JPH04275685A - 画像領域識別処理方法 - Google Patents
画像領域識別処理方法Info
- Publication number
- JPH04275685A JPH04275685A JP3035828A JP3582891A JPH04275685A JP H04275685 A JPH04275685 A JP H04275685A JP 3035828 A JP3035828 A JP 3035828A JP 3582891 A JP3582891 A JP 3582891A JP H04275685 A JPH04275685 A JP H04275685A
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- section
- expansion
- estimating
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims description 11
- 230000006870 function Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 47
- 238000007476 Maximum Likelihood Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 abstract description 11
- 239000002131 composite material Substances 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 20
- 230000018109 developmental process Effects 0.000 description 10
- 238000009499 grossing Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 239000013589 supplement Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010420 art technique Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【0001】
【産業上の利用分野】本発明は、入力された自然画像等
がどのような部分領域からなり、その位置関係がどのよ
うになっているかを、テクスチャ情報を手がかりとして
推定する画像領域識別処理方法に関する。
がどのような部分領域からなり、その位置関係がどのよ
うになっているかを、テクスチャ情報を手がかりとして
推定する画像領域識別処理方法に関する。
【0002】
【従来の技術】テクスチャ特徴やテクスチャ領域を抽出
する手法は、一般に「統計的手法」と「構造的手法」に
大別される。おおまかに言って、統計的な特徴抽出法は
ミクロなテクスチャの解析に適し、構造的な特徴抽出法
はマクロなテクスチャの解析に適する。統計的な特徴抽
出法は更に、統計量を用いる解析法、モデルあてはめに
よる解析法、局所幾何学的特徴による解析法などに分類
される。実用的なレベルで使われている手法の大半は統
計量を用いる解析法である。
する手法は、一般に「統計的手法」と「構造的手法」に
大別される。おおまかに言って、統計的な特徴抽出法は
ミクロなテクスチャの解析に適し、構造的な特徴抽出法
はマクロなテクスチャの解析に適する。統計的な特徴抽
出法は更に、統計量を用いる解析法、モデルあてはめに
よる解析法、局所幾何学的特徴による解析法などに分類
される。実用的なレベルで使われている手法の大半は統
計量を用いる解析法である。
【0003】
【発明が解決しようとする課題】統計量を用いる解析法
については、古くから性能評価が進んでおり、統計量と
して濃度共起行列を用いる手法の強力さが知られている
。ここで濃度共起行列とは、ある相対的位置における2
画素の濃度がある特定の値の組を示す確率を、2画素の
濃度値を行と列とに対応させた行列の形式で表したもの
である。しかし、必要となる画素間の距離と角度との全
てについて濃度共起行列を計算することは一般に困難で
あるし、上記行列から算出する特徴量についても、適当
な数個のみを用いるのが通常である。このような用い方
をした場合、濃度共起行列の理論的性能は必ずしも得ら
れない。
については、古くから性能評価が進んでおり、統計量と
して濃度共起行列を用いる手法の強力さが知られている
。ここで濃度共起行列とは、ある相対的位置における2
画素の濃度がある特定の値の組を示す確率を、2画素の
濃度値を行と列とに対応させた行列の形式で表したもの
である。しかし、必要となる画素間の距離と角度との全
てについて濃度共起行列を計算することは一般に困難で
あるし、上記行列から算出する特徴量についても、適当
な数個のみを用いるのが通常である。このような用い方
をした場合、濃度共起行列の理論的性能は必ずしも得ら
れない。
【0004】次に、モデルあてはめ系の手法では、マル
コフモデルを用いた解析法が、空間的な識別精度の点で
有望視されているが、その既存アルゴリズムの大半は、
領域を形成する似かよった特性に従い、画素を合併して
いく「領域ベースのアプローチ」であるため、テクスチ
ャクラスに関する事前知識を必要としたり、計算が過度
に複雑であったり、空間的に不均質な場の取り扱いが困
難であるなどの欠点がある。
コフモデルを用いた解析法が、空間的な識別精度の点で
有望視されているが、その既存アルゴリズムの大半は、
領域を形成する似かよった特性に従い、画素を合併して
いく「領域ベースのアプローチ」であるため、テクスチ
ャクラスに関する事前知識を必要としたり、計算が過度
に複雑であったり、空間的に不均質な場の取り扱いが困
難であるなどの欠点がある。
【0005】これに対し、ある画像特徴の不連続をまず
探す「エッヂベースのアプローチ」を採れば、上記欠点
の軽減が期待できる。しかし、この種のアプローチの検
討がまだ多くないこともあり、エッジ候補の連結や、特
徴抽出のための適当な窓サイズの選択などの困難があっ
た。
探す「エッヂベースのアプローチ」を採れば、上記欠点
の軽減が期待できる。しかし、この種のアプローチの検
討がまだ多くないこともあり、エッジ候補の連結や、特
徴抽出のための適当な窓サイズの選択などの困難があっ
た。
【0006】本発明の目的は、上記のような各手法の問
題点を回避し、広い種類のテクスチャ複合画像について
、適格にテクスチャ特徴を抽出するとともに、該テクス
チャ特徴に基づき画像の部分領域の境界を推定する方法
を提供することにある。
題点を回避し、広い種類のテクスチャ複合画像について
、適格にテクスチャ特徴を抽出するとともに、該テクス
チャ特徴に基づき画像の部分領域の境界を推定する方法
を提供することにある。
【0007】
【課題を解決するための手段】本発明は、ガウス関数や
ガボール関数あるいはその他のウェーブレット展開関数
など、その分布が局在的な関数を基底に用いて画像情報
を空間周波数成分や方位成分の空間分布の形式に展開し
、その展開係数が、画像情報そのものや、その導関数の
不連続の検出に有効である性質を利用して、画像のおお
まかな構造を抽出するとともに、抽出された部分領域内
のテクスチャがガウス型マルコフモデルで表現されると
仮定して、より精緻に領域境界を推定しようとするもの
である。
ガボール関数あるいはその他のウェーブレット展開関数
など、その分布が局在的な関数を基底に用いて画像情報
を空間周波数成分や方位成分の空間分布の形式に展開し
、その展開係数が、画像情報そのものや、その導関数の
不連続の検出に有効である性質を利用して、画像のおお
まかな構造を抽出するとともに、抽出された部分領域内
のテクスチャがガウス型マルコフモデルで表現されると
仮定して、より精緻に領域境界を推定しようとするもの
である。
【0008】ここで基底ならびに局在的関数について補
足する。ここで用いる基底とは、信号や画像を関数展開
する手法における基本単位関数のことである。例えばフ
ーリエ解析においては、三角関数が基底になる。
足する。ここで用いる基底とは、信号や画像を関数展開
する手法における基本単位関数のことである。例えばフ
ーリエ解析においては、三角関数が基底になる。
【0009】次に局在的関数について補足する。
【0010】例えばガウス関数は、ある空間点の周りで
急激に減衰している。これに対し、三角関数は空間座標
上を振動しながら一様に広がっている。よって空間座標
上で、ガウス関数は局在的関数であるが、三角関数は局
在的関数でない。このような意味で局在的関数という言
葉を使っている。
急激に減衰している。これに対し、三角関数は空間座標
上を振動しながら一様に広がっている。よって空間座標
上で、ガウス関数は局在的関数であるが、三角関数は局
在的関数でない。このような意味で局在的関数という言
葉を使っている。
【0011】また、ガボール関数とはガウス関数が正弦
波変調されたような局在的関数である。ウェーブレット
展開関数とは、ウェーブレット変換およびその離散形式
であるウェーブレット展開に用いる関数のことである。
波変調されたような局在的関数である。ウェーブレット
展開関数とは、ウェーブレット変換およびその離散形式
であるウェーブレット展開に用いる関数のことである。
【0012】ここでウェーブレット変換とは、フーリエ
変換のような積分変換族の1種であり、局在的な関数の
平行移動と相似変換によって積分核を作る方法である。 フーリエ変換に比べ、局所的な相似構造の解析に適する
という特徴がある。
変換のような積分変換族の1種であり、局在的な関数の
平行移動と相似変換によって積分核を作る方法である。 フーリエ変換に比べ、局所的な相似構造の解析に適する
という特徴がある。
【0013】定義から明らかなように、非常に多くの関
数がウェーブレット展開関数になり得る。局在的関数の
例として、ガウス関数の差分、ガボール関数、滑らかな
ウェーブレット展開関数の1例を図6、図7、図8に示
す。
数がウェーブレット展開関数になり得る。局在的関数の
例として、ガウス関数の差分、ガボール関数、滑らかな
ウェーブレット展開関数の1例を図6、図7、図8に示
す。
【0014】図6はガウス関数の差分(DOG)関数の
例を示し、左上の図は空間座標上の1次元特性を表して
おり、同じく右上の図は空間座標上の2次元特性を表し
ている。また左下の図は空間周波数座標上の1次元特性
を表し、同じく右下の図は空間周波数座標上の2次元特
性を表している。
例を示し、左上の図は空間座標上の1次元特性を表して
おり、同じく右上の図は空間座標上の2次元特性を表し
ている。また左下の図は空間周波数座標上の1次元特性
を表し、同じく右下の図は空間周波数座標上の2次元特
性を表している。
【0015】図7はガボール関数の例を示し、上の図は
空間座標上の2次元特性を表し、下の図は空間周波数座
標上の2次元特性を表している。
空間座標上の2次元特性を表し、下の図は空間周波数座
標上の2次元特性を表している。
【0016】更に図8はウェーブレット基底関数の例を
示し、上の図は空間座標上の2次元特性を表し、下の図
は空間周波数座標上の2次元特性を表している。
示し、上の図は空間座標上の2次元特性を表し、下の図
は空間周波数座標上の2次元特性を表している。
【0017】
【作用】本発明では、ウェーブレット展開基底など、そ
の分布が局在的な関数を基底にして展開した展開係数を
用いて画像のおおまかな構造を抽出するので、従来の「
エッヂベースのマルコフモデルを用いた解析法」におけ
るエッヂ検出の困難性を緩和することができる。また、
空間定数の異なる基底の組を用いることにより、多重ス
ケール処理が自然に導入される。
の分布が局在的な関数を基底にして展開した展開係数を
用いて画像のおおまかな構造を抽出するので、従来の「
エッヂベースのマルコフモデルを用いた解析法」におけ
るエッヂ検出の困難性を緩和することができる。また、
空間定数の異なる基底の組を用いることにより、多重ス
ケール処理が自然に導入される。
【0018】更に、推定された境界を、該境界によって
生じる部分領域内のテクスチャがガウス型マルコフモデ
ルで表現されると仮定して、再評価するので、単にテク
スチャの方位成分や空間周波数成分を統計的に分析する
だけの手法に比べ、より精緻に領域境界を推定すること
ができる。
生じる部分領域内のテクスチャがガウス型マルコフモデ
ルで表現されると仮定して、再評価するので、単にテク
スチャの方位成分や空間周波数成分を統計的に分析する
だけの手法に比べ、より精緻に領域境界を推定すること
ができる。
【0019】
【実施例】以下、本発明の一実施例について図面により
説明する。
説明する。
【0020】図1は、本発明の画像領域識別処理方法の
一実施例の処理フロー図である。図1において101は
画像入力部である。これは、例えばスキャナあるいはカ
メラおよび画像メモリ等のハードフェアを用いた処理と
して実現される。
一実施例の処理フロー図である。図1において101は
画像入力部である。これは、例えばスキャナあるいはカ
メラおよび画像メモリ等のハードフェアを用いた処理と
して実現される。
【0021】102は局在的関数を基底に用いた画像展
開部である。ここで局在的関数とは、ガボール関数、ウ
ェーブレット基底関数などである。このような画像展開
により局所領域毎に空間周波数成分や方位成分が抽出さ
れるので、ある範囲の空間周波数成分の空間分布や方位
成分の空間分布が各成分毎に得られる。
開部である。ここで局在的関数とは、ガボール関数、ウ
ェーブレット基底関数などである。このような画像展開
により局所領域毎に空間周波数成分や方位成分が抽出さ
れるので、ある範囲の空間周波数成分の空間分布や方位
成分の空間分布が各成分毎に得られる。
【0022】103は展開係数の分布特性を解析する展
開係数解析部である。分布特性の解析は、例えば、展開
係数の1次統計量の変化が、ある閾値を越える点を探す
ことにより行う。
開係数解析部である。分布特性の解析は、例えば、展開
係数の1次統計量の変化が、ある閾値を越える点を探す
ことにより行う。
【0023】104は、展開係数解析部103の解析結
果に従い変化点を出力する、領域境界出力部である。こ
のように、画像展開係数が画像の不連続性に敏感に反応
する性質を利用して領域境界を推定し、その結果を出力
する。
果に従い変化点を出力する、領域境界出力部である。こ
のように、画像展開係数が画像の不連続性に敏感に反応
する性質を利用して領域境界を推定し、その結果を出力
する。
【0024】図9は画像展開と領域境界出力の1例を表
す図である。この例では、ノイズ状のテクスチャをガボ
ール関数で展開することにより得られた、方位成分毎の
強度空間分布を示している。符号91で示すものが原画
像であり、符号92で示すものが方位π/4対応の分布
であり、符号93で示すものがπ/2対応の分布であり
、符号94で示すものが3π/4対応の分布である。
す図である。この例では、ノイズ状のテクスチャをガボ
ール関数で展開することにより得られた、方位成分毎の
強度空間分布を示している。符号91で示すものが原画
像であり、符号92で示すものが方位π/4対応の分布
であり、符号93で示すものがπ/2対応の分布であり
、符号94で示すものが3π/4対応の分布である。
【0025】図中の白い部分は、検出された強度値が大
きく、黒い部分は強度値が小さい。このような分布値の
空間的変化がある値以上のところを検出することにより
、符号95で示すもののような領域境界が推定される。
きく、黒い部分は強度値が小さい。このような分布値の
空間的変化がある値以上のところを検出することにより
、符号95で示すもののような領域境界が推定される。
【0026】図2は、本発明の画像領域識別処理方法の
他の一実施例の処理フロー図である。図2において、2
01は画像入力部である。これは図1の画像入力部10
1と同じである。
他の一実施例の処理フロー図である。図2において、2
01は画像入力部である。これは図1の画像入力部10
1と同じである。
【0027】202は局在的関数を基底に用いた画像展
開部である。画像展開部202では、図1の画像展開部
102と同様な処理を行うとともに、展開によって得ら
れた1段階低い解像度の画像情報出力を隣接する画像展
開部202に入力する。この処理は、あらかじめ設定さ
れた数だけの画像展開部202について行う。このよう
な処理により、階層的な画像展開が実行される。
開部である。画像展開部202では、図1の画像展開部
102と同様な処理を行うとともに、展開によって得ら
れた1段階低い解像度の画像情報出力を隣接する画像展
開部202に入力する。この処理は、あらかじめ設定さ
れた数だけの画像展開部202について行う。このよう
な処理により、階層的な画像展開が実行される。
【0028】203は展開係数の分布特性を解析する展
開係数解析部である。展開係数解析部203では、図1
の展開係数解析部103と同様な処理を、空間定数の異
なる基底に関する各展開表現のそれぞれについて行う。
開係数解析部である。展開係数解析部203では、図1
の展開係数解析部103と同様な処理を、空間定数の異
なる基底に関する各展開表現のそれぞれについて行う。
【0029】204は領域境界推定部である。領域境界
推定部204では、図1の領域境界出力部104と同様
な処理を、各展開係数解析部203の出力のそれぞれに
ついて行う。
推定部204では、図1の領域境界出力部104と同様
な処理を、各展開係数解析部203の出力のそれぞれに
ついて行う。
【0030】205は領域境界出力部である。領域境界
出力部205では、領域境界推定部204の推定出力を
統合し、もっとも矛盾の少ない領域境界を出力する。
出力部205では、領域境界推定部204の推定出力を
統合し、もっとも矛盾の少ない領域境界を出力する。
【0031】図3は、本発明の画像領域識別処理方法の
更に他の一実施例の処理フロー図である。図3において
、301は画像入力部であり、302は局在的関数を基
底に用いた画像展開部であり、303は展開係数の分布
特性を解析する展開係数解析部であり、304は領域境
界推定部である。
更に他の一実施例の処理フロー図である。図3において
、301は画像入力部であり、302は局在的関数を基
底に用いた画像展開部であり、303は展開係数の分布
特性を解析する展開係数解析部であり、304は領域境
界推定部である。
【0032】これらは、それぞれ図2の画像入力部20
1、局在的関数を基底に用いた画像展開部202、展開
係数解析部203、領域境界推定部204と同様な処理
部である。その後に以下の処理が付加される。
1、局在的関数を基底に用いた画像展開部202、展開
係数解析部203、領域境界推定部204と同様な処理
部である。その後に以下の処理が付加される。
【0033】305はマルコフモデルフィッティング部
であり、テクスチャがマルコフモデルで記述されるとみ
なし、最尤法等により最適なパラメータを決める。
であり、テクスチャがマルコフモデルで記述されるとみ
なし、最尤法等により最適なパラメータを決める。
【0034】ここで、テクスチャをマルコフモデルで記
述する手法について補足する。この手法ではテクスチャ
画像を、構成する画素間の相互作用に基づく確率過程で
あると見なす。更にある画素に対応する確率変数が、該
画素の近傍画素値からの条件付き確率のみで決まるとい
う拘束を加える。このような確率モデルがマルコフモデ
ルである。
述する手法について補足する。この手法ではテクスチャ
画像を、構成する画素間の相互作用に基づく確率過程で
あると見なす。更にある画素に対応する確率変数が、該
画素の近傍画素値からの条件付き確率のみで決まるとい
う拘束を加える。このような確率モデルがマルコフモデ
ルである。
【0035】このような拘束条件の妥当性や有効性は、
幾つかのテクスチャについて確認されている。
幾つかのテクスチャについて確認されている。
【0036】更に、与えられたテクスチャ画像を上記確
率モデルの1サンプルと見なし、そのパラメータを推定
するためのモデルフィッティング法には、予測誤差最小
分散表現による方法、実現確率を最大にする最尤推定法
、白色ノイズ入力時の応答表現による方法などがあるが
、最尤法系統の手法の有効性が知られている。
率モデルの1サンプルと見なし、そのパラメータを推定
するためのモデルフィッティング法には、予測誤差最小
分散表現による方法、実現確率を最大にする最尤推定法
、白色ノイズ入力時の応答表現による方法などがあるが
、最尤法系統の手法の有効性が知られている。
【0037】306は領域境界出力部であり、各領域に
対応するマルコフモデルフィッティング部305の出力
結果を統合して、精度の高い境界配置を算出する。
対応するマルコフモデルフィッティング部305の出力
結果を統合して、精度の高い境界配置を算出する。
【0038】図4は、図2に示す画像展開部202にお
ける画像展開法の一実施例の処理フロー図である。図4
では、2次元ウェーブレット展開が変数分離可能な様式
を持ち、例えば1次元展開を水平方向と垂直方向に適用
することで2次元展開がなされる場合を想定している。
ける画像展開法の一実施例の処理フロー図である。図4
では、2次元ウェーブレット展開が変数分離可能な様式
を持ち、例えば1次元展開を水平方向と垂直方向に適用
することで2次元展開がなされる場合を想定している。
【0039】図4において、401は密解像度画像入力
部である。402はウェーブレット展開における水平方
向のスムージング関数に対応するローパスフィルタ部、
403はローパスフィルタ部402と対をなすハイパス
フィルタ部である。
部である。402はウェーブレット展開における水平方
向のスムージング関数に対応するローパスフィルタ部、
403はローパスフィルタ部402と対をなすハイパス
フィルタ部である。
【0040】406,408は同じくウェーブレット展
開における垂直方向のスムージング関数に対応するロー
パスフィルタ部、407,409はローパスフィルタ部
406,408と対をなすハイパスフィルタ部である。
開における垂直方向のスムージング関数に対応するロー
パスフィルタ部、407,409はローパスフィルタ部
406,408と対をなすハイパスフィルタ部である。
【0041】404,405,410,411,412
,413はサンプル点を間引きする間引き処理部である
。414は疎解像度画像出力部である。415,416
,417は差分情報のストア部である。
,413はサンプル点を間引きする間引き処理部である
。414は疎解像度画像出力部である。415,416
,417は差分情報のストア部である。
【0042】418はストア部415,416,417
から出力される情報をまとめ、展開係数情報として出力
する、展開係数出力部である。密解像度画像入力部40
1から入力された画像情報はローパスフィルタ部402
において水平方向にスムージング処理され、またハイパ
スフィルタ部403において前記スムージング処理と対
をなすハイパス処理がなされる。それらの出力は間引き
処理部404,405において間引き処理される。例え
ば展開基底が2のべき乗の形式を採る場合には、1/2
に間引きされる。
から出力される情報をまとめ、展開係数情報として出力
する、展開係数出力部である。密解像度画像入力部40
1から入力された画像情報はローパスフィルタ部402
において水平方向にスムージング処理され、またハイパ
スフィルタ部403において前記スムージング処理と対
をなすハイパス処理がなされる。それらの出力は間引き
処理部404,405において間引き処理される。例え
ば展開基底が2のべき乗の形式を採る場合には、1/2
に間引きされる。
【0043】間引き処理部404の出力は、続いてロー
パスフィルタ部406において垂直方向にスムージング
処理され、またハイパスフィルタ部407において前記
スムージング処理と対をなすハイパス処理がなされる。 それらの出力は間引き処理部410,411において間
引き処理される。
パスフィルタ部406において垂直方向にスムージング
処理され、またハイパスフィルタ部407において前記
スムージング処理と対をなすハイパス処理がなされる。 それらの出力は間引き処理部410,411において間
引き処理される。
【0044】同様に間引き処理部405の出力は、続い
てローパスフィルタ部408において垂直方向にスムー
ジング処理され、またハイパスフィルタ部409におい
て前記スムージング処理と対をなすハイパス処理がなさ
れる。それらの出力は間引き処理部412,413にお
いて間引き処理される。
てローパスフィルタ部408において垂直方向にスムー
ジング処理され、またハイパスフィルタ部409におい
て前記スムージング処理と対をなすハイパス処理がなさ
れる。それらの出力は間引き処理部412,413にお
いて間引き処理される。
【0045】このような処理により、密解像度画像入力
部401に入力された画像よりも1段階解像度が低い疎
解像度近似画像が、間引き処理部410から疎解像度画
像出力部414に出力される。
部401に入力された画像よりも1段階解像度が低い疎
解像度近似画像が、間引き処理部410から疎解像度画
像出力部414に出力される。
【0046】疎解像度画像出力部414の出力は隣接す
る画像展開部202の密解像度画像入力部401に入力
されることになる。また、間引き処理部411,412
,413からそれぞれストア部415,416,417
に、密解像度画像入力部401に入力された画像と疎解
像度画像出力部414に出力された疎解像度近似画像と
の差分情報が出力される。
る画像展開部202の密解像度画像入力部401に入力
されることになる。また、間引き処理部411,412
,413からそれぞれストア部415,416,417
に、密解像度画像入力部401に入力された画像と疎解
像度画像出力部414に出力された疎解像度近似画像と
の差分情報が出力される。
【0047】展開係数出力部418は、これらの情報を
まとめ、展開係数情報として出力する。
まとめ、展開係数情報として出力する。
【0048】このような処理により、複数の解像度画像
と差分情報の組が得られる。例えば、原画像の解像度を
Nとするとき、該画像を画像展開部202の密解像度画
像入力部401に入力し、上記の処理の後、解像度N/
2の画像を疎解像度画像出力部414から取り出す。こ
の解像度N/2の画像を隣接する画像展開部202の密
解像度画像入力部401に入力し、今度は解像度N/4
の画像を疎解像度画像出力部414から取り出す。更に
このような処理を行い、解像度N/8の画像、N/16
の画像、.....等を導く。
と差分情報の組が得られる。例えば、原画像の解像度を
Nとするとき、該画像を画像展開部202の密解像度画
像入力部401に入力し、上記の処理の後、解像度N/
2の画像を疎解像度画像出力部414から取り出す。こ
の解像度N/2の画像を隣接する画像展開部202の密
解像度画像入力部401に入力し、今度は解像度N/4
の画像を疎解像度画像出力部414から取り出す。更に
このような処理を行い、解像度N/8の画像、N/16
の画像、.....等を導く。
【0049】もっとも疎に採った解像度の画像出力とそ
こに至るまでの差分情報との組がウェーブレット展開係
数となる。
こに至るまでの差分情報との組がウェーブレット展開係
数となる。
【0050】図10、図11、図12は階層的な画像展
開表現の1例を説明する図である。図10は原画像であ
る。一様な低強度の画像領域(図示斜線部分)内にそれ
よりも高強度の長方形領域が置かれたものである。
開表現の1例を説明する図である。図10は原画像であ
る。一様な低強度の画像領域(図示斜線部分)内にそれ
よりも高強度の長方形領域が置かれたものである。
【0051】図11、図12に示す(a),(b),(
c)の部分は、図10の原画像をもとに図4に説明した
ような展開形式に従って1段階低い解像度の表現を導く
ときの、原情報との差分を画像化したものであり、図4
のストア部415,416,417の出力に夫々対応す
る。更に、図11、図12に示す(d),(e),(f
)の部分が隣接する画像展開部202のストア部415
,416,417の出力に対応する。そして、図11、
図12に示す(h),(i),(j)の部分がその次に
隣接する画像展開部202のストア部415,416,
417の出力に対応する。また、図11、図12に示す
(g)の部分が展開表現から導かれる低解像度表現であ
り、画像展開部202の疎解像度画像出力部414の出
力に対応する。
c)の部分は、図10の原画像をもとに図4に説明した
ような展開形式に従って1段階低い解像度の表現を導く
ときの、原情報との差分を画像化したものであり、図4
のストア部415,416,417の出力に夫々対応す
る。更に、図11、図12に示す(d),(e),(f
)の部分が隣接する画像展開部202のストア部415
,416,417の出力に対応する。そして、図11、
図12に示す(h),(i),(j)の部分がその次に
隣接する画像展開部202のストア部415,416,
417の出力に対応する。また、図11、図12に示す
(g)の部分が展開表現から導かれる低解像度表現であ
り、画像展開部202の疎解像度画像出力部414の出
力に対応する。
【0052】図5は、図3のマルコフモデルフィッティ
ング部305における処理の一実施例の処理フロー図で
ある。
ング部305における処理の一実施例の処理フロー図で
ある。
【0053】図5において、501,502,503は
各解像度の画像に対応する推定境界入力部、504,5
05,506は境界近傍領域抽出部、507,508,
509は各領域のテクスチャをガウシアンマルコフモデ
ルで表現したときのパラメータ推定部、510,511
,512は前記パラメータを用いて領域境界を推定する
境界推定部である。
各解像度の画像に対応する推定境界入力部、504,5
05,506は境界近傍領域抽出部、507,508,
509は各領域のテクスチャをガウシアンマルコフモデ
ルで表現したときのパラメータ推定部、510,511
,512は前記パラメータを用いて領域境界を推定する
境界推定部である。
【0054】ここでガウシアンマルコフモデルとは、既
に説明したマルコフ確率モデルにおいて確率密度分布が
ガウス関数で示されるものである。
に説明したマルコフ確率モデルにおいて確率密度分布が
ガウス関数で示されるものである。
【0055】推定境界入力部501に入力される情報が
もっとも疎な解像度に対応し、推定境界入力部502は
それより密で、推定境界入力部503はそれよりも更に
密であるとする。
もっとも疎な解像度に対応し、推定境界入力部502は
それより密で、推定境界入力部503はそれよりも更に
密であるとする。
【0056】境界近傍領域抽出部504,505,50
6では、各解像度の画素についてそれぞれ、その画素内
に1種のみのテクスチャ領域が含まれるか、2種以上の
テクスチャ領域が含まれるかを推定し、後者を境界近傍
領域とする。
6では、各解像度の画素についてそれぞれ、その画素内
に1種のみのテクスチャ領域が含まれるか、2種以上の
テクスチャ領域が含まれるかを推定し、後者を境界近傍
領域とする。
【0057】パラメータ推定部507,508,509
では各領域のテクスチャをガウシアンマルコフモデルに
当てはめ、もっとも良く適合するパラメータを最尤法等
により求める。
では各領域のテクスチャをガウシアンマルコフモデルに
当てはめ、もっとも良く適合するパラメータを最尤法等
により求める。
【0058】境界推定部510ではパラメータ推定部5
07で求められたパラメータを用い、領域境界を最尤推
定する。境界推定部511ではパラメータ推定部508
で規定されるパラメータを用い、領域境界を最尤推定す
る。このとき、境界推定部510の結果を事前知識とし
て参照する。
07で求められたパラメータを用い、領域境界を最尤推
定する。境界推定部511ではパラメータ推定部508
で規定されるパラメータを用い、領域境界を最尤推定す
る。このとき、境界推定部510の結果を事前知識とし
て参照する。
【0059】更に境界推定部512では、パラメータ推
定部509で規定されるパラメータを用い、領域境界を
最尤推定する。このとき、境界推定部511の結果を事
前知識として参照する。
定部509で規定されるパラメータを用い、領域境界を
最尤推定する。このとき、境界推定部511の結果を事
前知識として参照する。
【0060】このような階層的処理により、精度の高い
領域境界が境界推定部512より出力され、これが最終
的なマルコフモデルフィッティング部305の出力にな
る。
領域境界が境界推定部512より出力され、これが最終
的なマルコフモデルフィッティング部305の出力にな
る。
【0061】
【発明の効果】本発明によれば、人工視覚装置等が画像
内容を把握するために必要な、画像領域識別問題へのア
プローチを提供することができるものであり、画像特徴
の不連続部を発見的に探す「エッヂベースのアプローチ
」を採る。その結果、扱おうとする画像の内容について
特に予備知識がなくても、適正な画像分割が可能になる
。
内容を把握するために必要な、画像領域識別問題へのア
プローチを提供することができるものであり、画像特徴
の不連続部を発見的に探す「エッヂベースのアプローチ
」を採る。その結果、扱おうとする画像の内容について
特に予備知識がなくても、適正な画像分割が可能になる
。
【0062】また本発明によれば、画像を複数の解像度
に展開して階層的な処理を行う。その結果、処理の効率
性と精度を両立させ得る可能性がある。
に展開して階層的な処理を行う。その結果、処理の効率
性と精度を両立させ得る可能性がある。
【0063】更に本発明によれば、テクスチャ画像特徴
を推定するためにモデルあてはめ手法を組み合わせる。 その結果、精緻な領域識別が可能になる。
を推定するためにモデルあてはめ手法を組み合わせる。 その結果、精緻な領域識別が可能になる。
【0064】また、画像についてなんらかの予備知識が
ある場合には、それに応じて更に効率的な処理ができる
。これらの性質は、人工視覚装置に当然求められる類の
ものであるが、従来の方法では、不可能な場合や複雑な
処理を要する場合が多かった。本発明では、比較的簡易
で系統的な処理により上記の性質を実現するので、人工
視覚装置の画像領域識別能力の向上に大きな効果がある
。
ある場合には、それに応じて更に効率的な処理ができる
。これらの性質は、人工視覚装置に当然求められる類の
ものであるが、従来の方法では、不可能な場合や複雑な
処理を要する場合が多かった。本発明では、比較的簡易
で系統的な処理により上記の性質を実現するので、人工
視覚装置の画像領域識別能力の向上に大きな効果がある
。
【図1】本発明の画像領域識別処理方法の一実施例の処
理フロー図である。
理フロー図である。
【図2】本発明の画像領域識別処理方法の一実施例の処
理フロー図である。
理フロー図である。
【図3】本発明の画像領域識別処理方法の一実施例の処
理フロー図である。
理フロー図である。
【図4】図2の画像展開部202における画像展開法の
一実施例の処理フロー図である。
一実施例の処理フロー図である。
【図5】図3のマルコフモデルフィッティング部305
における処理の一実施例の処理フロー図である。
における処理の一実施例の処理フロー図である。
【図6】ガウス関数の差分の例示である。
【図7】ガボール関数の例示である。
【図8】ウェーブレット基底関数の例示である。
【図9】画像展開と領域境界出力の一例である。
【図10】階層的な画像展開表現の1例である。
【図11】階層的な画像展開表現の1例である。
【図12】階層的な画像展開表現の1例である。
101 画像入力部
102 画像展開部
103 展開係数解析部
104 領域境界出力部
201 画像入力部
202 画像展開部
203 展開係数解析部
204 領域境界推定部
205 領域境界出力部
301 画像入力部
302 画像展開部
303 展開係数解析部
304 領域境界推定部
305 マルコフモデルフィッティング部306
領域境界出力部 401 密解像度画像入力部 402 ローパスフィルタ部 403 ハイパスフィルタ部 404,405 間引き処理部 406,408 ローパスフィルタ部407,409
ハイパスフィルタ部410,411,412,41
3 間引き処理部414 疎解像度画像出力部 415,416,417 差分情報ストア部418
展開係数出力部
領域境界出力部 401 密解像度画像入力部 402 ローパスフィルタ部 403 ハイパスフィルタ部 404,405 間引き処理部 406,408 ローパスフィルタ部407,409
ハイパスフィルタ部410,411,412,41
3 間引き処理部414 疎解像度画像出力部 415,416,417 差分情報ストア部418
展開係数出力部
Claims (3)
- 【請求項1】 2次元画像からテクスチャ特徴を検出
し、その特徴に基づいて上記画像中の領域境界やその位
置関係を推定する装置において、画像情報を、ガウス関
数やガボール関数あるいはその他のウェーブレット展開
関数を含む分布が局在的な関数を基底に用いて空間周波
数成分や方位成分の空間分布の形式に展開すると共に、
その展開係数の分布特性から領域境界を推定するように
したことを特徴とする画像領域識別処理方法。 - 【請求項2】 請求項1記載の、画像情報を空間周波
数成分や方位成分の空間分布の形式に展開するに当って
、解像度の異なる画像に関する展開係数を順々に得るよ
うに処理することを特徴とする画像領域識別処理方法。 - 【請求項3】 請求項1記載の、領域境界を推定する
に当って、画像の展開係数の分布特性から境界候補を推
定した後、各領域内のテクスチャがガウス型マルコフモ
デルで近似できると仮定して最尤法やコーディング法を
含む推定方法によって該モデルのパラメータを推定する
ことにより、精細に領域の位置関係を推定する処理を加
えたことを特徴とする画像領域識別処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3035828A JPH04275685A (ja) | 1991-03-01 | 1991-03-01 | 画像領域識別処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3035828A JPH04275685A (ja) | 1991-03-01 | 1991-03-01 | 画像領域識別処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH04275685A true JPH04275685A (ja) | 1992-10-01 |
Family
ID=12452821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3035828A Pending JPH04275685A (ja) | 1991-03-01 | 1991-03-01 | 画像領域識別処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH04275685A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06309457A (ja) * | 1993-04-26 | 1994-11-04 | Fuji Photo Film Co Ltd | 画像判別方法 |
US5566284A (en) * | 1993-12-22 | 1996-10-15 | Matsushita Electric Industrial Co., Ltd. | Apparatus and method for mip-map generation using low-pass filtering based on resolution ratio |
DE19643879A1 (de) * | 1995-10-31 | 1997-05-07 | Aisin Seiki | Verfahren und Vorrichtung zur Erfassung eines Reifenaufblasdrucks |
US5667244A (en) * | 1995-03-27 | 1997-09-16 | Aisin Seiki Kabushiki Kaisha | Method and apparatus for detecting an impact on a vehicle |
US5814897A (en) * | 1996-03-28 | 1998-09-29 | Aisin Seiki Kabushiki Kaisha | Vehicle passenger restraint system |
JP2005011375A (ja) * | 2004-09-06 | 2005-01-13 | Fuji Xerox Co Ltd | 画像領域分割方法および画像領域分割装置 |
JP2007524536A (ja) * | 2003-06-25 | 2007-08-30 | メソード・エレクトロニクス・インコーポレーテッド | 圧電センサを介した衝突検知 |
JP2010201158A (ja) * | 2009-02-05 | 2010-09-16 | Toshiba Corp | 画像再構成装置および画像再構成方法 |
JP2014507241A (ja) * | 2011-03-07 | 2014-03-27 | アキュイタス・メディカル・リミテッド | マップとしての空間周波数表現 |
-
1991
- 1991-03-01 JP JP3035828A patent/JPH04275685A/ja active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06309457A (ja) * | 1993-04-26 | 1994-11-04 | Fuji Photo Film Co Ltd | 画像判別方法 |
US5566284A (en) * | 1993-12-22 | 1996-10-15 | Matsushita Electric Industrial Co., Ltd. | Apparatus and method for mip-map generation using low-pass filtering based on resolution ratio |
DE19611973B4 (de) * | 1995-03-27 | 2004-09-30 | Aisin Seiki K.K., Kariya | Verfahren und Vorrichtung zum Erfassen eines auf ein Fahrzeug einwirkenden Stoßes |
US5667244A (en) * | 1995-03-27 | 1997-09-16 | Aisin Seiki Kabushiki Kaisha | Method and apparatus for detecting an impact on a vehicle |
US5801305A (en) * | 1995-10-31 | 1998-09-01 | Aisin Seiki Kabushiki Kaisha | Method and apparatus for detecting a tire inflation pressure |
DE19643879A1 (de) * | 1995-10-31 | 1997-05-07 | Aisin Seiki | Verfahren und Vorrichtung zur Erfassung eines Reifenaufblasdrucks |
US5814897A (en) * | 1996-03-28 | 1998-09-29 | Aisin Seiki Kabushiki Kaisha | Vehicle passenger restraint system |
JP2007524536A (ja) * | 2003-06-25 | 2007-08-30 | メソード・エレクトロニクス・インコーポレーテッド | 圧電センサを介した衝突検知 |
JP4694478B2 (ja) * | 2003-06-25 | 2011-06-08 | メソード・エレクトロニクス・インコーポレーテッド | 圧電センサを介した衝突検知 |
JP2005011375A (ja) * | 2004-09-06 | 2005-01-13 | Fuji Xerox Co Ltd | 画像領域分割方法および画像領域分割装置 |
JP2010201158A (ja) * | 2009-02-05 | 2010-09-16 | Toshiba Corp | 画像再構成装置および画像再構成方法 |
US9747706B2 (en) | 2009-02-05 | 2017-08-29 | Toshiba Medical Sysytems Corporation | Image reconstructing apparatus and image reconstructing method |
US10713823B2 (en) | 2009-02-05 | 2020-07-14 | Toshiba Medical Systems Corporation | Image reconstructing apparatus and image reconstructing method |
JP2014507241A (ja) * | 2011-03-07 | 2014-03-27 | アキュイタス・メディカル・リミテッド | マップとしての空間周波数表現 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1693783B1 (en) | Fast method of object detection by statistical template matching | |
US7454058B2 (en) | Method of extracting and searching integral histograms of data samples | |
CN110334762B (zh) | 一种基于四叉树结合orb和sift的特征匹配方法 | |
US5625717A (en) | Image processing device for processing grey level images | |
AU2006230545B2 (en) | Apparatus and method for processing video data | |
Sumengen et al. | Graph partitioning active contours (GPAC) for image segmentation | |
Dhivya et al. | Copy-move forgery detection using SURF feature extraction and SVM supervised learning technique | |
US7881531B2 (en) | Error propogation and variable-bandwidth mean shift for feature space analysis | |
Dal Poz et al. | Automated extraction of road network from medium-and high-resolution images | |
Rosenfeld | Image pattern recognition | |
US20220147732A1 (en) | Object recognition method and system, and readable storage medium | |
CN113449784B (zh) | 基于先验属性图谱的图像多分类方法、装置、设备及介质 | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
JPH04275685A (ja) | 画像領域識別処理方法 | |
Ham et al. | Recognition of raised characters for automatic classification of rubber tires | |
Günsel et al. | Reconstruction and boundary detection of range and intensity images using multiscale MRF representations | |
JPH1049668A (ja) | 濃淡値文書画像からの特徴抽出方法及び特徴抽出装置 | |
Dhar et al. | Interval type-2 fuzzy set and human vision based multi-scale geometric analysis for text-graphics segmentation | |
Hamouchene et al. | Overview of texture analysis | |
Shaw et al. | A survey of digital image segmentation algorithms | |
Shi et al. | An approach to image segmentation using multiresolution analysis of wavelets | |
Tico et al. | Weighted least squares method for the approximation of directional derivatives | |
Distante et al. | Data organization | |
Mignotte | Nonparametric multiscale energy-based mode and its application in some imagery problems | |
EP4310789A1 (en) | Prediction method for target object, computer device, and storage medium |