画像処理装置、画像処理方法及びプログラム
【課題】 画像のテクスチャ特性において、従来に比較して角度方向の分解能を向上させ、テクスチャ分類の精度を向上させる画像処理装置、方法及びプログラムを提供する。
【解決手段】 本発明の画像処理装置は、第１のスティーラブルフィルタと、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、画像のスケール毎に、各々のフィルタリング結果から、テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎に記憶するデータベースとを有する。
【解決手段】 本発明の画像処理装置は、第１のスティーラブルフィルタと、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、画像のスケール毎に、各々のフィルタリング結果から、テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎に記憶するデータベースとを有する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像の特徴の一つであるテクスチャを用いた画像処理装置、画像処理方法及びプログラムに関する。
【背景技術】
【０００２】
データベース等における画像の検索に用いられる特徴として、テクスチャ特徴がある。
このテクスチャ特性は、画像に含まれる模様パターンの分布状態を示す特性であり、画像の有する空間的な構造を表現している。
そして、人間は、テクスチャ特性の違いから、画像の中の領域を区別することができ、また、テクスチャ特性のスケールの違い（分布の細かさの程度）により、細かい方が遠くに感じ、粗い方が近くに感じることで、テクスチャ特性により、遠近感を得ることができる。
【０００３】
上述したように、テクスチャ特性は、人間の視覚的情報処理において、遠近感を得る重要な役割を果たしている。
したがって、人間がテクスチャ特性により視覚的な判断を行うことを考えると、類似する画像を含む大規模なデータベースから、効果的に人間が類似しているとする画像を、効果的に検索及び閲覧する際、各画像のテクスチャ特性を考慮して行う必要がある。
このため、テクスチャ特性をより、忠実に記述する方法が必要となる。
【０００４】
例えば、ガボールフィルタを用いて、図１９に示すように、テクスチャ特徴を、極座標周波数空間において角度方向（方向成分）及び放射方向（空間周波数）に分類した特徴チャンネルとして表現する方法がある（例えば、特許文献１を参照）。
上記ガボールフィルタを用いた方法においては、各特徴チャンネル毎の特徴値を求め、これを画像のテクスチャ特徴としてを抽出している。
【特許文献１】特表２００３−５１５８５２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１に示すテクスチャ記述方法等にあっては、テクスチャ特性の重要な構成要素であるラインエッジ及びステップエッジと呼ばれる様々なエッジ（輪郭線）特徴を、テクスチャ特性に適応的に利用してはいない。
ここで、図２０（ａ）に示すように、矢印Ｑ方向がテクスチャの方向であり、エッジはこのテクスチャ方向の法線方向となる。
また、図２０（ｂ）に示すｘ−ｙ座標系で示すテクスチャ画像の一部を拡大すると、その拡大領域において、図２０（ｃ）のようにテクスチャ方向が角度θで表すことができる。
【０００６】
また、上述した特徴チャンネルを用いるテクスチャ記述には、上記角度θの分解能が所定の範囲（量子化ステップ）として設定されているため、分解能が理想的な量子化ステップにより低くなり、テクスチャ分類する際に、分類精度が低下する要因となる。
ここで、上記ガボールフィルタを設計する際に、高次の関数を用いてフィルタを設計することにより、分解能を上げることは可能であるが、ノイズの影響を受けることになり、実質的に分類精度を向上させることは困難である。
【０００７】
本発明は、このような事情に鑑みてなされたもので、テクスチャ画像から得られるテクスチャ特性において、従来例に比較して角度方向の分解能を向上させ、テクスチャ分類の精度を向上させることか可能な画像処理装置、画像処理方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
本発明の画像処理装置は、画像のテクスチャ特徴を抽出する画像処理装置であり、
第１のスティーラブルフィルタと、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎に記憶するデータベースとを有することを特徴とする。
【０００９】
本発明の画像処理装置は、画像をテクスチャ特徴により検索する画像処理装置であり、テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎に記憶するデータベースと、第１のスティーラブルフィルタと、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する画像検索部とを有することを特徴とする。
【００１０】
本発明の画像処理装置は、前記エッジ抽出部がエッジ点を第１のしきい値により検出し、この第１のしきい値より低い第２のしきい値により、該エッジ点に隣接する画素がエッジを構成する画素であるか否かを検出することを特徴とする。
【００１１】
本発明の画像処理装置は、前記エッジ抽出部がテクスチャ方向のテクスチャ強度に対して、検出するエッジ種類のテクスチャ強度を出力させる位相制御パラメータを乗算し、各エッジのエッジ種類を検出することを特徴とする。
【００１２】
本発明の画像処理装置は、前記エッジ種類毎のエッジを形成する画素数が全画素数に占める割合と、エッジを形成する画素のテクスチャ強度の平均値及び分散値と、エッジと判定された位置でのテクスチャ方向の分散値を有するテクスチャ特徴を算出する位置特徴抽出部を有することを特徴とする。
【００１３】
本発明の画像処理装置は、テクスチャ方向算出部がスケール毎に算出したなかから、画素毎に極大値を有するスケールと、このときのテクスチャ方向とに基づき、テクスチャ画像の画素をクラスタリングし、このクラスタリングされた分類のラベルと、テクスチャ方向と、スケールとの組合せにより、テクスチャ強度及びフィルタリング結果を量子化し、量子化した結果に基づいて、エッジ抽出部がエッジ種類の検出を行うことを特徴とする。
【００１４】
本発明の画像処理方法は、画像のテクスチャ特徴を抽出する画像処理方法であり、第１のスティーラブルフィルタにより画像のフィルタリングを行う過程と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う過程と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する過程とを有することを特徴とする。
【００１５】
本発明の画像処理方法は、画像をテクスチャ特徴により検索する画像処理方法であり、テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する過程と、第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う過程と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する過程とを有することを特徴とする。
【００１６】
本発明のプログラムは、画像のテクスチャ特徴を抽出する画像処理のプログラムであり、第１のスティーラブルフィルタにより画像のフィルタリングを行う処理と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う処理と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する処理とを有する画像学習処理をコンピュータに実行させるプログラムである。
【００１７】
本発明のプログラムは、画像をテクスチャ特徴により検索する画像処理のプログラムであり、テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する処理と、第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う処理と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する処理とを有する画像識別処理をコンピュータに実行させるプログラムである。
【発明の効果】
【００１８】
以上説明したように、本発明によれば、テクスチャ画像から得られるテクスチャ特性において、テクスチャ方向及びその方向のエネルギを、従来例のように予め決められた領域毎に分類するのでなく、各画素毎に連続的に抽出しているため、角度方向の分解能を向上させ、テクスチャ分類の精度を向上させることができる。
また、本発明によれば、テクスチャ方向及びその方向に対するエネルギから、テクスチャ画像におけるエッジの種類を抽出し、このエッジ種類をテクスチャ特性に含めたため、従来例に比較してテクスチャ画像のテクスチャの構造に対する分解能を向上させられるので、テクスチャ分類の精度を向上させることができる。
【発明を実施するための最良の形態】
【００１９】
以下、本発明の一実施形態による画像処理システムを図面を参照して説明する。図１は同実施形態による画像処理システムの構成例を示すブロック図である。
この図において、画像処理システムは学習部１及び識別部２とから構成されており、学習部１はテクスチャ画像のテクスチャ特徴を算出し、このテクスチャ特徴と、テクスチャ画像とを対応させ、データベースＤＢに記憶させ、一方、識別部２は識別対象のテクスチャ画像（以下、識別対象テクスチャ画像）のテクスチャ特徴を算出し、この識別対象テクスチャ画像のテクスチャ特徴と、データベースＤＢに蓄積されている蓄積テクスチャのテクスチャ特徴との類似度を算出し、識別対象テクスチャ画像と類似度の高い蓄積テクスチャ画像の検索を行う。
【００２０】
上記学習部１は、蓄積テクスチャ画像を入力する画像入力部１１と、蓄積テクチャ画像のテクスチャ特徴を解析する画像解析部１２と、解析結果から蓄積テクスチャ画像の蓄積テクスチャ特徴を算出する特徴抽出部１３とを有している。
画像入力部１１は、データベースＤＢに蓄積される、学習に用いられる蓄積テクスチャ画像を外部機器から入力し、画像解析部１２へ出力する。
【００２１】
画像解析部１２は、テクスチャ方向算出部１５及びエッジ抽出部１６から構成されている。
テクスチャ方向算出部１５は、予め設定されているスケール毎に、スティーラブルフィルタにより、蓄積テクスチャ画像に対するテクスチャ特徴の各画素のテクスチャ方向の算出を行う。
エッジ抽出部１６は、テクスチャ方向毎のスティーラブルフィルタの強度から、エッジ及びエッジ方向を算出する。
【００２２】
特徴抽出部１３は、上記エッジ及びエッジ方向から、エッジの種類毎の画素の割合，エッジの種類毎の上記強度の平均値及び分散値，エッジ全体における強度の平均値及び分散値，エッジ位置での角度のヒストグラム（アングルヒストグラム）等を算出して、テクスチャ特徴の抽出を行う。
このテクスチャ特徴は、各エッジ方向，各エッジの種類毎の画素の割合，エッジの種類毎におけるスティーラブルフィルタの強度の平均値及び分散値，エッジ全体における強度の平均値及び分散値，エッジ位置での角度のヒストグラム（アングルヒストグラム）等の全て、またはいずれかの組合せ（少なくともエッジ方向及びその強度）により構成される。
データベースＤＢは、上記特徴抽出部１３（学習部１内）の算出した、各蓄積テクスチャ画像に対応する蓄積テクスチャ特徴を、それぞれの蓄積テクスチャ画像に対応して記憶している。
【００２３】
次に、識別部２は、識別対象テクスチャ画像を入力する画像入力部２１と、識別対象テクスチャ画像のテクスチャ特徴を解析する画像解析部２２と、解析結果から識別対象テクスチャ画像の対象テクスチャ特徴を算出する特徴抽出部２３と、上記データベースＤＢに記憶されている各蓄積テクスチャ特徴と、対象テクスチャ特徴との類似度を計算し、識別対象テクスチャ画像に類似した蓄積テクスチャ画像を抽出する画像検索部２４とを有している。
画像入力部２１，画像解析部２２，特徴抽出部２３は、処理対象が蓄積テクスチャ画像でなく、識別対象テクスチャ画像であること以外、同様な処理が行われる。
【００２４】
以下、本発明の画像処理システムで用いられるスティーラブルフィルタについて、簡単に説明する。
スティーラブルフィルタは、少数の基底フィルタの線形結合により、単一指向の特性を持たせられるフィルタである。
このため、上記基底フィルタの線形結合係数を連続的に変化させることにより、従来例のガボールフィルタのチャンネル単位でなく、連続的な方向検出特性を得ることができ、高い精度によりテクスチャ方向の検出を行うことができる。
【００２５】
すなわち、スティーラブルフィルタに用いる関数は、スティーラブル定理を満たす関数、すなわち自身の回転変形の線形和により記載できる関数であれば用いることができ、例えばガウス関数の２階微分やエルミット多項式等を用いることができる。
以下、ガウス関数の２階微分を用いたスティーラブルフィルタによるテクスチャ特徴の抽出について説明する。
ガウス関数を２階微分した第１のスティーラブルフィルタＧ２θは、以下の（１）式に示すように、基底フィルタ（Ｇ２ａ，Ｇ２ｂ，Ｇ２ｃ）の線形和により表せる。
【００２６】
【数１】
【００２７】
また、（１）式において、ｋａ(θ)，ｋｂ(θ)，ｋｃ(θ)は、それぞれ基底フィルタＧ２ａ，Ｇ２ｂ，Ｇ２ｃに対する補間関数である。
そして、上記第１のスティーラブルフィルタＧ２θに対して、以下の（２）式に示すような、quadrature pairの関係にある第２のスティーラブルフィルタＨ２θを設定する。
【００２８】
【数２】
【００２９】
また、（２）式において、ｐａ(θ)，ｐｂ(θ)，ｐｃ(θ)，ｐｄ(θ)は、それぞれ基底フィルタＨ２ａ，Ｈ２ｂ，Ｈ２ｃ，Ｈ２ｄに対する補間関数である。
この第２のスティーラブルフィルタＨ２θは、ガウス関数の２階微分に対して、周波数応答が等しく、π／２だけ位相のずれた（例えば、ヒルベルト変換された）フィルタである。
そして、第１及び第２のスティーラブルフィルタＧ２θ及びＨ２θを用いることにより、以下の（３）式に示すような、画素のテクスチャ方向に対するエネルギ関数を得ることができる。
【００３０】
【数３】
【００３１】
＜第１の実施形態＞
次に、図２〜図９により、本発明の第１の実施形態における画像処理システムの動作を説明する。図２〜図９は、本発明の第１の実施形態における画像処理システムの動作例を示すフローチャートである。
本発明の画像処理システムにおける全体的な動作として、図２〜図８に示すデータベースＤＢへの蓄積テクスチャ画像の蓄積処理を行う学習過程と、図９に示すデータベースＤＢから識別対象テクスチャ画像に類似した蓄積テクスチャ画像を検索する識別過程とに分けて説明を行う。
【００３２】
＜学習課程＞
全体的な動作の概要が示す図２に示されており、外部機器から学習対象のテクスチャ画像、すなわち蓄積テクスチャ画像を入力し（ステップＳ０）、入力される蓄積テクスチャ画像に対して、第１及び第２のスティーラブルフィルタによるフィルタリング処理を行う（ステップＳ１）。
次に、フィルタリング処理結果に基づき、画素ごとのテクスチャ方向とその強度を算出し（ステップＳ２）、上記画素の強度からラインエッジを検出し（ステップＳ３）、上記強度からステップエッジを検出する（ステップＳ４）。
【００３３】
そして、検出したラインエッジ及びステップエッジから、テクスチャ画像のテクスチャ特徴を算出（ステップＳ５）する。
次に、予め設定された全スケールに対してテクスチャ特徴を抽出したか否かを検出し、全てが終了したことが検出されると、次の蓄積テクスチャ画像の蓄積テクスチャ特徴の抽出を開始し、終了していない場合、次のスケールの蓄積テクスチャ特徴の抽出を行う（ステップＳ６）。
【００３４】
ここで、スケールσとは、テクスチャ画像の放射方向の解像度を規定するパラメータとしたものである。
すなわち、スケールσを大きくすることにより、物体形状をぼかした状態（低い解像度）とし、一方、逆に小さくすることにより、物体細部の形状に近くなる（高い解像度）。
また、スケールσは、第１及び第２のスティーラブルフィルタの各基底フィルタ（バンドパスフィルタ）の出力値の重なりが抑制される数値として設定されている。例えば、スケールσは、最大出力値の１／２までの重なりまで許容する数値に設定される。
【００３５】
次に、図３を用いて、ステップＳ０のイニシャライズの処理を、以下に詳細に説明する。
ユーザがテクスチャ画像を入力端末から入力する（ステップＳ０１）。これにより、画像処理サーバ装置（画像処理システム）にテクスチャ画像が入力される（ステップＳ０２）。
そして、テクスチャ方向算出部１５に、画像入力部１１から、テクスチャ画像が入力される（ステップＳ０３）。
次に、テクスチャ方向算出部１５は、内部の記憶部（例えば、メモリ）からフィルタスケール値（スケールσ）の初期値Ｃ0及び最終値Ｃsを読み込み、設定レジスタに設定し（ステップＳ０４）、スケール値カウンタを初期値Ｃ0に初期化する（ステップＳ０５）。
【００３６】
次に、図４を用いて、ステップＳ１の入力画像のフィルタリング処理について、以下に詳細に説明する。
テクスチャ方向算出部１５は、スケール値カウンタを刻み幅単位で増加させ（開始値から最終値までスケールσを増加させる刻み幅ずつ増加させる）し、スケール値カウンタの数に対応するパラメータσの値を、上記内部の記憶部から読み込む（ステップＳ１１）。
そして、テクスチャ方向算出部１５は、入力したテクスチャ画像Ｉに対して用いる第１及び第２のスティーラブルフィルタＧ２θ，Ｈ２θの各基底フィルタＧ２ａ（ｘ，ｙ，σ），Ｇ２ｂ（ｘ，ｙ，σ），Ｇ２ｃ（ｘ，ｙ，σ），Ｈ２ａ（ｘ，ｙ，σ），Ｈ２ｂ（ｘ，ｙ，σ），Ｈ２ｃ（ｘ，ｙ，σ），Ｈ２ｄ（ｘ，ｙ，σ）を、上記スケールσに対応して、下記に示す（４）式のように生成する（ステップＳ１２）。
【００３７】
【数４】
【００３８】
次に、テクスチャ方向算出部１５は、上記各基底フィルタを、入力されたテクスチャ画像Ｉに畳み込み、この畳み込み演算の結果として、各基底フィルタＧ２ａ（ｘ，ｙ，σ），Ｇ２ｂ（ｘ，ｙ，σ），Ｇ２ｃ（ｘ，ｙ，σ），Ｈ２ａ（ｘ，ｙ，σ），Ｈ２ｂ（ｘ，ｙ，σ），Ｈ２ｃ（ｘ，ｙ，σ），Ｈ２ｄ（ｘ，ｙ，σ）の出力として、各々フィルタ出力ｇ２ａ，ｇ２ｂ，ｇ２ｃ，ｈ２ａ，ｈ２ｂ，ｈ２ｃ，ｈ２ｄを得る（ステップＳ１３）。
【００３９】
ここで、畳み込み演算の処理において、関数ａ（ｘ，ｙ）に対して関数ｂ（ｘ，ｙ）の畳み込みを行うと、得られる演算結果は、以下に示す（５）式のようになる。
【００４０】
【数５】
【００４１】
そして、テクスチャ方向算出部１５は、得られたフィルタ出力を、この時点のパラメータσに対応して、内部の記憶部に一時的に記憶する（ステップＳ１４）。
【００４２】
次に、図６を用いて、ステップＳ２のテクスチャ画像におけるテクスチャ方向の検出処理について、以下に詳細に説明する。
テクスチャ方向算出部１５は、テクスチャ画像のサイズとして、横の長さｘlと縦の長さｙlとを読み込み、テクスチャ画像の原点としてｘ＝０，ｙ＝０とを、サイズカウンタに設定する。
ここで、横の長さｘlと縦の長さｙlとは、例えば、テクスチャ画像における横の画素数と、縦の画素数とを、各々示している。
【００４３】
テクスチャ方向算出部１５は、テクスチャ画像の全ての画素に対して、すなわち、テクスチャ画像上の全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）に対して、テクスチャを支配する方向としてテクスチャ方向θｄを、記憶部に記憶したフィルタ出力ｇ２ａ，ｇ２ｂ，ｇ２ｃ，ｈ２ａ，ｈ２ｂ，ｈ２ｃ，ｈ２ｄから求める（ステップＳ２２）。
ここで、テクスチャ方向として、以下に示す（６）式の合成エネルギ関数が最大値となる角度θｄを求めることとなる。
【００４４】
【数６】
【００４５】
しかしながら、補間関数のパラメータである角度θを連続的に変化させて最大値を検出するとなると、計算量が膨大となる。
このため、（６）式をフーリエ級数展開し、テクスチャ特徴としては低次の項に含まれるため、またノイズを除去するため、高次の項を省略し、以下に示す（７）式により、（６）式を近似する。
【００４６】
【数７】
【００４７】
ここで、（７）式の最大値を与える角度をθdとすると、以下に示す（８）式により、θdを近似的に求めることができる。
【００４８】
【数８】
【００４９】
そして、テクスチャ方向算出部１５は、得られた各画素毎のテクスチャ方向θdを、全座標値にわたって、記憶部に一時的に記憶する。
次に、テクスチャ方向算出部１５は、上述の処理により得られたテクスチャ方向θdを、各画素毎に（６）式に代入して、全座標値における精度の高い合成エネルギ値Ｅ２θｄを、−π／２≦θd≦π／２において算出し、内部の記憶部に一時的に記憶する。
【００５０】
次に、図７及び図９のフローチャートを用い、ステップＳ３及びＳ４各々のテクスチャ画像における特徴の一つであるエッジ種類の抽出処理について以下に簡単に説明する。
エッジの形状としては、図８に示すように、輝度がステップ状に変化するステップエッジ（図８（ａ））と、輝度の変化がパルス状となるラインエッジ（図８（ｂ））が存在する。
このため、テクスチャ画像のテクスチャ特徴の精度を向上させるため、本発明のエッジ抽出部１６は、テクスチャ方向から検出されるエッジを、ステップエッジとラインエッジとに分離して抽出している。
【００５１】
分離方法は、抽出対象のエッジ種類に依存する位相制御パラメータΛ（ψ）を、各画素の合成エネルギ関数Ｅ２θ（θ）に対して乗算することで実現される。この処理により、抽出対象外のエッジ種類に関する情報が抑制される。
この位相制御パラメータΛ（ψ）は、以下に示す（９）式の構成である。
【００５２】
【数９】
【００５３】
この（９）式において、ψは各画素における第１のスティーラブルフィルタ及び第２のスティーラブルフィルタの各出力ｇ２θ及びｈ２θから求め、ψ０はラインエッジを抽出する際に０またはπを代入し、ステップエッジを抽出する際に＋π／２または−π／２を代入する。
すなわち、ラインエッジを抽出する際に、ψ０に０またはπを代入し、−π／２≦ψ−ψ０≦π／２となった場合、位相制御パラメータΛｌｉｎｅ（ψ）として、cos２(ψ−ψ０)を合成エネルギ関数Ｅ２θに対して乗算し、それ以外の場合、「０」を合成エネルギ関数Ｅ２θに対して乗算する。
一方、ステップエッジを抽出する際に、ψ０に−π／２またはπ／２を代入し、−π／２≦ψ−ψ０≦π／２となった場合、位相制御パラメータΛｓｔｅｐ（ψ）として、cos２(ψ−ψ０)を合成エネルギ関数Ｅ２θに対して乗算し、それ以外の場合、「０」を合成エネルギ関数Ｅ２θに対して乗算する。
以下に、ラインエッジ及びステップエッジの抽出処理を説明する。
【００５４】
まず、図７のフローチャートを用い、ステップＳ３のテクスチャ画像におけるラインエッジの検出処理について、以下に詳細に説明する。
エッジ抽出部１６は、内部の記憶部に記憶されている各画素のテクスチャ方向θdと合成エネルギ値Ｅ２θｄとを読み出す。
そして、エッジ抽出部１６は、各画素毎に、（９）式においてψ０を０またはπとして画素単位に求めた位相制御パラメータΛｌｉｎｅ（ψ）を合成エネルギ値Ｅ２θｄに対して乗算し、エッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄを求める。
このとき、エッジ抽出部１６は、エッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄを、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して算出する（ステップＳ３１）。
【００５５】
次に、エッジ抽出部１６は、算出した各エッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・ Ｅ２θｄがθd方向に関して極大値を与えるか否かの判定を行う。ここで、エッジ抽出部１６は、例えば（１０）式により極大値の判定を行う。
【００５６】
【数１０】
【００５７】
そして、エッジ抽出部１６は、θd方向に極大値を与える場合、各画素のテクスチャ方向θdを代入して、得られるエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄが、予め設定した第１の閾値を超えた場合、その座標の画素を強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）と判定する。この（Ｅlg＿ｘn，Ｅlg＿ｙn）は、座標値である。
ここで、エッジ抽出部１６は、上述した強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）の抽出処理を、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して行う（ステップＳ３２）。
ここで、強いラインエッジ点におけるｎは抽出された順番を示しており、１≦ｎ≦ｎmaxの整数である。したがって、ｎmaxは抽出された強いラインエッジ点の総数となる。
【００５８】
次に、エッジ抽出部１６は、強いラインエッジ点であることが検出された画素の座標点近傍における他の画素に対して、弱いラインエッジ点であるか否かの判定を行う。
ここで、エッジ抽出部１６は、弱いラインエッジ点の抽出処理を、強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）とされた画素全て（１≦ｎ≦ｎmax）の近傍において行う。
このとき、エッジ抽出部１６は、弱いラインエッジ点の抽出を、強いラインエッジ点近傍における各画素のエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄが、予め設定した第２の閾値（第１の閾値より低く設定されている）を超えた場合、その座標の画素を弱いラインエッジ点（ｅlg＿ｘm，ｅlg＿ｙm）と判定する。この（ｅlg＿ｘm，ｅlg＿ｙm）は、座標値である（ステップＳ３３）。
ここで、弱いステップエッジ点におけるｍは抽出された順番を示しており、１≦ｍ≦ｍmaxの整数である。したがって、ｍmaxは抽出された弱いラインエッジ点の総数となる。
【００５９】
次に、エッジ抽出部１６は、強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）と、強いラインエッジ点のエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる。
同様に、エッジ抽出部１６は、弱いラインエッジ点（ｅlg＿ｘm，ｅlg＿ｙm）と、弱いラインエッジ点のエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる（ステップＳ３４）。
【００６０】
次に、図９のフローチャートを用い、ステップＳ４のテクスチャ画像におけるステップエッジの検出処理について、以下に詳細に説明する。
エッジ抽出部１６は、内部の記憶部に記憶されている各画素のテクスチャ方向θdと合成エネルギ関数Ｅ２θｄとを読み出す。
そして、エッジ抽出部１６は、各画素毎に、（９）式においてψ０を−π／２または＋π／２として画素単位に求めた位相制御パラメータΛｓｔｅｐ（ψ）を合成エネルギ関数Ｅ２θｄに対して乗算し、エッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄを求める。
【００６１】
このとき、エッジ抽出部１６は、エッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄを、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して算出する（ステップＳ３１）。
次に、エッジ抽出部１６は、算出した各エッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・ Ｅ２θｄが、θｄ方向に関して極大値を与えるか否かの判定を行う。
【００６２】
そして、エッジ抽出部１６は、θｄ方向に極大値を与える場合、各画素のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄが、予め設定した第１の閾値を超えた場合、その座標の画素を強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）と判定する。この（Ｅsg＿ｘq，Ｅsg＿ｙq）は、座標値である。
ここで、エッジ抽出部１６は、上述した強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）の抽出処理を、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して行う（ステップＳ３２）。
ここで、強いステップエッジ点におけるｑは抽出された順番を示しており、１≦ｑ≦ｑmaxの整数である。したがって、ｑmaxは抽出された強いステップエッジ点の総数となる。
【００６３】
次に、エッジ抽出部１６は、強いステップエッジ点であることが検出された画素の座標点近傍における他の画素に対して、弱いステップエッジ点であるか否かの判定を行う。
ここで、エッジ抽出部１６は、弱いステップエッジ点の抽出処理を、強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）とされた画素全て（１≦ｑ≦ｑmax）の近傍において行う。
このとき、エッジ抽出部１６は、弱いステップエッジ点の抽出を、θｄ方向に極大値を与える場合、強いステップエッジ点近傍における各画素のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄが、予め設定した第２の閾値（第１の閾値より低く設定されている）を超えた場合、その座標の画素を弱いステップエッジ点（ｅsg＿ｘr，ｅsg＿ｙr）と判定する。この（ｅsg＿ｘr，ｅsg＿ｙr）は、座標値である（ステップＳ３３）。
ここで、弱いステップエッジ点におけるｒは抽出された順番を示しており、１≦ｒ≦ｒmaxの整数である。したがって、ｒmaxは抽出された弱いステップエッジ点の総数となる。
【００６４】
次に、エッジ抽出部１６は、強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）と、強いステップエッジ点のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる。
同様に、エッジ抽出部１６は、弱いステップエッジ点（ｅsg＿ｘr，ｅsg＿ｙr）と、弱いステップエッジ点のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる（ステップＳ３４）。
【００６５】
次に、図１０のフローチャートを用い、ステップＳ５のテクスチャ画像におけるテクスチャ特徴の算出処理について、以下に詳細に説明する。
特徴抽出部１３は、内部の記憶部から、ｎmax，ｍmax，ｘl及びｙlを用いて、入力されたテクスチャ画像Ｉに含まれる全画素において、ラインエッジを構成すると判定された画素の割合を、下記に示す（１１）式により算出し、このラインエッジ割合Ｐelを、記憶部に記憶する（ステップＳ５１）。
【００６６】
【数１１】
【００６７】
次に、特徴抽出部１３は、内部の記憶部から、ｑmax，ｒmax，ｘl及びｙlを用いて、入力されたテクスチャ画像Ｉに含まれる全画素において、ステップエッジを構成すると判定された画素の割合を、下記に示す（１２）式により算出し、このステップエッジ割合Ｐesを、内部の記憶部に記憶する（ステップＳ５２）。
【００６８】
【数１２】
【００６９】
そして、特徴抽出部１３は、ラインエッジ及びステップエッジと判定された画素のΛｓｔｅｐ（ψ）・Ｅ２θｄ，Λｌｉｎｅ（ψ）・Ｅ２θｄを加算した値（エッジを構成すると判定された画素全てのエネルギの加算値）を、ｎmax，ｍmax，ｑmax，ｒmaxを加算した値（エッジを構成すると判定された画素の全数）ｎｅｄｇｅにより除算することにより、全エッジにおける画素の平均エネルギ値ｕEeを、下記に示す（１３）式により算出し、内部の記憶部に記憶する（ステップＳ５３）。
【００７０】
【数１３】
【００７１】
次に、特徴抽出部１３は、下記に示す（１４）式により、エッジを構成する画素各々のエッジ点判定用エネルギエッジから平均エネルギ値ｕEeを減算した値を二乗して、エッジを構成する画素全てについて加算した値を、ｎｅｄｇｅにより除算することにより、エッジを構成する画素におけるエッジ点判定用エネルギの分散値ｖEeを求め、内部の記憶部に記憶する（ステップＳ５４）。
【００７２】
【数１４】
【００７３】
次に、特徴抽出部１３は、内部の記憶部に記憶されたエネルギＥ２θｄを読出し、下記に示す（１５）式により、テクスチャ画像Ｉに含まれる全画素のエネルギＥ２θｄを加算した値を、テクスチャ画像に含まれる画素の全数で除算して、テクスチャ画像の画素当たりの平均エネルギｕEを算出し、内部の記憶部に記憶する（ステップＳ５５）。
【００７４】
【数１５】
【００７５】
次に、特徴抽出部１３は、内部の記憶部に記憶されたエネルギＥ２θｄを読出し、下記に示す（１６）式により、テクスチャ画像Ｉに含まれる各画素のエネルギＥ２θｄから、平均エネルギｕEを減算した値を二乗し、この二乗した値を全画素にわたり加算し、この加算した値をテクスチャ画像に含まれる画素の全数で除算して、テクスチャ画像の画素全体におけるエネルギの分散ｖEを算出し、内部の記憶部に記憶する（ステップＳ５６）。
【００７６】
【数１６】
【００７７】
次に、特徴抽出部１３は、内部の記憶部に記憶されたエッジ点全て（ラインエッジ及びステップエッジを構成すると判定された強いエッジ点，弱いエッジ点）の座標値と、各エッジ点のテクスチャ方向θdと、エッジ画素の総数ｎｅｄｇｅとを用い、テクスチャ方向θdのヒストグラム（アングルヒストグラム）を作成する。
ここで、−π／２≦θd≦π／２を所定の範囲に分割して、上記アングルヒストグラムを作成する。
【００７８】
そして、特徴抽出部１３は、アングルヒストグラムから、それぞれの範囲に振り分けられたテクスチャ方向θdを、その範囲を代表する角度を分割範囲で加算して、角度の平均値を算出し、各代表する角度から角度の平均値を減算した値に、その範囲に含まれる画素数を乗算し、全範囲にわたって加算し、この加算結果をエッジ画素の総数ｎｅｄｇｅによりを除算して、角度の分散θａｎｇｌｅを算出する（ステップＳ５７）。
【００７９】
次に、ステップ５の最終処理として、特徴抽出部１３は、算出したステップエッジ割合Ｐes，ラインエッジ割合Ｐel，平均エネルギ値ｕEe，分散値ｖEe，平均エネルギｕE，分散ｖE，角度の分散θａｎｇｌｅを、各々テクスチャ特徴量として、現在設定されているパラメータσの番号に対応して、データベースＤＢのテクスチャ画像のファイル領域に記憶する。
ここで、平均エネルギ値ｕEe，分散値ｖEe，平均エネルギｕE，分散ｖE，角度の分散θａｎｇｌｅを算出する際、エネルギ値及び角度は、各計算に用いる中における最大値や平均値などの値により、他の画素の値を除算することにより、規格化して用いる。
【００８０】
そして、特徴抽出部１３は、上述したステップＳ５１〜Ｓ５７の各処理において、内部の記憶部に記憶した数値を消去する。
次に、図２のステップＳ６へ進み、全スケールが終了していれば、例えば次のテクスチャ画像のテクスチャ特徴の算出を行い、終了していなければ処理をステップＳ１へ戻し、次のスケールσによりテクスチャ特徴の算出処理を行う。
すなわち、特徴抽出部１３は、スケール値カウンタのカウンタ値の検出を行い、スケール値カウンタが設定した最終値Ｃsの数値であることを検出すると処理を終了し、スケール値カウンタが設定した最終値Ｃsに到達していないことを検出すると処理をステップＳ１へ戻す。
【００８１】
このように、学習部１は、ステップＳ１からＳ６の処理を、学習対象の各蓄積テクスチャ画像に対して行い、蓄積テクスチャ画像毎（例えば、テクスチャ画像１，２，３，…）に、蓄積テクスチャ画像のデータと、設定された各パラメータσ（例えば、スケールσ1，σ2，…）毎の蓄積テクスチャ特徴とを対応させて、図１１に示す表構成によりデータベースＤＢへ記憶させる。
【００８２】
＜識別過程＞
次に、図１２を用いて、入力される識別対象テクスチャ画像に対して、データベースＤＢから類似性の高い蓄積テクスチャ画像を抽出するテクスチャ画像の識別処理について説明する。
ここで、この識別対象テクスチャ画像の識別対象テクスチャ特徴の抽出は、すでに学習課程において説明した蓄積テクスチャ画像の蓄積テクスチャ特徴の抽出と同様であり、ステップＳ０〜ステップＳ６までの処理において、蓄積テクスチャ特徴と同様のパラメータσの組みによりテクスチャ特徴として、ステップエッジ割合Ｐes，ラインエッジ割合Ｐel，平均エネルギ値ｕEe，分散値ｖEe，平均エネルギｕE，分散ｖE，角度の分散θａｎｇｌｅが算出される。
ここで、ユーザは、学習過程の入力端末に対応して、識別結果閲覧用端末から識別対象テクスチャ画像を入力させ、識別部２にデータベースＤＢからこの識別対象テクスチャ画像に類似した蓄積テクスチャ画像の検索を指示する。
【００８３】
すなわち、識別部２における画像入力部２１，テクスチャ方向算出部２５，エッジ抽出部２６，特徴抽出部２３各々は、それぞれ学習部１の画像入力部１１，テクスチャ方向算出部１５，エッジ抽出部１６，特徴抽出部１３と同様な動作を行う。
そして、識別部２の画像検索部２４は、特徴抽出部２３が算出したテクスチャ特徴を入力する（ステップＳ７１）。
【００８４】
次に、画像検索部２４は、データベースＤＢに蓄積されている蓄積テクスチャ画像の数を、データベースＤＢにおいて、蓄積されているテクスチャ画像数を記憶している領域から読み出す（ステップＳ７２）。
そして、画像検索部２４は、識別対象テクスチャ特徴と、順次読み出す蓄積テクスチャ特徴との類似度の算出を行う。
ここで、画像検索部２４は、上記類似度ｄijを、例えば（１７）式に示す重み付き平均絶対値距離や、（１８）式に示す重み付きユークリッド距離により算出する（ステップＳ７３）。
【００８５】
【数１７】
【００８６】
【数１８】
【００８７】
そして、画像検索部２４は、識別対象テクスチャ画像と、データベースＤＢに蓄積された蓄積テクスチャ画像全てとの類似度を、一時的に内部の記憶部に記憶する（ステップＳ７４）。
次に、画像検索部２４は、上記記憶部に記憶されている類似度において、上位Ｔ番目までの類似度の蓄積テクスチャ画像を抽出する（ステップＳ７５）。
ここで、上記Ｔは、予め設定されている（例えば、ユーザにより入力端末から入力されて予め設定されているシステムファイルに設定されている）値である。
【００８８】
そして、画像検索部２４は、図１３に示すように、上位Ｔ番目までの類似度の蓄積テクスチャ画像を、その画像データと、画像ファイル名と、類似度とが表形式に記載されたＨＴＭＬファイルを生成する（ステップＳ７６）。
次に、画像検索部２４は、識別結果閲覧用端末へ上記ＨＴＭＬファイルを出力する（ステップＳ７７）。
【００８９】
＜第２の実施形態＞
次に、本発明の第２の実施形態について説明する。図２のステップＳ２の処理が異なり、他の処理が第１の実施形態と同様のため、異なったステップＳ２の処理のみの説明を行う。
図１４は、第１の実施形態のステップＳ２に対応する、第２の実施形態の動作を示すフローチャートである。
ステップＳ１にてフィルタリング処理した後、図１４のステップＳ２０１に処理が移行し、テクスチャ方向算出部１５は、ステップＳ２１及びＳ２２と同様な処理を行い、各画素毎のテクスチャ方向θdを算出し、内部の記憶部に一時的に記憶する。
次に、テクスチャ方向算出部１５は、スケールσにおける方向強度Ｓσを、（７）式におけるフーリエ級数の係数Ｃ２及びＣ３を用い、以下に示す（１９）式により、テクスチャ画像の全ての画素に対して算出し、内部の記憶部に一時的に記憶する（ステップＳ２０１）。
【００９０】
【数１９】
【００９１】
次に、テクスチャ方向算出部１５は、図２のステップＳ６と同様の処理を行い、設定されたスケールσ全てにおいて、テクスチャ画像の全ての画素に対して、方向強度Ｓσを算出したか否かの検出、すなわちスケール値カウンタのカウンタ値の検出を行い、スケール値カウンタが設定した最終値Ｃsの数値であることを検出すると、処理をステップＳ２０３へ進め、スケール値カウンタが設定した最終値Ｃsに到達していないことを検出すると処理を図２のステップＳ１へ戻す（ステップＳ２０２）。
このとき、例えば、スケールσの範囲を初期値１．０から最終値５．０と設定し、スケールσを変化させる幅（刻み幅）を０．２５とすると、０．２５刻みで１．０から数値をインクリメントし、最終値５．０（Ｃs）に達したか否かを、テクスチャ方向算出部１５により検出する。
【００９２】
次に、テクスチャ方向算出部１５は、フィルタの複数のスケールσ毎に求めた方向強度Ｓσを記憶部から順次読出し、各画素毎にテクスチャ方向θdにおいて方向強度Ｓσが極大値となるスケールσを抽出する。
そして、テクスチャ方向算出部１５は、図１５のグラフに示すような各画素毎に極大値を取るスケールσから代表値を１つ選択する。
【００９３】
ここで、極大値の選択方法としては、例えば、極大値のなかの最大値を抽出したり、最初の極大値を代表値として抽出することが考えられる。
次に、テクスチャ方向算出部１５は、選択したスケールσをスケールσdとして、このスケールσdに対応する方向強度Ｓσを方向強度Ｓσｄとし、画素毎に、これらスケールσd及び方向強度Ｓσｄを、この方向強度Ｓσｄのテクスチャ方向θdに対応させて内部の記憶部に、抽出結果（θd，σd，Ｓσｄ）として一時的に記憶する（ステップＳ２０３）。
【００９４】
次に、テクスチャ方向算出部１５は、ステップＳ２０３において抽出した各画素の抽出結果（θd，σd，Ｓσｄ）におけるスケールσd及びテクスチャ方向θdを、テクスチャ画像全体において、特徴空間に写像処理する。
すなわち、テクスチャ方向算出部１５は、例えば図１６に示すように、ωとθとで定義される極座標系で表される特徴空間に、スケールσd及びテクスチャ方向θdを写像する。
ここで、ωは極座標系における放射方向の大きさを表し、「ω＝１／σd」により求め、θは極座標系における角度を表し、「θ＝θd」により求める。
【００９５】
そして、テクスチャ方向算出部１５は、上述した処理により、各画素のω及びθを求め、図１６に示すように特徴空間に写像する（×印により変換後の各画素の座標を示す）。
これにより、テクスチャ方向算出部１５は、写像した結果を含めて、新たな抽出結果として、各画素毎に抽出結果（θd，σd，Ｓσｄ，ω）を、内部の記憶部に一時的に記憶する（ステップＳ２０４）。
【００９６】
次に、テクスチャ方向算出部１５は、ステップＳ２０４で生成した特徴空間における抽出結果の分割、すなわちクラスタリングを行う。
ここで、テクスチャ方向算出部１５は、クラスタリング処理における類似度を各特徴量（θd，ω）の特徴ベクトルの距離の逆数によって求めており、距離としてユークリッド距離，マハラノビス距離，べき乗距離等を用い、クラスタリングの手法としては、Ｋ-means法や、凝集法，Two-way（ブロッククラスタリング）法などを用いることができる。
【００９７】
次に、テクスチャ方向算出部１５は、図１７に示すように、分割（分類）された画素の領域（集合）に対して、ラベル付け（例えば、１，２，３，…，ｋと行った番号ラベルｌ）を行う。
そして、テクスチャ方向算出部１５は、クラスタリングを行った結果を含めて、新たな抽出結果として、各画素毎に抽出結果（θd，σd，Ｓσｄ，ω，ｌ）を、内部の記憶部に一時的に記憶する（ステップＳ２０５）。
【００９８】
次に、テクスチャ方向算出部１５は、クラスタリングの結果を基に、画像空間におけるフィルタ出力値と合成エネルギ値との量子化処理を行う。
すなわち、テクスチャ方向算出部１５は、記憶部に記憶されている抽出結果（θd，σd，Ｓσｄ，ω，ｌ）から、画素毎にパラメータ（θd，σd，ｌ）を読出し、順次、量子化処理を行う。
ここで、量子化処理は、量子化後のフィルタ出力値（ｇ２θ，ｈ２θ）と合成エネルギ値（Ｅ２θ）とが、θd，σd及びラベルｌの組合せに対応して設定されており、量子化後にそれぞれ（ｇq２θ，ｈq２θ，Ｅq２θ）として出力される。
【００９９】
これにより、テクスチャ方向算出部１５は、内部に図１８（ａ）及び図１８（ｂ）のグラフに示す量子化テーブルが、フィルタ出力（ｇ２θ），フィルタ出力（ｈ２θ），合成エネルギ値（Ｅ２θ）各々の量子化に対して準備されており、入力信号としてパラメータ（θd，σd，ｌ）が入力されると、そのパラメータに対応する量子化されたフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）を出力する。
そして、テクスチャ方向算出部１５は、得られた量子化結果のフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）を、抽出結果（θd，σd，Ｓσｄ，ω，ｌ）とともに画素毎に、内部の記憶部に記憶する（ステップＳ２０６）。
【０１００】
また、量子化処理として、θd，σd及びラベルｌの組合せに対応して、例えば、クラスタリングのラベルの数などに対応させて、複数の量子化テーブルを準備しておくようにしても良い。
さらに、図１８（ａ）はθd，σd及びラベルｌの組合せに対して、一様の刻みの量子化テーブルを示しているが、図１８（ｂ）のように、各量子化されたフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）の数値を有する画素数が、それぞれ等しくなるように、θd，σd及びラベルｌの組合せに対して、非線形の量子化を行う量子化テーブルを準備してもよい。
【０１０１】
そして、ステップＳ２０６の処理後、図２のステップＳ３へ進み、図１４のフローチャートの処理により得られた、量子化されたフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）により、テクスチャ画像におけるエッジの検出を行い、ステップＳ４及びＳ５の処理を行い、ステップＳ６を行わずに処理を終了する。
これにより、第１の実施形態においては、設定されたスケールσの全結果をテクスチャ特徴として有していたが、この第２の実施形態によれば、それぞれの画素が１つのスケールに対するテクスチャ特徴のみとなるため、テクスチャ特徴のデータ量を削減し、テクスチャ画像の識別処理がより高速に行えるようになる。
【０１０２】
なお、図１における学習部１及び識別部２の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、テクスチャ画像に対する学習処理及び識別処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
【０１０３】
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【図面の簡単な説明】
【０１０４】
【図１】本発明の第１及び第２の実施形態による画像処理システムの構成例を示す ブロック図である。
【図２】図１における学習部１及び検索部２におけるテクスチャ画像からのテクスチャ特徴の抽出処理の流れを示すフローチャートである。
【図３】第１及び第２の実施形態におけるテクスチャ方向算出部１５（または２５）が行うイニシャライズ処理を説明するフローチャートである。
【図４】第１及び第２の実施形態におけるテクスチャ方向算出部１５（または２５）が行う入力されたテクスチャ画像に対するフィルタリング処理を説明するフローチャートである。
【図５】第１及び第２のスティーラブルフィルタによるフィルタリングを説明する概念図である。
【図６】図２の第１の実施形態におけるステップＳ２のテクスチャ方向を検出する処理を説明するフローチャートである。
【図７】第１及び第２の実施形態におけるステップＳ３のラインエッジの抽出処理を説明するフローチャートである。
【図８】テクスチャ画像におけるエッジ形状を説明する概念図である。
【図９】第１及び第２の実施形態におけるステップＳ４のステップエッジの抽出処理を説明するフローチャートである。
【図１０】第１及び第２の実施形態におけるステップＳ５のテクスチャ特徴の算出処理を説明するフローチャートである。である。
【図１１】各蓄積テクスチャ画像に対応して、データベースＤＢに記憶される各スケール毎のテキスチャ特徴のテーブル構成を示す概念図である。
【図１２】第１及び第２の実施形態における識別対象テクスチャ画像を、データベースＤＢに蓄積された蓄積テキスチャ画像から抽出するの識別処理を説明するフローチャートである。
【図１３】図１２のフローチャートの処理において抽出された蓄積テクスチャ画像とその類似度を示す表形式のファイルを示す概念図である。
【図１４】第１の実施形態におけるステップＳ２に対応する第２の実施形態におけるテクスチャ方向算出処理を説明するフローチャートである。
【図１５】処理対象の画素において、複数のスケールσにおけるテクスチャ方向の強度に極大値のなかから、１つのスケールσをテクスチャ特徴の算出に用いる代表値とする処理を説明する概念図である。
【図１６】角度θと放射方向の大きさωとの極座標系に、各画素のテクスチャ方向とスケールσとを各々写像処理する概念図である。
【図１７】角度θと放射方向の大きさωとの極座標系に、各画素のテクスチャ方向とスケールσとが各々写像された特徴空間において、分類された画素の集合にラベル付けを行う処理を示す概念図である。
【図１８】第２の実施形態におけるテクスチャ方向算出部１３（２３）による量子化処理を説明する概念図である。
【図１９】従来例におけるガボールフィルタを用い、テクスチャ画像のテクスチャ特徴を極座標系において、テクスチャ特徴をテクスチャ方向及び放射方向に分類する特徴チャンネルを示す概念図である。
【図２０】テクスチャ画像におけるテクスチャ方向とエッジとの対応を示す概念図である。
【符号の説明】
【０１０５】
１…学習部
２…識別部
１１，２１…画像入力部
１２，２２…画像解析部
１３，２３…特徴抽出部
１５，２５…テクスチャ方向算出部
１６，２６…エッジ抽出部
２４…画像検索部
ＤＢ…データベース
【技術分野】
【０００１】
本発明は、画像の特徴の一つであるテクスチャを用いた画像処理装置、画像処理方法及びプログラムに関する。
【背景技術】
【０００２】
データベース等における画像の検索に用いられる特徴として、テクスチャ特徴がある。
このテクスチャ特性は、画像に含まれる模様パターンの分布状態を示す特性であり、画像の有する空間的な構造を表現している。
そして、人間は、テクスチャ特性の違いから、画像の中の領域を区別することができ、また、テクスチャ特性のスケールの違い（分布の細かさの程度）により、細かい方が遠くに感じ、粗い方が近くに感じることで、テクスチャ特性により、遠近感を得ることができる。
【０００３】
上述したように、テクスチャ特性は、人間の視覚的情報処理において、遠近感を得る重要な役割を果たしている。
したがって、人間がテクスチャ特性により視覚的な判断を行うことを考えると、類似する画像を含む大規模なデータベースから、効果的に人間が類似しているとする画像を、効果的に検索及び閲覧する際、各画像のテクスチャ特性を考慮して行う必要がある。
このため、テクスチャ特性をより、忠実に記述する方法が必要となる。
【０００４】
例えば、ガボールフィルタを用いて、図１９に示すように、テクスチャ特徴を、極座標周波数空間において角度方向（方向成分）及び放射方向（空間周波数）に分類した特徴チャンネルとして表現する方法がある（例えば、特許文献１を参照）。
上記ガボールフィルタを用いた方法においては、各特徴チャンネル毎の特徴値を求め、これを画像のテクスチャ特徴としてを抽出している。
【特許文献１】特表２００３−５１５８５２号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１に示すテクスチャ記述方法等にあっては、テクスチャ特性の重要な構成要素であるラインエッジ及びステップエッジと呼ばれる様々なエッジ（輪郭線）特徴を、テクスチャ特性に適応的に利用してはいない。
ここで、図２０（ａ）に示すように、矢印Ｑ方向がテクスチャの方向であり、エッジはこのテクスチャ方向の法線方向となる。
また、図２０（ｂ）に示すｘ−ｙ座標系で示すテクスチャ画像の一部を拡大すると、その拡大領域において、図２０（ｃ）のようにテクスチャ方向が角度θで表すことができる。
【０００６】
また、上述した特徴チャンネルを用いるテクスチャ記述には、上記角度θの分解能が所定の範囲（量子化ステップ）として設定されているため、分解能が理想的な量子化ステップにより低くなり、テクスチャ分類する際に、分類精度が低下する要因となる。
ここで、上記ガボールフィルタを設計する際に、高次の関数を用いてフィルタを設計することにより、分解能を上げることは可能であるが、ノイズの影響を受けることになり、実質的に分類精度を向上させることは困難である。
【０００７】
本発明は、このような事情に鑑みてなされたもので、テクスチャ画像から得られるテクスチャ特性において、従来例に比較して角度方向の分解能を向上させ、テクスチャ分類の精度を向上させることか可能な画像処理装置、画像処理方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
本発明の画像処理装置は、画像のテクスチャ特徴を抽出する画像処理装置であり、
第１のスティーラブルフィルタと、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎に記憶するデータベースとを有することを特徴とする。
【０００９】
本発明の画像処理装置は、画像をテクスチャ特徴により検索する画像処理装置であり、テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎に記憶するデータベースと、第１のスティーラブルフィルタと、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する画像検索部とを有することを特徴とする。
【００１０】
本発明の画像処理装置は、前記エッジ抽出部がエッジ点を第１のしきい値により検出し、この第１のしきい値より低い第２のしきい値により、該エッジ点に隣接する画素がエッジを構成する画素であるか否かを検出することを特徴とする。
【００１１】
本発明の画像処理装置は、前記エッジ抽出部がテクスチャ方向のテクスチャ強度に対して、検出するエッジ種類のテクスチャ強度を出力させる位相制御パラメータを乗算し、各エッジのエッジ種類を検出することを特徴とする。
【００１２】
本発明の画像処理装置は、前記エッジ種類毎のエッジを形成する画素数が全画素数に占める割合と、エッジを形成する画素のテクスチャ強度の平均値及び分散値と、エッジと判定された位置でのテクスチャ方向の分散値を有するテクスチャ特徴を算出する位置特徴抽出部を有することを特徴とする。
【００１３】
本発明の画像処理装置は、テクスチャ方向算出部がスケール毎に算出したなかから、画素毎に極大値を有するスケールと、このときのテクスチャ方向とに基づき、テクスチャ画像の画素をクラスタリングし、このクラスタリングされた分類のラベルと、テクスチャ方向と、スケールとの組合せにより、テクスチャ強度及びフィルタリング結果を量子化し、量子化した結果に基づいて、エッジ抽出部がエッジ種類の検出を行うことを特徴とする。
【００１４】
本発明の画像処理方法は、画像のテクスチャ特徴を抽出する画像処理方法であり、第１のスティーラブルフィルタにより画像のフィルタリングを行う過程と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う過程と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する過程とを有することを特徴とする。
【００１５】
本発明の画像処理方法は、画像をテクスチャ特徴により検索する画像処理方法であり、テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する過程と、第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う過程と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する過程とを有することを特徴とする。
【００１６】
本発明のプログラムは、画像のテクスチャ特徴を抽出する画像処理のプログラムであり、第１のスティーラブルフィルタにより画像のフィルタリングを行う処理と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う処理と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する処理とを有する画像学習処理をコンピュータに実行させるプログラムである。
【００１７】
本発明のプログラムは、画像をテクスチャ特徴により検索する画像処理のプログラムであり、テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する処理と、第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う処理と、テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する処理とを有する画像識別処理をコンピュータに実行させるプログラムである。
【発明の効果】
【００１８】
以上説明したように、本発明によれば、テクスチャ画像から得られるテクスチャ特性において、テクスチャ方向及びその方向のエネルギを、従来例のように予め決められた領域毎に分類するのでなく、各画素毎に連続的に抽出しているため、角度方向の分解能を向上させ、テクスチャ分類の精度を向上させることができる。
また、本発明によれば、テクスチャ方向及びその方向に対するエネルギから、テクスチャ画像におけるエッジの種類を抽出し、このエッジ種類をテクスチャ特性に含めたため、従来例に比較してテクスチャ画像のテクスチャの構造に対する分解能を向上させられるので、テクスチャ分類の精度を向上させることができる。
【発明を実施するための最良の形態】
【００１９】
以下、本発明の一実施形態による画像処理システムを図面を参照して説明する。図１は同実施形態による画像処理システムの構成例を示すブロック図である。
この図において、画像処理システムは学習部１及び識別部２とから構成されており、学習部１はテクスチャ画像のテクスチャ特徴を算出し、このテクスチャ特徴と、テクスチャ画像とを対応させ、データベースＤＢに記憶させ、一方、識別部２は識別対象のテクスチャ画像（以下、識別対象テクスチャ画像）のテクスチャ特徴を算出し、この識別対象テクスチャ画像のテクスチャ特徴と、データベースＤＢに蓄積されている蓄積テクスチャのテクスチャ特徴との類似度を算出し、識別対象テクスチャ画像と類似度の高い蓄積テクスチャ画像の検索を行う。
【００２０】
上記学習部１は、蓄積テクスチャ画像を入力する画像入力部１１と、蓄積テクチャ画像のテクスチャ特徴を解析する画像解析部１２と、解析結果から蓄積テクスチャ画像の蓄積テクスチャ特徴を算出する特徴抽出部１３とを有している。
画像入力部１１は、データベースＤＢに蓄積される、学習に用いられる蓄積テクスチャ画像を外部機器から入力し、画像解析部１２へ出力する。
【００２１】
画像解析部１２は、テクスチャ方向算出部１５及びエッジ抽出部１６から構成されている。
テクスチャ方向算出部１５は、予め設定されているスケール毎に、スティーラブルフィルタにより、蓄積テクスチャ画像に対するテクスチャ特徴の各画素のテクスチャ方向の算出を行う。
エッジ抽出部１６は、テクスチャ方向毎のスティーラブルフィルタの強度から、エッジ及びエッジ方向を算出する。
【００２２】
特徴抽出部１３は、上記エッジ及びエッジ方向から、エッジの種類毎の画素の割合，エッジの種類毎の上記強度の平均値及び分散値，エッジ全体における強度の平均値及び分散値，エッジ位置での角度のヒストグラム（アングルヒストグラム）等を算出して、テクスチャ特徴の抽出を行う。
このテクスチャ特徴は、各エッジ方向，各エッジの種類毎の画素の割合，エッジの種類毎におけるスティーラブルフィルタの強度の平均値及び分散値，エッジ全体における強度の平均値及び分散値，エッジ位置での角度のヒストグラム（アングルヒストグラム）等の全て、またはいずれかの組合せ（少なくともエッジ方向及びその強度）により構成される。
データベースＤＢは、上記特徴抽出部１３（学習部１内）の算出した、各蓄積テクスチャ画像に対応する蓄積テクスチャ特徴を、それぞれの蓄積テクスチャ画像に対応して記憶している。
【００２３】
次に、識別部２は、識別対象テクスチャ画像を入力する画像入力部２１と、識別対象テクスチャ画像のテクスチャ特徴を解析する画像解析部２２と、解析結果から識別対象テクスチャ画像の対象テクスチャ特徴を算出する特徴抽出部２３と、上記データベースＤＢに記憶されている各蓄積テクスチャ特徴と、対象テクスチャ特徴との類似度を計算し、識別対象テクスチャ画像に類似した蓄積テクスチャ画像を抽出する画像検索部２４とを有している。
画像入力部２１，画像解析部２２，特徴抽出部２３は、処理対象が蓄積テクスチャ画像でなく、識別対象テクスチャ画像であること以外、同様な処理が行われる。
【００２４】
以下、本発明の画像処理システムで用いられるスティーラブルフィルタについて、簡単に説明する。
スティーラブルフィルタは、少数の基底フィルタの線形結合により、単一指向の特性を持たせられるフィルタである。
このため、上記基底フィルタの線形結合係数を連続的に変化させることにより、従来例のガボールフィルタのチャンネル単位でなく、連続的な方向検出特性を得ることができ、高い精度によりテクスチャ方向の検出を行うことができる。
【００２５】
すなわち、スティーラブルフィルタに用いる関数は、スティーラブル定理を満たす関数、すなわち自身の回転変形の線形和により記載できる関数であれば用いることができ、例えばガウス関数の２階微分やエルミット多項式等を用いることができる。
以下、ガウス関数の２階微分を用いたスティーラブルフィルタによるテクスチャ特徴の抽出について説明する。
ガウス関数を２階微分した第１のスティーラブルフィルタＧ２θは、以下の（１）式に示すように、基底フィルタ（Ｇ２ａ，Ｇ２ｂ，Ｇ２ｃ）の線形和により表せる。
【００２６】
【数１】
【００２７】
また、（１）式において、ｋａ(θ)，ｋｂ(θ)，ｋｃ(θ)は、それぞれ基底フィルタＧ２ａ，Ｇ２ｂ，Ｇ２ｃに対する補間関数である。
そして、上記第１のスティーラブルフィルタＧ２θに対して、以下の（２）式に示すような、quadrature pairの関係にある第２のスティーラブルフィルタＨ２θを設定する。
【００２８】
【数２】
【００２９】
また、（２）式において、ｐａ(θ)，ｐｂ(θ)，ｐｃ(θ)，ｐｄ(θ)は、それぞれ基底フィルタＨ２ａ，Ｈ２ｂ，Ｈ２ｃ，Ｈ２ｄに対する補間関数である。
この第２のスティーラブルフィルタＨ２θは、ガウス関数の２階微分に対して、周波数応答が等しく、π／２だけ位相のずれた（例えば、ヒルベルト変換された）フィルタである。
そして、第１及び第２のスティーラブルフィルタＧ２θ及びＨ２θを用いることにより、以下の（３）式に示すような、画素のテクスチャ方向に対するエネルギ関数を得ることができる。
【００３０】
【数３】
【００３１】
＜第１の実施形態＞
次に、図２〜図９により、本発明の第１の実施形態における画像処理システムの動作を説明する。図２〜図９は、本発明の第１の実施形態における画像処理システムの動作例を示すフローチャートである。
本発明の画像処理システムにおける全体的な動作として、図２〜図８に示すデータベースＤＢへの蓄積テクスチャ画像の蓄積処理を行う学習過程と、図９に示すデータベースＤＢから識別対象テクスチャ画像に類似した蓄積テクスチャ画像を検索する識別過程とに分けて説明を行う。
【００３２】
＜学習課程＞
全体的な動作の概要が示す図２に示されており、外部機器から学習対象のテクスチャ画像、すなわち蓄積テクスチャ画像を入力し（ステップＳ０）、入力される蓄積テクスチャ画像に対して、第１及び第２のスティーラブルフィルタによるフィルタリング処理を行う（ステップＳ１）。
次に、フィルタリング処理結果に基づき、画素ごとのテクスチャ方向とその強度を算出し（ステップＳ２）、上記画素の強度からラインエッジを検出し（ステップＳ３）、上記強度からステップエッジを検出する（ステップＳ４）。
【００３３】
そして、検出したラインエッジ及びステップエッジから、テクスチャ画像のテクスチャ特徴を算出（ステップＳ５）する。
次に、予め設定された全スケールに対してテクスチャ特徴を抽出したか否かを検出し、全てが終了したことが検出されると、次の蓄積テクスチャ画像の蓄積テクスチャ特徴の抽出を開始し、終了していない場合、次のスケールの蓄積テクスチャ特徴の抽出を行う（ステップＳ６）。
【００３４】
ここで、スケールσとは、テクスチャ画像の放射方向の解像度を規定するパラメータとしたものである。
すなわち、スケールσを大きくすることにより、物体形状をぼかした状態（低い解像度）とし、一方、逆に小さくすることにより、物体細部の形状に近くなる（高い解像度）。
また、スケールσは、第１及び第２のスティーラブルフィルタの各基底フィルタ（バンドパスフィルタ）の出力値の重なりが抑制される数値として設定されている。例えば、スケールσは、最大出力値の１／２までの重なりまで許容する数値に設定される。
【００３５】
次に、図３を用いて、ステップＳ０のイニシャライズの処理を、以下に詳細に説明する。
ユーザがテクスチャ画像を入力端末から入力する（ステップＳ０１）。これにより、画像処理サーバ装置（画像処理システム）にテクスチャ画像が入力される（ステップＳ０２）。
そして、テクスチャ方向算出部１５に、画像入力部１１から、テクスチャ画像が入力される（ステップＳ０３）。
次に、テクスチャ方向算出部１５は、内部の記憶部（例えば、メモリ）からフィルタスケール値（スケールσ）の初期値Ｃ0及び最終値Ｃsを読み込み、設定レジスタに設定し（ステップＳ０４）、スケール値カウンタを初期値Ｃ0に初期化する（ステップＳ０５）。
【００３６】
次に、図４を用いて、ステップＳ１の入力画像のフィルタリング処理について、以下に詳細に説明する。
テクスチャ方向算出部１５は、スケール値カウンタを刻み幅単位で増加させ（開始値から最終値までスケールσを増加させる刻み幅ずつ増加させる）し、スケール値カウンタの数に対応するパラメータσの値を、上記内部の記憶部から読み込む（ステップＳ１１）。
そして、テクスチャ方向算出部１５は、入力したテクスチャ画像Ｉに対して用いる第１及び第２のスティーラブルフィルタＧ２θ，Ｈ２θの各基底フィルタＧ２ａ（ｘ，ｙ，σ），Ｇ２ｂ（ｘ，ｙ，σ），Ｇ２ｃ（ｘ，ｙ，σ），Ｈ２ａ（ｘ，ｙ，σ），Ｈ２ｂ（ｘ，ｙ，σ），Ｈ２ｃ（ｘ，ｙ，σ），Ｈ２ｄ（ｘ，ｙ，σ）を、上記スケールσに対応して、下記に示す（４）式のように生成する（ステップＳ１２）。
【００３７】
【数４】
【００３８】
次に、テクスチャ方向算出部１５は、上記各基底フィルタを、入力されたテクスチャ画像Ｉに畳み込み、この畳み込み演算の結果として、各基底フィルタＧ２ａ（ｘ，ｙ，σ），Ｇ２ｂ（ｘ，ｙ，σ），Ｇ２ｃ（ｘ，ｙ，σ），Ｈ２ａ（ｘ，ｙ，σ），Ｈ２ｂ（ｘ，ｙ，σ），Ｈ２ｃ（ｘ，ｙ，σ），Ｈ２ｄ（ｘ，ｙ，σ）の出力として、各々フィルタ出力ｇ２ａ，ｇ２ｂ，ｇ２ｃ，ｈ２ａ，ｈ２ｂ，ｈ２ｃ，ｈ２ｄを得る（ステップＳ１３）。
【００３９】
ここで、畳み込み演算の処理において、関数ａ（ｘ，ｙ）に対して関数ｂ（ｘ，ｙ）の畳み込みを行うと、得られる演算結果は、以下に示す（５）式のようになる。
【００４０】
【数５】
【００４１】
そして、テクスチャ方向算出部１５は、得られたフィルタ出力を、この時点のパラメータσに対応して、内部の記憶部に一時的に記憶する（ステップＳ１４）。
【００４２】
次に、図６を用いて、ステップＳ２のテクスチャ画像におけるテクスチャ方向の検出処理について、以下に詳細に説明する。
テクスチャ方向算出部１５は、テクスチャ画像のサイズとして、横の長さｘlと縦の長さｙlとを読み込み、テクスチャ画像の原点としてｘ＝０，ｙ＝０とを、サイズカウンタに設定する。
ここで、横の長さｘlと縦の長さｙlとは、例えば、テクスチャ画像における横の画素数と、縦の画素数とを、各々示している。
【００４３】
テクスチャ方向算出部１５は、テクスチャ画像の全ての画素に対して、すなわち、テクスチャ画像上の全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）に対して、テクスチャを支配する方向としてテクスチャ方向θｄを、記憶部に記憶したフィルタ出力ｇ２ａ，ｇ２ｂ，ｇ２ｃ，ｈ２ａ，ｈ２ｂ，ｈ２ｃ，ｈ２ｄから求める（ステップＳ２２）。
ここで、テクスチャ方向として、以下に示す（６）式の合成エネルギ関数が最大値となる角度θｄを求めることとなる。
【００４４】
【数６】
【００４５】
しかしながら、補間関数のパラメータである角度θを連続的に変化させて最大値を検出するとなると、計算量が膨大となる。
このため、（６）式をフーリエ級数展開し、テクスチャ特徴としては低次の項に含まれるため、またノイズを除去するため、高次の項を省略し、以下に示す（７）式により、（６）式を近似する。
【００４６】
【数７】
【００４７】
ここで、（７）式の最大値を与える角度をθdとすると、以下に示す（８）式により、θdを近似的に求めることができる。
【００４８】
【数８】
【００４９】
そして、テクスチャ方向算出部１５は、得られた各画素毎のテクスチャ方向θdを、全座標値にわたって、記憶部に一時的に記憶する。
次に、テクスチャ方向算出部１５は、上述の処理により得られたテクスチャ方向θdを、各画素毎に（６）式に代入して、全座標値における精度の高い合成エネルギ値Ｅ２θｄを、−π／２≦θd≦π／２において算出し、内部の記憶部に一時的に記憶する。
【００５０】
次に、図７及び図９のフローチャートを用い、ステップＳ３及びＳ４各々のテクスチャ画像における特徴の一つであるエッジ種類の抽出処理について以下に簡単に説明する。
エッジの形状としては、図８に示すように、輝度がステップ状に変化するステップエッジ（図８（ａ））と、輝度の変化がパルス状となるラインエッジ（図８（ｂ））が存在する。
このため、テクスチャ画像のテクスチャ特徴の精度を向上させるため、本発明のエッジ抽出部１６は、テクスチャ方向から検出されるエッジを、ステップエッジとラインエッジとに分離して抽出している。
【００５１】
分離方法は、抽出対象のエッジ種類に依存する位相制御パラメータΛ（ψ）を、各画素の合成エネルギ関数Ｅ２θ（θ）に対して乗算することで実現される。この処理により、抽出対象外のエッジ種類に関する情報が抑制される。
この位相制御パラメータΛ（ψ）は、以下に示す（９）式の構成である。
【００５２】
【数９】
【００５３】
この（９）式において、ψは各画素における第１のスティーラブルフィルタ及び第２のスティーラブルフィルタの各出力ｇ２θ及びｈ２θから求め、ψ０はラインエッジを抽出する際に０またはπを代入し、ステップエッジを抽出する際に＋π／２または−π／２を代入する。
すなわち、ラインエッジを抽出する際に、ψ０に０またはπを代入し、−π／２≦ψ−ψ０≦π／２となった場合、位相制御パラメータΛｌｉｎｅ（ψ）として、cos２(ψ−ψ０)を合成エネルギ関数Ｅ２θに対して乗算し、それ以外の場合、「０」を合成エネルギ関数Ｅ２θに対して乗算する。
一方、ステップエッジを抽出する際に、ψ０に−π／２またはπ／２を代入し、−π／２≦ψ−ψ０≦π／２となった場合、位相制御パラメータΛｓｔｅｐ（ψ）として、cos２(ψ−ψ０)を合成エネルギ関数Ｅ２θに対して乗算し、それ以外の場合、「０」を合成エネルギ関数Ｅ２θに対して乗算する。
以下に、ラインエッジ及びステップエッジの抽出処理を説明する。
【００５４】
まず、図７のフローチャートを用い、ステップＳ３のテクスチャ画像におけるラインエッジの検出処理について、以下に詳細に説明する。
エッジ抽出部１６は、内部の記憶部に記憶されている各画素のテクスチャ方向θdと合成エネルギ値Ｅ２θｄとを読み出す。
そして、エッジ抽出部１６は、各画素毎に、（９）式においてψ０を０またはπとして画素単位に求めた位相制御パラメータΛｌｉｎｅ（ψ）を合成エネルギ値Ｅ２θｄに対して乗算し、エッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄを求める。
このとき、エッジ抽出部１６は、エッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄを、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して算出する（ステップＳ３１）。
【００５５】
次に、エッジ抽出部１６は、算出した各エッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・ Ｅ２θｄがθd方向に関して極大値を与えるか否かの判定を行う。ここで、エッジ抽出部１６は、例えば（１０）式により極大値の判定を行う。
【００５６】
【数１０】
【００５７】
そして、エッジ抽出部１６は、θd方向に極大値を与える場合、各画素のテクスチャ方向θdを代入して、得られるエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄが、予め設定した第１の閾値を超えた場合、その座標の画素を強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）と判定する。この（Ｅlg＿ｘn，Ｅlg＿ｙn）は、座標値である。
ここで、エッジ抽出部１６は、上述した強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）の抽出処理を、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して行う（ステップＳ３２）。
ここで、強いラインエッジ点におけるｎは抽出された順番を示しており、１≦ｎ≦ｎmaxの整数である。したがって、ｎmaxは抽出された強いラインエッジ点の総数となる。
【００５８】
次に、エッジ抽出部１６は、強いラインエッジ点であることが検出された画素の座標点近傍における他の画素に対して、弱いラインエッジ点であるか否かの判定を行う。
ここで、エッジ抽出部１６は、弱いラインエッジ点の抽出処理を、強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）とされた画素全て（１≦ｎ≦ｎmax）の近傍において行う。
このとき、エッジ抽出部１６は、弱いラインエッジ点の抽出を、強いラインエッジ点近傍における各画素のエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄが、予め設定した第２の閾値（第１の閾値より低く設定されている）を超えた場合、その座標の画素を弱いラインエッジ点（ｅlg＿ｘm，ｅlg＿ｙm）と判定する。この（ｅlg＿ｘm，ｅlg＿ｙm）は、座標値である（ステップＳ３３）。
ここで、弱いステップエッジ点におけるｍは抽出された順番を示しており、１≦ｍ≦ｍmaxの整数である。したがって、ｍmaxは抽出された弱いラインエッジ点の総数となる。
【００５９】
次に、エッジ抽出部１６は、強いラインエッジ点（Ｅlg＿ｘn，Ｅlg＿ｙn）と、強いラインエッジ点のエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる。
同様に、エッジ抽出部１６は、弱いラインエッジ点（ｅlg＿ｘm，ｅlg＿ｙm）と、弱いラインエッジ点のエッジ点判定用エネルギ関数Λｌｉｎｅ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる（ステップＳ３４）。
【００６０】
次に、図９のフローチャートを用い、ステップＳ４のテクスチャ画像におけるステップエッジの検出処理について、以下に詳細に説明する。
エッジ抽出部１６は、内部の記憶部に記憶されている各画素のテクスチャ方向θdと合成エネルギ関数Ｅ２θｄとを読み出す。
そして、エッジ抽出部１６は、各画素毎に、（９）式においてψ０を−π／２または＋π／２として画素単位に求めた位相制御パラメータΛｓｔｅｐ（ψ）を合成エネルギ関数Ｅ２θｄに対して乗算し、エッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄを求める。
【００６１】
このとき、エッジ抽出部１６は、エッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄを、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して算出する（ステップＳ３１）。
次に、エッジ抽出部１６は、算出した各エッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・ Ｅ２θｄが、θｄ方向に関して極大値を与えるか否かの判定を行う。
【００６２】
そして、エッジ抽出部１６は、θｄ方向に極大値を与える場合、各画素のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄが、予め設定した第１の閾値を超えた場合、その座標の画素を強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）と判定する。この（Ｅsg＿ｘq，Ｅsg＿ｙq）は、座標値である。
ここで、エッジ抽出部１６は、上述した強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）の抽出処理を、全座標点（０≦ｘ≦ｘl，０≦ｙ≦ｙl）全ての画素に対して行う（ステップＳ３２）。
ここで、強いステップエッジ点におけるｑは抽出された順番を示しており、１≦ｑ≦ｑmaxの整数である。したがって、ｑmaxは抽出された強いステップエッジ点の総数となる。
【００６３】
次に、エッジ抽出部１６は、強いステップエッジ点であることが検出された画素の座標点近傍における他の画素に対して、弱いステップエッジ点であるか否かの判定を行う。
ここで、エッジ抽出部１６は、弱いステップエッジ点の抽出処理を、強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）とされた画素全て（１≦ｑ≦ｑmax）の近傍において行う。
このとき、エッジ抽出部１６は、弱いステップエッジ点の抽出を、θｄ方向に極大値を与える場合、強いステップエッジ点近傍における各画素のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄが、予め設定した第２の閾値（第１の閾値より低く設定されている）を超えた場合、その座標の画素を弱いステップエッジ点（ｅsg＿ｘr，ｅsg＿ｙr）と判定する。この（ｅsg＿ｘr，ｅsg＿ｙr）は、座標値である（ステップＳ３３）。
ここで、弱いステップエッジ点におけるｒは抽出された順番を示しており、１≦ｒ≦ｒmaxの整数である。したがって、ｒmaxは抽出された弱いステップエッジ点の総数となる。
【００６４】
次に、エッジ抽出部１６は、強いステップエッジ点（Ｅsg＿ｘq，Ｅsg＿ｙq）と、強いステップエッジ点のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる。
同様に、エッジ抽出部１６は、弱いステップエッジ点（ｅsg＿ｘr，ｅsg＿ｙr）と、弱いステップエッジ点のエッジ点判定用エネルギ関数Λｓｔｅｐ（ψ）・Ｅ２θｄとを、対応させて内部の記憶部に記憶させる（ステップＳ３４）。
【００６５】
次に、図１０のフローチャートを用い、ステップＳ５のテクスチャ画像におけるテクスチャ特徴の算出処理について、以下に詳細に説明する。
特徴抽出部１３は、内部の記憶部から、ｎmax，ｍmax，ｘl及びｙlを用いて、入力されたテクスチャ画像Ｉに含まれる全画素において、ラインエッジを構成すると判定された画素の割合を、下記に示す（１１）式により算出し、このラインエッジ割合Ｐelを、記憶部に記憶する（ステップＳ５１）。
【００６６】
【数１１】
【００６７】
次に、特徴抽出部１３は、内部の記憶部から、ｑmax，ｒmax，ｘl及びｙlを用いて、入力されたテクスチャ画像Ｉに含まれる全画素において、ステップエッジを構成すると判定された画素の割合を、下記に示す（１２）式により算出し、このステップエッジ割合Ｐesを、内部の記憶部に記憶する（ステップＳ５２）。
【００６８】
【数１２】
【００６９】
そして、特徴抽出部１３は、ラインエッジ及びステップエッジと判定された画素のΛｓｔｅｐ（ψ）・Ｅ２θｄ，Λｌｉｎｅ（ψ）・Ｅ２θｄを加算した値（エッジを構成すると判定された画素全てのエネルギの加算値）を、ｎmax，ｍmax，ｑmax，ｒmaxを加算した値（エッジを構成すると判定された画素の全数）ｎｅｄｇｅにより除算することにより、全エッジにおける画素の平均エネルギ値ｕEeを、下記に示す（１３）式により算出し、内部の記憶部に記憶する（ステップＳ５３）。
【００７０】
【数１３】
【００７１】
次に、特徴抽出部１３は、下記に示す（１４）式により、エッジを構成する画素各々のエッジ点判定用エネルギエッジから平均エネルギ値ｕEeを減算した値を二乗して、エッジを構成する画素全てについて加算した値を、ｎｅｄｇｅにより除算することにより、エッジを構成する画素におけるエッジ点判定用エネルギの分散値ｖEeを求め、内部の記憶部に記憶する（ステップＳ５４）。
【００７２】
【数１４】
【００７３】
次に、特徴抽出部１３は、内部の記憶部に記憶されたエネルギＥ２θｄを読出し、下記に示す（１５）式により、テクスチャ画像Ｉに含まれる全画素のエネルギＥ２θｄを加算した値を、テクスチャ画像に含まれる画素の全数で除算して、テクスチャ画像の画素当たりの平均エネルギｕEを算出し、内部の記憶部に記憶する（ステップＳ５５）。
【００７４】
【数１５】
【００７５】
次に、特徴抽出部１３は、内部の記憶部に記憶されたエネルギＥ２θｄを読出し、下記に示す（１６）式により、テクスチャ画像Ｉに含まれる各画素のエネルギＥ２θｄから、平均エネルギｕEを減算した値を二乗し、この二乗した値を全画素にわたり加算し、この加算した値をテクスチャ画像に含まれる画素の全数で除算して、テクスチャ画像の画素全体におけるエネルギの分散ｖEを算出し、内部の記憶部に記憶する（ステップＳ５６）。
【００７６】
【数１６】
【００７７】
次に、特徴抽出部１３は、内部の記憶部に記憶されたエッジ点全て（ラインエッジ及びステップエッジを構成すると判定された強いエッジ点，弱いエッジ点）の座標値と、各エッジ点のテクスチャ方向θdと、エッジ画素の総数ｎｅｄｇｅとを用い、テクスチャ方向θdのヒストグラム（アングルヒストグラム）を作成する。
ここで、−π／２≦θd≦π／２を所定の範囲に分割して、上記アングルヒストグラムを作成する。
【００７８】
そして、特徴抽出部１３は、アングルヒストグラムから、それぞれの範囲に振り分けられたテクスチャ方向θdを、その範囲を代表する角度を分割範囲で加算して、角度の平均値を算出し、各代表する角度から角度の平均値を減算した値に、その範囲に含まれる画素数を乗算し、全範囲にわたって加算し、この加算結果をエッジ画素の総数ｎｅｄｇｅによりを除算して、角度の分散θａｎｇｌｅを算出する（ステップＳ５７）。
【００７９】
次に、ステップ５の最終処理として、特徴抽出部１３は、算出したステップエッジ割合Ｐes，ラインエッジ割合Ｐel，平均エネルギ値ｕEe，分散値ｖEe，平均エネルギｕE，分散ｖE，角度の分散θａｎｇｌｅを、各々テクスチャ特徴量として、現在設定されているパラメータσの番号に対応して、データベースＤＢのテクスチャ画像のファイル領域に記憶する。
ここで、平均エネルギ値ｕEe，分散値ｖEe，平均エネルギｕE，分散ｖE，角度の分散θａｎｇｌｅを算出する際、エネルギ値及び角度は、各計算に用いる中における最大値や平均値などの値により、他の画素の値を除算することにより、規格化して用いる。
【００８０】
そして、特徴抽出部１３は、上述したステップＳ５１〜Ｓ５７の各処理において、内部の記憶部に記憶した数値を消去する。
次に、図２のステップＳ６へ進み、全スケールが終了していれば、例えば次のテクスチャ画像のテクスチャ特徴の算出を行い、終了していなければ処理をステップＳ１へ戻し、次のスケールσによりテクスチャ特徴の算出処理を行う。
すなわち、特徴抽出部１３は、スケール値カウンタのカウンタ値の検出を行い、スケール値カウンタが設定した最終値Ｃsの数値であることを検出すると処理を終了し、スケール値カウンタが設定した最終値Ｃsに到達していないことを検出すると処理をステップＳ１へ戻す。
【００８１】
このように、学習部１は、ステップＳ１からＳ６の処理を、学習対象の各蓄積テクスチャ画像に対して行い、蓄積テクスチャ画像毎（例えば、テクスチャ画像１，２，３，…）に、蓄積テクスチャ画像のデータと、設定された各パラメータσ（例えば、スケールσ1，σ2，…）毎の蓄積テクスチャ特徴とを対応させて、図１１に示す表構成によりデータベースＤＢへ記憶させる。
【００８２】
＜識別過程＞
次に、図１２を用いて、入力される識別対象テクスチャ画像に対して、データベースＤＢから類似性の高い蓄積テクスチャ画像を抽出するテクスチャ画像の識別処理について説明する。
ここで、この識別対象テクスチャ画像の識別対象テクスチャ特徴の抽出は、すでに学習課程において説明した蓄積テクスチャ画像の蓄積テクスチャ特徴の抽出と同様であり、ステップＳ０〜ステップＳ６までの処理において、蓄積テクスチャ特徴と同様のパラメータσの組みによりテクスチャ特徴として、ステップエッジ割合Ｐes，ラインエッジ割合Ｐel，平均エネルギ値ｕEe，分散値ｖEe，平均エネルギｕE，分散ｖE，角度の分散θａｎｇｌｅが算出される。
ここで、ユーザは、学習過程の入力端末に対応して、識別結果閲覧用端末から識別対象テクスチャ画像を入力させ、識別部２にデータベースＤＢからこの識別対象テクスチャ画像に類似した蓄積テクスチャ画像の検索を指示する。
【００８３】
すなわち、識別部２における画像入力部２１，テクスチャ方向算出部２５，エッジ抽出部２６，特徴抽出部２３各々は、それぞれ学習部１の画像入力部１１，テクスチャ方向算出部１５，エッジ抽出部１６，特徴抽出部１３と同様な動作を行う。
そして、識別部２の画像検索部２４は、特徴抽出部２３が算出したテクスチャ特徴を入力する（ステップＳ７１）。
【００８４】
次に、画像検索部２４は、データベースＤＢに蓄積されている蓄積テクスチャ画像の数を、データベースＤＢにおいて、蓄積されているテクスチャ画像数を記憶している領域から読み出す（ステップＳ７２）。
そして、画像検索部２４は、識別対象テクスチャ特徴と、順次読み出す蓄積テクスチャ特徴との類似度の算出を行う。
ここで、画像検索部２４は、上記類似度ｄijを、例えば（１７）式に示す重み付き平均絶対値距離や、（１８）式に示す重み付きユークリッド距離により算出する（ステップＳ７３）。
【００８５】
【数１７】
【００８６】
【数１８】
【００８７】
そして、画像検索部２４は、識別対象テクスチャ画像と、データベースＤＢに蓄積された蓄積テクスチャ画像全てとの類似度を、一時的に内部の記憶部に記憶する（ステップＳ７４）。
次に、画像検索部２４は、上記記憶部に記憶されている類似度において、上位Ｔ番目までの類似度の蓄積テクスチャ画像を抽出する（ステップＳ７５）。
ここで、上記Ｔは、予め設定されている（例えば、ユーザにより入力端末から入力されて予め設定されているシステムファイルに設定されている）値である。
【００８８】
そして、画像検索部２４は、図１３に示すように、上位Ｔ番目までの類似度の蓄積テクスチャ画像を、その画像データと、画像ファイル名と、類似度とが表形式に記載されたＨＴＭＬファイルを生成する（ステップＳ７６）。
次に、画像検索部２４は、識別結果閲覧用端末へ上記ＨＴＭＬファイルを出力する（ステップＳ７７）。
【００８９】
＜第２の実施形態＞
次に、本発明の第２の実施形態について説明する。図２のステップＳ２の処理が異なり、他の処理が第１の実施形態と同様のため、異なったステップＳ２の処理のみの説明を行う。
図１４は、第１の実施形態のステップＳ２に対応する、第２の実施形態の動作を示すフローチャートである。
ステップＳ１にてフィルタリング処理した後、図１４のステップＳ２０１に処理が移行し、テクスチャ方向算出部１５は、ステップＳ２１及びＳ２２と同様な処理を行い、各画素毎のテクスチャ方向θdを算出し、内部の記憶部に一時的に記憶する。
次に、テクスチャ方向算出部１５は、スケールσにおける方向強度Ｓσを、（７）式におけるフーリエ級数の係数Ｃ２及びＣ３を用い、以下に示す（１９）式により、テクスチャ画像の全ての画素に対して算出し、内部の記憶部に一時的に記憶する（ステップＳ２０１）。
【００９０】
【数１９】
【００９１】
次に、テクスチャ方向算出部１５は、図２のステップＳ６と同様の処理を行い、設定されたスケールσ全てにおいて、テクスチャ画像の全ての画素に対して、方向強度Ｓσを算出したか否かの検出、すなわちスケール値カウンタのカウンタ値の検出を行い、スケール値カウンタが設定した最終値Ｃsの数値であることを検出すると、処理をステップＳ２０３へ進め、スケール値カウンタが設定した最終値Ｃsに到達していないことを検出すると処理を図２のステップＳ１へ戻す（ステップＳ２０２）。
このとき、例えば、スケールσの範囲を初期値１．０から最終値５．０と設定し、スケールσを変化させる幅（刻み幅）を０．２５とすると、０．２５刻みで１．０から数値をインクリメントし、最終値５．０（Ｃs）に達したか否かを、テクスチャ方向算出部１５により検出する。
【００９２】
次に、テクスチャ方向算出部１５は、フィルタの複数のスケールσ毎に求めた方向強度Ｓσを記憶部から順次読出し、各画素毎にテクスチャ方向θdにおいて方向強度Ｓσが極大値となるスケールσを抽出する。
そして、テクスチャ方向算出部１５は、図１５のグラフに示すような各画素毎に極大値を取るスケールσから代表値を１つ選択する。
【００９３】
ここで、極大値の選択方法としては、例えば、極大値のなかの最大値を抽出したり、最初の極大値を代表値として抽出することが考えられる。
次に、テクスチャ方向算出部１５は、選択したスケールσをスケールσdとして、このスケールσdに対応する方向強度Ｓσを方向強度Ｓσｄとし、画素毎に、これらスケールσd及び方向強度Ｓσｄを、この方向強度Ｓσｄのテクスチャ方向θdに対応させて内部の記憶部に、抽出結果（θd，σd，Ｓσｄ）として一時的に記憶する（ステップＳ２０３）。
【００９４】
次に、テクスチャ方向算出部１５は、ステップＳ２０３において抽出した各画素の抽出結果（θd，σd，Ｓσｄ）におけるスケールσd及びテクスチャ方向θdを、テクスチャ画像全体において、特徴空間に写像処理する。
すなわち、テクスチャ方向算出部１５は、例えば図１６に示すように、ωとθとで定義される極座標系で表される特徴空間に、スケールσd及びテクスチャ方向θdを写像する。
ここで、ωは極座標系における放射方向の大きさを表し、「ω＝１／σd」により求め、θは極座標系における角度を表し、「θ＝θd」により求める。
【００９５】
そして、テクスチャ方向算出部１５は、上述した処理により、各画素のω及びθを求め、図１６に示すように特徴空間に写像する（×印により変換後の各画素の座標を示す）。
これにより、テクスチャ方向算出部１５は、写像した結果を含めて、新たな抽出結果として、各画素毎に抽出結果（θd，σd，Ｓσｄ，ω）を、内部の記憶部に一時的に記憶する（ステップＳ２０４）。
【００９６】
次に、テクスチャ方向算出部１５は、ステップＳ２０４で生成した特徴空間における抽出結果の分割、すなわちクラスタリングを行う。
ここで、テクスチャ方向算出部１５は、クラスタリング処理における類似度を各特徴量（θd，ω）の特徴ベクトルの距離の逆数によって求めており、距離としてユークリッド距離，マハラノビス距離，べき乗距離等を用い、クラスタリングの手法としては、Ｋ-means法や、凝集法，Two-way（ブロッククラスタリング）法などを用いることができる。
【００９７】
次に、テクスチャ方向算出部１５は、図１７に示すように、分割（分類）された画素の領域（集合）に対して、ラベル付け（例えば、１，２，３，…，ｋと行った番号ラベルｌ）を行う。
そして、テクスチャ方向算出部１５は、クラスタリングを行った結果を含めて、新たな抽出結果として、各画素毎に抽出結果（θd，σd，Ｓσｄ，ω，ｌ）を、内部の記憶部に一時的に記憶する（ステップＳ２０５）。
【００９８】
次に、テクスチャ方向算出部１５は、クラスタリングの結果を基に、画像空間におけるフィルタ出力値と合成エネルギ値との量子化処理を行う。
すなわち、テクスチャ方向算出部１５は、記憶部に記憶されている抽出結果（θd，σd，Ｓσｄ，ω，ｌ）から、画素毎にパラメータ（θd，σd，ｌ）を読出し、順次、量子化処理を行う。
ここで、量子化処理は、量子化後のフィルタ出力値（ｇ２θ，ｈ２θ）と合成エネルギ値（Ｅ２θ）とが、θd，σd及びラベルｌの組合せに対応して設定されており、量子化後にそれぞれ（ｇq２θ，ｈq２θ，Ｅq２θ）として出力される。
【００９９】
これにより、テクスチャ方向算出部１５は、内部に図１８（ａ）及び図１８（ｂ）のグラフに示す量子化テーブルが、フィルタ出力（ｇ２θ），フィルタ出力（ｈ２θ），合成エネルギ値（Ｅ２θ）各々の量子化に対して準備されており、入力信号としてパラメータ（θd，σd，ｌ）が入力されると、そのパラメータに対応する量子化されたフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）を出力する。
そして、テクスチャ方向算出部１５は、得られた量子化結果のフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）を、抽出結果（θd，σd，Ｓσｄ，ω，ｌ）とともに画素毎に、内部の記憶部に記憶する（ステップＳ２０６）。
【０１００】
また、量子化処理として、θd，σd及びラベルｌの組合せに対応して、例えば、クラスタリングのラベルの数などに対応させて、複数の量子化テーブルを準備しておくようにしても良い。
さらに、図１８（ａ）はθd，σd及びラベルｌの組合せに対して、一様の刻みの量子化テーブルを示しているが、図１８（ｂ）のように、各量子化されたフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）の数値を有する画素数が、それぞれ等しくなるように、θd，σd及びラベルｌの組合せに対して、非線形の量子化を行う量子化テーブルを準備してもよい。
【０１０１】
そして、ステップＳ２０６の処理後、図２のステップＳ３へ進み、図１４のフローチャートの処理により得られた、量子化されたフィルタ出力（ｇq２θ），フィルタ出力（ｈq２θ），合成エネルギ値（Ｅq２θ）により、テクスチャ画像におけるエッジの検出を行い、ステップＳ４及びＳ５の処理を行い、ステップＳ６を行わずに処理を終了する。
これにより、第１の実施形態においては、設定されたスケールσの全結果をテクスチャ特徴として有していたが、この第２の実施形態によれば、それぞれの画素が１つのスケールに対するテクスチャ特徴のみとなるため、テクスチャ特徴のデータ量を削減し、テクスチャ画像の識別処理がより高速に行えるようになる。
【０１０２】
なお、図１における学習部１及び識別部２の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、テクスチャ画像に対する学習処理及び識別処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
【０１０３】
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【図面の簡単な説明】
【０１０４】
【図１】本発明の第１及び第２の実施形態による画像処理システムの構成例を示す ブロック図である。
【図２】図１における学習部１及び検索部２におけるテクスチャ画像からのテクスチャ特徴の抽出処理の流れを示すフローチャートである。
【図３】第１及び第２の実施形態におけるテクスチャ方向算出部１５（または２５）が行うイニシャライズ処理を説明するフローチャートである。
【図４】第１及び第２の実施形態におけるテクスチャ方向算出部１５（または２５）が行う入力されたテクスチャ画像に対するフィルタリング処理を説明するフローチャートである。
【図５】第１及び第２のスティーラブルフィルタによるフィルタリングを説明する概念図である。
【図６】図２の第１の実施形態におけるステップＳ２のテクスチャ方向を検出する処理を説明するフローチャートである。
【図７】第１及び第２の実施形態におけるステップＳ３のラインエッジの抽出処理を説明するフローチャートである。
【図８】テクスチャ画像におけるエッジ形状を説明する概念図である。
【図９】第１及び第２の実施形態におけるステップＳ４のステップエッジの抽出処理を説明するフローチャートである。
【図１０】第１及び第２の実施形態におけるステップＳ５のテクスチャ特徴の算出処理を説明するフローチャートである。である。
【図１１】各蓄積テクスチャ画像に対応して、データベースＤＢに記憶される各スケール毎のテキスチャ特徴のテーブル構成を示す概念図である。
【図１２】第１及び第２の実施形態における識別対象テクスチャ画像を、データベースＤＢに蓄積された蓄積テキスチャ画像から抽出するの識別処理を説明するフローチャートである。
【図１３】図１２のフローチャートの処理において抽出された蓄積テクスチャ画像とその類似度を示す表形式のファイルを示す概念図である。
【図１４】第１の実施形態におけるステップＳ２に対応する第２の実施形態におけるテクスチャ方向算出処理を説明するフローチャートである。
【図１５】処理対象の画素において、複数のスケールσにおけるテクスチャ方向の強度に極大値のなかから、１つのスケールσをテクスチャ特徴の算出に用いる代表値とする処理を説明する概念図である。
【図１６】角度θと放射方向の大きさωとの極座標系に、各画素のテクスチャ方向とスケールσとを各々写像処理する概念図である。
【図１７】角度θと放射方向の大きさωとの極座標系に、各画素のテクスチャ方向とスケールσとが各々写像された特徴空間において、分類された画素の集合にラベル付けを行う処理を示す概念図である。
【図１８】第２の実施形態におけるテクスチャ方向算出部１３（２３）による量子化処理を説明する概念図である。
【図１９】従来例におけるガボールフィルタを用い、テクスチャ画像のテクスチャ特徴を極座標系において、テクスチャ特徴をテクスチャ方向及び放射方向に分類する特徴チャンネルを示す概念図である。
【図２０】テクスチャ画像におけるテクスチャ方向とエッジとの対応を示す概念図である。
【符号の説明】
【０１０５】
１…学習部
２…識別部
１１，２１…画像入力部
１２，２２…画像解析部
１３，２３…特徴抽出部
１５，２５…テクスチャ方向算出部
１６，２６…エッジ抽出部
２４…画像検索部
ＤＢ…データベース
【特許請求の範囲】
【請求項１】
画像のテクスチャ特徴を抽出する画像処理装置であり、
第１のスティーラブルフィルタと、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、
画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、
前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎に記憶するデータベースと
を有することを特徴とする画像処理装置。
【請求項２】
画像をテクスチャ特徴により検索する画像処理装置であり、
テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎に記憶するデータベースと、
第１のスティーラブルフィルタと、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、
画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、
前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する画像検索部と
を有することを特徴とする画像処理装置。
【請求項３】
前記エッジ抽出部がエッジ点を第１のしきい値により検出し、この第１のしきい値より低い第２のしきい値により、該エッジ点に隣接する画素がエッジを構成する画素であるか否かを検出することを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記エッジ抽出部がテクスチャ方向のテクスチャ強度に対して、検出するエッジ種類のテクスチャ強度を出力させる位相制御パラメータを乗算し、各エッジのエッジ種類を検出することを特徴とする請求項１から請求項３のいずれかに記載の画像処理装置。
【請求項５】
前記エッジ種類毎のエッジを形成する画素数が全画素数に占める割合と、エッジを形成する画素のテクスチャ強度の平均値及び分散値と、エッジと判定された位置でのテクスチャ方向の分散値を有するテクスチャ特徴を算出する特徴抽出部を有することを特徴とする請求項４に記載の画像処理装置。
【請求項６】
テクスチャ方向算出部がスケール毎に算出したなかから、画素毎に極大値を有するスケールと、このときのテクスチャ方向とに基づき、テクスチャ画像の画素をクラスタリングし、このクラスタリングされた分類のラベルと、テクスチャ方向と、スケールとの組合せにより、テクスチャ強度及びフィルタリング結果を量子化し、量子化した結果に基づいて、エッジ抽出部がエッジ種類の検出を行うことを特徴とする請求項１から請求項５のいずれかに記載の画像処理装置。
【請求項７】
画像のテクスチャ特徴を抽出する画像処理方法であり、
第１のスティーラブルフィルタにより画像のフィルタリングを行う過程と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う過程と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する過程と
を有することを特徴とする画像処理方法。
【請求項８】
画像をテクスチャ特徴により検索する画像処理方法であり、
テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する過程と、
第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う過程と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、
画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する過程と
を有することを特徴とする画像処理装置。
【請求項９】
画像のテクスチャ特徴を抽出する画像処理のプログラムであり、
第１のスティーラブルフィルタにより画像のフィルタリングを行う処理と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う処理と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する処理と
を有する画像学習処理をコンピュータに実行させるプログラム。
【請求項１０】
画像をテクスチャ特徴により検索する画像処理のプログラムであり、
テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する処理と、
第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う処理と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、
画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する処理と
を有する画像識別処理をコンピュータに実行させるプログラム。
【請求項１】
画像のテクスチャ特徴を抽出する画像処理装置であり、
第１のスティーラブルフィルタと、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、
画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、
前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎に記憶するデータベースと
を有することを特徴とする画像処理装置。
【請求項２】
画像をテクスチャ特徴により検索する画像処理装置であり、
テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎に記憶するデータベースと、
第１のスティーラブルフィルタと、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタと、
画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出するテクスチャ方向算出部と、
前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出するエッジ抽出部と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する画像検索部と
を有することを特徴とする画像処理装置。
【請求項３】
前記エッジ抽出部がエッジ点を第１のしきい値により検出し、この第１のしきい値より低い第２のしきい値により、該エッジ点に隣接する画素がエッジを構成する画素であるか否かを検出することを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記エッジ抽出部がテクスチャ方向のテクスチャ強度に対して、検出するエッジ種類のテクスチャ強度を出力させる位相制御パラメータを乗算し、各エッジのエッジ種類を検出することを特徴とする請求項１から請求項３のいずれかに記載の画像処理装置。
【請求項５】
前記エッジ種類毎のエッジを形成する画素数が全画素数に占める割合と、エッジを形成する画素のテクスチャ強度の平均値及び分散値と、エッジと判定された位置でのテクスチャ方向の分散値を有するテクスチャ特徴を算出する特徴抽出部を有することを特徴とする請求項４に記載の画像処理装置。
【請求項６】
テクスチャ方向算出部がスケール毎に算出したなかから、画素毎に極大値を有するスケールと、このときのテクスチャ方向とに基づき、テクスチャ画像の画素をクラスタリングし、このクラスタリングされた分類のラベルと、テクスチャ方向と、スケールとの組合せにより、テクスチャ強度及びフィルタリング結果を量子化し、量子化した結果に基づいて、エッジ抽出部がエッジ種類の検出を行うことを特徴とする請求項１から請求項５のいずれかに記載の画像処理装置。
【請求項７】
画像のテクスチャ特徴を抽出する画像処理方法であり、
第１のスティーラブルフィルタにより画像のフィルタリングを行う過程と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う過程と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する過程と
を有することを特徴とする画像処理方法。
【請求項８】
画像をテクスチャ特徴により検索する画像処理方法であり、
テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する過程と、
第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う過程と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する過程と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する過程と、
画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する過程と
を有することを特徴とする画像処理装置。
【請求項９】
画像のテクスチャ特徴を抽出する画像処理のプログラムであり、
第１のスティーラブルフィルタにより画像のフィルタリングを行う処理と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより画像のフィルタリングを行う処理と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、
少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいたテクスチャ特徴を、各画像毎にデータベースへ記憶する処理と
を有する画像学習処理をコンピュータに実行させるプログラム。
【請求項１０】
画像をテクスチャ特徴により検索する画像処理のプログラムであり、
テクスチャ方向及びテクスチャ方向強度に基づく蓄積テクスチャ特徴を、各画像毎にデータベースへ記憶する処理と、
第１のスティーラブルフィルタにより識別対象画像のフィルタリングを行う過程と、
該第１のスティーラブルフィルタをヒルベルト変換した第２のスティーラブルフィルタにより前記識別対象画像のフィルタリングを行う処理と、
テクスチャ方向算出部が画像のスケール毎に、前記各々のフィルタリング結果から、前記テクスチャ特徴としてテクスチャ方向を算出する処理と、
エッジ抽出部が前記テクスチャ方向の強度を画素毎に算出し、エッジ点を求め、このエッジ点からエッジを抽出する処理と、
画像検索部が、少なくともテクスチャ方向及びテクスチャ方向の強度とに基づいた識別対象テクスチャ特徴を求め、前記データベースに記憶された画像の蓄積テクスチャ特徴と比較し、類似度を算出する処理と
を有する画像識別処理をコンピュータに実行させるプログラム。
【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１８】
【図１９】
【図２０】
【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１８】
【図１９】
【図２０】
【公開番号】特開２００６−１９５５３６（Ｐ２００６−１９５５３６Ａ）
【公開日】平成１８年７月２７日（２００６．７．２７）
【国際特許分類】
【出願番号】特願２００５−３８６７（Ｐ２００５−３８６７）
【出願日】平成１７年１月１１日（２００５．１．１１）
【出願人】（０００１０２７２８）株式会社エヌ・ティ・ティ・データ (438)
【Ｆターム（参考）】
【公開日】平成１８年７月２７日（２００６．７．２７）
【国際特許分類】
【出願日】平成１７年１月１１日（２００５．１．１１）
【出願人】（０００１０２７２８）株式会社エヌ・ティ・ティ・データ (438)
【Ｆターム（参考）】
[ Back to top ]