高次局所自己相関特徴に基づく適応的画像計測・認識
最近のパーソナルコンピュータの急速な普及と廉価な画像入力装置の普及にと もない、各種産業分野において、画像計測・認識に対する期待はますます大き くなっている。特に、種々の目的に比較的簡単に使えて、高速実時間で画像が 計測・認識できる実用的なシステムが望まれている。しかも、スーパーコン ピューターや特別なハードウェアを必要とするような高価なシステムではなく、 パーソナルコンピュータレベルのできるだけ廉価なシステムが望ましい。 ここでは、高次局所自己相関特徴と多変量解析に基づく２段階の特徴抽出方式 を提案する。これにより、従来方式のように画面から個々の対象領域を切り出 し所定の処理を逐次行なう必要がなくなり、単に例となる画像とそれに対する 答えを例示することにより、システム自身が課題に有効な特徴を適応的にかつ 高速に学習できるようになる。 Subsections 並列学習型画像計測・認識 初期
research introductions
◆ 研究概要 画像中の色 (color) や形状 (shape) や模様 (texture) を特徴量として抽出し， 各特徴量を比較することで大規模な画像データベースの中から入力画像と内容的に類似した 画像を高精度かつ高速に検索する技術を研究している．本研究は以下の３つの問題からなる． 特徴量の抽出手法 我々は，色情報として RGB, HSI, CIE-Lab 各表色系から得られる特徴量を用いている． 形状情報としては， Wavelet変換により画像内の形状を求めた後，高次局所自己相関関数を用いて 特徴ベクトルを形成している．模様情報については，Gabor filter を用いて特徴量を抽出している． 特徴量間の距離尺度 画像から抽出した特徴量は，特徴ベクトルとして多次元ベクトル化される． 多次元ベクトルを比較する際の距離尺度としては，ユークリッド距離がよく用いられる． 我々は，ユークリ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
