JP4718370B2 - Pattern matching apparatus, pattern matching method and program - Google Patents
Pattern matching apparatus, pattern matching method and program Download PDFInfo
- Publication number
- JP4718370B2 JP4718370B2 JP2006135848A JP2006135848A JP4718370B2 JP 4718370 B2 JP4718370 B2 JP 4718370B2 JP 2006135848 A JP2006135848 A JP 2006135848A JP 2006135848 A JP2006135848 A JP 2006135848A JP 4718370 B2 JP4718370 B2 JP 4718370B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- differential
- normalization
- processing
- normalization coefficient
- 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
Images
Description
本発明は、デジタルデータの類似度を効率良く計算する方法に係り、特に、データに微分処理を行った後に類似度を得るパターンマッチング装置、パターンマッチング方法およびプログラムに関する。 The present invention relates to a method for efficiently calculating the similarity of digital data, and more particularly to a pattern matching apparatus, a pattern matching method, and a program for obtaining a similarity after performing differential processing on data.
従来から類似度を計算する方法は、古くから数多く提案されている。このうち、局所的な微分を利用する方法は、画像の照明変動への耐久性が高いため濃淡またはカラーの実画像の処理に利用される（例えば下記特許文献１，２）。単純には、微分を計算した後、対象位置においてスキャンして結果を得る。 Conventionally, many methods for calculating the similarity have been proposed. Among these methods, the method using local differentiation is used for processing grayscale or color actual images because of its high durability against fluctuations in illumination of images (for example, Patent Documents 1 and 2 below). Simply calculate the derivative and then scan at the target location to get the result.
また微分した後、エッジ部分のみを利用してマッチングを行う方法も提案されている（例えば下記特許文献３）。これは処理領域を限定することで計算量を減らす方法である。この方法はエッジがはっきりとしたパターンには適用可能であるが、一般的な多値データの場合は適用が難しい。 Also, a method of performing matching after differentiation using only the edge portion has been proposed (for example, Patent Document 3 below). This is a method of reducing the amount of calculation by limiting the processing area. This method can be applied to patterns with clear edges, but is difficult to apply to general multi-value data.
また微分した後のデータの処理を工夫する方法として、下記特許文献４，５に記載のものが提案されている。これは微分処理の結果を画素変化の勾配として定義し、打ち切りを可能としながら画素毎に順次処理を行う方法である。
画像の全画素について計算を行う方法は、処理の効率が悪い。打ち切りを実現する方法であっても、しきい値を適時定めたり、対応する画素毎の順次処理を行う場合は高速化に限界がある。 The method of calculating for all the pixels of the image is inefficient in processing. Even in the method of realizing the truncation, there is a limit to speeding up when a threshold value is determined in a timely manner or when sequential processing is performed for each corresponding pixel.
本発明の目的は、効率よく類似度を計算し、精度の高いマッチングを実現させることができるパターンマッチング装置、パターンマッチング方法およびプログラムを提供することにある。 An object of the present invention is to provide a pattern matching apparatus, a pattern matching method, and a program capable of efficiently calculating similarity and realizing highly accurate matching.
上記課題を解決するための本発明のパターンマッチング装置は、微分可能とみなすことができる辞書データと入力データとの類似度を計算するパターンマッチング装置であって、辞書データに対して微分処理を行う第１の微分処理手段と、上記微分処理手段から得られた微分値の２乗和の二乗根を計算して第１の正規化係数を求める第１の正規化係数計算処理手段と、元の辞書データを上記第１の正規化係数で割って第１の正規化データを得る第１の正規化処理手段と、上記第１の微分処理手段で得られた微分値を上記第１の正規化係数で割って正規化微分データを得る微分正規化処理手段と、上記第１の正規化データをステップ関数群および指標数列で表現するステップ関数群生成手段と、上記入力データに対して微分処理を行う第２の微分処理手段と、上記第２の微分処理手段から得られた微分値の２乗和の二乗根を計算して第２の正規化係数を求める第２の正規化係数計算処理手段と、入力データを上記第２の正規化係数で割って第２の正規化データを得る第２の正規化処理手段と、上記ステップ関数群と指標数列と第２の正規化データを用いて類似度を計算する類似度計算手段とを有することを特徴とする。 A pattern matching device of the present invention for solving the above problem is a pattern matching device that calculates the similarity between dictionary data that can be regarded as differentiable and input data, and performs a differentiation process on the dictionary data. a first differential processing unit, a first normalization coefficient calculation processing means for calculating a first normalization coefficient by calculating the square root of the sum of squares of differential values obtained from the differentiation processing means, the original First normalization processing means for obtaining first normalized data by dividing the dictionary data by the first normalization coefficient, and the differential value obtained by the first differentiation processing means is the first normalization. Differential normalization processing means for obtaining normalized differential data by dividing by a coefficient ; step function group generating means for expressing the first normalized data by a step function group and an index sequence; and differential processing for the input data. Second fine to do A processing unit, a second normalization coefficient calculation processing means for calculating a second normalization coefficient by calculating the square root of the sum of squares of the second differential processing differential value obtained from the unit, the input data A second normalization processing unit that obtains second normalized data by dividing by the second normalization coefficient; a similarity that calculates similarity using the step function group, the index sequence, and the second normalized data And a degree calculation means.
また本発明のパターンマッチング方法は、微分可能とみなすことができる辞書データと入力データとの類似度を計算するパターンマッチング方法であって、第１の微分処理手段が、辞書データに対して微分処理を行う第１の微分処理手順と、第１の正規化係数計算処理手段が、上記微分処理手順から得られた微分値の２乗和の二乗根を計算して第１の正規化係数を求める第１の正規化係数計算処理手順と、第１の正規化処理手段が、元の辞書データを上記第１の正規化係数で割って第１の正規化データを得る第１の正規化処理手順と、微分正規化処理手段が、上記第１の微分処理手順で得られた微分値を上記第１の正規化係数で割って正規化微分データを得る微分正規化処理手順と、ステップ関数群生成手段が、上記第１の正規化データをステップ関数群および指標数列で表現するステップ関数群生成手順と、第２の微分処理手段が、上記入力データに対して微分処理を行う第２の微分処理手順と、第２の正規化係数計算処理手段が、上記第２の微分処理手順から得られた微分値の２乗和の二乗根を計算して第２の正規化係数を求める第２の正規化係数計算処理手順と、第２の正規化処理手段が、入力データを上記第２の正規化係数で割って第２の正規化データを得る第２の正規化処理手順と、類似度計算手段が、上記ステップ関数群と指標数列と第２の正規化データを用いて類似度を計算する類似度計算手順とを有することを特徴とする。 The pattern matching method of the present invention is a pattern matching method for calculating the similarity between dictionary data that can be regarded as differentiable and input data, wherein the first differential processing means performs differential processing on the dictionary data. a first differential processing procedure for, first normalization coefficient calculation processing means calculates the first normalization coefficient by calculating the square root of the sum of squares of differential values obtained from the differentiation processing procedure First normalization coefficient calculation processing procedure and first normalization processing procedure in which the first normalization processing means divides the original dictionary data by the first normalization coefficient to obtain first normalization data A differential normalization processing means for dividing the differential value obtained in the first differential processing procedure by the first normalization coefficient to obtain normalized differential data, and a step function group generation means scan the first normalized data A step function group generation procedure of Tsu expressed in flop function group and index sequence, a second differential processing unit, a second differential processing procedure for performing a differential process on the input data, the second normalization coefficient calculation A second normalization coefficient calculation processing procedure in which the processing means calculates a square root of the sum of squares of the differential values obtained from the second differential processing procedure to obtain a second normalization coefficient; The normalization processing means divides the input data by the second normalization coefficient to obtain second normalized data, and the similarity calculation means includes the step function group and the index number sequence. A similarity calculation procedure for calculating the similarity using the second normalized data.
また、前記辞書データおよび入力データはデジタル画像データであることを特徴とする。 The dictionary data and input data are digital image data.
また本発明のプログラムは、前記パターンマッチング方法をコンピュータに実行させるためのプログラムとしたことを特徴とする。 The program of the present invention is a program for causing a computer to execute the pattern matching method.
上記構成において、類似度を計算する際に、そのパターンを生成する特徴を分解して重みを付けて、これまで誤抽出の原因となっていた不要な特徴の影響を低減して、最終的に精度が高いマッチングを実現することができる。 In the above configuration, when calculating the similarity, the features that generate the pattern are decomposed and weighted to reduce the influence of unnecessary features that have been the cause of erroneous extraction so far, and finally Matching with high accuracy can be realized.
また、微分処理の後に行う画素毎に行う積分処理は、数学的に逆の関係の処理であり、この関係を利用して効率的な計算方法を導入することによって、計算を一括処理することによって、計算そのものの高速化も実現できるようになる。 In addition, the integration process performed for each pixel after the differentiation process is a mathematically reverse relation process, and by introducing an efficient calculation method using this relation, the calculation is collectively processed. Acceleration of the calculation itself can be realized.
本発明によれば、辞書データおよび入力データを比較する際、ステップ関数群に分解し、さらに指標数列を生成しておくことによって、類似度計算で得られる特徴を特徴毎に類似度を判断しながら全体としての類似度を計算することができる。これによって、誤抽出を大幅に減らすことができ、最終的に精度が高いマッチングを実現することができる。 According to the present invention, when comparing the dictionary data and the input data, the feature function obtained by similarity calculation is judged for each feature by decomposing it into a step function group and generating an index sequence. However, the similarity as a whole can be calculated. As a result, erroneous extraction can be greatly reduced, and finally high-precision matching can be realized.
以下、図面を参照しながら本発明の実施の形態を説明するが、本発明は下記の実施形態例に限定されるものではない。 Hereinafter, embodiments of the present invention will be described with reference to the drawings, but the present invention is not limited to the following embodiments.
図１は本発明の一実施形態例の全体構成を示している。図１において１−１は辞書データであり、１−２は、本発明の第１の微分処理手段としての微分処理部であり、１−３は、本発明の第１の正規化係数計算処理手段としての第１の正規化係数計算処理部（以下正規化係数計算処理と称する）であり、１−４は、本発明の第１の正規化処理手段としての正規化処理部であり、１−５は正規化データであり、１−６は、本発明の微分正規化処理手段としての微分正規化処理部であり、１−７は正規化微分データであり、１−８は、本発明のステップ関数群生成手段としてのステップ関数群生成部であり、１−９はステップ関数群であり、１−１０は指標数列であり、１−１１は入力データであり、１−１２は、本発明の第２の微分処理手段としての微分処理部２であり、１−１３は、本発明の第２の正規化係数計算処理手段としての第２の正規化係数計算処理部（以下、正規化係数計算処理２と称する）であり、１−１４は、本発明の第２の正規化処理手段としての正規化処理部２であり、１−１５は正規化データ２であり、１−１６は、本発明の類似度計算手段としての類似度計算部であり、１−１７は類似度である。 FIG. 1 shows the overall configuration of an embodiment of the present invention. In FIG. 1, 1-1 is dictionary data, 1-2 is a differential processing unit as a first differential processing means of the present invention, and 1-3 is a first normalization coefficient calculation process of the present invention. 1 is a first normalization coefficient calculation processing unit (hereinafter referred to as normalization coefficient calculation processing), and 1-4 is a normalization processing unit as the first normalization processing means of the present invention. -5 is normalized data, 1-6 is a differential normalization processing unit as differential normalization processing means of the present invention, 1-7 is normalized differential data, and 1-8 is the present invention. 1-9 is a step function group, 1-10 is an index sequence, 1-11 is input data, and 1-12 is a book function group. The differential processing unit 2 as the second differential processing means of the invention, 1-13 is the second of the present invention Reference numeral 1-14 denotes a second normalization coefficient calculation processing unit (hereinafter referred to as normalization coefficient calculation processing 2) as normalization coefficient calculation processing means. Reference numeral 1-14 denotes a normalization coefficient as the second normalization processing means of the present invention. Is a normalization data 2, 1-16 is a similarity calculation unit as a similarity calculation means of the present invention, and 1-17 is a similarity.
尚前記微分処理部（１−２）、微分処理部２（１−１２）、正規化係数計算処理（１−３）、正規化係数計算処理２（１−１３）、正規化処理部（１−４）、正規化処理部２（１−１４）、ステップ関数群生成部（１−８）および類似度計算部（１−１６）が行う後述の各処理は、例えばコンピュータが実行するものである。 The differentiation processing unit (1-2), differentiation processing unit 2 (1-12), normalization coefficient calculation processing (1-3), normalization coefficient calculation processing 2 (1-13), normalization processing unit (1 -4) Each process described later performed by the normalization processing unit 2 (1-14), the step function group generation unit (1-8), and the similarity calculation unit (1-16) is executed by a computer, for example. is there.
辞書データ（１−１）は、入力データ（１−１１）を比較するための元データである。これは元々時系列や画像のように連続データで表現されていたものをデジタル化したものである。以下、辞書データをｆ（ｘ）と表現する。 Dictionary data (1-1) is original data for comparing input data (1-11). This is a digital version of what was originally expressed as continuous data such as time series and images. Hereinafter, the dictionary data is expressed as f (x).
微分処理部（１−２）は、辞書データ（１−１）を微分する。式で示すと、微分した結果はｆ’(ｘ)とあらわすことができる。 The differentiation processor (1-2) differentiates the dictionary data (1-1). Expressed by the equation, the differentiated result can be expressed as f ′ (x).
正規化係数計算処理（１−３）は、 Normalization coefficient calculation processing (1-3)
を計算するプロセスである。微分した結果のＬ２ノルムである。 Is the process of calculating L2 norm of the result of differentiation.
正規化処理部（１−４）は、辞書データ（１−１）を正規化係数で割り算したものである。式では、 The normalization processing unit (1-4) is obtained by dividing the dictionary data (1-1) by the normalization coefficient. In the formula:
と表現できる。その結果が、正規化データ（１−５）である。 Can be expressed as The result is normalized data (1-5).
微分正規化処理部（１−６）は、辞書データを微分した結果を正規化係数で割り算したものであり、次のように表現できる。 The differential normalization processing unit (1-6) divides the result obtained by differentiating the dictionary data by the normalization coefficient, and can be expressed as follows.
その結果が、正規化微分データ（１−７）である。以下、正規化データ（１−５）、正規化微分データ（１−７）をｆおよびｆ’と記すことにする。 The result is normalized differential data (1-7). Hereinafter, normalized data (1-5) and normalized differential data (1-7) will be referred to as f and f '.
ステップ関数群生成部（１−８）は、正規化データ（１−５）ｆおよび正規化微分データ（１−７）ｆ’からステップ関数群（１−９）および指標数列（１−１０）を計算する。 The step function group generation unit ( 1-8 ) generates a step function group (1-9) and an index sequence (1-10) from the normalized data (1-5) f and the normalized differential data (1-7) f ′. Calculate
ステップ関数群（１−９）は、{ｋi，ｘi}という形で表現される数列と関数列の集まりである。ここで Step function group (1-9) is a collection of sequence and sequence of functions represented in the form of {k i, x i}. here
は０と１の値のみをとるステップ関数、ｋiは係数である。
ここでは、
Is a step function that takes only values of 0 and 1, and k i is a coefficient.
here,
という形になるようにステップ関数群と数列を生成する。 Generate a step function group and a sequence so that
正規化微分データｆ’をこの形式に分解できれば、微分処理、相関値演算の処理は、 If the normalized differential data f ′ can be decomposed into this format, the differential processing and the correlation value calculation processing are performed.
となる。これは、相関値演算時に必要であった各ｘ毎に足しこむ処理が不要となっていること、微分処理も積分も行わずに、相関値が得られることを示している。 It becomes. This indicates that the process of adding each x required for calculating the correlation value is not necessary, and that the correlation value can be obtained without performing differentiation or integration.
このステップ関数群の生成方法は様々な方法が考えられる。この生成方法はここでは特定しないが、この生成方法例は後に図２〜図４を用いて説明する。 There are various methods for generating the step function group. Although this generation method is not specified here, an example of this generation method will be described later with reference to FIGS.
ステップ関数群（１−９）を用いて指標数列（１−１０）を得る。その指標列は、例えば
ａi＝{ｋi（ｆ（ｘ2i）−ｆ（ｘ1i））}i
…（７）
で計算できるが、この計算方法に特定するものではない。
An index sequence (1-10) is obtained using the step function group (1-9). The index string is, for example, a i = {k i (f (x 2i ) −f (x 1i ))} i
... (7)
However, it is not specific to this calculation method.
さらにこの指標は絶対値が次第に小さくなるように設定することが可能である。これはステップ関数群の順序を並び替えることで実現できる。 Furthermore, this index can be set so that the absolute value becomes gradually smaller. This can be realized by rearranging the order of the step function group.
辞書データ（１−１）の処理とは独立に、入力データ（１−１１）に対して辞書データ（１−１）に行ったと同様に微分処理２（１−１２）、正規化係数計算処理２（１−１３）を行って、正規化データ２（１−１５）を計算する。そのプロセスは、前述した辞書データ（１−１）に対する正規化データ（１−５）の生成と同様である。以下、正規化された入力データを正規化データ２（１−１５）ｇと表現することにする。
Independent of the processing of the dictionary data (1-1), the differentiation processing 2 (1-12) and the normalization coefficient calculation processing are performed in the same manner as the processing of the dictionary data (1-1) with respect to the input data (1-11). 2 (1-13) is performed to calculate normalized data 2 (1-15). The process is similar to the generation of normalized data (1-5 ) for the dictionary data (1-1) described above. Hereinafter, the normalized input data is expressed as normalized data 2 (1-15) g.
次に、ステップ関数群（１−９）、指標数列（１−１０）と正規化データ２（１−１５）を利用して、類似度計算を行う。その具体的方法は、初めに数列
ｂi＝{ｋi（ｇ（ｘ2i）−ｇ（ｘ1i））}i
…（８）
を計算する。この数列と指標数列ａiを比較する。数列同士が類似すれば類似度が高いと判断する。数列同士の類似度計算方法には様々な方法がある。
Next, similarity calculation is performed using the step function group (1-9), the index sequence (1-10), and the normalized data 2 (1-15). The specific method is as follows. First, the sequence b i = {k i (g (x 2i ) −g (x 1i ))} i
(8)
Calculate This number sequence is compared with the index number sequence a i . If the sequences are similar, it is determined that the similarity is high. There are various methods for calculating the similarity between sequences.
例えば、 For example,
が予め定めたしきい値を超えない、 Does not exceed a predetermined threshold,
がしきい値以下である、などの方法が考えられる。さらにそれぞれのｉ毎に係数に重みをつけてしきい値を設定する方法も考えられる。それぞれの方法によって、１つでもしきい値を越える値が得た場合や、予め定めた個数分でしきい値を越えた場合、計算途中で累計しきい値を超えた場合などに、計算の打ち切り処理を行うことも可能である。 A method such as that is less than or equal to a threshold value is conceivable. Furthermore, a method of setting a threshold value by weighting a coefficient for each i can be considered. When each method yields a value exceeding the threshold, when the threshold is exceeded by a predetermined number, or when the cumulative threshold is exceeded during the calculation, etc. It is also possible to perform an abort process.
なお、単純に、 In addition, simply
が予め定めたしきい値以上という方法もある。この方法は、実際には辞書データと入力データの正規化データ同士の微分処理後の相関係数がしきい値以上であることと同等である。これを式で表すと、 There is also a method in which is equal to or greater than a predetermined threshold. This method is actually equivalent to the fact that the correlation coefficient after differentiation between the dictionary data and the normalized data of the input data is equal to or greater than a threshold value. This can be expressed as an expression:
と表現できる。 Can be expressed as
次に、図２〜図４を用いてステップ関数群の生成例を示す。 Next, an example of generating a step function group will be described with reference to FIGS.
図２は、すべてのステップ関数の台（ゼロでない範囲）の大きさが１である。これを式で示すと、各ｘiに対応するｘ1i、ｘ2iにおいて、ｘ2i−ｘ1i＝１が成り立つ場合である。この場合、データの点の数だけの計算量が必要であり、実際には直接計算するに同等の計算量が必要となる。 In FIG. 2, the size of all step function platforms (non-zero range) is 1. This is represented by an equation in which x 2i −x 1i = 1 holds for x 1i and x 2i corresponding to each x i . In this case, the amount of calculation required is the same as the number of data points, and in reality, an equivalent amount of calculation is required for direct calculation.
図３は、ｋiを小さい値として重ね合わせてｆ’を構成したものである。具体的には、ｆ’がある値を超えたｘと、同じ値を下回ったｘを求めてｋiｘiを構成する。 In FIG. 3, f ′ is configured by superimposing k i as a small value. Specifically, k i x i is configured by obtaining x that exceeds a certain value f ′ and x that is less than the same value.
図４は、大きなｋiを順に得る方法である。予め定めた大きなｋiに対しｋiｘiを構成し、その後、不足する部分に対してはじめより小さなｋiを設定して同じ処理を繰り返していく。この図では、ｋiの次のステップでは、値を半分にして図解している。 Figure 4 is a turn give way a large k i. K i x i is configured for a predetermined large k i , and then a smaller k i is set for the deficient portion first and the same processing is repeated. In this figure, in the next step of k i , the value is illustrated in half.
これを式で示すと、まずｆ’の最大値の半分を超える値Ｋ0を設定する。ｆ’（ｘ）−Ｋ0がプラスになる領域を選びｘiを設定する。この場合、ｘiは複数得られるが、そのすべてにおいてｋi＝Ｋ0となる。この場合、元々正の値をとっていたｆ’（ｘ）においては、 When this is expressed by an equation, first, a value K 0 exceeding half of the maximum value of f ′ is set. f 'is (x) -K 0 to set the x i select the area to become a plus. In this case, a plurality of x i are obtained, and k i = K 0 in all of them. In this case, in f ′ (x) originally taking a positive value,
となる。（ここでの総和はｋi＝Ｋ0の範囲である。）次にこの結果に対して、Ｋ1＝Ｋ0／２として同様の処理を行う。また、ｆ’(ｘ)が負の値に対しても正負を判定して同様の処理を行うことで、ステップ関数群を生成できる。 It becomes. (The sum here is in the range of k i = K 0. ) Next, similar processing is performed on this result with K 1 = K 0/2 . In addition, a step function group can be generated by determining whether f ′ (x) is a negative value and performing the same processing.
その他にも、ステップ関数群を用いて関数を近似する方法は様々な方法が考えられる。当然、画像のような２次元データであっても、図２〜図４の方法を適用できる。 In addition, there are various methods for approximating a function using a step function group. Naturally, the method of FIGS. 2 to 4 can be applied even to two-dimensional data such as an image.
なお、以上の説明は辞書、入力データ共に１次元データとして説明を行ったが、これが２次元以上になっても同じ議論が成り立つ。例えば２次元である画像においては、 In the above description, both the dictionary and the input data are described as one-dimensional data. However, the same argument holds even if the data is two-dimensional or more. For example, in a two-dimensional image,
という式が成り立つ。従って、ｘ方向、ｙ方向のそれぞれの微分に対してステップ群を作成する。実際には、ｘ方向微分のステップ関数群は、各ｙに対して計算する。逆にｙ方向微分のステップ関数群は各ｘに対して計算することになる。これを式で表すと、 The following equation holds. Accordingly, a step group is created for each differentiation in the x direction and the y direction. In practice, a step function group of x-direction differentiation is calculated for each y. Conversely, a step function group of y-direction differentiation is calculated for each x. This can be expressed as an expression:
ｘ(y,i)，ｘ(x,i)はそれぞれ各ｙおよび各ｘ毎に決まるステップ関数である。ｘ(y,i)，ｘ(x,i)がゼロでない値をとる範囲は、それぞれ[ｘ1i，ｘ2i]、[ｙ1i，ｙ2i]である。この場合、微分後処理後の相関係数は、 x (y, i) and x (x, i) are step functions determined for each y and each x, respectively. The ranges in which x (y, i) and x (x, i) take non-zero values are [x 1i , x 2i ] and [y 1i , y 2i ], respectively. In this case, the correlation coefficient after post-differentiation processing is
となる。 It becomes.
さらに、上記はｘ、ｙ方向（水平、垂直方向）での処理として示したが、実際には座標変換を行って斜め方向の処理も行うことができることは明らかである。 Furthermore, although the above is shown as processing in the x and y directions (horizontal and vertical directions), it is clear that in actuality coordinate processing can be performed to perform diagonal processing.
また本発明では、前記マッチング方法をコンピュータに実行させるためのプログラムを構築するものである。 In the present invention, a program for causing a computer to execute the matching method is constructed.
また前記プログラムを記録した記録媒体を、システム、又は装置に供給し、そのシステム又は装置のＣＰＵ（ＭＰＵ）が記録媒体に格納されたプログラムを読み出し実行することも可能である。この場合記録媒体から読み出されたプログラム自体が上記実施形態の機能を実現することになり、このプログラムを記録した記録媒体としては、例えば、ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ，ＣＤ−Ｒ，ＣＤ−ＲＷ，ＭＯ及びＨＤＤ等がある。 It is also possible to supply a recording medium recording the program to a system or apparatus, and the CPU (MPU) of the system or apparatus reads and executes the program stored in the recording medium. In this case, the program itself read from the recording medium realizes the functions of the above-described embodiment, and examples of the recording medium on which the program is recorded include CD-ROM, DVD-ROM, CD-R, CD- There are RW, MO, and HDD.
１−１…辞書データ、１−２…微分処理部、１−３…第１の正規化係数計算処理部（正規化係数計算処理）、１−４…正規化処理部、１−５…正規化データ、１−６…微分正規化処理部、１−７…正規化微分データ、１−８…ステップ関数群生成部、１−９…ステップ関数群、１−１０…指標数列、１−１１…入力データ、１−１２…微分処理部２、１−１３…第２の正規化係数計算処理部（正規化係数計算処理２）、１−１４…正規化処理部２、１−１５…正規化データ２、１−１６…類似度計算部、１−１７…類似度。
1-1 ... dictionary data, 1-2 ... differentiation processing unit, 1-3 ... first normalization coefficient calculation processing unit (normalization coefficient calculation processing), 1-4 ... normalization processing unit, 1-5 ... normal 1-6 ... differential normalization processing unit, 1-7 ... normalized differential data, 1-8 ... step function group generation unit, 1-9 ... step function group, 1-10 ... index sequence, 1-11 ... input data, 1-12 ... differentiation processing unit 2, 1-13 ... second normalization coefficient calculation processing unit (normalization coefficient calculation processing 2), 1-14 ... normalization processing unit 2, 1-15 ... normal Data 1, 1-16 ... similarity calculation unit, 1-17 ... similarity.
Claims (5)
辞書データに対して微分処理を行う第１の微分処理手段と、
上記微分処理手段から得られた微分値の２乗和の二乗根を計算して第１の正規化係数を求める第１の正規化係数計算処理手段と、
元の辞書データを上記第１の正規化係数で割って第１の正規化データを得る第１の正規化処理手段と、
上記第１の微分処理手段で得られた微分値を上記第１の正規化係数で割って正規化微分データを得る微分正規化処理手段と、
上記第１の正規化データをステップ関数群および指標数列で表現するステップ関数群生成手段と、
上記入力データに対して微分処理を行う第２の微分処理手段と、
上記第２の微分処理手段から得られた微分値の２乗和の二乗根を計算して第２の正規化係数を求める第２の正規化係数計算処理手段と、
入力データを上記第２の正規化係数で割って第２の正規化データを得る第２の正規化処理手段と、
上記ステップ関数群と指標数列と第２の正規化データを用いて類似度を計算する類似度計算手段とを有することを特徴とするパターンマッチング装置。 A pattern matching device that calculates the similarity between dictionary data and input data that can be regarded as differentiable,
First differential processing means for performing differential processing on dictionary data;
A first normalization coefficient calculation processing means for calculating a first normalization coefficient by calculating the square root of the sum of squares of differential values obtained from the differential processing unit,
First normalization processing means for dividing the original dictionary data by the first normalization coefficient to obtain first normalized data;
Differential normalization processing means for obtaining normalized differential data by dividing the differential value obtained by the first differential processing means by the first normalization coefficient ;
Step function group generating means for expressing the first normalized data by a step function group and an index sequence ;
Second differential processing means for performing differential processing on the input data;
Second normalization coefficient calculation processing means for calculating a square root of the sum of squares of the differential values obtained from the second differential processing means to obtain a second normalization coefficient;
Second normalization processing means for dividing the input data by the second normalization coefficient to obtain second normalized data ;
A pattern matching device comprising: a similarity calculation means for calculating a similarity using the step function group, the index sequence, and the second normalized data.
第１の微分処理手段が、辞書データに対して微分処理を行う第１の微分処理手順と、
第１の正規化係数計算処理手段が、上記微分処理手順から得られた微分値の２乗和の二乗根を計算して第１の正規化係数を求める第１の正規化係数計算処理手順と、
第１の正規化処理手段が、元の辞書データを上記第１の正規化係数で割って第１の正規化データを得る第１の正規化処理手順と、
微分正規化処理手段が、上記第１の微分処理手順で得られた微分値を上記第１の正規化係数で割って正規化微分データを得る微分正規化処理手順と、
ステップ関数群生成手段が、上記第１の正規化データをステップ関数群および指標数列で表現するステップ関数群生成手順と、
第２の微分処理手段が、上記入力データに対して微分処理を行う第２の微分処理手順と、
第２の正規化係数計算処理手段が、上記第２の微分処理手順から得られた微分値の２乗和の二乗根を計算して第２の正規化係数を求める第２の正規化係数計算処理手順と、
第２の正規化処理手段が、入力データを上記第２の正規化係数で割って第２の正規化データを得る第２の正規化処理手順と、
類似度計算手段が、上記ステップ関数群と指標数列と第２の正規化データを用いて類似度を計算する類似度計算手順とを有することを特徴とするパターンマッチング方法。 A pattern matching method for calculating the similarity between dictionary data and input data that can be regarded as differentiable,
A first differentiation processing procedure in which the first differentiation processing means performs differentiation on the dictionary data;
A first normalization coefficient calculation processing unit, a first normalization coefficient calculation procedure for obtaining the first normalization coefficient by calculating the square root of the sum of squares of differential values obtained from the differentiation processing procedure ,
A first normalization processing procedure, wherein the first normalization processing means divides the original dictionary data by the first normalization coefficient to obtain first normalization data;
A differential normalization processing unit that obtains normalized differential data by dividing the differential value obtained in the first differential processing procedure by the first normalization coefficient ;
A step function group generating means for expressing the first normalized data by a step function group and an index sequence ;
A second differential processing procedure in which a second differential processing means performs differential processing on the input data;
Second normalization coefficient calculation means for calculating a second normalization coefficient by calculating a square root of the sum of squares of the differential values obtained from the second differential processing procedure. Processing procedure and
A second normalization processing procedure, wherein the second normalization processing means divides the input data by the second normalization coefficient to obtain the second normalization data ;
A pattern matching method, wherein the similarity calculation means includes a similarity calculation procedure for calculating a similarity using the step function group, the index sequence, and the second normalized data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006135848A JP4718370B2 (en) | 2006-05-15 | 2006-05-15 | Pattern matching apparatus, pattern matching method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006135848A JP4718370B2 (en) | 2006-05-15 | 2006-05-15 | Pattern matching apparatus, pattern matching method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2007305085A JP2007305085A (en) | 2007-11-22 |
| JP4718370B2 true JP4718370B2 (en) | 2011-07-06 |
Family
ID=38838925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006135848A Expired - Fee Related JP4718370B2 (en) | 2006-05-15 | 2006-05-15 | Pattern matching apparatus, pattern matching method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4718370B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016009381A (en) * | 2014-06-25 | 2016-01-18 | 日本電信電話株式会社 | Differential correlation coefficient estimation method and device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0528273A (en) * | 1991-05-13 | 1993-02-05 | Nikon Corp | Method and device for processing picture |
| JPH11185039A (en) * | 1997-12-24 | 1999-07-09 | Tani Denki Kogyo Kk | Image recognition based measuring method and recording medium |
| JPH11328311A (en) * | 1997-08-06 | 1999-11-30 | Nippon Telegr & Teleph Corp <Ntt> | Method for extracting pattern in image, method for recognizing pattern in image, method for deciding image abnormality, and storage medium |
| JP2007305084A (en) * | 2006-05-15 | 2007-11-22 | Nippon Telegr & Teleph Corp <Ntt> | Apparatus and method for similarity calculation, and program |
-
2006
- 2006-05-15 JP JP2006135848A patent/JP4718370B2/en not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0528273A (en) * | 1991-05-13 | 1993-02-05 | Nikon Corp | Method and device for processing picture |
| JPH11328311A (en) * | 1997-08-06 | 1999-11-30 | Nippon Telegr & Teleph Corp <Ntt> | Method for extracting pattern in image, method for recognizing pattern in image, method for deciding image abnormality, and storage medium |
| JPH11185039A (en) * | 1997-12-24 | 1999-07-09 | Tani Denki Kogyo Kk | Image recognition based measuring method and recording medium |
| JP2007305084A (en) * | 2006-05-15 | 2007-11-22 | Nippon Telegr & Teleph Corp <Ntt> | Apparatus and method for similarity calculation, and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2007305085A (en) | 2007-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6843086B2 (en) | Image processing systems, methods for performing multi-label semantic edge detection in images, and non-temporary computer-readable storage media | |
| CN110738207B (en) | Character detection method for fusing character area edge information in character image | |
| CN109583483B (en) | Target detection method and system based on convolutional neural network | |
| JP2010093466A (en) | Information extraction device, information extracting method, program, and recording medium | |
| CN111784564B (en) | Automatic image matting method and system | |
| JP2007164453A5 (en) | ||
| WO2023050651A1 (en) | Semantic image segmentation method and apparatus, and device and storage medium | |
| US20130077856A1 (en) | Processes and systems for training machine typesets for character recognition | |
| US20220398737A1 (en) | Medical image segmentation method based on u-network | |
| KR102195826B1 (en) | Keypoint identification | |
| JP5704909B2 (en) | Attention area detection method, attention area detection apparatus, and program | |
| Widiarti | Comparing Hilditch, Rosenfeld, Zhang-Suen, and Nagendraprasad-Wang-Gupta Thinning | |
| CN103927533B (en) | The intelligent processing method of graph text information in a kind of scanned document for earlier patents | |
| JP2004363786A (en) | Image processor | |
| JP2020047010A (en) | Information estimation device and information estimation method | |
| JP4718370B2 (en) | Pattern matching apparatus, pattern matching method and program | |
| JP4706764B2 (en) | Image processing apparatus and image processing program | |
| JP4520962B2 (en) | Similarity calculation device and similarity calculation program | |
| CN115909079A (en) | Crack detection method combining depth feature and self-attention model and related equipment | |
| CN115457044A (en) | Pavement crack segmentation method based on class activation mapping | |
| JP7428870B2 (en) | Tire wear degree estimation device, tire wear degree learning device, tire wear degree estimation method, learned model generation method and program | |
| JP4963824B2 (en) | Change area extraction apparatus and change area extraction method | |
| JP6613625B2 (en) | Image processing program, image processing apparatus, and image processing method | |
| JP2008250886A (en) | Manifold self-organizing device, manifold self-organizing method and manifold self- organizing program | |
| CN116681686A (en) | Metal plate surface defect detection method based on improved Faster R-CNN algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080904 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20090604 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20100519 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101227 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110111 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110311 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110329 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110331 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140408 Year of fee payment: 3 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |