next up previous
次へ: 音声データ 上へ: 画像特徴量 戻る: 画像の前処理:

入力画像の特徴ベクトルの構成:

前処理過程で生成した 6 枚の画像から 25 次元の局所高次自己相関特徴 [47]を算出し,これをその画像の特徴ベクトルとした. 局所高次自己相関特徴は,近傍の画素値の積を画像全体に平均した特徴で, 図6.1 の 25 種類の $3\times3$ のパターンのそれぞれ について 1 で示されている画素の値をかけあわせて平均をとることにより得られる. 例えば,No.1 は画像全体の平均画素値になり,No.2 は横のピクセルとの相関値, No.6 は隣り合った 3 つの画素の値の積の平均となる.

図 6.1: 局所高次自己相関特徴を計算するための 3$\times $3 パターン.
\begin{figure}\setlength{\unitlength}{1mm}%
\providecommand{\mys}{3}%
\provideco...
...kebox(3,3){$\ast$}}}}\\ No.25}}
\end{picture}\end{small}\end{center}\end{figure}

本論文での実験では,6 枚の画像より 25 次元ずつ特徴を算出することによって 150 次元(25次元 $\times $ 3ピクセルサイズ $\times $ 2色) の特徴ベクトルを構成し,これを元の入力画像に固有の特徴ベクトルとした.

したがって,全クラスの全画像に対しては,150次元の特徴ベクトルを 3480個 (120クラス $\times $ 29枚)算出して利用した.



Shotaro Akaho 平成15年7月22日