JPH0291791A - 画像同定用標準パターン学習装置および画像同定装置 - 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】 （ａｌ産業上の利用分野 この発明は紙葉類に印刷された画像などを同定する装置
に関する。

（ｂ）従来の技術 従来、紙幣などの真贋を鑑別する方法としては一般に画
像のパターンマツチング法が用いられている。

その方法は先ず、標準となる紙幣の画像データを読み取
り、そのパターン信号の強弱変化の特徴を抽出して、比
較用のデータとして内部に記憶しておき、鑑別すべき紙
幣の画像が読み取られる毎に逐次比較データと比較し、
予め定めた一定の類似性を有するか否か判定することに
よって鑑別を行うものである。

Ｕ発明が解決しようとする課題 ところが、上述の従来の方法では、パターン信号のレベ
ル変化をデータとしているため、同定を行うべき紙幣の
質の変化、印刷濃度のバラツキなどの影響を大きく受け
る。これらの影響を排除するために従来は複雑な判定ア
ルゴリズムやハードウェアを必要としていた。その結果
、装置の大型化、処理時間の長時間化を招いていた。さ
らにアルゴリズムの複雑化は開発期間を長くする原因で
もあった。

この発明の目的は、同定を行うべき画像の劣化や濃度の
バラツキなどの影響を受けにくくするとともに、処理速
度を高速化し、またシステムを容易に構成できるように
することにある。

（ｄ１課題を解決するための手段 この発明の画像同定用標準パターン学習装置は、画像情
報から画像の特定方向のスペクトラムを求める手段と、
このスペクトラムの特徴部を抽出して特徴パターンを形
成する手段と、？！数の標準画像についての特徴パター
ンを加算した標準特徴パターンを画像同定用の辞書デー
タとして記憶する標準特徴パターン記憶手段と、から構
成したことを特徴としている。

またこの発明の画像同定装置は、画像情報から画像の特
定方向のスペクトラムを求める手段と、このスペクトラ
ムの特徴部を抽出して特徴パターンを形成する手段と、
標準画像による特徴パターンと検査画像による特徴パタ
ーンとの一致度により画像の類似度を求める手段と、か
ら構成したことを特徴としている。

（ｅ１作用 第１図はごの発明の画像同定装置皐パターン学習装置の
構成を示している。同図においてスペクラム生成手段ｌ
は画像情報から画像の特定方向のスベクラムを求める。

例えば画像情報としてＣＣＤラインセンサの出力信号を
用い、このＣＣＤラインセンサと紙幣などの画像との相
対的移動による走査によって、順次画像の読取信号が与
えられるものとすれば、いわゆるタイムスペクトラムパ
ターンを生成する。第３図はそのタイムスペクトラムパ
ターンの例を示す図であり、横軸に周波数、縦軸に時間
、高さ方向に強度をとっている。

さて、第１図に示した特徴パターン形成手段２はスペク
トラム生成手段１により求められたスペクトラムの極大
または極小の位置を抽出する。例えば前述の例では、あ
る時刻におけるスペクトラムは第４図に示すようになる
。ここでは横軸に周波数、縦軸に強度をとっている。ま
た図中の“０”１”からなる値のうちｌが極大の位置を
示している。さらに第５図（Ａ）〜（Ｃ）はそれぞれ横
軸に時間、縦軸に周波数をとった掻パターンを示してい
る。なお値“０”　（“１″以外のところ）は図面の煩
雑化を回避するため省略しているさて第１図に示した加
算手段３は画像情報として複数の標準画像の情弗が与え
られた際、特徴ノ々ターン形成手段２により形成された
各特徴パターンを加算することによって標準特徴パター
ンを形成する。標準特徴パターン記憶手段４はそのパタ
ーンを辞書データとして記憶する。前述の例では第５図
（Ａ）〜＜Ｃ＞に示した各極パターンを加算することに
よって第６図に示すような標準極パターンを形成し、記
憶する。

以上のように標準画像とする画像情報に含まれている周
波数成分の特徴部を抽出するものであるため、標準画像
に重畳されているノイズ成分や全体的な濃度のバラツキ
（シフト）による影啓を受けにくい。しかも複数の標準
画像について求めた特徴パターンを加算して標準特徴パ
ターンとしたため、標準画像間のバラツキによる影響が
緩和されて、標準画像が標準特徴パターンとして自動的
に学習されることとなる。

第２図はこの発明の画像同定装置の構成を示している。

同図においてスペクトラム生成手段１は与えられた画像
情報から画像の特定方向のスペクトラムを求め、特徴パ
ターン形成手段゛２はスペクトラムから特徴を抽出して
特徴パターンを形成する。特徴パターン記憶手段４゛は
同定対象となる画像による特徴パターンを記憶する手段
であり、例えば第１図に示した標準特徴パターン記・し
ａ手段４と同等のものである。類似度算出手段５は特徴
パターン記憶手段４゛に記憶されたデータと同定すべき
検査画像の特徴パターンとの類似度を求める。類似度を
求める方法としては、例えば第６図に示した標準極パタ
ーンに対して同定すべき画像の特徴パターンを乗算し、
乗算結果の全ての値を加算することによって類似度を表
すデータを求めることができる。例えば第７図（Ａ）は
同じ印刷（原版が同一の）画像を読み込ませて得られた
極パターン、（Ｂ）は第７図（Ａ）に示した極パターン
と第６図に示した標準極パターンとの乗算結果を示して
いる。乗算値を全て加算することによって類似度５０が
求められる。また、第８図（Ａ）は比較的似た画像を読
み込ませたときの極パターン、（Ｂ）は第８図（Ａ）に
示した極パターンと第６図に示した標準極パターンとの
乗算結果をそれぞれ示している。この乗算値の合計から
類似度２７が求められる。さらに第９図（Ａ）は全く異
なった画像を読み込ませたときの極パターン、（Ｂ）は
第９図（Ａ）に示した極パターンと第６図に示した標準
極パターンとの乗算結果をそれぞれ示している。この場
合乗算値の合計から類似度６が求められる。

（ｆｌ実施例 第１０図はこの発明の実施例である紙幣鑑別装置の制御
部のブロック図である。同図においてＣＣＤラインセン
ザ１０は紙幣の搬送路の近傍に設けられ、紙幣の搬送時
に一次元の画像信号を発生する。フィルタバンク１１は
中心周波数ｆｏ、ｆ１、ｆ２．　　・・・ｆｎのバンド
パスフィルタ群であり、各周波数帯域の強度に相当する
電圧信号を発生する。すなわち、このフィルタバンク１
１はある時刻における画像信号のスペクトラムを求める
。ビーク２値化回路１２はフィルタバンク１１により求
められたスペクトラムから極大である周波数（周波数帯
域）を抽出し、スペクトラムを２値化して極パターンを
形成する。標準極パターンメモリ１４は求められた極パ
ターンを時刻に応じた位置に順次記憶する。加算回路１
３は学習モードにおいて複数の標準画像についての極パ
ターンの加算値を標準極パターンメモリ１４に求める回
路である。例えば３つの標準画像があり、その極パター
ンがそれぞれ第５図（Ａ）〜（Ｃ）に示した内容であれ
ば、第６図に示した内容が標準極パターンメモリ１４に
作成される。なお、鑑別すべき紙幣の種類が複数である
ときは、その種類ごとの標準極パターンを標準極パター
ンメモリ１４に記４＋ｙする。

第１Ｏ図において１５は次に述べる回路から構成された
類似度算出回路である。乗算回路ｔ６は学習モードにお
いて標準極パターンメモリ１４に作成された標準極パタ
ーンと鑑別を行うべき画像の極パターンとの積を求める
。加算回路１７は乗算回路１６により求められた乗算値
を順次加算してその累剖値を求める。例えば第６図に示
したパターンが標準極パターンメモリ１４に作成されて
いて第７図（Ａ）に示した極パターンを有する画像が読
み取られたとき、第７図（Ｂ）に示したように加算結果
５０に相当する電圧信号を発生する１９ａ〜１９ｆはそ
れぞれコンパレータ、１８は基準電圧を発生する抵抗分
圧回路である。各コンパレータにはそれぞれ異なった参
照電圧が印加されているため、加算回路１７の出力電圧
が参照電圧を超えるコンパレータのみ“Ｈ″レベル出力
し、他は゛Ｌ″レベルを出力する。なお、タイミング制
御回路２０は各部にタイミング信号を与えてＣＣＤライ
ンセンザ１０による画像読取タイミング制御およびその
他の処理タイミングを制御する。

以上のように構成したことにより、紙幣の本物らしさを
Ａ−Ｆのランクに区分して判定することができる。最終
的な真贋の判定は標準となる紙幣の学習度数やＡ−Ｆの
判定出力の頻度などに応じて識別レベルを設定すること
ができる。

ところで、実施例において標準極パターンメモリに記憶
される値は極の存在する確率を表す確率密度関数に近い
。したがって実施例の類似度算出手段は、この関数を本
物らしさのファジィ集合を表すメンバーシップ関数とし
て用い、本物らしさの度合をこのメンバーシップ関数の
メンバーシップ値から求めていることが分かる。

なお、実施例では標準画像による特徴パターンとしてス
ペクトラムの極大点を抽出したが極小点あるいは最急勾
配点を抽出しても良い。また、複数の標準画像について
の特徴パターンを加算する際、特徴パターンデータのＯ
の値を−１に変えて加算すれば、標準特徴パターンの中
で、本物の特徴パターンが存在する度合の高い部分が正
の大きな値を持ち、本物の特徴パターンが存在しない度
合の高い部分は負の大きな値を持つようになる。

こうすることによって、標準画像として入力した画像パ
ターン中に重畳されるノイズによる影響を低減すること
ができる。

ｆｇ）発明の効果 以上のようにこの発明によれば、標準とする複数の画像
を入力することによって標準とする特徴パターンを機械
的に学習させることができる。また、装置を容易にハー
ドウェア化することができ、ハードウェア化により、処
理時間がリアルタイムに近くなり、高速化される。さら
に、標準画像についての特徴パターンを本物らしさの確
率密度を表す関数とすれば、標準画像による特徴パター
ンと検査画像による特徴パターンとの類似度を容易に求
めることができ、その識別レベルも容易に設定変更が可
能となる。

【図面の簡単な説明】

第１図および第２図はこの発明の構成を示すブロック図
である。第３図は画像のタイムスペクトラムの例を示す
図、第４図はそのある時刻におけるスペクトラムと特徴
パターンの例を示す図である。第５図（Ａ）〜（Ｃ）は
複数の標準画像についての特徴パターンの例を示す図、
第６図は作成した標準特徴パターンの例を示す図である
。第７図〜第９図は類似度の算出例を示す図であり、各
図において（Ａ）は検査画像による特徴パターン（Ｂ）
は標準特徴パターンとの乗算結果を示している。第１０
図はこの発明の実施例である紙幣鑑別装置の制御部のブ
ロック図である。

Claims (2)

【特許請求の範囲】
1. （１）画像情報から画像の特定方向のスペクトラムを求
   める手段と、このスペクトラムの特徴部を抽出して特徴
   パターンを形成する手段と、複数の標準画像についての
   特徴パターンを加算した標準特徴パターンを画像同定用
   の辞書データとして記憶する標準特徴パターン記憶手段
   と、からなる画像同定用標準パターン学習装置。
2. （２）画像情報から画像の特定方向のスペクトラムを求
   める手段と、このスペクトラムの特徴部を抽出して特徴
   パターンを形成する手段と、標準画像による特徴パター
   ンと検査画像による特徴パターンとの一致度により画像
   の類似度を求める手段と、からなる画像同定装置。