JP2015036929A - 画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システム - Google Patents
画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システム Download PDFInfo
- Publication number
- JP2015036929A JP2015036929A JP2013168830A JP2013168830A JP2015036929A JP 2015036929 A JP2015036929 A JP 2015036929A JP 2013168830 A JP2013168830 A JP 2013168830A JP 2013168830 A JP2013168830 A JP 2013168830A JP 2015036929 A JP2015036929 A JP 2015036929A
- Authority
- JP
- Japan
- Prior art keywords
- feature extraction
- image
- image feature
- threshold value
- binary code
- 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
Abstract
【課題】誤った画像特徴の抽出を抑えることが可能な画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システムを提供する。【解決手段】画像特徴抽出装置100は、輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定するしきい値算出部110と、決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出するバイナリコード算出部120と、を備えるものである。【選択図】図1
Description
本発明は、画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システムに関し、特に、入力画像の特徴量を算出する画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システムに関する。
従来から、画像の特徴を抽出し、抽出した特徴に基づいて画像に含まれる物体などのパターンを検出する技術が広く利用されている。この画像の特徴を、ローカルバイナリパターン(Local Binary Pattern:LBP)を用いて抽出する技術が、Matti Pietikainenらによって提案されている。
LBPは、例えば3×3画素領域において、中心画素の輝度値とその他の周辺画素の輝度値との差を算出し、その正負によって、それぞれ0,1を割り当てることを基本とする。LBPは、演算コストを低く押さえられる一方、画像の濃淡値の変動に頑健で、高い画像特徴性能が得られる。LBPは、バイナリコードの代表的な手法のひとつである。関連する技術として、例えば、非特許文献1〜2、特許文献1〜3が知られている。
各画素のローカルバイナリコード(バイナリコード特徴量)BRは、注目画素と近傍画素との輝度の大小を比較して2値で評価し、全近傍画素に対する評価結果を2進数の数値としてエンコードして表現する。図5のように、入力画像をI、注目画素をgc=I(x,y)、近傍画素をgp(p=0...7)とすると、画素I(x,y)におけるこのバイナリコード特徴量LBP(x,y)は、次の式1、式2のように求めることができる。
式1は、LBPの算出式を一般化したものであり、式2は、しきい値thをgcとして最も基本的なLBP算出式を表したものである。
すなわち、式2によれば、注目画素gcと各近傍画素gpの輝度の差分を1ビットのs(i)とし、各ビットに重みづけした合計が、バイナリコード特徴量BRとなる。入力画像の全画素に対して、式2によりバイナリコード特徴量BRを求める。
図6は、バイナリコード特徴量BLBPの算出例を示している。ここで、近傍画素は隣接していなくてもよいが、選択する近傍画素数は8画素とし、8ビットのバイナリコード特徴量BLBPとする。図6(a)の例では、注目画素の輝度が6であり、左上画素から時計回り(右回り)の順に各近傍画素の輝度が、6,5,2,1,7,8,9,7である。
このため、図6(b)に示すように、注目画素と各近傍画素の大小関係によりs(6,6)=1,s(5,6)=0,s(2,6)=0,s(1,6)=0,s(7,6)=1,s(8,6)=1,s(9,6)=1,s(7,6)=1となり、8ビットのs(i)のパターン(バイナリコードパターン)は、11110001となる。各ビットの位置に応じた重み付けを図6(c)のようにし、各ビットを合計すると、バイナリコード特徴量BLBP=1+16+32+64+128=241となる。
Matti Pietikainen, "Computer Vision Using Local Binary Patterns", Computational Imaging and Vision 40, Springer, 2011年, pp.32-35
W.H.Liao, "Region Description Using Extended Local Ternary Patterns", 2010 International Conference on Pattern Recognition, 2010年, pp.1003-1006
バイナリコードは画素値の小さな変動に反応してしまうため、特に平坦部の微小ノイズに弱いという問題がある。これは、例えば図7(a)のような平坦部では、微小な輝度変化はあるものの、図7(c)のように11111111となるのが望ましいが、図7(b)のように僅かな輝度の違いがパターン(01111111)として現れてしまう。さらに、輝度値が変動している画素の位置によって別のパターンとして算出されるので、同じ平坦画像のバイナリコードであっても、パターンはそれぞれ異なるという結果を招く。
そこで、上記の基本的なLBPであるBLBPを拡張して様々な改良手法が提案されている。
非特許文献1には、次の従来技術1〜4が記載されている。
(従来技術1)注目画素をしきい値として周辺画素との差分結果を符号化する。
(従来技術2)注目画素+α(固定値)をしきい値として周辺画素との差分結果を符号化する。
(従来技術3)注目画素および周辺画素の中央値をしきい値として注目画素・周辺画素との差分結果を符号化する。
(従来技術4)注目画素および周辺画素の平均値をしきい値として注目画素・周辺画素との差分結果を符号化する。
(従来技術1)注目画素をしきい値として周辺画素との差分結果を符号化する。
(従来技術2)注目画素+α(固定値)をしきい値として周辺画素との差分結果を符号化する。
(従来技術3)注目画素および周辺画素の中央値をしきい値として注目画素・周辺画素との差分結果を符号化する。
(従来技術4)注目画素および周辺画素の平均値をしきい値として注目画素・周辺画素との差分結果を符号化する。
また、非特許文献2には、次の従来技術5が記載されている。
(従来技術5)注目画素+周辺画素の標準偏差をしきい値として周辺画素との差分結果を符号化する。
(従来技術5)注目画素+周辺画素の標準偏差をしきい値として周辺画素との差分結果を符号化する。
従来技術1は、上記の一般的なBLBPであり、しきい値thとして注目画素のみを使用している。
従来技術2は、次の式3で表され、しきい値thとして注目画素と定数αの差分値を使用している。αによって注目画素と周辺画素との間にノイズに対するマージンが出来るため、例えばα=1に設定すると図7(c)の結果を得ることができる。しかし、例えば図8のようにノイズマージンを超えてノイズがある場合には無力である。ここで、例えばα=3に設定すれば、図8のケースでも対応可能であるが、αを大きくし過ぎると、輝度値の低い低輝度領域でパターンが正しく生成できないという問題がある。例えば、平均輝度値が10程度の領域にノイズマージンα=3とした場合などが想定できる。
従来技術3及び4でも上記問題は解決できない。図7(a)の場合、中央値、平均値共に128となり、図7(b)と同じ結果となる。それどころか、しきい値として注目画素を使用しないので、注目画素もパターンに含める必要があるため、注目画素を含めた9bitのパターンを生成する必要があり、従来技術1及び2の場合に比べてバイナリコードの次元数が2倍になってしまう。
従来技術5は式3のαを周辺画素の標準偏差とするに等しい。図7(a)の場合、周辺画素の標準偏差は0.54であり、四捨五入すればα=1となり、図7(c)の結果を得ることができる。しかし、図8のケースでは、標準偏差は1.31であるが、四捨五入しても切り上げても問題を解決できない。
このように、従来技術では、ノイズの影響等により誤った画像特徴を抽出する恐れがあるという問題がある。
本発明に係る画像特徴抽出装置は、輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定するしきい値決定部と、前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出するバイナリコード算出部と、を備えるものである。
本発明に係る画像特徴抽出方法は、輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定し、前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出するものである。
本発明に係る画像特徴抽出プログラムは、輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定し、前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出する、画像特徴抽出処理をコンピュータに実行させるためのものである。
本発明に係る画像処理システムは、画像特徴抽出装置と画像検出装置とを備えた画像処理システムであって、前記画像特徴抽出装置は、輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定するしきい値決定部と、前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出するバイナリコード算出部と、を備え、前記画像検出装置は、前記バイナリコード特徴量に基づいてヒストグラムを生成するヒストグラム生成部と、前記生成されたヒストグラムに基づいて画像を識別する画像識別部と、を備えるものである。
本発明によれば、誤った画像特徴の抽出を抑えることが可能な画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システムを提供することができる。
(実施の形態1)
以下、図面を参照して実施の形態1について説明する。図1は、本実施の形態に係る画像特徴抽出装置の構成を示している。本実施の形態に係る画像特徴抽出装置100は、入力画像の特徴抽出として、注目画素及び近傍画素(周辺画素)の輝度を2値のバイナリコード特徴量(Local Binary Code:LBP、単にバイナリコードとも言う)に符号化する装置である。図1に示すように、画像特徴抽出装置100は、しきい値算出部110、バイナリコード算出部120を備えている。
以下、図面を参照して実施の形態1について説明する。図1は、本実施の形態に係る画像特徴抽出装置の構成を示している。本実施の形態に係る画像特徴抽出装置100は、入力画像の特徴抽出として、注目画素及び近傍画素(周辺画素)の輝度を2値のバイナリコード特徴量(Local Binary Code:LBP、単にバイナリコードとも言う)に符号化する装置である。図1に示すように、画像特徴抽出装置100は、しきい値算出部110、バイナリコード算出部120を備えている。
なお、本実施の形態に係る画像特徴抽出方法が実現できれば、その他の機能ブロックで構成してもよい。また、図1の画像特徴抽出装置における各機能(各処理)は、ハードウェア又はソフトウェア、もしくはその両方によって構成されており、1つのハードウェア又はソフトウェアから構成してもよいし、複数のハードウェア又はソフトウェアから構成してもよい。画像特徴抽出装置の各機能を、CPU(Central Processing Unit)やメモリ等を有するコンピュータにより実現してもよい。例えば、記憶装置に後述の画像特徴抽出方法(画像特徴抽出処理)を行うための画像特徴抽出プログラムを格納し、画像特徴抽出装置の各機能を、記憶装置に格納された画像特徴抽出プログラムをCPUで実行することにより実現してもよい。
しきい値算出部(しきい値決定部)110は、入力画像が入力され、入力画像のバイナリコードを算出するためのしきい値を決定(算出)する。入力画像は、例えば、輝度信号Y、色信号Cb,Crを含むYCbCr方式の画像信号であるが、RGB方式等、その他の方式の画像信号であってもよい。本実施の形態では、しきい値算出部110は、入力画像における注目画像近傍の近傍画像の平方根に基づいてしきい値を決定する。
バイナリコード算出部120は、しきい値算出部110により算出されたしきい値に基づいてバイナリコードを算出し出力する。バイナリコード算出部120は、入力画像の注目画素と近傍画素の輝度差を、しきい値に基づいて2値のバイナリコード特徴量(LBP)に符号化する。
ここで、しきい値算出部110で算出するしきい値について説明する。次の式4に示すように、本実施の形態に係るしきい値thは、式3と同様に、注目画素とノイズマージン値θから構成される。すなわち、しきい値thは、注目画素とノイズマージン値θの差分値(gc−θ)である。なお、注目画素及びθの差分と、近傍画素との差に基づいてバイナリコードが算出されるため、θをしきい値と称する場合もある。
このとき、ノイズマージン値θの値はノイズの影響を抑制するための値であるが、輝度値が低い画素と、高い画素では、相対的なノイズ量の大きさが異なる。したがって、ノイズマージン値θを低くすると高輝度の画素でノイズ抑制効果が下がる一方、ノイズマージン値θを高くすると、低輝度の画素においてノイズではない画素をノイズであると誤判定してしまうことになる。そこで、本実施の形態では、一般にノイズ量は光量つまり輝度値の平方根に比例することから、周辺画素の平均輝度値の平方根に応じてノイズマージン値θ(しきい値)を注目画素ごとに適応的に設定する。
すなわち、本実施の形態では、輝度とノイズの関係を示す所定の関数と、近傍画素の輝度とに基づいてしきい値を決定する。上記のようにノイズ量が輝度値の平方根に比例する関係から所定の関数として平方根を用い、近傍画素の輝度の平方根を算出してしきい値を決定する。特に、近傍画素の輝度の平均値または中央値の平方根に基づいてしきい値を決定する。一般的なノイズと輝度の関係から、平方根(1/2乗)を用いることが好ましいが、1/n(nは2以上の整数)乗を用いても同様の効果を得ることができる。また、1/n乗に近い関数として対数を用いてもよい。対数の場合、底を2または10とすることで、平方根の場合と同様の効果を得ることができる。
本実施の形態では、具体的には、次の式5に示すように、各近傍画素gpの輝度平均値の平方根を求めて実数倍し、少数以下を切り捨てた整数値を元にしてノイズマージン値θを決定する。なお、式5においてINT()は整数化を意味し、nは実数である。
例えば、近傍画素の平均輝度が一般的なグレーレベルである128のときにθ≒2.5となるように設計する場合はn≒0.22となり、ノイズマージン値θの取り得る値は0≦θ≦3となる。
式5によれば、図7(a)のケースではθ=2、図8のケースではθ=3となるため、いずれの場合もバイナリコードは図7(c)のようになる。したがって、従来技術の問題を解決することができる。
図2は、本実施の形態に係る画像特徴抽出装置で実行される画像特徴抽出方法(画像特徴抽出処理)を示している。
図2に示すように、画像特徴抽出装置100に画像が入力されると、まず、しきい値算出部110は、入力画像の中から注目画素及び近傍画素の輝度を取得する(S101)。
続いて、しきい値算出部110は、式5を用いてしきい値を算出する。すなわち、しきい値算出部110は、近傍画素の輝度の平均値を算出し(S102)、この平均値の平方根を算出し(S103)、この平方根に基づきしきい値を決定する(S104)。具体的には、式5のように、近傍画素の輝度平均値の平方根を実数倍し、整数化してしきい値(ノイズマージン値θ)を算出する。
続いて、バイナリコード算出部120は、式4を用いて、決定したしきい値に基づきバイナリコードを算出する(S105)。バイナリコード算出部120は、式4のように、各近傍画素としきい値(注目画素及びθの差分)の差分に基づいてバイナリコードを算出する。
以上のように、本実施の形態では、周辺画素の平均値の平方根をもとにしてバイナリコードのしきい値を決めることとした。これにより、少ない副作用で大きなノイズ抑制効果を得ることのできる適応的なしきい値算出を行うことができる。すなわち、ノイズの影響を受けにくく、安定したバイナリコードが得られるため、画像特徴の解析精度が向上する。従来技術ではできなかった、平坦部を一様なバイナリコードで表現することが可能になる。したがって、ノイズの影響による誤った画像特徴の抽出を抑えることができる。
本実施の形態は、当該技術分野の画像特徴解析の技術に関するものであり、従来技術と比較して、ノイズに対してロバストである面で優れている。
(実施の形態2)
以下、図面を参照して実施の形態2について説明する。本実施の形態では、実施の形態1の画像特徴抽出装置を含む画像処理システムについて説明する。
以下、図面を参照して実施の形態2について説明する。本実施の形態では、実施の形態1の画像特徴抽出装置を含む画像処理システムについて説明する。
図2は、本実施の形態に係る画像処理システムの構成を示している。図2に示すように、本実施の形態に係る画像処理システムは、画像特徴抽出装置100、画像検出装置200、学習データ記憶装置300を備えている。画像検出装置200は、ヒストグラム作成部210、識別器220を備えている。
学習データ記憶装置300は、学習データを記憶する記憶部である。学習データは、バイナリコード特徴量に基づいたヒストグラムを予め学習したデータである。
ヒストグラム作成部(ヒストグラム生成部)210は、画像特徴抽出装置100が生成したバイナリコード特徴量に基づきヒストグラムを生成する。
識別器(画像識別部)220は、学習結果に基づいて画像認識を行うSVM(Support Vector Machine)である。識別器220は、学習データ記憶装置300の学習データと、ヒストグラム作成部210が生成したヒストグラムを比較し、両者の類似度に基づいて識別結果(検出結果)を出力する。
図4は、本実施の形態に係る画像処理システムで実行される画像処理方法を示している。
図4に示すように、予め、識別器220は画像パターンを学習し、学習データを学習データ記憶装置300に記憶しておく(S201)。例えば、しきい値算出部110及びバイナリコード算出部120が画像パターンに対し式4及び式5を用いてバイナリコード特徴量を抽出し、ヒストグラム作成部210が生成したヒストグラムを学習データとして記憶する。
その後、画像特徴抽出装置100に画像が入力されると(S202)、しきい値算出部110は、式5を用いて、しきい値を算出する(S203)。実施の形態1と同様、式5のように、近傍画素の輝度平均値の平方根を実数倍し、整数化してしきい値(ノイズマージン値θ)を算出する。
続いて、バイナリコード算出部120は、式4を用いて、決定したしきい値に基づきバイナリコードを算出する(S204)。実施の形態1と同様、式4のように、各近傍画素としきい値(注目画素及びθの差分)の差分に基づいてバイナリコードを算出する。
続いて、ヒストグラム作成部210は、算出したバイナリコードに基づいてヒストグラムを作成する(S205)。例えば、ヒストグラム作成部210は、バイナリコードの分布を示す2次元ヒストグラムを作成する。
続いて、識別器220は、学習データ記憶装置300の学習データを参照し、作成されたヒストグラムに基づいて、画像パターンを識別し、識別結果を出力する(S206)。識別器220は、学習データと、作成されたヒストグラムを比較し、類似度を示す画像パターンの確度などを識別結果(検出結果)として出力する。
以上のように、本実施の形態では画像処理システムにおいて、実施の形態1の画像特徴抽出装置を備えているため、ノイズの影響が少ないバイナリコードを算出することから、画像パターンの誤検出を防ぐことができる。
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。
100 画像特徴抽出装置
110 しきい値算出部
120 バイナリコード算出部
200 画像検出装置
210 ヒストグラム作成部
220 識別器
300 学習データ記憶装置
110 しきい値算出部
120 バイナリコード算出部
200 画像検出装置
210 ヒストグラム作成部
220 識別器
300 学習データ記憶装置
Claims (15)
- 輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定するしきい値決定部と、
前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出するバイナリコード算出部と、
を備える画像特徴抽出装置。 - 前記関数は平方根を含む関数であり、
前記しきい値決定部は、前記周辺画素の輝度の平方根に基づいて前記しきい値を決定する、
請求項1に記載の画像特徴抽出装置。 - 前記しきい値決定部は、前記周辺画素の輝度の平均値または中央値の平方根に基づいて前記しきい値を決定する、
請求項2に記載の画像特徴抽出装置。 - 前記しきい値決定部は、前記注目画素から前記平方根の値を減算して前記しきい値を決定する、
請求項2または3に記載の画像特徴抽出装置。 - 前記関数は、1/n(nは2以上の整数)乗を含む関数である、
請求項1に記載の画像特徴抽出装置。 - 前記nは2である、
請求項5に記載の画像特徴抽出装置。 - 前記関数は、対数を含む関数である、
請求項1に記載の画像特徴抽出装置。 - 前記対数の底は2または10である、
請求項7に記載の画像特徴抽出装置。 - 前記バイナリコード算出部は、前記決定したしきい値を前記周辺画素から減算して前記バイナリコード特徴量を算出する、
請求項1乃至8のいずれか一項に記載の画像特徴抽出装置。 - 輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定し、
前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出する、
画像特徴抽出方法。 - 前記関数は平方根を含む関数であり、
前記しきい値の決定では、前記周辺画素の輝度の平方根に基づいて前記しきい値を決定する、
請求項10に記載の画像特徴抽出方法。 - 前記関数は、1/n(nは2以上の整数)乗を含む関数である、
請求項10に記載の画像特徴抽出方法。 - 前記関数は、対数を含む関数である、
請求項10に記載の画像特徴抽出方法。 - 輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定し、
前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出する、
画像特徴抽出処理をコンピュータに実行させるための画像特徴抽出プログラム。 - 画像特徴抽出装置と画像検出装置とを備えた画像処理システムであって、
前記画像特徴抽出装置は、
輝度とノイズの関係を示す関数と、入力画像における注目画素周辺の周辺画素の輝度とに基づいてしきい値を決定するしきい値決定部と、
前記決定したしきい値と前記周辺画素に基づいてバイナリコード特徴量を算出するバイナリコード算出部と、を備え、
前記画像検出装置は、
前記バイナリコード特徴量に基づいてヒストグラムを生成するヒストグラム生成部と、
前記生成されたヒストグラムに基づいて画像を識別する画像識別部と、を備える、
画像処理システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013168830A JP2015036929A (ja) | 2013-08-15 | 2013-08-15 | 画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013168830A JP2015036929A (ja) | 2013-08-15 | 2013-08-15 | 画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015036929A true JP2015036929A (ja) | 2015-02-23 |
Family
ID=52687381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013168830A Pending JP2015036929A (ja) | 2013-08-15 | 2013-08-15 | 画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015036929A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017056312A1 (ja) * | 2015-10-02 | 2017-04-06 | 富士通株式会社 | 画像処理プログラムおよび画像処理装置 |
CN109801235A (zh) * | 2018-12-28 | 2019-05-24 | 佛山科学技术学院 | 一种绿萝叶片病害原因检测方法及装置 |
-
2013
- 2013-08-15 JP JP2013168830A patent/JP2015036929A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017056312A1 (ja) * | 2015-10-02 | 2017-04-06 | 富士通株式会社 | 画像処理プログラムおよび画像処理装置 |
JPWO2017056312A1 (ja) * | 2015-10-02 | 2018-02-01 | 富士通株式会社 | 画像処理プログラムおよび画像処理装置 |
US10339418B2 (en) | 2015-10-02 | 2019-07-02 | Fujitsu Limited | Computer-readable storage medium storing image processing program and image processing apparatus |
CN109801235A (zh) * | 2018-12-28 | 2019-05-24 | 佛山科学技术学院 | 一种绿萝叶片病害原因检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9953211B2 (en) | Image recognition apparatus, image recognition method and computer-readable medium | |
US9053384B2 (en) | Feature extraction unit, feature extraction method, feature extraction program, and image processing device | |
US9251614B1 (en) | Background removal for document images | |
US20190164008A1 (en) | Image processing apparatus, image processing method, and storage medium | |
JP2014089626A (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
US20150278589A1 (en) | Image Processor with Static Hand Pose Recognition Utilizing Contour Triangulation and Flattening | |
CN106537416B (zh) | 图像处理装置、文字识别装置、图像处理方法及存储介质 | |
JP4238902B2 (ja) | 文字ノイズ除去装置、文字ノイズ除去方法、文字ノイズ除去プログラム | |
JP2013042415A (ja) | 画像処理装置、画像処理方法及びコンピュータプログラム | |
JP2008040693A (ja) | ラインノイズ除去装置、ラインノイズ除去方法、ラインノイズ除去プログラム | |
US8995730B2 (en) | Image processing apparatus for analyzing and enhancing fingerprint images | |
JP6365355B2 (ja) | 画像生成装置および画像生成方法 | |
US9087231B2 (en) | Object determination device | |
JP2015204023A (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
JP2014021602A (ja) | 画像処理装置及び画像処理方法 | |
JP2015036929A (ja) | 画像特徴抽出装置、画像特徴抽出方法、画像特徴抽出プログラム及び画像処理システム | |
KR101756352B1 (ko) | 확장성 국부 이진 패턴을 이용한 이미지 내 얼굴의 연령 추정 방법 | |
US10210414B2 (en) | Object detection system and computer program product | |
Zou et al. | Statistical analysis of signal-dependent noise: application in blind localization of image splicing forgery | |
JP6388507B2 (ja) | 画像処理装置 | |
JP2015176252A (ja) | 画像処理装置および画像処理方法 | |
KR20150094108A (ko) | 배경 영상의 위치를 이용한 관심맵 생성 방법 및 이를 기록한 기록 매체 | |
KR20220027769A (ko) | 상황 적응적인 블로킹을 사용한 개인 정보 보호 방법 | |
KR101853468B1 (ko) | 모바일 gpu 환경에서 차 영상을 이용한 surf 알고리즘 계산 감소 방법 | |
JP6125331B2 (ja) | テクスチャ検出装置、テクスチャ検出方法、テクスチャ検出プログラム、および画像処理システム |