JP2969819B2 - 画像認識装置 - Google Patents

Description

【発明の詳細な説明】 ＜産業上の利用分野＞ 本発明は、重回帰分析法を応用した画像認識法（以
下、単にMRA法という）を用いた画像認識装置の認識率
の向上に関するものである。

＜従来の技術＞ 第３図は従来のMRA法を用いた画像認識装置の処理動
作を示すフローチャートである。以下、順次フローチャ
ートに沿って処理動作を説明する。

（イ）MRA法で用いる係数行列を計算するための認識す
べき画像のサンプル画像データを取り込む。

（ロ）取り込んだサンプル画像データを２値画像に２値
化する。

（ハ）各サンプル画像データから局所自己相関マスクに
より初期特徴ベクトルを生成する。

（ニ）各サンプル画像データに対応する期待出力値を入
力する。

（ホ）生成した初期特徴ベクトルと入力した期待出力値
から重回帰分析法により係数行列を推定する。

（へ）認識対象となる画像の画像データを取り込む。

（ト）その画像データから局所自己相関マスクにより初
期特徴ベクトルを生成する。

（チ）初期特徴ベクトルから得た入力ベクトルを前項
（ホ）で求めた係数行列に掛け、出力ベクトルとする。

（リ）出力ベクトルから得られる認識結果を出力する。

このような処理動作により、画像認識が行われる。こ
のMRAを用いた画像認識装置では、初期特徴ベクトルと
して局所自己相関マスクの頻度値を用いている。

＜発明が解決しようとする課題＞ しかしながら、上記従来技術に示すMRA法を用いた画
像認識装置において、初期特徴ベクトルとして用いてい
た局所自己相関マスクの頻度値ベクトルは、認識対象画
像の幾何学的特徴（例えば面積、周囲長等）に比べて、
情報圧縮が不十分であり、認識対象の範囲が広くとれる
可能性はあるが、重回帰分析法との組み合わせでは、実
用的な画像認識ができなかった。又、初期特徴ベクトル
の各要素が元の画像に対して、どのような意味を持って
いるのかが直観的に把握し難く、更に認識に不要な要素
も含まれれてくるために、初期特徴ベクトル間の分離性
が悪くなり、認識率が低い場合が多い。更に、認識でき
る画像が２値化されたものに限られるという課題もあっ
た。

本発明は、上記従来技術の課題を踏まえて成されたも
のであり、画像の認識率を向上させ実用的な画像認識が
できるMRA法を用いた画像認識装置を提供することを目
的としたものである。

＜課題を解決するための手段＞ 上記課題を解決するために本発明の構成は、重回帰分
析法を応用した画像認識法により画像認識を行う画像認
識装置において、画像入力部と、この画像入力部により
取り込まれた認識すべき画像のサンプル画像データ、或
いは認識対象となる画像の画像データとを蓄える画像メ
モリと、この画像メモリに蓄えられたサンプル画像デー
タ、或いは画像データから各種の幾何学的特徴量を計算
する幾何学的特徴量抽出部と、この幾何学的特徴量抽出
部から得られたサンプル画像データの幾何学的特徴量と
前記認識すべき画像のそれぞれに対応する所定の期待出
力値とから重回帰分析法により係数行列の推定を行い、
或いはこの係数行列と前記幾何学的特徴量抽出部で得ら
れた画像データの幾何学的特徴量とから重回帰分析法に
よる画像認識を行い認識結果を出力するMRA法実行部と
を備えた構成としたことを特徴とするものである。

＜作用＞ 本発明によれば、MRA法の初期特徴ベクトルとして、
画像の幾何学的特徴量を用いている。したがって、各ベ
クトル要素の図形的な意味が明確になり、画像と初期特
徴ベクトルとの対応付けも容易となる。

＜実施例＞ 以下、本発明を図面に基づいて説明する。

第１図は本発明のMRA法を用いた画像認識装置の一実
施例を示す構成図である。第１図において、11は画像入
力部、12は画像入力部11により取り込まれた認識すべき
画像のサンプル画像データ、或いは認識対象となる画像
の画像データを蓄える画像メモリ、13は画像メモリ12に
蓄えられたサンプル画像データ、或いは画像データから
各種の幾何学的特徴量を求める幾何学的特徴量抽出部、
14は幾何学的特徴量抽出部13から得られたサンプル画像
データの幾何学的特徴量と各画像に対応する所定の期待
出力値から重回帰分析法により係数行列の推定を行った
り、或いは、この係数行列と幾何学的特徴量抽出部13か
ら得られた画像データの幾何学的特徴量から重回帰分析
法による画像認識を行い認識結果を出力するMRA法実行
部である。

このような構成において、第２図は第１図装置の処理
動作を示すフローチャートである。以下、順次フローチ
ャートに沿って処理動作を説明する。なお、処理動作
は、認識すべき画像のサンプル画像データと各画像に対
応する所定の期待出力値から重回帰分析法により係数行
列を計算する段階と、認識対象となる画像の画像データ
と係数行例から認識結果を出力する段階の２段階に分け
られる。

（イ）MRA法で用いる係数行列を計算するための認識す
べき画像のサンプル画像データを画像入力部11から入力
し、画像メモリ12に蓄える。

（ロ）画像メモリ12に蓄えたサンプル画像データから、
幾何学的特徴量抽出部13で各種の幾何学的特徴量（例え
ば面積や周囲長等）を抽出する。

（ハ）各画像に対応する期待出力値を入力する。

（ニ）前項（ロ）にて抽出したサンプル画像データの幾
何学的特徴量と前項（ハ）にて入力した期待出力値か
ら、MRA法実行部14で重回帰分析法により係数行列を計
算する。

（ホ）認識対象となる画像の画像データを画像入力部11
から入力し、画像メモリ12に蓄える。

（へ）画像メモリ12に蓄えた画像データから、前項
（ロ）と同様に幾何学的特徴量抽出部13で各種の幾何学
的特徴量を抽出する。

（ト）その幾何学的特徴量から、MRA法実行部14で入力
ベクトルを生成し、前項（ニ）で求めた係数行列に掛
け、出力ベクトルとする。

（チ）出力ベクトルから得られる認識結果を出力する。

（リ）画像の計測を続けるならば、前項（ホ）以降の処
理動作を繰り返す。

このような処理動作により、初期特徴ベクトルとして
画像の幾何学的特徴量を用いて、画像と初期特徴ベクト
ルとの対応付けが容易となるため、認識率を向上した画
像認識を行うことができる。

なお、（ト）項において、画像データから抽出した幾
何学的特徴量から入力ベクトルを生成する際、幾何学的
特徴量の値をそのまま用いてもよいが、一般的には正規
化した値を用いた方がより認識率は高くできる。

又、第１図に示す画像認識装置において、その構成が
例えば画像の取り込みと同時に幾何学的特徴量も抽出で
きるようなハードウエアであれば、画像メモリ12は不要
となる。

更に、第２図に示す第１図装置の処理動作を示すフロ
ーチャートにおいて、並列処理が可能なシステムを用い
ることにより、 ・（ロ）画像データから幾何学的特徴量を抽出 ・（ハ）期待出力値の入力 の処理動作を並列に行うこともできる。

＜発明の効果＞ 以上、実施例と共に具体的に説明したように、本発明
のMRA法を用いた画像認識装置によれば、MRA法の初期特
徴ベクトルとして、画像の幾何学的特徴量を用いている
ため、各ベクトル要素の図形的な意味が明確となり、画
像と初期特徴ベクトルとの対応付けも容易となる。した
がって、互いに似通った画像間の判別においても、両者
の相違を表す特徴量を初期特徴ベクトルに加えること
で、認識率を向上させることができる。

【図面の簡単な説明】

第１図は本発明のMRA法を用いた画像認識装置の一実施
例を示す構成図、第２図は第１図装置の処理動作を示す
フローチャート、第３図は従来のMRA法を用いた画像認
識装置の処理動作を示すフローチャートである。 11……画像入力部、12……画像メモリ、13……幾何学的
特徴量抽出部、14……MRA法実行部。

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】重回帰分析法を応用した画像認識法により
   画像認識を行う画像認識装置において、 画像入力部と、 この画像入力部により取り込まれた認識すべき画像のサ
   ンプル画像データ、或いは認識対象となる画像の画像デ
   ータとを蓄える画像メモリと、 この画像メモリに蓄えられたサンプル画像データ、或い
   は画像データから各種の幾何学的特徴量を計算する幾何
   学的特徴量抽出部と、 この幾何学的特徴量抽出部から得られたサンプル画像デ
   ータの幾何学的特徴量と前記認識すべき画像のそれぞれ
   に対応する所定の期待出力値とから重回帰分析法により
   係数行列の推定を行い、或いはこの係数行列と前記幾何
   学的特徴量抽出部で得られた画像データの幾何学的特徴
   量とから重回帰分析法による画像認識を行い認識結果を
   出力するMRA法実行部と を備えた構成としたことを特徴とする画像認識装置。