JP2002032752A - 明るい窓を自動的に検出する方法 - Google Patents

Abstract

(57)【要約】 【課題】 周囲の領域よりも実質的に明るい１つ以上の
窓の場所を見つけるためにディジタル画像を自動的に処
理する方法を提供することを目的とする。 【解決手段】 方法は、エッジ情報、明るさ情報、空間
的な動きに対応する情報、及び陰境界線情報の重み付け
された寄与に基づき画像中の特徴の場所を同定する特徴
画像を計算するためにディジタル画像を処理することか
ら始まる。エッジ平滑化及びノイズ除去を行なうため特
徴画像を１つ以上の形態的フィルタリング演算により処
理し、フィルタリングされた画像が生成される。この画
像はゼロ又はそれ以上の画像を同定するよう処理され、
１つ以上の領域が存在する場合はセグメント化された画
像が与えられ、セグメント化された画像は陰境界線情報
と論理的に組合わされ、１つ以上の窓候補が与えられ
る。実際の窓は１つ以上の窓候補をディジタル画像の平
均強度に対する平均強度に基づいて確認することで導き
出される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は概して画像処理の分
野に係り、特に画像中の特定の特徴の場所を見つけるた
めに用いられる画像処理技術に関する。

【０００２】

【従来の技術】非常に明るい画像領域は、シーンバラン
スアルゴリズム（ＳＢＡ）における顕著な中間色チャネ
ル誤りの原因となりうる。この問題が一般的に生ずるの
は、明るい昼光が通って見える窓を含む屋内写真が撮影
された場合である。この場合は、厳しい逆光条件が生じ
うる。これらの特徴を検出できれば、ＳＢＡパフォーマ
ンスを改善させると共に、画像の場所（特に屋内対屋
外）、画像の向き、及び主被写体の検出といったシーン
に関する他の有用な情報を提供しうる。

【０００３】露出を調整するためにシーンの特定の部分
の明るさを用いることが知られている。例えば、米国特
許第５，２２７，８３７号では、物体の明るさは、物体
の画像を撮影したときに記録される明るさ情報を用いて
推定される。結果として、シーンの弁別又は露出の制御
のために不必要な測定点を正しく弁別し、それにより非
常に高い精度の露出制御を実現することが可能である。
これを行なうとき、物体は物体の画像の撮影時に部分的
な面積で光度測定され、部分的な面積で得られた測光値
は記録されたシーンのタイプを弁別するために用いられ
る。

【０００４】シーン中の物体の検出するため及び場所を
見つけるために利用可能な多くの異なる技術が周知であ
る。例えば、米国特許第５，４８１，６２８号には物体
の検出のためにエッジ検出をニューラルネットワークと
組み合わせて使用することが開示されている。米国特許
第５，８３８，８３０号には物体の検出のために頂点の
同定を用いることが記載されている。米国特許第５，８
４８，１９０号は物体の検出のためのパターンマッチン
グを用いるものであり、米国特許第５，８７７，８０９
号は計算された物体距離に基づいて目標物体を抽出する
ものである。これらは一般的に物体検出の問題について
取り扱うものであるが、いずれも窓検出の問題のみを扱
うものではない。

【０００５】計算機視覚の分野では物体検出に関する多
くの文献があるため、「窓」を単に従来の方法を適用し
て検出されうる他のタイプの物体として考えて、窓検出
をこれらの多くの文献に関連するものとして考えがちで
ある。しかし、窓は見た目には無数の種類の外観がある
ため、窓検出は他の種類の物体の認識とは質的に異な
る。ＷｏｒｄＮｅｔ（だれでも利用可能なオンラインハ
イパーリンク辞書）は、窓について２２の異なる下位語
（種類）を定義する。窓は定義により透明であるか殆ど
透明であるため、画像中の窓の主な特徴は窓自体でさえ
ない。実際、Ｗｅｂｓｔｅｒ辞書は、窓を「建物の壁の
開いた部分」と定義している。興味深いことに、Ｗｏｒ
ｄＮｅｔはその逆に、窓を「窓ガラスを含む木又は金属
の枠」と定義している。

【０００６】

【発明が解決しようとする課題】窓は、人間によっては
高水準意味論処理を通じて、エッジ及び窓領域の内側と
外側の画像内容の間の不連続性により認識されているよ
うである。しかしながら、窓は通常は透明であるため、
窓を単に窓ガラスとして認識することは実際的ではな
い。また、窓の内容は不定であり得るため、窓は単に内
容によって認識されうるものでもない。そして、窓のエ
ッジが、ドレープ、カーテン、影などによって、又は植
木やランプといった物体によって隠蔽されるか、又は画
像の主被写体によって覆われるとき以外は、これが規則
である。窓自体を通して何でも見えるため、その存在に
ついては非常にわずかな低いレベルの手がかりしかな
い。更に悪いことに、明るさ、コーナー、又は垂直な縁
といった窓を特徴付けるために使用されうる低いレベル
の特徴の多くは、多くの他の共通の画像特徴も特徴付け
るものである。これらの全ての問題は、組合わさって
「窓検出」を一般的に非常に難しい問題とする。

【０００７】

【課題を解決するための手段】本発明は写真画像中で明
るい窓を自動的に同定することを目的とする。本発明は
更に、写真画像を領域へセグメント化し、明るい窓を同
定するために領域の形態的な特徴を解析することを目的
とする。

【０００８】本発明は、上述の１つ以上の問題を克服す
ることを目的とする。概説するに、本発明の１つの面に
よれば、周囲の領域よりも実質的に明るい１つ以上の窓
の場所を見つけるためにディジタル画像を自動的に処理
する方法は、エッジ情報、明るさ情報、空間的な動きに
対応する情報、及び陰境界線情報の重み付けされた寄与
に基づいて画像中の特徴の場所を同定する特徴画像を計
算するためにディジタル画像を処理することによって始
まる。次に、特徴画像をエッジ平滑化及びノイズ除去を
行なうために１つ以上の形態的フィルタリング演算によ
って処理し、フィルタリングされた画像が生成される。
フィルタリングされた画像はゼロ又はそれ以上の画像を
同定するよう処理され、１つ以上の領域が存在する場合
はセグメント化された画像が与えられ、セグメント化さ
れた画像は陰境界線情報と論理的に組み合わされ、１つ
以上の窓候補が与えられる。実際の窓は、１つ以上の窓
候補をディジタル画像の平均強度に対する平均強度に基
づいて確認することによって導き出される。

【０００９】

【発明の実施の形態】本発明の上述及び他の面、目的、
特徴、及び利点については、以下の望ましい実施例及び
請求の範囲の記載を読むことにより、また、添付の図面
を参照することにより、更に明らかに理解されよう。物
体及び／又は特徴検出を用いる画像処理システムは周知
であるため、本願では本発明による方法、システム、及
び装置を構成するか、より直接的に協働する属性につい
て特に説明するものとする。本願で特に図示又は説明さ
れていない属性は、従来技術で知られているものから選
択されうる。以下の説明では、本発明の望ましい実施例
は通常はソフトウエアプログラムとして実施されるが、
当業者によれば、このようなソフトウエアと同等のもの
がハードウエア中にも構築されうることが容易に認識さ
れるであろう。以下説明される本発明によるシステムが
与えられていれば、本発明の実施のために有用な本願に
は特に図示又は説明しないソフトウエアは従来通りのも
のであり当業者によって容易になされうるものである。

【００１０】本発明は、コンピュータプログラムとして
実施される場合、プログラムは、例えば、磁気ディスク
（フロッピー（登録商標）ディスク又はハードドライ
ブ）又は磁気テープといった磁気記憶媒体；光ディス
ク、光テープ、又は機械読み取り可能なバーコードとい
った光記憶媒体；ランダムアクセスメモリ（ＲＡＭ）又
は読み出し専用メモリ（ＲＯＭ）といった固体電子記憶
装置；又はコンピュータプログラムを格納するために使
用される任意の他の物理的な装置又は媒体といったコン
ピュータ読み取り可能な記憶媒体に格納されうる。

【００１１】本発明は、例えばシーンバランスアルゴリ
ズムのように、画像の知覚される明るさ全体を偏らせる
ことにより結果としての写真が印刷されたときに暗くな
りすぎるような他のアルゴリズムでは問題を生じさせう
る明るい窓を含む画像を自動的に同定するアルゴリズム
を提供する。逆光状態はこの問題の典型的な例であり、
実際に意図される主被写体の近傍又は後方に明るい窓が
存在することによって生ずるものである。本願では、
「窓」という用語は、Ｗｅｂｓｔｅｒ辞書に定義される
ように建物の壁の開口部という定義に追加的な制約を加
えたものとする。窓は、通常の見る距離で最終的な画像
中に認識可能であるのに十分な寸法でなくてはならな
い。このように、車両又は船舶の中の窓は（画像のかな
りの部分を占めない限り）考慮に入れられず、窓が単に
小さい点にしか見えないような距離にあり主に前後関係
によって窓であると認識されるような大きな建物の窓も
考慮に入れられない。しかしながら、開き窓、上げ下げ
窓、又はよろい戸といった通常の窓や、ステンドガラス
の窓は含まれる。窓は矩形である必要はない。円形、半
円形、楕円形、アーチ形、八角形の窓であってもよい。
窓は、開いていても閉じていてもよく、透明又は半透明
のつや出し材料で覆われてもよい。しかしながら、ドレ
ープ、ブラインド、シェード、又はシャッターといった
不透明な材料によって完全に覆われた窓は通常は排除さ
れる。同じ建物の２つの部屋をつなぐ屋内窓もまた排除
される。

【００１２】「明るい窓」という用語は、その周囲より
も視覚的に目立って明るい窓であると定義される。この
定義は、一般的には、夜に屋内から見た窓（通常は周囲
よりもはるかに暗い）と、窓を通る光の強度が周囲の表
面と略同じである窓を排除するものである。この状況
は、曇った日で室内壁が薄い色である場合、又は更なる
室内照明によって照明されている室内の場合に生じう
る。これらの定義では、窓を含む画像が屋内のシーンで
あることが暗黙的に理解される。従って、本発明は可視
の屋内照明のある構造を外部から夜間に見たときの景色
から生ずる明るい窓の場所を見つけることを意図してい
ない。

【００１３】窓検出アルゴリズムは、夫々が明るい窓を
表わすと考えられる或る視覚特徴を捕捉する一組の低い
レベルの特徴を計算することに基づく。特徴は、一組の
画像マスクとして表わされ、加法的に組み合わされる。
一定の閾値に達するために特徴の和からの十分な「票
（ｖｏｔｅ）」を含む画像領域は、明るい窓であると考
えられる。このアプローチの利点は、単純な肯定／否定
による決定ではなく、見いだされた各領域について相対
的な確信の尺度が与えられることである。また本発明
は、全ての特徴が投票処理に対して貢献する等しい機会
を有するため、ただ１つの特徴にのみ非常に良く応答し
うる画像領域からの偽のアラームを抑制するのに役立
つ。マスクフォーマットもまた、窓領域の画像の場所を
自動的に同定させる。

【００１４】図１乃至４は本発明の方法を示し、図５乃
至１５は方法の様々な段階における例としての画像を示
す。ここで図１を参照するに、全体としての方法は、前
処理段階１０、特徴計算段階１２、ノイズフィルタリン
グ段階１４、及び領域解析段階１６を含む。前処理段階
１０において、続く処理に適した１９２×１２８画素の
大きさの輝度画像になるよう画像を処理する。最初は、
望ましい実施例によれば、５１２×７６８画素の１２ビ
ットのカラー（ｒ，ｇ，ｂ）画像が読み込まれ、（ｒ＋
ｇ＋ｂ）／３の一般的な近似により輝度画像（図５）に
変換される。得られた結果は（例えば従来の最近傍サブ
サンプリング方法により）１９２×１２８画素へ縮小さ
れ、処理された画像Ｉ_ｏｌｄが形成される。サブサンプ
リングを用いた場合は一般的に画素の平均化を用いた場
合よりもノイズの多い画像が生ずるが、窓の同定には有
用でありうる輝度差を保存する。

【００１５】図２は、特徴計算段階１２を更に詳細に示
す図であり、副次的な段階２０、２２、２４及び２６を
含む。フィルタリング段階２０において、画像Ｉ_ｏｌｄ
に対して最小全体偏差（ＭＴＶ）フィルタリング演算が
行なわれ、得られた結果は新しい画像Ｉ_ＭＴＶとして保
存される。次に、エッジ検出段階２２において画像Ｉ
_ｏｌｄに対してエッジ検出演算が行なわれ、得られた結
果は他の新しい画像Ｉ_{ｅ ｄｇｅ}として保存され、次に、
陰境界線段階２４において画像Ｉ_ｏｌｄに対して陰境界
線フィルタ演算が行なわれ、得られた結果は更なる新し
い画像Ｉ_ＯＢＦとして保存され、最後に、加算段階２６
において段階２０乃至２４で得られた結果が組み合わさ
れ新しい画像Ｉ_ｓｕｍが得られる。

【００１６】前処理段階１０からのサブサンプリングさ
れた輝度画像Ｉ_ｏｌｄは、空間的な動きに対応する明る
さ情報を生じさせるために、フィルタリング段階２０に
おいてフィルタが適用される。更に特定的には、段階２
０において、

【００１７】

【数１】 として定義される局所的な３×３画素配列近傍に最小全
体変化（ＭＴＶ）フィルタが適用され、ＭＴＶフィルタ
は、 Ｉ_ＭＴＶｅ＝ｍｉｎ（｜ａ−ｂ｜＋｜ｂ−ｃ｜＋｜ｄ−
ｅ｜＋｜ｅ−ｆ｜＋｜ｇ−ｈ｜＋｜ｈ−ｉ｜＋｜ａ−ｄ
｜＋｜ｄ−ｇ｜＋｜ｂ−ｅ｜＋｜ｅ−ｈ｜＋｜ｃ−ｆ｜
＋｜ｆ−ｉ｜） として定義される。画像のエッジに沿ったフィルタの計
算のために必要であれば、ゼロ値をパッディングとして
使用する。これにより、任意の点において空間的な動き
に正比例する明るさを有する画像Ｉ_ＭＴＶ’（図６）が
得られる。得られた結果は高い値が低い空間的な動きに
対応するよう反転され、結果のうちの高い値の２％は画
像Ｉ_ＭＴＶ中に保存される（図７）。これは、加算段階
２６における単純な加算によってこの画像が他の続く画
像と組み合わされるよう行なわれる。

【００１８】次に、前処理段階１０から得られたサブサ
ンプリングされた輝度画像Ｉ_ｏｌｄに対して、エッジ検
出器段階２２においてエッジ検出器が適用され、画像Ｉ
_{ｅｄ ｇｅ}（図８）が形成される。望ましいエッジ検出器
は、最も少ない数の外側エッジから最も多い数の連結さ
れた顕著なエッジを提供する。Ｐｒｅｗｉｔｔのエッジ
検出器はこの規準を満たすことが経験的に分かっている
が、望ましい結果よりも劣った結果を生じさせる他の検
出器が使用されうる。Ｐｒｅｗｉｔｔの演算は、以下の
配列、

【００１９】

【数２】 の畳込みの結果として生ずる。前処理段階１０から得ら
れるサブサンプリングされた輝度画像Ｉ_ｏｌｄに対し
て、陰境界線フィルタリング段階２４において陰境界線
フィルタが適用され、画像Ｉ_ＯＢＦ（図９）が形成され
る。室内画像に窓が存在する場合は、多数の光レベルを
生じさせることが多いため、陰境界線フィルタ（ＯＢ
Ｆ）は多数の光レベルの指標として使用される。このよ
うに、ＯＢＦからの出力は窓の存在について論ずる場合
の要因でありうる。この意味で、ＯＢＦからの出力は窓
は通常のエッジ検出器と似ているが、エッジの両側の強
度が特定の閾値を超過するエッジに対してのみ応答する
点で異なる。ＯＢＦの重要な部分は、この閾値である。
ＯＢＦは所与の画素ｐ_ｘｙについて、

【００２０】

【数３】 として定義され、式中、Ｎｋ_ｘｙはｐ_ｘｙの完全に連結
された近傍であり、ｔは閾値強度である。このように、
ＯＢＦは、その殆どが特定の適用において関心のないも
のであるようなより多くのエッジを戻す一定の大域的な
閾値に応ずるのではなく、画像中の局所的な差に応ず
る。この場合、ＯＢＦは、従来のエッジ検出よりも更に
選択的な明るい境界の局所化を行なう。ＯＢＦは閾値処
理なしに使用されてもよく、その場合、出力は当該の窓
全体の強度に比例する。

【００２１】最後に、特徴計算段階１２の出力につい
て、段階２０乃至２４の寄与は、前処理段階１０からの
サブサンプリングされた輝度画像Ｉ_ｏｌｄ中の符号値の
大きい方から３３％と共に組み合わされ、新しい画像Ｉ
_ｓｕｍ（図１０）、 Ｉ_ｓｕｍ＝Ｉ_ＭＴＶ／４＋（Ｉ_ｏｌｄ＞０．６６）／２
＋Ｉ_ＯＢＦ／４＋Ｉ_{ｅ ｄｇｅ}／４ が形成される。割り算は、各特徴の相対的な寄与を調整
するために経験的に決められる重み付けを表わす。

【００２２】図３は、副次的な段階３０、３２、３４を
含むノイズフィルタリング段階１４を詳細に示す図であ
る。画素除去段階３０では、孤立した単一の画素は、図
２の加算段階２６によって生成された画像Ｉ_ｓｕｍから
除去される。次に、画素除去段階３０の結果は、画像中
の孤立した単一の画素の穴が塗りつぶされる塗りつぶし
段階３２に与えられる。最後に、塗りつぶし段階３２の
結果は、画像に対して形態的拡張演算を行なう拡張段階
３４へ与えられる。

【００２３】更に特定的には、画素除去段階３０におい
て、Ｉ_ｓｕｍのうちの孤立した画素（そのうちの幾つか
は図１０に示される）は以下の単純な形態的フィルタ、

【００２４】

【数４】 を用いて除去される（図１１のものが生成される）。

【００２５】塗りつぶし段階３２では、Ｉ_ｓｕｍ中の任
意の単一画素の穴が、やはり形態的フィルタ（この場合
は先行する段階の逆）を用いて塗りつぶされる。これ
は、追加的な塗りつぶし（図１２参照）を与えるよう繰
り返される。塗りつぶし段階３２の結果に対して形態的
拡張演算が行なわれ、更なるエッジ平滑化と、小さい穴
の塗りつぶしを生じさせる（図１３に示される）。

【００２６】最後に、図４は、領域解析段階１６を更に
詳細に示す図であり、副次的な段階４０、４２、４４、
４６、４８を含む。セグメント化段階４０において、拡
張段階３４（図３）からの画像は一組の個々の閉領域へ
セグメント化される。（セグメント化段階４０がどの領
域も同定できなければ（即ちゼロの領域であれば）、画
像中に明るい窓が存在しない可能性が高い。）次に、セ
グメント化段階４０の結果が面積計算段階４２に与えら
れ、各領域の面積が計算され、最小面積規準を満たさな
い領域は更なる考察からは排除される。面積計算段階４
２の結果は重心計算段階４４に与えられ、各残る領域の
重心が計算され、画像中の所与の垂直位置を満たさない
領域は更なる考察から排除される。次に、重心計算段階
４４の結果は排除段階４６に与えられ、各残る領域につ
いて段階２４の結果（即ち図２に関連して行なわれた陰
境界線フィルタ計算の結果）に対応する面積と重なりあ
うかどうか試され、重なり合わない領域は更なる考察か
ら排除される。次に、段階４６の結果は強度計算段階４
８に与えられ、各残る領域の平均強度が計算され、同定
された領域の外側の画像の残る部分の平均強度に亘って
特定される割合を満たさない領域は排除される。残る領
域は方法の出力である。

【００２７】更に特定的には、セグメント化段階４０に
おいて、画像は図１４に示されるような一組の閉領域へ
セグメント化される。これは、画素が見つかるまで画像
をラスタ走査することによってなされる。次に、その画
素から開始してチェーンコードが構築される。チェーン
が開始画素に戻ると、閉領域としてラベル付けされる。
方法は、全ての画素が処理されるまで画像の残りについ
て続けられる。これは、例えばDana Ballard及びChrist
opher BrownによるComputer Visionの第５章（領域成
長）に示されるような多数の異なる方法によっても達成
されうる。次に、面積計算段階４２において各領域の面
積が計算される。画像面積の０．１％よりも小さい領域
は、窓である可能性があるものについての考察から排除
される（これは１９２×１２８画素の画像では２５画素
である）。本例の２つの領域は、約１５４画素と１１２
画素の面積を有する。

【００２８】次に、重心計算段階４４において各領域の
重心が計算される。重心が画像の上２／３にない領域は
窓である可能性があるものについての考察から排除され
る（これは１９２×１２８画素の画像では約８５画素で
ある）。本例の両方の領域はこの規準を満たす。この説
明のため、全ての画像は正しい向きであると想定する。
しかしながら、この段階は発見的であり、パフォーマン
スに多少の影響はあるがアルゴリズムを基本的に変化さ
せずに排除されうる。更に、画像の向きを検出する向き
検出器を得るためにこの発見的な段階の対話を用いるこ
とができる。

【００２９】排除段階４６では、全ての残る領域はＩ
_ＯＢＦ、即ち段階２４（図９参照）の陰境界線フィルタ
から生ずるマスクと論理ＡＮＤ演算される。少なくとも
単一の点から出力される陰境界線フィルタと重なり合わ
ない領域は、窓である可能性があるものについての考察
から排除される。本例のいずれの領域もこれに基づいて
は拝辞されない。次に、強度計算段階４８において、全
ての残る領域の平均強度が計算される。元の画像全体の
強度の平均の２０％である平均を有する領域は、更なる
考察から排除される。残る領域は、方法の出力である。
特に、アルゴリズムはシーン中の明るい窓の位置に対応
するマスク画像を出力する（図１５）。

【００３０】本発明の全体的な方法について上述した
が、本発明は当業者によって知られているであろう任意
の数の異なるタイプのシステム中で実施され任意の数の
異なる方法で実行されうる。例えば、図１６に示される
ように、本発明による情報取り扱い／コンピュータシス
テムの典型的なハードウエア構成は、少なくとも１つの
プロセッサ又は中央処理ユニット（ＣＰＵ）１００を有
する。ＣＰＵ１００は、システムバス１０１を介して、
ランダムアクセスメモリ（ＲＡＭ）１０２、読み出し専
用メモリ（ＴＯＭ）１０３、（ディスクユニット１０５
及びテープドライバ１０６といった周辺機器をバス１０
１に接続するための）入出力（Ｉ／Ｏ）アダプタ１０
４、（情報取り扱いシステムをデータ処理ネットワーク
に接続するための）通信アダプタ１０７、（キーボード
１０９、マウス１１０、ディジタル画像入力ユニット
（例えばスキャナ）１１１といった周辺機器、マイクロ
ホンスピーカ及び／又は他のユーザインタフェース装置
をバス１０１に接続するための）ユーザインタフェース
アダプタ１０８、プリンタ１１２、及び（バス１０１を
ディスプレイ装置１１４に接続するための）ディスプレ
イアダプタ１１３に相互接続される。本発明は、図１６
に示される構造を用いて、本発明の方法を記憶装置１０
４上に格納されたコンピュータプログラムに含めること
によって実施されうる。このようなコンピュータプログ
ラムは、インタフェースアダプタ１０８を通じて、又は
ネットワーク接続１０７を通じて供給される１つ以上の
画像フレームに対して作用する。システムは、例えば図
１５に示される所望のマスク画像を、例えばＣＰＵ１０
０によって実施されるか、ディスプレイ又はプリンタ上
にあるか、又はネットワーク上にある自動露出制御アル
ゴリズムといった続く使用のために、ＣＰＵ１００、デ
ィスプレイ４１４、プリンタ４１２、又はネットワーク
４０７へ自動的に供給する。

【００３１】

【発明の効果】本発明は、写真画像中で周囲よりも実質
的に明るい窓の存在及び場所を自動的に決定するという
利点を与える。更に、本発明の方法はテンプレートマッ
チング又はシーン中の他の対象の任意についての先験的
な知識を用いずに、明るい窓の存在を検出する。

【図面の簡単な説明】

【図１】本発明による窓検出アルゴリズムを示す全体的
なブロック図である。

【図２】図１に示される特徴計算段階を更に詳細に示す
ブロック図である。

【図３】図１に示されるノイズフィルタリング段階を更
に詳細に示すブロック図である。

【図４】図１に示される領域解析段階を更に詳細に示す
ブロック図である。

【図５】図１に示される前処理段階において処理される
明るい窓を含む輝度画像を示す図である。

【図６】図２に示されるフィルタリング段階において最
小全体変化フィルタによって生成されるフィルタリング
された画像を示す図である。

【図７】図２に示されるフィルタリング段階によって出
力される反転されたフィルタリングされた画像を示す図
である。

【図８】図２に示されるエッジ検出段階によって出力さ
れるエッジ画像を示す図である。

【図９】図２に示される陰境界線段階によって出力され
る陰境界線画像を示す図である。

【図１０】図７乃至９に示される画像の組合せから得ら
れる図２に示される加算段階によって出力される中間画
像を示す図である。

【図１１】図３に示される画素除去段階によって出力さ
れる画像を示す図である。

【図１２】図３に示される塗りつぶし段階によって出力
される塗りつぶされた画像を示す図である。

【図１３】図３に示される拡張段階によって出力される
形態的に拡張された画像を示す図である。

【図１４】図４に示されるセグメント化段階によって出
力されるセグメント化された画像を示す図である。

【図１５】図４に示される強度計算段階によって出力さ
れるマスク画像を示す図である。

【図１６】本発明を実施するためのコンピュータシステ
ムのブロック図である。

【符号の説明】

１０ 前処理段階 １２ 特徴計算段階 １４ ノイズフィルタリング段階 １６ 領域解析段階 ２０ フィルタリング段階 ２２ エッジ検出段階 ２４ 陰境界線段階 ２６ 加算段階 ３０ 画素除去段階 ３２ 塗りつぶし段階 ３４ 拡張段階 ４０ セグメント化段階 ４２ 面積計算段階 ４４ 重心計算段階 ４６ 排除段階 ４８ 強度計算段階 １００ ＣＰＵ １０１ バス １０２ ＲＡＭ １０３ ＲＯＭ １０４ Ｉ／Ｏアダプタ １０５ ディスクユニット １０６ テープドライブ １０７ 通信アダプタ １０８ インタフェースアダプタ １０９ キーボード １１０ マウス １１１ ディジタル画像入力ユニット １１２ プリンタ １１３ ディスプレイアダプタ １１４ ディスプレイ装置

Claims (3)

【特許請求の範囲】
1. 【請求項１】 周囲の領域よりも実質的に明るい１つ以
   上の窓の場所を見つけるためにディジタル画像を自動的
   に処理する方法であって、 エッジ情報、明るさ情報、空間的な動きに対応する情
   報、及び陰境界線情報の重み付けされた寄与に基づいて
   画像中の特徴の場所を同定する特徴画像を計算するため
   にディジタル画像を処理する段階と、 エッジ平滑化及びノイズ除去のために１以上の形態的フ
   ィルタリング演算で上記特徴画像を処理することによ
   り、フィルタリングされた画像を生成する段階と、 ゼロ以上の領域を同定するために上記フィルタリングさ
   れた画像を処理し、１つ以上の領域が存在する場合はセ
   グメント化された画像が生成される段階と、 上記セグメント化された画像を陰境界線情報と論理的に
   組み合わせ、１つ以上の窓候補を与える段階と、 上記窓候補のうちの１つ以上を、上記ディジタル画像の
   平均強度に対する上記窓候補のうちの１つ以上の平均強
   度に基づいて、窓であると確認する段階とを含む方法。
2. 【請求項２】 上記領域の面積及び位置のうち少なくと
   も１つをある所定の発見的なパラメータに対して評価
   し、上記１つ以上の窓候補を更に確認する段階を更に含
   む、請求項１記載の方法。
3. 【請求項３】 上記所定の発見的なパラメータは、各領
   域が上記画像の所定の部分よりも大きいかどうか、ま
   た、各領域の重心が上記画像の所定の上側部分に現れる
   かどうかを決める、請求項２記載の方法。