要約
線分検出に関する従来のアプローチは、主に画像領域における知覚的グループ化またはハフ領域におけるグローバルな累積処理に依拠している。本研究では、これらのアプローチの利点を統合する確率論的手法を提案する。第一段階として、グローバルな確率論的ハフ法を用いて線を検出する。第二段階では、検出された各線に対して、画像領域で解析を行い、ハフマップにおけるピークを生成した線分の位置を局所的に特定する。線分の探索範囲を直線に限定することで、直線上の点列における線分の分布をマルコフ連鎖としてモデル化でき、標準的な動的計画法を用いて線形時間で確率論的に最適なラベル付けを正確に計算することが可能となる。また、マルコフ仮定に基づき、局所的な周辺後験確率を用いて、各線分上での正しくラベル付けされた点の期待数を推定する直感的なランク付け手法も導出できる。提案手法であるマルコフ連鎖周辺線分検出器（MCMLSD）の性能評価のために、過分割および不足分割を制御できる新たな定量的評価手法を開発・適用した。YorkUrbanDBデータセットにおける評価結果から、本手法が最先端技術を著しく上回ることが明らかとなった。