JP2002524789A - 画像のブラウジングのための多重線形化データ構造 - Google Patents

Abstract

(57)【要約】 第１の線形化および第２の線形化の両方に基づいた画像を表示する方法。一実施形態においては、２つの空間詰め曲線をトラバースすることによってこの線形化が行われる。別の実施形態においては、クラスタ・データ構造をトラバースすることによってこの線形化が行われる。３以上の線形化を表示してもよい。

Description

【発明の詳細な説明】

【０００１】 本件特許書類の一部は、著作権に係る資料を含んでいる。著作権者は、特許商
標庁の特許書類あるいは記録として現れる場合であれば、特許の開示の第三者に
よる複製を拒絶する理由を持たないが、それ以外は、いかなる場合であってもす
べての権利を留保する。

【０００２】 （発明の背景） １．発明の分野 ここに説明する発明は、データ・マネジメントの分野に関する。特に本発明は
、画像のカテゴリ分類および表示に関する。

【０００３】 ２．関連技術の説明 ブラウジングは、ユーザが、そのニーズに関係したコンテンツであるか否かを
決定するために用いる、情報を迅速に調べるためのテクニックである。ブラウジ
ングは、ユーザに、コンテンツを調べる上での迅速にアクセスでき、かつユーザ
がさらに関心を有するセクションを絞り込める必要がある。通常は、複数の画像
が表示される。ユーザは、希望する画像が見つかるまで画像をスクロールするこ
とができる。

【０００４】 しかしながら、画像の属性に基づいて画像の特徴を決定し、ソーティングする
ことは困難である。特定の複数の画像を１つの属性によって密に関連づけられた
としても、それが別の属性によって密に関連づけられるとは限らない。それに加
えて、データ構造内に多くの画像が含まれる場合には、当該データ構造内に画像
を配置するための時間、あるいはデータ構造から画像を取り出すための時間が、
ユーザの忍耐を超えるほどの長さになることもあり得る。

【０００５】 （発明の要約） 第１の線形化および第２の線形化の両方に基づいた画像を表示する方法を開示
する。一実施態様においては、これらの線形化が、２つの空間詰め曲線(Space-f
illing curve)をトラバースすることによって実行される。別の実施態様におい
ては、線形化がクラスタ・データ構造をトラバースすることによって実行される
。３つ以上の線形化を表示してもよい。

【０００６】 （好ましい実施態様の説明） 大量の画像に対する良好なスケーリングが得られる画像の特徴を決定する方法
を説明する。本開示までは、画像をカテゴリに分類するできる属性が多かったの
で、効率よく画像をカテゴリに分類することおよび表示を行うことは困難であっ
た。本発明は、多重線形化を基礎にした画像の表示を提供する。ただし、この出
願における「線形化」は、単なる点の集まりの順序づけという意味を越えて、そ
れらの位置をストアし、もしくは少なくともそれらの位置の間の相対的な距離の
ストアを示すものとする。

【０００７】 ここに示す方法はスケーラブルであり、そのためその画像の集まりが比較的小
さいか（たとえば数百の画像）あるいは比較的大きいか（たとえば５０，０００
画像以上）によらず、画像の集まりの一部のカテゴリ分類ならびに表示に要する
時間に大きな変動を生じることはない。

【０００８】 ここでは画像を線形化するための効果的な方法を２つ説明する：すなわち、空
間詰め曲線(Space-filling curve)方法、およびクラスタリング方法である。し
かしながら、これ以外の方法を使用して画像を線形化することも可能である。

【０００９】 （空間詰め曲線(Space filling curve)） 画像は、その画像の各種属性によって、あるいはその成分によってカテゴリ分
類することができる。たとえば画像を、カラー情報、形状情報、サイズ情報、テ
クスチャ情報、または表現されている対象によって、あるいはその画像のその他
のコンテンツに基づいて細分し、カテゴリ分類することができる。また、画像自
体の一部ではないが、各画像に関連づけられた情報であるタグ情報によってカテ
ゴリ分類することも考えられる。タグ情報は、注釈情報、オーディオ情報、タイ
ムスタンプ情報、グローバル位置情報（ＧＰＳ）等を含むこともある。

【００１０】 一実施形態においては、６００個の異なるカラー・ビンを使用して画像のヒス
トグラムを生成する。このヒストグラムは、使用されている６００色のカラーの
それぞれに対応するピクセルの数を含む。

【００１１】 一実施形態においては、ヒストグラムのそれぞれの成分を使用して画像をＮ次
元空間内の座標にマップする。この例においてＮは６００である。たとえば、画
像Ｉは、Ｎ次元空間における座標： ＜属性１，属性２，属性３，．．．，属性Ｎ＞ にマップされ、これにおいては、属性１を１番目のカラーに対応するピクセルの
数、属性２を２番目のカラーに対応するピクセルの数とする形が用いられ、それ
に従って以降の各成分も決定される。

【００１２】 複数の画像をＮ次元空間にマップすることもできる。Ｎ次元空間において互い
に近接して配置される画像は、それらの属性が互いに近接した関係にある。これ
に対して、Ｎ次元空間において遠く離れて配置される画像は、それらの属性があ
まり近接した関係にない。

【００１３】 Ｎ次元空間に画像の集まりをマップするために使用されている１つの方法は、
任意の直線にすべての画像をマップすることである。画像がマップされた直線上
の位置は、その画像の線形化を示す。しかしながらこの線形化は、類似の属性を
有する画像の関係を保存しない。これは、Ｎ次元空間を１次元の直線にマップす
るために、Ｎ次元空間において画像がどの程度近接した関係にあったかというこ
とについての情報が維持されないことによる。

【００１４】 本発明の一実施形態は、類似した画像の関係の維持を補助するために、空間詰
め曲線を使用して画像の線形化を行う。空間詰め曲線は、ｋ次元空間におけるす
べての点を通る連続したパスである。空間詰め曲線は、多次元空間における点を
線形化する方法を提供する。

【００１５】 空間詰め曲線については長年にわたって研究されており、より最近ではコンピ
ュータ科学者の注目を集めている。たとえば、Ｃ．Ｆａｌｏｕｔｓｏｓ（Ｃ．フ
ァロウツオス）およびＳ．Ｒｏｓｅｍａｎ（Ｓ．ローズマン）による「Ｆｒａｃ
ｔａｌｓ ｆｏｒ Ｓｅｃｏｎｄａｒｙ Ｋｅｙ Ｒｅｔｒｉｅｖａｌ（２次キ
ー検索に関するフラクタル）」（Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ ＣＳ-Ｔ
Ｒ-２２４２，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍａｒｙｌａｎｄ Ｉｎｓｔｉｔ
ｕｔｅ ｆｏｒ Ａｄｖａｎｃｅｄ Ｃｏｍｐｕｔｅｒ Ｓｔｕｄｉｅｓ（メリ
ーランド大学先進コンピュータ研究所テクニカル・レポートＣＳ-ＴＲ-２２４２
）１９８９年５月）に空間詰め曲線の使用例を見ることができる。空間詰め曲線
には、ヒルベルト曲線、ペアノ曲線、シェルピンスキー曲線、ルベーグ曲線、シ
ェーンベルグ曲線を含めて、各種のタイプが存在する。空間詰め曲線の詳細につ
いては、Ｈａｎｓ Ｓａｇａｎ（ハンス・サガン）による「Ｓｐａｃｅ-Ｆｉｌ
ｌｉｎｇ Ｃｕｒｖｅｓ（空間詰め曲線）」（Ｓｐｒｉｎｇｅｒ-Ｖｅｒｌａｇ
（スプリンガー・ファラーク，１９９４年刊）を参照されたい。

【００１６】 図７に、１次、２次、３次、および４次の２次元ヒルベルト曲線を示す。より
高次のヒルベルト曲線を導くときには、頂点０および頂点３において、この曲線
を回転し、折り返せばよい。この曲線は、曲線の各頂点において同一の回転およ
び折り返しをたどることによって、再帰的に成長を継続させることができる。

【００１７】 図８は、１次、２次、および３次の２次元ペアノ曲線を示している。より高次
のペアノ曲線を導くときには、基本の曲線の各頂点を、それより低次の曲線によ
り置き換える。この分野においては周知のように、ヒルベルト曲線およびペアノ
曲線は、多次元に拡張することができる。

【００１８】 空間詰め曲線は、空間詰め曲線上において互いに近接する点が多次元空間にお
いても互いに近接するという特性を有している。しかしながらその逆は真ではな
い：すなわち、多次元空間において互いに近接する点は、必ずしも空間詰め曲線
において互いに近接しない。

【００１９】 図２に、２次元および３次元の空間詰め曲線の例を示す。この場合に使用して
いる曲線は、Ｎ次元ヒルベルト曲線である。多次元空間において互いに近接して
いる２つの点１０および１１は、多次元空間の２つのセクションを分けるパーテ
ィション境界の近くに存在する。この曲線を、図２の下側に示すようにトラバー
スすると、空間において近接していたこれらの点が、線形化においては遠く離れ
た点にマップされてしまう。これは、ヒルベルト曲線およびペアノ曲線のパーテ
ィション境界において、近接した点に生じる、それを原因とした望ましくない離
隔である。

【００２０】 図３は、多次元空間において互いに近接した画像を提供する信頼性を向上する
ために第２の曲線が使用される例を示している。一実施形態においては、ヒルベ
ルト曲線を補うためにペアノ曲線が使用される。これらのヒルベルト曲線および
ペアノ曲線は、望ましくない結果を生じる可能性のあるパーティション境界が、
それぞれ異なるところで現れるように構成されている。空間的に近接している点
２０および２１は、図３に示されるように、ヒルベルト曲線またはペアノ曲線の
いずれかにおいては、互いに近接する可能性が高くなる。

【００２１】 表１に、Ｎ次元空間内の点をヒルベルト曲線の１次元トラバース上の点および
ペアノ曲線の１次元トラバース上の点にマップするＣ言語により記述したコンピ
ュータ・プログラムの例を示す。一実施形態においてこのコードは、Ｎ次元空間
における点を０と１の間の区間にマップする。このプログラムの出力は、解析さ
れたそれぞれの画像ごとの、０と１の間の数を識別するピット・パターンとなる
。別の画像を０と１の間の別のビット・パターンにマップするときには、ヒルベ
ルト曲線に基づいた第１の線形化およびペアノ曲線に基づいた第２の線形化を用
いてデータベースをセットアップする。

【００２２】 一実施形態においては、簡略化のため、パーティション境界にマップされる画
像がパーティション境界の真上とならないようにわずかに調整している。これは
、曲線が複数回にわたってパーティション境界上の点にヒットすることがあり得
るためである。ヒルベルト曲線におけるパーティション境界は、Ｎ次元空間の、
＿、＿、１／８、１／１６等の倍数となる点である。ペアノ曲線においては、パ
ーティション境界がＮ次元空間の、１／３、１／９、１／２７等の倍数の点とな
る。

【００２３】 表１ /********************************************************************* 著作権：1998年Intel Corporation（インテル・コーポレーション） 空間詰め曲線のトラバースを介して空間内の点をライン上の点に折り畳むための
疑似コード。 「点」は、一般的な旧来の整数座標の配列である。これらを組み合わせてライン
に沿った位置を示す単一の値が生成される。 ここでは高次元空間（DIMENSION==〜600）を扱うことから、最終的な値が数百桁
にもなり、それを保持するために特殊なデータ型を作成する。 **************************************************************/ 開始 それぞれの画像Iについてのループを開始： Iに対してn個のビンを有するカラー・ヒストグラムHを計算する 標準のピクセル数に対してHを正規化する Hをn次元のベクトルVに変換する Hctol(V)を呼び出し、ヒルベルト曲線トラバースに沿ったVのポジションをプ
リントアウトする Pctol(V)を呼び出し、ペアノ曲線トラバースに沿ったVのポジションをプリン
トアウトする 終了 ヒルベルト曲線のポジションに沿って画像をソート：ソート後のリストを出力 ペアノ曲線のポジションに沿って画像をソート：ソート後のリストを出力 /* この後、これらの2つの順序づけを使用してブラウザ・ウインドウを生成す
ることができる */ 終了 /* * 関数：hilbert_cube_to_line---Hctol * ヒルベルト曲線トラバースを介してm次元座標を * ラインに折り畳む */ 関数 Hctol(point) { 整数 tau, /* 最終ライン・ポジションの数塊 */ lasttau; /* 直前のtauの値のホルダ */ 整数 i,j,k, /* カウンタ */ lastbit=0, one,zero, r=0,b=0, DEGREE=19; /* DEGREE==座標当たりのビット精度を表す数 */ i=DEGREE .. 1についてのループを開始 { /* すべての座標値からtauを抽出 */ j=1 .. DIMENSIONについてのループを開始 { tauのj番目のビット=point[j]のi番目のビットをセット } tauとlasttauを交換; tauとlasttauのXORを計算 tauをrビット分左にロール; tau->end=(tau->end+roller)%DIMENSION; /* tau内のビットを回転させる */ lastbit==0の場合には tauの最初のビットをトグル：つまり1を0に、0を1に置き換える; tauのb番目の（左から）ビットをトグル; /* 数のアバランシェおよび出力バッファへの送り */ j=1 .. DIMENSIONについてのループを開始{ k=tauの先頭のjビットのXORを計算; kを出力; k==1の場合は1=j; それ以外の場合は0=j; } /* bを計算 */ lastbit=kをセット lastbit==0の場合には b=DIMENSION-one; それ以外の場合には b=DIMENSION-zero; r=(r+DIMENSION-1-b)%DIMENSION; } } /* * 関数：peano_cube_to_line * ペアノ曲線トラバースを介してm次元座標を * ラインに折り畳む */ void Pctol(point) { 整数i,j,trit,flag=0,DEGREE=12; 整数 モジュラス,h=0; 整数 flags[2048]; /* flagsは、任意の所定点において曲線が 曲がる方向を決定するために使用される */ すべてのiについて、flags[i]=0をセット; i=DEGREE .. 1についてのループを開始 j=DIMENSION .. 1についてのループを開始 { flag=flag XOR flags[j]; trit=point[j]のi番目の数 /* これは基数3であり、したがってtritは、 0,1,または2の値をとることができる */ trit==1の場合には、flag[j]を反転; それ以外の場合には flagが真であれば trit=2-tritをセット; /* つまり2を0に、または0を2にセット */ tritを出力; flag=flag XOR flags[j]をセット; } } } /* 空間詰め曲線のトラバースを介して空間内の点をライン上の点に折り畳むための
ソース・コード。 「点」は、一般的な旧来の整数座標の配列である。これらを組み合わせてライン
に沿った位置を示す単一の値が生成される。 ここでは高次元空間（DIMENSION==〜600）を扱うことから、最終的な値が数百桁
にもなり、それを保持するために特殊なデータ型を作成しなければならない。 */ #include<stdio.h> #define MAXD 700 #define DIMENSION length #define SIDELENGTH 531441 /* */ /* 数字データ型をハンドルするためのコード */ /* */ typedef struct numeral{ char d[MAXD]; /* 多くとも最高桁の */ int end; /* MAXD桁のポジション */ } * numeral; char hopper[10]; int hopsize, hopcount, hopmod; /* Ninit---数表示を割り当て、その値を0にセットする */ numeral ninit(int length) { numeral done; int i; if((done=(numeral)malloc(sizeof(struct numeral)))==NULL) {fprintf(stderr,"Numeral allocation problem.＼n");exit(1);} for(i=0; i<MAXD; i++) done->d[i]='0'; done->end=DIMENSION-1; return done; } /* Hopperhead---"hopper"を初期化。詳細は次に述べる */ void hopperhead(int size, int mod) { hopsize=size; hopmod=mod; hopcount=0; } /* Hop---"hopper"に数を注ぎ入れ、 * それが満たされると全体を移す。 * * hopper（ホッパ）は、2または3といった小さい基数bにおける数の、小さな * バッファである。これらの数は、非常に大きなバイナリ数／ターナリ数 * 形式において、曲線マッピング関数によって生成される。これらのすべてを * ファイルにストアすることが望まれないことから、標準出力にプリントする * 前に、hop（ホップ）関数がN個の基数bの数を基数N*bの単一の数に集成する
。 * */ void hop(int c) { int i,j; if(c!=0) hopper[hopcount++]=(char)c; if(hopcount>=hopsize || c==0){ /* ホッパを基数nフォーマットでダンプ */ for(i=j=0; j<hopcount; j++) i=i*hopmod+hopper[j]-'0'; printf("%c", i+' '+1); hopcount=0; } } /* * 関数：hilbert_cube_to_line * ヒルベルト曲線トラバースを介してm次元座標を * ラインに折り畳む * * この関数は、整数の配列（座標）を受け入れ、 * それをラインに沿ったポジションに変換し、 * 数を出力バッファに送り、最終的にはそこから * 標準出力にプリントされる。 */ void Hctol(int * v, int length) { numeral tau, lasttau; int i, j, k, one,zero,lastbit=0,lastbyte=0, roller=0, DEGREE=19; tau=ninit(DIMENSION); lasttau=ninit(DIMENSION); hopperhead(6,2); /* ホッパをセットアップ：基数2、 */ /* 最大6桁のバッファ */ for(i=1<<(DEGREE-1); I>0; i>>=1) { /* すべての座標値からtauを抽出する */ for(j=0; j<DIMENSION; j++) tau->d[j]=((v[j]&i)==0) ? '0' : '1'; tau->end=DIMENSION-1; /* tau^=lasttau; lasttau^=tau;を実行 */ for(j=0; j<DIMENSION; j++){ k=tau->d[j]; tau->d[j]^=(lasttau->d[j]&1); lasttau->d[j]=k; } /* tauの値を"roller"ビット分左にロールする */ tau->end=(tau->end+roller)%DIMENSION; /* tau内のビットを回転させる */ if(lastbit==0) tau->d[(tau->end+1)%DIMENSION] ^=1; tau->d[(tau->end+1+lastbyte)%DIMENSION] ^=1; /* 数のアバランシェおよび出力バッファへの送出 */ for(j=k=0,one=zero=DIMENSION-1;j<DIMENSION;j++){ hop(tau->d[(tau->end+1+j)%DIMENSION] ^=k); k^=(tau->d[(tau->end+1+j)%DIMENSION]&1); if(k) one=j; else zero=j; } /* lastbyteを計算 */ if(lastbyte=k) lastbyte=DIMENSION-1-zero; else lastbyte=DIMENSION-1-one; roller=(roller+DIMENSION-1-lastbyte)%DIMENSION; } hop(0); /* 出力バッファをフラッシュ */ free(tau); free(lasttau); } /* * 関数：peano_cube_to_line * ペアノ曲線トラバースを介してm次元座標を * ラインに折り畳む * * この関数は、整数の配列（座標）を受け入れ、 * それをラインに沿ったポジションに変換し、 * 数を出力バッファに送り、最終的にはそこから * 標準出力にプリントされる。 */ void Pctol(int * v, int length) { int i,j,trit,flag=0,DEGREE=12; int modulus, h=0; int flags[2048]; hopperhead(4,3); /* ホッパをセットアップ：基数3、 */ /* 最大4桁のバッファ */ for(i=0; i<2048; i++) flags[i]=0; for(modulus=SIDELENGTH/3, i=DEGREE-1; i>0; i--, modulus /=3){ for(j=DIMENSION-1; j>=0; j--){ flag ^= flags[j]; /* カレント・フラグとのXOR-out */ trit=(v[j]/modulus)%3; /* カレントの基数3の数を獲得 */ if(trit==1) flags[j] ^=1; /* カレント・フラグを反転、あるいは： */ else if(flag) trit=2-trit; /* 数を反転する */ hop(trit+'0'); /* 数を出力に送る */ flag ^= flags[j]; /* 新しいフラグ値とのXOR-in */ } } hop(0); /* 出力バッファをフラッシュ */ } ───────────────────────────────────

【００２４】 図１に、各画像に対して２重線形化を生成するプロセスを示した一実施形態の
フローチャートを示す。ステップ１０１においては、画像ＩｊのヒストグラムＨ
（Ｉｊ）が生成される。一実施形態においてこのヒストグラムは、カラー情報を
使用することによって実現される。それ以外の特徴情報、たとえば形状およびサ
イズ等を実装することも可能であり、またそれを、ヒストグラムまたはそのほか
の特徴表現において行うことも可能である。

【００２５】 基本的に、ベクトル（空間における点）として表現することができる画像のコ
ンテンツが使用されることになる。互いに「近接している（近い）」点は、特定
の種類のコンテンツにおいて類似している。画像の集まりを点の集まりに変換し
た後の残りのプロセスはどれも同じになる：すなわち、２つの曲線に沿って「空
間」をトラバースし、データ構造を出力する。

【００２６】 ステップ１０２においては、ｋ個の属性のヒストグラムがｋ次元の空間内の点
ｐ（ｊ）にマップされるが、このｋは正の整数である。ステップ１０３において
は、ｐ（ｊ）の位置が、ｋ−空間のヒルベルト・トラバースの形で計算される。
一実施形態の場合は、ｐ（ｊ）の位置を、ｋ−空間のヒルベルト・トラバースに
おける区間［０，１］に沿って計算する。ステップ１０４で、ｐ（ｊ）の位置が
、ｋ−空間のペアノ・トラバースにおける区間［０，１］に沿って計算される。
ステップ１０５においては、ヒルベルト曲線およびペアノ曲線のトラバースから
得られた値に基づいて、ｐ（ｊ）にもっとも近接する４つの近傍が特定される。
これらのリンクは、画像の位置に従って更新される。

【００２７】 一実施形態においては、リンクされたデータ構造が、各画像を線形化するとき
、そのストアに使用される。たとえば、ヒルベルト曲線のトラバースに基づいた
線形化によって、第１のリンクされた構造内に新しい画像を配置する。この新し
い画像は、それにもっとも近い近傍、つまり線形化において新しい画像にもっと
も近接する画像にリンクされる。さらにこの新しい画像は、同様の態様でペアノ
曲線のトラバースに基づいた線形化によって第２のリンクされた構造内に配置さ
れる。

【００２８】 すべての画像をデータ構造に追加完了した後は、第１の集まりのリンクをたど
り、ヒルベルトのトラバースに基づいた線形化をトラバースすることができる。
また、第２の集まりのリンクをたどり、ペアノのトラバースに基づいた線形化を
トラバースすることも可能である。別の実施形態として、これら以外の方法に基
づいた線形化を使用することも考えられる。さらに、３つ以上の線形化を使用し
てもよい。

【００２９】 ここに説明したデータ構造を使用する１つの利点として、画像をデータ構造に
追加するごとに、あるいはそこから削除するごとに、その完全な再計算を行う必
要がないことが挙げられる。その代りとして、画像の追加または削除を行うごと
に、いくつかのリンクの修正だけが必要になる。このデータ構造の第２の利点は
、データに依存しないことであり、その結果、単純なリスト併合を多少超える程
度で既存のデータベースを合成することができる。

【００３０】 （クラスタリング） クラスタリングは、画像の線形化を実施する別の方法である。クラスタは、ツ
リー様構造を使用する画像のグループ化である。クラスタの特性は、類似の画像
が同時に同じデータ構造内に配置されることがまれではないようになっている。
クラスタの巧妙なトラバースに基づいた線形化を実行することによって、線形化
において類似の画像が互いに隣接して配置される可能性が高くなる。

【００３１】 クラスタを線形化する１つの方法は、第１の画像のグループ全体を追加した後
に、クラスタをトラバースして画像の別のグループを追加する。たとえば、第１
の画像のグループがすべて同時にクラスタに追加されるとすれば、第１のグルー
プと異なる時点でクラスタに追加された画像のグループ上に移動する前に、これ
らの画像のリンクが行われる必要がある。

【００３２】 別の実施形態においては、ターゲット画像の属性がクラスタの全グループの属
性と比較される。属性においてもっとも近接しているグループが最初に線形化さ
れる。残りのグループは、属性におけるそれらの類似性に基づいて追加される。
ターゲット画像とクラスタ内のグループ全体の比較には、重心またはグループ全
体の平均的な特性を表した項目を使用することができる。

【００３３】 線形化を行う別の方法は、順序立った態様でクラスタのトラバースを行う方法
である。たとえば、第１の線形化においては、まず右側のすべてのブランチをト
ラバースし、次に左側のブランチをトラバースする。第２の線形化においては、
左側のすべてのブランチをトラバースする。それに代えて、第１の線形化におい
て右側と左側のブランチを交互にたどり、第２の線形化においてその逆を行うと
いう態様も考えられる。

【００３４】 別の実施形態においては、クラスタの第１のトラバースを行うことによって複
数の線形化を生成することが可能であり、この第１のトラバースにおいては、１
つのセクションの各画像を線形化する第１のランダム・トラバースを行った後、
別のセクションに移動する。その後、同じクラスタに対して異なるランダム・ト
ラバースを行うことによって、クラスタ全体の第２のトラバースを行う。

【００３５】 （多重線形化の表示） 図４は、２重線形化に基づいたブラウザの例を示している。このインプリメン
テーションにおいては、合計で５３の画像が同時に表示される。注目しているカ
レント画像、つまりターゲット画像は、表示の中心に置かれる。左右に隣接して
いる画像は、第１の線形化においてもっとも近接していた近傍４２ａである。上
下に隣接している画像は、第２の線形化においてもっとも近接していた近傍４２
ｂである。

【００３６】 もっとも近接した近傍は、線形化においてターゲット画像にもっとも近かった
画像である。空間詰め曲線の場合、もっとも近接する近傍が、線形化における位
置に関してターゲット画像に対応する点にもっとも近接する点に対応する。一実
施形態においては、第１の線形化をヒルベルト曲線に基づくものとし、第２の線
形化をペアノ曲線に基づくものとすることができる。第２の実施形態においては
、第１の線形化がクラスタ・データ構造の第１のトラバースを基礎とし、第２の
線形化が同じクラスタ・データ構造の第２のトラバースを基礎とする。

【００３７】 一実施形態において、もっとも近い近傍の画像を表示する規則が残りすべての
画像に対しても再帰的に適用される。それに加えて一実施形態においては、画像
が中心から、つまりターゲット画像から離れるほどそのサイズを小さくして、画
像が中心から離れるに従って非類似性が高くなることを表す。図３を参照すると
、ターゲット画像と２番目に近い近傍４３は、もっとも近い近傍４２ａおよび４
２ｂより小さい。ターゲット画像と３番目に近い近傍４４は、２番目に近い近傍
４３よりさらに小さくなっている。

【００３８】 図５は、３重線形化に基づいたブラウザの例を示している。一実施形態におい
ては、画像の上下が、第１の線形化に基づいてもっとも近接しているとされた近
傍の画像となる。残りのうち２つ画像は第２の線形化に基づいてもっとも近接し
ているとされた近傍の画像に対応し、最後の２つ画像は第３の線形化に基づいて
もっとも近接しているとされた近傍の画像に対応する。さらに別の実施形態にお
いて、線形化をさらに追加すことも可能であり、また異なる方法に基づく線形化
を混合することも可能である。

【００３９】 図６は、ミドルウェア・サーバと通信を行い、ウェブ・ページを構築してエン
ド−ユーザに提供するＳＱＬサーバ上に実装されたシステムの例を示している。
ＳＱＬサーバは、多重線形化のデータ構造を維持している。このウェブ・サーバ
によって、表示された画像の任意の１つからターゲット画像を容易に選択するこ
とが可能になる。画像の１つが選択されると、それがターゲット画像となり、そ
れに応じてもっとも近い近傍画像および２番目に近い近傍画像が更新される。

【００４０】 以上のように、画像ブラウジングのための多重線形化を使用するシステムおよ
びその方法を開示してきた。ただし、ここに説明した具体的な装置および方法は
、本発明の原理を単に例示するものに過ぎない。説明を行った本発明の範囲から
逸脱することなく、形式および詳細において多くの変形も可能であろう。本発明
は、特定の実施形態との関連から説明されているが、それを限定と解釈すべきで
はない。むしろ説明されている発明は、付随する特許請求の範囲によってのみ限
定される。

【００４１】 図１に示した方法のステップは、プログラム・モジュールに系統化されたイン
ストラクションを実行するコンピュータ・プロセッサによって、あるいはカスタ
ム設計の状態マシンによって実行することができる。コンピュータ・プログラム
・インストラクションを実体として具体化するために適したストレージ・デバイ
スには、限定する意図ではないが、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシ
ュ・デバイス等の半導体メモリ・デバイス；磁気ディスク（ハードディスク、フ
ロッピー（登録商標）ディスク、およびリムーバブル）；テープ等のその他の磁 気メディア；およびＣＤ-ＲＯＭディスク等の光メディアを含めたあらゆる形式 の不揮発性メモリが包含される。さらに、ここに説明した方法は、ディスクリー ト・ロジックからなるプリント回路ボード、集積回路、あるいは特別に設計され た特定用途向け集積回路（ＡＳＩＣ）等のハードウエア・デバイスにおいて具体 化することもできる。

【図面の簡単な説明】

【図１】 各画像に関して２重線形化を生成するプロセスを示した一実施形態のフローチ
ャートである。

【図２】 空間詰め曲線の一例を示している。

【図３】 第２の曲線を使用して、多次元空間において互いに近接した画像を提供する上
での信頼性を向上させた実施形態を示している。

【図４】 ２重線形化に基づいたブラウザの例を示している。

【図５】 ３重線形化に基づいたブラウザの例を示している。

【図６】 ミドルウェア・サーバと通信を行い、ウェブ・ページを構築してエンド−ユー
ザに提供するＳＱＬサーバに実装されたシステムの例を示している。

【図７】 １次、２次、および３次の２次元ヒルベルト曲線を示している。

【図８】 １次、２次、および３次の２次元ペアノ曲線を示している。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＵＧ，ＺＷ)，Ｅ Ａ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ， ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＤ，Ｇ Ｅ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＮ，ＩＳ ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ， ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，Ｍ Ｎ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ， ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ，Ｚ Ａ，ＺＷ (72)発明者 イーウン，ミネルヴァ・エム アメリカ合衆国・94086・カリフォルニア 州・サニーベイル・サター アベニュ・ 969 Ｆターム(参考） 5B050 DA02 DA04 EA08 EA09 EA18 FA02 FA05 GA08 5B075 ND06 NR12 5L096 AA02 AA06 FA37 JA11 KA09

Claims (21)

【特許請求の範囲】
1. 【請求項１】 複数の画像を表示する方法において： （ａ）ターゲット画像を表示するステップ；および、 （ｂ）第１および第２の線形化に基づいて、前記ターゲット画像にもっとも近
   い近傍を表示するステップ； を含むことを特徴とする方法。
2. 【請求項２】 さらに： （ｃ）前記ターゲット画像に２番目に近い近傍を表示するステップであって、
   前記第１および第２の線形化に基づいて２番目に近い近傍を表示するステップ； を含むことを特徴とする前記請求項１記載の方法。
3. 【請求項３】 前記もっとも近い近傍を表示するステップは、前記ターゲッ
   ト画像より小さいサイズを用いて前記もっとも近い近傍を表示するステップを包
   含することを特徴とする前記請求項１記載の方法。
4. 【請求項４】 前記２番目に近い近傍を表示するステップは、前記もっとも
   近い近傍より小さいサイズを用いて前記２番目に近い近傍を表示するステップを
   包含することを特徴とする前記請求項２記載の方法。
5. 【請求項５】 さらに： （ｃ）第３の線形化に基づいて、前記ターゲット画像に２番目に近い近傍を表
   示するステップ； を含むことを特徴とする前記請求項１記載の方法。
6. 【請求項６】 前記第１および第２の線形化は、多次元空間における曲線で
   あって、該曲線上において近接する点が必然的に前記多次元空間において近接す
   る特性を有する曲線に対する複数の画像のマッピングに基づくものであることを
   特徴とする前記請求項１記載の方法。
7. 【請求項７】 第１の複数の画像を順序づける方法において： （ａ）属性によって前記第１の複数の画像のそれぞれの特性を決定するステッ
   プ； （ｂ）前記属性に基づいて、前記第１の複数の画像のそれぞれを多次元空間内
   の曲線上にマッピングするステップ；および、 （ｃ）前記曲線のトラバースに基づいて前記第１の複数の画像を順序づけるス
   テップ； を含むことを特徴とする方法。
8. 【請求項８】 前記マッピングするステップは、画像をマッピングする曲線
   であって、該曲線上において近接する点が必然的に前記多次元空間において近接
   する特性を有する曲線上に画像をマッピングするステップを含むことを特徴とす
   る前記請求項７記載の方法。
9. 【請求項９】 前記属性によって前記第１の複数の画像のそれぞれの特性を
   決定するステップは、さらに： （ａ）カラー・ヒストグラム情報からなる属性によって前記第１の複数の画像
   のそれぞれの特性を決定するステップ； を含むことを特徴とする前記請求項７記載の方法。
10. 【請求項１０】 前記第１の複数の画像のそれぞれを曲線にマッピングする
    ステップは、前記第１の複数の画像のそれぞれをヒルベルト曲線上にマッピング
    するステップ； を含むことを特徴とする前記請求項７記載の方法。
11. 【請求項１１】 前記第１の複数の画像のそれぞれを曲線にマッピングする
    ステップは、前記第１の複数の画像のそれぞれをペアノ曲線上にマッピングする
    ステップ； を含むことを特徴とする前記請求項７記載の方法。
12. 【請求項１２】 さらに： （ｄ）第２のデータ構造において生成された第２の複数の画像を前記第１の複
    数の画像に併合するステップ； を含むことを特徴とする前記請求項７記載の方法。
13. 【請求項１３】 前記第２の複数の画像を併合するステップは： （ｅ）前記多次元空間における前記曲線に関連する位置情報を示す、前記第２
    のデータ構造でストアされた位置情報に基づいて前記第２の複数の画像のそれぞ
    れにリンクを追加するステップ； 含むことを特徴とする前記請求項１２記載の方法。
14. 【請求項１４】 複数の画像を提供する方法において： （ａ）多次元空間における第１の曲線上に前記複数の画像のそれぞれをマッピ
    ングするステップ； （ｂ）多次元空間における第２の曲線上に前記複数の画像のそれぞれをマッピ
    ングするステップ； （ｃ）前記第１の曲線のトラバースに基づいて前記複数の画像の第１の線形化
    を決定するステップ； （ｄ）前記第２の曲線のトラバースに基づいて前記複数の画像の第２の線形化
    を決定するステップ； （ｅ）前記第１の線形化および前記第２の線形化に基づいて前記複数の画像を
    提供するステップ； を含むことを特徴とする方法。
15. 【請求項１５】 前記複数の画像を提供するステップは、さらに： （ｉ）前記第１の線形化に基づいて第１の方向に前記複数の画像を提供するス
    テップ； 含むことを特徴とする前記請求項１４記載の方法。
16. 【請求項１６】 前記複数の画像を提供するステップは、さらに： （ｉ）前記第２の線形化に基づいて第２の方向に前記複数の画像を提供するス
    テップ； 含むことを特徴とする前記請求項１４記載の方法。
17. 【請求項１７】 前記複数の画像を提供するステップは、さらに： （ｉ）少なくとも１つの空間詰め曲線に基づいて前記複数の画像を提供するス
    テップ； 含むことを特徴とする前記請求項１４記載の方法。
18. 【請求項１８】 前記複数の画像を提供するステップは、さらに： （ｉ）画像のクラスタの、異なる２つのトラバースに基づいて前記複数の画像
    を提供するステップ； 含むことを特徴とする前記請求項１４記載の方法。
19. 【請求項１９】 複数のインストラクションであって、プロセッサによって
    実行されたとき、該プロセッサが： （ａ）ターゲット画像を表示するステップ； （ｂ）第１および第２の線形化に基づいて、前記ターゲット画像にもっとも近
    い近傍を表示するステップ； を実行するインストラクションがストアされたコンピュータ可読メディア。
20. 【請求項２０】 前記もっとも近い近傍を表示するステップは、さらに： （ｃ）空間詰め曲線のトラバースに基づいて前記ターゲット画像にもっとも近
    い近傍を決定するステップ； を含むことを特徴とする前記請求項１９記載のコンピュータ可読メディア。
21. 【請求項２１】 前記もっとも近い近傍を表示するステップは、さらに： （ｃ）クラスタ・データ構造のトラバースに基づいて前記ターゲット画像にも
    っとも近い近傍を決定するステップ； を含むことを特徴とする前記請求項１９記載のコンピュータ可読メディア。