JP2003173442A - 多次元画像をセグメント化する方法およびコンピュータシステム - Google Patents
多次元画像をセグメント化する方法およびコンピュータシステムInfo
- Publication number
- JP2003173442A JP2003173442A JP2002305584A JP2002305584A JP2003173442A JP 2003173442 A JP2003173442 A JP 2003173442A JP 2002305584 A JP2002305584 A JP 2002305584A JP 2002305584 A JP2002305584 A JP 2002305584A JP 2003173442 A JP2003173442 A JP 2003173442A
- Authority
- JP
- Japan
- Prior art keywords
- color
- region
- regions
- merging
- color region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Abstract
(57)【要約】
【課題】 オブジェクトに基づく画像検索のための新た
な画像セグメント化アルゴリズムを提供する。 【解決手段】 本発明は、多次元画像からカラーリージ
ョンを抽出し、すべてのカラーリージョン対の境界の複
雑さを計算する。カラーリージョン対の境界複雑さの値
が所定の境界複雑さしきい値より大きく、かつ、リージ
ョン対の色距離が所定の距離しきい値より小さい場合
に、リージョン対を併合する。階層的クラスタ分析を用
いてカラーリージョンを併合した後、境界分析を用いて
カラーリージョンを併合する。カラーリージョンが小さ
く、かつ、別のカラーリージョンによって包囲されてい
るかどうかを判定し、その判定が真である場合、小さい
カラーリージョンを、包囲しているカラーリージョンに
併合する。最後に、リージョンデータを各カラーリージ
ョンに割り当てる。
な画像セグメント化アルゴリズムを提供する。 【解決手段】 本発明は、多次元画像からカラーリージ
ョンを抽出し、すべてのカラーリージョン対の境界の複
雑さを計算する。カラーリージョン対の境界複雑さの値
が所定の境界複雑さしきい値より大きく、かつ、リージ
ョン対の色距離が所定の距離しきい値より小さい場合
に、リージョン対を併合する。階層的クラスタ分析を用
いてカラーリージョンを併合した後、境界分析を用いて
カラーリージョンを併合する。カラーリージョンが小さ
く、かつ、別のカラーリージョンによって包囲されてい
るかどうかを判定し、その判定が真である場合、小さい
カラーリージョンを、包囲しているカラーリージョンに
併合する。最後に、リージョンデータを各カラーリージ
ョンに割り当てる。
Description
【０００１】
【発明の属する技術分野】本発明は、オブジェクトに基
づく画像検索で利用するために画像内のカラーリージョ
ンをセグメント化する方法に関する。特に、本発明は多
次元画像をカラーリージョンに分割し、カラーおよび境
界分析を実行して、多次元画像をセグメント化し、ある
いは、多次元画像をカラーリージョンにセグメント化す
る。
づく画像検索で利用するために画像内のカラーリージョ
ンをセグメント化する方法に関する。特に、本発明は多
次元画像をカラーリージョンに分割し、カラーおよび境
界分析を実行して、多次元画像をセグメント化し、ある
いは、多次元画像をカラーリージョンにセグメント化す
る。
【０００２】
【従来の技術】以下の論文は、本発明に関連するすべて
の主題に関する有用な背景的情報を提供するものであ
り、本明細書と一体のものとして参考文献として引用す
る。
の主題に関する有用な背景的情報を提供するものであ
り、本明細書と一体のものとして参考文献として引用す
る。
【０００３】・J. Shi and J. Malik, "Normalized Cut
s and Image Segmentation", IEEETransactions on Pat
tern Analysis and Machine Intelligence, 22(8), Aug
ust2000, pp.888-905 ・W. Y. Ma and B. S. Manjunath, "Edge Flow: A Fram
ework of Boundary Detection and Image Segmentatio
n", Proc. IEEE International Conference onComputer
Vision and Pattern Recognition, June 1997, pp.744
-49 ・J. Z. Wang et al., "Unsupervised Multiresolution
Segmentation of Images with Low Depth of Field",
IEEE Trans. on Pattern Analysis and Machine Intell
igence, Vol.23, No.1, January 2001, pp.85-90 ・K. Hirata, S. Mukherjea, W. S. Li and Y. Hara, "
Integrating Image Matching and Classification for
Multimedia Retrieval on the Web", IEEE Internation
al Conference on Multimedia Computing and Systems,
June 1999 ・K. Hirata, S. Mukherjea, W. S. Li, Y. Okamura an
d Y. Hara, "Facilitating Object-based Navigation T
hrough Multimedia Web Databases", Theory and Pract
ice of Object Systems, Vol.4(4), pp.261-83 (1998)
s and Image Segmentation", IEEETransactions on Pat
tern Analysis and Machine Intelligence, 22(8), Aug
ust2000, pp.888-905 ・W. Y. Ma and B. S. Manjunath, "Edge Flow: A Fram
ework of Boundary Detection and Image Segmentatio
n", Proc. IEEE International Conference onComputer
Vision and Pattern Recognition, June 1997, pp.744
-49 ・J. Z. Wang et al., "Unsupervised Multiresolution
Segmentation of Images with Low Depth of Field",
IEEE Trans. on Pattern Analysis and Machine Intell
igence, Vol.23, No.1, January 2001, pp.85-90 ・K. Hirata, S. Mukherjea, W. S. Li and Y. Hara, "
Integrating Image Matching and Classification for
Multimedia Retrieval on the Web", IEEE Internation
al Conference on Multimedia Computing and Systems,
June 1999 ・K. Hirata, S. Mukherjea, W. S. Li, Y. Okamura an
d Y. Hara, "Facilitating Object-based Navigation T
hrough Multimedia Web Databases", Theory and Pract
ice of Object Systems, Vol.4(4), pp.261-83 (1998)
【０００４】次に、本発明を理解するための適当な基礎
を提供するために、いくつかの主題について説明する。
を提供するために、いくつかの主題について説明する。
【０００５】画像検索(image retrieval)は、ブロード
バンド・インターネットの世界で重要な話題の１つであ
る。コンピュータは、大量のビデオデータおよび写真デ
ータを、蓄積された画像データとして記憶している。し
かしながら、蓄積画像データは、通常、キーワードがな
いか又は非常に少数のキーワードとともに記憶されてい
る。さらに、蓄積画像データは通常適切には分類されて
いない。ほとんどのユーザは、蓄積画像データを分類す
るのに時間をかけたり、適切なキーワードを蓄積画像デ
ータに割り当てたりしようとはしないからである。
バンド・インターネットの世界で重要な話題の１つであ
る。コンピュータは、大量のビデオデータおよび写真デ
ータを、蓄積された画像データとして記憶している。し
かしながら、蓄積画像データは、通常、キーワードがな
いか又は非常に少数のキーワードとともに記憶されてい
る。さらに、蓄積画像データは通常適切には分類されて
いない。ほとんどのユーザは、蓄積画像データを分類す
るのに時間をかけたり、適切なキーワードを蓄積画像デ
ータに割り当てたりしようとはしないからである。
【０００６】多くの場合、ユーザは、蓄積画像に含まれ
るオブジェクトを、問合せの題目として使用しようとす
る。例えば、ユーザは、「私の息子がビーチで写ってい
る写真をすべて見出せ」というような問い合わせで、蓄
積画像データに含まれるいくつかの画像を検索しようと
する。この問合せにおいて、蓄積画像データ内でのオブ
ジェクト（私の息子）の位置およびサイズは重要ではな
い。海岸での写真で、かつ、ユーザの息子を含むすべて
の蓄積画像が検索されなければならない。この種の探索
は、画像全体の類似度を評価することでは達成されな
い。システムは、要求されたオブジェクトを画像から抽
出し、そのオブジェクトを単位として用いて類似度を評
価しなければならない。有効な画像検索のためには、画
像セグメント化および属性割当てが、画像マッチングの
目的のために設計されなければならない。
るオブジェクトを、問合せの題目として使用しようとす
る。例えば、ユーザは、「私の息子がビーチで写ってい
る写真をすべて見出せ」というような問い合わせで、蓄
積画像データに含まれるいくつかの画像を検索しようと
する。この問合せにおいて、蓄積画像データ内でのオブ
ジェクト（私の息子）の位置およびサイズは重要ではな
い。海岸での写真で、かつ、ユーザの息子を含むすべて
の蓄積画像が検索されなければならない。この種の探索
は、画像全体の類似度を評価することでは達成されな
い。システムは、要求されたオブジェクトを画像から抽
出し、そのオブジェクトを単位として用いて類似度を評
価しなければならない。有効な画像検索のためには、画
像セグメント化および属性割当てが、画像マッチングの
目的のために設計されなければならない。
【０００７】
【発明が解決しようとする課題】セグメント化（セグメ
ンテーション）は、多くの画像処理アプリケーションに
おいて最も重要なオペレーションの１つである。数多く
の技術が提案されている。Malik et al.は、テクスチャ
と輪郭の特徴を統合し、正規化カット(normalized cut)
アルゴリズムに基づいて画像をリージョンに分割してい
る。W. Y. Ma etal.は、エッジフローに基づいて境界を
検出している。Ma et al.は、また、強度／カラーおよ
びテクスチャの不連続性を統合して画像をセグメント化
している。これらのアルゴリズムは、テクスチャ領域お
よび非テクスチャ領域の両方を含む画像から境界を検出
するように作用する。しかし、これらのアルゴリズム
は、オブジェクトに基づく画像検索のために画像をセグ
メント化するようには設計されていない。例えば、各領
域の形状と位置情報は、画像をセグメント化する際には
考慮に入れられているが、索引付け段階では考慮されて
いない。
ンテーション）は、多くの画像処理アプリケーションに
おいて最も重要なオペレーションの１つである。数多く
の技術が提案されている。Malik et al.は、テクスチャ
と輪郭の特徴を統合し、正規化カット(normalized cut)
アルゴリズムに基づいて画像をリージョンに分割してい
る。W. Y. Ma etal.は、エッジフローに基づいて境界を
検出している。Ma et al.は、また、強度／カラーおよ
びテクスチャの不連続性を統合して画像をセグメント化
している。これらのアルゴリズムは、テクスチャ領域お
よび非テクスチャ領域の両方を含む画像から境界を検出
するように作用する。しかし、これらのアルゴリズム
は、オブジェクトに基づく画像検索のために画像をセグ
メント化するようには設計されていない。例えば、各領
域の形状と位置情報は、画像をセグメント化する際には
考慮に入れられているが、索引付け段階では考慮されて
いない。
【０００８】画像を分割する際に、J. Wang et al.は、
被写界深度を利用して前景と背景とを区別するアルゴリ
ズムを適用している。このアルゴリズムは、明瞭な前景
オブジェクトを抽出するためには有効である。しかし、
オブジェクトが蓄積画像の前景または背景のいずれに位
置するかを判断するのは困難なことが多く、こうした対
象に対して適用できない。
被写界深度を利用して前景と背景とを区別するアルゴリ
ズムを適用している。このアルゴリズムは、明瞭な前景
オブジェクトを抽出するためには有効である。しかし、
オブジェクトが蓄積画像の前景または背景のいずれに位
置するかを判断するのは困難なことが多く、こうした対
象に対して適用できない。
【０００９】
【課題を解決するための手段】本発明は、上記の状況に
鑑み、従来技術の上記の課題および限界を克服するため
になされたものである。
鑑み、従来技術の上記の課題および限界を克服するため
になされたものである。
【００１０】本発明の第１の側面は、多次元画像をセグ
メント化する方法を提供することである。この方法は、
多次元画像からカラーリージョンを抽出することと、す
べてのカラーリージョン対の境界の複雑さを計算するこ
ととを含む。この方法は、カラーリージョン対の境界複
雑さの値が所定の境界複雑さしきい値より大きく、か
つ、リージョン対の色距離が所定の距離しきい値より小
さい場合に、リージョン対を併合する。次に、この方法
は、階層的クラスタ分析を用いてカラーリージョンを併
合した後、境界分析を用いてカラーリージョンを併合す
る。次に、この方法は、カラーリージョンが小さく、か
つ、別のカラーリージョンによって包囲されているかど
うかを判定する。その判定の結果が真である場合、この
方法は、小さいカラーリージョンを、包囲しているカラ
ーリージョンに併合する。最後に、この方法は、リージ
ョンデータを各カラーリージョンに割り当てる。
メント化する方法を提供することである。この方法は、
多次元画像からカラーリージョンを抽出することと、す
べてのカラーリージョン対の境界の複雑さを計算するこ
ととを含む。この方法は、カラーリージョン対の境界複
雑さの値が所定の境界複雑さしきい値より大きく、か
つ、リージョン対の色距離が所定の距離しきい値より小
さい場合に、リージョン対を併合する。次に、この方法
は、階層的クラスタ分析を用いてカラーリージョンを併
合した後、境界分析を用いてカラーリージョンを併合す
る。次に、この方法は、カラーリージョンが小さく、か
つ、別のカラーリージョンによって包囲されているかど
うかを判定する。その判定の結果が真である場合、この
方法は、小さいカラーリージョンを、包囲しているカラ
ーリージョンに併合する。最後に、この方法は、リージ
ョンデータを各カラーリージョンに割り当てる。
【００１１】本発明の第２の側面は、多次元画像をセグ
メント化するコンピュータソフトウェア製品を提供する
ことである。このコンピュータソフトウェア製品は、コ
ンピュータが所定のオペレーションを実行することを可
能にするソフトウェア命令と、そのソフトウェア命令を
保持するコンピュータ可読媒体とを含む。所定のオペレ
ーションは、多次元画像からカラーリージョンを抽出す
ることと、すべてのカラーリージョン対の境界の複雑さ
を計算することとを含む。所定のオペレーションは、カ
ラーリージョン対の境界複雑さの値が所定の境界複雑さ
しきい値より大きく、かつ、リージョン対の色距離が所
定の距離しきい値より小さい場合に、リージョン対を併
合する。次に、所定のオペレーションは、階層的クラス
タ分析を用いてカラーリージョンを併合した後、境界分
析を用いてカラーリージョンを併合する。次に、所定の
オペレーションは、カラーリージョンが小さく、かつ、
別のカラーリージョンによって包囲されているかどうか
を判定する。その判定の結果が真である場合、所定のオ
ペレーションは、小さいカラーリージョンを、包囲して
いるカラーリージョンに併合する。最後に、所定のオペ
レーションは、リージョンデータを各カラーリージョン
に割り当てる。
メント化するコンピュータソフトウェア製品を提供する
ことである。このコンピュータソフトウェア製品は、コ
ンピュータが所定のオペレーションを実行することを可
能にするソフトウェア命令と、そのソフトウェア命令を
保持するコンピュータ可読媒体とを含む。所定のオペレ
ーションは、多次元画像からカラーリージョンを抽出す
ることと、すべてのカラーリージョン対の境界の複雑さ
を計算することとを含む。所定のオペレーションは、カ
ラーリージョン対の境界複雑さの値が所定の境界複雑さ
しきい値より大きく、かつ、リージョン対の色距離が所
定の距離しきい値より小さい場合に、リージョン対を併
合する。次に、所定のオペレーションは、階層的クラス
タ分析を用いてカラーリージョンを併合した後、境界分
析を用いてカラーリージョンを併合する。次に、所定の
オペレーションは、カラーリージョンが小さく、かつ、
別のカラーリージョンによって包囲されているかどうか
を判定する。その判定の結果が真である場合、所定のオ
ペレーションは、小さいカラーリージョンを、包囲して
いるカラーリージョンに併合する。最後に、所定のオペ
レーションは、リージョンデータを各カラーリージョン
に割り当てる。
【００１２】本発明の第３の側面は、多次元画像をセグ
メント化するコンピュータシステムを提供することであ
る。このコンピュータシステムは、プロセッサと、プロ
セッサによって実行されるソフトウェア命令を記憶する
メモリとを有する。ソフトウェア命令は、多次元画像か
らカラーリージョンを抽出することと、すべてのカラー
リージョン対の境界の複雑さを計算することとを含む。
ソフトウェア命令は、カラーリージョン対の境界複雑さ
の値が所定の境界複雑さしきい値より大きく、かつ、リ
ージョン対の色距離が所定の距離しきい値より小さい場
合に、リージョン対を併合する。次に、ソフトウェア命
令は、階層的クラスタ分析を用いてカラーリージョンを
併合した後、境界分析を用いてカラーリージョンを併合
する。次に、ソフトウェア命令は、カラーリージョンが
小さく、かつ、別のカラーリージョンによって包囲され
ているかどうかを判定する。その判定の結果が真である
場合、ソフトウェア命令は、小さいカラーリージョン
を、包囲しているカラーリージョンに併合する。最後
に、ソフトウェア命令は、リージョンデータを各カラー
リージョンに割り当てる。
メント化するコンピュータシステムを提供することであ
る。このコンピュータシステムは、プロセッサと、プロ
セッサによって実行されるソフトウェア命令を記憶する
メモリとを有する。ソフトウェア命令は、多次元画像か
らカラーリージョンを抽出することと、すべてのカラー
リージョン対の境界の複雑さを計算することとを含む。
ソフトウェア命令は、カラーリージョン対の境界複雑さ
の値が所定の境界複雑さしきい値より大きく、かつ、リ
ージョン対の色距離が所定の距離しきい値より小さい場
合に、リージョン対を併合する。次に、ソフトウェア命
令は、階層的クラスタ分析を用いてカラーリージョンを
併合した後、境界分析を用いてカラーリージョンを併合
する。次に、ソフトウェア命令は、カラーリージョンが
小さく、かつ、別のカラーリージョンによって包囲され
ているかどうかを判定する。その判定の結果が真である
場合、ソフトウェア命令は、小さいカラーリージョン
を、包囲しているカラーリージョンに併合する。最後
に、ソフトウェア命令は、リージョンデータを各カラー
リージョンに割り当てる。
【００１３】添付図面は、本発明のさまざまな側面を例
示しており、明細書の記載とともに、本発明のさまざま
な側面、利点および原理を説明することに資するもので
ある。
示しており、明細書の記載とともに、本発明のさまざま
な側面、利点および原理を説明することに資するもので
ある。
【００１４】
【発明の実施の形態】本発明のさまざまな側面について
説明する前に、本発明の理解を容易にするとともにさま
ざまな用語の意味を明らかにするために、従来技術に関
していくつかの事項について述べる。
説明する前に、本発明の理解を容易にするとともにさま
ざまな用語の意味を明らかにするために、従来技術に関
していくつかの事項について述べる。
【００１５】本明細書において、「コンピュータシステ
ム」という用語は、可能な限り最広義の意味を包含し、
スタンドアローンプロセッサ、ネットワーク接続された
プロセッサ、メインフレームプロセッサ、および、クラ
イアント／サーバ関係にあるプロセッサを含むが、これ
らには限定されない。「コンピュータシステム」という
用語は、少なくともメモリおよびプロセッサを含むもの
と理解されるべきである。一般に、メモリは、あるとき
に、実行可能プログラムコードの少なくとも一部を記憶
し、プロセッサは、その実行可能プログラムコードに含
まれる１つまたは複数の命令を実行することになる。
ム」という用語は、可能な限り最広義の意味を包含し、
スタンドアローンプロセッサ、ネットワーク接続された
プロセッサ、メインフレームプロセッサ、および、クラ
イアント／サーバ関係にあるプロセッサを含むが、これ
らには限定されない。「コンピュータシステム」という
用語は、少なくともメモリおよびプロセッサを含むもの
と理解されるべきである。一般に、メモリは、あるとき
に、実行可能プログラムコードの少なくとも一部を記憶
し、プロセッサは、その実行可能プログラムコードに含
まれる１つまたは複数の命令を実行することになる。
【００１６】理解されるように、「所定のオペレーショ
ン」という用語、「コンピュータシステムソフトウェ
ア」という用語、および「実行可能コード」という用語
は、本明細書の目的のためには実質的に同じものを意味
する。メモリおよびプロセッサが物理的に同じ場所に位
置することは、本発明の実施に必要なわけではない。す
なわち、プロセッサとメモリは、異なる物理的装置にあ
ることや、地理的に異なる位置にあることさえもあり得
ると予想される。
ン」という用語、「コンピュータシステムソフトウェ
ア」という用語、および「実行可能コード」という用語
は、本明細書の目的のためには実質的に同じものを意味
する。メモリおよびプロセッサが物理的に同じ場所に位
置することは、本発明の実施に必要なわけではない。す
なわち、プロセッサとメモリは、異なる物理的装置にあ
ることや、地理的に異なる位置にあることさえもあり得
ると予想される。
【００１７】当業者には理解されるように、本明細書に
おいて、「媒体」あるいは「コンピュータ可読媒体」
は、ディスケット、テープ、コンパクトディスク、集積
回路、カートリッジ、通信回線を通じてのリモート伝
送、または、コンピュータにより使用可能なその他の同
様の媒体（メディア）を含む。例えば、コンピュータシ
ステムソフトウェアを配布するため、サプライヤ（供給
者）は、ディスケットを提供することも可能であり、あ
るいは、衛星伝送を通じて、直接電話回線を通じて、ま
たはインターネットを通じて、何らかの形で所定のオペ
レーションを実行する命令を送信することも可能であ
る。
おいて、「媒体」あるいは「コンピュータ可読媒体」
は、ディスケット、テープ、コンパクトディスク、集積
回路、カートリッジ、通信回線を通じてのリモート伝
送、または、コンピュータにより使用可能なその他の同
様の媒体（メディア）を含む。例えば、コンピュータシ
ステムソフトウェアを配布するため、サプライヤ（供給
者）は、ディスケットを提供することも可能であり、あ
るいは、衛星伝送を通じて、直接電話回線を通じて、ま
たはインターネットを通じて、何らかの形で所定のオペ
レーションを実行する命令を送信することも可能であ
る。
【００１８】コンピュータシステムソフトウェアは、デ
ィスケットに「書き込まれる」ことも、集積回路に「記
憶される」ことも、通信回線で「伝送される」ことも可
能であるが、理解されるように、本明細書の目的のため
には、コンピュータ使用可能媒体は、所定のオペレーシ
ョンを実行するための命令は「保持される」ということ
にする。すなわち、「保持する」という用語は、所定の
オペレーションを実行するための命令がコンピュータ使
用可能媒体と関係する上記およびそれらと同等の方法を
包含することを意図している。
ィスケットに「書き込まれる」ことも、集積回路に「記
憶される」ことも、通信回線で「伝送される」ことも可
能であるが、理解されるように、本明細書の目的のため
には、コンピュータ使用可能媒体は、所定のオペレーシ
ョンを実行するための命令は「保持される」ということ
にする。すなわち、「保持する」という用語は、所定の
オペレーションを実行するための命令がコンピュータ使
用可能媒体と関係する上記およびそれらと同等の方法を
包含することを意図している。
【００１９】したがって、簡単のため、「プログラム製
品」という用語は、本明細書では、任意の形式で所定の
オペレーションを実行するための命令を保持する、上で
定義されるようなコンピュータ使用可能媒体を指示する
ために使用される。
品」という用語は、本明細書では、任意の形式で所定の
オペレーションを実行するための命令を保持する、上で
定義されるようなコンピュータ使用可能媒体を指示する
ために使用される。
【００２０】以下、添付図面を参照して、本発明のさま
ざまな側面の詳細な説明を行う。
ざまな側面の詳細な説明を行う。
【００２１】一般的な画像を分割することには様々な手
法がある。索引付けアルゴリズムは、画像検索用に設計
されなければならない。以下は、オブジェクトに基づく
画像検索のための領域分割の要件である。これらの要件
は、オブジェクトに基づく画像検索のためのものである
が、他の多くのタイプのアプリケーションにも有効であ
る。 １．１画像内に多数のリージョンを有することを避ける
こと。画像内に含まれるすべてのオブジェクトを抽出し
管理するのは困難であり非実際的である。リージョンの
総数は大きくすべきではない。いくつかの小さいオブジ
ェクトが１画像内にあるとき、それらの一部は、画像特
徴量に基づいてグループ化されるべきである。 ２．抽出されたリージョンは単純に記述されること。抽
出されたリージョンは検索問合せとして使用されるた
め、各リージョンの記述は単純であるべきである。例え
ば、Ｔシャツ上の複雑なロゴマークは、Ｔシャツと一緒
に扱われるべきである。他方、単純なロゴマークはそれ
自体として抽出されるべきである。 ３．テクスチャ領域の抽出。一般的な画像は、テクスチ
ャ領域および非テクスチャ領域を含む。システムは、テ
クスチャに基づくエッジを、オブジェクト境界領域から
区別しなければならない。縞模様のシャツ、彩色された
床面、シマウマなどは、１つのリージョン内で抽出され
るべきである。 ４．分離した領域のグループ化。一般的な画像では、画
像内のオブジェクトは互いに重なり合って写っている。
このため１つのオブジェクトが複数の領域に分かれてい
ることもある。この際の複数領域に分かれたオブジェク
トの各領域は、それ自体ではオブジェクトを表さない。
同一オブジェクトの分離した領域は、１つのオブジェク
トとして認識されるべきである。
法がある。索引付けアルゴリズムは、画像検索用に設計
されなければならない。以下は、オブジェクトに基づく
画像検索のための領域分割の要件である。これらの要件
は、オブジェクトに基づく画像検索のためのものである
が、他の多くのタイプのアプリケーションにも有効であ
る。 １．１画像内に多数のリージョンを有することを避ける
こと。画像内に含まれるすべてのオブジェクトを抽出し
管理するのは困難であり非実際的である。リージョンの
総数は大きくすべきではない。いくつかの小さいオブジ
ェクトが１画像内にあるとき、それらの一部は、画像特
徴量に基づいてグループ化されるべきである。 ２．抽出されたリージョンは単純に記述されること。抽
出されたリージョンは検索問合せとして使用されるた
め、各リージョンの記述は単純であるべきである。例え
ば、Ｔシャツ上の複雑なロゴマークは、Ｔシャツと一緒
に扱われるべきである。他方、単純なロゴマークはそれ
自体として抽出されるべきである。 ３．テクスチャ領域の抽出。一般的な画像は、テクスチ
ャ領域および非テクスチャ領域を含む。システムは、テ
クスチャに基づくエッジを、オブジェクト境界領域から
区別しなければならない。縞模様のシャツ、彩色された
床面、シマウマなどは、１つのリージョン内で抽出され
るべきである。 ４．分離した領域のグループ化。一般的な画像では、画
像内のオブジェクトは互いに重なり合って写っている。
このため１つのオブジェクトが複数の領域に分かれてい
ることもある。この際の複数領域に分かれたオブジェク
トの各領域は、それ自体ではオブジェクトを表さない。
同一オブジェクトの分離した領域は、１つのオブジェク
トとして認識されるべきである。
【００２２】上記の要求を実行するため、本発明は、多
次元画像を互いに素(disjoint)なリージョンに分割し、
領域の特徴量に基づく画像分析と、領域の輪郭情報に基
づく画像分析と統合する。本発明は、テクスチャの係数
および位置とともに、色分布に基づいて領域間の距離を
定義する。階層的クラスタ分析を適用することによっ
て、視覚的特徴量の観点から均質な領域がリージョンと
して抽出される。このプロセスを通じて、本発明は、分
離した領域を１つのリージョンとしてグループ化するこ
とができる。本発明はまた、テクスチャ領域を１つのリ
ージョンに分割することができる。他方、本発明は、リ
ージョンの境界を輪郭とみなす。本発明は、輪郭の複雑
さおよび密度を評価し、それに従ってリージョンをグル
ープ化する。本発明は、オブジェクト間の境界の形状と
セグメント化したときの共感記述を含むことができる。
好ましくは、本発明は、オブジェクトマッチングに適合
するように修正された、ＭＰＥＧ−７標準のビジュアル
記述子を使用する。
次元画像を互いに素(disjoint)なリージョンに分割し、
領域の特徴量に基づく画像分析と、領域の輪郭情報に基
づく画像分析と統合する。本発明は、テクスチャの係数
および位置とともに、色分布に基づいて領域間の距離を
定義する。階層的クラスタ分析を適用することによっ
て、視覚的特徴量の観点から均質な領域がリージョンと
して抽出される。このプロセスを通じて、本発明は、分
離した領域を１つのリージョンとしてグループ化するこ
とができる。本発明はまた、テクスチャ領域を１つのリ
ージョンに分割することができる。他方、本発明は、リ
ージョンの境界を輪郭とみなす。本発明は、輪郭の複雑
さおよび密度を評価し、それに従ってリージョンをグル
ープ化する。本発明は、オブジェクト間の境界の形状と
セグメント化したときの共感記述を含むことができる。
好ましくは、本発明は、オブジェクトマッチングに適合
するように修正された、ＭＰＥＧ−７標準のビジュアル
記述子を使用する。
【００２３】領域内視覚的特徴量に基づく画像分析と領
域の輪郭情報に基づく画像分析は相補的なアプローチで
ある。本発明は、テクスチャのあるリージョンおよびテ
クスチャのないリージョンを、同じフレームワーク内で
処理する。オブジェクトの境界を、網目等のテクスチャ
に基づくエッジから区別するため、本発明は、カラーリ
ージョンの全記述長を評価する。これはまた、カラーリ
ージョンの記述を単純に保つためにも有効である。例え
ば、複雑なロゴマークは、この種の分析アプローチによ
って、Ｔシャツとグループ化することができる。
域の輪郭情報に基づく画像分析は相補的なアプローチで
ある。本発明は、テクスチャのあるリージョンおよびテ
クスチャのないリージョンを、同じフレームワーク内で
処理する。オブジェクトの境界を、網目等のテクスチャ
に基づくエッジから区別するため、本発明は、カラーリ
ージョンの全記述長を評価する。これはまた、カラーリ
ージョンの記述を単純に保つためにも有効である。例え
ば、複雑なロゴマークは、この種の分析アプローチによ
って、Ｔシャツとグループ化することができる。
【００２４】本発明は、リージョンデータ値を各リージ
ョンに割り当てる。リージョンデータ値は、キーワー
ド、タグ、識別子名などであることが可能である。例え
ば、地下鉄の駅の多次元画像は、地下鉄車両に対応する
いくつかのリージョンを有し、それらのリージョンには
「電車」というキーワードが割り当てられることが可能
である。本発明はまた、リージョンデータ値として、視
覚的特徴量インジケータをリージョンに割り当てること
も可能である。視覚的特徴量は、主に、ＭＰＥＧ−７標
準から選択されている。カラーリージョンはさまざまな
シェイプおよびサイズを有するため、視覚的特徴量の一
部は任意のシェイプおよびサイズに適合するように修正
される。
ョンに割り当てる。リージョンデータ値は、キーワー
ド、タグ、識別子名などであることが可能である。例え
ば、地下鉄の駅の多次元画像は、地下鉄車両に対応する
いくつかのリージョンを有し、それらのリージョンには
「電車」というキーワードが割り当てられることが可能
である。本発明はまた、リージョンデータ値として、視
覚的特徴量インジケータをリージョンに割り当てること
も可能である。視覚的特徴量は、主に、ＭＰＥＧ−７標
準から選択されている。カラーリージョンはさまざまな
シェイプおよびサイズを有するため、視覚的特徴量の一
部は任意のシェイプおよびサイズに適合するように修正
される。
【００２５】ドミナントカラー記述子（ＤＣＤ：Domina
nt Color Descriptor）は、ＭＰＥＧ−７ ＸＭ８．０
標準に記載されている。好ましくは、１つのリージョン
内のカラー数はたかだか２である。というのは、セグメ
ント化されたリージョンはカラー特徴に関する性質を示
すためである。好ましくは、本発明は、１個または２個
のドミナントカラーと、各リージョンごとのそれらの割
合とを使用する。本発明は１リージョン内でたかだか２
個のカラーしか使用しないため、本発明は、カラーリー
ジョン間の距離を計算するために、ＭＰＥＧ−７ ＸＭ
８．０に記載されている基準とは異なる基準を使用す
る。リージョンＲ1（ドミナントカラー１：カラーｃ１
１，面積比ｐ１１，ドミナントカラー２：カラーｃ１
２，面積比ｐ１２（＝１−ｐ１１））とリージョンＲ2
（ドミナントカラー１：カラーｃ２１，面積比ｐ２１，
ドミナントカラー２：カラーｃ２２，面積比ｐ２２（＝
１−ｐ２１））の間の距離ＤＣＤ（Ｒ1，Ｒ2）は式
（１）によって定義される。 DCD(R1,R2)=min[c_d(c11,c12,c21,c22,p11,p12,p21,p22), c_d(c11,c12,c22,c21,p11,p12,p22,p21)] 式（１） 式（１）において、関数c_d()は、次のように式（２）
によって定義される。 c_d(a1,a2,a3,a4,p1,p2,p3,p4)= d(a1,a3)*min(p1,p3)+d(a2,a4)*min(p2,p4)+ d(a2,a3)*max(0,p3-p1)+d(a1,a4)*max(0,p1-p3) 式（２） 式（２）において、関数ｄ（ｃｎ，ｃｍ）は、ＣＩＥ
Ｌｕｖ色空間上のカラーｃｎとカラーｃｍの間の色距離
として定義される。図１に、ドミナントカラーに基づく
距離の定義を示す。
nt Color Descriptor）は、ＭＰＥＧ−７ ＸＭ８．０
標準に記載されている。好ましくは、１つのリージョン
内のカラー数はたかだか２である。というのは、セグメ
ント化されたリージョンはカラー特徴に関する性質を示
すためである。好ましくは、本発明は、１個または２個
のドミナントカラーと、各リージョンごとのそれらの割
合とを使用する。本発明は１リージョン内でたかだか２
個のカラーしか使用しないため、本発明は、カラーリー
ジョン間の距離を計算するために、ＭＰＥＧ−７ ＸＭ
８．０に記載されている基準とは異なる基準を使用す
る。リージョンＲ1（ドミナントカラー１：カラーｃ１
１，面積比ｐ１１，ドミナントカラー２：カラーｃ１
２，面積比ｐ１２（＝１−ｐ１１））とリージョンＲ2
（ドミナントカラー１：カラーｃ２１，面積比ｐ２１，
ドミナントカラー２：カラーｃ２２，面積比ｐ２２（＝
１−ｐ２１））の間の距離ＤＣＤ（Ｒ1，Ｒ2）は式
（１）によって定義される。 DCD(R1,R2)=min[c_d(c11,c12,c21,c22,p11,p12,p21,p22), c_d(c11,c12,c22,c21,p11,p12,p22,p21)] 式（１） 式（１）において、関数c_d()は、次のように式（２）
によって定義される。 c_d(a1,a2,a3,a4,p1,p2,p3,p4)= d(a1,a3)*min(p1,p3)+d(a2,a4)*min(p2,p4)+ d(a2,a3)*max(0,p3-p1)+d(a1,a4)*max(0,p1-p3) 式（２） 式（２）において、関数ｄ（ｃｎ，ｃｍ）は、ＣＩＥ
Ｌｕｖ色空間上のカラーｃｎとカラーｃｍの間の色距離
として定義される。図１に、ドミナントカラーに基づく
距離の定義を示す。
【００２６】カラーレイアウト記述子（ＣＬＤ：Color
Layout Descriptor）は、ＭＰＥＧ−７ ＸＭ８．０標
準に記載されている。カラーリージョンの任意のシェイ
プに適用するため、本発明はまず、カラーリージョンの
平均を計算する。カラーリージョンの境界ボックスが正
方形となるように拡張され、非リージョン領域は平均カ
ラーで充填される。充填プロセスの後、本発明は、カラ
ーレイアウト記述子を抽出する。本発明は、類似度ＣＬ
Ｄ（Ｒ1，Ｒ2）を計算するために、係数のＬ２ノルムを
適用する。ただし、Ｌ２ノルムは２乗に基づく距離であ
る。
Layout Descriptor）は、ＭＰＥＧ−７ ＸＭ８．０標
準に記載されている。カラーリージョンの任意のシェイ
プに適用するため、本発明はまず、カラーリージョンの
平均を計算する。カラーリージョンの境界ボックスが正
方形となるように拡張され、非リージョン領域は平均カ
ラーで充填される。充填プロセスの後、本発明は、カラ
ーレイアウト記述子を抽出する。本発明は、類似度ＣＬ
Ｄ（Ｒ1，Ｒ2）を計算するために、係数のＬ２ノルムを
適用する。ただし、Ｌ２ノルムは２乗に基づく距離であ
る。
【００２７】形状記述子(Shape Descriptor)について、
本発明は、ピクセルの正方形ブロックとなるように、カ
ラーリージョンの境界ボックスを拡張する。本発明は、
画像を８×８ピクセルブロックに分割し、ピクセルブロ
ック内の有効なピクセルの数をカウントする。次に、本
発明は、１６次元の特徴ベクトル（すなわち、すべての
行および列についての（有効ピクセル数）／（全ピクセ
ル数））を得るために、各行および各列についてすべて
のピクセルをカウントする。特徴ベクトルの値は、［０
〜２５５］に正規化される。類似度距離を計算するた
め、本発明は、各値のＬ１ノルムを適用する。ただし、
Ｌ１ノルムは絶対値に基づく距離である。
本発明は、ピクセルの正方形ブロックとなるように、カ
ラーリージョンの境界ボックスを拡張する。本発明は、
画像を８×８ピクセルブロックに分割し、ピクセルブロ
ック内の有効なピクセルの数をカウントする。次に、本
発明は、１６次元の特徴ベクトル（すなわち、すべての
行および列についての（有効ピクセル数）／（全ピクセ
ル数））を得るために、各行および各列についてすべて
のピクセルをカウントする。特徴ベクトルの値は、［０
〜２５５］に正規化される。類似度距離を計算するた
め、本発明は、各値のＬ１ノルムを適用する。ただし、
Ｌ１ノルムは絶対値に基づく距離である。
【００２８】エッジヒストグラム記述子(Edge Histogra
m Descriptor)は、ＭＰＥＧ−７ＸＭ７．０標準に記載
されている。本発明は、ＭＰＥＧ−７ ＸＭ７．０標準
に記載されている方法に基づいてエッジヒストグラム値
を計算する。本発明は、カラーリージョンの任意のシェ
イプに適合するように、アルゴリズムを修正する。図２
Ａ〜図２Ｆに、エッジヒストグラムを抽出するアルゴリ
ズムの結果を例示する。まず、アルゴリズムは、入力画
像からサイズが８×８ピクセルのピクセルブロックを抽
出する。次に、アルゴリズムは、５個のエッジ強度、す
なわち、es_vertical、es_horizontal、es_diagonal4
5、es_diagonal135およびes_nondirectionを計算する。
アルゴリズムは次に、式（３）を用いてエッジヒストグ
ラムを評価する。 max(es_vertical,es_horizontal,es_diagonal45, es_diagonal135,es_nondirection) > Th 式（３） 式（３）が真と評価される場合、エッジの方向がカウン
トされる。換言すれば、特定のエッジ上のピクセルの総
数がカウントされる。式（３）が真と評価されない場
合、このピクセルブロックはエッジを有しておらず、カ
ウントされるべきではない。５次元エッジヒストグラム
を抽出するために、すべてのピクセルブロックに対する
エッジ強度およびエッジヒストグラムが計算される。類
似度距離を計算するため、本発明は、各ビンのＬ１ノル
ムの和を使用する。
m Descriptor)は、ＭＰＥＧ−７ＸＭ７．０標準に記載
されている。本発明は、ＭＰＥＧ−７ ＸＭ７．０標準
に記載されている方法に基づいてエッジヒストグラム値
を計算する。本発明は、カラーリージョンの任意のシェ
イプに適合するように、アルゴリズムを修正する。図２
Ａ〜図２Ｆに、エッジヒストグラムを抽出するアルゴリ
ズムの結果を例示する。まず、アルゴリズムは、入力画
像からサイズが８×８ピクセルのピクセルブロックを抽
出する。次に、アルゴリズムは、５個のエッジ強度、す
なわち、es_vertical、es_horizontal、es_diagonal4
5、es_diagonal135およびes_nondirectionを計算する。
アルゴリズムは次に、式（３）を用いてエッジヒストグ
ラムを評価する。 max(es_vertical,es_horizontal,es_diagonal45, es_diagonal135,es_nondirection) > Th 式（３） 式（３）が真と評価される場合、エッジの方向がカウン
トされる。換言すれば、特定のエッジ上のピクセルの総
数がカウントされる。式（３）が真と評価されない場
合、このピクセルブロックはエッジを有しておらず、カ
ウントされるべきではない。５次元エッジヒストグラム
を抽出するために、すべてのピクセルブロックに対する
エッジ強度およびエッジヒストグラムが計算される。類
似度距離を計算するため、本発明は、各ビンのＬ１ノル
ムの和を使用する。
【００２９】通常、テクスチャは、テクスチャ安定な領
域を用いて評価されるべきである。というのは、カラー
リージョンの境界付近は周辺の領域の影響を受け、カラ
ーリージョンの内部とは異なるタイプのテクスチャを有
するからである。テクスチャ係数（例えば、ウェーブレ
ット係数）を計算する際には、境界付近の特徴の効果が
通常含められる。カラーリージョン内部のテクスチャを
評価するため、システムは、境界領域の効果を除去しな
ければならない。テクスチャ係数を計算する際に境界か
らｎピクセル深度のピクセルを使用することは、境界の
効果を低減する１つの方法である。ウェーブレット係数
を計算するため、本発明は、蓄積画像にＮレベルウェー
ブレット変換を適用して、各ピクセルごとに３×Ｎ個の
係数を得る。境界効果を低減するため、本発明は、エッ
ジ部分を使用しない（すなわち、＋４ピクセル深度より
下）。最後に、本発明は、ベクトルのＬ２ノルムを用い
て、類似度距離を計算する。
域を用いて評価されるべきである。というのは、カラー
リージョンの境界付近は周辺の領域の影響を受け、カラ
ーリージョンの内部とは異なるタイプのテクスチャを有
するからである。テクスチャ係数（例えば、ウェーブレ
ット係数）を計算する際には、境界付近の特徴の効果が
通常含められる。カラーリージョン内部のテクスチャを
評価するため、システムは、境界領域の効果を除去しな
ければならない。テクスチャ係数を計算する際に境界か
らｎピクセル深度のピクセルを使用することは、境界の
効果を低減する１つの方法である。ウェーブレット係数
を計算するため、本発明は、蓄積画像にＮレベルウェー
ブレット変換を適用して、各ピクセルごとに３×Ｎ個の
係数を得る。境界効果を低減するため、本発明は、エッ
ジ部分を使用しない（すなわち、＋４ピクセル深度より
下）。最後に、本発明は、ベクトルのＬ２ノルムを用い
て、類似度距離を計算する。
【００３０】図３には、本発明が要約して記載されてい
る。Ｓ３００で、リージョン抽出が入力画像に対して実
行される。一般に、画像は、ＲＧＢ（赤青緑）強度値マ
トリクスとして入力されるが、他のタイプの入力マトリ
クスも同様に使用可能である。リージョン抽出は、カラ
ー値に基づく。Ｓ３１０で、入力画像の境界分析に基づ
く併合作用が実行される。併合作用は、境界線の形状分
析に基づく。Ｓ３２０で、階層的クラスタ分析によりリ
ージョンの併合を行う。階層的クラスタ分析によるリー
ジョンの併合の後、Ｓ３３０で、入力画像は、境界分析
に基づく別のリージョン併合処理を受ける。この境界分
析では、境界線の複雑度、密度および領域記述長が分析
される。次に、Ｓ３４０で、入力画像内の小孤立領域が
併合される。この併合作用は、より大きいカラーリージ
ョンに対する小リージョンの関係に基づく。最後に、Ｓ
３５０で、視覚的特徴量（例えば、ドミナントカラー、
カラーレイアウト、ウェーブレット、エッジヒストグラ
ム、シェイプ）が計算され、入力画像の各リージョンご
とに割り当てられる。
る。Ｓ３００で、リージョン抽出が入力画像に対して実
行される。一般に、画像は、ＲＧＢ（赤青緑）強度値マ
トリクスとして入力されるが、他のタイプの入力マトリ
クスも同様に使用可能である。リージョン抽出は、カラ
ー値に基づく。Ｓ３１０で、入力画像の境界分析に基づ
く併合作用が実行される。併合作用は、境界線の形状分
析に基づく。Ｓ３２０で、階層的クラスタ分析によりリ
ージョンの併合を行う。階層的クラスタ分析によるリー
ジョンの併合の後、Ｓ３３０で、入力画像は、境界分析
に基づく別のリージョン併合処理を受ける。この境界分
析では、境界線の複雑度、密度および領域記述長が分析
される。次に、Ｓ３４０で、入力画像内の小孤立領域が
併合される。この併合作用は、より大きいカラーリージ
ョンに対する小リージョンの関係に基づく。最後に、Ｓ
３５０で、視覚的特徴量（例えば、ドミナントカラー、
カラーレイアウト、ウェーブレット、エッジヒストグラ
ム、シェイプ）が計算され、入力画像の各リージョンご
とに割り当てられる。
【００３１】次に、本発明についてさらに詳細に説明す
る。好ましくは、本発明は、ＲＧＢ強度値マトリクスと
して入力されるフルカラー原画像を含む画像を処理す
る。ＹＩＱ、ＣＭＹ（シアン・マゼンタ・黄）、衛星画
像、グレイスケール画像あるいはその他の多次元画像
も、色距離を適当に定義することによって、同様に使用
可能である。例えば、グレイスケール画像の場合、本発
明は、色距離を評価するために、明度差を評価する。
る。好ましくは、本発明は、ＲＧＢ強度値マトリクスと
して入力されるフルカラー原画像を含む画像を処理す
る。ＹＩＱ、ＣＭＹ（シアン・マゼンタ・黄）、衛星画
像、グレイスケール画像あるいはその他の多次元画像
も、色距離を適当に定義することによって、同様に使用
可能である。例えば、グレイスケール画像の場合、本発
明は、色距離を評価するために、明度差を評価する。
【００３２】図４において、本発明は、原入力画像から
カラーリージョンを抽出する。原入力画像から、本発明
は、領域成長法を適用することによって、カラーリージ
ョンのセットＺ1を抽出する。まず、メジアンフィルタ
を適用して、ピクセルのスパイクノイズの効果を低減す
る。好ましくは、本発明は、２×２メジアンフィルタを
適用する。本発明は、原入力画像に比べて半分のサイズ
の画像を処理する。次に、カラー値が粗量子化される。
カラー値の量子化は、画像のカラー品質を実質的に劣化
させることのない階調数にて実行される。カラー値量子
化の後、領域成長法を適用することによって、カラーリ
ージョンが抽出される。まず、量子化されたカラー値に
基づいて、同一又は非常に類似した画素値をもつ隣接ピ
クセルがリージョンにグループ化される。一般に、この
グループ化により、過度にセグメント化されたリージョ
ンが生成される。カラーリージョンが非常に小さいリー
ジョンである場合、近傍リージョンとの色距離を計算
し、その色距離がしきい値より小さい場合、その非常に
小さいリージョンを最も近い色距離のリージョンに併合
する。色距離を決定しリージョンのサイズを判定するた
めのしきい値は、あらかじめ規定される。それらのしき
い値は、画像全体のリージョンサイズの分布および色分
布に基づいて導出することも可能である。例えば、色分
析のちらばりを平均と標準偏差で表した場合、平均から
３シグマが、小さいと判定される（シグマは、標準偏差
である）。
カラーリージョンを抽出する。原入力画像から、本発明
は、領域成長法を適用することによって、カラーリージ
ョンのセットＺ1を抽出する。まず、メジアンフィルタ
を適用して、ピクセルのスパイクノイズの効果を低減す
る。好ましくは、本発明は、２×２メジアンフィルタを
適用する。本発明は、原入力画像に比べて半分のサイズ
の画像を処理する。次に、カラー値が粗量子化される。
カラー値の量子化は、画像のカラー品質を実質的に劣化
させることのない階調数にて実行される。カラー値量子
化の後、領域成長法を適用することによって、カラーリ
ージョンが抽出される。まず、量子化されたカラー値に
基づいて、同一又は非常に類似した画素値をもつ隣接ピ
クセルがリージョンにグループ化される。一般に、この
グループ化により、過度にセグメント化されたリージョ
ンが生成される。カラーリージョンが非常に小さいリー
ジョンである場合、近傍リージョンとの色距離を計算
し、その色距離がしきい値より小さい場合、その非常に
小さいリージョンを最も近い色距離のリージョンに併合
する。色距離を決定しリージョンのサイズを判定するた
めのしきい値は、あらかじめ規定される。それらのしき
い値は、画像全体のリージョンサイズの分布および色分
布に基づいて導出することも可能である。例えば、色分
析のちらばりを平均と標準偏差で表した場合、平均から
３シグマが、小さいと判定される（シグマは、標準偏差
である）。
【００３３】図５を参照すると、カラーリージョンの抽
出後、カラーリージョンは境界分析に基づいて併合され
る。隣接するすべての可能なリージョン対の境界の複雑
さが計算され、リージョン対の境界が十分に複雑であ
り、かつ、これらのリージョン間の色距離がしきい値よ
り小さい場合、それらは１リージョンに併合される。
出後、カラーリージョンは境界分析に基づいて併合され
る。隣接するすべての可能なリージョン対の境界の複雑
さが計算され、リージョン対の境界が十分に複雑であ
り、かつ、これらのリージョン間の色距離がしきい値よ
り小さい場合、それらは１リージョンに併合される。
【００３４】まず、Thresholdcolor が計算される。こ
れは、入力画像内のカラーの分布を評価することによる
色距離のしきい値である。例えば、本発明は、近傍リー
ジョンのすべての色距離を評価し、色距離の平均および
標準偏差を計算する。本発明は、平均から２シグマの値
を抽出することによって、しきい値を決定する。これを
行うことにより、本発明は、カラーの分布に基づいてし
きい値を指定することができる。これにより類似のカラ
ーを含む画像については、より小さい値がしきい値とし
て用いられる。多様なカラーを含む画像については、よ
り大きい値がしきい値に用いられる。次に、前にカラー
リージョンの抽出中に生成されたセグメント化マトリク
スＺ1から境界線が抽出される。境界線は、カラーリー
ジョンのエッジをたどることによって指定される。境界
線が抽出された後、すべての可能なＲ1，Ｒ2∈Ｚ1につ
いてComplexity(R1, R2)が計算される。図６Ａ〜図６Ｃ
は、本発明によって考慮されるComplexity()の定義を示
す。境界がいくつもの曲線部分を有するとき、複雑さの
程度は高い。境界が単純（例えば、直線）であるとき、
複雑さの程度は低い。本発明はComplexity(R1, R2)を計
算するが、これは、カラーリージョンＲ1とカラーリー
ジョンＲ2の間の複雑さを表すとともに、他方のリージ
ョンへの連結性に基づいている。Complexity(R1, R2)の
計算は、式（４）に示される。 Complexity(R1,R2)=｛Complexity(R1→R2)+Complexity(R2→R1)｝/2 式 （４） 式（４）において、関数Complexity(R1→R2)はさらに式
（５）によって定義される。 Complexity(R1→R2) =BoundaryRnumber(R1→R2)/BoundaryNumber(R1→R2) 式（５） 式（５）において、関数BoundaryNumber(R1→R2)は、カ
ラーリージョンＲ2に接するカラーリージョンＲ1の境界
ピクセルの数である。式（５）において、関数Boundary
Rnumber(R1→R2)は、カラーリージョンＲ1の境界ピクセ
ルのRPB(R1→R2)の数の和である。関数RPB(R1→R2)は、
各境界上で、カラーリージョンＲ1に隣接するカラーリ
ージョンＲ2のピクセルの数である。
れは、入力画像内のカラーの分布を評価することによる
色距離のしきい値である。例えば、本発明は、近傍リー
ジョンのすべての色距離を評価し、色距離の平均および
標準偏差を計算する。本発明は、平均から２シグマの値
を抽出することによって、しきい値を決定する。これを
行うことにより、本発明は、カラーの分布に基づいてし
きい値を指定することができる。これにより類似のカラ
ーを含む画像については、より小さい値がしきい値とし
て用いられる。多様なカラーを含む画像については、よ
り大きい値がしきい値に用いられる。次に、前にカラー
リージョンの抽出中に生成されたセグメント化マトリク
スＺ1から境界線が抽出される。境界線は、カラーリー
ジョンのエッジをたどることによって指定される。境界
線が抽出された後、すべての可能なＲ1，Ｒ2∈Ｚ1につ
いてComplexity(R1, R2)が計算される。図６Ａ〜図６Ｃ
は、本発明によって考慮されるComplexity()の定義を示
す。境界がいくつもの曲線部分を有するとき、複雑さの
程度は高い。境界が単純（例えば、直線）であるとき、
複雑さの程度は低い。本発明はComplexity(R1, R2)を計
算するが、これは、カラーリージョンＲ1とカラーリー
ジョンＲ2の間の複雑さを表すとともに、他方のリージ
ョンへの連結性に基づいている。Complexity(R1, R2)の
計算は、式（４）に示される。 Complexity(R1,R2)=｛Complexity(R1→R2)+Complexity(R2→R1)｝/2 式 （４） 式（４）において、関数Complexity(R1→R2)はさらに式
（５）によって定義される。 Complexity(R1→R2) =BoundaryRnumber(R1→R2)/BoundaryNumber(R1→R2) 式（５） 式（５）において、関数BoundaryNumber(R1→R2)は、カ
ラーリージョンＲ2に接するカラーリージョンＲ1の境界
ピクセルの数である。式（５）において、関数Boundary
Rnumber(R1→R2)は、カラーリージョンＲ1の境界ピクセ
ルのRPB(R1→R2)の数の和である。関数RPB(R1→R2)は、
各境界上で、カラーリージョンＲ1に隣接するカラーリ
ージョンＲ2のピクセルの数である。
【００３５】図６Ａ〜図６Ｃは、RPB(R1→R2)の定義を
示す。図６Ａ〜図６Ｃに示されているように、RPB(R1→
R2)は、境界がすべて図６Ａに示されるように直線であ
るときのみ、境界ピクセルの数に等しい。RPB(R1→R2)
は、図６Ｂや図６Ｃでは境界ピクセルの数より大きい。
このＲＰＢ値に基づいて、Complexity(R1, R2)が計算さ
れる。関数Complexity(R1, R2)は、境界が複雑であると
きには大きい値を返す。複雑な境界は、図７Ａに例示さ
れている。関数Complexity(R1, R2)は、境界が単純であ
るときには小さい値を返す。単純な境界は、図７Ｂに例
示されている。
示す。図６Ａ〜図６Ｃに示されているように、RPB(R1→
R2)は、境界がすべて図６Ａに示されるように直線であ
るときのみ、境界ピクセルの数に等しい。RPB(R1→R2)
は、図６Ｂや図６Ｃでは境界ピクセルの数より大きい。
このＲＰＢ値に基づいて、Complexity(R1, R2)が計算さ
れる。関数Complexity(R1, R2)は、境界が複雑であると
きには大きい値を返す。複雑な境界は、図７Ａに例示さ
れている。関数Complexity(R1, R2)は、境界が単純であ
るときには小さい値を返す。単純な境界は、図７Ｂに例
示されている。
【００３６】次に、カラーリージョンＲ1とカラーリー
ジョンＲ2は、式（６）が真と評価される場合に併合さ
れる。そうでない場合、これらのカラーリージョンは併
合されない。 Complexity(R1,R2) > Thresholdcomplex かつ Distancecolor(R1,R2) < Thresholdcolor 式（６） 一般に、Thresholdcomplexの値は１と４の間にある。し
かし、Thresholdcomplexの値は、平均値および標準偏差
に基づいて定義することも可能である。カラー値が徐々
に変化するカラーリージョンは通常、シャープな境界を
もたない。複雑度を用いた処理によりカラーリージョン
の併合は、擬似境界により生成された領域を併合し、新
たなセグメント化マトリクスＺ2を生成する。
ジョンＲ2は、式（６）が真と評価される場合に併合さ
れる。そうでない場合、これらのカラーリージョンは併
合されない。 Complexity(R1,R2) > Thresholdcomplex かつ Distancecolor(R1,R2) < Thresholdcolor 式（６） 一般に、Thresholdcomplexの値は１と４の間にある。し
かし、Thresholdcomplexの値は、平均値および標準偏差
に基づいて定義することも可能である。カラー値が徐々
に変化するカラーリージョンは通常、シャープな境界を
もたない。複雑度を用いた処理によりカラーリージョン
の併合は、擬似境界により生成された領域を併合し、新
たなセグメント化マトリクスＺ2を生成する。
【００３７】図８において、本発明は、階層的クラスタ
分析に基づいてカラーリージョンを併合する。カラーリ
ージョンが併合されるかどうかを判定するためのしきい
値は、カラーリージョン間の特徴量距離の分布に基づい
て計算される。本発明は、まず階層的クラスタ分析最小
距離法を使用した後、階層的クラスタ分析最長距離法を
適用する。「階層的クラスタ分析最小距離法」および
「階層的クラスタ分析最長距離法」は、データを分類す
るための公知の方法である。これらの方法を実行するた
め、システムは、すべてのリージョン対の距離を計算
し、カテゴリの数まで、または、すべてのリージョン間
距離がしきい値より小さくなるまで、最近対からリージ
ョンを併合する。相違点は、新たに生成されるリージョ
ンと他のリージョンとの間の新たな距離をどのように定
義するかである。この方法では、分離したリージョンを
１リージョンとして併合することが可能である。システ
ムは、すべての可能なリージョン対の特徴量距離を計算
し、リージョン併合を実行する。旧セグメント化マトリ
クスＺ2から、新たなセグメント化マトリクスＺ3が生成
される。新たなセグメント化マトリクスＺ3におけるカ
ラーリージョンの一部は、３個以上のセグメント化領域
を有することも可能である。
分析に基づいてカラーリージョンを併合する。カラーリ
ージョンが併合されるかどうかを判定するためのしきい
値は、カラーリージョン間の特徴量距離の分布に基づい
て計算される。本発明は、まず階層的クラスタ分析最小
距離法を使用した後、階層的クラスタ分析最長距離法を
適用する。「階層的クラスタ分析最小距離法」および
「階層的クラスタ分析最長距離法」は、データを分類す
るための公知の方法である。これらの方法を実行するた
め、システムは、すべてのリージョン対の距離を計算
し、カテゴリの数まで、または、すべてのリージョン間
距離がしきい値より小さくなるまで、最近対からリージ
ョンを併合する。相違点は、新たに生成されるリージョ
ンと他のリージョンとの間の新たな距離をどのように定
義するかである。この方法では、分離したリージョンを
１リージョンとして併合することが可能である。システ
ムは、すべての可能なリージョン対の特徴量距離を計算
し、リージョン併合を実行する。旧セグメント化マトリ
クスＺ2から、新たなセグメント化マトリクスＺ3が生成
される。新たなセグメント化マトリクスＺ3におけるカ
ラーリージョンの一部は、３個以上のセグメント化領域
を有することも可能である。
【００３８】まず、すべてのカラーリージョンＲ1，Ｒ2
∈Ｚ2についてDistanceregion(R1,R 2)が計算される。式
（７）で、カラーリージョンの位置、カラー値およびテ
クスチャ値が評価される。 Distanceregion(R1,R2) =α・Distancelocation(R1,R2) + β・Distancecolor(R1,R2) + γ・Distancetexture(R1,R2) 式（７ ） アルファ（α）、ベータ（β）およびガンマ（γ）は統
合のために用いられる。これらの値は、前もって指定さ
れることも可能であり、あるいは、これらの値は、Dist
ancelocation(R1,R2)、Distancecolor(R1,R2)およびDis
tancetexture(R1,R2)の分布の比較に基づいて指定され
てもよい。式（８）はさらに、式（７）で用いられるDi
stancelocation(R1,R2)の一例を定義する。 Distancelocation(R1,R2)=((YR2/Ymax-YR1/Ymax)2+(XR2/Xmax-XR1/Xmax)2)0 .5 式（８） 式（８）において、値（ＸR1，ＹR1）は、カラーリージ
ョンＲ1の重心と定義され、値（ＸR2，ＹR2）は、カラ
ーリージョンＲ2の重心と定義される。値（Ｘmax，Ｙ
max）は、画像のサイズと定義される。Distancecolor(R
1,R2)は、Ｌｕｖ色空間に基づくカラーリージョンのカ
ラー値の距離と定義される。Distancetextur e(R1,R2)
は、ウェーブレット係数に基づくベクトルのＬ２ノルム
と定義される。６次元特徴ベクトルが使用され、ＤＣ部
分は使用されない。有効ピクセル一致係数の平均および
標準偏差も同様に使用される。前述のように、本発明
は、境界効果を避けるため、＋ｎピクセルの深度のエッ
ジ部分をマスクする。
∈Ｚ2についてDistanceregion(R1,R 2)が計算される。式
（７）で、カラーリージョンの位置、カラー値およびテ
クスチャ値が評価される。 Distanceregion(R1,R2) =α・Distancelocation(R1,R2) + β・Distancecolor(R1,R2) + γ・Distancetexture(R1,R2) 式（７ ） アルファ（α）、ベータ（β）およびガンマ（γ）は統
合のために用いられる。これらの値は、前もって指定さ
れることも可能であり、あるいは、これらの値は、Dist
ancelocation(R1,R2)、Distancecolor(R1,R2)およびDis
tancetexture(R1,R2)の分布の比較に基づいて指定され
てもよい。式（８）はさらに、式（７）で用いられるDi
stancelocation(R1,R2)の一例を定義する。 Distancelocation(R1,R2)=((YR2/Ymax-YR1/Ymax)2+(XR2/Xmax-XR1/Xmax)2)0 .5 式（８） 式（８）において、値（ＸR1，ＹR1）は、カラーリージ
ョンＲ1の重心と定義され、値（ＸR2，ＹR2）は、カラ
ーリージョンＲ2の重心と定義される。値（Ｘmax，Ｙ
max）は、画像のサイズと定義される。Distancecolor(R
1,R2)は、Ｌｕｖ色空間に基づくカラーリージョンのカ
ラー値の距離と定義される。Distancetextur e(R1,R2)
は、ウェーブレット係数に基づくベクトルのＬ２ノルム
と定義される。６次元特徴ベクトルが使用され、ＤＣ部
分は使用されない。有効ピクセル一致係数の平均および
標準偏差も同様に使用される。前述のように、本発明
は、境界効果を避けるため、＋ｎピクセルの深度のエッ
ジ部分をマスクする。
【００３９】次に、リージョン併合のしきい値Threshol
d_NNregionが計算され、この計算は、Distanceregionの
分布に基づく。本発明は、すべてのDistanceregionを計
算し、Distanceregionの平均および標準偏差を計算す
る。例えば、Threshold_NNregi on値は、平均から２シグ
マとすることが可能である。
d_NNregionが計算され、この計算は、Distanceregionの
分布に基づく。本発明は、すべてのDistanceregionを計
算し、Distanceregionの平均および標準偏差を計算す
る。例えば、Threshold_NNregi on値は、平均から２シグ
マとすることが可能である。
【００４０】次に、式（７）を用いてすべてのカラーリ
ージョン対のリージョン特徴距離を計算する。本発明
は、計算されたリージョン特徴距離に基づいて最小距離
法を実行する。その後、本発明は、すべてのカラーリー
ジョン対のリージョン特徴距離がThreshold_NNregionよ
り小さくなるまで、Ｚ2のカラーリージョンを併合す
る。この新たなマトリクスをＺ2-1で表す。本発明は、
式（７）を用いてＺ2-1のすべてのカラーリージョン対
のリージョン特徴距離に基づいて、新たなしきい値Thre
shold_FNregionを計算する。例えば、このしきい値は、
平均から約１．５シグマとすることが可能である。本発
明は、計算された距離に基づいて最長距離法を実行す
る。その後、本発明は、すべてのカラー対の距離が値Th
reshold_FNregionより小さくなるまでカラーリージョン
Ｚ2-1を併合する。この新たなマトリクスをＺ3で表す。
ージョン対のリージョン特徴距離を計算する。本発明
は、計算されたリージョン特徴距離に基づいて最小距離
法を実行する。その後、本発明は、すべてのカラーリー
ジョン対のリージョン特徴距離がThreshold_NNregionよ
り小さくなるまで、Ｚ2のカラーリージョンを併合す
る。この新たなマトリクスをＺ2-1で表す。本発明は、
式（７）を用いてＺ2-1のすべてのカラーリージョン対
のリージョン特徴距離に基づいて、新たなしきい値Thre
shold_FNregionを計算する。例えば、このしきい値は、
平均から約１．５シグマとすることが可能である。本発
明は、計算された距離に基づいて最長距離法を実行す
る。その後、本発明は、すべてのカラー対の距離が値Th
reshold_FNregionより小さくなるまでカラーリージョン
Ｚ2-1を併合する。この新たなマトリクスをＺ3で表す。
【００４１】図９〜図１１において、本発明は、境界分
析に基づいてセグメント化マトリクスＺ3に対してリー
ジョン併合を実行する。まず、すべてのカラーリージョ
ンＲ1，Ｒ2∈Ｚ3についてDistanceregion(R1,R2)が計算
され、カラーリージョンを併合するためのしきい値Thre
sholdregionも同様に計算される。次に、本発明は、す
べての可能なカラーリージョンＲ1，Ｒ2∈Ｚ3についてC
omplexity(R1,R2)を計算した後、しきい値Threshold
regionを用いてカラーリージョンを併合する。こうし
て、新たなセグメント化マトリクスＺ4-1が生成され
る。
析に基づいてセグメント化マトリクスＺ3に対してリー
ジョン併合を実行する。まず、すべてのカラーリージョ
ンＲ1，Ｒ2∈Ｚ3についてDistanceregion(R1,R2)が計算
され、カラーリージョンを併合するためのしきい値Thre
sholdregionも同様に計算される。次に、本発明は、す
べての可能なカラーリージョンＲ1，Ｒ2∈Ｚ3についてC
omplexity(R1,R2)を計算した後、しきい値Threshold
regionを用いてカラーリージョンを併合する。こうし
て、新たなセグメント化マトリクスＺ4-1が生成され
る。
【００４２】次に、本発明は、すべての調整リージョン
R1, R2, R3, R4∈Ｚ4-1について境界記述低減比(bounda
ry description reduction ratio) BDRR(R1,R2,R3,R4)
およびカラー記述低減比(color description reduction
ratio) CDRR(R1,R2,R3,R4)を計算する。式（９）は、
境界記述低減比の計算を示す。 BDRR(R1,R2,R3,R4) =DLB(R1+R2+R3+R4)/(DLB(R1)+DLB(R2)+DLB(R3)+DLB(R4)) 式（９） 式（１０）は、カラー記述低減比の計算を示す。 CDRR(R1,R2,R3,R4) =CDL(R1+R2+R3+R4)/(CDL(R1)+CDL(R2)+CDL(R3)+CDL(R4)) 式（１０） ＤＬＢは、境界の記述長を表す。現在のところ、本発明
は、全境界長を使用する。ＣＤＬは、カラー記述長を表
す。本発明は、リージョン内のカラーの分布を使用す
る。
R1, R2, R3, R4∈Ｚ4-1について境界記述低減比(bounda
ry description reduction ratio) BDRR(R1,R2,R3,R4)
およびカラー記述低減比(color description reduction
ratio) CDRR(R1,R2,R3,R4)を計算する。式（９）は、
境界記述低減比の計算を示す。 BDRR(R1,R2,R3,R4) =DLB(R1+R2+R3+R4)/(DLB(R1)+DLB(R2)+DLB(R3)+DLB(R4)) 式（９） 式（１０）は、カラー記述低減比の計算を示す。 CDRR(R1,R2,R3,R4) =CDL(R1+R2+R3+R4)/(CDL(R1)+CDL(R2)+CDL(R3)+CDL(R4)) 式（１０） ＤＬＢは、境界の記述長を表す。現在のところ、本発明
は、全境界長を使用する。ＣＤＬは、カラー記述長を表
す。本発明は、リージョン内のカラーの分布を使用す
る。
【００４３】次に、本発明は、式（１１）が真と評価さ
れ、かつ、リージョン特徴距離がThresholdregionより
小さい場合に、連続するカラーリージョンＲ1，Ｒ2，Ｒ
3，Ｒ 4を１リージョンに併合する。 BDRR(R1,R2,R3,R4)+α・CDRR(R1,R2,R3,R4) < ThresholdDESCRIPTION 式（１ １） Thresholdregionは、あらかじめ定義されることが可能
であり、あるいは、Distanceregionの分布から計算され
ることも可能であり、あるいは、前もって指定されるこ
とも可能である。連続するカラーリージョンとは、少な
くとも他の１つの領域と互いに隣接するリージョンとい
う。たとえば、カラーリージョンＡ、Ｂ、Ｃ、Ｄがあっ
たとき、カラーリージョンＡがカラーリージョンＢ、Ｃ
またはＤの少なくともいずれか１つの領域と隣接し、同
様に、カラーリージョンＢもＡ、ＣまたはＤの少なくと
も１つのカラーリージョンと隣接し、カラーリージョン
ＣがＡ、ＢまたはＤの少なくとも１つと隣接し、カラー
リージョンＤがＡ、ＢまたはＣの少なくとも１つと隣接
することをいう。すなわち、いずれのカラーリージョン
も、他のカラーリージョンのうちの１つのカラーリージ
ョンと隣接しなければならない。カラーリージョンのこ
の併合の結果として新たなセグメント化マトリクスＺ
4-2が生成される。
れ、かつ、リージョン特徴距離がThresholdregionより
小さい場合に、連続するカラーリージョンＲ1，Ｒ2，Ｒ
3，Ｒ 4を１リージョンに併合する。 BDRR(R1,R2,R3,R4)+α・CDRR(R1,R2,R3,R4) < ThresholdDESCRIPTION 式（１ １） Thresholdregionは、あらかじめ定義されることが可能
であり、あるいは、Distanceregionの分布から計算され
ることも可能であり、あるいは、前もって指定されるこ
とも可能である。連続するカラーリージョンとは、少な
くとも他の１つの領域と互いに隣接するリージョンとい
う。たとえば、カラーリージョンＡ、Ｂ、Ｃ、Ｄがあっ
たとき、カラーリージョンＡがカラーリージョンＢ、Ｃ
またはＤの少なくともいずれか１つの領域と隣接し、同
様に、カラーリージョンＢもＡ、ＣまたはＤの少なくと
も１つのカラーリージョンと隣接し、カラーリージョン
ＣがＡ、ＢまたはＤの少なくとも１つと隣接し、カラー
リージョンＤがＡ、ＢまたはＣの少なくとも１つと隣接
することをいう。すなわち、いずれのカラーリージョン
も、他のカラーリージョンのうちの１つのカラーリージ
ョンと隣接しなければならない。カラーリージョンのこ
の併合の結果として新たなセグメント化マトリクスＺ
4-2が生成される。
【００４４】次に、本発明は、すべての調整リージョン
Ｒ1，Ｒ2，Ｒ3∈Ｚ4-2について境界記述低減比BDRR(R1,
R2,R3)およびカラー記述低減比CDRR(R1,R2,R3)を計算す
る。式（１２）は、この境界記述低減比の計算を示す。 BDRR(R1,R2,R3)=DLB(R1+R2+R3)/(DLB(R1)+DLB(R2)+DLB(R3)) 式（１２） 式（１３）は、このカラー記述低減比の計算を示す。 CDRR(R1,R2,R3)=CDL(R1+R2+R3)/(CDL(R1)+CDL(R2)+CDL(R3)) 式（１３） ＤＬＢは、境界の記述長を表す。現在のところ、本発明
は、全境界長を使用する。ＣＤＬは、カラー記述長を表
す。本発明は、リージョン内のカラーの分布を使用す
る。
Ｒ1，Ｒ2，Ｒ3∈Ｚ4-2について境界記述低減比BDRR(R1,
R2,R3)およびカラー記述低減比CDRR(R1,R2,R3)を計算す
る。式（１２）は、この境界記述低減比の計算を示す。 BDRR(R1,R2,R3)=DLB(R1+R2+R3)/(DLB(R1)+DLB(R2)+DLB(R3)) 式（１２） 式（１３）は、このカラー記述低減比の計算を示す。 CDRR(R1,R2,R3)=CDL(R1+R2+R3)/(CDL(R1)+CDL(R2)+CDL(R3)) 式（１３） ＤＬＢは、境界の記述長を表す。現在のところ、本発明
は、全境界長を使用する。ＣＤＬは、カラー記述長を表
す。本発明は、リージョン内のカラーの分布を使用す
る。
【００４５】次に、本発明は、式（１４）が真と評価さ
れ、かつ、リージョン特徴距離がThresholdregionより
小さい場合に、カラーリージョンＲ1，Ｒ2，Ｒ3を１リ
ージョンに併合する。 BDRR(R1,R2,R3)+α・CDRR(R1,R2,R3) < ThresholdDESCRIPTION 式（１４ ） カラーリージョンのこの併合の結果として新たなセグメ
ント化マトリクスＺ4-3が生成される。
れ、かつ、リージョン特徴距離がThresholdregionより
小さい場合に、カラーリージョンＲ1，Ｒ2，Ｒ3を１リ
ージョンに併合する。 BDRR(R1,R2,R3)+α・CDRR(R1,R2,R3) < ThresholdDESCRIPTION 式（１４ ） カラーリージョンのこの併合の結果として新たなセグメ
ント化マトリクスＺ4-3が生成される。
【００４６】次に、本発明は、すべての調整リージョン
Ｒ1，Ｒ2∈Ｚ4-3について境界記述低減比BDRR(R1,R2)お
よびカラー記述低減比CDRR(R1,R2)を計算する。式（１
５）は、この境界記述低減比の計算を示す。 BDRR(R1,R2)=DLB(R1+R2)/(DLB(R1)+DLB(R2)) 式（１５） 式（１６）は、このカラー記述低減比の計算を示す。 CDRR(R1,R2)=CDL(R1+R2)/(CDL(R1)+CDL(R2)) 式（１６） ＤＬＢは、境界の記述長を表す。現在のところ、本発明
は、全境界長を使用する。ＣＤＬは、カラー記述長を表
す。本発明は、リージョン内のカラーの分布を使用す
る。
Ｒ1，Ｒ2∈Ｚ4-3について境界記述低減比BDRR(R1,R2)お
よびカラー記述低減比CDRR(R1,R2)を計算する。式（１
５）は、この境界記述低減比の計算を示す。 BDRR(R1,R2)=DLB(R1+R2)/(DLB(R1)+DLB(R2)) 式（１５） 式（１６）は、このカラー記述低減比の計算を示す。 CDRR(R1,R2)=CDL(R1+R2)/(CDL(R1)+CDL(R2)) 式（１６） ＤＬＢは、境界の記述長を表す。現在のところ、本発明
は、全境界長を使用する。ＣＤＬは、カラー記述長を表
す。本発明は、リージョン内のカラーの分布を使用す
る。
【００４７】次に、本発明は、式（１７）が真と評価さ
れ、かつ、リージョン特徴距離がThresholdregionより
小さい場合に、カラーリージョンＲ1，Ｒ2を１リージョ
ンに併合する。 BDRR(R1,R2)+α・CDRR(R1,R2) < ThresholdDESCRIPTION 式（１７） カラーリージョンのこの併合の結果として新たなセグメ
ント化マトリクスＺ4-4が生成される。カラーリージョ
ン併合により、本発明は、図１２に示すようにテクスチ
ャ領域を１リージョンに併合する。次に、本発明は、す
べてのカラーリージョンＲ1，Ｒ2∈Ｚ4-4についてDista
nceregion(R1,R2)を計算するとともに、カラーリージョ
ンを併合するためのしきい値Thresholdregionを決定す
る。
れ、かつ、リージョン特徴距離がThresholdregionより
小さい場合に、カラーリージョンＲ1，Ｒ2を１リージョ
ンに併合する。 BDRR(R1,R2)+α・CDRR(R1,R2) < ThresholdDESCRIPTION 式（１７） カラーリージョンのこの併合の結果として新たなセグメ
ント化マトリクスＺ4-4が生成される。カラーリージョ
ン併合により、本発明は、図１２に示すようにテクスチ
ャ領域を１リージョンに併合する。次に、本発明は、す
べてのカラーリージョンＲ1，Ｒ2∈Ｚ4-4についてDista
nceregion(R1,R2)を計算するとともに、カラーリージョ
ンを併合するためのしきい値Thresholdregionを決定す
る。
【００４８】式（１８）において、本発明は、すべての
可能なカラーリージョンＲ1，Ｒ2∈Ｚ4-4について密度
比ＤｅｎｓｉｔｙＲａｔｉｏ（Ｒ1，Ｒ2）を計算する。 DensityRatio(R1,R2)=(DensityRatio(R1→R2)+DensityRatio(R2→R1))/2 式 （１８） 関数DensityRatio(R1→R2)はさらに式（１９）によって
定義される。 DensityRatio(R1→R2)= HighdenseBnumber(R1→R2)/BoundaryNumber(R1→R2) 式（１９） 式（１９）において、関数BoundaryNumber(R1→R2)は、
カラーリージョンＲ2に接するカラーリージョンＲ1の境
界ピクセルの数と定義される。関数HighdenseBnumber(R
1→R2)は、カラーリージョンＲ2に接するカラーリージ
ョンＲ1の高密度境界ピクセルの数と定義される。図１
３Ａ〜図１３Ｂに示すように、高密度境界ピクセルは、
そのピクセルを包囲する局所ウィンドウ内の境界ピクセ
ルの総数がしきい値より大きいような境界ピクセルであ
る。
可能なカラーリージョンＲ1，Ｒ2∈Ｚ4-4について密度
比ＤｅｎｓｉｔｙＲａｔｉｏ（Ｒ1，Ｒ2）を計算する。 DensityRatio(R1,R2)=(DensityRatio(R1→R2)+DensityRatio(R2→R1))/2 式 （１８） 関数DensityRatio(R1→R2)はさらに式（１９）によって
定義される。 DensityRatio(R1→R2)= HighdenseBnumber(R1→R2)/BoundaryNumber(R1→R2) 式（１９） 式（１９）において、関数BoundaryNumber(R1→R2)は、
カラーリージョンＲ2に接するカラーリージョンＲ1の境
界ピクセルの数と定義される。関数HighdenseBnumber(R
1→R2)は、カラーリージョンＲ2に接するカラーリージ
ョンＲ1の高密度境界ピクセルの数と定義される。図１
３Ａ〜図１３Ｂに示すように、高密度境界ピクセルは、
そのピクセルを包囲する局所ウィンドウ内の境界ピクセ
ルの総数がしきい値より大きいような境界ピクセルであ
る。
【００４９】次に、本発明は、式（２０）および式（２
１）が真と評価される場合に、カラーリージョンＲ1，
Ｒ2∈Ｚ4-4を併合する。 DensityRatio(R1,R2) > Thresholddensity 式（２０） Distanceregion(R1,R2) < Thresholdregion 式（２１） Thresholddensityは、境界密度の分布を計算することに
よって指定されることも可能であり、あるいは、前もっ
て指定されることも可能である。DensityRatioは、２つ
の指定されたリージョン間の境界領域がどのくらい混雑
しているかを評価する。境界が混雑した領域に存在する
境界線は、あまり重要でない傾向がある。本発明は、評
価される境界ピクセルの周りの境界ピクセル数を計算す
ることによって、境界混雑領域にある境界ピクセルを判
定する。Ｒ1とＲ2の間の境界は、Ｒ 1とＲ2の間のすべて
の境界ピクセルから、境界混雑領域内の境界ピクセルの
ピクセル数と、境界混雑領域内の境界ピクセルの割合と
を決定するために評価される。併合されるカラーリージ
ョンは、新たなセグメント化マトリクスＺ4-5を生成す
る。
１）が真と評価される場合に、カラーリージョンＲ1，
Ｒ2∈Ｚ4-4を併合する。 DensityRatio(R1,R2) > Thresholddensity 式（２０） Distanceregion(R1,R2) < Thresholdregion 式（２１） Thresholddensityは、境界密度の分布を計算することに
よって指定されることも可能であり、あるいは、前もっ
て指定されることも可能である。DensityRatioは、２つ
の指定されたリージョン間の境界領域がどのくらい混雑
しているかを評価する。境界が混雑した領域に存在する
境界線は、あまり重要でない傾向がある。本発明は、評
価される境界ピクセルの周りの境界ピクセル数を計算す
ることによって、境界混雑領域にある境界ピクセルを判
定する。Ｒ1とＲ2の間の境界は、Ｒ 1とＲ2の間のすべて
の境界ピクセルから、境界混雑領域内の境界ピクセルの
ピクセル数と、境界混雑領域内の境界ピクセルの割合と
を決定するために評価される。併合されるカラーリージ
ョンは、新たなセグメント化マトリクスＺ4-5を生成す
る。
【００５０】次に、本発明は、式（１５）および式（１
６）に基づいて、すべての調整リージョンＲ1，Ｒ2∈Ｚ
4-5について境界記述低減比ＢＤＲＲ（Ｒ1，Ｒ2）およ
びカラー記述低減比ＣＤＲＲ（Ｒ1，Ｒ2）を計算する。
カラー記述低減比ＣＤＲＲ（Ｒ1，Ｒ2）の計算は式（１
６）に基づく。この場合も、ＤＬＢは、境界の記述長を
表す。現在のところ、本発明は、全境界長を使用する。
ＣＤＬは、カラー記述長を表す。本発明は、リージョン
内のカラーの分布を使用する。次に、本発明は、式（１
７）が真と評価され、かつ、リージョン特徴距離がThre
sholdregionより小さい場合に、カラーリージョンＲ1，
Ｒ2を１リージョンに併合し、カラーリージョンのこの
併合の結果として新たなセグメント化マトリクスＺ4-6
が生成される。
６）に基づいて、すべての調整リージョンＲ1，Ｒ2∈Ｚ
4-5について境界記述低減比ＢＤＲＲ（Ｒ1，Ｒ2）およ
びカラー記述低減比ＣＤＲＲ（Ｒ1，Ｒ2）を計算する。
カラー記述低減比ＣＤＲＲ（Ｒ1，Ｒ2）の計算は式（１
６）に基づく。この場合も、ＤＬＢは、境界の記述長を
表す。現在のところ、本発明は、全境界長を使用する。
ＣＤＬは、カラー記述長を表す。本発明は、リージョン
内のカラーの分布を使用する。次に、本発明は、式（１
７）が真と評価され、かつ、リージョン特徴距離がThre
sholdregionより小さい場合に、カラーリージョンＲ1，
Ｒ2を１リージョンに併合し、カラーリージョンのこの
併合の結果として新たなセグメント化マトリクスＺ4-6
が生成される。
【００５１】図１４Ａ〜図１４Ｂに、小さい孤立カラー
リージョンが例示されている。これらの小さいカラーリ
ージョンは、１つのカラーリージョンによって包囲され
ており、包囲しているカラーリージョンに併合される。
これにより、セグメント化マトリクスＺ5が生成され、
これは、オブジェクト問合せに使用されることが可能で
ある。
リージョンが例示されている。これらの小さいカラーリ
ージョンは、１つのカラーリージョンによって包囲され
ており、包囲しているカラーリージョンに併合される。
これにより、セグメント化マトリクスＺ5が生成され、
これは、オブジェクト問合せに使用されることが可能で
ある。
【００５２】本発明のもう１つの実施例では、多次元画
像をセグメント化するコンピュータソフトウェア製品が
提供される。このコンピュータソフトウェア製品は、コ
ンピュータシステムが所定のオペレーションを実行する
ことを可能にするソフトウェア命令を含む。コンピュー
タシステムは、単純なＰＣ互換システム、コンピュータ
ネットワーク、あるいはマルチノード分散システムであ
ることが可能である。コンピュータ可読媒体が、ソフト
ウェア命令を保持する。コンピュータシステムは、コン
ピュータ可読媒体上に記憶されたソフトウェア命令を格
納することができるメモリも有する。コンピュータ可読
媒体上に保持される所定のオペレーションは、前段落ま
でに記載された本発明を実現化する。所定のオペレーシ
ョンは、コンピュータシステムに入力される多次元画像
からカラーリージョンを抽出することと、すべてのカラ
ーリージョン対の境界の複雑さを計算することとを含
む。次に、所定のオペレーションは、カラーリージョン
対の境界複雑さの値が所定の境界複雑さしきい値より大
きく、かつ、リージョン対の色距離が所定の距離しきい
値より小さい場合に、リージョン対を併合する。次に、
所定のオペレーションは、階層的クラスタ分析を用いて
カラーリージョンを併合するようにコンピュータシステ
ムを動作させ、カラーリージョンはさらに、コンピュー
タシステムによって、上で説明したように、境界分析を
用いて併合される。所定のオペレーションは、カラーリ
ージョンが小さく、かつ、別のカラーリージョンによっ
て包囲されているかどうかを判定するようにコンピュー
タシステムを動作させる。その判定が真である場合、所
定のオペレーションは、小さいカラーリージョンを、包
囲しているカラーリージョンに併合するようにコンピュ
ータシステムを動作させる。最後に、上で説明したよう
に、リージョンデータが、各カラーリージョンに割り当
てられる。
像をセグメント化するコンピュータソフトウェア製品が
提供される。このコンピュータソフトウェア製品は、コ
ンピュータシステムが所定のオペレーションを実行する
ことを可能にするソフトウェア命令を含む。コンピュー
タシステムは、単純なＰＣ互換システム、コンピュータ
ネットワーク、あるいはマルチノード分散システムであ
ることが可能である。コンピュータ可読媒体が、ソフト
ウェア命令を保持する。コンピュータシステムは、コン
ピュータ可読媒体上に記憶されたソフトウェア命令を格
納することができるメモリも有する。コンピュータ可読
媒体上に保持される所定のオペレーションは、前段落ま
でに記載された本発明を実現化する。所定のオペレーシ
ョンは、コンピュータシステムに入力される多次元画像
からカラーリージョンを抽出することと、すべてのカラ
ーリージョン対の境界の複雑さを計算することとを含
む。次に、所定のオペレーションは、カラーリージョン
対の境界複雑さの値が所定の境界複雑さしきい値より大
きく、かつ、リージョン対の色距離が所定の距離しきい
値より小さい場合に、リージョン対を併合する。次に、
所定のオペレーションは、階層的クラスタ分析を用いて
カラーリージョンを併合するようにコンピュータシステ
ムを動作させ、カラーリージョンはさらに、コンピュー
タシステムによって、上で説明したように、境界分析を
用いて併合される。所定のオペレーションは、カラーリ
ージョンが小さく、かつ、別のカラーリージョンによっ
て包囲されているかどうかを判定するようにコンピュー
タシステムを動作させる。その判定が真である場合、所
定のオペレーションは、小さいカラーリージョンを、包
囲しているカラーリージョンに併合するようにコンピュ
ータシステムを動作させる。最後に、上で説明したよう
に、リージョンデータが、各カラーリージョンに割り当
てられる。
【００５３】本発明のさまざまな側面についての以上の
記載は、例示および説明の目的で提示されている。さま
ざまな変更および変形が、以上の記載に鑑みて可能であ
り、また、本発明の実施からも得られる可能性がある。
当業者が本発明をさまざまな実施例において利用するこ
とができるように、考えられる個々の利用法に適したさ
まざまな変更例とともに説明するために、本発明の原理
とその実際的適用について記載した。このため、ここに
は、本発明のいくつかの側面についてしか具体的に記載
されていないが、明らかなように、本発明の技術的範囲
を離れることなく、本発明にさまざまの変形を行うこと
が可能である。さらに、頭字語は、単に明細書の読みや
すさを高めるためにのみ使用されているのであって、用
語の一般性を狭めることは意図されておらず、特許請求
の範囲をここに記載された実施例に制限するように解釈
されてはならない。
記載は、例示および説明の目的で提示されている。さま
ざまな変更および変形が、以上の記載に鑑みて可能であ
り、また、本発明の実施からも得られる可能性がある。
当業者が本発明をさまざまな実施例において利用するこ
とができるように、考えられる個々の利用法に適したさ
まざまな変更例とともに説明するために、本発明の原理
とその実際的適用について記載した。このため、ここに
は、本発明のいくつかの側面についてしか具体的に記載
されていないが、明らかなように、本発明の技術的範囲
を離れることなく、本発明にさまざまの変形を行うこと
が可能である。さらに、頭字語は、単に明細書の読みや
すさを高めるためにのみ使用されているのであって、用
語の一般性を狭めることは意図されておらず、特許請求
の範囲をここに記載された実施例に制限するように解釈
されてはならない。
【図１】２つのカラーリージョン間の色距離に対するド
ミナントカラー記述子を示す図である。
ミナントカラー記述子を示す図である。
【図２】エッジヒストグラム抽出プロセスと、エッジヒ
ストグラム抽出に用いられるフィルタを示す図である。
ストグラム抽出に用いられるフィルタを示す図である。
【図３】本発明の例示的なプロセスフローを示す図であ
る。
る。
【図４】入力画像からのカラーリージョンの抽出のため
の例示的なプロセスフローを示す図である。
の例示的なプロセスフローを示す図である。
【図５】抽出されたカラーリージョンの境界分析に基づ
いてカラーリージョン併合を実行するための例示的なプ
ロセスフローを示す図である。
いてカラーリージョン併合を実行するための例示的なプ
ロセスフローを示す図である。
【図６】２つの隣接するカラーリージョンに対するさま
ざまな複雑さの値を示す図である。
ざまな複雑さの値を示す図である。
【図７】単純および複雑な境界を示す図である。
【図８】階層的分析に基づくカラーリージョン成長のた
めの例示的なプロセスフローを示す図である。
めの例示的なプロセスフローを示す図である。
【図９】カラーリージョンの境界分析に基づいてカラー
リージョン併合を実行するための例示的なプロセスフロ
ーを示す図である。
リージョン併合を実行するための例示的なプロセスフロ
ーを示す図である。
【図１０】カラーリージョンの境界分析に基づいてカラ
ーリージョン併合を実行するための例示的なプロセスフ
ローを示す図である。
ーリージョン併合を実行するための例示的なプロセスフ
ローを示す図である。
【図１１】カラーリージョンの境界分析に基づいてカラ
ーリージョン併合を実行するための例示的なプロセスフ
ローを示す図である。
ーリージョン併合を実行するための例示的なプロセスフ
ローを示す図である。
【図１２】カラーリージョンの境界分析に基づくカラー
リージョン併合の効果を示す図である
リージョン併合の効果を示す図である
【図１３】境界密度分析後の画像内の境界の簡約を例示
する図である。
する図である。
【図１４】画像からの孤立小領域の簡約を例示する図で
ある。
ある。
フロントページの続き
Ｆターム(参考） 5C077 MP08 PP01 PP36 PP43 PP46
PP61 PQ12 PQ22
5C079 HB09 LA10 LA14 MA01 MA11
5L096 AA02 AA06 EA05 FA06 FA26
FA32 FA33 FA54 FA72 GA11
GA36 GA40 GA51 GA55 JA18
MA07
Claims (45)
- 【請求項１】 多次元画像をセグメント化する方法にお
いて、 ピクセルのカラー値に基づいて多次元画像からカラーリ
ージョンを抽出するステップと、 すべての隣接する可能なカラーリージョン対の境界複雑
さを計算し、カラーリージョン対の境界複雑さの値が所
定の境界複雑さしきい値より大きく、かつ、リージョン
対の色距離が所定の距離しきい値より小さい場合に、リ
ージョン対を併合するステップと、 階層的クラスタ分析を用いてカラーリージョンを併合す
るステップと、 境界分析を用いてカラーリージョンを併合するステップ
と、 カラーリージョンが小さく、かつ、別のカラーリージョ
ンによって包囲されているかどうかを判定し、その判定
が真である場合に、そのカラーリージョンを、包囲して
いるカラーリージョンに併合するステップと、 リージョンデータを各カラーリージョンに割り当てるス
テップと、 を有することを特徴とする多次元画像をセグメント化す
る方法。 - 【請求項２】 前記多次元画像からカラーリージョンを
抽出するステップは、 ピクセルスパイクノイズを低減するためにメジアンフィ
ルタを多次元画像に適用するステップと、 多次元画像のカラー値を量子化するステップと、 量子化値に基づいてピクセルをグループ化することによ
って、隣接ピクセルをカラーリージョンにグループ化す
るステップと、 を含むことを特徴とする請求項１記載の方法。 - 【請求項３】 前記メジアンフィルタのサイズは２×２
であることを特徴とする請求項２記載の方法。 - 【請求項４】 前記ピクセルをカラーリージョンにグル
ープ化するステップは、 カラーリージョンが小さいかどうかを判定するステップ
と、 その判定が真である場合に、その小さいカラーリージョ
ンを、カラー値が最も近い隣接カラーリージョンと併合
するステップと、 を含むことを特徴とする請求項２記載の方法。 - 【請求項５】 前記カラーリージョン対の複雑さの計算
は、 多次元画像から境界線を抽出するステップと、 カラーリージョンの境界ピクセルの数と、そのカラーリ
ージョンに直接隣接するカラーリージョン内のピクセル
の数とをカウントするステップと、 カラーリージョン間の複雑さを判定するために、カラー
リージョンの境界ピクセルの数と、そのカラーリージョ
ンに直接隣接するカラーリージョン内のピクセルの数と
の比を計算するステップと、 を含むことを特徴とする請求項１記載の方法。 - 【請求項６】 前記階層的クラスタ分析を用いてカラー
リージョンを併合するステップは、 各カラーリージョンの特徴量を計算するステップと、 カラーリージョンの特徴量間の距離に基づいてしきい値
を計算するステップと、 階層的クラスタ分析最小距離法を用いて特徴距離に基づ
いてカラーリージョンを併合するステップと、 併合されたカラーリージョンのしきい値を計算するステ
ップと、 階層的クラスタ分析最長距離法を用いて特徴距離に基づ
いてカラーリージョンを併合するステップと、 を含むことを特徴とする請求項１記載の方法。 - 【請求項７】 各カラーリージョンの特徴の計算は、 各カラーリージョンについて位置、カラー値およびテク
スチャ値を計算することを含むことを特徴とする請求項
６記載の方法。 - 【請求項８】 カラーリージョンの位置の計算は、 評価されるカラーリージョンの重心を多次元画像のサイ
ズで正規化することを含むことを特徴とする請求項７記
載の方法。 - 【請求項９】 カラーリージョンの色距離は、Ｌｕｖ色
空間を用いて計算されることを特徴とする請求項７記載
の方法。 - 【請求項１０】 カラーリージョンのテクスチャの距離
の計算は、テクスチャ係数の平均および標準偏差を計算
することを含むことを特徴とする請求項７記載の方法。 - 【請求項１１】 前記平均および標準偏差の計算は、リ
ージョン境界から所定の深度にあるピクセルの係数を使
用することを特徴とする請求項１０記載の方法。 - 【請求項１２】 カラーリージョンのテクスチャ距離
は、ウェーブレットの係数を用いて計算されることを特
徴とする請求項１０記載の方法。 - 【請求項１３】 カラーリージョンのテクスチャの計算
は、 リージョン境界から所定の深度にあるピクセルを選択す
るステップと、 選択されたピクセルのウェーブレット係数の平均および
標準偏差を計算するステップと、 を含むことを特徴とする請求項１２記載の方法。 - 【請求項１４】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 隣接カラーリージョンの複雑さを用いてカラーリージョ
ンを併合することを含むことを特徴とする請求項１記載
の方法。 - 【請求項１５】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 カラーリージョン境界ピクセルの密度を用いてカラーリ
ージョンを併合すること、 を含むことを特徴とする請求項１記載の方法。 - 【請求項１６】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 カラー記述および境界記述の記述長を用いてカラーリー
ジョンを併合することを含むことを特徴とする請求項１
記載の方法。 - 【請求項１７】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 隣接カラーリージョンの複雑さを用いてカラーリージョ
ンを併合するステップと、 カラーリージョン境界ピクセルの密度を用いてカラーリ
ージョンを併合するステップと、 カラー記述および境界記述の記述長を用いてカラーリー
ジョンを併合するステップと、 を含むことを特徴とする請求項１記載の方法。 - 【請求項１８】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 カラー記述長および境界記述長を計算するステップと、 カラー記述長と境界記述長の和を最小にするためにカラ
ーリージョンを併合するステップと、 をさらに含むことを特徴とする請求項１７記載の方法。 - 【請求項１９】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 境界記述低減比およびカラー記述低減比を計算するステ
ップと、 境界記述低減比とカラー記述低減比の和がしきい値より
小さいときにカラーリージョンを併合するステップと、 をさらに含むことを特徴とする請求項１７記載の方法。 - 【請求項２０】 前記境界分析を用いてカラーリージョ
ンを併合するステップは、 カラーリージョンの位置、カラー値およびテクスチャ値
を計算するステップと、 すべての隣接カラーリージョンについて複雑さを計算す
るステップと、 リージョン距離およびしきい値に基づいてカラーリージ
ョンを併合するステップと、 ４個の調整リージョンについて境界記述低減比およびカ
ラー記述低減比を計算するステップと、 境界記述低減比とカラー記述低減比の和がしきい値より
小さい場合に、前記４個の調整リージョンを併合するス
テップと、 を含むことを特徴とする請求項１記載の方法。 - 【請求項２１】 前記４個の調整リージョンの併合の後
に、３個の調整リージョンについて境界記述低減比およ
びカラー記述低減比を計算するステップと、境界記述低
減比とカラー記述低減比の和がしきい値より小さい場合
に、前記３個の調整リージョンを併合するステップと、 をさらに含むことを特徴とする請求項２０記載の方法。 - 【請求項２２】 前記３個の調整リージョンの併合の後
に、２個の調整リージョンについて境界記述低減比およ
びカラー記述低減比を計算するステップと、 境界記述低減比とカラー記述低減比の和がしきい値より
小さい場合に、前記２個の調整リージョンを併合するス
テップと、 をさらに含むことを特徴とする請求項２１記載の方法。 - 【請求項２３】 前記２個の調整リージョンの併合の後
に、カラーリージョンについて密度比を計算するステッ
プと、 密度比が密度しきい値より大きい場合に、隣接カラーリ
ージョンを併合するステップと、 ２個の調整リージョンについて境界記述低減比およびカ
ラー記述低減比を計算するステップと、 境界記述低減比とカラー記述低減比の和がしきい値より
小さい場合に、前記２個の調整リージョンを併合するス
テップと、 をさらに含むことを特徴とする請求項２２記載の方法。 - 【請求項２４】 前記リージョンデータを各カラーリー
ジョンに割り当てるステップは、 視覚的特徴量を各カラーリージョンに割り当てるステッ
プを含むことを特徴とする請求項１記載の方法。 - 【請求項２５】 前記視覚的特徴量を各カラーリージョ
ンに割り当てるステップは、 ドミナントカラー記述子を各カラーリージョンに割り当
てることを含むことを特徴とする請求項２４記載の方
法。 - 【請求項２６】 前記視覚的特徴量を各カラーリージョ
ンに割り当てるステップは、 カラーレイアウト記述子を各カラーリージョンに割り当
てることを含むことを特徴とする請求項２４記載の方
法。 - 【請求項２７】 前記視覚的特徴量を各カラーリージョ
ンに割り当てるステップは、 形状記述子を各カラーリージョンに割り当てることを含
むことを特徴とする請求項２４記載の方法。 - 【請求項２８】 前記視覚的特徴量を各カラーリージョ
ンに割り当てるステップは、 各カラーリージョンについてエッジヒストグラム記述子
を計算することを含むことを特徴とする請求項２４記載
の方法。 - 【請求項２９】 前記リージョンデータを各カラーリー
ジョンに割り当てるステップは、 キーワード、タグまたは識別子名の少なくとも１つを各
カラーリージョンに割り当てることを含むことを特徴と
する請求項１記載の方法。 - 【請求項３０】 多次元画像をセグメント化するコンピ
ュータソフトウェア製品において、該コンピュータソフ
トウェア製品は、コンピュータが所定のオペレーション
を実行することを可能にするソフトウェア命令と、その
ソフトウェア命令を保持するコンピュータ可読媒体とを
含み、該所定のオペレーションは、 ピクセルのカラー値に基づいて多次元画像からカラーリ
ージョンを抽出するステップと、 すべての隣接する可能なカラーリージョン対の境界複雑
さを計算し、カラーリージョン対の境界複雑さの値が所
定の境界複雑さしきい値より大きく、かつ、リージョン
対の色距離が所定の距離しきい値より小さい場合に、リ
ージョン対を併合するステップと、 階層的クラスタ分析を用いてカラーリージョンを併合す
るステップと、 境界分析を用いてカラーリージョンを併合するステップ
と、 カラーリージョンが小さく、かつ、別のカラーリージョ
ンによって包囲されているかどうかを判定し、その判定
が真である場合に、そのカラーリージョンを、包囲して
いるカラーリージョンに併合するステップと、 リージョンデータを各カラーリージョンに割り当てるス
テップと、 を有することを特徴とするコンピュータソフトウェア製
品。 - 【請求項３１】 前記多次元画像からカラーリージョン
を抽出するステップは、 ピクセルスパイクノイズを低減するためにメジアンフィ
ルタを多次元画像に適用するステップと、 多次元画像のカラー値を量子化するステップと、 量子化値に基づいてピクセルをグループ化することによ
って、隣接ピクセルをカラーリージョンにグループ化す
るステップと、 を含むことを特徴とする請求項３０記載のコンピュータ
ソフトウェア製品。 - 【請求項３２】 前記ピクセルをカラーリージョンにグ
ループ化するステップは、 カラーリージョンが小さいかどうかを判定するステップ
と、 その判定が真である場合に、その小さいカラーリージョ
ンを、カラー値が最も近い隣接カラーリージョンと併合
するステップとを含むことを特徴とする請求項３１記載
のコンピュータソフトウェア製品。 - 【請求項３３】 前記カラーリージョン対の複雑さの計
算は、 多次元画像から境界線を抽出するステップと、 カラーリージョンの境界ピクセルの数と、そのカラーリ
ージョンに直接隣接するカラーリージョン内のピクセル
の数とをカウントするステップと、 カラーリージョン間の複雑さを判定するために、カラー
リージョンの境界ピクセルの数と、そのカラーリージョ
ンに直接隣接するカラーリージョン内のピクセルの数と
に基づく比を計算するステップと、 を含むことを特徴とする請求項３０記載のコンピュータ
ソフトウェア製品。 - 【請求項３４】 前記階層的クラスタ分析を用いてカラ
ーリージョンを併合するステップは、 各カラーリージョンの特徴を計算するステップと、 カラーリージョンの特徴計算に基づいてしきい値を計算
するステップと、 階層的クラスタ分析最小距離法を用いてリージョン特徴
距離に基づいてカラーリージョンを併合するステップ
と、 併合されたカラーリージョンのしきい値を計算するステ
ップと、 階層的クラスタ分析最長距離法を用いてリージョン特徴
距離に基づいてカラーリージョンを併合するステップ
と、 を含むことを特徴とする請求項３０記載のコンピュータ
ソフトウェア製品。 - 【請求項３５】 前記リージョンデータを各カラーリー
ジョンに割り当てるステップは、 少なくとも１つの視覚的特徴量を各カラーリージョンに
割り当てるステップを含むことを特徴とする請求項３０
記載のコンピュータソフトウェア製品。 - 【請求項３６】 前記視覚的特徴量を各カラーリージョ
ンに割り当てるステップは、 ドミナントカラー記述子、カラーレイアウト記述子、形
状記述子またはエッジヒストグラム記述子の少なくとも
１つを各カラーリージョンに割り当てることを含むこと
を特徴とする請求項３５記載のコンピュータソフトウェ
ア製品。 - 【請求項３７】 前記リージョンデータを各カラーリー
ジョンに割り当てるステップは、 キーワード、タグまたは識別子名の少なくとも１つを各
カラーリージョンに割り当てることを含むことを特徴と
する請求項３０記載のコンピュータソフトウェア製品。 - 【請求項３８】 多次元画像をセグメント化するコンピ
ュータシステムにおいて、該コンピュータシステムは、 プロセッサと、 プロセッサによって実行されるソフトウェア命令を記憶
するメモリとを有し、 前記ソフトウェア命令は、 ピクセルのカラー値に基づいて多次元画像からカラーリ
ージョンを抽出するステップと、 すべての可能なカラーリージョン対の境界複雑さを計算
し、カラーリージョン対の境界複雑さの値が所定の境界
複雑さしきい値より大きく、かつ、リージョン対の色距
離が所定の距離しきい値より小さい場合に、リージョン
対を併合するステップと、 階層的クラスタ分析を用いてカラーリージョンを併合す
るステップと、 境界分析を用いてカラーリージョンを併合するステップ
と、 カラーリージョンが小さく、かつ、別のカラーリージョ
ンによって包囲されているかどうかを判定し、その判定
が真である場合に、そのカラーリージョンを、包囲して
いるカラーリージョンに併合するステップと、 リージョンデータを各カラーリージョンに割り当てるス
テップと、 を有することを特徴とするコンピュータシステム。 - 【請求項３９】 前記多次元画像からカラーリージョン
を抽出するステップは、 ピクセルスパイクノイズを低減するためにメジアンフィ
ルタを多次元画像に適用するステップと、 多次元画像のカラー値を量子化するステップと、 量子化値に基づいてピクセルをグループ化することによ
って、隣接ピクセルをカラーリージョンにグループ化す
るステップと、 を含むことを特徴とする請求項３８記載のコンピュータ
システム。 - 【請求項４０】 前記ピクセルをカラーリージョンにグ
ループ化するステップは、 カラーリージョンが小さいかどうかを判定するステップ
と、 その判定が真である場合に、その小さいカラーリージョ
ンを、カラー値が最も近い隣接カラーリージョンと併合
するステップと、 を含むことを特徴とする請求項３９記載のコンピュータ
システム。 - 【請求項４１】 前記カラーリージョン対の複雑さの計
算は、 多次元画像から境界線を抽出するステップと、 カラーリージョンの境界ピクセルの数と、そのカラーリ
ージョンに直接隣接するカラーリージョン内のピクセル
の数とをカウントするステップと、 カラーリージョン間の複雑さを判定するために、カラー
リージョンの境界ピクセルの数と、そのカラーリージョ
ンに直接隣接するカラーリージョン内のピクセルの数と
に基づく比を計算するステップと、 を含むことを特徴とする請求項３８記載のコンピュータ
システム。 - 【請求項４２】 前記階層的クラスタ分析を用いてカラ
ーリージョンを併合するステップは、 各カラーリージョンの特徴を計算するステップと、 カラーリージョンの特徴計算に基づいてしきい値を計算
するステップと、 階層的クラスタ分析最小距離法を用いてリージョン特徴
距離に基づいてカラーリージョンを併合するステップ
と、 併合されたカラーリージョンのしきい値を計算するステ
ップと、 階層的クラスタ分析最長距離法を用いてリージョン特徴
距離に基づいてカラーリージョンを併合するステップ
と、 を含むことを特徴とする請求項３８記載のコンピュータ
システム。 - 【請求項４３】 前記リージョンデータを各カラーリー
ジョンに割り当てるステップは、 少なくとも１つの視覚的特徴量を各カラーリージョンに
割り当てるステップを含むことを特徴とする請求項３８
記載のコンピュータシステム。 - 【請求項４４】 前記視覚的特徴量を各カラーリージョ
ンに割り当てるステップは、 ドミナントカラー記述子、カラーレイアウト記述子、形
状記述子またはエッジヒストグラム記述子の少なくとも
１つを各カラーリージョンに割り当てることを含むこと
を特徴とする請求項４３記載のコンピュータシステム。 - 【請求項４５】 前記リージョンデータを各カラーリー
ジョンに割り当てるステップは、 キーワード、タグまたは識別子名の少なくとも１つを各
カラーリージョンに割り当てることを含むことを特徴と
する請求項３８記載のコンピュータシステム。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US33613301P | 2001-12-06 | 2001-12-06 | |
| US60/336133 | 2001-12-06 | ||
| US10/157,059 US6922485B2 (en) | 2001-12-06 | 2002-05-30 | Method of image segmentation for object-based image retrieval |
| US10/157059 | 2002-05-30 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007071671A Division JP4539668B2 (ja) | 2001-12-06 | 2007-03-19 | 多次元画像をセグメント化する方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003173442A true JP2003173442A (ja) | 2003-06-20 |
| JP3966154B2 JP3966154B2 (ja) | 2007-08-29 |
Family
ID=26853787
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002305584A Expired - Fee Related JP3966154B2 (ja) | 2001-12-06 | 2002-10-21 | 多次元画像をセグメント化する方法およびコンピュータシステム |
| JP2007071671A Expired - Fee Related JP4539668B2 (ja) | 2001-12-06 | 2007-03-19 | 多次元画像をセグメント化する方法および装置 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007071671A Expired - Fee Related JP4539668B2 (ja) | 2001-12-06 | 2007-03-19 | 多次元画像をセグメント化する方法および装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6922485B2 (ja) |
| JP (2) | JP3966154B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005069987A (ja) * | 2003-08-27 | 2005-03-17 | Ricoh Co Ltd | パターンフィルター、３次元形状計測装置、３次元形状計測システム、３次元形状計測プログラム、パターンコード生成方法及び３次元形状方法 |
| JP2008524728A (ja) * | 2004-12-21 | 2008-07-10 | キヤノン株式会社 | デジタル画像をセグメント化する方法及びコンパクトな表現の生成方法 |
| JP2011034410A (ja) * | 2009-08-03 | 2011-02-17 | Canon Inc | クラスタリング処理方法、クラスタリング処理装置、およびプログラム |
| JP2012203910A (ja) * | 2011-03-23 | 2012-10-22 | Toshiba Corp | 画像処理装置および方法 |
Families Citing this family (55)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003091727A (ja) * | 2001-09-17 | 2003-03-28 | Canon Inc | 画像処理装置及びその方法、プログラム |
| US20040179735A1 (en) * | 2003-03-13 | 2004-09-16 | Aruna Kumar | Method and apparatus for characterizing objects within an image |
| US7376908B2 (en) * | 2003-03-24 | 2008-05-20 | Microsoft Corporation | On-screen display image rendered with MPEG hardware |
| US7643703B2 (en) * | 2003-09-03 | 2010-01-05 | Battelle Energy Alliance, Llc | Image change detection systems, methods, and articles of manufacture |
| US7697785B2 (en) * | 2004-03-31 | 2010-04-13 | Fuji Xerox Co., Ltd. | Generating a highly condensed visual summary |
| US8156123B2 (en) * | 2004-06-25 | 2012-04-10 | Apple Inc. | Method and apparatus for processing metadata |
| US7260276B2 (en) * | 2004-06-30 | 2007-08-21 | Sharp Laboratories Of America, Inc. | Methods and systems for complexity estimation and complexity-based selection |
| US7724959B2 (en) * | 2004-09-23 | 2010-05-25 | Fuji Xerox Co., Ltd. | Determining regions of interest in photographs and images |
| US7848567B2 (en) * | 2004-09-23 | 2010-12-07 | Fuji Xerox Co., Ltd. | Determining regions of interest in synthetic images |
| JP4506409B2 (ja) * | 2004-10-27 | 2010-07-21 | 株式会社デンソー | 領域分割方法及び装置、画像認識処理装置、プログラム、記録媒体 |
| JP4641414B2 (ja) * | 2004-12-07 | 2011-03-02 | キヤノン株式会社 | 文書画像検索装置、文書画像検索方法、プログラム、記憶媒体 |
| US7848577B2 (en) * | 2006-07-27 | 2010-12-07 | Hewlett-Packard Development Company, L.P. | Image processing methods, image management systems, and articles of manufacture |
| WO2007000999A1 (ja) * | 2005-06-27 | 2007-01-04 | Pioneer Corporation | 画像分析装置および画像分析方法 |
| WO2007001236A1 (en) * | 2005-06-28 | 2007-01-04 | Agency For Science, Technology And Research | Wavelet shrinkage pre-filtering of mr images for brain tissue segmentation |
| US7904455B2 (en) * | 2005-11-03 | 2011-03-08 | Fuji Xerox Co., Ltd. | Cascading cluster collages: visualization of image search results on small displays |
| JP4243614B2 (ja) * | 2006-01-11 | 2009-03-25 | Ｎｅｃアクセステクニカ株式会社 | 線分検出器及び線分検出方法 |
| CN100397400C (zh) * | 2006-02-10 | 2008-06-25 | 华为技术有限公司 | 图形检索的方法 |
| FR2906054B1 (fr) * | 2006-09-19 | 2009-02-27 | Thales Sa | Procede d'enregistrement d'un flux de donnees graphiques notamment pour des apllications informatiques |
| EP2074590A2 (en) * | 2006-09-28 | 2009-07-01 | Koninklijke Philips Electronics N.V. | Content detection of an image comprising pixels |
| JP2010505320A (ja) * | 2006-09-28 | 2010-02-18 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の一部のコンテンツ検出 |
| US20100079448A1 (en) * | 2008-09-30 | 2010-04-01 | Liang-Gee Chen | 3D Depth Generation by Block-based Texel Density Analysis |
| US8774512B2 (en) * | 2009-02-11 | 2014-07-08 | Thomson Licensing | Filling holes in depth maps |
| US8498480B2 (en) * | 2009-02-25 | 2013-07-30 | The United States Of America, As Represented By The Secretary Of The Navy | Computationally efficient method for image segmentation with intensity and texture discrimination |
| JP5173898B2 (ja) * | 2009-03-11 | 2013-04-03 | キヤノン株式会社 | 画像処理方法、画像処理装置、及びプログラム |
| US20110106798A1 (en) * | 2009-11-02 | 2011-05-05 | Microsoft Corporation | Search Result Enhancement Through Image Duplicate Detection |
| US9710491B2 (en) * | 2009-11-02 | 2017-07-18 | Microsoft Technology Licensing, Llc | Content-based image search |
| US8433140B2 (en) * | 2009-11-02 | 2013-04-30 | Microsoft Corporation | Image metadata propagation |
| CN101840577B (zh) * | 2010-06-11 | 2012-07-25 | 西安电子科技大学 | 基于图切割的图像自动分割方法 |
| JP5381944B2 (ja) * | 2010-09-21 | 2014-01-08 | 株式会社デンソーウェーブ | 光学的情報読取装置 |
| US9196047B2 (en) * | 2010-11-08 | 2015-11-24 | Manipal Institute Of Technology | Automated tuberculosis screening |
| US9047319B2 (en) | 2010-12-17 | 2015-06-02 | Microsoft Technology Licensing, Llc | Tag association with image regions |
| US8737746B2 (en) | 2011-01-31 | 2014-05-27 | Bluebeam Software, Inc. | Method for multiple pass symbol and components-based visual object searching of documents |
| KR101767269B1 (ko) * | 2011-04-25 | 2017-08-10 | 한국전자통신연구원 | 영상 검색 장치 및 방법 |
| WO2012151755A1 (zh) * | 2011-05-12 | 2012-11-15 | 中国科学院自动化研究所 | 商标检测与识别的方法 |
| CN102289797B (zh) * | 2011-08-02 | 2013-01-23 | 于元隆 | 一种基于巴氏距离的层级式图像分割方法 |
| US8818030B2 (en) * | 2011-12-13 | 2014-08-26 | Xerox Corporation | Post-processing a multi-spectral image for enhanced object identification |
| CN103150330B (zh) * | 2013-01-16 | 2015-12-23 | 中南大学 | 一种基于局部对象和块匹配的扫描证书图像检索方法 |
| US10783615B2 (en) | 2013-03-13 | 2020-09-22 | Kofax, Inc. | Content-based object detection, 3D reconstruction, and data extraction from digital images |
| US11620733B2 (en) | 2013-03-13 | 2023-04-04 | Kofax, Inc. | Content-based object detection, 3D reconstruction, and data extraction from digital images |
| US9292747B2 (en) * | 2013-03-15 | 2016-03-22 | The Boeing Company | Methods and systems for automatic and semi-automatic geometric and geographic feature extraction |
| CN104346801B (zh) * | 2013-08-02 | 2018-07-20 | 佳能株式会社 | 图像构图评估装置、信息处理装置及其方法 |
| AU2014321165B2 (en) * | 2013-09-11 | 2020-04-09 | See-Out Pty Ltd | Image searching method and apparatus |
| GB2519130A (en) * | 2013-10-11 | 2015-04-15 | Nokia Corp | A method and apparatus for image segmentation |
| EP3058509A4 (en) * | 2013-10-16 | 2017-08-09 | 3M Innovative Properties Company | Note recognition for overlapping physical notes |
| CN104240252A (zh) * | 2014-09-22 | 2014-12-24 | 电子科技大学 | 一种机器视觉棒材高温钢坯表面裂纹检测算法 |
| CN105608459B (zh) | 2014-10-29 | 2018-09-14 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
| KR102057197B1 (ko) * | 2015-02-17 | 2019-12-18 | 삼성전자주식회사 | 하이브리드 해프토닝 개선 방법 및 이를 위한 장치 |
| US10049434B2 (en) | 2015-10-15 | 2018-08-14 | The Boeing Company | Systems and methods for object detection |
| CN106558062B (zh) * | 2016-11-11 | 2019-05-10 | 江苏理工学院 | 灰度图像的一维对象复杂度图像分割算法及分割步骤 |
| US10803350B2 (en) * | 2017-11-30 | 2020-10-13 | Kofax, Inc. | Object detection and image cropping using a multi-detector approach |
| CN109949298B (zh) * | 2019-03-22 | 2022-04-29 | 西南交通大学 | 一种基于聚类学习的图像分割质量评价方法 |
| US10902607B1 (en) * | 2019-12-06 | 2021-01-26 | Black Sesame International Holding Limited | Fast instance segmentation |
| US11521028B2 (en) * | 2020-04-10 | 2022-12-06 | Toyota Research Institute, Inc. | Meta-learning neural architecture search via graph networks on search space lattices |
| US11477351B2 (en) * | 2020-04-10 | 2022-10-18 | Ssimwave, Inc. | Image and video banding assessment |
| US11657512B2 (en) * | 2021-02-02 | 2023-05-23 | Black Sesame Technologies Inc. | Fast instance segmentation |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6336482A (ja) * | 1986-07-31 | 1988-02-17 | Matsushita Electric Ind Co Ltd | 画像の領域分割方式 |
| JPH06149559A (ja) * | 1992-11-02 | 1994-05-27 | Kawasaki Steel Corp | ワンチップマイクロコンピュータ |
| US5557688A (en) * | 1992-11-18 | 1996-09-17 | Fuji Photo Film Co., Ltd. | Method of extracting characteristic image data and color data conversion device for image processing apparatus |
| JP3354629B2 (ja) * | 1993-05-26 | 2002-12-09 | 株式会社リコー | 画像処理装置 |
| JPH07160879A (ja) * | 1993-12-07 | 1995-06-23 | Toppan Printing Co Ltd | 画像処理方法 |
| US5649083A (en) * | 1994-04-15 | 1997-07-15 | Hewlett-Packard Company | System and method for dithering and quantizing image data to optimize visual quality of a color recovered image |
| EP0695079B1 (en) * | 1994-07-29 | 2002-09-25 | Canon Kabushiki Kaisha | Image processing apparatus with image content judgement |
| JP3794502B2 (ja) * | 1994-11-29 | 2006-07-05 | ソニー株式会社 | 画像領域抽出方法及び画像領域抽出装置 |
| US6078688A (en) * | 1996-08-23 | 2000-06-20 | Nec Research Institute, Inc. | Method for image segmentation by minimizing the ratio between the exterior boundary cost and the cost of the enclosed region |
| JP3460516B2 (ja) * | 1997-07-09 | 2003-10-27 | 日本電信電話株式会社 | 画像内オブジェクト抽出方法及び画像内オブジェクト抽出プログラムを格納した記憶媒体 |
| JP3070541B2 (ja) * | 1997-10-03 | 2000-07-31 | 日本電気株式会社 | 動的輪郭抽出装置 |
| JPH11224337A (ja) * | 1998-02-05 | 1999-08-17 | Fuji Xerox Co Ltd | 領域分割統合装置および領域分割統合方法 |
| JP2000339453A (ja) * | 1999-05-28 | 2000-12-08 | Olympus Optical Co Ltd | 画像領域分割装置及びその方法と処理プログラムが記録された記録媒体 |
| US6778698B1 (en) * | 1999-06-11 | 2004-08-17 | Pts Corporation | Method and apparatus for digital image segmentation |
| US6512846B1 (en) * | 1999-11-29 | 2003-01-28 | Eastman Kodak Company | Determining orientation of images containing blue sky |
| US6674907B1 (en) * | 2000-02-17 | 2004-01-06 | Microsoft Corporation | Color image quantization using a hierarchical color perception model |
| US6721448B2 (en) * | 2001-02-20 | 2004-04-13 | International Business Machines Corporation | Color clustering and segmentation using sigma filtering |
-
2002
- 2002-05-30 US US10/157,059 patent/US6922485B2/en not_active Expired - Fee Related
- 2002-10-21 JP JP2002305584A patent/JP3966154B2/ja not_active Expired - Fee Related
-
2007
- 2007-03-19 JP JP2007071671A patent/JP4539668B2/ja not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005069987A (ja) * | 2003-08-27 | 2005-03-17 | Ricoh Co Ltd | パターンフィルター、３次元形状計測装置、３次元形状計測システム、３次元形状計測プログラム、パターンコード生成方法及び３次元形状方法 |
| JP4643133B2 (ja) * | 2003-08-27 | 2011-03-02 | 株式会社リコー | パターンフィルター、３次元形状計測装置、３次元形状計測システム、３次元形状計測プログラム、パターンコード生成方法及び３次元形状方法 |
| JP2008524728A (ja) * | 2004-12-21 | 2008-07-10 | キヤノン株式会社 | デジタル画像をセグメント化する方法及びコンパクトな表現の生成方法 |
| JP2011034410A (ja) * | 2009-08-03 | 2011-02-17 | Canon Inc | クラスタリング処理方法、クラスタリング処理装置、およびプログラム |
| JP2012203910A (ja) * | 2011-03-23 | 2012-10-22 | Toshiba Corp | 画像処理装置および方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20030108237A1 (en) | 2003-06-12 |
| JP2007149139A (ja) | 2007-06-14 |
| US6922485B2 (en) | 2005-07-26 |
| JP3966154B2 (ja) | 2007-08-29 |
| JP4539668B2 (ja) | 2010-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3966154B2 (ja) | 多次元画像をセグメント化する方法およびコンピュータシステム | |
| Mezaris et al. | Still image segmentation tools for object-based multimedia applications | |
| Kulkarni | Color thresholding method for image segmentation of natural images | |
| JP4907938B2 (ja) | 少なくとも１つの画像及び画像群を表現する方法、画像又は画像群の表現、画像及び／又は画像群を比較する方法、画像又は画像群を符号化する方法、画像又は画像シーケンスを復号する方法、符号化されたデータの使用、画像又は画像群を表現する装置、画像及び／又は画像群を比較する装置、コンピュータプログラム、システム、及びコンピュータ読み取り可能な記憶媒体 | |
| JP2003016448A (ja) | 前景／背景セグメント化を用いた画像のイベント・クラスタリング | |
| JP5097280B2 (ja) | 画像及び画像群を表現、比較及び検索する方法及び装置、プログラム、コンピュータ読み取り可能な記憶媒体 | |
| US20020176625A1 (en) | Method for segmenting multi-resolution video objects | |
| Liu et al. | Automatic texture segmentation for texture-based image retrieval | |
| JP2005513656A (ja) | 体積成長および変化検出マスクを使用してビデオ内の移動オブジェクトを識別するための方法 | |
| JP4098021B2 (ja) | シーン識別方法および装置ならびにプログラム | |
| CN108205676B (zh) | 提取图像文字区域的方法和装置 | |
| Alamdar et al. | A new color feature extraction method based on QuadHistogram | |
| Medvedeva et al. | Image segmentation based on two-dimensional Markov chains | |
| CN108829711A (zh) | 一种基于多特征融合的图像检索方法 | |
| Avrithis et al. | Color-based retrieval of facial images | |
| Song et al. | Analyzing scenery images by monotonic tree | |
| Song et al. | Automatic annotation and retrieval of images | |
| Zhang | On the use of CBIR in Image Mosaic Generation | |
| CN114913438A (zh) | 一种基于锚框最优聚类的YOLOv5园林异常目标识别方法 | |
| Hirata et al. | On image segmentation for object-based image retrieval | |
| Burdescu et al. | New algorithm for segmentation of images represented as hypergraph hexagonal-grid | |
| Nagin et al. | Region extraction and description through planning | |
| Memon et al. | A novel technique for region-based features similarity for content-based image retrieval | |
| KR100959053B1 (ko) | 복수의 이미지 프레임을 갖는 비디오 시퀀스 검색을 위한비선형 양자화 및 유사도 매칭 방법 | |
| Prabavathy et al. | Object based Video Retrieval with multiple features matching approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060117 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060320 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060523 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060724 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060928 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061127 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070116 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070319 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20070329 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070508 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070521 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100608 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110608 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110608 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120608 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120608 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130608 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |