データ圧縮を利用した大規模テクスチャ画像分類のためのモデル構築手法

点击翻译按钮获取中文摘要

大規模テクスチャ画像マイニングと実画像マイニングの最新動向、特に関連するテクスチャ画像モデリングの最新の理論的な解析結果を調査し、把握されていない技術を整理する。Local Binary Pattern法を改良し、平面回転した画像への対応と、画像に基づいた圧縮空間の構築を行う。圧縮空間を用いたテクスチャ画像解析を行った。（1） 国内の画像解析の研究組織である「パターン認識・メディア理解研究会研究会」の活動に注目し、最新の画像認識技術の動向調査を行った。（2） Local Binary Pattern法を改良した。注目画素に対して、近傍画素と注目画素と比較し、比較結果として画素値が大きい画素に同一の値を与え、これらの画素の合計値は注目画素のローカル特徴として新たな画像に保存した。この結果画像には、回転した場合も特徴値が変わらないので、平面回転不変で強調された特徴を保持した画像になった。（3） テクスチャ画像の頻出特徴に注目し、画像をテキストに変換したうえで、データ圧縮が頻出特徴を抽出に適していることを利用して、圧縮空間の構築のために実験を行う。実験用カメラを用いて、意図をもって取ったテクスチャ画像を利用して、量子化・テキスト化を行い、圧縮空間の表現能力を確認する。ベンチデータを利用してテクスチャ画像の特徴抽出の解析・評価を行った。