分類処理生成装置および分類処理生成方法
【課題】有効な分類処理を生成するとともに、分類処理の内容を表示することにより、作業者が分類処理の解釈や修正等を容易に行う。
【解決手段】評価部２２では、所定の画像処理演算および特徴量演算を含む分類処理候補が準備され、いずれかの画像グループに属する各元画像に対して当該画像処理演算および当該特徴量演算を行うことにより、複数の元画像の複数の特徴量が求められ、複数の元画像を分類する際における複数の特徴量の有効度が求められる。演算内容変更部２３では、当該分類処理候補の内容を変更しつつ評価部２２にて有効度を求める処理が、終了条件を満たすまで繰り返される。そして、有効度が閾値以上となる場合の分類処理候補である分類処理の内容が表示制御部２４によりディスプレイ１６に表示される。有効な分類処理を生成するとともに、分類処理の内容を表示することにより、作業者が分類処理の解釈や修正等を容易に行うことが可能となる。
【解決手段】評価部２２では、所定の画像処理演算および特徴量演算を含む分類処理候補が準備され、いずれかの画像グループに属する各元画像に対して当該画像処理演算および当該特徴量演算を行うことにより、複数の元画像の複数の特徴量が求められ、複数の元画像を分類する際における複数の特徴量の有効度が求められる。演算内容変更部２３では、当該分類処理候補の内容を変更しつつ評価部２２にて有効度を求める処理が、終了条件を満たすまで繰り返される。そして、有効度が閾値以上となる場合の分類処理候補である分類処理の内容が表示制御部２４によりディスプレイ１６に表示される。有効な分類処理を生成するとともに、分類処理の内容を表示することにより、作業者が分類処理の解釈や修正等を容易に行うことが可能となる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像を複数の画像グループのいずれかに分類するための分類処理を生成する技術に関する。
【背景技術】
【０００２】
従来より、美術史等の研究の場では、絵画等の美術作品を、描かれた年代や、描かれた場所、あるいは、描かれている内容等の観点から解析し、グループ分けすることが行われている。また、非特許文献１では、色彩情報の統計解析により絵画を定量的に分析する手法が開示されている。
【０００３】
なお、特許文献１では、画像中の人物領域から予め決まったクラス毎の特徴量を検出し、特徴量毎に有効値を求め 、有効値に基づいて個人認識処理で使用する特徴量を選別する手法が開示されている。特許文献２では、効率的な検索を実現する手法が開示されており、本手法では、複数の要素と特徴項目の全ての組み合わせについて、その特徴項目を指定して検索を行ったときの絞り込み量のバラツキの程度が求められ、バラツキが小さいほど絞り込み効果が高いものとして、バラツキの程度に基づいて各特徴項目の絞込みに対する有効度が判断され、特徴項目の順位付けが行われる。そして、当該順位に従って特徴量が入力されるように検索者に報知が行われる。
【０００４】
また、特許文献３では、検索の有効度を予め把握することが可能な人物検索装置が開示されており、当該装置では、複数のカメラが撮像した撮像画像内の人物の特徴量を示す特徴量情報が取得される。そして、第１のカメラで撮像された第１の人物の特徴量と第２のカメラで撮像された第２の人物の特徴量との差異が人物の特徴毎に算出され、特徴量の差異に基づいて、第１の人物を検索する場合の有効度を示す絞込有効度が人物の特徴毎に算出される。特許文献４および５では、サポートベクターマシンにおいて有意な特徴を識別する手法が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−２９３６４４号公報
【特許文献２】特開２００９−２０５７８号公報
【特許文献３】特開２００９−４２８７９号公報
【特許文献４】特表２００８−５２４６７５号公報
【特許文献５】特表２００８−１２９６５７号公報
【非特許文献】
【０００６】
【非特許文献１】車妍、「後期印象派絵画の色彩調和解析について」、［online］、２００８年３月、国立大学法人筑波大学、［平成２３年８月８日検索］、インターネット＜ＵＲＬ：http://www.cs.tsukuba.ac.jp/H19Syuron/200621005.pdf＞
【発明の概要】
【発明が解決しようとする課題】
【０００７】
ところで、大量の作品を自動的に分類するには、グループ分けの判断基準に従った分類処理を生成することが必要である。絵画等の作品を「年代」や「対象物」等の明確な判断基準でグループ分けする場合、分類処理は比較的容易に生成することができるが、「画風」や「タッチ」と呼ばれる、主観的な印象に基づく判断基準にてグループ分けを行う場合、分類における判断基準を明確に定義したり、定量化することが容易ではないため、分類処理を生成することが困難である。特に、抽象画については、その解釈自体が観察者に依存するため、分類処理を生成することが極めて困難である。このような問題により、美術作品の深い研究を行うことができず、美術の理解等の妨げとなっている。
【０００８】
本発明は上記課題に鑑みなされたものであり、有効な分類処理を生成するとともに、作業者が分類処理の解釈や修正等を容易に行うことが可能となる技術を提供することを目的としている。
【課題を解決するための手段】
【０００９】
請求項１に記載の発明は、画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成装置であって、所定の画像処理演算および特徴量演算を含む分類処理候補が準備され、前記分類処理候補を用いて、複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成し、前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求め、前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める評価部と、前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記評価部にて前記有効度を求める処理を、終了条件を満たすまで繰り返す演算内容変更部と、前記終了条件を満たした際に、前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する表示制御部とを備える。
【００１０】
請求項２に記載の発明は、請求項１に記載の分類処理生成装置であって、前記表示制御部が、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容を前記表示部に表示する。
【００１１】
請求項３に記載の発明は、請求項１または２に記載の分類処理生成装置であって、前記表示制御部が、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とを前記表示部に同時に表示する。
【００１２】
請求項４に記載の発明は、請求項１または２に記載の分類処理生成装置であって、前記表示制御部が、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像を前記表示部に同時に表示する。
【００１３】
請求項５に記載の発明は、請求項１ないし４のいずれかに記載の分類処理生成装置であって、前記評価部において、複数の分類処理候補が準備され、前記評価部が、前記複数の分類処理候補にそれぞれ対応する複数の有効度を求め、前記演算内容変更部が、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記評価部にて前記複数の有効度を求める処理を、前記終了条件を満たすまで繰り返す。
【００１４】
請求項６に記載の発明は、画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成方法であって、ａ）所定の画像処理演算および特徴量演算を含む分類処理候補を準備する工程と、ｂ）複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成する工程と、ｃ）前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求める工程と、ｄ）前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める工程と、ｅ）前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程を、終了条件を満たすまで繰り返す工程と、ｆ）前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する工程とを備える。
【００１５】
請求項７に記載の発明は、請求項６に記載の分類処理生成方法であって、前記ｆ）工程において、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容が前記表示部に表示される。
【００１６】
請求項８に記載の発明は、請求項６または７に記載の分類処理生成方法であって、前記ｆ）工程において、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とが前記表示部に同時に表示される。
【００１７】
請求項９に記載の発明は、請求項６または７に記載の分類処理生成方法であって、前記ｆ）工程において、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像が前記表示部に同時に表示される。
【００１８】
請求項１０に記載の発明は、請求項６ないし９のいずれかに記載の分類処理生成方法であって、前記ａ）工程において、複数の分類処理候補が準備され、前記ｂ）ないしｄ）工程により、前記複数の分類処理候補にそれぞれ対応する複数の有効度が求められ、前記ｅ）工程において、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程が、前記終了条件を満たすまで繰り返される。
【発明の効果】
【００１９】
本発明によれば、有効な分類処理を生成するとともに、分類処理の内容を実質的に表示することにより、作業者が分類処理の解釈や修正等を容易に行うことができる。
【図面の簡単な説明】
【００２０】
【図１】コンピュータの構成を示す図である。
【図２】コンピュータが実現する機能構成を示すブロック図である。
【図３】コンピュータが分類処理を生成する動作の流れを示す図である。
【図４】集団に含まれる分類処理候補を示す図である。
【図５】元画像を示す図である。
【図６】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図７】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図８】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図９】集団の更新を説明するための図である。
【図１０】集団の更新を説明するための図である。
【図１１】集団の更新を説明するための図である。
【図１２】更新後の集団に含まれる分類処理候補を示す図である。
【図１３】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図１４】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図１５】ディスプレイに表示されるウィンドウを示す図である。
【図１６】コンピュータが対象画像を分類する動作の流れを示す図である。
【図１７】画像処理演算に係るモジュールを抽象的に示す図である。
【発明を実施するための形態】
【００２１】
図１は、本発明の一の実施の形態に係る分類処理生成装置を実現するコンピュータ１の構成を示す図である。コンピュータ１では、絵画等の画像を複数の画像グループのいずれかに分類するための分類処理が生成される。分類処理は、後述するように画像処理演算および特徴量演算を含むものであり、当該分類処理により分類対象の画像の分類が可能となる。
【００２２】
コンピュータ１は、各種演算処理を行うＣＰＵ１１、基本プログラムを記憶するＲＯＭ１２および各種情報を記憶するＲＡＭ１３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク１５、各種情報の表示を行う表示部であるディスプレイ１６、操作者からの入力を受け付けるキーボード１７ａおよびマウス１７ｂ、光ディスク、磁気ディスク、光磁気ディスク、フラッシュメモリ等のコンピュータ読み取り可能な記録媒体８１から情報の読み取りを行ったり記録媒体８１に情報の書き込みを行う読取／書込装置１８、並びに、外部との通信を行う通信部１９が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。
【００２３】
コンピュータ１には、事前に読取／書込装置１８を介して記録媒体８１からプログラム８１０が読み出され、固定ディスク１５に記憶される。そして、プログラム８１０がＲＡＭ１３にコピーされるとともにＣＰＵ１１がＲＡＭ１３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ１が、分類処理生成装置としての処理を行う。
【００２４】
図２は、ＣＰＵ１１がプログラム８１０に従って動作することにより、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、固定ディスク１５等が実現する機能構成を示すブロック図である。図２において、画像入力部２１、評価部２２、演算内容変更部２３および表示制御部２４がＣＰＵ１１等により実現される機能である。なお、これらの機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。
【００２５】
図３は、コンピュータ１が分類処理を生成する動作の流れを示す図である。まず、図２の評価部２２では、所定の画像処理演算および特徴量演算を含む分類処理候補が準備される（ステップＳ１１）。ここで、本実施の形態では、遺伝的アルゴリズム（genetic algorithm）により後述の画像の分類にて利用可能な分類処理が生成され、ステップＳ１１の処理では、３個の分類処理候補が初期集団に含まれる遺伝子として準備される。遺伝子は、数１のように、任意の画像処理演算Ｐｉを複数回適用して、最後に特徴量演算Ｃｉを適用する処理の列Ｇｉとして表現される。
【００２６】
【数１】
【００２７】
本実施の形態において用いられる画像処理演算は、表１の左列に示す「グレー値二値化」、「Ｒ成分値二値化」、「Ｇ成分値二値化」、「Ｂ成分値二値化」、「収縮」、「膨張」および「平滑化」である。「グレー値二値化」では、表１の右列における「二値化閾値Ｔｈ」以上となるグレー値を有する画素に、新たな画素値２５５が付与され、残りの画素に画素値０が付与される。「Ｒ成分値二値化」、「Ｇ成分値二値化」および「Ｂ成分値二値化」は、それぞれＲ（赤）成分の画素値、Ｇ（緑）成分の画素値およびＢ（青）成分の画素値が閾値と比較される点を除き、「グレー値二値化」と同様である。「グレー値二値化」における「二値化閾値Ｔｈ」は２０であり、「Ｒ成分値二値化」、「Ｇ成分値二値化」および「Ｂ成分値二値化」における「二値化閾値Ｔｈ」は５０である。「収縮」、「膨張」および「平滑化」のそれぞれでは、表１の右列における「サイズＳｚ」のフィルタを用いて当該処理が行われ、本実施の形態では「サイズＳｚ」は５である。なお、「グレー値二値化」の画像処理演算では、ＩＲをＲ成分の画素値、ＩＧをＧ成分の画素値、ＩＢをＢ成分の画素値として、グレー値は（０．２９８９×ＩＲ＋０．５８７０×ＩＧ＋０．１１４０×ＩＢ）にて求められる。
【００２８】
【表１】
【００２９】
また、本実施の形態において用いられる特徴量演算は、表２の左列に示す「領域数」を求める演算、「領域の総面積」を求める演算、および、「円形領域数」を求める演算である。「領域数」、「領域の総面積」および「円形領域数」のそれぞれの演算では、表２の右列における「画素値閾値ｖ」（本実施の形態では、２５５）以上となる画素値を有するとともに、互いに連続する画素の集合が１つの領域として取り扱われる。そして、「領域数」の演算では領域の個数が求められ、「領域の総面積」の演算では全ての領域の総面積が求められる。また、「円形領域数」の演算では、全ての領域のうち、真円度が、表２の右列における「真円度閾値ｗ」（本実施の形態では、０．９）以上となる領域の個数が求められる。なお、領域面積閾値をさらに追加し、領域面積閾値以上の面積を有する領域のみを対象として、「領域数」、「領域の総面積」および「円形領域数」が求められてよい。
【００３０】
【表２】
【００３１】
以下の処理では、遺伝子が、画像処理演算Ｐを２回適用して、最後に特徴量演算Ｃを適用する処理の列Ｇｉとして表現される、すなわち、遺伝子が（Ｇｉ＝Ｐｉ１×Ｐｉ２×Ｃｉ）にて表現されるものとする。また、説明の便宜上、１回目の画像処理演算（以下、「先行画像処理演算」という。）Ｐｉ１は「グレー値二値化」、「Ｒ成分値二値化」、「Ｇ成分値二値化」および「Ｂ成分値二値化」（以下、「二値化演算」と総称する。）のいずれかに制限され、２回目の画像処理演算（以下、「後続画像処理演算」という。）Ｐｉ２は「収縮」、「膨張」および「平滑化」（以下、「フィルタ演算」と総称する。）のいずれかに制限される。もちろん、各遺伝子が１つのまたは３以上の画像処理演算を含んでもよい。
【００３２】
具体的には、第１世代（初期世代）の集団に含まれる３個の遺伝子はそれぞれ（Ｇ１＝Ｐ１１×Ｐ１２×Ｃ１）、（Ｇ２＝Ｐ２１×Ｐ２２×Ｃ２）、（Ｇ３＝Ｐ３１×Ｐ３２×Ｃ３）にて表現される。図４に示すように、遺伝子Ｇ１における先行画像処理演算Ｐ１１は「グレー値二値化」であり、後続画像処理演算Ｐ１２は「収縮」であり、特徴量演算Ｃ１は「円形領域数」の演算である。遺伝子Ｇ２における先行画像処理演算Ｐ２１は「Ｒ成分値二値化」であり、後続画像処理演算Ｐ２２は「膨張」であり、特徴量演算Ｃ２は「領域の総面積」の演算である。遺伝子Ｇ３における先行画像処理演算Ｐ３１は「Ｇ成分値二値化」であり、後続画像処理演算Ｐ３２は「平滑化」であり、特徴量演算Ｃ３は「領域数」の演算である。後述するように、必要に応じて集団（世代）を更新する処理が行われるため、上記遺伝子Ｇ１、Ｇ２、Ｇ３が、Ｎ回目（Ｎは１以上の整数）の更新後における集団を構成するものであってもよい。
【００３３】
一方、分類処理の生成では、複数の画像グループのそれぞれに属する複数の画像（以下、「元画像」という。）が作業者により主観的に選択されて準備される。本実施の形態における元画像は、各画素がＲ成分、Ｇ成分、Ｂ成分のそれぞれの画素値（本実施の形態では、０ないし２５５のいずれかの値）を有するカラー画像である。
【００３４】
図５は、各画像グループに属する元画像を示す図である。図５に示すように元画像３１，４１は画像グループＡに属し、元画像５１，６１は画像グループＢに属する。元画像３１は、４個のオブジェクト（図形）３１１〜３１４を含み、矩形のオブジェクト３１１，３１３はＲ成分の画素値が２５５であり、Ｇ成分およびＢ成分の画素値が共に０である画素（以下、単に「Ｒの画素」という。）の集合である。また、楕円形または円形のオブジェクト３１２，３１４はＢ成分の画素値が２５５であり、Ｒ成分およびＧ成分の画素値が共に０である画素（以下、単に「Ｂの画素」という。）の集合である。図５では、同じ色のオブジェクトに同じハッチングを付している（後述の図６ないし図８、図１３、並びに、図１４において同様）。
【００３５】
元画像４１は、５個のオブジェクト４１１〜４１５を含み、矩形のオブジェクト４１１，４１３，４１４はＲの画素の集合であり、楕円形または円形のオブジェクト４１２，４１５はＢの画素の集合である。元画像５１は、４個のオブジェクト５１１〜５１４を含み、楕円形または円形のオブジェクト５１１，５１２はＲの画素の集合であり、矩形のオブジェクト５１３，５１４はＢの画素の集合である。元画像６１は、５個のオブジェクト６１１〜６１５を含み、楕円形または円形のオブジェクト６１１，６１２，６１５はＲの画素の集合であり、矩形のオブジェクト６１３，６１４はＢの画素の集合である。元画像３１，４１，５１，６１における背景領域（すなわち、オブジェクト以外の領域）は、Ｒ成分、Ｇ成分およびＢ成分の画素値が共に１０である画素の集合である。
【００３６】
図５の元画像３１，４１，５１，６１では、元画像３１のオブジェクト３１１は、元画像４１のオブジェクト４１１、元画像５１のオブジェクト５１３および元画像６１のオブジェクト６１４と同じ形状および大きさであり（ただし、オブジェクト５１３のみ向きが相違する。）、面積が３００となる。元画像３１のオブジェクト３１２は、元画像４１のオブジェクト４１２、元画像５１のオブジェクト５１１、並びに、元画像６１のオブジェクト６１１，６１２と同じ形状および大きさであり、面積が６００となる。元画像３１のオブジェクト３１３は、元画像４１のオブジェクト４１３，４１４、元画像５１のオブジェクト５１４および元画像６１のオブジェクト６１３と同じ形状および大きさであり（ただし、オブジェクト４１４のみ向きが相違する。）、面積が６００となる。元画像３１のオブジェクト３１４は、元画像４１のオブジェクト４１５、元画像５１のオブジェクト５１２および元画像６１のオブジェクト６１５と同じ形状および大きさであり、面積が３００となる。このように、元画像３１，４１，５１，６１は４種類の形状のオブジェクトにて構成され、各画像においてオブジェクトの数や配置、角度、色が異なる。なお、Ｒの画素にて構成されるオブジェクトのグレー値は７６であり、Ｂの画素にて構成されるオブジェクトのグレー値は２９であり、背景領域のグレー値は１０である。
【００３７】
上記元画像３１，４１，５１，６１は、画像入力部２１により評価部２２へと入力され、画像処理演算部２２１では、各元画像３１，４１，５１，６１に対して現在の集団の各遺伝子に含まれる先行画像処理演算および後続画像処理演算が順に行われる（ステップＳ１２）。具体的には、（Ｐ１１×Ｐ１２×Ｃ１）にて表現される遺伝子Ｇ１については、先行画像処理演算Ｐ１１である「グレー値二値化」が、図６の最も左側の列（上段に「元画像」と記す列）に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図６の左から２番目の列に示す中間画像３２ａ，４２ａ，５２ａ，６２ａが生成される。また、後続画像処理演算Ｐ１２である「収縮」が、中間画像３２ａ，４２ａ，５２ａ，６２ａのそれぞれに対して行われ、図６の左から３番目の列に示す処理済み画像３３ａ，４３ａ，５３ａ，６３ａが生成される。
【００３８】
また、（Ｐ２１×Ｐ２２×Ｃ２）にて表現される遺伝子Ｇ２については、先行画像処理演算Ｐ２１である「Ｒ成分値二値化」が、図７の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図７の左から２番目の列に示す中間画像３２ｂ，４２ｂ，５２ｂ，６２ｂが生成される。また、後続画像処理演算Ｐ２２である「膨張」が、中間画像３２ｂ，４２ｂ，５２ｂ，６２ｂのそれぞれに対して行われ、図７の左から３番目の列に示す処理済み画像３３ｂ，４３ｂ，５３ｂ，６３ｂが生成される。
【００３９】
さらに、（Ｐ３１×Ｐ３２×Ｃ３）にて表現される遺伝子Ｇ３については、先行画像処理演算Ｐ３１である「Ｇ成分値二値化」が、図８の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図８の左から２番目の列に示す中間画像３２ｃ，４２ｃ，５２ｃ，６２ｃが生成される。また、後続画像処理演算Ｐ３２である「平滑化」が、中間画像３２ｃ，４２ｃ，５２ｃ，６２ｃのそれぞれに対して行われ、図８の左から３番目の列に示す処理済み画像３３ｃ，４３ｃ，５３ｃ，６３ｃが生成される。
【００４０】
続いて、特徴量演算部２２２では、集団の各遺伝子に含まれる特徴量演算が、当該遺伝子に対応する処理済み画像に対して行われる（ステップＳ１３）。遺伝子Ｇ１については、特徴量演算Ｃ１である「円形領域数」の演算が図６の左から３番目の列に示す処理済み画像３３ａ，４３ａ，５３ａ，６３ａのそれぞれに対して行われ、図６の最も右側の列に示すように、処理済み画像３３ａ，４３ａ，５３ａ，６３ａにおける「円形領域数」が元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。
【００４１】
遺伝子Ｇ２については、特徴量演算Ｃ２である「領域の総面積」の演算が図７の左から３番目の列に示す処理済み画像３３ｂ，４３ｂ，５３ｂ，６３ｂのそれぞれに対して行われ、図７の最も右側の列に示すように、処理済み画像３３ｂ，４３ｂ，５３ｂ，６３ｂにおける「領域の総面積」が元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。遺伝子Ｇ３については、特徴量演算Ｃ３である「領域数」の演算が図８の左から３番目の列に示す処理済み画像３３ｃ，４３ｃ，５３ｃ，６３ｃのそれぞれに対して行われ、図８の最も右側の列に示すように、処理済み画像３３ｃ，４３ｃ，５３ｃ，６３ｃにおける「領域数」が元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。
【００４２】
以上のようにして、各遺伝子（分類処理候補）において複数の元画像３１，４１，５１，６１に対する複数の特徴量が求められると、有効度演算部２２３では、各遺伝子について、特徴量を従属変数、画像グループを因子として、一元配置分散分析における有意確率（ｐ値）が表３のように求められる（ステップＳ１４）。
【００４３】
【表３】
【００４４】
表３に示すように、集団における遺伝子Ｇ１に対する有意確率は０．４２３であり、遺伝子Ｇ２に対する有意確率は１．０００であり、遺伝子Ｇ３に対する有意確率は計算不能（有意確率の計算式における分母が０となる。）である。ここで、有意確率が小さいほど、画像グループＡにおける特徴量の平均値と画像グループＢにおける特徴量の平均値との間に有意差があると考えられる。したがって、複数の元画像３１，４１，５１，６１のそれぞれを、複数の画像グループＡ、Ｂのいずれかに分類する際における複数の特徴量の有効度（または、評価値）、すなわち、画像グループＡ、Ｂへの分類における各遺伝子の有効度を、グループ分けに有用なほど高い値となる指標として定義すると、例えば有意確率の逆数等を有効度として用いることができる。このように、ステップＳ１４の処理は、各遺伝子において求められる複数の特徴量の有効度を求める処理である。
【００４５】
演算内容変更部２３では、３個の遺伝子に対する有意確率のうち最小の有意確率を集団評価値として、集団評価値が所定の評価閾値０．０５以下であるか否かが確認される。表３の例では、集団評価値が０．４２３であり、評価閾値よりも大きいため、集団の更新（すなわち、分類処理候補の更新）が行われる（ステップＳ１５）。ステップＳ１５の処理は、有効度が所定の閾値以上である場合を終了条件として、終了条件を満足するか否かを確認する処理であると捉えられる。
【００４６】
集団の更新では、まず、図４に示す現在の集団に含まれる遺伝子Ｇ１、遺伝子Ｇ２および遺伝子Ｇ３のうち有意確率が最大となるものが集団から削除される（すなわち、遺伝子の淘汰を行う。）（ステップＳ１６）。ここでは、有意確率が計算不能となる遺伝子は有意確率が最大とみなされ、遺伝子Ｇ３が集団から削除される。続いて、図９に示すように、有意確率が最小となる遺伝子Ｇ１が、遺伝子Ｇ１’として複製される（すなわち、遺伝子の増殖を行う。）（ステップＳ１７）。遺伝子Ｇ１’は（Ｐ１１×Ｐ１２×Ｃ１）にて表現される。
【００４７】
遺伝子Ｇ１’が複製されると、図１０に示すように、有意確率が２番目に小さい遺伝子Ｇ２における後続画像処理演算Ｐ２２および特徴量演算Ｃ２と、遺伝子Ｇ１’における後続画像処理演算Ｐ１２および特徴量演算Ｃ１とが交換される（すなわち、遺伝子の交叉を行う。）（ステップＳ１８）。これにより、新たな遺伝子Ｇ４および遺伝子Ｇ５が生成される。また、交叉により生成された遺伝子Ｇ４および遺伝子Ｇ５の先行画像処理演算、後続画像処理演算および特徴量演算から１つの演算がランダム（不規則）に選択され、同種の他の演算に変更される（すなわち、遺伝子の突然変異を行う。）（ステップＳ１９）。すなわち、先行画像処理演算が選択された場合には他の二値化演算に変更され、後続画像処理演算が選択された場合には他のフィルタ演算に変更され、特徴量演算が選択された場合には他の種類の特徴量を求める演算に変更される。ここでは、図１１中にアンダーラインを付して示す遺伝子Ｇ４における特徴量演算Ｃ２が「領域の総面積」から「領域数」に変更されている。なお、遺伝子Ｇ１において突然変異が行われてよい。
【００４８】
以上の処理により集団の更新が完了し、（Ｐ１１×Ｐ１２×Ｃ１）にて表現される遺伝子Ｇ１、（Ｐ４１×Ｐ４２×Ｃ４）にて表現される遺伝子Ｇ４、（Ｐ５１×Ｐ５２×Ｃ５）にて表現される遺伝子Ｇ５が、分類処理候補として更新後の集団（（Ｎ＋１）回目の更新後の集団と捉えられてよい。）に含まれる。図１２に示すように、遺伝子Ｇ１における先行画像処理演算Ｐ１１は「グレー値二値化」であり、後続画像処理演算Ｐ１２は「収縮」であり、特徴量演算Ｃ１は「円形領域数」の演算である。遺伝子Ｇ４における先行画像処理演算Ｐ４１は「グレー値二値化」であり、後続画像処理演算Ｐ４２は「膨張」であり、特徴量演算Ｃ４は「領域数」の演算である。遺伝子Ｇ５における先行画像処理演算Ｐ５１は「Ｒ成分値二値化」であり、後続画像処理演算Ｐ５２は「収縮」であり、特徴量演算Ｃ５は「円形領域数」の演算である。
【００４９】
画像処理演算部２２１では、各元画像３１，４１，５１，６１に対して更新後の集団の各遺伝子に含まれる先行画像処理演算および後続画像処理演算が順に行われる（ステップＳ１２）。具体的には、（Ｐ４１×Ｐ４２×Ｃ４）にて表現される遺伝子Ｇ４については、先行画像処理演算Ｐ４１である「グレー値二値化」が、図１３の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図１３の左から２番目の列に示す中間画像３２ｄ，４２ｄ，５２ｄ，６２ｄが生成される。また、後続画像処理演算Ｐ４２である「膨張」が、中間画像３２ｄ，４２ｄ，５２ｄ，６２ｄのそれぞれに対して行われ、図１３の左から３番目の列に示す処理済み画像３３ｄ，４３ｄ，５３ｄ，６３ｄが生成される。
【００５０】
（Ｐ５１×Ｐ５２×Ｃ５）にて表現される遺伝子Ｇ５については、先行画像処理演算Ｐ５１である「Ｒ成分値二値化」が、図１４の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図１４の左から２番目の列に示す中間画像３２ｅ，４２ｅ，５２ｅ，６２ｅが生成される。また、後続画像処理演算Ｐ５２である「収縮」が、中間画像３２ｅ，４２ｅ，５２ｅ，６２ｅのそれぞれに対して行われ、図１４の左から３番目の列に示す処理済み画像３３ｅ，４３ｅ，５３ｅ，６３ｅが生成される。（Ｐ１１×Ｐ１２×Ｃ１）にて表現される遺伝子Ｇ１については、更新前の集団におけるステップＳ１２の処理と同様に、図６の左から３番目の列に示す処理済み画像３３ａ，４３ａ，５３ａ，６３ａが生成される。
【００５１】
続いて、特徴量演算部２２２では、集団の各遺伝子に含まれる特徴量演算が対応する処理済み画像に対して行われる（ステップＳ１３）。遺伝子Ｇ４については、特徴量演算Ｃ４である「領域数」の演算が図１３の左から３番目の列に示す処理済み画像３３ｄ，４３ｄ，５３ｄ，６３ｄのそれぞれに対して行われ、図１３の最も右側の列に示すように、処理済み画像３３ｄ，４３ｄ，５３ｄ，６３ｄにおける「領域数」が各元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。
【００５２】
遺伝子Ｇ５については、特徴量演算Ｃ５である「円形領域数」の演算が図１４の左から３番目の列に示す処理済み画像３３ｅ，４３ｅ，５３ｅ，６３ｅのそれぞれに対して行われ、図１４の最も右側の列に示すように、処理済み画像３３ｅ，４３ｅ，５３ｅ，６３ｅにおける「円形領域数」が各元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。遺伝子Ｇ１については、更新前の集団におけるステップＳ１３の処理と同様に、図６の最も右側の列に示す特徴量Ｆが求められる。有効度演算部２２３では、一元配置分散分析における有意確率（ｐ値）が表４のように求められる（ステップＳ１４）。
【００５３】
【表４】
【００５４】
表４に示すように、集団における遺伝子Ｇ１に対する有意確率は０．４２３であり、遺伝子Ｇ４に対する有意確率は０．０３８であり、遺伝子Ｇ５に対する有意確率は０．０３８である。演算内容変更部２３では、３個の遺伝子に対する有意確率の最小値である集団評価値が所定の評価閾値０．０５以下であり、終了条件を満たすことが確認されると（ステップＳ１５）、分類処理候補である遺伝子Ｇ１、遺伝子Ｇ４および遺伝子Ｇ５のうち、有意確率が評価閾値０．０５以下となる遺伝子Ｇ４および遺伝子Ｇ５のそれぞれが、画像グループＡおよび画像グループＢへの画像の分類において利用可能な分類処理として特定される。以上のようにして、作業者が主観的に設定した画像グループＡと画像グループＢとの相違が、分類処理を用いて自動的に定量化される。各分類処理における演算の内容は表示制御部２４に出力され、ディスプレイ１６に表示される（ステップＳ２０）。また、各分類処理における演算の内容は図示省略の記憶部にも記憶される。
【００５５】
図１５は、ディスプレイ１６に表示されるウィンドウ７を示す図である。図１５に示すように、ウィンドウ７内の右上の分類処理選択部７１では複数の分類処理のうちの１つの分類処理が選択可能であり、図１５では遺伝子Ｇ５が「分類処理０５」として選択されている。また、分類処理選択部７１の下方における分類処理内容表示領域７２では、選択された分類処理（以下、「選択分類処理」という。）における処理の列、すなわち、先行画像処理演算、後続画像処理演算および特徴量演算の内容（各種閾値などのパラメータ値を含む。）がテキストにて判りやすく表示される。
【００５６】
分類処理内容表示領域７２の左側には、２つのグループ表示領域７３が縦方向に並んで設けられ、各グループ表示領域７３の左上には、表示グループ選択部７３１が設けられる。各グループ表示領域７３には、元画像表示領域７３２、中間画像表示領域７３３、処理済み画像表示領域７３４および特徴量表示領域７３５が設定される。表示グループ選択部７３１にて一の画像グループが選択されると、当該画像グループに属する元画像が元画像表示領域７３２に表示され、選択分類処理の先行画像処理演算により当該元画像から生成される中間画像が中間画像表示領域７３３に表示される。また、選択分類処理の後続画像処理演算により当該中間画像から生成される処理済み画像が処理済み画像表示領域７３４に表示され、選択分類処理の特徴量演算により処理済み画像から取得される特徴量が特徴量表示領域７３５に表示される。このように、ウィンドウ７では、複数の画像グループにそれぞれ対応する複数の元画像、複数の中間画像、複数の処理済み画像および複数の特徴量が同時に表示可能である。実際には、最初に表示されるウィンドウ７では、複数のグループ表示領域７３が互いに異なる画像グループに割り当てられる。なお、中間画像および処理済み画像の下には、直前の画像処理演算の名称も表示される。
【００５７】
また、図１５のウィンドウ７では、元画像表示領域７３２内をスクロールすることにより、表示グループ選択部７３１にて選択された画像グループに属する他の元画像を表示することも可能である。この場合、当該元画像に対応する中間画像、処理済み画像および特徴量が中間画像表示領域７３３、処理済み画像表示領域７３４および特徴量表示領域７３５にそれぞれ表示される。ウィンドウ７では、同一グループに属する複数の元画像が同時に表示されてよい（中間画像、処理済み画像および特徴量において同様）。また、各分類処理における有意確率（または、有効度）が表示されてもよく、上記処理例のように複数の分類処理が取得される場合に、有意確率に基づく分類処理の順位が表示されてもよい。
【００５８】
図１５のウィンドウ７を参照することにより、作業者は有効な分類処理を定量的に捉えることができる。例えば、先行画像処理演算Ｐ４１が「グレー値二値化」であり、後続画像処理演算Ｐ４２が「膨張」であり、特徴量演算Ｃ４が「領域数」の演算である遺伝子Ｇ４の分類処理は、オブジェクトが密集して存在するか否かを判断基準として分類するためのものであると捉えられる。また、先行画像処理演算Ｐ５１が「Ｒ成分値二値化」であり、後続画像処理演算Ｐ５２が「収縮」であり、特徴量演算Ｃ５が「円形領域数」の演算である遺伝子Ｇ５の分類処理は、赤い円形オブジェクトが多いか否かを判断基準として分類するためのものであると捉えられる。なお、本処理例では、上記のように内容が解釈可能な分類処理が生成されるが、解釈が困難な分類処理が生成されてよく、このような分類処理も後述の画像の分類に用いられてよい。
【００５９】
以上の処理により、画像を画像グループＡと画像グループＢとに分類するための分類処理が生成されると、コンピュータ１では、属すべき画像グループが未知である画像（以下、「対象画像」という。）を当該分類処理を用いて分類する動作が行われる（すなわち、コンピュータ１により画像分類装置が実現される。）。
【００６０】
図１６は、コンピュータ１が対象画像を分類する動作の流れを示す図である。図２の評価部２２では、各対象画像に対して一の分類処理に含まれる先行画像処理演算を行って中間画像が生成され、中間画像に対して後続画像処理演算を行って処理済み画像が生成される（ステップＳ２１）。続いて、処理済み画像に対して当該分類処理に含まれる特徴量演算を行うことにより特徴量が求められる（ステップＳ２２）。そして、当該特徴量を所定の閾値と比較することにより、対象画像が画像グループＡおよび画像グループＢのいずれに属するかが判定される（ステップＳ２３）。これにより、対象画像を精度よく、かつ、高速にグループ分けすることができる。なお、図３の処理により分類処理が生成された後、作業者により分類処理の内容が修正され、修正後の分類処理により、図１６の対象画像の分類が行われてもよい。なお、ステップＳ２３の判定は、特徴量を用いて公知の判別分析や事前入手して画像の当該特徴量で学習する分類手法等を用いてもよい。
【００６１】
以上に説明したように、コンピュータ１が実現する分類処理生成装置では、評価部２２において、複数の画像グループのそれぞれに属する各元画像に対して、分類処理候補における画像処理演算および特徴量演算を順に行うことにより複数の元画像の複数の特徴量が求められ、画像グループへの分類における当該複数の特徴量の有効度が求められる。また、演算内容変更部２３では、分類処理候補における画像処理演算および特徴量演算を対象として演算の内容を変更しつつ評価部２２にて有効度を求める処理が、有効度が閾値以上となるまで繰り返され、有効度が閾値以上となる際の分類処理候補が利用可能な分類処理として取得される。これにより、有効な分類処理を容易に生成することができる。そして、有効な分類処理における画像処理演算および特徴量演算の双方の内容が表示制御部２４によりディスプレイ１６に表示される。このように、有効な分類処理における画像処理演算および特徴量演算の内容を表示することにより、作業者が分類処理の内容を確実に把握することができ、分類処理の解釈や修正等を容易に行うことができる。
【００６２】
また、各元画像と、当該元画像に対して分類処理における画像処理演算を行って生成された処理済み画像とがディスプレイ１６に同時に表示されることにより、作業者が、元画像および処理済み画像を参照して分類処理の内容を直感的に把握することができ、分類処理の解釈等を容易に行うことができる。さらに、複数の画像グループにそれぞれ対応するとともに、分類処理における画像処理演算により生成された複数の処理済み画像がディスプレイ１６に同時に表示される。これにより、作業者が複数の画像グループにそれぞれ対応する複数の処理済み画像を容易に比較することができ、画像グループ間における処理済み画像の相違を容易に把握して、分類処理の解釈等を効率よく行うことができる。
【００６３】
分類処理生成装置では、評価部２２において複数の分類処理候補が準備され、複数の分類処理候補にそれぞれ対応する複数の有効度がおよそ並行して求められる。そして、複数の分類処理候補に含まれる分類処理候補における演算の内容を変更しつつ評価部２２にて複数の有効度を求める処理が、終了条件を満たすまで繰り返される。これにより、有効な分類処理を効率よく生成することができる。
【００６４】
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。
【００６５】
上記実施の形態では、画像処理演算が、二値化演算である先行画像処理演算とフィルタ演算である後続画像処理演算とに区別されるが、画像処理演算は、必ずしも先行画像処理演算と後続画像処理演算とに区別される必要はない。例えば、図１７に示すように、各画像処理演算が、３個の入力プレーン９１１のうちの特定の入力プレーン９１１に対して処理を行い、３個の出力プレーン９１２のうちの特定の出力プレーン９１２に演算結果を出力するモジュールとして実現される場合、様々な画像処理演算を自在に組み合わせることが可能となる。なお、最初の画像処理演算における３個の入力プレーン９１１には、元画像におけるＲ成分の画像、Ｇ成分の画像およびＢ成分の画像がそれぞれ入力されることが好ましい。既述のように、各分類処理候補は、１つまたは３以上の画像処理演算を含んでよい。
【００６６】
画像処理演算として、他のフィルタ処理やエッジ検出処理等が含められてよい。また、画像を周波数領域に変換（ＦＦＴ変換）して周波数画像を生成する処理、周波数画像において特定の周波数成分をカットする処理、および、周波数画像を逆ＦＦＴ変換する処理の組合せ等が、１つの画像処理演算として準備されてよく、これらの処理のそれぞれが１つの画像処理演算として準備されてもよい。
【００６７】
特徴量演算として、モーメント値を求める演算や、周波数画像における特定周波数の強度を求める演算（この場合に、特徴量演算がＦＦＴ変換を含んでいてもよい。）等が含められてよい。
【００６８】
分類処理生成装置では、画像を３以上の画像グループのいずれかに分類するための分類処理が生成されてもよい。この場合、図３のステップＳ１４にて有効度を求める際に、例えば、各分類処理候補（遺伝子）に関して一元配置分散分析における多重比較が行われ、３以上の画像グループのうちの２つの画像グループの全ての組合せにおける有意確率が取得され、これらの有意確率のうちの最大のものが、有効度に相当する注目有意確率として取り扱われる。そして、複数の分類処理候補の注目有意確率のうち最小の有意確率を集団評価値として、集団評価値が所定の評価閾値以下となるまで集団の更新（ステップＳ１６〜Ｓ１９）および有意確率の算出（ステップＳ１２〜Ｓ１４）が繰り返される（ステップＳ１５）。これにより、画像を３以上の画像グループのいずれかに分類するための分類処理が生成される。
【００６９】
また、分類処理候補の有効度は様々な手法にて求めることが可能である。例えば、各分類処理候補においてＴ種類（Ｔは１以上の整数）の特徴量演算が含められ、特表２００８−５２４６７５号公報（特許文献４）の手法を応用する場合、特許文献４の段落００４４に記載のｂを利用し、各分類処理候補におけるＴ種類の特徴量演算Ｃ１、Ｃ２、・・・、Ｃｐ、・・・、ＣＴ（ｐは１以上Ｔ以下の任意の整数）のそれぞれ（ただし、各種類の特徴量演算は、画像処理演算を元画像に施すことにより得られる同じ処理済み画像に対して行われる。）により取得される元画像ｋに対する特徴量Ｆｋ１、Ｆｋ２、・・・、Ｆｋｐ、・・・、ＦｋＴを用いて、各特徴量演算Ｃｐによる特徴量の評価値Ｅｐ（有効度）は数２にて求められる。
【００７０】
【数２】
【００７１】
ここでは、Ｔ種類の特徴量の評価値のうち最大のものが、注目評価値として取り扱われる。そして、複数の分類処理候補の注目評価値のうち最大のものが所定の閾値以上となるまで集団の更新（ステップＳ１６〜Ｓ１９）および評価値の算出（ステップＳ１２〜Ｓ１４）が繰り返され（ステップＳ１５）、当該閾値以上の評価値が得られる特徴量の特徴量演算Ｃｐと、その際の画像処理演算とを組み合わせたものが、利用可能な分類処理として用いられる。また、特表２００８−１２９６５７号公報（特許文献５）の段落００５４における式１にて表されるE(Feature)を上記評価値（有効度）として用いることも可能である。
【００７２】
上記実施の形態では、集団の更新（図３：ステップＳ１６〜Ｓ１９）における遺伝子の淘汰、増殖、交叉および突然変異により２つの分類処理候補の内容が変更されるが、集団の更新において１つの分類処理候補、または、３以上の分類処理候補の内容が変更されてもよい。分類処理生成装置では、複数の分類処理候補の少なくとも１つにおける演算の内容を変更しつつ、評価部２２において複数の分類処理候補にそれぞれ対応する複数の有効度をおよそ並行して求めることにより、画像の分類にて利用可能な分類処理（すなわち、有効度が高い分類処理）を効率よく取得することが可能となる。
【００７３】
また、画像の分類にて利用可能な分類処理は、遺伝的アルゴリズム以外の手法により取得されてもよい。例えば、演算の手順は同じであるが、閾値等のパラメータの値が相違する複数の画像処理演算が準備され、複数の画像処理演算のうちの１つの画像処理演算と、一の特徴量演算との組合せが１つの分類処理候補として準備される（図３：ステップＳ１１）。続いて、分類処理候補を用いた有効度の算出が、分類処理候補における画像処理演算を、当該複数の画像処理演算のうちの他の１つの画像処理演算に変更しつつ繰り返される（ステップＳ１５，Ｓ１２〜Ｓ１４）。画像処理演算と特徴量演算との全ての組合せに対して有効度が求められて終了条件が満たされると（ステップＳ１５）、有効度が閾値以上となる場合の分類処理候補を利用可能な分類処理として、分類処理の内容がディスプレイ１６に表示される（ステップＳ２０）。これにより、作業者が分類処理の解釈や修正等を容易に行うことができる。なお、特徴量演算は変更されないため、分類処理における画像処理演算の内容のみが表示されてもよく、この場合も、有効な分類処理の内容が実質的に表示されていると捉えることができる。
【００７４】
また、上記のように、分類処理候補において画像処理演算および特徴量演算の一方のみを変更しつつ有効度が求められてよく、分類処理生成装置では、分類処理候補における画像処理演算および特徴量演算の少なくとも一方の演算の内容を変更しつつ有効度を求める処理を、終了条件を満たすまで繰り返すことにより、有効な分類処理を生成することが実現される。そして、終了条件を満たした際に、有効度が閾値以上となる場合の分類処理候補を利用可能な分類処理として、分類処理における当該少なくとも一方の演算の内容をディスプレイ１６に表示する、すなわち、有効な分類処理の内容を（実質的に）表示することにより、作業者が分類処理の解釈や修正等を容易に行うことができる。
【００７５】
一方、より有効な分類処理を容易に生成するという観点では、分類処理候補における画像処理演算および特徴量演算の双方を対象として演算の内容を変更しつつ有効度を求める処理を、当該有効度が閾値以上となるまで繰り返し、有効度が閾値以上となる際の分類処理候補を利用可能な分類処理として取得することが好ましい。
【００７６】
図３のステップＳ１５では、様々な終了条件を用いることが可能であり、例えば、ステップＳ１６〜Ｓ１９，Ｓ１２〜Ｓ１４の繰返し回数が所定回数に到達した場合に、終了条件を満たすと判定されてよい。また、直前の処理にて求められた集団評価値と、現在の処理にて求められた集団評価値との差が所定値以下となる場合に、または、当該差が所定値以下となる状態が一定回数連続して繰り返される場合に、終了条件を満たすと判定されてよい。
【００７７】
各分類処理候補に関して、１つの元画像に対して複数の中間画像が生成される場合には、中間画像表示領域７３３内をスクロールすることにより、全ての中間画像が表示可能であることが好ましい。
【００７８】
上記分類処理生成装置は、絵画等の美術作品を示す画像以外に、半導体基板やガラス基板上に形成されるパターンの欠陥を示す画像、あるいは、医療の場にて撮像される人体の各種部位を示す画像など、様々な画像を複数の画像グループのいずれかに分類するための分類処理の生成に用いられてよい。また、可視光による画像以外に、Ｘ線やテラヘルツ波等による画像が用いられてよく、この場合、撮像される対象物における材料等の相違も反映した分類が可能となる。
【００７９】
上記実施の形態および各変形例における構成は、相互に矛盾しない限り適宜組み合わされてよい。
【符号の説明】
【００８０】
１ コンピュータ
１６ ディスプレイ
２２ 評価部
２３ 演算内容変更部
２４ 表示制御部
３１，４１，５１，６１ 元画像
３３ａ〜３３ｅ，４３ａ〜４３ｅ，５３ａ〜５３ｅ，６３ａ〜６３ｅ 処理済み画像
７２ 分類処理内容表示領域
７３ グループ表示領域
７３２ 元画像表示領域
７３４ 処理済み画像表示領域
Ｓ１１〜Ｓ２０ ステップ
【技術分野】
【０００１】
本発明は、画像を複数の画像グループのいずれかに分類するための分類処理を生成する技術に関する。
【背景技術】
【０００２】
従来より、美術史等の研究の場では、絵画等の美術作品を、描かれた年代や、描かれた場所、あるいは、描かれている内容等の観点から解析し、グループ分けすることが行われている。また、非特許文献１では、色彩情報の統計解析により絵画を定量的に分析する手法が開示されている。
【０００３】
なお、特許文献１では、画像中の人物領域から予め決まったクラス毎の特徴量を検出し、特徴量毎に有効値を求め 、有効値に基づいて個人認識処理で使用する特徴量を選別する手法が開示されている。特許文献２では、効率的な検索を実現する手法が開示されており、本手法では、複数の要素と特徴項目の全ての組み合わせについて、その特徴項目を指定して検索を行ったときの絞り込み量のバラツキの程度が求められ、バラツキが小さいほど絞り込み効果が高いものとして、バラツキの程度に基づいて各特徴項目の絞込みに対する有効度が判断され、特徴項目の順位付けが行われる。そして、当該順位に従って特徴量が入力されるように検索者に報知が行われる。
【０００４】
また、特許文献３では、検索の有効度を予め把握することが可能な人物検索装置が開示されており、当該装置では、複数のカメラが撮像した撮像画像内の人物の特徴量を示す特徴量情報が取得される。そして、第１のカメラで撮像された第１の人物の特徴量と第２のカメラで撮像された第２の人物の特徴量との差異が人物の特徴毎に算出され、特徴量の差異に基づいて、第１の人物を検索する場合の有効度を示す絞込有効度が人物の特徴毎に算出される。特許文献４および５では、サポートベクターマシンにおいて有意な特徴を識別する手法が開示されている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−２９３６４４号公報
【特許文献２】特開２００９−２０５７８号公報
【特許文献３】特開２００９−４２８７９号公報
【特許文献４】特表２００８−５２４６７５号公報
【特許文献５】特表２００８−１２９６５７号公報
【非特許文献】
【０００６】
【非特許文献１】車妍、「後期印象派絵画の色彩調和解析について」、［online］、２００８年３月、国立大学法人筑波大学、［平成２３年８月８日検索］、インターネット＜ＵＲＬ：http://www.cs.tsukuba.ac.jp/H19Syuron/200621005.pdf＞
【発明の概要】
【発明が解決しようとする課題】
【０００７】
ところで、大量の作品を自動的に分類するには、グループ分けの判断基準に従った分類処理を生成することが必要である。絵画等の作品を「年代」や「対象物」等の明確な判断基準でグループ分けする場合、分類処理は比較的容易に生成することができるが、「画風」や「タッチ」と呼ばれる、主観的な印象に基づく判断基準にてグループ分けを行う場合、分類における判断基準を明確に定義したり、定量化することが容易ではないため、分類処理を生成することが困難である。特に、抽象画については、その解釈自体が観察者に依存するため、分類処理を生成することが極めて困難である。このような問題により、美術作品の深い研究を行うことができず、美術の理解等の妨げとなっている。
【０００８】
本発明は上記課題に鑑みなされたものであり、有効な分類処理を生成するとともに、作業者が分類処理の解釈や修正等を容易に行うことが可能となる技術を提供することを目的としている。
【課題を解決するための手段】
【０００９】
請求項１に記載の発明は、画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成装置であって、所定の画像処理演算および特徴量演算を含む分類処理候補が準備され、前記分類処理候補を用いて、複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成し、前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求め、前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める評価部と、前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記評価部にて前記有効度を求める処理を、終了条件を満たすまで繰り返す演算内容変更部と、前記終了条件を満たした際に、前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する表示制御部とを備える。
【００１０】
請求項２に記載の発明は、請求項１に記載の分類処理生成装置であって、前記表示制御部が、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容を前記表示部に表示する。
【００１１】
請求項３に記載の発明は、請求項１または２に記載の分類処理生成装置であって、前記表示制御部が、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とを前記表示部に同時に表示する。
【００１２】
請求項４に記載の発明は、請求項１または２に記載の分類処理生成装置であって、前記表示制御部が、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像を前記表示部に同時に表示する。
【００１３】
請求項５に記載の発明は、請求項１ないし４のいずれかに記載の分類処理生成装置であって、前記評価部において、複数の分類処理候補が準備され、前記評価部が、前記複数の分類処理候補にそれぞれ対応する複数の有効度を求め、前記演算内容変更部が、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記評価部にて前記複数の有効度を求める処理を、前記終了条件を満たすまで繰り返す。
【００１４】
請求項６に記載の発明は、画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成方法であって、ａ）所定の画像処理演算および特徴量演算を含む分類処理候補を準備する工程と、ｂ）複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成する工程と、ｃ）前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求める工程と、ｄ）前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める工程と、ｅ）前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程を、終了条件を満たすまで繰り返す工程と、ｆ）前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する工程とを備える。
【００１５】
請求項７に記載の発明は、請求項６に記載の分類処理生成方法であって、前記ｆ）工程において、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容が前記表示部に表示される。
【００１６】
請求項８に記載の発明は、請求項６または７に記載の分類処理生成方法であって、前記ｆ）工程において、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とが前記表示部に同時に表示される。
【００１７】
請求項９に記載の発明は、請求項６または７に記載の分類処理生成方法であって、前記ｆ）工程において、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像が前記表示部に同時に表示される。
【００１８】
請求項１０に記載の発明は、請求項６ないし９のいずれかに記載の分類処理生成方法であって、前記ａ）工程において、複数の分類処理候補が準備され、前記ｂ）ないしｄ）工程により、前記複数の分類処理候補にそれぞれ対応する複数の有効度が求められ、前記ｅ）工程において、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程が、前記終了条件を満たすまで繰り返される。
【発明の効果】
【００１９】
本発明によれば、有効な分類処理を生成するとともに、分類処理の内容を実質的に表示することにより、作業者が分類処理の解釈や修正等を容易に行うことができる。
【図面の簡単な説明】
【００２０】
【図１】コンピュータの構成を示す図である。
【図２】コンピュータが実現する機能構成を示すブロック図である。
【図３】コンピュータが分類処理を生成する動作の流れを示す図である。
【図４】集団に含まれる分類処理候補を示す図である。
【図５】元画像を示す図である。
【図６】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図７】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図８】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図９】集団の更新を説明するための図である。
【図１０】集団の更新を説明するための図である。
【図１１】集団の更新を説明するための図である。
【図１２】更新後の集団に含まれる分類処理候補を示す図である。
【図１３】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図１４】元画像に対する画像処理演算および特徴量演算の結果を示す図である。
【図１５】ディスプレイに表示されるウィンドウを示す図である。
【図１６】コンピュータが対象画像を分類する動作の流れを示す図である。
【図１７】画像処理演算に係るモジュールを抽象的に示す図である。
【発明を実施するための形態】
【００２１】
図１は、本発明の一の実施の形態に係る分類処理生成装置を実現するコンピュータ１の構成を示す図である。コンピュータ１では、絵画等の画像を複数の画像グループのいずれかに分類するための分類処理が生成される。分類処理は、後述するように画像処理演算および特徴量演算を含むものであり、当該分類処理により分類対象の画像の分類が可能となる。
【００２２】
コンピュータ１は、各種演算処理を行うＣＰＵ１１、基本プログラムを記憶するＲＯＭ１２および各種情報を記憶するＲＡＭ１３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク１５、各種情報の表示を行う表示部であるディスプレイ１６、操作者からの入力を受け付けるキーボード１７ａおよびマウス１７ｂ、光ディスク、磁気ディスク、光磁気ディスク、フラッシュメモリ等のコンピュータ読み取り可能な記録媒体８１から情報の読み取りを行ったり記録媒体８１に情報の書き込みを行う読取／書込装置１８、並びに、外部との通信を行う通信部１９が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。
【００２３】
コンピュータ１には、事前に読取／書込装置１８を介して記録媒体８１からプログラム８１０が読み出され、固定ディスク１５に記憶される。そして、プログラム８１０がＲＡＭ１３にコピーされるとともにＣＰＵ１１がＲＡＭ１３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ１が、分類処理生成装置としての処理を行う。
【００２４】
図２は、ＣＰＵ１１がプログラム８１０に従って動作することにより、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、固定ディスク１５等が実現する機能構成を示すブロック図である。図２において、画像入力部２１、評価部２２、演算内容変更部２３および表示制御部２４がＣＰＵ１１等により実現される機能である。なお、これらの機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。
【００２５】
図３は、コンピュータ１が分類処理を生成する動作の流れを示す図である。まず、図２の評価部２２では、所定の画像処理演算および特徴量演算を含む分類処理候補が準備される（ステップＳ１１）。ここで、本実施の形態では、遺伝的アルゴリズム（genetic algorithm）により後述の画像の分類にて利用可能な分類処理が生成され、ステップＳ１１の処理では、３個の分類処理候補が初期集団に含まれる遺伝子として準備される。遺伝子は、数１のように、任意の画像処理演算Ｐｉを複数回適用して、最後に特徴量演算Ｃｉを適用する処理の列Ｇｉとして表現される。
【００２６】
【数１】
【００２７】
本実施の形態において用いられる画像処理演算は、表１の左列に示す「グレー値二値化」、「Ｒ成分値二値化」、「Ｇ成分値二値化」、「Ｂ成分値二値化」、「収縮」、「膨張」および「平滑化」である。「グレー値二値化」では、表１の右列における「二値化閾値Ｔｈ」以上となるグレー値を有する画素に、新たな画素値２５５が付与され、残りの画素に画素値０が付与される。「Ｒ成分値二値化」、「Ｇ成分値二値化」および「Ｂ成分値二値化」は、それぞれＲ（赤）成分の画素値、Ｇ（緑）成分の画素値およびＢ（青）成分の画素値が閾値と比較される点を除き、「グレー値二値化」と同様である。「グレー値二値化」における「二値化閾値Ｔｈ」は２０であり、「Ｒ成分値二値化」、「Ｇ成分値二値化」および「Ｂ成分値二値化」における「二値化閾値Ｔｈ」は５０である。「収縮」、「膨張」および「平滑化」のそれぞれでは、表１の右列における「サイズＳｚ」のフィルタを用いて当該処理が行われ、本実施の形態では「サイズＳｚ」は５である。なお、「グレー値二値化」の画像処理演算では、ＩＲをＲ成分の画素値、ＩＧをＧ成分の画素値、ＩＢをＢ成分の画素値として、グレー値は（０．２９８９×ＩＲ＋０．５８７０×ＩＧ＋０．１１４０×ＩＢ）にて求められる。
【００２８】
【表１】
【００２９】
また、本実施の形態において用いられる特徴量演算は、表２の左列に示す「領域数」を求める演算、「領域の総面積」を求める演算、および、「円形領域数」を求める演算である。「領域数」、「領域の総面積」および「円形領域数」のそれぞれの演算では、表２の右列における「画素値閾値ｖ」（本実施の形態では、２５５）以上となる画素値を有するとともに、互いに連続する画素の集合が１つの領域として取り扱われる。そして、「領域数」の演算では領域の個数が求められ、「領域の総面積」の演算では全ての領域の総面積が求められる。また、「円形領域数」の演算では、全ての領域のうち、真円度が、表２の右列における「真円度閾値ｗ」（本実施の形態では、０．９）以上となる領域の個数が求められる。なお、領域面積閾値をさらに追加し、領域面積閾値以上の面積を有する領域のみを対象として、「領域数」、「領域の総面積」および「円形領域数」が求められてよい。
【００３０】
【表２】
【００３１】
以下の処理では、遺伝子が、画像処理演算Ｐを２回適用して、最後に特徴量演算Ｃを適用する処理の列Ｇｉとして表現される、すなわち、遺伝子が（Ｇｉ＝Ｐｉ１×Ｐｉ２×Ｃｉ）にて表現されるものとする。また、説明の便宜上、１回目の画像処理演算（以下、「先行画像処理演算」という。）Ｐｉ１は「グレー値二値化」、「Ｒ成分値二値化」、「Ｇ成分値二値化」および「Ｂ成分値二値化」（以下、「二値化演算」と総称する。）のいずれかに制限され、２回目の画像処理演算（以下、「後続画像処理演算」という。）Ｐｉ２は「収縮」、「膨張」および「平滑化」（以下、「フィルタ演算」と総称する。）のいずれかに制限される。もちろん、各遺伝子が１つのまたは３以上の画像処理演算を含んでもよい。
【００３２】
具体的には、第１世代（初期世代）の集団に含まれる３個の遺伝子はそれぞれ（Ｇ１＝Ｐ１１×Ｐ１２×Ｃ１）、（Ｇ２＝Ｐ２１×Ｐ２２×Ｃ２）、（Ｇ３＝Ｐ３１×Ｐ３２×Ｃ３）にて表現される。図４に示すように、遺伝子Ｇ１における先行画像処理演算Ｐ１１は「グレー値二値化」であり、後続画像処理演算Ｐ１２は「収縮」であり、特徴量演算Ｃ１は「円形領域数」の演算である。遺伝子Ｇ２における先行画像処理演算Ｐ２１は「Ｒ成分値二値化」であり、後続画像処理演算Ｐ２２は「膨張」であり、特徴量演算Ｃ２は「領域の総面積」の演算である。遺伝子Ｇ３における先行画像処理演算Ｐ３１は「Ｇ成分値二値化」であり、後続画像処理演算Ｐ３２は「平滑化」であり、特徴量演算Ｃ３は「領域数」の演算である。後述するように、必要に応じて集団（世代）を更新する処理が行われるため、上記遺伝子Ｇ１、Ｇ２、Ｇ３が、Ｎ回目（Ｎは１以上の整数）の更新後における集団を構成するものであってもよい。
【００３３】
一方、分類処理の生成では、複数の画像グループのそれぞれに属する複数の画像（以下、「元画像」という。）が作業者により主観的に選択されて準備される。本実施の形態における元画像は、各画素がＲ成分、Ｇ成分、Ｂ成分のそれぞれの画素値（本実施の形態では、０ないし２５５のいずれかの値）を有するカラー画像である。
【００３４】
図５は、各画像グループに属する元画像を示す図である。図５に示すように元画像３１，４１は画像グループＡに属し、元画像５１，６１は画像グループＢに属する。元画像３１は、４個のオブジェクト（図形）３１１〜３１４を含み、矩形のオブジェクト３１１，３１３はＲ成分の画素値が２５５であり、Ｇ成分およびＢ成分の画素値が共に０である画素（以下、単に「Ｒの画素」という。）の集合である。また、楕円形または円形のオブジェクト３１２，３１４はＢ成分の画素値が２５５であり、Ｒ成分およびＧ成分の画素値が共に０である画素（以下、単に「Ｂの画素」という。）の集合である。図５では、同じ色のオブジェクトに同じハッチングを付している（後述の図６ないし図８、図１３、並びに、図１４において同様）。
【００３５】
元画像４１は、５個のオブジェクト４１１〜４１５を含み、矩形のオブジェクト４１１，４１３，４１４はＲの画素の集合であり、楕円形または円形のオブジェクト４１２，４１５はＢの画素の集合である。元画像５１は、４個のオブジェクト５１１〜５１４を含み、楕円形または円形のオブジェクト５１１，５１２はＲの画素の集合であり、矩形のオブジェクト５１３，５１４はＢの画素の集合である。元画像６１は、５個のオブジェクト６１１〜６１５を含み、楕円形または円形のオブジェクト６１１，６１２，６１５はＲの画素の集合であり、矩形のオブジェクト６１３，６１４はＢの画素の集合である。元画像３１，４１，５１，６１における背景領域（すなわち、オブジェクト以外の領域）は、Ｒ成分、Ｇ成分およびＢ成分の画素値が共に１０である画素の集合である。
【００３６】
図５の元画像３１，４１，５１，６１では、元画像３１のオブジェクト３１１は、元画像４１のオブジェクト４１１、元画像５１のオブジェクト５１３および元画像６１のオブジェクト６１４と同じ形状および大きさであり（ただし、オブジェクト５１３のみ向きが相違する。）、面積が３００となる。元画像３１のオブジェクト３１２は、元画像４１のオブジェクト４１２、元画像５１のオブジェクト５１１、並びに、元画像６１のオブジェクト６１１，６１２と同じ形状および大きさであり、面積が６００となる。元画像３１のオブジェクト３１３は、元画像４１のオブジェクト４１３，４１４、元画像５１のオブジェクト５１４および元画像６１のオブジェクト６１３と同じ形状および大きさであり（ただし、オブジェクト４１４のみ向きが相違する。）、面積が６００となる。元画像３１のオブジェクト３１４は、元画像４１のオブジェクト４１５、元画像５１のオブジェクト５１２および元画像６１のオブジェクト６１５と同じ形状および大きさであり、面積が３００となる。このように、元画像３１，４１，５１，６１は４種類の形状のオブジェクトにて構成され、各画像においてオブジェクトの数や配置、角度、色が異なる。なお、Ｒの画素にて構成されるオブジェクトのグレー値は７６であり、Ｂの画素にて構成されるオブジェクトのグレー値は２９であり、背景領域のグレー値は１０である。
【００３７】
上記元画像３１，４１，５１，６１は、画像入力部２１により評価部２２へと入力され、画像処理演算部２２１では、各元画像３１，４１，５１，６１に対して現在の集団の各遺伝子に含まれる先行画像処理演算および後続画像処理演算が順に行われる（ステップＳ１２）。具体的には、（Ｐ１１×Ｐ１２×Ｃ１）にて表現される遺伝子Ｇ１については、先行画像処理演算Ｐ１１である「グレー値二値化」が、図６の最も左側の列（上段に「元画像」と記す列）に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図６の左から２番目の列に示す中間画像３２ａ，４２ａ，５２ａ，６２ａが生成される。また、後続画像処理演算Ｐ１２である「収縮」が、中間画像３２ａ，４２ａ，５２ａ，６２ａのそれぞれに対して行われ、図６の左から３番目の列に示す処理済み画像３３ａ，４３ａ，５３ａ，６３ａが生成される。
【００３８】
また、（Ｐ２１×Ｐ２２×Ｃ２）にて表現される遺伝子Ｇ２については、先行画像処理演算Ｐ２１である「Ｒ成分値二値化」が、図７の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図７の左から２番目の列に示す中間画像３２ｂ，４２ｂ，５２ｂ，６２ｂが生成される。また、後続画像処理演算Ｐ２２である「膨張」が、中間画像３２ｂ，４２ｂ，５２ｂ，６２ｂのそれぞれに対して行われ、図７の左から３番目の列に示す処理済み画像３３ｂ，４３ｂ，５３ｂ，６３ｂが生成される。
【００３９】
さらに、（Ｐ３１×Ｐ３２×Ｃ３）にて表現される遺伝子Ｇ３については、先行画像処理演算Ｐ３１である「Ｇ成分値二値化」が、図８の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図８の左から２番目の列に示す中間画像３２ｃ，４２ｃ，５２ｃ，６２ｃが生成される。また、後続画像処理演算Ｐ３２である「平滑化」が、中間画像３２ｃ，４２ｃ，５２ｃ，６２ｃのそれぞれに対して行われ、図８の左から３番目の列に示す処理済み画像３３ｃ，４３ｃ，５３ｃ，６３ｃが生成される。
【００４０】
続いて、特徴量演算部２２２では、集団の各遺伝子に含まれる特徴量演算が、当該遺伝子に対応する処理済み画像に対して行われる（ステップＳ１３）。遺伝子Ｇ１については、特徴量演算Ｃ１である「円形領域数」の演算が図６の左から３番目の列に示す処理済み画像３３ａ，４３ａ，５３ａ，６３ａのそれぞれに対して行われ、図６の最も右側の列に示すように、処理済み画像３３ａ，４３ａ，５３ａ，６３ａにおける「円形領域数」が元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。
【００４１】
遺伝子Ｇ２については、特徴量演算Ｃ２である「領域の総面積」の演算が図７の左から３番目の列に示す処理済み画像３３ｂ，４３ｂ，５３ｂ，６３ｂのそれぞれに対して行われ、図７の最も右側の列に示すように、処理済み画像３３ｂ，４３ｂ，５３ｂ，６３ｂにおける「領域の総面積」が元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。遺伝子Ｇ３については、特徴量演算Ｃ３である「領域数」の演算が図８の左から３番目の列に示す処理済み画像３３ｃ，４３ｃ，５３ｃ，６３ｃのそれぞれに対して行われ、図８の最も右側の列に示すように、処理済み画像３３ｃ，４３ｃ，５３ｃ，６３ｃにおける「領域数」が元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。
【００４２】
以上のようにして、各遺伝子（分類処理候補）において複数の元画像３１，４１，５１，６１に対する複数の特徴量が求められると、有効度演算部２２３では、各遺伝子について、特徴量を従属変数、画像グループを因子として、一元配置分散分析における有意確率（ｐ値）が表３のように求められる（ステップＳ１４）。
【００４３】
【表３】
【００４４】
表３に示すように、集団における遺伝子Ｇ１に対する有意確率は０．４２３であり、遺伝子Ｇ２に対する有意確率は１．０００であり、遺伝子Ｇ３に対する有意確率は計算不能（有意確率の計算式における分母が０となる。）である。ここで、有意確率が小さいほど、画像グループＡにおける特徴量の平均値と画像グループＢにおける特徴量の平均値との間に有意差があると考えられる。したがって、複数の元画像３１，４１，５１，６１のそれぞれを、複数の画像グループＡ、Ｂのいずれかに分類する際における複数の特徴量の有効度（または、評価値）、すなわち、画像グループＡ、Ｂへの分類における各遺伝子の有効度を、グループ分けに有用なほど高い値となる指標として定義すると、例えば有意確率の逆数等を有効度として用いることができる。このように、ステップＳ１４の処理は、各遺伝子において求められる複数の特徴量の有効度を求める処理である。
【００４５】
演算内容変更部２３では、３個の遺伝子に対する有意確率のうち最小の有意確率を集団評価値として、集団評価値が所定の評価閾値０．０５以下であるか否かが確認される。表３の例では、集団評価値が０．４２３であり、評価閾値よりも大きいため、集団の更新（すなわち、分類処理候補の更新）が行われる（ステップＳ１５）。ステップＳ１５の処理は、有効度が所定の閾値以上である場合を終了条件として、終了条件を満足するか否かを確認する処理であると捉えられる。
【００４６】
集団の更新では、まず、図４に示す現在の集団に含まれる遺伝子Ｇ１、遺伝子Ｇ２および遺伝子Ｇ３のうち有意確率が最大となるものが集団から削除される（すなわち、遺伝子の淘汰を行う。）（ステップＳ１６）。ここでは、有意確率が計算不能となる遺伝子は有意確率が最大とみなされ、遺伝子Ｇ３が集団から削除される。続いて、図９に示すように、有意確率が最小となる遺伝子Ｇ１が、遺伝子Ｇ１’として複製される（すなわち、遺伝子の増殖を行う。）（ステップＳ１７）。遺伝子Ｇ１’は（Ｐ１１×Ｐ１２×Ｃ１）にて表現される。
【００４７】
遺伝子Ｇ１’が複製されると、図１０に示すように、有意確率が２番目に小さい遺伝子Ｇ２における後続画像処理演算Ｐ２２および特徴量演算Ｃ２と、遺伝子Ｇ１’における後続画像処理演算Ｐ１２および特徴量演算Ｃ１とが交換される（すなわち、遺伝子の交叉を行う。）（ステップＳ１８）。これにより、新たな遺伝子Ｇ４および遺伝子Ｇ５が生成される。また、交叉により生成された遺伝子Ｇ４および遺伝子Ｇ５の先行画像処理演算、後続画像処理演算および特徴量演算から１つの演算がランダム（不規則）に選択され、同種の他の演算に変更される（すなわち、遺伝子の突然変異を行う。）（ステップＳ１９）。すなわち、先行画像処理演算が選択された場合には他の二値化演算に変更され、後続画像処理演算が選択された場合には他のフィルタ演算に変更され、特徴量演算が選択された場合には他の種類の特徴量を求める演算に変更される。ここでは、図１１中にアンダーラインを付して示す遺伝子Ｇ４における特徴量演算Ｃ２が「領域の総面積」から「領域数」に変更されている。なお、遺伝子Ｇ１において突然変異が行われてよい。
【００４８】
以上の処理により集団の更新が完了し、（Ｐ１１×Ｐ１２×Ｃ１）にて表現される遺伝子Ｇ１、（Ｐ４１×Ｐ４２×Ｃ４）にて表現される遺伝子Ｇ４、（Ｐ５１×Ｐ５２×Ｃ５）にて表現される遺伝子Ｇ５が、分類処理候補として更新後の集団（（Ｎ＋１）回目の更新後の集団と捉えられてよい。）に含まれる。図１２に示すように、遺伝子Ｇ１における先行画像処理演算Ｐ１１は「グレー値二値化」であり、後続画像処理演算Ｐ１２は「収縮」であり、特徴量演算Ｃ１は「円形領域数」の演算である。遺伝子Ｇ４における先行画像処理演算Ｐ４１は「グレー値二値化」であり、後続画像処理演算Ｐ４２は「膨張」であり、特徴量演算Ｃ４は「領域数」の演算である。遺伝子Ｇ５における先行画像処理演算Ｐ５１は「Ｒ成分値二値化」であり、後続画像処理演算Ｐ５２は「収縮」であり、特徴量演算Ｃ５は「円形領域数」の演算である。
【００４９】
画像処理演算部２２１では、各元画像３１，４１，５１，６１に対して更新後の集団の各遺伝子に含まれる先行画像処理演算および後続画像処理演算が順に行われる（ステップＳ１２）。具体的には、（Ｐ４１×Ｐ４２×Ｃ４）にて表現される遺伝子Ｇ４については、先行画像処理演算Ｐ４１である「グレー値二値化」が、図１３の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図１３の左から２番目の列に示す中間画像３２ｄ，４２ｄ，５２ｄ，６２ｄが生成される。また、後続画像処理演算Ｐ４２である「膨張」が、中間画像３２ｄ，４２ｄ，５２ｄ，６２ｄのそれぞれに対して行われ、図１３の左から３番目の列に示す処理済み画像３３ｄ，４３ｄ，５３ｄ，６３ｄが生成される。
【００５０】
（Ｐ５１×Ｐ５２×Ｃ５）にて表現される遺伝子Ｇ５については、先行画像処理演算Ｐ５１である「Ｒ成分値二値化」が、図１４の最も左側の列に示す元画像３１，４１，５１，６１のそれぞれに対して行われ、図１４の左から２番目の列に示す中間画像３２ｅ，４２ｅ，５２ｅ，６２ｅが生成される。また、後続画像処理演算Ｐ５２である「収縮」が、中間画像３２ｅ，４２ｅ，５２ｅ，６２ｅのそれぞれに対して行われ、図１４の左から３番目の列に示す処理済み画像３３ｅ，４３ｅ，５３ｅ，６３ｅが生成される。（Ｐ１１×Ｐ１２×Ｃ１）にて表現される遺伝子Ｇ１については、更新前の集団におけるステップＳ１２の処理と同様に、図６の左から３番目の列に示す処理済み画像３３ａ，４３ａ，５３ａ，６３ａが生成される。
【００５１】
続いて、特徴量演算部２２２では、集団の各遺伝子に含まれる特徴量演算が対応する処理済み画像に対して行われる（ステップＳ１３）。遺伝子Ｇ４については、特徴量演算Ｃ４である「領域数」の演算が図１３の左から３番目の列に示す処理済み画像３３ｄ，４３ｄ，５３ｄ，６３ｄのそれぞれに対して行われ、図１３の最も右側の列に示すように、処理済み画像３３ｄ，４３ｄ，５３ｄ，６３ｄにおける「領域数」が各元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。
【００５２】
遺伝子Ｇ５については、特徴量演算Ｃ５である「円形領域数」の演算が図１４の左から３番目の列に示す処理済み画像３３ｅ，４３ｅ，５３ｅ，６３ｅのそれぞれに対して行われ、図１４の最も右側の列に示すように、処理済み画像３３ｅ，４３ｅ，５３ｅ，６３ｅにおける「円形領域数」が各元画像３１，４１，５１，６１に対する特徴量Ｆとして求められる。遺伝子Ｇ１については、更新前の集団におけるステップＳ１３の処理と同様に、図６の最も右側の列に示す特徴量Ｆが求められる。有効度演算部２２３では、一元配置分散分析における有意確率（ｐ値）が表４のように求められる（ステップＳ１４）。
【００５３】
【表４】
【００５４】
表４に示すように、集団における遺伝子Ｇ１に対する有意確率は０．４２３であり、遺伝子Ｇ４に対する有意確率は０．０３８であり、遺伝子Ｇ５に対する有意確率は０．０３８である。演算内容変更部２３では、３個の遺伝子に対する有意確率の最小値である集団評価値が所定の評価閾値０．０５以下であり、終了条件を満たすことが確認されると（ステップＳ１５）、分類処理候補である遺伝子Ｇ１、遺伝子Ｇ４および遺伝子Ｇ５のうち、有意確率が評価閾値０．０５以下となる遺伝子Ｇ４および遺伝子Ｇ５のそれぞれが、画像グループＡおよび画像グループＢへの画像の分類において利用可能な分類処理として特定される。以上のようにして、作業者が主観的に設定した画像グループＡと画像グループＢとの相違が、分類処理を用いて自動的に定量化される。各分類処理における演算の内容は表示制御部２４に出力され、ディスプレイ１６に表示される（ステップＳ２０）。また、各分類処理における演算の内容は図示省略の記憶部にも記憶される。
【００５５】
図１５は、ディスプレイ１６に表示されるウィンドウ７を示す図である。図１５に示すように、ウィンドウ７内の右上の分類処理選択部７１では複数の分類処理のうちの１つの分類処理が選択可能であり、図１５では遺伝子Ｇ５が「分類処理０５」として選択されている。また、分類処理選択部７１の下方における分類処理内容表示領域７２では、選択された分類処理（以下、「選択分類処理」という。）における処理の列、すなわち、先行画像処理演算、後続画像処理演算および特徴量演算の内容（各種閾値などのパラメータ値を含む。）がテキストにて判りやすく表示される。
【００５６】
分類処理内容表示領域７２の左側には、２つのグループ表示領域７３が縦方向に並んで設けられ、各グループ表示領域７３の左上には、表示グループ選択部７３１が設けられる。各グループ表示領域７３には、元画像表示領域７３２、中間画像表示領域７３３、処理済み画像表示領域７３４および特徴量表示領域７３５が設定される。表示グループ選択部７３１にて一の画像グループが選択されると、当該画像グループに属する元画像が元画像表示領域７３２に表示され、選択分類処理の先行画像処理演算により当該元画像から生成される中間画像が中間画像表示領域７３３に表示される。また、選択分類処理の後続画像処理演算により当該中間画像から生成される処理済み画像が処理済み画像表示領域７３４に表示され、選択分類処理の特徴量演算により処理済み画像から取得される特徴量が特徴量表示領域７３５に表示される。このように、ウィンドウ７では、複数の画像グループにそれぞれ対応する複数の元画像、複数の中間画像、複数の処理済み画像および複数の特徴量が同時に表示可能である。実際には、最初に表示されるウィンドウ７では、複数のグループ表示領域７３が互いに異なる画像グループに割り当てられる。なお、中間画像および処理済み画像の下には、直前の画像処理演算の名称も表示される。
【００５７】
また、図１５のウィンドウ７では、元画像表示領域７３２内をスクロールすることにより、表示グループ選択部７３１にて選択された画像グループに属する他の元画像を表示することも可能である。この場合、当該元画像に対応する中間画像、処理済み画像および特徴量が中間画像表示領域７３３、処理済み画像表示領域７３４および特徴量表示領域７３５にそれぞれ表示される。ウィンドウ７では、同一グループに属する複数の元画像が同時に表示されてよい（中間画像、処理済み画像および特徴量において同様）。また、各分類処理における有意確率（または、有効度）が表示されてもよく、上記処理例のように複数の分類処理が取得される場合に、有意確率に基づく分類処理の順位が表示されてもよい。
【００５８】
図１５のウィンドウ７を参照することにより、作業者は有効な分類処理を定量的に捉えることができる。例えば、先行画像処理演算Ｐ４１が「グレー値二値化」であり、後続画像処理演算Ｐ４２が「膨張」であり、特徴量演算Ｃ４が「領域数」の演算である遺伝子Ｇ４の分類処理は、オブジェクトが密集して存在するか否かを判断基準として分類するためのものであると捉えられる。また、先行画像処理演算Ｐ５１が「Ｒ成分値二値化」であり、後続画像処理演算Ｐ５２が「収縮」であり、特徴量演算Ｃ５が「円形領域数」の演算である遺伝子Ｇ５の分類処理は、赤い円形オブジェクトが多いか否かを判断基準として分類するためのものであると捉えられる。なお、本処理例では、上記のように内容が解釈可能な分類処理が生成されるが、解釈が困難な分類処理が生成されてよく、このような分類処理も後述の画像の分類に用いられてよい。
【００５９】
以上の処理により、画像を画像グループＡと画像グループＢとに分類するための分類処理が生成されると、コンピュータ１では、属すべき画像グループが未知である画像（以下、「対象画像」という。）を当該分類処理を用いて分類する動作が行われる（すなわち、コンピュータ１により画像分類装置が実現される。）。
【００６０】
図１６は、コンピュータ１が対象画像を分類する動作の流れを示す図である。図２の評価部２２では、各対象画像に対して一の分類処理に含まれる先行画像処理演算を行って中間画像が生成され、中間画像に対して後続画像処理演算を行って処理済み画像が生成される（ステップＳ２１）。続いて、処理済み画像に対して当該分類処理に含まれる特徴量演算を行うことにより特徴量が求められる（ステップＳ２２）。そして、当該特徴量を所定の閾値と比較することにより、対象画像が画像グループＡおよび画像グループＢのいずれに属するかが判定される（ステップＳ２３）。これにより、対象画像を精度よく、かつ、高速にグループ分けすることができる。なお、図３の処理により分類処理が生成された後、作業者により分類処理の内容が修正され、修正後の分類処理により、図１６の対象画像の分類が行われてもよい。なお、ステップＳ２３の判定は、特徴量を用いて公知の判別分析や事前入手して画像の当該特徴量で学習する分類手法等を用いてもよい。
【００６１】
以上に説明したように、コンピュータ１が実現する分類処理生成装置では、評価部２２において、複数の画像グループのそれぞれに属する各元画像に対して、分類処理候補における画像処理演算および特徴量演算を順に行うことにより複数の元画像の複数の特徴量が求められ、画像グループへの分類における当該複数の特徴量の有効度が求められる。また、演算内容変更部２３では、分類処理候補における画像処理演算および特徴量演算を対象として演算の内容を変更しつつ評価部２２にて有効度を求める処理が、有効度が閾値以上となるまで繰り返され、有効度が閾値以上となる際の分類処理候補が利用可能な分類処理として取得される。これにより、有効な分類処理を容易に生成することができる。そして、有効な分類処理における画像処理演算および特徴量演算の双方の内容が表示制御部２４によりディスプレイ１６に表示される。このように、有効な分類処理における画像処理演算および特徴量演算の内容を表示することにより、作業者が分類処理の内容を確実に把握することができ、分類処理の解釈や修正等を容易に行うことができる。
【００６２】
また、各元画像と、当該元画像に対して分類処理における画像処理演算を行って生成された処理済み画像とがディスプレイ１６に同時に表示されることにより、作業者が、元画像および処理済み画像を参照して分類処理の内容を直感的に把握することができ、分類処理の解釈等を容易に行うことができる。さらに、複数の画像グループにそれぞれ対応するとともに、分類処理における画像処理演算により生成された複数の処理済み画像がディスプレイ１６に同時に表示される。これにより、作業者が複数の画像グループにそれぞれ対応する複数の処理済み画像を容易に比較することができ、画像グループ間における処理済み画像の相違を容易に把握して、分類処理の解釈等を効率よく行うことができる。
【００６３】
分類処理生成装置では、評価部２２において複数の分類処理候補が準備され、複数の分類処理候補にそれぞれ対応する複数の有効度がおよそ並行して求められる。そして、複数の分類処理候補に含まれる分類処理候補における演算の内容を変更しつつ評価部２２にて複数の有効度を求める処理が、終了条件を満たすまで繰り返される。これにより、有効な分類処理を効率よく生成することができる。
【００６４】
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。
【００６５】
上記実施の形態では、画像処理演算が、二値化演算である先行画像処理演算とフィルタ演算である後続画像処理演算とに区別されるが、画像処理演算は、必ずしも先行画像処理演算と後続画像処理演算とに区別される必要はない。例えば、図１７に示すように、各画像処理演算が、３個の入力プレーン９１１のうちの特定の入力プレーン９１１に対して処理を行い、３個の出力プレーン９１２のうちの特定の出力プレーン９１２に演算結果を出力するモジュールとして実現される場合、様々な画像処理演算を自在に組み合わせることが可能となる。なお、最初の画像処理演算における３個の入力プレーン９１１には、元画像におけるＲ成分の画像、Ｇ成分の画像およびＢ成分の画像がそれぞれ入力されることが好ましい。既述のように、各分類処理候補は、１つまたは３以上の画像処理演算を含んでよい。
【００６６】
画像処理演算として、他のフィルタ処理やエッジ検出処理等が含められてよい。また、画像を周波数領域に変換（ＦＦＴ変換）して周波数画像を生成する処理、周波数画像において特定の周波数成分をカットする処理、および、周波数画像を逆ＦＦＴ変換する処理の組合せ等が、１つの画像処理演算として準備されてよく、これらの処理のそれぞれが１つの画像処理演算として準備されてもよい。
【００６７】
特徴量演算として、モーメント値を求める演算や、周波数画像における特定周波数の強度を求める演算（この場合に、特徴量演算がＦＦＴ変換を含んでいてもよい。）等が含められてよい。
【００６８】
分類処理生成装置では、画像を３以上の画像グループのいずれかに分類するための分類処理が生成されてもよい。この場合、図３のステップＳ１４にて有効度を求める際に、例えば、各分類処理候補（遺伝子）に関して一元配置分散分析における多重比較が行われ、３以上の画像グループのうちの２つの画像グループの全ての組合せにおける有意確率が取得され、これらの有意確率のうちの最大のものが、有効度に相当する注目有意確率として取り扱われる。そして、複数の分類処理候補の注目有意確率のうち最小の有意確率を集団評価値として、集団評価値が所定の評価閾値以下となるまで集団の更新（ステップＳ１６〜Ｓ１９）および有意確率の算出（ステップＳ１２〜Ｓ１４）が繰り返される（ステップＳ１５）。これにより、画像を３以上の画像グループのいずれかに分類するための分類処理が生成される。
【００６９】
また、分類処理候補の有効度は様々な手法にて求めることが可能である。例えば、各分類処理候補においてＴ種類（Ｔは１以上の整数）の特徴量演算が含められ、特表２００８−５２４６７５号公報（特許文献４）の手法を応用する場合、特許文献４の段落００４４に記載のｂを利用し、各分類処理候補におけるＴ種類の特徴量演算Ｃ１、Ｃ２、・・・、Ｃｐ、・・・、ＣＴ（ｐは１以上Ｔ以下の任意の整数）のそれぞれ（ただし、各種類の特徴量演算は、画像処理演算を元画像に施すことにより得られる同じ処理済み画像に対して行われる。）により取得される元画像ｋに対する特徴量Ｆｋ１、Ｆｋ２、・・・、Ｆｋｐ、・・・、ＦｋＴを用いて、各特徴量演算Ｃｐによる特徴量の評価値Ｅｐ（有効度）は数２にて求められる。
【００７０】
【数２】
【００７１】
ここでは、Ｔ種類の特徴量の評価値のうち最大のものが、注目評価値として取り扱われる。そして、複数の分類処理候補の注目評価値のうち最大のものが所定の閾値以上となるまで集団の更新（ステップＳ１６〜Ｓ１９）および評価値の算出（ステップＳ１２〜Ｓ１４）が繰り返され（ステップＳ１５）、当該閾値以上の評価値が得られる特徴量の特徴量演算Ｃｐと、その際の画像処理演算とを組み合わせたものが、利用可能な分類処理として用いられる。また、特表２００８−１２９６５７号公報（特許文献５）の段落００５４における式１にて表されるE(Feature)を上記評価値（有効度）として用いることも可能である。
【００７２】
上記実施の形態では、集団の更新（図３：ステップＳ１６〜Ｓ１９）における遺伝子の淘汰、増殖、交叉および突然変異により２つの分類処理候補の内容が変更されるが、集団の更新において１つの分類処理候補、または、３以上の分類処理候補の内容が変更されてもよい。分類処理生成装置では、複数の分類処理候補の少なくとも１つにおける演算の内容を変更しつつ、評価部２２において複数の分類処理候補にそれぞれ対応する複数の有効度をおよそ並行して求めることにより、画像の分類にて利用可能な分類処理（すなわち、有効度が高い分類処理）を効率よく取得することが可能となる。
【００７３】
また、画像の分類にて利用可能な分類処理は、遺伝的アルゴリズム以外の手法により取得されてもよい。例えば、演算の手順は同じであるが、閾値等のパラメータの値が相違する複数の画像処理演算が準備され、複数の画像処理演算のうちの１つの画像処理演算と、一の特徴量演算との組合せが１つの分類処理候補として準備される（図３：ステップＳ１１）。続いて、分類処理候補を用いた有効度の算出が、分類処理候補における画像処理演算を、当該複数の画像処理演算のうちの他の１つの画像処理演算に変更しつつ繰り返される（ステップＳ１５，Ｓ１２〜Ｓ１４）。画像処理演算と特徴量演算との全ての組合せに対して有効度が求められて終了条件が満たされると（ステップＳ１５）、有効度が閾値以上となる場合の分類処理候補を利用可能な分類処理として、分類処理の内容がディスプレイ１６に表示される（ステップＳ２０）。これにより、作業者が分類処理の解釈や修正等を容易に行うことができる。なお、特徴量演算は変更されないため、分類処理における画像処理演算の内容のみが表示されてもよく、この場合も、有効な分類処理の内容が実質的に表示されていると捉えることができる。
【００７４】
また、上記のように、分類処理候補において画像処理演算および特徴量演算の一方のみを変更しつつ有効度が求められてよく、分類処理生成装置では、分類処理候補における画像処理演算および特徴量演算の少なくとも一方の演算の内容を変更しつつ有効度を求める処理を、終了条件を満たすまで繰り返すことにより、有効な分類処理を生成することが実現される。そして、終了条件を満たした際に、有効度が閾値以上となる場合の分類処理候補を利用可能な分類処理として、分類処理における当該少なくとも一方の演算の内容をディスプレイ１６に表示する、すなわち、有効な分類処理の内容を（実質的に）表示することにより、作業者が分類処理の解釈や修正等を容易に行うことができる。
【００７５】
一方、より有効な分類処理を容易に生成するという観点では、分類処理候補における画像処理演算および特徴量演算の双方を対象として演算の内容を変更しつつ有効度を求める処理を、当該有効度が閾値以上となるまで繰り返し、有効度が閾値以上となる際の分類処理候補を利用可能な分類処理として取得することが好ましい。
【００７６】
図３のステップＳ１５では、様々な終了条件を用いることが可能であり、例えば、ステップＳ１６〜Ｓ１９，Ｓ１２〜Ｓ１４の繰返し回数が所定回数に到達した場合に、終了条件を満たすと判定されてよい。また、直前の処理にて求められた集団評価値と、現在の処理にて求められた集団評価値との差が所定値以下となる場合に、または、当該差が所定値以下となる状態が一定回数連続して繰り返される場合に、終了条件を満たすと判定されてよい。
【００７７】
各分類処理候補に関して、１つの元画像に対して複数の中間画像が生成される場合には、中間画像表示領域７３３内をスクロールすることにより、全ての中間画像が表示可能であることが好ましい。
【００７８】
上記分類処理生成装置は、絵画等の美術作品を示す画像以外に、半導体基板やガラス基板上に形成されるパターンの欠陥を示す画像、あるいは、医療の場にて撮像される人体の各種部位を示す画像など、様々な画像を複数の画像グループのいずれかに分類するための分類処理の生成に用いられてよい。また、可視光による画像以外に、Ｘ線やテラヘルツ波等による画像が用いられてよく、この場合、撮像される対象物における材料等の相違も反映した分類が可能となる。
【００７９】
上記実施の形態および各変形例における構成は、相互に矛盾しない限り適宜組み合わされてよい。
【符号の説明】
【００８０】
１ コンピュータ
１６ ディスプレイ
２２ 評価部
２３ 演算内容変更部
２４ 表示制御部
３１，４１，５１，６１ 元画像
３３ａ〜３３ｅ，４３ａ〜４３ｅ，５３ａ〜５３ｅ，６３ａ〜６３ｅ 処理済み画像
７２ 分類処理内容表示領域
７３ グループ表示領域
７３２ 元画像表示領域
７３４ 処理済み画像表示領域
Ｓ１１〜Ｓ２０ ステップ
【特許請求の範囲】
【請求項１】
画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成装置であって、
所定の画像処理演算および特徴量演算を含む分類処理候補が準備され、前記分類処理候補を用いて、複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成し、前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求め、前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める評価部と、
前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記評価部にて前記有効度を求める処理を、終了条件を満たすまで繰り返す演算内容変更部と、
前記終了条件を満たした際に、前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する表示制御部と、
を備えることを特徴とする分類処理生成装置。
【請求項２】
請求項１に記載の分類処理生成装置であって、
前記表示制御部が、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容を前記表示部に表示することを特徴とする分類処理生成装置。
【請求項３】
請求項１または２に記載の分類処理生成装置であって、
前記表示制御部が、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とを前記表示部に同時に表示することを特徴とする分類処理生成装置。
【請求項４】
請求項１または２に記載の分類処理生成装置であって、
前記表示制御部が、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像を前記表示部に同時に表示することを特徴とする分類処理生成装置。
【請求項５】
請求項１ないし４のいずれかに記載の分類処理生成装置であって、
前記評価部において、複数の分類処理候補が準備され、
前記評価部が、前記複数の分類処理候補にそれぞれ対応する複数の有効度を求め、
前記演算内容変更部が、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記評価部にて前記複数の有効度を求める処理を、前記終了条件を満たすまで繰り返すことを特徴とする分類処理生成装置。
【請求項６】
画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成方法であって、
ａ）所定の画像処理演算および特徴量演算を含む分類処理候補を準備する工程と、
ｂ）複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成する工程と、
ｃ）前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求める工程と、
ｄ）前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める工程と、
ｅ）前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程を、終了条件を満たすまで繰り返す工程と、
ｆ）前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する工程と、
を備えることを特徴とする分類処理生成方法。
【請求項７】
請求項６に記載の分類処理生成方法であって、
前記ｆ）工程において、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容が前記表示部に表示されることを特徴とする分類処理生成方法。
【請求項８】
請求項６または７に記載の分類処理生成方法であって、
前記ｆ）工程において、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とが前記表示部に同時に表示されることを特徴とする分類処理生成方法。
【請求項９】
請求項６または７に記載の分類処理生成方法であって、
前記ｆ）工程において、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像が前記表示部に同時に表示されることを特徴とする分類処理生成方法。
【請求項１０】
請求項６ないし９のいずれかに記載の分類処理生成方法であって、
前記ａ）工程において、複数の分類処理候補が準備され、
前記ｂ）ないしｄ）工程により、前記複数の分類処理候補にそれぞれ対応する複数の有効度が求められ、
前記ｅ）工程において、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程が、前記終了条件を満たすまで繰り返されることを特徴とする分類処理生成方法。
【請求項１】
画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成装置であって、
所定の画像処理演算および特徴量演算を含む分類処理候補が準備され、前記分類処理候補を用いて、複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成し、前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求め、前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める評価部と、
前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記評価部にて前記有効度を求める処理を、終了条件を満たすまで繰り返す演算内容変更部と、
前記終了条件を満たした際に、前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する表示制御部と、
を備えることを特徴とする分類処理生成装置。
【請求項２】
請求項１に記載の分類処理生成装置であって、
前記表示制御部が、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容を前記表示部に表示することを特徴とする分類処理生成装置。
【請求項３】
請求項１または２に記載の分類処理生成装置であって、
前記表示制御部が、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とを前記表示部に同時に表示することを特徴とする分類処理生成装置。
【請求項４】
請求項１または２に記載の分類処理生成装置であって、
前記表示制御部が、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像を前記表示部に同時に表示することを特徴とする分類処理生成装置。
【請求項５】
請求項１ないし４のいずれかに記載の分類処理生成装置であって、
前記評価部において、複数の分類処理候補が準備され、
前記評価部が、前記複数の分類処理候補にそれぞれ対応する複数の有効度を求め、
前記演算内容変更部が、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記評価部にて前記複数の有効度を求める処理を、前記終了条件を満たすまで繰り返すことを特徴とする分類処理生成装置。
【請求項６】
画像を複数の画像グループのいずれかに分類するための分類処理を生成する分類処理生成方法であって、
ａ）所定の画像処理演算および特徴量演算を含む分類処理候補を準備する工程と、
ｂ）複数の画像グループのそれぞれに属する各元画像に対して前記画像処理演算を行って処理済み画像を生成する工程と、
ｃ）前記処理済み画像に対して前記特徴量演算を行うことにより、複数の元画像の複数の特徴量を求める工程と、
ｄ）前記複数の元画像のそれぞれを前記複数の画像グループのいずれかに分類する際における前記複数の特徴量の有効度を求める工程と、
ｅ）前記分類処理候補における前記画像処理演算および前記特徴量演算の少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程を、終了条件を満たすまで繰り返す工程と、
ｆ）前記有効度が閾値以上となる場合の前記分類処理候補を利用可能な分類処理として、前記分類処理における前記少なくとも一方の演算の内容を表示部に表示する工程と、
を備えることを特徴とする分類処理生成方法。
【請求項７】
請求項６に記載の分類処理生成方法であって、
前記ｆ）工程において、前記分類処理における前記画像処理演算および前記特徴量演算の双方の内容が前記表示部に表示されることを特徴とする分類処理生成方法。
【請求項８】
請求項６または７に記載の分類処理生成方法であって、
前記ｆ）工程において、前記各元画像と、前記各元画像に対して前記分類処理における前記画像処理演算を行って生成された前記処理済み画像とが前記表示部に同時に表示されることを特徴とする分類処理生成方法。
【請求項９】
請求項６または７に記載の分類処理生成方法であって、
前記ｆ）工程において、前記複数の画像グループにそれぞれ対応するとともに前記分類処理における前記画像処理演算により生成された複数の処理済み画像が前記表示部に同時に表示されることを特徴とする分類処理生成方法。
【請求項１０】
請求項６ないし９のいずれかに記載の分類処理生成方法であって、
前記ａ）工程において、複数の分類処理候補が準備され、
前記ｂ）ないしｄ）工程により、前記複数の分類処理候補にそれぞれ対応する複数の有効度が求められ、
前記ｅ）工程において、前記複数の分類処理候補の少なくとも１つにおける前記少なくとも一方の演算の内容を変更しつつ前記ｂ）ないしｄ）工程が、前記終了条件を満たすまで繰り返されることを特徴とする分類処理生成方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【公開番号】特開２０１３−５０８３７（Ｐ２０１３−５０８３７Ａ）
【公開日】平成２５年３月１４日（２０１３．３．１４）
【国際特許分類】
【出願番号】特願２０１１−１８８１７８（Ｐ２０１１−１８８１７８）
【出願日】平成２３年８月３１日（２０１１．８．３１）
【出願人】（０００２０７５５１）大日本スクリーン製造株式会社 (2,640)
【Ｆターム（参考）】
【公開日】平成２５年３月１４日（２０１３．３．１４）
【国際特許分類】
【出願日】平成２３年８月３１日（２０１１．８．３１）
【出願人】（０００２０７５５１）大日本スクリーン製造株式会社 (2,640)
【Ｆターム（参考）】
[ Back to top ]