JPH10275211A - 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 - Google Patents
画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法Info
- Publication number
- JPH10275211A JPH10275211A JP9078651A JP7865197A JPH10275211A JP H10275211 A JPH10275211 A JP H10275211A JP 9078651 A JP9078651 A JP 9078651A JP 7865197 A JP7865197 A JP 7865197A JP H10275211 A JPH10275211 A JP H10275211A
- Authority
- JP
- Japan
- Prior art keywords
- curve
- data
- image
- image data
- feature
- 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.)
- Withdrawn
Links
Landscapes
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 データベースを構築する作業にはかなりの労
力を要するし、また実際の検索時には検索者の主観が支
配的になり正確な検索を行うにはかなりの時間を要して
しまうことがあった。 【解決手段】 特徴抽出部３は、比較の基準となる標準
タイヤの画像の特徴データを作成すると共に、対象とな
るタイヤ痕の画像の特徴データを作成する。大容量ディ
スク状記録媒体８は、特徴抽出部３からの上記標準タイ
ヤの画像の特徴データを蓄積している。照合部１０は、
特徴抽出部３からの上記対象となるタイヤ痕の画像の特
徴データと上記ＨＤＤ８からの上記標準タイヤの画像の
特徴データとを比較して上記対象となる画像に類似した
上記標準タイヤの画像を検索する。
力を要するし、また実際の検索時には検索者の主観が支
配的になり正確な検索を行うにはかなりの時間を要して
しまうことがあった。 【解決手段】 特徴抽出部３は、比較の基準となる標準
タイヤの画像の特徴データを作成すると共に、対象とな
るタイヤ痕の画像の特徴データを作成する。大容量ディ
スク状記録媒体８は、特徴抽出部３からの上記標準タイ
ヤの画像の特徴データを蓄積している。照合部１０は、
特徴抽出部３からの上記対象となるタイヤ痕の画像の特
徴データと上記ＨＤＤ８からの上記標準タイヤの画像の
特徴データとを比較して上記対象となる画像に類似した
上記標準タイヤの画像を検索する。
Description
【０００１】
【発明の属する技術分野】本発明は、画像の部分的な特
徴を示す特徴データを作成する画像の特徴データ作成装
置及び方法並びに比較の対象となる画像の特徴データと
基準となる画像の特徴データとを照合し、対象となる画
像に類似した画像を基準となる画像から検索する画像デ
ータの検索装置及び方法に関する。
徴を示す特徴データを作成する画像の特徴データ作成装
置及び方法並びに比較の対象となる画像の特徴データと
基準となる画像の特徴データとを照合し、対象となる画
像に類似した画像を基準となる画像から検索する画像デ
ータの検索装置及び方法に関する。
【０００２】
【従来の技術】近年、車による犯罪が増加し、その被害
は後を絶たない。そのため、一刻も早く犯人を割り出
し、捜索、逮捕に結び付けるためには、現場に残された
タイヤ痕から迅速に車を断定する必要がある。
は後を絶たない。そのため、一刻も早く犯人を割り出
し、捜索、逮捕に結び付けるためには、現場に残された
タイヤ痕から迅速に車を断定する必要がある。
【０００３】現在このタイヤ痕からの車の断定は、現場
に残されたタイヤ痕をカメラにより撮影して、データベ
ース上に登録された数万とある標準タイヤのトレッドー
パターンと比較することによって行われている。
に残されたタイヤ痕をカメラにより撮影して、データベ
ース上に登録された数万とある標準タイヤのトレッドー
パターンと比較することによって行われている。
【０００４】
【発明が解決しようとする課題】ところで、データベー
スを構築する作業にはかなりの労力を要するし、また実
際の検索時には検索者の主観が支配的になり正確な検索
を行うにはかなりの時間を要してしまうことがあった。
スを構築する作業にはかなりの労力を要するし、また実
際の検索時には検索者の主観が支配的になり正確な検索
を行うにはかなりの時間を要してしまうことがあった。
【０００５】先ず、標準タイヤの特徴をデータベース化
する場合、次の表１に示すような「溝の特徴」、「溝
数」、「パターンの形状」等の入力分野と、それぞれの
分類、例えば入力分野が「溝の特徴」の場合には１：
「溝が山型」、：「溝が波型」、３：「溝が直線」・・
・１０「その他」を用意しておき、人が判断して分類し
ていた。そして、これらの情報をキーにして複合検索
し、目的の情報を得ていた。
する場合、次の表１に示すような「溝の特徴」、「溝
数」、「パターンの形状」等の入力分野と、それぞれの
分類、例えば入力分野が「溝の特徴」の場合には１：
「溝が山型」、：「溝が波型」、３：「溝が直線」・・
・１０「その他」を用意しておき、人が判断して分類し
ていた。そして、これらの情報をキーにして複合検索
し、目的の情報を得ていた。
【０００６】
【表１】
【０００７】例えば、「パターンの形状」から“４角形
の特徴形状があるもの”を検索すると、４角形の特徴形
状を持つすべてのタイヤが候補となってしまい、各々の
４角形が持つ“長方形”、“正方形”、“台形”等の特
徴は検索対象にはならなかった。このため、上記の特徴
を複数指定して複合検索しても、十分な検索効果が得ら
れず、最終的には絞り切れていない候補群から、人の主
観によって判断していた。
の特徴形状があるもの”を検索すると、４角形の特徴形
状を持つすべてのタイヤが候補となってしまい、各々の
４角形が持つ“長方形”、“正方形”、“台形”等の特
徴は検索対象にはならなかった。このため、上記の特徴
を複数指定して複合検索しても、十分な検索効果が得ら
れず、最終的には絞り切れていない候補群から、人の主
観によって判断していた。
【０００８】特に、タイヤが図９の（Ａ）〜（Ｃ）に示
すような複雑なトレッドパターンを持つ場合には、上記
表１に示したような各入力分野毎には簡単に分類でき
ず、「その他」として分類され、検索が困難になってし
まっていた。
すような複雑なトレッドパターンを持つ場合には、上記
表１に示したような各入力分野毎には簡単に分類でき
ず、「その他」として分類され、検索が困難になってし
まっていた。
【０００９】このほか、人が判断してタイヤを分類する
ため、例えば「溝が山型」であるのか、「溝が波型」で
あるのか、分類が曖昧となる場合があった。たとえデー
タベースを構築する基準を一定にしても、通常、検索は
複数の人間が各々の基準で検索条件を設定するため、検
索条件が曖昧となり、目的の情報を得られないこともあ
った。
ため、例えば「溝が山型」であるのか、「溝が波型」で
あるのか、分類が曖昧となる場合があった。たとえデー
タベースを構築する基準を一定にしても、通常、検索は
複数の人間が各々の基準で検索条件を設定するため、検
索条件が曖昧となり、目的の情報を得られないこともあ
った。
【００１０】また、画像自体を照合して検索する方法も
考えられるが、この方法だと照合する画像間の大きさ、
方向、領域が一致し、ほとんど同じ画像間でなければ検
索できなかった。しかし、タイヤは共振音を防ぐため、
回転方向に少しずつトレッドパターンを変更してあった
り、様々なサイズがあり、同一のタイヤでさえこの方法
では検索することが難しい。さらに、間接的情報である
タイヤ痕との照合はほとんどできない。
考えられるが、この方法だと照合する画像間の大きさ、
方向、領域が一致し、ほとんど同じ画像間でなければ検
索できなかった。しかし、タイヤは共振音を防ぐため、
回転方向に少しずつトレッドパターンを変更してあった
り、様々なサイズがあり、同一のタイヤでさえこの方法
では検索することが難しい。さらに、間接的情報である
タイヤ痕との照合はほとんどできない。
【００１１】本発明は上記実情に鑑みてなされたもので
あり、比較の基準となる物体、例えば標準タイヤの特徴
を客観的にデータ化する画像の特徴データ作成装置及び
方法の提供を目的とする。
あり、比較の基準となる物体、例えば標準タイヤの特徴
を客観的にデータ化する画像の特徴データ作成装置及び
方法の提供を目的とする。
【００１２】また、本発明は、上記画像の特徴データ作
成装置及び方法により作成された比較の基準の画像の特
徴データをデータベース化し、比較の対象となる対象物
の画像に歪みや傷があったり、断片的であったりしても
容易に目的の情報を検索できる画像データの検索装置及
び方法の提供を目的とする。
成装置及び方法により作成された比較の基準の画像の特
徴データをデータベース化し、比較の対象となる対象物
の画像に歪みや傷があったり、断片的であったりしても
容易に目的の情報を検索できる画像データの検索装置及
び方法の提供を目的とする。
【００１３】
【課題を解決するための手段】本発明に係る画像の特徴
データ作成装置は、上記課題を解決するため、曲線抽出
手段が画像データより抽出した曲線を数値化手段が等間
隔に分割してから直交変換して数値化するので、比較の
対象となる物体の特徴を客観的にデータ化できる。
データ作成装置は、上記課題を解決するため、曲線抽出
手段が画像データより抽出した曲線を数値化手段が等間
隔に分割してから直交変換して数値化するので、比較の
対象となる物体の特徴を客観的にデータ化できる。
【００１４】また、本発明に係る画像の特徴データ作成
方法は、上記課題を解決するため、曲線抽出工程が画像
データより抽出した曲線を数値化工程が等間隔に分割し
てから直交変換して数値化するので、比較の対象となる
物体の特徴を客観的にデータ化できる。
方法は、上記課題を解決するため、曲線抽出工程が画像
データより抽出した曲線を数値化工程が等間隔に分割し
てから直交変換して数値化するので、比較の対象となる
物体の特徴を客観的にデータ化できる。
【００１５】本発明に係る画像データの検索装置は、上
記課題を解決するために、基準特徴データ蓄積手段に蓄
積されている基準特徴データと、対象となる画像データ
の特徴を表す対象画像特徴データとを照合手段で比較
し、上記対象となる画像データに類似した上記基準特徴
データを検索するので、対象となる画像データに傷等が
あっても客観的な検索を実現できる。
記課題を解決するために、基準特徴データ蓄積手段に蓄
積されている基準特徴データと、対象となる画像データ
の特徴を表す対象画像特徴データとを照合手段で比較
し、上記対象となる画像データに類似した上記基準特徴
データを検索するので、対象となる画像データに傷等が
あっても客観的な検索を実現できる。
【００１６】また、本発明に係る画像データの検索装置
は、上記課題を解決するために、基準特徴データ蓄積工
程により蓄積されてた基準特徴データと、対象となる画
像データの特徴を表す対象画像特徴データとを照合工程
で比較し、上記対象となる画像データに類似した上記基
準特徴データを検索するので、対象となる画像データに
傷等があっても客観的な検索を実現できる。
は、上記課題を解決するために、基準特徴データ蓄積工
程により蓄積されてた基準特徴データと、対象となる画
像データの特徴を表す対象画像特徴データとを照合工程
で比較し、上記対象となる画像データに類似した上記基
準特徴データを検索するので、対象となる画像データに
傷等があっても客観的な検索を実現できる。
【００１７】
【発明の実施の形態】以下、本発明に係る画像の特徴デ
ータの作成装置及び方法並びに画像データの検索装置及
び方法の実施の形態について図面を参照しながら説明す
る。
ータの作成装置及び方法並びに画像データの検索装置及
び方法の実施の形態について図面を参照しながら説明す
る。
【００１８】この実施の形態は、犯罪現場に残された被
疑タイヤ痕のトレッドパターンの特徴とデータベースに
蓄積された標準タイヤのトレッドパターンの特徴を照合
することにより被疑タイヤ（車両）に類似した標準タイ
ヤを検索する図１に示すような被疑タイヤ検索装置であ
る。
疑タイヤ痕のトレッドパターンの特徴とデータベースに
蓄積された標準タイヤのトレッドパターンの特徴を照合
することにより被疑タイヤ（車両）に類似した標準タイ
ヤを検索する図１に示すような被疑タイヤ検索装置であ
る。
【００１９】この被疑タイヤ検索装置は、上記特徴デー
タの作成方法を適用して比較の基準となる標準タイヤの
画像の特徴データを作成すると共に、対象となるタイヤ
痕の画像の特徴データを作成する特徴抽出部３と、この
特徴抽出部３からの上記標準タイヤの画像の特徴データ
を蓄積している例えばハードディスクドライブ（ＨＤ
Ｄ）のような大容量ディスク状記録媒体８（以下、ＨＤ
Ｄ８とする。）と、上記特徴抽出部３からの上記対象と
なるタイヤ痕の画像の特徴データと上記ＨＤＤ８からの
上記標準タイヤの画像の特徴データとを比較して上記対
象となる画像に類似した上記標準タイヤの画像を検索す
る照合部１０とを有して成る。
タの作成方法を適用して比較の基準となる標準タイヤの
画像の特徴データを作成すると共に、対象となるタイヤ
痕の画像の特徴データを作成する特徴抽出部３と、この
特徴抽出部３からの上記標準タイヤの画像の特徴データ
を蓄積している例えばハードディスクドライブ（ＨＤ
Ｄ）のような大容量ディスク状記録媒体８（以下、ＨＤ
Ｄ８とする。）と、上記特徴抽出部３からの上記対象と
なるタイヤ痕の画像の特徴データと上記ＨＤＤ８からの
上記標準タイヤの画像の特徴データとを比較して上記対
象となる画像に類似した上記標準タイヤの画像を検索す
る照合部１０とを有して成る。
【００２０】この被疑タイヤ検索装置は、ＨＤＤ８に特
徴データを登録し、データベースを構築するデータベー
ス構築系と、照合部１０を用いてデータの検索を行うデ
ータ検索系に大きく分けることができる。
徴データを登録し、データベースを構築するデータベー
ス構築系と、照合部１０を用いてデータの検索を行うデ
ータ検索系に大きく分けることができる。
【００２１】先ず、データベース構築系の構成について
説明する。このデータベース構築系は、未使用のタイヤ
の画像を取り込むスキャナやディジタルカメラのような
画像入力部１と、標準タイヤの型番、製造会社、装着車
両等の属性を入力する属性入力部２と、上記特徴抽出部
３と、画像入力部１、属性入力部２及び上記特徴抽出部
３からの各入力データをＨＤＤ８に登録する登録部７
と、ＨＤＤ８とにより構成され、図中実線で接続してい
る。さらに、特徴抽出部３内部には、画像入力部１で取
り込まれたタイヤ画像から非対称、６角形、溝が無い等
タイヤの特徴を表現する言葉を選択して入力する言語入
力部４と、上記タイヤ画像から特徴を表す曲線を抽出す
る曲線抽出部５と、この曲線抽出部５で抽出された曲線
を等間隔で分割し、この分割曲線を直交変換して数値化
する数値化部６とが備えられている。
説明する。このデータベース構築系は、未使用のタイヤ
の画像を取り込むスキャナやディジタルカメラのような
画像入力部１と、標準タイヤの型番、製造会社、装着車
両等の属性を入力する属性入力部２と、上記特徴抽出部
３と、画像入力部１、属性入力部２及び上記特徴抽出部
３からの各入力データをＨＤＤ８に登録する登録部７
と、ＨＤＤ８とにより構成され、図中実線で接続してい
る。さらに、特徴抽出部３内部には、画像入力部１で取
り込まれたタイヤ画像から非対称、６角形、溝が無い等
タイヤの特徴を表現する言葉を選択して入力する言語入
力部４と、上記タイヤ画像から特徴を表す曲線を抽出す
る曲線抽出部５と、この曲線抽出部５で抽出された曲線
を等間隔で分割し、この分割曲線を直交変換して数値化
する数値化部６とが備えられている。
【００２２】次に、データ検索系の構成について説明す
る。このデータ検索系は、例えば犯罪現場に残されたタ
イヤ痕を写し出した対象画像を取り込むスキャナやディ
ジタルカメラのような対象画像入力部９と、言語入力部
４と曲線抽出部５と数値化部６とからなる上記特徴抽出
部３と、この特徴抽出部３からの対象画像の特徴データ
とＨＤＤ８に蓄積された標準タイヤの特徴データとを比
較して対象となるタイヤの画像データに類似した上記標
準タイヤの特徴データを検索する照合部１０と、この照
合部１０での検索結果を表示する検索結果表示部１１と
により構成され、図中破線で接続している。
る。このデータ検索系は、例えば犯罪現場に残されたタ
イヤ痕を写し出した対象画像を取り込むスキャナやディ
ジタルカメラのような対象画像入力部９と、言語入力部
４と曲線抽出部５と数値化部６とからなる上記特徴抽出
部３と、この特徴抽出部３からの対象画像の特徴データ
とＨＤＤ８に蓄積された標準タイヤの特徴データとを比
較して対象となるタイヤの画像データに類似した上記標
準タイヤの特徴データを検索する照合部１０と、この照
合部１０での検索結果を表示する検索結果表示部１１と
により構成され、図中破線で接続している。
【００２３】以下、この被疑タイヤ検索装置の動作につ
いて図２〜図７を参照しながら説明する。
いて図２〜図７を参照しながら説明する。
【００２４】先ず、上記データベース構築系の全体的な
動作について説明する。画像入力部１で入力される標準
タイヤ画像は未使用のタイヤ画像であり、この未使用の
タイヤ画像を見ながら操作者は、図２のステップＳ１で
例えばキーボードやマウス等の入力デバイスを備える属
性入力部２より上記属性を入力する。また、これと同時
に操作者はキーボードやマウス等の入力デバイスを備え
た言語入力部４を使ってタイヤの上記特徴を言語として
入力する。また、操作者は、ステップＳ２で上記未使用
のタイヤ画像を見ながら特徴となる部分を例えばマウス
等のポインティングデバイスを用いて曲線として指定し
曲線抽出部５を使って抽出する。この曲線抽出部５から
の曲線は後述するように数値化部６により等間隔に分割
され、直交変換されて数値化されてからステップＳ３に
示すように、登録部７を介して上記属性データや画像デ
ータそのものと共にＨＤＤ８に登録される。これらの操
作をステップＳ４で登録終了となるまで、タイヤから得
られる特徴毎に繰り返し、タイヤの複数の情報をデータ
ベースに格納する。
動作について説明する。画像入力部１で入力される標準
タイヤ画像は未使用のタイヤ画像であり、この未使用の
タイヤ画像を見ながら操作者は、図２のステップＳ１で
例えばキーボードやマウス等の入力デバイスを備える属
性入力部２より上記属性を入力する。また、これと同時
に操作者はキーボードやマウス等の入力デバイスを備え
た言語入力部４を使ってタイヤの上記特徴を言語として
入力する。また、操作者は、ステップＳ２で上記未使用
のタイヤ画像を見ながら特徴となる部分を例えばマウス
等のポインティングデバイスを用いて曲線として指定し
曲線抽出部５を使って抽出する。この曲線抽出部５から
の曲線は後述するように数値化部６により等間隔に分割
され、直交変換されて数値化されてからステップＳ３に
示すように、登録部７を介して上記属性データや画像デ
ータそのものと共にＨＤＤ８に登録される。これらの操
作をステップＳ４で登録終了となるまで、タイヤから得
られる特徴毎に繰り返し、タイヤの複数の情報をデータ
ベースに格納する。
【００２５】言語入力部４でタイヤの特徴を表現する言
葉を選んで入力するのは、検索する候補を絞り、照合確
度を高めるためである。検索の対象となるタイヤ痕等は
タイヤから間接的に生成されるものであり、断片的であ
ったり、不鮮明であることが多い。不鮮明ながら、例え
ばタイヤのトレッドパターンが非対称であることが分か
れば、これはタイヤの大きな特徴であるので、照合する
候補を大幅に絞ることができ、照合確度を高めることが
できる。もしも、タイヤの特徴を表現する言葉が見あた
らなければ、特に指定しなくてもよい。
葉を選んで入力するのは、検索する候補を絞り、照合確
度を高めるためである。検索の対象となるタイヤ痕等は
タイヤから間接的に生成されるものであり、断片的であ
ったり、不鮮明であることが多い。不鮮明ながら、例え
ばタイヤのトレッドパターンが非対称であることが分か
れば、これはタイヤの大きな特徴であるので、照合する
候補を大幅に絞ることができ、照合確度を高めることが
できる。もしも、タイヤの特徴を表現する言葉が見あた
らなければ、特に指定しなくてもよい。
【００２６】上記図２のステップＳ２に示した部分的な
特徴の抽出は、図３に示すフローに細分化できる。この
部分的な特徴の抽出は、図１の曲線抽出部５と数値化部
６が行う。
特徴の抽出は、図３に示すフローに細分化できる。この
部分的な特徴の抽出は、図１の曲線抽出部５と数値化部
６が行う。
【００２７】曲線抽出部５では、タイヤの溝部分等、特
徴的な部分を自由曲線で表現する。曲線式はどのような
表現方法でも良いが、制御性を考えてここでは次の
（１）式で表せる３次のベジエ曲線Ｂ（ｕ）を用いる。
徴的な部分を自由曲線で表現する。曲線式はどのような
表現方法でも良いが、制御性を考えてここでは次の
（１）式で表せる３次のベジエ曲線Ｂ（ｕ）を用いる。
【００２８】
【数１】
【００２９】この３次のベジエ曲線Ｂ（ｕ）は、任意の
間隔で設定された複数の節点で区切られる複数の曲線セ
グメントをパラメトリックな空間曲線として表現してい
る。ここで、ｔは一方の節点から曲線セグメントに沿う
方向に他方の節点に至るまでの間に、０≦ｔ＜１で表さ
れるように値０から値１まで変化するパラメータであ
る。この３次のベジエ式で表される曲線は、本件出願人
が特開平１−２７７９６８号公報、特開平１−２７７９
６９号公報によって開示するように、シフト演算子Ｅに
よって複数の節点に制御点を指定し、この制御点を直感
的に動かすことで簡単に修正できる。
間隔で設定された複数の節点で区切られる複数の曲線セ
グメントをパラメトリックな空間曲線として表現してい
る。ここで、ｔは一方の節点から曲線セグメントに沿う
方向に他方の節点に至るまでの間に、０≦ｔ＜１で表さ
れるように値０から値１まで変化するパラメータであ
る。この３次のベジエ式で表される曲線は、本件出願人
が特開平１−２７７９６８号公報、特開平１−２７７９
６９号公報によって開示するように、シフト演算子Ｅに
よって複数の節点に制御点を指定し、この制御点を直感
的に動かすことで簡単に修正できる。
【００３０】実際には、図３のステップＳ１１で画像入
力部１から入力したタイヤ画像からタイヤの溝部分を通
過し、連続するｎ本のベジエ曲線群Ｂを操作者が図４に
示す流れで手動選択し曲線抽出部５を使って抽出する。
力部１から入力したタイヤ画像からタイヤの溝部分を通
過し、連続するｎ本のベジエ曲線群Ｂを操作者が図４に
示す流れで手動選択し曲線抽出部５を使って抽出する。
【００３１】すなわち、図４のステップＳ２１で特徴点
の設定を例えばマウスを使って開始し、ステップＳ２２
で特徴となる形状を持つ図５に示すようなトレッドパタ
ーン部分上に例えばａ，ｂ，ｃ，ｄ及びｅ点のように複
数の特徴点を入力する。この複数の特徴点はステップＳ
２３で記憶される。そして、ステップＳ２４で特徴点の
入力が終了したと判断すれば、ステップＳ２５で上記
ａ，ｂ，ｃ，ｄ及びｅ点の特徴点をベジエ曲線で結ん
で、５本の曲線群を抽出する。
の設定を例えばマウスを使って開始し、ステップＳ２２
で特徴となる形状を持つ図５に示すようなトレッドパタ
ーン部分上に例えばａ，ｂ，ｃ，ｄ及びｅ点のように複
数の特徴点を入力する。この複数の特徴点はステップＳ
２３で記憶される。そして、ステップＳ２４で特徴点の
入力が終了したと判断すれば、ステップＳ２５で上記
ａ，ｂ，ｃ，ｄ及びｅ点の特徴点をベジエ曲線で結ん
で、５本の曲線群を抽出する。
【００３２】数値化部６では、曲線抽出部５で得られた
曲線群を図３のステップＳ１２で、均等な長さの線分群
に置き換える。均等な長さの線分群の生成方法は、ま
ず、各ベジエ曲線のパラメータを均等にふり、Ｍ等分
し、ｍ＋１個の（２）式に示すような点列Ａ（ｉ）得
る。
曲線群を図３のステップＳ１２で、均等な長さの線分群
に置き換える。均等な長さの線分群の生成方法は、ま
ず、各ベジエ曲線のパラメータを均等にふり、Ｍ等分
し、ｍ＋１個の（２）式に示すような点列Ａ（ｉ）得
る。
【００３３】
【数２】
【００３４】ここで、１本の３次ベジエ曲線の表現力は
そう高くないので、ｍ＝１０程度で十分である。これを
繰り返し、例えば図６の（Ａ）のような曲線群全体のｍ
ｎ＋１個の図６の（Ｂ）に示す点列Ｃを得る。この点列
間は図６の（Ｂ）に示すように均等な長さになっておら
ず、ステップＳ１３でこれを揃える。各点間を結んでで
きる線分全体の道のりＬは、
そう高くないので、ｍ＝１０程度で十分である。これを
繰り返し、例えば図６の（Ａ）のような曲線群全体のｍ
ｎ＋１個の図６の（Ｂ）に示す点列Ｃを得る。この点列
間は図６の（Ｂ）に示すように均等な長さになっておら
ず、ステップＳ１３でこれを揃える。各点間を結んでで
きる線分全体の道のりＬは、
【００３５】
【数３】
【００３６】で計算される。ここで目的の分割数ｒを
【００３７】
【数４】
【００３８】から決定する。この（４）式でｄは一本の
線の長さを示す。
線の長さを示す。
【００３９】次に、図１の数値化部６で図３のステップ
Ｓ１４に示すように直交変換、例えばフーリエ変換を行
う。通常、高速フーリエ変換をするため、上記分割数ｒ
を上記（４）式を満たしながら、２のべき乗（５１２、
１０２４等）と決定する。次に、各ｉに対して
Ｓ１４に示すように直交変換、例えばフーリエ変換を行
う。通常、高速フーリエ変換をするため、上記分割数ｒ
を上記（４）式を満たしながら、２のべき乗（５１２、
１０２４等）と決定する。次に、各ｉに対して
【００４０】
【数５】
【００４１】を満たすようなｋｉが一意に決定できる。
そして、
そして、
【００４２】
【数６】
【００４３】から、大きさ１の２次元ベクトル群Ｖが求
められる。このベクトル群Ｖは、元の曲線群とは大きさ
が異なり、標本か誤差を含んでいるが、この発明では次
に示すフーリエ変換で吸収できるためこのまま扱う。
められる。このベクトル群Ｖは、元の曲線群とは大きさ
が異なり、標本か誤差を含んでいるが、この発明では次
に示すフーリエ変換で吸収できるためこのまま扱う。
【００４４】すなわち、ステップＳ１４で
【００４５】
【数７】
【００４６】によりフーリエ変換し、ステップＳ１５で
【００４７】
【数８】
【００４８】によりスペクトル計算を行いスペクトルＳ
を求める。このスペクトルがこの形状の特徴であり、大
きさ、方向、周期の開始点等に依存しない特徴量にな
る。類似形状間ではスペクトルは近い値を示すので、こ
の数値を上記図１のステップＳ３でＨＤＤ８に登録部７
を介して登録する。
を求める。このスペクトルがこの形状の特徴であり、大
きさ、方向、周期の開始点等に依存しない特徴量にな
る。類似形状間ではスペクトルは近い値を示すので、こ
の数値を上記図１のステップＳ３でＨＤＤ８に登録部７
を介して登録する。
【００４９】すなわち、登録部７では、画像入力部１、
属性入力部２、言語入力部４からの入力データと、曲線
抽出部５からの数値化部６を通した特徴表現の数値をＨ
ＤＤ８に登録する。ここで、言語入力部４による特徴表
現、数値化部６による数値は複数個登録できるようにし
ておく。
属性入力部２、言語入力部４からの入力データと、曲線
抽出部５からの数値化部６を通した特徴表現の数値をＨ
ＤＤ８に登録する。ここで、言語入力部４による特徴表
現、数値化部６による数値は複数個登録できるようにし
ておく。
【００５０】次に、上記データ検索系の全体的な動作に
ついて説明する。このデータ検索系では、上記データベ
ース構築系と同様にして、対象画像入力部９から入力さ
れたタイヤ痕画像のような対象画像を見ながら、図７の
ステップＳ３１で操作者が言語入力部４から特徴を言葉
で表現する。
ついて説明する。このデータ検索系では、上記データベ
ース構築系と同様にして、対象画像入力部９から入力さ
れたタイヤ痕画像のような対象画像を見ながら、図７の
ステップＳ３１で操作者が言語入力部４から特徴を言葉
で表現する。
【００５１】また、上記図２のステップＳ２と同様なス
テップＳ３２により上記対象画像から部分的な特徴を抽
出する。ここでの特徴抽出処理は、図３〜図５を用いて
説明した手順と同様の手順により行われる。すなわち、
曲線抽出部５で抽出された曲線を数値化部６で数値変換
した数値データを特徴データとして用いる。
テップＳ３２により上記対象画像から部分的な特徴を抽
出する。ここでの特徴抽出処理は、図３〜図５を用いて
説明した手順と同様の手順により行われる。すなわち、
曲線抽出部５で抽出された曲線を数値化部６で数値変換
した数値データを特徴データとして用いる。
【００５２】実際には、上記ステップＳ３１で得られた
言語入力部４からの言葉による特徴データを用いて、ス
テップＳ３４により検索の対象を絞り込んでいる。これ
は、上述したように、検索の対象となるタイヤ痕等はタ
イヤから間接的に生成されるものであり、断片的であっ
たり、不鮮明であることが多いので、不鮮明ながらも、
例えばタイヤが非対称であることが分かれば、これはタ
イヤの大きな特徴であるので、照合する候補を大幅に絞
ることができ、照合確度を高めることができるからであ
る。
言語入力部４からの言葉による特徴データを用いて、ス
テップＳ３４により検索の対象を絞り込んでいる。これ
は、上述したように、検索の対象となるタイヤ痕等はタ
イヤから間接的に生成されるものであり、断片的であっ
たり、不鮮明であることが多いので、不鮮明ながらも、
例えばタイヤが非対称であることが分かれば、これはタ
イヤの大きな特徴であるので、照合する候補を大幅に絞
ることができ、照合確度を高めることができるからであ
る。
【００５３】次に、照合部１０では、ステップＳ３５に
より数値化部６で得られた曲線の特徴を表現したスペク
トルと、ＨＤＤ８にデータベース化された標準タイヤの
特徴データとを比較し、ステップＳ３５で類似度を計算
する。一般的に上記スペクトルのうち、低域成分ほど曲
線群の概略の特徴を、また、高域成分になるほど曲線群
の細部を表現しているといえる。比較のデータは、間接
的に得られるタイヤ痕であるので、歪みや傷があると予
想される。このため、細部を表現している高域成分は比
較せず、概略を表している低域成分のみを比較する。
より数値化部６で得られた曲線の特徴を表現したスペク
トルと、ＨＤＤ８にデータベース化された標準タイヤの
特徴データとを比較し、ステップＳ３５で類似度を計算
する。一般的に上記スペクトルのうち、低域成分ほど曲
線群の概略の特徴を、また、高域成分になるほど曲線群
の細部を表現しているといえる。比較のデータは、間接
的に得られるタイヤ痕であるので、歪みや傷があると予
想される。このため、細部を表現している高域成分は比
較せず、概略を表している低域成分のみを比較する。
【００５４】すなわち、このステップＳ３５では、ＨＤ
Ｄ８に登録されているスペクトルＳｉと、タイヤ痕から
求められたスペクトルＳｔを比較するため、
Ｄ８に登録されているスペクトルＳｉと、タイヤ痕から
求められたスペクトルＳｔを比較するため、
【００５５】
【数９】
【００５６】を用いて評価し、類似度Ｅｉを求める。こ
のとき、ａの値により低域フィルタをかけている。通常
ａ＝１０〜２０程度の値を選ぶ。この類似度Ｅｉの値が
小さいほうがスペクトルの差が少なく、より類似してい
るといえる。
のとき、ａの値により低域フィルタをかけている。通常
ａ＝１０〜２０程度の値を選ぶ。この類似度Ｅｉの値が
小さいほうがスペクトルの差が少なく、より類似してい
るといえる。
【００５７】画像入力部１からの標準タイヤに複数の特
徴を登録してある場合、その特徴の数だけ類似度が計算
されるが、この中で一番小さいものをタイヤ痕とタイヤ
Ｔｊの類似度Ｆｊとする。すなわち、類似度Ｆｊは、
徴を登録してある場合、その特徴の数だけ類似度が計算
されるが、この中で一番小さいものをタイヤ痕とタイヤ
Ｔｊの類似度Ｆｊとする。すなわち、類似度Ｆｊは、
【００５８】
【数１０】
【００５９】で示すように、対象画像入力部９からの対
象画像に曲線抽出部５で複数の曲線群Ｄｋが得られた場
合、各々の曲線群Ｄｋとタイヤの類似Ｅｊｋを求め、そ
れを加算してタイヤとタイヤ痕の類似度Ｆｊを求める。
象画像に曲線抽出部５で複数の曲線群Ｄｋが得られた場
合、各々の曲線群Ｄｋとタイヤの類似Ｅｊｋを求め、そ
れを加算してタイヤとタイヤ痕の類似度Ｆｊを求める。
【００６０】
【数１１】
【００６１】このようにして得られた類似度Ｆｊを昇順
にソートし、照合結果としてステップＳ３６で検索結果
表示部１１に表示する。ここでの表示は、目的の画像で
あるか否かがステップＳ３７で操作者により選択される
までステップＳ３８で次の候補を表示しながら繰り返さ
れる。
にソートし、照合結果としてステップＳ３６で検索結果
表示部１１に表示する。ここでの表示は、目的の画像で
あるか否かがステップＳ３７で操作者により選択される
までステップＳ３８で次の候補を表示しながら繰り返さ
れる。
【００６２】このように、上記被疑タイヤ検索装置は、
データベース構築時に、例えば画像の露光が悪い、タイ
ヤが光る、未使用のタイヤに線が引いてある、画像が傾
いている、大きさが異なる等、データの品質が悪くて
も、これを吸収し、人間が介在する曖昧さを排除したデ
ータベースを構築できる。
データベース構築時に、例えば画像の露光が悪い、タイ
ヤが光る、未使用のタイヤに線が引いてある、画像が傾
いている、大きさが異なる等、データの品質が悪くて
も、これを吸収し、人間が介在する曖昧さを排除したデ
ータベースを構築できる。
【００６３】また、データ検索時には、部分的な情報か
ら検索可能である。また、画像の大きさに依存せず検索
可能である。また、対象形、相似形の画像でも検索可能
である。また、サイズの違いのタイヤも検索可能であ
る。また、タイヤ痕の状態が悪くても検索可能である。
また、言語表現の特徴と組み合わせることで、検索精度
を上げることが可能である。また、微妙に異なるタイヤ
パターンでも検索可能である。さらに、複数の特徴を組
み合わせて検索精度を上げることが可能である。
ら検索可能である。また、画像の大きさに依存せず検索
可能である。また、対象形、相似形の画像でも検索可能
である。また、サイズの違いのタイヤも検索可能であ
る。また、タイヤ痕の状態が悪くても検索可能である。
また、言語表現の特徴と組み合わせることで、検索精度
を上げることが可能である。また、微妙に異なるタイヤ
パターンでも検索可能である。さらに、複数の特徴を組
み合わせて検索精度を上げることが可能である。
【００６４】なお、この被疑タイヤ検索装置は、データ
ベース構築系とデータ検索系とを例えば有線回線を介し
てネットワーク接続し、図８に示すようにシステム的に
接続してもよい。
ベース構築系とデータ検索系とを例えば有線回線を介し
てネットワーク接続し、図８に示すようにシステム的に
接続してもよい。
【００６５】すなわち、図１に示したデータベース構築
系と同様のデータベース構築装置２０を中央本部に設置
し、データ検索系と同様のデータ検索装置３０1・・・
３０nを各地方部に設置する。ここで、データ検索装置
３０1・・・３０nはそれぞれ、特徴抽出部３２1・・・
３２nと、照合部３６1・・・３６nとを備えている。特
徴抽出部３２1・・・３２nには、言語入力部３３1・・
・３３nと、曲線抽出部３４1・・・３４nと、数値化部
３５1・・・３５nが備えられる。また、照合部３６1・
・・３６nには、類似度判定部３７1・・・３７nと、言
語照合部３８1・・・３８nが備えられる。
系と同様のデータベース構築装置２０を中央本部に設置
し、データ検索系と同様のデータ検索装置３０1・・・
３０nを各地方部に設置する。ここで、データ検索装置
３０1・・・３０nはそれぞれ、特徴抽出部３２1・・・
３２nと、照合部３６1・・・３６nとを備えている。特
徴抽出部３２1・・・３２nには、言語入力部３３1・・
・３３nと、曲線抽出部３４1・・・３４nと、数値化部
３５1・・・３５nが備えられる。また、照合部３６1・
・・３６nには、類似度判定部３７1・・・３７nと、言
語照合部３８1・・・３８nが備えられる。
【００６６】例えば照合部３６1の類似度判定部３７1で
は図７に示したステップＳ３５での類似度判定を行う。
また、言語照合部３８1では図７に示したステップＳ３
４での言葉による絞り込みを行う。
は図７に示したステップＳ３５での類似度判定を行う。
また、言語照合部３８1では図７に示したステップＳ３
４での言葉による絞り込みを行う。
【００６７】ここで、データベース構築装置２０と各デ
ータ検索装置間では、ネットワークを用いてのデータ配
布を行うのではなく、例えば光磁気ディスクを用いてデ
ータの配布を行ってもよい。
ータ検索装置間では、ネットワークを用いてのデータ配
布を行うのではなく、例えば光磁気ディスクを用いてデ
ータの配布を行ってもよい。
【００６８】さらに、画像データより特徴を表す曲線を
抽出する工程と、この工程で抽出された曲線を等間隔で
分割してから直交変換する工程とを備えて成るプログラ
ムを光磁気ディスク等の記録媒体に記録して新たにデー
タベースを構築することも可能である。
抽出する工程と、この工程で抽出された曲線を等間隔で
分割してから直交変換する工程とを備えて成るプログラ
ムを光磁気ディスク等の記録媒体に記録して新たにデー
タベースを構築することも可能である。
【００６９】この場合、上記記録媒体に、上記プログラ
ムにより生成された特徴データを記録しておいてもよ
い。
ムにより生成された特徴データを記録しておいてもよ
い。
【００７０】なお、本発明は上記実施の形態にのみ限定
されるものではなく、例えば、植物図鑑、印鑑の照合、
或いは靴底のデータベース化と、検索に適用されてもよ
い。
されるものではなく、例えば、植物図鑑、印鑑の照合、
或いは靴底のデータベース化と、検索に適用されてもよ
い。
【００７１】
【発明の効果】本発明に係る画像の特徴データ作成装置
は、比較の基準となる物体、例えば標準タイヤの特徴を
客観的にデータ化できる。
は、比較の基準となる物体、例えば標準タイヤの特徴を
客観的にデータ化できる。
【００７２】また、本発明に係る画像の特徴データ作成
方法は、比較の基準となる物体、例えば標準タイヤの特
徴を客観的にデータ化させることができる。
方法は、比較の基準となる物体、例えば標準タイヤの特
徴を客観的にデータ化させることができる。
【００７３】本発明に係る画像データの検索装置は、検
索の対象となる対象物の画像に歪みや傷があったり、断
片的であったりしても容易に目的の情報を検索できる。
索の対象となる対象物の画像に歪みや傷があったり、断
片的であったりしても容易に目的の情報を検索できる。
【００７４】また、本発明に係る画像データの検索方法
は、検索の対象となる対象物の画像に歪みや傷があった
り、断片的であったりしても容易に目的の情報を検索さ
せることができる。
は、検索の対象となる対象物の画像に歪みや傷があった
り、断片的であったりしても容易に目的の情報を検索さ
せることができる。
【００７５】また、本発明に係る記録媒体は、画像デー
タより特徴を表す曲線を抽出する工程と、この工程で抽
出された曲線を等間隔で分割してから直交変換する工程
とを備えて成るプログラムを記録しているので、新たに
データベースを構築する際には有効である。また、上記
記録媒体に、上記プログラムにより生成された特徴デー
タを記録しておけばさらに便利でる。
タより特徴を表す曲線を抽出する工程と、この工程で抽
出された曲線を等間隔で分割してから直交変換する工程
とを備えて成るプログラムを記録しているので、新たに
データベースを構築する際には有効である。また、上記
記録媒体に、上記プログラムにより生成された特徴デー
タを記録しておけばさらに便利でる。
【図１】本発明の実施の形態となる被疑タイヤ検索装置
のブロック図である。
のブロック図である。
【図２】上記被疑タイヤ検索装置のデータベース構築系
の動作を説明するためのフローチャートである。
の動作を説明するためのフローチャートである。
【図３】上記図２のフローチャートのステップＳ２を細
分化したフローチャートである。
分化したフローチャートである。
【図４】上記図３のフローチャートのステップＳ１１を
細分化したフローチャートである。
細分化したフローチャートである。
【図５】上記図４のフローチャートのステップＳ２２を
説明するための模式図である。
説明するための模式図である。
【図６】上記図３のフローチャートのステップＳ１２を
説明するための模式図である。
説明するための模式図である。
【図７】上記被疑タイヤ検索装置のデータ検索系の動作
を説明するためのフローチャートである。
を説明するためのフローチャートである。
【図８】上記被疑タイヤ検索装置の具体的な適用例を示
すブロック図である。
すブロック図である。
【図９】タイヤの複雑なトレッドパターンを示す図であ
る。
る。
３ 特徴抽出部、４ 言語入力部、５ 曲線検出部、６
数値化部、７ 登録部、８ ハードディスクドライ
ブ、１０ 照合部
数値化部、７ 登録部、８ ハードディスクドライ
ブ、１０ 照合部
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 ＦＩ Ｇ０６Ｆ 15/70 ３３０Ｇ
Claims (21)
- 【請求項１】 画像データより特徴を表す曲線を抽出す
る曲線抽出手段と、 上記曲線抽出手段で抽出された曲線を等間隔で分割し、
この分割曲線を直交変換して数値化する数値化手段とを
備えることを特徴とする画像の特徴データ作成装置。 - 【請求項２】 上記画像データは、画像入力部から取り
込んだ画像から得られることを特徴とする請求項１記載
の画像の特徴データ作成装置。 - 【請求項３】 上記曲線抽出手段は、選択された複数の
特徴点を結ぶことによって曲線を抽出することを特徴と
する請求項１記載の画像の特徴データ作成装置。 - 【請求項４】 上記曲線抽出手段が抽出した曲線は、ベ
ジエ曲線であることを特徴とする請求項３記載の画像の
特徴データ作成装置。 - 【請求項５】 画像データより特徴を表す曲線を抽出す
る曲線抽出工程と、 上記曲線抽出行程で抽出された曲線を等間隔で分割し、
この分割曲線を直交変換して数値化する数値化工程とを
備えることを特徴とする画像の特徴データ作成方法。 - 【請求項６】 上記画像データは、画像入力部から取り
込んだ画像から得られることを特徴とする請求項５記載
の画像の特徴データ作成方法。 - 【請求項７】 上記曲線抽出工程は、選択された複数の
特徴点を結ぶことによって曲線を抽出することを特徴と
する請求項５記載の画像の特徴データ作成方法。 - 【請求項８】 上記曲線抽出工程が抽出した曲線は、ベ
ジエ曲線であることを特徴とする請求項７記載の画像の
特徴データ作成方法。 - 【請求項９】 比較の基準となる複数の画像データの特
徴を表す基準特徴データを蓄積している基準特徴データ
蓄積手段と、 比較の対象となる画像データの特徴を表す対象画像特徴
データと上記基準特徴データ蓄積手段に蓄積されている
上記基準特徴データとを比較して上記対象となる画像デ
ータに類似した上記基準特徴データを検索する照合手段
とを備えることを特徴とする画像データの検索装置。 - 【請求項１０】 上記基準特徴データは比較基準となる
複数の画像データより抽出された曲線を等間隔で分割し
た分割曲線を直交変換することによって生成され、上記
対象画像の特徴データは上記対象となる画像データより
抽出された曲線を等間隔で分割した分割曲線を直交変換
することによって生成されることを特徴とする請求項９
記載の画像データの検索装置。 - 【請求項１１】 上記基準特徴データ及び上記対象画像
の特徴データは、言語入力された特徴データも含むこと
を特徴とする請求項１０記載の画像データの検索装置。 - 【請求項１２】 上記基準特徴データ及び上記対象画像
の特徴データは、選択された複数の特徴点を結ぶことに
よって抽出された曲線を等間隔に分割した後、直交変換
して生成されることを特徴とする請求項１０記載の画像
データの検索装置。 - 【請求項１３】 上記曲線は、ベジエ曲線であることを
特徴とする請求項１２記載の画像データの検索装置。 - 【請求項１４】 比較の基準となる複数の画像データの
特徴を表す基準特徴データを蓄積する基準特徴データ蓄
積工程と、 比較の対象となる画像データの特徴を表す対象画像特徴
データと上記基準特徴データとを比較して上記対象とな
る画像データに類似した上記基準特徴データを検索する
照合工程とを備えることを特徴とする画像データの検索
方法。 - 【請求項１５】 上記基準特徴データは比較基準となる
複数の画像データより抽出された曲線を等間隔で分割し
た分割曲線を直交変換することによって生成され、上記
対象画像の特徴データは上記対象となる画像データより
抽出された曲線を等間隔で分割した分割曲線を直交変換
することによって生成されることを特徴とする請求項１
４記載の画像データの検索方法。 - 【請求項１６】 上記基準特徴データ及び上記対象画像
の特徴データは、言語入力された特徴データも含むこと
を特徴とする請求項１５記載の画像データの検索方法。 - 【請求項１７】 上記基準特徴データ及び上記対象画像
の特徴データは、選択された複数の特徴点を結ぶことに
よって抽出された曲線を等間隔に分割した後、直交変換
して生成されることを特徴とする請求項１５記載の画像
データの検索方法。 - 【請求項１８】 上記曲線は、ベジエ曲線であることを
特徴とする請求項１７記載の画像データの検索方法。 - 【請求項１９】 画像データより特徴を表す曲線を抽出
する工程と、この工程で抽出された曲線を等間隔で分割
してから直交変換する工程とを備えて成るプログラムを
記録することを特徴とする記録媒体。 - 【請求項２０】 上記プログラムにより生成された特徴
データを記録してなることを特徴とする請求項１９記載
の記録媒体。 - 【請求項２１】 画像データの特徴を表す曲線を抽出
し、この曲線を等間隔で分割してから直交変換して得ら
れる特徴データを多数記録してなることを特徴とする記
録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9078651A JPH10275211A (ja) | 1997-03-28 | 1997-03-28 | 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9078651A JPH10275211A (ja) | 1997-03-28 | 1997-03-28 | 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10275211A true JPH10275211A (ja) | 1998-10-13 |
Family
ID=13667774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9078651A Withdrawn JPH10275211A (ja) | 1997-03-28 | 1997-03-28 | 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10275211A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001024050A1 (fr) * | 1999-09-27 | 2001-04-05 | Cadix Inc. | Systeme de reconnaissance d'images et systeme de base de donnees pour la reconnaissance d'images |
| CN103649995A (zh) * | 2011-05-19 | 2014-03-19 | 米其林企业总公司 | 用于确定轮胎表面上凸纹中的元素的方法 |
| WO2021186712A1 (ja) * | 2020-03-19 | 2021-09-23 | 日本電気株式会社 | 捜索情報提供装置、捜索情報提供システム、捜索情報提供方法およびプログラム記憶媒体 |
-
1997
- 1997-03-28 JP JP9078651A patent/JPH10275211A/ja not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001024050A1 (fr) * | 1999-09-27 | 2001-04-05 | Cadix Inc. | Systeme de reconnaissance d'images et systeme de base de donnees pour la reconnaissance d'images |
| CN103649995A (zh) * | 2011-05-19 | 2014-03-19 | 米其林企业总公司 | 用于确定轮胎表面上凸纹中的元素的方法 |
| CN103649995B (zh) * | 2011-05-19 | 2016-05-18 | 米其林企业总公司 | 用于确定轮胎表面上凸纹中的元素的方法 |
| WO2021186712A1 (ja) * | 2020-03-19 | 2021-09-23 | 日本電気株式会社 | 捜索情報提供装置、捜索情報提供システム、捜索情報提供方法およびプログラム記憶媒体 |
| US11900714B2 (en) | 2020-03-19 | 2024-02-13 | Nec Corporation | Search information providing device, search information providing system, search information providing method, and program recording medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120068B2 (en) | Media fingerprinting and identification system | |
| US6941003B2 (en) | Method of fast fingerprint search space partitioning and prescreening | |
| JP6431302B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| JP2002543526A (ja) | 形状を利用してオブジェクトを表現しかつ検索する方法と装置 | |
| Linardi et al. | VALMOD: A suite for easy and exact detection of variable length motifs in data series | |
| CN104573683B (zh) | 字符串识别方法和装置 | |
| Singhal et al. | Directional local ternary co-occurrence pattern for natural image retrieval | |
| CN110718301B (zh) | 基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法 | |
| CN100397400C (zh) | 图形检索的方法 | |
| JP4721829B2 (ja) | 画像検索方法及び装置 | |
| JP2849256B2 (ja) | 画像認識装置 | |
| JP3621323B2 (ja) | 映像登録・検索処理方法および映像検索装置 | |
| CN113011444B (zh) | 一种基于神经网络频域注意力机制的图像识别方法 | |
| AU2004218694A1 (en) | Systems and methods for indexing and retrieving images | |
| JPH10275211A (ja) | 画像の特徴データ作成装置及び方法並びに画像データの検索装置及び方法 | |
| CN110727762B (zh) | 确定相似文本的方法、装置、存储介质及电子设备 | |
| JP2006060796A (ja) | 映像検索装置，方法及びプログラム並びにプログラムを記録した記録媒体 | |
| CN103064857B (zh) | 图像查询方法及图像查询设备 | |
| CN116311391A (zh) | 一种高低精度混合的多维度特征融合指纹检索方法 | |
| JP2001319232A (ja) | 類似画像検索装置および類似画像検索方法 | |
| JP3330348B2 (ja) | 映像検索方法及び装置並びに映像検索プログラムを記録した記録媒体 | |
| JP4550398B2 (ja) | 一連の画像に現れる物体の動きを表現する方法、一連の画像中の画像における物体の選択を識別する方法、画像に対応する信号を処理することによって一連の画像を探索する方法、及び装置 | |
| CN110399528B (zh) | 一种自动跨特征推理式目标检索方法 | |
| JP2006127323A (ja) | ルール発見プログラム、ルール発見方法およびルール発見装置 | |
| Boudani et al. | Content-Based Image Retrieval for Surface Defects of Hot Rolled Steel Strip Using Wavelet-Based LBP |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20040601 |