|
本研究は，信号の高次統計特徴量の計算量を抑えることができる高次統計量カーネルを画像の特徴抽出手段や類似度基準として用いることで，従来計算量の制約から検討がされてこなかった高い次数の高次統計特徴量を用いた画像分類と，画像内容検索の枠組みを構築することを目的とした．最終年度の24年度は特に，従来用いられてこなかった5次を超える高い次数（超高次）の特徴量に基づく画像分類の枠組の構築と評価と，局所高次統計量に基づく領域類似度基準を利用した画像内容検索の枠組の構築と評価を行った．一般的な画像テクスチャ分類においては，特徴量の次数が高くなるに従い特徴の選択性が高くなり，微小なテクスチャの変動に敏感となる性質が明らかになった．このことは，クラス内のばらつきが大きい一般的なテクスチャ分類問題においては，分類精度の面でデメリットとなるものの，クラス内分散が著しく小さく，微小な相違がクラスを決定するような画像分類問題においてはメリットとなりうることが分かった．局所2次の特徴量であるガボールフィルタに見られるように，高次統計特徴量においても，窓関数の利用により特徴の局所性を高めると同時に特徴量の選択性を低下させる効果が見られると考えて局所高次統計特徴量を利用した画像分類実験を進めたが，こちらに関しては，未だ明確な検証結果を得られていない．今後も局所的なテクスチャ分類や虹彩認証などの問題に適用しつつ検証を進め，本研究テーマで得られた結果をまとめた論文として報告してプロジェクトを総括する．
|
