米国特許情報 | 欧州特許情報 | 国際公開(PCT)情報 | Google の米国特許検索
 
     特許分類
A 農業
B 衣類
C 家具
D 医学
E スポ−ツ;娯楽
F 加工処理操作
G 机上付属具
H 装飾
I 車両
J 包装;運搬
L 化学;冶金
M 繊維;紙;印刷
N 固定構造物
O 機械工学
P 武器
Q 照明
R 測定; 光学
S 写真;映画
T 計算機;電気通信
U 核技術
V 電気素子
W 発電
X 楽器;音響


  ホーム -> 計算機;電気通信 -> イーストマン コダック カンパニー

発明の名称 前景/背景セグメント化を用いた画像のイベント・クラスタリング
発行国 日本国特許庁(JP)
公報種別 公開特許公報(A)
公開番号 特開2003−16448(P2003−16448A)
公開日 平成15年1月17日(2003.1.17)
出願番号 特願2002−89703(P2002−89703)
出願日 平成14年3月27日(2002.3.27)
代理人 【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦 (外2名)
【テーマコード(参考)】
5B075
5L096
【Fターム(参考)】
5B075 ND06 NR12 
5L096 AA02 FA14 FA15 FA59 JA03 JA11 MA07
発明者 アリグザンダー シー ルイ / マティユ ジャンソン / ジャオホォイ サン
要約 課題
画像を前景及び背景などの粗い領域へセグメント化し、前景領域と背景領域との間の類似性からの全体的な類似性度合を導くシステムを提供すること。

解決手段
イベント・クラスタリング方法は、前景及び背景セグメント化を用いて、画像を一グループから類似のイベントへクラスタリングする。最初、各画像は複数のブロックへ分割され、よってブロック・ベースの画像が提供される。ブロック毎の比較によって、各ブロック・ベースの画像は、少なくとも前景及び背景を有する複数の領域へセグメント化される。1以上の光度、色、位置、及びサイズ特徴が領域から抽出され、この抽出された領域はグループ内の連続画像中の前景及び背景を有する領域の類似性を評価・比較するのに利用される。次いで、連続画像間の全体の類似性の度合が計算されることによって連続画像間の画像相違度合が提供され、この画像相違度合からイベント・クラスタの範囲が定められる。
特許請求の範囲
【請求項1】 画像を一グループから類似のイベントへクラスタリングする、前景及び背景セグメント化を用いたイベント・クラスタリング方法であって、(a) 各画像を少なくとも前景及び背景を有する複数の領域へセグメント化し、(b) 前景及び背景を有する前記領域から、該領域の光度、色、位置、及びサイズのうちの少なくとも一を含む特徴の1以上を抽出し、(c) この特徴を利用して、前記グループの連続画像の前景及び背景を有する前記領域の類似性を計算し、(d) 連続画像間の全体としての類似性の度合を計算して連続画像間の画像相違度合を提供し、(e) この画像相違度合から、同じイベントに関連する画像グループを含むようにイベント・クラスタの範囲を定めることを特徴とする方法。
【請求項2】 請求項1記載の方法であって、前記工程(c)は、前記特徴を利用し、前記領域間の類似性若しくは非類似性を示す相違度合を生成することを特徴とする方法。
【請求項3】 請求項1記載の方法であって、前記工程(a)において形成された所定数の領域がそれぞれ所定サイズより小さい場合に、前記前景用の固定領域が生成されることを特徴とする方法。
【請求項4】 請求項1記載の方法であって、前記画像グループは年代順に並べられ、前記工程(c)は、更に、前記特徴と利用し、該グループの他のすべての画像の前景及び背景を有する領域の類似性を評価・比較し、前記工程(d)は他のすべての画像間の全体としての類似性度合を計算して連続画像と他のすべての画像との間の画像相違度合を提供することを特徴とする方法。
【請求項5】 請求項1記載の方法であって、前記画像グループは年代順に並べられ、前記工程(c)は、更に、前記特徴と利用し、該グループの他のすべての2画像の前景及び背景を有する領域の類似性を評価・比較し、前記工程(d)は他のすべての2画像間の全体としての類似性度合を計算して連続画像と他のすべての2画像との間の画像相違度合を提供することを特徴とする方法。
発明の詳細な説明
【0001】
【発明の属する技術分野】本発明は、概して、消費者が取り込んだ画像の自動アルバム化の分野に係り、特に、イベントの類似性によって消費者が取り込んだ画像を分類するシステムに関する。
【0002】
【従来の技術】画像は、それらを抽出したり、閲覧したり、アルバム化したりする際の便宜のために、特定のイベントや主題などによって分類される場合が多い。通常、これは、手動で画像をセグメント化することによって達成されるか、或いは、似た視覚的コンテンツのグループに画像を分けるために画像を色、形状、テクスチャによってグループ化する自動化された方法によって達成される。コンテンツの正確な判断はこの仕事を容易にする。イベント分類に向けられたものではないが、コンテンツに基づく画像抽出及び画像のコンテンツ描写に取り組んだ従来技術は存在する。いくつかの典型的な参考文献を以下に説明する。
【0003】米国特許第6,072,904号:「Fast image retrieval using multiscale edge representation of images」において、画像抽出技術は、マルチスケール・エッジ特性を利用する。データベースの目標画像及び各画像は各画像内のエッジ特性ベクトルによって特徴付けられる。抽出は、画像自体ではなく、この特性ベクトルの比較によって達成される。米国特許第5,911,139号:「Visual image database search engine which allows for different schema」において、コンテンツに基づく検索及び視覚的オブジェクトの抽出のための視覚情報抽出エンジンが開示されている。該エンジンは、視覚的オブジェクト上で作動するために普遍的なプリミティブ群を用い、類似性スコアを生成するために異種比較を実行する。米国特許第5,852,823号:「Image classification and retrieval system using a query−by−example paradigm」は、例ごとの照会による画像分類及び抽出についてのパラダイムを教える。この方法は、意味論をベースとし、言語学的に検索可能な入力画像の所定のグループの数値記述子を生成する。この記述子は、特に個別の画像を自動的に分類するシステムにおいて有益的である。
【0004】
【発明が解決しようとする課題】上記3つの特許によって取り組まれたタスクは、画像抽出の一種であり、すなわちデータベースから類似の画像を見つけるものである。これは、消費者画像に対する写真アルバム組織化などの消費者画像に対するイベント・クラスタリングのタスクとは異なる。上記特許に開示された記述子はイベント・クラスタリングのために前景及び背景のセグメント化を用いることを示唆していない。より重要なことに、画像を前景及び背景へセグメント化が、画像類似性度合として考慮されていない。
【0005】同一人に譲渡された米国特許第6,011,595号:「Method for segmenting a digital image into aforeground and a key color region」(発行日:2000年1月4日、発明者:T.Henderson, K.Spaulding,及びD.Couwenhoven)は、前景領域及び主要色背景領域の画像セグメント化を教える。しかし、画像の類似性を比較するのに前景/背景の分離は用いられていない。
【0006】同一人に譲渡された米国特許出願(シリアル番号09/163,618):「A method for automatically classifying images into events」(出願日:1998年9月30日、発明者:A.Loui,及びE.Pavie)、及び、同一人に譲渡された米国特許出願(シリアル番号09/197,363):「A method for automatically comparing content of images for classification into events」(出願日:1998年11月20日、発明者:A.Loui,及びE.Pavie)は、技術的アプローチは異なるが、消費者画像に対するイベント・クラスタリングのより良いシステムを構築するための継続的な努力を表す。シリアル番号:09/163,618は、データ及び時刻情報を用いたイベント・クラスタリングについて開示している。シリアル番号:09/197,363は、データ及び時刻情報が使用不可能である場合に用いられ得る、画像イベント・クラスタリングのためのブロック・ベースのヒストグラム補正方法について開示している。この方法は、比較のために(固定された四角形のセグメント化によって実現される)主題エリアを用いることを教えるが、固定された四角形よりも正確な前景/背景セグメント化を自動的に実行する方法については何ら提案していない。
【0007】A.Loui,及びA.Savakisによる「Automatic image event segmentation and quality screening for albuming applications」(Proceedings IEEE ICME2000,New York,2000年8月)、及び、John Plattによる「AutoAlbum:Clustering digital photographs using probabilistic model merging」(Proceedings IEEE Workshop on Content−based Access of Image and Video Libraries,2000)の両文献は、特に、消費者画像のイベント・クラスタリングに関する。しかし、上記2文献の方法は、いずれも画像領域を調査しておらず、前景/背景分離の利点を活かしていない。Loui及びSavakisは、データ及び時刻情報と全般的な画像コンテンツとに基づくイベント・クラスタリング・スキームを教える。Plattは、確率的画像マージングに基づくクラスタリング・スキームを教える。上記方法はいずれも前景/背景分離に取り組んでいない。
【0008】必要とされているものは、画像を前景及び背景などの粗い領域へセグメント化し、前景領域と背景領域との間の類似性からの全体的な類似性度合を導くシステムである。更に、このようなシステムは、消費者画像の不必要なディテール及び無関係なクラスタによって混乱されるべきではない。
【0009】
【課題を解決するための手段】本発明は、上記問題の1以上を克服することに向けられている。簡単にまとめると、本発明の一態様によれば、イベント・クラスタリング方法は、前景及び背景セグメント化を用いて、画像を一グループから類似のイベントへクラスタリングする。最初、各画像は複数のブロックへ分割され、よってブロック・ベースの画像が提供される。ブロック毎の比較によって、各ブロック・ベースの画像は、少なくとも前景及び背景を有する複数の領域へセグメント化される。1以上の光度、色、位置、及びサイズ特徴が上記領域から抽出され、この抽出された領域はグループ内の連続画像中の前景及び背景を有する領域の類似性を評価・比較するのに利用される。次いで、連続画像間の全体の類似性の度合が計算されることによって連続画像間の画像相違度合(image distance)が提供され、この画像相違度合からイベント・クラスタの範囲が定められる。
【0010】本発明は、更に、自動アルバム化に用いることができ、画像管理及び組織化タスクに関連する、前景/背景セグメント化を用いた消費者画像のイベント・クラスタリング・システムを含む。開示されるシステムの目標は、複数の消費者写真ロールを、前景及び背景の分離に注目し、画像コンテンツに基づいて、複数のイベントへ分類することである。このシステムの重要な態様は、前景及び背景セグメント化に基づき、画像間のより良い一致と改善された性能をもたらす自動イベント・クラスタリングである。本発明の他の利点は、セグメント化にブロック・ベースのアプローチを用いることである。これは、ピクセル・ベースのセグメント化スキームよりも計算力の効率が良い。
【0011】本発明の上記及び他の態様、目的、特徴、及び利点は、添付図面を参照して以下の好ましい実施形態の詳細な説明及び付属の請求項を読むことによってより明らかとなる。
【0012】
【発明の実施の形態】以下の説明において、通常はソフトウェア・プログラムとして実施されるであろう本発明の好ましい実施形態を説明する。このようなソフトウェアと等価なものはハードウェアでも構築できることは当業者には明らかである。画像取扱アルゴリズム及びシステムはよく知られているため、本説明は本発明に係るシステム及び方法の一部を形成する又はより直接的に協働するアルゴリズム及びシステムに特に向けられる。このようなアルゴリズム及びシステムの他の態様、及び、ここに具体的に図示又は説明されていないが、それと共に含まれる画像信号を生成又は処理するハードウェア及び/又はソフトウェアは、既知のシステム、アルゴリズム、部品、及び要素から選択されてもよい。以下の説明において本発明に従って説明されるシステムに対して、本発明の実施に対して有益的であるとここに具体的に図示又は説明されていないソフトウェアは従来通りであり、当業者の範囲内である。
【0013】更に、ここで用いられるように、コンピュータ・プログラムはコンピュータ可読記録媒体に記録されてもよい。このコンピュータ可読記録媒体には、例えば、磁気ディスク(ハードディスクやフロッピィ・ディスク(R)など)や磁気テープなどの磁気記録媒体、光ディスク、光テープなどの光記録媒体、機械可読バーコード、ランダム・アクセス・メモリ(RAM)やリード・オンリ・メモリ(ROM)などの固体半導体電子記録装置、及び、コンピュータ・プログラムを記録するのに採用されるあらゆる他の物理的装置若しくは媒体が含まれる。
【0014】本発明は、自動アルバム化に用いられ、画像管理及び組織化タスクに関連する、前景/背景セグメント化を用いた消費者画像のイベント・クラスタリング・システムについて開示する。消費者画像をいかなるコンテンツ描写も無しに意味的に意味の有るイベントへ自動的に組織化することはやりがいのあるタスクである。ここで開示するシステムの目標は、複数の消費者写真ロールを、前景及び背景の分離を強調し、画像コンテンツに基づいて複数のイベントへ分類することである。本開示の重要な態様は、画像間により良い類似性の一致をもたらし、性能を向上させた、前景/背景セグメント化に基づく自動イベント・クラスタリングである。
【0015】まず図1を参照する。本発明に係るイベント・クラスタリング・システムが画像グループについて作動する(8)。これら画像は、フィルム・ロールからスキャンされた画像であってもよく、画像データベースなどの他のソースから提供された画像であってもよい。これら画像は、通常、消費者画像である。なぜなら、それはより多くのイベント・クラスタリングに対する価値が見出され得る場所だからである。しかし、上記画像はこのような画像に限られる必要はない。本イベント・クラスタリング・アルゴリズムは、以下のような4つの主要なモジュールから構成される。
・第一のモジュール10は、グループ内の各画像を前景及び背景を含む複数の領域へセグメント化する。
・第二のモジュール12は、光度、色、位置、サイズなどのローレベルな特徴を上記前景及び背景を含む複数の領域から抽出する。
・第三のモジュール14は、前景及び背景のすべての領域を考慮し、他方でメモリのフレーム順を利用して、連続画像間の相違度合(distance)(非類似性)を計算する。
・第四のモジュール16は、クラスタの範囲を定めるために、連続画像及びより相違度合(distance)の大きい分離された画像を含むグループ内の画像間の最大相違度合を決定する。本発明は、イベント・クラスタリングと考えられ得るため、前述のモジュールのそれぞれは、該方法を実行することによって実現される工程と考えられ得る。
【0016】前景及び背景の細かく正確なセグメント化は難しく、多くの計算力が必要となるため、前景及び背景の粗いセグメント化が好ましく、それで十分に目的に役立つ。したがって、第一のモジュール10において、画像はブロックへ分割され、図2A及び2Bに示すように、領域を形成するための異なるブロック・トゥ・ブロック分離を接続するために、隣接ブロック間の非類似性が計算される。より具体的に言えば、画像は、まずグリッド線20について四角形ブロックへ分割される。次いで、各四角形ブロック22に対して、第二のモジュール12と関連して後述する特徴を用いて、その隣接ブロックに対する相違度合(非類似性)が計算される。(式(3)及び(4)において計算された相違度合(distance)がブロック対ブロックの非類似性を確立するのに用いられることが好ましい。)次いで、最大相違度合が識別され、この最大相違度合が四角形ブロック間の初期の分離境界を確立するのに用いられる。
【0017】この初期の分離境界が互いに又は画像境界から分離されると、次いで、すべての分離境界が接続され、複数の領域28a、28b、・・・28eが形成されるまで、それらは、(図2Aに矢印接続26によって示す)最大残留相違度合の間に存在するブロック境界に沿って、互いに又は画像境界に接続される。次いで、これら領域は、すべての領域28a、28b・・・28e間の相違度合(distance)を計算し、最小相違度合を有する領域をマージすることによって2つずつマージされる。これは、領域の2つの組み合わせが残るまで繰り返される。次いで、サイズ、位置、画像境界との接触などの異なる領域特性が、前景から背景を区別するために用いられる。例えば、中心に位置する大きな領域の組み合わせは前景である場合が多く、その外側に位置する残りの組み合わせは背景である場合が多い。図2Bに示すように、これは、最適なことに、2つの別の領域組み合わせ:背景30を有する領域28a及び28eの組み合わせ、及び、前景32を有する領域28b、28c、及び28dの組み合わせをもたらす。実際の画像の一例として、図3は、前述のブロック・ベースのアプローチを用いて、灯台の画像のおおよその前景及び背景セグメント化を示す。
【0018】特定の状況において、特に画像中のある小さい領域が該画像の残りの領域と全く異なる場合において、上記ブロック・ベースのセグメント化処理は、数個のブロックについてのみ前景若しくは背景を提供してもよい。これら数個のブロックは、正確な背景/前景セグメント化には十分でないかもしれない。この結果を避けるために、このセグメント化処理において形成された所定数の領域がそれぞれ所定サイズより小さい場合、その前景は固定サイズ及び位置の四角形によって近似される。(上記所定数は経験的に決定されてもよい。)直感的に、この四角形の位置は、左端と右端との間の中心であり、上端と下端との間の中心の少し下である。図8との関連で後述するように、これら特定の状況に対して主たるセグメント化処理からの修正を許容することにより、改善された結果を提供することができる。
【0019】このブロック・ベースのセグメント化は簡素化及び効率化のために好ましいが、他の自動セグメント化技術が用いられてもよい。例えば、ここに参考文献として組み込まれる、J.Luoらの名で1998年12月31日に出願された、共通して譲り受けられた同時係属米国特許出願第09/223,860号:「Method for Automatic Determination ofMain Subjects in Photographic Images」において採用されているセグメント化方法が用いられてもよい。但し、この方法は計算の複雑さがある程度必要である。このセグメント化方法は、以下の2つのレベルのセグメント化を提供する。
・均一の複数の領域から構成される第一のレベル・上記第一のレベルからの領域を前景、背景、及び中間領域を形成するためにグループ化する第二のレベル加えて、特定の状況においては、上記ブロック・ベースのセグメント化処理は、他の領域からの相違度合(distance)が背景に関連付けるにも前景に関連付けるにも十分に明確でないために中間領域として分類するのが最適である不確実な領域に出くわすこともある。
【0020】第一のモジュール10において画像がセグメント化された後、第二のモジュール12において、光度、色、位置、及びサイズなどの1又は複数のローレベル特徴が前景30及び背景32を有する領域から抽出される。この段階において、各特徴抽出アルゴリズムは、自由に使えるセグメント化の結果として作成されたオリジナルの画像情報及びマスクを有し、これらを前景及び背景画像情報を分離するのに用いる。光度に対する特徴抽出アルゴリズムは、YUV変換用の式:【0021】
【数1】

に基づく。ここで、Yは輝度であり、RGBは画像の個々のピクセルから得られた色情報を表す。平均輝度は、前景及び背景を有する領域に対して計算される。2つの異なる領域間の相違度合(distance)は、単純に、これら平均値の差の絶対値である。この特徴に基づいて、画像は、例えば、屋外画像、よくハイライトされた画像、及び、夜、屋内、又は暗い環境で撮られた画像へ分離される。
【0022】領域の色特徴を計算するために、まず、色相(H)、強度(I)、及び彩度(S)が、式:【0023】
【数2】

を用いて量子化される。画像のすべての領域は色群によって表される。2つの色群c及びc間の相違度合を計算するために、まず相違度合(distance)が計算され、次いで該領域の異なるサイズを考慮するための成分が加えられる。よって、各成分はより強調又はより非強調される。2つの色群成分m=(h,i,s)及びm=(h,i,s)を与えると、その相違度合は、【0024】
【数3】

として計算される。ここで、hcoeff、icoeff、及びscoeffはユーザが決定してよい。次いで、この2つの色群c及びc間の相違度合は、【0025】
【数4】

によって決定される。ここで、n及びnは領域0及び1のピクセル数であり、c[m]はレベルmに対する色群cのピクセル数である。
【0026】異なる領域の位置特徴及びサイズ特徴を考慮することはより望ましい。例えば、より高い重み付けを画像の中心領域に割り当ててもよい。
【0027】これらローレベル特徴及び相違度合が抽出され、前景及び背景を有する領域が各画像に対して決定されると、図4に示すように、同じグループからの異なる画像40及び42の(セグメント化によって生じた)異なる領域間の相違度合がモジュール14において計算される。この工程の目標は、各画像のすべての領域を考慮し、異なる画像間の相違度合を計算することである。ここで、相違度合メトリックはブロック・ベースのセグメント化に対して用いられたもの(例えば、光度相違度合、及び/又は、色群相違度合)である。
【0028】各画像に対して、前景及び背景を有する異なる領域と、更には、おそらく中間エリアを有する領域が存在する。目標は、同じタイプの領域を比較(例えば、前景対前景、背景対背景)することである。但し、中間エリアの場合を除く。ここで、これらは互いに比較されると共に、背景及び前景を共に有する領域とも比較される。より具体的には、図4を参照し、画像40の前景を有する3つの領域44a、44b、44cは、画像42の前景を有する2つの領域46a及び46bと比較される。同様に、別々の並べられていないが、画像40の背景を有する(チェック・マークによって示されている)3つの領域は、画像42の背景を有する(同じくチェック・マークによって示されている)単一の領域と比較される。図4は、更に、中間エリアの状況を示す。ここで、画像40及び42の中間エリアを有する2つの領域は、互いに比較されると共に、これら2つの画像の前景及び背景を有する領域とも比較される。
【0029】連続画像において前景及び背景を有する異なる領域間の相違度合が計算されると、これら画像間の全体の相違度合が、モジュール14において、調和平均式:【0030】
【数5】

を用いて計算される。ここで、aは個々の画像において前景及び背景を有する個別の領域間の非類似性(相違度合)である。
【0031】連続画像間の全体の非類似性がモジュール14において決定されると、モジュール16において、個々の画像の画像相違度合に応じてイベント・クラスタリングが決定される。所定の連続画像間の相違度合に対して閾値を選らび、この閾値を上回るすべての相違度合は異なる別のイベント・クラスタであると決定されてもよい。逆に言えば、この閾値を下回る相違度合は、別のイベントとして扱われない。このような画像は同じイベントに属する。この閾値は、一定数であってもよく、相違度合分布の統計的特性(最大相違度合、平均相違度合、分散など)の関数であってもよく、所望クラスタ数であってもよく、全分布のエントロピィ(エントロピィ閾値処理については、N.R.Pal及びS.K.Pal「Entropic Thresholding」、Signal Processing、16、97〜108頁、1989に記載されている)であってもよい。好ましい実施において、この閾値は画像グループにおける平均及び最大相違度合の関数である。
【0032】明らかに同じイベントに属する複数の画像が年代順に並び、すべては合間の1の(又は2〜3の)画像を除いて似ているという場合も時々ある。画像が年代順に並んでいることを活かすために、連続した(すなわち、隣接する)画像間の相違度合(distance)を計算するためだけでなく、より距離的に離れた画像間の相違度合を計算するためにもメモリが採用され得る。図5A、5B、及び5Cに示すように、イベントの切れ目が存在すると判断されると、隣接する画像50(メモリ無し)が比較されるか(図5A)、他のすべての画像52(1画像メモリ)が比較されるか(図5B)、又は、他の画像が2画像ずつ(2画像メモリ)比較される(図5C)。より具体的には、調和平均によって測定された全体の相違度合は、画像グループが見かけ上のイベントに属するか否かを判断するために個々の画像間において取られてもよい。
【0033】前景及び背景分離を用いて、複数の画像についてのイベント・クラスタリング例を調べることは本発明の理解を容易にする。図6は、4つの典型的な消費者画像に対する前景及び背景分離の一例を示す。2つのイベントの切れ目が検知される。一方は、画像2及び3の間の切れ目60であり、他方は、画像3及び4の間の切れ目62である。画像の一行目は上記4つの画像を示す。二行目及び三行目は、1レベル及び2レベルの前景及び背景セグメント化の結果を示す。図6は、更に、ブロック・ベースのアプローチを用いて、前景及び背景分離を行った結果を示す。これら画像間の前景及び背景を有する領域は、図7に示すように類似性について比較され、それら個々の相違度合がイベント・クラスタリングに用いられる。
【0034】イベント・クラスタリング・アルゴリズムを評価するのに適合率−再現率プロットが用いられる。再現率及び適合率は、【0035】
【数6】

として定義される。ここで、再現率はどれだけ多くのイベントの切れ目が見過ごされたかを示し、適合率はどれだけ多くのイベントの切れ目がイベントの切れ目が無いにもかかわらず誤って検知されたか示す。数字は0〜1の間である。数が大きいほど、システム性能が良い。
【0036】このイベント・クラスタリング・アルゴリズムは、2600の典型的な消費者画像に対してテストされた。メモリ無しの再現率/適合率性能を図8に示す。基本型アプローチは、ブロック・ベースの前景及び背景分離を用いた。改良型アプローチは、ブロック・ベースの前景/背景セグメント化と、前述の特定の状況に対する固定された四角形の前景/背景分離との組み合わせを示す。ここで、上記セグメント化は、前景の固定された四角形によって単に置き換えられる。このために、本システムは、2画像面メモリを用いた2600の消費者画像のイベント・クラスタリングに対して、適合率58%及び再現率58%を実現した。
【0037】本発明の主題は、ディジタル画像理解技術に関する。この技術は、ディジタル画像を認識し、人間にとって理解可能なオブジェクト、属性、又は状態に対して有意義な意味を割り当て、その後、該ディジタル画像の更なる処理で得られた結果を利用するためにディジタルに処理することを意味することは明らかである。
【0038】本発明を特定の好ましい実施形態を特に参照して説明したが、本発明の意図及び範囲内で変形及び修正が可能であることは明らかである。例えば、イベント・クラスタリングに対して前景及び背景セグメント化を用いるアイディアは、複数の領域を用いることに対しても同様に拡張され得る。
【0039】
【発明の効果】本発明によれば、画像を前景及び背景などの粗い領域へセグメント化し、前景領域と背景領域との間の類似性からの全体的な類似性度合を導くシステムを提供することができる。




 

 


     NEWS
会社検索順位 特許の出願数の順位が発表

URL変更
平成6年
平成7年
平成8年
平成9年
平成10年
平成11年
平成12年
平成13年


 
   お問い合わせ info@patentjp.com patentjp.com   Copyright 2007-2013