suffix@wiki

画像処理関連

suffix@wiki内検索 / 「画像処理関連」で検索した結果

• トップページ/コンテンツ/画像処理関連
  標本化 量子化 表色系 ヒストグラム フーリエ変換 オプティカルフロー エッジ強調 テンプレートマッチング 画像認識 動的輪郭法 ウェーブレット変換 KLT法・因子分解法 符号化 モザイキングについて 物体抽出 基本的な画像処理に関するアルゴリズム http //homepage2.nifty.com/tsugu/sotuken/ronbun/sec3-2.html ↓CG系 モデリング レンダリング 形状解析 2次元CG形式 追記： PTAMのソースコードが公開されているらしい。面白そう！ Seam Carvingとかすごい！
• トップページ/コンテンツ/画像処理関連/フーリエ変換
  周期関数f(t)を表現するのに複数の三角関数を組み合わせて再現する方法である。 一般的な定義式としては、 と表され、逆フーリエ変換は で表される。 画像においてはフーリエ変換を適用することによって、周波数成分を取得し 様々な画像処理に用いている。
• トップページ/コンテンツ/画像処理関連/画像認識
  領域分割・領域統合 高次局所自己相関特徴(HLAC) 直線不変量ヒストグラムマッチング法 特徴量抽出 EMアルゴリズム Bag-of-Keypoints 形状情報 画像を認識する際に重要となってくるものの一つに幾何学的不変量というものがある。 大局的不変量や局所的不変量等、幾何学的に不変なものは数多く定義されている。 画像認識を行うには、不変量の対応付け 特徴量誤差や画像の重なり等による情報欠落における誤差に対するロバスト性 が要求される。 画像の認識には90年代では領域分割を用いた方法が行われてきたが、変形やオクルージョンに弱い といった理由から、00年代では局所領域によるパターンから認識を行うといった方法がとられている。 尚パターン認識の特徴量においては、曲率や面積等もよく用いられる。 すごく参考になるサイト発見！！　 これらのサイトの存在を先に知っ...
• トップページ
  ...ライブラリ系 経営 画像処理関連 プロジェクトマネージメント サイトマップ 2023-01-29 17 50 10 (Sun) 前月 2023年1月 翌月 日 月 火 水 木 金 土 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31         来場者人数(トータル)： - 人 本日の来場者： - 人 総ページ数：1514ページ ☆☆☆祝1000ページ達成☆☆☆ 2012/11/10 Copy right ©2007-2023 suffix All rights reserved
• トップページ/コンテンツ
  ...学[UML等]) 画像処理関連 機械学習関連 その他のAPI、ライブラリ関係 ◾️IT基礎知識 コンピュータ用語系 ソフトウェア関連メモ コンピュータ関連その他(OSコマンド,HTML関連,Tex,Officeとか) ◾️その他 数学・アルゴリズム関連メモ 総合(経営や英語とか) javascript plugin Error このプラグインで利用できない命令または文字列が入っています。
• トップページ/当サイトについて
  ...、データベース関連、画像処理関連、コンピュータ用語、環境設定まで記載しています。 また、IT技術以外にも経営、簿記、心理学等についてもろもろ書いています。 管理人が情報系を専攻していたのにもかかわらず、 プログラミングが苦手だったため、困ったときの解決策や プログラミングの基本事項を書き残していったのが当サイトの始まりです。 徐々にコンテンツも増加し、色々な情報をまとめたサイトになりました。 当サイトがご覧になった皆様の何らかの手がかり等になれば幸いです。 掲載内容については、メニューのコンテンツボタンよりご覧下さい。 管理人
• トップページ/コンテンツ/画像処理関連/画像認識/直線不変量ヒストグラムマッチング法
  直線パラメータから得られる不変量を用いた画像識別の手法。 回転や拡大・縮小などの幾何学的変化や雑音などの影響が少なく済む。 また、計算量が少なく済むのが特徴。 直線パラメータを利用した方法として、直線の角度などを不変量とした方法などがある。 それにさらに基準点からの距離比をパラメータとして追加したものが、 参考欄に記載した論文の提案である。 参考 {森本 正志,美濃 導彦,画像識別のための直線不変量ヒストグラムマッチング法(画像処理・解析, 特集 画像の認識・理解論文),Vol.J88-D-II, No.8(20050801) pp. 1398-1411,電子情報通信学会}
• トップページ/コンテンツ/画像処理関連/標本化
  アナログ画像に対して、離散的なM*N画素形式として表現するための処理。 標本化定理では正弦波の1/2の間隔よりも小さな間隔で標本化すれば アナログ画像を再現することができる。 1/2よりも大きい値のサンプリング周波数で標本化すると、 エイリアシングが起こる。
• トップページ/コンテンツ/画像処理関連/量子化
  量子化とは、アナログデータである画像の色を有限の離散データに置きかえること。 単純に線形の形で均等に色合いの強さを分割して、符号化してやる方法や、 集中的に出てくる色に関しては短い符号を振る等の量子化も存在する。
• トップページ/コンテンツ/画像処理関連/形状解析
  Free-Form Deformation 形状の周りに制御格子点を定義し、制御格子点の移動によって物体変形技術。 変形したい形状を立方体と対応付け、その立方体を変えることで変形を行うというもの。 3次元のパラメータで制御する。 メッシュ モデリング手法の一つ。形状モデリングを行い、物理変形手法を組み合わせることで 物体を動かすことができる。 物理モデル(mass-springモデル) 骨格定義 骨格線の導き方 1.濃淡画像に変換 2.平滑化 3.2値化 4.位置予測 モーフィング： ある形状から別の形状へ徐々に変化していく様子を動画で表現するために、その中間を...
• トップページ/コンテンツ/画像処理関連/ヒストグラム
  横軸に画素値、縦軸に頻度を取ることで、画素値の分布を表現したもの。 画素値はRGBだと0~255で表現され、これらの頻度を調べることで もっともよく表れる画素値ともっとも少ない画素値を知ることができる。 これらの差が激しいものはコントラストの大きい画像ということになる。 応用例としては、ヒストグラムを利用して全体の画像傾向をつかんだり、 カラー画像から2値化を行う際にヒストグラムから透明度を推定したり、 ノイズ部分を除去するために利用するなど色々あるようだ。
• トップページ/コンテンツ/画像処理関連/動的輪郭法
  snake法などに代表される。 ある条件(形状や輝度に関するエネルギー項)に従って、 動的にn個の離散的な点列を結んだ 閉曲線の変形を繰り返すことで、輪郭を抽出する方法。 参考文献 {荒木 昭一,横矢 直和,岩佐 英彦,竹村 治雄,複数物体の抽出を目的とした交差判定により分裂する動的輪郭モデル, 電子情報通信学会論文誌. D-II, 情報・システム, II-情報処理,Vol.J79-D-2, No.10(19961025) pp. 1704-1711}
• トップページ/コンテンツ/画像処理関連/テンプレートマッチング
  テンプレートマッチングとは観測画像と照らし合わせて該当する箇所を探す方法。 テンプレートと処理画像との類似度を計測し、一番近いものを抽出するのだが、類似度を比較する方法はさまざまである。 類似度の比較にはSAD(輝度の絶対差の総和)やSSD(輝度の絶対差の２乗和),NCC(正規化相互相関関数)等が使われる。 SAD SSD NCC I(i,j) 入力画像。入力画像の座標をx,yとした場合にはI(i+x,j+y)となる。 T(i,j) テンプレート画像 パターン整合法として使われる。パターン整合法とは 文字や図形の認識。特徴を抽出し、その特徴の構造がどうなっているかを解析することで、与えられたパターン（画像）がどのようなカテゴリに分類されるかを 決定するもの。人工知能や統計と融合して認識の研究とするのが多い。データ解析にはデータの集合を部分集合に切り分け、部...
• トップページ/コンテンツ/画像処理関連/物体抽出
  物体抽出の方法の一つに前景と背景を輝度、色、エッジ、時間変化、周波数特性 等を評価基準として行う方法がある。 一般に物体を識別するために学習モデルの生成を必要とするが、 一般に物体の種類は様々あり、各モデルを生成することは非常に困難である。 ただし照明環境等、物体検出の妨げとなる要因は多いため、なかなか一般物体には 拡張されていないのが現状と言える。 顔認識等においては統計的手法をとった研究や上記の特徴基準を用いた研究が広く なされている。上に挙げたエッジの例だと顔は楕円、鼻は細長い等。 色の例だと肌色検出したり、唇が赤いので取りやすい。 統計手法の種類としてはSVM,Adaboost,ニューラルネットワーク等がある。 研究例： 顔検出→Haar-like+AdaBoostを用いて検出する研究 　　[P. Viola and M. Jones，“...
• トップページ/コンテンツ/画像処理関連/レンダリング
  レンダリングの手順： モデリングした結果の座標変換(視点入力)を行い、隠面消去(人間の目から見えない 線とかを消す。つまり手前のものだけを表示)。 シェーディング、ディスプレイの表示の順で行う。 レイトレーシング法 光源や視点の位置などの環境に関するデータを計算して画像を描画する手法。 物体の反射率などを反映できる。 ラジオシティ法 レイトレーシング同様、光源などのデータを計算した描画手法。 光の相互反射を利用。 フォトンマッピング法 フォトン(光を離散化したもの)マップを利用したレンダリング技法。 レイトレーシング法の一種らしい。 スキャンライン法： 画面の走査線(横の線)...
• トップページ/コンテンツ/画像処理関連/符号化
  ハフマン符号化 チェイン符号化 ランレングス符号化
• トップページ/コンテンツ/画像処理関連/2次元CG形式
  ラスタ形式： 画像をドットの羅列としてあらわしたデータ。 複雑な図形や色の組み合わせ(写真など)はラスタ形式が適している。 画像に書かれている内容の情報をもたないため変形等には適さない。 ベクタ形式： 画像を点の座標と線や面の方程式のパラメータとしたもの。 線や面のはっきりした人工的な画像や変形に適している。 ただし、写真や自然がには向かない。
• トップページ/コンテンツ/画像処理関連/表色系
  RGB表色系 L*a*b表色系 CIE-XYZ表色系 マンセル表色系
• トップページ/コンテンツ/画像処理関連/モデリング
  サーフェイスモデル： 物体の表面のみを表現する方法。 ソリッドモデル： 物体の内部までモデル化する方法。 ポリゴンモデル 三角形や四角形の組み合わせで物体を表現する。 パラメトリック曲面(http //markun.cs.shinshu-u.ac.jp/learn/cg/cg3/index1.html) １つのパラメータ(時間や角度などの連続する値をもつ変数)によって あらわされるのがパラメトリック曲線。 x=2t,y=t+1,z=sin(t)といった3次式で表すので少ない情報できれいな 曲線が書ける[この際、制御点を設けて、その点を通るように設定したりする] パラメトリック曲面はパラメトリック直線の組み合わせ...
• トップページ/コンテンツ/画像処理関連/エッジ強調
  弛緩法 ゼロ交差法 Canny法 Sobelフィルタ ガウシアンフィルタ ラプラシアンフィルタ
• トップページ/コンテンツ/画像処理関連/ウェーブレット変換
  ウェーブレット関数として知られる基本波形のスケール(伸長・平行移動等)変換した 波形を基底関数とする変換。 画像系の所に書いたが、音声等色々な波形解析によく使われる。 画像系だと、harrとかGaborとか周波数特性とかとセットで使われることが多い。 イメージ的には収束する波形を変換して元の波形を再現するらしい。 時間領域による情報を失わないのがフーリエ変換と比べたときのメリット。 離散ウェーブレット変換は信号を高周波成分と低周波成分に分解することと等価なため 多重解像度解析とも言われる。
• トップページ/コンテンツ/画像処理関連/エッジ強調/Sobelフィルタ
  空間１次微分を計算して、輪郭を抽出するフィルタ。そのため、１次微分に平滑化作用を持つ。 アナログ画像の場合、ある一定画素位置を右から微分しても、 左から微分しても同じ値であるが、離散データである デジタル画像の場合、右の画素から見るか、左の画素から見るかでは 値が異なってしまう。 そこで、ソーベルフィルタでは 縦方向 -1 -2 -1 0 0 0 1 2 1 横方向 -1 0 1 -2 0 2 -1 0 1 と中心画素に対して重みづけを行うことによって、エッジを抽出している。 ソーベルの他にもLaplacian,Gausian,Marr-Hildrethオペレータなど、いろいろなフィルタが存在する。 確認はしていないが、 http //hooktail.org/computer/index.php?Sobel%A5%D5%A5%A3%A5%E...
• トップページ/コンテンツ/画像処理関連/モザイキングについて
  モザイキング手順 １．特徴点の抽出 ２．特徴点の対応付け→テンプレートマッチング等 　　ステレオカメラ校正：座標位置が既知なパターンとカメラ座標の対応からカメラ 　　　　　　　　　　　　の内部パラメータと外部パラメータを求める。 　　　　　　　　　　　　二つのカメラ情報の組み合わせ等これに当たる。 　　　　　　　　　　　　エピポーラ線等。 　　2乗残差法：計算速度速い。信頼度低い。 　　正規化相関法：信頼度高い。計算速度遅い。 　　　　　　　　　テンプレートマッチングにおけるNCC 　　　　　　　　　cvMatchTemplate 　　残差逐次検定法：信頼度はまだ微妙。 ３．ロバスト推定による誤差の消去 ４．射影変換の取得 ５．アフィン変換または透視変換 ６．画像の合成 カメラキャリブレーションから射影変換を求める方法もあるらしい。
• トップページ/コンテンツ/画像処理関連/エッジ強調/ゼロ交差法
  エッジ処理にラプラシアンを用いると、 エッジごとに濃度の正と負のピークが生じるが、 その出力が0となる位置を境界線として エッジ強調する方法。
• トップページ/コンテンツ/画像処理関連/画像認識/特徴量抽出
  パターン認識を行う際に必要となる手順の一つで、画像などの特徴量の分布の関係からどのカテゴリに分類するかの材料となる。 局所特徴量 Gabor あまり文献がヒットしないが、フラクタルシグネチャなる特徴量もあるようだ。 　詳しくは分からないが、図形の一部には似た部分で構成されており分数の次元における 　ということらしい。 上記以外の特徴量種類：Edgelet,Earth Movers Distance,Haar等
• トップページ/コンテンツ/画像処理関連/KLT法・因子分解法
  Q Aサイトに端的に説明しているものがあったので、転載。(http //detail.chiebukuro.yahoo.co.jp/qa/question_detail/q1112225406) 動画像において、前の画像のある点が次の画像のどこへ動いたのかを追跡するための アルゴリズム。 http //www.suri.it.okayama-u.ac.jp/research/2003/tsubouchi/ http //chihara.aist-nara.ac.jp/public/research/thesis/master/2005/o... http //nautilus.cs.miyazaki-u.ac.jp/~yoshi/file/gaiyou.pdf http //web.sfc.keio.ac.jp/~t04520st/wiki/index.php?progr...
• トップページ/コンテンツ/画像処理関連/オプティカルフロー
  マッチング法 勾配法
• トップページ/コンテンツ/画像処理関連/符号化/チェイン符号化
  6 7 0 5 ○ 1 4 3 2 2値化した画像から輪郭を抽出するのに便利。 ○を対象のピクセルとしたときに0~7の順番にピクセルを調べ、 値があればそこに移動する。 例えば下図のような画像があり、 　 ○ ● ● 　 　 ● 　 　 　 ● 　 　 ● 　 　 　 ● 　 　 ● 　 ● 　 　 　 　 ● 　 　 ○が起点、●がピクセルに値のあるものだとすると、 ○から(1122446660)という順番に辿ることによりその輪郭の座標が分かる といったもの。 チェイン符号化を実装したものがあまり無かったので、自力で実装してみた。
• トップページ/コンテンツ/画像処理関連/エッジ強調/Canny法
  x方向とy方向にガウス関数をたたみこむ。 次に注目画素の周囲8点から勾配の最大位置を検出。 最後に勾配の大きさに合わせて敷居値処理をして、 それをエッジ検出結果とする。 弱いエッジも抽出しやすいため未検出や誤検出が少ないのが強み。 参考サイト： http //www.frontier.tuis.ac.jp/modis/research/pattern/12search.pdf
• トップページ/コンテンツ/画像処理関連/画像認識/形状情報
  円形度をC,面積をS,周囲長をLとおくと となる。 伸長度という項目を設けている人もいるようだ。 これは指標がまちまちで、主に面積と幅を比較することによって長さの指標を作っていた。 下記に紹介したサイトでは、面積を幅の2乗で割っているが、他にも面積を幅で割ったり、 縦÷横から伸長度を求めている人がいる。 他にも凹凸性やモーメント特徴等がある。 私には計算式の正確性は分からないが、 http //www3.nit.ac.jp/~tamura/3-seminor/2004/ImageProcessing.ppt#286,31,図形形状特徴 に色々書いてあるのが興味深い。 さらに、http //www.i.kyushu-u.ac.jp/~takano/PDF/presentation2008.pdfによると 曲線の長さを曲線上を移動する円の長さをeとし...
• トップページ/コンテンツ/画像処理関連/オプティカルフロー/勾配法
  画像上の座標$(x,y)$の時刻tにおける輝度値を$f(x,y,t)$とし、 微小時間dt後に$(x+dx,x+dy)$に移動したとする。 この時、明るさが移動後も変わらないとすると、 f(x,y,t) = f(x+dx,y+dy,t+dt) と表すことができる。 右辺をテーラー展開し、dx,dy,dtの高次の項を微小な値として無視し、 dtで割り、dt-- 0とすると fx(x,y,t)u+fy(x,y,t)v+ft(x,y,t) = 0 という式を得ることができる。 局所領域内の各点のオプティカルフローが等しいと仮定するとき、 この得られた拘束式において、最もよく当てはまるu,vを得る方法を推定する。
• トップページ/コンテンツ/画像処理関連/符号化/ランレングス符号化
  画像等において連続するデータを圧縮する方法。 AAAABBBBCCCであればA4B4C3として表すような圧縮法。
• トップページ/コンテンツ/画像処理関連/エッジ強調/ガウシアンフィルタ
  画像を平滑化するフィルタの一つ。 画素の空間的配置を考慮して対象画素に近い画素に大きな重みを， 対象画素から遠い画素には小さい重みを付けた加重平均を取る。 この重みづけをガウス関数を用いて行っているのでガウシアンフィルタと呼ばれる。
• トップページ/コンテンツ/画像処理関連/画像認識/高次局所自己相関特徴(HLAC)
  画像認識のための特徴抽出法。 通常の自己相関はg(x,y)g(x+a, y+b)のx,yの積和であるが、 並行移動に不変な性質をもつ自己相関関数を高次に拡張し、 その変位を参照画素周辺の局所領域に限定する方法。 位置不変性（認識対象の位置に依存しない）、 加法性（対象が2つあればそれぞれの特徴ベクトルの和となる）といった、 画像認識にとって好ましい性質を持ち、対象の切り出しを必要としない （セグメンテーションフリーな）汎用画像認識手法として広く使われている。 次元を2次として、変位方向を3*3ピクセルに限定し、平行移動で等価となるものを 除いた場合には25個のマスクパターンとなる。 画像認識を行うにはこの局所特性を画面全体に渡って積分することで統計的特徴を 抽出する。 参考サイト等： http //www.aist.go.jp/aist_j/press_re...
• トップページ/コンテンツ/画像処理関連/エッジ強調/弛緩法
  弛緩法ってネットで調べると筋肉ばっかヒットする(笑) それはさておき、弛緩法とは注目画素の近傍状態から状態を推定するもののようだ。 確率的弛緩法とはラベリング等の曖昧さを考慮し、弛緩法の式を繰り返すにより 画素情報の曖昧さを無くすことで曖昧さの無いラベリングを実現する…ものらしい。 「ようだ」、「らしい」と曖昧な表現が多くなったが、資料が少ないので 詳細は分かりにくい。 エッジの弛緩法を使った論文 {階層構造と弛緩法を用いた物体のエッジ検出,箕輪真 萱沼崇英 浜田望 電子情報通信学会総合大会講演論文集 1999年.基礎・境界 pp.170 19990308}
• トップページ/コンテンツ/画像処理関連/符号化/ハフマン符号化
  出現頻度の多いものの符号を短くし、 出現頻度の少ないものの符号を長くすることによって 符号化に必要な符号長を短くするもの。 データに出現する記号の個数は木(ツリー)構造によって 調べる。
• トップページ/コンテンツ/画像処理関連/オプティカルフロー/マッチング法
  画像中のあるブロックをテンプレートとして，次時間の画像中からマッチする個所を探索することで フローを求める方法で、フレームの大きさをN*N、ブロック左上の画素の位置を(m,n)、 前フレームにおける対応するブロックの位置から(i,j)ずらした位置のブロックの画像の差分を 評価するとき、次の式で表すことができる。 S =
• トップページ/コンテンツ/画像処理関連/画像認識/EMアルゴリズム
  観測できない隠れたパラメータを最尤法によって推定する手法。 混合正規分布と組み合わせた研究を一番よく目にする。 Eステップ 　　 　　この時観測データをx,潜在データ・隠れ変数をZ Mステップ 　　Q関数の最大化するパラメータをもとめる 　　 参考サイト： http //www.neurosci.aist.go.jp/~akaho/thesis/thesis-www/node18.html http //ja.wikipedia.org/wiki/EM%E3%82%A2%E3%83%AB%E3%82%B4%E3%83%AA%E3%82%BA%E3%83%A0
• トップページ/コンテンツ/画像処理関連/表色系/RGB表色系
  光の3原色である赤・緑・青を用いて表される表色系。
• トップページ/コンテンツ/画像処理関連/画像認識/特徴量抽出/局所特徴量
  SIFT GLOH SURF HOG 局所特徴量性能比較に関する参考文献： {大規模画像認識のための局所特徴量の性能比較,本道 貴行,黄瀬 浩一, 「画像の認識・理解シンポジウム (MIRU2008)」 2008 年 7 月}
• トップページ/コンテンツ/画像処理関連/エッジ強調/ラプラシアンフィルタ
  ラプラシアンとは画像の2次微分のこと。 エッジの重みづけには以下の重みづけを行う。 4方向の場合 0 1 0 1 -4 1 0 1 0 8方向の場合 1 1 1 1 -8 1 1 1 1
• トップページ/コンテンツ/画像処理関連/表色系/マンセル表色系
  色相・明度・彩度を元に色を定義する表色系。 色相は色の違いを示し、RYGBPの5色を元に2等分*10倍(計100色相)として表す。 明度は色の明るさを示す。11段階に分かれる。 彩度は色の鮮やかさを示す。
• トップページ/コンテンツ/その他のAPI、ライブラリ関係/Proce55ing関連
  Javaでの画像処理など。 ダウンロード：http //www.processing.org/ リファレンス：http //tetraleaf.com/p5_reference_alpha/
• トップページ/コンテンツ/画像処理関連/画像認識/Bag-of-Keypoints
  局所パターンの分布に基づく認識。 SIFT特徴量をベクトル量子化し、画像をvisual pointsの集合とみなす。 visual pointsの集合として画像を表現したら、特徴ベクトルを 機械学習で学ぶことで認識を行う。
• トップページ/コンテンツ/画像処理関連/画像認識/領域分割・領域統合
  領域成長法 Split Merge法 特徴空間でのクラスタリング法 背景差分法←動画の場合など segmentationを行うアプローチ方法として、 1.輪郭強調 2.トラッキング 3.領域分割 4.表色系による抽出 等を用いる方法がある。
• トップページ/コンテンツ/プログラミング入門/Java入門/GUIプログラミング
  GUIでよく使うメソッド アプレット、ウィンドウアプリケーション実装方法の違い レイアウト 画像処理編 コンポーネント編 リスナー編 宣言を面倒にしないために 動画再生 音再生 目的別サンプル集 GUIプログラミングリンク集
• トップページ/コンテンツ/画像処理関連/画像認識/領域分割・領域統合/特徴空間でのクラスタリング法
  特徴量をクラスタリングすることで、領域の分割を行う方法。 主な手順としては、 1.画面を矩形に分割したクラスタを用意する 2.各クラスタごとの特徴量の平均値を調べる 3.各画素ごとに画素の特徴量と各クラスタ間の距離を調べ、最も近いクラスタに統合する。 4.クラスタを再構成し、2~3を繰り返す。クラスタの平均値が変わらなければ終了。 大きな領域の周囲に粒状の小さい領域が多数発生する。→多数決フィルタリング。 同一クラスタが、画面上で連結した領域でなく、複数の領域となってしまう。 初期に与えるクラスタが領域分割の結果に影響する。 参考論文 {境田 慎一,鹿喰 善明,田中 豊,湯山 一郎,K平均アルゴリズムの初期値依存性を利用した統合処理による画像の領域分割法, 電子情報通信学会論文誌. D-II, 情報・システム, II-情報処理,Vol.J81-D-2, ...
• トップページ/コンテンツ/画像処理関連/画像認識/領域分割・領域統合/背景差分法
  背景画像をあらかじめとっておき、背景画像とオブジェクトの差分から オブジェクトを抽出する方法。 あらかじめ背景画像が必要だが動画像から背景画像推定し、抽出する手法もある。 【問題点】 動きの検出精度に依存する。
• トップページ/コンテンツ/画像処理関連/表色系/L*a*b表色系
  色差が人間の色知覚に近いと言われる表色系。 人間が色として感じるあらゆる単色光を 三刺激値X,Y,Zを使って表したものがXYZ表色系であるが、 それを等色化した色空間として表したのが、この表色系となる。 つまり色差を図るときに特に有効なのだが、 人間が違う色と感じるのはどれくらい色が違うときなのか？ http //www.eonet.ne.jp/~s-inoue/CO5_sikisa/index.html のサイトによると、色差値（ｄＥ）の評価はＮＢＳ単位（米国標準局)で 指定されているらしい。 3つの色情報のユークリッド距離が3以上になったら違いをよく感じるらしい。
• トップページ/コンテンツ/画像処理関連/画像認識/特徴量抽出/局所特徴量/GLOH
  ロバストなdescriptorの一つで輝度変化におけるヒストグラムを考慮することでSIFTを拡張したもの。 SIFTが4*4の16個のグリッドと8方向の量子化ベクトルで構成され 16*8=128次元であるのに対し、半径方向として3分割したlog polar 位置グリッドと角度方向を8分割した放射状方向グリッドを用いる。 下記に参考文献に記した「大規模画像認識のための局所特徴量の性能比較」によると、 この時特徴点に最も近い点を分割しないので17個らしい。 輝度ベクトルは16分割。よって17*16=272次元となる。 参考文献： {本道 貴行,黄瀬 浩一,大規模画像認識のための局所特徴量の性能比較,画像の認識・理解シンポジウム(MIRU2008)論文集, p.550} {A performance evaluation of local descriptors,Kr...
• @wiki全体から「画像処理関連」で調べる

更新順にページ一覧表示 | 作成順にページ一覧表示 | ページ名順にページ一覧表示 | wiki内検索