LLAHをノイズおよび距離変化に頑健にする手法の提案：文字とノイズの高速な推定と画像の正規化

摘要

スマートフォンの普及により，カメラは誰しもが持つデバイスとなった．同時に，そのカメラで撮影された画像上にリアルタイムに情報を付加するサービスが普及し，それを実現する技術の一つにカメラベースの文書画像検索がある．これは，カメラで撮影した文書画像と同じ文書を，予め登録しておいた文書画像の中から検索するというものである．Locally Likely Arrangement Hashing（LLAH）は，主に単語領域の重心を特徴点とし，そこから計算された幾何学的不変量を用いることで，高速な検索を実現した．しかし，LLAHの特徴点抽出法はノイズに弱いという欠点があった．LLAHでは，同じ単語内の文字だけが連結するように文字をぼかし，単語領域を得ていた．ここで，適切なぼかし具合は，文字の大きさによって変化するため，文字の面積からぼかし具合の推定を行っていた．しかし，ノイズがその推定に影響を与えるという問題があった．本稿では，画像から文字の成分を取り出し，その面積から文字とノイズをEMアルゴリズムによって動的に分離し，ノイズに頑健なぼかし具合の推定を行った．また，一定のぼかし具合であっても，画像を拡大縮小することによって，ぼかし具合を変化させたときと，同じ効果を得ることができる．これにより，推定されたぼかし具合から，画像の大きさを正規化することで，特徴点抽出の精度と速度が向上させた．