JP3163216B2 - 代表特徴量抽出方法及び代表特徴量抽出装置 - Google Patents

代表特徴量抽出方法及び代表特徴量抽出装置

Info

Publication number
JP3163216B2
JP3163216B2 JP06308994A JP6308994A JP3163216B2 JP 3163216 B2 JP3163216 B2 JP 3163216B2 JP 06308994 A JP06308994 A JP 06308994A JP 6308994 A JP6308994 A JP 6308994A JP 3163216 B2 JP3163216 B2 JP 3163216B2
Authority
JP
Japan
Prior art keywords
feature
value
candidate
weight
representative
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
Application number
JP06308994A
Other languages
English (en)
Other versions
JPH07271987A (ja
Inventor
▲輝▼ 九鬼
広行 梶浦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sharp Corp filed Critical Sharp Corp
Priority to JP06308994A priority Critical patent/JP3163216B2/ja
Publication of JPH07271987A publication Critical patent/JPH07271987A/ja
Application granted granted Critical
Publication of JP3163216B2 publication Critical patent/JP3163216B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)
  • 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、画像検索などの画像処
理において、画像データから特徴量を抽出するために用
いられる代表特徴量抽出方法及び代表特徴量抽出装置に
関する。
【0002】
【従来の技術】従来、特徴空間上で代表特徴量を求める
には、図14に示すように、単に特徴空間上で頻度が最
も高い特徴量を代表特徴量とする方法、図15に示すよ
うに、特徴空間を候補特徴量を中心とする区間に分割
し、その部分区間毎の頻度を得て、それが最も高い候補
特徴量を代表特徴量とする方法、及び特徴空間上の所定
頻度をその場所を中心としたメンバーシップ関数に変化
させ、その頻度の回りの領域にも影響を与える方法があ
る。
【0003】また、例えば、「カラービデオ画像におけ
る自動牽引の付け方と物体探索法」情報処理学会論文誌
Vol.33 No.4 P543-550(1992.4)では、画像データをいく
つかの小領域に分割し、これらの小領域のヒストグラム
を特徴量とし、画像の検索や動画のシーン検出を行って
いる。
【0004】更に、「視覚的対話機能をもつマルチメデ
ィアデータベース」電子計算機相互運用データベースシ
ステムの研究開発発表会講演予稿集P141-P158 (1992.1
1) でもいくつかの画像検索の方法を取り上げている
が、これにおいても画像データを小領域に分割し、その
小領域の特徴量を使用している。
【0005】
【発明が解決しようとする課題】しかしながら、図14
に示す単に特徴空間上で頻度が最も高い特徴量を代表特
徴量とする方法では、図16(a)に示すような二つの
分布を考えた場合、候補特徴量Aを中心とした分布の和
は、候補特徴量Bを中心とした分布の和より大きく、候
補特徴量Aが代表特徴量として選ばれるべきであるが、
候補特徴量Bが代表特徴量に選ばれてしまう。それは、
候補特徴量のみの頻度を代表特徴量の判断基準としてい
るため、候補特徴量Bの1箇所のみの頻度が候補特徴量
Aの最大頻度より高いと、候補特徴量Bが代表特徴量に
選ばれるためである。
【0006】少々の誤差で特徴量における頻度の分布の
中心が候補特徴量からずれている場合には、図16
(b)に示すように候補特徴量のみの頻度が用いられる
と、最大頻度より低くなる場合があり、正確な値が出な
い。
【0007】図15に示すような特徴空間を、候補特徴
量を中心とする区間に分割し、その区間内の頻度の総和
を求める方法では、候補特徴量からある程度はなれた距
離にあって、同等とは見なせない特徴量でも、同じ区間
内にあれば全く同等に扱われてしまう。また、特徴量の
分布が複数の候補特徴量の境界付近にあるとき、図16
(c)に示すように、その分布は境界によって複数に分
断されて、別個の候補特徴量C、Dとしてカウントされ
てしまう。
【0008】特徴空間上の所定頻度がその場所を中心と
したメンバーシップ関数に変化させ、その頻度の回りの
領域にも影響を与えるという方法では、誤差の影響が取
り除けるという利点があるが、候補特徴量の値が考慮さ
れていないので、代表特徴量が複数の候補特徴量より選
ばれる際には有利とはならない。
【0009】また、「カラービデオ画像における自動牽
引の付け方と物体探索法」情報処理学会論文誌Vol.33 N
o.4 P543-550(1992.4)、及び「視覚的対話機能をもつマ
ルチメディアデータベース」電子計算機相互運用データ
ベースシステムの研究開発発表会講演予稿集P141-P158
(1992.11) に開示されている方法では、各少量域の特徴
量を同等なものとして扱うため、二つの画像データの特
徴量を比較しようとするとき、背景等のあまり重要でな
いと思われる部分での画像の違いにより、本当に比較を
行いたい部分が明確にならない。例えば、図17及び図
18の2枚の画像で本当に比較を行いたいところは中央
付近にあるテーブルの上に乗っている器であり、テーブ
ルの足の形ではない。すなわち、重要と思われる小領域
の特徴量は画像データの中央付近である図17の1-5 の
領域と図18の2-5 の領域の特徴量である。画像データ
の周辺部である図17の1-1,1-2,1-3,1-4,1-6,1-7,1-8,
1-9 や、図18の2-1,2-2,2-3,2-4,2-6,2-7,2-8,2-9 で
はない。このため、この二つの画像の特徴量を比べる
と、図19に示すように、テーブルの足の部分の小領域
である1-6 と2-6,1-7 と2-7,1-8 と2-8 の特徴量の差分
の方が大きくなり、中央の1-5 と2-5 の特徴量の差分が
明確にならない。また、この場合、二つの画像でテーブ
ルの上に乗っている器が同じ場合、テーブルの足の部分
の特徴量の違いにより、本来似ていると判断されるとこ
ろが、違うものとして認識される。
【0010】本発明は、上記のような課題を解消するた
めになされたもので、特徴空間における誤差や分布の広
がりを考慮にいれて代表特徴量を抽出し、また画像デー
タの重要と思われる領域の特徴量を強調してその画像の
特徴量をより効果的に表せる代表特徴量抽出方法及び代
表特徴量抽出装置を提供することを目的としている。
【0011】
【課題を解決するための手段】本発明によれば、前述の
目的は、特徴量に対する頻度が求められる画像データに
ついて、特徴量ごとの頻度を表す特徴空間内で最も代表
的な特徴量である代表特徴量が、予め候補として用意さ
れた複数の候補特徴量の中から選ぶ代表特徴量抽出方法
であって、各候補特徴量について画像データの任意の範
に重みの分布を設定し、この設定した重みの分布を、
前記特徴空間の頻度の分布に掛け合わせ、掛け合わせた
値の総和を求め、当該総和が最大である候補特徴量が代
表特徴量として選ばれる第1の代表特徴量抽出方法によ
り達成される。
【0012】本発明によれば、前述の目的は、各候補特
徴量について重みの分布としてのアドレスを記録し、入
力されるアドレスに対応する重みの値を出力する重み記
録手段と、前記受容された各候補特徴量に対応する前記
重み記録手段におけるアドレスを求め、前記求められた
アドレスを前記重み記録手段に前記入力されるアドレス
として出力するアドレス手段と、前記重み記録手段より
出力される重みの値と所定の値とを加算する加算手段
と、前記加算手段により加算された値を累積値として記
録するとともに当該累積値を前記所定の値として前記加
算手段に供給する累積記録手段と、前記累積記録手段に
記録されている候補特徴量ごとに累積された累積値を比
較し、最大値をもつ候補特徴量を代表特徴量とする比較
手段とを具備する代表特徴量抽出装置により達成され
る。
【0013】
【0014】
【作用】本発明による第1の代表特徴量抽出方法によれ
ば、特徴量に対する頻度が求められる画像データについ
て、特徴量ごとの頻度を表す特徴空間内で代表特徴量
を、予め候補として用意された複数の候補特徴量の中か
ら選ぶ代表特徴量抽出方法において、各候補特徴量につ
いて画像データの任意の範囲に重みの分布を設定し、こ
の設定された重みの分布と前記特徴空間の頻度の分布と
を掛け合わせ、掛け合わせた値の総和を求め、総和が最
大である候補特徴量が代表特徴量として選ばれる。
【0015】本発明の代表特徴量抽出装置によれば、重
み記録手段は、各候補特徴量について重みの分布として
のアドレスを記録し、入力されるアドレスに対応する重
みの値を出力する。アドレス手段は、前記受容された各
候補特徴量に対応する前記重み記録手段におけるアドレ
スを求め、前記求められたアドレスを前記重み記録手段
に前記入力されるアドレスとして出力する。加算手段
は、前記重み記録手段より出力される重みの値と所定の
値とを加算する。累積記録手段は、前記加算手段により
加算された値を累積値として記録するとともに当該累積
値を前記所定の値として前記加算手段に供給する。比較
手段は、前記累積記録手段に記録されている候補特徴量
ごとに累積された累積値を比較し、最大値をもつ候補特
徴量を代表特徴量として、出力し得る。
【0016】
【0017】
【実施例】以下、本発明の第1の代表特徴量抽出方法の
実施例を図2を参照しながら説明する。
【0018】ここで、図2は、一般的な画像処理用コン
ピュータシステムの例である。
【0019】画像処理用コンピュータシステムは、全体
を制御するCPU1を有しており、CPU1は、複数の
候補特徴量等を格納するメモリ2を内蔵している。そし
て、CPU1は、バス3に接続されており、バス3に
は、指示等を入力する端末装置4、画像処理を行う画像
処理プロセッサ5、I/O6及びVTRコントローラ7
が接続されている。また、I/O6には2次記憶装置8
が接続されている。更に、VTRコントローラ7には、
画像を記録するVTR9が接続されている。
【0020】以下、本実施例の基本的な動作について説
明する。
【0021】以下の説明において、特徴空間とは、ある
対象の特徴量に対応して、その頻度を表す空間である。
特徴空間では、特徴量の値で表される座標に、その特徴
量における頻度が記憶される。ある対象について、複数
の次元の特徴量について、一つの頻度が存在する時は、
特徴空間は多次元となる。
【0022】ここでは、説明を容易とするために、特徴
空間が1次元の場合について説明する。
【0023】図3に示すように、特徴量の中で、特徴空
間における対象の分布を代表づける特徴量を代表特徴量
とする。そして、図4(a)に示すように、各候補特徴
量ごとに特徴空間上の任意の範囲の領域に、それぞれの
座標に応じた重みの分布を設定する。この重みの値はオ
ペレータにより任意に設定され、その候補特徴量と同様
に重要と考えられる特徴量ほど高い値に設定される。そ
れから、図4(b)に示すように、特徴空間上におい
て、対象毎の頻度が求められる。そして、図4(c)に
示すように、特徴空間上における対象の頻度の分布に各
候補特徴量について設定した重みの分布がかけられてそ
の総和をとる作業が行われる。全ての候補特徴量につい
て上述の操作が行われ、その総和の大きい候補が代表特
徴量とされる。
【0024】従って、CPU1により特徴量ごとの頻度
を表す特徴空間内で代表特徴量を複数の候補特徴量の中
から選ぶ際、各候補特徴量について任意の範囲に設定し
た重みの分布が、特徴空間の頻度の分布に掛け合わさ
れ、その総和の大きいものが代表特徴量として選ばれ
る。これにより、特徴量の頻度が、1箇所に集まらず、
ある程度広がった分布を持っている場合、図5(a)に
示すように、その分布が考慮される。また、少々の誤差
で特徴量の分布の中心が候補特徴量からずれている場合
などにも影響が少なくなるので、図5(b)に示すよう
に、特徴量の誤差の影響にも対処できる。
【0025】更に、人間の感覚において同一と考えられ
る特徴空間の領域等を考慮した重みが設定され、図5
(c)に示すように、特徴の種類によって重みの分布の
形が変更されて設定されることが可能である。また、用
途によっては、複数の候補特徴量の重みの分布の範囲が
重なり合わせて設定されることが可能なので、特徴量が
連続して変化していくにつれて性質が変化していく対象
についても考慮することができる。
【0026】以下、本実施例の動作を図6を参照しなが
ら説明する。この場合の対象はカラー画像であり、特徴
量が色である。なお、以下の説明において、一画素につ
いてR:赤(0〜255)、G:緑(0〜255)、
B:青(0〜255)のカラー情報が記録されている画
像が用いられる。
【0027】画像の任意の大きさの部分領域(例えば8
×8画素の領域)において、代表特徴量(代表色)を候
補特徴量(候補色)より選び、選ばれた代表特徴量をそ
の領域の画像情報とする場合、図8に示すように、R、
G、Bを軸とする3次元特徴空間を作った後、端末装置
5からの指示により代表色の候補となる複数の色(候補
色:a,b,c)が空間上の任意の座標に指定される。
そして、重み記録用のR、G、B3次元特徴空間がそれ
ぞれの特徴量毎に用意され、重みの分布が設定される。
例えば、図7に示すように、ある候補特徴量(候補色
a)の重みの分布例では、重みの値は同心球状に分布し
ており、それぞれの球上にある座標の重みの値は1.
0、0.8、0.5、0.2というようになっている。
【0028】それから、対象の領域の画素毎のRGB値
による頻度を求め、図9に示すように、その記録用に用
意したRGB3次元特徴空間上に求めた頻度が記録され
る。更に、それぞれの候補色について前もって設定した
特徴空間上の座標の重みに、それに対応する座標に記録
された頻度が掛け合わされ、それらの総和が求められ
る。説明を簡略するため、3次元の特徴空間を1次元に
置き換えると、図4(a)、(b)、(c)のようにな
る。なお、図4(a)は特徴空間が横軸かつ重みが縦軸
に選ばれており、図4(b)は特徴空間が横軸かつ頻度
の値が縦軸に選ばれている。図4(c)は、上記した図
4(a)と図4(b)の2つを掛け合わせてそれらの総
和を求めたものとなる。そして、上述のように求めた総
和が多い候補色が代表色として選択される。代表色が複
数必要な場合は、総数の多い順番で選ばれる。また、予
め所定の閾値を用意しておき、その閾値より総数が大き
い候補色を代表色としてもよい。
【0029】以上のような方法によって、色の誤差によ
る空間上での拡散や人間の感覚における同色領域等を考
慮にいれて、重みを自由に設定することができるので、
本実施例を意図する用途に用いることができる。
【0030】以下、図1を参照しながら、本発明の代表
特徴量抽出装置の第1の実施例を説明する。
【0031】本実施例による代表特徴量抽出装置は、図
1に示すように、全体を制御する制御部11を有してお
り、制御部11には、データとして入力された特徴量に
対応する重み記録用メモリ上のアドレス100を求める
アドレス変換部12と、特徴量をアドレスとして重みの
分布を記憶している重み記録用メモリ13と、求められ
たアドレスから読み出した重みの値101を累積記録メ
モリ15に記録されている累積値102と加算する加算
器14と、加算器14により加算された値103を記録
する累積記録メモリ15と、各候補特徴量ごとに累積さ
れた累積値104を比較して最大値をもつ候補特徴量を
代表特徴量105とする比較回路16とが接続されてい
る。重み記録用メモリ13には、候補特徴量における重
みの分布が設定されており、重みの分布が設定されてい
る部分が特徴空間全体から取り出された部分空間の形と
なっている。従って、部分空間の一番小さい座標におけ
る重みが重み記録用メモリ13の先頭アドレスに記憶さ
れている。
【0032】次に上記構成にてなる代表特徴量抽出装置
の動作について説明する。
【0033】制御部11からの制御信号106により各
部が初期設定される。そして、アドレス変換部12に画
像データ107が1画素毎に入力されると、アドレス変
換部12により画像データ107として入力された特徴
量に対応する重み記録用メモリ13上のアドレスが求め
られる。具体的には、アドレス変換部12には切り出さ
れた部分空間の一番小さい座標が記録されており、入力
されたデータの値からこの最小の特徴量を差し引くと、
差し引いた値を求めるアドレスの値とする。例えば、8
bit 濃淡画像の場合、データ値を45、最小の特徴量を
30とすると、アドレスは15となる。また24bit カ
ラー画像の場合、上位8bit について、データ値を5
2、最小の特徴量を20とすると、アドレスは32とな
り、中位8bit について、データ値を38、最小の特徴
量を14とすると、アドレスは24となり、上位8bit
について、データ値を105、最小の特徴量を51とす
ると、アドレスは54となる。このように、カラーの場
合は、上位、中位、下位8bit 毎に差を取る。
【0034】求められたアドレスから読み出された重み
の値101は、加算器4によって累積記録メモリ15に
記録されている累積値102と加算され、その加算され
た値103が再び累積記録メモリ15に記録される。な
お、アドレス変換部12、重み記録用メモリ13及び累
積記録メモリ15は、各候補特徴量ごとに別々に値が記
録できるようになっており、一つの候補特徴量について
の計算が終わると、引き続き他の候補特徴量についての
計算が行われる。このようにして、一つのデータに対し
て設定されている複数の候補特徴量すべてについての計
算が行われる。そして、全データが入力されると、候補
特徴量別に累積された値が取り出され、比較回路6によ
りこの累積値104が比較され、最大値を持つ候補特徴
量が代表特徴量105として出力される。
【0035】なお、特徴空間が極端に大きく、重み記録
用メモリ13の必要容量が膨大になってしまうと予想さ
れる場合、オペレータは、特徴空間を間引きして複数の
範囲に一つの重みを割り当てたり、重みの取り得る値の
段階を少なくすることで重み記録用メモリ13の必要容
量が膨大になることを防止する。また、重みの値が中心
(候補特徴量)からの距離と1対1の関係で表される場
合、候補特徴量からの距離のみを記憶しておく方法でも
重み記録用メモリ13の必要容量の膨大を防止する。更
に、重みの値が中心(候補特徴量)からの距離の関数に
なっている場合、重み記録用メモリ13の代わりにプロ
セッサによりその関数を保持させることも可能である。
【0036】以下、図10を参照しながら、各候補特徴
量ごとに同時に重みの読み出し、累積処理を実現する代
表特徴量抽出装置の第2の実施例を説明する。本実施例
においては、四つの候補特徴量についての処理を行う場
合について示しているが、五つ以上の候補特徴量を処理
を行う場合にも同様に行える。
【0037】本実施例は、制御部91を有している。
【0038】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス120を求
めるアドレス変換部22と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ23と、求め
られたアドレスから読み出した重みの値121を累積記
録メモリ25に記録されている累積値122と加算する
加算器24と、加算器24により加算された値123を
記録する累積記録メモリ25とを有する。この構成は第
1の候補特徴量に対応する。
【0039】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス130を求
めるアドレス変換部32と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ33と、求め
られたアドレスから読み出した重みの値131を累積記
録メモリ35に記録されている累積値132と加算する
加算器34と、加算器34により加算された値133を
記録する累積記録メモリ35とを有する。この構成は第
2の候補特徴量に対応する。
【0040】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス140を求
めるアドレス変換部42と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ43と、求め
られたアドレスから読み出した重みの値141を累積記
録メモリ45に記録されている累積値142と加算する
加算器44と、加算器44により加算された値143を
記録する累積記録メモリ45とを有する。この構成は第
3の候補特徴量に対応する。
【0041】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス150を求
めるアドレス変換部52と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ53と、求め
られたアドレスから読み出した重みの値151を累積記
録メモリ55に記録されている累積値152と加算する
加算器54と、加算器54により加算された値153を
記録する累積記録メモリ55とを有する。この構成は第
4の候補特徴量に対応する。
【0042】本実施例は、前記累積記録メモリ25,3
5,45,55の各々から出力される候補特徴量の累積
値を比較し、最大値をもつ候補特徴量を代表特徴量12
5として出力する比較回路96を有する。
【0043】制御部91には、アドレス変換部22と、
アドレス変換部32と、アドレス変換部42と、アドレ
ス変換部52とが個別に接続されている。
【0044】更に、制御部91には、重み記録メモリ2
3と、重み記録メモリ33と、重み記録メモリ43と、
重み記録メモリ53とが共通に接続されている。
【0045】また、アドレス変換部22と、アドレス変
換部32と、アドレス変換部42と、アドレス変換部5
2は、それぞれ画像データ127を入力する。
【0046】次に本実施例の動作について説明する。
【0047】一つのデータ127が与えられると、複数
の候補特徴量が平行してデータに対応するそれぞれの重
みの値121,131,141,151は、加算器2
4,34,44,54により累積記録メモリ25,3
5,45,55に記録されている累積値122,13
2,142,152に加算され、その加算値123,1
33,143,153が再び累積記録メモリ25,3
5,45,55に夫々保存される。そして、全データの
計算が終了すると同時に、候補特徴量別に各々累積され
た値124,134,144,154が比較回路96に
より比較され、最大値を持つ候補特徴量が代表特徴量1
25として出力される。そのため、本実施例において
は、各候補特徴量ごとに同時に複数の候補特徴量の処理
を行うため、処理時間の大幅な短縮が可能となる。
【0048】以下、図11を参照しながら、本発明によ
る第2の代表特徴量抽出方法の実施例を説明する。な
お、本発明を実施するためのハードウェアは図2の示す
ものと同一である。
【0049】まず、1枚の画像データが小領域に分割さ
れ(ステップS1)、それぞれの小領域での特徴量であ
る小領域でのヒストグラムなどが抽出される(ステップ
S2)。それから、各小領域で求めた特徴量に重みつけ
が行われ、画像データの特徴量が算出される(ステップ
S3)。なお、重みつけを行う際には、重要と考えられ
る箇所である画像データの中央部分の小領域等に大きな
重みつけが行われる。そして、重みつけを行った特徴量
を用いて画像検索等の画像処理が行われる。
【0050】図12は、画像データのそれぞれの小領域
にどのような重みつけがされるかを示したものである。
白い部分(1〜24)はこの小領域の特徴量に「1」の
重みつけが行われ、Aの部分(25〜40)はこの小領
域の特徴量に「2」の重みつけが行われ、Bの部分(4
1〜48)はこの小領域の特徴量に「3」の重みつけが
行われ、Cの部分(50)はこの小領域の特徴量に
「4」の重みつけが行われる。
【0051】図13(a)は、本発明の結果をグラフ化
したものである。ここでは、図17及び図18の画像デ
ータの中央の特徴量(1-5 と2-5 )に対して「2」の重
みつけが行われ、その他の周辺の領域の特徴量に対して
「1」の重みつけが行われている。従来方法の結果を示
す図13(b)では、2-7,2-8,2-9 における特徴量が2-
5 の特徴量より大きくなっており、その結果テーブルの
上に乗っている器が位置する小領域2-5 の特徴量が2-7,
2-8,2-9 の特徴量に押されている。しかし、本発明が適
用された結果を示す図13(a)では、2-5 の特徴量に
2倍の重みつけが行われることにより、2-5 の特徴量が
他の領域の特徴量よりも相対的に大きくなる。この結
果、テーブルの上に乗っている器が位置する小領域2-5
の特徴量が他の領域2-7,2-8,2-9 より際立つこととな
る。従って、図17の図形と図18の図形とを比較する
場合、テーブルの上に乗っている器の特徴をよく反映さ
せることができる。
【0052】
【発明の効果】以上説明したように、本発明の第1の代
表特徴量抽出方法によれば、特徴量に対する頻度が求め
られる画像データについて、特徴量ごとの頻度を表す特
徴空間内で代表特徴量が、予め候補として用意された複
数の候補特徴量の中から選ばれる際、各候補特徴量につ
いて画像データの任意の範囲に設定した重みの分布と、
特徴空間の頻度の分布とを掛け合わせ、各候補特徴量に
ついて掛け合わせた値の総和を求め、総和が最大である
候補特徴量を代表特徴量として選ぶように構成している
ので、特徴空間における誤差や分布の広がりを考慮にい
れて代表特徴量が抽出されるため、正確に代表特徴量が
抽出できる。
【0053】本発明による代表特徴量抽出装置によれ
ば、重み記録用メモリにより特徴量をアドレスとして重
みの分布が記憶され、アドレス変換部によりデータとし
て入力された特徴量に対応する重み記録用メモリ上のア
ドレスが求められ、求められたアドレスから読み出した
重みの値が加算器により累積記録メモリに記録されてい
る累積値と加算され、加算器により加算された値が累積
記録メモリにより記録され、候補特徴量ごとに累積され
た累積値が比較されて最大値をもつ候補特徴量が比較回
路により代表特徴量とされるように構成したので、特徴
空間における誤差や分布の広がりを考慮にいれて代表特
徴量が抽出され、正確に代表特徴量が抽出できる。
【0054】
【図面の簡単な説明】
【図1】本発明の代表特徴量抽出装置の第1の実施例の
ブロック図を示す。
【図2】本発明を代表特徴量抽出方法を実施するための
ハードウェアの一例を示すブロック図である。
【図3】本発明の動作を説明するために用いる図であ
る。
【図4】本発明の第1の代表特徴量抽出方法の実施例の
動作を説明する図である。
【図5】本発明の第1の代表特徴量抽出方法の実施例の
動作を説明する図である。
【図6】本発明の第1の代表特徴量抽出方法の実施例の
動作を説明する図である。
【図7】本発明の第1の代表特徴量抽出方法の実施例の
動作を説明する図である。
【図8】本発明の第1の代表特徴量抽出方法の実施例の
動作を説明する図である。
【図9】本発明の第1の代表特徴量抽出方法の実施例の
動作を説明する図である。
【図10】本発明の第2の代表特徴量抽出装置の第2の
実施例の構成を示すブロック図である。
【図11】本発明の第2の代表特徴量抽出方法の実施例
の動作を説明する図である。
【図12】本発明の代表特徴量抽出方法の実施例の動作
を説明するための図である。
【図13】本発明の効果を説明するための図である。
【図14】従来の代表特徴量抽出方法の動作を説明する
図である。
【図15】従来の代表特徴量抽出方法の動作を説明する
図である。
【図16】従来の代表特徴量抽出方法の動作を説明する
図である。
【図17】画像データ例を示す第1の図である。
【図18】画像データ例を示す第2の図である。
【図19】従来の代表特徴量抽出方法の動作を説明する
図である。
【符号の説明】
11 制御部 12 アドレス変換部 13 重み記録用メモリ 14 加算器 15 累積記録メモリ 16 比較回路
フロントページの続き (58)調査した分野(Int.Cl.7,DB名) G06T 7/00 - 7/60 G06T 1/00 G06F 17/30

Claims (2)

    (57)【特許請求の範囲】
  1. 【請求項1】 特徴量に対する頻度が求められる画像デ
    ータについて、特徴量ごとの頻度を表す特徴空間内で最
    も代表的な特徴量である代表特徴量を、予め候補として
    用意された複数の候補特徴量の中から選ぶ代表特徴量抽
    出方法であって、 各候補特徴量について画像データの任意の範囲に重みの
    分布を設定し、この設定された重みの分布を前記特徴空
    間の頻度の分布とを掛け合わせ、掛け合わせた値の総和
    を求め、当該総和が最大である候補特徴量を代表特徴量
    として選ぶことを特徴とする代表特徴量抽出方法。
  2. 【請求項2】 複数の候補特徴量を含むデータを受容
    し、前記複数の候補特徴量の中の代表特徴量を抽出する
    代表特徴量抽出装置であって、各候補特徴量について重
    みの分布としてのアドレスを記録し、入力されるアドレ
    スに対応する重みの値を出力する重み記録手段と、前記
    受容された各候補特徴量に対応する前記重み記録手段に
    おけるアドレスを求め、前記求められたアドレスを前記
    重み記録手段に前記入力されるアドレスとして出力する
    アドレス手段と、前記重み記録手段より出力される重み
    の値と所定の値とを加算する加算手段と、前記加算手段
    により加算された値を累積値として記録するとともに当
    該累積値を前記所定の値として前記加算手段に供給する
    累積記録手段と、前記累積記録手段に記録されている候
    補特徴量ごとに累積された累積値を比較し、最大値をも
    つ候補特徴量を代表特徴量とする比較手段とを具備する
    ことを特徴とする代表特徴量抽出装置。
JP06308994A 1994-03-31 1994-03-31 代表特徴量抽出方法及び代表特徴量抽出装置 Expired - Fee Related JP3163216B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP06308994A JP3163216B2 (ja) 1994-03-31 1994-03-31 代表特徴量抽出方法及び代表特徴量抽出装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP06308994A JP3163216B2 (ja) 1994-03-31 1994-03-31 代表特徴量抽出方法及び代表特徴量抽出装置

Publications (2)

Publication Number Publication Date
JPH07271987A JPH07271987A (ja) 1995-10-20
JP3163216B2 true JP3163216B2 (ja) 2001-05-08

Family

ID=13219254

Family Applications (1)

Application Number Title Priority Date Filing Date
JP06308994A Expired - Fee Related JP3163216B2 (ja) 1994-03-31 1994-03-31 代表特徴量抽出方法及び代表特徴量抽出装置

Country Status (1)

Country Link
JP (1) JP3163216B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09293139A (ja) * 1996-04-26 1997-11-11 Nippon Telegr & Teleph Corp <Ntt> ビデオ管理方法及び装置
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
JP3673615B2 (ja) * 1997-06-19 2005-07-20 キヤノン株式会社 画像処理装置及びその制御方法
JP4682030B2 (ja) * 2005-11-30 2011-05-11 富士通株式会社 図形検索プログラム、該プログラムを記録した記録媒体、図形検索装置、および図形検索方法
US9361517B2 (en) 2009-07-01 2016-06-07 Nec Corporation System and method for extracting representative feature

Also Published As

Publication number Publication date
JPH07271987A (ja) 1995-10-20

Similar Documents

Publication Publication Date Title
US20180225736A1 (en) Image processing
US4742551A (en) Multistatistics gatherer
US5845009A (en) Object tracking system using statistical modeling and geometric relationship
US5644765A (en) Image retrieving method and apparatus that calculates characteristic amounts of data correlated with and identifying an image
US7012617B2 (en) Method for representing a digital color image using a set of palette colors based on detected important colors
US7843512B2 (en) Identifying key video frames
JP2001511930A (ja) イメージ検索システム
JP3199976B2 (ja) 画像データベース装置
CN111091123A (zh) 文本区域检测方法及设备
JPS6184785A (ja) イメージ認識システムとその動作法
JP3131560B2 (ja) 動画像処理システムにおける動画像情報検出装置
US6222940B1 (en) Pattern matching system and method which detects rotated and scaled template images
JP3163216B2 (ja) 代表特徴量抽出方法及び代表特徴量抽出装置
JP3311077B2 (ja) 画像検索装置
US6424741B1 (en) Apparatus for analyzing image texture and method therefor
US6219452B1 (en) Pattern matching system and method which performs local stability analysis for improved efficiency
CN105740777A (zh) 信息处理方法及装置
US7212217B1 (en) Methods and apparatus for generating pixel data for multi-layer source images
CN106033613A (zh) 目标跟踪方法及装置
US5477278A (en) Apparatus for detecting motion of moving picture
US7330589B2 (en) Image partitioning apparatus and method
JP3355027B2 (ja) 目標検出方法
CN111950586A (zh) 一种引入双向注意力的目标检测方法
JP3026850B2 (ja) 自動追尾装置
JP4401475B2 (ja) 印刷に適した画像フレームを識別する方法

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080223

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090223

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100223

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100223

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110223

Year of fee payment: 10

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120223

Year of fee payment: 11

LAPS Cancellation because of no payment of annual fees