JP2581380B2 - 画像の構造情報に基づく画像クラスタリング方法及び装置 - Google Patents
画像の構造情報に基づく画像クラスタリング方法及び装置Info
- Publication number
- JP2581380B2 JP2581380B2 JP4256652A JP25665292A JP2581380B2 JP 2581380 B2 JP2581380 B2 JP 2581380B2 JP 4256652 A JP4256652 A JP 4256652A JP 25665292 A JP25665292 A JP 25665292A JP 2581380 B2 JP2581380 B2 JP 2581380B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- similarity
- area
- images
- clustering
- 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.)
- Expired - Fee Related
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【産業上の利用分野】本発明は画像データベース等の大
量に画像を蓄積しておくシステムにおいてこれらの画像
を分類するための方法及び装置に関する。
量に画像を蓄積しておくシステムにおいてこれらの画像
を分類するための方法及び装置に関する。
【０００２】
【従来の技術】画像検索の分野では画像特有の視覚的特
徴に基づく検索の必要性が高まっている。画像特有の視
覚的特徴に基づく検索要求の中に、画像中の空間的特性
や構造情報に基づく情報検索等に関するものがある。こ
れらの検索処理を高速化するために画像をあらかじめ分
類しておく手法がある。従来の画像クラスタリングは画
像毎に平均濃度、フラクタル次元、同時正規行列に基づ
く２次特徴量といった特徴を抽出し、これをもとに最長
距離法などの種々の統計的な手法を用いてクラスタリン
グを行っていた。
徴に基づく検索の必要性が高まっている。画像特有の視
覚的特徴に基づく検索要求の中に、画像中の空間的特性
や構造情報に基づく情報検索等に関するものがある。こ
れらの検索処理を高速化するために画像をあらかじめ分
類しておく手法がある。従来の画像クラスタリングは画
像毎に平均濃度、フラクタル次元、同時正規行列に基づ
く２次特徴量といった特徴を抽出し、これをもとに最長
距離法などの種々の統計的な手法を用いてクラスタリン
グを行っていた。
【０００３】
【発明が解決しようとする課題】しかしながら、平均濃
度、フラクタル次元、同時正規行列といった画像特徴量
をそのまま、画像検索の手がかりとすることは困難であ
り、従ってこのような特徴量に基づくクラスタリングで
は、画像の構造情報に基づく検索の高速化のための適用
には困難を生じていた。本発明の目的は、このような問
題を解決し、構造情報に基づく画像検索を高速化するた
めに画像クラスタリングをおこなうことにある。
度、フラクタル次元、同時正規行列といった画像特徴量
をそのまま、画像検索の手がかりとすることは困難であ
り、従ってこのような特徴量に基づくクラスタリングで
は、画像の構造情報に基づく検索の高速化のための適用
には困難を生じていた。本発明の目的は、このような問
題を解決し、構造情報に基づく画像検索を高速化するた
めに画像クラスタリングをおこなうことにある。
【０００４】
【課題を解決するための手段】第１の発明の画像クラス
タリング方法は、画像間の類似度として、あらかじめ対
象画像を領域分割しておき、前記対象画像間の領域毎の
対応関係が一対一になるように領域を統合した後、統合
後の領域に対して領域毎の形状の重なり具合と対応要素
の数の線形和を用いて類似度を測定し、類似度がある特
定の値より高い画像間に対して類似しているとして関連
付けを行なうことにより類似度ネットワークを構成し、
この類似度ネットワークを用いることにより、画像の形
状・構造情報に基づく自動画像分類を行なうことを特徴
とする。第２の発明の画像クラスタリング装置は、 （ａ） 画像情報を入力するための画像入力手段と （ｂ） 前記画像情報を領域分割する領域分割手段と、 （ｃ） 前記領域分割画像中の２枚の画像の領域毎の対
応関係を検出する構成要素対応関係導出手段と、 （ｄ） 前記２枚の領域分割画像が領域毎に一対一にな
るように領域統合を行う領域統合手段と、 （ｅ） 前記領域毎に一対一に対応づいた画像の各領域
の形状の類似度と対応づいた形状の数の線形和を導出す
る類似度導出手段と、 （ｆ） 前記構成要素対応関係導出手段と前記領域統合
手段及び前記類似度導出手段とにより求められる全ての
画像間の類似度を前記類似度導出手段より受け取り、類
似度が、ある特定の値より高い画像間に対して類似して
いるとして関連付けを行うことにより類似度ネットワー
クを構成し、この類似度ネットワークを用いて画像全体
をクラスタリングするクラスタリング手段と、 （ｇ） クラスタリング結果を出力する出力手段と、を
備えることを特徴とする。
タリング方法は、画像間の類似度として、あらかじめ対
象画像を領域分割しておき、前記対象画像間の領域毎の
対応関係が一対一になるように領域を統合した後、統合
後の領域に対して領域毎の形状の重なり具合と対応要素
の数の線形和を用いて類似度を測定し、類似度がある特
定の値より高い画像間に対して類似しているとして関連
付けを行なうことにより類似度ネットワークを構成し、
この類似度ネットワークを用いることにより、画像の形
状・構造情報に基づく自動画像分類を行なうことを特徴
とする。第２の発明の画像クラスタリング装置は、 （ａ） 画像情報を入力するための画像入力手段と （ｂ） 前記画像情報を領域分割する領域分割手段と、 （ｃ） 前記領域分割画像中の２枚の画像の領域毎の対
応関係を検出する構成要素対応関係導出手段と、 （ｄ） 前記２枚の領域分割画像が領域毎に一対一にな
るように領域統合を行う領域統合手段と、 （ｅ） 前記領域毎に一対一に対応づいた画像の各領域
の形状の類似度と対応づいた形状の数の線形和を導出す
る類似度導出手段と、 （ｆ） 前記構成要素対応関係導出手段と前記領域統合
手段及び前記類似度導出手段とにより求められる全ての
画像間の類似度を前記類似度導出手段より受け取り、類
似度が、ある特定の値より高い画像間に対して類似して
いるとして関連付けを行うことにより類似度ネットワー
クを構成し、この類似度ネットワークを用いて画像全体
をクラスタリングするクラスタリング手段と、 （ｇ） クラスタリング結果を出力する出力手段と、を
備えることを特徴とする。
【０００５】
【実施例】図１は、第１の発明の画像クラスタリング方
法を説明するための流れ図であり、図２はこの画像クラ
スタリング方法を実施する装置の機能ブロック図であ
る。図１及び図２を参照しながら、第１の発明の画像ク
ラスタリング方法及び第２の発明の画像クラスタリング
装置の実施例を説明する。
法を説明するための流れ図であり、図２はこの画像クラ
スタリング方法を実施する装置の機能ブロック図であ
る。図１及び図２を参照しながら、第１の発明の画像ク
ラスタリング方法及び第２の発明の画像クラスタリング
装置の実施例を説明する。
【０００６】画像入力手段２１は分類すべき画像データ
を入力する（ステップ１１）。領域分割手段は、前記画
像入力手段より画像情報を受け取り、色情報や形状情報
などの画像特徴に基づいて領域分割を行う。領域分割の
一例として、特開平４−６０７６９号公報にある画像概
略化手法のような方法で領域分割を行う。領域分割画像
として図３のようなものが得られる（ステップ１２）。
構成要素対応手段１３は、前記領域分割手段より領域分
割画像中の２枚の領域分割画像を受け取り両者の構成要
素の対応関係を導出する。一例として、図４に示すよう
な構成で構成要素を対応させる。入力手段４１は２枚の
領域画像を読み込む。２枚の領域分割画像をＡ、Ｂとす
る。画素単位対応関係導出手段４２は２枚の画像の画素
毎の対応関係を導出する。２枚の領域画像の（ｍ，ｎ）
（ｘ座標がｍ、ｙ座標がｎ）の領域の値をそれぞれ
Ａmn、Ｂmnとする。いま、画像Ａ中のａ領域の対応領域
ｂを、画像Ａ中の領域ａに属する全ての画素（Ａmn＝ａ
なる全ての（ｍ，ｎ））について、画像Ｂ中での領域Ｂ
mnの多数決で決めたものとしてａ→ｂと記す。この場
合、ｂはａの参照リンク先である。同様にして画像Ｂ中
のｂ領域の対応領域をａ←ｂと示す。この場合、ａはｂ
の参照リンク先である。画素単位対応関係導出手段４２
は画像Ａ中の素場手の領域について対応領域を求め、ま
た、画像Ｂ中の全ての領域について対応領域を求める。
画素単位対応関係記憶手段４３はこの結果を記憶する。
画素単位対応関係記憶手段４３の対応関係の様子を図５
に示す（ステップ１３）。領域統合手段２４は前記２枚
の画像の構成要素が一対一に対応づくまで領域統合を行
う。一例として図５の流れ図に従って処理を進める。ま
ず、前記２枚の画像Ａ，Ｂにおいて、ａ→ｂかつａ←ｂ
なる領域の組（ａ，ｂ）を見つけだし、これらに新たな
領域番号をつける（ステップ５１）。残った領域のう
ち、参照リンク先にすでに新しい領域番号がつけられた
領域は、前記新しい領域番号がつけられた領域と対応関
係にある領域と統合をおこなう（ステップ５２）。上記
処理をＡ，Ｂ全ての領域に番号がつけられるまで繰り返
す（ステップ１４）。類似度導出手段２５は領域統合手
段２４より領域統合された画像を受け取り、一対一に対
応づいた画像の各領域の形状の類似度と対応づいた形状
の数の線形和を導出して２枚の画像の類似度とする。一
例として両領域の重なっている画素数を領域間の形状の
類似度とする（ステップ１５）。前記ステップ１３、ス
テップ１４、ステップ１５を画像入力手段２１で入力さ
れた全ての画像間で行い結果をクラスタリング手段２６
に送る。クラスタリング手段２６は類似度導出手段２５
より、全ての画像間の類似度を受け取り、類似度がある
特定の値より高い画像間に対して、類似しているとして
関連付けを行い、この結果をもとに類似度ネットワーク
を構成し、この類似度ネットワークを用いて画像全体の
クラスタリングを行う。クラスタリングの例として、例
えば単純に互いにリンクが張られている画像をひとつの
クラスタにする方法がある。また、類似しているかどう
かのリンクを張る基準となるしきい値の数値を変化させ
て、ネットワークの張られている集合を階層的に得る等
のことも可能である（ステップ１６）。出力手段２７は
結果を出力する（ステップ２７）。
を入力する（ステップ１１）。領域分割手段は、前記画
像入力手段より画像情報を受け取り、色情報や形状情報
などの画像特徴に基づいて領域分割を行う。領域分割の
一例として、特開平４−６０７６９号公報にある画像概
略化手法のような方法で領域分割を行う。領域分割画像
として図３のようなものが得られる（ステップ１２）。
構成要素対応手段１３は、前記領域分割手段より領域分
割画像中の２枚の領域分割画像を受け取り両者の構成要
素の対応関係を導出する。一例として、図４に示すよう
な構成で構成要素を対応させる。入力手段４１は２枚の
領域画像を読み込む。２枚の領域分割画像をＡ、Ｂとす
る。画素単位対応関係導出手段４２は２枚の画像の画素
毎の対応関係を導出する。２枚の領域画像の（ｍ，ｎ）
（ｘ座標がｍ、ｙ座標がｎ）の領域の値をそれぞれ
Ａmn、Ｂmnとする。いま、画像Ａ中のａ領域の対応領域
ｂを、画像Ａ中の領域ａに属する全ての画素（Ａmn＝ａ
なる全ての（ｍ，ｎ））について、画像Ｂ中での領域Ｂ
mnの多数決で決めたものとしてａ→ｂと記す。この場
合、ｂはａの参照リンク先である。同様にして画像Ｂ中
のｂ領域の対応領域をａ←ｂと示す。この場合、ａはｂ
の参照リンク先である。画素単位対応関係導出手段４２
は画像Ａ中の素場手の領域について対応領域を求め、ま
た、画像Ｂ中の全ての領域について対応領域を求める。
画素単位対応関係記憶手段４３はこの結果を記憶する。
画素単位対応関係記憶手段４３の対応関係の様子を図５
に示す（ステップ１３）。領域統合手段２４は前記２枚
の画像の構成要素が一対一に対応づくまで領域統合を行
う。一例として図５の流れ図に従って処理を進める。ま
ず、前記２枚の画像Ａ，Ｂにおいて、ａ→ｂかつａ←ｂ
なる領域の組（ａ，ｂ）を見つけだし、これらに新たな
領域番号をつける（ステップ５１）。残った領域のう
ち、参照リンク先にすでに新しい領域番号がつけられた
領域は、前記新しい領域番号がつけられた領域と対応関
係にある領域と統合をおこなう（ステップ５２）。上記
処理をＡ，Ｂ全ての領域に番号がつけられるまで繰り返
す（ステップ１４）。類似度導出手段２５は領域統合手
段２４より領域統合された画像を受け取り、一対一に対
応づいた画像の各領域の形状の類似度と対応づいた形状
の数の線形和を導出して２枚の画像の類似度とする。一
例として両領域の重なっている画素数を領域間の形状の
類似度とする（ステップ１５）。前記ステップ１３、ス
テップ１４、ステップ１５を画像入力手段２１で入力さ
れた全ての画像間で行い結果をクラスタリング手段２６
に送る。クラスタリング手段２６は類似度導出手段２５
より、全ての画像間の類似度を受け取り、類似度がある
特定の値より高い画像間に対して、類似しているとして
関連付けを行い、この結果をもとに類似度ネットワーク
を構成し、この類似度ネットワークを用いて画像全体の
クラスタリングを行う。クラスタリングの例として、例
えば単純に互いにリンクが張られている画像をひとつの
クラスタにする方法がある。また、類似しているかどう
かのリンクを張る基準となるしきい値の数値を変化させ
て、ネットワークの張られている集合を階層的に得る等
のことも可能である（ステップ１６）。出力手段２７は
結果を出力する（ステップ２７）。
【０００７】
【発明の効果】以上説明したように、本発明によれば、
画像の空間的な特徴に基づいて画像のクラスタリングが
行えることになる。このように分類しておくとデータベ
ース中を類似の構図、構造に基づいてナビゲーションす
ることが可能になるという効果がある。また、視覚的な
情報に基づく画像検索を行うときに全ての画像に対して
整合処理を行わなくても再現率を落とさず済むようにな
り処理の高速化を可能にするという効果がある。
画像の空間的な特徴に基づいて画像のクラスタリングが
行えることになる。このように分類しておくとデータベ
ース中を類似の構図、構造に基づいてナビゲーションす
ることが可能になるという効果がある。また、視覚的な
情報に基づく画像検索を行うときに全ての画像に対して
整合処理を行わなくても再現率を落とさず済むようにな
り処理の高速化を可能にするという効果がある。
【図１】第１の発明の一実施例を示す処理の流れ図。
【図２】第２の発明の一実施例を示すブロック図。
【図３】領域画像の一例を示す図。
【図４】本発明の構成要素対応手段中の処理の一実施例
を示す図。
を示す図。
【図５】本発明の領域統合手段中の処理の一実施例を示
す図。
す図。
１１ 画像入力 １２ 領域分割 １３ 構成要素対応関係導出 １４ 領域統合 １５ 類似度評価 １６ クラスタリング １７ 分類情報出力 ２１ 画像入力手段 ２２ 領域分割手段 ２３ 構成要素対応関係導出手段 ２４ 領域統合手段 ２５ 類似度導出手段 ２６ クラスタリング手段 ２７ 出力手段
Claims (2)
- 【請求項１】画像間の類似度として、あらかじめ対象画
像を領域分割しておき、前記対象画像間の領域毎の対応
関係が一対一になるように領域を統合した後、統合後の
領域に対して領域毎の形状の重なり具合と対応要素の数
の線形和を用いて類似度を測定し、類似度がある特定の
値より高い画像間に対して類似しているとして関連付け
を行なうことにより類似度ネットワークを構成し、この
類似度ネットワークを用いることにより、画像の形状・
構造情報に基づく自動画像分類を行なうことを特徴とす
る画像クラスタリング方法。 - 【請求項２】（ａ） 画像情報を入力するための画像入
力手段と （ｂ） 前記画像情報を領域分割する領域分割手段と、 （ｃ） 前記領域分割画像中の２枚の画像の領域毎の対
応関係を検出する構成要素対応関係導出手段と、 （ｄ） 前記２枚の領域分割画像が領域毎に一対一にな
るように領域統合を行う領域統合手段と、 （ｅ） 前記領域毎に一対一に対応づいた画像の各領域
の形状の類似度と対応づいた形状の数の線形和を導出す
る類似度導出手段と、 （ｆ） 前記構成要素対応関係導出手段と前記領域統合
手段及び前記類似度導出手段とにより求められる全ての
画像間の類似度を前記類似度導出手段より受け取り、類
似度が、ある特定の値より高い画像間に対して類似して
いるとして関連付けを行うことにより類似度ネットワー
クを構成し、この類似度ネットワークを用いて画像全体
をクラスタリングするクラスタリング手段と、 （ｇ） クラスタリング結果を出力する出力手段と、 を備えることを特徴とする画像クラスタリング装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4256652A JP2581380B2 (ja) | 1992-09-25 | 1992-09-25 | 画像の構造情報に基づく画像クラスタリング方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4256652A JP2581380B2 (ja) | 1992-09-25 | 1992-09-25 | 画像の構造情報に基づく画像クラスタリング方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06195396A JPH06195396A (ja) | 1994-07-15 |
| JP2581380B2 true JP2581380B2 (ja) | 1997-02-12 |
Family
ID=17295593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4256652A Expired - Fee Related JP2581380B2 (ja) | 1992-09-25 | 1992-09-25 | 画像の構造情報に基づく画像クラスタリング方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2581380B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3423834B2 (ja) * | 1996-04-26 | 2003-07-07 | 日本電信電話株式会社 | 予測符号化画像データ管理方法及び装置 |
| JP3836261B2 (ja) * | 1998-08-10 | 2006-10-25 | 株式会社リコー | ファイルシステム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0460770A (ja) * | 1990-06-29 | 1992-02-26 | Nec Corp | 概略画像を用いた画像検索方法および装置 |
| JP3010747B2 (ja) * | 1991-01-16 | 2000-02-21 | 日本電気株式会社 | 画像整合方法及び装置 |
-
1992
- 1992-09-25 JP JP4256652A patent/JP2581380B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06195396A (ja) | 1994-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2776295B2 (ja) | 画像インデックス生成方法及び画像インデックス生成装置 | |
| EP1635270A2 (en) | Method of searching multimedia data | |
| CN110163208B (zh) | 一种基于深度学习的场景文字检测方法和系统 | |
| JPH0573687A (ja) | 自動分類方法 | |
| CN116503836A (zh) | 一种基于深度补全和图像分割的3d目标检测方法 | |
| CN114708566A (zh) | 一种基于改进YOLOv4的自动驾驶目标检测方法 | |
| CN117830873B (zh) | 一种城乡规划图像的数据处理方法 | |
| CN111860219A (zh) | 一种高速占道判断方法、装置及电子设备 | |
| Kumar et al. | A hybrid cluster technique for improving the efficiency of colour image segmentation | |
| JP2581380B2 (ja) | 画像の構造情報に基づく画像クラスタリング方法及び装置 | |
| CN117789077A (zh) | 一种通用场景下用于视频结构化的人与车辆预测的方法 | |
| CN111080748B (zh) | 基于互联网的图片自动合成系统 | |
| CN112836510A (zh) | 一种产品图片文字识别方法和系统 | |
| CN116612385A (zh) | 基于深度高分辨率关系图卷积的遥感影像多类信息提取方法与系统 | |
| CN112733934B (zh) | 复杂环境下的多模态特征融合道路场景语义分割方法 | |
| CN115496966A (zh) | 一种跨模态生成视频对抗样本的方法和系统 | |
| CN114359907A (zh) | 语义分割方法、车辆控制方法、电子设备及存储介质 | |
| CN113011268A (zh) | 车辆智能导航方法、装置、电子设备及存储介质 | |
| CN114519422A (zh) | 一体化解码器、多任务网络模型及训练方法 | |
| JP2754937B2 (ja) | 概略画像作成方法および装置 | |
| JPH08167028A (ja) | 画像処理方法 | |
| CN117314928B (zh) | 基于图像分割和虚拟现实的自然景观模拟系统 | |
| JPH04241684A (ja) | 画像整合方法及び装置 | |
| CN114723940B (zh) | 一种基于规则标注图片数据的方法、装置及存储介质 | |
| JP3199009B2 (ja) | 画像蓄積・管理装置及び画像インデックス生成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19961001 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071121 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081121 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081121 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091121 Year of fee payment: 13 |
|
| LAPS | Cancellation because of no payment of annual fees |