JP2007317077A - 画像分類装置および方法ならびにプログラム - Google Patents
画像分類装置および方法ならびにプログラム Download PDFInfo
- Publication number
- JP2007317077A JP2007317077A JP2006148113A JP2006148113A JP2007317077A JP 2007317077 A JP2007317077 A JP 2007317077A JP 2006148113 A JP2006148113 A JP 2006148113A JP 2006148113 A JP2006148113 A JP 2006148113A JP 2007317077 A JP2007317077 A JP 2007317077A
- Authority
- JP
- Japan
- Prior art keywords
- images
- image
- event
- classification
- event feature
- 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.)
- Withdrawn
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
【課題】複数の画像を画像解析の結果に基づいてイベント毎に分類する際に、分類対象の複数の画像の画像群としての特性に応じて、より適切な分類基準に基づく自動分類を実現する
【解決手段】複数の画像P[n]の各々に対する複数の種類の画像解析処理によって得られる複数の特徴量gm[n]のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量Evj[n]を画像毎に複数取得し、取得された仮イベント特徴量Evj[n]のうち、時系列的に隣接する各画像間での仮イベント特徴量の変化量△Evj[n,n+1]と、撮影時間間隔△T[n,n+1]とが、所定の基準を致す程度に高い正の相関を示すものを、イベント特徴量EvS[n]として選択し、複数の画像P[n]におけるイベント特徴量EvS[n](n=1,2,...,N)の値の分布に基づいて、複数の画像を分類する。
【選択図】図5
【解決手段】複数の画像P[n]の各々に対する複数の種類の画像解析処理によって得られる複数の特徴量gm[n]のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量Evj[n]を画像毎に複数取得し、取得された仮イベント特徴量Evj[n]のうち、時系列的に隣接する各画像間での仮イベント特徴量の変化量△Evj[n,n+1]と、撮影時間間隔△T[n,n+1]とが、所定の基準を致す程度に高い正の相関を示すものを、イベント特徴量EvS[n]として選択し、複数の画像P[n]におけるイベント特徴量EvS[n](n=1,2,...,N)の値の分布に基づいて、複数の画像を分類する。
【選択図】図5
Description
本発明は、複数の画像の一部または全部を1以上のグループに分類する画像分類装置および方法、ならびに、この画像分類方法を実現するための制御をコンピュータに実行させるためのプログラムに関するものである。
銀塩カメラと比較すると、デジタルカメラでは、フィルム料金がかからない分、撮影自体のコストが下がり、その結果、より多くの画像を撮影する傾向にある。また、デジタルカメラに着脱される記録メディアの大容量化もその傾向を助長している。その結果、デジタルカメラの記録メディアや、記録メディアから読み出された画像データが保存されるパソコンのハードディスクやCD−R等の記憶メディアには、非常に多くの画像がストックされ、その中には、必要な画像(写りのよい画像)と不要な画像(失敗写真や重複して撮影された画像等)が混在し、さらにそれらは未整理のままとなっていることが多い。
このような大量の画像を整理するのは大変面倒な作業となる。そこで、このような画像ストックからの必要な画像の検索・抽出や不要な画像の抽出・削除、また、画像ストック中の画像のイベントや日時、場所等の観点に基づく分類等の画像整理を行う装置が提案されている。
例えば、画像の自動分類方法としては、複数の画像を付帯情報(例:撮影日時)や付帯情報(例:撮影日時、GPS情報)から得られる二次的情報(天気、国名)に基づいて自動分類する方法や(例えば、特許文献1)、複数の画像を、装置の初期設定やユーザの選択に応じて、撮影地や撮影日時の観点から自動分類する方法(例えば、特許文献2)、さらに、複数の画像を時系列に並べ替え、各画像を複数のブロックに分割し、各ブロックのカラーヒストグラムを計算し、ブロック間の類似性を決定するヒストグラム交差値を計算することを含む、ブロックに基づくヒストグラム相関に基づき画像をイベント毎に自動的に分類する方法(例えば、特許文献3)等が知られている。
特開2003−271617号公報
特開2005−037992号公報
特開2000−112997号公報
ここで、特許文献1または2に記載されている自動分類手法では、撮影日時や撮影場所といった分類の観点は予め決められたものとなっている。また、特許文献3に記載されている自動分類方法では、画像の内容を解析した結果に基づいて自動分類を行っているが、この方法では、画像の色情報(カラーヒストグラム)が、画像の内容を表す特徴量として固定的に用いられている。
しかしながら、未整理状態の画像の分類を行う場合、上記のような固定的な観点に基づいて分類方法では、必ずしも好ましい分類結果が得られるとは限らず、分類対象の複数の画像の画像群としての特性によって、最適な分類方法は異なるはずである。例えば、特許文献3記載の自動分類方法においても、画像解析によって得られる特徴量は、色に関するものに限らず、輝度、テキスチャ、奥行き、画像中のエッジ等、様々な特徴量があり、色情報(カラーヒストグラム)に基づいて画像群の分類を行うことが最適な場合もあれば、そうでない場合もあると考えられる。
本発明は、上記事情に鑑みてなされたものであり、複数の画像を画像解析の結果に基づいてイベント毎に分類する際に、分類対象の複数の画像の画像群としての特性に応じて、より適切な分類基準に基づく自動分類を実現する装置および方法ならびにプログラムを提供することを目的とする。
本発明は、分類対象の画像に表現されたイベントの時系列的な変化を最もよく表す特徴量をイベント特徴量として選択し、選択されたイベント特徴量の値の分布に基づいて複数の画像の分類を行うものである。
すなわち、本発明の画像分類方法は、複数の画像の各々に対して複数の種類の画像解析処理を行うことによって得られる複数の特徴量のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量を画像毎に複数取得し、取得された複数の仮イベント特徴量のうち、複数の画像を時系列に並べ替えた場合における隣接画像間での仮イベント特徴量の変化量と、隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、複数の画像中のイベントを最もよく表すイベント特徴量として選択し、複数の画像におけるイベント特徴量の値の分布に基づいて、複数の画像を分類することを特徴とする。
本発明の画像分類装置は、上記の画像分類方法を実現するものであり、複数の画像の各々に対して複数の種類の画像解析処理を行うことによって得られる複数の特徴量のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量を画像毎に複数取得する仮イベント特徴量取得手段と、取得された複数の仮イベント特徴量のうち、複数の画像を時系列に並べ替えた場合における隣接画像間での仮イベント特徴量の変化量と、隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、複数の画像中のイベントを最もよく表すイベント特徴量として選択するイベント特徴量選択手段と、複数の画像におけるイベント特徴量の値の分布に基づいて、複数の画像を分類する画像分類手段とを設けたことを特徴とするものである。
本発明の画像分類プログラムは、上記の画像分類方法をコンピュータに実行させるためのもの、言い換えると、コンピュータを上記の画像分類装置の各手段として機能させるものである。
次に本発明の画像分類方法、装置、およびプログラムの詳細について説明する。
「画像中のイベント」とは、その画像中に表現された出来事、状況、文脈等を意味し、その画像の主題とは必ずしも一致しない。例えば、運動会のリレー競技で走っている子どもの画像の場合、主題は子どもであるが、イベントは運動会となる。
「複数の種類の画像解析処理を行うことによって得られる複数の特徴量」の具体例としては、画像の色、輝度、テキスチャ、奥行き、画像中のエッジ等を表すものが考えられる。
また、「複数の特徴量」には、画像中の背景領域に対して画像解析処理を行うことによって得られる特徴量が含まれていることが好ましい。例えば、運動会というイベントの場合、主題部分となる可能性が高い競技者の状態は人物や競技によって変化する可能性が高いが、背景部分にある、空や校舎、グラウンド、応援する生徒達等は、主題部分が変化しても変化しない可能性が高い。したがって、背景領域に対する画像解析によって得られる特徴量は、画像中のイベントをより的確に表現している可能性が高いと考えられる。なお、「背景領域」の認識方法は、例えば、画像の周辺部の所定の範囲の領域を固定的に背景領域と認識するものであってもよいし、画像中のエッジ成分が検出されない領域を背景領域と認識するものであってもよい。
「仮イベント特徴量」は、上記の特徴量の1つであってもよいし、2以上の上記の特徴量を組み合わせたもの、例えば、2以上の上記の特徴量の各々に重みづけ係数を乗じたものの総和や、上記の複数の特徴量からn個(n≧2)の特徴量を抽出する組合せの各々において、各組合せのn個の特徴量の積にさらに重みづけ係数を乗じたものの総和、2以上の上記の特徴量の各々を累乗したものに重みづけ係数を乗じたものの総和等であってもよい。
本発明では、画像間の撮影時間間隔が長ければ、その画像間で画像中のイベントが異なっている可能性が高いことを前提としているので、「複数の画像を時系列に並べ替えた場合における隣接画像間での仮イベント特徴量の変化量と、隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、複数の画像中のイベントを最もよく表すイベント特徴量として選択」する。
ここで、「所定の基準」の具体例としては、最も高い正の相関を示すことや、正の相関性が高いものから順に並べたときに所定の順位以内であること、相関係数が所定の閾値以上であること等が考えられる。
「複数の画像におけるイベント特徴量の値の分布に基づいて、複数の画像を分類する」方法の具体例としては、複数の画像をイベント特徴量の値の順に並べ替えたときの隣接する画像間でのイベント特徴量の差が所定の閾値以下の場合には同じグループと判定する処理を各画像間で繰り返し行う方法が考えられる。
なお、本発明において「イベント特徴量」に基づいて分類された各グループがどのようなイベントを意味するかについては、ユーザの解釈に委ねられる。
本発明によれば、複数の画像の各々に対して複数の種類の画像解析処理を行うことによって得られる複数の特徴量に基づいて得られた複数の種類の仮イベント特徴量のうち、複数の画像を時系列に並べ替えた場合における隣接画像間での仮イベント特徴量の変化量と、隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、複数の画像中のイベントを最もよく表すイベント特徴量として選択するので、選択されたイベント特徴量は、画像に表現されたイベントの時系列的な変化を最もよく表すものとなる。したがって、複数の画像におけるイベント特徴量の値の分布に基づいて、複数の画像を分類することにより、分類対象の複数の画像の画像群としての特性に応じた、より適切な分類基準に基づくイベント毎の自動分類が実現される。
また、仮イベント特徴量のもとになる、画像解析による特徴量に、画像中の背景領域に対して画像解析処理を行うことによって得られる特徴量を含むようにした場合には、画像中の背景領域は、その画像のイベントを表現する可能性が高いので、背景領域の特性がより的確に反映されたイベント特徴量に基づいて画像の分類を行うことにより、画像に表現されたイベントをより的確に反映した分類結果が得られる。
以下、図面を参照して本発明の実施形態について説明する。
図1は本発明の実施形態となる画像分類装置を備えた写真プリントの注文受付装置の外観斜視図である。図1に示すように、本発明の実施形態となる注文受付装置1は、ユーザによる画像のプリント注文を受け付けるために写真店の店頭に設置されるものであり、プリント注文するための画像が記録された各種メモリカード2を装填し、メモリカード2から画像を読み出したり、メモリカード2に画像を記録したりするための複数種類のカードスロット4と、プリント注文のための各種表示を行う表示部6とを備えている。また、この注文受付装置1は、顧客からの注文に基づいて写真プリントを行うプリンタ8、および画像に対する画像処理やプリント注文の管理を行うためのデジタルイメージコントローラ(DIC)10とネットワーク経由で接続されている。なお、表示部6はタッチパネル式の入力部18を備え、ユーザは表示部6の表示にしたがって表示部6にタッチすることにより、プリント注文や画像分類に必要な入力を行うことができる。
図2は本発明の実施形態による注文受付装置1の構成を示す概略ブロック図である。図2に示すように、注文受付装置1は、画像を表す画像データの記録制御および表示制御等の各種制御を行うとともに、装置1を構成する各部の制御を行うCPU12と、装置1を動作させるための基本的なプログラムおよび各種係数等が記録されているROM並びにCPU12が処理を実行する際の作業領域となるRAMにより構成されるシステムメモリ14と、種々の指示を装置1に対して行うためのタッチパネル式の入力部18と、上述した表示部6とを備える。
また、注文受付装置1は、上述したカードスロット4のメモリカード2から読み出した画像、CPU12が実行する、画像のプリント注文や分類を行うための各種プログラムや、分類条件等の参照データ等を記録するハードディスク24と、システムメモリ14、カードスロット4、カードリーダ5およびハードディスク24を制御するメモリ制御部16と、表示部6の表示を制御する表示制御部26と、入力部18による入力を制御する入力制御部22と、装置1をプリンタ8、およびDIC10とネットワークを介して通信するためのネットワークインターフェース30とを備える。
なお、カードスロット4はメモリカード2の種類に応じて複数用意されているが、図2においては1つのカードスロット4のみを示している。
注文受付装置1で行われる後述の処理は、ハードディスク24に記憶されている各種プログラムが実行されることによって実現される。なお、ハードディスク24への各種プログラムの記憶は、この各種プログラムが記録されたCD−ROM等のコンピュータが読取可能な記録媒体からインストールすることによってなされる。また、各種プログラムは、注文受付装置1で行われる処理全体を制御するメインプログラムと、メインプログラムから必要に応じて呼び出される、注文処理や画像分類処理を行うサブプログラム等とからなる。
このような注文受付装置1におけるプリント注文は以下のようにして行われる。図3は注文受付装置1の表示部6に表示される初期画面を示す図である。この画面はメインプログラムの制御によって表示される。図3に示すように初期画面40には、プリント注文を行うためのプリント注文ボタン40A、および後述するように画像の分類を行うための画像分類ボタン40Bが表示されている。ここで、ユーザがプリント注文ボタン40Aを選択した場合、CPU12では、メインプログラムからプリント注文処理サブプログラムが呼び出され、このサブプログラムによる処理が実行される。ユーザが画面に表示される指示にしたがって複数の画像を記録したメモリカード2をカードスロット4に装填すると、装置1では、メモリカード2から複数の画像を読み出して一時的にハードディスク24に保存し、さらに、複数の画像の一覧を表示部6に表示する
ユーザは表示部6に表示された画像の一覧からのプリント注文を行う画像の選択、注文枚数および注文サイズの設定をタッチパネル方式の入力部16を用いて行う。そして、ユーザがプリント実行の指示を入力部16を用いて行うと、ユーザが選択した画像、並びに注文枚数および注文サイズを表す注文情報がDIC10に送信され、ここで画質を向上させるために必要な画像処理が画像に対して施され、注文情報に応じた注文枚数および注文サイズによりプリント注文した画像がプリンタ8からプリント出力される。
ユーザは表示部6に表示された画像の一覧からのプリント注文を行う画像の選択、注文枚数および注文サイズの設定をタッチパネル方式の入力部16を用いて行う。そして、ユーザがプリント実行の指示を入力部16を用いて行うと、ユーザが選択した画像、並びに注文枚数および注文サイズを表す注文情報がDIC10に送信され、ここで画質を向上させるために必要な画像処理が画像に対して施され、注文情報に応じた注文枚数および注文サイズによりプリント注文した画像がプリンタ8からプリント出力される。
次に、本発明の実施形態における画像分類の処理について説明する。この処理は、ユーザが図3の初期画面で画像整理ボタン40Bを選択することにより、メインプログラムから画像分類サブプログラムが呼び出され、実行されることによって実現される。
図4は、本発明の実施形態となる画像分類処理における主なデータの流れと機能を模式的に表したブロック図である。図に示したように、画像の入力を受け付ける画像入力部51と、既定の分類条件を分類条件テーブルT1から取得する分類条件取得部52と、取得された既定の分類条件に基づき、入力された画像の分類を行う画像分類部53と、画像の分類結果を表示部6に表示させる分類結果表示部54と、分類結果の選択を受け付ける分類結果選択部55と、選択された分類結果をメモリカード2に記録する分類結果記録部56とによって、この画像分類処理が実現される。
画像入力部51は、表示部6に「メモリカードを挿入してください」等のメモリカード2のカードスロット4への挿入を促すメッセージを表示させ、メモリカード2がカードスロット4に挿入されると、挿入されたメモリカード2から画像ファイルを読み込み、装置1のハードディスク24に一時的に記憶させる。
分類条件テーブルT1には、以下の4つの分類条件が予め登録されている。
(1) イベント特徴量
(2) 撮影日付、撮影時刻
(3) 撮影場所
(4) 人物
この分類条件テーブルT1に登録されている既定の分類条件にしたがった画像分類処理の具体例については後述する。
(1) イベント特徴量
(2) 撮影日付、撮影時刻
(3) 撮影場所
(4) 人物
この分類条件テーブルT1に登録されている既定の分類条件にしたがった画像分類処理の具体例については後述する。
分類条件取得部52は、分類条件テーブルT1に登録されている既定の分類条件を先頭から1件ずつ読み込み、画像分類部53に引き渡す。具体的には、分類条件取得部52によって分類条件テーブルT1から読み込まれた分類条件は、システムメモリ14の所定の領域(以下、分類条件メモリと呼ぶ)に記憶される。
画像分類部53は、分類条件メモリに記憶されている分類条件を読み込み、読み込まれた分類条件に基づいて、画像入力部51によって入力された複数の画像を1以上のグループに分類する処理を行う。この処理によって分類された各グループは、画像ファイルの論理的な格納場所、すなわち、フォルダ(ディレクトリパス)に対応づけられる。
ここで、分類条件テーブルT1に予め登録されている4つの分類条件に基づく処理に詳細について説明する。
図5は、第1の分類条件である、本発明の実施形態となる「イベント特徴量」に基づく分類処理の際の主なデータの流れと機能を模式的に表したブロック図である。図に示したように、この分類処理は、複数の画像P[n](n=1,2,...,Nとし、これが撮影順を表すものとする)の各々に対してM種類の画像解析処理を行い、画像毎にM種類の特徴量gm[n](m=1,2,...,M)を取得する第1〜第M画像処理部53A−1〜53A−Mと、M種類の特徴量gm[n]を用いて、画像毎にJ種類の仮イベント特徴量Evj[n](j=1,2,...,J)に展開する仮イベント特徴量展開部53Bと、各画像の撮影日時と仮イベント特徴量Evj[n]に基づいて、隣接する画像P[n]とP[n+1]の間での撮影時間間隔△T[n,n+1]、および、各仮イベント特徴量の変化量△Evj[n,n+1]とを算出する差分算出部53Cと、撮影時間間隔△T[n,n+1]と各仮イベント特徴量の変化量△Evj[n,n+1]との間の相関係数Rjを算出する相関係数算出部53Dと、相関係数が最大となる仮イベント特徴量をイベント特徴量EvS[n]に決定するイベント特徴量決定部53Eと、画像P[n]におけるイベント特徴量EvS[n]の値の分布に基づいて、画像P[n]を1以上のグループに分類し、画像P[n]とグループ識別子Group-k(k=1,2,...,K)との対応づけを行うグルーピング処理部53Fとによって実現される。
第m画像解析部53A−mは、N枚の画像P[1]、P[2]、・・・、P[N]の各々に対して、所定の画像解析処理を行い、特徴量gm[1]、gm[2]、・・・、gm[N]を算出する。第1から第Mまでの各画像解析部53A−1から53A−Mは、画像解析の種類が異なるものの、上記と同様の処理を行う。したがって、ある画像P[n]に対して、第1から第Mまでの各画像解析部53A−1から53A−Mによって、M種類の画像解析処理が行われ、g1[n]、g2[n]、・・・、gM[n]のM種類の特徴量が得られる。すなわち、N枚の画像P[1]、P[2]、・・・、P[N]からは、g1[1]、g2[1]、・・・、gM[1]、g1[2]、g2[2]、・・・、gM[2]、・・・、g1[N]、g2[N]、・・・、gM[N]の、M(種類)×N(画像)個の特徴量が算出される。
ここで、各画像解析部で行われる、色、輝度、テキスチャ、奥行き、エッジ等の特徴量を求める処理の具体例について説明する。
まず、色の特徴量の具体例としては、代表色、ユニーク色、最明色、平均色バランス、色分散等が挙げられる。
代表色とは、各画像P[n]中で最も出現頻度の高い色であり、3次元ヒストグラム等から求めることができ、R,G,Bの信号値で表現することができる。代表色は、最も一般的な色の特徴量の1つであり、例えば、赤いじゅうたんが敷かれた会議室、緑色の壁のコンサート会場、黄色いドレスの主人公(主被写体)等のイベントを表しうる。
ユニーク色とは、分類対象の画像群との相対的な関係において、その画像に特有の色であり、例えば、各画像P[n]中での出現頻度が所定のレベル以上(例えば、画像内で100番以内の出現頻度)で、すべての画像P[1]、P[2]、・・・、P[N]中での出現頻度が所定のレベル以下(例えば、全画像中で1000番以下の出現頻度)の色と定義することができ、代表色と同様に、3次元ヒストグラム等から求めることができ、R,G,Bの信号値で表現することができる。このユニーク色は、前記の代表色に比べて、分類上、より特徴的なイベントを表しうる。
最明色とは、各画像P[n]中で最も輝度の高い画素または画像領域の色であり、R、G、Bの信号値で表すことができる。これは光源の色に対応し、例えば、夕焼けの野球場やタングステン電球の食堂等のイベントを表しうる。
平均色バランスとは、各画像P[n]中でのR、G、Bのチャンネル毎の信号値の平均であり、最明色と同様に、光源の色を反映しうる。
色分散とは、R、G、Bのチャンネル毎に求めた信号値の平均からの偏差である。これは、画像中の色の多様さを表すことから、例えば、モノトーンで地味なイベント(曇天の雪景色での雪合戦)と派手な色が多いイベント(カラフルなウエアが多いゲレンデでのスキー)とを識別しうる。
次に、輝度の特徴量の具体例としては、輝度分散、最大輝度値、最小輝度値、輝度レンジ等が挙げられる。
輝度分散とは、各画像P[n]中の各画素の輝度値の平均からの偏差であり、明るさの多様さを表す。最大/最小輝度値とは各画像P[n]中の各画素の輝度の最大/最小値で、輝度レンジとは最大輝度値と最小輝度値の差であり、これらは、輝度分布を表す。これらの輝度の特徴量は、画像のコントラストに関係し、一般的に、晴天の屋外(値が大きい)、曇天の屋外や室内(値が小さい)等のイベントを表しうる。
次に、テキスチャの特徴量の具体例としては、ピーク周波数、ピーク周波数スペクトル強度、高周波成分比率、中周波成分比率等が挙げられる。
ピーク周波数は、各画像P[n]の画像データをフーリエ変換等によって空間周波数領域に変換した後、特定のピーク成分を検出することによって求められる。これは画像中の特徴的なパターンに対応し、例えば、縞模様からシマウマの縞が写りこんだ動物園見学の画像をグループ化したり、格子パターンからビルの窓格子が写りこんだ東京都庁訪問の画像をグループ化したり、レンガブロックのパターンから皇居前でのジョギングの様子が撮影された画像をグループ化したり、波のパターンから湘南海岸でのサーフィンの様子が撮影された画像をグループ化したりすることができる。なお、ピーク周波数スペクトル強度は、上記のピーク周波数のスペクトル強度であり、ピーク周波数に対する補助的な特徴量として利用することができる。
高/中周波成分比率とは、各画像P[n]の画像データを空間周波数領域に変換した後の、特定の高/中周波成分の比率であり、例えば、高周波成分の比率が高くなる木の枝や葉の構造が写りこんだジャングル探検の画像をグループ化したり、高周波成分の比率が低く、中低周波成分の比率が高くなる波・雲等が写りこんだ海水浴の画像をグループ化したりすることができる。
次に、奥行きの特徴量の具体例としては、画像中の複数の放射状構造線のなす角度や相似形オブジェクトの長さの比等が挙げられる。
複数の放射状構造線のなす角度とは、各画像P[n]から道路のラインや建物の辺等の消失点に向かう直線を複数検出し、2つの直線のなす角度を求めたものであり、例えば、道路が消失点に向かって遠くに延びる自動車でのドライブを撮影した画像と、放射状の構造線が存在しない室内を撮影した画像とを分類しうる。
相似形オブジェクトの長さの比とは、各画像P[n]から人や立ち木等の複数の相似形オブジェクトを検出し、その長さの比を求めたものであり、遠景が写りこんだ画像(長さの比が大きい)と近景のみの画像(長さの比が小さい)とを分類しうる。
次に、エッジの特徴量の具体例としては、各画像P[n]から検出された連続エッジ(曲線、直線)の形状特徴量が挙げられる。
この形状特徴量は、例えば、曲線にフィッティングする関数(ベジェ曲線等)を求め、その係数を特徴量とすることにより、球体を検出することができるので、ガスタンクが写りこんだ画像や運動会の大玉送りの玉が写りこんだ画像をグループ化することができる。
また、画像の背景領域の特徴量を求める処理として、画像の周辺部の所定の範囲の領域のみに対して前記の特徴量を求める処理や、画像中においてエッジ成分が検出されない所定の面積以上の領域に対して前記の特徴量を求める処理も行ってもよい。
仮イベント特徴量展開部53Bは、下の式(1)により、画像P[n]についての特徴量g1[n]、g2[n]、・・・、gM[n]と、予め定められた複数の重みづけ係数am[j],bm[j],cm[j](j=1,2,・・・,J)のJ種類の組合せに基づいて、画像P[n]についてのJ種類の仮イベント特徴量Ev1[n]、Ev2[n]、・・・、EvJ[n]を求める。
Evj[n] = (a1[j]・g1[n]+a2[j]・g2[n]+...+aM[j]・gM[n])
+(b1[j]・g1[n]・g2[n]+ b2[j]・g2[n]・g3[n]+...+ bM-1[j]・gM-1[n]・gM[n])
+(c1[j]・g1[n]2+ c2[j]・g2[n]2+...+ cM[j]・gM[n]2)
(1)
例えば、j=1の係数が、a1[1]=1、a2[1]=a3[1]=・・・=aM[1]=b1[1]=b2[1]=・・・=bM-1[1]=c1[1]=c2[1]=・・・=cM[1]=0と定められていたとすると、
Ev1[n]=g1[n]
となり、これは第1画像解析部53A−1で得られる特徴量のみからなる仮イベント特徴量を表す。
+(b1[j]・g1[n]・g2[n]+ b2[j]・g2[n]・g3[n]+...+ bM-1[j]・gM-1[n]・gM[n])
+(c1[j]・g1[n]2+ c2[j]・g2[n]2+...+ cM[j]・gM[n]2)
(1)
例えば、j=1の係数が、a1[1]=1、a2[1]=a3[1]=・・・=aM[1]=b1[1]=b2[1]=・・・=bM-1[1]=c1[1]=c2[1]=・・・=cM[1]=0と定められていたとすると、
Ev1[n]=g1[n]
となり、これは第1画像解析部53A−1で得られる特徴量のみからなる仮イベント特徴量を表す。
また、j=2の係数が、a1[2]=a2[2]=・・・=aM[2]=1、b1[2]=b2[2]=・・・=bM-1[2]=c1[2]=c2[2]=・・・=cM[2]=0と定められていたとすると、
Ev2[n]=g1[n]+g2[n]+...+gM[n]
となり、これは、第1〜第M画像解析部53A−1〜53A−Mの各々で得られる特徴量の総和からなる仮イベント特徴量を表す。
Ev2[n]=g1[n]+g2[n]+...+gM[n]
となり、これは、第1〜第M画像解析部53A−1〜53A−Mの各々で得られる特徴量の総和からなる仮イベント特徴量を表す。
なお、重みづけ係数を予め定める際には、上記の画像の背景領域の特徴量に対する重みづけを大きくすることが好ましい。
この仮イベント特徴量展開部53Bによって、N枚の画像P[1]、P[2]、・・・、P[N]の各々についての特徴量g1[1]、g2[1]、・・・、gM[1]、g1[2]、g2[2]、・・・、gM[2]、・・・、g1[N]、g2[N]、・・・、gM[N]から、画像毎にJ種類の仮イベント特徴量Ev1[1]、Ev2[1]、・・・、EvJ[1]、Ev1[2]、Ev2[2]、・・・、EvJ[2]、・・・、Ev1[N]、Ev2[N]、・・・、EvJ[N]が得られる。
差分算出部53Cは、各画像の画像ファイルのExifタグに記録されている撮影日時を取得し、隣接する画像P[n]とP[n+1]の間での撮影時間間隔△T[n,n+1]を算出するとともに、隣接する画像P[n]とP[n+1]の間での各仮イベント特徴量の変化量△Ev1[n,n+1]、△Ev2[n,n+1]、・・・、△EvJ[n,n+1]を算出する。この処理を画像P[1]、P[2]、・・・、P[N]の隣接画像間の各々で行うことにより、△T[1,2]、△Ev1[1,2]、△Ev2[1,2]、・・・、△EvJ[1,2]、△T[2,3]、△Ev1[2,3]、△Ev2[2,3]、・・・、△EvJ[2,3]、・・・、△T[N-1,N]、△Ev1[N-1,N]、△Ev2[N-1,N]、・・・、△EvJ[N-1,N]が算出される。なお、ここでは、画像P[1]、P[2]、・・・、P[N]が撮影日時の時系列順に並んでいることを前提としているが、そうでない場合には、この差分算出部53Cの処理前に、各画像ファイルのExifタグに記録されている撮影日時を取得し、撮影日時の昇順に並べ替える処理を行っておく。
相関係数算出部53Dは、各仮イベント特徴量について、隣接画像間における撮影時間間隔と仮イベント特徴量の変化量の組(△T[1,2], △Evj[1,2])、(△T[2,3], △Evj[2,3])、・・・、(△T[N-1,N], △Evj[N-1,N])から、隣接画像間における撮影時間間隔と仮イベント特徴量の変化量の間の相関係数Rjを算出する。したがって、(△T[1,2], △Ev1[1,2])、(△T[2,3], △Ev1[2,3])、・・・、(△T[N-1,N], △Ev1[N-1,N])から相関係数R1が算出され、(△T[1,2], △Ev2[1,2])、(△T[2,3], △Ev2[2,3])、・・・、(△T[N-1,N], △Ev2[N-1,N])から相関係数R2が算出され、同様の処理が、(△T[1,2], △EvJ[1,2])、(△T[2,3], △EvJ[2,3])、・・・、(△T[N-1,N], △EvJ[N-1,N])から相関係数RJが算出されるまで繰り返され、結果的に、仮イベント特徴量毎にJ個の相関係数R1、R2、・・・、RJが算出される。
イベント特徴量決定部53Eは、仮イベント特徴量毎の相関係数R1、R2、・・・、RJのうち、最大のものRSを抽出し、これに対応する仮イベント特徴量EvS[1]、EvS[2]、・・・、EvS[N]を、各画像P[1]、P[2]、・・・、P[N]の各々についてのイベント特徴量に決定する。なお、本実施形態では、相関係数が最大となるもののみをイベント特徴量としたが、例えば、相関係数が高いものから順に所定の数だけイベント特徴量を選択し、選択された各イベント特徴量による分類結果をユーザが選択できるようにしてもよい。
グルーピング処理部53Fは、各画像P[1]、P[2]、・・・、P[N]のイベント特徴量EvS[1]、EvS[2]、・・・、EvS[N]を、このイベント特徴量についての数直線上に配置し、隣接する2つの画像についてのこのイベント特徴量の大小に応じて画像を1以上のグループに分類する。具体的には、この数直線上での隣接画像間でのこのイベント特徴量の差が所定の閾値よりも大きい場合に、その隣接画像間にグループの境界を設けるようにして、分類を行う。このグルーピング処理の結果は、各画像と各グループを識別するグループ識別子とを対応づけて、(P[1], Group-1)、(P[2], Group-1)、(P[3], Group-2)、・・・、(P[N], Group-K)というようにして表すことができる。ここで、Group-k(k=1,2,...,K)はグループ識別子であり、この例では、画像P[1]からP[N]がK個のグループに分類されたことを表している。
ここで、上記のイベント特徴量を用いた分類の考え方について説明する。例えば、ある仮イベント特徴量Evj1[n]について、縦軸を仮イベント特徴量、横軸を撮影順とする座標平面上に、入力された複数の画像の各々についての仮イベント特徴量Evj1[n](n=1,2,...,N)の時系列的な分布を表すと、図7(a)のように、連続する複数の画像毎にグループ(A〜E)を形成したものとなったとすれば、この仮イベント特徴量Evj1[n]は、この入力画像をイベント毎に分類するのに好ましいものであると考えられる。一方、ある仮イベント特徴量Evj2[n]についても同様の時系列的な分布を表すと、図7(b)のように、ランダムな分布になったとすれば、この仮イベント特徴量Evj2[n]は、この入力画像をイベント毎に分類するのには好ましいものではないと考えられる。上記の分類方法では、これらの分布パターンを識別するために、「画像間の撮影間隔が長いほど、その画像間でイベントが異なっている可能性が高い」ことを前提とし、入力画像を時系列に並べたときの隣接画像間における撮影間隔と仮イベント特徴量の差とが最も高い正の相関を示す仮イベント特徴量を、入力された複数の画像に表現されたイベント毎に分類するのに最適なイベント特徴量として選択し、選択されたイベント特徴量の分布に応じて、入力画像の分類を行っている。図7(c)は、図7(a)の好ましい仮イベント特徴量Evj1[n]と、図7(b)の好ましくない仮イベント特徴量Evj2[n]の各々について、前記の撮影間隔と仮イベント特徴量の差との間の相関関係を表したものである。図7(c)に示したように、より好ましい仮イベント特徴量の場合に、前記の撮影間隔と仮イベント特徴量の差とは、より高い正の相関を示す。なお、図7(a)の場合、イベント特徴量Evj1[n]に応じた分類結果では、グループBとDは同一グループとなる。例えば、グループBには去年の運動会の画像が含まれ、グループDには今年の運動会の画像が含まれる場合、これらの2つのグループは、運動会という1つのグループに統合されて分類される。
次に、第2の分類条件である「撮影日付、撮影時刻」に基づく分類処理では、画像分類部53は、入力された画像ファイルのExifタグに記録されている撮影日時を取得し、各画像の撮影日時を時間軸上に配置し、撮影日時が隣接する2つの画像についての撮影間隔の大小に応じて画像を複数のグループに分類する手法(特開2000−112997号公報参照)、撮影日時が隣接する画像間の撮影間隔が所定の閾値よりも大きい場合にその画像の間をグループの境界とする手法(特開2001−228582号公報)等を用いて、撮影日付、撮影時刻に基づく分類を行う。なお、入力された画像を、撮影日時のうちの撮影年月の値毎に、「2006年1月」、「2006年2月」というように単純に分類してもよい。また、例えば、「2006年」等の撮影年のグループの中に「1月」、「2月」等の撮影月のグループを作成するなどして、階層的にグループ化してもよい。
第3の分類条件である「撮影場所」に基づく分類処理では、画像分類部53は、入力された画像ファイルのExifタグに記録されている撮影場所を表すGPS情報(緯度・経度)を取得し、取得された各画像ファイルの緯度・経度を、縦軸を緯度、横軸を経度とする座標平面上にプロットしたものを画像(以下、プロット画像という)として捉え、プロット画像に対して膨張処理を行うことによって連結領域を形成し、連結領域に対してラベリング処理を行うことによってグループ化を行う(例えば、特開2005−49968号公報参照)。ここで、GPS情報に基づいて分類された各グループには、「撮影場所1」「撮影場所2」というようなグループ名を付してもよいし、GPS情報と地名を対応づける参照テーブルを予め用意しておき、各グループのGPS情報に対応する地名を参照テーブルから取得し、取得された地名をグループ名としてもよい。なお、この撮影場所による分類は、撮影時等に画像に対する付帯情報としてGPS情報が記録されていることが前提となっているので、分類対象の画像にGPS情報が付帯していない場合には、この分類条件による処理は行わない。
第4の分類条件である「人物」に基づく分類処理では、画像分類部53は、入力された画像ファイルを順次読み込み、画像中の顔領域の検出を行い、さらに、検出された顔の類似性を判定し、類似する顔の画像をグループ化する。ここで、顔領域の検出は、AdaBoost等のマシンラーニングによって得られた識別器を用いた方法(例えば特開2005−108195号公報)、顔の類似性の判定は、顔領域から抽出された目、鼻、口等の特徴点の位置、形状、サイズ等を表す特徴ベクトル(特徴量)を求め、各顔画像間での特徴ベクトルの統計的距離に基づいて顔画像のグルーピングを行う方法(例えば特開平09−251534号公報)等の公知の技術を利用することが可能である。
以上のような画像分類部53によって行われた分類の結果としては、画像ファイル名と、そのファイルが属するグループ名(フォルダ名)とが対応づけられたリスト形式のものが考えられる。
分類結果表示部56は、画像分類部53で行われた既定の分類条件による分類結果を表示部6に順次表示させる。図8は、分類結果を表示した分類結果表示画面の一例である。図に示したように、分類結果表示画面41は、既定の分類条件に基づく複数の分類結果の表示を切り換えるための「分類結果n」ボタン41A−n(n=1,2,3,4、図では、第3の分類条件「撮影場所」による分類が行われなかったため、分類結果が3つになった場合を示している)と、画像分類部53によって分類されたフォルダを表示するフォルダ領域41Bと、フォルダ領域41Bにおいてユーザによって選択されたフォルダ内の画像ファイルを読み込んで、サムネイル画像を表示するサムネイル画像領域41Cと、現在表示されている分類結果のタイトルを編集するための画面を表示させる「タイトルの編集」ボタン41Dと、フォルダ領域41Bにおいてユーザによって選択されたフォルダの名前を編集するための画面を表示させる「フォルダ名の編集」ボタン41Eと、入力画像の分類方法を現在表示されている分類結果に対応するものに確定する「この分類結果に決定」ボタン41Fと、画像分類メニューでの作業を終了する「終了」ボタン41Gとから構成されている。
ここで、フォルダ領域41Bには、分類結果のリストの各ファイルが属するフォルダ名の情報に基づいて、フォルダの分類の階層を視覚化した表示が行われる。
「タイトルの編集」ボタン41Dに対するタッチが検出された場合には、タイトル編集画面が表示部6に表示される。タイトル編集画面は、定型的なタイトルからの選択を行うためのユーザインターフェースと、仮名やアルファベット等の文字ボタンを用いて自由にタイトルの入力を行うためのユーザインターフェースとを備えている。この画面で選択・入力されたタイトルは、分類結果表示画面41の所定の領域に表示される。
ユーザがフォルダ領域41Bに表示されているフォルダから、フォルダ名の変更を行いたいフォルダを選択してタッチした後、「フォルダ名の編集」ボタン41Eにタッチした場合には、フォルダ名編集画面を表示部6が表示される。フォルダ名編集画面は、定型的なフォルダ名からの選択を行うためのユーザインターフェースと、仮名やアルファベット等の文字ボタンを用いて自由にフォルダ名の入力を行うためのユーザインターフェースとを備えている。この画面で選択・入力されたフォルダ名は、分類結果表示画面41のフォルダ領域41Bやサムネイル画像表示領域41Cのフォルダ名の部分に反映される。
分類結果選択部55は、分類結果表示画面41の「この分類結果に決定」ボタン41Fに対するタッチを検出し、そのタッチが行われた時に分類結果表示画面41に表示されている分類結果と、それに対応する分類条件を特定する。
分類結果記録部56は、分類結果選択部55によって特定された分類結果に対応する分類結果リストをカードスロット4に装填されたメモリカード2に記録する。このとき、前記のタイトルの編集やフォルダ名の編集の内容も反映される。
次に、図6のフローチャートを用いて、本発明の実施形態となる画像分類処理の流れの概要について説明する。
ユーザが図3の初期画面で画像分類ボタン40Bを選択すると、画像入力部52が「メモリカードを装填してください」とのメッセージを表示部6に表示させ、ユーザが、メモリカード2をカードスロット4に装填すると、画像入力部52は、装填されたメモリカード2から複数の画像の画像ファイルを読み込んでハードディスク24に一時的に記憶させる(ステップS1)。
次に、分類条件取得部52は、分類条件テーブルT1を参照し、登録されている既定の分類条件の1件目を取得する(ステップS2)。
画像分類部54は、取得された第1の分類条件「イベント特徴量」に基づき、画像入力部52で入力された画像を、前述の方法で、イベント特徴量の分布に応じて1以上のグループに分類する(ステップS3)。
1件目の分類条件に基づく画像分類処理が完了したら、分類条件取得部53が再び分類条件テーブルT1を参照し、2件目の分類条件の取得を試み(ステップS4、S5;あり)、取得された第2の分類条件「撮影日付、撮影時刻」に基づき、画像入力部52で入力された画像を、前述の方法で、撮影日付、撮影時刻が近似するものをグループ化する(ステップS3)。以下、同様にして、3件目の分類条件の取得(ステップS4、S5;あり)、第3の分類条件「撮影場所」に基づいた撮影場所の近似するものをグループ化する画像分類処理(ステップS3)、4件目の分類条件の取得(ステップS4、S5;あり)、第4の分類条件「人物」に基づいた顔の特徴量の近似するものをグループ化する画像分類処理(ステップS3)を行い、次の分類条件の取得(ステップS4)で該当なしとなり(ステップS5;なし)、次の処理へ移る。
次に、分類結果表示部54が、上記の第1の分類条件による分類結果(分類結果1)を表した分類結果表示画面41(図8参照)を表示部6に表示させる(ステップS6)。
ここで、ユーザは、必要に応じて、「分類結果2」ボタン41A−2、「分類結果3」ボタン41A−3にタッチして他の分類結果に表示を切り替えて比較検討を行ったり、「タイトルの編集」ボタン41Dにタッチすることによって表示されるタイトル編集画面でタイトルの編集を行ったり、フォルダ領域41Bの所望のフォルダと「フォルダ名の編集」ボタン41Eにタッチすることによって表示されるフォルダ名編集画面でフォルダ名の編集を行ったりし、その後、「この分類結果に決定」ボタン41Fにタッチすると(ステップS7;あり)、分類結果選択部55が分類結果表示画面41に表示されている分類結果、およびタイトル編集やフォルダ名編集の内容を特定し、分類結果記録部56は、特定された分類結果のリストをメモリカード2に記録する(ステップS8)。
なお、ユーザが、分類結果表示画面41において「終了」ボタン41Gにタッチした場合には(ステップS7;なし)、整理結果の記録は行わずに、初期画面40に戻る。
以上のように、本発明の実施形態となる、第1の分類条件「イベント特徴量」に基づく画像分類処理では、仮イベント特徴量展開部53Bが、第1〜第M画像解析部53A−1〜Mにおける、複数の画像P[n](n=1,2,...,N)に対する画像解析処理によって得られる複数の特徴量gm[n](m=1,2,...,M, n=1,2,...,N)に基づいて画像毎の複数の種類の仮イベント特徴量Evj[n](j=1,2,...,J, n=1,2,...,N)を取得し、相関係数算出部53Dが、差分算出部53Cによって算出された時系列的に隣接する画像P[n]とP[n+1]の間での仮イベント特徴量の変化量△Evj[n,n+1](j=1,2,...,J, n=1,2,...,N-1)と、撮影時間間隔△T[n,n+1](n=1,2,...,N-1)との間の相関係数Rj(j=1,2,...,J)を算出し、イベント特徴量決定部53Eが、相関係数の値が最大となる仮イベント特徴量をイベント特徴量EvS[n](n=1,2,...,N)として決定するので、このイベント特徴量EvS[n]は、画像入力部51から入力された複数の画像P[n]に表現されたイベントの時系列的な変化を最もよく表すものとなる。したがって、グルーピング処理部53Fが、複数の画像P[n](n=1,2,...,N)におけるイベント特徴量EvS[n](n=1,2,...,N)の値の分布に基づいて、複数の画像P[n]を分類することにより、分類対象の複数の画像の画像群としての特性に応じた、より適切な分類基準に基づくイベント毎の自動分類が実現される。
また、画像解析による特徴量gm[n]に、画像中の背景領域に対して画像解析処理を行うことによって得られる特徴量が含まれていたり、仮イベント特徴量に、この背景領域に関する特徴量に対してより大きい重みづけがなされた仮イベント特徴量が含まれていたりするので、その画像のイベントを表現する可能性が高い背景領域の特性がより的確に反映されたイベント特徴量EvS[n](n=1,2,...,N)に基づいて画像の分類を行うことにより、画像に表現されたイベントをより的確に反映した分類結果が得られる。
さらに、画像分類部53が、分類条件テーブルT1に登録されている複数の分類条件に基づいて、複数パターンの分類処理を行い、分類結果選択部55において、ユーザが複数の分類結果を選択できるようにしたので、ユーザの要求により合致した分類結果が得られる。
1 注文受付装置
2 メモリカード
4 カードスロット
6 表示部
8 プリンタ
10 DIC
12 CPU
14 システムメモリ
16 メモリ制御部
18 入力部
22 入力制御部
24 ハードディスク
26 表示制御部
30 ネットワークインターフェース
40 初期画面
41 分類結果表示画面
51 画像入力部
52 分類条件取得部
53 画像分類部
53A−1〜M 第1〜第M画像解析部
53B 仮イベント特徴量展開部
53C 差分算出部
53D 相関係数算出部
53E イベント特徴量決定部
53F グルーピング処理部
54 分類結果表示部
55 分類結果選択部
56 分類結果記録部
2 メモリカード
4 カードスロット
6 表示部
8 プリンタ
10 DIC
12 CPU
14 システムメモリ
16 メモリ制御部
18 入力部
22 入力制御部
24 ハードディスク
26 表示制御部
30 ネットワークインターフェース
40 初期画面
41 分類結果表示画面
51 画像入力部
52 分類条件取得部
53 画像分類部
53A−1〜M 第1〜第M画像解析部
53B 仮イベント特徴量展開部
53C 差分算出部
53D 相関係数算出部
53E イベント特徴量決定部
53F グルーピング処理部
54 分類結果表示部
55 分類結果選択部
56 分類結果記録部
Claims (4)
- 複数の画像の各々に対して複数の種類の画像解析処理を行うことによって得られる複数の特徴量のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量を画像毎に複数取得する仮イベント特徴量取得手段と、
該仮イベント特徴量取得手段によって取得された複数の前記仮イベント特徴量のうち、前記複数の画像を時系列に並べ替えた場合における隣接画像間での該仮イベント特徴量の変化量と、該隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、前記複数の画像中のイベントを最もよく表すイベント特徴量として選択するイベント特徴量選択手段と、
前記複数の画像における該イベント特徴量の値の分布に基づいて、前記複数の画像を分類する画像分類手段とを備えたことを特徴とする画像分類装置。 - 前記画像解析処理を行うことによって得られる複数の特徴量が、画像中の背景領域に対して1種類以上の画像解析処理を行うことによって得られる1以上の特徴量を含むものであることを特徴とする請求項1記載の画像分類装置。
- 複数の画像の各々に対して複数の種類の画像解析処理を行うことによって得られる複数の特徴量のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量を画像毎に複数取得し、
取得された複数の前記仮イベント特徴量のうち、前記複数の画像を時系列に並べ替えた場合における隣接画像間での該仮イベント特徴量の変化量と、該隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、前記複数の画像中のイベントを最もよく表すイベント特徴量として選択し、
前記複数の画像における該イベント特徴量の値の分布に基づいて、前記複数の画像を分類することを特徴とする画像分類方法。 - コンピュータを、
複数の画像の各々に対して複数の種類の画像解析処理を行うことによって得られる複数の特徴量のうちの1つの特徴量または2以上の特徴量の組合せからなる仮イベント特徴量を画像毎に複数取得する仮イベント特徴量取得手段と、
該仮イベント特徴量取得手段によって取得された複数の前記仮イベント特徴量のうち、前記複数の画像を時系列に並べ替えた場合における隣接画像間での該仮イベント特徴量の変化量と、該隣接画像間での撮影時間間隔とが、所定の基準を満たす程度に高い正の相関を示すものを、前記複数の画像中のイベントを最もよく表すイベント特徴量として選択するイベント特徴量選択手段と、
前記複数の画像における該イベント特徴量の値の分布に基づいて、前記複数の画像を分類する画像分類手段として機能させることを特徴とする画像分類プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006148113A JP2007317077A (ja) | 2006-05-29 | 2006-05-29 | 画像分類装置および方法ならびにプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006148113A JP2007317077A (ja) | 2006-05-29 | 2006-05-29 | 画像分類装置および方法ならびにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007317077A true JP2007317077A (ja) | 2007-12-06 |
Family
ID=38850861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006148113A Withdrawn JP2007317077A (ja) | 2006-05-29 | 2006-05-29 | 画像分類装置および方法ならびにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007317077A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010066938A (ja) * | 2008-09-10 | 2010-03-25 | Nec Corp | コンテンツ情報管理システム、方法、装置、及びプログラム |
WO2011001587A1 (ja) * | 2009-07-01 | 2011-01-06 | 日本電気株式会社 | コンテンツ分類装置、コンテンツ分類方法及びコンテンツ分類プログラム |
JP2011525012A (ja) * | 2008-06-02 | 2011-09-08 | イーストマン コダック カンパニー | デジタルコンテンツ記録のための意味論的イベント検出 |
JP2012509522A (ja) * | 2008-11-19 | 2012-04-19 | イーストマン コダック カンパニー | 事象毎に意味論的に分類する方法 |
JP2012104155A (ja) * | 2012-02-03 | 2012-05-31 | Casio Comput Co Ltd | 画像処理装置及び方法、並びにプログラム |
WO2012102015A1 (ja) * | 2011-01-28 | 2012-08-02 | パナソニック株式会社 | 画像データ処理装置、方法、プログラム及び集積回路 |
JP2013020608A (ja) * | 2011-06-11 | 2013-01-31 | Brother Ind Ltd | 表示処理装置、表示処理方法及びコンピュータプログラム |
JP2015049586A (ja) * | 2013-08-30 | 2015-03-16 | 日本電信電話株式会社 | 計測値分類装置及び方法及びプログラム |
JP5739428B2 (ja) * | 2010-08-04 | 2015-06-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカPanasonic Intellectual Property Corporation of America | 画像分類装置、方法、プログラム、プログラムを記録する記録媒体及び集積回路 |
JP2016018038A (ja) * | 2014-07-07 | 2016-02-01 | 大日本印刷株式会社 | 画像プリント装置及び注文受付端末 |
-
2006
- 2006-05-29 JP JP2006148113A patent/JP2007317077A/ja not_active Withdrawn
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011525012A (ja) * | 2008-06-02 | 2011-09-08 | イーストマン コダック カンパニー | デジタルコンテンツ記録のための意味論的イベント検出 |
JP2010066938A (ja) * | 2008-09-10 | 2010-03-25 | Nec Corp | コンテンツ情報管理システム、方法、装置、及びプログラム |
US8611677B2 (en) | 2008-11-19 | 2013-12-17 | Intellectual Ventures Fund 83 Llc | Method for event-based semantic classification |
JP2012509522A (ja) * | 2008-11-19 | 2012-04-19 | イーストマン コダック カンパニー | 事象毎に意味論的に分類する方法 |
WO2011001587A1 (ja) * | 2009-07-01 | 2011-01-06 | 日本電気株式会社 | コンテンツ分類装置、コンテンツ分類方法及びコンテンツ分類プログラム |
JP5739428B2 (ja) * | 2010-08-04 | 2015-06-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカPanasonic Intellectual Property Corporation of America | 画像分類装置、方法、プログラム、プログラムを記録する記録媒体及び集積回路 |
CN102893304A (zh) * | 2011-01-28 | 2013-01-23 | 松下电器产业株式会社 | 图像数据处理装置、方法、程序及集成电路 |
CN102893304B (zh) * | 2011-01-28 | 2016-02-10 | 松下电器(美国)知识产权公司 | 图像数据处理装置、方法、程序及集成电路 |
US8737726B2 (en) | 2011-01-28 | 2014-05-27 | Panasonic Corporation | Image data processing device, method, program and integrated circuit |
WO2012102015A1 (ja) * | 2011-01-28 | 2012-08-02 | パナソニック株式会社 | 画像データ処理装置、方法、プログラム及び集積回路 |
JP5890325B2 (ja) * | 2011-01-28 | 2016-03-22 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカPanasonic Intellectual Property Corporation of America | 画像データ処理装置、方法、プログラム及び集積回路 |
JP2013020608A (ja) * | 2011-06-11 | 2013-01-31 | Brother Ind Ltd | 表示処理装置、表示処理方法及びコンピュータプログラム |
US9645716B2 (en) | 2011-06-11 | 2017-05-09 | Brother Kogyo Kabushiki Kaisha | Display processing apparatus for controlling display, method of display processing, and nontransitory storage medium storing display processing program |
JP2012104155A (ja) * | 2012-02-03 | 2012-05-31 | Casio Comput Co Ltd | 画像処理装置及び方法、並びにプログラム |
JP2015049586A (ja) * | 2013-08-30 | 2015-03-16 | 日本電信電話株式会社 | 計測値分類装置及び方法及びプログラム |
JP2016018038A (ja) * | 2014-07-07 | 2016-02-01 | 大日本印刷株式会社 | 画像プリント装置及び注文受付端末 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007317077A (ja) | 画像分類装置および方法ならびにプログラム | |
US8274523B2 (en) | Processing digital templates for image display | |
JP6009481B2 (ja) | 画像処理装置、重要人物判定方法、画像レイアウト方法ならびにプログラムおよび記録媒体 | |
US8422794B2 (en) | System for matching artistic attributes of secondary image and template to a primary image | |
US8538986B2 (en) | System for coordinating user images in an artistic design | |
US8212834B2 (en) | Artistic digital template for image display | |
US8854395B2 (en) | Method for producing artistic image template designs | |
US8289340B2 (en) | Method of making an artistic digital template for image display | |
US8345057B2 (en) | Context coordination for an artistic digital template for image display | |
US20110029914A1 (en) | Apparatus for generating artistic image template designs | |
US20110029860A1 (en) | Artistic digital template for image display | |
US20120027311A1 (en) | Automated image-selection method | |
US8332427B2 (en) | Method of generating artistic template designs | |
US20120030575A1 (en) | Automated image-selection system | |
CN106454064A (zh) | 图像处理装置以及图像处理方法 | |
US20170293637A1 (en) | Automated multiple image product method | |
WO2013136637A1 (ja) | コンテンツ表示処理装置、コンテンツ表示処理方法、プログラム、及び集積回路 | |
JP7336211B2 (ja) | 画像処理装置、制御方法、及びプログラム | |
JP2008217479A (ja) | 画像配置方法及び装置 | |
JP7336209B2 (ja) | 画像処理装置、制御方法、及びプログラム | |
JP6197063B2 (ja) | 画像処理装置、重要人物判定方法、画像レイアウト方法ならびにプログラムおよび記録媒体 | |
JP5054339B2 (ja) | 画像分類装置および方法並びにプログラム | |
JP7451242B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2021149195A (ja) | プログラム、画像処理方法、及び画像処理装置 | |
US11978133B2 (en) | Image processing apparatus, image processing method, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20090804 |