HLAC特徴を用いた学習型汎用認識

第1章　序論：画像認識

　　　1.1　画像認識とは
　　　1.2　応用分野の概観（ニーズ）
　　　1.3　従来手法の概観（シーズ）

　

第I部　基礎編
　第2章　画像処理・画像認識の基礎

　　　2.1　一般的枠組
　　　　2.1.1　表現方式
　　　　2.1.2　処理方式
　　　2.2　具体的な基礎
　　　　2.2.1　画像の表現
　　　　2.2.2　前処理
　　　　2.2.3　特徴抽出
　　　2.3　数理的な基礎

　

　第3章　基礎としての多変量解析手法

　　　3.1　多変量データの種類
　　　3.2　基礎としての線形代数
　　　3.3　確率統計の初歩的な基礎
　　　3.4　各種手法
　　　　3.4.1　主成分分析（PCA）
　　　　3.4.2　因子分析（FA）
　　　　3.4.3　重回帰分析（MRA）
　　　　3.4.4　自己回帰分析（ARA）
　　　　3.4.5　判別分析（DA）
　　　　3.4.6　正準相関分析（CCA）
　　　　3.4.7　数量化手法（I～IV類）



　

　第4章　基礎としてのパターン認識

　　　4.1　一般的枠組
　　　4.2　特徴抽出（幾何学的側面と統計的側面）
　　　　4.2.1　不変特徴抽出（幾何学的側面）
　　　　4.2.2　判別特徴抽出（統計的側面）
　　　4.3　不変特徴抽出の理論
　　　　4.3.1　定式化
　　　　4.3.2　不変線形特徴抽出
　　　　4.3.3　絶対不変非線形特徴の構成
　　　　4.3.4　変換の認識
　　　4.4　不変特徴抽出理論の応用例
　　　　4.4.1　ボケ不変特徴の輪郭抽出への応用
　　　　4.4.2　動き不変特徴による移動物体認識
　　　　4.4.3　3D加速度センサ信号からの回転不変な動きの特徴抽出
　　　4.5　類別・識別・判別の統計的理論と手法
　　　　4.5.1　情報圧縮手法（U&N）
　　　　4.5.2　類別の理論と手法（U）
　　　　4.5.3　識別の理論と手法（S）
　　　　4.5.4　判別の理論と手法（S）

　

　第5章　高次局所自己相関を用いた学習型汎用認識方式

　　　5.1　画像の幾何学的特徴としての高次局所自己相関HLAC
　　　　5.1.2　多重スケール
　　　　5.1.2　多重解像度
　　　5.2　HLACの拡張としての立体高次局所自己相関CHLAC
　　　5.3　ノイズに対する頑健性
　　　5.4　統計的特徴抽出としての多変量解析
　　　　5.4.1　通常からの逸脱としての異常検出
　　　5.5　本方式（ARGUS）の特長と汎用性
　　　　5.5.1　多様な入力データ（パターン）
　　　　5.5.2　従来方式との比較



　

第II部　応用編
　第6章　多変量解析手法の応用

　　　6.1　画像圧縮（SVD）
　　　　6.1.1　定式化
　　　　6.1.2　多変量解析的な意味づけ
　　　　6.1.3　画像圧縮への応用
　　　6.2　自動閾値選定（DA）
　　　　6.2.1　判別基準に基づく画像の2値化
　　　　6.2.2　最小二乗基準
　　　　6.2.3　同値性
　　　　6.2.4　実験結果
　　　　6.2.5　その他の解析
　　　　6.2.6　最適閾値の性質
　　　　6.2.7　多値化への拡張
　　　　6.2.8　多値化の応用
　　　　6.2.9　クラス数の推定
　　　6.3　直線の当てはめ（PCA）
　　　　6.3.1　K-L Line Fitting
　　　　6.3.2　直線度
　　　6.4　学習型画像処理（MRA）
　　　　6.4.1　画像処理の学習
　　　　6.4.2　画像修復（逆フィルタ）の学習
　　　6.5　形（輪郭）の認識（CARM）
　　　　6.5.1　複素自己回帰モデル（CARM）
　　　　6.5.2　相似変換不変な形の分類

　

　第7章　HLAC特徴を用いた画像認識

　　　7.1　複数対象の同時認識と計数
　　　　7.1.1　既知対象に基づく計数
　　　　7.1.2　大小2種類の粒子の同時計数
　　　　7.1.3　背景のある環境下での計数
　　　7.2　位相的特徴の認識と計数
　　　7.3　顔認識と表情認識
　　　　7.3.1　顔認識
　　　　7.3.2　表情認識
　　　　7.3.3　照明変化に頑健な物体認識
　　　7.4　テクスチャ認識
　　　7.5　異常検出の応用：外観検査、癌細胞検出
　　　　7.5.1　外観検査
　　　　7.5.2　癌細胞検出
　　　7.6　移動体追跡
　　　7.7　距離画像からの物体認識

　

　第8章　CHLAC特徴を用いた動画像認識

　　　8.1　ジェスチャ認識
　　　8.2　動作及び人の認識
　　　　8.2.1　CHLAC特徴を用いた動作と人の認識
　　　　8.2.2　Gait（歩容）認識
　　　　8.2.3　PCクラスタを用いた高精度化
　　　8.3　異常検出の応用
　　　　8.3.1　撮像監視（監視カメラ）への応用
　　　　8.3.2　牛の発情検知への応用
　　　　8.3.3　動画図の適応的圧縮
　　　　8.3.4　外科手術撮像への応用
　　　8.4　複数移動物体の同時認識と計数
　　　8.5　スポーツ撮像解析
　　　　8.5.1　特定動作の検出
　　　　8.5.2　児童の体育評価への応用
　　　8.6　牛肉等級（BMS）の自動判定
　　　8.7　細胞動画像の認識



　

　第9章　対応関係の学習と検索

　　　9.1　感性情報処理への応用
　　　　9.1.1　絵画の印象検索
　　　　9.1.2　家紋の印象検索
　　　9.2　画像検索とアノテーション
　　　9.3　インターモーダル学習
　　　9.4　類似対応部分の検出

　　

　第10章　時系列データ解析・認識への応用

　　　10.1　心電図からの異常検出
　　　10.2　ロボット多指ハンドの解析
　　　10.3　因果関係の解析


　　

　付録A　数学的基礎

　　　A.1　線形代数の基礎
　　　A.2　確率統計の基礎
　　

　参考文献