JPH07271987A - 代表特徴量抽出方法及び代表特徴量抽出装置 - Google Patents

Abstract

(57)【要約】 【目的】 特徴空間における誤差や分布の広がりを考慮
にいれて代表特徴量が抽出され、また画像データの重要
と思われる領域の特徴量を強調してその画像の特徴量を
より効果的に表せられる代表特徴量抽出方法及び代表特
徴量抽出装置を提供する。 【構成】 全体を制御する制御部１１と、データとして
入力された特徴量に対応する重み記録用メモリ上のアド
レス１００を求めるアドレス変換部１２と、特徴量をア
ドレスとして重みの分布を記憶している重み記録用メモ
リ１３と、求められたアドレスから読み出した重みの値
１０１を累積記録メモリ１５に記録されている累積値１
０２と加算する加算器１４と、加算器１４により加算さ
れた値１０３を記録する累積記録メモリ１５と、候補特
徴量ごとに累積された累積値１０４を比較して最大値を
もつ候補特徴量を代表特徴量１０５とする比較回路１６
とで構成される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、画像検索などの画像処
理において、画像データから特徴量を抽出するために用
いられる代表特徴量抽出方法及び代表特徴量抽出装置に
関する。

【０００２】

【従来の技術】従来、特徴空間上で代表特徴量を求める
には、図１４に示すように、単に特徴空間上で頻度が最
も高い特徴量を代表特徴量とする方法、図１５に示すよ
うに、特徴空間を候補特徴量を中心とする区間に分割
し、その部分区間毎の頻度を得て、それが最も高い候補
特徴量を代表特徴量とする方法、及び特徴空間上の所定
頻度をその場所を中心としたメンバーシップ関数に変化
させ、その頻度の回りの領域にも影響を与える方法があ
る。

【０００３】また、例えば、「カラービデオ画像におけ
る自動牽引の付け方と物体探索法」情報処理学会論文誌
Vol.33 No.4 P543-550(1992.4)では、画像データをいく
つかの小領域に分割し、これらの小領域のヒストグラム
を特徴量とし、画像の検索や動画のシーン検出を行って
いる。

【０００４】更に、「視覚的対話機能をもつマルチメデ
ィアデータベース」電子計算機相互運用データベースシ
ステムの研究開発発表会講演予稿集P141-P158 (1992.1
1) でもいくつかの画像検索の方法を取り上げている
が、これにおいても画像データを小領域に分割し、その
小領域の特徴量を使用している。

【０００５】

【発明が解決しようとする課題】しかしながら、図１４
に示す単に特徴空間上で頻度が最も高い特徴量を代表特
徴量とする方法では、図１６（ａ）に示すような二つの
分布を考えた場合、候補特徴量Ａを中心とした分布の和
は、候補特徴量Ｂを中心とした分布の和より大きく、候
補特徴量Ａが代表特徴量として選ばれるべきであるが、
候補特徴量Ｂが代表特徴量に選ばれてしまう。それは、
候補特徴量のみの頻度を代表特徴量の判断基準としてい
るため、候補特徴量Ｂの１箇所のみの頻度が候補特徴量
Ａの最大頻度より高いと、候補特徴量Ｂが代表特徴量に
選ばれるためである。

【０００６】少々の誤差で特徴量における頻度の分布の
中心が候補特徴量からずれている場合には、図１６
（ｂ）に示すように候補特徴量のみの頻度が用いられる
と、最大頻度より低くなる場合があり、正確な値が出な
い。

【０００７】図１５に示すような特徴空間を、候補特徴
量を中心とする区間に分割し、その区間内の頻度の総和
を求める方法では、候補特徴量からある程度はなれた距
離にあって、同等とは見なせない特徴量でも、同じ区間
内にあれば全く同等に扱われてしまう。また、特徴量の
分布が複数の候補特徴量の境界付近にあるとき、図１６
（ｃ）に示すように、その分布は境界によって複数に分
断されて、別個の候補特徴量Ｃ、Ｄとしてカウントされ
てしまう。

【０００８】特徴空間上の所定頻度がその場所を中心と
したメンバーシップ関数に変化させ、その頻度の回りの
領域にも影響を与えるという方法では、誤差の影響が取
り除けるという利点があるが、候補特徴量の値が考慮さ
れていないので、代表特徴量が複数の候補特徴量より選
ばれる際には有利とはならない。

【０００９】また、「カラービデオ画像における自動牽
引の付け方と物体探索法」情報処理学会論文誌Vol.33 N
o.4 P543-550(1992.4)、及び「視覚的対話機能をもつマ
ルチメディアデータベース」電子計算機相互運用データ
ベースシステムの研究開発発表会講演予稿集P141-P158
(1992.11) に開示されている方法では、各少量域の特徴
量を同等なものとして扱うため、二つの画像データの特
徴量を比較しようとするとき、背景等のあまり重要でな
いと思われる部分での画像の違いにより、本当に比較を
行いたい部分が明確にならない。例えば、図１７及び図
１８の２枚の画像で本当に比較を行いたいところは中央
付近にあるテーブルの上に乗っている器であり、テーブ
ルの足の形ではない。すなわち、重要と思われる小領域
の特徴量は画像データの中央付近である図１７の1-5 の
領域と図１８の2-5 の領域の特徴量である。画像データ
の周辺部である図１７の1-1,1-2,1-3,1-4,1-6,1-7,1-8,
1-9 や、図１８の2-1,2-2,2-3,2-4,2-6,2-7,2-8,2-9 で
はない。このため、この二つの画像の特徴量を比べる
と、図１９に示すように、テーブルの足の部分の小領域
である1-6 と2-6,1-7 と2-7,1-8 と2-8 の特徴量の差分
の方が大きくなり、中央の1-5 と2-5 の特徴量の差分が
明確にならない。また、この場合、二つの画像でテーブ
ルの上に乗っている器が同じ場合、テーブルの足の部分
の特徴量の違いにより、本来似ていると判断されるとこ
ろが、違うものとして認識される。

【００１０】本発明は、上記のような課題を解消するた
めになされたもので、特徴空間における誤差や分布の広
がりを考慮にいれて代表特徴量を抽出し、また画像デー
タの重要と思われる領域の特徴量を強調してその画像の
特徴量をより効果的に表せる代表特徴量抽出方法及び代
表特徴量抽出装置を提供することを目的としている。

【００１１】

【課題を解決するための手段】本発明によれば、前述の
目的は、特徴量ごとの頻度を表す特徴空間内で代表特徴
量が、予め候補として用意された複数の候補特徴量の中
から選ばれる代表特徴量抽出方法であって、各候補特徴
量について任意の範囲において重みを設定し、この設定
した重みの分布を、前記特徴空間の頻度の分布に掛け合
わせ、掛け合わせた値の総和を求め、当該総和が最大で
ある候補特徴量が代表特徴量として選ばれる第１の代表
特徴量抽出方法により達成される。

【００１２】本発明によれば、前述の目的は、各候補特
徴量について重みの分布としてのアドレスを記録し、入
力されるアドレスに対応する重みの値を出力する重み記
録手段と、前記受容された各候補特徴量に対応する前記
重み記録手段におけるアドレスを求め、前記求められた
アドレスを前記重み記録手段に前記入力されるアドレス
として出力するアドレス手段と、前記重み記録手段より
出力される重みの値と所定の値とを加算する加算手段
と、前記加算手段により加算された値を累積値として記
録するとともに当該累積値を前記所定の値として前記加
算手段に供給する累積記録手段と、前記累積記録手段に
記録されている候補特徴量ごとに累積された累積値を比
較し、最大値をもつ候補特徴量を代表特徴量とする比較
手段とを具備する代表特徴量抽出装置により達成され
る。

【００１３】本発明によれば、前述の目的は、１枚の画
像データが所定の複数の小領域に分割される分割段階
と、それぞれの小領域から特徴量が抽出される抽出段階
と、抽出された各特徴量に重みが付けられる重み付け段
階とからなり、所望の小領域の特徴量に大きな重み付け
が行われて画像データの特徴量が算出される第２の代表
特徴量抽出方法により達成される。

【００１４】

【作用】本発明による第１の代表特徴量抽出方法によれ
ば、特徴量ごとの頻度を表す特徴空間内で代表特徴量
を、予め候補として用意された複数の候補特徴量の中か
ら選ぶ代表特徴量抽出方法において、各候補特徴量につ
いて任意の範囲に重みの分布を設定し、この設定された
重みの分布と前記特徴空間の頻度の分布とを掛け合わ
せ、掛け合わせた値の総和を求め、総和が最大である候
補特徴量が代表特徴量として選ばれる。

【００１５】本発明の代表特徴量抽出装置によれば、重
み記録手段は、各候補特徴量について重みの分布として
のアドレスを記録し、入力されるアドレスに対応する重
みの値を出力する。アドレス手段は、前記受容された各
候補特徴量に対応する前記重み記録手段におけるアドレ
スを求め、前記求められたアドレスを前記重み記録手段
に前記入力されるアドレスとして出力する。加算手段
は、前記重み記録手段より出力される重みの値と所定の
値とを加算する。累積記録手段は、前記加算手段により
加算された値を累積値として記録するとともに当該累積
値を前記所定の値として前記加算手段に供給する。比較
手段は、前記累積記録手段に記録されている候補特徴量
ごとに累積された累積値を比較し、最大値をもつ候補特
徴量を代表特徴量として、出力し得る。

【００１６】本発明による第２の代表特徴量抽出方法に
よれば、１枚の画像データが所定の複数小領域に分割さ
れる。次に、それぞれの小領域から特徴量が抽出され、
抽出された各特徴量に重みが付けられる。ここで、所望
の小領域（重要な部分）の特徴量に大きな重み付けが行
われ、重み付けされた特徴量に基づき画像データの特徴
量を算出し得る。

【００１７】

【実施例】以下、本発明の第１の代表特徴量抽出方法の
実施例を図２を参照しながら説明する。

【００１８】ここで、図２は、一般的な画像処理用コン
ピュータシステムの例である。

【００１９】画像処理用コンピュータシステムは、全体
を制御するＣＰＵ１を有しており、ＣＰＵ１は、複数の
候補特徴量等を格納するメモリ２を内蔵している。そし
て、ＣＰＵ１は、バス３に接続されており、バス３に
は、指示等を入力する端末装置４、画像処理を行う画像
処理プロセッサ５、Ｉ／Ｏ６及びＶＴＲコントローラ７
が接続されている。また、Ｉ／Ｏ６には２次記憶装置８
が接続されている。更に、ＶＴＲコントローラ７には、
画像を記録するＶＴＲ９が接続されている。

【００２０】以下、本実施例の基本的な動作について説
明する。

【００２１】以下の説明において、特徴空間とは、ある
対象の特徴量に対応して、その頻度を表す空間である。
特徴空間では、特徴量の値で表される座標に、その特徴
量における頻度が記憶される。ある対象について、複数
の次元の特徴量について、一つの頻度が存在する時は、
特徴空間は多次元となる。

【００２２】ここでは、説明を容易とするために、特徴
空間が１次元の場合について説明する。

【００２３】図３に示すように、特徴量の中で、特徴空
間における対象の分布を代表づける特徴量を代表特徴量
とする。そして、図４（ａ）に示すように、各候補特徴
量ごとに特徴空間上の任意の範囲の領域に、それぞれの
座標に応じた重みの分布を設定する。この重みの値はオ
ペレータにより任意に設定され、その候補特徴量と同様
に重要と考えられる特徴量ほど高い値に設定される。そ
れから、図４（ｂ）に示すように、特徴空間上におい
て、対象毎の頻度が求められる。そして、図４（ｃ）に
示すように、特徴空間上における対象の頻度の分布に各
候補特徴量について設定した重みの分布がかけられてそ
の総和をとる作業が行われる。全ての候補特徴量につい
て上述の操作が行われ、その総和の大きい候補が代表特
徴量とされる。

【００２４】従って、ＣＰＵ１により特徴量ごとの頻度
を表す特徴空間内で代表特徴量を複数の候補特徴量の中
から選ぶ際、各候補特徴量について任意の範囲に設定し
た重みの分布が、特徴空間の頻度の分布に掛け合わさ
れ、その総和の大きいものが代表特徴量として選ばれ
る。これにより、特徴量の頻度が、１箇所に集まらず、
ある程度広がった分布を持っている場合、図５（ａ）に
示すように、その分布が考慮される。また、少々の誤差
で特徴量の分布の中心が候補特徴量からずれている場合
などにも影響が少なくなるので、図５（ｂ）に示すよう
に、特徴量の誤差の影響にも対処できる。

【００２５】更に、人間の感覚において同一と考えられ
る特徴空間の領域等を考慮した重みが設定され、図５
（ｃ）に示すように、特徴の種類によって重みの分布の
形が変更されて設定されることが可能である。また、用
途によっては、複数の候補特徴量の重みの分布の範囲が
重なり合わせて設定されることが可能なので、特徴量が
連続して変化していくにつれて性質が変化していく対象
についても考慮することができる。

【００２６】以下、本実施例の動作を図６を参照しなが
ら説明する。この場合の対象はカラー画像であり、特徴
量が色である。なお、以下の説明において、一画素につ
いてＲ：赤（０〜２５５）、Ｇ：緑（０〜２５５）、
Ｂ：青（０〜２５５）のカラー情報が記録されている画
像が用いられる。

【００２７】画像の任意の大きさの部分領域（例えば８
×８画素の領域）において、代表特徴量（代表色）を候
補特徴量（候補色）より選び、選ばれた代表特徴量をそ
の領域の画像情報とする場合、図８に示すように、Ｒ、
Ｇ、Ｂを軸とする３次元特徴空間を作った後、端末装置
５からの指示により代表色の候補となる複数の色（候補
色：ａ，ｂ，ｃ）が空間上の任意の座標に指定される。
そして、重み記録用のＲ、Ｇ、Ｂ３次元特徴空間がそれ
ぞれの特徴量毎に用意され、重みの分布が設定される。
例えば、図７に示すように、ある候補特徴量（候補色
ａ）の重みの分布例では、重みの値は同心球状に分布し
ており、それぞれの球上にある座標の重みの値は１．
０、０．８、０．５、０．２というようになっている。

【００２８】それから、対象の領域の画素毎のＲＧＢ値
による頻度を求め、図９に示すように、その記録用に用
意したＲＧＢ３次元特徴空間上に求めた頻度が記録され
る。更に、それぞれの候補色について前もって設定した
特徴空間上の座標の重みに、それに対応する座標に記録
された頻度が掛け合わされ、それらの総和が求められ
る。説明を簡略するため、３次元の特徴空間を１次元に
置き換えると、図４（ａ）、（ｂ）、（ｃ）のようにな
る。なお、図４（ａ）は特徴空間が横軸かつ重みが縦軸
に選ばれており、図４（ｂ）は特徴空間が横軸かつ頻度
の値が縦軸に選ばれている。図４（ｃ）は、上記した図
４（ａ）と図４（ｂ）の２つを掛け合わせてそれらの総
和を求めたものとなる。そして、上述のように求めた総
和が多い候補色が代表色として選択される。代表色が複
数必要な場合は、総数の多い順番で選ばれる。また、予
め所定の閾値を用意しておき、その閾値より総数が大き
い候補色を代表色としてもよい。

【００２９】以上のような方法によって、色の誤差によ
る空間上での拡散や人間の感覚における同色領域等を考
慮にいれて、重みを自由に設定することができるので、
本実施例を意図する用途に用いることができる。

【００３０】以下、図１を参照しながら、本発明の代表
特徴量抽出装置の第１の実施例を説明する。

【００３１】本実施例による代表特徴量抽出装置は、図
１に示すように、全体を制御する制御部１１を有してお
り、制御部１１には、データとして入力された特徴量に
対応する重み記録用メモリ上のアドレス１００を求める
アドレス変換部１２と、特徴量をアドレスとして重みの
分布を記憶している重み記録用メモリ１３と、求められ
たアドレスから読み出した重みの値１０１を累積記録メ
モリ１５に記録されている累積値１０２と加算する加算
器１４と、加算器１４により加算された値１０３を記録
する累積記録メモリ１５と、各候補特徴量ごとに累積さ
れた累積値１０４を比較して最大値をもつ候補特徴量を
代表特徴量１０５とする比較回路１６とが接続されてい
る。重み記録用メモリ１３には、候補特徴量における重
みの分布が設定されており、重みの分布が設定されてい
る部分が特徴空間全体から取り出された部分空間の形と
なっている。従って、部分空間の一番小さい座標におけ
る重みが重み記録用メモリ１３の先頭アドレスに記憶さ
れている。

【００３２】次に上記構成にてなる代表特徴量抽出装置
の動作について説明する。

【００３３】制御部１１からの制御信号１０６により各
部が初期設定される。そして、アドレス変換部１２に画
像データ１０７が１画素毎に入力されると、アドレス変
換部１２により画像データ１０７として入力された特徴
量に対応する重み記録用メモリ１３上のアドレスが求め
られる。具体的には、アドレス変換部１２には切り出さ
れた部分空間の一番小さい座標が記録されており、入力
されたデータの値からこの最小の特徴量を差し引くと、
差し引いた値を求めるアドレスの値とする。例えば、８
bit 濃淡画像の場合、データ値を４５、最小の特徴量を
３０とすると、アドレスは１５となる。また２４bit カ
ラー画像の場合、上位８bit について、データ値を５
２、最小の特徴量を２０とすると、アドレスは３２とな
り、中位８bit について、データ値を３８、最小の特徴
量を１４とすると、アドレスは２４となり、上位８bit
について、データ値を１０５、最小の特徴量を５１とす
ると、アドレスは５４となる。このように、カラーの場
合は、上位、中位、下位８bit 毎に差を取る。

【００３４】求められたアドレスから読み出された重み
の値１０１は、加算器４によって累積記録メモリ１５に
記録されている累積値１０２と加算され、その加算され
た値１０３が再び累積記録メモリ１５に記録される。な
お、アドレス変換部１２、重み記録用メモリ１３及び累
積記録メモリ１５は、各候補特徴量ごとに別々に値が記
録できるようになっており、一つの候補特徴量について
の計算が終わると、引き続き他の候補特徴量についての
計算が行われる。このようにして、一つのデータに対し
て設定されている複数の候補特徴量すべてについての計
算が行われる。そして、全データが入力されると、候補
特徴量別に累積された値が取り出され、比較回路６によ
りこの累積値１０４が比較され、最大値を持つ候補特徴
量が代表特徴量１０５として出力される。

【００３５】なお、特徴空間が極端に大きく、重み記録
用メモリ１３の必要容量が膨大になってしまうと予想さ
れる場合、オペレータは、特徴空間を間引きして複数の
範囲に一つの重みを割り当てたり、重みの取り得る値の
段階を少なくすることで重み記録用メモリ１３の必要容
量が膨大になることを防止する。また、重みの値が中心
（候補特徴量）からの距離と１対１の関係で表される場
合、候補特徴量からの距離のみを記憶しておく方法でも
重み記録用メモリ１３の必要容量の膨大を防止する。更
に、重みの値が中心（候補特徴量）からの距離の関数に
なっている場合、重み記録用メモリ１３の代わりにプロ
セッサによりその関数を保持させることも可能である。

【００３６】以下、図１０を参照しながら、各候補特徴
量ごとに同時に重みの読み出し、累積処理を実現する代
表特徴量抽出装置の第２の実施例を説明する。本実施例
においては、四つの候補特徴量についての処理を行う場
合について示しているが、五つ以上の候補特徴量を処理
を行う場合にも同様に行える。

【００３７】本実施例は、制御部９１を有している。

【００３８】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス１２０を求
めるアドレス変換部２２と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ２３と、求め
られたアドレスから読み出した重みの値１２１を累積記
録メモリ２５に記録されている累積値１２２と加算する
加算器２４と、加算器２４により加算された値１２３を
記録する累積記録メモリ２５とを有する。この構成は第
１の候補特徴量に対応する。

【００３９】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス１３０を求
めるアドレス変換部３２と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ３３と、求め
られたアドレスから読み出した重みの値１３１を累積記
録メモリ３５に記録されている累積値１３２と加算する
加算器３４と、加算器３４により加算された値１３３を
記録する累積記録メモリ３５とを有する。この構成は第
２の候補特徴量に対応する。

【００４０】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス１４０を求
めるアドレス変換部４２と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ４３と、求め
られたアドレスから読み出した重みの値１４１を累積記
録メモリ４５に記録されている累積値１４２と加算する
加算器４４と、加算器４４により加算された値１４３を
記録する累積記録メモリ４５とを有する。この構成は第
３の候補特徴量に対応する。

【００４１】本実施例は、データとして入力された特徴
量に対応する重み記録用メモリ上のアドレス１５０を求
めるアドレス変換部５２と、特徴量をアドレスとして重
みの分布を記憶している重み記録用メモリ５３と、求め
られたアドレスから読み出した重みの値１５１を累積記
録メモリ５５に記録されている累積値１５２と加算する
加算器５４と、加算器５４により加算された値１５３を
記録する累積記録メモリ５５とを有する。この構成は第
４の候補特徴量に対応する。

【００４２】本実施例は、前記累積記録メモリ２５，３
５，４５，５５の各々から出力される候補特徴量の累積
値を比較し、最大値をもつ候補特徴量を代表特徴量１２
５として出力する比較回路９６を有する。

【００４３】制御部９１には、アドレス変換部２２と、
アドレス変換部３２と、アドレス変換部４２と、アドレ
ス変換部５２とが個別に接続されている。

【００４４】更に、制御部９１には、重み記録メモリ２
３と、重み記録メモリ３３と、重み記録メモリ４３と、
重み記録メモリ５３とが共通に接続されている。

【００４５】また、アドレス変換部２２と、アドレス変
換部３２と、アドレス変換部４２と、アドレス変換部５
２は、それぞれ画像データ１２７を入力する。

【００４６】次に本実施例の動作について説明する。

【００４７】一つのデータ１２７が与えられると、複数
の候補特徴量が平行してデータに対応するそれぞれの重
みの値１２１，１３１，１４１，１５１は、加算器２
４，３４，４４，５４により累積記録メモリ２５，３
５，４５，５５に記録されている累積値１２２，１３
２，１４２，１５２に加算され、その加算値１２３，１
３３，１４３，１５３が再び累積記録メモリ２５，３
５，４５，５５に夫々保存される。そして、全データの
計算が終了すると同時に、候補特徴量別に各々累積され
た値１２４，１３４，１４４，１５４が比較回路９６に
より比較され、最大値を持つ候補特徴量が代表特徴量１
２５として出力される。そのため、本実施例において
は、各候補特徴量ごとに同時に複数の候補特徴量の処理
を行うため、処理時間の大幅な短縮が可能となる。

【００４８】以下、図１１を参照しながら、本発明によ
る第２の代表特徴量抽出方法の実施例を説明する。な
お、本発明を実施するためのハードウェアは図２の示す
ものと同一である。

【００４９】まず、１枚の画像データが小領域に分割さ
れ（ステップＳ１）、それぞれの小領域での特徴量であ
る小領域でのヒストグラムなどが抽出される（ステップ
Ｓ２）。それから、各小領域で求めた特徴量に重みつけ
が行われ、画像データの特徴量が算出される（ステップ
Ｓ３）。なお、重みつけを行う際には、重要と考えられ
る箇所である画像データの中央部分の小領域等に大きな
重みつけが行われる。そして、重みつけを行った特徴量
を用いて画像検索等の画像処理が行われる。

【００５０】図１２は、画像データのそれぞれの小領域
にどのような重みつけがされるかを示したものである。
白い部分（１〜２４）はこの小領域の特徴量に「１」の
重みつけが行われ、Ａの部分（２５〜４０）はこの小領
域の特徴量に「２」の重みつけが行われ、Ｂの部分（４
１〜４８）はこの小領域の特徴量に「３」の重みつけが
行われ、Ｃの部分（５０）はこの小領域の特徴量に
「４」の重みつけが行われる。

【００５１】図１３（ａ）は、本発明の結果をグラフ化
したものである。ここでは、図１７及び図１８の画像デ
ータの中央の特徴量（1-5 と2-5 ）に対して「２」の重
みつけが行われ、その他の周辺の領域の特徴量に対して
「１」の重みつけが行われている。従来方法の結果を示
す図１３（ｂ）では、2-7,2-8,2-9 における特徴量が2-
5 の特徴量より大きくなっており、その結果テーブルの
上に乗っている器が位置する小領域2-5 の特徴量が2-7,
2-8,2-9 の特徴量に押されている。しかし、本発明が適
用された結果を示す図１３（ａ）では、2-5 の特徴量に
２倍の重みつけが行われることにより、2-5 の特徴量が
他の領域の特徴量よりも相対的に大きくなる。この結
果、テーブルの上に乗っている器が位置する小領域2-5
の特徴量が他の領域2-7,2-8,2-9 より際立つこととな
る。従って、図１７の図形と図１８の図形とを比較する
場合、テーブルの上に乗っている器の特徴をよく反映さ
せることができる。

【００５２】

【発明の効果】以上説明したように、本発明の第１の代
表特徴量抽出方法によれば、特徴量ごとの頻度を表す特
徴空間内で代表特徴量が、予め候補として用意された複
数の候補特徴量の中から選ばれる際、各候補特徴量につ
いて任意の範囲に設定した重みの分布と、特徴空間の頻
度の分布とを掛け合わせ、各候補特徴量について掛け合
わせた値の総和を求め、総和が最大である候補特徴量を
代表特徴量として選ぶように構成しているので、特徴空
間における誤差や分布の広がりを考慮にいれて代表特徴
量が抽出されるため、正確に代表特徴量が抽出できる。

【００５３】本発明による代表特徴量抽出装置によれ
ば、重み記録用メモリにより特徴量をアドレスとして重
みの分布が記憶され、アドレス変換部によりデータとし
て入力された特徴量に対応する重み記録用メモリ上のア
ドレスが求められ、求められたアドレスから読み出した
重みの値が加算器により累積記録メモリに記録されてい
る累積値と加算され、加算器により加算された値が累積
記録メモリにより記録され、候補特徴量ごとに累積され
た累積値が比較されて最大値をもつ候補特徴量が比較回
路により代表特徴量とされるように構成したので、特徴
空間における誤差や分布の広がりを考慮にいれて代表特
徴量が抽出され、正確に代表特徴量が抽出できる。

【００５４】本発明の第２の代表特徴量抽出方法によれ
ば、１枚の画像データが所定の複数領域に分割され、そ
れぞれの小領域から特徴量が抽出され、抽出された各特
徴量に重みが付けられ、所望の小領域の特徴量に大きな
重み付けが行われて画像データの特徴量が算出されるよ
うに構成したので、画像データの重要と思われる領域の
特徴量を強調して、その画像の特徴量をより効果的に表
わすことができる。

【図面の簡単な説明】

【図１】本発明の代表特徴量抽出装置の第１の実施例の
ブロック図を示す。

【図２】本発明を代表特徴量抽出方法を実施するための
ハードウェアの一例を示すブロック図である。

【図３】本発明の動作を説明するために用いる図であ
る。

【図４】本発明の第１の代表特徴量抽出方法の実施例の
動作を説明する図である。

【図５】本発明の第１の代表特徴量抽出方法の実施例の
動作を説明する図である。

【図６】本発明の第１の代表特徴量抽出方法の実施例の
動作を説明する図である。

【図７】本発明の第１の代表特徴量抽出方法の実施例の
動作を説明する図である。

【図８】本発明の第１の代表特徴量抽出方法の実施例の
動作を説明する図である。

【図９】本発明の第１の代表特徴量抽出方法の実施例の
動作を説明する図である。

【図１０】本発明の第２の代表特徴量抽出装置の第２の
実施例の構成を示すブロック図である。

【図１１】本発明の第２の代表特徴量抽出方法の実施例
の動作を説明する図である。

【図１２】本発明の代表特徴量抽出方法の実施例の動作
を説明するための図である。

【図１３】本発明の効果を説明するための図である。

【図１４】従来の代表特徴量抽出方法の動作を説明する
図である。

【図１５】従来の代表特徴量抽出方法の動作を説明する
図である。

【図１６】従来の代表特徴量抽出方法の動作を説明する
図である。

【図１７】画像データ例を示す第１の図である。

【図１８】画像データ例を示す第２の図である。

【図１９】従来の代表特徴量抽出方法の動作を説明する
図である。

【符号の説明】

１１ 制御部 １２ アドレス変換部 １３ 重み記録用メモリ １４ 加算器 １５ 累積記録メモリ １６ 比較回路

Claims (3)

【特許請求の範囲】
1. 【請求項１】 特徴量に対する頻度が求められる所定の
   対象において、特徴量ごとの頻度を表す特徴空間内で最
   も代表的な特徴量である代表特徴量を、予め候補として
   用意された複数の候補特徴量の中から選ぶ代表特徴量抽
   出方法であって、各候補特徴量について任意の範囲にお
   いて重みの分布を設定し、この設定された重みの分布を
   前記特徴空間の頻度の分布とを掛け合わせ、掛け合わせ
   た値の総和を求め、当該総和が最大である候補特徴量を
   代表特徴量として選ぶことを特徴とする代表特徴量抽出
   方法。
2. 【請求項２】 複数の候補特徴量を含むデータを受容
   し、前記複数の候補特徴量の中の代表特徴量を抽出する
   代表特徴量抽出装置であって、各候補特徴量について重
   みの分布としてのアドレスを記録し、入力されるアドレ
   スに対応する重みの値を出力する重み記録手段と、前記
   受容された各候補特徴量に対応する前記重み記録手段に
   おけるアドレスを求め、前記求められたアドレスを前記
   重み記録手段に前記入力されるアドレスとして出力する
   アドレス手段と、前記重み記録手段より出力される重み
   の値と所定の値とを加算する加算手段と、前記加算手段
   により加算された値を累積値として記録するとともに当
   該累積値を前記所定の値として前記加算手段に供給する
   累積記録手段と、前記累積記録手段に記録されている候
   補特徴量ごとに累積された累積値を比較し、最大値をも
   つ候補特徴量を代表特徴量とする比較手段とを具備する
   ことを特徴とする代表特徴量抽出装置。
3. 【請求項３】 １枚の画像データを複数の所定の小領域
   に分割する段階と、分割されたそれぞれの小領域から特
   徴量を抽出する段階と、抽出された各特徴量に重みを付
   ける段階とを含み、所望の小領域の特徴量に大きな重み
   付けが行われることを特徴とする代表特徴量抽出方法。