JP4639754B2

JP4639754B2 - 画像処理装置

Info

Publication number: JP4639754B2
Application number: JP2004321017A
Authority: JP
Inventors: 基文福井; 典司加藤
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2004-11-04
Filing date: 2004-11-04
Publication date: 2011-02-23
Anticipated expiration: 2024-11-04
Also published as: JP2006133990A; US20060093184A1; US7634135B2

Description

本発明は、画像データのうちから注目部分を定めて、当該注目部分に対する所定処理を実行する画像処理装置に係り、特に注目部分を定める処理の改良に関する。

動画・静止画を問わず、２次元の画像データから所望のオブジェクトを認識する技術は、多くの応用が期待されており、重要視されている。それゆえ、従来から多くの手法が提案されている。その一つがテンプレートマッチング法と呼ばれているものである。テンプレートマッチング法については、現実の応用例にも広く用いられている手法であるが、所望のオブジェクトが、画像データのどのあたりに存在しているかという情報を別途与えないと、画像データの全体に亘る走査が必要となり、処理が遅くなるという問題点がある。

そこで従来から、所望のオブジェクトについて、特徴的な画像パターンを規定して、当該規定した画像パターンを用いて処理の対象となる画像データから走査するべき領域を限定させる技術が提案されている。具体的に、所望のオブジェクトが人物の顔である場合、色の特徴として「肌色」を用いたり、近似的形状として「楕円形状」を用いて走査の領域を制限する例がある。

例えば、特許文献１に開示の技術では肌色を抽出した後に、その領域の射影分布を作成し、そこから放物線を抽出することで顔領域を特定しようとしている。
特開２０００−４８１８４号公報

しかしながら、特許文献１に開示された方法によっても次のような問題点がある。すなわち、まず第一に「肌色」は色空間上で広範囲に分布していて、光の反射具合などによりその分布範囲が変動することが知られている。また形状の特徴を利用するについても、完全な円ではない曲線図形の場合、エッジ画像から放物線の形状を抽出することが困難である。これは髪の毛などにより顔の輪郭がさえぎられて、図形が分断されたり、輪郭が背景に溶け込んでしまい、エッジが正しく検出できない場合があるからである。

すなわち、上記従来の方法では、顔検出などの処理のための注目部分を効率よく特定できないという問題点がある。

本発明は上記実情に鑑みて為されたもので、色や形状の特徴に代えて、顕著性に係る特徴量に基づいて処理の対象とする注目部分を定め、注目部分の特定の効率を向上できる画像処理装置を提供することを、その目的の一つとする。

上記従来例の問題点を解決するための本発明は、画像データのうち、処理の対象となる対象領域を定めて所定処理を行う画像処理装置であって、前記画像データを所定の分割ルールに基づいて複数の部分領域に分割する分割手段と、前記複数の部分領域の各々を注目部分領域として、注目部分領域に含める画素の値又は数の少なくとも一方に関連する特徴量と、各部分領域に隣接する少なくとも一つの他の部分領域に含まれる特徴量とに基づいて、注目部分領域に係る顕著性特徴量を演算し、各部分領域ごとの顕著性特徴量を生成する顕著性演算手段と、前記部分領域ごとの顕著性特徴量に基づいて、所定処理の対象となる対象領域を決定する手段と、を含むことを特徴としている。

このように、色や形状の特徴に代えて、隣接部分との関連において定められる、顕著性に係る特徴量に基づいて処理の対象とする注目部分を定めることで、注目部分の特定の効率を向上できる。

ここで前記顕著性演算手段は、複数の部分領域の各々について、各部分領域に含まれる画素の値に係る統計量に基づいて前記顕著性特徴量を演算することとしてもよいし、複数の部分領域の各々について、各部分領域に含まれる画素の数に係る量に基づいて前記顕著性特徴量を演算することとしてもよい。

さらに前記顕著性特徴量は、注目部分領域と他の部分領域との境界にある画素の数に関係する量であることとしてもよい。また、前記顕著性特徴量は、注目部分領域に接する複数の他の部分領域間の顕著性特徴量の差に関連して定められてもよい。ここで前記顕著性特徴量は、所定の方法によって規格化されることとしてもよい。

また、本発明の一態様は、画像データのうち、処理の対象となる対象領域を定めて所定処理を行う画像処理方法であって、前記画像データを所定の分割ルールに基づいて複数の部分領域に分割する工程と、前記複数の部分領域の各々を注目部分領域として、注目部分領域に含める画素の値又は数の少なくとも一方に関連する特徴量と、各部分領域に隣接する少なくとも一つの他の部分領域に含まれる特徴量とに基づいて、注目部分領域に係る顕著性特徴量を演算し、各部分領域ごとの顕著性特徴量を生成する工程と、前記部分領域ごとの顕著性特徴量に基づいて、所定処理の対象となる対象領域を決定する工程と、を含むことを特徴としている。

さらに本発明の別の態様は、画像データのうち、処理の対象となる対象領域を定めて所定処理を行う画像処理プログラムであって、コンピュータに、前記画像データを所定の分割ルールに基づいて複数の部分領域に分割する手順と、前記複数の部分領域の各々を注目部分領域として、注目部分領域に含める画素の値又は数の少なくとも一方に関連する特徴量と、各部分領域に隣接する少なくとも一つの他の部分領域に含まれる特徴量とに基づいて、注目部分領域に係る顕著性特徴量を演算し、各部分領域ごとの顕著性特徴量を生成する手順と、前記部分領域ごとの顕著性特徴量に基づいて、所定処理の対象となる対象領域を決定する手順と、を実行させることを特徴としている。

本発明の実施の形態について図面を参照しながら説明する。本発明の実施の形態に係る画像処理装置は、図１に示すように、制御部１１と、記憶部１２と、入出力インタフェース１３と、表示部１４と、を含んで構成されている。

制御部１１は、ＣＰＵ等で実現でき、記憶部１２に格納されているプログラムに従って動作している。この制御部１１は、入出力インタフェース１３を介して入力される画像データから、所望のオブジェクト（例えば人物の顔の部分）の画像を検出する処理を基本的に実行する。また、本実施の形態においては、この制御部１１は、当該所望のオブジェクトの画像を検出する処理に先立って、当該所望のオブジェクトの画像を検出する処理における探索領域（処理対象の領域）を特定する前処理を実行している。この制御部１１の処理の内容については、後に述べる。

記憶部１２は、制御部１１によって実行されるプログラムを格納する、コンピュータ可読な記録媒体である。またこの記憶部１２は、制御部１１の処理の過程で必要となる種々のデータを記憶するワークメモリとしても動作する。具体的にこの記憶部１２は、ハードディスク等のディスクデバイスや、ＲＡＭ，ＲＯＭ等の記憶素子を含んで構成される。

入出力インタフェース１３は、例えばカメラ装置などの外部装置に接続され、当該外部装置から画像データを取得して制御部１１に出力する。またこの入出力インタフェース１３は、制御部１１から入力される指示に従って、種々のデータを外部装置に出力する。

表示部１４は、例えばディスプレイ等であり、制御部１１から入力される指示に従って情報の表示を行う。

次に、制御部１１の処理の内容について説明する。本実施の形態の説明においては、簡単のため、入出力インタフェース１３を介して入力される画像データは静止画であるとするが、動画であっても、当該動画に含まれる各静止画フレームについて同様の処理を行うことができる。また、検出の対象となる所望のオブジェクトは、ここでは人物の顔であるとするが、本実施の形態における所望のオブジェクトは、これに限られるものではない。

本実施の形態の制御部１１は、人間が人物の顔が撮影された写真を見る場合に、写真の中から顔の位置、大きさ、向きなどを容易に特定できることに着目し、人間の視覚特性としての、顔を画像全体中で特に目立って知覚されることを模した処理を行うこととしたものである。具体的に本実施の形態では、領域分割の処理を用いて、この人間の視覚特性を模した処理を実現する。

この制御部１１が実行する処理の具体的な内容は、図２に示すように、画像分割部２１と、顕著性演算部２２と、領域決定部２３と、画像処理部２４とを含んで構成される。この処理の各部について、以下具体的に説明する。

［画像分割部］
画像分割部２１は、入出力インタフェース１３を介して入力される画像データを所定の分割ルールに基づいて複数の部分領域に分割する。具体的には、入出力インタフェース１３を介して入力される画像データは、制御部１１によって、記憶部１２に格納される。この画像データの各画素は、例えばＲＧＢの各色２５６階調で表現されるものとする。

画像分割部２１は、まず特徴ベクトルを生成する。この特徴ベクトルは、例えば各画素の座標（ｘ，ｙ）及び、Ｌ＊ａ＊ｂ色空間における画素値（ｌ，ａ，ｂ）を組み合せた５次元のベクトル（ｘ，ｙ，ｌ，ａ，ｂ）である。なお、ここではＲＧＢ色空間の値をＬ＊ａ＊ｂに変換して５次元のベクトルとしているが、これは輝度を特徴量に取り入れるためである。例えば所望のオブジェクトが顔以外のものであり、空色の部分を検出するのであれば、青色を特徴量に取り込むため、ＲＧＢ色空間の値をそのまま用いてもよいし、所望のオブジェクトの性状に応じて、他にもＹＵＶなど、他の色空間の値に変換してもよい。

なお、いずれの色空間の値を用いるにしても、画素値の各要素は、例えば最小値が０，最大値が２５５となるように規格化しておく。

次に、画像分割部２１は、この特徴ベクトルを用い、ｋ−ｍｅａｎｓ法により領域分割を実施する。ｋ−ｍｅａｎｓ法では、画像データを予め所定の態様に初期分割しておく。そして予め定めた評価基準を参照しながら、より高い評価となる分割結果が得られるように対象を分類し直す処理を繰返して、最終的な分割結果を得るものである。このｋ−ｍｅａｎｓ法の実装例等については、既に多くのものがあるので、ここでは詳細な説明を省略する。

なお、ここで評価基準は、次の評価式によって定める。ここでの評価式によって演算される評価値Ｄｉｓは、画素の特徴ベクトルと、分割に係る領域（以下サブ領域と呼ぶ）の重心ベクトルの重み付きユークリッド距離（の２乗）として定義しておく。すなわち、

とする。

ここで、（ｘi，ｙi，ｌi，ａi，ｂi）は、画素ｉの特徴ベクトルであり、（ｘm(t)，ｙm(t)，ｌm(t)，ａm(t)，ｂm(t)）は、ｔ回目の試行的分割のサブ領域Ｍ（ｔ）の重心ベクトルである。なお、サブ領域の重心は、サブ領域に含まれる画素に対する特徴ベクトルの和を、サブ領域に含まれる画素数で除したものとして定義できる。また、ｐは、色空間に対する距離空間にかかる重みであり、例えばｐ＝０．０１５等と実数値で設定すればよい。

画像分割部２１は画素ｉについて、各サブ領域Ｍ（ｔ）に対応する評価値Ｄｉｓ（ｉ，Ｍ（ｔ）））を演算する。そして、この評価値Ｄｉｓ（ｉ，Ｍ（ｔ））が最も小さくなるサブ領域（最適サブ領域）に、画素ｉが属するとして、画素ｉと、それについての最適サブ領域を特定する情報とを関連付けて記憶部１２に格納する。この処理を各画素ｉについて行うことで、次の試行におけるサブ領域Ｍ（ｔ＋１）が定められる。

本実施の形態では、特徴ベクトルに位置情報が含まれているため、略同一の色でも離れた位置にある画素同士は、互いに異なるサブ領域に属するよう設定される。

この試行は、予め定めた回数（例えば２０回）だけ実施してもよいし、試行間での領域の変動率（いくつの画素について、属するサブ領域を変更したかの割合）を終了条件として、繰返し実行してもよい。

例えば、本実施の形態の場合、大小様々な顔の画像を認識させるため、初期分割として、１つの画像データをそれぞれ２×２の４分割したもの、３×３の９分割したもの、４×４の１６分割したもの、７×７の４９分割したもの、１０×１０の１００分割したもの、１３×１３の１６９分割したもの、１６×１６の２５６分割したもの、の７通り、合計６０３個の分割領域に分けておく。すなわち、初期分割状態では、各画素ｉは、７つのサブ領域に属していることとなるが、一度でもサブ領域の更新を行えば、画素ｉは、原則としていずれか１つのサブ領域に属しているように更新される。

なお、領域の分割の処理負荷を低減するため、画像をｎ×ｎ個のサブ領域に分割する場合、画像の短辺の長さが８×ｎピクセルになるように画像データのサイズを縮小してもよい。また、ｋ−ｍｅａｎｓ法によって評価値を演算する際、注目画素ｉを中心に所定画素数（例えば２５個）の正方形内に重心の座標が存在するサブ領域についてのみ、評価値を演算することとしてもよい。この場合、画素ｉについてそのようなサブ領域が１つもない場合、当該画素ｉについてのサブ領域は更新しない。

なお、ここでは画像分割部２１は、ｋ−ｍｅａｎｓ法などのクラスタリング手法を用いて、画像を複数の領域に分割しているが、この分割を行う場合であって、後に顕著性演算部２２の顕著性特徴量の元となる特徴ベクトルとして画素値を含める場合は、当該画素値を表現する色空間と同じ色空間での値を用いてクラスタリングを実行することとしてもよい。

さらに、この画像分割部２１は、画像データを単に任意の個数（ｎ×ｍ個）の矩形のサブ領域に分割するものであってもよい。

［顕著性演算部］
顕著性演算部２２は、画像分割部２１にて生成された複数のサブ領域（部分領域）の各々について、各サブ領域に含まれる画素の値又は数の少なくとも一方に関連する顕著性特徴量を演算する。具体的にこの顕著性演算部２２は、サブ領域の各々を順次、注目サブ領域として選択し、それぞれ選択した注目サブ領域について、図３に示す処理を実行する。すなわち、顕著性演算部２２は、この注目サブ領域Ｔに接する、他の（注目サブ領域以外の）サブ領域の集合Ｄ（Ｔ）を選択する（Ｓ１１）。

具体的には、注目サブ領域Ｔに含まれる各画素について、その近傍８領域（左上、上、右上、左、右、左下、下、右下の８個）の隣接画素の属するサブ領域を調べ、そのサブ領域が注目サブ領域Ｔでない場合は、当該隣接画素の属するサブ領域を、隣接する他のサブ領域の集合Ｄ（Ｔ）に含める。この場合において、Ｄ（Ｔ）に含まれるサブ領域ごとに、注目サブ領域内のいくつの画素と隣接するか（すなわち注目サブ領域と他のサブ領域との境界にある画素に係る数（図４を参照））をカウントしておき、この数が予め定めたしきい値未満となるサブ領域については、Ｄ（Ｔ）から取除くこととしてもよい。また、このカウント値をＤ（Ｔ）に含まれる各サブ領域に関連付けて記憶部１２に格納しておいてもよい。

次に、顕著性演算部２２は、注目サブ領域Ｔに係る特徴ベクトルＦT＝（ｌT，ａT，ｂT，ｓT）を作成する（Ｓ１２）。ここで、ｌT，ａT，ｂTは、注目サブ領域Ｔに含まれる画素のＬ＊ａ＊ｂ値の統計量としての平均（重心）を意味し、ｓTは、注目サブ領域Ｔに含まれる画素の数を表す。

そして集合Ｄ（Ｔ）に含まれるサブ領域についての平均特徴ベクトルＦD(T)＝（ｌD(T)，ａD(T)，ｂD(T)，ｓD(T)）を生成する（Ｓ１３）。ここでｌD(T)等は、集合Ｄ（Ｔ）に含まれる各サブ領域における特徴ベクトルの要素値の平均、つまり、

を意味する。なお、||Ｄ（Ｔ）||は、集合Ｄ（Ｔ）に含まれるサブ領域の数（隣接サブ領域の数）である。顕著性演算部２２は、注目サブ領域Ｔに係る特徴要素ｆ（ｌ，ａ，ｂ，ｓのいずれか）についての顕著性特徴量要素Ｓ（Ｔ，ｆ）を、

で演算する（Ｓ１４）。すなわち、顕著性特徴量要素は、基本的には、注目サブ領域の特徴量の要素の一つについて、その要素と、各隣接サブ領域における対応する要素との差の二乗値の和を、隣接サブ領域の数（||Ｄ（Ｔ）||）で除したものである。ここで、要素間の差を演算する際に注目サブ領域と他のサブ領域との境界にある画素の数に基づく重みを、この要素間の差の値に乗じて、総和することとしてもよい。さらに、この顕著性特徴量要素は、最小値が０、最大値が１００となるように規格化しておく（（２）式中、Normと記載しているのはこの規格化を行うことを示したものである）。すなわち、

とする。ここで、minはｘの最小値、maxはｘの最大値である。

さらに顕著性演算部２２は、注目サブ領域Ｔの周辺領域に対する顕著性特徴量Ｓ（Ｔ，Ｄ）を、

で演算する（Ｓ１５）。ここでΣは、要素ごとの和を演算することを表す。ここでも顕著性特徴量は、最小値が０、最大値が１００となるように規格化しておく。

この顕著性特徴量Ｓ（Ｔ，Ｄ）は、注目サブ領域が、その周辺のサブ領域に比べて視覚的に顕著であるほど大きくなる値である。ここでは特徴ベクトルとして色やサイズを用いているが、後で行う処理の内容によっては、形や曲率などを表す量を特徴ベクトルに含めてもよい。

顕著性演算部２２は、各サブ領域について演算した顕著性特徴量Ｓ（Ｔ，Ｄ）を、各サブ領域を特定する情報に関連付けて、記憶部１２に格納する。

［領域決定部］
領域決定部２３は、サブ領域ごとに演算された顕著性特徴量に基づいて、所定処理の対象となる対象領域を決定する。具体的に記憶部１２に格納されている各サブ領域についての顕著性特徴量のうち、予め定めたしきい値Ｔｈ以上となっているものを選択し、当該選択した顕著性特徴量に関連づけられている情報で特定されるサブ領域を、処理の対象領域として選抜する。

また固定のしきい値Ｔｈに代えて、例えば各サブ領域のうち、顕著性特徴量の上位所定割合（例えば４０％）の数のサブ領域を選抜してもよい。

また、この選抜したサブ領域からさらに、当該選抜した各サブ領域の特徴ベクトルＦTを用い、例えば画素値Ｌ＊ａ＊ｂの分散値（それぞれ、σl、σa、σbとする）に対して、例えば実験的に、
52≦σl≦2186
3≦σa≦700
1≦σb≦437
となる値となっているサブ領域を絞り込んで選抜してもよい。さらにこの画素値の絶対値に係るしきい値を設けてもよい。

さらに、サイズｓTが縮小後の画像データの短辺に対して、１／２０の２乗に満たないものを選抜したサブ領域から除外してもよい。

領域決定部２３は、さらに選抜したサブ領域の情報に基づいて、後の処理の対象となる窓（ウインドウ）を画定する情報を生成する。

具体的に、領域決定部２３は、選抜したサブ領域に含まれる各画素の重心（位置の平均）（ｘT，ｙT）を中心として、面積がｓTに最も近くなる正方形領域をウインドウとして定め、当該定めたウインドウを特定する情報を出力する。

さらにこの領域決定部２３は、このウインドウについて、その中心を上下左右にそれぞれ０．２ずつずらした４つのウインドウを生成し、合計５つのウインドウを特定する情報を出力してもよい。

［画像処理部］
画像処理部２４は、本実施の形態では、領域決定部２３が出力する情報で特定される、画像データ上のウインドウを処理の対象として、顔画像部分を検出する処理を行う。この処理は、広く知られたテンプレートマッチング法でも構わない。そして、この画像処理部２４は、当該検出処理の結果を表示部１４等に出力する。

［動作］
本実施の形態によると、入力された画像データを複数の部分領域に分割した上で、各部分領域について、部分領域自身の特徴量と、周辺で隣接する部分領域の特徴量とに基づく顕著性特徴量を演算し、この顕著性特徴量を利用して、例えば顕著性特徴量の高い部分領域を、処理の対象となる領域と定める。また、当該顕著性特徴量の高い部分領域の重心を中心とした所定形状の領域を処理の対象となる領域として定める。このように、色や形状の特徴に代えて、周辺からの顕著性に係る特徴量に基づいて処理の対象とする注目部分を定めることで、顔検出などの処理のための注目部分の特定の効率を向上できる。

［顕著性特徴量演算の別の例］
また、ここまでの例では、顕著性特徴量は、注目サブ領域が、その周辺のサブ領域に比べて視覚的に顕著であるほど大きくなる値として定めたが、さらに周辺のサブ領域（注目領域に接する複数の他のサブ領域）の間での顕著性特徴量の差に関連してもよい。これは、周辺の画像の顕著性の差が小さいほど、注目サブ領域の顕著性特徴量は大きくなるべきであるとの考えに基づく。

具体的に、注目サブ領域Ｔに対する隣接サブ領域の集合Ｄ（Ｔ）の特徴ベクトルの要素ｆにおける顕著度Ｓ（Ｄ，ｆ）を、

で定義しておく。ここでｆDi，ｆDjは、特徴ベクトルの要素ｆであり、Ｄi，Ｄjは集合Ｄ（Ｔ）に属する、互いに異なる隣接サブ領域を表す。またｐ（Ｄi，Ｄj)＝１とあるのは、これらの互いに異なるサブ領域Ｄi及びＤjもまた、互いに隣接している状態にあることを意味する。そして||Ｄp||は、互いに隣接している状態にあるＤi，Ｄjの組の総数を表す。すなわち、この（４）式における和は、注目サブ領域に隣接する、隣接サブ領域のうち、互いに隣接するサブ領域の組に亘って演算されるものである。

模式的に、図４に示すようにサブ領域が設定されているとき、注目サブ領域Ｔに隣接するサブ領域は、Ｄ１（Ｔ）からＤ４（Ｔ）までの４つある。この場合、互いに隣接している状態にあるＤi，Ｄjの組は、Ｄ１とＤ２の組、Ｄ１とＤ３の組、Ｄ１とＤ４の組、Ｄ２とＤ３の組、Ｄ３とＤ４の組の５つの組である。つまりＤ２とＤ４とは隣接していないので、ここでの演算には加えられない。

この（４）式で演算される顕著度Ｄ（Ｄ，ｆ）は、これが大きいほど、当該特徴ベクトルの要素の表す量での周囲のばらつきが大きいことを意味し、小さいほど一様であることを意味する。そしてこれが一様であるほど、注目サブ領域の顕著性特徴量は高くなるよう設定される。

そこで、集合Ｄ（Ｔ）の総顕著度Ｓ（Ｄ，Ｄ）を、

で定義し、注目サブ領域Ｔの顕著性特徴量Ｓ（Ｔ）を、

と定める。ここで、ｗは、総顕著度に係る重みである。このＳ（Ｔ）の値が１００に近くなるほど、当該注目サブ領域Ｔは、周辺に対して視覚的に顕著であるとされ、０に近くなるほど、周辺に対して顕著でないとされる。

この変形例によって演算された顕著性特徴量Ｓ（Ｔ）を用いると、周囲が平坦で、中心部が顕著になるときに、当該中心部に係る領域が処理の対象として選抜されることになる。

本発明の実施の形態に係る画像処理装置の構成例を表すブロック図である。本発明の実施の形態に係る画像処理装置の機能構成例を表すブロック図である。顕著性特徴量の演算処理例を表すフローチャート図である。サブ領域に対する処理の例を表す説明図である。

符号の説明

１１制御部、１２記憶部、１３入出力インタフェース、１４表示部、２１画像分割部、２２顕著性演算部、２３領域決定部、２４画像処理部。

Claims

画像データのうち、処理の対象となる対象領域を定めて所定処理を行う画像処理装置であって、
前記画像データを所定の分割ルールに基づいて複数の部分領域に分割する分割手段と、
前記複数の部分領域を順次注目部分領域として選択し、当該注目部分領域に接する、注目部分領域以外の部分領域の集合を選択し、当該集合に含まれる部分領域ごとに、注目部分領域内のいくつの画素と隣接するかをカウントし、当該カウントの結果が予め定めたしきい値未満となる部分領域については、前記集合から取除き、前記注目部分領域に含める画素の値又は数の少なくとも一方に関連する特徴量と、前記集合に含まれる部分領域に関連する特徴量とに基づいて、注目部分領域に係る顕著性特徴量を演算し、各部分領域ごとの顕著性特徴量を生成する顕著性演算手段と、
前記部分領域ごとの顕著性特徴量に基づいて、所定処理の対象となる対象領域を決定する手段と、
を含むことを特徴とする画像処理装置。
請求項１に記載の画像処理装置において、
前記顕著性演算手段は、前記集合に含まれる部分領域の各々について、当該部分領域の各々に含まれる画素の値に係る統計量に基づいて前記顕著性特徴量を演算することを特徴とする画像処理装置。
請求項１に記載の画像処理装置において、
前記顕著性演算手段は、前記集合に含まれる部分領域の各々について、当該部分領域の各々に含まれる画素の数に係る量に基づいて前記顕著性特徴量を演算することを特徴とする画像処理装置。
請求項１に記載の画像処理装置において、
前記顕著性特徴量は、注目部分領域と前記集合に含まれる部分領域との境界にある画素の数に関係する量であることを特徴とする画像処理装置。
請求項１から４のいずれか一項に記載の画像処理装置において、前記顕著性特徴量は、前記集合に含まれる、複数の部分領域間の顕著性特徴量の差に関連して定められることを特徴とする画像処理装置。
請求項１から５のいずれか一項に記載の画像処理装置において、
前記顕著性特徴量は、所定の方法によって規格化されることを特徴とする画像処理装置。
画像データのうち、処理の対象となる対象領域を定めて所定処理を行う画像処理プログラムであって、
コンピュータに、
前記画像データを所定の分割ルールに基づいて複数の部分領域に分割する手順と、
前記複数の部分領域を順次注目部分領域として選択し、当該注目部分領域に接する、注目部分領域以外の部分領域の集合を選択し、当該集合に含まれる部分領域ごとに、注目部分領域内のいくつの画素と隣接するかをカウントし、当該カウントの結果が予め定めたしきい値未満となる部分領域については、集合から取除き、前記注目部分領域に含める画素の値又は数の少なくとも一方に関連する特徴量と、集合に含まれる部分領域に関連する特徴量とに基づいて、注目部分領域に係る顕著性特徴量を演算し、各部分領域ごとの顕著性特徴量を生成する手順と、
前記部分領域ごとの顕著性特徴量に基づいて、所定処理の対象となる対象領域を決定する手順と、
を実行させることを特徴とする画像処理プログラム。