JPH0363774A - 画像認識装置および画像認識方法 - 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、画像認識装置および画像認識方法に関し、詳
しくは入力画像に対し局所並列処理を行なうことによっ
て画像の中から所定の形の特徴を抽出する画像認識装置
および認識方法に関する。

［背景技術］ 従来より、画像処理の自動化における問題点の一つとし
て、その処理に要する計算量が多大なものになるという
ことがあった。画像情報の場合、一般に処理すべき点の
数が多いため、汎用のプロセッサによる逐次処理方式を
そのまま用いたのでは、単純な処理演算を−通り行うだ
けでも相当な時間を要する。

このような問題を解決するための方式として、特に画像
処理専用に、均一な処理を各点に対して同時に行う並列
ＩＡ理方式がとられていた。なお、ここで並列処理とい
う場合、必ずしも各点に対し完全に同時処理を行なうと
いう訳ではなく、同一の演算をパイプライン処理する場
合も含まれる。

すなわち、この方式は、各点に関する演算をその他の手
続きに優先して行うことにより、制御構造を特殊化かつ
単純化し処理効果を高めるというものであり、画像処理
専用プロセッサは、このような原理に基づいて構成され
ている。

この方式においては、今、ある点でのＩＡ埋と、その隣
の点での処理とは、互いに独立でなければならないとい
う制約条件が発生する。このような制約のもとで行なう
処理は、特に局所並列処理と呼ばれる。

画像に対する局所並列処理演算で最も基本になるものと
して、収縮・膨張演算がある。収縮演算は、２値画像情
報において、ある点の値とその周り（近傍）の値との論
理積（ＡＮＤ）によりその点の新しい値を求める演算で
あり、例えば、これらの演算を画像情報の図の部分が“
１″、背景が“０”の２値画像の全面に適用すると、図
の周辺部が削られた図形になる。従ってこれを収縮演算
と呼ぶ。膨張演算は、近傍との論理和（ＯＲ）演算を行
うものであり、これにより図形の周辺部を太らせる。所
定の画像情報に対してこれら収縮・膨張演算を引き続い
て行なうと、最初の収縮演算で画像情報の中の細かい点
や線を消去すると共に、大きな塊部分については、後の
膨張演算で殆ど元に復元することができる。結果として
、収縮・膨張演算という局所並列処理のみで、画像情報
の中の塊と、点や線とを区別して認識することが可能と
なる。この演算は、通常の論理演算の２次元近傍への拡
張であり、画像処理専用プロセッサの一つの核となって
いる。

並列処理のもう一つの特徴は、各点の処理結果を独立に
得ることができるため、結果が安定であり信頼性が高い
ということである、すなわち、ある特徴を逐次的に処理
して求める場合、処理過程のどこかで誤りがあると、そ
の誤りがｌＡ処理結果全体に影響を及ぼしでしまう。こ
れに対して並列処理の場合、各点独立に処理を行ってい
るから、処理結果の全体ではその点の誤りはその点だけ
にとどまる。その意味で安定な特徴を抽出することがで
きる。

並列処理演算は、上述したような特徴を有するものであ
るが、処理できる内容に限界があった。

例えば、従来前なわれていた収縮・膨張演算によって、
点と線とを区別して認識できないということがあった。

すなわち、上述した従来の収縮・膨張演算によれば、最
初の収縮演算で点と線は同時に消えてしまう。

従って、例えば画像情報の中の線特徴だけを抽出したい
場合、従来は処理の途中で専用プロセッサから汎用プロ
セッサへその処理を移行しなければならなかった。この
ように、目的とする！Ａ埋・全体の中で、並列処理演算
がこま切れにしか利用できないため、データや処理手続
きを専用プロセッサと汎用プロセッサとの間で往復させ
なければならず、専用プロセッサによる高速性の利点が
相殺されてしまっていた。このように、専用プロセッサ
の利点をフルに活かすためには、そこで実行できる並列
処理演算の内容を豊富にして処理能力を向上させること
が要請されていた。

この観点から、本願発明者等は、従来の２値画像に対す
る収縮・膨張演算の拡張として、ＭへＰ（Ｍｕｌｔｉ−
Ａｎｇｌｅｄ　Ｐａｒａｌｌｅｌｉｓｍ、多重方向性並
列演算）法を開発した（例えば、山田傅三、山木和彦：
゛方向特徴場における２値画像並列演算−８近傍による
任意方向伝播のためのツイスト型演算”、電子情報通信
学会論文誌、　Ｖｏｌ、Ｊ７２−ＤＩＩ。

Ｎｏ、５　、ｐｐ６７Ｂ−６８５、１９１１９−５、お
よび松井伸二、山田博三、斉藤泰−１村木茂、山木和彦
：　“２値画像方向性局所並列演算を用いた地形図の特
徴抽出”電子情報通信学会パターン認識理解研究会技術
報告、　ＰＲ０８Ｂ−７８，１９８８−１１７１８参照
）。

すなわち、従来の収縮・膨張演算では、ある点と、その
周りの点の情報から得られた新しい値をその点の値とし
て更新し、この処理を周りの点食てについて並列に行う
ものである。

これに対して、ＭＡＰ’法では、周りの点の各々を均一
に見なすのではなく、近傍点の各々をある点および近傍
点の各々に対応する画像情報によって定まる方向面とい
う概念を媒介にして近傍点の各々をとらえ、それと同時
に演算も、各々の方向毎に行なう。このような拡張によ
り、従来、大きな塊と、小さな点および細い線との区別
しか出来なかったのに対し、点と線の区別も可能となり
、並列演算処理を、画像情報からより広い幾何学的特徴
を抽出する手段として用いることができるようになった
。

なお、収縮・膨張演算およびＭＡＰ法演算演算基本的に
は２値画像に対するものであるが、ＡＮＤ、ＯＲ論理演
算を、それぞれＭＩＮ、ＭＡＸ数値演算に変える事によ
り多値画像への拡張が可能である。

ところで、視覚情報処理過程における方向性を有した特
徴抽出の重要性については、視覚生理学的事実の発見の
他、文字認識や各種画像認識における実験的解析から、
多くの確証が得られている。ＭＡＰ法の開発により、こ
のような°°線”すなわち方向性を有した特徴抽出が、
並列演算の枠組で可能になる。

ここで、先に述べたように、高速処理を可能とする並列
処理の枠組の中で、可能なＩＡ理内容を拡大するという
観点からすると、更に高次な特徴の抽出が要望される。

より高次な特徴として考えられるものは、線の集合とし
ての°“形°°である。すなわち、それぞれの線の特徴
、およびそれらの線と線との関係として定義された任意
の“形“°を、入力像の中か゛ら抽出する事ができれば
、任意のより高次な特徴の抽出機構を構成する事になる
。

また、見方を変えると、このような°”形”の抽出技術
は、そのまま対象の“認識”の技術となる。すなわち、
予め与えられた形を入力画像情報の中から抽出すること
は、光学的文字認識、ロボットの目としての物体の種類
・位置の認識、医療用画像中の組織・臓器の認識等、画
像の自動認識の中心的な課題である。現在の所、このよ
うな“形”の抽出技術は、機械による“画像認識°′技
術のほぼ全体をカバーする技術と言ってもよい。

［発明の目的］ 本発明は、上述したような背景からなさたちのであり、
線の集まりとして定義された形（以下、モデルと呼ぶ）
と入力画像情報とを、方向面として定義される特徴要素
において重ね合わせを行なうことにより、並列処理演算
の枠内で入力画像情報の中から当該モデルの形を抽出す
ることが可能な画像認識装置および画像認識方法を提供
することを目的とする。

［課題を解決するための手段］ そのために本発明では、並列処理により、入力画像の中
から抽出された方向性特徴と予め定義された形のモデル
との対比により画像認識を行なう画像認識装置において
、抽出すべき形のモデルを評価点の系列として表現し、
各評価点毎に方向性特徴に関する値と系列における一つ
前の評価点からの移動量とを定義し、当該定義された方
向性特徴に関する値および移ｗＪ量を予め記憶するモデ
ル記憶手段と、入力画像情報において方向性特徴を抽出
することにより、方向成分の強さを表現する複数の方向
面を作成する方向面作成手段と、入力画像の各点毎にカ
ウンタ面を記憶するカウンタ面記憶手段と、評価点毎に
定義される移動量だけカウンタ面を平行８勤する移動手
段と、移動手段によって移動した当該カウンタ面に、方
向性特徴に関する値によって得られる方向面を加算する
加算手段と、平行移動および加算を、モデルの評価点系
列の順に反復して実行する反復手段と、平行移動および
加算の反復終了後、カウンタ面の各点毎の方向面の総和
の分布からモデルの形および位置を知る手段と、を具え
たことを特徴とする。

［作　用］ 以上の構成によれば、モデルと入力画像情報とを方向面
として定義される形の特徴要素において重ね合わせを行
なうことにより、並列処理演算の枠内で画像情報の中か
らモデルの形を抽出することが可能となる。

［実施例］ 以下、図面を参照して本発明の実施例を詳細に説明する
。

先ず、本発明における中心概念である方向面およびモデ
ルについて説明する。

入力画像情報の各点において、濃度の傾斜をもとにした
Ｎ（本例では８）面の方向特徴要素すなわち方向面Ｕが
演算される。

ここで、方向面ｕｎ（ｉ、ｊ）は、入力画像のメツシュ
で区切られた点（ｉ、ｊ）　およびその近傍点と第１図
に定義される方向ｎによって定まるｎ方向の方向性の強
さを示すものであり、実際の処理では、第２図（Ａ）に
その演算概念が示されるエツジオペレータＥＯ，〜ＥＯ
７からの出力（マイナスの値はカット）またはそれを２
値化したものとして得られる０例えば、入力画像情報が
縦方向（第１図中２．６の方向）の線であり、その境界
から左側が全て１”　（黒）、右側が全て°゛Ｏ”　（
白）の場合において、境界の左側で近傍する°１”の点
にエツジオペレータの演算を行なう場合をｒｒ３の場合
で考えると、第２図（［１）に示すように、演算する点
にオペレータＥＯ３の中心を合わせ、オペレータＥＯ３
の各値と画像情報（１”または”ｏ”）との積和演算、
　ＯＸ　ｌ＋　（−１）　Ｘ　ｌ＋　（−１）　Ｘ（Ｄ
　ｌｘ　Ｄ　Ｏｘ　１＋（−１）ｘＯ＋　ｌｘ　Ｄ　ｌ
ｘ　Ｄ　０ｘＯ−＋２からｕｓ（ｉ、ｊ）２を得る。　
　このような演算を第２図（八）に示す８つの方向面で
行ない、演算の結果が負の場合はその値をＯとする。従
って、このエツジオペレータからの出力はその点の濃度
の傾斜を示し、向きは低い方から高い方へとられている
。

ただし、このオペレータＥＯ０〜ＥＯ７の出力のみでは
、特徴要素が局所的である事と、方向精度が暖いため、
傾斜の直角方向の情報との統合により、その付近に直線
成分があるという特徴要素に置き換えたほうが、今″後
の処理にとって都合が良い。この統合処理は、発明者等
がさきに提案したＭＡＰ法により、局所並列演算の繰り
返し、によって可能である。ただ、表現の形式と４４ｒ
徴要素の意１抹自身は、統合の後もエツジオペレータの
出力のままでも変わらないため、以降の説明では、ｕｎ
（ｉ、ｊ）は、第２図（八）に示したエツジオペレータ
ＥＯ０〜ＥＯ７の出力であるとして説明する。

一方、抽出すべき形のモデルは、形の輪郭に沿ってとら
れたＭ（本例では１３）個の評価点における法線の方向
性１ｆｉ（離数化された番号で表される）と、一つ前の
評価点からの移動量で与えうえる。この法線方向および
移動量は、モデル評価点の属性、また、ｍは系列番号と
呼ばれる。このとき、モデルＲは以下の式で与えらえる
。

線方向を８方向にσＭｌ　ｆｉｋ化したものを示すもの
となる。このモデルで得られる４；′ｆｉｄ３は、入力
画像から求められた方向特徴要素と比較されるべきもの
であるから、方向性の安定な場所、すなわち輪郭の藺が
りの少ない直線的な点にとるのが望ましい。

また、（２）式において（ｐイ、ｑ□）は、ｎ＋−１番
目の評価点からｍ番目の評価点への移動量である。但し
、（ｐ＋　、ｑ＋　）はＭ番目の評価点から１番目の評
パ°“７ゝ鵞 測点への移動量とする。

Ｍ番目の評価点の場所を参照点と呼ぶ時、参照点からｍ
番目の評価点までの累積の′８動量は、以下のように与
えられる。

（２）式において、ｒ、は、ｍ番目の評価点の方向番号
である。第３図に示すモデルの例では、その８角形め内
側は低濃度であり、背景は高濃度とする。従って、「１
は、輪郭の外側の向きを有した法ここで、このモデルＲ
は、入力画像情報のｌＡ埋に先だって、処理システム側
が知識として有しているものである。その作成方法とし
ては、抽出すべき形を入力しておき、（ａ）評価点の位
置を操作者が指定する。（ｂ）機械側で自動的に（例え
ば輪郭上に等間隔に）評価点とその点の法線方向を決定
する。（Ｃ）　輪郭の全ての点を評価点にとり、その点
の法線方向を特徴とする（この場合、ｐｍ、　Ｑヨは±
１の範囲となる）、等の方法が考えられる。

何れにしても入力画像の処理に先だってモデル情報は処
理装置の中に定義されている。

次に、処理の途中結果を保持する記憶手段としてのカウ
ンタ面Ｃ−ｃ　（ｉ　、　ｊ）について説明する。今こ
こでは、カウンタ面のメツシュ数は入力面のメツシュ数
とは等しいものとする。この面には、モデルの評価点ｍ
までの入力の各点に関した評価値が保持される。ここで
、表記法として、Ｃは、カウンタ面ｃ　（ｉ　、ｊ）の
画像全体を表し、Ｃ［Ｉ）＋ｓ、ｑｍ　］は、画画像全
体を（ｐ、、ｑ、）だけシフト（平行移！ｊＩＩＩ）シ
た画像を意味する。

本発明による処理の目的は、モデルによって指定される
評価点の方向性特徴および評価点間の位置関係を有する
形を入力画像情報の中から並列演算によって抽出する事
である。以下、その処理について説明する。

ｌ）初期設定 カウンタ面ＣをＯでクリアした上でカウンタ面Ｃを入力
面Ｕに重ねる。このカウンタ面Ｃの点　（ｉ、ｊ）に着
目し、これをのぞき穴Ｗ口と呼ぶと、のぞき穴ＷＩＪは
入力画像情報の点　（ｉ、ｊ）の位置に置かれる。第４
図（＾）は、初期設定時のカウンタ面Ｃの位置と、参照
点に位置するのぞき穴ＷＩＪを小円で示す。このとき、
カウンタ面Ｃと入力面Ｕは完全に重なっている。

２）モデル評価点ｍ＝１．、、、、Ｍに関して以下の２
ｆ！１類のＩＡ理を逐次行う。

２−１）移動 カウンタ而Ｃ全体を゛（ｐｍ、ｑｍ）だけシフト（平行
移動）する。この処理は以下の式で表わされる。

Ｃ：　＝Ｃ［Ｉ’ｍ　　、　　ｑ、。］　　　　　　　
　　　　　　・（４）ここで、記号ニーは、右辺で演算
された値を左辺に代入することを麗味する。

この平行移動の処理は、面内の各点ｃ　（ｉ　、ｊ）に
対して均一な処理であり各点独立であるため、並列ＩＡ
埋により高速に実行が可能である。

ここで、初期設定時ののぞき穴ＷＩＪは、入力画像の（
ｉ＋Σｐ＋−９Ｊ＋Σｑｍ）の位置に移動することにな
る。すなわち、第４図（［１）はｍ＝１の場合の移動を
示し、のぞき穴Ｗ目は元の破線で示されるモデルの１ｌ
−１の評価点の位置まで移動する。

２−２）加算 移動によって得られる新たなカウンタ面Ｃにおいて、方
向番号「、に基づいて方向面Ｕ１．．を指定し、この値
をカウンタ面Ｃの値に加算する。すなわち、 Ｃ：＝Ｃ◆　ｕｒｎ ・・・　（５） この加算処理も、面内の各点ｃ　（ｉ　、ｊ）に対して
均一に行う処理であり各点の演算が独立であるため、並
列処理により高速に実行が可能である。

上の（４）　、　（５）式の処理によるのぞき穴ＷＩＪ
に着目すると、新たなのぞき穴ＷＩＪは以下の式で更新
される。

ＷＩＪ：”ＷＩＪ＋　ｕｒｎ（１＋Σｐｆｆｌ、ｊ＋Σ
ｑ、）　−（８）（６）式および第４図（Ｂ）から明ら
かなように実線で示されるカウンタ面Ｃと破線で示され
る入力面Ｉとがそのままの位置で加算される。すなわち
、Ｗ口に付加されたｉ、ｊ　によって示される位置は、
現在の位置ではなく、第４図（＾）に示した初期設定時
における位置を示している事に注目されたい。

なお、５４図（Ｃ）は、ｍ−４計算時のカウンタ面Ｃの
位置を示している゛、現在ののぞき穴Ｗ口の位置は初期
設定時のｍ−４の評価点の位置である。この時の入力面
Ｕの位置は、破線で示す位置であり移動していない。

上記２−１）移動および２−２）加算処理をＭ回行なっ
た後ののぞき穴Ｗ目について着目すると、（ｐｌ。

ｑ＋）の設定の仕方から、ｉ＋Σｐイミｉ、　ｊ＋Σ９
Ｍミｊであるから、Ｗ目は元の位置（ｆ、ｊ）に戻る。

すなわち、最終的に得られるＷＩＪには、モデルの参照
点（終点）を入力像の（ｉ、ｊ）の位置に置いた時の、
モデルの輪郭に沿ったＭ個の評価点におけるく、周りと
比べてｆｌｌ（の大きな点すなわち極大点を検出するこ
とによりそれらの位置が抽出される。

以上の動きを３次元的に示したのが第５図である。

一番上の面Ｃがカウンタ面、下側の８面が入力画像情報
から求めた方向面Ｕである。８つの面Ｕにはそれぞれ図
に示す方向成分の特徴が入っていってこの総和がカウン
タ面Ｃにおいて最大となる値、　ｍａｘ　（ｃ　（ｉ　
ｊ））　、を検出する事により、この最大値を有する点
、すなわちモデルの形を入力画像のあらゆる場所に置い
てみて、その中で最も良く合致する点（ｉ、ｊ）　とそ
の時の評価値ｃ　（ｉ　、ｊ）を知る事ができる。

なお、面内にモデルに近い形が複数存在すると考えられ
る場合には、最大値を有する点だけでな加算時に、図中
縦線で示したのぞき穴の上でカウンタ面の値と方向面の
値が加算されるが、この時加算されるのは方向面８面の
値全部ではなく、モデルで指定さ・れた８面の内の１面
の値である。

第６図は、上述した処理を実行する装置のブロック図で
ある。

同図中、中央の列は処理部を示し、左側はモデルデータ
の記憶部、右側は２次元表現のデータの記憶部を示す。

まず最初に紙等の上にかかれた画像６２１を、光電変換
を用いたＴＶカメラ等の観測部６１１によりディジタル
化して読取り、この画像情報を観測面６２２に記憶する
。次に、この記憶した情報に基づきエツジ抽出部６１２
のエツジオペレータＥＯ０〜ＥＯ，により、８面の方向
面Ｕを作成する。これらの処理に先だってＭ個の評価点
に関するモデル情報はテーブルの形式でモデルテーブル
６０１に蓄え算を行う。この処理も、面内の全点に対し
て均一に行う処理であり各点の演算が独立であるため、
いわゆる並列演算で高速に実行される。

上記移動および加算のＭ回の処理が終了すると、最大値
検出部６１７で、カウンタ面Ｃにおける上記した最大値
とその位置を検出し、最大値が所定値より犬であること
をもって、モデルまたはそれに近似した形が入力画像の
中に存在することを検知すると共に、その位置を検出す
る。この処理は、カウンタ面Ｃの内容を逐次読み出し比
較な行を行う。

すなわち、移動部６１５では、カウンタ面Ｃをモデルの
移動量で指定された量だけ平行移動する。この処理は、
面内の各点に対して均一な処理であり各点の独立な処理
であるため、いわゆる並列処理で高速に実行される。

また、加算部６１６では、カウンタ面Ｃとモデルの方向
番号ｒ、によって求められる方向面Ｕとの加加算の反復
処理である。

第７図は、ｍ−１からＭまでの移動と加算について、詳
細に説明するためのブロック図である。まず、ｍ−１か
ら順にＭまで以下の処理が行われる。今、ある特定のｍ
に関して、■モデルテーブルのｍ行目の値（「□ｐ、ｑ
、、）を取り出す。移動部６１５では、■（ｐ、　、　
ｑｍ）だけ■カウンタ面を平行移動し■カウンタ面に戻
す。移動部６１５での処理は（ｐｍ、ｑ−）　という制
御情報によってカウンタ面全点をそれだけずらすという
ものであり、各点に関して独立である。すなわち、移動
という処理手順を全面に対して均一に独立に実行すれば
よい。この処理は、１台の処理回路でメモリアクセスを
バイブライン化する方式や、各点に処理回路を配置すレ
ートマツチングは現実には殆ど用いられていない。その
理由は、全面に対して内積計算をするのは、計算量が余
りにも多すぎるためである。

本発明の実施例によれば、モデルが方向性特徴要素のつ
ながりで表現される。すなわちモデル評価点を全面とす
るのではなく、評価点を特徴要素に絞り込むことにより
全面に対するテンプレート面に戻す。この処理も平行移
動ＩＡ埋と同様に各・点に関して独立であるため、並列
演算による高速処理が可能である。以上の移動処理と加
算処理をｍ−１，２，３，・・・Ｍの順に行う。

一般に、入力画像の中からモデル画像の形を抽出する問
題は、入力点全点における入力画像とモデル画像の重ね
合わせ（内債計算）によって求められる。しかし、この
ような全面に対するテンプようにして、全面に対するマ
ツチングを現実的なものにしている。

本発明による他の重要な特長は、方向性特徴を用いてい
るという点である。方向性特徴の導入により精度の高い
マツチングが行われる。すなわち、方向性特徴により実
効的にその周りの情報も見ていることに相当するから、
評価点の数を減少させても、画像認識の性能は維持され
、なおかつ、方向別面という表現形式を用いているため
、通常の角度差と強度差からの距１升計算を必要とせず
、加算演算のみで、同等の認識性能を得ることができる
。このことが、ｙｐ　＋ａｔ計算を並列処理で実行でき
る理由となっている。

以上述べた実施例に加えて、以下に述べるような変形、
および、Ｎ、数の変形の組み合せによる複合的な変形が
可能である。

１）のぞき穴を移動してその直下の入力の点だけを見る
のではなく、その周りも見ることにより入力画像の微小
な移動を吸収する。このとき、（６）式２）ｆｉｌ！ｌ
！過４１２−２）　：Ｉ３　イテＣニ加算すべき値（距
離）を、ＩＩＬにＵのｒｌ１１成分そのものではなく、
ｒ、±１成分も考慮して方向性のゆらぎを吸収する０例
えば、このときのＷｌｊは以下の式によって得られる。

様にマツチングに先だって入力面について周りとのｆｆ
１ａＸをとっておくことができる。

なお、同等な効果は、マツチングに先だって、入力面に
ついて周りとのｍａｘ　（和）をとっておくことによっ
ても得られる。この場合は、カウント時に複数の点を見
る必要がなくなる。

３）Ｃに加算する値を決める時、　ｕ４の値そのもので
はなく、それから計算される距離ｄ　（ｕ、、　）に置
き換える。例えば、　（８）式で、ｒ、、−１とｒ１＋
１成分にｒ、成分の１／２の重みをかける。これニヨリ
、より精密な距離評価法とする事ができる。

４）上記実施形のままでは、テンブレー１〜すなわちモ
デルは剛体であり、上記１）、２）の微小移動吸収で述
べた変形も、剛体テンプレートからの微小移動を吸収す
るためのものである。これに対して、指定されたテンプ
レートがフレキシブルに変形し、許される変形の範囲内
で最適なマツチングを求める肌性テンプレートの考え方
が必要な場合がある。そのために、加算時に、Ｃ：＝　
ｒｎ　　ａｘ　　（：［ｉ’、　ｊ　’　］　十ｕ、ｌ
ｌｌこれにより、Ｃの選択の範囲内で変形が可能な弾性
体モデルとなる。なお、移動量が小さく、それに比べて
許容量−１≦ｉｈ、ｊｌ≦１が大きくなり過ぎる場合に
は数個の評価点毎に許容値を持たせる事ができる。

５）上記実施形では、形の内部が背景に比べて常この演
算は、並列演算ではｃ　（ｉ　、ｊ）を−１≦　ｉ′ｊ
′≦１、すなわち３×３の範囲でずらして最大値をとり
、その値とｕｒｌｌｌを加算することにより行われる。

すなわち、 とが、１８０度変化し、なおかつその現象が不規則に起
こる場合がある。この問題に対処するために、角度差の
評価を３６０度車位ではなく、１８０度車位で行う。

このとき、ＷＩｊは以下の式で表わされる。

同等な効果を得るために、予め、０面と４面、１面と５
面、２面と６面、３面と７面、それぞれのＯＲ（＠大値
）をとり、その統合した面について加算処理を行うこと
もできる。

い方向面８面について説明してきたが、方向精度を向上
させるためにそれ以上の面数なとることもできる。この
場合、加算時の処理は、上記実施形と同様であるが、入
力面抽出時には、本発明者らが先に提案した８近傍演算
のみで任意方向精度の特徴を抽出するツイスト形演算が
有効である。なお、方向面数を増加させた場合、モデル
で指定した方向と入力面に現れる方向とが食い違う事が
増えるため、上記（２）の項で述べた、距離測定におけ
る方向性の緩和が重要となる。

７）入力表現を各方向毎の面ではなく、方向の数値ｖ（
ｉ、ｊ　）と、その強さｕ（ｉ、ｊ）で表すこともでき
る。このとき、方向面Ｕは以下の式で表わされる。

Ｕ＝　　（ｕ（ｉ、ｊ）、ｖ（ｉ、ｊ））・・・（１２
） この時加算されるべき値は、モデルの方向「、と＋ｕ　
　（ｉ＋Σｌ１１Ｊ＋Σｑ、、）　　ｘ　ｄ　（ｒａ−
ｖ（１＋Σｌｌｎ。

ｊ＋Σｑ７）） ・・・（１３） この場合、モデルおよび入力の方向精度を任意に高くと
る事ができる。また、方向面が１面ですむのも長所であ
るが、″各点の演算を並列に行う場合、距離計算の部分
が相当に複雑になる。

８）更に柔軟性のある特徴表現として、入力像は濃度画
像そのままにしておき、モデルの側に評価点の周りの局
所的なテンプレートｈを用意する。加算値は、カウンタ
面Ｃへの加算時にコンポルージョンを行なうことにより
決定する。すなわち、このときＷＩＪは、 ｗＮ：＝ｗｌＪ　　＋ΣΣ　（ｈ（ｉ’、ｊ’）・ｕｒ
Ｊｔ＋ｔ’＋Σｐｉ。

Ｊ’ｌ’　　　　　　　　　ｊ＋ｊ’＋Σｑ、））・・
・（１４） これにより、局所特徴として、単に濃度勾配からのエツ
ジではなく、ｈで定義される任意の局所的な形を指定で
きる。また、局所テンプレートとのコンポルージョン演
算は容易に並列演算可能であるから、上記７）による入
力表現に比べて、並列演算のみで実行できるのも特徴で
ある。

９）上記実施形では、入力面全面から形を抽出する場合
について説明した。しかし、場合によっては、抽出すべ
き領域が限られている事がある。

そのような場合は、相当する部分領域の広さのカウンタ
面を用意し、その領域のみについて処理を行う。これに
より、少ない記＋Ｑｍのカウンタ面で処理が可能となる
。

１０）上記実施形では、移動と加算の繰り返し処理終了
後、カウンタ面Ｃの最大値を見ることにより、最も良く
マツチングする位置と評価値を得ている。これは、入力
面の中にモデルの形が１個存在する事を前提としている
。これに対して、モデルの形が入力面に複数個存在する
場合には、最大値ではなく、周りと比べて評価値の大き
な点、すなわち極大点を検出する。

１１）上記実施では、モデルは閉じた形であったが、方
向性を定義出来さえすれば輪郭である必要はなく、また
、必ずしも閉じている必要はなく例えばトリー状でも良
い。

１２）上記実施形で説明した方法では、のぞき穴を逐次
移動した。これを追跡形と呼ぶとすれば、追跡形の場合
、モデル移動量（Ｉ’ｍ、ＱＪとして、ｍ−１からｍへ
の移動量を指定した。これに対して、モデル内に別の参
照点をとり常にその点からの移動ｆｆ１（ｐイ、　ｑ、
）で指定する事もできる。ここでは、上述の２−１）移
動、２−２）加算の処理に加えて、 の最初の移動を統合して（Ｉ’ｍ”　Ｉ’１１１−１　
、−Ｑｍ　＋ｑ、、）の合成ベクトルで移動する事は可
能であり、このようにすることにより、各段での処理は
追跡形と同じになる。追跡形との違いは、最終的に求め
る参照点を、モデルの任意の点にとれるという点である
。

［発明の効果コ 以上の効果から明らかなように、本発明によればモデル
と入力画像情報とを方向面として定義さＷｌ、は、入力
画像の（ｉ＋ｐｍ、　　ｊ＋ｐ、）の位置に移動する。

そこで、カウンタ面Ｃへの加算の後カウンタ面Ｃを（−
１１ｍ、−ｑ＋ａ　）だけ逆に移動して元の参照点（ｉ
、Ｈの位置に戻し、これを繰り返す、この方法は、評価
結果を常に参照点に集めている事になるため、これを投
票形と呼ぶ。

なお、このとき、ｍ段の最後の移動とｍ＋１段参照点を
重ねた時の重なりの度合ｃ　（ｉ　、ｊ）が、すなわち
、モデルの形Ｒが入力の各点にどの程度存在するかとい
う情報が得られる。

この結果、モデルの特徴要素表現による計算量の削減、
方向面の導入による距離計算の単純化、および入力面に
対する並列演算の優先的実行により、入力画像全面に対
するマツチングによる形の高速抽出方法およびそのため
の装置を得ることができる。

すなわち、本発明により、線と線の関係として与えられ
る任意の“形”を、入力像の中から高速に抽出すること
ができ、複雑な背景に書かれた文字の認識、ロボットの
目としての物体の種類・位置の認識、医用画像中の各ｆ
ｆｆｉ組織・臓器の認識等、画像の自動認識に広い応用
が可能である。

第５図は、第４図と同様なカウンタ面の移動と、複数の
入力方向面を３次元で表示する概念図、 第６図は、本発明の一実施例による処理過程および処理
構成を示すブロック図、 第７図は、第６図に示した移動と加算の詳細を示すブロ
ック図である。

６０１・・・モデルテーブル、 に関し、入力情報の方向性を抽出するためのエツジオペ
レータを説明するための概念図、第３図は、本発明の一
実施例において、８角形を１３の評価点で表現したモデ
ルの概念図、第４図は、本発明の一実施例に関し、カウ
ンタ面の移動を説明するための概念図、 ・・・移動部、 ・・・加算部、 ・・・最大値検出部、 ・・・入力画像、 ・・・観測面、 ・・・カウンタ面、 ・・（入力）方向面、 ＥＯ・・・エツジオペレータ。

４−−＋−−Ｑ ／ｉ＼ ／　　１　　＼ ３　　２　　１ ■ ■ 第３図 ぐ の ｆ−タ 処 理 第６図 ２次元ヂータ

Claims (1)

1. 【特許請求の範囲】 １）並列処理により、入力画像の中から抽出された方向
   性特徴と予め定義された形のモデルとの対比により画像
   認識を行なう画像認識装置において、 抽出すべき形のモデルを評価点の系列として表現し、各
   評価点毎に前記方向性特徴に関する値と前記系列におけ
   る一つ前の評価点からの移動量とを定義し、当該定義さ
   れた方向性特徴に関する値および移動量を予め記憶する
   モデル記憶手段と、 入力画像において方向性特徴を抽出することにより、方
   向成分の強さを表現する複数の方向面を作成する方向面
   作成手段と、 前記入力画像の各点毎にカウンタ面を記憶するカウンタ
   面記憶手段と、 前記評価点毎に定義される移動量だけ前記カウンタ面を
   平行移動する移動手段と、 該移動手段によって移動した当該カウンタ面に、前記方
   向性特徴に関する値によって得られる前記方向面を加算
   する加算手段と、 前記平行移動および加算を、前記モデルの評価点系列の
   順に反復して実行する反復手段と、前記平行移動および
   加算の反復終了後、前記カウンタ面の各点毎の前記方向
   面の総和の分布から前記モデルの形および位置を知る手
   段と、 を具えたことを特徴とする画像認識装置。 ２）並列処理により、入力画像の中から抽出された方向
   性特徴と予め定義された形のモデルとの対比により画像
   認識を行なう画像認識方法において、 抽出すべき形のモデルを評価点の系列として表現し、各
   評価点毎に前記方向性特徴に関する値と前記系列におけ
   る一つ前の評価点からの移動量とを定義し、当該定義さ
   れた方向性特徴に関する値および移動量を予め記憶し、 入力画像において方向性特徴を抽出することにより、方
   向成分の強さを表現する複数の方向面を作成し、 前記入力画像の各点毎にカウンタ面を記憶し、 前記評価点毎に定義される移動量だけ前記カウンタ面を
   平行移動し、 当該移動によって移動した当該カウンタ面に、前記方向
   性特徴に関する値によって得られる前記方向面を加算し
   、 前記平行移動および加算を、前記モデルの評価点系列の
   順に反復して実行し、 前記平行移動および加算の反復終了後、前記カウンタ面
   の各点毎の前記方向面の総和の分布から前記モデルの形
   および位置を知る、 各処理を有したことを特徴とする画像認識方法。