JPH02215276A - 画像領域分割装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、画像の文字や写真および網点の領域を判別し
各々の領域に合った処理を施すときに用いられる。具体
的には、画像蓄積装置や、ファクシミリに用いられる画
像領域分割装置に関するものである。

従来の技術 従来、文字、写真および網点の混在する画像から各領域
を判別し、分割する処理方式は各種提案されている。

ここで、従来方式の代表的なものを、第５図に基づいて
説明する。第５図において、３１は文字・写真および網
点混在画像の原画である。原画３１の画像データ３２は
、ｎ×ｍ　（ｎ、ｍは正の整数）画素からなるブロック
で、切取り手段３５によりｎ×ｍ画素３３として領域判
別手段３６に入力される。領域判別手段３６における領
域判別方法として、ブロック内のエツジ情報を求め、エ
ツジ情報の大小により判別を下す方法や、スレッショー
ルド値より大きい信号の連続性や、大小関係により求め
る方法がある。前期のような方法により判別された結果
を、信号３４として出力し、各ブロックの示す位置に画
像領域分割信号と格納すると、判別結果３７が生成でき
る。

発明が解決しようとする課題 しかし、前記のような従来技術においては、画像ブロッ
クごとに、予め定められた方法により領域判別が行なわ
れており、入力画像によって判別するブロックの大きさ
の調整ができず、最適化すすることができないという欠
点があった。

本発明は、入力画像によって判別ブロックの大きさが最
適化できない以上のような課題に鑑み、第一の目的とし
てブロックの大きさの最適化を行なうものである。また
、第二の目的としてブロック内で最適な領域判断をする
ために必要な画素をピックアップすること行なうもので
ある。

課題を解決するだめの手段 上記目的を達成するために、本発明の技術的解決手段は
、画像から設定されたｎとｍの二つの値に応じてｎ×ｍ
画素のブロックを画像全域にわたって順次切り出す手段
と、切り出されたブロック内から設定されたｋの値に応
じてに個の画素を出力する手段と、そのに個の画素を入
力する神経回路網模式手段と、前記神経回路網模式手段
による領域の判別結果と前記神経回路網模式手段に、ｎ
×ｍ画素から成る各ブロック内の文字・写真および網点
の領域の正確な判別信号との間で判定誤りを累計する手
段と、前記の誤りの累計が、任意の値よりも大きい場合
は、前記のブロックの切取り手段とブロック内から画素
を選択する手段に、ｎとｍおよびｋの値を順次増減して
伝える手段を具備したものである。

作用 本発明は、画像のｎ×ｍのブロック内のに個の画素と、
ｎ×ｍブロック内の文字・写真および網点の領域の正確
な判別信号を前記神経回路網模式手段に与え、画像全域
にわたって繰り返し学習した後に、再度、画像のｎ×ｍ
ブロック内のに個の画素を入力し、前記の学習に用いた
領域の判別信号との間で判別誤りを画像全域にわたって
累計して、その累計が、任意の値Ｂよりも大きい場合は
、ブロックの大きさｎ、ｍおよび画素数ｋを拡張させて
、上記の手順を繰り返し、判定誤りがＢを越えなくなる
まで行なう。これにより、画像に適応した領域分割処理
が実行できる。

実施例 以下に、図面を用いて本発明の一実施例を説明する。第
１図に本発明のブロック結線図を示す。

第１図の１は文字・写真および網点混在画像の原画を示
し、２は文字・写真および網点混在画像における原画１
の領域判別画像である。原画１の画像信号３から、設定
されたｎ、ｍの値７，８に基づき、ブロック切り出し手
段２ｏによりｎ×ｍのブロックで画像を切り出し、その
ブロックを入力として、設定されたｋの値９に基づき、
ｋ個を選択するブロック内信号選択手段２１によりに個
の信号１１が選択される。ｋは、 ｋ＝Ｆ　（ｎ、ｍ）　　　　　　　　　　　Ｑ）として
ｎ、ｍの関数としてあられせる。

ｋ個の信号１１は、神経回路網模式手段２２に領域判別
信号４とともに入力され、画像全域にわたって繰り返し
学習された後に、再度、画像全域にわたって信号１１を
前記神経回路網模式手段２２に入力し判別結果信号１２
と領域判別信号４とを比較し、信号６の誤り判定数を累
計器２３により累計する。累計の結果１３は、任意の値
１４と比較して、値１４よりも大きい場合は、ｎ、　　
ｍ、　　ｋの値７．　８．　９を大きくして再度学習か
ら実行する。前記の手順を繰り返することより、誤りの
累計の結果１３が、値１４よりも小さくなった時点で、
ｎ、　　ｍ、　　ｋの値を固定して領域の判別を神経回
路網模式手段２２で行なわせ、ブロックの位置に応じて
判別結果１２を格納すると、文字と写真および網点の領
域分割された画像データ１５が生成される。

第２図は、学習時のブロック結線図である。第２図にお
いて、１は文字・写真および網点混在画像の原画である
。２は原画１の正確な領域判別画像である。原画１は、
画像データ３としてブロック切り出し手段２０に入力さ
れる。ブロックの大きさは、設定値７，８の値ｎ、　　
ｍにより決められ、ｎ×ｍブロックで、画素数ｎ×ｍ個
の信号１０となる。ｎ×ｍ個の信号１０は、選択器２１
に入力され、設定値９の値ｋに基づいて、信号１０のう
ちに個を選択し、信号１１となる。ｎ×ｍブロック内か
らに個の選択方法は第４図に示す。信号１１は、神経回
路網模式手段２２に領域判別画像の信号４とともに入力
され、同手段２２内部で学習される。神経回路網模式手
段２２を第３図に示す。第３図に示すように、神経擬似
素子の組合わせにより構成されるが、具現化方法は、ハ
ードウェアまたは、ソフトウェアにてもできる。同模式
手段２２の学習は、既存の学習アルゴリズムを用いる。

たとえば、パックプロパゲーション学習剤（参考文献：
　Ｒａｎｍｅｌｈａｒｔ。

Ｄ、Ｅａｎｄ　ＭｃＣｌｅｌｌａｎｄ、　ｊ、　Ｌ　（
Ｅｄｓ）、　　＠Ｐａｒａｌｌｅｌ　Ｄｉｓｔｒｉｂｎ
ｔｅｄ　Ｐｒｏｃｅｓｓｉｎｇ　＃Ｍ　ＩＴＰｒｅｓｓ
　（１９８６）　：う７）ｌｋハートとマツフレランド
編二″′パラレル　デイストリビューティド　プロセッ
シングＭＩＴ出版１９８６年）により最急降下法にて最
適解を求める。

第３図は、神経擬似素子の構成を示す。神経擬似素子ｊ
は、入力Ｘｌ、　　ｘ＝・・・・・・ｘｉを内部状態を
示すパラメータＷＩＬ　　Ｗｌｊ・・・・・・・・・Ｗ
ｌｊとの積をとった結果を累積し、非線形の関数Ｆ（）
を施した結果ｙを出力するものである。

第４図は、ｎ×ｍブロック内からに個の選択の１例を示
す。第４図では、ｎ＝ｓ、ｍ＝６として、斜線を示した
部分が選択した画素である。第４図ｆａ）では、ｋは２
８、第４図（ｂ）テは、１６テある。

発明の効果 以上のように、本発明の効果としては、対象画像に応じ
て、その切り出しブロックの大きさの最適化と、ブロッ
ク内の選択画素を必要な個数に制限することができる。

【図面の簡単な説明】 第１図は本発明の一実施例における画像領域分割装置の
ブロック結線図、第２図は同装置における学習時の要部
ブロック結線図、第３図は同装置における要部神経擬似
素子のブロック構成図、第４図は同装置におけるｎ×ｍ
ブロック内のに個の画素選択の概念図、第５図は従来の
画像領域分割装置のブロック結線図である。 １・・・原画、２０・・・ブロック切り出し手段、２１
・・・選択器、２２・・・神経回路網模式手段、２３・
・・累計器、２４・・・比較器。 代理人の氏名　弁理士　粟　野　重　孝ほか１名第 図 （幻

Claims (4)

【特許請求の範囲】
1. （１）予め設定した第１、第２の値ｎ、ｍ（ｎ、ｍは正
   の整数）を用いてｎ×ｍ画素から成るブロックを画像の
   全域にわたって順次切り出す画像切り出し手段と、予め
   設定した第３の値ｋ（ｋは正の整数）個の画素を切り出
   されたブロック内から選択する選択手段と、前記ｋ個の
   画素を入力としてそのブロック内の写真や文字および網
   点の領域の判別を行なう神経回路網模式手段と、前記神
   経回路網模式手段に、各ブロック内の写真や文字および
   網点の領域の正確な信号を与えて学習させる学習手段と
   、前記神経回路網模式手段からの判別結果の良否を判別
   する判別手段と、良否判別を画像全域に累計して、その
   結果に基づいて前記の画像切り出し手段に設定されたｎ
   、ｍ、ｋの値を増減して判別を行い最適なブロックの大
   きさを決定する決定手段とを有する画像領域分割装置。
2. （２）第３の設定値ｋが第１、第２の設定値であるｎと
   ｍの関数であることを特徴とする請求項１記載の画像領
   域分割装置。
3. （３）切り出されたｋ個の画素が、ｎ×ｍ画素から成る
   ブロック内の横ｌ行と縦Ｐ列（ｌ、Ｐは正の整数）であ
   ることを特徴とする請求項１記載の画像領域分割装置。
4. （４）切り出されたｋ個の画素が、ｎ×ｍ画素から成る
   ブロック内の対角線上の画素であることを特徴とする請
   求項１記載の画像領域分割装置。