专利名称：图像处理装置、图像处理方法和程序的制作方法
技术领域：
本发明涉及图像处理装置、图像处理方法和程序。
背景技术：
为了监视或跟踪包含在由诸如监视相机(ITV相机)之类的图像拍摄装置所拍摄 的图像中的诸如人或车之类的对象，首先需要检测图像中的对象。例如，禾_监视相机的监 视装置系统被构建为由相机拍摄诸如禁止区域(off-limits area)之类的要监视地点，图 像中所包含的任何对象的存在/不存在被检测，并且在对象(可疑对象)进入被拍摄的监 视地点时发起警报。当图像中的对象侵入时，对象区域的亮度，即图像中对象区域的辉度值改变。因 此，可以通过将图像中出现辉度值差异的区域检测为差异区域来检测对象。然而，如果监视 地点是海洋、沙漠、草地等，则基于辉度值随着时间的改变的这种技术产生了如下问题由 于除了要检测的船、人和车辆之外的水、沙和草也会移动，因此，可能错误地检测到检测对 象之外的其它对象。日本专利申请早期公开No. 2008-46769是这样的技术，其从自监视相机获得的图 像数据中稳定地监视看起来可疑的人或对象的进入，该监视相机旨在对拍摄画面中的波动 主要是由自然现象引起的如海洋、沙漠或草地之类的地点进行监视。
发明内容
日本专利申请早期公开No. 2008-46769的技术是一种利用了图像的同时发生概 率失巨阵(simultaneous occurrence probability matrix)的纹理分析方法。所关注的像 素及其周围像素的辉度值的多种组合被生成，以计算出辉度值的组合的频率。然后，通过将 整个图像中由低频率辉度值组合的像素构成的区域确定为异物(foreign object)来检测 对象。但是，根据日本专利申请早期公开No. 2008-46769的技术，仅对从图像数据创建 的同时发生概率矩阵使用了阈值处理。例如，如果某辉度值的组合频率超过了阈值，则这种 辉度值组合的像素被确定为背景，并且另一方面，如果未超过阈值，则其像素被确定为进入 图像的对象。因此，如果具有相同图案的区域在局部密集地出现，则这些区域的辉度值组合 的频率将超过预先设定的预定阈值。因此，可能发生遗漏对图像的检测。如果地平线、天际线、云和天空之间的边界的边界部分包含在画面上的图像中，则 这些边界部分是整个图像中非常狭窄的区域。因此，整个图像中一个来自海洋并且另一个 来自天空的辉度值的组合是非常少见的。结果，由于阈值处理是根据日本专利申请早期公 开No. 2008-46769的技术简单地执行的，因此，例如，水平线部分被确定为异物，从而导致 对对象的错误检测。鉴于前面的问题，希望提供能够在从图像数据中检测到侵入图像中的对象时减少 对要检测对象的遗漏检测和错误检测的新颖的经改进的图像处理装置、图像处理方法以及程序。根据本发明的一个实施例，提供了一种图像处理装置，该装置包括特征量计 算单元，该特征量计算单元从图像数据中计算图像数据的每个像素的特征量；密集度 (tightness)确定单元，该密集度确定单元通过利用特征量提取出具有相同特征量的像素 并且生成由具有相同特征量的像素构成的用于密集度确定的图像数据，来确定指示用于密 集度确定的图像数据中的像素的分散程度的密集度；以及像素集合计算单元，该像素集合 计算单元根据密集度的确定来计算用于密集度确定的图像数据的像素中的像素的集合。特征量可以是基于两个不同像素的辉度值的组合的频率的同时发生概率矩阵。密集度确定单元可以计算用于密集度确定的图像数据中的像素的位置的方差，并 且基于位置的方差来判断用于密集度确定的图像数据中的像素是分布在整个图像数据中 还是仅群集(crowd)在图像数据的一部分中，并且如果用于密集度确定的图像数据中的像 素被判断为群集在图像数据的一部分中，则像素结合计算单元可以计算用于密集度确定的 图像数据中的像素的集合。密集度确定单元可以计算用于密集度确定的整个图像数据中的像素的整个图像 中的密集度，以及用于密集度确定的图像数据中的像素的局部密集度，并且可以将所述整 个图像中的密集度与局部密集度相比较，以判断用于密集度确定的图像数据中的像素是分 布在整个图像数据中还是群集在图像数据的一部分中，并且如果用于密集度确定的图像数 据中的像素被判断为仅群集在图像数据的一部分中，则像素结合计算单元可以计算用于密 集度确定的图像数据中的像素的集合。如果两个不同像素的辉度值的组合的频率在两个阈值之间，则密集度确定单元可 以确定指示用于密集度确定的图像数据中的像素的分散程序的密集度。根据本发明的一个实施例，提供了一种图像处理方法，包括以下步骤由特征量计 算单元从图像数据中计算图像数据的每个像素的特征量；由密集度确定单元通过利用特征 量提取出具有相同特征量的像素并且生成由具有相同特征量的像素构成的用于密集度确 定的图像数据，来确定指示用于密集度确定的图像数据中的像素的分散程度的密集度；以 及由像素集合计算单元根据密集度的确定来计算用于密集度确定的图像数据的像素中的 像素的集合。根据本发明的一个实施例，提供了一种使得计算机执行如下过程的程序用于由 特征量计算单元从图像数据中计算图像数据的每个像素的特征量的过程；用于由密集度确 定单元通过利用特征量提取出具有相同特征量的像素并且生成由具有相同特征量的像素 构成的用于密集度确定的图像数据，来确定指示用于密集度确定的图像数据中的像素的分 散程度的密集度的过程；以及用于由像素集合计算单元根据密集度的确定来计算用于密集 度确定的图像数据的像素中的像素的集合的过程。根据上述本发明的实施例，当从图像数据检测侵入图像的对象时，可以减少对要 检测的对象的遗漏检测和错误检测。
图1是示出根据本发明第一实施例的图像处理装置100的框图；图2是示出根据本实施例的图像处理装置100的操作的流程图3A是示出输入图像200的说明图；图3B是示出同时发生概率矩阵的说明图；图4是示出存储在图像保存单元llO(RAM)内的图像数据200的说明图；图5是示意性地示出阵列数据300的说明图；图6是图像标志位图数据的一部分的放大图；图7A是示出同时发生概率矩阵300的说明图；图7B是示出图像标志位图数据402的说明图；图8A是示出同时发生概率矩阵300的说明图；图8B是示出图像标志位图数据402的说明图；图9A和图9B是示意性地示出经平滑的图像的说明图；以及图10是示出根据本发明第二实施例的图像处理装置100的操作的流程图。
具体实施例方式下面，将参考附图详细描述本发明的优选实施例。注意，在本说明书和附图中，具 有基本上相同的功能和结构的结构元件用相同的标号表示，并且省略对这些结构元件的重 复说明。将按下面的顺序来描述本发明1.第一实施例2.第二实施例<1.第一实施例>[图像处理装置100的配置]首先，将描述根据本发明第一实施例的图像处理装置100的配置。图1是示出根 据本实施例的图像处理装置100的框图。图像处理装置100通过接收来自图像摄取相机10的图像数据来检测进入监视地 点的图像中的任何对象(例如，看起来可疑的对象)。图像处理装置100还在预定处理被执 行了之后输出二进制信号(警报)以指示对象检测或图像信号的存在/不存在。输出的图 像信号例如经由通信线被发送给大容量存储器件，例如HDD或另一主机装置。图像摄取相机10 (图像输入装置)例如具有(XD图像摄取器件或CMOS图像摄取 器件并且输出图像信号。图像摄取相机10是对由诸如海洋、沙漠和草地之类的自然现象引 起了拍摄画面中的波动的地点进行监视的监视相机。图像处理装置100与图像摄取相机10安装在一起。例如，如果对海洋进行监视， 则将图像摄取相机10和图像处理装置100安装在海岸上。图像摄取相机10可以包括被往返驱动以扩宽监视区域的诸如马达(未示出)之 类的驱动机构。图像摄取相机10可以具有针对其设定的高的变焦能力(zoom power)以捕 获远程对象。在这种情况中，图像摄取相机10的拍摄角度(视角)变得较窄，从而需要图 像摄取相机10往返。当图像摄取相机10往返时，通过比较正显示的静止图像与上次显示 的静止图像来基于多个图像数据段之间的差异检测进入对象的方法不再有效。另一方面， 根据本实施例，即使图像摄取相机10往返，也可以适当地检测到进入对象。图像处理装置100主要是由微计算机构成的。尽管未示出，微计算机包括CPU、ROM和RAM。于是，微计算机利用从图像摄取相机10获得的图像数据来执行预定处理。微计算 机还经由输出接口输出预定信号(二进制信号、图像信号等)。图像处理装置100例如包括图像保存单元110、特征量计算单元120、密集度确定 单元130以及像素集合计算单元140。除了实际上为RAM的图像保存单元110以外，图像处 理装置100的各个单元是在微计算机上运行的软件程序。软件存储在ROM中。图像保存单元110将从图像摄取相机10获得的图像信号临时保存为静止图像。特征量计算单元120读出图像保存单元110内的静止图像数据，并且基于该静止 图像数据创建特征量数据。特征量计算单元120计算诸如同时发生概率之类的特征量并且 将特征量输出给密集度确定单元130。特征量数据是通过基于后面将描述的同时发生概率 矩阵等的阵列数据创建的。密集度确定单元130基于由特征量计算单元120创建的阵列数据来创建用于标识 静止图像数据中的对象的位图数据。密集度确定单元130计算用于指示分散的程度或局部 性(locality)的诸如方差之类的数值，以判断图像的每个像素是对象还是背景。像素集合计算单元140在接收到被确定为对象的像素信息之后计算像素集合。像 素集合计算单元140根据由密集度确定单元130创建的位图数据来计算占据在静止图像数 据中的并且被假定为对象的图像部分的总面积及其中心坐标。像素集合计算单元140将所 确定的像素集合的大小和位置发送给记录装置或警报装置。[图像处理装置100的操作]接下来，将描述根据本实施例的图像处理装置100的操作。图2是示出根据本实 施例的图像处理装置100的操作的流程图。首先，从图像摄取相机10输入图像数据(步骤S101)。接下来，图像数据在被临时 保存在图像保存单元110中之后被输入到特征量计算单元120中。然后，特征量计算单元 120计算所输入图像的整个图像或预先指定的图像的一部分区域的特征量(步骤S102)。在本实施例中，例如，将同时发生概率矩阵用作特征量。为了计算同时发生概率矩 阵，如图3A所示，图像200中离所关注像素P1距离Dx和Dy远的另一像素P2首先被选择。 图3A是示出输入图像200的说明图。假设图像中的所关注像素P1的辉度值为gl并且另一像素P2的辉度值为g2。如 果图像的辉度值为8比特值(0至255)，则gl和g2可以表示为二位空间中的点，其中，垂直 轴和水平轴各自表示图像的辉度水平，如图3B所示。该二位空间称为同时发生概率矩阵。 图3B是图示出同时发生概率矩阵的说明图。同时发生概率矩阵指示了图像200中任意两个辉度值的组合的发生概率。例如考 虑图4所示的具有船舶230的场景。图4是示出存储在图像保存单元110 (RAM)内的图像 数据200的说明图。图4中的图像数据200是输入图像位图数据，并且存储在图像保存单 元llO(RAM)的输入图像位图数据保存区域中。输入图像位图数据是由图像摄取相机10拍 摄的静止图像数据。每个像素具有例如表示0至255的辉度的数据。图4中的图像具有天 空210、海洋220以及船舶230，船舶230是进入这里所拍摄的监视地点的图像中的对象(看 起来可疑的对象)。图5是示意性地示出阵列数据300的说明图。阵列数据存储在图像保存单元 110 (RAM)的阵列数据区域中。尽管图像保存单元110 (RAM)实际上不具有如图5所示的内部形状，然而图5所示的形状是通过软件程序来虚拟地假设并示出的。在图5中，阵列数据300是基于同时发生概率矩阵的。同时发生概率矩阵是高度 k和宽度1各自具有0至255的256个元素的方形矩阵。高度k和宽度1各自对应于图像 数据的辉度。立方体被堆积在矩阵的每个元素上。图5中的(k，1) [1]是由第k行和第1列的矩阵元素构成的阵列数据的第一阵列 元素。类似地，(k，1) [2]是由第k行和第1列的矩阵元素构成的阵列数据的第二阵列元 素。阵列数据(k，1)具有五个阵列元素，并且因此，呈现出了直到元素(k，1) [5]的元素。 图5中的(k，1-1) [1]是由第k行和第(1-1)列的矩阵元素构成的阵列数据的第一阵列元 素。类似地，(k, 1-5) [1]是由第k行和第(1-5)列的矩阵元素构成的阵列数据的第一阵列 元素。类似地，(k-3,1) [1]是由第(k-3)行和第1列的矩阵元素构成的阵列数据的第一阵 列元素。如图3所示，如果图像200中的所关注像素P1的辉度值为gl并且另一像素P2的 辉度值为g2，则向与同时发生概率矩阵的gl和g2相对应的点投1票。通过针对图像中的 任何像素执行这种处理，如图5所示，可以确定整个图像或预先指定的图像的一部分区域 的同时发生概率矩阵。例如，示出了图4所示的输入图像位图数据200中的宽广区域的背景部分具有集 中于同时发生概率矩阵中的位置处的元素，这是因为相同的辉度值的组合频繁地出现。在 图5中，例如，与作为图4中的输入图像位图数据200的一部分的例如天空210 (或海洋220) 的一部分相对应的图像数据对应于阵列数据300的堆积的立方体。在图4的图像200中， 天空210 (或海洋220)占据了其大部分，并且因此，在同时发生概率矩阵中，天空210 (或海 洋220)的一部分中的辉度值的组合的发生概率在增大。另一方面，船舶230的一部分中的辉度值的组合的发生概率保持较低。当海洋220 的波浪较高时，如果波浪的辉度值在图像中重复出现，则发生概率变得较高。因此，不可能 将波浪错误地检测为图像中的进入对象。接下来，将考虑图像中所创建的同时发生概率矩阵的每种发生概率的分布。更具 体地，具有示出了某种发生概率的辉度值的组合(gl，g2)的像素在图像上被绘出。如果例 如如图7所示的具有船舶部分的辉度值的组合的像素被绘出，则如图6或图7B所示，船舶 430的区域在图像402中被再现。图6是图像标志位图数据的一部分的放大图。每个像素具有1比特值。如果像素 具有示出了某种发生概率的辉度值的组合(gl，g2)，则各个像素的比特值变为1，而如果像 素不具有示出了某种发生概率的辉度值的组合(gl，g2)，则比特值变为0。图7A是示出同 时发生概率矩阵300的说明图。图7B是示出图像标志位图数据402的说明图。另一方面，如果如图8所示的具有波浪部分的辉度值的组合的像素被绘出，则如 图8B所示，波浪部分在图像404中被再现。图8A是示出同时发生概率矩阵300的说明图。 图8B是示出图像标志位图数据404的说明图。由于船舶和波浪实际上都不具有统一的纹 理，因此，在图7B和图8B中仅分别再现了船舶和波浪的一部分。接下来，在特征量(例如同时发生概率矩阵)被确定之后，所绘制图像的局部性被 计算以确定密集度(步骤S103)。如果所绘制的像素分布在整个图像中或者在图像的宽广 范围中，则这些像素被认为是图像的图像图案的一部分。另一方面，如果所绘制像素仅群集在图像的一部分中，则这可以被认为是进入图像的要检测对象。因此，首先计算所绘制图像的局部性。这里的局部性是指指示所绘制像素是仅群集在图像的一部分中因此是局部化的 还是分布在整个图像中的数值指标(numeric index)。数值指标例如包括所绘制像素的“位 置的方差”。如果所绘制像素仅群集在图像的一部分中，则方差减小。反之，如果所绘制像 素分布在整个图像中，则方差增大。方差(V)由下面的公式确定xa(i, j) = ( E X,y(l-sign(|gl(x,y)-i| + |g2(x,y)-j|)) x/C(i, j)ya(i, j) = ( E x, y (1-sign (| gl (x, y)-i | +1 g2 (x, y)-j |)) y/C(i，j)V(i, j) =E x,y (1-sign(| gl (x,y)-i | +1 g2 (x,y)-j |)) ((x-xa(i, j)) '((x-xa(i, j)) + (y-ya(i, j) ((y-ya(i, j)))其中，i和j是同时发生概率矩阵的二维坐标。C是同时发生概率矩阵的值。x和 y表示输入图像的坐标。gl(x，y)和g2(x，y)是被确定了上面的发生概率的输入图像的辉 度值。xa和ya分别是x和y的位置平均值。如果作为利用上面的公式的结果，方差(V)较小，则由于仅图像的一部分中密集 度较高因此可以认为所绘制图像是对象，并且如果方差(V)较大，则由于密集度较低因此 可以认为所绘制图像是背景。针对所有同时发生概率矩阵的二维坐标i和j执行这种处理。然后，如果确定某 些辉度值的组合的密集度较高(步骤S104)，则确定所绘制图像为进入图像的对象。然后， 将具有辉度值的组合的所有像素绘制在图像上以利用贴标签(labeling)等方法计算出像 素集合(步骤S105)。这里确定的像素集合被设定为对象区域，并且诸如其位置和大小之类 的信息被输出为对象信息(步骤S106)。如果在步骤S104处判定密集度较低，则确定所绘 制图像是背景，并且在未检测到对象的假设下终止处理。根据利用上述所绘制像素的“位置的方差”的“局部性的数值指标”，将具有其密集 度仅在图像的一部分中较高的辉度值组合的像素确定为进入图像的对象。结果，可以防止 对对象的遗漏检测。除了防止遗漏检测的效果之外，本实施例还具有防止对水平线部分的错误检测的 效果。当同时发生概率矩阵被确定时，水平线是作为区域的非常狭窄的部分，并且海洋和天 空的辉度值组合在整个图像中是非常少见的。因此，如果仅像过去的技术那样来简单地执 行阈值处理，则可以在水平线部分发生错误检测。但是，如果如上所述基于方差进行判断， 则在水平方向上延伸的水平线部分的密集度及其方差增大。因此，不会将在水平方向上延 伸的水平线部分确定为对象。结果，可以减少对在水平方向上延伸的水平线部分的错误检 测。除了水平线之外，还可以在具有长边界线的诸如云之类的区域中实现类似的效果，以减 少错误检测。顺便提及，利用上述所绘制像素的“位置的方差”的“局部性的数值指标”在图像 中仅存在一个对象时有效地起作用。然而，如果图像中存在两个或更多个对象，则其方差增 大。因此，与过去的技术类似，可以出现遗漏检测。因此，当在步骤S103中确定密集度时，将描述与上面的方法不同的、计算所绘制 图像的局部性的另一方法。即，将描述计算表示局部性的“另一数值指标”的方法。
首先，由下面的公式来确定整个图像的密集度(Ma)Ma(i, j) = C(i, j)/N其中，i和j是同时发生概率矩阵的二维坐标。C是同时发生概率矩阵的值并且N 是输入图像的像素数目。接下来，确定局部密集度(Ml)。已知了确定密集度的各种方法，这里，将描述基于 距离的加权方法。Ml (x, y) =E m,n(l-sign(|gl-i| + |g2-j|)) ‘ g(x-m, y-n)其中，x和y是输入图像上要确定密集度的坐标，并且gl和g2是针对其确定上面 的发生概率的图像的辉度值。针对任何m和n计算此局部密集度，并且随后，确定其和。m和n是分别表示图像 的宽度和高度的坐标的变量。g()是诸如高斯函数的平滑函数。即，该公式向所绘制像素指 派权重以用于平滑，并且计算每个像素的累积值。如果使用上面的公式，则如图9所示，如果像素群集则示出高分布性(h i gh distribution)(图9A)，并且如果像素是分布式的，则示出低分布性(low distribution) (图9B)。图9是示意性地示出经平滑的图像的说明图。Ma(i, j)是整个图像的密集度，并且Ml (x，y)是每个像素的密集度，因此，通过比 较这两个值，如果其差较小，则可以认为像素是背景，而如果差值较大，则可以认为像素为 对象。例如，将两个值的比率(S)用作比较方法。S = Ml (x, y)/Ma(i, j)如果局部性较高，则Ml的值增大，因此，S增大。反之，如果局部性较低，则S的值 减小。因此，判断S是否大于预设阈值。因此，可以判断像素是背景还是对象。对所有像素执行这种处理。然后，确定像素中所确定的对象部分的集合(步骤 S105)。为此，例如，可以使用贴标签方法。这里确定的像素集合被设定为对象区域，并且诸 如其位置和大小之类的信息被输出为对象信息(步骤S106)。<2.第二实施例>接下来，将描述根据本发明第二实施例的图像处理装置。根据第二实施例的图像 处理装置的配置与利用图1描述的根据第一实施例的图像处理装置的配置相同，因此，省 略对其的详细描述。将描述根据本实施例的图像处理装置的操作。图10是示出根据本实施例的图像 处理装置100的操作的流程图。首先，从图像摄取相机10输入图像数据(步骤S301)。接下来，图像数据在被临 时保存在图像保存单元110中之后被输入到特征量计算单元120中。然后，特征量计算单 元120计算所输入图像的整个图像或预先指定的图像的一部分区域的特征量(步骤S302)。 在本实施例中，例如，与第一实施例类似，将同时发生概率矩阵用作特征量。在特征量，例如同时发生概率矩阵被确定之后，密集度确定单元130确定辉度值 组合的频率的高度(步骤S303)。然后，根据其结果来改变对对象的检测处理。在第一实 施例中，对象是否存在是利用基于同时发生概率矩阵绘制的像素的密集度确定的。然而，如 果对所有像素执行第一实施例中的处理，则处理时间将较长。因此，将利用两级中的阈值处 理。
首先，针对同时发生概率矩阵设置两个阈值。第一阈值用来选择其值明显低的像 素，即，认为像素是对象而非背景。接下来，关于第二阈值，如果值等于或低于第二阈值，则 通过与第一实施例中类似的密集度判定来执行所关注像素是对象还是背景的判定处理。如 果值超过第二阈值，则确定所关注像素是背景而不进行密集度判定。第一阈值被设置为低 于第二阈值。S卩，首先，由于辉度值组合的频率小于第一阈值，因此判断所关注像素是否明显地 不是背景(步骤S304)。如果辉度值组合的频率小于第一阈值并且所关注像素被确定为对 象而非背景，则处理移到步骤S308。然后，判定辉度值组合的频率是否等于或大于第一阈值并且还等于或小于第二阈 值(步骤S305)。如果辉度值组合的频率等于或大于第一阈值并且等于或小于第二阈值，则 难以确定所关注像素是背景还是对象。在这种情况中，则通过与第一实施例中类似的密集 度判定来执行所关注像素是对象还是背景的判定处理(步骤S306)。然后，如果在步骤S304中判定辉度值组合的频率小于第一阈值或者在步骤S306 中判定某些辉度值的组合的密集度较高(步骤S307)，则所关注像素被确定为进入图像的 对象。在此情况中，具有辉度值组合的所有像素在图像中被绘出，以利用贴标签等方法来计 算像素集合(步骤S308)。这里确定的像素集合被假定为对象区域，并且诸如其位置和大小 之类的信息被输出为对象信息(步骤S309)。另一方面，如果在步骤S305中辉度值组合的频率超过第二阈值，则确定所关注像 素为背景而不进行密集度判断，并且在未检测到对象的假设下终止处理。此外，当在步骤 S307处判定密集度较低，则确定所关注像素为背景，并且在未检测到对象的假设下终止处理。根据本发明第一实施例和第二实施例，如上所述，通过利用作为图像的特征量的 同时发生概率矩阵确定图像的密集度，可以对图像执行很少发生遗漏检测的对象检测处 理。此外，可以获得如下效果减少对诸如地平线和云的边界之类的部分区域的错误检测。本领域的技术人员应当明白，可以根据设计要求和其它因素进行各种修改、组合、 子组合和变更，只要它们在所附权利要求或其等同物的范围之内。本申请包含2009年5月21日向日本专利局提交的日本优先专利申请JP 2009-123412中公开的主题有关的主题，该申请的全部内容通过引用结合于此。
权利要求
一种图像处理装置，包括特征量计算单元，该特征量计算单元从图像数据中计算所述图像数据的每个像素的特征量；密集度确定单元，该密集度确定单元通过利用所述特征量提取出具有相同特征量的像素并且生成由具有所述相同特征量的像素构成的用于密集度确定的图像数据，来确定指示所述用于密集度确定的图像数据中的像素的分散程度的密集度；以及像素集合计算单元，该像素集合计算单元根据所述密集度的确定来计算所述用于密集度确定的图像数据的像素中的像素的集合。
2.根据权利要求1所述的图像处理装置，其中，所述特征量是基于两个不同像素的辉 度值的组合的频率的同时发生概率矩阵。
3.根据权利要求1所述的图像处理装置，其中，所述密集度确定单元计算所述用于密 集度确定的图像数据中的像素的位置的方差，并且基于所述位置的方差来判断所述用于密 集度确定的图像数据中的像素是分布在整个图像数据中还是仅群集在图像数据的一部分 中，并且如果所述用于密集度确定的图像数据中的像素被判断为群集在图像数据的一部分中， 则所述像素集合计算单元计算所述用于密集度确定的图像数据中的像素的集合。
4.根据权利要求1所述的图像处理装置，其中，所述密集度确定单元计算所述用于密 集度确定的整个图像数据中的像素的整个图像中的密集度，以及所述用于密集度确定的图 像数据中的像素的局部密集度，将所述整个图像中的密集度与所述局部密集度相比较，以判断所述用于密集度确定的 图像数据中的像素是分布在整个图像数据中还是仅群集在图像数据的一部分中，并且如果所述用于密集度确定的图像数据中的像素被判断为仅群集在图像数据的一部分 中，则所述像素集合计算单元计算所述用于密集度确定的图像数据中的像素的集合。
5.根据权利要求2所述的图像处理装置，其中，如果两个不同像素的辉度值的组合的 频率在两个阈值之间，则所述密集度确定单元确定指示所述用于密集度确定的图像数据中 的像素的分散程度的密集度。
6.一种图像处理方法，包括以下步骤由特征量计算单元从图像数据中计算所述图像数据的每个像素的特征量；由密集度确定单元通过利用所述特征量提取出具有相同特征量的像素并且生成由具 有所述相同特征量的像素构成的用于密集度确定的图像数据，来确定指示所述用于密集度 确定的图像数据中的像素的分散程度的密集度；以及由像素集合计算单元根据所述密集度的确定来计算所述用于密集度确定的图像数据 的像素中的像素的集合。
7.一种用于使得计算机执行如下过程的程序用于由特征量计算单元从图像数据中计算所述图像数据的每个像素的特征量的过程；用于由密集度确定单元通过利用所述特征量提取出具有相同特征量的像素并且生成 由具有所述相同特征量的像素构成的用于密集度确定的图像数据，来确定指示所述用于密 集度确定的图像数据中的像素的分散程度的密集度的过程；以及用于由像素集合计算单元根据所述密集度的确定来计算所述用于密集度确定的图像 数据的像素中的像素的集合的过程。
全文摘要
本发明公开了图像处理装置、图像处理方法和程序。提供了一种图像处理装置，其包括特征量计算单元，其从图像数据中计算图像数据的每个像素的特征量；密集度确定单元，其通过利用特征量提取出具有相同特征量的像素并且生成由具有相同特征量的像素构成的用于密集度确定的图像数据，来确定指示用于密集度确定的图像数据中的像素的分散程度的密集度；以及像素集合计算单元，其根据密集度的确定来计算用于密集度确定的图像数据的像素中的像素的集合。
文档编号H04N5/14GK101895673SQ20101018031
公开日2010年11月24日 申请日期2010年5月14日 优先权日2009年5月21日
发明者纲岛宣浩 申请人:索尼公司