JP2618486B2 - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JP2618486B2 JP2618486B2 JP1179071A JP17907189A JP2618486B2 JP 2618486 B2 JP2618486 B2 JP 2618486B2 JP 1179071 A JP1179071 A JP 1179071A JP 17907189 A JP17907189 A JP 17907189A JP 2618486 B2 JP2618486 B2 JP 2618486B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- dimensional
- relative distance
- pattern recognition
- represented
- 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 - Lifetime
Links
Landscapes
- Character Discrimination (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 この発明は、パターン認識方法、特に文字や記号など
の線図形で表現されるパターンの認識方法に関する。
の線図形で表現されるパターンの認識方法に関する。
2次元図形のパターンの認識手法には、大きくわけて
構造解析法と重ね合わせ(相関)法とがある。
構造解析法と重ね合わせ(相関)法とがある。
構造解析法は手書き文字など、形状の変動が比較的大
きな対象にも有効であるが、手書き文字と印刷文字、ア
ルファベットと漢字など、認識対象となる2次元図形の
性質が異なる毎に、膨大な標準パターンの再設計および
実験的検証が必要となることが、この手法の難点であ
る。
きな対象にも有効であるが、手書き文字と印刷文字、ア
ルファベットと漢字など、認識対象となる2次元図形の
性質が異なる毎に、膨大な標準パターンの再設計および
実験的検証が必要となることが、この手法の難点であ
る。
一方、重ね合わせ法は認識のための処理が原理的に単
純であり、認識対象文字群の性質とは無関係に適用でき
る。という汎用性を持つ点が特徴である。
純であり、認識対象文字群の性質とは無関係に適用でき
る。という汎用性を持つ点が特徴である。
第6図は重ね合わせ法のうち最も単純な方法である。
類似度法を用いたパターン認識方法の一般的な例を示す
フローチャートである。
類似度法を用いたパターン認識方法の一般的な例を示す
フローチャートである。
すなわち、認識対象となる文字画像を2次元ラインセ
ンサなどを用いて光電変換し、この変換された画像デー
タに対してノイズ除去,位置合わせを含む前処理を行な
う。さらに、特徴抽出、正規化処理の後、所定の標準パ
ターンPAとの間で類似度演算を行なうとともに、その最
大値を検出し認識結果として出力する。しかし、このよ
うな手法では変動の大きな手書き文字などには適用でき
ないという問題がある。
ンサなどを用いて光電変換し、この変換された画像デー
タに対してノイズ除去,位置合わせを含む前処理を行な
う。さらに、特徴抽出、正規化処理の後、所定の標準パ
ターンPAとの間で類似度演算を行なうとともに、その最
大値を検出し認識結果として出力する。しかし、このよ
うな手法では変動の大きな手書き文字などには適用でき
ないという問題がある。
そこで、一定の関係を有する成分間の相対距離を伝播
・停止処理などをして求め(特開昭59−792号公報等参
照)、これを2次元図形を表現する2個の座標変数に加
えて用いることにより、特徴量を上記3個の座標変数で
表現される空間内のベクトルとして求める手法を出願人
は先に提案している(特願平1−71756号参照;以下、
単に提案済み方法ともいう)。
・停止処理などをして求め(特開昭59−792号公報等参
照)、これを2次元図形を表現する2個の座標変数に加
えて用いることにより、特徴量を上記3個の座標変数で
表現される空間内のベクトルとして求める手法を出願人
は先に提案している(特願平1−71756号参照;以下、
単に提案済み方法ともいう)。
第7図にこの提案済み方法の概要を示し、以下に説明
する。なお、同図では第6図で示した例とは異なる高次
特徴抽出部分だけを示している。
する。なお、同図では第6図で示した例とは異なる高次
特徴抽出部分だけを示している。
すなわち、文字を構成する線分の8つの方向(θで表
わす)別パターンをそれぞれ定められた方向へ伝播処理
を行なった後、衝突(停止)処理を行なう。次に、衝突
の条件を満たす成分の有無を検査し、無い場合は所定の
伝播回数(R)を終了したかを検査した後、伝播処理か
らの一連の処理を行なう。一方、衝突の条件を満たす成
分が有る場合は、これを記憶装置に記憶する。このと
き、記憶位置は衝突位置を表わす2個の座標と、衝突に
至るまでの伝播回数、すなわち文字境界間の相対距離を
表わす1個の座標の計3個の座標値から求められる。次
に、この停止した成分は消去される。なお、この提案済
み方法の中には、前記停止した成分を消去せず、その伝
播方向を反転させる手法や、一定の関係を有する2個の
成分の一方を空間的に固定し、他方を伝播させて相対距
離を求める方法についても述べられている。
わす)別パターンをそれぞれ定められた方向へ伝播処理
を行なった後、衝突(停止)処理を行なう。次に、衝突
の条件を満たす成分の有無を検査し、無い場合は所定の
伝播回数(R)を終了したかを検査した後、伝播処理か
らの一連の処理を行なう。一方、衝突の条件を満たす成
分が有る場合は、これを記憶装置に記憶する。このと
き、記憶位置は衝突位置を表わす2個の座標と、衝突に
至るまでの伝播回数、すなわち文字境界間の相対距離を
表わす1個の座標の計3個の座標値から求められる。次
に、この停止した成分は消去される。なお、この提案済
み方法の中には、前記停止した成分を消去せず、その伝
播方向を反転させる手法や、一定の関係を有する2個の
成分の一方を空間的に固定し、他方を伝播させて相対距
離を求める方法についても述べられている。
以上のようにして求めた未知パターンの特徴量G(x,
y,z,θ)を用い、類似度Sを次式より求める。
y,z,θ)を用い、類似度Sを次式より求める。
ただし、F(x,y,z,θ)は標準パターンを示し、上式
の各量は次の如く与えられる。
の各量は次の如く与えられる。
(F,G)=ΣxΣyΣzΣθF・G ‖F‖=(F,F)1/2,‖G‖(G,G)1/2 また、x,yは2次求平面上の座標を表わす変数であ
り、θは方向別パターン、zは成分間の相対距離をそれ
ぞれ表わす変数である。
り、θは方向別パターン、zは成分間の相対距離をそれ
ぞれ表わす変数である。
しかしながら、いままで平面的であった特徴量を3次
求空間に展開することはデータ量を甚だしく増大させ、
類似度演算のための計算量を膨大にする。また、標準パ
ターンなどを記憶する装置も巨大なものが必要になる。
求空間に展開することはデータ量を甚だしく増大させ、
類似度演算のための計算量を膨大にする。また、標準パ
ターンなどを記憶する装置も巨大なものが必要になる。
文字を含む線図形に対して重ね合わせ法を用いてパタ
ーン認識するに当たり、入力された画像に対し、これを
空間微分またはこれと同等の処理をして2変数のベクト
ル関数に変換し、このベクトル関数について或る2つの
成分間の相対距離を測定し、前記2変数とこの相対距離
を表わす変数とからなる3次元の特徴空間内で表わされ
る特徴量を2面の2次元特徴平面で表現する、すなわち
前記特徴量を構成する特徴要素の相対距離軸方向への分
布を、これらの特徴要素集合における特徴値の代表値お
よび相対距離軸上での位置の代表値を用いて表現し、こ
れら2面の2次元特徴平面を用いてパターンを認識す
る。
ーン認識するに当たり、入力された画像に対し、これを
空間微分またはこれと同等の処理をして2変数のベクト
ル関数に変換し、このベクトル関数について或る2つの
成分間の相対距離を測定し、前記2変数とこの相対距離
を表わす変数とからなる3次元の特徴空間内で表わされ
る特徴量を2面の2次元特徴平面で表現する、すなわち
前記特徴量を構成する特徴要素の相対距離軸方向への分
布を、これらの特徴要素集合における特徴値の代表値お
よび相対距離軸上での位置の代表値を用いて表現し、こ
れら2面の2次元特徴平面を用いてパターンを認識す
る。
また、類似度算出に当たっては、上記2面の2次元特
徴から3次元空間での特徴の分布を擬似的に再現して行
なう。
徴から3次元空間での特徴の分布を擬似的に再現して行
なう。
3次元空間内で表現されていた特徴を、2枚の2次元
特徴平面で表現することにより、特徴を記述するための
データ量を圧縮して特徴量を記憶するための記憶装置の
容量を減少させ、また類似度演算のための計算量を減少
させる。
特徴平面で表現することにより、特徴を記述するための
データ量を圧縮して特徴量を記憶するための記憶装置の
容量を減少させ、また類似度演算のための計算量を減少
させる。
また、類似度演算を近似的に再現された3次元特徴空
間で行なうことにより、これらの特徴量を3次元空間内
のベクトルとして扱うことができ、従来の手法で慣用さ
れているベクトルの内積を用いた類似度演算式をそのま
ま利用することが可能となる。
間で行なうことにより、これらの特徴量を3次元空間内
のベクトルとして扱うことができ、従来の手法で慣用さ
れているベクトルの内積を用いた類似度演算式をそのま
ま利用することが可能となる。
第1図はこの発明の実施例を示すフローチャートであ
る。ここでは、第6図,第7図と異なる部分だけを示
す。
る。ここでは、第6図,第7図と異なる部分だけを示
す。
すなわち、まず、現在着目している成分が衝突(停
止)成分かどうかを検査し、もし違えば、残り成分がな
いかを検査した後、着目成分を次に移す。一方、停止成
分であれば、この成分が代表値になり得るかを検査す
る。この例では、現在着目している成分の座標上に出現
する特徴の最大値を代表値とするため、第1図に示す処
理がスタートしてからそれまでに出現した特徴の最大値
を各座標毎に記憶しておき、これとその回の伝播停止処
理によって得られた特徴との大小比較による検査を行な
う。したがって、相対距離は何度か書換えられるが、最
終的には特徴の代表値(最大値)における相対距離が記
憶されることになる。次に、特徴値は累積する形で記憶
され、その回の伝播停止処理によって得られた全ての停
止成分に対してこの一連の処理が行なわれる。
止)成分かどうかを検査し、もし違えば、残り成分がな
いかを検査した後、着目成分を次に移す。一方、停止成
分であれば、この成分が代表値になり得るかを検査す
る。この例では、現在着目している成分の座標上に出現
する特徴の最大値を代表値とするため、第1図に示す処
理がスタートしてからそれまでに出現した特徴の最大値
を各座標毎に記憶しておき、これとその回の伝播停止処
理によって得られた特徴との大小比較による検査を行な
う。したがって、相対距離は何度か書換えられるが、最
終的には特徴の代表値(最大値)における相対距離が記
憶されることになる。次に、特徴値は累積する形で記憶
され、その回の伝播停止処理によって得られた全ての停
止成分に対してこの一連の処理が行なわれる。
ここで、本発明で用いる特徴量につき、従来手法と対
比して説明する。
比して説明する。
従来手法における或る方向別パターンθ上の特徴量
は、第2図に示すような3次元空間内の分布として表現
される。ここに、x,yは入力された2次元画像に対応す
る平面を表わし、これに対して成分間の相対距離を表わ
すz軸が付加されている。この特徴空間をMθ(x,y,
z)で表わすが、方向θを特に考慮しないときは、その
記載を省略する。
は、第2図に示すような3次元空間内の分布として表現
される。ここに、x,yは入力された2次元画像に対応す
る平面を表わし、これに対して成分間の相対距離を表わ
すz軸が付加されている。この特徴空間をMθ(x,y,
z)で表わすが、方向θを特に考慮しないときは、その
記載を省略する。
本発明においては、特徴要素M(i,j,d)をその特徴
要素の値を示すf(i,j)と相対距離を示すd(i,j)と
で表現する。この関係を第3図に示す。ここで、伝播停
止処理を行なう方向成分として原画像の濃度勾配などを
用いた場合は、特徴量はz軸方向に或る広がりを持つこ
とになる。よって、一般的には、特定の特徴要素集合の
代表値としてf(i,j),d(i,j)を求める必要がある
が、本実施例では下記のようにして求めている。
要素の値を示すf(i,j)と相対距離を示すd(i,j)と
で表現する。この関係を第3図に示す。ここで、伝播停
止処理を行なう方向成分として原画像の濃度勾配などを
用いた場合は、特徴量はz軸方向に或る広がりを持つこ
とになる。よって、一般的には、特定の特徴要素集合の
代表値としてf(i,j),d(i,j)を求める必要がある
が、本実施例では下記のようにして求めている。
f(i,j)=ΣzM(i,j,z) d(i,j)=d:M(i,j,d) =MAXz{M(i,j,z)} なお、f(i,j)としては、特徴要素集合M(i,j,z)
(z=1〜R:Rは終了条件となる伝播回数)の平均値
や、最大値としても良く、またd(i,j)をM(i,j,z)
の重心として求めるようにしても良い。
(z=1〜R:Rは終了条件となる伝播回数)の平均値
や、最大値としても良く、またd(i,j)をM(i,j,z)
の重心として求めるようにしても良い。
次に、2面の特徴面を用いて類似度を求める方法につ
いて説明する。
いて説明する。
類似度演算に当たっては第4図(イ)に示す如きM
(i,j,z)におけるz軸上の特徴要素の分布を、第4図
(ロ)の如き関数B(i,j,z)で近似する。この分布を
正規分布とみなせば、これはf(i,j),d(i,j)を用い
て として定義される。ここで、σ2は特徴要素の分散を示
す定数である。また、αは とするための定数であり、上式の場合は となる。このB(i,j,z)の式は、重ね合せ法によるに
よる文字認識手法でよく用いられるボケ処理を実行する
ための式に一致する。ボケ処理は、文字の変動などを吸
着するため、光学系における“ボカシ”の効果を与える
ものである。よって、上式を用いれば、σの値を調整す
ることにより、z軸上での特徴要素の分布を復元するこ
とと、z軸上でのボケ処理を同等に行なうことができ
る。なお、ここではσを定数としたが、特徴要素の分布
を正確に再現するために、z軸上での分布を標準偏差を
用いて記憶し、このσ(i,j)を用いて、上記B(i,j,
z)を表わすことも有効である。
(i,j,z)におけるz軸上の特徴要素の分布を、第4図
(ロ)の如き関数B(i,j,z)で近似する。この分布を
正規分布とみなせば、これはf(i,j),d(i,j)を用い
て として定義される。ここで、σ2は特徴要素の分散を示
す定数である。また、αは とするための定数であり、上式の場合は となる。このB(i,j,z)の式は、重ね合せ法によるに
よる文字認識手法でよく用いられるボケ処理を実行する
ための式に一致する。ボケ処理は、文字の変動などを吸
着するため、光学系における“ボカシ”の効果を与える
ものである。よって、上式を用いれば、σの値を調整す
ることにより、z軸上での特徴要素の分布を復元するこ
とと、z軸上でのボケ処理を同等に行なうことができ
る。なお、ここではσを定数としたが、特徴要素の分布
を正確に再現するために、z軸上での分布を標準偏差を
用いて記憶し、このσ(i,j)を用いて、上記B(i,j,
z)を表わすことも有効である。
また、z軸上での特徴要素の分布は、伝播停止処理を
施す方向成分の性質に依存するため、これに合わせてB
(i,j,z)を定義することも有効である。
施す方向成分の性質に依存するため、これに合わせてB
(i,j,z)を定義することも有効である。
よって、従来の類似度演算で用いられたベクトルの内
積 は、次式で近似される。
積 は、次式で近似される。
上式のBa(x,y,z)とBb(x,y,z)の関係を第5図に示
す。Ba(x,y,z),Bb(x,y,z)のいずれか一方が未知パ
ターンに対応し、他方が標準パターンに対応する。
す。Ba(x,y,z),Bb(x,y,z)のいずれか一方が未知パ
ターンに対応し、他方が標準パターンに対応する。
ここで、fa(x,y)=ar,da(x,y)=ad,fb(x,y)=b
f,db(x,y)=bdとおけば、 となる。
f,db(x,y)=bdとおけば、 となる。
ここで、 とおいた。また、 とおけば、dz=σ・dgとなる。
よって、上式は であることから、以下のように変形される。
ここで、 とした。
よって、この近似式を用い、3次元特徴空間で表現さ
れた特徴量 の類似度を求めるには、 を計算すればよい。
れた特徴量 の類似度を求めるには、 を計算すればよい。
以上のような簡略化は、一対の方向成分が1つの特徴
量に対応する衝突(停止)成分を消去する手法などで有
効である。しかし、衝突(停止)成分を反射させる手法
を用いた場合、M(i,j,z)内に複数の互いに無関係な
特徴要素集合が存在することがあり、代表値f(i,j),
d(i,j)を求めることができなくなる。この場合、反射
成分を別の伝播面に多し、さらに特徴記憶面であるf
(x,y),d(x,y)を反射回数毎に個別に持つことによ
り、本発明を適用することができる。また、この場合は
従来手法で保存されなかった、“反射成分どうしの衝突
(停止)成分である”という情報を保存することができ
る。
量に対応する衝突(停止)成分を消去する手法などで有
効である。しかし、衝突(停止)成分を反射させる手法
を用いた場合、M(i,j,z)内に複数の互いに無関係な
特徴要素集合が存在することがあり、代表値f(i,j),
d(i,j)を求めることができなくなる。この場合、反射
成分を別の伝播面に多し、さらに特徴記憶面であるf
(x,y),d(x,y)を反射回数毎に個別に持つことによ
り、本発明を適用することができる。また、この場合は
従来手法で保存されなかった、“反射成分どうしの衝突
(停止)成分である”という情報を保存することができ
る。
この発明によれば、従来3次元特徴空間で表現されて
いた特徴量を2次元特徴平面で表現して情報を圧縮する
ようにしたので、メモリ容量および演算量を減らすこと
ができる利点がもたらされる。
いた特徴量を2次元特徴平面で表現して情報を圧縮する
ようにしたので、メモリ容量および演算量を減らすこと
ができる利点がもたらされる。
また、2面の2次元特徴平面から近似的な3次元特徴
空間を再現することにより、特徴量をベクトルとみなし
てベクトルの内積を用いる、一般的な類似度演算手段を
利用することができる。そして、3次元特徴空間を再現
する際、例えばガウス型ボケ関数を用いれば、2次元特
徴平面をもちいた類似度演算の積和計算にexp(指数関
数)の項を加えるだけで、3次元特徴空間を用いた類似
度演算が可能となる。
空間を再現することにより、特徴量をベクトルとみなし
てベクトルの内積を用いる、一般的な類似度演算手段を
利用することができる。そして、3次元特徴空間を再現
する際、例えばガウス型ボケ関数を用いれば、2次元特
徴平面をもちいた類似度演算の積和計算にexp(指数関
数)の項を加えるだけで、3次元特徴空間を用いた類似
度演算が可能となる。
第1図はこの発明の実施例を示すフローチャート、第2
図は3次元特徴空間における特徴の表現方法を説明する
ための説明図、第3図は従来方法と本発明による方法に
おける特徴量の差異を説明するための説明図、第4図は
特徴要素の圧縮,復元操作を説明するための説明図、第
5図は相対距離軸方向への特徴分布の再現例を説明する
ための説明図、第6図は一般的な文字認識処理を説明す
るためのフローチャート、第7図は提案済み方法を説明
するためのフローチャートである。 符号説明 f(i,j),d(i,j)……2次元特徴面、M(i,j,z)…
…特徴要素集合、B(i,j,z)……近似関数。
図は3次元特徴空間における特徴の表現方法を説明する
ための説明図、第3図は従来方法と本発明による方法に
おける特徴量の差異を説明するための説明図、第4図は
特徴要素の圧縮,復元操作を説明するための説明図、第
5図は相対距離軸方向への特徴分布の再現例を説明する
ための説明図、第6図は一般的な文字認識処理を説明す
るためのフローチャート、第7図は提案済み方法を説明
するためのフローチャートである。 符号説明 f(i,j),d(i,j)……2次元特徴面、M(i,j,z)…
…特徴要素集合、B(i,j,z)……近似関数。
Claims (2)
- 【請求項1】文字を含む線図形に対して重ね合わせ法を
用いてパターン認識するに当たり、 入力された画像に対し、これを空間微分またはこれと同
等の処理をして2変数のベクトル関数に変換し、このベ
クトル関数について或る2つの成分間の相対距離を測定
し、前記2変数とこの相対距離を表わす変数とからなる
3次元の特徴空間内で表わされる特徴量を2面の2次元
特徴平面で表現する、すなわち前記特徴量を構成する特
徴要素の相対距離軸方向への分布を、これらの特徴要素
集合における特徴値の代表値および相対距離軸上での位
置の代表値を用いて表現し、これら2面の2次元特徴平
面を用いてパターンを認識することを特徴とするパター
ン認識方法。 - 【請求項2】前記2面の2次元特徴平面で表現される特
徴量をベクトルとみなして類似度演算を行なうため、こ
れを擬似的に3次元特徴空間に展開してパターン認識を
行なうことを特徴とする請求項1)に記載のパターン認
識方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1179071A JP2618486B2 (ja) | 1989-07-13 | 1989-07-13 | パターン認識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1179071A JP2618486B2 (ja) | 1989-07-13 | 1989-07-13 | パターン認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0344790A JPH0344790A (ja) | 1991-02-26 |
JP2618486B2 true JP2618486B2 (ja) | 1997-06-11 |
Family
ID=16059588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP1179071A Expired - Lifetime JP2618486B2 (ja) | 1989-07-13 | 1989-07-13 | パターン認識方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2618486B2 (ja) |
-
1989
- 1989-07-13 JP JP1179071A patent/JP2618486B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH0344790A (ja) | 1991-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738207B (zh) | 一种融合文字图像中文字区域边缘信息的文字检测方法 | |
US9552642B2 (en) | Apparatus and method for tracking object using feature descriptor, and apparatus and method for removing garbage feature | |
JP5406705B2 (ja) | データ補正装置及び方法 | |
US5920641A (en) | Method for reconstructing linear structures present in raster form | |
CN107784288B (zh) | 一种基于深度神经网络的迭代定位式人脸检测方法 | |
JP2007072620A (ja) | 画像認識装置及びその方法 | |
JP2005327076A (ja) | パラメタ推定方法、パラメタ推定装置および照合方法 | |
US5696844A (en) | Outline pattern data extraction device for extracting outline pattern of a pattern distribution in a multi-dimensional feature vector space and its applications | |
JPH09237342A (ja) | 注視点を用いた頑健な認識装置 | |
US7978914B2 (en) | Image processing system | |
KR20240013085A (ko) | 기계 시각을 위한 이미지 데이터 처리 방법들 및 장치 | |
JP2010257267A (ja) | 物体領域検出装置、物体領域検出方法および物体領域検出プログラム | |
JP2618486B2 (ja) | パターン認識方法 | |
İnik et al. | Gender classification with a novel convolutional neural network (CNN) model and comparison with other machine learning and deep learning CNN models | |
CN111339973A (zh) | 一种对象识别方法、装置、设备及存储介质 | |
WO2021069084A1 (en) | Methods and systems for determining the 3d-locations, the local reference frames and the grasping patterns of grasping points of an object | |
CN115131384A (zh) | 基于边缘保持的仿生机器人3d打印方法、装置及介质 | |
Popa | Study about the edge detection algorithm and its applications | |
Backes et al. | Texture classification using fractal dimension improved by local binary patterns | |
CN113269137A (zh) | 一种结合PCANet和遮挡定位的非配合人脸识别方法 | |
JP2770849B2 (ja) | 画像処理装置 | |
JP3451925B2 (ja) | 物体認識方法及び物体認識装置 | |
JP2004178210A (ja) | 画像処理方法及び画像認識方法並びにこれらの方法をコンピュータにより実行させるプログラム | |
Sitinjak | DESIGN OF DIGITAL IMAGE EDGE DETECTION APPLICATIONS USING FREI-CHEN ALGORITHM | |
JP2004094750A (ja) | 3次元形状処理装置、干渉モデル検出方法、プログラム、及び記憶媒体 |