JP2010009589A - 画像認識装置、画像読取装置及び画像認識装置の画像認識方法 - Google Patents

Abstract

【課題】演算が速くしかも判定精度が高い画像認識装置を提供する。
【解決手段】ブロック値と第１の閾値と比較して第１の特徴量を出力する第１の特徴抽出部と、ブロック値と第２の閾値とを比較して第２の特徴量を出力する第２の特徴抽出部と、第１の特徴量と辞書パターンとを照合し、第２の特徴量と辞書パターンとを照合し、いずれかの特徴量が辞書パターンと一致したときに判定信号を出力するパターン照合判定部を備える。また、処理パターンを重複しないように分割し、さらに重複するように再分割して処理パターンごとに特徴量を算出する特徴抽出部と、認識する特定のパターンである辞書パターンを格納する辞書ファイルと、特徴量と辞書パターンとを照合して判定信号を出力するパターン照合判定部を備える。
【選択図】図１

Description

本発明は、スキャナなどの画像読取装置に用いる画像認識装置に関する。

画像読取装置の画像認識装置は、読み込まれた画像の中に特定の画像が含まれているかを判定する機能を有する。従来の画像認識装置は入力画像信号を低解像度化し、この低解像度化した画像信号と特定のパターンである辞書パターンとの照合処理の演算量を削減する。

しかし、低解像度化により入力画像の輪郭が消失することがある。また、線画のような微細パターンは低解像度化により特徴を抽出することが困難となることがある。従って、低解像度化を行うことは入力画像と辞書パターンとの照合精度を低下させやすい。

また、原稿に印刷のばらつきがある場合には印字されている画像の輪郭や線幅が原稿毎に異なり、このばらつきが低解像度化により増幅される。従って、原稿の状態によっては照合が困難となることがある。

よって、低解像度化はパターンの概略の検出や色味の判定に用いられるのが主流であった（例えば、特許文献１、特許文献２）。

しかし特許文献１、特許文献２などの従来の技術においては、パターンの抽出用に高解像度の画像データも保持するため、膨大なメモリが必要となるという問題点があった。

また、従来の画像認識装置は入力画像の中の処理を行う注目領域、すなわち処理パターンについて重複しないように複数の部分領域に分割し、この分割した領域ごとに特徴量を求めて辞書パターンとの照合を行う（例えば、特許文献３）。

しかし、この技術においては判定精度を上げるためには分割数を増やして特徴量の要素数を増加させる必要がある。分割数を増やした場合同時に演算規模も大きくなるため、分割数を増やすには限界があり、判定精度を十分に高めることができないという問題点があった。

画像処理装置は書類の真贋を区別するための情報を印刷する文書に埋め込んで画像形成する場合がある。例えば、特定のパターンを周波数変調して文書画像に不可視に重畳して画像形成していた（例えば、特許文献４）。

文書の真贋の判定はこの画像形成された印刷物にマスクシートを重ねて特定のパターンが浮き上がって見えるか否かによっておこなわれていた。

しかし、この技術においては可視化したパターンそのものが偽造された場合、真贋の判定が行えないという問題点があった。

特許第３０５７９８１号公報 特許第３５３５５５２号公報 特許第３０６０９０２号公報 特許第３５４７８９２号公報

本発明は、演算が速くしかも判定精度が高い画像認識装置を提供することを目的とする。また、本発明は、文書の真贋の判定をより厳密に行える画像処理装置を提供することを目的とする。

本発明は、二値化された画像データから矩形のデータを読みだし、値を合計してブロック値として出力するブロック統合部と、ブロック値と第１の閾値とを比較して第１の特徴量を出力する第１の特徴抽出部と、ブロック値と第１の閾値と異なる第２の閾値とを比較して第２の特徴量を出力する第２の特徴抽出部と、判定対象である特定の画像のパターンデータである辞書パターンを格納する辞書ファイルと、第１の特徴量と辞書パターンとを照合し、第２の特徴量と辞書パターンとを照合し、いずれかの特徴量が辞書パターンと一致したときに判定信号を出力するパターン照合判定部と、を備える画像認識装置を提供する。

本発明の画像認識装置は、演算処理を高速にして、しかも判定精度を高くすることが可能であるという効果がある。また、本発明の画像処理装置は文書の真贋の判定をより厳密に行うことができるという効果がある。

本発明の画像認識装置を含む画像読取装置の構成を表すブロック図である。 第１の実施形態の画像認識装置の構成を表すブロック図である。 画像認識装置の処理の概要を示す図である。 処理パターンの例を示す図である。 辞書パターンの例を示す図である。 パターン照合判定部が算出した差の例を示す図である。 図４Ｃの各画素を二乗した結果を示す図である。 二乗誤差法を用いる場合のパターン照合判定部の回路構成図である。 辞書パターンメンバ関数の例を示す図である。 ファジイ推論を用いる場合のパターン照合判定部の回路構成図である。 図１に示す画像認識装置の動作を表すフローチャートである。 入力画像の画像認識装置における判定結果を模式的に表した図である。 入力画像の画像認識装置における判定結果を模式的に表した図である。 第２の実施形態の画像認識装置の構成を表すブロック図である。 画像認識装置の処理の概要を示す図である。 画像認識装置の処理の他の例の概要を示す図である。 画像認識装置の動作を表すフローチャートである。 第３の実施形態の画像処理装置における画像処理部の構成を示す図である。 関連データ抽出部の抽出の様子を示した模式図である。 第２の重畳後のパターンデータによる真贋の判定を示した図である。

以下、本発明による画像認識装置の一実施の形態について、図面を用いて詳細に説明する。

図１は、本実施形態の画像認識装置を含む画像読取装置の構成を表すブロック図である。画像読取装置はスキャナであってもよい。他の装置が画像を読み取って生成した画像データを判定し判定結果を出力する装置であってもよい。

図１に示すように、画像読取装置１００は、光学的方法によって取り込んだ画像を電気信号に変換して出力する画像読取部１０１と、画像読取部１０１からの信号をアナログ／ディジタル変換して出力するＡ／Ｄ変換部１０２と、ディジタル変換された画像信号をシェーディング補正するシェーディング補正部１０３と、画像データを入力し、特定の画像が含まれるかを判定する画像認識装置１０４と、画像認識装置１０４からの判定結果によって画像読取部１０１の動作を制御する制御部１０５と、を備える。

制御部１０５は、読み取りを中止させる制御や、正常な読み取りを阻止する制御を行ってもよい。

また、画像読取装置１００はシェーディング補正部１０３からの出力を画像読取装置１００の外部の画像処理部１１０を経由して画像を形成するプリンタ部１２０に出力するように構成することもできる。

（第１の実施形態）
図２は、本実施形態の画像認識装置１０４の構成を表すブロック図である。図２に示すように、画像認識装置１０４は、入力した画像信号を二値化する二値化部２０１と、２値化した画像信号から矩形のデータを読みだし、値を合計してブロック値として出力するブロック統合部２０２と、を備える。

さらに、画像認識装置１０４は、ブロック値と第１の閾値とを比較して第１の特徴量を出力する第１の特徴抽出部２０３と、ブロック値と第１の閾値と異なる第２の閾値とを比較して第２の特徴量を出力する第２の特徴抽出部２０４と、認識する特定のパターンである辞書パターンを格納する辞書ファイル２０６とを備える。

さらに、画像認識装置１０４は、第１の特徴量と辞書パターンとを照合し、第２の特徴量と辞書パターンとを照合し、これらの照合結果に基づいて判定信号を出力するパターン照合判定部２０５を備える。

図３は、画像認識装置１０４の処理の概要を示す図である。図３に示すように、２値化部２０１は入力画像３０１を２値化する。例えば、信号の強度がある閾値を越えたとき白を表す“０”とし、それ以外の場合黒を表す“１”とする。

ブロック統合部２０２は、２値化された画像データの中からＭｘ×Ｍｙの矩形のデータである処理パターンを読みだす。図３においては、この処理パターン３０２は４画素×４画素となっている。ブロック統合部２０２は読み出した処理パターン３０２の画素の値の総和を算出してブロック値として出力する。図３の例において、処理パターン３０２のブロック値３０３は“８”である。

第１の特徴抽出部２０３は第１の閾値とブロック値３０３とを比較し、閾値よりブロック値が大きい時は“１”を、それ以外のときは“０”を特徴値として算出し、メモリに格納する。入力画像全体の特徴値の算出が終了した場合、特徴値の集合を第１の特徴量として出力する。

第１の閾値は例えば“５”とする。よって、処理パターン３０２の特徴値３０４は“１”となる。この特徴値の算出を入力画像全体に行い、出力された特徴量を模式的に表したものが第１の特徴量３０６である。

第２の特徴抽出部２０４は第２の閾値とブロック値３０３とを比較し、閾値よりブロック値が大きい時は“１”を、それ以外のときは“０”を特徴値として算出し、メモリに格納する。入力画像全体の特徴値の算出が終了した場合、特徴値の集合を第２の特徴量として出力する。

第２の閾値は例えば“１０”とする。よって、処理パターン３０２の特徴値３０５は“０”となる。この特徴値の算出を入力画像全体に行い、出力された特徴量を模式的に表したものが第２の特徴量３０７である。

パターン照合判定部２０５は、第１の特徴量と辞書パターンとを照合し、第２の特徴量と辞書パターンとを照合し、これらの照合結果に基づいて判定信号を出力する。照合の方法は問わない。例えば、パターン照合判定部２０５は二乗誤差法を用いることができる。

図４Ａ乃至図４Ｄは、二乗誤差法の原理を説明するための図である。図４Ａは処理パターンの例を示す図である。図４Ｂは辞書パターンの例を示す図である。

パターン照合判定部２０５は、処理パターンのそれぞれの画素について、対応する位置にある辞書パターンの画素との差を算出する。図４Ｃは、パターン照合判定部２０５が算出した差の例を示す図である。例えば、右上の画素について言えば、図４Ａの右上は“０”であり、図４Ｂの右上は“１”であるため、その差は０−１＝−１となり、図４Ｃの右上は“−１”となる。

続いて、パターン照合判定部２０５は、各画素を二乗する。図４Ｄは図４Ｃの各画素を二乗した結果を示す図である。パターン照合判定部２０５は各画素の総和を算出する。図４Ｄの例においては、総和は“２”である。

次に、パターン照合判定部２０５は総和と閾値を比較し、総和が閾値以上の場合“不一致”、総和が閾値未満である場合に“一致”を判定結果として算出する。

図５は、二乗誤差法を用いる場合のパターン照合判定部２０５の回路構成例である。図５に示すように、パターン照合判定部２０５は、画素数をｎとするとき、処理パターンと辞書パターンとの差を算出する減算器５０１１から減算器５０１ｎまでのｎ個の減算器と、これらの減算器の出力をそれぞれ二乗する乗算器５０２１から乗算器５０２ｎまでのｎ個の乗算器と、乗算器５０２１から乗算器５０２ｎまでの出力結果の総和を算出する加算器５０３と、この総和とメモリが予め格納する閾値とを比較する比較器５０４と、を有する。

他には例えば、パターン照合判定部２０５はファジィ推論を用いることができる。ファジィ推論は、各画素の値である画素値と適合度を対応付ける辞書パターンメンバ関数により、画素値から適合度を算出し、この適合度の平均と閾値とを比較して照合判定を行う方法である。この場合、辞書ファイル２０６は判定すべき画像毎の辞書パターンメンバ関数を格納する。

図６は、辞書パターンメンバ関数の例を示す図である。図６に示すように、辞書ファイル２０６は、処理パターンの画素が横Ｐｘ、縦Ｐｙであるとき、一つの辞書パターンにつき、左上の画素である（１，１）から右下の画素である（Ｐｘ，Ｐｙ）までＰｘ×Ｐｙ個の辞書パターンメンバ関数を格納する。

パターン照合判定部２０５は、辞書パターンメンバ関数を順次読みだし、読み出した辞書パターンメンバ関数を用いて画素値から適合度を算出する。例えば、画素（Ｐｘ，Ｐｙ）の画素値が“４５”であるとき、適合度は“１”である。

パターン照合判定部２０５は、辞書パターンごとの適合度の平均値を算出し、平均が閾値未満の場合“不一致”、平均が閾値以上である場合に“一致” を判定結果として算出する。

図７は、ファジイ推論を用いる場合のパターン照合判定部７００の回路構成例である。図７に示すように、パターン照合判定部７００は、画素数をｎとするとき、辞書パターンメンバ関数を用いて画素値から適合度を算出するファジィ推論ブロック７０１１からファジィ推論ブロック７０１ｎまでのｎ個のファジィ推論ブロックと、適合度の平均である平均適合度を算出する平均適合度算出ブロック７０３と、平均適合度と閾値とを比較する比較器５０４とを備える。

なお、画像認識装置１０４は、ＣＰＵなどの演算装置を用いて構成することもできる。

図８は画像認識装置１０４の動作を表すフローチャートである。図８に示すように、動作８０１において、画像認識装置１０４は複数ライン分の画像信号を入力する。すなわち、画像認識装置１０４は、メモリが格納するシェーディング補正部１０３からの出力の中から複数ライン分の信号を読み出す。

動作８０２において、画像認識装置１０４は２値化処理を行う。動作８０３において、画像認識装置１０４は処理パターンの読みだしを行う。

動作８０４において、画像認識装置１０４はブロック統合を行う。すなわち、画像認識装置１０４は処理パターンの画素データの総和を算出してブロック値を出力する。

動作８０５において、画像認識装置１０４は第１の特徴量を抽出する。動作８０６において、画像認識装置１０４は第２の特徴量を抽出する。

動作８０７において、画像認識装置１０４は辞書ファイル２０６から辞書パターンを順次読みだし、第１の特徴量と照合して第１の判定結果を算出し、第２の特徴量と照合して第２の判定結果を算出する。

動作８０８において、画像認識装置１０４はパターン照合判定を行う。すなわち、画像認識装置１０４は、第１の判定結果と第２の判定結果のいずれかが“一致”であれば動作８０９に進み、いずれも“一致”でない場合は動作８１０に進む。

動作８０９において、画像認識装置１０４は判定信号、例えば“１”を出力する。動作８１０において、画像認識装置１０４は読み出し領域の注目位置をインクリメントする。すなわち、切り出し領域の注目位置を例えば１画素ずらし、動作８０３に戻る。

図９は、入力画像９０１の画像認識装置１０４における判定結果を模式的に表した図である。入力画像９０１に対し、第１の特徴抽出部２０３は第１の特徴量９０２を、第２の特徴抽出部２０４は第２の特徴量９０３を、それぞれ出力する。

パターン照合判定部２０５は辞書パターン９０４と照合し、第１の特徴量を“不一致”と、第２の特徴量を“一致”と判定する。よって、パターン照合判定部２０５は判定信号“１”を出力する。

図１０は、入力画像１００１の画像認識装置１０４における判定結果を模式的に表した図である。入力画像１００１に対し、第１の特徴抽出部２０３は第１の特徴量１００２を、第２の特徴抽出部２０４は第２の特徴量１００３を、それぞれ出力する。

パターン照合判定部２０５は辞書パターン９０４と照合し、第１の特徴量を“一致”と、第２の特徴量を“不一致”と判定する。よって、パターン照合判定部２０５は判定信号“１”を出力する。

図９及び図１０に示したように、本実施形態の画像認識装置１０４は入力画像が辞書パターンと一致すると判定される範囲が広がり、認識精度が向上する。

以上述べたように、本実施形態の画像認識装置１０４は、ブロック値と第１の閾値と比較して第１の特徴量を出力する第１の特徴抽出部２０３と、ブロック値と第２の閾値とを比較して第２の特徴量を出力する第２の特徴抽出部２０４と、第１の特徴量と辞書パターンとを照合し、第２の特徴量と辞書パターンとを照合し、いずれかの特徴量が辞書パターンと一致したときに判定信号を出力するパターン照合判定部２０５を備える。従って、本実施形態の画像認識装置１０４は、演算処理を高速にして、しかも判定精度を高くすることが可能であるという効果がある。

（第２の実施形態）
図１１は、本実施形態の画像認識装置１０４の構成を表すブロック図である。図１１に示すように、画像認識装置１０４は、入力した画像信号を二値化する二値化部２０１と、２値化した画像信号から矩形のデータを処理パターンとして読みだし、分割する領域分割部１１０２と、を備える。領域分割部１１０２は、処理パターンを画素が重複しないように分割する第１の分割と、画素が重複するように分割する第２の分割と、を行い、分割された処理パターンである分割領域を出力する。

さらに、画像認識装置１０４は、分割領域ごとに特徴値を算出し、この特徴値を処理パターンごとに矩形に配列して特徴量として出力する特徴抽出部１１０３と、認識する特定のパターンである辞書パターンを格納する辞書ファイル２０６とを備える。画像認識装置１０４は、特徴量と辞書パターンとを照合して判定信号を出力するパターン照合判定部２０５を備える。

図１２は、画像認識装置１０４の処理の概要を示す図である。図１２に示すように、２値化部２０１は入力画像を２値化する。例えば、信号の強度がある閾値を越えたとき白を表す“０”とし、それ以外の場合黒を表す“１”とする。

領域分割部１１０２は、２値化された画像データの中からＭｘ×Ｍｙの矩形のデータである処理パターンを読みだす。図１２においては、この処理パターンは８画素×８画素となっている。領域分割部１１０２は読み出した処理パターンを重複する部分があるように分割して分割領域を出力する。

図１２に示すように、領域分割部１１０２は処理パターンの左上端の４画素×４画素分を第１の部分領域１２０１として出力する。さらに領域分割部１１０２は、２列ずつ右にずらしながら第２の分割領域１２０２と、第３の分割領域１２０３と、を出力する。

さらに、領域分割部１１０２は、これらの分割領域を２行下にずらして第４の分割領域１２０４と、第５の分割領域１２０５と、第６の分割領域１２０６と、を出力する。さらに、領域分割部１１０２は、これらの分割領域をさらに２行下にずらして第７の分割領域１２０７と、第８の分割領域１２０８と、第９の分割領域１２０９と、を出力する。

あるいは、領域分割部１１０２は、重複しないように第１の分割領域１２０１、第３の分割領域１２０３、第７の分割領域１２０７、第９の分割領域１２０９、を分割する第１の分割を行い、重複するように第２の分割領域１２０２、第４の分割領域１２０４、第５の分割領域１２０５、第６の分割領域１２０６、第８の分割領域１２０８、を分割する第２の分割を行う。

第１の分割領域１２０１と第２の分割領域１２０２とは、８画素分の重複がある。第１の分割領域１２０１と第４の分割領域１２０４とは、８画素分の重複がある。すなわち上下、または左右に隣接する分割領域は互いに８画素重複する。

特徴抽出部１１０３は、各分割領域の画素の総和である特徴値を算出し、分割領域ごとにこの特徴値を矩形に配列して特徴量１２１０として出力する。図１２に示すように、特徴抽出部１１０３は、第１の分割領域の総和は特徴量１２１０の左上端に、第２の分割領域の総和は第１の分割領域の右隣に、第３の分割領域の総和は第２の分割領域の総和の右隣に、第４の分割領域の総和は第１の分割領域の総和の下に、以下同様に第９の分割領域まで配列し、矩形の特徴量１２１０を出力する。

ここで、斜線を付した画素Ａに変化がある場合、特徴量１２１０において、第１の分割領域の総和、第２の分割領域の総和、第４の分割領域の総和、第５の分割領域の総和、の４か所に変化が現れる。従って、この特徴量を辞書パターンと照合すれば、より精度のよい判定が可能となる。

図１３は、画像認識装置１０４の処理の他の例の概要を示す図である。図１３に示すように、２値化部２０１は入力画像を２値化する。例えば、信号の強度がある閾値を越えたとき白を表す“０”とし、それ以外の場合黒を表す“１”とする。

領域分割部１１０２は、２値化された画像データの中からＭｘ×Ｍｙの矩形のデータである処理パターンを読みだす。図１３においては、この処理パターンは８画素×８画素となっている。領域分割部１１０２は読み出した処理パターンを重複する部分があるように分割して第２の分割の分割領域を出力する。

図１３に示すように、領域分割部１１０２は処理パターンの左上端の２画素×２画素分ずつ重複しないように第１の分割を行う。領域分割部１１０２はさらに、この部分領域のうち、複数の部分領域と重複するように処理パターンに対して第２の分割を行う。

この重複した第２の分割の分割領域は、図１３に示すように例えば第２の分割の分割領域１３０１、第２の分割の分割領域１３０３、第２の分割の分割領域１３０５、第２の分割の分割領域１３０７、のように再分割した領域が全て他の部分領域と重複するように再分割してもよい。

特徴抽出部１１０３は、分割領域ごとに及び第２の分割の分割領域ごとに総和を算出し、矩形に配列して特徴量として出力する。この際、第２の分割の分割領域の総和を、第１の分割の分割領域の総和と置き換えて特徴量を出力するように構成することができる。

図１３に示すように、特徴抽出部１１０３は第１の分割領域１３０２に代えて第２の分割の分割領域１３０１の総和を、第４の分割領域１３０４に代えて第２の分割の分割領域１３０３の総和を、第１３の分割領域１３０８に代えて第２の分割の分割領域１３０７の総和を、第１６の分割領域１３０６に代えて第２の分割の分割領域１３０５の総和を、それぞれ出力するように構成できる。

他の分割領域の総和は対応する位置に配列されて出力される。出力された特徴量１３０９を図１３に示す。

ここで、斜線を付した画素Ｂに変化がある場合、特徴量１３０９において、斜線を付した第１の分割領域の総和、第６の分割領域の総和の２か所に変化が現れる。従って、この特徴量を辞書パターンと照合すれば、より精度のよい判定が可能となる。

パターン照合判定部２０５は、特徴量と辞書パターンとを照合して判定信号を出力する。照合の方法は問わない。例えば、パターン照合判定部２０５は二乗誤差法を用いることができる。

図４Ａ乃至図４Ｄは、二乗誤差法の原理を説明するための図である。図４Ａは処理パターンの例を示す図である。図４Ｂは辞書パターンの例を示す図である。

パターン照合判定部２０５は、処理パターンのそれぞれの画素について、対応する位置にある辞書パターンの画素との差を算出する。図４Ｃは、パターン照合判定部２０５が算出した差の例を示す図である。例えば、右上の画素について言えば、図４Ａの右上は“０”であり、図４Ｂの右上は“１”であるため、その差は０−１＝−１となり、図４Ｃの右上は“−１”となる。

続いて、パターン照合判定部２０５は、各画素を二乗する。図４Ｄは図４Ｃの各画素を二乗した結果を示す図である。パターン照合判定部２０５は各画素の総和を算出する。図４Ｄの例においては、総和は“２”である。

次に、パターン照合判定部２０５は総和と閾値を比較し、総和が閾値以上の場合“不一致”、総和が閾値未満である場合に“一致”を判定結果として算出する。

図５は、二乗誤差法を用いる場合のパターン照合判定部２０５の回路構成例である。図５に示すように、パターン照合判定部２０５は、画素数をｎとするとき、処理パターンと辞書パターンとの差を算出する減算器５０１１から減算器５０１ｎまでのｎ個の減算器と、これらの減算器の出力をそれぞれ二乗する乗算器５０２１から乗算器５０２ｎまでのｎ個の乗算器と、乗算器５０２１から乗算器５０２ｎまでの出力結果の総和を算出する加算器５０３と、この総和とメモリが予め格納する閾値とを比較する比較器５０４と、を有する。

他には例えば、パターン照合判定部２０５はファジィ推論を用いることができる。ファジィ推論は、各画素の値である画素値と適合度を対応付ける辞書パターンメンバ関数により、画素値から適合度を算出し、この適合度の平均と閾値とを比較して照合判定を行う方法である。この場合、辞書ファイル２０６は判定すべき画像毎の辞書パターンメンバ関数を格納する。

図６は、辞書パターンメンバ関数の例を示す図である。図６に示すように、辞書ファイル２０６は、処理パターンの画素が横Ｐｘ、縦Ｐｙであるとき、一つの辞書パターンにつき、左上の画素である（１，１）から右下の画素である（Ｐｘ，Ｐｙ）までＰｘ×Ｐｙ個の辞書パターンメンバ関数を格納する。

パターン照合判定部２０５は、辞書パターンメンバ関数を順次読みだし、読み出した辞書パターンメンバ関数を用いて画素値から適合度を算出する。例えば、画素（Ｐｘ，Ｐｙ）の画素値が“４５”であるとき、適合度は“１”である。

パターン照合判定部２０５は、辞書パターンごとの適合度の平均値を算出し、平均が閾値未満の場合“不一致”、平均が閾値以上である場合に“一致” を判定結果として算出する。

図７は、ファジイ推論を用いる場合のパターン照合判定部７００の回路構成例である。図７に示すように、パターン照合判定部７００は、画素数をｎとするとき、辞書パターンメンバ関数を用いて画素値から適合度を算出するファジィ推論ブロック７０１１からファジィ推論ブロック７０１ｎまでのｎ個のファジィ推論ブロックと、適合度の平均である平均適合度を算出する平均適合度算出ブロック７０３と、平均適合度と閾値とを比較する比較器５０４とを備える。

なお、画像認識装置１０４は、ＣＰＵなどの演算装置を用いて構成することもできる。

図１４は画像認識装置１０４の動作を表すフローチャートである。図１４に示すように、動作１４０１において、画像認識装置１０４は複数ライン分の画像信号を入力する。すなわち、画像認識装置１０４は、メモリが格納するシェーディング補正部１０３からの出力の中から複数ライン分の信号を読み出す。

動作１４０２において、画像認識装置１０４は２値化処理を行う。動作１４０３において、画像認識装置１０４は処理パターンの読みだしを行う。

動作１４０４において、画像認識装置１０４は領域分割を行う。動作１４０５において、画像認識装置１０４は特徴量を抽出する。

動作１４０６において、画像認識装置１０４は辞書ファイル２０６から辞書パターンを順次読みだし、特徴量と照合して判定結果を算出する。

動作１４０７において、画像認識装置１０４はパターン照合判定を行う。すなわち、画像認識装置１０４は、判定結果が“一致”であれば動作１４０８に進み、“一致”でない場合は動作１４０９に進む。

動作１４０８において、画像認識装置１０４は判定信号、例えば“１”を出力する。動作１４０９において、画像認識装置１０４は読み出し領域の注目位置をインクリメントする。すなわち、切り出し領域の注目位置を例えば１画素ずらし、動作１４０３に戻る。

以上述べたように、本実施形態の画像認識装置１０４は、処理パターンを重複しないように分割し、さらに重複するように再分割する領域分割部１１０２と、分割された領域ごとに特徴量を算出する特徴抽出部１１０３と、認識する特定のパターンである辞書パターンを格納する辞書ファイル２０６と、特徴量と辞書パターンとを照合して判定信号を出力するパターン照合判定部２０５を備える。従って、本実施形態の画像認識装置１０４は、演算処理を高速にして、しかも判定精度をさらに高くすることが可能であるという効果がある。

（第３の実施形態）
第３の実施形態は、あらかじめ格納された画像であるパターンデータから一部を抽出して関連データとして出力する関連データ抽出部と、前記関連データを暗号化して暗号化データとして出力する暗号化部と、画像信号と前記暗号化データをそれぞれ周波数変換して重畳し、第１の重畳出力として出力する第１の重畳部と、パターンデータと前記第１の重畳出力とを、マスクシートを重ねて視認できるように重畳して第２の重畳出力を出力する第２の重畳部と、を備える画像処理装置に関する。

また、第３の実施形態は、関連データ抽出部があらかじめ格納された画像であるパターンデータから一部を抽出して関連データとして出力し、暗号化部が前記関連データを暗号化して暗号化データとして出力し、第１の重畳部が画像信号と前記暗号化データをそれぞれ周波数変換して重畳し、第１の重畳出力として出力し、第２の重畳部がパターンデータと前記第１の重畳出力とを、マスクシートを重ねて視認できるように重畳して第２の重畳出力として出力する、ことを特徴とする画像認識装置の画像認識方法に関する。

図１５は、本実施形態の画像処理装置における画像処理部１１０の構成を示す図である。図１５に示すように、画像処理部１１０は、あらかじめ格納された画像であるパターンデータから一部を抽出して関連データとして出力する関連データ抽出部１５０１と、関連データを暗号化して暗号化データとして出力する暗号化部１５０２と、画像信号と暗号化データを重畳して第１の重畳出力として出力する第１の重畳部１５０３と、パターンデータと第１の重畳出力とを重畳して第２の重畳出力として出力する第２の重畳部１５０４と、を備える。

図１６は、関連データ抽出部１５０１の抽出の様子を示した模式図である。図１６に示すように、関連データ抽出部１５０１はパターンデータ１６０１から、関連データとして、パターンデータの一部１６０２、またはテキストデータ１６０３を抽出する。

暗号化部１５０２は、関連データを暗号化して暗号化データとして出力する。暗号化のアルゴリズムは問わない。例えば、ＲＡＳなどの公開鍵方式でもＭＩＳＴＹなどの秘密鍵方式でもよい。

第１の重畳部１５０３は、まず画像データを周波数変換する。次に、第１の重畳部１５０３は暗号化データを周波数変換する。これらの周波数変換は、例えば離散コサイン変換を用いることができる。

第１の重畳部１５０３は周波数変換後の画像データと、周波数変換後の暗号化データとを加算することによって重畳して重畳値として出力する。次に、第１の重畳部１５０３は重畳値を復調して第１の重畳データとして出力する。

第２の重畳部１５０４は、第１の重畳データとパターンデータとを重畳する。重畳方法は、例えばハーフトーンの網点や万線を用いて重畳する公知の方法を採用できる。第２の重畳部１５０４が重畳したパターンデータはマスクシートを出力された印刷物に重ねると見ることができる。

次に真贋の判定方法を説明する。図１７は、第２の重畳後のパターンデータによる真贋の判定を示した図である。図１７に示すように、まずマスクシートを印刷物に重ねてパターンデータが見えるかによって第１の判定を行う。パターンデータが見えた場合には真正の文書である可能性が高い。

次に、パターンデータの見えた印刷物をスキャナで読み取り、周波数変換する。周波数変換された結果に重畳した関連データの周波数成分が含まれているかを判定する。関連データの周波数成分が含まれていた場合には、真正の文書であると判定する。

以上説明したように、本実施形態の画像処理装部１１０は、あらかじめ格納された画像であるパターンデータから一部を抽出して関連データとして出力する関連データ抽出部１５０１と、関連データを暗号化して暗号化データとして出力する暗号化部１５０２と、画像信号と暗号化データをそれぞれ周波数変換して重畳し、第１の重畳出力として出力する第１の重畳部と、パターンデータと第１の重畳出力とを、マスクシートを重ねて視認できるように重畳して第２の重畳出力として出力する第２の重畳部と、を備える。従って、文書の真贋の判定をより厳密に行うことができるという効果がある。

１００：画像読取装置、
１０１：画像読取部、
１０２：Ａ／Ｄ変換部、
１０３：シェーディング補正部、
１０４：画像認識装置、
１０５：制御部、
１１０：画像処理部。

Claims (9)

1. 二値化された画像データから矩形のデータを読みだし、値を合計してブロック値として出力するブロック統合部と、
   前記ブロック値と第１の閾値とを比較して第１の特徴量を出力する第１の特徴抽出部と、
   前記ブロック値と第１の閾値と異なる第２の閾値とを比較して第２の特徴量を出力する第２の特徴抽出部と、
   判定対象である特定の画像のパターンデータである辞書パターンを格納する辞書ファイルと、
   前記第１の特徴量と前記辞書パターンとを照合し、第２の特徴量と前記辞書パターンとを照合し、いずれかの特徴量が前記辞書パターンと一致したときに判定信号を出力するパターン照合判定部と、
   を備える画像認識装置。
2. 二値化された画像データから矩形のデータを処理パターンとして読みだし、画素が重複しないように分割する第１の分割と、画素が重複するように分割する第２の分割と、を行い分割領域として出力する領域分割部と、
   前記分割領域ごとに特徴値を算出し、前記特徴値を処理パターンごとに矩形に配列して特徴量として出力する特徴抽出部と、
   判定対象である特定の画像のパターンデータである辞書パターンを格納する辞書ファイルと、
   前記特徴量と前記辞書パターンとを照合して判定信号を出力するパターン照合判定部と、
   を備える画像認識装置。
3. 前記特徴抽出部が第２の分割の分割領域の総和を、第１の分割の分割領域の総和と置き換えて特徴量を出力する請求項２記載の画像認識装置。
4. 前記パターン照合判定部が二乗誤差法により前記処理パターンと前記辞書パターンとを照合する請求項１又は請求項２に記載の画像認識装置。
5. 前記辞書ファイルが判定対象である特定の画像のメンバ関数である辞書パターンメンバ関数を格納し、
   前記パターン照合判定部が前記辞書パターンメンバ関数を順次読み出し、前記処理パターンとファジィ推論により照合する請求項１又は請求項２に記載の画像認識装置。
6. 光学的方法によって取り込んだ画像を電気信号に変換して出力する画像読取部と、
   画像読取部からの信号をアナログ／ディジタル変換して出力するＡ／Ｄ変換部と、
   二値化された画像データから矩形のデータを読みだし、値を合計してブロック値として出力するブロック統合部と、前記ブロック値と第１の閾値とを比較して第１の特徴量を出力する第１の特徴抽出部と、前記ブロック値と第１の閾値と異なる第２の閾値とを比較して第２の特徴量を出力する第２の特徴抽出部と、判定対象である特定の画像のパターンデータである辞書パターンを格納する辞書ファイルと、前記第１の特徴量と前記辞書パターンとを照合し、第２の特徴量と前記辞書パターンとを照合し、いずれかの特徴量が前記辞書パターンと一致したときに判定信号を出力するパターン照合判定部と、を備える画像認識装置と、
   前記画像認識装置からの判定結果によって前記画像読取部の動作を制御する制御部と、
   を備える画像読取装置。
7. 光学的方法によって取り込んだ画像を電気信号に変換して出力する画像読取部と、
   画像読取部からの信号をアナログ／ディジタル変換して出力するＡ／Ｄ変換部と、
   二値化された画像データから矩形のデータを処理パターンとして読みだし、画素が重複しないように分割する第１の分割と、画素が重複するように分割する第２の分割と、を行い分割領域として出力する領域分割部と、前記分割領域ごとに特徴値を算出し、前記特徴値を処理パターンごとに矩形に配列して特徴量として出力する特徴抽出部と、判定対象である特定の画像のパターンデータである辞書パターンを格納する辞書ファイルと、前記特徴量と前記辞書パターンとを照合して判定信号を出力するパターン照合判定部と、を備える画像認識装置と、
   前記画像認識装置からの判定結果によって前記画像読取部の動作を制御する制御部と、
   を備える画像読取装置。
8. ブロック統合部が二値化された画像データから矩形のデータを読みだし、値を合計してブロック値として出力し、
   第１の特徴抽出部が前記ブロック値と第１の閾値とを比較して第１の特徴量を出力し、
   第２の特徴抽出部が前記ブロック値と第１の閾値と異なる第２の閾値とを比較して第２の特徴量を出力し、
   パターン照合判定部が前記第１の特徴量と前記辞書パターンとを照合し、第２の特徴量と前記辞書パターンとを照合し、いずれかの特徴量が前記辞書パターンと一致したときに判定信号を出力する
   ことを特徴とする画像認識装置の画像認識方法。
9. 領域分割部が二値化された画像データから矩形のデータを処理パターンとして読みだし、画素が重複しないように分割する第１の分割と、画素が重複するように分割する第２の分割と、を行い分割領域として出力し、
   特徴抽出部が前記分割領域ごとに特徴値を算出し、前記特徴値を処理パターンごとに矩形に配列して特徴量として出力し、
   パターン照合判定部が前記特徴量と前記辞書パターンとを照合して判定信号を出力する
   ことを特徴とする画像認識装置の画像認識方法。

Images