JP2004246618A

JP2004246618A - パターン認識における照合に用いられる画像の生成ならびに同画像を用いたパターン認識のための方法、装置、およびプログラム

Info

Publication number: JP2004246618A
Application number: JP2003035565A
Authority: JP
Inventors: Takeshi Mita; 雄志三田; Toshimitsu Kaneko; 敏充金子; Osamu Hori; 修堀
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2003-02-13
Filing date: 2003-02-13
Publication date: 2004-09-02
Anticipated expiration: 2023-02-13
Also published as: JP3696212B2

Abstract

【課題】パターン認識の画像照合における処理時間を増大させることなく、しかも照合のロバスト性を向上すること。
【解決手段】パターン認識における照合に用いられる画像を生成するにあたり、まず複数の見本画像において２つの画素の異なる組合せについての濃淡差分値を計算する。濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する複数の見本量子化画像を生成する。量子化値ごとに、複数の見本量子化画像の各画素において当該量子化値が生起する確率を計算し、この計算された生起確率の値を画素値として有する見本確率画像を生成する。この見本確率画像を用いて対象画像との照合を行う。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、画像処理の技術分野におけるパターン認識に係わり、特に、パターン認識における照合（マッチング）に用いられる画像の生成ならびに同画像を用いたパターン認識のための方法、装置、およびプログラムに関する。
【０００２】
【従来の技術】
複数の画像同士の類似性を判定する方法として画像照合がある。画像照合は、画像中から特定の物体を検出する際や、画像検索を行う際に用いられる。画像照合では、あらかじめ準備しておいた見本画像（テンプレートとも呼ばれる）と対象画像の２枚を用い、何らかの測度に基づきこれら２枚の画像の類似度を評価する。よく用いられる類似度にはＳＳＤ（ＳｕｍｏｆＳｑｕａｒｅＤｉｆｆｅｒｅｎｃｅ）、ＳＡＤ（ＳｕｍｏｆＡｂｓｏｌｕｔｅＤｉｆｆｅｒｅｎｃｅ）あるいは正規化相関がある。
【０００３】
これらの類似度を用いる評価方法は、いずれも見本画像および対象画像において同じ位置の画素の濃淡値を比較するものであるが、見本画像と対象画像が撮影された照明条件の違いに起因する輝度変動やノイズの混入に対して照合精度が低下するという問題がある。このような問題を軽減する方法として、増分符号相関（下記非特許文献１参照）がある。増分符号相関では、見本画像および対象画像のそれぞれにおいて、水平方向に隣接する画素同士の濃淡値の増分（大小関係）を符号として表現し、その符号の一致数を類似度とする。増分符号相関法によれば、符号が逆転しない範囲の輝度変動やノイズ混入に対して頑強な照合を行うことができることが知られている。
【０００４】
また、増分符号相関を拡張した定性的３値表現も知られている（下記非特許文献２参照）。定性的３値表現においては、水平方向だけでなく垂直方向に隣接する画素同士についても評価することにより、照合の方向依存性を緩和している。さらに、濃淡値の大小関係および同値関係を３値で表すことにより、一様な濃淡を持つ画像に対する照合精度を向上している。
【０００５】
これら２つの方法は、特に単一の見本画像を与えることを前提とする課題に有効である。例えば、記号・ランドマークの識別や画像の位置あわせといった課題が挙げられる。しかし、単一の見本画像では不十分な課題もある。例えば、画像に含まれる人物の顔を検出するという課題が挙げられる。顔は、目・鼻・口の相対的な位置関係など基本的な構造は共通しているものの、それらの部位の大きさ・肌の色・ヒゲの有無など個々人で異なる特徴を有している。したがって、単一の見本画像だけでは個々人の差異を表現できないという問題がある。
【０００６】
素直には照合に用いる見本画像を複数にすることが考えられる。しかしながら、見本画像の数を増やせばその分、処理時間が増大するという問題がある。また、どの画像を見本として選択するかによって、検出精度も大幅に変化する。
【０００７】
見本画像を複数用意することに代えて、定性的３値表現（非特許文献２）では、収集した多数の顔の平均画像を見本として用いている。平均画像は、各画素における濃淡値の平均を求めることによって作成される。個々人の差異がある画素はぼかされ、共通の濃淡値を持つ画素は濃淡値が保存されるので、顔に共通の特徴を際立たせる効果がある。しかし、平均的な顔との差異が大きい顔については、正しく照合できないという問題がある。平均的な顔との差異が大きい部分についても顔らしさを定量的に評価し、顔でない画像との識別に利用する必要がある。
【０００８】
【非特許文献１】
村瀬一朗，金子俊一，五十嵐悟，「増分符号相関によるロバスト画像照合」，電子情報通信学会論文誌Ｄ−ＩＩ，Ｖｏｌ．Ｊ８３−Ｄ−ＩＩ，Ｎｏ．５，ｐｐ．１３２３−１３３１，２０００
【０００９】
【非特許文献２】
山口修，福井和広，「定性的３値表現に基づく画像マッチング」，信学技報ＰＲＭＵ２００２−３４，２００２
【００１０】
【発明が解決しようとする課題】
従来の定性的３値表現のように平均画像を用いるのではなく、複数の見本画像を用いる新たな手法を提供するにあたり、処理時間を増大させることなく、しかも照合のロバスト性を向上することが望まれる。本発明はかかる事情を考慮してなされたものであり、パターン認識における照合（マッチング）に用いられる画像の生成ならびに同画像を用いたパターン認識のための方法、装置、およびプログラムを提供することを目的とする。
【００１１】
【課題を解決するための手段】
本発明は、各々濃淡値画像からなる複数の見本画像から、パターン認識における照合に用いられる画像を生成する方法、装置、ならびにプログラムを開示する。まず前記複数の見本画像において２つの画素の異なる組合せについての濃淡差分値を計算する。前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する複数の見本量子化画像を生成する。前記量子化値ごとに、前記複数の見本量子化画像の各画素において当該量子化値が生起する確率を計算し、この計算された前記生起確率の値を画素値として有する見本確率画像を前記量子化値ごとに生成する。そして、この見本確率画像をパターン認識における照合に用いられる画像とする。
【００１２】
また、本発明は上記のように生成された見本確率画像を用いて対象画像との照合を行うパターン認識方法、装置、ならびにプログラムを開示する。まず濃淡値画像からなる対象画像において２つの画素の異なる組合せについての濃淡差分値を計算する。前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する対象量子化画像を生成する。そして、前記対象量子化画像と、見本確率画像との類似度を計算する。
【００１３】
【発明の実施の形態】
（第１の実施形態）まず、本発明の第１の実施の形態について、図１〜図４を参照して説明する。図１は本発明の第１実施形態に係る画像処理装置の概略構成を示すブロック図である。本実施形態に係る画像処理装置は、汎用のコンピュータを用いて実現することができる。ＣＰＵ、メモリ、入出力インターフェース、キーボード、ディスプレイといったコンピュータの基本構成要素については図示省略してある。図１に示すように画像処理装置１は見本画像処理部１１、対象画像処理部１２、照合部１３を有する。これら構成要素は画像処理装置１が果たす機能に対応しており、例えばコンピュータプログラムとして実現することができる。画像処理装置１が果たす機能は大別すると２つある。その一つは見本画像の処理であり、もう一つは見本画像と対象画像との照合処理である。前者の見本画像処理においては、複数の見本濃淡値画像から照合処理に用いられる見本確率画像を生成する。後者の照合処理においては、生成された見本確率画像を用いて対象画像との照合を行い、対象画像と見本確率画像との類似性を判定する。本実施形態は見本画像処理および照合処理の両者を実行する画像処理装置に関するものであるが、見本画像処理および照合処理のいずれか一方のみを実行する画像処理装置についても本発明の実施形態に含まれる。
【００１４】
見本画像処理部１１により処理される画像を見本画像Ｉ、見本量子化画像Ｑ、見本確率画像Ｐと称する。見本画像Ｉは対象画像との照合に用いられる見本確率画像Ｐの元となる画像であり、濃淡値を画素値として有する。見本画像処理部１１は複数の見本画像Ｉに基づいて複数の見本量子化画像Ｑおよび見本確率画像Ｐを生成する。また、対象画像処理部１２により処理される画像は対象画像Ｉ’および対象量子化画像Ｑ’である。対象画像Ｉ’は見本確率画像Ｐとの照合のため本実施形態の画像処理装置１に対して与えられる画像であり、見本画像Ｉと同様に濃淡値画像からなる。対象画像処理部１２は対象画像Ｉ’に基づいて対象量子化画像Ｑ’を生成する。なお、見本画像Ｉ、見本量子化画像Ｑ、見本確率画像Ｐ、対象画像Ｉ’、対象量子化画像Ｑ’はいずれも図示しないハードディスク装置等に記憶保持される。
【００１５】
図２は、本実施形態に係る画像処理装置において実行される一連の処理手順を示すフローチャートである。見本画像と対象画像の画像サイズは等しいものとし、Ｗ×Ｈ画素とする。見本画像Ｉ内の位置（ｘ，ｙ）の画素の濃淡値をＩ（ｘ，ｙ）とし、同様に、対象画像Ｉ’内の位置（ｘ，ｙ）の画素の濃淡値をＩ’（ｘ，ｙ）とする。
【００１６】
ステップＳ１０１において、見本画像Ｉにおける２つの画素の濃度差分値を計算する。２つの画素を組合せるには幾つか方法があり、例えば、画素Ｉ（ｘ，ｙ）とこの画素Ｉ（ｘ，ｙ）に対して水平方向に隣接した右隣の画素Ｉ（ｘ＋１，ｙ）とを組み合わせることができる。あるいは画素Ｉ（ｘ，ｙ）と、この画素Ｉ（ｘ，ｙ）に対して垂直方向に隣接した下隣の画素Ｉ（ｘ，ｙ＋１）とを組合せることもできる。このように画素の組合せを選択する方法は、一般的な画像の性質として、注目画素と隣接画素との相関は高いとの知見に基づく。なお、画素Ｉ（ｘ，ｙ）とＩ（ｘ＋２，ｙ），Ｉ（ｘ，ｙ）とＩ（ｘ＋１，ｙ＋１）といった組合せとしてもよい。本実施形態では、隣接画素を選択する場合を例として説明を行う。この場合、濃度差分値は、Ｉ（ｘ＋１，ｙ） − Ｉ（ｘ，ｙ）またはＩ（ｘ，ｙ＋１） − Ｉ（ｘ，ｙ）のように計算できる。画像の濃淡値が０〜２５５の２５６階調で表現される場合、濃度差分値は−２５５〜＋２５５までの５１１階調となる。
【００１７】
ステップＳ１０２では、２つの画素の濃度差分値を所定の量子化レベルで量子化する。
【００１８】
例えば量子化レベルを２とするとき、見本量子化画像Ｑの各画素値を以下の数式に従って求めることにより、見本画像Ｉを当該量子化レベルで量子化することができる。
【００１９】
【数１】

【００２０】
これは、水平方向に隣接した画素との差分値に基づく量子化であるが、垂直方向に隣接する画素との差分値に基づく量子化においては、以下の数式を用いればよい。
【００２１】
【数２】

【００２２】
また、上式両方を用いて、見本量子化画像を水平方向および垂直方向について２枚作成しておいてもよい。
【００２３】
例えば量子化レベルを３とするとき、定性的３値表現（上述の非特許文献２参照）によれば、見本量子化画像Ｑの各画素値を以下の式に従って算出することができる。
【００２４】
【数３】

【００２５】
量子化レベルが２の場合と同様に、水平方向の隣接画素でなく垂直方向の隣接画素を用いてもよい。あるいは、それら両方を用いてもよい。
【００２６】
なお、水平方向の隣接画素を用いて作成した見本量子化画像は、（Ｗ−１）×Ｈ画素の大きさとなり、垂直方向の隣接画素を用いて作成した見本量子化画像は、Ｗ×（Ｈ−１）画素の大きさとなる。
【００２７】
上式では、隣接画素間の濃度差分値の符号に応じて量子化を行っているが、以下の数式にしたがって量子化を行ってもよい。
【００２８】
【数４】

【００２９】
ここで、ｔ_１およびｔ_２は量子化のためのしきい値であり、例えばｔ_１＝ｔ_２＝５のように設定して濃淡差分値が±５の範囲は同値であるとみなして量子化を行うように定めることができる。
【００３０】
また、量子化レベルをＬとして一般化し、
【数５】

【００３１】
のようにして量子化を行ってもよい。なお、量子化レベルＬを４以上としてもよいが、明るさの変動やノイズの混入に対する頑強性を確保するには、２もしくは３の量子化レベルを用いると良いことが報告されている（上述の非特許文献１、２参照）。そこで本実施形態では、上述した定性的３値表現を用いるものとして説明する。言うまでもなく、本発明は定性的３値表現に限定されない。
【００３２】
図３は、各見本画像に対する定性的３値表現による見本量子化画像の例を示す図である。ここでは複数の人物の顔画像を使用し、あらかじめ手入力した目鼻の位置がほぼ一致するように７枚の見本画像Ｉが作成されている。見本量子化画像Ｑは、濃度差分値の符号に応じて、白、黒、灰（図ではハッチング）の３つの明るさで表現されている。なお、ここでは顔画像を例としたが、目、鼻、口などの顔の各部位をそれぞれ切り出した画像を用いてもよい。
【００３３】
準備された見本画像Ｉのすべてを対象にステップＳ１０１およびＳ１０２が実行される。ステップＳ１０３においては、すべての見本画像Ｉに対して見本量子化画像Ｑ（ここでは水平方向および垂直方向の計１４枚）が作成されたかどうかを判定し、次のステップへ移る。
【００３４】
ステップＳ１０４では、見本確率画像Ｐを作成する。見本確率画像Ｐの各画素値は、見本量子化画像Ｑの各量子化レベルの生起確率とする。レベルｌ（０≦ｌ≦Ｌ）に対応する見本確率画像の各画素値Ｐ_ｌ（ｘ，ｙ）は、見本画像の総数Ｎおよびｎ番目の見本量子化画像の画素値Ｑ_ｎ（ｘ，ｙ）により、以下の数式により算出される。
【００３５】
【数６】

【００３６】
図４は６００枚の見本画像から作成した見本確率画像の例を示す図である。作成される見本確率画像Ｐの枚数は、見本画像Ｉにおける２つの画素の選択方法と量子化レベルＬに応じて決定される。見本画像Ｉの枚数を６００枚としているが、あくまで一例であり、高い照合精度を得られるよう適切な枚数を実験的に求めるのがよい。図４では、定性的３値表現により量子化を行っているため、画素の選択は水平方向と垂直方向の２通りであり、量子化レベルは３であるので、６枚の見本確率画像Ｐが作成されている。
【００３７】
図４において、３０１は、６００枚の見本画像から作成した平均画像であり、見本確率画像Ｐとの比較を行うために示した。３０２〜３０４は水平方向に隣接する画素を用いて作成した見本確率画像Ｐである。３０２は、顔の各位置において右隣の画素の濃淡値が大きい確率を各画素の値として保持している。３０３は同値となる確率を、３０４は小さい確率を表している。確率が高い（１に近い）ほど明るく、逆に確率が低い（０に近い）ほど暗く表示されている。例えば、頬の辺りは一様な濃淡を持つ場合が多いので、見本確率画像３０３の頬の領域は明るく表示されている。また、目や鼻の付近では濃淡が大きく変化するので、見本確率画像３０２もしくは３０４では目鼻の付近で明るい領域と暗い領域が現れている。３０５〜３０７は垂直方向に隣接する画素を用いて作成した見本確率画像であり、それぞれ注目画素の下の画素値が大きい確率、同値となる確率、小さい確率を表している。目、鼻、口の付近では濃淡の変化が激しく、頬の付近では濃淡が変化しないため、それを反映した結果が現れている。
【００３８】
次にステップＳ１０５およびＳ１０６では、対象画像Ｉ’に対してステップＳ１０１およびＳ１０２と同様の処理を行う。例えば、見本画像Ｉを定性的３値表現によって量子化した場合、対象画像Ｉ’についても定性的３値表現による量子化を行い、対象量子化画像Ｑ’を作成する。
【００３９】
ステップＳ１０７では、ステップＳ１０４において作成された見本確率画像Ｐと、ステップＳ１０６において作成された対象量子化画像Ｑ’とを用いて、類似度の算出を行う。類似度は対象量子化画像Ｑ’の各画素値の生起確率を見本確率画像Ｐから取得し、その重み付きの乗算結果として以下の数式により定義する。
【００４０】
【数７】

【００４１】
ここで、Ｗ_{Ｑ’（ｘ，ｙ）}は、対象量子化画像Ｑ’の各画素値に対する重み係数であり、定性的３値表現を用いた場合では、隣接画素の濃淡差分値の符号に対する重みとなる。一般に、同値符号の発生頻度は他の符号の発生頻度に比べて小さい。同値符号が発生したときの重みを大きくとることによって、類似性判定の精度を向上させることができる。例えば、Ｗ_{Ｑ’（ｘ，ｙ）＝−１}＝Ｗ_{Ｑ’（ｘ，ｙ）＝１}＝１，Ｗ_{Ｑ’（ｘ，ｙ）＝０}＝２のように同値符号が発生したときの重みを他の符号の２倍になるように設定する。顔画像では同値符号はほとんど発生しないが、一様な濃淡を持つ背景は同値符号が多く発生するので、顔と一様な背景を識別する際には、このような重み付けは有効に作用する。
【００４２】
なお、十分な見本サンプルが集めらない場合、すなわち見本画像の総数Ｎが小さいとき、Ｐ_{Ｑ’（ｘ，ｙ）}（ｘ，ｙ）＝０となることがある。このとき類似度は０となってしまい、他の画素における確率値は考慮されなくなるという問題がある。そこで、
【数８】

のように、見本確率画像Ｐの画素値に対して下限値αを設定しておき、αを下回る確率値が得られた場合には、その値をαで置き換えることを行う。例えば、α＝０．０１のように小さい値を設定しておくことにより、この問題に対処することが可能となる。
【００４３】
類似度は、上式の対数をとり、
【数９】

としてもよい。
また、次式のように見本確率画像Ｐの各画素値の平均値を類似度としてもよい。
【００４４】
【数１０】

【００４５】
最後に、ステップＳ１０８では、ステップＳ１０７において算出された類似度に基づき、見本画像群Ｉに対する対象画像Ｉ’の類似性を判定する。実験的に決定したしきい値を用い、類似度がしきい値を上回っているならば、「類似している」と判定する。逆に、類似度がしきい値より低いならば、「類似していない」と判定する。例えば、見本画像Ｉとして顔画像を用いているとき、類似度がしきい値以上ならば「顔である」と判定し、しきい値未満であれば「顔でない」と判定する。
【００４６】
（第２の実施形態）次に、本発明の第２の実施形態を図５および図６を参照して説明する。図５は、第２実施形態に係る画像処理装置において実行される一連の手順のフローチャートである。ステップＳ４０１〜Ｓ４０４およびＳ４０９〜Ｓ４１２はそれぞれ第１実施形態の図２に示したフローチャートにおけるステップＳ１０１〜Ｓ１０４およびＳ１０５〜Ｓ１０８とほぼ同一の処理である。図５と図２では、新たにステップＳ４０５〜Ｓ４０８が挿入されていること、およびステップＳ４１１の類似度算出方法が異なる。以下では、これらの相違点についてのみ説明する。
【００４７】
図５におけるステップＳ４０５〜Ｓ４０８は、見本画像によく似ているが異なる偽の見本画像から偽見本確率画像を作成するための処理を示している。パターン認識では、しばしば見本画像によく似た紛らわしい画像が出現する。これを「偽見本画像」と称する。パターン認識では偽見本画像と見本画像とを識別する必要性が生じる。
【００４８】
偽見本画像は、例えば図２で示したフローチャートにおいて、見本画像Ｉと類似していると判定された画像の中で、見本画像Ｉとは異なる画像を収集することによって得られる。あるいは、単純に見本が含まれない画像を大量に収集してもよい。このような偽見本画像群から作成した偽見本確率画像を用いることにより、紛らわしい画像を正しく識別することが可能となる。ステップＳ４０５〜Ｓ４０８は、図２に示したフローチャートにおけるステップＳ１０１〜Ｓ１０４に対応しており、見本画像の代わりに偽見本画像を用いる点のみ異なる。
【００４９】
ステップＳ４１１では、見本画像群Ｉから作成した見本確率画像Ｐ、偽見本画像群から作成した偽見本確率画像Ｐ^Ｆ、対象画像から作成した対象量子化画像Ｑ’の３枚の画像から、見本画像群Ｉと対象画像Ｉ’との類似度を算出する。類似度は、各画素におけるＰとＰ^Ｆの比を用いて以下のように定義される。
【００５０】
【数１１】

【００５１】
また、上式の対数をとり、
【数１２】

としてもよい。
また、次式のように各画素における見本確率画像Ｐと偽見本確率画像Ｐ^Ｆとの比の平均値を類似度としてもよい。
【００５２】
【数１３】

【００５３】
偽見本画像群を用いることにより、見本と偽見本との差異を強調した類似度を算出することが可能となる。
【００５４】
図６は、見本画像中の３箇所の位置における隣接画像との濃淡差分値のヒストグラムを示したものである。濃淡値は０〜２５５の２５６階調で表現されるため、濃淡差分値は−２５５〜＋２５５の５１１階調となる。位置によって、濃淡差分値の分布に偏りが生じており、この偏りが顔の特性を表している。例えば、目は周囲に比べて濃淡値が低いので、目の付近Ｐ１またはＰ２で濃淡差分値を求めると、０よりも大きい方もしくは小さい方にヒストグラムの分布が偏る。これに対し、周囲の濃淡値とほとんど差がない鼻の付近Ｐ３では、濃淡差分値が０となる頻度が高く、これを中心とした分布が形成されている。
【００５５】
顔でない対象画像では、濃淡差分値の分布が顔とは異なっていると考えられる。偽見本画像では、画像中の位置によって見本画像の分布と近い場合と異なる場合があり、確率画像同士の比を取ることによって分布の違いを強調した類似度を求めることができる。
【００５６】
（第３の実施形態）
次に、本発明の第３の実施形態について図７および図８を参照して説明する。第３の実施形態は顔検出への応用例に関する。本実施形態では、見本画像と対象画像の大きさが同一であることを前提としている。しかし、入力画像中の顔の大きさは必ずしも見本画像と一致しないという問題がある。図７に示される顔検出のための一連の処理手順は、このような画像サイズの不一致に対応することができるよう構成されている。
【００５７】
まずステップＳ６０１において、見本確率画像を作成する。見本確率画像の作成手順は第１実施形態に示したものと同様である。なお、顔とよく似ているが顔ではない偽見本確率画像を同時に作成しておいてもよい（第２実施形態参照）。次にステップＳ６０２において、入力画像の大きさを様々な尺度で拡大、縮小した複数の画像を作成し記憶する。拡大、縮小の尺度を密に変化させれば、大きさが少しずつ異なる顔を含んだ入力画像群が作成される。これにより、いずれかの入力画像には見本画像とほぼ同一の大きさの顔が含まれることになる。
【００５８】
次に図８に示すように、それぞれの入力画像７０２〜７０４に走査ウィンドウ７０５を設置する。走査ウィンドウ７０５の大きさは見本確率画像７０１を作成するための見本画像と同一とする。この走査ウィンドウ７０５を入力画像の端から少しずつずらしながら、ウィンドウ７０５内部の画像を切り出す（ステップＳ６０３）。ウィンドウ７０５内部の画像を対象画像として、類似性の判定を行う（ステップＳ６０４）。類似性判定の方法は上述の通りである。偽見本確率画像を用いた類似度に基づき類似性判定を行ってもよい。入力画像中のすべての領域を走査したかどうかを判定し（ステップＳ６０５）、走査が終了していれば記憶した他の大きさの異なる入力画像に対してステップＳ６０３〜Ｓ６０５を繰り返す。最終的に、ステップＳ６０７において、類似性判定の結果「顔に類似している」と判定された領域の情報を出力する。
【００５９】
図８から分かるように、入力画像７０２および７０３の「顔」は走査ウィンドウ７０５よりも大きいため、顔の一部しかウィンドウ７０５内に含まれない。これらは、「顔でない」領域と判定されてしまう。一方、入力画像７０４に含まれる顔は、走査ウィンドウと同程度の大きさであるため、「顔である」と判定されることになる。
【００６０】
なお、本発明は上述した実施形態に限定されず種々変形して実施可能である。
【００６１】
【発明の効果】
以上述べたように、本発明によれば、パターン認識の画像照合における処理時間を増大させることなく、しかも照合のロバスト性を向上することができる。
【図面の簡単な説明】
【図１】本発明の第１実施形態に係る画像処理装置の概略構成を示すブロック図
【図２】本発明の第１実施形態に係る画像処理装置において実行される一連の処理手順を示すフローチャート
【図３】各見本画像に対する定性的３値表現による見本量子化画像の例を示す図
【図４】見本画像から作成した見本確率画像の例を示す図
【図５】本発明の第２実施形態に係る画像処理装置において実行される一連の手順のフローチャート
【図６】見本画像中の３箇所の位置における隣接画像との濃淡差分値のヒストグラムを示した図
【図７】本発明の第３実施形態に係る顔検出のための一連の処理手順を示すフローチャート
【図８】入力画像のサイズを異ならせて顔検出を行っている様子を示す図
【符号の説明】
１…画像処理装置、１１…見本画像処理部、１２…対象画像処理部、１３…照合（マッチング）部

Claims

各々濃淡値画像からなる複数の見本画像から、パターン認識における照合に用いられる画像を生成する方法であって、
前記複数の見本画像において２つの画素の異なる組合せについての濃淡差分値を計算するステップと、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する複数の見本量子化画像を生成するステップと、
前記量子化値ごとに、前記複数の見本量子化画像の各画素において当該量子化値が生起する確率を計算するステップと、
計算された前記生起確率の値を画素値として有する見本確率画像を前記量子化値ごとに生成するステップと、
を具備し、この見本確率画像をパターン認識における照合に用いられる画像とする方法。
隣接する２つの画素の異なる組合せについて前記濃淡差分値を計算することを特徴とする請求項１に記載の方法。
前記濃淡差分値を３つの量子化レベルで量子化することを特徴とする請求項１に記載の方法。
各々濃淡値画像からなる複数の偽見本画像において２つの画素の異なる組合せについての濃淡差分値を計算するステップと、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する複数の偽見本量子化画像を生成するステップと、
前記量子化値ごとに、前記複数の偽見本量子化画像の各画素において当該量子化値が生起する確率を計算するステップと、
計算された前記生起確率の値を画素値として有する偽見本確率画像を前記量子化値ごとに生成するステップと、
をさらに具備することを特徴とする請求項１に記載の方法。
濃淡値画像からなる対象画像において２つの画素の異なる組合せについての濃淡差分値を計算するステップと、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する対象量子化画像を生成するステップと、
前記対象量子化画像と、請求項１乃至３のいずれかに記載の方法に従い生成された見本確率画像との類似度を計算するステップと、
を具備することを特徴とするパターン認識方法。
前記類似度を計算するステップは、前記対象量子化画像における各画素値の生起確率値を前記見本確率画像から取得し、全画素の生起確率値の乗算結果を前記類似度として算出するステップから構成されることを特徴とする請求項５に記載の方法。
前記類似度を計算するステップは、前記対象量子化画像における各画素値の生起確率値を前記見本確率画像から取得し、全画素の生起確率値の平均値を前記類似度として算出するステップから構成されることを特徴とする請求項５に記載の方法。
前記類似度の計算において、前記見本確率画像に加え請求項４に記載の方法に従って生成された偽見本確率画像を用いることを特徴とする請求項５に記載の方法。
各々濃淡値画像からなる複数の見本画像から、パターン認識における照合に用いられる画像を生成する画像処理装置であって、
前記複数の見本画像において２つの画素の異なる組合せについての濃淡差分値を計算する手段と、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する複数の見本量子化画像を生成する手段と、
前記量子化値ごとに、前記複数の見本量子化画像の各画素において当該量子化値が生起する確率を計算する手段と、
計算された前記生起確率の値を画素値として有する見本確率画像を前記量子化値ごとに生成する手段と、を具備することを特徴とする画像処理装置。
濃淡値画像からなる対象画像において２つの画素の異なる組合せについての濃淡差分値を計算する手段と、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する対象量子化画像を生成する手段と、
前記対象量子化画像と、請求項９に記載の画像処理装置により生成された見本確率画像との類似度を計算する手段と、
を具備することを特徴とするパターン認識装置。
各々濃淡値画像からなる複数の見本画像から、パターン認識における照合に用いられる画像を生成するプログラムであって、
前記複数の見本画像において２つの画素の異なる組合せについての濃淡差分値を計算する手順と、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する複数の見本量子化画像を生成する手順と、
前記量子化値ごとに、前記複数の見本量子化画像の各画素において当該量子化値が生起する確率を計算する手順と、
計算された前記生起確率の値を画素値として有する見本確率画像を前記量子化値ごとに生成する手順と、
をコンピュータに実行させるための画像処理プログラム。
濃淡値画像からなる対象画像において２つの画素の異なる組合せについての濃淡差分値を計算する手順と、
前記濃淡差分値を所定の量子化レベルで量子化し、該量子化レベルに依存する所定の量子化値のいずれかを画素値として有する対象量子化画像を生成する手順と、
前記対象量子化画像と、請求項１１に記載のプログラムにより生成された見本確率画像との類似度を計算する手順と、
をコンピュータに実行させるためのパターン認識プログラム。