| 研究概要 |
不規則性を有する複数個のテクスチャ領域から構成されているテクスチャ画像の領域分割問題は、画像の特徴量の抽出法と特徴量の分類方法の2つに大別される.特徴量の分類にはその等質性を調べるための識別関数とその閾値処理が必要となるが、特殊な特徴量を除いて識別関数の定式化が難しく、さらにその閾値の決定を理論的に行うことは不可能である。そこで、ニューラルネットワークを用い、識別関数の定式化と閾値処理を必要としないテクスチャ画像の領域分割法の開発を目指した.
本研究では、テクスチャ画像の特徴量として2次元場自己回帰モデルとフラクタル次元を用い,Kohonenの自己組織化ニューラルネットワーク、バックプロパゲーション法によるニューラルネットワーク、およびDecision Based Neural Network(DBNN)を組み合わせた領域分割法を提案した。その結果、Kohonenの自己組織化ニューラルネットワークとDBNNを組み合わせた領域分割法が最も良い分割精度を得ることが出来た。また,現実のテクスチャ画像は非定常性が強い場合が多く,そのような画像に対しても良好な分割精度を得るために,原画像の前処理としてウェブレット変換を行った後,本手法を適用する方法を開発した。さらに,最適分割個数の自動決定法も開発することができた。この研究で使用してきた特徴量のうえにカラー画像特有の特徴量を加えることで,カラーテクスチャ画像に対しても,本研究で開発した手法がそのまま適用できることが明らかになった。
以上の研究から,非常に汎用性のあるテクスチャ領域分割法が完成されたと思っている.
なお、これらの研究成果は、近日,論文誌に投稿する予定である.
|
