特征选择设备制造技术

特征选择设备包括：特征提取单元，其从多个原始图像的每一个以及从通过向多个原始图像应用转变过程而获得的多个经转变的图像的每一个中提取Ｍ个类型的特征；以及特征选择单元，其将原始图像和原始图像的经转变的图像作相同的图像来处理，并且将同一原始图像的经转变的图像作为相同的图像来处理，而将其他图像作为不同的图像来处理，以及使用作为区别不同图像的程度的区别能力以及作为特征值不因应用于图像的转变过程而改变的程度的鲁棒性作为估计标准，估计从各图像中提取的Ｍ个类型的特征，并且从Ｍ个类型的特征中选择Ｎ个类型的特征的集合作为用于区别图像的特征，Ｎ个类型在数目上小于Ｍ个类型的数目。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及用于选择特征的设备，并且具体地涉及用于选择适合于用于区别图像 (确定图像相同性)的图像签名的特征。
技术介绍
图像签名是用于区别图像(确定相同性)的图像特征。通过将提取自图像的图像签名与提取自另一图像的图像签名进行比较，可以根据比较结果来计算指示两个图像的相同程度的相同性比例(通常称为相似度或者距离)。另外，通过将计算的相同性比例与阈值进行比较，可以确定两个图像是否相同。在此上下文中，“两个图像相同”的意义不仅包括两个图像在图像信号(构成图像的像素的像素值)的水平相同的情况，还包括一个图像是另一图像通过各种修改过程的复制图像的情况，修改过程诸如图像的压缩格式转换、图像的大小/纵横比转换、图像的色调调节、应用于图像的各种滤波过程(锐化、平滑等)、应用于图像的局部处理(字幕叠加、剪切等)以及图像的再捕获。通过使用图像签名，由于可以检测图像的副本或者运动图像(其是图像的集合)，例如，图像签名可应用于针对图像或者运动图像的非法拷贝检测系统。图像签名通常由特征的集合形成。假设包括在集合中的每个特征是一个维度，则图像签名是包括多个维度的特征矢量。特别地，量化指数(量化值)是离散值，其通常用作特征。图像签名的示例在非专利文献1、非专利文献2和专利文献1中进行了描述。在这些文献中描述的方法中，针对图像的多个局部区域来提取特征，量化所提取的特征以获得量化指数，并且针对各局部区域计算的量化指数构成充当图像签名的量化指数矢量。具体地，在非专利文献1和非专利文献2中，图像被分为块。每个块用作局部区域，并且提取特征(量化指数)。另外，在非专利文献1中，块内的亮度分布图被分为11种类型，并且被用作量化指数。在非专利文献2 (非专利文献2中描述为“局部边缘表示”的技术)中，量化从块中提取的、边缘点的重心位置以便用作量化指数。另一方面，如图5所示，专利文献1中描述的方法包括分别计算图像240中的预定位置处的32片矩形区域M4 (其中，图5示出了 16片矩形区域)的平均亮度值，并且计算矩形区域形成对(成对的矩形区域利用图5中的虚线彼此链接起来)之间的平均亮度值的差异，从而获得16个维度的差异矢量250。对于差异矢量250，借助于矢量变换来生成合成矢量，以及将通过量化合成矢量的各维度而得到的的16个维度的量化指数矢量用作图像签名。当设计此类由特征集合形成的图像签名时，选择要使用的特征(什么类型的参数用于特征提取)是重要的，因为其确定图像签名的性能(确定图像的相同性的精确度)。在由特征集合形成的图像签名中，图像签名的性能可以通过适当地选择特征而得到改善。因此，选择适于(优化)由特征集合形成的图像签名(的性能)的特征(也即，支持图像的相同性的高确定精确度的特征)是重要的。关于非专利文献1、非专利文献2和专利文献1中描述的图像签名，每个特征从针对每个特征(彼此不同)而确定的局部区域中提取。因此，在这些文献的示例中，图像签名的性能根据提取特征的局部区域(针对每个特征设置什么类型的局部区域)而确定。通常，当设计由特征集合形成的图像签名时，特征(用于提取特征的参数)的确定 (选择)通常根据经验知识或者反复试验来执行。例如，在非专利文献1和2中，针对特征中每一个的局部区域是由均勻地划分图像的块形成。例如，在非专利文献1中，图像均勻地划分为8*8 = 64个块，并且每个块被用作用于提取特征的局部区域。然而，通过此类经验知识或者反复试验难以优化图像签名的性能(确定图像的相同性的精确度)。同时，在图案识别领域中，使用自动选择特征来优化性能的技术(称为特征选择技术)。特别地，已知使用主成分分析(PCA)和线性判别分析(LDA)的方法。现有技术文献专利文献专利文献1 日本未审查专利公开号8-500471非专利文献非专利文献 1 :Kota Iwamoto,Eiji Kasutani,Akio Yamada, “ Image Signature Robust to Caption Superimposition for Video Sequence Identification ", Proceedings of International Conference on Image Processing (ICIP2006),2006非专利文献 2 :Arun Hampapur, Ruud Μ. Bolle, " Comparison of Distance Measures for Video Copy Detection" ,Proceedings of International Conference on Multimedia and Expo(ICME2001), p.946,200
技术实现思路
本专利技术要解决的问题当选择适于(优化)由特征集合形成的图像签名(的性能)时，也即，当选择支持图像的相同性的高确定精确度的特征时，必须满足两个要求，即区别能力和鲁棒性，其中区别能力是区别不同图像的程度，鲁棒性是特征值不因应用于图像的各种转变过程而改变的程度。然而，在上述特征选择技术中，由于特征不是在同时考虑区别能力(其是区别不同图像的程度)和鲁棒性(其是特征值不因应用于图像的各种转变过程而改变的程度)二者的情况下选择，所以该技术涉及无法优化图像签名的性能(无法优化图像的相同性的确定精确度)的问题。具体地，由于借助于主成分分析(PCA)的方法最大化了由特征的整体分布而保持的信息，所以没有考虑特征的鲁棒性(无法执行考虑特征鲁棒性的特征选择)。 另外，虽然借助于线性判别分析(LDA)的方法适于选择针对分类(用于分到为有限数目的类别)的特征，但是其不适于针对尚未定义类别的(图像)签名的特征选择(该方法并不考虑图像签名的区别能力和鲁棒性的特征选择)。鉴于上文所述，本专利技术的目的是提供能够解决难以优化图像签名的性能(图像的相同性的区别精确度)的特征选择设备。用于解决该问题的手段根据本专利技术的一个方面，一种特征选择设备包括特征提取单元，其从多个原始图像中的每一个以及通过对多个原始图像应用转变过程而获得的多个经转变的图像中的每一个中提取M个类型的特征；以及特征选择单元，其将原始图像和原始图像的经转变的图像作为相同的图像来处理，并且将同一原始图像的经转变的图像作为相同的图像的来处理，同时将其他图像作为不同的图像来处理，并且利用区别能力和鲁棒性作为估计标准，估计从相应图像中提取的M个类型的特征，并且从作为用于区别图像的特征的M个类型的特征中选择N个类型的特征的集合，该N个类型的数目小于M个类型的数目，其中区别能力是区别不同图像的程度，鲁棒性是特征值不因应用于图像的转变过程而改变的程度。专利技术效果由于本专利技术按照如上所述进行配置，所以本专利技术能够优化由用于区别图像的特征集合形成的图像签名的性能(图像的相同性的区别精确度)。附图说明图1是示出了本专利技术的第一实施方式的框图。图2是示出了提取多个形状的区域比较特征的方法的示意图。图3是示出了存储在特征存储单元中的示例性数据的示意图。图4是示出了本专利技术的第一实施方式中的示例性过程的流程图。图5是示出了专利文献1中描述的提取图像签名的方法的示意图。具体实施例方式接下来，将参考附图详细地描述本专利技术的实施方式。根据本实施方式的特征提取设备本文档来自技高网...

【技术保护点】
１．一种特征选择设备，包括：特征提取单元，其从多个原始图像的每一个以及从通过向所述多个原始图像应用转变过程而获得的多个经转变的图像的每一个中提取Ｍ个类型的特征；以及特征选择单元，其将原始图像和所述原始图像的经转变的图像作为相同的图像来处理，并且将同一原始图像的经转变的图像作为相同的图像来处理，而将其他图像作为不同的图像来处理，使用作为区别不同图像的程度的区别能力以及作为特征值不因应用于图像的转变过程而改变的程度的鲁棒性作为估计标准，估计从各图像中提取的所述Ｍ个类型的特征，并且从所述Ｍ个类型的特征中选择Ｎ个类型的特征的集合作为用于区别图像的特征，所述Ｎ个类型在数目上小于Ｍ个类型的数目。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：岩元浩太，
申请(专利权)人：日本电气株式会社，
类型：发明
国别省市：JP