JP5337252B2

JP5337252B2 - 特徴抽出装置

Info

Publication number: JP5337252B2
Application number: JP2011531730A
Authority: JP
Inventors: 聡伊藤; 進窪田
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2009-09-18
Filing date: 2009-09-18
Publication date: 2013-11-06
Anticipated expiration: 2029-09-18
Also published as: JPWO2011033657A1; US20120177293A1; US9008434B2; WO2011033657A1

Description

本発明は、特徴抽出装置に関する。

画像データから輝度勾配方向の共起ヒストグラムを複数算出することにより、対象物体の位置ずれや照明変動などに頑健な特徴量を抽出する（非特許文献１参照）。この技術によれば、例えば、歩行者などの対象物体の検出に対して有効な特徴量を抽出することができる。

Tomoki Watanabe, Satoshi Ito, and Kentaro Yokoi, Co-occurrence Histograms of Oriented Gradients for Pedestrian Detection, The 3rd Pacific-Rim Symposium on Image and Video Technology, LNCS 5414, pages 37-47, 2009.

しかし、非特許文献１では、画像データ内の各画素を均等に扱っているため、画像データによって表される画像に複数の対象物体が含まれる場合や、前景と背景とが存在する場合において、特徴量の分離性能が十分でなかった。

本発明は、上記の課題に鑑みてなされたものであって、画像データから分離性能が良い特徴量を抽出可能な特徴抽出装置を提供することを目的とする。

本発明の一側面は、特徴抽出装置であって、複数の画素を有する画像データを取得する取得部と、前記複数の画素の各々において、互いに異なる第１の画素特徴量及び第２の画素特徴量をそれぞれ算出する画素特徴量算出部と、前記複数の画素の少なくとも一部の画素について、第１の画素と、前記第１の画素とは異なる第２の画素との組を、前記第１の画素特徴量を用いて分類する分類部と、前記分類部の分類の結果が同一である前記組に対して、前記第１の画素の前記第２の画素特徴量及び前記第２の画素の前記第２の画素特徴量が共起する頻度を示す共起頻度を算出する共起頻度算出部と、を備えることを特徴とすることを特徴とする。

本発明によれば、画像データから分離性能が良い特徴量を抽出可能になる。

第１の実施の形態の特徴抽出装置５０の構成を例示する図。第１の画素特徴量を算出する場合の例を示す図。対象領域の設定例を示す図。平行移動、反転、回転の場合の例を示す図。３つの画素についての一致性判定の結果の例を示す図。２つの画素についての一致性判定の結果の例を示す図。特徴抽出処理の手順を示すフローチャート。共起頻度の加算の対象の画素を説明するための図。共起頻度の加算の対象の画素を説明するための図。共起頻度の加算の対象の画素を説明するための図。共起ヒストグラムを例示する図。第２の実施の形態の特徴抽出装置５０´の機能的構成を例示する図。特徴抽出処理の手順を示すフローチャート。場合分け画像データの表す画像を例示する図。

以下に添付図面を参照して、この発明にかかる特徴抽出装置の一実施の形態を詳細に説明する。

[第１の実施の形態]
まず、本実施の形態にかかる特徴抽出装置のハードウェア構成について図１を用いて説明する。特徴抽出装置５０は、装置全体を制御する制御部５０Ａと、各種データや各種プログラムを記憶する主記憶部５０Ｂと、各種データや各種プログラムを記憶する補助記憶部５０Ｃと、これらを接続するバスとを備えており、通常のコンピュータを利用したハードウェア構成となっている。また、特徴抽出装置には、外部装置の通信を制御する通信Ｉ／Ｆ（interface）５０Ｄが有線又は無線により各々接続される。

次に、このようなハードウェア構成において、特徴抽出装置の制御部５０Ａが主記憶部５０Ｂや補助記憶部５０Ｃに記憶された各種プログラムを実行することにより実現される各種機能について説明する。制御部５０Ａは、取得部５１と、画素特徴量算出部５２と、分類部５３と、共起頻度算出部５４と、出力部５５とを含む。これらの各部の機能は、制御部５０Ａが主記憶部５０Ｂや補助記憶部５０Ｃに記憶された各種プログラムを実行することにより実現される。

取得部５１は、処理対象の画像データを取得して主記憶部５０Ｂに記憶させる。処理対象の画像データが表す画像は、濃淡画像のように各画素が一つの値のみを持つ画像でも良いし、カラー画像や人工衛星などで用いられるマルチスペクトル画像のように各画素が複数の値を持つ多チャンネル画像でも良い。また、画像データは、可視光画像、赤外線画像、Ｘ線画像、超音波画像、距離画像などに限らず、例えば、触覚センサの出力値を画像化したものなど、画像として表現できるものであれば良い。また、処理対象の画像データは、補助記憶部５０Ｃに予め記憶されておりここから読み出されることにより取得されるようにしても良いし、外部装置から送信されたものを通信Ｉ／Ｆ５０Ｄを介して受信することにより取得されるようにしても良い。

画素特徴量算出部５２は、取得部５１が取得して主記憶部５０Ｂに記憶させた画像データの各画素に対して互いに異なる第１の画素特徴量及び第２の画素特徴量を算出する。第１の画素特徴量及び第２の画素特徴量としては、画素の有する値である画素値を用いても良いし、濃淡値を用いても良いし、濃淡パターンの勾配方向を用いても良いし、エッジ方向を用いても良いし、或いは、濃淡値に対してｋ平均法などのクラスタリング手法を適用して得られる画素の属するクラスタ番号でも良い。クラスタリングは濃淡値に対して以外にも、例えば、画素の近傍を含めた濃淡パターンに対して行っても良いし、色パターンに対して行っても良いし、D.G.Lowe,“Distinctive Image Features from Scale-Invariant Keypoints”,International Journal of Computer Vision (2004)に提案されているような SIFT(Scale Invariant Feature Transform)などの記述子に対して行っても良い。或いはクラスタリングではなく、J.Shotton et al.,“TextonBoost:Joint Appearance,Shape and Context Modeling for Multi-Class Object Recognition and Segmentation”,In Proceedings of the European Conference on Computer Vision (2006),pp.1-15.に提案されているような識別手法を用いて画素を識別し、その結果得られる画素の属するカテゴリ番号を第１の画素特徴量或いは第２の画素特徴量として用いても良い。ただし、後述する共起頻度算出部５４が第２の画素特徴量についての共起頻度を算出するため、第２の画素特徴量は離散値であることが望ましい。もし、算出される第２の画素特徴量が連続値であるならば、量子化して離散値にする必要がある。また、第１の画素特徴量を第２の画素特徴量に応じて適応的に算出しても良い。図２は、第２の画素特徴量としてエッジ方向を用い、エッジ方向とは異なる方向に位置する画素或いは領域から第１の画素特徴量を算出する場合の例を示す図である。このとき、エッジから離れた画素或いは領域から第１の画素特徴量を算出しても構わない。もちろん、第１の画素特徴量を第２の画素特徴量以外の特徴量に応じて適応的に算出しても良い。

分類部５３は、取得部５１が取得した画像データにおいて設定される対象領域に含まれる全ての画素に対して、当該画像データのうち当該画素との共起関係をみる１つ以上の他の画素との組を、画素特徴量算出部５２が算出した第１の画素特徴量を用いて分類する場合分け処理を行う。

対象領域は、画像データに依らず予め設定し、このとき、対象物体の形状に関する事前知識（例えば、人物であれば頭、胴、腕、脚部に分けられるなど）を用いて設定しても良い。図３は、対象領域の設定例を示す図である。同図に示される画像Ｇ１については、対象領域は１つのみ設定されているが、画像Ｇ２〜Ｇ３については、対象領域は複数設定されている。また、画像Ｇ３については、異なる対象領域が互いに重なっている。また、対象領域の形は矩形に限らず、円など任意の形状で良い。尚、対象領域を複数設定した場合には、各対象領域について場合分け処理を行い、場合分け処理の結果を用いて、第２の画素特徴量についての共起頻度を共起頻度算出部５４は各々算出する。

尚、対象領域に含まれる画素との共起関係をみる他の画素は、前者の画素から所定の方向に所定の距離離れた位置にあり、その位置座標は、例えば、写像を用いて求められる。取得部５１が取得した画像データをI（ｒ）（ｒは画像座標を表す変数）とし、対象領域に含まれる画素の位置座標をｒ０とし、画像データI（ｒ）に含まれるＮ個の画素の位置座標をｒ１、…、ｒＮとすると、これらの座標の関係は、位置座標から位置座標への写像であるｇ１、…、ｇＮを用いて式１で与えられる。

尚、写像ｇｉには、例えばアフィン変換を用いることができる。アフィン変換は、平行移動、回転、反転、拡大縮小、せん断などを組み合わせた写像である。図４は、平行移動、反転、回転の場合の例を示す図である。写像ｇｉには、アフィン変換以外にも射影変換などの任意の非線形写像を用いることができる。写像ｇｉの関数の計算コストが大きい場合は、写像の度に関数計算を行う代わりに、事前に写像前後の位置座標もしくは位置座標の差分を表すテーブルを作成し、その値を用いて写像を行っても良い。また、写像先の位置座標ｒｉ＝ｇｉ（ｒ０）が画像データに含まれない場合には、座標ｒ０に対応する画素を対象領域から予め除外しておく。

また、場合分け処理には、例えば、第１の画素特徴量に対してｋ平均法などのよく知られたクラスタリング手法を適用して得られるクラスタ番号を用いても良いし、ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅなどのよく知られた識別手法を適用して得られるカテゴリ番号を用いても良いし、第１の画素特徴量の一致性の判定結果を用いても良い。最も単純な場合として、画素の組が２つの画素（位置座標をｒ０、ｒ１とする）で構成され、場合分け処理が、２つの画素における第１の画素特徴量ｆ１（ｒ０）と第１の画素特徴量ｆ１（ｒ１）との一致性の判定である場合を考える。このとき、場合分け処理の結果は一致或いは不一致の２値となる。第１の画素特徴量がクラスタ番号やカテゴリ番号などの質的な値である場合には、ｆ１（ｒ０）＝ｆ１（ｒ１）ならば一致と判定し、それ以外を不一致と判定する。また、第１の画素特徴量が濃淡値やカラーパターンなどの量的な値である場合には、例えば、ｆ１（ｒ０）とｆ１（ｒ１）との内積の値が予め定めた閾値以上の場合に一致と判定し、それ以外を不一致と判定する。内積の値以外にも、ユークリッド距離の逆数を用いても良いし、余弦の値を用いても良いし、２つの第１の画素特徴量の類似度を算出できる方法であれば何でも用いることができる。また、画素の組が３つの画素で構成される場合には、例えば、３つの画素から選ぶことのできる全ての２つの画素について、一致或いは不一致の判定を行うことができる。このとき、場合分け処理の結果は、図５に示す８通りとなる。ただし、第１の画素特徴量がクラスタ番号やカテゴリ番号などの質的な値である場合には、図５の（ｂ１），（ｂ２），（ｂ３）は起こり得ないため、場合分け処理の結果は５通りとなる。もちろん、一致性の判定の代わりによく知られたクラスタリング手法や識別手法を用いても良い。また、図５に示す８通りの一部を統合することで、場合分けの数を減らしても良い。例えば、１つ以上一致している場合を統合すると、場合分け処理の結果は、図５の（ａ），（ｂ１），（ｂ２），（ｂ３），（ｃ１），（ｃ２）（ｃ３）と、（ｄ）との２通りとなる。また、３つの画素から２つの画素を選択することなく、３つの画素における第１の画素特徴量に対して、よく知られたクラスタリング手法や識別手法を適用しても良い。これは例えば、３つの画素における前記第１の画素特徴量を連結して３倍長の特徴量にした後に、クラスタリング手法や識別手法を適用することで実現できる。また、画素の組が３つ以上の画素からなる場合に、必ずしも全ての画素における第１の画素特徴量を用いる必要はないことに注意する。

また、第１の画素特徴量が複数の質的な値や量的な値からなる場合には、各々において場合分け処理を行い、その結果を第１の画素特徴量を用いた場合分け処理の結果としても良い。図６は、第１の画素特徴量がエッジに隣接する両側の画素値であり、共起関係をみる組が２つの画素からなる場合において、第１の画素特徴量である画素値の一致性を各々において判定する例を示す図である。２つの画素において、エッジの片側の画素値が円の内部にある場合においてのみ一致と判定され、それ以外では不一致と判定されていることが分かる。図６の例の場合、２つの画素間でそれぞれ２つの第１の画素特徴量の一致性の判定をするため、第１の画素特徴量を用いた場合分け処理の結果は、最大で２（一致或いは不一致）の２（画素の組み合わせ）×２（第１の画素特徴量の数）乗＝１６通りとなる。このとき、既に述べたように、１６通りの一部を統合することで１６通りより少なくしても良い。

図１の説明に戻る。共起頻度算出部５４は、分類部５３が行った場合分け処理の結果が同一の画素の組のそれぞれに対して、当該組に含まれる各画素の第２の画素特徴量が共起する頻度を示す共起頻度を各々算出する。共起頻度を表すものの一つとして、共起ヒストグラムがある。共起頻度を算出する詳細な方法については以下の動作欄で説明する。出力部５５は、共起頻度算出部５４が算出した共起頻度を出力する。

次に、本実施の形態にかかる特徴抽出装置５０の行う特徴抽出処理の手順について図７を用いて説明する。ステップＳ１では、特徴抽出装置５０の取得部５１は、処理対象の画像データI（ｒ）を取得する。ステップＳ２では、画素特徴量算出部５２は、ステップＳ１で取得された画像データI（ｒ）に対して互いに異なる第１の画素特徴量ｆ１（ｒ）及び第２の画素特徴量ｆ２（ｒ）を算出する。ステップＳ３では、共起頻度算出部５４は、ステップＳ１で取得された画像データI（ｒ）に設定された対象領域に含まれる全ての画素に対して、ステップＳ３，Ｓ４の処理を行う。ステップＳ３では、共起頻度算出部５４は、対象領域に含まれる画素と、ステップＳ１で取得された画像データI（ｒ）に含まれるＮ個の画素との組を、画素特徴量算出部５２が算出した第１の画素特徴量を用いて分類する場合分け処理を行う。この場合分け処理の結果は、離散値であるとする。ステップＳ４では、共起頻度算出部５４は、ステップＳ３の場合分け処理の結果及びステップＳ２で算出された第２の画素特徴量を用いて、当該組に含まれる各画素の第２の画素特徴量が共起する頻度を示す共起頻度を算出する。ここでは、ステップＳ３の場合分け処理の結果に対応する共起頻度を表すものとして、共起ヒストグラムを用いる。共起ヒストグラムでは、共起関係をみる組に含まれる画素の数（ここではＮ＋１である）を次元とした（Ｎ＋１）次元座標に、第２の画素特徴量の値の単位毎に、ビンが配列されている。

具体的には、ステップＳ４０では、共起頻度算出部５４は、ステップＳ３の場合分け処理の結果から共起頻度を加算するか否かを判定する。共起頻度を加算するか否かの判定基準は、場合分け処理に応じて、予め決められており、例えば、補助記憶部５０Ｃに記憶されている。例えば、共起関係をみる組が２つの画素からなり、第１の画素特徴量が画素値であり、場合分け処理が、２つの画素の各画素値が一致するか不一致かに分類するものである場合、不一致に分類される組について、第２の画素特徴量についての共起頻度を加算するという判定基準が予め定められているとする。もちろん、一致と判定された場合のみ加算すると判定しても良いし、一致と判定された場合及び不一致と判定された場合の両方において加算すると判定しても良い。

図８〜１０は、共起関係をみる画素の組が２つの画素からなる場合の共起頻度の加算の対象の画素を説明するための図である。各図に示される左側の図においては、対象領域に含まれる画素（位置座標ｒ０に対応する画素）が黒丸印で表され、当該画素との共起関係をみる他の画素（位置座標ｒ１に対応する画素）が灰色丸印で表されている。また、図８では、上述の写像ｇ１が右斜め下への平行移動であり、共起関係をみる２つの画素が斜めに並んでいる例が示されている。図９では、写像ｇ１が下への平行移動であり、共起関係をみる２つの画素が縦に並んでいる例が示されている。図１０では、写像ｇ１が右への平行移動であり、共起関係をみる２つの画素が横に並んでいる例が示されている。各々の例において、対象領域に含まれる全ての画素に対してこのような組について場合分け処理が行われる。その結果を各々示すものが、図８〜１０の右側の図である。各図では、不一致に分類された各組において対象領域に含まれる画素（位置座標ｒ０に対応する画素）が黒丸印で各々表されている。尚、図８〜１０に示されるように、加算すると判定される画素（小さい黒丸の点）はそれぞれ異なることに注意する。即ち、本実施の形態によれば、共起関係をみる画素の組の取り方によって、場合分けの処理の結果が適応的に異なり、共起頻度の加算の対象の画素が異なる。

図７の説明に戻る。共起頻度算出部５４は、ステップＳ４０で、共起頻度を加算すると判定した場合、ステップＳ４１では、ステップＳ３の場合分け処理の結果に対応する共起頻度を表す共起ヒストグラムにおいて、対象の組に含まれる各画素の第２の画素特徴量ｆ２（ｒ０）、…、ｆ２（ｒＮ）を（Ｎ＋１）次元座標上の座標値とすると、当該座標値に対するビン（対応ビンという）に所定の値（例えば１）を加算する。共起ヒストグラムは、例えば式２で表される。

ただし、Ｄ（ｍ、ｇ１、…、ｇＮ）は対象領域に含まれる画素のうちステップＳ３の場合分け処理の結果がｍであった画素全体を表す集合を表す。例えば、共起関係をみる組が２つの画素からなり、第１の画素特徴量が画素値であり、場合分け処理が、２つの画素の各画素値が一致するか不一致かに分類するものであり、不一致に分類される組について、第２の画素特徴量についての共起頻度を加算するという判定基準が予め定められている場合には、「ｍ＝不一致」である。Ｌは第２の画素特徴量ｆ２（ｒ）の量子化数を表す。また、関数ｅｑｕａｌ（）は式３で表される。

従って、ステップＳ３の場合分け処理の結果がＭ通りである場合、図１１に示されるように、最大でＭ個の共起ヒストグラムが算出できる。更に、対象領域が複数設定された場合、設定された対象領域数倍の共起ヒストグラムが算出できる。また、画素の組を与える写像ｇ１、…、ｇＮを複数組用いることで、用いた写像の組数倍の共起ヒストグラムが算出できる。尚、共起頻度は、式２の共起ヒストグラムに限らず、例えば、対応ビンに加算するときに重みを設定する重み付き共起ヒストグラムでも良い。

ステップＳ５では、出力部５５が、ステップＳ４で算出された共起頻度を特徴量として出力する（ステップ５）。

以上のように、共起頻度の算出に用いる第２の画素特徴量とは異なる第１の画素特徴量を用いて場合分け処理を行い、場合分け処理の結果が同一である画素の組のそれぞれに対して、当該組に含まれる各画素の第２の画素特徴量が共起する頻度を示す共起頻度を算出する。これにより、最大で、場合分け処理の結果の種類の数だけ共起頻度を算出することができ、従来よりも分離性能の良い特徴量を抽出することが可能となる。例えばこの特徴量を用いて物体検出器や物体識別器を学習することにより、従来よりも高い検出性能や識別性能を得ることができる。

[第２の実施の形態]
次に、特徴抽出装置の第２の実施の形態について説明する。なお、上述の第１の実施の形態と共通する部分については、同一の符号を使用して説明したり、説明を省略したりする。

図１２は、本実施の形態にかかる特徴抽出装置５０´の機能的構成を例示する図である。本実施の形態にかかる制御部５０Ａは、取得部５１と、画素特徴量算出部５２と、分類部５３と、共起頻度算出部５４と、出力部５５とに加え、画像生成部５６を更に備える。取得部５１と、画素特徴量算出部５２と、分類部５３と、出力部５５との構成は上述の第１の実施の形態と同様である。

画像生成部５６は、分類部５３が行った場合分け処理の結果を各々画素値とする画像データ（場合分け画像データという）を生成する。例えば、共起関係をみる組が２つの画素からなり、第１の画素特徴量が画素値であり、場合分け処理が、２つの画素の各画素値が一致するか不一致かに分類するものである場合、画像生成部５６は、不一致の場合の画素値を１とし、一致の場合の画素値を０とする場合分け画像データを生成する。

出力部５５は、画像生成部５６が生成した場合分け画像データにおける画素値が同一の画素の組に対して、当該組に含まれる各画素の第２の画素特徴量が共起する頻度を示す共起頻度を算出する。

次に本実施の形態にかかる特徴抽出装置５０´の行なう特徴抽出処理の手順について図１３を用いて説明する。ステップＳ１〜Ｓ２は上述の第１の実施の形態と同様である。ステップＳ１０では、画像生成部５６は、ステップＳ１で取得された画像データI（ｒ）に設定される対象領域に含まれる全ての画素に対して、第１の画素特徴量を用いた場合分け処理を行った結果を各々画素値とする場合分け画像データを生成する。尚、共起関係をみる画素の組を与える写像の組が複数ある場合には、以下で説明する場合分け画像データを生成する処理を写像の組の数だけ行えばよいので、ここでは写像の組が１組であるとして場合分け画像データを生成する処理について説明する。尚、場合分け画像データは、場合分け処理の結果を画素値と１対１に対応付けることで、場合分け処理の結果を画像として表現したデータである。ただし、場合分け画像データの各画素は、対象領域に含まれる画素（位置座標ｒ０）と対応付けるものであり、処理対象の画像データに含まれるＮ個の画素（位置座標はそれぞれｒ１、…、ｒＮ）と対応付けるものではないことに注意する。すなわち、画像データに含まれるＮ個の画素（位置座標はそれぞれｒ１、…、ｒＮ）については、場合分け画像データにおいて共起頻度の算出に用いないと表されていても、共起頻度の算出に用いて構わない。図１４は、共起関係をみる組が２つの画素からなり、場合分け処理が、２つの画素の各画素値が一致するか不一致かに分類するものである場合に生成される場合分け画像データの表す画像を例示する図である。同図においては、一致に分類される組の画素のうち対象領域に含まれる画素を各々白丸で表し、不一致に分類される組の画素のうち対象領域に含まれる画素を各々黒丸で表している。尚、本実施の形態においては、共起関係をみる画素の組の取り方によって、場合分けの処理の結果を画像データとして表す場合分け画像データが適応的に異なり、共起頻度の加算の対象の画素が異なる。

ステップＳ４では、共起頻度算出部５４は、ステップＳ１０で生成された場合分け画像データを用いて、第２の画素特徴量についての共起頻度を算出する。尚、場合分け画像データが複数である場合には、以下で説明する共起頻度を算出する処理を、場合分け画像データの数だけ繰り返せばよいので、ここでは場合分け画像データが１つであるとして共起頻度を算出する処理について説明する。まず、共起頻度算出部５４は、場合分け画像データを参照し、対象領域に含まれる画素に対応する、場合分け画像データの画素の画素値を取得する。この結果、共起頻度算出部５４は、対象領域に含まれる画素に対する場合分け処理の結果を取得する。そして、共起頻度算出部５４は、上述の第１の実施の形態と同様にして、予め定められた判定基準に従って、共起頻度を加算するか否かを判定し、判定結果に応じて、共起ヒストグラムにおいて対応ビンを加算する。ステップＳ５は上述の第１の実施の形態と同様である。

以上のように、本実施の形態においては、共起頻度の算出に用いる第２の画素特徴量とは異なる第１の画素特徴量を用いた場合分け処理を行った結果を場合分け画像データとして生成し、当該場合分け画像データにおける画素値が同一である画素の組のそれぞれに対して、当該組に含まれる各画素の第２の画素特徴量が共起する頻度を示す共起頻度を算出する。これにより、最大で、場合分け画像データにおける画素がとり得る値の数だけ共起頻度を算出することができ、従来よりも分離性能の良い特徴量を抽出することが可能となる。例えばこの特徴量を用いて物体検出器や物体識別器を学習することにより、従来よりも高い検出性能や識別性能を得ることができる。

[変形例]
なお、本発明は前記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、前記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。また、以下に例示するような種々の変形が可能である。

上述した各実施の形態において、特徴抽出装置５０で実行される各種プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また当該各種プログラムを、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供するように構成しても良い。

また、上述の各実施の形態においては、対象領域に含まれる画素との共起関係をみる他の画素は、前者の画素から所定の方向に所定の距離離れたものであるとしたが、これに限らない。また、所定の方向及び所定の距離は複数設定されていても良く、共起頻度算出部５４は、異なる所定の方向及び所定の距離毎に共起頻度を算出するようにしても良い。

５０特徴抽出装置
５１取得部
５２画素特徴量算出部
５３分類部
５４共起頻度算出部
５５出力部
５６画像生成部

Claims

複数の画素を有する画像データを取得する取得部と、
前記複数の画素の各々において、互いに異なる第１の画素特徴量及び第２の画素特徴量をそれぞれ算出する画素特徴量算出部と、
前記複数の画素の少なくとも一部の画素について、第１の画素と、前記第１の画素とは異なる第２の画素との組を、前記第１の画素特徴量を用いて分類する分類部と、
前記分類部の分類の結果が同一である前記組に対して、前記第１の画素の前記第２の画素特徴量及び前記第２の画素の前記第２の画素特徴量が共起する頻度を示す共起頻度を算出する共起頻度算出部と、
を備えることを特徴とする特徴抽出装置。
前記第１の画素と、前記第２の画素とは所定の方向に所定の距離離れており、
前記所定の方向及び所定の距離は、予め複数設定されており、
前記共起頻度算出部は、前記所定の方向及び所定の距離毎に、前記共起頻度を算出する
ことを特徴とする請求項１に記載の特徴抽出装置。
前記共起頻度算出部は、前記画像データにおいて１つ以上設定された対象領域毎に、前記共起頻度を算出する
ことを特徴とする請求項２に記載の特徴抽出装置。
前記分類部の分類の結果を画素値と１対１対応させることで分類画像データを生成する画像生成部を更に備え、
前記共起頻度算出部は、前記分類画像データにおける画素値が前記第１の画素の画素値と同一である前記組に対して、前記第１の画素の前記第２の画素特徴量及び前記第２の画素の前記第２の画素特徴量が共起する頻度を示す共起頻度を算出する
ことを特徴とする請求項３に記載の特徴抽出装置。