JPH0793561A - エッジ及び輪郭抽出装置 - Google Patents

Abstract

(57)【要約】 【目的】 供給された画像中から輝度差の少ない濃淡、
カラー、テクスチャエッジおよび輪郭を安定に抽出する
こと。 【構成】 供給される画像中の指定された点に対するマ
スク領域の画像情報を抽出するマスク領域格納部Ｂと、
マスク領域格納部Ｂで抽出された画像情報から分離度を
計算する分離度計算部２２ｘ，２２ｙと、得られた分離
度から指定された点のエッジ強度を計算するエッジ強度
計算部２３と、この得られた分離度から輪郭を抽出する
エッジ抽出部Ｄとを備えて構成される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は供給された画像中の濃
淡、カラー、テクスチャエッジを安定して抽出するエッ
ジおよび輪郭抽出装置に関する。

【０００２】

【従来の技術】画像処理において、エッジ抽出技術は、
最も基本的で、かつ、重要な要素技術である。エッジ
は、物体輪郭、物体内部の構造、背景の構造などを反映
しており、したがって、これに続く画像理解など上位レ
ベルの処理を実現するためには、エッジを安定、かつ高
精度に抽出することが不可欠となる。

【０００３】これまでに、様々なエッジ抽出方法が提案
されてきた。その中で、代表的な方法は、空間微分演算
に基づく方法である。この方法は、図２１に示すよう
に、輝度が急激に変化する位置は、エッジに対応すると
いう考えに基づいている。代表的な空間微分演算に基づ
く方法に、１次微分型のRoberts,Prewitt,Sobel 、２次
微分型、Lapacaian などの差分オペレータが挙げられる
[ 画像処理アルゴリズムの最新動向別冊OplusE新技術コ
ミュニケーションズ(1986)] 。また、８個のマスクを用
意して、エッジ強度、および方向を得るPrewitt,kirsc
h,Robinson らの方法も挙げられる[ 画像処理アルゴリ
ズムの最新動向(1986)］。これらの他に局所領域で、エ
ッジモデル当てはめにより、エッジ抽出を行なう方法と
して、Hueckel のモデルフィット法などの様々なエッジ
抽出法が提案されてきた。

【０００４】現在、実際の応用分野で最も使われている
エッジ抽出法は、空間微分演算に基づいた方法である
が、ノイズの影響を受け易いという問題があった。特
に、輝度勾配の小さい（以下、弱いエッジと呼ぶ）を抽
出する場合は、ノイズの影響を受けて正確に抽出するこ
とが難しかった。

【０００５】また、図２２に示すように、輝度が緩やか
に線形変化している領域と、弱いエッジ（ステップ状）
を区別できなかった。弱いエッジまで抽出しようとする
と、線形変化している領域までエッジとして誤って抽出
してしまう。ノイズの影響に対して堅固にするために、
局所領域で輝度平均を求め、これから輝度勾配を求める
方法も提案されたが、線形変化している領域の誤検出
の、問題は解決できていない。

【０００６】また、演算により得られたエッジ強度画像
からエッジ領域を抽出するためには、適切なエッジ強度
をしきい値として２値化処理する必要がある。従来のエ
ッジ抽出法から得られたエッジ強度画像は、輝度階調を
２５５とした場合、０から２５５までの幅広いエッジ強
度を含んでいる。したがって、全画面に渡って固定のし
きい値の場合、しきい値を高くすると、弱いエッジが抽
出されなくなる。逆に、しきい値を下げて、弱いエッジ
を抽出しようとすると、強いエッジ（輝度勾配が、大き
い領域）が太く抽出されて不鮮明となる。したがって、
従来のエッジ抽出法では、しきい値を画素毎に動的に変
化させる必要があり、余分な計算量が必要であった。

【０００７】さらに、輝度エッジ以外のカラー、テクス
チャーエッジの抽出には、容易には拡張できなかった。
これは、カラー、テクスチャ画像を取り扱う上で、大き
な障害となる。

【０００８】また、エッジ情報から物体輪郭を安定に抽
出するために、輪郭モデルを使ったActiveContourModel
s(Snakes) と呼ばれる方法が提案されている。図２３
に、この方法の概念図を示す。この輪郭抽出法は、予め
画像中に定義された動的な輪郭モデル（スネークモデ
ル）を、エッジに引き付けられる力（Image Force ）
で、物体のエッジに徐々にフィットさせてゆく方法であ
る。一般的には、輪郭モデルの滑らかさを表す内部エネ
ルギＥint とエッジに引き寄せられるポテンシャルエネ
ルギEimageの総和を次のように定義する。

【０００９】Ｅ＝Σ（Ｅint ＋Ｅimage ） そして、輪郭抽出は、このエネルギＥを最小化すること
により実現できる。図中で、(1) が初期配置された輪郭
モデル、(2) 〜(3) が輪郭抽出過程、(4) がエネルギ最
小状態で、対象物の輪郭が抽出された状態を示してい
る。

【００１０】この方法は、背景画像と対象物の輝度差が
明瞭なエッジから構成される対象物の輪郭抽出には、有
効である[ 福井、久野、“マルチスネークによる動物体
の輪郭追跡”、PRU92-68(1992)／藤村，横矢，山本：
“多重スケール画像を用いた非剛体物体の動的輪郭追
跡”，情処研報，CV-78-4,pp.25-32(1992)] 。特にエッ
ジが途切れて抽出される場合にも、モデルを使っている
ので、ロバストに輪郭を抽出できる。

【００１１】しかしながら、基本的には、従来の空間輝
度勾配により抽出されたエッジ情報を利用するために、
前述に述べたエッジと同様に、対象物と背景との輝度差
が小さい弱いエッジから構成される対象物の輪郭抽出
は、うまくいかないことがあった。さらに、画像から特
定のカラー、テクスチャを有する物体を抽出する場合、
カラー、テクスチャには、拡張し難かった。

【００１２】

【発明が解決しようとする課題】現在、前述のように幅
広く使われている空間微分演算に基づく方法だが、輪郭
モデルに適用する場合も含めて、以下に述べる第１乃至
第３の問題点があった。

【００１３】まず、第１の問題点としては、空間微分演
算がノイズの影響を受け易い点である。通常、取り込ま
れた画像は、カメラCCD 素子、照明変化、伝送路などの
ノイズを含んでおり、輝度勾配が小さいエッジ（以下、
弱いエッジと呼ぶ）は、ノイズにより発生した輝度変化
と区別することができない。したがって、輝度勾配がノ
イズより大きいエッジ（強いエッジ）は、容易に抽出で
きるが、弱いエッジを正確に抽出することは、非常に難
しかった。ノイズの影響に対して堅固にするために、局
所的な輝度平均を用いる方法も提案されているが、基本
的には、空間輝度勾配演算に基づくために、以下の第
２、３の問題点が解決できない。

【００１４】第２は、輝度が緩やかに線形変化している
領域と、弱いエッジ（ステップ状）を区別できない点で
ある。従来のエッジ抽出法は、輝度の空間勾配に比例し
た値をエッジ強度として出力するため、弱いエッジまで
抽出しようとすると、線形変化している領域まで誤って
抽出してしまった。

【００１５】また、同じ理由により、従来のエッジ抽出
法により出力されたエッジ画像から、２値化によりエッ
ジを抽出するためには、しきい値を画素毎に、動的に変
化させる必要があった。通常は、物体表面の反射の特
性、照明などの影響により、得られた画像は、幅広いエ
ッジ強度( 輝度勾配）を含んだものとなる。

【００１６】例えば、図２４（Ａ）は現画像、（Ｂ）は
従来の空間微分演算（Sobel オペレータ）のエッジ強度
画像を７７で２値化した画像、（Ｃ）は（Ｂ）と同じエ
ッジ強度画像を１６０で、２値化した画像である。
（Ｂ）では、缶の外形輪郭は多少抽出されているが、文
字輪郭が不明瞭になっている。逆に、しきい値を上げた
（Ｃ）では、文字輪郭は、鮮明に抽出されているが、テ
ーブルと背景画像との境界、缶の外形輪郭が抽出されて
いない。このように、抽出されたエッジ強度（輝度勾
配）が広範囲に分布するので、局所的に最適なしきい値
で２値化する必要がある。

【００１７】第３の問題点としては、輝度以外の色相、
彩度、テクスチャ情報などの他の画像情報には、容易に
は拡張できない点である。画像中に複数の物体が混在す
る場合、濃淡エッジ情報のみでは、エッジの物体への正
確な対応付けが難しい。カラー、テクスチャエッジの情
報を加えることにより、対応付けが容易になる。一般的
に、カラー情報を扱う場合は、RGB 空間の替わりに、人
間が理解しやすい輝度(Hue) 、色相(Sat) 、彩度(Inten
sity) から成るHSI 空間中で考える方が容易である。し
かし、従来の空間微分演算に基づくエッジ抽出法では、
色相、彩度の空間勾配は、輝度勾配に比較して変化が小
さいため、そのまま適用するのは難しかった。テクスチ
ャエッジに対しても同様であった。

【００１８】また、上に述べた問題点は、前述の輪郭モ
デルを使って画像中の物体輪郭を抽出するActiveContou
r Models (Snakes) と呼ばれる方法（M.Kass,A.Witkin,
D.Terzopouls，“Snakes：Active Contour Models ”，
Ｉn Proc．1st Int.Conf.onComputerVision,pp.259-268
(1987) ）にも関与してくる。

【００１９】この方法においては、空間微分演算から求
まるエッジ情報に基づいて、輪郭を抽出する。したがっ
て、従来のエッジ抽出における問題点と共通した問題点
を抱えている。つまり、ノイズの影響を受けやすく、輝
度差の少ないエッジから構成される輪郭の抽出は難しい
という問題点があった。また、特定カラー、テクスチャ
領域の輪郭を抽出する場合、拡張が容易でないとう問題
もあった。

【００２０】本発明は、上記課題を鑑みてなされたもの
で、その目的は与えられた画像中の濃淡、カラー、テク
スチャエッジを、安定して抽出することのできるエッジ
および輪郭抽出装置を提供することにある。

【００２１】

【課題を解決するための手段】請求項１に係わるエッジ
抽出装置は、供給される画像中の指定された点に対する
マスク領域の画像情報を抽出する手段と、この抽出され
た画像情報から分離度を計算する分離度計算手段と、得
られた分離度から指定された点のエッジ強度を計算する
エッジ強度計算手段と、このエッジ強度計算手段で得ら
れたエッジ強度からエッジを抽出するエッジ抽出手段と
から構成される。

【００２２】請求項２に係わるエッジ抽出装置は、上記
マスク領域は２つ領域１、２に分割され、上記分離度計
算手段は、領域１に属する画像情報集合と領域２に属す
る画像情報集合の分離度を、マスク領域内の画素ｉの画
像特徴量をPi、領域１に属する画像特徴量の平均を数
５、領域２に属する画像特徴量の平均を数６、マスク領
域全体の画像特徴量の平均を数７、マスク領域内の全画
素数をＮ、領域１、２の画素数をそれぞれn1、n2とする
と、分離度ηが下式から求めることを特徴とする。

【００２３】

【数５】

【００２４】

【数６】

【００２５】

【数７】

【００２６】

【数８】 請求項３に係わるエッジ抽出装置は、動的輪郭モデルを
用いた輪郭抽出において、最小化すべきエネルギ関数
に、輪郭モデルの内側と外側での請求項２の画像特徴量
の分離度をパラメ−タとしたことを特徴とする。

【００２７】

【作用】本発明のエッジ抽出装置は、供給された画像中
の指定されたマスク小領域に対する分離度を求めエッジ
強度とすることで、濃淡、カラー、テクスチャエッジを
安定に抽出し得るようにしたものである。

【００２８】本発明の郭抽出装置は、輪郭モデルの内側
と外側での画像特徴量の分離度を輪郭モデルの滑らかさ
をの拘束下で、最小化して、物体輪郭を安定に抽出し得
るようにしたものである。

【００２９】

【実施例】以下図面を参照して本発明の第１実施例につ
いて説明する。まず、実施例について具体的に説明する
前に、本発明の基本的な概念について説明する。

【００３０】前述した問題点を解決するために、エッジ
を、輝度が急変する位置として捉える従来方法に対し
て、“領域”と“領域”の境界として捉える。ここで、
“領域”とは、構成する各画素の輝度、色相、彩度、あ
るいは、領域内て定義される輝度分散などの統計量が一
定である領域を指す。領域境界を抽出するために、図３
に示すように、画像中に矩形小領域を設定する。この小
領域の形状は、円、楕円でも良い。この矩形小領域を、
２つの領域に分割し、各領域に属する画像特徴量（輝
度、色相など）の集合が、お互いにどの程度分離されて
いるかを求める。この場合には、エッジは分離の程度が
高い位置と定義できる。

【００３１】図４のように、分割位置が、ちょうどエッ
ジ上にある場合に、２つの属性集合は、最も分離されて
いる状態となる。エッジが鈍ってゆくにつれて、２つの
集合の分離の程度は、低下してゆく。エッジが、存在し
ない平坦領域では、分離最も低くなる。

【００３２】ここで、２つの集合間の分離の程度を表す
ために、領域間の「分離度」なる量を定義する。この分
離度は、多変量解析の判別分析において、与えられたデ
ータ集合を幾つかのクラスの分割した場合、各クラス間
がどの程度分離されているかを示す量であり、集合全体
の変動に対するクラス間の変動の占める割合である（石
村、有馬、“多変量解析の多変量解析のお話し”）。し
たがって、最大では1.0 に正規化されており、最小は0.
0 に限りなく近付く。エッジは、この分離度が高い位置
と定義できる。

【００３３】具体的には、図３に示すように、画像中の
ある点（ｉ．ｊ）近傍に設定した矩形マスク小領域を考
える。このマスク領域を、２つの領域１、２に分割する
場合、領域間の分離度ηは、次のように定義される。

【００３４】

【数９】 ここで、Ｎ＝矩形領域内の全画素数、n1＝探索領域1 内
の画素数、n2＝探索領域2 内の画素数、Piは、位置ｉの
画像特徴量、数１０は領域1 の画像特徴量の平均値、数
１１は領域2 の画像特徴量の平均値、数１２は、矩形全
領域内の画像特徴量の平均値を示している。値の範囲
は、０＜η≦１となる。

【００３５】

【数１０】

【００３６】

【数１１】

【００３７】

【数１２】 図４は、マスクの大きさをsize=8ピクセル、width=1 ピ
クセルとした場合の、輝度分布とそれに対する分離度の
値を示している。（Ａ）は、理想ステップエッジ、
（Ｂ）〜（Ｃ）は、鈍ったステップエッジ、（Ｄ）は、
線形勾配領域、（Ｅ）は、ほぼ平坦領域を示している。
理想ステップエッジが、崩れるにつれて、分離度の値
が、1.0 から徐々に下がってゆく。完全な平坦領域に対
しては、分母の分散が０となるために上式からは、計算
できない。したがって、予め０と定義しておく。

【００３８】図５は、探索領域を分割位置Psepで分割し
た時の分離度の変化を示している。Ｐsep ＝７で分離度
は最大となっている。この位置は、領域境界上（エッ
ジ）に一致している。エッジから離れるにつれて、分離
度は低下してゆく。

【００３９】図６に、この分離度を使って、指定された
点(i,j) のエッジ強度と方向を計算する方法を示す。図
に示すように、Ｘ、Ｙ方向に対する２つのマスクを用意
して、それぞれ分離度を求める。求めた２つの分離度か
ら、指定された点のエッジ強度と方向を計算する。

【００４０】この分離度によるエッジ抽出の利点とし
て、ステップエッジの高さ（輝度差）には依らず、全て
の理想ステップエッジに対しては、正規化されて同じエ
ッジ強度(1.0) を出力する点が挙げられる。一方、線形
変化している領域のエッジ強度は、0.75となる。したが
って、しきい値を0.75より大きくとることにより、前述
の第２の問題点を解決できる。また、エッジは領域境界
として、２つの領域に基づいて大局的に抽出されるの
で、空間勾配に基づく方法に比べてノイズの影響に対し
て堅固になり、前述の第２の問題点に対応できる。

【００４１】また、前述の第３の問題点に対しては、領
域に属する集合を、分離するという考えに基づいている
ために、輝度情報の他に、領域内で定義可能な画像特徴
量（カラー、テクスチャ情報など）にも容易に拡張でき
る。

【００４２】次に複数の画像特徴量からエッジを抽出す
る方法について説明する。ここでは、画像特徴量とし
て、RGB の３つの輝度情報を例に説明する。分離度ηrg
b は次式から求まる。

【００４３】

【数１３】 σg ，σb も同様に求まる。ここで、Ｎ＝探索領域内の
全画素数、n1＝探索領域1 の画素数、n2＝探索領域2 の
画素数、Pir は位置i のＲ輝度レベル、数１４は領域１
内のＲ輝度の平均、数１５は領域２内のＲ輝度の平均、
数１６は全体のＲ輝度の平均、ωr ，ωg ，ωb は、R
、G 、B に対する重み（0 〜1.0 ）を示している。値
の範囲は、０＜η≦１．０となる。

【００４４】

【数１４】

【００４５】

【数１５】

【００４６】

【数１６】 上記以外に、RGB の各分離度を独立に計算して、３つの
分離度の加重平均値、あるいは、最大値をエッジ強度と
しても良い。また、RGB 情報から、明度(H) 、色相(S)
、彩度(I) に変換して、これに対する分離度を計算す
る。３つの分離度の加重平均値、あるいは、最大値をエ
ッジ強度としても良い。

【００４７】テクスチャエッジを抽出する場合は、輝度
情報から第１次統計量（分散、３次モーメント、４次モ
ーメント）、第２次統計量（同時生起行列、差分統計
量、局座標同時生起行列）を求める。求めたいテクスチ
ャエッジの特性により、こらのテクスチャ量を組み合わ
せて、下式から分離度を計算し、エッジ強度とする。

【００４８】画像特徴量が増えた４つ以上に増えた場合
も、同様に下式のように分離度が定義できる。

【００４９】

【数１７】 ここで、Ｗは、画像特徴量の数、数１８は画像特徴量k
の全体での分散値、数１９は平均値、数２０は領域１内
での画像特徴量k の平均、数２１は領域２内での画像特
徴量K の平均である。値の範囲は、０＜η≦１．０とな
る。

【００５０】

【数１８】

【００５１】

【数１９】

【００５２】

【数２０】

【００５３】

【数２１】 以下、図１及び図２を参照して第１実施例について説明
する。図１は本発明の第１実施例に係わるエッジ抽出装
置の構成を示すブロック図、図２は第１実施例の動作を
説明するためのフロ−チャ−トである。

【００５４】図１において、Ａはエッジを抽出する対象
物を画像を入力する画像入力部である。この画像入力部
Ａはエッジを抽出する対象物を撮像するＩＴＶカメラ１
と、このＩＴＶカメラ１で撮像されたアナログ画像デ−
タをデジタルデ−タに変換するＡ／Ｄ変換器２と、この
Ａ／Ｄ変換器２から出力されるテジタル画像デ−タをカ
ラ−変換するカラ−ルックアップテ−ブル３と、そのカ
ラ−変換された画像デ−タを記憶する画像メモリ４とか
ら構成される。画像メモリ４は３枚の画像メモリ４−
Ｒ、４−Ｇ、４−Ｂから構成されている。

【００５５】画像入力部Ａの出力は指定したマスク領域
内の画像デ−タを２つのバッファに格納するマスク領域
格納部Ｂに接続される。このマスク領域格納部Ｂはマス
ク位置を指定するマスク位置制御部１１と、画像メモリ
４から指定された点に対する図６に示す２つの幅width
、長さsizeのｘ，ｙ方向の矩形マスク領域の画像デー
タを読みだしてそれぞれバッファ１３ｘ，１３ｙに格納
する画像取り込み部１２、テクステャ量を計算するテク
スチャ計算部１４とから構成される。この長さsizeは、
解像度に比例しており、大きくするとノイズ影響は受け
にくくなるが、解像度は荒くなる。実用上は、sizeは、
２〜６ピクセルの範囲で予め設定する。あるいは、様々
サイズのマスクに対する分散値を計算して最も大きくな
るsizeを選択しても良い。width は、１〜５ピクセルの
範囲に設定される。

【００５６】画像取り込み部Ｂはマスク領域の分離度η
を計算するエッジ計算部Ｃに接続される。エッジ計算部
Ｃは、バッファ１３ｘ，１３ｙに格納されているｘ，ｙ
方向の画像デ−タの分散度σを計算し、その分散度σが
所定値以上の場合に後続のｘ方向分離度計算部２２ｘ，
ｙ方向分離度計算部２２ｙでそれぞれｘ，ｙ方向分離度
ηｘ，ηｙを計算させる分散しきい値処理部２１ｘ，２
１ｙ、ｘ方向分離度計算部２２ｘ，ｙ方向分離度計算部
２２ｙでそれぞれ計算されたｘ，ｙ方向分離度ηｘ，η
ｙから与えられた点における分離度ηを計算する分離度
計算部２３、この分離度計算部２３で計算された分離度
ηを、適当なスケ−ル倍、例えば255 倍するスケ−ル変
換部２４、このスケ−ル変換後の分離度ηを格納する画
像メモリ２５とから構成される。

【００５７】エッジ計算部Ｃの出力は対象物のエッジを
抽出するエッジ抽出部Ｄに接続それる。このエッジ抽出
部Ｄは、画像メモリ２５に格納されている与えられた点
の分離度ηが所定しきい値で２値化処理する２値化処理
部３１を備える。

【００５８】このエッジ抽出部Ｄの出力は画像出力部Ｅ
に接続される。この画像出力部Ｅは２値化処理部３１で
２値化処理された画像デ−タを格納する画像メモリ４１
と、画像メモリ４１に格納されている画像デ−タを表示
するモニタ４２とから構成されている。なお、画像メモ
リ２５、２値化処理部３１、画像メモリ４１、モニタ４
２はそれぞれ画像バスＧに接続されている。

【００５９】次に、上記のように構成された本発明の第
１実施例について図２のフロ−チャ−トを参照しながら
説明する。ＩＴＶカメラ１から入力された画像は、Ａ／
Ｄ変換器によりデジタル化され、カラールックアップテ
ーブルを経由してカラー変換されて画像メモリ４に格納
される。

【００６０】まず、マスク位置制御部１１によりマスク
位置が指定される（ステップＳ１）。次に、画像取り込
み部１２は、画像メモリ４から、指定された点に対する
図６に示す２つの幅width 、長さsizeの矩形マスク領域
の画像データを、それぞれバッファ１３ｘ，１３ｙにそ
れぞれ格納する（ステップＳ２）。

【００６１】次に、分散しきい値処理部１２ｘ，１２ｙ
は、それぞれマスク領域内の分散値σ計算し、指定した
分散しきい値より大きい場合に限り、分離度を計算する
（ステップＳ３１、Ｓ３２，Ｓ４１，Ｓ４２，Ｓ５２，
Ｓ５３）。

【００６２】一方、マスク領域内の分散値σ計算し、指
定した分散しきい値より小さい場合は、分離度“０”を
与える（ステップＳ５１、Ｓ５３）。

【００６３】ｘ方向分離度計算部２２ｘでは、バッファ
１３ｘに格納されている領域Ｘ１、Ｘ２の輝度データか
ら、数２２を使ってX 方向の分離度ηｘを計算する（ス
テップＳ５２）。同様に、Ｙ方向分離度計算部２２ｙ
は、バッファ１３ｙに格納されている領域Ｙ１、Ｙ２の
輝度データから、数２３を使用して、Ｙ方向の分離度η
ｙを計算する（ステップＳ５４）。分離度計算部２３
は、Ｘ方向の分離度ηｘとＹ方向の分離度ηｙから与え
られた点における分離度Out 、およびエッジ方向φを次
式で計算する（ステップＳ７、Ｓ８）。

【００６４】

【数２２】

【００６５】

【数２３】

【００６６】

【数２４】 テクスチャエッジを抽出する場合は、テクスチャ量計算
部１４でテクスチャ量を求め、この値を用いて分離度を
計算する。

【００６７】次に全画素のエッジを計算したかを判定す
る（ステップＳ８）。ここで、すべての画素のエッジが
計算されていない場合には、再度、マスク位置制御部１
１は、次の画素の位置にマスク領域位置を移動させる
（ステップＳ２）。このような処理を繰り返すことによ
り、すべての画素のエッジが計算されると、適当なスケ
ール倍、例えば２５５倍して画像メモリ２５に格納す
る。

【００６８】次に、画像メモリ２５に格納されている画
像デ−タが２値化処理部３１で２値化した後、画像メモ
リに４１に格納する（ステップＳ９）。

【００６９】そして、画像メモリ４１に格納されている
処理結果を画像バスＢを経由してモニタ４２に表示する
（ステップＳ１０）。

【００７０】以上のように第１実施例によれば、エッジ
を検出する対象物の画像デ−タの全位置に対するｘ方向
分離度ηｘ，ｙ方向分離度ηｙより分離度ηを計算し、
この分離度ηに基づいてエッジを抽出するようにしたの
で、エッジを安定して抽出することができる。

【００７１】なお、この第１実施例ではマスク領域はｘ
方向とｙ方向の２つだけであったが、マスクの数は３つ
以上であっても良い。例えば、図７に示すような６枚に
増やして、合計６つのマスクを持つようにしても良い。
図７において、マスクは、固有の傾きのエッジに対応す
る。図中で（Ａ）は、水平エッジ、（Ｃ）は水平から３
０度傾いたエッジに対応する。

【００７２】こりように、６つのマスクを持った場合に
は、マスク領域格納部Ｂは、画像メモリ４から、マスク
領域の輝度データを６つのバッファに格納するようし、
エッジ計算部Ｃは、６つのバッファの輝度データを使っ
て、６方向の分離度を計算し、分離度計算部２３は、こ
の６つの分離度の中で最大の分離度を求め、エッジ強度
とし、エッジの方向は、エッジ強度が最大となるマスク
の方向とすれば良い。

【００７３】図２４（Ｄ）は、図２４（Ａ）に対する本
実施例によるエッジ抽出の結果である。マスクサイズは
6 ピクセル、分散値しきい値は16、エッジ強度のしきい
値は0.6 である。図２４（Ｄ）は図２４（Ｂ）及び
（Ｃ）に比較して固定のしきい値にも拘らずに、外形輪
郭と文字領域の両方とも均一に抽出されていることが分
かる。

【００７４】次に、本発明の第２実施例に係わる物体の
輪郭抽出装置について図８乃至図１４を参照して説明す
る。この第２実施例は、画像中から動的輪郭モデルを用
いて安定に物体の輪郭抽出を行なう物体の輪郭抽出装置
に関する。

【００７５】まず、従来の動的輪郭モデルを使った輪郭
抽出について説明する。この方法は、前述したように画
像中の対象物からの輪郭抽出問題を、エネルギ最小化問
題に変換して解く手法である。画像中に輪郭モデルを定
義して、画像中の輪郭上で最小になるようなエネルギー
関数Ｅを定義する。

【００７６】Ｅ＝Σ（Ｅint ＋Ｅimage ＋Ｅext ） ここで、Ｅint は、輪郭モデルの滑らかさを示すエネル
ギ−、Ｅimage はエッジ上で最小となるポテンシャルエ
ネルギ−、つまり、エッジに引き寄せられる力を示して
いる、Ｅext は外部から与えられるエネルギを示すが、
ここでは考慮しない。このエネルギが最小となる状態
が、輪郭モデルが輪郭にフィットした状態である。

【００７７】従来の動的輪郭モデルによる輪郭抽出は、
空間微分演算から求まるエッジに基づいていた。したが
って、前述したように輝度差の少ない輪郭、カラー、テ
クスチャ輪郭を抽出できないという問題点があった。こ
の問題点を解決するために、エネルギＥimage を輪郭モ
デルの内側と外側の画像特徴量の分離度ηから決るエネ
ルギ項Ｅsep に置き換える。

【００７８】Ｅ＝Σ（Ｅint ＋Ｅsep ） Ｅsep ＝Ａ／η ここで、Ａは正の定数である。Ｅsep は、物体輪郭上で
もっとも画像特徴量が分離されるので、最小となる。

【００７９】上記の最小化問題を解く様々な方法が提案
されている[A.A.Amini T.E. Weymouth, R.C. Jain:，
“Using dynamic programming for solving variationa
l problems in vision“IEEE Trans.onPattern Analysi
s and Machine Intelligence,PAMI,vol12,no9,pp.855-8
67(1990)／藤村, 横矢，山本：“多重スケール画像を用
いた非剛体物体の動的輪郭追跡”，情処研報,CV-78-4，
pp.25-32(1992)／上田，，間瀬，末永“エネルギ最小化
に基づく輪郭追跡”情処研報，CV-73,pp33-39(1991)]。
本実施例では、繰り返し計算を用いずに滑らかさをB ス
プライン曲線で近似するＢスプライン輪郭モデル[R. Ci
polla, A. Blake:“The dynamic analysisof apparentc
ontours” In Proc.3rd Int. Conf.on Computer Visio
n,pp616-623(1990)]を使う。B スプライン輪郭モデルの
詳細は、既に出願済みの特許[13A92X092-1] に記載され
ている。

【００８０】図１２は、分離度を輪郭モデルに適用した
例を示している。図中（Ａ）は、初期配置された輪郭モ
デル、（Ｂ）は、１ステップ処理が進んだ状態、（Ｃ）
は、更に幾つかステップが進んだ状態、（Ｄ）はエネル
ギ−関数Ｅが最小になって、輪郭を抽出している状態を
示している。各サンプル点に対して設けられた矩形領域
は、分離度が最大となる分割位置を探索するための探索
領域である。小さい○がサンプル点を示している。矩形
内部の波形は、分離度の分布を示している。ベクトル
は、各ステップにおける各サンプル点の移動量、大きい
『●」』はＢスプライン曲線の制御点をを示している。

【００８１】ヒューマンＩ／Ｆにおいて、顔輪郭を抽出
することは、重要な要素技術である。ここでは、本実施
例を、より具体的にするために、対象物を人間の顔とし
て図に沿って詳細に説明する。

【００８２】図８は物体の輪郭抽出装置の構成を示すブ
ロック図である。図８において、Ｈは物体の画像を撮像
する画像入力部である。この画像入力部Ｈは対象物を撮
像するＩＴＶカメラ５１と、このＩＴＶカメラ５１で撮
像されたアナログ画像デ−タをデジタルデ−タに変換し
て画像バスＧ１に出力するＡ／Ｄ変換器５２と、この画
像バスＧ１に接続され、Ａ／Ｄ変換器５２から出力され
るデジタル画像デ−タを記憶する画像メモリ５３とから
構成される。

【００８３】画像入力部Ｈは画像中から顔候補領域を抽
出して、輪郭モデルを候補領域の近傍の楕円上に初期配
置する初期配置部Ｉに接続される。初期配置部Ｉにおい
て、差分回路５４とカラ−ルックアップテ−ブル（ＣＬ
ＵＴ）５５が接続されている。

【００８４】初期配置部Ｂは、顔候補領域抽出部Ｉ１
と、輪郭モデル配置部Ｉ２からなる。顔候補領域抽出部
Ｉ１は、画像メモリ５３に格納されている顔を含まない
画像デ−タ（背景画像ともいう）p1と現時点に入力され
た画像デ−タp2と差分演算を行う差分回路５４と、この
差分回路５４の出力をしきい値処理して画像デ−タp3を
論理和回路５７に出力する２値化回路５６と、現時点に
入力された画像デ−タp2をカラ−変換して画像デ−タp4
として前記論理和回路５７に出力するカラ−ルックアッ
プテ−ブル５５と、画像デ−タp3と画像デ−タp4の論理
和を施し、外接算出回路５７に出力する論理和回路５７
と、この論理和回路５７から出力される画像デ−タから
顔候補領域の外接長方形座標を計算し座標を内接楕円算
出回路５９に出力する外接長方形算出回路５８と、その
外接長方形に内接する内接楕円を計算する内接楕円計算
回路５９とから構成される。

【００８５】輪郭モデル配置部Ｉ２は、図１３に示すよ
うに求めた内接楕円上に輪郭モデルを配置する。この輪
郭モデル配置部Ｉ２には人間が画像を見ながら、対話的
に入力するマウス６０が接続される。

【００８６】初期配置部Ｉは輪郭を抽出する輪郭抽出部
Ｊに接続される。輪郭抽出部Ｊは与えられた制御点か
ら、輪郭モデル曲線を計算する輪郭モデル計算部Ｊ１
と、輪郭モデル自身の周辺の分離度を調べ、輪郭モデル
の内側と外側間の分離度が増加する方向に、輪郭モデル
を変形してゆく輪郭モデル変形部Ｊ２と、一時点前の全
サンプル点の平均分離度と現在の平均分離度の時間変化
から、輪郭抽出処理が収束したかの判定を行なう収束判
定部Ｊ３とから構成される。

【００８７】輪郭モデル計算部Ｊ１は、輪郭モデル配置
部Ｉ２から与えられた制御点から、輪郭モデル曲線を計
算する。図２３に示したように、輪郭モデル曲線は、n
個の制御点Pi(i=0,n−1)により決るＢスプライン曲線で
表される。Ｂスプライン曲線上には、m 個のサンプル点
Si(i=0,m-1) が設定される。

【００８８】輪郭モデル計算部Ｊ１は、与えられた制御
点から決定される輪郭モデル（Ｂスプライン曲線）を次
式（３）から計算する。

【００８９】

【数２５】 ここで、ｍは、制御点の総数、Ｑixは、制御点ｉのＹ座
標、Ｑiyは、制御点ｉのＹ座標、Ｎi(s)は、Ｂスプライ
ン基本関数を表す。

【００９０】輪郭モデル変形部Ｊ２は図１２に示すよう
に、各サンプル点S の周辺に矩形の探索領域を設け、そ
の探索領域の画像デ−タをバッファ（図示しない）に記
憶させる探索領域決定部６１と、そのバッファに格納さ
れている画像データを境界Bで分割した場合の分離度を
計算する分離度計算部６２と、分割位置B を変化させな
がら、分離度が最大となる分割境界Ｂmax を、ニュート
ン法により効率よく探索する最大分離度計算部６３と、
各サンプル点S を、得られた分割位置Ｂmax に向けて移
動させて、輪郭モデルを変形するモデル変形部６４とか
ら構成されている。

【００９１】ところで、輪郭モデル計算部Ｊ１で決定さ
れた輪郭モデル（Ｂスプライン曲線）は、平均分離度計
算部６５に出力され、この平均分離度計算部６５におい
て全サンプル点の平均分離度が算出される。

【００９２】収束判定部６６は、一時点前の全サンプル
点の平均分離度と現在の平均分離度の時間変化から、輪
郭抽出処理が収束したかの判定を行なう。

【００９３】輪郭抽出部Ｊは収束した輪郭モデル形状か
ら顔領域を抽出する顔領域切り出し部Ｋに接続される。
顔領域切りだし部Ｋは前述の画像バスＧ１に接続される
と共に、収束判定部６６からの収束信号が入力される顔
領域切り出し部７１と、輪郭抽出処理が収束した時点で
抽出された顔輪郭の座標情報、輪郭曲線内部のカラー域
情報を蓄えるバッファ７２と、顔領域切り出し部７１か
ら出力される顔領域の画像を格納する画像メモリ７３と
から構成される。

【００９４】顔領域切り出し部Ｋは画像出力部Ｌに接続
される。画像出力部Ｌは表示を３種類のモードに切替え
ることが可能な表示切替えスイッチ部７４と、表示切替
えスイッチ部７４を介した画像を表示するモニタ７５か
ら構成される。つまり、表示切替えスイッチ部７４の入
力側は顔輪郭の座標情報、輪郭曲線内部のカラー域情報
を蓄えるバッファ７２、顔領域の画像を格納する画像メ
モリ７３、画像バスＧ１に接続されており、第１表示モ
ードとして、輪郭曲線のみを表示し、第２表示モードと
して顔領域の画像のみを表示し、第３表示モードとして
元画像に抽出された輪郭を重ねて表示する。

【００９５】次に、上記のように構成された本発明の第
２実施例の動作を図９のフロ−チャ−トを参照して説明
する。顔候補領域抽出部Ｉ１は、画像中の輝度が変化し
ている領域を抽出する。まず、予め画像メモリ５３に蓄
えられている背景画像デ−タp1と現時点に入力された画
像デ−タp2との差分演算を差分回路５４で行なう。この
差分回路の出力は、２値化回路５６により、しきい値処
理されて、画像デ−タp3として論理和回路に送られる
（ステップＳ１）。

【００９６】顔候補領域抽出部Ｉ１は、同じ画像デ−タ
p2から肌色領域を抽出する。画像デ−タp2は、カラール
ックアップテーブル（CLUT）で、カラー変換される。CL
UTの内容は、任意に書き換え可能である。画像中の人間
の肌色領域を抽出する場合は、予めCLUTに肌色領域に相
当するテーブルの領域を適当なデータで埋めておけば良
い。それ以外は、０とする。（ステップＳ２）。

【００９７】論理和回路５７は、画像デ−タp3と画像デ
−タp4の論理和を施し、外接長方形算出回路５８に送
る。（ステップＳ４）。外接長方形算出回路５８は送ら
れ画像から、顔候補領域の外接長方形座標を計算し、座
標を内接楕円算出回路５９に送る。内接楕円計算回路５
９は、外接長方形に内接する内接楕円を計算する（ステ
ップＳ６）。

【００９８】輪郭モデル配置部Ｉ１は、図１３に示すよ
うに求めた内接楕円上に輪郭モデルを配置する（ステッ
プＳ７）。内接楕円上に図に示すように制御点を配置す
る。各制御点の間隔は、角度が等間隔になるように配置
する。

【００９９】輪郭モデルの初期配置に関しては、既に出
願されている特許[13A92X092-1] の方法を用いても良
い。この場合は、輪郭モデルは、一つの曲線モデルでは
なく、複数の短いセグメント曲線モデルから構成され
る。各セグメント曲線モデルは、抽出された外接長方形
の各辺に配置される。

【０１００】また、この初期配置処理は、人間が画像を
見ながら、対話的にマウス、キーボードなどの入力手段
により、行なっても良い。

【０１０１】輪郭モデル計算部Ｊ１は、与えられた制御
点から、輪郭モデル曲線を計算する。つまり、輪郭モデ
ル計算部Ｊ１は、与えられた制御点から決定される輪郭
モデル（Ｂスプライン曲線）を前述した式（３）から計
算する。（ステップＳ８）。

【０１０２】輪郭モデル変形部Ｊ２は、輪郭モデル自身
の周辺の分離度を調べ、輪郭モデルの内側と外側間の分
離度が増加する方向に、輪郭モデルを変形してゆく。

【０１０３】探索領域決定部６１は、図１２に示すよう
に、各サンプル点S の周辺に矩形の探索領域を設ける
（ステップＳ９）。探索領域は、図に示すように輪郭モ
デル曲線の法線方向に内側外側に均等にとる。探索領域
決定部６１は、この領域の画像データをバッファ（図示
しない）に蓄える。

【０１０４】分離度計算部６２は、そのバッファに格納
されている画像データを境界B で分割した場合の分離度
を計算する。最大分離度計算部６３は、分割位置B を変
化させながら、分離度が最大となる分割境界Ｂmax を、
ニュートン法等により効率よく探索する（ステップＳ１
０）。

【０１０５】分割位置Ｂmax が見つかったら、探索領域
決定部６１は、隣のサンプル点ｓ＋１に対して同様に分
割位置を求める（ステップＳ９へ戻る。） 全サンプル点に対する分割位置を求まったら、モデル変
形部６４は、各サンプル点S を、得られた分割位置Ｂma
x に向けて移動させて、輪郭モデルを変形する（ステッ
プＳ１２）。移動量は、現在のサンプル点から分割位置
までの距離に重みを掛けた量とする。

【０１０６】上記輪郭抽出部Ｊの処理は、ソフトウェ
ア、専用ハードウェアによる実現が可能である。

【０１０７】収束判定部６６は、一時点前の全サンプル
点の平均分離度と現在の平均分離度の時間変化から、輪
郭抽出処理が収束したかの判定を行なう（ステップＳ１
３、１４）。平均分離度の変化量が基準値より小さくな
った時点で、処理は収束したと判定され、輪郭抽出処理
を終了する。処理が収束していない場合は、再び、ステ
ップＳ９へ戻る。

【０１０８】輪郭抽出処理が収束した時点で、抽出され
た顔輪郭の座標情報、輪郭曲線内部のカラー域情報が、
バッファ７２に蓄えられる。

【０１０９】顔領域切りだし部７１は、収束した輪郭モ
デル形状から顔領域を抽出する（ステップＳ１５）。

【０１１０】画像出力部Ｌは、表示切替えスイッチ部７
４の操作に応じて第１表示モードとして、輪郭曲線のみ
を表示し、第２表示モードとして顔領域の画像のみを表
示し、第３表示モードとして元画像に抽出された輪郭を
重ねてモニタ７５に表示する。

【０１１１】次に、図１０及び図１１を参照して輪郭抽
出部Ｊについて詳細に説明する。基本的には、図に示す
ように、２段階の処理から構成される。

【０１１２】人間の顔輪郭を抽出する場合、カラー情報
は重要な情報である。ここでは、予め顔（肌色）大まか
なカラー情報が既知として説明する。画像を見ながら、
マウススなどを使って、顔領域の３〜５点をサンプリン
グして、肌色の大まかなカラーマップを作成する。

【０１１３】第１段階では、予め与えられた対象物のカ
ラー情報を使っておおまかな輪郭を抽出する。CLUT使っ
て、カラー２値化を施し、大まかな顔（肌色）領域を抽
出し、輪郭を抽出する。しかし、この段階では、CLUTが
不完全なため、大まかな輪郭しか抽出できない。

【０１１４】第２段階では、前段の処理で得た輪郭の周
辺に限定して、再度、分離度が高い境界を探索し、正確
な輪郭として抽出する。この場合は、CLUTを使わずに、
R 、G 、B の３つの輝度データから前述した式（２）か
ら分離度を計算する。

【０１１５】第１段階では、 １．初期配置部で抽出された外接楕円上に、幾つかの制
御点を自動生成する。例えば、M 個の制御点の場合は、
360/M 度間隔で配置する。あるいは、人間が画像を見な
がらマウスで制御点を指定しても良い（ステップＳ
５）。 ２．与えられた制御点Ｑix，Ｑiy（ｉ＝０，Ｍ−１）か
ら、Ｂスプライン曲線上のサンプル点の座標Ｘ（ｓ），
Ｙ（ｓ）を前述した式（３）から計算する（ステップＳ
６）。ここで、ｓは、曲線上で定義されたパラメタであ
る。 ３．各サンプル点ｓ周辺にて、Ｂスプライン曲線の法線
方向に伸びる矩形探索領域を設定する（ステップＳ
７）。 ４．設定された探索領域内で、分離度が最大となる分割
位置Ｂmax をニュートン法を用いて探索する（ステップ
Ｓ８）。 ５．各サンプル点ｓから分割位置Ｂmax までの距離に重
み(0.1〜1.0)を掛けて移動量（ｄsx，ｄsy）とする。こ
の移動量を、全サンプル点に対して求める。 ６．各サンプル点が（ｄsx，ｄsy）だけ移動して、変形
した輪郭モデルをＰ（ｓ）とする。P(s)を最も良く近似
する新しいＢスプライン曲線の制御点を求める。新しい
制御点は、次の関数Ｅint を最小化することにより求ま
る（ステップＳ９）。

【０１１６】

【数２６】 上式に、最小自乗法を適用すると、新しい制御点は、次
の連立１次方程式を解くことにより求まる（ステップＳ
１１）。

【０１１７】

【数２７】 ７．新しい制御点に対して輪郭モデルを計算し、更新す
る（ステップＳ１２）。 ８．分離度の時間方向の変化量により収束判定を行なう
（ステップＳ１３）。 ９．未収束の場合は、ステップＳ７へ戻る。 １０．収束の場合は、第１段階の処理を終了とする。

【０１１８】第２段階も、第１段階の処理と同様である
が、分離度は式（１）の替わりに、式（２）を用いて計
算する。収束したら、顔領域を切り出して表示する。

【０１１９】なお、図１４は、本実施例の実験結果であ
る。運動する顔の連続画像から取り出した３枚の画像に
対する顔領域抽出の結果である。領域白線が輪郭モデル
を示している。

【０１２０】以上のようにして、分離度を利用して物体
の輪郭を安定して抽出することができる。

【０１２１】次に、本発明の第３実施例に係わる運動す
る物体の輪郭の一部を追跡する輪郭追跡装置について図
１５乃至図１７を参照して説明する。図１５は全体構成
を示すブロック図である。図１５において、Ｍは画像入
力部、Ｎは輪郭抽出部であり、それぞれ前述した第２実
施例の画像入力部Ｈ、輪郭抽出部Ｊと同様な構成であ
る。輪郭抽出部Ｎの出力は抽出した輪郭上の一時点前の
輪郭と相関の高い領域を探索する相関計算部Ｏに出力さ
れる。この相関計算部Ｏの出力は輪郭スライド部Ｐに出
力される。この輪郭スライド部Ｐは抽出した輪郭上をス
ライドしながら、一時点前の輪郭と相関の高い領域を探
索する。

【０１２２】相関計算部Ｏは、探索領域を設定する探索
領域設定部８１と、マスク領域を設定するマスク領域設
定部８２、探索領域設定部８１で設定された探索領域内
でマスクをスライドさせながら、一時点前のテンプレ−
ト領域と現在のマスク領域の相関値Ｒ（s ）を計算する
相関計算部８３、その相関値のうち最大となる領域を探
索する最大相関探索部８４から構成される。相関値Ｒ
（s ）は、次式よりSSDA（残差逐次検定法）で計算す
る。

【０１２３】

【数２８】 ここで、Ｍはマスクのデータ数、Ｔ（R)は、一時点前の
対象物領域側に設定したテンプレート、ｓは、輪郭に沿
ったパラメータ、Ｉ（ｉ）は、ｉ点の輝度情報である。

【０１２４】スライド部Ｐは、ＡからＢへ輪郭モデルを
スライドさせる。

【０１２５】このスライド部Ｐには画像出力部Ｑが接続
される。

【０１２６】次に、上記のように構成された本発明の第
３実施例の動作について図１６のフロ−チャ−トを参照
して説明する。通常、輪郭の一部を追跡する場合、輪郭
に垂直方向の動きは検出できるが、輪郭に水平方向の動
きは検出できないという問題（窓問題）が起こる。

【０１２７】この第３実施例では、この問題を解決する
ために、輪郭抽出後に、輪郭上をスライドして一時点前
に追跡していた輪郭領域の輝度分布と相関が高い領域を
探索し、輪郭モデルをその位置にスライドさせる。図１
７にスライド処理をしている様子を示す。図中で、(A)
は、時刻t における輪郭モデルの位置、(B) は動いた対
象物に追従して輪郭を追跡している様子、(C) は、輪郭
上をマスクが移動しながら、最大相関位置を探索してい
る様子を示している。

【０１２８】輪郭抽出部Ｎは、一時点前に輪郭モデルの
位置から現在の輪郭位置まで変形する（ステップＳ
２）。

【０１２９】図１７に示すようにスライド部Ｐは、輪郭
モデルを輪郭上で点Ａから点Ｂへスライドさせる。ま
ず、輪郭モデルに、輪郭曲線の両端Ｅ１、Ｅ２からの接
線方向に、新しく直線部Ｌnew を付加する（ステップＳ
３）。付加された直線部Ｌnewは、再び輪郭に引き寄せ
られる（ステップＳ４）。対象物領域側に探索領域を設
定する。

【０１３０】相関計算部８３は、探索領域内でマスクを
スライドさせながら、一時点前のマスク領域と現在のマ
スク領域の相関を計算する（ステップＳ５、６）。最も
相関値が高くなった位置Ｂが、一時点前と同じ輪郭領域
であるとする。

【０１３１】相関値Ｒ（s ）は、SSDA（残差逐次検定
法）で計算する。

【０１３２】スライド部は、ＡからＢへ輪郭モデルをス
ライドさせ、付加した部分Ｌnew を取り除く。また、ス
テップＳ２へ戻る。

【０１３３】そして、その結果をモニタＱに出力する。

【０１３４】以上のようにこの第３実施例によれば、輪
郭の一部を追跡する場合、輪郭に、水平方向の動きも検
出できる。

【０１３５】次に、本発明の第４実施例に係わる変化検
出装置について図１８及び図１９を参照して説明する。
この第４実施例は、画像中の僅かな変化をも安定に抽出
する変化検出装置に関する。

【０１３６】画像中の変化を検出するためには、連続す
る画像間、あるいは、予め取り込んだ背景画像との画像
差分演算を行ない、変化量がしきい値より大きい領域
を、変化領域として検出する。一般的には、ノイズに対
してロバストするために、小領域内で平均化した輝度の
差分量を変化量とする。しかしながら、背景画像と抽出
すべき対象物の輝度差が小さい場合、しきい値を下げて
変化を検出するので、ノイズも拾ってしまう。これを解
決するために、ある時点t での小領域内の輝度集合と次
時点t ＋dtにおける輝度集合の分離度を変化量とする。

【０１３７】図１８は変化検出装置の構成を示すブロッ
ク図である。図１８において、Ｒは画像入力部、Ｓは分
離度計算部、Ｔはしきい値処理部、Ｕは画像出力部であ
る。画像入力部Ｒは対象物を撮像するＩＴＶカメラ１
と、このＩＴＶカメラ１で撮像されたアナログ画像デ−
タをデジタルデ−タに変換するＡ／Ｄ変換器２と、この
Ａ／Ｄ変換器２から出力されるテジタル画像デ−タをカ
ラ−変換するカラ−ルックアップテ−ブル３と、そのカ
ラ−変換された画像デ−タを記憶する画像メモリ４とか
ら構成される。

【０１３８】分離度計算部Ｓは、画像メモリ４から指定
された小領域（i,j ）の画像データを読みだしてそれぞ
れバッファ９１ａに格納する画像取り込み部９２、バッ
ファ９１ａに格納された画像デ−タから分離度を計算す
る分離度計算部９３とから構成される。

【０１３９】しきい値処理部Ｔは分離度を所定しきい値
で２値化処理して画像出力部Ｕのスケ−ル変換部９４に
出力する。スケ−ル変換部９４はしきい値処理部Ｔの出
力を適当なスケ−ル倍、例えば255 倍して画像メモリ９
５に出力する。こり画像メモリ９５の内容はモニタ９６
に出力される。

【０１４０】次に、上記のように構成された本発明の第
４実施例の動作について説明する。ＩＴＶカメラ１から
一時点前の時刻t に入力された画像を画像１、現在入力
された画像２と呼ぶ。入力された画像１は、Ａ／Ｄ変換
器２によりデジタル化され、画像メモリ４に格納され
る。ここで、ＩＴＶカメラ１から一時点前の時刻t に入
力された画像を画像１、現在入力された画像２と呼ぶ。

【０１４１】入力された画像は、小領域に分割される。
図１９にその分割の様子を示す。マスク領域データ取り
込み部９２では、画像１、２から指定された小領域（i,
j)の画像特徴量をバッファ９１ａに格納する。図２０に
バッファ９１ａの構成を示す。画像１の輝度データがＴ
１、画像２の輝度データがＴ２にそれぞれ格納される。

【０１４２】バッファ９１ａと分離度計算部９３との間
に介在する図示しない分散しきい値処理部では、バッフ
ァ９１ａのデータ分散値を基準値と比較して、基準より
小さい場合は、分離度を０とする。基準値としては、１
〜２０に設定する。分離度計算部９３は、バッファ９１
ａの輝度データをＴ１とＴ２に分離した時の時間方向の
分離度を計算し、しきい値回路Ｔに送る。しきい値回路
Ｔは、指定されたしきい値で２値化し、スケール変換部
９４で２５５倍して、変化量として画像メモリ９５に格
納する。

【０１４３】全小領域に対する変化量が求まるまで、マ
スク領域を全画面に渡って移動させ、変化量を求める。

【０１４４】分離度計算部９３は、汎用プロセッサで代
用することも可能である。あるいは、複数プロセッサで
代用して、幾つかの領域毎に並列処理しても良い。ま
た、ワークステーションなどの汎用計算機を用いてソフ
トウェア処理しても良い。

【０１４５】画像出力部Ｕでは、画像メモリ９５のデー
タを画像バスＢ２を経由してモニタ９６に表示する。

【０１４６】以上のようにこの第４実施例によれば、分
離度を利用して画像中の僅かな変化をも安定に抽出する
ことができる。

【０１４７】なお、第１実施例の図１のマスク領域格納
部Ｂ、エッジ計算部Ｃ、エッジ抽出部しの処理は専用ハ
−ドウェアあるいはソフトウエアだけで実現しても良
い。

【０１４８】

【発明の効果】以上詳述したように本発明によれば、分
離度を用いて入力された画像中からエッジおよび輪郭を
安定に抽出する装置を実現する等の実用上で多大なる効
果が期待できるエッジ及び輪郭抽出装置を提供すること
ができる。

【図面の簡単な説明】

【図１】本発明の第１実施例に係わるエッジ抽出装置の
構成を示すブロック図。

【図２】第１実施例の動作を説明するためのフロ−チャ
−ト。

【図３】第１実施例に係わり、エッジを領域境界として
定義する図。

【図４】第１実施例に係わり、輝度分布とそれに対する
分離度の値を示す図。

【図５】第１実施例に係わり、分割位置とそれに対する
分離度の値を示す図。

【図６】第１実施例に係わり、分離度からエッジ強度を
計算する方法を示す図。

【図７】本発明の第１実施例装置のエッジ抽出するため
の他のマスク形状を示す図。

【図８】本発明の第２実施例に係わる物体の輪郭抽出装
置の構成を示すブロック図。

【図９】第２実施例の動作を説明するためのフロ−チャ
−ト。

【図１０】第２実施例に係わり、輪郭抽出部Ｊの機能を
詳細に示すフロ−チャ−トの一部。

【図１１】第２実施例に係わり、輪郭抽出部Ｊの機能を
詳細に示すフロ−チャ−トの残り一部。

【図１２】第２実施例に係わり、分離度を使った動的輪
郭モデルの概念を示す図。

【図１３】第２実施例に係わり、輪郭モデルの初期配置
を説明するための図。

【図１４】第２実施例に係わり、顔領域抽出の結果を示
す図。

【図１５】本発明の第３実施例に係わる運動する物体の
輪郭の一部を追跡する輪郭追跡装置の構成を示すブロッ
ク図。

【図１６】第３実施例の動作を説明するためのフロ−チ
ャ−ト。

【図１７】第３実施例に係わり、スライド探索を説明す
るための図。

【図１８】本発明の第４実施例に変化検出装置の構成を
示すブロック図。

【図１９】第４実施例に係わり、画像の小領域への分割
を示す図。

【図２０】第４実施例に係わり、バッファの構成を示す
図。

【図２１】従来のエッジの定義を説明するための図。

【図２２】従来の輝度が線形に変化している領域を誤っ
てエッジとして抽出してしまう場合を説明する図。

【図２３】動的輪郭モデルを用いた物体輪郭抽出の概念
を示す図。

【図２４】幅広いエッジ強度を含んだエッジ強度画像に
２値化処理を説明する図。

【符号の説明】

Ａ…画像入力部、Ｂ…マスク領域格納部、Ｃ…エッジ計
算部、Ｄ…エッジ抽出部、Ｅ…画像出力部、１…ＩＴＶ
カメラ、３…カラールックアップテーブル（CLUT）、４
…画像メモリ、２…Ａ／Ｄ変換器、１１…マスク位置制
御部、１２…画像取り込み部、１３ｘ，１３ｙ…バッフ
ァ、１４…テクスチャ量計算部、２１ｘ，２１ｙ…分散
しきい値処理部、２２ｘ，２２ｙ…方向分離度計算部、
２３…分離度計算部、２４…スケール変換部、３１…２
値化回路、４２…モニタ。

Claims (3)

【特許請求の範囲】
1. 【請求項１】 供給される画像中の指定された点に対す
   るマスク領域の画像情報を抽出する手段と、この抽出さ
   れた画像情報から分離度を計算する分離度計算手段と、
   得られた分離度から指定された点のエッジ強度を計算す
   るエッジ強度計算手段と、このエッジ強度計算手段で得
   られたエッジ強度からエッジを抽出するエッジ抽出手段
   とを具備したことを特徴とするエッジ抽出装置。
2. 【請求項２】 上記マスク領域は少なくとも２つ領域
   １、２に分割され、上記分離度計算手段は、領域１に属
   する画像情報集合と領域２に属する画像情報集合の分離
   度を、マスク領域内の画素ｉの画像特徴量をPi、領域１
   に属する画像特徴量の平均を数１、領域２に属する画像
   特徴量の平均を数２、マスク領域全体の画像特徴量の平
   均を数３、マスク領域内の全画素数をＮ、領域１、２の
   画素数をそれぞれn1、n2とすると、分離度ηが下式から
   求めることを特徴とする請求項１記載のエッジ抽出装
   置。 【数１】 【数２】 【数３】 【数４】
3. 【請求項３】 動的輪郭モデルを用いた輪郭抽出におい
   て、最小化すべきエネルギ関数に、輪郭モデルの内側と
   外側での上記画像特徴量の分離度をパラメ−タとしたこ
   とを特徴とする請求項２記載の輪郭抽出装置。