JPH0424773A - パターンマッチング方法 - 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、ｌｌ械部品及び工具等の定型物体の画像認識
を行うパターンマツチング方法に関するものである。

［従来の技術］ 本発明のパターンマツチング方法にＵＱするものとして
、一般化ハフ変換がある。一般化ハフ変換は、ノイズに
対してロバストなマツチング方法として知られており、
工業応用的にも幅広く用いられている。その手順及び回
路構成について第５図乃至第９図を用いて以下説明する
。

まず、第７図の対象物体内に参照点Ｒ（ＸＧＩｙｃ）を
設定する。同時に、対象物体内において任意の特徴点Ｚ
ｊ（ｘｊ＋　　ｙ＝　）を設定する。特徴点は、一般に
複数個（ｊ＝１．、、、、Ｍ）存在し、各特徴点に与え
られる特徴値は、何であっても良い。

通常エツジの方向係数がよく用いられるが、ここでは、
説明を簡単にするために１画像の濃度値を特徴値とし、
第８図に概念的に示す如＜ＴＶカメラ等の撮像装置から
のアナログ信号をＡ／Ｄ変換して得られる量子化された
濃淡画像値Ｆ（ｘｙ）（Ｎレベル：　Ｆ、、、、、、Ｆ
ｉ　、、、、、ＦＮ　）について説明する。各特徴点に
対して次のことを行う。

１）特徴点Ｚｊ（ｘＪ、ｙ、）と参照点Ｒ（ｘ。

７Ｇ）との位置間係を規定する距離ｒｊ＋　方位角φ、
からなる位置ベクトル（ｒｌ、φＪ）を算出する。

２）第６図に示す参照テーブルの中のＦ、値に対応する
アドレスに、特徴値Ｆ８を存する特徴点Ｚｊ（ｘＪ＋　
　３’ｊ　）の位置ベクトル（ｒＪ、φ、）を書き込む
。

以上が、対象物体のモデルを表現する参照データを作成
する時の処理であるが１次に、パターンマツチング演算
時の処理について、第５図の回路ブロフク図を用いて説
明する。

Ｘ、ｙアドレスジェネレータ２からアドレス信号ｘ、　
　ｙが濃淡画像メモリ３に供給され、濃淡値ｆ　（ｘ、
ｙ）が読み出される。読み出された濃淡値ｆ　（ｘ、　
　ｙ）を用いて参照テーブルメモリ２１をアクセスし、
対応するアドレス位置の位置へクトルデータ（ｒＪ、φ
１）を順次読み出す。読み出されたｒｊ、　　φ１値と
、前記アドレスジェネレータ２から供給されるアドレス
信号ｘ、ｙと、角度ジェネレータ１７から供給される物
体の回転角度の候補値を表す角度信号θとを、アドレス
変換部１４の入力として ｘ（、’　　：＝ｘ＋ｒＪｃｏｓＣθ＋φＪ）。

ｙｃ　’　　：＝ｙ＋ｒＪｓｉｎ（θ＋φＪ）なるアド
レス変換が実行され、入力画像中の参照点候補アドレス
（Ｘｃ　’、ｙｃ　’）が算出される。ここで１通常は
、変換演算の高速化のため、　　ｓｉｎθ及びｃｏｓθ
の数表を記憶するｓｉｎθ、　ｃｏｓθテーブルメモリ
　１６を使用して、　　ｓｉｎ関数値及びｃｏｓ関数値
を読み出し生成するテーブル参照方式がとられる。この
ようにして決定されたＸＧ’、ｙ、’、θをアドレスと
して、パラメータ累夏メモリ　１５（第９図は累夏メモ
リのメモリ空間の概念的構成図を示す）の対応するアド
レス位置の累積値Ａ　（ｘｃｙ６°、θ）を、累積演夏
部１３により、１だけインクリメントする０以上の処理
を、濃淡画像メモリ３の全領域について行い、その結果
得られるパラメータ累夏メモリ　１５上の値に対して、
パラメータ決定部１８より、一定しきい値以上の極大値
を与える点（Ｘｃ、　　＋ｙｃ　　、　　θ″）を検出
しそれらの点を、対象物体の参照点の位置ＸＧ、ｙＧ及
び対象物体の回転角θとする。

〔発明が解決しようとする課題〕

このような手順及び構成によって実現される一般化ハフ
変換を用いたマツチング処理は１画素単位に変換処理を
するので、入力となる濃淡画像サイズを５ｘＸＳｙ画素
とし、特徴点数をＮｆ、回転の刻み数をＮθとすれば ５ｘＸＳｙＸＮｆＸＮθ回 のアドレス変換を行わなければならず、処理時間が非常
にかかり、実用的ではないという問題点があった・ 本発明は、このような問題点に鑑みてなされたもので、
その目的は、特徴データの圧縮法を提供し、圧縮された
特徴データについて一般化ハフ変換を高速に行うパター
ンマツチング方法を実現することにある。

〔課題を解決するための手段］ 前記した問題点は、以下の手順により解決される。

第１の方法の発明に対応する実現手段においては、濃淡
画像メモリに格納された画像特徴の濃淡値を予め指定さ
れた量子化数で量子化し、予め指定されたサンプリング
間隔で選択された画素毎に注目画素を中心とする指定さ
れた大きさをもつ近傍内の近傍画素に対して特徴値の局
所ヒストグラムを算出し 基準となる参照テーブル作成時には９画像中に参照点を
設定し、参照点と対象物体の指定された複数の特徴点と
の間の距離ｒと方位角φ及びヒストグラム頻度値列の情
報を参照テーブルメモリに格納し。

一方、マツチング時には、入力画像から同様に画素毎に
算出した画像特徴値の局所ヒストグラムと、参照テーブ
ルメモリ中のヒストグラム頻度値列とを比較し、一致す
る場合だけ、前記参照テーブルメモリから読み出される
（ｒ、　　φ）値列と前記画素の座標Ｘ、Ｙパラメータ
、角度パラメータθを入力として Ｘｃ　＝　Ｘ　＋　ｒ　ｃｏｓ（θ＋φ）ＹＧ　＝Ｙ＋
ｒｓｉｎ（θ＋φ） のアドレス変換を実行し、参照点の候補座標ＸＧ値、Ｙ
、値を算出し、前記候補座標値Ｘ、、Ｙ。

及び角度パラメータθをアドレスとして、一致度あるい
はヒストグラム頻度値をパラメータ累算メモリに累算す
る一般化ハフ変換を実行し、累積結果より一定しきい値
以上の累積値の極大値を与えるパラメータ累算メモリの
アドレスＸｓ　、　　Ｙｓ　。

θをそれぞれ対象物体の参照点位置座標Ｘ６ＹＧ′″及
び回転角θ１として出力するようにしており。

この手段により、認識能力の劣化を招くことなく変換処
理量の削減を行い、変換処理の高速化を図ることが可能
となる。

第１の方法の発明を実現する具体的な回路として次の如
きものが考慮される。即ち。

第１の回路においては、濃淡画像メモリに格納された画
像特徴の濃淡値を予め指定された量子化数で量子化し、
予め指定されたサンプリング間隔で選択された画素毎に
注目画素を中心とする指定された大きさをもつ近傍内の
近傍画素に対して特徴値の局所ヒストグラムを算出し、
ヒストグラム２次元データメモリに格納するヒストグラ
ム２次元データ生成部と。

対象物体の指定された複数の特徴点について。

各特徴点のヒストグラム頻度値をアドレス信号として、
前記各特徴点と参照点との間の距ｊｌｆｒと方位角φを
前記アドレス位置に格納する参照テーブルメモリと 前記ヒストグラム２次元データメモリ上の各画素（Ｘ、
Ｙ）のヒストグラム頻度値をアドレス信号として、前記
参照テーブルメモリから読み出される（ｒ、　　φ）値
列と、前記画素の座標Ｘ、　Ｙパラメータ、角度パラメ
ータθを入力としてＸ、　＝Ｘ＋ｒｃｏｓ（θ＋φ）。

Ｙ６　＝Ｙ＋ｒｓｉｎ（θ＋φ） のアドレス変換を実行し５参照点の候補座標Ｘ。

値、ＹＧ値を算出するアドレス変換部と。

前記ヒストグラム頻度値を前記候補座標値Ｘ。

Ｙ、及び角度パラメータθをアドレスとしてパラメータ
累算メモリに累算する累積演夏部と前記累積結果より一
定しきい値以上の累積値の極大値を与えるパラメータ累
算メモリのアドレスｘＧ、ｙ、、　　θをそれぞれ対象
物体の参照点位置座標ＸＧ、ＹＧ”及び回転角θ°とじ
て出力するパラメータ決定部と、前記各部にタイミング
信号及び制御信号を与えるタイミング及び制御回路とを
備え、ヒストグラムの頻度値について一般化ハフ変換を
行うようにしており。

この手段により、認識能力の劣化を招くことなく変換処
理量の削減を行い、変換処理の高速化を図ることが可能
となる。

第２の回路においては、上記第１の回路においてヒスト
グラム頻度値を累算する構成であるのに対して、対象物
体の各特徴点の前記（ｒ、　　φ）値とヒストグラム頻
度値列とを対にして格納する参暉テーブルメモリと、前
記参照テーブルメモリから各特徴点のｒ（Ｌ　　φ値を
読み出して出力すると共に、各特徴点のヒストグラム頻
度値列と前記ヒストグラム２次元データメモリ上の各画
素（ＸＹ）のヒストグラムの頻度値列との一致度を算出
する照合部を有し。

前記ヒストグラム頻度値列の一致度を前記候補ＭｌｌＷ
ｘ、、、Ｙ、及び角度パラメータθをアドレスとしてパ
ラメータ累算メモリに累算する構成をもつもので１局所
ヒストグラムの一致度による近傍ｓＩ域のマツチングと
、パラメータ累算メモリ上での全体のマツチングとの２
段に分けて、パターンマツチングを実現するものであり
。

この手段により、第１の回路に比べて、−政変算出部が
余計に必要になるが、参照テーブルメモリの容量が少な
くて済む利点が生しる。

第２の方法の発明に対応する実現手段としては複数の画
像特徴について、上記手段を実行し、算出された各特徴
の局所ヒストグラムを融合して各特徴点毎に一つの疑似
ヒストグラムを作成し、参照テーブルに格納し、該疑似
ヒストグラムの頻度値について第１の方法の発明で示し
た一般化ハフ変換を行うものであり この手段により、特徴の次元数が増え、認識能力の向上
がより期待できる。

〔実施例〕

以下２図面を用いて本発明に対する実施例を説明する。

第１図（Ａ）ＣＢ）は、第１の方法の発明に対応する一
実施例の構成ブロック図である。回路装置として実現す
るには必要だが、実施例の説明に直接関係のない画像デ
ータ入力系、特徴抽出系、タイミング信号、制御信号、
その他の回路要素は図示していない。

図において、１は全体回路を統括・制御するタイミング
及び制御回路、２は各画像メモリにＸｙアドレスを供給
するｘ、ｙアドレスジェネレータ　３はＴＶカメラの撮
像装置からのアナログ信号をＡ／Ｄ変換して得られる入
力画像またはその４淡画像に対して認識対象に適した特
徴抽出を行った結果得られる特徴画像の濃淡値を格納す
る濃淡画像メモリである。ここで、４淡画像メモリデー
タそのものが、認識率や外乱に対するタフさに大きな影
響を与える。例えば、工具のような形状に意味のある対
象に対しては１局所エリア内でのエツジ方向の分散の度
合を示すエツジ曲率特徴などが適しているし７文字や図
柄を含んだ対象に対しては、モーメント量、コントラス
トや１局所エリア内でのエツジの頻度を示す複雑度特徴
などが適している。一方、明るさのコントラストなどは
照明条件の外乱変動に対しては、影響を受ける。

このような場合は、できるだけエツジなどの高周波成分
をあたえる特徴を用いたほうが安定である。

４は、前記濃淡画像メモリ上の各画素（ｘ。

ｙ）に対して、ヒストグラム２次元データを生成するヒ
ストグラム２次元データ生成部である。ヒストグラム２
次元データ生成部４の演算は、量子化演算１局所ヒスト
グラム演算及びヒストグラム頻度値量子化演算とで構成
される。

５は前記濃淡画像に対してタイミング及び制御回路１に
より指定された量子化数Ｍで量子化を実行する濃淡値量
子化演算部、６はその演算結果を格納する量子化画像メ
モリである。７は、前記量子化画像メモリ上の各画素（
ｘ、ｙ）に対してＸ座標及びＸ座標について予め指定さ
れたサンプリング間隔ｅ画素で選択を行い１選択画素の
座標（Ｘ、Ｙ）を中心とした近傍領域に対して、量子化
レベルに対応する特＠値のＭ段の階級の各々における画
素の頻度を計数するヒストグラム演算を実行し５Ｍ個の
ヒストグラム頻度値ｈ″、（ＸＹ）、　、、、、　　ｈ
“　　（Ｘ、　Ｙ）を出力する局所ヒストグラム演算部
である。ここで１局所ヒストグラム演算の近傍エリアは
、近傍マスクメモリ８に格納されているマスクデータか
ら決定される。近傍マスクの形状は、正方形でも１円で
もよいが、認識対象の回転が予測される場合には円マス
クとする。また１局所ヒストグラム演算の対象となる量
子化値は１通常、■からＭまでの全ての量子化値を適用
するが、処理時間を短縮するため、タイミング及び制御
回路１から指定される選択された量子化値を用いても良
い。以下の説明では、■からＭまでの全ての量子化値を
適用した場合について説明する。また３局所ヒストグラ
ム演算部７においては２例えば、工、ンとエツジ曲率と
のように２種の特徴値を格納する濃淡画像メモリ３を想
定し、２つの特徴の濃淡値を人力し、一方を１画素の頻
度を計数するときの条件（例えば、エツジ点以外は、計
数の対象としない条件）を与える制御用特徴とし、他方
を１画素の頻度算出の対象となる入力特徴とすることに
より、エツジに着目した特徴についてだけの局所ヒスト
グラムが算出できるようになり、よりきめ細やかな演算
処理が実現可能となる。なお上記演算機能を有する局所
ヒストグラム演算部７の具体的な回路構成については公
知のディジタル回路設計技術の範囲で設計が可能であり
２本発明の詳細な説明図に現れるその他の機能ブロック
の構成についても同様である。

ヒストグラム頻度値量子化演算部９は、ヒストグラム演
算出力ｈ’ｌ（Ｘ、Ｙ）、、、、、ｈ’　　　（ＸＹ）
を、タイミング及び制御回路１より指定された量子化数
して量子化し、ヒストグラム頻度値列り、（Ｘ、Ｙ）、
、、、、ｈＭ　（Ｘ、Ｙ）として、ヒストグラム２次元
データメモリ　１１に格納する。ヒストグラム２次元デ
ータメモリ　１１は、量子化数Ｍに対応してＭ枚のメモ
リを有し、ヒストグラム２次元データｈ＋（ｘ、ｙ）、
、、、、ｈＭ　（ｘ、ｙ）を順に格納する。

ヒストグラム２次元データは１画素単位に特徴値を表す
代わりに１画像をサンプリング間隔ｅ画素で分割し、全
画素数のｅ１分の１のサンプリング点において、近傍領
域の特徴値の分布を階級数Ｍのヒストグラムにより実現
するものである。従って、従来の画素単位の表現に比べ
、Ｍｅ−”の情報圧縮効果が期待できる。ここでヒスト
グラムがデータの分布を適正に表現しうるための階級数
Ｍの設定法として、評価式Ｍ＝　（２ｎ）””により標
本数ｎを基に求める方法がある（参考文献：Ｇ、Ｒ，Ｔ
ｅｒｒｅｌ　　ａｎｄ　　Ｄ、Ｗ、５ｃｏｔｔ：　　”
Ｏｖｅｒｓｍｏｏｔｈｅｄｎｏｎｐａｒａｍｅｔｒｉｃ
　　ｄｅｎｓｉｔｙ　ｅｓｔｉｍａｔｅｓＪ、Ａｍｅｒ
、５ｔａｔｉｓｔ、Ａｓ５ｏｃ、、８０．ｐｐ、２０９
−２１４（１９８１））。

これを適用すると、近傍領域が円形領域で、特徴表現の
連続性を保つため隣接領域の中心間の距離と領域半径が
サンプリング間隔ｅに等しくとられるとき、近傍領域内
の画素の標本数ｎは、およそπｅｚ　　（πは円周率）
となる、従って、ヒストグラム表現をとることによる情
報圧縮率はＭｅ−”＝　（２ｚ　ｅ”）”′３ｅ−”と
なり、−船釣な数値として、ｅ＝１０（画素）とすると Ｍｅ−”＃　　０．１２ となる。画像認識において特徴値のパターンマツチ、グ
を行う場合には、外乱などによりヒストグラムデータが
変動することがあるので、これを軽減するため３階級数
Ｍを上記評価式より小さめにとり、情報を著しく損なう
ことなく維持することができる。

１２は参照テーブルメモリである。第２図に参照テーブ
ルメモリの構成を示す。まず、参照データ作成時の動作
について述べる。認識対象に対するヒストグラム２次元
データをり、（Ｘ、Ｙ）、、、。

ｈ、（Ｘ、Ｙ）とすると、この画像上で、Ｎ個の特徴点
を指定し、同時に参照点も設定する。次に各特徴点と参
照点との間の距離ｒと方位角φとを算出する。ここで、
ヒストグラム頻度値列は（ｉ＝１．、、、、Ｍ）をヒス
トグラムの階級値、ｋ（ｋ＝１．、、、、Ｌ）をヒスト
グラムの量子化レベルとすると、ＭＸＬのアドレスで値
が表現できる。

即ち、ｉ番目の階級値で、に番目の量子化レベルとなる
ヒストグラム頻度値Ｈｉｋ（−ｋ）は、参照テーフ゛ル
メモリ上でＬＸ（ｉ−１）十にのアドレス位置となる。

ここで、特徴点の個数Ｎ（ｊ−１゜、、、、Ｎ）の分だ
け３次の処理が実行される。

（処理）ｊ番目の特徴点がもつヒストグラム頻度値列（
Ｈ２Ｏ）、　ｉ　＝１．　、、、、　Ｍ）の各要素に対
応する参照テーブルメモリ上のアドレス位置を式Ｌｘ　
（ｌ−１）　＋Ｈｔ　（ｊ）により決定し、そのアドレ
ス位置に、特徴点の位置へクトルデータ（ｒＪ。

φ、）値を順次格納する。このとき、外乱によるある程
度のヒストグラム値の変動を許容するため位置へクトル
データ（ｒＪ−φＪ）を基準レベルのアドレス位置の上
、下一定のアドレス範囲に重複して格納しておくことも
できる。

以上の参照テーブル作成処理を行う手段は、実施例には
示していないが２例えば、認識対象のヒストグラム２次
元データをヒストグラム２次元データメモリ　１１から
、タイミング及び制御回路１を介して、実施例の図には
示していないデータ処理装置に入力し、上記参照テーブ
ル作成処理を行って、再びタイミング及び制御回路ｌを
介して処理結果を参照テーブルメモリ１２に入力し、参
照テーブルの設定を行うことができる。

次に、パターンマツチング演算時の動作を説明する。ヒ
ストグラム２次元データメモリ１１に格納された入力画
像のヒストグラム２次元データをｈｌ（Ｘ、Ｙ）、、、
、、ｈＭ　　（Ｘ、Ｙ）とすると、１つの画素点（Ｘ、
Ｙ）に対して、（ｈｊ　（Ｘ。

Ｙ）、　、、、、　　ｉ　ｘｉ、　、、、、　Ｍ）の要
素数Ｍの回数だけ下記の操作を行う。

（Ｘ、Ｙ）におけるヒストグラム頻度値列の要素ｈｉ　
（Ｘ、Ｙ）が参照テーブルのどのアドレス位置に相当す
るかを決定する。このアドレス位置は、前記のように、
　　ＬＸ　（ｉ−１）　＋１１．　（ＸＹ）によって決
定される。ここで、決定されたアドレス位置に（ｒＪ、
φ１）植列がなければ、処理を何も実行せず５次の要素
のアドレス位置をサーチする。（ｒｊ、φ１）植列があ
れば、これを読み出し、（ｒＪ、　　φＪ）植列の要素
の個数分だけ、以下の処理を行う。

角度ジェネレータ１７より、角度値θを認識対象が回転
しうる角度範囲内で、必要な分解能が得られる一定のピ
ンチでインクリメントして出力し下記の処理を行う。

■）角度ジェネレータ１７から供給される角度値θ、参
照テーブルメモリ　１２から読み出されたｒｊφ、を入
力として、アドレス変換部１４でＸ、　’　　：　＝Ｘ
＋ｒ７　ｃｏｓ（θ＋φ、）。

Ｙｃ　’　　：　＝Ｙ＋ｒＪｓｉｎ（θ十φＪ）のアド
レス変換が行われ、参照点の候補座標値ｘ、’、ＹＧ’
　が算出される。この演算を高速に行うために、　　ｓ
ｉｎθ及びｃｏｓθの数表をｓｉｎθ、ｃｏｓθテーブ
ルメモリ　１６に予め記憶しておき、これをルックアッ
プテーブルとして随時読み取ることにより、　　ｓｉｎ
関数値及びｃｏｓ関数値を生成する。

２）　前記ヒストグラムの要素値り、（Ｘ、Ｙ）を累積
演算部１３で３１！！し、累積ＭＡ　ＣＸＧ　’＋Ｙ５
θ）をパラメータ累算メモリ　Ｉ５のアドレス（Ｘ、’
、Ｙ、’、θ）の位置に格納する。ここでヒストグラム
頻度値列の各要素が示すアドレス位置に格納されている
各（ｒ４．φＪ）値が１Ｍ個の要素に等しく対応するか
否かを判定し、全ての要素に対応する（ｒＪ、φＪ）値
についてのみパラメータ累算メモリ　１５に累算するよ
うにして累算によるパターンマツチングの精度を上げる
ことができる。具体的には１例えば、　　（ｒｌ、φ、
）値の代わりに識別番号（またはコード）を参照テーブ
ルに格納し、ヒストグラム頻度値ｈｉ　　（ＸＹ）のア
ドレス指定により参照テーブルメモリ１２から順次読み
出される識別番号を１番号毎にその出現数を計数して、
計数値がＭとなる識別番号を抽出できたとき５−敗出力
“１”と識別番号が示す（ｒＪ、φ、）値を出力する識
別番号計数部を参照テーブルメモリ　１２とアドレス変
換部１４の間に設置し、ヒストグラム頻度値列（ｈｉ　
　（ＸＹ）、　ｉ　＝Ｌ２．　、、、、　Ｍ）を累積加
Ｘ値として累積演算部１３に人力し総和Σｈ、　　（Ｘ
、　Ｙ）（正規化してあれば１に等しい）を累積加算値
とするかあるいはヒストグラム頻度値列の代わりに一致
出力“１”を累積加算値として累積演算部１３に入力す
ると共に、抽出した識別番号毎に対応する（ｒ＝φ、）
値をアドレス変換部１４に入力し、抽出した識別番号の
数だけパラメータ累算メモリ　１５に累算を行えばよい
。

画素位置（Ｘ、Ｙ）は、左上隅から右下隅まで走査され
、上記処理が繰り返される。

ここで９本実施例により得られたパラメータ累算メモリ
データに対して、パラメータ決定部１８において、タイ
ミング及び制御回路１より指定されたしきい値以上の累
積値を有する極大点（ＸＧＹ６　、θ１）を、認識対象
の参照点位置（ＸＧＹＧ”　）及び回転角θ°とする。

入力画像中に認識対象が複数ある場合は、一定しきい値
以上の極大点が複数存在する。また、極大点の算出方法
としては、一定しきい値で、パラメータ累算メモリのＡ
　（Ｘ、’、Ｙ、’、θ）を２値化し、クラスタ重心を
算出することにより実現される。

ここで７本実施例と従来の一般化ハフ変換との関係は、
従来の一般化ハフ変換では７画素毎に特徴値を参照テー
ブルメモリ２１（第５図）に登録し画素単位の変換処理
により、パラメータ累算メモリ　１５に１画素分の頻度
１を逐次累算して格納する構成になっているのに対し１
本実施例では、変換を行う前に、サンプリングされた画
素を中心とする。あるまとまったエリア内の画素の特徴
値の頻度を算出しく局所ヒストグラム演算）、算出され
た頻度値をパラメータ累算メモリに累積する構成となっ
ており、従来の一般化ハフ変換の累積演算の一部を局所
ヒストグラム演算に置き換えたものである。従って１本
実施例では、−膜化ハフ変換の基本的なパターンマツチ
ングの機能を保存しながら、特徴マツチングのサンプリ
ング点数を削減し、−膜化ハフ変換の演算時間の短縮を
図っている。

サンプリング間隔を大きくとると、パラメータ決定部で
決定されるパラメータ、すなわち参照点位置と回転角の
分解能が低下するが、粗いサンプリング間隔で、粗い位
置決めをしてから、再度参照点（ｘｃ、）’ｃ）及び回
転角θの探索範囲を限定し、より細かいサンプリング間
隔で上記処理を繰り返し詳細な参照点位置と回転角を決
定する階層処理を行えば、処理の高速化と同時に分解能
の確保を図ることができる。

次に第１の方法の発明に対応する他の実施例を説明する
。

第３図（Ａ）（Ｂ　）は３本発明の他の実施例の構成を
示すブロック図である。大部分は第１図図示の場合と同
じであるので説明の重複をさけ、以下異なる点について
説明する。

第３図において、１９は、参照テーブルメモリ１２に格
納されている参照データと前記ヒストグラム２次元デー
タメモリのデータとを対比させ。

パラメータ累算メモリ　１５へ累積する重み埴を決定す
る照合部である。

第４図は、第３図に示す実施例における参照テーブルメ
モリ　１２の構成を示す。まず９本実施例における参照
データの作成動作について説明する。

認識対象に対して予め抽出したヒストグラム２次元デー
タをＨ，（Ｘ、ＹＬ　、、、、Ｈ，（Ｘ、Ｙ）とする。

この画像上で２　Ｎ個の特徴点を指定し、同時に参照点
も設定する。次にｊ番目の特徴点と参照点との間の距ｊ
ｉｌｒｊ　と方位角φ、とを算出する。

算出された各特徴点の距離と方位角（（ｒＪ、　　φ、
）ｊ＝Ｌ　、、、、Ｎ）と、各特徴点位置のヒストグラ
ム頻度値列（（Ｈ；　（ｊ）、　ｉ　＝１．　、、、、
　Ｍ）　、　　ｊ　＝１、、、、Ｎ）を対にして参照テ
ーブルメモリ　１２に書き込む。

次に、パターンマツチング演算時では１人力画像のヒス
トグラム２次元データをり、（Ｘ、　Ｙ）、、、、ｈＭ
　　（Ｘ、Ｙ）とすると、１つの画素点（Ｘ、　　Ｙ）
に対して下記の操作を行う。

特徴点の番号ｊ＝１からＮまで下記の処理を行つ。

１）　−成度算出部２０では、　　（Ｘ、Ｙ）における
ヒストグラム頻度値列と参照テーブルメモリ　１２上の
ｊ番目の特徴点のヒストグラム頻度値列との一致度ｍ、
を次式により算出する。

ｍｊ＝Ｃ−Σ１ｈ、　（Ｘ、Ｙ）−Ｈ，（ｊ）但し、Ｃ
は定数である。

２）　角度ジェネレータ１７より、角度値θを認識対象
が回転しうる角度範囲内で一定のピッチでインクリメン
トして出力し、下記の処理を行う。

２−１）　　角度ジェネレータ１７から供給される角度
値θ、参照テーブルメモリ　−２から読み出されたｒＪ
、φ４を中心として２アドレス変換部１４では Ｘｃ　　　：＝Ｘ＋ｒ、ｃｏｓ（θ十φ、）Ｙｃ　　　
ニーＹ＋ｒＪ　５ｉｎ（θ＋φＪ　）のアドレス変換が
行われ、参照点座標の候補値Ｘ。

値、Ｙ６゛値が算出される。この演算を高速に行うため
に、ｓｉｎθ、　ＣＯＳθのテーブルメモリ　１５のル
ックアップテーブルを使用する。

２−２）　　前記−成度ｍｊを、累積演算部１３で累算
し、累積値Ａ　（ＸＧ　、　ＹＧ　’、θ）をパラメー
タ累算メモリ　１５のアドレス（Ｘ、’、Ｙ、’、θ）
の位置に格納する。

画素位！（Ｘ、Ｙ）は、左上隅から右下隅まで走査され
、上記処理が繰り返される。

ここで、このような実施例により得られたパラメータ累
算メモリ　１５のデータに対して、パラメ−夕決定部１
８において、タイミング及び制御回路Ｉより指定された
しきい値以上の累積値を有する極大点（Ｘ、　　、Ｙ、
　　、　　θ”）を、認識対象の参照点位置（ｘｃ　　
、ＹＧ”）及び回転角θ９とする。入力画像中に、認識
対象が複数ある場合は、一定しきい値以上の極大点が複
数存在する。

また、極大点の算出方法としては、一定しきい値で、パ
ラメータ累算メモリ　１５の内容Ａ（ＸＧＹ、’、θ）
を２値化し、クラスタ重心を算出することにより実現さ
れる。なお−成度ｍｊ　としては上記以外に相関係数値
によるもの、上記算出式中の差の絶対値和の代わりにユ
ークリッド距離を用いたもの、ヒストグラム頻度値列の
各要素の一致を論理判定し、全ての判定結果の論理積に
より一致度を定義したものなど５種々の一致度の定義が
考えられるので、パターンマツチングの状況に応して適
当なものを採用すればよい。

ここで、従来の一般化ハフ変換が、各画素における特徴
値そのものを入力として参照テーブルメモリ２１を索引
し、特徴値の一致する特徴点の位置へクトルデータを出
力し、Ｎ素毎に１ずつパラメータ累算メモリに累算する
構成となっているのに対して１本実施例では、サンプリ
ングされた画素の近傍領域の特徴値の分析を表すヒスト
グラム頻度値列について、参照テーブルメモリ　１２に
登録されている全特徴点のヒストグラム頻度値列との一
致度を求め、各特徴点の位置ヘクトルと共に出力し、パ
ラメータ累算メモリには一致度を累算する構成となって
いる。従って１本実施例は、パターンマツチングを一致
度を用いた近傍領域のマツチングと、パラメータ累算メ
モリ上の全体のマツチングの２段に分けて実施し、従来
の一般化ハフ変換と等価なパターンマツチングを実現し
ていることになる。本実施例では、前記実施例に比べ一
致度算出部が余計ムこ要るが、前記実施例では。

参照テーブルメモリにヒストグラム頻度値のアドレスが
ＭＸＬ個必要であるのに対し９本実施例では１特徴点当
りＭ個のヒストグラム頻度値のアドレスが確保できれば
よいので、参照テーブルメモリの容量を削減できる利点
がある。

最後に、第２の方法の発明に対応する実施例について述
べる。

種類の異なる複数の特徴について同時にパターンマツチ
ングする場合にも、上記発明は容易に拡張可能である。

複数の特徴を併用することにより特徴記述能力が高まる
ため、外乱がある状況でも上記パターンマツチングによ
って高い認識率を得ることができる。具体的には５例え
ば、複数の特徴を融合して、１つのヒストグラムとして
扱い。

本発明を適用すればよい。すなわち、第１１図に示すよ
うに、特徴（１）のヒストグラム頻度値列を（ｈ、（１
）（Ｘ、　Ｙ）、　ｉ　＝１．２．　、、、、　Ｍ）　
、特徴（２）のヒストグラム頻度値列を（ｈ、　　”　
　（ＸＹ）、　ｉ　＝Ｌ２．　、、、、　Ｍ）とする。

これらのヒストグラム頻度値列の要素を全て使用するか
、特徴として貢献度の高い要素を選択するかして２両ヒ
ストグラム頻度値列の要素の融合を行って、新たに各要
素を再配列したものを疑恨ヒストグラム頻度値列（ｇ、
（Ｘ、ＹＬ　１＝Ｌ２．、、、、Ｑ）とする。

階級数Ｑは最大２Ｍである。ここで、ヒストグラムの融
合は３特徴以上でも同様に可能なことは明らかである。

この疑似ヒストグラム頻度値列を認識対象の各特徴点に
ついて算出し、前記実施例のヒストグラム頻度値列の代
わりに疑似ヒストグラム頻度値列について参照テーブル
を作成する。このとき、認識率の向上を図るために、特
徴点毎に特徴の種別とヒストグラム頻度値列の要素の選
択を変えて、ヒストグラム頻度値列の融合の最適化を行
うことができる。

パターンマツチングに際しては、第１図に示す実施例で
、ａ淡側像メモリ３を介して、順次、各特徴の′ａ淡価
値データ入力し、ヒストグラム２次元データメモリ　１
１に各特徴のヒストグラム２次元データを格納する。併
用する特徴数をｐとすると、ヒストグラム２次元データ
メモリ　１１はＭ×Ｐ枚のメモリに、ヒストグラム頻度
値列（ｈｌ　”’　　（Ｘ、　Ｙ）、　、、、、　ｈＭ
　”　　（Ｘ　　Ｙ）ｆ＝１．２．　、、、、　　Ｐ）
を格納する。−膜化ハフ変換は、ヒストグラムの要素り
、山　（Ｘ、　　Ｙ）（ｉ　＝Ｌ２．．．．．Ｍ、　　
β−１，２，、、、、ｐ）について行えばよい。このと
き、ヒストグラム頻度値列の各要素に対応するＣｒＪ＋
　　φ、）値が全ての要素に等しく対応するか否かにつ
いて、特徴点のヒストグラム頻度値列との一致を管理す
る場合、全画素の一致の管理数をＭの代わりにＱとすれ
ばよい。なお疑似ヒストグラムの作成手段は、実施例と
して示さないが２例えばタイミング及び制御回路１を介
して各特徴のヒストグラム２次元データをヒストグラム
２次元データメモリ　１１から図示していないデータ処
理装置に入力し、疑（以ヒストグラムを算出し、参照テ
ーブルを作成後、再びタイミング及び制御回路１を介し
て参照テーブルメモリＩ２に前記参照テーブルを格納す
れば良い。

〔発明の効果］ 本発明によれば、パターンマツチング入力となる特徴値
のｆＡ淡両画像局所ヒストグラムの２次元データに変換
することにより、マンチングのだめの特徴値のサンプリ
ング間隔を大きくとって、サンプリング数を減らすこと
が可能となり、−膜化ハフ変換の演算量を大幅に削減す
ることができる。

さらに１回転パラメータθの分解能については例えば、
原特徴画像が５１２　Ｘ　５１２画素のサンプリング数
で入力された場合、パラメータ累算メモリ上で十分な精
度の累積データを得るためにはｊａｎ−’　（１１５１
２）　＝　０．１度の角度分解能が必要となるが、３２
Ｘ３２画素のヒストグラム２次元データとした場合には ｊａｎ＝（１／３２）　＝　１．７９度の角度分解能で
よいので、−膜化ハフ変換処理における角度探索範囲が
挟まり、演算処理時間の大幅な削減が可能となる。第１
０図に、サンプリング数と要求角度分解能との関係を示
す。また、ヒストグラム演算に要する時間は、−膜化ハ
フ変換に要する時間に較べればかなり小さく、全体の処
理時間は、近似的にＯ（Ｎ’）のオーダー（Ｎ：サンプ
リング数）で低減する。このような効果は、従来の一般
化ハフ変換において、単純に９人力となる４淡画像を再
サンプリングし、平滑化することによっても生しるが、
特徴抽出以前の情報量の低減した平滑化画像の画素値に
ついてマンチングを行うことになるので、認識能力が著
しく低減する。

−力１本発明では２局所ヒストグラム値の系列を特徴値
として、マツチング処理するので情報の削減効果を上げ
ながら認識能力への影響を最小限に抑えることができる
。

【図面の簡単な説明】

第１図は第１の方法の発明に対応する一実施例を示す構
成ブロンク図、第２図は第１図図示の場合の参照テーブ
ルメモリの構成及び動作を示す１第３図は第１の方法の
発明に対応する他の実施例を示す構成ブロンク図、第４
図は第３図図示の場合の参照テーブルメモリの構成及び
動作を示す同第５図は従来の一般化ハフ変換の一例を示
す構成ブロック図、第６図は従来の一般化ハフ変換の参
照テーブルメモリ構成を示す図、第７図乃至第９図は一
般化ハフ変換の原理説明図、第１０図はサンプリング数
と要求角度分解能との関係を示す同第１１図はヒストグ
ラムの例を示す図である。 ■・・・タイミング及び制御回路、２・・・ｘ、ｙアド
レスジェネレータ、３・・・ａ淡側像メモリ、４・・・
ヒストグラム２次元データ生成部、５・・・濃淡値量子
化演算部、６・・・量子化画像メモリ、７・・・局所ヒ
ストグラム演算部、８・・・近傍マスクメモリ、９・・
・ヒストグラム頻度値量子化演算部、１０・・・Ｘ、Ｙ
アドレスジェネレータ　１１・・・ヒストグラム２次元
データメモリ、１２．２１・・・参照テーブルメモリ１
３・・・累積演算部、１４・・アドレス変換部、　　１
５・・パラメータ累算メモリ、１６・・・Ｓｌｎθ、　
ＣＯＳθテーブルメモリ、１７・・・角度ジエネレータ
、１８・・パラメータ決定部、１９・・・照合部、２０
　　・・−成度算出部。 特許出顆人　　日本電信電話株式会社

Claims (2)

【特許請求の範囲】
1. （１）参照テーブルに格納してある対象物体上の特徴点
   の画像特徴と入力画像の画像特徴との対応関係から、対
   象物体の参照点（Ｘ＿Ｇ、Ｙ＿Ｇ）の位置及び回転角θ
   を検出するパターンマッチング方法において、 入力画像の画像特徴を局所ヒストグラムの２次元データ
   として記述し、認識対象上の特徴点の画像特徴を局所ヒ
   ストグラムにより記述して参照テーブルに格納し、ヒス
   トグラムの頻度値について一般化ハフ変換を行うことを
   特徴とするパターンマッチング方法。
2. （２）認識対象の特徴点毎に、複数の画像特徴について
   、各特徴の局所ヒストグラムを算出し、これらを融合し
   て各特徴点毎に一つの疑似ヒストグラムを作成し参照テ
   ーブルに格納し、該疑似ヒストグラムの頻度値について
   一般化ハフ変換を行うことを特徴とする請求項（１）記
   載のパターンマッチング方法。