画像検索の高速化に関する研究

点击翻译按钮获取中文摘要

本研究では,大量の圧縮画像データからの高速な物体認識の実現を目標に,不要なデータ解凍処理をできる限り省略することで高速化を図る画像圧縮方式の構築を進めている.メモリ容量の問題で画像全体を一括解凍することの困難な超高解像度画像,ネットワークを経由する圧縮映像などに対して高効率な物体認識処理が期待できる.当該年度は,昨年度提案した低レベル色記述子について,その有効性の根拠についての解析や新たな相違度の提案,頑健性の向上を実現した.本手法は画像の色分布を一つの線形多様体としてコンパクトに記述する.色分布が少数の色クラスタで構成される場合,近似的に全クラスタの中心を通過する線形多様体を考えることができる.このような線型多様体は分布の特徴の一つと捉えることができ,提案法はまさにこの全クラスタを通過する線形多様体を求める操作に相当する.またこの議論を基に考案した明度変化への頑健性を向上させる正規化手法によって,識別率の若干の改善が見られた.顔識別などで一般的な累積寄与率を用いた次元数設定に関する検討も行ったが,元々が低次元の記述法であるためか大きな精度の改善には至らなかった.なお依然として色ヒストグラムやMPEG-7色記述子と比べてほぼ同等の計算コスト(リアルタイム)で高い識別率を示している.現在,薬剤包装識別(少数の色クラスタで構成される色分布という特性を満たす)への応用がすすめられており,平成24年度に本手法を基にした薬剤鑑査システムがリリース予定である.従来のテンプレートマッチングベースのシステムに比べて精度の大幅な改善が図られている.