DE69421487T2 - Verfahren zum Vergleichen von Mustern basierend auf der Verwendung von Bildelementmatritzen und Bildelementvektoren - Google Patents

Verfahren zum Vergleichen von Mustern basierend auf der Verwendung von Bildelementmatritzen und Bildelementvektoren

Info

Publication number
DE69421487T2
DE69421487T2 DE69421487T DE69421487T DE69421487T2 DE 69421487 T2 DE69421487 T2 DE 69421487T2 DE 69421487 T DE69421487 T DE 69421487T DE 69421487 T DE69421487 T DE 69421487T DE 69421487 T2 DE69421487 T2 DE 69421487T2
Authority
DE
Germany
Prior art keywords
vectors
pixels
matrix
image
vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
DE69421487T
Other languages
English (en)
Other versions
DE69421487D1 (de
Inventor
Kiyoo Kobayashi
Akira Shimotori
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nireco Corp
Original Assignee
Nireco Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nireco Corp filed Critical Nireco Corp
Publication of DE69421487D1 publication Critical patent/DE69421487D1/de
Application granted granted Critical
Publication of DE69421487T2 publication Critical patent/DE69421487T2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/18Extraction of features or characteristics of the image
    • G06V30/184Extraction of features or characteristics of the image by analysing segments intersecting the pattern
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Character Discrimination (AREA)
  • Character Input (AREA)

Description

    Hintergrund der Erfindung
  • Die Erfindung bezieht sich auf ein Verfahren zum Vergleichen von Mustern zur genauen Erkennung von Mustern, die bis zu einem gewissen Grade mit relativ kleinem Umfang von Referenzmustern abweichen.
  • Im Allgemeinen werden als Verfahren zur Erkennung von Zeichen und Zahlen zwei (2) Verfahren verwendet. Das erstere ist ein Verfahren zur Extraktion von Mustern von zu erkennenden Objekten. Das letztere ist ein Verfahren zum Vergleich von Mustern mit den Referenzmustern und dieses wurde weitverbreitet in den Gebieten verwendet, die eine Erkennung mit hoher Geschwindigkeit im Allgemeinen erstreben.
  • Das Verfahren zum Vergleichen von Mustern ist ein sehr übliches Verfahren, bei dem ein Zeichen, das das Ziel der Erkennung ist, erfasst wird, um ein Muster zur Erkennung bereitzustellen, welches einige Vorprozesse, wie eine Schattierungskorrektur, Entscheidung der zeichenspezifischen Fläche und eine Binarisation unterläuft. Das Zeichenmuster, das, falls notwendig, in seiner Größe normalisiert wird, wird mit den Referenzmustern (Schablonen [templates]) verglichen, die ähnlich normalisiert sind, so dass das zu erkennende Zeichen erkannt wird als das Zeichen der passenden Schablone. Bei dem Mustervergleich wurde eine Invarianz des zu erkennenden Zeichens (im Folgenden impliziert ein Zeichen sowohl ein Zeichen als auch eine Zahl) angenommen. Häufig hat dies zu einer ernsthaften Abnahme der Genauigkeit der Erkennung aufgrund von morphologischen Variationen des Zeichens, insbesondere der Dicke im Strich geführt. In der Tat ist der Grad des Fehlvergleiches aufgrund von Variationen in der Dicke merklich vergleichbar mit der in Bezug auf falsche Zeichen. In Fig. 10A wird der Grad an Fehlvergleich gezeigt zwischen den Ziffern 2 und 3, während der zwischen der Ziffer 3 in der Standardprobe und in dem fetten Strich in Fig. 10B gezeigt ist. Der Grad an Fehlvergleich mit falschen Buchstaben wird häufig vergleichbar zu dem zwischen der Standardprobe und den fett oder dünn gestrichenen Zeichen, die die Durchführbarkeit des Vergleiches von Mustern reduzieren. Zusätzlich zu den Varianzen der Buchstaben im fetten oder dünnen Strich verursachen weiterhin ein teilweises Ausbleichen, eine Rotation und eine Variation in den Erfassungsbedingungen Fehlvergleiche.
  • Ein übliches Verfahren, das dazu geschaffen wurde, diese Nachteile zu vermeiden, ist das Vorbereiten von Referenzen, das so fachkundig durchgeführt wird, so dass es zu einem einzigartigen Ergebnis der Erkennung führt unter jeder möglichen Kombination der Pixel in einer m · n Matrixebene. Diese Praxis des Mustervergleichs bei jedem Pixel lässt sich schwer realisieren, weil für die Größe einer Matrix, die praktischerweise einen Buchstaben repräsentiert, z. B. 10 · 10, alle Kombinationen der Pixel auf eine unmögliche Zahl von 2¹&sup0;&sup0; anwachsen würde. Der Mustervergleich mit höherer Effizienz und geringerem Datenvolumen ist deshalb sehr erfordert.
  • Das Dokument GB-A-2 100 904 beschreibt ein System zur Erkennung von Buchstaben, welches ein lineares Gitter von Fotozellen hat, welches über den Buchstaben hinwegbewegt wird, um ein Gitter von Pixeln zu erzeugen, die in Spalten und Zeilen angeordnet sind. Buchstabenerkennung wird durchgeführt durch "Ausdünnung" jeder Buchstabendarstellung, so dass sie, im Allgemeinen, einen Pixel breit ist. Dann werden Paare von Richtungsvektoren von benachbarten Pixeln zugewiesen und danach verarbeitet, um eine Gesamtvektordarstellung des Buchstabens zu bilden. Die resultierende Vektordarstellung wird mit einem Satz von Darstellungen von Referenzvektoren verglichen.
  • Das Dokument US-A-4 958 374 beschreibt ein Verfahren zum Kontrollieren von Mustern, worin ein Muster eines Ziels fotografiert wird und ein Bild des zu kontrollierenden Musters konvertiert wird in zu kontrollierende Bilddaten, die durch Pixeldaten und Dichtedaten repräsentiert werden. Entwurfsdaten zur Bildung des Musters des Ziels werden auch konvertiert in Referenzbilddaten, die den zu kontrollierenden Bilddaten entsprechen. Die zu kontrollierenden und die Referenzbilddaten werden verarbeitet und konvertiert in Kontroll- bzw. Referenzgradientenvektordaten. Die Kontrollgradientenvektordaten werden verglichen mit den Referenzgradientenvektordaten in jeweiligen zugehörigen peripheren Pixeldaten und ihren peripheren Pixeldaten, so, dass der Defekt festgestellt wird.
  • Zusammenfassung der Erfindung
  • Es ist demgemäß eine Aufgabe der Erfindung, ein Verfahren zum Vergleichen von Mustern zur Erkennung mit hoher Genauigkeit von Buchstaben und Zahlen, die bis zu einem gewis sen Ausmaß von den Standardmustern abweichen, zur Verfügung zu stellen, und mit hoher Durchführbarkeit in praktischer Struktur von Hartwareeinheiten.
  • Die Erfindung bezieht sich auf ein Verfahren zum Vergleich von Mustern, wie in Anspruch 1 dargelegt. Vorteilhafte Ausführungsformen sind Gegenstand der Unteransprüche.
  • Gemäß des Verfahrens der Erfindung wird ein zu erkennendes Objekt erfasst, um ein Bild zu erlangen, das aus binären Pixeln besteht, die in einer Matrix von m-Zeilen · n-Spalten angeordnet sind, von denen Vektoren vi gebildet werden als Sequenzen von Pixeln, die gemäß den vorgeschriebenen Regeln gewählt werden. Von allen Vektoren werden eine gewisse Anzahl von Vektoren ausgewählt und verglichen mit den zugehörigen Referenzvektoren einer jeden Standardmusterprobe k. Zu jeder Probe p, deren Referenzvektoren passen, wird die Anzahl der Passenden addiert, so dass das Muster q mit dem maximalen Wert der Anzahl der Passenden erkannt wird als die Musterprobe des zu erkennenden Objektes.
  • Kurze Beschreibung der Zeichnungen
  • Fig. 1 ist ein Blockdiagramm einer Vorrichtung zum Mustervergleich gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung;
  • Fig. 2 veranschaulicht das Beispiel der Prozedur der Auswahl der Vektoren von einer Pixelmatrix;
  • Fig. 3 stellt eine Pixelmatrix dar, die die Ziffer 3 repräsentiert;
  • Fig. 4A, 4B, 4C bezeichnen drei unterschiedliche zugehörige Vektoren, die von der Matrix der Ziffer 3 in Fig. 3 gewählt sind;
  • Fig. 5 veranschaulicht die Regeln zur Modifikation eines Segmentes in einem Vektor zur Veränderung in dem Vektormuster;
  • Fig. 6 zeigt das Ändern eines Musters eines Vektors gemäß den Regeln, die in Fig. 5 veranschaulicht sind;
  • Fig. 7 ist ein Diagramm, das den Schaltkreis zeigt zur Transformation einer Pixelmatrix in die Vektoren;
  • Fig. 8 zeigt eine 3 · 3 Matrix, die mit Hilfe des Transformationsschaltkreises in Fig. 7 in die Vektoren transformiert werden soll;
  • Fig. 9 veranschaulicht die Auswahl der Vektoren einschließlich der in geneigten Richtungen;
  • Fig. 10A zeigt ein Beispiel eines Fehlvergleichs bei der Erkennung eines Zeichens; und
  • Fig. 10B zeigt ein weiteres Beispiel eines Fehlvergleichs.
  • Beschreibung der bevorzugten Ausführungsform
  • Einige bevorzugte Ausführungsformen der Erfindung werden im Folgenden mit Bezug auf die beigefügten Zeichnungen beschrieben.
  • Fig. 1 ist ein Blockdiagramm einer Vorrichtung zum Mustervergleich, die eine Ausführungsform dieser Erfindung realisiert. Der Prozess der Mustererkennung durchläuft das Erfassen eines zu erkennenden Objektes, eine Schattierungskorrektion, die Entscheidung über eine Fläche für das Objekt, eine Binarisation und eine Normalisation auf einheitliche Größe gefolgt von dem Vergleich der verarbeiteten Muster mit den ähnlich normalisierten Referenzmustern zur Erkennung des Musters des Objektes (Zeichen oder Zahl) als das passende Standardmuster. Die Vorrichtung zum Mustervergleich unterscheidet jedes Pixel, welches in der Vektorform durch die oben dargestellten Verarbeitungen repräsentiert wird.
  • Die Definition von Vektoren und Referenzvektoren sollte der Erklärung der Fig. 1 vorhergehen. Fig. 2 stellt die Vektoren für ein Bild dar, welches mit der Pixelmatrix von neun Zeilen · 7 Spalten repräsentiert wird, wobei jede dieser einen Vektor bildet. Die Vektoren haben somit unterschiedliche Anzahlen von Bestandteilspixeln für eine Repräsentation der Bilder. Die Vektoren werden durch Nummerierung unterschieden. In Fig. 2 sind die Zeilenvektoren von v0 bis v8 und die Spaltenvektoren von v9 bis v15 nummeriert. Die Vektoren zum Vergleich werden von den Pixeln in dem Bild mit normalisierter Größe abgeleitet, welches durch Erfassung des zu erkennenden Objektes gewonnen wird. Die Referenzvektoren werden von Standardmustern (Zeichen oder Zahlen) erzeugt, die erfasst werden, um die Bilder in der vorgeschriebenen Größe zu erlangen, so dass die Vektoren, die von den Pixeln in dem Bild von einem der Standardmuster und den Vektoren abgeleitet werden, die von den letzteren Vektoren gebildet werden, durch Modifikation entsprechend einer teilweisen Ausbleichung und Varianzen im Strich, die die Referenzvektoren für das Standardmuster bilden.
  • Fig. 3 zeigt eine 11 · 11 Pixelmatrix, die das Bild der Ziffer 3 darstellt. Die Bestandteile der Vektoren v3, v17 und v13 sind in den Fig. 4A, 4B und 4C jeweils dargestellt und beziehen sich auf Bitmuster, die stark mit der Ziffer 3 korrelieren, die in dem Bild repräsentiert wird. Wenn das Bild in Fig. 3 erfasst wird von dem Standardmuster der Ziffer 3, erzielt das zu erkennende Objekt das gleiche Bild wie das Standardmuster unter derselben Erfassungsbedingung. Es ist dann einfach, das zu erkennende Objekt mit dem Standardmuster zu identifizieren, durch Vergleich der zugehörigen Vektoren (insbesondere von Paaren von Vektoren mit derselben Anzahl) der beiden Bilder. In diesem Fall müssen die Vektoren, die für Varianzen modifiziert wurden, nicht in den Referenzvektoren enthalten sein. Auf der anderen Seite haben die zu erkennenden Objekte im Allgemeinen eine teilweise Ausbleichung und dünnen oder dicken Strich im Zeichen und ihre Erfassungsbedingungen sind unterschiedlich von denen der Standardmuster, so dass die um diese Abweichungen modifizierten Vektoren zu den Referenzvektoren hinzugefügt werden müssen.
  • Die Referenzvektoren werden, wie folgend erläutert, erzeugt. Ein Standardmuster wird unter verschiedenen Bedingungen für verschiedene Bilder erfasst, wobei von jedem die Vektoren abgeleitet werden und absichtlich etwas abgewichen werden für Varianzen, wie teilweises Ausbleichen um zusätzliche Vektoren als Referenzvektoren zu gewinnen. Eine Gruppe (cluster) all dieser Vektoren mit derselben Nummer bilden die Referenzvektoren für die gleiche Vektornummer.
  • Die Prozedur zur Erzeugung der Referenzvektoren wird im hier Nachfolgenden im Detail beschrieben:
  • 1-1) Ein Standardzeichen (z. B. die Ziffer 3), welches erkannt werden soll, wird zur Verfügung gestellt;
  • 1-2) das Bild des Zeichens, das durch eine TV-Kamera erfasst wird, wird normalisiert mit der der Öffentlichkeit bekannten üblichen Verarbeitungen (solche wie eine Schattierungskorrektion, Binarisation und Größennormalisierung), um eine m · n Pixelmatrix zu konstruieren;
  • 1-3) die Vektoren werden von dieser Pixelmatrix hergeleitet, nummeriert und im Bitmuster repräsentiert;
  • 1-4) die Erfassungsbedingung der TV-Kamera wird dann mit solchen Änderungen variiert, wie der Stärke der Beleuchtung, geringfügiger Rotation der Standardzeichen, genaue Anpassung der Fokussierung und dem Schwellwert zur Binarisation. Das unter einer neuen Bedingung erfasste Bild wird ähnlich mit 1-2) und 1-3) behandelt;
  • 1-5) der Prozess von 1-4) wird für soviele Abweichungen wie möglich wiederholt.
  • 2-1) Das Bitmuster für jeden Vektor, der in 1-3) hergeleitet wurde, wird durch das im Folgenden beschriebene Verfahren zur Mustermodifikation verändert. Das Bitmuster ist eine Folge von Bits "1" und "0", die das Zeichen und den Hintergrund jeweils repräsentieren (oder die umgekehrte Zuordnung). Eine kontinuierliche Reihe des Bits "1" wird "Segment" genannt, welches zur Abweichung des Musters modifiziert wird. Änderungen in den Segmenten in einem Vektor führen zu vielen abweichenden Vektoren.
  • 2-2) Die Prozedur von 2-1) wird auf alle Vektoren angewendet, die von den Pixelmatrixen abgeleitet werden, die in 1-5) erhalten werden
  • 2-3) die Referenzvektoren G3i für den Vektor g3i des Standardzeichens "3" werden umfasst von einer Menge von Vektoren, die für den Vektor vi unter den mit Hilfe von 2- 2) geschaffenen Vektoren gesammelt werden.
  • 3-1) Für alle zu erkennenden Standardzeichen (z. B. die Ziffern 0 bis 9) werden die Schritte 1-1) bis 1-5) und 2-1) bis 2-3) ausgeführt, um die Referenzvektoren für jeden Vektor in der Pixelmatrix eines jeden Standardzeichens zu erzeugen.
  • Die Regeln zur systematischen Modifikation des Bitmusters in jedem Vektor, der mit Hilfe von 1-3) abgeleitet wird, werden im Folgenden erklärt. Wie in den Fig. 4A, 4B und 4C dargestellt, ist das Bitmuster eine Folge von Bits "1" und "0", die das Zeichen bzw. den Hintergrund repräsentieren, indem das Bit "1" häufig aufeinanderfolgend auftaucht.
  • Gruppen (Clusters) des Bits "1" wie v3-1, v3-2, v17-1, v17-2 und v17-3 werden Segmente genannt. Eine systematische Modifikation aller Segmente gemäß der Regeln führt zu einer annähernden Repräsentation von Abweichungen der Zeichen wie teilweises Ausbleichen und fetten und dünnen Strichen.
  • Ein Beispiel zur Modifikation eines Segmentes gemäß dieser Regeln ist in Fig. 5 dargestellt. Das Segment 1 ist das originale Segment, zu dem ein Pixel zu dem rechten bzw. linken Ende hinzugefügt wird, um die Segmente 2 bzw. 3 zu erlangen. Das Löschen eines Pixels von dem rechten bzw. linken Ende des Segmentes 1 führt zu dem Segment 4 bzw. 5. Löschen und Hinzufügen eines Pixels sowohl am rechten und linken Ende des Segmentes 1 erzeugt die Segmente 6 bzw. 7.
  • Fig. 6 veranschaulicht die Anwendung der Regeln in Fig. 5 auf den Vektor v17 in Fig. 4B. Die Vektoren 1 bis 7 werden erzeugt durch Modifikation der Segmente v17-2, dem mittleren Segment der drei Segmente in dem Vektor v17. Auf der anderen Seite, in Anwendung der Regeln auf das Segment v17-1, welches am linken Ende positioniert ist, kann ein Pixel nicht an das linke Ende gemäß den Regeln 3 und 7 hinzugefügt werden, während für das Segment v17-3, welches an dem rechten Ende positioniert ist, keine Hinzufügung eines Pixels an das rechte Ende gemäß der Regeln 2 und 7 durchgeführt werden kann.
  • In Fig. 1 zählt der Vektorzähler 1 die Vektoranzahl für ein der Erkennung unterworfenes Bild. Ein Taktgeber erhöht die Vektoranzahl. Das ROM2 mit der Nachschlagetabelle (look- up-table ROM 2) gibt das Standardmuster aus, das durch den Eingabevektor mit der Vektoranzahl repräsentiert wird, die in dem Vektorzähler 1 angegeben wird. Für den Fall von Fig. 1 sollen die Standardmuster zehn Zeichen der Ziffern 0-9 sein. Die Adresse in dem ROM2 mit Nachschlagetabelle wird dem Bitmuster eines Vektors zugewiesen und der Speicherbereich an dieser Adresse speichert die Namen der Standardmuster, die denselben Vektor haben wie die Adresse in ihren Referenzvektoren. Bei Erhalt eines Vektors als Adresse gibt das ROM2 mit der Nachschlagetabelle die Standardmuster aus, die zu dem Eingabevektor korrespondieren. A0 bis A12 auf der linken Seite des ROM2 mit Nachschlagetabelle repräsentieren die zugehörigen Ziffern des Bitmusters des Vektors, so dass das Bitmuster mit der maximalen Länge von 13 Bits akzeptiert werden kann. Die Ziffern A13 bis A17 bezeichnen die Vektoranzahl, welche in diesem Fall von 0 bis 31 gezählt werden kann. Die Ausgabeknoten 0 bis 9 auf der rechten Seite entsprechen den zugehörigen Standardmustern 0 bis 9, so dass z. B. die Knoten 3 und 8 die Vergleichssignale liefern, wenn der Eingabevektor in den Referenzvektoren der Standardmuster 3 und 8 gefunden wird. Der Zähler 3 wird für jedes der Standardmuster bereitgestellt, d. h., der zu erkennenden Zeichen. In dem vorliegenden Falle ist der Zähler jeweils zu den Ausgabeknoten 0 bis 9 des ROM2 mit Nachschlagetabelle verbunden, um die passenden Vergleiche gleichzeitig mit dem Taktgeber zu zählen, immer dann, wenn die Ausgabeknoten 0 bis 9 das Signal eines passenden Vergleichs liefern. Der Selektor 4 für den größten Inhalt untersucht die Ergebnisse, die in jedem der Zähler 3 sich angehäuft haben, um das Standardmuster zu unterscheiden, welches dem Zähler 3 mit der höchsten Zählrate entspricht, als das Zeichen, welches mit allen Eingabevektoren repräsentiert wird.
  • Ein exemplarischer Schaltkreis zur Transformation einer Pixelmatrix in Vektoren ist in Fig. 7 dargestellt, welches ein Diagramm eines Schaltkreises zur Transformation einer 3 · 3 Pixelmatrix in Fig. 8 in Zeilen- und Spaltenvektoren ist. Der Transformationsschaltkreis wird zu der Adresse A0 bis A12 in dem ROM2 mit Nachschlagetabelle in Fig. 1 verbunden, um dem Vektor mit der Vektoranzahl, die in dem Vektorzähler 1 in Fig. 1 gekennzeichnet wird, bereitzustellen. Ein Vektordekoder 5 liefert die Ausgabesignale für den Vektor, der der Vektoranzahl von dem Vektorzähler 1 entspricht. Z. B. verursacht die Eingabe der Vektornummer v0 die Ausgabe "1" in der Signallinie d, um die Ausgabe (P&sub0;&sub0;, P&sub1;&sub0;, P&sub2;&sub0;) von den Ausgabeknoten zu liefern, während die Eingabe der Vektornummer v3 zur Zuführung der Ausgabe "1" in die Signallinie a für die Ausgabe (P&sub0;&sub0;, P&sub0;&sub1;, P&sub0;&sub2;) von den Ausgabeknoten führt.
  • Der Prozess des Mustervergleichens wird nun beschrieben. Die Standardmuster sollen die zehn Zeichen der Ziffern 0 bis 9 sein. Das Bild, das von einem Standardmuster erfasst wird, bildet eine 13 · 13 Pixelmatrix. Das Bild des zu erkennenden Objektes wird ähnlich normalisiert, um Pixel in derselben Größe zu umfassen. Fig. 9 zeigt eine solche 13 · 13 Pixelmatrix, von der die Vektoren abgeleitet werden als Vektoren mit 13 Zeilen und Vektoren mit 13 Spalten, denen fünf Vektoren in geneigter Richtung hinzugefügt werden. Die Anzahl der Pixel in den geneigten Vektoren wird als 13 festgelegt, entsprechend der in den Zeilen- und Spaltenvektoren. Der geneigte Vektor auf der Diagonalen besteht aus einer einzigen Folge von Pixeln, während die anderen aus zwei Folgen von Pixeln bestehen. Die Vektornummer wird als v0 bis v30 drei Arten von Vektoren zugewiesen in der Reihenfolge beginnend mit den Zeilenvektoren.
  • Weil die Vektornummer für das zu erkennende Objekt sequentiell durch den Vektorzähler 1 angezeigt wird, wird der korrespondierende Vektor von dem Transformationsschaltkreis, der in Fig. 7 dargestellt ist, in die Adresse des ROM2 mit Nachschlagetabelle eingegeben. Die Ausgabe der geneigten Vektoren belegt andere spezifische Transformationsschaltkreise. Das ROM2 mit Nachschlagetabelle gibt von den Ausgabeknoten 0 bis 9 die Standardmuster aus, die die Referenzvektoren haben, die mit den Bitmustern, die zu denen des Eingabevektors passen. Z. B. liefert der passende Vergleich für das Standardmuster "0" das Signal eines passenden Vergleichs von dem Ausgabeknoten "0". Im tatsächlichen Betrieb würde das Bitmuster eines Eingabevektors oft mit dem Referenzvektor von mehr als einem einzelnen Standardmuster passen, so dass die zugehörige Anzahl von Standardmustern ausgegeben wird. Mit Bezug auf Fig. 3 und Fig. 4A, 4B und 4C repräsentieren beide Vektoren v3 und Vektor v17 die Ziffern 3 und 8. Eine Einbeziehung des Vektors v13 erhöht die Wahrscheinlichkeit für die Ziffer 3. Eingabe von vielen Vektoren erhöht somit die Erkennungswahrscheinlichkeit für das zu erkennende Zeichen. Demgemäß werden im Allgemeinen alle Vektoren, die für das zu erkennende Objekt abgeleitet werden, für die Eingabe verwendet. Allerdings kann nur mit den Vektoren, die die Eigenschaftsteile der Standardmuster repräsentieren, das zu erkennende Zeichen mit guter Genauigkeit unterschieden werden.
  • Der für jedes Standardmuster individuell bereitgestellte Zähler 3 zählt jedes Signal eines passenden Vergleiches und hält das sich ansammelnde Ergebnis. Diese Prozedur wird von v0 bis zu dem Endvektor v30 wiederholt und der Zähler 3 mit dem maximalen Wert wird identifiziert. Das Standardmuster, das dem ausgewählten Zähler 3 entspricht, wird als das Zeichen für das zu erkennende Objekt erkannt.
  • Bei dem vorstehend beschriebenen Ausführungsbeispiel werden die Vektoren, die in der geneigten Richtung ausgewählt werden (in diesem Fall in einem Winkel von 45º) nicht nur deshalb hinzugenommen, weil die größere Anzahl von Vektoren zu der höheren Erfassungsgenauigkeit führt, sondern weil die Anzahl von Vektoren, die in Zeilen- und Spaltenrichtungen möglich ist, limitiert ist. Weiterhin, wenn der Referenzvektor mit derselben Vektornummer wie ein Eingabevektor und das Bitmuster, das zu dem Eingabevektor passt, in den Referenzvektoren gefunden werden, wird ein Zählwert zu dem Zähler 3 für das zugehörige Standardmuster addiert. Auf der anderen Seite kann ein ROM2 mit Nachschlagetabelle entworfen werden, um einen Vektor zu unterscheiden, der niemals ein Standardmuster repräsentiert, so dass die Reduktion des Wertes in dem Zähler 3 entsprechend dem Standardmuster in Antwort auf die Eingabe eines solchen Vektors die Erkennungsgenauigkeit weiter erhöht. Beispielsweise wird für die Eingabe des Vektors v17 in Fig. 3, der niemals die Ziffer eins repräsentiert, der Zähler 3 für das Standardmuster "1" um eins heruntergezählt.
  • Für die obigen Fälle wird der Zähler 3 um eins heraufgezählt oder heruntergezählt, aber der Vorgang mit eins oder minus eins ist nicht notwendigerweise ausschließlich für das Zählen. Beispielsweise könnten zwei oder drei Zahlen für einen höheren Grad eines passenden Vergleiches als das Segment 1 in Fig. 5 hinzuaddiert werden. Obwohl alle Zeilen- und Spaltenvektoren und einige geneigte Vektoren für die vorstehenden Beispiele verwendet wurden, werden weiterhin nicht alle Vektoren für die Erkennung einer Musterprobe benötigt. Die Vektoren müssen auch nicht alle Komponenten in einer Zeile oder Spalte haben und könnten weiterhin eine unterschiedliche Anzahl von Komponenten haben. Neben der Bildung eines Vektors mit Matrixkomponenten in geneigter Richtung können die Komponenten eines Vektors auch Kombinationen von Komponenten in jeder Zeile, Spalte und den geneigten Richtungen beinhalten. Tatsächlich muss der Vektor nur das Merkmal einer Musterprobe repräsentieren mit jeder möglichen Anzahl und Größe der konstituierenden Pixel.
  • Wie vorstehend beschrieben, unterscheidet diese Erfindung das Standardmuster, das ein zu erkennendes Objekt repräsentiert, durch Auswertung von Werten des passenden Vergleichs der Vektoren in dem zu erkennenden Objekt mit den Referenzvektoren mit denselben Vektornummern, die verschafft worden sind von den Vektoren in den Standardmustern und den modifizierten Vektoren, die abweichende Bilder aufgrund einer Änderung in der Erfassungsbedingung und/oder teilweisen Ausbleichung des Zeichens repräsentieren. Dieses Verfahren ermöglicht die Erkennung des Objektes, das von dem Standardmuster abweicht, mit besserer Genauigkeit. Eher zufällige Abweichungen der Vektoren stellt auch die Vektoren an Eigenschaftenteilen der Muster bereit, um die Erkennungswahrscheinlichkeit zu erhöhen. Es folgt deshalb, dass die Pixel, die für die Identifikation des zu erkennenden Objektes benötigt werden, in geneigter Richtung gewählt werden können, genauso wie in Zeilen- und Spaltenrichtungen in der Pixelmatrix, um die Vektoren zu bilden, wodurch die Mustererkennung möglich wird mit weniger Daten und weniger Fehlern.
  • Obwohl offensichtliche Änderungen in den speziellen Ausführungsformen der hierin beschriebenen Erfindung gemacht werden können, sind solche Modifikationen innerhalb des Umfangs der beiliegenden Ansprüche, was anzeigen soll, dass alle Gegenstände, die hier enthalten sind, nur als Beispiel gebend gedacht sind und nicht als den Umfang limitierend.

Claims (8)

1. Verfahren zum Mustervergleich, wobei eine Folge von binären Pixeln sich auf einen Vektor beziehen, der gebildet ist durch das Auswählen von aufeinanderfolgenden Pixeln gemäß einiger vorbestimmter Regeln von einem binären Bild, das aus einer m · n Matrix von binären Pixeln besteht, wobei eine gewisse Anzahl von Vektoren, die von dieser Matrix abgeleitet werden, nummeriert werden mit der Notation vi, und Referenzvektoren Gki bestehen aus einer Gruppe von Vektoren gki, die von m · n Matrizen abgeleitet werden, die Standardbilder k (k = 1 - f) repräsentieren für f unterschiedliche Standardmusterproben k (k = 1 - f) und Mehrfachvektoren gki, die durch vorbeschriebene Modifikation der konstituierenden Pixel in den Vektoren gki gebildet werden, das folgende Schritte umfasst:
Darstellen eines Erkennungsbildes, welches von einer zu erkennenden Musterprobe erfasst wurde, mit einer m · n Matrix von binären Pixeln,
Auswählen einer gewissen Anzahl von vorgeschriebenen Vektoren unter diesen Vektoren vi der binären Pixel,
Vergleichen der vorgeschriebenen Vektoren mit den Referenzvektoren entsprechend den vorgeschriebenen Vektoren für jede der Standardmusterproben,
Addieren der Ergebnisse zu der Musterprobe p (1 < = p < = f), die Referenzvektoren hat, die mit dem Vektor passen, und
Erkennen der Musterprobe q (1 < = q < = f) mit dem Maximum des Ergebnisses als die Musterprobe, die das zu erkennende Objekt darstellt.
2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass eine gewisse Anzahl von Folgen der Pixel, die aufeinanderfolgend ausgewählt wurden gemäß den vorbeschriebenen Regeln, zusammengesetzt sind aus m-Zeilen in der m · n Matrix mit Pixelkomponenten, die das Bild repräsentieren.
3. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass eine gewisse Anzahl von Folgen der Pixel, die aufeinanderfolgend gemäß der vorgeschriebenen Regeln ausgewählt wurden, aus n-Spalten in der m · n Matrix mit Pixelkomponenten bestehen, die das Bild repräsentieren.
4. Verfahren gemäß Anspruch 1 dadurch gekennzeichnet, dass eine gewisse Anzahl von Folgen der Pixeln, die aufeinanderfolgend gemäß der vorgeschriebenen Regeln ausgewählt wurden, aus Reihen von Pixeln in einer Linie in einem Winkel von 45º in der m · n Matrix bestehen, die das Bild repräsentieren.
5. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass eine gewisse Anzahl von Folgen der Pixeln, die gemäß der vorgeschriebenen Regeln aufeinanderfolgend ausgewählt wurden, in einer Reihe von Pixel umfasst sind, die in willkürlicher Position, Anzahl und Größe von Merkmalsteilen der Musterprobe in der m · n Matrix gewählt werden mit Pixelkomponenten, die das Bild repräsentieren.
6. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass eine gewisse Anzahl von Folgen der Pixeln, die gemäß der vorgeschriebenen Regeln aufeinanderfolgend ausgewählt wurden, aus einer Kombination von zumindest zwei Gruppen von m-Zeilen in der m · n Matriz mit Pixeln umfasst sind, die das Bild repräsentieren, n- Spalten in der m · n Matrix mit Pixelkomponenten, die das Bild repräsentieren, Reihen von Pixeln in einer Linie in einem Winkel von 45º in der m · n Matrix mit Pixelkomponenten, die das Bild repräsentieren, und Reihen von Pixeln, die in einer willkürlichen Position, Anzahl und Größe von den Merkmalsteilen der Musterprobe in der m · n Matrix gewählt werden mit Pixelkomponenten, die das Bild repräsentieren.
7. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass N Standardbilder bereitgestellt werden mit den Originalbildern der Standardmusterproben k (1 < = k < = f) unter einer Erfassungsbedingung und dass die Bilder der Standardmusterproben k (1 < = k < = f) unter unterschiedlichen Erfassungsbedingungen und dass die Referenzvektoren für jede der N Standardbilder erzeugt werden.
8. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die vorgenannte Modifikation in der Änderung in der Anzahl von Pixeln in einem Segment besteht, die eine kontinuierliche Reihe des Bits "1" (oder Bits "0"), binären Werts für Pixel in den Vektoren ist.
DE69421487T 1993-08-09 1994-08-08 Verfahren zum Vergleichen von Mustern basierend auf der Verwendung von Bildelementmatritzen und Bildelementvektoren Expired - Fee Related DE69421487T2 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP5196553A JPH0749927A (ja) 1993-08-09 1993-08-09 パターン認識方法

Publications (2)

Publication Number Publication Date
DE69421487D1 DE69421487D1 (de) 1999-12-09
DE69421487T2 true DE69421487T2 (de) 2000-04-27

Family

ID=16359654

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69421487T Expired - Fee Related DE69421487T2 (de) 1993-08-09 1994-08-08 Verfahren zum Vergleichen von Mustern basierend auf der Verwendung von Bildelementmatritzen und Bildelementvektoren

Country Status (4)

Country Link
US (1) US5708731A (de)
EP (1) EP0643363B1 (de)
JP (1) JPH0749927A (de)
DE (1) DE69421487T2 (de)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6094506A (en) * 1995-10-25 2000-07-25 Microsoft Corporation Automatic generation of probability tables for handwriting recognition systems
US6658145B1 (en) * 1997-12-31 2003-12-02 Cognex Corporation Fast high-accuracy multi-dimensional pattern inspection
US7016539B1 (en) 1998-07-13 2006-03-21 Cognex Corporation Method for fast, robust, multi-dimensional pattern recognition
US6782131B2 (en) * 1999-12-29 2004-08-24 Honeywell International Inc. System, method and apparatus for pattern recognition with application to symbol recognition and regeneration for a display
US6954552B2 (en) * 2000-12-20 2005-10-11 Honeywell International Inc. System, method and apparatus for pattern recognition with application to symbol recognition and regeneration for a calligraphic display
US6959112B1 (en) 2001-06-29 2005-10-25 Cognex Technology And Investment Corporation Method for finding a pattern which may fall partially outside an image
US8081820B2 (en) * 2003-07-22 2011-12-20 Cognex Technology And Investment Corporation Method for partitioning a pattern into optimized sub-patterns
US7190834B2 (en) * 2003-07-22 2007-03-13 Cognex Technology And Investment Corporation Methods for finding and characterizing a deformed pattern in an image
US8437502B1 (en) 2004-09-25 2013-05-07 Cognex Technology And Investment Corporation General pose refinement and tracking tool
US8103085B1 (en) 2007-09-25 2012-01-24 Cognex Corporation System and method for detecting flaws in objects using machine vision
JP5534406B2 (ja) 2007-09-26 2014-07-02 株式会社ニコン 表面検査方法および表面検査装置
US8843523B2 (en) * 2009-01-12 2014-09-23 Micron Technology, Inc. Devices, systems, and methods for communicating pattern matching results of a parallel pattern search engine
US9679224B2 (en) 2013-06-28 2017-06-13 Cognex Corporation Semi-supervised method for training multiple pattern recognition and registration tool models
US9785817B2 (en) * 2015-05-29 2017-10-10 Datalogic Usa, Inc. Region of interest location and selective image compression
DE102015013651B4 (de) 2015-10-22 2019-02-07 EXPERT-TÜNKERS GmbH Doppelwalzendrehtisch
EP3219436B1 (de) 2016-03-19 2018-11-07 Expert-Tünkers GmbH Vorrichtung zum motorischen drehen eines starren werkstückträgers in entgegengesetzten drehrichtungen

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4283523A (en) * 1979-06-04 1981-08-11 Hooker Chemicals & Plastics Corp. Fluoro-alkyl ester-terminated linear aromatic polyester of enhanced hydrolytic stability
GB2100904B (en) * 1981-07-03 1985-09-18 Norcros Investments Ltd Character recognition systems and methods
JPS5814707A (ja) * 1981-07-16 1983-01-27 トニ−・レオン・グロ−ヴア 樹皮剥離装置
JPS5969878A (ja) * 1982-10-14 1984-04-20 Nec Corp オンライン文字認識方式
JPS6033675A (ja) * 1983-08-04 1985-02-21 Fuji Electric Co Ltd 文字読取装置
JPS6097482A (ja) * 1983-10-31 1985-05-31 Meidensha Electric Mfg Co Ltd パタ−ン認識装置
JPS60103492A (ja) * 1983-11-09 1985-06-07 Sumitomo Electric Ind Ltd 文字認識方式
JPS61123984A (ja) * 1984-11-20 1986-06-11 Fujitsu Ltd 認識装置
GB2177834B (en) * 1985-07-02 1988-11-16 Ferranti Plc Pattern detection in two dimensional signals
US4700400A (en) * 1985-10-10 1987-10-13 The Palantir Corporation Feature extraction technique for use in a pattern recognition system
US4903313A (en) * 1986-07-03 1990-02-20 Ricoh Company, Ltd. Character recognition method
DE3815869A1 (de) * 1987-05-08 1988-11-17 Ricoh Kk Verfahren zum extrahieren von merkmalsmengen eines zeichens
US5031225A (en) * 1987-12-09 1991-07-09 Ricoh Company, Ltd. Character recognition method for recognizing character in an arbitrary rotation position
JPH01183793A (ja) * 1988-01-18 1989-07-21 Toshiba Corp 文字認識装置
JPH01224881A (ja) * 1988-03-04 1989-09-07 Toshiba Mach Co Ltd パターン検査装置
JP2591984B2 (ja) * 1988-06-06 1997-03-19 日立ソフトウェアエンジニアリング株式会社 パターン認識装置
DE3853885T2 (de) * 1988-12-30 1995-09-14 Ezel Inc Vektorisationsverfahren.
JPH02202689A (ja) * 1989-02-01 1990-08-10 Fujitsu Ltd 文字認識装置
CA2036974C (en) * 1990-02-26 1996-06-11 Masayuki Kimura Pattern recognition data processing device using an associative matching method
JPH04142684A (ja) * 1990-10-03 1992-05-15 Ricoh Co Ltd 文字認識装置
JP2918383B2 (ja) * 1992-02-27 1999-07-12 大日本スクリーン製造株式会社 画像の輪郭抽出方法および装置
US5379349A (en) * 1992-09-01 1995-01-03 Canon Research Center America, Inc. Method of OCR template enhancement by pixel weighting
US5337372A (en) * 1992-10-13 1994-08-09 At&T Bell Laboratories Method and apparatus for symbol recognition using multidimensional preprocessing at multiple resolutions

Also Published As

Publication number Publication date
EP0643363B1 (de) 1999-11-03
US5708731A (en) 1998-01-13
DE69421487D1 (de) 1999-12-09
EP0643363A1 (de) 1995-03-15
JPH0749927A (ja) 1995-02-21

Similar Documents

Publication Publication Date Title
DE1549930C3 (de) Einrichtung zum Erkennen vorzugsweise handgeschriebener Schriftzeichen
DE69421487T2 (de) Verfahren zum Vergleichen von Mustern basierend auf der Verwendung von Bildelementmatritzen und Bildelementvektoren
DE3689416T2 (de) Mustermerkmalextraktion.
DE3716787C2 (de)
DE69604481T2 (de) Verfahren und gerät zum trennen des vordergrunds und hintergrunds in textenthaltenden bildern
DE2909153C2 (de) Einrichtung zur digitalen Analyse von Bild- oder Zeichenmustern
DE3633743C2 (de)
DE3886560T2 (de) Musterkonturen in Bildverarbeitung.
DE3879254T2 (de) Unterscheidungsvorrichtung für handgeschriebene und maschinengedruckte Buchstaben.
DE3786472T2 (de) Vorrichtung für optische Zeichenerkennung.
DE3322443C2 (de)
DE2801536A1 (de) Zeichenerkennungsvorrichtung
DE3501272A1 (de) Adaptives, selbstausbesserndes prozessorfeld
DE3326583C2 (de)
DE10025332A1 (de) Verfahren zum Lesen eines zweidimensionalen Barcodes
DE2540101A1 (de) Automatisches zeichenerkennungs- system
DE2234109B2 (de) Leseapparat
DE2633513C2 (de) Zeichenerkennungsvorrichtung
DE2829808A1 (de) Verfahren und vorrichtung zum lesen von zeichen
DE3718620C2 (de)
DE3508400A1 (de) Vorrichtung und verfahren zur mustererkennung
DE3241673A1 (de) Verfahren zum verdichten von daten eines zwei-wert-bildes
DE3854216T2 (de) Bildverarbeitungsgerät und -verfahren.
DE3622222A1 (de) Zeichenerkennung in zweidimensionalen signalen
DE69421369T2 (de) Automatische Schwellwertbestimmung für numerische Abtaster

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee