JP4831255B2 - 画像識別子抽出装置 - Google Patents

Description

本発明は、画像を識別する（同一性を判定する）ための特徴量である画像識別子を抽出する画像識別子抽出装置に関する。

画像識別子は、画像を識別する（同一性を判定する）ための画像特徴量である。ある画像から抽出した画像識別子と、別の画像から抽出した画像識別子とを比較し、その比較結果から、２つの画像が同一である度合いを示す同一性尺度（一般的には、類似度または距離という）を算出することができる。また、算出した同一性尺度をある閾値と比較することにより、２つの画像が同一であるか否かを判定することができる。ここで「２つの画像が同一」とは、画像信号（画像を構成する画素の画素値）のレベルで２つの画像が同一である場合だけに限らず、画像の圧縮形式（フォーマット）の変換、画像のサイズ・アスペクト比の変換、画像の色調の調整、画像への各種フィルタ処理（鮮鋭化、平滑化など）、画像への局所的な加工（テロップ重畳、切抜きなど）、画像の再キャプチャリング、などの各種改変処理によって、一方の画像が他方の画像の複製された画像である場合も含む。画像識別子を用いれば、例えば、画像、または画像の集合体である動画像の複製を検知できるため、画像または動画像の違法コピー検知システムなどに応用することができる。

画像識別子の例が、非特許文献１、非特許文献２、および特許文献１に記載されている。これらの文献に記載の方法では、画像の複数の局所領域ごとに特徴量を抽出し、抽出した特徴量を量子化して量子化インデックスを算出し、算出した局所領域ごとの量子化インデックスを量子化インデックスベクトルとして、画像識別子としている。

具体的には、非特許文献１、非特許文献２では、画像をブロックに分割し、各々のブロックを局所領域として特徴量（量子化インデックス）を抽出している。また非特許文献１では、ブロック内の輝度分布のパターンを１１種類に分類したものを量子化インデックスとしている。非特許文献２では（非特許文献２の“Ｌｏｃａｌ Ｅｄｇｅ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ”として記載されている技術）、ブロック内から抽出されるエッジ点の重心位置を量子化したものを量子化インデックスとしている。

他方、特許文献１に記載の方法では、図１２に示すように、画像２４０内のあらかじめ定められた位置の３２個の長方形領域２４４（図１２ではそのうち１６個の長方形領域が描かれている）からそれぞれ平均輝度値を算出し、対となる長方形領域の間（図１２では対となる長方形領域を点線２４８で結んでいる）で平均輝度値の差を算出し、１６次元の差ベクトル２５０を求める。差ベクトル２５０に対してベクトル変換により合成ベクトルを生成し、合成ベクトルの各次元を量子化して得られた１６次元の量子化インデックスベクトルを画像識別子とする。

特表平８−５００４７１号公報

Ｋｏｔａ Ｉｗａｍｏｔｏ、Ｅｉｊｉ Ｋａｓｕｔａｎｉ、Ａｋｉｏ Ｙａｍａｄａ、"Ｉｍａｇｅ Ｓｉｇｎａｔｕｒｅ Ｒｏｂｕｓｔ ｔｏ Ｃａｐｔｉｏｎ Ｓｕｐｅｒｉｍｐｏｓｉｔｉｏｎ ｆｏｒ Ｖｉｄｅｏ Ｓｅｑｕｅｎｃｅ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ"、Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＩＰ２００６）、２００６． Ａｒｕｎ Ｈａｍｐａｐｕｒ、Ｒｕｕｄ Ｍ． Ｂｏｌｌｅ、"Ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｄｉｓｔａｎｃｅ Ｍｅａｓｕｒｅｓ ｆｏｒ Ｖｉｄｅｏ Ｃｏｐｙ Ｄｅｔｅｃｔｉｏｎ"、Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｕｌｔｉｍｅｄｉａ ａｎｄ Ｅｘｐｏ （ＩＣＭＥ２００１）、ｐ．９４６、２００１．

画像識別子は、どのような特徴量をどのように組み合わせたとしても、組み合わせる特徴量の種類と次元数が有限である限り、識別できない種類の画像が存在する。

組み合わせる特徴量の種類と次元数を増やせば、識別できない種類の画像は少なくできる。しかし、画像識別子のサイズ（データ量）が増大する弊害を招く。画像識別子のサイズが増大すると、画像識別子どうしを照合する際の照合コストが増大し、照合方法が複雑化するなどの多くの問題が発生する。

本発明の目的は、識別できる画像の種類を増やすために次元数を増やすと画像識別子のサイズが増大してしまう、という課題を解決する画像識別子抽出装置を提供することにある。

本発明の一形態にかかる画像識別子抽出装置は、画像から、特徴ベクトルの各次元に対応して第１の特徴量を抽出する第１の特徴量抽出手段と、上記画像から、特徴ベクトルの各次元に対応して上記第１の特徴量とは異なる第２の特徴量を抽出する第２の特徴量抽出手段と、上記画像および上記抽出された第１の特徴量の少なくとも一方を解析対象として解析して、上記抽出された第１の特徴量から構成される特徴ベクトルの画像を識別する有効性の有無を判定し、有効性が有る場合には各次元に用いる特徴量の種別を上記第１の特徴量と決定し、有効性が無い場合には少なくとも一部の次元に用いる特徴量の種別を上記第２の特徴量とし、残りの次元に用いる特徴量の種別を上記第１の特徴量と決定する特徴量種別決定手段と、上記決定した各次元に用いる特徴量の種別に従って、上記抽出された第１および第２の特徴量から上記画像の特徴ベクトルを生成する特徴ベクトル生成手段とを備える。

本発明はこのように構成されているため、画像識別子のサイズを増大させることなしに、識別できない種類の画像を削減することのできる画像識別子を抽出する画像識別子抽出装置を提供することができる。

本発明の第１の実施の形態のブロック図である。 本願発明者によって考案された特徴識別子の抽出方法を示す図である。 本発明の第１の実施の形態の動作を示すフローチャートである。 本発明の第２の実施の形態のブロック図である。 本発明の第２の実施の形態の動作を示すフローチャートである。 本発明の第３の実施の形態のブロック図である。 本発明の第３の実施の形態の動作を示すフローチャートである。 本発明の第４の実施の形態のブロック図である。 本発明の第４の実施の形態の動作を示すフローチャートである。 本発明の第５の実施の形態のブロック図である。 本発明の第５の実施の形態の動作を示すフローチャートである。 特許文献１に記載されている画像識別子の抽出方法を示す図である。

次に、本発明の実施の形態について図面を参照して詳細に説明する。

［第１の実施の形態］
図１を参照すると、本発明の第１の実施の形態に係る画像識別子抽出装置１００は、画像識別子抽出対象の画像を入力し、その画像を識別するための複数の次元の特徴ベクトルを画像識別子として出力する。そのために画像識別子抽出装置１００は、第１の特徴量抽出手段１１０と、第２の特徴量抽出手段１２０と、特徴量種別決定手段１３０と、特徴ベクトル生成手段１４０とを備えている。以下、それぞれの手段の機能について詳細に説明する。

（１）第１の特徴量抽出手段１１０
第１の特徴量抽出手段１１０は、入力として供給される画像から特徴ベクトルの次元ごとに第１の特徴量を抽出し、特徴量種別決定手段１３０と特徴ベクトル生成手段１４０とへ供給する。第１の特徴量抽出手段１１０で抽出された第１の特徴量から構成される特徴ベクトルを、以下、第１の特徴ベクトルと呼ぶ。

第１の特徴量抽出手段１１０が画像から抽出する各次元の第１の特徴量は、その種類が予め規定（固定）されていれば、どのような種類の特徴量であってもよい。例えば、非特許文献１、非特許文献２、特許文献１のいずれかに記載された画像識別子の特徴ベクトルを構成する各次元の特徴量と同じ特徴量を使用することができる。また、これらに記載された画像識別子の特徴ベクトルを構成する各次元の特徴量は、量子化インデックスであるが、第１の特徴量抽出手段１１０が画像から抽出する各次元の第１の特徴量は、量子化インデックスでなくてもよく、連続値で構成される特徴量であってもよい。さらに第１の特徴量抽出手段１１０が画像から抽出する各次元の第１の特徴量は、より多くの種類の画像に対して有効性があるように改良された特徴量であってもよい。その一例を図２を参照して説明する。

図２は、より多くの種類の画像に対して有効性があるように改良された特徴量の一例（以下、多形状領域比較特徴量と呼ぶ）の抽出方法を示す図である。多形状領域比較特徴量は、あらかじめ、特徴ベクトルの次元ごとに、その特徴量を抽出するための、画像内の２つの抽出領域（第１の抽出領域と第２の抽出領域）が定められている。抽出領域の形状に多様性がある点が、多形状領域比較特徴量と特許文献１に記載された特徴量との大きな相違点である。多形状領域比較特徴量を抽出するには、次元ごとに、次元ごとに定められた第１の抽出領域と第２の抽出領域の平均輝度値を算出し、第１の抽出領域の平均輝度値と第２の抽出領域の平均輝度値とを比較して（すなわち差分値に基づいて）、３値に量子化して（＋１、０、−１）量子化インデックスを得る。第１の抽出領域の平均輝度値と第２の抽出領域の平均輝度値との差分値の絶対値がある規定の閾値以下の場合は、第１の抽出領域と第２の抽出領域の平均輝度値の差がないものとみなし、差がないことを示す量子化インデックス０とし、それ以外の場合は、第１の抽出領域の平均輝度値と第２の抽出領域の平均輝度値との大小を比較して、第１の抽出領域の平均輝度値のほうが大きい場合は量子化インデックスを＋１、それ以外の場合は量子化インデックスを−１とする。ここで、次元ｎの第１の抽出領域の平均輝度値をＶｎ１、第２の抽出領域の平均輝度値をＶｎ２とし、規定の閾値をｔｈとすると、次元ｎの量子化インデックスＱｎは、次式で算出することができる。

［式１］
Ｑｎ＝＋１ （｜Ｖｎ１−Ｖｎ２｜＞ｔｈ かつ Ｖｎ１＞Ｖｎ２ の場合）
０ （｜Ｖｎ１−Ｖｎ２｜≦ｔｈ の場合）
−１ （｜Ｖｎ１−Ｖｎ２｜＞ｔｈ かつ Ｖｎ１≦Ｖｎ２ の場合）

（２）第２の特徴量抽出手段１２０
第２の特徴量抽出手段１２０は、入力として供給される画像から特徴ベクトルの次元ごとに第１の特徴量とは異なる第２の特徴量を抽出し、特徴ベクトル生成手段１４０へ供給する。第２の特徴量抽出手段１２０が画像から抽出する各次元の第２の特徴量は、その種類が予め規定（固定）されているのであれば、どのような種類の特徴量であってもよい。

ただし、第１の特徴ベクトルの照合方法をそのままそっくり適用できるようにするためには、第２の特徴量抽出手段１２０が抽出する第２の特徴量の値は、第１の特徴量の値（第１の特徴ベクトルの次元の特徴量の値）が取りうる値の部分集合である必要がある（ただし空集合は含まない）。その理由は、複数次元の特徴ベクトルを画像識別子として、２つの画像の画像識別子を比較して同一性を判定する場合、同一の（対応する）次元ごとの特徴量の値どうしを比較し、例えば、値の一致する次元数を類似度として算出したり、ハミング距離、ユークリッド距離、コサイン類似度（内積）を算出する。従って、第２の特徴量の値が、第１の特徴量の値の部分集合でなければ、第１の特徴ベクトルの照合方法をそのままそっくり適用できなくなるためである。

例えば、第１の特徴量（第１の特徴ベクトルの次元の特徴量の値）が、量子化インデックスであり、その値として｛＋１、０、−１｝のいずれかの値を取りうる場合、第２の特徴量抽出手段１２０が抽出する第２の特徴量も、量子化インデックスである必要があり、その取りうる値の集合は、｛＋１、０、−１｝の部分集合である、｛＋１、０、−１｝、｛＋１、０｝、｛＋１、−１｝、｛０、−１｝、｛＋１｝、｛０｝、｛−１｝のいずれかに限定される。第２の特徴量抽出手段１２０は、第２の特徴量の値を＋２として抽出してはならない。なぜならば、＋２は第１の特徴量が取りえない値であるため、この値で第１の特徴ベクトルの次元の特徴量の値を置換することにより、第１の特徴ベクトルの照合方法を適用できなくなるためである。

また例えば、第１の特徴量の値（第１の特徴ベクトルの次元の特徴量の値）が離散値または連続値であり、その値域が定められている場合は、第２の特徴量抽出手段１２０が抽出する第２の特徴量の値も、その取りうる値域に含まれる値である必要がある。第１の特徴量の値（第１の特徴ベクトルの次元の特徴量の値）に値域が定められていない場合は、第２の特徴量抽出手段１２０が抽出する第２の特徴量の値も、特に値域を定める必要はない。

第２の特徴量抽出手段１２０が抽出する第２の特徴量は、上記の制約を満たす限りは、どのような特徴量であってもかまわない。また、第２の特徴量抽出手段１２０は、画像からどのように特徴量を抽出してもよい。

また第２の特徴量抽出手段１２０は、抽出した特徴量を、次元に割り当てる方法（抽出した特徴量をどの次元に割り当てるか）も、任意でよい。例えば、第１の特徴ベクトルが、上述した多形状領域比較特徴量を用いる場合に、第２の特徴量抽出手１２０は、次元Ｄに対応する第２の特徴量を、第１の特徴ベクトルである多形状領域比較特徴量を抽出した同じ次元Ｄに対応した２つの抽出領域から抽出してもよいし、別の領域や、画像全体から抽出してもよい。すなわち、第２の特徴量抽出手段１２０は、ある次元に対して、第１の特徴量抽出手段１１０が特徴量を抽出した方法と全く無関係に特徴量を抽出してもよい。また第２の特徴量抽出手段１２０は、画像から抽出したある特徴量を、複数の次元に割り当ててもよい。すなわち、第２の特徴量抽出手段１２０が抽出する次元ごとの特徴量は、複数の次元が同じ特徴量であってもかまわない。

また第２の特徴量抽出手段１２０は、複数の次元で１つの意味を表すようにしてもよい。例えば、次元１と次元２とを合わせて、｛０、０｝の場合は赤、｛０、１｝の場合は青、｛１、０｝の場合は緑、｛１、１｝の場合は黒など、個々の次元単体では意味を成さないが、複数の次元のセットで１つの意味を表すなどのようにしてもよい。

また第２の特徴量抽出手段１２０が抽出する第２の特徴量は、次元ごとに、異なる種類の特徴量であってもかまわない。例えば、ある次元に対しては色情報を特徴量として、また別の次元に対してはエッジ情報を特徴量としてもよい。

第２の特徴量抽出手段１２０が抽出する第２の特徴量は、第１の特徴量（第１の特徴ベクトル）の有効性が低い場合に、それを補うことができるような特徴量であることが望ましい。

ここで、第１の特徴ベクトルの有効性とは、第１の特徴ベクトルを画像識別子として使用した場合の有効性である。画像識別子としての有効性を判定する指標としては、「識別能力」と「頑健性」とがある。識別能力とは、異なる画像を識別できる度合いのことであり、識別能力が高いほど、有効性が高いと判定できる。頑健性とは、画像への各種改変処理によって特徴量の値が変化しない度合いであり、頑健性が高いほど、有効性が高いと判定できる。

従って、第２の特徴量は、第１の特徴量（第１の特徴ベクトル）の識別能力が低い場合に、識別能力が高くなるような特徴量であることが望ましい。また例えば、第２の特徴量は、第１の特徴量（第１の特徴ベクトル）の頑健性が低い場合に、頑健性が高くなるような特徴量であることが望ましい。また、第２の特徴量は、第１の特徴量（第１の特徴ベクトル）とは異なる種類の特徴量であったり、第１の特徴量（第１の特徴ベクトル）とは相関の小さい特徴量であることが望ましい。

例えば、第１の特徴量（第１の特徴ベクトル）が画像のエッジに関する情報の場合、第２の特徴量としては、それとは異なる種類の特徴量である、例えば画像の色に関する情報であることが望ましい。

また例えば、第２の特徴量は、第１の特徴量（第１の特徴ベクトル）と同じ種類の特徴量であっても、例えば、その特徴量を抽出する領域の大きさが異なったり、その特徴量を抽出するパラメータ（例えば閾値など）が異なったりして抽出した特徴量であってもよい。なおこの場合は、例えば、より識別能力が高くなる、あるいは、より頑健性が高くなるように、抽出する領域の大きさや、抽出するパラメータを異なるようにすることが望ましい。例えば、第１の特徴量（第１の特徴ベクトル）が画像のエッジに関する情報の場合、第２の特徴量としては、第１の特徴量とは異なるスケールや、異なる閾値で抽出したエッジに関する情報としてもよい。この場合、例えば、第１の特徴ベクトルの識別能力が低いと判定される場合は、識別能力が高くなるように、より小さなスケールで抽出したエッジに関する情報を第２の特徴量としてもよい。また例えば、第１の特徴ベクトルの頑健性が低いと判定される場合は、頑健性が高くなるように、より大きなスケールで抽出したエッジに関する情報を第２の特徴量としてもよい。

ここでは、第１の特徴ベクトルが、上述した多形状領域比較特徴量を用いる場合に、第２の特徴量抽出手段１２０が抽出する第２の特徴量の例を示す。多形状領域比較特徴量は画像の起伏を表現した特徴量であるため、例えば、識別能力が低いと判定された場合に、すなわち量子化インデックスが０である次元が多い場合に、第２の特徴量として、画像の起伏を表現する特徴量とは異なる種類の特徴量を抽出することが望ましい。また、例えば、第２の特徴量として、同じ次元の多形状領域比較特徴量を抽出した抽出領域と同じ抽出領域を使用するが、より小さい閾値ｔｈで抽出した特徴量であってもよいし、多形状領域比較特徴量を抽出した抽出領域に比べて、より小さい抽出領域から抽出した特徴量であってもよい。

例えば、次元Ｄに対応する第２の特徴量を、第１の特徴ベクトルの同じ次元の多形状領域比較特徴量を抽出した抽出領域と同じ２つの抽出領域から、例えば、以下のように抽出してもよい（つまり次元Ｄに対して、第２の特徴量を抽出する領域を、第１の特徴量を抽出する領域と同じにしてもよい）。
（Ａ）より小さい閾値ｔｈで、特徴量を抽出する。
（Ｂ）２つの抽出領域の輝度の代表値を、平均値ではなく、異なる方法（例えば最大値、最小値、メディアン値、最頻値）によって算出する。
（Ｃ）２つの抽出領域内のより小さい部分領域の平均輝度値から、第２の特徴量を抽出する。
（Ｄ）抽出領域の輝度値の代表値を量子化して第２の特徴量とする。例えば、２つの抽出領域の輝度値の（総合の）代表値を算出し（例えば、それぞれの抽出領域の平均値の平均値を算出）、その代表輝度値を３値に量子化して、量子化インデックス｛＋１、０、−１｝を算出する。
（Ｅ）抽出領域の色情報を抽出して、それを量子化して第２の特徴量とする。例えば、抽出領域のＲＧＢ成分の平均値を算出し、それをベクトル量子化で３値に量子化して、量子化インデックス｛＋１、０、−１｝を算出する。また例えば、抽出領域の、色相成分のヒストグラムを生成し、その情報を３値に量子化して、量子化インデックス｛＋１、０、−１｝を算出する。
（Ｆ）抽出領域に対して、エッジを抽出し、それを量子化して第２の特徴量とする。例えば、抽出領域のエッジの総量を算出して、それを量子化してもよい。また抽出領域のエッジの方向を算出して、それを量子化してもよい。また２つの抽出領域のそれぞれのエッジの総量や、エッジの方向を算出し、第１の抽出領域と第２の抽出領域の差分値を量子化してもよい。
（Ｇ）抽出領域に対して、周波数特徴を抽出して、それを量子化して第２の特徴量とする。例えば、抽出領域に対してＤＣＴ変換を施し、その結果をベクトル量子化で３値に量子化して、量子化インデックス｛＋１、０、−１｝を算出する。

また第２の特徴量抽出手段１２０は、画像をブロックに分割し、各々のブロックを局所領域として、そのブロック内の特徴量（例えばエッジ方向）を複数のテンプレートによるテンプレートマッチングで検出し、もっともスコアの高いテンプレートの番号を量子化インデックスとする、などの方法で、第２の特徴量を抽出してもよい。

また第２の特徴量抽出手段１２０は、例えば、次元Ｄに対応する第２の特徴量を、第１の特徴ベクトルの同じ次元の多形状領域比較特徴量を抽出した２つの抽出領域とは別の領域から、上記（Ａ）〜（Ｇ）に示したいずれかの方法で抽出してもよい。また例えば、次元Ｄに対応する第２の特徴量を、画像全体を抽出領域として、画像全体から、上記（Ａ）〜（Ｇ）に示したいずれかの方法で抽出してもよい。

また第２の特徴量抽出手段１２０は、例えば、第２の特徴量を、次元ごとに、上述した異なる特徴量の抽出方法を用いて混在させてもよい。

また例えば、第２の特徴量は、次元ごとに、異なる周波数帯域・異なるエッジ抽出のスケール、異なる色成分、などを用いて、画像全体あるいは画像の部分領域から抽出した特徴量であってもよい。例えば、ある次元はある周波数帯域の特徴を量子化した特徴、別の次元は別の周波数帯域を量子化した特徴、などとしてもよい。具体的には、例えば、画像全体に２次元ＤＣＴをかけ、そのある周波数（ｕ１、ｖ１）のパワーを量子化したものを次元１の第２の特徴量、別の周波数（ｕ２、ｖ２）のパワーを量子化したものを次元２の第２の特徴量、さらに別の周波数（ｕ３、ｖ３）のパワーを量子化したものを次元３の第２の特徴量、…、とするようにしてもよい。

また例えば、第２の特徴量は、ある次元はスケール１で抽出したエッジの総量を量子化した特徴、別の次元はその２倍のスケールで抽出したエッジの総量を量子化した特徴、さらに別の次元はその３倍のスケールで抽出したエッジの総量を量子化した特徴、などとしてもよい。

また例えば、第２の特徴量は、ある次元はＲ成分の値を量子化した特徴、別の次元はＧ成分の値を量子化した特徴、さらに別の次元はＢ成分の値を量子化した特徴、などとしてもよい。

また例えば、第２の特徴量は、第１の特徴ベクトルの各次元の第１の特徴量の値に応じて決められてもよい。例えば、多形状領域比較特徴量の場合、ある次元の第１の特徴量が＋１か−１の場合は、その対応する抽出領域間で輝度の差があることになり、０の場合は輝度の差がないことになる。従って、例えば＋１か−１の場合は、輝度の差に関する詳細な情報、例えば、差の大きさに応じて大、中、小に量子化した＋１、０、−１のインデックスを、第２の特徴量とする。他方、０の場合は、輝度の差がないので、輝度ではなく、例えば色の情報を第２の特徴量に用いる。例えば、抽出領域のＲ成分の平均値、Ｇ成分の平均値、Ｂ成分の平均値を算出して、それらの内の最大の成分の情報を量子化して、第２の特徴量とする。例えば、Ｒ成分なら最大なら＋１、Ｇ成分が最大なら０、Ｂ成分が最大なら−１としたインデックスを、第２の特徴量とする。

（３）特徴量種別決定手段１３０
特徴量種別決定手段１３０は、第１の特徴量抽出手段１１０によって抽出された第１の特徴量を解析して、第１の特徴量から構成される第１の特徴ベクトルの有効性の有無を判定する機能を有する。また、特徴量種別決定手段１３０は、第１の特徴ベクトルに有効性が有る場合には、各次元に用いる特徴量の種別を第１の特徴量に定めた特徴量種別情報を特徴ベクトル生成手段１４０に出力し、有効性が無い場合には、少なくとも一部の次元に用いる特徴量の種別を第２の特徴量に定め、残りの次元に用いる特徴量の種別を第１の特徴量に定めた特徴量種別情報を特徴ベクトル生成手段１４０に出力する機能を有する。この特徴量種別決定手段１３０は、有効性数値化手段１３１と特徴量種別情報生成手段１３２とから構成される。

有効性数値化手段１３１は、第１の特徴量を解析して、第１の特徴ベクトルの有効性の度合いを示す有効性数値を出力する。ここで、有効性の度合いを示す有効性数値とは、有効性の度合いを数値化した情報のことである。

有効性数値化手段１３１は、識別能力あるいは頑健性のいずれか、あるいは両方について、その度合いを示す指標である有効性数値を生成し、特徴量種別情報生成手段１３２に出力する。以下、識別能力と、頑健性とに分けて、有効性数値の具体例について説明する。

（3−1）識別能力の度合いを示す有効性数値
（3−1−1）識別能力の度合いを示す有効性数値として、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルが生起する確率の値を用いることができる。この場合、有効性数値化手段１３１は、第１の特徴ベクトルが生起する確率を推定し、その推定値を特徴量種別情報生成手段１３２に出力する。特徴量種別情報生成手段１３２では、その確率の大小に基づいて、識別能力の有無が判定される。すなわち、推定された生起確率が大きい場合は、その特徴ベクトルが頻繁に生起することを意味するため、異なる画像を識別できる度合いである識別能力は低いと判定される。推定された生起確率が小さい場合は、その特徴ベクトルが生起しにくいことを意味するため、異なる画像を識別できる度合いである識別能力が高いと判定される。

第１の特徴ベクトルが生起する確率を推定する方法としては、例えば、あらかじめ或る画像母集団に対して観測した第１の特徴ベクトルの生起確率の確率密度分布を用いて、推定する方法がある。

またあらかじめ、第１の特徴ベクトルの次元ごとに、特徴量の値が生起する確率が分かっている場合は（この生起確率は、例えば学習画像群から計算することができる）、それらの次元ごとの特徴量の値の生起確率に基づいて、第１の特徴ベクトル全体の生起確率を推定してもよい。最も簡単な方法としては、全ての次元の生起確率の総乗（掛け合わせた値）として算出したり、全ての次元の生起確率の平均値として算出してもよい。

ここで推定された生起確率自体が、有効性の度合いを数値化した情報（生起確率が大きいほど有効性が低く、生起確率が小さいほど有効性が高い）となるため、有効性数値化手段１３１は、推定した生起確率を有効性数値として特徴量種別情報生成手段１３２に出力する。特徴量種別情報生成手段１３２では、推定された生起確率がある閾値よりも大きい場合は、第１の特徴ベクトルの有効性は無く、推定された生起確率がある閾値よりも小さい場合は、第１の特徴ベクトルの有効性は有る、として有効性の有無を判定することができる。

（3−1−2）また、識別能力の度合いを示す有効性数値として、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルと、頻出する画像パターンから抽出した第１の特徴量で構成される特徴ベクトルとの類似度の値を用いることができる。頻出する画像パターンとは、ある画像母集団（画像識別子を適用して画像の識別を行う対象とする母集団）において、異なる画像であるが、頻繁に出現する類似した画像パターンのことである。例えば、ある画像母集団において、海を撮影した画像が多く含まれる場合、異なる画像ではあるが、画像の下半分が海で、画像の上半分が空であるような、類似した構図の画像パターンが多く存在する。また例えば、ある画像母集団において、ニュース番組の画像が多く含まれる場合、異なる画像ではあるが、画像の下部が机（テーブル）で、画像の中央に人物が正面を向いて座っているような、類似した構図の画像パターンが多く存在する。このように、頻出する画像パターンに類似する画像は、異なる画像であるにもかかわらず、第１の特徴ベクトルが互いに類似したものになるため、その画像から抽出した第１の特徴ベクトルは、異なる画像を識別できる度合いである識別能力が低い。

この場合、有効性数値化手段１３１は、第１の特徴量抽出手段１１０で抽出された第１の特徴量で構成される第１の特徴ベクトルと、頻出する画像パターンから事前に抽出した第１の特徴ベクトルとの類似度（例えば、特徴量が一致する次元数）を算出し、算出した類似度を有効性数値として特徴量種別情報生成手段１３２に出力する。頻出する画像パターンから抽出した第１の特徴ベクトルとしては、例えばあらかじめ頻出する画像パターン（例えば、上述したような画像）から抽出した第１の特徴ベクトルを使用することができ、この第１の特徴ベクトルをテンプレートとして与えておけばよい。また、このテンプレートは、随時更新していくようにしてもよい。特徴量種別情報生成手段１３２では、算出された類似度が大きい場合には、識別能力が低く、算出した類似度が小さい場合には、識別能力が高いと判定する。具体的には、第１の特徴ベクトルと頻出する画像パターンから抽出した特徴ベクトルとの類似度が、ある閾値よりも大きい場合は、第１の特徴ベクトルの有効性は無く、算出された類似度がある閾値よりも小さい場合は、第１の特徴ベクトルの有効性は有ると判定できる。

（3−1−3）また、識別能力の度合いを示す有効性数値として、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルの第１の特徴量を所定の方法で量子化した場合に所定の量子化インデックスとなる第１の特徴量の次元の数を用いることができる。これは、第１の特徴ベクトルの識別能力を、第１の特徴ベクトルの特性に応じて判定する方法である。ここでは、第１の特徴ベクトルの第１の特徴量として、上述した多形状領域比較特徴量を用いた場合について説明する。

多形状領域比較特徴量は、次元ごとに２つの抽出領域の平均輝度値を比較し、差がない場合は量子化インデックス０、差がある場合は、その大小を量子化インデックス＋１、−１として符号化した特徴量である。すなわち、多形状領域比較特徴量は、輝度画像の起伏を特徴量化したものである。多形状領域比較特徴量は、輝度画像に起伏がある画像に対しては十分な識別能力を有するが、輝度画像に起伏がない、あるいは起伏が少なく、平坦な画像、例えば「青空の画像」、「白い壁の画像」などに対しては、多くの次元（場合によっては全ての次元）の特徴量の値が量子化インデックス０となってしまう。すなわち起伏がない、あるいは起伏が少なく、平坦な画像に対しては、異なる画像であっても、特徴ベクトルが非常に類似したものになってしまうため、識別能力が低くなる。このため、２つの抽出領域の平均輝度値の差がないと判定され、量子化インデックスが０となる次元が多いほど、識別能力が低くなる。すなわち、第１の特徴ベクトルとして多形状領域比較特徴量を用いた場合、有効性数値化手段１３１は、例えば、量子化インデックスが０となる次元（２つの抽出領域の平均輝度値の差がないと判定された次元）の数を、識別能力の度合いを示す数値として、特徴量種別情報生成手段１３２へ出力する。特徴量種別情報生成手段１３２では、量子化インデックスが０となる次元（２つの抽出領域の平均輝度値の差がないと判定された次元）の数が、ある閾値よりも大きい場合は、第１の特徴ベクトルの有効性は無く、量子化インデックスが０となる次元数が、ある閾値よりも大きくない場合は、第１の特徴ベクトルの有効性は有ると判定することができる。

（3−2）頑健性の度合いを示す有効性数値
頑健性の度合いを示す有効性数値として、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルの第１の特徴量を所定の方法で量子化した場合の各量子化インデックスごとの頑健性の値の平均値、または、第１の特徴ベクトルの第１の特徴量を所定の方法で量子化した場合にその量子化インデックスが所定の閾値以下あるいは以上となる次元の数、または、第１の特徴ベクトルの第１の特徴量を所定の方法で量子化した場合に、頑健性を有しない量子化インデックスが生成される次元の数を用いることができる。これは、第１の特徴ベクトルの各々の次元が量子化インデックスから成る量子化インデックスベクトルである場合に、各量子化インデックスごとの頑健性、すなわち各種改変処理によって量子化インデックスが変化しない度合いが異なる場合がある（量子化インデックスによって頑健性が異なる）点に着目した方法である。

各量子化インデックスごとの頑健性は、例えば、ある学習画像群に対して、各種改変処理を施し、各量子化インデックスごとに、改変処理を施した後に、量子化インデックスが変化しなかった割合（改変前と改変後が一致する割合）を測定することで、求めることができる。このような量子化インデックスごとの頑健性は、有効性数値化手段１３１に事前に与えられる。

有効性数値化手段１３１は、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルの各次元の量子化インデックスと、与えられた量子化インデックスごとの頑健性（改変後に量子化インデックスが変化しない割合）とから、第１の特徴ベクトルの各次元の頑健性を求め、その平均値を頑健性の度合いを示す値として、特徴量種別情報生成手段１３２に出力する。特徴量種別情報生成手段１３２では、この頑健性の度合いを示す平均値をある閾値を比較することで、第１の特徴ベクトルの頑健性の有無を判定することができる。

また、有効性数値化手段１３１は、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルの次元のうち、その次元の頑健性がある閾値よりも大きい次元の数（ある閾値よりも大きい頑健性の量子化インデックスを持つ次元の数）を求め、その次元数を頑健性の度合いを示す値として、特徴量種別情報生成手段１３２に出力してもよい。あるいは、有効性数値化手段１３１は、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルの次元のうち、その次元の頑健性がある閾値よりも小さい次元の数（ある閾値よりも小さい頑健性の量子化インデックスを持つ次元の数）を求め、その次元数を頑健性の度合いを示す値として、特徴量種別情報生成手段１３２に出力してもよい。特徴量種別情報生成手段１３２では、これらの頑健性の度合いを示す値をある閾値と比較することにより、第１の特徴ベクトルの頑健性の有無を判定することができる。

また、有効性数値化手段１３１は、第１の特徴量抽出手段１１０から出力された第１の特徴量で構成される第１の特徴ベクトルの次元のうち、頑健性を有しない量子化インデックスとなる次元の数（頑健性を有しない量子化インデックスを持つ次元の数）を求め、その次元数を頑健性の度合いを示す値として、特徴量種別情報生成手段１３２に出力してもよい。特徴量種別情報生成手段１３２では、この頑健性の度合いを示す値をある閾値と比較することにより、第１の特徴ベクトルの頑健性の有無を判定することができる。

（3−3）識別能力および頑健性の度合いを示す有効性数値
上述のようにして生成した識別能力の度合いを示す有効性数値と頑健性の度合いを示す有効性数値とを、単純に加算したものを有効性数値として使用してもよいし、重みαを用いて、例えば、｛α×識別能力の度合いを示す有効性数値＋（１−α）×頑健性の度合いを示す有効性数値｝を有効性数値として使用してもよい。

（４）特徴量種別情報生成手段１３２
特徴量種別情報生成手段１３２は、有効性数値化手段１３１から供給される有効性の度合いを示す有効性数値を閾値と比較することにより、第１の特徴量抽出手段１１０から供給される第１の特徴量で構成される第１の特徴ベクトルの有効性を判定し、その判定結果に従って特徴量種別情報を生成し、特徴ベクトル生成手段１４０へ出力する。

特徴量種別情報生成手段１３２は、第１の特徴ベクトルが有効性有りと判定した場合、特徴ベクトルの各次元に用いる特徴量の種別を第１の特徴量に定めた使用特徴量情報を特徴ベクトル生成手段１４０へ出力する。

また特徴量種別情報生成手段１３２は、第１の特徴ベクトルが有効性無しと判定した場合、特徴ベクトルの一部の次元またはすべての次元に用いる特徴量の種別を第２の特徴量に定め、残りの次元に用いる特徴量の種別を第１の特徴量に定めた使用特徴量情報を特徴ベクトル生成手段１４０へ出力する。

特徴量種別情報生成手段１３２は、第１の特徴ベクトルに有効性が無い場合、第２の特徴量を用いる次元を、以下のいずれかの方法により決定する。

（4−1）第２の特徴量を用いる次元は、例えば、あらかじめ固定的に定められていてもよい。この場合、例えば、第１の特徴ベクトルがＮ次元から成るものとすると、そのうち第２の特徴量を用いるＫ次元（Ｋ≦Ｎ）の情報（次元を特定する情報）が、あらかじめ特徴量種別情報生成手段１３２に設定されている。特徴量種別情報生成手段１３２は、第１の特徴ベクトルの有効性が無いと判定した場合、あらかじめ設定された第２の特徴量を用いる次元の情報を参照して、第２の特徴量を用いる次元を決定し、この決定した次元以外の次元は第１の特徴量を用いると決定する。また例えば、特徴量種別情報生成手段１３２は、第１の特徴ベクトルの有効性が無いと判定した場合、第１の特徴ベクトルの全ての次元を、第２の特徴量を用いる次元として決定してもよい。

（4−2）また、第２の特徴量を用いる次元は、第１の特徴ベクトルの各次元の値に基づいて決定してもよい。具体的には、第１の特徴量を所定の方法で量子化した場合に所定の量子化インデックスとなるか否かに従って定めるようにしてもよい。例えば、所定の量子化インデックスとなる第１の特徴量の次元については、それに用いる特徴量の種別を第２の特徴量に定め、残りの次元に用いる特徴量の種別を第１の特徴量に定める。

例えば、第１の特徴ベクトルとして、上述した多形状領域比較特徴量を用いた場合、量子化インデックスが０である次元は第２の特徴量を使用し、それ以外の次元は第１の特徴量を使用すると決定してよい。その理由は、上述したように多形状領域比較特徴量は、次元の特徴量の値が量子化インデックス０の場合（２つの抽出領域の平均輝度値の差がない）は、識別能力への寄与が少ないためである。

（4−3）また、第２の特徴量を用いる次元は、第１の特徴量を所定の方法で量子化した場合に頑健性が低くなる量子化インデックスとなるか否かに従って定めるようにしてもよい。例えば、頑健性が低くなる量子化インデックス（頑健性がある閾値よりも低い量子化インデックス）となる第１の特徴量の次元については、それに用いる特徴量の種別を第２の特徴量に定め、残りの次元に用いる特徴量の種別は第１の特徴量に定める。

（4−4）上記の4−1〜4−3の方法において、第２の特徴量を用いる次元の数を、第１の特徴ベクトルの有効性の度合いを示す数値の値に応じて決定（有効性の度合いがより低いほど、第２の特徴量を用いる次元の数をより多くする）するようにしてもよい。

例えば、第２の特徴量を用いるＫ次元（Ｋ≦Ｎ）が固定的に定められている4−1の方法において、第１の特徴ベクトルの有効性の度合いを示す数値に応じて、最大Ｋ次元から最小１次元までの次元数の範囲で、第２の特徴量を用いる次元を増減させてもよい。

また、第１の特徴量を所定の方法で量子化した場合に所定の量子化インデックスとなる第１の特徴量の次元について第２の特徴量を用いる4−2の方法において、第１の特徴ベクトルの有効性の度合いを示す数値に応じて、所定の量子化インデックスとなる第１の特徴量の次元数から最小１次元までの次元数の範囲で、第２の特徴量を用いる次元を増減させてもよい。

また、第１の特徴量を所定の方法で量子化した場合に頑健性が低くなる量子化インデックスとなる第１の特徴量の次元について第２の特徴量を用いる4−3の方法において、第１の特徴ベクトルの有効性の度合いを示す数値に応じて、頑健性が低くなる量子化インデックスとなる第１の特徴量の次元数から最小１次元までの次元数の範囲で、第２の特徴量を用いる次元を増減させてもよい。

（4−5）上記の4−4の方法において、第２の特徴量を用いる次元を無作為に選択して増減するのではなく、第２の特徴量を用いる次元の優先順位を定める優先順位テーブルを特徴量種別情報生成手段１３２に設定し、特徴量種別情報生成手段１３２は、優先順位テーブルを参照して、より上位の優先順位の次元から、第２の特徴量を用いると決定した次元数だけ、次元を選択するようにしてもよい。

（4−6）上記の4−1の方法によって第２の特徴量を用いると決定された次元のうち、上記の4−2、4−3または4−4の何れかの方法で決定された次元を、第２の特徴量を用いる次元として決定するようにしてもよい。例えば、第１の特徴ベクトルが、｛次元１＝０、次元２＝０、次元３＝＋１、次元４＝−１、次元５＝０、次元６＝−１、次元７＝０、次元８＝０、次元９＝０、次元１０＝０、｝であるとする。また、上記の4−1の方法では、偶数次元を第２の特徴量を用いる次元として事前に定めているとする。このとき、量子化インデックスが０である次元を第２の特徴量を使用する次元とする上記の4−2の方法と組み合わせた場合、量子化インデックスが０である偶数次元、つまり次元２、次元８、次元１０が、第２の特徴量を使用する次元として決定される。

（５）特徴ベクトル生成手段１４０
特徴ベクトル生成手段１４０は、第１の特徴量抽出手段１１０から次元ごとの第１の特徴量を入力し、第２の特徴量抽出手段１２０から次元ごとの第２の特徴量を入力し、特徴量種別情報生成手段１３２から特徴量種別情報を入力し、この特徴量種別情報が第１の特徴量を用いることを示す次元は第１の特徴量抽出手段１１０から供給される第１の特徴量を使用し、特徴量種別情報が第２の特徴量を用いることを示す次元は第２の特徴量抽出手段１２０から供給される第２の特徴量を使用して、特徴ベクトルを生成し、生成した特徴ベクトルを画像識別子として出力する。

次に、本実施の形態に係る画像識別子抽出装置１００の動作を図３のフローチャートを参照して説明する。

画像識別子抽出装置１００が画像識別子を抽出する対象となる画像を図１には図示しない記憶手段などから入力すると、まず第１の特徴量抽出手段１１０が、その画像から次元ごとの第１の特徴量を抽出する（ステップＳ１０１）。次に、第２の特徴量抽出手段１１０が、その画像から次元ごとの第２の特徴量を抽出する（ステップＳ１０２）。

次に、特徴量種別決定手段１３０の有効性数値化手段１３１が、第１の特徴量抽出手段１１０で抽出された次元ごとの第１の特徴量を解析して、第１の特徴量から構成される第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する（ステップＳ１０３）。次に、特徴量種別情報生成手段１３２が、この生成された有効性数値を閾値と比較して、第１の特徴ベクトルの有効性の有無を判定し、さらに、その判定結果に従って、次元ごとの特徴量として第１および第２の特徴量のうちの何れを使用するかを定めた特徴量種別情報を生成する（ステップＳ１０４）。

最後に、特徴ベクトル生成手段１４０が、特徴量種別情報において第１の特徴量を使用すると定められた次元については、第１の特徴量抽出手段１１０で抽出された当該次元の第１の特徴量を使用し、特徴量種別情報において第２の特徴量を使用すると定められた次元については、第２の特徴量抽出手段１２０で抽出された当該次元の第２の特徴量を使用して、複数次元の特徴ベクトルを生成し、画像識別子として、図１には図示しない記憶手段などに出力する（ステップＳ１０５）。

以上のようにして生成された画像識別子（特徴ベクトル）は、当該画像と対応付けて管理され、画像を識別する（同一性を判定する）際に利用される。或る画像と別の画像との同一性を判定する場合、これら２つの画像に対応する画像識別子どうしが比較される。画像識別子どうしの比較は、同一の（対応する）次元ごとの特徴量の値を比較し、次元ごとの比較結果を総合して、２つの画像識別子の同一性を判定する尺度を算出する。すなわち、例えば、特徴量の値（量子化インデックス）が一致する次元数を類似度（同一性尺度）として算出する、ハミング距離を算出する、ユークリッド距離を算出する、コサイン類似度（内積）を算出する、などの方法によって、２つの画像識別子の同一性を判定する尺度を算出する。こうして算出された同一性尺度をある閾値と比較して、２つの画像が同一であるか否かを判定することができる。

以上説明したように、本実施の形態によれば、画像識別子のサイズを増大させることなしに、識別できない種類の画像を削減することのできる画像識別子を抽出する画像識別子抽出装置を提供することができる。その理由は以下の通りである。

第１の特徴量を解析して、第１の特徴量から構成される第１の特徴ベクトルの有効性の有無を判定し、若し有効性が無いなら、つまり、今回の画像識別子抽出対象の画像が、第１の特徴量抽出手段１１０によって抽出する種類の特徴量の組み合わせでは識別できない種類の画像であれば、少なくとも一部の次元に用いる特徴量の種別を第１の特徴量から第２の特徴量に変更する。これは、あたかも、組み合わせる特徴量の種類と次元数を実質的に増やしたことに相当する。この結果、第１の特徴量のみから構成される第１の特徴ベクトルでは識別できなかった画像に対して、その画像を識別可能な画像識別子が得られる。以下、より具体的に説明する。

今、画像Ａ、画像Ａ’、画像Ｂという３つの画像を考える。画像Ａ’は、画像Ａに対して各種改変処理を施した画像（例えば画像Ａにテロップを重畳し、画像の圧縮形式を変換するなど）であるとする。すなわち、画像Ａと画像Ａ’は、同一の画像として識別する対象の画像対であるとする。また画像Ｂは、画像Ａや画像Ａ’とは異なる画像だが（異なる画像として識別する対象の画像対である）、第１の特徴ベクトルとしては類似した特徴ベクトルとなるような、画像であるとする。すなわち、画像Ａ（画像Ａ’）と画像Ｂは、第１の特徴ベクトルでは識別能力が低くなる（有効性が低くなる）画像であるとする。

このため、画像Ａ、画像Ａ’、画像Ｂに対して第１の特徴量ベクトルを抽出すると、いずれも類似した特徴ベクトルとなってしまい、画像Ａ（画像Ａ’）と画像Ｂを識別することができない。

この場合、画像Ａ、画像Ａ’、画像Ｂに、本実施の形態を適用すると、第１の特徴ベクトルの有効性が低いため、いずれの画像も特徴ベクトルの少なくとも一部の次元の特徴量が第１の特徴量から第２の特徴量に置換される。第２の特徴量は第１の特徴量と異なる特徴量であるため、少なくとも一部の次元の特徴量が第１の特徴量から第２の特徴量に置換された特徴ベクトルは、その有効性が改善されている可能性が少なからず存在する。つまり、画像Ａ（画像Ａ’）と画像Ｂは、本来異なる画像であるため、第２の特徴量による特徴量の値の置換が行われると、十分異なる特徴ベクトルとなり得る。他方、画像Ａと画像Ａ’は、本来同一の画像であるため、第２の特徴量による特徴量の値の置換が行われた後でも、類似した特徴ベクトルが生成される。

すなわち、第２の特徴量による特徴量の値の置換が行われることにより、同一の画像は類似した特徴ベクトルのままとなり、異なる画像は十分異なる特徴ベクトルに分離するため、第２の特徴量による特徴量の値の置換により、画像識別子（特徴ベクトル）の性能を向上させることができる。

次に、画像Ａ（画像Ａ’）および画像Ｂとは異なる別の画像Ｄを考える。この画像Ｄは、第１の特徴ベクトルの有効性が高く、第２の特徴量による置換処理が不要であり、第１の特徴ベクトルがそのまま出力されるような画像であるとする。

ここで、画像Ａ（画像Ａ’）や画像Ｂに第２の特徴量による置換処理を行うことにより、画像Ａ（画像Ａ’）や画像Ｂの特徴ベクトルが、置換処理が行われなかった画像Ｄの特徴ベクトルに、偶然類似してしまう（近づいてしまう）場合が考えられる。しかしながら、置換処理が行われた画像Ａ（画像Ａ’）や画像Ｂの特徴ベクトルと、置換処理が行われない画像Ｄの特徴ベクトルとは、本来異なる第１の特徴量と第２の特徴量とを比較しているため、それらが類似してしまうのはただの偶然であり、その偶然が発生する確率は低い。すなわち、少なくとも一部の次元の特徴量を第１の特徴量から第２の特徴量に置換することによって発生する副作用が発生する可能性は低い。

［第２の実施の形態］
図４を参照すると、本発明の第２の実施の形態に係る画像識別子抽出装置２００は、図１に示した画像識別子抽出装置１００と比較して、第２の特徴量抽出手段１２０の代わりに第２の特徴量抽出手段１２１を備えている点、特徴量種別情報生成手段１３２から出力される特徴量種別情報が特徴ベクトル生成手段１４０以外に第２の特徴量抽出手段１２１にも供給されている点で相違する。

第２の特徴量抽出手段１２１は、画像識別子を抽出する対象の画像を入力し、特徴量種別情報生成手段１３２から特徴量種別情報が供給されると、この特徴量種別情報において第２の特徴量を使用するものと定められている次元についてのみ、当該次元について予め規定された第２の特徴量を抽出し、特徴ベクトル生成手段１４０へ出力する。すなわち、第２の特徴量抽出手段１２１は、第２の特徴量を必要とする次元についてのみ第２の特徴量を抽出する点で、第１の実施の形態の第２の特徴量抽出手段１２０と相違する。

次に、本実施の形態に係る画像識別子抽出装置２００の動作を図５のフローチャートを参照して説明する。

画像識別子抽出装置２００が画像識別子を抽出する対象となる画像を図４には図示しない記憶手段などから入力すると、まず第１の特徴量抽出手段１１０が、その画像から次元ごとの第１の特徴量を抽出する（ステップＳ２０１）。

次に、特徴量種別決定手段１３０の有効性数値化手段１３１が、第１の特徴量抽出手段１１０で抽出された次元ごとの第１の特徴量を解析して、第１の特徴量から構成される第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する（ステップＳ２０２）。次に、特徴量種別情報生成手段１３２が、この生成された有効性数値を閾値と比較して、第１の特徴ベクトルの有効性の有無を判定し、さらに、その判定結果に従って、次元ごとの特徴量として第１および第２の特徴量のうちの何れを使用するかを定めた特徴量種別情報を生成する（ステップＳ２０３）。

次に、第２の特徴量抽出手段１２１が、特徴量種別情報で第２の特徴量を使うものと定められている次元について、画像識別子抽出対象の画像から第２の特徴量を抽出する（ステップＳ２０４）。

最後に、特徴ベクトル生成手段１４０が、特徴量種別情報において第１の特徴量を使用すると定められた次元については、第１の特徴量抽出手段１１０で抽出された当該次元の第１の特徴量を使用し、特徴量種別情報において第２の特徴量を使用すると定められた次元については、第２の特徴量抽出手段１２１で抽出された当該次元の第２の特徴量を使用して、複数次元の特徴ベクトルを生成し、画像識別子として、図４には図示しない記憶手段などに出力する（ステップＳ２０５）。

本実施の形態によれば、第１の実施の形態と同様の効果が得られると共に、第２の特徴量抽出手段１２１は第２の特徴量を必要とする場合に必要な次元についてのみ第２の特徴量を抽出すればよいため、処理コストを低減することができる。

［第３の実施の形態］
図６を参照すると、本発明の第３の実施の形態に係る画像識別子抽出装置３００は、図１に示した画像識別子抽出装置１００と比較して、第１の特徴量抽出手段１１０と第２の特徴量抽出手段１２０と有効性数値化手段１３１とに代えて、第１の特徴量抽出手段１１１と第２の特徴量抽出手段１２１と有効性数値化手段１３３とを備えている点、有効性数値化手段１３３には第１の特徴量抽出手段１１１で抽出された第１の特徴量の代わりに画像識別子抽出対象の画像が入力されている点、特徴量種別情報生成手段１３２から出力される特徴量種別情報が特徴ベクトル生成手段１４０以外に第１の特徴量抽出手段１１１と第２の特徴量抽出手段１２１にも供給されている点で相違する。

有効性数値化手段１３３は、画像を解析して、その画像から抽出した第１の特徴量で構成される第１の特徴ベクトルの有効性の度合いを示す有効性数値を出力する。第１の実施の形態では、有効性数値化手段１３１は、第１の特徴量抽出手段１１０が抽出した第１の特徴量を解析して第１の特徴ベクトルの有効性の度合いを示す数値を生成したが、本実施の形態では、有効性数値化１３３は、画像自体から、第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する。

有効性数値化手段１３３が、画像自体から、第１の特徴ベクトルの有効性の度合いを示す数値を生成する方法は、第１の特徴ベクトルの有効性の度合いを示す数値を生成できる方法であれば（つまり実際に第１の特徴ベクトルを抽出して有効性の度合いを示す数値を生成した場合と相関があるような数値を生成できる方法であれば）、どのような方法であっても構わない。

例えば、有効性数値化手段１３３は、第１の特徴ベクトルそのものでなくても、それよりも簡易に（より低い処理コストで）、第１の特徴ベクトルと同様の特性を持っている特徴量や、第１の特徴ベクトルと相関の高い特徴量などを抽出して、それをもとに、第１の特徴ベクトルの有効性の度合いを示す数値を生成してもよい。

また例えば、有効性数値化手段１３３は、画像から、第１の特徴ベクトルが生起する確率を推定して、その確率の値を有効性の度合いを示す数値として出力してもよい。この場合、確率が大きいほど、有効性（識別能力）の度合いは低下する。また例えば、頻出する画像パターンと（これは事前に与えられるものとする）、供給される画像との類似度の値を有効性の度合いを示す数値として出力してもよい。この場合、類似度が大きいほど、有効性（識別能力）の度合いは低下する。

また例えば、有効性数値化手段１３３は、画像から、第１の特徴ベクトルの特徴量の頑健性の度合いを示す有効性数値を生成してもよい。例えば、第１の特徴ベクトルが色相（色の角度）に基づいたものである場合、画像自体から画像の彩度に関する情報を抽出すると、第１の特徴ベクトルである色相の頑健性の程度が推定できる。すなわち、彩度が高い場合は、色相情報の頑健性（信頼度）は高く、第１の特徴ベクトルの頑健性（有効性）は高いと判定できる。また逆に、彩度が低い場合は、色相情報の頑健性（信頼度）は低く、第１の特徴ベクトルの頑健性（有効性）は低いと判定できる。従って、彩度の程度を示す数値は、第１の特徴ベクトルの特徴量の頑健性の度合いを示す有効性数値として用いることができる。

また例えば、有効性数値化手段１３３は、第１の特徴ベクトルが多形状領域比較特徴量の場合、以下のようにして画像から第１の特徴ベクトルの有効性の度合いを示す数値を生成することができる。

（ａ）画像から、第１の特徴ベクトルの全ての次元ではなく、一部の次元だけの特徴量を抽出して、第１の特徴ベクトルの（全体の）有効性の度合いを示す数値を生成する。
（ｂ）画像を、多形状領域比較特徴量で用いる抽出領域よりも大きい抽出領域に分割して、そこから抽出した特徴量をもとに、第１の特徴ベクトルの有効性の度合いを示す数値を生成する。
（ｃ）画像から、量子化インデックス０が発生する度合いを推定して、第１の特徴ベクトルの有効性の度合いを示す数値を生成する。この場合、量子化インデックス０が発生する度合いを示す数値が大きいほど、第１の特徴ベクトルの有効性は低下する。
（ｄ）画像から、画像の平坦度（起伏の無さ）を求め、この平坦度を第１の特徴ベクトルの有効性の度合いを示す数値とする。この場合、画像の平坦度が大きいほど、有効性（識別能力）が低いと判定される。

第１の特徴量抽出手段１１１は、画像識別子を抽出する対象の画像を入力し、特徴量種別情報生成手段１３２から特徴量種別情報が供給されると、この特徴量種別情報において第１の特徴量を使用するものと定められている次元についてのみ、当該次元について予め規定された第１の特徴量を抽出し、特徴ベクトル生成手段１４０へ出力する。すなわち、第１の特徴量抽出手段１１１は、第１の特徴量を必要とする次元についてのみ第１の特徴量を抽出する点で、第１の実施の形態の第１の特徴量抽出手段１１０と相違する。

第２の特徴量抽出手段１２１は、画像識別子を抽出する対象の画像を入力し、特徴量種別情報生成手段１３２から特徴量種別情報が供給されると、この特徴量種別情報において第２の特徴量を使用するものと定められている次元についてのみ、当該次元について予め規定された第２の特徴量を抽出し、特徴ベクトル生成手段１４０へ出力する。すなわち、第２の特徴量抽出手段１２１は、第２の特徴量を必要とする次元についてのみ第２の特徴量を抽出する点で、第２の特徴量抽出手段１２０と相違する。

次に、本実施の形態に係る画像識別子抽出装置３００の動作を図７のフローチャートを参照して説明する。

画像識別子抽出装置３００が画像識別子を抽出する対象となる画像を図６には図示しない記憶手段などから入力すると、まず特徴量種別決定手段１３０の有効性数値化手段１３３が、画像を解析して、その画像から抽出される第１の特徴量により構成される第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する（ステップＳ３０１）。次に、特徴量種別情報生成手段１３２が、この生成された有効性数値を閾値と比較して、第１の特徴ベクトルの有効性の有無を判定し、さらに、その判定結果に従って、次元ごとの特徴量として第１および第２の特徴量のうちの何れを使用するかを定めた特徴量種別情報を生成する（ステップＳ３０２）。

次に、第１の特徴量抽出手段１１１が、特徴量種別情報で第１の特徴量を使うものと定められている次元について、画像識別子抽出対象の画像から第１の特徴量を抽出する（ステップＳ３０３）。また、第２の特徴量抽出手段１２１が、特徴量種別情報で第２の特徴量を使うものと定められている次元について、画像識別子抽出対象の画像から第２の特徴量を抽出する（ステップＳ３０４）。

最後に、特徴ベクトル生成手段１４０が、特徴量種別情報において第１の特徴量を使用すると定められた次元については、第１の特徴量抽出手段１１１で抽出された当該次元の第１の特徴量を使用し、特徴量種別情報において第２の特徴量を使用すると定められた次元については、第２の特徴量抽出手段１２１で抽出された当該次元の第２の特徴量を使用して、複数次元の特徴ベクトルを生成し、画像識別子として、図６には図示しない記憶手段などに出力する（ステップＳ３０５）。

本実施の形態によれば、第１の実施の形態と同様の効果が得られると共に、以下のような効果が得られる。

画像から第１の特徴ベクトルの有効性の有無を判定することができる。特に、第１の特徴ベクトル自体からその有効性を判定できない場合でも、画像を使えばその有効性を判定できる場合があり、そのような場合に、特に効果を発揮する。以下、具体例を挙げて説明する。

例えば、第１の特徴量としての多形状領域比較特徴量として、各次元に、色相成分ヒストグラムを量子化したものを用いることを考える。ここで、色相（Ｈ）とは色の角度（赤、青、黄などの色の方向を示す）であり、色相成分ヒストグラムは、色相の角度区間ごとの出現頻度を表す。色相は、彩度（Ｓ：色の鮮やかさ）が小さくなると（円の半径に該当）、信頼度（すなわち頑健性）が低下する（赤方向も、青方向も、黄方向も、彩度が小さくなると、全てグレーに近づく）。すなわち、色相情報の頑健性は、色相情報からは判定できず、彩度情報があって判定できる（すなわち、彩度が小さい場合は、色相の頑健性は低い）。よって、色相成分ヒストグラムを量子化したものを第１の特徴ベクトルとして用いた場合は、その有効性は第１の特徴ベクトル自体からは判定できない。これに対して、各次元ごとに、画像からその次元の抽出領域から、例えば彩度（Ｓ）の平均値を算出し、その大小によって、次元ごとの第１の特徴量の有効性を判定できる。これらを全次元で総和すると、第１の特徴ベクトル全体としての有効性を判定できる。

また本実施の形態によれば、第１の特徴量抽出手段１１１は第１の特徴量を必要とする場合に必要な次元についてのみ第１の特徴量を抽出すればよいため、処理コストを低減することができる。なお、このような処理コストの低減を必要としない場合には、第１の特徴量抽出手段１１１を第１の実施の形態で使用した第１の特徴量抽出手段１１０で置き換えるようにしてもよい。

さらに本実施の形態によれば、第２の特徴量抽出手段１２１は第２の特徴量を必要とする場合に必要な次元についてのみ第２の特徴量を抽出すればよいため、処理コストを低減することができる。なお、このような処理コストの低減を必要としない場合には、第２の特徴量抽出手段１２１を第１の実施の形態で使用した第２の特徴量抽出手段１２０で置き換えるようにしてもよい。

［第４の実施の形態］
図８を参照すると、本発明の第４の実施の形態に係る画像識別子抽出装置４００は、図１に示した画像識別子抽出装置１００と比較して、第２の特徴量抽出手段１２０と有効性数値化手段１３１とに代えて、第２の特徴量抽出手段１２１と有効性数値化手段１３４とを備えている点、有効性数値化手段１３４には第１の特徴量抽出手段１１０で抽出された第１の特徴量と画像識別子抽出対象の画像とが入力されている点、特徴量種別情報生成手段１３２から出力される特徴量種別情報が特徴ベクトル生成手段１４０以外に第２の特徴量抽出手段１２１にも供給されている点で相違する。

有効性数値化手段１３４は、画像およびその画像から第１の特徴量抽出手段１１０により抽出された第１の特徴量を解析して、その画像から抽出された第１の特徴量で構成される第１の特徴ベクトルの有効性の度合いを示す有効性数値を出力する。例えば、有効性数値化手段１３４は、図１の有効性数値化手段１３１と同様の方法を用いて、第１の特徴量抽出手段１１０により抽出された第１の特徴量から第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する。また有効性数値化手段１３４は、図６の有効性数値化手段１３３と同様の方法を用いて、画像から第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する。そして、有効性数値化手段１３４は、第１の特徴ベクトルから生成した有効性の度合いを示す有効性数値と、画像から生成した有効性の度合いを示す有効性数値とを統合した有効性数値を生成して、特徴量種別情報生成手段１３２に出力する。

第１の特徴ベクトルから生成した有効性の度合いを示す有効性数値と、画像から生成した有効性の度合いを示す有効性数値との統合は、両者の平均値を求める、両者を重み付けして加算する、両者のうちの最小値あるいは最大値を選択する、といった方法で行うことができる。

第２の特徴量抽出手段１２１は、画像識別子を抽出する対象の画像を入力し、特徴量種別情報生成手段１３２から特徴量種別情報が供給されると、この特徴量種別情報において第２の特徴量を使用するものと定められている次元についてのみ、当該次元について予め規定された第２の特徴量を抽出し、特徴ベクトル生成手段１４０へ出力する。すなわち、第２の特徴量抽出手段１２１は、第２の特徴量を必要とする次元についてのみ第２の特徴量を抽出する点で、第１の実施の形態の第２の特徴量抽出手段１２０と相違する。

次に、本実施の形態に係る画像識別子抽出装置４００の動作を図９のフローチャートを参照して説明する。

画像識別子抽出装置４００が画像識別子を抽出する対象となる画像を図８には図示しない記憶手段などから入力すると、まず第１の特徴量抽出手段１１０が、その画像から次元ごとの第１の特徴量を抽出する（ステップＳ４０１）。

次に特徴量種別決定手段１３０の有効性数値化手段１３４が、画像および第１の特徴量抽出手段１１０で抽出された第１の特徴量を解析して、その画像から抽出される第１の特徴量により構成される第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成する（ステップＳ４０２）。次に、特徴量種別情報生成手段１３２が、この生成された有効性数値を閾値と比較して、第１の特徴ベクトルの有効性の有無を判定し、さらに、その判定結果に従って、次元ごとの特徴量として第１および第２の特徴量のうちの何れを使用するかを定めた特徴量種別情報を生成する（ステップＳ４０３）。

次に、第２の特徴量抽出手段１２１が、特徴量種別情報で第２の特徴量を使うものと定められている次元について、画像識別子抽出対象の画像から第２の特徴量を抽出する（ステップＳ４０４）。

最後に、特徴ベクトル生成手段１４０が、特徴量種別情報において第１の特徴量を使用すると定められた次元については、第１の特徴量抽出手段１１０で抽出された当該次元の第１の特徴量を使用し、特徴量種別情報において第２の特徴量を使用すると定められた次元については、第２の特徴量抽出手段１２１で抽出された当該次元の第２の特徴量を使用して、複数次元の特徴ベクトルを生成し、画像識別子として、図８には図示しない記憶手段などに出力する（ステップＳ４０５）。

本実施の形態によれば、第１の実施の形態と同様の効果が得られると共に、以下のような効果が得られる。

画像およびその画像から抽出された第１の特徴量から構成される第１の特徴ベクトルから有効性を判定するため、第１の特徴ベクトル自体からその有効性を判定できない場合でも画像を使えばその有効性を判定できる場合や、反対に、画像自体からその有効性を判定できない場合でも第１の特徴ベクトルを使えばその有効性を判定できる場合との双方の場合に、第１の特徴ベクトルの有効性の判定が可能になる。

また本実施の形態によれば、第２の特徴量抽出手段１２１は第２の特徴量を必要とする場合に必要な次元についてのみ第２の特徴量を抽出すればよいため、処理コストを低減することができる。なお、このような処理コストの低減を必要としない場合には、第２の特徴量抽出手段１２１を第１の実施の形態で使用した第２の特徴量抽出手段１２０で置き換えるようにしてもよい。

［第５の実施の形態］
図１０を参照すると、本発明の第５の実施の形態に係る画像識別子抽出装置５００は、図１に示した画像識別子抽出装置１００と比較して、特徴ベクトル生成手段１４０の代わりに特徴ベクトル生成手段１４１を備えている点、有効性再判定手段１５０を新たに備えている点で相違する。

特徴ベクトル生成手段１４１は、第１の特徴量抽出手段１１０から次元ごとの第１の特徴量を入力し、第２の特徴量抽出手段１２０から次元ごとの第２の特徴量を入力し、特徴量種別情報生成手段１３２から特徴量種別情報を入力し、この特徴量種別情報が第１の特徴量を用いることを示す次元は第１の特徴量抽出手段１１０から供給される第１の特徴量を使用し、特徴量種別情報が第２の特徴量を用いることを示す次元は第２の特徴量抽出手段１２０から供給される第２の特徴量を使用して、特徴ベクトルを生成する。そして、この生成した特徴ベクトルが第１の特徴量のみで構成されていれば、この生成した特徴ベクトルを画像識別子として出力する。

他方、生成した特徴ベクトルが第２の特徴量を含む場合、つまり、第１の特徴量のみで構成される第１の特徴ベクトルの有効性が無いと判定された結果、その少なくとも一部の次元の第１の特徴量を第２の特徴量に置換した特徴ベクトル（以下、第２の特徴ベクトルと呼ぶ）を生成した場合、特徴ベクトル生成手段１４１は、この第２の特徴ベクトルを有効性再判定手段１５０へ伝達し、第２の特徴ベクトルの有効性の判定を行わせる。そして、有効性再判定手段１５０から第２の特徴ベクトルの有効性の判定結果を受け取り、有効性有りの判定結果であれば、第２の特徴ベクトルを画像識別子として出力する。反対に有効性無しの判定結果であれば、第１の特徴ベクトルを画像識別子として出力する。

有効性再判定手段１５０は、第２の特徴ベクトルを解析して、第２の特徴ベクトルの有効性の度合いを示す有効性数値を生成し、この有効性数値を閾値と比較することで、第２の特徴ベクトルの有効性の有無を判定する。第２の特徴ベクトルの有効性の度合いを示す有効性数値を生成する方法には、有効性数値化手段１３１が第１の特徴ベクトルを解析して第１の特徴ベクトルの有効性の度合いを示す有効性数値を生成した方法と同様の方法を用いることができる。

次に、本実施の形態に係る画像識別子抽出装置５００の動作を図１１のフローチャートを参照して説明する。

画像識別子抽出装置５００が画像識別子を抽出する対象となる画像を図１０には図示しない記憶手段などから入力すると、まず画像識別子抽出装置５００は、第１の特徴量抽出手段１１０、第２の特徴量抽出手段１２０、特徴量種別決定手段１３０および特徴ベクトル生成手段１４１を用いて、その画像の特徴ベクトルを生成する（ステップＳ５０１）。このステップＳ５０１は、図３のステップＳ１０１〜Ｓ１０５に相当する。ただし、生成した特徴ベクトルを直ちに画像識別子として出力せず、以下の処理を引き続き実行する。

まず特徴ベクトル生成手段１４１は、生成した特徴ベクトルが第１の特徴ベクトルかどうかを判定する（ステップＳ５０２）。第１の特徴ベクトルであれば、画像識別子として出力する（ステップＳ５０５）

生成した特徴ベクトルが第１の特徴ベクトルでなく第２の特徴ベクトルであれば、有効性再判定手段１５０により、この第２の特徴ベクトルの有効性の有無を判定する（ステップＳ５０３、Ｓ５０４）。その結果、第２の特徴ベクトルが有効性有りの場合、特徴ベクトル生成手段１４１は、第２の特徴ベクトルを画像識別子として出力する（ステップＳ５０６）。

反対に、第２の特徴ベクトルが有効性無しの場合、特徴ベクトル生成手段１４１は、第１の特徴ベクトルを画像識別子として出力する（ステップＳ５０５）。第１および第２の特徴ベクトルの双方とも有効性が無いので、第２の特徴ベクトルを出力してもよさそうであるが、第２の特徴ベクトルはその少なくとも一部の次元が第２の特徴量で置換されているので、そのような置換が行われていない第１の特徴ベクトルを出力する。なお、第１および第２の特徴ベクトルの双方とも有効性が無い場合に、それらの有効性の度合いを示す数値を比較し、有効性の度合いがよりよい方を画像識別子として出力するようにしてもよい。

本実施の形態によれば、第１の実施の形態と同様の効果が得られると共に、以下のような効果が得られる。

有効性が無いと判定された第１の特徴ベクトルの少なくとも一部の次元を第２の特徴量で置換した第２の特徴ベクトルについて、その有効性を判定し、有効性が有る場合あるいは有効性が改善されている場合に限り、第２の特徴ベクトルを画像識別子として出力することができる。これにより、第１の特徴ベクトルより有効性が改善していない第２の特徴ベクトルによる画像識別子の生成を抑えることができる。

なお、本実施の形態の画像識別子抽出装置５００は、第１の実施の形態の画像識別子抽出装置１００に対して有効性再判定手段１５０を追加したものであるが、第２、第３または第４の実施の形態の画像識別子抽出装置２００、３００または４００に対して有効性再判定手段１５０を追加した実施の形態も考えられる。

以上、本発明の実施の形態について説明したが、本発明は以上の実施の形態にのみ限定されるものではない。本発明の構成や詳細には、本発明の範囲内で当業者が理解しうる様々な変更をすることができる。また、本発明の画像識別子抽出装置は、その有する機能をハードウェア的に実現することは勿論、コンピュータとプログラムとで実現することができる。プログラムは、磁気ディスクや半導体メモリ等のコンピュータ可読記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、そのコンピュータの動作を制御することにより、そのコンピュータを前述した各実施の形態における画像識別子抽出装置として機能させる。

なお、本発明は、日本国にて２００９年１月２３日に特許出願された特願２００９−１２８１３の特許出願に基づく優先権主張の利益を享受するものであり、当該特許出願に記載された内容は、全て本明細書に含まれるものとする。

１００、２００、３００、４００、５００…画像識別子抽出装置
１１０、１１１…第１の特徴量抽出手段
１２０、１２１…第２の特徴量抽出手段
１３０…特徴量種別決定手段
１３１、１３３、１３４…有効性数値化手段
１３２…特徴量種別情報生成手段
１４０、１４１…特徴ベクトル生成手段
１５０…有効性再判定手段

Claims (21)

1. 画像から、特徴ベクトルの各次元に対応して、前記画像から抽出した物理量を量子化した量子化値である第１の特徴量を抽出する第１の特徴量抽出手段と、
   前記画像から、特徴ベクトルの各次元に対応して前記第１の特徴量とは異なる第２の特徴量を抽出する第２の特徴量抽出手段と、
   前記画像および前記抽出された第１の特徴量の少なくとも一方を解析対象として解析して、前記抽出された第１の特徴量から構成される特徴ベクトルの画像を識別する有効性の有無を判定し、有効性が有る場合には各次元に用いる特徴量の種別を前記第１の特徴量と決定し、有効性が無い場合には、第１の特徴量が所定の量子化値となる次元についてはそれに用いる特徴量の種別を前記第２の特徴量とし、残りの次元に用いる特徴量の種別を前記第１の特徴量と決定する特徴量種別決定手段と、
   前記決定した各次元に用いる特徴量の種別に従って、前記抽出された第１および第２の特徴量から前記画像の特徴ベクトルを生成する特徴ベクトル生成手段と、
   を備えることを特徴とする画像識別子抽出装置。
2. 前記特徴量種別決定手段は、
   前記解析対象を解析して、前記抽出された第１の特徴量から構成される特徴ベクトルの有効性の度合いを有効性数値として算出し、該有効性数値をある閾値と比較することにより前記特徴ベクトルの有効性の有無を判定し、該判定結果に従って各次元に用いる特徴量の種別を決定する
   ことを特徴とする請求項１に記載の画像識別子抽出装置。
3. 前記特徴量種別決定手段は、前記有効性数値として、前記第１の特徴量から構成される特徴ベクトルの、異なる画像を識別できる度合いである識別能力を数値化する
   ことを特徴とする請求項２に記載の画像識別子抽出装置。
4. 前記特徴量種別決定手段は、前記有効性数値として、前記第１の特徴量から構成される特徴ベクトルの、画像への各種改変処理によって特徴量の値が変化しない度合いである頑健性を数値化する
   ことを特徴とする請求項２に記載の画像識別子抽出装置。
5. 前記特徴量種別決定手段は、前記第１の特徴量が前記画像から抽出した物理量を量子化した量子化値の場合に、前記第１の特徴量から構成される特徴ベクトルの、所定の量子化値である次元の数を、前記有効性数値として用いる
   ことを特徴とする請求項２または３に記載の画像識別子抽出装置。
6. 前記特徴量種別決定手段は、前記第１の特徴量が前記画像から抽出した物理量を量子化した量子化値の場合に、予め定められた各量子化値ごとの画像への各種改変処理によって量子化値が変化しない度合いである頑健性の値に基づいて、前記第１の特徴量から構成される特徴ベクトルの頑健性を求め、前記有効性数値として用いる
   ことを特徴とする請求項２または４に記載の画像識別子抽出装置。
7. 前記特徴量種別決定手段は、前記予め与えられる各量子化ごとの頑健性の値の平均値を、前記有効性数値として用いる
   ことを特徴とする請求項６に記載の画像識別子抽出装置。
8. 前記特徴量種別決定手段は、前記有効性数値に基づいて、第２の特徴量を用いる次元の数を決定する
   ことを特徴とする請求項４、５、６または７に記載の画像識別子抽出装置。
9. 前記特徴量種別決定手段は、前記第２の特徴量を用いる次元の優先順位を定める優先順位テーブルを有し、前記優先順位テーブルを参照して、より上位の優先順位の次元から前記第２の特徴量を用いると決定した次元数だけ、前記第２の特徴量を用いる次元を選択することを
   特徴とする請求項８に記載の画像識別子抽出装置。
10. 前記第１の特徴量および前記第２の特徴量は、前記画像のエッジに関する情報と、前記画像の色に関する情報である
    ことを特徴とする請求項１、２、３、４、５、６、７、８または９に記載の画像識別子抽出装置。
11. 画像から、特徴ベクトルの各次元に対応して、前記画像から抽出した物理量を量子化した量子化値である第１の特徴量を抽出し、
    前記画像から、特徴ベクトルの各次元に対応して前記第１の特徴量とは異なる第２の特徴量を抽出し、
    前記画像および前記抽出された第１の特徴量の少なくとも一方を解析対象として解析して、前記抽出された第１の特徴量から構成される特徴ベクトルの画像を識別する有効性の有無を判定し、有効性が有る場合には各次元に用いる特徴量の種別を前記第１の特徴量と決定し、有効性が無い場合には、第１の特徴量が所定の量子化値となる次元についてはそれに用いる特徴量の種別を前記第２の特徴量とし、残りの次元に用いる特徴量の種別を前記第１の特徴量と決定し、
    前記決定した各次元に用いる特徴量の種別に従って、前記抽出された第１および第２の特徴量から前記画像の特徴ベクトルを生成する
    ことを特徴とする画像識別子抽出方法。
12. 各次元に用いる特徴量の種別の決定では、
    前記解析対象を解析して、前記抽出された第１の特徴量から構成される特徴ベクトルの有効性の度合いを有効性数値として算出し、該有効性数値をある閾値と比較することにより前記特徴ベクトルの有効性の有無を判定し、該判定結果に従って各次元に用いる特徴量の種別を決定する
    ことを特徴とする請求項１１に記載の画像識別子抽出方法。
13. 各次元に用いる特徴量の種別の決定では、前記有効性数値として、前記第１の特徴量から構成される特徴ベクトルの、異なる画像を識別できる度合いである識別能力を数値化する
    ことを特徴とする請求項１２に記載の画像識別子抽出方法。
14. 各次元に用いる特徴量の種別の決定では、前記有効性数値として、前記第１の特徴量から構成される特徴ベクトルの、画像への各種改変処理によって特徴量の値が変化しない度合いである頑健性を数値化する
    ことを特徴とする請求項１２に記載の画像識別子抽出方法。
15. 各次元に用いる特徴量の種別の決定では、前記第１の特徴量が前記画像から抽出した物理量を量子化した量子化値の場合に、前記第１の特徴量から構成される特徴ベクトルの、所定の量子化値である次元の数を、前記有効性数値として用いる
    ことを特徴とする請求項１２または１３に記載の画像識別子抽出方法。
16. 各次元に用いる特徴量の種別の決定では、前記第１の特徴量が前記画像から抽出した物理量を量子化した量子化値の場合に、予め定められた各量子化値ごとの画像への各種改変処理によって量子化値が変化しない度合いである頑健性の値に基づいて、前記第１の特徴量から構成される特徴ベクトルの頑健性を求め、前記有効性数値として用いる
    ことを特徴とする請求項１２または１４に記載の画像識別子抽出方法。
17. 各次元に用いる特徴量の種別の決定では、前記予め与えられる各量子化ごとの頑健性の値の平均値を、前記有効性数値として用いる
    ことを特徴とする請求項１６に記載の画像識別子抽出方法。
18. 各次元に用いる特徴量の種別の決定では、前記有効性数値に基づいて、第２の特徴量を用いる次元の数を決定する
    ことを特徴とする請求項１４、１５、１６または１７に記載の画像識別子抽出方法。
19. 各次元に用いる特徴量の種別の決定では、前記第２の特徴量を用いる次元の優先順位を定める優先順位テーブルを有し、前記優先順位テーブルを参照して、より上位の優先順位の次元から前記第２の特徴量を用いると決定した次元数だけ、前記第２の特徴量を用いる次元を選択することを特徴とする請求項１８に記載の画像識別子抽出方法。
20. 前記第１の特徴量および前記第２の特徴量は、前記画像のエッジに関する情報と、前記画像の色に関する情報である
    ことを特徴とする請求項１１、１２、１３、１４、１５、１６、１７、１８または１９に記載の画像識別子抽出方法。
21. コンピュータを、
    画像から、特徴ベクトルの各次元に対応して、前記画像から抽出した物理量を量子化した量子化値である第１の特徴量を抽出する第１の特徴量抽出手段と、
    前記画像から、特徴ベクトルの各次元に対応して前記第１の特徴量とは異なる第２の特徴量を抽出する第２の特徴量抽出手段と、
    前記画像および前記抽出された第１の特徴量の少なくとも一方を解析対象として解析して、前記抽出された第１の特徴量から構成される特徴ベクトルの画像を識別する有効性の有無を判定し、有効性が有る場合には各次元に用いる特徴量の種別を前記第１の特徴量と決定し、有効性が無い場合には、第１の特徴量が所定の量子化値となる次元についてはそれに用いる特徴量の種別を前記第２の特徴量とし、残りの次元に用いる特徴量の種別を前記第１の特徴量と決定する特徴量種別決定手段と、
    前記決定した各次元に用いる特徴量の種別に従って、前記抽出された第１および第２の特徴量から前記画像の特徴ベクトルを生成する特徴ベクトル生成手段と
    して機能させるためのプログラム。

Images