JPH0863601A - 領域分割方法および装置 - Google Patents

領域分割方法および装置

Info

Publication number
JPH0863601A
JPH0863601A JP19656294A JP19656294A JPH0863601A JP H0863601 A JPH0863601 A JP H0863601A JP 19656294 A JP19656294 A JP 19656294A JP 19656294 A JP19656294 A JP 19656294A JP H0863601 A JPH0863601 A JP H0863601A
Authority
JP
Japan
Prior art keywords
image
clustering
image signal
accumulating
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP19656294A
Other languages
English (en)
Other versions
JP2870415B2 (ja
Inventor
Yutaka Yokoyama
裕 横山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP19656294A priority Critical patent/JP2870415B2/ja
Priority to US08/517,815 priority patent/US6005625A/en
Publication of JPH0863601A publication Critical patent/JPH0863601A/ja
Application granted granted Critical
Publication of JP2870415B2 publication Critical patent/JP2870415B2/ja
Priority to US09/327,706 priority patent/US6304602B1/en
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/543—Motion estimation other than block-based using regions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N11/00—Colour television systems
    • H04N11/04—Colour television systems using pulse code modulation
    • H04N11/042—Codec means
    • H04N11/044—Codec means involving transform coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/144—Movement detection
    • H04N5/145—Movement estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【目的】 本発明は、動き情報を用いた領域分割を実現
する方法および装置を提供することにある。 【構成】 フレームメモリ101 に現フレーム画像を蓄積
し、フレームメモリ102に参照フレーム画像を蓄積し、
動き検出手段103 により、フレーム間での動きを検出
し、動きベクトル蓄積手段104 に蓄積し、クラスタリン
グ手段105 において、前記蓄積した画素値、動き情報と
アドレス生成手段106 から発生する位置情報とを特徴量
とする空間上でクラスタリングによる領域分割を行う。 【効果】 動き情報をクラスタリングの特徴量に加える
ことで、画像の動きに応じたより適切な領域分割を実現
できる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、動画像の領域分割方法
およびその装置に関する。
【０００２】
【従来の技術】画像の領域分割とは、画像を解析し、特
徴の一様な連結領域に画像を分割することである。従
来、画像の領域分割方法として、色輝度や位置情報を用
いた検討が行われている。例えば、1991年電子情報通信
学会春季全国大会Ｄ-680,p7-392記載の論文「色情報と
位置情報とを併用したセグメンテーション手法の一検
討」では、画像の色情報と位置情報を利用したクラスタ
リングによる領域分割法を記載している。クラスタリン
グとは、図９のように、画面内の画素のもつ特徴を特徴
量空間に写像し、この特徴量空間上で類似した特徴を持
つ画素をまとめて集合（クラスタ）を作り、画素の分類
を行う手法である。画像空間内での最終的な領域を求め
るには、各画素にそれが属するクラスタのラベルを与え
ることで実現する。図８は前記論文に記載の方法を説明
するための図である。この方法では、画素の特徴量とし
て、ＲＧＢのカラー画像信号の３つの色信号の値と、２
次元画像平面上での位置を示す２つの座標の値との５つ
の特徴量を使用している。すなわち、ＲＧＢの３次元色
空間とx,y の２次元位置空間とを併せた５次元の特徴量
空間でクラスタリングを行う。図８において、フレーム
メモリ801 には入力画像信号が格納される。入力画像信
号はＲＧＢのカラー画像信号であり、各色情報がそれぞ
れ格納される。次にクラスタリング手段805 は、フレー
ムメモリ801 内の色情報（Ｒ，Ｇ，Ｂ）とアドレス生成
手段806 が発生する各画素の位置情報(x,y)との５次元
特徴量空間（Ｒ，Ｇ，Ｂ,x,y) でのクラスタリングを行
い、領域分割結果を出力する。クラスタリングでは、ま
ず初期クラスタがいくつか設定される。これらの設定で
は、画像をある大きさの正方ブロックに分割し、その中
心に位置する画素の持つ色情報および位置情報をクラス
タ｛Ｃ1,Ｃ2,…，Ｃi,…，Ｃn｝とする。Ｃi は５次元
ベクトルＣi ＝（Ｒci，Ｇci，Ｂci，xci,yci)である。
次に、画面内の各画素について、前記クラスタとの距離
が計算され、当該画素は最も近いクラスタに分類され
る。このとき、ある画素Ｐの特徴ベクトルＸp を（Ｒp,
Ｇp,Ｂp,xp,yp)とすると、当該画素とあるクラスタＣi
との距離d(Ｘp,Ｃi)は、
【０００３】
【０００４】と定義される。k0,k1 はそれぞれ色情報、
位置情報に対する重み係数である。最後に、それぞれの
クラスタに分類された画素の持つ色位置情報の平均値を
計算し新たなクラスタとする。すなわち、新たなクラス
タＣi(Ｒci，Ｇci，Ｂci,xci,yci)は
【０００５】
【０００６】というように決定する。ここでＮi はクラ
スタＣi に分類された画素の数であり、（Ｒm,Ｇm,Ｂm,
xm,ym)はクラスタＣi に分類された画素の色位置情報を
示す。そして、再度、これらのクラスタによる分類を繰
り返す。画素の分類は、繰り返しによる変化がなくなる
まで行われる。最終的には、同じクラスタに分類された
連結画素を一つの領域とする。こうすることで、互いに
近い位置にあり類似の色を持つ画素を統合した領域分割
を実現できる。
【０００７】このクラスタリング方法は、図１０に示し
たクラスタリング手段1000により実現できる。まず初期
クラスタを設定するため、クラスタ番号発生手段1002か
らはクラスタ番号１〜ｎに対応したクラスタ・メモリ10
01上のアドレスを発生し、外部からは初期クラスタとし
て取り込むべき位置の特徴量を順にクラスタリング手段
1000に送り込まれ、前記画素位置の特徴量が指定のクラ
スタ・メモリ・アドレス位置に書き込まれる。次に画素
の分類処理では、外部からは画素特徴量が指定の走査順
で距離計算手段1003に送られ、この画素について、クラ
スタ番号発生手段1002からクラスタ番号１〜ｎに対応し
たクラスタ・メモリ1001上のアドレスを発生され、対応
した位置のクラスタの特徴量を読みだし、距離計算手段
1003に送られる。距離計算手段1003では式(1) に従い画
素とクラスタ間の距離を計算し、最小距離判定手段1004
に送る。最小距離判定手段1004では、距離計算手段1003
から送られてきた距離の値と内部で保持している距離の
最小値と比較して、現在送られてきた値の方が小さけれ
ば、それを最小値として保持するとともにクラスタ番号
発生手段1002から対応するクラスタの番号も最小距離に
あるクラスタ番号として併せて保持する。なお、最小値
の初期値には、扱える最大の値が設定されている。そし
て、ある画素について、全てのクラスタとの距離を計算
し、最小距離の判定を行うことで、最小距離判定手段10
04には、当該画素との距離が最小のクラスタの番号が保
持されている。クラスタ番号をラベルとみなし、クラス
タ番号メモリ1005に当該画素の対応位置に最小距離のク
ラスタ番号を書き込む。ここまでの処理を全ての画素に
ついて行い、各画素について最小距離にあるクラスタの
番号を対応させることで分類を行う。ただし、初期クラ
スタの選び方により、一度の分類処理で収束するとは限
らないので、この分類操作は何度か繰り返される。この
とき、次の分類のためにクラスタの更新を行う。クラス
タの更新では、クラスタ番号発生手段1002からクラスタ
番号１〜ｎを順に発生するとともに、外部からは画素特
徴量が指定の走査順で送られ、平均値計算手段1006はク
ラスタ番号メモリ1005からクラスタ値を外部入力の画素
特徴量と同じ順序で同時に読み込み、クラスタ番号発生
手段1002と同じ番号のとき、画素特徴量を取り込んで各
特徴量ごとに内部で累算するとともに、画素数を計数す
る。そして、あるクラスタ番号での一画面分の処理が終
ったとき、式(2) に従い、各特徴量の累算値を画素数で
割り、平均値を求め、その値を対応するクラスタ・メモ
リ1001上の位置に格納する。これを全てのクラスタにつ
いて実行する。この様に画素の分類とクラスタの更新を
繰り返しながら、クラスタリングを行う。収束の判定は
収束判定手段1007で、画素の分類において、クラスタ番
号メモリ1005書き込むべき最小距離のクラスタ番号とク
ラスタ番号メモリ1005の対応位置に書き込まれている前
回の分類におけるクラスタ番号とを比較して差異の有無
を監視する。そして、一画面分の処理が終った時点で差
異が無ければ収束したものと判定しクラスタリング処理
を終了する。なお、クラスタ番号メモリの初期値には、
クラスタ番号としては発生し得ない値（例えば-1）を設
定しておく。
【０００８】
【発明が解決しようとする課題】動画像の領域分割で
は、動きの異なる領域を分離すること、および、動きの
同質な領域を統合することで、動画像の構造を反映した
分割結果を得ることが望まれる。前記従来技術では、領
域分割のための特徴量として、色と位置のフレーム内情
報のみを用いて領域分割をしているので、静止画として
１フレーム分の領域分割は精度良く行える。しかしなが
ら、前記従来の技術では、フレーム間の情報を使用して
いないので、画面内の被写体の動きの状態は考慮されて
いない。そのため、本来動きの異なる画素を統合した
り、同じ動きの領域を不必要に分割してしまうという問
題がある。
【０００９】つまり、前記従来技術では、異なる動きを
している部分でも、色輝度や位置が近いために統合され
分離不能となることがある。例えば、画面内に色の類似
した２つの物体が隣接して写されているとし、各々が個
別の動きをしているとする。このとき、従来の技術で
は、隣接する２つの物体の色が同一のクラスタに分類さ
れる程度に類似していれば、これらは同一の領域として
検出されてしまい、動きの異なる物体毎に領域分割する
ことができない。
【００１０】また、同質な動きをしている領域を、色輝
度が異なるために分離し、不必要な領域を多く発生する
場合がある。例えば、画面内に動いている一つの物体が
写し出されており、この物体は何種類かの色で色分けさ
れていたとする。このとき、従来の技術では、一つの物
体を色分けされているに幾つかの領域に分割してしま
う。そのため、一つの物体が一様な動きをしているにも
関わらず、複数の領域に分割してしまうことがおこる。
【００１１】本発明の目的は、動き情報を用いること
で、これらの問題を解決した領域分割方法および手段を
提供することにある。
【００１２】
【課題を解決するための手段】第１の発明は、動画像の
領域分割装置において、入力画像信号を蓄積し現フレー
ム画像として出力する手段と、参照画像信号を蓄積し参
照フレーム画像として出力する手段と、前記現フレーム
画像および前記参照フレーム画像から動きベクトルを検
出する手段と、前記検出した動きベクトルを蓄積する手
段と、画素位置情報を発生するアドレス生成手段と、前
記現フレーム画像の画素値情報と前記蓄積した動きベク
トルと前記画素位置情報を用い、クラスタリングにより
現フレーム画像を領域分割して出力する手段とを備える
ことを特徴とする。
【００１３】第２の発明は、第１の発明の動画像の領域
分割装置において、入力画像信号を蓄積し現フレーム画
像として出力する手段は、カラー画像信号を蓄積し出力
することを特徴とする。
【００１４】第３の発明は、第２の発明の動画像の領域
分割装置において、参照画像信号を蓄積し参照フレーム
画像として出力する手段は、カラー画像信号を蓄積し出
力することを特徴とする。
【００１５】第４の発明は、第１の発明の動画像の領域
分割装置において、クラスタリングに用いる特徴量の重
み係数を、画像の内容に従って制御する手段を備えるこ
とを特徴とする。
【００１６】第５の発明は、第１の発明の動画像の領域
分割装置において、クラスタリングの後処理として微小
な領域を除去する手段を備えることを特徴とする。
【００１７】第６の発明は、第１の発明の動画像の領域
分割装置において、クラスタリングに用いる特徴量にフ
ィルタリングを施す手段を備えることを特徴とする。
【００１８】第７の発明は、動画像の領域分割方法にお
いて、入力画像信号を蓄積し現フレーム画像として出力
する過程と、参照画像信号を蓄積し参照フレーム画像と
して出力する過程と、前記現フレーム画像および前記参
照フレーム画像から動きベクトルを検出する過程と、前
記検出した動きベクトルを蓄積する過程と、画素位置情
報を発生するアドレス生成過程と、前記現フレーム画像
の画素値情報と前記蓄積した動きベクトルと前記画素位
置情報を用い、クラスタリングにより現フレーム画像を
領域分割して出力する過程とからなること特徴とする。
【００１９】第８の発明は、第７の動画像の領域分割方
法において、入力画像信号を蓄積し現フレーム画像とし
て出力する過程では、カラー画像信号を蓄積し出力する
ことを特徴とする。
【００２０】第９の発明は、第８の動画像の領域分割方
法において、参照画像信号を蓄積し参照フレーム画像と
して出力する過程では、カラー画像信号を蓄積し出力す
ることを特徴とする。 第１０の発明は、第７の動画像
の領域分割方法において、クラスタリングに用いる特徴
量の重み係数を、画像の内容に従って制御する過程を持
つことを特徴とする。
【００２１】第１１の発明は、第７の動画像の領域分割
方法において、クラスタリングの後処理として微小な領
域を除去する過程を持つことを特徴とする。
【００２２】第１２の発明は、第７の動画像の領域分割
方法において、クラスタリングに用いる特徴量にフィル
タリングを施す過程を持つことを特徴とする。
【００２３】
【作用】本発明では、クラスタリングによる画像の領域
分割において、動き情報を特徴量として含めたクラスタ
リングを行う。本発明によれば、異なる動きをしている
部分でも、色輝度や位置が近いために統合され分離不能
となっていた領域でも動き情報を利用することで分離可
能となる。さらに、同質な動きをしている領域を、色輝
度が異なるために分離し、不必要な領域を多く発生して
いた場合でもこれらの領域を統合することが可能であ
る。
【００２４】
【実施例】図１は本発明の第１の実施例の構成図であ
る。フレームメモリ101 には現フレームの画像信号が格
納される。フレームメモリ102 には参照画像信号が格納
される。参照画像信号としては、フレームメモリ101 で
１フレーム期間遅延した前フレームの画像信号を用い
る。動き検出手段103 では、現フレームの入力画像信号
と参照画像信号から、フレーム間の動きベクトルを画素
ごとに検出する。動き検出は、ブロックマッチング法で
実行することができる。この動き検出方法では、図１１
のように、まず、現フレーム画像上での各画素位置を
（ｘ，ｙ）として、縦横方向にそれぞれある幅±dx，±
dyだけ広げた大きさの矩形領域が想定され（図１１の現
フレーム１１ａ）、参照画像フレーム上でも同じ大きさ
の矩形領域が想定される（図１１の参照フレーム１１
ｂ）。そして、参照フレーム上の矩形領域が当該画素位
置を中心に、ある一定範囲を移動したとき、矩形領域内
の現フレーム画像との差分量が最も小さくなるような変
移を動きベクトルとして求める。変移がvx,vy のときの
差分量diff(vx,vy) は、現フレーム画像信号をＳcur(x,
y)、参照フレーム画像信号をＳref(x,y)とすると、
【００２５】
【００２６】と定義できる。あるいは、
【００２７】
【００２８】としてもよい。これを、指定の範囲内の変
移(vx,vy) において評価し、最も差分量の小さくなる変
移を動きベクトル（Ｖｘ，Ｖｙ）として検出する。検出
した動きベクトルは動きベクトル蓄積手段104 に蓄積す
る。ここには動きベクトルの水平方向成分Ｖｘ、垂直方
向成分Ｖｙを画素ごとに蓄積する。アドレス生成手段10
6 は、メモリ101 からの画素データを読み出すためのア
ドレスを生成するとともに、画面上での対応する位置情
報を生成する。クラスタリング手段105 は、フレームメ
モリ101 からの画像信号と、動きベクトル蓄積手段104
からの動きベクトルと、アドレス生成手段106 からの位
置情報とを利用し、クラスタリングによる領域分割を行
う。
【００２９】クラスタリング処理は、以下のように行え
る。まず初期クラスタをいくつか設定する。これには、
画像をある大きさの正方ブロックに分割し、その中心に
位置する画素の持つ画像信号および位置情報、動き情報
をクラスタ｛Ｃ1,Ｃ2,…，Ｃi,…，Ｃn ｝とする。Ｃi
は５次元のベクトル（Ｓci，ｘci，ｙci，Ｖxci ，Ｖyc
i ）である。次に、全ての画素において、クラスタとの
距離が計算され、当該画素は最も近いクラスタに分類さ
れる。ここで、ある位置(xp,yp) にある画素Ｐの画像信
号をＳp ，動きベクトルを（Ｖxp, Ｖyp）とすると、当
該画素の特徴ベクトルＸp は（Ｓp ，ｘp ，ｙp ，Ｖ
xp，Ｖyp）となり、当該画素とあるクラスタＣi との距
離d(Ｘp,Ｃi)は、ユークリッド距離を用いると、
【００３０】
【００３１】と定義される。あるいは、Ｌ1 ノルム距離
( 絶対値和距離) を用いて、
【００３２】
【００３３】と定義することもできる。式(5),(6) にお
いて、ciは各特徴量Ｓ,x,y, Ｖx,Ｖyに対する重み係数
である。最後に、それぞれのクラスタに分類された画素
の持つ色位置情報の平均値を計算し新たなクラスタとす
る。すなわち、新たなクラスタＣi ＝（Ｓci，ｘci，ｙ
ci，Ｖxci ，Ｖyci ）は
【００３４】
【００３５】というように決定する。ここでＮi はクラ
スタＣi に分類された画素の数であり、（Ｓm,xm,ym,Ｖ
xm, Ｖym）はクラスタＣi に分類された画素の画素値、
位置、動き情報を示す。そして、再度、これらのクラス
タによる分類を繰り返す。画素の分類は、繰り返しによ
る変化がなくなるまで行われる。最終的には、同じクラ
スタに分類された連結画素を一つの領域とする。こうす
ることで、互いに近い位置にあり類似の色を持つ画素を
統合した領域分割を実現できる。このクラスタリング
は、図１０のクラスタリング手段1000により、従来技術
の説明に記載の方法で実現できる。ただし、扱う画素情
報は違っている。また、距離計算手段1003では式(5) あ
るいは式(6) の計算を、平均値計算手段1006では式(7)
の計算を行う。式(5),(6) における重み係数ci の値
は、領域分割に利用する各特徴の値のいずれに重点を置
くかによって決められる。例えば、画素値情報を重視す
るのであればci の値を大きく設定し、位置情報を重視
するのであればc4 ,c5 の値を大きく設定し、動き情報
を重視するのであればc6 ,c7 の値を大きく設定する。
あるいは、信号値のダイナミックレンジを調整するよう
に設定してもよい。これらの値は、あらかじめ設定した
固定値を使用する。
【００３６】なお、第１の実施例で使用する参照画像信
号には、遅延させた入力画像信号だけではなく、他の信
号を用いることができる。例えば、本方式を画像の符号
化に応用したときには、符号化側では局所復号信号を生
成する場合があるが、これを参照画像として利用するこ
とができる。
【００３７】また、第１の実施例における、画素単位の
動き検出には、勾配法や、オプチカル・フローを求める
方法があり、ここで記載した方法に限られるわけではな
い。
【００３８】図２は本発明の第２の実施例の構成図であ
る。図２の構成では、入力画像信号としてカラー画像を
利用する。フレームメモリ201 には、入力画像信号の輝
度信号Ｙ、および、色差信号Ｃb,Ｃr が蓄積される。フ
レームメモリ102 には、動き検出のための参照画像信号
が格納される。動き検出手段103 では、現フレームの輝
度信号と前フレームの輝度信号から、フレーム間の動き
ベクトルを、画素ごとに検出する。検出した動きベクト
ルは、動きベクトル蓄積手段104 に水平方向成分Ｖx 、
垂直方向成分Ｖy のそれぞれを画素ごとに蓄積する。次
に、アドレス生成手段206 で発生する位置情報(x,y)
と、フレームメモリ201 から出力される色輝度信号
（Ｙ，Ｃb,Ｃr)と、動きベクトル蓄積手段104 から出力
される動きベクトル（Ｖx,Ｖy)が、画素ごとにクラスタ
リング手段205 に供給される。クラスタリング手段205
では、７次元の特徴量空間でのクラスタリングを行う。
【００３９】クラスタリング処理において、ある画素Ｐ
の特徴ベクトルＸp ＝（Ｙp ，Ｃbp，Ｃrp，xp,yp,Ｖ
xp，Ｖyp) とあるクラスタＣi ＝（Ｙci，Ｃbci,Ｃrci,
ｘci，ｙci，Ｖxci,Ｖyci)との距離d(Ｘi,Ｃp)はユーク
リッド距離を用いて、
【００４０】
【００４１】と定義する。あるいは、Ｌ1 ノルム距離(
絶対値和距離) を用いて、
【００４２】
【００４３】と定義してもよい。式(8),(9) において、
ciはＹ，Ｃb,Ｃr,ｘ，ｙ，Ｖx,Ｖy に対する重み係数で
ある。クラスタの更新は第１の実施例と同様に、新たな
クラスタＣi ＝（Ｙci，Ｃbci,Ｃrci,ｘci，ｙci，Ｖxc
i,Ｖyci)は
【００４４】
【００４５】というように決定する。ここでＮi はクラ
スタＣi に分類された画素の数であり、（Ｙm,Ｃbm，Ｃ
rm，xm，ym，Ｖxm，Ｖym) はクラスタＣi に分類された
画素の画素値、位置、動き情報を示す。このクラスタリ
ングは、図１０のクラスタリング手段1000により従来技
術の説明に記載の方法で実現できる。ただし、扱う画素
の情報は、７次元ベクトルデータである。また、距離計
算手段1003では式(8) あるいは式(9) の計算を、平均値
計算手段1006では式(10)の計算を行う。
【００４６】なお、第２の実施例において、画像信号と
して、Ｙ，Ｃb,Ｃr の代わりに、Ｒ，Ｇ，Ｂの色信号を
使うこともできる。この場合、フレームメモリ102 に格
納しておく参照画像信号には輝度信号の代わりに、Ｒ，
Ｇ，Ｂのいずれか一つを選択する。例えば、輝度信号と
最も相関の強いＧ信号をＹ信号の代わりに使うことが考
えられる。もちろん、Ｒ信号あるいはＢ信号を用いても
よい。これに伴い、動き検出手段103 でも輝度信号の代
わりに蓄積された色信号を使い、動き検出を行う。クラ
スタリングにおける距離計算については、ある画素Ｐの
特徴ベクトルＸi ＝（Ｒp ，Ｃp ，Ｂp ，ｘp,ｙp,Ｖ
xp，Ｖyp) とあるクラスタＣi ＝（Ｒci，Ｇ ci ，Ｂ c
i ，xci , yci , Ｖxci , Ｖyci ) との距離d(Ｘp , Ｃ
i ) はユークリッド距離を用いて
【００４７】
【００４８】と定義する。あるいは、Ｌ1 ノルム距離
（絶対値和距離）を用いて、
【００４９】
【００５０】と定義してもよい。式(11),(12) におい
て、ciはＲ，Ｇ，Ｂ，x,y,Ｖx,Ｖy に対する重み係数で
ある。クラスタの更新については、クラスタＣi ＝（Ｒ
ci，Ｇci，Ｂci，xci,yci,Ｖxci,Ｖyci)とすると
【００５１】
【００５２】というように決定する。ここでＮi はクラ
スタＣi に分類された画素の数であり、（Ｒm,Ｇm,Ｂm,
xm,ym,Ｖxm，Ｖym) はクラスタＣi に分類された画素の
画素値、位置、動き情報を示す。
【００５３】図３は本発明の第３の実施例の構成図であ
る。フレームメモリ201 には、入力画像信号の輝度信号
Ｙ、および、色差信号Ｃb,Ｃr を蓄積する。また、フレ
ームメモリ302 には、動き検出のための参照画像信号と
して、輝度と色差信号の３色の画像信号をすべてフレー
ムメモリ302 に蓄積される。動き検出手段303 では、現
フレームの画像信号と参照フレームの画像信号から、フ
レーム間の動きベクトルを、画素ごとに検出する。動き
検出には、ブロックマッチングを色輝度の３信号に適用
し、３信号それぞれの差分量の和を評価して、動きベク
トルの検出を実現する。すなわち、式(3),(4) において
３信号それぞれの差分量diffY,diffCb,diffCr から
【００５４】
【００５５】により評価する。このように多種類の信号
を使うことで、より正確な動き検出が行える。 検出し
た動きベクトルは、動きベクトル蓄積手段304 に水平方
向成分、垂直方向成分のそれぞれを画素ごとに蓄積す
る。以下、第２の実施例と同様に７次元の特徴量空間で
のクラスタリングにより、領域分割を行う。
【００５６】ここで、第２の実施例と同様に、画像信号
として、Ｙ，Ｃb,Ｃr の代わりに、Ｒ，Ｇ，Ｂの色信号
を使うこともできる。この場合、動き検出における差分
量の計算では、diffR,diffG,diffB を計算し、
【００５７】
【００５８】を評価する。
【００５９】図４は本発明の第４実施例の構成図であ
る。図４は図１に重み係数制御手段407 を追加した構成
となっている。重み係数制御手段407 は、クラスタとの
距離計測に使う重み係数を、画像内容に応じて変更す
る。たとえば、画像内の動き量を計測し、動きの多い画
像であれば、動きベクトルに対する重み係数を大きく
し、動きによる画像構造解析に重点を置くようにする。
動き量としては、動きベクトルの大きさの一画素あたり
の平均が使える。動きベクトルの大きさの一画素あたり
の平均
【００６０】
【００６１】は、ある画素Ｐの動きベクトルを（Ｖxp，
Ｖyp）とし、一画面内の画素数をＮと
【００６２】すると、
【００６３】で計算できる。これを用いて距離計算にお
ける重み係数の制御は、色輝度用の重み係数を定数ｃ
color として用意し、
【００６４】
【００６５】で決定する。Ｋは制御の強さを決める比例
定数である。
【００６６】図５は本発明の第５の実施例の構成図であ
る。図５は図１に微小領域除去手段508 を追加した構成
となっている。微小領域除去手段508 は、クラスタリン
グの結果生じた小領域を取り除く。微小領域除去の方法
として、まず領域分割結果から各領域ごとに画素数と隣
接関係を調べる。次に、ある閾値より少ない画素数から
なる領域は微小領域とみなし、この領域を隣接する類似
の領域に統合する。類似性の判定にはクラスタリングの
ときに利用した、特徴量空間上の距離を用いる。すなわ
ち、微小領域内のそれぞれの画素情報の平均値と、隣接
する領域のそれぞれの画素情報の平均値を計算し、その
距離を式(5),(6),(8),(9),(11),(12) のいずれかにより
求める。そして、最も距離の近い平均画素情報をもつ領
域に統合する。
【００６７】図６は本発明の第６の実施例の構成図であ
る。図６は図１にフィルタ609,610を追加した構成とな
っている。このフィルタはノイズ除去のために、色輝度
信号や動きベクトル情報にフィルタリングをかける。こ
うすることにより、ノイズに起因する無意味な微小領域
の発生や、不適切な領域分割の発生を抑制できる。フィ
ルタとしては、領域境界での有意な変化を保存するた
め、メディアン・フィルタやモード・フィルタなどが利
用できる。メディアン・フィルタは、画像上で注目画素
(x,y) を中心として、縦横方向にそれぞれ±dx，±dyに
広げた大きさの矩形領域を考える。そして、その範囲内
に位置する画素値を値の大きさの順にならべ、中央にく
る値を求めるフィルタである。モード・フィルタは、画
像上で注目画素(x,y) を中心として、縦横方向にそれぞ
れ±dx，±dyに広げた大きさの矩形領域を考える。そし
て、その範囲内に位置する画素値の出現頻度を求めて、
最も出現頻度の大きい値を求めるフィルタである。
【００６８】図７は本発明における全ての構成要素を用
いた実施例の構成図である。このように、発明の全ての
構成要素を組み込んだ構成とすることも可能である。ま
た、これら構成要素の一部を組み込んだ構成を作ること
が可能であることは容易に類推でき、本実施例で記載し
た構成に限られるものではない。
【００６９】なお、第１から第７までの実施例では、ク
ラスタリングに位置情報を使用しているが、画素値情報
および動き情報のみを用い、位置情報を使用しない方式
も可能である。これは、クラスタとの距離を計算する式
(5),(6),(8),(9),(11),(12)において、重み係数をc4＝c
5＝０とした場合と同じである。
【発明の効果】以上のように本発明では、クラスタリン
グによる画像の領域分割において、動き情報をもクラス
タリングのための特徴量として使っているので、画像内
の動きに対応した領域分割を行うことが可能である。そ
のため、分割結果を動き補償等に利用する場合に、予測
効率を改善することができ、動き補償に適した領域分割
を得ることができる。また、クラスタリング処理は、特
徴量空間での距離計算に動き情報を追加するだけなの
で、従来と同様な手順で計算をすることができ、計算量
をあまり増加させることなく実現できる。さらに、多種
類のデータを同時に使用することで、ノイズにも強くな
り、精度の良い領域分割が可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施例を説明するための構成図
である。
【図２】本発明の第２の実施例を説明するための構成図
である。
【図３】本発明の第３の実施例を説明するための構成図
である。
【図４】本発明の第４の実施例を説明するための構成図
である。
【図５】本発明の第５の実施例を説明するための構成図
である。
【図６】本発明の第６の実施例を説明するための構成図
である。
【図７】本発明の第７の実施例を説明するための構成図
である。
【図８】従来例を説明するための図である。
【図９】クラスタリングによる画像の領域分割方法を説
明するため図である。
【図１０】クラスタリング手段の内部構成を説明するた
めの図である。
【図１１】動き検出の方法を説明するための図である。
【符号の説明】 101,102 フレームメモリ 201,302,801 フレームメモリ 103,303 動き検出手段 104,304,404 動きベクトル蓄積手段 105,205,805 クラスタリング手段 106,206,806 アドレス生成手段 407 重み係数制御手段 508 微小領域除去手段 609,610 フィルタ 1000 クラスタリング手段 1001 クラスタ・メモリ 1002 クラスタ番号発生手段 1003 距離計算手段 1004 最小距離判定手段 1005 クラスタ番号メモリ 1006 平均値計算手段 1007 収束判定手段

Claims (12)

    【特許請求の範囲】
  1. 【請求項１】 動画像の領域分割において、入力画像信
    号を蓄積し現フレーム画像として出力する手段と、参照
    画像信号を蓄積し参照フレーム画像として出力する手段
    と、前記現フレーム画像および前記参照フレーム画像か
    ら動きベクトルを検出する手段と、前記検出した動きベ
    クトルを蓄積する手段と、画素位置情報を発生するアド
    レス生成手段と、前記現フレーム画像の画素値情報と前
    記蓄積した動きベクトルと前記画素位置情報を用い、ク
    ラスタリングにより現フレーム画像を領域分割して出力
    する手段とを備えることを特徴とする領域分割装置。
  2. 【請求項２】 入力画像信号を蓄積し現フレーム画像と
    して出力する手段は、カラー画像信号を蓄積し出力する
    請求項１記載の領域分割装置。
  3. 【請求項３】 参照画像信号を蓄積し参照フレーム画像
    として出力する手段は、カラー画像信号を蓄積し出力す
    る請求項２記載の領域分割装置。
  4. 【請求項４】 クラスタリングに用いる特徴量の重み係
    数を、画像の内容に従って制御する手段を備えた請求項
    １記載の領域分割装置。
  5. 【請求項５】 クラスタリングの後処理として微小な領
    域を除去する手段を備えた請求項１記載の領域分割装
    置。
  6. 【請求項６】 クラスタリングに用いる特徴量にフィル
    タリングを施す手段を備えた請求項１記載の領域分割装
    置。
  7. 【請求項７】 動画像の領域分割において、入力画像信
    号を蓄積し現フレーム画像として出力する過程と、参照
    画像信号を蓄積し参照フレーム画像として出力する過程
    と、前記現フレーム画像および前記参照フレーム画像か
    ら動きベクトルを検出する過程と、前記検出した動きベ
    クトルを蓄積する過程と、画素位置情報を発生するアド
    レス生成過程と、前記現フレーム画像の画素値情報と前
    記蓄積した動きベクトルと前記画素位置情報を用い、ク
    ラスタリングにより現フレーム画像を領域分割して出力
    する過程とを含むこと特徴とする領域分割方法。
  8. 【請求項８】 入力画像信号を蓄積し現フレーム画像と
    して出力する過程では、カラー画像信号を蓄積し出力す
    る請求項７記載の領域分割方法。
  9. 【請求項９】 参照画像信号を蓄積し参照フレーム画像
    として出力する過程では、カラー画像信号を蓄積し出力
    する請求項８記載の領域分割方法。
  10. 【請求項１０】 クラスタリングに用いる特徴量の重み
    係数を、画像の内容に従って制御する過程を持つ請求項
    ７記載の領域分割方法。
  11. 【請求項１１】 クラスタリングの後処理として微小な
    領域を除去する過程を持つ請求項７記載の領域分割方
    法。
  12. 【請求項１２】 クラスタリングに用いる特徴量にフィ
    ルタリングを施す過程を持つ請求項７記載の領域分割方
    法。
JP19656294A 1994-08-22 1994-08-22 領域分割方法および装置 Expired - Lifetime JP2870415B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP19656294A JP2870415B2 (ja) 1994-08-22 1994-08-22 領域分割方法および装置
US08/517,815 US6005625A (en) 1994-08-22 1995-08-22 Method and system for processing data on motion pictures by motion compensation combined with image segmentation
US09/327,706 US6304602B1 (en) 1994-08-22 1999-06-08 Method and system for processing data on motion pictures by motion compensation combined with image segmentation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP19656294A JP2870415B2 (ja) 1994-08-22 1994-08-22 領域分割方法および装置

Publications (2)

Publication Number Publication Date
JPH0863601A true JPH0863601A (ja) 1996-03-08
JP2870415B2 JP2870415B2 (ja) 1999-03-17

Family

ID=16359803

Family Applications (1)

Application Number Title Priority Date Filing Date
JP19656294A Expired - Lifetime JP2870415B2 (ja) 1994-08-22 1994-08-22 領域分割方法および装置

Country Status (2)

Country Link
US (2) US6005625A (ja)
JP (1) JP2870415B2 (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09293139A (ja) * 1996-04-26 1997-11-11 Nippon Telegr & Teleph Corp <Ntt> ビデオ管理方法及び装置
JP2002245462A (ja) * 2001-02-14 2002-08-30 Tokyo Inst Of Technol 画像変化抽出方法、およびその画像処理プログラム
JP2007133823A (ja) * 2005-11-14 2007-05-31 Nippon Hoso Kyokai <Nhk> 動きベクトル検出装置
JP4855556B1 (ja) * 2011-03-22 2012-01-18 株式会社モルフォ 動体検出装置、動体検出方法、動体検出プログラム、動体追跡装置、動体追跡方法及び動体追跡プログラム
JP2012065128A (ja) * 2010-09-16 2012-03-29 Nikon Corp 画像評価装置及び画像評価プログラム
JPWO2015041177A1 (ja) * 2013-09-18 2017-03-02 株式会社ニコン 画像解析装置、画像解析方法、画像解析プログラム、細胞の製造方法、細胞の培養方法、および細胞の製造装置
JP2017049996A (ja) * 2015-09-02 2017-03-09 富士通株式会社 画像認識に用いられるニューラルネットワークの訓練方法及び訓練装置
JP2020024667A (ja) * 2018-08-07 2020-02-13 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 自体運動推定方法及び装置
JP2020204800A (ja) * 2019-06-14 2020-12-24 Ａｗｌ株式会社 学習用データセット生成システム、学習サーバ、及び学習用データセット生成プログラム
JP2022177147A (ja) * 2018-10-03 2022-11-30 ホーチキ株式会社 煙検出装置及び煙識別方法

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3790804B2 (ja) * 1996-04-19 2006-06-28 ノキア コーポレイション 動きに基づく分割及び合併を用いたビデオ・エンコーダ及びデコーダ
KR100482898B1 (ko) * 1996-05-24 2005-08-31 코닌클리케 필립스 일렉트로닉스 엔.브이. 모션벡터를추정하는방법,장치및그장치를포함하는비디오디스플레이장치
US6687405B1 (en) * 1996-11-13 2004-02-03 Koninklijke Philips Electronics N.V. Image segmentation
US6195458B1 (en) * 1997-07-29 2001-02-27 Eastman Kodak Company Method for content-based temporal segmentation of video
US6400831B2 (en) 1998-04-02 2002-06-04 Microsoft Corporation Semantic video object segmentation and tracking
US6236738B1 (en) * 1998-04-09 2001-05-22 Board Of Trustees Of The Leland Stanford Junior University Spatiotemporal finite element method for motion analysis with velocity data
US6327305B1 (en) * 1998-04-22 2001-12-04 Ati Technologies, Inc. Method and apparatus for encoding a stream of data blocks
US6711278B1 (en) 1998-09-10 2004-03-23 Microsoft Corporation Tracking semantic objects in vector image sequences
US7050503B2 (en) * 1999-04-17 2006-05-23 Pts Corporation Segment-based encoding system using residue coding by basis function coefficients
US6330281B1 (en) * 1999-08-06 2001-12-11 Richfx Ltd. Model-based view extrapolation for interactive virtual reality systems
US6785329B1 (en) * 1999-12-21 2004-08-31 Microsoft Corporation Automatic video object extraction
US6961472B1 (en) * 2000-02-18 2005-11-01 Intel Corporation Method of inverse quantized signal samples of an image during image decompression
US6665450B1 (en) 2000-09-08 2003-12-16 Avid Technology, Inc. Interpolation of a sequence of images using motion analysis
US7545957B2 (en) 2001-04-20 2009-06-09 Avid Technology, Inc. Analyzing motion of characteristics in images
US7043058B2 (en) 2001-04-20 2006-05-09 Avid Technology, Inc. Correcting motion vector maps for image processing
JP4185678B2 (ja) * 2001-06-08 2008-11-26 株式会社日立製作所 液晶表示装置
JP2003141548A (ja) * 2001-10-22 2003-05-16 Ge Medical Systems Global Technology Co Llc ３次元ラベリング装置及びその方法
JP2006512029A (ja) * 2002-12-20 2006-04-06 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ セグメントベース動き推定
EP1527901B1 (de) * 2003-10-28 2007-03-07 Alcan Technology &amp; Management Ltd. Fälschungssicheres Verpackungsmaterial mit einem Sicherheitsmerkmal
JP2005184233A (ja) * 2003-12-17 2005-07-07 Sony Corp データ処理装置およびその方法と符号化装置
US7522749B2 (en) * 2005-04-08 2009-04-21 Microsoft Corporation Simultaneous optical flow estimation and image segmentation
JP2008040724A (ja) * 2006-08-04 2008-02-21 Sumitomo Electric Ind Ltd 画像処理装置、及び画像処理方法
KR100845303B1 (ko) * 2006-09-29 2008-07-10 한국전자통신연구원 고속 부호화를 위한 되먹임 구조를 가진 동영상 압축부호화 장치 및 최적 모드 결정 방법
GB2444529A (en) * 2006-12-06 2008-06-11 Sony Uk Ltd Motion adaptive image processing
US20090208086A1 (en) * 2008-02-15 2009-08-20 Pelc Norbert J Compression and decompression of raw image data
ES2743240T3 (es) * 2008-02-21 2020-02-18 Orange Codificación y decodificación de una imagen o de una secuencia de imágenes divididas en bloques de píxeles
JP5123870B2 (ja) * 2009-02-10 2013-01-23 キヤノン株式会社 画像処理方法および画像処理装置およびプログラム
WO2011042905A1 (en) * 2009-10-08 2011-04-14 Hd Medix Distributed video compression system
JP2012124653A (ja) * 2010-12-07 2012-06-28 Canon Inc 符号化装置、符号化方法およびプログラム
US8767817B1 (en) 2011-04-07 2014-07-01 Google Inc. Apparatus and method for coding using parameterized equation
US8804819B1 (en) 2011-04-19 2014-08-12 Google Inc. Method and apparatus for encoding video using data frequency
US9749638B1 (en) 2011-04-28 2017-08-29 Google Inc. Method and apparatus for encoding video with dynamic quality improvement
US8705620B1 (en) * 2011-04-28 2014-04-22 Google Inc. Method and apparatus for encoding anchor frame by encoding features using layers
US9781447B1 (en) 2012-06-21 2017-10-03 Google Inc. Correlation based inter-plane prediction encoding and decoding
US9167268B1 (en) 2012-08-09 2015-10-20 Google Inc. Second-order orthogonal spatial intra prediction
US9344742B2 (en) 2012-08-10 2016-05-17 Google Inc. Transform-domain intra prediction
US9380298B1 (en) 2012-08-10 2016-06-28 Google Inc. Object-based intra-prediction
US9369732B2 (en) 2012-10-08 2016-06-14 Google Inc. Lossless intra-prediction video coding
US9628790B1 (en) 2013-01-03 2017-04-18 Google Inc. Adaptive composite intra prediction for image and video compression
US9225979B1 (en) 2013-01-30 2015-12-29 Google Inc. Remote access encoding
US9247251B1 (en) 2013-07-26 2016-01-26 Google Inc. Right-edge extension for quad-tree intra-prediction
US10380386B1 (en) * 2018-04-30 2019-08-13 Hewlett Packard Enterprise Development Lp Accelerator for k-means clustering with memristor crossbars
CN113742288B (zh) * 2020-05-29 2024-09-24 伊姆西Ip控股有限责任公司 用于数据索引的方法、电子设备和计算机程序产品
CN116030428B (zh) * 2023-03-30 2023-06-30 武汉创领信服科技有限公司 工地区域危险报警监测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04148283A (ja) * 1990-10-08 1992-05-21 Fujitsu Ltd クラスタリングによる移動物体の分離処理方法
JPH04199379A (ja) * 1990-11-29 1992-07-20 Honda Motor Co Ltd 画像処理における局所的領域分割方法
JPH06150000A (ja) * 1992-11-04 1994-05-31 Matsushita Electric Ind Co Ltd 画像クラスタリング装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4821119A (en) * 1988-05-04 1989-04-11 Bell Communications Research, Inc. Method and apparatus for low bit-rate interframe video coding
DE59108742D1 (de) * 1990-11-16 1997-07-10 Siemens Ag Verfahren zur adaptiven quantisierung zwecks datenreduktion bei der übertragung von digitalen bildern
JP2699703B2 (ja) * 1991-07-31 1998-01-19 松下電器産業株式会社 動き補償予測方法とそれを用いた画像信号符号化方法
US5418617A (en) * 1991-08-08 1995-05-23 Matsushita Electric Corporation Of America Motion compensation using minimum bits per motion block as criterion for block matching
US5351083A (en) * 1991-10-17 1994-09-27 Sony Corporation Picture encoding and/or decoding system
JPH05137131A (ja) * 1991-11-13 1993-06-01 Sony Corp フレーム間動き予測方法
US5436665A (en) * 1992-03-03 1995-07-25 Kabushiki Kaisha Toshiba Motion picture coding apparatus
KR0121162B1 (ko) * 1992-05-20 1997-11-18 구자홍 디지탈 티브이의 영상움직임 보상장치
KR0166717B1 (ko) * 1992-06-18 1999-03-20 강진구 가변화면분할기법을 이용한 부호화/복호화방법 및 장치
DE69419439T2 (de) * 1993-01-11 1999-12-16 Canon K.K., Tokio/Tokyo Gerät und Verfahren zur Bewegungserfassung
US5592228A (en) * 1993-03-04 1997-01-07 Kabushiki Kaisha Toshiba Video encoder using global motion estimation and polygonal patch motion estimation
US5361105A (en) * 1993-03-05 1994-11-01 Matsushita Electric Corporation Of America Noise reduction system using multi-frame motion estimation, outlier rejection and trajectory correction
US5508744A (en) * 1993-03-12 1996-04-16 Thomson Consumer Electronics, Inc. Video signal compression with removal of non-correlated motion vectors
JP2576771B2 (ja) * 1993-09-28 1997-01-29 日本電気株式会社 動き補償予測装置
US5995670A (en) * 1995-10-05 1999-11-30 Microsoft Corporation Simplified chain encoding
US5896176A (en) * 1995-10-27 1999-04-20 Texas Instruments Incorporated Content-based video compression
JP3994445B2 (ja) * 1995-12-05 2007-10-17 ソニー株式会社 動きベクトル検出装置及び動きベクトル検出方法
US6037988A (en) * 1996-03-22 2000-03-14 Microsoft Corp Method for generating sprites for object-based coding sytems using masks and rounding average

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04148283A (ja) * 1990-10-08 1992-05-21 Fujitsu Ltd クラスタリングによる移動物体の分離処理方法
JPH04199379A (ja) * 1990-11-29 1992-07-20 Honda Motor Co Ltd 画像処理における局所的領域分割方法
JPH06150000A (ja) * 1992-11-04 1994-05-31 Matsushita Electric Ind Co Ltd 画像クラスタリング装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09293139A (ja) * 1996-04-26 1997-11-11 Nippon Telegr & Teleph Corp <Ntt> ビデオ管理方法及び装置
JP2002245462A (ja) * 2001-02-14 2002-08-30 Tokyo Inst Of Technol 画像変化抽出方法、およびその画像処理プログラム
JP2007133823A (ja) * 2005-11-14 2007-05-31 Nippon Hoso Kyokai <Nhk> 動きベクトル検出装置
JP2012065128A (ja) * 2010-09-16 2012-03-29 Nikon Corp 画像評価装置及び画像評価プログラム
US8989448B2 (en) 2011-03-22 2015-03-24 Morpho, Inc. Moving object detecting device, moving object detecting method, moving object detection program, moving object tracking device, moving object tracking method, and moving object tracking program
WO2012127618A1 (ja) * 2011-03-22 2012-09-27 株式会社モルフォ 動体検出装置、動体検出方法、動体検出プログラム、動体追跡装置、動体追跡方法及び動体追跡プログラム
JP4855556B1 (ja) * 2011-03-22 2012-01-18 株式会社モルフォ 動体検出装置、動体検出方法、動体検出プログラム、動体追跡装置、動体追跡方法及び動体追跡プログラム
JPWO2015041177A1 (ja) * 2013-09-18 2017-03-02 株式会社ニコン 画像解析装置、画像解析方法、画像解析プログラム、細胞の製造方法、細胞の培養方法、および細胞の製造装置
US10163218B2 (en) 2013-09-18 2018-12-25 Nikon Corporation Image analysis device, image analysis method, image analysis program, cell manufacturing method, cell culturing method, and cell manufacturing device
JP2017049996A (ja) * 2015-09-02 2017-03-09 富士通株式会社 画像認識に用いられるニューラルネットワークの訓練方法及び訓練装置
JP2020024667A (ja) * 2018-08-07 2020-02-13 三星電子株式会社Ｓａｍｓｕｎｇ Ｅｌｅｃｔｒｏｎｉｃｓ Ｃｏ．，Ｌｔｄ． 自体運動推定方法及び装置
JP2022177147A (ja) * 2018-10-03 2022-11-30 ホーチキ株式会社 煙検出装置及び煙識別方法
JP2020204800A (ja) * 2019-06-14 2020-12-24 Ａｗｌ株式会社 学習用データセット生成システム、学習サーバ、及び学習用データセット生成プログラム

Also Published As

Publication number Publication date
US6304602B1 (en) 2001-10-16
JP2870415B2 (ja) 1999-03-17
US6005625A (en) 1999-12-21

Similar Documents

Publication Publication Date Title
JP2870415B2 (ja) 領域分割方法および装置
KR101194481B1 (ko) 디지털 카메라의 노출 조정 방법, 디지털 이미지의 노출 및톤 스케일 조정 방법 및 필터링 방법
CN102025959B (zh) 从低清晰度视频产生高清晰度视频的系统与方法
JP4194025B2 (ja) 照明不変の客体追跡方法及びこれを用いた映像編集装置
JP3406313B2 (ja) 連続画像の内容変更を行う方法および装置
CN109782414B (zh) 一种基于无参考结构清晰度的自动调焦方法
US20040105015A1 (en) Image processing device and image processing program
JP5107409B2 (ja) 動き領域の非線形スムージングを用いた動き検出方法およびフィルタリング方法
US11995153B2 (en) Information processing apparatus, information processing method, and storage medium
KR20100038168A (ko) 구도 해석 방법, 구도 해석 기능을 구비한 화상 장치, 구도 해석 프로그램 및 컴퓨터 판독 가능한 기록 매체
JPH02290385A (ja) 動きベクトル導出方法
US20070121094A1 (en) Detecting objects of interest in digital images
KR20180122548A (ko) 이미지를 처리하는 방법 및 장치
CN117176983B (zh) 一种基于全景图像合成的视频生成评价系统
JP2001076161A (ja) 画像処理方法及び装置並びに記憶媒体
JP7005280B2 (ja) 画像処理装置、画像処理方法およびプログラム
US6931145B1 (en) Method and apparatus for measuring motion of an object surface by multi-resolution analysis using a mesh model
JPH0973540A (ja) 動きベクトル算出装置
CN109714547B (zh) 一种基于模式识别的隔行视频转换方法
CN111091513A (zh) 图像处理方法、装置、计算机可读存储介质及电子设备
CN113362390A (zh) 一种基于椭圆检测的快速圆形目标定位视频处理方法
EP0752141B1 (en) Method and apparatus for estimating motion
JPH057371A (ja) 動ベクトル検出装置
US20070126876A1 (en) Locating digital image planar surfaces
WO2019225322A1 (ja) 画像処理装置、画像処理方法、およびプログラム

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 19981201