JP2009037503A - 画像特徴抽出装置，画像特徴抽出方法，画像特徴抽出プログラム及びそのプログラムを格納した記録媒体、その画像特徴抽出装置を備えた画像類似度計算装置，画像類似度計算方法，画像類似度計算プログラム及びそのプログラムを格納した記録媒体 - Google Patents

Abstract

【課題】画像特徴抽出及び画像類似度計算において照明の影響を受けていた。
【解決手段】装置が、入力画像データに対して所定の画像補正を行い、画像補正された画像データを出力し（１０１）、次に、画像補正された画像データに対し、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像を生成し出力し（１０２）、そして、出力されたモルフォロジー処理後画像に特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像を出力し（１０３）、そして、出力された統合後画像に基づいて、画像特徴量を計算する（１０４）。その装置で計算された画像特徴量を使って、画像類似度を計算する。
【選択図】図１

Description

本発明は、画像認識技術に関するものである。

画像処理技術において、数多くの特徴抽出方法、認識方法が提案されている。その画像処理技術における一般的な課題として挙げられる照明変動，ノイズ，ボケ等への耐久性は、特徴抽出方法の能力によって概ね決定される。このため、必要に応じた様々なレベルの特徴抽出方法が提案されている。これらの特徴抽出方法は、基本的に照明変動の影響を低減するための低周波成分除去方法、ノイズの影響を軽減するための高周波成分カット（平滑化）方法を含む。これらの方法によって、対象のテクスチャ情報を効果的に利用するように工夫される。

例えば、自動車のナンバープレートのように、特徴が一定の幅の線で構成される対象（対象形状を含む画像データ）に対しては、モルフォロジー（例えば、特許文献１参照）フィルタの一つであるトップハット処理（例えば、非特許文献１参照）が有効である。この有効性は、トップハット処理が特定の「幅」を有するパターンを選択的に抽出できる手法であるためである。

さらに、照明変動の補正を行って、影やシェーディングに対する安定性を増す手法（例えば、特許文献２参照）も知られている。

一方、表面に凹凸を有する対象物体（例えば、人間の顔）の検出もしくは認識では、多くの場合、見かけの変形に着目した研究が行われている。しかし、実際には、変形への対策が行われた後も、照明変動の影響は残ったままである。このため、一般には、上述した特徴抽出方法を適宜に組み合わせて、特徴抽出処理を行う。
特開平８−２４９４４４号公報（段落［００２２］〜［００２６］等）。 特開平４−５２８７８号公報（ｐ６２８の第３欄１３行目〜ｐ６２９の第１欄２０行目等）。 小畑 秀文、「モルフォロジー」、初版、コロナ社、１９９６年１１月１５日、ｐ１０３等。

上述の特徴抽出方法においても、照明変動の影響をある程度軽減できる。実際に、低周波成分除去方法、高周波成分カット方法などは、不要な周波数成分が明らかな対象画像に有用である。また、上述のトップハット処理は、必要な情報のみを選択して抽出する処理である。このトップハット処理の結果として、不要な成分が利用されずに、除去されることになる。

しかし、対象物体の表面に凹凸を有していても、また、対象物体の表面が平面的であっても、その特徴抽出結果が照明の影響（例えば、部分的反射，スミア）を受けることもあり、その特徴抽出結果を用いた画像類似度計算にも影響を及ぼす。また、抽出したい特徴が対象画像データにおける位置毎に様々に異なることもある。

本発明は、前記課題に基づいてなされたものであって、照明の影響を排除して、画像特徴を抽出する画像特徴抽出装置，画像特徴抽出方法，画像特徴抽出プログラム及びそのプログラムを格納した記録媒体、その画像特徴抽出装置を備えた画像類似度計算装置，画像類似度計算方法，画像類似度計算プログラム及びそのプログラムを格納した記録媒体を提供することにある。

前記課題の解決を図るために、請求項１記載の発明は、対象物体の特徴抽出すべき形状の像を写した入力画像データを入力する画像入力部、を備え、該入力画像データの画像特徴量を計算し抽出する画像特徴抽出装置であって、前記画像入力部から入力された入力画像データに対して所定の画像補正を行い、その画像補正された画像データを出力する画像補正処理部と、前記画像補正処理部から出力された画像データに対し、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像データを生成し出力するモルフォロジー処理画像群生成処理部と、前記モルフォロジー処理画像群生成処理部から出力されたモルフォロジー処理後画像データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力する画像特徴統合処理部と、前記画像特徴統合処理部から出力された統合後画像データに基づいて、画像特徴量を計算する特徴量計算処理部と、を備えることを特徴とする。

請求項２記載の発明は、請求項１記載の発明において、前記画像補正処理部が、ユーザからの指定に応じて領域分けされた画像領域データを前記入力画像データから取得し、該画像領域データを出力する手段、を備え、前記モルフォロジー処理画像群生成処理部が、前記画像補正処理部から出力された画像領域データに対して、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像領域データを生成し出力する手段、を備え、前記画像特徴統合処理部が、前記モルフォロジー処理画像群生成処理部から出力されたモルフォロジー処理後画像領域データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力する手段と、を備えることを特徴とする。

請求項３記載の発明は、請求項１または２記載の発明において、前記モルフォロジー処理画像群生成処理部が、前記特徴抽出すべき形状の像を囲む矩形の短辺を形成する画素数と同じ値を有するパラメータｂを使って、前記トップハット処理を行う手段、を備えることを特徴とする。

請求項４記載の発明は、請求項１乃至３のいずれかに記載の画像特徴抽出装置と、該画像特徴抽出装置から出力される画像特徴量を格納する記憶部と、を備え、テンプレート画像データ及び入力画像データを入力し、該テンプレート画像データに対する該入力画像データの類似性を示す画像類似度を計算し出力する画像類似度計算装置であって、前記テンプレート画像データを前記画像特徴抽出装置に入力し、該画像特徴抽出装置から出力されたテンプレート画像特徴量を前記記憶部に格納するテンプレート画像特徴抽出部と、前記入力画像データを該画像特徴抽出装置に入力し、該画像特徴抽出装置から出力された入力画像特徴量を前記記憶部に格納する入力画像特徴抽出部と、前記テンプレート画像特徴量と前記入力画像特徴量に基づいて画像類似度を計算する画像類似度計算部と、を備えることを特徴とする。

請求項５記載の発明は、対象物体の特徴抽出すべき形状の像を写した入力画像データを入力する画像入力部、を備え、該入力画像データの画像特徴量を計算し抽出する装置に使用する画像特徴抽出方法であって、前記画像入力部から入力された入力画像データに対して所定の画像補正を行い、その画像補正された画像データを出力する画像補正処理ステップと、前記画像補正処理ステップで出力された画像データに対し、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像データを生成し出力するモルフォロジー処理画像群生成処理ステップと、前記モルフォロジー処理画像群生成処理ステップで出力されたモルフォロジー処理後画像データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力する画像特徴統合処理ステップと、前記画像特徴統合処理ステップで出力された統合後画像データに基づいて、画像特徴量を計算する特徴量計算処理ステップと、を有することを特徴とする。

請求項６記載の発明は、請求項５記載の発明において、前記画像補正処理ステップが、ユーザからの指定に応じて領域分けされた画像領域データを前記入力画像データから取得し、該画像領域データを出力するステップ、を有し、前記モルフォロジー処理画像群生成処理ステップが、前記画像補正処理ステップで出力された画像領域データに対して、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像領域データを生成し出力するステップ、を有し、前記画像特徴統合処理ステップが、前記モルフォロジー処理画像群生成処理ステップから出力されたモルフォロジー処理後画像領域データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力するステップと、を有することを特徴とする。

請求項７記載の発明は、請求項５または６記載の発明において、前記モルフォロジー処理画像群生成処理ステップが、前記特徴抽出すべき形状の像を囲む矩形の短辺を形成する画素数と同じ値を有するパラメータｂを使って、前記トップハット処理を行うステップ、を有することを特徴とする。

請求項８記載の発明は、請求項１乃至３のいずれかに記載の画像特徴抽出装置と、該画像特徴抽出装置から出力される画像特徴量を格納する記憶部と、を備え、テンプレート画像データ及び入力画像データを入力し、該テンプレート画像データに対する該入力画像データの類似性を示す画像類似度を計算し出力する装置に使用する画像類似度計算方法であって、前記テンプレート画像データを前記画像特徴抽出装置に入力し、該画像特徴抽出装置から出力されたテンプレート画像特徴量を前記記憶部に格納するテンプレート画像特徴抽出ステップと、前記入力画像データを該画像特徴抽出装置に入力し、該画像特徴抽出装置から出力された入力画像特徴量を前記記憶部に格納する入力画像特徴抽出ステップと、前記テンプレート画像特徴量と前記入力画像特徴量に基づいて画像類似度を計算する画像類似度計算ステップと、を有することを特徴とする。

請求項９記載の発明は、画像特徴抽出プログラムであって、コンピュータを請求項１乃至３のいずれかに記載の画像特徴抽出装置における各部及び各手段として機能させることを特徴とする。

請求項１０記載の発明は、画像類似度計算プログラムであって、コンピュータを請求項４に記載の画像類似度計算装置における各部として機能させることを特徴とする。

請求項１１記載の発明は、記録媒体であって、請求項９に記載の画像特徴抽出プログラムを記録したことを特徴とする。

請求項１２記載の発明は、記録媒体であって、請求項１０に記載の画像類似度計算プログラムを記録したことを特徴とする。

前記請求項１，５に記載の発明は、照明の影響（例えば、部分的な反射によって発生する局所的な白いスポット，スミアなどによる白い帯状の細い線）を画像特徴抽出から分離または排除できる。

前記請求項２，６に記載の発明は、ユーザからの指定に応じて領域分けされた画像領域に対して、照明の影響を画像特徴抽出から分離または排除できる。

前記請求項３，７に記載の発明は、最適にトップハット処理を実行できる。

前記請求項４，８に記載の発明は、照明の影響が排除された特徴量を抽出できる。

前記請求項９に記載の発明は、請求項１乃至４のいずれかに記載の画像特徴抽出装置をコンピュータプログラムとして記載できる。

前記請求項１０に記載の発明は、請求項５に記載の画像類似度計算装置をコンピュータプログラムとして記載できる。

前記請求項１１に記載の発明は、請求項９に記載の画像特徴抽出プログラムを記録媒体に記録できる。

前記請求項１２に記載の発明は、請求項１０に記載の画像類似度計算プログラムを記録媒体に記録できる。

以上示したように請求項１，５の発明によれば、照明の影響が排除されるため、必要な特徴量を安定して計算し抽出できる。

請求項２，６の発明によれば、ユーザからの指定に応じて領域分けされた画像領域に対して、必要な特徴量を安定して計算し抽出できる。

請求項３，７の発明によれば、特徴量を、さらに安定して計算し抽出できる。

請求項４，８の発明によれば、照明の影響を受けない、頑健な画像類似度を算出し、該類似度を用いた画像認識を行うことができる。

請求項９の発明によれば、画像特徴抽出装置としてコンピュータを動作させるコンピュータプログラムを提供できる。

請求項１０の発明によれば、画像類似度計算装置としてコンピュータを動作させるコンピュータプログラムを提供できる。

請求項１１の発明によれば、画像特徴抽出プログラムとしてコンピュータを動作させるコンピュータプログラムを記録した記録媒体を提供できる。

請求項１２の発明によれば、画像類似度計算プログラムとしてコンピュータを動作させるコンピュータプログラムを記録した記録媒体を提供できる。

これらを以って画像認識技術分野に貢献できる。

以下、本発明の実施形態における画像特徴抽出装置の構成を図１に基づいて説明する。図１中の画像特徴抽出装置１は、入力画像データ（例えば、対象物体の特徴抽出すべき形状の像を写した入力画像データ）を補正する画像補正処理部１０１，補正された画像（補正後画像データ）に対してモルフォロジー処理を行ってモルフォロジー処理後画像データを生成するモルフォロジー処理画像群生成処理部１０２，モルフォロジー処理後画像データを統合し、統合後画像データを生成する画像特徴統合処理部１０３，統合後画像データから画像特徴量を計算する特徴量計算処理部１０４を備え、入力画像Ｄ１１を入力データとし入力され、画像特徴量Ｄ１２を出力データとして出力する。

画像特徴抽出装置１は、演算し、各部を制御する制御部（図示省略；例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）），各部から出力される情報（データ）を記憶（あるいは蓄積）し管理する記憶部（図示省略；例えば、メモリやハードディスク装置），計算処理で使用する定数値や係数値を入力するインタフェース部（例えば、キーボード装置，ディスプレイ装置，ポインティングデバイス，通信回線などを含むインタフェース装置）を備えていても良い。

入力画像Ｄ１１は、画像補正処理部１０１に渡される画像データ（以下、単に画像ともいう）である。具体的には、カメラなどの撮像装置（または、撮影装置であって、より具体的にはデジタルカメラ）から得られる画像データ，Ｗｅｂページから取得できる画像データ、ハードディスクなどの記憶装置に予め蓄えられた画像データを想定できる。入力画像Ｄ１１は、対象物体（あるいは、対象物体の特徴抽出すべき形状（即ち、対象形状））を撮像した画像であって、画像特徴を抽出すべき画像である。

さらに、画像特徴抽出装置１の構成を詳細に以下に説明する。

画像補正処理部１０１は、ユーザが必要と認め、ユーザからの指定に応じて、複数の画像補正処理（例えば、ノイズ除去処理、画素値変換処理、変形拡大縮小（画像領域切り出し（画像領域分け）を含む）処理）のうち１つ以上を選択し、処理対象画像データ（例えば、入力画像Ｄ１１；以下、処理対象画像という）とする画像及び画像中の一部（画像領域データ）に対して、その選択した画像補正処理を行い、補正後画像（補正後画像データ）を出力する。

なお、画像補正処理部１０１は、処理対象画像とする画像を入力する画像入力部（図示省略）を備え、該画像入力部は、例えば、撮像装置を含み、該撮像装置を使って処理対象画像を入力しても良いし、予め撮像された処理対象画像を格納する記憶部（例えば、ハードディスク装置やメモリ）から入力しても良い。画像補正処理部１０１は、ユーザからの指定に応じて、複数の画像補正処理から１以上の画像補正処理を選択する手段を備えていても良い。

例えば、デジタルデータである入力画像Ｄ１１を入力とし、予め定めた画像サイズによる切り出し（画像領域切り出し）、画素値を補正、などを行う。特に、撮影（撮像）された対象物体とカメラ（撮影装置あるいは撮像装置）の位置の変化によって発生する可能性がある変動，ホワイトノイズ，コントラスト低下，見かけの変形などを予め軽減し、続く処理に引き渡すために、処理対象画像とする画像データから領域（画像領域データ）を切り出す（領域分けする）。

次に、画像補正処理部１０１における各画像補正処理を説明する。

画像補正処理部１０１におけるノイズ除去処理は、高周波ノイズ，ホワイトノイズ，低周波ノイズ，主に照明の影響であるシェーディング，特定の周波数帯域に重畳されたノイズなどを除去する処理である。

具体的には、処理対象画像に合わせて、ユーザからの指定に応じて、次のような処理を選択し組み合わせて用いることによって、高周波ノイズ，低周波ノイズを除去する。なお、画像補正処理部１０１は、ユーザからの指定に応じて、次のような処理を選択する手段を備えていても良い。高周波ノイズを除去する処理には、平滑化処理を選択する。照明変動の多くは低周波成分として現れるので、シェーディングが発生する可能性がある場合には、低周波成分を除去するフィルタ処理を選択する。

画像補正処理部１０１における画素値変換処理は、一般的なカメラ（主にデジタルカメラ）において、画像の暗い部分のコントラスト（画素値の差）が低下することを補正する処理である。一般的に、画素値は対象物体における表面の反射率と照度の積で定義されるが、この定義によれば、ある物体にあたる照度が下がると画素値の差が小さくなることを意味する。この画素値の差が小さくなる場合には、対数変換を用いることで、変換後の画素値の差を照度に依存しない値とする。この対数変換を行うことによって、後のモルフォロジー処理画像群生成処理部１０２における特徴抽出を均一化する。

上述の画素値の定義と対数変換を次のように式で説明する。上述したように、一般に、画像データの画素値は、対象物体を照らす照度と反射率の積で現されると考えることができる。

局所的に反射率が変化する場合、近傍における画素値が変化するが、その画素値の変化はその時の照度が高いほど大きくなる。一方、上記の式に対して対数変換を施した式は以下の通りである。

ここで、Ｃは定数であって、事前に実験等を行い決定するものとする。局所的に反射率が変化する場合は、近傍において照度はほぼ一定と考えられる場合が多い。この場合、“ｌｏｇ（画素値）”の変化は、“ｌｏｇ（反射率）”の変化にほぼ同じである。

以上のように、画像のコントラストの低下を補正するように画素値を変換する処理が、画素値変換処理である。

なお、上述の画素値変換処理における具体的な方法（もしくは式）は、一般的である（例えば、市販のカメラ毎に定められ装備されている）ため、ここでは規定しない。画素値変換後の画素値の差を照度に依存しない値とすることができれば、例えば、その値を有するテーブルとして変換情報を備えるなど、どのような方法でも構わない。

画像補正処理部１０１における変形拡大縮小処理は、処理対象画像における対象物体の像の大きさ（解像度）、見かけの変化の影響を回避するために行う処理である。

続くモルフォロジー処理画像群生成部１０２で利用する画像のサイズを揃えるため、切り出す領域（画像領域データ）を揃える。その際、変形拡大縮小処理を行う。この処理によって、撮影時の画像に見かけの変化があっても、いずれかの切り出しにおいては所望の切り出し（画像領域分け）を実現する。なお、画像補正処理部１０１は、ユーザからの指定に応じて入力画像上の対象物体の像を指定する手段（例えば、ポインティングデバイスで対象物体の像を指定する手段）を備えていても良い。

以上の画像補正処理を１つまたは複数を組み合わせて利用することによって、得られた結果は対象画像を想定した大きさとなり、各種のノイズも軽減され、かつ、画素値の差は照度に依存しない値となる。

モルフォロジー処理画像群生成処理部１０２は、画像補正処理部１０１から出力された補正後画像データに対し、複数のモルフォロジー処理を行って複数のモルフォロジー処理後画像データを生成し出力する。

ここでモルフォロジー処理に関する計算処理を以下に説明する。

モルフォロジー処理には様々なものが知られており、関数に対するモルフォロジー処理は、関数Ｂに対して集合または別の関数ｇを用いて相互作用させる（非特許文献１参照）。この関数に対するモルフォロジー処理のうち最も単純な処理は、以下の式のように集合Ｂを原点を中心とした半径ｂ（ｂ＞０）の領域と考える処理方法である。

上記式において、ｆが元となる関数であるｆ（ｘ）を点ｘ（注目点）における値とした時、Ｄｉｌａｔｉｏｎ、Ｅｒｏｓｉｏｎは、新たな関数上の点ｘにおける値を以下のように計算する処理である。即ち、ｂの値が大きいほど、点ｘ周辺の広い近傍での最大値または最小値を計算することになる。

以上のモルフォロジー処理では、原点を中心とした半径の集合を利用したが、特定のモルフォロジー処理（上記には２種類を記載）は、正値ｂをパラメータとした処理群と考えている。さらに、ここでは、bの値範囲を拡張し、正値及び負値をとり得るパラメータｂと改めて定義し、モルフォロジー処理を以下のように定義する。

上述のように定義することによって、上記の２種類の処理を正負を含めたパラメータとした１つのモルフォロジー処理群と見なすことにする。

なお、モルフォロジー処理では、必要に応じて集合の大きさと形が定義される。例えば、集合をドーナツ型の領域とすることによって、所望の結果を得ることができる場合もある。

さらに、複数のモルフォロジー処理を行って、その結果を組み合わせることも可能である。例えば、上記の１つのモルフォロジー処理群の処理において、ｄｉｌａｔｉｏｎ処理を行った結果に対して、ｅｒｏｓｉｏｎ処理を行う処理方法がある。この処理方法はｃｌｏｓｉｎｇと呼ばれる。逆に、ｅｒｏｓｉｏｎ処理の後ｄｉｌａｔｉｏｎ処理を行う処理方法はｏｐｅｎｉｎｇと呼ばれる。一般的に、ｃｌｏｓｉｎｇはｆ_B、ｏｐｅｎｉｎｇはｆ^Bと記載される。

さらに、元の関数との差ｆ−ｆ_B、ｆ−ｆ^Bはトップハット処理と呼ばれる。これらの処理もモルフォロジー処理と見なすことができる。

以上のようなｏｐｅｎｉｎｇ，ｃｌｏｓｉｎｇ，ｅｒｏｓｉｏｎ処理，ｄｉｌａｔｉｏｎ処理等は、基本的に閉集合が定義されていれば良い。最も単純な閉集合は、式３で表した集合（見かけ上はディスク状の集合）を用いるものである。

次に、モルフォロジー処理に関する計算処理を画像処理に適して説明する。

画像処理においても、次元数ｎ＝２とした上で、以上のような方法は様々な場面で利用されている（特許文献１，２参照）。例えば、見かけ上、リング状の領域も、ディスク状の領域と併用した形で、孤立した特徴の抽出に良く利用される（非特許文献１参照）。

最も単純な場合（式３で次元数ｎ＝２とした場合）のトップハット処理の特徴は、文字など一定の幅で書かれたパターンを強調する効果を有する。パラメータｂは、プラスの場合は白地に黒の文字、マイナスの場合は黒字に白の文字、を強調するという特徴を有する。そして、その強調結果は、画像上の注目点においては、その点と周辺領域の画素の差として現れる。この特徴は、トップハット処理が、局所的な最大値計算、最小値計算によって構成されていることから明らかである。また、異なるパラメータでは異なる強調結果が得られるため、構成されるモルフォロジー処理群は、他より黒い部分、および、他より明るい部分を別々に、かつ、線幅毎に抽出するという特徴を有する。

なお、モルフォロジー処理は、局所的な領域における画素値の最大や最小値の計算を行う。また、本実施形態では、モルフォロジー処理画像群生成処理部１０２による処理の前に画像補正処理部１０１による処理を行う手順で、コントラストの調整を行っている。この手順ため、例えば、原画像（例えば、Ｏｐｅｎｉｎｇを施す前の画像）とＯｐｅｎｉｎｇを施した画像の差を計算した結果は、照度の影響がほとんど消える（特許文献２参照）ことになり、処理の安定化を実現できる。

ここで、上述の関数Ｂ用いたモルフォロジー処理を改めて数式で説明する。画像ｇ_ij＝ｇ（ｘ_i，ｙ_j）と考える。ここでｇ_ijは、画素の位置を示す（ｘ_i，ｙ_j）上の画素値である。そして、以下のようにモルフォロジー処理を定義する。なお、ｂの設定方法は後述する。

上述の定義では、最大値、最小値を計算する領域を｜ｖ_i｜≦ｂ，｜ｖ_j｜≦ｂとしているため、画像の８近傍処理を示す式になっている。例えば、４近傍であれば｜ｖ_i｜＋｜ｖ_j｜≦ｂとなる。

本実施形態では、ｂが正値の場合、処理対象画像に対しｄｉｌａｔｉｏｎ処理を施し、その後、ｅｒｏｓｉｏｎ処理を施すことにする。なお、この処理方法は、ｃｌｏｓｉｎｇであり、ｇ_Bと記す。さらに、原画像（例えば、補正後画像データ）ｇからｇ_Bを差し引く処理（即ち、トップハット処理）をｇ−ｇ_Bと記す。

逆に、ｂが負値の場合は、ｅｒｏｓｉｏｎ処理、ｄｉｌａｔｉｏｎ処理の順に処理を施す。この処理方法はｏｐｅｎｉｎｇであり、ｇ^Bと記す。原画像（例えば、補正後画像データ）ｇからｇ^Bを差し引く処理（即ち、トップハット処理）をｇ−ｇ^Bと記す。

従って、ｂをパラメータとしたトップハット処理を用いたモルフォロジー処理画像群生成処理は、以下の式のように定義できる。

なお、パラメータｂの値の範囲は、事前に実験等を行い決定するものとする。一般には、ｂの絶対値は、画像内の特徴抽出したい対象物体の像の大きさと同じ画素値程度以下までを利用する。これは、トップハット処理がｂの値以下の範囲の点や線を強調するためである。

以下の説明では、モルフォロジー処理と定義できる限り、どのような集合を用いても構わない。また、複数の異なる集合を用いて処理しても構わない。また、本実施形態では、特に指定しない限り、特定の最も単純な例である上記条件式（Ｂ＝Ｂ_b）を利用したトップハット処理の例を用いて説明する。

さらに、モルフォロジー処理は、画像データ（もしくは、関数）に対して集合を用いて処理するばかりでなく、画像データ（もしくは、関数）に対して別の関数を用いて類似した処理を行う方法も知られている。以上の説明では、この別の関数を用いて類似した処理を行う方法について議論していないが、集合ではなく関数を用いたモルフォロジー処理についても同様の議論が成り立つことは言うまでもない。

画像特徴統合処理部１０３は、モルフォロジー処理画像群生成処理部１０２から得られるモルフォロジー処理後画像群を入力とし、予め定めた方法によって情報を統合し、統合後画像データを出力する。

具体的には、画像補正処理部１０１における処理で画像領域分割を行った場合には、画像領域毎の結果を統合する。

また、画像または各画像領域において、複数のモルフォロジー処理結果が存在する場合には、各結果画像を重み付け加算し、統合する。

ただし、統合結果は、１枚の画像の形でも良いし、複数の画像でも良い。画像の位置毎に異なる数の情報が得られていても良い。

統合方法は、画像補正処理で行った切り出し結果と、特徴抽出を行いたい処理対象画像と、その処理対象画像の分解能（解像度）に基づき決定するものとする。

最も単純な例としては、日本のナンバープレートにおける一連指定番号（４桁数字）の文字は太く、その他の文字は細い。従って、その一連指定番号部分のトップハット処理に利用するパラメータは、その他の文字部分で利用するパラメータより（絶対値が）大きい方が望ましい。絶対値が大きなトップハット処理の方が太い線まで強調する能力があるためである。

また、日本の自家用車のナンバープレートに関する特徴抽出を行う場合、文字が文字以外の部分より暗いため、条件式（０＜ｂ’＜ｂ）を満たすように設定する。

ナンバープレートの形にあわせた長方形に切り出された領域のうち、上方と左側の部分にｂ’を用い、その他の領域にｂを用いたトップハット処理を行った結果を併せて、画像特徴統合の結果とする。この場合は、部分毎にｂまたはｂ’を用いたトップハット処理が行われた１枚の画像を画像特徴統合結果（統合後画像データ）となる。

また、日本の営業用車両のナンバープレートは、文字が背景より明るいため、条件式（ｂ＜ｂ’＜０）を満たすように設定して、同様の処理を行う。

上述のナンバープレートにおける画像特徴統合処理の一例を図２に基づいて、より詳細に説明する。図２（Ａ）は、ナンバープレート図であって、日本のナンバープレート文字の配置を示す図である。図２（Ｂ）は、図２（Ａ）のナンバープレートに対して行うトップハット処理の範囲を示す図である。

図２（Ａ）中のナンバープレートＰ１の上方と左側の部分（ナンバープレートＰ１の「横浜 ５６７」、「あ」の部分であって、ナンバープレートＰ１’の画像領域Ｈ１）にｂ’を用いたトップハット処理を行う。

図２（Ａ）中のナンバープレートＰ１の上方と左側の部分以外（ナンバープレートＰ１の「１２−３４」の部分であって、ナンバープレートＰ１’の画像領域Ｈ２）にｂを用いたトップハット処理を行う。

上述のトップハット処理によって、処理対象画像内の画像領域毎に異なるトップハット処理が行われた結果が、画像特徴統合処理の結果（統合後画像データ）となる。

この際、ｂ、ｂ’の値は、ここにナンバープレートが撮影されていたと想定した時の、各画像領域の文字の線幅程度の値（文字の線幅値）が望ましい（参考文献２）。パラメータｂを用いたトップハット処理が、原理的に、この文字の線幅値と同程度の幅以下の線を抽出する能力があるためである。また、特徴抽出したい対象形状が、線以外、例えば、円や多角形の場合には、該図形（対象形状）を囲む矩形の短辺の長さ（短辺を形成する画素数）と同程度の値をパラメータｂとすればよい。従って、この文字の線幅値は、画像補正処理部１０１によって切り出された画像の分解能（解像度）に応じて異なってくるため、処理対象画像毎に事前に実験等を行い決定するものとする。

例えば、モルフォロジー処理画像群生成処理部１０２（あるいは、画像特徴抽出装置）が、ユーザの指定（例えば、インタフェース装置を介した指定）に応じて対象形状を囲む矩形を指定し、該矩形の短辺を取得する手段，パラメータｂに値を設定する手段を備えても良い。

なお、図２中の画像領域Ｈ１，Ｈ２は、文字の基本線幅が場所毎に異なることを想定した一例である。

人間の顔における目に対する特徴抽出におけるトップハット処理の一例を以下に説明する。

人間の顔における目に対する特徴抽出は、黒目部分に対応するためにｂに正値を、白目部分に対応するためにｂに負値を用い、条件式（ｂ’＜０＜ｂ）に合うトップハット処理を行う。

画像特徴統合処理部１０３において、Ｂ＝Ｂ_b＝｛ｘ∈Ｒ²，｜ｘ｜≦ｂ｝、Ｂ’＝Ｂ_b'＝｛ｘ∈Ｒ²，｜ｘ｜≦−ｂ’｝と表現すると、以上の画像特徴統合処理は下記のように設定できる。

この時、ｐ、ｑはトップハット処理を行う対象領域全体で決定される重み係数であって、同じ値でも良いし、画像領域の部分毎に別の値でも良い。

即ち、上記の画像特徴統合処理は、重み付け加算であって、重み係数とトップハット処理結果（即ち、モルフォロジー処理結果）を乗じて加算する処理である。

例えば、目の部分のみｑを大きくすることによって、黒目部分に加え、細かな白目部分の両方を強調できる。この目の部分のみｑを大きくする場合、スミアなどによって現れる白い線は、白目部分と重ならない限り、その線のみを分離して抽出できる。これは、スミアの白い線の特徴は、抽出不要と見做されて、特徴抽出されないためである。よって、次の処理におけるスミアの影響を排除できる。

重み係数ｐ，ｑの値の絶対値は、概ね１０程度以下を想定する。ｐ＝１，ｑ＝０の場合、または、ｐ＝０，ｑ＝１の場合はトップハット処理になる。ｐ＝１かつｑ＝１の場合は、２種類のトップハット処理結果を同程度の重みで統合することを意味する。これら重み係数の値は、処理対象画像に応じて調整でき、事前に実験等を行い決定するものとする。

以上の例では、重み係数ｐ，ｑがそれぞれ１つであったが、重み係数ｐ，ｑがそれぞれ２つ以上になっても、定義できることは言うまでもない。重み係数ｐ，ｑがそれぞれ２つ以上になった場合に、画像特徴統合処理は、以下の通りに表すことができる。

上述の日本の自家用車のナンバープレートの特徴抽出の例では、画像領域毎に異なるパラメータを利用した処理を行う方法を示した。この例も、式６の特別の例と見なすことができる。すなわち、画像領域毎に異なる重み係数ｐ，ｑを設定し、ｑ＝０として以下の式のように表現できる。

この際、重み係数ｐ₁、ｐ₂は画像領域毎に異なる。Ｂ₁、Ｂ₂を定めるｂ₁、ｂ₂が条件式（ｂ₁＞ｂ₂）を満たす場合、ｂ₁は４桁の一連指定番号の数字の幅（画素数）、ｂ₂は平仮名等の文字の幅（画素数）とする。そして、重み係数ｐ₁、ｐ₂を以下のように定める。

また、ｐ＝０として、以下の式で重み係数を定め計算することによって、濃淡が反転したナンバープレート（例えば、日本のナンバープレートでは営業用車両）へ対応できる。

以上の重み係数の設定は、画像補正処理部１０１によって切り出される画像の大きさおよび特徴を抽出しようとする対象物体毎に、事前に設定する（例えば、ユーザがインタフェース部を用いて手動で設定する手段を備えても良い）。基本的には、上記ナンバープレートの特徴抽出の例のように、特徴抽出しようとする対象形状の「幅」や「大きさ」に順ずる大きさのパラメータを用いたモルフォロジー処理を行えば良い。

さらに、画像特徴統合処理部１０３は、上述のように複数のモルフォロジー処理結果を１つにまとめず、複数の統合後画像データとして出力すること、部分的に複数の統合後画像データとして出力すること、またはそのまま全統合後画像データを統合結果として利用することも可能である。

特徴量計算処理部１０４は、画像特徴統合処理１０３で得られた結果である統合後画像データ（複数，単数，または画像領域の場所毎に複数もしくは単数が混在）に基づいて、予め定めた情報量（画像特徴量）を計算する処理を行う。例えば、その情報量を計算する方法は、以下の通りである。
（方法１．１）統合後画像データを２値化して、その白色の画素もしくは黒色の画素を数える方法
（方法１．２）統合後画像データを２値化して、その２値化された画像を走査し、その走査方向に存在する画素が白色から黒色もしくは黒色から白色に変化する回数を数える方法
（方法１．３）統合後画像データを２値化し、さらに、その２値化された画像をスケルトン化（細線化）し、構造を予め登録した細線化されたパターンと比較して類似度を計算する方法
（方法１．４）統合後画像データと他の予め定めたパターンとの相関係数を計算する方法
また、上記以外でも、予め定めた方法によって特徴量を画像特徴として計算できる。

例えば、画像特徴統合処理部１０３で得られた統合後画像データは、図２におけるナンバープレートの例のように１枚の画像となっている。この統合後画像データを２値化し、その黒い部分（黒い領域）をカウントすると、元の画像（即ち、入力画像）がナンバープレートか否かを判断する基準と見做すことができる。走査方向（例えば、画像の水平方向）に画素が白色から黒色もしくは黒色から白色に変化する回数によって、元の画像がどの程度複雑かを推定でき、結果として文字の存在の有無の判断に利用できる。

さらに、入力画像とテンプレート画像との比較は、予め定めたパターンとの比較と同等の効果になる。例えば、相関係数を計算する方法では、予め処理部１０１〜１０４を用いて同じ処理を行った結果（画像特徴量）との比較を行うことができる。なお、計算する特徴量は、１以上になる。

また、上記例のように統合後画像データを２値化する場合、画像補正処理部１０１における画像補正処理とモルフォロジー処理画像群生成処理部１０２におけるモルフォロジー処理が非常に重要な役割を果たす。前記画像補正処理とモルフォロジー処理によって、照度の影響はほぼ排除されるためである。その照度の影響がほぼ排除された結果、単純な２値化処理であっても、画像処理で課題となる照明変動の影響を受けない安定な結果を得られる。

最終的に、特徴量計算処理部１０４が画像特徴量Ｄ１２を出力する。

画像特徴抽出装置における画像特徴抽出方法を図３に基づいて説明する。なお、以下の説明で、図１中の符号と同じ符号のものの説明は省略する。

まず、画像補正処理部１０１が、入力された処理対象画像（入力画像Ｄ１１）に対して画像補正処理を行い、補正後画像データを出力する（Ｓ１０１：画像補正処理ステップ）。なお、ステップＳ１０１の詳細は、画像補正処理部１０１に関する上述の説明を参照のこと。

次に、モルフォロジー処理画像群生成処理部１０２が、ステップＳ１０１で出力された補正後画像データに対し、複数のモルフォロジー処理を行って複数のモルフォロジー処理後画像データを生成し出力する（Ｓ１０２：モルフォロジー処理画像群生成処理ステップ）。なお、ステップＳ１０２の詳細は、モルフォロジー処理画像群生成処理部１０２に関する上述の説明を参照のこと。

次に、画像特徴統合処理部１０３が、ステップＳ１０２で得られたモルフォロジー処理後画像データ群を入力とし、予め定めた方法によって情報を統合し、統合後画像データを出力する（Ｓ１０３：画像特徴統合処理ステップ）。なお、ステップＳ１０３の詳細は、画像特徴統合処理部１０３に関する上述の説明を参照のこと。

そして、特徴量計算処理部１０４が、ステップＳ１０３で得られた統合後画像データに基づいて、予め定めた画像特徴量を計算し、その計算された画像特徴量Ｄ１２を出力する（Ｓ１０４：特徴量計算処理ステップ）。なお、ステップＳ１０４の詳細は、特徴量計算処理部１０４に関する上述の説明を参照のこと。

次に、本実施形態における画像類似度計算装置の構成を図４に基づいて説明する。

画像類似度計算装置は、画像類似性に関するテンプレートである画像（テンプレート画像データ）から画像特徴量（即ち、テンプレート画像特徴量）を抽出するテンプレート画像特徴抽出処理部２１，入力画像（入力画像データ）から画像特徴量（即ち、入力画像特徴量）を抽出する入力画像特徴抽出処理部２２，テンプレート画像に対する入力画像の類似性を示す類似度（即ち、画像類似度）を出力する画像類似度計算処理部２０９を備え、入力されたテンプレート画像Ｄ１１１からテンプレート画像特徴量Ｄ１２１を抽出し、入力された入力画像Ｄ１１１から入力画像特徴量Ｄ１２２を抽出し、そのテンプレート画像特徴量Ｄ１２１と入力画像特徴量Ｄ１２２に基づいて、テンプレート画像に対する入力画像の画像類似度Ｄ１３を出力する。

画像類似度計算装置は、演算し、各部を制御する制御部（図示省略；例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）），各部から出力される情報（データ）を記憶（あるいは蓄積あるいは格納）し管理する記憶部（図示省略；例えば、メモリやハードディスク装置）を備えていても良い。

さらに、テンプレート画像特徴抽出処理部２１は、処理部２０１〜２０４から構成される。処理部２０１〜２０４は、テンプレート画像Ｄ１１１に対して、図１中の処理部１０１〜１０４に相当する処理を行う。そのため、テンプレート画像特徴抽出処理部２１は画像特徴抽出装置と考えてもよい。そして、テンプレート画像特徴抽出処理部２１は、テンプレート画像特徴量Ｄ１２１を記憶部に格納する。

入力画像特徴抽出処理部２２は、処理部２０５〜２０８から構成される。処理部２０５〜２０８は、入力画像Ｄ１１２に対して、図１中の処理部１０１〜１０４に相当する処理を行う。そのため、入力画像特徴抽出処理部２２は画像特徴抽出装置と考えてもよい。そして、入力画像特徴抽出処理部２２は、入力画像特徴量Ｄ１２２を記憶部に格納する。

なお、図４中の画像類似度計算装置は、２つの画像特徴抽出処理部（テンプレート画像特徴抽出処理部２１，入力画像特徴抽出処理部２２）を備えているが、実質的には、１つの画像特徴抽出処理部を備えていれば良い。例えば、その画像特徴抽出処理部に対してテンプレート画像データを入力し、出力されたテンプレート画像特徴量を記憶部に格納し、次に、その画像特徴抽出処理部に対して入力画像データを入力し、出力された入力画像特徴量を記憶部に格納し、画像類似度計算処理部２０９が、その格納されたテンプレート画像特徴量と入力画像特徴量に基づいて、画像類似度を計算しても良い。

画像類似度計算処理部２０９は、記憶部に格納されたテンプレート画像特徴量Ｄ１２１および入力画像特徴量Ｄ１２２を比較して（に基づいて）類似度を計算し、画像類似度Ｄ１３を出力する。

前記画像類似度計算処理部２０９で実行する比較方法は、２つのデータを比較して、その類似度を計算する方法であれば何を用いても構わない。つまり、画像処理の一般的な方法を利用することが可能である。

例えば、次のような類似度計算方法が知られている。
（方法２．１）予め定めた方法によって得られたテンプレート画像特徴と入力画像特徴の差分を計算し、その絶対値の合計を類似度とする方法
（方法２．２）予め定めた方法によって得られたテンプレート画像特徴と入力画像特徴の差分を計算し、差分を２値化した後、不一致のビット数を数える方法
（方法２．３）予め定めた方法によって得られたテンプレート画像特徴と入力画像特徴の差分を計算し、差分を２値化した後に、相関係数を計算する方法
（方法２．４）予め定めた方法によって得られたテンプレート画像特徴と入力画像特徴の差分を計算し、２値化を行わず相関係数、平均値を差し引いた後に相関係数を計算する方法
（方法２．５）予め定めた方法によって得られたテンプレート画像特徴と入力画像特徴の差分を計算し、グラジエント計算などの微分処理を行ってからその相関係数を計算する方法
以上のように、テンプレート画像と入力画像との類似度を計算できる。さらに、計算された類似度を利用して、パターン抽出処理、認識処理など様々な形で利用できる。

なお、テンプレート画像特徴計算処理部２１では、その都度、テンプレート画像特徴計算処理を行う必要はなく、テンプレート画像特徴Ｄ１２１を予め計算しておくことが可能である。

また、以上の説明では、テンプレート画像が１枚の場合のプロセスのごとく説明したが、実際には、１枚の入力画像に対して複数のテンプレート画像に対応した複数のテンプレート特徴を計算しておき、複数の画像類似度計算処理を行って複数の画像類似度を得ることも可能である。これらの類似度の中から、最も類似していると考えられるテンプレートを得ることで、これを入力画像に類似するパターンと判断することが可能である。

また、大量の入力画像データを本実施形態における各処理部が画像類似度計算装置に入力して処理を行う場合、画像補正処理１０１（画像補正処理２０１，画像補正処理２０５）において画像の部分切り出し等を行っているが、類似度が高いと見なされた画像領域のみを記憶部（例えば、メモリ）上に保存して、該画像領域をインデックスとして利用しても良い。

画像類似度計算装置における画像類似度計算方法の例１を図５に基づいて説明する。なお、以下の説明で、図１，図３，図４中の符号と同じ符号のものの説明は省略する。

まず、テンプレート画像特徴抽出処理部２１が、入力されたテンプレート画像Ｄ１１１からテンプレート画像特徴量Ｄ１２１を抽出する（Ｓ２０１：テンプレート画像特徴抽出処理ステップ）。なお、ステップＳ２０１における処理は、テンプレート画像Ｄ１１１を入力画像として、図３中のステップＳ１０１〜Ｓ１０４を行うことになる。詳細は、テンプレート画像特徴抽出処理部２１の上述の説明を参照のこと。

次に、入力画像特徴抽出処理部２２が、入力された入力画像Ｄ１１２から入力画像特徴量Ｄ１２２を抽出する（Ｓ２０２：入力画像特徴抽出処理ステップ）。ステップＳ２０２における処理は、入力画像Ｄ１１１を入力画像として、図３中のステップＳ１０１〜Ｓ１０４を行うことになる。詳細は、入力画像特徴抽出処理部２１の上述の説明を参照のこと。

そして、画像類似度計算処理部２０９が、テンプレート画像特徴量Ｄ１２１と入力画像特徴量Ｄ１２２に基づいて、画像類似度Ｄ１３を算出し、出力する（Ｓ２０３：画像類似度計算処理ステップ）。詳細は、画像類似度計算処理部２０９の上述の説明を参照のこと。

なお、図５のようにテンプレート画像特徴抽出処理ステップ（Ｓ２０１）と入力画像特徴抽出処理ステップ（Ｓ２０２）を必ずしも順次に実行する必要は無く、図６のように、テンプレート画像特徴抽出処理ステップ（Ｓ２０１’）と入力画像特徴抽出処理ステップ（Ｓ２０２’）を並行して（並列に）実行し、画像類似度計算処理ステップ（Ｓ２０３’）がテンプレート画像特徴量Ｄ１２１と入力画像特徴量Ｄ１２２が出力されるまで待ち合わせて、処理しても良い。

なお、本実施形態の画像特徴抽出装置及び画像類似度計算装置における各部の一部もしくは全部の機能をコンピュータのプログラムで構成し、そのプログラムをコンピュータを用いて実行して本発明を実現することができること、本実施形態の画像特徴抽出装置及び画像類似度計算装置に関する方法（手順）をコンピュータのプログラムで構成し、そのプログラムをコンピュータに実行させることができることは言うまでもなく、コンピュータでその機能を実現するためのプログラムを、そのコンピュータが読み取り可能な記録媒体（記憶媒体）、例えばＦＤ（Ｆｌｏｐｐｙ（登録商標） Ｄｉｓｋ）や、ＭＯ（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、リムーバブルディスクなどに記録して、保存したり、配布したりすることが可能である。また、上記のプログラムをインターネットや電子メールなど、ネットワークを通して提供することも可能である。

さらに、上述の本実施形態の画像特徴抽出装置及び画像類似度計算装置に関する方法を記述したコンピュータプログラムを、その方法に必要とされる入出力データを格納したメモリや外部記憶部等にアクセスするように実装してもよい。

以上のように、本実施形態によれば、モルフォロジー処理の前に画像補正処理を行うことによって、特徴抽出の結果に画像処理での課題の１つである照度（対象物体にあたる光の量）もしくは照明の影響を受けないようにしておくことができる。

また、本実施形態では、モルフォロジー処理画像群を生成することによって、画像内に現れる特徴を注目点（注目画素）の周辺領域（注目領域）が周囲より黒い部分と明るい部分、白黒が混合した領域、形状特徴（例えば、太い領域もしくは細い領域）毎に分離して抽出する。その分離して抽出した結果は、必要に応じて複数組み合わることができる。さらに、画像内の場所毎に予め定めた方法によって必要な特徴量を統合する。このため、結果として各種の変動に対して安定な結果が得られる。例えば、ある位置では黒い部分、別の部分では白い部分のみを特徴として捉えた処理ができるようになる。

以上、本発明の実施形態について説明したが、本発明は説明した実施形態に限定されるものでなく、各請求項に記載した範囲において各種の変形を行うことが可能である。

例えば、本実施形態における画像特徴抽出装置は、定数Ｃ，重み係数ｐ，ｑなどの事前に実験等を行い決定する情報を、インタフェース部を使って入力する手段を備えていても良い。

本実施形態における画像特徴抽出装置の構成図。 ナンバープレートにおける画像特徴統合処理の一例を示す図であって、（Ａ）はナンバープレート図、（Ｂ）は（Ａ）のナンバープレート図に対して行うトップハット処理の範囲を示す図。 本実施形態における画像特徴抽出装置における画像特徴抽出方法を示す図。 本実施形態における画像類似度計算装置の構成図。 本実施形態における画像類似度計算装置における画像類似度計算方法の例１を示す図。 本実施形態における画像類似度計算装置における画像類似度計算方法の例２を示す図。

符号の説明

１…画像特徴抽出装置
２１…テンプレート画像特徴抽出処理部
２２…入力画像特徴抽出処理部
１０１，２０１，２０５…画像補正処理部
１０２，２０２，２０６…モルフォロジー処理画像群生成処理部
１０３，２０３，２０７…画像特徴統合処理部
１０４，２０４，２０８…特徴量計算処理部
２０９…画像類似度計算処理部
Ｄ１１，Ｄ１１２…入力画像
Ｄ１２…画像特徴量
Ｄ１１１…テンプレート画像
Ｄ１２１…テンプレート画像特徴量
Ｄ１２２…入力画像特徴量
Ｄ１３…画像類似度
Ｐ１，Ｐ１’…ナンバープレート
Ｈ１，Ｈ２…画像領域

Claims (12)

1. 対象物体の特徴抽出すべき形状の像を写した入力画像データを入力する画像入力部、
   を備え、
   該入力画像データの画像特徴量を計算し抽出する画像特徴抽出装置であって、
   前記画像入力部から入力された入力画像データに対して所定の画像補正を行い、その画像補正された画像データを出力する画像補正処理部と、
   前記画像補正処理部から出力された画像データに対し、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像データを生成し出力するモルフォロジー処理画像群生成処理部と、
   前記モルフォロジー処理画像群生成処理部から出力されたモルフォロジー処理後画像データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力する画像特徴統合処理部と、
   前記画像特徴統合処理部から出力された統合後画像データに基づいて、画像特徴量を計算する特徴量計算処理部と、
   を備えることを特徴とする画像特徴抽出装置。
2. 請求項１記載の画像特徴抽出装置において、
   前記画像補正処理部が、
   ユーザからの指定に応じて領域分けされた画像領域データを前記入力画像データから取得し、該画像領域データを出力する手段、
   を備え、
   前記モルフォロジー処理画像群生成処理部が、
   前記画像補正処理部から出力された画像領域データに対して、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像領域データを生成し出力する手段、
   を備え、
   前記画像特徴統合処理部が、
   前記モルフォロジー処理画像群生成処理部から出力されたモルフォロジー処理後画像領域データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力する手段と、
   を備える
   ことを特徴とする画像特徴抽出装置。
3. 請求項１または２記載の画像特徴抽出装置において、
   前記モルフォロジー処理画像群生成処理部が、
   前記特徴抽出すべき形状の像を囲む矩形の短辺を形成する画素数と同じ値を有するパラメータｂを使って、前記トップハット処理を行う手段、
   を備える
   ことを特徴とする画像特徴抽出装置。
4. 請求項１乃至３のいずれかに記載の画像特徴抽出装置と、
   該画像特徴抽出装置から出力される画像特徴量を格納する記憶部と、
   を備え、
   テンプレート画像データ及び入力画像データを入力し、
   該テンプレート画像データに対する該入力画像データの類似性を示す画像類似度を計算し出力する画像類似度計算装置であって、
   前記テンプレート画像データを前記画像特徴抽出装置に入力し、該画像特徴抽出装置から出力されたテンプレート画像特徴量を前記記憶部に格納するテンプレート画像特徴抽出部と、
   前記入力画像データを該画像特徴抽出装置に入力し、該画像特徴抽出装置から出力された入力画像特徴量を前記記憶部に格納する入力画像特徴抽出部と、
   前記テンプレート画像特徴量と前記入力画像特徴量に基づいて画像類似度を計算する画像類似度計算部と、
   を備えることを特徴とする画像類似度計算装置。
5. 対象物体の特徴抽出すべき形状の像を写した入力画像データを入力する画像入力部、
   を備え、
   該入力画像データの画像特徴量を計算し抽出する装置に使用する画像特徴抽出方法であって、
   前記画像入力部から入力された入力画像データに対して所定の画像補正を行い、その画像補正された画像データを出力する画像補正処理ステップと、
   前記画像補正処理ステップで出力された画像データに対し、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像データを生成し出力するモルフォロジー処理画像群生成処理ステップと、
   前記モルフォロジー処理画像群生成処理ステップで出力されたモルフォロジー処理後画像データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力する画像特徴統合処理ステップと、
   前記画像特徴統合処理ステップで出力された統合後画像データに基づいて、画像特徴量を計算する特徴量計算処理ステップと、
   を有することを特徴とする画像特徴抽出方法。
6. 請求項５記載の画像特徴抽出方法において、
   前記画像補正処理ステップが、
   ユーザからの指定に応じて領域分けされた画像領域データを前記入力画像データから取得し、該画像領域データを出力するステップ、
   を有し、
   前記モルフォロジー処理画像群生成処理ステップが、
   前記画像補正処理ステップで出力された画像領域データに対して、予め定めた複数のトップハット処理を施し、複数のモルフォロジー処理後画像領域データを生成し出力するステップ、
   を有し、
   前記画像特徴統合処理ステップが、
   前記モルフォロジー処理画像群生成処理ステップから出力されたモルフォロジー処理後画像領域データに特定の重み係数を乗じて加算する重み付け加算処理を行って得られた統合後画像データを出力するステップと、
   を有する
   ことを特徴とする画像特徴抽出方法。
7. 請求項５または６記載の画像特徴抽出方法において、
   前記モルフォロジー処理画像群生成処理ステップが、
   前記特徴抽出すべき形状の像を囲む矩形の短辺を形成する画素数と同じ値を有するパラメータｂを使って、前記トップハット処理を行うステップ、
   を有する
   ことを特徴とする画像特徴抽出方法。
8. 請求項１乃至３のいずれかに記載の画像特徴抽出装置と、
   該画像特徴抽出装置から出力される画像特徴量を格納する記憶部と、
   を備え、
   テンプレート画像データ及び入力画像データを入力し、
   該テンプレート画像データに対する該入力画像データの類似性を示す画像類似度を計算し出力する装置に使用する画像類似度計算方法であって、
   前記テンプレート画像データを前記画像特徴抽出装置に入力し、該画像特徴抽出装置から出力されたテンプレート画像特徴量を前記記憶部に格納するテンプレート画像特徴抽出ステップと、
   前記入力画像データを該画像特徴抽出装置に入力し、該画像特徴抽出装置から出力された入力画像特徴量を前記記憶部に格納する入力画像特徴抽出ステップと、
   前記テンプレート画像特徴量と前記入力画像特徴量に基づいて画像類似度を計算する画像類似度計算ステップと、
   を有することを特徴とする画像類似度計算方法。
9. コンピュータを請求項１乃至３のいずれかに記載の画像特徴抽出装置における各部及び各手段として機能させることを特徴とする画像特徴抽出プログラム。
10. コンピュータを請求項４に記載の画像類似度計算装置における各部として機能させることを特徴とする画像類似度計算プログラム。
11. 請求項９に記載の画像特徴抽出プログラムを記録したことを特徴とする記録媒体。
12. 請求項１０に記載の画像類似度計算プログラムを記録したことを特徴とする記録媒体。

Images