JP3058951B2 - 画像パターン認識装置 - Google Patents
画像パターン認識装置Info
- Publication number
- JP3058951B2 JP3058951B2 JP3223070A JP22307091A JP3058951B2 JP 3058951 B2 JP3058951 B2 JP 3058951B2 JP 3223070 A JP3223070 A JP 3223070A JP 22307091 A JP22307091 A JP 22307091A JP 3058951 B2 JP3058951 B2 JP 3058951B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- image data
- learning
- neural network
- pattern recognition
- 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
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、ニューラルネットワー
クを有した画像パターン認識装置に関し、特に、ニュー
ラルネットワークへのデータ圧縮に関する。
クを有した画像パターン認識装置に関し、特に、ニュー
ラルネットワークへのデータ圧縮に関する。
【０００２】
【従来の技術】画像パターン認識装置のひとつに、ニュ
ーラルネットワークを利用して学習・認識が行われるタ
イプのものがある。この画像パターン認識装置は、ニュ
ーラルネットワークのもつ学習・認識機能を利用するも
ので、各画素の画像データを並列にニューラルネットワ
ークの入力層に入力させ、ニューラルネットワークに予
め学習された内容に基づいて出力される認識結果を用い
て画像パターン認識が行われている。
ーラルネットワークを利用して学習・認識が行われるタ
イプのものがある。この画像パターン認識装置は、ニュ
ーラルネットワークのもつ学習・認識機能を利用するも
ので、各画素の画像データを並列にニューラルネットワ
ークの入力層に入力させ、ニューラルネットワークに予
め学習された内容に基づいて出力される認識結果を用い
て画像パターン認識が行われている。
【０００３】
【発明が解決しようとする課題】この画像パターン認識
装置では、ニューラルネットワークの入力層に入力され
るデータが多くなると、認識するパターンが増えるにつ
れてニューラルネットワークが大規模化し、バックプロ
パゲーション学習の学習時間が長くなって実用に耐えれ
なくなる、というプロセッサの処理能力に起因する問題
がある。そのため、実用に耐えるレベルにまでニューラ
ルネットワークの入力層に入力されるデータを減らす必
要があり、そのひとつに平均値フィルタを用いた方法が
ある。これは、画像を所定の領域（８×８，１６×１
６，３２×３２など）に区切り、その領域内の画像デー
タの平均値を用いて学習・認識させるというものであ
る。例えば、図４（ａ）に示すような５１２×５１２画
素の原画像を３２×３２画素のブロック（図４（ｂ））
に区切り、このブロック内の画像データをＩ1 ，Ｉ2 ，
Ｉ3 ，…，Ｉｍとすると、数式１であたえられる画像デ
ータの平均値Ａυ（υ＝１，２，…，Ｎ）をニューラル
ネットワークの入力層に入力されるデータ列（図４
（ｃ））として、学習・認識がなされている。
装置では、ニューラルネットワークの入力層に入力され
るデータが多くなると、認識するパターンが増えるにつ
れてニューラルネットワークが大規模化し、バックプロ
パゲーション学習の学習時間が長くなって実用に耐えれ
なくなる、というプロセッサの処理能力に起因する問題
がある。そのため、実用に耐えるレベルにまでニューラ
ルネットワークの入力層に入力されるデータを減らす必
要があり、そのひとつに平均値フィルタを用いた方法が
ある。これは、画像を所定の領域（８×８，１６×１
６，３２×３２など）に区切り、その領域内の画像デー
タの平均値を用いて学習・認識させるというものであ
る。例えば、図４（ａ）に示すような５１２×５１２画
素の原画像を３２×３２画素のブロック（図４（ｂ））
に区切り、このブロック内の画像データをＩ1 ，Ｉ2 ，
Ｉ3 ，…，Ｉｍとすると、数式１であたえられる画像デ
ータの平均値Ａυ（υ＝１，２，…，Ｎ）をニューラル
ネットワークの入力層に入力されるデータ列（図４
（ｃ））として、学習・認識がなされている。
【０００４】
【数１】
【０００５】これは、画像データの平均値を用いるもの
であるので、画像情報の欠落が多く、ニューラルネット
ワークの学習収束効率の低下を招いていた。つまり、平
均値フィルタを経た画像は、テレビやビデオで見られる
ようなモザイク状の画像となっており、認識し辛いもの
になっているからである。このほかの方法に、本出願の
発明者によって研究されたものが「顔認識装置」として
「特願平３−３８４３２」に出願されている。しかし、
これは「顔」を認識するための専用の装置であるため、
本出願の発明者は、様々な画像を認識しより広い範囲で
応用可能な画像パターン認識装置を求めて研究し模索し
ていた。
であるので、画像情報の欠落が多く、ニューラルネット
ワークの学習収束効率の低下を招いていた。つまり、平
均値フィルタを経た画像は、テレビやビデオで見られる
ようなモザイク状の画像となっており、認識し辛いもの
になっているからである。このほかの方法に、本出願の
発明者によって研究されたものが「顔認識装置」として
「特願平３−３８４３２」に出願されている。しかし、
これは「顔」を認識するための専用の装置であるため、
本出願の発明者は、様々な画像を認識しより広い範囲で
応用可能な画像パターン認識装置を求めて研究し模索し
ていた。
【０００６】本発明は、前述の問題点を克服し、画像情
報の欠落の少ない画像データの圧縮により、学習収束効
率の向上した画像パターン認識装置を提供することをそ
の目的とする。
報の欠落の少ない画像データの圧縮により、学習収束効
率の向上した画像パターン認識装置を提供することをそ
の目的とする。
【０００７】
【課題を解決するための手段】本発明の画像パターン認
識装置は、画像データの入力を行う画像データ入力手段
と、この画像データ入力手段により入力された画像デー
タの画像を所定のブロックに分割して各ブロックの画像
データから各ブロックの画像の輝度の分散率を算出する
分散率算出手段と、分散率算出手段で算出された各ブロ
ックの分散率を用いて学習・認識するニューラルネット
ワークからなる学習認識手段とを備えたことを特徴とす
る。
識装置は、画像データの入力を行う画像データ入力手段
と、この画像データ入力手段により入力された画像デー
タの画像を所定のブロックに分割して各ブロックの画像
データから各ブロックの画像の輝度の分散率を算出する
分散率算出手段と、分散率算出手段で算出された各ブロ
ックの分散率を用いて学習・認識するニューラルネット
ワークからなる学習認識手段とを備えたことを特徴とす
る。
【０００８】
【作用】本発明の画像パターン認識装置では、分散率算
出手段による各ブロックの分散率が学習認識手段に入力
されて、ニューラルネットワークで学習・認識される。
分散率算出手段で算出された輝度の分散率は、空間分解
能を保存し各ブロックの画像の空間周波数特性をともな
っていて、学習認識手段のニューラルネットワークで画
像データと同等に画像の学習・認識することが可能とな
る。また、分散率は、ブロックと同数のデータ数を持つ
画像データの圧縮データとなっている。
出手段による各ブロックの分散率が学習認識手段に入力
されて、ニューラルネットワークで学習・認識される。
分散率算出手段で算出された輝度の分散率は、空間分解
能を保存し各ブロックの画像の空間周波数特性をともな
っていて、学習認識手段のニューラルネットワークで画
像データと同等に画像の学習・認識することが可能とな
る。また、分散率は、ブロックと同数のデータ数を持つ
画像データの圧縮データとなっている。
【０００９】
【実施例】本発明の実施例について図１乃至図４を用い
て説明する。図１には、本発明の画像パターン認識装置
におけるデータ圧縮方式の概要が示されている。
て説明する。図１には、本発明の画像パターン認識装置
におけるデータ圧縮方式の概要が示されている。
【００１０】画像１０１は、５１２×５１２画素のから
なり、図１（ａ），（ｂ）に示すように、３２×３２画
素のブロック１０２に区切られている。この図において
Ｂ１，Ｂ２，Ｂ３…，Ｂｎはこれらのブロック１０２の
通番である。これらのブロック１０２それぞれについて
その輝度の分散率１０４（ＳＤ1 ，ＳＤ2 ，…，Ｓ
Ｄn ）を算出し（図１（ｃ））、各ブロック１０２の輝
度の分散率１０４からなる分散率データ列１０５をニュ
ーラルネットワークの入力層に入力されるデータ列（図
１（ｄ））としている。
なり、図１（ａ），（ｂ）に示すように、３２×３２画
素のブロック１０２に区切られている。この図において
Ｂ１，Ｂ２，Ｂ３…，Ｂｎはこれらのブロック１０２の
通番である。これらのブロック１０２それぞれについて
その輝度の分散率１０４（ＳＤ1 ，ＳＤ2 ，…，Ｓ
Ｄn ）を算出し（図１（ｃ））、各ブロック１０２の輝
度の分散率１０４からなる分散率データ列１０５をニュ
ーラルネットワークの入力層に入力されるデータ列（図
１（ｄ））としている。
【００１１】画像の輝度の分散率は、画像の空間周波数
特性を画像の輝度分布から求める手段（画像の信号雑音
率とよばれる。）のひとつであり、「（輝度の分散）／
（輝度の平均値）」であたえられ、「Ｓ／Ｎ」をもとめ
るのと等価な方法で求められる。各ブロックの輝度の分
散率は、画像データをＩ1 ，Ｉ2 ，Ｉ3 ，…，Ｉｍとす
ると、数式２であたえられる画像データの分散ＳＤを、
数式１で示される平均値Ａυ（υ＝１，２，…，ｎ）で
割ることによって求められる。即ち数式３であたえられ
る。図２には、画像とこの分散率の関係が示されてい
る。
特性を画像の輝度分布から求める手段（画像の信号雑音
率とよばれる。）のひとつであり、「（輝度の分散）／
（輝度の平均値）」であたえられ、「Ｓ／Ｎ」をもとめ
るのと等価な方法で求められる。各ブロックの輝度の分
散率は、画像データをＩ1 ，Ｉ2 ，Ｉ3 ，…，Ｉｍとす
ると、数式２であたえられる画像データの分散ＳＤを、
数式１で示される平均値Ａυ（υ＝１，２，…，ｎ）で
割ることによって求められる。即ち数式３であたえられ
る。図２には、画像とこの分散率の関係が示されてい
る。
【００１２】
【数２】
【００１３】
【数３】
【００１４】原画像（図１（ａ））の輝度変化が大きな
領域、例えば領域２０１では、輝度分布のヒストグラム
（図２（ａ））に見られるように、輝度の分布範囲が広
くバラツキδ1 が大きくなるため、分散率は高くなる。
一方、領域２０２のような輝度変化が小さな領域では、
輝度分布のヒストグラム（図１（ｃ））に見られるよう
に、バラツキδ2 が小さくなるため、分散率は低くな
る。このように、この分散率には、尖鋭さや画素間の輝
度分布（特に、輪郭情報）などの画像が持っている空間
周波数情報が備わっている。ニューラルネットワークの
入力層には、各ブロックにおける原画像の空間周波数情
報が無視されずに入力されることになる。
領域、例えば領域２０１では、輝度分布のヒストグラム
（図２（ａ））に見られるように、輝度の分布範囲が広
くバラツキδ1 が大きくなるため、分散率は高くなる。
一方、領域２０２のような輝度変化が小さな領域では、
輝度分布のヒストグラム（図１（ｃ））に見られるよう
に、バラツキδ2 が小さくなるため、分散率は低くな
る。このように、この分散率には、尖鋭さや画素間の輝
度分布（特に、輪郭情報）などの画像が持っている空間
周波数情報が備わっている。ニューラルネットワークの
入力層には、各ブロックにおける原画像の空間周波数情
報が無視されずに入力されることになる。
【００１５】図３には、このデータ圧縮方式をもつ画像
パターン認識装置の構成例についてその概要が示されて
いる。この図において画像データ入力部３０１，分散率
算出部３０２，学習認識部３０３は、例えばマイクロプ
ロセッサにおいてソフトウェアにて実現している。画像
データＤは、１画面分シーケンシャルに画像データ入力
部３０１から入力され、メモリ３０４に保持される。１
画面分の入力が終わると、分散率算出部３０２によっ
て、画像の各ブロックの分散率が算出される。これを詳
述すると、図１（ａ）の原画像のブロックＢ１から順
に、メモリ３０４に保持された画像データの内でそのブ
ロックの画像データが読み出され、そのブロックについ
て前述の分散ＳＤ及び平均値Ａυが計算され、これら分
散ＳＤ及び平均値Ａυをもとに画像の各ブロックの分散
率が算出される。全ブロックの分散率が算出されると、
これらの分散率からなる分散率データ列１０５を学習認
識部３０３のニューラルネットワークの入力層に入力さ
れ、学習・認識処理がなされる。
パターン認識装置の構成例についてその概要が示されて
いる。この図において画像データ入力部３０１，分散率
算出部３０２，学習認識部３０３は、例えばマイクロプ
ロセッサにおいてソフトウェアにて実現している。画像
データＤは、１画面分シーケンシャルに画像データ入力
部３０１から入力され、メモリ３０４に保持される。１
画面分の入力が終わると、分散率算出部３０２によっ
て、画像の各ブロックの分散率が算出される。これを詳
述すると、図１（ａ）の原画像のブロックＢ１から順
に、メモリ３０４に保持された画像データの内でそのブ
ロックの画像データが読み出され、そのブロックについ
て前述の分散ＳＤ及び平均値Ａυが計算され、これら分
散ＳＤ及び平均値Ａυをもとに画像の各ブロックの分散
率が算出される。全ブロックの分散率が算出されると、
これらの分散率からなる分散率データ列１０５を学習認
識部３０３のニューラルネットワークの入力層に入力さ
れ、学習・認識処理がなされる。
【００１６】表１には、平均値フィルタでデータ圧縮し
た場合と、各ブロックの輝度の分散率にてデータ圧縮し
た場合（本実施例）との比較が示されている。この表か
ら明らかなように、本実施例では、ニューラルネットワ
ークで学習回数及び学習時間がおよそ１／３に減少し、
大幅に学習・認識収束効率及び認識率が向上している。
た場合と、各ブロックの輝度の分散率にてデータ圧縮し
た場合（本実施例）との比較が示されている。この表か
ら明らかなように、本実施例では、ニューラルネットワ
ークで学習回数及び学習時間がおよそ１／３に減少し、
大幅に学習・認識収束効率及び認識率が向上している。
【００１７】
【表１】
【００１８】
【発明の効果】以上のように、本発明によれば、分散率
を用いることで、ブロックと同数のデータ数まで画像デ
ータが空間周波数情報をともなって、データ圧縮され
て、データ数が減少するため、ニューラルネットワーク
で学習回数及び学習時間が減少するので、学習・認識収
束効率を向上させることができ、また、認識率を向上さ
せることができる。
を用いることで、ブロックと同数のデータ数まで画像デ
ータが空間周波数情報をともなって、データ圧縮され
て、データ数が減少するため、ニューラルネットワーク
で学習回数及び学習時間が減少するので、学習・認識収
束効率を向上させることができ、また、認識率を向上さ
せることができる。
【図１】本発明の画像パターン認識装置におけるデータ
圧縮方式の概要図。
圧縮方式の概要図。
【図２】分散率の説明図。
【図３】本発明の画像パターン認識装置の構成図。
【図４】平均値フィルタによるデータ圧縮方式の概要
図。
図。
１０１…画像 １０２…ブロック １０４…ブロックの輝度の分散率 １０５…分散率データ列 １０４…ブロックの輝度の分散率 ３０１…画像データ入力部 ３０２…分散率算出部 ３０３…学習認識部
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/00 G06F 15/18 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】 画像データの入力を行う画像データ入力
手段と、この画像データ入力手段により入力された画像
データの画像を所定のブロックに分割して前記各ブロッ
クの画像データから前記各ブロックの画像の輝度の分散
率を算出する分散率算出手段と、分散率算出手段で算出
された前記各ブロックの前記分散率を用いて学習・認識
するニューラルネットワークからなる学習認識手段とを
備えたことを特徴とする画像パターン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3223070A JP3058951B2 (ja) | 1991-09-03 | 1991-09-03 | 画像パターン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3223070A JP3058951B2 (ja) | 1991-09-03 | 1991-09-03 | 画像パターン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0561976A JPH0561976A (ja) | 1993-03-12 |
| JP3058951B2 true JP3058951B2 (ja) | 2000-07-04 |
Family
ID=16792363
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3223070A Expired - Fee Related JP3058951B2 (ja) | 1991-09-03 | 1991-09-03 | 画像パターン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3058951B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3951663A4 (en) | 2019-03-29 | 2022-05-04 | Sony Semiconductor Solutions Corporation | INFORMATION PROCESSING METHOD, INFORMATION PROCESSING PROGRAM AND DEVICE |
-
1991
- 1991-09-03 JP JP3223070A patent/JP3058951B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0561976A (ja) | 1993-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11861816B2 (en) | System and method for detecting image forgery through convolutional neural network and method for providing non-manipulation detection service using the same | |
| JP3252381B2 (ja) | パターン認識装置 | |
| US7227996B2 (en) | Image processing method and apparatus for comparing edges between images | |
| US6088483A (en) | Image processing method for system employing pattern matching | |
| JP4049831B2 (ja) | 客体の輪郭映像検知／細線化装置及びその方法 | |
| JP2000508488A (ja) | ディジタル画像情報の多重解像度変換のシステム及び方法 | |
| CN110765799B (zh) | 客户端扫码识别方法、装置、设备及存储介质 | |
| CN112085094A (zh) | 单证图像翻拍检测方法、装置、计算机设备和存储介质 | |
| US5684894A (en) | Scale specific and robust line/edge encoding of images | |
| JPH11312243A (ja) | 顔領域検出装置 | |
| JP3058951B2 (ja) | 画像パターン認識装置 | |
| US20050089240A1 (en) | Applying a tone scale function to a digital image | |
| CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
| JP4141090B2 (ja) | 画像認識装置、陰影除去装置、陰影除去方法及び記録媒体 | |
| JP2775122B2 (ja) | イラストデータの自動輪郭抽出ベクトル化処理方法，及びそれに使用する処理装置 | |
| JP3264527B2 (ja) | 画像処理装置及びその方法 | |
| CN113221830B (zh) | 一种超分活体识别方法、系统、终端及存储介质 | |
| JPH04307668A (ja) | 概略画像作成方法および装置 | |
| JP2678021B2 (ja) | 指紋画像入力装置 | |
| JPH0991429A (ja) | 顔領域抽出方法 | |
| JP3850040B2 (ja) | 文脈上の相関関係を使用するパターン認識方法及び装置 | |
| JP2003150934A (ja) | 画像処理装置及び画像処理方法 | |
| CN115273198A (zh) | 一种基于风格控制gan的生成式人脸匿名化方法 | |
| CN116468856A (zh) | 模型训练方法及装置 | |
| CN116958758A (zh) | 数据处理方法及装置、设备、存储介质、程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313532 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090421 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |