JP4968075B2 - パターン認識装置、パターン認識方法、およびパターン認識プログラム - Google Patents

パターン認識装置、パターン認識方法、およびパターン認識プログラム Download PDF

Info

Publication number
JP4968075B2
JP4968075B2 JP2007547892A JP2007547892A JP4968075B2 JP 4968075 B2 JP4968075 B2 JP 4968075B2 JP 2007547892 A JP2007547892 A JP 2007547892A JP 2007547892 A JP2007547892 A JP 2007547892A JP 4968075 B2 JP4968075 B2 JP 4968075B2
Authority
JP
Japan
Prior art keywords
image
cumulative histogram
pixels
cumulative
reference image
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
Application number
JP2007547892A
Other languages
English (en)
Other versions
JPWO2007063705A1 (ja
Inventor
勝彦 高橋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2007547892A priority Critical patent/JP4968075B2/ja
Publication of JPWO2007063705A1 publication Critical patent/JPWO2007063705A1/ja
Application granted granted Critical
Publication of JP4968075B2 publication Critical patent/JP4968075B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/16Image preprocessing
    • G06V30/162Quantising the image signal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/18Extraction of features or characteristics of the image
    • G06V30/18086Extraction of features or characteristics of the image by performing operations within image blocks or by using histograms
    • G06V30/18095Summing image-intensity values; Projection and histogram analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)

Description

本発明は、参照画像と照合することにより濃淡画像のパターン認識を行うパターン認識装置、パターン認識方法、およびパターン認識プログラムに関する。
濃淡画像と2値の階調の参照画像とを照合する方法として、濃淡画像を何らかの2値化アルゴリズムによって1度だけ2値化し、2値パターン同士でテンプレートマッチングを行う方法がある。2値化するためのアルゴリズムの例として、固定閾値法、pタイル法、大津の2値化法(判別分析法)がよく知られている。これら方法は、2値化操作を1度しか行わないので比較的高速であるという利点がある。ただし、2値化アルゴリズムにおいては、入力濃淡画像に対してそれぞれ固有の前提条件が仮定されるため、限定された場合にのみ良好な結果が得られる。
例えば、固定閾値法においては、認識対象物の領域がもつ濃度値とそれ以外の領域がもつ濃度値が常に安定した値(2値化閾値と呼ばれる)で分離できることが前提条件として仮定される。よって、照明強度の変化により入力濃淡画像の画素値が全体的に上下するような画像では、最適な2値化閾値が上下するので、固定閾値法は適さない。
pタイル法においては、画像全体に対する画素値分布のうち上位もしくは下位pパーセントの画素によって形成される領域が認識対象に対応することが前提とされる。例えば入力濃淡画像中において認識対象の大きさが変化する場合には、前提条件が満たされなくなるため、pタイル法は適さない。
大津の2値化法においては、画像全体における画素値のヒストグラムが双峰形であることが仮定される。しかし、入力画像中に3種類以上の物体が含まれる場合には、ヒストグラムが双峰形でない場合が非常に多く、大津の2値化法は適さない。
上記諸方法よりも前提条件がよりゆるい方法が提案されている。この方法では、入力濃淡画像が複数の異なる閾値でそれぞれ2値化され、それぞれの入力2値画像と参照画像との比較結果から最終的な出力が選択される。
例えば、特開平8−287246号公報(段落[0013]−[0028]及び図1参照)に記載の方法においては、pタイル法をはじめとする複数の閾値設定法によって複数の2値画像が生成され、それぞれに対する文字認識評価値に基づいて最も評価値が高かった結果が選択される。
特開平8−077300号公報(段落[0007]−[0022]及び図1参照)に記載の文字認識装置においては、文字認識の確信度が所定の閾値を超えるまで2値化閾値が微小量だけ初期値から自動的に増減され、試行錯誤が繰り返されることにより結果が得られる。
また、次のような方法(2値化画像総あたり法という)が考えられる。この方法においては、設定可能な種々の2値化閾値が仮定され、それぞれの2値化閾値に基づく2値画像が生成される。これらの2値画像と参照画像との距離が計算され、距離値が最小となる認識結果が採用される。この2値画像生成総あたり法によれば、入力濃淡画像の性質にかかわらず、入力濃淡画像が参照画像に最適に適合されることが可能なので、上記の従来技術と比べてもっとも高い認識精度を実現することができる。
特開2004−180000には、濃淡画像を高精度に自動2値化することを目的とした画像の2値化方法が記載されている。
特開2000−40153には、罫線や文字が近傍の背景色とは異なった濃度であることを利用し、罫線、文字や背景にどのような色が使われていても、文字や罫線を鮮明に表現した二値画像を提供できることを目的とした画像処理方法が記載されている。
2値画像生成総あたり法は、入力濃淡画像の性質にかかわらず入力濃淡画像が参照画像に最適に適合されることができる。しかし、設定した2値化閾値の数と同じ回数、2値化処理および距離計算処理を繰り返し実行しなければならないため、非常に多くの処理時間を要するという問題がある。
本発明は、上記の課題を解決するための発明であって、2値画像生成総あたり法と同等の結果を、より高速に求めることが可能なパターン認識装置、パターン認識方法、およびパターン認識プログラムを提供することを目的とする。
本発明によるパターン認識装置は、高濃度領域と低濃度領域とを有する2値化された画像である参照画像と前記参照画像と照合される入力濃淡画像とを記憶する記憶部と、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する累積ヒストグラムを抽出する第1の累積ヒストグラム抽出部と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する累積ヒストグラムを抽出する第2の累積ヒストグラム抽出部と、第1の累積ヒストグラム抽出部が抽出した累積ヒストグラムと、第2の累積ヒストグラム抽出部が抽出した累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合部とを有することを特徴とする。
そのような構成によって、入力濃淡画像と参照画像を最適に適合させた場合の距離値に基づいてパターン認識処理が実行できる原理を、図12を参照して説明する。図12は、パターン認識の実行処理に用いる濃度ヒストグラム(横軸が濃度を示し、縦軸が画素数を示すグラフ)を示す説明図である。図12(a)には、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像中の画素に対する濃度ヒストグラム1201が示され、図12(b)には、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像中の画素に対する濃度ヒストグラム1202が示されている。2値化するため、2値化閾値1203を設定した場合、濃度ヒストグラム1201において、2値化閾値1203よりも濃度値の低い低濃度領域1204と、濃度ヒストグラム1202において、2値化閾値1203よりも濃度値の高い高濃度領域1205とを有している。
今、入力濃淡画像を2値化閾値1203で2値化した2値画像と参照画像との市街地距離を求めることを考える。市街地距離は、(A1)式で表されるミンコフスキー計量(Minkowski metric)の式においてk=1とした場合の距離である。
Figure 0004968075
ここで、ai、biは、それぞれ、濃淡画像を仮の2値化閾値1203で2値化した2値画像の各画素の値および参照画像の各画素の値を示し、dは画素数を示す。また、濃淡画像中で2値化閾値1203以上だった画素に画素値1を、2値化閾値1203未満だった画素に画素値0を割り当てたとすると、ai、biの値はそれぞれ0もしくは1なので、|ai−bi|の値は、
ケース1: ai=0、bi=0 の場合 |ai−bi|=0
ケース2: ai=0、bi=1 の場合 |ai−bi|=1
ケース3: ai=1、bi=0 の場合 |ai−bi|=1
ケース4: ai=1、bi=1 の場合 |ai−bi|=0
の4通りのいずれかになる。ここで|ai−bi|=1であるケース2,3に着目する。
市街地距離は、参照画像と2値入力画像の対応づけられた画素対の値に基づいて、(参照画像上で高濃度領域 かつ 2値画像上で画素値0)である画素対の数+(参照画像上で低濃度領域 かつ 2値画像上で画素値1)である画素対の数の値と等しくなる。第1項は低濃度領域1204の面積の値に等しく、第2項は高濃度領域1205の面積の値に等しい。
そして、本発明における第1の累積ヒストグラムおよび第2の累積ヒストグラムは、それぞれ2値化閾値1203を種々の値に仮定した場合の低濃度領域1204および高濃度領域1205の面積に相当する。また、これらを加算して得られる加算累積ヒストグラムの最小値は、(A1)式から、濃淡画像を仮想的に2値化した2値画像と参照画像との市街地距離の最小値に等しい。よって、加算累積ヒストグラムの最小値を選択することによって、入力画像の性質にかかわらず、濃淡画像を参照画像に最適に対応させた場合の市街地距離が得られるので、これに基づいて判定を行うことができる。
また、入力濃淡画像を実際に2値化して2値画像を作成することなく、仮想的2値画像と参照画像との市街地距離を算出することができるので、2値化処理および画像ベースでの距離計算処理は不要であり、2値画像生成総あたり法よりも高速に認識処理を行うことができる。
また、本発明によるパターン認識装置は、高濃度領域と低濃度領域とを有する2値化された参照画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶する記憶部と、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第1の累積ヒストグラム抽出部と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第2の累積ヒストグラム抽出部と、第1の累積ヒストグラム抽出部が抽出した累積ヒストグラムと、第2の累積ヒストグラム抽出部が抽出した累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合部とを有することを特徴とする。そのような構成によれば、画素毎にパターン認識における寄与度を変更することができる。
また、パターン認識装置において、参照画像は、非計算領域である第3の濃度領域を含み、第1の累積ヒストグラム抽出部と第2の累積ヒストグラム抽出部とは、第3の濃度領域に含まれる画素を累積ヒストグラムの抽出処理から除外してもよい。そのような構成によれば、パターン認識を行う上で有効でない画素位置の一致又は不一致による距離値への影響を排除することができる。
また、パターン認識装置において、入力濃淡画像から部分領域画像を設定する領域設定部と、領域設定部が設定した部分領域画像を、参照画像と同じ大きさに拡大・縮小(すなわちスケーリングによるズームインまたはズームアウト)する濃淡画像拡大縮小部とを備え、濃淡画像拡大縮小部は、拡大・縮小された部分領域画像を、参照画像と照合するための入力濃淡画像とすることが好ましい。このような構成によれば、参照画像に対応する領域が、入力された濃淡画像の一部である場合においても、当該参照画像に対応する領域を検出することができる。
本発明によるパターン認識方法は、高濃度領域と低濃度領域とを有する2値化された画像である参照画像と前記参照画像と照合される入力濃淡画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する累積ヒストグラムを抽出する第1の累積ヒストグラム抽出ステップと、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する累積ヒストグラムを抽出する第2の累積ヒストグラム抽出ステップと、第1の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムと、第2の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップとを含むことを特徴とする。
また、本発明によるパターン認識方法は、高濃度領域と低濃度領域とを有する2値化された画像である参照画像と参照画像と照合される入力濃淡画像と画素毎の重み値を有する重み画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第1の累積ヒストグラム抽出ステップと、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第2の累積ヒストグラム抽出ステップと、第1の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムと、第2の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップとを含むことを特徴とする。
また、パターン認識方法において、参照画像は、非計算領域である第3の濃度領域を含み、第1の累積ヒストグラム抽出ステップと第2の累積ヒストグラム抽出ステップでは、第3の濃度領域に含まれる画素を累積ヒストグラムの抽出処理から除外してもよい。
また、パターン認識方法において、入力濃淡画像から部分領域画像を設定する領域設定ステップと、領域設定ステップで設定された部分領域画像を、参照画像と同じ大きさに拡大・縮小し、濃淡画像拡大縮小ステップとを含み、濃淡画像拡大縮小ステップで、拡大・縮小された部分領域画像を、参照画像と照合するための入力濃淡画像とすることが好ましい。
本発明によるパターン認識プログラムは、高濃度領域と低濃度領域とを有する2値化された画像である参照画像と前記参照画像と照合される入力濃淡画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する累積ヒストグラムを抽出する第1の累積ヒストグラム抽出処理と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する累積ヒストグラムを抽出する第2の累積ヒストグラム抽出処理と、第1の累積ヒストグラム抽出処理で抽出された累積ヒストグラムと、第2の累積ヒストグラム抽出処理で抽出された累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算処理と、累積ヒストグラム加算処理で求められた加算累積ヒストグラムの最小値を、参照画像と入力濃淡画像との距離値とし、所定の閾値と比較することによりパターン照合するパターン照合処理とをコンピュータに実行させる。
また、本発明によるパターン認識プログラムは、高濃度領域と低濃度領域とを有する2値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第1の累積ヒストグラム抽出処理と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第2の累積ヒストグラム抽出処理と、第1の累積ヒストグラム抽出処理で抽出された累積ヒストグラムと、第2の累積ヒストグラム抽出処理で抽出された累積ヒストグラムとを加算して加算累積ヒストグラムを求める累積ヒストグラム加算処理と、累積ヒストグラム加算処理で求められた加算累積ヒストグラムの最小値を、参照画像と入力濃淡画像との距離値とし、所定の閾値と比較することによりパターン照合するパターン照合処理とをコンピュータに実行させる。
また、参照画像は、非計算領域である第3の濃度領域を含み、パターン認識プログラムは、コンピュータに、第1の累積ヒストグラム抽出処理と第2の累積ヒストグラム抽出処理では、第3の濃度領域に含まれる画素を累積ヒストグラムの抽出処理から除外させるものであってもよい。
また、パターン認識プログラムは、コンピュータに、入力濃淡画像から部分領域画像を設定する領域設定処理と、領域設定処理が設定した部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小処理とを実行させ、パターン照合処理で、拡大・縮小された部分領域画像を前記参照画像と照合させるように構成されていてもよい。
本発明によれば、2値画像生成総あたり法と等しい照合精度を保ったまま、より高速に入力濃淡画像を2値の参照画像に最適に適合させてパターン認識を行うことができる。すなわち、異なる閾値で繰り返し2値化処理および距離計算処理を行う必要がないので、2値画像生成総あたり法と同等の結果を、より高速に求めることができる。
本発明によるパターン認識装置の第1の実施の形態の構成を示すブロック図である。 パターン認識装置が行う処理過程の一例を示すフローチャートである。 入力濃淡画像の一例を示す説明図である。 パターン認識に用いる画像の一例を示す説明図である。 Hf(i)の一例を示す説明図である。 Hb(i)の一例を示す説明図である。 Af(i)の一例を示す説明図である。 Ab(i)の一例を示す説明図である。 At(i)の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 3値画像である参照画像の一例を示す説明図である。 3値画像である参照画像の他の例を示す説明図である。 本発明によるパターン認識装置の第2の実施の形態の構成を示すブロック図である。 パターン認識の実行処理に用いる濃度ヒストグラムを示す説明図である。 本発明によるパターン認識装置の第3の実施の形態の構成成を示すブロック図である。 パターン認識装置が行う処理過程の一例を示すフローチャートである。
実施の形態1.
以下、本発明の第1の実施の形態を図面を参照して説明する。図1は、本発明によるパターン認識装置の第1の実施の形態の構成を示すブロック図である。図1に示すように、パターン認識装置は、第1の累積ヒストグラム抽出部103と、第2の累積ヒストグラム抽出部104と、累積ヒストグラム加算部105と、パターン照合部106とを含む。
パターン認識装置は、具体的には、ワークステーションやパーソナルコンピュータに例示される情報処理装置によって実現される。本実施の形態において、入力濃淡画像101は、画像入力部から入力され、画像記憶部に記憶される。2値で表現された参照画像102は、例えば、画像入力部から入力され、参照画像記憶部に記憶されている。第1の累積ヒストグラム抽出部103、第2の累積ヒストグラム抽出部104、累積ヒストグラム加算部105、およびパターン照合部106は、パターン認識装置の制御部によって実現される。制御部は、具体的には、プログラムに従って動作する情報制御装置のCPUによって実現される。
入力濃淡画像101は、濃淡表現された認識対象の画像である。入力濃淡画像101の縦横サイズは、参照画像102の縦横サイズと同一である。図3は、入力濃淡画像の一例を示す説明図である。図3に示す入力濃淡画像においては、白地の背景301に灰色の円302が描かれ、その円302の中に文字「a」303が描かれている。図3において、より色の濃い部分ほど濃度値が大きい。つまり各領域の濃度値は、背景301<円302<文字「a」303である。濃淡値の取りうる範囲は、例えば0〜255に設定される。参照画像102は、2値画像である。参照画像102の高輝度領域の画素は、属性値“1”を、参照画像102の低輝度領域の画素は、属性値“2”を、画素値として持つ。
図4は、パターン認識に用いる画像の一例を示す説明図である。文字「a」が、参照画像として示されている。図3に示すような入力濃淡画像をパターン認識する場合には、高濃度領域401に属性値“1”が、低濃度領域402に属性値“2”が割り当てられる。
第1の累積ヒストグラム抽出部103は、入力濃淡画像101と参照画像102を照合したときに、参照画像上で属性値1を持つ画素に対応づけられた濃淡画像中の画素に対し、濃度値がi未満である画素の数を示す第1の累積ヒストグラムAf(i)を生成する。すなわち、Af(i)は、参照画像上で属性値1を持つ画素に対応づけされた濃淡画像中の画素のうち濃度値がiである画素数をHf(i)で表すと、
Af(i)=Hf(0)+Hf(1)+……………+Hf(i−1) … (1)
で表される。Af(i)は単調増加する関数である。
第2の累積ヒストグラム抽出部104は、参照画像102上で属性値2を持つ画素に対応する濃淡画像中の画素のうち、濃度値がi以上である画素の数を示す逆向きの第2の累積ヒストグラムAb(i)を生成する。すなわち、Ab(i)は、参照画像上で属性値2を持つ画素に対応する濃淡画像中の画素のうち、濃度値がiである画素数をHb(i)で表すと、
Ab(i)=Hb(255)+Hb(254)+……………+Hb(i) … (2)
で表される。Ab(i)は単調減少する関数である。
累積ヒストグラム加算部105は、第1の累積ヒストグラムAf(i)と第2の累積ヒストグラムAb(i)を、(3)式により加算し、加算累積ヒストグラムAt(i)を抽出する。
At(i)=Af(i)+Ab(i) … (3)
パターン照合部106は、At(i) {i=0,1,2,・・,255} の中から最小値を抽出し、その値が予め定めてある閾値Dthrよりも小さい場合に入力画像が参照画像の示す認識対象物であると判断する。
次に、パターン認識装置の動作について図面を参照しながら詳細に説明する。図2はパターン認識装置が行う処理過程の一例を示すフローチャートである。第1の累積ヒストグラム抽出部103は、入力濃淡画像101および参照画像102から第1の累積ヒストグラムを抽出する。第2の累積ヒストグラム抽出部104は、入力濃淡画像101および参照画像102から第2の累積ヒストグラムを抽出する(ステップS201)。その処理の一例を図3から図6を参照して詳細に説明する。
図5A、5Bは、それぞれHf(i)およびHb(i)の一例を示す説明図である。図5Aと図5Bには、図3に示す入力濃淡画像101と図4に示す参照画像102とを照合した場合のHf(i)501とHb(i)502の例がそれぞれ示されている。高濃度領域401には、文字「a」303の大部分が対応するので、Hf(i)501において、高い濃度値の領域に高い度数(多い画素数)が集中する。一方、低濃度領域402には、背景301と円302の大部分が対応するので、Hb(i)502の分布は、低濃度から中濃度域にかけての領域に2つのピークをもつ。
図6A、6Bは、それぞれAf(i)およびAb(i)の一例を示す説明図である。図6Aには、Hf(i)501に基づいて抽出され、(1)式のAf(i)である第1の累積ヒストグラム601が示され、図6Bには、Hb(i)502に基づいて抽出され、(2)式のAb(i)である第2の累積ヒストグラム602が示されている。第1の累積ヒストグラム601は、濃度値i未満の画素数を示すので単調に増加するヒストグラム形状となる。一方、第2の累積ヒストグラム602は、濃度値i以上の画素数を示すので単調に減少するヒストグラム形状となる。
累積ヒストグラム加算部105は、第1の累積ヒストグラム601と第2の累積ヒストグラム602を加算し、加算累積ヒストグラム701を生成する(ステップS202)。
図7は、At(i)の一例を示す説明図である。図7には、第1の累積ヒストグラム601および第2の累積ヒストグラム602を加算することによって算出される(3)式のAt(i)である加算累積ヒストグラムが示されている。
パターン照合部106は、加算累積ヒストグラム701を用いてパターン照合を行う(ステップS203)。すなわち、パターン照合部106は、加算累積ヒストグラム701における最小値を抽出して予め定めてある閾値Dthrと比較し、加算累積ヒストグラム701における最小値が、閾値Dthr以下であれば入力画像が認識対象物であると判定する。逆に、加算累積ヒストグラム701の最小値が閾値Dthrより大きければ入力画像は認識対象物でないと判定する。図7に示される例では、加算累積ヒストグラム701における最小値は、加算累積ヒストグラム最小値702であり、閾値703以下なので、パターン照合部106は、入力濃淡画像101を認識対象物であると判断する。
認識対象を含まない入力画像が入力された場合の例を、図8A〜Eを用いて詳細に説明する。図8A〜Eは、入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。図8Aには、入力濃淡画像801が示され、図8Bには、参照画像802が示されている。入力濃淡画像801には、画像全体において画素値がおおむね均一な画像が示されている。図8Cには、第1の累積ヒストグラム803が示され、図8Dには、第2の累積ヒストグラム804が示されている。また、図8Eには、加算累積ヒストグラム805が示されている。入力濃淡画像801と参照画像802に対して、第1の累積ヒストグラム803、第2の累積ヒストグラム804、加算累積ヒストグラム805がそれぞれ得られる。そして、加算累積ヒストグラム805における最小値である加算累積ヒストグラム最小値806は閾値807よりも大きいので、入力画像は、認識対象物でないと判定される。
以上のように、累積加算ヒストグラムにおける最小値を閾値Dthrと比較することにより、入力画像が認識対象物であるか否かを判定することができる。
また、上記実施例では、参照画像を画像形式としたが、等価な情報を表現できさえすれば画像形式でなくともよい。例えば、属性値“1”を有する画素位置を列挙したデータなどでもよい。
また、上記実施例では、参照画像は属性値“1”の画素および属性値“2”の画素からなる2値画像であるとしたが、非計算領域を示す第3の属性値を含む3値画像であっても構わない。3値画像の一例を図9、図10に示す。
図9は、3値画像である参照画像の一例を示す説明図である。図9に示すように、参照画像は、属性値“1”を持つ高濃度領域901と属性値“2”を持つ低濃度領域902の境界付近に第3の属性値を持つ第3領域903を有する。第1の累積ヒストグラム抽出部103および第2の累積ヒストグラム抽出部104は、第3領域903に含まれる画素をヒストグラム生成の対象に含めない。すなわち、第1の累積ヒストグラム抽出部103と第2の累積ヒストグラム抽出部104とは、第3領域903に含まれる画素を累積ヒストグラムの抽出処理から除外する。このような参照画像を用いると、第3の属性値を持つ領域はヒストグラム計算に考慮されないため、入力濃淡画像と参照画像の位置が上下左右に僅かにずれている場合でも、ずれによる加算累積ヒストグラム値への影響を低減することができ、2値参照画像を用いる場合に比べ位置ずれに対して頑健なパターン認識装置を構成することができる。
図10は、3値画像である参照画像の他の例を示す説明図である。図10には、数字「1」の縦棒の上端から右側に伸びる短い棒であるかぎ部にのみ第3の属性値を持つ第3領域1001を有する3値参照画像が示されている。かぎ部を有する「1」と、かぎ部を有さない「1」との両方に対応した参照画像とすることができる。
また、3値参照画像は、図9,図10の例のように3値のいずれかを画素値として持つ参照画像が基本的な表現形態であるが、2値参照画像と、非計算領域のみを示す別の2値画像との2つの画像を用いて表現した場合も同じ効果を得ることができるので、ここでは、そのような実現形態も含めて3値参照画像とよぶ。
実施の形態2.
次に、本発明の第2の実施の形態を図面を参照して説明する。図11は、本発明によるパターン認識装置の第2の実施の形態の構成を示すブロック図である。図11に示すように、パターン認識装置は、入力濃淡画像1101と、2値で表現された参照画像1102と、第1の累積ヒストグラム抽出部1103と、第2の累積ヒストグラム抽出部1104と、累積ヒストグラム加算部1105と、パターン照合部1106とを含む。第1の累積ヒストグラム抽出部1103、第2の累積ヒストグラム抽出部1104、累積ヒストグラム加算部1105、およびパターン照合部1106は、例えば、実施の形態1と同様のパターン認識装置の制御部によって実現される。本実施の形態では画素毎の重要度を示す重み画像1107が参照される点が、図1に示されたパターン認識装置の場合と相異している。重み画像1107は、例えば、画像入力部から入力され、重み画像記憶部に記憶されている。
以下、重み画像1107、第1の累積ヒストグラム抽出部1103、および第2の累積ヒストグラム抽出部1104の機能について、第1の実施の形態と異なる機能を中心に説明する。
画素毎の重要度を示す重み画像1107は、各画素がパターンを認識する上でどの程度重要かを数値的に表す画像であり、入力濃淡画像1101および参照画像1102と等しい縦横サイズを持つ画像である。例えば、各画素を等しく認識に寄与させる場合にはすべての画素値を1とすればよい。また、文字“e”と、それと類似した文字であるウムラウト付き“e”との相異を際立たせたパターン認識装置を構成したい場合には、ウムラウト記号のある上部の画素値を他の部分よりも大きく設定すればよい。
第1の累積ヒストグラム抽出部1103は、入力濃淡画像1101と参照画像1102と重み画像1107との各画素を対応づけ、参照画像上の高濃度領域の画素に対応づけられた濃淡画像中の画素のうち、濃度値がi未満である画素に対応づけられた重み画像の画素値の総和を第1の累積ヒストグラムAf(i)として抽出する。すなわち、Af(i)は以下の式によって与えられる。
Figure 0004968075
この式において、D(x,y)は座標(x,y)における参照画像の画素値、I(x,y)は、座標(x,y)における入力濃淡画像の画素値、W(x,y)は、座標(x,y)における重み画像の画素値、δf(D(x,y),I(x,y),i)は、参照画像の画素値D(x,y)が高濃度領域を示す画素値であり、且つ入力濃淡画像の画素値I(x,y)がi未満である場合のみ値1を返し、それ以外の場合は値0を返す関数である。
同様に、第2の累積ヒストグラム抽出部1104は、入力濃淡画像1101と参照画像1102と重み画像1107との各画素を対応づけ、参照画像上の低濃度領域の画素に対応づけられた濃淡画像中の画素のうち、濃度値がi以上である画素に対づけられた重み画像の画素値の総和を第2の累積ヒストグラムAb(i)として抽出する。すなわち、Ab(i)は以下の式によって与えられる。
Figure 0004968075
この式において、δb(D(x,y),I(x,y),i)は、参照画像の画素値D(x,y)が低濃度領域を示す画素値をとり、且つ入力濃淡画像の画素値I(x,y)が値i以上である場合のみ値1を返し、それ以外の場合は値0を返す関数である。
累積ヒストグラム加算部1105は、第1の累積ヒストグラムAf(i)と第2の累積ヒストグラムAb(i)を(4),(5)式により加算し、(3)式により、加算累積ヒストグラムAt(i)を抽出する。
パターン照合部1106は、At(i) {i=0,1,2,・・,255} の中から最小値を抽出し、その値が予め定めてある閾値Dthrよりも小さい場合に入力画像が参照画像の示す認識対象物であると判断する。
本実施の形態のパターン認識装置の動作は、第1の実施の形態のパターン認識装置の動作と同様であり、本実施の形態のパターン認識装置の動作を、図2を参照して説明する。第1の累積ヒストグラム抽出部1103および第2の累積ヒストグラム抽出部1104は、図2に示すように、入力濃淡画像1101、参照画像1102、および重み画像1107から第1の累積ヒストグラムおよび第2の累積ヒストグラムを抽出する(ステップS201)。累積ヒストグラム加算部1105は、第1の累積ヒストグラムと第2の累積ヒストグラムを加算し、加算累積ヒストグラムを生成する(ステップS202)。パターン照合部1106は、加算累積ヒストグラムを用いてパターン照合を行う(ステップS203)。
本実施の形態においては、第1の累積ヒストグラムと第2の累積ヒストグラムを抽出する際に、重み画像1107の画素値が考慮されいる。いわゆる重み付きの市街地距離の最小値によって、パターン認識を判断していると捉えることができる。
本実施の形態においては、第1の実施の形態に比べると、パターンを認識する上で比較的重要度の高い入力画像の画素が、より参照画像の画素に整合するような閾値において、加算累積ヒストグラムの最小値が出現する傾向性を有するパターン認識が実現される。
実施の形態3.
次に、本発明の第3の実施の形態を図面を参照して説明する。図13は、本発明によるパターン認識装置の第3の実施の形態の構成を示すブロック図である。図13に示すように、本実施の形態のパターン認識装置では、図1に示されたパターン認識装置の場合とは異なり、第1の累積ヒストグラム抽出部1303が、入力濃淡画像ではなく、濃淡画像拡大縮小部1309が出力する画像を入力する。また、パターン認識装置は、濃淡表現された元画像1307中から複数の部分領域を設定する領域設定部1308と、領域設定部が設定した各部分領域画像を参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小部1309とを更に備える。領域設定部1308、濃淡画像拡大縮小部1309、第1の累積ヒストグラム抽出部1303、第2の累積ヒストグラム抽出部1304、累積ヒストグラム加算部1305、およびパターン照合部1306は、例えば、実施の形態1と同様のパターン認識装置の制御部によって実現される。
元画像1307は、濃淡表現された認識対象の画像である。元画像1307の大きさは、参照画像1302と異なってもよい。例えば、参照画像1302が、図4に示すような1文字を表現するような場合、元画像1307は、文字が記載されている帳票の全面を撮像した濃淡画像でもよい。また、参照画像1302が、1つの道路標識を示す場合、元画像1307は道路風景をとらえた画像などでもよい。
領域設定部1308は、元画像1307中から予め定めた条件を満たす種々の領域の範囲を設定する。予め定めた条件とは、例えば、領域の縦横サイズを限定するルール、または高度な識別関数などを用いて候補領域を絞り込むというルールである。
濃淡画像拡大縮小部1309は、領域設定部1308が設定した各部分領域画像を、参照画像1302と同じ大きさに拡大・縮小する。なお、拡大する場合は、画素を、ニアレストネイバー法や双1次補間法、バイキュービック法などの手法によって補完する。
次に、パターン認識装置の動作について図面を参照して詳細に説明する。図14は、パターン認識装置が行う処理過程の一例を示すフローチャートである。まず、領域設定部1308は、元画像から処理対象の領域を1つ設定する(ステップS1401)。次に、濃淡画像拡大縮小部1309は、設定された領域画像を参照画像と同じサイズになるように拡大・縮小を行う(ステップS1402)。第1の累積ヒストグラム抽出部1303、第2の累積ヒストグラム抽出部1304、累積ヒストグラム加算部1305およびパターン照合部1306によるステップS1403からステップS1405の処理は、第1の累積ヒストグラム抽出部103、第2の累積ヒストグラム抽出部104、累積ヒストグラム加算部105およびパターン照合部106による図2に示されたステップS201からステップS203の処理と同様である。
1つの領域に対してステップS1405のパターン照合処理が終了したら、パターン認識装置の制御部は、処理すべき他の領域がまだ残っているか否かを判断し、残っている場合にはステップS1401から処理を繰り返す。
本実施の形態によれば、元画像から一部の領域を設定して参照画像と同じサイズに変換してからパターン照合を行うことによって、元画像中の一部に認識対象物が存在する場合での該対象物を検出することができる。
また、濃淡画像拡大縮小部1309により、拡大・縮小処理をおこなうので、元画像1307中における認識対象物の大きさが、参照画像1302と異なる場合でも照合することができる。
なお、本実施の形態では、図1に示されたパターン認識装置に対して領域設定部1308および濃淡画像拡大縮小部1309を適用したが、図11に示されたパターン認識装置に対して領域設定部1308および濃淡画像拡大縮小部1309を適用してもよい。
以上の実施の形態に例示されるように、本発明は、パターン認識装置、パターン認識方法、およびパターン認識プログラムに適用可能である。

Claims (18)

  1. 高濃度領域と低濃度領域とを有する2値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像とを記憶する記憶部と、
    前記参照画像の前記高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する第1の累積ヒストグラムを抽出する第1の累積ヒストグラム抽出部と、
    前記参照画像の前記低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する第2の累積ヒストグラムを抽出する第2の累積ヒストグラム抽出部と、
    前記第1の累積ヒストグラムと前記第2の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、
    前記累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を抽出して予め定められた閾値と比較し、前記加算累積ヒストグラムの最小値が、前記閾値以下であれば前記入力濃淡画像が認識対象物であると判定するパターン照合部とを有する
    パターン認識装置。
  2. 前記参照画像は、非計算領域である第3の濃度領域を含み、
    前記第1の累積ヒストグラム抽出部は前記第3の濃度領域に含まれる画素を前記第1の累積ヒストグラムの抽出処理から除外し、
    前記第2の累積ヒストグラム抽出部は前記第3の濃度領域に含まれる画素を前記第2の累積ヒストグラムの抽出処理から除外する
    請求項1に記載のパターン認識装置。
  3. 元画像から部分領域画像を設定する領域設定部と、
    前記部分領域画像を、前記参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小部とを備え、
    前記濃淡画像拡大縮小部は、拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
    請求項1に記載のパターン認識装置。
  4. 高濃度領域と低濃度領域とを有する2値化された参照画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶する記憶部と、
    前記参照画像の前記高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた前記重み画像の画素の重み値を累積して第1の累積ヒストグラムを抽出する第1の累積ヒストグラム抽出部と、
    前記参照画像の前記低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた前記重み画像の画素の重み値を累積して第2の累積ヒストグラムを抽出する第2の累積ヒストグラム抽出部と、
    前記第1の累積ヒストグラムと前記第2の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、
    前記累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を抽出して予め定められた閾値と比較し、前記加算累積ヒストグラムの最小値が、前記閾値以下であれば前記入力濃淡画像が認識対象物であると判定するパターン照合部とを有する
    パターン認識装置。
  5. 前記参照画像は、非計算領域である第3の濃度領域を含み、
    前記第1の累積ヒストグラム抽出部は前記第3の濃度領域に含まれる画素を前記第1の累積ヒストグラムの抽出処理から除外し、
    前記第2の累積ヒストグラム抽出部は前記第3の濃度領域に含まれる画素を前記第2の累積ヒストグラムの抽出処理から除外する
    請求項4に記載のパターン認識装置。
  6. 元画像から部分領域画像を設定する領域設定部と、
    前記部分領域画像を、前記参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小部とを備え、
    前記濃淡画像拡大縮小部は、拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
    請求項4に記載のパターン認識装置。
  7. 高濃度領域と低濃度領域とを有する2値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像とを記憶するステップと、
    前記参照画像の前記高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する第1の累積ヒストグラムを抽出する第1の累積ヒストグラム抽出ステップと、
    前記参照画像の前記低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する第2の累積ヒストグラムを抽出する第2の累積ヒストグラム抽出ステップと、
    前記第1の累積ヒストグラムと前記第2の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を抽出して予め定められた閾値と比較し、前記加算累積ヒストグラムの最小値が、前記閾値以下であれば前記入力濃淡画像が認識対象物であると判定するパターン照合ステップとを含む
    パターン認識方法。
  8. 前記参照画像は、非計算領域である第3の濃度領域を含み、
    前記第1の累積ヒストグラム抽出ステップでは前記第3の濃度領域に含まれる画素は前記第1の累積ヒストグラムの抽出処理から除外され、
    前記第2の累積ヒストグラム抽出ステップでは前記第3の濃度領域に含まれる画素は前記第2の累積ヒストグラムの抽出処理から除外される
    請求項7に記載のパターン認識方法。
  9. 元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップとを含み、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
    請求項7に記載のパターン認識方法。
  10. 高濃度領域と低濃度領域とを有する2値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶するステップと、
    前記参照画像の高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた前記重み画像の画素の重み値を累積して第1の累積ヒストグラムを抽出する第1の累積ヒストグラム抽出ステップと、
    前記参照画像の低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた前記重み画像の画素の重み値を累積して第2の累積ヒストグラムを抽出する第2の累積ヒストグラム抽出ステップと、
    前記第1の累積ヒストグラムと前記第2の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を抽出して予め定められた閾値と比較し、前記加算累積ヒストグラムの最小値が、前記閾値以下であれば前記入力濃淡画像が認識対象物であると判定するパターン照合ステップとを含む
    パターン認識方法。
  11. 前記参照画像は、非計算領域である第3の濃度領域を含み、
    前記第1の累積ヒストグラム抽出ステップでは前記第3の濃度領域に含まれる画素は前記第1の累積ヒストグラムの抽出処理から除外され、
    前記第2の累積ヒストグラム抽出ステップでは前記第3の濃度領域に含まれる画素は前記第2の累積ヒストグラムの抽出処理から除外される
    請求項10に記載のパターン認識方法。
  12. 元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップとを含み、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
    請求項10に記載のパターン認識方法。
  13. 高濃度領域と低濃度領域とを有する2値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像とを記憶するステップと、
    前記参照画像の高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する第1の累積ヒストグラムを抽出する第1の累積ヒストグラム抽出ステップと、
    前記参照画像の低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する第2の累積ヒストグラムを抽出する第2の累積ヒストグラム抽出ステップと、
    前記第1の累積ヒストグラムと前記第2の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を抽出して予め定められた閾値と比較し、前記加算累積ヒストグラムの最小値が、前記閾値以下であれば前記入力濃淡画像が認識対象物であると判定するパターン照合ステップ
    とを具備する方法をコンピュータに実行させるためのパターン認識プログラム。
  14. 前記参照画像は、非計算領域である第3の濃度領域を含み、
    前記第1の累積ヒストグラム抽出ステップでは、前記第3の濃度領域に含まれる画素は前記第1の累積ヒストグラムの抽出処理から除外され、
    前記第2の累積ヒストグラム抽出ステップでは、前記第3の濃度領域に含まれる画素は前記第2の累積ヒストグラムの抽出処理から除外される
    請求項13に記載のパターン認識プログラム。
  15. 更に、元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップと、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合される入力濃淡画像に設定するステップ
    とを具備する方法をコンピュータに実行させる請求項13に記載のパターン認識プログラム。
  16. 高濃度領域と低濃度領域とを有する2値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶するステップと、
    前記参照画像の高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた前記重み画像の画素の重み値を累積して第1の累積ヒストグラムを抽出する第1の累積ヒストグラム抽出ステップと、
    前記参照画像の低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた前記重み画像の画素の重み値を累積して第2の累積ヒストグラムを抽出する第2の累積ヒストグラム抽出ステップと、
    前記第1の累積ヒストグラムと前記第2の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を抽出して予め定められた閾値と比較し、前記加算累積ヒストグラムの最小値が、前記閾値以下であれば前記入力濃淡画像が認識対象物であると判定するパターン照合処理
    とを具備する方法をコンピュータに実行させるためのパターン認識プログラム。
  17. 前記参照画像は、非計算領域である第3の濃度領域を含み、
    前記第1の累積ヒストグラム抽出ステップでは、前記第3の濃度領域に含まれる画素は前記第1の累積ヒストグラムの抽出処理から除外され、
    前記第2の累積ヒストグラム抽出ステップでは、前記第3の濃度領域に含まれる画素は前記第2の累積ヒストグラムの抽出処理から除外される
    請求項16に記載のパターン認識プログラム。
  18. 更に、元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップと、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合される入力濃淡画像に設定するステップ
    とを具備する方法をコンピュータに実行させる請求項16に記載のパターン認識プログラム。
JP2007547892A 2005-11-29 2006-11-15 パターン認識装置、パターン認識方法、およびパターン認識プログラム Expired - Fee Related JP4968075B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007547892A JP4968075B2 (ja) 2005-11-29 2006-11-15 パターン認識装置、パターン認識方法、およびパターン認識プログラム

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2005344233 2005-11-29
JP2005344233 2005-11-29
PCT/JP2006/322731 WO2007063705A1 (ja) 2005-11-29 2006-11-15 パターン認識装置、パターン認識方法、およびパターン認識プログラム
JP2007547892A JP4968075B2 (ja) 2005-11-29 2006-11-15 パターン認識装置、パターン認識方法、およびパターン認識プログラム

Publications (2)

Publication Number Publication Date
JPWO2007063705A1 JPWO2007063705A1 (ja) 2009-05-07
JP4968075B2 true JP4968075B2 (ja) 2012-07-04

Family

ID=38092040

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007547892A Expired - Fee Related JP4968075B2 (ja) 2005-11-29 2006-11-15 パターン認識装置、パターン認識方法、およびパターン認識プログラム

Country Status (5)

Country Link
US (1) US8014601B2 (ja)
EP (1) EP1956551B1 (ja)
JP (1) JP4968075B2 (ja)
DE (1) DE602006019481D1 (ja)
WO (1) WO2007063705A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8675998B2 (en) * 2007-12-06 2014-03-18 Mitsubishi Electric Corporation Method and apparatus for high frequency component smoothing, and image display apparatus
US8155442B2 (en) * 2008-02-04 2012-04-10 The Neat Company, Inc. Method and apparatus for modifying the histogram of an image
US8144986B2 (en) * 2008-09-05 2012-03-27 The Neat Company, Inc. Method and apparatus for binarization threshold calculation
JP2010191593A (ja) * 2009-02-17 2010-09-02 Honda Motor Co Ltd 対象物の位置検出装置及び位置検出方法
JP2010191590A (ja) * 2009-02-17 2010-09-02 Honda Motor Co Ltd 対象物の位置検出装置及び位置検出方法
US9053562B1 (en) 2010-06-24 2015-06-09 Gregory S. Rabin Two dimensional to three dimensional moving image converter
CN102375987B (zh) * 2010-08-17 2014-04-02 国基电子(上海)有限公司 图像处理设备及图像特征向量提取与图像匹配方法
WO2013105381A1 (ja) * 2012-01-10 2013-07-18 コニカミノルタ株式会社 画像処理方法、画像処理装置および画像処理プログラム
US9804839B2 (en) 2012-12-28 2017-10-31 Intel Corporation Instruction for determining histograms
US9992021B1 (en) 2013-03-14 2018-06-05 GoTenna, Inc. System and method for private and point-to-point communication between computing devices
JP6108220B2 (ja) * 2013-03-26 2017-04-05 ブラザー工業株式会社 画像処理装置、画像処理プログラム
JP6453618B2 (ja) 2014-11-12 2019-01-16 株式会社東芝 算出装置、方法及びプログラム
US10328855B2 (en) 2015-03-18 2019-06-25 Uber Technologies, Inc. Methods and systems for providing alerts to a connected vehicle driver and/or a passenger via condition detection and wireless communications
US9610893B2 (en) 2015-03-18 2017-04-04 Car1St Technologies, Llc Methods and systems for providing alerts to a driver of a vehicle via condition detection and wireless communications

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08287246A (ja) * 1995-04-12 1996-11-01 Kobe Steel Ltd 画像2値化処理装置
JP2000040153A (ja) * 1998-07-22 2000-02-08 Ricoh Co Ltd 画像処理方法、画像処理プログラムを記録した媒体及び画像処理装置
JP2001061065A (ja) * 1999-08-24 2001-03-06 Konica Corp 画像処理装置及び画像処理方法
JP2001266143A (ja) * 2000-03-17 2001-09-28 Nippon Telegr & Teleph Corp <Ntt> 図形抽出方法
JP2002279422A (ja) * 2001-03-19 2002-09-27 Seiko Epson Corp テンプレートマッチ判定装置、テンプレートマッチ判定プログラムおよびテンプレートマッチ判定方法
JP2002312795A (ja) * 2001-04-13 2002-10-25 Sony Corp 画像処理装置および画像処理方法、記録媒体、並びにプログラム
JP2004180000A (ja) * 2002-11-27 2004-06-24 Kansai Tlo Kk 画像の2値化装置および方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2940317B2 (ja) 1992-06-24 1999-08-25 三菱電機株式会社 画像処理装置
EP0811946A3 (en) * 1994-04-15 1998-01-14 Canon Kabushiki Kaisha Image pre-processor for character recognition system
JPH0877300A (ja) 1994-08-31 1996-03-22 Canon Inc 画像処理装置
US5835628A (en) * 1996-11-21 1998-11-10 Xerox Corporation Method and system for generating histograms from a scanned image

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08287246A (ja) * 1995-04-12 1996-11-01 Kobe Steel Ltd 画像2値化処理装置
JP2000040153A (ja) * 1998-07-22 2000-02-08 Ricoh Co Ltd 画像処理方法、画像処理プログラムを記録した媒体及び画像処理装置
JP2001061065A (ja) * 1999-08-24 2001-03-06 Konica Corp 画像処理装置及び画像処理方法
JP2001266143A (ja) * 2000-03-17 2001-09-28 Nippon Telegr & Teleph Corp <Ntt> 図形抽出方法
JP2002279422A (ja) * 2001-03-19 2002-09-27 Seiko Epson Corp テンプレートマッチ判定装置、テンプレートマッチ判定プログラムおよびテンプレートマッチ判定方法
JP2002312795A (ja) * 2001-04-13 2002-10-25 Sony Corp 画像処理装置および画像処理方法、記録媒体、並びにプログラム
JP2004180000A (ja) * 2002-11-27 2004-06-24 Kansai Tlo Kk 画像の2値化装置および方法

Also Published As

Publication number Publication date
EP1956551A4 (en) 2009-10-21
JPWO2007063705A1 (ja) 2009-05-07
US20090268964A1 (en) 2009-10-29
US8014601B2 (en) 2011-09-06
DE602006019481D1 (de) 2011-02-17
EP1956551A1 (en) 2008-08-13
WO2007063705A1 (ja) 2007-06-07
EP1956551B1 (en) 2011-01-05

Similar Documents

Publication Publication Date Title
JP4968075B2 (ja) パターン認識装置、パターン認識方法、およびパターン認識プログラム
JP3904840B2 (ja) 多値画像から罫線を抽出する罫線抽出装置
JP4744918B2 (ja) 顔検出方法および装置並びにプログラム
US20130011067A1 (en) Adaptive partial character recognition
JP6268023B2 (ja) 文字認識装置およびその文字切り出し方法
JP4522468B2 (ja) 画像判別装置、画像検索装置、画像検索プログラムおよび記録媒体
JP2008198157A (ja) 表認識プログラム、表認識方法および表認識装置
JP4100885B2 (ja) 帳票認識装置、方法、プログラムおよび記憶媒体
JP2005327242A (ja) 特定被写体検出装置
JP4300098B2 (ja) オブジェクト識別方法とその装置、プログラム及び記録媒体
JP2007102401A (ja) 顔向き特定方法、顔判別方法および装置並びにプログラム
JP4795864B2 (ja) 特徴点検出装置および方法並びにプログラム
JP4791295B2 (ja) 罫線抽出プログラム、罫線抽出装置、罫線抽出方法
CN110532938B (zh) 基于Faster-RCNN的纸质作业页码识别方法
JP5100688B2 (ja) 対象物検出装置及びプログラム
JP2011165170A (ja) 対象物検出装置及びプログラム
JP2011170890A (ja) 顔検出方法および装置並びにプログラム
JP3830350B2 (ja) カラー画像処理方法、カラー画像処理装置、プログラム、及び記録媒体
JP2011170554A (ja) 物体認識装置、物体認識方法及び物体認識プログラム
JP2009059047A (ja) 対象物検出装置、対象物検出方法、および対象物検出プログラム
JP5145862B2 (ja) 画像処理プログラムおよび画像処理装置
JP2002314790A (ja) カラー画像情報処理方法、該方法の実行に用いるプログラム、及びカラー画像情報処理装置
JP5419491B2 (ja) 文字認識装置及び文字認識方法
JP4594765B2 (ja) 文字認識装置、文字認識方法、及び文字認識プログラムの記録媒体
JP2006235817A (ja) 文字認識装置、文字認識方法、及び文字認識プログラムの記録媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20091027

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111219

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120215

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: 20120306

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: 20120319

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150413

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 4968075

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees