JP3708042B2 - 画像処理方法及びプログラム - Google Patents
画像処理方法及びプログラム Download PDFInfo
- Publication number
- JP3708042B2 JP3708042B2 JP2001358350A JP2001358350A JP3708042B2 JP 3708042 B2 JP3708042 B2 JP 3708042B2 JP 2001358350 A JP2001358350 A JP 2001358350A JP 2001358350 A JP2001358350 A JP 2001358350A JP 3708042 B2 JP3708042 B2 JP 3708042B2
- Authority
- JP
- Japan
- Prior art keywords
- hue
- image
- cluster
- clustering
- clusters
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Description
【発明の属する技術分野】
本発明は、カラー画像のセグメンテーションを行う画像処理方法及びプログラムに関する。
【0002】
【従来の技術】
画像平面上で知覚的に一様な色領域をなす画素群は、均等色空間の中で稠密なクラスタを形成する。これを利用し、均等色空間においてクラスタリングを行い、カラー画像のセグメンテーションを行う方法が知られている(参考文献「コンピュータビジョン 技術評論と将来展望、新技術コミュニケーションズ、pp.68−71」)。
【0003】
人間の知覚に近いセグメンテーションを行うためにはCIE−LABやCIE−LUVといった表色系を用い、均等色空間を表現するのが適しているという知見がある。また、クラスタリングには、パターン認識におけるパターン分類法として知られているk−means法やISODATAのような手法を利用するのが一般的である。
【0004】
実際の画像はハイライトや陰影を含んでおり、クラスタリングにおいて同一の色相を持つ画素が別々のクラスタに分類されてしまうことがある。そこで、ハイライトや陰影に依存しないセグメンテーションが必要な場合には、上記の方法により基本的なクラスタリングを先ず行い、これにより抽出されたクラスタの代表色を色相差で再分類する方法が採られる。再分類においては、色相差がしきい値以下のクラスタ同士を併合することにより、明度に違いはあるが色相は近い領域を同一の領域として分割(セグメンテーション)する。
【0005】
【発明が解決しようとする課題】
かかるセグメンテーション方法では、色相差によるクラスタの再分類のためのしきい値をチューニングする必要がある。この作業は、従来、人手により行われており熟練を要する上、手間が掛かるという問題点がある。そこで、初期設定も含めこのようなチューニングを必要としないで自動的にセグメンテーションを行えるような画像処理技術の提供が望まれている。
【0006】
また、画像を一様な色領域へ分割するのみならず、画像中の対象物体を他の色に置き換えたり、隠蔽するなどといったいわゆる画像編集技術についても実現の要請がある。かかる画像編集は、例えば映像中の残酷なシーンを低年齢者に見せない配慮のために、画像中の血の領域を隠蔽したり、ぼかすなどの編集を施すことなどである。そして、ハイライトや陰影を含んだ実際の画像では同じ血の領域であっても明度が大きく異なる場合が多く、人間の知覚に近いセグメンテーションを行う画像処理がこのような画像編集技術に好適であることからも上述した技術的課題の解決が必須である。
【0007】
【課題を解決するための手段】
本発明の画像処理方法は、入力画像中の少なくとも一部の画素を似通った色相を有するクラスタに分類するためのパラメータを計算する画像処理方法であって、前記画素の色相値を計算するステップと、色相を表す色相円の周上に前記画素をマッピングするステップと、前記色相円を可変の分割数で分割すると共に当該分割された色相円を可変の回転角で回転させることにより、前記画素をクラスタリングするステップと、前記クラスタリングの結果に基づく評価値を計算するステップと、前記評価値を最適化するよう前記分割数及び回転角を変化させて前記パラメータを決定するステップと、を具備することを特徴とする。
【0008】
【発明の実施の形態】
以下、図面を参照しながら発明の実施の形態を説明する。
【0009】
図1は本発明の一実施形態に係る画像処理システムの概略構成を示すブロック図である。図1に示すように、本実施形態の画像処理システムは、基本分類部102と、パラメータ計算部103と、再分類部104とを有する。これらの構成要素は、例えばハードディスク等の記憶装置から入力画像101を読み出して作業メモリ106に一旦記憶させ、同作業メモリ106上で本発明に係る画像処理を施し、その処理結果105を出力するよう構成されている。このような本実施形態の画像処理システムは、例えば汎用のコンピュータと、同コンピュータ上で動作するプログラムとにより実現される。
【0010】
図2は、本実施形態の画像処理システムにおけるセグメンテーション手順の一例を示すフローチャートである。
【0011】
まず、入力画像101が作業メモリ106に読み出されるとともに、このうち、処理対象の画像データが基本分類部102に入力される。基本分類部102は、かかる画像データに対し必要に応じて表色系の変換を行ってから、均等色空間の中で1つ以上のクラスタ分類を行う(ステップS202)。ここで、入力画像101に処理の対象となる画素を特定するための情報が付加されている場合、分類対象となる画素を限定して処理を行うものとする。もし、これらの付加情報がない場合は、画像データの全ての画素が分類対象となる。
【0012】
次に、入力画像101はパラメータ計算部103に送られる。ここでは、基本分類部102で得られたクラスタの中で色相が近いクラスタを併合するための、色相差のしきい値を計算する(ステップS203)。
【0013】
再分類部104では、基本分類部102において得られたクラスタを、パラメータ計算部103において得られたパラメータを用いて再分類する(ステップS204)。ここまでの処理によって、カラー画像のセグメンテーションが完了し、処理結果105が出力される。
【0014】
以下、基本分類部102、パラメータ計算部103、および再分類部104の各々の内部処理について詳細に説明する。
【0015】
図3は、基本分類部102におけるクラスタリング手順の一例を示すフローチャートである。基本分類部102では、パターン認識においてよく知られているk−means法などのクラスタリング手法が用いられる。k−means法はクラスタ数が既知である場合に有効である。図3は、GLA(Generalized Lloyd Algorithm)法を基本的な枠組みとして用いた例である。GLA法は、クラスタ数の上限を指定するのみでクラスタリングを行える方法である。条件に応じて、これらの方法を使い分けてもよい。
【0016】
また、クラスタリングを行う前に、入力画像101をCIE−LABもしくはCIE−LUVのような表色系に変換しておくことが望ましい。これらの表色系を用いることによって、人間の知覚に近いセグメンテーションが行えるようになる。クラスタリングは、これらの表色系で表される均等色空間において行うことが好ましい。
【0017】
まず、初期値としてクラスタ数を1に設定し、全ての画素が1つのクラスタに属するものとする(ステップS301)。次に、ステップS302からS312までの処理を繰り返すことによってクラスタリングを行う。ステップS302においては、それぞれのクラスタの重心を求める。画素と各クラスタの重心とのユークリッド距離(これを「色差」と呼ぶ)を求め(ステップS303)、距離が最小となるクラスタにその画素を割り当てる(ステップS304)。各画素とその画素が属するクラスタの重心との距離の総和を求め、これを画素数で割ることにより平均二乗誤差を求める(ステップS305)。ここで、現状でのクラスタの総数が設定したしきい値T1を上回っている場合、処理の終了判定に移行する(ステップS306)。すなわち、ステップS305において計算した平均二乗誤差の変化率としきい値T3とを比較する(ステップS308)。平均二乗誤差の変化率は、例えば以下の数式で定義される。
【0018】
【数1】
【0019】
この変化率が、しきい値T3以下の場合、クラスタリングが十分収束したものとみなして処理を終了する。変化率がT3を上回る場合はステップS302に戻る。
【0020】
一方、ステップS306においてクラスタの総数がしきい値T1以下であると判定されたとき、クラスタの分割を行うかどうかの判定を行う。すなわち、平均二乗誤差の変化率をしきい値T2と比較する(ステップS307)。なお、本実施形態では、T2>=T3のように設定する。
【0021】
平均二乗誤差の変化率がT2を上回る場合、ステップS302に戻る。一方、平均二乗誤差の変化率がT2を上回らない場合は、ステップS309に進む。
【0022】
ステップS309では、各クラスタ内の分散を計算する。分散は、クラスタの重心とクラスタに属する画素の距離の2乗をクラスタ内の画素数で割ることによって求める。すべてのクラスタの中での分散の最大値がしきい値T4未満である場合に処理を終了する(ステップS310)。
【0023】
一方、分散の最大値がしきい値T4以上である場合は、分散が最大となるクラスタを分割する。クラスタを分割するためには、まずそのクラスタに主成分分析を施す(ステップS311)。主成分分析によって、図4に示すように固有ベクトルが得られる。最も分布の広がりがある方向を示す第1主成分ベクトルに垂直であって、かつ、クラスタの重心を通る平面の方程式を求め、その平面でクラスタを分割する(ステップS312)。ステップS302に戻り、終了判定条件を満たすまで処理を繰り返す。前述したように、ハイライトや陰影のような明度変化を多く含む画像に対して、以上のクラスタリング処理を行うと、ハイライトや陰影の領域を別のクラスタとしてしまうという問題が発生する。細分化され過ぎたクラスタ群を、同一の色相のクラスタ同士を併合することによって再分類する方法を以下に説明する。
【0024】
図5は、パラメータ計算部103における処理手順の一例を示すフローチャートである。まず、ステップS501において各画素の色相値を計算する。通常、入力画像101はRGBの値を画素値として持つ。RGB値から色相を計算するためには、HSIやHSVといった表色系への変換式を用いてH成分を求める。変換式としては、例えば、上述した参考文献(「コンピュータビジョン 技術評論と将来展望、新技術コミュニケーションズ、pp.65−66」)に紹介されている以下の式を利用することができる。
【0025】
【数2】
【0026】
色相の取り得る範囲は、[0,2π]である。ただし、無彩色の色相は計算できないので、ステップS501以降では有彩色の画素のみを対象とする。次に、各画素の色相値を、設定した分割数と回転角によってクラスタリングする。上式によって求めた色相は角度で表現され、例えば図6に示すような円の周上に各画素がマッピングされる。この円を、設定した分割数で分割する。図6は分割数=4の場合を示しており、実線によって4つの分割クラスタが得られている。この円を、設定した角度で回転させると、それぞれのクラスタに分類される画素の分類パターンが変化する。そして分割数及び回転角を様々な値で変更し、最も当てはまりのよいクラスタの分割の仕方を自動的に選ぶ。
【0027】
分割数の変更方法としては、例えば最大の分割数を設定しておき、1から順に分割数を大きくしていく方法がある。しかし、分割数が大きくなるにつれ、クラスタ1つあたりに含まれる色相の範囲はほとんど変化しなくなる。そこで、例えば分割数を{1,2,3,4,5,6,7,8,9,10,12,15,18,24,36…}のように段階的に増やし、1つのクラスタに含まれる色相の範囲を一定の角度以上で変化させていくようにすると効率がよい。
【0028】
回転角については、本実施形態では、予め設定しておいた固定の値を用いることし、この回転角で色相マップの円を回転させる(図6参照)。分割数の最大値が36のとき、1つのクラスタは10度の範囲を持つので、回転角を5度に設定すれば、効率よく異なったクラスタ分類パターンを調べることが可能である。例えば、分割数が10で回転角が5度のときは、合計8通りの回転角を試すことになる。
【0029】
次にステップS502においては、全ての分割数を試したかどうかチェックする。全ての分割数を試した場合は、処理が終了となる。そうでない場合、分割数を設定する(ステップS503)。ステップS504で全ての回転角を試したかチェックする。回転角の試行回数は分割数に依存して決定される。全ての回転角を試した場合、ステップS502に戻る。そうでない場合は、回転角を設定する(ステップS505)。以上のステップにより設定された分割数と回転角で、各画素をクラスタ分類する。各画素の色相値を参照して、その画素を含むクラスタに割り当てる(ステップS506)。各画素と割り当てられたクラスタの中心との平均二乗誤差を計算する(ステップS507)。
【0030】
分割数を大きくすればするほど、平均二乗誤差の値は小さくなる。しかし、それでは分類されるクラスタ数が増大するだけである。分割数をできるだけ小さくし、かつ当てはまりのよいクラスタ分類を行うことが重要となる。そこで分割数と計算された平均二乗誤差とから、情報量規準を計算する(ステップS508)。情報量規準の値が最小となる分割数と回転角を更新し(ステップS509)、ステップS504に戻る。情報量規準は、分割数とクラスタへの当てはまりの良さを同時に最適化するための評価値として利用できる。情報量規準としてはAIC(Akaike Information Criterion;赤池情報量基準)と記述長最小化原理(MDL;Minimum Description Length)が最もよく利用される。それらの計算方法を以下に示す。
【0031】
画素数をnとし、各色相クラスタの中心と画素との平均2乗誤差(LMS:Least Mean Squared Error)が、
【数3】
で表されるとき、誤差εが平均0であって分散がσ2の正規分布に従うと仮定すると、情報量規準MDLは、
【数4】
のようにして求めることができる。また、情報量規準AICは、
【数5】
によって求められる。ここで、Fは分割数+1である。
【0032】
この計算式により、ステップS508で情報量規準を計算する。AICもしくはMDLのどちらを利用してもよい。この値は小さいほど、クラスタ分類が良いということになる。
【0033】
以上の処理により、カラー画像を色相によってセグメンテーションする際の、色相の分割数と回転角を求めることができる。
【0034】
再分類部104では、基本分類の結果とパラメータ計算の結果(最適な色相の分割数と回転角)に基づいて、クラスタの再分類を行う。
【0035】
図7は再分類部104における処理の手順の一例を示すフローチャートである。まず、基本分類によって得られたクラスタの代表色(例えば、クラスタの重心)の色相を計算する(ステップS701)。次に、この代表色を、該当する色相のクラスタへ分類する(ステップS702)。例えば、基本分類によって得られた2つのクラスタの代表色が、それぞれ、同一の色相クラスタへ分類された場合、これらのクラスタは色相が同一であるとみなし、クラスタを併合する(ステップS703)。ここまでの処理により、カラー画像のセグメンテーションが終了する。
【0036】
このような本発明の実施形態に係る画像処理システムによれば、色相差によるクラスタの再分類のためのしきい値をチューニングする必要が不要であり、自動的にセグメンテーションを行える。
【0037】
次に、画像中の対象物体を他の色に置き換えたり隠蔽するための画像編集について説明する。図8は、セグメンテーションの結果をユーザが参照して画像を編集する際の手順を示すフローチャート、図9は、この画像編集に適用されるユーザインタフェースの一例を示す図である。
【0038】
図9に示すユーザインターフェースは、入力画像表示領域904(図9(b))と、代表色表示領域902および各クラスタの画像上での面積占有率等を表示する領域903を有するクラスタリング結果表示画面901(図9(a))とにより構成されている。このようなユーザインターフェースを用いて、各クラスタの代表色を表示する(ステップS801)。領域903に表示する内容としては、各クラスタの面積占有率以外に、代表色のRGB値や色相値を表示してもよい。ユーザはマウス等のポインティングデバイスを用いて、加工したい色クラスタを選択する(ステップS802)。選択するクラスタの数は1つでも複数でも構わない。さらにユーザはそのクラスタに対して行う編集方法を指定する(ステップS803)。編集方法としては、指定したクラスタに属する画素を除くことや、指定したクラスタに属する画素のみを残すなどが挙げられる。最後に、編集結果を表示する(ステップS804)。図9(b)は、指定したクラスタに属する画素を除いて生成した画像905と、指定したクラスタのみを残して生成した画像906を例として示している。
【0039】
以上説明したように、本発明に係る画像処理方法によれば、パラメータのチューニングを行わなくとも、より人間の知覚に近いカラー画像のセグメンテーションを簡単かつ速やかに行うことが可能となる。これにより、セグメンテーション結果を利用した画像編集作業を効率化することができるようになる。
【0040】
なお、本発明は上述した実施形態に限定されず種々変形して実施可能である。
【0041】
【発明の効果】
以上説明したように、本発明によれば、チューニングを必要とせず、より人間の知覚に近いカラー画像セグメンテーションを行うことのできる画像処理方法及びプログラムを提供できる。
【図面の簡単な説明】
【図1】本発明の一実施形態に係る画像処理システムの概略構成を示すブロック図。
【図2】上記実施形態におけるセグメンテーション手順の一例を示すフローチャート
【図3】上記実施形態の基本分類部におけるクラスタリング手順の一例を示すフローチャート
【図4】主成分分析により得られた固有ベクトルの一例を示す図
【図5】上記実施形態のパラメータ計算部における処理手順の一例を示すフローチャート
【図6】クラスタリングを行うための円周状の色相マップを示す図
【図7】上記実施形態の再分類部における処理の手順の一例を示すフローチャート
【図8】上記実施形態を応用した画像編集の手順を示すフローチャート
【図9】上記画像編集に適用されるユーザインタフェースの一例を示す図
【符号の説明】
101…入力画像
102…基本分類部
103…パラメータ計算部
104…再分類部
105…処理結果
106…作業メモリ
Claims (6)
- 入力画像中の少なくとも一部の画素を似通った色相を有するクラスタに分類するためのパラメータを計算する画像処理方法であって、
前記入力画像中の少なくとも一部の画素をその色差に応じてクラスタリングするステップと、
前記画素の色相値を計算するステップと、
色相を表す色相円を可変の分割数の分割クラスタに分割するとともに、前記分割された色相円を可変の回転角で回転させて前記各分割クラスタに対応する色相値の範囲を変化させることにより、前記画素の色相値をクラスタリングするステップと、
前記クラスタリングの結果に基づく評価値を計算するステップと、
前記評価値を最適化するよう前記分割数及び回転角を変化させて前記パラメータを決定するステップと、
前記色差に応じたクラスタリング結果を、前記パラメータに基づいて再分類するステップと、
を具備することを特徴とする画像処理方法。 - 前記再分類ステップは、第1のクラスタと第2のクラスタの各々の代表色の色相差を前記パラメータと比較し、その比較結果に応じて当該第1、第2のクラスタ同士を併合するステップを含むことを特徴とする請求項1に記載の画像処理方法。
- 前記再分類されたクラスタリング結果を参照し、似通った色相を有する画像中の対象物を隠蔽し、又は該対象物に装飾を施すことを含む画像編集ステップをさらに具備することを特徴とする請求項1又は2に記載の画像処理方法。
- 前記画像編集ステップは、
複数のクラスタの代表色を一覧表示するステップと、
前記複数のクラスタのうちの少なくとも一つのクラスタの選択をユーザから受け付けるステップと、
選択された前記クラスタに属する画素のみから構成される画像又は選択された前記クラスタに属する画素を前記入力画像から除いて成る画像を生成するステップと、
を具備することを特徴とする請求項3に記載の画像処理方法。 - 前記評価値として、赤池情報量基準又は記述長最小化原理(MDL)を計算することを特徴とする請求項1に記載の画像処理方法。
- 入力画像中の少なくとも一部の画素を似通った色相を有するクラスタに分類するためのパラメータを計算する画像処理プログラムであって、
コンピュータに、
前記入力画像中の少なくとも一部の画素をその色差に応じてクラスタリングする手順と、
前記画素の色相値を計算する手順と、
色相を表す色相円を可変の分割数の分割クラスタに分割するとともに、前記分割された色相円を可変の回転角で回転させて前記各分割クラスタに対応する色相値の範囲を変化させることにより、前記画素の色相値をクラスタリングする手順と、
前記クラスタリングの結果に基づく評価値を計算する手順と、
前記評価値を最適化するよう前記分割数及び回転角を変化させて前記パラメータを決定する手順と、
前記色差に応じたクラスタリング結果を、前記パラメータに基づいて再分類する手順と、を実行させる画像処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001358350A JP3708042B2 (ja) | 2001-11-22 | 2001-11-22 | 画像処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001358350A JP3708042B2 (ja) | 2001-11-22 | 2001-11-22 | 画像処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003162718A JP2003162718A (ja) | 2003-06-06 |
JP3708042B2 true JP3708042B2 (ja) | 2005-10-19 |
Family
ID=19169542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001358350A Expired - Fee Related JP3708042B2 (ja) | 2001-11-22 | 2001-11-22 | 画像処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3708042B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8139852B2 (en) | 2006-06-29 | 2012-03-20 | Fujitsu Limited | Color classification method, color recognition method, color classification apparatus, color recognition apparatus, color recognition system, computer program, and recording medium |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4329475B2 (ja) | 2003-10-02 | 2009-09-09 | セイコーエプソン株式会社 | 装飾画像の選択 |
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP2006301696A (ja) * | 2005-04-15 | 2006-11-02 | Ricoh Co Ltd | 画像評価装置および画像評価方法並びに記録媒体 |
JP4215781B2 (ja) | 2006-06-16 | 2009-01-28 | 独立行政法人産業技術総合研究所 | 異常動作検出装置および異常動作検出方法 |
JP4603512B2 (ja) * | 2006-06-16 | 2010-12-22 | 独立行政法人産業技術総合研究所 | 異常領域検出装置および異常領域検出方法 |
JP4949996B2 (ja) * | 2007-10-29 | 2012-06-13 | 株式会社リコー | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
JP5123870B2 (ja) * | 2009-02-10 | 2013-01-23 | キヤノン株式会社 | 画像処理方法および画像処理装置およびプログラム |
US8756010B2 (en) | 2009-10-12 | 2014-06-17 | Qualcomm Incorporated | Method and apparatus for identification of points of interest within a predefined area |
JP5639797B2 (ja) | 2010-07-01 | 2014-12-10 | 株式会社日立ハイテクノロジーズ | パターンマッチング方法,画像処理装置、及びコンピュータプログラム |
JP6955156B2 (ja) | 2017-10-23 | 2021-10-27 | 富士通株式会社 | 画像処理プログラム、画像処理装置および画像処理方法 |
CN116109933B (zh) * | 2023-04-13 | 2023-06-23 | 山东省土地发展集团有限公司 | 一种用于废弃矿山生态修复的动态识别方法 |
-
2001
- 2001-11-22 JP JP2001358350A patent/JP3708042B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8139852B2 (en) | 2006-06-29 | 2012-03-20 | Fujitsu Limited | Color classification method, color recognition method, color classification apparatus, color recognition apparatus, color recognition system, computer program, and recording medium |
Also Published As
Publication number | Publication date |
---|---|
JP2003162718A (ja) | 2003-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1168247A2 (en) | Method for varying an image processing path based on image emphasis and appeal | |
US20010051004A1 (en) | Method for determining a correlation between images using multi-element image descriptors | |
JPWO2006082979A1 (ja) | 画像処理装置および画像処理方法 | |
US8995761B2 (en) | Image processing apparatus, image processing method, and computer-readable medium | |
JP3708042B2 (ja) | 画像処理方法及びプログラム | |
Ikonomatakis et al. | Region growing and region merging image segmentation | |
JP4098021B2 (ja) | シーン識別方法および装置ならびにプログラム | |
JPH1153525A (ja) | 顔器官検出装置及び媒体 | |
JP2006190307A (ja) | 画像におけるオブジェクトをセグメント化する方法及び装置 | |
US20100231995A1 (en) | Image processing apparatus, image processing apparatus control method, and storage medium storing program | |
US8718401B2 (en) | Image processing device, method and program | |
JP2015011585A (ja) | 画像処理装置、画像形成装置、画像形成システム、画像処理方法およびプログラム | |
JP2013536960A (ja) | 写真から肖像スケッチを合成するシステム及び方法 | |
CN112634125A (zh) | 一种基于离线人脸数据库的自动面部替换方法 | |
EP2782065B1 (en) | Image-processing device removing encircling lines for identifying sub-regions of image | |
US8934710B2 (en) | Image processing apparatus, image processing method, and computer-readable medium | |
US7397945B2 (en) | Method and system of image segmentation using regression clustering | |
JPH09171552A (ja) | 画像認識装置 | |
JP2005353101A (ja) | 画像特徴抽出方法およびその方法の各工程をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP5786838B2 (ja) | 画像領域分割装置、方法、およびプログラム | |
JP4248947B2 (ja) | 画像減色装置、画像減色方法および画像減色プログラム | |
JP3724525B2 (ja) | 画像処理方法および画像処理装置 | |
JP3065332B2 (ja) | 画像処理方法 | |
Busin et al. | Colour space selection for unsupervised colour image segmentation by analysis of connectedness properties | |
JPH06251147A (ja) | 映像特徴処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041116 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050405 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050606 |
|
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: 20050726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050802 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090812 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090812 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100812 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100812 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110812 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110812 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120812 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120812 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130812 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |