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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2004246618A JP2004246618A JP2003035565A JP2003035565A JP2004246618A JP 2004246618 A JP2004246618 A JP 2004246618A JP 2003035565 A JP2003035565 A JP 2003035565A JP 2003035565 A JP2003035565 A JP 2003035565A JP 2004246618 A JP2004246618 A JP 2004246618A
- Authority
- JP
- Japan
- Prior art keywords
- image
- sample
- quantized
- value
- probability
- 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
Images
Abstract
【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
【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(Sum of Square Difference)、SAD(Sum of Absolute Difference)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、t1およびt2は量子化のためのしきい値であり、例えばt1=t2=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Pl(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Qn(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、WQ’(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、WQ’(x,y)=−1=WQ’(x,y)=1=1,WQ’(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、PQ’(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PF、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PF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PF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 (12)
- 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003035565A JP3696212B2 (ja) | 2003-02-13 | 2003-02-13 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003035565A JP3696212B2 (ja) | 2003-02-13 | 2003-02-13 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004246618A true JP2004246618A (ja) | 2004-09-02 |
JP3696212B2 JP3696212B2 (ja) | 2005-09-14 |
Family
ID=33020951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003035565A Expired - Fee Related JP3696212B2 (ja) | 2003-02-13 | 2003-02-13 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3696212B2 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006202184A (ja) * | 2005-01-24 | 2006-08-03 | Konica Minolta Holdings Inc | 検出装置、検出方法及び検出プログラム |
WO2010032295A1 (ja) * | 2008-09-17 | 2010-03-25 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
WO2010032297A1 (ja) * | 2008-09-17 | 2010-03-25 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
JP2011508325A (ja) * | 2007-12-28 | 2011-03-10 | ツィンファ ユニバーシティ | 物体検出装置、方法 |
US20120243742A1 (en) * | 2011-03-22 | 2012-09-27 | Sony Corporation | Information processing device, information processing method, and program |
US8509524B2 (en) | 2009-11-26 | 2013-08-13 | Fujitsu Limited | Device, method and program on a storage medium to adjust dictionary data related to objects with specific features |
EP2682895A2 (en) | 2012-07-03 | 2014-01-08 | Kabushiki Kaisha Toshiba | Video display apparatus and video display method |
US8749658B2 (en) | 2009-04-06 | 2014-06-10 | Nec Corporation | Data processing device, image matching method, program, and image matching system |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5047005B2 (ja) | 2008-02-29 | 2012-10-10 | キヤノン株式会社 | 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置 |
JP2011128990A (ja) | 2009-12-18 | 2011-06-30 | Canon Inc | 画像処理装置とその方法 |
-
2003
- 2003-02-13 JP JP2003035565A patent/JP3696212B2/ja not_active Expired - Fee Related
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006202184A (ja) * | 2005-01-24 | 2006-08-03 | Konica Minolta Holdings Inc | 検出装置、検出方法及び検出プログラム |
JP4561380B2 (ja) * | 2005-01-24 | 2010-10-13 | コニカミノルタホールディングス株式会社 | 検出装置、検出方法及び検出プログラム |
KR101177626B1 (ko) * | 2007-12-28 | 2012-08-27 | 칭화 유니버시티 | 물체 검출 장치 및 방법 |
US8520955B2 (en) | 2007-12-28 | 2013-08-27 | Tsinghua University | Object detection apparatus and method |
JP2011508325A (ja) * | 2007-12-28 | 2011-03-10 | ツィンファ ユニバーシティ | 物体検出装置、方法 |
US8548210B2 (en) | 2008-09-17 | 2013-10-01 | Fujitsu Limited | Image processing apparatus and image processing method |
JP4791598B2 (ja) * | 2008-09-17 | 2011-10-12 | 富士通株式会社 | 画像処理装置および画像処理方法 |
JP4779057B2 (ja) * | 2008-09-17 | 2011-09-21 | 富士通株式会社 | 画像処理装置および画像処理方法 |
US8509539B2 (en) | 2008-09-17 | 2013-08-13 | Fujitsu Limited | Image processing apparatus and image processing method |
WO2010032297A1 (ja) * | 2008-09-17 | 2010-03-25 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
WO2010032295A1 (ja) * | 2008-09-17 | 2010-03-25 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
US8818104B2 (en) | 2008-09-17 | 2014-08-26 | Fujitsu Limited | Image processing apparatus and image processing method |
US8749658B2 (en) | 2009-04-06 | 2014-06-10 | Nec Corporation | Data processing device, image matching method, program, and image matching system |
US8509524B2 (en) | 2009-11-26 | 2013-08-13 | Fujitsu Limited | Device, method and program on a storage medium to adjust dictionary data related to objects with specific features |
US20120243742A1 (en) * | 2011-03-22 | 2012-09-27 | Sony Corporation | Information processing device, information processing method, and program |
US9292733B2 (en) * | 2011-03-22 | 2016-03-22 | Sony Corporation | Information processing device, information processing method, and program |
EP2682895A2 (en) | 2012-07-03 | 2014-01-08 | Kabushiki Kaisha Toshiba | Video display apparatus and video display method |
Also Published As
Publication number | Publication date |
---|---|
JP3696212B2 (ja) | 2005-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bui et al. | Single image dehazing using color ellipsoid prior | |
JP4708909B2 (ja) | デジタル画像の対象物検出方法および装置並びにプログラム | |
JP4590471B2 (ja) | 背景色を推定する方法およびシステム | |
JP2021166062A (ja) | 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測 | |
JP4588575B2 (ja) | デジタル画像の複数対象物検出方法および装置並びにプログラム | |
JP2011128990A (ja) | 画像処理装置とその方法 | |
KR100957716B1 (ko) | 가변 피부색 모델을 이용한 피부색 영역 검출 방법 | |
CN111860407B (zh) | 一种视频中人物的表情识别方法、装置、设备及存储介质 | |
JP3696212B2 (ja) | 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 | |
CN111461101A (zh) | 工服标志的识别方法、装置、设备及存储介质 | |
CN108961209B (zh) | 行人图像质量评价方法、电子设备及计算机可读介质 | |
Mahale et al. | Image inconsistency detection using local binary pattern (LBP) | |
Nayef et al. | Metric-based no-reference quality assessment of heterogeneous document images | |
JP2008003749A (ja) | 特徴点検出装置および方法並びにプログラム | |
JP5617841B2 (ja) | 画像処理装置、画像処理方法および画像処理用プログラム | |
JP2011170890A (ja) | 顔検出方法および装置並びにプログラム | |
Qureshi et al. | An information based framework for performance evaluation of image enhancement methods | |
JP4012200B2 (ja) | オブジェクト検出方法、装置、及びプログラム | |
Agam et al. | Degraded document image enhancement | |
JP4795737B2 (ja) | 顔検出方法および装置並びにプログラム | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
WO2008018459A1 (fr) | Procédé de traitement d'image, appareil de traitement d'image, programme de traitement d'image, et appareil de prise d'image | |
Krupiński et al. | Improved two-step binarization of degraded document images based on Gaussian mixture model | |
RU2571510C2 (ru) | Метод и устройство, использующие увеличение изображения для подавления визуально заметных дефектов на изображении | |
CN111242047A (zh) | 图像处理方法和装置、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050613 |
|
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: 20050621 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050628 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090708 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090708 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100708 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110708 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120708 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130708 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |