JP5337252B2 - 特徴抽出装置 - Google Patents
特徴抽出装置 Download PDFInfo
- Publication number
- JP5337252B2 JP5337252B2 JP2011531730A JP2011531730A JP5337252B2 JP 5337252 B2 JP5337252 B2 JP 5337252B2 JP 2011531730 A JP2011531730 A JP 2011531730A JP 2011531730 A JP2011531730 A JP 2011531730A JP 5337252 B2 JP5337252 B2 JP 5337252B2
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- pixels
- occurrence frequency
- case
- feature amount
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
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。
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。
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、Support Vector Machine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。
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。
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
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 (4)
- 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。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2009/066401 WO2011033657A1 (ja) | 2009-09-18 | 2009-09-18 | 特徴抽出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2011033657A1 JPWO2011033657A1 (ja) | 2013-02-07 |
JP5337252B2 true JP5337252B2 (ja) | 2013-11-06 |
Family
ID=43758283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011531730A Active JP5337252B2 (ja) | 2009-09-18 | 2009-09-18 | 特徴抽出装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9008434B2 (ja) |
JP (1) | JP5337252B2 (ja) |
WO (1) | WO2011033657A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682304A (zh) * | 2012-03-26 | 2012-09-19 | 北京博康智能信息技术有限公司 | 一种融合多特征的行人检测方法及装置 |
JP6093221B2 (ja) * | 2013-03-29 | 2017-03-08 | 株式会社メガチップス | 画像処理回路及び画像検出装置 |
CN109919010A (zh) * | 2019-01-24 | 2019-06-21 | 北京三快在线科技有限公司 | 图像处理方法及装置 |
CN110388919B (zh) * | 2019-07-30 | 2023-05-23 | 上海云扩信息科技有限公司 | 增强现实中基于特征图和惯性测量的三维模型定位方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004265407A (ja) * | 2003-02-28 | 2004-09-24 | Eastman Kodak Co | デジタル画像におけるカラーオブジェクトの検出方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4969202A (en) * | 1988-03-31 | 1990-11-06 | Honeywell Inc. | Image recognition edge detection method and system |
US5627908A (en) * | 1994-09-20 | 1997-05-06 | Neopath, Inc. | Method for cytological system dynamic normalization |
US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
US6430312B1 (en) * | 1997-12-29 | 2002-08-06 | Cornell Research Foundation, Inc. | Image subregion querying using color correlograms |
US6377711B1 (en) * | 1999-06-30 | 2002-04-23 | Xerox Corporation | Methods and systems for detecting the edges of objects in raster images using diagonal edge detection |
US6845178B1 (en) * | 2001-06-27 | 2005-01-18 | Electro Scientific Industries, Inc. | Automatic separation of subject pixels using segmentation based on multiple planes of measurement data |
US6862366B2 (en) * | 2001-09-13 | 2005-03-01 | Seiko Epson Corporation | Techniques for scratch and date removal from scanned film |
US7764839B2 (en) * | 2003-08-14 | 2010-07-27 | Fujifilm Corporation | Edge detecting apparatus and method, and image size enlarging and reducing apparatus and method |
US7555152B2 (en) * | 2005-01-06 | 2009-06-30 | Siemens Medical Solutions Usa, Inc. | System and method for detecting ground glass nodules in medical images |
US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
CN101189641B (zh) * | 2005-05-12 | 2012-05-02 | 布雷克成像有限公司 | 编码数字图像的像素或体素的方法及处理数字图像的方法 |
WO2006138525A2 (en) * | 2005-06-16 | 2006-12-28 | Strider Labs | System and method for recognition in 2d images using 3d class models |
US20080031506A1 (en) * | 2006-08-07 | 2008-02-07 | Anuradha Agatheeswaran | Texture analysis for mammography computer aided diagnosis |
US8145677B2 (en) * | 2007-03-27 | 2012-03-27 | Faleh Jassem Al-Shameri | Automated generation of metadata for mining image and text data |
US8355595B2 (en) * | 2007-05-15 | 2013-01-15 | Xerox Corporation | Contrast enhancement methods and apparatuses |
JP5214367B2 (ja) | 2008-08-08 | 2013-06-19 | 株式会社東芝 | 特徴量抽出装置、特徴量抽出方法、画像処理装置、及び、プログラム |
JP4970381B2 (ja) | 2008-08-08 | 2012-07-04 | 株式会社東芝 | 特徴抽出装置、特徴抽出方法、画像処理装置、及び、プログラム |
-
2009
- 2009-09-18 WO PCT/JP2009/066401 patent/WO2011033657A1/ja active Application Filing
- 2009-09-18 JP JP2011531730A patent/JP5337252B2/ja active Active
-
2012
- 2012-03-16 US US13/422,038 patent/US9008434B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004265407A (ja) * | 2003-02-28 | 2004-09-24 | Eastman Kodak Co | デジタル画像におけるカラーオブジェクトの検出方法 |
Non-Patent Citations (2)
Title |
---|
CSNG200700981002; 安藤 裕樹: '共起度数画像による各種のフィルタの設計' 電気学会研究会資料 IP-07-15 , IIS-07-39, 20070811, P.7-12, 社団法人電気学会 * |
JPN6013022095; 安藤 裕樹: '共起度数画像による各種のフィルタの設計' 電気学会研究会資料 IP-07-15 , IIS-07-39, 20070811, P.7-12, 社団法人電気学会 * |
Also Published As
Publication number | Publication date |
---|---|
JPWO2011033657A1 (ja) | 2013-02-07 |
US20120177293A1 (en) | 2012-07-12 |
US9008434B2 (en) | 2015-04-14 |
WO2011033657A1 (ja) | 2011-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5297530B2 (ja) | 画像処理装置、及びインターフェース装置 | |
CN104123529B (zh) | 人手检测方法及系统 | |
JP4970381B2 (ja) | 特徴抽出装置、特徴抽出方法、画像処理装置、及び、プログラム | |
JP4877374B2 (ja) | 画像処理装置及びプログラム | |
CN105009170A (zh) | 物体识别设备、方法和存储介质 | |
JP2010176380A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP7159384B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Grycuk et al. | From single image to list of objects based on edge and blob detection | |
WO2019197021A1 (en) | Device and method for instance-level segmentation of an image | |
JP5337252B2 (ja) | 特徴抽出装置 | |
KR101753360B1 (ko) | 시점 변화에 강인한 특징점 정합 방법 | |
JP2017102622A (ja) | 画像処理装置、画像処理方法及びプログラム | |
Nasri et al. | A novel approach for dynamic hand gesture recognition using contour-based similarity images | |
Donoser et al. | Robust planar target tracking and pose estimation from a single concavity | |
WO2014006786A1 (ja) | 特徴量抽出装置および特徴量抽出方法 | |
JP2013037539A (ja) | 画像特徴量抽出装置およびそのプログラム | |
Parande et al. | Concealed weapon detection in a human body by infrared imaging | |
Anjomshoae et al. | Enhancement of template-based method for overlapping rubber tree leaf identification | |
JP6202938B2 (ja) | 画像認識装置および画像認識方法 | |
JP2020087165A (ja) | 学習データ生成プログラム、学習データ生成装置、及び学習データ生成方法 | |
JP2019021100A (ja) | 画像探索装置、商品認識装置および画像探索プログラム | |
KR101357581B1 (ko) | 깊이 정보 기반 사람의 피부 영역 검출 방법 | |
CN108255298B (zh) | 一种投影交互系统中的红外手势识别方法及设备 | |
JP5051671B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
Kumar et al. | Object detection using robust image features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130514 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130709 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130802 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5337252 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |