JP5376906B2

JP5376906B2 - 特徴量抽出装置、物体識別装置及び特徴量抽出方法

Info

Publication number: JP5376906B2
Application number: JP2008288864A
Authority: JP
Inventors: 芸芸曹
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 2008-11-11
Filing date: 2008-11-11
Publication date: 2013-12-25
Anticipated expiration: 2028-11-11
Also published as: EP2348485A4; CN102209974A; WO2010055629A1; EP2348485A1; CN102209974B; JP2010117772A; US8649608B2; US20110243434A1

Description

本発明は、特徴量抽出装置、物体識別装置及び特徴量抽出方法に関し、例えば、与えられた濃淡画像が人物であるか否かを判断する技術に関する。

従来、与えられた画像が人物画像であるか否かを判定する場合、エッジ特徴を用いることが多い。例えば、エッジ方向ヒストグラム（ＨＯＧ：Histograms of Oriented Gradients）を用いた物体識別方法が提案されている（例えば、特許文献１〜３参照）。

エッジ方向ヒストグラムを用いた物体識別方法について、簡単に説明する。エッジ方向の数をＮ_ｉで表し、与えられたＭ（画素）×Ｎ（画素）の濃淡画像Ｉから、ある個数のエッジ方向画像Ｅ_ｉを求める。ここで、Ｅ_ｉを次式のように定義する。

エッジ方向ヒストグラム（ＨＯＧ）は、次式によって求められる。

エッジ方向ヒストグラムを用いることにより、図８Ａのエッジ画像と図８Ｂのエッジ画像とを識別することができる。つまり、エッジ方向ヒストグラムを用いることにより、エッジ方向の異なる画像を識別することができるようになる。

しかしながら、エッジ方向ヒストグラムを用いた識別方法は、画像全体の統計的な特徴を検出するので、例えば図８Ｂと図８Ｃとを識別することは困難である。何故なら、図８Ｂのエッジ画像と図８Ｃのエッジ画像との間では、エッジ方向の度数は同一であるからである。この結果、誤認識が生じる。

そこで、図８Ｂのエッジ画像と図８Ｃのエッジ画像とを識別できる一つの方法として、エッジの共起性を用いたものが提案されている（例えば非特許文献１参照）。この方法は、エッジの共起性を示す特徴量として、エッジ方向の共起行列（co-occurrence matrix of edge direction）を用いる。エッジ方向の共起行列Ｈ_ＣＯ（ｉ，ｊ）は、次式で表される。

エッジ方向の共起性を用いた画像識別方法では、近隣領域中のエッジ方向を考慮した識別を行うので、エッジ方向ヒストグラムのようにエッジ方向の度数のみを用いた識別では正しく識別できなかったエッジも、正しく識別できるようになる。
特開平５−２１０７３９号公報特開２００３−２６３６３８号公報特開２００７−１５６６２６号公報 Sami Brand, Jorma Laaksonen, Erkki Oja, "Statistical Shape Features in Content-Based Image Retrieval", Proceedings of the 15th International Conference on Pattern Recognition(ICPR’2000), Volume 2, pp. 6062

しかしながら、非特許文献１のような従来のエッジ方向の共起行列を用いた画像識別方法においては、エッジの位置関係が十分に配慮されていないので、物体を誤認識するおそれがある。従来のエッジ方向の共起行列を用いた画像識別方法では、例えば、図８Ｃと図８Ｄとの識別が困難である。因みに、図８Ｄのようなエッジパターンは、人物画像の「肘」によく出るパターンであり、図８Ｃのようなエッジパターンは、「木」によく出るエッジパターンである。よって、例えば歩行者を識別しようとする場合に、「木」の画像を誤って歩行者の画像であると誤認識する可能性があり、不十分であった。

本発明は、かかる点を考慮してなされたものであり、エッジの位置関係の違いに起因するエッジパターンの違いをも識別し得、例えば人物画像の識別精度を向上し得る特徴量抽出装置、物体識別装置及び特徴量抽出方法を提供する。

本発明の特徴量抽出装置の一つの態様は、画像からエッジを抽出するエッジ画像抽出部と、所定画素のエッジ方向及び前記所定画素の近隣領域に存在するエッジ画素のエッジ方向の少なくとも一方と、前記近隣領域を分割してなる複数の分割領域のうち前記エッジ画素が含まれる分割領域の前記近隣領域における位置との組み合わせの個数の要素からなるエッジ空間共起マトリクスを、画像の特徴量として算出する特徴量算出部と、を具備する構成を採る。

本発明の物体識別装置の一つの態様は、前記特徴量抽出装置と、前記特徴量抽出装置によって得られた複数の特徴量をそれぞれ入力し、入力した特徴量と予め学習によって獲得された識別関数とから推定値を出力する複数の弱識別器と、前記複数の弱識別器から出力された推定値を足し合わせる結合部と、足し合わされた推定値を閾値判定する判定部と、を具備する構成を採る。

本発明の特徴量抽出方法の一つの態様は、エッジ画像抽出部が、画像からエッジを抽出し、特徴量算出部が、所定画素のエッジ方向及び前記所定画素の近隣領域に存在するエッジ画素のエッジ方向の少なくとも一方と、前記近隣領域を分割してなる複数の分割領域のうち前記エッジ画素が含まれる分割領域の前記近隣領域における位置との組み合わせの個数の要素からなるエッジ空間共起マトリクスを、画像の特徴量として算出するようにした。

本発明によれば、エッジの位置関係の違いに起因するエッジパターンの違いをも識別し得、例えば人物画像の識別精度を向上し得る。

以下、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。

［全体構成］
図１に、本発明の実施の形態に係る物体識別装置の全体構成を示す。本実施の形態では、物体識別装置１００によって、主に、人物画像を識別する場合について説明するが、物体識別装置１００の識別対象は人物画像に限らない。

物体識別装置１００は、画像取得部１０１によって画像を取得する。画像取得部１０１は、例えばカメラやスキャナである。画像取得部１０１は、画像を取得し、さらに取得した画像に対して必要な部分を切り出したり、画像変換といった前処理を施すことにより、濃淡画像データＳ１を得、これを出力する。

ノイズ除去部１０２は、濃淡画像データＳ１のノイズを除去する。実際上、ノイズ除去部１０２としてはノイズ除去フィルタを用いればよく、ノイズ除去フィルタとしてはメディアンフィルタ、シャープフィルタ又は平均値フィルタ等を用いればよい。ノイズが除去された濃淡画像データＳ２は、画像サイズ正規化部１０３に出力される。

画像サイズ正規化部１０３は、ノイズが除去された濃淡画像Ｓ２をサイズ正規化する。すなわち、画像サイズ正規化部１０３は、入力された濃淡画像を、予め決めたサイズにサイズ変更する。例えば、入力された画像が決られたサイズよりも小さい場合には拡大操作し、入力された画像が決められたサイズよりも大きい場合には縮小操作する。本実施の形態の例では、画像正規化のサイズとして６４（画素）×１２８（画素）を採用し、全ての画像を６４（画素）×１２８（画素）の画像サイズに変更する。サイズ正規化された画像データＳ３は、エッジ抽出部１０４に出力される。

エッジ抽出部１０４は、サイズ正規化された濃淡画像Ｓ３からエッジを抽出する。エッジ抽出部１０４は、例えば濃淡画像データＳ３を微分することで、エッジ方向画像データＳ４を得る。エッジ方向画像データＳ４は、特徴量算出部１０５に出力される。

特徴量算出部１０５は、エッジ方向画像データＳ４から特徴量Ｓ５を算出し、これを識別部１０６に出力する。識別部１０６は、特徴量Ｓ５に基づいて、入力画像（すなわち画像取得部１０１によって取得された画像）が人物画像であるか否かを識別する。

［特徴量算出部］
図２に、特徴量算出部１０５の構成を示す。特徴量算出部１０５は、エッジ抽出部１０４で得たエッジ方向画像を画像切り出し部１０５−１に入力する。画像切り出し部１０５−１は、図３Ａ、図３Ｂに示すように、エッジ画像から所定領域ＡＲ１、ＡＲ２の画像を切り出す。図３Ａ、図３Ｂは、５（画素）×５（画素）からなる領域ＡＲ１、ＡＲ２が切り出された例を示す。なお、図３Ａは人物画像によく出るエッジパターンの例を示し、図３Ｂは木の画像によく出るエッジパターンの例を示す。ここで、領域ＡＲ１、ＡＲ２の中心画素Ｐ０が空間位置関係の基準点である。

以下、図３Ａの領域ＡＲ１が切り出された場合を例に説明する。領域ＡＲ１内のエッジ画像データは、中心エッジ画素のエッジ方向判定部１０５−２と、近隣エッジ画素のエッジ方向判定部１０５−３と、エッジ画素の空間位置関係検出部１０５−４と、に出力される。

ここで、本実施の形態では、図４に示すように、エッジ方向を例えば６方向に分ける。各エッジ方向１〜６は、以下の範囲である。

エッジ方向１：０°〜３０°，１８０°〜２１０°
エッジ方向２：３０°〜６０°，２１０°〜２４０°
エッジ方向３：６０°〜９０°，２４０°〜２７０°
エッジ方向４：９０°〜１２０°，２７０°〜３００°
エッジ方向５：１２０°〜１５０°，３００°〜３３０°
エッジ方向６：１５０°〜１８０°，３３０°〜３６０°

なお、あるエッジ画素におけるエッジ方向は、当該画素と、当該画素に隣接する横と縦方向の画素との輝度の差分（勾配）のarctan演算で求められる。前記輝度の差分が所定値より大きい場合、当該画素のエッジ方向を得られたエッジ方向とし、所定値以下の場合、当該画素がエッジ画像でないと判定し、エッジ方向を−１とする。

中心エッジ画素のエッジ方向判定部１０５−２は、図３Ａの中心画素Ｐ０（座標（ｘ、ｙ）の画素）のエッジ方向を求め、求めたエッジ方向を演算部１０５−５に出力する。

近隣エッジ画素のエッジ方向判定部１０５−３は、中心画素Ｐ０の近隣領域に存在するエッジ画素のエッジ方向を求め、求めたエッジ方向を演算部１０５−５に出力する。図３Ａの場合には、中心画素Ｐ０の近隣領域に４つのエッジ画素が存在するので、近隣エッジ画素のエッジ方向判定部１０５−３は、この４つのエッジ画素それぞれのエッジ方向を判定する。

これに加えて、本実施の形態の特徴量算出部１０５は、エッジ画素の空間位置関係検出部１０５−４によって、エッジ画素の空間位置関係を検出する。エッジ画素の空間位置関係検出部１０５−４は、中心画素Ｐ０の近隣領域に存在するエッジ画素が、中心画素Ｐ０の近隣領域を複数の領域に分割してなる分割領域のうちのどの分割領域に存在するかを検出する。図５に、近隣領域の分割の例を示す。図５の例では、近隣領域が８個の領域Ｒ_１〜Ｒ_８に分割されている。エッジ画素の空間位置関係検出部１０５−４は、各エッジ画素が領域Ｒ_１〜Ｒ_８のうちのどの領域に位置するかを検出する。

演算部１０５−５は、中心エッジ画素のエッジ方向判定部１０５−２と、近隣エッジ画素のエッジ方向判定部１０５−３と、エッジ画素の空間位置関係検出部１０５−４と、によって得られた検出結果を用いて、３次元のヒストグラムを算出する。この３次元のヒストグラムは、エッジ空間共起マトリクス（spatial co-occurrence matrix of edge directions）と呼ぶことができる。このエッジ空間共起マトリクスについて説明する。

ここで、エッジ方向の数をＮ_ｉで表し、与えられたＭ（画素）×Ｎ（画素）のエッジ画像Ｓ４から、ある個数（図３Ａの場合には６個）のエッジ方向画像Ｅ_ｉを求める。ここで、Ｅ_ｉを、次式のように定義する。

ここで、空間位置関係の基準点である中心画素Ｐ０のエッジ方向の番号をｉとし、中心画素Ｐ０の近隣領域に存在する画素（図３Ａ、図３Ｂの場合、中心画素Ｐ０の周囲の２４個の画素）のエッジ方向の番号をｊとし、中心画素Ｐ０の近隣領域に存在する画素の位置番号をｋとすると、演算部１０５−５は、次式によって、エッジ空間共起マトリクスＨ_ＳＣＯ（ｉ，ｊ，ｋ）を求める。

なお、式（５）におけるＲ_ｋは、図５に示すように、分割領域番号を示す。

式（５）で表されるエッジの空間共起マトリクスＨ_ＳＣＯ（ｉ，ｊ，ｋ）は、所定画素（中心画素Ｐ０）のエッジの方向と、所定画素の近隣領域に存在するエッジ画素のエッジ方向と、所定画素と近隣領域に存在するエッジ画素との空間位置関係と、によって規定したエッジ画素の個数を、画像の特徴量として算出したものである。式（５）で表されるエッジの空間共起マトリクスＨ_ＳＣＯ（ｉ，ｊ，ｋ）は、画像全体に対し、エッジの位置関係が考慮されているので、従来のエッジヒストグラム（HOG）や従来のエッジ共起マトリクス（co-occurrence matrix of edge directions）によっては区別できない図形も、区別できる能力がある。

ここで、例えば、Ｈ_ＳＣＯ（４，３，３）の値は、エッジ方向４（９０°〜１２０°，２７０°〜３００°）の画素の右上方向（位置Ｒ_３）にあるエッジ方向３（６０°〜９０°，２４０°〜２７０°）の画素の数である。図３Ｂに示した、木の画像によく出るエッジパターンにおいては、この値（特徴量）が大きいはずである。具体的には、図３Ｂのエッジパターンの場合には、Ｈ_ＳＣＯ（４，３，３）＝２となる。これに対して、図３Ａのエッジパターンの場合には、Ｈ_ＳＣＯ（４，３，３）＝０となる。

また、Ｈ_ＳＣＯ（４，３，６）の値は、エッジ方向４（９０°〜１２０°，２７０°〜３００°）の画素の左下方向（位置Ｒ_６）にあるエッジ方向３（６０°〜９０°，２４０°〜２７０°）の画素の数である。図３Ａに示した、人物の画像によく出るエッジパターンにおいては、この値（特徴量）が大きいはずである。具体的には、図３Ａのエッジパターンの場合には、Ｈ_ＳＣＯ（４，３，６）＝２となる。これに対して、図３Ｂの場合には、エッジパターンの場合には、Ｈ_ＳＣＯ（４，３，６）＝０となる。

このようにして、エッジ画像の全画素に対し、演算部１０５−５は、ｉ，ｊ，ｋの全ての組み合わせについて、エッジ空間共起マトリクスＨ_ＳＣＯ（ｉ，ｊ，ｋ）を求める。本実施の形態の例では、ｉ＝１，２，………，６であり、ｊ＝１，２，………，６であり、ｋ＝１，２，………，８であるので、６×６×８＝２８８個の要素からなるエッジ空間共起マトリクスが得られる。すなわち、特徴量Ｓ５として、２８８個の特徴量（３次元ヒストグラム）が得られる。

［識別部］
図６に、識別部１０６の構成を示す。識別部１０６は、複数の弱識別器１０６−１１〜１０６−１ｎと、結合部１０６−２と、判定部１０６−３とを有する。

弱識別器１０６−１１〜１０６−１ｎには、特徴量算出部１０５によって得られた特徴量Ｓ５（特徴量１〜ｎ）が入力される。弱識別器１０６−１１〜１０６−１ｎは、特徴量１〜ｎに対応した数だけ設けられている。本実施の形態の例では、２８８個の弱識別器が設けられているが、これより少ない数でも構わない。

弱識別器１０６−１１〜１０６−１ｎは、予め学習によって獲得された特徴量及びそれに対応する識別関数を有する。具体的には、物体識別装置１００によって人物を識別しようとする場合には、学習時に、トレーニング画像として大量の人物画像と非人物画像を用い、物体識別装置１００の特徴量算出部１０５の出力結果Ｓ５を求め、機械学習手法、例えば、ブースティング手法により学習を行うことにより、各弱識別器１０６−１１〜１０６−１ｎが人物画像の各特徴量に対応した識別関数を獲得する。

そして、実際の画像識別時には、特徴量算出部１０５から入力される特徴量１〜ｎと、予め学習によって獲得されている上記識別関数とを用いて、各特徴量に対応する人物である推定値ｈ_１〜ｈ_ｎが出力される。

各推定値ｈ_１〜ｈ_ｎは、結合部１０６−２によって足し合わされ、これにより得られた推定値Ｈが判定部１０６−３に出力される。判定部１０６−３は、推定値Ｈを閾値判定し、推定値Ｈが所定の閾値よりも大きい場合には、入力画像が人物画像であると判定し、判定結果Ｓ６を出力する。

［動作］
次に、図７を用いて、物体識別装置１００における動作について説明する。ここでは、特に本発明の特徴である、特徴量算出部１０５及び識別部１０６の動作について説明する。

物体識別装置１００は、ステップＳＴ１０で、特徴量算出及び識別処理を開始すると、ステップＳＴ１１で、特徴量算出部１０５における、画像の全画素に対し、中心エッジ画素のエッジ方向判定部１０５−２、近隣エッジ画素のエッジ方向判定部１０５−３及びエッジ画素の空間位置関係検出部１０５−４が、各エッジ画素のエッジ方向とエッジ位置関係を検出する。

続くステップＳＴ１２では、特徴量算出部１０５の演算部１０５−５が、式（５）によってエッジ空間共起マトリクスを特徴量Ｓ５として算出する。

続くステップＳＴ１３では、対応する弱識別器１０６−１１〜１０６−１ｎに、エッジ空間共起マトリクスの要素である対応する特徴量（特徴量１〜ｎ）を入力する。

続くステップＳＴ１４では、各弱識別器１０６−１１〜１０６−１ｎが推定値ｈ_ｉ（ｉ＝１〜ｎ）を算出する。続くステップＳＴ１５では、結合部１０６−２が推定値Ｈを算出する。

続くステップＳＴ１６では、判定部１０６−３が推定値Ｈを閾値判定する。推定値Ｈが閾値よりも大きい場合には、判定部１０６−３は、ステップＳＴ１７に移って、入力画像が人物画像であると判断し、判定結果Ｓ６として「１」を出力する。これに対して、推定値Ｈが閾値以下の場合には、判定部１０６−３は、ステップＳＴ１８に移って、入力画像が非人物画像であると判断し、判定結果Ｓ６として「−１」を出力する。

ステップＳＴ１７又はステップＳＴ１８の後、ステップＳＴ１９にて、特徴量算出及び識別処理が終了される。

［効果］
以上説明したように、本実施の形態によれば、特徴量算出部１０５が、所定画素（実施の形態の場合、中心画素）のエッジの方向と、前記所定画素の近隣領域に存在するエッジ画素のエッジ方向と、前記所定画素の近隣領域に存在するエッジ画素との空間位置関係と、によって規定したエッジ画素の個数（３次元ヒストグラム）を画像の特徴量Ｓ５として算出したことにより、エッジの位置関係をも表現した特徴量Ｓ５を得ることができる。この結果、エッジの位置関係の違いに起因するエッジパターンの違いをも識別し得、例えば人物画像の識別精度を向上できるようになる。

また、本実施の形態で算出するエッジ空間共起マトリクス（特徴量）は、グローバルな特徴であるので、画像中の人物に位置ずれや姿勢変動にロバスト性のある特徴量を得ることができる。

［他の実施の形態］
なお、上述の実施の形態では、所定画素のエッジの方向と、前記所定画素の近隣領域に存在するエッジ画素のエッジ方向と、前記所定画素の近隣領域に存在するエッジ画素との空間位置関係と、によって規定したエッジ画素の個数（３次元ヒストグラム）を画像の特徴量として算出した場合について述べたが、例えば、所定画素のエッジの方向と、前記所定画素の近隣領域に存在するエッジ画素との空間位置関係と、によって規定したエッジ画素の個数（２次元ヒストグラム）を画像の特徴量として算出してもよい。

この場合、特徴量算出部１０５の構成を、図２の構成から近隣エッジ画素のエッジ方向判定部１０５−３を省略した構成とすると共に、演算部１０５−５が次式によりエッジ空間共起マトリクスＨ_１（ｉ，ｋ）を求めればよい。

このようにした場合には、上述の実施の形態と比較すると、識別精度は低下すると考えられるが、上述の実施の形態と同様にエッジの位置関係が表現された特徴量を得ることができるので、エッジの位置関係の違いに起因するエッジパターンの違いを識別できる。

また、所定画素の近隣領域に存在するエッジ画素のエッジ方向と、前記所定画素の近隣領域に存在するエッジ画素との空間位置関係と、によって規定したエッジ画素の個数（２次元ヒストグラム）を画像の特徴量として算出してもよい。

この場合、特徴量算出部１０５の構成を、図２の構成から中心エッジ画素のエッジ方向判定部１０５−２を省略した構成とすると共に、演算部１０５−５が次式によりエッジ空間マトリクスＨ_２（ｊ，ｋ）を求めればよい。

なお、上述の実施の形態では、識別部１０６を複数の弱識別器１０６−１１〜１０６−１ｎを有する構成とした場合について述べたが、識別部１０６の構成はこれに限らない。本発明は、特に、特徴量算出部１０５による特徴量の算出処理に特徴があるので、それ以外の構成は適宜変更してもよい。

本発明は、エッジの位置関係の違いに起因するエッジパターンの違いをも識別できる効果を有し、例えば人物画像を識別するのに好適である。

本発明の実施の形態に係る物体識別装置の全体構成を示すブロック図特徴量算出部の構成を示すブロック図人物画像によく出るエッジパターンの例を示す図木の画像によく出るエッジパターンの例を示す図エッジ方向の例を示す図近隣領域の分割の例を示す図識別部の構成を示すブロック図特徴量算出部及び識別部の動作の説明に供するフローチャートエッジパターンの例を示す図

符号の説明

１００物体識別装置
１０４エッジ抽出部
１０５特徴量算出部
１０６識別部
１０６−１１〜１０６−１ｎ弱識別器
１０６−２結合部
１０６−３判定部

Claims

画像からエッジを抽出するエッジ画像抽出部と、
所定画素のエッジ方向及び前記所定画素の近隣領域に存在するエッジ画素のエッジ方向の少なくとも一方と、前記近隣領域を分割してなる複数の分割領域のうち前記エッジ画素が含まれる分割領域の前記近隣領域における位置との組み合わせの個数の要素からなるエッジ空間共起マトリクスを、画像の特徴量として算出する特徴量算出部と、
を具備する特徴量抽出装置。
画像からエッジを抽出するエッジ画像抽出部と
前記画像の特徴量を、次の式（１）又は式（２）によって算出する特徴量算出部と、
を具備する特徴量抽出装置。

i,j：エッジ方向の番号，i=1,…,Ｎi , j=1,…,Ｎi
Ｎi：エッジ方向の数
k：エッジ画素の位置番号，k=1,…,Ｎk
Ｎk：分割子領域の数

i,j：エッジ方向の番号，i=1,…,Ｎj , j=1,…,Ｎj
Ｎj：エッジ方向の数
k：エッジ画素の位置番号，k=1,…,Ｎk
Ｎk：分割子領域の数
但し、式（１）及び式（２）において、Ｎ，Ｍは特徴量を算出する対象領域の縦方向及び横方向の画素数を示し、（ｘ，ｙ）は所定画素の座標を示し、Ｒｋ（ｘ,ｙ）は画素（
ｘ,ｙ）のｋ番目の近隣領域を示し、Ｅｉ，Ｅｊは、次の式（３）により定義されたもの
である。
画像からエッジを抽出するエッジ画像抽出部と
前記画像の特徴量を、次の式（４）によって算出する特徴量算出部と、
を具備する特徴量抽出装置。

i,j：エッジ方向の番号，i=1,…,Ｎi , j=1,…,Ｎi
Ni：エッジ方向の数
k：エッジ画素の位置番号，k=1,…,Ｎk
Ｎk：分割子領域の数
但し、式（４）において、Ｎ，Ｍは特徴量を算出する対象領域の縦方向及び横方向の画素数を示し、（ｘ，ｙ）は所定画素の座標を示し、Ｒｋ（ｘ,ｙ）は画素（ｘ,ｙ）のｋ番目の近隣領域を示し、Ｅｉ，Ｅｊは、次の式（５）により定義されたものである。
請求項１から請求項３のいずれか一項に記載の特徴量抽出装置と、
前記特徴量抽出装置によって得られた複数の特徴量をそれぞれ入力し、入力した特徴量と予め学習によって獲得された識別関数とから推定値を出力する複数の弱識別器と、
前記複数の弱識別器から出力された推定値を足し合わせる結合部と、
足し合わされた推定値を閾値判定する判定部と、
を具備する物体識別装置。
エッジ画像抽出部が、画像からエッジを抽出し、
特徴量算出部が、所定画素のエッジ方向及び前記所定画素の近隣領域に存在するエッジ画素のエッジ方向の少なくとも一方と、前記近隣領域を分割してなる複数の分割領域のうち前記エッジ画素が含まれる分割領域の前記近隣領域における位置との組み合わせの個数の要素からなるエッジ空間共起マトリクスを、画像の特徴量として算出する、
特徴量抽出方法。