| Budget Amount *help |
¥1,000,000 (Direct Cost: ¥1,000,000)
Fiscal Year 1996: ¥1,000,000 (Direct Cost: ¥1,000,000)
|
|---|
| Research Abstract |
本研究は,科学研究費補助金(奨励研究(A))のもと,人工の視覚機能を実現するために必要とされる効率的で高精度な特徴抽出・統合機構を構築することを目的に研究を行った.そして,対象に距離画像を考え,主に次の2つのテーマに取り組んできた.
1.最適な曲面モデルによる対象物体に関する曲面関数の推定及び形状解析(特徴抽出機構)
この研究では,実測画像における計測雑音や対象物体の不連続性といった形状変化にも対処するため,繰り返し型B-スプライン曲面当てはめ法を構築した.そして,実画像に基づく実験のもと高精度な曲面関数の推定が可能であることを確認した.また,これまで3-D Deformable Modelを用いた解析に仕様していた正則化問題にB-スプライン基底関数を導入することにより,B-スプライン曲面モデルを用いた新たな曲面復元法を構築したほか,これとB-スプラインウェーブレットを結び付けることにより多重解像度解析を行うといった新たな拡張性を見出した.
2.特徴量の統合による物体形状の最適な記述(特徴統合機構)
この研究では物体形状の簡潔かつ効率的な記述を行うために,対象物体に対して似た形状を持つ領域ごとに分割するセグメンテーション手法の開発を行った.特に,1.の曲面関数の推定結果より得られる曲率情報量をもとに混合確率アルゴリズムによるクラスタリング手法を実現し,そのクラスタ生成に計測雑音を考慮に入れることによってロバストなセグメンテーション手法を構築した.一方,この構築されたグメンテーション手法は曲率情報のみを使用したものであったため,実験よりエッジ付近での良好なセグメンテーションが困難であることが確認された.そこで,基本競合系を拡張した競合モデルを用いて1.で得られる曲率情報のみならずエッジなどの他の情報をも統合しうるネットワークモデルを考え定式化を行った.今後,アルゴリズムの実装化を行う予定である.
|
