JPH0452980A - 画像認識装置 - 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、重回帰分析法を応用した画像認識法（以下、
単にＭＲＡ法という）を用いた画像認識装置の認識率の
向上に関するものである４〈従来の技術〉 第３図は従来のＭＲＡ法を用いた画像認識装置の処理動
作を示すフローチャートである。以下、順次フローチャ
ートに沿って処理動作を説明する。

（イ）ＭＲＡ法で用いる係数行列を計算するための認識
すべき画像のサンプル画像デ＝−夕を取り込む。

（ロ）取り込んだサンプル画像データを２値画像に２＠
化する。

（ハ）各サンプル画像データから局所自己相関マスクに
より初期特徴ベクトルを生成する。

（ニ）各サンプル画像データに対応する期待出力値を人
力する。

（ホ）生成した初期特徴ベクトルと入力した期待出力値
から重回帰分析法により係数行列を推定する。

（へ）認識対象となる画像の画像データを取り込む。

（ト）その画像データから局所自己相関マスクにより初
期特徴ベクトルを生成する。

（チ）初期特徴ベクトルから得た入力ベクトルを前項（
ホ）で求めた係数行列に掛け、出力ベクトルとする。

（す）出力ベクトルから得られる認識結果を出力する。

このような処理動作により、画像認識が行われる。この
ＭＲＡ法を用いた画像認識装置では、初期特徴ベクトル
として局所自己相関マスクの頻度値を用いている。

〈発明が解決しようとする課題〉 しかしながら、上記従来技術に示すＭＲＡ法を用いた画
像認識装置において、初期特徴ベクトルとして用いてい
た局所自己相関マスクの頻度値ベクトルは、認識対象画
像の幾何学的特徴（例えば面積、周囲具等）に比べて、
情報圧縮が不十分であり、認識対象の範囲が広くとれる
可能性はあるが、重回帰分析法との組み合わせでは、実
用的な画像認識ができなかった。又、初期特徴ベクトル
の各要素が元の画像に対して、どのような意味を持って
いるのかが直観的に把握し難く、更に認識に不要な要素
も含まれてくるために、初期特徴ベクトル間の分離性が
悪くなり、認識率が低い場合が多い。更に、認識できる
画像が２値化されたものに限られるという課題もあった
。

本発明は、上記従来技術の課題を踏まえて成されたもの
であり、画像の認識率を向上させ実用的な画像認識がで
きるＭＲＡ法を用いた画像認識装置を提供することを目
的としたものである。

〈課題を解決するための手段〉 上記課題を解決するための本発明の構成は、重回帰分析
法を応用した画像認識法により画像認識を行う画像認識
装置において、画像入力部と、この画像入力部により取
り込まれた認識すべき画像のサンプル画像データ、或い
は認識対象となる画像の画像データとを蓄える画像メモ
リと、この画像メモリに蓄えられたサンプル画像データ
、或いは画像データから各種の幾何学的特徴量を計算す
る幾何学的特徴量抽出部と、この幾何学的特徴量抽出部
から得られたサンプル画像データの幾何学的特徴量と各
画像に対応する所定の期待出力値とから重回帰分析法に
より係数行列の推定を行い、或いはこの係数行列と前記
幾何学的特徴量抽出部で得られた画像データの幾何学的
特徴量とから重回帰分析法による画像認識を行い認識結
果を出力するＭＲＡ法実行部とを備えた構成としたこと
を特徴とするものである。

く作用〉 本発明によれば、ＭＲＡ法の初期特徴ベクトルとして、
画像の幾何学的特徴量を用いている。したがって、各ベ
クトル要素の図形的な意味が明確になり、画像と初期特
徴ベクトルとの対応付けも容易となる。

〈実施例〉 以下、本発明を図面に基づいて説明する。

第１図は本発明のＭＲＡ法を用いた画像認識装置の一実
施例を示す構成図である。第１図において、１１は画像
入力部、１２は画像入力部１１により取り込まれた認識
すべき画像のサンプル画像データ、或いは認識対象とな
る画像の画像データを蓄える画像メモリ、１３は画像メ
モリ１２に蓄えられたサンプル画像データー或いは画像
データから各種の幾何学的特徴量を求める幾何学的特徴
量抽出部、１４は幾何学的特徴量抽出部１３から得られ
たサンプル画像データの幾何学的特徴量と各画像に対応
する所定の期待出力値から重回帰分析法により係数行列
の推定を行ったり、或いは、この係数行列と幾何学的特
徴量抽出部１３から得られた画像データの幾何学的特徴
量から重回帰分析法による画像認識を行い認識結果を出
力するＭＲＡ法実行部である。

このような構成において、第２図は第１図装置の処理動
作を示すフローチャートである。以下、順次フローチャ
ートに沿って処理動作を説明する。

なお、処理動作は、認識すべき画像のサンプル画像デー
タと各画像に対応する所定の期待出力値から重回帰分析
法により係数行列を計算する段階と、認識対象となる画
像の画像データと係数行列から認識結果を出力する段階
の２段階に分けられる。

（イ）ＭＲＡ法で用いる係数行列を計算するための認識
すべき画像のサンプル画像データを画像入力部１１から
入力し、画像メモリ１２に蓄える。

（ロ）画像メモリ１２に蓄えたサンプル画像データから
、幾何学的特微量抽出部１３で各種の幾何学的特徴量（
例えば面積や周囲長等）を抽出する。

（ハ）各画像に対応する期待出力値を入力する。

（ニ）前項（ロ）にて抽出したサンプル画像デタの幾何
学的特徴量と前項（ハ）にて入力した期待出力値から、
ＭＲＡ法実行部１４で重回帰分析法により係数行列を計
算する。

（ホ）認識対象となる画像の画像データを画像入力部１
１から入力し、画像メモリ１２に蓄える。

（へ）画像メモリ１２に蓄えた画像データから、前項（
ロ）と同様に幾何学的特微量抽出部１３で各種の幾何学
的特徴量を抽出する。

（ト）その幾何学的特徴量から、ＭＲＡ法実行部１４で
入力ベクトルを生成し、前項（ニ）で求めた係数行列に
掛け、出力ベクトルとする。

（チ）出力ベクトルから得られる認識結果を出力する。

（す）画像の計測を続けるならば、前項（ホ）以降の処
理動作を繰り返す。

このような処理動作により、初期特徴ベクトルとして画
像の幾何学的特徴量を用いて、画像と初期特徴ベクトル
との対応付けが容易となるため、認識率を向上した画像
認識を行うことができる。

なお、（ト）項において、画像データから抽出した幾何
学的特徴量から入力ベクトルを生成する際、幾何学的特
徴量の値をそのまま用いてもよいが、−船釣には正規化
した値を用いた方がより認識率は高くできる。

又、第１図に示す画像認識装置において、その構成が例
えば画像の取り込みと同時に幾何字的特微量も抽出でき
るようなハードウェアであれば、画像メモリ１２は不要
となる。

更に、第２図に示す第１図装置の処理動作を示すフロー
チャートにおいて、並列処理が可能なシステムを用いる
ことにより、 （ロ）画像データから幾何学的特徴量を抽出（ハ）期待
出力値の入力 の処理動作を並列に行うこともできる。

〈発明の効果〉 以上、実施例と共に具体的に説明したように、本発明の
ＭＲＡ法を用いた画像認識装置によれば、ＭＲＡ法の初
期特徴ベクトルとして、画像の幾何学的特徴量を用いて
いるため、各ベクトル要素の図形的な意味が明確となり
、画像と初期特徴ベクトルとの対応付けも容易となる。

したがって、互いに似通った画像間の判別においても、
両者の相違を表す特徴量を初期特徴ベクトルに加えるこ
とで、認識率を向上させることができる。

【図面の簡単な説明】

第１図は本発明のＭＲＡ法を用いた画像認識装置の一実
施例を示す構成図、第２図は第１図装置の処理動作を示
すフローチャート、第３図は従来のＭＲＡ法を用いた画
像認識装置の処理動作を示すフローチャートである。 １１・・・画像入力部、１２・・・画像メモリ、１３・
・・幾何学的特微量抽出部、１４・・・ＭＲＡ法実行部
。 第３図 （イ） （ロ） （ハ） （ニ） （ホ） （へ） （ト） （チ） （す）

Claims (1)

1. 【特許請求の範囲】 重回帰分析法を応用した画像認識法により画像認識を行
   う画像認識装置において、 画像入力部と、 この画像入力部により取り込まれた認識すべき画像のサ
   ンプル画像データ、或いは認識対象となる画像の画像デ
   ータとを蓄える画像メモリと、この画像メモリに蓄えら
   れたサンプル画像データ、或いは画像データから各種の
   幾何学的特徴量を計算する幾何学的特徴量抽出部と、 この幾何学的特徴量抽出部から得られたサンプル画像デ
   ータの幾何学的特徴量と各画像に対応する所定の期待出
   力値とから重回帰分析法により係数行列の推定を行い、
   或いはこの係数行列と前記幾何学的特徴量抽出部で得ら
   れた画像データの幾何学的特徴量とから重回帰分析法に
   よる画像認識を行い認識結果を出力するＭＲＡ法実行部
   とを備えた構成としたことを特徴とする画像認識装置。