JP2000215315A - 図形分類方法、図形検索方法、図形分類検索システム及び記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 図形の回転、拡大・縮小、移動、ノイズ、局
所的変動に頑健で、部分図形によっても図形の分類検索
が可能なシステムを実現する。 【解決手段】 入力図形の部分曲線に関する、回転、拡
大・縮小、移動に不変な形状特徴と、対応した形状パラ
メータを求め(105）、変換規則により変形図形の形状特
徴を合成し、かつ対応の形状パラメータを求め(110)、
それら形状特徴に対応した分類表140のリスト上のモデ
ル識別子と形状パラメータを参照し、同じ形状特徴を持
つモデル図形と入力図形間の座標変換パラメータを形状
パラメータを用いて計算し，モデル識別子と座標変換パ
ラメータの組に対応した投票箱に投票し、得票数の多い
モデルを分類候補に選ぶ(115)。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、図形の分類・検索
の分野に関する。

【０００２】

【従来の技術】大規模画像データベースからの情報検索
は、マルチメディア文書の再利用、処理、編集のための
重要な機能である。画像は、色、テクスチャ、形状など
の構成要素を持っている。色やテクスチャは、数学的・
物理的に取り扱いやすく、それらの性質や変換は統計的
な手法により表現することができる。一方、形状も重要
な構成要素であるが、数十年もの研究にもかかわらず、
形状解析・表現は未だに難しい研究課題である。特に，
自然界で観測される形は、しばしば、部分が隠れたり、
ノイズで変形していたり、部分だけが見えたりする。画
像データベースへ提示された検索図形と似たような部分
形状を持つモデル図形の集合を効率的に検索することは
重要な課題である。

【０００３】部分だけが見える形状の認識に関して，こ
れまでに多くの方法が提案されている．多くの方法で
は、境界輪郭のある種の不変形状特徴を考えており、特
徴の類似度によって最適な部分を見つけるために動的計
画法が、あるいは、部分形状の位置の特定のためにハフ
投票法が使われる。例えば、「弧長−転回角度グラフ」
は、回転と位置移動からなる合同変換群に対して不変で
ある（J.L. Turney,T.N. Mudge, and R.A. Voltz, Re
cognizing partially occluded parts,IEEE Transactio
ns on Pattern Analysis and Machine Intelligence, v
ol.7,no.4, pp.410−422, 1985 を参照）。さらに、相
似変換群に不変な特徴としては、全曲率関数などがあ
る。しかしながら、これらの方法では、単一のモデルに
関して最適な部分を見つけるのにかなりの計算量が必要
となり、さらに、計算時間がモデル数に比例するため、
モデル数が多いと効率が落ちる。インデクシング法は効
率を改善する方法として有望であり、部分だけが見える
形状の認識のために、幾何学的ハッシング法が提案され
た（Y.Lamdan and H.Wolfson, Geometrichashing: a ge
neral and efficient model−based recognition schem
e,Proceedings of the Second International conferen
ce on Computer Vision,Tampa,Florida,USA,December 5
−8,1988, pp.238−249 を参照）。幾何学的ハッシン
グは、ある特定の変換群に対して不変な特徴の計算と、
変換空間への投票からなる。その主な欠点は、ノイズや
変形に敏感であることと、形状の小さな変化によって分
類精度が急激に低下することである。

【０００４】形状による大規模画像データベースからの
効率的で頑健な情報検索は難しい課題であり、最近、効
率と頑健性の向上という観点から、画像データベースか
らの形状検索の研究が行われている。特に、形状が部分
だけしか見えないようなときには、問題が扱いにくいも
のになる。Stein とMedioni は、幾通りかの境界セグメ
ントの線分近似から形状特徴を抽出することによりノイ
ズや局所的な変形に対する頑健性を向上させようとして
いる（F.Stein and G.Medioni, Structuralindexing:ef
ficient 2−D object recognition,IEEE transactions
on PatternAnalysis and Machine Intelligence, vol.1
4,no.12,pp.1198−1204,1992 を参照）。また、Mokhta
rianは、頑健性と効率を改善するため曲率尺度空間法と
オブジェクト・インデクシングを用いている（F.Mokhta
rian, Silhouette−basedoccluded object recognition
throuth curvature scale space, MachineVision and
Application,vol.10,no.3,pp.87−97,1997 を参照）。

【０００５】図形の分類・検索において、効率と頑健性
は重要であるが、ときには両立しない性能評価基準であ
る。頑健性の向上は、分類・検索方法が図形に対してあ
る種の変化や変形を許容することを意味する。多くの異
なるパラメータを使って様々な図形を生成する「genera
te−and−test」のような総当り的な方法を用いること
は、明らかに効率の低下につながる。効率と頑健性の両
立の鍵は、変化や変形を許容するような、コンパクトで
構造化された図形の表現にある。

【０００６】

【発明が解決しようとする課題】本発明の目的は、モデ
ル図形の一部分のような図形や、モデル図形に対して回
転、拡大・縮小又は移動した図形も分類可能で、ノイズ
や局所的変形に対しても頑健で、効率的な図形分類方法
及びシステムを提供することにある。本発明のもう一つ
の目的は、モデル図形の一部分のような図形や、モデル
図形に対して回転、拡大・縮小又は移動した図形を入力
して、その図形と類似した部分形状を持つ図形を図形デ
ータベースから検索可能で，ノイズや局所的変形に対し
ても頑健で、効率的な図形検索方法及びシステムを提供
することにある。

【０００７】

【課題を解決するための手段】部分的に見える形状から
図形の分類・検索を行うために、本発明においては、入
力図形の部分曲線に関する、回転、拡大・縮小及び位置
移動に不変な形状特徴と、それに対応した部分曲線の形
状パラメータを用いる。また、ノイズ、観測スケール、
局所的な変形に対し頑健にするために、図形変形に関す
る特徴変換規則を定義し、入力図形より抽出した構造的
特徴又は形状特徴に特徴変換規則を適用することによっ
て、ノイズや局所的変形により生じる変形パターンから
抽出される可能性ある形状特徴を生成し、また、その形
状特徴に対応した部分曲線の形状パラメータも生成す
る。そして、これら形状特徴及び形状パラメータと、モ
デル図形の集合に対して用意された同様の形状特徴及び
形状パラメータを利用して入力図形を分類する。

【０００８】本発明の好ましい一態様においては、構造
的インデクシングによる効率的な図形分類を実現するた
め、各モデル図形の部分線分に関する形状特徴、又は、
その変形図形の形状特徴がアドレス又はインデックスに
対応し、そのエントリーが、当該形状特徴を持つモデル
図形の識別子と当該形状特徴に対応した部分線分の形状
パラメータの組からなるリストである分類表を用いる。
そして、前記特徴抽出又は前記特徴合成により生成され
た各形状特徴に対応した入力図形の部分線分の形状パラ
メータと、それら各形状特徴に対応した前記分類表のリ
スト上の各モデル図形の形状パラメータとを用いて、該
入力図形と該各モデル図形との間の座標変換パラメータ
を計算し、該各モデル図形の識別子と該計算した座標変
換パラメータの組に対する投票操作を行うことにより、
該入力図形と類似した部分形状を持つモデル図形を分類
候補として選ぶ。

【０００９】分類に利用する形状特徴は、形状を特徴付
けるに十分な情報を持たなければならない。本発明の好
ましい一態様においては、入力図形又はモデル図形を区
分線分近似し、量子化方向特徴及び準凹凸構造に基づい
て、連続したいくつかの線分をより高いレベルの構造的
特徴に統合し、この構造的特徴をもとに、そのような十
分な情報を持つ形状特徴を生成する。このような特徴抽
出方法によれば、簡単で効率的な処理により、コンパク
トな表現の形状特徴を得られるという利益も得られる。

【００１０】本発明の一態様によれば、上に述べた方法
による入力図形の分類結果を検索キーとして、入力図形
と類似した部分形状を持つ図形を図形データベースより
検索する。

【００１１】

【発明の実施の形態】図１は、本発明の一実施例による
図形分類検索システムのブロック図である。図１におい
て、図形入力部１００は分類（認識）したい図形、ある
いは、図形検索のための図形を入力する部分である。こ
こで入力される図形とは、線図形、あるいは、画像から
抽出された物体輪郭線の全体又は一部であり、一般に曲
線である。このような入力図形は、イメージスキャナや
デジタルカメラ等の機器より撮像された画像から輪郭抽
出によって抽出される場合と、デジタイザ等の機器によ
り最初から線図形として（必要に応じて細線化処理を施
されて）入力される場合とがある。

【００１２】特徴抽出部１０５は、入力された図形を区
分線分近似したのち、量子化方向特徴と準凹凸構造に基
づいて解析し、連なっている線分をより高いレベルの構
造的特徴に統合し、この構造的特徴をもつに，入力図形
の部分線分に関する、コンパクトな表現で分類特徴とし
て十分な情報を持ち、かつ、回転、拡大・縮小及び移動
に不変な形状特徴（その内容は後述する）を生成する部
分である。また、形状特徴に対応した部分線分の形状パ
ラメータ（内容は後述）も生成する。

【００１３】特徴抽出部１０５で抽出される構造的特徴
及びそれをもとに生成される形状特徴は、ノイズや観測
スケール、局所的変形によって変化する。本発明では、
そのような変形に対処するため、ある特定の種類の変形
についての特徴変換を解析し、少数の異なる場合分けか
らなる特徴変換規則を定義する。そして、特徴合成部１
１０において、特徴抽出部１０５により入力図形から抽
出された構造的特徴又はそれをもとに生成された形状特
徴に、その特徴変換規則を適用することにより、ノイズ
や局所的変形により発生し得る変形図形の形状特徴を生
成し、また、生成した形状特徴に対応する部分線分の形
状パラメータも生成する。このようにして特徴変換規則
の適用により生成さ形状特徴と形状パラメータは、入力
図形から生成された形状特徴と形状パラメータとともに
分類部１１５に与えられる。

【００１４】分類部１１５は、与えられた各形状特徴及
び対応した形状パラメータ、並びに、モデル図形の集合
に対する同様の形状特徴と形状パラメータから構築され
た分類表１４５を利用して、入力図形と類似の部分形状
を持つモデル図形を見つける部分である。この分類部１
１５は、機能的にはアドレス（インデックス）計算部１
１６、表参照部１１７、変換・投票部１１８および候補
選択部１１９からなるが、それぞれの作用については後
述する。図形分類（認識）を目的とした場合には、分類
部１１５で候補として選ばれたモデル図形の識別子が分
類結果として出力される。図形検索を目的とした場合に
は、図形検索部１２０において、分類部１１５より出力
されたモデル図形の識別子を検索キーとして、入力図形
と類似した部分形状を持つ図形（モデル図形そのものも
含まれる）を図形データベース１５０より検索し、検索
結果として出力する。

【００１５】本発明においては、構造的インデクシング
によるモデルデータベースの組織化を採用する。大量の
モデルの効率的な処理のため、図３に模式的に示すよう
な構造の大規模な表を用意する。この表が図１中の分類
表１４５である。この分類表１４５は、アドレス（又は
インデックス）がモデル図形の部分線分に関する形状特
徴に対応し、そのエントリーが、その形状特徴を持つモ
デル図形の識別子と、その形状特徴に対応した部分曲線
の形状パラメータ（その内容は後述する）の組を要素と
したリストである、大規模な表である。このような分類
表１４５の作成にあたっては、モデル図形から生成され
る形状特徴に加えて，その変形図形の形状特徴も利用さ
れる。この変形図形の形状特徴は、特徴合成部１１０に
おけると同様な特徴変換規則を、モデル図形から抽出さ
れた構造的特徴又はそれをもとにした形状特徴に対して
適用することよって生成される。

【００１６】分類表１４５は、システムの外部で作成さ
れてもよいが、本実施例の図形分類検索システムは、シ
ステム内部で分類表１４５を作成できるようにするた
め、分類表１４５の作成に関連したモデル図形入力部１
２５、特徴抽出部１３０、特徴合成部１３５及び表作成
部１４０を備える。モデル図形入力部１２５はモデル図
形（線図形、あるいは、画像より抽出された物体の輪郭
線の全体又は一部）を入力する部分であり、特徴抽出部
１３０は特徴抽出部１０５と同じ特徴抽出処理を行う部
分である。特徴合成部１３５は、特徴抽出部１３５によ
りモデル図形から抽出された構造的特徴又はそれをもと
に生成された形状特徴に対して、特徴合成部１１０と同
様の特定の的特徴変換規則を適用することにより、モデ
ル図形にノイズや局所的変形が加わった場合に発生し得
る形状特徴を生成し、また対応した形状パラメータを生
成する部分である。したがって、モデル図形入力部１２
５、特徴抽出部１３０及び特徴合成部１３５はそれぞれ
図形入力部１００、特徴抽出部１０５及び特徴合成部１
１０と兼用することも可能である。表作成部１４０は、
特徴抽出部１３０及び特徴合成部１３５によって得られ
た形状特徴のそれぞれからアドレス（インデックス）を
計算し、その各形状特徴を持つモデル図形の識別子と、
対応した形状パラメータからなるリストを当該アドレス
（インデックス）のエントリーとした大規模な表を分類
表１４５として構築する部分である。

【００１７】この図形分類検索システムは、例えば、図
２に簡略化して示すようなＣＰＵ２００、メモリ２０
５、ハードディスク等の大容量記憶装置２１０、スキャ
ナ、デジタルカメラ、デジタイザ等のイメージ／図形入
力装置２１５、ユーザインターフェイスのためのディス
プレイ２２０とキーボードやマウス等のユーザ入力装置
２２５、フロッピーディスクやＣＤ−ＲＯＭ等の記録媒
体２３５に対する読み書きを行う媒体ドライブ２３０等
をシステムバス２４０で相互に接続した構成のコンピュ
ータ上で、プログラムにより実現することができる。図
形データベース１５０及び分類表１４５は大容量記憶装
置２１０に保存される。このコンピュータ上で図１中の
各機能部１００，１０５，１１０，１１５，１２０，１
２５，１３０，１３５、１４０の機能（換言すれば同シ
ステムにおける一連の処理ステップ）を実現するための
分類検索プログラム２５０は、例えば、同プログラムが
記録された記録媒体２３５から媒体ドライブ２３０によ
って読み込まれて大容量記憶装置２１０に格納され、必
要な時にその全部又は一部がメモリ２０５にロードされ
てＣＰＵ２００により実行される。分類表１４５も、例
えば、それが記録された記録媒体２３５から読み込まれ
て大容量記憶装置２１０に格納され、プログラム２５０
の実行時に、その全体又は一部分がメモリ２０５にロー
ドされ、参照又は更新される。分類すべき図形や検索図
形やモデル図形は、イメージ／図形入力装置２１５を利
用して入力され、あるいは記録媒体２３５から読み込ま
れる。以下、この図形分類検索システムの各部分につい
て詳細に説明する。

【００１８】［図形入力部１００又はモデル図形入力部
１２５］図形入力部１００は、前述のように分類すべき
図形又は検索のための図形を入力する。入力図形一例を
図８に示す。モデル図形入力部１２５は同様のモデル図
形を入力する。

【００１９】［特徴抽出部１０５又は１３０］図４は、
特徴抽出部１０５又は１３０における特徴抽出処理の流
れを示すフローチャートである。また、図５は、特徴抽
出処理の過程で得られるデータを関連付けて模式的に示
した図である。なお、図４中の輪郭抽出処理のためのス
テップ３００は、輪郭抽出が必要とされる図形の画像が
図形入力部１００から入力された場合にのみ必要な処理
ステップであり、線図形が直接入力された場合には不要
である。

【００２０】特徴抽出部１０５はまず、入力図形を区分
線分近似する（ステップ３０１）。この区分線分近似
は、Ramerの方法など、公知の任意の方法で行ってよ
い。例えば、図８に示した入力図形は、図９に示すよう
な多角形に近似される。

【００２１】このように区分線分近似された入力図形
を、量子化方向特徴と準凹凸構造をもとにして解析し構
造的特徴を抽出する（ステップ３０２〜３０８）。この
ような特徴抽出の詳細は、H.Nishida，Curve descripti
on based on directionalfeatures and quasi-convexit
y/concavity，Pattern Recognition,vol.28,no.7,pp.10
45−1051，July 1995 に譲り、ここではその概略を説明
する。

【００２２】２Ｎ個（Ｎは自然数）の量子化方向コード
を決めるためにＮ本の軸を導入する。例えば、Ｎ＝４の
とき、図１０（ａ）に示すように４本の軸に沿って０，
１，．．．，６，７の８つの方向コードを定義する。ま
た、Ｎ＝６のとき、図１０（ｂ）に示すような6本の軸
に沿って１２の方向コードを定義する。ここでは、Ｎ＝
４の場合を想定する。これら２Ｎ方向とＮ本の軸をもと
にして、区分線分近似された入力図形の線分を「セグメ
ント」に統合しながら入力図形を解析する。

【００２３】まず、入力図形をＮ本の各軸に沿って見た
ときに、極大点又は極小点となる点を、入力図形の分割
点とする（ステップ３０２）。例えば、Ｎ＝４のとき、
図９の図形から、図１１に示す太短線と図形線分との交
点がそれぞれ分割点として抽出される。各分割点の近傍
の（）中の数字１〜１３は分割点のラベルであり、図５
中の「分割点」欄の数字に対応している。

【００２４】入力図形は分割点で「部分セグメント」に
分割される。換言すれば、この分割によって、入力図形
上の連続した線分が「部分セグメント」に統合される。
この部分セグメントは、Ｎ本のどの軸上でも、それを１
つの端点からもう１つの端点へと辿る運動の射影が単調
変化するような、連続した線分の集まりである。例え
ば、Ｎ＝４のとき、図９の入力図形から、図１１に示す
ような１３個の部分セグメントＡ〜Ｍが得られる。これ
ら各部分セグメントと分割点とが対応付けられて図５の
「部分セグメント」欄に示されている。隣り合う部分セ
グメントが共有する分割点は、それら部分セグメントの
「連結点」でもあるので、以下の説明中では「連結点」
と呼ぶ。

【００２５】次に、隣接する２つの部分セグメントの連
結点の局所的な凹凸構造によって、「連結の向き」（凹
凸）をチェツクする（ステップ３０３）。すなわち、隣
接する２つの部分セグメントをａとｂとして、ａからｂ
に移るように図形を辿った時に、連結点の周りで反時計
回りになるときには、すなわち図形の凸部分に相当する
ときには、その連結の向きをａ−→ｂと表す。逆に、連
結点の周りで時計回りになるときには、つまり図形の凹
部分に相当するときには、その連結の向きをｂ−→ａと
表す。Ｎ＝４とし、図１１に示す各連結点の「連結の向
き」（凹凸）を図５の「凹凸」欄に示す。「凹凸」欄に
おいて、「０」は凸であること、すなわち「連結の向
き」がａ−→ｂであることを示し、「１」は凹であるこ
と、すなわち「連結の向き」がｂ−→ａであることを示
す。

【００２６】次に、各連結点に関し「方向特徴」を求め
る（ステップ３０４）。まず、各連結点の方向を求め
る。すなわち、隣接する２つの部分セグメントを、その
連結の向きに辿った時に、その連結点が極値をとる量子
化方向を求める。例えば、図１１の部分セグメントＡ，
Ｂの連結点の場合、図１６から明らかなように、Ａから
Ｂを辿ったときに、その連結点は、方向３の軸及び方向
４の軸に沿って極値をとり、それぞれ方向３と方向４の
向きに凸であるので、その方向は３と４である。また、
図１１の部分セグメントＧ，Ｈの連結点の場合、図１７
から明らかなように、ＨからＧを辿ったときに、その連
結点は方向３，４，５の各軸に沿って極値をとり、それ
ぞれ方向３，４，５の向きに凸であるので、その方向は
３，４，５である。図１１の各隣接部分セグメントの連
結点の方向は図５の「方向」欄に示す通りである。

【００２７】そして、ａ−→ｂ又はｂ−→ａの部分セグ
メントａ，ｂの連結点が量子化方向(j, j+1(mod 2
N),..., k)に向いているときに、それぞれの連結点の方
向特徴をａ−(j,k)→ｂ，ｂ−(j,k)→ａと表す。例えば
図１１に示した１３個の部分セグメントに対しては、次
のような部分セグメントの連結点の特徴が得られる。 Ｌ−(3,3)→Ｍ，Ｋ−(2,2)→Ｌ，Ｊ−(1,1)→Ｋ，Ｉ−
(0,0)→Ｊ，Ｈ−(7,7)→Ｉ，Ｈ−(3,5)→Ｇ，Ｆ−(0,1)
→Ｇ，Ｆ−(4,4)→Ｅ，Ｄ−(7,0)→Ｅ，Ｃ−(6,6)→
Ｄ，Ｂ−(5,5)→Ｃ，Ａ−(3,4)→Ｂ，Ａ−(7,7)→Ｍ

【００２８】次に、以上のようにして得られた部分セグ
メントの連結点の特徴をまとめ、 ａ(0)−(j(1,0),j(1,1))→ａ(1)−(j(2,0),j(2,1))→・・
・・−(j(n,0),j(n,1))→ａ(n) の形の系列を得る（ステップ３０５）。この形の系列に
対応する線分(部分曲線)を「セグメント」と呼ぶ。な
お、セグメントの２端点のうちで、ａ(0)上にある端点
をセグメントの始点、ａ(n)上にある端点をセグメント
の終点とし、１つのセグメントを始点から終点へと辿る
と、セグメントの各部分セグメントの連結点の周りで
は、いつも反時計回りに動くものとする。したがって、
例えば、図１1に示す１３個の部分セグメントから、図
１２に示す６個のセグメントＳ1，Ｓ2，Ｓ3，Ｓ4，S５,
S６、すなわち、 Ｓ1：Ａ−(7,7)→Ｍ Ｓ2：Ａ−(3,4)→Ｂ−(5,5)→Ｃ−(6,6)→Ｄ−(7,0)→
Ｅ Ｓ3：Ｆ−(4,4)→Ｅ Ｓ4：Ｆ−(0,1)→Ｇ Ｓ5：Ｈ−(3,5)→Ｇ Ｓ6：Ｈ−(7,7)→Ｉ−(0,0)→Ｊ−(1,1)→Ｋ−(2,2)→
Ｌ−(3,3)→Ｍ が得られる。図５の「セグメント」欄に、これら各セグ
メントと部分セグメントとの対応が示されている。「凹
凸」欄と対比すると明らかなように、凹（＝１）の分割
点では、それを連結点とする２つの部分セグメントが１
つのセグメントに統合され、また、凹（＝１）の分割点
と次の凹（＝１）の分割点との間の部分セグメントが１
つのセグメントに統合される。

【００２９】次に、各セグメントの回転量と方向を記述
する特性数《ｒ，ｄ》を求める（ステップ３０６）。こ
こで、回転量ｒと方向ｄは次式により計算する。ただ
し、式中のａ％ｂは整数ａを自然数ｂで割った余りを示
す。

【００３０】

【数１】

【００３１】例えば、図１２に示す６個のセグメントに
対する特性数は次のようになる。 Ｓ1：《2,7》，Ｓ2：《7,3》，Ｓ3：《2,4》，Ｓ4：
《3,0》，Ｓ5：《4,3》，Ｓ6：《6,7》。

【００３２】さらに、隣接するセグメントの結合をチッ
ェクし、セグメントの結合を記述する（ステップ３０
7）。隣接するセグメントＳ，Ｔは、互いに、対応する
系列の先頭又は最後の部分セグメントを共有して結合す
る。先頭の部分セグメントを共有する場合を「ｈ結合」
と呼び、Ｓ−h−Ｔと表し、最後の部分セグメントを共
有する場合を「ｔ結合」と呼び、Ｓ−t−Ｔと表す。た
だし、セグメントは図形の内部を左手に見るような順番
で並んでいるものとする。したがって、例えば図１２に
示す６個のセグメントの結合は、 Ｓ1−h−Ｓ2−t−Ｓ3−h−Ｓ4−t−Ｓ5−ｈ−Ｓ6−t−
Ｓ1 と記述される（図５の「セグメント」欄参照）。

【００３３】本発明においては、部分的に見える形状か
ら図形の分類（認識）又は検索を可能にするため、セグ
メントの特性数や結合をもとにして，回転、拡大・縮
小、位置移動に不変な部分曲線の形状特徴を求める（ス
テップ308）。具体的には、次のようなセグメント・ペ
アの形状特徴を求める。いま、特性数《ｒ(i),ｄ(i)》
と長さl(i)を持つ連続したｎ個のセグメントＳ(i)(i=1,
2,...,n)が抽出されているとする。回転量ｒ(i)は方
向、大きさ、位置に依存しないが、さらに方向、大き
さ、位置を落とすことによる情報損失を補うために、２
つの連なったセグメントのそれぞれの回転量と、その長
さの比(以下、長さ比パラメータと呼ぶ)からなる４つの
数の組を形状特徴として求める。すなわち、Ｓ(i)−ｃ
−Ｓ(i+1)(ただし、ｃ∈｛ｈ，ｔ｝）のように結合して
いる２つのセグメントＳ(i),Ｓ(i+1)から次のような形
状特徴を求める。

【００３４】

【数２】 ただし、Ｑは長さ比パラメータの量子化レベルの数であ
る。

【００３５】また、ステップ３０８において、形状特徴
に対応する部分曲線の形状パラメータとして、連なった
２つのセグメントの（長さ、重心の位置、２端点の位
置）を求める。すなわち、図１８に示すような２つのセ
グメントＳ(i),Ｓ(i+1)の場合、形状パラメータ((ｌ(i)
＋ｌ(i+1)),(Ｘc,Ｙc),(Ｘs,Ｙs),(Ｘe,Ｙe))を求め
る。このような形状パラメータは形状特徴と対応付けて
保存される。

【００３６】特徴抽出部１３５も、入力されたモデル図
形を対象として、以上に述べた特徴抽出処理を行う。

【００３７】[特徴合成部１１０又は１３５]前に言及し
たように、入力図形の構造的特徴とそれをもとにした形
状特徴は、ノイズや局所的変形により簡単に変化してし
まう。この変化を考慮せず、入力図形又はモデル図形か
ら生成した形状特徴だけを用いたのでは、分類部１１５
の投票操作で正しいモデルに対する得票数が多くなると
は限らず、ノイズや局所的変形に弱い。また、１つのモ
デルに１つのサンプル図形しか使えない場合には、パタ
ーン認識における、データからの統計的・帰納的学習の
手法を用いることができない。

【００３８】このような弱点を解消するため、本発明で
は、ある種の図形の変形操作によって生じる特徴の変換
規則を構築し、図形から抽出された構造的特徴又はその
形状特徴に、この特徴変換規則を適用することにより、
ノイズや局所的変形によって発生する変形図形から抽出
される可能性のある形状特徴を生成する。この形状特徴
の生成は、特徴合成部１１０及び同１３５で行われ、そ
れにより生成された形状特徴は、図形（分類又は検索の
ための入力図形、あるいはモデル図形）から生成された
形状特徴とともに、図形の分類・検索又は分類表１４５
の作成に使われる。

【００３９】ノイズ又は局所的変形によるセグメントの
特徴変換として、具体的には例えば次の３通りを考え
る。 曲線の法線方向の揺らぎや観測スケールによって生じ
る凹凸構造変化と特性数の変化。 小さな回転による量子化された特性数の変化。 ノイズや局所的変形による長さ比パラメータの変化。 これらの特徴変換について順に説明する。

【００４０】《特徴変換：凹凸構造の変化》区分線分
近似された曲線から構造的特徴のコンパクトな表現を得
ることができるが、これは図形に加わるノイズや観測さ
れるスケールによって生ずる凹凸変化に影響を受けやす
い。例えば、図１３の（ａ）の図形と（ｂ）の図形は大
局的に見るとよく似ているが、局所的な変形のために構
造的な特徴は異なったものとなる。Ｎ＝４としたとき、
（ａ）の図形は、それぞれ特性数《6,6》，《2.6》，
《3,2》を持ちＳ1−t−Ｓ2−h−Ｓ3のように結合する３
つのセグメントにより表される。これに対し、（ｂ）の
図形は、それぞれ特性数《6,6》，《2,6》，《2,2》，
《2,6》，《3,2》を持ちＳ1'−t−Ｓ2'−h−Ｓ3'−t−
Ｓ4'−h−Ｓ5'のように結合する５つのセグメントによ
り表される。

【００４１】このようなノイズや観測スケールによる構
造変化は曲線の法線方向の変形と考えることができるの
で、かかる変形を吸収するために、構造的特徴が互いに
似たものになるようにセグメントを編集することを考え
る。図１３に示す２つの図形の場合、図１４の（ａ）と
（ｂ）に示すように、｛Ｓ2｝,｛Ｓ2’,Ｓ4’｝の部分
を覆う如く｛Ｓ1,Ｓ2,Ｓ3｝と｛Ｓ1’,Ｓ2’,Ｓ3’,Ｓ
4’,Ｓ5’｝をそれぞれ１つのセグメントＳ，Ｓ’に置
き換えることによって、互いに似た構造的特徴を持つよ
うに変換できる。

【００４２】一般的には、セグメント・ブロック（一連
のセグメントの集合）から、次のような規則で統合セグ
メントを生成する。 （１）Ｓ(0)−h−Ｓ(1)−t−・・・−t−Ｓ(n−1)のように
結合し、特性数《ｒ(i),ｄ(i)》を持つ連続したｎ個
（ｎは奇数）のセグメントからなるブロック{Ｓ(i):i＝
1,...,n−1}について、ｒ(2i−2)−ｒ(2i−1)＋ｒ(2i)
≧２(ただしi＝1,2,...(n−1)/2)、かつ、ｒ(0)−ｒ(1)
＋．．．−ｒ(n−2)＋ｒ(n−1)≧２ならば(統合条件
１）、これらｎ個のセグメントを統合した、特性数《ｒ
(0)−ｒ(1)＋．．．−ｒ(n−2)＋ｒ(n−1)，ｄ(n−1)》
を持つ１つのセグメントを生成する。 （２）Ｓ(0)−ｔ−Ｓ(1)−ｈ−・・・−ｈ−Ｓ(n−1)のよ
うに結合し、特性数《ｒ(i),ｄ(i)》を持つ連続したｎ
個（ｎは奇数）のセグメントからなるブロック{Ｓ(i):i
＝1,...,n−1}について、ｒ(2i−2)−ｒ(2i−1)＋ｒ(2
i)≧２(ただしi＝1,2,...(n−1)/2)、かつ、ｒ(0)−ｒ
(1)＋．．．−ｒ(n−2)＋ｒ(n−1)≧２ならば(統合条件
２）、これらｎ個のセグメントを統合した、特性数《ｒ
(0)−ｒ(1)＋．．．−ｒ(n−2)＋ｒ(n−1)，ｄ(0)》を
持つ１つのセグメントを生成する。

【００４３】そして、連なった2つの統合セグメントに
ついて、前述のような形状特徴と形状パラメータを求め
る。

【００４４】すなわち、統合するセグメントの最大個数
をＭとし、セグメント・ブロックに対し、次の規則１を
適用とすることによって連なる２つの統合セグメントの
形状特徴を生成する。

【００４５】規則１：《ｒ(i),ｄ(i)》をセグメントＳ
(i)の特性数、λ(s(j)s(j+1)...s(j+k−1)をｋ個の連続
したセグメントs(j)，s(+1)，...，s(j+k−1)からなる
曲線の長さとする。このセグメント・ブロックから、次
のような規則で形状特徴を生成する。

【００４６】(1)セグメント・ブロックΣ(s(j),m,n)＝
{s(j+k)|k＝0,1,...,m−1,m,...,m+n−1；s(j)−ｈ−s
(j+1)−ｔ−...−ｔ−s(j+m−1)−ｈ−s(j+m)−ｔ−...
−ｈ−s(j+m+n−1)}(ただし、ｍ,ｎは奇数で、１≦ｍ，
ｎ≦Ｍ）において、r(j+2k−2)−r(j+2k−1)+r(j+2k)≧
２(ただしk=1,2,...,(m−1)/2)、かつ、r(j+m+2k−2)−
r(j+m+2k−1)+r(j+m+2k)≧２(ただしk=1,2,...,(n−1)/
2)、かつ、r(j)−r(j+1)+...−r(j+m−2)+r(j+m−1)≧
２、かつ、r(j+m)−r(j+m+1)+...−r(j+m+n−2)+r(j+m+
n−1)≧２ならば、形状特徴

【００４７】

【数３】 を生成する。ここで、ｍ個のセグメントｓ(j),s(j+
1),...,s(j+m−1)が１つのセグメントに統合されるセグ
メント・ブロック、ｎ個のセグメントs(j+m),s(j+m+
1),...,s(j+m+n−1)が一つのセグメントに統合されるセ
グメント・ブロックである。

【００４８】(2)セグメント・ブロックΣ(s(j),m,n)＝
{s(j+k)|k＝0,1,...,m−1,m,...,m+n−1；s(j)−ｔ−s
(j+1)−ｈ−...−ｈ−s(j+m−1)−ｔ−s(j+m)−ｈ−...
−ｔ−s(j+m+n−1)}(ただし、ｍ,ｎは奇数で、１≦ｍ，
ｎ≦Ｍ）において、r(j+2k−2)−r(j+2k−1)+r(j+2k)≧
２(ただしk=1,2,...,(m−1)/2)、かつ、r(j+m+2k−2)−
r(j+m+2k−1)+r(j+m+2k)≧２(ただしk=1,2,...,(n−1)/
2)、かつ、r(j)−r(j+1)+...−r(j+m−2)+r(j+m−1)≧
２、かつ、r(j+m)−r(j+m+1)+...−r(j+m+n−2)+r(j+m+
n−1)≧２ならば、形状特徴

【００４９】

【数４】 を生成する。ここで、ｍ個のセグメントs(j),s(j+
1),...,s(j+m−1)が１つのセグメントに統合されるセグ
メント・ブロック、ｎ個のセグメントs(j+m),s(j+m+
1),...,s(j+m+n−1)が一つのセグメントに統合されるセ
グメント・ブロックである。

【００５０】特徴合成部１１０,１３５は、特徴抽出部
１０５,１３０により抽出されたセグメントに対して規
則１を適用する。例えば、Ｎ＝4，Ｍ＝３のとき、図１
２に示した６つのセグメントはそれぞれ特性数《2,7》,
《7,3》，《2,4》，《3,0》，《4,3》，《6,7》を持つ
が、これらセグメント・ブロックから、規則１を適用す
ることによって、次のような１６個の形状特徴（長さ比
パラメータは省略）が得られる：（２,７,ｈ）,(２,８,
ｈ),(７,３,ｔ），（８，４，ｔ），（２，３，ｈ），
（２，５，ｈ），（３，６，ｈ），（３，１１，ｈ），
（３，４，ｔ），（５，２，ｔ），（４，６，ｈ），
（４，１１，ｈ），（６，２，ｔ），（１１，２，
ｔ），（１１，３，ｔ）。

【００５１】《特徴変換：微小な回転による特性数の
変化》セグメントの特性数《ｒ，ｄ》（ｒ≧２）は、図
形の回転によって変化することがある。セグメントを角
度Ψ（−π／Ｎ≦Ψ≦π／Ｎ）だけ回転させると、その
特性数は次の５通りのうちのいずれかに変換される。 (1) 《ｒ，ｄ》 (2) 《ｒ＋１，ｄ−１》 (3) 《ｒ＋１，ｄ》 (4) 《ｒ−１，ｄ》 （ｒ≧３） (5) 《ｒ−１，ｄ＋１》 （ｒ≧３） そこで、次の規則２を導入する。

【００５２】規則２：特性数《r(1),d(1)》と《r(2),d
(2)》を持つ２つの連続したセグメントS(1)，S(2)から
なる曲線を、角度Ψ（−π／Ｎ≦Ψ≦π／Ｎ）だけ回転
させることにより、回転量r(1)とr(2)は次の９つのケー
スのいずれかに変換される。 ケース１: r(1),r(2) ケース２: r(1),r(2)−1 ケース３: r(1),r(2)+1 ケース４: r(1)−1,r(2) ケース５: r(1)−1,r(2)−1 ケース６: r(1)−1,r(2)+1 ケース７: r(1)+1,r(2) ケース８: r(1)+1.r(2)−1 ケース９: r(1)+1,r(2)+1 ただし、ケース４，５，６はｒ(1)≧３のときにだけ適
用でき、ケース２，５，８はｒ(2)≧３のときにだけ適
用できる。

【００５３】図１５の（ａ）、（ｂ）及び（ｃ）に変換
例を示す。各図において、左側が変換前，右側が変換後
であり、各四角マークはセグメントの端点もしくは連結
点を示す。

【００５４】特徴合成部１１０,１３５は、特徴抽出部
１０５,１３０によって抽出されたセグメントと、前記
特徴変換によって生成された統合セグメントに対し、
前記規則２を適用して特性数の回転量を変換し、変換後
の回転量を使って前記のような形状特徴を生成する。た
だし、形状特徴に対応する形状パラメータは、すでに求
められたものをそのまま用いる。

【００５５】例えば,Ｎ＝４，Ｍ＝３のときに、図１２
に示した６つのセグメントから、前記規則１の適用によ
り前述のように１６個の形状特徴が生成される。これら
の生成された形状特徴に対して前記規則２を適用するこ
とにより、１２０個の形状特徴が生成される。

【００５６】《特徴変換：長さ比パラメータの変動》
形状特徴のセグメントの長さ比パラメータも局所的な変
形やノイズによって変わる。構造的インデクシングと投
票の処理ではぱメータがＬ段階（Ｌは自然数）に量子化
されるので、局所的変形やノイズとともにパラメータの
量子化誤差を考慮する必要がある。ここでセグメントの
長さ比パラメータｐの量子化された値を生成する次の規
則を導入する。

【００５７】規則３：αを、０≦α≦１ であるような
パラメータとする。 （１）ｉ≦ｐＱ≦（ｉ＋α／２）（ただし０＜ｉ＜Ｑ）
ならば、整数ｉとｉ−１を長さ比パラメータｐの量子化
された値として生成する。 （２）（ｉ＋１−α／２）≦ｐＱ＜（ｉ＋１）（ただし
０≦ｉ＜Ｑ−１）ならば、整数ｉとｉ＋１を長さ比パラ
メータｐの量子化された値として生成する。 （３）上記の（１）の場合でも（２）の場合でもなけれ
ば、［ｐＱ］を長さ比パラメータｐの量子化された値と
して生成する（ただし、［ｒ］はｒを越えない最大の整
数を意味する）。

【００５８】特徴合成部１３５は、前記規則１と規則２
を適用して生成された各形状特徴の長さ比パラメータｐ
に関して規則３を適用することにより、特徴変換によ
る形状特徴の合成を行う。長さ比パラメータｐが区間
［０，１］で一様に分布していると仮定すると、規則３
によって生成される形状特徴の平均個数は２α＋（１−
α）＝１＋α となる。

【００５９】なお、この規則３による形状特徴の合成
は、特徴合成部１１０では行われない。つまり、分類表
１４５の作成時のほうが、一つの図形からより多くの変
形図形の形状特徴が生成される。

【００６０】図６は、以上に述べた特徴合成部１１０の
処理の流れを示すフローチャートである。特徴合成部１
１０においては、まず、特徴抽出部１０５によって入力
図形から抽出されたセグメント系列中の最初のセグメン
トを前記特徴変換のための統合候補の先頭セグメント
に設定し（ステップ４００）、この先頭セグメント
から２つ先の（先頭セグメントを含めて３つ目の）セ
グメントを統合候補の末尾セグメントに設定する（ス
テップ４０１）。そして、先頭セグメントから末尾セ
グメントまでのセグメント系列について特徴変換の
ための前記統合条件１又は２が成立するか判定する（ス
テップ４０２）。統合条件１と統合条件２のいずれも成
立しないときには、現在の末尾セグメントから２つ先
のセグメント（統合するセグメント数は奇数である）を
改めて末尾セグメントに設定し（ステップ４１１）、
統合条件の判定を行う（ステップ４０１）。統合条件１
又は統合条件２が成立した場合、先頭セグメントから
末尾セグメントまでのセグメント系列の統合セグメン
トを生成する（ステップ４０３）。

【００６１】次に、特徴抽出部１０５によって入力図形
から抽出されたセグメント系列中の現在の統合セグメン
トの末尾セグメントの一つ先のセグメントを、もう
一つの統合候補の先頭セグメントに設定し（ステップ
４０４）、この先頭セグメントから２つ先のセグメン
トを統合候補の末尾セグメントに設定する（ステップ
４０５）。そして、先頭セグメントから末尾セグメン
トまでのセグメント系列について特徴変換のための
前記統合条件１又は２が成立するか判定する（ステップ
４０６）。統合条件１も統合条件２も成立しないときに
は、現在の末尾セグメントから２つ先のセグメントを
改めて末尾セグメントに設定し（ステップ４１３）、
統合条件の判定を行う（ステップ４０６）。統合条件１
又は統合条件２が成立した場合、先頭セグメントから
末尾セグメントまでのセグメント系列の統合セグメン
トを生成する（ステップ４０３）。

【００６２】このようにして得られた、連なった2つの
統合セグメントに対し，前記の規則１を適用するこ
とにより形状特徴を生成するとともに、この形状特徴に
対応した部分曲線の形状パラメータ（長さ、重心の位
置、２端点の位置）を計算する（ステップ４０８）。さ
らに、統合セグメントと統合セグメントからなる部
分曲線に対し前記規則２を適用して前記特徴変換を行
い、統合セグメント，を回転操作した形状特徴を生
成する（ステップ４０９）。ただし、この生成された形
状特徴に対応した形状パラメータとしては、ステップ４
０８で計算されたものをそのまま用いる。そして、ステ
ップ４０８とステップ４０９で得られた形状特徴と形状
パラメータの組を保存する（ステップ４１０）。

【００６３】ステップ４１０の後にステップ４１３へ進
み、末尾セグメントを２つ先のセグメントに進める。
そして、先頭セグメントから末尾セグメントまでの
セグメント系列について、前記統合条件１，２が成立す
るか調べ（ステップ４０６）、統合条件が成立するなら
ば、統合セグメントを生成し、統合セグメントに
関しステップ４０８〜４１０を実行し、形状特徴と形状
パラメータを生成し保存する。

【００６４】統合セグメントの生成過程において、先
頭セグメントから末尾セグメントまでのセグメント
数が統合する最大セグメント数を越えるか、末尾セグメ
ントが最初のセグメントに戻った場合には（ステップ
４１４，ｙｅｓ）、ステップ４１１へ進み、末尾セグメ
ントを２つ先のセグメントに進め、統合条件を調べる
（ステップ４０２）。統合条件が成立したときには、現
在の先頭セグメントから末尾セグメントまでのセグ
メント系列から新たな統合セグメントを生成し（ステ
ップ４０３）、末尾セグメントの一つ先のセグメント
を先頭セグメントとして、統合セグメントの生成処
理に進む。

【００６５】統合セグメントの生成過程において、先
頭セグメントから末尾セグメントまでのセグメント
数が統合する最大セグメント数を超えるか、最初のセグ
メントに戻ったときには（ステップ４１２）、先頭セグ
メントを１つ先のセグメントに進め（ステップ４１
５）、ステップ４０１からの処理を繰り返す。ステップ
４１５で設定された先頭セグメントが最初のセグメン
トに戻ると（ステップ４１６，ｙｅｓ）特徴合成処理を
終了する。

【００６６】なお、特徴合成部１３５の処理フローは、
図６中のステップ４０９とステップ４１０の間に、前記
規則３を適用する処理ステップを挿入した形になる。

【００６７】《表合成部１３５》表作成部１４０は、モ
デル図形の集合について、図７に示すような構造の分類
表１４５を作成する。具体的には、特徴抽出部１３０に
よってモデル図形から生成された形状特徴と、特徴合成
部１３５によって生成された形状特徴のそれぞれから分
類表１４０のアドレス（インデックス）を計算する。そ
して、そのアドレス（インデックス）に格納されている
リストに、その形状特徴を持つモデル図形の識別子と、
当該形状特徴に対応した部分曲線の形状パラメータとか
らなるリスト項目を追加する。図３において、３０１，
３０２，．．．，３０５がそれぞれリスト項目である。
例えば、リスト項目３０１の内容は「123,143,(30,40),
(23,34),(12,45)」となっているが、最初の「123」はモ
デル識別子で、その後に形状パラメータが続き、最初の
「143」は長さ、次の「(30,40)」は重心の位置、次の
「(23,34)」と「(12,45)」は２端点の位置である。長さ
比パラメータが区間［０，１］上で一様分布をしている
と仮定すると、ｎ個のセグメントからなるモデル図形か
ら生成される形状特徴の平均個数は、（n(1+α){M+1)/
2}^2)のオーダーである。

【００６８】なお、分類表１４５を作成する際に，各モ
デル（ｉ＝１，２，．．．，ｎ）について前記規則１と
規則２を適用して生成された形状特徴の個数ｃ(i)も求
められ、分類表１４５（又は他の記憶領域）に保存され
る。

【００６９】《分類部１１５及び図形検索部１２０》分
類部１１５と図形検索部１２０の処理内容について、図
７に示したフローチャートを参照して説明する。

【００７０】分類検索部１１５において、入力図形に関
して生成された形状特徴を１つ選び（ステップ５０
０）、アドレス（インデックス）計算部１１６で、その
形状特徴から分類表１４５のアドレス（又はインデック
ス）を計算する（ステップ５０２）。表参照部１１７
で、このアドレス（インデックス）を用いて、分類表１
４５の当該アドレス（インデックス）のエントリーであ
るリストを取り出す（ステップ５０３）。変換・投票部
１１８で、分類表１４５より取り出された各リスト項目
の形状パラメータと、入力図形の注目している形状特徴
に対応した形状パラメータとを用いて座標変換パラメー
タ（σ，Θ，Ｘｔ，Ｙｔ）を計算し、（モデル識別子，
σ，Θ，Ｘｔ，Ｙｔ）の組に対応した投票箱に１票を投
ずる操作を、取り出された全てのリスト項目について繰
り返す（ステップ５０５）。ここで、座標変換パラメー
タ（σ，Θ，Ｘｔ，Ｙｔ）のうち、σは注目している形
状特徴に対応した入力図形の部分曲線とモデル図形の部
分曲線の長さ比（拡大・縮小率）、Θは両部分曲線間の
回転角度であり、これらは両形状パラメータによって表
される２端点を結ぶ線分からそれぞれ計算する。（Ｘ
ｔ，Ｙｔ）は両部分曲線間の移動ベクトルであり，両形
状パラメータの重心の位置から計算する。さらに、σ
は、σ＞１のときσ→２−１／σに写像することにより
区間［０，２］に正規化する。

【００７１】入力図形の各形状特徴に関して上に述べた
処理を繰り返し、未処理の形状特徴が無くなると（ステ
ップ５０１，Ｎｏ）、候補選択部１１９において候補モ
デルを選択する。すなわち、各モデルｉに関係する
（ｉ，σ，Θ，Ｘｔ，Ｙｔ）の組に対応した全ての投票
箱のなかで、最大の得票数を、そのモデルｉの得票数Ｖ
ｉとする（ステップ５０６）。そして，各モデルｉの得
票数Ｖｉを、そのモデルの形状特徴の個数ｃ(i)で正規
化し（ステップ５０7）、Ｖi／ｃ(i)の値の大きな順に
モデルをソートし（ステップ５０８）、上位のいくつか
のモデルを候補として選択する（ステップ５０９）。

【００７２】図形の部分線分（セグメント・ペア）の形
状特徴は、回転、拡大・縮小、位置移動に不変である。
したがって、あるモデルｉに対応した図形又はその部分
図形が、モデル図形に対し，ある角度だけ回転し、ある
距離だけ移動し、又は、ある倍率で拡大／縮小した形で
入力され場合にも、そのモデルｉに関する投票箱に投票
が集中するはずである。しかも、その入力図形の複数の
部分線分について、モデルｉとの間の座標変換パラメー
タ（σ，Θ，Ｘｔ，Ｙｔ）の値が同一になるであろうか
ら、モデルｉに関する複数の投票箱中の特定の投票箱に
票が集中し、よって、モデルｉに対応する複数の投票箱
の中の最大得票数をモデルｉの得票数とすることができ
る。したがって、上に述べた分類処理によって、図形の
回転、拡大・縮小、位置移動に頑健な効率的な図形分類
が可能である。また、ノイズや局所的変形に関係した特
徴変換規則によって合成した形状特徴も利用することに
より、ノイズや局所的変形にも頑健な図形分類が可能で
あり、さらに、1モデルにつき1つのモデル図形しか用意
できないような環境でも、高精度の図形分類が可能であ
る。

【００７３】図形の分類が目的の場合は、このようにし
て候補として絞り込んだモデルの識別子を分類結果とし
て出力するが、図形の検索が目的の場合は、図形検索部
１２０において、分類部１１５によって絞り込まれたモ
デルの識別子を検索キーとして、図形データベース１５
０より、入力図形と類似した部分形状を持つような図形
を取り出し、それを検索結果として例えばディスプレイ
２２０に出力する（ステップ５１０）。すなわち、図形
の部分線分の形状特徴を利用することにより、物体の閉
輪郭線の一部のような図形を入力しても、それと類似の
部分形状を持つ図形を効率的に検索できる。また、図形
分類方法の利点はそのまま図形検索にも反映され、ノイ
ズや局所的変形、さらには回転、拡大・縮小、移動に対
する頑健性も高い。

【００７４】

【発明の効果】以上の説明から明らかなように、本発明
によれば、モデル図形の一部分のような図形や、モデル
図形に対して回転、拡大・縮小又は位置移動したような
図形も、精度よく効率的に分類することが可能になり、
また、ノイズや局所的変形に対しても頑健な図形分類が
可能になる。１モデルにつき１つのモデル図形しか用意
できないような環境でも、高精度の図形分類が可能にな
る。さらに、モデル図形の一部分のような図形や、モデ
ル図形に対して回転、拡大・縮小又は移動したような図
形を入力して、その図形と類似した部分形状を持つ図形
を効率的に検索することが可能になり、しかもノイズや
局所的変形に対しても頑健な安定な図形検索が可能にな
る等々の効果を得られる。

【図面の簡単な説明】

【図１】本発明の一実施例による図形分類検索システム
のブロック図である。

【図２】本発明をプログラムで実現するためのコンピュ
ータのハードウェア構成の一例を簡略化して示すブロッ
ク図である。

【図３】分類表の構造を示す図である。

【図４】特徴抽出処理の流れを示すフローチャートであ
る。

【図５】特徴抽出過程で得られるデータを関連付けて示
す図である。

【図６】特徴合成処理の流れを示すフローチャートであ
る。

【図７】分類・検索処理の流れを示すフローチャートで
ある。

【図８】入力図形の一例を示す図である。

【図９】入力図形の区分線分近似の一例を示す図であ
る。

【図１０】方向軸と量子化方向コードの例を示す図であ
る。

【図１１】入力図形の部分セグメントへの分割例を示す
図である。

【図１２】部分セグメントの統合による入力図形のセグ
メント分割例を示す図である。

【図１３】大局的には似ているが局所的変形により構造
的特徴が異なった２つの部分輪郭の例を示す図である。

【図１４】図１３の２つの部分輪郭を近づけるための編
集の例を示す図である。

【図１５】回転による変換例を示す図である。

【図１６】部分セグメントＡ，Ｂの連結点に関する量子
化方向の説明のための図である。

【図１７】部分セグメントＧ，Ｈの連結点に関する量子
化方向の説明のための図である。

【図１８】連続した２つのセグメントの形状パラメータ
の説明図である。

【符号の説明】

１００ 図形入力部 １０５ 特徴抽出部 １１０ 特徴合成部 １１５ 分類部 １１６ アドレス（インデックス）計算部 １１７ 表参照部 １１８ 変換・投票部 １１９ 候補選択部 １２０ 図形検索部 １２５ モデル図形入力部 １３０ 特徴抽出部 １３５ 特徴合成部 １４０ 表作成部 １４５ 分類表 １５０ 図形データベース

Claims (11)

【特許請求の範囲】
1. 【請求項１】 図形を入力する図形入力ステップと、該
   図形入力ステップによる入力図形より抽出した構造的特
   徴をもとに該入力図形の部分曲線に関する、回転、拡大
   ・縮小及び位置移動に不変な形状特徴と、該形状特徴に
   対応した該入力図形の部分線分の形状パラメータとを生
   成する特徴抽出ステップと、該特徴抽出ステップにより
   抽出された構造的特徴又は生成された形状特徴に、図形
   変形に関する特定の特徴変換規則を適用することによっ
   て変形図形の形状特徴を生成するとともに該生成された
   形状特徴に対応した部分線分の形状パラメータを生成す
   る特徴合成ステップと、該特徴抽出ステップ及び該特徴
   合成ステップによって得られた各形状特徴及び形状パラ
   メータ、並びにモデル図形の集合に対して用意された同
   様の形状特徴及び形状パラメータを利用して、該入力図
   形を分類する分類ステップとを含むことを特徴とする図
   形分類方法。
2. 【請求項２】 前記のモデル図形の集合に対して用意さ
   れた同様の形状特徴及び形状パラメータは分類表として
   用意され、該分類表は、各モデル図形より抽出した構造
   的特徴をもとに生成された部分線分に関する、回転、拡
   大・縮小及び位置移動に不変な形状特徴、又は、該構造
   的特徴もしくは該形状特徴に図形変形に関する特定の特
   徴変換規則を適用することによって生成された変形図形
   の形状特徴が、アドレス又はインデックスに対応し、そ
   のエントリーが、当該形状特徴を持つモデル図形の識別
   子と当該形状特徴に対応した部分線分の形状パラメータ
   の組からなるリストである表であり、 前記分類ステップにおいて、前記特徴抽出ステップ又は
   前記特徴合成ステップにより生成された各形状特徴に対
   応した部分線分の形状パラメータと、該各形状特徴に対
   応した前記分類表のリスト上の各モデル図形の形状パラ
   メータとを用いて、該入力図形と該各モデル図形との間
   の座標変換パラメータを計算し、該各モデル図形の識別
   子と該計算した座標変換パラメータの組に対する投票操
   作を行うことにより、該入力図形と類似した部分形状を
   持つモデル図形を分類候補として選ぶことを特徴とする
   請求項１記載の図形分類方法。
3. 【請求項３】 入力図形又はモデル図形の形状特徴は、
   図形を区分線分近似し、量子化方向特徴及び準凹凸構造
   に基づいて、連続したいくつかの線分をより高いレベル
   の構造的特徴に統合し、該構造的特徴をもとに生成され
   ることを特徴とする請求項１又は２記載の図形分類方
   法。
4. 【請求項４】 請求項１，２又は３記載の図形分類方法
   により入力図形を分類し、その分類結果を検索キーとし
   て用いて図形データベースより該入力図形と類似した部
   分形状を持つ図形を検索することを特徴とする図形検索
   方法。
5. 【請求項５】 図形を入力する図形入力手段と、 該図形入力手段による入力図形の構造的特徴を抽出し、
   該構造的特徴をもとに該入力図形の部分曲線に関する、
   回転、拡大・縮小及び位置移動に不変な形状特徴と、該
   形状特徴に対応した該入力図形の部分線分の形状パラメ
   ータとを生成する特徴抽出手段と、 該特徴抽出ステップにより抽出された構造的特徴又は生
   成された形状特徴に、図形変形に関する特定の特徴変換
   規則を適用することによって変形図形の形状特徴を合成
   するとともに該生成された形状特徴に対応した部分線分
   の形状パラメータを生成する特徴合成手段と、 該特徴抽出手段及び該特徴合成手段によって生成された
   形状特徴及び形状パラメータ、並びにモデル図形の集合
   に対して用意された同様の形状特徴及び形状パラメータ
   を利用して、該入力図形を分類する分類手段とを具備す
   ることを特徴とする図形分類検索システム。
6. 【請求項６】 前記のモデル図形の集合に対して用意さ
   れた同様の形状特徴及び形状パラメータは分類表として
   用意され、該分類表は、各モデル図形より抽出した構造
   的特徴をもとに生成した部分線分に関する、回転、拡大
   ・縮小及び位置移動に不変な形状特徴、又は、該構造的
   特徴もしくは該形状特徴に図形変形に関する特定の特徴
   変換規則を適用することにより生成された形状特徴が、
   アドレス又はインデックスに対応し、そのエントリー
   が、当該形状特徴を持つモデル図形の識別子と当該形状
   特徴に対応した部分線分の形状パラメータの組からなる
   リストである表であり、 前記分類手段は、前記特徴抽出手段又は前記特徴合成手
   段により生成された各形状特徴に対応した部分線分の形
   状パラメータと、該各形状特徴に対応した前記分類表の
   リスト上の各モデル図形の形状パラメータとを用いて、
   該入力図形と該各モデル図形との間の座標変換パラメー
   タを計算し、該各モデル図形の識別子と該計算した座標
   変換パラメータの組に対する投票操作を行うことによ
   り、該入力図形と類似した部分形状を持つモデル図形を
   分類候補として選ぶことを特徴とする請求項５記載の図
   形分類検索システム。
7. 【請求項７】 入力図形又はモデル図形の形状特徴は、
   図形を区分線分近似し、量子化方向特徴及び準凹凸構造
   に基づいて、連続したいくつかの線分をより高いレベル
   の構造的特徴に統合し、該構造的特徴をもとに生成され
   る統合することによって抽出されることを特徴とする請
   求項５又は６記載の図形分類検索システム。
8. 【請求項８】 図形データベースと、前記分類手段によ
   る前記入力図形の分類結果を検索キーとして用い該図形
   データベースより該入力図形と類似した部分形状を持つ
   図形を検索する手段をさらに具備することを特徴とする
   請求項５、６又は７記載の図形分類検索システム。
9. 【請求項９】 モデル図形を入力する手段と、該手段に
   より入力されたモデル図形に基づいて前記分類表を作成
   する手段をさらに具備することを特徴とする請求項５、
   ６、７又は８記載の図形分類検索システム。
10. 【請求項１０】 請求項５、６、７、８又は９記載の図
    形分類検索システムの各手段としてコンピュータを機能
    させるためのプログラムが記録されたことを特徴とする
    コンピュータ読取可能な記録媒体。
11. 【請求項１１】 モデル図形を区分線分近似し、量子化
    方向特徴及び準凹凸構造に基づいて、連続したいくつか
    の線分をより高いレベルの構造的特徴に統合し、該構造
    的特徴をもとに生成された該モデル図形の部分曲線に関
    する、回転、拡大・縮小及び位置移動に不変な形状特
    徴、又は、該構造的特徴もしくは該形状特徴に図形変形
    に関する特定の特徴変換規則を適用することによって生
    成された変形図形の形状特徴に対応したアドレス又はイ
    ンデックスのエントリーが、当該形状特徴を持つモデル
    図形の識別子と当該形状特徴に対応した当該モデル図形
    の部分曲線の形状パラメータの組からなるリストであ
    る、図形分類ための表が記録されたことを特徴とするコ
    ンピュータ読取可能な記録媒体。