1. 第2巻 第2章 ミーンシフトの原理と応用
2011.01.09
「コンピュータビジョン最先端ガイド」勉強会
@関東（第8回）
６． ミーンシフトの応用（PP.74～）
７． むすび（PP.77～）
@shirasy
1

2. 6 ミーンシフトの実装
6.1 画像のセグメンテーションと平滑化
6.2 動画像におけるトラッキング
6.3 医用画像解析
6.4 その他
2

3. 6 ミーンシフトの実装
6.1 画像のセグメンテーションと平滑化
任意の入力画像を、あらかじめ決めた特徴量（feature）に
基づいて、均一（homogeneous）な小領域に分割する手法
ミーンシフトのクラスタ解析の手法を用いて、
輝度値と空間変数の両方を考慮した領域分割を可能とする
＜輝度値＞
• グレースケール：{fm}：一次元の点集合
• カラー画像：{fm} ：三次元のベクトル集合
（RGB色空間,L*a*b*色空間など）
3

4. 6 ミーンシフトの実装
6.1 画像のセグメンテーションと平滑化
＜特徴＞
画像の次元数に関わらず、輝度値の似ている小領域に分割可能。
距離が大きく離れている画像でも、偶然やノイズにより輝度値が
似ている場合、同領域にラベル付けされる。
ラベル分布が空間的にhomogeneousでなくなる傾向あり
4

5. 6 ミーンシフトの実装
6.1 画像のセグメンテーションと平滑化
＜対策＞
輝度値と空間変数の合成空間を特徴空間とする。
空間と輝度値の両方に似通った領域への分割が可能
[14,15]
ym：画素xmにおける特徴量
画素空間変数と、対応する画素値ベクトルの合成ベクトル
ym=(xm,fm)とみなす。
輝度値（range）と空間変数（space)の両方に対するカーネル
幅（hr,hs）を準備
5

6. 6 ミーンシフトの実装
6.1 画像のセグメンテーションと平滑化
例）空間と輝度値の両方に似通った領域への分割
[15] Mean shift: a robust approach toward feature space analysis.
6

7. 6 ミーンシフトの実装
6.1 画像のセグメンテーションと平滑化
＜応用例＞
• エッジ保存の平滑化アルゴリズム（領域分割アルゴリズムを
部分的に利用）[14,15]
⇒ ガウス平滑化と比較し、エッジの平滑化をせずに輝度値分布の
平滑化が可能
• リモートセンシング画像[22]
• ステレオ視によるレンジデータ[8,27,50]
7

8. 6 ミーンシフトの実装
6.2 動画像におけるトラッキング
＜ミーンシフトトラッキング＞
動画上の物体追跡・トラッキング問題
⇒実時間ロバストアルゴリズム[1,12,13,16,18,48,67,69,70]
動画上のk番目のフレームにおける物体の現在位置をxkと
すると、次のk+1番目のフレームにおいて、同物体の対応する
ターゲット点xk+1を推定し、これを動画像上で繰り返す
8

9. 6 ミーンシフトの実装
6.2 動画像におけるトラッキング
Bhattacharyya係数
⇒ヒストグラム間の類似度算出
9

10. 6 ミーンシフトの実装
6.2 動画像におけるトラッキング
Bhattacharyya係数
⇒ヒストグラム間の類似度算出
10

11. 6 ミーンシフトの実装
6.2 動画像におけるトラッキング
＜ミーンシフト物体追跡アルゴリズムの性能向上に向けて＞
• モーション解析精度の向上：複数の追跡推定結果を
ロバストに情報統合[13]
• アンサンブル物体追跡：Adaboostとミーンシフトを併用[1]
• 大域的最大値探索[48]
• 非対称のカーネルに拡張[70]
11

12. 6 ミーンシフトの実装
6.3 医用画像解析
＜臨床医用画像解析問題＞
• 血管認識：コントラストを向上させたCT画像が対象[57]
• 体内臓器の三次元領域分割：一般CT画像が対象[56]
• 肺がんの早期発見を目的とした
－スクリーニング：胸部CT画像が対象
－肺結節（肺がんの陰影）のロバスト解析法[36,38]
•病巣変化の定量解析：全身PET-CT画像が対象
→三次元対応点の推定法（可変カーネル幅ミーンシフトによる
ロバスト情報統合を応用）
•皮膚がんの診断を目的とした
－ほくろの自動解析法（体後背部二次元画像が対象）[31]
12

13. 6 ミーンシフトの実装
6.3 医用画像解析
•例）皮膚がんの診断を目的としたほくろの自動解析法
[31] Counting moles automatically from back images.”
13

14. 6 ミーンシフトの実装
6.3 医用画像解析
＜臨床医用画像解析問題以外＞
• 時系列に撮像された顕微鏡動画像上での細胞（がん等）追跡[18,69]
• 拡散MRI画像の平滑化手法[53]
14

15. 6 ミーンシフトの実装
6.4 その他
• テクスチャ解析
-高次元特徴ベクトル[25]
-文書部位推定[29]
• カメラモーション認識[19]
• 物体認識・向き推定[61]
• 映画類型認識[44]
• 低解像度画像の自動生成（画像の概要をまとめるために利用）[45]
15

16. 7 むすび
7.1 実装上のヒント
7.2 実装例の公開サイト
7.3 実装コード例
16

17. 7 むすび
7.1 実装上のヒント
＜計算量の問題への対応＞
効率的なシステム構築のため、ソフトウェアの実装段階では、
適当な近似的処理の導入が重要
例） CAMSHIFT：「詳解OpneCV」 PP.343参照
⇒ Meanshiftでのカーネルが簡略化されている（矩形カーネルを利用）
17

18. 7 むすび
7.2 実装例の公開サイト
CAMSHIFT（Continuously adaptive mean-shift
：連続適応型平均値シフト）
※Meanshiftとの差分： 探索ウィンドウがサイズを調整する点
18
http://www.youtube.com/watch?v=Qcj4e0SGxLI