JP5526805B2 - 重み付け方法、装置、及びプログラム、並びに、特徴画像抽出方法、装置、及びプログラム - Google Patents

Description

本発明は、画像を処理する際に用いられる重み付け方法、装置、及びプログラム、並びに、これらを用いて画像に含まれる特徴画像を抽出する特徴画像抽出方法、装置、及びプログラムに関する。

近年、画像処理技術は、ディジタル処理技術の進展に伴って飛躍的に進歩しており、様々な分野に応用されている。例えば、以下の特許文献１には、車載カメラで撮影した画像に対する画像処理を行って、路上の白線と路側帯（ガードレール）とを区別して認識する技術が開示されている。近年では、車載カメラから得られる画像から未舗装路の轍等を自動的に検出し、その検出結果に基づいて車両の運転状態を自動制御する技術も開発されている。また、以下の特許文献２には、人間や動物を診断する分野において、放射線画像等の医用画像に対する画像処理を行って、医用画像上に現れる異常陰影を抽出する技術が開示されている。

特開２０００−３３１１４８号公報 特開２００５−２５３７０８号公報

ところで、画像に含まれる特徴画像（例えば、未舗装路の轍や上記の特許文献２にいう異常画像）を抽出するときには、まず処理対象の画像に対して特徴画像の抽出に適した複数種類のフィルタ処理を行い、次いでフィルタ処理によって得られる複数の指標（特徴量）を数値化し、最後に複数の特徴量を総合的に勘案して特徴画像であるか否かを判断する処理が行われる。上記のフィルタ処理の種類を増やせば、処理対象の画像を様々な観点から参照することができるため、特徴画像の抽出精度を高められると考えられる。

しかしながら、従来は、特徴画像を抽出する際に用いるフィルタ処理の種類及び特徴画像の抽出に用いる特徴量の種類は人間（設計者）が経験則や実験結果に基づいて決定する必要があった。また、導入した特徴量が特徴画像の抽出にどの程度貢献しているかを判断する指標がなかった。このため、従来は、特徴画像の抽出にさほど貢献しない特徴量が導入されていることがあり、これによって特徴画像の抽出に時間を要するとともに、特徴画像の抽出精度が悪化するという問題があった。かかる問題を解決するためには、人間（設計者）が各特徴量の貢献度を実験によって精査する必要があり、開発に長時間を要するという問題があった。

また、画像によっても重要な評価軸が変わるため、評価に適した重み付けは画像毎に変化させる必要がある。例えば、砂利の中でも通路を見つけたい場合には、模様の粒度（丸や粒の細かさ）に着目し、砂利と草の環境で通路を見つけたい場合には模様の方向性の強さに着目する必要があるが、人手による調整やデータから事前に最適重みを求めた場合にはこのような環境変化を通して正しく動作させることは困難である。

本発明は、上記事情に鑑みてなされたものであり、特徴画像の抽出を短時間且つ高精度で実現し得る重み付け方法、装置、及びプログラム、並びに、これらを用いて画像に含まれる特徴画像を抽出する特徴画像抽出方法、装置、及びプログラムを提供することを目的とする。

上記課題を解決するために、本発明の重み付け方法は、複数のブロック（Ｂ）に区分されて複数種類の特徴量を用いて評価される画像の当該特徴量に対する重み付けを行う重み付け方法であって、前記複数のブロックのうちの予め指定された少なくとも２つの基準ブロック（ＣＢ、ＬＢ）について、前記特徴量の平均値及び標準偏差を算出する第１ステップ（Ｓ２１）と、前記複数のブロックの全てについて前記特徴量の平均値を算出する第２ステップ（Ｓ２２）と、前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する第３ステップ（Ｓ２３）とを含むことを特徴としている。
ここで、前記第３ステップは、重みが予め設定した閾値以下の値である場合には、重みを零に決定することを特徴としている。
本発明の特徴画像抽出方法は、入力される画像に含まれる特徴画像を抽出する特徴画像抽出方法であって、前記画像を複数のブロック（Ｂ）に区分して複数種類のフィルタ処理を行い、前記画像の評価に用いる各ブロック毎の特徴量を前記フィルタ処理の種類毎に求める特徴量算出ステップ（Ｓ１１）と、前記特徴画像が含まれる可能性のあるブロックを基準ブロック（ＣＢ、ＬＢ）として少なくとも２つ特定する基準ブロック特定ステップ（Ｓ１２）と、上記の重み付け方法を用いて、前記特徴量の重み付けを行う重み付けステップ（Ｓ１３）と、前記重み付けステップで重み付けされた前記特徴量を用いて前記画像に含まれる前記特徴画像を抽出する抽出ステップ（Ｓ１４）とを含むことを特徴としている。
また、本発明の特徴画像抽出方法は、評価される画像それぞれに前記特徴量算出ステップと前記重み付けステップとを実施し、評価対象毎の個別の重み付けを行うことを特徴としている。
上記課題を解決するために、本発明の重み付け装置は、複数のブロック（Ｂ）に区分されて複数種類の特徴量を用いて評価される画像の当該特徴量に対する重み付けを行う重み付け装置（３３）であって、前記複数のブロックのうちの予め指定された少なくとも２つの基準ブロック（ＣＢ、ＬＢ）について、前記特徴量の平均値及び標準偏差を算出する第１算出手段（３３ａ）と、前記複数のブロックの全てについて前記特徴量の平均値を算出する第２算出手段（３３ｂ）と、前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する重み決定手段（３３ｃ）とを備えることを特徴としている。
本発明の特徴画像抽出装置は、入力される画像に含まれる特徴画像を抽出する特徴画像抽出装置（１）であって、前記画像を複数のブロック（Ｂ）に区分して複数種類のフィルタ処理を行い、前記画像の評価に用いる各ブロック毎の特徴量を前記フィルタ処理の種類毎に求める特徴量算出手段（３１）と、前記特徴画像が含まれる可能性のあるブロックを基準ブロック（ＣＢ、ＬＢ）として少なくとも２つ特定する基準ブロック特定手段（３２）と、前記特徴量算出手段で求められた前記特徴量の重み付けを行う上記に記載の重み付け装置（３３）と、前記重み付け装置で重み付けされた前記特徴量を用いて前記画像に含まれる前記特徴画像を抽出する抽出手段（３４）とを備えることを特徴としている。
上記課題を解決するために、本発明の重み付けプログラムは、コンピュータを、複数のブロック（Ｂ）に区分されて複数種類の特徴量を用いて評価される画像の、当該複数のブロックのうちの予め指定された少なくとも２つの基準ブロック（ＣＢ、ＬＢ）について、前記特徴量の平均値及び標準偏差を算出する第１算出手段（３３ａ）と、前記複数のブロックの全てについて前記特徴量の平均値を算出する第２算出手段（３３ｂ）と、前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する重み決定手段（３３ｃ）として機能させることを特徴としている。
本発明の特徴画像抽出プログラム（ＰＧ）は、コンピュータを、入力される画像を複数のブロック（Ｂ）に区分して複数種類のフィルタ処理を行い、前記画像の評価に用いる各ブロック毎の特徴量を前記フィルタ処理の種類毎に求める特徴量算出手段（３１）と、前記特徴画像が含まれる可能性のあるブロックを基準ブロック（ＣＢ、ＬＢ）として少なくとも２つ特定する基準ブロック特定手段（３２）と、前記基準ブロックについて、前記特徴量の平均値及び標準偏差を算出する第１算出手段（３３ａ）と、前記複数のブロックの全てについて前記特徴量の平均値を算出する第２算出手段（３３ｂ）と、前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する重み決定手段（３３ｃ）と、前記重み決定手段で重み付けされた前記特徴量を用いて前記画像に含まれる前記特徴画像を抽出する抽出手段（３４）として機能させることを特徴としている。

本発明によれば、複数のブロックのうちの予め指定された少なくとも２つの基準ブロックについて特徴量の平均値及び標準偏差を算出するとともに、複数のブロックの全てについて特徴量の平均値を算出し、基準ブロックについての平均値と複数のブロックの全てについての平均値との差の値、及び基準ブロックについての標準偏差の値に応じて特徴量毎の重みを決定しているため、特徴画像の抽出を短時間且つ高精度で実現することが可能であるという効果がある。更には、画像毎に適した重み付けを再設定することができるため、評価軸が変化するような被写体・環境変化がある場合でも、特徴抽出を正しく動作させることができるようになる。

本発明の一実施形態による特徴画像抽出装置の要部構成を示すブロック図である。 特徴量の分布の一例を示す図である。 本発明の一実施形態による特徴画像抽出装置の動作を示すフローチャートである。 画像処理装置３０で処理される画像の一例を示す図である。 抽出された特徴画像の一例を示す図である。

以下、図面を参照して本発明の一実施形態による重み付け方法、装置、及びプログラム、並びに、特徴画像抽出方法、装置、及びプログラムについて詳細に説明する。尚、以下の説明では、未舗装路の轍を特徴画像として抽出する場合を例に挙げて説明する。図１は、本発明の一実施形態による特徴画像抽出装置の要部構成を示すブロック図である。

図１に示す通り、本実施形態の特徴画像抽出装置１は、Ａ／Ｄ（アナログ／ディジタル）コンバータ１０、記憶装置２０、画像処理装置３０、及びＲＡＭ（Random Access Memory）４０を備えており、外部から入力される画像信号から特徴画像（未舗装路の轍）を抽出する。尚、図１に示す特徴画像抽出装置１は、例えばパーソナルコンピュータ等のコンピュータによって実現され、災害救助車両や工事車両等の特殊車両に搭載されて車両の進行方向を撮影する車載カメラ（図示省略）から入力される画像信号から特徴画像（未舗装路の轍）を抽出する。

Ａ／Ｄコンバータ１０は、不図示の車載カメラから入力される画像信号をディジタルデータに変換し、入力画像を示す入力画像データとして画像処理装置３０に出力する。尚、本実施形態においては、視野が約６０°であって解像度がＶＧＡ（横６４０×縦４８０画素）であり、モノクロの画像信号を出力する車載カメラが特殊車両に搭載されているとする。つまり、上記の入力画像データは、入力画像を構成する横６４０×縦４８０個の各画素の輝度を示す輝度データからなるデータである。尚、車載カメラからディジタル化された画像信号が出力される場合には、Ａ／Ｄコンバータ１０を省略することができる。

記憶装置２０は、例えばハードディスクによって実現され、特徴画像抽出プログラムＰＧ、複数種類のガボールフィルタＦ１〜Ｆ３０、及び複数種類のセンターサラウンドフィルタＦ３１〜Ｆ３５を記憶する。この記憶装置２０は、画像処理装置３０からの読み出し要求に応じて上記の特徴画像抽出プログラムＰＧ、ガボールフィルタＦ１〜Ｆ３０、センターサラウンドフィルタＦ３１〜Ｆ３５を画像処理装置３０に出力する。

ここで、特徴画像抽出プログラムＰＧは、入力画像データから特徴画像である未舗装路の轍を抽出する処理を特徴画像抽出装置１で実現するためのプログラムである。この特徴画像抽出プログラムＰＧが画像処理装置３０によって読み出されて実行されることにより、画像処理装置３０において、特徴量算出部３１、基準ブロック特定部３２、重み付け部３３、及び抽出部３４の各機能が実現される。

また、ガボールフィルタＦ１〜Ｆ３０は、２次元ガウス関数と２次元平面上を一方向に伝播する正弦波関数とを乗じて得られる２次元ガボール関数を利用した空間周波数フィルタであり、２次元ウェーブレットフィルタの一形態である。互いに直交するＸ軸及びＹ軸からなる２次元直交座標系における２次元ガボール関数ＧＢ（ｘ，ｙ）は以下の（１）式で表される。尚、以下の（１）式において、ｕ_０は波の角周波数、σはガウス関数の標準偏差（ガウス窓の幅）を示すパラメータである。また、２次元ガボール関数ＧＢ（ｘ，ｙ）は、波の方向を示すパラメータ（方向パラメータ）として角周波数ｕ_０の偏角φを有している。

以上の２次元ガボール関数ＧＢ（ｘ，ｙ）を利用したガボールフィルタを用いて、入力画像データをフィルタリングすることにより、入力画像の周波数特性やテクスチャ（模様）方向特性を抽出することができる。具体的には、入力画像において、方向パラメータ（偏角φ）と平行なテクスチャ方向を有すると共に、周波数パラメータ（角周波数ｕ_０）に近い周波数特性を有する領域が感度良く抽出される。

本実施形態では、方向パラメータ（角周波数ｕ_０の偏角φ）及び周波数パラメータ（角周波数ｕ_０）が異なる３０種類のガボールフィルタＦ１〜Ｆ３０が記憶装置２０に記憶されている。ここで、上記の周波数パラメータは、抽出すべき特徴画像である轍の幅に応じて設定される。例えば、波の波長（周期）が視野上で１．５〜４度（２５〜５０ｃｍ）程度となるように角周波数ｕ_０が設定される。かかる設定によって、轍が感度良く抽出されやすくなる。尚、本実施形態では、３０種類のガボールフィルタＦ１〜Ｆ３０が記憶装置２０に記憶されている例について説明するが、その数や種類は入力画像の解像度や画像処理装置３０の処理能力に応じて適宜変更することができる。

また、センターサラウンドフィルタＦ３１〜Ｆ３５は、画像上の円形状を強調する円環状のフィルタである。互いに直交するＸ軸及びＹ軸からなる２次元直交座標系におけるセンターサラウンドフィルタＣＳ（ｘ，ｙ；σ）は、以下の（２）式で表される。

このセンターサラウンドフィルタＣＳ（ｘ，ｙ；σ）は、上記（２）式中のσを変えることでフィルタサイズ（円環の大きさ）を変えることができる。これにより、円形形状の物体の画像をその径に応じて強調させたり、逆に強調させなかったりすることができる。本実施形態では、フィルタサイズが互いに異なる５種類のセンターサラウンドフィルタＦ３１〜Ｆ３５が用意されており、これらは例えば未舗装路の路面の粗さや小石等の小物体の密度を評価するために用いられる。尚、ガボールフィルタと同様に、センターサラウンドフィルタの数や種類は、入力画像の解像度や画像処理装置３０の処理能力に応じて適宜変更することができる。

画像処理装置３０は、例えばＣＰＵ（中央処理装置）であり、記憶装置２０から読み出した特徴画像抽出プログラムＰＧに従って、入力画像データに対して所定の画像処理を行うことにより、特徴画像（未舗装路の轍）を抽出する。この画像処理装置３０では、上記特徴画像抽出プログラムＰＧが実行されることによって特徴量算出部３１（特徴量算出手段）、基準ブロック特定部３２（基準ブロック特定手段）、重み付け部３３（重み付け装置）、及び抽出部３４（抽出手段）の各機能が実現される。

特徴量算出部３１は、入力画像データを複数のブロックに区分して複数種類のフィルタ処理を行い、入力画像データの評価に用いるブロック毎の特徴量をフィルタ処理の種類毎に求める。具体的には、入力画像データを一辺が２０画素程度からなる正方形のブロックに区分し、各々のブロック毎に以下に示す３７種類の特徴量を求める。ここで、ブロックは互いに一部重複しても良い。また、ブロックの形状も正方形だけではなく、円形などある特定の規則で生成される曲線で区切られていても良い。更に、規則性があれば同じ大きさである必要はなく、例えば、手前（画面下段）ほどその位置に比例して大きくなる区切り方などの大きさ変化を行っても良い。
（ａ）輝度の平均値：１種類
（ｂ）輝度の標準偏差：１種類
（ｃ）ガボールフィルタによって得られる特徴量：３０種類
（ｄ）センターサラウンドフィルタによって得られる特徴量：５種類

上記（ａ）はブロックの明るさを表す特徴量であり、（ｂ）はブロックの面の粗さを表す特徴量である。これらの特徴量は、特徴量算出部３１が入力画像データを複数のブロックに区分した後にそれぞれ求める。上記（ｃ）はブロックの模様の方向性を表す特徴量であり、特徴量算出部３１が入力画像データを複数のブロックに区分した後に、記憶装置２０からガボールフィルタＦ１〜Ｆ３０を読み出してフィルタリングすることにより求める。上記（ｄ）はブロックの粒度を表す特徴量であり、特徴量算出部３１が入力画像データを複数のブロックに区分した後に、記憶装置２０からセンターサラウンドフィルタＦ３１〜Ｆ３５を読み出してフィルタリングすることにより求める。

基準ブロック特定部３２は、特徴量算出部３１によって区分された複数のブロックのうち、特徴画像（未舗装路の轍）が含まれる可能性のあるブロックを基準ブロックとして少なくとも２つ特定する。ここで、基準ブロックを特定する方法としては、例えば特徴量算出部３１で求められた特徴量を用いて轍を含む通路であると推定される通路領域を特定し、特定された通路領域の中心線を求め、この中心線が通るブロック（中心ブロック）と中心ブロックの左右方向に隣接するブロック（学習ブロック）とを基準ブロックとする方法が挙げられる。

尚、このように基準ブロックを自動的に特定するのではなく、特徴画像抽出装置１のユーザによって指示されたブロックを基準ブロックにしても良い。また、基準ブロックとして使用するブロックは、画像の最下部から画像の高さの１／４程度までの領域に含まれるブロックであるのが望ましい。これは、画像の上部に行くほど画像が不鮮明になり、基準ブロックが誤った位置に検出される可能性が高くなるからである。

重み付け部３３は、第１算出部３３ａ（第１算出手段）、第２算出部３３ｂ（第２算出手段）、及び重み決定部３３ｃ（重み決定手段）を備えており、特徴量算出部３１で求められた特徴量の重み付けを行う。第１算出部３３ａは、基準ブロック特定部３２で特定された基準ブロックについての特徴量の平均値及び標準偏差を特徴量の種類毎に求める。第２算出部３３ｂは、特徴量算出部３１で区分された全てのブロックについての特徴量の平均値を特徴量の種類毎に求める。尚、第２算出部３３ｂが平均値を求める際には、必ずしも全てのブロックを用いる必要はない。例えば、特徴画像としての轍の抽出に全く関与しない画像（例えば、地平線の上方の画像）が含まれるブロックを除外し、残りのブロックについての特徴量の平均値を求めるのが望ましい。

重み決定部３３は、第１算出部３３ａで求められた基準ブロックについての平均値と第２算出部３３ｂで求められた複数のブロックの全てについての平均値との差が大きな特徴量については重みが重くなるように特徴量毎の重みを決定する。また、第１算出部３３ａで求められた基準ブロックについての標準偏差が小さな特徴量については重みが重くなるように特徴量毎の重みを決定する。

ここで、第１算出部３３ａで求められる基準ブロックについてのｉ番目（ｉは１≦ｉ≦３７を満たす整数）の特徴量の平均値及び標準偏差をそれぞれμ＾_ｉ，σ＾_ｉとし、第２算出部３３ｂで求められる複数のブロックの全てについての特徴量の平均値をμ_ｉとし、ａ，ｂ，ｃを任意の定数とする。尚、表記の都合上、上記の記号「μ＾」は、文字「μ」の上部にハット記号「＾」が付された記号であることを意味している。同様に、上記の記号「σ＾」は、文字「σ」の上部にハット記号「＾」が付された記号であることを意味している。重み決定部３３は、以下の（３）式を用いてｉ番目の特徴量毎の重みｗ′_ｉを決定する。

上記（３）式を参照すると、右辺第１項は基準ブロックにおける特徴量の全体に対する偏りを表しており、右辺第２項はその特徴量の基準ブロック内での広がりを表している。右辺第１項が大きく右辺第２項が大きい場合には、その特徴量は基準ブロックとそれ以外のブロックとの間では値が大きく異なる一方で、基準ブロック間では近い値になる。このため、このような特徴量は、特徴画像（未舗装路の轍）の特徴を良く表していると考えられるため重みを大きくしている。

また、上記（３）式を参照すると、重みｗ′_ｉは負の値をとる場合がある。重み決定部３３ｃは、得られた重みｗ′_ｉが負の値である場合には、その値を零に決定する。また、どのような画像であっても重みほぼ零に近い特徴量については、精度を保ったまま処理に要する時間を短縮するために削除する処理を行う。更に、重み決定部３３ｃは、以下の（４）式を用いて正規化した重みｗ_ｉを求める。

また、各ブロックの特徴量の分布は、図２に示す通り、平均値μに関して対称ではなく、偏った分布になることが多い。図２は、特徴量の分布の一例を示す図である。具体的に、特徴量の分布は、図２中の符号Ｄを付した曲線の通り、値が平均値μよりも小さな領域では分布が広くなり、値が平均値μよりも大きな領域ではμ＋２σ程度の範囲に集中する分布になる。

このため、重み決定部３３ｃは、以下の（５）式を用いて各特徴量を正規化するための正規化係数ｓ_ｉも求める。
尚、分布の偏りのない特徴量を用いる場合や、基準ブロックのサンプル数が多く特徴量の分布が正確に分かる場合には、必ずしも上記の正規化係数ｓ_ｉを求める必要はなく、別の正規化方法を用いることができる。

抽出部３４は、重み付け部３３で重み付けされた特徴量を用いて画像に含まれる特徴画像（未舗装路の轍）を抽出する。具体的に、処理対象のブロックにおけるｉ番目の特徴量の値をｆ_ｉ、中心ブロックにおけるｉ番目の特徴量の値をｆ_ｃｉとすると、抽出部３４は、以下の（６）式に示す評価関数Ｅの値が所定値Ｔよりも大きい場合に、その処理対象のブロックに特徴画像が含まれると評価してそのブロックを抽出する。尚、上記の所定値Ｔは、前述した（３）式中の変数ａ，ｂ，ｃの値や、特徴画像の性質に応じて適宜設定される。

ＲＡＭ４０は、画像処理装置３０が各種画像処理を実行する上で必要なデータや、上記の入力画像データを必要に応じて一時的に記憶するために使用される書換え可能な揮発性メモリである。

次に、上記構成における特徴画像抽出装置１の動作について説明する。尚、以下では、不図示の車載カメラ及び特徴画像抽出装置１を搭載する車両が未舗装路を走行しており、車載カメラからは轍が写り込んだ入力画像が得られるものとする。図３は、本発明の一実施形態による特徴画像抽出装置の動作を示すフローチャートである。尚、図３に示すフローチャートは、車両の走行中に所定の時間間隔で繰り返し実行される。

車載カメラから轍が写り込んだ入力画像が得られると、その入力画像はＡ／Ｄコンバータ１０に入力されてディジタルデータに変換され、入力画像データとして画像処理装置３０に出力される。Ａ／Ｄコンバータ１０からの入力画像データは、特徴量算出部３１に入力されて複数のブロックに区分される。図４は、画像処理装置３０で処理される画像の一例を示す図である。図４に示す通り、轍が写り込んだ入力画像が複数のブロックＢに区分されている。図４に示す例では横方向に約３０、縦方向に約２３のブロックＢに区分されている。

入力画像の区分が終了すると、入力画像データの評価に用いるブロック毎の特徴量をフィルタ処理の種類毎に求める処理が特徴量算出部３１で行われる（ステップＳ１１：特徴量算出ステップ）。具体的に、特徴量算出部３１は、区分したブロック毎の輝度の平均値及び輝度の標準偏差を自身の演算によって求める。これにより、各ブロックの明るさを示す特徴量と各ブロックの面の粗さを表す２種類の特徴量が求められる。

また、特徴量算出部３１は、記憶装置２０からガボールフィルタＦ１〜Ｆ３０を読み出してブロックに区分された入力画像データをフィルタリングすることにより、各ブロックの模様の方向性を表す３０種類の特徴量を求める。更に、記憶装置２０からセンターサラウンドフィルタＦ３１〜Ｆ３５を読み出してブロックに区分された入力画像データをフィルタリングすることにより、各ブロックの粒度を表す５種類の特徴量を求める。以上の処理を行うことによって、３７種類の特徴量がブロック毎に求められる。

入力画像データの各ブロックについて、複数種類の特徴量を算出する処理が終了すると、次に基準ブロックを特定する処理が基準ブロック特定部３２で行われる（ステップＳ１２：基準ブロック特定ステップ）。例えば、以上の処理で求めた特徴量を利用し、特願２００９−０７４７９５に示す手法を用いて、轍のある大まかな位置を求めることができる。そして、その位置における中心ブロックＣＢと中心ブロックの左右方向に隣接する学習ブロックＬＢとを基準ブロックとする。尚、図４に示す例では、６個の中心ブロックＣＢと１２個の学習ブロックＬＢとからなる合計１８個のブロックが基準ブロックとして特定されている。

基準ブロックの特定が終了すると、特徴量算出部３１で求められた特徴量に対する重み付けを行う処理が重み付け部３３で行われる（ステップＳ１３：重み付けステップ）。重み付け処理が開始されると、まず基準ブロック特定部３２で特定された基準ブロックについて、特徴量の平均値及び標準偏差を特徴量の種類毎に求める処理が第１算出部３３ａで行われる（ステップＳ２１：第１ステップ）。

次に、特徴量算出部３１で区分された全てのブロックについての特徴量の平均値を特徴量の種類毎に求める処理が第２算出部３３ｂで行われる（ステップＳ２２：第２ステップ）。ここで、図４に示す画像の上部の領域Ｒには地平線の上方の画像が写り込んでおり、かかる領域Ｒの画像は特徴画像としての轍の抽出に全く関与しない画像である。このため、ステップＳ２２の処理を行う場合には、この領域Ｒ内のブロックを除外し、残りのブロックについての特徴量の平均値を求めるのが望ましい。

以上の処理が終了すると、重み決定部３３ｃによって特徴量毎の重みが決定される（ステップＳ２３：第３ステップ）。具体的には、ステップＳ２１で求められた基準ブロックについての特徴量の平均値μ＾_ｉ及び標準偏差σ＾_ｉと、ステップＳ２２で求められた全てのブロックについての平均値μ_ｉとを、特徴量の種類毎に前述した（３）式に代入し、特徴量の種類毎の重みｗ′_ｉを決定する処理が行われる。尚、得られた重みｗ′_ｉが負の値である場合には、その値を零に決定する処理が行われる。重み決定部３３ｃは、以上の重みｗ′_ｉを決定したら、前述した（４）式を用いて正規化した重みｗ_ｉを求めるとともに、前述した（５）式を用いて各特徴量を正規化するための正規化係数ｓ_ｉを求める処理も行う。

特徴量に対する重み付けが終了すると、重み付け部３３で重み付けされた特徴量を用いて画像に含まれる特徴画像（未舗装路の轍）を抽出する処理が抽出部３４で行われる（ステップＳ１４：抽出ステップ）。具体的には、まず処理対象のブロックを特定し、そのブロックのｉ番目の特徴量の値ｆ_ｉ及びそのブロックと画像の縦方向の位置が同じである中心ブロックにおけるｉ番目の特徴量の値ｆ_ｃｉ、並びに、ステップＳ２３の処理にて得られた重みｗ_ｉ及び正規化係数ｓ_ｉを前述した（６）式に示す評価関数Ｅに代入する。そして、評価関数Ｅの値が所定値Ｔよりも大きい場合に、その処理対象のブロックに特徴画像が含まれると評価してそのブロックを抽出する。

尚、処理対象のブロックと画像の縦方向の位置が同じである中心ブロックが存在しない場合には、画像の縦方向における位置がそのブロックよりも下方向であって、そのブロックに最も近い中心ブロックを用いて上記の評価を行う。以上の処理を全てのブロック（図４中の領域Ｒ内のブロックを除く）について行うことによって、特徴画像としての轍が含まれるブロックが抽出される。

図５は、抽出された特徴画像の一例を示す図である。以上の処理が行われることによって、図４に示す画像から、図５中の斜線を付したブロックＢＥが抽出される。図５を参照すると、斜線が付されたブロックＢＥは、僅かながら轍とは異なる部分に点在するものの、殆どは轍が写り込んでいる部分に存在しており、特徴画像である轍の抽出を高精度で実現できていることが分かる。

以上説明した通り、本実施形態によれば、少なくとも２つの基準ブロックについて特徴量の平均値及び標準偏差を算出するとともに、複数のブロックの全てについて特徴量の平均値を算出し、基準ブロックについての平均値と複数のブロックの全てについての平均値との差が大きな特徴量、及び基準ブロックについての標準偏差が小さな特徴量については重みが重くなるように特徴量毎の重みを決定しているため、特徴画像である轍を高精度に抽出することができる。これにより、例えば轍の幅を示す情報を得ることもでき、更には分岐する轍の検出も可能になる。また、特徴量に対する重み付けを行う処理（ステップＳ１３）では、どのような画像であっても重みほぼ零に近い特徴量を削除しているため、精度を保ったまま処理に要する時間を短縮することができる。更に、画像毎に適した重み付けを再設定しており、評価軸が変化するような入力画像の変化にも対応して正しい抽出ができるようになる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態に制限されず、本発明の範囲内で自由に変更が可能である。例えば、上記実施形態では、（３）式を用いて重みｗ′_ｉを求める例について説明したが、重み決定部３３ｃによって決定される重みは、基準ブロックについての平均値と複数のブロックの全てについての平均値との差が大きな特徴量、及び基準ブロックについての標準偏差が小さな特徴量について重くなるものであれば良い。従って、前述した（３）式に代えて、以下の（７）式を用いて重みｗ′_ｉを求めても良い。

また、上記実施形態では、基準ブロックを特定する方法として、轍を含む通路であると推定される通路領域の中心線を用いる方法、及びユーザの指示によって特定する方法を例に挙げて説明したが、これ以外の方法を用いることも可能である。例えば、車両にレーザレーダを設け、このレーザレーダの測定結果に基づいて基準ブロックを特定しても良い。

１ 特徴画像抽出装置
３１ 特徴量算出部
３２ 基準ブロック特定部
３３ 重み付け部
３３ａ 第１算出部
３３ｂ 第２算出部
３３ｃ 重み決定部
３４ 抽出部
Ｂ ブロック
ＣＢ 中心ブロック
ＬＢ 学習ブロック
ＰＧ 特徴画像抽出プログラム

Claims (8)

1. 複数のブロックに区分されて複数種類の特徴量を用いて評価される画像の当該特徴量に対する重み付けを行う重み付け方法であって、
   前記複数のブロックのうちの予め指定された少なくとも２つの基準ブロックについて、前記特徴量の平均値及び標準偏差を算出する第１ステップと、
   前記複数のブロックの全てについて前記特徴量の平均値を算出する第２ステップと、
   前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する第３ステップと
   を含むことを特徴とする重み付け方法。
2. 前記第３ステップは、重みが予め設定した閾値以下の値である場合には、重みを零に決定することを特徴とする請求項１記載の重み付け方法。
3. 入力される画像に含まれる特徴画像を抽出する特徴画像抽出方法であって、
   前記画像を複数のブロックに区分して複数種類のフィルタ処理を行い、前記画像の評価に用いる各ブロック毎の特徴量を前記フィルタ処理の種類毎に求める特徴量算出ステップと、
   前記特徴画像が含まれる可能性のあるブロックを基準ブロックとして少なくとも２つ特定する基準ブロック特定ステップと、
   請求項１又は請求項２記載の重み付け方法を用いて、前記特徴量の重み付けを行う重み付けステップと、
   前記重み付けステップで重み付けされた前記特徴量を用いて前記画像に含まれる前記特徴画像を抽出する抽出ステップと
   を含むことを特徴とする特徴画像抽出方法。
4. 評価される画像それぞれに前記特徴量算出ステップと前記重み付けステップとを実施し、評価対象毎の個別の重み付けを行うことを特徴とする請求項３記載の特徴画像抽出方法。
5. 複数のブロックに区分されて複数種類の特徴量を用いて評価される画像の当該特徴量に対する重み付けを行う重み付け装置であって、
   前記複数のブロックのうちの予め指定された少なくとも２つの基準ブロックについて、前記特徴量の平均値及び標準偏差を算出する第１算出手段と、
   前記複数のブロックの全てについて前記特徴量の平均値を算出する第２算出手段と、
   前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する重み決定手段と
   を備えることを特徴とする重み付け装置。
6. 入力される画像に含まれる特徴画像を抽出する特徴画像抽出装置であって、
   前記画像を複数のブロックに区分して複数種類のフィルタ処理を行い、前記画像の評価に用いる各ブロック毎の特徴量を前記フィルタ処理の種類毎に求める特徴量算出手段と、
   前記特徴画像が含まれる可能性のあるブロックを基準ブロックとして少なくとも２つ特定する基準ブロック特定手段と、
   前記特徴量算出手段で求められた前記特徴量の重み付けを行う請求項５記載の重み付け装置と、
   前記重み付け装置で重み付けされた前記特徴量を用いて前記画像に含まれる前記特徴画像を抽出する抽出手段と
   を備えることを特徴とする特徴画像抽出装置。
7. コンピュータを、
   複数のブロックに区分されて複数種類の特徴量を用いて評価される画像の、当該複数のブロックのうちの予め指定された少なくとも２つの基準ブロックについて、前記特徴量の平均値及び標準偏差を算出する第１算出手段と、
   前記複数のブロックの全てについて前記特徴量の平均値を算出する第２算出手段と、
   前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する重み決定手段と
   して機能させることを特徴とする重み付けプログラム。
8. コンピュータを、
   入力される画像を複数のブロックに区分して複数種類のフィルタ処理を行い、前記画像の評価に用いる各ブロック毎の特徴量を前記フィルタ処理の種類毎に求める特徴量算出手段と、
   前記画像に含まれる特徴画像が含まれる可能性のあるブロックを基準ブロックとして少なくとも２つ特定する基準ブロック特定手段と、
   前記基準ブロックについて、前記特徴量の平均値及び標準偏差を算出する第１算出手段と、
   前記複数のブロックの全てについて前記特徴量の平均値を算出する第２算出手段と、
   前記基準ブロックについての平均値と前記複数のブロックの全てについての平均値との差の値、及び前記基準ブロックについての標準偏差の値に応じて前記特徴量毎の重みを決定する重み決定手段と
   前記重み決定手段で重み付けされた前記特徴量を用いて前記画像に含まれる前記特徴画像を抽出する抽出手段と
   して機能させることを特徴とする特徴画像抽出プログラム。