JP5935501B2 - プログラム、画像処理装置及び画像処理方法 - Google Patents

Description

開示の技術は、プログラム、画像処理装置及び画像処理方法に関する。

近年、画像に写っている物体の名称を自動認識する一般物体認識の研究が盛んに行われている。例えば、一般物体認識により、画像に物体名をメタデータとして自動付与することができれば、効率的な画像検索が可能となる。

一般物体認識によるメタデータ自動付与の基本的な手順を以下に示す。
（１）画像コーパスの作成
一般物体認識では、物体名ごとに、予め正解の物体名が付けられた大量の画像を用意する。以降では、正解付き画像を画像コーパス（学習画像）と呼ぶ。

（２）機械学習
機械学習により、画像と正解の物体名との関係性を自動的に求めることができる。

（３）メタデータ自動付与
（２）の機械学習で求めた関係性を使い、未知の画像に対して、メタデータが自動付与される。

以上の手順の中で（１）の画像コーパスを作成するためには、画像に人手で正解のメタデータを付与する必要があり、膨大な手間がかかる。メタデータは、例えば物体名である。そのため、人手による付与作業の効率化が求められている。

そこで、画像に人手で正解のメタデータを付与する場合を考える。例えば、画面に表示された衛星・航空写真に対して、鉄塔の領域を入力者が手動で指定し、物体名の欄に、「鉄塔」と入力する場合を想定する。人手による付与作業では、以下の２つの手順が実施される。
（Ａ）入力者が、物体の領域を指定する。
（Ｂ）入力者が、指定した物体の正解名称を入力する。

最後に、入力者が保存を指示すると、指定領域の部分画像と正解の物体名との組が、画像コーパスとして保存される。

一方、メタデータを付与する従来技術として、例えば、管理サーバは、編集端末によって生成された素材コンテンツのメタデータとそれに対する確度とを対応付けてＤＢに格納する技術がある。

また、類似領域探索を行うことで、画像コーパス構築作業の効率化が考えられる。例えば、人手により指定された領域に、画像の見た目（画像特徴量）が類似する領域を自動探索する技術がある。画像特徴量として、色の特徴量や形状の特徴量などがある。

類似領域の探索を効率化する技術として、２つの画像のマッチングを行う際、基準画像を移動させ、撮影画像と基準画像のマッチング度を演算し、所定の一次マッチング候補点を検出し、マッチング度が高い順に二次マッチングを行う技術がある。

特開２００９−２６０６９３号公報 特開平６−１６８３３１号公報

Susumu Endo, Shuichi Shiitani, Yusuke Uehara, Daiki Masumoto, and Shigemi Nagata：MIRACLES: Multimedia Information RetrievAl, CLassification, and Exploration System, ICME2002, proceedings of ICME2002(2002).

ここで、画像コーパスは、１つの対象について一定数Ｍ以上の事例を要する。一定数Ｍは、例えば１０００である。よって、類似領域を自動探索する場合、一定数以上の類似領域が見つかるまで探索し、画像の各領域で、画像特徴量を抽出し、画像特徴量を用いた類似度計算が必要となるため、計算時間が膨大となってしまう。

また、上述した従来技術で類似探索を効率化しようとしても、一次マッチング候補点を検出するには、画像の各領域で探索する必要があり、画像コーパスの作成において、必ずしも効率的に類似探索できているとは言えない。

そこで、開示の技術は、上記問題点に鑑みてなされたものであり、画像コーパスの作成を支援する際、類似領域探索の効率性を向上させることができるプログラム、画像処理装置及び画像処理方法を提供することを目的とする。

開示の一態様におけるプログラムは、対象画像に対して指定された領域と、該領域に付与された属性とを取得し、前記付与された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを、画像内の複数の領域に対して該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて記憶する記憶手段から検索し、前記検索されたパターンに基づいて、前記所定数の領域に類似する領域を探索する処理をコンピュータに実行させ、前記パターンは、前記領域の重心を頂点とし、該頂点間を結んだ辺により生成されるグラフである。

開示の技術によれば、画像コーパスの作成を支援する際、類似領域探索の効率性を向上させることができる。

実施例１における画像処理装置の構成の一例を示すブロック図。 分布パターンをグラフに自動変換する方法を説明するための図。 分布パターンの例を示す図。 対象画像のパターンからのグラフ化を説明するための図。 属性として、「鉄塔」に該当する分布パターンの一例を示す図。 グラフＰとグラフＱとの部分マッチングの結果の一例を示す図。 候補領域の表示例の一例を示す図。 実施例１における画像処理の一例を示すフローチャート。 実施例２における画像処理装置の構成の一例を示すブロック図。 優先度算出を説明するための図。 グリッド上での頂点数をカウントする例を説明するための図。 ヒット回数に基づく優先度算出を説明するための図。 優先度の重み付けを説明するための図。 対応する辺の長さが異なる場合の優先度算出を説明するための図。 実施例２における探索から登録までの処理を説明するための図。 クエリの例を示す図。 実施例２における画像処理の一例を示すフローチャート。 実施例２における優先度算出処理の一例を示すフローチャート。 実施例３における画像処理装置の構成の一例を示すブロック図。

以下、各実施例について、添付図面を参照しながら説明する。まず、類似領域の探索について、計算量を抑えつつ、効率良く行うために、探索範囲を限定することが考えられる。例えば、人手により入力された領域からの距離が、閾値未満の範囲に限定することが考えられるが、距離が近い範囲に類似領域が存在するとは限らない。

例えば、メタデータ付与の対象物が送電用などの「鉄塔」である場合は、ある程度距離が離れた場所に、別の「鉄塔」が存在するため、距離が近い範囲に類似する鉄塔が存在しない場合が多い。

一方で、メタデータを付与する対象物には、特定のパターンを有するものがある。例えば、平野部の送電用などの「鉄塔」の場合は、一列に比較的等間隔で並んでいて、かつ、相互に離れた位置にある。そこで、以下に示す各実施例では、所定数の対象物にメタデータの付与が済んだ段階で、その対象物のパターンを予測し、予測したパターンから探索範囲を絞り込むことで、類似範囲の探索を効率的に行う。各実施例では、次の２つの条件が整っているとする。

（条件１）
画像コーパスの作成段階において、先行作業の結果として、画像内の対象物（物体）を含む領域に人手で正解（メタデータ）を付与し、物体名ごとに１つ以上の領域のパターンが存在し、かつ、物体名ごとの領域数がＭ未満の場合を対象とする。

ここで、各パターンは、３つ以上の領域で構成され、領域間の距離が閾値以下とする。パターンの詳細は、後述のグラフへの自動変換を参照されたい。パターンの例としては、例えば４つの「鉄塔」の領域で構成されるパターンと、３つの「鉄塔」の領域で構成されるパターンとがある。

（条件２）
画像コーパスを作成する対象画像について、２つ以上の領域に人手でメタデータが付与された状態を、実施例における処理の対象とする。１つの領域ではパターンが表現できないので、パターンが現れる２つ以上の領域が入力されると、実施例の処理が開始される。対象画像とは、画像コーパス作成作業中の画像である。

２つ以上の領域が入力された状態は、後述のグラフで１つ以上の辺が存在する状態である。仮に１つの領域だけの場合も処理対象に含めてしまうと、実施例２で後述する優先度算出手段で、マッチング結果の各頂点の座標位置を決定することが難しくなるため、１つの領域だけの場合は、処理対象外とする。

［実施例１］
＜構成＞
図１は、実施例１における画像処理装置１０の構成の一例を示すブロック図である。図１に示す画像処理装置１０は、画像コーパスの作成を支援する装置である。図１に示す画像処理装置１０は、パターン生成手段１０１、パターン記憶手段１０３、取得手段１０５、パターン読出手段１０７、パターン検索手段１０９、類似領域探索手段１１１、表示手段１１３、コーパス登録手段１１５、及びコーパス記憶手段１１７を備える。

パターン生成手段１０１は、コーパス記憶手段１１７から画像コーパスの作成者により属性が付与された領域のうち、属性が同じ領域の分布パターンを生成し、生成した分布パターンをパターン記憶手段１０３に書き込む。属性とは、例えば物体名などであり、メタデータとも称す。分布パターンの生成については後述する。

また、パターン生成手段１０１は、取得手段１０５から入力された対象画像の属性付与済み領域が所定数（例えば２つ）になった場合、同じ属性の領域の分布パターンを生成し、生成した分布パターンをパターン検索手段１０９に出力する。

パターン記憶手段１０３は、パターン生成手段１０１から書き込まれた分布パターンを記憶する。例えば、パターン記憶手段１０３は、各画像内の複数の領域に対し、この領域に付与された属性が同じ領域から生成されたパターンを、属性に関連付けて記憶する。

取得手段１０５は、画像コーパス作成の対象画像に対して作成者から指定された領域と、この指定領域に付与された属性とを入力する。取得手段１０５は、画像コーパス作成ＧＵＩ（Graphical User Interface）などを用いて、作成者が指定した領域と、入力して付与した属性とを取得する。取得手段１０５は、取得した領域と属性とをパターン生成手段１０１に出力し、属性をパターン読出手段１０７に出力する。

また、取得手段１０５は、後述する類似領域が表示された後に、作成者による画像コーパスとして登録する登録指示を取得した場合、この登録指示をコーパス登録手段１１５に通知する。

パターン読出手段１０７は、取得手段１０５から属性を取得し、この属性と同じ属性の分布パターンを、パターン記憶手段１０３から読み出す。パターン読出手段１０７は、読み出した分布パターンをパターン検索手段１０９に出力する。なお、パターン読出手段１０７は、パターン検索手段１０９に含まれ、独立した構成でなくてもよい。

パターン検索手段１０９は、パターン生成手段１０１により生成された対象画像内の分布パターンに類似するパターンを、パターン読出手段１０７が読み出した分布パターンから検索する。

なお、パターン検索手段１０９は、取得手段１０５から取得した付与済み属性に対応する分布パターンであり、この属性が同じ所定数（例えば２つ）の領域から生成された分布パターンに類似するパターンをパターン記憶手段１０３から検索してもよい。属性に対応する分布パターンとは、属性が同じ分布パターンをいう。

パターン検索手段１０９は、対象画像の分布パターンに対する部分マッチングを行うことで、類似すると判定した分布パターンを検索結果とし、検索結果を類似領域探索手段１１１に出力する。

類似領域探索手段１１１は、パターン検索手段１０９から取得した１又は複数の分布パターンに基づいて、対象画像の所定数の領域に類似する領域を探索する。例えば、類似領域探索手段１１１は、検索結果の分布パターンのうち、対象画像内の所定数の領域以外の領域を、類似領域候補とする。

類似領域探索手段１１１は、類似領域候補と、対象画像内の領域との画像特徴量の距離を求め、この距離が閾値未満の場合は類似していると判定する。画像特徴量は、画素値や、エッジ量、色ヒストグラムなどである。類似領域探索手段１１１は、類似すると判定した類似領域候補を、探索結果の類似領域として表示手段１１３に出力する。

表示手段１１３は、類似領域探索手段１１１から取得した類似領域を、対象画像内の所定数の領域とは異なる形式で画像上に表示する。また、表示手段１１３は、この類似領域の近傍に、類似判定に用いた類似度を合わせて表示してもよい。

コーパス登録手段１１５は、表示手段１１３により表示された類似領域に対し、作成者からの登録指示を取得手段１０５から通知された場合、この類似領域を、所定数の領域と同じ属性の領域としてコーパス記憶手段１１７に登録する。

コーパス記憶手段１１７は、コーパス登録手段１１５から登録された画像コーパスを記憶する。画像コーパスは、画像内の領域と、この領域に付与された属性とを少なくとも記憶する。また、例えば、コーパス記憶手段１１７に所定量の画像コーパスが記憶されると、パターン生成手段１０１により同じ属性を持つ領域の分布パターンが生成される。

以上より、所定数の対象物に属性の付与が済んだ段階で、その対象物のパターンを予測し、予測したパターンから探索範囲を絞り込むことで、類似範囲の探索を効率的に行うことができる。次に、各処理の具体例について説明する。

《パターン生成処理》
まず、パターン生成処理について説明する。図２は、分布パターンをグラフに自動変換する方法を説明するための図である。図２に示すように、パターン生成手段１０１は、各領域の重心を頂点とし、頂点間の距離が閾値未満の辺を有するグラフを生成する。

パターン生成手段１０１は、例えば、図２に示す分布パターンＰ１０１の各領域の重心座標を頂点とし、２つの領域間の距離Ｄが閾値Ｔ以下の場合に対応する頂点間を辺で結んだグラフに変換する。

図２に示す例では、属性を鉄塔として、３本の領域が手動で指定された例を示す。まず、パターン生成手段１０１は、各領域の重心座標を求め、それぞれ頂点ａ，ｂ，ｃとする。次に、領域間の距離Ｄが閾値Ｔ以下の場合には、パターン生成手段１０１は、グラフの辺を生成する。閾値Ｔは、物体名ごとに予め指定しておいてもよい。例えば、鉄塔の場合、閾値Ｔは、鉄塔間の平均的な距離の長さとする。

また、パターン生成手段１０１は、グラフへの自動変換を、重み付きグラフに変換してもよい。例えば、パターン生成手段１０１は、頂点の重みとして、「頂点に接続する辺間の角度」を、辺の重みとして、「頂点間の距離」を設定する。また、パターン生成手段１０１は、頂点の重みとして、「頂点に該当する領域内の画像特徴量（多次元ベクトル）」を設定してもよい。

画像特徴量としては、例えば、色や形状などの画像特徴量がある（非特許文献１参照）。なお、頂点の重みと辺の重みとを設定しないグラフは、頂点の重みを全て１に設定し、辺が存在する場合は辺の重みを１に設定し、辺が存在しない場合は辺の重みを０に設定した重み付きグラフとして扱うことができる。そのため、後述するパターン検索手段１０９の詳細な処理では、重み付きグラフ同士のマッチングを例として説明する。

なお、実施例では、簡単のため、属性（正解）を手動で付与する画像のスケールは統一されている前提で説明する。一方、属性を手動で付与する画像のスケールが異なる場合は、パターン生成手段１０１は、属性を手動で付与する際の画像のスケール情報を取得し、その都度、予め決められたスケールに合うように縮小または拡大して、グラフを生成するとよい。

（分布パターンの例）
パターン生成手段１０１は、生成した分布パターンを、属性（物体名）ごとにパターン記憶手段１０３に記憶する。図３は、分布パターンの例を示す図である。図３に示す対象画像上で、手動で領域を指定された７本の鉄塔がある。このうち、パターン生成手段１０１は、近接している４本の鉄塔の分布パターンＰ２０１を、パターン１として１つのグラフを生成する。また、パターン生成手段１０１は、近接している３本の鉄塔の分布パターンＰ２０２を、パターン２として別のグラフを生成する。

パターン記憶手段１０３には、図３に示すように、属性ごとに、１又は複数の分布パターンが記憶される。図３に示す例では、属性「室外機」には、１つの分布パターンが記憶され、属性「車」には、２つの分布パターンが記憶される。分布パターン内の領域間の距離（辺）の長さは、実際の領域間の距離とは必ずしも対応していない。

《取得処理》
次に、対象画像から指定された領域や属性を取得する処理について説明する。取得部１０５は、作成者により、対象画像上の物体の領域（２つ以上の領域）の指定と、指定された物体の物体名（属性）の入力を受け付ける。

図４は、対象画像のパターンからのグラフ化を説明するための図である。図４に示す例では、取得手段１０５は、矩形で指定された２つの領域と、物体名として入力された「鉄塔」とを取得する。取得手段１０５は、これらの領域をパターン生成手段１０１に出力する。パターン生成手段１０１は、取得した領域に基づき分布パターンを生成する。

図４に示す例では、対象画像からパターン生成手段１０１により生成された分布パターンを示すグラフを、パターンＱ又はグラフＱと表記する。グラフＱは、２つの頂点ｘとｙとを含む。生成された分布パターン（例えばグラフＱ）は、パターン検索手段１０９に出力される。

《読出処理》
次に、分布パターンを読み出す処理について説明する。パターン読出手段１０７は、取得部１０５から取得した属性（物体名）と同一の属性の分布パターンを、パターン記憶手段１０３から読み出す。

図５は、属性として、「鉄塔」に該当する分布パターンの一例を示す図である。図５に示す例では、説明を簡単にするため、パターン記憶手段１０３には、属性「鉄塔」に対応する分布パターンは１つしかない場合を想定する。

図５に示す例では、属性「鉄塔」の分布パターンをパターンＰと表記し、パターンＰは、４頂点ａ，ｂ，ｃ，ｄを含むグラフである。パターンＰは、グラフＰとも称す。パターン読出手段１０７は、読み出したパターンＰをパターン検索手段１０９に出力する。なお、パターン読出手段１０７は、パターン検索手段１０９の機能として、パターン検索手段１０９に含まれてもよい。

《検索処理》
次に、グラフＱと類似するグラフをグラフＰから検索する処理について説明する。パターン検索手段１０９は、まず、パターン生成手段１０１で生成した対象画像の分布パターンのグラフＱをクエリとする。パターン検索手段１０９は、このクエリに対して、パターン読出手段１０７で読み出された先行作業結果の分布パターンのグラフＰの中から、頂点と辺の対応関係が類似するグラフを有する分布パターンを検索する。

ここで、分布パターンの検索は、前述したように重み付きグラフ同士のマッチングを行うため、重み付きグラフマッチングの手法を用いる。重み付きグラフマッチングの詳細については、例えば特開２００７−２８７１４５を参照されたい。

重み付きグラフマッチングは、制約条件を満たし、かつ評価関数を最小化する頂点同士や辺同士の対応関係を求めるため、組み合せ最適化問題の一つである。制約条件と評価関数の例を以下に示す。
評価関数Ｅ＝ｗ＿１×Ｊ＋ｗ＿２×Ｋ ・・・式（１）
ｗ＿１、ｗ＿２：定数（例えばｗ＿１＝１、ｗ＿２＝２）
Ｊ：グラフＰとグラフＱとの間で割り当てられた頂点同士の重みの距離
Ｋ：グラフＰとグラフＱとの間で割り当てられた辺同士の重みの距離
制約条件：グラフＱの各頂点をグラフＰのいずれかの頂点に重複なく割り当てる
重み付きグラフマッチングの解法として、全ての組合せを探索し、制約条件を満たし、かつ評価関数が最小となる割当を求める全数探索法が考えられる。

仮に、グラフのサイズが大きく、全数探索が難しい場合は、パターン検索手段１０９は、例えば辺の重みが大きい辺から順に、制約条件を満たしながら評価関数が最小となる割当を近似的に探索してもよい。

頂点の重みや辺の重みが均一の場合、評価関数が最小となるマッチングが複数存在する場合がある。複数のマッチングが存在する場合は、パターン検索手段１０９は、マッチングした全てのグラフを検索結果として類似領域探索手段１１１に出力する。

図６は、グラフＰとグラフＱとの部分マッチングの結果の一例を示す図である。図６に示す例では、６つのマッチング結果が得られている。図６に示す各表の欄が「１」の場合は、該当する行と列に記載された２つの頂点同士がマッチングしていることを表す。図６に示す各表の欄が「０」の場合はマッチングしていないことを表す。

例えば、マッチング結果（１）では、グラフＱの頂点ｘがグラフＰの頂点ａとマッチングしており、グラフＱの頂点ｙがグラフＰの頂点ｂとマッチングしている。図６には、各表のマッチング結果に対応するグラフの位置関係を示している。

《探索処理》
次に、類似領域を探索する処理について説明する。類似領域探索手段１１１は、検索されたグラフのうち、グラフＱ以外の頂点を含む領域を類似領域候補とする。類似領域探索手段１１１は、１又は複数の類似領域候補に対して順に画像特徴量を算出し、対象画像の領域の画像特徴量との距離を算出する。また、類似領域探索手段１１１は、２つの領域内の画素値の差分絶対値和などを類似度とし、類似度を用いて類似判定を行ってもよい。

画像特徴量としては、例えば、色（Ｒ，Ｇ，Ｂ）ヒストグラムを用いる場合、領域内の各値０〜２５５に対するヒストグラムのうち、所定数（例えば２００）の値に対する頻度をベクトル化して用いられる。また、画像特徴量は、エッジ抽出を行って、抽出したエッジのエッジ量などでもよい。

類似領域探索手段１１１は、求めた距離が予め設定された閾値未満の場合は類似しているとみなし、その類似領域候補を類似領域とする。類似領域は、候補領域として表示手段１１３に出力される。

《表示処理》
次に、領域候補の表示処理について説明する。表示手段１１３は、類似領域探索手段１１１から取得した候補領域を、既に指定された領域と区別して画面に表示する。これにより、作成者は、候補領域を容易に把握することができる。

図７は、候補領域の表示例の一例を示す図である。図７に示す例では、候補領域ａｒ１０１は、点線枠で表示され、作成者により既に指定された領域の実線枠とは区別される。なお、図７に示すように、表示手段１１３は、候補領域ａｒ１０１の近傍に、その候補領域の評価値を表示する。評価値とは、類似判定に用いた距離や類似度である。これにより、作成者は、候補領域の信頼度を把握することができる。

《登録処理》
次に、候補領域を画像コーパスとして登録する処理について説明する。コーパス登録手段１１５は、候補領域が指定されて、取得手段１０５から登録指示が通知されると、指定されている候補領域を画像コーパスとしてコーパス記憶手段１１７に記憶する。このとき、コーパス登録手段１１５は、属性を「鉄塔」として領域に対応付けて登録する。

例えば、図７に示す例で、２つの候補領域ａｒ１０１が指定された状態で、作成者が「保存」ボタンを押下したとき、取得手段１０５は、登録指示を取得し、この登録指示をコーパス登録手段１１５に通知する。これにより、候補領域ａｒ１０１の２つの領域が、属性「鉄塔」に対応付けられて画像コーパスとして登録される。

＜動作＞
次に、画像処理装置１０の動作について説明する。図８は、実施例１における画像処理の一例を示すフローチャートである。

図８に示すステップＳ１０１で、取得手段１０５は、対象画像上で、作成者により指定された領域ｑ＿ｉ（ｉ＝１，２，３，・・・，Ｎ（Ｎ≧２））を取得する。

ステップＳ１０２で、取得手段１０５は、指定された領域に対応する、作成者により入力された物体名（Ｓ）を取得する。

ステップＳ１０３で、パターン読出手段１０７は、パターン記憶手段１０３内に、物体名（Ｓ）と同じ物体名の分布パターン（例えばグラフ）が１つ以上存在するかを判定する。分布パターンが存在すれば（ステップＳ１０３−ＹＥＳ）ステップＳ１０５に進み、分布パターンが存在しなければ（ステップＳ１０３−ＮＯ）ステップＳ１０４に進む。

ステップＳ１０４で、画像処理装置１０は、例えば、領域ｑ＿Ｎからの距離が近い領域から順に所定範囲内を探索する。

ステップＳ１０５で、パターン生成手段１０１は、ｑ＿ｉがグラフの頂点となるようにして、グラフＱを自動生成する。

ステップＳ１０６で、パターン検索手段１０９は、パターン記憶手段１０３に記憶される物体名（Ｓ）のグラフＰと、グラフＱとのグラフマッチングを行う。

ステップＳ１０７で、パターン検索手段１０９は、グラフマッチングでのマッチング結果が１つ以上得られたかを判定する。マッチング結果が１つ以上あれば（ステップＳ１０７−ＹＥＳ）ステップＳ１０８に進み、マッチング結果が１つ以上なければ（ステップＳ１０７−ＮＯ）処理を終了する。

ステップＳ１０８で、類似領域探索手段１１１は、領域ｑ＿ｉと類似する領域を、マッチング結果のグラフＰの領域に基づいて探索する。

ステップＳ１０９で、類似領域探索手段１１１は、例えば領域間の画像特徴量の距離に基づいて、領域ｑ＿ｉに類似する領域が見つかったかを判定する。類似領域が見つかれば（ステップＳ１０９−ＹＥＳ）ステップＳ１１０に進み、類似領域が見つからなければ（ステップＳ１０９−ＮＯ）ステップＳ処理を終了する。

ステップＳ１１０で、表示手段１１３は、類似領域とみなされた候補領域を、作成者に指定された領域と区別できるように画像上に表示する。

ステップＳ１１１で、コーパス登録手段１１５は、作成者からの登録指示があるか否かを判定する。登録指示があれば（ステップＳ１１１−ＹＥＳ）ステップＳ１１２に進み、登録指示がなければ（ステップＳ１１１−ＮＯ）処理を終了する。

ステップＳ１１２で、コーパス登録手段１１５は、登録指示があった候補領域に、物体名を属性として対応付けた画像コーパスとして、コーパス記憶手段１１７に登録する。これにより、コーパス記憶手段１１７には、作成者により指定された領域と、この領域の属性（例えば物体名）とが記憶される。

以上、実施例１によれば、画像コーパスの作成を支援する際、類似領域探索の効率性を向上させることができる。

［実施例２］
次に、実施例２における画像処理装置について説明する。実施例２では、類似領域候補に対して優先度を算出し、優先順に類似判定を行う。これにより、作成者には、優先度が高い候補領域から順に表示することが可能になる。

＜構成＞
図９は、実施例２における画像処理装置２０の構成の一例を示すブロック図である。図９に示す構成で、図１に示す構成と同様のものは同じ符号を付す。以降では、実施例１と異なる構成を主に説明する。

パターン検索手段２０１は、基本的な機能は実施例１のパターン検索手段１０９と同様であるが、検索結果を優先度算出手段２０３に出力するところが実施例１と異なる。

優先度算出手段２０３は、パターン検索手段２０１から取得した複数の分布パターン内の各領域を対象画像上に対応付け、対応付けられた位置に存在する領域の数に基づいて領域の優先度を算出する。

優先度算出手段２０３は、検索された分布パターンが複数存在する場合、分布パターンの検索結果のヒット回数が多い分布パターン順に、優先度を算出してもよい。これにより、例外的に検索でヒットした分布パターンの優先度を低くすることができる。

優先度算出手段２０３は、パターン検索手段２０１での検索処理で用いられた式（１）の評価値により、優先度を重み付けしてもよい。これにより、マッチング処理時に算出された評価値を有効に活用することができる。

優先度算出手段２０３は、グラフＰとグラフＱとの間で、対応する辺の長さが一致せずに異なるとき、グラフＰの１つの頂点を、対象画像のグラフＱの頂点に合わせた場合の領域の数を示す頂点の数を求め、この頂点の数に基づいて優先度を算出してもよい。なお、上述した類似度算出処理の詳細については、後述する。

優先度算出手段２０３は、算出した優先度を領域に対応付けて、類似領域探索手段２０５に出力する。

類似領域探索手段２０５は、優先度算出手段２０３で算出された優先度が高い領域を優先的に探索する。例えば、類似領域探索手段２０５は、優先度の降順に、類似領域の探索を行う。類似領域探索手段２０５は、類似するとみなされた候補領域が見つかる度に、表示手段２０７に候補領域を通知する。なお、類似領域探索手段２０５は、必ずしも順番に候補領域を通知しなくてもよく、全ての候補領域が見つかった後に全ての候補領域を通知するようにしてもよい。

表示手段２０７は、類似領域探索手段２０５から候補領域を取得する度に、この候補領域を、作成者により指定された領域と区別して対象画像上に表示する。表示された候補領域に対して、画像コーパスとしての登録処理は、実施例１と同様である。

《優先度算出処理》
次に、優先度算出処理について詳しく説明する。優先度算出手段２０３は、パターン検索手段２０１で検索された部分マッチングの結果を用いて、対象画像内の類似領域候補の優先度を算出する。

図１０は、優先度算出を説明するための図である。図１０に示す例では、部分マッチングの結果が６つ存在するが、一例として図６に示すマッチング結果（１）を取り上げて説明する。

まず、優先度算出手段２０３は、対象画像から生成したグラフＱの頂点ｘと頂点ｙとを、対象画像上の元の座標位置に置く。次に、優先度算出手段２０３は、対象画像上におけるグラフＰの各頂点の位置を求める。

例えば、グラフＰの頂点ａは、頂点ｘと同一の座標値に、頂点ｂは頂点ｘと同一の座標値とする。グラフＰの頂点ａと頂点ｂの座標値が決まれば、残りの頂点ｃと頂点ｄの座標値は、グラフの辺の接続関係から求めることができる。優先度算出手段２０３は、全ての部分マッチングの結果に対して、マッチング結果（１）と同様にして、グラフＰの各頂点の座標値を求める。

次に、優先度算出手段２０３は、対象画像上の各位置で、グラフＰの頂点の数をカウントする。図１０に示す例では、例えば、頂点ｙの右隣の位置ｓ１１の頂点数は４である。なぜなら、マッチング結果の６つの内、４つの頂点が存在するためである。４つとは、結果（１）の頂点ｃ、結果（２）頂点ｄ、結果（４）の頂点ｂ、結果（５）の頂点ａである。

同様に、位置ｓ１１の右隣の位置ｓ１２の頂点数は２、頂点xの左隣りの位置ｓ１３の頂点数は４、位置ｓ１３の左隣の位置ｓ１４の頂点数は２である。

優先度算出手段２０３は、上述したようにして求めた頂点数が多い位置ほど、優先度が高い領域とみなす。

また、優先度算出手段２０３は、グラフの頂点の数をカウントするとき、画素単位でカウントすると、頂点の座標値が１画素でも異なると、同一の位置としてはみなされない。そこで、微少な位置ずれに対してロバストにする方法として、Ｋ個の画素を１つにまとめて、画像をグリッド状に区切り、優先度算出手段２０３は、グリッド単位に頂点の数をカウントしてもよい。

図１１は、グリッド上での頂点数をカウントする例を説明するための図である。図１１に示す例では、２×２画素を１グリッドにまとめた例である。これにより、画素単位では異なる２つの頂点を、グリッド上では同一グリッドとして頂点数をカウントすることができる。

また、上記例ではグラフＰが１つの場合について説明したが、物体名が「鉄塔」に該当するグラフが２つ以上存在する場合を考える。このとき、優先度算出手段２０３は、マッチング結果の全てを用いて、優先度を算出してもよい。

また、優先度算出手段２０３は、パターン検索手段２０１により検索されたヒット回数が多い順に、グラフＰの優先度を算出してもよい。図１２は、ヒット回数に基づく優先度算出を説明するための図である。図１２に示すように、先行作業結果の各パターンに対して、パターン検索手段２０１のグラフマッチングでヒットした回数が、例えばパターン記憶手段１０３に保持される。

優先度算出手段２０３は、ヒット回数が多い順に１つのグラフ（グラフＰ）を選択して、優先度を算出してもよい。図１２に示す例では、パターン１のヒット回数の方が多いので、パターン１の方から優先度が算出される。これにより、複数のグラフがマッチングした場合でも、優先順位を付けて、グラフの各領域の優先度を算出することができる。

また、優先度算出手段２０３は、グラフの頂点の数をカウントする際に、それぞれのグラフがマッチングしたときの評価関数の評価値（正の実数）の逆数を重みとして頂点数に乗算してもよい。

図１３は、優先度の重み付けを説明するための図である。図１３に示す例では、評価関数の評価値をＥ＿ｎと表記する。ｎは、マッチング結果を示す番号である。ここで、マッチング結果（１）〜（６）の評価値は、Ｅ＿１〜Ｅ＿６とする。

優先度算出手段２０３は、例えば、画像上の各位置で、頂点数をカウントする際、評価値の逆数に比例した重みを加える。位置ｓ１４の優先度は、１／Ｅ＿３＋１／Ｅ＿６となる。

同様にして、位置ｓ１３の優先度は、１／Ｅ＿２＋１／Ｅ＿３＋１／Ｅ＿５＋１／Ｅ＿６となり、位置ｓ１１の優先度は、１／Ｅ＿１＋１／Ｅ＿２＋１／Ｅ＿４＋１／Ｅ＿５となり、位置ｓ１２の優先度は、１／Ｅ＿１＋１／Ｅ＿４となる。

また、グラフマッチングの結果として、対応するグラフ間で辺の長さが異なる場合がある。このとき、優先度算出手段２０３は、対応するグラフの１つの頂点の位置を合わせた場合の優先度をそれぞれ求め、グラフの頂点数は、発生した場合の数で割った値を用いてカウントする。

図１４は、対応する辺の長さが異なる場合の優先度算出を説明するための図である。図１４に示す例では、頂点ｘと頂点ａとを合わせた場合（１）と、頂点ｙと頂点ｂとを合わせた場合（２）の２通りの場合が発生する。

まず、優先度算出手段２０３は、場合（１）で合わせなかった頂点ｙと、場合（２）で合わせなかった頂点ｘは、無視する。次に、優先度算出手段２０３は、対象画像上で左から、場合（２）の頂点ｃ、場合（１）の頂点ｃ、場合（２）の頂点ｄ、場合（１）の頂点ｄのそれぞれの頂点数（優先度）を０．５としてカウントする。これにより、対応する辺の長さが異なる場合でも優先度を算出することができる。

《類似領域の探索、表示、登録処理》
次に、実施例２における類似領域の探索と表示処理について説明する。類似領域探索手段２０５は、優先度算出手段２０３により算出された優先度が高い領域を優先的に探索する。

なお、優先度が等価の場合、類似領域探索手段２０５は、例えばランダムに探索順番を決定する。図１５は、実施例２における探索から登録までの処理を説明するための図である。

図１５に示す例では、頂点ｙの右隣の位置と頂点ｘの左隣の位置の優先度が共に４で最大値である。よって、類似領域探索手段２０５は、優先度が同じ位置に対してどれを優先するかをランダムに選択する。図１５に示す例では、類似領域探索手段２０５は、頂点ｙの右隣の探索順を１番に、頂点ｘの左隣を２番に決定する。類似領域探索手段２０５は、同様にして、探索順の３番、４番を決める。このようにして決定した順に従って、類似領域探索手段２０５は、類似領域を探索する。

類似領域探索手段２０５は、クエリの画像特徴量と、探索順が１番目の画像特徴量との距離を求める。類似領域探索手段２０５は、求めた距離が閾値未満の場合は、類似しているとみなし、その領域を候補領域として表示手段２０７に出力する。

類似領域探索手段２０５は、同様の探索処理を、探索順が２番目、３番目、４番目の領域に対しても繰り返す。

表示手段２０７は、候補領域を表示するタイミングとして、候補領域を取得する度に表示してもよい。図１５に示す例では、表示手段２０７は、探索順が１番目と、３番目の領域を候補領域として表示する。図１５に示す例では、候補領域は点線枠で表示する。

次に、作成者が候補領域の画像を確認し、候補領域内に「鉄塔」がある場合は、「保存」ボタンを押下する。「保存」ボタンが押下されると、コーパス登録手段１１５は、候補領域に対し、「鉄塔」を属性として対応付けて、画像コーパスとして登録する。作成者は、候補領域内に「鉄塔」がなければ「保存」ボタンを押下しない。

図１５に示すように、候補領域が画像コーパスとして確定すると、実線枠で表示される。表示手段２０７は、登録された候補領域を、作成者により指定された領域と同じように実線枠にして表示する。

また、類似領域探索手段２０５は、類似領域を探索する際のクエリとして、作成者により指定された領域が、領域ｘや領域ｙのように複数存在するため、最後に人手で指定された方の領域の画像特徴量を用いる。

また、類似領域度探索手段２０５は、領域ｘと領域ｙの画像特徴量を平均した画像特徴量を用いてもよい。また、類似領域探索手段２０５は、グラフマッチングの結果として得られた先行作業結果のパターンＰ内の領域の画像情報を用いてもよい。

図１６は、クエリの例を示す図である。図１６に示すように、類似領域算出手段２０５は、領域ｘと領域ｙと、先行作業結果のパターンＰ内の領域ａ，ｂ，ｃ，ｄとを用いて平均画像を生成し、新規のクエリ画像としてもよい。例えば、クエリＡでは、領域ｘ、ａ〜ｄの平均画像を用い、クエリＢでは、領域ｙ、ａ〜ｄの平均画像を用い、クエリＣでは、領域ｘ、ｙ、ａ〜ｄの平均画像を用いる。類似領域探索手段２０５は、どのクエリを用いるかを予め決定しておけばよい。以上により、実施例２では、優先度に基づいて領域候補を求めることができる。

＜動作＞
次に、実施例２における画像処理装置２０の動作について説明する。図１７は、実施例２における画像処理の一例を示すフローチャートである。図１７に示すステップＳ２０１〜Ｓ２０７の処理は、図８に示すＳ１０１〜Ｓ１０７の処理と同様であるため、その説明緒を省略する。

ステップＳ２０８で、優先度算出手段２０３は、マッチング結果を、対象画像上の位置に重ねて、優先度を算出する。優先度算出処理については、図１８を用いて後述する。

ステップＳ２０９で、類似領域探索手段２０５は、優先度の高い領域から順に、領域ｑ＿ｉと類似する領域を探索する。

ステップＳ２１０〜Ｓ２１３の処理は、図８に示すステップＳ１０９〜Ｓ１１２の処理と同様である。なお、ステップＳ２１１で、表示手段２０７は、優先度の高い順に候補領域を表示するようにしてもよい。

図１８は、実施例２における優先度算出処理の一例を示すフローチャートである。図１８に示すステップＳ３０１で、優先度算出手段２０３は、全てのマッチング結果を選択したかを判定する。全て選択済みであれば（ステップＳ３０１−ＹＥＳ）ステップＳ３０４に進み、全て選択済みでなければ（ステップＳ３０１−ＮＯ）ステップＳ３０２に進む。

ステップＳ３０２で、優先度算出手段２０３は、未選択のマッチング結果のうちの一つを選択する。

ステップＳ３０３で、優先度算出手段２０３は、対象画像上におけるグラフＰの各頂点の位置を算出する。

ステップＳ３０４で、優先度算出手段２０３は、対象画像上の各位置で、グラフＰの頂点の数をカウントする。

ステップＳ３０５で、優先度算出手段２０３は、頂点の個数を探索する領域の優先度に決定する。

以上、実施例２によれば、探索する領域に優先度をつけることができ、類似領域の探索を効率化することができる。

［実施例３］
次に、実施例３における画像処理装置について説明する。実施例３では、実施例１，２で説明した画像処理を、ＰＣ（Personal Computer）やサーバなどの情報処理装置で行う。

＜構成＞
図１９は、実施例３における画像処理装置３０の構成の一例を示すブロック図である。図１９に示す画像処理装置３０は、制御部３０１、主記憶部３０３、補助記憶部３０５、通信部３０７、記録媒体Ｉ／Ｆ部３０９、入力部３１１、及び表示部３１３を少なくとも有する。各部は、バスを介して相互にデータ送受信可能に接続されている。

制御部３０１は、コンピュータの中で、各装置の制御やデータの演算、加工を行うＣＰＵ（Central Processing Unit）である。また、制御部３０１は、主記憶部３０３や補助記憶部３０５に記憶されたプログラムを実行する演算装置であり、通信部３０７や各記憶部からデータを受け取り、演算、加工した上で、出力部や各記憶部に出力する。

また、制御部３０１は、例えば補助記憶部３０５に記憶される実施例１や２の画像処理プログラムを実行することで、候補領域の探索機能や画像コーパスの登録機能を果たす。

主記憶部３０３は、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）などであり、制御部３０１が実行する基本ソフトウェアであるＯＳやアプリケーションソフトウェアなどのプログラムやデータを記憶又は一時保存する記憶装置である。

補助記憶部３０５は、ＨＤＤ（Hard Disk Drive）などであり、アプリケーションソフトウェアなどに関連するデータを記憶する記憶装置である。また、補助記憶部３０５は、記録媒体３１５などから取得した実施例１，２の画像処理プログラムや、通信部３０７から取得した画像などを記憶しておいてもよい。

通信部３０７は、有線又は無線などのネットワークを通じて通信を行う。通信部３０７は、例えば、画像コーパスの作成対象画像を取得する。

記録媒体Ｉ／Ｆ（インターフェース）部３０９は、ＵＳＢ（Universal Serial Bus）などのデータ伝送路を介して接続された記録媒体３１５（例えば、フラッシュメモリなど）と画像処理装置３０とのインターフェースである。

また、記録媒体３１５に、画像処理プログラムを格納し、この記録媒体３１５に格納された画像処理プログラムは記録媒体Ｉ／Ｆ部３０９を介して画像処理装置３０にインストールされる。インストールされた画像処理プログラムは、画像処理装置３０により実行可能となる。

入力部３１１は、カーソルキー、数字入力及び各種機能キー等を備えたキーボード、表示部３１３の表示画面上でキーの選択等を行うためのマウスやスライドパッド等を有する。また、入力部３１１は、作成者が制御部３０１に操作指示を与えたり、データを入力したりするためのユーザインターフェースである。

表示部３１３は、例えばＬＣＤ（Liquid Crystal Display）等であり、制御部３０１から入力される表示データに応じた表示が行われる。

実施例１，２のパターン記憶手段１０３は、例えば主記憶部３０３により実現されうる。実施例１，２のコーパス記憶手段１１７は、例えば補助記憶部３０５により実現されうる。取得手段１０５は、例えば入力部３１１により実現されうる。表示手段１１３は、例えば表示部３１３により実現されうる。

実施例１，２のパターン読出手段、パターン検索手段、類似領域探索手段、コーパス登録手段は、例えば制御部３０１とワーキングメモリとしての主記憶部３０３により実現されうる。

画像処理装置３０で実行されるプログラムは、実施例１及び実施例２で説明した記憶手段以外の各手段を含むモジュール構成となっている。実際のハードウェアとしては、制御部３０１が補助記憶部３０５からプログラムを読み出して実行することにより上記各手段のうち１又は複数の各手段が主記憶部３０３上にロードされ、１又は複数の各手段が主記憶部３０３上に生成されるようになっている。

なお、前述した各実施例で説明した画像処理を実現するためのプログラムを記録媒体に記録することで、各実施例での画像処理をコンピュータに実施させることができる。例えば、このプログラムを記録媒体に記録し、このプログラムが記録された記録媒体をコンピュータや携帯装置に読み取らせて、前述した画像処理を実現させることも可能である。

なお、記録媒体は、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等の様に情報を光学的，電気的或いは磁気的に記録する記録媒体、ＲＯＭ、フラッシュメモリ等の様に情報を電気的に記録する半導体メモリー等、様々なタイプの記録媒体を用いることができる。なお、記録媒体は、搬送波を含まない。

以上、実施例について詳述したが、特定の実施例に限定されるものではなく、特許請求の範囲に記載された範囲内において、種々の変形及び変更が可能である。また、前述した各実施例の構成要素を全部又は複数を組み合わせることも可能である。

なお、以上の各実施例に関し、さらに以下の付記を開示する。
（付記１）
対象画像に対して指定された領域と、該領域に指定された属性とを取得し、
前記指定された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを、画像内の複数の領域に対して該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて記憶する記憶手段から検索し、
前記検索されたパターンに基づいて、前記所定数の領域に類似する領域を探索する処理をコンピュータに実行させるためのプログラム。
（付記２）
前記検索する処理により検索された複数のパターン内の各領域を前記対象画像上に対応付け、対応付けられた位置に存在する領域の数に基づいて該領域の優先度を算出する処理をコンピュータにさらに実行させ、
前記探索する処理は、
前記優先度の高い順に、前記類似する領域を探索する付記１記載のプログラム。
（付記３）
前記優先度を算出する処理は、
前記検索されたパターンが複数存在する場合、前記パターンの検索のヒット回数が多いパターン順に前記優先度を算出する付記２記載のプログラム。
（付記４）
前記優先度を算出する処理は、
前記検索する処理でパターンの類似判定に用いられた評価値により、前記優先度を重み付けする付記２又は３記載のプログラム。
（付記５）
前記探索する処理は、
前記検索されたパターン内の各領域と、前記所定数の領域内の１又は複数の領域との平均画像に類似する領域を探索する付記１乃至４いずれか一項に記載のプログラム。
（付記６）
前記探索する処理により探索された領域を前記所定数の領域とは異なる形式で画像上に表示するとともに、類似判定に用いた類似度を表示する処理をコンピュータにさらに実行させるための付記１乃至５いずれか一項に記載のプログラム。
（付記７）
前記パターンは、前記領域の重心を頂点とし、該頂点間を結んだ辺により生成されるグラフであり、
前記優先度を算出する処理は、
対応するグラフ間での辺の長さが異なるとき、検索されたグラフの１つの頂点を、前記対象画像のグラフの頂点に合わせることで前記優先度を算出する付記２記載のプログラム。
（付記８）
前記領域の重心を頂点とし、該頂点間の距離が閾値未満の辺を有し、前記頂点は該頂点に接続する辺の角度を有し、前記辺には該辺の距離を有する、前記パターンを表すグラフを生成する処理をコンピュータにさらに実行させる付記１乃至６いずれか一項に記載のプログラム。
（付記９）
画像内の複数の領域に対し、該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて記憶する記憶手段と、
対象画像に対して指定された領域と、該領域に付与された属性とを取得する取得手段と、
前記付与された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを前記保存手段から検索するパターン検索手段と、
検索されたパターンに基づいて、前記所定数の領域に類似する領域を検索する領域検索手段と
を備える画像処理装置。
（付記１０）
対象画像に対して指定された領域と、該領域に付与された属性とを入力し、
前記付与された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを、画像内の複数の領域に対して該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて保存する保存手段から検索し、
前記検索されたパターンに基づいて、前記所定数の領域に類似する領域を探索する処理をコンピュータが実行する画像処理方法。

１０、２０、３０ 画像処理装置
１０１ パターン生成手段
１０５ パターン記憶手段
１０７ パターン読出手段
１０９、２０１ パターン検索手段
１１１、２０５ 類似領域探索手段
１１３、２０７ 表示手段
１１５ コーパス登録手段
２０３ 優先度算出手段
３０１ 制御部
３０３ 主記憶部
３０５ 補助記憶部

Claims (9)

1. 対象画像に対して指定された領域と、該領域に付与された属性とを取得し、
   前記付与された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを、画像内の複数の領域に対して該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて記憶する記憶手段から検索し、
   前記検索されたパターンに基づいて、前記所定数の領域に類似する領域を探索する処理をコンピュータに実行させ、
   前記パターンは、前記領域の重心を頂点とし、該頂点間を結んだ辺により生成されるグラフであるプログラム。
2. 前記検索する処理により検索された複数のパターン内の各領域を前記対象画像上に対応付け、対応付けられた位置に存在する領域の数に基づいて該領域の優先度を算出する処理をコンピュータにさらに実行させ、
   前記探索する処理は、
   前記優先度の高い順に、前記類似する領域を探索する請求項１記載のプログラム。
3. 前記優先度を算出する処理は、
   前記検索されたパターンが複数存在する場合、前記パターンの検索のヒット回数が多いパターン順に前記優先度を算出する請求項２記載のプログラム。
4. 前記優先度を算出する処理は、
   前記検索する処理でパターンの類似判定に用いられた評価値により、前記優先度を重み付けする請求項２又は３記載のプログラム。
5. 前記探索する処理は、
   前記検索されたパターン内の各領域と、前記所定数の領域内の１又は複数の領域との平均画像に類似する領域を探索する請求項１乃至４いずれか一項に記載のプログラム。
6. 前記探索する処理により探索された領域を前記所定数の領域とは異なる形式で画像上に表示するとともに、類似判定に用いた類似度を表示する処理をコンピュータにさらに実行させるための請求項１乃至５いずれか一項に記載のプログラム。
7. 前記優先度を算出する処理は、
   対応するグラフ間での辺の長さが異なるとき、検索されたグラフの１つの頂点を、前記対象画像のグラフの頂点に合わせることで前記優先度を算出する請求項２記載のプログラム。
8. 画像内の複数の領域に対し、該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて記憶する記憶手段と、
   対象画像に対して指定された領域と、該領域に付与された属性とを取得する取得手段と、
   前記付与された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを前記記憶手段から検索するパターン検索手段と、
   検索されたパターンに基づいて、前記所定数の領域に類似する領域を検索する領域検索手段と
   を備え、
   前記パターンは、前記領域の重心を頂点とし、該頂点間を結んだ辺により生成されるグラフである画像処理装置。
9. 対象画像に対して指定された領域と、該領域に付与された属性とを取得し、
   前記付与された属性に対応するパターンであり、該属性が同じ所定数の領域から生成されたパターンに類似するパターンを、画像内の複数の領域に対して該領域に付与された属性が同じ領域から生成されたパターンを前記属性に関連付けて記憶する記憶手段から検索し、
   前記検索されたパターンに基づいて、前記所定数の領域に類似する領域を探索する処理をコンピュータが実行し、
   前記パターンは、前記領域の重心を頂点とし、該頂点間を結んだ辺により生成されるグラフである画像処理方法。

Images