JP2703454B2 - 画像のパターンマッチング方法 - Google Patents
画像のパターンマッチング方法Info
- Publication number
- JP2703454B2 JP2703454B2 JP4118084A JP11808492A JP2703454B2 JP 2703454 B2 JP2703454 B2 JP 2703454B2 JP 4118084 A JP4118084 A JP 4118084A JP 11808492 A JP11808492 A JP 11808492A JP 2703454 B2 JP2703454 B2 JP 2703454B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- equation
- pattern matching
- estimated
- 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
Links
Landscapes
- Character Discrimination (AREA)
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明はある画像を変換したとき
に他の画像と似ているような２枚の画像について、その
パターンをマッチングさせるためのパターンマッチング
方法に関するものである。
に他の画像と似ているような２枚の画像について、その
パターンをマッチングさせるためのパターンマッチング
方法に関するものである。
【０００２】
【従来の技術】従来２枚の類似する画像が与えられたと
きに、一方の画像を変換して他方の画像に一致させるパ
ターンマッチング方法には、以下の方法が知られてい
る。第１の方法は、画像のコーナ等の特徴点を前処理に
より検出し、特徴点についての対応付けを求め、その後
最小二乗法や弛緩法，グラフ理論等によって変換パラメ
ータを推定するものである。この方法は特徴点の抽出が
保証されないことがあり、対応付け自体が難しい問題と
なっていた。
きに、一方の画像を変換して他方の画像に一致させるパ
ターンマッチング方法には、以下の方法が知られてい
る。第１の方法は、画像のコーナ等の特徴点を前処理に
より検出し、特徴点についての対応付けを求め、その後
最小二乗法や弛緩法，グラフ理論等によって変換パラメ
ータを推定するものである。この方法は特徴点の抽出が
保証されないことがあり、対応付け自体が難しい問題と
なっていた。
【０００３】又他の方法として２枚の画像を直接比較す
る直接比較方法が考えられる。これは実際に基準画像に
ついて画像変換を行い、入力画像との間の相関係数等を
計算して最もよく一致する変換パラメータを求めるもの
である。
る直接比較方法が考えられる。これは実際に基準画像に
ついて画像変換を行い、入力画像との間の相関係数等を
計算して最もよく一致する変換パラメータを求めるもの
である。
【０００４】
【発明が解決しようとする課題】しかるに直接比較方法
では、パラメータの変化についての指針が与えられない
ので、最悪の場合は全てのパラメータの組合せについて
一致度を計算しなければならない。そのためパラメータ
数の増加に伴い、膨大な計算量が必要であることがある
という欠点があった。
では、パラメータの変化についての指針が与えられない
ので、最悪の場合は全てのパラメータの組合せについて
一致度を計算しなければならない。そのためパラメータ
数の増加に伴い、膨大な計算量が必要であることがある
という欠点があった。
【０００５】本発明はこのような従来の問題点に鑑みて
なされたものであって、特徴量抽出を不要とし、パラメ
ータの変化についての指針を統計的に求めることによっ
て計算量を減少させ、短時間で変換パラメータを推定で
きるようにすることを技術的課題とする。
なされたものであって、特徴量抽出を不要とし、パラメ
ータの変化についての指針を統計的に求めることによっ
て計算量を減少させ、短時間で変換パラメータを推定で
きるようにすることを技術的課題とする。
【０００６】
【課題を解決するための手段】本発明は第１の画像ｙM
（ｕ′，ｖ′）（≡Ａ）、及び第２の画像ｙ（ｕ，ｖ）
（≡Ｃ）をピクセル単位のデータとして保持し、明るさ
の比をｘ1 、原点を中心とした回転角度(rad）をｘ2 、
水平，垂直方向への平行移動量（ピクセル）をｘ3 ，ｘ
4 、水平，垂直方向への拡大縮小の比を夫々ｘ5 ，ｘ6
とする変換パラメータに基づいて、第１の画像を変換す
ることによって第２の画像と一致させるパターンマッチ
ングを行う画像のパターンマッチング方法であって、第
１の画像のｘ方向の偏微分画像Ｄ（ｕ′，ｖ′）、及び
第１の画像のｙ方向の偏微分画像Ｅ（ｕ′，ｖ′）を算
出し、ｘ＝［ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 ，ｘ5 ，ｘ6 ］T
を変換パラメータｘ1 〜ｘ6 を要素とする未知パラメー
タベクトルとし、推定画像ｙ′（ｕ，ｖ）の未知パラメ
ータベクトルの各要素についての偏微分を式（１）とし
て第２の画像に対応する各画素（ｕ，ｖ）について夫々
中間パラメータＧ，Ｈ，Ｋ，Ｌ及びＦ，Ｍ，Ｎ，Ｏ，
Ｐ，Ｑ，Ｒを式（２）〜（８）によって算出し、これら
の中間パラメータＦ〜Ｑにより正規方程式（式（９））
をなす係数行列Ｂ，列ベクトルｂを式（１０）〜（１
３）によって算出し、式（１４）を満たす推定画像の濃
度変化が大きい領域を選択し、正規方程式（９）を解く
ことによって、推定回数をｋとして未知パラメータベク
トルｘの修正ベクトルΔｘ′(k) を算出する６元一次方
程式を解き、ｋ次の未知パラメータベクトルｘ′(k) に
その修正ベクトルΔｘ′(k) を加算することによってｋ
＋１次の未知パラメータベクトルを算出し、未知パラメ
ータベクトルによって第１の画像を変換して得られる推
定画像と第２の画像との収束を、式（１５）で示される
残差の分散と前回の推定との間に式（１６）を満足した
ときに収束したものと判別し、収束していればこの変換
パラメータを出力パラメータとし、収束していなければ
再び中間画像パラメータを算出することにより変換パラ
メータを算出して画像パターンのマッチングを行うこと
を特徴とするものである。
（ｕ′，ｖ′）（≡Ａ）、及び第２の画像ｙ（ｕ，ｖ）
（≡Ｃ）をピクセル単位のデータとして保持し、明るさ
の比をｘ1 、原点を中心とした回転角度(rad）をｘ2 、
水平，垂直方向への平行移動量（ピクセル）をｘ3 ，ｘ
4 、水平，垂直方向への拡大縮小の比を夫々ｘ5 ，ｘ6
とする変換パラメータに基づいて、第１の画像を変換す
ることによって第２の画像と一致させるパターンマッチ
ングを行う画像のパターンマッチング方法であって、第
１の画像のｘ方向の偏微分画像Ｄ（ｕ′，ｖ′）、及び
第１の画像のｙ方向の偏微分画像Ｅ（ｕ′，ｖ′）を算
出し、ｘ＝［ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 ，ｘ5 ，ｘ6 ］T
を変換パラメータｘ1 〜ｘ6 を要素とする未知パラメー
タベクトルとし、推定画像ｙ′（ｕ，ｖ）の未知パラメ
ータベクトルの各要素についての偏微分を式（１）とし
て第２の画像に対応する各画素（ｕ，ｖ）について夫々
中間パラメータＧ，Ｈ，Ｋ，Ｌ及びＦ，Ｍ，Ｎ，Ｏ，
Ｐ，Ｑ，Ｒを式（２）〜（８）によって算出し、これら
の中間パラメータＦ〜Ｑにより正規方程式（式（９））
をなす係数行列Ｂ，列ベクトルｂを式（１０）〜（１
３）によって算出し、式（１４）を満たす推定画像の濃
度変化が大きい領域を選択し、正規方程式（９）を解く
ことによって、推定回数をｋとして未知パラメータベク
トルｘの修正ベクトルΔｘ′(k) を算出する６元一次方
程式を解き、ｋ次の未知パラメータベクトルｘ′(k) に
その修正ベクトルΔｘ′(k) を加算することによってｋ
＋１次の未知パラメータベクトルを算出し、未知パラメ
ータベクトルによって第１の画像を変換して得られる推
定画像と第２の画像との収束を、式（１５）で示される
残差の分散と前回の推定との間に式（１６）を満足した
ときに収束したものと判別し、収束していればこの変換
パラメータを出力パラメータとし、収束していなければ
再び中間画像パラメータを算出することにより変換パラ
メータを算出して画像パターンのマッチングを行うこと
を特徴とするものである。
【０００７】
【作用】このような特徴を有する本発明によれば、画像
変換を変換パラメータｘ1 〜ｘ6 からなる未知パラメー
タベクトルｘによって表す。そして推定画像の濃度変化
が所定値を越える領域を選択する。そしてその領域にお
いて、各パラメータについての推定画像の偏微分による
中間パラメータを算出し、残差から正規方程式を求めて
未知パラメータベクトルｘ(k) の修正ベクトルΔｘ′
(k) を算出して、未知パラメータベクトルｘを算出して
いる。そしてこの未知パラメータベクトルによる推定画
像と入力画像との一致度によって画像が収束しているか
どうかを判別し、収束していなければ同様の処理を繰り
返すことによって基準画像を入力画像に近づけるように
している。
変換を変換パラメータｘ1 〜ｘ6 からなる未知パラメー
タベクトルｘによって表す。そして推定画像の濃度変化
が所定値を越える領域を選択する。そしてその領域にお
いて、各パラメータについての推定画像の偏微分による
中間パラメータを算出し、残差から正規方程式を求めて
未知パラメータベクトルｘ(k) の修正ベクトルΔｘ′
(k) を算出して、未知パラメータベクトルｘを算出して
いる。そしてこの未知パラメータベクトルによる推定画
像と入力画像との一致度によって画像が収束しているか
どうかを判別し、収束していなければ同様の処理を繰り
返すことによって基準画像を入力画像に近づけるように
している。
【０００８】
【実施例】本発明の原理について説明する。まず基準と
なる画像、即ち基準画像を考える。図２（ａ）は基準画
像の一例であり、これに対して図２（ｂ）は入力画像で
ある。いずれもテレビカメラ等により撮影した後に計算
機に入力された画像である。ここで基準画像に回転，平
行移動等の何らかの画像変換操作を加えて入力画像に一
致させるように画像を推定し、図２（ｃ）に示すように
入力画像に近づけるものとする。ここでは画像変換とし
て濃度階調変換と幾何学的変換を扱う。濃度階調変換は
ｘ1 を未知パラメータとする線形変換を考え、幾何学的
変換については次のｘ2 〜ｘ6 を未知パラメータとする
アフィン変換を考える。ここでｘ1 〜ｘ6 を以下のよう
に定める。 ｘ1 ・・・明るさの比 ｘ2 ・・・原点を中心とした回転角度（rad) ｘ3 ，ｘ4 ・・・水平，垂直方向の平行移動量（ピクセ
ル） ｘ5 ，ｘ6 ・・・水平，垂直方向の拡大縮小の比 これらの変換パラメータｘ1 〜ｘ6 を用いて基準画像を
変換したときに、それが入力画像と最もよく一致するよ
うな値、ｘ1 ′〜ｘ6 ′を推定することを目的とする。
なる画像、即ち基準画像を考える。図２（ａ）は基準画
像の一例であり、これに対して図２（ｂ）は入力画像で
ある。いずれもテレビカメラ等により撮影した後に計算
機に入力された画像である。ここで基準画像に回転，平
行移動等の何らかの画像変換操作を加えて入力画像に一
致させるように画像を推定し、図２（ｃ）に示すように
入力画像に近づけるものとする。ここでは画像変換とし
て濃度階調変換と幾何学的変換を扱う。濃度階調変換は
ｘ1 を未知パラメータとする線形変換を考え、幾何学的
変換については次のｘ2 〜ｘ6 を未知パラメータとする
アフィン変換を考える。ここでｘ1 〜ｘ6 を以下のよう
に定める。 ｘ1 ・・・明るさの比 ｘ2 ・・・原点を中心とした回転角度（rad) ｘ3 ，ｘ4 ・・・水平，垂直方向の平行移動量（ピクセ
ル） ｘ5 ，ｘ6 ・・・水平，垂直方向の拡大縮小の比 これらの変換パラメータｘ1 〜ｘ6 を用いて基準画像を
変換したときに、それが入力画像と最もよく一致するよ
うな値、ｘ1 ′〜ｘ6 ′を推定することを目的とする。
【０００９】次に以下のような座標変換を用いて非線形
回帰方程式を導く。ここで図２（ｂ）に示すように実際
の入力画像の座標を（ｕ，ｖ）とし、点（ｕ，ｖ）の入
力パターンの濃度をｙ（ｕ，ｖ）とする。又（ｕ，ｖ）
は同時に推定値による変換後の画像、即ち推定画像ｙ′
（ｕ，ｖ）の座標をも表す。又（ｕ′，ｖ′）を画像
（ｕ，ｖ）に対する変換前の座標、即ち基準画像ｙ
M （ｕ′，ｖ′）の座標とする。
回帰方程式を導く。ここで図２（ｂ）に示すように実際
の入力画像の座標を（ｕ，ｖ）とし、点（ｕ，ｖ）の入
力パターンの濃度をｙ（ｕ，ｖ）とする。又（ｕ，ｖ）
は同時に推定値による変換後の画像、即ち推定画像ｙ′
（ｕ，ｖ）の座標をも表す。又（ｕ′，ｖ′）を画像
（ｕ，ｖ）に対する変換前の座標、即ち基準画像ｙ
M （ｕ′，ｖ′）の座標とする。
【００１０】まず基準画像を拡大する。図３（ａ）は
この基準画像、（ｂ）はその基準画像を水平方向及び垂
直方向に拡大した状態を示している。基準画像を水平方
向及び垂直方向に夫々１／ｘ5 ，１／ｘ6 倍に拡大した
ときには、次式（１７），（１８）が成り立つ。
この基準画像、（ｂ）はその基準画像を水平方向及び垂
直方向に拡大した状態を示している。基準画像を水平方
向及び垂直方向に夫々１／ｘ5 ，１／ｘ6 倍に拡大した
ときには、次式（１７），（１８）が成り立つ。
【数１６】
【００１１】次に基準画像を水平方向，垂直方向に夫
々−ｘ3 ，−ｘ4 （ピクセル) だけ、図３（ｂ）から
（ｃ）に示すように平行移動したときには、次式（１
９），（２０）が成り立つ。
々−ｘ3 ，−ｘ4 （ピクセル) だけ、図３（ｂ）から
（ｃ）に示すように平行移動したときには、次式（１
９），（２０）が成り立つ。
【数１７】
【００１２】次にこの基準画像を原点を中心に右回り
にｘ2 (rad) 回転させる。図３（ｄ）はこの基準画像を
回転させた状態を示している。基準画像を原点回りにｘ
2(rad)回転させたときには、次式（２１），（２２）が
成り立つ。
にｘ2 (rad) 回転させる。図３（ｄ）はこの基準画像を
回転させた状態を示している。基準画像を原点回りにｘ
2(rad)回転させたときには、次式（２１），（２２）が
成り立つ。
【数１８】
【００１３】又基準画像の明るさを図３（ｅ）に示す
ようにｘ1 倍したときには、、ｙM（ｕ′，ｖ′）と
ｙ′（ｕ，ｖ）の関係は次式（２３）で示される。
ようにｘ1 倍したときには、、ｙM（ｕ′，ｖ′）と
ｙ′（ｕ，ｖ）の関係は次式（２３）で示される。
【数１９】
【００１４】このように、基準画像を水平，垂直方向に
夫々１／ｘ5 ，１／ｘ6 倍拡大し、水平, 垂直方向に夫
々−ｘ3 ，−ｘ4 （ピクセル) 平行移動し、原点回りに
ｘ2(rad) 回転し、明るさをｘ1 倍したときには、次式
（２４）が成り立つ。
夫々１／ｘ5 ，１／ｘ6 倍拡大し、水平, 垂直方向に夫
々−ｘ3 ，−ｘ4 （ピクセル) 平行移動し、原点回りに
ｘ2(rad) 回転し、明るさをｘ1 倍したときには、次式
（２４）が成り立つ。
【数２０】
【００１５】従ってｙM （ｕ′，ｖ′）とｙ′（ｕ，
ｖ）の関係は次式（２５）で示される。
ｖ）の関係は次式（２５）で示される。
【数２１】 この式より与えられるｙ′（ｕ，ｖ）が入力画像ｙ
（ｕ，ｖ）に最もよく一致するときのパラメータｘ1 ′
〜ｘ6 ′を推定していくこととなる。
（ｕ，ｖ）に最もよく一致するときのパラメータｘ1 ′
〜ｘ6 ′を推定していくこととなる。
【００１６】式（２５）の回帰方程式は非線形であり、
この非線形モデルに対する最小二乗法として線形近似反
復改良法であるガウス−ニュートン法を用いる。ｋ回目
の反復完了によって得られた未知パラメータベクトル
ｘ′(k) （推定値）
この非線形モデルに対する最小二乗法として線形近似反
復改良法であるガウス−ニュートン法を用いる。ｋ回目
の反復完了によって得られた未知パラメータベクトル
ｘ′(k) （推定値）
【数２２】 のまわりの微小量Δｘ′(k)
【数２３】 について式（２５）をテーラー展開すると、一次近似で
式（２８）のように表すことができる。但し式（２９）
〜（３１）とする。
式（２８）のように表すことができる。但し式（２９）
〜（３１）とする。
【数２４】
【数２５】
【００１７】これにより入力画像をｙ（ｕ，ｖ）とする
と、線形近似回帰方程式は次の式（３２）で示される。
と、線形近似回帰方程式は次の式（３２）で示される。
【数２６】 そして基準画像と比較する入力画像上の全ての画素につ
いて、即ち全ての（ｕ，ｖ）の組合せについて式（３
２）の観測方程式を生成する。そして正規方程式を立て
て修正ベクトルΔｘ′(k) を求め、更に次式（３３）に
より（ｋ＋１）次の推定値を求める。
いて、即ち全ての（ｕ，ｖ）の組合せについて式（３
２）の観測方程式を生成する。そして正規方程式を立て
て修正ベクトルΔｘ′(k) を求め、更に次式（３３）に
より（ｋ＋１）次の推定値を求める。
【数２７】
【００１８】次に推定処理を行う領域の選択について説
明する。ここで画像の特定の行についての濃度分布を図
４に示すものとする。本図では入力画像を実線、推定画
像を破線で示している。領域Ｗ１，Ｗ３，Ｗ５は入力画
像と推定画像のいずれもｕ方向に変化がない状態を示し
ており、Ｗ２は入力画像、Ｗ４は推定画像のみ濃度勾配
を有している。さてこのような一次元の画像について考
察すると、Ｗ１，Ｗ５の範囲の画素については入力画像
と推定画像とは一致しているため、Δｙ(k) はほぼ０で
ある。又Δｙ′(k) （ｕ，ｖ）が一定であることからそ
の偏微分によって表されるａ2 (k) 〜ａ6 (k) もほぼ０
となる。従ってＷ１，Ｗ５の範囲内の画素は式（３２）
からΔｘ′(k) に制約を与えず、パラメータ推定には無
関係となる。又Ｗ２，Ｗ３の範囲内の画素についてはａ
2 (k) 〜ａ6 (k) はほぼ０であるが、Δｙ(k) が大きな
値となっている。しかしａ2 (k) 〜ａ6 (k) が微小で正
負にばらつき、その平均が０となっていれば、Δｘ(k)
が何であってもよい。即ち確率的にはパラメータ推定に
は無関係となる。しかしばらつきに偏りがある場合はむ
しろパラメータ推定に悪影響を及ぼす。従って推定パラ
メータはＷ４の範囲、即ち推定画像の濃度変化が大きい
領域のみで定めることが望ましい。
明する。ここで画像の特定の行についての濃度分布を図
４に示すものとする。本図では入力画像を実線、推定画
像を破線で示している。領域Ｗ１，Ｗ３，Ｗ５は入力画
像と推定画像のいずれもｕ方向に変化がない状態を示し
ており、Ｗ２は入力画像、Ｗ４は推定画像のみ濃度勾配
を有している。さてこのような一次元の画像について考
察すると、Ｗ１，Ｗ５の範囲の画素については入力画像
と推定画像とは一致しているため、Δｙ(k) はほぼ０で
ある。又Δｙ′(k) （ｕ，ｖ）が一定であることからそ
の偏微分によって表されるａ2 (k) 〜ａ6 (k) もほぼ０
となる。従ってＷ１，Ｗ５の範囲内の画素は式（３２）
からΔｘ′(k) に制約を与えず、パラメータ推定には無
関係となる。又Ｗ２，Ｗ３の範囲内の画素についてはａ
2 (k) 〜ａ6 (k) はほぼ０であるが、Δｙ(k) が大きな
値となっている。しかしａ2 (k) 〜ａ6 (k) が微小で正
負にばらつき、その平均が０となっていれば、Δｘ(k)
が何であってもよい。即ち確率的にはパラメータ推定に
は無関係となる。しかしばらつきに偏りがある場合はむ
しろパラメータ推定に悪影響を及ぼす。従って推定パラ
メータはＷ４の範囲、即ち推定画像の濃度変化が大きい
領域のみで定めることが望ましい。
【００１９】以上の領域選択は一次元の画像について説
明したが、実際には入力画像，推定画像は二次元の画像
であるので、式（１４）を満たす推定画像の濃度変化が
大きい領域の画素のみをデータとして採用する。ここで
ｔg は例えば画像の濃度のばらつきから式（１４）の期
待値を求め、その２倍程度の所定値とする。この処理は
推定画像の濃度変化が大きい領域の画像を抽出すること
にあるので、式（１４）に限らず、例えば式（１４）の
第１項と第２項の二乗和、二乗和の平方根を所定閾値と
比較するようにしてもよい。又推定画像ｙ′（ｕ，ｖ）
を用いず、基準画像ｙM （ｕ′，ｖ′）のｕ′及びｖ′
方向の偏微分値を用いてもよい。こうすればパラメータ
推定時のデータ数を大幅に削減し、推定を高速化するこ
とができる。
明したが、実際には入力画像，推定画像は二次元の画像
であるので、式（１４）を満たす推定画像の濃度変化が
大きい領域の画素のみをデータとして採用する。ここで
ｔg は例えば画像の濃度のばらつきから式（１４）の期
待値を求め、その２倍程度の所定値とする。この処理は
推定画像の濃度変化が大きい領域の画像を抽出すること
にあるので、式（１４）に限らず、例えば式（１４）の
第１項と第２項の二乗和、二乗和の平方根を所定閾値と
比較するようにしてもよい。又推定画像ｙ′（ｕ，ｖ）
を用いず、基準画像ｙM （ｕ′，ｖ′）のｕ′及びｖ′
方向の偏微分値を用いてもよい。こうすればパラメータ
推定時のデータ数を大幅に削減し、推定を高速化するこ
とができる。
【００２０】次に本発明の具体的な実施例の構成につい
て説明する。図５は本発明のパラメータ推定を実現する
ための電気的構成を示すブロック図である。本図におい
て、例えばＣＣＤカメラ等の撮像素子１００は基準画像
及び被写体を撮影するための素子であって、その出力は
Ａ／Ｄ変換器１０１に与えられる。Ａ／Ｄ変換器１０１
は各画素の濃度データをデジタル値に変換するものであ
り、その出力は切換回路１０２を介して画像メモリ群１
０３〜１０４に与えられる。画像メモリ１０３は基準画
像用メモリ、画像メモリ１０４は入力画像用メモリ、画
像メモリ１０５は推定画像用メモリ、画像メモリ１０６
は中間パラメータの計算用メモリとする。これらの画像
メモリ１０３〜１０６には演算処理のための演算処理装
置（ＣＰＵ）が接続されている。演算処理装置１０７に
はその動作プログラムを保持するプログラムメモリ１０
８が設けられ、又出力となる変換パラメータは出力イン
ターフェース１０９を介して表示器１１０に与えられ
る。
て説明する。図５は本発明のパラメータ推定を実現する
ための電気的構成を示すブロック図である。本図におい
て、例えばＣＣＤカメラ等の撮像素子１００は基準画像
及び被写体を撮影するための素子であって、その出力は
Ａ／Ｄ変換器１０１に与えられる。Ａ／Ｄ変換器１０１
は各画素の濃度データをデジタル値に変換するものであ
り、その出力は切換回路１０２を介して画像メモリ群１
０３〜１０４に与えられる。画像メモリ１０３は基準画
像用メモリ、画像メモリ１０４は入力画像用メモリ、画
像メモリ１０５は推定画像用メモリ、画像メモリ１０６
は中間パラメータの計算用メモリとする。これらの画像
メモリ１０３〜１０６には演算処理のための演算処理装
置（ＣＰＵ）が接続されている。演算処理装置１０７に
はその動作プログラムを保持するプログラムメモリ１０
８が設けられ、又出力となる変換パラメータは出力イン
ターフェース１０９を介して表示器１１０に与えられ
る。
【００２１】次に本実施例の動作についてフローチャー
トを参照しつつ説明する。図１は本実施例の動作を示す
メインフローチャートである。本図において動作を開始
すると、まず前処理ルーチン121 を実行する。前処理ル
ーチン121 は図６に詳細なフローチャートを示すよう
に、まずステップ131 において基準画像の入力を行う。
これは撮像素子１００によって基準画像を撮像し、Ａ／
Ｄ変換器１０１によってデジタル信号に変換する。そし
て切換回路１０２を介して画像メモリ１０３に記録する
ことによって行う。ここで画像メモリ１０３の全領域の
データをｙM （ｕ′ ，ｖ′）をＡとする。Ａは
（ｕ′，ｖ′）の各点についての配列を示している。
トを参照しつつ説明する。図１は本実施例の動作を示す
メインフローチャートである。本図において動作を開始
すると、まず前処理ルーチン121 を実行する。前処理ル
ーチン121 は図６に詳細なフローチャートを示すよう
に、まずステップ131 において基準画像の入力を行う。
これは撮像素子１００によって基準画像を撮像し、Ａ／
Ｄ変換器１０１によってデジタル信号に変換する。そし
て切換回路１０２を介して画像メモリ１０３に記録する
ことによって行う。ここで画像メモリ１０３の全領域の
データをｙM （ｕ′ ，ｖ′）をＡとする。Ａは
（ｕ′，ｖ′）の各点についての配列を示している。
【００２２】次にステップ132 において基準画像の比較
ウインドウＷ１′〜Ｗ３′を選定する。比較ウインドウ
の選定は、同一の位置にある入力画像の比較ウインドウ
Ｗ１〜Ｗ３と基準画像の比較ウインドウＷ１′〜Ｗ３′
に共通のポイントが出現する領域を含むように範囲を設
定する。例えば図７（ａ），（ｂ）に示すように、全領
域の中でコーナとなる点を含むように選択する。このよ
うな比較ウインドウを選定せず、基準画像及び入力画像
の全てを対象として演算することもできる。しかし比較
ウインドウを選定しその範囲内でのみ以下の演算を実行
することによって、パターンマッチングの計算量が削減
され、速度を大幅に改善することができる。
ウインドウＷ１′〜Ｗ３′を選定する。比較ウインドウ
の選定は、同一の位置にある入力画像の比較ウインドウ
Ｗ１〜Ｗ３と基準画像の比較ウインドウＷ１′〜Ｗ３′
に共通のポイントが出現する領域を含むように範囲を設
定する。例えば図７（ａ），（ｂ）に示すように、全領
域の中でコーナとなる点を含むように選択する。このよ
うな比較ウインドウを選定せず、基準画像及び入力画像
の全てを対象として演算することもできる。しかし比較
ウインドウを選定しその範囲内でのみ以下の演算を実行
することによって、パターンマッチングの計算量が削減
され、速度を大幅に改善することができる。
【００２３】そしてステップ133 に進んで複数の比較ウ
インドウ内の全ての画素（ｕ′，ｖ′）について、ｘ方
向の偏微分画像を次式（３４）又は（３５）のいずれか
によって生成する。
インドウ内の全ての画素（ｕ′，ｖ′）について、ｘ方
向の偏微分画像を次式（３４）又は（３５）のいずれか
によって生成する。
【数２８】 こうして生成された偏微分画像をＤとする。
【００２４】更にステップ134 に進み、この基準内比較
ウインドウの各画素（ｕ′，ｖ′）について、ｙ方向の
偏微分画像を次式（３６）又は（３７）によって生成す
る。
ウインドウの各画素（ｕ′，ｖ′）について、ｙ方向の
偏微分画像を次式（３６）又は（３７）によって生成す
る。
【数２９】 こうして生成された偏微分画像をＥとする。これらの偏
微分画像Ｄ，Ｅはｘ方向及びｙ方向にずれた画像の差を
とることによって算出している。尚このように偏微分を
算出するため、比較ウインドウＷ１′〜Ｗ３′はＷ１〜
Ｗ３よりわずかに大きく選択しておく。
微分画像Ｄ，Ｅはｘ方向及びｙ方向にずれた画像の差を
とることによって算出している。尚このように偏微分を
算出するため、比較ウインドウＷ１′〜Ｗ３′はＷ１〜
Ｗ３よりわずかに大きく選択しておく。
【００２５】こうして前処理を終えると、図１のステッ
プ122 に進んで入力画像の取込みを行う。撮像素子１０
０によって基準画像に対応する所定の画像を撮像し、Ａ
／Ｄ変換器１０１を介してデジタル信号に変換する。そ
して切換回路１０２を介して画像メモリ１０４に取込む
ことによって入力画像の取込みを行う。この入力画像ｙ
（ｕ，ｖ）を入力画像Ｃとする。
プ122 に進んで入力画像の取込みを行う。撮像素子１０
０によって基準画像に対応する所定の画像を撮像し、Ａ
／Ｄ変換器１０１を介してデジタル信号に変換する。そ
して切換回路１０２を介して画像メモリ１０４に取込む
ことによって入力画像の取込みを行う。この入力画像ｙ
（ｕ，ｖ）を入力画像Ｃとする。
【００２６】そしてステップ123 において、この基準画
像そのものを最初（即ちｋ＝０）の推定画像とする。こ
れは変換パラメータｘ1 〜ｘ6 の未知パラメータベクト
ルｘ′(0) を「１０００１１」T とすることに相当す
る。ここで未知パラメータベクトルｘ′(k) において、
ダッシュは推定値、（ｋ）は推定回数を表している。そ
してステップ124 に進んで領域選択を行う。この領域選
択は前述したように推定画像の濃度が式（１４）を満た
す範囲を選択する。そしてステップ125 に進んで最小二
乗法による未知パラメータ推定のための観測方程式を立
てる。この処理を入力画像内比較ウインドウＷ１〜Ｗ３
の領域選択された画素（ｕ，ｖ）について行う。即ちま
ずこの観測方程式では、推定画像ｙ′（ｕ，ｖ）の未知
パラメータｘ1 〜ｘ6 に関する偏微分を式（１）、具体
的には式（４），（５），（６）により行う。そしてそ
の入力画像Ｃの推定画像ｙ′（ｕ，ｖ）からの残差を、
式（８）により計算する。前者の偏微分はいわゆるヤコ
ビアン行列となり、後者の残差は残差ベクトルとなる。
以下このルーチンの処理について更に詳細に説明する。
像そのものを最初（即ちｋ＝０）の推定画像とする。こ
れは変換パラメータｘ1 〜ｘ6 の未知パラメータベクト
ルｘ′(0) を「１０００１１」T とすることに相当す
る。ここで未知パラメータベクトルｘ′(k) において、
ダッシュは推定値、（ｋ）は推定回数を表している。そ
してステップ124 に進んで領域選択を行う。この領域選
択は前述したように推定画像の濃度が式（１４）を満た
す範囲を選択する。そしてステップ125 に進んで最小二
乗法による未知パラメータ推定のための観測方程式を立
てる。この処理を入力画像内比較ウインドウＷ１〜Ｗ３
の領域選択された画素（ｕ，ｖ）について行う。即ちま
ずこの観測方程式では、推定画像ｙ′（ｕ，ｖ）の未知
パラメータｘ1 〜ｘ6 に関する偏微分を式（１）、具体
的には式（４），（５），（６）により行う。そしてそ
の入力画像Ｃの推定画像ｙ′（ｕ，ｖ）からの残差を、
式（８）により計算する。前者の偏微分はいわゆるヤコ
ビアン行列となり、後者の残差は残差ベクトルとなる。
以下このルーチンの処理について更に詳細に説明する。
【００２７】予備的な値の計算 まず予備的な値Ｇ（ｕ，ｖ），Ｈ（ｕ，ｖ）を式（２）
により算出する。 次に入力画像ｙ（ｕ，ｖ）の座標（ｕ，ｖ）に対応す
る基準画像の座標（ｕ′，ｖ′）を、式（３）によって
算出する。
により算出する。 次に入力画像ｙ（ｕ，ｖ）の座標（ｕ，ｖ）に対応す
る基準画像の座標（ｕ′，ｖ′）を、式（３）によって
算出する。
【００２８】次に偏微分ベクトルを各要素について順
次算出する。まず変換パラメータｘ1 についての偏微分
の中間パラメータＦ（ｕ，ｖ）を式（４）で算出する。
ここでＡは前処理で求めた基準画像である。又前処理に
よるｘ方向の偏微分画像Ｄ、ｙ方向の偏微分画像Ｅに式
（３）で求めたＫ（ｕ，ｖ），Ｌ（ｕ，ｖ）を代入し
て、式（５）によって次の中間パラメータＩ（ｕ，
ｖ），Ｊ（ｕ，ｖ）を得る。
次算出する。まず変換パラメータｘ1 についての偏微分
の中間パラメータＦ（ｕ，ｖ）を式（４）で算出する。
ここでＡは前処理で求めた基準画像である。又前処理に
よるｘ方向の偏微分画像Ｄ、ｙ方向の偏微分画像Ｅに式
（３）で求めたＫ（ｕ，ｖ），Ｌ（ｕ，ｖ）を代入し
て、式（５）によって次の中間パラメータＩ（ｕ，
ｖ），Ｊ（ｕ，ｖ）を得る。
【００２９】又推定画像の変換パラメータｘ2 〜ｘ6
による偏微分の中間パラメータＭ〜Ｑを式（６），
（７）によって求める。
による偏微分の中間パラメータＭ〜Ｑを式（６），
（７）によって求める。
【００３０】次に残差Δｙ（ｕ，ｖ）(k) ≡Ｒ（ｕ，
ｖ）を次の式（８）によって算出する。こうしてルーチ
ン125 において偏微分ベクトルの各要素及び残差を算出
する。
ｖ）を次の式（８）によって算出する。こうしてルーチ
ン125 において偏微分ベクトルの各要素及び残差を算出
する。
【００３１】次いでルーチン126 に進んで、これらの要
素より正規方程式をなす係数行列Ｂと列ベクトルｂを求
める。ここで正規方程式は式（９）で示される。
素より正規方程式をなす係数行列Ｂと列ベクトルｂを求
める。ここで正規方程式は式（９）で示される。
【００３２】この正規方程式をなす係数行列は式（１
０）で示される。ここで行列Ｂの各要素は式（１１）で
示される。又列ベクトルｂは式（１２）で示され、その
要素は式（１３）のようになる。
０）で示される。ここで行列Ｂの各要素は式（１１）で
示される。又列ベクトルｂは式（１２）で示され、その
要素は式（１３）のようになる。
【００３３】そして図１に示すステップ127 に進み、こ
うして得られた正規方程式（式（９））より、修正ベク
トルΔｘ′の各要素を求めるための６元一次方程式を解
く。そしてステップ128 に進んで新たな変換パラメータ
を要素とする未知パラメータベクトルｘ′(k+1) を算出
する。そしてステップ129 に進んでこれが所定の収束条
件を達成するかどうかを判別し、収束しなければステッ
プ124 に戻って同様の処理を繰り返す。
うして得られた正規方程式（式（９））より、修正ベク
トルΔｘ′の各要素を求めるための６元一次方程式を解
く。そしてステップ128 に進んで新たな変換パラメータ
を要素とする未知パラメータベクトルｘ′(k+1) を算出
する。そしてステップ129 に進んでこれが所定の収束条
件を達成するかどうかを判別し、収束しなければステッ
プ124 に戻って同様の処理を繰り返す。
【００３４】ここで収束条件は、例えば式（８）に示し
たΔｙ(K) （ｕ，ｖ）を用いて、全ての比較ウインドウ
Ｗ１〜Ｗ３内の選択された領域の全ての画素数をｎとし
て式（１５）に基づいて残差の分散ｖyyを算出する。そ
してこの残差の分散の差と現在の分散との比が所定値以
下となる条件、式（１６）が成立したときに収束したも
のと判定する。こうして収束が判定された場合には、ス
テップ130 に進んで未知パラメータベクトルｘ′(k+1)
の各要素を推定パラメータとする。そしてｘ1〜ｘ6 よ
り前述した式（２４）に基づいて推定画像を算出する。
この推定画像は表示器１１０によって表示される。
たΔｙ(K) （ｕ，ｖ）を用いて、全ての比較ウインドウ
Ｗ１〜Ｗ３内の選択された領域の全ての画素数をｎとし
て式（１５）に基づいて残差の分散ｖyyを算出する。そ
してこの残差の分散の差と現在の分散との比が所定値以
下となる条件、式（１６）が成立したときに収束したも
のと判定する。こうして収束が判定された場合には、ス
テップ130 に進んで未知パラメータベクトルｘ′(k+1)
の各要素を推定パラメータとする。そしてｘ1〜ｘ6 よ
り前述した式（２４）に基づいて推定画像を算出する。
この推定画像は表示器１１０によって表示される。
【００３５】こうして逐次推定毎に得られたパラメータ
を用いて基準画像を変換し、逐次表示しておくことによ
って基準画像を徐々に入力画像に近づけていくことがで
きる。
を用いて基準画像を変換し、逐次表示しておくことによ
って基準画像を徐々に入力画像に近づけていくことがで
きる。
【００３６】図８（ａ）〜（ｄ）は基準画像と入力画像
との濃度断面図であり、（ｂ）〜（ｄ）は推定が進むに
つれて変化する基準画像と入力画像を示し、それらが一
致していく様子を示している。ここでは説明を簡略化す
るため一次元で示している。この例では４回の推定で推
定画像が入力画像に相当程度近づいていることが示され
ている。
との濃度断面図であり、（ｂ）〜（ｄ）は推定が進むに
つれて変化する基準画像と入力画像を示し、それらが一
致していく様子を示している。ここでは説明を簡略化す
るため一次元で示している。この例では４回の推定で推
定画像が入力画像に相当程度近づいていることが示され
ている。
【００３７】次に本発明の第２実施例について説明す
る。前述した実施例では基準画像，入力画像をそのまま
処理しているが、基準画像と入力画像に適当な大きさの
平滑化フィルタをかけ、平滑化を施した画像同士で推定
を繰り返してパラメータマッチングを行うようにしても
よい。この場合には画像の濃度勾配がゆるやかとなり、
最適推定値に速く到達することができる。このような平
滑化処理は例えば図６の前処理ルーチンにおいて基準画
像の入力後及びステップ122 の入力画像の取込み後に行
う。以後の処理は前述した第１実施例と同様である。
る。前述した実施例では基準画像，入力画像をそのまま
処理しているが、基準画像と入力画像に適当な大きさの
平滑化フィルタをかけ、平滑化を施した画像同士で推定
を繰り返してパラメータマッチングを行うようにしても
よい。この場合には画像の濃度勾配がゆるやかとなり、
最適推定値に速く到達することができる。このような平
滑化処理は例えば図６の前処理ルーチンにおいて基準画
像の入力後及びステップ122 の入力画像の取込み後に行
う。以後の処理は前述した第１実施例と同様である。
【００３８】この平滑化処理を行わない場合（曲線Ｓ
０）、一辺が３ピクセル，５ピクセル，７ピクセルの大
きさの平滑化フィルタを用いて平滑化処理を行った場合
を夫々曲線Ｓ３，Ｓ５，Ｓ７として、繰り返し数と分散
の二乗値との関係を図９（ａ），図９（ｂ）に示す。図
９（ａ）は単純なパターンでの残差の二乗和、（ｂ）は
複雑なパターンでの残差二乗和の収束状態を示してい
る。このグラフから明らかなようにいずれの画像も平滑
化処理を行うことによってより速く収束できることを示
している。
０）、一辺が３ピクセル，５ピクセル，７ピクセルの大
きさの平滑化フィルタを用いて平滑化処理を行った場合
を夫々曲線Ｓ３，Ｓ５，Ｓ７として、繰り返し数と分散
の二乗値との関係を図９（ａ），図９（ｂ）に示す。図
９（ａ）は単純なパターンでの残差の二乗和、（ｂ）は
複雑なパターンでの残差二乗和の収束状態を示してい
る。このグラフから明らかなようにいずれの画像も平滑
化処理を行うことによってより速く収束できることを示
している。
【００３９】尚前述した実施例では基準画像を入力画像
に近づけるように推定を繰り返しているが、入力画像を
基準画像に近づけるように推定を繰り返し、２つの画像
のパターンをマッチングさせるようにしてもよいことは
いうまでもない。この場合には、前述した全ての数式の
基準画像と入力画像とを入れ換えることによって同様の
処理を行うことができる。
に近づけるように推定を繰り返しているが、入力画像を
基準画像に近づけるように推定を繰り返し、２つの画像
のパターンをマッチングさせるようにしてもよいことは
いうまでもない。この場合には、前述した全ての数式の
基準画像と入力画像とを入れ換えることによって同様の
処理を行うことができる。
【００４０】又前述した実施例では基準画像，入力画像
に夫々比較ウインドウを設定し、その範囲内で中間パラ
メータの算出や正規方程式の解析処理を行っているが、
全ての領域に対してこれを行ってもよい。又共通するコ
ーナ等の領域が基準画像と入力画像とで同一位置になく
ても、あらかじめ画像の変換の概略値が既知であれば、
異なった位置にある領域を比較ウインドウとすることも
できる。この場合には図１のステップ123 で示した変換
パラメータの初期値を、比較ウインドウの変化に対応さ
せて設定しておく必要がある。
に夫々比較ウインドウを設定し、その範囲内で中間パラ
メータの算出や正規方程式の解析処理を行っているが、
全ての領域に対してこれを行ってもよい。又共通するコ
ーナ等の領域が基準画像と入力画像とで同一位置になく
ても、あらかじめ画像の変換の概略値が既知であれば、
異なった位置にある領域を比較ウインドウとすることも
できる。この場合には図１のステップ123 で示した変換
パラメータの初期値を、比較ウインドウの変化に対応さ
せて設定しておく必要がある。
【００４１】
【発明の効果】以上詳細に説明したように本願の請求項
１〜３の発明によれば、特徴量抽出の必要がなくパラメ
ータの変化を推定毎に順次入力画像に近づけていくこと
ができる。又あらかじめ濃度勾配に基づき６元１次方程
式を立て中間パラメータを求める領域を推定画像の濃度
変化が所定値を越える領域に限定しているため、短時間
で変換パラメータを推定することができるという効果が
得られる。
１〜３の発明によれば、特徴量抽出の必要がなくパラメ
ータの変化を推定毎に順次入力画像に近づけていくこと
ができる。又あらかじめ濃度勾配に基づき６元１次方程
式を立て中間パラメータを求める領域を推定画像の濃度
変化が所定値を越える領域に限定しているため、短時間
で変換パラメータを推定することができるという効果が
得られる。
【００４２】又本願の請求項２の発明では、基準画像と
入力画像の全てについて演算処理を行う必要がないの
で、変換パラメータを高速で算出することができる。更
に本願の請求項３の発明では、入力画像及び基準画像の
平滑化処理を行うため、変換パラメータの推測回数を少
なくし、速く推定を収束させることができるという効果
が得られる。
入力画像の全てについて演算処理を行う必要がないの
で、変換パラメータを高速で算出することができる。更
に本願の請求項３の発明では、入力画像及び基準画像の
平滑化処理を行うため、変換パラメータの推測回数を少
なくし、速く推定を収束させることができるという効果
が得られる。
【図１】本発明によるパラメータ推定方法の一実施例に
よる推定処理を示すフローチャートである。
よる推定処理を示すフローチャートである。
【図２】（ａ）は基準画像、（ｂ）は入力画像、（ｃ）
は基準画像を画像変換操作によって入力画像に近づける
ようにした状態を示す図である。
は基準画像を画像変換操作によって入力画像に近づける
ようにした状態を示す図である。
【図３】（ａ）〜（ｅ）は基準画像の画像変換時の変化
を示す図である。
を示す図である。
【図４】本発明による濃度変化に基づく領域選択を説明
するための図である。
するための図である。
【図５】本発明を実現するための装置の概略を示すブロ
ック図である。
ック図である。
【図６】本実施例の前処理ルーチンを示すフローチャー
トである。
トである。
【図７】入力画像と基準画像との一致する比較ウインド
ウの領域を説明するための図である。
ウの領域を説明するための図である。
【図８】本実施例において一次元での基準画像が入力画
像に順次推定によって近づいている状態を示す図であ
る。
像に順次推定によって近づいている状態を示す図であ
る。
【図９】（ａ）は単純な図形、（ｂ）は複雑な図形での
平滑処理を行ったときの推定回数の変化を示すグラフで
ある。
平滑処理を行ったときの推定回数の変化を示すグラフで
ある。
１００ 撮像素子 １０１ Ａ／Ｄ変換器 １０２ 切換回路 １０３ 画像メモリ（基準画像用） １０４ 画像メモリ（入力画像用） １０５ 画像メモリ（推定画像用） １０６ 画像メモリ（中間パラメータ計算用） １０７ 演算処理装置 １０８ プログラムメモリ １０９ 出力インターフェース １１０ 表示器
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平１−99181（ＪＰ，Ａ) 特開 平１−180075（ＪＰ，Ａ) 特開 平４−336677（ＪＰ，Ａ) 特開 平１−180070（ＪＰ，Ａ) 1991年電子情報通信学会秋季大会講演 論文集、ＳＤ−10−５，Ｐ６−346
Claims (3)
- 【請求項１】 第１の画像ｙM （ｕ′，ｖ′）（≡
Ａ）、及び第２の画像ｙ（ｕ，ｖ）（≡Ｃ）をピクセル
単位のデータとして保持し、明るさの比をｘ1 、原点を
中心とした回転角度(rad）をｘ2 、水平，垂直方向への
平行移動量（ピクセル）をｘ3 ，ｘ4 、水平，垂直方向
への拡大縮小の比を夫々ｘ5 ，ｘ6 とする変換パラメー
タに基づいて、第１の画像を変換することによって第２
の画像と一致させるパターンマッチングを行う画像のパ
ターンマッチング方法であって、 第１の画像のｘ方向の偏微分画像Ｄ（ｕ′，ｖ′）、及
び第１の画像のｙ方向の偏微分画像Ｅ（ｕ′，ｖ′）を
算出し、 ｘ＝［ｘ1 ，ｘ2 ，ｘ3 ，ｘ4 ，ｘ5 ，ｘ6 ］T を変換
パラメータｘ1 〜ｘ6を要素とする未知パラメータベク
トルとし、推定画像ｙ′（ｕ，ｖ）の未知パラメータベ
クトルの各要素についての偏微分を次式（１） 【数１】として第２の画像に対応する各画素（ｕ，ｖ）
について夫々中間パラメータＧ，Ｈ，Ｋ，Ｌ及びＦ，
Ｍ，Ｎ，Ｏ，Ｐ，Ｑ，Ｒを次式（２）〜（８）によって
算出し、 【数２】 【数３】 【数４】 【数５】 【数６】 【数７】 【数８】これらの中間パラメータＦ〜Ｑにより正規方程
式（式（９）） 【数９】をなす係数行列Ｂ，列ベクトルｂを次式（１
０）〜（１３）によって算出し、 【数１０】 【数１１】 【数１２】次式（１４）を満たす推定画像の濃度変化が
大きい領域を選択し、 【数１３】正規方程式（９）を解くことによって、推定
回数をｋとして未知パラメータベクトルｘの修正ベクト
ルΔｘ′(k) を算出する６元一次方程式を解き、 ｋ次の未知パラメータベクトルｘ′(k) にその修正ベク
トルΔｘ′(k) を加算することによってｋ＋１次の未知
パラメータベクトルを算出し、 未知パラメータベクトルによって第１の画像を変換して
得られる推定画像と第２の画像との収束を、次式（１
５）で示される残差の分散 【数１４】と前回の推定との間に次式（１６） 【数１５】を満足したときに収束したものと判別し、 収束していればこの変換パラメータを出力パラメータと
し、収束していなければ再び中間画像パラメータを算出
することにより変換パラメータを算出して画像パターン
のマッチングを行うことを特徴とする画像のパターンマ
ッチング方法。 - 【請求項２】 前記第１，第２の画像内の対応する領域
内に同一点が出現する可能性のある領域を夫々比較ウイ
ンドウとし、この範囲内でのみ中間パラメータＦ〜Ｑの
算出を行い正規方程式の解析処理を行うことを特徴とす
る請求項１記載の画像のパターンマッチング方法。 - 【請求項３】 前記第１の画像及び第２の画像は、その
入力時に所定範囲の平滑化処理を行うことを特徴とする
請求項１又は２記載の画像のパターンマッチング方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4118084A JP2703454B2 (ja) | 1992-04-10 | 1992-04-10 | 画像のパターンマッチング方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4118084A JP2703454B2 (ja) | 1992-04-10 | 1992-04-10 | 画像のパターンマッチング方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05290172A JPH05290172A (ja) | 1993-11-05 |
| JP2703454B2 true JP2703454B2 (ja) | 1998-01-26 |
Family
ID=14727603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4118084A Expired - Fee Related JP2703454B2 (ja) | 1992-04-10 | 1992-04-10 | 画像のパターンマッチング方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2703454B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4230980B2 (ja) * | 2004-10-21 | 2009-02-25 | 株式会社東芝 | パターンマッチング方法およびプログラム |
| EP1657679A1 (en) * | 2004-11-10 | 2006-05-17 | Agfa-Gevaert | Method of superimposing images |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0664610B2 (ja) * | 1987-10-12 | 1994-08-22 | 工業技術院長 | アフィン逆変換による図形パターンの姿勢角・位置の計測法 |
| JPH0624028B2 (ja) * | 1988-01-11 | 1994-03-30 | 工業技術院長 | パターン認識のための特徴点コーナーの位置計測方法 |
| JPH04336677A (ja) * | 1991-05-14 | 1992-11-24 | Canon Inc | 画像処理方法及びこれを用いたシステム |
-
1992
- 1992-04-10 JP JP4118084A patent/JP2703454B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| １９９１年電子情報通信学会秋季大会講演論文集、ＳＤ−１０−５，Ｐ６−３４６ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05290172A (ja) | 1993-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2978406B2 (ja) | 局所異常の排除による動きベクトルフィールド生成装置およびその方法 | |
| Paglieroni | Distance transforms: Properties and machine vision applications | |
| US6714689B1 (en) | Image synthesizing method | |
| US20110211233A1 (en) | Image processing device, image processing method and computer program | |
| CN109977912B (zh) | 视频人体关键点检测方法、装置、计算机设备和存储介质 | |
| EP1811453A1 (en) | Method for speeding up super resolution processing | |
| US8098963B2 (en) | Resolution conversion apparatus, method and program | |
| US20010031086A1 (en) | Image processor, image processing apparatus, and image processing method | |
| CN111709980A (zh) | 基于深度学习的多尺度图像配准方法和装置 | |
| CN111914756A (zh) | 一种视频数据处理方法和装置 | |
| JP3886471B2 (ja) | 画像処理装置 | |
| US5173946A (en) | Corner-based image matching | |
| US5621825A (en) | Image processor, image processing method and apparatus applying same | |
| JP2703454B2 (ja) | 画像のパターンマッチング方法 | |
| CN113393402B (zh) | 一种基于张量环分解恢复图像背景的方法 | |
| JPH0782545B2 (ja) | 画像のパターンマッチング方法 | |
| CN113971634A (zh) | 一种基于图像评价和超分辨率插值的3d扫描方法 | |
| JP2009064193A (ja) | 解像度変換装置及び方法 | |
| JP3074292B2 (ja) | テンプレートマッチング処理方法 | |
| CN108280815B (zh) | 一种面向监控场景结构的几何校正方法 | |
| JP6904922B2 (ja) | 情報処理装置及びプログラム | |
| JP3721681B2 (ja) | テンプレートマッチング方法及び装置 | |
| CN112927142B (zh) | 一种基于时域插值的高速高分辨率视频生成方法和装置 | |
| CN114125273B (zh) | 人脸对焦方法、装置及电子设备 | |
| CN114926659B (zh) | 一种基于sift和cm的变形目标定位算法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |