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
画像同定用標準パターン学習装置および画像同定装置Info
- Publication number
- JPH0291791A JPH0291791A JP63244963A JP24496388A JPH0291791A JP H0291791 A JPH0291791 A JP H0291791A JP 63244963 A JP63244963 A JP 63244963A JP 24496388 A JP24496388 A JP 24496388A JP H0291791 A JPH0291791 A JP H0291791A
- Authority
- JP
- Japan
- Prior art keywords
- standard
- picture
- pattern
- spectrum
- 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.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 abstract description 5
- 230000006866 deterioration Effects 0.000 abstract description 2
- 239000006185 dispersion Substances 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000003323 beak Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Inspection Of Paper Currency And Valuable Securities (AREA)
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- (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)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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63244963A JPH0291791A (ja) | 1988-09-29 | 1988-09-29 | 画像同定用標準パターン学習装置および画像同定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP63244963A JPH0291791A (ja) | 1988-09-29 | 1988-09-29 | 画像同定用標準パターン学習装置および画像同定装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0291791A true JPH0291791A (ja) | 1990-03-30 |
Family
ID=17126560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP63244963A Pending JPH0291791A (ja) | 1988-09-29 | 1988-09-29 | 画像同定用標準パターン学習装置および画像同定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0291791A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7133536B2 (en) | 2000-08-30 | 2006-11-07 | International Business Machines Corporation | Method and system for watermark detection |
-
1988
- 1988-09-29 JP JP63244963A patent/JPH0291791A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7133536B2 (en) | 2000-08-30 | 2006-11-07 | International Business Machines Corporation | Method and system for watermark detection |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sarfraz | An intelligent paper currency recognition system | |
JP5591578B2 (ja) | 文字列認識装置および文字列認識方法 | |
JP4932177B2 (ja) | 硬貨分類装置および硬貨分類方法 | |
Gill et al. | A review paper on digital image forgery detection techniques | |
CN113474792A (zh) | 对抗攻击的自动识别和分类 | |
JP5372183B2 (ja) | 硬貨分類装置および硬貨分類方法 | |
US20050105827A1 (en) | Method and apparatus for detecting positions of center points of circular patterns | |
JP4760614B2 (ja) | 信号識別装置の学習データの選択方法 | |
EP0902585B1 (en) | Method and apparatus for image processing | |
Hu et al. | Adaptive local context suppression of multiple cues for salient visual attention detection | |
US6269186B1 (en) | Image processing apparatus and method | |
CN110942034A (zh) | 用于检测多类型深度网络生成图像的方法、系统、装置 | |
Julliand et al. | Automated image splicing detection from noise estimation in raw images | |
JP2864735B2 (ja) | 物体識別方法および装置ならびに物体識別のための画像処理方法および装置 | |
JPH0291791A (ja) | 画像同定用標準パターン学習装置および画像同定装置 | |
Kumar et al. | Study of shadow and reflection based image forgery detection | |
JPH08221632A (ja) | 印刷パターンの真偽判別方法 | |
JPH0468966A (ja) | 網点背景文字諳別装置とその装置を用いた画信号処理装置 | |
JPS6367225B2 (ja) | ||
JP2001005968A (ja) | 紙葉類の真偽鑑別装置 | |
JP3010588B2 (ja) | パターン位置決め装置とパターン類別装置 | |
JPH0282382A (ja) | パターン認識装置 | |
JP2573358B2 (ja) | 画像フィルタリング回路 | |
EP3428844A1 (en) | Assessing image document types | |
EP1162829A2 (en) | Image signal characterization |