圖像處理設(shè)備、圖像處理方法、以及程序的制作方法
【專利摘要】提供了一種圖像處理設(shè)備、圖像處理方法、以及程序，即使是當(dāng)圖像包含多個(gè)相同或相似的對象時(shí)，它們也能夠進(jìn)行準(zhǔn)確核對。本發(fā)明的圖像處理設(shè)備具有：第一特征量生成裝置，用于關(guān)于將從第一圖像檢測到的多個(gè)特征點(diǎn)來生成包括局部特征量的第一局部特征量組以及包括坐標(biāo)位置信息的第一坐標(biāo)位置信息組，這些局部特征量表示包含相應(yīng)特征點(diǎn)的多個(gè)局部區(qū)的特征量；區(qū)劃分裝置，用于基于第一坐標(biāo)位置信息組來聚集第一圖像的特征點(diǎn)；以及核對裝置，用于以集群為單位將第一局部特征量組與第二局部特征量組相核對，第二局部特征量組根據(jù)從第二圖像檢測到的特征點(diǎn)的局部特征量而被形成。
【專利說明】圖像處理設(shè)備、圖像處理方法、以及程序

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明的若干方面涉及一種圖像處理設(shè)備、圖像處理方法、以及程序。

【背景技術(shù)】
[0002] 存在有如下的常規(guī)技術(shù)，這些常規(guī)技術(shù)用于檢測圖像內(nèi)的多個(gè)特性點(diǎn)（特征點(diǎn)） 并且提取出每個(gè)特征點(diǎn)周圍的局部區(qū)內(nèi)的特征量（局部特征量），以便根據(jù)成像大小和角 度以及遮擋上的改變來強(qiáng)有力地識(shí)別該圖像（例如，圖片、建筑、打印品等）中的對象。例 如，專利文件1公開了一種使用SIFT(尺度不變特征變換）特征量的設(shè)備。
[0003] 使用SIFT特征量的設(shè)備首先從一個(gè)圖像（稱為第一圖像）檢測多個(gè)特征點(diǎn)，并且 從這些特征點(diǎn)中的每個(gè)特征點(diǎn)的坐標(biāo)位置、尺度（大?。⒁约敖嵌葋砩删植刻卣髁?。基 于包括這些許多所生成的局部特征量的局部特征量組，將關(guān)聯(lián)于該第一圖像的局部特征量 組與關(guān)聯(lián)于第二圖像的局部特征量組相核對，由此能夠識(shí)別這些圖像中的相同或相似的對 象。
[0004] 通過"相似"，其意味著這些對象是部分變化的，這些對象的僅某些部分被顯示，或 者這些對象由于在這些圖像中用于使這些對象成像的不同角度而看起來不同。
[0005] 專利文件1:美國專利號(hào)No. 6711293。
[0006]非專利文件 1 :Jianbo Shi、Malik J.，"Normalized Cuts and Image Segmentation，'， IEEE Transactions on Pattern Analysis and Machine Intelligence, 卷22,第8期，第888-905頁，2000年。
[0007]非專利文件2 :Stijn van Dongen，"Graph Clustering by Flow Simulation，'，PhD thesis, University of Utrech, 2000 年。
[0008]非專利文件3 :MacQueen J，"Some Methods for Classification and Analysis of Multivariate Observations，',Proc. 5th Berkley Symposium on Math. Stat. and Prob. 1, Univ. of California Press, Berkeley and Los Angeles,第 84-95 頁，1967 年。
[0009]非專利文件 4 :Linde Y.、Buzo A.、Gray R.，"An Algorithm for Vector Quantizer Design，', IEEE Transactions on Communications,卷 28,第 84-95 頁，1980 年。
[0010]非專利文件 5 :Yoshihisa Meki、Toshiki Kindo、Hiroaki Kurokawa、和 Iwao Sasase, "Competitive Models for Speculating Hierarchical Cluster Structures of Unknown Data through Unsupervised Clustering", IEICE D-II,卷 J81-D-II,第 9 期，第 2200-2210 頁，1998 年。


【發(fā)明內(nèi)容】

[0011] 例如，在一個(gè)圖像包含多個(gè)相同或相似對象的情況中，諸如當(dāng)多個(gè)相同的商品顯 示成一列時(shí)，上面所描述的技術(shù)生成多個(gè)相似的局部特征量。在這種情況中，識(shí)別個(gè)體對象 的系統(tǒng)變得惡化，因?yàn)殡y以正確地識(shí)別第一圖像中的個(gè)體對象，即使是在將具有多個(gè)相似 局部特征量的第一局部特征量組與第二局部特征量組相核對的時(shí)候。
[0012] 鑒于前述的問題而設(shè)計(jì)出本發(fā)明的若干方面，并且本發(fā)明的目的之一是提供一種 圖像處理設(shè)備、一種圖像處理方法、以及一種程序，它們即使是在圖像包含多個(gè)相同或相似 的對象時(shí)也能夠進(jìn)行準(zhǔn)確的核對。
[0013]根據(jù)本發(fā)明的圖像處理設(shè)備具有：第一特征量生成裝置，用于關(guān)于將從第一圖像 檢測到的多個(gè)特征點(diǎn)來生成包括局部特征量的第一局部特征量組以及包括坐標(biāo)位置信息 的第一坐標(biāo)位置信息組，這些局部特征量表示包含相應(yīng)特征點(diǎn)的多個(gè)局部區(qū)的特征量；區(qū) 劃分裝置，用于基于第一坐標(biāo)位置信息組來聚集第一圖像的特征點(diǎn)；以及核對裝置，用于以 集群為單位將第一局部特征量組與第二局部特征量組相核對，該第二局部特征量組根據(jù)從 第二圖像檢測到的特征點(diǎn)的局部特征量而被形成。
[0014]根據(jù)本發(fā)明的圖像處理方法具有步驟：關(guān)于將從第一圖像檢測到的多個(gè)特征點(diǎn)來 生成包括局部特征量的第一局部特征量組以及包括坐標(biāo)位置信息的第一坐標(biāo)位置信息組， 這些局部特征量表示包含相應(yīng)特征點(diǎn)的多個(gè)局部區(qū)的特征量；基于第一坐標(biāo)位置信息組來 聚集第一圖像的特征點(diǎn)；以及以集群為單位將第一局部特征量組與第二局部特征量組相核 對，該第二局部特征量組根據(jù)從第二圖像檢測到的特征點(diǎn)的局部特征量而被形成。
[0015]根據(jù)本發(fā)明的程序促使圖像處理設(shè)備執(zhí)行步驟：關(guān)于將從第一圖像檢測到的多個(gè) 特征點(diǎn)來生成包括局部特征量的第一局部特征量組以及包括坐標(biāo)位置信息的第一坐標(biāo)位 置信息組，這些局部特征量表示包含相應(yīng)特征點(diǎn)的多個(gè)局部區(qū)的特征量；基于第一坐標(biāo)位 置信息組來聚集第一圖像的特征點(diǎn)；以及以集群為單位將第一局部特征量組與第二局部特 征量組相核對，該第二局部特征量組根據(jù)從第二圖像檢測到的特征點(diǎn)的局部特征量而被形 成。
[0016]注意，本發(fā)明中使用的諸如"單元/部分"、"裝置"和"設(shè)備"這樣的術(shù)語不僅簡單 地指代物理裝置，而是也意指這些"單元/部分"、"裝置"和"設(shè)備"的功能由軟件實(shí)現(xiàn)。另 夕卜，單個(gè)"單元/部分"、"裝置"和"設(shè)備"的功能可以由兩個(gè)或更多物理裝置或器件來實(shí)現(xiàn)， 并且兩個(gè)或更多"單元/部分"、"裝置"和"設(shè)備"的功能可以由單個(gè)物理裝置或器件來實(shí) 現(xiàn)。
[0017]本發(fā)明能夠提供一種圖像處理設(shè)備、一種圖像處理方法、以及一種程序，它們即使 是在圖像包含多個(gè)相同或相似的對象時(shí)也能夠進(jìn)行準(zhǔn)確的核對。

【專利附圖】

【附圖說明】
[0018] 圖1是示出了根據(jù)第一示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0019]圖2是示出了由根據(jù)第一示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0020] 圖3是示出了根據(jù)第二示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0021]圖4是示出了根據(jù)第二示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0022] 圖5是示出了由根據(jù)第二示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0023]圖6是示出了根據(jù)第三示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0024]圖7是示出了根據(jù)第三示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0025]圖8是示出了由根據(jù)第三示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0026] 圖9是示出了根據(jù)第四示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0027] 圖10是示出了根據(jù)第四示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0028] 圖11是示出了由根據(jù)第四示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0029] 圖12是示出了根據(jù)第五示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0030] 圖13是示出了根據(jù)第五示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0031] 圖14是示出了根據(jù)第五示例性實(shí)施例的相對坐標(biāo)位置表格的數(shù)據(jù)配置的具體示 例的示圖；
[0032] 圖15是示出了由根據(jù)第五示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0033] 圖16是示出了根據(jù)第六示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0034] 圖17是示出了根據(jù)第六示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0035] 圖18是示出了由根據(jù)第六示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0036] 圖19是示出了根據(jù)第七示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0037] 圖20是示出了根據(jù)第七示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0038] 圖21是示出了由根據(jù)第七示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；
[0039] 圖22是示出了根據(jù)第八示例性實(shí)施例的圖像處理設(shè)備的配置的示圖；
[0040] 圖23是示出了根據(jù)第八示例性實(shí)施例的區(qū)劃分單元的配置的示圖；
[0041] 圖24是示出了由根據(jù)第八示例性實(shí)施例的圖像處理設(shè)備執(zhí)行的過程的流程的流 程圖；

【具體實(shí)施方式】
[0042] 現(xiàn)在，在下面描述本發(fā)明的示例性實(shí)施例。在以下的描述以及對參考示圖的描述 中，相同或相似的配置分別被給予相同或相似的參考標(biāo)號(hào)。
[0043] (1?第一示例性實(shí)施例）
[0044] (1. 1功能配置）
[0045] 在后文中，參考圖1來描述根據(jù)這個(gè)示例性實(shí)施例的圖像處理設(shè)備10的功能配 置。圖1是示出了根據(jù)本實(shí)施例的圖像處理設(shè)備10的功能配置的功能框圖。注意，圖像處 理設(shè)備10的功能配置中的每個(gè)功能配置可以實(shí)現(xiàn)為一種程序，該程序不僅暫時(shí)存儲(chǔ)在存 儲(chǔ)器中而且運(yùn)行在CPU(中央處理單元）上。
[0046] 圖像處理設(shè)備10包括第一局部特征量生成單元101、第二局部特征量生成單元 103、區(qū)劃分單元105、以及核對單元107。在以下的描述中，第一圖像包含多個(gè)相同或相似 的對象，并且第二圖像包含僅一個(gè)對象。相同的情況應(yīng)用至第二實(shí)施例和后續(xù)的實(shí)施例。 [0047] 第一局部特征量生成單元101從第一圖像檢測多個(gè)特征點(diǎn)，并且向區(qū)劃分單元 105輸出包括這些許多特征點(diǎn)的坐標(biāo)位置的第一坐標(biāo)位置信息組。第一局部特征量生成單 元101還基于每個(gè)特征點(diǎn)的坐標(biāo)位置，向核對單元107輸出包括局部特征量的第一局部特 征量組，這些局部特征量對應(yīng)于包括這些特征點(diǎn)的周邊區(qū)（相鄰區(qū)）。
[0048] 采用與第一局部特征量生成單元101相同的方式，第二局部特征量生成單元103 檢測第二圖像中所包含的多個(gè)特征點(diǎn)，生成與每個(gè)特征點(diǎn)相對應(yīng)的局部特征量，并且向核 對單元107輸出包括這些許多局部特征量的第二局部特征量組。
[0049] 區(qū)劃分單元105通過使用由第一局部特征量生成單元101輸出的第一坐標(biāo)位置信 息組來聚集第一圖像的特征點(diǎn)，并且向核對單元107輸出集群信息組，該集群信息組包括 與具有一個(gè)或多個(gè)特征點(diǎn)的多個(gè)集群相關(guān)聯(lián)的多個(gè)集群信息片段。
[0050] 使用由第一局部特征量生成單元101輸出的第一局部特征量組、由第二局部特征 量生成單元103輸出的第二局部特征量組、以及由區(qū)劃分單元105輸出的集群信息組，核對 單元107以集群為單位將第一局部特征量組與第二局部特征量組相核對，由此確定特征點(diǎn) 之間的相同性或相似性。作為結(jié)果，核對單元107識(shí)別第一圖像和第二圖像中的相同或相 似的對象，并且輸出識(shí)別結(jié)果（核對結(jié)果）。對于被確定為相同或相似的特征點(diǎn)，核對單元 107可以基于與屬于對應(yīng)集群的特征點(diǎn)有關(guān)的坐標(biāo)位置信息，來輸出與第一圖像中的在其 中確定了相同性或相似性的區(qū)有關(guān)的信息。
[0051] 后文詳細(xì)地描述了圖像處理設(shè)備10的配置中的每個(gè)配置的操作。
[0052] (1. 2功能的細(xì)節(jié)）
[0053] (1. 2. 1生成特征量）
[0054] 如上面所描述的，第一局部特征量生成單元101從第一圖像檢測多個(gè)特征點(diǎn)，并 且向區(qū)劃分單元105輸出由這些許多所檢測的特征點(diǎn)的坐標(biāo)位置所配置的第一坐標(biāo)位置 信息組。第一局部特征量生成單元101還從所檢測的特征點(diǎn)中的每個(gè)特征點(diǎn)的坐標(biāo)位置來 生成局部特征量，并且向核對單元107輸出由這些所生成的局部特征量所配置的第一局部 特征量組。
[0055] 第一局部特征量生成單元101除了例如相應(yīng)特征點(diǎn)的坐標(biāo)位置之外，還可以通過 使用與這些區(qū)的尺度和角度有關(guān)的信息，來生成這些局部特征量。例如，這些局部特征量可 以是SIFT (尺度不變特征變換）特征量或其他局部特征量。
[0056] 采用與第一局部特征量生成單元101相同的方式，第二局部特征量生成單元103 生成與第二圖像中的特征點(diǎn)中的每個(gè)特征點(diǎn)相對應(yīng)的局部特征量，并且向核對單元107輸 出包括這些許多所生成的局部特征量的第二局部特征量組。各種各樣的方法能夠被考慮為 用于檢測特征點(diǎn)和生成局部特征量的方法。專利文件1中所描述的方法例如是示例之一。
[0057] 例如，第二圖像中的特征點(diǎn)中的每個(gè)特征點(diǎn)的局部特征量可以提前被生成并且存 儲(chǔ)在數(shù)據(jù)庫等中，從而不是第二局部特征量生成單元103而是該數(shù)據(jù)庫能夠輸出第二局部 特征量組。相同的情況應(yīng)用至第二示例性實(shí)施例和后續(xù)的示例性實(shí)施例。
[0058] (1. 2. 2劃分區(qū)）
[0059] 區(qū)劃分單元105通過使用由第一局部特征量生成單元101輸出的第一坐標(biāo)位置信 息組來聚集第一圖像的特征點(diǎn)，并且向核對單元107輸出集群信息組，該集群信息組包括 與由一個(gè)或多個(gè)特征點(diǎn)所配置的每個(gè)集群有關(guān)的集群信息。為了聚集特征點(diǎn)，一種方法能 夠被使用，其中例如它們的坐標(biāo)位置彼此最接近的特征點(diǎn)，即，彼此最接近的特征點(diǎn)，被整 理出來進(jìn)入相同的集群。這兩個(gè)特征點(diǎn)之間的距離可以是，例如，歐幾里得距離、馬氏距離、 或者街道距離（street distance)。
[0060] 用于聚集特征點(diǎn)的另一種可能方法能夠計(jì)算所有特征點(diǎn)之間的距離，并且通過圖 形切割來聚集所計(jì)算的距離。在這種情況中，例如，被當(dāng)作節(jié)點(diǎn)的特征點(diǎn)之間的距離被獲得 作為邊緣，這些邊緣然后形成圖形。這種圖形切割方法可以是，例如，歸一化的切割方法或 者馬爾科夫聚集算法。注意，非專利文件1中描述的方法能夠被使用作為歸一化的切割方 法。非專利文件2中描述的方法能夠被使用作為馬爾科夫聚集算法。此外，例如k-平均方 法、LBG方法、或者LBQ方法能夠用于聚集特征點(diǎn)。非專利文件3、非專利文件4、以及非專 利文件5中描述的具體方法能夠分別被使用作為k-平均方法、LBG方法、以及LBQ方法。 [0061] 用于聚集特征點(diǎn)的另一種可能方法可以是如下的方法，該方法用于計(jì)數(shù)某個(gè)大小 的分析區(qū)域中的每個(gè)分析區(qū)域內(nèi)的特征點(diǎn)的數(shù)量，并且當(dāng)與特征點(diǎn)的數(shù)量相對應(yīng)的結(jié)果計(jì) 數(shù)值等于或大于預(yù)定閾值時(shí)，將某個(gè)分析區(qū)域的特征點(diǎn)整理出來進(jìn)入相同的集群。
[0062] 當(dāng)生成分析區(qū)域時(shí)，例如，一種方法用于將第一圖像劃分為某個(gè)大小的網(wǎng)格并且 獲得這些網(wǎng)格作為分析區(qū)域。這些分析區(qū)域可以或者可以不，例如，相互交疊。另外，這些 分析區(qū)域的大小可以是，例如，固定的或者可變的。當(dāng)是可變的時(shí)，一種方法可以被使用，其 中在每個(gè)分析區(qū)域的中心與該圖像的中心之間的距離變得更短時(shí)，使得這些分析區(qū)域的大 小更小，并且在每個(gè)分析區(qū)域的中心與該圖像的中心之間的距離變得更長時(shí)，使得這些分 析區(qū)域的大小更大。
[0063] 為了整理出特征點(diǎn)，可以使用用于例如將具有等于或大于閾值的計(jì)數(shù)值的分析區(qū) 域的特征點(diǎn)整理出來進(jìn)入相同的集群的方法，或者用于將這個(gè)區(qū)域和周圍分析區(qū)域的特征 點(diǎn)整理出來進(jìn)入相同的集群的方法。在具有等于或大于閾值的計(jì)數(shù)值的分析區(qū)域相互相鄰 或交疊的情況中，可以使用例如將這些分析區(qū)域的特征點(diǎn)整理出來進(jìn)入相同的集群或者進(jìn) 入不同的集群的方法。
[0064] 如上面描述的將特征點(diǎn)聚集帶來了比非專利文件3至5中描述的方法中的任何方 法更快速的處理圖像的效果。
[0065] (1. 2. 3核對）
[0066] 使用由區(qū)劃分單元105輸出的集群信息組，核對單元107以集群為單位將第一局 部特征量組與第二局部特征量組相核對，并且確定特性量之間的相同性或相似性。圖像中 的對象之間的相同性或相似性能夠以這種方式而被識(shí)別。
[0067] 現(xiàn)在描述以集群為單位將第一局部特征量組與第二局部特征量組相核對的示例。 在屬于第一局部特征量組中以及第二局部特征量組中的目標(biāo)集群的局部特征量組中計(jì)算 局部特征量之間的距離，并且基于所計(jì)算的距離來計(jì)算第一圖像的特征點(diǎn)與第二圖像的特 征點(diǎn)（第一圖像的該特征點(diǎn)對應(yīng)于第二圖像的特征點(diǎn)）之間的相關(guān)性。在SIFT特征量的情 況中，例如，可以使用歐幾里得距離作為特征點(diǎn)之間的距離。此處，具有最低距離值的特征 點(diǎn)，例如，可以是對應(yīng)的特征點(diǎn)。也可能存在不具有相關(guān)性的特征點(diǎn)。例如，能夠使用最小距 離值與次最小距離值之間的比率作為用于評估的測量，來確定相關(guān)性的存在/不存在。例 如，當(dāng)對應(yīng)特征點(diǎn)的數(shù)量超過閾值時(shí)，可以使用如上面所描述的所獲得的相關(guān)性來確定目 標(biāo)集群與第二圖像之間的相同性（或相似性）。
[0068] 此外，可以借助于幾何調(diào)查使用所獲得的相關(guān)性來確定相同性或相似性。例如，假 設(shè)兩個(gè)圖像投影之間的幾何關(guān)系基于變換（單應(yīng)性），可以使用魯棒的估計(jì)技術(shù)來估計(jì)投 影變換參數(shù)，并且可以獲得關(guān)于估計(jì)參數(shù)而輸入的相關(guān)性的異常值（outlier)，以基于異常 值的數(shù)量來確定相同性或相似性。例如，RANSOC(隨機(jī)樣本一致性）或者最小二乘方法被 考慮為用于魯棒的估計(jì)技術(shù)。
[0069] (1. 3過程的流程）
[0070] 接下來參考圖2來描述由根據(jù)本實(shí)施例的圖像處理設(shè)備10執(zhí)行的過程的流程。圖 2是示出了由根據(jù)本實(shí)施例的圖像處理設(shè)備10執(zhí)行的過程的流程的流程圖。
[0071] 注意，不與過程的內(nèi)容相矛盾，能夠按照任何順序或者并行地執(zhí)行下面描述的步 驟，并且可以在這些步驟之間添加另外的步驟。另外，為了方便而被描述為配置單個(gè)步驟的 步驟可以采用多個(gè)步驟的形式來執(zhí)行，并且為了方便而被描述為包括多個(gè)步驟的步驟可以 采用單個(gè)步驟的形式來執(zhí)行。相同的情況應(yīng)用至第二實(shí)施例和后續(xù)的實(shí)施例。
[0072] 第一局部特征量生成單元101從第一圖像檢測多個(gè)特征點(diǎn)，并且第二局部特征量 生成單元103從第二圖像檢測多個(gè)特征點(diǎn)（S201)。接著，第一局部特征量生成單元101和 第二局部特征量生成單元103每個(gè)都從每個(gè)特征點(diǎn)的坐標(biāo)位置來生成局部特征量（如上面 所描述的，如果需要，可以使用尺度和角度）（S203)。區(qū)劃分單元105通過使用包括第一圖 像的特征點(diǎn)的坐標(biāo)位置的第一坐標(biāo)位置信息組，來聚集第一圖像的特征點(diǎn)（S205)。核對單 元107以第一局部特征量的集群為單位將第一局部特征量組與第二局部特征量組相核對， 由此識(shí)別圖像中的相同或相似的對象（S207)。
[0073] (1. 4本實(shí)施例的效果）
[0074] 如上面描述的，根據(jù)本實(shí)施例的圖像處理設(shè)備10基于從第一圖像檢測到的許多 特征點(diǎn)的坐標(biāo)位置來將它們聚集，并且以集群為單位將第一局部特征量組與第二局部特征 量組相核對。通過按照上面所描述的方式以集群為單位來核對局部特征量，能夠準(zhǔn)確地識(shí) 另IJ圖像中的多個(gè)相同或相似的對象。
[0075] (2第二示例性實(shí)施例）
[0076] 現(xiàn)在描述第二示例性實(shí)施例。在以下的描述中，與第一示例性實(shí)施例中所描述的 那些配置相同或相似的配置被標(biāo)記相同的參考標(biāo)號(hào)；因此，相應(yīng)地省略了對它們的描述。另 夕卜，經(jīng)常省略了與第一實(shí)施例中所描述的那些效果相同的本實(shí)施例的效果的描述。相同的 情況應(yīng)用至第三實(shí)施例和后續(xù)的實(shí)施例。
[0077] (2. 1功能配置）
[0078] 圖3是示出了根據(jù)第二實(shí)施例的圖像處理設(shè)備10的功能配置的示圖。如圖3中 所示出的，圖像處理設(shè)備10包括第一局部特征量生成單元101、第二局部特征量生成單元 103、區(qū)劃分單元105、以及核對單元107。第二局部特征量生成單元103和核對單元107的 操作與第一實(shí)施例中所描述的相同；因此，相應(yīng)地省略了對它們的描述。
[0079] 如在第一實(shí)施例中的，第一局部特征量生成單元101檢測第一圖像的多個(gè)特征點(diǎn) 并且向區(qū)劃分單兀105輸出第一坐標(biāo)位置信息組。如在第一實(shí)施例中的，第一局部特征量 生成單元101還生成包括第一圖像的相應(yīng)特征點(diǎn)的局部特征量的第一局部特征量組，并且 向區(qū)劃分單元105和核對單元107輸出這個(gè)第一局部特征量組。
[0080] 區(qū)劃分單元105通過使用由第一局部特征量生成單元101輸出的第一局部特征量 組和第一坐標(biāo)位置信息組來聚集第一圖像的特征點(diǎn)，并且向核對單元107輸出表示聚集結(jié) 果的集群信息組。
[0081] 圖4示出了根據(jù)本實(shí)施例的區(qū)劃分單元105的詳細(xì)功能配置。如圖4中所示出的， 區(qū)劃分單元105包括相似性計(jì)算單元401和特征點(diǎn)聚集單元403。
[0082] 相似性計(jì)算單元401計(jì)算由第一局部特征量生成單元101輸出的第一局部特征量 組中的任何兩個(gè)局部特征量之間的相似性的程度，并且向特征點(diǎn)聚集單元403輸出多個(gè)所 計(jì)算的相似性程度作為相似性信息組。用于計(jì)算局部特征量之間的相似性的可能方法可以 是如下的方法，該方法用于計(jì)算例如任何兩個(gè)局部特征量之間的特征點(diǎn)間距離（例如，歐 幾里得距離）并且基于該距離來計(jì)算其間的相似性的程度。在這個(gè)時(shí)刻，例如，當(dāng)該距離 值為小時(shí)，可以增加相似性的程度，并且當(dāng)該距離值為大時(shí)，可以減少相似性的程度。另一 種被考慮的方法是歸一化具有預(yù)定值的特征點(diǎn)間距離，并且從歸一化的值計(jì)算相似性的程 度。
[0083] 使用由第一局部特征量生成單元101輸出的第一坐標(biāo)位置信息組以及由相似性 計(jì)算單元401輸出的相似性信息組，特征點(diǎn)聚集單元403將第一圖像的特征點(diǎn)聚集并且向 核對單元107輸出表示聚集結(jié)果的集群信息組。在這樣做的過程中，特征點(diǎn)聚集單元403 可以按照如下的方式來聚集特征點(diǎn)：例如，具有大的相似性的程度（小的距離值）的局部特 征量被整理出來進(jìn)入不同的集群。用于將特征點(diǎn)聚集的可能方法能夠是如下的方法，該方 法用于例如計(jì)算第一圖像中的任何特征點(diǎn)與每個(gè)集群的重心之間的距離并且然后將特征 點(diǎn)整理出來進(jìn)入與最短距離相對應(yīng)的集群。在集群中的任何集群都具有擁有等于或大于閾 值的相似性程度的特征點(diǎn)的情況中，例如，遠(yuǎn)離該集群的重心的特征點(diǎn)可以被排除在該集 群之外并且被整理出來進(jìn)入另一個(gè)集群。此處，每個(gè)特征點(diǎn)與對應(yīng)集群的重心之間的距離 可以是，例如，歐幾里得距離、馬氏距離、或者街道距離。
[0084] 可以通過圖形切割來聚集特征點(diǎn)。例如，可以基于被當(dāng)作節(jié)點(diǎn)的特征點(diǎn)之間的距 離以及對應(yīng)的局部特征量之間的相似性的程度（例如，特征點(diǎn)之間的距離更短并且對應(yīng)的 局部特征量之間的相似性更大，兩個(gè)節(jié)點(diǎn)之間的邊緣值就更大）來計(jì)算邊緣值，并且可以 通過圖形切割來獲得這些邊緣值的圖形。圖形切割方法可以是，例如，歸一化的切割方法或 者馬爾科夫聚集算法。
[0085] (2. 2過程的流程）
[0086] 下文參考圖5來描述由根據(jù)本實(shí)施例的圖像處理設(shè)備10執(zhí)行的過程的流程。圖 5是示出了由圖像處理設(shè)備10執(zhí)行的過程的流程的流程圖。
[0087] 第一局部特征量生成單元101從第一圖像檢測多個(gè)特征點(diǎn)，并且第二局部特征量 生成單元103從第二圖像檢測多個(gè)特征點(diǎn)（S501)。接著，第一局部特征量生成單元101和 第二局部特征量生成單元103每個(gè)都基于特征點(diǎn)的坐標(biāo)位置來生成具有對應(yīng)特征點(diǎn)的特 征量的局部特征量組（第一局部特征量組和第二局部特征量組）（S503)。區(qū)劃分單元105 通過使用第一坐標(biāo)位置信息組和第一局部特征量組，來聚集第一圖像的特征點(diǎn)（S505)。核 對單元107通過以集群為單位將第一局部特征量組與第二局部特征量組相核對，來識(shí)別圖 像中的相同或相似的對象（S507)。
[0088] (2. 3本實(shí)施例的效果）
[0089] 在上面描述的本實(shí)施例中，從第一圖像檢測到的這些許多特征點(diǎn)基于它們的坐標(biāo) 位置和相似性而被聚集，并且第一局部特征量組與第二局部特征量組以集群為單位相互核 對，由此識(shí)別圖像中的相同或相似的對象。作為結(jié)果，能夠?qū)崿F(xiàn)與第一實(shí)施例的那些效果相 同的效果。
[0090] 此外，因?yàn)楸緦?shí)施例試圖將與相似的局部特征量相對應(yīng)的特征點(diǎn)聚集進(jìn)入不同的 集群，所以能夠比在第一實(shí)施例中更加準(zhǔn)確地識(shí)別對象，即使是在相同或相似的對象相互 鄰近地定位時(shí)。
[0091] (3第三示例性實(shí)施例）
[0092] (3. 1功能配置）
[0093] 現(xiàn)在參考圖6來描述根據(jù)第三示例性實(shí)施例的圖像處理設(shè)備10的功能配置。圖 6是示出了根據(jù)本實(shí)施例的圖像處理設(shè)備10的功能配置的示圖。
[0094] 如圖6中所示出的，圖像處理設(shè)備10包括第一局部特征量生成單元101、第二局 部特征量生成單元103、區(qū)劃分單元105、以及核對單元107。第一局部特征量生成單元101 的操作與第二示例性實(shí)施例中所描述的相同，并且核對單元107的操作與第一示例性實(shí)施 例中所描述的相同；因此，相應(yīng)地省略了對它們的描述。下面主要描述第二局部特征量生成 單元103和區(qū)劃分單元105的操作。
[0095] 按照與第一實(shí)施例中的相同方式，第二局部特征量生成單元103生成與第二圖像 的特征點(diǎn)相對應(yīng)的局部特征量，并且向區(qū)劃分單元105和核對單元107輸出第二局部特征 量組，即這些局部特征量的集合。使用由第一局部特征量生成單元101輸出的第一局部特 征量組和第一坐標(biāo)位置信息組以及由第二局部特征量生成單元103輸出的第二局部特征 量組，區(qū)劃分單元105將第一圖像的特征點(diǎn)聚集并且向核對單元107輸出表示聚集結(jié)果的 集群信息組。后文參考圖7來描述區(qū)劃分單元105的功能配置和操作。
[0096]圖7是示出了根據(jù)本實(shí)施例的區(qū)劃分單元105的配置的示圖。如圖7中所示出的， 區(qū)劃分單元105包括對應(yīng)點(diǎn)搜索單元405和特征點(diǎn)聚集單元403。
[0097] 使用由第一局部特征量生成單元101輸出的第一局部特征量組以及由第二局部 特征量生成單元103輸出的第二局部特征量組，對應(yīng)點(diǎn)搜索單元405生成對應(yīng)性信息，對應(yīng) 性信息是與第一局部特征量組的局部特征量中的與第二局部特征量組的局部特征量相匹 配的任何局部特征量有關(guān)的信息，即，與第一圖像的特征點(diǎn)中的與第二圖像的特征點(diǎn)相匹 配的任何特征點(diǎn)有關(guān)的信息。對應(yīng)點(diǎn)搜索單元405還向特征點(diǎn)聚集單元403輸出對應(yīng)性信 息的這些許多結(jié)果片段，作為對應(yīng)性信息組。
[0098] 與由第一實(shí)施例的核對單元107使用的技術(shù)相類似的技術(shù)，例如，能夠用于生成 對應(yīng)性信息。另外，第二圖像中的某個(gè)特征點(diǎn)可以對應(yīng)于第一圖像的多個(gè)特征點(diǎn)。第一圖 像中的特征點(diǎn)可以一對一地對應(yīng)于第二圖像的特征點(diǎn)。
[0099] 使用由第一局部特征量生成單元101輸出的坐標(biāo)位置信息組以及由對應(yīng)點(diǎn)搜索 單元405輸出的對應(yīng)性信息組，特征點(diǎn)聚集單元403從第一圖像的特征點(diǎn)之中選擇與第二 圖像的特征點(diǎn)具有相關(guān)性的特征點(diǎn)，并且基于第一圖像的這些所選擇的特征點(diǎn)的坐標(biāo)位置 來將它們聚集。特征點(diǎn)聚集單元403還向核對單元107輸出表示聚集結(jié)果的集群信息組。 例如，非專利文件3至5中的任一個(gè)中所描述的技術(shù)能夠被用來將這些特征點(diǎn)聚集。
[0100] 而且，在第二圖像的特征點(diǎn)對應(yīng)于第一圖像的多個(gè)特征點(diǎn)的情況中，特征點(diǎn)聚集 單元403可以將第一圖像的特征點(diǎn)聚集進(jìn)入不同的集群。在這樣做的過程中，特征點(diǎn)聚集 單元403可以通過圖形切割來聚集特征點(diǎn)。在這種情況中，當(dāng)?shù)诙D像的特征點(diǎn)對應(yīng)于第 一圖像的多個(gè)特征點(diǎn)時(shí)，以如下的方式來使用圖形切割，諸如生成如下的圖形：在該圖形中 被當(dāng)作節(jié)點(diǎn)的第一圖像的多個(gè)特征點(diǎn)之間的邊緣值變?yōu)樾?，并且劃分與小邊緣值相對應(yīng)的 節(jié)點(diǎn)。這種圖形切割方法可以是，例如，歸一化的切割方法或者馬爾科夫聚集算法。
[0101] 當(dāng)?shù)谝粓D像的任何兩個(gè)特征點(diǎn)之間的距離為短（例如，當(dāng)它們的距離值低于某個(gè) 閾值時(shí)）并且第二圖像的對應(yīng)于這些特征點(diǎn)的特征點(diǎn)間距離為長時(shí)（例如，當(dāng)它們的距離 值超過另一個(gè)閾值時(shí)），特征點(diǎn)聚集單元403可以將第一圖像的這兩個(gè)特征點(diǎn)整理出來進(jìn) 入不同的集群。因此，按照與先前所描述的相同方式，能夠使用用于通過圖形切割來將特征 點(diǎn)聚集的技術(shù)。
[0102] 如在第一實(shí)施例中，例如，特征點(diǎn)聚集單元403還可以使用如下的方法，該方法用 于計(jì)數(shù)某個(gè)大小的分析區(qū)域中的每個(gè)分析區(qū)域內(nèi)的特征點(diǎn)的數(shù)量，并且當(dāng)結(jié)果的計(jì)數(shù)值等 于或大于預(yù)定閾值時(shí)，將這些分析區(qū)域中的每個(gè)分析區(qū)域的特征點(diǎn)整理出來進(jìn)入相同的集 群。按照這種方式來聚集特征點(diǎn)帶來了比非專利文件3至5中所描述的技術(shù)更快速的處理 圖像的效果。
[0103] 另外，第三實(shí)施例能夠與第二實(shí)施例組合。
[0104] (3. 2過程的流程）
[0105] 后文參考圖8來描述由根據(jù)本實(shí)施例的圖像處理設(shè)備10執(zhí)行的過程的流程。圖 8是示出了由圖像處理設(shè)備10執(zhí)行的過程的流程的流程圖。
[0106] 第一局部特征量生成單元101從第一圖像檢測多個(gè)特征點(diǎn)。第二局部特征量生成 單元103從第二圖像檢測多個(gè)特征點(diǎn)（S801)。接著，第一局部特征量生成單元101和第二 局部特征量生成單元103每個(gè)都從每個(gè)特征點(diǎn)的坐標(biāo)位置來生成局部特征量（S803)。區(qū)劃 分單元105獲得第一局部特征量相關(guān)性，即這兩個(gè)圖像中的特征點(diǎn)之間的相關(guān)性（S805)。 使用第一坐標(biāo)位置信息組和對應(yīng)性信息組，區(qū)劃分單元105然后從第一圖像的特征點(diǎn)之中 選擇與第二圖像的特征點(diǎn)具有相關(guān)性的特征點(diǎn)，并且基于第一圖像的所選擇的特征點(diǎn)的坐 標(biāo)位置來將它們聚集（S807)。核對單元107以集群為單位將第一局部特征量組與第二局部 特征量組相核對，并且識(shí)別圖像中的相同或相似的對象（S809)。
[0107] (3. 3本實(shí)施例的效果）
[0108] 如上面所描述的，根據(jù)第三實(shí)施例的圖像處理設(shè)備10選擇出自從第一圖像檢測 到的許多特征點(diǎn)中的特征點(diǎn)，并且基于與第二圖像的特征點(diǎn)相匹配的這些特征點(diǎn)的坐標(biāo)位 置來將它們聚集。圖像處理設(shè)備10還以集群為單位將第一局部特征量組與第二局部特征 量組相核對，并且由此識(shí)別圖像中的相同或相似的對象。作為結(jié)果，能夠?qū)崿F(xiàn)與第一實(shí)施例 的那些效果相同的效果。
[0109] 因?yàn)樵谶@兩個(gè)圖像之間彼此對應(yīng)的特征點(diǎn)基于它們的坐標(biāo)位置而被聚集，所以第 一圖像中的多個(gè)相同或相似的對象能夠比第一實(shí)施例中更加準(zhǔn)確地被識(shí)別，即使是當(dāng)?shù)谝?圖像的多個(gè)特征點(diǎn)被檢測在這些對象之外時(shí)。
[0110] (4第四示例性實(shí)施例）
[0111] (4.1功能配置）
[0112] 現(xiàn)在參考圖9來描述根據(jù)第四示例性實(shí)施例的圖像處理設(shè)備10的功能配置。圖 9是示出了本實(shí)施例的圖像處理設(shè)備10的功能配置的示圖。
[0113] 圖像處理設(shè)備10包括第一局部特征量生成單元101、第二局部特征量生成單元 103、區(qū)劃分單元105、以及核對單元107。第一局部特征量生成單元101的操作與第二示 例性實(shí)施例中所描述的相同，并且核對單元107的操作與第一示例性實(shí)施例中所描述的相 同；因此，相應(yīng)地省略了對它們的描述。后文主要描述第二局部特征量生成單元103和區(qū)劃 分單元105的操作。
[0114] 按照與第一實(shí)施例中相同的方式，第二局部特征量生成單元103檢測第二圖像的 多個(gè)特征點(diǎn)，并且向區(qū)劃分單元105輸出第二坐標(biāo)位置信息組。按照與第一實(shí)施例中相同 的方式，第二局部特征量生成單元103還針對第二圖像的特征點(diǎn)中的每個(gè)特征點(diǎn)生成局部 特征量，并且向區(qū)劃分單兀105和核對單兀107輸出包括這些局部特征量的第二局部特征 量組。
[0115] 使用由第一局部特征量生成單元101輸出的第一局部特征量組和第一坐標(biāo)位置 信息組以及由第二局部特征量生成單元103輸出的第二局部特征量組和第二坐標(biāo)位置信 息組，區(qū)劃分單元105將第一圖像的特征點(diǎn)聚集并且向核對單元107輸出表示聚集結(jié)果的 集群信息組。后文參考圖10來描述區(qū)劃分單元105的配置和操作。
[0116] 圖10是示出了本實(shí)施例的區(qū)劃分單元105的配置的示圖。如圖10中所示出的， 區(qū)劃分單元105包括對應(yīng)點(diǎn)搜索單元405、比率計(jì)算單元407、以及特征點(diǎn)聚集單元403。
[0117] 按照與第三實(shí)施例中相同的方式，對應(yīng)點(diǎn)搜索單元405生成對應(yīng)性信息組，并且 向比率計(jì)算單元407和特征點(diǎn)聚集單元403輸出這個(gè)所生成的對應(yīng)性信息組。
[0118] 使用由第一局部特征量生成單元101輸出的第一局部特征量組、由第二局部特征 量生成單元103輸出的第二局部特征量組、以及由對應(yīng)點(diǎn)搜索單元405輸出的對應(yīng)性信息 組，比率計(jì)算單元407計(jì)算第一圖像的任何兩個(gè)特征點(diǎn)之間的距離（后文稱為"特征點(diǎn)間距 離"）與第二圖像中對應(yīng)于這些特征點(diǎn)的特征點(diǎn)間距離之間的比率，并且向特征點(diǎn)聚集單元 403輸出結(jié)果的許多比率作為比率信息組。例如，歐幾里得距離、馬氏距離、或者街道距離能 夠被使用作為特征點(diǎn)間距離。
[0119] 使用由第一局部特征量生成單元101輸出的第一坐標(biāo)位置信息組、由對應(yīng)點(diǎn)搜索 單元405輸出的對應(yīng)性信息組、以及由比率計(jì)算單元407輸出的比率信息組，特征點(diǎn)聚集單 元403將第一圖像的特征點(diǎn)聚集并且向核對單元107輸出表示聚集結(jié)果的聚集信息組。特 征點(diǎn)按照如下的方式被聚集：例如，在它們之間所計(jì)算的比率上的差異為小的特征點(diǎn)被整 理出來進(jìn)入相同的集群（在它們之間比率上的差異為大的特征點(diǎn)被整理出來進(jìn)入不同的 集群）。在這樣做的過程中，可以通過例如圖形切割來聚集特征點(diǎn)。更具體地，能夠生成一 個(gè)圖形，在該圖形中，被當(dāng)作節(jié)點(diǎn)的特征點(diǎn)之間的邊緣值基于特征點(diǎn)之間的距離以及其間 的比率上的差異而被增加，并且能夠?qū)@個(gè)圖形執(zhí)行圖形切割。該圖形切割方法可以是，例 如，歸一化的切割方法或者馬爾科夫聚集算法。
[0120] 使用坐標(biāo)位置信息組、對應(yīng)性信息組、以及比率信息組，特征點(diǎn)聚集單元403能夠 例如將第一圖像的特征點(diǎn)聚集如下。在這種情況中，通過使用與某個(gè)特征點(diǎn)和圍繞它的多 個(gè)特征點(diǎn)相對應(yīng)的比率信息組，來計(jì)算該特征點(diǎn)屬于某個(gè)集群的指配概率。在這種情況中， 特征點(diǎn)聚集單元403基于所計(jì)算的指配概率和該特征點(diǎn)的坐標(biāo)位置信息，來聚集特征點(diǎn)。 為了聚集特征點(diǎn)，一種方法用于，例如，基于對應(yīng)性信息組來選擇第一圖像的與第二圖像的 特征點(diǎn)中的任何特征點(diǎn)相對應(yīng)的特征點(diǎn)，基于坐標(biāo)位置信息和指配概率來計(jì)算該特征點(diǎn)與 每個(gè)集群的重心之間的距離，以及將該特征點(diǎn)整理出來到所計(jì)算的距離是最小的集群。
[0121] 以下公式例如能夠被用來計(jì)算某個(gè)特征點(diǎn)與每個(gè)集群的重心之間的距離。
[0122] [公式 1]
[0123] Gi= -log(Pi?fi?
[0124] 在公式1中，匕表示第一圖像的某個(gè)特征點(diǎn)與第i集群的重心之間的距離， Pi表 示第i集群的集群內(nèi)概率密度函數(shù)，fi表示第i集群的集群發(fā)生概率，以及Si表示第一圖 像的某個(gè)特征點(diǎn)屬于第i集群的指配概率。注意，通過以下的公式2來獲得概率密度分布 Pi °
[0125][公式 2]

【權(quán)利要求】
1. 一種圖像處理設(shè)備，包括： 第一特征量生成裝置，用于關(guān)于將從第一圖像檢測到的多個(gè)特征點(diǎn)來生成包括局部特 征量的第一局部特征量組以及包括坐標(biāo)位置信息的第一坐標(biāo)位置信息組，所述局部特征量 表示包含相應(yīng)特征點(diǎn)的多個(gè)局部區(qū)的特征量； 區(qū)劃分裝置，用于基于所述第一坐標(biāo)位置信息組來聚集所述第一圖像的所述特征點(diǎn)； 以及 核對裝置，用于以集群為單位將所述第一局部特征量組與第二局部特征量組相核對， 所述第二局部特征量組根據(jù)從第二圖像檢測到的特征點(diǎn)的局部特征量而被形成。
2. 根據(jù)權(quán)利要求1所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置根據(jù)特征點(diǎn)間距離來聚 集所述第一圖像的所述特征點(diǎn)。
3. 根據(jù)權(quán)利要求1或2所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置通過使用所述第一 局部特征量組的所述局部特征量之間的相似性的程度以及所述第一坐標(biāo)位置信息組，來聚 集所述第一圖像的所述特征點(diǎn)。
4. 根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置基于所述 第一局部特征量組與所述第二局部特征量組之間的特征量間距離來計(jì)算表示所述第一圖 像與所述第二圖像的所述特征點(diǎn)之間的相關(guān)性的對應(yīng)性信息組，并且通過使用所述對應(yīng)性 信息組和所述第一坐標(biāo)位置信息組來聚集所述第一圖像的所述特征點(diǎn)。
5. 根據(jù)權(quán)利要求4所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置基于所述第二圖像的預(yù) 定義基準(zhǔn)點(diǎn)在所述第一圖像中的坐標(biāo)位置來聚集所述第一圖像的所述特征點(diǎn)，所述坐標(biāo)位 置基于所述第二圖像的所述特征點(diǎn)中的每個(gè)特征點(diǎn)與所述基準(zhǔn)點(diǎn)的相對坐標(biāo)位置、所述對 應(yīng)性信息組、以及所述第一坐標(biāo)位置信息組而被估計(jì)。
6. 根據(jù)權(quán)利要求5所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置： 通過使用所述第一坐標(biāo)位置信息組、第二坐標(biāo)位置信息組、以及所述對應(yīng)性信息組，來 計(jì)算所述第一圖像的任何兩個(gè)特征點(diǎn)之間的距離與所述第二圖像的與所述第一圖像的所 述兩個(gè)特征點(diǎn)相對應(yīng)的兩個(gè)特征點(diǎn)之間的距離之間的比率，其中所述第二坐標(biāo)位置信息組 是與從所述第二圖像檢測到的所述特征點(diǎn)有關(guān)的坐標(biāo)位置信息；并且 通過使用所述第一坐標(biāo)位置信息組、所述第二坐標(biāo)位置信息組、以及所述對應(yīng)性信息 組，來計(jì)算所述第一圖像的對象的旋轉(zhuǎn)量。
7. 根據(jù)權(quán)利要求6所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置通過使用所述第一坐標(biāo) 位置信息組以及所述比率和所述旋轉(zhuǎn)量中的任一項(xiàng)，來聚集所述第一圖像的所述特征點(diǎn)。
8. 根據(jù)權(quán)利要求6或7所述的圖像處理設(shè)備，其中所述區(qū)劃分裝置通過使用所述第二 圖像的所述基準(zhǔn)點(diǎn)在所述第一圖像中的坐標(biāo)位置來聚集所述第一圖像的所述特征點(diǎn)，所述 坐標(biāo)位置使用所述旋轉(zhuǎn)量、所述比率、所述相對坐標(biāo)位置、以及所述第一坐標(biāo)位置信息組而 被估計(jì)。
9. 一種圖像處理方法，包括步驟： 關(guān)于將從第一圖像檢測到的多個(gè)特征點(diǎn)來生成包括局部特征量的第一局部特征量組 以及包括坐標(biāo)位置信息的第一坐標(biāo)位置信息組，所述局部特征量表示包含相應(yīng)特征點(diǎn)的多 個(gè)局部區(qū)的特征量； 基于所述第一坐標(biāo)位置信息組來聚集所述第一圖像的所述特征點(diǎn)；以及 以集群為單位將所述第一局部特征量組與第二局部特征量組相核對，所述第二局部特 征量組根據(jù)從第二圖像檢測到的特征點(diǎn)的局部特征量而被形成。
10. -種程序，用于促使圖像處理設(shè)備執(zhí)行步驟： 關(guān)于將從第一圖像檢測到的多個(gè)特征點(diǎn)來生成包括局部特征量的第一局部特征量組 以及包括坐標(biāo)位置信息的第一坐標(biāo)位置信息組，所述局部特征量表示包含相應(yīng)特征點(diǎn)的多 個(gè)局部區(qū)的特征量； 基于所述第一坐標(biāo)位置信息組來聚集所述第一圖像的所述特征點(diǎn)；以及 以集群為單位將所述第一局部特征量組與第二局部特征量組相核對，所述第二局部特 征量組根據(jù)從第二圖像檢測到的特征點(diǎn)的局部特征量而被形成。
【文檔編號(hào)】G06T7/00GK104412301SQ201380034040
【公開日】2015年3月11日 申請日期:2013年3月26日 優(yōu)先權(quán)日:2012年6月29日
【發(fā)明者】比嘉恭太 申請人:日本電氣株式會(huì)社