4. パターンの検出 -...
TRANSCRIPT
画像中から特定のパターンを検出する手法 → 画像計測，認識上の必須処理
テンプレートマッチング 位置推定の高精度化 探索の高速化
ハフ変換
４. パターンの検出
4.0 パターンの検出問題
具体例
プリント基板の組み立て検査：ＩＣの位置を正確に検出したい
個人認証，ロボットビジョン：画像中から人物の顔を検出したい
ステレオ計測： 左右２枚の画像で対応点を高精度に抽出したい
4.0 パターン検出の基本的戦略
マッチングによる検出 対象が満たす条件を与え, その条件に合致する画像領域を求める方法
非対象との相違性に基づく検出 非対象（背景）が満たす条件を与え, その条件に合致しない画像領域を求める方法
識別に基づく検出 各画素や画像領域が対象と非対称のいずれに近いかを調べる識別問題として対象を検出する方法
4.0 パターン検出の基本的戦略
マッチングによる検出 対象が満たす条件を与え, その条件に合致する画像領域を求める方法
非対象との相違性に基づく検出 非対象（背景）が満たす条件を与え, その条件に合致しない画像領域を求める方法
識別に基づく検出 各画素や画像領域が対象と非対称のいずれに近いかを調べる識別問題として対象を検出する方法
今回の対象！
マッチングによる検出 対象そのものの統計的モデルを与え, これに合致する画像領域を求める手法 → 対象に関するモデルが必要！
モデル化の例 対象のテンプレート画像, 幾何モデル, 画素の色やテクスチャ, etc
手法の分類 対象の「見え」そのものを用いる方法 点や線などの画像特徴を用いる方法
テンプレートマッチング（高速化, 高精度化手法含む） Hough変換
取り上げる手法
• 入力・・・ 対象画像，テンプレート • 出力・・・ 対象の有無，検出位置, 姿勢, 大きさ
検出！
4.１ テンプレートマッチング
・全画像を対象に, 位置、回転角, スケールなどのパラメータをいかに効率良く探索する？（探索速度の問題） ・照明や露光の変化に対して頑健にするには？（照明変動に対するロバスト性） ・物体の見えの変化にどう対応する？（対象の変形、カメラの移動に対するロバスト性）
一般的な課題
画像間の類似度を表す尺度 ・テンプレートの大きさをM×N ・テンプレートの位置(i, j)における画素値をT(i, j) ・対象画像の画素値をI(i, j)
代表的類似尺度：SSD, SAD, NCC
T(i, j)
I (i, j)
M
N
SSD（Sum of Squared Difference）
SAD（Sum of Absolute Difference）
NCC（Normalized Correlation Coffiecient）
SSDRT
I SADR
cosNCCR θ=
θ
テンプレートと画像を画素値に関する統計値と考えて，次の相互相関係数を類似度として利用 (-1≦RZNCC≦1)
NCC（Normalized Cross-Correlation : 正規化相互相関 ）
明るさを正規化した上で, 相違度を計算
市街地間距離
ユークリッド距離
ベクトル間の余弦（cos）
（３）アクティブ探索法 物体の形状変形に安定な色ヒストグラムを特徴として利用
入力画像中のある位置の類似値からその近傍の類似値の上限値を計算
上限値が探索値より小さければ，その領域での探索が省略でき，照合回数を大幅に減らすことが可能．
パターンの似た部分は密に，そうでない部分は疎に探索
全探索と同等の結果を保証しつつ，10～1000倍の探索速度向上が可能
色ヒストグラムの作成と類似値の計算
ヒストグラム間の類似値 (ヒストグラム・インタセクション）
M H
A, B : 画像中の任意の領域 M : 参照画像 SAM, SBM : AとMの類似値, AとMの類似値 ：AとBの共通領域 A - B ：AからBを除いた領域 |A| ： 領域Aの画素数
上限値計算に基づく探索のスキップ
• 入力画像中のある位置での部分領域と参照画像との類似値は, その位置の近傍での類似値に類似
• A の領域と B の領域とのヒストグラムの違いは，A と B の重なりあった部分の部分ヒストグラムは同じであるため，図の差分部分だけであるという関係を利用することが可能
• ある位置での類似値が計算されれば, その近傍の類似値の上限値が計算でき, もし探索している領域の類似値よりこの上限値が小さければ，この領域での類似値の計算をする必要はない．
アクティブ探索法の高速化の効果
アクティブ探索法は，総当たり法と同じ結果を保証しながら計算量と計算時間を大幅に削減可能．
対象領域では密な探索を行い，それ以外の領域では疎に探索
約20倍高速化！