JP2016538630A - 画像特徴検出器のための局所識別色を求める方法 - Google Patents

Abstract

マルチチャネル特徴検出のための技術は、１以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答を決定するコンピューティングデバイスを含む。コンピューティングデバイスは、フィルタ応答に基づいて局所識別色ベクトルを求め、フィルタ応答を局所識別色ベクトルに適用して、適応応答を生成し、適応応答に基づいて、マルチチャネル画像の総応答を決定する。

Description

コンピュータビジョンは、多様な画像特徴検出器を利用して、画像内の画像の特徴又は「関心点」を識別する。画像特徴検出器は、特定のアルゴリズム／検出器に応じて、解析される画像のエッジ、コーナー、ブロブ（すなわち、関心点からなる領域）、及び／又は頂部（ridge）を識別することができる。例えば、Ｃａｎｎｙアルゴリズム及びＳｏｂｅｌフィルタは、エッジ検出を実行し、Ｈａｒｒｉｓ検出器は、コーナー検出を実行し、ＬｏＧ（Laplacian of Gaussian）、ガウスのヘッセ行列式（Hessian of Gaussian determinant）、及びＤｏＧ（Difference of Gaussian）検出器は、画像内のコーナー及びブロブを識別する。特徴検出システムは、アルゴリズム及び検出器の組合せをしばしば利用して、解析される画像の特徴をより正確に識別する。

高速化ロバスト特徴（ＳＵＲＦ：speeded up robust features）、スケール不変特徴変換（ＳＩＦＴ：scale-invariant feature transform）、Ｃａｎｎｙ、Ｈａｒｒｉｓ、及びＳｏｂｅｌ等の一般的な特徴検出器は、シングルチャネル画像（すなわち、グレースケール画像）の特徴を検出及び表現する。したがって、マルチチャネル画像（すなわち、色画像）は、特徴検出に対する準備的解析ステップとして、シングルチャネル画像に変換されなければならず、これは、画像情報の相当の損失をもたらし得る。例えば、シングルチャネルグレースケール画像の画像画素値は、マルチチャネル画像の複数のチャネルの各々における対応画素値の一次結合として生成され得る。したがって、異なる色を有するが同じシングルチャネルグレースケール表現を有するマルチチャネル画像画素間のコントラストは、グレースケール変換に起因して失われる。いくつかのアルゴリズムは、知覚に基づく（perceptual-based）色モデルを使用する（例えば、ＣＳＩＦＴは、色ボディ（colored body）の反射スペクトルをモデル化するＫｕｂｅｌｋａ−Ｍｕｎｋ理論を使用する）が、それらは、グレースケールマッピングに対して大域色（global color）を使用し、これは、情報の損失をもたらす。

本明細書に記載のコンセプトが、限定ではなく例として、添付の図面に示される。図示の単純さ及び明瞭さのために、図面に示される要素は、必ずしも縮尺通りに描かれてはいない。参照ラベルは、適切であると考えられる場合、対応要素又は類似要素を示すために、図面間で繰り返されている。
マルチチャネル特徴検出を実行するコンピューティングデバイスの少なくとも１つの実施形態の簡略化されたブロック図。 図１のコンピューティングデバイスの環境の少なくとも１つの実施形態の簡略化されたブロック図 図１のコンピューティングデバイス上でマルチチャネル特徴検出を実行するための方法の少なくとも１つの実施形態の簡略化されたフロー図。 図１のコンピューティングデバイス上で局所識別色ベクトルを求めるための方法の少なくとも１つの実施形態の簡略化されたフロー図。 キャプチャされた画像の図。 図３のマルチチャネル特徴検出のための方法と内部カーネルとしてのＳＵＲＦ特徴検出器とに基づく、キャプチャされた画像の識別された関心点の図。

本開示のコンセプトは、様々な変更形態及び代替形態を受け入れる余地があるが、その特定の実施形態が、例として、図面に示され本明細書で詳細に説明される。しかしながら、本開示のコンセプトを、開示する特定の形態に限定する意図はなく、反対に、意図は、本開示及び添付の特許請求の範囲と整合する全ての変更形態、均等形態、及び代替形態をカバーすることにあることを理解されたい。

「一実施形態」、「ある実施形態」、「例示的な実施形態」等の本明細書における言及は、説明する実施形態が、特定の特徴、構造、又は特性を含み得るが、全ての実施形態が、そのような特定の特徴、構造、又は特性を含んでもよいし、又は、必ずしもそのような特定の特徴、構造、又は特性を含む必要がなくてもよいことを示す。さらに、このような語句は、必ずしも同じ実施形態を指すわけではない。さらに、特定の特徴、構造、又は特性がある実施形態との関連で記載されている場合には、明示されていようといまいと、他の実施形態との関連でそのような特徴、構造、又は特性を実装することは当業者の知識の範囲内であるとする。さらに、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」という形のリストに含まれる項目は、（Ａ）；（Ｂ）；（Ｃ）；（Ａ及びＢ）；（Ａ及びＣ）；（Ｂ及びＣ）；又は（Ａ、Ｂ、及びＣ）を意味し得ることを理解されたい。同様に、「Ａ、Ｂ、又はＣのうちの少なくとも１つ」という形でリストされる項目は、（Ａ）；（Ｂ）；（Ｃ）；（Ａ及びＢ）；（Ａ及びＣ）；（Ｂ及びＣ）；又は（Ａ、Ｂ、及びＣ）を意味し得る。

開示する実施形態は、場合に応じて、ハードウェア、ファームウェア、ソフトウェア、又はこれらの任意の組合せにより実装することができる。開示する実施形態はまた、１以上のプロセッサにより読み出されて実行され得る、一時的又は非一時的な１以上のマシン読み取り可能な記憶媒体（例えば、コンピュータ読み取り可能な記憶媒体）により運ばれる命令又はそのような媒体に記憶される命令として実装することができる。マシン読み取り可能な記憶媒体は、マシンにより読み取ることができる形式で情報を記憶又は伝送する任意の記憶デバイス、メカニズム、又は他の物理的構造（例えば、揮発性メモリ、不揮発性メモリ、メディアディスク、又は他のメディアデバイス）として具現化することができる。

図面において、いくつかの構造的特徴又は方法的特徴が、特定の配置及び／又は順序で示され得る。しかしながら、そのような特定の配置及び／又は順序が必須とされるわけではないことを理解されたい。そうではなく、いくつかの実施形態においては、そのような特徴は、例示する図面に示される態様及び／又は順序と異なる態様及び／又は順序で構成することもできる。さらに、特定の図面内に構造的特徴又は方法的特徴が含まれることは、そのような特徴が全ての実施形態において必要とされることを意味しないし、いくつかの実施形態においては、そのような特徴が含まれないことを意味しない、又はそのような特徴が他の特徴と組み合わされないことを意味しない。

次に図１を参照すると、マルチチャネル特徴検出のためのコンピューティングデバイス１００は、マルチチャネル画像の特徴（例えば、コーナー、エッジ、ブロブ等の関心点）を検出するよう構成される。そうするために、コンピューティングデバイス１００は、画像特徴を識別する際に、シングルチャネル画像又はグレースケール画像（例えば、変換後画像）ではなく、複数の画像チャネルからの情報を利用する。例示的な実施形態において、コンピューティングデバイス１００は、内部カーネルの応答関数が一次形式の関数（linear form function）又は二次形式の関数（quadratic form function）として表現され得る、局所識別色（ＬＤＣ：local differentiating color）ベクトルを算出するための低複雑度非反復的アルゴリズム（low-complexity non-iterative algorithm）を実装するよう構成される。このようなケースは、ＬＤＣベクトルとともに使用するのに適応可能な内部カーネルを有する広範なシングルチャネル特徴検出器をカバーすることを理解されたい。例えば、二次空間微分フィルタ応答Ｄ_ｘｘ、Ｄ_ｘｙ、及びＤ_ｙｙが算出され得、ここで、ｘ及びｙは画像の空間座標である。したがって、ＬｏＧ内部カーネルの応答は、（Ｄ_ｘｘ＋Ｄ_ｙｙ）という一次形式で表現され得る。ＳＵＲＦ内部カーネルの応答は、

という二次形式として表現され得る。オリジナルのＨａｒｒｉｓ内部カーネルの応答は、

という二次形式として表現され得、ここで、ｋはアルゴリズムパラメータである。さらに、Ｃａｎｎｙ内部カーネルの二乗応答（square response）は、

という二次形式として表現され得、ここで、Ｄ_ｘ及びＤ_ｙは一次空間微分フィルタ応答であり、ここでも、ｘ及びｙは画像の空間座標である。

コンピューティングデバイス１００は、マルチチャネル特徴検出が可能であり、本明細書に記載の機能を実行することができる任意のタイプのコンピューティングデバイスとして具現化することができる。例えば、コンピューティングデバイス１００は、セルラ電話機、スマートフォン、タブレットコンピュータ、ネットブック、ノートブック、ウルトラブック（登録商標）、ラップトップコンピュータ、携帯情報端末、モバイルインターネットデバイス、デスクトップコンピュータ、ハイブリッドデバイス、及び／又は任意の他のコンピューティング／通信デバイスとして具現化することができる。図１に示されるように、例示的なコンピューティングデバイス１００は、プロセッサ１１０、入力／出力（「Ｉ／Ｏ」）サブシステム１１２、メモリ１１４、データストレージ１１６、通信回路１１８、及び１以上の周辺デバイス１２０を含む。さらに、周辺デバイス１２０は、カメラ１２２及びディスプレイ１２４を含む。もちろん、コンピューティングデバイス１００は、他の実施形態では、典型的なコンピューティングデバイスにおいて通常見つけられるコンポーネント（例えば、様々な入力／出力デバイス）等の他のコンポーネント又はさらなるコンポーネントを含んでもよい。さらに、いくつかの実施形態においては、図示されるコンポーネントのうちの１以上は、別のコンポーネントに組み込まれてもよいし、別のコンポーネントの一部からのものであってもよい。例えば、メモリ１１４又はメモリ１１４の一部は、いくつかの実施形態においては、プロセッサ１１０に組み込まれてもよい。

プロセッサ１１０は、本明細書に記載の機能を実行することができる任意のタイプのプロセッサとして具現化することができる。例えば、プロセッサは、シングルコアプロセッサ、マルチコアプロセッサ、デジタル信号プロセッサ、マイクロコントローラ、又は、他のプロセッサ若しくは処理／制御回路として具現化することができる。同様に、メモリ１１４は、本明細書に記載の機能を実行することができる任意のタイプの揮発性メモリ、不揮発性メモリ、又はデータストレージとして具現化することができる。動作中、メモリ１１４は、コンピューティングデバイス１００の動作中に使用されるオペレーティングシステム、アプリケーション、プログラム、ライブラリ、及びドライバ等の様々なソフトウェア及びデータを記憶することができる。メモリ１１４は、Ｉ／Ｏサブシステム１１２を介して、プロセッサ１１０に通信可能に接続される。Ｉ／Ｏサブシステム１１２は、プロセッサ１１０、メモリ１１４、及びコンピューティングデバイス１００の他のコンポーネントによる入力／出力動作を円滑にする回路及び／又はコンポーネントとして具現化することができる。例えば、Ｉ／Ｏサブシステム１１２は、メモリコントローラハブ、入力／出力制御ハブ、ファームウェアデバイス、通信リンク（すなわち、ポイントツーポイントリンク、バスリンク、ワイヤ、ケーブル、ライトガイド、プリント回路基板トレース等）、並びに／又は入力／出力動作を円滑にする他のコンポーネント及びサブシステムとして具現化することができる、又は、これらを含み得る。いくつかの実施形態において、Ｉ／Ｏサブシステム１１２は、システムオンチップ（ＳｏＣ）の一部を形成することができ、プロセッサ１１０、メモリ１１４、及びコンピューティングデバイス１００の他のコンポーネントとともに、単一の集積回路チップに組み込むことができる。

データストレージ１１６は、例えば、メモリデバイス及び回路、メモリカード、ハードディスクドライブ、ソリッドステートドライブ、又は他のデータ記憶デバイス等の、データの短期記憶又は長期記憶のために構成される任意のタイプの１以上のデバイスとして具現化することができる。通信回路１１８は、ネットワーク（図示せず）を介するコンピューティングデバイス１００と他のリモートデバイスとの間の通信を可能にすることができる任意の通信回路、通信デバイス、又はこれらの集合として具現化することができる。そうするために、通信回路１１８は、任意の適切な通信技術（例えば、無線通信又は有線通信）及び関連するプロトコル（例えば、Ｅｔｈｅｒｎｅｔ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（登録商標）、ＷｉＭＡＸ（登録商標）等）を使用して、例えばネットワークのタイプに応じて、そのような通信を実施することができる。ネットワークは、コンピューティングデバイス１００とリモートデバイスとの間の通信を円滑にすることができる任意のタイプの通信ネットワークとして具現化され得る。

コンピューティングデバイス１００の周辺デバイス１２０は、任意の数のさらなる周辺デバイス又はインタフェースデバイスを含み得る。周辺デバイス１２０に含まれる具体的なデバイスは、例えば、コンピューティングデバイス１００のタイプ及び／又は意図される使用に依拠し得る。上述したように、周辺デバイス１２０は、カメラ１２２及びディスプレイ１２４を含む。カメラ１２２は、スチールカメラ、ビデオカメラ、ウェブカメラ、又は、ビデオ及び／又は画像をキャプチャすることができる他のデバイス等の、画像をキャプチャするのに適した任意の周辺デバイス又は統合デバイスとして具現化することができる。カメラ１２２を使用して、例えば、特徴が検出されるマルチチャネル画像をキャプチャすることができる。コンピューティングデバイス１００のディスプレイ１２４は、情報をコンピューティングデバイス１００の閲覧者に対して表示することができる任意の１以上の表示スクリーンとして具現化することができる。ディスプレイ１２４は、例えば、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、陰極線管（ＣＲＴ）ディスプレイ、プラズマディスプレイ、及び／又は他のディスプレイ技術を含む任意の適切なディスプレイ技術として具現化することができる、又は、このような任意の適切なディスプレイ技術を使用することができる。ディスプレイ１２４を使用して、例えば、解析された画像の総応答（total response）を示す画像を表示することができる。カメラ１２２及びディスプレイ１２４が、コンピューティングデバイス１００に統合されたものとして図１に示されているが、カメラ１２２及び／又はディスプレイ１２４は、他の実施形態では、コンピューティングデバイス１００からリモートにありコンピューティングデバイス１００に通信可能に接続され得ることを理解されたい。

次に図２を参照すると、使用の際、コンピューティングデバイス１００は、マルチチャネル特徴検出のための環境２００を確立する。以下で説明するように、コンピューティングデバイス１００は、マルチチャネル画像の個々の画像チャネルのフィルタ応答及び局所識別色（ＬＤＣ）ベクトルに基づいて、解析されるマルチチャネル画像の総画像応答を決定する。コンピューティングデバイス１００の例示的な環境２００は、画像キャプチャモジュール２０２、画像解析モジュール２０４、表示モジュール２０６、及び通信モジュール２０８を含む。さらに、画像解析モジュール２０４は、画像フィルタリングモジュール２１０、局所識別色（ＬＤＣ）モジュール２１２、及び応答決定モジュール２１４を含む。画像キャプチャモジュール２０２、画像解析モジュール２０４、表示モジュール２０６、通信モジュール２０８、画像フィルタリングモジュール２１０、局所識別色モジュール２１２、及び応答決定モジュール２１４の各々は、ハードウェア、ソフトウェア、ファームウェア、又はこれらの組合せとして具現化することができる。さらに、いくつかの実施形態においては、これらの例示的なモジュールのうちの１つは、別のモジュールの一部を形成してもよい。

画像キャプチャモジュール２０２は、カメラ１２２の視野内の画像をキャプチャするために、カメラ１２２を制御する（例えば、マルチチャネル特徴検出のために）。特定の実施形態に応じて、画像は、ストリーミングビデオとしてキャプチャされることもあるし、個々の画像／フレームとしてキャプチャされることもある。他の実施形態では、画像キャプチャモジュール２０２は、解析及び特徴検出のために、マルチチャネル画像を別の形で取得してもよい。例えば、マルチチャネル画像は、（例えば、クラウドコンピューティング環境における）リモートコンピューティングデバイスから、通信モジュール２０８により受信されてもよい。キャプチャされる画像は、任意の適切なマルチチャネル画像として具現化され得ることを理解されたい。例えば、画像は、ＲＧＢ（赤−緑−青）画像、ＨＳＬ（色相−彩度−輝度）画像、又はＨＳＶ（色相−彩度−明度）画像等の３チャネル画像とすることができる。本明細書に記載のマルチチャネル画像特徴検出は、非色空間（例えば、ＲＧＢ−Ｄ（奥行き）、赤外線、温度マップ、マイクロ波マップ、又は他の画像チャネル）のためのチャネルを含む任意のタイプの画像チャネルに適用され得ることをさらに理解されたい。

画像解析モジュール２０４は、画像キャプチャモジュール２０２から、カメラ１２２によりキャプチャされた画像を取得する。例示的な実施形態において、画像解析モジュール２０４は、（例えば、スケール−空間表現、及び／又は、スケール−空間検出器による使用のために）画像拡張空間点（image extended space point）の座標及びパラメータを設定する。さらに、以下でより詳細に説明するように、画像解析モジュール２０４は、様々なフィルタを、解析される画像に適用し、画像（又はそのサブセット）の各画像点についてＬＤＣベクトルを求め、画像（又はそのサブセット）の各画像点の総応答を決定する。

画像フィルタリングモジュール２１０は、１以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答（すなわち、画像フィルタを画像に適用した結果）を決定する。例えば、画像フィルタは、いくつかの実施形態において、画像の各画素に適用され得る。そうする際、画像フィルタは、例えば、画像フィルタが、画素の（例えば画像フィルタカーネルのサイズの）隣接部分（neighborhood）に適用される「ｗｉｎｄｏｗｉｎｇ」法を用いて適用され得ることを理解されたい。画像フィルタは、一般に、画像チャネルの個々の画素に適用されるが、本明細書では、説明の単純さ及び明瞭さのために、画像フィルタは、個々の画素の値ではなく、画像チャネル全体又は他の構造全体に適用されるものとして説明され得る。マルチチャネル画像が３つのチャネルを含む実施形態において、画像フィルタリングモジュール２１０は、各画像フィルタを、３つのチャネルの各々に適用して、その画像フィルタに基づく対応するフィルタ応答を生成する。マルチチャネル画像の特定の画像チャネルに関するフィルタ応答は、１以上の画像フィルタに対する画像チャネルの対応する応答を含むベクトルとして表現され得ることを理解されたい。さらに、そのようなベクトルは、対応する画像チャネルの「応答ベクトル」又は「ベクトル応答」と呼ばれることがある。さらに、いくつかの実施形態において、使用される特定の画像フィルタは、一次形式又は二次形式の画像フィルタである必要がある。他の実施形態では、ＬＤＣベクトルは、以前のフィルタリングを伴うことなく、又は、通常の（trivial）／識別（identity）フィルタのみを伴って、オリジナルの画像チャネルの画素に適用されてもよい。

局所識別色モジュール２１２は、画像フィルタリングモジュール２１０により決定されたフィルタ応答に基づいて、局所識別色ベクトルを求める。以下で詳細に説明するように、局所識別色ベクトルは、画像チャネルに関するフィルタ応答の一次結合のための重みを定め、極の（extreme）（すなわち、特定の実施形態に応じて最小又は最大の）総応答を生成するベクトルとして、算出される又は求められる。一次形式では、局所識別色モジュール２１２は、各画像チャネルについて決定された総応答のベクトルと共線である（collinear）ベクトルである局所識別色ベクトルを求める。二次形式では、局所識別色ベクトルは、特定の生成された対称行列の極固有値（すなわち、特定の実施形態に応じて最大固有値又は最小固有値）に対応する固有ベクトル（又は正規化された固有ベクトル）として求められる。したがって、例示的な実施形態において、局所識別色ベクトルは、（例えば、コスト関数を最小化又は最大化する）最適化アルゴリズムの結果として算出されるのではなく、閉じた形式で（in closed form）表現され得る。

応答決定モジュール２１４は、局所識別色ベクトルを、画像フィルタリングモジュール２１０により生成された画像フィルタ応答に適用して、適応応答（adapted response）を生成し、適応応答に基づいて、マルチチャネル画像の総応答を決定する。例示的な実施形態において、応答決定モジュール２１４は、マルチチャネル画像の各画像チャネルの応答ベクトルと局所識別色ベクトルとの内積を別々に計算することにより、局所識別色ベクトルを、画像フィルタ応答に適用する。さらに、以下でより詳細に説明するように、応答決定モジュール２１４は、使用される特定のフィルタ及び／又は特徴検出アルゴリズムのパラメータ及び適応応答に基づくスカラ値を生成することにより、マルチチャネル画像の総応答を決定する。

例示的な実施形態において、応答決定モジュール２１４はまた、マルチチャネル画像の総応答の空間非極応答（spatial non-extreme response）を抑制する。すなわち、いくつかの実施形態において、応答決定モジュール２１４は、予め定められた閾値に基づいて識別することができる非関心点を、総応答から除去する。すなわち、関心点は、特定の実施形態に応じて閾値より下であるか又は上である局所極応答（local extreme response）を有する画像点として識別することができる。したがって、関心点だけが総応答に残される。

表示モジュール２０６は、コンピューティングデバイス１００のユーザが閲覧するために、ディスプレイ１２４上に画像をレンダリングするよう構成される。例えば、表示モジュール２０６は、１以上のキャプチャされた／受信された画像（図５参照）及び／又はその画像の総応答を示す画像（図６参照）を表示することができる。さらに、表示モジュール２０６は、特徴検出プロセスの別の段階で画像の視覚的表示をレンダリングすることができることを理解されたい。例えば、表示モジュール２０６は、個々のフィルタ応答、局所識別色ベクトル、適応応答、及び／又は非極応答を抑制する前の総応答のグラフィカル表示及び／又はテキスト表示をレンダリングすることができる。

通信モジュール２０８は、ネットワークを介するコンピューティングデバイス１００とリモートデバイスとの間の通信を処理する。上述したように、通信モジュール２０８は、（例えば、クラウドコンピューティング環境において、又はオフロード実行を目的として、）解析のために、リモートコンピューティングデバイスからマルチチャネル画像を受信することができる。したがって、いくつかの実施形態において、通信モジュール２０８は、特徴検出解析の結果（例えば、総応答）を、リモートコンピューティングデバイスに送信することもできる。

次に図３を参照すると、使用の際、コンピューティングデバイス１００は、マルチチャネル特徴検出を実行するための方法３００を実行することができる。例示的な方法３００は、図３のブロック３０２で始まる。ブロック３０２において、コンピューティングデバイス１００は、マルチチャネル特徴検出を実行するかどうかを決定する。コンピューティングデバイス１００が、マルチチャネル特徴検出を実行すると決定した場合、ブロック３０４において、コンピューティングデバイス１００は、画像拡張空間点のための座標系を設定する。すなわち、コンピューティングデバイス１００は、例えば、スケール−空間画像特徴検出器による使用のためのさらなるパラメータ（例えば、スケール）とデカルト座標系（例えば、通常はｘ軸及びｙ軸が使用される）とを設定する。

ブロック３０６において、コンピューティングデバイス１００は、１以上の画像フィルタ（例えば、ヘッセ行列式、Ｃａｎｎｙフィルタ、Ｓｏｂｅｌフィルタ等）に基づく、各画像チャネルのフィルタ応答を決定する。そうする際、ブロック３０８において、コンピューティングデバイス１００は、上述したように（すなわち、画像フィルタを個々の画像チャネルに適用することにより）、フィルタ応答に基づいて、各画像チャネルについて応答ベクトルを生成する。例えば、解析されるマルチチャネル画像が３チャネルＲＧＢ（赤−緑−青）画像であり、ガウスフィルタの二次偏微分係数（すなわち、ヘッセ行列の成分）が画像フィルタとして使用されると仮定する。したがって、画像フィルタは、対応する画像次元に関する二次偏微分係数であるｇ_ｘｘ、ｇ_ｙｙ、及びｇ_ｘｙを含む。そのような実施形態において、画像フィルタの各々（すなわち、ｇ_ｘｘ、ｇ_ｙｙ、及びｇ_ｘｙの各々）が、赤画像チャネルに関する応答ベクトルを生成するために、赤チャネルに適用される。上述したように、画像フィルタは、画像の各画素に適用され得る。したがって、応答ベクトルは、画像チャネルの各画素について生成され得る。同様に、画像フィルタの各々が、青画像チャネル及び緑画像チャネルに適用され、応答ベクトルが、これらのチャネルの各々について生成される。各応答ベクトルは、スカラ値に変換され得る。例えば、ヘッセ行列式が、［ｇ_ｘｘ ｇ_ｙｙ ｇ_ｘｙ］Ｂ［ｇ_ｘｘ ｇ_ｙｙ ｇ_ｘｙ］^Ｔという二次形式により求められ得、ここで、Ｂは予め定められた行列であり、ｇ_ｘｘ、ｇ_ｙｙ、及びｇ_ｘｙは、対応する空間座標ｘ及び／又はｙに関して得られる、ガウスフィルタの二次偏微分係数である。もちろん、他の実施形態は、異なる数の画像フィルタを使用してもよいし、且つ／又は、異なる数のチャネルを有する画像を解析してもよい。したがって、一般的ケースとして、ｎ個のチャネル及びｐ個のフィルタがあると仮定する。そのようなケースでは、コンピューティングデバイス１００は、サイズ／長さｐ（又は、より詳細には、サイズｐ×１）のｎ個の応答ベクトル（すなわち、各チャネルについて１個）を生成する。この応答ベクトルの成分は、対応する画像フィルタに関する、画像チャネルのフィルタ応答である。

ブロック３１０において、コンピューティングデバイス１００は、各画像チャネルのフィルタ応答に基づいて、局所識別色ベクトル（例えば、正規化されたＬＤＣベクトル）を求める。すなわち、コンピューティングデバイス１００は、画像チャネルに関する応答ベクトルを使用して、局所識別色ベクトルを生成する。そうするために、コンピューティングデバイス１００は、図４に示されるような、局所識別色ベクトルを求めるための方法４００を実行することができる。例示的な方法４００は、ブロック４０２で始まる。ブロック４０２において、コンピューティングデバイス１００は、局所識別色ベクトルを生成するかどうかを決定する。局所識別色ベクトルを生成する場合、ブロック４０４において、コンピューティングデバイス１００は、画像について対称形式の行列Ａを生成する又は他の形で求める。コンピューティングデバイス１００は、任意の適切な技術、アルゴリズム、及び／又はメカニズムを用いて、対称形式の二次形式の行列を生成することができることを理解されたい。例えば、一実施形態において、コンピューティングデバイス１００は、ブロック４０６において、行列Ａの

をそれぞれ算出することができる。ここで、画像チャネルｉ及びｊについてＡ＝｛ｑ_ｉｊ｝である。そのような実施形態において、ｑ_ｉｊは、ｉ番目の行及びｊ番目の列に位置する行列Ａの成分を表し、ｆは、ｆのインデックスに対応する画像チャネルに関する応答ベクトルであり、Ｔは、転置演算子であり（すなわち、ｆ^Ｔは、ｆの転置であり）、Ｂは、１以上の画像フィルタに基づく予め定められた行列である。例えば、ヘッセ行列に関して上述した実施形態において、行列Ｂは、

として定められ得、演繹的に（a priori）既知である。別の実施形態では、行列Ｂは、画像及び／又はフィルタパラメータに基づいて算出され得る。例示的な実施形態において、コンピューティングデバイス１００は、ブロック４０８において、３チャネル画像（例えば、ＲＧＢ画像）について、行列Ａを、

として算出する。もちろん、他の実施形態では、解析される画像は、より少ない又はより多い数のチャネルを含んでもよく、そのような実施形態においては、行列Ａは、それに応じたサイズとなる（例えば、解析される画像が４つのチャネルを含む実施形態では４×４行列、等）。すなわち、行列Ａは、ｎ×ｎ行列として具現化され、ここで、ｎは、画像チャネルの数である。

ブロック４１０において、コンピューティングデバイス１００は、行列Ａの固有値を求める。コンピューティングデバイス１００は、そうするために、任意の適切な技術、アルゴリズム、又はメカニズムを使用することができることを理解されたい。例えば、コンピューティングデバイス１００は、行列Ａの固有値を特定する際に、行列Ａの特性方程式を求めて使用することができる。ブロック４１２において、コンピューティングデバイス１００は、行列Ａの極固有値（extreme eigenvalue）（すなわち、特定の実施形態に応じて最大固有値又は最小固有値）に対応する固有ベクトルを特定し、ブロック４１４において、コンピューティングデバイス１００は、特定された固有ベクトルを、局所識別色ベクトルとして選択する。そうする際、いくつかの実施形態において、コンピューティングデバイス１００は、ブロック４１６において、特定された固有ベクトルの単位ベクトルを生成することができる。すなわち、コンピューティングデバイス１００は、固有ベクトルを正規化して、固有ベクトルに対応する単位ベクトルを生成することができ、この単位ベクトルを、局所識別色ベクトルとして選択することができる。

図３に戻り、ブロック３１２において、コンピューティングデバイス１００は、画像フィルタ応答を、生成された／求められた局所識別色ベクトルに適用して、対応する適応応答を生成する。そうする際、ブロック３１４において、コンピューティングデバイス１００は、（例えば、１つのベクトルを生成するために）画像フィルタ応答と局所識別色ベクトルとの内積を計算する。例えば、説明したヘッセの例において、局所識別色ベクトルと二次偏微分係数を含むベクトルとの内積が、画像の全てのチャネルについて計算され、これは、このベクトルの転置が局所識別色ベクトルと乗算されることと等価である。詳細には、［ｇ_ｘｘ ｇ_ｘｙ ｇ_ｙｙ］^Ｔが、画像の全てのチャネルについて、局所識別色ベクトルと乗算される。ブロック３１６において、コンピューティングデバイス１００は、適応応答に基づいて総応答を生成する。例示的な実施形態において、コンピューティングデバイス１００は、使用される特定の特徴検出アルゴリズム／フィルタ及び適応応答に基づくスカラ値を生成する。例えば、ヘッセ行列が使用される実施形態において、コンピューティングデバイス１００は、ヘッセ行列の特性及び／又はパラメータを使用して、（例えば、ヘッセ行列式を用いて）総応答を生成することができる。コンピューティングデバイス１００は、そうするために、任意の適切な技術、アルゴリズム、及び／又はメカニズムを利用することができることを理解されたい。

ブロック３１８において、コンピューティングデバイス１００は、拡張空間における、総応答の空間非極応答を抑制する。すなわち、ブロック３２０において、コンピューティングデバイス１００は、総応答から非関心点を除去することができる。上述したように、関心点及び非関心点は、予め定められた閾値に基づいて識別することができる。例えば、一実施形態において、予め定められた閾値を超える強度値又は局所極応答を有する、総応答の空間画像点は、「関心点」であるとみなされるのに対し、予め定められた閾値を超えない強度値又は局所極応答を有する、総応答の空間画像点は、非関心点である。コンピューティングデバイス１００は、二次形式の応答関数を有する任意の特徴検出アルゴリズム（例えば、ＳＵＲＦ）を利用して、適切に「関心点」を識別することができることを理解されたい。上記で示唆したように、特定のアルゴリズムに応じて、関心点は、コーナー、エッジ、ブロブ、及び／又は他の画像特性を含み得る。さらに、いくつかの実施形態において、ブロック３１６における総応答の生成は、空間非極応答の抑制を含む。

上述したように、コンピューティングデバイス１００は、ユーザが閲覧するために、解析されたマルチチャネル画像の総応答を示す画像を生成して表示することができる。例えば、単純化された解析される画像５００が、図５に示されており、単純化された例示的な出力画像６００（これは、画像５００の（ＳＵＲＦ内部カーネルによる）マルチチャネル特徴検出に基づいて例示的に生成されたものである）が、図６に示されている。単純化された出力画像６００において、識別された関心点／特徴が、対応する異なる色の円を示すように、斜線付きの円として異なって示されている。もちろん、画像６００は、本明細書に記載の技術を用いて生成されるであろう実際の出力画像の単純化されたバージョンであり、そのような実際の出力画像は、例えば、オリジナルの解析される画像に応じてより広範の異なる色及びサイズを有するより多い又はより少ない数の円を用いて、関心点／特徴を識別することができることを理解されたい。さらに、本明細書に記載のように出力画像を生成するためにコンピューティングデバイス１００により解析される画像に対して実行される特徴検出は、シングルチャネルグレースケール特徴検出とは異なり、グレースケール変換に固有の情報損失を被らないことを理解されたい。

例
本明細書で開示した技術の例示的な例が以下に提供される。本技術の実施形態は、以下に記載の例の任意の１以上及び任意の組合せを含み得る。

例１は、マルチチャネル特徴検出のためのコンピューティングデバイスであって、１以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答を決定する画像フィルタリングモジュールと、前記フィルタ応答に基づいて局所識別色ベクトルを求める局所識別色モジュールと、（ｉ）前記フィルタ応答を前記局所識別色ベクトルに適用して、適応応答を生成し、（ｉｉ）前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定する応答決定モジュールと、を備えたコンピューティングデバイスを含む。

例２は、例１の主題を含み、前記１以上の画像フィルタは、識別フィルタを含む。

例３は、例１及び２のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、各画像チャネルの前記フィルタ応答に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求めることを含む。

例４は、例１〜３のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記マルチチャネル画像について対称形式の行列を求めることと、前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含む。

例５は、例１〜４のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記マルチチャネル画像について対称形式の二次形式の行列を求めることと、前記二次形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含む。

例６は、例１〜５のうちのいずれかの主題を含み、前記二次形式の行列を求めることは、画像チャネルｉ及びｊについて行列Ａ＝｛ｑ_ｉｊ｝を算出することを含み、ここで、

であり、ｑ_ｉｊは、ｉ番目の行及びｊ番目の列における行列Ａの成分であり、ｆは、画像チャネルのフィルタ応答に基づく、ｆのインデックスに対応する該画像チャネルに関する応答ベクトルであり、Ｔは、転置演算子であり、Ｂは、前記１以上の画像フィルタに基づく予め定められた行列である。

例７は、例１〜６のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成することを含む。

例８は、例１〜７のうちのいずれかの主題を含み、前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、マルチチャネル画像の各画素について、該マルチチャネル画像の各画像チャネルのフィルタ応答を決定することを含む。

例９は、例１〜８のうちのいずれかの主題を含み、前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、各画像チャネルの前記フィルタ応答に基づいて、各画像チャネルについて応答ベクトルを生成することを含む。

例１０は、例１〜９のうちのいずれかの主題を含み、前記フィルタ応答を前記局所識別色ベクトルに適用することは、前記局所識別色ベクトルと前記フィルタ応答との内積を計算することを含む。

例１１は、例１〜１０のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記フィルタ応答に基づいて、正規化された局所識別色ベクトルを求めることを含む。

例１２は、例１〜１１のうちのいずれかの主題を含み、前記応答決定モジュールは、さらに、前記マルチチャネル画像の前記総応答の空間非極応答を抑制する。

例１３は、例１〜１２のうちのいずれかの主題を含み、前記空間非極応答を抑制することは、前記マルチチャネル画像の前記総応答から非関心点を除去することを含み、前記非関心点は、予め定められた閾値に基づいて識別される。

例１４は、例１〜１３のうちのいずれかの主題を含み、前記コンピューティングデバイスのディスプレイ上に、前記総応答を示す画像を表示する表示モジュールをさらに備える。

例１５は、例１〜１４のうちのいずれかの主題を含み、前記コンピューティングデバイスのカメラによりキャプチャ画像をキャプチャする画像キャプチャモジュールをさらに備え、前記マルチチャネル画像は、前記キャプチャ画像である。

例１６は、例１〜１５のうちのいずれかの主題を含み、前記１以上の画像フィルタは、一次微分画像フィルタ及び二次微分画像フィルタのうちの１以上を含む。

例１７は、コンピューティングデバイス上でマルチチャネル特徴検出を実行するための方法であって、前記コンピューティングデバイスにより、１以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答を決定するステップと、前記コンピューティングデバイスにより、前記フィルタ応答に基づいて局所識別色ベクトルを求めるステップと、前記コンピューティングデバイスにより、前記フィルタ応答を前記局所識別色ベクトルに適用して、適応応答を生成するステップと、前記コンピューティングデバイスにより、前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定するステップと、を含む方法を含む。

例１８は、例１７の主題を含み、前記１以上の画像フィルタは、識別フィルタを含む。

例１９は、例１７及び１８のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、各画像チャネルの前記フィルタ応答に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求めることを含む。

例２０は、例１７〜１９のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記マルチチャネル画像について対称形式の行列を求めることと、前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含む。

例２１は、例１７〜２０のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記マルチチャネル画像について対称形式の二次形式の行列を求めることと、前記二次形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含む。

例２２は、例１７〜２１のうちのいずれかの主題を含み、前記二次形式の行列を求めることは、画像チャネルｉ及びｊについて行列Ａ＝｛ｑ_ｉｊ｝を算出することを含み、ここで、

であり、ｑ_ｉｊは、ｉ番目の行及びｊ番目の列における行列Ａの成分であり、ｆは、画像チャネルのフィルタ応答に基づく、ｆのインデックスに対応する該画像チャネルに関する応答ベクトルであり、Ｔは、転置演算子であり、Ｂは、前記１以上の画像フィルタに基づく予め定められた行列である。

例２３は、例１７〜２２のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成することを含む。

例２４は、例１７〜２３のうちのいずれかの主題を含み、前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、マルチチャネル画像の各画素について、該マルチチャネル画像の各画像チャネルのフィルタ応答を決定することを含む。

例２５は、例１７〜２４のうちのいずれかの主題を含み、前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、各画像チャネルの前記フィルタ応答に基づいて、各画像チャネルについて応答ベクトルを生成することを含む。

例２６は、例１７〜２５のうちのいずれかの主題を含み、前記フィルタ応答を前記局所識別色ベクトルに適用することは、前記局所識別色ベクトルと前記フィルタ応答との内積を計算することを含む。

例２７は、例１７〜２６のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記フィルタ応答に基づいて、正規化された局所識別色ベクトルを求めることを含む。

例２８は、例１７〜２７のうちのいずれかの主題を含み、前記コンピューティングデバイスにより、前記マルチチャネル画像の前記総応答の空間非極応答を抑制するステップをさらに含む。

例２９は、例１７〜２８のうちのいずれかの主題を含み、前記空間非極応答を抑制することは、前記マルチチャネル画像の前記総応答から非関心点を除去することを含み、前記非関心点は、予め定められた閾値に基づいて識別される。

例３０は、例１７〜２９のうちのいずれかの主題を含み、前記コンピューティングデバイスのディスプレイ上に、前記総応答を示す画像を表示するステップをさらに含む。

例３１は、例１７〜３０のうちのいずれかの主題を含み、前記コンピューティングデバイスのカメラにより、キャプチャ画像をキャプチャするステップをさらに含み、前記マルチチャネル画像は、前記キャプチャ画像である。

例３２は、例１７〜３１のうちのいずれかの主題を含み、前記１以上の画像フィルタは、一次微分画像フィルタ及び二次微分画像フィルタのうちの１以上を含む。

例３３は、コンピューティングデバイスであって、プロセッサと、複数の命令を記憶したメモリであって、前記複数の命令は、前記プロセッサにより実行されたときに、前記コンピューティングデバイスに、例１７〜３２のうちのいずれかの方法を実行させる、メモリと、を備えたコンピューティングデバイスを含む。

例３４は、複数の命令を記憶した１以上のマシン読み取り可能な記憶媒体であって、前記複数の命令が実行されたことに応じて、前記複数の命令は、コンピューティングデバイスに、例１７〜３２のうちのいずれかの方法を実行させる、１以上のマシン読み取り可能な記憶媒体を含む。

例３５は、マルチチャネル特徴検出のためのコンピューティングデバイスであって、１以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答を決定する手段と、前記フィルタ応答に基づいて局所識別色ベクトルを求める手段と、前記フィルタ応答を前記局所識別色ベクトルに適用して、適応応答を生成する手段と、前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定する手段と、を備えたコンピューティングデバイスを含む。

例３６は、例３５の主題を含み、前記１以上の画像フィルタは、識別フィルタを含む。

例３７は、例３５及び３６のうちのいずれかの主題を含み、前記局所識別色ベクトルを求める前記手段は、各画像チャネルの前記フィルタ応答に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求める手段を含む。

例３８は、例３５〜３７のうちのいずれかの主題を含み、前記局所識別色ベクトルを求める前記手段は、前記マルチチャネル画像について対称形式の行列を求める手段と、前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定する手段と、を含む。

例３９は、例３５〜３８のうちのいずれかの主題を含み、前記局所識別色ベクトルを求める前記手段は、前記マルチチャネル画像について対称形式の二次形式の行列を求める手段と、前記二次形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定する手段と、を含む。

例４０は、例３５〜３９のうちのいずれかの主題を含み、前記二次形式の行列を求める前記手段は、画像チャネルｉ及びｊについて行列Ａ＝｛ｑ_ｉｊ｝を算出することを含み、ここで、

であり、ｑ_ｉｊは、ｉ番目の行及びｊ番目の列における行列Ａの成分であり、ｆは、画像チャネルのフィルタ応答に基づく、ｆのインデックスに対応する該画像チャネルに関する応答ベクトルであり、Ｔは、転置演算子であり、Ｂは、前記１以上の画像フィルタに基づく予め定められた行列である。

例４１は、例３５〜４０のうちのいずれかの主題を含み、前記局所識別色ベクトルを求める前記手段は、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成する手段を含む。

例４２は、例３５〜４１のうちのいずれかの主題を含み、前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定する前記手段は、マルチチャネル画像の各画素について、該マルチチャネル画像の各画像チャネルのフィルタ応答を決定する手段を含む。

例４３は、例３５〜４２のうちのいずれかの主題を含み、前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定する前記手段は、各画像チャネルの前記フィルタ応答に基づいて、各画像チャネルについて応答ベクトルを生成する手段を含む。

例４４は、例３５〜４３のうちのいずれかの主題を含み、前記フィルタ応答を前記局所識別色ベクトルに適用して、適応応答を生成する前記手段は、前記局所識別色ベクトルと前記フィルタ応答との内積を計算する手段を含む。

例４５は、例３５〜４４のうちのいずれかの主題を含み、前記局所識別色ベクトルを求める前記手段は、前記フィルタ応答に基づいて、正規化された局所識別色ベクトルを求める手段を含む。

例４６は、例３５〜４５のうちのいずれかの主題を含み、前記マルチチャネル画像の前記総応答の空間非極応答を抑制する手段をさらに備える。

例４７は、例３５〜４６のうちのいずれかの主題を含み、前記空間非極応答を抑制する前記手段は、前記マルチチャネル画像の前記総応答から非関心点を除去する手段を含み、前記非関心点は、予め定められた閾値に基づいて識別される。

例４８は、例３５〜４７のうちのいずれかの主題を含み、前記コンピューティングデバイスのディスプレイ上に、前記総応答を示す画像を表示する手段をさらに備える。

例４９は、例３５〜４８のうちのいずれかの主題を含み、前記コンピューティングデバイスのカメラによりキャプチャ画像をキャプチャする手段をさらに備え、前記マルチチャネル画像は、前記キャプチャ画像である。

例５０は、例３５〜４９のうちのいずれかの主題を含み、前記１以上の画像フィルタは、一次微分画像フィルタ及び二次微分画像フィルタのうちの１以上を含む。

例５１は、マルチチャネル特徴検出のためのコンピューティングデバイスであって、マルチチャネル画像の各画像チャネルの画素値に基づいて局所識別色ベクトルを求める局所識別色モジュールと、（ｉ）各画像チャネルの前記画素値を前記局所識別色ベクトルに適用して、適応応答を生成し、（ｉｉ）前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定する応答決定モジュールと、を備えたコンピューティングデバイスを含む。

例５２は、例５１の主題を含み、前記局所識別色ベクトルを求めることは、各画像チャネルの前記画素値に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求めることを含む。

例５３は、例５１及び５２のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記マルチチャネル画像について対称形式の行列を求めることと、前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含む。

例５４は、例５１〜５３のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成することを含む。

例５５は、例５１〜５４のうちのいずれかの主題を含み、前記応答決定モジュールは、さらに、前記マルチチャネル画像の前記総応答の空間非極応答を抑制する。

例５６は、コンピューティングデバイス上でマルチチャネル特徴検出を実行するための方法であって、前記コンピューティングデバイスにより、マルチチャネル画像の各画像チャネルの画素値に基づいて局所識別色ベクトルを求めるステップと、前記コンピューティングデバイスにより、各画像チャネルの前記画素値を前記局所識別色ベクトルに適用して、適応応答を生成するステップと、前記コンピューティングデバイスにより、前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定するステップと、を含む方法を含む。

例５７は、例５６の主題を含み、前記局所識別色ベクトルを求めることは、各画像チャネルの前記画素値に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求めることを含む。

例５８は、例５６及び５７のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記マルチチャネル画像について対称形式の行列を求めることと、前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含む。

例５９は、例５６〜５８のうちのいずれかの主題を含み、前記局所識別色ベクトルを求めることは、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成することを含む。

例６０は、例５６〜５９のうちのいずれかの主題を含み、前記コンピューティングデバイスにより、前記マルチチャネル画像の前記総応答の空間非極応答を抑制するステップをさらに含む。

例６１は、コンピューティングデバイスであって、プロセッサと、複数の命令を記憶したメモリであって、前記複数の命令は、前記プロセッサにより実行されたときに、前記コンピューティングデバイスに、例５６〜６０のうちのいずれかの方法を実行させる、メモリと、を備えたコンピューティングデバイスを含む。

例６２は、複数の命令を記憶した１以上のマシン読み取り可能な記憶媒体であって、前記複数の命令が実行されたことに応じて、前記複数の命令は、コンピューティングデバイスに、例５６〜６０のうちのいずれかの方法を実行させる、１以上のマシン読み取り可能な記憶媒体を含む。

例６３は、マルチチャネル特徴検出のためのコンピューティングデバイスであって、例５６〜６０のうちのいずれかの方法を実行する手段を備えたコンピューティングデバイスを含む。

Claims (26)

1. マルチチャネル特徴検出のためのコンピューティングデバイスであって、
   １以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答を決定する画像フィルタリングモジュールと、
   前記フィルタ応答に基づいて局所識別色ベクトルを求める局所識別色モジュールと、
   （ｉ）前記フィルタ応答を前記局所識別色ベクトルに適用して、適応応答を生成し、（ｉｉ）前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定する応答決定モジュールと、
   を備えたコンピューティングデバイス。
2. 前記局所識別色ベクトルを求めることは、各画像チャネルの前記フィルタ応答に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求めることを含む、請求項１記載のコンピューティングデバイス。
3. 前記局所識別色ベクトルを求めることは、
   前記マルチチャネル画像について対称形式の二次形式の行列を求めることと、
   前記二次形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、
   を含む、請求項１記載のコンピューティングデバイス。
4. 前記二次形式の行列を求めることは、画像チャネルｉ及びｊについて行列Ａ＝｛ｑ_ｉｊ｝を算出することを含み、ここで、
   

   

   であり、ｑ_ｉｊは、ｉ番目の行及びｊ番目の列における行列Ａの成分であり、ｆは、画像チャネルのフィルタ応答に基づく、ｆのインデックスに対応する該画像チャネルに関する応答ベクトルであり、Ｔは、転置演算子であり、Ｂは、前記１以上の画像フィルタに基づく予め定められた行列である、請求項３記載のコンピューティングデバイス。
5. 前記局所識別色ベクトルを求めることは、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成することを含む、請求項３記載のコンピューティングデバイス。
6. 前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、マルチチャネル画像の各画素について、該マルチチャネル画像の各画像チャネルのフィルタ応答を決定することを含む、請求項１記載のコンピューティングデバイス。
7. 前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、各画像チャネルの前記フィルタ応答に基づいて、各画像チャネルについて応答ベクトルを生成することを含む、請求項１記載のコンピューティングデバイス。
8. 前記フィルタ応答を前記局所識別色ベクトルに適用することは、前記局所識別色ベクトルと前記フィルタ応答との内積を計算することを含む、請求項７記載のコンピューティングデバイス。
9. 前記局所識別色ベクトルを求めることは、前記フィルタ応答に基づいて、正規化された局所識別色ベクトルを求めることを含む、請求項１記載のコンピューティングデバイス。
10. 前記応答決定モジュールは、さらに、前記マルチチャネル画像の前記総応答の空間非極応答を抑制する、請求項１記載のコンピューティングデバイス。
11. 前記空間非極応答を抑制することは、前記マルチチャネル画像の前記総応答から非関心点を除去することを含み、前記非関心点は、予め定められた閾値に基づいて識別される、請求項１０記載のコンピューティングデバイス。
12. 前記コンピューティングデバイスのディスプレイ上に、前記総応答を示す画像を表示する表示モジュール
    をさらに備えた、請求項１乃至１１いずれか一項記載のコンピューティングデバイス。
13. 前記１以上の画像フィルタは、一次微分画像フィルタ及び二次微分画像フィルタのうちの１以上を含む、請求項１乃至１１いずれか一項記載のコンピューティングデバイス。
14. コンピューティングデバイス上でマルチチャネル特徴検出を実行するための方法であって、
    前記コンピューティングデバイスにより、１以上の画像フィルタに関する、マルチチャネル画像の各画像チャネルのフィルタ応答を決定するステップと、
    前記コンピューティングデバイスにより、前記フィルタ応答に基づいて局所識別色ベクトルを求めるステップと、
    前記コンピューティングデバイスにより、前記フィルタ応答を前記局所識別色ベクトルに適用して、適応応答を生成するステップと、
    前記コンピューティングデバイスにより、前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定するステップと、
    を含む方法。
15. 前記局所識別色ベクトルを求めることは、各画像チャネルの前記フィルタ応答に基づいて各画像チャネルについて決定された総応答のベクトルと共線であるベクトルを求めることを含む、請求項１４記載の方法。
16. 前記局所識別色ベクトルを求めることは、
    前記マルチチャネル画像について対称形式の行列を求めることと、
    前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、
    を含む、請求項１４記載の方法。
17. 前記局所識別色ベクトルを求めることは、
    前記マルチチャネル画像について対称形式の二次形式の行列を求めることと、
    前記二次形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、
    を含む、請求項１４記載の方法。
18. 前記二次形式の行列を求めることは、画像チャネルｉ及びｊについて行列Ａ＝｛ｑ_ｉｊ｝を算出することを含み、ここで、
    

    

    であり、ｑ_ｉｊは、ｉ番目の行及びｊ番目の列における行列Ａの成分であり、ｆは、画像チャネルのフィルタ応答に基づく、ｆのインデックスに対応する該画像チャネルに関する応答ベクトルであり、Ｔは、転置演算子であり、Ｂは、前記１以上の画像フィルタに基づく予め定められた行列である、請求項１７記載の方法。
19. 前記局所識別色ベクトルを求めることは、前記の特定された固有ベクトルを正規化して、前記局所識別色ベクトルを生成することを含む、請求項１７記載の方法。
20. 前記マルチチャネル画像の各画像チャネルの前記フィルタ応答を決定することは、マルチチャネル画像の各画素について、該マルチチャネル画像の各画像チャネルのフィルタ応答を決定することを含む、請求項１４記載の方法。
21. 前記フィルタ応答を前記局所識別色ベクトルに適用することは、前記局所識別色ベクトルと前記フィルタ応答との内積を計算することを含む、請求項１４記載の方法。
22. 前記コンピューティングデバイスにより、前記マルチチャネル画像の前記総応答の空間非極応答を抑制するステップ
    をさらに含む、請求項１４記載の方法。
23. コンピューティングデバイスに請求項１４乃至２２いずれか一項記載の方法を実行させるプログラム。
24. マルチチャネル特徴検出のためのコンピューティングデバイスであって、
    マルチチャネル画像の各画像チャネルの画素値に基づいて局所識別色ベクトルを求める局所識別色モジュールと、
    （ｉ）各画像チャネルの前記画素値を前記局所識別色ベクトルに適用して、適応応答を生成し、（ｉｉ）前記適応応答に基づいて、前記マルチチャネル画像の総応答を決定する応答決定モジュールと、
    を備えたコンピューティングデバイス。
25. 前記局所識別色ベクトルを求めることは、（ｉ）前記マルチチャネル画像について対称形式の行列を求めることと、（ｉｉ）前記対称形式の行列の最小固有値又は最大固有値に対応する固有ベクトルを特定することと、を含み、
    前記応答決定モジュールは、さらに、前記マルチチャネル画像の前記総応答の空間非極応答を抑制する、請求項２４記載のコンピューティングデバイス。
26. 請求項２３記載のプログラムを記憶したマシン読み取り可能な記憶媒体。

Images