JP3155033B2 - 類似尺度構成処理方法 - Google Patents
類似尺度構成処理方法Info
- Publication number
- JP3155033B2 JP3155033B2 JP23447991A JP23447991A JP3155033B2 JP 3155033 B2 JP3155033 B2 JP 3155033B2 JP 23447991 A JP23447991 A JP 23447991A JP 23447991 A JP23447991 A JP 23447991A JP 3155033 B2 JP3155033 B2 JP 3155033B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- mapping
- similarity
- images
- multidimensional
- 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 - Lifetime
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、画像が蓄積されたデー
タベースから例示画像を与えて所望のあるいは類似の画
像を検索するための類似尺度構成処理方法に関するもの
である。
タベースから例示画像を与えて所望のあるいは類似の画
像を検索するための類似尺度構成処理方法に関するもの
である。
【０００２】
【従来の技術】従来、画像が蓄積されたデータベースに
対して、例示画像を与えて当該データベースから所望の
あるいは類似の画像を検索するには、例示画像から取得
した物理的な特徴量と蓄積された画像から予め取得して
ある物理的な特徴量とから構成した類似尺度を用いて比
較し、選択した画像をユーザーに提示するものであっ
た。また、最近では、人間の感覚を利用することが考慮
されつつある。
対して、例示画像を与えて当該データベースから所望の
あるいは類似の画像を検索するには、例示画像から取得
した物理的な特徴量と蓄積された画像から予め取得して
ある物理的な特徴量とから構成した類似尺度を用いて比
較し、選択した画像をユーザーに提示するものであっ
た。また、最近では、人間の感覚を利用することが考慮
されつつある。
【０００３】
【発明が解決しようとする課題】しかし、画像から取得
した物理的な特徴量のみからでは、必ずしも人が満足す
る類似尺度を構成できないため、検索結果が、人間の感
覚と対応したものではないという問題点があった。また
上記の如く、人間の感覚を利用することも考慮されつつ
あるが、当該人間の感覚を利用する過程において、何ら
かの意味付けが行われるものであって、ある意味付けが
重要視されるとそれ以外の意味付けが考慮されないこと
となり、人間の感覚をいわばそのまま反映するものとは
なり難かった。
した物理的な特徴量のみからでは、必ずしも人が満足す
る類似尺度を構成できないため、検索結果が、人間の感
覚と対応したものではないという問題点があった。また
上記の如く、人間の感覚を利用することも考慮されつつ
あるが、当該人間の感覚を利用する過程において、何ら
かの意味付けが行われるものであって、ある意味付けが
重要視されるとそれ以外の意味付けが考慮されないこと
となり、人間の感覚をいわばそのまま反映するものとは
なり難かった。
【０００４】本発明は上記従来の問題点を解決し、例示
画像を用いた検索により、人の視覚、感覚等に合致した
検索を行い得るようにすることを目的とする。
画像を用いた検索により、人の視覚、感覚等に合致した
検索を行い得るようにすることを目的とする。
【０００５】
【課題を解決するための手段】図１は本発明の原理構成
図を示す。図中の符号１０１は心理的非類似または類似
性表現部，１０２は特徴抽出部，１０３は写像生成部，
１０４は適合度評価部を表している。
図を示す。図中の符号１０１は心理的非類似または類似
性表現部，１０２は特徴抽出部，１０３は写像生成部，
１０４は適合度評価部を表している。
【０００６】心理的非類似または類似性表現部１０１
は，画像間の心理的な非類似または類似を表すデータを
用いて、画像を、非類似または類似性を表す多次元の尺
度で表現する。
は，画像間の心理的な非類似または類似を表すデータを
用いて、画像を、非類似または類似性を表す多次元の尺
度で表現する。
【０００７】特徴抽出部１０２は，画像から複数の特徴
の要素を抽出する。写像生成部１０３は，画像から抽出
した複数の特徴の要素から前述の非類似または類似性を
表す多次元の尺度への写像を求める。
の要素を抽出する。写像生成部１０３は，画像から抽出
した複数の特徴の要素から前述の非類似または類似性を
表す多次元の尺度への写像を求める。
【０００８】適合度評価部１０４は，前述の画像間の心
理的な非類似または類似を表すデータと前述の写像との
データの適合度を自乗誤差で評価し、画像を表現する多
次元の尺度の最適な次元数を決定する。
理的な非類似または類似を表すデータと前述の写像との
データの適合度を自乗誤差で評価し、画像を表現する多
次元の尺度の最適な次元数を決定する。
【０００９】
【作用】画像を心理的な判断にて多次元の尺度で表現し
ておき，一方で各画像から特徴の要素を抽出する。そし
て両者を対応づけた上で，自乗誤差手段にて最適な次元
数を決定するよう構成する。
ておき，一方で各画像から特徴の要素を抽出する。そし
て両者を対応づけた上で，自乗誤差手段にて最適な次元
数を決定するよう構成する。
【００１０】
【実施例】図２は本発明の一実施例を示す構成図で、１
は主観評価データ入力部、２は主観評価データ解析部、
３は画像データ入力部、４は特徴抽出部、５は類似尺度
構成部、６は画像蓄積部、７はインデックスファイル、
８は類似尺度蓄積部、９は類似度計算部、１０は検索
部、１１は表示部である。
は主観評価データ入力部、２は主観評価データ解析部、
３は画像データ入力部、４は特徴抽出部、５は類似尺度
構成部、６は画像蓄積部、７はインデックスファイル、
８は類似尺度蓄積部、９は類似度計算部、１０は検索
部、１１は表示部である。
【００１１】図３は、実施例における類似尺度処理の流
れ図である。図４は、実施例における検索処理の流れ図
である。図５、図６は一緒になって１つの図を構成する
ものであって、検索系を構成する蓄積画像（蝶の画像２
５枚の例）間の（非）類似度を表す主観評価データ例で
ある。
れ図である。図４は、実施例における検索処理の流れ図
である。図５、図６は一緒になって１つの図を構成する
ものであって、検索系を構成する蓄積画像（蝶の画像２
５枚の例）間の（非）類似度を表す主観評価データ例で
ある。
【００１２】図７は、検索系を構成する蓄積画像（蝶の
画像２５枚の例）を２次元のユークリッド空間上で表し
た場合の座標値の例である。図８は、物理空間から心理
空間への写像ｆを示す概念図である。
画像２５枚の例）を２次元のユークリッド空間上で表し
た場合の座標値の例である。図８は、物理空間から心理
空間への写像ｆを示す概念図である。
【００１３】図９は、蝶についてのストレスおよび自乗
誤差と次元数との関係を示す図の例である。先ず、画像
データベース中の蓄積画像から選択した、検索系を構成
する蓄積画像（ｎ枚）について、画像間の心理的な類似
関係を調べるために、複数の人による主観評価を実施
し、各蓄積画像間の類似度を得る。この時用いられる検
索系を構成する蓄積画像は、全蓄積画像と同じか、その
部分集合の画像となる。この検索系を構成する蓄積画像
は、この画像データベースの母集団の内容を反映した集
合であることが望ましい。一例としては、全蓄積画像を
似ている画像を同じグループにするというグループ分け
を実施した後、各グループの平均的な画像を選択すると
いう手法がある。これらの手続きは、図３の「検索系を
構成する蓄積画像について主観評価を実施２１」に該当
する。主観評価の手法にも各種あるが、例えば、多重比
率判断法や順位法などの手法をとることができる。
誤差と次元数との関係を示す図の例である。先ず、画像
データベース中の蓄積画像から選択した、検索系を構成
する蓄積画像（ｎ枚）について、画像間の心理的な類似
関係を調べるために、複数の人による主観評価を実施
し、各蓄積画像間の類似度を得る。この時用いられる検
索系を構成する蓄積画像は、全蓄積画像と同じか、その
部分集合の画像となる。この検索系を構成する蓄積画像
は、この画像データベースの母集団の内容を反映した集
合であることが望ましい。一例としては、全蓄積画像を
似ている画像を同じグループにするというグループ分け
を実施した後、各グループの平均的な画像を選択すると
いう手法がある。これらの手続きは、図３の「検索系を
構成する蓄積画像について主観評価を実施２１」に該当
する。主観評価の手法にも各種あるが、例えば、多重比
率判断法や順位法などの手法をとることができる。
【００１４】多重比率判断法は、検索系を構成する蓄積
画像中の１つの画像を基準として、基準画像との非類似
性を物理的な距離で計る方法で、非類似性に相当する物
理的な距離の位置に他の画像を置く。同様な手続きを全
ての画像が基準画像となるまで繰り返す。
画像中の１つの画像を基準として、基準画像との非類似
性を物理的な距離で計る方法で、非類似性に相当する物
理的な距離の位置に他の画像を置く。同様な手続きを全
ての画像が基準画像となるまで繰り返す。
【００１５】順位法は、検索系を構成する蓄積画像中の
１つの画像を基準として、基準画像に最も似ている画像
を１つ選び、つぎにその画像を取り除いた後、基準画像
に最も似ている画像を１つ選ぶという反復手続きで、全
体の順位づけを行う。同様な手続きを全ての画像が基準
画像となるまで繰り返す。
１つの画像を基準として、基準画像に最も似ている画像
を１つ選び、つぎにその画像を取り除いた後、基準画像
に最も似ている画像を１つ選ぶという反復手続きで、全
体の順位づけを行う。同様な手続きを全ての画像が基準
画像となるまで繰り返す。
【００１６】得られた各蓄積画像間の（非）類似度を表
す主観評価データ例を、図５、図６に示す。このとき自
分自身との非類似度は零と考える。この得られた各蓄積
画像間の（非）類似度を表す主観評価データを、図２に
示す主観評価データ入力部１より入力する。人の（非）
類似性判断について、入力された主観評価データを主観
評価データ解析部２で解析する。人が画像の（非）類似
性をｐ次元の尺度で見ていたとすると、主観評価データ
をｐ次元の視点で記述できると良い。そこで、主観評価
データの順序関係を崩さず構成できる次元を低い次元か
ら順に調べていき、各蓄積間の（非）類似度ができるだ
け歪まない最適な次元を採用する。このとき、ｎ枚の蓄
積画像をｐ次元のユークリッド空間のｎ個の点として表
すとすると（座標値をｎ×ｐの行列Ｘで表す）、ヤング
・ハウスホルダー変換Ｐを満足するように定められる必
要がある。ｎ枚の蓄積画像間のユークリッド距離の二乗
をその要素とする
す主観評価データ例を、図５、図６に示す。このとき自
分自身との非類似度は零と考える。この得られた各蓄積
画像間の（非）類似度を表す主観評価データを、図２に
示す主観評価データ入力部１より入力する。人の（非）
類似性判断について、入力された主観評価データを主観
評価データ解析部２で解析する。人が画像の（非）類似
性をｐ次元の尺度で見ていたとすると、主観評価データ
をｐ次元の視点で記述できると良い。そこで、主観評価
データの順序関係を崩さず構成できる次元を低い次元か
ら順に調べていき、各蓄積間の（非）類似度ができるだ
け歪まない最適な次元を採用する。このとき、ｎ枚の蓄
積画像をｐ次元のユークリッド空間のｎ個の点として表
すとすると（座標値をｎ×ｐの行列Ｘで表す）、ヤング
・ハウスホルダー変換Ｐを満足するように定められる必
要がある。ｎ枚の蓄積画像間のユークリッド距離の二乗
をその要素とする
【００１７】
【数１】
【００１８】は次のように表される。
【００１９】
【数２】
【００２０】なお当該行列は、各蓄積画像間の主観評価
データの値を距離におきかえた場合に、Ｐ次元ユークリ
ッド空間におけるｎ枚の蓄積画像間のユークリッド距離
の２乗をその要素とする行列である。ここで、
データの値を距離におきかえた場合に、Ｐ次元ユークリ
ッド空間におけるｎ枚の蓄積画像間のユークリッド距離
の２乗をその要素とする行列である。ここで、
【００２１】
【数３】
【００２２】はその要素がすべて１のｎ次元ベクトル、
【００２３】
【数４】
【００２４】は
【００２５】
【数５】
【００２６】の対角要素を対角要素とする対角行列であ
る。この
る。この
【００２７】
【数６】
【００２８】を用いてヤング・ハウスホルダー変換
【００２９】
【数７】
【００３０】は
【００３１】
【数８】
【００３２】で表される。すなわち式（２）は、ユーク
リッド距離の２乗の行列（段落（００１９）の行列）が
ヤング・ハウスホルダー変換によって、主観評価データ
の重心を原点とするｎ×ｐの座標行列（上記式（２）に
おける「Ｘ * 」の行列）とその転置行列の積に変換され
ることを示している。ここで、
リッド距離の２乗の行列（段落（００１９）の行列）が
ヤング・ハウスホルダー変換によって、主観評価データ
の重心を原点とするｎ×ｐの座標行列（上記式（２）に
おける「Ｘ * 」の行列）とその転置行列の積に変換され
ることを示している。ここで、
【００３３】
【数９】
【００３４】は
【００３５】
【数１０】
【００３６】と定義する。この
【００３７】
【数１１】
【００３８】は次の性質を持つ。
【００３９】
【数１２】 なお、上記においてダッシュ「’」を付したもの
は「’」をつけていない行列の転置行列を表している。
は「’」をつけていない行列の転置行列を表している。
【００４０】このとき、
【００４１】
【数１３】
【００４２】に最小二乗近似の意味で最も一致するよう
に
に
【００４３】
【数１４】
【００４４】を求める方法をとる。この手続きは、多次
元尺度法のアプローチとなり、図３の「主観評価データ
を解析し心理要因を表す多次元の尺度に分解２２」の処
理に該当する。また、ここで、求めた主観評価データの
関係を多次元に分解した各尺度における値は、各尺度を
多次元空間での軸とすると、多次元空間上での各軸の座
標値に相当する。図７は検索系を構成する蓄積画像（蝶
の画像２５枚）を２次元のユークリッド空間上で表した
場合の座標値の例である。この座標値の当てはまり具合
を表す尺度としてストレスという尺度がある。これは次
の式で定義される。
元尺度法のアプローチとなり、図３の「主観評価データ
を解析し心理要因を表す多次元の尺度に分解２２」の処
理に該当する。また、ここで、求めた主観評価データの
関係を多次元に分解した各尺度における値は、各尺度を
多次元空間での軸とすると、多次元空間上での各軸の座
標値に相当する。図７は検索系を構成する蓄積画像（蝶
の画像２５枚）を２次元のユークリッド空間上で表した
場合の座標値の例である。この座標値の当てはまり具合
を表す尺度としてストレスという尺度がある。これは次
の式で定義される。
【００４５】
【数１５】
【００４６】ここで、ｓはストレス、
【００４７】
【数１６】
【００４８】は主観評価実験等で得られた画像ｉと画像
ｊの間の非類似度と同じ順序をもつという条件下でｓを
最小化するように決められた値で、ｄijは、ｐ次元で表
現した時の画像ｉと画像ｊ間の非類似度である。ストレ
スは小さい方が良いが、いくつ以下なら十分であるとす
るかは恣意的な問題である。一般には１０％以下でまあ
まあで、５％以下なら良いとされている。
ｊの間の非類似度と同じ順序をもつという条件下でｓを
最小化するように決められた値で、ｄijは、ｐ次元で表
現した時の画像ｉと画像ｊ間の非類似度である。ストレ
スは小さい方が良いが、いくつ以下なら十分であるとす
るかは恣意的な問題である。一般には１０％以下でまあ
まあで、５％以下なら良いとされている。
【００４９】一方、全蓄積画像は、画像データ入力部３
からカメラやスキャナ等の入力装置を用いて、システム
に入力され、特徴抽出部４で各画像毎に各種の物理的な
特徴量を取得する。この手続きは図３の「検索系を構成
する蓄積画像から特徴抽出２３」に該当する。なお、物
理的な特徴量とは、画像から取得した特徴量（例えば、
メッシュ特徴やフーリエ特徴など）であり、種類・数に
制限はない。この際、統計的な線形手法あるいはニュー
ラルネット等の非線形手法等により写像を求めるため、
物理的な特徴の総和ｑと蓄積画像数ｎとは少なくともｑ
≦ｎの関係が必要であり、ｎがｑに比べてできるだけ多
い方が望ましい。
からカメラやスキャナ等の入力装置を用いて、システム
に入力され、特徴抽出部４で各画像毎に各種の物理的な
特徴量を取得する。この手続きは図３の「検索系を構成
する蓄積画像から特徴抽出２３」に該当する。なお、物
理的な特徴量とは、画像から取得した特徴量（例えば、
メッシュ特徴やフーリエ特徴など）であり、種類・数に
制限はない。この際、統計的な線形手法あるいはニュー
ラルネット等の非線形手法等により写像を求めるため、
物理的な特徴の総和ｑと蓄積画像数ｎとは少なくともｑ
≦ｎの関係が必要であり、ｎがｑに比べてできるだけ多
い方が望ましい。
【００５０】さらに、蓄積画像から取得した特徴量で表
される物理空間から、主観評価データを解析して得られ
た多次元の心理空間への、写像ｆを類似尺度構成部５に
おいて統計的な線形手法あるいはニューラルネット等の
非線形手法等を用いて求める。この写像ｆは１つあるい
は複数で定義する。この写像ｆにより、人間の感覚と対
応した類似尺度を構成することが可能となる。図８に物
理空間から心理空間へのこの写像ｆを表す概念図を示
す。たとえば、写像ｆは、多次元尺度法で求めた各軸の
座標値を目的変数とし、画像から取得した特徴量を説明
変数として重回帰分析を行うことにより求めることがで
きる。この時、写像ｆの当てはまり具合は表現する次元
毎に自乗誤差で評価し、ストレスの値があるしきい値ｔ
ｈ以下で、収束していると見なせる（ある一定に漸近し
ている）ならば、その時の次元数以上で、かつ自乗誤差
の最も小さい次元を最適な次元と決定する。
される物理空間から、主観評価データを解析して得られ
た多次元の心理空間への、写像ｆを類似尺度構成部５に
おいて統計的な線形手法あるいはニューラルネット等の
非線形手法等を用いて求める。この写像ｆは１つあるい
は複数で定義する。この写像ｆにより、人間の感覚と対
応した類似尺度を構成することが可能となる。図８に物
理空間から心理空間へのこの写像ｆを表す概念図を示
す。たとえば、写像ｆは、多次元尺度法で求めた各軸の
座標値を目的変数とし、画像から取得した特徴量を説明
変数として重回帰分析を行うことにより求めることがで
きる。この時、写像ｆの当てはまり具合は表現する次元
毎に自乗誤差で評価し、ストレスの値があるしきい値ｔ
ｈ以下で、収束していると見なせる（ある一定に漸近し
ている）ならば、その時の次元数以上で、かつ自乗誤差
の最も小さい次元を最適な次元と決定する。
【００５１】
【数１７】
【００５２】ここで、
【００５３】
【数１８】
【００５４】は物理特徴量から計算されるｐ次元心理空
間中の画像ｉと画像ｊとの間の推定距離である。図９に
蝶についてのストレスおよび自乗誤差と次元数との関係
を示す図の例を示す。この例では、７次元が最適次元で
ある。この７次元の多次元心理空間は人間の主観を反映
した空間と言える。
間中の画像ｉと画像ｊとの間の推定距離である。図９に
蝶についてのストレスおよび自乗誤差と次元数との関係
を示す図の例を示す。この例では、７次元が最適次元で
ある。この７次元の多次元心理空間は人間の主観を反映
した空間と言える。
【００５５】その後、最適な次元について、蓄積画像は
画像蓄積部６へ、多次元心理空間の各軸における座標値
は、各蓄積画像と対応してインデックスファイル７に、
写像ｆにより作成された写像を表す関数および各種パラ
メータの値は、類似尺度蓄積部８に、それぞれ、格納さ
れる。また、検索系を構成する蓄積画像以外の蓄積画像
および追加の画像は、画像データ入力部３より、カメラ
やスキャナ等の入力装置を用いて、システムに入力さ
れ、特徴抽出部４で各画像毎に類似尺度構成時と同じ各
種の物理的な特徴量を取得する。次に、類似度計算部９
において、取得した物理的な特徴量より、類似尺度蓄積
部８から取りだした類似尺度を用いて、多次元心理空間
上における各軸の写像値を計算する。画像は画像蓄積部
６へ、多次元心理空間の各軸における座標値は、各蓄積
画像と対応してインデックスファイル７に、それぞれ格
納される。
画像蓄積部６へ、多次元心理空間の各軸における座標値
は、各蓄積画像と対応してインデックスファイル７に、
写像ｆにより作成された写像を表す関数および各種パラ
メータの値は、類似尺度蓄積部８に、それぞれ、格納さ
れる。また、検索系を構成する蓄積画像以外の蓄積画像
および追加の画像は、画像データ入力部３より、カメラ
やスキャナ等の入力装置を用いて、システムに入力さ
れ、特徴抽出部４で各画像毎に類似尺度構成時と同じ各
種の物理的な特徴量を取得する。次に、類似度計算部９
において、取得した物理的な特徴量より、類似尺度蓄積
部８から取りだした類似尺度を用いて、多次元心理空間
上における各軸の写像値を計算する。画像は画像蓄積部
６へ、多次元心理空間の各軸における座標値は、各蓄積
画像と対応してインデックスファイル７に、それぞれ格
納される。
【００５６】これらの手続きは、図３の「画像の特徴の
要素から多次元心理空間への写像を計算し、類似尺度を
構成する２４」に該当する。検索時には、利用者から例
示画像が画像データ入力部３より、カメラやスキャナ等
の入力装置を用いてシステムに入力され、特徴抽出部４
で類似尺度構成時と同じ各種の物理的な特徴を取得す
る。この手続きは図４の「例示画像の提示３１」と「例
示画像からの特徴抽出３２」に該当する。
要素から多次元心理空間への写像を計算し、類似尺度を
構成する２４」に該当する。検索時には、利用者から例
示画像が画像データ入力部３より、カメラやスキャナ等
の入力装置を用いてシステムに入力され、特徴抽出部４
で類似尺度構成時と同じ各種の物理的な特徴を取得す
る。この手続きは図４の「例示画像の提示３１」と「例
示画像からの特徴抽出３２」に該当する。
【００５７】次に、類似度計算部９において、取得した
物理的な特徴量より、類似尺度蓄積部８から取りだした
類似尺度を用いて、例示画像の多次元心理空間上におけ
る各軸の写像値を計算する。この手続きは、図４の「類
似度の計算３３」に該当する。さらに最小距離識別法に
より、検索部１０において、例示画像の多次元空間上で
の各軸の座標値から、インデックスファイル７から求め
た蓄積画像の多次元空間上における位置との距離を計算
し、例示画像との距離が近い順に画像蓄積部６より、複
数の候補画像を検索し、表示部１１に表示する。この様
に多次元心理空間上での距離が近い画像は心理的に類似
していることを表している。この手続きは、図４の「蓄
積画像と比較し、類似している画像から順序をつけ、ユ
ーザーに提示３４」に該当する。
物理的な特徴量より、類似尺度蓄積部８から取りだした
類似尺度を用いて、例示画像の多次元心理空間上におけ
る各軸の写像値を計算する。この手続きは、図４の「類
似度の計算３３」に該当する。さらに最小距離識別法に
より、検索部１０において、例示画像の多次元空間上で
の各軸の座標値から、インデックスファイル７から求め
た蓄積画像の多次元空間上における位置との距離を計算
し、例示画像との距離が近い順に画像蓄積部６より、複
数の候補画像を検索し、表示部１１に表示する。この様
に多次元心理空間上での距離が近い画像は心理的に類似
していることを表している。この手続きは、図４の「蓄
積画像と比較し、類似している画像から順序をつけ、ユ
ーザーに提示３４」に該当する。
【００５８】利用者はこのように所望あるいは類似の画
像を得ることができる。また、画面に表示していない画
像でも、表示画面を指定することで例示画像と類似して
いる順に見ることができる。
像を得ることができる。また、画面に表示していない画
像でも、表示画面を指定することで例示画像と類似して
いる順に見ることができる。
【００５９】
【発明の効果】以上、説明したように、本発明によれ
ば、画像データベースに蓄積する画像について、主観評
価を実施し、画像間の心理的な類似関係を取得している
ため、従来の物理的な特徴量のみによる類似尺度では得
られない、心理的な類似関係に基づいた類似尺度を構成
でき、人間の感覚と対応した類似検索を実現できる利点
がある。
ば、画像データベースに蓄積する画像について、主観評
価を実施し、画像間の心理的な類似関係を取得している
ため、従来の物理的な特徴量のみによる類似尺度では得
られない、心理的な類似関係に基づいた類似尺度を構成
でき、人間の感覚と対応した類似検索を実現できる利点
がある。
【図１】本発明の原理構成図である。
【図２】本発明の一実施例を示す構成図である。
【図３】実施例における類似尺度処理の流れ図である。
【図４】実施例における検索処理の流れ図である。
【図５】検索系を構成する蓄積画像（蝶の画像２５枚の
例）間の（非）類似度を表す主観評価データ例の一部で
ある。
例）間の（非）類似度を表す主観評価データ例の一部で
ある。
【図６】検索系を構成する蓄積画像（蝶の画像２５枚の
例）間の（非）類似度を表す主観評価データ例の一部で
ある。
例）間の（非）類似度を表す主観評価データ例の一部で
ある。
【図７】検索系を構成する蓄積画像（蝶の画像２５枚の
例）を２次元のユークリッド空間上で表した場合の座標
値の例である。
例）を２次元のユークリッド空間上で表した場合の座標
値の例である。
【図８】物理空間から心理空間への写像ｆを示す概念図
である。
である。
【図９】蝶についてのストレスおよび自乗誤差と次元数
との関係を示す図の例である。
との関係を示す図の例である。
１０１ 心理的非類似または類似性表現部 １０２ 特徴抽出部 １０３ 写像生成部 １０４ 適合度評価部 １ 主観評価データ入力部 ２ 主観評価データ解析部 ３ 画像データ入力部 ４ 特徴抽出部 ５ 類似尺度構成部 ６ 画像蓄積部 ７ インデックスファイル ８ 類似尺度蓄積部 ９ 類似度計算部 １０ 検索部 １１ 表示部
フロントページの続き (56)参考文献 栗田多喜夫，下垣弘行，加藤俊一, 「多変量解析による類似図形検索法 − −判別分析と主座標分析を用いて− −」，情報処理学会研究報告Ｖｏｌ. 88，Ｎｏ．86（88−ＣＶ−57），ｐｐ. １−８（昭和63年11月24日) 栗田多喜夫，下垣弘行，加藤俊一, 「主観的類似度に適応した画像検索」, 情報処理学会論文誌 Ｖｏｌ．31，Ｎ ｏ．２，ｐｐ．227−237（平成２年２月 15日) 柳井晴夫ほか，「多変量解析ハンドブ ック」，ｐｐ．88−93，現代数学社（昭 和61年４月20日) 野呂影勇編，「図説エルゴノミク ス」，ｐｐ．575−578，日本規格協会 （平成２年２月14日) 田邊勝義，大谷淳，「人間の類似感覚 と対比する類似検索の有効性」，1990年 電子情報通信学会秋季全国大会講演論文 集［分冊６］，ｐ396（平成２年10月１ 日) 田邊勝義，大谷淳，石井健一郎，「多 次元心理空間を用いる類似画像検索 法」，電子情報通信学会論文誌Ｖｏｌ. Ｊ75−Ｄ−▲ＩＩ▼，Ｎｏ．11，ｐｐ. 1856−1864（平成４寝11月25日) (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/30 170 G06F 17/30 350 G06F 17/30 360 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (2)
- 【請求項１】 ｎ枚の蓄積画像間の主観評価データの順
序関係を崩さず構成できる次元を低い次元から順に調べ
て行き、各蓄積画像間の非類似度または類似度の歪みが
最小となる次元Ｐを求め、ｎ枚の蓄積画像をＰ次元のユ
ークリッド空間のｎ個の点として表現する多次元尺度法
を実行する処理ステップと、 画像から複数の特徴の要素を抽出する処理ステップと、 画像から抽出した複数の特徴の要素から前記非類似また
は類似性を表す多次元の尺度への写像を求める処理ステ
ップと、 前記画像間の心理的な非類似または類似を表すデータと
前記写像とのデータの適合度を自乗誤差で評価し、画像
を表現する多次元の尺度の最適な次元数Ｐを決定する処
理ステップと、 前記最適な次元数における前記写像のパラメータおよび
画像の写像値を元の画像と対応づけて格納する処理ステ
ップと、 を具備することを特徴とする類似尺度構成処理方法。 - 【請求項２】 前項で作成した類似尺度を用いて、検索
のために入力された画像から前記記載の複数の特徴の要
素を抽出する処理ステップと、 前項記載の写像のパラメータを用いて多次元の写像値を
求める処理ステップと、 前記写像値と前項で蓄積された画像の写像値とを、多次
元の尺度空間において、最小距離識別法を用いて、距離
の近いものから順に提示する処理ステップと、 を具備することを特徴とする請求項１記載の類似尺度構
成処理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23447991A JP3155033B2 (ja) | 1991-09-13 | 1991-09-13 | 類似尺度構成処理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23447991A JP3155033B2 (ja) | 1991-09-13 | 1991-09-13 | 類似尺度構成処理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0573625A JPH0573625A (ja) | 1993-03-26 |
| JP3155033B2 true JP3155033B2 (ja) | 2001-04-09 |
Family
ID=16971665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23447991A Expired - Lifetime JP3155033B2 (ja) | 1991-09-13 | 1991-09-13 | 類似尺度構成処理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3155033B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3026712B2 (ja) * | 1993-12-09 | 2000-03-27 | キヤノン株式会社 | 画像検索方法及びその装置 |
| JPH08129559A (ja) * | 1994-11-02 | 1996-05-21 | Nippon Telegr & Teleph Corp <Ntt> | 曖昧検索用インデックス情報作成装置及び曖昧検索用インデックス情報作成方法 |
| JP3493562B2 (ja) * | 1995-03-01 | 2004-02-03 | 富士通株式会社 | 画像データのブラウジングシステム |
| JP3373086B2 (ja) * | 1995-07-24 | 2003-02-04 | シャープ株式会社 | 情報検索装置 |
| JP3573688B2 (ja) * | 2000-06-28 | 2004-10-06 | 松下電器産業株式会社 | 類似文書検索装置及び関連キーワード抽出装置 |
| JP6888484B2 (ja) * | 2017-08-29 | 2021-06-16 | 富士通株式会社 | 検索プログラム、検索方法、及び、検索プログラムが動作する情報処理装置 |
-
1991
- 1991-09-13 JP JP23447991A patent/JP3155033B2/ja not_active Expired - Lifetime
Non-Patent Citations (6)
| Title |
|---|
| 柳井晴夫ほか，「多変量解析ハンドブック」，ｐｐ．８８−９３，現代数学社（昭和６１年４月２０日） |
| 栗田多喜夫，下垣弘行，加藤俊一，「主観的類似度に適応した画像検索」，情報処理学会論文誌 Ｖｏｌ．３１，Ｎｏ．２，ｐｐ．２２７−２３７（平成２年２月１５日） |
| 栗田多喜夫，下垣弘行，加藤俊一，「多変量解析による類似図形検索法 −−判別分析と主座標分析を用いて−−」，情報処理学会研究報告Ｖｏｌ．８８，Ｎｏ．８６（８８−ＣＶ−５７），ｐｐ．１−８（昭和６３年１１月２４日） |
| 田邊勝義，大谷淳，「人間の類似感覚と対比する類似検索の有効性」，１９９０年電子情報通信学会秋季全国大会講演論文集［分冊６］，ｐ３９６（平成２年１０月１日） |
| 田邊勝義，大谷淳，石井健一郎，「多次元心理空間を用いる類似画像検索法」，電子情報通信学会論文誌Ｖｏｌ．Ｊ７５−Ｄ−▲ＩＩ▼，Ｎｏ．１１，ｐｐ．１８５６−１８６４（平成４寝１１月２５日） |
| 野呂影勇編，「図説エルゴノミクス」，ｐｐ．５７５−５７８，日本規格協会（平成２年２月１４日） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0573625A (ja) | 1993-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7433883B2 (en) | Wide-spectrum information search engine | |
| US6735589B2 (en) | Method of reducing dimensionality of a set of attributes used to characterize a sparse data set | |
| US7194471B1 (en) | Document classification system and method for classifying a document according to contents of the document | |
| JP3116851B2 (ja) | 情報フィルタリング方法及びその装置 | |
| US5021992A (en) | Method of translating data from knowledge base to data base | |
| US6665670B2 (en) | Method and system for graphical representation of multitemporal, multidimensional data relationships | |
| JP3143532B2 (ja) | 画像検索装置及び方法 | |
| CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
| US20060265362A1 (en) | Federated queries and combined text and relational data | |
| WO1995000896A2 (en) | Method and apparatus for indexing searching and displaying data | |
| US20060155662A1 (en) | Sentence classification device and method | |
| CN113204709A (zh) | 基于多维数据深度比对分析的短视频搜索匹配推荐方法、系统及计算机存储介质 | |
| JP4997892B2 (ja) | 検索システム、検索方法及び検索プログラム | |
| KR20060095565A (ko) | 조사 대상 문서의 문서 특징 분석 장치 | |
| US7743061B2 (en) | Document search method with interactively employed distance graphics display | |
| JP2006048633A (ja) | 画像検索システム、画像検索プログラムおよび記憶媒体、並びに画像検索方法 | |
| JP3155033B2 (ja) | 類似尺度構成処理方法 | |
| JP4143234B2 (ja) | 文書分類装置、文書分類方法及び記憶媒体 | |
| JP3373086B2 (ja) | 情報検索装置 | |
| Li | A Bayesian approach for estimating and replacing missing categorical data | |
| JP2004240887A (ja) | 検索情報表示システム及び検索キーワード情報表示方法及び検索キーワード情報表示プログラム | |
| Loui et al. | Multidimensional image value assessment and rating for automated albuming and retrieval | |
| JP4059970B2 (ja) | 情報源推薦装置 | |
| JP3646011B2 (ja) | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP3677006B2 (ja) | 情報処理装置およびその方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090202 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090202 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100202 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110202 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110202 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120202 Year of fee payment: 11 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120202 Year of fee payment: 11 |