JPH07254063A

JPH07254063A - 画像処理方法

Info

Publication number: JPH07254063A
Application number: JP6042590A
Authority: JP
Inventors: Tetsuji Hashimo; 哲司羽下; Koichi Sasagawa; 耕一笹川; Shinichi Kuroda; 伸一黒田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1994-03-14
Filing date: 1994-03-14
Publication date: 1995-10-03
Anticipated expiration: 2017-12-09
Also published as: JP3355015B2

Abstract

(57)【要約】【目的】対象の認識に際して、処理コストを低減し、
マッチングの安定性を向上させた画像処理方法を得る。【構成】取り込まれてディジタル化された原画像に対
して前処理を施し、得られた前処理画像中で対象の局在
性の評価を行い、その局在性の評価結果に着目して対象
の重心位置を抽出し、求められた対象の重心位置を中心
として対象の大きさや種類、姿勢等の属性を抽出する。【効果】探索空間の規模を縮小することができ、処理
コストの低減とマッチングの安定性の向上が図れる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、ディジタル画像処理
技術を用いて画像中に存在する対象を認識する際の、認
識性能を向上させる画像処理方法に関するものである。

【０００２】

【従来の技術】図３９は例えば「触手特徴を集積した参
照点によるモデルマッチング」（佐野睦夫、目黒真一、
石井明：電子情報通信学会パターン認識と理解研究
会資料ＰＲＵ８６−９０）に示された、従来の画像処理
方法を示す説明図である。図において、Ｏは検出対象図
形のモデルの形状を記述するための基準点であり、ｘは
モデル図形の境界上の各点においける基準点Ｏに向かう
ベクトル、φは境界線の勾配の方向である。

【０００３】次に、動作について説明する。この画像処
理方法では一般化Ｈｏｕｇｈ変換によるパターンマッチ
ングが行われる。まず、検出対象図形のモデルの形状を
記述するための基準点Ｏを選び、それを原点とする座標
系を定める。次に、モデル図形の境界上の各点におい
て、基準点Ｏに向かうベクトルｘ_i ＝（ｒ_i ，α_i ）と
境界線の勾配の方向φ_i を求める。なお、上記ｒはベク
トルの長さであり、αは方向角である。このベクトルｘ
を勾配の方向φの関数とみなして、以下に示すＲテーブ
ルと呼ばれる表としてモデルの形状を表わす。

【０００４】

【表１】

【０００５】この表１によるＲテーブルによれば、例え
ばベクトルｘ(2Δφ) はｘ(2Δφ)＝（ｒ(2Δφ) ，α
(2Δφ) ）＝｛ｘ₂₁，ｘ₂₂，・・・｝となる。

【０００６】ここで、２次元図形に対する座標変換は、
平行移動（ｘ，ｙ）、回転角θ、拡大・縮小率ｓの４つ
のパラメータによって表現される。これらのパラメータ
によって張られる４次元空間をパラメータ空間とする。
また、変換の入力画像はエッジ検出等によって抽出され
たエッジ点を含み、勾配の方向ψが求められているとす
る。画像上の各エッジ点（ｕ_j ，ｖ_j ）（勾配の方向ψ
_j ）に対して次の操作を行う。すなわち、パラメータ空
間中のすべての（θ，ｓ）の組み合わせに対して、次の
（１）式および（２）式を満たすｘ，ｙを求め、パラメ
ータ空間の要素（ｘ，ｙ，θ，ｓ）の値を１ずつ増やし
て、ピークを持つ（ｘ，ｙ，θ，ｓ）を求める。

【０００７】ｘ＝ｕ_j ＋ｒ（ψ_j −θ）×ｃｏｓ［α（ψ_j −θ）＋θ］・・・（１）ｙ＝ｖ_j ＋ｒ（ψ_j −θ）×ｓｉｎ［α（ψ_j −θ）＋θ］・・・（２）

【０００８】

【発明が解決しようとする課題】従来の画像処理方法は
以上のように構成されているので、一般化Ｈｏｕｇｈ変
換によるパターンマッチングのための多くのパラメータ
を含み、探索空間の規模が大きなものとなって、その演
算コストが増大するとともに安定性の低下を招くという
問題点があった。

【０００９】この発明は上記のような問題点を解消する
ためになされたもので、処理コストを低減し、安定性を
向上させた画像処理方法を得ることを目的とする。

【００１０】

【課題を解決するための手段】請求項１に記載の発明に
係る画像処理方法は、原画像に前処理を施した後、対象
の局在性の評価を行ってその評価結果より対象の重心位
置を決定し、得られた重心位置を中心にして当該対象の
大きさ、種類（形状）、姿勢等の属性を認識するもので
ある。

【００１１】また、請求項２に記載の発明に係る画像処
理方法は、複数の評価関数を用いて異なるスケールで並
列に対象の局在性の評価を行い、得られた複数の評価結
果を統合することで対象の局在性の再評価して、その再
評価結果から対象の重心位置を決定するものである。

【００１２】また、請求項３に記載の発明に係る画像処
理方法は、複数の評価関数を用いて異なるスケールで並
列に対象の局在性の評価を行い、得られた複数の評価結
果から対象の重心位置を並列に抽出して、複数の対象の
重心位置候補を求めるものである。

【００１３】また、請求項４に記載の発明に係る画像処
理方法は、入力された画像を複数の異なる解像度の画像
に変換し、各解像変換画像に対して同じ評価関数を用い
て対象の局在性の評価を行い、得られた複数の評価結果
を統合することで対象の局在性を再評価して、その再評
価結果から対象の重心位置を決定するものである。

【００１４】また、請求項５に記載の発明に係る画像処
理方法は、入力された画像を複数の異なる解像度の画像
に変換し、各解像変換画像に対して同じ評価関数を用い
て対象の局在性の評価を行い、得られた複数の評価結果
から対象の重心位置を並列に抽出して、複数の対象の重
心位置候補を求めるものである。

【００１５】また、請求項６に記載の発明に係る画像処
理方法は、対象の広がり量を当該対象が存在する位置を
中心として周囲の複数の方向に放射状に調べ、得られた
の各方向の広がり量に着目して対象の属性の認識を行う
ものである。

【００１６】また、請求項７に記載の発明に係る画像処
理方法は、対象の広がり量を当該対象が存在する複数の
候補位置を中心として周囲の複数の方向に放射状に並列
に調べ、得られた各方向の広がり量に着目してそれぞれ
の対象候補の属性を並列に抽出し、それらを統合して最
終的な対象の属性を抽出するものである。

【００１７】また、請求項８に記載の発明に係る画像処
理方法は、対象の広がり量の抽出に際して、対象の重心
位置を中心として周囲の複数の方向に放射状に伸びた入
力画像の一次元のデータを生成し、広がり量に依存して
変化する一次元の関数との積和演算を広がり量を変えな
がら実行し、演算結果が極大となる広がり量をその方向
の対象の広がり量とするものであり、そのとき、この広
がり量に依存して変化する一次元の関数と入力画像のあ
る方向の一次元のデータとの積和演算の結果が、広がり
量がその方向の対象の大きさと一致したときに極大とな
るようにあらかじめ設定しておくものである。

【００１８】また、請求項９に記載の発明に係る画像処
理手法は、前処理として、原画像中で空間周波数が所定
の範囲内にある部分を抽出する処理を行うものである。

【００１９】また、請求項１０に記載の発明に係る画像
処理手法は、前処理として、原画像を所定のしきい値で
２値化する処理を行うものである。

【００２０】また、請求項１１に記載の発明に係る画像
処理手法は、前処理として、原画像中で空間周波数が所
定の範囲内にある部分を抽出し、得られた画像を所定の
しきい値で２値化する処理を行うものである。

【００２１】また、請求項１２に記載の発明に係る画像
処理方法は、得られた局在性の評価結果の極大値を対象
の重心位置として抽出するものである。

【００２２】また、請求項１３に記載の発明に係る画像
処理方法は、対象の局在性の評価値を輝度分布とする画
像を所定のしきい値で２値化し、その２値化画像におい
て０次および１次のモーメントを計算して対象の重心位
置を抽出するものである。

【００２３】また、請求項１４に記載の発明に係る画像
処理方法は、対象の重心位置を中心に設定した中心小領
域内の輝度分布と、この中心小領域の周囲に設定した周
囲小領域内の輝度分布を比較し、その周囲小領域が対象
か背景かの判定を行って対象と判定された周囲小領域を
中心小領域に融合させ、中心小領域を対象の境界まで順
次拡張して対象の大きさを抽出するものである。

【００２４】また、請求項１５に記載の発明に係る画像
処理方法は、対象の局在性の評価結果を輝度分布とする
画像を所定のしきい値で２値化し、その２値化画像にお
いて０次、１次、２次のモーメントを計算して対象の属
性を抽出するものである。

【００２５】

【作用】請求項１に記載の発明における画像処理手法
は、対象の局在性に着目して抽出した対象の重心位置を
中心にして対象の属性を認識することにより、探索空間
の規模を減らして処理コストを削減し、マッチングの安
定性を向上させる。

【００２６】また、請求項２に記載の発明における画像
処理方法は、異なるスケールで並列に評価した対象の局
在性の評価結果を統合して局在性の再評価を行った後、
その再評価結果から対象の重心位置を抽出することによ
り、様々な大きさの対象を認識できるようにする。

【００２７】また、請求項３に記載の発明における画像
処理方法は、異なるスケールで並列に評価した対象の局
在性の各評価結果から、対象の重心位置をそれぞれ抽出
して複数の重心位置候補を並列に求ることにより、様々
な大きさの対象を認識できるようにする。

【００２８】また、請求項４に記載の発明における画像
処理方法は、解像度の異なる複数の解像度変換画像に対
して同じ評価関数を用いて対象の局在性を評価し、各評
価結果を統合して局在性の再評価を行った再評価結果か
ら対象の重心位置を抽出することにより、様々な大きさ
の対象を認識できるようにする。

【００２９】また、請求項５に記載の発明における画像
処理方法は、解像度の異なる複数の解像度変換画像に対
して同じ評価関数を用いて対象の局在性を評価し、各評
価結果から対象の重心位置をそれぞれ抽出して複数の重
心位置候補を並列に求めることにより、様々な大きさの
対象を認識できるようにする。

【００３０】また、請求項６に記載の発明における画像
処理方法は、対象の重心位置を中心として周囲の複数の
方向に放射状に対象の広がり量を調べて、それらから対
象の属性を抽出することにより、探索空間の規模を減ら
すことを可能にして処理コストを削減し、マッチングの
安定性を向上させる。

【００３１】また、請求項７に記載の発明における画像
処理方法は、対象の存在する複数の候補位置を中心とし
て周囲の複数の方向に放射状に各対象の広がり量を並列
に調べて、それらより各対象候補の属性を並列に抽出し
てその統合を行い、最終的な対象の属性を抽出すること
により、探索空間の規模を減らすことを可能にして処理
コストを削減し、マッチングの安定性を向上させる。

【００３２】また、請求項８に記載の発明における画像
処理方法は、対象の重心位置より放射状に伸びた入力画
像の一次元のデータと、広がり量に依存して変化する一
次元の関数との積和演算を広がり量を変えながら計算
し、結果が極大となる広がり量をその方向の対象の広が
り量として抽出することにより、広がり量の抽出を安定
に行うことを可能とする。

【００３３】また、請求項９に記載の発明における画像
処理方法は、空間フィルタ処理を施して画像中の高周波
ノイズや緩慢な輝度変化等の影響が除去すことにより、
安定な対象の認識を可能とする。

【００３４】また、請求項１０に記載の発明における画
像処理方法は、２値化処理を施して対象を背景から分離
すことにより、安定な対象の認識を可能とする。

【００３５】また、請求項１１に記載の発明における画
像処理方法は、空間フィルタ処理を施した後に２値化処
理を施して、画像中の高周波ノイズや緩慢な輝度変化等
の影響を除去し、対象を背景から分離することにより、
さらに安定な対象の認識を可能とする。

【００３６】また、請求項１２に記載の発明における画
像処理方法は、得られた局在性の評価結果の極大値を対
象の重心位置として抽出することにより、重心位置の抽
出を安定に行うことを可能とする。

【００３７】また、請求項１３に記載の発明における画
像処理方法は、局在性の評価値を輝度分布として持つ画
像の２値化画像において０次および１次のモーメントを
計算することにより、局在性の評価結果から対象の重心
位置の抽出を安定に行うことを可能とする。

【００３８】また、請求項１４に記載の発明における画
像処理方法は、重心位置を中心に設定した中心小領域と
その周囲に設定した周囲小領域との輝度分布を比較に基
づいて、その周囲小領域が対象と判定された場合には当
該周囲小領域を中心小領域に融合させ、その中心小領域
を対象の境界まで順次拡張して対象の大きさを抽出する
ことにより、対象の大きさの抽出を安定に行うことを可
能とする。

【００３９】また、請求項１５に記載の発明における画
像処理方法は、局在性の評価値を輝度分布として持つ画
像の２値化画像において０次、１次、２次のモーメント
を計算することにより、対象の属性の抽出を安定に行う
ことを可能とする。

【００４０】

【実施例】

実施例１．次に、この発明の実施例１を図について説明
する。図１は請求項１に記載した発明による画像処理方
法の一実施例を示すフローチャートであり、図２はその
対象抽出処理の詳細を示すフローチャートである。ま
た、図３は上記画像処理方法を適用した画像処理装置の
構成例を示すブロック図であり、図４はその中の対象抽
出部の内部構成を示すブロック図である。

【００４１】図３において、１はカメラ等によって画像
を取り込み、それをディジタル化する画像入力部であ
り、２はこの画像入力部１でディジタル化された画像
（以下原画像という）に対して、画像中の高周波ノイズ
や緩慢な輝度変化等を除去するための前処理を施す前処
理部である。３はこの前処理部２において前処理された
画像（以下前処理画像という）中で、対象を構成する要
素の局所的な集中の度合い（以下局在性という）を評価
し、その評価結果に着目して対象の重心位置を抽出する
対象抽出部であり、４はこの対象抽出部３によって求め
られた対象の重心位置を中心として、対象の位置、大き
さ、種類（形状）、姿勢等の属性を抽出する対象認識部
である。また、５は画像入力部１より前処理部２に入力
される原画像、６は前処理部２にて前処理が施された前
処理画像、７は対象抽出部３で抽出された対象の重心位
置、８は対象認識部４で抽出された対象の属性である。

【００４２】また、図４において、９は前処理部２にて
前処理された前処理画像６中で、対象を構成する要素の
局所的な集中の度合い、すなわち対象の局在性の評価を
行う局在性評価部、１０はこの局在性評価部９による局
在性の評価結果に着目して対象の重心位置７を抽出し、
対象認識部４に出力する重心抽出部であり、１１はこの
局在性評価部９より重心抽出部１０に送られる局在性の
評価結果である。

【００４３】次に図３に示した画像処理装置の動作につ
いて、図１のフローチャートを用いて説明する。画像入
力部１にてカメラ等で取り込まれたアナログ信号による
画像はアナログ／ディジタル変換され、ディジタル信号
による原画像５となる（ステップＳＴ１）。この原画像
５は前処理部２に送られて前処理が施され、画像中の高
周波ノイズや緩慢な輝度変化が除去された前処理画像６
となり（ステップＳＴ２）、対象抽出部３と対象認識部
４とに入力される。対象抽出部３では入力された前処理
画像６の局在性に着目して対象の重心位置７を抽出し、
それを対象認識部４に送出する（ステップＳＴ３）。対
象認識部４ではこの対象の重心位置７と前処理部２から
入力された前処理画像６から対象の属性８を抽出して外
部に出力する（ステップＳＴ４）。

【００４４】ここで、ステップＳＴ１３において、対象
抽出部３が対象を複数抽出した場合には、対象認識部４
ではステップＳＴ４において、それぞれの対象の存在位
置を中心として並列に複数の対象の属性８を認識するこ
ともできる。

【００４５】また、対象抽出部３に入力される画像と対
象認識部４に入力される画像は同一の前処理が施された
前処理画像６を用いているが、前処理部２において異な
る前処理を施した２種類の前処理画像を生成し、その一
方を対象抽出部３に、他方を対象認識部４にそれぞれ入
力ることもできる。

【００４６】次に図４に示した対象抽出部３の動作につ
いて、図２のフローチャートを用いてさらに詳しく説明
する。まず、局在性評価部９において、対象抽出部３に
入力された前処理画像６中で対象を構成する要素の局所
的な集中の度合いである局在性を評価する（ステップＳ
Ｔ５）。得られた局在性の評価結果１１は重心抽出部１
０に送られ、重心抽出部１１はその局在性の評価結果１
１から対象の重心位置７を抽出し、それを対象認識部４
に出力する（ステップＳＴ６）。なお、図示の例ではＭ
個の対象が存在している。

【００４７】ここで、例えば入力された画像が２値画像
であり、対象を構成する“１”の点は密集して存在し、
背景を構成する“１”の点はまばらに存在するものと仮
定する。このような２値画像に対してある注目点のまわ
りに局所領域を考え、その局所領域内で輝度の総和（こ
の場合は２値画像であるので“１”の点の数の総和に等
しい）を計算すると、この総和は対象部分のように
“１”の点が密集して存在している部分では大きくな
り、背景部分のように“１”の点がまばらに存在してい
る部分では小さくなる。局在性評価部９はこのように注
目点のまわりの局所領域内での輝度値を加算することに
よって、対象を構成する要素の局所的な集中の度合い、
すなわち対象の局在性を評価して、その結果を局在性の
評価結果１１として出力する。

【００４８】次に、入力された画像が多値画像で、対象
を構成する点は高い輝度を持ち、背景を構成する点は低
い輝度を持つものと仮定した場合について考える。この
ような多値画像に対してある注目点のまわりの局所領域
内で輝度の総和を計算すると、この輝度の総和は、対象
部分のように高い輝度を持つ点が存在している部分で大
きくなり、背景部分のように低い輝度を持つ点が存在し
ている部分で小さくなる。局在性評価部９はこのように
注目点のまわりの局所領域内での輝度値を加算すること
によって対象の局在性を評価し、その結果を局在性の評
価結果１１として出力する。

【００４９】また、局在性評価部９にて対象の局在性を
評価する際に、注目点のまわりの局所領域内での輝度値
の加算処理は平均値フィルタ処理に相当する。ここで、
局所領域内の輝度を単純平均する単純な平均値フィルタ
処理の代わりに、注目点を中心とするガウス関数に比例
した重みの係数と、局所領域内の輝度との積和演算処理
を実行することにより、注目点に近いほどその点の輝度
の寄与分を大きく評価し、注目点から離れるに従ってそ
の点の輝度の寄与分を小さく評価することができる。こ
れはガウスフィルタ処理に相当する。局在性評価部９は
このようなガウスフィルタ処理により実現することもで
きる。ここで、標準偏差σの２次元のガウス関数は以下
の式（３）で表わされる。

【００５０】

【数１】

【００５１】また、対象の局在性を評価する際に、平均
値フィルタを作用させる場合、その局所領域を大きくす
ればより大局的な情報が得られ、局所領域を小さくすれ
ばより詳細な情報が得られる。また、ガウスフィルタを
作用させる場合には、標準偏差σを大きくすればより大
局的な情報が得られ、σを小さくすればより詳細な情報
が得られる。このように、平均値フィルタの局所領域
や、ガウスフィルタの標準偏差σを変化させることによ
り、様々なスケールで対象の局在性を評価することが可
能な局在性評価部９を実現することができる。

【００５２】実施例２．次に、この発明の実施例２を図
について説明する。図５は請求項２に記載した発明によ
る画像処理方法における対象抽出処理の詳細を示すフロ
ーチャートであり、図６は上記画像処理方法を適用した
画像処理装置中の対象抽出部３の内部構成を示すブロッ
ク図である。

【００５３】図６において、９−１〜９−Ｌは前処理部
２にて前処理された前処理画像６における局在性の評価
を、それぞれ異なったＬ個（Ｌは１以上の整数）のスケ
ールにて行う局在性評価部である。１２はこれら各局在
性評価部９−１〜９−ＬによってＬ個の異なるスケール
で評価された局在性の評価結果を統合して局在性の再評
価を行う統合部であり、１０はこの統合部１２で得られ
た局在性の再評価結果から対象の重心位置７を抽出する
重心抽出部である。また、１１−１〜１１−Ｌは局在性
評価部９−１〜９−ＬにてＬ個の異なるスケールでそれ
ぞれ評価された局在性の評価結果であり、１３は統合部
１２で得られた局在性の再評価結果である。

【００５４】次にその動作について、図５のフローチャ
ートを用いて説明する。この対象抽出部３に入力された
前処理画像６はＬ個の局在性評価部９−１〜９−Ｌに入
力され、それぞれで異なるＬ個の評価関数による異なっ
たスケールでの局在性の評価が行われる（ステップＳＴ
１１−１〜ＳＴ１１−Ｌ）。これら各局在性評価部９−
１〜９−Ｌにて得られたＬ個の局在性の評価結果１１−
１〜１１−Ｌは統合部１２に送られ、統合部１２はそれ
らを統合して局在性の再評価を行う（ステップＳＴ１
２）。この統合部１２で統合された局在性の再評価結果
１３は重心抽出部１０に入力され、対象の重心位置７が
抽出されて対象認識部４に出力される（ステップＳＴ１
３）。なお、この場合もＭ個の対象が存在している例が
図示されている。

【００５５】ここで、Ｌ個の異なるスケールで対象の局
在性の評価をしている各局在性評価部９−１〜９−Ｌの
それぞれで用いられている評価関数は、例えば平均値フ
ィルタの局所領域の大きさや、ガウスフィルタの標準偏
差σを変化させることにより実現することができる。

【００５６】また、統合部１２における複数の局在性の
評価結果１１−１〜１１−Ｌの統合は、それらの加算計
算、平均計算、最大値計算、中央値計算などの手法によ
って実現することができる。

【００５７】実施例３．次に、この発明の実施例３を図
について説明する。図７は請求項３に記載した発明によ
る画像処理方法における対象抽出処理の詳細を示すフロ
ーチャートであり、図８は上記画像処理方法を適用した
画像処理装置中の対象抽出部３の内部構成を示すブロッ
ク図である。図８において、１４は局在性評価部９−１
〜９−Ｌがそれぞれ異なったスケールで評価した局在性
の評価結果１１−１〜１１−Ｌより対象の重心位置をそ
れぞれ抽出するＬ個の重心抽出部であり、１５−１〜１
５−Ｌはこれら各重心抽出部１４にて抽出された異なる
スケールによるＬ通りの対象の重心位置候補である。

【００５８】次にその動作について、図７のフローチャ
ートを用いて説明する。この対象抽出部３に入力された
前処理画像６はＬ個の局在性評価部９−１〜９−Ｌに入
力され、局在性評価部９−１〜９−Ｌのそれぞれにおい
て互いに個となるＬ個の評価関数による異なったスケー
ルでの局在性の評価が行われる（ステップＳＴ２１−１
〜ＳＴ２１−Ｌ）。これら各局在性評価部９−１〜９−
Ｌにおいて得られたＬ個の局在性の評価結果１１−１〜
１１−Ｌは、その各々に対応して用意された重心抽出部
１４に送られ、各重心抽出部１４はそれぞれ評価結果１
１−１〜１１−ＬをもとにＬ通りの対象の重心位置候補
１５−１〜１５−Ｌを抽出し（ステップＳＴ１２−１〜
ＳＴ１２−Ｌ）、それを対象認識部４に出力する。な
お、図示の例ではそれぞれＭ₁ 〜Ｍ_L 個の対象が存在し
ている。

【００５９】この場合も、Ｌ個の異なるスケールで対象
の局在性の評価をしている各局在性評価部９−１〜９−
Ｌのそれぞれで用いられている評価関数は、例えば平均
値フィルタの局所領域の大きさや、ガウスフィルタの標
準偏差σを変化させることにより実現することができ
る。

【００６０】また、対象の数およびそれらの存在位置は
各スケール毎に異なったＬ種類のものが得られるが、こ
れらの結果は以後の処理で、対象の大きさ、形状、姿勢
などの属性を認識した後、統合される。

【００６１】実施例４．次に、この発明の実施例４を図
について説明する。図９は請求項４に記載した発明によ
る画像処理方法における対象抽出処理の詳細を示すフロ
ーチャートであり、図１０は上記画像処理方法を適用し
た画像処理装置中の対象抽出部３の内部構成を示すブロ
ック図である。

【００６２】図１０において、１６−１〜１６−Ｌは入
力された前処理画像６をＬ種類の異なる解像度の画像に
それぞれ変換する解像度変換部であり、１７は各解像度
変換部１６−１〜１６−Ｌでそれぞれの解像度に変換さ
れた解像度変換画像に対して対象の局在性を評価する局
在性評価部である。また、１８−１〜１８−Ｌは異なる
解像度に変換された解像度変換画像であり、１１−１〜
１１−Ｌはこれら各解像度変換画像１８−１〜１８−Ｌ
から得られた局在性の評価結果である。なお、１２はこ
れら複数の局在性の評価結果１１−１〜１１−Ｌを統合
する統合部、１３は統合部１２で得られた局在性の再評
価結果、１０はこの局在性の再評価結果１３から対象の
重心位置を抽出する重心抽出部、７はこの重心抽出部１
０で抽出された対象の重心位置で、それぞれ図６におい
て同一符号を付した部分に相当するものである。

【００６３】次にその動作について、図９のフローチャ
ートを用いて説明する。この対象抽出部３に入力された
前処理画像６はＬ個の解像度変換部１６−１〜１６−Ｌ
に入力され、各解像度変換部１６−１〜１６−Ｌにおい
てそれぞれ異なった解像度の解像度変換画像１８−１〜
１８−Ｌに変換される（ステップＳＴ３１−１〜ＳＴ３
１−Ｌ）。これら各解像度変換画像１８−１〜１８−Ｌ
はその各々に対応して用意された局在性評価部１７に送
られ、各局在性評価部１７において対象の局在性が評価
される（ステップＳＴ３２−１〜３２−Ｌ）。それぞれ
の局在性評価部１７にて得られたＬ個の局在性の評価結
果１１−１〜１１−Ｌは統合部１３に送られ、それらが
統合されて局在性の再評価が行われる（ステップＳＴ３
３）。この局在性の再評価結果１３は重心抽出部１０に
入力され、対象の重心位置７が抽出されて対象認識部４
に出力される（ステップＳＴ３４）。

【００６４】ここで、解像度変換部１６−１〜１６−Ｌ
にて、入力された前処理画像６を異なる複数の解像度変
換画像１８−１〜１８−Ｌに変換するには、例えば入力
された前処理画像６を、それぞれ異なる数の画素毎に間
引く手法により実現することができる。

【００６５】なお、この解像度変換部１６−１〜１６−
Ｌにて前処理画像６を複数の解像度変換画像１８−１〜
１８−Ｌに変換する際、前処理画像６中の画素の輝度値
を、その画素を中心とするある大きさの局所領域を設定
し、その局所領域内の画素の輝度値の平均値に置き換え
ることによって実現するようにしてもよい。

【００６６】また、この解像度変換部１６−１〜１６−
Ｌにて前処理画像６を複数の解像度変換画像１８−１〜
１８−Ｌに変換する際、前処理画像６中の画素の輝度値
を、その画素を中心とするある大きさの局所領域を設定
し、その局所領域内の画素の輝度値の中央値に置き換え
ることにより実現するようにしてもよい。

【００６７】また、例えば入力される前処理画像６が多
値画像である場合に、それを解像度の異なる複数の解像
度変換画像１８−１〜１８−Ｌに変換するには、解像度
変換部１６−１〜１６−Ｌにて前処理画像６の輝度の階
調を、それぞれ異なる輝度階調の画像に変換する手法に
より実現することができる。

【００６８】また、複数の異なる解像度変換画像１８−
１〜１８−Ｌに対応して用意された複数の局在性評価部
１７は、各解像度変換画像１８−１〜１８−Ｌの局在性
を同一の評価関数を用いて評価することができ、各解像
度変換画像１８−１〜１８−Ｌに対して同様の処理を行
えばよいため、Ｌ種類の解像度変換画像１８−１〜１８
−Ｌ毎にその構成を変える必要がなくなり、同一構成の
ものを用いることができる。

【００６９】また、統合部１２における複数の局在性の
評価結果１１−１〜１１−Ｌの統合は、それらの加算計
算、平均計算、最大値計算、中央値計算などの手法によ
って実現することができる。

【００７０】実施例５．次に、この発明の実施例５を図
について説明する。図１１は請求項５に記載した発明に
よる画像処理方法における対象抽出処理の詳細を示すフ
ローチャートである。また、図１２は上記画像処理方法
を適用した画像処理装置中の対象抽出部３の内部構成を
示すブロック図であり、この図１２において、１４は重
心抽出部、１６−１〜１６−Ｌは解像度変換部、１７は
局在性評価部、６は前処理画像、１１−１〜１１−Ｌは
局在性の評価結果、１５−１〜１５−Ｌは対象の重心位
置候補、１８−１〜１８−Ｌは解像度変換画像で、これ
らは図８もしくは図１０に同一符号を付した部分に相当
するものである。

【００７１】次にその動作について、図１１のフローチ
ャートを用いて説明する。この対象抽出部３に入力され
た前処理画像６はＬ個の解像度変換部１６−１〜１６−
Ｌにおいて、それぞれ異なった解像度の解像度変換画像
１８−１〜１８−Ｌに変換される（ステップＳＴ４１−
１〜ＳＴ４１−Ｌ）。これらの解像度変換画像１８−１
〜１８−Ｌはそれぞれ対応する局在性評価部１７に送ら
れて対象の局在性が評価される（ステップＳＴ４２−１
〜４２−Ｌ）。それぞれの局在性評価部１７で得られた
Ｌ個の局在性の評価結果１１−１〜１１−Ｌは対応する
重心抽出部１４に送られ、各重心抽出部１４ではそれを
もとにＬ通りの対象の重心位置候補１５−１〜１５−Ｌ
を抽出する（ステップＳＴ４３−１〜ＳＴ４３−Ｌ）。
なお、この場合もそれぞれＭ₁ 〜Ｍ_L 個の対象が存在し
ている例が図示されている。

【００７２】ここで、解像度変換部１６−１〜１６−Ｌ
にて、入力された前処理画像６を異なる複数の解像度変
換画像１８−１〜１８−Ｌに変換するには、例えば入力
された前処理画像６をそれぞれ異なる数の画素毎に間引
く、ある大きさの局所領域内の画素の輝度値の平均値あ
るいは中央値に置き換えるなどの手法により実現するこ
とができる。

【００７３】また、例えば入力される前処理画像６が多
値画像であれば、前処理画像６の輝度の階調をそれぞれ
異なる輝度階調の画像に変換する手法により、解像度変
換部１６−１〜１６−Ｌにてそれを解像度の異なる複数
の解像度変換画像１８−１〜１８−Ｌに変換することが
できる。

【００７４】また、複数の異なる解像度変換画像１８−
１〜１８−Ｌに対応して対象の局在性を評価する評価関
数として異なるものを用意する必要がなく、各解像度変
換画像１８−１〜１８−Ｌに対して同様の処理を行えば
よいため、各局在性評価部１７はＬ種類の解像度変換画
像１８−１〜１８−Ｌ毎にその構成を変える必要はな
く、同一構成のものを用いることができる。

【００７５】また、対象の数およびそれらの存在位置は
各スケール毎に異なったＬ種類のものが得られるが、こ
れらの結果は以後の処理で、対象の大きさ、形状、姿勢
などの属性を認識した後、統合される。

【００７６】実施例６．次に、この発明の実施例６を図
について説明する。図１３は請求項６に記載した発明に
よる画像処理方法における対象認識処理の詳細を示すフ
ローチャートであり、図１４はこの対象認識の原理を示
す説明図である。図１４において、２１〜２４はそれぞ
れ対象の例であり、２５〜２８は各対象２１〜２４に対
する周囲の各方向（図示の例では８方向）の広がり量の
抽出結果である。

【００７７】また、図１５は上記画像処理方法を適用し
た画像処理装置中の対象認識部４の内部構成を示すブロ
ック図である。図１５において、３１は入力された前処
理画像６と対象の重心位置７（図示の例では対象がＭ個
存在している）より、対象の周囲の各方向（図示の例で
はＴ個）の広がり量を抽出する広がり量抽出部であり、
３２はこの広がり量抽出部３１にて抽出された広がり量
に基づいて、対象の大きさ、形状、姿勢などの属性８を
抽出して外部に出力する属性抽出部である。また、３３
は広がり量抽出部３１によって抽出されて属性抽出部３
２に送られる対象の広がり量である。

【００７８】次にその動作について、図１３のフローチ
ャートを用いて説明する。この対象抽出部４に前処理部
２より入力された前処理画像６は広がり量抽出部３１に
おいて、対象抽出部３より送られてくる対象の重心位置
７を中心として、対象の周囲の各方向に放射状に対象の
広がり量３３を抽出する（ステップＳＴ５１）。次に属
性抽出部３２において、この広がり量抽出部３１で抽出
された対象の各方向の広がり量から対象の属性を抽出す
る（ステップＳＴ５２）。

【００７９】次に図１４をもとに対象の属性抽出原理に
ついて説明する。２１〜２４で示す各対象について、そ
れぞれの重心位置を中心として周囲の８方向の広がり量
を抽出すると、２５〜２８で示す広がり量の抽出結果が
得られる。ここで、対象が２１のような十字形である場
合、その広がり量の抽出結果は２５のようになる。一
方、対象が２２のような対象２１と相似な十字形で、姿
勢それとも同じである場合、その広がり量の抽出結果は
２６のようになる。これらの広がり量の抽出結果２６と
２５とを比較すれば、各方向の広がり量がそれぞれ比例
関係にあることがわかる。このように、対象の大きさは
各方向の広がり量の平均から知ることができる。

【００８０】また、対象が２１に示すような十字形であ
る場合、広がり量の抽出結果は８５のように４つのピー
クを持つ。一方、対象が２３のような長方形である場
合、広がり量の抽出結果は２７のようにピークを２つし
か持たない。このように各方向の広がり量の分布から対
象の種類（形状）を認識することができる。なお、周囲
の広がり量を調べる方向の数を増やし、さらに細かく広
がり量を調べることにより、より詳しく対象の形状を認
識することができる。

【００８１】また、対象が２３のような横を向いた長方
形である場合、広がり量の抽出結果は２７のように方向
０と方向４にピークを持つ。一方、対象が２３と同じ形
で斜めを向いた２４のような長方形である場合、広がり
量の抽出結果は２７のように方向３と方向７にピークを
持つ。このように、対象の姿勢（回転）の変化は、広が
り量の分布を隣の方向にシフトさせることにより認識す
ることができる。

【００８２】ここで、もし対象の対象の形状と姿勢があ
らかじめ決まっている場合は、広がり量抽出部３１は、
周囲の各方向に放射状に対象の広がり量を抽出する際の
方向数を減らすことができる。例えば対象が円であると
わかっている場合には、いずれか１方向の広がり量のみ
を調べる構成にすることにより実現できる。また、例え
ば対象が水平に設置された長方形であるとわかっている
場合には、上下左右の４方向の広がり量のみを調べる構
成にすることにより実現できる。

【００８３】実施例７．次に、この発明の実施例７を図
について説明する。図１６は請求項７に記載した発明に
よる画像処理方法における対象認識処理の詳細を示すフ
ローチャートであり、図１７は上記画像処理方法を適用
した画像処理装置中の属性抽出部４の内部構成を示すブ
ロック図である。

【００８４】図１７において、３１はＬ通りの対象の重
心位置候補１５−１〜１５−Ｌに対応して用意され、入
力された前処理画像６と対象の重心位置候補１５−１〜
１５−Ｌ（図示の例では各スケール毎にそれぞれ対象が
Ｍ₁ 〜Ｍ_L 個存在する）に基づいて、対象の周囲の各方
向の広がり量を各スケール毎に抽出するＬ個の広がり量
抽出部である。３２はこれら各広がり量抽出部３１に対
応して用意され、それらが各スケール毎に抽出した広が
り量から対象の属性を抽出する属性抽出部であり、３４
は各属性抽出部３２にて抽出された各スケール毎の対象
の属性を統合する統合部である。また、３３−１〜３３
−Ｌは各スケール毎に各広がり量抽出部３１で抽出され
た対象の重心位置を中心とする周囲の複数の方向（図示
の例ではＴ個の方向）の対象の広がり量、３５−１〜３
５−Ｌは各属性抽出部３２で抽出された対象候補の属性
であり、８は統合部３４で統合された（図示の例ではＭ
個に統合）対象の属性である。

【００８５】次にその動作について、図１６のフローチ
ャートを用いて説明する。この対象抽出部４に入力され
た前処理画像６は各広がり量抽出部３１において、各ス
ケールで抽出されてこの対象抽出部４に入力されてくる
対象の各重心位置候補１５−１〜１５−Ｌを中心に、対
象の周囲の各方向の広がり量３３−１〜３３−Ｌを抽出
する（ステップＳＴ６１−１〜ＳＴ６１−Ｌ）。次に、
属性抽出部３２において、これら各スケールの対象の広
がり量３３−１〜３３−Ｌから各スケールの対象の属性
３５−１〜３５−Ｌを抽出する（ステップＳＴ６２−１
〜ＳＴ６２−Ｌ）。そして統合部３４において、これら
各スケールの対象の属性３５−１〜３５−Ｌを統合する
ことにより対象の属性８を抽出して（ステップＳＴ６
３）、対象の大きさ、形状、姿勢などの属性を再認識す
る。

【００８６】ここで、各広がり量抽出部３１は、対象の
周囲の各方向に放射状に対象の広がり量を抽出する処理
の内容を、入力されたＬ種類のスケールによる対象の重
心位置候補１５−１〜１５−Ｌ毎に変更する必要がない
ため、全て同一構成のもので実現することができる。

【００８７】また、各属性抽出部３２も、各広がり量抽
出部３１から入力される各スケールの対象の広がり量３
３−１〜３３−Ｌ毎に、対象の属性を抽出する処理の内
容を変更する必要がないため、全て同一構成のもので実
現することができる。

【００８８】実施例８．次に、この発明の実施例８を図
について説明する。図１８は請求項８に記載した発明に
よる画像処理方法における広がり量抽出処理の詳細を示
すフローチャートであり、図１９はその広がり量抽出の
原理を示す説明図である。この図１９において、４１は
重心位置からある方向にＲの広がりを持った対象の１次
元のモデルＩe(ｒ) であり、４２は広がり量ｓに依存し
た１次元の関数ｐ（ｒ；ｓ）の一例、４３は対象の１次
元のモデルＩe(ｒ) と広がり量ｓに依存した１次元の関
数ｐ（ｒ；ｓ）との積和演算の結果ｑ（ｓ）である。こ
こで、これら対象の１次元のモデルＩe(ｒ) 、広がり量
ｓに依存した１次元の関数ｐ（ｒ；ｓ）、および積和演
算結果ｑ（ｓ）はそれぞれ、例えば以下の式（４）〜
（６）で示される。

【００８９】

【数２】

【００９０】また、図２０は上記画像処理方法を適用し
た画像処理装置中の広がり量抽出部３１の内部構成を示
すブロック図である。図２０において、４４−１〜４４
−Ｔは入力された対象（図示の例ではＭ個の対象が存在
する）の重心位置７を中心として周囲の複数（図示の例
ではＴ個）の方向に放射状に、入力された前処理画像６
から１次元のデータを生成する１次元データ生成部であ
る。４５はこの１次元データ生成部から出力される各方
向の１次元のデータと広がり量に依存して変化する１次
元の関数との積和演算を、広がり量を変えながら実行す
る積和演算部であり、４６はこの積和演算の結果の極大
値を抽出することにより、各方向の対象の広がり量を抽
出する極大値抽出部である。また、４７−１〜４７−Ｔ
は入力された前処理画像６より生成された各方向の１次
元のデータ、４８−１〜４８−Ｔは各方向の１次元のデ
ータ４７−１〜４７−Ｔと広がり量に依存して変化する
１次元の関数との積和演算の結果であり、４９−１〜４
９−Ｔは抽出された各方向の広がり量である。

【００９１】次にその動作について、図１８のフローチ
ャートを用いて説明する。この広がり量抽出部３１に、
前処理部２からの前処理画像６と対象抽出部３からの対
象の重心位置７が入力されると、１次元データ生成部４
４−１〜４４−Ｔはその対象の重心位置７を中心として
対象の周囲の各方向に放射状に、入力された前処理画像
６より各方向の１次元のデータ４７−１〜４７−Ｔを生
成する（ステップＳＴ７１−１〜ＳＴ７１−Ｔ）。次に
各積和演算部４５において、各方向の１次元のデータ４
７−１〜４７−Ｔと、広がり量に依存して変化する１次
元の関数との積和演算が、それぞれ広がり量を変えなが
ら実行される（ステップＳＴ７２−１〜ＳＴ７２−
Ｔ）。そして、各極大値抽出部４６において、各積和演
算部４５にて得られた積和演算結果４８−１〜４８−Ｔ
がそれぞれ極大となる広がり量を求めることにより、各
方向の広がり量４９−１〜４９−Ｔを抽出する（ステッ
プＳＴ７３−１〜７３−Ｔ）。ただし、この広がり量に
依存して変化する１次元の関数とある方向の１次元のデ
ータ４７−１〜４７−Ｔとの積和演算結果４８−１〜４
８−Ｔは、広がり量がその方向の対象の大きさと一致し
たときに極大となるようにあらかじめ設定しておく。

【００９２】また、この広がり量ｓに依存した１次元の
関数ｐ（ｒ；ｓ）として、例えば前記式（５）で示した
ものを用いた場合の処理を図１９を用いて説明する。図
１９において４１で示した重心からある方向にＲの広が
りをもつ対象の１次元モデルＩe(ｒ) と、４２で示した
広がり量ｓに依存した１次元の関数ｐ（ｒ；ｓ）との積
和演算を計算すると、積和演算結果ｑ（ｓ）は４３のよ
うになる。この４３で示す積和演算結果ｑ（ｓ）が極大
となる広がり量ｓを抽出することにより、対象の大きさ
Ｒを求めることができる。

【００９３】ここで、上記図１９による処理の説明で
は、広がり量ｓに依存した１次元の関数ｐ（ｒ；ｓ）と
して式（５）を用いたものを示したが、他の関数を用い
た場合も、積和演算結果ｑ（ｓ）が極大となる広がり量
ｓを抽出することにより、対象の大きさＲを求めること
ができる。その場合、用いられる広がり量ｓに依存した
１次元の関数ｐ（ｒ；ｓ）としては、例えば以下に示す
式（７）〜式（９）のようなものが考えられる。

【００９４】

【数３】

【００９５】実施例９．次に、この発明の実施例９を図
について説明する。図２１は請求項９に記載した発明に
よる画像処理方法における前処理の内容を示すフローチ
ャートであり、図２２は上記画像処理方法を適用した画
像処理装置中の前処理部２の内部構成を示すブロック図
である。図２２において、５１は入力された原画像５中
の空間周波数が所定の範囲にある部分を抽出し、それを
前処理画像６として出力する空間フィルタ処理部であ
る。

【００９６】次にその動作について、図２１のフローチ
ャートを用いて説明する。この前処理部２に画像入力部
１より原画像５が入力されると、空間フィルタ処理部５
１はその原画像５に対して空間フィルタ処理を施す（ス
テップＳＴ８１）。これにより、入力された原画像５中
の空間周波数がある所定の範囲内にある部分のみが強調
され、高周波ノイズや緩慢な輝度変化などが除去された
前処理画像６が得られる。なお、得られた前処理画像６
は対象抽出部３および対象認識部４に出力される。

【００９７】ここで、空間フィルタ処理部５１として、
ある注目点の輝度値を、当該注目点を中心とする局所領
域内での輝度の平均値に置き換える平均値フィルタ、あ
るいは中央値に置き換える中央値フィルタを作用させれ
ば、原画像５中の高周波ノイズを除去することができ
る。

【００９８】また、空間フィルタ処理部５１としてガウ
スフィルタを作用させることによっても、原画像５中の
高周波ノイズを除去することができる。

【００９９】また、空間フィルタ処理部５１として微分
フィルタを作用させ、ある注目点の輝度値を、当該注目
点を中心とする周辺画素との差分値に置き換えるような
空間フィルタ処理を行うことにより、原画像５中の緩慢
な輝度変化を除去することができる。

【０１００】また、空間フィルタ処理部５１として、ガ
ウスフィルタ、平均値フィルタ、中央値フィルタ等の平
滑化フィルタを作用させた後、微分フィルタを作用させ
ることによって、原画像５中の高周波ノイズと緩慢な輝
度変化を同時に除去することができる。

【０１０１】また、空間フィルタ処理部５１として、微
分フィルタを作用させた後、ガウスフィルタ、平均値フ
ィルタ、中央値フィルタ等の平滑化フィルタを作用させ
ることによっても、原画像５中の高周波ノイズと緩慢な
輝度変化等を同時に除去することができる。

【０１０２】実施例１０．次に、この発明の実施例１０
を図について説明する。図２３は請求項１０に記載した
発明による画像処理方法における前処理の内容を示すフ
ローチャートであり、図２４は上記画像処理方法を適用
した画像処理装置中の前処理部２の内部構成を示すブロ
ック図である。図２４において、５２は入力された原画
像５を所定のしきい値てに２値化し、それを前処理画像
６として出力する２値化処理部である。

【０１０３】次にその動作について、図２３のフローチ
ャートを用いて説明する。この前処理部２に画像入力部
１より原画像５が入力されると、２値化処理部５２はそ
の原画像５に対して所定のしきい値による２値化処理を
施す（ステップＳＴ８２）。これにより、入力された原
画像５中の対象と背景とが分離された前処理画像６が得
られ、対象抽出部３および対象認識部４へ送られる。

【０１０４】ここで、２値化処理のしきい値は、例えば
入力された原画像５の輝度のヒストグラムから得られる
評価関数に基づいて自動的に求めることにより、安定に
対象と背景とを分離することができる。

【０１０５】実施例１１．次に、この発明の実施例１１
を図について説明する。図２５は請求項１１に記載した
発明による画像処理方法における前処理の内容を示すフ
ローチャートであり、図２６は上記画像処理方法を適用
した画像処理装置中の前処理部２の内部構成を示すブロ
ック図である。図２６において、５１は空間フィルタ処
理部、５２は２値化処理部、５は原画像、６は前処理画
像であり、これらは図２２あるいは図２４に同一符号を
付した部分と同等のものである。また、５３は空間フィ
ルタ処理部５１より２値化処理部５２へ送られる空間フ
ィルタ出力画像である。

【０１０６】次にその動作について。図２５のフローチ
ャートを用いて説明する。この前処理部２に画像入力部
１より原画像５が入力されると、まず、空間フィルタ処
理部５１によってその原画像５に対して空間フィルタ処
理が施される（ステップＳＴ８３）。これにより入力さ
れた原画像５中の空間周波数がある範囲内にある部分の
みが強調され、高周波ノイズや緩慢な輝度変化等が除去
された空間フィルタ出力画像５３が得られる。この空間
フィルタ出力画像５３は２値化処理部５２へ送られ、２
値化処理部５２はそれに対して所定のしきい値による２
値化処理を施す（ステップＳＴ８４）。これにより、入
力された原画像５中の対象と背景とが分離され、高周波
ノイズや緩慢な輝度変化等が除かれた前処理画像６が得
られ、それが対象抽出部３および対象認識部４へ出力さ
れる。

【０１０７】ここで、空間フィルタ処理部５１にて平均
値フィルタ、中央値フィルタ、ガウスフィルタ等の平滑
化フィルタを作用させた後、２値化処理部５２で２値化
処理を行うことにより、原画像５中の高周波ノイズの影
響を除去して、対象を背景から分離することができる。

【０１０８】また、空間フィルタ処理部５１にて微分フ
ィルタを作用させた後、２値化処理部５２で２値化処理
を行うことにより、画像中の緩慢な輝度変化の影響を除
去して、対象を背景から分離することができる。

【０１０９】また、空間フィルタ処理部５１にて、平滑
化フィルタを作用させた後に微分フィルタを作用させ、
あるいは微分フィルタを作用させた後に平滑化フィルタ
を作用させ、その後、２値化処理部５２による２値化処
理を行うことにより、画像中の高周波ノイズの影響と緩
慢な輝度変化とを同時除去して、対象を背景から分離す
ることができる。

【０１１０】ここで、２値化処理のしきい値は、例えば
入力された原画像５の輝度のヒストグラムから得られる
評価関数に基づいて自動的に求めることにより、安定に
対象と背景とを分離することができる。

【０１１１】実施例１２．次に、この発明の実施例１２
を図について説明する。図２７は請求項１２に記載した
発明による画像処理方法における重心位置抽出処理の内
容を示すフローチャートであり、図２８はこの重心位置
抽出の原理を示す説明図である。図２８において、６１
は対象の局在性の評価結果を輝度分布として持つ画像で
あり、６２はそれより抽出された対象の重心位置の画像
である。

【０１１２】また、図２９は上記画像処理方法を適用し
た画像処理装置中の重心抽出部１０の内部構成を示すブ
ロック図である。図２９において、６３は局在性評価部
９によって評価された対象の局在性の評価結果１１よ
り、その極大値を求めて対象の重心位置７の抽出を行う
極大値抽出部である。

【０１１３】次にその動作について、図２７のフローチ
ャートおよび図２８の説明図を用いて説明する。この重
心抽出部１０に局在性評価部９より局在性の評価結果１
１が入力されると、極大値抽出部６３はその局在性の評
価結果を輝度分布として持つ画像６１からその輝度が極
大値を示す画素を抽出する（ステップＳＴ９１）。画像
６２に×で示すこの輝度が極大値を示す画素の位置がそ
れぞれ、対象の重心位置７として抽出されて対象認識部
４へ出力される。

【０１１４】ここで、単純に極大値を求めたのでは極大
値が多数抽出されるため、あるしきい値を設定し、得ら
れる極大値がしきい値を越えた場合のみ、その極大値を
対象の重心位置として抽出するように設定することがで
きる。

【０１１５】また、極大値を求める際のしきい値は入力
された局在性の評価結果を輝度値と分布として持つ画像
６１の最大値と最小値から自動的に決めることができ
る。

【０１１６】また、極大値を求める際のしきい値は入力
された局在性の評価結果を輝度分布として持つ画像６１
のヒストグラムから得られる評価関数をもとに、自動的
に決めることもできる。

【０１１７】実施例１３．次に、この発明の実施例１３
を図について説明する。図３０は請求項１３に記載した
発明による画像処理方法における重心位置抽出処理の内
容を示すフローチャートであり、図３１はこの重心位置
抽出の原理を示す説明図である。図３１において、６１
は対象の局在性の評価結果を輝度分布として持つ画像、
６４はこの局在性の評価結果を輝度分布として持つ画像
６１を所定のしきい値で２値化した結果の画像である２
値化画像であり、６５はこの２値化画像６４をラベル付
けした結果の画像、６６はこのラベル付け結果の画像６
５からモーメント計算を行い、対象の重心位置を抽出し
た結果の画像である。

【０１１８】また、図３２は上記画像処理方法を適用し
た画像処理装置中の重心抽出部１０の内部構成を示すブ
ロック図である。図３２において、６７は局在性評価部
９によって評価された対象の局在性の評価結果１１を所
定のしきい値で２値化する２値化処理部であり、６８は
この２値化処理部６７にて得られた２値化処理結果にお
いて、０次および１次のモーメントを計算するモーメン
ト計算部、６９はこのモーメント計算部６８によるモー
メント計算結果より対象の重心位置７を抽出する重心位
置抽出部である。また、７０は２値化処理部６７よりモ
ーメント計算部６８に送られる２値化処理結果であり、
７１はモーメント計算部６８より重心位置抽出部６９に
送られるモーメント計算結果である。

【０１１９】次にその動作について、図３０のフローチ
ャートを用いて説明する。この重心抽出部１０に局在性
評価部９より局在性の評価結果１１が入力されると、２
値化処理部６７はその局在性の評価結果１１を所定のし
きい値で２値化する（ステップＳＴ９２）。次に、この
得られた２値化処理結果７０はモーメント計算部８６に
送られ、ラベル付けが行われて０次と１次のモーメント
が計算され（ステップＳＴ９３）、重心位置抽出部６９
がそのモーメント計算結果７１より対象の重心位置７を
抽出して（ステップＳＴ９４）対象認識部４へ出力す
る。

【０１２０】次に、このような重心位置の抽出原理を図
３１を用いて説明する。局在性の評価結果１１を輝度値
とする画像６１は所定のしきい値で２値化されて２値化
処理画像６４となる。ここで、この２値化のためのしき
い値は、例えば入力された画像の輝度のヒストグラムか
ら得られる評価関数をもとに、自動的に求めることがで
きる。

【０１２１】得られた２値化処理画像６４にラベル付け
を行い、６５に示すラベル付け結果の画像６５を得て、
０次および１次のモーメントを計算する。ここで、この
０次のモーメントｍ００および１次のメーメントｍ１
０、ｍ０１は、それぞれ以下の式（１０）〜（１２）で
表わされる。ただし、ｌｘ、ｌｙはそれぞれ画像の横お
よび縦のサイズであり、対象部分でＩ（ｉ、ｊ）＝１、
対象以外の部分でＩ（ｉ、ｊ）＝０（背景部分）であ
る。

【０１２２】

【数４】

【０１２３】そして、算出されたこの０次および１次の
モーメントｍ００，ｍ１０およびｍ０１より、重心位置
抽出結果の画像６６に×で示した位置が各対象の重心位
置７として抽出される。なお、重心の座標（Ｇx 、Ｇy
）は以下の式（１３），（１４）で表わされる。

【０１２４】Ｇx ＝ｍ１０／ｍ００・・・・（１３）Ｇy ＝ｍ０１／ｍ００・・・・（１４）

【０１２５】実施例１４．次に、この発明の実施例１４
を図について説明する。図３３は請求項１４に記載した
発明による画像処理方法における対象の大きさ抽出処理
の内容を示すフローチャートであり、図３４および図３
５はこの対象の大きさ抽出の原理を示す説明図である。
図３４において、８１は認識する対象の画面であり、８
２〜８４はそれぞれ処理の途中結果の画面、８５は処理
結果画面である。また、８６は認識する対象、８７はこ
の対象８６の重心位置であり、８８はこの重心位置８７
を中心として設定された中心小領域、８９は中心小領域
８８の周辺に設定された周辺小領域である。また、図３
５において、９１は認識する対象の画面であり、９２〜
９４はそれぞれ処理の途中結果の画面、９５は処理結果
の画面である。

【０１２６】次に動作について、図３３のフローチャー
トおよび図３４の説明図を用いて説明する。処理が開始
すると、まず認識する対象８６の局在性を評価し、その
局在性の評価結果に着目して当該対象８６の重心位置８
７を抽出する（ステップＳＴ１０１）。次に、抽出され
た重心位置８７を中心として中心小領域８８を設定し
（ステップＳＴ１０２）、さらにこの中心小領域８８の
周囲に周囲小領域８９を設定する（ステップＳＴ１０
３）。次に、中心小領域８８内の画素の輝度値の平均と
周囲小領域８９内の画素の輝度値の平均とを調べて、当
該周辺小領域８９が対象であるか背景であるかを判定す
る（ステップＳＴ１０４）。両者の輝度値の平均が大き
く異なっていない場合にはその周囲小領域８９が対象で
あると判断して、それを中心小領域８８に統合する（ス
テップＳＴ１０５）。以後、処理をステップＳＴ１０３
に戻し、以上の処理を対象の境界が見つかるまで繰り返
すことにより対象８６の大きさを抽出する（ステップＳ
Ｔ１０６）。

【０１２７】ここで、図３４のように微小な長方形の領
域を周囲小領域８９として、中心小領域８８の周辺に順
次拡張することにより、長方形の対象８６を抽出する際
に、抽出する対象８６の特徴に応じて、現在の中心小領
域８８の周囲の上下左右どの方向に次の周囲小領域８９
を設定するかを変化させることができる。例えば、対象
８６が正方形に近い場合には（上→下→左→右→・・
・）のように上下左右に均等に拡張すればよい。また、
対象８６が横長の長方形の場合には（左→右→左→右→
上→下→左→右→左→右→上→下→・・・）のように、
左右方向の拡張を上下方向の拡張よりも多くなるように
設定すればよい。また逆に、対象８６が縦長の長方形の
場合には（上→下→上→下→左→右→上→下→上→下→
左→右→・・・）のように、上下方向の拡張を左右方向
の拡張よりも多くなるように設定すればよい。このよう
に周囲小領域８９として、微小な長方形の領域を順次拡
張することにより、長方形の対象８６の大きさを抽出す
ることができる。

【０１２８】また、例えば図３５に示すように、中心小
領域８８の周辺に周辺小領域８９を螺旋状に順次設定し
てゆくことにより、対象８６の大きさの抽出を行うこと
もできる。

【０１２９】実施例１５．次に、この発明の実施例１５
を図について説明する。図３６は請求項１５に記載した
発明による画像処理方法における対象認識処理の内容を
示すフローチャートであり、図３７はこの対象認識の原
理を示す説明図である。図３７において、１０１は前処
理画像の画面であり、１０２は対象の局在性の評価結果
を輝度分布して持つ画像である。１０３はこの局在性の
評価結果を輝度分布として持つ画像１０２を所定のしき
い値で２値化した結果の画像である２値化画像であり、
１０４はこの２値化結果の画像１０３をラベル付けした
結果の画像、１０５は対象の位置、大きさ、形状、姿勢
等の属性を抽出した結果の画像である。

【０１３０】また、図３８は上記画像処理方法を適用し
た画像処理装置中の対象認識部の構成を示すブロック図
である。図３８において、１０５は前処理画像６より対
象の局在性を評価する局在性評価部であり、１０６はこ
の局在性評価部１０５によって評価された対象の局在性
の評価結果１１を所定のしきい値で２値化する２値化処
理部である。１０７はこの２値化処理部１０６にて得ら
れた２値化処理結果において、０次、１次および２次の
モーメントを計算するモーメント計算部であり、１０８
はこのモーメント計算部１０７によるモーメント計算結
果より対象の重心位置、大きさ、形状、政党の属性を抽
出する属性抽出部である。また、１０９は局在性評価部
１０５より２値化処理部１０６に送られる局在性の評価
結果、１１０は２値化処理部１０６よりモーメント計算
部１０７に送られる２値化処理結果、１１１はモーメン
ト計算部１０７より属性抽出部１０８に送られるモーメ
ント計算結果である。

【０１３１】次にその動作について、図３６のフローチ
ャートを用いて説明する。この対象認識部に前処理画像
６が入力されると、局在性評価部１０５は入力された前
処理画像６に関して局在性の評価を行う（ステップＳＴ
１１１）。その局在性の評価結果１０９は２値化処理部
１０６に送られて所定のしきい値で２値化され（ステッ
プＳＴ１１２）、モーメント計算部１０７に送られる。
モーメント計算部１０７ではその２値化処理結果１１０
にラベル付けを行った後、０次、１次および２次のモー
メントを計算し（ステップＳＴ１１３）、属性抽出部１
０８がそのモーメント計算結果１１１より対象の重心位
置、大きさ、形状、姿勢等の属性を抽出する（ステップ
ＳＴ１１４）。

【０１３２】次に、このような属性抽出の原理を図３７
を用いて説明する。前処理画像の画面１０１は対象の局
在性が評価され、その評価結果を輝度と局在性評価結果
を輝度分布として持つ画像１０２となる。この局在性評
価結果を輝度分布として持つ画像１０２は所定のしきい
値で２値化されて２値化画像６４となる。ここで、この
２値化のためのしきい値は、例えば入力された画像の輝
度のヒストグラムから得られる評価関数をもとに、自動
的に求めることができる。

【０１３３】次に、得られた２値化画像６４にラベル付
けをしてラベル付け結果の画像６５を得、それより０
次、１次および２次のモーメントの計算を行う。ここ
で、この０次のモーメントｍ００、１次のメーメントｍ
１０、ｍ０１および２次のメーメントｍ２０、ｍ０２
は、それぞれ以下の式（１５）〜（２０）で表わされ
る。ただし、ｌｘ、ｌｙはそれぞれ画像の横、縦サイズ
であり、対象部分でＩ（ｉ、ｊ）＝１、対象以外の部分
でＩ（ｉ、ｊ）＝０（背景部分）である。

【０１３４】

【数５】

【０１３５】そして、算出されたこの０次、１次、２次
のモーメントｍ００，ｍ１０，ｍ０１，ｍ２０，ｍ１１
およびｍ０２より、属性抽出結果の画像１０５のよう
に、各対象の重心位置、大きさ、形状、姿勢等の属性が
抽出される。なお、重心の座標（Ｇx 、Ｇy ）は前述の
式（１３），（１４）で表わされ、主軸の傾きθは以下
の式（２１）で表わされる。 θ＝Ｔａｎ^-1｛２Ｍ１１／（Ｍ２０−Ｍ０２）｝・・・・（２１）ただし、Ｍ２０＝ｍ２０−ｍ１０² ／ｍ００Ｍ１１＝ｍ１１−ｍ１０・ｍ０１／ｍ００Ｍ０２＝ｍ０２−ｍ０１² ／ｍ００

【０１３６】

【発明の効果】以上のように、請求項１に記載の発明に
よれば、対象の局在性に着目して重心位置を抽出した
後、抽出された対象の重心位置を中心にして、対象の大
きさ、形状、姿勢等の属性を認識するように構成したの
で、対象を認識する際に、探索空間の規模を減らすこと
ができ、処理コストの低減、マッチングの安定性向上を
可能とする画像処理方法が得られる効果がある。

【０１３７】また、請求項２に記載の発明によれば、複
数の評価関数を用いて異なるスケールで対象の局在性を
並列に評価し、得られた各局在性の評価結果を統合して
対象の局在性を再評価した後、その再評価結果から対象
の重心位置を抽出するように構成したので、対象を抽出
する際に、様々な大きさの対象を認識することが可能と
なる効果がある。

【０１３８】また、請求項３に記載の発明によれば、複
数の評価関数を用いて異なるスケールで対象の局在性を
並列に評価し、得られた各局在性の評価結果から対象の
重心位置を抽出して、複数の重心位置候補を並列に抽出
するするように構成したので、対象を抽出する際に、様
々な大きさの対象を認識することが可能となる効果があ
る。

【０１３９】また、請求項４に記載の発明によれば、入
力された画像を複数の異なる解像度に変換し、各解像度
の画像に対して対象の局在性を同一の評価関数を用いて
評価し、得られた各局在性の評価結果を統合して対象の
局在性を再評価した後、その再評価結果から対象の重心
位置を抽出するように構成したので、対象を抽出する際
に、様々な大きさの対象を認識することが可能となる効
果がある。

【０１４０】また、請求項５に記載の発明によれば、入
力された画像を複数の異なる解像度に変換し、各解像度
の画像に対して対象の局在性を同一の評価関数を用いて
評価し、それぞれの評価結果から複数の重心位置候補を
並列に抽出するように構成したので、対象を抽出する際
に、様々な大きさの対象を認識することが可能と成る効
果がある。

【０１４１】また、請求項６に記載の発明によれば、対
象の重心位置を中心として周囲の複数の方向に放射状に
対象の広がり量を調べ、それに基づいて対象の属性を抽
出するように構成したので、対象を認識する際に、探索
空間の規模を減らすことができ、処理コストの低減、マ
ッチングの安定性の向上がはかれる効果がある。

【０１４２】また、請求項７に記載の発明によれば、対
象の存在する複数の候補位置を中心として周囲の複数の
方向に放射状に各対象の広がり量を並列に調べ、それに
基づいて各対象候補の属性を並列に抽出してそれらを統
合することにより、対象の属性を抽出するように構成し
たので、対象を認識する際に、探索空間の規模を減らす
ことができ、処理コストの低減、マッチングの安定性の
向上がはかれる効果がある。

【０１４３】また、請求項８に記載の発明によれば、対
象の重心位置を中心として周囲の複数の方向に放射状に
伸びた入力画像の一次元のデータと、広がり量に依存し
て変化する一次元の関数とを生成し、広がり量を変えな
がら、これらの積和演算結果が極大となる広がり量をそ
の方向の対象の広がり量として抽出するように構成した
ので、対象の広がり量を抽出する際に、その抽出を安定
に行うことができる効果がある。

【０１４４】また、請求項９に記載の発明によれば、前
処理として空間フィルタを施すように構成したので、画
像中の高周波ノイズや緩慢な輝度変化の影響が除去さ
れ、対象の認識を安定に行える効果がある。

【０１４５】また、請求項１０に記載の発明によれば、
前処理として２値化処理を施すように構成したので、対
象が背景から分離されて、対象の認識を安定に行える効
果がある。

【０１４６】また、請求項１１に記載の発明によれば、
前処理として空間フィルタを施した後、２値化処理を施
すように構成したので、画像中の高周波ノイズや緩慢な
輝度変化の影響が除去され、対象が背景から分離され
て、対象の認識を安定に行える効果がある。

【０１４７】また、請求項１２に記載の発明によれば、
得られた局在性の評価結果の極大値を対象の重心位置と
して抽出するように構成したので、局在性の評価結果か
ら対象の重心位置を判断する際に、重心位置の抽出が安
定に行える効果がある。

【０１４８】また、請求項１３に記載の発明によれば、
局在性の評価結果を輝度分布として持つ画像を２値化処
理し、得られた２値化画像にて対象の０次および１次の
モーメントを計算することにより対象の重心位置を抽出
するように構成したので、局在性の評価結果から対象の
重心位置を判断する際に、重心位置の抽出が安定に行え
る効果がある。

【０１４９】また、請求項１４に記載の発明によれば、
重心位置を中心に設定した中心小領域内と、中心小領域
の周囲に設定した複数の周囲小領域内で輝度分布を比較
してその周囲小領域が対象か背景かを判定し、対象であ
ればその周囲小領域を中心小領域に融合させる処理を行
い、中心小領域を対象の境界まで順次拡張することによ
り大きさを抽出するように構成したので、対象の大きさ
を抽出する際に、その抽出を安定に行うことができる効
果がある。

【０１５０】また、請求項１５に記載の発明によれば、
局在性の評価結果を輝度分布として持つ画像を２値化処
理し、得られた２値化画像にて対象の０次、１次および
２次のモーメントを計算することにより対象の重心位
置、大きさ、形状、姿勢等の属性を同時に抽出するよう
に構成したので、対象を認識する際に、対象の属性の抽
出を安定に行える効果がある。

【図面の簡単な説明】

【図１】この発明の実施例１による画像処理方法を示す
フローチャートである。

【図２】上記実施例の対象抽出処理の流れを示すフロー
チャートである。

【図３】上記実施例による画像処理方法を適用した画像
処理装置の構成を示すブロック図である。

【図４】上記画像処理装置の対象抽出部の構成を示すブ
ロック図である。

【図５】この発明の実施例２による画像処理方法におけ
る対象抽出処理を示すフローチャートである。

【図６】上記実施例による画像処理方法を適用した画像
処理装置の対象抽出部の構成を示すブロック図である。

【図７】この発明の実施例３による画像処理方法におけ
る対象抽出処理を示すフローチャートである。

【図８】上記実施例による画像処理方法を適用した画像
処理装置の対象抽出部の構成を示すブロック図である。

【図９】この発明の実施例４による画像処理方法におけ
る対象抽出処理を示すフローチャートである。

【図１０】上記実施例による画像処理方法を適用した画
像処理装置の対象抽出部の構成を示すブロック図であ
る。

【図１１】この発明の実施例５による画像処理方法にお
ける対象抽出処理を示すフローチャートである。

【図１２】上記実施例による画像処理方法を適用した画
像処理装置の対象抽出部の構成を示すブロック図であ
る。

【図１３】この発明の実施例６による画像処理方法にお
ける対象抽出処理を示すフローチャートである。

【図１４】上記実施例における対象抽出の原理を示す説
明図である。

【図１５】上記実施例による画像処理方法を適用した画
像処理装置の対象抽出部の構成を示すブロック図であ
る。

【図１６】この発明の実施例７による画像処理方法にお
ける対象認識処理を示すフローチャートである。

【図１７】上記実施例による画像処理方法を適用した画
像処理装置の対象認識部の構成を示すブロック図であ
る。

【図１８】この発明の実施例８による画像処理方法にお
ける広がり量抽出処理を示すフローチャートである。

【図１９】上記実施例における広がり量抽出の原理を示
す説明図である。

【図２０】上記実施例による画像処理方法を適用した画
像処理装置の広がり量抽出部の構成を示すブロック図で
ある。

【図２１】この発明の実施例９による画像処理方法にお
ける前処理を示すフローチャートである。

【図２２】上記実施例による画像処理方法を適用した画
像処理装置の前処理部の構成を示すブロック図である。

【図２３】この発明の実施例１０による画像処理方法に
おける前処理を示すフローチャートである。

【図２４】上記実施例による画像処理方法を適用した画
像処理装置の前処理部の構成を示すブロック図である。

【図２５】この発明の実施例１１による画像処理方法に
おける前処理を示すフローチャートである。

【図２６】上記実施例による画像処理方法を適用した画
像処理装置の前処理部の構成を示すブロック図である。

【図２７】この発明の実施例１２による画像処理方法に
おける重心位置抽出処理を示すフローチャートである。

【図２８】上記実施例における重心位置抽出の原理を示
す説明図である。

【図２９】上記実施例による画像処理方法を適用した画
像処理装置の重心抽出部の構成を示すブロック図であ
る。

【図３０】この発明の実施例１３による画像処理方法に
おける重心位置抽出処理を示すフローチャートである。

【図３１】上記実施例における重心位置抽出の原理を示
す説明図である。

【図３２】上記実施例による画像処理方法を適用した画
像処理装置の重心抽出部の構成を示すブロック図であ
る。

【図３３】この発明の実施例１４による画像処理方法に
おける対象の大きさ抽出処理を示すフローチャートであ
る。

【図３４】上記実施例における対象の大きさ抽出の原理
の一例を示す説明図である。

【図３５】上記実施例における対象の大きさ抽出の原理
のたの例を示す説明図である。

【図３６】この発明の実施例１５による画像処理方法に
おける対象認識処理を示すフローチャートである。

【図３７】上記実施例における対象認識の原理を示す説
明図である。

【図３８】上記実施例による画像処理方法を適用した画
像処理装置の対象認識部の構成を示すブロック図であ
る。

【図３９】従来のパターンマッチングの原理を示す説明
図である。

【符号の説明】

５原画像６前処理画像７対象の重心位置８対象の属性１１，１１−１〜１１−Ｌ局在性の評価結果１３局在性の再評価結果１５−１〜１５−Ｌ重心位置候補１８−１〜１８−Ｌ解像度変換画像３３，３３−１〜３３−Ｌ対象の広がり量３５−１〜３５−Ｌ対象候補の属性４７−１〜４７−Ｔ一次元のデータ４８−１〜４８−Ｔ積和演算の結果４９−１〜４９−Ｔ各方向の広がり量５３空間フィルタ出力画像６１局在性の評価結果を輝度分布として持つ画像６４２値化画像８６対象８７重心位置８８中心小領域８９周辺小領域１０２局在性の評価結果を輝度分布として持つ画像１０３２値化画像

Claims

【特許請求の範囲】

【請求項１】撮像手段によって撮像された画像中に存
在する対象を認識する際に、取り込まれた前記画像をデ
ィジタル化した原画像に対して前処理を施した前処理画
像中で、前記対象を構成する要素の局所的な集中の度合
いである局在性の評価を行い、得られた前記局在性の評
価結果に着目して前記対象の重心位置を抽出し、求めら
れた前記対象の重心位置を中心として、前記対象の大き
さ、種類、姿勢等の対象の属性を抽出することを特徴と
する画像処理方法。
【請求項２】前記対象の重心位置を当該対象の局在性
に着目して抽出する際に、前記対象の局在性を、複数の
評価関数を用いて異なるスケールで並列に評価し、次に
それら複数の局在性の評価結果を統合することにより前
記対象の局在性の再評価を行い、その局在性の再評価結
果から前記対象の重心位置を抽出することを特徴とする
請求項１記載の画像処理方法。
【請求項３】前記対象の重心位置を当該対象の局在性
に着目して抽出する際に、前記対象の局在性を、複数の
評価関数を用いて異なるスケールで並列に評価し、次に
それぞれの局在性の評価結果から前記対象の重心位置を
求めて、複数の重心位置候補を並列に抽出することを特
徴とする請求項１記載の画像処理方法。
【請求項４】前記対象の重心位置を当該対象の局在性
に着目して抽出する際に、前記前処理で得られた前処理
画像を解像度の異なる複数の解像度変換画像に変換し、
それら解像度の異なる複数の解像度変換画像における前
記対象の局在性を同じ評価関数を用いて並列に評価し、
次にそれら複数の局在性の評価結果を統合することによ
り前記対象の局在性の再評価を行い、その局在性の再評
価結果から前記対象の重心位置を抽出することを特徴と
する請求項１記載の画像処理方法。
【請求項５】前記対象の重心位置を当該対象の局在性
に着目して抽出する際に、前記前処理で得られた前処理
画像を解像度の異なる複数の解像度変換画像に変換し、
それら複数の解像度変換画像における前記対象の局在性
を同じ評価関数を用いて並列に評価し、次にそれぞれの
局在性の評価結果から前記対象の重心位置を求めて、複
数の重心位置候補を並列に抽出することを特徴とする請
求項１記載の画像処理方法。
【請求項６】前記対象の属性を抽出する際に、前記対
象の存在する位置を中心として、その周囲の複数の方向
に放射状に前記対象の広がり量を調べ、得られた各方向
の広がり量から前記対象の属性を抽出して、前記対象を
認識することを特徴とする請求項１記載の画像処理方
法。
【請求項７】前記対象の属性を抽出する際に、前記対
象の存在する位置が複数の異なるスケールで並列に抽出
されている場合に、それら複数の候補位置を中心として
周囲の複数の方向に放射状に並列に各対象の広がり量を
調べ、得られた複数の各方向の広がり量からそれぞれの
対象候補の属性を並列に抽出し、それら対象候補の属性
を統合することにより前記対象の属性を抽出して、最終
的に前記対象を認識することを特徴とする請求項１記載
の画像処理方法。
【請求項８】前記対象の広がり量を抽出する際に、前
記対象の重心位置を中心として周囲の複数の方向に放射
状に伸びた入力画像の一次元のデータと、広がり量に依
存して変化する一次元の関数を生成し、あらかじめ、前
記広がり量がその方向の対象の大きさと一致したとき
に、前記一次元の関数と前記一次元のデータとの積和演
算の結果が極大となるように設定しておき、前記広がり
量を変えながら前記一次元の関数と前記一次元のデータ
との積和演算を実行し、その積和演算の結果が極大とな
る広がり量をその各方向の広がり量とすることを特徴と
する請求項６または７記載の画像処理方法。
【請求項９】前記原画像に前処理を施す際に、前記原
画像中で空間周波数が所定の範囲にある部分を抽出する
空間フィルタ処理を施すことを特徴とする請求項１記載
の画像処理方法。
【請求項１０】前記原画像に前処理を施す際に、前記
原画像を所定のしきい値で２値化する２値化処理を施す
ことを特徴とする請求項１記載の画像処理方法。
【請求項１１】前記原画像に前処理を施す際に、前記
原画像中で空間周波数が所定の範囲にある部分を抽出す
る空間フィルタ処理を施し、前記空間フィルタ処理にて
得られた空間フィルタ出力画像を所定のしきい値で２値
化する２値化処理を施すことを特徴とする請求項１記載
の画像処理方法。
【請求項１２】前記局在性の評価結果から前記対象の
重心位置を判断する際に、得られた局在性の評価結果の
極大値をその対象の重心位置として抽出することを特徴
とする請求項１記載の画像処理方法。
【請求項１３】前記局在性の評価結果から前記対象の
重心位置を判断する際に、前記対象の局在性を評価し、
得られた局在性の評価結果を輝度分布として持つ画像を
所定のしきい値で２値化処理し、得られた２値化画像に
おいて対象の０次および１次のモーメントを計算するこ
とにより前記対象の重心位置を抽出することを特徴とす
る請求項１記載の画像処理方法。
【請求項１４】前記対象の大きさを抽出する際に、前
記対象の局在性に着目してその重心位置を抽出し、得ら
れた重心位置を中心に設定した中心小領域内の輝度分布
と、当該中心小領域の周囲に設定した周囲小領域内の輝
度分布を調べ、それらの比較から前記周囲小領域が前記
対象であるかその背景であるかの判定を行い、その結
果、対象と判定された場合には前記周囲小領域を前記中
心小領域に融合させる処理を行い、前記中心小領域を前
記対象の境界まで順次拡張することにより前記対象の大
きさを抽出することを特徴とする請求項１記載の画像処
理方法。
【請求項１５】前記対象の属性を抽出する際に、前記
対象の局在性を評価し、得られた局在性の評価結果を輝
度分布として持つ画像を所定のしきい値で２値化処理
し、得られた２値化画像において対象の０次、１次およ
び２次のモーメントを計算することにより、前記対象の
重心位置、大きさ、形状、姿勢などの属性を同時に抽出
することを特徴とする請求項１記載の画像処理方法。