局所テクスチャの自己想起学習に基づく実環境のシーン理解に関する研究

現在、本研究では統計的手法に基づくスケール不変なテクスチャモデルの構築を進めている。現実世界におけるテクスチャ画像は、たとえ同じ種類のテクスチャと判断されるものでも、局所的な色や輝度の変化の他に、全体的なスケーリングを受けたものが含まれている。提案した手法では、局所自己相関関数というテクスチャの局所的な特徴に基づいて線形判別空間を構成し、その上でスケールファクタを含んだ同一種類のテクスチャを分類することができる。そして、それぞれのクラスタ内でPCAによってスケールファクタを分離することでテクスチャのスケール変化を数学的なモデルとして表現しているスケール変換した実際のテクスチャ画像に対してこの手法を適用した結果、用いた全てのテクスチャ画像に対して分類とスケールファクタの抽出が可能であった。これらの提案方法や実験結果による成果をまとめ、国際会議(IEEE Workshop on Learning in Computer Vision and Pattern Recognition, Proceeding of the Korea-Japan joint workshop on Frontiers of Computer Visionなど)で論文として発表した。また、現在企業との共同研究として、テクスチャ情報に基づく画像中の物体認識システムの構築を進めている。このシステムではベルトコンベア上で流れている複数種類の工業製品をCCDカメラによって取り込み、物体を認識するとともに高精度な位置と姿勢の検出を目指している。今後は、スケールだけではなく、全体的な色の変化や濃淡変化をも含んだテクスチャモデルの構築を可能とすると共に、効率的な追加学習を含めた自己組織的な認識システムについて研究を進める。

現在、本研究では統計的手法に基づくスケール不変なテクスチャモデルの構築を進めている。現実世界におけるテクスチャ画像は、たとえ同じ種類のテクスチャと判断されるものでも、局所的な色や輝度の変化の他に、全体的なスケーリングを受けたものが含まれている。提案した手法では、局所自己相関関数というテクスチャの局所的な特徴に基づいて線形判別空間を構成し、その上でスケールファクタを含んだ同一種類のテクスチャを分類することができる。そして、それぞれのクラスタ内でPCAによってスケールファクタを分離することでテクスチャのスケール変化を数学的なモデルとして表現しているスケール変換した実際のテクスチャ画像に対してこの手法を適用した結果、用いた全てのテクスチャ画像に対して分類とスケールファクタの抽出が可能であった。これらの提案方法や実験結果による成果をまとめ、国際会議(IEEE Workshop on Learning in Computer Vision and Pattern Recognition, Proceeding of the Korea-Japan joint workshop on Frontiers of Computer Visionなど)で論文として発表した。また、現在企業との共同研究として、テクスチャ情報に基づく画像中の物体認識システムの構築を進めている。このシステムではベルトコンベア上で流れている複数種類の工業製品をCCDカメラによって取り込み、物体を認識するとともに高精度な位置と姿勢の検出を目指している。今後は、スケールだけではなく、全体的な色の変化や濃淡変化をも含んだテクスチャモデルの構築を可能とすると共に、効率的な追加学習を含めた自己組織的な認識システムについて研究を進める。