第1章 画像理解の基礎

• 1.1 3D 空間から画像への射影
  • 1.1.1 中心射影
  • 1.1.2 弱中心射影
  • 1.1.3 擬似中心射影誕生の背景と経緯
• 1.2 カメラパラメータ
  • 1.2.1 内部パラメータ
  • 1.2.2 外部パラメータ
• 1.3 三角測量による3次元復元
  • 1.3.1 エピポーラ拘束
  • 1.3.2 ステレオ法
  • 1.3.3 レンジファインダ
• 1.4 単眼視による3次元復元
  • 1.4.1 8点アルゴリズム
  • 1.4.2 オプティカルフローによる3次元復元
  • 1.4.3 Shape from Shading
  • 1.4.4 Dichromatic reflection model

第2章 パターン認識の基礎

• 2.1 画像処理手法
  • 2.1.1 平滑化フィルタ
  • 2.1.2 エッジフィルタ
  • 2.1.3 ハフ変換
  • 2.1.4 ガボール変換 (Gabor transformation)
  • 2.1.5 ウェーブレット変換 (Wavelet transformation)
• 2.2 統計的特徴抽出
  • 2.2.1 直交展開
  • 2.2.2 PCA (Principal Component Analysis)
  • 2.2.3 固有空間法
  • 2.2.4 大規模行列の固有値問題の解法
  • 2.2.5 LDA (Linear Discriminant Analysis:線形判別分析)
• 2.3 カテゴリー決定法
  • 2.3.1 ベイズ決定法
  • 2.3.2 フィッシャーの線形判別法
  • 2.3.3 パターン・マッチング
  • 2.3.4 MDD (Minimum Distance Decision) 則
• 2.4 射影不変量
  • 2.4.1 射影変換
  • 2.4.2 射影不変量
• 2.5 アフィン不変量
  • 2.5.1 アフィン変換
  • 2.5.2 アフィン不変量
• 2.6 学習法
  • 2.6.1 SVM (Support Vector Machine)
  • 2.6.2 RVM (Relevance Vector Machine)
  • 2.6.3 AdaBoost アルゴリズム

第3章 画像理解・パターン認識の最近の動向

• 3.1 多重特徴を用いるBayesian Filterによるロバストなトラッキング
  • 3.1.1 数学的準備
  • 3.1.2 ロバストなトラッキングに用いられる特徴
  • 3.1.3 トラッキング・アルゴリズム
  • 3.1.4 実験結果
• 3.2 時空的前後関係を利用する複数ターゲットの追跡
  • 3.2.1 確率モデル
  • 3.2.2 ターゲット追跡
  • 3.2.4 逐次PPCA
  • 3.2.5 実験結果
• 3.3 エピポーラ制約に優る幾何制約による移動物体領域の検知
  • 3.3.1 移動物体領域検知の流れ
  • 3.3.2 移動物体検知のための諸定義
  • 3.3.3 エピポーラ制約の限界
  • 3.3.4 Structure Consistency制約
  • 3.3.5 アルゴリズムの実施法
  • 3.3.6 実験結果
• 3.4 Matting problem の効率的解法
  • 3.4.1 αmatte
  • 3.4.2 Cost function
  • 3.4.3 User input による制約
  • 3.4.4 scribbleの位置決めのガイドとしてのeigenvector
  • 3.4.5 結果
• 3.5 正準相関を用いた判別分析に基づく認識
  • 3.3.1 諸定義
  • 3.5.2 正準相関
  • 3.5.3 判別分析のための変換行列T
  • 3.5.4 変換T を求める反復アルゴリズム
  • 3.5.5 実験結果
• 3.6 Mean Shiftによる特徴空間解析 – 不連続性を保持する平滑化と領域分割への応用
  • 3.6.1 Mean Shift
  • 3.6.2 Mean Shiftの応用
• 3.7 射影不変量の構成
  • 3.7.1 基本的な定義
  • 3.7.2 基本的射影変換
  • 3.7.3 射影不変量の構成
• 3.8 透視 (中心) 射影の下でのshape from texture
  • 3.8.1 Shape from textureの原理
  • 3.8.2 Deformation gradient
  • 3.8.3 Textre gradient equation
• 3.9 PCAとLDAの各弱点を克服する判別共通ベクトル法
  • 3.9.1 判別共通ベクトル
  • 3.9.2 実験結果
• 3.10 ベイズ則を用いた特徴成分選択を伴う識別法
  • 3.10.1 確率的カーネル識別関数
  • 3.10.2 EMアルゴリズムによるMAPパラメータ推定
  • 3.10.3 実験結果