JP2015115041A - 画像処理装置と画像処理方法 - Google Patents
画像処理装置と画像処理方法 Download PDFInfo
- Publication number
- JP2015115041A JP2015115041A JP2013259076A JP2013259076A JP2015115041A JP 2015115041 A JP2015115041 A JP 2015115041A JP 2013259076 A JP2013259076 A JP 2013259076A JP 2013259076 A JP2013259076 A JP 2013259076A JP 2015115041 A JP2015115041 A JP 2015115041A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature amount
- polarization
- image processing
- calculation unit
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/28—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for polarising
- G02B27/286—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for polarising for controlling or changing the state of polarisation, e.g. transforming one polarisation state into another
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B5/00—Optical elements other than lenses
- G02B5/30—Polarising elements
- G02B5/3025—Polarisers, i.e. arrangements capable of producing a definite output polarisation state from an unpolarised input state
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】被写体表面形状に基づいた画像処理を行えるようにする。
【解決手段】偏光画像取得部11は、偏光方向が3方向以上の偏光画像を取得する。特徴量算出部15は、取得された偏光画像に基づいて画像特徴量の算出を行う。例えば、画素毎に各偏光画像の輝度を正規化して、正規化後の偏光画像の輝度を画像特徴量として用いる。偏光画像の輝度は被写体の表面形状に応じて輝度レベルが変化する。したがって、偏光画像に基づいて算出した画像特徴量は、被写体の表面形状に応じた特徴量となる。このような画像特徴量を用いることで、画像処理例えば画像認識や特徴点検出、特徴点マッチング等を被写体の表面形状に基づいて行うことが可能となる。
【選択図】 図1
【解決手段】偏光画像取得部11は、偏光方向が3方向以上の偏光画像を取得する。特徴量算出部15は、取得された偏光画像に基づいて画像特徴量の算出を行う。例えば、画素毎に各偏光画像の輝度を正規化して、正規化後の偏光画像の輝度を画像特徴量として用いる。偏光画像の輝度は被写体の表面形状に応じて輝度レベルが変化する。したがって、偏光画像に基づいて算出した画像特徴量は、被写体の表面形状に応じた特徴量となる。このような画像特徴量を用いることで、画像処理例えば画像認識や特徴点検出、特徴点マッチング等を被写体の表面形状に基づいて行うことが可能となる。
【選択図】 図1
Description
この技術は、画像処理装置と画像処理方法に関し、被写体表面形状に基づいた画像処理を行えるようにする。
従来、複数の偏光方向の偏光画像から被写体の法線情報を取得することが行われている。例えば、非特許文献1や非特許文献2では、複数の偏光方向の偏光画像をモデル式に当てはめることによって法線情報の算出が行われている。また、偏光画像を用いて被写体の認識等も行われている。例えば特許文献1は、照明光が所定の基準面に対してp偏光となるよう照明手段を配置して被写体の照明を行う。さらに、特許文献1は、基準面からの反射光をs偏光とp偏光に分離して偏光成分毎の光強度の測定を行い、被測定物を基準面に沿って移動させながら得られた光強度の測定結果に基づき、被写体の識別が行われている。
Lawrence B.Wolff and Terrance E.Boult :"Constraining Object Features Using a Polarization Reflectance Model",IEEE Transaction on pattern analysis and machine intelligence,Vol.13,No.7,July 1991
Gary A. Atkinson and Edwin R. Hancock :"Recovery of surface orientation from diffuse polarization",IEEE Transactions of Image Processing, Vol.15, Issue.6, pp.1653-1664, 2006
ところで、複数の偏光方向の偏光画像をモデル式に当てはめることによって法線情報を算出する場合、偏光方向と偏光画像の輝度との関係は180度の周期性を有する。例えば0度と180度の場合は偏光画像の輝度が等しくなり、45度の場合は225度の場合と偏光画像と輝度が等しくなる。したがって、法線方向の方位角を求める場合に所謂180度の不定性の問題が残ってしまう。また、s偏光とp偏光を用いた識別では、被写体の表面素材の違いを識別することはできるが、原理上2偏光方向から被写体の表面形状を識別できない。
そこで、この技術では、被写体の表面形状に基づいた画像処理を行うことができる画像処理装置と画像処理方法を提供することを目的とする。
この技術の第1の側面は、偏光画像を取得する偏光画像取得部と、前記偏光画像取得部で取得された偏光画像に基づいて算出された画像特徴量を用いて画像処理を行う画像処理部とを備える画像処理装置にある。
この技術においては、例えば、偏光方向が3方向以上の偏光画像が取得されて、この取得された偏光画像の輝度に基づいて画素毎に算出された画像特徴量を用いて、被写体の認識処理や特徴点を検出、被写体の特徴点とのマッチング処理等の画像処理が行われる。画像特徴量の算出では輝度の正規化が行われて、正規化後の偏光方向毎の輝度が画像特徴量として用いられる。また、画素毎に画像特徴量の算出を行い、特徴量算出対象画素の画像特徴量の算出では、特徴量算出対象画素の周囲に位置する画素の画像特徴量を用いることも行われる。さらに、画像特徴量の算出では、偏光画像における被写体の反射特性に基づき、拡散反射成分と鏡面反射成分の割合に応じた画像特徴量の算出が行われる。また、画像特徴量の算出では、偏光画像と偏光画像における被写体の屈折率に基づいた画像特徴量の算出が行われる。また、取得された偏光画像から無偏光画像を生成して、この無偏光画像に基づいて特徴量の算出を行う無偏光特徴量算出部をさらに設けて、無偏光特徴量算出部で特徴量の算出時に判別された勾配強度と勾配方向に基づく情報を用いて画像特徴量の算出が行われる。また、算出された画像特徴量に無偏光特徴量算出部で算出された画像特徴量を含めることも行われる。
この技術の第2の側面は、偏光画像取得部で、偏光画像を取得する工程と、画像処理部で、前記偏光画像取得部で取得された偏光画像に基づいて算出された画像特徴量を用いて画像処理を行う工程とを含む画像処理方法にある。
この技術によれば、偏光画像が取得されて、取得された偏光画像に基づいて算出した画像特徴量を用いて画像処理が行われる。このように、偏光画像に基づいて画像特徴量が算出されることから、画像特徴量によって被写体の表面形状の特徴を示すことが可能となり、この画像特徴量を用いることで、被写体の表面形状に基づいた画像処理を行うことができるようになる。なお、本明細書に記載された効果はあくまで例示であって限定されるものではなく、また付加的な効果があってもよい。
以下、本技術を実施するための形態について説明する。なお、説明は以下の順序で行う。
1.画像特徴量算出装置の構成と動作
1−1.画像特徴量算出装置の構成
1−2.画像特徴量算出装置の動作
1−3.画像特徴量算出装置の他の動作
2.画像特徴量算出装置の他の構成と動作
2−1.画像特徴量算出装置の他の構成
2−2.画像特徴量算出装置の他の構成の動作
3.画像処理装置の構成と動作
3−1.認識処理
3−2.特徴点検出
3−3.特徴点マッチング
1.画像特徴量算出装置の構成と動作
1−1.画像特徴量算出装置の構成
1−2.画像特徴量算出装置の動作
1−3.画像特徴量算出装置の他の動作
2.画像特徴量算出装置の他の構成と動作
2−1.画像特徴量算出装置の他の構成
2−2.画像特徴量算出装置の他の構成の動作
3.画像処理装置の構成と動作
3−1.認識処理
3−2.特徴点検出
3−3.特徴点マッチング
<1.画像特徴量算出装置の構成と動作>
[1−1.画像特徴量算出装置の構成]
図1は、画像特徴量の算出を行う画像特徴量算出装置の構成を例示している。画像特徴量算出装置10は、偏光画像取得部11と特徴量算出部15を有している。
[1−1.画像特徴量算出装置の構成]
図1は、画像特徴量の算出を行う画像特徴量算出装置の構成を例示している。画像特徴量算出装置10は、偏光画像取得部11と特徴量算出部15を有している。
偏光画像取得部11は、偏光方向が3方向以上である偏光画像を取得する。偏光画像取得部11は、偏光方向が3方向以上の偏光画像を生成する撮像部を有する構成であってもよく、外部機器や記録媒体等から偏光方向が3方向以上の偏光画像を取得する構成であってもよい。
特徴量算出部15は、偏光画像取得部11で取得された偏光画像に基づいて画像特徴量を算出する。
[1−2.画像特徴量算出装置の動作]
図2は、偏光画像取得部で取得される偏光画像について説明するための図である。例えば図2の(A)に示すように、偏光画像は、撮像部CMの前に設けた偏光板PLを回転させて3方向以上の偏光方向でそれぞれ撮像を行うことで生成する。また、図2の(B)に示すように、偏光画像は、イメージセンサ110に3方向以上の偏光方向の画素構成とされた偏光フィルタ111を配置して撮像を行うことで生成してもよい。なお、図2の(B)では、各画素が異なる4種類の偏光方向(偏光方向を矢印で示す)の何れかの画素となる偏光フィルタ111をイメージセンサ110の前面に配置した場合を例示している。さらに、図2の(C)に示すように、偏光画像は、偏光方向が異なる偏光板PL1〜PL4を撮像部CM1〜CM4の前に設けて、撮像部CM1〜CM4で順次同じ位置から撮像を行うことで生成してもよい。
図2は、偏光画像取得部で取得される偏光画像について説明するための図である。例えば図2の(A)に示すように、偏光画像は、撮像部CMの前に設けた偏光板PLを回転させて3方向以上の偏光方向でそれぞれ撮像を行うことで生成する。また、図2の(B)に示すように、偏光画像は、イメージセンサ110に3方向以上の偏光方向の画素構成とされた偏光フィルタ111を配置して撮像を行うことで生成してもよい。なお、図2の(B)では、各画素が異なる4種類の偏光方向(偏光方向を矢印で示す)の何れかの画素となる偏光フィルタ111をイメージセンサ110の前面に配置した場合を例示している。さらに、図2の(C)に示すように、偏光画像は、偏光方向が異なる偏光板PL1〜PL4を撮像部CM1〜CM4の前に設けて、撮像部CM1〜CM4で順次同じ位置から撮像を行うことで生成してもよい。
また、撮像部でカラーフィルタを使用しない場合、偏光画像取得部11では輝度偏光画像を取得できる。ここで、図2の(A)および(C)の場合、画素毎に偏光方向が異なる輝度偏光画像の輝度を平均することで、無偏光である通常輝度画像と同等の画像を取得できる。また、図2の(B)の場合、偏光方向が異なる方向であって隣接している4画素の輝度を平均することで、無偏光の通常輝度画像と同等の画像を取得することができる。また、偏光画像取得部11は、輝度偏光画像だけでなく、撮像部にカラーフィルタを設けることで三原色画像を同時に生成してもよく、赤外画像等を同時に生成してもよい。
特徴量算出部15は、偏光画像取得部11で取得された偏光画像に基づいて画像特徴量を算出する。特徴量算出部15は、偏光画像に基づいて例えば画素毎に、偏光画像における被写体の表面形状に応じた画像特徴量を算出する。図3は、画像特徴量の算出を説明するための図である。図3の(A)(B)は、偏光画像における画像特徴量の特徴量算出対象画素(以下単に「対象画素」という)における偏光方向の角度と輝度の関係を例示しており、図3の(B)は、図3の(A)に比べて例えば照明光が明るい場合を示している。なお、図3は、偏光画像取得部11において、偏光方向の角度(以下「偏光角」という)が0度,45度,90度,135度の偏光画像を取得した場合を例示している。また、対象画素における偏光角が0度の時の輝度をI0°,I'0°、偏光角が45度の時の輝度をI45°,I'45°、偏光角が90度の時の輝度をI90°,I'90°、偏光角が135度の時の輝度をI135°,I'135°とする。このように、偏光画像の輝度は照明等によって変化する。したがって、特徴量算出部15は、輝度が異なる場合でも同じ特徴を持つ点とみなすことが可能となるように、輝度の正規化を行う。特徴量算出部15は、各偏光角の輝度の平均を算出して、算出された平均輝度で各偏光角の輝度を除算して、正規化された輝度を算出する。なお、図3の(C)は、正規化後の輝度を示しており、正規化基準レベルは平均輝度に相当する。
特徴量算出部15は、正規化後の各偏光角の輝度を画像特徴量とする。なお、式(1)は、偏光角が0度,45度,90度,135度の偏光画像を取得した場合の画像特徴量を例示している。
このようにして算出される画像特徴量は、対象画素に対応する被写***置の表面形状を示す情報となる。
ここで、被写体表面形状と偏光画像について図4を用いて説明する。例えば図4に示すように、光源LTを用いて被写体OBの照明を行い、撮像部CMは偏光板PLを介して被写体OBの撮像を行う。この場合、撮像画像は、偏光板PLの回転に応じて被写体OBの輝度が変化する。なお、偏光板PLを回転させたとき、最も高い輝度をImax,最も低い輝度をIminとする。また、2次元座標におけるx軸とy軸を偏光板PLの平面上としたとき、偏光板PLを回転させたときのx軸に対するy軸方向の角度を偏光角υとする。偏光板PLは、180度回転させると元の偏光状態に戻り180度の周期を有している。また、最大輝度Imaxが観測されたときの偏光角υを方位角φとする。このような定義を行うと、偏光板PLを回転させたときに観測される輝度Iは式(2)のように表すことができる。なお、図5は、輝度と偏光角との関係を例示している。なお、この例は拡散反射のモデルを示しており、鏡面反射の場合は方位角が偏光角に比べて90度ずれる。
式(2)では、偏光角υが偏光画像の生成時に明らかであり、最大輝度Imaxと最小輝度Iminおよび方位角φが変数となる。したがって、偏光方向が3方向以上の偏光画像の輝度を用いて、式(2)に示す関数へのフィッティングを行うことにより、輝度と偏光角の関係を示す関数に基づき最大輝度となる偏光角である方位角φを判別することができる。
また、物体表面法線を極座標系で表現して、法線情報を方位角φと天頂角θとする。なお、天頂角θはz軸から法線に向かう角度、方位角φは、上述のようにx軸に対するy軸方向の角度とする。ここで、偏光板PLを回したときに最小輝度Iminと最大輝度Imaxが得られたとき、式(3)に基づき偏光度ρを算出できる。
偏光度ρと天頂角θの関係は、拡散反射の場合、フレネルの式から例えば図6に示す特性を有することが知られている。したがって、図6に示す特性から偏光度ρに基づき天頂角θを判別できる。なお、図6に示す特性は例示であって、被写体の屈折率等に依存して特性は変化する。例えば屈折率が大きくなるに伴い偏光度が大きくなる。
以上にように、対象画素の画像特徴量は、輝度の振幅が天頂角、輝度と偏光角の関係を示す関数の位相が方位角の特徴を有することから、対象画素に対応する被写***置の表面形状を示す情報である。
特徴量算出部15は、上述のように偏光方向が3方向以上の偏光画像の輝度を正規化して、各偏光方向の偏光画像における正規化後の輝度を画像特徴量とする。
また、画像特徴量の算出では、偏光角υが「0度≦υ<180度」の範囲において、偏光角の差分が等しい全ての偏光画像を用いることが望ましい。例えば偏光角υが「0度,60度,120度」の偏光画像を用いてもよく「0度,30度,60度,90度,120度,150度」等の偏光角υの偏光画像を用いてもよい。さらに、偏光角の差分が異なる偏光画像が含まれている場合、式(4)を満たすような偏光角υにおける偏光画像を選択的に用いて画像特徴量を算出することが望ましい。例えば、偏光画像の偏光角υが「0度,60度,120度,150度」の場合、偏光角υが「0度,60度,120度」の偏光画像を用いて正規化を行う。このように偏光角の差分が等しい偏光画像を用いることで、正規化をより精度よく行うことができる。
図7は、画像特徴量算出装置の動作を示すフローチャートである。ステップST1で画像特徴量算出装置10は偏光画像を取得する。画像特徴量算出装置10は、偏光方向が3方向以上の偏光画像を生成してステップST2に進む。
ステップST2で画像特徴量算出装置10は、画像特徴量を算出する。画像特徴量算出装置10は、偏光方向が3方向以上の偏光画像の輝度を正規化する。さらに、画像特徴量算出装置10は、正規化後の各偏光画像の輝度を画素毎に用いて画像特徴量とする。
このように、画像特徴量算出装置は、偏光方向が3方向以上の偏光画像を取得して、取得した偏光画像に基づいて画像特徴量の算出を行う。偏光画像は、上述のように偏光方向と被写体の表面形状に応じて輝度が変化することから、偏光画像に基づいて画像特徴量の算出を行うことにより、被写体の表面形状に応じた画像特徴量を算出できる。さらに、画像特徴量は法線方向に関係した情報であるが、法線方向の算出結果を示す情報ではないことから180度の不定性を考慮しなくてもよい。また、画像特徴量は、被写体表面形状に応じた特徴量であることから、単一の三原色画像や輝度画像の勾配情報に基づいた特徴量よりも光源の影響を受けにくい。
また、画像特徴量算出装置は、偏光画像の輝度を正規化して、正規化後の輝度を用いることで、照明光の輝度の違い等に対して頑強な画像特徴量を算出できる。さらに正規化後の輝度を用いることから、法線情報の生成のように式(2)に示す関数へのフィッティング等の処理を行う必要がなく、容易に画像特徴量を算出できる。また、被写体が平坦な形状であっても、画像特徴量を算出できる。
[1−3.画像特徴量算出装置の他の動作]
次に画像特徴量算出装置の他の動作として、例えば空間方向の情報を用いる場合の動作と反射成分や屈折率が明らかな場合の動作について説明する。
次に画像特徴量算出装置の他の動作として、例えば空間方向の情報を用いる場合の動作と反射成分や屈折率が明らかな場合の動作について説明する。
図8は、空間方向の情報を用いる場合の特徴量算出部の動作を説明するための図である。特徴量算出部15は、上述のように、偏光画像の正規化後の輝度を用いて各画素位置の画像特徴量を算出する。その後、特徴量算出部15は、対象画素の周囲に位置する画素の画像特徴量を用いて対象画素の画像特徴量とする。なお、図8の(A)は、対象画素に隣接する8画素の画像特徴量を用いる場合を例示しており、図8の(B)は、対象画素を中心とした円周状の位置にある斜線で示す画素の画像特徴量を用いる場合を例示している。
図8の(A)に示すように、対象画素P5、隣接する画素をP1〜P4,P6〜P9とすると、対象画素の画像特徴量は式(5)に示すように9×4の36次元特徴量となる。
図8の(B)に示すように、対象画素がクロスハッチで示す画素である場合、対象画素を中心とした円周状の位置にある斜線で示す画素の画像特徴量を用いる。ここで、斜線で示す周囲の画素は16画素であることから、偏光方向を4方向とすると、対象画素の画像特徴量は、16×4の64次元特徴量となる。また、対象画素の画像特徴量は、斜線で示す画素の画像特徴量とクロスハッチで示す対象画素の画像特徴量を用いて、17×4の68次元特徴量としてもよい。
このように、対象画素を基準として空間方向の画素の画像特徴量を用いるようにすれば、対象画素の周囲の形状を考慮した画像特徴量を算出できるようになる。
次に、反射成分が明らかな場合について説明する。反射成分は、拡散反射成分と鏡面反射成分を有しており、拡散反射と鏡面反射では、方位角が90度の位相差を生じる。そこで、特徴量算出部15は、反射成分が明らかな場合、反射成分を考慮して画像特徴量を算出する。
反射成分が明らかな場合とは、拡散反射成分と鏡面反射成分の割合が不明であるが何れの成分が支配的であるか明らかな場合、および拡散反射成分と鏡面反射成分の割合が明らかな場合である。
特徴量算出部15は、拡散反射成分と鏡面反射成分の割合が不明であるが何れの成分が支配的であるか明らかな場合、偏光画像において拡散反射成分が支配的な領域と鏡面反射成分が支配的な領域とで、90度の位相差を生じた画像特徴量とする。例えば偏光画像取得部11によって偏光角が0度,45度,90度,135度である4方向の偏光画像が取得されたとする。この場合、特徴量算出部15は、拡散反射成分が支配的な領域では式(6)に示す画像特徴量を用いて、鏡面反射成分が支配的な領域では、90度の位相差を生じている式(7)に示す画像特徴量を用いる。
特徴量算出部15は、拡散反射成分と鏡面反射成分の割合が明らかである場合、割合を考慮した画像特徴量を算出する。特徴量算出部15は、例えば拡散反射成分と鏡面反射成分の割合が「d:s」である場合、偏光画像の輝度をd倍(または「d/(d+s)」倍)して拡散反射光の成分の画像特徴量を求める。また、特徴量算出部15は、偏光画像の輝度をs倍(または「s/(d+s)」倍)して、鏡面反射光の成分の画像特徴量を求める。さらに、特徴量算出部15は、それぞれの成分の特徴量を用いて、式(8)に示す8次元特徴量を画像特徴量とする。
このように、特徴量算出部15は、反射成分を考慮して画像特徴量を算出できるので、被写体の反射成分の違いに応じた画像特徴量を算出できる。
次に、被写体の屈折率が明らかな場合について説明する。偏光度ρと天頂角θと関係は、上述の図6に示すように、天頂角が等しい場合例えば屈折率が小さくなるに伴い偏光度が小さくなる。また、正規化基準レベル(平均輝度)が一定である場合、偏光度ρの算出に用いた式(3)の分母は一定である。したがって、屈折率が小さくなるに伴い、輝度変化の振幅(式(3)の分子に相当)が小さくなる。そこで、屈折率が明らかである場合、屈折率に応じて画像特徴量を算出する。図9は、屈折率に応じて画像特徴量を場合を例示した図である。特徴量算出部15は、例えば正規化輝度レベルを基準として、各偏光画像の輝度を(1/屈折率比)倍とする。なお、屈折率比は、予め設定した所定の屈折率に対する被写体の屈折率の割合を示しており、所定の屈折率よりも被写体の屈折率が小さい場合は振幅が大きくされる。したがって、図9に示すように、輝度を黒丸から四角印のレベルに調整して、調整後の輝度を画像特徴量として用いる。なお、図9は、偏光画像の偏光角が0度,45度,90度,135度の場合を例示している。
画像特徴量算出装置10は、このように屈折率に基づいて画像特徴量を算出することで、被写体の屈折率の違いに応じた画像特徴量を算出できる。例えば、被写体の表面形状が同じでも、被写体の素材が異なり屈折率が相違する場合は、異なる値の画像特徴量を算出できる。
<2.画像特徴量算出装置の他の構成と動作>
ところで、画像特徴量の算出は、偏光画像から算出する場合に限らず他の特徴量算出手法で算出された特徴量も用いるようにしてもよい。次に、他の特徴量算出手法で算出された特徴量、例えば無偏光の画像から算出された特徴量を用いる場合の画像特徴量算出装置の構成と動作について説明する。
ところで、画像特徴量の算出は、偏光画像から算出する場合に限らず他の特徴量算出手法で算出された特徴量も用いるようにしてもよい。次に、他の特徴量算出手法で算出された特徴量、例えば無偏光の画像から算出された特徴量を用いる場合の画像特徴量算出装置の構成と動作について説明する。
[2−1.画像特徴量算出装置の他の構成]
図10は、画像特徴量算出装置の他の構成を示している。画像特徴量算出装置20は、偏光画像取得部21と無偏光画像特徴量算出部23および特徴量算出部25を有している。
図10は、画像特徴量算出装置の他の構成を示している。画像特徴量算出装置20は、偏光画像取得部21と無偏光画像特徴量算出部23および特徴量算出部25を有している。
偏光画像取得部21は、偏光方向が3方向以上の偏光画像を取得する。偏光画像取得部21は、例えば偏光方向が3方向以上の偏光画像を生成する撮像部を有する構成であってもよく、外部機器や記録媒体等から偏光方向が3方向以上の偏光画像を取得する構成であってもよい。
無偏光画像特徴量算出部23は、偏光画像取得部21で取得された偏光画像から無偏光画像を生成して、無偏光画像に基づいて特徴量を算出する。
特徴量算出部25は、偏光画像取得部21で取得された偏光画像と、無偏光画像特徴量算出部23で算出された特徴量を用いて画像特徴量を算出する。
[2−2.画像特徴量算出装置の他の構成の動作]
無偏光画像特徴量算出部23は、偏光方向が3方向以上の偏光画像から無偏光の輝度画像を生成する。例えば、無偏光画像特徴量算出部23は、画素毎に偏光方向が3方向以上の偏光画像の輝度を平均化して、無偏光の輝度画像を生成する。次に、無偏光画像特徴量算出部23は、生成した輝度画像を用いて例えば輝度の勾配情報に基づいた特徴量の算出処理を行う。無偏光画像特徴量算出部23は、勾配情報に基づいた特徴量算出手法であるSIFT(Scale-Invariant Feature Transform),SURF(Speeded-Up Robust Features),FAST(Features from Accelerated Segment Test),Hessian,Harris等の特徴量の算出処理やバイナリコード化された特徴量の算出を行う。無偏光画像特徴量算出部23は、特徴量算出処理によって得られる情報や算出された特徴量を特徴量算出部25へ出力する。
無偏光画像特徴量算出部23は、偏光方向が3方向以上の偏光画像から無偏光の輝度画像を生成する。例えば、無偏光画像特徴量算出部23は、画素毎に偏光方向が3方向以上の偏光画像の輝度を平均化して、無偏光の輝度画像を生成する。次に、無偏光画像特徴量算出部23は、生成した輝度画像を用いて例えば輝度の勾配情報に基づいた特徴量の算出処理を行う。無偏光画像特徴量算出部23は、勾配情報に基づいた特徴量算出手法であるSIFT(Scale-Invariant Feature Transform),SURF(Speeded-Up Robust Features),FAST(Features from Accelerated Segment Test),Hessian,Harris等の特徴量の算出処理やバイナリコード化された特徴量の算出を行う。無偏光画像特徴量算出部23は、特徴量算出処理によって得られる情報や算出された特徴量を特徴量算出部25へ出力する。
特徴量算出部25は、偏光画像と無偏光画像特徴量算出部23から供給された情報または特徴量を用いて画像特徴量を算出する。
図11は、無偏光画像特徴量算出部でSIFT特徴量の算出処理を行う場合の特徴量算出部の動作を説明するための図である。無偏光画像特徴量算出部23は、図11の(A)に示すように、無偏光画像から検出したキーポイントKPに対して、キーポイントKPの周辺領域である記述領域ARkをオリエンテーションRkの向きに正規化(方向の正規化)して特徴量を算出する。したがって、無偏光画像特徴量算出部23は、回転に対して頑強なSIFT特徴量を算出できる。なお、オリエンテーションRkの向きは、キーポイントKPが検出された平滑化画像から算出した勾配強度と勾配方向をヒストグラム化して得られる勾配方向ヒストグラムに基づいて判別された向きである。特徴量算出部25は、無偏光画像特徴量算出部23から勾配強度と勾配方向に基づく情報すなわちオリエンテーションRkの向きを示す情報を取得して、図11の(B)に示すように、オリエンテーションの向きに対応する角度の輝度を補間等によって作成する。例えばオリエンテーションの向きがHkpである場合、「Hkp」の輝度I1、「Hkp+45度」の輝度I2、「Hkp+90度」の輝度I3、「Hkp+135度」の輝度I4を算出して、方向の正規化が行われた画像特徴量とする。このように、特徴量算出部25は、オリエンテーションRkの向きを示す情報を用いることで、回転に対して頑強な画像特徴量を算出できる。
図11は、無偏光画像特徴量算出部でSIFT特徴量の算出処理を行う場合の特徴量算出部の動作を説明するための図である。無偏光画像特徴量算出部23は、図11の(A)に示すように、無偏光画像から検出したキーポイントKPに対して、キーポイントKPの周辺領域である記述領域ARkをオリエンテーションRkの向きに正規化(方向の正規化)して特徴量を算出する。したがって、無偏光画像特徴量算出部23は、回転に対して頑強なSIFT特徴量を算出できる。なお、オリエンテーションRkの向きは、キーポイントKPが検出された平滑化画像から算出した勾配強度と勾配方向をヒストグラム化して得られる勾配方向ヒストグラムに基づいて判別された向きである。特徴量算出部25は、無偏光画像特徴量算出部23から勾配強度と勾配方向に基づく情報すなわちオリエンテーションRkの向きを示す情報を取得して、図11の(B)に示すように、オリエンテーションの向きに対応する角度の輝度を補間等によって作成する。例えばオリエンテーションの向きがHkpである場合、「Hkp」の輝度I1、「Hkp+45度」の輝度I2、「Hkp+90度」の輝度I3、「Hkp+135度」の輝度I4を算出して、方向の正規化が行われた画像特徴量とする。このように、特徴量算出部25は、オリエンテーションRkの向きを示す情報を用いることで、回転に対して頑強な画像特徴量を算出できる。
また、特徴量算出部25は、SIFT特徴量を用いて画像特徴量の次元を増やしてもよい。例えば特徴量算出部25は、記述領域ARkを複数ブロックに分割して、オリエンテーションRkの向きに正規化された記述領域ARkのブロック毎に所定の複数方向毎の勾配強度を算出して画像特徴量に加える。
図12は、SIFT特徴量を画像特徴量に含める場合を説明するための図である。特徴量算出部25は、図12の(A)に示すように、記述領域ARkをオリエンテーションRkの向きに正規化して、図12の(B)に示すように例えば4ブロック×4ブロックに分割する。また、特徴量算出部25は、オリエンテーションRkの向きに正規化された記述領域ARkの分割後のブロック毎に、図12の(C)に示すように8方向の特徴ベクトルを求めて、8方向(8次元)の勾配強度とする。このような処理を行うと「4ブロック×4ブロック×8次元=128次元」となり、特徴量算出部25は128次元の特徴量を算出ができる。また、この特徴量を偏光画像毎に輝度の正規化を行って算出した画像特徴量(4次元)に加えると「4ブロック×4ブロック×(8次元+4次元)=192次元」となり、特徴量算出部25は192次元の画像特徴量を算出できる。なお、偏光画像の輝度に応じた正規化は、オリエンテーションの向きに応じた正規化の前または後の何れで行うようにしてもよい。
図13は、無偏光画像特徴量算出部でSURF特徴量の算出処理を行う場合の特徴量算出部の動作を説明するための図である。無偏光画像特徴量算出部23は、図13の(A)に示すように、無偏光画像から検出したキーポイントKPに対して、キーポイントKPの周辺領域である記述領域ARkをオリエンテーションRkの向きに正規化(方向の正規化)して特徴量を算出する。したがって、無偏光画像特徴量算出部23は、回転に対して頑強なSURF特徴量を算出できる。特徴量算出部25は、無偏光画像特徴量算出部23から勾配強度と勾配方向に基づく情報すなわちオリエンテーションRkの向きを示す情報を取得して、図13の(B)に示すように、オリエンテーションの向きに対応する角度の輝度を補間等によって作成する。例えばオリエンテーションの向きがHkpである場合、「Hkp」の輝度I1、「Hkp+45度」の輝度I2、「Hkp+90度」の輝度I3、「Hkp+135度」の輝度I4を算出して、方向の正規化が行われた画像特徴量とする。このように、特徴量算出部25は、オリエンテーションRkの向きを示す情報を用いることで、回転に対して頑強な画像特徴量を算出できる。
また、特徴量算出部25は、SURF特徴量を用いて画像特徴量の次元を増やしてもよい。例えば特徴量算出部25は、キーポイントの周辺領域である記述領域ARkを複数ブロックに分割して、ブロック毎にHaar−Wavelet応答を算出して、応答値から算出した特徴量を画像特徴量に加える。
図14は、SURF特徴量を画像特徴量に含める場合を説明するための図である。特徴量算出部25は、図14の(A)に示すように、記述領域ARkをオリエンテーションRkの向きに正規化して、図14の(B)に示すように例えば4ブロック×4ブロックに分割する。また、特徴量算出部25は、分割ブロック毎に、ブロック内からサンプリングした5×5の各点のHaar−Waveletの応答を算出する。さらに、特徴量算出部25は、算出された応答値から図14の(C)に示す4次元の特徴量を算出する。このような処理を行うことで「4ブロック×4ブロック×4次元=64次元と特徴量を求めることができる。この特徴量を4次元の画像特徴量に加えると、「4ブロック×4ブロック×(4次元+4次元)=128次元」となり、特徴量算出部25は128次元の画像特徴量を算出できる。なお、偏光画像の輝度に応じた正規化は、オリエンテーションの向きに応じた正規化の前または後の何れで行うようにしてもよい。
図15は、無偏光画像特徴量算出部でバイナリ特徴量の算出処理を行う場合の特徴量算出部の動作を説明するための図である。バイナリ特徴量の算出処理例えばBRIEF(Binary Robust Independent Elementary Features)は、パッチ内においてランダムに選択された2点の画素値を比較してバイナリ列の生成が行われる。ここで、パッチAPのバイナリテストτは、パッチAP内の2点(点xと点yのペア)の画素値の比較結果により、式(9)に示すバイナリ値を示す。なお、図15ではパッチAP内のバイナリテストの空間配置を線分で示している。したがって、無偏光輝度画像に対して、128ペアに対して処理を行えば128ビットの特徴量、256ペアに対して処理を行えば256ビットの特徴量を得ることができる。
特徴量算出部25は、例えば4次元である画像特徴量のそれぞれに対して、バイナリ特徴量の算出対象の画素を基準としたパッチの設定を行い、パッチ内においてランダムに選択された画像特徴量のペアについて式(9)と同様に比較を行う。ここで、各次元の特徴量に対して、パッチ内に128ペアを設定する場合は128×4ビットの画像特徴量、256ペアを設定する場合は256×4ビットの画像特徴量を算出できる。
なお、バイナリ特徴量の算出処理は、他の方法を用いるようにしてもよい。例えば、BRISK(Binary Robust Invariant Scalable Keypoints)を用いることでスケール不変性と回転不変性を有した画像特徴量を算出できる。
このように、勾配情報に基づいた特徴量算出手法も用いて特徴量の算出を行えば、さらに高次元の画像特徴量を算出できる。また、SIFTやSURF等を用いて特徴量の算出を行えば、回転に対して頑強な画像特徴量を算出できるようになる。
図16は、画像特徴量算出装置の他の構成の動作を示すフローチャートである。ステップST11で画像特徴量算出装置20は偏光画像を取得する。画像特徴量算出装置20は、偏光方向が3方向以上の偏光画像を生成してステップST12に進む。
ステップST12で画像特徴量算出装置20は勾配情報に基づく特徴量を算出する。画像特徴量算出装置20は、偏光方向が3方向以上の偏光画像から無偏光の輝度画像を生成する。画像特徴量算出装置20は、生成した無偏光の輝度画像に基づき、勾配情報に基づいた特徴量例えばSIFT特徴量またはSURF特徴量やバイナリコード化された特徴量等の算出を行い、ステップST13に進む。
ステップST13で画像特徴量算出装置20は、画像特徴量を算出する。画像特徴量算出装置20は、偏光方向が3方向以上の偏光画像の輝度の正規化を行い、正規化後の輝度を画像特徴量とする。画像特徴量算出装置20は、ステップST12で算出された特徴量を画像特徴量に含めてもよい。また、画像特徴量算出装置20は、ステップST12での特徴量算出において得られた情報に基づいて回転方向の正規化等を行い、輝度の違いや回転に対して頑強な画像特徴量を算出してもよい。
このように、画像特徴量算出装置の他の構成では、無偏光画像の勾配情報に基づいて特徴量を算出する際に判別された勾配強度と勾配方向に基づく情報を用いて画像特徴量の算出が行われることから、回転に対して頑強な画像特徴量を算出することが可能となる。また、無偏光画像の勾配情報に基づいて算出された特徴量を偏光画像に基づいて算出された画像特徴量に含めることで、高次元の画像特徴量を生成できる。さらに、勾配情報に基づく特徴量を偏光画像に基づく画像特徴量に含めることで、画像特徴量は被写体の表面の形状と被写体の輝度の特徴を示す情報となる。したがって、例えば被写体の表面の形状と被写体の輝度のいずれか一方が類似しても他方が相違すれば、異なる値の画像特徴量を生成できる。
さらに、無偏光画像特徴量算出部23でSIFT、SURF、FAST、Hessian、Harris等の特徴量が算出されることから、この特徴量に基づいて特徴点検出を行い、検出された特徴点を含む領域についてのみ、偏光画像を用いて画像特徴量の算出を行ってもよい。
また、偏光画像取得部11,21で取得する偏光画像は、図17の(A)に示すように白色画素の偏光画像を取得してもよく、カラーフィルタを用いて、図17の(B)に示すように赤外画像の偏光画像を取得してもよい。さらに、図17の(C)に示すように三原色(R,G,B)の偏光画像を取得してもよい。このようにすれば、偏光画像だけでなく三原色画像や赤外画像を同時に取得できる。さらに、画像特徴量算出装置10,20では、輝度画像や三原色画像あるいは赤外画像を同時に取得できることから、特徴量算出部15,25は、輝度値や三原色画素値・赤外画素値などの情報を画像特徴量に含めて次元を増やすことも可能である。
<3.画像処理装置の構成と動作>
次に、画像特徴量算出装置で算出された画像特徴量を用いて種々の処理を行う画像処理装置について説明する。画像処理装置は、画像特徴量算出装置で算出された画像特徴量を用いて種々の処理、例えば認識処理や特徴点検出処理、マッチング処理等を行う。次に、各処理について説明する。
次に、画像特徴量算出装置で算出された画像特徴量を用いて種々の処理を行う画像処理装置について説明する。画像処理装置は、画像特徴量算出装置で算出された画像特徴量を用いて種々の処理、例えば認識処理や特徴点検出処理、マッチング処理等を行う。次に、各処理について説明する。
[3−1.認識処理]
図18は、画像処理装置で認識処理を行う場合の構成を例示している。画像処理装置30は、偏光画像取得部11と特徴量算出部15および画像特徴量を用いて画像処理を行う画像処理部例えば認識処理を行う画像認識部31を有している。
図18は、画像処理装置で認識処理を行う場合の構成を例示している。画像処理装置30は、偏光画像取得部11と特徴量算出部15および画像特徴量を用いて画像処理を行う画像処理部例えば認識処理を行う画像認識部31を有している。
上述のように、偏光画像取得部11は、偏光方向が3方向以上の偏光画像を取得して、特徴量算出部15と画像認識部31へ出力する。また、特徴量算出部15は、偏光画像取得部11で取得された偏光画像に基づいて画像特徴量を算出する。
画像認識部31は、偏光画像取得部11から供給された偏光画像に基づき領域分割を行う。画像認識部31は、例えば偏光方向が3方向以上の偏光画像の輝度を平均して無偏光の通常輝度画像と同等の画像を生成する。画像認識部31は、生成した無偏光輝度画像を用いてテクスチャ解析や輪郭抽出等を行い、偏光画像取得部11で取得された画像を被写体毎の領域に分割する。また、画像認識部31は、偏光画像取得部11から供給された偏光画像がカラー画像である場合、色分析等を行い、分析結果に基づき偏光画像取得部11で取得された画像を被写体毎の領域に分割する。画像認識部31は、分割後の領域を認識対象領域として、認識対象領域内の画像特徴量と学習装置40で予め生成されている教師データを用いて、認識対象領域に対する被写体認識を行う。例えば画像認識部31は、認識対象領域内の画像特徴量と最も類似している教師データに対応する被写体を、認識対象領域の被写体と判別する。
学習装置40は、偏光画像取得部41と特徴量算出部45および画像特徴量を用いて教師データを生成する教師データ生成部47を有している。
偏光画像取得部41は、学習用被写体例えば顔,車,飛行機等を撮像することにより得られた偏光方向が3方向以上の教師偏光画像を取得する。偏光画像取得部41は、例えば偏光方向が3方向以上の教師偏光画像を生成する撮像部を有する構成であってもよく、外部機器や記録媒体等から偏光方向が3方向以上の教師偏光画像を取得する構成であってもよい。偏光画像取得部41は、取得した教師偏光画像を特徴量算出部45と教師データ生成部47へ出力する。
特徴量算出部45は、偏光画像取得部41で取得された教師偏光画像に基づいて画像特徴量を算出する。
教師データ生成部47は、画像認識部31と同様に、偏光画像取得部41から供給された偏光画像に基づき領域分割を行う。教師データ生成部47は、例えば偏光方向が異なる教師偏光画像の輝度を平均して無偏光の通常輝度画像と同等の画像を生成する。教師データ生成部47は、生成した無偏光輝度画像を用いてテクスチャ解析や輪郭抽出等を行い、偏光画像取得部41で取得された教師偏光画像を被写体毎の領域に分割する。また、教師データ生成部47は、偏光画像取得部41から供給された教師偏光画像がカラー画像である場合、色分析等を行い、分析結果に基づき偏光画像取得部41で取得された教師偏光画像を被写体毎の領域に分割する。教師データ生成部47は、分割後の被写体領域内の画像特徴量を被写体領域に対応する被写体の教師データとする。学習装置40は、このような処理を予め被写体毎に行い被写体毎の教師データを生成しておく。さらに、学習装置40は、認識処理を行う場合、予め生成されている教師データを画像認識部31へ出力する。したがって、種々の被写体の教師データを予め生成しておき、認識対象領域の画像特徴量に対応する教師データが明らかとなれば、認識対象領域の画像は何れの被写体を撮像した画像であるか認識できる。
なお、認識処理では、画像特徴量だけでなく複数の偏光画像自体も用いてもよい。例えば、複数の偏光画像を用いて同じ画素位置毎に画素値を足し合わせて平均化すると、無偏光の輝度画像や三原色画像と同様な画像を得ることができる。したがって、画像特徴量と複数の偏光画像から生成した無偏光画像も用いて認識処理を行うことで、精度よく認識処理を行うことが可能となる。
図19は、画像処理装置の動作を説明するための図である。なお、図19は、例えばBag−of−Featuresによる認識を行う場合を例示している。Bag−of−Featuresにおいて、学習装置40では、教師偏光画像から画像特徴量を算出して、算出した画像特徴量をベクトル量子化する。ベクトル量子化に用いるコードブックは、「visual word dictionary」と呼ばれており、予め教師偏光画像から作成される。また、学習装置40はベクトル量子化された画像特徴量を用いて、ベクトル量子化ヒストグラムを作成する。得られたベクトル量子化ヒストグラムは教師データとする。画像処理装置30は、認識対象の被写体が含まれた認識対象偏光画像を取得して、認識対象偏光画像から画像特徴量を算出して、予め作成されているコードブックを用いて画像特徴量をベクトル量子化する。また、画像処理装置30はベクトル量子化された画像特徴量の「visual word」毎の頻度を示すベクトル量子化ヒストグラムを作成する。画像処理装置30は、得られたベクトル量子化ヒストグラムと最も類似する教師データ(教師偏光画像のベクトル量子化ヒストグラム)を識別して、識別された教師データに対応するの被写体を、認識対象偏光画像の被写体とする。このように、Bag−of−Featuresによる認識では、画像特徴量に基づいて作成されたベクトル量子化ヒストグラムを用いて被写体の認識が行われる。
図20は、認識処理の動作を示すフローチャートである。ステップST21で画像処理装置30は偏光画像を取得する。画像処理装置30は、偏光方向が3方向以上の偏光画像を生成してステップST22に進む。
ステップST22で画像処理装置30は、画像特徴量を算出する。画像処理装置30は、偏光方向が3方向以上の偏光画像の輝度の正規化を行い、正規化後の輝度を画像特徴量とする。
ステップST23で画像処理装置30は、被写体認識を行う。画像処理装置30は、例えば、ステップST21で取得した偏光画像に基づき、被写体毎の領域に画像領域を分割する。また、画像処理装置30は、分割後の領域を認識対象領域として、認識対象領域内の画像特徴量と学習装置で予め生成されている教師データを用いて、認識対象領域に対する被写体認識を行う。
図21は、偏光画像に基づいて算出した画像特徴量を用いた認識処理を例示している。例えば認識処理では、物体認識、顔認識、手認識、人認識等を行う。物体認識は、様々な物体を認識する一般物体認識に限らず、材質や表面形状の認識や、金属の認識等を行うことができる。顔認識では、個人認証や表情認識、視線方向推定等を行うことができる。手認識では、指形状検出や指さし方向推定等を行うことができる。さらに、人認識では、全身の体型認証やpose認識等を行うことができる。
画像処理装置30は、以上のような処理を行うことで精度よく認識処理を行うことができるようになる。例えば、勾配情報に基づいた特徴量を用いる場合、実際の顔と写真に写った顔の識別は、勾配情報が類似している場合に困難である。しかし、偏光方向が3方向以上の偏光画像を用いて算出された画像特徴量は、被写体の表面形状に応じた特徴量であることから、実際の顔と写真に写った顔を正しく識別することができるようになる。したがって、セキュリティ用の認識技術として応用することが可能である。
なお、画像処理装置30と学習装置40は、上述のように無偏光画像の勾配情報に基づいて特徴量を算出する無偏光画像特徴量算出部を設けて画像特徴量の算出を行ってもよい。
[3−2.特徴点検出]
図22は、画像処理装置で特徴点検出を行う場合の構成を例示している。画像処理装置50は、偏光画像取得部11と特徴量算出部15および画像特徴量を用いて画像処理を行う画像処理部例えば特徴点検出を行う特徴点検出部51を有している。
図22は、画像処理装置で特徴点検出を行う場合の構成を例示している。画像処理装置50は、偏光画像取得部11と特徴量算出部15および画像特徴量を用いて画像処理を行う画像処理部例えば特徴点検出を行う特徴点検出部51を有している。
上述のように、偏光画像取得部11は、偏光方向が3方向以上の偏光画像を取得する。また、特徴量算出部15は、偏光画像取得部11で取得された偏光画像に基づいて画像特徴量を算出する。
特徴点検出部51は、偏光画像取得部11から供給された偏光画像に基づき領域分割を行う。特徴点検出部51は、上述の画像認識部31と同様にして、偏光画像取得部11で取得された画像を被写体毎の領域に分割する。また、特徴点検出部51は、分割後の領域を特徴点検出対象領域として、特徴点検出対象領域における処理対象画素の画像特徴量と処理対象画素の周辺に位置する周辺画素の画像特徴量との差分に基づき、処理対象画素が特徴点であるか否かを判別する。
図23は、特徴点検出部の動作を説明するための図である。特徴点検出部51は、処理対象画素Ptの周囲に隣接する8画素の画像特徴量を用いて、処理対象画素Ptが特徴点であるか判別する場合を示している。ここで、図23の(A)に示すように、処理対象画素Pt=P5、周囲の画素をP1〜P4,P6〜P9とする。また、特徴量算出部15は、偏光角υが0度,45度,90度,135度の輝度に基づいて画像特徴量を算出しているとする。例えば、画素P1の画像特徴量を[F1 0°,F1 45°,F1 90°,F1 135°]、・・・画素P9の画像特徴量を[F9 0°,F9 45°,F9 90°,F9 135°]とする。
特徴点検出部51は、式(10)の演算を行い判定値Sを算出する。ここで、判定値Sが予め設定した閾値よりも大きい場合は、特徴点とする。
また、特徴点検出部51は、図23の(B)に示すように、処理対象画素Ptを中心とした円周状の位置にある斜線で示す画素の画像特徴量を用いてもよい。この場合、判定値Sは、処理対象画素Ptと斜線で示す各画素との画像特徴量の差分二乗和を算出する。
図24は、特徴点検出処理の動作を示すフローチャートである。ステップST31で画像処理装置50は偏光画像を取得する。画像処理装置50は、偏光方向が3方向以上の偏光画像を生成する。
ステップST32で画像処理装置50は、画像特徴量を算出する。画像処理装置50は、偏光方向が3方向以上の偏光画像の輝度の正規化を行い、正規化後の輝度を画像特徴量とする。
ステップST33で画像処理装置50は、特徴点を検出する。画像処理装置50は、例えば、ステップST31で取得した偏光画像に基づき領域分割を行い、被写体毎の領域に画像を分割する。また、画像処理装置50は、分割後の領域を特徴点検出対象領域として、特徴点検出対象領域の画像特徴量に基づき特徴点を検出する。
画像処理装置50は、以上のような処理を行うことで、偏光画像から算出した画像特徴量に基づき特徴点を検出できるようになる。
また、無偏光画像から算出した特徴量に基づいて特徴点検出を行い、検出された特徴点を含む領域についてのみ偏光画像を用いて画像特徴量の算出を行い、算出された画像特徴量に基づき特徴点検出を行うようにしてもよい。このようにすれば、勾配情報に特徴を有する特徴点からさらに表面形状に特徴を有する特徴点を抽出できる。したがって、顔における鼻の頭など顔の形状として特徴がある部分の検出が容易となる。被写体の表面形状に基づいて特徴点を検出できるので、被写体を撮像した場合と被写体の写真を撮像した場合とで区別して特徴点の検出を行うことができるようになる。
[3−3.特徴点マッチング]
図25は、画像処理装置で特徴点マッチングを行う場合の構成を例示している。なお、図25では、2つの偏光画像取得部を用いて取得された偏光画像間で対応点探索を行う場合である。
図25は、画像処理装置で特徴点マッチングを行う場合の構成を例示している。なお、図25では、2つの偏光画像取得部を用いて取得された偏光画像間で対応点探索を行う場合である。
画像処理装置60は、偏光画像取得部11a,11bと特徴量算出部15a,15bおよび画像特徴量を用いてを用いて画像処理を行う画像処理部、例えば特徴点検出処理を行う特徴点検出部51a,51bと検出した特徴点を用いてマッチング処理を行うマッチング処理部61を有している。
上述のように、偏光画像取得部11a,11bは、偏光方向が3方向以上の偏光画像を取得する。また、偏光画像取得部11aは、マッチングに用いる一方の偏光画像を取得して、偏光画像取得部11bは、マッチングに用いる他方の偏光画像を取得する。特徴量算出部15aは、偏光画像取得部11aで取得された偏光画像に基づいて画像特徴量を算出する。また、特徴量算出部15bは、偏光画像取得部11bで取得された偏光画像に基づいて画像特徴量を算出する。特徴点検出部51aは、上述の特徴点検出部51と同様な処理を行い、特徴量算出部15aで算出された画像特徴量に基づいて特徴点を検出する。特徴点検出部51bは、上述の特徴点検出部51と同様な処理を行い、特徴量算出部15bで算出された画像特徴量に基づいて特徴点を検出する。
マッチング処理部61は、特徴点検出部51a,51bの一方で検出された特徴点が他方で検出された特徴点の何れと一致するか判別する。図26は、マッチング処理部61の動作を説明するための図である。特徴点検出部51aで検出された特徴点の画像特徴量と、特徴点検出部51bで検出された特徴点の画像特徴量を用いて、マッチング対象の特徴点(以下「対象特徴点」という)と一致する特徴点を他方の特徴点から判別する。特徴点検出部51a,51bは、例えば偏光角υが0度,45度,90度,135度の輝度に基づいて算出された画像特徴量に基づいて特徴点を検出する。ここで、対象特徴点TP0の画像特徴量を[Fo 0°,Fo 45°,Fo 90°,Fo 135°]とする。また、他方の特徴点TQjの画像特徴量を[Fj 0°,Fj 45°,Fj 90°,Fj 135°]とする。なお、「j」は他方の特徴点におけるj番目の特徴点を示す変数である。
マッチング処理部61は、画像特徴量のベクトル同士の距離が最小となる点を判別してマッチング点とする。例えば、マッチング処理部61は、式(11)の演算を行うことで、対象特徴点の画像特徴量との差分二乗和が最小となる特徴点jを、他方の特徴点から判別してマッチング点とする。
図27は、特徴点マッピング処理の動作を示すフローチャートである。ステップST41で画像処理装置60は第1偏光画像を取得する。画像処理装置60は、偏光方向が3方向以上の第1偏光画像を生成する。
ステップST42で画像処理装置60は第2偏光画像を取得する。画像処理装置60は、第1偏光画像とのマッチングを行う第2偏光画像を生成する。なお、第2偏光画像は、第1偏光画像と同様に偏光方向が3方向以上の偏光画像である。
ステップST43で画像処理装置60は、第1画像特徴量を算出する。画像処理装置60は、第1偏光画像の輝度の正規化を行い、正規化後の輝度を第1画像特徴量とする。
ステップST44で画像処理装置60は、第2画像特徴量を算出する。画像処理装置60は、第2偏光画像の輝度の正規化を行い、正規化後の輝度を第2画像特徴量とする。
ステップST45で画像処理装置60は、第1偏光画像の特徴点を検出する。画像処理装置50は、例えば、ステップST41で取得した偏光画像に基づき、被写体毎の領域に画像領域を分割する。また、画像処理装置60は、分割後の領域を特徴点検出対象領域として、特徴点検出対象領域の画像特徴量に基づき特徴点を検出する。
ステップST46で画像処理装置60は、第2偏光画像の特徴点を検出する。画像処理装置60は、例えば、ステップST42で取得した偏光画像に基づき、被写体毎の領域に画像領域を分割する。また、画像処理装置60は、分割後の領域を特徴点検出対象領域として、特徴点検出対象領域の画像特徴量に基づき特徴点を検出する。
ステップST47で画像処理装置60は、マッチング処理を行う。画像処理装置60は、第1偏光画像と第2偏光画像の何れか一方の偏光画像におけるマッチング検出領域の特徴点が他方の偏光画像における何れの領域の特徴点と一致するか判別する。画像処理装置60は、画像特徴量の差がマッチング検出領域の特徴点と最も小さくなる特徴点を他方の偏光画像の領域から判別してマッチング点とする。
画像処理装置60は、以上のような処理を行うことで、精度よくマッチング点を検出できるようになる。このようにして得られたマッチング点の検出結果を用いることで、奥行情報を算出するための視差の計算や2つの画像のステッチング等を容易に行えるようになる。
また、画像処理装置60は、無偏光画像から算出した特徴量に基づいて特徴点検出を行い、検出された特徴点について偏光画像を用いて画像特徴量の算出を行い、算出された画像特徴量を用いてマッチングを行うようにしてもよい。
明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させる。または、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。
例えば、プログラムは記録媒体としてのハードディスクやSSD(Solid State Drive)、ROM(Read Only Memory)に予め記録しておくことができる。あるいは、プログラムはフレキシブルディスク、CD−ROM(Compact Disc Read Only Memory),MO(Magneto optical)ディスク,DVD(Digital Versatile Disc)、BD(Blu-Ray Disc(登録商標))、磁気ディスク、半導体メモリカード等のリムーバブル記録媒体に、一時的または永続的に格納(記録)しておくことができる。このようなリムーバブル記録媒体は、所謂パッケージソフトウェアとして提供することができる。
また、プログラムは、リムーバブル記録媒体からコンピュータにインストールする他、ダウンロードサイトからLAN(Local Area Network)やインターネット等のネットワークを介して、コンピュータに無線または有線で転送してもよい。コンピュータでは、そのようにして転送されてくるプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。
また、本技術は、上述した実施の形態に限定して解釈されるべきではない。この技術の実施の形態は、例示という形態で本技術を開示しており、本技術の要旨を逸脱しない範囲で当業者が実施の形態の修正や代用をなし得ることは自明である。すなわち、本技術の要旨を判断するためには、特許請求の範囲を参酌すべきである。
なお、本技術の画像特徴量算出装置は以下のような構成も取ることができる。
(1) 偏光画像を取得する偏光画像取得部と、
前記偏光画像取得部で取得された偏光画像に基づいて算出された画像特徴量を用いて画像処理を行う画像処理部とを備える画像処理装置。
(2) 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の認識処理を、前記画像処理として行う(1)に記載の画像処理装置。
(3) 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の特徴点を検出する処理を、前記画像処理として行う(1)または(2)の何れかに記載の画像処理装置。
(4) 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の特徴点とのマッチング処理を、前記画像処理として行う(1)乃至(3)の何れかに記載の画像処理装置。
(5) 前記偏光画像取得部で取得された偏光画像を用いて画像特徴量を算出する特徴量算出部を更に備える(1)乃至(4)の何れかに記載の画像処理装置。
(6) 前記特徴量算出部は、画素毎に前記偏光画像の輝度を用いて前記画像特徴量を算出する(5)に記載の画像処理装置。
(7) 前記特徴量算出部は、前記輝度の正規化を行い、正規化後の偏光方向毎の輝度を前記画像特徴量とする(6)に記載の画像処理装置。
(8) 前記特徴量算出部は、前記画像特徴量の算出において、特徴量算出対象画素の周囲に位置する画素の特徴量を用いる(5)乃至(7)の何れかに記載の画像処理装置。
(9) 前記特徴量算出部は、前記偏光画像における被写体の反射特性に基づいて前記画像特徴量を算出する(5)乃至(8)の何れかに記載の画像処理装置。
(10) 前記特徴量算出部は、拡散反射成分と鏡面反射成分の割合に基づいて前記画像特徴量を算出する(9)に記載の画像処理装置。
(11) 前記特徴量算出部は、前記偏光画像における被写体の屈折率に基づいて前記画像特徴量を算出する(5)乃至(10)の何れかに記載の画像処理装置。
(12) 前記偏光画像取得部で取得された偏光画像から無偏光画像を生成して、該無偏光画像に基づいて特徴量の算出を行う無偏光特徴量算出部をさらに備え、
前記特徴量算出部は、前記無偏光特徴量算出部で前記特徴量の算出時に判別された情報を用いて前記画像特徴量を算出する(5)乃至(11)の何れかに記載の画像処理装置。
(13) 前記無偏光特徴量算出部は、前記無偏光画像の勾配情報に基づいて特徴量の算出を行い、
前記特徴量算出部は、前記無偏光特徴量算出部で前記特徴量の算出時に判別された勾配強度と勾配方向に基づく情報を用いて前記画像特徴量を算出する(12)に記載の画像処理装置。
(14) 前記特徴量算出部は、前記偏光画像を用いて算出された画像特徴量に前記無偏光特徴量算出部で算出された特徴量を含める(12)乃至(13)の何れかに記載の画像処理装置。
(15) 前記偏光画像取得部は、偏光方向が3方向以上の偏光画像を取得する(1)乃至(14)の何れかに記載の画像処理装置。
(1) 偏光画像を取得する偏光画像取得部と、
前記偏光画像取得部で取得された偏光画像に基づいて算出された画像特徴量を用いて画像処理を行う画像処理部とを備える画像処理装置。
(2) 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の認識処理を、前記画像処理として行う(1)に記載の画像処理装置。
(3) 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の特徴点を検出する処理を、前記画像処理として行う(1)または(2)の何れかに記載の画像処理装置。
(4) 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の特徴点とのマッチング処理を、前記画像処理として行う(1)乃至(3)の何れかに記載の画像処理装置。
(5) 前記偏光画像取得部で取得された偏光画像を用いて画像特徴量を算出する特徴量算出部を更に備える(1)乃至(4)の何れかに記載の画像処理装置。
(6) 前記特徴量算出部は、画素毎に前記偏光画像の輝度を用いて前記画像特徴量を算出する(5)に記載の画像処理装置。
(7) 前記特徴量算出部は、前記輝度の正規化を行い、正規化後の偏光方向毎の輝度を前記画像特徴量とする(6)に記載の画像処理装置。
(8) 前記特徴量算出部は、前記画像特徴量の算出において、特徴量算出対象画素の周囲に位置する画素の特徴量を用いる(5)乃至(7)の何れかに記載の画像処理装置。
(9) 前記特徴量算出部は、前記偏光画像における被写体の反射特性に基づいて前記画像特徴量を算出する(5)乃至(8)の何れかに記載の画像処理装置。
(10) 前記特徴量算出部は、拡散反射成分と鏡面反射成分の割合に基づいて前記画像特徴量を算出する(9)に記載の画像処理装置。
(11) 前記特徴量算出部は、前記偏光画像における被写体の屈折率に基づいて前記画像特徴量を算出する(5)乃至(10)の何れかに記載の画像処理装置。
(12) 前記偏光画像取得部で取得された偏光画像から無偏光画像を生成して、該無偏光画像に基づいて特徴量の算出を行う無偏光特徴量算出部をさらに備え、
前記特徴量算出部は、前記無偏光特徴量算出部で前記特徴量の算出時に判別された情報を用いて前記画像特徴量を算出する(5)乃至(11)の何れかに記載の画像処理装置。
(13) 前記無偏光特徴量算出部は、前記無偏光画像の勾配情報に基づいて特徴量の算出を行い、
前記特徴量算出部は、前記無偏光特徴量算出部で前記特徴量の算出時に判別された勾配強度と勾配方向に基づく情報を用いて前記画像特徴量を算出する(12)に記載の画像処理装置。
(14) 前記特徴量算出部は、前記偏光画像を用いて算出された画像特徴量に前記無偏光特徴量算出部で算出された特徴量を含める(12)乃至(13)の何れかに記載の画像処理装置。
(15) 前記偏光画像取得部は、偏光方向が3方向以上の偏光画像を取得する(1)乃至(14)の何れかに記載の画像処理装置。
この技術の画像処理装置と画像処理方法では、偏光方向が取得されて、取得された偏光画像に基づいて算出した画像特徴量を用いて画像処理が行われる。このように、偏光画像に基づいて画像特徴量が算出されることから、画像特徴量によって被写体の表面形状の特徴を示すことが可能となり、この画像特徴量を用いることで、被写体の表面形状に基づいた画像処理を行うことができるようになる。したがって、立体的な被写体に関する画像処理を行う画像処理装置等に適している。
10,20・・・画像特徴量算出装置
11,11a,11b,21,41・・・偏光画像取得部
15,15a,15b,25,45・・・特徴量算出部
23・・・無偏光画像特徴量算出部
30,50,60・・・画像処理装置
31・・・画像認識部
40・・・学習装置
47・・・教師データ生成部
51,51a,51b・・・特徴点検出部
61・・・マッチング処理部
110・・・イメージセンサ
111・・・偏光フィルタ
11,11a,11b,21,41・・・偏光画像取得部
15,15a,15b,25,45・・・特徴量算出部
23・・・無偏光画像特徴量算出部
30,50,60・・・画像処理装置
31・・・画像認識部
40・・・学習装置
47・・・教師データ生成部
51,51a,51b・・・特徴点検出部
61・・・マッチング処理部
110・・・イメージセンサ
111・・・偏光フィルタ
Claims (16)
- 偏光画像を取得する偏光画像取得部と、
前記偏光画像取得部で取得された偏光画像に基づいて算出された画像特徴量を用いて画像処理を行う画像処理部と
を備える画像処理装置。 - 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の認識処理を、前記画像処理として行う
請求項1記載の画像処理装置。 - 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の特徴点を検出する処理を、前記画像処理として行う
請求項1記載の画像処理装置。 - 前記画像処理部は、前記画像特徴量を用いて前記偏光画像における被写体の特徴点とのマッチング処理を、前記画像処理として行う
請求項1記載の画像処理装置。 - 前記偏光画像取得部で取得された偏光画像を用いて画像特徴量を算出する特徴量算出部を更に備える
請求項1記載の画像処理装置。 - 前記特徴量算出部は、画素毎に前記偏光画像の輝度を用いて前記画像特徴量を算出する
請求項5記載の画像処理装置。 - 前記特徴量算出部は、前記輝度の正規化を行い、正規化後の偏光方向毎の輝度を前記画像特徴量とする
請求項6記載の画像処理装置。 - 前記特徴量算出部は、前記画像特徴量の算出において、特徴量算出対象画素の周囲に位置する画素の特徴量を用いる
請求項5記載の画像処理装置。 - 前記特徴量算出部は、前記偏光画像における被写体の反射特性に基づいて前記画像特徴量を算出する
請求項5記載の画像処理装置。 - 前記特徴量算出部は、拡散反射成分と鏡面反射成分の割合に基づいて前記画像特徴量を算出する
請求項9記載の画像処理装置。 - 前記特徴量算出部は、前記偏光画像における被写体の屈折率に基づいて前記画像特徴量を算出する
請求項5記載の画像処理装置。 - 前記偏光画像取得部で取得された偏光画像から無偏光画像を生成して、該無偏光画像に基づいて特徴量の算出を行う無偏光特徴量算出部をさらに備え、
前記特徴量算出部は、前記無偏光特徴量算出部で前記特徴量の算出時に判別された情報を用いて前記画像特徴量を算出する
請求項5記載の画像処理装置。 - 前記無偏光特徴量算出部は、前記無偏光画像の勾配情報に基づいて特徴量の算出を行い、
前記特徴量算出部は、前記無偏光特徴量算出部で前記特徴量の算出時に判別された勾配強度と勾配方向に基づく情報を用いて前記画像特徴量を算出する
請求項12記載の画像処理装置。 - 前記特徴量算出部は、前記偏光画像を用いて算出された画像特徴量に前記無偏光特徴量算出部で算出された特徴量を含める
請求項12記載の画像処理装置。 - 前記偏光画像取得部は、偏光方向が3方向以上の偏光画像を取得する
請求項1記載の画像処理装置。 - 偏光画像取得部で、偏光画像を取得する工程と、
画像処理部で、前記偏光画像取得部で取得された偏光画像に基づいて算出された画像特徴量を用いて画像処理を行う工程と
を含む画像処理方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013259076A JP2015115041A (ja) | 2013-12-16 | 2013-12-16 | 画像処理装置と画像処理方法 |
US15/032,195 US10366303B2 (en) | 2013-12-16 | 2014-11-17 | Image processing device and image processing method |
PCT/JP2014/080324 WO2015093206A1 (ja) | 2013-12-16 | 2014-11-17 | 画像処理装置と画像処理方法 |
CN201480067376.2A CN105814607B (zh) | 2013-12-16 | 2014-11-17 | 图像处理装置以及图像处理方法 |
EP14871081.7A EP3086282B1 (en) | 2013-12-16 | 2014-11-17 | Image processing device and image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013259076A JP2015115041A (ja) | 2013-12-16 | 2013-12-16 | 画像処理装置と画像処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015115041A true JP2015115041A (ja) | 2015-06-22 |
Family
ID=53402561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013259076A Pending JP2015115041A (ja) | 2013-12-16 | 2013-12-16 | 画像処理装置と画像処理方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10366303B2 (ja) |
EP (1) | EP3086282B1 (ja) |
JP (1) | JP2015115041A (ja) |
CN (1) | CN105814607B (ja) |
WO (1) | WO2015093206A1 (ja) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018041278A (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および画像領域分割方法 |
WO2018047705A1 (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および対象物認識方法 |
JP2018061124A (ja) * | 2016-10-04 | 2018-04-12 | 株式会社ソニー・インタラクティブエンタテインメント | 撮影装置、情報処理システム、情報処理装置、および偏光画像処理方法 |
JPWO2017014137A1 (ja) * | 2015-07-17 | 2018-04-26 | ソニー株式会社 | 眼球観察装置、アイウェア端末、視線検出方法及びプログラム |
WO2018146890A1 (ja) * | 2017-02-09 | 2018-08-16 | ソニー株式会社 | 情報処理装置、情報処理方法および記録媒体 |
WO2019003383A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および材質特定方法 |
WO2019003384A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置、情報処理システム、および材質特定方法 |
WO2019021569A1 (ja) * | 2017-07-26 | 2019-01-31 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2019044123A1 (ja) * | 2017-08-30 | 2019-03-07 | ソニー株式会社 | 情報処理装置、情報処理方法、及び記録媒体 |
WO2019123625A1 (ja) * | 2017-12-22 | 2019-06-27 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および表面粗さ取得方法 |
WO2020049816A1 (ja) * | 2018-09-03 | 2020-03-12 | ソニー株式会社 | 情報処理装置と情報処理方法およびプログラム |
US11062170B2 (en) | 2017-02-15 | 2021-07-13 | Sony Corporation | Information processing apparatus, information processing method, and imaging apparatus |
US11244467B2 (en) | 2016-11-07 | 2022-02-08 | Sony Corporation | Information processing apparatus, information processing mei'hod, and recording medium |
WO2022097377A1 (ja) * | 2020-11-04 | 2022-05-12 | ソニーグループ株式会社 | 情報処理装置と情報処理方法およびプログラム |
WO2024079903A1 (ja) * | 2022-10-14 | 2024-04-18 | 日本電気株式会社 | 重要度判定システム、重要度判定装置、および重要度判定方法 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3097513A4 (en) * | 2014-01-22 | 2017-08-02 | Polaris Sensor Technologies, Inc. | Polarization imaging for facial recognition enhancement system and method |
US10444617B2 (en) * | 2015-04-30 | 2019-10-15 | Sony Corporation | Image processing apparatus and image processing method |
WO2017002475A1 (ja) * | 2015-06-30 | 2017-01-05 | 日本電気株式会社 | 個体識別子抽出装置 |
JP6682350B2 (ja) | 2016-05-18 | 2020-04-15 | キヤノン株式会社 | 情報処理装置、制御装置、情報処理方法、制御方法、並びにプログラム |
JP6894672B2 (ja) * | 2016-05-18 | 2021-06-30 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
US10466036B2 (en) * | 2016-10-07 | 2019-11-05 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Attachable depth and orientation tracker device and method of depth and orientation tracking using focal plane polarization and color camera |
CN109670389B (zh) * | 2017-10-16 | 2023-04-07 | 富士通株式会社 | 评价人脸图像中的光照条件的方法和设备 |
US11373396B2 (en) | 2017-11-06 | 2022-06-28 | Google Llc | Systems and methods for improved feature extraction using polarization information |
US11598715B2 (en) * | 2017-11-24 | 2023-03-07 | Sony Corporation | Detection apparatus and method of producing electronic apparatus |
US11276197B2 (en) | 2018-05-08 | 2022-03-15 | Sony Interactive Entertainment Inc. | Information processing apparatus and subject information acquisition method |
JP6933776B2 (ja) * | 2018-05-08 | 2021-09-08 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および被写体情報取得方法 |
EP3805717B1 (en) * | 2018-06-05 | 2023-05-17 | Sony Group Corporation | Information generation device, information generation method, and program |
WO2020049638A1 (ja) * | 2018-09-04 | 2020-03-12 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置およびプレイフィールド逸脱検知方法 |
JP7276346B2 (ja) * | 2018-09-12 | 2023-05-18 | ソニーグループ株式会社 | 画像処理装置と画像処理方法およびプログラム |
CN110633662B (zh) * | 2019-09-03 | 2022-03-25 | 云南白药集团健康产品有限公司 | 一种图像处理方法、装置及*** |
WO2022004145A1 (ja) * | 2020-06-29 | 2022-01-06 | ソニーグループ株式会社 | 画像処理装置と画像処理方法およびプログラム |
CN114937067B (zh) * | 2022-06-14 | 2023-01-31 | 陕西师范大学 | 分孔径偏振相机的图像配准方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000002651A (ja) | 1998-06-17 | 2000-01-07 | Hitachi Plant Eng & Constr Co Ltd | プラスチックの識別方法及び装置 |
CA2550692C (en) * | 2005-06-30 | 2012-01-24 | James Plant | Method and apparatus for real-time polarization difference imaging (pdi) video |
KR100963552B1 (ko) * | 2006-03-28 | 2010-06-15 | 후지쯔 세미컨덕터 가부시키가이샤 | 반도체 메모리 |
CN101558282B (zh) | 2007-02-13 | 2011-12-14 | 松下电器产业株式会社 | 图像处理***、方法、装置、以及图像格式 |
JP4308319B2 (ja) * | 2007-08-07 | 2009-08-05 | パナソニック株式会社 | 画像処理装置および画像処理方法 |
US8471895B2 (en) | 2008-11-25 | 2013-06-25 | Paul S. Banks | Systems and methods of high resolution three-dimensional imaging |
JP5696927B2 (ja) | 2009-12-25 | 2015-04-08 | 株式会社リコー | 物体識別装置、並びに、これを備えた移動体制御装置及び情報提供装置 |
EP2517175A4 (en) * | 2009-12-25 | 2018-01-10 | Ricoh Company, Ltd. | Object identifying apparatus, moving body control apparatus, and information providing apparatus |
JP5664152B2 (ja) | 2009-12-25 | 2015-02-04 | 株式会社リコー | 撮像装置、車載用撮像システム及び物体識別装置 |
JP5761601B2 (ja) * | 2010-07-01 | 2015-08-12 | 株式会社リコー | 物体識別装置 |
JP2013030889A (ja) | 2011-07-27 | 2013-02-07 | Dainippon Printing Co Ltd | 個体識別装置、個体識別対象物、個体識別方法、及びプログラム |
JP2015114307A (ja) * | 2013-12-16 | 2015-06-22 | ソニー株式会社 | 画像処理装置と画像処理方法および撮像装置 |
US10395113B2 (en) * | 2014-01-22 | 2019-08-27 | Polaris Sensor Technologies, Inc. | Polarization-based detection and mapping method and system |
JP6748648B2 (ja) * | 2016-12-22 | 2020-09-02 | アドバンスド オプティカル テクノロジーズ,インク. | 複数の独立した調整可能チャネルを有する偏光計、および、物質および物体を分類および認識する方法 |
-
2013
- 2013-12-16 JP JP2013259076A patent/JP2015115041A/ja active Pending
-
2014
- 2014-11-17 US US15/032,195 patent/US10366303B2/en active Active
- 2014-11-17 EP EP14871081.7A patent/EP3086282B1/en active Active
- 2014-11-17 WO PCT/JP2014/080324 patent/WO2015093206A1/ja active Application Filing
- 2014-11-17 CN CN201480067376.2A patent/CN105814607B/zh active Active
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2017014137A1 (ja) * | 2015-07-17 | 2018-04-26 | ソニー株式会社 | 眼球観察装置、アイウェア端末、視線検出方法及びプログラム |
JP2018041277A (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および対象物認識方法 |
WO2018047705A1 (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および対象物認識方法 |
WO2018047706A1 (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および画像領域分割方法 |
US11010901B2 (en) | 2016-09-07 | 2021-05-18 | Sony Interactive Entertainment Inc. | Information processing apparatus and image region segmentation method |
US11048912B2 (en) | 2016-09-07 | 2021-06-29 | Sony Interactive Entertainment Inc. | Information processing apparatus and target object recognition method |
JP2018041278A (ja) * | 2016-09-07 | 2018-03-15 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および画像領域分割方法 |
JP2018061124A (ja) * | 2016-10-04 | 2018-04-12 | 株式会社ソニー・インタラクティブエンタテインメント | 撮影装置、情報処理システム、情報処理装置、および偏光画像処理方法 |
WO2018066440A1 (ja) * | 2016-10-04 | 2018-04-12 | 株式会社ソニー・インタラクティブエンタテインメント | 撮影装置、情報処理システム、情報処理装置、および偏光画像処理方法 |
US10805528B2 (en) | 2016-10-04 | 2020-10-13 | Sony Interactive Entertainment Inc. | Image capturing apparatus, information processing system, information processing apparatus, and polarized-image processing method |
US11244467B2 (en) | 2016-11-07 | 2022-02-08 | Sony Corporation | Information processing apparatus, information processing mei'hod, and recording medium |
US11023771B2 (en) | 2017-02-09 | 2021-06-01 | Sony Corporation | Information processing apparatus, information processing method, and recording medium |
WO2018146890A1 (ja) * | 2017-02-09 | 2018-08-16 | ソニー株式会社 | 情報処理装置、情報処理方法および記録媒体 |
US11062170B2 (en) | 2017-02-15 | 2021-07-13 | Sony Corporation | Information processing apparatus, information processing method, and imaging apparatus |
JPWO2019003383A1 (ja) * | 2017-06-29 | 2019-11-07 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および材質特定方法 |
JPWO2019003384A1 (ja) * | 2017-06-29 | 2019-11-07 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置、情報処理システム、および材質特定方法 |
US11182638B2 (en) | 2017-06-29 | 2021-11-23 | Sony Interactive Entertainment Inc. | Information processing device and material specifying method |
US11710289B2 (en) | 2017-06-29 | 2023-07-25 | Sony Interactive Entertainment Inc. | Information processing apparatus, information processing system, and material identification method |
WO2019003384A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置、情報処理システム、および材質特定方法 |
WO2019003383A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および材質特定方法 |
JPWO2019021569A1 (ja) * | 2017-07-26 | 2020-06-11 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
US11189042B2 (en) * | 2017-07-26 | 2021-11-30 | Sony Corporation | Information processing device, information processing method, and computer program |
JP7103357B2 (ja) | 2017-07-26 | 2022-07-20 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2019021569A1 (ja) * | 2017-07-26 | 2019-01-31 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2019044123A1 (ja) * | 2017-08-30 | 2019-03-07 | ソニー株式会社 | 情報処理装置、情報処理方法、及び記録媒体 |
JPWO2019123625A1 (ja) * | 2017-12-22 | 2020-12-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および表面粗さ取得方法 |
WO2019123625A1 (ja) * | 2017-12-22 | 2019-06-27 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および表面粗さ取得方法 |
JP7039616B2 (ja) | 2017-12-22 | 2022-03-22 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および表面粗さ取得方法 |
US11327329B2 (en) | 2017-12-22 | 2022-05-10 | Sony Interactive Entertainment Inc. | Information processing apparatus and surface roughness acquisition method |
WO2020049816A1 (ja) * | 2018-09-03 | 2020-03-12 | ソニー株式会社 | 情報処理装置と情報処理方法およびプログラム |
WO2022097377A1 (ja) * | 2020-11-04 | 2022-05-12 | ソニーグループ株式会社 | 情報処理装置と情報処理方法およびプログラム |
JP7424272B2 (ja) | 2020-11-04 | 2024-01-30 | ソニーグループ株式会社 | 情報処理装置と情報処理方法およびプログラム |
WO2024079903A1 (ja) * | 2022-10-14 | 2024-04-18 | 日本電気株式会社 | 重要度判定システム、重要度判定装置、および重要度判定方法 |
Also Published As
Publication number | Publication date |
---|---|
US10366303B2 (en) | 2019-07-30 |
EP3086282A4 (en) | 2017-07-19 |
EP3086282A1 (en) | 2016-10-26 |
CN105814607B (zh) | 2019-09-24 |
US20160267348A1 (en) | 2016-09-15 |
CN105814607A (zh) | 2016-07-27 |
WO2015093206A1 (ja) | 2015-06-25 |
EP3086282B1 (en) | 2022-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2015093206A1 (ja) | 画像処理装置と画像処理方法 | |
Lee et al. | Local color vector binary patterns from multichannel face images for face recognition | |
Hsia | New verification strategy for finger-vein recognition system | |
JP5607261B2 (ja) | オブジェクト認識における特徴生成を改善するためのシステム及び方法 | |
Davarzani et al. | Scale-and rotation-invariant texture description with improved local binary pattern features | |
US10832030B2 (en) | Method and apparatus of selecting candidate fingerprint image for fingerprint recognition | |
KR20070075644A (ko) | 보상적 특징에 기반한 확장형 얼굴 인식 방법 및 장치 | |
Wang et al. | Fan shape model for object detection | |
Bursuc et al. | Kernel local descriptors with implicit rotation matching | |
CN108550165A (zh) | 一种基于局部不变特征的图像匹配方法 | |
Mantecon et al. | Depth-based face recognition using local quantized patterns adapted for range data | |
Rukhiran et al. | Effecting of environmental conditions to accuracy rates of face recognition based on IoT solution | |
Waheed et al. | Exploiting Human Pose and Scene Information for Interaction Detection | |
Ouamane et al. | A novel statistical and multiscale local binary feature for 2D and 3D face verification | |
TWI427545B (zh) | 以尺度不變特徵轉換和人臉角度估測為基礎的人臉辨識方法 | |
CN109074643B (zh) | 图像中的基于方位的对象匹配 | |
JP5500404B1 (ja) | 画像処理装置及びそのプログラム | |
Wu et al. | Risas: A novel rotation, illumination, scale invariant appearance and shape feature | |
JP6540577B2 (ja) | 物体認識装置 | |
Anggara et al. | Integrated Colormap and ORB detector method for feature extraction approach in augmented reality | |
Kakadiaris et al. | Face recognition using 3D images | |
RU2735629C1 (ru) | Способ распознавания близнецов и ближайших родственников для мобильных устройств и мобильное устройство его реализующее | |
Taira et al. | Robust feature matching by learning descriptor covariance with viewpoint synthesis | |
Hegenbart et al. | An orientation-adaptive extension to scale-adaptive local binary patterns | |
Benseddik et al. | Binary feature descriptor for omnidirectional images processing |