JP2014178941A - 画像照合システム - Google Patents
画像照合システム Download PDFInfo
- Publication number
- JP2014178941A JP2014178941A JP2013053105A JP2013053105A JP2014178941A JP 2014178941 A JP2014178941 A JP 2014178941A JP 2013053105 A JP2013053105 A JP 2013053105A JP 2013053105 A JP2013053105 A JP 2013053105A JP 2014178941 A JP2014178941 A JP 2014178941A
- Authority
- JP
- Japan
- Prior art keywords
- contour
- resolution
- image
- information
- points
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
【課題】画像内に含まれる一般的な物体を認識する際に、少量の演算量で多重輪郭を得て、膨大な演算量を必要とすることなく段階的な物体の特徴の抽出を行ない、段階的な物体の照合を行い得るようにする。
【解決手段】画像照合システムとして、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、輪郭情報から複数の解像度によって表現された多重解像度輪郭情報を多重化する解像度毎に個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、多重解像度輪郭情報に含まれた特徴を抽出処理する多重解像度特徴抽出手段と、抽出された特徴を利用して照合処理を行う照合手段とを設ける。
【選択図】図１
【解決手段】画像照合システムとして、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、輪郭情報から複数の解像度によって表現された多重解像度輪郭情報を多重化する解像度毎に個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、多重解像度輪郭情報に含まれた特徴を抽出処理する多重解像度特徴抽出手段と、抽出された特徴を利用して照合処理を行う照合手段とを設ける。
【選択図】図１
Description
本発明は、画像情報に含まれる一般的な物体または形状の認識や検索などを行うためのシステムに関し、特に、多重解像度情報によって表現された物体または形状の情報を、高速に処理するためのシステムに関する。
近年、デジタルカメラを始めとするデジタル映像機器の急速な普及に伴い、撮影された画像や映像のなかに、どのような物体が含まれているのかを認識する一般物体認識（ｇｅｎｅｒｉｃ ｏｂｊｅｃｔ ｒｅｃｏｇｎｉｔｉｏｎ）への期待が高まっている。一般物体認識は、制約の無い実世界シーンの画像の中に含まれる物体を一般的な名称（ｃａｔｅｇｏｒｙ ｎａｍｅｓ）で認識する技術である。一般物体認識は、画像認識研究の最も困難な課題の一つとされている。一般物体認識技術は様々な用途への応用できる。例えば、データベース内等に分類されずに格納されている画像データの適切な分類や、必要な画像データの検索、さらには動画像の中からの所望のシーンの抽出や、所望のシーンだけを切り取っての再編集等、に応用できる。
画像から物体を認識する技術として、例えば顔認識や指紋認識等、様々な認識技術がこれまでに開発されてきた。しかし、これらはすべて、特定の制約下で撮影された画像を認識する技術であり、特定用途に限定されていた。ある一つの対象に特化した認識技術は、別の用途に利用しようとした際に、途端に認識率が下がる等の問題が指摘されており、一般的な物体の認識を行う技術の開発が期待されている。
画像に含まれる一般物体の認識を精度よく行う為に、認識対象となる画像もしくは画像内の物体の特徴を正確に把握することが必要となる。この識別対象の特徴を把握するために、画像照合システムでは、画像の詳細な解析を行なうことと成る。画像全体に緻密な解析を行なうことで一般物体の認識を行い得る技術開発を発明者らは取り組んでいる。このため、多くの様々なアプローチを検討する必要がある。
画像に含まれる一般物体の認識を行う為に、認識対象となる画像の特徴を、段階的に抽出することが有益となる。すなわち、まず、「物体がある」ことを認知できるだけの最低限の特徴の抽出、次に、その物体と他の物体との差異の記述を表現できる最低限の特徴の抽出、そして、その物体固有の詳細な特徴の抽出、といった、段階的な特徴の抽出である。
こうした段階的な特徴の抽出を行わない場合、一般的には、まずどこに物体があるかということがわからないという問題に直面する。次に、仮にどこに物体があるかを特定できたとしても、その物体から識別した特徴が、その物体と他の物体との差異として記述することに適切な最低限の特徴なのか、また、たまたま発生した特徴（ノイズ）なのかの区別をすることが不可能に成りやすい。こうした段階的な特徴の識別例を図１２に示す。
図１２に示しているコウモリが映った画像の画像解析では、画像から低解像度解析で物体位置を識別し、その物体位置に対してより高解像分析を３段で行なっている。また、個々の段階では、先の段階で特定した識別特徴を踏まえた照合を行なえばよいとのアイデアを示している。
こうした段階的な特徴の抽出を行わない場合、一般的には、まずどこに物体があるかということがわからないという問題に直面する。次に、仮にどこに物体があるかを特定できたとしても、その物体から識別した特徴が、その物体と他の物体との差異として記述することに適切な最低限の特徴なのか、また、たまたま発生した特徴（ノイズ）なのかの区別をすることが不可能に成りやすい。こうした段階的な特徴の識別例を図１２に示す。
図１２に示しているコウモリが映った画像の画像解析では、画像から低解像度解析で物体位置を識別し、その物体位置に対してより高解像分析を３段で行なっている。また、個々の段階では、先の段階で特定した識別特徴を踏まえた照合を行なえばよいとのアイデアを示している。
このように、人間が認知する物体認識方法に類似したように画像照合を行なえば、演算量の削減や照合精度、照合時間などの観点で多くの利点を得られる。他方で、画像照合システムは、一般に特徴点や特徴量などの機械が可読できる画像特徴を適切に画像から抽出する必要がある。
画像照合に用いる技術では、認識対象となる画像の特徴を様々な方法で機械が有効に利用できる形式に変換して取得している。
例えば、画像中のある物体に関して、他の物体との差異を記述することに利用する特徴を抽出する方法として、画像に含まれる幾何学的特徴の共通項を、機械学習によって抽出する方法が広く採用されている。この方法は、例えば、特許文献１や特許文献２に示されている。しかし、こうして抽出された特徴量のほとんどは、統計的学習やユーザの経験によって閾値などのパラメータを前もって設定しておかなければ演算処理で抽出を行うことができず、初めて目にする物体や希に目にする物体、低解像度の物体を記述することに不向きである。換言すれば、認識対象となる画像に対して、一般物体認識や、段階的抽出を行なうことに不適な側面を有している。
例えば、画像中のある物体に関して、他の物体との差異を記述することに利用する特徴を抽出する方法として、画像に含まれる幾何学的特徴の共通項を、機械学習によって抽出する方法が広く採用されている。この方法は、例えば、特許文献１や特許文献２に示されている。しかし、こうして抽出された特徴量のほとんどは、統計的学習やユーザの経験によって閾値などのパラメータを前もって設定しておかなければ演算処理で抽出を行うことができず、初めて目にする物体や希に目にする物体、低解像度の物体を記述することに不向きである。換言すれば、認識対象となる画像に対して、一般物体認識や、段階的抽出を行なうことに不適な側面を有している。
このような統計的学習やユーザの経験を必要とせずに、一般物体の特徴を段階的に利用する方法として、多重解像度画像を用いた手法は、非特許文献１や非特許文献２に開示されている。また、発明者も多重解像度画像を用いた手法を非特許文献３に開示している。
これらの手法によると、認識対象の物体を含む画像に対して複数周波数によるフィルタ処理を施して複数解像度による多重解像度画像（一纏まりの多重解像度情報）を作成し、多重解像度画像に含まれるそれぞれの解像度の画像における特徴量、すなわち曲率の変化点や輝度勾配などを抽出する。このことにより、低解像度においても抽出される大域的な特徴と、高解像度においてのみ抽出される詳細な特徴とを、段階的に抽出することができる。こうした曲率の変化点や輝度勾配などの特徴量は、物体固有の情報が現れるため、統計的学習やユーザの経験を必要とせずに、識別画像中の所望な対象の特徴を抽出できる。
これらの手法によると、認識対象の物体を含む画像に対して複数周波数によるフィルタ処理を施して複数解像度による多重解像度画像（一纏まりの多重解像度情報）を作成し、多重解像度画像に含まれるそれぞれの解像度の画像における特徴量、すなわち曲率の変化点や輝度勾配などを抽出する。このことにより、低解像度においても抽出される大域的な特徴と、高解像度においてのみ抽出される詳細な特徴とを、段階的に抽出することができる。こうした曲率の変化点や輝度勾配などの特徴量は、物体固有の情報が現れるため、統計的学習やユーザの経験を必要とせずに、識別画像中の所望な対象の特徴を抽出できる。
ところで、多重解像度画像を使用して大域的な特徴や詳細な特徴を段階的に記述する場合に、記述に用いるそれぞれの解像度に対応する大きさのフィルタを利用して特徴を抽出する処理が必要になる。
例えば、非特許文献１に記載した画像処理例で用いている二次元のＤＯＧ（Ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ｇａｕｓｓｉａｎ）フィルタを利用する場合、記述に用いる解像度に比例する大きさの半径のＤＯＧフィルタを利用することになる。すると、演算処理量は、所望の解像度の二乗に比例することになり、大域的な特徴を記述するためには、それなり多量な演算処理を必要とする。
こうした多量な演算処理を削減するために、二次元の多重解像度画像を用いるのではなく、非特許文献２で用いている物体の輪郭を多重解像度表現する多重解像度輪郭表現が有益である。この多重解像度輪郭表現は、非特許文献２や非特許文献３を含む多くの文献において、既に提案されている。
多重解像度輪郭表現は、物体の画像そのものを二次元的に解析することに変えて、物体を一度輪郭表現に置き換えた後に、輪郭に沿う方向に、一次元のガウシアン・フィルタを作用させることで多重解像度輪郭（多重解像度情報）を生成処理する。この処理によって、二次元のＤＯＧフィルタを作用させることに比較して大幅に演算処理量を削減することが可能である。
多重解像度輪郭表現は、物体の画像そのものを二次元的に解析することに変えて、物体を一度輪郭表現に置き換えた後に、輪郭に沿う方向に、一次元のガウシアン・フィルタを作用させることで多重解像度輪郭（多重解像度情報）を生成処理する。この処理によって、二次元のＤＯＧフィルタを作用させることに比較して大幅に演算処理量を削減することが可能である。
Ｌｏｗｅ，Ｄ．Ｇ．，Ｏｂｊｅｃｔ ｒｅｃｏｇｎｉｔｉｏｎ ｆｒｏｍ ｌｏｃａｌ ｓｃａｌｅ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ， Ｐｒｏｃ． ｏｆ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ， ｐｐ．１１５０−１１５７
ＦＡＲＺＩＮ ＭＯＫＨＴＡＲＩＡＮ ＡＮＤ ＡＬＡＮ ＭＡＣＫＷＯＲＴＨ、 Ｓｃａｌｅ−ｂａｓｅｄ ｄｅｓｃｒｉｐｔｉｏｎ ａｎｄ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ Ｐｌａｎａｒ ｃｕｒｖｅｓ ａｎｄ ｔｗｏ−ｄｉｍｅｎｔｉｏｎａｌ ｓｐａｃｅｓ、 ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｖｏｌ．８、 Ｎｏ．１ ｐｐ．３４−４３
ＹＵＭＡ ＭＡＴＳＵＤＡ、 ＭＡＳＡＴＳＵＧＵ ＯＧＡＷＡ、 ＭＡＳＡＦＵＭＩ ＹＡＮＯ Ｖｉｓａｌ ｓｈａｐｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｗｉｔｈ ｇｅｏｍｅｔｒｉｃａｌｌｙ ｃｈａｒａｃｔｅｒｉｚｅｄ ｃｏｎｔｏｕｒ ｐａｒｔｉｔｉｏｎｓ． Ｂｉｏｌｏｇｉｃａｌ Ｃｙｂｅｒｎｅｔｉｃｓ １０６（４− ５）、 ２９５−３０５ （２０１２）
画像に含まれる一般物体を良好に認識する為には、認識対象となる画像の特徴を、段階的に抽出することが有効に作用する。このために有効な手法として、多重解像度情報を利用して物体の特徴を段階的に記述する手法が有効である。
多重解像度画像による記述を実施することによって、大域的な特徴や詳細な特徴を段階的に記述する場合、二次元のフィルタを用いて識別対象の特徴抽出を行うことが既に提案されている。他方、演算処理量が、所望の解像度の二乗に比例して大きくなる特徴を有している。
また、物体の輪郭に沿って一次元のフィルタを作用させることで多重解像度輪郭を生成する手法も既に提案されている。この手法では、二次元のフィルタを用いて識別対象の特徴抽出を行うことに比べ、多量な演算処理を削減できる特徴を有している。
しかしながら、多重解像度輪郭を用いて段階的な特徴を記述しようとすると、識別対象形状によって、画像照合に不向きに段階的な特徴抽出が行なわれてしまう事例がある。図１３に示した３画像は、既存の一次元のフィルタによる段階的特徴抽出方法を用いた場合に大域的な特徴を良好に識別し難い画像例である。
図１３に示した形状のような画像では、輪郭で特徴を記述した際に、画像として特徴的なデザイン部分を輪郭途中において大域的な（低解像度の）特徴として識別される。より具体的に説明すれば、画像処理システムは、二次元で見れば高解像度として記述すべき物体上を横切るように描かれた切れ目のような形状（更にはその形状から派生した切れ目形状）や、斜線のような形状を、物体の外殻と同列に記述してしまう。
しかしながら、多重解像度輪郭を用いて段階的な特徴を記述しようとすると、識別対象形状によって、画像照合に不向きに段階的な特徴抽出が行なわれてしまう事例がある。図１３に示した３画像は、既存の一次元のフィルタによる段階的特徴抽出方法を用いた場合に大域的な特徴を良好に識別し難い画像例である。
図１３に示した形状のような画像では、輪郭で特徴を記述した際に、画像として特徴的なデザイン部分を輪郭途中において大域的な（低解像度の）特徴として識別される。より具体的に説明すれば、画像処理システムは、二次元で見れば高解像度として記述すべき物体上を横切るように描かれた切れ目のような形状（更にはその形状から派生した切れ目形状）や、斜線のような形状を、物体の外殻と同列に記述してしまう。
上記事柄を踏まえれば、特徴を輪郭で記述する段階的特徴抽出方法に改善点を見出し得る。
端的に述べれば、多重輪郭の抽出時に、実際の物体に含まれる特徴とは異なる段階的な特徴の記述のされ方をシステムが実施する形状についても 他の形状と同様に正確に照合するための多重輪郭を低演算量で取得する画像処理技術が望まれる。
端的に述べれば、多重輪郭の抽出時に、実際の物体に含まれる特徴とは異なる段階的な特徴の記述のされ方をシステムが実施する形状についても 他の形状と同様に正確に照合するための多重輪郭を低演算量で取得する画像処理技術が望まれる。
本発明の目的は、多量な演算量を必要とすることなく、物体の段階的特徴抽出に用いる多重解像度輪郭を得る画像処理システム、その方法、およびプログラムを提供することにある。
また、本発明の目的は、多量な演算量を必要とすることなく、物体の段階的特徴抽出に用いる多重解像度輪郭特徴を抽出する画像処理システム、その方法、およびプログラムを提供することにある。
また、本発明の目的は、画像内に含まれる一般物体を認識する際に、膨大な演算量を必要とすることなく、多重解像度輪郭を用いて段階的な物体特徴を捉えた画像照合を行なう画像照合システムを提供することにある。
本発明に係る画像内に含まれる物体または形状の照合を行う画像照合システムは、前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段と、を含み成ることを特徴とする。
本発明に係る照合処理に用いる多重解像度輪郭情報を生成する画像処理システムは、前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、を含み成ることを特徴とする。
本発明に係る照合処理に用いる多重解像度輪郭特徴を抽出する画像処理システムは、前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、を含み成ることを特徴とする。
本発明によれば、多量な演算量を必要とすることなく、物体の段階的特徴抽出に用いる多重解像度輪郭を得る画像処理システム、その方法、およびプログラムを提供できる。また、本発明によれば、多量な演算量を必要とすることなく、物体の段階的特徴抽出に用いる多重解像度輪郭の特徴を抽出する画像処理システム、その方法、およびプログラムを提供できる。また、画像内に含まれる一般物体を認識する際に、膨大な演算量を必要とすることなく良好に動作する画像照合システムを提供できる。
情報処理装置で画像内に含まれる一般的な物体を低演算量で認識するために、物体の特徴を段階的に抽出する適切な手法が望まれる。このために有効な手法として提案されている一次元フィルタにより多重解像度輪郭を抽出する手法を用いると、一部の画像について、空間的な解像度特徴を的確に段階的に抽出することが困難である。
こうした課題に対して、発明者は以下のように画像処理を行うシステムを提案する。
本システムに含まれる処理動作は、三つのステップで示すことができる。
第一のステップでは、画像または画像内に含まれる物体形状の輪郭特徴を、二次元の点の集合で表したサンプルデータを抽出（サンプリング）する。望ましくは、点の集合を、点列（輪郭ベクトル）としてサンプリングする。
第二のステップでは、第一のステップにおいて抽出した点の集合（輪郭ベクトル）について、多重化する解像度毎に、空間解像度（二次元の解像度）を考慮した各点の配置関係に基づいた重み付けにより輪郭の一部分を選定して繋げ上げる処理を実施することにより解像度毎の輪郭を生成するフィルタ処理を繰り返し、増殖させた各解像度の輪郭を纏めて多重解像度輪郭を生成する。各解像度の輪郭は、それぞれの解像度に従って定まった点の集合範囲に含まれた任意の点とその任意の点に隣接する点との位置関係を踏まえて抽出される。
望ましくは、各解像度の輪郭を輪郭ベクトルとして再サンプリングして、多重解像度輪郭ベクトルを生成する。
本システムに含まれる処理動作は、三つのステップで示すことができる。
第一のステップでは、画像または画像内に含まれる物体形状の輪郭特徴を、二次元の点の集合で表したサンプルデータを抽出（サンプリング）する。望ましくは、点の集合を、点列（輪郭ベクトル）としてサンプリングする。
第二のステップでは、第一のステップにおいて抽出した点の集合（輪郭ベクトル）について、多重化する解像度毎に、空間解像度（二次元の解像度）を考慮した各点の配置関係に基づいた重み付けにより輪郭の一部分を選定して繋げ上げる処理を実施することにより解像度毎の輪郭を生成するフィルタ処理を繰り返し、増殖させた各解像度の輪郭を纏めて多重解像度輪郭を生成する。各解像度の輪郭は、それぞれの解像度に従って定まった点の集合範囲に含まれた任意の点とその任意の点に隣接する点との位置関係を踏まえて抽出される。
望ましくは、各解像度の輪郭を輪郭ベクトルとして再サンプリングして、多重解像度輪郭ベクトルを生成する。
第三のステップでは、第二のステップにおいて生成したそれぞれの解像度の輪郭（輪郭ベクトル）から、特徴をそれぞれ抽出する。この抽出される特徴が第一のステップでサンプリングした元画像に含まれていた識別対象の段階的な特徴である。
以上の三つのステップを実施することにより、例示したような一部の画像に対しても的確に、二次元の（空間的な）解像度特徴を段階的に抽出した多重輪郭を低演算量で得ることが可能となる。このように抽出した多重解像度輪郭を用いることで、様々な画像に対して多重解像度輪郭を用いた画像照合処理を低演算量且つ高い正確性で実現可能となる。
以下、上記それぞれのステップを実施して多重輪郭を生成した後に画像照合を行なう画像照合システム例について、実施形態を用いて説明する。
本発明の実施形態を図１ないし図１３を参照して説明する。
［実施形態］
本実施形態を採用することにより、識別対象の空間的な特徴を、多量な演算量を必要とすることなく段階的に特徴を抽出することを可能とする多重輪郭を得て、良好な特徴抽出処理および画像照合処理を実行して、良好な画像照合を行なうシステムを提供できる。
本実施形態を採用することにより、識別対象の空間的な特徴を、多量な演算量を必要とすることなく段階的に特徴を抽出することを可能とする多重輪郭を得て、良好な特徴抽出処理および画像照合処理を実行して、良好な画像照合を行なうシステムを提供できる。
［構成の説明］
図１は、実施の一形態の画像照合システムの構成を示すブロック図である。なお、本発明に関連が薄い構成については、説明を簡略化又は省略する。
画像照合システムは、情報処理の全体を管理する制御部１０と、メモリ２０と、処理対象とする画像データを取得する画像情報取得手段１０１、取得した画像情報から輪郭ベクトル情報を抽出する輪郭ベクトル抽出手段１０２、抽出した輪郭から多重解像度輪郭情報ベクトルを抽出処理する多重解像度輪郭ベクトル生成手段１０３、生成したそれぞれの解像度輪郭ベクトルから特徴量を抽出処理する多重解像度特徴抽出手段１０４、抽出された多重解像度特徴を比較して、物体の照合処理を実施する物体照合手段１０５、照合した結果を出力する物体照合結果出力手段１０６、取得した画像データなどを記憶する画像情報記憶部２０１、抽出された多重解像度特徴を記憶する多重解像度特徴情報記憶部２０２から構成されている。輪郭ベクトル抽出手段１０２、多重解像度輪郭ベクトル生成手段１０３、多重解像度特徴抽出手段１０４は協働して、画像特徴抽出手段として機能する。
図１は、実施の一形態の画像照合システムの構成を示すブロック図である。なお、本発明に関連が薄い構成については、説明を簡略化又は省略する。
画像照合システムは、情報処理の全体を管理する制御部１０と、メモリ２０と、処理対象とする画像データを取得する画像情報取得手段１０１、取得した画像情報から輪郭ベクトル情報を抽出する輪郭ベクトル抽出手段１０２、抽出した輪郭から多重解像度輪郭情報ベクトルを抽出処理する多重解像度輪郭ベクトル生成手段１０３、生成したそれぞれの解像度輪郭ベクトルから特徴量を抽出処理する多重解像度特徴抽出手段１０４、抽出された多重解像度特徴を比較して、物体の照合処理を実施する物体照合手段１０５、照合した結果を出力する物体照合結果出力手段１０６、取得した画像データなどを記憶する画像情報記憶部２０１、抽出された多重解像度特徴を記憶する多重解像度特徴情報記憶部２０２から構成されている。輪郭ベクトル抽出手段１０２、多重解像度輪郭ベクトル生成手段１０３、多重解像度特徴抽出手段１０４は協働して、画像特徴抽出手段として機能する。
制御部１０では、画像処理に関連する情報処理の全体動作を管理する。
画像情報取得手段１０１では、動画や写真などユーザが指定した画像データを本システムに取り込み、画像情報記憶部２０１に記憶する。取り込み方法は、ユーザが指定した画像情報をそのまま取得してもよいし、以下の処理を補助するために、フィルタリング処理などの前処理を施したうえで取得してもよい。画像情報取得手段１０１によって取得される画像情報の例を図２に例示する。以後、画像情報からその特徴点を抽出する処理動作に図２に示した画像を用いて説明する。なお、この画像は、多重解像度輪郭として段階的な特徴抽出が機械には難しい画像である。
輪郭ベクトル抽出手段１０２は、画像情報記憶部２０１から画像情報取得手段１０１によって取得された画像情報を読み出して、その画像情報内に含まれていた輪郭情報のみを、二次元座標を持つ点列（輪郭ベクトル）として抽出処理する。輪郭ベクトル抽出手段１０２によって抽出される輪郭情報の一例を図３に示す。
輪郭ベクトル抽出手段１０２は、まず、画像情報取得手段１０１によって取得された画像情報から、輪郭に対応するピクセルを抽出するか、或いは、物体に対応するピクセルを抽出する。
輪郭ベクトル抽出手段１０２は、まず、画像情報取得手段１０１によって取得された画像情報から、輪郭に対応するピクセルを抽出するか、或いは、物体に対応するピクセルを抽出する。
輪郭に対応するピクセルを抽出する場合は、例えば、色相・彩度・明度などが急激に変化する所（すなわち画像内のピクセル）を、ラプラシアン・ガウシアンフィルタなどを用いて抽出処理すればよい。抽出されたそれぞれの箇所は、直交座標系（x,y）などを用いた点の集合として表現される。輪郭抽出の方法は、当然、上記のものに限らない。
また、物体に対応するピクセルを抽出する場合は、色相・彩度・明度などが前もって定められた範囲内に含まれるものをすべて抽出する。この際、画像情報を白黒化したうえで二値化する処理を行うことも可能であるし、クラスタリング法を用いて抽出することも可能である。
また、物体に対応するピクセルを抽出する場合は、色相・彩度・明度などが前もって定められた範囲内に含まれるものをすべて抽出する。この際、画像情報を白黒化したうえで二値化する処理を行うことも可能であるし、クラスタリング法を用いて抽出することも可能である。
このような方法で抽出された輪郭または物体に対応するピクセルに対して、輪郭追跡を行うことで、順序付けされた輪郭を抽出する。ここでの輪郭追跡は、ピクセルの順序が付記できる手法であれば、いかなる手法を用いることも可能である。
ここで抽出された輪郭に対応するピクセルの間隔は、以下の多重解像度輪郭ベクトル生成手段１０３において参照される参照範囲のうち最も小さいもの（すなわち最も高解像度に対応する参照範囲）の大きさ以下であることを保証することが望ましい。また、元画像のピクセル間隔の１／２倍以上を満たす範囲内から選択すればよい。具体的な間隔を例示すれば、最も高解像度に対応する参照範囲の１／１０間隔や詳細には１／２０間隔を上記範囲を踏まえて採用すればよい。ここで、ピクセル間隔を広げる（すなわち一定間隔未満のピクセルを消去する）ことで以下の計算時間を短縮することが可能である。このことを考慮して、点の集合として抽出するピクセル間隔を自動的に調整する処理を行うことも可能である。このピクセル間隔を調整する処理は、元画像の解像度（ピクセル間隔）、後段で生成する多重輪郭に含める解像度（使用する参照範囲）、使用者が求める確度などの要素から逆算した広めの間隔を採用するようにシステムを構築すればよい。確度や、全体の処理に要する時間、消費リソース量などの概算を使用者に提示することにより所望値を受け付け、その値から上記間隔を逆算する処理手段を有していてもよい。ただし、この処理により、以下の処理の精度が劣化する可能性もあるので、認識を行う対象の性質によって、ピクセル間隔を使い分けることが望ましい。
多重解像度輪郭ベクトル生成手段１０３は、輪郭ベクトル抽出手段１０２によって抽出された点列（輪郭ベクトル）について、順序だった複数の解像度（多重する化解像度）について、空間解像度（二次元の解像度）を考慮して予め定められた大きさを有する解像度毎の点の参照範囲内の各点の配置関係を参照しながら、生成する輪郭の一部分とする適正な点の選定を繰り返し、その点を繋げ上げる処理により、点の集合から求める解像度に対して不用な点が間引かれた点によりなる輪郭を形成する再輪郭化処理を個々の解像度毎に実施して、再輪郭化された複数解像度の輪郭ベクトルを纏めて多重解像度輪郭ベクトルを生成する。この処理では、多重解像度輪郭ベクトル生成手段１０３は解像度毎のフィルタと成り、また各フィルタを通過させて増やした各解像度の輪郭を統合する手段となる。
各解像度の輪郭は、それぞれの解像度に従って定まっている点の二次元的な参照範囲に含まれた任意の点とその任意の点に隣接する点との位置関係を踏まえて抽出される。
多重解像度輪郭ベクトル生成手段１０３は、上記のように、予め解像度毎に設定された大きさを有する参照範囲の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、それぞれの解像度に対応させた輪郭を選択された輪郭要素を接合して形成する輪郭再生手段として制御部を動作させる。この処理動作により、解像度毎に多重解像度輪郭情報に含める輪郭を点の集合から再生する。
各解像度の輪郭は、それぞれの解像度に従って定まっている点の二次元的な参照範囲に含まれた任意の点とその任意の点に隣接する点との位置関係を踏まえて抽出される。
多重解像度輪郭ベクトル生成手段１０３は、上記のように、予め解像度毎に設定された大きさを有する参照範囲の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、それぞれの解像度に対応させた輪郭を選択された輪郭要素を接合して形成する輪郭再生手段として制御部を動作させる。この処理動作により、解像度毎に多重解像度輪郭情報に含める輪郭を点の集合から再生する。
また、輪郭要素選択手段は、所定点を中心にした参照範囲内において、所定点を中心とした一連の三点からなる点列の組合せを輪郭要素候補として複数形成する輪郭要素点列形成手段と、形成された点列群の中から適切な輪郭要素を配置関係の適応性に基づいて選択処理する点列選択手段として動作させることが望ましい。このように処理動作を行わせることで、空間解像度を考慮した再輪郭化処理が行える。
空間解像度を考慮した再輪郭化処理は、例えば、以下の一連の四つのステップで実施される。なお、各解像度の再輪郭化処理と各ステップの処理動作、各ステップ内の処理動作は適宜に同時並列的に行なえばよく、また順序の入れ替えも可能である。
第一のステップでは、まず、所望の解像度（多重解像度輪郭ベクトルに含ませる解像度）に対応した隣接範囲の大きさを取得する。この隣接範囲は、着目する所定点に対して、その所定点に隣接している点を隣接点として定める二次元的な参照範囲である。
次に、輪郭ベクトルを成している任意の１点を着目点として選択し、隣接範囲内に含まれる点を、着目点に対する隣接点として抽出する。例えば、着目点を中心として、解像度に基づいて定義される長さを半径とする円形を想定して、この円内に含まれる点（群）を隣接点として着目点に関連付ける。この処理は、輪郭ベクトルに含まれる全ての点を着目点として実施してもよいが、下記ステップ三で選択された着目点に対する接続点について、次の着目点としながら処理を進めることで、低演算量化を図ることも可能である。
この方法で着目点に対して抽出される隣接点の一例を図４に示す。図４の拡大部分に示されているように、着目点c21を中心とした円内（隣接範囲）に含まれる点（c10,c11,c12,c18,c19,c20,c22,c23）が隣接点として抽出され、着目点c21に関連付けられる。
以上の隣接点抽出処理を、所望の解像度全てで輪郭ベクトルを成す点に対して実施する。
次に、輪郭ベクトルを成している任意の１点を着目点として選択し、隣接範囲内に含まれる点を、着目点に対する隣接点として抽出する。例えば、着目点を中心として、解像度に基づいて定義される長さを半径とする円形を想定して、この円内に含まれる点（群）を隣接点として着目点に関連付ける。この処理は、輪郭ベクトルに含まれる全ての点を着目点として実施してもよいが、下記ステップ三で選択された着目点に対する接続点について、次の着目点としながら処理を進めることで、低演算量化を図ることも可能である。
この方法で着目点に対して抽出される隣接点の一例を図４に示す。図４の拡大部分に示されているように、着目点c21を中心とした円内（隣接範囲）に含まれる点（c10,c11,c12,c18,c19,c20,c22,c23）が隣接点として抽出され、着目点c21に関連付けられる。
以上の隣接点抽出処理を、所望の解像度全てで輪郭ベクトルを成す点に対して実施する。
第二のステップでは、個々の所望の解像度毎に、着目点を中心とする三点からなる点列を、第一のステップにおいて抽出された隣接点を用いて着目点毎に全ての組合せを生成し、それぞれの三点からなる点列に対して重み付けを実施する。それぞれの三点からなる点列へのこの重み付け結果は、隣接範囲の大きさによって変化する。即ち、隣接範囲の大きさの設定を介して、処理中の解像度に適応した三点からなる点列が高い重みを得る。ここで高い重みを得た三点からなる点列は、後の輪郭化処理で輪郭の一部に採用される。
三点からなる点列の例を図５に示す。この三点からなる点列は、着目点c21と隣接点c10, 隣接点c23とで構成されている。このような着目点と隣接点との組で多くの三点からなる点列を生成する。
着目点毎に生成されたそれぞれの三点からなる点列に対する重み付けは、以下の四つの条件を考慮して実施することが望ましい。
第一の条件は、着目点と隣接点との距離が大きいものほど重みを大きくするという条件（図６に例示）である。
第二の条件は、三点の点列によって生成される内角の角度が大きいものほど重みを大きくするという条件（図７に例示）である。
第三の条件は、三点の点列の順番が、もとの輪郭ベクトルにおける点列の順番と矛盾しないという条件である（図８に例示）。順番に矛盾が起こる場合は、重みをゼロまたは小さな値にすることが望ましい。
第四の条件は、第一のステップにおいて規定された隣接範囲内に含まれる各点のもつ「方位」のばらつきが小さな場合ほど重みを大きくするという条件（図９に例示）である。なお、ベクトル量を有さない点の集合を用いている際（点列を用いない場合）には、点の集合が成すｎ次曲線や円弧の連続性を用いることも可能である。
図９に示す方位のばらつきが小さい例では、１次曲線を成しており方位にばらつきが無い。他方、方位のばらつきが大きい例では、隣接範囲内に含まれる方位が３列に分割され且つ個々の方位の集りも折れ曲がっている。このように隣接範囲内の方位のばらつきから定めた重みを、三点からなる点列の重みに利用する。
なお、予め各点をベクトルとして収集しない場合には、輪郭上で隣り合う番号の点が情報化されていれば、この処理を行う際に点間に方位を付与しても同じ条件として用いることができる。
点列に重み付けを実施する条件は、この四条件に限らず、選択されるべき隣接点の条件を満たす条件であれば多くを組み合わせることができる。
以上の隣接範囲を踏まえた３点からなる点列群の生成および個々の点列への重み付け処理を、輪郭ベクトルの全ての点に対して、多重する解像度毎に実施する。
なお、低演算量化を図る際には、ステップ三で選択された着目点に対する接続点について、次の着目点として第一のステップおよび第二のステップを実施すれば良い。
三点からなる点列の例を図５に示す。この三点からなる点列は、着目点c21と隣接点c10, 隣接点c23とで構成されている。このような着目点と隣接点との組で多くの三点からなる点列を生成する。
着目点毎に生成されたそれぞれの三点からなる点列に対する重み付けは、以下の四つの条件を考慮して実施することが望ましい。
第一の条件は、着目点と隣接点との距離が大きいものほど重みを大きくするという条件（図６に例示）である。
第二の条件は、三点の点列によって生成される内角の角度が大きいものほど重みを大きくするという条件（図７に例示）である。
第三の条件は、三点の点列の順番が、もとの輪郭ベクトルにおける点列の順番と矛盾しないという条件である（図８に例示）。順番に矛盾が起こる場合は、重みをゼロまたは小さな値にすることが望ましい。
第四の条件は、第一のステップにおいて規定された隣接範囲内に含まれる各点のもつ「方位」のばらつきが小さな場合ほど重みを大きくするという条件（図９に例示）である。なお、ベクトル量を有さない点の集合を用いている際（点列を用いない場合）には、点の集合が成すｎ次曲線や円弧の連続性を用いることも可能である。
図９に示す方位のばらつきが小さい例では、１次曲線を成しており方位にばらつきが無い。他方、方位のばらつきが大きい例では、隣接範囲内に含まれる方位が３列に分割され且つ個々の方位の集りも折れ曲がっている。このように隣接範囲内の方位のばらつきから定めた重みを、三点からなる点列の重みに利用する。
なお、予め各点をベクトルとして収集しない場合には、輪郭上で隣り合う番号の点が情報化されていれば、この処理を行う際に点間に方位を付与しても同じ条件として用いることができる。
点列に重み付けを実施する条件は、この四条件に限らず、選択されるべき隣接点の条件を満たす条件であれば多くを組み合わせることができる。
以上の隣接範囲を踏まえた３点からなる点列群の生成および個々の点列への重み付け処理を、輪郭ベクトルの全ての点に対して、多重する解像度毎に実施する。
なお、低演算量化を図る際には、ステップ三で選択された着目点に対する接続点について、次の着目点として第一のステップおよび第二のステップを実施すれば良い。
第三のステップでは、第二のステップにおいて生成した個々に重み付けされている３点の点列を組み合わせて輪郭（ネットワーク）を生成処理する。この生成処理では、生成されている個々の３点の点列を「リンク」、点列の両端点を接続点、即ち「接続ノード」と見做し、重みの大きい「リンク」を「接続ノード」を基準として順々に選択して、ネットワークを形成する。ネットワーク中のそれぞれのリンクは第二のステップにおいて重み付けが実施されているため、連続して大きな重みを持つ輪郭要素候補が抽出できる。例えば、図５に示した点列では、c10-c21-c23が「リンク」となりc10，c23がそれぞれ「接続ノード」となる。この「リンク」には、重みが大きいc10又はc23を「接続ノード」とする他の「リンク」が接続する。
また、上記低演算量化を図れば、「接続ノード」が次の着目点となり、ベクトル方向に従って順に輪郭要素（リンク）が繋ぎ上げられながら輪郭（ネットワーク）を完成させる。
最終点の処理は、始点（スタート点）から一定量のリンクを接続した後に隣接範囲内に再度始点が現われたら接続すればよい。なお、継続できるリンクが残っていれば、そのリンクを優先することとしてもよい。また、ネットワークを終結するために用いる範囲は、隣接範囲と別に隣接範囲よりも小さな範囲を予め準備することとしてもよい。また、始点に対して行なった第一のステップで最終接続点候補を予め記憶して利用してもよい。
なお、本ステップで生成するネットワークは、１ネットワークに限定せずに、始点が異なる複数のネットワークを輪郭候補として生成してもよい。この輪郭候補から最終的に採用する輪郭を重みの大きさに従って選定すればよい。
また、上記低演算量化を図れば、「接続ノード」が次の着目点となり、ベクトル方向に従って順に輪郭要素（リンク）が繋ぎ上げられながら輪郭（ネットワーク）を完成させる。
最終点の処理は、始点（スタート点）から一定量のリンクを接続した後に隣接範囲内に再度始点が現われたら接続すればよい。なお、継続できるリンクが残っていれば、そのリンクを優先することとしてもよい。また、ネットワークを終結するために用いる範囲は、隣接範囲と別に隣接範囲よりも小さな範囲を予め準備することとしてもよい。また、始点に対して行なった第一のステップで最終接続点候補を予め記憶して利用してもよい。
なお、本ステップで生成するネットワークは、１ネットワークに限定せずに、始点が異なる複数のネットワークを輪郭候補として生成してもよい。この輪郭候補から最終的に採用する輪郭を重みの大きさに従って選定すればよい。
第三のステップでは、重みの大きなリンクを順々に選択していくことにより、連続して大きな重みを持つ輪郭を抽出する。以下では、より確度が高い抽出処理方法を説明する。
解像度毎に輪郭を抽出する方法は、例えば、ネットワーク候補内に含まれるすべての輪郭（一連のノード）をまず抽出し、上記した点列の重みの積算または和算が、最も大きな値を持つ輪郭を選択するという方法が考えられる。
本計算の開始は、例えば重みの大きな点列を一列開始位置として選択してその点列から開始もよいし、複数の点列を開始位置として同時的に計算を実施してもよい。他方で、開始位置は、輪郭の外側に当たる点列を用いることが望ましい。輪郭の外側であるか内側であるかは、点列が作る外角を判別条件に加えて演算を実施すればよい。また、各演算を行った後に、他のリンクとの座標関係によって外側に当たるかリンクであるか検証して開始位置としての正当性を判別してもよい。また、同時並行的に複数位置から演算を行った際には個々の演算で求められたネットワークを対比して外側である確からしさを求めてもよい。これらは、適宜 重み付けに反映させればよい。
計算の終了は、例えば、閉輪郭を抽出する場合は、抽出された輪郭が周回した時点とし、開輪郭を抽出する場合は、抽出された輪郭が両端に達した時点とする。なお、閉輪郭を抽出した際に、閉輪郭から飛び出している部分（ネットワークを閉じたノードよりも先存在するノードとリンク）は、削除して解像度に対する輪郭の確度を高めることが望ましい。
この際、すべてのリンクを順々に計算していくと、計算量が膨大になるので、前もって、それぞれのリンクの重みに対する閾値を設け、定められた閾値以下のリンクを計算しないなどの方法で計算量を省くことが望ましい。
さらに、ネットワークの大きさが大きくなると計算量が膨大になることを考慮して、計算途中の輪郭（一連のノード）に含まれる点列の重みの積算値が、前もって定められた閾値以下になると計算しないなどの方法で計算量を省くことが望ましい。
その他、他の方法を用いて輪郭候補の確からしさを候補間で比較して、確度が高い輪郭を選定すればよい。
また、輪郭の確度を高める方法では、上記三点からなる点列を、五点からなる点列に変えて用いてもよい。また、上記三点からなる点列を求めた後に、五点に増やして用いてもよい。ここで増やした着目点（着目ノード）と接続点（接続ノード）との間の中間点（中間ノード）を使用して、中間点から接続点へ向かうベクトルをリンク間でオーバラップさせて繋ぐことにより、輪郭の確度が向上する。
解像度毎に輪郭を抽出する方法は、例えば、ネットワーク候補内に含まれるすべての輪郭（一連のノード）をまず抽出し、上記した点列の重みの積算または和算が、最も大きな値を持つ輪郭を選択するという方法が考えられる。
本計算の開始は、例えば重みの大きな点列を一列開始位置として選択してその点列から開始もよいし、複数の点列を開始位置として同時的に計算を実施してもよい。他方で、開始位置は、輪郭の外側に当たる点列を用いることが望ましい。輪郭の外側であるか内側であるかは、点列が作る外角を判別条件に加えて演算を実施すればよい。また、各演算を行った後に、他のリンクとの座標関係によって外側に当たるかリンクであるか検証して開始位置としての正当性を判別してもよい。また、同時並行的に複数位置から演算を行った際には個々の演算で求められたネットワークを対比して外側である確からしさを求めてもよい。これらは、適宜 重み付けに反映させればよい。
計算の終了は、例えば、閉輪郭を抽出する場合は、抽出された輪郭が周回した時点とし、開輪郭を抽出する場合は、抽出された輪郭が両端に達した時点とする。なお、閉輪郭を抽出した際に、閉輪郭から飛び出している部分（ネットワークを閉じたノードよりも先存在するノードとリンク）は、削除して解像度に対する輪郭の確度を高めることが望ましい。
この際、すべてのリンクを順々に計算していくと、計算量が膨大になるので、前もって、それぞれのリンクの重みに対する閾値を設け、定められた閾値以下のリンクを計算しないなどの方法で計算量を省くことが望ましい。
さらに、ネットワークの大きさが大きくなると計算量が膨大になることを考慮して、計算途中の輪郭（一連のノード）に含まれる点列の重みの積算値が、前もって定められた閾値以下になると計算しないなどの方法で計算量を省くことが望ましい。
その他、他の方法を用いて輪郭候補の確からしさを候補間で比較して、確度が高い輪郭を選定すればよい。
また、輪郭の確度を高める方法では、上記三点からなる点列を、五点からなる点列に変えて用いてもよい。また、上記三点からなる点列を求めた後に、五点に増やして用いてもよい。ここで増やした着目点（着目ノード）と接続点（接続ノード）との間の中間点（中間ノード）を使用して、中間点から接続点へ向かうベクトルをリンク間でオーバラップさせて繋ぐことにより、輪郭の確度が向上する。
以上三つのステップを用いて、多重解像度輪郭ベクトル生成手段１０３は、輪郭ベクトル抽出手段１０２によって抽出された輪郭ベクトルについて、多重化する各解像度によって適切な輪郭を抽出し、その輪郭群を組み合わせて多重解像度輪郭ベクトルを生成する。
なお、上記三つのステップによる手法に拠らずとも、空間解像度（二次元の解像度）を考慮した各点の配置関係に基づいた適正条件を用いた重み付けにより輪郭の一部分を適宜選定して繋げ上げて再輪郭化する方法であれば、如何なる方法を用いて多重解像度輪郭を生成しても構わない。
なお、上記三つのステップによる手法に拠らずとも、空間解像度（二次元の解像度）を考慮した各点の配置関係に基づいた適正条件を用いた重み付けにより輪郭の一部分を適宜選定して繋げ上げて再輪郭化する方法であれば、如何なる方法を用いて多重解像度輪郭を生成しても構わない。
多重解像度特徴抽出手段１０４は、多重解像度輪郭ベクトル生成手段１０３によって生成されたそれぞれの解像度の輪郭に対して、特徴量を抽出処理する。ここで用いる特徴量は、輪郭の特徴となる量であれば いかなる量を用いても構わないが、輪郭に固有な幾何的な特徴を表現できる量を含むことが望ましい。例えば、下記の式（１）に示すユークリッド曲率の値や、ユークリッド曲率がゼロになる点（変曲点）の位置を用いる。ユークリッド曲率は、下記の式（１）においてK(t)で示される量であり、輪郭上における任意の一点を始点として輪郭を一周するように取る輪郭座標 t 、および、輪郭を直交座標系（x,y座標系）で表現した際の、x,y の tについての一階微分値、二階微分値によって定義される。
特徴量としてユークリッド曲率情報だけでは十分でない場合は、輪郭点の位置関係情報や、法線の方位角や、孤長などを特徴量として加えることを行っても構わない。
また、多重輪郭の全ての解像度の輪郭について、必ずしも全ての輪郭について特徴を一括的に抽出する必要はなく、物体照合処理や演算量を踏まえて、適宜 照合処理に使用する多重輪郭の特徴を並行して順次的に収集することとしてもよい。
物体照合手段１０５は、照合対象とする二つ以上の物体に対して、多重解像度特徴抽出手段１０４で抽出された特徴を比較処理し、物体の照合を実施する。照合対象（比較対象）は、ユーザに指定された特定画像と類似するか比較することが可能であり、また、一般的な画像認識用データベースを参照して識別対象の種別を認識することも可能であり、照合対象は特に限定しない。
この結果、図１２に示したような段階的な照合処理も正確性を保ちつつ実施が可能になる。加えて、確度の高い多重解像度輪郭が低演算処理量で生成させることができているため、特徴抽出を含めて正確性が高い照合が行い得るようになる。
この結果、図１２に示したような段階的な照合処理も正確性を保ちつつ実施が可能になる。加えて、確度の高い多重解像度輪郭が低演算処理量で生成させることができているため、特徴抽出を含めて正確性が高い照合が行い得るようになる。
物体照合結果出力手段１０６は、物体照合手段１０５によって行われた照合結果を記録装置やモニタに出力する。
照合結果は、予め準備された分類を用いて識別対象が属する分類を表示したり、タグ化して画像に埋め込んだり、類似画像間で紐付けたりすることが可能である。
照合結果は、予め準備された分類を用いて識別対象が属する分類を表示したり、タグ化して画像に埋め込んだり、類似画像間で紐付けたりすることが可能である。
［動作の説明］
次に、実施形態の照合システムの動作例について説明する。図１０は、本実施形態の動作の例を示すフローチャートである。
次に、実施形態の照合システムの動作例について説明する。図１０は、本実施形態の動作の例を示すフローチャートである。
まず、画像情報取得手段１０１は、ユーザが指定した対象画像データを取得して画像情報記憶部２０１に記録する（Ｓ１００１）。画像情報の取得は、ユーザが指定したものに限らず、システムが自動的に、半自動的に取得してもよい。
次に、輪郭ベクトル情報抽出手段１０２は、画像情報取得手段１０１によって取得された画像情報から点列で表されている輪郭ベクトル情報のみを抽出処理する（Ｓ１００２）。
次に、多重解像度輪郭ベクトル生成手段１０３は、輪郭ベクトル抽出手段１０２によって抽出された輪郭ベクトルについて、多重化する解像度毎に、空間解像度（二次元の解像度）を考慮した再輪郭化処理を行い、多重解像度輪郭ベクトル情報を生成する（Ｓ１００３）。
次に、多重解像度特徴抽出手段１０４は、多重解像度輪郭ベクトル生成手段１０３によって生成されたそれぞれの解像度の輪郭に対して、特徴量を抽出処理する（Ｓ１００４）。
最後に、物体照合手段１０５は、照合対象とする二つ以上の物体に対して、多重解像度特徴抽出手段１０４で抽出された特徴を比較処理し、物体の照合を実施する（Ｓ１００５）。照合結果は、物体照合結果出力手段１０６によって適宜出力すればよい。
このように画像照合システムを動作させることによって、画像からより正確性高めた低演算量の画像照合処理を実施することができる。
なお、画像照合システムの各部は、ハードウェアとソフトウェアの組み合わせを用いて実現すればよい。ハードウェアで実現する形態では各部の全て又は一部をＬＳＩ上に構築すればよい。ハードウェアとソフトウェアとを組み合わせた形態では、ＲＡＭに画像処理プログラムが展開され、該プログラムに基づいて制御部（ＣＰＵ）等のハードウェアを動作させることによって、各部を各種手段として機能させる。また、このプログラムは、記録媒体に固定的に記録されて頒布されても良い。当該記録媒体に記録されたプログラムは、有線、無線、又は記録媒体そのものを介して、メモリに読込まれ、制御部等を動作させる。尚、記録媒体を例示すれば、オプティカルディスクや磁気ディスク、半導体メモリ装置、ハードディスクなどが挙げられる。
また、画像照合システムは、コンピュータやサーバ単体に構築できる。また、クラウドシステムやモバイル端末として構築してもよい。また、クラウドシステムと情報処理端末とをネットワークを介して組み合わせて、端末とクラウド上で照合に伴う情報処理を分散実行する画像照合システムを構築してもよい。例えば、端末側で識別対象画像の取得と照合結果の出力を受け持ち、他の処理をクラウド上で行ってもよい。また、端末側で輪郭の抽出や、多重輪郭情報の生成まで行うようにシステムやプログラムを構築してもよい。また、端末が多重輪郭情報を生成して、位置情報などと共に写真に関連付けて保存する構成としてもよい。また、端末が多重輪郭情報の特徴まで抽出して写真に関連付けて保存する構成としてもよい。このように、画像が多重輪郭や多重輪郭特徴を有していることにより、事後的に画像の分類や被写体の特定などを容易とできる。また、特徴抽出処理や照合処理に様々な選択性を担保できる。
上記実施形態を別の一表現で説明すれば、画像照合システムとして動作させる情報処理システムを、画像照合プログラムに基づき、画像情報取得手段、画像特徴抽出手段、物体照合手段、物体照合結果出力手段など、として動作させることで実現できる。画像特徴抽出手段は、輪郭情報抽出手段、多重解像度輪郭生成手段、多重解像度特徴抽出手段で構築できる。
以上説明したように、本発明を適用した画像処理システムは、照合処理に用いる画像特徴を段階的に抽出するために確度の高い多重輪郭を低演算量で生成できる。結果、画像照合システムも良い照合結果を低演算量で得られることになる。
すなわち、本発明によれば、多量な演算量を必要とすることなく、物体の段階的特徴抽出に用いる多重解像度輪郭を得る画像処理システム、その方法、およびプログラムを提供できる。また、画像内に含まれる一般物体を認識する際に、膨大な演算量を必要とすることなく良好に動作する画像照合システムを提供できる。
本発明の具体的な構成は前述の実施形態に限られるものではなく、ブロック構成の分離併合、手順の入れ替えなどの、この発明の要旨を逸脱しない範囲の変更があってもこの発明に含まれる。
また、上記の実施形態の一部又は全部は、以下のようにも記載されうる。尚、以下の付記は本発明をなんら限定するものではない。
［付記１］
画像内に含まれる物体または形状の照合を行う画像照合システムであって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段と、
を含み成ることを特徴とする画像照合システム。
［付記１］
画像内に含まれる物体または形状の照合を行う画像照合システムであって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段と、
を含み成ることを特徴とする画像照合システム。
［付記２］
前記輪郭情報抽出手段は、前記輪郭情報として、個々の輪郭線を表す点の集合を点列で抽出処理し、
前記多重解像度特徴抽出手段は、抽出する特徴量を、適用する解像度毎の抽出要件として、点列の抽出並び順を他の条件に合わせて用いる
ことを特徴とする上記付記記載の画像照合システム。
前記輪郭情報抽出手段は、前記輪郭情報として、個々の輪郭線を表す点の集合を点列で抽出処理し、
前記多重解像度特徴抽出手段は、抽出する特徴量を、適用する解像度毎の抽出要件として、点列の抽出並び順を他の条件に合わせて用いる
ことを特徴とする上記付記記載の画像照合システム。
［付記３］
前記多重解像度輪郭情報生成手段は、
予め解像度毎に設定された大きさを有する参照範囲の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、
それぞれの解像度に対応させた輪郭を前記選択された輪郭要素を接合して形成する輪郭再生手段と、
を備え、
解像度毎に多重解像度輪郭情報に含める輪郭を再生する
ことを特徴とする上記付記記載の画像照合システム。
前記多重解像度輪郭情報生成手段は、
予め解像度毎に設定された大きさを有する参照範囲の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、
それぞれの解像度に対応させた輪郭を前記選択された輪郭要素を接合して形成する輪郭再生手段と、
を備え、
解像度毎に多重解像度輪郭情報に含める輪郭を再生する
ことを特徴とする上記付記記載の画像照合システム。
［付記４］
前記輪郭要素選択手段は、
所定点を中心にした個々の解像度に対応した参照範囲内において、前記所定点を中心とした一連の三点からなる点列の組合せを輪郭要素候補として複数形成する輪郭要素点列形成手段と、
形成された点列群の中から適切な輪郭要素を配置関係の適応性に基づいて選択処理する点列選択手段と、
を含み成ることを特徴とする上記付記記載の画像照合システム。
前記輪郭要素選択手段は、
所定点を中心にした個々の解像度に対応した参照範囲内において、前記所定点を中心とした一連の三点からなる点列の組合せを輪郭要素候補として複数形成する輪郭要素点列形成手段と、
形成された点列群の中から適切な輪郭要素を配置関係の適応性に基づいて選択処理する点列選択手段と、
を含み成ることを特徴とする上記付記記載の画像照合システム。
［付記５］
前記点列選択手段は、
前記配置関係の適応性として、
前記点列の形成する距離が大きいこと、
前記点列のなす角度が大きいこと、
前記点列形成手段によって形成された点列の順番が、それらの点列が輪郭情報抽出手段によって抽出された際の点列の順番と矛盾を生じないこと、
前記隣接範囲に含まれる点列の持つ方位の分散値が小さいこと、
の四項目の何れか又は組み合わせ、若しくは全てを考慮することによって、前記点列選択処理を実施する
ことを特徴とする上記付記記載の画像照合システム。
前記点列選択手段は、
前記配置関係の適応性として、
前記点列の形成する距離が大きいこと、
前記点列のなす角度が大きいこと、
前記点列形成手段によって形成された点列の順番が、それらの点列が輪郭情報抽出手段によって抽出された際の点列の順番と矛盾を生じないこと、
前記隣接範囲に含まれる点列の持つ方位の分散値が小さいこと、
の四項目の何れか又は組み合わせ、若しくは全てを考慮することによって、前記点列選択処理を実施する
ことを特徴とする上記付記記載の画像照合システム。
［付記６］
前記輪郭情報抽出手段は、輪郭情報として抽出する輪郭線を成す各点の間隔を、前記多重解像度輪郭情報生成手段において使用する最も高解像度な再輪郭生成に用いる参照範囲の大きさ以下で且つ前記画像のピクセル間隔の１／２倍以上を満たす範囲内から採用された間隔を用いることを特徴とする上記付記記載の画像照合システム。
前記輪郭情報抽出手段は、輪郭情報として抽出する輪郭線を成す各点の間隔を、前記多重解像度輪郭情報生成手段において使用する最も高解像度な再輪郭生成に用いる参照範囲の大きさ以下で且つ前記画像のピクセル間隔の１／２倍以上を満たす範囲内から採用された間隔を用いることを特徴とする上記付記記載の画像照合システム。
［付記７］
処理対象とする画像情報と該画像情報から抽出した物体の特徴とを記憶する記憶手段と、
前記画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記録する
画像特徴抽出手段と、
を備えることを特徴とする画像処理システム。
処理対象とする画像情報と該画像情報から抽出した物体の特徴とを記憶する記憶手段と、
前記画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記録する
画像特徴抽出手段と、
を備えることを特徴とする画像処理システム。
［付記８］
前記画像特徴抽出手段は、
前記輪郭情報として、個々の輪郭線を表す点の集合を点列で抽出処理し、
抽出する特徴量を、適用する解像度毎の抽出要件として、点列の抽出並び順を他の条件に合わせて用いる
ことを特徴とする上記付記記載の画像処理システム。
前記画像特徴抽出手段は、
前記輪郭情報として、個々の輪郭線を表す点の集合を点列で抽出処理し、
抽出する特徴量を、適用する解像度毎の抽出要件として、点列の抽出並び順を他の条件に合わせて用いる
ことを特徴とする上記付記記載の画像処理システム。
［付記９］
前記画像特徴抽出手段は、
予め解像度毎に設定された大きさを有する二次元範囲内の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、
それぞれの解像度に対応させた輪郭を前記選択された輪郭要素を接合して形成する輪郭再生手段と、
を備え、
解像度毎に多重解像度輪郭情報に含める輪郭を再生する
ことを特徴とする上記付記記載の画像処理システム。
前記画像特徴抽出手段は、
予め解像度毎に設定された大きさを有する二次元範囲内の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、
それぞれの解像度に対応させた輪郭を前記選択された輪郭要素を接合して形成する輪郭再生手段と、
を備え、
解像度毎に多重解像度輪郭情報に含める輪郭を再生する
ことを特徴とする上記付記記載の画像処理システム。
［付記１０］
前記輪郭要素選択手段は、
所定点を中心にした個々の解像度に対応した二次元範囲内において、前記所定点を中心とした一連の三点からなる点列の組合せを輪郭要素候補として複数形成する輪郭要素点列形成手段と、
形成された点列群の中から適切な輪郭要素を配置関係の適応性に基づいて選択処理する点列選択手段と、
を含み成る
ことを特徴とする上記付記記載の画像処理システム。
前記輪郭要素選択手段は、
所定点を中心にした個々の解像度に対応した二次元範囲内において、前記所定点を中心とした一連の三点からなる点列の組合せを輪郭要素候補として複数形成する輪郭要素点列形成手段と、
形成された点列群の中から適切な輪郭要素を配置関係の適応性に基づいて選択処理する点列選択手段と、
を含み成る
ことを特徴とする上記付記記載の画像処理システム。
［付記１１］
前記点列選択手段は、
前記配置関係の適応性として、
前記点列の形成する距離が大きいこと、
前記点列のなす角度が大きいこと、
前記点列形成手段によって形成された点列の順番が、それらの点列が輪郭情報抽出手段によって抽出された際の点列の順番と矛盾を生じないこと、
前記隣接範囲に含まれる点列の持つ方位の分散値が小さいこと、
の四項目の何れか又は組み合わせ、若しくは全てを考慮することによって、前記点列選択処理を実施する
ことを特徴とする上記付記記載の画像処理システム。
前記点列選択手段は、
前記配置関係の適応性として、
前記点列の形成する距離が大きいこと、
前記点列のなす角度が大きいこと、
前記点列形成手段によって形成された点列の順番が、それらの点列が輪郭情報抽出手段によって抽出された際の点列の順番と矛盾を生じないこと、
前記隣接範囲に含まれる点列の持つ方位の分散値が小さいこと、
の四項目の何れか又は組み合わせ、若しくは全てを考慮することによって、前記点列選択処理を実施する
ことを特徴とする上記付記記載の画像処理システム。
［付記１２］
前記画像特徴抽出手段は、輪郭情報として抽出する輪郭線を成す各点の間隔を、前記多重解像度輪郭情報生成手段において使用する最も高解像度な再輪郭生成に用いる参照範囲の大きさ以下で且つ前記画像のピクセル間隔の１／２倍以上を満たす範囲内から採用された間隔を用いることを特徴とする上記付記記載の画像処理システム。
前記画像特徴抽出手段は、輪郭情報として抽出する輪郭線を成す各点の間隔を、前記多重解像度輪郭情報生成手段において使用する最も高解像度な再輪郭生成に用いる参照範囲の大きさ以下で且つ前記画像のピクセル間隔の１／２倍以上を満たす範囲内から採用された間隔を用いることを特徴とする上記付記記載の画像処理システム。
［付記１３］
画像内に含まれる物体または形状の照合を行う情報処理システムによる画像照合方法であって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出処理し、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理し、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理し、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理することを特徴とする画像照合方法。
画像内に含まれる物体または形状の照合を行う情報処理システムによる画像照合方法であって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出処理し、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理し、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理し、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理することを特徴とする画像照合方法。
［付記１４］
画像内に含まれる物体または形状の照合を行う画像照合を行なう際に用いる多重輪郭を得る画像処理方法であって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出処理し、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する
ことを特徴とする画像処理方法。
画像内に含まれる物体または形状の照合を行う画像照合を行なう際に用いる多重輪郭を得る画像処理方法であって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出処理し、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する
ことを特徴とする画像処理方法。
［付記１５］
画像内に含まれる物体または形状の照合を行う画像照合を行なう際に用いる多重輪郭特徴を得る画像処理方法であって、
記憶部から読み出した記画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記憶部に記録する
ことを特徴とする画像処理方法。
画像内に含まれる物体または形状の照合を行う画像照合を行なう際に用いる多重輪郭特徴を得る画像処理方法であって、
記憶部から読み出した記画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記憶部に記録する
ことを特徴とする画像処理方法。
［付記１６］
画像内に含まれる物体または形状の照合を行う画像照合を行なう情報処理システムを、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段、
として動作させることを特徴とするプログラム。
画像内に含まれる物体または形状の照合を行う画像照合を行なう情報処理システムを、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段、
として動作させることを特徴とするプログラム。
［付記１７］
画像照合に用いる多重輪郭を生成する情報処理システムを、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段、
として動作させることを特徴とするプログラム。
画像照合に用いる多重輪郭を生成する情報処理システムを、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段、
として動作させることを特徴とするプログラム。
［付記１８］
画像照合に用いる多重輪郭特徴を抽出する情報処理システムを、
記憶部から読み出した画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記憶部に記録する
ことを特徴とするプログラム。
画像照合に用いる多重輪郭特徴を抽出する情報処理システムを、
記憶部から読み出した画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記憶部に記録する
ことを特徴とするプログラム。
本発明によれば、画像内に含まれる一般物体を認識する際に、膨大な演算量を必要とすることなく、多重輪郭情報を用いて段階的な物体の特徴の抽出を実施可能となる。多重輪郭を用いる画像の検索や画像の分類といった多くの用途に適用可能である。
１０ 制御部（制御手段）
２０ メモリ（記憶手段）
１０１ 画像情報取得手段
１０２ 輪郭ベクトル抽出手段（輪郭情報抽出手段）
１０３ 多重解像度輪郭ベクトル生成手段（多重解像度輪郭生成手段）
１０４ 多重解像度特徴抽出手段
１０５ 物体照合手段
１０６ 物体照合結果出力手段
２０１ 画像情報記憶部（記憶手段）
２０２ 多重解像度特徴情報記憶部（記憶手段）
２０ メモリ（記憶手段）
１０１ 画像情報取得手段
１０２ 輪郭ベクトル抽出手段（輪郭情報抽出手段）
１０３ 多重解像度輪郭ベクトル生成手段（多重解像度輪郭生成手段）
１０４ 多重解像度特徴抽出手段
１０５ 物体照合手段
１０６ 物体照合結果出力手段
２０１ 画像情報記憶部（記憶手段）
２０２ 多重解像度特徴情報記憶部（記憶手段）
Claims (10)
- 画像内に含まれる物体または形状の照合を行う画像照合システムであって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段と、
を含み成ることを特徴とする画像照合システム。 - 前記輪郭情報抽出手段は、前記輪郭情報として、個々の輪郭線を表す点の集合を点列で抽出処理し、
前記多重解像度特徴抽出手段は、抽出する特徴量を、適用する解像度毎の抽出要件として、点列の抽出並び順を他の条件に合わせて用いる
ことを特徴とする請求項１に記載の画像照合システム。 - 前記多重解像度輪郭情報生成手段は、
予め解像度毎に設定された大きさを有する参照範囲の中から適切な輪郭要素を配置関係に基づいた重み付けに従って選択する輪郭要素選択手段と、
それぞれの解像度に対応させた輪郭を前記選択された輪郭要素を接合して形成する輪郭再生手段と、
を備え、
解像度毎に多重解像度輪郭情報に含める輪郭を再生する
ことを特徴とする請求項２に記載の画像照合システム。 - 前記輪郭要素選択手段は、
所定点を中心にした個々の解像度に対応した参照範囲内において、前記所定点を中心とした一連の三点からなる点列の組合せを輪郭要素候補として複数形成する輪郭要素点列形成手段と、
形成された点列群の中から適切な輪郭要素を配置関係の適応性に基づいて選択処理する点列選択手段と、
を含み成ることを特徴とする請求項３に記載の画像照合システム。 - 前記点列選択手段は、
前記配置関係の適応性として、
前記点列の形成する距離が大きいこと、
前記点列のなす角度が大きいこと、
前記点列形成手段によって形成された点列の順番が、それらの点列が輪郭情報抽出手段によって抽出された際の点列の順番と矛盾を生じないこと、
前記隣接範囲に含まれる点列の持つ方位の分散値が小さいこと、
の四項目の何れか又は組み合わせ、若しくは全てを考慮することによって、前記点列選択処理を実施する
ことを特徴とする請求項４に記載の画像照合システム。 - 前記輪郭情報抽出手段は、輪郭情報として抽出する輪郭線を成す各点の間隔を、前記多重解像度輪郭情報生成手段において使用する最も高解像度な再輪郭生成に用いる参照範囲の大きさ以下で且つ前記画像のピクセル間隔の１／２倍以上を満たす範囲内から採用された間隔を用いることを特徴とする請求項１ないし５の何れか一項に記載の画像照合システム。
- 処理対象とする画像情報と該画像情報から抽出した物体の特徴とを記憶する記憶手段と、
前記画像情報を画像解析して得た画像中に描写されている前記物体の輪郭線を、輪郭情報として点の集合でデータ化処理し、
該輪郭情報に含まれる点の集合に対して、任意の点と 該任意の点を中心とした解像度毎に異なる大きさを有する二次元範囲内に含まれた複数点とを識別して、前記任意の点と前記二次元範囲に含まれた複数点との配置関係に基づいた各点を結びつける適正条件を用いた重み付けに従って、輪郭の一部にする部分ネットワークを選定すると共に、選定した前記部分ネットワークを接合した全体ネットワークを解像度毎の輪郭として再輪郭化処理し、
個々の解像度に対応させて増殖させた前記各輪郭を組み合わせて多重解像度輪郭情報として生成処理し、
生成した多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理して記録する
画像特徴抽出手段と、
を備えることを特徴とする画像処理システム。 - 画像内に含まれる物体または形状の照合を行う情報処理システムによる画像照合方法であって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出処理し、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理し、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理し、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理することを特徴とする画像照合方法。 - 画像内に含まれる物体または形状の照合を行う画像照合を行なう際に用いる多重輪郭を得る画像処理方法であって、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出処理し、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する
ことを特徴とする画像処理方法。 - 画像内に含まれる物体または形状の照合を行う画像照合を行なう情報処理システムを、
前記画像または画像内に含まれる物体または形状から、点の集合で表した一つまたは複数の輪郭線を輪郭情報として抽出する輪郭情報抽出手段と、
前記輪郭情報から、複数の解像度によって表現された多重解像度輪郭情報を、多重化する解像度毎に 個々の解像度毎に異なる参照範囲を適用要件とした際の所定点と隣接点との配置関係に基づいた重み付けに従って輪郭を形成して、該形成した個々の輪郭を組み合わせることにより生成処理する多重解像度輪郭情報生成手段と、
前記多重解像度輪郭情報に含まれた物体または形状の特徴を抽出処理する多重解像度特徴抽出手段と、
前記多重解像度輪郭情報から抽出された特徴を利用して物体または形状の照合処理を行う照合手段、
として動作させることを特徴とするプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013053105A JP2014178941A (ja) | 2013-03-15 | 2013-03-15 | 画像照合システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013053105A JP2014178941A (ja) | 2013-03-15 | 2013-03-15 | 画像照合システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2014178941A true JP2014178941A (ja) | 2014-09-25 |
Family
ID=51698807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013053105A Pending JP2014178941A (ja) | 2013-03-15 | 2013-03-15 | 画像照合システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2014178941A (ja) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05500874A (ja) * | 1990-05-21 | 1993-02-18 | イーストマン・コダック・カンパニー | ディジタル化書類における選択本文の自動抽出のための多角形準拠式方法 |
| JPH07146944A (ja) * | 1993-11-22 | 1995-06-06 | Nec Corp | 図形認識装置 |
| JPH10188022A (ja) * | 1996-12-27 | 1998-07-21 | Canon Inc | 画像処理方法及び装置と前記方法を実行するプログラムを記憶した記憶媒体 |
| JP2001319239A (ja) * | 2000-05-10 | 2001-11-16 | Nec Corp | 物体輪郭抽出装置及び方法 |
| JP2002352252A (ja) * | 2001-05-28 | 2002-12-06 | Sanyo Electric Co Ltd | 画像処理装置及び画像処理プログラム |
| JP2005346391A (ja) * | 2004-06-02 | 2005-12-15 | Toyota Motor Corp | 物体認識方法 |
| JP2007257027A (ja) * | 2006-03-20 | 2007-10-04 | Clarion Co Ltd | 移動体監視装置 |
| JP2007307358A (ja) * | 2006-04-17 | 2007-11-29 | Fujifilm Corp | 画像処理方法および装置ならびにプログラム |
| JP2008084237A (ja) * | 2006-09-29 | 2008-04-10 | Juki Corp | 物体の輪郭線抽出方法および装置、並びにこれを用いた物体認識方法および装置 |
| JP2010503936A (ja) * | 2006-09-19 | 2010-02-04 | バウメル オプトロニック ゲーエムベーハー | 画像処理のための方法および装置 |
| JP2011013066A (ja) * | 2009-07-01 | 2011-01-20 | Konica Minolta Holdings Inc | 画像処理装置 |
-
2013
- 2013-03-15 JP JP2013053105A patent/JP2014178941A/ja active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05500874A (ja) * | 1990-05-21 | 1993-02-18 | イーストマン・コダック・カンパニー | ディジタル化書類における選択本文の自動抽出のための多角形準拠式方法 |
| JPH07146944A (ja) * | 1993-11-22 | 1995-06-06 | Nec Corp | 図形認識装置 |
| JPH10188022A (ja) * | 1996-12-27 | 1998-07-21 | Canon Inc | 画像処理方法及び装置と前記方法を実行するプログラムを記憶した記憶媒体 |
| JP2001319239A (ja) * | 2000-05-10 | 2001-11-16 | Nec Corp | 物体輪郭抽出装置及び方法 |
| JP2002352252A (ja) * | 2001-05-28 | 2002-12-06 | Sanyo Electric Co Ltd | 画像処理装置及び画像処理プログラム |
| JP2005346391A (ja) * | 2004-06-02 | 2005-12-15 | Toyota Motor Corp | 物体認識方法 |
| JP2007257027A (ja) * | 2006-03-20 | 2007-10-04 | Clarion Co Ltd | 移動体監視装置 |
| JP2007307358A (ja) * | 2006-04-17 | 2007-11-29 | Fujifilm Corp | 画像処理方法および装置ならびにプログラム |
| JP2010503936A (ja) * | 2006-09-19 | 2010-02-04 | バウメル オプトロニック ゲーエムベーハー | 画像処理のための方法および装置 |
| JP2008084237A (ja) * | 2006-09-29 | 2008-04-10 | Juki Corp | 物体の輪郭線抽出方法および装置、並びにこれを用いた物体認識方法および装置 |
| JP2011013066A (ja) * | 2009-07-01 | 2011-01-20 | Konica Minolta Holdings Inc | 画像処理装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Recover and identify: A generative dual model for cross-resolution person re-identification | |
| CN111126379B (zh) | 一种目标检测方法与装置 | |
| Shen et al. | Multiobject tracking by submodular optimization | |
| JP2022023887A (ja) | 外観検索のシステムおよび方法 | |
| Nepovinnykh et al. | Siamese network based pelage pattern matching for ringed seal re-identification | |
| JP5725918B2 (ja) | 情報処理方法及び情報処理装置 | |
| CN104933414B (zh) | 一种基于wld-top的活体人脸检测方法 | |
| CN107944403B (zh) | 一种图像中的行人属性检测方法及装置 | |
| Girisha et al. | Semantic segmentation of UAV aerial videos using convolutional neural networks | |
| Sumbul et al. | Informative and representative triplet selection for multilabel remote sensing image retrieval | |
| JP6639743B1 (ja) | 検索システム、検索方法、及びプログラム | |
| CN111263955A (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
| Zhang | Half century for image segmentation | |
| JP5192437B2 (ja) | 物体領域検出装置、物体領域検出方法および物体領域検出プログラム | |
| JP6068895B2 (ja) | 画像処理装置およびプログラム | |
| WO2015068417A1 (ja) | 画像照合システム、画像照合方法およびプログラム | |
| JP2014112347A (ja) | 画像照合システム、画像照合方法、およびプログラム | |
| JP2014056415A (ja) | 画像照合システム、画像照合方法、およびプログラム | |
| WO2013084731A1 (ja) | 画像識別システム | |
| JP2014178941A (ja) | 画像照合システム | |
| WO2015178001A1 (ja) | 画像照合システム、画像照合方法、およびプログラムを記憶する記録媒体 | |
| JP7370759B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
| WO2013154062A1 (ja) | 画像識別システム、画像識別方法、およびプログラム | |
| Badreldeen Bdawy Mohamed | Metric learning based pattern matching for species agnostic animal re-identification | |
| San Biagio et al. | Encoding structural similarity by cross-covariance tensors for image classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20151217 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160209 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161221 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161227 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170621 |