JP2015118394A

JP2015118394A - 特徴抽出装置、方法、及びプログラム

Info

Publication number: JP2015118394A
Application number: JP2013259329A
Authority: JP
Inventors: 小萌武; Xiaomeng Wu; 柏野　邦夫; Kunio Kashino; 邦夫柏野
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2013-12-16
Filing date: 2013-12-16
Publication date: 2015-06-25
Anticipated expiration: 2033-12-16
Also published as: JP6126982B2

Abstract

【課題】適切に特徴を抽出することができる。【解決手段】部分集合生成部４０により、入力された画像から検出された特徴的な局所領域の各々についての中心座標に基づいて算出される画像の重心座標と、局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成する。【選択図】図１

Description

本発明は、特徴抽出装置、方法、及びプログラムに係り、特に、特徴抽出を行う特徴抽出装置、方法、及びプログラムに関する。

局所領域に基づく画像検索・認識に関して、着目対象以外の領域から派生する雑音特徴から悪影響を受ける問題に対応するために、画像の局所領域間の空間的な文脈情報を抽出し検索・認識に用いる、空間文脈抽出法がある。

空間文脈抽出法には、Ｋ近傍法を駆使し、画像空間における近傍となる局所領域のペアを抽出し、各ペアを構成した局所領域同士に対し、共起関係と幾何学的な関連性を表す文脈情報を抽出する方法がある（非特許文献１）。

また、Ｍｕｌｔｉ−ＳｃａｌｅＤｅｌａｕｎａｙＴｒｉａｎｇｕｌａｔｉｏｎ（ＭＳＤＴ）と呼ばれるグラフ構造法を駆使し、近傍となる局所領域の三つ組を抽出し、各三つ組を構成した局所領域同士に対し、共起関係を表す文脈情報を抽出する方法がある（非特許文献２）。

Zhen Liu, Houqiang Li, Wengang Zhou, and Qi Tian. Embedding spatial context information intoinverted le for large-scale image retrieval. In ACM Multimedia, pp. 199-208, 2012. Yannis Kalantidis, Lluis Garcia Pueyo, Michele Trevisiol, Roelof van Zwol, and Yannis S. Avrithis. Scalable triangulation-based logo recognition. In ICMR, p. 20, 2011.

非特許文献１の方法は、処理速度の遅いＫ近傍法に基づくため、特徴抽出の計算負荷が高いという問題がある。

非特許文献２の方法は、スケールの異なる局所領域同士が、空間文脈を表すのに役立つかどうかに関係なく、文脈抽出の対象から除外され、また、範囲分割に基づくため、局所領域同士がより多くの別の局所領域に遮断された場合、このような局所領域同士を近傍と弁別し抽出するのが困難であることから、限られた空間文脈しか抽出できず、特に大きな物体や模様の複雑な物体に対し、頑強性が低いという問題がある。

本発明では、上記問題点を解決するために成されたものであり、適切に特徴を抽出することができる特徴抽出装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、第１の発明に係る特徴抽出装置は、入力された画像から検出された特徴的な局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する部分集合生成部、を含んで構成されている。

第２の発明に係る特徴抽出方法は、部分集合生成部を含む特徴抽出装置における特徴抽出方法であって、前記部分集合生成部は、入力された画像から検出された特徴的な局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する。

第１及び第２の発明によれば、部分集合生成部により、入力された画像の重心座標と、局所領域の各々との間の距離の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成する。

このように、第１及び第２の発明によれば、入力された画像の重心座標と、局所領域の各々との間の距離の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成することにより、適切に特徴を抽出することができる。

第３の発明に係る特徴抽出装置は、入力された画像から特徴的な局所領域の各々を検出する局所領域検出部と、前記局所領域検出部において検出された局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する部分集合生成部と、前記部分集合生成部において生成された部分集合の各々について、前記部分集合において近傍に存在する前記局所領域のペアを表す近接グラフを構築する近接グラフ構築部と、前記部分集合生成部において生成された部分集合の各々について、前記近接グラフ構築部において構築された前記部分集合の前記近接グラフが表す前記局所領域のペアの各々に対し、前記ペアに含まれる局所領域の各々についての局所特徴と、前記ペアの幾何学的特徴とを計算し、前記ペアの前記局所特徴と前記幾何学的特徴との組み合わせを、画像特徴として出力する画像特徴計算部と、を含んで構成されている。

第３の発明によれば、局所領域検出部により、入力された画像から特徴的な局所領域の各々を検出し、部分集合生成部により、入力された画像の重心座標と、局所領域の各々との間の距離の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成し、近接グラフ構築部により、部分集合の各々について、部分集合において近傍に存在する局所領域のペアを表す近接グラフを構築し、画像特徴計算部により、部分集合の各々について構築された部分集合の近接グラフが表わす局所領域のペアの各々に対し、ペアに含まれる局所領域の各々についての局所特徴と、ペアの幾何学的特徴とを計算し、ペアの局所特徴と幾何学的特徴との組み合わせを画像特徴として出力する。

このように、第３の発明によれば、入力された画像から特徴的な局所領域の各々を検出し、入力された画像の重心座標と、局所領域の各々との間の距離の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成し、部分集合の各々について、部分集合において近傍に存在する局所領域のペアを表す近接グラフを構築し、部分集合の各々について構築された部分集合の近接グラフが表わす局所領域のペアの各々に対し、ペアに含まれる局所領域の各々についての局所特徴と、ペアの幾何学的特徴とを計算し、ペアの局所特徴と幾何学的特徴との組み合わせを画像特徴として出力することにより、適切に特徴を抽出することができる。

また、本発明のプログラムは、コンピュータを、上記の特徴抽出装置を構成する各部として機能させるためのプログラムである。

以上説明したように、本発明の特徴抽出装置、方法、及びプログラムによれば、入力された画像の重心座標と、局所領域の各々との間の距離の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成することにより、適切に特徴を抽出することができる。

本発明の実施の形態に係る特徴抽出装置の機能的構成を示すブロック図である。本発明の実施の形態に係る部分集合生成部の機能的構成を示すブロック図である。近接グラフの例を示す図である。近接グラフ構築部により構築された近接グラフの例を示す図である。本発明の実施の形態に係る画像特徴計算部の機能的構成を示すブロック図である。本発明の実施の形態に係る特徴抽出装置における特徴抽出処理ルーチンを示すフローチャート図である。本発明の実施の形態に係る特徴抽出装置における部分集合の生成及び近接グラフの構築の処理ルーチンを示すフローチャート図である。ＭＳＤＴにより抽出した空間文脈特徴を使用した画像照合の結果の例を示す図である。中心性鋭敏型ピラミッドにより抽出した空間文脈特徴を使用した画像照合の結果の例を示す図である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

＜本発明の実施の形態に係る特徴抽出装置の構成＞
次に、本発明の実施の形態に係る特徴抽出装置の構成について説明する。図１に示すように、本発明の実施の形態に係る特徴抽出装置１００は、ＣＰＵと、ＲＡＭと、後述する特徴抽出処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この特徴抽出装置１００は、機能的には図１に示すように入力部１０と、演算部２０と、出力部９０とを備えている。

入力部１０は、画像を受け付ける。

演算部２０は、局所領域検出部３０と、部分集合生成部４０と、近接グラフ構築部６０と、画像特徴計算部７０とを含んで構成されている。

局所領域検出部３０は、入力部１０において受け付けた画像から当該画像の特徴的な局所領域（楕円領域）の各々を検出し、検出された局所領域の各々について、当該局所領域の中心座標と、領域形状を表す楕円係数とを検出する。具体的には、アフィン不変領域検出器を用いて、入力部１０において受け付けた画像から特徴的な局所領域の各々を検出し、検出した局所領域の各々について、当該局所領域の中心座標と、領域形状を表す楕円係数とを検出する。アフィン不変領域検出器として、例えば、ＨｅｓｓｉａｎＡｆｆｉｎｅＲｅｇｉｏｎＤｅｔｅｃｔｏｒや、ＨａｒｒｉｓＡｆｆｉｎｅＲｅｇｉｏｎＤｅｔｅｃｔｏｒ等を用いればよい。

部分集合生成部４０は、局所領域検出部３０において検出された局所領域の各々からなる集合を、局所領域の各々の中心性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を生成する。部分集合生成部４０は、図２に示すように、画像重心計算部４２と、局所領域中心性計算部４４と、局所領域整列部４６と、部分集合抽出部４８とを含んで構成されている。

画像重心計算部４２は、局所領域検出部３０において検出された局所領域の各々の中心座標の平均となる座標を計算し、当該計算された座標を入力部１０において受け付けた画像の重心の座標として定義する。

局所領域中心性計算部４４は、局所領域検出部３０において検出された局所領域の各々について、当該局所領域の中心座標と、画像重心計算部４２において計算された入力部１０において受け付けた画像の重心の座標とのユークリッド距離を計算し、当該計算されたユークリッド距離の逆数を当該局所領域の中心性として計算する。

局所領域整列部４６は、局所領域検出部３０において検出された局所領域の各々を、局所領域中心性計算部４４において計算された局所領域各々の中心性の降順に並べ替え、並べ替えられた局所領域の集合を整列集合と定義する。

部分集合抽出部４８は、予め定められている階層数Ｌまでの階層ｌ（ｌ∈［１，Ｌ］）毎に、等間隔抽出法を用いて、局所領域整列部４６において定義された整列集合をｌ個の部分集合に分割する。なお、部分集合抽出部４８は、階層ｌ毎に並列的に処理を実施する。

具体的には、各階層ｌにおいて、局所領域整列部４６において定義された整列集合から、ｉ（ｉ∈［１，ｌ］）番目の要素を先頭として，ｉ＋ｌ×１番目，ｉ＋ｌ×２番目，．．．の要素を抽出し、当該抽出された要素の集合を１つの部分集合とする。また、ｉを１からｌまでずらし、部分集合の抽出を繰り返すことによって、階層ｌでは、ｌ個の部分集合が抽出される。そのため、１〜Ｌの階層全てにおいて抽出される部分集合の総数は、Ｌ（Ｌ＋１）／２となる。

近接グラフ構築部６０は、部分集合抽出部４８において抽出された部分集合の各々について、当該部分集合において近傍に存在する局所領域のペアを表す近接グラフを構築する。近接グラフには、図３ｂに示すようなドロネー図や、図３ｃに示すＲｅｌａｘｅｄＧａｂｒｉｅｌＧｒａｐｈ等がある。また、図４は、近接グラフ構築部６０において近接グラフを構築した例を示す。ドロネー図を使用する場合、中心性鋭敏型ピラミッドに基づく近傍検出の計算量がＯ（ｎＬｌｏｇｎ−ｎｌｏｇＬ！）となる。ここで、ｎは局所領域検出部３０において検出された局所領域の総数を表し、Ｌは、中心性鋭敏型ピラミッドの階層数を示す。一方、ＲｅｌａｘｅｄＧａｂｒｉｅｌＧｒａｐｈを使用する場合、ドロネー図を使用する場合の計算量以外にＯｎ（Ｌ）の追加計算量が必要である。Ｌが定数である場合、Ｏ（ｎＬｌｏｇｎ−ｎｌｏｇＬ！）がｎの線形対数となり、Ｏ（ｎＬ）がｎの線形関数となる。

そのため、ドロネー図とＲｅｌａｘｅｄＧａｂｒｉｅｌＧｒａｐｈの何れかを使用する場合の最悪計算量がｎの線形対数となる。これは、Ｋ近傍法の最悪計算量Ｏ（ｎ^２）よりはるかに低く、近似Ｋ近傍法の最悪計算量Ｏ（ｎｌｏｇｎ）と同じである。また、一回ごとの計算処理は、ドロネー図やＲｅｌａｘｅｄＧａｂｒｉｅｌＧｒａｐｈ等の方がより高速に実現できるため、総処理速度は、中心性鋭敏型ピラミッドに基づく近傍検出の方が高速である。なお、近接グラフ構築部６０は、階層ｌ毎に並列的に処理を実施する。

画像特徴計算部７０は、近接グラフ構築部６０において構築された近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、近傍特徴を計算することにより、画像特徴を計算する。また、画像特徴計算部７０は、図５に示すように、局所特徴計算部７２と、幾何学的特徴計算部７４と、近傍特徴計算部７６とを含んで構成されている。

局所特徴計算部７２は、近接グラフ構築部６０において構築された近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、当該ペアを構成する局所領域毎に、アフィン不変局所特徴を計算する。アフィン不変局所特徴には、ＳＩＦＴやＳＵＲＦ等があり、ペアに含まれる一方の局所領域のアフィン不変局所特徴をｆ_ｘ、他方の局所領域のアフィン不変局所特徴をｆ_ｙとする。

幾何学的特徴計算部７４は、近接グラフ構築部６０において構築された近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、当該ペアを構成する局所領域の各々の中心座標と形状とに基づいて、ペアに含まれる局所領域間の幾何学的な関連性を表す幾何学的特徴を計算する。

ここで、ペアに含まれる局所領域をｘとｙで表し、ペアに含まれる局所領域間のユークリッド距離、スケール、主方向を、→、ｓ、θで表す。また、ｘを中核領域として定義し、ｙを衛星領域と定義する。このとき、幾何学的特徴は下記（１）〜（２）式を用いて計算される。

ここで、Δ（・，・）∈［０，２π）は、正準角を計算する。Ｄ_ｘ，ｙはｙのｘへの相対距離を表し、Ｈ_ｘ，ｙは位置ベクトル

とｘの主方向との相対偏角を表す。また、ｙを中核領域と定義し、ｘを衛星領域と定義し、上記（１）〜（２）式を用いてＤ_ｙ，ｘとＨ_ｙ，ｘとが計算される。

近傍特徴計算部７６は、近接グラフ構築部６０において構築された近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、当該ペアを構成する局所領域毎に局所特徴計算部７０において計算されたアフィン不変局所特徴の各々と、当該ペアについて幾何学的特徴計算部７４において計算された幾何学的特徴とを組み合わせ、当該ペアの近傍特徴（ｆ_ｘ，ｆ_ｙ，Ｄ_ｘ，ｙ，Ｄ_ｙ，ｘ，Ｈ_ｘ，ｙ，Ｈ_ｙ，ｘ）を取得する。また、近傍特徴計算部７６は、近接グラフ構築部６０において構築された近接グラフの各々が表わす局所領域のペアの各々について取得した近傍特徴の各々を組み合わせて、入力部１０において受け付けた画像の画像特徴を取得し、出力部９０に出力する。

出力部９０は、入力部１０において受け付けた画像の画像特徴を出力する。

＜本発明の実施の形態に係る特徴抽出装置の作用＞
次に、本発明の実施の形態に係る特徴抽出装置１００の作用について説明する。入力部１０において画像を受け付けると、特徴抽出装置１００は、図６に示す特徴抽出処理ルーチンを実行する。

まず、ステップＳ１００では、入力部１０において受け付けた画像について、特徴的な局所領域の各々を検出する。

次に、ステップＳ１０２では、ステップＳ１００において取得した局所領域の各々の中心座標の平均となる座標を計算し、入力部１０において受け付けた画像の重心の座標として定義する。

次に、ステップＳ１０４では、ステップＳ１００において取得した局所領域の各々について、当該局所領域の中心座標と、ステップＳ１０２において取得した入力部１０において受け付けた画像の重心の座標とのユークリッド距離を計算し、当該ユークリッド距離の逆数を当該局所領域の中心性として計算する。

次に、ステップＳ１０６では、ステップＳ１００において取得した局所領域の各々についての、ステップＳ１０４において取得した中心性の各々に基づいて、中心性の降順になるように局所領域の各々を並べ替えた結果を、整列集合として取得する。

次に、ステップＳ１１２では、予め定められている階層数Ｌまでの階層ｌ（ｌ∈［１，Ｌ］）毎に、等間隔抽出法を用いて、部分集合の各々を生成し、生成された部分集合の各々について、当該部分集合に対する近接グラフを構築する。なお、当該処理は、階層ｌ毎に並列的に処理を実行する。

次に、ステップＳ１３２では、ステップＳ１１２において取得した近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、当該ペアを構成する局所領域毎に、アフィン不変局所特徴を計算する。

次に、ステップＳ１３４では、ステップＳ１１２において取得した近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、幾何学的特徴を計算する。

次に、ステップＳ１３６では、ステップＳ１１２において取得した近接グラフの各々について、当該近接グラフが表わす局所領域のペアの各々に対し、当該ペアを構成する局所領域毎のステップＳ１３２において取得したアフィン不変局所特徴の各々と、当該ペアのステップＳ１３４において取得した幾何学的特徴とを組み合わせて、当該ペアの近傍特徴を取得する。

次に、ステップＳ１３８では、ステップＳ１３６において取得した近傍特徴の各々を組み合わせて、入力部１０において受け付けた画像の画像特徴を取得し、当該画像特徴を出力部９０に出力して処理を終了する。

上記ステップＳ１１２では、階層ｌ（ｌ∈［１，Ｌ］）毎に、図７に示す処理ルーチンを並列に実行する。

図７のステップＳ２００では、変数ｉの値を１に設定する。

次に、ステップＳ２０２では、ステップＳ１０６において取得した整列集合から、ｉ番目の要素を先頭として，ｉ＋１×ｌ番目，ｉ＋１×２番目，．．．の要素を抽出し、当該抽出した要素の集合を階層ｌの部分集合として抽出する。

次に、ステップＳ２０４では、変数ｉの値に１を加えた値を変数ｉと設定する。

次に、ステップＳ２０６では、変数ｉの値が変数ｌの値以下か否かを判定する。変数ｉの値が変数ｌの値以下である場合には、ステップＳ２００へ移行し、変数ｉの値が変数ｌの値よりも大きい場合には、ステップＳ２０８へ移行する。

次に、ステップＳ２０８では、ステップＳ２０２において取得した部分集合の各々について、当該部分集合に対する近接グラフを構築する。

＜実験例＞
図８にＭＳＤＴにより抽出した近傍特徴を使用した画像照合の結果を示し、図９に、上記の実施の形態で説明した手法により抽出した近傍特徴を使用した画像照合の結果を示す。同一物体を含む二枚の画像から一致すると判断された近傍特徴は、ＭＳＤＴに基づく場合には、数が少なく、まばらであるのに対し、中心性鋭敏型ピラミッドに基づく場合には、高密度の線分模様になっていることから、より完全且つ正確な画像照合が実現できている。

これは、画像に含まれる物体が大きい場合、ＭＳＤＴでは、画像空間上でより離れた局所領域ペアが雑音となる局所領域に遮断されやすいからである。また、ＭＳＤＴに基づく場合、スケールの異なる局所領域ペアが無視されやすい傾向も原因の一つである。

以上説明したように、本発明の実施の形態に係る特徴抽出装置によれば、入力された画像の重心座標と、局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に局所領域の部分集合を各々生成し、部分集合の各々について、近接グラフを構築し、近接グラフが表す局所領域のペアの各々に対し、近傍特徴を計算することにより、適切に特徴を抽出することができる。

また、Ｋ近傍法に基づく空間文脈抽出法と比べ、より高速な特徴抽出が実現可能となる。

また、ＭＳＤＴと比べ、空間文脈を表しうる局所領域ペアから、スケールの差異等に影響されることなく、近傍特徴を抽出することができ、また、中心性鋭敏型ピラミッドにより、局所領域ペアがより多くの別の局所領域に遮断された場合でも、局所領域ペアを近傍と弁別し抽出することができることから、より豊富な近傍特徴を抽出することができ、大きな物体や模様の複雑な物体に対しても頑強性が高い。

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能であるし、ネットワークを介して提供することも可能である。

１０入力部
２０演算部
３０局所領域検出部
４０部分集合生成部
４２画像重心計算部
４４局所領域中心性計算部
４６局所領域整列部
４８部分集合抽出部
６０近接グラフ構築部
７０画像特徴計算部
７２局所特徴計算部
７４幾何学的特徴計算部
７６近傍特徴計算部
９０出力部
１００特徴抽出装置

Claims

入力された画像から検出された特徴的な局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する部分集合生成部
を含む、特徴抽出装置。
入力された画像から特徴的な局所領域の各々を検出する局所領域検出部と、
前記局所領域検出部において検出された局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する部分集合生成部と、
前記部分集合生成部において生成された部分集合の各々について、前記部分集合において近傍に存在する前記局所領域のペアを表す近接グラフを構築する近接グラフ構築部と、
前記部分集合生成部において生成された部分集合の各々について、前記近接グラフ構築部において構築された前記部分集合の前記近接グラフが表す前記局所領域のペアの各々に対し、前記ペアに含まれる局所領域の各々についての局所特徴と、前記ペアの幾何学的特徴とを計算し、前記ペアの前記局所特徴と前記幾何学的特徴との組み合わせを、画像特徴として出力する画像特徴計算部と、
を含む、特徴抽出装置。
部分集合生成部を含む特徴抽出装置における特徴抽出方法であって、
前記部分集合生成部は、入力された画像から検出された特徴的な局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する
特徴抽出方法。
コンピュータを、
入力された画像から検出された特徴的な局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する部分集合生成部、
として機能させるためのプログラム。
コンピュータを、
入力された画像から特徴的な局所領域の各々を検出する局所領域検出部、
前記局所領域検出部において検出された局所領域の各々についての中心座標に基づいて算出される前記画像の重心座標と、前記局所領域の各々との間の距離の各々の関係性に基づいて、予め定められた階層数で、階層的に前記局所領域の部分集合を各々生成する部分集合生成部、
前記部分集合生成部において生成された部分集合の各々について、前記部分集合において近傍に存在する前記局所領域のペアを表す近接グラフを構築する近接グラフ構築部、及び
前記部分集合生成部において生成された部分集合の各々について、前記近接グラフ構築部において構築された前記部分集合の前記近接グラフが表す前記局所領域のペアの各々に対し、前記ペアに含まれる局所領域の各々についての局所特徴と、前記ペアの幾何学的特徴とを計算し、前記ペアの前記局所特徴と前記幾何学的特徴との組み合わせを、画像特徴として出力する画像特徴計算部、
として機能させるためのプログラム。