JP2009268088A - 画像処理システム、画像処理方法、およびプログラム - Google Patents

Abstract

【課題】モデルを利用して圧縮する場合の演算量を削減することができる画像処理システムを提供すること。
【解決手段】画像処理システムは、撮像画像から特徴領域を検出する特徴領域検出部と、物体が特徴パラメータで表現された３次元モデルを格納するモデル格納部と、撮像画像における特徴領域の画像を、モデル格納部が格納している３次元モデルに適応させることにより、特徴領域の画像に撮像されている物体を表す、３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出部と、パラメータ値算出部が算出した特徴パラメータの値および特徴領域以外の領域の画像を出力する出力部と備える。
【選択図】図２

Description

本発明は、画像処理システム、画像処理方法、およびプログラムに関する。本発明は、特に、画像を処理する画像処理システムおよび画像処理方法、ならびに画像処理システム用のプログラムに関する。

三次元の顔モデルと固有顔の分解とを用いて顔の影像を符号化および復号する方法が知られている（例えば、特許文献１参照。）。また、主画像と主画像における口の部分の変化を表す複数の副画像とをあらかじめ送信して、その後に、動画像を再生するために上記複数の副画像のいずれを選択して上記主画像に組み合わせるかを指定する符号語を送信する画像符号化装置が知られている（例えば、特許文献２参照。）。
特開平１０−２２８５４４号公報 特許第２７５３５９９号明細書

しかしながら、画像の全領域をモデルを用いて符号化すると、演算量が増大してしまう。また、重要度が低い領域までモデルを用いて符号化しようとすると、再構成の精度が低下してしまう虞がある。

上記課題を解決するために、本発明の第１の形態によると、画像処理システムであって、物体が特徴パラメータで表現された３次元モデルを格納するモデル格納部と、撮像画像から特徴領域を検出する特徴領域検出部と、撮像画像における特徴領域の画像に含まれる物体の画像を、モデル格納部が格納している３次元モデルに適応させることによって、特徴領域の画像に含まれる物体を表す、３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出部と、パラメータ値算出部が算出した特徴パラメータの値および特徴領域以外の領域の画像を出力する出力部とを備える。

本発明の第２の形態によると、画像処理方法であって、物体が特徴パラメータで表現された３次元モデルを格納するモデル格納段階と、撮像画像から特徴領域を検出する特徴領域検出段階と、撮像画像における特徴領域の画像に含まれる物体の画像を、モデル格納段階において格納されている３次元モデルに適応させることにより、特徴領域の画像に撮像されている物体を表す、３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出段階と、パラメータ値算出段階において算出された特徴パラメータの値および特徴領域以外の領域の画像を出力する出力段階とを備える。

本発明の第３の形態によると、画像処理システム用のプログラムであって、コンピュータを、撮像画像から特徴領域を検出する特徴領域検出部と、物体が特徴パラメータで表現された３次元モデルを格納するモデル格納部と、撮像画像における特徴領域の画像を、モデル格納部が格納している３次元モデルに適応させることにより、特徴領域の画像に撮像されている物体を表す、３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出部と、パラメータ値算出部が算出した特徴パラメータの値および特徴領域以外の領域の画像を出力する出力部として機能させる。

なお、上記の発明の概要は、この発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

以下、発明の実施の形態を通じてこの発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、一実施形態に係わる画像処理システム１０の一例を示す。画像処理システム１０は、以下に説明するように、監視システムとして機能することができる。

画像処理システム１０は、監視対象空間１５０を撮像する複数の撮像装置１００ａ−ｄ（以下、撮像装置１００と総称する。）、撮像装置１００により撮像された撮像画像を処理する画像処理装置１２０、通信ネットワーク１１０、画像処理装置１７０、画像ＤＢ１７５、および複数の表示装置１８０ａ−ｄ（以下、表示装置１８０と総称する。）を備える。画像処理装置１７０および表示装置１８０は、監視対象空間１５０と異なる空間１６０に設けられている。

撮像装置１００ａは、撮像部１０２ａおよび撮像画像圧縮部１０４ａを有している。撮像部１０２ａは、連続して監視対象空間１５０を撮像することによって複数の撮像画像を撮像する。なお、撮像部１０２ａにより得られる撮像画像は、ＲＡＷ形式の撮像画像であってよい。撮像画像圧縮部１０４ａは、撮像部１０２ａにより撮像されたＲＡＷ形式の撮像画像を同時化して、同時化して得られた複数の撮像画像を含む撮像動画をＭＰＥＧ符号化等により圧縮して、撮像動画データを生成する。このように、撮像装置１００ａは、監視対象空間１５０を撮像して得られた撮像動画を符号化して撮像動画データを生成する。撮像装置１００ａは、当該撮像動画データを画像処理装置１２０に出力する。

なお、撮像装置１００ｂ、撮像装置１００ｃ、および撮像装置１００ｄは、それぞれ撮像装置１００ａと同様の構成を有するので、撮像装置１００ｂ、撮像装置１００ｃ、および撮像装置１００ｄの各構成要素の説明を省略する。このようにして、画像処理装置１２０は、複数の撮像装置１００のそれぞれにより生成された撮像動画データを、複数の撮像装置１００のそれぞれから取得する。

そして、画像処理装置１２０は、撮像装置１００から取得した撮像動画データを復号して撮像動画を取得する。画像処理装置１２０は、取得した撮像動画に含まれる複数の撮像画像のそれぞれから、人物１３０が撮像された領域、車輌等の移動体１４０が撮像された領域等のように、特徴の種類が異なる複数の特徴領域を検出する。そして、画像処理装置１２０は、特徴の種類に応じた強度で特徴領域の画像を圧縮するとともに、特徴領域以外の領域の画像を、それぞれの特徴領域の画像を圧縮する圧縮強度より強い強度で圧縮してよい。

なお、画像処理装置１２０は、特徴パラメータで物体が表現される数学モデルを記憶している。そして、画像処理装置１２０は、特徴領域に含まれる物体の画像を、当該数学モデルに適合させることによって、物体の画像を表す特徴パラメータの値を算出する。

そして、画像処理装置１２０は、撮像画像から検出された特徴領域を特定する情報を含む特徴領域情報を生成する。そして、画像処理装置１２０は、特徴パラメータの値および特徴領域情報を圧縮動画データに付帯して、通信ネットワーク１１０を通じて画像処理装置１７０に送信する。

画像処理装置１７０は、特徴パラメータの値および特徴領域情報が対応づけられた圧縮動画データを画像処理装置１２０から受信する。そして、画像処理装置１７０は、受信した圧縮動画データを、対応づけられている特徴領域情報を用いて伸張する。このとき、画像処理装置１７０は、伸張された得られた特徴領域の画像を用いて、特徴パラメータの値でモデルを変更することによって特徴領域に含まれる物体の画像を生成する。このようにして生成された表示用動画は、表示装置１８０に供給される。表示装置１８０は、画像処理装置１７０から供給された表示用動画を表示する。

また、画像処理装置１７０は、圧縮動画データに対応づけられている特徴領域情報に対応づけて、当該圧縮動画データおよび特徴パラメータを画像ＤＢ１７５に記録してもよい。そして、画像処理装置１７０は、表示装置１８０からの要求に応じて、画像ＤＢ１７５から圧縮動画データ、特徴領域情報、および特徴パラメータの値を読み出して、上記のようにして表示用動画を生成して表示装置１８０に供給してもよい。

なお、特徴領域情報は、特徴領域の位置、特徴領域の大きさ、特徴領域の数、特徴領域が検出された撮像画像を識別する識別情報等を含むテキストデータ、もしくは当該テキストデータに圧縮、暗号化等の処理が施されたデータであってよい。そして、画像処理装置１７０は、特徴領域情報が含む特徴領域の位置、特徴領域の大きさ、特徴領域の数等に基づいて、種々の検索条件を満たす撮像画像を特定する。そして、画像処理装置１７０は、特定した撮像画像を復号して、表示装置１８０に提供してよい。

このように、画像処理システム１０によると、特徴領域を動画に対応づけて記録しているので、動画における所定の条件に適合する撮像画像群を高速に検索、頭出しをすることができる。また、画像処理システム１０によると、所定の条件に適合する撮像画像群だけ復号することができるので、再生指示に即応して速やかに所定の条件に適合する部分動画を表示することができる。

図２は、画像処理装置１２０のブロック構成の一例を示す。画像処理装置１２０は、画像取得部２５０、特徴領域検出部２０３、モデル格納部２７０、パラメータ値算出部２６０、パラメータ量子化部２８０、圧縮制御部２１０、圧縮部２３０、対応付け処理部２０６、および出力部２０７を備える。画像取得部２５０は、圧縮動画取得部２０１および圧縮動画伸張部２０２を有する。

圧縮動画取得部２０１は、圧縮された動画を取得する。具体的には、圧縮動画取得部２０１は、撮像装置１００が生成した、符号化された撮像動画データを取得する。圧縮動画伸張部２０２は、圧縮動画取得部２０１が取得した撮像動画データを伸張して、撮像動画に含まれる複数の撮像画像を生成する。具体的には、圧縮動画伸張部２０２は、圧縮動画取得部２０１が取得した、符号化された撮像動画データを復号して、撮像動画に含まれる複数の撮像画像を生成する。なお、撮像動画に含まれる撮像画像は、フレーム画像およびフィールド画像であってよい。なお、本実施形態における撮像画像は、この発明における動画構成画像の一例であってよい。このように、画像取得部２５０は、複数の撮像装置１００のそれぞれにより撮像された複数の動画を取得する。

圧縮動画伸張部２０２によって得られた複数の撮像画像は、特徴領域検出部２０３および圧縮部２３０に供給される。特徴領域検出部２０３は、複数の撮像画像を含む動画から特徴領域を検出する。具体的には、特徴領域検出部２０３は、複数の撮像画像のそれぞれから特徴領域を検出する。なお、上記における撮像動画は、以下の説明における動画の一例であってよい。

例えば、特徴領域検出部２０３は、動画において画像内容が変化する画像領域を、特徴領域として検出する。具体的には、特徴領域検出部２０３は、動くオブジェクトを含む画像領域を、特徴領域として検出してよい。なお、特徴領域検出部２０３は、複数の撮像画像のそれぞれから、特徴の種類が異なる複数の特徴領域を検出してよい。なお、特徴の種類とは、人物と移動体等のように、オブジェクトの種類を指標にしてよい。オブジェクトの種類は、オブジェクトの形状またはオブジェクトの色の一致度に基づいて決定されてよい。このように、特徴領域検出部２０３は、複数の撮像画像から、含まれるオブジェクトの種類が異なる複数の特徴領域を検出してよい。

例えば、特徴領域検出部２０３は、予め定められた形状パターンに予め定められた一致度以上の一致度で一致するオブジェクトを複数の撮像画像のそれぞれから抽出して、抽出したオブジェクトを含む撮像画像における領域を、特徴の種類が同じ特徴領域として検出してよい。なお、形状パターンは、特徴の種類毎に複数定められてよい。また、形状パターンの一例としては、人物の顔の形状パターンを例示することができる。なお、複数の人物毎に異なる顔のパターンが定められてよい。これにより、特徴領域検出部２０３は、異なる人物をそれぞれ含む異なる領域を、異なる特徴領域として検出することができる。なお、特徴領域検出部２０３は、上記の人物の顔の他にも、人物の頭部または人物の手等の人体の一部の部位、あるいは人体以外の生体の少なくとも一部の部位を含む領域を、特徴領域として検出することができる。なお、生体とは、生体内部の腫瘍組織または血管等のように、生体の内部に存在する特定の組織を含む。他にも、特徴領域検出部２０３は、生体の他にも、貨幣、キャッシュカード等のカード、車輌、あるいは車両のナンバープレートが撮像された領域を特徴領域として検出してよい。

また、特徴領域検出部２０３は、テンプレートマッチング等によるパターンマッチングの他にも、例えば特開２００７−１８８４１９号公報に記載された機械学習（例えば、アダブースト）等による学習結果に基づいて、特徴領域を検出することもできる。例えば、予め定められた被写体の画像から抽出された画像特徴量と、予め定められた被写体以外の被写体の画像から抽出された画像特徴量とを用いて、予め定められた被写体の画像から抽出された画像特徴量の特徴を学習する。そして、特徴領域検出部２０３は、当該学習された特徴に適合する特徴を有する画像特徴量が抽出された領域を、特徴領域として検出してよい。これにより特徴領域検出部２０３は、予め定められた被写体が撮像されている領域を特徴領域として検出することができる。

このように、特徴領域検出部２０３は、複数の動画のそれぞれに含まれる複数の撮像画像から、複数の特徴領域を検出する。そして、特徴領域検出部２０３は、検出した特徴領域を示す情報を、圧縮制御部２１０に供給する。なお、特徴領域を示す情報とは、特徴領域の位置を示す特徴領域の座標情報、特徴領域の種類を示す種類情報、および特徴領域が検出された撮像動画を識別する情報を含む。このように、特徴領域検出部２０３は、動画における特徴領域を検出する。

圧縮制御部２１０は、特徴領域検出部２０３から取得した特徴領域を示す情報に基づいて、特徴領域に応じて圧縮部２３０による動画の圧縮処理を制御する。なお、圧縮部２３０は、撮像画像における特徴領域と撮像画像における特徴領域以外の領域とで異なる強度で圧縮することにより、撮像画像を圧縮してよい。例えば、圧縮部２３０は、動画に含まれる撮像画像における特徴領域以外の領域の解像度を低解像度化することにより撮像画像を圧縮する。このように、圧縮部２３０は、特徴領域以外の領域の画像の画質を低減することにより、特徴領域以外の領域の画像を圧縮する。また、圧縮部２３０は、撮像画像における各画像領域のそれぞれを重要度に応じた強度で圧縮する。なお、圧縮部２３０のより具体的な内部の圧縮動作については、後に説明する。

モデル格納部２７０は、物体が特徴パラメータで表現されたモデルを格納する。例えば、モデル格納部２７０は、物体が統計的な特徴パラメータにより表現されたモデルを格納してよい。より具体的には、モデル格納部２７０は、主成分分析に基づく主成分で物体が表現されたモデルを格納してよい。なお、モデル格納部２７０は、主成分分析に基づく主成分で物体の形状が表現されたモデルを格納してよい。また、モデル格納部２７０は、主成分分析に基づく主成分で物体の色が表現されたモデルを格納してよい。

パラメータ値算出部２６０は、撮像画像における特徴領域の画像に含まれる物体の画像を、モデル格納部２７０が格納しているモデルに適応させることによって、特徴領域の画像に含まれる物体を表す、モデルにおける特徴パラメータの値を算出する。具体的には、パラメータ値算出部２６０は、モデルにおける主成分の重みを算出する。特徴パラメータが主成分分析により得られた主成分ベクトルである場合、特徴パラメータの値としては、主成分ベクトルへの重みづけ係数を例示することができる。

パラメータ量子化部２８０は、出力部２０７から特徴パラメータの値が出力されるべき特徴パラメータを選択する。具体的には、パラメータ量子化部２８０は、主成分分析によって抽出されている主成分のうち、どのレベルの主成分まで重みづけ係数を出力するべきか決定する。例えば、パラメータ量子化部２８０は、特徴領域の特徴の種類に応じて予め定められたレベルまで主成分の重みづけ係数を出力されるべき旨を決定する。パラメータ量子化部２８０が決定したレベルの主成分に対する重みづけ係数は、対応付け処理部２０６に供給される。

対応付け処理部２０６は、撮像画像から検出された特徴領域を特定する情報および重みづけ係数を、撮像画像に対応づける。具体的には、対応付け処理部２０６は、撮像画像から検出された特徴領域を特定する情報および重みづけ係数を、撮像画像を動画構成画像として含む圧縮動画に対応づける。そして、出力部２０７は、対応付け処理部２０６によって特徴領域を特定する情報および重みづけ係数が対応付けされた圧縮動画を、画像処理装置１７０に出力する。

このように、出力部２０７は、パラメータ値算出部２６０が算出した特徴パラメータの値および特徴領域以外の領域の画像を出力する。より具体的には、出力部２０７は、パラメータ量子化部２８０が選択した特徴パラメータの値および圧縮部２３０により画質が低減された特徴領域以外の領域の画像を出力する。

なお、出力部２０７から出力される圧縮動画は、特徴領域については画素情報を含まなくてよい。このように、出力部２０７は、パラメータ値算出部２６０が算出した主成分の重みおよび特徴領域以外の領域の画像を出力する。より具体的には、出力部２０７は、パラメータ値算出部２６０が算出した特徴パラメータの値および圧縮部２３０により画質が低減された特徴領域以外の領域の画像を出力する。

以上説明したように、画像処理装置１２０によると、特徴領域に含まれる物体の画像については特徴パラメータ値で表現することによって、十分にデータ量を削減しつつ、後で物体の画像を再構成することができる情報を残すことができる。また、特徴領域に比べて重要度が低い背景領域については、画質を低減することでデータ量を著しく削減することができる。

なお、モデル格納部２７０は、異なる種類の物体のモデルを、当該種類に対応づけて格納してよい。そして、パラメータ値算出部２６０は、撮像画像における特徴領域の画像に含まれる物体の画像を、特徴領域に撮像されている物体の種類に対応づけてモデル格納部２７０が格納しているモデルに適応させることによって、特徴パラメータの値を算出してよい。この場合、出力部２０７は、パラメータ値算出部２６０が算出した特徴パラメータの値、特徴領域に撮像されている物体の種類、および圧縮部２３０により画質が低減された特徴領域以外の領域の画像を出力することが望ましい。これにより、画像処理装置１７０側で適切な種類のモデルを選択して再構成することができる。

また、モデル格納部２７０は、異なる方向から見た物体のモデルを、当該方向に対応づけて格納してよい。そして、パラメータ値算出部２６０は、撮像画像における特徴領域の画像に含まれる物体の画像を、特徴領域に撮像されている物体が撮像された方向に対応づけてモデル格納部２７０が格納しているモデルに適応させることによって、特徴パラメータの値を算出してよい。この場合、出力部２０７は、パラメータ値算出部２６０が算出した特徴パラメータの値、特徴領域に撮像されている物体が撮像された方向、および圧縮部２３０により画質が低減された特徴領域以外の領域の画像を出力すること画望ましい。

また、モデル格納部２７０は、異なる照明条件で照明された物体のモデルを、当該照明条件に対応づけて格納してよい。そして、パラメータ値算出部２６０は、撮像画像における特徴領域の画像に含まれる物体の画像を、特徴領域に撮像されている物体が照明された照明条件に対応づけてモデル格納部２７０が格納しているモデルに適応させることによって、特徴パラメータの値を算出してよい。この場合、出力部２０７は、パラメータ値算出部２６０が算出した特徴パラメータの値、特徴領域に撮像されている物体が照明された照明条件、および圧縮部２３０により画質が低減された特徴領域以外の領域の画像を出力することが望ましい。

このように、モデル格納部２７０は、物体の種類、物体の方向、および照明条件等に対応づけて複数のモデルを格納している。このため、特徴領域の物体の画像を、より適切なモデルを用いて表現することができるので、特徴領域の画質を維持しつつデータ量を削減することができる。

図３は、圧縮部２３０のブロック構成の一例を示す。圧縮部２３０は、画像分割部２３２、複数の固定値化部２３４ａ−ｃ（以下、固定値化部２３４と総称する場合がある。）、複数の画質変換部２４１ａ−ｄ（以下、画質変換部２４１と総称する。）を含む画質変換ユニット２４０、および複数の圧縮処理部２３６ａ−ｄ（以下、圧縮処理部２３６と総称する場合がある。）を有する。

画像分割部２３２は、画像取得部２５０から複数の撮像画像を取得する。そして、画像分割部２３２は、複数の撮像画像を、特徴領域と、特徴領域以外の背景領域とに分割する。具体的には、画像分割部２３２は、複数の撮像画像を、複数の特徴領域のそれぞれと、特徴領域以外の背景領域とに分割する。このように、画像分割部２３２は、複数の撮像画像のそれぞれを、特徴領域と背景領域とに分割する。

そして、圧縮処理部２３６は、特徴領域の画像である特徴領域画像と背景領域の画像である背景領域画像とを、それぞれ異なる強度で圧縮する。具体的には、圧縮処理部２３６は、特徴領域画像を複数含む特徴領域動画と背景領域画像を複数含む背景領域動画とを、それぞれ異なる強度で圧縮する。

具体的には、画像分割部２３２は、複数の撮像画像を分割することにより、複数の特徴の種類毎に特徴領域動画を生成する。そして、固定値化部２３４は、特徴の種類毎に生成された複数の特徴領域動画に含まれる特徴領域画像のそれぞれについて、それぞれの特徴の種類の特徴領域以外の領域の画素値を固定値化する。具体的には、固定値化部２３４は、特徴領域以外の領域の画素値を予め定められた画素値にする。

画質変換部２４１は、特徴領域の画像および背景領域の画像の画質を変換する。例えば、画質変換部２４１は、分割された特徴領域の画像および背景領域の画像のそれぞれについて、解像度、階調数、ダイナミックレンジ、または含まれる色数の少なくともいずれかを変換する。そして、圧縮処理部２３６は、特徴の種類毎に、複数の特徴領域動画を圧縮する。例えば、圧縮処理部２３６は、特徴の種類毎に、複数の特徴領域動画をＭＰＥＧ圧縮する。

なお、固定値化部２３４ａ、固定値化部２３４ｂ、および固定値化部２３４ｃは、それぞれ第１の特徴の種類の特徴領域動画、第２の特徴の種類の特徴領域動画、および第３の特徴の種類の特徴領域動画を固定値化する。また、画質変換部２４１ａ、画質変換部２４１ｂ、画質変換部２４１ｃ、および画質変換部２４１ｄは、それぞれ第１の特徴の種類の特徴領域動画、第２の特徴の種類の特徴領域動画、第３の特徴の種類の特徴領域動画、および背景領域動画の画質を変換する。そして、圧縮処理部２３６ａ、圧縮処理部２３６ｂ、圧縮処理部２３６ｃ、および圧縮処理部２３６ｄは、第１の特徴の種類の特徴領域動画、第２の特徴の種類の特徴領域動画、第３の特徴の種類の特徴領域動画、および背景領域動画を圧縮する。

なお、圧縮処理部２３６ａ−ｃは、特徴の種類に応じて予め定められた強度で特徴領域動画を圧縮する。例えば、圧縮処理部２３６は、特徴の種類に応じて予め定められた異なる解像度に特徴領域動画を変換して、変換した特徴領域動画を圧縮してよい。他にも、圧縮処理部２３６は、ＭＰＥＧ符号化により特徴領域動画を圧縮する場合には、特徴の種類に応じて予め定められた異なる量子化パラメータで特徴領域動画を圧縮してよい。

なお、圧縮処理部２３６ｄは、背景領域動画を圧縮する。なお、圧縮処理部２３６ｄは、圧縮処理部２３６ａ−ｃのいずれによる強度より高い強度で背景領域動画を圧縮してよい。圧縮処理部２３６によって圧縮された特徴領域動画および背景領域動画は、対応付け処理部２０６に供給される。

なお、特徴領域以外の領域が固定値化部２３４によって固定値化されているので、圧縮処理部２３６がＭＰＥＧ符号化等によって予測符号化する場合に、特徴領域以外の領域において予測画像との間の画像の差分量を著しく低減することができる。したがって、特徴領域動画の圧縮率を著しく高めることができる。

このように、圧縮部２３０は、撮像画像の画質を低減することにより、画像処理装置１７０への入力画像となる画像を生成する。具体的には、圧縮部２３０は、撮像画像の解像度、階調数、用いられる色の数を低減したりすることにより、画像処理装置１７０への入力画像となる画像を生成する。また、圧縮部２３０は、一例として、撮像画像におけるより高い空間周波数成分をより低減することにより、画像処理装置１７０への入力画像となる画像を生成してよい。

なお、本図では、圧縮部２３０が有する複数の圧縮処理部２３６のそれぞれが複数の特徴領域の画像および背景領域の画像をそれぞれ圧縮したが、他の形態では、圧縮部２３０は一の圧縮処理部２３６を有してよく、一の圧縮処理部２３６が、複数の特徴領域の画像および背景領域の画像をそれぞれ異なる強度で圧縮してよい。例えば、複数の特徴領域の画像および背景領域の画像が一の圧縮処理部２３６に時分割で順次供給され、一の圧縮処理部２３６が、複数の特徴領域の画像および背景領域の画像をそれぞれ異なる強度で順次圧縮してよい。

他にも、一の圧縮処理部２３６は、複数の特徴領域の画像情報および背景領域の画像情報を異なる量子化係数でそれぞれ量子化することによって、複数の特徴領域の画像および背景領域の画像をそれぞれ異なる強度で圧縮してよい。また、複数の特徴領域の画像および背景領域の画像がそれぞれ異なる画質の画像に変換された画像が一の圧縮処理部２３６に供給され、一の圧縮処理部２３６が、複数の特徴領域の画像および背景領域の画像をそれぞれ圧縮してよい。なお、当該画質変換処理は、一の画質変換ユニット２４０でなされてよい。また、上記のように一の圧縮処理部２３６が領域毎に異なる量子化係数で量子化したり、領域毎に異なる画質に変換された画像を一の圧縮処理部２３６が圧縮する形態では、一の圧縮処理部２３６は、一の画像を圧縮してもよく、本図で説明したように画像分割部２３２によって分割された画像をそれぞれ圧縮してもよい。なお、一の圧縮処理部２３６が一の画像を圧縮する場合には、画像分割部２３２による分割処理および固定値化部２３４による固定値化処理はなされなくてよいので、圧縮部２３０は、画像分割部２３２および固定値化部２３４を有しなくてよい。

図４は、画像処理装置１７０のブロック構成の一例を示す。画像処理装置１７０は、画像取得部３０１、対応付け解析部３０２、伸張制御部３１０、伸張部３２０、画像生成部３８０、特徴領域情報取得部３６０、モデル格納部３５０、および出力部３４０を備える。画像生成部３８０は、拡大部３３２および合成部３３０を有する。

画像取得部３０１は、圧縮部２３０により圧縮された圧縮動画を取得する。具体的には、画像取得部３０１は、複数の特徴領域動画および背景領域動画を含む圧縮動画を取得する。より具体的には、画像取得部３０１は、特徴領域情報および特徴パラメータが付帯された圧縮動画を取得する。このように、画像取得部３０１は、出力部２０７から出力された特徴パラメータの値および画質が低減された撮像画像を取得する。特に画像取得部３０１は、特に、特徴領域以外の領域において画質が低減された撮像画像および特徴パラメータの値を取得する。

そして、対応付け解析部３０２は、画像取得部３０１が取得した動画データを複数の特徴領域動画および背景領域動画と、特徴領域情報と、特徴領域パラメータ値とに分離して、複数の特徴領域動画および背景領域動画を伸張部３２０に供給する。また、対応付け解析部３０２は、特徴領域の位置および特徴の種類を伸張制御部３１０および特徴領域情報取得部３６０に供給する。また、対応付け解析部３０２は、特徴パラメータ値を特徴領域情報取得部３６０に供給する。このようにして、特徴領域情報取得部３６０は、複数の撮像画像のそれぞれにおける特徴領域を示す情報（例えば特徴領域の位置を示す情報）、および特徴パラメータ値を取得することができる。特徴領域情報取得部３６０は、取得した特徴領域の位置を示す情報および特徴パラメータ値を画像生成部３８０に供給する。

伸張制御部３１０は、対応付け解析部３０２から取得した特徴領域の位置および特徴の種類に応じて、伸張部３２０による伸張処理を制御する。例えば、伸張制御部３１０は、特徴領域の位置および特徴の種類に応じて圧縮部２３０が動画の各領域を圧縮した圧縮方式に応じて、伸張部３２０に圧縮動画が示す動画の各領域を伸張させる。

以下に、伸張部３２０が有する各構成要素の動作を説明する。伸張部３２０は、複数の復号器３２２ａ−ｄ（以下、復号器３２２と総称する。）を有する。復号器３２２は、符号化された複数の特徴領域動画および背景領域動画のいずれかを復号する。具体的には、復号器３２２ａ、復号器３２２ｂ、復号器３２２ｃ、および復号器３２２ｄは、それぞれ第１特徴領域動画、第２特徴領域動画、第３特徴領域動、および背景領域動画を復号する。伸張部３２０は、復号して得られた第１特徴領域動画、第２特徴領域動画、第３特徴領域動、および背景領域動画を、画像生成部３８０に供給する。

画像生成部３８０は、第１特徴領域動画、第２特徴領域動画、第３特徴領域動、および背景領域動画、特徴領域情報に基づいて一の表示動画を生成する。そして、出力部３４０は、対応付け解析部３０２から取得した特徴領域情報および表示動画を表示装置１８０または画像ＤＢ１７５に出力する。なお、画像ＤＢ１７５は、特徴領域情報が示す特徴領域の位置、特徴領域の特徴の種類、特徴領域の数を、表示動画に含まれる撮像画像を識別する情報に対応づけて、ハードディスク等の不揮発性の記録媒体に記録してよい。なお、出力部３４０は、この発明における画像出力部として機能し得る。

モデル格納部３５０は、モデル格納部２７０が格納しているモデルと同じもモデルを格納している。そして、画像生成部３８０は、特徴領域に含まれる物体の画像をモデル格納部３５０が格納しているモデルに適合させることにより、特徴領域に含まれる物体の高画質画像を生成してよい。具体的には、画像生成部３８０は、モデル格納部３５０が格納している主成分ベクトルを、特徴パラメータ値の一例としての重みづけ係数で重みづけすることによって、物体の高画質画像を生成してよい。このように、画像生成部３８０は、特徴領域の画像に含まれる物体の画像を、特徴パラメータの値に基づいてモデルから生成する。

なお、パラメータ値算出部２６０は、撮像画像における特徴領域の画像に含まれる物体の画像を、モデル格納部２７０が格納しているモデルに適応させることによって、特徴領域の画像に撮像されている物体の形状を表す、モデルにおける特徴パラメータの値を算出してよい。そして、圧縮部２３０は、撮像画像における特徴領域および特徴領域以外の領域の画質を低減することにより、撮像画像を圧縮してよい。そして、出力部２０７は、パラメータ値算出部２６０が算出した特徴パラメータの値、および圧縮部２３０により画質が低減された撮像画像を出力してよい。

この場合、画像生成部３８０は、特徴領域の画像に撮像されている物体の形状を特徴パラメータの値に基づいてモデルから生成し、生成した物体の形状および画像取得部２５０が取得した撮像画像における特徴領域の画像の画素値を用いて、特徴領域の画像に撮像されている物体の画像を生成する。具体的には、画像生成部３８０は、特徴領域の画像に撮像されている物体の形状を特徴パラメータの値に基づいてモデルから生成し、生成した物体の形状および伸張部３２０によって伸張された特徴領域の画像の画素値を用いて、特徴領域の画像に撮像されている物体の画像を生成する。

なお、特徴領域情報取得部３６０は、出力部２０７から圧縮動画に対応づけて出力された物体の種類、物体の方向、および照明条件を取得してよい。そして、画像生成部３８０は、物体の種類、物体の方向、および照明条件に対応づけてモデル格納部３５０が格納している主成分ベクトルを、特徴領域情報取得部３６０が取得した重みづけ係数で重みづけすることによって、物体の高画質画像を生成してよい。

画像拡大部３３２は、特徴領域以外の領域の画像を拡大する。そして、合成部３３０は特徴領域における物体の高画質画像と、当該拡大された特徴領域以外の領域の画像とを合成する。

そして、出力部３４０は、高画質画像および特徴領域以外の画像を含む画像を出力する。具体的には、出力部３４０は、上述したように合成部３３０により得られた撮像画像を動画構成画像として含む表示動画を出力する。

図５は、圧縮部２３０の他のブロック構成の一例を示す。本構成における圧縮部２３０は、特徴の種類に応じた空間スケーラブルな符号化処理によって複数の撮像画像を圧縮する。

本構成における圧縮部２３０は、画質変換部５１０、差分処理部５２０、および符号化部５３０を有する。差分処理部５２０は、複数の階層間差分処理部５２２ａ−ｄ（以下、階層間差分処理部５２２と総称する。）を含む。符号化部５３０は、複数の符号器５３２ａ−ｄ（以下、符号器５３２と総称する。）を含む。

画質変換部５１０は、画像取得部２５０から複数の撮像画像を取得する。また、画質変換部５１０は、特徴領域検出部２０３が検出した特徴領域を特定する情報および特徴領域の特徴の種類を特定する情報を取得する。そして、画質変換部５１０は、撮像画像を複製することにより、特徴領域の特徴の種類の数の撮像画像を生成する。そして、画質変換部５１０は、生成した撮像画像を、特徴の種類に応じた解像度の画像に変換する。

例えば、画質変換部５１０は、背景領域に応じた解像度に変換された撮像画像（以後、低解像度画像と呼ぶ。）、第１の特徴の種類に応じた第１解像度に変換された撮像画像（第１解像度画像と呼ぶ。）、第２の特徴の種類に応じた第２解像度に変換された撮像画像（第２解像度画像と呼ぶ。）、および第３の特徴の種類に応じた第３解像度に変換された撮像画像（第３解像度画像と呼ぶ。）を生成する。なお、ここでは、第１解像度画像は低解像度画像より解像度が高く、第２解像度画像は第１解像度画像より解像度が高く、第３解像度画像は第２解像度画像より解像度が高いとする。

そして、画質変換部５１０は、低解像度画像、第１解像度画像、第２解像度画像、および第３解像度画像を、それぞれ階層間差分処理部５２２ｄ、階層間差分処理部５２２ａ、階層間差分処理部５２２ｂ、および階層間差分処理部５２２ｃに供給する。なお、画質変換部５１０は、複数の撮像画像のそれぞれについて上記の画質変換処理することにより、階層間差分処理部５２２のそれぞれに動画を供給する。

なお、画質変換部５１０は、特徴領域の特徴の種類に応じて、階層間差分処理部５２２のそれぞれに供給する動画のフレームレートを変換してよい。例えば、画質変換部５１０は、階層間差分処理部５２２ａに供給する動画より低いフレームレートの動画を階層間差分処理部５２２ｄに供給してよい。また、画質変換部５１０は、階層間差分処理部５２２ｂに供給する動画より低いフレームレートの動画を階層間差分処理部５２２ａに供給してよく、階層間差分処理部５２２ｃに供給する動画より低いフレームレートの動画を階層間差分処理部５２２ｂに供給してよい。なお、画質変換部５１０は、特徴領域の特徴の種類に応じて撮像画像を間引くことによって、階層間差分処理部５２２に供給する動画のフレームレートを変換してよい。なお、画質変換部５１０は、図３に関連して説明した画質変換部２４１と同様の画質変換処理を行うことができる。

階層間差分処理部５２２ｄおよび符号器５３２ｄは、複数の低解像度画像を含む背景領域動画を予測符号化する。具体的には、階層間差分処理部５２２は、他の低解像度画像から生成された予測画像との差分画像を生成する。そして、符号器５３２ｄは、差分画像を空間周波数成分に変換して得られた変換係数を量子化して、量子化された変換係数をエントロピー符号化等により符号化する。なお、このような予測符号化処理は、低解像度画像の部分領域毎に行われてよい。

また、階層間差分処理部５２２ａは、画質変換部５１０から供給された複数の第１解像度画像を含む第１特徴領域動画を予測符号化する。同様に、階層間差分処理部５２２ｂおよび階層間差分処理部５２２ｃは、それぞれ複数の第２解像度画像を含む第２特徴領域動画および複数の第３解像度画像を含む第３特徴領域動画を予測符号化する。以下に、階層間差分処理部５２２ａおよび符号器５３２ａの具体的な動作について説明する。

階層間差分処理部５２２ａは、符号器５３２ｄによる符号化後の第１解像度画像を復号して、復号した画像を第１解像度と同じ解像度の画像に拡大する。そして、階層間差分処理部５２２ａは、拡大した画像と低解像度画像との間の差分画像を生成する。このとき、階層間差分処理部５２２ａは、背景領域における差分値を０にする。そして、符号器５３２ａは、差分画像を符号器５３２ｄと同様に符号化する。なお、階層間差分処理部５２２ａおよび符号器５３２ａによる符号化処理は、第１解像度画像の部分領域毎にされてよい。

なお、階層間差分処理部５２２ａは、第１解像度画像を符号化する場合に、低解像度画像との間の差分画像を符号化した場合に予測される符号量と、他の第１解像度画像から生成された予測画像との間の差分画像を符号化した場合に予測される符号量とを比較する。後者の符号量の方が小さい場合には、階層間差分処理部５２２ａは、他の第１解像度画像から生成された予測画像との間の差分画像を生成する。なお、階層間差分処理部５２２ａは、低解像度画像または予測画像との差分をとらずに符号化した方が符号量が小さくなることが予測される場合には、低解像度画像または予測画像との間で差分をとらなくてもよい。

なお、階層間差分処理部５２２ａは、背景領域における差分値を０にしなくてもよい。この場合、符号器５３２ａは、特徴領域以外の領域における差分情報に対する符号化後のデータを０にしてもよい。例えば、符号器５３２ａは、周波数成分に変換した後の変換係数を０にしてよい。なお、階層間差分処理部５２２ｄが予測符号化した場合の動きベクトル情報は、階層間差分処理部５２２ａに供給される。階層間差分処理部５２２ａは、階層間差分処理部５２２ｄから供給された動きベクトル情報を用いて、予測画像用の動きベクトルを算出してよい。

なお、階層間差分処理部５２２ｂおよび符号器５３２ｂの動作は、第２解像度画像を符号化するという点、および第２解像度画像を符号化する場合に、符号器５３２ａによる符号化後の第１解像度画像との差分をとる場合があるという点を除いて、階層間差分処理部５２２ｂおよび符号器５３２ｂの動作は階層間差分処理部５２２ａおよび符号器５３２ａの動作と略同一であるので、説明を省略する。同様に、階層間差分処理部５２２ｃおよび符号器５３２ｃの動作は、第３解像度画像を符号化するという点、および第３解像度画像を符号化を符号化する場合に、符号器５３２ｂによる符号化後の第２解像度画像との差分をとる場合があるという点を除いて、階層間差分処理部５２２ａおよび符号器５３２ａの動作と略同一であるので、説明を省略する。

以上説明したように、画質変換部５１０は、複数の撮像画像のそれぞれから、画質を低画質にした低画質画像、および少なくとも特徴領域において低画質画像より高画質な特徴領域画像を生成する。そして、差分処理部５２０は、特徴領域画像における特徴領域の画像と、低画質画像における特徴領域の画像との間の差分画像を示す特徴領域差分画像を生成する。そして、符号化部５３０は、特徴領域差分画像および低画質画像をそれぞれ符号化する。

また、画質変換部５１０は、複数の撮像画像から解像度が低減された低画質画像を生成して、差分処理部５２０は、特徴領域画像における特徴領域の画像と、低画質画像における特徴領域の画像を拡大した画像との間の特徴領域差分画像を生成する。また、差分処理部５２０は、特徴領域において特徴領域画像と拡大した画像との間の差分が空間周波数領域に変換された空間周波数成分を持ち、特徴領域以外の領域において空間周波数成分のデータ量が低減された特徴領域差分画像を生成する。

以上説明したように、圧縮部２３０は、解像度が異なる複数の階層間の画像の差分を符号化することによって階層的に符号化する。このことからも明らかなように、本構成の圧縮部２３０による圧縮方式の一部は、Ｈ．２６４／ＳＶＣによる圧縮方式を含むことが明らかである。なお、画像処理装置１７０がこのような階層化された圧縮動画を伸張する場合には、各階層の動画データを復号して、階層間差分により符号化されている領域については、差分がとられた階層で復号された撮像画像との加算処理により、元の解像度の撮像画像を生成することができる。

図６は、人間の顔における特徴点の一例を示す。図２および図３に関連して説明したように、モデル格納部２７０およびモデル格納部３５０は、特徴パラメータで物体を表現するモデルを格納している。以下に、モデル格納部２７０およびモデル格納部３５０が格納するモデルを生成する生成方法の一例として、物体の一例である人物の顔のモデルをＡＡＭ手法を用いて生成する場合について説明する。

サンプルとなる人間の顔部分が表された複数の顔画像（以下、サンプル画像）の各々に対して、本図に示すように、顔形状を表す特徴点をｎ個設定する。なお、ここでは、特徴点の数は顔画像の画素数より少ないものとする。各特徴点は、例えば、１番目の特徴点は左目の左端、１１番目の特徴点は眉の間の中央というように、顔のどの部位を示すかが予め定められていてよい。また、各特徴点は、手作業によって設定してもよいし、認識処理によって自動的に設定してもよい。

そして、各サンプル画像中に設定された特徴点に基づいて、顔の平均形状を算出する。具体的には、各サンプル画像における、同じ部位を示す特徴点毎の位置座標の平均を求める。そして、各サンプル画像における顔形状を表す特徴点とその平均形状の位置座標に基づいて主成分分析を行う。その結果、任意の顔形状Ｓは、Ｓ＝Ｓ０＋Σｐｉｂｉ（ｉ＝１〜ｎ）によって表現することができる。

ここで、Ｓは顔形状の各特徴点の位置座標を並べて表現される形状ベクトル（ｘ１，ｙ１，・・・，ｘｎ，ｙｎ）であり、Ｓ０は平均顔形状における各特徴点の位置座標を並べて表現される平均顔形状ベクトル、ｐｉは主成分分析によって得られた顔形状についての第ｉ主成分を表す固有ベクトル、ｂｉは各固有ベクトルｐｉに対する重みづけ係数を表す。

図７は、重みづけ係数ｂを変化させた場合の顔形状の変化の一例を模式的に示す。本図では、主成分分析によって得られた上位２つの主成分の固有ベクトルｐ１、ｐ２に対する重みづけ係数ｂ１、ｂ２の値を変化させた場合の顔形状の変化の様子を模式的に表している。ａ）は、重みづけ係数ｂ１を変化させた場合の顔形状の変化を示しており、ｂ）は、重みづけ係数ｂ２を変化させた場合の顔形状の変化を示している。ａ）およびｂ）のいずれにおいても、各主成分についての３つの顔形状の中央のものは、平均的な顔形状を示す。

この例では、主成分分析の結果、第１主成分としては顔の輪郭形状に寄与する成分が抽出されており、重みづけ係数ｂ１を変化させることによって、ａ）左端に示す細長い顔からａ）右端に示す丸顔まで顔形状が変化していることがわかる。同様に、第２主成分としては口の開閉状態と顎の長さに寄与する成分が抽出されており、重みづけ係数ｂ２を変化させることによって、ｂ）左端に示すような口が開いた状態で顎が長い顔から、ｂ）右端に示すような口が閉じられた状態で顎が短い顔まで、顔形状が変化することがわかる。なお、各主成分が結果としてどのような形状要素に寄与しているかは人間の解釈による。主成分分析により、使用された各サンプル画像においてより大きな形状の違いを表現するものがより低次の主成分として抽出される。

図８は、サンプル画像を平均顔形状に変換して得られた画像の一例を示す。各サンプル画像は、平均顔形状に変換（ワーピング）される。具体的には、各特徴点について、各サンプル画像と平均顔形状との間でのシフト量が算出される。そして、当該シフト量に基づいて、各サンプル画像の画素毎の平均顔形状へのシフト量を算出して、各サンプル画像が画素毎に平均顔形状へワーピングされる。

そして、平均顔形状に変換後のサンプル画像毎の各画素のＲ，Ｇ，Ｂの色成分の画素値を変数として主成分分析する。その結果、任意の顔画像の平均顔形状下でのＲ，Ｇ，Ｂの色成分の画素値は、Ａ＝Ａ０＋Σｑｉλｉ（ｉ＝１〜ｍ）によって近似することができる。

ここで、Ａは、平均顔形状下での各画素のＲ，Ｇ，Ｂ色成分の各々の画素値を並べて表現されるベクトル（ｒ１，ｇ１，ｂ１，ｒ２，ｇ２，ｂ２，・・・，ｒｍ，ｇｍ，ｂｍ）である。なお、ｒ、ｇ、ｂはそれぞれＲ，Ｇ，Ｂ色成分の画素値、１からｍは各画素を識別する添え字、ｍは平均顔形状での総画素数を示す。なお、ベクトルの成分の並び順は上記の順に限定されない。

また、Ａ０は平均顔形状における各サンプル画像の画素毎のＲ，Ｇ，Ｂ色成分の各々の画素値の平均値を並べて表現される平均ベクトル、ｑｉは主成分分析によって得られた顔のＲ，Ｇ，Ｂ色成分の画素値についての第ｉ主成分を表す固有ベクトル、λｉは各固有ベクトルｑｉに対する重みづけ係数を表す。

図９は、重みづけ係数ｑを変化させた場合の画素値の変化の一例を模式的に示す。本図では、主成分分析によって得られた上位２つの主成分の固有ベクトルｑ１、ｑ２に対する重みづけ係数λ１、λ２の値を変化させた場合の顔の画素値の変化の様子を模式的に表している。ａ）は、重みづけ係数λ１を変化させた場合の画素値の変化を示しており、ｂ）は、重みづけ係数λ２を変化させた場合の画素値の変化を示している。ａ）およびｂ）のいずれにおいても、各主成分についての３つの顔形状の中央のものは、平均的な画素値を示す。

この例では、主成分分析の結果、第１主成分としてはヒゲの有無に寄与する成分が抽出されており、重みづけ係数λ１を変化させることによって、ａ）左端に示すヒゲのない顔からａ）右端に示すヒゲの濃い顔まで変化することがわかる。第２主成分としては眉の濃さに寄与する成分が抽出されており、重みづけ係数λ２を変化させることによって、ｂ）左端に示すような眉が薄い顔から、ｂ）右端に示すような眉が濃い顔まで変化することがわかる。

以上、図６から図９にかけて説明した処理によって、顔のモデルが生成される。このモデルは、顔形状を表す複数の固有ベクトルｐｉと、平均顔形状下での顔の画素値を表す固有ベクトルｑｉとによって、顔を表現する。モデルが有する各固有ベクトルの合計数は、顔画像を形成する画素数よりも大幅に少ない。なお、上記の例では、形状および画素値を顔形状とＲ，Ｇ，Ｂ色成分の画素値についての別個の重みづけ係数ｂｉ、λｉによって、個別の顔画像を表現したが、顔形状と色成分の画素値のバリエーションには相関性があることから、特徴点および画素値の双方を含む特徴パラメータを主成分分析することもできる。

次に、モデル格納部２７０が格納しているモデルを用いて特徴領域に含まれる物体の画像を圧縮する処理の一例を説明する。パラメータ値算出部２６０は、特徴領域に含まれる入力顔画像を正規化して、平均顔形状化でのＲ，Ｇ，Ｂの色成分の画素値を算出する。なお、入力顔画像は、かならずしも正面からの画像でなかったり、照明条件がサンプル画像を撮像した場合の照明条件と異なる場合がある。したがって、ここでいう正規化とは、上記で説明した正面の顔の特徴点を揃える処理だけでなく、斜めから撮像されて得られた入力顔画像の向きを正面から撮像された顔画像に変換する変換処理であったり、照明による影の影響を除去したりする影除去処理等のように、サンプル画像と同等の撮影環境で撮像された顔画像に変換する処理を含む。

そして、パラメータ値算出部２６０は、平均顔に対する画素値との差を主成分ベクトルｑｉに射影することにより、重みづけ係数λｉを算出する。具体的には、パラメータ値算出部２６０は、主成分ベクトルｑｉとの内積により重みづけ係数λｉを算出することができる。また、パラメータ値算出部２６０は、顔の特徴点Ｓについても、上述した画素値Ａの算出処理と同様の処理により算出する。具体的には、パラメータ値算出部２６０は、平均顔に対する特徴点の位置の差を主成分ベクトルｐｉに射影することにより重みづけ係数ｂｉを算出する。

以上説明したようにして、パラメータ値算出部２６０は、重みづけ係数ｂｉおよびλｉを、特徴パラメータの値として算出することができる。次に、画像生成部３８０による高画質画像の生成処理について説明する。

画像生成部３８０は、取得した重みづけ係数λｉ、平均顔の画素値Ａ０、および主成分ベクトルｑｉを用いて、平均顔形状下における画素値Ａを算出する。また、画像生成部３８０は、取得した重みづけ係数ｂｉ、平均顔の特徴点Ｓ０、および主成分ベクトルｐｉを用いて、特徴点Ａを算出する。そして、画像生成部３８０は、画素値Ａおよび特徴点Ａで表される画像に対して、上記の正規化処理のうち特徴点を揃える処理を除く処理の逆変換処理を施す。なお、上記の正規化処理の内容は、画像処理装置１２０から画像処理装置１７０に送信され、画像生成部３８０が上記逆変換処理をする場合に使用されてよい。

以上の処理により、画像生成部３８０は、出力部２０７から出力された撮像画像における特徴領域の画像から、当該撮像画像より高画質な高画質画像を生成する。具体的には、画像生成部３８０は、出力部２０７から出力された撮像画像における特徴領域の画像に比べて、より高解像度の画像、よりシャープな画像、よりノイズが少ない画像、より階調数の多い画像、あるいはより色数の多い画像を生成することができる。

図１０は、モデル格納部２７０およびモデル格納部３５０が格納しているモデルの一例をテーブル形式で示す。モデル格納部２７０およびモデル格納部３５０は、複数の表情および複数の方向のそれぞれの組み合わせ毎に、モデルを格納している。表情としては、喜怒哀楽のそれぞれの状態にあるときの顔、および真顔を含み、方向としては、正面、上方、下方、右方、左方、および後方を含む。

パラメータ値算出部２６０は、特徴領域に含まれる顔画像の画像内容に基づいて顔の表情および顔の方向を特定して、特定した表情および方向の組み合わせに対応づけてモデル格納部２７０が格納しているモデルを用いて、上述の重みづけ係数を算出することができる。

なお、出力部２０７は、使用したモデルを識別する情報を画像処理装置１７０に送信してよい。そして、画像生成部３８０は、当該情報によって識別されるモデルを用いて、上述の再構成処理をすることができる。

なお、画像生成部３８０は、口および／または目の形状から表情を特定することができ、目、口、鼻、および耳の位置関係等から顔の方向を特定することができる。なお、画像処理装置１２０が顔の表情および顔の方向を特定してよく、出力部２０７から撮像画像に対応づけて顔の表情および顔の方向が出力されてよい。

また、モデル格納部２７０およびモデル格納部３５０は、顔の表情および向きの他に、上述したように照明条件に対応づけてモデルを格納してよい。例えば、モデル格納部２７０およびモデル格納部３５０は、照明強度および照明の方向に対応づけてモデルを格納してよい。そして、パラメータ値算出部２６０は、特徴領域に含まれる顔画像の画像内容に基づいて顔への照明条件を特定してよい。例えば、パラメータ値算出部２６０は、影の位置および大きさに基づいて、照明強度および照明方向を特定して、特定した照明強度および照明方向に対応づけてモデル格納部２７０が格納しているモデルを用いて、重みづけ係数を算出することができる。

なお、上記の例では、顔全体を表現するモデルの生成および当該モデルを用いた特徴パラメータ抽出および再構成過程を説明した。このような顔全体のモデルの他に、画像処理システム１０は、顔の部位毎のモデルを用いることができる。他にも、画像処理システム１０は、性別および／または人種毎の顔（あるいは顔の部位毎）のモデルを用いることができる。また、画像処理システム１０は、人物のモデルの他に、車両、船舶等、画像処理システム１０が監視対象とする物体の種別毎にモデルを格納することができる。そして画像生成部３８０は、種別に応じてモデルを選択して再構成することもできる。このような種別は、画像処理装置１２０において検出され、撮像画像に対応づけて画像処理装置１７０に送信されてよい。

以上説明したように、モデル格納部２７０およびモデル格納部３５０は、異なる種類の物体のモデルを、当該種類に対応づけて格納することができる。そして、特徴領域情報取得部３６０は、入力画像における特徴領域に撮像されている物体の種類を示す情報を取得する。そして、画像生成部３８０は、撮像画像における特徴領域に含まれる物体の画像を、特徴領域情報取得部３６０が取得した特徴領域に撮像されている物体の種類に対応づけてモデル格納部３５０が格納しているモデルに適応させることによって、高画質画像に変換する。

なお、上述したように、モデル格納部２７０およびモデル格納部３５０は、学習データの一例としてのモデルを、オブジェクトの種類を識別する情報の一例としての顔の部位（例えば、目、鼻、口など）毎に格納することができる。ここで、学習データとしては、上記モデルの他に、オブジェクトの多数のサンプル画像からそれぞれ抽出された、オブジェクトの画像の低周波成分および高周波成分を含んでよい。なお、複数のオブジェクトの種類のそれぞれについてオブジェクトの画像の低周波成分をＫ−ｍｅａｎｓ法等によってクラスタリングすることによって、複数のオブジェクトの種類のそれぞれにおいてオブジェクトの画像の低周波成分は複数のクラスタにクラスタリングされていてよい。また、各クラスタ毎に代表的な低周波成分（例えば、重心値）が定められていてよい。なお、モデル格納部２７０は、オブジェクトの画像の低周波成分に対応づけて高周波成分を特定する情報を記憶してよい。また、モデル格納部３５０は、高周波成分を特定する情報に対応づけて高周波成分を記憶してよい。

パラメータ値算出部２６０は、撮像画像に含まれるオブジェクトの画像から低周波成分を抽出する。そして、パラメータ値算出部２６０は、当該オブジェクの種類のオブジェクトのサンプル画像から抽出された低周波成分のクラスタのうち、抽出した低周波成分に適合する値が代表的な低周波成分として定められたクラスタを特定する。そして、パラメータ値算出部２６０は、特定したクラスタに含まれる低周波成分に対応づけてモデル格納部２７０が格納している高周波成分のクラスタを特定する情報を特定する。このようにして、パラメータ値算出部２６０は、撮像画像に含まれるオブジェクトから抽出された低周波成分に相関のある高周波成分のクラスタを特定することができる。パラメータ値算出部２６０が特定した高周波成分のクラスタを特定する情報は、特徴領域を特定する情報に対応づけて出力部２０７から出力される。

出力部２０７から出力されて画像取得部３０１が取得した高周波成分のクラスタを特定する情報は、対応付け解析部３０２で抽出され、特徴領域情報取得部３６０を通じて画像生成部３８０に供給される。画像生成部３８０は、当該高周波成分のクラスタを特定する情報に対応づけてモデル格納部３５０が格納している高周波成分のクラスタを代表する高周波成分を用いて、オブジェクトの画像をより高画質な画像に変換してよい。例えば、画像生成部３８０は、各オブジェクトの中心から顔上の処理対象位置までの距離に応じた重みでオブジェクト毎に選択された当該高周波成分をオブジェクトの画像に加算してよい。なお、当該代表する高周波成分は、閉ループ学習によって生成されてよい。このように、パラメータ値算出部２６０は、各オブジェクト毎に学習することによって生成された学習データの中から望ましい学習データをオブジェクト毎に選択することができる。このため、画像生成部３８０は、オブジェクト毎に選択された望ましい学習データを利用することができるので、オブジェクトの画像をより高い精度で高画質化することができる場合がある。なお、上記の例では、高周波成分のクラスタを特定する情報が出力部２０７から出力されるとしたが、低周波成分のクラスタを特定する情報が出力部２０７から出力されてもよい。この場合、モデル格納部３５０が当該低周波成分のクラスタを特定する情報に対応づけて高周波のクラスタを格納している。そして、画像生成部３８０は、出力部２０７から出力された低周波成分のクラスタを特定する情報に対応づけてモデル格納部３５０が格納している高周波成分のクラスタを代表する高周波成分をオブジェクトの画像に加算することによって、オブジェクトの画像を高画質化することができる。

以上のように、画像処理装置１２０および画像処理装置１７０によると、主成分分析（ＰＣＡ）に基づいて特徴領域の画像を再構成することができる。なお、画像処理装置１２０および画像処理装置１７０に係わる画像再構成手法、および当該画像再構成用の学習法としては、主成分分析（ＰＣＡ）による学習・画像再構成の他に、局所保存投影（ｌｏｃａｌｉｔｙ ｐｒｅｓｅｒｖｉｎｇ ｐｒｏｊｅｃｔｉｏｎ：ＬＰＰ）、線形判別分析（Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ：ＬＤＡ）、独立成分分析（Ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ：ＩＣＡ）、多次元スケーリング（ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ｓｃａｌｉｎｇ：ＭＤＳ）、サポートベクターマシン（サポートベクター回帰）、ニューラルネットワーク、隠れマルコフモデル、Ｂａｙｅｓ推論、最大事後確率推定、反復逆投影、Ｗａｖｅｌｅｔ変換、局所線形埋め込み（ｌｏｃａｌｌｙ ｌｉｎｅａｒ ｅｍｂｅｄｄｉｎｇ：ＬＬＥ）、マルコフランダム場（Ｍａｒｋｏｖ ｒａｎｄｏｍ ｆｉｅｌｄ：ＭＲＦ）等の手法を用いることができる。

なお、上記の説明では、２次元のモデルを利用する場合を例に挙げて画像処理システム１０の各構成要素の機能および動作を説明したが、画像処理システム１０は、３次元のモデルを利用してもよい。すなわち、モデル格納部２７０およびモデル格納部３５０は、３次元のモデルを格納してよい。なお、３次元モデルを使用する場合には、上述のベクトルＡに奥行きを示すｚ成分を追加することで実現することができる。例えば、ベクトルＡを（ｒ１，ｇ１，ｂ１，ｚ１，ｒ２，ｇ２，ｂ２，ｚ１，・・・，ｒｍ，ｇｍ，ｂｍ、ｚｍ）とすることで、３次元のモデルを実現することができる。

なお、モデル格納部２７０およびモデル格納部３５０が格納する３次元モデルは、異なる方向から物体が撮像されて得られた複数のサンプル画像から生成された３次元画像を利用して生成することができる。例えば、複数の物体のそれぞれの３次元画像について、上述した２次元のモデルを生成する場合と同様の方法によって３次元モデルを生成することができる。そして、パラメータ値算出部２６０は、複数の撮像画像のそれぞれにおける特徴領域のうち、異なる方向から同じ物体が撮像されている画像を含む特徴領域を特定し、特定した特徴領域に含まれる当該物体の画像に基づく当該物体の３次元画像を３次元モデルに適応させることによって、特徴パラメータの値を算出する。なお、パラメータ値算出部２６０は、異なる方向から撮像された同じ物体の画像における視差情報に基づいて、当該物体の３次元画像を生成することができる。また、当該視差情報に基づいて、それぞれの特徴領域に含まれる物体の画像が撮影された方向が特定される。出力部２０７は、当該撮影方向を、特徴領域以外の領域の画像および特徴パラメータの値に対応づけて出力してよい。

そして、画像生成部３８０は、異なる方向から同じ物体が撮像されている画像を含む特徴領域の画像に含まれる物体の３次元画像を、特徴パラメータの値に基づいて３次元モデルから生成し、生成した３次元画像に基づいて、特徴領域の画像に含まれる物体の２次元画像を生成する。なお、特徴領域情報取得部３６０は、出力部２０７から出力されて画像取得部３０１が取得した撮影方向を取得して、取得した撮影方向を画像生成部３８０に供給する。画像生成部３８０は、当該撮影方向および３次元画像に基づいて２次元空間に投影することによって、物体の２次元画像を生成することができる。そして、出力部３４０は、画像生成部３８０により生成された２次元画像と画像取得部３０１が取得した特徴領域以外の領域の画像とを合成した画像を出力する。なお、上記撮影方向は、３次元画像から２次元画像を生成する場合に用いられる方向情報の一例であり、方向情報は、３次元データを２次元空間に投影する投影角度であってよい。

また、撮像画像に含まれている物体の画像と、平均画像（例えば、平均顔画像）との間の差が予め定められた値より大きい場合には、圧縮部２３０が特徴領域の画像を圧縮してよい。これにより、特徴領域に含まれる物体の画像が平均画像から大きく乖離している場合に、再構成精度が著しく低下してしまうことを未然に防ぐことができる。

図１１は、他の実施形態に係る画像処理システム２０の一例を示す。本実施形態における画像処理システム２０の構成は、撮像装置１００ａ−ｄがそれぞれ画像処理部８０４ａ−ｄ（以下、画像処理部８０４と総称する。）を有する点を除いて、図１で説明した画像処理システム１０の構成と同じとなっている。

画像処理部８０４は、画像処理装置１２０に含まれる構成要素のうち、画像取得部２５０を除く構成要素を有している。そして、画像処理部８０４に含まれる各構成要素の機能および動作は、画像処理装置１２０に含まれる各構成要素が圧縮動画伸張部２０２による伸張処理によって得られた撮像動画を処理することに替えて、撮像部１０２によって撮像された撮像動画を処理するという点を除いて、画像処理装置１２０に含まれる各構成要素の機能および動作と略同一であってよい。このような構成の画像処理システム２０においても、図１から図１０にかけて画像処理システム１０に関連して説明した効果と略同一の効果が得ることができる。

なお、画像処理部８０４は、撮像部１０２からＲＡＷ形式で表された複数の撮像画像を含む撮像動画を取得して、取得した撮像動画に含まれるＲＡＷ形式で表された複数の撮像画像（例えば、特徴領域以外の領域の画像）をＲＡＷ形式のまま圧縮してよい。なお、画像処理部８０４は、ＲＡＷ形式で表された複数の撮像画像から１以上の特徴領域を検出してよい。また、画像処理部８０４は、圧縮されたＲＡＷ形式の複数の撮像画像を含む撮像動画を圧縮してよい。なお、画像処理部８０４は、撮像動画を、図１〜図１１に関連して画像処理装置１２０の動作として説明した圧縮方法で圧縮することができる。なお、画像処理装置１７０は、画像処理部８０４から取得した動画を伸張することにより、ＲＡＷ形式で表された複数の撮像画像（例えば、特徴領域以外の領域の画像）を取得することができる。画像処理装置１７０は、伸張することにより取得されたＲＡＷ形式で表された複数の撮像画像をそれぞれ領域毎に拡大して、領域毎に同時化処理を施す。このとき、画像処理装置１７０は、特徴領域以外の領域より、特徴領域においてより高精度な同時化処理を施してよい。

図１２は、画像処理装置１２０および画像処理装置１７０のハードウェア構成の一例を示す。画像処理装置１２０および画像処理装置１７０は、ＣＰＵ周辺部と、入出力部と、レガシー入出力部とを備える。ＣＰＵ周辺部は、ホスト・コントローラ１５８２により相互に接続されるＣＰＵ１５０５、ＲＡＭ１５２０、グラフィック・コントローラ１５７５、及び表示デバイス１５８０を有する。入出力部は、入出力コントローラ１５８４によりホスト・コントローラ１５８２に接続される通信インターフェイス１５３０、ハードディスクドライブ１５４０、及びＣＤ−ＲＯＭドライブ１５６０を有する。レガシー入出力部は、入出力コントローラ１５８４に接続されるＲＯＭ１５１０、フレキシブルディスク・ドライブ１５５０、及び入出力チップ１５７０を有する。

ホスト・コントローラ１５８２は、ＲＡＭ１５２０と、より高い転送レートでＲＡＭ１５２０をアクセスするＣＰＵ１５０５、及びグラフィック・コントローラ１５７５とを接続する。ＣＰＵ１５０５は、ＲＯＭ１５１０、及びＲＡＭ１５２０に格納されたプログラムの内容に応じて動作して、各部の制御をする。グラフィック・コントローラ１５７５は、ＣＰＵ１５０５等がＲＡＭ１５２０内に設けたフレーム・バッファ上に生成する画像データを取得して、表示デバイス１５８０上に表示させる。これに代えて、グラフィック・コントローラ１５７５は、ＣＰＵ１５０５等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。

入出力コントローラ１５８４は、ホスト・コントローラ１５８２と、比較的高速な入出力装置であるハードディスクドライブ１５４０、通信インターフェイス１５３０、ＣＤ−ＲＯＭドライブ１５６０を接続する。ハードディスクドライブ１５４０は、ＣＰＵ１５０５が使用するプログラム、及びデータを格納する。通信インターフェイス１５３０は、ネットワーク通信装置１５９８に接続してプログラムまたはデータを送受信する。ＣＤ−ＲＯＭドライブ１５６０は、ＣＤ−ＲＯＭ１５９５からプログラムまたはデータを読み取り、ＲＡＭ１５２０を介してハードディスクドライブ１５４０、及び通信インターフェイス１５３０に提供する。

入出力コントローラ１５８４には、ＲＯＭ１５１０と、フレキシブルディスク・ドライブ１５５０、及び入出力チップ１５７０の比較的低速な入出力装置とが接続される。ＲＯＭ１５１０は、画像処理装置１２０および画像処理装置１７０が起動するときに実行するブート・プログラム、あるいは画像処理装置１２０および画像処理装置１７０のハードウェアに依存するプログラム等を格納する。フレキシブルディスク・ドライブ１５５０は、フレキシブルディスク１５９０からプログラムまたはデータを読み取り、ＲＡＭ１５２０を介してハードディスクドライブ１５４０、及び通信インターフェイス１５３０に提供する。入出力チップ１５７０は、フレキシブルディスク・ドライブ１５５０、あるいはパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を接続する。

ＣＰＵ１５０５が実行するプログラムは、フレキシブルディスク１５９０、ＣＤ−ＲＯＭ１５９５、またはＩＣカード等の記録媒体に格納されて利用者によって提供される。記録媒体に格納されたプログラムは圧縮されていても非圧縮であってもよい。プログラムは、記録媒体からハードディスクドライブ１５４０にインストールされ、ＲＡＭ１５２０に読み出されてＣＰＵ１５０５により実行される。ＣＰＵ１５０５により実行されるプログラムは、画像処理装置１２０を、図１から図１１に関連して説明した画像処理装置１２０が有する各構成要素として機能させ、画像処理装置１７０を、図１から図１１に関連して説明した、画像処理装置１７０が有する各構成要素として機能させる。

以上に示したプログラムは、外部の記憶媒体に格納されてもよい。記憶媒体としては、フレキシブルディスク１５９０、ＣＤ−ＲＯＭ１５９５の他に、ＤＶＤまたはＰＤ等の光学記録媒体、ＭＤ等の光磁気記録媒体、テープ媒体、ＩＣカード等の半導体メモリ等を用いることができる。また、専用通信ネットワークあるいはインターネットに接続されたサーバシステムに設けたハードディスクまたはＲＡＭ等の記憶装置を記録媒体として使用して、ネットワークを介したプログラムとして画像処理装置１２０および画像処理装置１７０に提供してもよい。このように、プログラムにより制御されるコンピュータが、画像処理装置１２０および画像処理装置１７０として機能する。

以上、この発明を実施の形態を用いて説明したが、この発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態もこの発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

一実施形態に係わる画像処理システム１０の一例を示す図である。 画像処理装置１２０のブロック構成の一例を示す図である。 圧縮部２３０のブロック構成の一例を示す図である。 画像処理装置１７０のブロック構成の一例を示す図である。 圧縮部２３０の他のブロック構成の一例を示す図である。 人間の顔における特徴点の一例を示す図である。 重みづけ係数ｂを変化させた場合の顔形状の変化の一例を模式的に示す図である。 サンプル画像を平均顔形状に変換して得られた画像の一例を示す図である。 重みづけ係数ｑを変化させた場合の画素値の変化の一例を模式的に示す図である。 モデル格納部２７０およびモデル格納部３５０が格納しているモデルの一例をテーブル形式で示す図である。 他の実施形態に係る画像処理システム２０の一例を示す図である。 画像処理装置１２０および画像処理装置１７０のハードウェア構成の一例を示す図である。

１０ 画像処理システム
２０ 画像処理システム
１００ 撮像装置
１０２ 撮像部
１０４ 撮像画像圧縮部
１１０ 通信ネットワーク
１２０ 画像処理装置
１３０ 人物
１４０ 移動体
１５０ 監視対象空間
１６０ 空間
１７０ 画像処理装置
１７５ 画像ＤＢ
１８０ 表示装置
２０１ 圧縮動画取得部
２０２ 圧縮動画伸張部
２０３ 特徴領域検出部
２０６ 対応付け処理部
２０７ 出力部
２１０ 圧縮制御部
２３０ 圧縮部
２３２ 画像分割部
２３４ 固定値化部
２３６ 圧縮処理部
２４０ 画質変換ユニット
２４１ 画質変換部
２５０ 画像取得部
２６０ パラメータ値算出部
２７０ モデル格納部
２８０ パラメータ量子化部
３０１ 画像取得部
３０２ 対応付け解析部
３１０ 伸張制御部
３２０ 伸張部
３２２ 復号器
３３０ 合成部
３３２ 拡大部
３４０ 出力部
３５０ モデル格納部
３６０ 特徴領域情報取得部
３８０ 画像生成部
５１０ 画質変換部
５２０ 差分処理部
５２２ 階層間差分処理部
５３０ 符号化部
５３２ 符号器
８０４ 画像処理部
１５０５ ＣＰＵ
１５１０ ＲＯＭ
１５２０ ＲＡＭ
１５３０ 通信インターフェイス
１５４０ ハードディスクドライブ
１５５０ フレキシブルディスク・ドライブ
１５６０ ＣＤ−ＲＯＭドライブ
１５７０ 入出力チップ
１５７５ グラフィック・コントローラ
１５８０ 表示デバイス
１５８２ ホスト・コントローラ
１５８４ 入出力コントローラ
１５９０ フレキシブルディスク
１５９５ ＣＤ−ＲＯＭ
１５９８ ネットワーク通信装置

Claims (20)

1. 物体が特徴パラメータで表現された３次元モデルを格納するモデル格納部と、
   撮像画像から特徴領域を検出する特徴領域検出部と、
   前記撮像画像における前記特徴領域の画像に含まれる物体の画像を、前記モデル格納部が格納している前記３次元モデルに適応させることによって、前記特徴領域の画像に含まれる物体を表す、前記３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出部と、
   前記パラメータ値算出部が算出した特徴パラメータの値および前記特徴領域以外の領域の画像を出力する出力部と
   を備える画像処理システム。
2. 前記特徴領域以外の領域の画像の画質を低減することにより、前記特徴領域以外の領域の画像を圧縮する圧縮部
   をさらに備え、
   前記出力部は、前記パラメータ値算出部が算出した特徴パラメータの値および前記圧縮部により画質が低減された前記特徴領域以外の領域の画像を出力する
   請求項１に記載の画像処理システム。
3. 前記モデル格納部は、物体が統計的な特徴パラメータにより表現された前記３次元モデルを格納する
   請求項２に記載の画像処理システム。
4. 前記モデル格納部は、主成分分析に基づく主成分で物体が表現された前記３次元モデルを格納し、
   前記パラメータ値算出部は、前記３次元モデルにおける主成分の重みを算出し、
   前記出力部は、前記パラメータ値算出部が算出した主成分の重みおよび前記特徴領域以外の領域の画像を出力する
   請求項３に記載の画像処理システム。
5. 前記モデル格納部は、主成分分析に基づく主成分で物体の形状が表現された前記３次元モデルを格納する
   請求項４に記載の画像処理システム。
6. 前記モデル格納部は、主成分分析に基づく主成分で物体の色が表現された前記３次元モデルを格納する
   請求項４に記載の画像処理システム。
7. 前記モデル格納部は、異なる種類の物体の前記３次元モデルを、当該種類に対応づけて格納しており、
   前記パラメータ値算出部は、前記撮像画像における前記特徴領域の画像に含まれる物体の画像を、前記特徴領域に撮像されている物体の種類に対応づけて前記モデル格納部が格納している前記３次元モデルに適応させることによって、前記特徴パラメータの値を算出する
   請求項３に記載の画像処理システム。
8. 前記出力部は、前記パラメータ値算出部が算出した特徴パラメータの値、前記特徴領域に含まれる物体の種類、および前記圧縮部により画質が低減された前記特徴領域以外の領域の画像を出力する
   請求項７に記載の画像処理システム。
9. 前記モデル格納部は、異なる方向から見た物体の前記３次元モデルを、当該方向に対応づけて格納しており、
   前記パラメータ値算出部は、前記撮像画像における前記特徴領域の画像に含まれる物体の画像を、前記特徴領域に撮像されている物体が撮像された方向に対応づけて前記モデル格納部が格納している前記３次元モデルに適応させることによって、前記特徴パラメータの値を算出する
   請求項３に記載の画像処理システム。
10. 前記出力部は、前記パラメータ値算出部が算出した特徴パラメータの値、前記特徴領域に撮像されている物体が撮像された方向、および前記圧縮部により画質が低減された前記特徴領域以外の領域の画像を出力する
    請求項９に記載の画像処理システム。
11. 前記モデル格納部は、異なる照明条件で照明された物体の前記３次元モデルを、当該照明条件に対応づけて格納しており、
    前記パラメータ値算出部は、前記撮像画像における前記特徴領域の画像に含まれる物体の画像を、前記特徴領域に撮像されている物体が照明された照明条件に対応づけて前記モデル格納部が格納している前記３次元モデルに適応させることによって、前記特徴パラメータの値を算出する
    請求項３に記載の画像処理システム。
12. 前記出力部は、前記パラメータ値算出部が算出した特徴パラメータの値、前記特徴領域に撮像されている物体が照明された照明条件、および前記圧縮部により画質が低減された前記特徴領域以外の領域の画像を出力する
    請求項１１に記載の画像処理システム。
13. 前記圧縮部は、前記特徴領域以外の領域の画像を低解像度化することにより、前記特徴領域以外の領域の画像を圧縮する
    請求項３に記載の画像処理システム。
14. 前記出力部から特徴パラメータの値が出力されるべき特徴パラメータを選択するパラメータ量子化部
    をさらに備え、
    前記出力部は、前記パラメータ量子化部が選択した特徴パラメータの値および前記圧縮部により画質が低減された前記特徴領域以外の領域の画像を出力する
    請求項３に記載の画像処理システム。
15. 前記出力部から出力された前記特徴パラメータの値および前記画質が低減された前記特徴領域以外の領域の画像を取得する画像取得部と、
    前記特徴領域の画像に含まれる物体の画像を、特徴パラメータの値に基づいて前記３次元モデルから生成する画像生成部と、
    前記画像生成部により生成された画像と前記画像取得部が取得した前記特徴領域以外の領域の画像とを合成した画像を出力する画像出力部と
    をさらに備える請求項３に記載の画像処理システム。
16. 前記パラメータ値算出部は、複数の前記撮像画像のそれぞれにおける前記特徴領域のうち、異なる方向から同じ物体が撮像されている画像を含む特徴領域を特定し、特定した特徴領域に含まれる当該物体の画像に基づく当該物体の３次元画像を前記３次元モデルに適応させることによって、前記特徴パラメータの値を算出する
    請求項１５に記載の画像処理システム。
17. 前記画像生成部は、前記特定された特徴領域の画像に含まれる物体の３次元画像を、特徴パラメータの値に基づいて前記３次元モデルから生成し、生成した３次元画像に基づいて、前記特徴領域の画像に含まれる物体の２次元画像を生成し、
    前記画像出力部は、前記画像生成部により生成された２次元画像と前記画像取得部が取得した前記特徴領域以外の領域の画像とを合成した画像を出力する
    請求項１６に記載の画像処理システム。
18. 前記パラメータ値算出部は、前記撮像画像における前記特徴領域の画像に含まれる物体の画像を、前記モデル格納部が格納している前記３次元モデルに適応させることによって、前記特徴領域の画像に撮像されている物体の形状を表す、前記３次元モデルにおける特徴パラメータの値を算出し、
    前記圧縮部は、前記撮像画像の画質を低減することにより、前記撮像画像を圧縮し、
    前記出力部は、前記パラメータ値算出部が算出した特徴パラメータの値、および前記圧縮部により画質が低減された撮像画像を出力し、
    前記画像取得部は、前記出力部から出力された前記特徴パラメータの値および前記画質が低減された前記撮像画像を取得し、
    前記画像生成部は、前記特徴領域の画像に撮像されている物体の形状を前記特徴パラメータの値に基づいて前記３次元モデルから生成し、生成した物体の形状および前記画像取得部が取得した撮像画像における前記特徴領域の画像の画素値を用いて、前記特徴領域の画像に撮像されている物体の画像を生成する
    請求項１５に記載の画像処理システム。
19. 物体が特徴パラメータで表現された３次元モデルを格納するモデル格納段階と、
    撮像画像から特徴領域を検出する特徴領域検出段階と、
    前記撮像画像における前記特徴領域の画像に含まれる物体の画像を、前記モデル格納段階において格納されている前記３次元モデルに適応させることにより、前記特徴領域の画像に撮像されている物体を表す、前記３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出段階と、
    前記パラメータ値算出段階において算出された特徴パラメータの値および前記特徴領域以外の領域の画像を出力する出力段階と
    を備える画像処理方法。
20. 画像処理システム用のプログラムであって、コンピュータを、
    撮像画像から特徴領域を検出する特徴領域検出部、
    物体が特徴パラメータで表現された３次元モデルを格納するモデル格納部、
    前記撮像画像における前記特徴領域の画像を、前記モデル格納部が格納している前記３次元モデルに適応させることにより、前記特徴領域の画像に撮像されている物体を表す、前記３次元モデルにおける特徴パラメータの値を算出するパラメータ値算出部、
    前記パラメータ値算出部が算出した特徴パラメータの値および前記特徴領域以外の領域の画像を出力する出力部
    として機能させるプログラム。

Images