JP2015057687A - 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 - Google Patents
画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 Download PDFInfo
- Publication number
- JP2015057687A JP2015057687A JP2014011862A JP2014011862A JP2015057687A JP 2015057687 A JP2015057687 A JP 2015057687A JP 2014011862 A JP2014011862 A JP 2014011862A JP 2014011862 A JP2014011862 A JP 2014011862A JP 2015057687 A JP2015057687 A JP 2015057687A
- Authority
- JP
- Japan
- Prior art keywords
- image
- information
- code
- feature
- image information
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 81
- 239000013598 vector Substances 0.000 claims description 101
- 238000009826 distribution Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 49
- 238000000605 extraction Methods 0.000 claims description 38
- 238000003384 imaging method Methods 0.000 claims description 19
- 238000011161 development Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 16
- 235000019557 luminance Nutrition 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 12
- 239000011521 glass Substances 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 238000007639 printing Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000001338 self-assembly Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 210000000216 zygoma Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
画像読取装置からの生画像情報に基づいて画像の特徴を複数抽出して固有のコードに変換することにより、同一画像を安定して同一の画像コードに変換することのできる画像情報の画像コード変換装置及び方法を提供する。
【解決手段】
画像読取装置により取得した生画像情報を、幾何学的または物理学的な要素に基づいて複数の展開画像情報に変換して、複数の展開画像情報から、確率尺度に基づいて自己組織化処理により特徴情報を数値化し、該数値化した特徴情報をデジタルコードに変換して、生画像情報に対応する固有の画像コードを生成する。
【選択図】 図1
Description
さらに画像の輪郭形状を意図的に加工して画像の輪郭が同一なるようにして、利用者をネットワーク上の偽の関連情報に誘導することも可能となる。また、偽商品に真正商品の商品ラベルの画像コピーを付することにより、偽商品を真正商品の関連情報とリンクさせることが可能となる。
このように輪郭情報のみによる画像を特定する検索システムでは、偽造防止が難しいという問題もある。
また、特許文献3の画像の階調を用いた解析は、各分割ブロックの画素の平均値を比較するというユークリッド距離を用いた閾値による評価である。このようなユークリッド距離による振り分けは、画像データを撮影するときの照明の光さ、屋内と屋外など環境輝度波長スペクルの違いにより、撮影された画像の階調が大きく変化する恐れがある。そのため、従来技術3の技術では安定したコード変換が困難となり、同一画像を常に同じコードとして特定することができないという問題を有している。
る。
取得した生画像情報を複数の展開画像情報に変換する画像変換部と、
前記複数の展開画像情報のそれぞれに対して確率尺度を用いた自己組織化処理を施すことにより、前記各展開画像情報からそれぞれ特徴情報を抽出する特徴抽出部と、
前記特徴抽出部により抽出された複数の前記特徴情報を数値化し、画像コードを生成する画像コード生成部と
を備えることを特徴とする。
前記画像コード生成部は、前記分割した領域の前記特徴情報を数値化し、該数値化した特徴情報をと、他の分割した領域の前記数値化した特徴情報とを比較して、その大小により前記画像コードを生成することを特徴とする
A(n) = A(G(n))
M(n) = M[G(n),A(G(n))]
G(n) = G[A(G(n-1)), M[G(n-1),A(G(n-1))]]
となるように、自己組織化処理を行うことを特徴とする。
前記画像コード生成部は、前記各展開画像情報の特徴情報に対し、予め定式化したメンバーシップ関数を用いて、0からnまでの情報として数値化し、該数値に基づき画像コードを生成することを特徴とする。
コード変換の対象となる生画像データが読み取られたときに、前記画像コード生成部は、前記特徴抽出部により抽出した複数の数値化された特徴情報から前記特徴ベクトルを生成し、該生成した特徴ベクトルを前記記憶部に記憶している前記特徴ベクトルと比較して、登録されている前記特徴ベクトルの中でユークリッド距離(Euclidean distance)の一番近い特徴ベクトルを、前記コード変換の対象となる生画像の画像コードとすることを特徴とする。
前記同一画像の複数の特徴ベクトルに対して、所定の確率尺度に基づいて自己組織化処理を行うことにより、該特徴ベクトルの各特徴情報の中心値と確率尺度を求めて、該複数の特徴情報の中心値及び確率尺度を特徴ベクトルからなる画像コードとして登録し、
前記画像コード生成部は、コード変換の対象となる生画像から抽出された特徴情報ベクトルの中心値と登録されている特徴ベクトルの中心値を比較して、前記確率尺度の距離が一番近い中心値の特徴ベクトルを前記コード変換の対象となる生画像情報の画像コードとすることを特徴とする、
すなわち、撮像環境の異なる複数の画像情報に対して確率尺度を用いて自己組織化処理をすることにより特徴情報の中心値を求めた結果は、同一読取対象の複数の生画像情報の確率的な分布に対して、確率が一番高い中心値を得られ、正確に画像コードを生成することが可能となる。
取得した生画像情報を複数の展開画像情報に変換する画像変換工程と、
前記複数の展開画像情報のそれぞれに対して確率尺度を用いた自己組織化処理を施すことにより、前記各展開画像情報から特徴情報を数値化して抽出する特徴抽出工程と、
前記特徴抽出部により抽出された複数の数値化された前記特徴情報に基づいて、デジタルコードからなる画像コードを生成する画像コード生成工程と、
を具備することを特徴とする。
前記画像コード生成工程は、前記分割した領域のひとつを基準領域として、該基準領域の特徴情報を数値化し、該数値化した特徴情報と、他の分割した領域の前記数値化した特徴情報を比較することにより、前記画像コードを生成することを特徴とする。
前記画像コード生成工程は、すべての展開画像の特徴情報に対し、予め定式化した複数のメンバーシップ関数を用いて、0からnまでの情報として数値化し、画像コードを直接に生成することを特徴とする。
前記コード生成工程において、
前記特徴抽出工程により抽出した複数の特徴情報を数値化し、該数値化された特徴情報から、コード変換の対象となる生画像の特徴ベクトルを生成し、該生成した特徴ベクトルを前記記憶部に登録されている前記特徴ベクトルと比較し、
登録されている前記特徴ベクトルの中でユークリッド距離の一番近い特徴ベクトルを、前記コード変換の対象となる生画像の画像コードと判定することを特徴とする。
撮像条件を変えて同一の画像を複数回撮像して取得した同一の生画像の複数の生画像情報をそれぞれ各展開画像情報に変換して、該複数の展開画像からそれぞれ前記特徴情報を抽出して同一画像に対する複数の特徴ベクトルを生成する工程と、
前記同一画像の複数の特徴ベクトルに対して、所定の確率尺度に基づいて自己組織化処理を行うことにより、該特徴ベクトルの各特徴情報の中心値と確率尺度を求めて、該複数の特徴情報の中心値及び確率尺度を特徴ベクトルからなる画像コードとして登録する工程を備え、
前記画像コード生成工程は、コード変換の対象となる生画像から抽出された特徴情報ベクトルの中心値と登録されている特徴ベクトルの中心値を比較して、前記確率尺度の距離が一番近い中心値の特徴ベクトルを前記コード変換の対象となる生画像情報の画像コードと判定する工程と
を備えることを特徴とする。
前記端末装置は、前述した態様のいずれかひとつの画像情報のコード変換装置、画像読取部、画像表示部、データ記憶部、通信部、データ入出部及び各部を制御する端末制御部を備え、
前記サーバには、前記画像情報の変換装置により変換された画像コードに関連づけられて、複数の画像に関する関連情報が記憶されており、
前記サーバは、前記端末装置から要求に応じて、前記画像コードに対応する関連情報を要求のあった前記端末装置に送信することを特徴とする。
取得した生画像情報を複数の展開画像情報に変換する画像変換ステップと、
複数の前記展開画像情報のそれぞれに対して確率尺度を用いた自己組織化処理を施すことにより、前記各展開画像情報から特徴情報を抽出する特徴抽出ステップと、
前記特徴抽出ステップにより抽出した複数の特徴情報を数値化して、デジタルコードからなる画像コードを生成する画像コード生成ステップと、
を実行させることにより、画像情報を固有の画像コードに変換することを特徴とする。
これにより、各種画像に関連する情報(関連情報:データでも動画でも静止画でも良い)を各画像に対応する画像コードに紐付けして予め登録しておくことにより、画像読取装置で取得した画像に関連する関連情報を高速で検索することが可能となる。
図1は本発明に係る画像情報のコード変換装置を説明するための図である。図1では、モバイル端末装置として、グーグルグラスを適用する例を示している。
なお、本発明はグーグルグラスに限らず、スマートフォン、携帯電話、その他のモバイル端末、電話回線、専用回線に接続されたオンライン端末、監視カメラ、改札口等の各種ゲートにおける認証カメラ、クレジットカード端末を用いたシステム等にも適用可能である。
図1(a)は、グーグルグラス等のモバイル端末装置10を用いて商品5に付された商品ラベル6やパッケージの画像を読み取る状態を示すイメージ図である。図1(b)は、本発明に係る画像情報のコード変換装置を組み込んだモバイル端末装置10を例示する機能ブロック図である。この機能ブロック図においては、モバイル端末10に本発明を適用する場合の好ましい機能要素を実線ブロックで示している。これは、本発明範囲をこの構成に限定する趣旨ではなく、この構成の一部を削除することも、他の構成を付加することも本発明の範囲に含まれる。必要に応じて、破線のブロックで示すように、GPSその他の各種センサ18を設けても良い。
取得された生画像情報は、端末制御部14に送信され、画像表示部12に表示される。同時に生画像情報はデータ記憶部15に記憶される。端末制御部14は画像コード化処理部16と共同して、取得した生画像情報からその画像に固有の「画像コード」を生成する。生成された画像コードは、端末制御部14の制御に基づいて、データ記憶部15に記憶される。
サーバ等から関連情報を受信したモバイル端末装置10は、受信した関連情報を、画像表示部12に画像読取部で取得した情報に付加して表示する。関連情報は、端末装置10において加工して表示してもよい。
以下、生画像情報から画像コードへの変換について説明する。
画像コードは、以下の工程を経て変換される。
まず、取得した「生画像情報」は、複数の「展開画像情報」に変換される。複数の展開画像情報はそれぞれ自己組織化処理されて、「特徴情報」が抽出される。この展開画像情報から抽出された特有の特徴情報を数値化して組み合わせることにより、画像特有の画像コードが生成される。
図1のモバイル端末装置10においては、これらの処理を、主として端末制御部14と画像コード化処理部16が担っている。すなわち、画像コード化処理部16は、端末制御部14と共同して、生画像情報をその画像の固有のコード(画像コード)に変換する。
画像変換部25は、画像読取装置から取得した生画像情報を、複数の「展開画像情報」に変換して、特徴抽出部26に出力する。
特徴抽出部26は、複数の展開画像情報から、自己組織化処理の確率尺度に基づいて、各展開画像から特徴情報を抽出する。1つの展開画像から複数種類の特徴情報を抽出することができる。
画像コード生成部27は、抽出された特徴情報を数値化して組み合わせることにより、デジタル化された画像コードを生成する。端末制御部14は、生成された画像コードを用いて、通信部17を介して、取得した生画像の画像関連情報を検索する。
「展開画像情報への変換」及び「自己組織化処理」については、後ほど詳細に説明する。
本発明に係る画像情報のコード変換装置または方法は、コード変換の対象になった生画像情報から直接的に特徴情報を抽出するのではなく、コード変換の対象になった生画像を、幾何学的、または物理的な展開画像に変換して、展開画像情報から画像コードに変換するものである。
生画像情報は、画像変換部25により、複数の「展開画像情報」に変換される。
次に、「自己組織化処理」について説明する。
自己組織化処理とは、無秩序状態の系において、外部からの制御なしに秩序状態が形成されるように自律的に処理することをいう。ここで「外部からの制御なしに」とは、外部から細かく手を加えてパターンを作成するような作用がないという意味である。
本発明に即して簡単に説明すると、展開画像情報を、各比較対象要素(画素)を所定の尺度(距離)に基づいて取捨選択して選別するものである。すなわち、外部からの制御なしに、自律的に基準となる尺度の近さによって比較対象要素を取捨選択して、特徴を濃縮していくものである。
所定の確率分布の数値列p1,p2,…pmの集合G∋pi(i=1,2,…,m)の中心値をA(G)とし、中心値A(G)の確率尺度をM[G,A(G)]とし、また、第n-1回の自己組織化処理により算出した中心値A(G(n-1))の半径M[G(n-1),A(G(n-1))]以内に存在するk個の確率分布の数値列p(n) 1,p(n) 2,…p(n) kの集合をG(n) ∋p(n) i(i=1,2,…,k)とすると、
A(n) = A(G(n))
M(n) = M[G(n),A(G(n))]
G(n) = G[A(G(n-1)), M[G(n-1),A(G(n-1))]]
となる。
このステップS1は、前処理のためのステップである。
ここでは、まず例示として、自己組織化処理により、画像情報の階調の密度が一番高い場所の求める方法を示し、本発明の自己組織化のアルゴリズムを説明する。
最初の自己素子化処理に使用される初期確率尺度M(0)、及び処理対象の初期中心値(x0,y0)(0)、と、自己組織化処理の収束値V、及び自己組織化処理の繰り返し回数の最大値MNとは予め設定される。自己組織化処理は、収束値Vまたは最大繰り返し回数MNとなるまで繰り返し実行される。
初期確率尺度として、例えば、各画素の輝度の階調値の分散値等を使用可能である。また、収束値Vとしては、例えば、第(n−1)回目分散値S2 (n-1)と第n回目の分散値S2 (n)の差S2 (n-1)−S2 (n)と=V(n)することができる。この確率尺度及び収束値は例示であり、確率尺度及び収束値として後述するような他のパラメータを採用することも可能である。
最大自己組織化処理の繰り返し回数MNは、一般的に2〜10回程度の範囲に設定するのが好ましい。また精度を上げつつ一定の処理速度を確保するという観点からは、この繰り返し回数は3〜6回程度に設定するのが好ましい。
このステップS2は、自己組織化処理の計算を行うステップである。このステップS2は、自己組織化処理を収束値Vになるまで、または最大繰り返し回数MNになるまで繰り返して実行される。
第n回目の自己組織処理においては、直前の自己組織化処理で算出した自己組織中心値(x0,y0)(n-1)を中心値として、確率尺度M(n-1) を半径として、確率尺度M(n) の半径以内のすべての画素I(xi,yj)(i=1,2,…,k、j=1,2, …,l)の階調密度の分散値S(n)を求め、M(n)=(S(n))2とし、n=n+1を更新する。
なお式2では、各要素(xi,yj)における重みを加味するため、I(xi,yj)を掛け、さらに平均値を取っている。この意味は、例えば、各画素の各色の諧調が0〜255で表わされるとして、ある画素(xi,yj)の諧調が150だったとすると、I(xi,yj)=150として重みをつけることが可能である。
このステップS3は、自己組織化処理を終了するか否かを判定するステップである。自己組織化処理の繰り返し回数(N?MN)が最大となったか、または自己組織化処理が収束したか(M(n-1)?M(n)?V)を確認し、いずれかがYESとなると、次の自己組織処理終了のステップS4へ進み、いずれもNOであるとSTEP2へもどり、同様の処理を繰り返す。
ステップS3において、最大繰り返し回数MNに達したか、または所定の収束値Vに達したと判定されたら、自己組織化処理は終了する。
例えば、力学の質点とする場合には、画像情報の各画素の階調値を力の異なる大きさの質点と捉えると、上記自己組織化処理により得られた式1のX0 (n),Y0 (n)の値は、力学のバランスが一番良い場所になる。
さらに確率の観点からみると、X0 (n),Y0 (n)を、例えば、確率の平均、期待値のような確率的な中心としても良い。
図4の(a)は画像コードを生成する対象となる生画像であり、図4の(b)は画素の階調を反転してパワー変換した展開画像(パワー画像)である。図4の401が、パワーが一番高い範囲(一番黒いところ)を示している。
上述したように、撮像環境の明るさの違いにより、取得された画像情報の各画素の輝度は大きく異なるものとなる。
パワー画像では輝度を二乗するため、この変化がさらに強調される。このように、撮像環境の明るさの違いによりパワーの度合いが大きく変わるため、従来のユークリッド距離のしきい値を用いて、画像情報を自己組織化処理すると、撮像環境の明るさの違いにより、生成される画像コード値が変化し、安定性のないものとなる。
例えば、二次元の関数P(xi,yj)(i=1,2,…,k,j=1,2,…,l)をパワー画像の関数とすると、パワーの平均値Pは次式5により算出することができる。
上述の式7では、Mpが数値0−9の間の値として出力される。
図5の(a)は画像のコード変換の対象になる生画像を示しており、(b)はその輪郭画像を示す図である。輪郭画像(b)は、例えば生画像(a)を微分処理することにより得ることができる。
図5に示す生画像(a)の中から、頭部の丸い輪郭501に相当する部分に着目し、自己組織化処理により頭の丸い輪郭画像に一番近い円形部分502を計算することもできる。
円形の輪郭を形成する一対の画素の特徴は、円形輪郭の画素の連結線の長さが円の直径に近くなることと、連結線の中心位置が一点に集中していることである。また、各々連結線の角度がそれぞれ異なる。このような特徴は、上述の図2に示した自己組織化のアルゴリズムを用いて、円形線を構成するという特徴に基づいて、図5(b)のような頭の輪郭画像に一番近い円形502を計算することが可能である。
画像を構成する画素の輝度の急激な変化として現れるエッジ成分は、画像固有の特徴を抽出するための重要な情報要素の一つである。エッジ画像(b)は、生画像(a)を線形1次空間微分フィルタを通すことにより得ることができる。
パワー画像とは異なり、エッジ画像E(xi,yj)(i=1,2,…v,j=1,2,…,w)の画素は、連続するエッジ線状の部分の画素を除き、殆ど離れてバラバラに分布している。そのため、確率尺度のエッジ画像のしきい値より大きいすべての画素を1つのエッジ画素の集合として、エッジ画素の集合に属するエッジ画素のメンバーシップ関数を、定式化することができる。
また、エッジ画素の集合に属するすべての画素の面積は、それ以外画素の面積より、はるかに少ないという特徴を有しているので、パワー面積のメンバーシップ関数の定式方法を参考にして、この特徴を定式化することもできる。
図7では、生画像(a)を、C(シアン)、M(マジェンダ)、Y(イエロー)、K(クロ)の四つの版(展開画像)に分版しており、Kに展開したK版の画像(b)、C版に展開したC版の画像(c)、Mに展開したM版の画像(d)、Yに展開したY版の画像(e)を示している。K版画像(b)とC版画像(c)、M版画像(d)とY版画像(e)と、C版画像(c)とM版画像(d)、M版画像(d)とY版画像(e)及びC版画像(c)とY版画像(e)をペアとし、各ペア間の相関関係を算出して、類似画像の展開画像に変換することもできる。
以上、展開画像、自己組織化処理、及び定式されたメンバーシップ関数を用いて、特徴情報を0からnまでの数に数値化することについて説明した。
以下に、自己組織化処理により算出した特徴情報に基づいて、画像コードを生成する方法について説明する。複数の特徴情報から画像コードを生成する方法としては、従来から周知慣用されているような手段を適宜採用することができる。
なお、1つの生画像から複数の展開画像情報に変換することができることは既に説明した通りである。さらに以下に説明するように、1つの展開画像情報から複数のデジタル情報を生成することができる。例えば、1つの展開画像を複数に分割することにより、複数のデジタル情報を生成できる。
これにより、仮に1個の生画像から15個の展開画像情報を生成し、1つの展開画像情報から4ビットのデジタル情報を生成する場合、合計60ビットからなる画像コードを生成することができる。
画像コードは、適宜多値データ(例えば2値、8値、10値、16値またはn値)のいずれでも任意に採用可能である。
これらの特徴ビットを所定の順番で整列させることにより、画像を特定する画像コードが生成される。なお、上記の例では2値への変換を説明したが、2値に限らず、3値、4値等の多値に変換しても良い。
たとえば、図8で示すように、展開画像の中心を通る線で分割することもできる。また、画像の真ん中に中心領域を設け、その中心領域を外側から取り囲むように順次巻き囲む形式で、大きさを変えて複数回取り囲み、各取り囲み領域ごとに自己組織化処理をするようにしても良い。何分割するか、何段階取り囲むかは、任意に設定可能であるが、4分割から10分割程度の範囲内での分割が好ましい。
以下の説明では、商品のラベルには枠が設けられており、カメラによる画像の読取りの方向は一定であるという前提で説明する。
図8の商品ラベルのパワー画像(a)と、パワー画像を領域801〜808に8分割した分割画像(b)を示す。
次に隣接する2つの領域(例えば領域801と802、領域803と804)をそれぞれ対とし、4個のペアを形成する。
各領域801〜808において、自己組織処理により抽出された画素数をそれぞれNa1〜Na8とする。
領域803と804において、画素数Na3>Na4になると“1”とし、
領域805と806において、画素数Na5>Na6になると“1”とし、
領域807と808において、画素数Na7>Na8になると“1”とする。
このようにして、一つの展開画像の8個の分割領域から4ビットのデジタルコード情報を抽出することができる。
領域803と804において、パワー値Vp3>Vp4になると“1”とし、
領域805と806において、パワー値Vp5>Vp6になると“1”とし、
領域807と808において、パワー値Vp7>Vp8になると“1”とすることができる。
このようにしても1つの展開画像の8個の分割領域から4ビットのデジタルコード情報を抽出することが可能である。
前述したように、各展開画像の特徴を、曖昧情報として0〜9またはnに数値化し、数値化した複数の展開画像に対応する特徴情報を並べることにより、特徴ベクトルを生成することができる。予め、各種生画像に対応する特徴ベクトルを作成してサーバに登録して特徴ベクトル空間を構成しておき、画像コード変換の際に、生画像から抽出した特徴ベクトルとサーバに登録してある複数の特徴ベクトルとを比較するように構成することの可能である。比較の結果、ベクトル空間に登録されている複数の特徴ベクトルの中で抽出した特徴ベクトルとユークリッド距離(Euclidean distance)の一番近い特徴ベクトルを、その生画像の画像コードと判定する。これにより、より安定して同一の画像コードに変換することが可能となる。
このように、登録済みの特徴ベクトルの中から、ユークリッド距離(Euclidean distance)の一番近い特徴ベクトル空間を有する特徴ベクトルを、該当画像の画像コードとして選定することにより、より安定した画像コードを生成することが可能になる。
まず、明るさや角度等を変えた異なる読取環境で同一画像を複数回(例えば10回)読み取って複数(10個)の生画像を取得する。この複数(10個)の生画像のそれぞれを複数の展開画像に変換し、自己組織化処理により各展開画像に対応する特徴情報を算出して数値化する。この数値化した特徴情報を並べて複数(10個)の特徴ベクトルを生成する。この同一画像の複数(10個)の特徴ベクトルに対して、さらに確率尺度に基づいて自己組織化処理を施して、この同一画像の10個特徴ベクトルの個々の共通要素(数値化した特徴情報)毎の中心値と確率尺度を求める。このようにして、異なる撮像環境下において取得した同一画像の複数の生画像に基づいて、学習による精度の高い特徴ベクトルを算出することができる。
登録対象となる多数の画像のそれぞれについて、このような学習により算出した中心値と確率尺度の両方を特徴ベクトルとしてサーバに登録しておくことにより、異なる明るさの環境等により撮影された同一の生画像であっても、より安定して同一の画像コードに変換することが可能となる。
サーバに登録されたそれぞれ第i番目の画像の特徴ベクトルの確率尺度をMij(j=1,2,…,p)とし、特徴ベクトルの中心値をCij(j=1,2,…,p)とし、読み取られた生画像の特徴ベクトルの中心値をPi1,Pi2,...,Pipとする。そして、(Pij−Cij)の絶対値が確率尺度であるMijより大きい場合に、(Pij−Cij)の絶対値から確率尺度Mijをマイナスする。この値が生画像と登録されたベクトルとの差となる。逆に(Pij−Cij)の絶対値が確率尺度であるMijより小さい場合には確率尺度の範囲内であるので、差はないものとして(Pij−Cij)を0とする。
このような処理により、式12に基づいて確率尺度の距離E’i(i=1,2,…,q)を算出することができる。
確率尺度の距離E" i(i=1,2,…,q)の中で、一番小さい数値minE" iに対応する特徴ベクトル空間に登録された画像の特徴ベクトルを、該当生画像の画像コードと判定する。
図9に示すように、図9の画像90を原画像とし、図9の画像91を、C、M、Y、Kの4色によって構成された画像情報(原画像と同じ)とし、同様に、図9の画像92を、C、M、Y3色によって構成された画像(現画像からクロKが抜き取られている)に変換することもできる。
ここで、画像91aを画像91のC版画像とし、画像91bを画像91のM版画像とし、画像91cを画像91のY版画像とし、画像91dを画像91のK版画像とする。
図9の画像92aを画像92のC版画像とし、画像92bを画像92のM版画像とし、画像92cを画像92のY版画像とし、画像92dを画像92のK版画像とする(画像92ではKはゼロなので、画像92dには何も現れない)。
図10の100は原画像であり、図10の101は原画像100をC、M、Y3色のみで変換した画像である。すなわち、画像101は、K色のすべての画素の階調が0になっている。図10の画像101aを画像101のC版画像とし、画像101bを画像101のM版画像とし、画像101cを画像101のY版画像とし、画像101dを画像101のK版画像とする。
ここで、注目するところは、C、M、Y3色の画像101とスキャンした画像103との違いは、スキャンした画像103のK色の画像103dが元のC、M、Y3色の画像101のK版画像101dと異なることである。
以上の説明で明らかなように、本発明によると、固有の画像コードに変換でき、かつ商品ラベルやパッケージなどに使用可能な偽造の困難な印刷画像を提供することができる。
図11に示すように、本発明に係る画像情報のコード変換措置がグーグルグラス、携帯電話その他のモバイル端末装置に組み込まれることにより、モバイル端末装置とネットワーク117とサーバ118を介して新しい形態のサイト運営が可能となる。
例えば端末装置のカメラを用いて、商品に付された商品ラベルの画像を読取り、商品ラベルの生画像を画像コードに変換することにより、端末装置は、変換された画像コードに基づいて、ネットワーク117介してサーバ118から該当商品の商品情報をダウンロードし、端末装置の画面に表示することができる。サーバに当該商品に関する動画等の情報を登録しておくと、商品ラベルが商品広告へのリンク媒体となり、新しいネット放送メディアを構築することが可能になる。
消費者が必ず正しい商品情報へたどり着く仕組み作りには、画像の真偽鑑定能力を含めた正確な画像コード変換機能が求められる。これが実現できると、商品ラベルを、顧客に対する企業の新しい窓口として機能させることが可能となる。
図12に示すように、「物」を中心とした多様な情報提供システムの処理は次のようなステップで構成されている。
最初のステップでは、モバイル端末等により、物に付されたラベルの画像情報が読み取られる(S131)
なお、図13の端末装置35においては、図1(b)のブロック図に示すモバイル端末装置10と同様の機能を有する部分は図1(b)と同じ番号を使用している。但し、図1の(b)における各種センサー18に相当する部分として、音声入出力部36、GPS37を例示している。また、必要に応じてこの他にも種々のセンサーを設けることができることを示すため、各種センサー38を例示している。音声入出力部36は、音声案内や、音楽の再生等機能を備えることもできる。GPSの搭載することにより、地図情報の案内、端末の所在地など情報を得ることができる。
展開画像の数を増やすと、画像コードで特定できる範囲(容量)が大きくなり、画像コードの精度を高めることができるという利点があるが、自己組織化処理等の計算に時間が掛かり、コード変換処理に時間がかかるという問題を生じる。従って、画像コードを生成するための展開画像の数は、実用的に必要とされる画像コードの大きさと、画像コード変換に必要な計算速度のバランスを考慮して決定すべきである。
画像コード生成部27は、予め定式化した複数のメンバーシップ関数を用いて、18種類以上展開画像の特徴情報を0からnまでの情報として数値化し、例えば10進数で18桁以上の画像コードを直接生成することも可能である。
また、図13の例では、画像コード化処理部16を端末装置35に配置したが、画像コード化処理部16を中継器21またはセンターコンピュータ23など、端末装置35の外部に設けることも可能である。ただし、この場合、画像コードに生成されるまでの通信に、画像情報を送信する必要があるため、コード変換までの通信付加が増大する。
10 モバイル端末装置
16 画像コード化処理部
20 画像検索システム
25 画像変換部
26 特徴抽出部
27 画像コード生成部
35 端末装置
90、100 生画像
91、103 C,M,Y,K 画像
92、101 C,M,Y画像
401 パワー画像にとってパワーの一番高いところ
402 パワー画像の輪郭
501 人間写真の丸い頭部位
502 自己組織の計算結果
Claims (19)
- 画像情報から、該画像情報に特有の画像コードを生成する画像情報のコード変換装置であって、
取得した生画像情報を複数の展開画像情報に変換する画像変換部と、
前記複数の展開画像情報のそれぞれに対して確率尺度を用いた自己組織化処理を施すことにより、前記各展開画像情報からそれぞれ特徴情報を抽出する特徴抽出部と、
前記特徴抽出部により抽出された複数の前記特徴情報を数値化し、画像コードを生成する画像コード生成部と
を備えることを特徴とする画像情報のコード変換装置。 - 前記画像変換部は、前記生画像情報の各画素の階調の分布を、幾何学的または物理学的な要素に基づいて、前記展開画像情報へ変換することを特徴とする請求項1に記載の画像情報のコード変換装置。
- 前記画像変換部により変換される前記展開画像情報は、前記生画像情報を構成する各画素の階調値をRGBまたはCMYKの色毎の画素の諧調値に分解した色毎の展開画像情報、前記各画素の階調値を二乗することにより物理学的なパワー値に変換したパワー展開画像情報、隣接する各画素の諧調値が急激に変化する高い諧調値の画素を集めたエッジ展開画像情報、または前記色毎の展開画像情報相互間の対応する画素の階調値の差を求めて該画素の諧調値として類似度を示す展開画像情報の少なくともいずれか1つを含むことを特徴とする請求項2に記載のコード変換装置。
- 前記特徴抽出部は、
前記自己組織化処理の確率尺度を、正規分布、多変量正規分布、指数分布、アーラン分布、ワイブル分布、三角分布、ベータ分布の少なくとも一つを含む確率分布からなる確率属性を有するパラメータとし、
前記自己組織化処理の中心値を、前記確率分布の平均または期待値とすることを特徴とする請求項1乃至3のいずれか1項に記載の画像のコード化処理装置。 - 前記特徴抽出部は、前記各展開画像情報を複数の領域に分割し、該分割した各領域に対して、前記確率尺度を用いた自己組織化処理を実行することにより、前記分割した領域ごとに前記特徴情報を抽出し、
前記画像コード生成部は、前記分割した領域の特徴情報を数値化し、該数値化した特徴情報と、他の分割した領域の前記数値化した特徴情報とを比較して、その大小により前記画像コードを生成することを特徴とする請求項1乃至4のいずれか1項に記載の画像コード化処理装置。 - 前記特徴抽出部は、
所定の確率分布の数値列p1,p2,…pmの集合G∋pi(i=1,2,…,m)の中心値をA(G)とし、中心値A(G)の確率尺度をM[G,A(G)]とし、また、第n-1回の自己組織化処理により算出した中心値A(G(n-1))の半径M[G(n-1),A(G(n-1))]以内に存在するk個の確率分布の数値列p(n) 1,p(n) 2,…p(n) kの集合をG(n) ∋p(n) i(i=1,2,…,k)とすると、
A(n) = A(G(n))
M(n) = M[G(n),A(G(n))]
G(n) = G[A(G(n-1)), M[G(n-1),A(G(n-1))]]
となるように、自己組織化処理を行うことを特徴とする請求項1乃至5のいずれか1項に記載の画像コード化処理装置。 - 前記特徴抽出部は、前記各展開画像情報から、自己組織の確率尺度を用いて展開画像の特徴情報をそれぞれ抽出し、
前記画像コード生成部は、前記各展開画像情報の特徴情報に対し、予め定式化したメンバーシップ関数を用いて、0からnまでの情報として数値化し、該数値に基づき画像コードを生成することを特徴とする請求項1乃至6のいずれか1項に記載の画像情報のコード変換装置。 - さらに、前記特徴抽出部により抽出された複数の前記展開画像情報に対応する数値化された複数の特徴情報から、生画像情報の特徴ベクトルを生成して、該特徴ベクトルを該生画像の画像コードとして画像毎に複数登録している特徴ベクトル記憶部を備えており、
前記画像コード生成部は、生画像情報からコード変換する際に、前記特徴抽出部により抽出した複数の数値化された特徴情報から、コード変換の対象となる生画像の特徴ベクトルを生成し、該生成した特徴ベクトルを前記記憶部に登録されている前記特徴ベクトルと比較して、登録されている前記特徴ベクトルの中でユークリッド距離の一番近い特徴ベクトルを、前記コード変換の対象となる生画像の画像コードとすることを特徴とする請求項1乃至7のいずれか1項に記載の画像情報のコード変換装置。 - 前記画像コード生成部は、前記特徴ベクトルを登録する際に、撮像条件を変えて同一の画像を複数回撮像して取得した同一の生画像の複数の生画像情報をそれぞれ各展開画像情報に変換して、該複数の展開画像からそれぞれ前記特徴情報を抽出して同一画像に対する複数の特徴ベクトルを生成し、
前記同一画像の複数の特徴ベクトルに対して、所定の確率尺度に基づいて自己組織化処理を行うことにより、該特徴ベクトルの各特徴情報の中心値と確率尺度を求めて、該複数の特徴情報の中心値及び確率尺度を特徴ベクトルからなる画像コードとして登録し、
前記画像コード生成部は、コード変換の対象となる生画像から抽出された特徴情報ベクトルの中心値と登録されている特徴ベクトルの中心値を比較して、前記確率尺度の距離が一番近い中心値の特徴ベクトルを前記コード変換の対象となる生画像情報の画像コードとすることを特徴とする請求項8に記載の画像情報のコード変換装置。 - 画像情報から、該画像情報に特有の画像コードを生成する画像情報のコード変換方法であって、
取得した生画像情報を複数の展開画像情報に変換する画像変換工程と、
前記複数の展開画像情報のそれぞれに対して確率尺度を用いた自己組織化処理を施すことにより、前記各展開画像情報から特徴情報を数値化して抽出する特徴抽出工程と、
前記特徴抽出部により抽出された複数の数値化された前記特徴情報に基づいて、デジタルコードからなる画像コードを生成する画像コード生成工程と、
を具備することを特徴とする画像情報のコード変換方法。 - 前記画像変換工程は、前記生画像情報の各画素の階調を、RGBまたはCMYKの色毎の画素の諧調値に分解した色毎の展開画像情報への変換、前記各画素の階調値を二乗することにより物理学的なパワー値に変換したパワー展開画像情報への変換、隣接する各画素の諧調値が急激に変化する高い諧調値の画素を集めたエッジ展開画像情報への変換、または前記色毎の展開画像情報相互間の対応する画素の階調値の差を求めて該画素の諧調値とした類似度を示す展開画像情報への変換のいずれかを含むことを特徴とする請求項10に記載の画像情報のコード変換方法。
- 前記特徴抽出工程は、前記自己組織の確率尺度を、正規分布、多変量正規分布、指数分布、アーラン分布、ワイブル分布、三角分布、ベータ分布の少なくとも一つを含む確率分布からなる確率属性を有するパラメータとし、前記自己組織の中心値を、前記確率分布の平均または期待値とすることを特徴とする請求項10または11に記載の画像情報のコード変換方法。
- 前記特徴抽出工程は、前記各展開画像情報を複数の領域に分割し、該分割した各領域に対して、前記確率尺度を用いた自己組織化処理を実行することにより、前記分割した領域ごとに特徴情報を抽出し、
前記画像コード生成工程は、前記分割した領域のひとつを基準領域として、該基準領域の特徴情報を数値化し、該数値化した特徴情報と、他の分割した領域の前記数値化した特徴情報を比較することにより、前記画像コードを生成することを特徴とする請求項10乃至12のいずれか1項に記載の画像情報のコード変換方法。 - 前記特徴抽出工程は、前記各展開画像情報から、自己組織の確率尺度を用いて展開画像の特徴情報をそれぞれ抽出し、
前記画像コード生成工程は、すべての展開画像の特徴情報に対し、予め定式化した複数のメンバーシップ関数を用いて、0からnまでの情報として数値化し、画像コードを直接に生成することを特徴とする請求項10乃至13のいずれか1項に記載の画像情報のコード変換方法。 - さらに、所定の画像について、前記特徴抽出工程により抽出された複数の前記展開画像情報から抽出された特徴情報を数値化し、該数値化された複数の特徴情報から、前記所定の画像毎の特徴ベクトルを生成して、該特徴ベクトルを該所定の画像の画像コードとして、特徴ベクトル登録部に予め登録する工程を備えており、
前記コード生成工程において、
前記特徴抽出工程により抽出した複数の特徴情報を数値化し、該数値化された特徴情報から、コード変換の対象となる生画像の特徴ベクトルを生成し、該生成した特徴ベクトルを前記記憶部に登録されている前記特徴ベクトルと比較し、
登録されている前記特徴ベクトルの中でユークリッド距離の一番近い特徴ベクトルを、前記コード変換の対象となる生画像の画像コードと判定することを特徴とする請求項10乃至14のいずれか1項に記載の画像情報のコード変換方法。 - 前記特徴ベクトルを登録する工程は、
撮像条件を変えて同一の画像を複数回撮像して取得した同一の生画像の複数の生画像情報をそれぞれ各展開画像情報に変換して、該複数の展開画像からそれぞれ前記特徴情報を抽出して同一画像に対する複数の特徴ベクトルを生成する工程と、
前記同一画像の複数の特徴ベクトルに対して、所定の確率尺度に基づいて自己組織化処理を行うことにより、該特徴ベクトルの各特徴情報の中心値と確率尺度を求めて、該複数の特徴情報の中心値及び確率尺度を特徴ベクトルからなる画像コードとして登録する工程を備え、
前記画像コード生成工程は、コード変換の対象となる生画像から抽出された特徴情報ベクトルの中心値と登録されている特徴ベクトルの中心値を比較して、前記確率尺度の距離が一番近い中心値の特徴ベクトルを前記コード変換の対象となる生画像情報の画像コードと判定する工程と
を備えることを特徴とする請求項15に記載の画像情報のコード変換方法。 - ネットワークに接続可能なデータ端末装置と、画像に関連する関連情報を複数記憶しているサーバとを含む画像コードを用いた画像関連情報提供システムであって、
前記端末装置は、請求項1乃至9のいずれか1項に記載の画像情報のコード変換装置、画像読取部、画像表示部、データ記憶部、通信部、データ入出部及び各部を制御する端末制御部を備え、
前記サーバには、前記画像情報の変換装置により変換された画像コードに関連づけられて、複数の画像に関する関連情報が記憶されており、
前記サーバは、前記端末装置から要求に応じて、前記画像コードに対応する関連情報を要求のあった前記端末装置に送信することを特徴とする画像コードを用いた画像関連情報提供システム。 - コンピュータに、
取得した生画像情報を複数の展開画像情報に変換する画像変換ステップと、
複数の前記展開画像情報のそれぞれに対して確率尺度を用いた自己組織化処理を施すことにより、前記各展開画像情報から特徴情報を抽出する特徴抽出ステップと、
前記特徴抽出ステップにより抽出した特徴情報を数値化し、複数の該数値化された特徴情報に基づいて、デジタルコードからなる画像コードを生成する画像コード生成ステップと、
を実行させることにより、画像情報を固有の画像コードに変換することを特徴とする画像情報のコード変換プログラム。 - 請求項18に記載の画像情報のコード変換プログラムを記録したことを特徴とする記録媒体。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014011862A JP5822411B2 (ja) | 2013-08-12 | 2014-01-24 | 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 |
EP14153292.9A EP2838048A3 (en) | 2013-08-12 | 2014-01-30 | A code conversion device for image information, a code conversion method for the image information, a system for providing image related information using an image code, a code conversion program for the image information, and a recording medium in which the program is recorded |
US14/168,676 US9235777B2 (en) | 2013-08-12 | 2014-01-30 | Code conversion device for image information, a code conversion method for the image information, a system for providing image related information using an image, and a non-transitory computer readable medium for the image information |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013176037 | 2013-08-12 | ||
JP2013176037 | 2013-08-12 | ||
JP2014011862A JP5822411B2 (ja) | 2013-08-12 | 2014-01-24 | 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015057687A true JP2015057687A (ja) | 2015-03-26 |
JP5822411B2 JP5822411B2 (ja) | 2015-11-24 |
Family
ID=50070317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014011862A Active JP5822411B2 (ja) | 2013-08-12 | 2014-01-24 | 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9235777B2 (ja) |
EP (1) | EP2838048A3 (ja) |
JP (1) | JP5822411B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018142324A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 異なる空間における距離のモデルの構築方法、その装置、及びそのプログラム、及びそのモデルを構成したプログラムが搭載された汎用モバイル端末装置 |
JP2018142325A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 超深層回帰分析の機械学習モデルの構築方法、その装置、及びそのプログラム、及びそのプログラムが搭載された汎用モバイル端末装置 |
JP2018142326A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 異なる空間におけるファジィ事象確率測度のモデルの構築方法、その装置、及びそのプログラム、及びそのブログラムが搭載された汎用モバイル端末装置 |
JP2018142323A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 超深層競合学習のニューラルネットワークモデルの構築方法、その装置、及びそのモデルが搭載された汎用モバイル端末装置、及びそのプログラム |
JP2020061155A (ja) * | 2018-10-11 | 2020-04-16 | 澤蒼 顧 | Sdlモデルの導入した画像の抽出方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5822411B2 (ja) * | 2013-08-12 | 2015-11-24 | 株式会社アポロジャパン | 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 |
WO2015123601A2 (en) | 2014-02-13 | 2015-08-20 | Nant Holdings Ip, Llc | Global visual vocabulary, systems and methods |
US9558716B2 (en) * | 2014-05-05 | 2017-01-31 | Here Global B.V. | Method and apparatus for contextual query based on visual elements and user input in augmented reality at a device |
CN105989492A (zh) * | 2015-02-17 | 2016-10-05 | 顾泽苍 | 一种声纹认证手机支付系统的构成方法 |
US10796196B2 (en) * | 2015-03-05 | 2020-10-06 | Nant Holdings Ip, Llc | Large scale image recognition using global signatures and local feature information |
US9721186B2 (en) | 2015-03-05 | 2017-08-01 | Nant Holdings Ip, Llc | Global signatures for large-scale image recognition |
JP6199461B1 (ja) * | 2016-09-13 | 2017-09-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN108510079B (zh) * | 2017-02-27 | 2024-04-30 | 顾泽苍 | 一种用于机器学习的多概率尺度的构成方法 |
CN107145734B (zh) * | 2017-05-04 | 2020-08-28 | 深圳市联新移动医疗科技有限公司 | 一种医疗数据的自动获取与录入方法及其系统 |
DE102018115146A1 (de) * | 2018-06-24 | 2019-12-24 | Industry365 Ug (Haftungsbeschränkt) | Verfahren zur Herstellung für das menschliche Auge nicht sichtbarer und nicht kopierbarer Sicherheitselemente in einer Abbildung sowie Verfahren zum Authentizitätsnachweis von Produkten auf Basis des Abgleichs von ungleichen Informationen sowie gedruckte Abbildung |
US20220340176A1 (en) * | 2021-04-27 | 2022-10-27 | Ford Global Technologies, Llc | Enhanced Ridehail Systems And Methods |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3234064B2 (ja) | 1993-09-02 | 2001-12-04 | キヤノン株式会社 | 画像検索方法並びにその装置 |
JP3619025B2 (ja) * | 1998-09-18 | 2005-02-09 | キヤノン株式会社 | 符号化方法及び符号化装置 |
KR100339691B1 (ko) * | 2001-11-03 | 2002-06-07 | 한탁돈 | 코드인식을 위한 장치 및 그 방법 |
JP2004013306A (ja) | 2002-06-04 | 2004-01-15 | Nec Corp | 類似度計算装置、インデックスデータ生成装置、映像または音声データベース装置、類似度計算方法、インデックスデータ生成方法、内容表現データ記憶装置、および、記録媒体 |
JP2004094551A (ja) | 2002-08-30 | 2004-03-25 | Fujitsu Ltd | 画像コード化装置、方法及びプログラム |
WO2006017659A2 (en) | 2004-08-06 | 2006-02-16 | Digimarc Corporation | Fast signal detection and distributed computing in portable computing devices |
US20080137922A1 (en) * | 2006-12-12 | 2008-06-12 | Sonosite, Inc. | Organization of dissimilar data for platform-independent diagnostic imaging presentation |
JP4926189B2 (ja) | 2009-01-06 | 2012-05-09 | 株式会社ナビタイムジャパン | 二次元コード記録体の設置方法 |
CN102292746B (zh) | 2009-01-23 | 2014-03-19 | 日本电气株式会社 | 图像标识符提取装置 |
US8638342B2 (en) * | 2009-10-20 | 2014-01-28 | Apple Inc. | System and method for demosaicing image data using weighted gradients |
JP5530198B2 (ja) * | 2009-11-20 | 2014-06-25 | パナソニック株式会社 | 画像符号化方法、復号化方法、装置 |
US9041817B2 (en) * | 2010-12-23 | 2015-05-26 | Samsung Electronics Co., Ltd. | Method and apparatus for raster output of rotated interpolated pixels optimized for digital image stabilization |
JP5822411B2 (ja) * | 2013-08-12 | 2015-11-24 | 株式会社アポロジャパン | 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 |
-
2014
- 2014-01-24 JP JP2014011862A patent/JP5822411B2/ja active Active
- 2014-01-30 EP EP14153292.9A patent/EP2838048A3/en not_active Withdrawn
- 2014-01-30 US US14/168,676 patent/US9235777B2/en active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018142324A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 異なる空間における距離のモデルの構築方法、その装置、及びそのプログラム、及びそのモデルを構成したプログラムが搭載された汎用モバイル端末装置 |
JP2018142325A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 超深層回帰分析の機械学習モデルの構築方法、その装置、及びそのプログラム、及びそのプログラムが搭載された汎用モバイル端末装置 |
JP2018142326A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 異なる空間におけるファジィ事象確率測度のモデルの構築方法、その装置、及びそのプログラム、及びそのブログラムが搭載された汎用モバイル端末装置 |
JP2018142323A (ja) * | 2017-02-27 | 2018-09-13 | 澤蒼 顧 | 超深層競合学習のニューラルネットワークモデルの構築方法、その装置、及びそのモデルが搭載された汎用モバイル端末装置、及びそのプログラム |
JP6998561B2 (ja) | 2017-02-27 | 2022-01-18 | 澤蒼 顧 | 超深層回帰分析の機械学習モデルの構築方法、その装置、及びそのプログラム、及びそのプログラムが搭載された汎用モバイル端末装置 |
JP6998562B2 (ja) | 2017-02-27 | 2022-01-18 | 澤蒼 顧 | 異なる空間におけるファジィ事象確率測度のモデルの構築方法、その装置、及びそのプログラム、及びそのブログラムが搭載された汎用モバイル端末装置 |
JP6998560B2 (ja) | 2017-02-27 | 2022-01-18 | 澤蒼 顧 | 異なる空間における距離のモデルの構築方法、その装置、及びそのプログラム、及びそのモデルを構成したプログラムが搭載された汎用モバイル端末装置 |
JP7057580B2 (ja) | 2017-02-27 | 2022-04-20 | 澤蒼 顧 | 新しい機械学習のモデルの構築方法、その装置、及びそのモデルが搭載された汎用モバイル端末装置、及びそのプログラム |
JP2020061155A (ja) * | 2018-10-11 | 2020-04-16 | 澤蒼 顧 | Sdlモデルの導入した画像の抽出方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150043814A1 (en) | 2015-02-12 |
EP2838048A2 (en) | 2015-02-18 |
JP5822411B2 (ja) | 2015-11-24 |
EP2838048A3 (en) | 2017-05-03 |
US9235777B2 (en) | 2016-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5822411B2 (ja) | 画像情報のコード変換装置、画像情報のコード変換方法、画像コードを用いた画像関連情報提供システム、画像情報のコード変換プログラム、及びそのプログラムを記録した記録媒体 | |
US20220270199A1 (en) | Learning systems and methods | |
CN109840531B (zh) | 训练多标签分类模型的方法和装置 | |
CN105825583B (zh) | 一种智能自动贩卖机 | |
CN106203242B (zh) | 一种相似图像识别方法及设备 | |
JP5621897B2 (ja) | 処理方法、コンピュータプログラム及び処理装置 | |
KR101710050B1 (ko) | 이미지 식별 시스템 및 방법 | |
US10157405B1 (en) | Systems and methods for implementing machine vision and optical recognition | |
Akey Sungheetha | Classification of remote sensing image scenes using double feature extraction hybrid deep learning approach | |
JP2010067274A (ja) | Mmrシステム及び方法 | |
CN111144284A (zh) | 深度人脸图像的生成方法、装置、电子设备及介质 | |
CN113269010B (zh) | 一种人脸活体检测模型的训练方法和相关装置 | |
CN111582155A (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
CN104376523B (zh) | 一种面向谷歌眼镜的图像代码防伪系统构成方法 | |
CN104376280B (zh) | 一种面向谷歌眼镜的图像代码生成方法 | |
CN116630727B (zh) | 模型训练方法、深伪图像检测方法、装置、设备及介质 | |
CN104376314B (zh) | 一种面向谷歌眼镜物联网网站系统的构成方法 | |
JP6806955B1 (ja) | 情報処理装置、情報処理システム、情報処理方法、及びプログラム | |
CN115880530A (zh) | 对抗攻击的检测方法和系统 | |
US11989772B2 (en) | System and method for extracting product information from low resolution photos for updating product master | |
CN114511877A (zh) | 一种行为识别方法、装置、存储介质及终端 | |
JP6332865B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム、プログラム及びカメラ付き移動端末装置 | |
Li et al. | Intelligent terminal face spoofing detection algorithm based on deep belief network | |
KR102488953B1 (ko) | 컬러북을 이용한 중고명품 상태 확인 서비스 제공 시스템 | |
Zhang et al. | Reidentification of Persons Using Clothing Features in Real‐Life Video |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150223 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150717 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150910 |
|
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: 20151002 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151005 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5822411 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |