JP2004048496A - 画像符号化方法および装置、画像復号方法および装置と、画像配信装置 - Google Patents
画像符号化方法および装置、画像復号方法および装置と、画像配信装置 Download PDFInfo
- Publication number
- JP2004048496A JP2004048496A JP2002204705A JP2002204705A JP2004048496A JP 2004048496 A JP2004048496 A JP 2004048496A JP 2002204705 A JP2002204705 A JP 2002204705A JP 2002204705 A JP2002204705 A JP 2002204705A JP 2004048496 A JP2004048496 A JP 2004048496A
- Authority
- JP
- Japan
- Prior art keywords
- image
- difference information
- point
- difference
- file
- 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.)
- Pending
Links
Images
Abstract
【課題】送信先の端末の種類に応じて効率的に配信できるように画像データを符号化する技術を提供する。
【解決手段】マッチングプロセッサ１８は、隣接するキーフレーム間で画像マッチングを計算して対応点ファイルを生成し、且つ画素値の差分情報を記録した差分値ファイルを別ファイルとして生成する。画像データの配信時、符号化データ生成ユニット５８は、配信先の端末の種類に応じて、差分値ファイルを送信するか否かを決定し、符号化画像データを生成する。
【選択図】 図２０
【解決手段】マッチングプロセッサ１８は、隣接するキーフレーム間で画像マッチングを計算して対応点ファイルを生成し、且つ画素値の差分情報を記録した差分値ファイルを別ファイルとして生成する。画像データの配信時、符号化データ生成ユニット５８は、配信先の端末の種類に応じて、差分値ファイルを送信するか否かを決定し、符号化画像データを生成する。
【選択図】 図２０
Description
【０００１】
【発明の属する技術分野】
この発明は、画像処理技術に関し、とくに画像データを符号化または復号する技術、および画像データを配信する技術に関する。
【０００２】
【従来の技術】
動画圧縮は高い圧縮率と良好な画質の両方の要求を満足することを究極の目標として研究され、ストレージメディアからネットワークや放送などの伝送メディアへとその応用範囲を拡大している。現在ではＭＰＥＧ（Ｍｏｔｉｏｎ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔ Ｇｒｏｕｐ）が動画圧縮の事実上の世界標準として認知されているが、周知のごとくブロック歪が高圧縮化を阻むことがある。
【０００３】
【発明が解決しようとする課題】
近年、パーソナルコンピュータ（ＰＣ）からだけでなく、携帯電話などの通信端末を利用してインターネットへ接続することが一般的になった。特に最近では携帯電話の表示部にカラーＬＣＤなどが採用され、静止画だけでなく、比較的単純な画像を中心に動画の配信も行われている。しかしながら携帯端末の処理可能なデータ量は、その処理能力およびメモリ量などの制約から、ＰＣと比較すると小さい。動画の配信サービスを想定した場合、配信先の端末の処理能力に関係なく一律にデータを送信すると、データ処理が間に合わないことも可能性として考えられる。またユーザにとっても常に最高の画質を必要としているのではなく、多少の画質の劣化は許容できることも多い。
【０００４】
本発明はそうした状況に鑑みてなされたものであり、その目的は画像データの配信に効率的な符号化技術を提供し、また配信されたデータの復号技術を提供することにある。また、本発明の目的は、符号化された画像データを効率的に配信する技術を提供することにある。また本発明の目的は、柔軟性の高い画像符号化技術および復号技術を提供することにある。また本発明の目的は、データ管理の容易な画像符号化技術および復号技術を提供することにある。
【０００５】
【課題を解決するための手段】
以下、本発明の画像符号化技術および画像復号技術は、主に動画について説明するが、モーフィング、ウォークスルーなどの映像効果など、用途は動画に限られない。
【０００６】
本発明のある態様は、第１画像と第２画像を取得する画像入力部と、取得された第１画像および第２画像の間でマッチングを計算し、それらの画像の間で対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成するマッチングプロセッサを含む画像符号化装置を提供し、このマッチングプロセッサは、対応点ファイルとは別に、対応する画像間の画素値の差分情報を記録した差分値ファイルを生成する。以下「点」と「画素」とは区別せずに用いるが、「点」および「画素」は基本的には一つの点および画素を示す概念であり、場合によっては点および画素の集合体を示すものであってもよい。また「画素値」は以下「色」ともいうが、色に限らず、任意の属性であってもよい。
【０００７】
以下で説明する前提技術によれば、画像の復号に第１画像と第２画像との対応点ファイルを用いて、第１画像および第２画像の間の中間画像の動きを再生し、色の補間については第１画像および第２画像の画素値を参照することとしている。
【０００８】
しかしながら、本態様の一例においては、色の補間のために第２画像を参照することに代えて、予め第１画像と第２画像の対応しあう点（以下、対応点対ともいう）の色の差分情報を差分値ファイルとして、対応点ファイルとは別個に生成しておく。これにより、復号時に第２画像を参照する必要がなくなるため、復号側の装置は中間画像よりも後に再生されるべき第２画像を予め取得しなくてもよく、メモリの利用効率、処理のストリーム化のいずれの面でも有利となる。
【０００９】
また、本態様の別の例においては、第１画像と第２画像の間にある現実の中間画像の画素値と、対応する仮想的な中間画像の画素値の差分情報を差分値ファイルとして、対応点ファイルとは別個に生成する。この差分情報は、復号時に現実の中間画像を忠実に再現するために利用される。
【００１０】
いずれの場合であっても、本態様の画像符号化装置によると、差分値ファイルを対応点ファイルと別個に生成することにより、データ配信時に、差分情報を送信しない選択肢をとることが可能となる。差分情報を送信しない場合には、例えば第１画像または第２画像の一方の画素値で、中間画像を再生してもよい。
【００１１】
もともと第１画像と第２画像の対応しあう画素、または現実の中間画像と仮想的な中間画像との画素は、互いに色が近いことが期待できるため、色の差分を表現する差分情報には、第１画像および第２画像において各点の画素値の表現に利用されるビット数よりも少ないビット数が割り当てられてもよい。例えば第１画像および第２画像のＲＧＢ各色を８ビットで表現する場合、差分情報をそれぞれ３ビットで表現してもよい。これにより差分情報を送信する場合であっても、送信データ量を少なくすることができる。また、この差分情報は、通常ゼロを中心とする統計的な分布を見せるため、これをエントロピー符号化することにより、より高いデータ圧縮効果を得られる。さらに、対応点ファイルと差分値ファイルとを別個に生成することにより、それぞれのファイルを好適な方式により圧縮することも可能となる。
【００１２】
本発明の別の態様は、第１画像と第２画像を取得するステップと、取得された第１画像および第２画像の間でマッチングを計算し、第１画像上の点に対応する第２画像上の点を検出するステップと、検出した点の位置情報を記録して対応点ファイルを生成するステップと、対応する画像間の画素値の差分情報を記録して差分値ファイルを生成するステップとを備えることを特徴とする画像符号化方法を提供する。
【００１３】
本発明のさらに別の態様は、画像の送信指示を受け付ける指示入力部と、第１画像および第２画像の画像データ、第１画像と第２画像との間で対応する点の位置情報を記録した対応点ファイル、および対応する画像間の画素値の差分情報を記録した差分値ファイルをそれぞれ別ファイルとして保持する格納部と、送信指示に基づいて、画像データ、位置情報および差分情報の中から配信する対象を決定し、符号化データストリームを生成する符号化データ生成ユニットとを備えることを特徴とする画像配信装置を提供する。符号化データ生成ユニットは、送信指示を送った端末の種類に基づいて、符号化データストリームを生成してもよい。この態様の画像配信装置によると、例えば端末が携帯機器など、データ処理能力が低いものである場合に、差分情報を送信しない選択肢をとることが可能となる。
【００１４】
本発明のさらに別の態様は、第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得するデータ受付部と、差分情報の使用または非使用の設定に応じて、第１画像と第２画像の間の中間画像を生成する中間画像生成部とを備えることを特徴とする画像復号装置を提供する。使用または非使用の設定は、予め定められていてもよく、またユーザにより入力されてもよい。中間画像生成部は、設定されたモードに応じて、差分情報の取捨を選択してもよい。例えば、画像をクリアに再生するモードにおいては、差分情報を利用して画像を再生してもよい。一方で、処理負荷を軽減するモードにおいては、差分情報を利用せずに、画像データと対応点ファイルから画像を再生してもよい。具体的には、前者が通常速度の再生モードであり、後者が高速再生モードである場合が考えられる。高速再生モードでは、中間画像の画素値を、例えば第１画像または第２画像の画素値に設定して、色を固定してもよい。
【００１５】
本発明のさらに別の態様は、第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得するステップと、差分情報の使用または非使用の設定に応じて、第１画像と第２画像の間の中間画像を生成するステップとを備えることを特徴とする画像復号方法を提供する。
【００１６】
本発明のさらに別の態様は、第１画像と第２画像を取得する機能と、取得された第１画像および第２画像の間でマッチングを計算し、第１画像と第２画像の間の対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成する機能と、対応点ファイルとは別に、対応する画像間の画素値の差分情報を記録した差分値ファイルを生成する機能とをコンピュータに実行せしめることを特徴とするコンピュータプログラムを提供する。
【００１７】
本発明のさらに別の態様は、第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得する機能と、差分情報の使用または非使用の設定に応じて、画像データおよび対応点ファイルと、差分情報の使用が設定される場合にはこの差分情報も用いて、第１画像と第２画像の間の中間画像を生成する機能とをコンピュータに実行せしめることを特徴とするコンピュータプログラムを提供する。
【００１８】
以上の各構成、ステップを任意に入れ替えたり、方法と装置の間で表現を一部または全部入れ替え、または追加したり、表現をコンピュータプログラム、記録媒体等に変更したものもまた、本発明として有効である。
【００１９】
【発明の実施の形態】
はじめに、実施の形態で利用する多重解像度特異点フィルタ技術とそれを用いた画像マッチング処理を「前提技術」として詳述する。これらの技術は本出願人がすでに特許第２９２７３５０号を得ている技術であり、本発明との組合せに最適である。ただし、実施の形態で採用可能な画像マッチング技術はこれに限られない。図１９以降、前提技術を利用した画像データ符号化および復号技術を具体的に説明する。
【００２０】
［前提技術の実施の形態］
最初に［１］で前提技術の要素技術を詳述し、［２］で処理手順を具体的に説明する。さらに［３］で前提技術に基づき改良を施した点について述べる。
【００２１】
［１］要素技術の詳細
［１．１］イントロダクション
特異点フィルタと呼ばれる新たな多重解像度フィルタを導入し、画像間のマッチングを正確に計算する。オブジェクトに関する予備知識は一切不要である。画像間のマッチングの計算は、解像度の階層を進む間、各解像度において計算される。その際、粗いレベルから精細なレベルへと順に解像度の階層を辿っていく。計算に必要なパラメータは、人間の視覚システムに似た動的計算によって完全に自動設定される。画像間の対応点を人手で特定する必要はない。
【００２２】
本前提技術は、例えば完全に自動的なモーフィング、物体認識、立体写真測量、ボリュームレンダリング、少ないフレームからの滑らかな動画像の生成などに応用できる。モーフィングに用いる場合、与えられた画像を自動的に変形することができる。ボリュームレンダリングに用いる場合、断面間の中間的な画像を正確に再構築することができる。断面間の距離が遠く、断面の形状が大きく変化する場合でも同様である。
【００２３】
［１．２］特異点フィルタの階層
前提技術に係る多重解像度特異点フィルタは、画像の解像度を落としながら、しかも画像に含まれる各特異点の輝度及び位置を保存することができる。ここで画像の幅をＮ、高さをＭとする。以下簡単のため、Ｎ＝Ｍ＝２ｎ（ｎは自然数）と仮定する。また、区間［０，Ｎ］⊂ＲをＩと記述する。（ｉ，ｊ）における画像の画素をｐ（ｉ，ｊ）と記述する（ｉ，ｊ∈Ｉ）。
【００２４】
ここで多重解像度の階層を導入する。階層化された画像群は多重解像度フィルタで生成される。多重解像度フィルタは、もとの画像に対して二次元的な探索を行って特異点を検出し、検出された特異点を抽出してもとの画像よりも解像度の低い別の画像を生成する。ここで第ｍレベルにおける各画像のサイズは２ｍ×２ｍ（０≦ｍ≦ｎ）とする。特異点フィルタは次の４種類の新たな階層画像をｎから下がる方向で再帰的に構築する。
【００２５】
【数１】
ただしここで、
【数２】
とする。以降これら４つの画像を副画像（サブイメージ）と呼ぶ。ｍｉｎｘ≦ｔ≦ｘ＋１、ｍａｘｘ≦ｔ≦ｘ＋１をそれぞれα及びβと記述すると、副画像はそれぞれ以下のように記述できる。
【００２６】
Ｐ（ｍ，０）＝α（ｘ）α（ｙ）ｐ（ｍ＋１，０）
Ｐ（ｍ，１）＝α（ｘ）β（ｙ）ｐ（ｍ＋１，１）
Ｐ（ｍ，２）＝β（ｘ）α（ｙ）ｐ（ｍ＋１，２）
Ｐ（ｍ，３）＝β（ｘ）β（ｙ）ｐ（ｍ＋１，３）
すなわち、これらはαとβのテンソル積のようなものと考えられる。副画像はそれぞれ特異点に対応している。これらの式から明らかなように、特異点フィルタはもとの画像について２×２画素で構成されるブロックごとに特異点を検出する。その際、各ブロックのふたつの方向、つまり縦と横について、最大画素値または最小画素値をもつ点を探索する。画素値として、前提技術では輝度を採用するが、画像に関するいろいろな数値を採用することができる。ふたつの方向の両方について最大画素値となる画素は極大点、ふたつの方向の両方について最小画素値となる画素は極小点、ふたつの方向の一方について最大画素値となるとともに、他方について最小画素値となる画素は鞍点として検出される。
【００２７】
特異点フィルタは、各ブロックの内部で検出された特異点の画像（ここでは１画素）でそのブロックの画像（ここでは４画素）を代表させることにより、画像の解像度を落とす。特異点の理論的な観点からすれば、α（ｘ）α（ｙ）は極小点を保存し、β（ｘ）β（ｙ）は極大点を保存し、α（ｘ）β（ｙ）及びβ（ｘ）α（ｙ）は鞍点を保存する。
【００２８】
はじめに、マッチングをとるべき始点（ソース）画像と終点（デスティネーション）画像に対して別々に特異点フィルタ処理を施し、それぞれ一連の画像群、すなわち始点階層画像と終点階層画像を生成しておく。始点階層画像と終点階層画像は、特異点の種類に対応してそれぞれ４種類ずつ生成される。
【００２９】
この後、一連の解像度レベルの中で始点階層画像と終点階層画像のマッチングがとられていく。まずｐ（ｍ，０）を用いて極小点のマッチングがとられる。次に、その結果に基づき、ｐ（ｍ，１）を用いて鞍点のマッチングがとられ、ｐ（ｍ，２）を用いて他の鞍点のマッチングがとられる。そして最後にｐ（ｍ，３）を用いて極大点のマッチングがとられる。
【００３０】
図１（ｃ）と図１（ｄ）はそれぞれ図１（ａ）と図１（ｂ）の副画像ｐ（５，０）を示している。同様に、図１（ｅ）と図１（ｆ）はｐ（５，１）、図１（ｇ）と図１（ｈ）はｐ（５，２）、図１（ｉ）と図１（ｊ）はｐ（５，３）をそれぞれ示している。これらの図からわかるとおり、副画像によれば画像の特徴部分のマッチングが容易になる。まずｐ（５，０）によって目が明確になる。目は顔の中で輝度の極小点だからである。ｐ（５，１）によれば口が明確になる。口は横方向で輝度が低いためである。ｐ（５，２）によれば首の両側の縦線が明確になる。最後に、ｐ（５，３）によって耳や頬の最も明るい点が明確になる。これらは輝度の極大点だからである。
【００３１】
特異点フィルタによれば画像の特徴が抽出できるため、例えばカメラで撮影された画像の特徴と、予め記録しておいたいくつかのオブジェクトの特徴を比較することにより、カメラに映った被写体を識別することができる。
【００３２】
［１．３］画像間の写像の計算
始点画像の位置（ｉ，ｊ）の画素をｐ（ｎ） （ｉ，ｊ）と書き、同じく終点画像の位置（ｋ，ｌ）の画素をｑ（ｎ） （ｋ，ｌ）で記述する。ｉ，ｊ，ｋ，ｌ∈Ｉとする。画像間の写像のエネルギー（後述）を定義する。このエネルギーは、始点画像の画素の輝度と終点画像の対応する画素の輝度の差、及び写像の滑らかさによって決まる。最初に最小のエネルギーを持つｐ（ｍ，０）とｑ（ｍ，０）間の写像ｆ（ｍ，０）：ｐ（ｍ，０）→ｑ（ｍ，０）が計算される。ｆ（ｍ，０）に基づき、最小エネルギーを持つｐ（ｍ，１）、ｑ（ｍ，１）間の写像ｆ（ｍ，１）が計算される。この手続は、ｐ（ｍ，３）とｑ（ｍ，３）の間の写像ｆ（ｍ，３）の計算が終了するまで続く。各写像ｆ（ｍ，ｉ）（ｉ＝０，１，２，…）を副写像と呼ぶことにする。ｆ（ｍ，ｉ）の計算の都合のために、ｉの順序は次式のように並べ替えることができる。並べ替えが必要な理由は後述する。
【数３】
ここでσ（ｉ）∈｛０，１，２，３｝である。
【００３３】
［１．３．１］全単射
始点画像と終点画像の間のマッチングを写像で表現する場合、その写像は両画像間で全単射条件を満たすべきである。両画像に概念上の優劣はなく、互いの画素が全射かつ単射で接続されるべきだからである。しかしながら通常の場合とは異なり、ここで構築すべき写像は全単射のディジタル版である。前提技術では、画素は格子点によって特定される。
【００３４】
始点副画像（始点画像について設けられた副画像）から終点副画像（終点画像について設けられた副画像）への写像は、ｆ（ｍ，ｓ）：Ｉ／２ｎ−ｍ×Ｉ／２ｎ−ｍ→Ｉ／２ｎ−ｍ×Ｉ／２ｎ−ｍ（ｓ＝０，１，…）によって表される。ここで、ｆ（ｍ，ｓ）（ｉ，ｊ）＝（ｋ，ｌ）は、始点画像のｐ（ｍ，ｓ） （ｉ，ｊ）が終点画像のｑ（ｍ，ｓ） （ｋ，ｌ）に写像されることを意味する。簡単のために、ｆ（ｉ，ｊ）＝（ｋ，ｌ）が成り立つとき画素ｑ（ｋ，ｌ）をｑｆ（ｉ，ｊ）と記述する。
【００３５】
前提技術で扱う画素（格子点）のようにデータが離散的な場合、全単射の定義は重要である。ここでは以下のように定義する（ｉ，ｉ’，ｊ，ｊ’，ｋ，ｌは全て整数とする）。まず始めに、始点画像の平面においてＲによって表記される各正方形領域、
【数４】
を考える（ｉ＝０，…，２ｍ−１、ｊ＝０，…，２ｍ−１）。ここでＲの各辺（エッジ）の方向を以下のように定める。
【００３６】
【数５】
この正方形は写像ｆによって終点画像平面における四辺形に写像されなければならない。ｆ（ｍ，ｓ）（Ｒ）によって示される四辺形、
【数６】
は、以下の全単射条件を満たす必要がある。
【００３７】
１．四辺形ｆ（ｍ，ｓ）（Ｒ）のエッジは互いに交差しない。
２．ｆ（ｍ，ｓ）（Ｒ）のエッジの方向はＲのそれらに等しい（図２の場合、時計回り）。
３．緩和条件として収縮写像（リトラクション：ｒｅｔｒａｃｔｉｏｎｓ）を許す。
【００３８】
何らかの緩和条件を設けないかぎり、全単射条件を完全に満たす写像は単位写像しかないためである。ここではｆ（ｍ，ｓ）（Ｒ）のひとつのエッジの長さが０、すなわちｆ（ｍ，ｓ）（Ｒ）は三角形になってもよい。しかし、面積が０となるような図形、すなわち１点または１本の線分になってはならない。図２（Ｒ）がもとの四辺形の場合、図２（Ａ）と図２（Ｄ）は全単射条件を満たすが、図２（Ｂ）、図２（Ｃ）、図２（Ｅ）は満たさない。
【００３９】
実際のインプリメンテーションでは、写像が全射であることを容易に保証すべく、さらに以下の条件を課してもよい。つまり始点画像の境界上の各画素は、終点画像において同じ位置を占める画素に写影されるというものである。すなわち、ｆ（ｉ，ｊ）＝（ｉ，ｊ）（ただしｉ＝０，ｉ＝２ｍ−１，ｊ＝０，ｊ＝２ｍ−１の４本の線上）である。この条件を以下「付加条件」とも呼ぶ。
【００４０】
［１．３．２］写像のエネルギー
［１．３．２．１］画素の輝度に関するコスト
写像ｆのエネルギーを定義する。エネルギーが最小になる写像を探すことが目的である。エネルギーは主に、始点画像の画素の輝度とそれに対応する終点画像の画素の輝度の差で決まる。すなわち、写像ｆ（ｍ，ｓ）の点（ｉ，ｊ）におけるエネルギーＣ（ｍ，ｓ） （ｉ，ｊ）は次式によって定まる。
【００４１】
【数７】
ここで、Ｖ（ｐ（ｍ，ｓ） （ｉ，ｊ））及びＶ（ｑ（ｍ，ｓ） ｆ（ｉ，ｊ））はそれぞれ画素ｐ（ｍ，ｓ） （ｉ，ｊ）及びｑ（ｍ，ｓ） ｆ（ｉ，ｊ）の輝度である。ｆのトータルのエネルギーＣ（ｍ，ｓ）は、マッチングを評価するひとつの評価式であり、つぎに示すＣ（ｍ，ｓ） （ｉ，ｊ）の合計で定義できる。
【数８】
【００４２】
［１．３．２．２］滑らかな写像のための画素の位置に関するコスト
滑らかな写像を得るために、写像に関する別のエネルギーＤｆを導入する。このエネルギーは画素の輝度とは関係なく、ｐ（ｍ，ｓ） （ｉ，ｊ）およびｑ（ｍ，ｓ） ｆ（ｉ，ｊ）の位置によって決まる（ｉ＝０，…，２ｍ−１，ｊ＝０，…，２ｍ−１）。点（ｉ，ｊ）における写像ｆ（ｍ，ｓ）のエネルギーＤ（ｍ，ｓ） （ｉ，ｊ）は次式で定義される。
【００４３】
【数９】
ただし、係数パラメータηは０以上の実数であり、また、
【数１０】
【数１１】
とする。ここで、
【数１２】
であり、ｉ’＜０およびｊ’＜０に対してｆ（ｉ’，ｊ’）は０と決める。Ｅ０は（ｉ，ｊ）及びｆ（ｉ，ｊ）の距離で決まる。Ｅ０は画素があまりにも離れた画素へ写影されることを防ぐ。ただしＥ０は、後に別のエネルギー関数で置き換える。Ｅ１は写像の滑らかさを保証する。Ｅ１は、ｐ（ｉ，ｊ）の変位とその隣接点の変位の間の隔たりを表す。以上の考察をもとに、マッチングを評価する別の評価式であるエネルギーＤｆは次式で定まる。
【数１３】
【００４４】
［１．３．２．３］写像の総エネルギー
写像の総エネルギー、すなわち複数の評価式の統合に係る総合評価式はλＣ（ｍ，ｓ） ｆ＋Ｄ（ｍ，ｓ） ｆで定義される。ここで係数パラメータλは０以上の実数である。目的は総合評価式が極値をとる状態を検出すること、すなわち次式で示す最小エネルギーを与える写像を見いだすことである。
【００４５】
【数１４】
λ＝０及びη＝０の場合、写像は単位写像になることに注意すべきである（すなわち、全てのｉ＝０，…，２ｍ−１及びｊ＝０，…，２ｍ−１に対してｆ（ｍ，ｓ）（ｉ，ｊ）＝（ｉ，ｊ）となる）。後述のごとく、本前提技術では最初にλ＝０及びη＝０の場合を評価するため、写像を単位写像から徐々に変形していくことができる。仮に総合評価式のλの位置を変えてＣ（ｍ，ｓ） ｆ＋λＤ（ｍ，ｓ） ｆと定義したとすれば、λ＝０及びη＝０の場合に総合評価式がＣ（ｍ，ｓ） ｆだけになり、本来何等関連のない画素どうしが単に輝度が近いというだけで対応づけられ、写像が無意味なものになる。そうした無意味な写像をもとに写像を変形していってもまったく意味をなさない。このため、単位写像が評価の開始時点で最良の写像として選択されるよう係数パラメータの与えかたが配慮されている。
【００４６】
オプティカルフローもこの前提技術同様、画素の輝度の差と滑らかさを考慮する。しかし、オプティカルフローは画像の変換に用いることはできない。オブジェクトの局所的な動きしか考慮しないためである。前提技術に係る特異点フィルタを用いることによって大域的な対応関係を検出することができる。
【００４７】
［１．３．３］多重解像度の導入による写像の決定
最小エネルギーを与え、全単射条件を満足する写像ｆｍｉｎを多重解像度の階層を用いて求める。各解像度レベルにおいて始点副画像及び終点副画像間の写像を計算する。解像度の階層の最上位（最も粗いレベル）からスタートし、各解像度レベルの写像を、他のレベルの写像を考慮に入れながら決定する。各レベルにおける写像の候補の数は、より高い、つまりより粗いレベルの写像を用いることによって制限される。より具体的には、あるレベルにおける写像の決定に際し、それよりひとつ粗いレベルにおいて求められた写像が一種の拘束条件として課される。
【００４８】
まず、
【数１５】
が成り立つとき、ｐ（ｍ−１，ｓ） （ｉ’，ｊ’）、ｑ（ｍ−１，ｓ） （ｉ’，ｊ’）をそれぞれｐ（ｍ，ｓ） （ｉ，ｊ）、ｑ（ｍ，ｓ） （ｉ，ｊ）のｐａｒｅｎｔと呼ぶことにする。［ｘ］はｘを越えない最大整数である。またｐ（ｍ，ｓ） （ｉ，ｊ）、ｑ（ｍ，ｓ） （ｉ，ｊ）をそれぞれｐ（ｍ−１，ｓ） （ｉ’，ｊ’）、ｑ（ｍ−１，ｓ） （ｉ’，ｊ’）のｃｈｉｌｄと呼ぶ。関数ｐａｒｅｎｔ（ｉ，ｊ）は次式で定義される。
【００４９】
【数１６】
ｐ（ｍ，ｓ） （ｉ，ｊ）とｑ（ｍ，ｓ） （ｋ，ｌ）の間の写像ｆ（ｍ，ｓ）は、エネルギー計算を行って最小になったものを見つけることで決定される。ｆ（ｍ，ｓ）（ｉ，ｊ）＝（ｋ，ｌ）の値はｆ（ｍ−１，ｓ）（ｍ＝１，２，…，ｎ）を用いることによって、以下のように決定される。まず、ｑ（ｍ，ｓ） （ｋ，ｌ）は次の四辺形の内部になければならないという条件を課し、全単射条件を満たす写像のうち現実性の高いものを絞り込む。
【００５０】
【数１７】
ただしここで、
【数１８】
である。こうして定めた四辺形を、以下ｐ（ｍ，ｓ） （ｉ，ｊ）の相続（ｉｎｈｅｒｉｔｅｄ）四辺形と呼ぶことにする。相続四辺形の内部において、エネルギーを最小にする画素を求める。
【００５１】
図３は以上の手順を示している。同図において、始点画像のＡ，Ｂ，Ｃ，Ｄの画素は、第ｍ−１レベルにおいてそれぞれ終点画像のＡ’，Ｂ’，Ｃ’，Ｄ’へ写影される。画素ｐ（ｍ，ｓ） （ｉ，ｊ）は、相続四辺形Ａ’Ｂ’Ｃ’Ｄ’の内部に存在する画素ｑ（ｍ，ｓ） ｆ（ｍ）（ｉ，ｊ）へ写影されなければならない。以上の配慮により、第ｍ−１レベルの写像から第ｍレベルの写像への橋渡しがなされる。
【００５２】
先に定義したエネルギーＥ０は、第ｍレベルにおける副写像ｆ（ｍ，０）を計算するために、次式に置き換える。
【００５３】
【数１９】
また、副写像ｆ（ｍ，ｓ）を計算するためには次式を用いる。
【００５４】
【数２０】
こうしてすべての副写像のエネルギーを低い値に保つ写像が得られる。式２０により、異なる特異点に対応する副写像が、副写像どうしの類似度が高くなるように同一レベル内で関連づけられる。式１９は、ｆ（ｍ，ｓ）（ｉ，ｊ）と、第ｍ−１レベルの画素の一部と考えた場合の（ｉ，ｊ）が射影されるべき点の位置との距離を示している。
【００５５】
仮に、相続四辺形Ａ’Ｂ’Ｃ’Ｄ’の内部に全単射条件を満たす画素が存在しない場合は以下の措置をとる。まず、Ａ’Ｂ’Ｃ’Ｄ’の境界線からの距離がＬ（始めはＬ＝１）である画素を調べる。それらのうち、エネルギーが最小になるものが全単射条件を満たせば、これをｆ（ｍ，ｓ）（ｉ，ｊ）の値として選択する。そのような点が発見されるか、またはＬがその上限のＬ（ｍ）ｍａｘに到達するまで、Ｌを大きくしていく。Ｌ（ｍ）ｍａｘは各レベルｍに対して固定である。そのような点が全く発見されない場合、全単射の第３の条件を一時的に無視して変換先の四辺形の面積がゼロになるような写像も認め、ｆ（ｍ，ｓ）（ｉ，ｊ）を決定する。それでも条件を満たす点が見つからない場合、つぎに全単射の第１及び第２条件を外す。
【００５６】
多重解像度を用いる近似法は、写像が画像の細部に影響されることを回避しつつ、画像間の大域的な対応関係を決定するために必須である。多重解像度による近似法を用いなければ、距離の遠い画素間の対応関係を見いだすことは不可能である。その場合、画像のサイズはきわめて小さなものに限定しなければならず、変化の小さな画像しか扱うことができない。さらに、通常写像に滑らかさを要求するため、そうした画素間の対応関係を見つけにくくしている。距離のある画素から画素への写像のエネルギーは高いためである。多重解像度を用いた近似法によれば、そうした画素間の適切な対応関係を見いだすことができる。それらの距離は、解像度の階層の上位レベル（粗いレベル）において小さいためである。
【００５７】
［１．４］最適なパラメータ値の自動決定
既存のマッチング技術の主な欠点のひとつに、パラメータ調整の困難さがある。大抵の場合、パラメータの調整は人手作業によって行われ、最適な値を選択することはきわめて難しい。前提技術に係る方法によれば、最適なパラメータ値を完全に自動決定することができる。
【００５８】
前提技術に係るシステムはふたつのパラメータ、λ及びηを含む。端的にいえば、λは画素の輝度の差の重みであり、ηは写像の剛性を示している。これらのパラメータの値は初期値が０であり、まずη＝０に固定してλを０から徐々に増加させる。λの値を大きくしながら、しかも総合評価式（式１４）の値を最小にする場合、各副写像に関するＣ（ｍ，ｓ） ｆの値は一般に小さくなっていく。このことは基本的にふたつの画像がよりマッチしなければならないことを意味する。しかし、λが最適値を超えると以下の現象が発生する。
【００５９】
１．本来対応すべきではない画素どうしが、単に輝度が近いというだけで誤って対応づけられる。
２．その結果、画素どうしの対応関係がおかしくなり、写像がくずれはじめる。
３．その結果、式１４においてＤ（ｍ，ｓ） ｆが急激に増加しようとする。
４．その結果、式１４の値が急激に増加しようとするため、Ｄ（ｍ，ｓ） ｆの急激な増加を抑制するようｆ（ｍ，ｓ）が変化し、その結果Ｃ（ｍ，ｓ） ｆが増加する。
【００６０】
したがって、λを増加させながら式１４が最小値をとるという状態を維持しつつＣ（ｍ，ｓ） ｆが減少から増加に転じる閾値を検出し、そのλをη＝０における最適値とする。つぎにηを少しづつ増やしてＣ（ｍ，ｓ） ｆの挙動を検査し、後述の方法でηを自動決定する。そのηに対応してλも決まる。
【００６１】
この方法は、人間の視覚システムの焦点機構の動作に似ている。人間の視覚システムでは、一方の目を動かしながら左右両目の画像のマッチングがとられる。オブジェクトがはっきりと認識できるとき、その目が固定される。
【００６２】
［１．４．１］λの動的決定
λは０から所定の刻み幅で増加されていき、λの値が変わる度に副写像が評価される。式１４のごとく、総エネルギーはλＣ（ｍ，ｓ） ｆ＋Ｄ（ｍ，ｓ） ｆによって定義される。式９のＤ（ｍ，ｓ） ｆは滑らかさを表すもので、理論的には単位写像の場合に最小になり、写像が歪むほどＥ０もＥ１も増加していく。Ｅ１は整数であるから、Ｄ（ｍ，ｓ） ｆの最小刻み幅は１である。このため、現在のλＣ（ｍ，ｓ） （ｉ，ｊ）の変化（減少量）が１以上でなければ、写像を変化させることによって総エネルギーを減らすことはできない。なぜなら、写像の変化に伴ってＤ（ｍ，ｓ） ｆは１以上増加するため、λＣ（ｍ，ｓ） （ｉ，ｊ）が１以上減少しない限り総エネルギーは減らないためである。
【００６３】
この条件のもと、λの増加に伴い、正常な場合にＣ（ｍ，ｓ） （ｉ，ｊ）が減少することを示す。Ｃ（ｍ，ｓ） （ｉ，ｊ）のヒストグラムをｈ（ｌ）と記述する。ｈ（ｌ）はエネルギーＣ（ｍ，ｓ） （ｉ，ｊ）がｌ２である画素の数である。λｌ２≧１が成り立つために、例えばｌ２＝１／λの場合を考える。λがλ１からλ２まで微小量変化するとき、
【数２１】
で示されるＡ個の画素が、
【数２２】
のエネルギーを持つより安定的な状態に変化する。ここでは仮に、これらの画素のエネルギーがすべてゼロになると近似している。この式はＣ（ｍ，ｓ） ｆの値が、
【数２３】
だけ変化することを示し、その結果、
【数２４】
が成立する。ｈ（ｌ）＞０であるから、通常Ｃ（ｍ，ｓ） ｆは減少する。しかし、λが最適値を越えようとするとき、上述の現象、つまりＣ（ｍ，ｓ） ｆの増加が発生する。この現象を検出することにより、λの最適値を決定する。
【００６４】
なお、Ｈ（ｈ＞０）及びｋを定数とするとき、
【数２５】
と仮定すれば、
【数２６】
が成り立つ。このときｋ≠−３であれば、
【００６５】
【数２７】
となる。これがＣ（ｍ，ｓ） ｆの一般式である（Ｃは定数）。
【００６６】
λの最適値を検出する際、さらに安全を見て、全単射条件を破る画素の数を検査してもよい。ここで各画素の写像を決定する際、全単射条件を破る確率をｐ０と仮定する。この場合、
【数２８】
が成立しているため、全単射条件を破る画素の数は次式の率で増加する。
【００６７】
【数２９】
従って、
【数３０】
は定数である。仮にｈ（ｌ）＝Ｈｌｋを仮定するとき、例えば、
【数３１】
は定数になる。しかしλが最適値を越えると、上の値は急速に増加する。この現象を検出し、Ｂ０λ３／２＋ｋ／２／２ｍの値が異常値Ｂ０ｔｈｒｅｓを越えるかどうかを検査し、λの最適値を決定することができる。同様に、Ｂ１λ３／２＋ｋ／２／２ｍの値が異常値Ｂ１ｔｈｒｅｓを越えるかどうかを検査することにより、全単射の第３の条件を破る画素の増加率Ｂ１を確認する。ファクター２ｍを導入する理由は後述する。このシステムはこれら２つの閾値に敏感ではない。これらの閾値は、エネルギーＣ（ｍ，ｓ） ｆの観察では検出し損なった写像の過度の歪みを検出するために用いることができる。
【００６８】
なお実験では、副写像ｆ（ｍ，ｓ）を計算する際、もしλが０．１を越えたらｆ（ｍ，ｓ）の計算は止めてｆ（ｍ，ｓ＋１）の計算に移行した。λ＞０．１のとき、画素の輝度２５５レベル中のわずか「３」の違いが副写像の計算に影響したためであり、λ＞０．１のとき正しい結果を得ることは困難だったためである。
【００６９】
［１．４．２］ヒストグラムｈ（ｌ）
Ｃ（ｍ，ｓ） ｆの検査はヒストグラムｈ（ｌ）に依存しない。全単射及びその第３の条件の検査の際、ｈ（ｌ）に影響を受けうる。実際に（λ，Ｃ（ｍ，ｓ） ｆ）をプロットすると、ｋは通常１付近にある。実験ではｋ＝１を用い、Ｂ０λ２とＢ１λ２を検査した。仮にｋの本当の値が１未満であれば、Ｂ０λ２とＢ１λ２は定数にならず、ファクターλ（１−ｋ）／２に従って徐々に増加する。ｈ（ｌ）が定数であれば、例えばファクターはλ１／２である。しかし、こうした差は閾値Ｂ０ｔｈｒｅｓを正しく設定することによって吸収することができる。
【００７０】
ここで次式のごとく始点画像を中心が（ｘ０，ｙ０）、半径ｒの円形のオブジェクトであると仮定する。
【００７１】
【数３２】
一方、終点画像は、次式のごとく中心（ｘ１，ｙ１）、半径がｒのオブジェクトであるとする。
【００７２】
【数３３】
ここでｃ（ｘ）はｃ（ｘ）＝ｘｋの形であるとする。中心（ｘ０，ｙ０）及び（ｘ１，ｙ１）が十分遠い場合、ヒストグラムｈ（ｌ）は次式の形となる。
【００７３】
【数３４】
ｋ＝１のとき、画像は背景に埋め込まれた鮮明な境界線を持つオブジェクトを示す。このオブジェクトは中心が暗く、周囲にいくに従って明るくなる。ｋ＝−１のとき、画像は曖昧な境界線を持つオブジェクトを表す。このオブジェクトは中心が最も明るく、周囲にいくに従って暗くなる。一般のオブジェクトはこれらふたつのタイプのオブジェクトの中間にあると考えてもさして一般性を失わない。したがって、ｋは−１≦ｋ≦１として大抵の場合をカバーでき、式２７が一般に減少関数であることが保障される。
【００７４】
なお、式３４からわかるように、ｒは画像の解像度に影響されること、すなわちｒは２ｍに比例することに注意すべきである。このために［１．４．１］においてファクター２ｍを導入した。
【００７５】
［１．４．３］ηの動的決定
パラメータηも同様の方法で自動決定できる。はじめにη＝０とし、最も細かい解像度における最終的な写像ｆ（ｎ）及びエネルギーＣ（ｎ） ｆを計算する。つづいて、ηをある値Δηだけ増加させ、再び最も細かい解像度における最終写像ｆ（ｎ）及びエネルギーＣ（ｎ） ｆを計算し直す。この過程を最適値が求まるまで続ける。ηは写像の剛性を示す。次式の重みだからである。
【００７６】
【数３５】
ηが０のとき、Ｄ（ｎ） ｆは直前の副写像と無関係に決定され、現在の副写像は弾性的に変形され、過度に歪むことになる。一方、ηが非常に大きな値のとき、Ｄ（ｎ） ｆは直前の副写像によってほぼ完全に決まる。このとき副写像は非常に剛性が高く、画素は同じ場所に射影される。その結果、写像は単位写像になる。ηの値が０から次第に増えるとき、後述のごとくＣ（ｎ） ｆは徐々に減少する。しかしηの値が最適値を越えると、図４に示すとおり、エネルギーは増加し始める。同図のＸ軸はη、Ｙ軸はＣｆである。
【００７７】
この方法でＣ（ｎ） ｆを最小にする最適なηの値を得ることができる。しかし、λの場合に比べていろいろな要素が計算に影響する結果、Ｃ（ｎ） ｆは小さく揺らぎながら変化する。λの場合は、入力が微小量変化するたびに副写像を１回計算しなおすだけだが、ηの場合はすべての副写像が計算しなおされるためである。このため、得られたＣ（ｎ） ｆの値が最小であるかどうかを即座に判断することはできない。最小値の候補が見つかれば、さらに細かい区間を設定することによって真の最小値を探す必要がある。
【００７８】
［１．５］スーパーサンプリング
画素間の対応関係を決定する際、自由度を増やすために、ｆ（ｍ，ｓ）の値域をＲ×Ｒに拡張することができる（Ｒは実数の集合）。この場合、終点画像の画素の輝度が補間され、非整数点、
【数３６】
における輝度を持つｆ（ｍ，ｓ）が提供される。つまりスーパーサンプリングが行われる。実験では、ｆ（ｍ，ｓ）は整数及び半整数値をとることが許され、
【数３７】
は、
【数３８】
によって与えられた。
【００７９】
［１．６］各画像の画素の輝度の正規化
始点画像と終点画像がきわめて異なるオブジェクトを含んでいるとき、写像の計算に元の画素の輝度がそのままでは利用しにくい。輝度の差が大きいために輝度に関するエネルギーＣ（ｍ，ｓ） ｆが大きくなりすぎ、正しい評価がしづらいためである。
【００８０】
例えば、人の顔と猫の顔のマッチングをとる場合を考える。猫の顔は毛で覆われており、非常に明るい画素と非常に暗い画素が混じっている。この場合、ふたつの顔の間の副写像を計算するために、まず副画像を正規化する。すなわち、最も暗い画素の輝度を０、最も明るいそれを２５５に設定し、他の画素の輝度は線形補間によって求めておく。
【００８１】
［１．７］インプリメンテーション
始点画像のスキャンに従って計算がリニアに進行する帰納的な方法を用いる。始めに、１番上の左端の画素（ｉ，ｊ）＝（０，０）についてｆ（ｍ，ｓ）の値を決定する。次にｉを１ずつ増やしながら各ｆ（ｍ，ｓ）（ｉ，ｊ）の値を決定する。ｉの値が画像の幅に到達したとき、ｊの値を１増やし、ｉを０に戻す。以降、始点画像のスキャンに伴いｆ（ｍ，ｓ）（ｉ，ｊ）を決定していく。すべての点について画素の対応が決まれば、ひとつの写像ｆ（ｍ，ｓ）が決まる。
【００８２】
あるｐ（ｉ，ｊ）について対応点ｑｆ（ｉ，ｊ）が決まれば、つぎにｐ（ｉ，ｊ＋１）の対応点ｑｆ（ｉ，ｊ＋１）が決められる。この際、ｑｆ（ｉ，ｊ＋１）の位置は全単射条件を満たすために、ｑｆ（ｉ，ｊ）の位置によって制限される。したがって、先に対応点が決まる点ほどこのシステムでは優先度が高くなる。つねに（０，０）が最も優先される状態がつづくと、求められる最終の写像に余計な偏向が加わる。本前提技術ではこの状態を回避するために、ｆ（ｍ，ｓ）を以下の方法で決めていく。
【００８３】
まず（ｓ ｍｏｄ ４）が０の場合、（０，０）を開始点としｉ及びｊを徐々に増やしながら決めていく。（ｓ ｍｏｄ ４）が１の場合、最上行の右端点を開始点とし、ｉを減少、ｊを増加させながら決めていく。（ｓ ｍｏｄ ４）が２のとき、最下行の右端点を開始点とし、ｉ及びｊを減少させながら決めていく。（ｓｍｏｄ ４）が３の場合、最下行の左端点を開始点とし、ｉを増加、ｊを減少させながら決めていく。解像度が最も細かい第ｎレベルには副写像という概念、すなわちパラメータｓが存在しないため、仮にｓ＝０及びｓ＝２であるとしてふたつの方向を連続的に計算した。
【００８４】
実際のインプリメンテーションでは、全単射条件を破る候補に対してペナルティを与えることにより、候補（ｋ，ｌ）の中からできる限り全単射条件を満たすｆ（ｍ，ｓ）（ｉ，ｊ）（ｍ＝０，…，ｎ）の値を選んだ。第３の条件を破る候補のエネルギーＤ（ｋ、ｌ）にはφを掛け、一方、第１または第２の条件を破る候補にはψを掛ける。今回はφ＝２、ψ＝１０００００を用いた。
【００８５】
前述の全単射条件のチェックのために、実際の手続として（ｋ，ｌ）＝ｆ（ｍ ，ｓ）（ｉ，ｊ）を決定する際に以下のテストを行った。すなわちｆ（ｍ，ｓ）（ｉ，ｊ）の相続四辺形に含まれる各格子点（ｋ，ｌ）に対し、次式の外積のｚ成分が０以上になるかどうかを確かめる。
【００８６】
【数３９】
ただしここで、
【数４０】
【数４１】
である（ここでベクトルは三次元ベクトルとし、ｚ軸は直交右手座標系において定義される）。もしＷが負であれば、その候補についてはＤ（ｍ，ｓ） （ｋ，ｌ）にψを掛けることによってペナルティを与え、できるかぎり選択しないようにする。
【００８７】
図５（ａ）、図５（ｂ）はこの条件を検査する理由を示している。図５（ａ）はペナルティのない候補、図５（ｂ）はペナルティがある候補をそれぞれ表す。隣接画素（ｉ，ｊ＋１）に対する写像ｆ（ｍ，ｓ）（ｉ，ｊ＋１）を決定する際、Ｗのｚ成分が負であれば始点画像平面上において全単射条件を満足する画素は存在しない。なぜなら、ｑ（ｍ，ｓ） （ｋ，ｌ）は隣接する四辺形の境界線を越えるためである。
【００８８】
［１．７．１］副写像の順序
インプリメンテーションでは、解像度レベルが偶数のときにはσ（０）＝０、σ（１）＝１、σ（２）＝２、σ（３）＝３、σ（４）＝０を用い、奇数のときはσ（０）＝３、σ（１）＝２、σ（２）＝１、σ（３）＝０、σ（４）＝３を用いた。このことで、副写像を適度にシャッフルした。なお、本来副写像は４種類であり、ｓは０〜３のいずれかである。しかし、実際にはｓ＝４に相当する処理を行った。その理由は後述する。
【００８９】
［１．８］補間計算
始点画像と終点画像の間の写像が決定された後、対応しあう画素の輝度が補間される。実験では、トライリニア補間を用いた。始点画像平面における正方形ｐ（ｉ，ｊ）ｐ（ｉ＋１，ｊ）ｐ（ｉ，ｊ＋１）ｐ（ｉ＋１，ｊ＋１）が終点画像平面上の四辺形ｑｆ（ｉ，ｊ）ｑｆ（ｉ＋１，ｊ）ｑｆ（ｉ，ｊ＋１）ｑｆ（ｉ＋１，ｊ＋１）に射影されると仮定する。簡単のため、画像間の距離を１とする。始点画像平面からの距離がｔ（０≦ｔ≦１）である中間画像の画素ｒ（ｘ，ｙ，ｔ）（０≦ｘ≦Ｎ−１，０≦ｙ≦Ｍ−１）は以下の要領で求められる。まず画素ｒ（ｘ，ｙ，ｔ）の位置（ただしｘ，ｙ，ｔ∈Ｒ）を次式で求める。
【００９０】
【数４２】
つづいてｒ（ｘ，ｙ，ｔ）における画素の輝度が次の式を用いて決定される。
【００９１】
【数４３】
ここでｄｘ及びｄｙはパラメータであり、０から１まで変化する。
【００９２】
［１．９］拘束条件を課したときの写像
いままでは拘束条件がいっさい存在しない場合の写像の決定を述べた。しかし、始点画像と終点画像の特定の画素間に予め対応関係が規定されているとき、これを拘束条件としたうえで写像を決定することができる。
【００９３】
基本的な考えは、まず始点画像の特定の画素を終点画像の特定の画素に移す大まかな写像によって始点画像を大まかに変形し、しかる後、写像ｆを正確に計算する。
【００９４】
まず始めに、始点画像の特定の画素を終点画像の特定の画素に射影し、始点画像の他の画素を適当な位置に射影する大まかな写像を決める。すなわち、特定の画素に近い画素は、その特定の画素が射影される場所の近くに射影されるような写像である。ここで第ｍレベルの大まかな写像をＦ（ｍ）と記述する。
【００９５】
大まかな写像Ｆは以下の要領で決める。まず、いくつかの画素について写像を特定する。始点画像についてｎｓ個の画素、
【数４４】
を特定するとき、以下の値を決める。
【００９６】
【数４５】
始点画像の他の画素の変位量は、ｐ（ｉｈ，ｊｈ）（ｈ＝０，…，ｎｓ−１）の変位に重み付けをして求められる平均である。すなわち画素ｐ（ｉ，ｊ）は、終点画像の以下の画素に射影される。
【００９７】
【数４６】
ただしここで、
【数４７】
【数４８】
とする。
【００９８】
つづいて、Ｆ（ｍ）に近い候補写像ｆがより少ないエネルギーを持つように、その写像ｆのエネルギーＤ（ｍ，ｓ） （ｉ，ｊ）を変更する。正確には、Ｄ（ｍ，ｓ） （ｉ，ｊ）は、
【００９９】
【数４９】
である。ただし、
【数５０】
であり、κ，ρ≧０とする。最後に、前述の写像の自動計算プロセスにより、ｆを完全に決定する。
【０１００】
ここで、ｆ（ｍ，ｓ）（ｉ，ｊ）がＦ（ｍ）（ｉ，ｊ）に十分近いとき、つまりそれらの距離が、
【数５１】
以内であるとき、Ｅ２ （ｍ，ｓ） （ｉ，ｊ）が０になることに注意すべきである。そのように定義した理由は、各ｆ（ｍ，ｓ）（ｉ，ｊ）がＦ（ｍ）（ｉ，ｊ）に十分近い限り、終点画像において適切な位置に落ち着くよう、その値を自動的に決めたいためである。この理由により、正確な対応関係を詳細に特定する必要がなく、始点画像は終点画像にマッチするように自動的にマッピングされる。
【０１０１】
［２］具体的な処理手順
［１］の各要素技術による処理の流れを説明する。
【０１０２】
図６は前提技術の全体手順を示すフローチャートである。同図のごとく、まず多重解像度特異点フィルタを用いた処理を行い（Ｓ１）、つづいて始点画像と終点画像のマッチングをとる（Ｓ２）。ただし、Ｓ２は必須ではなく、Ｓ１で得られた画像の特徴をもとに画像認識などの処理を行ってもよい。
【０１０３】
図７は図６のＳ１の詳細を示すフローチャートである。ここではＳ２で始点画像と終点画像のマッチングをとることを前提としている。そのため、まず特異点フィルタによって始点画像の階層化を行い（Ｓ１０）、一連の始点階層画像を得る。つづいて同様の方法で終点画像の階層化を行い（Ｓ１１）、一連の終点階層画像を得る。ただし、Ｓ１０とＳ１１の順序は任意であるし、始点階層画像と終点階層画像を並行して生成していくこともできる。
【０１０４】
図８は図７のＳ１０の詳細を示すフローチャートである。もとの始点画像のサイズは２ｎ×２ｎとする。始点階層画像は解像度が細かいほうから順に作られるため、処理の対象となる解像度レベルを示すパラメータｍをｎにセットする（Ｓ１００）。つづいて第ｍレベルの画像ｐ（ｍ，０）、ｐ（ｍ，１）、ｐ（ｍ，２）、ｐ（ｍ，３）から特異点フィルタを用いて特異点を検出し（Ｓ１０１）、それぞれ第ｍ−１レベルの画像ｐ（ｍ−１，０）、ｐ（ｍ−１，１）、ｐ（ｍ−１，２）、ｐ（ｍ−１，３）を生成する（Ｓ１０２）。ここではｍ＝ｎであるため、ｐ（ｍ，０）＝ｐ（ｍ，１）＝ｐ（ｍ，２）＝ｐ（ｍ，３）＝ｐ（ｎ）であり、ひとつの始点画像から４種類の副画像が生成される。
【０１０５】
図９は第ｍレベルの画像の一部と、第ｍ−１レベルの画像の一部の対応関係を示している。同図の数値は各画素の輝度を示す。同図のｐ（ｍ，ｓ）はｐ（ｍ，０）〜ｐ（ｍ，３）の４つの画像を象徴するもので、ｐ（ｍ−１，０）を生成する場合には、ｐ（ｍ，ｓ）はｐ（ｍ，０）であると考える。［１．２］で示した規則により、ｐ（ｍ−１，０）は例えば同図で輝度を記入したブロックについて、そこに含まれる４画素のうち「３」、ｐ（ｍ−１，１）は「８」、ｐ（ｍ−１，２）は「６」、ｐ（ｍ−１，３）を「１０」をそれぞれ取得し、このブロックをそれぞれ取得したひとつの画素で置き換える。したがって、第ｍ−１レベルの副画像のサイズは２ｍ−１×２ｍ−１になる。
【０１０６】
つづいてｍをデクリメントし（図８のＳ１０３）、ｍが負になっていないことを確認し（Ｓ１０４）、Ｓ１０１に戻ってつぎに解像度の粗い副画像を生成していく。この繰り返し処理の結果、ｍ＝０、すなわち第０レベルの副画像が生成された時点でＳ１０が終了する。第０レベルの副画像のサイズは１×１である。
【０１０７】
図１０はＳ１０によって生成された始点階層画像をｎ＝３の場合について例示している。最初の始点画像のみが４つの系列に共通であり、以降特異点の種類に応じてそれぞれ独立に副画像が生成されていく。なお、図８の処理は図７のＳ１１にも共通であり、同様の手順を経て終点階層画像も生成される。以上で図６のＳ１による処理が完了する。
【０１０８】
前提技術では、図６のＳ２に進むためにマッチング評価の準備をする。図１１はその手順を示している。同図のごとく、まず複数の評価式が設定される（Ｓ３０）。［１．３．２．１］で導入した画素に関するエネルギーＣ（ｍ，ｓ） ｆと［１．３．２．２］で導入した写像の滑らかさに関するエネルギーＤ（ｍ，ｓ） ｆがそれである。つぎに、これらの評価式を統合して総合評価式を立てる（Ｓ３１）。［１．３．２．３］で導入した総エネルギーλＣ（ｍ，ｓ） ｆ＋Ｄ（ｍ，ｓ） ｆがそれであり、［１．３．２．２］で導入したηを用いれば、
【数５２】
となる。ただし、総和はｉ、ｊについてそれぞれ０、１…、２ｍ−１で計算する。以上でマッチング評価の準備が整う。
【０１０９】
図１２は図６のＳ２の詳細を示すフローチャートである。［１］で述べたごとく、始点階層画像と終点階層画像のマッチングは互いに同じ解像度レベルの画像どうしでとられる。画像間の大域的なマッチングを良好にとるために、解像度が粗いレベルから順にマッチングを計算する。特異点フィルタを用いて始点階層画像および終点階層画像を生成しているため、特異点の位置や輝度は解像度の粗いレベルでも明確に保存されており、大域的なマッチングの結果は従来に比べて非常に優れたものになる。
【０１１０】
図１２のごとく、まず係数パラメータηを０、レベルパラメータｍを０に設定する（Ｓ２０）。つづいて、始点階層画像中の第ｍレベルの４つの副画像と終点階層画像中の第ｍレベルの４つの副画像のそれぞれの間でマッチングを計算し、それぞれ全単射条件を満たし、かつエネルギーを最小にするような４種類の副写像ｆ（ｍ，ｓ）（ｓ＝０，１，２，３）を求める（Ｓ２１）。全単射条件は［１．３．３］で述べた相続四辺形を用いて検査される。この際、式１７、１８が示すように、第ｍレベルにおける副写像は第ｍ−１レベルのそれらに拘束されるため、より解像度の粗いレベルにおけるマッチングが順次利用されていく。これは異なるレベル間の垂直的参照である。なお、いまｍ＝０であってそれより粗いレベルはないが、この例外的な処理は図１３で後述する。
【０１１１】
一方、同一レベル内における水平的参照も行われる。［１．３．３］の式２０のごとく、ｆ（ｍ，３）はｆ（ｍ，２）に、ｆ（ｍ，２）はｆ（ｍ，１）に、ｆ（ｍ，１）はｆ（ｍ，０）に、それぞれ類似するように決める。その理由は、特異点の種類が違っても、それらがもともと同じ始点画像と終点画像に含まれている以上、副写像がまったく異なるという状況は不自然だからである。式２０からわかるように、副写像どうしが近いほどエネルギーは小さくなり、マッチングが良好とみなされる。
【０１１２】
なお、最初に決めるべきｆ（ｍ，０）については同一のレベルで参照できる副写像がないため、式１９に示すごとくひとつ粗いレベルを参照する。ただし、実験ではｆ（ｍ，３）まで求まった後、これを拘束条件としてｆ（ｍ，０）を一回更新するという手続をとった。これは式２０にｓ＝４を代入し、ｆ（ｍ，４）を新たなｆ（ｍ，０）とすることに等しい。ｆ（ｍ，０）とｆ（ｍ，３）の関連度が低くなり過ぎる傾向を回避するためであり、この措置によって実験結果がより良好になった。この措置に加え、実験では［１．７．１］に示す副写像のシャッフルも行った。これも本来特異点の種類ごとに決まる副写像どうしの関連度を密接に保つ趣旨である。また、処理の開始点に依存する偏向を回避するために、ｓの値にしたがって開始点の位置を変える点は［１．７］で述べたとおりである。
【０１１３】
図１３は第０レベルにおいて副写像を決定する様子を示す図である。第０レベルでは各副画像がただひとつの画素で構成されるため、４つの副写像ｆ（０，ｓ ）はすべて自動的に単位写像に決まる。図１４は第１レベルにおいて副写像を決定する様子を示す図である。第１レベルでは副画像がそれぞれ４画素で構成される。同図ではこれら４画素が実線で示されている。いま、ｐ（１，ｓ）の点ｘの対応点をｑ（１，ｓ）の中で探すとき、以下の手順を踏む。
【０１１４】
１．第１レベルの解像度で点ｘの左上点ａ、右上点ｂ、左下点ｃ、右下点ｄを求める。
２．点ａ〜ｄがひとつ粗いレベル、つまり第０レベルにおいて属する画素を探す。図１４の場合、点ａ〜ｄはそれぞれ画素Ａ〜Ｄに属する。ただし、画素Ａ〜Ｃは本来存在しない仮想的な画素である。
３．第０レベルですでに求まっている画素Ａ〜Ｄの対応点Ａ’〜Ｄ’をｑ（１，ｓ）の中にプロットする。画素Ａ’〜Ｃ’は仮想的な画素であり、それぞれ画素Ａ〜Ｃと同じ位置にあるものとする。
４．画素Ａの中の点ａの対応点ａ’が画素Ａ’の中にあるとみなし、点ａ’をプロットする。このとき、点ａが画素Ａの中で占める位置（この場合、右下）と、点ａ’が画素Ａ’の中で占める位置が同じであると仮定する。
５．４と同様の方法で対応点ｂ’〜ｄ’をプロットし、点ａ’〜ｄ’で相続四辺形を作る。
６．相続四辺形の中でエネルギーが最小になるよう、点ｘの対応点ｘ’を探す。対応点ｘ’の候補として、例えば画素の中心が相続四辺形に含まれるものに限定してもよい。図１４の場合、４つの画素がすべて候補になる。
【０１１５】
以上がある点ｘの対応点の決定手順である。同様の処理を他のすべての点について行い、副写像を決める。第２レベル以上のレベルでは、次第に相続四辺形の形が崩れていくと考えられるため、図３に示すように画素Ａ’〜Ｄ’の間隔が空いていく状況が発生する。
【０１１６】
こうして、ある第ｍレベルの４つの副写像が決まれば、ｍをインクリメントし（図１２のＳ２２）、ｍがｎを超えていないことを確かめて（Ｓ２３）、Ｓ２１に戻る。以下、Ｓ２１に戻るたびに次第に細かい解像度のレベルの副写像を求め、最後にＳ２１に戻ったときに第ｎレベルの写像ｆ（ｎ）を決める。この写像はη＝０に関して定まったものであるから、ｆ（ｎ）（η＝０）と書く。
【０１１７】
つぎに異なるηに関する写像も求めるべく、ηをΔηだけシフトし、ｍをゼロクリアする（Ｓ２４）。新たなηが所定の探索打切り値ηｍａｘを超えていないことを確認し（Ｓ２５）、Ｓ２１に戻り、今回のηに関して写像ｆ（ｎ）（η＝Δη）を求める。この処理を繰り返し、Ｓ２１でｆ（ｎ）（η＝ｉΔη）（ｉ＝０，１，…）を求めていく。ηがηｍａｘを超えたときＳ２６に進み、後述の方法で最適なη＝ηｏｐｔを決定し、ｆ（ｎ）（η＝ηｏｐｔ）を最終的に写像ｆ（ｎ）とする。
【０１１８】
図１５は図１２のＳ２１の詳細を示すフローチャートである。このフローチャートにより、ある定まったηについて、第ｍレベルにおける副写像が決まる。副写像を決める際、前提技術では副写像ごとに最適なλを独立して決める。
【０１１９】
同図のごとく、まずｓとλをゼロクリアする（Ｓ２１０）。つぎに、そのときのλについて（および暗にηについて）エネルギーを最小にする副写像ｆ（ｍ，ｓ）を求め（Ｓ２１１）、これをｆ（ｍ，ｓ）（λ＝０）と書く。異なるλに関する写像も求めるべく、λをΔλだけシフトし、新たなλが所定の探索打切り値λｍａｘを超えていないことを確認し（Ｓ２１３）、Ｓ２１１に戻り、以降の繰り返し処理でｆ（ｍ，ｓ）（λ＝ｉΔλ）（ｉ＝０，１，…）を求める。λがλｍａｘを超えたときＳ２１４に進み、最適なλ＝λｏｐｔを決定し、ｆ（ｍ，ｓ）（λ＝λｏｐｔ）を最終的に写像ｆ（ｍ，ｓ）とする（Ｓ２１４）。
【０１２０】
つぎに、同一レベルにおける他の副写像を求めるべく、λをゼロクリアし、ｓをインクリメントする（Ｓ２１５）。ｓが４を超えていないことを確認し（Ｓ２１６）、Ｓ２１１に戻る。ｓ＝４になれば上述のごとくｆ（ｍ，３）を利用してｆ（ｍ，０）を更新し、そのレベルにおける副写像の決定を終了する。
【０１２１】
図１６は、あるｍとｓについてλを変えながら求められたｆ（ｍ，ｓ）（λ＝ｉΔλ）（ｉ＝０，１，…）に対応するエネルギーＣ（ｍ，ｓ） ｆの挙動を示す図である。［１．４］で述べたとおり、λが増加すると通常Ｃ（ｍ，ｓ） ｆは減少する。しかし、λが最適値を超えるとＣ（ｍ，ｓ） ｆは増加に転じる。そこで本前提技術ではＣ（ｍ，ｓ） ｆが極小値をとるときのλをλｏｐｔと決める。同図のようにλ＞λｏｐｔの範囲で再度Ｃ（ｍ，ｓ） ｆが小さくなっていっても、その時点ではすでに写像がくずれていて意味をなさないため、最初の極小点に注目すればよい。λｏｐｔは副写像ごとに独立して決めていき、最後にｆ（ｎ）についてもひとつ定まる。
【０１２２】
一方、図１７は、ηを変えながら求められたｆ（ｎ）（η＝ｉΔη）（ｉ＝０，１，…）に対応するエネルギーＣ（ｎ） ｆの挙動を示す図である。ここでもηが増加すると通常Ｃ（ｎ） ｆは減少するが、ηが最適値を超えるとＣ（ｎ） ｆは増加に転じる。そこでＣ（ｎ） ｆが極小値をとるときのηをηｏｐｔと決める。図１７は図４の横軸のゼロ付近を拡大した図と考えてよい。ηｏｐｔが決まればｆ（ｎ）を最終決定することができる。
【０１２３】
以上、本前提技術によれば種々のメリットが得られる。まずエッジを検出する必要がないため、エッジ検出タイプの従来技術の課題を解消できる。また、画像に含まれるオブジェクトに対する先験的な知識も不要であり、対応点の自動検出が実現する。特異点フィルタによれば、解像度の粗いレベルでも特異点の輝度や位置を維持することができ、オブジェクト認識、特徴抽出、画像マッチングに極めて有利である。その結果、人手作業を大幅に軽減する画像処理システムの構築が可能となる。
【０１２４】
なお、本前提技術について次のような変形技術も考えられる。
【０１２５】
（１）前提技術では始点階層画像と終点階層画像の間でマッチングをとる際にパラメータの自動決定を行ったが、この方法は階層画像間ではなく、通常の２枚の画像間のマッチングをとる場合全般に利用できる。
【０１２６】
たとえば２枚の画像間で、画素の輝度の差に関するエネルギーＥ０と画素の位置的なずれに関するエネルギーＥ１のふたつを評価式とし、これらの線形和Ｅｔｏｔ＝αＥ０＋Ｅ１を総合評価式とする。この総合評価式の極値付近に注目してαを自動決定する。つまり、いろいろなαについてＥｔｏｔが最小になるような写像を求める。それらの写像のうち、αに関してＥ１が極小値をとるときのαを最適パラメータと決める。そのパラメータに対応する写像を最終的に両画像間の最適マッチングとみなす。
【０１２７】
これ以外にも評価式の設定にはいろいろな方法があり、例えば１／Ｅ１と１／Ｅ２のように、評価結果が良好なほど大きな値をとるものを採用してもよい。総合評価式も必ずしも線形和である必要はなく、ｎ乗和（ｎ＝２、１／２、−１、−２など）、多項式、任意の関数などを適宜選択すればよい。
【０１２８】
パラメータも、αのみ、前提技術のごとくηとλのふたつの場合、それ以上の場合など、いずれでもよい。パラメータが３以上の場合はひとつずつ変化させて決めていく。
【０１２９】
（２）本前提技術では、総合評価式の値が最小になるよう写像を決めた後、総合評価式を構成するひとつの評価式であるＣ（ｍ，ｓ） ｆが極小になる点を検出してパラメータを決定した。しかし、こうした二段階処理の代わりに、状況によっては単に総合評価式の最小値が最小になるようにパラメータを決めても効果的である。その場合、例えばαＥ０＋βＥ１を総合評価式とし、α＋β＝１なる拘束条件を設けて各評価式を平等に扱うなどの措置を講じてもよい。パラメータの自動決定の本質は、エネルギーが最小になるようにパラメータを決めていく点にあるからである。
【０１３０】
（３）前提技術では各解像度レベルで４種類の特異点に関する４種類の副画像を生成した。しかし、当然４種類のうち１、２、３種類を選択的に用いてもよい。例えば、画像中に明るい点がひとつだけ存在する状態であれば、極大点に関するｆ（ｍ，３）だけで階層画像を生成しても相応の効果が得られるはずである。その場合、同一レベルで異なる副写像は不要になるため、ｓに関する計算量が減る効果がある。
【０１３１】
（４）本前提技術では特異点フィルタによってレベルがひとつ進むと画素が１／４になった。例えば３×３で１ブロックとし、その中で特異点を探す構成も可能であり、その場合、レベルがひとつ進むと画素は１／９になる。
【０１３２】
（５）始点画像と終点画像がカラーの場合、それらをまず白黒画像に変換し、写像を計算する。その結果求められた写像を用いて始点のカラー画像を変換する。それ以外の方法として、ＲＧＢの各成分について副写像を計算してもよい。
【０１３３】
［３］前提技術の改良点
以上の前提技術を基本とし、マッチング精度を向上させるためのいくつかの改良がなされている。ここではその改良点を述べる。
【０１３４】
［３．１］色情報を考慮に入れた特異点フィルタおよび副画像
画像の色情報を有効に用いるために、特異点フィルタを以下のように変更した。まず色空間としては、人間の直感に最も合致するといわれているＨＩＳを用い、色を輝度に変換する式には、人間の目の感度に最も近いといわれているものを選んだ。
【０１３５】
【数５３】
ここで画素ａにおけるＹ（輝度）をＹ（ａ）、Ｓ（彩度）をＳ（ａ）として、次のような記号を定義する。
【０１３６】
【数５４】
上の定義を用いて以下のような５つのフィルタを用意する。
【０１３７】
【数５５】
このうち上から４つのフィルタは改良前の前提技術におけるフィルタとほぼ同じで、輝度の特異点を色情報も残しながら保存する。最後のフィルタは色の彩度の特異点をこちらも色情報を残しながら保存する。
【０１３８】
これらのフィルタによって、各レベルにつき５種類の副画像（サブイメージ）が生成される。なお、最も高いレベルの副画像は元画像に一致する。
【０１３９】
【数５６】
［３．２］エッジ画像およびその副画像
輝度微分（エッジ）の情報をマッチングに利用するため、一次微分エッジ検出フィルタを用いる。このフィルタはあるオペレータＨとの畳み込み積分で実現できる。
【０１４０】
【数５７】
ここでＨは演算スピードなども考慮し、以下のようなオペレータを用いた。
【０１４１】
【数５８】
次にこの画像を多重解像度化する。フィルタにより０を中心とした輝度をもつ画像が生成されるため、次のような平均値画像が副画像としては最も適切である。
【０１４２】
【数５９】
式５９の画像は後述するＦｏｒｗａｒｄ Ｓｔａｇｅ、すなわち初回副写像導出ステージの計算の際、エネルギー関数に用いられる。
【０１４３】
エッジの大きさ、すなわち絶対値も計算に必要である。
【数６０】
この値は常に正であるため、多重解像度化には最大値フィルタを用いる。
【０１４４】
【数６１】
式６１の画像は後述するＦｏｒｗａｒｄ Ｓｔａｇｅの計算の際、計算する順序を決定するのに用いられる。
【０１４５】
［３．３］計算処理手順
計算は最も粗い解像度の副画像から順に行う。副画像は５つあるため、各レベルの解像度において計算は複数回行われる。これをターンと呼び、最大計算回数をｔで表すことにする。各ターンは前記Ｆｏｒｗａｒｄ Ｓｔａｇｅと、副写像再計算ステージであるＲｅｆｉｎｅｍｅｎｔ Ｓｔａｇｅという二つのエネルギー最小化計算から構成される。図１８は第ｍレベルにおける副写像を決める計算のうち改良点に係るフローチャートである。
【０１４６】
同図のごとく、ｓをゼロクリアする（Ｓ４０）。つぎにＦｏｒｗａｒｄ Ｓｔａｇｅ（Ｓ４１）において始点画像ｐから終点画像ｑへの写像ｆ（ ｍ，ｓ ）をエネルギー最小化によって求める。ここで最小化するエネルギーは、対応する画素値によるエネルギーＣと、写像の滑らかさによるエネルギーＤの線形和である。
【０１４７】
エネルギーＣは、輝度の差によるエネルギーＣＩ（前記改良前の前提技術におけるエネルギーＣと等価）と、色相、彩度によるエネルギーＣＣ、輝度微分（エッジ）の差によるエネルギーＣＥで構成され、それぞれ次のように表される。
【０１４８】
【数６２】
エネルギーＤは前記改良前の前提技術と同じものを用いる。ただし前記改良前の前提技術において、写像の滑らかさを保証するエネルギーＥ１を導出する際、隣接する画素のみを考慮していたが、周囲の何画素を考慮するかをパラメータｄで指定できるように改良した。
【０１４９】
【数６３】
次のＲｅｆｉｎｅｍｅｎｔ Ｓｔａｇｅに備えて、このステージでは終点画像ｑから始点画像ｐへの写像ｇ（ｍ，ｓ）も同様に計算する。
【０１５０】
Ｒｅｆｉｎｅｍｅｎｔ Ｓｔａｇｅ（Ｓ４２）ではＦｏｒｗａｒｄ Ｓｔａｇｅにおいて求めた双方向の写像ｆ（ｍ，ｓ）およびｇ（ｍ，ｓ）を基に、より妥当な写像ｆ’（ｍ，ｓ）を求める。ここでは新たに定義されるエネルギーＭについてエネルギー最小化計算を行う。エネルギーＭは終点画像から始点画像への写像ｇとの整合度Ｍ０と、もとの写像との差Ｍ１より構成される。
【０１５１】
【数６４】
対称性を損なわないように、終点画像ｑから始点画像ｐへの写像ｇ’（ｍ，ｓ）も同様の方法で求めておく。
【０１５２】
その後、ｓをインクリメントし（Ｓ４３）、ｓがｔを超えていないことを確認し（Ｓ４４）、次のターンのＦｏｒｗａｒｄ Ｓｔａｇｅ（Ｓ４１）に進む。その際前記Ｅ０を次のように置き換えてエネルギー最小化計算を行う。
【数６５】
【０１５３】
［３．４］写像の計算順序
写像の滑らかさを表すエネルギーＥ１を計算する際、周囲の点の写像を用いるため、それらの点がすでに計算されているかどうかがエネルギーに影響を与える。すなわち、どの点から順番に計算するかによって、全体の写像の精度が大きく変化する。そこでエッジの絶対値画像を用いる。エッジの部分は情報量を多く含むため、エッジの絶対値が大きいところから先に写像計算を行う。このことによって、特に二値画像のような画像に対して非常に精度の高い写像を求めることができるようになった。
【０１５４】
［画像符号化と復号に関する実施の形態］
前提技術ではキーフレーム間のマッチングをとって対応する位置情報を生成し、この位置情報をもとに中間フレームを生成した。したがって、この技術は動画の圧縮に利用でき、現実に実験ではＭＰＥＧを超える画質と圧縮率の両立が確認されはじめている。以下、前提技術を応用した画像符号化および復号技術を説明する。
【０１５５】
図１９は、画像データを符号化する処理を概念的に示す。ここでは画像データがキーフレームとそれ以外の中間フレームからなるものとする。なお、以下では「フレーム」と「画像」を区別なく用いる。「キーフレーム」はマッチングの対象になる参照フレームをいい、「中間フレーム」は対象にならない非参照フレームをいう。キーフレームは最初から決められていてもよいし、符号化に際して定めてもよい。
【０１５６】
ここではキーフレーム決定の過程は不問とし、２枚のキーフレームＫＦ（Ｋｅｙ Ｆｒａｍｅ）２００、２０２があるとする。処理はまず、これらのキーフレーム間でマッチングをとり、仮想的な中間フレームＶＩＦ（Ｖｉｒｔｕａｌ Ｉｎｔｅｒｍｅｄｉａｔｅ Ｆｒａｍｅ）２０４を生成する。これらの処理は前提技術で詳述されている。ただし、前提技術ではマッチングの対象となる２枚のキーフレームは、始点画像および終点画像と表現されている。「仮想的な中間フレーム」とは、当初の画像データにおいて２枚のキーフレームＫＦ２００とＫＦ２０２の間に実際に含まれていた中間フレーム、すなわち現実の中間フレームではなく、キーフレームからマッチング計算をもとに得られたフレームをいう。
【０１５７】
つづいて、現実の中間フレームＡＩＦ（Ａｃｔｕａｌ Ｉｎｔｅｒｍｅｄｉａｔｅ Ｆｒａｍｅ）２０６を仮想的な中間フレームＶＩＦ２０４を利用して符号化する。いま現実の中間フレームＡＩＦ２０６がふたつのキーフレームＫＦ２００、２０２の間をｔ：（１−ｔ）に内分する位置にあったとすれば、仮想的な中間フレームＶＩＦ２０４も同様に、キーフレームＫＦ２００、２０２の間をｔ：（１−ｔ）に内分する位置にあると想定して補間する。これを対応点を頂点とする四辺形ベースでトライリニア補間、すなわちｘ、ｙのふたつの方向に補間する技術は、前提技術の［１．８］で述べた。ここでも同様の技術を利用できるが、トライリニア補間以外の技術を採用してもよい。たとえば、四辺形を考えずに対応点どうしを単純に補間することもできる。
【０１５８】
現実の中間フレームＡＩＦ２０６の符号化は、それと仮想的な中間フレームＶＩＦ２０４の差分画像ＤＩ２１０をハフマン符号化や算術符号化などのエントロピー符号化、ＤＣＴ（Ｄｉｓｃｒｅｔｅ Ｃｏｓｉｎｅ Ｔｒａｎｓｆｏｒｍ）を用いたＪＰＥＧなどの符号化、辞書圧縮、ランレングス符号化その他の手法で処理することにより実現する。画像データの最終的な符号化データ（以下、単に「符号化画像データ」ともよぶ）は、この中間フレームに関する差分画像の符号化データ（以下、単に「中間フレームの符号化データ」とよぶ）とキーフレームデータの組合せとして得られる。この差分画像ＤＩ２１０は、仮想的な中間フレームＶＩＦ２０４の画素値と現実の中間フレームＡＩＦ２０６との画素値の差分情報を記録した差分値ファイルの形式で保持される。
【０１５９】
この方法では、符号化側と復号側に同じマッチング機能を実装しておくことにより、キーフレームから同じ仮想的な中間フレームを得る。したがって、キーフレームデータに加えて中間フレームの符号化データを取得すれば、復号側でもとの画像データに戻すことができる。差分画像はハフマン符号化その他の符号化により効果的に圧縮でき、キーフレーム自体をフレーム内圧縮してもよい。中間フレーム、キーフレームとも、可逆圧縮または非可逆圧縮のいずれの手法を用いてもよく、その指定を可能とする構成であってもよい。
【０１６０】
図２０は以上の符号化処理を実現する画像処理システム１００の構成を示す。各機能ブロックは、たとえばＰＣ（パーソナルコンピュータ）にＣＤ−ＲＯＭなどの記録媒体からロードされるプログラムで実現できる。プログラムはネットワークを通じてロードされてもよい。これは後述の復号装置にもいえる。画像処理システム１００は、画像符号化装置１０と画像配信装置４０とを備える。画像符号化装置１０および画像配信装置４０は、一体として構成されてもよく、また別個に構成されてもよい。画像符号化装置１０は、画像入力部１２、フレーム分別ユニット１４、マッチングプロセッサ１８およびキーフレーム圧縮ユニット３２を含む。マッチングプロセッサ１８は、仮想的な中間フレームを生成する中間フレーム生成ユニット２０と、現実の中間フレームを符号化する中間フレーム符号化ユニット２６を有する。図２１は、画像処理システム１００による処理のフローチャートである。
【０１６１】
画像入力部１２はネットワーク、ストレージなどから符号化すべき画像データを入力する（Ｓ１０１０）。画像入力部１２は通信機能、ストレージ制御機能を有してもよく、または自身が画像を撮影する光学機器であってもよい。入力される画像データは３０枚／秒で構成される動画であってもよく、また複数の静止画であってもよい。
【０１６２】
フレーム分別ユニット１４は画像データに含まれるフレームをキーフレームと中間フレームへ分類する（Ｓ１０１２）。キーフレーム検出部１６は、一定間隔でフレームを選択してそれらをキーフレームとしてもよい。分別されたキーフレームは中間フレーム生成ユニット２０とキーフレーム圧縮ユニット３２へ送られる。キーフレーム以外のフレーム、すなわち現実の中間フレームは中間フレーム符号化ユニット２６へ送られる。
【０１６３】
キーフレーム圧縮ユニット３２はキーフレームをフレーム内圧縮し、格納部５０のキーフレーム保持部５２に記録する。中間フレーム生成ユニット２０のマッチング計算部２２は前提技術その他の技術によってキーフレーム間のマッチングをとり（Ｓ１０１４）、キーフレーム間で対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成して（Ｓ１０１６）、格納部５０の対応点ファイル保持部５４に格納する。続いて、フレーム補間部２４がマッチング結果をもとに仮想的な中間フレームを生成する（Ｓ１０１８）。生成された仮想的な中間フレームは中間フレーム符号化ユニット２６へ送られる。
【０１６４】
中間フレーム符号化ユニット２６の比較部２８は、仮想的な中間フレームと現実の中間フレームの差分をとり、差分符号化部３０がこの差分を符号化することにより、色を含む画素値の差分情報を記録した差分値ファイルを生成して（Ｓ１０２０）、差分値ファイル保持部５６に格納する。この処理により、中間フレームの符号化データが生成される。データ量を少なくする観点から、その差分情報はキーフレーム中の各点の色表現に利用されるビット数よりも少ないビット数で表現されることが好ましい。
【０１６５】
格納部５０にキーフレーム、対応点ファイルおよび差分値ファイルが保持された状態で、画像配信装置４０が画像の配信に関する処理を実行する。指示入力部６２が、ユーザから画像の送信指示を受け付ける。符号化データ生成ユニット５８は、この送信指示に基づいて、キーフレームデータ、対応点ファイルおよび差分値ファイルの中から配信する対象を決定する。符号化データ生成ユニット５８は、送信指示を送った端末の種類に基づいて、差分値ファイルを送信するか否かを選択してもよい。また、回線の使用状況を検出し、回線が混雑している場合には差分情報を配信対象から除外してもよい。
【０１６６】
この例において、符号化データ生成ユニット５８は、送信先となる端末の処理能力が低いものであることを判断したときには、差分値ファイルを配信対象に含めない。画像の送信指示が携帯電話から送られてきたことを検出すると、携帯電話の処理容量が小さいことから差分値ファイルの差分情報を用いず、キーフレームデータと対応点ファイルの位置情報を組み合わせて、符号化画像データを生成する（Ｓ１０２２）。一方、端末がＰＣである場合には、よりきれいな画像を配信するべく、キーフレームデータ、対応点ファイルの位置情報および差分値ファイルの差分情報を組み合わせて、符号化画像データを生成する。通信部６０は、この符号化画像データをユーザ端末に配信する。
【０１６７】
図２２は、復号処理を実現する画像復号装置３００を示す。以下に説明する画像復号装置３００の機能はユーザのＰＣや携帯端末などに設けられ、状況に応じて符号化画像データを好適な方式で復号する。画像復号装置３００はデータ受付部３１０、モード設定部３１２、中間画像生成部３１４および表示制御部３１６を備える。供給される符号化画像データは、キーフレームデータ、位置情報および差分情報を組み合わせたストリームであり、データ受付部３１０がこれを取得する。
【０１６８】
中間画像生成部３１４は、状況に応じて差分情報の使用の可否を決定する。この状況は、モード設定部３１２により設定されるモードによって定められてもよい。モードには、例えば通常速度の再生モードや高速再生モードなどがある。通常速度の再生モードでは、キーフレームデータ、位置情報および差分情報を用いて、クリアな中間画像を再生する。一方、高速再生モードにおいては、中間画像生成部３１４が差分情報を用いずに、キーフレームデータおよび位置情報から中間画像を再生する。このとき中間画像の各画素の色は、キーフレームの対応する画素の色をそのまま用いる。高速再生の場合には忠実に色を再現してもその効果が小さいため、データの処理量を低減させる方針のもと、差分情報を使用しないこととする。表示制御部３１６は、生成された中間画像およびキーフレームを、表示装置に供給する。
【０１６９】
以上、実施の形態をもとに本発明を説明した。なお本発明はこの実施の形態に限定されることなく、そのさまざまな変形例もまた、本発明の態様として有効である。実施の形態では差分情報を現実の中間フレームの画素値と、対応する仮想的な中間フレームの画素値の差分であるとしたが、キーフレーム間の対応しあう点の画素値の差分情報を記録してもよい。この場合、最初のキーフレームと対応点対の位置情報および画素値の差分情報を用いて、画像を再生することが可能となる。
【図面の簡単な説明】
【図１】図１（ａ）と図１（ｂ）は、ふたりの人物の顔に平均化フィルタを施して得られる画像、図１（ｃ）と図１（ｄ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，０）の画像、図１（ｅ）と図１（ｆ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，１）の画像、図１（ｇ）と図１（ｈ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，２）の画像、図１（ｉ）と図１（ｊ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，３）の画像をそれぞれディスプレイ上に表示した中間調画像の写真である。
【図２】図２（Ｒ）はもとの四辺形を示す図、図２（Ａ）、図２（Ｂ）、図２（Ｃ）、図２（Ｄ）、図２（Ｅ）はそれぞれ相続四辺形を示す図である。
【図３】始点画像と終点画像の関係、および第ｍレベルと第ｍ−１レベルの関係を相続四辺形を用いて示す図である。
【図４】パラメータηとエネルギーＣｆの関係を示す図である。
【図５】図５（ａ）、図５（ｂ）は、ある点に関する写像が全単射条件を満たすか否かを外積計算から求める様子を示す図である。
【図６】前提技術の全体手順を示すフローチャートである。
【図７】図６のＳ１の詳細を示すフローチャートである。
【図８】図７のＳ１０の詳細を示すフローチャートである。
【図９】第ｍレベルの画像の一部と、第ｍ−１レベルの画像の一部の対応関係を示す図である。
【図１０】前提技術で生成された始点階層画像を示す図である。
【図１１】図６のＳ２に進む前に、マッチング評価の準備の手順を示す図である。
【図１２】図６のＳ２の詳細を示すフローチャートである。
【図１３】第０レベルにおいて副写像を決定する様子を示す図である。
【図１４】第１レベルにおいて副写像を決定する様子を示す図である。
【図１５】図１２のＳ２１の詳細を示すフローチャートである。
【図１６】あるｆ（ｍ，ｓ）についてλを変えながら求められたｆ（ｍ，ｓ）（λ＝ｉΔλ）に対応するエネルギーＣ（ｍ，ｓ） ｆの挙動を示す図である。
【図１７】ηを変えながら求められたｆ（ｎ）（η＝ｉΔη）（ｉ＝０，１，…）に対応するエネルギーＣ（ｎ） ｆの挙動を示す図である。
【図１８】改良後の前提技術において第ｍレベルにおける副写像を求めるフローチャートである。
【図１９】実施の形態に係る画像データ符号化の概念を示す図である。
【図２０】実施の形態に係る画像処理システムの構成図である。
【図２１】実施の形態に係る画像処理システムによる処理のフローチャートである。
【図２２】実施の形態に係る画像復号装置の構成図である。
【符号の説明】
１０・・・画像符号化装置、１２・・・画像入力部、１４・・・フレーム分別ユニット、１６・・・キーフレーム検出部、１８・・・マッチングプロセッサ、２０・・・中間フレーム生成ユニット、２２・・・マッチング計算部、２４・・・フレーム補間部、２６・・・中間フレーム符号化ユニット、２８・・・比較部、３０・・・差分符号化部、３２・・・キーフレーム圧縮ユニット、４０・・・画像配信装置、５０・・・格納部、５２・・・キーフレーム保持部、５４・・・対応点ファイル保持部、５６・・・差分値ファイル保持部、５８・・・符号化データ生成ユニット、６０・・・通信部、６２・・・指示入力部、１００・・・画像処理システム、３００・・・画像復号装置、３１０・・・データ受付部、３１２・・・モード設定部、３１４・・・中間画像生成部、３１６・・・表示制御部。
【発明の属する技術分野】
この発明は、画像処理技術に関し、とくに画像データを符号化または復号する技術、および画像データを配信する技術に関する。
【０００２】
【従来の技術】
動画圧縮は高い圧縮率と良好な画質の両方の要求を満足することを究極の目標として研究され、ストレージメディアからネットワークや放送などの伝送メディアへとその応用範囲を拡大している。現在ではＭＰＥＧ（Ｍｏｔｉｏｎ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔ Ｇｒｏｕｐ）が動画圧縮の事実上の世界標準として認知されているが、周知のごとくブロック歪が高圧縮化を阻むことがある。
【０００３】
【発明が解決しようとする課題】
近年、パーソナルコンピュータ（ＰＣ）からだけでなく、携帯電話などの通信端末を利用してインターネットへ接続することが一般的になった。特に最近では携帯電話の表示部にカラーＬＣＤなどが採用され、静止画だけでなく、比較的単純な画像を中心に動画の配信も行われている。しかしながら携帯端末の処理可能なデータ量は、その処理能力およびメモリ量などの制約から、ＰＣと比較すると小さい。動画の配信サービスを想定した場合、配信先の端末の処理能力に関係なく一律にデータを送信すると、データ処理が間に合わないことも可能性として考えられる。またユーザにとっても常に最高の画質を必要としているのではなく、多少の画質の劣化は許容できることも多い。
【０００４】
本発明はそうした状況に鑑みてなされたものであり、その目的は画像データの配信に効率的な符号化技術を提供し、また配信されたデータの復号技術を提供することにある。また、本発明の目的は、符号化された画像データを効率的に配信する技術を提供することにある。また本発明の目的は、柔軟性の高い画像符号化技術および復号技術を提供することにある。また本発明の目的は、データ管理の容易な画像符号化技術および復号技術を提供することにある。
【０００５】
【課題を解決するための手段】
以下、本発明の画像符号化技術および画像復号技術は、主に動画について説明するが、モーフィング、ウォークスルーなどの映像効果など、用途は動画に限られない。
【０００６】
本発明のある態様は、第１画像と第２画像を取得する画像入力部と、取得された第１画像および第２画像の間でマッチングを計算し、それらの画像の間で対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成するマッチングプロセッサを含む画像符号化装置を提供し、このマッチングプロセッサは、対応点ファイルとは別に、対応する画像間の画素値の差分情報を記録した差分値ファイルを生成する。以下「点」と「画素」とは区別せずに用いるが、「点」および「画素」は基本的には一つの点および画素を示す概念であり、場合によっては点および画素の集合体を示すものであってもよい。また「画素値」は以下「色」ともいうが、色に限らず、任意の属性であってもよい。
【０００７】
以下で説明する前提技術によれば、画像の復号に第１画像と第２画像との対応点ファイルを用いて、第１画像および第２画像の間の中間画像の動きを再生し、色の補間については第１画像および第２画像の画素値を参照することとしている。
【０００８】
しかしながら、本態様の一例においては、色の補間のために第２画像を参照することに代えて、予め第１画像と第２画像の対応しあう点（以下、対応点対ともいう）の色の差分情報を差分値ファイルとして、対応点ファイルとは別個に生成しておく。これにより、復号時に第２画像を参照する必要がなくなるため、復号側の装置は中間画像よりも後に再生されるべき第２画像を予め取得しなくてもよく、メモリの利用効率、処理のストリーム化のいずれの面でも有利となる。
【０００９】
また、本態様の別の例においては、第１画像と第２画像の間にある現実の中間画像の画素値と、対応する仮想的な中間画像の画素値の差分情報を差分値ファイルとして、対応点ファイルとは別個に生成する。この差分情報は、復号時に現実の中間画像を忠実に再現するために利用される。
【００１０】
いずれの場合であっても、本態様の画像符号化装置によると、差分値ファイルを対応点ファイルと別個に生成することにより、データ配信時に、差分情報を送信しない選択肢をとることが可能となる。差分情報を送信しない場合には、例えば第１画像または第２画像の一方の画素値で、中間画像を再生してもよい。
【００１１】
もともと第１画像と第２画像の対応しあう画素、または現実の中間画像と仮想的な中間画像との画素は、互いに色が近いことが期待できるため、色の差分を表現する差分情報には、第１画像および第２画像において各点の画素値の表現に利用されるビット数よりも少ないビット数が割り当てられてもよい。例えば第１画像および第２画像のＲＧＢ各色を８ビットで表現する場合、差分情報をそれぞれ３ビットで表現してもよい。これにより差分情報を送信する場合であっても、送信データ量を少なくすることができる。また、この差分情報は、通常ゼロを中心とする統計的な分布を見せるため、これをエントロピー符号化することにより、より高いデータ圧縮効果を得られる。さらに、対応点ファイルと差分値ファイルとを別個に生成することにより、それぞれのファイルを好適な方式により圧縮することも可能となる。
【００１２】
本発明の別の態様は、第１画像と第２画像を取得するステップと、取得された第１画像および第２画像の間でマッチングを計算し、第１画像上の点に対応する第２画像上の点を検出するステップと、検出した点の位置情報を記録して対応点ファイルを生成するステップと、対応する画像間の画素値の差分情報を記録して差分値ファイルを生成するステップとを備えることを特徴とする画像符号化方法を提供する。
【００１３】
本発明のさらに別の態様は、画像の送信指示を受け付ける指示入力部と、第１画像および第２画像の画像データ、第１画像と第２画像との間で対応する点の位置情報を記録した対応点ファイル、および対応する画像間の画素値の差分情報を記録した差分値ファイルをそれぞれ別ファイルとして保持する格納部と、送信指示に基づいて、画像データ、位置情報および差分情報の中から配信する対象を決定し、符号化データストリームを生成する符号化データ生成ユニットとを備えることを特徴とする画像配信装置を提供する。符号化データ生成ユニットは、送信指示を送った端末の種類に基づいて、符号化データストリームを生成してもよい。この態様の画像配信装置によると、例えば端末が携帯機器など、データ処理能力が低いものである場合に、差分情報を送信しない選択肢をとることが可能となる。
【００１４】
本発明のさらに別の態様は、第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得するデータ受付部と、差分情報の使用または非使用の設定に応じて、第１画像と第２画像の間の中間画像を生成する中間画像生成部とを備えることを特徴とする画像復号装置を提供する。使用または非使用の設定は、予め定められていてもよく、またユーザにより入力されてもよい。中間画像生成部は、設定されたモードに応じて、差分情報の取捨を選択してもよい。例えば、画像をクリアに再生するモードにおいては、差分情報を利用して画像を再生してもよい。一方で、処理負荷を軽減するモードにおいては、差分情報を利用せずに、画像データと対応点ファイルから画像を再生してもよい。具体的には、前者が通常速度の再生モードであり、後者が高速再生モードである場合が考えられる。高速再生モードでは、中間画像の画素値を、例えば第１画像または第２画像の画素値に設定して、色を固定してもよい。
【００１５】
本発明のさらに別の態様は、第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得するステップと、差分情報の使用または非使用の設定に応じて、第１画像と第２画像の間の中間画像を生成するステップとを備えることを特徴とする画像復号方法を提供する。
【００１６】
本発明のさらに別の態様は、第１画像と第２画像を取得する機能と、取得された第１画像および第２画像の間でマッチングを計算し、第１画像と第２画像の間の対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成する機能と、対応点ファイルとは別に、対応する画像間の画素値の差分情報を記録した差分値ファイルを生成する機能とをコンピュータに実行せしめることを特徴とするコンピュータプログラムを提供する。
【００１７】
本発明のさらに別の態様は、第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得する機能と、差分情報の使用または非使用の設定に応じて、画像データおよび対応点ファイルと、差分情報の使用が設定される場合にはこの差分情報も用いて、第１画像と第２画像の間の中間画像を生成する機能とをコンピュータに実行せしめることを特徴とするコンピュータプログラムを提供する。
【００１８】
以上の各構成、ステップを任意に入れ替えたり、方法と装置の間で表現を一部または全部入れ替え、または追加したり、表現をコンピュータプログラム、記録媒体等に変更したものもまた、本発明として有効である。
【００１９】
【発明の実施の形態】
はじめに、実施の形態で利用する多重解像度特異点フィルタ技術とそれを用いた画像マッチング処理を「前提技術」として詳述する。これらの技術は本出願人がすでに特許第２９２７３５０号を得ている技術であり、本発明との組合せに最適である。ただし、実施の形態で採用可能な画像マッチング技術はこれに限られない。図１９以降、前提技術を利用した画像データ符号化および復号技術を具体的に説明する。
【００２０】
［前提技術の実施の形態］
最初に［１］で前提技術の要素技術を詳述し、［２］で処理手順を具体的に説明する。さらに［３］で前提技術に基づき改良を施した点について述べる。
【００２１】
［１］要素技術の詳細
［１．１］イントロダクション
特異点フィルタと呼ばれる新たな多重解像度フィルタを導入し、画像間のマッチングを正確に計算する。オブジェクトに関する予備知識は一切不要である。画像間のマッチングの計算は、解像度の階層を進む間、各解像度において計算される。その際、粗いレベルから精細なレベルへと順に解像度の階層を辿っていく。計算に必要なパラメータは、人間の視覚システムに似た動的計算によって完全に自動設定される。画像間の対応点を人手で特定する必要はない。
【００２２】
本前提技術は、例えば完全に自動的なモーフィング、物体認識、立体写真測量、ボリュームレンダリング、少ないフレームからの滑らかな動画像の生成などに応用できる。モーフィングに用いる場合、与えられた画像を自動的に変形することができる。ボリュームレンダリングに用いる場合、断面間の中間的な画像を正確に再構築することができる。断面間の距離が遠く、断面の形状が大きく変化する場合でも同様である。
【００２３】
［１．２］特異点フィルタの階層
前提技術に係る多重解像度特異点フィルタは、画像の解像度を落としながら、しかも画像に含まれる各特異点の輝度及び位置を保存することができる。ここで画像の幅をＮ、高さをＭとする。以下簡単のため、Ｎ＝Ｍ＝２ｎ（ｎは自然数）と仮定する。また、区間［０，Ｎ］⊂ＲをＩと記述する。（ｉ，ｊ）における画像の画素をｐ（ｉ，ｊ）と記述する（ｉ，ｊ∈Ｉ）。
【００２４】
ここで多重解像度の階層を導入する。階層化された画像群は多重解像度フィルタで生成される。多重解像度フィルタは、もとの画像に対して二次元的な探索を行って特異点を検出し、検出された特異点を抽出してもとの画像よりも解像度の低い別の画像を生成する。ここで第ｍレベルにおける各画像のサイズは２ｍ×２ｍ（０≦ｍ≦ｎ）とする。特異点フィルタは次の４種類の新たな階層画像をｎから下がる方向で再帰的に構築する。
【００２５】
【数１】
【数２】
【００２６】
Ｐ（ｍ，０）＝α（ｘ）α（ｙ）ｐ（ｍ＋１，０）
Ｐ（ｍ，１）＝α（ｘ）β（ｙ）ｐ（ｍ＋１，１）
Ｐ（ｍ，２）＝β（ｘ）α（ｙ）ｐ（ｍ＋１，２）
Ｐ（ｍ，３）＝β（ｘ）β（ｙ）ｐ（ｍ＋１，３）
すなわち、これらはαとβのテンソル積のようなものと考えられる。副画像はそれぞれ特異点に対応している。これらの式から明らかなように、特異点フィルタはもとの画像について２×２画素で構成されるブロックごとに特異点を検出する。その際、各ブロックのふたつの方向、つまり縦と横について、最大画素値または最小画素値をもつ点を探索する。画素値として、前提技術では輝度を採用するが、画像に関するいろいろな数値を採用することができる。ふたつの方向の両方について最大画素値となる画素は極大点、ふたつの方向の両方について最小画素値となる画素は極小点、ふたつの方向の一方について最大画素値となるとともに、他方について最小画素値となる画素は鞍点として検出される。
【００２７】
特異点フィルタは、各ブロックの内部で検出された特異点の画像（ここでは１画素）でそのブロックの画像（ここでは４画素）を代表させることにより、画像の解像度を落とす。特異点の理論的な観点からすれば、α（ｘ）α（ｙ）は極小点を保存し、β（ｘ）β（ｙ）は極大点を保存し、α（ｘ）β（ｙ）及びβ（ｘ）α（ｙ）は鞍点を保存する。
【００２８】
はじめに、マッチングをとるべき始点（ソース）画像と終点（デスティネーション）画像に対して別々に特異点フィルタ処理を施し、それぞれ一連の画像群、すなわち始点階層画像と終点階層画像を生成しておく。始点階層画像と終点階層画像は、特異点の種類に対応してそれぞれ４種類ずつ生成される。
【００２９】
この後、一連の解像度レベルの中で始点階層画像と終点階層画像のマッチングがとられていく。まずｐ（ｍ，０）を用いて極小点のマッチングがとられる。次に、その結果に基づき、ｐ（ｍ，１）を用いて鞍点のマッチングがとられ、ｐ（ｍ，２）を用いて他の鞍点のマッチングがとられる。そして最後にｐ（ｍ，３）を用いて極大点のマッチングがとられる。
【００３０】
図１（ｃ）と図１（ｄ）はそれぞれ図１（ａ）と図１（ｂ）の副画像ｐ（５，０）を示している。同様に、図１（ｅ）と図１（ｆ）はｐ（５，１）、図１（ｇ）と図１（ｈ）はｐ（５，２）、図１（ｉ）と図１（ｊ）はｐ（５，３）をそれぞれ示している。これらの図からわかるとおり、副画像によれば画像の特徴部分のマッチングが容易になる。まずｐ（５，０）によって目が明確になる。目は顔の中で輝度の極小点だからである。ｐ（５，１）によれば口が明確になる。口は横方向で輝度が低いためである。ｐ（５，２）によれば首の両側の縦線が明確になる。最後に、ｐ（５，３）によって耳や頬の最も明るい点が明確になる。これらは輝度の極大点だからである。
【００３１】
特異点フィルタによれば画像の特徴が抽出できるため、例えばカメラで撮影された画像の特徴と、予め記録しておいたいくつかのオブジェクトの特徴を比較することにより、カメラに映った被写体を識別することができる。
【００３２】
［１．３］画像間の写像の計算
始点画像の位置（ｉ，ｊ）の画素をｐ（ｎ） （ｉ，ｊ）と書き、同じく終点画像の位置（ｋ，ｌ）の画素をｑ（ｎ） （ｋ，ｌ）で記述する。ｉ，ｊ，ｋ，ｌ∈Ｉとする。画像間の写像のエネルギー（後述）を定義する。このエネルギーは、始点画像の画素の輝度と終点画像の対応する画素の輝度の差、及び写像の滑らかさによって決まる。最初に最小のエネルギーを持つｐ（ｍ，０）とｑ（ｍ，０）間の写像ｆ（ｍ，０）：ｐ（ｍ，０）→ｑ（ｍ，０）が計算される。ｆ（ｍ，０）に基づき、最小エネルギーを持つｐ（ｍ，１）、ｑ（ｍ，１）間の写像ｆ（ｍ，１）が計算される。この手続は、ｐ（ｍ，３）とｑ（ｍ，３）の間の写像ｆ（ｍ，３）の計算が終了するまで続く。各写像ｆ（ｍ，ｉ）（ｉ＝０，１，２，…）を副写像と呼ぶことにする。ｆ（ｍ，ｉ）の計算の都合のために、ｉの順序は次式のように並べ替えることができる。並べ替えが必要な理由は後述する。
【数３】
【００３３】
［１．３．１］全単射
始点画像と終点画像の間のマッチングを写像で表現する場合、その写像は両画像間で全単射条件を満たすべきである。両画像に概念上の優劣はなく、互いの画素が全射かつ単射で接続されるべきだからである。しかしながら通常の場合とは異なり、ここで構築すべき写像は全単射のディジタル版である。前提技術では、画素は格子点によって特定される。
【００３４】
始点副画像（始点画像について設けられた副画像）から終点副画像（終点画像について設けられた副画像）への写像は、ｆ（ｍ，ｓ）：Ｉ／２ｎ−ｍ×Ｉ／２ｎ−ｍ→Ｉ／２ｎ−ｍ×Ｉ／２ｎ−ｍ（ｓ＝０，１，…）によって表される。ここで、ｆ（ｍ，ｓ）（ｉ，ｊ）＝（ｋ，ｌ）は、始点画像のｐ（ｍ，ｓ） （ｉ，ｊ）が終点画像のｑ（ｍ，ｓ） （ｋ，ｌ）に写像されることを意味する。簡単のために、ｆ（ｉ，ｊ）＝（ｋ，ｌ）が成り立つとき画素ｑ（ｋ，ｌ）をｑｆ（ｉ，ｊ）と記述する。
【００３５】
前提技術で扱う画素（格子点）のようにデータが離散的な場合、全単射の定義は重要である。ここでは以下のように定義する（ｉ，ｉ’，ｊ，ｊ’，ｋ，ｌは全て整数とする）。まず始めに、始点画像の平面においてＲによって表記される各正方形領域、
【数４】
【００３６】
【数５】
【数６】
【００３７】
１．四辺形ｆ（ｍ，ｓ）（Ｒ）のエッジは互いに交差しない。
２．ｆ（ｍ，ｓ）（Ｒ）のエッジの方向はＲのそれらに等しい（図２の場合、時計回り）。
３．緩和条件として収縮写像（リトラクション：ｒｅｔｒａｃｔｉｏｎｓ）を許す。
【００３８】
何らかの緩和条件を設けないかぎり、全単射条件を完全に満たす写像は単位写像しかないためである。ここではｆ（ｍ，ｓ）（Ｒ）のひとつのエッジの長さが０、すなわちｆ（ｍ，ｓ）（Ｒ）は三角形になってもよい。しかし、面積が０となるような図形、すなわち１点または１本の線分になってはならない。図２（Ｒ）がもとの四辺形の場合、図２（Ａ）と図２（Ｄ）は全単射条件を満たすが、図２（Ｂ）、図２（Ｃ）、図２（Ｅ）は満たさない。
【００３９】
実際のインプリメンテーションでは、写像が全射であることを容易に保証すべく、さらに以下の条件を課してもよい。つまり始点画像の境界上の各画素は、終点画像において同じ位置を占める画素に写影されるというものである。すなわち、ｆ（ｉ，ｊ）＝（ｉ，ｊ）（ただしｉ＝０，ｉ＝２ｍ−１，ｊ＝０，ｊ＝２ｍ−１の４本の線上）である。この条件を以下「付加条件」とも呼ぶ。
【００４０】
［１．３．２］写像のエネルギー
［１．３．２．１］画素の輝度に関するコスト
写像ｆのエネルギーを定義する。エネルギーが最小になる写像を探すことが目的である。エネルギーは主に、始点画像の画素の輝度とそれに対応する終点画像の画素の輝度の差で決まる。すなわち、写像ｆ（ｍ，ｓ）の点（ｉ，ｊ）におけるエネルギーＣ（ｍ，ｓ） （ｉ，ｊ）は次式によって定まる。
【００４１】
【数７】
【数８】
［１．３．２．２］滑らかな写像のための画素の位置に関するコスト
滑らかな写像を得るために、写像に関する別のエネルギーＤｆを導入する。このエネルギーは画素の輝度とは関係なく、ｐ（ｍ，ｓ） （ｉ，ｊ）およびｑ（ｍ，ｓ） ｆ（ｉ，ｊ）の位置によって決まる（ｉ＝０，…，２ｍ−１，ｊ＝０，…，２ｍ−１）。点（ｉ，ｊ）における写像ｆ（ｍ，ｓ）のエネルギーＤ（ｍ，ｓ） （ｉ，ｊ）は次式で定義される。
【００４３】
【数９】
【数１０】
【数１２】
【数１３】
［１．３．２．３］写像の総エネルギー
写像の総エネルギー、すなわち複数の評価式の統合に係る総合評価式はλＣ（ｍ，ｓ） ｆ＋Ｄ（ｍ，ｓ） ｆで定義される。ここで係数パラメータλは０以上の実数である。目的は総合評価式が極値をとる状態を検出すること、すなわち次式で示す最小エネルギーを与える写像を見いだすことである。
【００４５】
【数１４】
【００４６】
オプティカルフローもこの前提技術同様、画素の輝度の差と滑らかさを考慮する。しかし、オプティカルフローは画像の変換に用いることはできない。オブジェクトの局所的な動きしか考慮しないためである。前提技術に係る特異点フィルタを用いることによって大域的な対応関係を検出することができる。
【００４７】
［１．３．３］多重解像度の導入による写像の決定
最小エネルギーを与え、全単射条件を満足する写像ｆｍｉｎを多重解像度の階層を用いて求める。各解像度レベルにおいて始点副画像及び終点副画像間の写像を計算する。解像度の階層の最上位（最も粗いレベル）からスタートし、各解像度レベルの写像を、他のレベルの写像を考慮に入れながら決定する。各レベルにおける写像の候補の数は、より高い、つまりより粗いレベルの写像を用いることによって制限される。より具体的には、あるレベルにおける写像の決定に際し、それよりひとつ粗いレベルにおいて求められた写像が一種の拘束条件として課される。
【００４８】
まず、
【数１５】
【００４９】
【数１６】
【００５０】
【数１７】
【数１８】
【００５１】
図３は以上の手順を示している。同図において、始点画像のＡ，Ｂ，Ｃ，Ｄの画素は、第ｍ−１レベルにおいてそれぞれ終点画像のＡ’，Ｂ’，Ｃ’，Ｄ’へ写影される。画素ｐ（ｍ，ｓ） （ｉ，ｊ）は、相続四辺形Ａ’Ｂ’Ｃ’Ｄ’の内部に存在する画素ｑ（ｍ，ｓ） ｆ（ｍ）（ｉ，ｊ）へ写影されなければならない。以上の配慮により、第ｍ−１レベルの写像から第ｍレベルの写像への橋渡しがなされる。
【００５２】
先に定義したエネルギーＥ０は、第ｍレベルにおける副写像ｆ（ｍ，０）を計算するために、次式に置き換える。
【００５３】
【数１９】
【００５４】
【数２０】
【００５５】
仮に、相続四辺形Ａ’Ｂ’Ｃ’Ｄ’の内部に全単射条件を満たす画素が存在しない場合は以下の措置をとる。まず、Ａ’Ｂ’Ｃ’Ｄ’の境界線からの距離がＬ（始めはＬ＝１）である画素を調べる。それらのうち、エネルギーが最小になるものが全単射条件を満たせば、これをｆ（ｍ，ｓ）（ｉ，ｊ）の値として選択する。そのような点が発見されるか、またはＬがその上限のＬ（ｍ）ｍａｘに到達するまで、Ｌを大きくしていく。Ｌ（ｍ）ｍａｘは各レベルｍに対して固定である。そのような点が全く発見されない場合、全単射の第３の条件を一時的に無視して変換先の四辺形の面積がゼロになるような写像も認め、ｆ（ｍ，ｓ）（ｉ，ｊ）を決定する。それでも条件を満たす点が見つからない場合、つぎに全単射の第１及び第２条件を外す。
【００５６】
多重解像度を用いる近似法は、写像が画像の細部に影響されることを回避しつつ、画像間の大域的な対応関係を決定するために必須である。多重解像度による近似法を用いなければ、距離の遠い画素間の対応関係を見いだすことは不可能である。その場合、画像のサイズはきわめて小さなものに限定しなければならず、変化の小さな画像しか扱うことができない。さらに、通常写像に滑らかさを要求するため、そうした画素間の対応関係を見つけにくくしている。距離のある画素から画素への写像のエネルギーは高いためである。多重解像度を用いた近似法によれば、そうした画素間の適切な対応関係を見いだすことができる。それらの距離は、解像度の階層の上位レベル（粗いレベル）において小さいためである。
【００５７】
［１．４］最適なパラメータ値の自動決定
既存のマッチング技術の主な欠点のひとつに、パラメータ調整の困難さがある。大抵の場合、パラメータの調整は人手作業によって行われ、最適な値を選択することはきわめて難しい。前提技術に係る方法によれば、最適なパラメータ値を完全に自動決定することができる。
【００５８】
前提技術に係るシステムはふたつのパラメータ、λ及びηを含む。端的にいえば、λは画素の輝度の差の重みであり、ηは写像の剛性を示している。これらのパラメータの値は初期値が０であり、まずη＝０に固定してλを０から徐々に増加させる。λの値を大きくしながら、しかも総合評価式（式１４）の値を最小にする場合、各副写像に関するＣ（ｍ，ｓ） ｆの値は一般に小さくなっていく。このことは基本的にふたつの画像がよりマッチしなければならないことを意味する。しかし、λが最適値を超えると以下の現象が発生する。
【００５９】
１．本来対応すべきではない画素どうしが、単に輝度が近いというだけで誤って対応づけられる。
２．その結果、画素どうしの対応関係がおかしくなり、写像がくずれはじめる。
３．その結果、式１４においてＤ（ｍ，ｓ） ｆが急激に増加しようとする。
４．その結果、式１４の値が急激に増加しようとするため、Ｄ（ｍ，ｓ） ｆの急激な増加を抑制するようｆ（ｍ，ｓ）が変化し、その結果Ｃ（ｍ，ｓ） ｆが増加する。
【００６０】
したがって、λを増加させながら式１４が最小値をとるという状態を維持しつつＣ（ｍ，ｓ） ｆが減少から増加に転じる閾値を検出し、そのλをη＝０における最適値とする。つぎにηを少しづつ増やしてＣ（ｍ，ｓ） ｆの挙動を検査し、後述の方法でηを自動決定する。そのηに対応してλも決まる。
【００６１】
この方法は、人間の視覚システムの焦点機構の動作に似ている。人間の視覚システムでは、一方の目を動かしながら左右両目の画像のマッチングがとられる。オブジェクトがはっきりと認識できるとき、その目が固定される。
【００６２】
［１．４．１］λの動的決定
λは０から所定の刻み幅で増加されていき、λの値が変わる度に副写像が評価される。式１４のごとく、総エネルギーはλＣ（ｍ，ｓ） ｆ＋Ｄ（ｍ，ｓ） ｆによって定義される。式９のＤ（ｍ，ｓ） ｆは滑らかさを表すもので、理論的には単位写像の場合に最小になり、写像が歪むほどＥ０もＥ１も増加していく。Ｅ１は整数であるから、Ｄ（ｍ，ｓ） ｆの最小刻み幅は１である。このため、現在のλＣ（ｍ，ｓ） （ｉ，ｊ）の変化（減少量）が１以上でなければ、写像を変化させることによって総エネルギーを減らすことはできない。なぜなら、写像の変化に伴ってＤ（ｍ，ｓ） ｆは１以上増加するため、λＣ（ｍ，ｓ） （ｉ，ｊ）が１以上減少しない限り総エネルギーは減らないためである。
【００６３】
この条件のもと、λの増加に伴い、正常な場合にＣ（ｍ，ｓ） （ｉ，ｊ）が減少することを示す。Ｃ（ｍ，ｓ） （ｉ，ｊ）のヒストグラムをｈ（ｌ）と記述する。ｈ（ｌ）はエネルギーＣ（ｍ，ｓ） （ｉ，ｊ）がｌ２である画素の数である。λｌ２≧１が成り立つために、例えばｌ２＝１／λの場合を考える。λがλ１からλ２まで微小量変化するとき、
【数２１】
【数２２】
【数２３】
【数２４】
【００６４】
なお、Ｈ（ｈ＞０）及びｋを定数とするとき、
【数２５】
【数２６】
【００６５】
【数２７】
【００６６】
λの最適値を検出する際、さらに安全を見て、全単射条件を破る画素の数を検査してもよい。ここで各画素の写像を決定する際、全単射条件を破る確率をｐ０と仮定する。この場合、
【数２８】
【００６７】
【数２９】
【数３０】
【数３１】
【００６８】
なお実験では、副写像ｆ（ｍ，ｓ）を計算する際、もしλが０．１を越えたらｆ（ｍ，ｓ）の計算は止めてｆ（ｍ，ｓ＋１）の計算に移行した。λ＞０．１のとき、画素の輝度２５５レベル中のわずか「３」の違いが副写像の計算に影響したためであり、λ＞０．１のとき正しい結果を得ることは困難だったためである。
【００６９】
［１．４．２］ヒストグラムｈ（ｌ）
Ｃ（ｍ，ｓ） ｆの検査はヒストグラムｈ（ｌ）に依存しない。全単射及びその第３の条件の検査の際、ｈ（ｌ）に影響を受けうる。実際に（λ，Ｃ（ｍ，ｓ） ｆ）をプロットすると、ｋは通常１付近にある。実験ではｋ＝１を用い、Ｂ０λ２とＢ１λ２を検査した。仮にｋの本当の値が１未満であれば、Ｂ０λ２とＢ１λ２は定数にならず、ファクターλ（１−ｋ）／２に従って徐々に増加する。ｈ（ｌ）が定数であれば、例えばファクターはλ１／２である。しかし、こうした差は閾値Ｂ０ｔｈｒｅｓを正しく設定することによって吸収することができる。
【００７０】
ここで次式のごとく始点画像を中心が（ｘ０，ｙ０）、半径ｒの円形のオブジェクトであると仮定する。
【００７１】
【数３２】
【００７２】
【数３３】
【００７３】
【数３４】
【００７４】
なお、式３４からわかるように、ｒは画像の解像度に影響されること、すなわちｒは２ｍに比例することに注意すべきである。このために［１．４．１］においてファクター２ｍを導入した。
【００７５】
［１．４．３］ηの動的決定
パラメータηも同様の方法で自動決定できる。はじめにη＝０とし、最も細かい解像度における最終的な写像ｆ（ｎ）及びエネルギーＣ（ｎ） ｆを計算する。つづいて、ηをある値Δηだけ増加させ、再び最も細かい解像度における最終写像ｆ（ｎ）及びエネルギーＣ（ｎ） ｆを計算し直す。この過程を最適値が求まるまで続ける。ηは写像の剛性を示す。次式の重みだからである。
【００７６】
【数３５】
【００７７】
この方法でＣ（ｎ） ｆを最小にする最適なηの値を得ることができる。しかし、λの場合に比べていろいろな要素が計算に影響する結果、Ｃ（ｎ） ｆは小さく揺らぎながら変化する。λの場合は、入力が微小量変化するたびに副写像を１回計算しなおすだけだが、ηの場合はすべての副写像が計算しなおされるためである。このため、得られたＣ（ｎ） ｆの値が最小であるかどうかを即座に判断することはできない。最小値の候補が見つかれば、さらに細かい区間を設定することによって真の最小値を探す必要がある。
【００７８】
［１．５］スーパーサンプリング
画素間の対応関係を決定する際、自由度を増やすために、ｆ（ｍ，ｓ）の値域をＲ×Ｒに拡張することができる（Ｒは実数の集合）。この場合、終点画像の画素の輝度が補間され、非整数点、
【数３６】
【数３７】
【数３８】
【００７９】
［１．６］各画像の画素の輝度の正規化
始点画像と終点画像がきわめて異なるオブジェクトを含んでいるとき、写像の計算に元の画素の輝度がそのままでは利用しにくい。輝度の差が大きいために輝度に関するエネルギーＣ（ｍ，ｓ） ｆが大きくなりすぎ、正しい評価がしづらいためである。
【００８０】
例えば、人の顔と猫の顔のマッチングをとる場合を考える。猫の顔は毛で覆われており、非常に明るい画素と非常に暗い画素が混じっている。この場合、ふたつの顔の間の副写像を計算するために、まず副画像を正規化する。すなわち、最も暗い画素の輝度を０、最も明るいそれを２５５に設定し、他の画素の輝度は線形補間によって求めておく。
【００８１】
［１．７］インプリメンテーション
始点画像のスキャンに従って計算がリニアに進行する帰納的な方法を用いる。始めに、１番上の左端の画素（ｉ，ｊ）＝（０，０）についてｆ（ｍ，ｓ）の値を決定する。次にｉを１ずつ増やしながら各ｆ（ｍ，ｓ）（ｉ，ｊ）の値を決定する。ｉの値が画像の幅に到達したとき、ｊの値を１増やし、ｉを０に戻す。以降、始点画像のスキャンに伴いｆ（ｍ，ｓ）（ｉ，ｊ）を決定していく。すべての点について画素の対応が決まれば、ひとつの写像ｆ（ｍ，ｓ）が決まる。
【００８２】
あるｐ（ｉ，ｊ）について対応点ｑｆ（ｉ，ｊ）が決まれば、つぎにｐ（ｉ，ｊ＋１）の対応点ｑｆ（ｉ，ｊ＋１）が決められる。この際、ｑｆ（ｉ，ｊ＋１）の位置は全単射条件を満たすために、ｑｆ（ｉ，ｊ）の位置によって制限される。したがって、先に対応点が決まる点ほどこのシステムでは優先度が高くなる。つねに（０，０）が最も優先される状態がつづくと、求められる最終の写像に余計な偏向が加わる。本前提技術ではこの状態を回避するために、ｆ（ｍ，ｓ）を以下の方法で決めていく。
【００８３】
まず（ｓ ｍｏｄ ４）が０の場合、（０，０）を開始点としｉ及びｊを徐々に増やしながら決めていく。（ｓ ｍｏｄ ４）が１の場合、最上行の右端点を開始点とし、ｉを減少、ｊを増加させながら決めていく。（ｓ ｍｏｄ ４）が２のとき、最下行の右端点を開始点とし、ｉ及びｊを減少させながら決めていく。（ｓｍｏｄ ４）が３の場合、最下行の左端点を開始点とし、ｉを増加、ｊを減少させながら決めていく。解像度が最も細かい第ｎレベルには副写像という概念、すなわちパラメータｓが存在しないため、仮にｓ＝０及びｓ＝２であるとしてふたつの方向を連続的に計算した。
【００８４】
実際のインプリメンテーションでは、全単射条件を破る候補に対してペナルティを与えることにより、候補（ｋ，ｌ）の中からできる限り全単射条件を満たすｆ（ｍ，ｓ）（ｉ，ｊ）（ｍ＝０，…，ｎ）の値を選んだ。第３の条件を破る候補のエネルギーＤ（ｋ、ｌ）にはφを掛け、一方、第１または第２の条件を破る候補にはψを掛ける。今回はφ＝２、ψ＝１０００００を用いた。
【００８５】
前述の全単射条件のチェックのために、実際の手続として（ｋ，ｌ）＝ｆ（ｍ ，ｓ）（ｉ，ｊ）を決定する際に以下のテストを行った。すなわちｆ（ｍ，ｓ）（ｉ，ｊ）の相続四辺形に含まれる各格子点（ｋ，ｌ）に対し、次式の外積のｚ成分が０以上になるかどうかを確かめる。
【００８６】
【数３９】
【数４０】
【００８７】
図５（ａ）、図５（ｂ）はこの条件を検査する理由を示している。図５（ａ）はペナルティのない候補、図５（ｂ）はペナルティがある候補をそれぞれ表す。隣接画素（ｉ，ｊ＋１）に対する写像ｆ（ｍ，ｓ）（ｉ，ｊ＋１）を決定する際、Ｗのｚ成分が負であれば始点画像平面上において全単射条件を満足する画素は存在しない。なぜなら、ｑ（ｍ，ｓ） （ｋ，ｌ）は隣接する四辺形の境界線を越えるためである。
【００８８】
［１．７．１］副写像の順序
インプリメンテーションでは、解像度レベルが偶数のときにはσ（０）＝０、σ（１）＝１、σ（２）＝２、σ（３）＝３、σ（４）＝０を用い、奇数のときはσ（０）＝３、σ（１）＝２、σ（２）＝１、σ（３）＝０、σ（４）＝３を用いた。このことで、副写像を適度にシャッフルした。なお、本来副写像は４種類であり、ｓは０〜３のいずれかである。しかし、実際にはｓ＝４に相当する処理を行った。その理由は後述する。
【００８９】
［１．８］補間計算
始点画像と終点画像の間の写像が決定された後、対応しあう画素の輝度が補間される。実験では、トライリニア補間を用いた。始点画像平面における正方形ｐ（ｉ，ｊ）ｐ（ｉ＋１，ｊ）ｐ（ｉ，ｊ＋１）ｐ（ｉ＋１，ｊ＋１）が終点画像平面上の四辺形ｑｆ（ｉ，ｊ）ｑｆ（ｉ＋１，ｊ）ｑｆ（ｉ，ｊ＋１）ｑｆ（ｉ＋１，ｊ＋１）に射影されると仮定する。簡単のため、画像間の距離を１とする。始点画像平面からの距離がｔ（０≦ｔ≦１）である中間画像の画素ｒ（ｘ，ｙ，ｔ）（０≦ｘ≦Ｎ−１，０≦ｙ≦Ｍ−１）は以下の要領で求められる。まず画素ｒ（ｘ，ｙ，ｔ）の位置（ただしｘ，ｙ，ｔ∈Ｒ）を次式で求める。
【００９０】
【数４２】
【００９１】
【数４３】
【００９２】
［１．９］拘束条件を課したときの写像
いままでは拘束条件がいっさい存在しない場合の写像の決定を述べた。しかし、始点画像と終点画像の特定の画素間に予め対応関係が規定されているとき、これを拘束条件としたうえで写像を決定することができる。
【００９３】
基本的な考えは、まず始点画像の特定の画素を終点画像の特定の画素に移す大まかな写像によって始点画像を大まかに変形し、しかる後、写像ｆを正確に計算する。
【００９４】
まず始めに、始点画像の特定の画素を終点画像の特定の画素に射影し、始点画像の他の画素を適当な位置に射影する大まかな写像を決める。すなわち、特定の画素に近い画素は、その特定の画素が射影される場所の近くに射影されるような写像である。ここで第ｍレベルの大まかな写像をＦ（ｍ）と記述する。
【００９５】
大まかな写像Ｆは以下の要領で決める。まず、いくつかの画素について写像を特定する。始点画像についてｎｓ個の画素、
【数４４】
【００９６】
【数４５】
【００９７】
【数４６】
【数４７】
【００９８】
つづいて、Ｆ（ｍ）に近い候補写像ｆがより少ないエネルギーを持つように、その写像ｆのエネルギーＤ（ｍ，ｓ） （ｉ，ｊ）を変更する。正確には、Ｄ（ｍ，ｓ） （ｉ，ｊ）は、
【００９９】
【数４９】
【数５０】
【０１００】
ここで、ｆ（ｍ，ｓ）（ｉ，ｊ）がＦ（ｍ）（ｉ，ｊ）に十分近いとき、つまりそれらの距離が、
【数５１】
【０１０１】
［２］具体的な処理手順
［１］の各要素技術による処理の流れを説明する。
【０１０２】
図６は前提技術の全体手順を示すフローチャートである。同図のごとく、まず多重解像度特異点フィルタを用いた処理を行い（Ｓ１）、つづいて始点画像と終点画像のマッチングをとる（Ｓ２）。ただし、Ｓ２は必須ではなく、Ｓ１で得られた画像の特徴をもとに画像認識などの処理を行ってもよい。
【０１０３】
図７は図６のＳ１の詳細を示すフローチャートである。ここではＳ２で始点画像と終点画像のマッチングをとることを前提としている。そのため、まず特異点フィルタによって始点画像の階層化を行い（Ｓ１０）、一連の始点階層画像を得る。つづいて同様の方法で終点画像の階層化を行い（Ｓ１１）、一連の終点階層画像を得る。ただし、Ｓ１０とＳ１１の順序は任意であるし、始点階層画像と終点階層画像を並行して生成していくこともできる。
【０１０４】
図８は図７のＳ１０の詳細を示すフローチャートである。もとの始点画像のサイズは２ｎ×２ｎとする。始点階層画像は解像度が細かいほうから順に作られるため、処理の対象となる解像度レベルを示すパラメータｍをｎにセットする（Ｓ１００）。つづいて第ｍレベルの画像ｐ（ｍ，０）、ｐ（ｍ，１）、ｐ（ｍ，２）、ｐ（ｍ，３）から特異点フィルタを用いて特異点を検出し（Ｓ１０１）、それぞれ第ｍ−１レベルの画像ｐ（ｍ−１，０）、ｐ（ｍ−１，１）、ｐ（ｍ−１，２）、ｐ（ｍ−１，３）を生成する（Ｓ１０２）。ここではｍ＝ｎであるため、ｐ（ｍ，０）＝ｐ（ｍ，１）＝ｐ（ｍ，２）＝ｐ（ｍ，３）＝ｐ（ｎ）であり、ひとつの始点画像から４種類の副画像が生成される。
【０１０５】
図９は第ｍレベルの画像の一部と、第ｍ−１レベルの画像の一部の対応関係を示している。同図の数値は各画素の輝度を示す。同図のｐ（ｍ，ｓ）はｐ（ｍ，０）〜ｐ（ｍ，３）の４つの画像を象徴するもので、ｐ（ｍ−１，０）を生成する場合には、ｐ（ｍ，ｓ）はｐ（ｍ，０）であると考える。［１．２］で示した規則により、ｐ（ｍ−１，０）は例えば同図で輝度を記入したブロックについて、そこに含まれる４画素のうち「３」、ｐ（ｍ−１，１）は「８」、ｐ（ｍ−１，２）は「６」、ｐ（ｍ−１，３）を「１０」をそれぞれ取得し、このブロックをそれぞれ取得したひとつの画素で置き換える。したがって、第ｍ−１レベルの副画像のサイズは２ｍ−１×２ｍ−１になる。
【０１０６】
つづいてｍをデクリメントし（図８のＳ１０３）、ｍが負になっていないことを確認し（Ｓ１０４）、Ｓ１０１に戻ってつぎに解像度の粗い副画像を生成していく。この繰り返し処理の結果、ｍ＝０、すなわち第０レベルの副画像が生成された時点でＳ１０が終了する。第０レベルの副画像のサイズは１×１である。
【０１０７】
図１０はＳ１０によって生成された始点階層画像をｎ＝３の場合について例示している。最初の始点画像のみが４つの系列に共通であり、以降特異点の種類に応じてそれぞれ独立に副画像が生成されていく。なお、図８の処理は図７のＳ１１にも共通であり、同様の手順を経て終点階層画像も生成される。以上で図６のＳ１による処理が完了する。
【０１０８】
前提技術では、図６のＳ２に進むためにマッチング評価の準備をする。図１１はその手順を示している。同図のごとく、まず複数の評価式が設定される（Ｓ３０）。［１．３．２．１］で導入した画素に関するエネルギーＣ（ｍ，ｓ） ｆと［１．３．２．２］で導入した写像の滑らかさに関するエネルギーＤ（ｍ，ｓ） ｆがそれである。つぎに、これらの評価式を統合して総合評価式を立てる（Ｓ３１）。［１．３．２．３］で導入した総エネルギーλＣ（ｍ，ｓ） ｆ＋Ｄ（ｍ，ｓ） ｆがそれであり、［１．３．２．２］で導入したηを用いれば、
【数５２】
【０１０９】
図１２は図６のＳ２の詳細を示すフローチャートである。［１］で述べたごとく、始点階層画像と終点階層画像のマッチングは互いに同じ解像度レベルの画像どうしでとられる。画像間の大域的なマッチングを良好にとるために、解像度が粗いレベルから順にマッチングを計算する。特異点フィルタを用いて始点階層画像および終点階層画像を生成しているため、特異点の位置や輝度は解像度の粗いレベルでも明確に保存されており、大域的なマッチングの結果は従来に比べて非常に優れたものになる。
【０１１０】
図１２のごとく、まず係数パラメータηを０、レベルパラメータｍを０に設定する（Ｓ２０）。つづいて、始点階層画像中の第ｍレベルの４つの副画像と終点階層画像中の第ｍレベルの４つの副画像のそれぞれの間でマッチングを計算し、それぞれ全単射条件を満たし、かつエネルギーを最小にするような４種類の副写像ｆ（ｍ，ｓ）（ｓ＝０，１，２，３）を求める（Ｓ２１）。全単射条件は［１．３．３］で述べた相続四辺形を用いて検査される。この際、式１７、１８が示すように、第ｍレベルにおける副写像は第ｍ−１レベルのそれらに拘束されるため、より解像度の粗いレベルにおけるマッチングが順次利用されていく。これは異なるレベル間の垂直的参照である。なお、いまｍ＝０であってそれより粗いレベルはないが、この例外的な処理は図１３で後述する。
【０１１１】
一方、同一レベル内における水平的参照も行われる。［１．３．３］の式２０のごとく、ｆ（ｍ，３）はｆ（ｍ，２）に、ｆ（ｍ，２）はｆ（ｍ，１）に、ｆ（ｍ，１）はｆ（ｍ，０）に、それぞれ類似するように決める。その理由は、特異点の種類が違っても、それらがもともと同じ始点画像と終点画像に含まれている以上、副写像がまったく異なるという状況は不自然だからである。式２０からわかるように、副写像どうしが近いほどエネルギーは小さくなり、マッチングが良好とみなされる。
【０１１２】
なお、最初に決めるべきｆ（ｍ，０）については同一のレベルで参照できる副写像がないため、式１９に示すごとくひとつ粗いレベルを参照する。ただし、実験ではｆ（ｍ，３）まで求まった後、これを拘束条件としてｆ（ｍ，０）を一回更新するという手続をとった。これは式２０にｓ＝４を代入し、ｆ（ｍ，４）を新たなｆ（ｍ，０）とすることに等しい。ｆ（ｍ，０）とｆ（ｍ，３）の関連度が低くなり過ぎる傾向を回避するためであり、この措置によって実験結果がより良好になった。この措置に加え、実験では［１．７．１］に示す副写像のシャッフルも行った。これも本来特異点の種類ごとに決まる副写像どうしの関連度を密接に保つ趣旨である。また、処理の開始点に依存する偏向を回避するために、ｓの値にしたがって開始点の位置を変える点は［１．７］で述べたとおりである。
【０１１３】
図１３は第０レベルにおいて副写像を決定する様子を示す図である。第０レベルでは各副画像がただひとつの画素で構成されるため、４つの副写像ｆ（０，ｓ ）はすべて自動的に単位写像に決まる。図１４は第１レベルにおいて副写像を決定する様子を示す図である。第１レベルでは副画像がそれぞれ４画素で構成される。同図ではこれら４画素が実線で示されている。いま、ｐ（１，ｓ）の点ｘの対応点をｑ（１，ｓ）の中で探すとき、以下の手順を踏む。
【０１１４】
１．第１レベルの解像度で点ｘの左上点ａ、右上点ｂ、左下点ｃ、右下点ｄを求める。
２．点ａ〜ｄがひとつ粗いレベル、つまり第０レベルにおいて属する画素を探す。図１４の場合、点ａ〜ｄはそれぞれ画素Ａ〜Ｄに属する。ただし、画素Ａ〜Ｃは本来存在しない仮想的な画素である。
３．第０レベルですでに求まっている画素Ａ〜Ｄの対応点Ａ’〜Ｄ’をｑ（１，ｓ）の中にプロットする。画素Ａ’〜Ｃ’は仮想的な画素であり、それぞれ画素Ａ〜Ｃと同じ位置にあるものとする。
４．画素Ａの中の点ａの対応点ａ’が画素Ａ’の中にあるとみなし、点ａ’をプロットする。このとき、点ａが画素Ａの中で占める位置（この場合、右下）と、点ａ’が画素Ａ’の中で占める位置が同じであると仮定する。
５．４と同様の方法で対応点ｂ’〜ｄ’をプロットし、点ａ’〜ｄ’で相続四辺形を作る。
６．相続四辺形の中でエネルギーが最小になるよう、点ｘの対応点ｘ’を探す。対応点ｘ’の候補として、例えば画素の中心が相続四辺形に含まれるものに限定してもよい。図１４の場合、４つの画素がすべて候補になる。
【０１１５】
以上がある点ｘの対応点の決定手順である。同様の処理を他のすべての点について行い、副写像を決める。第２レベル以上のレベルでは、次第に相続四辺形の形が崩れていくと考えられるため、図３に示すように画素Ａ’〜Ｄ’の間隔が空いていく状況が発生する。
【０１１６】
こうして、ある第ｍレベルの４つの副写像が決まれば、ｍをインクリメントし（図１２のＳ２２）、ｍがｎを超えていないことを確かめて（Ｓ２３）、Ｓ２１に戻る。以下、Ｓ２１に戻るたびに次第に細かい解像度のレベルの副写像を求め、最後にＳ２１に戻ったときに第ｎレベルの写像ｆ（ｎ）を決める。この写像はη＝０に関して定まったものであるから、ｆ（ｎ）（η＝０）と書く。
【０１１７】
つぎに異なるηに関する写像も求めるべく、ηをΔηだけシフトし、ｍをゼロクリアする（Ｓ２４）。新たなηが所定の探索打切り値ηｍａｘを超えていないことを確認し（Ｓ２５）、Ｓ２１に戻り、今回のηに関して写像ｆ（ｎ）（η＝Δη）を求める。この処理を繰り返し、Ｓ２１でｆ（ｎ）（η＝ｉΔη）（ｉ＝０，１，…）を求めていく。ηがηｍａｘを超えたときＳ２６に進み、後述の方法で最適なη＝ηｏｐｔを決定し、ｆ（ｎ）（η＝ηｏｐｔ）を最終的に写像ｆ（ｎ）とする。
【０１１８】
図１５は図１２のＳ２１の詳細を示すフローチャートである。このフローチャートにより、ある定まったηについて、第ｍレベルにおける副写像が決まる。副写像を決める際、前提技術では副写像ごとに最適なλを独立して決める。
【０１１９】
同図のごとく、まずｓとλをゼロクリアする（Ｓ２１０）。つぎに、そのときのλについて（および暗にηについて）エネルギーを最小にする副写像ｆ（ｍ，ｓ）を求め（Ｓ２１１）、これをｆ（ｍ，ｓ）（λ＝０）と書く。異なるλに関する写像も求めるべく、λをΔλだけシフトし、新たなλが所定の探索打切り値λｍａｘを超えていないことを確認し（Ｓ２１３）、Ｓ２１１に戻り、以降の繰り返し処理でｆ（ｍ，ｓ）（λ＝ｉΔλ）（ｉ＝０，１，…）を求める。λがλｍａｘを超えたときＳ２１４に進み、最適なλ＝λｏｐｔを決定し、ｆ（ｍ，ｓ）（λ＝λｏｐｔ）を最終的に写像ｆ（ｍ，ｓ）とする（Ｓ２１４）。
【０１２０】
つぎに、同一レベルにおける他の副写像を求めるべく、λをゼロクリアし、ｓをインクリメントする（Ｓ２１５）。ｓが４を超えていないことを確認し（Ｓ２１６）、Ｓ２１１に戻る。ｓ＝４になれば上述のごとくｆ（ｍ，３）を利用してｆ（ｍ，０）を更新し、そのレベルにおける副写像の決定を終了する。
【０１２１】
図１６は、あるｍとｓについてλを変えながら求められたｆ（ｍ，ｓ）（λ＝ｉΔλ）（ｉ＝０，１，…）に対応するエネルギーＣ（ｍ，ｓ） ｆの挙動を示す図である。［１．４］で述べたとおり、λが増加すると通常Ｃ（ｍ，ｓ） ｆは減少する。しかし、λが最適値を超えるとＣ（ｍ，ｓ） ｆは増加に転じる。そこで本前提技術ではＣ（ｍ，ｓ） ｆが極小値をとるときのλをλｏｐｔと決める。同図のようにλ＞λｏｐｔの範囲で再度Ｃ（ｍ，ｓ） ｆが小さくなっていっても、その時点ではすでに写像がくずれていて意味をなさないため、最初の極小点に注目すればよい。λｏｐｔは副写像ごとに独立して決めていき、最後にｆ（ｎ）についてもひとつ定まる。
【０１２２】
一方、図１７は、ηを変えながら求められたｆ（ｎ）（η＝ｉΔη）（ｉ＝０，１，…）に対応するエネルギーＣ（ｎ） ｆの挙動を示す図である。ここでもηが増加すると通常Ｃ（ｎ） ｆは減少するが、ηが最適値を超えるとＣ（ｎ） ｆは増加に転じる。そこでＣ（ｎ） ｆが極小値をとるときのηをηｏｐｔと決める。図１７は図４の横軸のゼロ付近を拡大した図と考えてよい。ηｏｐｔが決まればｆ（ｎ）を最終決定することができる。
【０１２３】
以上、本前提技術によれば種々のメリットが得られる。まずエッジを検出する必要がないため、エッジ検出タイプの従来技術の課題を解消できる。また、画像に含まれるオブジェクトに対する先験的な知識も不要であり、対応点の自動検出が実現する。特異点フィルタによれば、解像度の粗いレベルでも特異点の輝度や位置を維持することができ、オブジェクト認識、特徴抽出、画像マッチングに極めて有利である。その結果、人手作業を大幅に軽減する画像処理システムの構築が可能となる。
【０１２４】
なお、本前提技術について次のような変形技術も考えられる。
【０１２５】
（１）前提技術では始点階層画像と終点階層画像の間でマッチングをとる際にパラメータの自動決定を行ったが、この方法は階層画像間ではなく、通常の２枚の画像間のマッチングをとる場合全般に利用できる。
【０１２６】
たとえば２枚の画像間で、画素の輝度の差に関するエネルギーＥ０と画素の位置的なずれに関するエネルギーＥ１のふたつを評価式とし、これらの線形和Ｅｔｏｔ＝αＥ０＋Ｅ１を総合評価式とする。この総合評価式の極値付近に注目してαを自動決定する。つまり、いろいろなαについてＥｔｏｔが最小になるような写像を求める。それらの写像のうち、αに関してＥ１が極小値をとるときのαを最適パラメータと決める。そのパラメータに対応する写像を最終的に両画像間の最適マッチングとみなす。
【０１２７】
これ以外にも評価式の設定にはいろいろな方法があり、例えば１／Ｅ１と１／Ｅ２のように、評価結果が良好なほど大きな値をとるものを採用してもよい。総合評価式も必ずしも線形和である必要はなく、ｎ乗和（ｎ＝２、１／２、−１、−２など）、多項式、任意の関数などを適宜選択すればよい。
【０１２８】
パラメータも、αのみ、前提技術のごとくηとλのふたつの場合、それ以上の場合など、いずれでもよい。パラメータが３以上の場合はひとつずつ変化させて決めていく。
【０１２９】
（２）本前提技術では、総合評価式の値が最小になるよう写像を決めた後、総合評価式を構成するひとつの評価式であるＣ（ｍ，ｓ） ｆが極小になる点を検出してパラメータを決定した。しかし、こうした二段階処理の代わりに、状況によっては単に総合評価式の最小値が最小になるようにパラメータを決めても効果的である。その場合、例えばαＥ０＋βＥ１を総合評価式とし、α＋β＝１なる拘束条件を設けて各評価式を平等に扱うなどの措置を講じてもよい。パラメータの自動決定の本質は、エネルギーが最小になるようにパラメータを決めていく点にあるからである。
【０１３０】
（３）前提技術では各解像度レベルで４種類の特異点に関する４種類の副画像を生成した。しかし、当然４種類のうち１、２、３種類を選択的に用いてもよい。例えば、画像中に明るい点がひとつだけ存在する状態であれば、極大点に関するｆ（ｍ，３）だけで階層画像を生成しても相応の効果が得られるはずである。その場合、同一レベルで異なる副写像は不要になるため、ｓに関する計算量が減る効果がある。
【０１３１】
（４）本前提技術では特異点フィルタによってレベルがひとつ進むと画素が１／４になった。例えば３×３で１ブロックとし、その中で特異点を探す構成も可能であり、その場合、レベルがひとつ進むと画素は１／９になる。
【０１３２】
（５）始点画像と終点画像がカラーの場合、それらをまず白黒画像に変換し、写像を計算する。その結果求められた写像を用いて始点のカラー画像を変換する。それ以外の方法として、ＲＧＢの各成分について副写像を計算してもよい。
【０１３３】
［３］前提技術の改良点
以上の前提技術を基本とし、マッチング精度を向上させるためのいくつかの改良がなされている。ここではその改良点を述べる。
【０１３４】
［３．１］色情報を考慮に入れた特異点フィルタおよび副画像
画像の色情報を有効に用いるために、特異点フィルタを以下のように変更した。まず色空間としては、人間の直感に最も合致するといわれているＨＩＳを用い、色を輝度に変換する式には、人間の目の感度に最も近いといわれているものを選んだ。
【０１３５】
【数５３】
【０１３６】
【数５４】
【０１３７】
【数５５】
【０１３８】
これらのフィルタによって、各レベルにつき５種類の副画像（サブイメージ）が生成される。なお、最も高いレベルの副画像は元画像に一致する。
【０１３９】
【数５６】
輝度微分（エッジ）の情報をマッチングに利用するため、一次微分エッジ検出フィルタを用いる。このフィルタはあるオペレータＨとの畳み込み積分で実現できる。
【０１４０】
【数５７】
【０１４１】
【数５８】
【０１４２】
【数５９】
【０１４３】
エッジの大きさ、すなわち絶対値も計算に必要である。
【数６０】
【０１４４】
【数６１】
【０１４５】
［３．３］計算処理手順
計算は最も粗い解像度の副画像から順に行う。副画像は５つあるため、各レベルの解像度において計算は複数回行われる。これをターンと呼び、最大計算回数をｔで表すことにする。各ターンは前記Ｆｏｒｗａｒｄ Ｓｔａｇｅと、副写像再計算ステージであるＲｅｆｉｎｅｍｅｎｔ Ｓｔａｇｅという二つのエネルギー最小化計算から構成される。図１８は第ｍレベルにおける副写像を決める計算のうち改良点に係るフローチャートである。
【０１４６】
同図のごとく、ｓをゼロクリアする（Ｓ４０）。つぎにＦｏｒｗａｒｄ Ｓｔａｇｅ（Ｓ４１）において始点画像ｐから終点画像ｑへの写像ｆ（ ｍ，ｓ ）をエネルギー最小化によって求める。ここで最小化するエネルギーは、対応する画素値によるエネルギーＣと、写像の滑らかさによるエネルギーＤの線形和である。
【０１４７】
エネルギーＣは、輝度の差によるエネルギーＣＩ（前記改良前の前提技術におけるエネルギーＣと等価）と、色相、彩度によるエネルギーＣＣ、輝度微分（エッジ）の差によるエネルギーＣＥで構成され、それぞれ次のように表される。
【０１４８】
【数６２】
【０１４９】
【数６３】
【０１５０】
Ｒｅｆｉｎｅｍｅｎｔ Ｓｔａｇｅ（Ｓ４２）ではＦｏｒｗａｒｄ Ｓｔａｇｅにおいて求めた双方向の写像ｆ（ｍ，ｓ）およびｇ（ｍ，ｓ）を基に、より妥当な写像ｆ’（ｍ，ｓ）を求める。ここでは新たに定義されるエネルギーＭについてエネルギー最小化計算を行う。エネルギーＭは終点画像から始点画像への写像ｇとの整合度Ｍ０と、もとの写像との差Ｍ１より構成される。
【０１５１】
【数６４】
【０１５２】
その後、ｓをインクリメントし（Ｓ４３）、ｓがｔを超えていないことを確認し（Ｓ４４）、次のターンのＦｏｒｗａｒｄ Ｓｔａｇｅ（Ｓ４１）に進む。その際前記Ｅ０を次のように置き換えてエネルギー最小化計算を行う。
【数６５】
［３．４］写像の計算順序
写像の滑らかさを表すエネルギーＥ１を計算する際、周囲の点の写像を用いるため、それらの点がすでに計算されているかどうかがエネルギーに影響を与える。すなわち、どの点から順番に計算するかによって、全体の写像の精度が大きく変化する。そこでエッジの絶対値画像を用いる。エッジの部分は情報量を多く含むため、エッジの絶対値が大きいところから先に写像計算を行う。このことによって、特に二値画像のような画像に対して非常に精度の高い写像を求めることができるようになった。
【０１５４】
［画像符号化と復号に関する実施の形態］
前提技術ではキーフレーム間のマッチングをとって対応する位置情報を生成し、この位置情報をもとに中間フレームを生成した。したがって、この技術は動画の圧縮に利用でき、現実に実験ではＭＰＥＧを超える画質と圧縮率の両立が確認されはじめている。以下、前提技術を応用した画像符号化および復号技術を説明する。
【０１５５】
図１９は、画像データを符号化する処理を概念的に示す。ここでは画像データがキーフレームとそれ以外の中間フレームからなるものとする。なお、以下では「フレーム」と「画像」を区別なく用いる。「キーフレーム」はマッチングの対象になる参照フレームをいい、「中間フレーム」は対象にならない非参照フレームをいう。キーフレームは最初から決められていてもよいし、符号化に際して定めてもよい。
【０１５６】
ここではキーフレーム決定の過程は不問とし、２枚のキーフレームＫＦ（Ｋｅｙ Ｆｒａｍｅ）２００、２０２があるとする。処理はまず、これらのキーフレーム間でマッチングをとり、仮想的な中間フレームＶＩＦ（Ｖｉｒｔｕａｌ Ｉｎｔｅｒｍｅｄｉａｔｅ Ｆｒａｍｅ）２０４を生成する。これらの処理は前提技術で詳述されている。ただし、前提技術ではマッチングの対象となる２枚のキーフレームは、始点画像および終点画像と表現されている。「仮想的な中間フレーム」とは、当初の画像データにおいて２枚のキーフレームＫＦ２００とＫＦ２０２の間に実際に含まれていた中間フレーム、すなわち現実の中間フレームではなく、キーフレームからマッチング計算をもとに得られたフレームをいう。
【０１５７】
つづいて、現実の中間フレームＡＩＦ（Ａｃｔｕａｌ Ｉｎｔｅｒｍｅｄｉａｔｅ Ｆｒａｍｅ）２０６を仮想的な中間フレームＶＩＦ２０４を利用して符号化する。いま現実の中間フレームＡＩＦ２０６がふたつのキーフレームＫＦ２００、２０２の間をｔ：（１−ｔ）に内分する位置にあったとすれば、仮想的な中間フレームＶＩＦ２０４も同様に、キーフレームＫＦ２００、２０２の間をｔ：（１−ｔ）に内分する位置にあると想定して補間する。これを対応点を頂点とする四辺形ベースでトライリニア補間、すなわちｘ、ｙのふたつの方向に補間する技術は、前提技術の［１．８］で述べた。ここでも同様の技術を利用できるが、トライリニア補間以外の技術を採用してもよい。たとえば、四辺形を考えずに対応点どうしを単純に補間することもできる。
【０１５８】
現実の中間フレームＡＩＦ２０６の符号化は、それと仮想的な中間フレームＶＩＦ２０４の差分画像ＤＩ２１０をハフマン符号化や算術符号化などのエントロピー符号化、ＤＣＴ（Ｄｉｓｃｒｅｔｅ Ｃｏｓｉｎｅ Ｔｒａｎｓｆｏｒｍ）を用いたＪＰＥＧなどの符号化、辞書圧縮、ランレングス符号化その他の手法で処理することにより実現する。画像データの最終的な符号化データ（以下、単に「符号化画像データ」ともよぶ）は、この中間フレームに関する差分画像の符号化データ（以下、単に「中間フレームの符号化データ」とよぶ）とキーフレームデータの組合せとして得られる。この差分画像ＤＩ２１０は、仮想的な中間フレームＶＩＦ２０４の画素値と現実の中間フレームＡＩＦ２０６との画素値の差分情報を記録した差分値ファイルの形式で保持される。
【０１５９】
この方法では、符号化側と復号側に同じマッチング機能を実装しておくことにより、キーフレームから同じ仮想的な中間フレームを得る。したがって、キーフレームデータに加えて中間フレームの符号化データを取得すれば、復号側でもとの画像データに戻すことができる。差分画像はハフマン符号化その他の符号化により効果的に圧縮でき、キーフレーム自体をフレーム内圧縮してもよい。中間フレーム、キーフレームとも、可逆圧縮または非可逆圧縮のいずれの手法を用いてもよく、その指定を可能とする構成であってもよい。
【０１６０】
図２０は以上の符号化処理を実現する画像処理システム１００の構成を示す。各機能ブロックは、たとえばＰＣ（パーソナルコンピュータ）にＣＤ−ＲＯＭなどの記録媒体からロードされるプログラムで実現できる。プログラムはネットワークを通じてロードされてもよい。これは後述の復号装置にもいえる。画像処理システム１００は、画像符号化装置１０と画像配信装置４０とを備える。画像符号化装置１０および画像配信装置４０は、一体として構成されてもよく、また別個に構成されてもよい。画像符号化装置１０は、画像入力部１２、フレーム分別ユニット１４、マッチングプロセッサ１８およびキーフレーム圧縮ユニット３２を含む。マッチングプロセッサ１８は、仮想的な中間フレームを生成する中間フレーム生成ユニット２０と、現実の中間フレームを符号化する中間フレーム符号化ユニット２６を有する。図２１は、画像処理システム１００による処理のフローチャートである。
【０１６１】
画像入力部１２はネットワーク、ストレージなどから符号化すべき画像データを入力する（Ｓ１０１０）。画像入力部１２は通信機能、ストレージ制御機能を有してもよく、または自身が画像を撮影する光学機器であってもよい。入力される画像データは３０枚／秒で構成される動画であってもよく、また複数の静止画であってもよい。
【０１６２】
フレーム分別ユニット１４は画像データに含まれるフレームをキーフレームと中間フレームへ分類する（Ｓ１０１２）。キーフレーム検出部１６は、一定間隔でフレームを選択してそれらをキーフレームとしてもよい。分別されたキーフレームは中間フレーム生成ユニット２０とキーフレーム圧縮ユニット３２へ送られる。キーフレーム以外のフレーム、すなわち現実の中間フレームは中間フレーム符号化ユニット２６へ送られる。
【０１６３】
キーフレーム圧縮ユニット３２はキーフレームをフレーム内圧縮し、格納部５０のキーフレーム保持部５２に記録する。中間フレーム生成ユニット２０のマッチング計算部２２は前提技術その他の技術によってキーフレーム間のマッチングをとり（Ｓ１０１４）、キーフレーム間で対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成して（Ｓ１０１６）、格納部５０の対応点ファイル保持部５４に格納する。続いて、フレーム補間部２４がマッチング結果をもとに仮想的な中間フレームを生成する（Ｓ１０１８）。生成された仮想的な中間フレームは中間フレーム符号化ユニット２６へ送られる。
【０１６４】
中間フレーム符号化ユニット２６の比較部２８は、仮想的な中間フレームと現実の中間フレームの差分をとり、差分符号化部３０がこの差分を符号化することにより、色を含む画素値の差分情報を記録した差分値ファイルを生成して（Ｓ１０２０）、差分値ファイル保持部５６に格納する。この処理により、中間フレームの符号化データが生成される。データ量を少なくする観点から、その差分情報はキーフレーム中の各点の色表現に利用されるビット数よりも少ないビット数で表現されることが好ましい。
【０１６５】
格納部５０にキーフレーム、対応点ファイルおよび差分値ファイルが保持された状態で、画像配信装置４０が画像の配信に関する処理を実行する。指示入力部６２が、ユーザから画像の送信指示を受け付ける。符号化データ生成ユニット５８は、この送信指示に基づいて、キーフレームデータ、対応点ファイルおよび差分値ファイルの中から配信する対象を決定する。符号化データ生成ユニット５８は、送信指示を送った端末の種類に基づいて、差分値ファイルを送信するか否かを選択してもよい。また、回線の使用状況を検出し、回線が混雑している場合には差分情報を配信対象から除外してもよい。
【０１６６】
この例において、符号化データ生成ユニット５８は、送信先となる端末の処理能力が低いものであることを判断したときには、差分値ファイルを配信対象に含めない。画像の送信指示が携帯電話から送られてきたことを検出すると、携帯電話の処理容量が小さいことから差分値ファイルの差分情報を用いず、キーフレームデータと対応点ファイルの位置情報を組み合わせて、符号化画像データを生成する（Ｓ１０２２）。一方、端末がＰＣである場合には、よりきれいな画像を配信するべく、キーフレームデータ、対応点ファイルの位置情報および差分値ファイルの差分情報を組み合わせて、符号化画像データを生成する。通信部６０は、この符号化画像データをユーザ端末に配信する。
【０１６７】
図２２は、復号処理を実現する画像復号装置３００を示す。以下に説明する画像復号装置３００の機能はユーザのＰＣや携帯端末などに設けられ、状況に応じて符号化画像データを好適な方式で復号する。画像復号装置３００はデータ受付部３１０、モード設定部３１２、中間画像生成部３１４および表示制御部３１６を備える。供給される符号化画像データは、キーフレームデータ、位置情報および差分情報を組み合わせたストリームであり、データ受付部３１０がこれを取得する。
【０１６８】
中間画像生成部３１４は、状況に応じて差分情報の使用の可否を決定する。この状況は、モード設定部３１２により設定されるモードによって定められてもよい。モードには、例えば通常速度の再生モードや高速再生モードなどがある。通常速度の再生モードでは、キーフレームデータ、位置情報および差分情報を用いて、クリアな中間画像を再生する。一方、高速再生モードにおいては、中間画像生成部３１４が差分情報を用いずに、キーフレームデータおよび位置情報から中間画像を再生する。このとき中間画像の各画素の色は、キーフレームの対応する画素の色をそのまま用いる。高速再生の場合には忠実に色を再現してもその効果が小さいため、データの処理量を低減させる方針のもと、差分情報を使用しないこととする。表示制御部３１６は、生成された中間画像およびキーフレームを、表示装置に供給する。
【０１６９】
以上、実施の形態をもとに本発明を説明した。なお本発明はこの実施の形態に限定されることなく、そのさまざまな変形例もまた、本発明の態様として有効である。実施の形態では差分情報を現実の中間フレームの画素値と、対応する仮想的な中間フレームの画素値の差分であるとしたが、キーフレーム間の対応しあう点の画素値の差分情報を記録してもよい。この場合、最初のキーフレームと対応点対の位置情報および画素値の差分情報を用いて、画像を再生することが可能となる。
【図面の簡単な説明】
【図１】図１（ａ）と図１（ｂ）は、ふたりの人物の顔に平均化フィルタを施して得られる画像、図１（ｃ）と図１（ｄ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，０）の画像、図１（ｅ）と図１（ｆ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，１）の画像、図１（ｇ）と図１（ｈ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，２）の画像、図１（ｉ）と図１（ｊ）は、ふたりの人物の顔に関して前提技術で求められるｐ（５，３）の画像をそれぞれディスプレイ上に表示した中間調画像の写真である。
【図２】図２（Ｒ）はもとの四辺形を示す図、図２（Ａ）、図２（Ｂ）、図２（Ｃ）、図２（Ｄ）、図２（Ｅ）はそれぞれ相続四辺形を示す図である。
【図３】始点画像と終点画像の関係、および第ｍレベルと第ｍ−１レベルの関係を相続四辺形を用いて示す図である。
【図４】パラメータηとエネルギーＣｆの関係を示す図である。
【図５】図５（ａ）、図５（ｂ）は、ある点に関する写像が全単射条件を満たすか否かを外積計算から求める様子を示す図である。
【図６】前提技術の全体手順を示すフローチャートである。
【図７】図６のＳ１の詳細を示すフローチャートである。
【図８】図７のＳ１０の詳細を示すフローチャートである。
【図９】第ｍレベルの画像の一部と、第ｍ−１レベルの画像の一部の対応関係を示す図である。
【図１０】前提技術で生成された始点階層画像を示す図である。
【図１１】図６のＳ２に進む前に、マッチング評価の準備の手順を示す図である。
【図１２】図６のＳ２の詳細を示すフローチャートである。
【図１３】第０レベルにおいて副写像を決定する様子を示す図である。
【図１４】第１レベルにおいて副写像を決定する様子を示す図である。
【図１５】図１２のＳ２１の詳細を示すフローチャートである。
【図１６】あるｆ（ｍ，ｓ）についてλを変えながら求められたｆ（ｍ，ｓ）（λ＝ｉΔλ）に対応するエネルギーＣ（ｍ，ｓ） ｆの挙動を示す図である。
【図１７】ηを変えながら求められたｆ（ｎ）（η＝ｉΔη）（ｉ＝０，１，…）に対応するエネルギーＣ（ｎ） ｆの挙動を示す図である。
【図１８】改良後の前提技術において第ｍレベルにおける副写像を求めるフローチャートである。
【図１９】実施の形態に係る画像データ符号化の概念を示す図である。
【図２０】実施の形態に係る画像処理システムの構成図である。
【図２１】実施の形態に係る画像処理システムによる処理のフローチャートである。
【図２２】実施の形態に係る画像復号装置の構成図である。
【符号の説明】
１０・・・画像符号化装置、１２・・・画像入力部、１４・・・フレーム分別ユニット、１６・・・キーフレーム検出部、１８・・・マッチングプロセッサ、２０・・・中間フレーム生成ユニット、２２・・・マッチング計算部、２４・・・フレーム補間部、２６・・・中間フレーム符号化ユニット、２８・・・比較部、３０・・・差分符号化部、３２・・・キーフレーム圧縮ユニット、４０・・・画像配信装置、５０・・・格納部、５２・・・キーフレーム保持部、５４・・・対応点ファイル保持部、５６・・・差分値ファイル保持部、５８・・・符号化データ生成ユニット、６０・・・通信部、６２・・・指示入力部、１００・・・画像処理システム、３００・・・画像復号装置、３１０・・・データ受付部、３１２・・・モード設定部、３１４・・・中間画像生成部、３１６・・・表示制御部。
Claims (12)
- 第１画像と第２画像を取得する画像入力部と、
取得された第１画像および第２画像の間でマッチングを計算し、それらの画像の間で対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成するマッチングプロセッサを備え、
このマッチングプロセッサは、前記対応点ファイルとは別に、対応する画像間の画素値の差分情報を記録した差分値ファイルを生成することを特徴とする画像符号化装置。 - 前記マッチングプロセッサは、第１画像と第２画像の間にある現実の中間画像の画素値と、対応する仮想的な中間画像の画素値の差分情報を前記差分値ファイルに記録することを特徴とする請求項１に記載の画像符号化装置。
- 前記マッチングプロセッサは、第１画像と第２画像の対応しあう点の画素値の差分情報を前記差分値ファイルに記録することを特徴とする請求項１に記載の画像符号化装置。
- 前記差分情報には、第１画像および第２画像において各点の画素値の表現に利用されるビット数よりも少ないビット数が割り当てられることを特徴とする請求項１から３のいずれかに記載の画像符号化装置。
- 第１画像と第２画像を取得するステップと、
取得された第１画像および第２画像の間でマッチングを計算し、第１画像上の点に対応する第２画像上の点を検出するステップと、
検出した点の位置情報を記録して対応点ファイルを生成するステップと、
対応する画像間の画素値の差分情報を記録して差分値ファイルを生成するステップと
を備えることを特徴とする画像符号化方法。 - 画像の送信指示を受け付ける指示入力部と、
第１画像および第２画像の画像データ、第１画像と第２画像との間で対応する点の位置情報を記録した対応点ファイル、および対応する画像間の画素値の差分情報を記録した差分値ファイルをそれぞれ別ファイルとして保持する格納部と、
前記送信指示に基づいて、前記画像データ、対応点ファイルおよび差分値ファイルの中から配信する対象を決定し、符号化データストリームを生成する符号化データ生成ユニットと
を備えることを特徴とする画像配信装置。 - 前記符号化データ生成ユニットは、送信指示を送った端末の種類に基づいて、符号化データストリームを生成することを特徴とする請求項６に記載の画像配信装置。
- 第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得するデータ受付部と、
差分情報の使用または非使用の設定に応じて、第１画像と第２画像の間の中間画像を生成する中間画像生成部と
を備えることを特徴とする画像復号装置。 - 前記中間画像生成部は、設定されたモードに応じて、差分情報の取捨を選択することを特徴とする請求項８に記載の画像復号装置。
- 第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得するステップと、
差分情報の使用または非使用の設定に応じて、画像データおよび位置情報と、差分情報の使用が設定される場合にはこの差分情報も用いて、第１画像と第２画像の間の中間画像を生成するステップと
を備えることを特徴とする画像復号方法。 - 第１画像と第２画像を取得する機能と、
取得された第１画像および第２画像の間でマッチングを計算し、第１画像と第２画像の間で対応しあう点を検出して、その位置情報を記録した対応点ファイルを生成する機能と、
前記対応点ファイルとは別に、対応する画像間の画素値の差分情報を記録した差分値ファイルを生成する機能とをコンピュータに実行せしめることを特徴とするコンピュータプログラム。 - 第１画像の画像データ、第１画像と第２画像との間で対応しあう点の位置情報、および対応する画像間の画素値の差分情報を取得する機能と、
差分情報の使用または非使用の設定に応じて、画像データおよび対応点ファイルと、差分情報の使用が設定される場合にはこの差分情報も用いて、第１画像と第２画像の間の中間画像を生成する機能とをコンピュータに実行せしめることを特徴とするコンピュータプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002204705A JP2004048496A (ja) | 2002-07-12 | 2002-07-12 | 画像符号化方法および装置、画像復号方法および装置と、画像配信装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002204705A JP2004048496A (ja) | 2002-07-12 | 2002-07-12 | 画像符号化方法および装置、画像復号方法および装置と、画像配信装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004048496A true JP2004048496A (ja) | 2004-02-12 |
Family
ID=31710232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002204705A Pending JP2004048496A (ja) | 2002-07-12 | 2002-07-12 | 画像符号化方法および装置、画像復号方法および装置と、画像配信装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004048496A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009523288A (ja) * | 2006-01-10 | 2009-06-18 | ソニー株式会社 | 顔メッシュを使用して顔アニメーションを作成する技術 |
| JP2011076316A (ja) * | 2009-09-30 | 2011-04-14 | Fujifilm Corp | 群衆監視装置および方法ならびにプログラム |
-
2002
- 2002-07-12 JP JP2002204705A patent/JP2004048496A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009523288A (ja) * | 2006-01-10 | 2009-06-18 | ソニー株式会社 | 顔メッシュを使用して顔アニメーションを作成する技術 |
| JP4872135B2 (ja) * | 2006-01-10 | 2012-02-08 | ソニー株式会社 | 顔メッシュを使用して顔アニメーションを作成する技術 |
| JP2011076316A (ja) * | 2009-09-30 | 2011-04-14 | Fujifilm Corp | 群衆監視装置および方法ならびにプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3889233B2 (ja) | 画像符号化方法と装置および画像復号方法と装置 | |
| JP2008252860A (ja) | 画像処理方法及び画像処理装置 | |
| JPWO2005122593A1 (ja) | 動画符号化方法および動画復号方法 | |
| JP3877651B2 (ja) | 画像処理方法と装置 | |
| JP2003018602A (ja) | 画像データ符号化および復号のための方法および装置 | |
| JP4050472B2 (ja) | 画像生成方法、装置およびシステム | |
| JP4157686B2 (ja) | 画像符号化および復号のための方法および装置 | |
| JP4039858B2 (ja) | 画像マッチング方法と装置、および画像符号化方法と装置 | |
| JP2003037842A (ja) | 画像符号化方法、復号方法および画像符号化装置、復号装置 | |
| JP2002230543A (ja) | 画像補間方法および装置 | |
| JP2004048116A (ja) | 画像データ符号化および復号のための方法および装置 | |
| JP2004048496A (ja) | 画像符号化方法および装置、画像復号方法および装置と、画像配信装置 | |
| JP2002232838A (ja) | デジタルカメラ | |
| JP2004048595A (ja) | 画像符号化方法および装置 | |
| JP2002190020A (ja) | 映像効果方法および装置 | |
| JP3839353B2 (ja) | 画像符号化方法と装置および画像復号方法および装置 | |
| JP4524412B2 (ja) | 画像符号化方法、復号方法および画像符号化装置、復号装置 | |
| JP2002230575A (ja) | 映像効果方法および装置 | |
| JP3773417B2 (ja) | 画像データ符号化および復号のための方法および装置 | |
| JP2007288614A (ja) | 画像圧縮方法、画像圧縮装置、および動画符号化方法 | |
| JP2004064156A (ja) | コンテンツサーバ、およびそのサーバにおけるコンテンツの提供方法 | |
| JP2004015445A (ja) | 画像データ符号化および復号のための方法および装置 | |
| JP2003274399A (ja) | 画像符号化方法と装置、画像復号方法と装置 | |
| JP2002359842A (ja) | 画像符号化方法と装置および画像復号方法と装置 | |
| JP2004032219A (ja) | 画像表示方法および装置、画像配信方法および装置。 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050704 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20090204 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090224 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090630 |