画像処理装置および方法、並びにプログラム
【課題】より確実に物体を識別できるようにする。
【解決手段】処理対象画像の注目画素の画素値Ｘは、画素値を構成する各色成分を軸とする特徴空間の観測点に写像される。識別装置では特徴空間の任意の観測点に対して、その観測点に写像される画素値Ｘの真値がＹである尤度と、ノイズのない肌領域の画素の画素値の肌確率分布とが予め用意されており、これらに基づいて注目画素が肌領域の画素であるかが識別される。すなわち、注目画素の画素値Ｘに対して用意された尤度から画素値Ｘの真値がＹである真値確率分布が求められ、真値確率分布と肌確率分布との畳み込みにより求められた、注目画素が肌領域の画素である確率に基づいて、注目画素が肌領域の画素であるかの識別が行なわれる。本技術は、識別装置に適用することができる。
【解決手段】処理対象画像の注目画素の画素値Ｘは、画素値を構成する各色成分を軸とする特徴空間の観測点に写像される。識別装置では特徴空間の任意の観測点に対して、その観測点に写像される画素値Ｘの真値がＹである尤度と、ノイズのない肌領域の画素の画素値の肌確率分布とが予め用意されており、これらに基づいて注目画素が肌領域の画素であるかが識別される。すなわち、注目画素の画素値Ｘに対して用意された尤度から画素値Ｘの真値がＹである真値確率分布が求められ、真値確率分布と肌確率分布との畳み込みにより求められた、注目画素が肌領域の画素である確率に基づいて、注目画素が肌領域の画素であるかの識別が行なわれる。本技術は、識別装置に適用することができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本技術は画像処理装置および方法、並びにプログラムに関し、特に、より確実に物体を識別することができるようにした画像処理装置および方法、並びにプログラムに関する。
【背景技術】
【０００２】
従来、物体の識別機能をもつカメラ向けの技術として、被写体の色情報から特定の物体を識別する技術が知られている。例えば、そのような技術として、カメラの画枠内にいる人の顔や腕といった肌の領域を、色情報を利用して識別する技術が提案されている（例えば、非特許文献１参照）。
【０００３】
このような色情報を利用する技術は、装置への実装の容易さ、信号処理量の少なさにおいて利点を有している。また、色情報を利用する技術は、人の体の形状や顔の形状といった空間情報を利用した物体の識別技術と併用可能であるという利点も有している。
【先行技術文献】
【非特許文献】
【０００４】
【非特許文献１】Ihab Zaqout, Roziati Zainuddin, Sapian Baba, 「A Survey on Pixel-Based Skin Color Detection Techniques」Machine Graphics & Vision International Journal, Volume 14 Issue 1, January,2005
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところで、上述した色情報を利用して肌の領域を識別する技術では、予め多くの種類の肌サンプルが撮影され、それらの肌サンプルに基づいて特徴空間における肌の分布が学習により求められる。そして、このようにして得られた肌の分布が用いられて、画像上の各領域が肌の領域であるか否かの識別が行なわれる。
【０００６】
しかしながら色情報を用いた識別では、識別対象となる物体が充分に明るく撮影されていることが前提とされているため、物体が充分な明るさで撮影されなかった場合、つまりノイズの影響を大きく受ける場合には、期待通りの識別性能が得られないことがあった。
【０００７】
本技術は、このような状況に鑑みてなされたものであり、より確実に物体を識別することができるようにするものである。
【課題を解決するための手段】
【０００８】
本技術の第１の側面の画像処理装置は、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択部と、予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択部により選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部とを備える。
【０００９】
画像処理装置には、前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに設けることができる。
【００１０】
前記真値の確率分布を画素値の真値の尤度に基づいて求め、前記演算部には、前記真値の確率分布と、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布との畳み込み演算を行なうことで前記確率を算出させることができる。
【００１１】
画像処理装置には、前記真値の確率分布に対して線形補間処理を行なって、画素値の真値である確率を補間により求める補間処理部をさらに設けることができる。
【００１２】
本技術の第１の側面の画像処理方法またはプログラムは、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法またはプログラムであって、各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップとを含む。
【００１３】
本技術の第１の側面においては、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理において、各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数が選択され、予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率が算出される。
【００１４】
本技術の第２の側面の画像処理装置は、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択部と、前記選択部により選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部とを備える。
【００１５】
画像処理装置には、前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに設けることができる。
【００１６】
前記判定部には、前記注目画素を含む複数の画素からなるブロックを単位として、前記ブロックが前記特定物体の領域であるかを識別させることができる。
【００１７】
画像処理装置には、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布に対して線形補間処理を行なって、ノイズ成分の含まれている画素値である確率を補間により求める補間処理部をさらに設けることができる。
【００１８】
本技術の第２の側面の画像処理方法またはプログラムは、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法またはプログラムであって、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップとを含む。
【００１９】
本技術の第２の側面においては、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理において、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数が選択され、選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率が算出される。
【発明の効果】
【００２０】
本技術の第１の側面および第２の側面によれば、より確実に物体を識別することができる。
【図面の簡単な説明】
【００２１】
【図１】特徴空間における観測点、真値確率分布、および肌確率分布について説明する図である。
【図２】観測点の輝度と真値確率分布の大きさについて説明する図である。
【図３】本技術を適用した識別装置の構成例を示す図である。
【図４】識別処理について説明するフローチャートである。
【図５】特徴空間における観測点とノイズ肌確率分布について説明する図である。
【図６】ノイズ肌確率分布の算出について説明する図である。
【図７】識別装置の他の構成例を示す図である。
【図８】識別処理について説明するフローチャートである。
【図９】コンピュータの構成例を示す図である。
【発明を実施するための形態】
【００２２】
以下、図面を参照して、本技術を適用した実施の形態について説明する。
【００２３】
〈第１の実施の形態〉
［本技術の概要］
まず、本技術による物体識別の概要について説明する。
【００２４】
本技術は、例えば各画素が複数の色情報を有する画像について、画像（以下、処理対象画像とも称する）上の各領域が予め定められた特定色の物体であるかを識別するものである。なお、識別対象とされる物体は、物理的に同じ構成要素からなるものであればどのような物体であってもよいが、以下では、識別対象となる物体が人の肌であるものとして説明を続ける。
【００２５】
例えば処理対象画像が、６色のカラーフィルタを有する撮像装置により撮影された画像であり、処理対象画像の画素の画素値がＸ＝（x1,x2,x3,x4,x5,x6）であるとする。すなわち、画素値Ｘは、ｘ１乃至ｘ６の６つの色成分の値からなるとする。具体的には、６つの色成分として、Ｒ（赤），Ｇ（緑），Ｂ（青），Ｃ（シアン），Ｍ（マゼンダ），Ｙ（黄）などが考えられる。
【００２６】
いま、図１に示すように、これらの６つの色成分を軸とする座標系の空間を特徴空間とし、上述した画素値Ｘが座標Ｘ＝（x1,x2,x3,x4,x5,x6）に写像されるとする。
【００２７】
この特徴空間の次元数は、処理対象画像の画素の画素値Ｘが有する色成分の数と同じであり、図１では、画素値Ｘを構成する色成分ｘ１乃至ｘ６のそれぞれに対応する特徴空間の各軸がＸ１軸乃至Ｘ６軸とされている。また、図１において、観測点Ｋ１１は、画素値Ｘが写像された点を表しており、この観測点Ｋ１１の座標はＸである。
【００２８】
この場合、処理対象画像上の画素の画素値Ｘには、処理対象画像の撮影時に生じたショットノイズやランダムノイズなど、各種のノイズが含まれている。すなわち、画素値Ｘは、処理対象画像の画素の画素値の真値Ｙにノイズ成分が加算された値である。
【００２９】
このような画素値Ｘに対する真値Ｙの確率分布である真値確率分布Ｔ１１は、観測点Ｋ１１を含む所定の領域となっており、真値確率分布Ｔ１１内の各位置（点）には、その位置の座標に写像される画素値が、画素値Ｘの真値Ｙである確率が対応付けられている。なお、図１では、真値Ｙである確率が所定の閾値以上である点（位置）からなる領域が真値確率分布Ｔ１１として図示されている。
【００３０】
また、本技術による肌領域の識別には、予め学習により求めたノイズのない肌サンプルの確率分布である肌確率分布Ｕ１１が用いられる。
【００３１】
肌確率分布Ｕ１１は、ノイズを無視できる充分な明るさで人の肌を撮影して得られたサンプル画像（以下、学習画像とも称する）が用いられて学習により求められる。肌確率分布Ｕ１１内の各位置（点）には、その位置の座標に写像される画素値を有する画素が、画像上の肌領域を構成する画素である確率が対応付けられている。
【００３２】
なお、図１では、肌領域の画素である確率が所定の閾値以上である点（位置）からなる領域が肌確率分布Ｕ１１として図示されている。したがって、肌確率分布Ｕ１１の領域は、学習画像上のノイズの含まれていない肌領域の画素の画素値の取り得る範囲を示しているということができる。
【００３３】
また、この実施の形態では、特徴空間における各位置の画素値Ｘに対する真値Ｙである確率や肌領域の画素である確率の分布は、実写等で取得されたものと考え、離散的なものとして扱うこととする。すなわち、真値Ｙである確率や肌領域の画素である確率の分布として、確率密度関数に代えて確率分布を用いることとする。
【００３４】
このように肌確率分布Ｕ１１が予め学習により得られている場合、観測点Ｋ１１の真値Ｙ、より詳細には真値Ｙの特徴空間への写像後の位置が肌確率分布Ｕ１１の領域内であれば、観測点Ｋ１１に対応する画素は肌領域を構成する画素であるということができる。
【００３５】
観測点Ｋ１１に対応する画素が肌領域の画素である確率Ｆ（Ｘ）は、真値Ｙの確率分布である真値確率分布Ｔ１１の領域と肌確率分布Ｕ１１の領域が重なる領域に対応する確率であるから、真値確率分布Ｔ１１と肌確率分布Ｕ１１の畳み込みにより求めることができる。すなわち、確率Ｆ（Ｘ）は、真値確率分布Ｔ１１の領域と肌確率分布Ｕ１１の領域とがどれだけ重なっているかと関係があり、重なる部分の面積が真値確率分布Ｔ１１と肌確率分布Ｕ１１の領域の面積に対して大きいほど、確率Ｆ（Ｘ）は高く（大きく）なる。
【００３６】
ところで、肌領域の画素である確率Ｆ（Ｘ）の算出に必要となる真値確率分布Ｔ１１は、観測点Ｋ１１の画素値Ｘ、つまり観測値の事後確率の確率分布であるから、最大事後確率推定（MAP(Maximum a posteriori)推定）により求めることができる。
【００３７】
しかしながら、最大事後確率推定で必要となる事前確率Ｐ（Ｙ）と証拠Ｐ（Ｘ）を正確に求めることはできない。そこで、本技術では、画素値Ｘが観測されたときに、画素値Ｘの真値がＹである尤もらしさの度合いを示す尤度Ｐ（Ｘ｜Ｙ）の分布が、真値確率分布Ｔ１１として用いられる。
【００３８】
すなわち、処理対象画像上の処理対象となっている画素が注目画素とされると、注目画素の画素値Ｘに対して予め求められた真値Ｙの尤度Ｐ（Ｘ｜Ｙ）が、画素値Ｘの真値がＹである確率とみなされ、真値Ｙの尤度の分布が真値確率分布Ｔ１１であるものとされる。換言すれば、真値確率分布Ｔ１１内の各位置（点）には、その位置の座標に写像される画素値が、注目画素の画素値Ｘの真値である尤もらしさの度合いを示す尤度が対応付けられている。
【００３９】
そして、得られた真値確率分布Ｔ１１に基づいて次式（１）が計算され、注目画素が肌領域の画素である確率Ｆ（Ｘ）が算出される。さらに、得られた確率Ｆ（Ｘ）が閾値以上であるか否かが判定され、その判定結果に応じて注目画素が肌領域の画素であるか否かの識別が行なわれる。
【００４０】
Ｆ（Ｘ）＝ΣＺｇ（Ｚ）×ｈ（Ｘ−Ｚ） ・・・（１）
【００４１】
なお、式（１）において、Ｚは特徴空間全体の各位置（座標）を示しており、ｇ（Ｚ）は真値確率分布、すなわち画素値Ｘの真値がＺ（より詳細には、位置Ｚに写像される画素値）である尤度Ｐ（Ｘ｜Ｚ）を示している。また、Ｘは特徴空間に写像された注目画素の写像後の位置（座標）を示しており、ｈ（Ｘ−Ｚ）は肌確率分布、すなわち肌確率分布における位置（Ｘ−Ｚ）に対応付けられた、肌領域の画素である確率を示している。
【００４２】
したがって、注目画素が肌領域の画素である確率Ｆ（Ｘ）は、画素値Ｘに対して予め求められた尤度Ｐ（Ｘ｜Ｙ）と、肌確率分布Ｕ１１との畳み込みにより算出される。但し、式（１）では、真値確率分布の近似的な値として尤度が用いられるため、畳み込み演算により得られる値は厳密には確率とはいえないが、畳み込みで得られる値は肌領域らしさの度合いを示す値であるため、確率Ｆ（Ｘ）は肌領域である確率とみなすことができる。
【００４３】
また、特徴空間上において、ノイズのない肌領域の画素の画素値が写像される領域と、画素値Ｘの真値Ｙが存在する領域とは特徴空間内の限られた領域となる。そのため、畳み込み演算の計算量を抑えるために、位置Ｚの取り得る座標の範囲は、ノイズのない肌領域の画素の画素値が写像される領域、または真値Ｙが写像され得る領域の何れかの領域内の位置の取り得る座標の範囲とされることが望ましい。
【００４４】
以上のように、画素値Ｘに対して求められた尤度と、ノイズのない肌領域の肌確率分布とを畳み込むことで確率Ｆ（Ｘ）を算出し、確率Ｆ（Ｘ）に対する閾値処理により注目画素が肌領域であるかを識別することで、画素値Ｘに含まれるノイズ成分の量によらず、高精度に識別を行なうことができる。この識別手法は、注目画素に含まれるノイズ成分をキャンセルして、ノイズのない世界で注目画素が肌領域であるかの識別を行なう手法である。
【００４５】
また、処理対象画像の各画素に含まれるノイズは、画素の輝度値が高いほど少なくなる。したがって、例えば図２に示すように、注目画素の画素値が写像された位置が特徴空間の座標系の原点から遠いほど、つまり注目画素の輝度が高いほど、注目画素に対応する観測点について求められた真値確率分布の領域は小さくなる。
【００４６】
なお、図２において各矢印は、画素値Ｘを構成する色成分ｘ１乃至ｘ６のそれぞれに対応する座標系のＸ１軸乃至Ｘ６軸を表しており、Ｏは座標系の原点を表している。
【００４７】
図２の例では、観測点Ｋ２１乃至観測点Ｋ２５のそれぞれは、輝度の異なる処理対象画像上の画素の画素値の写像点を示している。また、真値確率分布Ｔ２１乃至真値確率分布Ｔ２５のそれぞれは、観測点Ｋ２１乃至観測点Ｋ２５に写像された画素値Ｘに対して予め求められた真値Ｙの確率分布を示している。
【００４８】
処理対象画像の画素の画素値Ｘは、そのまま特徴空間上の座標に写像されるので、特徴空間において、原点Ｏからより遠い位置にある観測点ほど、その観測点に写像される画素の輝度値は高いことになる。また、輝度の高い画素ほど、その画素の画素値に含まれるノイズ成分は少ないので、観測点Ｋ２１乃至観測点Ｋ２５のうち、より原点Ｏから遠い位置にあるものほど、その観測点の真値確率分布の領域の大きさは小さくなる。
【００４９】
例えば、観測点Ｋ２１乃至観測点Ｋ２５のうち、最も原点Ｏから遠い観測点Ｋ２５では、観測点Ｋ２５と、真値確率分布Ｔ２５の領域とがほぼ同じ大きさの領域となっており、より高精度に肌領域の画素であるかを識別できることが分かる。
【００５０】
［識別装置の構成例］
次に、以上において説明した識別手法により処理対象画像の各画素が、肌領域の画素であるかの識別を行なう識別装置の具体的な実施の形態について説明する。そのような識別装置は、例えば撮像素子に複数色のカラーフィルタを有する撮像装置などに設けられ、図３に示すように構成される。
【００５１】
図３の識別装置１１は、学習部２１、記録部２２、識別部２３、および出力部２４から構成される。
【００５２】
学習部２１は、供給された学習画像に基づいて、学習により画素値Ｘに対する各画素値の尤度Ｐ（Ｘ｜Ｙ）と、ノイズのない肌領域の肌確率分布とを求め、記録部２２に供給する。記録部２２は、学習部２１から供給された尤度と肌確率分布を記録し、これらの尤度や肌確率分布を必要に応じて識別部２３に供給する。
【００５３】
識別部２３は、記録部２２から供給された尤度および肌確率分布に基づいて、供給された処理対象画像の各画素について、それらの画素が肌領域の画素であるか否かを識別し、その識別結果を出力部２４に供給する。
【００５４】
識別部２３は、取得部３１、選択部３２、演算部３３、および判定部３４を備えている。取得部３１は、記録部２２から尤度や肌確率分布を取得する。選択部３２は、供給された処理対象画像の画素を順次、注目画素として選択する。
【００５５】
また、演算部３３は、注目画素の画素値Ｘに対して求められている尤度と肌確率分布との畳み込み演算を行なうことで、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。判定部３４は、各注目画素について、確率Ｆ（Ｘ）に対する閾値処理を行い、注目画素が肌領域の画素であるかの識別を行なう。
【００５６】
出力部２４は、識別部２３から供給された、処理対象画像上の各画素が肌領域の画素であるかの識別結果を後段に出力する。
【００５７】
［識別処理の説明］
このような識別装置１１に複数の学習画像が供給されると、識別装置１１の学習部２１は学習画像を用いた学習により、各画素値に対する真値の尤度と肌確率分布を求める。
【００５８】
例えば、学習部２１は、学習画像の画素のうちの肌領域内にある各画素の画素値に基づいて、肌領域の画素のヒストグラムを生成する。具体的には、各画素値をヒストグラムのビンとして、そのビンの画素値を有する画素の数がビンに対する頻度値とされる。学習部２１は、このようにして得られた各ビン（画素値）の頻度値を正規化することで、肌確率分布を生成する。すなわち、ヒストグラムのビンの画素値が、肌領域を構成する画素の画素値であり、正規化された頻度値が、そのビンの画素値を有する画素が肌領域を構成する画素である確率である。
【００５９】
なお、学習部２１は、肌確率分布が充分に稠密でなく、画素値に対応付けられた肌領域である確率が欠損している場合、その画素値の周囲の画素値の確率を用いた線形補間により欠損位置（画素値）の肌領域である確率を補間する。
【００６０】
具体的には、例えば学習部２１は、特徴空間上の所定の位置に対応付けられた肌領域である確率と、その位置の周囲にある他の位置の肌領域である確率との差分絶対値が、所定の閾値以上となる位置を特定し、その位置を欠損位置とする。例えば、欠損位置の特定に用いられる閾値は、画素値の変化に対する肌領域である確率の変化、すなわち肌領域である確率の勾配に基づいて、特徴空間上の位置ごとに定められる。
【００６１】
また、肌確率分布は、学習画像上の肌領域の画素の画素値の散らばり（分布）を、ガウス分布や混合ガウス分布で近似することにより生成されるようにしてもよいし、予め求められた確率分布が肌確率分布とされてもよい。
【００６２】
さらに、学習部２１は、学習画像の画素のうちの肌領域内にある画素の画素値を真値Ｙとして、真値Ｙに各ノイズ成分の値を足し込んで、ノイズ成分が含まれる画素値Ｘとすることで、真値Ｙに対する各画素値Ｘの分布を生成する。学習部２１は、このようにして生成した分布から、尤度Ｐ（Ｘ｜Ｙ）を求める。
【００６３】
学習部２１は、肌確率分布における場合と同様に、尤度Ｐ（Ｘ｜Ｙ）に対しても線形補間処理を行ない、欠損位置とされた真値Ｙの尤度を、周囲の真値Ｙの尤度を用いて補間する。すなわち、画素値Ｘごとの真値確率分布に対して線形補間処理が行なわれる。
【００６４】
学習部２１により肌確率分布と尤度が生成されて記録部２２に記録されると、識別装置１１では、これらの肌確率分布と尤度を利用して識別処理を行い、供給された処理対象画像の各画素が肌領域の画素であるか否かを識別することができるようになる。
【００６５】
以下、図４のフローチャートを参照して、識別装置１１による識別処理について説明する。
【００６６】
ステップＳ１１において、取得部３１は、記録部２２からノイズのない肌確率分布を読み出す。そして、ステップＳ１２において、選択部３２は、供給された処理対象画像上の１つの画素を注目画素として選択する。例えば、処理対象画像上の画素がラスタスキャン順に注目画素として選択されていく。
【００６７】
ステップＳ１３において、演算部３３は、注目画素の真値確率分布を求める。例えば取得部３１は、注目画素の画素値Ｘに対して予め求められた尤度Ｐ（Ｘ｜Ｙ）を記録部２２から読み出して演算部３３に供給する。演算部３３は、取得部３１から供給された真値Ｙの尤度をＹが真値である確率とみなし、画素値Ｘに対して予め求められた、各真値Ｙの尤度の分布を真値確率分布とする。
【００６８】
ステップＳ１４において、演算部３３は、注目画素の画素値Ｘについて求めた真値確率分布と、取得部３１により読み出された肌確率分布との畳み込み演算、すなわち尤度と肌確率分布の畳み込み演算を行ない、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。
【００６９】
ステップＳ１５において、判定部３４は、演算部３３により求められた確率Ｆ（Ｘ）が所定の閾値以上であるか否かを判定する。
【００７０】
ステップＳ１５において、確率Ｆ（Ｘ）が閾値以上であると判定された場合、ステップＳ１６において、判定部３４は、注目画素が肌領域を構成する画素であるとし、その旨の識別結果を出力部２４に供給する。出力部２４は、判定部３４から供給された識別結果を出力して、処理はステップＳ１８に進む。
【００７１】
これに対してステップＳ１５において、確率Ｆ（Ｘ）が閾値以上でないと判定された場合、つまり確率Ｆ（Ｘ）が閾値未満である場合、ステップＳ１７において、判定部３４は注目画素が肌領域を構成する画素でないとし、その旨の識別結果を出力部２４に供給する。出力部２４は、判定部３４から供給された識別結果を出力して、処理はステップＳ１８に進む。
【００７２】
ステップＳ１６またはステップＳ１７において、注目画素についての識別結果が出力されると、ステップＳ１８において、識別部２３は、処理対象画像上の全ての画素を注目画素としたか否かを判定する。
【００７３】
ステップＳ１８において、まだ全ての画素が注目画素とされていないと判定された場合、処理はステップＳ１２に戻り、上述した処理が繰り返される。
【００７４】
一方、ステップＳ１８において、全ての画素が注目画素とされたと判定された場合、処理対象画像の全画素について肌領域であるかの識別が行われたので、識別処理は終了する。
【００７５】
このようにして、識別装置１１は、注目画素の画素値に対して用意された尤度から求めた真値確率分布と、ノイズのない肌領域の肌確率分布とを畳み込むことで確率Ｆ（Ｘ）を算出し、確率Ｆ（Ｘ）に対する閾値処理により注目画素が肌領域であるかを識別する。
【００７６】
このように尤度を用いて近似的に真値確率分布を求めることにより、画素値Ｘに含まれるノイズ成分の量によらず、高精度に物体識別を行なうことができる。すなわち、処理対象画像上の目的とする物体をより確実に識別することができる。
【００７７】
従来の識別手法では、特徴空間において、ノイズが含まれる画素の画素値の写像位置が、ノイズのない肌領域の画素から求めた肌確率分布の領域内にあるか否かを判定することにより、物体の識別が行なわれていた。しかしながら、従来の識別手法では、注目画素の輝度変化により生じる、注目画素の画素値に含まれるノイズ量の変化が充分に考慮されていなかったため、ノイズの影響に対してロバストな識別を行なうことができなかった。
【００７８】
特に、処理対象画像を撮影する撮像素子のカラーフィルタ間の分光透過率の特徴の違い、すなわち、ここでは色の違いが小さいとき、つまり僅かな波長の違いを利用して物体の識別を行なう場合、画像に含まれるノイズが識別に与える影響が非常に大きくなり、物体の識別精度が低下してしまう。
【００７９】
これに対して識別装置１１では、注目画素の画素値に対して用意された尤度から真値確率分布を求め、ノイズのない世界で物体識別を行なうので、ＳＮ比（Signal to Noise ratio）が低く、ノイズの多い条件下においても、より高い精度で物体を識別することができる。
【００８０】
なお、以上においては、真値確率分布と肌確率分布とから物体識別を行なう場合について説明したが、確率分布でなく確率密度関数が用いられる場合においても、同様の処理が行なわれて物体識別が行なわれる。
【００８１】
すなわち、画素値ごとに予め用意された、真値である確率の確率密度関数（以下、真値確率密度関数と称する）のうち、注目画素の画素値Ｘに対して求められた真値確率密度関数が取得部３１により選択される。そして、予め用意された、各画素値がノイズの含まれていない肌領域の画素の画素値である確率の確率密度関数（以下、肌確率密度関数と称する）と、選択された真値確率密度関数との畳み込み演算が演算部３３により行なわれ、確率Ｆ（Ｘ）が算出される。
【００８２】
〈第２の実施の形態〉
［本技術の概要］
また、以上においては、ノイズのない世界で物体識別を行なう例について説明したが、画素の輝度ごとにノイズの含まれる肌領域の確率分布を用意し、ノイズのある世界で物体識別を行なうようにしてもよい。
【００８３】
そのような場合、例えば図５に示すように、６色のカラーフィルタを有する撮像装置により撮影された処理対象画像の注目画素の画素値Ｘ＝（x1,x2,x3,x4,x5,x6）が、特徴空間の座標Ｘ＝（x1,x2,x3,x4,x5,x6）に写像される。そして、座標がＸである写像後の観測点Ｋ３１が、予め用意された注目画素の輝度により定まるノイズ肌確率分布Ｍ１１の領域内にあるか否かを判定することにより、注目画素が肌領域の画素であるか否かが識別される。
【００８４】
なお、図５において各矢印は、画素値Ｘを構成する色成分ｘ１乃至ｘ６のそれぞれに対応する座標系のＸ１軸乃至Ｘ６軸を表しており、Ｏは座標系の原点を表している。
【００８５】
ノイズ肌確率分布Ｍ１１は、画素の輝度ごとに予め求められたノイズのある肌サンプルの確率分布であり、ノイズが生じない充分な明るさで人の肌を撮影して得られた学習画像から求められた肌確率分布と、ノイズの確率分布とから求められる。
【００８６】
ノイズ肌確率分布Ｍ１１内の各位置（点）には、その位置の座標に写像される画素値を有する画素が、画像上のノイズが含まれた肌領域を構成する特定の輝度の画素である確率が対応付けられている。このノイズ肌確率分布Ｍ１１の領域の境界は、画素値に含まれるノイズの影響により、図１に示したノイズのない肌確率分布Ｕ１１の領域境界と比べて、歪な形状となっている。
【００８７】
なお、図５では、肌領域の画素である確率が所定の閾値以上である点（位置）からなる領域がノイズ肌確率分布Ｍ１１として図示されている。したがって、ノイズ肌確率分布Ｍ１１の領域は、ノイズが含まれている肌領域の画素の画素値の取り得る範囲を示しているということができる。
【００８８】
また、この実施の形態においても、第１の実施の形態と同様に、特徴空間における肌領域の画素である確率の分布は離散的なものとして扱われることとし、各位置の肌領域の画素である確率の分布として、確率密度関数に代えて確率分布が用いられることとする。
【００８９】
このようにノイズ肌確率分布Ｍ１１が予め得られている場合、観測点Ｋ３１の位置がノイズ肌確率分布Ｍ１１の領域内であれば、観測点Ｋ３１に対応する画素は肌領域を構成する画素であるということができる。
【００９０】
ところで、ノイズ肌確率分布は、ノイズのない肌確率分布と、所定輝度のノイズの確率分布とから求められるが、図６に示すように、輝度が低い場合においては、ノイズ確率分布がノイズ肌確率分布の領域の形状に与える影響は、ノイズ肌確率分布の特徴を変えるほどに大きい。
【００９１】
図６では、図中、上側には画素の輝度が高い、高輝度のノイズ肌確率分布Ｍ２１が示されており、図中、下側には画素の輝度が低い、低輝度のノイズ肌確率分布Ｍ２２が示されている。
【００９２】
高輝度である特定輝度のノイズ肌確率分布Ｍ２１の生成には、特定輝度のノイズのない肌サンプルの画像（学習画像）の画素から得られた肌確率分布Ｕ２１と、特定輝度の画素のノイズ確率分布Ｎ１１とが用意される。
【００９３】
ノイズ確率分布Ｎ１１は、輝度を変数としてもつノイズ関数である。すなわち、画像上の特定輝度の画素に対応する点が、ノイズの影響により特徴空間上でどのように分布するかが確率の関数で与えられており、この関数がノイズ確率分布Ｎ１１とされる。したがってノイズ確率分布Ｎ１１の各位置（点）には、ノイズを含む特定輝度の画素が、特徴空間上のそれら位置に写像される画素値を有している確率が対応付けられている。
【００９４】
ノイズ関数を求める方法としては、例えば明るさを変えながらグレーチャートを撮影し、得られた画像の画素値の散らばりを関数化する方法などがある。画素値の散らばりを関数化する代表的な方法としては、画素値の散らばりをガウス分布や混合ガウス分布で近似してパラメータ化する方法がある。
【００９５】
また、確率分布モデルを用いずに、画素値の散らばりをテーブルとして保持するようにしてもよい。具体的には、グレーチャートを撮影して得られた画像の画素値のヒストグラムを求め、ヒストグラムの各ビンの頻度値の積分値（和）が１となるように、各ビンの頻度値を正規化したものをテーブル化することで、ノイズ確率分布を得るようにしてもよい。
【００９６】
なお、ノイズ確率分布を求める方法は、上述した方法に限らず、どのような方法であってもよい。
【００９７】
以上のようにして、高輝度の肌確率分布Ｕ２１と、高輝度のノイズ確率分布Ｎ１１とが用意されると、図中、右上に示すように、これらの肌確率分布Ｕ２１とノイズ確率分布Ｎ１１との畳み込み演算が行なわれて、高輝度のノイズ肌確率分布Ｍ２１が求められる。
【００９８】
高輝度の場合と同様に、低輝度のノイズ肌確率分布Ｍ２２の生成には、ノイズのない高輝度の肌サンプル画像（学習画像）から、補間によって得られた低輝度の肌確率分布Ｕ２２と、低輝度の画素のノイズ確率分布Ｎ１２とが用意される。そして、図中、下側に示すように、肌確率分布Ｕ２２とノイズ確率分布Ｎ１２との畳み込み演算が行なわれて、低輝度のノイズ肌確率分布Ｍ２２が求められる。ノイズの影響がない場合、輝度が変化しても任意の画素の画素値の比は一定であると仮定できる。したがって、高輝度で撮影した学習画像の各画素の画素値の比を保ちながら、画素値を小さくしていくことで、ノイズのない低輝度時の学習画像を補間により得ることができる。このような低輝度の学習画像の生成方法は、他の実施の形態においても同様である。
【００９９】
高輝度の肌確率分布Ｕ２１と、低輝度の肌確率分布Ｕ２２とを比較すると、これらの肌確率分布は、スケール（大きさ）は異なるが確率分布の形状はほぼ同じとなっている。
【０１００】
これに対して、低輝度のノイズ確率分布Ｎ１２は、高輝度のノイズ確率分布Ｎ１１と比べて分散が大きくなっている。これは、画像に含まれるノイズ、特にショットノイズは画像の輝度に大きく影響されるからである。
【０１０１】
ノイズ肌確率分布は、ノイズのない肌領域の肌確率分布とノイズ確率分布とを合わせたものであるから、ノイズ肌確率分布Ｍ２１とノイズ肌確率分布Ｍ２２は、輝度の影響が大きいノイズ確率分布の違いによって、確率のばらつき方に大きな違いが生じている。
【０１０２】
このようにノイズの確率分布は輝度に大きく影響されるので、ノイズのない肌領域の画素の画素値の肌確率分布に、特定輝度で生じるノイズの確率分布を畳み込むことで、所望の輝度で撮影した画像に対して最適なノイズ肌確率分布を得ることができる。
【０１０３】
［識別装置の構成例］
次に、輝度ごとに用意されたノイズ肌確率分布を用いて、処理対象画像の各画素が、肌領域の画素であるかの識別を行なう識別装置について説明する。そのような識別装置は、例えば撮像素子に複数色のカラーフィルタを有する撮像装置などに設けられ、図７に示すように構成される。
【０１０４】
図７の識別装置６１は、生成部７１、記録部７２、識別部７３、および出力部７４から構成される。
【０１０５】
生成部７１は、供給された学習画像に基づいて、図３の学習部２１と同様の処理を行なって肌確率分布を求める。また、生成部７１は、予め記録している各輝度のノイズ確率分布と、肌確率分布との畳み込みを行い、輝度ごとにノイズ肌確率分布を求め、記録部７２に供給する。すなわち、肌確率分布と、特定輝度のノイズ確率分布との畳み込みにより、特定輝度のノイズ肌確率分布が求められる。
【０１０６】
ここで、生成部７１に供給される学習画像は、処理対象画像を撮影する装置（例えば識別装置６１）により撮影されたものとされる。また、生成部７１に記録されているノイズ確率分布を得るための画像も、処理対象画像を撮影する装置により撮影されたものとされる。なお、ノイズ確率分布は、上述したノイズ関数を求める方法や、ヒストグラムを利用する方法などにより、生成部７１によって生成されるようにしてもよい。
【０１０７】
記録部７２は、生成部７１から供給された輝度ごとのノイズ肌確率分布を記録し、必要に応じてノイズ肌確率分布を識別部７３に供給する。
【０１０８】
識別部７３は、記録部７２から供給されたノイズ肌確率分布に基づいて、供給された処理対象画像の各画素について、それらの画素が肌領域の画素であるか否かを識別し、その識別結果を出力部７４に供給する。
【０１０９】
識別部７３は、選択部８１、取得部８２、演算部８３、および判定部８４を備えている。選択部８１は、供給された処理対象画像の画素を順次、注目画素として選択する。取得部８２は、注目画素の輝度により定まるノイズ肌確率分布を記録部７２から取得する。
【０１１０】
演算部８３は、取得部８２により取得されたノイズ肌確率分布と注目画素の画素値とから、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。判定部８４は、各注目画素について、確率Ｆ（Ｘ）に対する閾値処理を行い、注目画素が肌領域の画素であるかの識別を行なう。
【０１１１】
出力部７４は、識別部７３から供給された、処理対象画像上の各画素が肌領域の画素であるかの識別結果を出力する。
【０１１２】
［識別処理の説明］
このような識別装置６１に複数の学習画像が供給されると、識別装置６１の生成部７１は学習画像を用いた学習により肌確率分布を求めるとともに、得られた肌確率分布と、予め記録しているノイズ確率分布とを畳み込んで、輝度ごとにノイズ肌確率分布を求める。
【０１１３】
また、生成部７１は、ノイズ肌確率分布が充分に稠密でなく、画素値に対応する肌領域である確率が欠損している場合、その画素値の周囲の画素値の確率を用いた線形補間により欠損位置（画素値）の肌領域である確率を補間する。なお、ノイズ肌確率分布に対する線形補間処理は、学習部２１により行なわれる肌確率分布に対する線形補間処理と同様であるので、その説明は省略する。
【０１１４】
生成部７１によりノイズ肌確率分布が生成されて記録部７２に記録されると、識別装置６１では、ノイズ肌確率分布を利用して識別処理を行い、供給された処理対象画像の各画素が肌領域の画素であるか否かを識別することができるようになる。
【０１１５】
以下、図８のフローチャートを参照して、識別装置６１による識別処理について説明する。
【０１１６】
ステップＳ５１において、取得部８２は、記録部７２からノイズ肌確率分布を読み出して一時的に保持する。そして、ステップＳ５２において、選択部８１は、供給された処理対象画像上の１つの画素を注目画素として選択する。例えば、処理対象画像上の画素がラスタスキャン順に注目画素として選択されていく。
【０１１７】
ステップＳ５３において、取得部８２は、注目画素の輝度に基づいて、記録部７２から読み出した各輝度のノイズ肌確率分布から、識別に用いるノイズ肌確率分布を選択する。すなわち、取得部８２は、注目画素の画素値Ｘに基づいて、注目画像の輝度値を算出し、算出された輝度値により特定されるノイズ肌確率分布、例えば注目画素の輝度と同じ輝度について求められたノイズ肌確率分布を選択する。
【０１１８】
ステップＳ５４において、演算部８３は、注目画素の画素値Ｘと、取得部８２により選択されたノイズ肌確率分布とに基づいて、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。具体的には、演算部８３は、注目画素の画素値Ｘを特徴空間上に写像し、写像された位置である観測点を求める。そして、演算部８３は、ノイズ肌確率分布において、特徴空間上の各位置に対応付けられている肌領域である確率のうち、注目画素の画素値Ｘを写像して得られた観測点に対応付けられている確率を読み出して確率Ｆ（Ｘ）とする。
【０１１９】
注目画素が肌領域の画素である確率Ｆ（Ｘ）が求められると、その後、ステップＳ５５乃至ステップＳ５８の処理が行なわれて識別処理は終了するが、これらの処理は図４のステップＳ１５乃至ステップＳ１８の処理と同様であるので、その説明は省略する。
【０１２０】
以上のようにして識別装置６１は、注目画素の輝度により特定されるノイズ肌確率分布を選択し、選択したノイズ肌確率分布から注目画素の画素値Ｘに対応する確率を読み出して確率Ｆ（Ｘ）とする。また、識別装置６１は、求めた確率Ｆ（Ｘ）に対する閾値処理により注目画素が肌領域であるかを識別する。
【０１２１】
このように、輝度ごとに予めノイズ肌確率分布を用意し、注目画素の輝度により特定されるノイズ肌確率分布を選択することで、注目画素の輝度に対して最適なノイズ肌確率分布を用いて、肌領域であるかの識別を行なうことができる。これにより、注目画素に含まれるノイズ量を考慮して高精度に識別を行なうことができる。すなわち、処理対象画像上の目的とする物体をより確実に識別することができる。
【０１２２】
注目画素の画素値Ｘは、処理対象画像の撮影時に生じたショットノイズやランダムノイズが、画素値Ｘの真値に加算された値である。つまり、画素値Ｘはノイズが含まれた状態で観測された値である。また、ノイズ肌確率分布は、各画素値（位置）が観測されたときに、その画素値を有する画素が、ノイズが含まれている肌領域の画素である確率の分布である。したがって、注目画素の画素値Ｘと、ノイズ肌確率分布とを用いる識別装置６１の識別手法は、ノイズのある世界で物体識別を行なう手法ということができる。
【０１２３】
ノイズのある世界での物体識別では、特に画素の輝度によってノイズの確率分布が大きく異なるため、ノイズ肌確率分布の領域（識別の境界）の大きさや形状も画素の輝度によって大きく変化する。識別装置６１では、予め輝度ごとにノイズ肌確率分布を用意しておき、注目画素の輝度に応じて適切なノイズ肌確率分布を用いて識別を行なうことで、ＳＮ比が低くノイズの多い条件下においても、より高い精度で物体を識別することができる。
【０１２４】
なお、以上においては、ノイズ肌確率分布を用いて物体識別を行なう場合について説明したが、確率分布でなく確率密度関数が用いられる場合においても、同様の処理が行なわれて物体識別が行なわれる。
【０１２５】
すなわち、予め用意された肌確率密度関数と、特定輝度の画素ごとに求められた、画素値がノイズ成分である確率の確率密度関数（以下、ノイズ確率密度関数とも称する）との畳み込み演算が行なわれる。そして、その演算により特定輝度の画素ごとに得られた、特定輝度の画素の各画素値が、ノイズが含まれている肌領域の画素の画素値である確率の確率密度関数（以下、ノイズ肌確率密度関数とも称する）が求められる。さらに、このようにして得られたノイズ肌確率密度関数と、注目画素の画素値Ｘとに基づいて確率Ｆ（Ｘ）が算出される。
【０１２６】
〈変形例１〉
なお、以上においては、処理対象画像上の１つの画素の輝度に応じてノイズ肌確率分布を選択し、注目画素が肌領域の画素であるかを識別すると説明したが、注目画素を含む領域の輝度に基づいてノイズ肌確率分布が選択されるようにしてもよい。
【０１２７】
そのような場合、図８のステップＳ５３において、取得部８２は、処理対象画像上の注目画素を含む所定の大きさのブロックから、注目画素と類似する画素を検出する。例えば、ブロック内の画素のうち、注目画素との画素値の距離（例えばユークリッド距離）が所定の閾値以下となる画素が検出される。
【０１２８】
そして、取得部８２は、ブロック内から検出された画素と注目画素の輝度値の平均値を求め、求めた平均値により特定される輝度のノイズ肌確率分布を選択する。演算部８３は、このようにして選択されたノイズ肌確率分布を用いて、注目画素が肌領域の画素である確率Ｆ（Ｘ）を求め、判定部８４は、求められた確率から注目画素が肌領域の画素であるかの識別を行なう。
【０１２９】
〈変形例２〉
また、以上においては画素単位で識別が行なわれる例について説明したが、処理対象画像上の複数画素からなるブロック単位で識別が行なわれるようにしてもよい。
【０１３０】
そのような場合、例えば処理対象画像が複数のブロックに分割され、それらのブロックが順番に注目ブロックとして選択部８１により選択されていく。そして、取得部８２により注目ブロック内の画素の輝度値の平均値が求められ、得られた平均値により特定される輝度のノイズ肌確率分布が選択される。
【０１３１】
そして、このようにして選択されたノイズ肌確率分布が用いられて、演算部８３により注目ブロックが肌領域である確率Ｆ（Ｘ）が求められ、求められた確率から注目ブロックが肌領域であるかの識別が判定部８４により行なわれる。
【０１３２】
具体的には、演算部８３は、注目ブロックの画素値の代表値を特徴空間上に写像して、写像された位置である観測点を求める。例えば、代表値は、注目ブロックの中心にある画素の画素値などとされる。そして、演算部８３は、ノイズ肌確率分布において、特徴空間上の各位置に対応付けられている肌領域である確率のうち、観測点に対応付けられている確率を読み出して確率Ｆ（Ｘ）とする。
【０１３３】
〈変形例３〉
また、ブロック単位で識別が行なわれる場合に、注目ブロック内の中心にある画素（以下、注目画素と称する）と画素値が近い画素が用いられてブロックの平均輝度が求められるようにしてもよい。
【０１３４】
そのような場合、例えば取得部８２により注目ブロック内の画素から、注目画素との画素値の距離（例えば、ユークリッド距離）が近い画素が検出され、検出された画素と注目画素の輝度値の平均値が算出される。そして、得られた平均値により特定される輝度のノイズ肌確率分布が取得部８２により選択される。
【０１３５】
また、このようにして選択されたノイズ肌確率分布において、注目画素の画素値Ｘが特徴空間上に写像された位置である観測点に対応付けられている確率が、演算部８３により読み出されて確率Ｆ（Ｘ）とされる。さらに、判定部８４によって、読み出された確率に基づいて注目ブロックが肌領域であるかの識別が行なわれる。
【０１３６】
〈変形例４〉
さらに、ブロック単位で識別が行なわれる場合に、注目ブロック内の画素の支配的な輝度に基づいて、ノイズ肌確率分布が選択されるようにしてもよい。
【０１３７】
そのような場合、例えば取得部８２により注目ブロック内の画素の輝度値のヒストグラムが生成され、ヒストグラムから注目ブロック内の支配的な輝度値が求められる。そして、求められた支配的な輝度により特定される輝度のノイズ肌確率分布が取得部８２により選択される。
【０１３８】
また、このようにして選択されたノイズ肌確率分布において、注目ブロックの画素の画素値の代表値が特徴空間上に写像された位置である観測点に対応付けられている確率が、演算部８３により読み出されて確率Ｆ（Ｘ）とされる。さらに、判定部８４によって、読み出された確率に基づいて注目ブロックが肌領域であるかの識別が行なわれる。
【０１３９】
さらに、ノイズのない肌確率分布と、所定輝度のノイズ確率分布とを畳み込んでノイズ肌確率分布を求め、得られたノイズ肌確率分布について、肌の領域である確率が所定の閾値以上である特徴空間上の位置からなる領域を、肌である領域として記録部７２に記録しておいてもよい。この場合、処理対象画像の各画素が肌領域の画素であるかの識別時においては、処理対象画像上の注目画素が、特徴空間において、記録部７２に記録された肌である領域内にあるときには、注目画素は肌領域の画素であるとされる。逆に、注目画素が、特徴空間において、記録部７２に記録された肌である領域外にあるときには、注目画素は肌領域の画素でないとされる。このように、肌である領域を予め記録しておくことで、ノイズ肌確率分布を記録しておく場合と比べて、記録部７２の記録領域をより小さくすることができる。
【０１４０】
なお、以上において説明した変形例１乃至変形例４が上述した第１の実施の形態に適用されるようにしてもよい。例えば、変形例２乃至変形例４が第１の実施の形態に適用される場合には、注目画素を含むブロックを単位として、そのブロックが肌領域であるか否かの識別が行なわれる。
【０１４１】
ところで、上述した一連の処理は、ハードウェアにより実行することもできるし、ソフトウェアにより実行することもできる。一連の処理をソフトウェアにより実行する場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。
【０１４２】
図９は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。
【０１４３】
コンピュータにおいて、CPU（Central Processing Unit）２０１，ROM（Read Only Memory）２０２，RAM（Random Access Memory）２０３は、バス２０４により相互に接続されている。
【０１４４】
バス２０４には、さらに、入出力インターフェース２０５が接続されている。入出力インターフェース２０５には、キーボード、マウス、マイクロホンなどよりなる入力部２０６、ディスプレイ、スピーカなどよりなる出力部２０７、ハードディスクや不揮発性のメモリなどよりなる記録部２０８、ネットワークインターフェースなどよりなる通信部２０９、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア２１１を駆動するドライブ２１０が接続されている。
【０１４５】
以上のように構成されるコンピュータでは、CPU２０１が、例えば、記録部２０８に記録されているプログラムを、入出力インターフェース２０５及びバス２０４を介して、RAM２０３にロードして実行することにより、上述した一連の処理が行われる。
【０１４６】
コンピュータ（CPU２０１）が実行するプログラムは、例えば、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory),DVD(Digital Versatile Disc)等）、光磁気ディスク、もしくは半導体メモリなどよりなるパッケージメディアであるリムーバブルメディア２１１に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供される。
【０１４７】
そして、プログラムは、リムーバブルメディア２１１をドライブ２１０に装着することにより、入出力インターフェース２０５を介して、記録部２０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部２０９で受信し、記録部２０８にインストールすることができる。その他、プログラムは、ROM２０２や記録部２０８に、あらかじめインストールしておくことができる。
【０１４８】
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
【０１４９】
また、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
【０１５０】
さらに、本技術は、以下の構成とすることも可能である。
【０１５１】
［１］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択部と、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択部により選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
［２］
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
［１］に記載の画像処理装置。
［３］
前記真値の確率分布は画素値の真値の尤度に基づいて求められ、
前記演算部は、前記真値の確率分布と、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布との畳み込み演算を行なうことで前記確率を算出する
［１］または［２］に記載の画像処理装置。
［４］
前記真値の確率分布に対して線形補間処理を行なって、画素値の真値である確率を補間により求める補間処理部をさらに備える
［１］乃至［３］の何れかに記載の画像処理装置。
［５］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
［６］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
［７］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択部と、
前記選択部により選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
［８］
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
［７］に記載の画像処理装置。
［９］
前記判定部は、前記注目画素を含む複数の画素からなるブロックを単位として、前記ブロックが前記特定物体の領域であるかを識別する
［８］に記載の画像処理装置。
［１０］
前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布に対して線形補間処理を行なって、ノイズ成分の含まれている画素値である確率を補間により求める補間処理部をさらに備える
［７］乃至［９］の何れかに記載の画像処理装置。
［１１］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
［１２］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
【符号の説明】
【０１５２】
１１ 識別装置， ２３ 識別部， ３１ 取得部， ３２ 選択部， ３３ 演算部， ３４ 判定部， ６１ 識別装置， ７３ 識別部， ８１ 選択部， ８２ 取得部， ８３ 演算部， ８４ 判定部
【技術分野】
【０００１】
本技術は画像処理装置および方法、並びにプログラムに関し、特に、より確実に物体を識別することができるようにした画像処理装置および方法、並びにプログラムに関する。
【背景技術】
【０００２】
従来、物体の識別機能をもつカメラ向けの技術として、被写体の色情報から特定の物体を識別する技術が知られている。例えば、そのような技術として、カメラの画枠内にいる人の顔や腕といった肌の領域を、色情報を利用して識別する技術が提案されている（例えば、非特許文献１参照）。
【０００３】
このような色情報を利用する技術は、装置への実装の容易さ、信号処理量の少なさにおいて利点を有している。また、色情報を利用する技術は、人の体の形状や顔の形状といった空間情報を利用した物体の識別技術と併用可能であるという利点も有している。
【先行技術文献】
【非特許文献】
【０００４】
【非特許文献１】Ihab Zaqout, Roziati Zainuddin, Sapian Baba, 「A Survey on Pixel-Based Skin Color Detection Techniques」Machine Graphics & Vision International Journal, Volume 14 Issue 1, January,2005
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところで、上述した色情報を利用して肌の領域を識別する技術では、予め多くの種類の肌サンプルが撮影され、それらの肌サンプルに基づいて特徴空間における肌の分布が学習により求められる。そして、このようにして得られた肌の分布が用いられて、画像上の各領域が肌の領域であるか否かの識別が行なわれる。
【０００６】
しかしながら色情報を用いた識別では、識別対象となる物体が充分に明るく撮影されていることが前提とされているため、物体が充分な明るさで撮影されなかった場合、つまりノイズの影響を大きく受ける場合には、期待通りの識別性能が得られないことがあった。
【０００７】
本技術は、このような状況に鑑みてなされたものであり、より確実に物体を識別することができるようにするものである。
【課題を解決するための手段】
【０００８】
本技術の第１の側面の画像処理装置は、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択部と、予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択部により選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部とを備える。
【０００９】
画像処理装置には、前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに設けることができる。
【００１０】
前記真値の確率分布を画素値の真値の尤度に基づいて求め、前記演算部には、前記真値の確率分布と、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布との畳み込み演算を行なうことで前記確率を算出させることができる。
【００１１】
画像処理装置には、前記真値の確率分布に対して線形補間処理を行なって、画素値の真値である確率を補間により求める補間処理部をさらに設けることができる。
【００１２】
本技術の第１の側面の画像処理方法またはプログラムは、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法またはプログラムであって、各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップとを含む。
【００１３】
本技術の第１の側面においては、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理において、各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数が選択され、予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率が算出される。
【００１４】
本技術の第２の側面の画像処理装置は、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択部と、前記選択部により選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部とを備える。
【００１５】
画像処理装置には、前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに設けることができる。
【００１６】
前記判定部には、前記注目画素を含む複数の画素からなるブロックを単位として、前記ブロックが前記特定物体の領域であるかを識別させることができる。
【００１７】
画像処理装置には、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布に対して線形補間処理を行なって、ノイズ成分の含まれている画素値である確率を補間により求める補間処理部をさらに設けることができる。
【００１８】
本技術の第２の側面の画像処理方法またはプログラムは、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法またはプログラムであって、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップとを含む。
【００１９】
本技術の第２の側面においては、複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理において、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数が選択され、選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率が算出される。
【発明の効果】
【００２０】
本技術の第１の側面および第２の側面によれば、より確実に物体を識別することができる。
【図面の簡単な説明】
【００２１】
【図１】特徴空間における観測点、真値確率分布、および肌確率分布について説明する図である。
【図２】観測点の輝度と真値確率分布の大きさについて説明する図である。
【図３】本技術を適用した識別装置の構成例を示す図である。
【図４】識別処理について説明するフローチャートである。
【図５】特徴空間における観測点とノイズ肌確率分布について説明する図である。
【図６】ノイズ肌確率分布の算出について説明する図である。
【図７】識別装置の他の構成例を示す図である。
【図８】識別処理について説明するフローチャートである。
【図９】コンピュータの構成例を示す図である。
【発明を実施するための形態】
【００２２】
以下、図面を参照して、本技術を適用した実施の形態について説明する。
【００２３】
〈第１の実施の形態〉
［本技術の概要］
まず、本技術による物体識別の概要について説明する。
【００２４】
本技術は、例えば各画素が複数の色情報を有する画像について、画像（以下、処理対象画像とも称する）上の各領域が予め定められた特定色の物体であるかを識別するものである。なお、識別対象とされる物体は、物理的に同じ構成要素からなるものであればどのような物体であってもよいが、以下では、識別対象となる物体が人の肌であるものとして説明を続ける。
【００２５】
例えば処理対象画像が、６色のカラーフィルタを有する撮像装置により撮影された画像であり、処理対象画像の画素の画素値がＸ＝（x1,x2,x3,x4,x5,x6）であるとする。すなわち、画素値Ｘは、ｘ１乃至ｘ６の６つの色成分の値からなるとする。具体的には、６つの色成分として、Ｒ（赤），Ｇ（緑），Ｂ（青），Ｃ（シアン），Ｍ（マゼンダ），Ｙ（黄）などが考えられる。
【００２６】
いま、図１に示すように、これらの６つの色成分を軸とする座標系の空間を特徴空間とし、上述した画素値Ｘが座標Ｘ＝（x1,x2,x3,x4,x5,x6）に写像されるとする。
【００２７】
この特徴空間の次元数は、処理対象画像の画素の画素値Ｘが有する色成分の数と同じであり、図１では、画素値Ｘを構成する色成分ｘ１乃至ｘ６のそれぞれに対応する特徴空間の各軸がＸ１軸乃至Ｘ６軸とされている。また、図１において、観測点Ｋ１１は、画素値Ｘが写像された点を表しており、この観測点Ｋ１１の座標はＸである。
【００２８】
この場合、処理対象画像上の画素の画素値Ｘには、処理対象画像の撮影時に生じたショットノイズやランダムノイズなど、各種のノイズが含まれている。すなわち、画素値Ｘは、処理対象画像の画素の画素値の真値Ｙにノイズ成分が加算された値である。
【００２９】
このような画素値Ｘに対する真値Ｙの確率分布である真値確率分布Ｔ１１は、観測点Ｋ１１を含む所定の領域となっており、真値確率分布Ｔ１１内の各位置（点）には、その位置の座標に写像される画素値が、画素値Ｘの真値Ｙである確率が対応付けられている。なお、図１では、真値Ｙである確率が所定の閾値以上である点（位置）からなる領域が真値確率分布Ｔ１１として図示されている。
【００３０】
また、本技術による肌領域の識別には、予め学習により求めたノイズのない肌サンプルの確率分布である肌確率分布Ｕ１１が用いられる。
【００３１】
肌確率分布Ｕ１１は、ノイズを無視できる充分な明るさで人の肌を撮影して得られたサンプル画像（以下、学習画像とも称する）が用いられて学習により求められる。肌確率分布Ｕ１１内の各位置（点）には、その位置の座標に写像される画素値を有する画素が、画像上の肌領域を構成する画素である確率が対応付けられている。
【００３２】
なお、図１では、肌領域の画素である確率が所定の閾値以上である点（位置）からなる領域が肌確率分布Ｕ１１として図示されている。したがって、肌確率分布Ｕ１１の領域は、学習画像上のノイズの含まれていない肌領域の画素の画素値の取り得る範囲を示しているということができる。
【００３３】
また、この実施の形態では、特徴空間における各位置の画素値Ｘに対する真値Ｙである確率や肌領域の画素である確率の分布は、実写等で取得されたものと考え、離散的なものとして扱うこととする。すなわち、真値Ｙである確率や肌領域の画素である確率の分布として、確率密度関数に代えて確率分布を用いることとする。
【００３４】
このように肌確率分布Ｕ１１が予め学習により得られている場合、観測点Ｋ１１の真値Ｙ、より詳細には真値Ｙの特徴空間への写像後の位置が肌確率分布Ｕ１１の領域内であれば、観測点Ｋ１１に対応する画素は肌領域を構成する画素であるということができる。
【００３５】
観測点Ｋ１１に対応する画素が肌領域の画素である確率Ｆ（Ｘ）は、真値Ｙの確率分布である真値確率分布Ｔ１１の領域と肌確率分布Ｕ１１の領域が重なる領域に対応する確率であるから、真値確率分布Ｔ１１と肌確率分布Ｕ１１の畳み込みにより求めることができる。すなわち、確率Ｆ（Ｘ）は、真値確率分布Ｔ１１の領域と肌確率分布Ｕ１１の領域とがどれだけ重なっているかと関係があり、重なる部分の面積が真値確率分布Ｔ１１と肌確率分布Ｕ１１の領域の面積に対して大きいほど、確率Ｆ（Ｘ）は高く（大きく）なる。
【００３６】
ところで、肌領域の画素である確率Ｆ（Ｘ）の算出に必要となる真値確率分布Ｔ１１は、観測点Ｋ１１の画素値Ｘ、つまり観測値の事後確率の確率分布であるから、最大事後確率推定（MAP(Maximum a posteriori)推定）により求めることができる。
【００３７】
しかしながら、最大事後確率推定で必要となる事前確率Ｐ（Ｙ）と証拠Ｐ（Ｘ）を正確に求めることはできない。そこで、本技術では、画素値Ｘが観測されたときに、画素値Ｘの真値がＹである尤もらしさの度合いを示す尤度Ｐ（Ｘ｜Ｙ）の分布が、真値確率分布Ｔ１１として用いられる。
【００３８】
すなわち、処理対象画像上の処理対象となっている画素が注目画素とされると、注目画素の画素値Ｘに対して予め求められた真値Ｙの尤度Ｐ（Ｘ｜Ｙ）が、画素値Ｘの真値がＹである確率とみなされ、真値Ｙの尤度の分布が真値確率分布Ｔ１１であるものとされる。換言すれば、真値確率分布Ｔ１１内の各位置（点）には、その位置の座標に写像される画素値が、注目画素の画素値Ｘの真値である尤もらしさの度合いを示す尤度が対応付けられている。
【００３９】
そして、得られた真値確率分布Ｔ１１に基づいて次式（１）が計算され、注目画素が肌領域の画素である確率Ｆ（Ｘ）が算出される。さらに、得られた確率Ｆ（Ｘ）が閾値以上であるか否かが判定され、その判定結果に応じて注目画素が肌領域の画素であるか否かの識別が行なわれる。
【００４０】
Ｆ（Ｘ）＝ΣＺｇ（Ｚ）×ｈ（Ｘ−Ｚ） ・・・（１）
【００４１】
なお、式（１）において、Ｚは特徴空間全体の各位置（座標）を示しており、ｇ（Ｚ）は真値確率分布、すなわち画素値Ｘの真値がＺ（より詳細には、位置Ｚに写像される画素値）である尤度Ｐ（Ｘ｜Ｚ）を示している。また、Ｘは特徴空間に写像された注目画素の写像後の位置（座標）を示しており、ｈ（Ｘ−Ｚ）は肌確率分布、すなわち肌確率分布における位置（Ｘ−Ｚ）に対応付けられた、肌領域の画素である確率を示している。
【００４２】
したがって、注目画素が肌領域の画素である確率Ｆ（Ｘ）は、画素値Ｘに対して予め求められた尤度Ｐ（Ｘ｜Ｙ）と、肌確率分布Ｕ１１との畳み込みにより算出される。但し、式（１）では、真値確率分布の近似的な値として尤度が用いられるため、畳み込み演算により得られる値は厳密には確率とはいえないが、畳み込みで得られる値は肌領域らしさの度合いを示す値であるため、確率Ｆ（Ｘ）は肌領域である確率とみなすことができる。
【００４３】
また、特徴空間上において、ノイズのない肌領域の画素の画素値が写像される領域と、画素値Ｘの真値Ｙが存在する領域とは特徴空間内の限られた領域となる。そのため、畳み込み演算の計算量を抑えるために、位置Ｚの取り得る座標の範囲は、ノイズのない肌領域の画素の画素値が写像される領域、または真値Ｙが写像され得る領域の何れかの領域内の位置の取り得る座標の範囲とされることが望ましい。
【００４４】
以上のように、画素値Ｘに対して求められた尤度と、ノイズのない肌領域の肌確率分布とを畳み込むことで確率Ｆ（Ｘ）を算出し、確率Ｆ（Ｘ）に対する閾値処理により注目画素が肌領域であるかを識別することで、画素値Ｘに含まれるノイズ成分の量によらず、高精度に識別を行なうことができる。この識別手法は、注目画素に含まれるノイズ成分をキャンセルして、ノイズのない世界で注目画素が肌領域であるかの識別を行なう手法である。
【００４５】
また、処理対象画像の各画素に含まれるノイズは、画素の輝度値が高いほど少なくなる。したがって、例えば図２に示すように、注目画素の画素値が写像された位置が特徴空間の座標系の原点から遠いほど、つまり注目画素の輝度が高いほど、注目画素に対応する観測点について求められた真値確率分布の領域は小さくなる。
【００４６】
なお、図２において各矢印は、画素値Ｘを構成する色成分ｘ１乃至ｘ６のそれぞれに対応する座標系のＸ１軸乃至Ｘ６軸を表しており、Ｏは座標系の原点を表している。
【００４７】
図２の例では、観測点Ｋ２１乃至観測点Ｋ２５のそれぞれは、輝度の異なる処理対象画像上の画素の画素値の写像点を示している。また、真値確率分布Ｔ２１乃至真値確率分布Ｔ２５のそれぞれは、観測点Ｋ２１乃至観測点Ｋ２５に写像された画素値Ｘに対して予め求められた真値Ｙの確率分布を示している。
【００４８】
処理対象画像の画素の画素値Ｘは、そのまま特徴空間上の座標に写像されるので、特徴空間において、原点Ｏからより遠い位置にある観測点ほど、その観測点に写像される画素の輝度値は高いことになる。また、輝度の高い画素ほど、その画素の画素値に含まれるノイズ成分は少ないので、観測点Ｋ２１乃至観測点Ｋ２５のうち、より原点Ｏから遠い位置にあるものほど、その観測点の真値確率分布の領域の大きさは小さくなる。
【００４９】
例えば、観測点Ｋ２１乃至観測点Ｋ２５のうち、最も原点Ｏから遠い観測点Ｋ２５では、観測点Ｋ２５と、真値確率分布Ｔ２５の領域とがほぼ同じ大きさの領域となっており、より高精度に肌領域の画素であるかを識別できることが分かる。
【００５０】
［識別装置の構成例］
次に、以上において説明した識別手法により処理対象画像の各画素が、肌領域の画素であるかの識別を行なう識別装置の具体的な実施の形態について説明する。そのような識別装置は、例えば撮像素子に複数色のカラーフィルタを有する撮像装置などに設けられ、図３に示すように構成される。
【００５１】
図３の識別装置１１は、学習部２１、記録部２２、識別部２３、および出力部２４から構成される。
【００５２】
学習部２１は、供給された学習画像に基づいて、学習により画素値Ｘに対する各画素値の尤度Ｐ（Ｘ｜Ｙ）と、ノイズのない肌領域の肌確率分布とを求め、記録部２２に供給する。記録部２２は、学習部２１から供給された尤度と肌確率分布を記録し、これらの尤度や肌確率分布を必要に応じて識別部２３に供給する。
【００５３】
識別部２３は、記録部２２から供給された尤度および肌確率分布に基づいて、供給された処理対象画像の各画素について、それらの画素が肌領域の画素であるか否かを識別し、その識別結果を出力部２４に供給する。
【００５４】
識別部２３は、取得部３１、選択部３２、演算部３３、および判定部３４を備えている。取得部３１は、記録部２２から尤度や肌確率分布を取得する。選択部３２は、供給された処理対象画像の画素を順次、注目画素として選択する。
【００５５】
また、演算部３３は、注目画素の画素値Ｘに対して求められている尤度と肌確率分布との畳み込み演算を行なうことで、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。判定部３４は、各注目画素について、確率Ｆ（Ｘ）に対する閾値処理を行い、注目画素が肌領域の画素であるかの識別を行なう。
【００５６】
出力部２４は、識別部２３から供給された、処理対象画像上の各画素が肌領域の画素であるかの識別結果を後段に出力する。
【００５７】
［識別処理の説明］
このような識別装置１１に複数の学習画像が供給されると、識別装置１１の学習部２１は学習画像を用いた学習により、各画素値に対する真値の尤度と肌確率分布を求める。
【００５８】
例えば、学習部２１は、学習画像の画素のうちの肌領域内にある各画素の画素値に基づいて、肌領域の画素のヒストグラムを生成する。具体的には、各画素値をヒストグラムのビンとして、そのビンの画素値を有する画素の数がビンに対する頻度値とされる。学習部２１は、このようにして得られた各ビン（画素値）の頻度値を正規化することで、肌確率分布を生成する。すなわち、ヒストグラムのビンの画素値が、肌領域を構成する画素の画素値であり、正規化された頻度値が、そのビンの画素値を有する画素が肌領域を構成する画素である確率である。
【００５９】
なお、学習部２１は、肌確率分布が充分に稠密でなく、画素値に対応付けられた肌領域である確率が欠損している場合、その画素値の周囲の画素値の確率を用いた線形補間により欠損位置（画素値）の肌領域である確率を補間する。
【００６０】
具体的には、例えば学習部２１は、特徴空間上の所定の位置に対応付けられた肌領域である確率と、その位置の周囲にある他の位置の肌領域である確率との差分絶対値が、所定の閾値以上となる位置を特定し、その位置を欠損位置とする。例えば、欠損位置の特定に用いられる閾値は、画素値の変化に対する肌領域である確率の変化、すなわち肌領域である確率の勾配に基づいて、特徴空間上の位置ごとに定められる。
【００６１】
また、肌確率分布は、学習画像上の肌領域の画素の画素値の散らばり（分布）を、ガウス分布や混合ガウス分布で近似することにより生成されるようにしてもよいし、予め求められた確率分布が肌確率分布とされてもよい。
【００６２】
さらに、学習部２１は、学習画像の画素のうちの肌領域内にある画素の画素値を真値Ｙとして、真値Ｙに各ノイズ成分の値を足し込んで、ノイズ成分が含まれる画素値Ｘとすることで、真値Ｙに対する各画素値Ｘの分布を生成する。学習部２１は、このようにして生成した分布から、尤度Ｐ（Ｘ｜Ｙ）を求める。
【００６３】
学習部２１は、肌確率分布における場合と同様に、尤度Ｐ（Ｘ｜Ｙ）に対しても線形補間処理を行ない、欠損位置とされた真値Ｙの尤度を、周囲の真値Ｙの尤度を用いて補間する。すなわち、画素値Ｘごとの真値確率分布に対して線形補間処理が行なわれる。
【００６４】
学習部２１により肌確率分布と尤度が生成されて記録部２２に記録されると、識別装置１１では、これらの肌確率分布と尤度を利用して識別処理を行い、供給された処理対象画像の各画素が肌領域の画素であるか否かを識別することができるようになる。
【００６５】
以下、図４のフローチャートを参照して、識別装置１１による識別処理について説明する。
【００６６】
ステップＳ１１において、取得部３１は、記録部２２からノイズのない肌確率分布を読み出す。そして、ステップＳ１２において、選択部３２は、供給された処理対象画像上の１つの画素を注目画素として選択する。例えば、処理対象画像上の画素がラスタスキャン順に注目画素として選択されていく。
【００６７】
ステップＳ１３において、演算部３３は、注目画素の真値確率分布を求める。例えば取得部３１は、注目画素の画素値Ｘに対して予め求められた尤度Ｐ（Ｘ｜Ｙ）を記録部２２から読み出して演算部３３に供給する。演算部３３は、取得部３１から供給された真値Ｙの尤度をＹが真値である確率とみなし、画素値Ｘに対して予め求められた、各真値Ｙの尤度の分布を真値確率分布とする。
【００６８】
ステップＳ１４において、演算部３３は、注目画素の画素値Ｘについて求めた真値確率分布と、取得部３１により読み出された肌確率分布との畳み込み演算、すなわち尤度と肌確率分布の畳み込み演算を行ない、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。
【００６９】
ステップＳ１５において、判定部３４は、演算部３３により求められた確率Ｆ（Ｘ）が所定の閾値以上であるか否かを判定する。
【００７０】
ステップＳ１５において、確率Ｆ（Ｘ）が閾値以上であると判定された場合、ステップＳ１６において、判定部３４は、注目画素が肌領域を構成する画素であるとし、その旨の識別結果を出力部２４に供給する。出力部２４は、判定部３４から供給された識別結果を出力して、処理はステップＳ１８に進む。
【００７１】
これに対してステップＳ１５において、確率Ｆ（Ｘ）が閾値以上でないと判定された場合、つまり確率Ｆ（Ｘ）が閾値未満である場合、ステップＳ１７において、判定部３４は注目画素が肌領域を構成する画素でないとし、その旨の識別結果を出力部２４に供給する。出力部２４は、判定部３４から供給された識別結果を出力して、処理はステップＳ１８に進む。
【００７２】
ステップＳ１６またはステップＳ１７において、注目画素についての識別結果が出力されると、ステップＳ１８において、識別部２３は、処理対象画像上の全ての画素を注目画素としたか否かを判定する。
【００７３】
ステップＳ１８において、まだ全ての画素が注目画素とされていないと判定された場合、処理はステップＳ１２に戻り、上述した処理が繰り返される。
【００７４】
一方、ステップＳ１８において、全ての画素が注目画素とされたと判定された場合、処理対象画像の全画素について肌領域であるかの識別が行われたので、識別処理は終了する。
【００７５】
このようにして、識別装置１１は、注目画素の画素値に対して用意された尤度から求めた真値確率分布と、ノイズのない肌領域の肌確率分布とを畳み込むことで確率Ｆ（Ｘ）を算出し、確率Ｆ（Ｘ）に対する閾値処理により注目画素が肌領域であるかを識別する。
【００７６】
このように尤度を用いて近似的に真値確率分布を求めることにより、画素値Ｘに含まれるノイズ成分の量によらず、高精度に物体識別を行なうことができる。すなわち、処理対象画像上の目的とする物体をより確実に識別することができる。
【００７７】
従来の識別手法では、特徴空間において、ノイズが含まれる画素の画素値の写像位置が、ノイズのない肌領域の画素から求めた肌確率分布の領域内にあるか否かを判定することにより、物体の識別が行なわれていた。しかしながら、従来の識別手法では、注目画素の輝度変化により生じる、注目画素の画素値に含まれるノイズ量の変化が充分に考慮されていなかったため、ノイズの影響に対してロバストな識別を行なうことができなかった。
【００７８】
特に、処理対象画像を撮影する撮像素子のカラーフィルタ間の分光透過率の特徴の違い、すなわち、ここでは色の違いが小さいとき、つまり僅かな波長の違いを利用して物体の識別を行なう場合、画像に含まれるノイズが識別に与える影響が非常に大きくなり、物体の識別精度が低下してしまう。
【００７９】
これに対して識別装置１１では、注目画素の画素値に対して用意された尤度から真値確率分布を求め、ノイズのない世界で物体識別を行なうので、ＳＮ比（Signal to Noise ratio）が低く、ノイズの多い条件下においても、より高い精度で物体を識別することができる。
【００８０】
なお、以上においては、真値確率分布と肌確率分布とから物体識別を行なう場合について説明したが、確率分布でなく確率密度関数が用いられる場合においても、同様の処理が行なわれて物体識別が行なわれる。
【００８１】
すなわち、画素値ごとに予め用意された、真値である確率の確率密度関数（以下、真値確率密度関数と称する）のうち、注目画素の画素値Ｘに対して求められた真値確率密度関数が取得部３１により選択される。そして、予め用意された、各画素値がノイズの含まれていない肌領域の画素の画素値である確率の確率密度関数（以下、肌確率密度関数と称する）と、選択された真値確率密度関数との畳み込み演算が演算部３３により行なわれ、確率Ｆ（Ｘ）が算出される。
【００８２】
〈第２の実施の形態〉
［本技術の概要］
また、以上においては、ノイズのない世界で物体識別を行なう例について説明したが、画素の輝度ごとにノイズの含まれる肌領域の確率分布を用意し、ノイズのある世界で物体識別を行なうようにしてもよい。
【００８３】
そのような場合、例えば図５に示すように、６色のカラーフィルタを有する撮像装置により撮影された処理対象画像の注目画素の画素値Ｘ＝（x1,x2,x3,x4,x5,x6）が、特徴空間の座標Ｘ＝（x1,x2,x3,x4,x5,x6）に写像される。そして、座標がＸである写像後の観測点Ｋ３１が、予め用意された注目画素の輝度により定まるノイズ肌確率分布Ｍ１１の領域内にあるか否かを判定することにより、注目画素が肌領域の画素であるか否かが識別される。
【００８４】
なお、図５において各矢印は、画素値Ｘを構成する色成分ｘ１乃至ｘ６のそれぞれに対応する座標系のＸ１軸乃至Ｘ６軸を表しており、Ｏは座標系の原点を表している。
【００８５】
ノイズ肌確率分布Ｍ１１は、画素の輝度ごとに予め求められたノイズのある肌サンプルの確率分布であり、ノイズが生じない充分な明るさで人の肌を撮影して得られた学習画像から求められた肌確率分布と、ノイズの確率分布とから求められる。
【００８６】
ノイズ肌確率分布Ｍ１１内の各位置（点）には、その位置の座標に写像される画素値を有する画素が、画像上のノイズが含まれた肌領域を構成する特定の輝度の画素である確率が対応付けられている。このノイズ肌確率分布Ｍ１１の領域の境界は、画素値に含まれるノイズの影響により、図１に示したノイズのない肌確率分布Ｕ１１の領域境界と比べて、歪な形状となっている。
【００８７】
なお、図５では、肌領域の画素である確率が所定の閾値以上である点（位置）からなる領域がノイズ肌確率分布Ｍ１１として図示されている。したがって、ノイズ肌確率分布Ｍ１１の領域は、ノイズが含まれている肌領域の画素の画素値の取り得る範囲を示しているということができる。
【００８８】
また、この実施の形態においても、第１の実施の形態と同様に、特徴空間における肌領域の画素である確率の分布は離散的なものとして扱われることとし、各位置の肌領域の画素である確率の分布として、確率密度関数に代えて確率分布が用いられることとする。
【００８９】
このようにノイズ肌確率分布Ｍ１１が予め得られている場合、観測点Ｋ３１の位置がノイズ肌確率分布Ｍ１１の領域内であれば、観測点Ｋ３１に対応する画素は肌領域を構成する画素であるということができる。
【００９０】
ところで、ノイズ肌確率分布は、ノイズのない肌確率分布と、所定輝度のノイズの確率分布とから求められるが、図６に示すように、輝度が低い場合においては、ノイズ確率分布がノイズ肌確率分布の領域の形状に与える影響は、ノイズ肌確率分布の特徴を変えるほどに大きい。
【００９１】
図６では、図中、上側には画素の輝度が高い、高輝度のノイズ肌確率分布Ｍ２１が示されており、図中、下側には画素の輝度が低い、低輝度のノイズ肌確率分布Ｍ２２が示されている。
【００９２】
高輝度である特定輝度のノイズ肌確率分布Ｍ２１の生成には、特定輝度のノイズのない肌サンプルの画像（学習画像）の画素から得られた肌確率分布Ｕ２１と、特定輝度の画素のノイズ確率分布Ｎ１１とが用意される。
【００９３】
ノイズ確率分布Ｎ１１は、輝度を変数としてもつノイズ関数である。すなわち、画像上の特定輝度の画素に対応する点が、ノイズの影響により特徴空間上でどのように分布するかが確率の関数で与えられており、この関数がノイズ確率分布Ｎ１１とされる。したがってノイズ確率分布Ｎ１１の各位置（点）には、ノイズを含む特定輝度の画素が、特徴空間上のそれら位置に写像される画素値を有している確率が対応付けられている。
【００９４】
ノイズ関数を求める方法としては、例えば明るさを変えながらグレーチャートを撮影し、得られた画像の画素値の散らばりを関数化する方法などがある。画素値の散らばりを関数化する代表的な方法としては、画素値の散らばりをガウス分布や混合ガウス分布で近似してパラメータ化する方法がある。
【００９５】
また、確率分布モデルを用いずに、画素値の散らばりをテーブルとして保持するようにしてもよい。具体的には、グレーチャートを撮影して得られた画像の画素値のヒストグラムを求め、ヒストグラムの各ビンの頻度値の積分値（和）が１となるように、各ビンの頻度値を正規化したものをテーブル化することで、ノイズ確率分布を得るようにしてもよい。
【００９６】
なお、ノイズ確率分布を求める方法は、上述した方法に限らず、どのような方法であってもよい。
【００９７】
以上のようにして、高輝度の肌確率分布Ｕ２１と、高輝度のノイズ確率分布Ｎ１１とが用意されると、図中、右上に示すように、これらの肌確率分布Ｕ２１とノイズ確率分布Ｎ１１との畳み込み演算が行なわれて、高輝度のノイズ肌確率分布Ｍ２１が求められる。
【００９８】
高輝度の場合と同様に、低輝度のノイズ肌確率分布Ｍ２２の生成には、ノイズのない高輝度の肌サンプル画像（学習画像）から、補間によって得られた低輝度の肌確率分布Ｕ２２と、低輝度の画素のノイズ確率分布Ｎ１２とが用意される。そして、図中、下側に示すように、肌確率分布Ｕ２２とノイズ確率分布Ｎ１２との畳み込み演算が行なわれて、低輝度のノイズ肌確率分布Ｍ２２が求められる。ノイズの影響がない場合、輝度が変化しても任意の画素の画素値の比は一定であると仮定できる。したがって、高輝度で撮影した学習画像の各画素の画素値の比を保ちながら、画素値を小さくしていくことで、ノイズのない低輝度時の学習画像を補間により得ることができる。このような低輝度の学習画像の生成方法は、他の実施の形態においても同様である。
【００９９】
高輝度の肌確率分布Ｕ２１と、低輝度の肌確率分布Ｕ２２とを比較すると、これらの肌確率分布は、スケール（大きさ）は異なるが確率分布の形状はほぼ同じとなっている。
【０１００】
これに対して、低輝度のノイズ確率分布Ｎ１２は、高輝度のノイズ確率分布Ｎ１１と比べて分散が大きくなっている。これは、画像に含まれるノイズ、特にショットノイズは画像の輝度に大きく影響されるからである。
【０１０１】
ノイズ肌確率分布は、ノイズのない肌領域の肌確率分布とノイズ確率分布とを合わせたものであるから、ノイズ肌確率分布Ｍ２１とノイズ肌確率分布Ｍ２２は、輝度の影響が大きいノイズ確率分布の違いによって、確率のばらつき方に大きな違いが生じている。
【０１０２】
このようにノイズの確率分布は輝度に大きく影響されるので、ノイズのない肌領域の画素の画素値の肌確率分布に、特定輝度で生じるノイズの確率分布を畳み込むことで、所望の輝度で撮影した画像に対して最適なノイズ肌確率分布を得ることができる。
【０１０３】
［識別装置の構成例］
次に、輝度ごとに用意されたノイズ肌確率分布を用いて、処理対象画像の各画素が、肌領域の画素であるかの識別を行なう識別装置について説明する。そのような識別装置は、例えば撮像素子に複数色のカラーフィルタを有する撮像装置などに設けられ、図７に示すように構成される。
【０１０４】
図７の識別装置６１は、生成部７１、記録部７２、識別部７３、および出力部７４から構成される。
【０１０５】
生成部７１は、供給された学習画像に基づいて、図３の学習部２１と同様の処理を行なって肌確率分布を求める。また、生成部７１は、予め記録している各輝度のノイズ確率分布と、肌確率分布との畳み込みを行い、輝度ごとにノイズ肌確率分布を求め、記録部７２に供給する。すなわち、肌確率分布と、特定輝度のノイズ確率分布との畳み込みにより、特定輝度のノイズ肌確率分布が求められる。
【０１０６】
ここで、生成部７１に供給される学習画像は、処理対象画像を撮影する装置（例えば識別装置６１）により撮影されたものとされる。また、生成部７１に記録されているノイズ確率分布を得るための画像も、処理対象画像を撮影する装置により撮影されたものとされる。なお、ノイズ確率分布は、上述したノイズ関数を求める方法や、ヒストグラムを利用する方法などにより、生成部７１によって生成されるようにしてもよい。
【０１０７】
記録部７２は、生成部７１から供給された輝度ごとのノイズ肌確率分布を記録し、必要に応じてノイズ肌確率分布を識別部７３に供給する。
【０１０８】
識別部７３は、記録部７２から供給されたノイズ肌確率分布に基づいて、供給された処理対象画像の各画素について、それらの画素が肌領域の画素であるか否かを識別し、その識別結果を出力部７４に供給する。
【０１０９】
識別部７３は、選択部８１、取得部８２、演算部８３、および判定部８４を備えている。選択部８１は、供給された処理対象画像の画素を順次、注目画素として選択する。取得部８２は、注目画素の輝度により定まるノイズ肌確率分布を記録部７２から取得する。
【０１１０】
演算部８３は、取得部８２により取得されたノイズ肌確率分布と注目画素の画素値とから、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。判定部８４は、各注目画素について、確率Ｆ（Ｘ）に対する閾値処理を行い、注目画素が肌領域の画素であるかの識別を行なう。
【０１１１】
出力部７４は、識別部７３から供給された、処理対象画像上の各画素が肌領域の画素であるかの識別結果を出力する。
【０１１２】
［識別処理の説明］
このような識別装置６１に複数の学習画像が供給されると、識別装置６１の生成部７１は学習画像を用いた学習により肌確率分布を求めるとともに、得られた肌確率分布と、予め記録しているノイズ確率分布とを畳み込んで、輝度ごとにノイズ肌確率分布を求める。
【０１１３】
また、生成部７１は、ノイズ肌確率分布が充分に稠密でなく、画素値に対応する肌領域である確率が欠損している場合、その画素値の周囲の画素値の確率を用いた線形補間により欠損位置（画素値）の肌領域である確率を補間する。なお、ノイズ肌確率分布に対する線形補間処理は、学習部２１により行なわれる肌確率分布に対する線形補間処理と同様であるので、その説明は省略する。
【０１１４】
生成部７１によりノイズ肌確率分布が生成されて記録部７２に記録されると、識別装置６１では、ノイズ肌確率分布を利用して識別処理を行い、供給された処理対象画像の各画素が肌領域の画素であるか否かを識別することができるようになる。
【０１１５】
以下、図８のフローチャートを参照して、識別装置６１による識別処理について説明する。
【０１１６】
ステップＳ５１において、取得部８２は、記録部７２からノイズ肌確率分布を読み出して一時的に保持する。そして、ステップＳ５２において、選択部８１は、供給された処理対象画像上の１つの画素を注目画素として選択する。例えば、処理対象画像上の画素がラスタスキャン順に注目画素として選択されていく。
【０１１７】
ステップＳ５３において、取得部８２は、注目画素の輝度に基づいて、記録部７２から読み出した各輝度のノイズ肌確率分布から、識別に用いるノイズ肌確率分布を選択する。すなわち、取得部８２は、注目画素の画素値Ｘに基づいて、注目画像の輝度値を算出し、算出された輝度値により特定されるノイズ肌確率分布、例えば注目画素の輝度と同じ輝度について求められたノイズ肌確率分布を選択する。
【０１１８】
ステップＳ５４において、演算部８３は、注目画素の画素値Ｘと、取得部８２により選択されたノイズ肌確率分布とに基づいて、注目画素が肌領域の画素である確率Ｆ（Ｘ）を算出する。具体的には、演算部８３は、注目画素の画素値Ｘを特徴空間上に写像し、写像された位置である観測点を求める。そして、演算部８３は、ノイズ肌確率分布において、特徴空間上の各位置に対応付けられている肌領域である確率のうち、注目画素の画素値Ｘを写像して得られた観測点に対応付けられている確率を読み出して確率Ｆ（Ｘ）とする。
【０１１９】
注目画素が肌領域の画素である確率Ｆ（Ｘ）が求められると、その後、ステップＳ５５乃至ステップＳ５８の処理が行なわれて識別処理は終了するが、これらの処理は図４のステップＳ１５乃至ステップＳ１８の処理と同様であるので、その説明は省略する。
【０１２０】
以上のようにして識別装置６１は、注目画素の輝度により特定されるノイズ肌確率分布を選択し、選択したノイズ肌確率分布から注目画素の画素値Ｘに対応する確率を読み出して確率Ｆ（Ｘ）とする。また、識別装置６１は、求めた確率Ｆ（Ｘ）に対する閾値処理により注目画素が肌領域であるかを識別する。
【０１２１】
このように、輝度ごとに予めノイズ肌確率分布を用意し、注目画素の輝度により特定されるノイズ肌確率分布を選択することで、注目画素の輝度に対して最適なノイズ肌確率分布を用いて、肌領域であるかの識別を行なうことができる。これにより、注目画素に含まれるノイズ量を考慮して高精度に識別を行なうことができる。すなわち、処理対象画像上の目的とする物体をより確実に識別することができる。
【０１２２】
注目画素の画素値Ｘは、処理対象画像の撮影時に生じたショットノイズやランダムノイズが、画素値Ｘの真値に加算された値である。つまり、画素値Ｘはノイズが含まれた状態で観測された値である。また、ノイズ肌確率分布は、各画素値（位置）が観測されたときに、その画素値を有する画素が、ノイズが含まれている肌領域の画素である確率の分布である。したがって、注目画素の画素値Ｘと、ノイズ肌確率分布とを用いる識別装置６１の識別手法は、ノイズのある世界で物体識別を行なう手法ということができる。
【０１２３】
ノイズのある世界での物体識別では、特に画素の輝度によってノイズの確率分布が大きく異なるため、ノイズ肌確率分布の領域（識別の境界）の大きさや形状も画素の輝度によって大きく変化する。識別装置６１では、予め輝度ごとにノイズ肌確率分布を用意しておき、注目画素の輝度に応じて適切なノイズ肌確率分布を用いて識別を行なうことで、ＳＮ比が低くノイズの多い条件下においても、より高い精度で物体を識別することができる。
【０１２４】
なお、以上においては、ノイズ肌確率分布を用いて物体識別を行なう場合について説明したが、確率分布でなく確率密度関数が用いられる場合においても、同様の処理が行なわれて物体識別が行なわれる。
【０１２５】
すなわち、予め用意された肌確率密度関数と、特定輝度の画素ごとに求められた、画素値がノイズ成分である確率の確率密度関数（以下、ノイズ確率密度関数とも称する）との畳み込み演算が行なわれる。そして、その演算により特定輝度の画素ごとに得られた、特定輝度の画素の各画素値が、ノイズが含まれている肌領域の画素の画素値である確率の確率密度関数（以下、ノイズ肌確率密度関数とも称する）が求められる。さらに、このようにして得られたノイズ肌確率密度関数と、注目画素の画素値Ｘとに基づいて確率Ｆ（Ｘ）が算出される。
【０１２６】
〈変形例１〉
なお、以上においては、処理対象画像上の１つの画素の輝度に応じてノイズ肌確率分布を選択し、注目画素が肌領域の画素であるかを識別すると説明したが、注目画素を含む領域の輝度に基づいてノイズ肌確率分布が選択されるようにしてもよい。
【０１２７】
そのような場合、図８のステップＳ５３において、取得部８２は、処理対象画像上の注目画素を含む所定の大きさのブロックから、注目画素と類似する画素を検出する。例えば、ブロック内の画素のうち、注目画素との画素値の距離（例えばユークリッド距離）が所定の閾値以下となる画素が検出される。
【０１２８】
そして、取得部８２は、ブロック内から検出された画素と注目画素の輝度値の平均値を求め、求めた平均値により特定される輝度のノイズ肌確率分布を選択する。演算部８３は、このようにして選択されたノイズ肌確率分布を用いて、注目画素が肌領域の画素である確率Ｆ（Ｘ）を求め、判定部８４は、求められた確率から注目画素が肌領域の画素であるかの識別を行なう。
【０１２９】
〈変形例２〉
また、以上においては画素単位で識別が行なわれる例について説明したが、処理対象画像上の複数画素からなるブロック単位で識別が行なわれるようにしてもよい。
【０１３０】
そのような場合、例えば処理対象画像が複数のブロックに分割され、それらのブロックが順番に注目ブロックとして選択部８１により選択されていく。そして、取得部８２により注目ブロック内の画素の輝度値の平均値が求められ、得られた平均値により特定される輝度のノイズ肌確率分布が選択される。
【０１３１】
そして、このようにして選択されたノイズ肌確率分布が用いられて、演算部８３により注目ブロックが肌領域である確率Ｆ（Ｘ）が求められ、求められた確率から注目ブロックが肌領域であるかの識別が判定部８４により行なわれる。
【０１３２】
具体的には、演算部８３は、注目ブロックの画素値の代表値を特徴空間上に写像して、写像された位置である観測点を求める。例えば、代表値は、注目ブロックの中心にある画素の画素値などとされる。そして、演算部８３は、ノイズ肌確率分布において、特徴空間上の各位置に対応付けられている肌領域である確率のうち、観測点に対応付けられている確率を読み出して確率Ｆ（Ｘ）とする。
【０１３３】
〈変形例３〉
また、ブロック単位で識別が行なわれる場合に、注目ブロック内の中心にある画素（以下、注目画素と称する）と画素値が近い画素が用いられてブロックの平均輝度が求められるようにしてもよい。
【０１３４】
そのような場合、例えば取得部８２により注目ブロック内の画素から、注目画素との画素値の距離（例えば、ユークリッド距離）が近い画素が検出され、検出された画素と注目画素の輝度値の平均値が算出される。そして、得られた平均値により特定される輝度のノイズ肌確率分布が取得部８２により選択される。
【０１３５】
また、このようにして選択されたノイズ肌確率分布において、注目画素の画素値Ｘが特徴空間上に写像された位置である観測点に対応付けられている確率が、演算部８３により読み出されて確率Ｆ（Ｘ）とされる。さらに、判定部８４によって、読み出された確率に基づいて注目ブロックが肌領域であるかの識別が行なわれる。
【０１３６】
〈変形例４〉
さらに、ブロック単位で識別が行なわれる場合に、注目ブロック内の画素の支配的な輝度に基づいて、ノイズ肌確率分布が選択されるようにしてもよい。
【０１３７】
そのような場合、例えば取得部８２により注目ブロック内の画素の輝度値のヒストグラムが生成され、ヒストグラムから注目ブロック内の支配的な輝度値が求められる。そして、求められた支配的な輝度により特定される輝度のノイズ肌確率分布が取得部８２により選択される。
【０１３８】
また、このようにして選択されたノイズ肌確率分布において、注目ブロックの画素の画素値の代表値が特徴空間上に写像された位置である観測点に対応付けられている確率が、演算部８３により読み出されて確率Ｆ（Ｘ）とされる。さらに、判定部８４によって、読み出された確率に基づいて注目ブロックが肌領域であるかの識別が行なわれる。
【０１３９】
さらに、ノイズのない肌確率分布と、所定輝度のノイズ確率分布とを畳み込んでノイズ肌確率分布を求め、得られたノイズ肌確率分布について、肌の領域である確率が所定の閾値以上である特徴空間上の位置からなる領域を、肌である領域として記録部７２に記録しておいてもよい。この場合、処理対象画像の各画素が肌領域の画素であるかの識別時においては、処理対象画像上の注目画素が、特徴空間において、記録部７２に記録された肌である領域内にあるときには、注目画素は肌領域の画素であるとされる。逆に、注目画素が、特徴空間において、記録部７２に記録された肌である領域外にあるときには、注目画素は肌領域の画素でないとされる。このように、肌である領域を予め記録しておくことで、ノイズ肌確率分布を記録しておく場合と比べて、記録部７２の記録領域をより小さくすることができる。
【０１４０】
なお、以上において説明した変形例１乃至変形例４が上述した第１の実施の形態に適用されるようにしてもよい。例えば、変形例２乃至変形例４が第１の実施の形態に適用される場合には、注目画素を含むブロックを単位として、そのブロックが肌領域であるか否かの識別が行なわれる。
【０１４１】
ところで、上述した一連の処理は、ハードウェアにより実行することもできるし、ソフトウェアにより実行することもできる。一連の処理をソフトウェアにより実行する場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。
【０１４２】
図９は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。
【０１４３】
コンピュータにおいて、CPU（Central Processing Unit）２０１，ROM（Read Only Memory）２０２，RAM（Random Access Memory）２０３は、バス２０４により相互に接続されている。
【０１４４】
バス２０４には、さらに、入出力インターフェース２０５が接続されている。入出力インターフェース２０５には、キーボード、マウス、マイクロホンなどよりなる入力部２０６、ディスプレイ、スピーカなどよりなる出力部２０７、ハードディスクや不揮発性のメモリなどよりなる記録部２０８、ネットワークインターフェースなどよりなる通信部２０９、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア２１１を駆動するドライブ２１０が接続されている。
【０１４５】
以上のように構成されるコンピュータでは、CPU２０１が、例えば、記録部２０８に記録されているプログラムを、入出力インターフェース２０５及びバス２０４を介して、RAM２０３にロードして実行することにより、上述した一連の処理が行われる。
【０１４６】
コンピュータ（CPU２０１）が実行するプログラムは、例えば、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory),DVD(Digital Versatile Disc)等）、光磁気ディスク、もしくは半導体メモリなどよりなるパッケージメディアであるリムーバブルメディア２１１に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供される。
【０１４７】
そして、プログラムは、リムーバブルメディア２１１をドライブ２１０に装着することにより、入出力インターフェース２０５を介して、記録部２０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部２０９で受信し、記録部２０８にインストールすることができる。その他、プログラムは、ROM２０２や記録部２０８に、あらかじめインストールしておくことができる。
【０１４８】
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
【０１４９】
また、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
【０１５０】
さらに、本技術は、以下の構成とすることも可能である。
【０１５１】
［１］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択部と、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択部により選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
［２］
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
［１］に記載の画像処理装置。
［３］
前記真値の確率分布は画素値の真値の尤度に基づいて求められ、
前記演算部は、前記真値の確率分布と、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布との畳み込み演算を行なうことで前記確率を算出する
［１］または［２］に記載の画像処理装置。
［４］
前記真値の確率分布に対して線形補間処理を行なって、画素値の真値である確率を補間により求める補間処理部をさらに備える
［１］乃至［３］の何れかに記載の画像処理装置。
［５］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
［６］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
［７］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択部と、
前記選択部により選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
［８］
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
［７］に記載の画像処理装置。
［９］
前記判定部は、前記注目画素を含む複数の画素からなるブロックを単位として、前記ブロックが前記特定物体の領域であるかを識別する
［８］に記載の画像処理装置。
［１０］
前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布に対して線形補間処理を行なって、ノイズ成分の含まれている画素値である確率を補間により求める補間処理部をさらに備える
［７］乃至［９］の何れかに記載の画像処理装置。
［１１］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
［１２］
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
【符号の説明】
【０１５２】
１１ 識別装置， ２３ 識別部， ３１ 取得部， ３２ 選択部， ３３ 演算部， ３４ 判定部， ６１ 識別装置， ７３ 識別部， ８１ 選択部， ８２ 取得部， ８３ 演算部， ８４ 判定部
【特許請求の範囲】
【請求項１】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択部と、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択部により選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
【請求項２】
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
請求項１に記載の画像処理装置。
【請求項３】
前記真値の確率分布は画素値の真値の尤度に基づいて求められ、
前記演算部は、前記真値の確率分布と、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布との畳み込み演算を行なうことで前記確率を算出する
請求項２に記載の画像処理装置。
【請求項４】
前記真値の確率分布に対して線形補間処理を行なって、画素値の真値である確率を補間により求める補間処理部をさらに備える
請求項３に記載の画像処理装置。
【請求項５】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
【請求項６】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
【請求項７】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択部と、
前記選択部により選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
【請求項８】
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
請求項７に記載の画像処理装置。
【請求項９】
前記判定部は、前記注目画素を含む複数の画素からなるブロックを単位として、前記ブロックが前記特定物体の領域であるかを識別する
請求項８に記載の画像処理装置。
【請求項１０】
前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布に対して線形補間処理を行なって、ノイズ成分の含まれている画素値である確率を補間により求める補間処理部をさらに備える
請求項９に記載の画像処理装置。
【請求項１１】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
【請求項１２】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
【請求項１】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択部と、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択部により選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
【請求項２】
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
請求項１に記載の画像処理装置。
【請求項３】
前記真値の確率分布は画素値の真値の尤度に基づいて求められ、
前記演算部は、前記真値の確率分布と、前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布との畳み込み演算を行なうことで前記確率を算出する
請求項２に記載の画像処理装置。
【請求項４】
前記真値の確率分布に対して線形補間処理を行なって、画素値の真値である確率を補間により求める補間処理部をさらに備える
請求項３に記載の画像処理装置。
【請求項５】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
【請求項６】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
各画素値について予め求められた、画素値の真値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、所定の画素値について求められた前記真値の確率分布または確率密度関数を選択する選択ステップと、
予め求められた前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、前記選択ステップの処理で選択された前記真値の確率分布または確率密度関数との畳み込み演算を行なうことで、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む処理をコンピュータに実行させるプログラム。
【請求項７】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択部と、
前記選択部により選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算部と
を備える画像処理装置。
【請求項８】
前記演算部により算出された前記確率に基づいて、前記注目画素を含む領域が前記特定物体の領域であるかを識別する判定部をさらに備える
請求項７に記載の画像処理装置。
【請求項９】
前記判定部は、前記注目画素を含む複数の画素からなるブロックを単位として、前記ブロックが前記特定物体の領域であるかを識別する
請求項８に記載の画像処理装置。
【請求項１０】
前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布に対して線形補間処理を行なって、ノイズ成分の含まれている画素値である確率を補間により求める補間処理部をさらに備える
請求項９に記載の画像処理装置。
【請求項１１】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理装置の画像処理方法であって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む画像処理方法。
【請求項１２】
複数の色成分の値からなり、ノイズ成分が含まれる画素値を有する画素からなる処理対象画像上の領域が、予め定められた特定物体の領域であるかを識別する画像処理用のプログラムであって、
前記特定物体の画像の画素のノイズ成分の含まれていない画素値の確率分布または確率密度関数と、所定輝度のノイズ成分の確率分布または確率密度関数との畳み込み演算により画素の輝度ごとに予め求められた、前記特定物体の画像の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数のなかから、前記処理対象画像の注目画素を含む領域に基づいて、特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数を選択する選択ステップと、
前記選択ステップの処理で選択された、前記特定輝度の画素のノイズ成分の含まれている画素値の確率分布または確率密度関数と、前記注目画素の画素値とに基づいて、前記注目画素を含む領域が前記特定物体の領域である確率を算出する演算ステップと
を含む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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１３−７３５４８（Ｐ２０１３−７３５４８Ａ）
【公開日】平成２５年４月２２日（２０１３．４．２２）
【国際特許分類】
【出願番号】特願２０１１−２１３８６６（Ｐ２０１１−２１３８６６）
【出願日】平成２３年９月２９日（２０１１．９．２９）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
【公開日】平成２５年４月２２日（２０１３．４．２２）
【国際特許分類】
【出願日】平成２３年９月２９日（２０１１．９．２９）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
[ Back to top ]