|
研究期間全体を通じて実施した研究の成果は次の通りである。
１．2枚の濃淡画像間で正規化相互相関値を最大化する最適な2次元射影変換（独立な8パラメータを含む）を決定する目的関数を設定した。特に、2次元射影変換がアフィン変換（独立な6パラメータを含む）と部分射影変換（独立な2パラメータを含む）の積に分解できることに着目し、最適なアフィン変換成分と部分射影変換成分を独立に求める計算モデルを定式化し、逐次代入法に基づく反復解法を構築した。これをGPT（Global Projection Transformation）相関法と命名した。２．公開手書き数字データベースMNISTを対象に、上記１．のGPT相関法とk最近傍法を組合せ、さらにマッチング尺度に濃淡勾配方向が等しい点間の平均距離を用いた認識実験を行った結果、k最近傍法との組合せによる手法として世界最高性能となるエラー率0.30%を達成した。権威ある海外ジャーナルに投稿し、速やかに採録された。３．上記２．の認識実験で用いた全プログラムのC言語ソースコードをWeb上で公開した。４．2次元射影変換の8パラメータを同時に最適化する新たな計算モデルを考案し、画像マッチング性能が大きく向上することを示した。これを強化されたGPT相関法と命名した。
最終年度に実施した研究の成果は次の通りである。
１．これまで理論的な難しさから考慮していなかったGPT相関法における変換画像のノルム正規化問題について取組み、2枚の濃淡画像間で正規化相互相関値を最大化する最適な2次元射影変換の厳密な目的関数の定式化と計算モデルの導出を果たした。この成果は国際会議で大きな関心を集めた。２．強化されたGPT相関法の「部分と全体」画像マッチングへの適用について検討を進めた。これは物体検出の有力な手段となりうるもので、今後さらなる展開が期待できる。
|
