Inc. System and method for digital image selection
US7913303B1 (en) 2003-01-21 2011-03-22 International Business Machines Corporation Method and system for dynamically protecting a computer system from attack
US7657938B2 (en) 2003-10-28 2010-02-02 International Business Machines Corporation Method and system for protecting computer networks by altering unwanted network data traffic
DE10361838B3 (de) * 2003-12-30 2005-05-25 RUHR-UNIVERSITäT BOCHUM Verfahren zur Bewertung von Ähnlichkeiten realer Objekte
DE102004053034A1 (de) * 2004-09-17 2006-04-13 Daimlerchrysler Ag Verfahren zur Suche nach eiem ähnlichen Konstruktionsmodell
US20110046836A1 (en) * 2009-08-18 2011-02-24 Noel Wayne Anderson Modular and scalable positioning and navigation system
US20110046784A1 (en) * 2009-08-18 2011-02-24 Noel Wayne Anderson Asymmetric stereo vision system
US8396597B2 (en) * 2009-08-18 2013-03-12 Deere & Company Distributed robotic guidance
CN101794395B (zh) * 2010-03-11 2012-04-25 合肥金诺数码科技股份有限公司 一种基于Sift算法的图像匹配定位方法
US10628890B2 (en) * 2017-02-23 2020-04-21 International Business Machines Corporation Visual analytics based vehicle insurance anti-fraud detection
CN113065922B (zh) * 2021-04-13 2021-12-07 南京莫愁智慧信息科技有限公司 基于移动互联网和大数据分析的电子商务购物平台商品智能匹配推荐方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6463176B1 (en) * 1994-02-02 2002-10-08 Canon Kabushiki Kaisha Image recognition/reproduction method and apparatus
US6381370B1 (en) * 1997-07-14 2002-04-30 Oki Electric Industry Co., Ltd. Method and apparatus for image encoding
JP4074366B2 (ja) * 1998-02-24 2008-04-09 コニカミノルタビジネステクノロジーズ株式会社 画像検索装置及び方法並びに画像検索プログラムを記録した記録媒体
JP2000048036A (ja) * 1998-07-28 2000-02-18 Canon Inc 画像処理装置およびその方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100438818B1 (ko) * 1998-09-10 2004-07-16 삼성전자주식회사 2차원 물체 이미지의 표현자 생성방법 및 2차원 물체 이미지의인식방법
JP2004185259A (ja) * 2002-12-03 2004-07-02 Renesas Technology Corp 蓄積画像管理装置及びプログラム
JP2014142881A (ja) * 2013-01-25 2014-08-07 Fujitsu Ltd 画像変換装置、画像変換方法、生体認証装置及び生体認証方法ならびに画像変換用コンピュータプログラム

Also Published As

Publication number Publication date
US6618501B1 (en) 2003-09-09

Similar Documents

Publication Publication Date Title
JP2000322573A (ja) 画像処理方法及びその装置
US9472022B2 (en) Three-dimensional point processing and model generation
EP0853293B1 (en) Subject image extraction method and apparatus
US6389417B1 (en) Method and apparatus for searching a digital image
CN109658515A (zh) 点云网格化方法、装置、设备及计算机存储介质
CN102436670B (zh) 计算机系统、以及位置对准方法
KR20020018936A (ko) 왜곡 보정 방식
CN101833668B (zh) 一种基于轮廓带图的相似单元的检测方法
CN101261638B (zh) 图像搜索的方法及装置
CN108470350A (zh) 折线图中的折线分割方法及装置
CN109740674A (zh) 一种图像处理方法、装置、设备和存储介质
US8238619B2 (en) Method of extracting ridge line and valley line from three-dimensional point data
JP5560925B2 (ja) ３次元形状検索装置、３次元形状検索方法、及びプログラム
JP4570995B2 (ja) マッチング方法およびマッチング装置ならびにプログラム
CN113963193A (zh) 车身颜色分类模型生成的方法、装置以及存储介质
CN110766708B (zh) 基于轮廓相似度的图像比较方法
Nguyen et al. High-definition texture reconstruction for 3D image-based modeling
JP2002117409A (ja) 画像処理方法及びその装置
JP2011002965A (ja) 画像検索方法および装置
CN109165551B (zh) 一种自适应加权融合显著性结构张量和lbp特征的表情识别方法
CN115909079A (zh) 结合深度特征和自注意力模型的裂缝检测方法及相关设备
CN110738112A (zh) 人脸图像模拟方法、装置、计算机设备和存储介质
CN117191816B (zh) 基于多光谱融合的电子元器件表面缺陷检测方法和装置
CN111667552B (zh) 一种s57电子海图深度范围快速判定填充方法及设备
CN115546780B (zh) 车牌识别方法、模型及装置

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20060801