JP2010072699A - 画像分類装置および画像処理装置 - Google Patents
画像分類装置および画像処理装置 Download PDFInfo
- Publication number
- JP2010072699A JP2010072699A JP2008236469A JP2008236469A JP2010072699A JP 2010072699 A JP2010072699 A JP 2010072699A JP 2008236469 A JP2008236469 A JP 2008236469A JP 2008236469 A JP2008236469 A JP 2008236469A JP 2010072699 A JP2010072699 A JP 2010072699A
- Authority
- JP
- Japan
- Prior art keywords
- histogram
- image
- model
- hue
- adjective
- 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
Landscapes
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】画像データに基づいて、画像から受ける人間の感性的な印象を形容詞で分類する画像分類装置は、1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい輝度面のヒストグラムの分布形状のモデルを、少なくとも曲率と非対称性に関して設定するモデル設定手段と、入力画像に対し、輝度面のヒストグラムを作成するヒストグラム作成手段と、モデルのヒストグラムの分布形状とマッチングを取ることによって、入力画像が形容詞で表される感性的な印象を備えているか否かを判別する判別手段とを備える。
【選択図】図12
Description
(2)請求項2の発明は、画像データに基づいて、画像から受ける人間の感性的な印象を形容詞で分類する画像分類装置に適用され、1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい彩度面のヒストグラムの分布形状のモデルを、少なくとも曲率と非対称性に関して設定するモデル設定手段と、入力画像に対し、彩度面のヒストグラムを作成するヒストグラム作成手段と、モデルのヒストグラムの分布形状とマッチングを取ることによって、入力画像が形容詞で表される感性的な印象を備えているか否かを判別する判別手段とを備えることを特徴とする。
(3)請求項3の発明は、画像データに基づいて、画像から受ける人間の感性的な印象を形容詞で分類する画像分類装置に適用され、1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい輝度面のヒストグラムの分布形状と彩度面のヒストグラムの分布形状のモデルを、少なくとも曲率と非対称性に関して各々設定するモデル設定手段と、入力画像に対し、輝度面と彩度面のヒストグラムを各々作成するヒストグラム作成手段と、モデルのヒストグラムの分布形状とマッチングを取ることによって、入力画像が形容詞で表される感性的な印象を備えているか否かを判別する判別手段とを備えることを特徴とする。
画像分類装置。
(4)請求項11の発明は、画像データが有する代表的な色相を自動的に分類する画像処理装置に適用され、入力画像に対し、色相面のヒストグラムを作成するヒストグラム作成手段と、ヒストグラムを平滑化する平滑手段と、平滑化されたヒストグラムに対して微分信号を作成する微分手段と、微分信号から得られる極大情報に基づき、ヒストグラムをピーク単位で分割する分割手段と、分割されたピークの数を画像が有する代表色相数として色相分類する分類手段とを備えることを特徴とする。
<事前の説明>
実施例の具体的なアルゴリズムの説明に入る前に、そのアルゴリズムが依拠する、実験的に解明した原理的な基礎事実について、幾つか例を挙げて説明する。すなわち、写真画像と感性用語との間の何らかの法則性の存在を模索するために、評価用にそれらが対となった基礎データの収集と、同一の形容詞が割り当てられた画像の間に共通する特徴がもし見出せられたならばモデル化し、感性画像検索の手段として利用する。
まず、実写真データから受ける感性的な印象の基礎データを作るため、風景写真や人物写真、街中の写真や接写写真などを含む様々な自然画像の写真数百枚の各々に対し、その一枚の画像全体から受ける印象を最も的確に表していると思われる感性的な形容詞を、任意の日本語の形容詞の中から一語、ないしはそれで表し切れない場合は数語程度までの範囲で名付ける作業を行なった。
(注1)日本色彩学会編、色彩科学講座1、「カラーサイエンス」、2004年、朝倉書店、ISBN4-254-10601-7.
(注2)日本カラーデザイン研究所編、小林重順著、「カラーイメージスケール」(改訂版)、2006年、講談社、ISBN4-06-210929-8.
評価用画像データの全てを均等色空間であるマンセルHVC空間に変換し、それらのヒストグラムを作成し、形容詞との関係を探った結果、色ヒストグラムの分布形状と形容詞との間に深い関連性が存在しいていることが分かった。その類似性を示す証拠となる例として、「爽やかな」、「のどかな」、「賑やかな」の典型的なヒストグラムの例をそれぞれ画像と一緒に図1に示す。また、「賑やかな」には色の特徴量の視点からは、タイプ1とタイプ2の2つのヒストグラム分布構造が存在していることも分かった。タイプ1は彩度構造の賑やかさを表し、タイプ2は輝度構造の賑やかさを表していると考えられる。
タイプ1は「色の賑やかさ」=「暖色系+彩度ヒストグラム構造」
タイプ2は「形の賑やかさ」=「暖色系+輝度ヒストグラム構造」
のように関係づけることもできる。
上述のように感性モデルが記述できることが示されたことを念頭に、データベースの画像を感性キーワード(形容詞)に基づいて検索する画像検索装置を説明する。図11は、画像検索装置を例示する図である。画像検索装置は、パーソナルコンピュータ10により実現される。パーソナルコンピュータ10は、不図示のデジタルカメラやメモリカードデータ読取り器、他のコンピュータなどと接続され、電子画像データの提供を受けて画像データをストレージ装置(たとえば、ハードディスク装置)内に蓄積する。パーソナルコンピュータ10は、蓄積した画像データを対象にして以下に説明する画像検索を行う。
図12のステップS11において、PC10は画像ファイルの画像データを、人間の知覚的な均等色性が高いマンセル色空間へ変換する。マンセル色空間は、色相Hが一周100度で分割され、輝度Vが0〜10のレベルに、彩度Cが0〜25程度に分布するレベルに刻まれた色空間で、Vの色差1に対してCの色差2が同等の色差として知覚する等歩度性を満たすように設計された色空間である。
(注3)Y. Gong, C.H. Chuan and G. Xiaoyi, "Image Indexing and Retrieval Based on Color Histograms," Multimedia Tools and Applications 2, 133-156 (1996).
ステップS11の次に進むステップS12において、PC10は色相面Hを分割する。HVC色空間の色相面Hの様子から画像の主要な部分領域への領域分割は、色相面の類似色相をクラスタリングすれば実現できると推察される。従来、このようなクラスタリング手法としては、下記文献(注4)に示されるようなk-meansと呼ばれる手法や最近傍探索法と呼ばれるような手法が用いられてきた。これらは、クラスタ数が既知である場合には都合よい手法である。しかしながら、画像の感性は、実際に画像を構成している代表色相の数にも往々にして影響を及ぼされやすいものであり、感性検索の目的には自動的に代表色相数が画像のシーン毎に可変な解を出すような方式のほうが、色相分割手段として望ましい。
(注4)日本国特許第3708042号公報
ステップS12−1では、色相(H)のヒストグラムH_hist[i]を生成する。式(5)に示すように、画素数で全体を割って全体の積分結果が1となるように規格化し、ヒストグラムを確率分布関数にしておく。
H_hist[i]=H_hist[i]/(画素数) (5)
ヒストグラムのピーク探索には全体の大雑把なピーク形状を認識したい。そのためにはヒストグラムがゆらぐのを防ぐため、ヒストグラムを平滑化しておくとよい。ステップS12−2では、次式(6)に示すように、ヒストグラムのピーク探索に適するように当該ヒストグラムを平滑化してゆらぎを抑える。ヒストグラムを作成するH面の画素数が少ないほど平滑化度を上げるように、ビンの数に依存して平滑化度を決定する。
H_histO[i]=smooth{H_hist[i]} (6)
ステップS12−3では、次式(7)に示すように、ヒストグラム波形を微分する。
H_hist1[i]=d(H_histO[i])/di (7)
図15aは、色相(H)のヒストグラムの元の波形、図15bは一次微分後の波形を例示する図である。図15cは、ステップS12−2およびS12−3の処理を繰り返した二次微分後の波形を例示する図である。
ステップS12−4では、H_hist1[i]=0を満たす極大点(正から負に値が変化する点)を探索する。ただし、マンセル色相は円周上に0度と100度とが同じ位置に接続しているので、途切れのないように処理を行う。これ以降に出てくる色相環の処理について同様の処理をするものとする。極大点から左側に正の値が続く領域と極大点から右側に正の値が続く領域とを、当該ピークが占める区間領域とする。このように、色相面のピーク分割は、色相(H)のヒストグラムを微分して極大探索を行ってピーク位置を検出し、当該ピークの両端に広がる裾の範囲を極小検知によって検出するものである。なお、後述する輝度面や彩度面のヒストグラムについても同様な方法でピーク分割をすることができる。そうすれば、冒頭説明で行った、たとえば図3bの部分ヒストグラムのピーク分割により、図の中に示されるように、「青空」と「遠方の山」と「草木」といった領域分割する応用へ発展することも可能になる。
ステップS12−5では、色相(H)面の特徴量を算出する。
(i)ピーク分割後の各色相区間で極大値を与える色相値を代表色相値とする。そして、
(ii)分割区間内のヒストグラムの区間積分値をその代表色相が占める面積率とする。さらに、
(iii)ピーク分割された数(主要ピーク数)を代表色相数とし、代表色相値、面積率、代表色相数を色相(H)面における色の特徴量とする。ただし、代表色相値としてはピーク位置の極大点をとる方法以外に、ピーク区間内の平均色相値にする方法もある。実際の写真画像の場合、自動ピーク分割によって得られる色相数は2〜10色相であることが多い(ニュートラル(無彩色)色相を含む)。
ステップS12の次に進むステップS13において、PC10は輝度(V)面においてヒストグラム分布形状を評価する。ヒストグラム分布形状の評価手順はステップS13−1−ステップS13−2の2段階で行う。
ステップS13−1では、輝度(V)のヒストグラムV_hist[i]を生成する。式(8)に示すように、画素数で全体を割って全体の積分結果が1となるように規格化し、ヒストグラムを確率分布関数にしておく。
V_hist[i]=V_hist[i]/(画素数) (8)
ステップS13−2では、ヒストグラム形状を表す特徴量として、輝度(V)のヒストグラムV_hist[i]の一次から四次のモーメントである平均値、標準偏差、歪度(skewness)、および尖度(kurtosis)をそれぞれ算出する。平均値は全体の明るさレベルを、標準偏差は分布の広がり幅を、歪度は分布の非対称性や扁平度を、尖度はピークの尖り度や一様分布度を表す特徴量を算出する。
ステップS13の次に進むステップS14において、PC10は彩度(C)面においても輝度面と同様にしてヒストグラム形状に関する特徴量を評価する。ヒストグラム分布形状の評価は、ステップS14−1−ステップS14−2の2段階の手順で行う。
ステップS14−1では、彩度(C)のヒストグラムC_hist[i]を生成する。式(10)に示すように、画素数で全体を割って全体の積分結果が1となるように規格化し、ヒストグラムを確率分布関数にしておく。
C_hist[i]=C_hist[i]/(画素数) (10)
ステップS14−2では、彩度(C)のヒストグラムC_hist[i]の一次から四次のモーメントである平均値、標準偏差、歪度(skewness)、および尖度(kurtosis)をそれぞれ算出する。算出式は、は輝度(V)面の場合と同様である。
冒頭で説明したような「爽やかな」、「のどかな」、「賑やかな」(タイプ1)、「賑やかな」(タイプ2)の各々のHVCヒストグラム分布に関する感性モデルを記述する特徴量のモデル・リストを表としてまとめたものを図16に示す。すなわち、ある特徴量がある区間の範囲の値として頻出し、その他の特徴量も同時にモデルが設定した範囲に頻出している場合、その形容詞の感性モデルを満たしている可能性が高い。いいかえると、特徴量空間で、ある形容詞に対して同様な印象を与える画像は、如何なるシーンの画像であってもクラスターを作ってまとまっている。
(1)実際の写真画像の中で全く異なるシーンであっても統計的に、1つ1つの形容詞に対して輝度のヒストグラムや彩度のヒストグラムの分布形状が極めて似通った共通性を持つ分布構造をしていることが多いということが判明したので、このヒストグラム分布形状の違いを特徴量として採用することにより、より形容詞との関連性の深い特徴量に基づいて画像検索をすることが可能となり、様々なシーンの画像に対して汎用性の高い高度な感性検索が可能となる。
上記実施形態では、ヒストグラムの分布形状を尖度や歪度の特徴量に変換して、形状の合致度を比較したが、ヒストグラム分布そのままを特徴量として、判別処理ではモデルと入力画像との間でヒストグラムの分布形状のパターン・マッチングを行なうようにしてもよい。
更にモデル・ヒストグラムの形状に関する特徴量を統計学習することによって構築するようにしてもよい。その場合、一枚一枚の画像毎に検索キーワードとして用意する形容詞の全てについて該当するか否かを、複数人のアンケート調査をして統計をとり、ある形容詞に対して該当度合いの高い画像に重みをつけて、ヒストグラム分布の平均をとるような操作をして、分布形状の形を教師学習させるようなことになる。あるいは分布形状に関する特徴量空間で統計平均してもよい。
感性に作用する特徴量として、本実施形態では色の特徴量の解明を主として取り組んだが、その他にも感性と直接結びつきが高い、色とは独立な特徴量の軸が幾つか存在すると考えられる。例えば、テキスチャ特徴量や形の特徴量などが考えられる。テキスチャに関する特徴量は、エッジ検出を通して抽出された成分が何らかの写像を経て、画像のエッジ、テキスチャ、コントラストに関連した感性と結びつきの深い特徴量として何個か、あるいは十数個程度に及ぶかもしれないベクトルが構築されうると考えられる。これらの別の軸の特徴量を色の特徴量と合わせて、色々な形容詞に対する感性判別関数を構築すれば更に判別可能な形容詞のバラエティーが増え、判別精度が向上すると考えられる。この拡張の様子を式で提示すれば、次式(11)で表せる。また、模式図を図17に例示する。
ただし、Piは形容詞iである度合いを表す確率であり、Fiは形容詞iを判別する関数である。判別関数の引数をセミコロン(;)で区切ったのは、各々の特徴量として図16に例示したように幾つかの特徴量の集合体となる特徴量ベクトルを想定しているからである。
以上の説明では、あらかじめ登録した複数の登録画像の中から、入力された形容詞に合致する画像を自動検索する画像検索装置を説明した。これとは逆に、感性モデルリストをPC10のデータストレージ装置に保存しておくことにより、入力された画像が呼び起こす感性に合致する形容詞を検索する形容詞検索装置を構成することもできる。この場合には、新たに入力された画像データについて、ステップS11〜S14(図12)の処理を行うことにより、当該入力画像の特徴量情報(比較用データ)を算出する。
41…青色の色相に対応する分布曲線
42…黄緑色の色相に対応する分布曲線
43…全色相に対応する分布曲線
101…通信回線
102…サーバー
103…ハードディスク装置
104…記録媒体
Claims (13)
- 画像データに基づいて、画像から受ける人間の感性的な印象を形容詞で分類する画像分類装置であって、
1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい輝度面のヒストグラムの分布形状のモデルを、少なくとも曲率と非対称性に関して設定するモデル設定手段と、
入力画像に対し、輝度面のヒストグラムを作成するヒストグラム作成手段と、
前記モデルのヒストグラムの分布形状とマッチングを取ることによって、前記入力画像が前記形容詞で表される感性的な印象を備えているか否かを判別する判別手段とを備えることを特徴とする画像分類装置。 - 画像データに基づいて、画像から受ける人間の感性的な印象を形容詞で分類する画像分類装置であって、
1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい彩度面のヒストグラムの分布形状のモデルを、少なくとも曲率と非対称性に関して設定するモデル設定手段と、
入力画像に対し、彩度面のヒストグラムを作成するヒストグラム作成手段と、
前記モデルのヒストグラムの分布形状とマッチングを取ることによって、前記入力画像が前記形容詞で表される感性的な印象を備えているか否かを判別する判別手段とを備えることを特徴とする画像分類装置。 - 画像データに基づいて、画像から受ける人間の感性的な印象を形容詞で分類する画像分類装置であって、
1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい輝度面のヒストグラムの分布形状と彩度面のヒストグラムの分布形状のモデルを、少なくとも曲率と非対称性に関して各々設定するモデル設定手段と、
入力画像に対し、輝度面と彩度面のヒストグラムを各々作成するヒストグラム作成手段と、
前記モデルのヒストグラムの分布形状とマッチングを取ることによって、前記入力画像が前記形容詞で表される感性的な印象を備えているか否かを判別する判別手段とを備えることを特徴とする画像分類装置。 - 請求項1〜3のいずれか一項に記載の画像分類装置において、
前記モデル設定手段は、前記ヒストグラムの分布形状のモデルを、前記曲率によって少なくとも山型か谷型かに関する情報を特定し、前記非対称性によってそれらの左右の形の違いに関する情報を特定することを特徴とする画像分類装置。 - 請求項1〜4のいずれか一項に記載の画像分類装置において、
前記モデル設定手段は、前記ヒストグラムの分布形状の前記曲率に関するモデルを、尖度(kurtosis)を用いて記述することを特徴とする画像分類装置。 - 請求項1〜4のいずれか一項に記載の画像分類装置において、
前記モデル設定手段は、前記ヒストグラムの分布形状の前記非対称性に関するモデルを、歪度(skewness)を用いて記述することを特徴とする画像分類装置。 - 請求項5または6に記載の画像分類装置において、
前記モデル設定手段は、前記ヒストグラムの分布形状のモデルを、平均値および分散のいずれか一方、または両方を更に用いて記述することを特徴とする画像分類装置。 - 請求項1〜3のいずれか一項に記載の画像分類装置において、
1つの形容詞に対し、統計的に複数の異なるシーンの画像に共通して現れやすい色相面の色相区間と該当面積率に関する特徴量のモデルを設定するモデル設定手段と、
入力画像に対し、色相面のヒストグラムを作成するヒストグラム作成手段と、
前記ヒストグラムを独立な構成要素に分割し、各要素が持つ代表色相値と面積率を算出する特徴量算出手段と、
前記色相面の特徴量のモデルとマッチングを取ることによって、前記入力画像が前記形容詞で表される感性的な印象を備えているか否かを、前記判別手段と合わせて判別する判別手段とをさらに備えることを特徴とする画像分類装置。 - 請求項1〜3、8のいずれか一項に記載の画像分類装置において、
前記判別手段は、一枚の画像全体から受ける感性的な印象を、複数の該当しうる形容詞への重複を許して判別することを特徴とする画像分類装置。 - 請求項3に記載の画像分類装置において、
前記モデル設定手段は、前記輝度面のヒストグラムの分布形状と前記彩度面のヒストグラムの分布形状のモデルを、均等色空間であるマンセル色空間内で相互に設定することを特徴とする画像分類装置。 - 画像データが有する代表的な色相を自動的に分類する画像処理装置であって、
前記入力画像に対し、色相面のヒストグラムを作成するヒストグラム作成手段と、
前記ヒストグラムを平滑化する平滑手段と、
前記平滑化されたヒストグラムに対して微分信号を作成する微分手段と、
前記微分信号から得られる極大情報に基づき、前記ヒストグラムをピーク単位で分割する分割手段と、
前記分割されたピークの数を画像が有する代表色相数として色相分類する分類手段とを備えることを特徴とする画像処理装置。 - 請求項11に記載の画像処理装置において、
前記分類手段は、色相分類に関する情報として更に、前記微分信号から得られる極小情報に基づき、各々のピークが占める色相区間を分類し、該ピークの極大を与える色相値ないしはピーク内の平均値を代表色相値とし、各ピークの区間積分値から各代表色相が占める面積率を各々算出することを特徴とする画像分類装置。 - 請求項11に記載の画像処理装置において、
前記入力画像に対し、前記分割された色相成分に対応する輝度面もしくは彩度面の部分ヒストグラムを作成し、
前記部分ヒストグラムに対して微分信号を生成し、
前記微分信号から得られる極大値情報に基づいて前記部分ヒストグラムをピーク単位で分割し、
前記分割された部分ヒストグラムの区間情報に基づいて画像の領域分割を行う領域分割手段をさらに備えたことを特徴とする画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008236469A JP5181955B2 (ja) | 2008-09-16 | 2008-09-16 | 画像分類装置および画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008236469A JP5181955B2 (ja) | 2008-09-16 | 2008-09-16 | 画像分類装置および画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010072699A true JP2010072699A (ja) | 2010-04-02 |
JP5181955B2 JP5181955B2 (ja) | 2013-04-10 |
Family
ID=42204456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008236469A Expired - Fee Related JP5181955B2 (ja) | 2008-09-16 | 2008-09-16 | 画像分類装置および画像処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5181955B2 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011221605A (ja) * | 2010-04-05 | 2011-11-04 | Sony Corp | 情報処理装置、情報処理方法及びプログラム |
JP2012014214A (ja) * | 2010-06-29 | 2012-01-19 | Nikon Corp | 画像分類装置 |
JP2012014213A (ja) * | 2010-06-29 | 2012-01-19 | Nikon Corp | 画像分類装置 |
WO2013008573A1 (ja) * | 2011-07-08 | 2013-01-17 | 株式会社ニコン | 画像分類方法 |
CN104751511A (zh) * | 2013-12-30 | 2015-07-01 | 北京师范大学 | 一种三维场景构建方法和装置 |
JP2017059123A (ja) * | 2015-09-18 | 2017-03-23 | 富士フイルム株式会社 | テンプレート選択システム,テンプレート選択方法,テンプレート選択プログラムおよびそのプログラムを格納した記録媒体 |
JP2020118695A (ja) * | 2020-04-14 | 2020-08-06 | 株式会社デンソー | 光測距装置 |
JP2020135298A (ja) * | 2019-02-18 | 2020-08-31 | Insight Lab株式会社 | 情報処理装置 |
US20220222479A1 (en) * | 2021-01-13 | 2022-07-14 | Ford Global Technologies, Llc | Material spectroscopy |
US20220222466A1 (en) * | 2021-01-13 | 2022-07-14 | Ford Global Technologies, Llc | Material spectroscopy |
US11933896B2 (en) | 2018-04-04 | 2024-03-19 | Denso Corporation | Optical distance measuring apparatus |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001195579A (ja) * | 2000-01-07 | 2001-07-19 | Omron Corp | 画像評価装置 |
JP2004362314A (ja) * | 2003-06-05 | 2004-12-24 | Ntt Data Corp | 検索情報登録装置、情報検索装置、検索情報登録方法 |
JP2010067221A (ja) * | 2008-09-12 | 2010-03-25 | Nikon Corp | 画像分類装置 |
-
2008
- 2008-09-16 JP JP2008236469A patent/JP5181955B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001195579A (ja) * | 2000-01-07 | 2001-07-19 | Omron Corp | 画像評価装置 |
JP2004362314A (ja) * | 2003-06-05 | 2004-12-24 | Ntt Data Corp | 検索情報登録装置、情報検索装置、検索情報登録方法 |
JP2010067221A (ja) * | 2008-09-12 | 2010-03-25 | Nikon Corp | 画像分類装置 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011221605A (ja) * | 2010-04-05 | 2011-11-04 | Sony Corp | 情報処理装置、情報処理方法及びプログラム |
JP2012014214A (ja) * | 2010-06-29 | 2012-01-19 | Nikon Corp | 画像分類装置 |
JP2012014213A (ja) * | 2010-06-29 | 2012-01-19 | Nikon Corp | 画像分類装置 |
WO2013008573A1 (ja) * | 2011-07-08 | 2013-01-17 | 株式会社ニコン | 画像分類方法 |
CN104751511A (zh) * | 2013-12-30 | 2015-07-01 | 北京师范大学 | 一种三维场景构建方法和装置 |
US10269157B2 (en) | 2015-09-18 | 2019-04-23 | Fujifilm Corporation | Template selection system, template selection method and recording medium storing template selection program |
JP2017059123A (ja) * | 2015-09-18 | 2017-03-23 | 富士フイルム株式会社 | テンプレート選択システム,テンプレート選択方法,テンプレート選択プログラムおよびそのプログラムを格納した記録媒体 |
US11933896B2 (en) | 2018-04-04 | 2024-03-19 | Denso Corporation | Optical distance measuring apparatus |
JP2020135298A (ja) * | 2019-02-18 | 2020-08-31 | Insight Lab株式会社 | 情報処理装置 |
JP2020118695A (ja) * | 2020-04-14 | 2020-08-06 | 株式会社デンソー | 光測距装置 |
US20220222479A1 (en) * | 2021-01-13 | 2022-07-14 | Ford Global Technologies, Llc | Material spectroscopy |
US20220222466A1 (en) * | 2021-01-13 | 2022-07-14 | Ford Global Technologies, Llc | Material spectroscopy |
US11657589B2 (en) | 2021-01-13 | 2023-05-23 | Ford Global Technologies, Llc | Material spectroscopy |
Also Published As
Publication number | Publication date |
---|---|
JP5181955B2 (ja) | 2013-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5181955B2 (ja) | 画像分類装置および画像処理装置 | |
US8503767B2 (en) | Textual attribute-based image categorization and search | |
JP4234378B2 (ja) | 画像中で素材の領域を検出する方法 | |
US20180374199A1 (en) | Sky Editing Based On Image Composition | |
US6738494B1 (en) | Method for varying an image processing path based on image emphasis and appeal | |
Pickering et al. | Evaluation of key frame-based retrieval techniques for video | |
JP4663013B2 (ja) | 色類別方法、色認識方法及び色認識装置 | |
JP4139615B2 (ja) | 前景/背景セグメント化を用いた画像のイベント・クラスタリング | |
JP4194025B2 (ja) | 照明不変の客体追跡方法及びこれを用いた映像編集装置 | |
US8270709B2 (en) | Color selection and/or matching in a color image | |
CN102576461B (zh) | 评估数字图像的美学质量 | |
KR100658998B1 (ko) | 화상 처리 장치, 화상 처리 방법, 및 그 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체 | |
JP5083138B2 (ja) | 画像分類装置 | |
US9846681B2 (en) | Apparatus and method for outputting layout image | |
Mavridaki et al. | A comprehensive aesthetic quality assessment method for natural images using basic rules of photography | |
US8213741B2 (en) | Method to generate thumbnails for digital images | |
JP2001202522A (ja) | 消費者画像の強調及び魅力の自動評価方法 | |
TW200805200A (en) | System, apparatus, method, program and recording medium for processing image | |
JP2002158870A (ja) | 画像の顕著性及びアピール性に基づいて写真印画の数、寸法、及び、倍率を変更する方法 | |
Hristova et al. | Style-aware robust color transfer. | |
JP2004361987A (ja) | 画像検索システム、画像分類システム、画像検索プログラム及び画像分類プログラム、並びに画像検索方法及び画像分類方法 | |
US20150131902A1 (en) | Digital Image Analysis | |
Ap-Apid | An algorithm for nudity detection | |
CN106960182A (zh) | 一种基于多特征集成的行人再识别方法 | |
Busin et al. | Color space selection for unsupervised color image segmentation by histogram multi-thresholding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120223 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120903 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120911 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120919 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120920 |
|
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: 20121218 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121231 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5181955 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160125 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |