JPH04232579A - 近傍データに基づく画像形状の比較方法 - Google Patents
近傍データに基づく画像形状の比較方法Info
- Publication number
- JPH04232579A JPH04232579A JP3130096A JP13009691A JPH04232579A JP H04232579 A JPH04232579 A JP H04232579A JP 3130096 A JP3130096 A JP 3130096A JP 13009691 A JP13009691 A JP 13009691A JP H04232579 A JPH04232579 A JP H04232579A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- image
- data
- neighborhood
- pixels
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims description 18
- 230000015654 memory Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims 1
- 238000003491 array Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 12
- 238000011524 similarity measure Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/564—Depth or shape recovery from multiple images from contours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- 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
【0001】〔発明の背景〕本発明は、データ本体を解
析する手法、特に画像内の画素の近傍を求めることで画
像を解析する手法に関する。
析する手法、特に画像内の画素の近傍を求めることで画
像を解析する手法に関する。
【0002】バー,D.J.(Burr, D.J.)
の「画像重ね合わせの動的モデル(A Dynamic
Model for Image Processi
ng)」,コンピュータ・グラフィックと画像処理(C
omputer Graphics and Imag
e Processing),15号,1981,pp
.102−112では、2つの画像の局所重ね合わせを
更新するための反復手法を説明している。その序では、
最近傍対応性は、重ね合わせミスが減少し、良い重ね合
わせ指標になることを示している。
の「画像重ね合わせの動的モデル(A Dynamic
Model for Image Processi
ng)」,コンピュータ・グラフィックと画像処理(C
omputer Graphics and Imag
e Processing),15号,1981,pp
.102−112では、2つの画像の局所重ね合わせを
更新するための反復手法を説明している。その序では、
最近傍対応性は、重ね合わせミスが減少し、良い重ね合
わせ指標になることを示している。
【0003】104−106ページの3章では、最近傍
端要素距離の和を空間距離の尺度として使用することを
述べている。図1は、2つの重ね合わせた画像の最近傍
を示すベクトルを図示したものである。
端要素距離の和を空間距離の尺度として使用することを
述べている。図1は、2つの重ね合わせた画像の最近傍
を示すベクトルを図示したものである。
【0004】ウルマン, S.(Ullman, s.
)は「対象認識へのアプローチ:画像記述の位置合わせ
(An Approach to Object Re
cognition: Aligning Picto
rial Descriptions)」(A.I.メ
モ 9312号、1986年12月、M.I.T.人
工知能研究所、マサチューセッツ州ケンブリッジ)で、
2段階の認識過程を説明している。 第1段階では、観察対象を潜在的な対象モデルと位置合
わせするのに必要な空間内の変換を判定する。第2段階
では、観察モデルと最もよく適合するモデルを判定する
。7ページでは、一致しない座標の数として2値ベクト
ルとして定義されるハミング距離と呼ばれる連想メモリ
で用いる典型的な類似性尺度を説明している。20ペー
ジから始まるセクション4では、全ての記憶された対象
モデルと特定モデルの全てのその可能な図の空間を探索
する位置合わせ方法と、対象とモデル間の適合のある尺
度を最大化する特定変換を説明している。48ページで
は、突合せの度合の尺度の一般的要件を述べている。
)は「対象認識へのアプローチ:画像記述の位置合わせ
(An Approach to Object Re
cognition: Aligning Picto
rial Descriptions)」(A.I.メ
モ 9312号、1986年12月、M.I.T.人
工知能研究所、マサチューセッツ州ケンブリッジ)で、
2段階の認識過程を説明している。 第1段階では、観察対象を潜在的な対象モデルと位置合
わせするのに必要な空間内の変換を判定する。第2段階
では、観察モデルと最もよく適合するモデルを判定する
。7ページでは、一致しない座標の数として2値ベクト
ルとして定義されるハミング距離と呼ばれる連想メモリ
で用いる典型的な類似性尺度を説明している。20ペー
ジから始まるセクション4では、全ての記憶された対象
モデルと特定モデルの全てのその可能な図の空間を探索
する位置合わせ方法と、対象とモデル間の適合のある尺
度を最大化する特定変換を説明している。48ページで
は、突合せの度合の尺度の一般的要件を述べている。
【0005】〔発明の要約〕本発明の1側面は、画像内
の形状間の類似性を測定する際の問題の認識に基づいて
いる。いくつかの従来の手法では、突き合わせた2つの
形状の境界上の対応する点の対のリストを生成し、次に
対応する点の間の距離を用いて類似性の尺度を逐次に生
成している。しかし画像内の形状は度々連続的な境界に
欠き、形状の対は対応する点を求めるのが難しい境界を
持つことがある。
の形状間の類似性を測定する際の問題の認識に基づいて
いる。いくつかの従来の手法では、突き合わせた2つの
形状の境界上の対応する点の対のリストを生成し、次に
対応する点の間の距離を用いて類似性の尺度を逐次に生
成している。しかし画像内の形状は度々連続的な境界に
欠き、形状の対は対応する点を求めるのが難しい境界を
持つことがある。
【0006】本発明のこの側面は、近傍手法により類似
性を測定でき、しかもそれらの問題を避けることができ
るという発見に基づいている。近傍距離データは比較さ
れている画像内の1つの各画素について生成でき、近傍
への距離を示す。次に他の画像内の各黒画素の近傍距離
を総計して、非類似性の尺度を生成することができる。
性を測定でき、しかもそれらの問題を避けることができ
るという発見に基づいている。近傍距離データは比較さ
れている画像内の1つの各画素について生成でき、近傍
への距離を示す。次に他の画像内の各黒画素の近傍距離
を総計して、非類似性の尺度を生成することができる。
【0007】以下の説明や図により、それらや他の目的
、本発明の特徴や利点を更に説明する。〔図面の簡単な
説明〕図1は、本発明による形状比較を説明した配列の
シーケンスを示す流れ図である。図2は、本発明による
2つの画像間の類似性の尺度を得る概略ステップを示す
フローチャートである。図3は、2つの画像間の類似性
の尺度を得るステップを示すフローチャートである。
、本発明の特徴や利点を更に説明する。〔図面の簡単な
説明〕図1は、本発明による形状比較を説明した配列の
シーケンスを示す流れ図である。図2は、本発明による
2つの画像間の類似性の尺度を得る概略ステップを示す
フローチャートである。図3は、2つの画像間の類似性
の尺度を得るステップを示すフローチャートである。
【0008】〔詳細な説明〕A.概念的枠組み次の概念
的枠組みは本発明の広範な理解に役立ち、以下に定義す
る用語は特許請求の範囲を含む本出願を通して示された
意味を有する。この概念的枠組みは、出願中の米国出願
07/535,796号、「データ解析用稚密集合体階
層的手法(Dense Aggregative Hi
erarchical Techiquues for
Data Analysis) 」(「アーキテクチ
ャ出願」)及び07/535,438号「画像に対する
網羅的階層的近傍演算(Exhaustive Hie
rarchical Near Neighbor O
perations on an Images) 」
(「リンキング出願」)で説明したものの拡張であり、
その両方をここに参考にそのまま組み入れる。
的枠組みは本発明の広範な理解に役立ち、以下に定義す
る用語は特許請求の範囲を含む本出願を通して示された
意味を有する。この概念的枠組みは、出願中の米国出願
07/535,796号、「データ解析用稚密集合体階
層的手法(Dense Aggregative Hi
erarchical Techiquues for
Data Analysis) 」(「アーキテクチ
ャ出願」)及び07/535,438号「画像に対する
網羅的階層的近傍演算(Exhaustive Hie
rarchical Near Neighbor O
perations on an Images) 」
(「リンキング出願」)で説明したものの拡張であり、
その両方をここに参考にそのまま組み入れる。
【0009】「データ・プロセッサ」ないし「プロセッ
サ」とは、データを処理できる構成要素、構成要素の組
み合わせないしシステムであり、1つないし複数の中央
演算処理装置ないしその他の処理構成要素を含むことが
できる。「演算処理装置」とは、別のプロセッサ内の構
成要素であるプロセッサである。2つの演算処理装置は
、1つの演算処理装置から他の演算処理装置へデータの
通信を可能にするそれらの間の接続の組合せにより「接
続」される。
サ」とは、データを処理できる構成要素、構成要素の組
み合わせないしシステムであり、1つないし複数の中央
演算処理装置ないしその他の処理構成要素を含むことが
できる。「演算処理装置」とは、別のプロセッサ内の構
成要素であるプロセッサである。2つの演算処理装置は
、1つの演算処理装置から他の演算処理装置へデータの
通信を可能にするそれらの間の接続の組合せにより「接
続」される。
【0010】「メモリ」とは、データを蓄積できる構成
要素、構成要素の組合せあるいはシステムであり、局所
及び遠隔メモリ及び入出力装置を含めることができる。
要素、構成要素の組合せあるいはシステムであり、局所
及び遠隔メモリ及び入出力装置を含めることができる。
【0011】プロセッサのデータへの「アクセス」は、
メモリ内のある位置でデータを読み取ったり書き込んだ
りすることで、データを検索ないし修正する演算により
行われる。プロセッサのデータへの「アクセスのための
接続」は、プロセッサのデータへのアクセスを可能にす
るメモリとの接続の組合せにより行うことができる。
メモリ内のある位置でデータを読み取ったり書き込んだ
りすることで、データを検索ないし修正する演算により
行われる。プロセッサのデータへの「アクセスのための
接続」は、プロセッサのデータへのアクセスを可能にす
るメモリとの接続の組合せにより行うことができる。
【0012】プロセッサは、データに依存する論理的な
いし数値的結果を得ることを含む演算を遂行することで
データの「演算を行う」。
いし数値的結果を得ることを含む演算を遂行することで
データの「演算を行う」。
【0013】データを「得る」ないし「生成する」こと
は、データなしで始まり、データに帰着する演算のあら
ゆる組合せを遂行することである。データを他のデータ
「から得る」ないし「生成」することは、他のデータの
演算を行うことでデータを得るないし生成する演算の組
合せによりできる。
は、データなしで始まり、データに帰着する演算のあら
ゆる組合せを遂行することである。データを他のデータ
「から得る」ないし「生成」することは、他のデータの
演算を行うことでデータを得るないし生成する演算の組
合せによりできる。
【0014】データによる属性の「表示」は、データが
属性の存在あるいは属性の尺度を表示するときに行われ
る。
属性の存在あるいは属性の尺度を表示するときに行われ
る。
【0015】データ項目の「階層」には、各々が階層内
の一連のレベルの1つにあるデータ項目が含まれる。デ
ータ項目の階層を「生成」することは、データ項目の完
全な階層なしに始まり、当初存在しなかった階層のデー
タ項目全ての生成を含む演算の組合せを行うことである
。すなわち階層は、全データ項目が依然記憶されている
かどうかに関わりなく、階層の全てのデータ項目が生成
されることで終了する演算の組合せにより生成すること
ができる。全レベルの全データ項目が依然演算の終わり
に記憶されることがあるが、一部のデータ項目が高次レ
ベルのデータ項目を生成するために使用された後に記憶
されていなくとも、その階層は生成される。
の一連のレベルの1つにあるデータ項目が含まれる。デ
ータ項目の階層を「生成」することは、データ項目の完
全な階層なしに始まり、当初存在しなかった階層のデー
タ項目全ての生成を含む演算の組合せを行うことである
。すなわち階層は、全データ項目が依然記憶されている
かどうかに関わりなく、階層の全てのデータ項目が生成
されることで終了する演算の組合せにより生成すること
ができる。全レベルの全データ項目が依然演算の終わり
に記憶されることがあるが、一部のデータ項目が高次レ
ベルのデータ項目を生成するために使用された後に記憶
されていなくとも、その階層は生成される。
【0016】「階層的演算」とは、データ項目の階層を
逐次に生成するないしデータ項目の階層を通し上向きな
いし下向きパスを作る演算の組合せである。
逐次に生成するないしデータ項目の階層を通し上向きな
いし下向きパスを作る演算の組合せである。
【0017】データによる属性の「表示」は、そのデー
タが属性の存在あるいは属性の尺度を表示する場合に行
われる。
タが属性の存在あるいは属性の尺度を表示する場合に行
われる。
【0018】「画像」とは光のパターンである。データ
による画像ないし他の信号の「定義」は、データが画像
ないし信号を生成するのに十分な情報を含む場合に行わ
れる。
による画像ないし他の信号の「定義」は、データが画像
ないし信号を生成するのに十分な情報を含む場合に行わ
れる。
【0019】画像内の各々の位置を「画素」と呼ぶこと
ができる。データの各々の項目が値を与える画像を定義
する配列で、位置の色を表示する各々の値を「画素値」
と呼ぶことができる。
ができる。データの各々の項目が値を与える画像を定義
する配列で、位置の色を表示する各々の値を「画素値」
と呼ぶことができる。
【0020】「連結構成要素」ないし「ブロッブ(小斑
点)」は画像内の画素の集合であり、それらはすべて基
準を満たす画素値を持ち、対の画素は集合内の近傍の連
鎖により接続されるといった適当な規則を通して対とし
て接続されている。例えば、画像の2値的な形態の連結
構成要素には、黒といった同一の2値の値を持つ画素の
連結集合を含めることができる。
点)」は画像内の画素の集合であり、それらはすべて基
準を満たす画素値を持ち、対の画素は集合内の近傍の連
鎖により接続されるといった適当な規則を通して対とし
て接続されている。例えば、画像の2値的な形態の連結
構成要素には、黒といった同一の2値の値を持つ画素の
連結集合を含めることができる。
【0021】画像内の2つの画素間の「相対的方位」と
は、画像内の1つの画素から他の画素への方向の尺度で
ある。
は、画像内の1つの画素から他の画素への方向の尺度で
ある。
【0022】画像内の2つの画素間の「距離」とは、一
般的に画素の大きさと形状を均一と想定して、それらの
間の画素数の尺度である。例えば2次元画像内では、2
つの画素間の距離はxとyオフセットで測定でき、距離
はオフセットの平方の和を取ることで比較することがで
きる。2つの画素は一部の状況で考えられるそれらの間
の距離が比較的小さい場合に、「近い」ことになる。
般的に画素の大きさと形状を均一と想定して、それらの
間の画素数の尺度である。例えば2次元画像内では、2
つの画素間の距離はxとyオフセットで測定でき、距離
はオフセットの平方の和を取ることで比較することがで
きる。2つの画素は一部の状況で考えられるそれらの間
の距離が比較的小さい場合に、「近い」ことになる。
【0023】「近傍画素」ないし画像内の所与の画素に
対して「近傍」とは、ここで「近傍基準」と称する基準
を満たす同一画像内の画素であり、基準を満たす他の画
素に関して考察した場合に所与の画素に近い画素である
。例えば、近傍画素は黒の画素でなければならないとい
う場合があり、その場合は所与の画素の近傍は近くの黒
の画素になる。どの画素が近いかの判定は、特定された
方法がなければ適切な方法で行うことができる。
対して「近傍」とは、ここで「近傍基準」と称する基準
を満たす同一画像内の画素であり、基準を満たす他の画
素に関して考察した場合に所与の画素に近い画素である
。例えば、近傍画素は黒の画素でなければならないとい
う場合があり、その場合は所与の画素の近傍は近くの黒
の画素になる。どの画素が近いかの判定は、特定された
方法がなければ適切な方法で行うことができる。
【0024】「近傍属性データ」とは、近傍画素に関し
た属性を表示するデータである。例えば近傍属性データ
には、距離を示す「近傍距離データ」あるいは方位を示
す「近傍方位データ」、近傍画素の属性を示すあらゆる
データが有り得る。近傍属性データは一意的に近傍画素
を同定する必要はなく、1つ以上の近傍画素の集合と関
係づけることができる。
た属性を表示するデータである。例えば近傍属性データ
には、距離を示す「近傍距離データ」あるいは方位を示
す「近傍方位データ」、近傍画素の属性を示すあらゆる
データが有り得る。近傍属性データは一意的に近傍画素
を同定する必要はなく、1つ以上の近傍画素の集合と関
係づけることができる。
【0025】「近傍リンク」とは「オーナー」と呼ばれ
る画素と「ネイバー」と呼ばれる近傍画素間の関係性で
ある。従って近傍属性データは近傍リンクについての情
報を提供することができる。
る画素と「ネイバー」と呼ばれる近傍画素間の関係性で
ある。従って近傍属性データは近傍リンクについての情
報を提供することができる。
【0026】B.概略的特徴
図1、2は本発明の概略特徴を示している。図1は、近
傍データに基づいて形状を比較する際の配列のシーケン
スを示し、図2は近傍距離の和を得ることにより画像間
の非類似性を測定する際の概略ステップを示している。
傍データに基づいて形状を比較する際の配列のシーケン
スを示し、図2は近傍距離の和を得ることにより画像間
の非類似性を測定する際の概略ステップを示している。
【0027】図1は、5つの黒の画素で形成された形状
を含む配列10を示している。配列12は、各画素の最
も近い黒の画素に対する平方の和の距離を得るために、
配列10のデータを演算することで生成された近傍デー
タの配列である。配列10内の各黒画素位置については
、配列12の距離はゼロである。各白画素位置について
は、配列12内の距離はゼロより大きく、最近傍黒画素
のx、y座標オフセットの平方の和である。連結出願で
説明するような演算を行って配列10から配列12を生
成することができる。
を含む配列10を示している。配列12は、各画素の最
も近い黒の画素に対する平方の和の距離を得るために、
配列10のデータを演算することで生成された近傍デー
タの配列である。配列10内の各黒画素位置については
、配列12の距離はゼロである。各白画素位置について
は、配列12内の距離はゼロより大きく、最近傍黒画素
のx、y座標オフセットの平方の和である。連結出願で
説明するような演算を行って配列10から配列12を生
成することができる。
【0028】画素配列14は5つの黒画素により形成さ
れた第2の形状を示しており、画素配列16は7つの黒
画素により形成された第3の形状を示している。図から
分かるように、配列14の各黒位置に対する配列12内
の距離を合計すると、和は1となる。しかし配列16で
は5であり、配列16は配列14よりも配列10からも
っと非類似であることを示している。
れた第2の形状を示しており、画素配列16は7つの黒
画素により形成された第3の形状を示している。図から
分かるように、配列14の各黒位置に対する配列12内
の距離を合計すると、和は1となる。しかし配列16で
は5であり、配列16は配列14よりも配列10からも
っと非類似であることを示している。
【0029】図2は、近傍距離に基づき、画像間の類似
性を測定する概略ステップを示している。ボックス30
のステップでは、メモリに第1の画像の画素値を記憶す
る。ボックス32のステップでは、第1の画像内の各画
素の近傍距離データを生成し、黒画素といった基準を満
たす近傍画素への距離を示す。ボックス34のステップ
では、メモリに第2の画像の画素値を記憶する。ボック
ス36のステップでは次に類似性の尺度を生成するため
、黒画素といった基準を満たす第2の画像内の画素の距
離を合計する。図2に示す方法では、ボックス34のス
テップは、ボックス36のステップの前のどの時点でも
行うことができる。
性を測定する概略ステップを示している。ボックス30
のステップでは、メモリに第1の画像の画素値を記憶す
る。ボックス32のステップでは、第1の画像内の各画
素の近傍距離データを生成し、黒画素といった基準を満
たす近傍画素への距離を示す。ボックス34のステップ
では、メモリに第2の画像の画素値を記憶する。ボック
ス36のステップでは次に類似性の尺度を生成するため
、黒画素といった基準を満たす第2の画像内の画素の距
離を合計する。図2に示す方法では、ボックス34のス
テップは、ボックス36のステップの前のどの時点でも
行うことができる。
【0030】C.実施
図3は、視覚システムで近傍データを用いて境界に基づ
く形状突合せを行う方法を示している。ボックス60の
ステップは、各演算処理装置の局所メモリに各々の画素
の値が含まれるように、境界の第1の画像を記憶するこ
とで始まる。
く形状突合せを行う方法を示している。ボックス60の
ステップは、各演算処理装置の局所メモリに各々の画素
の値が含まれるように、境界の第1の画像を記憶するこ
とで始まる。
【0031】ボックス62のステップは、ボックス64
で各象限に対して近傍とその距離を求める反復ループを
始める。全ての近傍が求められれば、ボックス66のス
テップで、近傍の最も近いものへの距離を示す近傍デー
タを得る。
で各象限に対して近傍とその距離を求める反復ループを
始める。全ての近傍が求められれば、ボックス66のス
テップで、近傍の最も近いものへの距離を示す近傍デー
タを得る。
【0032】ボックス68のステップは、先行ステップ
とはともかく独立的に行うことができる。それには第1
の画像と比較する第2の画像を正規化し、次に各々の演
算処理装置の局所メモリに各々の画素の値が含まれるよ
うに正規化した第2の画像を記憶することが必要だから
である。例えば正規化により、境界矩形が第1の画像の
図形と同じ図形を生成することができる。ボックス70
のステップでは、各々の演算処理装置で、正規化した第
2の画像内のその各々の画素が黒であるかどうか判定す
る。そうでなければ、ボックス66からの距離はボック
ス74のステップのためにクリアされる。ボックス74
では、第1と第2の画像内の境界間の形状の違いの尺度
を得るために、全ての演算処理装置について階層的に残
りの距離を合計する。
とはともかく独立的に行うことができる。それには第1
の画像と比較する第2の画像を正規化し、次に各々の演
算処理装置の局所メモリに各々の画素の値が含まれるよ
うに正規化した第2の画像を記憶することが必要だから
である。例えば正規化により、境界矩形が第1の画像の
図形と同じ図形を生成することができる。ボックス70
のステップでは、各々の演算処理装置で、正規化した第
2の画像内のその各々の画素が黒であるかどうか判定す
る。そうでなければ、ボックス66からの距離はボック
ス74のステップのためにクリアされる。ボックス74
では、第1と第2の画像内の境界間の形状の違いの尺度
を得るために、全ての演算処理装置について階層的に残
りの距離を合計する。
【0033】上述した演算はテンプレート突合せに使用
することができ、第1の画像は原型となり、第2の画像
は2つの単純な段階を含むプロセスによりその原型と比
較される。第1の段階は正規化ないし位置合わせプロセ
スで、本質的に観察位置、観察対象の物理的変形などに
よる形状の可能な変形を元通りにして、所与の平面図系
を基準形式に変換する。第2の段階はテンプレート突合
せで、ボックス74に関して上述したように和を得るこ
とで、正規化した図形を原型に対して比較する。
することができ、第1の画像は原型となり、第2の画像
は2つの単純な段階を含むプロセスによりその原型と比
較される。第1の段階は正規化ないし位置合わせプロセ
スで、本質的に観察位置、観察対象の物理的変形などに
よる形状の可能な変形を元通りにして、所与の平面図系
を基準形式に変換する。第2の段階はテンプレート突合
せで、ボックス74に関して上述したように和を得るこ
とで、正規化した図形を原型に対して比較する。
【0034】境界に基づいた形状突合せの近傍距離だけ
の表現に対する近傍リンクの利点は、方位や曲率といっ
た対応する境界位置に関連した他の関連情報を類似性尺
度に含めることができるということである。この場合、
正規化した第2の画像内の各々の黒画素では、関連性質
は近傍位置から読み取られ、ある方法で包括的な尺度に
含まれる。
の表現に対する近傍リンクの利点は、方位や曲率といっ
た対応する境界位置に関連した他の関連情報を類似性尺
度に含めることができるということである。この場合、
正規化した第2の画像内の各々の黒画素では、関連性質
は近傍位置から読み取られ、ある方法で包括的な尺度に
含まれる。
【0035】D.その他
本発明は2値画像の演算に関し説明したが、あらゆる種
類の画像およびより一般的に、説明したものと似た配列
に写像するデータ本体に適用することができる。
類の画像およびより一般的に、説明したものと似た配列
に写像するデータ本体に適用することができる。
【0036】本発明は様々な実施をその修正、変形、拡
張と共に説明したが、修正、変形、拡張も本発明の範囲
内に含まれる。本発明はしたがってここに含む説明ある
いは図に限定されるものではなく、特許請求の範囲のみ
により限定される。
張と共に説明したが、修正、変形、拡張も本発明の範囲
内に含まれる。本発明はしたがってここに含む説明ある
いは図に限定されるものではなく、特許請求の範囲のみ
により限定される。
【図1】 本発明による形状比較を説明した配列のシ
ーケンスを示す流れ図である。
ーケンスを示す流れ図である。
【図2】 本発明による2つの画像間の類似性の尺度
を得る概略ステップを示すフローチャートである。
を得る概略ステップを示すフローチャートである。
【図3】 2つの画像間の類似性の尺度を得るステッ
プを示すフローチャートである。
プを示すフローチャートである。
10,12,14,16:配列
Claims (1)
- 【請求項1】 メモリとこのメモリにアクセスするた
めに接続されているプロセッサを含むシステムを操作す
る方法であって、複数画素を含む第1の画像について、
各画素の各々のデータ項目が第1の画像の画素値を含む
中で、各画素の各々のデータ項目をメモリに記憶するス
テップと、近傍距離データが第1の画像画素値が基準を
満たす近傍画素への距離を示し、プロセッサが第1の画
像画素値に対して演算を行うことで前記近傍距離データ
を生成する中で、第1の画像内の画素の各々について、
画素の近傍距離データを生成するためプロセッサを動作
させるステップと、各々が第1の画像の各々の画素に対
して写像している複数画素を含む第2の画像について、
各画素の各々のデータ項目が第2の画素値を含む中で、
メモリに各の画素の各々のデータ項目を記憶するステッ
プと、非類似性の尺度を生成するためにプロセッサを動
作させるステップが、画素値が基準を満たす第2の画像
の画素の集合について、第1の画像の各々の画素の近傍
距離データにより示される距離の和を生成するサブステ
ップからなる中で、第1と第2の画像間の非類似性の尺
度を生成するためプロセッサを動作させるステップから
なる、前記システムを操作する方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/535,091 US5255354A (en) | 1990-06-08 | 1990-06-08 | Comparison of image shapes based on near neighbor data |
US535091 | 1990-06-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH04232579A true JPH04232579A (ja) | 1992-08-20 |
Family
ID=24132801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3130096A Withdrawn JPH04232579A (ja) | 1990-06-08 | 1991-06-01 | 近傍データに基づく画像形状の比較方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US5255354A (ja) |
EP (1) | EP0460960A2 (ja) |
JP (1) | JPH04232579A (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5644689A (en) * | 1992-01-13 | 1997-07-01 | Hitachi, Ltd. | Arbitrary viewpoint three-dimensional imaging method using compressed voxel data constructed by a directed search of voxel data representing an image of an object and an arbitrary viewpoint |
JP2719644B2 (ja) * | 1992-09-30 | 1998-02-25 | 大日本スクリーン製造株式会社 | カブセ処理方法 |
US5347459A (en) * | 1993-03-17 | 1994-09-13 | National Research Council Of Canada | Real time collision detection |
JPH0778251A (ja) * | 1993-07-22 | 1995-03-20 | Xerox Corp | ソースベリファイ方法 |
CA2150110C (en) * | 1993-10-15 | 2000-01-11 | Henry Spalding Baird | Methods and apparatus for classification of images using distribution maps |
US6094196A (en) * | 1997-07-03 | 2000-07-25 | International Business Machines Corporation | Interaction spheres of three-dimensional objects in three-dimensional workspace displays |
US7136082B2 (en) * | 2002-01-25 | 2006-11-14 | Xerox Corporation | Method and apparatus to convert digital ink images for use in a structured text/graphics editor |
US7139004B2 (en) * | 2002-01-25 | 2006-11-21 | Xerox Corporation | Method and apparatus to convert bitmapped images for use in a structured text/graphics editor |
JP2006523345A (ja) * | 2003-04-03 | 2006-10-12 | ダブリン シティ ユニバーシティ | マルチメディアデータに索引付けをし、そして検索するための形状マッチング方法 |
US7388987B2 (en) * | 2004-05-28 | 2008-06-17 | Hewlett-Packard Development Company, L.P. | Computing dissimilarity measures |
EP2631871B1 (en) * | 2012-02-27 | 2015-07-01 | ST-Ericsson SA | Virtual image generation |
US10573034B2 (en) | 2018-04-13 | 2020-02-25 | Honeywell International Inc. | System and method for translation of graphics to newer format using pattern matching |
US10747207B2 (en) | 2018-06-15 | 2020-08-18 | Honeywell International Inc. | System and method for accurate automatic determination of “alarm-operator action” linkage for operator assessment and alarm guidance using custom graphics and control charts |
US10699159B2 (en) | 2018-08-17 | 2020-06-30 | Honeywell International Inc. | Objects aggregation and standardization for legacy graphics conversion |
US10860897B2 (en) * | 2019-01-29 | 2020-12-08 | Victor Gorelik | Pattern recognition with AI maps |
US11042957B1 (en) | 2019-12-12 | 2021-06-22 | Honeywell International Inc. | Identification of process and control linkages from custom graphics for the purpose of backbuilding standard operating procedures |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1250166B (de) * | 1962-05-21 | 1967-09-14 | International Business Machines Corporation Armonk, NY (V St A) | Vorrichtung zur maschinellen Zeichen erkennung |
GB1280155A (en) * | 1968-06-25 | 1972-07-05 | Nat Res Dev | Improvements in or relating to apparatus for character recognition |
US4208652A (en) * | 1978-09-14 | 1980-06-17 | A. C. Nielsen Company | Method and apparatus for identifying images |
US4288782A (en) * | 1979-08-24 | 1981-09-08 | Compression Labs, Inc. | High speed character matcher and method |
JPS58115490A (ja) * | 1981-12-29 | 1983-07-09 | 日本電気株式会社 | パタン間距離計算装置 |
US4615013A (en) * | 1983-08-02 | 1986-09-30 | The Singer Company | Method and apparatus for texture generation |
GB8525509D0 (en) * | 1985-10-16 | 1985-11-20 | Int Computers Ltd | Symbol pattern matching |
US4799270A (en) * | 1986-03-20 | 1989-01-17 | The Johns Hopkins University | Image classifier |
US5022091A (en) * | 1990-02-28 | 1991-06-04 | Hughes Aircraft Company | Image processing technique |
US5193125A (en) * | 1990-06-08 | 1993-03-09 | Xerox Corporation | Local hierarchical processing focus shift within an image |
US5131054A (en) * | 1991-01-09 | 1992-07-14 | Thinking Machines Corporation | Character recognition system using massively parallel computer that identifies a query character using degree of similarity with plurality of training characters of known identity |
-
1990
- 1990-06-08 US US07/535,091 patent/US5255354A/en not_active Expired - Lifetime
-
1991
- 1991-06-01 JP JP3130096A patent/JPH04232579A/ja not_active Withdrawn
- 1991-06-07 EP EP91305132A patent/EP0460960A2/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
EP0460960A3 (ja) | 1994-04-20 |
US5255354A (en) | 1993-10-19 |
EP0460960A2 (en) | 1991-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deng et al. | A Survey of Non‐Rigid 3D Registration | |
Jiang et al. | Robust feature matching for remote sensing image registration via linear adaptive filtering | |
EP1394727B1 (en) | Hierarchical component based object recognition | |
Fan | Describing and recognizing 3-D objects using surface properties | |
US6553152B1 (en) | Method and apparatus for image registration | |
Paragios et al. | Matching distance functions: A shape-to-area variational approach for global-to-local registration | |
Jain et al. | Analysis and interpretation of range images | |
JPH04232579A (ja) | 近傍データに基づく画像形状の比較方法 | |
Ju et al. | A geometric database for gene expression data | |
CN111767960A (zh) | 一种应用于图像三维重建的图像匹配方法及系统 | |
JPH04232577A (ja) | 近傍属性に基づく画像の画素のラベル付け方法 | |
US20030235337A1 (en) | Non-rigid image registration using distance functions | |
Li et al. | Coarse-to-fine PatchMatch for dense correspondence | |
Orrite et al. | Shape matching of partially occluded curves invariant under projective transformation | |
Saber et al. | Region-based shape matching for automatic image annotation and query-by-example | |
CN114463397A (zh) | 一种基于渐进式滤波的多模态图像配准方法 | |
Wei et al. | Robust and efficient image alignment based on relative gradient matching | |
Chan et al. | A new approach for efficient Hough transform for circles | |
Schonsheck et al. | Parallel transport convolution: Deformable convolutional networks on manifold-structured data | |
Yang et al. | A robust nonrigid point set registration framework based on global and intrinsic topological constraints | |
Li et al. | Efficient and robust direct image registration based on joint geometric and photometric lie algebra | |
Xu et al. | Dynamic learning from multiple examples for semantic object segmentation and search | |
Hauenstein et al. | Curvature determination in range images: new methods and comparison study | |
CN112489068A (zh) | 一种基于卷积神经网络的医学图像分割的方法 | |
JP3300092B2 (ja) | 画像特徴抽出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19980903 |