JPH07239862A - 画像データベース検索システム - Google Patents

Abstract

(57)【要約】 【目的】 画像データの検索を行う際に不完全一致の内
容検索を実用的な速度で行うことによって検索を効率的
に行えるようにする。 【構成】 データ登録時に、特徴量抽出部２、近傍特徴
抽出部３およびハッシング部４で検索対象の各画像デー
タから位相情報を取り除いた近傍特徴量に基づくハッシ
ュ値を求め、このハッシュ値と各画像データの通番との
関係を重みの組記憶部６に記憶しておき、一方、データ
検索時には、検索キーの画像データについても同様にし
て、特徴量抽出部２、近傍特徴抽出部３およびハッシン
グ部４でハッシュ値を求め、このハッシュ値と上記重み
の組記憶部６に記憶しておいた重み情報とに基づいて、
検索キー画像と各検索対象画像との近傍特徴量の合致度
を含有度集計部８で求めて、合致度の高い画像を検索の
結果として得るようにすることにより、いわゆる不完全
一致の内容検索を行えるようにするとともに、合致度を
求める際に処理すべき情報量を少なくしてデータ検索を
高速に行えるようにする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は画像データベース検索シ
ステムに関し、特に、任意の画像を検索キーとして用い
て検索対象の画像を検索するようにした、いわゆる内容
検索を行うシステムに用いて好適なものである。

【０００２】

【従来の技術】従来より、データベースの検索手法に
は、インデックス検索方式による手法と内容検索方式に
よる手法とがある。これらのうち、前者のインデックス
検索方式は、人間が各データの内容を理解して各々に対
応するインデックスを付加し、このインデックスを手掛
かりにしてデータを検索する方式である。

【０００３】また、後者の内容検索方式は、何らかの手
法によって検索キーと各データとの各々から特徴量を抽
出して、それらの特徴量のマッチングを行うことにより
データを検索する方式である。

【０００４】

【発明が解決しようとする課題】前者のインデックス検
索方式では、各データに対応するインデックスが人間の
主観に基づいて付加されるため、付加されるインデック
スに偏りが生じてしまう。このため、インデックスを付
加する者とデータベースの検索を行う者とが異なる場合
には種々の問題が生じる。例えば、所望のデータを得る
ために有効となるインデックスの知識を検索者が有して
いないと、検索対象を効率的に絞り込めなかったり、検
索洩れが生じたりするといった問題が生じる。

【０００５】一方、後者の内容検索方式では、インデッ
クスを各データに付加する必要がないので、インデック
スの付加作業によるコストの増加や、個人の主観によっ
て付加されるインデックスの偏りに起因する検索洩れな
どの問題は起こらない。したがって、この内容検索方式
は、検索者やデータの登録者が不特定多数になる場合に
適した方法であると考えられる。

【０００６】しかし、一般に、画像データのような２次
元データは、文書データや音声データなどのような１次
元データに比べてその情報量が多いので、マッチング処
理を行うためのコストが非常に高くなる。したがって、
大量のデータを扱う大規模なデータベースを対象とする
画像データベース検索システムに対して従来の検索シス
テムを適用することは、検索時間の点で困難であった。

【０００７】本発明は、このような問題を解決するため
に成されたものであり、検索キーと登録データとの不完
全一致を高速に判断し、大規模なデータベースを実用的
な時間で検索することが可能な画像データベース検索シ
ステムを提供できるようにすることを目的としている。

【０００８】

【課題を解決するための手段】本発明の画像データベー
ス検索システムは、任意の画像を検索キーとして用いて
検索対象の画像を検索するようになされた画像データベ
ース検索システムにおいて、上記検索キー画像および上
記検索対象画像のそれぞれについて、その画像データか
ら部分的特徴量を抽出し、上記部分的特徴量を上記画像
データに対応するように２次元的に並べた配置図を作成
する特徴量マップ作成手段と、上記特徴量マップ作成手
段により作成された配置図から近傍特徴量を抽出する近
傍特徴抽出手段と、上記近傍特徴量から２次元的な位相
情報を取り除いた上で上記近傍特徴量を用いてハッシン
グを行うハッシング手段と、上記ハッシング手段により
求められた上記検索対象画像についてのハッシュ値と上
記検索対象画像の通番とを対応させて重み付けを行う重
み付け手段と、上記ハッシング手段により求められた上
記検索キー画像についてのハッシュ値を用いて、上記重
み付け手段により求められた重み情報の中から上記ハッ
シュ値で特定される重み情報を取り出す重み情報取出し
手段と、上記重み情報取出し手段により取り出された重
み情報に基づいて、上記検索キー画像および上記検索対
象画像の近傍特徴量の合致度を求める合致度集計手段と
を具備するものである。

【０００９】本発明の他の特徴とするところは、与えら
れた画像から取り出した一部分の領域を所定の方法によ
って数値化したものを、上記画像データの部分的特徴量
とするものである。

【００１０】本発明の更に他の特徴とするところは、上
記特徴量マップ作成手段により作成された部分的特徴量
の配置図から、任意の領域の部分的特徴量とその近傍の
領域の部分的特徴量との組を抽出したものを、上記画像
データの近傍特徴量とするものである。

【００１１】

【作用】本発明は上記技術手段より成るので、検索キー
画像と検索対象画像とのそれぞれから抽出される近傍特
徴量の合致度でもってその類似性が判断され、検索キー
画像との類似性が強い画像が検索の結果として得られる
ようになり、いわゆる不完全一致の内容検索を行うこと
が可能となる。また、上記近傍特徴量の合致度を求める
際に、上記近傍特徴量から２次元的な位相情報が取り除
かれた上で特徴量のマッチング処理が行われるので、処
理すべき情報量が少なくなる。

【００１２】

【実施例】本実施例の画像データベース検索システム
は、画像データの登録時に、検索対象となる各画像デー
タから後述する近傍特徴量を抽出し、その抽出した近傍
特徴量から２次元的な位相情報を取り除いた上でハッシ
ングを行う。そして、これによって得られるハッシュ値
と検索対象の画像データに付した通番との関係を、重み
の組として記憶しておく。

【００１３】一方、データ検索時には、検索キーとして
用いる画像データからも同様にして近傍特徴量を抽出
し、上述のデータ登録時に記憶しておいた重みの組を用
いて、検索対象の画像と検索キーの画像との近傍特徴量
の合致度を調べる。そして、この合致度に基づいて画像
の類似性を判断することによって、画像データの検索を
行うようにしたことを特徴とするものである。

【００１４】以下に、本実施例による画像データベース
検索システムの構成を、図１に示すブロック図に基づい
て説明する。図１において、１は画像入力装置であり、
検索対象として登録する画像データや、検索キーとして
用いる画像データを入力するものである。

【００１５】次いで、２は特徴量抽出部であり、上記画
像入力装置１より入力される画像データから部分的特徴
量を抽出し、この抽出した部分的特徴量を用いて特徴量
マップを作成するものである。

【００１６】ここで、画像の部分的特徴量とは、１つの
画像データ中のある特定の範囲内において、その範囲内
における画像の特徴を所定の方法によって評価した結果
をベクトル値で表したものである。例えば、与えられた
画像データ上のある短形領域に注目し、そこに存在する
画素の配列を形状や周波数などの意味において評価した
値を、フラクタル次元とランレングスとの２要素でなる
ベクトル値として表すといったことなどが挙げられる。

【００１７】また、画像の特徴量マップとは、画像デー
タ中の各矩形領域ごとに抽出した部分的特徴量を、元の
画像データに対応するように２次元的に配置して作成し
た部分的特徴量の配置図である。

【００１８】次いで、３は近傍特徴抽出部であり、上記
特徴量抽出部２で作成した特徴量マップから、２次元的
な位相情報を取り除いた近傍特徴量を抽出するものであ
る。この近傍特徴量は、上記特徴量マップの座標上にお
いて、ある任意の領域の部分的特徴量と、その領域から
特定の距離にある領域の部分的特徴量とを特徴量の組と
してとらえたものである。

【００１９】次いで、４はハッシング部であり、上記近
傍特徴抽出部３で抽出した近傍特徴量を用いてハッシン
グを行うものである。なお、以上の特徴量抽出部２、近
傍特徴抽出部３およびハッシング部４は、データ登録時
に入力される検索対象の画像データと、データ検索時に
入力される検索キーの画像データとの両方について同様
の処理を施す。

【００２０】次いで、５は評価部であり、データ登録時
には、上記ハッシング部４で求めた検索対象画像につい
てのハッシュ値と、その検索対象画像の通番とを対応さ
せる重み付けを行い、こうして生成した重み情報を重み
の組記憶部６に記憶する。また、データ検索時には、上
記ハッシング部４で求めた検索キー画像についてのハッ
シュ値を用いて、上記重みの組記憶部６から対応する重
み情報を読み出す。

【００２１】次いで、７は画像データベース記憶部であ
り、上記画像入力装置１より入力される検索対象の画像
データをデータベースとして記憶しておくものである。
この画像データベース記憶部７に記憶される画像データ
には、その記憶される順番に従って昇順の通番が付され
ている。

【００２２】次いで、８は含有度集計部であり、上記評
価部５により読み出される重み情報を用いて含有度集計
表を作成するものである。この含有度集計表は、検索キ
ーの画像データから抽出される近傍特徴量が検索対象の
各画像データ中にどの程度含まれているかを表す特徴含
有率を、検索対象画像の通番ごとに集計したものであ
る。

【００２３】次いで、９はソート部であり、上記含有度
集計部８で作成した含有度集計表を特徴含有率の高い順
に並べ変えるものである。そして、この並び変えを行っ
た後の集計表がデータ検索の結果として画像表示装置１
０に送られる。画像表示装置１０には、検索者からの指
示に応じて画像データベース記憶部７から読み出された
画像データが表示される。

【００２４】次に、上記のように構成した画像データベ
ース検索システムにおけるデータ登録時の動作を、図２
に基づいて説明する。なお、図２は、図１に示した各構
成のうち、データ登録に関与する構成のみを示してその
処理の流れを表した動作説明図である。

【００２５】図２において、まず、画像入力装置１より
入力される検索対象となる各画像データを検索単位ごと
に昇順の通番を付加して画像データベース記憶部７に記
憶するとともに、上記各画像データから部分的特徴量を
特徴量抽出部２により抽出する。また、特徴量抽出部２
は、抽出した部分的特徴量を２次元的に配置して特徴量
マップを作成する。

【００２６】次に、近傍特徴抽出部３により、上記特徴
量抽出部２で作成した特徴量マップから近傍特徴量を抽
出する。さらに、こうして抽出した近傍特徴量から、そ
れを特徴量マップ上のどこから抽出したかを表す２次元
的な位相情報を取り除く。これにより、抽出した複数の
近傍特徴量を２次元的なマップとしてではなく、単なる
組もしくは集合として扱うようにする。

【００２７】次に、このようにして位相情報を取り除い
た近傍特徴量を用いてハッシング部４でハッシングを行
う。なお、これにより求められるハッシュ値は、評価対
象となる画像の特徴を表している。そして、こうして求
めたハッシュ値と上述した画像データの通番とを対応さ
せる重み付けを評価部５で行う。

【００２８】すなわち、評価部５は、上記画像入力装置
１より入力される検索対象の各画像データについて、そ
こから抽出される各近傍特徴量に基づくハッシュ値とデ
ータ通番とを対応させる重み付けを順次行っていくこと
により、各ハッシュ値で特定される座標上の位置に、重
みのスカラ値をリストとして順次追加していく。

【００２９】このように、上記各画像データについて重
み付けを順次行っていくと、重みのリストはハッシング
を行う座標上に幾つもできる。これらの重みのリストを
まとめた集合を重みの組と呼ぶ。この重みの組は、評価
部５を介して重みの組記憶部６に記憶する。以上が画像
データの登録時における動作である。

【００３０】次に、以上のようにして登録した画像デー
タの中から所望の画像データを検索するときの動作を、
図３に基づいて説明する。なお、図３は、図１に示した
各構成のうち、データ検索に関与する構成を示してその
処理の流れを表した動作説明図である。

【００３１】図３に示したように、データ検索時には、
検索キーとして入力された画像データから得られる近傍
特徴量が、登録されている各画像データの近傍特徴量に
どの程度の割合で一致しているかを、上記重みの組記憶
部６に記憶しておいた重みの組を用いて調べる。そし
て、その合致度が高い画像データを検索キーの画像と類
似性の高い画像として参照できるようにしている。

【００３２】すなわち、上述したデータ登録時の場合と
同様にして、まず、画像入力装置１より入力される検索
キーの画像データについて、特徴量抽出部２および近傍
特徴抽出部３で位相情報を取り除いた近傍特徴量の組を
求める。そして、この近傍特徴量の組を用いてハッシン
グ部４でハッシングを行い、各近傍特徴量ごとのハッシ
ュ値の系列を作成して評価部５に送る。

【００３３】次いで、評価部５は、上記ハッシング部４
で求めた各ハッシュ値により特定される位置の重みのリ
ストを重みの組記憶部６から読み出す。次に、含有度集
計部８は、評価部５が読み出した重みのリストを用い
て、検索キーの画像データから抽出された近傍特徴量が
検索対象の各画像データ中にどの程度含まれているかを
表す特徴含有率を求める。

【００３４】そして、ソート部９により、上記検索対象
の各画像データの通番を特徴含有率の高い順に並べ変え
る。つまり、特徴含有率が高い画像ほど検索キーの画像
に類似している画像であるとして上記画像データの通番
を並べ変えて、その結果をデータ検索の結果として画像
表示装置１０に出力する。

【００３５】検索者は、この検索結果を参照して、所望
の画像データを画像表示装置１０に表示させるようにす
ることができる。このとき、画像表示装置１０は、検索
者からの指示に応じて、画像データベース記憶部７から
対応する画像データを読み出してそれを表示する。

【００３６】次に、上述したデータ登録時およびデータ
検索時の動作を、具体的な例をあげて説明する。ここで
は、線によって描かれた２値化画像を画像データとして
用いることにする。なお、図４に示した２値の画像デー
タは、図２の画像入力装置１より入力される複数の画像
データのうち、通番としてＩＤ＝３２が付された画像デ
ータである。

【００３７】図４において、まず、図２に示した特徴量
抽出部２における特徴量マップの作成手順においては、
スコープと呼ぶ任意の大きさの短形領域を用いて画像デ
ータの評価を行う。すなわち、画像入力装置１より与え
られる画像データに対して、スコープをずらしながらそ
のスコープの内部に入る画像を切り出す。なお、スコー
プの移動量はスコープの大きさとは無関係であるため、
スコープによって切り出される画像の部分領域は、隣接
するもの同士で重複部分を含むことがある。

【００３８】次いで、こうして切り出した部分領域内の
画素の配列を適当な方法によって数値化し、これをベク
トル値で表すことにより部分的特徴量を順次求めてい
き、画像データの特徴量マップを作成する。例えば、画
像データ形成面の横軸方向に R刻み、縦軸方向に C刻み
でスコープをずらしながら部分領域を切り出した場合に
は、複数の部分的特徴量 f[r,c] (r=1,2, … ,R;c=1,2,
… ,C)を要素とする特徴量マップを得ることができる。

【００３９】ところで、スコープ内の画素配列を数値化
する方法としては、例えば次のような方法があげられ
る。すなわち、特定の画素パターンとの相関を求める
方法、特定の輝度値をもつ画素の面積を求める方法、
フラクタル次元を用いて数値化する方法、画素配列
の第１主成分の方向を求める方法、画素配列の主成分
の比率を求める方法などである。どのような方法で数値
化を行うかは、扱う画像の種類やデータベースの利用目
的に合わせて任意に定義すればよい。

【００４０】例えば、本実施例のように２値化画像を扱
うために、との方法を組み合わせて用いる場合には
次のようになる。すなわち、図５に示すように、スコー
プ内における画素配列の主成分分析によって等価的に線
の方向を求め、これを適当に量子化したものを第１の要
素として用いる。また、スコープ内における画素の面積
比を適当に量子化したものを第２の要素として用いる。
すなわち、部分的特徴量 f[r,c] の第１の要素について
は、まず、

【００４１】

【数１】

【００４２】として画素配列の主成分の方向θを求め
る。そして、こうして求めた方向θを、例えば４方向あ
るいは８方向などに適当に量子化することにより、部分
的特徴量f[r,c] の第１の要素を得る。

【００４３】また、第２の要素については、まず、スコ
ープ内における全ての画素のうち、黒い画素数と白い画
素数との比をとってその面積比を求める。そして、こう
して求めた面積比を適当に量子化することにより、部分
的特徴量 f[r,c] の第２の要素を得る。

【００４４】このようにして、全ての r, c (r=1,2, …
,R;c=1,2,… ,C)に対して部分的特徴量 f[r,c] の値を
求めることで、元の画像データに対応した部分的特徴量
の配置図（特徴量マップ）を作成する。

【００４５】例えば、図２に示すように、R とC の値が
それぞれ３のときは、１つの画像データからf11 〜 f33
までの９個の部分的特徴量を要素とする特徴量マップが
作成される。なお、必要であればスコープの大きさを変
えて複数の特徴量マップを作成することもできる。

【００４６】次に、近傍特徴抽出部３における近傍特徴
量の抽出手順においては、まず、上述のようにして作成
した特徴量マップ中に適当な範囲を設定し、その範囲内
においてある任意の領域（注目領域と呼ぶ）とその近傍
にある領域との部分的特徴量の組を抜き出す。例えば、
注目領域(r, c)から横軸方向にｌ、縦軸方向にｍの範囲
において部分的特徴量を抜き出す場合には、

【００４７】

【数２】

【００４８】といった部分的特徴量の集合が近傍特徴量
として得られる。なお、画像データについては連続した
領域以外の特徴を見ることがあるので、必ずしも隣合っ
た領域や連続した領域の部分的特徴量のみを抜き出すと
は限らない。例えば、１つ飛びあるいは２つ飛びの領域
から部分的特徴量を抜き出す場合もある。

【００４９】そして、特徴量マップ上の注目領域(r, c)
をそれぞれ r=(1, 2, …, R-(l-1)), c=(1, 2,…, C-(m
-1))というように順に走査していくことにより、 (R-(l
-1))×(C-(m-1)) 個の近傍特徴量を得る。図４の例で
は、ｌ＝２，ｍ＝２として、次に示すような４つの部分
的特徴量からなる４つの近傍特徴量を抽出している。

【００５０】

【数３】

【００５１】さらに、近傍特徴抽出部３は、以上のよう
に抽出した全ての近傍特徴量から、それを特徴量マップ
上のどこから抜き出したかという位相情報を取り除くこ
とにより、近傍特徴量を２次元的なマップとしてではな
く、単なる組として扱うようにする。

【００５２】例えば、図４に示すように、上記近傍特徴
量(1) の右隣の位置から近傍特徴量(2) を抽出したとい
う位相情報を捨てて、単なる( [1,1], [0,1], [2,3],
[0,2])と( [0,1], [3,1], [0,2], [2,2] )といった近傍
特徴量の組を作成する。このようにして、与えられた画
像データが持っている２次元的な位相情報を取り除くこ
とにより、その画像データを特徴づける情報量を減らす
ことができる。

【００５３】次に、ハッシング部４において、以上のよ
うにして位相情報を取り除いた近傍特徴量を用いて、ハ
ッシュ関数 g()、h() によって次式で示すようなハッシ
ングを行う。例えば、( [1,1], [0,1], [2,3], [0,2] )
の近傍特徴量に対するハッシングによって得られるハッ
シュ値は、ｊ＝２, ｋ＝６となっている。

【００５４】

【数４】

【００５５】さらに、評価部５は、画像データの通番ｉ
と、上記ハッシングにより求めたハッシュ値ｊ，ｋの値
とを対応づける重みの値 w[i,j,k] を所定の演算によっ
て求める。そして、ハッシングを行う座標上において上
記ハッシュ値が示す位置に、ある重みに評価した画像デ
ータの通番ＩＤとそれに対応する重みの値 w[i,j,k]と
を重みのリストとして順次加えていく。

【００５６】このように、画像データから抽出される全
ての近傍特徴量について重みの値 w[i,j,k] を求め、こ
の値と画像データの通番ＩＤとを相互に対応づける。そ
して、これを重みのリストとして上記ハッシングを行う
座標上の適当な位置に順次加えていくことにより、その
座標上には、１つのリスト中に様々な通番ＩＤを含んだ
重みが幾つもできる。

【００５７】これら複数の重みが集められた重みの組
は、重みの組記憶部６に記憶される。このように、画像
入力装置１より入力される検索対象の画像データは、幾
つもの重みの間に散りばめられて記憶されることにな
る。以上が画像データの登録手順である。

【００５８】一方、画像データの検索手順においては、
まず、図３の画像入力装置１より入力した検索キーの画
像データについて、上述したデータ登録時の場合と同様
にして、特徴量抽出部２および近傍特徴抽出部３で位相
情報を取り除いた近傍特徴量を求める。そして、この近
傍特徴量を用いてハッシング部４でハッシュ関数 g()、
h() によってハッシングを行い、各近傍特徴量ごとのハ
ッシュ値ｊ，ｋの系列を作成する。

【００５９】次に、上述のデータ登録時に重みの組記憶
部６に記憶しておいた重みの組の中ら、上記ハッシング
部４で求めた各ハッシュ値により特定される位置の重み
のリストを評価部５が読み出す。そして、こうして読み
出した重みのリストを用いて、画像データの通番に対す
るキー画像の特徴含有率の集計表を含有度集計部８によ
り作成する。なお、ｉ番目のデータに対するキー画像の
特徴含有率ω_i は、評価関数e() によって次のように求
められる。

【００６０】

【数５】

【００６１】ここで、Ωは検索キーの画像データから得
られる特徴量が検索対象の画像データの特徴量と完全に
一致した場合の評価値である。このようにして、登録さ
れている画像データの全てに対して特徴含有率ω_i の値
を求めていくことにより、画像データの通番に対するキ
ー画像の特徴含有率の集計表を作成する。

【００６２】そして、こうして作成した集計表をソート
部９によって含有率の降順に並べ変えたものが検索の結
果となる。検索者は、この検索結果の上位にある画像デ
ータを参照することで、検索キーの画像データと同じ特
徴量がより高い確率で含まれている画像データを得るこ
とができる。

【００６３】例えば、図６に示すように、三角形の画像
データを検索キーとして検索を行う場合に、このキー画
像から抽出した近傍特徴量の１つに対してハッシングを
施すことにより、ハッシュ値ｊ＝１５，ｋ＝１３で特定
される位置の重みが重みの組記憶部６から読み出された
とする。

【００６４】この場合、上記ハッシュ値に従って読み出
された重みの中から、画像データの通番ＩＤ＝４，３
２，５６，…に対応づけられている各重み値ｗが、含有
度集計表の各通番ｉｄに対応する特徴含有率の集計値ｓ
に各々加えられていく。なお、含有度集計表の中の通番
ｉｄ＝３２では、それまでの集計値ｓ＝１０に対し、今
回読み出された重みの中のＩＤ＝３２に対応する重み値
ｗ＝１が加えられている様子が示されている。

【００６５】このようにして、キー画像から得られる全
ての近傍特徴量を用いて以上のような操作を行うことに
より含有度集計表を完成させる。そして、この含有度集
計表を特徴含有率の値が降順になるようにソートし、ソ
ート後の含有度集計表に治められているデータ通番を検
索の結果として画像表示装置１０に出力する。

【００６６】以上のように、本実施例の画像データベー
ス検索システムによれば、検索キーの画像が持つ近傍特
徴量と同じ近傍特徴量をより多く含んでいる画像を、上
記検索キーの画像に類似する画像として検索することが
できる。このため、いわゆる不完全一致検索を行うこと
ができるので、例えば、検索キーの画像や検索対象の画
像データにノイズが混入している場合や、検索キーとし
ての情報量が不完全である場合でも所望の画像を探し出
すことができる。

【００６７】しかも、インデックス検索方法のように、
検索対象の各画像データにインデックスを付加する必要
がないため、インデックスの付加作業を行う際のコスト
を削減できるとともに、付加されたインデックスに関す
る知識を検索者が有していないために生じることがある
検索洩れをなくすこともできる。

【００６８】さらに、本実施例の画像データベース検索
システムによれば、特徴量のマッチング処理に要する処
理コストが、登録データ全ての情報量ではなく検索キー
画像の情報量のみに依存することになる。このため、特
徴量のマッチング処理を行うための処理コストを少なく
することができ、従来よりも高速にデータ検索を行うこ
とができる。

【００６９】本実施例の画像データベース検索システム
の適用例としては、例えば、論文、レポート、説明用の
資料などに挿入される図やイラストなどの画像データの
検索を行う場合があげられる。

【００７０】すなわち、一般に、これらの画像データ
は、その作成作業の効率化を図るために以前に作成した
ものを再利用することが多い。しかし、蓄積されている
画像を１つずつ人間が見ながら再利用しようとする画像
を捜し出すといった従来の方法では、作業の効率化が充
分に図れなかった。このことは、画像データの蓄積量が
多くなる場合には尚更であった。

【００７１】このような場合に、簡単な略画や所望の画
像中の覚えている部分のみをキー画像として用いて検索
することができれば、検索対象を迅速に絞り込むことが
でき、従来検索に要していた作業コストを大幅に軽減で
きる。したがって、このような場合に本実施例の画像デ
ータベース検索システムを適用することは非常に有効的
である。

【００７２】なお、本実施例による画像データベース検
索システムは、ある規定した近傍特徴量の合致度を調べ
て検索を行うものであり、画像として描かれた内容を認
識したり意味の理解を行ったりして検索を行うものでは
ない。したがって、例えば、ある画像を回転させた画像
を検索キーとして検索を行ったり、前向きの人物画から
横向きの人物画を探したりするといったことは本実施例
の画像データベース検索システムの対象ではない。

【００７３】

【発明の効果】本発明は上述したように、検索キー画像
と各検索対象画像とのそれぞれから近傍特徴量を抽出
し、検索キー画像の近傍特徴量と同じ近傍特徴量をより
多く含んだ画像を検索の結果として出力するようにした
ので、検索キー画像との類似性が強い画像を検索するこ
とによっていわゆる不完全一致の内容検索を行うことが
できるようになり、検索キーとして用いる画像の与え方
の自由度が向上する。

【００７４】また、上記近傍特徴量から２次元的な位相
情報を取り除いた上で近傍特徴量の合致度を求めるよう
にしたので、合致度を求める際に処理しなければならな
い情報量を少なくすることができ、データ検索を高速に
行うことができる。

【００７５】さらに、本発明の画像データベース検索シ
ステムは、任意の画像を検索キーとして用いて検索対象
の画像を検索するいわゆる内容検索を対象としているの
で、従来のインデックス検索方法において必要であった
インデックスの付加作業に伴うコストを削減できるとと
もに、付加されるインデックスの偏りに起因して生じる
ことがある検索洩れをもなくすことができる。

【図面の簡単な説明】

【図１】本発明の一実施例である画像データベース検索
システムの構成を示すブロック図である。

【図２】図１に示した画像データベース検索システムの
各構成のうち、データ登録に関与する構成のみを示して
その処理の流れを表した動作説明図である。

【図３】図１に示した画像データベース検索システムの
各構成のうち、データ検索に関与する構成のみを示して
その処理の流れを表した動作説明図である。

【図４】データ登録時における動作を示す説明図であ
る。

【図５】部分的特徴量の抽出例を示す説明図である。

【図６】データ検索時における動作を示す説明図であ
る。

【符号の説明】

１ 画像入力装置 ２ 特徴量抽出部 ３ 近傍特徴抽出部 ４ ハッシング部 ５ 評価部 ６ 重みの組記憶部 ７ 画像データベース記憶部 ８ 含有度集計部 ９ ソート部 １０ 画像表示装置

Claims (3)

【特許請求の範囲】
1. 【請求項１】 任意の画像を検索キーとして用いて検索
   対象の画像を検索するようになされた画像データベース
   検索システムにおいて、 上記検索キー画像および上記検索対象画像のそれぞれに
   ついて、その画像データから部分的特徴量を抽出し、上
   記部分的特徴量を上記画像データに対応するように２次
   元的に並べた配置図を作成する特徴量マップ作成手段
   と、 上記特徴量マップ作成手段により作成された配置図から
   近傍特徴量を抽出する近傍特徴抽出手段と、 上記近傍特徴量から２次元的な位相情報を取り除いた上
   で上記近傍特徴量を用いてハッシングを行うハッシング
   手段と、 上記ハッシング手段により求められた上記検索対象画像
   についてのハッシュ値と上記検索対象画像の通番とを対
   応させて重み付けを行う重み付け手段と、 上記ハッシング手段により求められた上記検索キー画像
   についてのハッシュ値を用いて、上記重み付け手段によ
   り求められた重み情報の中から上記ハッシュ値で特定さ
   れる重み情報を取り出す重み情報取出し手段と、 上記重み情報取出し手段により取り出された重み情報に
   基づいて、上記検索キー画像および上記検索対象画像の
   近傍特徴量の合致度を求める合致度集計手段とを具備す
   ることを特徴とする画像データベース検索システム。
2. 【請求項２】 上記画像データの部分的特徴量は、与え
   られた画像から取り出した一部分の領域を所定の方法に
   よって数値化したものであることを特徴とする請求項１
   記載の画像データベース検索システム。
3. 【請求項３】 上記画像データの近傍特徴量は、上記特
   徴量マップ作成手段により作成された部分的特徴量の配
   置図から、任意の領域の部分的特徴量とその近傍の領域
   の部分的特徴量との組を抽出したものであることを特徴
   とする請求項１記載の画像データベース検索システム。