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_release/pr2005/pr20050524/pr20050524.html#a
http://www.neurosci.aist.go.jp/~kurita/lecture/statimage/statimage.html
{栗田 多喜夫,大津 展之,佐藤 辰雄,高次局所自己相関特徴を用いた顔画像の識別,情報処理学会 Vol.第45回平成4年後期, No.2(19920928) pp. 247-248}
{栗田　多喜夫,堀田　一弘,三島　健稔,Log-Polar画像の高次局所自己相関特徴を用いた大きさに不変な顔画像の認識,電子情報通信学会論文誌 D Vol.J80-D2 No.8 pp.2209-2217,1997}