研究内容紹介

小谷研究室研究内容紹介

形状特徴SIMSに基づく３次元画像の角構造解析

北陸先端科学技術大学院大学情報科学研究科情報処理学専攻
像情報処理学講座　入山彰夫

■ 角の評価手法

角の評価を階層的に行うためには，階層的な特徴情報を得る必要がある．階層的な特徴情報には様々なものが挙げられるが，本研究では特にモルフォロジカルスケルトンに注目した．

モルフォロジカルスケルトンとは元画像に対して構造要素と呼ばれる別の画像を用意し，2つの画像の論理演算により得られる物体の骨格情報である．特に，円形(３次元では球形)の構造要素を用いた場合，スケルトンの各階層における分布は，円より広がった領域，即ち角らしさをあらわすパラメータとして評価可能である．

		⇒
元画像	構造要素		スケルトン
モルフォロジー演算によるスケルトン化

特徴情報の要件として，対象が同じ形であれば位置や位相によらず同じ特徴情報として表される事が望ましいが，こうした要件を満たす事はモルフォロジカルスケルトンを含め，従来の多重解像度表現手法では困難である．

このため本研究では多重解像度表現手法の一つであるモルフォロジカルスケルトンを基に，元形状の局所的位置・位相変化に対するロバスト性を考慮した新たな特徴情報としてSIMS (Structure Information based on Morphological Skeleton) を提案した．

■ スケルトンからSIMSへの変換

位置・位相変化に対するロバスト性を持たせるため，下図に示すような変換を行う．ある階層のスケルトンの中心点を求め，スケルトンの分布を中心点Ｏからの広がりｍとしてとらえ，広がり具合を極座標空間上にプロットする．この変換により，(x,y)空間上の画素集合として表されたスケルトンが，広がりｍとその位相θにより表される．


ある階層のスケルトン	SIMS

この変換により，元画像の位置変化に対して影響を受けず，また極座標空間上に表されるため位相変化に対してもロバストな性質が得られる．(詳細は発表論文等に譲る)

■ SIMSに基づく角評価の妥当性および分解能

SIMSに基づく角評価の妥当性及びSIMSによる角解析の分解能を調べ，形状の角を階層的に評価できる事を確認した．(詳細は発表論文等に譲る)