JPH10312465A - ディジタル・ピクチャのセグメンテーション方法 - Google Patents

Abstract

(57)【要約】 【課題】 多数の単一画素（ピクセル）からなるディジ
タル画像をセグメント化する方法が開示されている。 【解決手段】 特にディジタル画像処理および／または
オブジェクトおよびパターン認識の分野において、単一
の隣接画素および／または画像セグメントが結合される
か、あるいはすでに形成されている画像セグメントが、
隣接画素または画像セグメントの１つフィーチャまたは
複数のフィーチャが特定の同質性基準によって合致（同
一または類似）していると判断されるか、あるいは合致
していないと判断されると、画素および／または部分的
画像セグメントの分離によって変更されることで画像セ
グメントが形成されることをフィーチャとしている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は多数の単一画素から
なるピクチャ(picture、画像。以下「画像」という。）
を請求項１の前文にしたがうセグメンテーションの方法
に関し、具体的には、任意の次元を持つ画像を任意の所
望の解像度で、すなわち、セグメント当たりの任意の画
素(picture element) 数でセグメント化すること、およ
び／または並行的にいくつかの異なる解像度でセグメン
ト化することを可能にする方法に関する。

【０００２】

【従来の技術】ここで注意すべきことは、本明細書でも
用いられている「ディジタル画像(digital picture) 」
という用語は、セグメント化される任意の次元を持つデ
ィジタル・データ・レコードを意味するものと解すべき
であり、「画素(picture element) 」という用語は、例
えば、ピクセルまたは体積要素(volume element (voxe
l：ボクセル））のように上記データ・レコードに含ま
れる最小の単一要素を意味するものと解すべきであるこ
とである。さらに、注意すべきことは、本明細書で用い
られている「画像オブジェクト(picture object)」とい
う用語は、画素または画像セグメントのどちらにも意味
するものと解すべきであり、画像セグメントも等しく単
一画素を含むことができることである。

【０００３】ディジタル画像処理およびパターン認識の
大部分の応用分野では、多数の単一画素からなる画像内
の関連する構造を認識し、分類することが必要である。
従って、重要なステップでは、関連する隣接画素をコヒ
ーレントな画素セグメントに結合することが行われてい
る。この手法はセグメンテーション(segmentation)と呼
ばれている。その形状とテクスチャ(texture) の特性を
通して、この手法で求められた画像セグメントは、あと
で分類を行うための情報を単一画素よりも実質的に多く
提供しているが、この情報はセグメンテーションの品質
に大きく左右されている。

【０００４】画素のセグメンテーションに対する基本的
基準は隣接性(contiguity)といわゆる同質性(homogenei
ty) の基準であり、画素を結合したあとのセグメントが
同質であると判断されるか、同質でないと判断されるか
はこの基準によって決まる。結合が行なわれるかどうか
は同質性基準によって決まる。同質性基準では、例え
ば、特定のテクスチャ特性またはフィーチャ(feature)
の同質性を定義することができる。

【０００５】画像のセグメンテーションを困難にしてい
る１つの問題として、大部分が多様化された程度で非常
に多数の画像の中に現れる画像領域のテクスチャがあ
る。フィーチャ的には、ほとんどすべてのオブジェクト
・タイプは多かれ少なかれテクスチャ化されている。類
似のテクスチャは、例えば、シーディネス(seediness)
や木目(grain) といった他の特性のほかに、フィーチャ
の分布度が高いか低いかによって、例えば、グレイ(gre
y)値の分布やカラー分布によって基本的に特徴づけられ
ている。

【０００６】このようなフィーチャ値の分布はオブジェ
クトの種類によって大きくなる場合と、小さくなる場合
があり、またオーバラップすることもある。例えば、図
１に示すケースでは、各々がグレイ値の異なるサイズの
範囲（スケールが０と２５６との間にあるときの範囲）
を表している合計６つのオブジェクトが示されいるが、
そこでは上に示されているオブジェクトのグレイ値のそ
れぞれの範囲は下に示されているオブジェクトの１つと
部分的にまたは全体的にオーバラップしている。

【０００７】以上のことは、一方では、その一部が非常
に異なるフィーチャ値を示しているテクスチャ化オブジ
ェクトを全体的にセグメント化しようとするとき、他方
では、セグメンテーションはフィーチャの類似性を基準
にして行なわれることが一般的ルールになっているの
で、セグメンテーションを非常に困難にしている。ある
オブジェクト内のフィーチャの差異があまりに大きい場
合には、セグメンテーションはフィーチャに類似性があ
るため問題になる。これと同時に、オーバラップするフ
ィーチャ分布を持つ２つの隣接オブジェクトを分離する
ことは一般に困難である。

【０００８】従来技術の多くのセグメンテーション方法
では、画素および画像セグメントの類似性または関連性
は、例えば、いわゆる１次元または多次元しきい値手法
によって判断されており、その方法によれば、画素のフ
ィーチャによって定義されたフィーチャ空間(feature s
pace) は部分的範囲に分類されている。これらの公知方
法によれば、画素が同じ部分的範囲に含まれているとき
はいつでも同質性基準が満足されている。従って、例え
ば、ディジタル化画像が頻繁に現れる２５６のグレイ・
グラデーション(grey gradation)は各々が１６個のグレ
イ値を持つ１６個の領域に分類することができる。２つ
の隣接画素が同じグレイ値の範囲にあれば、これらは類
似していると判断され、従ってセグメント化される。し
かし、このようにしても、上述した困難性は非常に不充
分な形でしか解決されないのがしばしばである。ある種
のオブジェクトが領域の分類によって明確に記述される
場合であっても、この分類は他のオブジェクトでは全く
役立たない場合があるからである。

【０００９】他の方法では、あらかじめ決められた特定
のテクスチャ・フィーチャを基準にしてセグメントを結
合することを試みている（テクスチャをベースとするセ
グメンテーション）。この方法は特定のテクスチャ、特
に画像領域では多かれ少なかれ効果的であるが、他の画
像領域では不都合であることがよくある。同時に、これ
らの方法によると、画像とそのテクスチャを事前に知っ
ている必要があり、さらに、必要とするどの解像度でも
許容されるとは限らない。

【００１０】ウォータシェッド変形(watershed transfo
rmation)を利用するセグメンテーション方法では、画像
内のカラー勾配(color gradient)の表現をセグメンテー
ションの基準として採用し、最も同質の画像領域でセグ
メンテーションを始め、連続的に、つまりセグメントを
１つずつより異質の(heterogeneous) 画像領域に入るよ
うに展開している。この方法によると、同質の画像領域
は十分にセグメント化が可能で、均等に異質である画像
領域が得られるが、そのためには、より以上の困難性を
伴うことになる。同質の画像領域と異質の画像領域、つ
まり、異質性の程度が異なっている画像領域を同時にセ
グメント化することが可能であっても、大きな困難を伴
うことになる。そのほかに、この方法によると、オリジ
ナル・カラー情報の品質が低下する。

【００１１】

【発明が解決しようとする課題】ピクセル分類を行う手
法は、特定のオブジェクト・クラスのフィーチャを表し
ていることが分かっている、フィーチャ空間における事
前知識、インターバルまたは分布に基づいて判断するこ
とを動作原理としている。このケースでは、検査される
画素は各々が最も高い関連性の確率を示しているそれぞ
れのクラスに、フィーチャ空間内のそのベクトルに従っ
て割り当てられている。同質性基準は、このケースで
は、同一クラスと関連性があるものとして定義されてい
る。単一画素に関して得られる分類のための情報は、画
素セグメントに関する情報よりもはるかに少ないことを
別として、特定のオブジェクト・タイプのフィーチャの
分布が気候、その日の時刻および季節だけではなく、画
像がとられたときの光の状態にも大きく左右されること
があるので航空画像や衛星画像を処理するとき特定の困
難な問題が起こっている。従って、フィーチャ空間にお
ける特定のオブジェクト・クラスの代表的な分布を適当
に事前定義することは非常に困難である。

【００１２】従って、本発明の目的は請求項１の前文に
記載されているタイプのセグメンテーション方法を、そ
れぞれのオブジェクトがオーバラップしているフィーチ
ャ範囲を示している場合でも、あるいは条件が異なると
非常に変化しやすいフィーチャ値で特徴が表されている
場合であっても、良好なセグメンテーションまたはオブ
ジェクト認識が保証されるような形でさらに開発したこ
とである。

【００１３】

【課題を解決するための手段】本発明の目的は、以下に
示す複数の仕様を満足する方法を提供することである。
すなわち、高い柔軟性、所望の解像度での高品質セグメ
ンテーション、セグメンテーションを様々な解像度でお
よび階層オブジェクト構造の形態で同時に表現するこ
と、高度にテクスチャ化された画像の処理、高度にテク
スチャ化された画像領域をより同質の画像領域から分離
すること、画像領域がオーバラップするフィーチャ範囲
を示しているときでもその画像領域を分離すること、任
意の次元をもち、例えば、１次元、２次元、または３次
元イメージングまたは他の手法で生成された画像の処
理、および例えば、一定のカラー・ディベロップメント
(colordevelopment) をもつライン構造または画像領域
もセグメンテーションの対象となるように特定の同質性
基準をオブジェクトと関係づけて受け入れること、など
である。

【００１４】上記目的は、本発明によれば請求項１に明
確化されている方法ステップによって達成されている。

【００１５】本発明の利点となる開発は請求の範囲に記
載されている主題を構成している。

【００１６】本発明は、ディジタル画像処理におけるセ
グメンテーションの方法を提供することを目的とし、具
体的には、それぞれのディジタル画像またはデータ・レ
コードとそこに含まれるパターンに関する事前知識がほ
とんどない場合であっても、あらかじめ決められた許容
範囲に関係なく、所望の解像度で、しかもそれと同時に
非常に高品質で画像またはデータ・レコードをセグメン
ト化する方法を提供することを目的としている。画像全
体にわたって分散している、可能な限り最大数のカーネ
ルから出発して、小さなセグメントは１つの画素だけを
含んでいるセグメントから始めることによってもっと大
きなセグメントに結合される。本明細書において、同質
性基準(homogeneity criterion) は、特定のフィーチャ
の差があらかじめ決められた許容範囲内になければなら
ないものと定義されている。

【００１７】この基準は、例えば、相互最良マッチ(mut
ual match)またはグローバル最良マッチ(global best m
atch) で適用することができる。このことは、２つの画
像オブジェクトの結合の場合には、それぞれの画像オブ
ジェクトのどちらか一方とのフィーチャ差が小さい方の
別の隣接オブジェクトは存在しないことを意味する。

【００１８】ウォータシェッド変形手法と同じように、
セグメンテーションは最も高い程度の同質性を示してい
る画像領域で開始されるが、比較的高い程度の異質性を
もつ画像領域もそのあとでセグメント化され、これらは
相互からおよび同質画像領域から分離される。

【００１９】さらに、見つかったセグメントから階層画
像オブジェクト構造を構築することが可能であり、そこ
では、比較的に粗にセグメント化された画像オブジェク
トは細密にセグメント化された画像オブジェクトをサブ
オブジェクトとして含んでおり、これにより画像情報を
様々な解像度で同時に表現することが可能になってい
る。セグメントの形状およびテクスチャ特性のほかに、
コンテキスト関係（オーバオブジェクト(over-object)
、サブオブジェクト、近隣）も、類似構造で追加情報
として得て分類を行うことが可能になっている。階層オ
ブジェクト構造をこのように構築することは、それぞれ
の画像オブジェクト・プレーン(plane) の許容範囲をあ
らかじめ決めることにより、制御と同時に行うことがで
きる。しかし、特定の基準に従って自動的に行うことも
できるので、様々な深さをもつ階層オブジェクト構造を
生成し、もっと高度に構造化されたロケーションの画像
情報を、もっと多数のプレーンに分解することができ
る。

【００２０】セグメンテーションは、最終的には、オブ
ジェクトと関連があるように適応された同質性基準を使
用して、フィーチャに従属させることも分類に従属させ
ることも可能である。これは、例えば、通常のセグメン
トのほかに画像またはデータ・レコードに線形構造を見
つける別のライン・セグメンテーションで利用すること
ができる。

【００２１】従って、別の分類の基準として利用する
と、識別能力と分類確率が向上するので、多数の応用分
野で応用することが可能である。

【００２２】本発明の方法が、例えば、１または複数の
しきい値方法のような、他のセグメンテーション方法と
異なるのは、その柔軟性（任意の所望解像度）と品質の
点である。具体的には、その長所を挙げると、テクスチ
ャ化画像またはデータ・レコード（例えば、レーダまた
はＸ線画像）をセグメント化すること（これは他の方法
ではしばしば困難であったものである）、同質および異
質画像領域を並行的にセグメント化すること、複数の解
像プレーンを階層オブジェクト構造の形態で並行的に表
現すること、エリア(area)やライン・セグメント(line
segment)またはカラー・ディベロップメントをもたない
画像領域とカラー・ディベロップメントをもつ画像領域
などの、特定の異なる画像構造を並行的に表現すること
がある。

【００２３】本発明の基本的側面は以下で詳しく説明す
るが、その要点を示すと以下の通りである。

【００２４】− 同質性基準はあらかじめ決められる許
容範囲の形で定義され、その許容範囲内では、問題の２
つの画像オブジェクトのフィーチャ値は異なっている。

【００２５】− 同質性基準には基本的に２タイプがあ
り、この基準によって、画像オブジェクトのフィーチャ
値間の差が判断される。第１のタイプでは、結合される
画像オブジェクト間のフィーチャの差は直接的に比較さ
れる。フィーチャは、例えば、平均値および／または標
準偏差であり、その差は可能であれば、標準偏差および
／または含まれる画像オブジェクトのうち小さい方のサ
イズの和によって重み付けされる。第２のタイプでは、
マージした後の２つの結合画像オブジェクトの潜在的条
件はマージの前の条件と比較される。従って、偶発的な
結合によって生じる異質性は判断することができるの
で、問題の画像オブジェクトのフィーチャ間の差を推論
することが可能である。比較することができる便利なフ
ィーチャは加重標準偏差、平均値の加重差または加重偏
差である。

【００２６】単純なマッチ（同質性基準が満足されたと
き隣接画像オブジェクトを結合する）、最良マッチ（同
質性基準が最良に満足されたときの一方の隣接画像オブ
ジェクトと結合する）、相互最良マッチ（関係する隣接
画像オブジェクトの各々について同質性基準が最良に満
足されたとき結合する）またはグローバル最良マッチ
（セグメント化される画像領域全体にわたって同質性基
準が最良に満足されている隣接画像オブジェクトを結合
する）を使用すると、セグメンテーションの品質は上に
列挙したものの順序で連続的に向上する。相互またはグ
ローバル最良マッチを使用すると、セグメンテーション
の展開(development) は、可能な限り最大の同質性をも
つ画像領域で最初にセグメンテーションが開始され、許
容範囲のしきい値でこれ以上の結合が禁止されるまで、
より異質のセグメントを通してさえも続けられることが
保証される。

【００２７】セグメントの変更はセグメントをマージす
ることにより、次の下位の画像オブジェクト・プレーン
の画素または画像セグメントを統合化することにより、
新しい画素をオーバオブジェクトとして設定することに
より、部分的画像オブジェクトを除外することにより、
および境界の補正により達成される。

【００２８】画素と画像セグメントの処理は、セグメン
テーション・カーネルがセグメント化される画像領域の
可能な限り最大数のロケーションで、つまり、同一ラン
(run) でおよび／または確率論的順序ですでに処理され
た画像領域のロケーションから可能な限り最大に離れた
個所で生成されるような形で行われる。

【００２９】セグメンテーションのそれぞれのステータ
ス(status)は、結果が収束し、以後の処理にもかかわら
ず安定した状態になるまで複数の処理ラン(run) で修正
される。

【００３０】セグメンテーションは、階層画像オブジェ
クト構造に帰着し、そこでは少なくとも画素は一度だけ
結合されて画像セグメントになっている。しかし、画像
セグメントは複数の階層方式で結合して上位セグメント
にすることもできるので、画像情報はセグメント化され
た状態で様々な解像度で同時に存在することになる。画
素と画像セグメントを一緒にしたものを画像オブジェク
トと呼ぶことにする。新しい階層プレーンの挿入は新し
い許容範囲を設定することによって、定義された通りに
行うことができるので、例えば、すでに見つかったセグ
メントを結合する新しいセグメント・プレーンが挿入さ
れた場合、明らかなように、粗雑な許容範囲でも有効で
あるのに対して、下位プレーンの挿入の方は、明らかな
ように、より微細な許容範囲で行われる。しかし、階層
オブジェクト構造の設定は特定の基準に従って、例え
ば、オブジェクト構造の複雑値を最小化することによっ
て自動的に行うこともできる。後者の場合には、その結
果は階層の深さが変化するオブジェクト構造であり、こ
れは、可能な限り最小数の画像オブジェクトをもつ様々
な解像度で画像情報を有意的に抽象化し、便宜的な複雑
値を使用しながら新しいオブジェクト・プレーンを設定
する。

【００３１】セグメント・マージング、統合化、設定、
境界補正およびセグメント・コンポーネントの除外の手
法は階層オブジェクト構造のすべてのプレーンで同じ
（フラクタル）方法で行われる。

【００３２】オブジェクトと関連のある方法で適応され
る同質性基準によるセグメンテーションは、フィーチャ
または分類に従って行うことができる。これは、例え
ば、通常のセグメントのほかに画像またはデータ・レコ
ードに線形構造を見つける別のライン・セグメンテーシ
ョンで採用することも、同じく通常のセグメントのほか
に画像内のカラー・ディベロップメント構造を結合する
カラー・ディベロップメント構造で採用することも可能
である。

【００３３】上述した方法の基本的利点と応用分野を要
約すると、次のとおりである。

【００３４】この方法は事前知識がなくても、つまり、
許容範囲を設定することを除く事前知識がなくても有効
に働き、所望の画像解像度に対して、つまり、セグメン
ト当たりの平均画素数に対して非常に柔軟性がある。こ
の方法は自動化された方法で行うことができるので、対
話による介入を必要としない。また、この方法は任意の
所望次元の画像タイプのデータ・レコードを処理する。

【００３５】ある解像度が与えられているとき、差分診
断(differential diagnosis)の点で非常に良好なセグメ
ンテーション結果が得られる。同一構造は一緒にセグメ
ント化され、他の構造から分離される。

【００３６】また、この方法は、オーバラップしている
フィーチャ範囲をもつテクスチャ化画像オブジェクトを
見つけ、これらを区別したり、高ノイズ画像を処理する
場合に特に適している。

【００３７】多数の従来の方法とは異なり、本発明によ
る方法はピクセル分類とその後のセグメンテーションを
採用していない。むしろ、画素は画像構造が差分診断の
面で都合のよい方法で結合されるような形で、同質性基
準に基づいてセグメント化される。品質に関しては、こ
の方法はしきい値に頼るセグメンテーション方法よりも
すぐれており、また、特定のテクスチャ・フィーチャに
対してセグメンテーションを行う方法よりも、所望解像
度の柔軟性と最も変化に富んだテクスチャを同時に処理
する能力の面ですぐれている。このようにして得られた
セグメントでは、単一画素による場合よりも、得られる
情報が基本的に多くなり、あとで分類を行うときに利用
することができる。このようにして可能になった分類確
率は、従って、顕著に向上することになる。

【００３８】階層セグメンテーションは、様々な解像度
の密度またはディテールで構造を表している。この情報
は同時に得られる。階層処理は自動的に行うことができ
るのであとで許容範囲を設定する必要がなくなる。

【００３９】許容範囲をあらかじめ決めることにより、
この方法は必要とするセグメンテーションの解像度に合
わせて適応させることができる。既存の情報の圧縮と利
用を最大限にすることができる。これは、フィーチャ空
間に事前に定義された分布の部分的範囲を採用し、およ
び／または複数のプレーンで並行的的に分解をしない従
来の方法では不可能である。

【００４０】テクスチャが異なるオブジェクトは、比較
的広範で、オーバラップするフィーチャ分布を示してい
るときでもその境界が明確化される。

【００４１】

【発明の実施の形態】以下、実施例を示し、添付図面を
参照して本発明について詳しく説明する。

【００４２】以下では、いくつかの基本的側面について
簡単に説明する。

【００４３】同質性基準がどのタイプであるかに関係な
く、最も同質の画像領域から出発するグローバル、ロー
カルまたは単純最良マッチによる方法では、可能な限り
最小限の異質性だけをセグメンテーションの対象として
許容している。このこと自体はセグメンテーションの品
質の面ですでに重要な理由となっている。

【００４４】同時に、セグメントを処理する順序は重要
である。ディジタル画像が画像をラインごとに系統的に
スキャンし、各画素を正確に１つずつ処理し、可能な場
合にはその周囲の画素と一緒に画素をセグメント化する
フィルタによって処理されるとき、かかる方法で使用さ
れている同質性基準によってかかる方法で得られるディ
ジタル画像のセグメンテーション・ステータスは、この
方法の歴史的事実の点で最適でない（図２参照）。画像
をスキャンすると、系統的な誤差が発生する。

【００４５】セグメンテーションが同時に開始されるロ
ケーションの数が多くなり、セグメンテーションのため
に利用できるカーネルの数が多くなると、セグメンテー
ションを行なうときに可能とされる差を見つけることが
多くなる。そのような理由から、好都合な方法は、すで
に処理された画像オブジェクトからの可能な限り最大の
地理的距離を保証するような、画像オブジェクトの処理
順序を使用することである。これとは別に、この順序は
確率論的にすることができる。なお、ここで注意すべき
ことは、画像オブジェクトの処理順序も基本的に同質性
基準のタイプとは無関係であることである。

【００４６】以下、本発明の実施例について説明する。

【００４７】本発明の実施例による方法では、画素と画
像セグメント、つまり、画像オブジェクトとの関連性
は、結合される２つの画像オブジェクトのフィーチャ
差，これは同質性基準で判断され、これがあらかじめ決
められる許容範囲内に含まれていなければならないよう
に定義されている。

【００４８】同質性、従って、セグメンテーションの品
質を測る尺度として、あるセグメント内の特定の下位画
像オブジェクト・プレーンの

【００４９】

【外１】

【００５０】

【数１２】

【００５１】または特定の下位画像オブジェクト・プレ
ーンの

【００５２】

【外２】

【００５３】

【数１３】

【００５４】上記において、ｖａｒ_i は偏差、σ_i は標
準偏差、およびｎ_i は画像オブジェクトｉに含まれる特
定の下位画像オブジェクト・プレーンの画像オブジェク
トの数である。これは、許容範囲が与えられ、従って、
セグメンテーションの解像度（セグメント当たりの平均
画素数）が与えられているとき、

【００５５】

【外３】

【００５６】セグメンテーションのターゲットである。
このことは、画像全体のすべての画素にわたって平均化
された標準偏差または偏差で表された異質性は可能な限
り小さいことを意味する。

【００５７】従って、この結果として、基本的には、よ
り小さなセグメントをより大きなセグメントになるよう
に結合することによってセグメントが形成されることに
なり、この形成は１つの画素だけを含んでいる画像セグ
メントからと、画像内の可能な限り最大数のロケーショ
ンで開始される。同質性基準に定義されているフィーチ
ャ差はあらかじめ決められた許容範囲内になければなら
ず、セグメンテーションの解像度（セグメント当たりの
平均画素数）はこの許容範囲によって設定されている。
１つのセグメントはそれぞれが、同質性基準（単純、相
互またはグローバル）に定義されているフィーチャ差が
最小である１つの隣接セグメントと結合される。すべて
の画素または画像セグメントにわたるこのセグメンテー
ションは、反復的にまたは繰り返して行なわれ、画素ま
たは画像セグメントは同一ランですでに処理されている
画像オブジェクトからの可能な限り最大の地理的距離を
保証する確率論的順序で付加的に処理されるので、セグ
メンテーションは画像全体に分散している可能な限り最
大数のセグメント・カーネルから開始されることにな
る。

【００５８】以上のような方法によると、画像が高度に
テクスチャされていることを特徴とし、隣接オブジェク
トがオーバラップするフィーチャ範囲を示している場合
でも、セグメンテーションにより非常に良好な結果が得
られることになる。

【００５９】以下に説明する方法は、画素が画像セグメ
ントになるように一度だけ結合されるような単純なオブ
ジェクト構造をもつセグメンテーションに関係するもの
である。

【００６０】この方法の開始時には、同質性基準、つま
り、フィーチャ差がどのように定義されているかが設定
される。例えば、加重標準偏差の入力、同質性基準をマ
ッチングによるものを採用するか、あるいは単純、相互
またはグローバル最良マッチで採用するかどうか（例え
ば、相互最良マッチ）、およびセグメンテーションを行
うときの許容範囲である。次のステップでは、この１つ
の画素だけを上位オブジェクトとして含んでいる画像セ
グメントが画素の各々に割り当てられる。従って、新し
い画像セグメント・プレーンは全体がすでに導入されて
いる。複数の反復ランで、上記のように見つかったセグ
メントはもっと大きなセグメントになるように結合さ
れ、境界が最適化され、ランの開始時に存在しているセ
グメントの各々はすべてのランで正確に一度だけアドレ
スされる。ここでの順序は、すでに処理されたセグメン
トからの可能な限り最大の距離が保たれるように、およ
び／または、さもなければ、ランダムになるようになっ
ている。従って、可能な限り最大数のカーネルをもつセ
グメンテーションのセットアップが保証される。同質性
基準では、フィーチャ差はあらかじめ決められた許容範
囲と比較され、この基準は相互最良マッチで採用されて
いる。結合は、関係する画像セグメントの各々が他方の
画像セグメントに対して最良マッチである場合にだけ行
われる。

【００６１】オプションとして、各セグメントを境界補
正の対象とすることも可能であり、これは連続するラン
でマージングと交互にすることが可能である。あるラン
では、セグメントの各々は隣接セグメントとの、起こり
得るマージングに対して一度だけ処理され、次のランで
は、各セグメントは可能な境界補正に関して１度処理さ
れる。境界補正とは、同質性基準によって隣接セグメン
トに良好にマッチしている境界画素が交換されることを
意味する（境界補正の基準として、例えば、画素の関連
性のように、ヒストグラムにおける周波数に基づいて、
またはセグメント内のカラー値の正規分布の想定に基づ
いて他の基準を参照することも可能である）。ここで
は、セグメントのコヒーレンスが保証されていなければ
ならない。ある画素が除外または境界補正によってセグ
メントの薄いロケーションでソートされるとき、そのセ
グメントはその直接近隣コヒーレンスを失う可能性があ
る。この場合には、セグメントはそのコヒーレント部分
に分割されなければならない。境界補正はオプションと
して行うことができ、これを行うとセグメンテーション
の品質が向上するが、これは必ずしも必要ではない。ラ
ンはセグメンテーションが安定した状態またはほぼ安定
した状態に収束するまで繰り返される。

【００６２】以下に説明する方法は、階層オブジェクト
構造内にあって、すでにセグメント化された２つのプレ
ーンの間に挿入される新しいプレーンのセグメンテーシ
ョンに関係するものである。

【００６３】この方法の開始時には、この場合も、同質
性基準が設定される。つまり、フィーチャ差がどのよう
に定義されているか、例えば、加重偏差の入力、同質性
基準をマッチによって採用するか、単純、相互またはグ
ローバル最良マッチで採用するかどうか（例えば、グロ
ーバル最良マッチ）、およびフィーチャ差の比較の対象
となる許容範囲が設定される。これと同時に、プレーン
がどの階層レベルでオブジェクト構造に挿入されるかが
判断されなければならない。最初のステップで、次の下
位プレーンの画像セグメントの各々はその直前の上位オ
ブジェクトから除かれる。これは複製され、複製された
画像セグメントが上位オブジェクトとして割り当てら
れ、複製されたセグメントの方はサブオブジェクトとし
て直前の上位オブジェクトに挿入される。このようにし
て、新しい画像セグメント・プレーンは全体が挿入され
ることになる。

【００６４】次に、上記のようにして設定されたセグメ
ントはもっと大きなセグメントになるように結合され、
そこでは、同質性基準で判断されたフィーチャ差が画像
領域全体における隣接画像セグメントの可能な限りの結
合においてどれだけ大きいかが常に判断され、新しいプ
レーンが階層オブジェクト構造に挿入されたために、同
じオーバオブジェクトをもつ隣接画像オブジェクトの結
合だけが可能になっている。各ケースにおいて、グロー
バルに最小のフィーチャ差を含むそれぞれの結合が行わ
れ、この場合、そのフィーチャ差はあらかじめ決められ
た許容範囲内に含まれていなければならない。

【００６５】オプションとして、各セグメントは境界補
正の対象にすることも可能であり、これは各マージング
の後直接に行うことも可能である。このケースでは、直
接サブオブジェクトは画素ではなく画像セグメントであ
る。この場合も、セグメントのコヒーレンスが保証され
ていなければならない。サブオブジェクトがソートアウ
トされると、セグメントがコヒーレントでなくなる可能
性があるので、その後でコヒーレントなコンポーネント
に分割する必要が起こる。

【００６６】この方法は、あらかじめ決められた許容範
囲内に含まる可能な限りの結合がなくなるまで続けられ
る。そのあと、セグメンテーションは完了する。

【００６７】以下に説明する方法は、階層オブジェクト
構造の自動セグメンテーションに関する。

【００６８】この方法の開始時に、この場合も、同質性
基準があらかじめ決められる。すなわち、フィーチャ差
がどのように定義されるか、例えば、加重標準偏差の入
力、同質性基準を相互またはグローバル最良マッチで採
用するかどうか（例えば、相互最良マッチ）および最小
限にする複合基準のタイプである。例えば、次の基準

【００６９】

【数１４】

【００７０】は、オブジェクト構造全体内の各画像セグ
メントの直接サブオブジェクトのカラー平均値の加重標
準偏差を加算し、あるいは次の基準

【００７１】

【数１５】

【００７２】はオブジェクト構造全体内の各画像セグメ
ントの直接サブオブジェクトのカラー平均値の加重偏差
を加算する。

【００７３】最初のステップでは、この場合も、新しい
セグメント・プレーン全体の設定が行われ、そこでは各
セグメントは正確に１つの画素を含んでいる。次に、ロ
ーカルに最高階層位置をもつすべての画像セグメントが
相互最良マッチで結合される。

【００７４】２つの画像オブジェクト１と２が結合され
るたびに、どのタイプの結合が複雑性基準(complexity
criterion)を最小限にするかが検査されなければならな
い。すなわち、両方の画像オブジェクトのマージング、
新しいオーバオブジェクトの基礎、画像オブジェクト１
の画像オブジェクト２への追加、または画像オブジェク
ト２の画像オブジェクト１への追加である。このそれぞ
れの最良結合はそのあと行われる。これは、画像全体が
オブジェクト構造の最上プレーン上で１つのセグメント
として結合されるまで続けられる。オプションとして、
すべてのマージングのあと、それぞれのセグメントをそ
の直接サブオブジェクトに基づいて境界補正の対象にす
ることも可能である。

【００７５】基本的には、セグメント・マージングと境
界補正の２つの等しく関与する方法は区別しなければな
らない。どちらの方法も、セグメントの「合致(conform
ation)」を取り扱っている。しかし、セグメント・マー
ジングはより小さなセグメントを同一階層プレーン上に
結合することによってセグメントを生成するのに対し、
境界補正は境界画像オブジェクトを再グループ化するこ
とによって次の下位オブジェクト・プレーンに作用する
（複数の階層プレーンをもつセグメンテーションの場合
には、ある与えられたケースでの境界補正は画像セグメ
ントも再グループ化する）。境界補正を行うと、セグメ
ント境界はシフトされ、境界補正を繰り返し行うと、画
像セグメントは変更されることになる。

【００７６】セグメントがセグメント・マージングまた
は境界補正によって変更されるという事実は、その特性
が変更され、従って同質性基準が変更されることに帰着
する。以前に画素とマッチしていなかった画素または隣
接セグメントは今度はマッチを示すことになる。これと
は逆に、セグメントに組み込まれていた画素は、今度は
セグメントとの（変更された）同質性基準を満足しない
ことになる。このようにして、連続的にセグメントはマ
ージされ、境界点と従ってセグメント境界はシフトさ
れ、またはマッチしなくなった画像オブジェクトはセグ
メントから除外される。

【００７７】それぞれのセグメンテーション・ステータ
スが画像または画像オブジェクトの特定の展開に依存す
ること（この方法の歴史的事実）は、以上の説明から明
らかな通りである。画像を反復的、循環的に最適化する
と、小さな差がディテールに現れることがあっても、最
終的状態が再現可能に同じ種類のものになるという結果
が得られることになる。しかし、これを行っても、最終
結果の最終的品質に影響することはない。

【００７８】画像内の画像オブジェクトが上述したよう
に（および確率論的順序で）反復的に改めて処理される
と、セグメンテーションは連続的にあるいは１つずつ最
適化され、最終的に安定した最終的状態に収束すること
になる。

【００７９】多くの場合、セグメンテーションに対する
要求は画像全体が都合よくコンポーネントにセグメント
化され、そのあとで全体的分類を行うものである。これ
は単一の特定オブジェクト・タイプを判断するようにし
た方法とは対照的である。

【００８０】ここで説明している方法によると、ディジ
タル画像全体またはディジタル画像のディテールを、事
前知識がほとんどない場合であっても、全体的にセグメ
ント化することも、ディテールに対して個別的にセグメ
ント化することも可能であり、このことは画像が同時に
高度にテクスチャ化されているか、ノイズを含んでいる
場合も同じである。このセグメンテーションは画像全体
を意味論的に分類するときの基礎として非常に適してい
る。従って、この方法は画像の生成方法にも、次元にも
関係なく、すべてのタイプのディジタル画像で採用する
ことができる。

【００８１】この方法は衛星画像や航空画像の処理、す
べての種類の医療画像の処理、つまり、すべての２次元
画像だけでなく、３次元画像の生成方法の処理にも非常
に適しているだけなく、単純な画像オブジェクト認識に
も適している。その結果、例えば、医療工学におけるよ
うな、３次元画像のセグメンテーションとオブジェクト
認識に特に適しており、この事実は視覚化とその後の分
類のためにも利用することが可能である。

【００８２】関連性をもつ画像構造は、画像とその構造
に関する詳細な事前知識がなくてもセグメント化される
のに対し、異なる画像構造でも、オーバラップするフィ
ーチャ分布をもつ画像構造でさえも、相互から分離され
る。このようにして達成されたセグメンテーションから
得られる分類のための結果が、ピクセル分類よりもはる
かにすぐれているのは、全セグメントに含まれる情報が
単一の画素よりもはるかに多いためである（フィーチャ
分布、テクスチャ、形状、サイズなど）。また、他のセ
グメンテーション方法の結果よりもすぐれているのは、
求められたセグメンテーションの品質が非常に良好であ
り、許容範囲の援助によって、セグメンテーションの解
像度を要求条件に合わせて個別的に適応させることがで
きるからである。この情報は、分類の確実さを非常に改
良する助けとなる。

【００８３】すでに上述したように、セグメンテーショ
ン方法の中心となるフィーチャは便利な同質性基準を使
用することにある。

【００８４】以下では、同質性基準のいくつかの例を示
すことにする。

【００８５】様々な可能性が存在するが、これらはいず
れも、セグメントのサイズ、テクスチャ、形状および向
きなどのフィーチャや他の特性の特定の分布を考慮に入
れている。２つの一般的タイプは区別する必要がある。
１つは結合すべき画像オブジェクトのフィーチャを直接
に比較するタイプであり、もう１つはマージ前の条件で
マージしたあと、結合すべき２つの画像オブジェクトの
潜在的条件の比較に基づいてフィーチャ差を判断するタ
イプである。

【００８６】以下では、第１のタイプの同質性基準につ
いて説明する。

【００８７】最も単純なケースでは、次の不等式（４）
による平均値は、２つのセグメント１と２の類似性また
は合致を最後に記述している同質性基準に入力される。

【００８８】

【数１６】

【００８９】不等式（４）において、αは画像全体の許
容範囲しきい値をグローバルに判断するあらかじめ決め
た係数を示し、ｍ₁ とｍ₂ は関係する画素または画像セ
グメント１と２の平均値を示し、この不等式は平均値ｍ
₁ とｍ₂ の差がグローバルにあらかじめ決められた許容
範囲、つまり、値αより大であってはならないことを規
定している。

【００９０】セグメンテーションの正確度は、不等式
（４）の同質性基準を変更し、さらにフィーチャ分布の
標準偏差が次の不等式（５）に示すように考慮されるよ
うにすると、さらに向上することができる。

【００９１】

【数１７】

【００９２】不等式（５）において、値αはこの場合も
あらかじめ決めた許容範囲を示し、α₁ とα₂ は２つの
セグメントの標準偏差であり、これに対してｍ₁ とｍ₂
はそれぞれ平均値を示している。従って、この条件は２
標準偏差の和で除して求められた２セグメントの平均値
の差が、あらかじめ決められた許容範囲より小でなけれ
ばならないことを規定している。この条件が満足されて
いれば、２つのセグメントは類似していると認識され、
１つのセグメントに結合される。パラメータα₁ とα₂
は以前と同じように、ここでもローカル・オブジェクト
関係を設定している。セグメントがすでにより同質であ
れば、平均値の差はより許容的に評価されることにな
る。

【００９３】小さなセグメント（約１ないし５個の画
素）は代表的な標準偏差をもっていないか、あるいはま
だもっていないので、その代わりに、標準偏差をこのよ
うな小さなセグメントに使用することが可能である。こ
れはあらかじ決めることができるが、例えば、画像全体
の標準偏差からまたは対応するコンテキストから求める
ことも可能である。

【００９４】図２から理解されるように、２つのセグメ
ントのマージングはセグメントの現在の特性、従って、
セグメントがどの程度すでにセグメント化されているか
によって決まる。すなわち、不等式（４）または（５）
による同質性基準は、特定の他のセグメントとのセグメ
ントの類似性がその現在の構成と共に常にある変化する
ことも意味している。言い換えれば、あるオブジェクト
に対して許容範囲を反復的に再定義する方法でのセグメ
ンテーションは歴史的方法である。常にある画素から始
まって追加の画素を連続的に組み込んでいく。オブジェ
クトの特性、従って、次に続く画素を追加するときの条
件は各セグメント化画素と共に変化する。従って、特定
の画素が特定のオブジェクトまたは画像セグメントに追
加されるかどうかは、基本的には、そのオブジェクトが
以前にどのような特性をもっていたかどうかによって決
まり、こちらの方はオブジェクトがいくつ、およびオブ
ジェクトのどの領域が以前にすでにセグメント化されて
いたかどうかによって決まる。

【００９５】以下では、セグメント・サイズがセグメン
ト・マージングにどのような付加的影響を及ぼすかを、
例を示して説明することにする。

【００９６】比較的大きなオブジェクトからセグメント
化することから始めるセグメンテーション方法の開始時
の小さなセグメントは小さなサンプルに対応し、より大
きなセグメントはそのオブジェクトの全体的分布からの
より大きなサンプルに対応している。

【００９７】セグメントが小さければ、オブジェクトの
平均分布値からの平均値の平均偏差は大になる。単一画
素だけからなる画像セグメントでは、これは、定義によ
り、オブジェクトの全体的分布の標準偏差である。より
大きいセグメントの分布の方が、オブジェクトの全体的
分布によりよく対応している。一般的には、このこと
は、より大きなセグメントのフィーチャ分布に基づいた
方が、より小さなセグメントのフィーチャ分布に基づく
よりも、はるかに安全で正確な判断ができることを意味
する。同時に、大きなセグメントのマージの仕方が正し
くないために起こる誤差は、小さなセグメントのマージ
ングによって起こる誤差よりも大幅に大きくなる。

【００９８】大きなセグメントまたは画像セグメント間
のバインディング許容範囲は、従って、さもなければ分
布特性が同一であるとき、小さなオブジェクト間のバイ
ンディングよりも厳格でなければならない。その結果、
マージングの際に画像セグメントのサイズを考慮する必
要がある。これは、例えば、次式に示すように不等式
（４）をさらに微分することにより達成される。

【００９９】

【数１８】

【０１００】不等式（６）において、ｎ_min は画素数の
中で２つのセグメントのうちの小さい方のサイズを示
し、εはグローバルにあらかじめ決められたパラメータ
であり、このサイズが基準にどれだけ強く影響するかを
示している。ε＝０ならば、セグメントのサイズは考慮
されない。選択したεが大きければ、小さい方のセグメ
ントのセグメンテーションにおける許容範囲と大きい方
のセグメントのセグメンテーションにおける厳格性との
間の差はそれだけ大になる。

【０１０１】以下は、平均値の差と標準偏差の差を評価
する基準の例である。不等式（５）におけると同じよう
に、標準偏差の類似性は追加的に同質性基準に含めるこ
とができる。これにより、同時に満足されなければなら
ない２つの不等式を含む次の関係式が得られる（∧は論
理ＡＮＤ演算子である）。

【０１０２】

【数１９】

【０１０３】上記の関係式（７）において、βはグロー
バルにあらかじめ決められたパラメータを示し、ｎ₁ と
ｎ₂ は２つの隣接画像セグメントの画素の数を示してい
る。

【０１０４】以下では、第２のタイプの同質性基準につ
いて説明する。

【０１０５】この第２タイプを使用すると、さらに良好
な結果が得られる。第２タイプの同質性基準は、２つの
画像オブジェクトの結合によってセグメンテーションに
導入された異質性によるフィーチャ間の差を、セグメン
テーションの後と前にセグメント条件を比較することに
よって判断する基準である。導入された異質性が小さけ
れば、それぞれの画像オブジェクトのフィーチャ差も小
さくなる。ここでは、それぞれの画像領域のサイズ（画
素の数）も、加重によって考慮される。可能な限り最大
の異質性をもつセグメントを、２つの画像オブジェクト
間のフィーチャの比較によって結合するのではなく、結
合の後の実際の条件が第２タイプ同質性基準によって結
合前の条件と比較されるので、可能な限り少ない異質性
がセグメンテーションに導入されることが保証される。

【０１０６】一般的に、第２タイプの同質性基準は次式
のように表すことができる。

【０１０７】

【数２０】

【０１０８】上記において、Δｈ_gew は導入された異質
性、つまり、マージングの後と前のそれぞれのセグメン
トのサイズで加重されたセグメントｈ₁ とｈ₂ の異質性
間の差である。

【０１０９】この第２タイプでは、各々結合前後の加重
標準偏差の比較、

【０１１０】

【数２１】

【０１１１】加重平均値の修正の比較、

【０１１２】

【数２２】

【０１１３】加重偏差の比較、

【０１１４】

【数２３】

【０１１５】を含む。

【０１１６】第２タイプの別の同質性基準は、隣接カラ
ー・ディベロップメントをもつ画像領域をセグメント化
するのに適している。この目的のために、例えば、２次
元画像の場合には、平均距離、つまり、局所空間(topic
al space) 内のカラー平均値の回帰表面(regression su
rface)からの、例えば、画素のような画像オブジェクト
のカラー平均値の平均自乗距離が判断される。これはセ
グメントの異質性ｈを測る尺度となり、不等式（８）で
利用することができる。以上のようにして、表面全体に
わたるカラーの最大連続的変化をもつセグメントまたは
かかる変化をもたないセグメントが生成される。

【０１１７】必要に応じて、局所空間内のカラー分布
を、複素関数によるのではなく線形関数で近似化するこ
とも可能である。

【０１１８】類似の同質性基準は、例えば、３次元オブ
ジェクトの２次元写真表現およびプロセスの過程で作ら
れたカラー・ディベロップメントを適当な画像オブジェ
クトにセグメント化するのに適している。

【０１１９】以下に説明する方法はラインのセグメンテ
ーションに関係するものである。

【０１２０】開始時に、上述した説明の通りに、表面セ
グメンテーションは、相互最良マッチで使用される潜在
的結合で導入された異質性による２つの画像オブジェク
ト間のフィーチャ差を検査する第２タイプの同質性基準
の１つを使用して行われる。処理される各画像オブジェ
クトごとに、最良マッチの隣接画像オブジェクトがサー
チされ、これらは最良マッチが実際に相互マッチである
場合にだけ結合される。同時に、「線形性」フィーチャ
が定義され、これは、例えば、セグメントの長さと幅の
比を示している。処理される各画像セグメントはその線
形性について検査される。線形性があらかじめ決められ
た特定の値を越えているときは、上述した処理が行われ
るほかに、ライン・セグメント(line segment)として処
理される。つまり、直接に隣接する近隣のほかに、ライ
ンを補足するマッチ画像オブジェクトもあらかじめ決め
られた距離まで、およびあらかじめ決められた角度セク
タで、ライン端の方向にサーチされる。ラインが結合で
補足される程度において、係数ｆ（０≦ｆ≦１）が減少
され、同質性基準におけるフィーチャ差がこの係数と共
に追加的に減少される。以上のように、ラインを補足す
る画像オブジェクトとのマッチングは、通常のセグメン
トとのマッチングと同等である。線形セグメントは相互
最良マッチに応じて、線形性が増加するような形で隣接
画像オブジェクトと結合することができるが、線形性が
その結果として減少するような形で通常の方法で結合す
ることも可能である。

【０１２１】直接に隣接する近傍に置かれていないで、
ラインを補足する画像オブジェクトが最良マッチで見つ
かった場合には、コヒーレンスを保証する最小の太さを
もつ接続ラインを描くことが可能である。適格性をもつ
画像オブジェクトは既存のセグメントからソートして、
ライン・セグメントに割り当てる必要が起こる場合もあ
る。

【０１２２】非常に細いライン構造の場合には、小さな
セグメントと線形セグメントでは対角線の近傍を受け入
れるようにすると別の利点が得られるのに対し、他のす
べてのセグメントでは、プレーナ(planar)・コヒーレン
スだけが可能であり、対角線コヒーレンスは不可能であ
る。このようにすると、ラインおよびライン・カーネル
をセグメンテーションで作成されることが容易化され
る。これまで小さく、対角線にコヒーレントであったセ
グメントが臨界サイズを越えたときや、これまで線形で
あったセグメントが表面マージングの結果として臨界線
形性以下になったときは、これはプレーナ・コヒーレン
スをもつコンポーネントに分割される。

【０１２３】以下では、境界補正に関していくつかの例
を示して説明する。

【０１２４】特定の境界サブオブジェクト（画素または
部分的セグメント）はある隣接セグメントだけでなく、
別の隣接セグメントにも潜在的に関係するようなことが
容易に起こり得る。そのようなケースでは、境界補正が
行われる。これに対応して、サブオブジェクトがセグメ
ントのどれとよくマッチしているかが検査される。

【０１２５】最も単純な形態では、マージングと同じよ
うに同じ同質性基準が採用されている。セグメントの各
境界サブオブジェクトが処理される。画素は画素が１つ
のセグメントと同じように処理される。境界サブオブジ
ェクトの各々はその関連性を検査するために直前セグメ
ントから切り離されるか、あるいは取り除かれ、それが
直前セグメントまたは別のセグメントによりよくマッチ
しているかどうかが同質性基準によって検査され、ケー
スによっては、再グループ化される。

【０１２６】最下位セグメント・プレーンでは、特定の
基準を使用することも可能である。この目的のために、
フィーチャの正規分布はセグメントの各々についてフィ
ーチャの平均値ｍと標準偏差αに基づいて想定されてい
る。その結果、次式（１２）が得られる。

【０１２７】

【数２４】

【０１２８】この正規分布から、期待値∂が得られるの
で、判断しようとする関連性をもつ画素のフィーチャ×
は２つの分布の各々で満足させることができる。期待値
∂からはそれぞれのセグメントとの関連性が得られる
（最尤基準）。隣接セグメントとの関連性が直前セグメ
ントとの関連性より大であれば、画素はその直前セグメ
ントから切り離され、隣接セグメントに割り当てられ
る。

【０１２９】サブジェクトを除外した結果、例えば、除
外または境界補正手法を適用したときセグメントがコヒ
ーレントであることを止めると、そのセグメントはその
コヒーレント・コンポーネントに分割される。

【０１３０】以下では、複数のチャネルを通るセグメン
テーションで同質性基準を処理する例について説明す
る。ここで「チャネル」という用語はその前後の関係か
ら、それぞれの画像が異なる情報内容をもつ複数の単一
画像（つまり、チャネル）からなることを意味するもの
とする。

【０１３１】ディジタル画像が複数のチャネルで利用可
能である場合、問題は、各チャネルに関する各判断で行
われている、同質性基準の検査に基づいて全体的判断を
どのような方法で行うことができるか、ということであ
る。

【０１３２】一方では、絶対的基準を参照することが可
能である。同質性基準が各チャネルで満足されていなけ
れば、マージングは行われない。これにより、良好な利
用が保証される。同質性基準が多数のチャネルで満足さ
れた場合でも、別のチャネルにおける差は基礎となる画
像構造が異なることを意味している。

【０１３３】他方では、各チャネルで同質性基準から判
断されたフィーチャの差を合計または平均化することも
可能である。チャネルはこの目的のために異なる重みを
付けることが可能である。例えば、式（１）または
（２）のような品質基準がチャネルを通して平均化する
全体的セグメンテーションで採用されていれば、同質性
基準の適用で合計または平均化を行うと、絶対的基準よ
りも良好な結果が得られる。

【０１３４】境界補正（図３も参照）では、画素とセグ
メントとの関連性の確率が各チャネルを通して得られ
る。関連性の総確率から各チャネルにおける関連性の単
一確率の幾何的平均値が得られる。このことは、ある程
度までは、あるチャネルにおける関連性の不良確率は、
別のチャネルにおける良好な確率で補償できることを意
味している。それにもかかわらず、あるチャネルにおけ
る関連性が特に不良であるときは、これは他のチャネル
での関連性が良好であるにもかかわらず、幾何的平均で
明確に表される。

【０１３５】次に、新しいオブジェクト・プレーンを階
層オブジェクト構造に挿入する場合について説明する。

【０１３６】この目的のために、基本的に２つの可能性
がある。

【０１３７】一方では、最初に次の下位オブジェクト・
プレーンのすべての画像オブジェクトが複製される。画
素の場合には、この画素を正確に１つサブジェクトとし
て含んでいるセグメントが生成される。新しく生成され
たそれぞれのセグメントは、次の下位のオブジェクト・
プレーンのオブジェクトのオーバオブジェクトとして階
層オブジェクト構造に挿入される。ここでは、新しいプ
レーンはすでに生成されているので、これは特定の同質
性基準を設定することで上述したようにさらに処理する
こと、つまり、結合および／または境界最適化すること
が可能になる。

【０１３８】他方では、新しいオブジェクト・プレーン
を生成するために、次の下位プレーンの画像オブジェク
トの各々は、上述した順序に関する基準に従って連続的
にスキャンされる。画像オブジェクトに、挿入すべきプ
レーン上のオーバオブジェクトがまだなければ、これは
複製によって生成され、オーバオブジェクトとしてオブ
ジェクト構造に挿入される。この直後に続いて、同質性
基準に基づいてあとで結合することができる、新しく作
られたオブジェクトを見つけるために隣接画像オブジェ
クトを見つける試みが行われる。この画像オブジェクト
が同一プレーン上のセグメントであれば、これらの２つ
のセグメントはマージされる。その画像オブジェクトが
次の下位プレーンの一部を形成しているが、他方では、
新プレーンのセグメントの一部をまだ形成していなけれ
ば、この画像オブジェクトは新サブオブジェクトとして
追加することによって新プレーンのセグメントと結合さ
れる。下位プレーンの画像オブジェクトが画素であれ
ば、これらは１つの画素をもつセグメントと同じように
処理される。以上のようにして、次の下位プレーンのす
べての画像オブジェクトは、新しいプレーンが画像領域
全体にわたって全体が作成されるまで処理される。その
あと、新しいプレーンは上述したようにさらに処理する
こと、つまり、結合および／または境界最適化すること
ができる。

【０１３９】新しいプレーンがすでに存在する２つの画
像オブジェクト・プレーンの間に挿入される場合は、上
位プレーン上の同じオーバオブジェクトの一部を形成す
る画像オブジェクトだけが結合される。

【図面の簡単な説明】

【図１】各々が異なるサイズのグレイ値範囲（値のスケ
ールは０から２５６までの範囲である）を示している６
つのオブジェクトを示す図である。

【図２】２つのオブジェクトのマージングを示す図であ
る。

【図３】本発明による境界補正を説明する図である。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 ゲルト ビニッヒ スイス ツェーハー−8832 ヴォーレラウ フェルゼンシュトラーセ 72 (72)発明者 ペーター エッシェンバッヒャー ドイツ デー−91077 ノインキルヒェン レール シェンヴェーク １ (72)発明者 アンドレアス メルヒンゲル ドイツ デー−89173 ロンゼー ブライ ター ヴェーク 14 (72)発明者 ミカエル ゼーグトロップ ドイツ 85586 ポイング ブルメンシュ トラーセ 21

Claims (42)

【特許請求の範囲】
1. 【請求項１】 多数の単一画素（ピクセル）からなるデ
   ィジタル画像をセグメント化する方法であって、特にデ
   ィジタル画像処理および／またはオブジェクトおよびパ
   ターン認識において、単一の隣接画素および／または画
   像セグメントが結合されるか、あるいはすでに形成され
   ている画像セグメントが、隣接画素または画像セグメン
   トの１つのフィーチャまたは複数のフィーチャが特定の
   同質性基準によって合致（同一または類似）していると
   判断されるか、あるいは合致していないと判断されると
   画素および／または部分的画像セグメントの分離によっ
   て変更されることで画像セグメントが形成される方法に
   おいて、 検査される各フィーチャの同質性基準として許容範囲が
   参照され、その許容範囲内では問題となっている２つの
   画素または画像セグメントのフィーチャ値は異なること
   が許容され、セグメンテーションはすべての画素または
   画像セグメントにわたって反復的に繰り返されて行われ
   ることを特徴とする方法。
2. 【請求項２】 請求項１に記載の方法において、画像セ
   グメントは画像オブジェクト（画素および画像セグメン
   ト）の階層構造に存在し、階層構造の最下位階層プレー
   ン上には画素が置かれ、そのあと、画素は少なくとも画
   像セグメントに結合された次の上位プレーン上に置か
   れ、他方、画像セグメントは一回または複数回部分的オ
   ブジェクトとして上位画像オブジェクトに階層的に結合
   可能であることを特徴とする方法。
3. 【請求項３】 請求項１または２に記載の方法におい
   て、画素または画像セグメントは確率論的または擬似確
   率論的順で処理されることを特徴とする方法。
4. 【請求項４】 請求項１乃至３のいずれかに記載の方法
   において、画像セグメントは、同質性基準を満足してい
   れば、同一階層プレーン上の他の画像セグメントとマー
   ジすることにより（セグメント・マージング）、および
   ／または次の下位階層プレーンの画素または隣接画像セ
   グメントを統合化することにより（追加）変更されるこ
   とを特徴とする方法。
5. 【請求項５】 請求項１乃至４のいずれかに記載の方法
   において、画像セグメントは、同一階層プレーン上にあ
   って、同質性基準が最良に満足されている１つの隣接画
   像セグメントとマージすることにより、さらに、その隣
   接画像セグメントについては、同質性基準が他の隣接セ
   グメントと比較して最良に満足されている（相互最良マ
   ッチ）場合に変更されることを特徴とする方法。
6. 【請求項６】 請求項１乃至５のいずれかに記載の方法
   において、画像セグメントは、除外しようとする画素ま
   たは部分的画像セグメントと残余のオリジナル画像セグ
   メントとの間の同質性基準が満足されなくなったとき
   （除外）、画素および／または部分的画像セグメントの
   除外によって変更されることを特徴とする方法。
7. 【請求項７】 請求項１乃至６のいずれかに記載の方法
   において、ある画像セグメントの境界に置かれていて、
   直前セグメントとも１つまたは複数の隣接セグメントと
   も同質性基準を満足する画素または部分的画像セグメン
   トは、同質性基準が最良に満足されている（境界相関）
   １つのセグメントに割り当てられることを特徴とする方
   法。
8. 【請求項８】 請求項１乃至７のいずれかに記載の方法
   において、セグメントのマージング（同一階層プレーン
   上の２つのセグメントのマージング）、追加（次の下位
   階層プレーンの隣接画像オブジェクトの追加）、除外
   （次の下位階層プレーンの画像オブジェクトの除外）お
   よび／または境界補正（画像セグメントの境界に置かれ
   たサブオブジェクトの交換）はオブジェクト構造のすべ
   ての階層プレーンで同じように適用されることを特徴と
   する方法。
9. 【請求項９】 請求項１乃至８のいずれかに記載の方法
   において、反復は安定またはほぼ安定したセグメント形
   成が達成されるまで繰り返されることを特徴とする方
   法。
10. 【請求項１０】 請求項１乃至９のいずれかに記載の方
    法において、同質性基準では、２つの画像オブジェクト
    を結合する際にカラー平均値の差があらかじめ決められ
    た許容範囲より小さくなければならないと判断され、そ
    の結果、同質性基準として次の不等式が参照され、 【数１】 上記において、αはあらかじめ決められた許容範囲、ｍ
    ₁ とｍ₂ は関係する２つの画像オブジェクトのカラー平
    均値であることを特徴とする方法。
11. 【請求項１１】 請求項１０に記載の方法において、不
    等式（１）におけるカラー平均値の差は、そこに含まれ
    るそれぞれの部分的画像オブジェクトの標準偏差の和に
    よって追加的に除算されものと同質性基準で判断され、
    その結果、同質性基準として次の不等式が参照され、 【数２】 上記において、αはあらかじめ決められた許容範囲、α
    ₁ とα₂ は結合される画像オブジェクトの標準偏差、ｍ
    ₁ とｍ₂ はそれらの画像オブジェクトのカラー平均値で
    あることを特徴とする方法。
12. 【請求項１２】 請求項１１に記載の方法において、不
    等式（２）によるカラー平均値の差は、含まれる２つの
    画像オブジェクトのうち小さい方のサイズだけ追加的に
    増加され、その結果、不等式（２）は次のように変更さ
    れ、 【数３】 上記において、εはグローバルにあらかじめ決められた
    パラメータ、ｎ_min は２つの隣接画像オブジェクトのう
    ち小さい方の画素の数であることを特徴とする方法。
13. 【請求項１３】 請求項１２に記載の方法において、フ
    ィーチャ「平均値」のほかに、フィーチャ「標準偏差」
    も同じように比較され、その結果同質性基準として、以
    下の２つの不等式を参照することが可能であるが、この
    ２つの不等式は同時に満足されなければならず、 【数４】 上記において、βはグローバルにあらかじめ決められた
    別のパラメータであることを特徴とする方法。
14. 【請求項１４】 請求項１乃至１３、特に請求項７のい
    ずれかに記載の方法において、境界画素が直前画像セグ
    メントとも、少なくとも１つの隣接画像セグメントとも
    同質性基準を満足しているとき、含まれる画像セグメン
    トのフィーチャ分布が計算され、境界画素が、フィーチ
    ャ値が最も頻繁に出現する１つの画像セグメントに割り
    当てられるように、その計算に基づいてそれぞれの境界
    画素の関連性が判断され、あるいは種々のセグメントに
    出現する頻度に基づいて確率が計算され、もって画素が
    確率論的にセグメントの１つに割り当てられるようにし
    たことを特徴とする方法。
15. 【請求項１５】 請求項１４に記載の方法において、機
    能の分布については、関係する画像セグメントのフィー
    チャのそれぞれのヒストグラムが参照されることを特徴
    とする方法。
16. 【請求項１６】 請求項１４に記載の方法において、画
    像セグメントのフィーチャの正規分布は、次式に従って
    フィーチャ分布として想定され、 【数５】 上記において、∂は期待値であることを特徴とする方
    法。
17. 【請求項１７】 請求項１乃至１６のいずれかに記載の
    方法において、境界補正を行っているとき、次の下位階
    層プレーンの画素または画像セグメントがある画像セグ
    メントから別の画像セグメントに再グループ化される
    と、前記１つの画像セグメントのコヒーレンスが検査さ
    れ、非コヒーレンスの場合には、該１つの画像セグメン
    トは分離によって発生した対応するコヒーレント画像セ
    グメントに分割されることを特徴とする方法。
18. 【請求項１８】 請求項１乃至１７のいずれかに記載の
    方法において、セグメント化されるディジタル画像は異
    なる情報内容を有する複数の単一画像（チャネル）から
    なり、画像オブジェクトは参照されるそれぞれの同質性
    基準が前記チャネルの各々について満足されたときだけ
    結合されることを特徴とする方法。
19. 【請求項１９】 請求項１４乃至１６のいずれかに記載
    の方法において、セグメント化されるディジタル画像は
    異なる情報内容を有する複数の単一画像（チャネル）か
    らなり、境界サブオブジェクトは、すべてのチャネルに
    わたって平均化された連続的に隣接する画像セグメント
    との関連性が、すべてのチャネルにわたって平均化され
    た直前の画像セグメントとの関連性より大であるときだ
    け画像セグメントから除去され、連続的に隣接する画像
    セグメントに割り当てられることを特徴とする方法。
20. 【請求項２０】 請求項１乃至１９、特に請求項１１乃
    至１３のいずれかに記載の方法において、あらかじめ決
    められた標準偏差は約１乃至５個の画素のサイズをもつ
    小さな画像セグメントで使用されることを特徴とする方
    法。
21. 【請求項２１】 請求項１乃至２０のいずれかに記載の
    方法において、境界画素は十分に大きな画像セグメント
    におけるセグメント特性の判断では参照されないことを
    特徴とする方法。
22. 【請求項２２】 請求項１乃至２１のいずれかに記載の
    方法において、画像オブジェクトの結合において、これ
    までに列挙した同質性基準のほかに、他の同質性基準が
    参照され、カラー分布の平均値、標準偏差または偏差よ
    りも遠くに離れているテクスチャ・フィーチャに基づい
    て画像オブジェクトとの関連性を判断することを特徴と
    する方法。
23. 【請求項２３】 請求項１乃至２２のいずれかに記載の
    方法において、マージングまたは境界補正においては、
    オブジェクト関連の種々同質性基準は、例えば、カラー
    ・ディベロップメントのコンパクト性、サイズ、境界の
    粗さ、線形性、勾配、またはこれらの分類などの、関係
    する画像オブジェクトの特定のフィーチャ基準に従って
    採用されていることを特徴とする方法。
24. 【請求項２４】 請求項１乃至２３のいずれかに記載の
    方法において、同質基準に入力されるパラメータの標準
    偏差、偏差または平均値は、それぞれの画像オブジェク
    トに含まれる画素のカラー値または特定の下位画像オブ
    ジェクト・プレーン上のそれぞれの画像オブジェクトに
    含まれるサブ画像オブジェクトのカラー平均値に関係す
    るものであることを特徴とする方法。
25. 【請求項２５】 請求項１乃至２４のいずれかに記載の
    方法において、特定の画像ディテール内のプレーンの画
    像オブジェクトが隣接画像オブジェクトの結合によって
    各々一度変更されるときの順序は、すでに処理されてい
    る画像オブジェクトからの可能な限り最大の距離を保証
    する順序であること、および／または確率論的または擬
    似確率論的な順序であること、および／またはあるラン
    内のプレーン上の複数の反復的ランにおいて、ランの開
    始時に存在する各画像セグメントが結合によって最大で
    も一度変更されるときの順序であること、および／また
    はあるラン内ですでに処理されている画像セグメントか
    らの可能な限り最大の距離を保証する順序であることを
    特徴とする方法。
26. 【請求項２６】 請求項１乃至２５、特に請求項４乃至
    ７のいずれかに記載の方法において、２つの隣接画像オ
    ブジェクトを結合する際の同質性基準の適用において、
    より厳格な別の比較基準が単純マッチの代わりに有効で
    あること、つまり、その結合は、画像オブジェクトの１
    つについては同質性基準に定義されているフィーチャ差
    が他の隣接オブジェクトと比較して最小であり、あらか
    じめ決められた許容範囲内に含まれているか（最良マッ
    チ、つまり、同質性基準は最良に満足されている）、ま
    たは両方の画像オブジェクトについては、同質性基準に
    定義されているフィーチャ差がそれぞれの他の隣接オブ
    ジェクトと比較して最小であり、あらかじめ決められた
    許容範囲内に含まれているか（相互最良マッチ、つま
    り、同質性基準は相互に最良に満足されている）、また
    は同質性基準に定義されているフィーチャ差がセグメン
    ト化される画像領域全体内の同一オブジェクト・プレー
    ン上の画像オブジェクトの他のすべての可能な限りの結
    合と比較して最小であり、あらかじめ決められた許容範
    囲内に含まれている（グローバル最良マッチ）ときだけ
    実行されることを特徴とする方法。
27. 【請求項２７】 請求項１乃至２６、特に請求項４、５
    および８のいずれかに記載の方法において、マージング
    と追加のオプションとは別に、画像オブジェクトはオー
    バ画像オブジェクトとして結合される２つの画像オブジ
    ェクトを含んでいる新しいセグメントを見つけることに
    よって別の隣接画像オブジェクトと結合され、これは階
    層オブジェクト構造のすべてのプレーン上でも同じよう
    に実行されることを特徴とする方法。
28. 【請求項２８】 請求項１乃至２７のいずれかに記載の
    方法において、新しいセグメント・プレーンは、最初に
    次の下位プレーンのすべての画像オブジェクトを複製
    し、このように新しく作成されたセグメントを直前の画
    像オブジェクトの新しいオーバオブジェクト（上位セグ
    メント）として挿入することによってオブジェクト構造
    の任意の階層レベルに導入され、新しいプレーンが画素
    のすぐ上に挿入されたときは（常に最初のセグメンテー
    ションにおいて）、すべての画素ごとに、この１つの画
    素を含んでいる画像セグメントが上位オブジェクトとし
    て作成されることを特徴とする方法。
29. 【請求項２９】 請求項１乃至２７のいずれかに記載の
    方法において、新しいセグメント・プレーンは、次の下
    位プレーンのすべての画像オブジェクトを各々一度連続
    的に処理することによってオブジェクト構造の任意の階
    層レベルに導入され、次の下位プレーンの画像オブジェ
    クトが別の隣接画像オブジェクトと結合されるとき一方
    または他方のどちらの画像オブジェクトも新しいプレー
    ン上のセグメントにバインドされていないと、新しいセ
    グメントは結合される２つの画像オブジェクトをオーバ
    オブジェクトとして含んでいる新しいプレーンを基礎と
    され、または隣接画像オブジェクトがすでに新しいプレ
    ーン上のセグメントであるときは、該画像オブジェクト
    は同一オーバオブジェクトをもつか、あるいは他のオー
    バオブジェクトをもたない隣接画像オブジェクトだけが
    結合されることを特徴とする方法。
30. 【請求項３０】 請求項１乃至２９のいずれかに記載の
    方法において、同質性基準で許容範囲と比較されるフィ
    ーチャ差は、セグメンテーションで２つの画像オブジェ
    クトの結合によって導入された異質性によって判断さ
    れ、つまり、マージングの後と前にそれぞれの画像オブ
    ジェクトのサイズで加重された画像オブジェクトの異質
    性間のフィーチャ差は同質性基準が次式を達成するよう
    に判断され、 【数６】 上記において、αはあらかじめ決められた許容範囲、ｈ
    ₁ とｈ₂ はそれぞれの画像オブジェクトの異質性、ｎ₁
    とｎ₂ はそれぞれの画像オブジェクトのサイズ、ｈ_neu
    は潜在的に新しく発生した画像オブジェクトの異質性で
    あることを特徴とする方法。
31. 【請求項３１】 請求項３０に記載の方法において、画
    像オブジェクトの異質性は、それぞれの画像オブジェク
    トの特定の下位画像オブジェクト・プレーン上のサブ画
    像オブジェクトからのカラー平均値の標準偏差として不
    等式（６）で定義され、その結果、同質性基準として次
    の不等式が参照され、 【数７】 上記において、σ₁ とσ₂ はそれぞれの画像オブジェク
    トの標準偏差であり、σ_neu は潜在的に新しく発生した
    画像オブジェクトの標準偏差であることを特徴とする方
    法。
32. 【請求項３２】 請求項３０に記載の方法において、画
    像オブジェクトの異質性は、それぞれの画像オブジェク
    トの特定の下位画像オブジェクト・プレーン上のサブ画
    像オブジェクトのカラー平均値の偏差として不等式
    （６）で定義され、その結果、同質性基準として次の不
    等式が参照され、 【数８】 上記において、ｖａｒ₁ とｖａｒ₂ はそれぞれの画像オ
    ブジェクトの偏差であり、ｖａｒ_neu は潜在的に新しく
    発生した画像オブジェクトの偏差であることを特徴とす
    る方法。
33. 【請求項３３】 請求項３０に記載の方法において、導
    入された異質性は、マージング前と後の画像オブジェク
    トのカラー平均値の加重された差を通して不等式（６）
    で判断され、その結果同質性基準として次の不等式が参
    照され、 【数９】 上記において、ｍ₁ とｍ₂ はそれぞれの画像オブジェク
    トのカラー平均値であり、ｍ_neu は潜在的に新しく発生
    した画像オブジェクトのカラー平均値であることを特徴
    とする方法。
34. 【請求項３４】 請求項３０に記載の方法において、連
    続的カラー遷移を有する画像領域は結合され、画像オブ
    ジェクトの異質性は、局所空間における平均値の回帰
    線、表面または超曲面に対する、または局所空間におけ
    るカラー平均値の別の近似関数に対する局所空間の次元
    に応じて、それぞれの画像オブジェクトの特定の下位画
    像オブジェクト・プレーンのサブ画像オブジェクトのカ
    ラー平均値の平均距離として、または距離の自乗の平均
    値として不等式（６）で定義されることを特徴とする方
    法。
35. 【請求項３５】 請求項１乃至３４のいずれかに記載の
    方法において、この方法の境界補正は、すべてのマージ
    ングの直後にそれぞれの画像オブジェクトに適用される
    か、あるいは連続するランでこの方法のマージングまた
    は追加と交互に適用されることを特徴とする方法。
36. 【請求項３６】 請求項１乃至３５のいずれかに記載の
    方法において、セグメント化されるディジタル画像は、
    異なる情報内容をもつ複数の単一画像、つまり、チャネ
    ルからなり、同質性基準のために、それぞれの画像オブ
    ジェクトに含まれる特定の下位画像オブジェクト・プレ
    ーンの画像オブジェクトのカラー値の標準偏差、偏差ま
    たは平均値は、すべてのチャネルにわたって加算または
    平均化され、チャネルは異なる加重が可能であることを
    特徴とする方法。
37. 【請求項３７】 請求項１乃至３６のいずれかに記載の
    方法において、画像オブジェクトの階層オブジェクト構
    造は自動的に生成され、画像オブジェクトの基礎、マー
    ジング、追加、境界補正および分解で同質性基準の単
    純、相互またはグローバル最良マッチを適用することに
    より、階層オブジェクト構造の複雑さの定義値が最小化
    され、オブジェクト構造は最終的に複数のセグメンテー
    ション・プレーンにではあるが、ローカルに異なる階層
    的深さに存在し、最上位プレーンは画素のすべてを結合
    した単一セグメントからなる（階層の自動確立）ことを
    特徴とする方法。
38. 【請求項３８】 請求項３７に記載の方法において、階
    層オブジェクト構造の複雑さの尺度は、オブジェクト構
    造内のすべての画像オブジェクトにわたって直接サブオ
    ブジェクトのカラー平均値の標準偏差を加算した和に、
    すべての画像オブジェクト内の直接サブオブジェクトの
    数を掛けたものとして定義され、 【数１０】 上記において、Ｃは複雑さ、ｖａｒ_iUdir はそれぞれの
    オブジェクトｉのカラー平均値の標準偏差、ｎ_iUdir は
    すべての画像オブジェクト内の直接サブオブジェクトの
    数であり、またはオブジェクト構造内のすべての画像オ
    ブジェクトにわたって直接サブオブジェクトのカラー平
    均値の偏差を加算した和に、すべての画像オブジェクト
    内の直接サブオブジェクトの数を掛けたものとして定義
    され、 【数１１】 上記において、Ｃは複雑さ、ｖａｒ_iUdir はそれぞれの
    オブジェクトｉのカラー平均値の偏差、ｎ_iUdir はすべ
    ての画像オブジェクト内の直接サブオブジェクトの数で
    あることを特徴とする方法。
39. 【請求項３９】 請求項１乃至３８のいずれかに記載の
    方法において、階層オブジェクト構造が確立され、処理
    する順序は最初に可能な限り最下位の画像オブジェクト
    ・プレーンから開始し、そのあとステップごとに上位プ
    レーンを処理していくか、または処理する階層順序は最
    初に可能な限り最上位のセグメント・プレーンから開始
    し、そのあとステップごとに下位プレーンを処理してい
    くか、または処理する階層順序は任意の所望順序であ
    り、新しい階層プレーンまたは単一画像オブジェクトは
    ２つの他のオブジェクト階層の間にも挿入され、後者の
    ２ケースでは、連続する画像オブジェクトの結合が、オ
    ーバオブジェクトと同じ画像オブジェクトを有するとき
    だけ可能となるようにしたことを特徴とする方法。
40. 【請求項４０】 請求項１乃至３９、特に請求項２３の
    いずれかに記載の方法において、上記に挙げたセグメン
    テーションと並行的に、ラインのセグメンテーションが
    等しく行われ、形状のフィーチャである「線形性」が導
    入され、これは例えば画像オブジェクトの長さと幅の比
    率を示し、画像は最初に上記に挙げた方法でセグメント
    化されるが、さらに、特定の線形性を超えるすべての画
    像オブジェクトはライン・セグメントとして等しく処理
    されることを特徴とする方法。
41. 【請求項４１】 請求項４０に記載の方法において、ラ
    イン・セグメントとしての画像オブジェクトの処理は、
    類似の画像オブジェクトのマッチにおいて、ラインを補
    足する画像オブジェクトがすぐ近傍を越えるライン端の
    方向に特定の距離までおよび特定の角度をもつセクタで
    サーチされる限りにおいて隣接の概念を拡張し、および
    ／またはラインが直前のライン・セグメントによってど
    れだけ良好に補足されているかに応じて、同質性基準で
    判断されたマッチング値を改善する係数を判断し、その
    結果同一マッチング値の場合には、通常の結合よりも線
    形結合が優先され、および／または周囲および／または
    同一カラーとの同一カラー・コントラストのほかに直前
    のライン・セグメントの線形性の改善といったように、
    ラインがどれだけ良好に補足されているかの基準を判断
    し、および／またはマッチングする画像オブジェクトが
    すぐ近傍に見つからなければ、非隣接セグメント間に可
    能な限り最小の太さを有する接続を確立し、その結果ラ
    イン・セグメントはどのケースにおいても対角線上でコ
    ヒーレントであることを特徴とする方法。
42. 【請求項４２】 請求項４０または４１に記載の方法に
    おいて、線形セグメンテーションを付加的に行うとき、
    セグメンテーションは最初に対角線の近傍で行われ、小
    さな線形セグメントは対角線コヒーレンスを有し、他の
    セグメントはすべてプレーナ・コヒーレンスを有し、こ
    れまで小さく対角線上にコヒーレントであったセグメン
    トが臨界サイズを超えていれば、またはこれまで線形で
    あったセグメントがエリア・マージングによって臨界線
    形性より下になっていれば、プレーナ・コヒーレンスを
    もつそのコンポーネントに分割されることを特徴とする
    方法。