JP2781530B2 - 画像処理方法および装置 - Google Patents
画像処理方法および装置Info
- Publication number
- JP2781530B2 JP2781530B2 JP7073822A JP7382295A JP2781530B2 JP 2781530 B2 JP2781530 B2 JP 2781530B2 JP 7073822 A JP7073822 A JP 7073822A JP 7382295 A JP7382295 A JP 7382295A JP 2781530 B2 JP2781530 B2 JP 2781530B2
- Authority
- JP
- Japan
- Prior art keywords
- average value
- power spectrum
- divided
- information
- regions
- 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
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、コントラストが低くテ
クスチャ性を持つ画像の中から、種々の特性別に領域分
割するための画像処理方法および装置に関する。
クスチャ性を持つ画像の中から、種々の特性別に領域分
割するための画像処理方法および装置に関する。
【０００２】
【従来の技術】従来の画像処理技術では、画像中のスケ
ールキャリブレーション（遠近による倍率）が一定にな
るように、認識対象物体と撮像面を平行に設定して正射
影画像を取込んで、その後画像処理を実施している。こ
のため地表表面を正射影画像で撮像する場合、地表から
相当高い位置で撮像する必要があり、現実的でない。
ールキャリブレーション（遠近による倍率）が一定にな
るように、認識対象物体と撮像面を平行に設定して正射
影画像を取込んで、その後画像処理を実施している。こ
のため地表表面を正射影画像で撮像する場合、地表から
相当高い位置で撮像する必要があり、現実的でない。
【０００３】
【発明が解決しようとする課題】地上用の自律移動ロボ
ットの視覚センサとして撮像装置を搭載する場合、撮像
位置をあまり高く設定できないため、斜投影による奥行
き画像しか得られない。そのため同一画像内であっても
各部分でスケールが異なるため、一律に同じ画像処理を
施すと誤った結果になることがある。
ットの視覚センサとして撮像装置を搭載する場合、撮像
位置をあまり高く設定できないため、斜投影による奥行
き画像しか得られない。そのため同一画像内であっても
各部分でスケールが異なるため、一律に同じ画像処理を
施すと誤った結果になることがある。
【０００４】また色抽出処理に関する先行技術として、
特開平５−７３０４号、特開平４−３５４０７１号、特
開平３−１９１４８２号、特開昭６３−２５１８６８号
などがあるが、遠近画像ではスケール変化によってノイ
ズサイズが異なるため、ノイズ除去が困難である。ま
た、樹木、草、土等の自然界を撮像すると、互いに共有
する色を持つため、植生ごとの分離が困難である。
特開平５−７３０４号、特開平４−３５４０７１号、特
開平３−１９１４８２号、特開昭６３−２５１８６８号
などがあるが、遠近画像ではスケール変化によってノイ
ズサイズが異なるため、ノイズ除去が困難である。ま
た、樹木、草、土等の自然界を撮像すると、互いに共有
する色を持つため、植生ごとの分離が困難である。
【０００５】またテクスチャ方向性解析に関する先行技
術として、特開昭６２−１７２４８１号があるが、自然
界を遠近法で撮像した場合には、樹木、草、土の何れも
横方向のテクスチャ方向性が顕著に表れてしまい、植生
による差異を検出するのは困難である。
術として、特開昭６２−１７２４８１号があるが、自然
界を遠近法で撮像した場合には、樹木、草、土の何れも
横方向のテクスチャ方向性が顕著に表れてしまい、植生
による差異を検出するのは困難である。
【０００６】またテクスチャ周波数成分解析に関する先
行技術として、特開平６−１８７４５４号があるが、同
じテクスチャ領域であっても、遠近画像ではスケール変
化によって周波数成分が異なってしまうため、領域分割
は困難である。
行技術として、特開平６−１８７４５４号があるが、同
じテクスチャ領域であっても、遠近画像ではスケール変
化によって周波数成分が異なってしまうため、領域分割
は困難である。
【０００７】本発明の目的は、奥行き感のある画像にお
いて、自然界に存在する複雑な色で構成される処理対象
物体を特徴別に領域分割する画像処理方法および装置を
提供することである。
いて、自然界に存在する複雑な色で構成される処理対象
物体を特徴別に領域分割する画像処理方法および装置を
提供することである。
【０００８】
【課題を解決するための手段】本発明は、奥行き感のあ
る画像情報を複数の領域に分割し、各分割領域毎にパワ
ースペクトル平均値を計算し、該パワースペクトル平均
値と所定閾値とを比較することによって各分割領域の特
性を判定することを特徴とする画像処理方法である。ま
た本発明は、カラー画像情報から色相情報を抽出し、該
色相情報を複数の領域に分割し、各分割領域毎にパワー
スペクトル平均値を計算し、該パワースペクトル平均値
と所定閾値とを比較することによって各分割領域の特性
を判定することを特徴とする画像処理方法である。また
本発明は、カラー画像情報が自然界を撮像したものであ
って、カラー画像情報から色相情報を抽出する際、表色
系におけるＲ軸周辺からＧ軸周辺の範囲は残り色相範囲
より変換分解能が高いことを特徴とする。また本発明
は、カラー画像情報から色相情報および無色相画素を抽
出し、該色相情報を複数の領域に分割し、各分割領域毎
にパワースペクトル平均値を計算し、該パワースペクト
ル平均値と所定閾値とを比較するとともに、各分割領域
における無色相画素の占有率を計算し、前記比較結果お
よび該占有率を用いて各分割領域の特性を判定すること
を特徴とする画像処理方法である。また本発明は、カラ
ー画像情報から色相情報および低彩度画素を抽出し、該
色相情報を複数の領域に分割し、各分割領域毎にパワー
スペクトル平均値を計算し、該パワースペクトル平均値
と所定閾値とを比較するとともに、各分割領域における
低彩度画素の占有率を計算し、前記比較結果および該占
有率を用いて各分割領域の特性を判定することを特徴と
する画像処理方法である。また本発明は、奥行き感のあ
る画像情報を得るための撮像手段と、該画像情報を複数
の領域に分割し、各分割領域毎にパワースペクトル平均
値を計算する特徴量演算手段と、該パワースペクトル平
均値と所定閾値とを比較することによって各分割領域の
特性を判定する判定手段とを含むことを特徴とする画像
処理装置である。また本発明は、カラー画像情報を得る
ためのカラー撮像手段と、該カラー画像情報から色相情
報を抽出するための色変換手段と、該色相情報を複数の
領域に分割し、各分割領域毎にパワースペクトル平均値
を計算する特徴量演算手段と、該パワースペクトル平均
値と所定閾値とを比較することによって各分割領域の特
性を判定する判定手段とを含むことを特徴とする画像処
理装置である。
る画像情報を複数の領域に分割し、各分割領域毎にパワ
ースペクトル平均値を計算し、該パワースペクトル平均
値と所定閾値とを比較することによって各分割領域の特
性を判定することを特徴とする画像処理方法である。ま
た本発明は、カラー画像情報から色相情報を抽出し、該
色相情報を複数の領域に分割し、各分割領域毎にパワー
スペクトル平均値を計算し、該パワースペクトル平均値
と所定閾値とを比較することによって各分割領域の特性
を判定することを特徴とする画像処理方法である。また
本発明は、カラー画像情報が自然界を撮像したものであ
って、カラー画像情報から色相情報を抽出する際、表色
系におけるＲ軸周辺からＧ軸周辺の範囲は残り色相範囲
より変換分解能が高いことを特徴とする。また本発明
は、カラー画像情報から色相情報および無色相画素を抽
出し、該色相情報を複数の領域に分割し、各分割領域毎
にパワースペクトル平均値を計算し、該パワースペクト
ル平均値と所定閾値とを比較するとともに、各分割領域
における無色相画素の占有率を計算し、前記比較結果お
よび該占有率を用いて各分割領域の特性を判定すること
を特徴とする画像処理方法である。また本発明は、カラ
ー画像情報から色相情報および低彩度画素を抽出し、該
色相情報を複数の領域に分割し、各分割領域毎にパワー
スペクトル平均値を計算し、該パワースペクトル平均値
と所定閾値とを比較するとともに、各分割領域における
低彩度画素の占有率を計算し、前記比較結果および該占
有率を用いて各分割領域の特性を判定することを特徴と
する画像処理方法である。また本発明は、奥行き感のあ
る画像情報を得るための撮像手段と、該画像情報を複数
の領域に分割し、各分割領域毎にパワースペクトル平均
値を計算する特徴量演算手段と、該パワースペクトル平
均値と所定閾値とを比較することによって各分割領域の
特性を判定する判定手段とを含むことを特徴とする画像
処理装置である。また本発明は、カラー画像情報を得る
ためのカラー撮像手段と、該カラー画像情報から色相情
報を抽出するための色変換手段と、該色相情報を複数の
領域に分割し、各分割領域毎にパワースペクトル平均値
を計算する特徴量演算手段と、該パワースペクトル平均
値と所定閾値とを比較することによって各分割領域の特
性を判定する判定手段とを含むことを特徴とする画像処
理装置である。
【０００９】
【作用】本発明に従えば、奥行き感のある画像情報を複
数の領域に分割し、各分割領域毎にパワースペクトル平
均値を計算することによって、同じテクスチャ性を持つ
領域であれば遠近によってスケールが異なってもパワー
スペクトル平均値は同じ値になる。したがって、スケー
ル変化による判定誤差を排除できる。
数の領域に分割し、各分割領域毎にパワースペクトル平
均値を計算することによって、同じテクスチャ性を持つ
領域であれば遠近によってスケールが異なってもパワー
スペクトル平均値は同じ値になる。したがって、スケー
ル変化による判定誤差を排除できる。
【００１０】また、カラー画像情報から抽出した色相情
報に基づいて、各分割領域毎にパワースペクトル平均値
を計算することによって、色のテクスチャ性の変化を確
実に判定することが可能になる。
報に基づいて、各分割領域毎にパワースペクトル平均値
を計算することによって、色のテクスチャ性の変化を確
実に判定することが可能になる。
【００１１】また、自然界を撮像したカラー画像情報か
ら色相情報を抽出する際、表色系におけるＲ軸周辺から
Ｇ軸周辺の範囲は残り色相範囲より変換分解能が高いこ
とによって、緑、黄緑、黄、赤等の色相を多く含む草、
樹木などの植生を精度よく領域分割することが可能にな
る。
ら色相情報を抽出する際、表色系におけるＲ軸周辺から
Ｇ軸周辺の範囲は残り色相範囲より変換分解能が高いこ
とによって、緑、黄緑、黄、赤等の色相を多く含む草、
樹木などの植生を精度よく領域分割することが可能にな
る。
【００１２】また、カラー画像情報から無色相画素を抽
出することによって、自然界における空や影の範囲を検
出できる。そこで、各分割領域における無色相画素の占
有率を計算し、この占有率の大小に応じて分割領域の特
性を総合的に判定できる。
出することによって、自然界における空や影の範囲を検
出できる。そこで、各分割領域における無色相画素の占
有率を計算し、この占有率の大小に応じて分割領域の特
性を総合的に判定できる。
【００１３】また、カラー画像情報から低彩度画素を抽
出することによって、画像処理に不向きの範囲を検出で
きる。そこで、各分割領域における低彩度画素の占有率
を計算し、この占有率の大小に応じて分割領域の特性を
総合的に判定できる。
出することによって、画像処理に不向きの範囲を検出で
きる。そこで、各分割領域における低彩度画素の占有率
を計算し、この占有率の大小に応じて分割領域の特性を
総合的に判定できる。
【００１４】
【実施例】図１は、本発明の第１実施例を示す構成図で
ある。地上用の自律移動ロボットの視覚センサとしてＴ
Ｖカメラ等の撮像装置を搭載すると、自然界を地表から
低い位置で撮像することになる。こうした撮像装置など
の画像入力部１０からは奥行き感のある原画像情報が出
力される。この原画像情報はモノクロ画像やカラー画像
であり、カラー画像のうち色相情報、明度情報、彩度情
報のうち特定の情報だけを用いてもよい。
ある。地上用の自律移動ロボットの視覚センサとしてＴ
Ｖカメラ等の撮像装置を搭載すると、自然界を地表から
低い位置で撮像することになる。こうした撮像装置など
の画像入力部１０からは奥行き感のある原画像情報が出
力される。この原画像情報はモノクロ画像やカラー画像
であり、カラー画像のうち色相情報、明度情報、彩度情
報のうち特定の情報だけを用いてもよい。
【００１５】次に特徴量演算部２０では、原画像情報を
マトリクス状に複数の小領域に分割する。これは、小領
域単位で演算処理を行って各小領域毎に特徴量を算出す
るためである。次に、各小領域でのパワースペクトル平
均値を計算する。
マトリクス状に複数の小領域に分割する。これは、小領
域単位で演算処理を行って各小領域毎に特徴量を算出す
るためである。次に、各小領域でのパワースペクトル平
均値を計算する。
【００１６】パワースペクトル平均値は次の手順で計算
できる。先ず原画像ｆ（ｘ、ｙ）を２次元フーリエ変換
して、変換像Ｆ（ｒ、θ）を求める。ここで、ｘ、ｙは
原画像上の位置であり、ｒは周波数、θは方向である。
次にパワースペクトル関数Ｐおよびその平均値Ｐａｖ
は、
できる。先ず原画像ｆ（ｘ、ｙ）を２次元フーリエ変換
して、変換像Ｆ（ｒ、θ）を求める。ここで、ｘ、ｙは
原画像上の位置であり、ｒは周波数、θは方向である。
次にパワースペクトル関数Ｐおよびその平均値Ｐａｖ
は、
【００１７】
【数１】
【００１８】で定義される。ここで、１つの小領域がｍ
×ｍの画素で構成されている。こうしてパワースペクト
ル平均値Ｐａｖが求まる。
×ｍの画素で構成されている。こうしてパワースペクト
ル平均値Ｐａｖが求まる。
【００１９】別の計算方法として、原画像ｆ（ｘ、ｙ）
から直接計算する方法がある。エネルギー保存則からパ
ワースペクトル平均値Ｐａｖは、
から直接計算する方法がある。エネルギー保存則からパ
ワースペクトル平均値Ｐａｖは、
【００２０】
【数２】
【００２１】で求まる。この方法はフーリエ変換を用い
ないため計算速度が高速になる。
ないため計算速度が高速になる。
【００２２】またパワースペクトル平均値を特徴量とし
て採用すると、遠近によるスケール変化があっても全体
のエネルギーは不変であるため、特徴量が遠近によって
左右されないという利点がある。
て採用すると、遠近によるスケール変化があっても全体
のエネルギーは不変であるため、特徴量が遠近によって
左右されないという利点がある。
【００２３】次にしきい値解析部３０では、各小領域毎
に計算したパワースペクトル平均値を用いて、横軸が平
均値強度で縦軸が度数であるヒストグラムを作成する。
このヒストグラムにおいて、たとえば土、草、木に対応
したピーク群が表れると、その境界付近の強度をしきい
値として採用すれば、こうした植生を明瞭に区分できる
ことになる。こうして植生に応じたしきい値を計算す
る。
に計算したパワースペクトル平均値を用いて、横軸が平
均値強度で縦軸が度数であるヒストグラムを作成する。
このヒストグラムにおいて、たとえば土、草、木に対応
したピーク群が表れると、その境界付近の強度をしきい
値として採用すれば、こうした植生を明瞭に区分できる
ことになる。こうして植生に応じたしきい値を計算す
る。
【００２４】次に領域分割部４０では、特徴量演算部２
０で算出された各小領域のパワースペクトル平均値とし
きい値解析部３０で算出された所定閾値とをそれぞれ比
較することによって各小領域の特性、たとえば土、草、
木のうち何れの植生であるかを判定する。そして、同じ
特性を持つ小領域毎に画像を分割して、たとえば土、
草、木の領域を画面等に表示する。こうして奥行き感の
ある画像であっても遠近によるスケール変化の影響を受
けずに、特徴領域ごとに精度よく分割することができ
る。
０で算出された各小領域のパワースペクトル平均値とし
きい値解析部３０で算出された所定閾値とをそれぞれ比
較することによって各小領域の特性、たとえば土、草、
木のうち何れの植生であるかを判定する。そして、同じ
特性を持つ小領域毎に画像を分割して、たとえば土、
草、木の領域を画面等に表示する。こうして奥行き感の
ある画像であっても遠近によるスケール変化の影響を受
けずに、特徴領域ごとに精度よく分割することができ
る。
【００２５】図２は、本発明の第２実施例を示す構成図
である。画像入力部１０は、撮像部１１と色変換部１２
で構成される。本実施例において、撮像部１１はＲＧＢ
表色系のＲ信号、Ｇ信号、Ｂ信号を出力するカラーカメ
ラ等で構成される。色変換部１２は、Ｒ信号、Ｇ信号、
Ｂ信号を用いて別の表色系であるＨ信号（色相）、Ｌ信
号（明度）、Ｓ信号（彩度）に変換する。その変換式は
次のとおりである。
である。画像入力部１０は、撮像部１１と色変換部１２
で構成される。本実施例において、撮像部１１はＲＧＢ
表色系のＲ信号、Ｇ信号、Ｂ信号を出力するカラーカメ
ラ等で構成される。色変換部１２は、Ｒ信号、Ｇ信号、
Ｂ信号を用いて別の表色系であるＨ信号（色相）、Ｌ信
号（明度）、Ｓ信号（彩度）に変換する。その変換式は
次のとおりである。
【００２６】
【数３】
【００２７】次に、得られたＨ２から図３に示す変換関
数を用いてＨ信号を求める。一般には、式（４）だけで
変換することが知られているが、本発明では土、草、木
などの自然界を対象とするため、Ｒ成分とＧ成分の間に
データが集中する傾向となる。したがって、図３のグラ
フにおいてＲ軸周辺からＧ軸周辺の範囲の変換分解能を
高く設定することによって、草、樹木などの植生を精度
よく判定することが可能となる。
数を用いてＨ信号を求める。一般には、式（４）だけで
変換することが知られているが、本発明では土、草、木
などの自然界を対象とするため、Ｒ成分とＧ成分の間に
データが集中する傾向となる。したがって、図３のグラ
フにおいてＲ軸周辺からＧ軸周辺の範囲の変換分解能を
高く設定することによって、草、樹木などの植生を精度
よく判定することが可能となる。
【００２８】さらに、Ｌ信号、Ｓ信号ついては次の変換
式を使用する。
式を使用する。
【００２９】
【数４】
【００３０】次に特徴量演算部２０では、まず原画像情
報から変換された色相情報の中から無色相および低彩度
の小領域を除外した後、小領域単位で演算処理を行って
各小領域毎に特徴量を算出するために、色相情報をマト
リクス状に複数の小領域に分割する。次に、前述のよう
な計算方法で各小領域でのパワースペクトル平均値を計
算する。
報から変換された色相情報の中から無色相および低彩度
の小領域を除外した後、小領域単位で演算処理を行って
各小領域毎に特徴量を算出するために、色相情報をマト
リクス状に複数の小領域に分割する。次に、前述のよう
な計算方法で各小領域でのパワースペクトル平均値を計
算する。
【００３１】次にしきい値解析部３０では、前述と同様
に、各小領域毎に計算したパワースペクトル平均値を用
いて、横軸が平均値強度で縦軸が度数であるヒストグラ
ムを作成する。このヒストグラムにおいて、たとえば
土、草、木に対応したピーク群が表れると、その境界付
近の強度をしきい値として採用すれば、こうした植生を
明瞭に区分できることになる。こうして植生に応じたし
きい値を計算する。
に、各小領域毎に計算したパワースペクトル平均値を用
いて、横軸が平均値強度で縦軸が度数であるヒストグラ
ムを作成する。このヒストグラムにおいて、たとえば
土、草、木に対応したピーク群が表れると、その境界付
近の強度をしきい値として採用すれば、こうした植生を
明瞭に区分できることになる。こうして植生に応じたし
きい値を計算する。
【００３２】次に領域分割部４０では、特徴量演算部２
０で算出された各小領域のパワースペクトル平均値とし
きい値解析部３０で算出された所定閾値とをそれぞれ比
較することによって各小領域がたとえば土、草、木など
のうち何れの植生であるかを判定する。そして、同じ特
性を持つ小領域毎に画像を分割して、土、草、木などの
領域を画面等に表示する。こうして奥行き感のある画像
であっても遠近によるスケール変化の影響を受けずに、
領域分割することができる。
０で算出された各小領域のパワースペクトル平均値とし
きい値解析部３０で算出された所定閾値とをそれぞれ比
較することによって各小領域がたとえば土、草、木など
のうち何れの植生であるかを判定する。そして、同じ特
性を持つ小領域毎に画像を分割して、土、草、木などの
領域を画面等に表示する。こうして奥行き感のある画像
であっても遠近によるスケール変化の影響を受けずに、
領域分割することができる。
【００３３】一方、無色相領域検出部５０において、原
画像情報のＲ信号、Ｇ信号、Ｂ信号が相互に等しい画素
である無色相画素を抽出する。次に各小領域における無
色相画素を計数し、その占有率を計算する。
画像情報のＲ信号、Ｇ信号、Ｂ信号が相互に等しい画素
である無色相画素を抽出する。次に各小領域における無
色相画素を計数し、その占有率を計算する。
【００３４】次に各小領域ごとに無色相画素の占有率の
大小を判定して、所定値、たとえば５０％以下であれ
ば、特徴量演算部２０に移行してパワースペクトル平均
値の計算ルーチンに戻る。無色相画素の占有率が所定
値、たとえば５０％より高ければ、当該小領域は無色相
領域であると判定する。撮像対象が自然界である場合、
一般に空や影の部分が無色相領域に該当する。次に、色
変換部１２からのＬ信号（明度）を用いてしきい値処理
を行って、たとえば明度が高い領域は空の領域、明度が
低い領域は影の領域として領域分割することができる。
大小を判定して、所定値、たとえば５０％以下であれ
ば、特徴量演算部２０に移行してパワースペクトル平均
値の計算ルーチンに戻る。無色相画素の占有率が所定
値、たとえば５０％より高ければ、当該小領域は無色相
領域であると判定する。撮像対象が自然界である場合、
一般に空や影の部分が無色相領域に該当する。次に、色
変換部１２からのＬ信号（明度）を用いてしきい値処理
を行って、たとえば明度が高い領域は空の領域、明度が
低い領域は影の領域として領域分割することができる。
【００３５】他方、低彩度領域検出部６０において、色
変換部１２からのＳ信号（彩度）が低い画素を抽出す
る。次に各小領域における低彩度画素を計数し、その占
有率を計算する。
変換部１２からのＳ信号（彩度）が低い画素を抽出す
る。次に各小領域における低彩度画素を計数し、その占
有率を計算する。
【００３６】次に各小領域ごとに低彩度画素の占有率の
大小を判定して、所定値、たとえば５０％以下であれ
ば、特徴量演算部２０に移行してパワースペクトル平均
値の計算ルーチンに戻る。低彩度画素の占有率が所定
値、たとえば５０％より高ければ、当該小領域は低彩度
領域であると判定する。低彩度領域は、画像のテクスチ
ャ性が低く画像処理に不向きのため、そのまま処理不能
領域として判定し領域分割する。
大小を判定して、所定値、たとえば５０％以下であれ
ば、特徴量演算部２０に移行してパワースペクトル平均
値の計算ルーチンに戻る。低彩度画素の占有率が所定
値、たとえば５０％より高ければ、当該小領域は低彩度
領域であると判定する。低彩度領域は、画像のテクスチ
ャ性が低く画像処理に不向きのため、そのまま処理不能
領域として判定し領域分割する。
【００３７】こうして特徴量演算部２０およびしきい値
解析部３０から土、草、木などの植生別に領域分割され
た結果が得られ、無色相領域検出部５０から空、影など
に領域分割された結果が得られ、低彩度領域検出部６０
から処理不能領域が得られ、それぞれ総合判断部７０に
入力される。総合判断部７０では、領域分割の結果を統
合して、原画像情報に対応した領域分割画像を合成す
る。
解析部３０から土、草、木などの植生別に領域分割され
た結果が得られ、無色相領域検出部５０から空、影など
に領域分割された結果が得られ、低彩度領域検出部６０
から処理不能領域が得られ、それぞれ総合判断部７０に
入力される。総合判断部７０では、領域分割の結果を統
合して、原画像情報に対応した領域分割画像を合成す
る。
【００３８】図４は、画像処理の手順および結果を示す
説明図である。図４（ａ）は原画像情報を示し、実際に
は多数のカラー画素で構成される。この画像は地表近く
の低い位置から地平線に向けて撮像したものであり、
土、草、木、空などの領域を含んでいる。
説明図である。図４（ａ）は原画像情報を示し、実際に
は多数のカラー画素で構成される。この画像は地表近く
の低い位置から地平線に向けて撮像したものであり、
土、草、木、空などの領域を含んでいる。
【００３９】図４（ｂ）は、原画像情報を６行６列の小
領域に分割した後、各小領域毎にパワースペクトル平均
値を計算した結果である。全体の傾向として、土に相当
する領域のパワースペクトル平均値は小さく、木に相当
する領域のパワースペクトル平均値は大きく、草に相当
する領域のパワースペクトル平均値はそれらの中間値を
示している。パワースペクトル平均値が小さいものから
順番に、小領域ｂ６、ｃ４、ｃ５、ｃ６、ｄ６のグルー
プ、小領域ａ６、ｂ５、ｄ３、ｄ４、ｄ５のグループ、
小領域ａ５、ｂ４、ｃ３のグループ、小領域ｂ３、ｅ
３、ｅ４、ｅ５、ｅ６、ｆ３、ｆ４、ｆ５、ｆ６のグル
ープ、小領域ａ１のグループ、小領域ａ２、ａ３、ａ
４、ｂ１、ｂ２、ｃ１、ｃ２、ｄ１、ｄ２、ｅ１、ｅ
２、ｆ１、ｆ２のグループがハッチングの変化で示して
いる。
領域に分割した後、各小領域毎にパワースペクトル平均
値を計算した結果である。全体の傾向として、土に相当
する領域のパワースペクトル平均値は小さく、木に相当
する領域のパワースペクトル平均値は大きく、草に相当
する領域のパワースペクトル平均値はそれらの中間値を
示している。パワースペクトル平均値が小さいものから
順番に、小領域ｂ６、ｃ４、ｃ５、ｃ６、ｄ６のグルー
プ、小領域ａ６、ｂ５、ｄ３、ｄ４、ｄ５のグループ、
小領域ａ５、ｂ４、ｃ３のグループ、小領域ｂ３、ｅ
３、ｅ４、ｅ５、ｅ６、ｆ３、ｆ４、ｆ５、ｆ６のグル
ープ、小領域ａ１のグループ、小領域ａ２、ａ３、ａ
４、ｂ１、ｂ２、ｃ１、ｃ２、ｄ１、ｄ２、ｅ１、ｅ
２、ｆ１、ｆ２のグループがハッチングの変化で示して
いる。
【００４０】図４（ｃ）は、パワースペクトル平均値の
ヒストグラムであり、横軸が小領域内のパワースペクト
ル平均値の強度で、縦軸が小領域の度数である。これ
を、図４（ａ）の原画像情報と比較しながら、土、草、
木の境界に相当する部分をしきい値ＴＨａ、ＴＨｂとし
て定める。
ヒストグラムであり、横軸が小領域内のパワースペクト
ル平均値の強度で、縦軸が小領域の度数である。これ
を、図４（ａ）の原画像情報と比較しながら、土、草、
木の境界に相当する部分をしきい値ＴＨａ、ＴＨｂとし
て定める。
【００４１】図４（ｄ）は領域分割の結果である。図４
（ｃ）で計算されたしきい値ＴＨａ、ＴＨｂに基づい
て、図４（ｂ）のパワースペクトル平均値をしきい値処
理すると、ここでは土の領域（小領域ａ６、ｂ５、ｂ
６、ｃ４、ｃ５、ｃ６、ｄ３、ｄ４、ｄ５、ｄ６）と、
草の領域（小領域ａ５、ｂ３、ｂ４、ｃ３、ｅ３、ｅ
４、ｅ５、ｅ６、ｆ３、ｆ４、ｆ５、ｆ６）と、木の領
域（小領域ａ２、ａ３、ａ４、ｂ１、ｂ２、ｃ１、ｃ
２、ｄ１、ｄ２、ｅ１、ｅ２、ｆ１、ｆ２）、空の領域
（小領域ａ１）とに領域分割される。
（ｃ）で計算されたしきい値ＴＨａ、ＴＨｂに基づい
て、図４（ｂ）のパワースペクトル平均値をしきい値処
理すると、ここでは土の領域（小領域ａ６、ｂ５、ｂ
６、ｃ４、ｃ５、ｃ６、ｄ３、ｄ４、ｄ５、ｄ６）と、
草の領域（小領域ａ５、ｂ３、ｂ４、ｃ３、ｅ３、ｅ
４、ｅ５、ｅ６、ｆ３、ｆ４、ｆ５、ｆ６）と、木の領
域（小領域ａ２、ａ３、ａ４、ｂ１、ｂ２、ｃ１、ｃ
２、ｄ１、ｄ２、ｅ１、ｅ２、ｆ１、ｆ２）、空の領域
（小領域ａ１）とに領域分割される。
【００４２】以上の説明では、原画像情報を６行６列の
小領域に分割した例を示したが、複数行×複数列の分割
でも同様に適用可能である。
小領域に分割した例を示したが、複数行×複数列の分割
でも同様に適用可能である。
【００４３】このような画像処理は、１）自律走行車両
の環境認識（特に、木・土・草等の領域分割に有効）、
２）海面等の水面状況（波の荒さ、浮遊物の有無）、雲
量などの定量的な評価、３）検査（印刷物、繊維、織
物、金網、屋根、壁面、模様付床材、壁紙、絨毯などの
汚損度・色合変化、４）整備状況の定量的な評価（船体
喫水線下の塗装損傷度、滑走路、道路、ゴルフ場、野球
場、サッカー場、テニスコートなど）、５）監視・測定
（赤潮発生状況、侵入者監視、道路の通行量、観客の白
熱度、作物の育成状況、山林の針葉樹・落葉樹比率な
ど）、等に好適に適用される。
の環境認識（特に、木・土・草等の領域分割に有効）、
２）海面等の水面状況（波の荒さ、浮遊物の有無）、雲
量などの定量的な評価、３）検査（印刷物、繊維、織
物、金網、屋根、壁面、模様付床材、壁紙、絨毯などの
汚損度・色合変化、４）整備状況の定量的な評価（船体
喫水線下の塗装損傷度、滑走路、道路、ゴルフ場、野球
場、サッカー場、テニスコートなど）、５）監視・測定
（赤潮発生状況、侵入者監視、道路の通行量、観客の白
熱度、作物の育成状況、山林の針葉樹・落葉樹比率な
ど）、等に好適に適用される。
【００４４】
【発明の効果】以上詳説したように本発明によれば、奥
行き感のある画像情報を複数の領域に分割し、各分割領
域の特徴量としてパワースペクトル平均値を計算してい
るため、スケール変化による判定誤差を排除できる。
行き感のある画像情報を複数の領域に分割し、各分割領
域の特徴量としてパワースペクトル平均値を計算してい
るため、スケール変化による判定誤差を排除できる。
【００４５】また、カラー画像情報から抽出した色相情
報に基づいて、各分割領域毎にパワースペクトル平均値
を計算することによって、色のテクスチャ性の変化を確
実に判定できる。
報に基づいて、各分割領域毎にパワースペクトル平均値
を計算することによって、色のテクスチャ性の変化を確
実に判定できる。
【００４６】こうして自然界に存在する複雑な色で構成
される処理対象物体を特徴別に領域分割することが可能
になる。
される処理対象物体を特徴別に領域分割することが可能
になる。
【図１】本発明の第１実施例を示す構成図である。
【図２】本発明の第２実施例を示す構成図である。
【図３】色変換部１２での色相変換関数をグラフであ
る。
る。
【図４】画像処理の手順および結果を示す説明図であ
る。
る。
１０ 画像入力部 １１ 撮像部 １２ 色変換部 ２０ 特徴量演算部 ３０ しきい値解析部 ４０ 領域分割部 ５０ 無色相領域検出部 ６０ 低彩度領域検出部 ７０ 総合判断部
フロントページの続き (56)参考文献 特開 平６−295168（ＪＰ，Ａ) ＭＯＮＴＥＳ Ｊ ＥＴ．ＡＬ．，Ｔ ＥＸＴＵＲＥ ＩＳＯＬＡＴＩＯＮ Ｂ Ｙ ＡＤＡＰＴＩＶＥ ＤＩＧＩＴＡＬ ＦＩＬＴＥＲＩＮＧ，ＩＭＡＧＥ Ｖ ＩＳ ＣＯＭＰＵＴ，ＶＯＬ．６，Ｎ Ｏ．３，Ｐ．189−192，1988 (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 7/00 G06T 1/00 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (7)
- 【請求項１】 奥行き感のある画像情報を複数の領域に
分割し、各分割領域毎にパワースペクトル平均値を計算
し、該パワースペクトル平均値と所定閾値とを比較する
ことによって各分割領域の特性を判定することを特徴と
する画像処理方法。 - 【請求項２】 カラー画像情報から色相情報を抽出し、
該色相情報を複数の領域に分割し、各分割領域毎にパワ
ースペクトル平均値を計算し、該パワースペクトル平均
値と所定閾値とを比較することによって各分割領域の特
性を判定することを特徴とする画像処理方法。 - 【請求項３】 カラー画像情報が自然界を撮像したもの
であって、カラー画像情報から色相情報を抽出する際、
表色系におけるＲ軸周辺からＧ軸周辺の範囲は残り色相
範囲より変換分解能が高いことを特徴とする請求項２記
載の画像処理方法。 - 【請求項４】 カラー画像情報から色相情報および無色
相画素を抽出し、該色相情報を複数の領域に分割し、各
分割領域毎にパワースペクトル平均値を計算し、該パワ
ースペクトル平均値と所定閾値とを比較するとともに、
各分割領域における無色相画素の占有率を計算し、前記
比較結果および該占有率を用いて各分割領域の特性を判
定することを特徴とする画像処理方法。 - 【請求項５】 カラー画像情報から色相情報および低彩
度画素を抽出し、該色相情報を複数の領域に分割し、各
分割領域毎にパワースペクトル平均値を計算し、該パワ
ースペクトル平均値と所定閾値とを比較するとともに、
各分割領域における低彩度画素の占有率を計算し、前記
比較結果および該占有率を用いて各分割領域の特性を判
定することを特徴とする画像処理方法。 - 【請求項６】 奥行き感のある画像情報を得るための撮
像手段と、 該画像情報を複数の領域に分割し、各分割領域毎にパワ
ースペクトル平均値を計算する特徴量演算手段と、 該パワースペクトル平均値と所定閾値とを比較すること
によって各分割領域の特性を判定する判定手段とを含む
ことを特徴とする画像処理装置。 - 【請求項７】 カラー画像情報を得るためのカラー撮像
手段と、 該カラー画像情報から色相情報を抽出するための色変換
手段と、 該色相情報を複数の領域に分割し、各分割領域毎にパワ
ースペクトル平均値を計算する特徴量演算手段と、 該パワースペクトル平均値と所定閾値とを比較すること
によって各分割領域の特性を判定する判定手段とを含む
ことを特徴とする画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7073822A JP2781530B2 (ja) | 1995-03-30 | 1995-03-30 | 画像処理方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7073822A JP2781530B2 (ja) | 1995-03-30 | 1995-03-30 | 画像処理方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08272967A JPH08272967A (ja) | 1996-10-18 |
| JP2781530B2 true JP2781530B2 (ja) | 1998-07-30 |
Family
ID=13529238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7073822A Expired - Fee Related JP2781530B2 (ja) | 1995-03-30 | 1995-03-30 | 画像処理方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2781530B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001009215A (ja) * | 1999-06-30 | 2001-01-16 | Kansai Electric Power Co Inc:The | 赤潮等水中懸濁物の分離除去装置および水質浄化処理船 |
| JP2008210165A (ja) * | 2007-02-27 | 2008-09-11 | Tohoku Kensetsu Kyokai | 植生判定方法及び画像処理装置 |
| JP4747122B2 (ja) * | 2007-03-23 | 2011-08-17 | Ｎｅｃシステムテクノロジー株式会社 | 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム |
| JP6405422B2 (ja) * | 2017-07-19 | 2018-10-17 | 日立建機株式会社 | 作業機械の周囲監視装置 |
-
1995
- 1995-03-30 JP JP7073822A patent/JP2781530B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| ＭＯＮＴＥＳ Ｊ ＥＴ．ＡＬ．，ＴＥＸＴＵＲＥ ＩＳＯＬＡＴＩＯＮ ＢＹ ＡＤＡＰＴＩＶＥ ＤＩＧＩＴＡＬ ＦＩＬＴＥＲＩＮＧ，ＩＭＡＧＥ ＶＩＳ ＣＯＭＰＵＴ，ＶＯＬ．６，ＮＯ．３，Ｐ．１８９−１９２，１９８８ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08272967A (ja) | 1996-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA3032487C (en) | Saliency-based method for extracting road target from night vision infrared image | |
| CN113592882B (zh) | 一种基于无人机多源遥感的树冠提取方法 | |
| US20050175253A1 (en) | Method for producing cloud free and cloud-shadow free images | |
| CN111179334A (zh) | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
| US8249342B1 (en) | Color analytics for a digital image | |
| WO2014004271A2 (en) | Method and system for use of intrinsic images in an automotive driver-vehicle-assistance device | |
| CN110852323A (zh) | 一种基于角点的空中目标探测方法 | |
| CN109492525B (zh) | 一种测量基站天线工程参数的方法 | |
| US10810704B2 (en) | Method for processing an optical image acquired in the presence of aerosols and/or clouds in the atmosphere | |
| CN112927233A (zh) | 一种船用激光雷达与视频联合目标捕捉方法 | |
| WO2021084907A1 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| Huang et al. | An underwater image enhancement method for simultaneous localization and mapping of autonomous underwater vehicle | |
| JP4747122B2 (ja) | 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム | |
| CN112884795A (zh) | 一种基于多特征显著性融合的输电线路巡检前景与背景分割方法 | |
| JP2781530B2 (ja) | 画像処理方法および装置 | |
| Mitomi et al. | Application of automated damage detection of buildings due to earthquakes by panchromatic television images | |
| CN116229084A (zh) | 一种对空目标的检测方法 | |
| CN115311240A (zh) | 一种适用于移动机器视觉的桥梁表观裂缝智能辨识方法 | |
| JP3817611B2 (ja) | 可視画像式路面状況把握装置における路面状況判定方法 | |
| CN115100240A (zh) | 视频中的物体追踪方法及装置、电子设备、存储介质 | |
| US20230022429A1 (en) | Systems and methods for efficently sensing collison threats | |
| Li et al. | Generating" Cloud free" and" Cloud-Shadow free" mosaic for SPOT panchromatic images | |
| CN109592342A (zh) | 一种视觉圆柱形物料输料方法及系统 | |
| KR100230446B1 (ko) | 칼라 화상으로부터 조명의 칼라를 결정하는 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090515 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100515 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110515 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110515 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130515 Year of fee payment: 15 |
|
| LAPS | Cancellation because of no payment of annual fees |