JP2004005303A

JP2004005303A - 画像検索装置、画像検索方法及び画像検索プログラム

Info

Publication number: JP2004005303A
Application number: JP2002161052A
Authority: JP
Inventors: Kagenori Nagao; 長尾　景則
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2002-06-03
Filing date: 2002-06-03
Publication date: 2004-01-08

Abstract

【課題】従来の画像検索方法では、人間の類似感覚と一致した類似画像を得ることができない問題があった。
【解決手段】基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程Ｓ４０４と、前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択工程Ｓ４０５と、前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程Ｓ４０９とを含む画像検索方法を用いることによって上記課題を解決できる。
【選択図】　　　　図４

Description

【０００１】
【発明の属する技術分野】
本発明は、複数の画像から共通する特徴部分を有する画像を検索する画像検索装置、画像検索方法及び画像検索プログラムに関する。
【０００２】
【従来の技術】
近年のネットワークの発達やデータストレージの大容量化に伴って、大量の画像情報を保存する画像データベースが多数構築されている。これらの画像データベースは、インターネット等の情報伝達媒体を通じて簡単に利用できる。また、デジタルカメラ、デジタルビデオやスキャナの普及により、個々のユーザが大量の画像データを保有することも少なくない。さらに、クリップアート集や画像素材集として、ビジネス文書やプレゼンテーション資料の利用に供するための画像データが市販されるようになっている。そのため、大量の画像データ群の中から所望の画像データを適切に抽出できる画像検索手段の必要性が高まっている。
【０００３】
現在、画像検索手段として最も一般的な形態はキーワード検索である。これは、画像データのそれぞれに画像データの特徴を示すキーワードを付与しておき、所望の画像データを抽出する際には、そのキーワードを手掛かりとして検索を行う手段である。
【０００４】
しかし、キーワードの自動抽出が容易な文書データと異なり、画像データに対してはキーワードを人手によって付与する必要があり、大量の画像データを含むデータベースを構築する場合等には膨大な労力が必要となる。また、画像データの場合、画像を構成する要素のいずれに着目するかによって、付与すべきキーワードも異なってくるため、一貫した基準に従ってキーワードを付与することが困難となる。
【０００５】
別の画像検索手段として、画像自体を検索の手掛かりとして検索を行う類似画像検索手段がある。類似画像検索手段では、検索対象となる画像データ群からキーとなる基準画像に類似する画像を抽出する。このとき、基準画像および画像データ群に含まれる各々の画像データから特徴量を抽出し、その特徴量を比較することによって基準画像に類似する画像データを抽出する。
【０００６】
例えば、「岩波講座マルチメディア情報学８　情報の構造化と検索」（西尾章治郎他著、岩波書店）に、商標意匠データベースシステムＴＲＡＤＥＭＡＲＫにおける類似画像検索の方法が記載されている。このシステムでは、基準画像と検索対象画像のそれぞれを複数のメッシュ領域に分割し、各メッシュの画像情報およびメッシュ間の画像情報の関係を用いて、４種類の画像の特徴量を抽出している。特徴量は、濃淡分布（６４次元）、ラン長分布（２５６次元）、局所相関（２４次元）および局所コントラスト（２４次元）であり、いずれも多次元ベクトルとして表される。基準画像および検索対象画像は、これらの４種類の特徴量を結合した多次元空間の一点としてマッピングされ、この多次元空間におけるユークリッド距離が画像同士の類似度を決定するために利用される。すなわち、基準画像の特徴量を示す点と、検索対象画像の特徴量を示す点とのユークリッド距離が小さいほど、画像同士が類似しているものと判断される。
【０００７】
また、特開２０００−４８１８１号公報には、画像の特徴量のそれぞれについて重み付けを行い、重み付けされた特徴量に基づいて画像間の類似性を比較する方法が開示されている。
【０００８】
当該方法では、基準画像および検索対象となる画像データの各々から複数の特徴量を抽出する。ここで、特徴量は、彩度の平均値Ｃ０、スペクトラム画像のピーク値Ｐ０、エッジの強さＥ０が例示されている。次に、基準画像から抽出した特徴量に基づいて、各特長量に適用される重み付けが決められる。例えば、色に関する特徴量の重み付けＷｃ、テクスチャに関する重み付けＷｔが決定される。ここで、基準画像の彩度の平均値Ｃ０が大きいほど色の重み付けＷｃを大きくし、基準画像のスペクトラム画像のピーク値Ｐ０およびエッジの強さＥ０が大きいほどテクスチャの重み付けＷｔを大きく設定する。基準画像と各検索対象画像データの類似性は、Ｃ０×Ｗｃで表される重み付けされた色の特徴量Ｒｃと（Ｐ０＋Ｅ０）×Ｗｔで表される重み付けされたテクスチャの特徴量Ｒｔに基づいて求められる。このように、基準画像の特徴に従って算出される重み付けされた特徴量を利用することによって、テクスチャの周期性やエッジの強度が弱く、彩度が高い基準画像では色を重視し、逆に、彩度が低く、テクスチャの周期性やエッジが強い基準画像ではテクスチャを重視して画像を検索することができる。
【０００９】
【発明が解決しようとする課題】
しかしながら、上記従来技術では、人間の類似感覚と一致した検索結果が得られない問題がある。例えば、図１のように、基準画像１０１は各部が彩色された画像であり、検索対象となる画像１０２〜１０４は、それぞれ輪郭のみが黒線で描かれた線図、基準画像１０１と等しい明度の単一色を施された単色画像および基準画像１０１と同一色でスケッチ風に描かれたスケッチ画像であるとする。このとき、画像の特徴量として明度、彩度、色相およびエッジの強さを選択すると、基準画像１０１に対して、画像１０２では明度、彩度および色相が異なり、画像１０３では彩度および色相が異なり、画像１０４ではエッジの強さが異なるために、基準画像１０１と各画像１０２〜１０４は類似しないものと判断される。
【００１０】
そこで、特徴量を重み付けする場合でも、基準画像１０１では彩度とエッジの強さが大きい値をもつため、色に関する重み付けＷｃとテクスチャに関する重み付けＷｔの両方が大きい値に設定される。その結果、画像１０２と画像１０３では色の特徴が異なり、画像１０４ではテクスチャの特徴が異なるために、いずれの画像も基準画像と類似しないものと判断される。
【００１１】
これは、基準画像１０１に対して明度、彩度、色相およびエッジの強さの特徴量を選択したことが適切でなかったためである。このように、基準画像の特徴を示す特徴量を普遍的に選択することは困難であり、検索対象画像毎に適切な特徴量を選択して類似画像を抽出できる手段が必要となる。
【００１２】
本発明は、上記従来技術の問題を鑑みて、基準画像と検索対象画像を比較して適切な特徴量を選択し、人間の類似感覚と一致した検索結果を得ることができる画像検索装置、画像検索方法及び画像検索プログラムを提供することを目的とする。
【００１３】
【課題を解決するための手段】
上記課題を解決するための本発明は、検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索装置であって、前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出手段と、前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択手段と、前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出手段とを含むことを特徴とする。
【００１４】
さらに、上記画像検索装置において、前記類似画像抽出手段は、前記選択された特徴量と併せて、さらに、前記検索対象画像毎に選択された特徴量の数と、当該検索対象画像から抽出された特徴量の全数との差異に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出することが好適である。
【００１５】
また、上記課題を解決するための本発明の別の形態は、検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索装置であって、前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出手段と、前記検索対象画像毎に、当該検索対象画像及び前記基準画像から抽出された特徴量の差異に基づいて当該特徴量を重み付けする特徴量修正手段と、前記重み付けされた特徴量に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出手段とを含むことを特徴とする。
【００１６】
さらに、上記画像検索装置において、前記類似画像抽出手段は、前記重み付けされた特徴量と併せて、さらに、前記特徴量を重み付けする前後における当該特徴量の差異に基づいて、前記検索対象画像群の中から前記基準画像に類似する画像を抽出することが好適である。
【００１７】
上記課題を解決するため本発明は、検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索方法であって、前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程と、前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択工程と、前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程とを含むことを特徴とする。
【００１８】
さらに、上記画像検索方法において、前記類似画像抽出工程は、前記選択された特徴量と併せて、さらに、前記検索対象画像毎に選択された特徴量の数と、当該検索対象画像から抽出された特徴量の全数との差異に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出することが好適である。
【００１９】
また、上記課題を解決するための本発明の別の形態は、検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索方法であって、前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程と、前記検索対象画像毎に、当該検索対象画像及び前記基準画像から抽出された特徴量の差異に基づいて当該特徴量を重み付けする特徴量修正工程と、前記重み付けされた特徴量に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程とを含むことを特徴とする。
【００２０】
さらに、上記画像検索方法において、前記類似画像抽出工程は、前記重み付けされた特徴量と併せて、さらに、前記特徴量を重み付けする前後における当該特徴量の差異に基づいて、前記検索対象画像群の中から前記基準画像に類似する画像を抽出することが好適である。
【００２１】
上記課題を解決するための本発明は、検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索プログラムであって、コンピュータに、前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程と、前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択工程と、前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程とを実行させることを特徴とする。
【００２２】
さらに、上記画像検索プログラムにおいて、前記類似画像抽出工程は、前記選択された特徴量と併せて、さらに、前記検索対象画像毎に選択された特徴量の数と、当該検索対象画像から抽出された特徴量の全数との差異に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出することが好適である。
【００２３】
また、上記課題を解決するための本発明の別の形態は、検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索プログラムであって、コンピュータに、前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程と、前記検索対象画像毎に、当該検索対象画像及び前記基準画像から抽出された特徴量の差異に基づいて当該特徴量を重み付けする特徴量修正工程と、前記重み付けされた特徴量に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程とを実行させることを特徴とする。
【００２４】
さらに、上記画像検索プログラムにおいて、前記類似画像抽出工程は、前記重み付けされた特徴量と併せて、さらに、前記特徴量を重み付けする前後における当該特徴量の差異に基づいて、前記検索対象画像群の中から前記基準画像に類似する画像を抽出することが好適である。
【００２５】
【発明の実施の形態】
本発明の実施の形態について、図を参照して説明する。
【００２６】
本発明の実施の形態における画像検索装置は、図２のように、制御部２００、標準記憶部２０２、出力部２０４、コマンド入力部２０６、画像入力部２０８、データベース部２１０及びバス２１２から基本的に構成される。制御部２００、標準記憶部２０２、出力部２０４、コマンド入力部２０６、画像入力部２０８およびデータベース部２１０はバス２１２を介して情報（データ）伝達可能に接続される。
【００２７】
本実施の形態における画像検索装置は、図２のように、さらにバス２１２に接続されたインターフェース部２１４を備えていても良い。画像検索装置は、インターフェース部２１４を介して外部のネットワーク２１６に情報伝達可能に接続され、ネットワーク２１６を介して画像データを受信できるものとしても良い。
【００２８】
制御部２００は、標準記憶部２０２に格納されている画像検索プログラムを実行し、データベース部２１０に格納されている画像データ群またはネットワークを介して受信される画像データ群から基準画像に類似する画像データを検索する。検索された画像データは、出力部２０４または標準記憶部２０２へ出力される。制御部２００は、一般的なコンピュータに用いられるＣＰＵとすることができる。
【００２９】
標準記憶部２０２は、制御部２００で実行される画像検索プログラム、検索処理に用いられるパラメータ及び検索結果である画像データなどを格納および保持する。標準記憶部２０２は、バス２１２を介して制御部２００から適宜参照することができる。標準記憶部２０２は、一般的な半導体メモリ、ハードディスク装置、光磁気ディスク装置などを適宜選択して用いることができる。
【００３０】
出力部２０４は、制御部２００から出力された検索結果をユーザが確認可能な情報として出力する。また、ユーザが画像検索を行う際にコマンドやパラメータを入力する際のユーザインターフェースとしても用いられる。出力部２０４は、ディスプレイ装置、プリンタなどを適宜選択して用いることができる。
【００３１】
コマンド入力部２０６は、画像検索プログラムを実行する際の制御コマンドやパラメータをユーザが入力するために用いられる。例えば、制御部２００に対して標準記憶部２０２に格納されている画像検索プログラムの実行開始を命令する際の制御コマンドを入力する際に用いられる。コマンド入力部２０６は、キーボード、マウスまたはタッチパネルなどを適宜選択して用いることができる。
【００３２】
画像入力部２０８は、検索のキーとなる基準画像や検索対象となる画像データを入力する際に用いられる。画像入力部２０８から入力された画像データは、データベース部２１０または標準記憶部２０２に格納および保持される。画像入力部２０８は、スキャナ、デジタルカメラまたはデジタルビデオなどの一般的な画像入力装置を適宜選択して用いることができる。
【００３３】
データベース部２１０は、画像入力部２０８やネットワーク２１６から取り込まれた画像データを格納および保持する。画像データは、ビットマップ形式、ｊｐｅｇ形式、ｔｉｆｆ形式などの様々な画像形式で格納および保持することができる。データベース部２１０に保持された画像データは、バス２１２を介して制御部２００から適宜参照することができる。データベース部２１０は、データ量が多い画像データを格納および保持する必要があるため、ハードディクス装置、光磁気ディスク装置などの大容量記憶装置を適宜選択して用いることが好適である。
【００３４】
＜第１の画像検索方法＞
以下に、上記画像検索装置を用いて、検索対象となる画像データ群から基準画像に類似する画像データを検索する第１の画像検索方法について、図を参照して詳細に説明する。
【００３５】
図３に、本画像検索方法における画像検索方法を概念的に表したブロック図を示す。検索キーとなる基準画像の画像データは、特徴量抽出手段３０１へ入力され、少なくとも１つの特徴量３０３が抽出される。同様に、検索対象となる画像データの各々は、特徴量抽出手段３０２へ入力され、基準画像データと同一の種類の特徴量３０４が抽出される。基準画像データおよび検索対象画像データの特徴量３０３，３０４は、特徴量選択手段３０５へ入力され、それぞれ同種の特徴量同士を比較し、類似性の高い特徴量のみが選択される。類似性の高い特徴量が選択され、基準画像データおよび検索対象画像データのそれぞれに対する選択された特徴量３０６，３０７として出力される。選択された特徴量３０６，３０７は、類似画像抽出手段３０８へ入力され、その選択された特徴量３０６，３０７のみに基づいて基準画像と検索対象画像との類似度を求める。以上の処理を、検索対象となる全ての画像データに対して順次行うことによって、より高い類似度を有する検索対象画像が基準画像に類似するものとして抽出される。
【００３６】
上記処理は、具体的には上記画像検索装置において画像検索プログラムを実行することによって行われる。図４に、第１の画像検索方法における処理のフローチャートを示す。第１の画像検索方法の処理は、画像検索プログラムとして標準記憶部２０２に格納および保持され、制御部２００によって適宜読み出されて実行される。
【００３７】
ユーザは、コマンド入力部２０６から画像検索を開始するための制御コマンドを入力する。制御部２００は、制御コマンドを受けて、標準記憶部２０２に記憶されている画像検索プログラムを実行する。画素検索プログラムが実行されると、処理は直ちにステップＳ４０１へ移行する。
【００３８】
ステップＳ４０１では、画像入力部２０８から検索のキーとなる基準画像の画像データが読み込まれる。これとは別に、基準画像データはインターフェース部２１４を用いて、ネットワーク２１６を介して画像検索装置の外部から読み込むこともできる。さらに、データベース部２１０に予め格納および保持されている画像データ群を画像として出力部２０４に表示し、その中の１つをユーザが適宜選択し、コマンド入力部２０６を用いて指定することによって、基準画像を決定することもできる。基準画像データは、標準記憶部２０２またはデータベース部２１０に格納および保持され、制御部２００によって適宜読み出されて処理に供される。
【００３９】
ステップＳ４０２では、基準画像から少なくとも１つの特徴量が抽出される。基準画像は、図５に示すように、水平方向にＫ分割および垂直方向にＬ分割され、Ｋ×Ｌ＝Ｎ個の小領域に分割される。これらの各小領域ごとに特徴量が抽出される。第１の画像検索方法では、例として、明度、色およびエッジに関する特徴量が抽出されるものとする。
【００４０】
基準画像がＣＩＥＬＡＢ色空間で表現された画素からなるディジタル画像データであるとする。画像データは、他の色空間で表現されたものであっても良いが、人間の視覚特性との整合性を考慮すればＣＩＥＬＡＢ色空間のような均等色空間によって表現することが好適である。
【００４１】
明度および色に関する特徴量は以下の手順で求められる。画像上の位置（ｘ，ｙ）における画素値をｐ（ｘ，ｙ）とすると、画像はＣＩＥＬＡＢ色空間で表現されているため数式（１）のように表すことができる。
【数１】

さらに、小領域のうちｉ番目（ｉ＝０，１，・・・Ｎ−１）の小領域をＳ_ｉとすると、小領域Ｓ_ｉにおける平均明度Ｌ_ｉおよび平均色Ｃ_ｉはそれぞれ数式（２）および数式（３）で表される。ここで、数式（２）および数式（３）におけるＰ_ｉは、小領域Ｓ_ｉ内の画素数とする。
【数２】

全ての小領域Ｓ_ｉについて平均明度Ｌ_ｉおよび平均色Ｃ_ｉを求め、それらを要素とする特徴ベクトルを数式（４）および数式（５）によって求め、それぞれを基準画像に対する明度の特徴量Ｌ_ｋｅｙおよび色の特徴量Ｃ_ｋｅｙとする。ここで、数式（５）におけるベクトル表記は、数式（６）のように各要素を羅列したベクトルを意味するものとする。
【数３】

一方、基準画像のエッジに関する特徴量は以下の手順で求められる。本画像検出方法では、Ｓｏｂｅｌオペレータによる水平方向および垂直方向のエッジ検出を利用したエッジに関する特徴量抽出の例を示す。
【００４２】
画像上の位置（ｘ，ｙ）における水平方向のエッジの強度Ｅｘ（ｘ，ｙ）および垂直方向のエッジの強度Ｅｙ（ｘ，ｙ）は、それぞれ数式（７）および数式（８）によって表される。ここで、数式（７）および数式（８）における‖Ａ‖は、Ａのノルムを意味する。
【数４】

ここでは、色の不連続点も画像のエッジとしてｐ（ｘ，ｙ）を用いたが、色を考慮せず画像の明度のみからエッジの強度を求めたい場合には、ｐ（ｘ，ｙ）の代わりにＬ^＊（ｘ，ｙ）を用いれば良い。小領域Ｓ_ｉにおける水平方向のエッジの平均強度Ｅ_ｘｉおよび垂直方向のエッジの平均強度Ｅ_ｙｉは、それぞれ数式（９）および数式（１０）で表される。
【数５】

さらに、数式（９）および数式（１０）によって得られた水平方向および垂直方向のエッジの平均強度Ｅ_ｘｉ，Ｅ_ｙｉを用いて、小領域Ｓ_ｉのエッジの強度Ｅ_ｉを数式（１１）で定義する。
【数６】

全ての小領域Ｓ_ｉに対するエッジの強度Ｅ_ｉを求め、それらを要素とする特徴ベクトルを数式（１２）によって求め、基準画像データに対するエッジの特徴量Ｅ_ｋｅｙとする。ここで、数式（１２）の表記は、数式（６）のように各要素を羅列したベクトルを意味するものとする。
【数７】

以上により、基準画像データから明度、色およびエッジに関する特徴量が、それぞれ特徴ベクトルＬ_ｋｅｙ，Ｃ_ｋｅｙおよびＥ_ｋｅｙとして抽出される。
【００４３】
本画像検索方法では、画像を小領域Ｓ_ｉに分割した上で明度、色およびエッジに関する特徴量を抽出したが、本発明の画像検索方法はこれに限定されるものではない。例えば、画像を小領域Ｓ_ｉに分割することなく、画像全体を１つの領域として特徴量Ｌ_ｋｅｙ，Ｃ_ｋｅｙおよびＥ_ｋｅｙを抽出しても良い。
【００４４】
ステップＳ４０３からＳ４０４では、検索対象画像データから特徴量の抽出を行う。検索対象画像データは、データベース部２１０に予め定められた順序で格納および保持されているものとし、検索対象画像データのいずれか１つを示すポインタ（アドレス）が最初の画像データを示すように初期化されているものとする。ステップＳ４０３では、制御部２００は、データベース部２１０からポインタが示す画像データを読み出す。
【００４５】
ステップＳ４０４では、読み出された画像データから明度、色およびエッジに関する特徴量が抽出される。各特徴量の抽出は、上記の基準画像に対するものと同様に数式（１）〜数式（１２）を用いて行われ、それぞれ特徴ベクトルＬ_ｓｕｂｊ，Ｃ_ｓｕｂｊおよびＥ_ｓｕｂｊとして抽出される。ここで、ｊ＝０，１，・・・は各画像データに固有に割り当てられた識別番号とする。
【００４６】
ステップＳ４０５では、基準画像からの特徴量Ｌ_ｋｅｙ，Ｃ_ｋｅｙおよびＥ_ｋｅｙと、検索対象画像データからの特徴量Ｌ_ｓｕｂｊ，Ｃ_ｓｕｂｊおよびＥ_ｓｕｂｊとを比較し、類似度を算出するために用いられる特徴量を選択する。
【００４７】
基準画像の各特徴量を示す特徴ベクトルと、検索対象画像データの各特徴量を示す特徴ベクトルとの比較は、数式（１３）から数式（１５）に示す相関係数Ｒ_Ｌ，Ｒ_ｃおよびＲ_Ｅを算出することによって行う。ここで、Ａ・ＢはベクトルＡとベクトルＢとの内積を意味する。
【数８】

特徴量の選択は、相関係数Ｒ_Ｌ，Ｒ_ＣおよびＲ_Ｅが予め定めた閾値ＴＲを超える特徴量を選択することによって行う。
【００４８】
以下に、例として、図１における画像１０１を基準画像、画像１０３を検索対象画像データとした場合の特徴量の選択について説明する。画像１０１は、星が黄色、葉が緑、幹が茶色で彩色された画像である。これに対して、画像１０３は、画像１０１と対応する部分の明度が等しい単一色が施された単色画像である。両画像では、各部の明度は等しいため、明度の特徴量Ｌ_ｋｅｙとＬ_ｓｕｂｊは等しくなる。一方、色の特徴量Ｃ_ｋｅｙとＣ_ｓｕｂｊは著しく異なる。エッジの特徴量Ｅ_ｋｅｙとＥ_ｓｕｂｊは、色が異なるため全く等しくはならないが、画像上の同じ位置に同じ方向のエッジを有するためＥ_ｋｅｙとＥ_ｓｕｂｊは高い相関を持つこととなる。従って、各特徴量に対する相関係数は、例えば、Ｒ_Ｌ＝１．０，Ｒ_Ｃ＝０．１およびＲ_Ｅ＝０．８となる。特徴量を選択するための閾値ＴＲを０．５とすると、これを上回るＲ_Ｌ及びＲ_Ｅが選択される。
【００４９】
特徴量の選択方法は上記の相関係数を用いる方法に限られるものではなく、対応する２つの特徴量の類似性を比較できる方法であれば良い。例えば、相関係数の代わりに２つの特徴ベクトル間のユークリッド距離を用いて選択しても良い。この場合、特徴ベクトル間のユークリッド距離は、対象ベクトル間の非類似性を示すので、予め定めた閾値ＴＲより小さいユークリッド距離を有する特徴量を選択する。
【００５０】
さらに、ユーザ自身が特徴の選択を行うことにより、ユーザが注目する画像検索の意図を反映したシステムを構築することも可能である。この場合、出力部２０４にユーザインターフェースを表示し、ユーザが選択する特徴量をコマンド入力部２０６から指定して選択する。
【００５１】
ステップＳ４０６では、類似度の算出を行う。類似度とは、選択された特徴量に対して基準画像と検索対象画像データとの間の近似性を示す評価値をいう。具体的には、例えば、図１の画像１０１を基準画像、画像１０３を検索対象画像データとし、ステップＳ４０５において明度およびエッジに関する特徴量が選択された場合には、数式（１６）を用いて類似度Ｒを算出することができる。
【数９】

数式（１６）では、基準画像と検索対象画像データにおいて選択された特徴量間の相関係数を用いている。一般に画像からＭ種類の特徴量が選択される場合、基準画像の特徴量をＦ_{ｊ，ｋｅｙ}、検索対象画像データの特徴量をＦ_{ｊ，ｓｕｂｊ}とすると、両者の相関係数による類似度Ｒは数式（１７）で表すことができる。ここで、Ｇは、ステップＳ４０５で選択された特徴量の集合を示す。なお、ステップＳ４０５で選択された特徴量の数が０である場合はＲ＝０とする。
【数１０】

類似度の算出方法は相関係数を用いる方法に限られるものではなく、基準画像と検索対象画像データについて選択された特徴量の類似性を評価できる方法であれば良い。例えば、数式（１８）のように、相関係数の代わりに特徴量ベクトル間のユークリッド距離Ｄを用いても良い。この場合、ベクトル間のユークリッド距離Ｄは２つのベクトルの非類似性を示すので、ユークリッド距離Ｄの値が小さいほど類似性は高くなる。
【数１１】

ステップＳ４０７では、基準画像と検索対象画像データとの類似度が、検索対象画像データと関連付けられて標準記憶部２０２又はデータベース部２１０へ格納および保持される。
【００５２】
ステップＳ４０８では、検索対象となる画像データ群に含まれる全ての画像データについて、基準画像との類似度が算出されたか否かが判断される。検索対象画像データは、データベース部２１０に予め定められた順序で保持されているので、上記のＳ４０３からＳ４０７で処理の対象となった検索対象画像データを示すポインタが最後のものであるか否かを判断し、最後のポインタでなければポインタを次の値として処理をステップＳ４０３へ戻す。最後のポインタであればステップＳ４０９へ処理を移行する。
【００５３】
ステップＳ４０９では、類似度を相関係数を用いて算出した場合は、標準記憶部２０２又はデータベース部２１０に保持されている類似度を降順に並び替える。類似度をユークリッド距離などの非類似性を示す評価値として算出した場合には昇順に並び替える。その結果、最大の類似度を有する検索対象画像データを基準画像データに類似する画像の画像データとして抽出する。また、類似する画像を複数抽出したい場合には、所定の閾値以上の類似度を有する検索対象画像データを抽出することも好適である。
【００５４】
ステップＳ４１０では、類似度の並び替えの結果を用いて、検索結果の表示を行う。検索結果は、最大の類似度を有する検索対象画像データを出力部２０４に表示することができる。また、類似度が高いものから順に所定の数だけ選択し、それらに関連付けられた検索対象画像データを出力部２０４に表示することも好適である。さらに、予め閾値を定めておき、この閾値を超える類似度を有する検索対象画像データを出力部２０４に表示することも好適である。この場合、閾値を超える類似度を有する検索対象画像データが存在しないときには「類似画像無し」等の表示を行うこともできる。
【００５５】
以上のように、第１の画像検索方法によれば、基準画像と検索対象画像を比較して適切な特徴量を選択し、検索対象となる画像データ群から基準画像と人間の類似感覚と一致した類似性を有する画像を検索することができる。
【００５６】
＜第２の画像検索方法＞
上記第１の画像検索方法では、基準画像と検索対象画像データとの特徴の一部のみが異なる場合に、基準画像と検索対象画像データとが全く同一である場合と等しい類似度が算出されることがある。例えば、図１において、画像１０１が基準画像、画像１０３が検索対象画像データである場合に、両画像は明度が同一であるため、明度に関する特徴量Ｌ_ｋｅｙとＬ_ｓｕｂｊとは等しく、色に関する特徴量Ｃ_ｋｅｙとＣ_ｓｕｂｊは大きく異なるものとなる。また、エッジに関する特徴量Ｅ_ｋｅｙとＥ_ｓｕｂｊとは高い相関を示すものとなる。このとき、特徴量を選択するための閾値を高く設定すると、明度に関する特徴量のみが選択される。数式（１７）を用いて類似度を算出した場合に類似度Ｒは１となり、基準画像と検索対象画像データが全く同一である場合と等しくなってしまう。
【００５７】
このような問題を回避するために、選択された特徴量に応じて類似度を修正する方法が考えられる。以下に、類似度を修正して画像データを検索する第２の画像検索方法について、図を参照して詳細に説明する。
【００５８】
図６に、本画像検索方法における画像検索方法を概念的に表したブロック図を示す。検索キーとなる基準画像の画像データは、特徴量抽出手段６０１へ入力され、少なくとも１つの特徴量６０３が抽出される。同様に、検索対象となる画像データの各々は、特徴量抽出手段６０２へ入力され、基準画像データと同一の種類の特徴量６０４が抽出される。特徴量６０３，６０４は、特徴量選択手段６０５へ入力され、それぞれ同種の特徴量同士が比較され、類似性の高い特徴量のみが選択される。類似性の高い特徴量が選択され、基準画像データ及び検索対象画像データのそれぞれに対する選択された特徴量６０６，６０７として出力される。選択された特徴量６０６，６０７は、類似画像抽出手段６０８に入力される。一方、特徴量選択手段６０５からは、特徴量を選択した際の情報として特徴量選択情報６１０が出力される。特徴量選択情報６１０は、類似度修正係数算出手段６１１に入力され、類似度修正係数６１２が求められる。類似度修正係数６１２は、類似画像抽出手段６０８に入力され、選択された特徴量６０６，６０７に基づいて基準画像データと検索対象画像データの類似度が算出され、その類似度は類似度修正係数６１２によって修正されて、最終的な類似度として求められる。類似画像抽出手段６０８では、以上の処理を、検索対象となる全ての画像データに対して順次行うことによって、より高い類似度を有する検索対象画像を基準画像に類似する画像として抽出し、出力６０９とする。
【００５９】
上記処理は、具体的には上記画像検索装置において画像検索プログラムを実行することによって行われる。図７に、第２の画像検索方法における処理のフローチャートを示す。第２の画像検索方法の処理は、画像検索プログラムとして標準記憶部２０２に格納および保持され、制御部２００によって適宜読み出されて実行される。
【００６０】
図７のフローチャートにおいて、ステップＳ７０１からＳ７０５の処理は、上記第１の画像検索方法におけるステップＳ４０１からＳ４０５における処理と同一であるため説明を省略する。
【００６１】
ステップＳ７０６では、ステップＳ７０５における特徴量の選択状況に基づいて、類似度修正係数ｑを算出する。類似度修正係数ｑは、例えば、数式（１９）を用いて求めることができる。ここで、Ｄｉｍ（Ａ）はベクトルＡの次元数を示す。また、関数ｆ（ｘ）は引数ｘに対する単調増加関数であり、例えば、図８に示すような関数である。
【数１２】

数式（１９）を用いることによって、ステップＳ７０５で選択された特徴量の種類が多いほど類似度修正係数ｑの値は大きくなる。例えば、図８に示す関数ｆ（ｘ）を用いた場合、全ての特徴量が選択されるとｑ＝１．０となる。
【００６２】
また、図１における画像１０１が基準画像データ、画像１０３が検索対象画像データである場合、ステップＳ７０５において明度に関する特徴量のみが選択されたとすると、Ｄｉｍ（Ｌ_ｋｅｙ）＝Ｎ、Ｄｉｍ（Ｃ_ｋｅｙ）＝２ＮおよびＤｉｍ（Ｅ_ｋｅｙ）＝２Ｎであるから、数式（１９）の引数はＮ／（Ｎ＋２Ｎ＋２Ｎ）＝０．２となる。図８を用いると、類似度修正係数ｑは０．７６となる。
【００６３】
ステップＳ７０７では、類似度修正係数ｑによる修正を加えた類似度Ｒを算出する。類似度の算出方法には、基準画像データと検索対象画像データとについて選択された特徴量の相関係数を算出する数式（１７）に対して、類似度修正係数ｑを用いて修正を行った数式（２０）を用いることができる。
【数１３】

上記例では、類似度修正係数ｑは０．７６となるので、数式（２０）を用いると、類似度Ｒは０．７６となる。このように、選択された特徴量の種類数に応じて類似度Ｒの値が修正され、基準画像データと検索対象画像データとの違いを適切に反映した類似度を算出することができる。
【００６４】
また、相関係数の代わりに２つの選択された特徴量を示す特徴ベクトル間のユークリッド距離Ｄを用いる場合には、ユークリッド距離Ｄを類似度修正係数ｑによって修正した数式（２１）を用いることが好適である。
【数１４】

ステップＳ７０８からＳ７１１の処理は、上記第１の画像検索方法におけるステップＳ４０７からＳ４１０における処理と同一であるため説明を省略する。
【００６５】
以上のように、第２の画像検索方法によれば、選択された特徴量の種類数に応じて、より適切に基準画像と検索対象画像データとの類似性を評価して画像を検索することができる。
【００６６】
＜第３の画像検索方法＞
第１および第２の画像検索方法では、予め定めた選択条件を満足する特徴量のみを選択して類似度を算出した。このとき、特徴量が選択条件の境界付近にある場合には、画像の微妙な差異によってその特徴量が選択されたり、選択されなかったりすることとなる。その結果、画像には大きな差異がないにも関わらず、算出される類似度には大きな差異を生ずる問題が発生する可能性がある。
【００６７】
このような問題を回避するために、特徴量の選択を行わず、特徴量を重み付けして類似度を算出する方法が考えられる。以下に、特徴量を重み付けして画像データを検索する第３の画像検索方法について、図を参照して詳細に説明する。
【００６８】
図９に、本画像検索方法を概念的に表したブロック図を示す。検索キーとなる基準画像の画像データは、特徴量抽出手段９０１へ入力され、少なくとも１つの特徴量９０３が抽出される。同様に、検索対象となる画像データの各々は、特徴量抽出手段９０２へ入力され、基準画像データと同一の種類の特徴量９０４が抽出される。特徴量９０３，９０４は、特徴量重み付け設定手段９０５へ入力され、特徴量の比較が行われ、その類似性に基づいて特徴量重み付け９０６が算出される。特徴量重み付け９０６は、特徴量９０３，９０４と共に類似画像抽出手段９０７に入力され、これらに基づいて基準画像データと検索対象画像データとの類似度が算出される。以上の処理を検索対象となる画像データに対して順次行うことによって、高い類似度を有する画像を基準画像に類似する画像として検索する。
【００６９】
上記処理は、具体的には上記画像検索装置において画像検索プログラムを実行することによって行われる。図１０に、第３の画像検索方法における処理のフローチャートを示す。第３の画像検索方法の処理は、画像検索プログラムとして標準記憶部２０２に格納および保持され、制御部２００によって適宜読み出されて実行される。
【００７０】
ステップＳ１００１からＳ１００４の処理は、上記第１の画像検索方法におけるステップＳ４０１からＳ４０４の処理と同一であるため説明を省略する。
【００７１】
ステップＳ１００５では、ステップＳ１００４で抽出された特徴量に対して特徴量の重み付けを行う。各特徴量の種類ごとに、特徴量重み付けｗ_ｊ（ｊ＝０，１・・・Ｍ−１）は数式（２２）を用いて求めることができる。数式（２２）における関数ｇ（ｘ）は引数ｘに対して単調増加関数であり、例えば、図１１に示すような関数とすることができる。
【数１５】

数式（１９）を図１１に示すような関数とすることによって、基準画像データと検索対象画像データから抽出された特徴量について、それぞれの特徴量間の相関係数が０．５未満の場合には特徴量重み付けｗ_ｊは０となり、相関係数が０．５以上の場合には特徴量重み付けｗ_ｊは相関係数に伴って増加する。
【００７２】
ステップＳ１００５では、さらに、特徴量重み付けｗ_ｊを用いて、数式（２３）及び数式（２４）のように各特徴量の重み付けを行う。
【数１６】

ステップＳ１００６では、数式（２３）及び数式（２４）によって重み付けされた特徴量を用いて、数式（２５）を用いて類似度Ｒを算出する。
【数１７】

ステップＳ１００７からＳ１０１０の処理は、上記第１の画像検索方法におけるステップＳ４０７からＳ４１０の処理と同一であるため説明を省略する。
【００７３】
以上のように、第３の画像検索方法によれば、閾値などの選択条件を用いて特徴量を選択することなく、抽出した全ての特徴量に対して適切な重み付けをすることによって、画像には大きな差異がなく、特徴量が選択条件の境界付近にある場合においても、算出される類似度に大きな差異を生ずる問題を回避することができる。その結果、基準画像データと検索対象画像データとの類似性を適切に評価して画像を検索することができる。
【００７４】
＜第４の画像検索方法＞
第３の画像検索方法において、特徴量重み付けｗ_ｊに基づいて類似度を修正することも好適である。以下に、特徴量重み付けｗ_ｊによって類似度を修正する第４の画像検索方法について、図を参照して詳細に説明する。
【００７５】
図１２に、本画像検索方法を概念的に表したブロック図を示す。検索キーとなる基準画像は、特徴量抽出手段１２０１へ入力され、少なくとも１つの特徴量１２０３が抽出される。同様に、検索対象となる画像データの各々は、特徴量抽出手段１２０２へ入力され、基準画像データと同一の種類の特徴量１２０４が抽出される。特徴量１２０３，１２０４は、特徴量重み付け設定手段１２０５へ入力され、特徴量の比較が行われ、その類似性に基づいて特徴量重み付け１２０６が算出される。特徴量重み付け設定手段１２０５では、さらに、類似度修正係数１２１１を算出する際に用いられる特徴量重み付け情報１２０９を出力する。特徴量重み付け情報１２０９は、類似度修正係数算出手段１２１０に入力され、類似度修正係数１２１１が求められる。特徴量重み付け１２０６及び類似度修正係数１２１１は、抽出された特徴量１２０３，１２０４と共に類似画像抽出手段１２０７へ入力され、これらに基づいて、基準画像データと検索対象画像データとの類似度が算出される。以上の処理を検索対象となる画像データに対して順次行うことによって、高い類似度を有する画像を基準画像に類似するものとして検索する。
【００７６】
上記処理は、具体的には上記画像検索装置において画像検索プログラムを実行することによって行われる。図１３に、第４の画像検索方法における処理のフローチャートを示す。第４の画像検索方法の処理は、画像検索プログラムとして標準記憶部２０２に格納および保持され、制御部２００によって適宜読み出されて実行される。
【００７７】
ステップＳ１３０１からＳ１３０５の処理は、上記第３の画像検索方法におけるステップＳ１００１からＳ１００５の処理と同一であるため説明を省略する。
【００７８】
ステップＳ１３０６では、ステップＳ１３０５で算出された各特徴量に対する重み付けｗ_ｊに基づいて、類似度修正係数ｑを算出する。類似度修正係数ｑは、例えば、数式（２６）を用いて求めることができる。ここで、Ｄｉｍ（Ａ）はベクトルＡの次元数を示す。また、関数ｆ（ｘ）は引数ｘに対する単調増加関数であり、例えば、図８に示すような関数である。
【数１８】

数式（２６）を用いることによって、各特徴量に対する重み付けｗ_ｊが大きくなるに伴って、類似度修正係数ｑも増加させることができる。
【００７９】
ステップＳ１３０７では、類似度修正係数ｑによって修正された類似度Ｒを算出する。類似度Ｒの算出方法には、重み付けされた特徴量から類似度Ｒを求める数式（２５）に対して、類似度修正係数ｑを用いて修正を行った数式（２７）を用いることができる。
【数１９】

ステップＳ１３０８からＳ１３１１の処理は、上記第３の画像検索方法におけるステップＳ１００７からＳ１０１０の処理と同一であるため説明を省略する。
【００８０】
以上のように、第４の画像検索方法によれば、特徴量に対する重み付けｗ_ｊの値に応じて類似度Ｒを修正することによって、より適切に基準画像と検索対象画像データとの類似性を評価して画像を検索することができる。
【００８１】
【発明の効果】
本発明によれば、白黒画像とカラー画像のように彩度や色相に関する特徴のみが異なる画像間、又は、線図と色塗りされた図のようにエッジの強さの特徴は共通する画像間において、従来の画像検索技術では検索が困難であった類似画像を検索することができる。すなわち、基準画像と検索対象画像データとにおいて類似する特徴を適切に選択し、人間の類似感覚と一致した類似画像を検索することを可能とした。
【図面の簡単な説明】
【図１】特徴の一部が類似した画像を例示する図である。
【図２】本発明の実施の形態における画像検索装置の構成図である。
【図３】本発明の第１の画像検索方法における処理を概念的に示すブロック図である。
【図４】本発明の第１の画像検索方法におけるフローチャートを示す図である。
【図５】画像の特徴量を抽出するための画像分割方法を説明する図である。
【図６】本発明の第２の画像検索方法における処理を概念的に示すブロック図である。
【図７】本発明の第２の画像検索方法におけるフローチャートを示す図である。
【図８】本発明の画像検索方法における関数ｆ（ｘ）の一例を示す図である。
【図９】本発明の第３の画像検索方法における処理を概念的に示すブロック図である。
【図１０】本発明の第３の画像検索方法におけるフローチャートを示す図である。
【図１１】本発明の画像検索方法における関数ｇ（ｘ）の一例を示す図である。
【図１２】本発明の第４の画像検索方法における処理を概念的に示すブロック図である。
【図１３】本発明の第４の画像検索方法におけるフローチャートを示す図である。
【符号の説明】
１０１　色分けされた画像、１０２　線図による画像、１０３　画像１０１と等しい明度の単色画像、１０４　画像１０１と同一色で描かれたスケッチ風の画像、２００　制御部、２０２　標準記憶部、２０４　出力部、２０６　コマンド入力部、２０８　画像入力部、２１０　データベース部、２１２　バス、２１４インターフェース部、２１６　ネットワーク、３０１，３０２，６０１，６０２，９０１，９０２，１２０１，１２０２　特徴量抽出手段、３０３，３０４，６０３，６０４，９０３，９０４，１２０３，１２０４　特徴量、３０５，６０５　特徴量選択手段、３０６，３０７，６０６，６０７　選択された特徴量、３０８，６０８，９０７，１２０７　類似画像抽出手段、３０９，６０９，９０８，１２０８　類似度、６１０　特徴量選択情報、６１１，１２１０　類似度修正係数算出手段、６１２，１２１１　類似度修正係数、９０５，１２０５　特徴量重み付け設定手段、９０６，１２０６　特徴量重み付け、１２０９　特徴量重み付け情報。

Claims

検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索装置であって、
前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、複数の視覚的な特徴量を抽出する特徴量抽出手段と、
前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択手段と、
前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出手段と、
を含むことを特徴とする画像検索装置。
請求項１に記載の画像検索装置において、
前記類似画像抽出手段は、前記選択された特徴量と併せて、さらに、
前記検索対象画像毎に選択された特徴量の数と、当該検索対象画像から抽出された特徴量の全数との差異に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出することを特徴とする画像検索装置。
検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索装置であって、
前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、複数の視覚的な特徴量を抽出する特徴量抽出手段と、
前記検索対象画像毎に、当該検索対象画像及び前記基準画像から抽出された特徴量の差異に基づいて当該特徴量を重み付けする特徴量修正手段と、
前記重み付けされた特徴量に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出手段と、
を含むことを特徴とする画像検索装置。
請求項３に記載の画像検索装置において、
前記類似画像抽出手段は、前記重み付けされた特徴量と併せて、さらに、
前記特徴量を重み付けする前後における当該特徴量の差異に基づいて、前記検索対象画像群の中から前記基準画像に類似する画像を抽出することを特徴とする画像検索装置。
検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索方法であって、
前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、複数の視覚的な特徴量を抽出する特徴量抽出工程と、
前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択工程と、
前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程と、
を含むことを特徴とする画像検索方法。
請求項５に記載の画像検索方法において、
前記類似画像抽出工程は、前記選択された特徴量と併せて、さらに、
前記検索対象画像毎に選択された特徴量の数と、当該検索対象画像から抽出された特徴量の全数との差異に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出することを特徴とする画像検索方法。
検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索方法であって、
前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、複数の視覚的な特徴量を抽出する特徴量抽出工程と、
前記検索対象画像毎に、当該検索対象画像及び前記基準画像から抽出された特徴量の差異に基づいて当該特徴量を重み付けする特徴量修正工程と、
前記重み付けされた特徴量に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程と、
を含むことを特徴とする画像検索方法。
請求項７に記載の画像検索方法において、
前記類似画像抽出工程は、前記重み付けされた特徴量と併せて、さらに、
前記特徴量を重み付けする前後における当該特徴量の差異に基づいて、前記検索対象画像群の中から前記基準画像に類似する画像を抽出することを特徴とする画像検索方法。
検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索プログラムであって、
コンピュータに、
前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程と、
前記検索対象画像毎に、前記基準画像の特徴量に対して所定条件を満たすだけ近似している当該検索対象画像の特徴量を選択する特徴量選択工程と、
前記選択された特徴量のみに基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程と、
を実行させることを特徴とする画像検索プログラム。
請求項９に記載の画像検索プログラムにおいて、
前記類似画像抽出工程は、前記選択された特徴量と併せて、さらに、
前記検索対象画像毎に選択された特徴量の数と、当該検索対象画像から抽出された特徴量の全数との差異に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出することを特徴とする画像検索プログラム。
検索対象画像を複数含む検索対象画像群の中から、検索キーとなる基準画像に類似する画像を見出す画像検索プログラムであって、
コンピュータに、
前記基準画像及び前記検索対象画像群に含まれる検索対象画像の各々から、当該画像の複数の視覚的な特徴量を抽出する特徴量抽出工程と、
前記検索対象画像毎に、当該検索対象画像及び前記基準画像から抽出された特徴量の差異に基づいて当該特徴量を重み付けする特徴量修正工程と、
前記重み付けされた特徴量に基づいて、前記検索対象画像群から前記基準画像に類似する画像を抽出する類似画像抽出工程と、
を実行させることを特徴とする画像検索プログラム。
請求項１１に記載の画像検索プログラムにおいて、
前記類似画像抽出工程は、前記重み付けされた特徴量と併せて、さらに、
前記特徴量を重み付けする前後における当該特徴量の差異に基づいて、前記検索対象画像群の中から前記基準画像に類似する画像を抽出することを特徴とする画像検索プログラム。