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

点击翻译按钮获取中文摘要

本研究では、統計的なテクスチャ特性に基づいて実環境のシーン理解を行うことを目的としている。テクスチャは、局所的に様々な色や輝度の変化によって構成されているものである。提案した手法はロバストな特徴設計(回転やスケール)と領域分割を目的として局所的なテクスチャ特徴のスケール変化を求め、実環境のシーンに現れているテクスチャ勾配領域を分割する手法である。テクスチャから高次局所自己相関関数によって特徴を抽出し、階層的な判別空間による多クラス識別法を行う。Fisher法から得られるある判別空間上で,重複するクラスに対して新たに判別空間を再帰的に構築する。この手法によって、局所的な識別に優れた判別空間を構築することができる。多次元の特徴ベクトルから次元数を減らすために、分散最大基準という評価基準による主成分分析を行う。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 International Conference on Systems, Man and Cybernetics, The International Conference on Scale Space and PDE Methods in Computer Visionなど)で論文として発表した。また、去年、企業との共同研究としていた、テクスチャ情報に基づく画像中の物体認識システムに関する論文も、現在、投稿中である。そのビジョンシステムは、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、高精度な位置と姿勢の検出を行うものである。今後は、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。