JP5845139B2 - 図形検出処理装置、図形検出処理方法及び図形検出処理プログラム - Google Patents

Description

本発明は、画像から円形や四角形、また三角形などの特定の図形を検出する図形検出処理装置、図形検出処理方法及び図形検出処理プログラムに関する。

コンピュータビジョンの分野において、円や直線などの特定の図形を検出する手法としてＨｏｕｇｈ変換（例えば、非特許文献１参照）が広く利用されている。Ｈｏｕｇｈ変換とは、まず画像からエッジ（物体の輪郭）検出を行い、次に検出されたエッジに含まれる画素を用いて、円形や直線などの検出対象となる図形の位置や半径（パラメータ）を投票処理により決定するものである。エッジ検出はソーベルフィルタやキャニー法などを用いて行う。

しかしながら、検出対象の図形と背景の色のコントラストが小さい場合やカメラの焦点ぼけにより図形の境界画素の色が背景と混ざってしまっている場合には、エッジを検出すること自体が難しい。ノイズの多い画像やコントラストの低い画像においては、検出対象の図形以外の輪郭のエッジも検出してしまうため、Ｈｏｕｇｈ変換では誤検出をしやすいという問題がある。

従来手法において、このようなエッジの抽出が困難な画像に対してのアプローチとして、分離度フィルタを用いた図形検出手法（例えば、非特許文献２参照）がある。この手法は、特定の図形の形をした２つの領域（テンプレート）マスクを用意し、マスク内の２つの領域の分離度を計算する。分離度とは、２つの領域内の画素の輝度値について、線形判別分析法の尺度（クラス内分散とクラス間分散）により２つのマスク領域の輝度値の違いを計算したものである。２つの領域の色や輝度値の違いが大きいほど、分離度も大きい値となる。

しかしながら、この手法は線形判別分析法をもとにしているため、各領域内の輝度値の分布が正規分布であるときには精度良く図形を検出できるが、検出対象となる図形の色が一様でなくて細かい模様があったり、センサのノイズ等の影響により輝度値に大きなばらつきがある場合には、輝度値の分布が正規分布ではなくなるため、図形検出が難しいという問題がある。

Generalizing the Hough transform to detect arbitrary shapes, D.H.Ballard, Pattern Recognition, (1981) 形状抽出とパターン照合の組み合わせによる顔特徴点抽出，福井，山口，電子情報通信学会論文誌，Ｄ−II，Ｖｏｌ．８０−Ｄ−II，Ｎｏ．８ ｐｐ．２１７０−２１７７（１９９７）

前述したように、従来手法であるエッジ検出を前提とした図形検出をするハフ変換では、検出対象の図形の色もしくは輝度値と背景の色もしくは輝度値のコントラストが小さい場合には、エッジが安定して抽出できないために図形の検出精度も低くなるという問題がある。

また、検出対象となる図形と背景のコントラストが小さい場合でも安定して図形を検出できる分離度フィルタにおいては、対象となる図形の色（もしくは輝度値）が一様でない場合、つまり図形に模様があったり、センサの測定誤差によるノイズが多い場合には、検出精度が低下するという問題がある。

本発明は、このような事情に鑑みてなされたもので、検出対象となる図形の色もしくは輝度値が一様でない場合や検出対象となる図形と背景の色もしくは輝度値のコントラストが小さい場合にも、安定して図形を検出することができる図形検出処理装置、図形検出処理方法及び図形検出処理プログラムを提供することを目的とする。

本発明は、処理対象の画像を入力する画像入力手段と、前記画像の注目画素に対して、検出すべき図形に応じて予め決められた第１の領域及び第２の領域を有するマスクを設定するマスク設定手段と、前記注目画素を移動しながら、前記第１の領域内の画像特徴量の確率分布である第１の確率分布と、前記第２の領域内の画像特徴量の確率分布である第２の確率分布とを求める確率分布生成手段と、前記第１の確率分布と前記第２の確率分布とに基づいて、前記２つの確率分布の異なる度合いを示す分離度合い指標と、前記第１の領域及び第２の領域内における前記確率分布の自己相似性の度合いを示す自己相似度合い指標とを求め、前記分離度合い指標と前記自己相似度合い指標とから検出すべき図形らしさを示す図形指標を算出する指標算出手段と、前記図形指標に対して、閾値処理を行うことにより、前記注目画素に位置する図形が検出すべき図形であるか否かを判定する判定手段とを備えたことを特徴とする。

本発明は、前記画像特徴量が画素値であり、前記判定手段は、前記注目画素に位置する図形が検出すべき図形であると判定した場合に、前記図形の輪郭が存在するべき画素の画素値勾配の強度と画素値勾配の方向に基づき検出図形の絞り込みを行うことを特徴とする。

本発明は、前記検出すべき図形のテンプレート画像を予め記憶したテンプレート記憶手段をさらに備え、前記判定手段は、前記注目画素に位置する図形が検出すべき図形であると判定した場合に、前記図形と前記テンプレート記憶手段に記憶された前記テンプレート画像とを比較し、比較結果に基づき、検出図形の絞り込みを行うことを特徴とする。

本発明は、前記指標算出手段は、バタチャリア係数を用いて前記分離度合い指標と前記自己相似度合い指標とを求めることを特徴とする。

本発明は、処理対象の画像を入力する画像入力手段を備える図形検出処理装置が行う図形検出方法であって、前記画像の注目画素に対して、検出すべき図形に応じて予め決められた第１の領域及び第２の領域を有するマスクを設定するマスク設定ステップと、前記注目画素を移動しながら、前記第１の領域内の画像特徴量の確率分布である第１の確率分布と、前記第２の領域内の画像特徴量の確率分布である第２の確率分布とを求める確率分布生成ステップと、前記第１の確率分布と前記第２の確率分布とに基づいて、前記２つの確率分布の異なる度合いを示す分離度合い指標と、前記第１の領域及び第２の領域内における前記確率分布の自己相似性の度合いを示す自己相似度合い指標とを求め、前記分離度合い指標と前記自己相似度合い指標とから検出すべき図形らしさを示す図形指標を算出する指標算出ステップと、前記図形指標に対して、閾値処理を行うことにより、前記注目画素に位置する図形が検出すべき図形であるか否かを判定する判定ステップとを有することを特徴とする。

本発明は、コンピュータを、前記図形検出処理装置として機能させるための図形検出処理プログラムである。

本発明によれば、検出対象となる図形の色もしくは輝度値が一様でない場合や検出対象となる図形と背景の色もしくは輝度値のコントラストが小さい場合にも、安定して図形を検出できるという効果が得られる。また、実画像において、センサ等のノイズが大きいような画像や画像全体が暗くてコントラストが低い画像においても精度良く図形を検出することができるという効果も得られる。

本発明の第１の実施形態の構成を示すブロック図である。 図１に示す図形検出処理装置１００の処理動作を示すフローチャートである。 入力画像の一例を示す図である。 フィルタ（円形）用マスクの一例を示す図である。 四角形を検出するときのフィルタ用のマスク例を示す図である。 入力画像Ｉのマンホールを含む注目画素ｍ周辺の拡大図である。 領域Ｒ_１と領域Ｒ_２をそれぞれ分割して作成した小領域を示す図である。 半径ｒを変化させたときの分離度合いの変化を示す図である。 マンホール及び周辺を拡大した画像を示す図である。 第２の実施形態による図形検出処理装置１００の処理動作を示すフローチャートである。 入力画像と一部を拡大した拡大図を示す図である。 第３の実施形態による図形検出処理装置１００の構成を示すブロック図である。 テンプレート画像の一例を示す説明図である。 図１２に示す図形検出処理装置１００の処理動作を示すフローチャートである。

以下、図面を参照して、本発明の実施形態による図形検出処理装置を説明する。本実施形態による図形検出処理装置は、特定の形、例えば円形や三角形や矩形（四角形）の図形を検出するものである。以下の説明では、具体的な例としてレーザーレンジファインダにより取得したレーザーの反射強度画像を用いた、円形の物体であるマンホールの検出を行うことを例にして説明する。

＜第１の実施形態＞
図１は、第１の実施形態による図形検出処理装置の構成を示すブロック図である。この図において、符号１００は、画像から特定の図形を検出する図形検出処理装置であり、コンピュータ装置によって構成する。符号１０１は、カメラもしくはレーザーレンジファインダによって被写体の画像を撮影する被写体撮影部である、被写体撮影部１０１は、レーザーレンジファインダによる撮影に代えて、ＲＧＢ輝度値を出力するカメラや赤外線カメラを用いて被写体を撮影するようにしてもよい。被写体撮影部１０１は、飛行機に設置され、上空から地上を撮影したり、また自動車の上に搭載して周囲を撮影をするものである。符号１０２は、図形検出処理装置１００において必要なパラメータを入力するパラメータ入力部であり、例えばキーボードやマウス、タッチ入力装置などのユーザーインタフェースや、ＤＶＤ（Digital Versatile Disc）やＵＳＢ（Universal Serial Bus）メモリ等の外部記憶装置からのパラメータのデータの転送装置である。

符号１０３は、被写体撮影部１０１により撮影した反射強度や輝度値を映像信号として記憶する画像記憶部であり、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等のハードウェアによる記憶装置であり、同一でも別々のハードウェアでもよい。符号１０４は、パラメータ入力部１０２からパラメータの値を取得し、画像記憶部１０３から処理対象となる画像Ｉを取得し、図形検出処理を行う図形検出処理部である。図形形状フィルタ処理部１０４は、フィルタマスクＲＯＩ処理部１０４ａ、画像特徴量の確率分布生成部１０４ｂ、分離度合い指標算出部１０４ｃ、自己相似度合い指標算出部１０４ｄ及び図形指標計算部１０４ｅから構成する。

符号１０５は、図形検出処理部１０４の結果を取得し、検出された図形の位置等のパラメータ情報を出力する図形判定部である。符号１０７は、画像Ｉと検出された図形のパラメータ情報をアスキーコードなどのテキストデータやバイナリデータに変換し、そのデータをディスプレイ表示用の映像信号として出力する検出図形出力部である。パラメータとは、図形の形や大きさ、また位置情報を意味する。符号１０８は、ＣＲＴ（Cathode Ray Tube）、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）等の表示装置で構成する検出図形表示部である。

次に、図２、図３を参照して、図１に示す図形検出処理装置１００の処理動作を説明する。図２は、図１に示す図形検出処理装置１００の処理動作を示すフローチャートである。図３は、入力画像の一例を示す図である。まず、図形形状フィルタ処理部１０４は、画像記憶部１０３から画像Ｉを入力する（ステップＳ１）。画像Ｉにおいて、図３で示すような画像Ｉの左上を原点とした横方向をＸ軸、縦方向をＹ軸とした画像座標系であるものとする。画像の画素ｍについてＩ（ｍ）は画素ｍの色（Ｒｅｄ，Ｂｌｕｅ，Ｇｒｅｅｎ）もしくは輝度値を表す。ここで、画像がＲＧＢ（Ｒｅｄ，Ｂｌｕｅ，Ｇｒｅｅｎ）画像の場合、事前に濃淡画像に変換をするか、もしくは、Ｒ、Ｇ、Ｂそれぞれについて以下の処理を独立して行い、図形指標算出部１０４ｅで求めたそれぞれの図形指標の平均値を、図形判定部１０５へ出力する。以下の説明では、「輝度値」（請求項においては「画素値」を用いている）は、Ｒ、Ｇ、Ｂそれぞれの反射強度や赤外線の反射強度値、レーザーの反射強度値を意味することとする。

次に、図形形状フィルタ処理部１０４は、入力画像Ｉについて平滑化フィルタをかける（ステップＳ２）。平滑化フィルタによりノイズの影響を抑える。具体的には、ガウシアンフィルタやメディアンフィルタを使用する。フィルタのパラメータに、フィルタのウィンドウの大きさがあるが、ここでは大きさが５画素のウィンドウ、ガウシアンフィルタの標準偏差σは１．０の値を用いる。ただし、ウィンドウサイズや標準偏差σは１．０以外でもよく、最適な値は画像に依存するので実験的に決定される値である。ガウシアンフィルタｆのフィルタ係数を以下の式で示す。
ここでΔｘ，Δｙとは、フィルタをかける注目画素ｍからのｘ軸とｙ軸方向の差分量である。

次に、図形形状フィルタ処理部１０４は、画像Ｉの各画素ｍについて以下のステップＳ４、Ｓ５の処理を実行して図形検出フィルタ処理を行う（ステップＳ３）。これは、領域ベースの輪郭検出手法の１つであり、図４で示すように対象となる図形（図４に示す例では円を対象図形とする）の形のマスクを用意して、フィルタマスクＲＯＩ処理部１０４ａが処理する。図４は、フィルタ用マスクの一例を示す図である。このマスクは、２つの同心円の半径ｒ１−半径ｒで囲まれた領域Ｒ_１と半径ｒ２−半径ｒで囲まれた領域Ｒ_２の２つの領域から構成する。もちろん、円形以外のマスクを使うことで、検出対象の図形の形を変えることができる。図５に四角形を検出するときのフィルタ用のマスク例を示す。図５は、四角形を検出するときのフィルタ用のマスクを示す図である。

次に、画像特徴量の確率分布生成部１０４ｂは、各領域Ｒ_ｉ（ｉ∈１，２）の画像特徴量の確率分布Ｐ_ｉ（ｉ∈１，２）を計算する（ステップＳ４）。図６は、入力画像Ｉのマンホールを含む注目画素ｍ周辺の拡大図である。まず、フィルタマスクＲＯＩ処理部１０４ａは、注目画素ｍについて、半径ｒ２の実線の円で囲われる領域をフィルタマスク処理領域ＲＯＩ（Region of Interest）として設定する。つまり、注目画素ｍから半径ｒ２以内のメモリアドレスを取得する。ここでは、画像特徴量を輝度値（スカラ値）として説明するが、局所特徴量であるＳＩＦＴ（Scale-Invariant Feature Transform）やＨＯＧ（Histgrams of Oriented Gradients）等の多次元のベクトルを用いてもよい。特徴量が多次元ベクトルになった場合にも、多次元空間での確率分布を求めることで、以下同様の処理を行い図形検出することが可能である。本実施形態では、特徴量を輝度値とした例の確率分布の求め方を説明する。

各領域Ｒ_ｉ（ｉ∈１，２）について、各マスク領域内の画素をもとに輝度値の頻度分布を作成する。図６に、領域Ｒ_２における画素の輝度値（０〜２５５の値）を階級とし、各輝度値の画素数から頻度を計算した例を示す。この頻度分布の頻度の総和Ｚ_Ａを用いて、頻度分布のそれぞれのビン（頻度）の値を頻度の総和Ｚ_Ａで割ることで正規化を行い、確率分布Ｐ_１，Ｐ_２を求める。本実施形態における確率分布とは、頻度分布の総和が１．０に正規化されたヒストグラムのことである。つまり、図６の例では、Ｚ_Ａは領域Ｒ_２の全画素数である。領域Ｒ_１の確率分布Ｐ_１も同様にして求める。

次に、分離度合い指標算出部１０４ｃと自己相似度合い指標算出部１０４ｄは、領域Ｒ_１と領域Ｒ_２の確率分布Ｐ_ｉ（ｉ∈１，２）を用いて、領域Ｒ_１と領域Ｒ_２の画像特徴量の確率分布の異なる度合いの指標ξ_ｓｅｐ（分離度合い）と各領域Ｒ_ｉ（ｉ∈１，２）内では、場所によらず模様（画像特徴量）が似ている度合いの指標ξ_ｕｎｉ（自己相似度合い）を算出する。

次に、図形指標計算部１０４ｅは、分離度合い指標算出部１０４ｃと自己相似度合い指標算出部１０４ｄにおいて算出した２つの指標を用いて、図形指標ζを求める（ステップＳ５）。分離度合い指標ξ_ｓｅｐと自己相似度合い指標ξ_ｕｎｉと図形指標ζは、以下の式で求まる。
ただし、ＳＲ_ｉ ^（ｊ）は領域Ｒ_ｉ（ｉ∈１，２）を分割したｊ個目の小領域、φ（Ｒ_ｉ）は領域Ｒ_ｉの確率分布Ｐ_ｉを出力する関数である。ｊとｊ’は小領域番号（ｊ，ｊ’∈１，２，３，．．．，Ｎ）であり、ｓｉｍは２つの領域における画像特徴の確率分布の類似度を出力する関数である。小領域ＳＲ_ｉ ^（ｊ）は、領域Ｒ_ｉをＮ分割した領域である。

ここでは、Ｎ＝４とし、ＳＲ_ｉ ^（ｊ）は図７に示すように角度θ_α＝４５・ｊ度からθ_β＝θ_α＋９０度で囲まれた領域とする。図７は、領域Ｒ_１と領域Ｒ_２をそれぞれ分割して作成した小領域を示す図である。ｓｉｍは２つの確率分布の類似度を評価する関数であればよく、Earth Mover’s Distanceやバタチャリア係数（Bhattacharyya Coefficient）、ヒストグラムインタセクションなどである。

本実施形態ではバタチャリア係数を用いる。バタチャリア係数は２つの分布間の類似度を表すものであり、２つの分布が同一であれば１を、分布間に重なりがなければ０を出力する。そのため、（２）式により２つの確率分布が異なる程バタチャリア係数が小さくなり、分離度合いξ_ｓｅｐは大きくなる。一方、同一領域内の小領域間の確率分布の形状が類似しているほどξ_ｕｎｉは大きくなる。ここで、Ｐ_ｉを確率分布、ヒストグラムのビン（階級）をｋ、ビンの数を大文字のＫで表わし、各ビンｋの確率をｐ（ｋ）で表すと、領域Ｒ_ｉと領域Ｒ_ｉ’のバタチャリア係数を用いて確率分布間距離ｓｉｍを求める。

もちろん、図形指標ζの算出方法は、（２）式以外でもよく、マスク領域間の画像特徴量の分離度合いの指標ξ_ｓｅｐと各マスク領域内での画像特徴量の自己相似度合いの指標ξ_ｕｎｉの統合方法は、以下のようなパラメータを用いた式でもよい。
ここで、λは２つの指標の重視する重みを決めるためのパラメータである。

また、図３に示す白線近くの画像例３のような位置では領域Ｒ_２に白線が含まれるために、マンホールがなくても領域Ｒ_１と領域Ｒ_２の分離度合いξ_ｓｅｐが大きくなる。そこで、ξ_ｓｅｐの計算において領域Ｒ_１とそれを囲む８方向の小領域Ｒ_２ ^l（l∈１，２，３，．．．，８）の確率分布を比較することで、コントラストの大きい白線やコーナー近くでξ_ｓｅｐが大きくなることを抑えることができる。

領域Ｒ_１と領域Ｒ_２の画像特徴量の確率分布の異なる度合い（分離度合い）指標ξ_ｓｅｐについて、（２）式のξ_ｓｅｐの代わりに（７）式のξ_ｓｅｐ８を図形指標ζの算出する（２）式や（６）式に用いることで、コーナーや白線付近の点に反応しにくい図形検出が可能となる。

次に、パラメータｒ（半径）について説明する。入力画像Ｉにおいて検出対象となる図形の大きさが一定でないときにパラメータ半径ｒの大きさも推定する必要がある。例えば、検出対象図形（マンホール）の半径が１６画素、１８画素、２０画素など様々な大きさがある場合、図８に示すように注目画素ｍにおいて半径ｒを１６＜ｒ＜ ２０で変化させて図形指標ζを求める必要がある。図８は、半径ｒを変化させたときの分離度合いの変化を示す図である。つまり、ｒ＝１６〜２０すべての値で図形指標ζを計算し、ζが最も大きな値となるときの半径ｒを画素ｍにおける図形パラメータ候補とする。

次に、図形判定部１０５は、フィルタ処理後の図形指標ζについて、局所領域内での最大値となる場所を検出する（ステップＳ６）。例えば、図９のように、画像を縦と横それぞれＨ画素のグリッドに区切り、各グリッド内について最大の図形指標ζの値をとる画素を図形が存在する候補地点として出力する。図９は、マンホール及び周辺を拡大した画像を示す図である。グリッドの大きさＨは実験的に決めるパラメータであり、ここでは検出図形（円）の直径が最小で３２画素なので、Ｈは３２画素と設定する。

次に、図形判定部１０５は、各候補地点の図形指標ζが閾値Ｔｈ_ζ以上か否かを調べる（ステップＳ７）。閾値Ｔｈ_ζ以上の画素位置を図形が存在すると判定する。ただし、閾値Ｔｈ_ζは０から１の値をとり、実験的に決定するパラメータである。ここでは、（２）式の図形指標ζの閾値Ｔｈ_ζ＝０．１とする。

次に、検出図形出力部１０７は、画像Ｉと検出された図形のパラメータ情報をアスキーコードなどのテキストデータやバイナリデータに変換し、そのデータをディスプレイ表示用の映像信号として検出図形表示部１０８へ出力する。

＜第２の実施形態＞
次に、本発明の第２の実施形態による図形検出処理装置を説明する。図１０は、第２の実施形態による図形検出処理装置の処理動作を示すフローチャートである。第２の実施形態における装置構成は、図１に示す装置構成と同様であるので、ここでは詳細な説明を省略する。図１０において、図２に示す処理動作と同一の部分には同一の符号を付し、その説明を省略する。図１０に示す処理動作が図２に示す処理動作と異なる点は、ステップＳ８が新たに追加されている点である。

図形判定部１０５は、求めた図形が存在する候補地点ｍ＝ [ｍ_ｘ，ｍ_ｙ]^Ｔについて、対象図形が存在するか否かの判定をステップＳ７までの処理推定した図形パラメータ（半径ｒ）を用いて評価する。ただし、ｍ_ｘ，ｍ_ｙは候補地点の位置ｍのｘ座標とｙ座標を表し、添字のＴは転置を表す。

図１１の拡大図に示すように、十字印の位置に検出対象の円形が存在するか否かを調べる。図１１は、入力画像と一部を拡大した拡大図を示す図である。注目画素ｍに半径ｒの円が存在する仮定した場合、半径ｒの円弧上の画素ｎ＝[ｎ_ｘ，ｎ_ｙ]^Ｔ（∈Ω）における輝度勾配の方向をθｎ（ｉ）、画像の輝度勾配から求めた画素ｎにおける輝度勾配の方向をθ_Ｉ（ｉ）、ソーベルフィルタにより作成したｘ方向の輝度勾配画像をＥ_ｘ、ｙ軸方向の輝度勾配画像をＥ_ｙとすると、位置ｍにおける対象図形が存在する尤度Ｌ_ｇｒａｄ（ｍ）は次式で求まる。
ただし、εは零割りを避けるための微小値であり、ここではε＝０．０００１とする。

最後に、図形判定部１０５は、尤度Ｌ_ｇｒａｄ（ｍ）について閾値Ｔｈ_grad以上の値であれば、画素ｍに検出対象となる図形が存在すると判定する（ステップＳ８）。閾値Ｔｈ_gradは０から１の値をとり、実験的に決めるパラメータである。本実施形態ではＴｈ_grad＝０．２とした。

文献「ハフ変換と分離度フィルタによる人物顔からの両目の検出，川口，日高，安部，信学技法，ＰＲＭＵ９９−１１３（１９９９）」においても、エッジ情報を用いるという点で同様のアプローチがある。これは、分離度フィルタにより図形位置の候補地点をもとめた後に、求めたパラメータ半径ｒ上の画素のエッジ抽出を行い、エッジ上の画素を用いて投票する方法である。一方、本実施形態ではエッジ上の画素による投票ではなく、半径ｒの画素の輝度勾配θ_ｐ（ｎ）とθ_Ｉ（ｎ）の類似度（８）式を用いる点が異なる。これにより、エッジが存在するか判定する処理が必要なく、またエッジ判定精度の影響を受けにくい図形検出ができる。

＜第３の実施形態＞
次に、本発明の第３の実施形態による図形検出処理装置を説明する。図１２は、第３の実施形態による図形検出処理装置１００の構成を示すブロック図である。図１２において、図１に示す装置と同一の部分には同一の符号を付し、その説明を省略する。図１２に示す装置が図１に示す装置と異なる点は、テンプレート記憶部１０６が新たに追加されている点である。テンプレート記憶部１０６は、画像記憶部１０３に記憶されている画像からテンプレート情報を生成し、記憶する。またテンプレート記憶部１０６は、図形判定部１０５へテンプレート情報を出力する。ここで、テンプレート情報とは、レーザーレンジファインダにより取得した反射強度の画像やカメラで撮影した輝度値のカラー（Ｒ、Ｇ、Ｂ）の画像のことである。図１３に、テンプレート画像の例を示す。図１３は、テンプレート画像の一例を示す図である。テンプレート画像は、入力画像から一部を切り出して生成する。

次に、図１４を参照して、図１２に示す図形検出処理装置１００の処理動作を説明する。図１４は、図１２に示す図形検出処理装置１００の処理動作を示すフローチャートである。図１４において、図２に示す処理動作と同一の部分には同一の符号を付し、その説明を省略する。図１４に示す処理動作が図２に示す処理動作と異なる点は、ステップＳ９が新たに追加し、図形判定部１０５は、ステップ７において判定した図形の位置を最終的な検出位置とするのではなく、図形が存在する候補位置とする点が異なる。

図形判定部１０５は、ステップ７で求めた図形候補位置である画素ｍを中心として幅Ｗ画素の範囲のウィンドウを設定する。このウィンドウ内の画像と予めテンプレート記憶部１０６に記憶しておいたテンプレート画像を比較することで、画素ｍの位置に図形が存在しているか否かの判定を行う（ステップＳ９）。

画像特徴は位置を示す画素ｍにおけるＳＩＦＴやＨＯＧ等の局所特徴量、もしくはウィンドウＷ内の局所領域の画像の輝度値をラスタースキャンして作成したベクトルでもよい。注目画素ｍの画像特徴量をＶｍテンプレート画像の特徴量の数をＦ、テンプレート画像の画像特徴量をＶｆ（ｆ∈１，２，…Ｆ）で表わすと次式で尤度Ｌ_ｉｍｇが求まる。

尤度Ｌ_ｉｍｇについて、閾値Ｔｈ_ｉｍｇ以下の値であれば、画素ｍに対象図形があると判定する。閾値Ｔｈ_ｉｍｇは０から１の値をとり、実験的に決めるパラメータである。ここでは閾値Ｔｈ_ｉｍｇ＝０．５とした。これ以降の処理動作は、前述した処理動作と同様である。

以上説明したように、従来の図形検出手法である分離度フィルタでは、２つの領域内の画素の画像特徴量（たとえば輝度値、色、テクスチャ）の分布がそれぞれ正規分布であること、つまり検出対象の図形と背景の画素の色に斑がない場合に、図形を精度良く検出できる。これに対して本実施形態では、２つの領域内の画像特徴量（色や輝度値やテクスチャ）の分布の確率分布を比較することで分離度合いを決めるようにした。これにより、画素の輝度値（もしくは色やテクスチャ）の分布が正規分布に従わない、例えば検出対象の図形内の色や背景の色に模様がありその分布が多峰性となるときでも安定して２つの領域の違いが評価でき特定の図形が存在する位置（候補地点）を求めることができる。

また、２つの領域の画像特徴量の確率分布の違いを評価することで図形の存在候補地点を決定したあとに、求めた図形の輪郭が存在するべき画素の輝度勾配の強度と輝度勾配の方向を調べることで、よりノイズに頑健な検出ができる。また、求める図形が特定の物体と限定できる場合（例えば、円形の場合に瞳、道路標識、マンホールのような物体など）、その物体の画像をテンプレート画像として複数登録し、図形が存在する候補地点の周辺領域（局所領域）の画像とテンプレート画像を比較することで、更に検出精度の向上が実現できる。

なお、図１、図１２における処理部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより図形検出処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

以上、図面を参照して本発明の実施の形態を説明してきたが、上記実施の形態は本発明の例示に過ぎず、本発明が上記実施の形態に限定されるものではないことは明らかである。したがって、本発明の技術思想及び範囲を逸脱しない範囲で構成要素の追加、省略、置換、その他の変更を行っても良い。

本発明は、画像から円形や四角形、また三角形などの特定の図形を検出する際に、ノイズを含む画像や背景と検出対象の図形のコントラストが低い画像においても所望の図形を検出することが不可欠な用途に適用できる。

１０１・・・被写体撮影部、１０２・・・パラメータ入力部、１０３・・・画像記憶部、１０４・・・図形形状フィルタ処理部、１０４ａ・・・フィルタマスクＲＯＩ処理部、１０４ｂ・・・画像特徴量の確率分布生成部、１０４ｃ・・・第１指標算出部、１０４ｄ・・・第２指標算出部、１０４ｅ・・・図形指標計算部、１０５・・・図形判定部、１０６・・・テンプレート記憶部、１０７・・・検出図形出力部、１０８・・・検出図形表示部

Claims (7)

1. 処理対象の画像を入力する画像入力手段と、
   前記画像の注目画素に対して、検出すべき図形に応じて予め決められた第１の領域及び第２の領域を有し、前記第１の領域と前記第２の領域の境界が前記検出すべき図形の形であるマスクを設定するマスク設定手段と、
   前記注目画素を移動しながら、前記第１の領域内の画像特徴量の確率分布である第１の確率分布と、前記第２の領域内の画像特徴量の確率分布である第２の確率分布とを求める確率分布生成手段と、
   前記第１の確率分布と前記第２の確率分布とに基づいて、前記２つの確率分布の異なる度合いを示す分離度合い指標と、前記第１の領域及び第２の領域内における前記確率分布の自己相似性の度合いを示す自己相似度合い指標とを求め、前記分離度合い指標で表される分離度合いが大きいほど、かつ、前記自己相似度合い指標で表される前記各領域内での類似の度合いが高いほど、検出すべき図形らしさが大きくなるよう、検出すべき図形らしさを示す図形指標を算出する指標算出手段と、
   前記図形指標に対して、閾値処理を行うことにより、前記注目画素に位置する図形が検出すべき図形であるか否かを判定する判定手段と
   を備えたことを特徴とする図形検出処理装置。
2. 前記画像特徴量が画素値であり、
   前記判定手段は、前記注目画素に位置する図形が検出すべき図形であると判定した場合に、前記図形の輪郭が存在するべき画素の画素値勾配の強度と画素値勾配の方向に基づき検出図形の絞り込みを行うことを特徴とする請求項１に記載の図形検出処理装置。
3. 前記検出すべき図形のテンプレート画像を予め記憶したテンプレート記憶手段をさらに備え、
   前記判定手段は、前記注目画素に位置する図形が検出すべき図形であると判定した場合に、前記図形と前記テンプレート記憶手段に記憶された前記テンプレート画像とを比較し、比較結果に基づき、検出図形の絞り込みを行うことを特徴とする請求項１に記載の図形検出処理装置。
4. 前記指標算出手段は、バタチャリア係数を用いて前記分離度合い指標と前記自己相似度合い指標とを求めることを特徴とする請求項１から３のいずれか１項に記載の図形検出処理装置。
5. 前記指標算出手段は、
   前記第２の領域を分割して作成した２つ以上の小領域それぞれと、前記第１の領域との分離度合いの中で、分離度合いが最も小さな組み合わせから前記分離度合い指標を求めることを特徴とする請求項１に記載の図形検出処理装置。
6. 処理対象の画像を入力する画像入力手段を備える図形検出処理装置が行う図形検出処理方法であって、
   前記画像の注目画素に対して、検出すべき図形に応じて予め決められた第１の領域及び第２の領域を有し、前記第１の領域と前記第２の領域の境界が前記検出すべき図形の形であるマスクを設定するマスク設定ステップと、
   前記注目画素を移動しながら、前記第１の領域内の画像特徴量の確率分布である第１の確率分布と、前記第２の領域内の画像特徴量の確率分布である第２の確率分布とを求める確率分布生成ステップと、
   前記第１の確率分布と前記第２の確率分布とに基づいて、前記２つの確率分布の異なる度合いを示す分離度合い指標と、前記第１の領域及び第２の領域内における前記確率分布の自己相似性の度合いを示す自己相似度合い指標とを求め、前記分離度合い指標で表される分離度合いが大きいほど、かつ、前記自己相似度合い指標で表される前記各領域内での類似の度合いが高いほど、検出すべき図形らしさが大きくなるよう、検出すべき図形らしさを示す図形指標を算出する指標算出ステップと、
   前記図形指標に対して、閾値処理を行うことにより、前記注目画素に位置する図形が検出すべき図形であるか否かを判定する判定ステップと
   を有することを特徴とする図形検出処理方法。
7. コンピュータを、請求項１から５のいずれか１項に記載の図形検出処理装置として機能させるための図形検出処理プログラム。