[发明专利]图像处理装置及方法

说明书

技术领域

本发明涉及用于检测图像的显著区域的图像处理装置、图像处理方法、图像处理控制程序、以及记录介质。

背景技术

以往，在图像处理的领域中，已知从图像检测（提取）在该图像中预想为人会关注的图像区域、或应关注的图像区域即显著区域的图像处理装置。此外，还进行使用这样的显著区域检测的技术而计算图像中的各点的显著程度（saliency measure），从而生成表示该图像的各点的显著程度的显著图图像。

这样的显著区域检测或显著区域检测的技术例如用于从图像检测被摄体。

那么，作为用于上述显著区域检测的算法，存在基于学习的算法以及基于物理模型的算法。

上述基于学习的算法使用大量图像的学习用数据库，使图像处理装置进行用于显著区域检测的学习之后，基于其学习结果进行显著区域检测。另一方面，上述基于物理模型的算法使用近似人或者其他物体的识别模型的算式而计算显著区域。

然而，在上述基于学习的算法中，图像处理装置的显著区域的检测性能依赖于学习用数据库的内容。但是，构筑显著区域的学习用数据库是困难的。

此外，在上述基于物理模型的算法中，需要使用近似人的识别模型的算式。但是，人的物理模型是复杂的，不能容易地以算式来表现。完整地定义人的物理模型根本就没有实现。

因此，例如，在专利文献1中，记载了不事先进行构筑图像的学习用数据库和定义识别模型，而是从图像提取显著区域，实现显著区域及其以外的区域之间的区域分割的显著区域视频生成装置。

具体而言，在上述显著区域视频生成装置中，根据构成输入视频的帧的输入图像，计算表示是显著区域的概率的显著区域先验概率图像、表示在显著区域以及显著区域外的区域中分别包含的图像特征量的似然度的特征量似然度。并且，上述显著区域视频生成装置根据上述输入图像、上述显著区域先验概率图像、以及上述特征量似然度，提取表示上述输入图像的显著区域的显著区域图像。

由此，同文献中记载了：即使在关于某输入图像，完全没有提供与物体区域以及背景区域相关的先验信息的情况下，上述显著区域视频生成装置也能够从该输入图像提取显著区域，进行图像的区域分割。

此外，在非专利文献1以及非专利文献2中，公开了利用贝叶斯定理而计算显著程度（saliency measure）的方法。

现有技术文献

专利文献

专利文献1：（日本）特开2010－258914号公报（2010年11月11日公开）

非专利文献

非专利文献1：E.Rahtu,J.Kannala,M.Salo,and J.Heikkila,“Segmenting salient objects from images and videos,”in Proceedings of European Conference on Computer Vision,2010

非专利文献2：Z.Tang,Z.Miao,Y.Wan,and J.Li,“Automatic foreground extraction for images and videos,”in Proceedings of IEEE International Conference on Image Processing,2010

在专利文献1所述的上述显著区域视频生成装置中，为了提取上述显著区域图像，首先，根据构成输入视频的某时刻的帧的输入图像而生成先验概率图像。之后，基于根据上述某时刻的一个单位时间之前的输入图像而生成的显著区域图像，更新上述某时刻的先验概率图像。并且，使用更新后的先验概率图像，提取上述显著区域图像。

即，在上述显著区域视频生成装置中，为了从某输入图像提取显著区域，需要包含上述某输入图像的多个输入图像。因此，上述显著区域视频生成装置不能从静止图像提取显著区域图像。进而，存在以下问题：为了在显著区域的提取处理中处理多个输入图像，上述显著区域视频生成装置对于执行上述提取处理的运算装置的负荷大。

此外，在上述非专利文献1以及上述非专利文献2中，将显著区域的先验概率假设为常数。

例如，在上述非专利文献1中，假设为规定的矩形窗（rectangular window）W中的像素分布（distribution of pixels）Z在矩形窗W的中心部（kernel）K以及周边部（border）B中具有常数的概率密度函数（probability density function）p。