JP2010102711A - 画像処理方法、画像処理プログラム及び画像処理装置 - Google Patents
画像処理方法、画像処理プログラム及び画像処理装置 Download PDFInfo
- Publication number
- JP2010102711A JP2010102711A JP2009243862A JP2009243862A JP2010102711A JP 2010102711 A JP2010102711 A JP 2010102711A JP 2009243862 A JP2009243862 A JP 2009243862A JP 2009243862 A JP2009243862 A JP 2009243862A JP 2010102711 A JP2010102711 A JP 2010102711A
- Authority
- JP
- Japan
- Prior art keywords
- image
- local neighborhood
- neighborhood structure
- basic element
- parameter
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
【解決手段】第一画像と第二画像における各画像に対して、画像における各BEに局部近傍構造を構築し、局部近傍構造の特徴を抽出する処理する。そして、抽出した局部近傍構造の特徴に基づいて、第二画像における各局部近傍構造に対して、第一画像から第二画像と最も相似する一つ又は複数の局部近傍構造をサーチングしてその候補整合とする。そして、各候補整合対に対して、第二画像が第一画像に現れる変換パラーメータを推測する。そして、推測した変換パラーメータをパラーメータ空間におけるベクトルとし、パラーメータ空間中の密集領域をサーチングした結果に基づいて最終的な変換パラーメータを確定する。よって、低い計算複雑度及び高い検出正確度で第一画像から目標画像である第二画像を検出することができる。
【選択図】図1
Description
(1)属性グラフの整合を利用して検出を完了する目標検出方法は、例えば整合速度が遅く、比較的複雑な画像に対して一回の整合を完了するために何秒、延いては何十秒の時間がかかる。
(2)試行に基づく目標検出方法は、検出性能は比較的良好であるが、例えば各種の特定の対象に対して試行を行う必要があるため、実用化することが難しく、また検出の速度は実用の要求を満足できない場合があった。
(3)全面的な整合に基づく目標検出方法は、先ず、検出待ち画像を独立の分割単位に分割した後、目標画像と分割単位に対して整合を行っているので、特定の種類の画像である場合にのみ適用可能であった。
図2は、図1に示すステップS110の局部近傍構造構築処理のフローチャートを示す図である。局部近傍構造を構築する処理は、検出待ち画像と目標画像の各画像を対象としている。
予め二つのBE(直線及び曲線の線分)間の最小距離を定義する。定義:二つのBE、即ちPとQ間の最小距離は、BEのPを形成する画素とBEのQを形成する画素の最小ユークリッド空間距離(Euclidean distance)である。
以下に示す方式は、従来技術における属性グラフ構築処理に類似し、以下のステップを主に有する。
(3−1)相対的長さ、即ち隣接BEの長さを参照BEの長さに除算したもの。
(3−2)相対的中心距離、即ち隣接BEの中心から参照BEの中心までの接続線の長さを、参照BEの長さに除算したもの。
(3−3)相対的最小距離、即ち隣接BEから参照BEまでの最小距離を、参照BEの長さで除算したもの。
(3−4)夾角、即ち隣接BEと参照BE間の夾角。
(4−1)先ず、BEにおける各画素点の接線方向を計算して、方向値を区間0からπに変換する。
(4−2)続いて、画素点の接線方向に基づいて、参照BE及び隣接BEに対して、それぞれの方向ヒストグラムを構築する。その後、方向ヒストグラムにおける各分量の総和を1として方向ヒストグラムの正規化を行う。
(4−3)続いて、参照BE及び隣接BEの正規化された方向ヒストグラムのEMD距離を計算し、計算したEMD距離を参照BE及び隣接BEの夾角とする。
(5−1)先ず、最小二乗誤差(MSE)の手法を利用して、BEを一つの直線に近似する。即ち、BEが直線又は曲線であるかに関わらず、統一的に直線として表す。その後、近似した後の二つの直線間の夾角をBE間の夾角とする。
(5−2)主成分分析技術を利用して、BEの主方向を計算する。主方向は一つの角度方向を示し、近似的にBEにおける画素の主なる方向であると理解することができる。二つのBEの主方向の成分の差は当該二つのBE間の夾角である。
図5は、図1に示すステップS120の局部近傍構造整合処理を具体的に示すフローチャートである。
(6−1)BEの形状の特徴である距離測度d1。BEの形状の特徴はベクトルで表現される。よって、d1(SM,SG)=||SM−SG||2、d1(Ti M,Tj G)=||Ti M−Tj G||2と定義する。
(6−2)BEの空間構造の関係の特徴である相対的長さの距離測度d2。Ei Mにおける相対的長さの値をli M、Ej Gにおける相対的長さの値をlj Gと設定すると、d2は、次式で表わされる。
(6−3)BEの空間構造の関係の特徴である中心距離の相対的な距離測度d3。
(6−4)BEの空間構造の関係の特徴である相対的な最小距離の距離測度d4。
(6−5)BEの空間構造関係特徴である夾角の距離測度d5。Ej Mにおける夾角の値をlj M、Ej Gにおける夾角の値をlj Gと設定すると、d5は、次式のように表わされる。
(7−1)[D]u×vにおける要素に未処理と標記する。
(7−2)[D]u×vの未処理の要素から最小値を探索し、最小値の要素の位置を第x行、第y行と記録し、第x行、第y行における全ての要素を処理済みと標記する。
(7−3)[D]u×vの全ての要素が処理済みになるまで、(7−2)を繰り返す。
(7−4)(7−2)及び(7−3)で取得した最小値の和DNを算出する。
(7−5)PMの隣接BEの個数uがPGの隣接BEの個数vより大きければ、次式によりDNを修正する。ただし、次式における「cost」は、コスト因子と呼ばれる予め設定されたパラーメータであり、一般的には0から1の値を取る。
(8−1)参照BEの形状特徴の距離を計算して、D(SM,SG)=0.03を取得する。
(8−2)パラーメータα及びβの値をそれぞれ0.5、0.25とし、目標画像の局部近傍構造における隣接BEから検出待ち画像の局部近傍構造における隣接BEまでの距離を計算して、次式で表わされる3行8列の距離マトリックスを生成する。
(8−3)グリーディ探索を行う。
(8−3a)先ず、(5)表で示される距離マトリックスから要素の最小値0.03を取得する。最小値を取る要素の位置は、第3行、第7列である。
(8−3b)続いて、(5)表で示される距離マトリックスの(8−3a)で未処理の要素から最小値0.06を取得する。最小値を取る要素の位置は、第1行、第2列である。
(8−3c)続いて、(5)表で示される距離マトリックスの(8−3b)で未処理の要素から最小値0.07を取得する。最小値を取る要素の位置は、第2行、第4列である。
(8−3d)最後に、最小値の和DNを算出する。即ちDN=0.03+0.06+0.07=0.16である。
(8−4)従って、図7A及び図7Bに示す例では、二つの局部近傍構造の距離は、(0.16+0.03)/7≒0.027である。
(9−1)PMの参照BEとPGの参照BEが、信頼できるBE整合対として選択される。
(9−2)PMの各隣接BEであるNi Mに対して、PGの隣接BEから信頼できるBEを選択して、Ni Mとともに信頼できるBE整合対を形成する。選択過程は、閾値法により実現され、具体的には次の通りである。
(9−2a)[D]u×vの第i行の要素(即ちNi Mに対応する距離要素)から最小値をサーチングする。
(9−2b)第i行におけるある要素jの値が次の条件を満たす場合、Nj GをNi Mの信頼できるBEと見なして、それらを一つの信頼できるBE整合対として組み合わせる。
(条件1)要素jの値と上述した最小値の差異値はt1より小さい。t1は予め決めたパラーメータであり、通常0から0.5間の比較的小さい数として設定される。
(条件2)要素jの値と上述した最小値の比例値はt2より小さい。t2は予め決めたパラーメータであり、通常1から2.5間の数として設定される。
(10−1)パラーメータの序列において、全てのsiの平均値は、最終的な比例拡大縮小の尺度パラーメータの値である。
(10−2)検出待ち画像において目標画像が現れる中心位置座標を確定する。
(10−2a)各(xi,yi)を中心として、方形のウィンドウを構築する。ウィンドウの大きさは被処理画像の寸法によって経験により決めることができる。
(10−2b)各ウィンドウ内に入る中心位置座標(xi,yi)の数を計算する。
(10−2c)ウィンドウ内に入る中心位置座標の数が最も多いウィンドウを選択して、当該ウィンドウ内に入る中心位置座標(xi,yi)の平均値を最終的な中心位置座標とする。
(10−3)PGの参照BEの中心から(10−2)で得られた中心位置までのベクトルを計算すると同時に、PMの参照BEの中心から目標画像の中心までのベクトルを計算する。この二つのベクトルの角度差は、最終的な回転角度のパラーメータである。
(11−1)PMから任意的に二つのBEを選択して、この二つのBEの中心の距離を計算する。
(11−2)全ての距離の平均に係数0.3を掛けたものが、ウィンドウの大きさである。
図12は、図1に示すステップS130における検出処理を具体的に示すフローチャートである。図12に示すように、まず、ステップS1210において、推測した変換パラーメータを上記パラーメータ空間におけるベクトルとして、モード検出手法を利用して上記パラーメータ空間における密集領域をサーチングする。続いて、ステップS1220において、検出したモードに対して検証を行い、信頼度が高いモードに基づいて上記最終の変換パラーメータを確定する。以下、これらのステップの具体的な実施例に対して、それぞれ詳細に説明する。しかし、本発明は、以下の具体的な実施例に限られるのではない。
(12−1)当該モードに属する各入力パラーメータに対して、次式により信頼度を計算する。なお、次式におけるαは、予め決められたパラーメータである。
(12−2)グリーディ探索手法を利用して最大の信頼度を計算する。そのステップは次の通りである。
(12−2a)当該モードに属する入力パラーメータを未処理と標記する。
(12−2b)当該モードに属する未処理と標記された入力パラーメータから、信頼度が最大のパラーメータをサーチングする。なお、当該パラーメータに対応する局部近傍構造はPx M、Py Gである。
(12−2c)当該モードに属する入力パラーメータにおけるPx M又はPy Gを含むパラーメータを処理済みと標記する。
(12−2d)全てのパラーメータが処理済みと標記されるまで、ステップ(12−2b)及びステップ(12−2c)を繰り返す。
(12−2e)ステップ(12−2b)及びステップ(12−2c)により得られた最大値を加算して得られる値をZと記す。
(12−3)次式によりモードCの信頼度を計算する。
前記第一画像及び前記第二画像における各画像に対して、前記画像おける各ベーシックエレメントに基づいて局部近傍構造を構築し、前記局部近傍構造の特徴を抽出する局部近傍構造構築ステップと、
前記局部近傍構造構築ステップにより抽出された前記第一画像及び前記第二画像における前記局部近傍構造の特徴に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とし、前記候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測する局部近傍構造整合ステップと、
前記局部近傍構造整合ステップによって推測された変換パラーメータをパラーメータ空間におけるベクトルとし、前記パラーメータ空間中の密集領域を探索した結果に基づいて最終的な変換パラーメータを確定する検出ステップと
を含むことを特徴とする画像処理方法。
前記第一画像及び前記第二画像における各画像に対して、前記画像におけるベーシックエレメントを参照ベーシックエレメントとし、前記画像における各ベーシックエレメントの空間分布の関係に基づいて前記参照ベーシックエレメントと隣接する隣接ベーシックエレメントを探索し、前記参照ベーシックエレメントと前記隣接ベーシックエレメントとを組み合わせて前記局部近傍構造を形成する局部近傍構造形成ステップと、
前記局部近傍構造形成ステップにより形成された局部近傍構造から前記参照ベーシックエレメント及び前記隣接ベーシックエレメントの形状の特徴と、前記参照ベーシックエレメント及び前記隣接ベーシックエレメント間の空間構造の関係の特徴とを前記局部近傍構造の特徴として抽出する抽出ステップと、
をさらに含むことを特徴とする付記1に記載の画像処理方法。
前記局部近傍構造構築ステップにより抽出された局部近傍構造の特徴に基づいて、前記第一画像における各局部近傍構造と、前記第二画像における各局部近傍構造との距離を計算する距離計算ステップと、
前記距離計算ステップにより計算された距離に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とする候補整合探索ステップと、
前記候補整合探索ステップにより探索された候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測するパラーメータ推測ステップと
をさらに含むことを特徴とする付記1に記載の画像処理方法。
前記第一局部近傍構造及び前記第二局部近傍構造の各参照ベーシックエレメントの形状特徴間の距離を計算する計算ステップと、
前記第一局部近傍構造の各隣接ベーシックエレメント及び前記第二局部近傍構造の各隣接ベーシックエレメント間の距離を計算して、距離マトリックスを取得する取得ステップと、
前記取得ステップにより取得された距離マトリックスにおいて、グリーディ探索手法を利用して、前記第一局部近傍構造及び前記第二局部近傍構造の隣接ベーシックエレメント間の最小距離を確定する最小距離確定ステップと、
前記最小距離確定ステップによって確定された最小距離に基づいて、前記第一局部近傍構造及び前記第二局部近傍構造間の距離を確定する距離確定ステップと
をさらに含むことを特徴とする付記6に記載の画像処理方法。
前記第一局部近傍構造と前記第二局部近傍構造から信頼できるベーシックエレメント整合対を選択する選択ステップと、
前記選択ステップにより選択された信頼できるベーシックエレメント整合対に基づいて、アフィン変換により前記変換パラーメータを推算して、パラーメータ値の序列を取得するパラーメータ値序列取得ステップと、
前記パラーメータ値序列取得ステップにより取得されたパラーメータ値の序列からウィンドウサーチング手法を利用して前記変換パラーメータを確定する変換パラーメータ確定ステップと
をさらに含むことを特徴とする付記6に記載の画像処理方法。
前記局部近傍構造整合ステップにより推測された変換パラーメータを前記パラーメータ空間におけるベクトルとし、モード検出手法を利用して前記パラーメータ空間における密集領域を探索する探索ステップと、
前記探索ステップによる前記探索領域の探索によって検出されたモードに対して検証を行って、信頼度が高いモードに基づいて前記最終的な変換パラーメータを確定する最終変換パラーメータ確定ステップと
をさらに含むことを特徴とする付記1に記載の画像処理方法。
コンピュータに、
前記第一画像及び前記第二画像における各画像に対して、前記画像おける各ベーシックエレメントに基づいて局部近傍構造を構築し、前記局部近傍構造の特徴を抽出する局部近傍構造構築手順と、
前記局部近傍構造構築手順により抽出された前記第一画像及び前記第二画像における前記局部近傍構造の特徴に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とし、前記候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測する局部近傍構造整合手順と、
前記局部近傍構造整合手順によって推測された変換パラーメータをパラーメータ空間におけるベクトルとし、前記パラーメータ空間中の密集領域を探索した結果に基づいて最終的な変換パラーメータを確定する検出手順と
を実行させることを特徴とする画像処理プログラム。
前記第一画像及び前記第二画像における各画像に対して、前記画像におけるベーシックエレメントを参照ベーシックエレメントとし、前記画像における各ベーシックエレメントの空間分布の関係に基づいて前記参照ベーシックエレメントと隣接する隣接ベーシックエレメントを探索し、前記参照ベーシックエレメントと前記隣接ベーシックエレメントとを組み合わせて前記局部近傍構造を形成する局部近傍構造形成手順と、
前記局部近傍構造形成手順により形成された局部近傍構造から前記参照ベーシックエレメント及び前記隣接ベーシックエレメントの形状の特徴と、前記参照ベーシックエレメント及び前記隣接ベーシックエレメント間の空間構造の関係の特徴とを前記局部近傍構造の特徴として抽出する抽出手順と
をさらに含むことを特徴とする付記11に記載の画像処理プログラム。
前記局部近傍構造構築手順により抽出された局部近傍構造の特徴に基づいて、前記第一画像における各局部近傍構造と、前記第二画像における各局部近傍構造との距離を計算する距離計算手順と、
前記距離計算手順により計算された距離に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とする候補整合探索手順と、
前記候補整合探索手順により探索された候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測するパラーメータ推測手順と
をさらに含むことを特徴とする付記11に記載の画像処理プログラム。
前記第一局部近傍構造及び前記第二局部近傍構造の各参照ベーシックエレメントの形状特徴間の距離を計算する計算手順と、
前記第一局部近傍構造の各隣接ベーシックエレメント及び前記第二局部近傍構造の各隣接ベーシックエレメント間の距離を計算して、距離マトリックスを取得する取得手順と、
前記取得手順により取得された距離マトリックスにおいて、グリーディ探索手法を利用して、前記第一局部近傍構造及び前記第二局部近傍構造の隣接ベーシックエレメント間の最小距離を確定する最小距離確定手順と、
前記最小距離確定手順によって確定された最小距離に基づいて、前記第一局部近傍構造及び前記第二局部近傍構造間の距離を確定する距離確定手順と
をさらに含むことを特徴とする付記16に記載の画像処理プログラム。
前記第一局部近傍構造と前記第二局部近傍構造から信頼できるベーシックエレメント整合対を選択する選択手順と、
前記選択手順により選択された信頼できるベーシックエレメント整合対に基づいて、アフィン変換により前記変換パラーメータを推算して、パラーメータ値の序列を取得するパラーメータ値序列取得手順と、
前記パラーメータ値序列取得手順により取得されたパラーメータ値の序列からウィンドウサーチング手法を利用して前記変換パラーメータを確定する変換パラーメータ確定手順と
をさらに含むことを特徴とする付記16に記載の画像処理プログラム。
前記局部近傍構造整合手順により推測された変換パラーメータを前記パラーメータ空間におけるベクトルとし、モード検出手法を利用して前記パラーメータ空間における密集領域を探索する探索手順と、
前記探索手順による前記探索領域の探索によって検出されたモードに対して検証を行って、信頼度が高いモードに基づいて前記最終的な変換パラーメータを確定する最終変換パラーメータ確定手順と
をさらに含むことを特徴とする付記11に記載の画像処理プログラム。
前記第一画像及び前記第二画像における各画像に対して、前記画像おける各ベーシックエレメントに基づいて局部近傍構造を構築し、前記局部近傍構造の特徴を抽出する局部近傍構造構築手段と、
前記局部近傍構造構築手段により抽出された前記第一画像及び前記第二画像における前記局部近傍構造の特徴に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とし、前記候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測する局部近傍構造整合手段と、
前記局部近傍構造整合手段によって推測された変換パラーメータをパラーメータ空間におけるベクトルとし、前記パラーメータ空間中の密集領域を探索した結果に基づいて最終的な変換パラーメータを確定する検出手段と
を有することを特徴とする画像処理装置。
前記第一画像及び前記第二画像における各画像に対して、前記画像におけるベーシックエレメントを参照ベーシックエレメントとし、前記画像における各ベーシックエレメントの空間分布の関係に基づいて前記参照ベーシックエレメントと隣接する隣接ベーシックエレメントを探索し、前記参照ベーシックエレメントと前記隣接ベーシックエレメントとを組み合わせて前記局部近傍構造を形成する局部近傍構造形成手段と、
前記局部近傍構造形成手段により形成された局部近傍構造から前記参照ベーシックエレメント及び前記隣接ベーシックエレメントの形状の特徴と、前記参照ベーシックエレメント及び前記隣接ベーシックエレメント間の空間構造の関係の特徴とを前記局部近傍構造の特徴として抽出する抽出手段と、
をさらに備えることを特徴とする付記21に記載の画像処理装置。
前記局部近傍構造構築手段により抽出された局部近傍構造の特徴に基づいて、前記第一画像における各局部近傍構造と、前記第二画像における各局部近傍構造との距離を計算する距離計算手段と、
前記距離計算手段により計算された距離に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とする候補整合探索手段と、
前記候補整合探索手段により探索された候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測するパラーメータ推測手段と
をさらに備えることを特徴とする付記21に記載の画像処理装置。
前記第一局部近傍構造及び前記第二局部近傍構造の各参照ベーシックエレメントの形状特徴間の距離を計算する計算手段と、
前記第一局部近傍構造の各隣接ベーシックエレメント及び前記第二局部近傍構造の各隣接ベーシックエレメント間の距離を計算して、距離マトリックスを取得する取得手段と、
前記取得手段により取得された距離マトリックスにおいて、グリーディ探索手法を利用して、前記第一局部近傍構造及び前記第二局部近傍構造の隣接ベーシックエレメント間の最小距離を確定する最小距離確定手段と、
前記最小距離確定手段によって確定された最小距離に基づいて、前記第一局部近傍構造及び前記第二局部近傍構造間の距離を確定する距離確定手段と
をさらに備えることを特徴とする付記26に記載の画像処理装置。
前記第一局部近傍構造と前記第二局部近傍構造から信頼できるベーシックエレメント整合対を選択する選択手段と、
前記選択手段により選択された信頼できるベーシックエレメント整合対に基づいて、アフィン変換により前記変換パラーメータを推算して、パラーメータ値の序列を取得するパラーメータ値序列取得手段と、
前記パラーメータ値序列取得手段により取得されたパラーメータ値の序列からウィンドウサーチング手法を利用して前記変換パラーメータを確定する変換パラーメータ確定手段と
をさらに備えたことを特徴とする付記26に記載の画像処理装置。
前記局部近傍構造整合手段により推測された変換パラーメータを前記パラーメータ空間におけるベクトルとし、モード検出手法を利用して前記パラーメータ空間における密集領域を探索する探索手段と、
前記探索ステップによる前記探索領域の探索によって検出されたモードに対して検証を行って、信頼度が高いモードに基づいて前記最終的な変換パラーメータを確定する最終変換パラーメータ確定手段と
をさらに備えることを特徴とする付記21に記載の画像処理装置。
1410 局部近傍構造構築手段
1420 局部近傍構造整合手段
1430 検出手段
Claims (10)
- 第一画像から第二画像を画像処理装置が検出する画像処理方法において、
前記第一画像及び前記第二画像における各画像に対して、前記画像おける各ベーシックエレメントに基づいて局部近傍構造を構築し、前記局部近傍構造の特徴を抽出する局部近傍構造構築ステップと、
前記局部近傍構造構築ステップにより抽出された前記第一画像及び前記第二画像における前記局部近傍構造の特徴に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とし、前記候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測する局部近傍構造整合ステップと、
前記局部近傍構造整合ステップによって推測された変換パラーメータをパラーメータ空間におけるベクトルとし、前記パラーメータ空間中の密集領域を探索した結果に基づいて最終的な変換パラーメータを確定する検出ステップと
を含むことを特徴とする画像処理方法。 - 前記局部近傍構造構築ステップは、
前記第一画像及び前記第二画像における各画像に対して、前記画像におけるベーシックエレメントを参照ベーシックエレメントとし、前記画像における各ベーシックエレメントの空間分布の関係に基づいて前記参照ベーシックエレメントと隣接する隣接ベーシックエレメントを探索し、前記参照ベーシックエレメントと前記隣接ベーシックエレメントとを組み合わせて前記局部近傍構造を形成する局部近傍構造形成ステップと、
前記局部近傍構造形成ステップにより形成された局部近傍構造から前記参照ベーシックエレメント及び前記隣接ベーシックエレメントの形状の特徴と、前記参照ベーシックエレメント及び前記隣接ベーシックエレメント間の空間構造の関係の特徴とを前記局部近傍構造の特徴として抽出する抽出ステップと、
をさらに含むことを特徴とする請求項1に記載の画像処理方法。 - 前記参照ベーシックエレメント及び前記隣接ベーシックエレメントの形状の特徴は、ベーシックエレメントの方向ヒストグラムを利用したフーリエ変換により計算されることを特徴とする請求項2に記載の画像処理方法。
- 前記参照ベーシックエレメント及び前記隣接ベーシックエレメント間の空間構造の関係の特徴は、前記参照ベーシックエレメント及び前記隣接ベーシックエレメント間の相対的長さ、相対的な中心距離、相対的な最小距離、夾角のうち少なくとも一つを含むことを特徴とする請求項2に記載の画像処理方法。
- 前記局部近傍構造整合ステップは、
前記局部近傍構造構築ステップにより抽出された局部近傍構造の特徴に基づいて、前記第一画像における各局部近傍構造と、前記第二画像における各局部近傍構造との距離を計算する距離計算ステップと、
前記距離計算ステップにより計算された距離に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とする候補整合探索ステップと、
前記候補整合探索ステップにより探索された候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測するパラーメータ推測ステップと
をさらに含むことを特徴とする請求項1に記載の画像処理方法。 - 前記距離計算ステップは、前記第一画像における第一局部近傍構造と前記第二画像における第二局部近傍構造とに対して、
前記第一局部近傍構造及び前記第二局部近傍構造の各参照ベーシックエレメントの形状特徴間の距離を計算する計算ステップと、
前記第一局部近傍構造の各隣接ベーシックエレメント及び前記第二局部近傍構造の各隣接ベーシックエレメント間の距離を計算して、距離マトリックスを取得する取得ステップと、
前記取得ステップにより取得された距離マトリックスにおいて、グリーディ探索手法を利用して、前記第一局部近傍構造及び前記第二局部近傍構造の隣接ベーシックエレメント間の最小距離を確定する最小距離確定ステップと、
前記最小距離確定ステップによって確定された最小距離に基づいて、前記第一局部近傍構造及び前記第二局部近傍構造間の距離を確定する距離確定ステップと
をさらに含むことを特徴とする請求項5に記載の画像処理方法。 - 前記パラーメータ推測ステップは、前記第一画像における第一局部近傍構造と前記第二画像における第二局部近傍構造とに対して、
前記第一局部近傍構造と前記第二局部近傍構造から信頼できるベーシックエレメント整合対を選択する選択ステップと、
前記選択ステップにより選択された信頼できるベーシックエレメント整合対に基づいて、アフィン変換により前記変換パラーメータを推算して、パラーメータ値の序列を取得するパラーメータ値序列取得ステップと、
前記パラーメータ値序列取得ステップにより取得されたパラーメータ値の序列からウィンドウサーチング手法を利用して前記変換パラーメータを確定する変換パラーメータ確定ステップと
をさらに含むことを特徴とする請求項5に記載の画像処理方法。 - 前記検出ステップは、
前記局部近傍構造整合ステップにより推測された変換パラーメータを前記パラーメータ空間におけるベクトルとし、モード検出手法を利用して前記パラーメータ空間における密集領域を探索する探索ステップと、
前記探索ステップによる前記探索領域の探索によって検出されたモードに対して検証を行って、信頼度が高いモードに基づいて前記最終的な変換パラーメータを確定する最終変換パラーメータ確定ステップと
をさらに含むことを特徴とする請求項1に記載の画像処理方法。 - 第一画像から第二画像を検出する画像処理プログラムにおいて、
コンピュータに、
前記第一画像及び前記第二画像における各画像に対して、前記画像おける各ベーシックエレメントに基づいて局部近傍構造を構築し、前記局部近傍構造の特徴を抽出する局部近傍構造構築手順と、
前記局部近傍構造構築手順により抽出された前記第一画像及び前記第二画像における前記局部近傍構造の特徴に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とし、前記候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測する局部近傍構造整合手順と、
前記局部近傍構造整合手順によって推測された変換パラーメータをパラーメータ空間におけるベクトルとし、前記パラーメータ空間中の密集領域を探索した結果に基づいて最終的な変換パラーメータを確定する検出手順と
を実行させることを特徴とする画像処理プログラム。 - 第一画像から第二画像を検出するための画像処理装置において、
前記第一画像及び前記第二画像における各画像に対して、前記画像おける各ベーシックエレメントに基づいて局部近傍構造を構築し、前記局部近傍構造の特徴を抽出する局部近傍構造構築手段と、
前記局部近傍構造構築手段により抽出された前記第一画像及び前記第二画像における前記局部近傍構造の特徴に基づいて、前記第二画像における前記局部近傍構造から前記第一画像における前記局部近傍構造と最も相似する一つ又は複数の局部近傍構造を探索して候補整合対とし、前記候補整合対に対して、前記第二画像が前記第一画像に現れる変換パラーメータを推測する局部近傍構造整合手段と、
前記局部近傍構造整合手段によって推測された変換パラーメータをパラーメータ空間におけるベクトルとし、前記パラーメータ空間中の密集領域を探索した結果に基づいて最終的な変換パラーメータを確定する検出手段と
を有することを特徴とする画像処理装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810171186.1 | 2008-10-22 | ||
CN200810171186A CN101727452B (zh) | 2008-10-22 | 2008-10-22 | 图像处理方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010102711A true JP2010102711A (ja) | 2010-05-06 |
JP5353631B2 JP5353631B2 (ja) | 2013-11-27 |
Family
ID=42293254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009243862A Active JP5353631B2 (ja) | 2008-10-22 | 2009-10-22 | 画像処理方法、画像処理プログラム及び画像処理装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5353631B2 (ja) |
CN (1) | CN101727452B (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882312A (zh) * | 2010-06-07 | 2010-11-10 | 河南理工大学 | 数字图像中基于基元表示的多边形检测方法 |
CN115423855A (zh) * | 2022-11-04 | 2022-12-02 | 深圳市壹倍科技有限公司 | 图像的模板匹配方法、装置、设备及介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375993A (zh) * | 2010-08-23 | 2012-03-14 | 索尼公司 | 目标检测方法和设备 |
CN101976338B (zh) * | 2010-10-29 | 2013-03-13 | 杭州电子科技大学 | 一种基于梯度方向直方图的判决式视觉显著性检测方法 |
CN102103700A (zh) * | 2011-01-18 | 2011-06-22 | 南京邮电大学 | 基于陆地移动距离的相似度检测图像型垃圾邮件的方法 |
CN103379258B (zh) * | 2012-04-20 | 2016-08-03 | 宏碁股份有限公司 | 利用旋转操作辅助视频压缩的方法及其图像获取装置 |
CN106909552A (zh) * | 2015-12-22 | 2017-06-30 | 成都理想境界科技有限公司 | 图像检索服务器、***、相关检索及排错方法 |
CN106909539A (zh) * | 2015-12-22 | 2017-06-30 | 成都理想境界科技有限公司 | 图像检索***、服务器、数据库及相关的方法 |
CN105527461B (zh) * | 2016-01-16 | 2018-04-27 | 北京工业大学 | 一种基于透射电镜haadf图像的材料结构定量化分析方法 |
CN113239222B (zh) * | 2021-01-19 | 2023-10-31 | 佳木斯大学 | 一种基于图像信息提取与改进emd距离的图像检索方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07239862A (ja) * | 1994-03-01 | 1995-09-12 | Nippon Steel Corp | 画像データベース検索システム |
JPH09179901A (ja) * | 1995-12-11 | 1997-07-11 | Xerox Corp | ビットマップイメージ処理方法及び自動インデックス付けシステム |
JP2001307111A (ja) * | 2000-04-20 | 2001-11-02 | Internatl Business Mach Corp <Ibm> | 形状解析システム、3次元形状モデルの差分検出システム、類似形状検索システム、形状解析方法、3次元形状モデルの差異検出方法、類似形状検索方法、記憶媒体及びプログラム伝送装置 |
JP2005228131A (ja) * | 2004-02-13 | 2005-08-25 | Fujitsu Ltd | 図面照合装置 |
JP2006113922A (ja) * | 2004-10-15 | 2006-04-27 | Fujitsu Ltd | 組み立て図面の装置部品イメージ検索装置 |
JP2008176464A (ja) * | 2007-01-17 | 2008-07-31 | Fujitsu Ltd | 設計支援プログラム、設計支援方法および設計支援装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4492036B2 (ja) * | 2003-04-28 | 2010-06-30 | ソニー株式会社 | 画像認識装置及び方法、並びにロボット装置 |
CN101110101A (zh) * | 2006-07-17 | 2008-01-23 | 松下电器产业株式会社 | 识别图像的方法及设备 |
CN100530222C (zh) * | 2007-10-18 | 2009-08-19 | 清华大学 | 图像匹配方法 |
-
2008
- 2008-10-22 CN CN200810171186A patent/CN101727452B/zh active Active
-
2009
- 2009-10-22 JP JP2009243862A patent/JP5353631B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07239862A (ja) * | 1994-03-01 | 1995-09-12 | Nippon Steel Corp | 画像データベース検索システム |
JPH09179901A (ja) * | 1995-12-11 | 1997-07-11 | Xerox Corp | ビットマップイメージ処理方法及び自動インデックス付けシステム |
JP2001307111A (ja) * | 2000-04-20 | 2001-11-02 | Internatl Business Mach Corp <Ibm> | 形状解析システム、3次元形状モデルの差分検出システム、類似形状検索システム、形状解析方法、3次元形状モデルの差異検出方法、類似形状検索方法、記憶媒体及びプログラム伝送装置 |
JP2005228131A (ja) * | 2004-02-13 | 2005-08-25 | Fujitsu Ltd | 図面照合装置 |
JP2006113922A (ja) * | 2004-10-15 | 2006-04-27 | Fujitsu Ltd | 組み立て図面の装置部品イメージ検索装置 |
JP2008176464A (ja) * | 2007-01-17 | 2008-07-31 | Fujitsu Ltd | 設計支援プログラム、設計支援方法および設計支援装置 |
Non-Patent Citations (2)
Title |
---|
CSNG200600635014; 馬場孝之, 外6名: '"機械系組立図面からの形状に基づく部品検索手法の提案"' 電子情報通信学会技術研究報告 第104巻, 第741号, 20050310, p.79-84, 社団法人電子情報通信学会 * |
JPN6013023688; 馬場孝之, 外6名: '"機械系組立図面からの形状に基づく部品検索手法の提案"' 電子情報通信学会技術研究報告 第104巻, 第741号, 20050310, p.79-84, 社団法人電子情報通信学会 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101882312A (zh) * | 2010-06-07 | 2010-11-10 | 河南理工大学 | 数字图像中基于基元表示的多边形检测方法 |
CN115423855A (zh) * | 2022-11-04 | 2022-12-02 | 深圳市壹倍科技有限公司 | 图像的模板匹配方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101727452A (zh) | 2010-06-09 |
JP5353631B2 (ja) | 2013-11-27 |
CN101727452B (zh) | 2012-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5353631B2 (ja) | 画像処理方法、画像処理プログラム及び画像処理装置 | |
Fan et al. | Robust line matching through line–point invariants | |
Barnes et al. | The generalized patchmatch correspondence algorithm | |
US8737739B2 (en) | Active segmentation for groups of images | |
CN104200240B (zh) | 一种基于内容自适应哈希编码的草图检索方法 | |
US8200010B1 (en) | Image segmentation by clustering web images | |
Cho et al. | Mode-seeking on graphs via random walks | |
JP5754055B2 (ja) | 物体または形状の情報表現方法 | |
Dutta et al. | A symbol spotting approach in graphical documents by hashing serialized graphs | |
Dai et al. | A comparison of CNN-based and hand-crafted keypoint descriptors | |
Levinshtein et al. | Optimal image and video closure by superpixel grouping | |
Gonzalez-Diaz et al. | Neighborhood matching for image retrieval | |
Suwanwimolkul et al. | Learning of low-level feature keypoints for accurate and robust detection | |
Garcia-Fidalgo et al. | Vision-based topological mapping and localization by means of local invariant features and map refinement | |
Durix et al. | The propagated skeleton: A robust detail-preserving approach | |
Kleiman et al. | Robust structure-based shape correspondence | |
Zheng et al. | Smoothly varying projective transformation for line segment matching | |
Shokoufandeh et al. | The representation and matching of categorical shape | |
Liu et al. | Curved reflection symmetry detection with self-validation | |
Jablons | Identifying humpback whale flukes by sequence matching of trailing edge curvature | |
Havlena et al. | Optimal reduction of large image databases for location recognition | |
Martin et al. | A learning approach for adaptive image segmentation | |
Liang et al. | Sketch-based retrieval using content-aware hashing | |
Shen et al. | Robust line segment mismatch removal using point-pair representation and Gaussian-uniform mixture formulation | |
Strassburg et al. | On the influence of superpixel methods for image parsing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120720 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130521 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130626 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130730 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130812 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5353631 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |