JPH03225566A - パターン認識方法および装置 - Google Patents
パターン認識方法および装置Info
- Publication number
- JPH03225566A JPH03225566A JP2020774A JP2077490A JPH03225566A JP H03225566 A JPH03225566 A JP H03225566A JP 2020774 A JP2020774 A JP 2020774A JP 2077490 A JP2077490 A JP 2077490A JP H03225566 A JPH03225566 A JP H03225566A
- Authority
- JP
- Japan
- Prior art keywords
- fourier transform
- correlation
- input image
- lens array
- pattern
- 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
- 238000003909 pattern recognition Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 title description 12
- 238000012567 pattern recognition method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 4
- 239000004973 liquid crystal related substance Substances 0.000 abstract description 2
- 230000001131 transforming effect Effects 0.000 abstract description 2
- 229920001296 polysiloxane Polymers 0.000 abstract 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Landscapes
- Image Analysis (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】
(産業上の利用分野)
本発明は、光を用いて、パターンの特徴を抽出するパタ
ーン認識方法および装置に関する。
ーン認識方法および装置に関する。
(従来の技術)
大規模な情報を処理するために、高速に演算を実行する
計算機の研究が進んでいるが、電気回路を用いた逐次処
理による方法では、すでに処理能力が限界に近づいてい
る。そこで、スーパーコンピュータやアレイプロセッサ
など、複数の演算を同時に実行する並列処理アーキテク
チャなどの研−究が進んでいる。一方、光は空間的な広
がりを持ち、その物理的な性質は互いに干渉し合わない
ため、光を用いた演算は並列性に優れている。光を変調
する手段として、振幅、位相、周波数、傷内などが考え
られ、空間的な光変調器の開発が行われている。
計算機の研究が進んでいるが、電気回路を用いた逐次処
理による方法では、すでに処理能力が限界に近づいてい
る。そこで、スーパーコンピュータやアレイプロセッサ
など、複数の演算を同時に実行する並列処理アーキテク
チャなどの研−究が進んでいる。一方、光は空間的な広
がりを持ち、その物理的な性質は互いに干渉し合わない
ため、光を用いた演算は並列性に優れている。光を変調
する手段として、振幅、位相、周波数、傷内などが考え
られ、空間的な光変調器の開発が行われている。
光を用いた相関法として、古くから、レンズとフィルタ
を用いた二重回折相関光学系が知られている。二重回折
相関光学系を用いる方法については、例えば雑誌プロシ
ーディング・アイトリプルイー(Proceeding
IEEE ) 、第62巻、1974年、第1300
〜1319頁に記載された論文「コヒーレント光演算処
理(Coherent 0ptical Proces
sing ) 」に、詳しく述べられている。
を用いた二重回折相関光学系が知られている。二重回折
相関光学系を用いる方法については、例えば雑誌プロシ
ーディング・アイトリプルイー(Proceeding
IEEE ) 、第62巻、1974年、第1300
〜1319頁に記載された論文「コヒーレント光演算処
理(Coherent 0ptical Proces
sing ) 」に、詳しく述べられている。
(発明が解決しようとする課題)
しかし、この方法では、入力された1つのパターンと参
照パターンとのマツチングが1回毎に行われるから、複
数のパターンに対するマツチングを行う場合には、時系
列に参照パターンの記録されたホログラムを書き換える
必要があり、処理時間が掛る。しかも、出力は、パター
ンのマツチング グした部分に、輝点として局所的に表われるので、大局
的な処理ができない。
照パターンとのマツチングが1回毎に行われるから、複
数のパターンに対するマツチングを行う場合には、時系
列に参照パターンの記録されたホログラムを書き換える
必要があり、処理時間が掛る。しかも、出力は、パター
ンのマツチング グした部分に、輝点として局所的に表われるので、大局
的な処理ができない。
本発明の目的は、処理時間を高速化することができるパ
ターン認識方法およびその装置を提供することにある。
ターン認識方法およびその装置を提供することにある。
(課題を解決するための手段)
本発明のパターン認識方法は、入力画像に対する複数の
複製画像を生成し、前記複製画像と前記入力画像の特徴
を抽出するための複数の参照画像との相関をそれぞれ同
時に算出し、該相関を規定する情報に基づき前記入力画
像の特徴を抽出し、前記入力画像を識別することを特徴
とする。
複製画像を生成し、前記複製画像と前記入力画像の特徴
を抽出するための複数の参照画像との相関をそれぞれ同
時に算出し、該相関を規定する情報に基づき前記入力画
像の特徴を抽出し、前記入力画像を識別することを特徴
とする。
本発明のパターン認識装置は、それぞれが入力画像をフ
ーリエ変換しかつ同一面上に配列されている複数のフー
リエ変換レンズを有する第1のレンズアレイと、予め所
定のパターンからフーリエ変換されたパターンが記録さ
れている複数のフーリエ変換ホログラムと、それぞれが
対応する前記第1のレンズアレイからのフーリエ変換像
と前記フーリエ変換ホログラムとの回折によって発生し
一ノ た回折光をフーリエ変換しかつ同一面上に配列されてい
る複数のフーリエ変換レンズを有する第2のレンズアレ
イと、前記第2のレンズアレイでフーリエ変換された前
記回折光の強度を測定する複数の光検出手段と、前記光
検出手段から出力された信号が与えられ、内蔵するメモ
リを用いて前記信号に対し演算処理を行う複数のプロセ
ッサを有する演算手段とを備えることを特徴とする。
ーリエ変換しかつ同一面上に配列されている複数のフー
リエ変換レンズを有する第1のレンズアレイと、予め所
定のパターンからフーリエ変換されたパターンが記録さ
れている複数のフーリエ変換ホログラムと、それぞれが
対応する前記第1のレンズアレイからのフーリエ変換像
と前記フーリエ変換ホログラムとの回折によって発生し
一ノ た回折光をフーリエ変換しかつ同一面上に配列されてい
る複数のフーリエ変換レンズを有する第2のレンズアレ
イと、前記第2のレンズアレイでフーリエ変換された前
記回折光の強度を測定する複数の光検出手段と、前記光
検出手段から出力された信号が与えられ、内蔵するメモ
リを用いて前記信号に対し演算処理を行う複数のプロセ
ッサを有する演算手段とを備えることを特徴とする。
(作用)
本発明の原理を第2図および第3図を参照して説明する
。第3図は、従来の二重回折光学系の構成を示す斜視図
である。入力面11、レンズ12、フィルタ面13、レ
ンズ14、出力面15を、それぞれレンズ12.14の
焦点距Mfの間隔で順次配置する。フィルタ面13には
、入力面11のフーリエ変換I (u、v)が得られる
。フィルタの振幅透過率分布をH” (u、v)とす
れば、出力面15には 0(X、’/)=F[1(u、v) −H” (u、
v)]□ / / 1(x7°、y’) −h(x
’−x、y’−y)dx’dy’
・・・(1)が得られる。ここで、h (x
、y)はH”(u。
。第3図は、従来の二重回折光学系の構成を示す斜視図
である。入力面11、レンズ12、フィルタ面13、レ
ンズ14、出力面15を、それぞれレンズ12.14の
焦点距Mfの間隔で順次配置する。フィルタ面13には
、入力面11のフーリエ変換I (u、v)が得られる
。フィルタの振幅透過率分布をH” (u、v)とす
れば、出力面15には 0(X、’/)=F[1(u、v) −H” (u、
v)]□ / / 1(x7°、y’) −h(x
’−x、y’−y)dx’dy’
・・・(1)が得られる。ここで、h (x
、y)はH”(u。
■)のフーリエ変換である。(1)式は、出力面15に
、入カバターンとフィルタの応答間数h (x。
、入カバターンとフィルタの応答間数h (x。
y)の相関が得られることを示している。従って、入カ
バターンと相関をとりない参照パターンのホログラムを
フィルタ面13に表示すれば、出力面15に、入カバタ
ーンと参照パターンとの相関が表われる。第2図は本発
明のパターン認識方法の光学系の構成を示す斜視図であ
る。入カバターンは、レンズアレイ21によって複製さ
れる。複製されたパターンは、それぞれ異なった参照パ
ターンを表示するフーリエ変換ホログラム22との間で
相関演算される。それぞれの相関の結果は、例えばパッ
クプロパゲーション学習法を実現できるフィールドファ
ード型のニューラルネットによって処理される。パック
プロパゲーション法の詳細は、例えば、雑誌バイト(B
YTE) 1987年10月号、第155〜162頁に
記載された論文「バックプロバゲ7ション(Back−
propagation) Jに、詳しく述べられてい
る。相関の結果は、ニューラルネットの入力面に入力さ
れ、所望の出力が得られるまで学習される。
バターンと相関をとりない参照パターンのホログラムを
フィルタ面13に表示すれば、出力面15に、入カバタ
ーンと参照パターンとの相関が表われる。第2図は本発
明のパターン認識方法の光学系の構成を示す斜視図であ
る。入カバターンは、レンズアレイ21によって複製さ
れる。複製されたパターンは、それぞれ異なった参照パ
ターンを表示するフーリエ変換ホログラム22との間で
相関演算される。それぞれの相関の結果は、例えばパッ
クプロパゲーション学習法を実現できるフィールドファ
ード型のニューラルネットによって処理される。パック
プロパゲーション法の詳細は、例えば、雑誌バイト(B
YTE) 1987年10月号、第155〜162頁に
記載された論文「バックプロバゲ7ション(Back−
propagation) Jに、詳しく述べられてい
る。相関の結果は、ニューラルネットの入力面に入力さ
れ、所望の出力が得られるまで学習される。
(実施例)
以下、本発明の詳細な説明する。
第1図は、本発明のパターン認識装置の実施例の一例を
示す斜視図である。この装置は、入カバターンを表示す
る、例えば、CRT等の入カバターン表示装置!Flと
、像を複製し、フーリエ変換する、例えば平板マイクロ
レンズアレイ等の複数のフーリエ変換レンズを有するレ
ンズアレイ2と、参照パターンを表示する、例えば、液
晶TV等の空間光変調素子3と、空間光変調素子3を透
過した光をフーリエ変換する複数のフーリエ変換レンズ
を有するレンズアレイ4と、相関を検出する、例えば、
2次元シリコンフォトディテクタアレイ等のディテクタ
アレイ5と、ディテクタアレイ5で受光した信号を入力
とし、積和演算を行うための加算器31、乗算器32、
メモリ33を有する複数のプロセッサ30から構成され
る並列プロセッサ6と、入カバターン表示装置1および
空間光変調素子3をそれぞれ駆動する、例えば、パソコ
ン等の駆動装置7.8とから構成される。入カバターン
表示装置1に表示されたパターンは、レンズアレイ2に
よって複製され、かつ空間光変調素子3上にフーリエ変
換される。複製されたパターンは、それぞれ異なった参
照パターンのフーリエ変換パターンが表示されている空
間光変調素子3で回折され、レンズアレイ4によって、
ディテクタアレイ5上に、再びフーリエ変換される。
示す斜視図である。この装置は、入カバターンを表示す
る、例えば、CRT等の入カバターン表示装置!Flと
、像を複製し、フーリエ変換する、例えば平板マイクロ
レンズアレイ等の複数のフーリエ変換レンズを有するレ
ンズアレイ2と、参照パターンを表示する、例えば、液
晶TV等の空間光変調素子3と、空間光変調素子3を透
過した光をフーリエ変換する複数のフーリエ変換レンズ
を有するレンズアレイ4と、相関を検出する、例えば、
2次元シリコンフォトディテクタアレイ等のディテクタ
アレイ5と、ディテクタアレイ5で受光した信号を入力
とし、積和演算を行うための加算器31、乗算器32、
メモリ33を有する複数のプロセッサ30から構成され
る並列プロセッサ6と、入カバターン表示装置1および
空間光変調素子3をそれぞれ駆動する、例えば、パソコ
ン等の駆動装置7.8とから構成される。入カバターン
表示装置1に表示されたパターンは、レンズアレイ2に
よって複製され、かつ空間光変調素子3上にフーリエ変
換される。複製されたパターンは、それぞれ異なった参
照パターンのフーリエ変換パターンが表示されている空
間光変調素子3で回折され、レンズアレイ4によって、
ディテクタアレイ5上に、再びフーリエ変換される。
第4図は、並列プロセッサの1つのプロセッサのアーキ
テクチャを示したものである。このプロセッサ30は、
加算器31、乗算器32、メモリ33から構成され、時
系列に入力されるデータを加算し、加算した結果とメモ
リの内容との間の積演算を行う構造になっている。第5
図は、このプロセッサ30を1次元に配列した複数のプ
ロセッサアレイ41を複数のクロスバスイッチ42でそ
れぞれ接続したものである。プロセッサアレイ41を3
組配列させれば、3層構造のフィードバック型ニューラ
ルネットワークを構成でき、バックプロパゲーション学
習法を実現できる。
テクチャを示したものである。このプロセッサ30は、
加算器31、乗算器32、メモリ33から構成され、時
系列に入力されるデータを加算し、加算した結果とメモ
リの内容との間の積演算を行う構造になっている。第5
図は、このプロセッサ30を1次元に配列した複数のプ
ロセッサアレイ41を複数のクロスバスイッチ42でそ
れぞれ接続したものである。プロセッサアレイ41を3
組配列させれば、3層構造のフィードバック型ニューラ
ルネットワークを構成でき、バックプロパゲーション学
習法を実現できる。
第6図は、この装置を文字認識に適用した場合の参照パ
ターンの例である。計算機ホログラムの手法を用いて、
それぞれ第6図のパターンのフーリエ変換パターンを作
成する。計算機ホログラムについては、例えば雑誌アプ
ライド・オプティックス(^pplied 0ptic
s) 、5巻、1966年、967〜969頁に記載さ
れた論文「計算機によって作られた2値フラウンホーフ
アホログラム(Binary Fraunhofer
Holograms Generated by Co
mputer ) 」に、詳しく述べられている。物体
面の複素振幅分布Ao (x、y)を Ao(x、y) ・ao (X、Y)e’XD(! <f)o (X、’
!’)) ・・・(2)ただし、aO(x、y
):振幅 φo (x、y):位相分布 とすると、ホログラム面の複素振幅分布AM (ξ。
ターンの例である。計算機ホログラムの手法を用いて、
それぞれ第6図のパターンのフーリエ変換パターンを作
成する。計算機ホログラムについては、例えば雑誌アプ
ライド・オプティックス(^pplied 0ptic
s) 、5巻、1966年、967〜969頁に記載さ
れた論文「計算機によって作られた2値フラウンホーフ
アホログラム(Binary Fraunhofer
Holograms Generated by Co
mputer ) 」に、詳しく述べられている。物体
面の複素振幅分布Ao (x、y)を Ao(x、y) ・ao (X、Y)e’XD(! <f)o (X、’
!’)) ・・・(2)ただし、aO(x、y
):振幅 φo (x、y):位相分布 とすると、ホログラム面の複素振幅分布AM (ξ。
η)は、(2)式をフーリエ変換することにより、ゾ^
M (ξ 、 77)=/ / Ao (x、
y)exa(2π i(×ξ十yη ))dxdy
・・・(3)として得られる。ここで、 ^H(ξ、η)□aH(ξ、 η)exp(iφ8(ξ
、η)) ・・・(4) で表示される振@a、(ξ、η)と位相分布φ)(ξ、
η)を適当な方法で表現すれば良い0例えば、前述の方
法では、適当な搬送周波数で変調された格子を標本化し
て、矩形の開口として表わし、位相を開口の位!で、振
幅を開口の大きさで表現している。このようにして作成
した計算機ホログラムに、第7図に示すように、「N」
、rB、、「C」という文字を入射させる。パターン「
N」は、縦線と右斜め下の線から構成されているので、
この部分に強い相関が表われる。パターン「E」は、横
線と縦線から構成されており、パターン「C」は、丸の
一部であり、これらの部分に相関パターンが表われる。
M (ξ 、 77)=/ / Ao (x、
y)exa(2π i(×ξ十yη ))dxdy
・・・(3)として得られる。ここで、 ^H(ξ、η)□aH(ξ、 η)exp(iφ8(ξ
、η)) ・・・(4) で表示される振@a、(ξ、η)と位相分布φ)(ξ、
η)を適当な方法で表現すれば良い0例えば、前述の方
法では、適当な搬送周波数で変調された格子を標本化し
て、矩形の開口として表わし、位相を開口の位!で、振
幅を開口の大きさで表現している。このようにして作成
した計算機ホログラムに、第7図に示すように、「N」
、rB、、「C」という文字を入射させる。パターン「
N」は、縦線と右斜め下の線から構成されているので、
この部分に強い相関が表われる。パターン「E」は、横
線と縦線から構成されており、パターン「C」は、丸の
一部であり、これらの部分に相関パターンが表われる。
これらのパターンをディテクタアレイ5で検出し、並列
プロセッサ6に入力して、ニューラルネットワークによ
って、学習させたどころ、文字を正しく認識できるよう
になった。
プロセッサ6に入力して、ニューラルネットワークによ
って、学習させたどころ、文字を正しく認識できるよう
になった。
(発明の効果)
以上詳述したように、本発明のパターン認識方法を用い
ることにより、パターン全体の相関を高速に得ることが
できる。
ることにより、パターン全体の相関を高速に得ることが
できる。
第1図は本発明のパターン認識装置の一実施例を示す斜
視図、第2図は多重結像相関光学系の構成を示す斜視図
、第3図は従来の二重回折光学系の構成を示す斜視図、
第4図は並列プロセッサのアーキテクチャを示すブロッ
ク図、第5図は並列計算機のアーキテクチャを示すブロ
ック図、第6図は参照パターンの一例を示す図、第7図
は並列計算機に入力する相関出力結果の一例を示す図で
ある。 1・・・入カバターン表示装置、2.4・・・レンズア
レイ、3・・・空間光変調素子、5・・・ディテクタア
レイ、6・・・並列プロセッサ、7,8・・・駆動装置
、11・・・入力面、12.14・・・レンズ、13・
・・フィルタ面、15・・・出力面、21・・・レンズ
アレイ、22・・・フーリエ変換ホログラム、31・・
・加算器、32・・・乗算器、33・・・メモリ。
視図、第2図は多重結像相関光学系の構成を示す斜視図
、第3図は従来の二重回折光学系の構成を示す斜視図、
第4図は並列プロセッサのアーキテクチャを示すブロッ
ク図、第5図は並列計算機のアーキテクチャを示すブロ
ック図、第6図は参照パターンの一例を示す図、第7図
は並列計算機に入力する相関出力結果の一例を示す図で
ある。 1・・・入カバターン表示装置、2.4・・・レンズア
レイ、3・・・空間光変調素子、5・・・ディテクタア
レイ、6・・・並列プロセッサ、7,8・・・駆動装置
、11・・・入力面、12.14・・・レンズ、13・
・・フィルタ面、15・・・出力面、21・・・レンズ
アレイ、22・・・フーリエ変換ホログラム、31・・
・加算器、32・・・乗算器、33・・・メモリ。
Claims (2)
- (1)入力画像に対する複数の複製画像を生成し、前記
複製画像と前記入力画像の特徴を抽出するための複数の
参照画像との相関をそれぞれ同時に算出し、該相関を規
定する情報に基づき前記入力画像の特徴を抽出し、前記
入力画像を識別することを特徴とするパターン認識方法
。 - (2)それぞれが入力画像をフーリエ変換しかつ同一面
上に配列されている複数のフーリエ変換レンズを有する
第1のレンズアレイと、予め所定のパターンからフーリ
エ変換されたパターンが記録されている複数のフーリエ
変換ホログラムと、それぞれが対応する前記第1のレン
ズアレイからのフーリエ変換像と前記フーリエ変換ホロ
グラムとの回折によって発生した回折光をフーリエ変換
しかつ同一面上に配列されている複数のフーリエ変換レ
ンズを有する第2のレンズアレイと、前記第2のレンズ
アレイでフーリエ変換された前記回折光の強度を測定す
る複数の光検出手段と、前記光検出手段から出力された
信号が与えられ、内蔵するメモリを用いて前記信号に対
し演算処理を行う複数のプロセッサを有する演算手段と
を備えることを特徴とするパターン認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020774A JPH03225566A (ja) | 1990-01-31 | 1990-01-31 | パターン認識方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020774A JPH03225566A (ja) | 1990-01-31 | 1990-01-31 | パターン認識方法および装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH03225566A true JPH03225566A (ja) | 1991-10-04 |
Family
ID=12036508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020774A Pending JPH03225566A (ja) | 1990-01-31 | 1990-01-31 | パターン認識方法および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH03225566A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06348901A (ja) * | 1993-06-08 | 1994-12-22 | Nec Corp | 多重解像度画像特徴抽出装置 |
JP2002117406A (ja) * | 2000-10-06 | 2002-04-19 | Japan Science & Technology Corp | 光学的顔画像認識方法及びその装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5840781A (ja) * | 1981-09-02 | 1983-03-09 | Showa Denko Kk | 二次電池 |
JPS5932081A (ja) * | 1982-08-13 | 1984-02-21 | Omron Tateisi Electronics Co | パタ−ン認識装置 |
JPS63118179A (ja) * | 1986-11-06 | 1988-05-23 | Nippon Sheet Glass Co Ltd | 形状識別装置 |
-
1990
- 1990-01-31 JP JP2020774A patent/JPH03225566A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5840781A (ja) * | 1981-09-02 | 1983-03-09 | Showa Denko Kk | 二次電池 |
JPS5932081A (ja) * | 1982-08-13 | 1984-02-21 | Omron Tateisi Electronics Co | パタ−ン認識装置 |
JPS63118179A (ja) * | 1986-11-06 | 1988-05-23 | Nippon Sheet Glass Co Ltd | 形状識別装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06348901A (ja) * | 1993-06-08 | 1994-12-22 | Nec Corp | 多重解像度画像特徴抽出装置 |
JP2002117406A (ja) * | 2000-10-06 | 2002-04-19 | Japan Science & Technology Corp | 光学的顔画像認識方法及びその装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rajbenbach et al. | Compact photorefractive correlator for robotic applications | |
Ren et al. | Fringe pattern improvement and super-resolution using deep learning in digital holography | |
US4603398A (en) | Matrix-matrix multiplication using an electrooptical systolic/engagement array processing architecture | |
Ambs et al. | Optical implementation of the Hough transform by a matrix of holograms | |
Casasent et al. | Real-time deformation invariant optical pattern recognition using coordinate transformations | |
Casasent | Acoustooptic transducers in iterative optical vector–matrix processors | |
Wunsch et al. | An optoelectronic implementation of the adaptive resonance neural network | |
JPH03225566A (ja) | パターン認識方法および装置 | |
Ichioka et al. | Optical information processing and beyond | |
Soffer et al. | Programmable real-time incoherent matrix multiplier for optical processing | |
Casasent et al. | Nonlinear local image preprocessing using coherent optical techniques | |
US5073006A (en) | Compact 2f optical correlator | |
Athale et al. | Incoherent optical image processing with acousto-optic pupil-plane filtering | |
Naughton et al. | General purpose acousto-optic connectionist processor | |
Shortt et al. | Optical implementation of the Kak neural network | |
Tsang et al. | Holographic vision system based on non-diffractive optical scanning holography and deep learning | |
Wu et al. | Linearly constraint color pattern recognition with a non-zero order joint transform correlator | |
Shamir et al. | Optimization methods for pattern recognition | |
Thapliya et al. | Parallel joint transform correlator applied to Devanagari script recognition | |
Horisaki et al. | Incoherent optical phase conjugation | |
Kozaitis et al. | Optical wavelet feature extraction using a multiple-input phase-only encoded joint-transform correlator | |
Yu | Legacy of optical information processing | |
Al Ibrahim et al. | Binary Grating and Deep Learning for Phase Reconstruction: Enhancing Normal Camera Imaging | |
Liu et al. | Optical implementation of terminal-attractor-based associative memory | |
Garcia-Martinez et al. | Improved rotation invariant pattern recognition using circular harmonics of binary gray level slices |