JPH05282456A - パターン認識装置 - Google Patents
パターン認識装置Info
- Publication number
- JPH05282456A JPH05282456A JP4189125A JP18912592A JPH05282456A JP H05282456 A JPH05282456 A JP H05282456A JP 4189125 A JP4189125 A JP 4189125A JP 18912592 A JP18912592 A JP 18912592A JP H05282456 A JPH05282456 A JP H05282456A
- Authority
- JP
- Japan
- Prior art keywords
- rule
- membership function
- recognized
- image
- feature amount
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
(57)【要約】
【目的】 形状特徴量のメンバーシップ値に基づいてパ
ターン適合度を計算し、パターン認識するパターン認識
装置におけるメンバーシップ関数の作成を効率化する。 【構成】 特定パターン種別信号を出力する特定パター
ン画像入力部５と、パターン種別信号に基づき該当ルー
ルの特徴量のヒストグラムを作成する手段６と、ヒスト
グラム形状の谷間を直線補間し、閾値処理によりヒスト
グラム形状を修正してメンバーシップ関数を作成する手
段７を備えている。
ターン適合度を計算し、パターン認識するパターン認識
装置におけるメンバーシップ関数の作成を効率化する。 【構成】 特定パターン種別信号を出力する特定パター
ン画像入力部５と、パターン種別信号に基づき該当ルー
ルの特徴量のヒストグラムを作成する手段６と、ヒスト
グラム形状の谷間を直線補間し、閾値処理によりヒスト
グラム形状を修正してメンバーシップ関数を作成する手
段７を備えている。
Description
【０００１】
【産業上の利用分野】本発明は工場等に用いる視覚認識
装置に関し、画像の形状特徴量によりパターンマッチン
グを行い、対象を分類するパターン認識装置に関するも
のである。
装置に関し、画像の形状特徴量によりパターンマッチン
グを行い、対象を分類するパターン認識装置に関するも
のである。
【０００２】
【従来の技術】従来のパターン認識装置においては、標
準となる各パターンの面積，周囲長，２次モーメント等
の形状特徴量の平均値と標準偏差を予め求めておき、認
識対象のパターンの形状特徴量を計算し、上記のように
して設定されている標準パターンに適合するか否かを判
定することによってパターン認識するように構成されて
いる。
準となる各パターンの面積，周囲長，２次モーメント等
の形状特徴量の平均値と標準偏差を予め求めておき、認
識対象のパターンの形状特徴量を計算し、上記のように
して設定されている標準パターンに適合するか否かを判
定することによってパターン認識するように構成されて
いる。
【０００３】ところが、上記パターン認識装置は各特徴
量のばらつきが正規分布であるという仮定に基づいて評
価するものであるが、特徴量のばらつが正規分布である
とは限らないため、認識夫能率や誤認識率が高くなると
いう問題があった。
量のばらつきが正規分布であるという仮定に基づいて評
価するものであるが、特徴量のばらつが正規分布である
とは限らないため、認識夫能率や誤認識率が高くなると
いう問題があった。
【０００４】そこで、本出願人は先にファジィ推論を利
用したパターン認識装置を提案しており、そのパターン
認識装置を図６を参照して説明する。
用したパターン認識装置を提案しており、そのパターン
認識装置を図６を参照して説明する。
【０００５】図６において、１１は画像特徴量計算部、
１２はパターン判定部である。１３ａ〜１３ｎはパター
ン判定部１２で用いられるルール適合度計算部、１４は
パターン判定部１２で用いられるルール選択部である。
１２はパターン判定部である。１３ａ〜１３ｎはパター
ン判定部１２で用いられるルール適合度計算部、１４は
パターン判定部１２で用いられるルール選択部である。
【０００６】まず、形状特徴量計算部１１において画像
の特徴を表す形状特徴量を計算する。具体的には適当に
分離設定された各領域ごとの形状特徴量を計算する。そ
して、各領域の形状特徴量をパターン判定部１２に入力
し、対象物であるかどうかを判定する。
の特徴を表す形状特徴量を計算する。具体的には適当に
分離設定された各領域ごとの形状特徴量を計算する。そ
して、各領域の形状特徴量をパターン判定部１２に入力
し、対象物であるかどうかを判定する。
【０００７】パターン判定部１２では、認識したい対象
物パターンにそれぞれ対応する複数個のＩＦ−ＴＨＥＮ
−ルールが設定されており、これらのルールの前件部で
は、メンバーシップ関数によるファジィ推論により、入
力特徴量に対する各ルールの適合度の計算を行い、ルー
ル後件部では、各ルール適合度の内最大の値をとるルー
ルを該当するパターンとしてパターン認識を行う。
物パターンにそれぞれ対応する複数個のＩＦ−ＴＨＥＮ
−ルールが設定されており、これらのルールの前件部で
は、メンバーシップ関数によるファジィ推論により、入
力特徴量に対する各ルールの適合度の計算を行い、ルー
ル後件部では、各ルール適合度の内最大の値をとるルー
ルを該当するパターンとしてパターン認識を行う。
【０００８】すなわち、各ルール適合度計算部１３ａ〜
１３ｎでそれぞれ、入力特徴量に対するメンバーシップ
関数の出力値によりメンバーシップ関数適合度を求め、
各特徴量に対するメンバーシップ関数適合度を総合して
ルール適合度を求めている。
１３ｎでそれぞれ、入力特徴量に対するメンバーシップ
関数の出力値によりメンバーシップ関数適合度を求め、
各特徴量に対するメンバーシップ関数適合度を総合して
ルール適合度を求めている。
【０００９】ルール適合度の計算方法としては、それぞ
れの特徴量に対するメンバーシップ関数適合度の最小値
をルール適合度としても、各メンバーシップ関数適合度
を乗算してルール適合度としてもよい。次いで、ルール
選択部１４で、このようにして計算された各ルール適合
度の内最大の値をとるルールを採用することにより該当
ルール、、即ち該当パターンの判定を行っている。な
お、詳細には後述の実施例中において図２を参照して説
明する。
れの特徴量に対するメンバーシップ関数適合度の最小値
をルール適合度としても、各メンバーシップ関数適合度
を乗算してルール適合度としてもよい。次いで、ルール
選択部１４で、このようにして計算された各ルール適合
度の内最大の値をとるルールを採用することにより該当
ルール、、即ち該当パターンの判定を行っている。な
お、詳細には後述の実施例中において図２を参照して説
明する。
【００１０】
【発明が解決しようとする課題】しかしながら、上記の
ようなパターン認識装置では、最適なパターン認識を行
うために最適なメンバーシップ関数を作成することが必
要となるが、メンバーシップ関数の作成はシステム設計
者の勘や経験で作成しており、作成が非常に大変であっ
た。
ようなパターン認識装置では、最適なパターン認識を行
うために最適なメンバーシップ関数を作成することが必
要となるが、メンバーシップ関数の作成はシステム設計
者の勘や経験で作成しており、作成が非常に大変であっ
た。
【００１１】本発明は上記従来の問題点を解決するもの
で、メンバーシップ関数の作成を効率化できるパターン
認識装置を提供することを目的とする。
で、メンバーシップ関数の作成を効率化できるパターン
認識装置を提供することを目的とする。
【００１２】
【課題を解決するための手段】本発明は教示部品の画像
及び認識すべき部品の画像をそれぞれ取り組む撮像手段
１１と、取り込まれた画像に基づき形状特徴量を計算す
る計算手段と、上記教示用部品に対して適用されるルー
ルを示す教示信号を出力すると、上記教示信号と上記教
示用部品の画像に基づき計算された上記形状特徴量とが
入力され、それらに基づき上記ルールに対する特徴量の
ヒストグラムを作成するメストグラム作成手段と、ヒス
トグラムの形状の谷間を直線補間してノイズを除去する
ノイズ除去手段とノイズ除去されたヒストグラムを閾値
処理してメンバーシップ関数に変換する閾値処理手段と
を有するメンバーシップ関数作成手段と、上記メンバー
シップ関数作成手段により作成された上記メンバーシッ
プ関数に基づき、上記認識すべき部品の画像より計算さ
れた上記形状特徴量からメンバーシップ値を求め、該メ
ンバーシップ値により上記認識すべき部品に対して適用
されるルールの適合度を計算するルール適合度計算手段
と、上記ルール適合度のうち最大値をとる適合度のルー
ルを選択して上記認識すべき部品のパターン判定を行う
ルール選択手段とを備えるようにしたこと特徴とする
及び認識すべき部品の画像をそれぞれ取り組む撮像手段
１１と、取り込まれた画像に基づき形状特徴量を計算す
る計算手段と、上記教示用部品に対して適用されるルー
ルを示す教示信号を出力すると、上記教示信号と上記教
示用部品の画像に基づき計算された上記形状特徴量とが
入力され、それらに基づき上記ルールに対する特徴量の
ヒストグラムを作成するメストグラム作成手段と、ヒス
トグラムの形状の谷間を直線補間してノイズを除去する
ノイズ除去手段とノイズ除去されたヒストグラムを閾値
処理してメンバーシップ関数に変換する閾値処理手段と
を有するメンバーシップ関数作成手段と、上記メンバー
シップ関数作成手段により作成された上記メンバーシッ
プ関数に基づき、上記認識すべき部品の画像より計算さ
れた上記形状特徴量からメンバーシップ値を求め、該メ
ンバーシップ値により上記認識すべき部品に対して適用
されるルールの適合度を計算するルール適合度計算手段
と、上記ルール適合度のうち最大値をとる適合度のルー
ルを選択して上記認識すべき部品のパターン判定を行う
ルール選択手段とを備えるようにしたこと特徴とする
【００１３】
【作用】本発明によれば、まず、上記教示用部品の画像
より形状特徴量を計算し、その特徴量よりヒストグラム
を介してメンバーシップ関数を作成する。この作成され
たメンバーシップ関数に基づき、認識すべき部品の画像
に基づき計算された形状特徴量からメンバーシップ値を
求め、該メンバーシップ値により上記認識すべき部品に
対して適用されるルールの適合度を計算し、ルールの適
合度のうち最大値をとる適合度のルールを選択する。こ
れにより、認識すべき部品のパターン判定を行う。
より形状特徴量を計算し、その特徴量よりヒストグラム
を介してメンバーシップ関数を作成する。この作成され
たメンバーシップ関数に基づき、認識すべき部品の画像
に基づき計算された形状特徴量からメンバーシップ値を
求め、該メンバーシップ値により上記認識すべき部品に
対して適用されるルールの適合度を計算し、ルールの適
合度のうち最大値をとる適合度のルールを選択する。こ
れにより、認識すべき部品のパターン判定を行う。
【００１４】上記メンバーシップ関数を修正する場合に
は、認識すべき部品を撮像している場合でも制御手段よ
り上記認識すべき部品に適用されるルールを示す教示信
号をヒストグラム作成手段に出力することにより、認識
すべき部品の形状特徴量によりメンバーシップ関数を作
成して、元のメンバーシップ関数を修正することができ
る。
は、認識すべき部品を撮像している場合でも制御手段よ
り上記認識すべき部品に適用されるルールを示す教示信
号をヒストグラム作成手段に出力することにより、認識
すべき部品の形状特徴量によりメンバーシップ関数を作
成して、元のメンバーシップ関数を修正することができ
る。
【００１５】
【実施例】以下、本発明の実施例を図を参照しながら説
明する。
明する。
【００１６】図１にパターン認識装置の概要を示す。図
１において、１は画像の形状特徴量計算部、２はパター
ン判定部、３ａ〜３ｎはパターン判定部２で用いられて
いるルール適合度計算部、４はパターン判定部２に用い
られているルール選択部、５は特定パターン画像入力
部、６はヒストグラム作成部、７はメンバーシップ関数
作成部である。
１において、１は画像の形状特徴量計算部、２はパター
ン判定部、３ａ〜３ｎはパターン判定部２で用いられて
いるルール適合度計算部、４はパターン判定部２に用い
られているルール選択部、５は特定パターン画像入力
部、６はヒストグラム作成部、７はメンバーシップ関数
作成部である。
【００１７】まず、パターン認識動作について説明す
る。最初に形状特徴量計算部１において対象パターンの
特徴を表す各種形状特徴を計算する。具体的には適当に
設定された各領域ごとの形状特徴量を計算する。そし
て、該当領域の形状特徴量をパターン判定部２に入力
し、対象パターンに適合するかどうかを判定する。
る。最初に形状特徴量計算部１において対象パターンの
特徴を表す各種形状特徴を計算する。具体的には適当に
設定された各領域ごとの形状特徴量を計算する。そし
て、該当領域の形状特徴量をパターン判定部２に入力
し、対象パターンに適合するかどうかを判定する。
【００１８】次に、パターン判定部２の動作について説
明する。このパターン判定部２の基本論理は下記（１）
式に示すものである。
明する。このパターン判定部２の基本論理は下記（１）
式に示すものである。
【００１９】 IF 特徴量１ IS Ａ11'微分量２ IS Ａ12'・・・THEN Ｂ1 IF 特徴量１ IS Ａ21'微分量２ IS Ａ22'・・・THEN Ｂ2 ・ ・ IF 特徴量１ IS Ａn1'微分量２ IS Ａn2'・・・THEN Ｂn （１） （１）式に示すように、複数個のＩＦ−ＴＨＥＮ−ルー
ルを構成する。これらのルールは、基本的には認識した
い対象物パターンにそれぞれ対応している。そして
（１）式において、ルールの前件部、即ち「IF 特徴量
１ IS Ａ11' IF特徴量１ IS Ａ21'・・・」の部
分では、メンバーシップ関数によ るファジィ推論によ
り入力特徴量に対するルールの適合度の計算を行う。ま
た、ルール後件部、即ち「THEN Ｂn」の部分では、各
ルール適合度の内最大の 値をとるルールを採用するこ
とにより推論を行う。つまり、各ルール適合度の内最大
値をとるルールに該当する対象パターンとしてパターン
認識を行う。勿論、各ルール適合度がすべて０であると
きは対象パターンなしとして判定を行う。
ルを構成する。これらのルールは、基本的には認識した
い対象物パターンにそれぞれ対応している。そして
（１）式において、ルールの前件部、即ち「IF 特徴量
１ IS Ａ11' IF特徴量１ IS Ａ21'・・・」の部
分では、メンバーシップ関数によ るファジィ推論によ
り入力特徴量に対するルールの適合度の計算を行う。ま
た、ルール後件部、即ち「THEN Ｂn」の部分では、各
ルール適合度の内最大の 値をとるルールを採用するこ
とにより推論を行う。つまり、各ルール適合度の内最大
値をとるルールに該当する対象パターンとしてパターン
認識を行う。勿論、各ルール適合度がすべて０であると
きは対象パターンなしとして判定を行う。
【００２０】図３はパターン判定部２の詳細構成を示
す。図２において、８はルール適合度計算部３ａ〜３ｎ
で用いられている各ルール・各特徴量に対応するメンバ
ーシップ関数である。図２ではルール３個・特徴量４個
の場合の推論機構を示している。図３において、入力特
徴量１〜４はそれぞれ並列して３つのルール適合度計算
部３ａ，３ｂ，３ｎに入力される。各ルール適合度計算
部３ａ，３ｂ，３ｎにおいて、各特徴量はそれぞれに対
応するメンバーシップ関数８に参照される。そして、そ
れぞれの特徴量がメンバーシップ関数８にどの程度適合
しているかを示すメンバーシップ関数適合度を求める。
ここでメンバーシップ関数適合度は、入力特徴量に対す
るメンバーシップ関数の出力値（メンバーシップ値）に
相当する。
す。図２において、８はルール適合度計算部３ａ〜３ｎ
で用いられている各ルール・各特徴量に対応するメンバ
ーシップ関数である。図２ではルール３個・特徴量４個
の場合の推論機構を示している。図３において、入力特
徴量１〜４はそれぞれ並列して３つのルール適合度計算
部３ａ，３ｂ，３ｎに入力される。各ルール適合度計算
部３ａ，３ｂ，３ｎにおいて、各特徴量はそれぞれに対
応するメンバーシップ関数８に参照される。そして、そ
れぞれの特徴量がメンバーシップ関数８にどの程度適合
しているかを示すメンバーシップ関数適合度を求める。
ここでメンバーシップ関数適合度は、入力特徴量に対す
るメンバーシップ関数の出力値（メンバーシップ値）に
相当する。
【００２１】さらに、それぞれの特徴量に対するメンバ
ーシップ関数適合度を総合して、ルール適合度を求め
る。ここで、ルール適合度の計算方法であるが、それぞ
れの特徴量に対するメンバーシップ関数適合度の最小値
をルール適合度する。また、ここで各メンバーシップ関
数適合度を乗算してルール適合度を計算してもよい。こ
のようにして計算された各ルール適合度をルール選択部
４に入力してパターン判定を行う。ここでは、上記のよ
うに各ルール適合度の内最大の値をとるルールを採用す
ることにより該当ルール、即ち該当パターンの判定を行
う。
ーシップ関数適合度を総合して、ルール適合度を求め
る。ここで、ルール適合度の計算方法であるが、それぞ
れの特徴量に対するメンバーシップ関数適合度の最小値
をルール適合度する。また、ここで各メンバーシップ関
数適合度を乗算してルール適合度を計算してもよい。こ
のようにして計算された各ルール適合度をルール選択部
４に入力してパターン判定を行う。ここでは、上記のよ
うに各ルール適合度の内最大の値をとるルールを採用す
ることにより該当ルール、即ち該当パターンの判定を行
う。
【００２２】次に、メンバーシップ関数教示動作につい
て説明する。図４はメンバーシップ関数作成動作の説明
図である。
て説明する。図４はメンバーシップ関数作成動作の説明
図である。
【００２３】まず特定パターン画像入力部５について説
明する。特定パターン画像入力部５は、教示用部品の画
像及び認識すべき画像をそれぞれ取り込む撮像手段と、
上記教示用部品に対して適用されるルールを示す教示信
号、すなわち部品の種別を示すパターン種別信号を出力
する制御手段から構成される。次に特定パターン画像入
力部５の動作であるが、上記撮像手段により、教示用特
定部品パターンの画像を形状特徴量計算部１に出力す
る。形状特徴量計算部１では前記出力画像における形状
特徴量を計算しておく。同時に特定パターン画像入力部
５において前記パターン種別信号制御手段によりヒスト
グラム作成部６に前記形状特徴量計算部１に出力した画
像と同一の種別を示すパターン種別信号を出力する。こ
こで、パターン種別信号は図４のヒストグラム作成該当
ルールと一致している。図４の例ではヒストグラム作成
該当ルールは６である。
明する。特定パターン画像入力部５は、教示用部品の画
像及び認識すべき画像をそれぞれ取り込む撮像手段と、
上記教示用部品に対して適用されるルールを示す教示信
号、すなわち部品の種別を示すパターン種別信号を出力
する制御手段から構成される。次に特定パターン画像入
力部５の動作であるが、上記撮像手段により、教示用特
定部品パターンの画像を形状特徴量計算部１に出力す
る。形状特徴量計算部１では前記出力画像における形状
特徴量を計算しておく。同時に特定パターン画像入力部
５において前記パターン種別信号制御手段によりヒスト
グラム作成部６に前記形状特徴量計算部１に出力した画
像と同一の種別を示すパターン種別信号を出力する。こ
こで、パターン種別信号は図４のヒストグラム作成該当
ルールと一致している。図４の例ではヒストグラム作成
該当ルールは６である。
【００２４】なお、特定パターン画像入力部５の具体例
としては、部品種別ごとに分類された部品ストッカ５ａ
と、部品ストッカからＴＶカメラ５ｂの撮像範囲に特定
の教示用部品を選んで移動するロボット５ｃと、ロボッ
トにより特定の部品を移動できるように制御し、かつ移
動した部品の種別信号すなわち教示用部品に対して適用
されるルールを示す教示信号を制御出力するロボットコ
ントローラ５ｄから構成される例がある。この具体例を
示す図を第２図に示す。
としては、部品種別ごとに分類された部品ストッカ５ａ
と、部品ストッカからＴＶカメラ５ｂの撮像範囲に特定
の教示用部品を選んで移動するロボット５ｃと、ロボッ
トにより特定の部品を移動できるように制御し、かつ移
動した部品の種別信号すなわち教示用部品に対して適用
されるルールを示す教示信号を制御出力するロボットコ
ントローラ５ｄから構成される例がある。この具体例を
示す図を第２図に示す。
【００２５】次に、ヒストグラム作成部６は、特定パタ
ーン画像入力部５からのパターン種別信号に基づいて該
当ルールの特徴量ヒストグラムにデータを加算する。上
記の動作を各々のパターン（ルール）について複数回繰
り返せば、特徴量ヒストグラムが完成する。その後、メ
ンバーシップ関数作成部７で特徴量ヒストグラムよりメ
ンバーシップ関数を作成する。
ーン画像入力部５からのパターン種別信号に基づいて該
当ルールの特徴量ヒストグラムにデータを加算する。上
記の動作を各々のパターン（ルール）について複数回繰
り返せば、特徴量ヒストグラムが完成する。その後、メ
ンバーシップ関数作成部７で特徴量ヒストグラムよりメ
ンバーシップ関数を作成する。
【００２６】次に、メンバーシップ関数作成部７で特徴
量ヒストグラムよりメンバーシップ関数を作成する動作
について説明する。図５は特徴量ヒストグラムよりメン
バーシップ関数を作成する動作の説明図である。まず、
図５（ａ）に示すようりヒストグラム台形化する。つま
り、ヒストグラム形状が単調増加、ピーク値、単調減少
となっていない場合は形状の谷間を直線補間する。これ
は、ヒストグラムのノイズ除去処理である。次に、図５
（ｂ）に示すように、ヒストグラムを閾値処理によりメ
ンバーシップ関数化する。このとき、ヒストグラムは頻
度確率を表しているが、メンバーシップ関数は入力に対
する適合度合であるため意味が異なる。つまり、頻度確
率は低くとも適合度合はある程度高いことが多いため、
頻度確率が低い部分を持ち上げてやる。そして、図５
（ｃ）に示すように、作成されたメンバーシップ関数の
両側に度合の低い値を付加する。これはヒストグラム作
成時にサンプリングされなかったデータに対する対応で
ある。
量ヒストグラムよりメンバーシップ関数を作成する動作
について説明する。図５は特徴量ヒストグラムよりメン
バーシップ関数を作成する動作の説明図である。まず、
図５（ａ）に示すようりヒストグラム台形化する。つま
り、ヒストグラム形状が単調増加、ピーク値、単調減少
となっていない場合は形状の谷間を直線補間する。これ
は、ヒストグラムのノイズ除去処理である。次に、図５
（ｂ）に示すように、ヒストグラムを閾値処理によりメ
ンバーシップ関数化する。このとき、ヒストグラムは頻
度確率を表しているが、メンバーシップ関数は入力に対
する適合度合であるため意味が異なる。つまり、頻度確
率は低くとも適合度合はある程度高いことが多いため、
頻度確率が低い部分を持ち上げてやる。そして、図５
（ｃ）に示すように、作成されたメンバーシップ関数の
両側に度合の低い値を付加する。これはヒストグラム作
成時にサンプリングされなかったデータに対する対応で
ある。
【００２７】以上のような処理によりメンバーシップ関
数を半自動的に作成することができる。このとき各ヒス
トグラムの全体度数は２０〜５０程度で充分認識率の高
いメンバーシップ関数が作成できる。
数を半自動的に作成することができる。このとき各ヒス
トグラムの全体度数は２０〜５０程度で充分認識率の高
いメンバーシップ関数が作成できる。
【００２８】
【発明の効果】本発明によれば、認識対象から特定パタ
ーンの対象画像を入力する手段と前記特定パターンの種
別信号に基づいて該当ルールの特徴量のヒストグラムを
作成し、そのヒストグラム形状の谷間を直線補間し、閾
値処理によりヒストグラム形状を修正してメンバーシッ
プ関数を作成するようにしているので、メンバーシップ
関数の作成を効率化できるとともに、ヒストグラムの左
右非対象な形状特性を保存したままメンバーシップ関数
を作成でき、パターン判定能力の高いパターン認識装置
を提供できる。
ーンの対象画像を入力する手段と前記特定パターンの種
別信号に基づいて該当ルールの特徴量のヒストグラムを
作成し、そのヒストグラム形状の谷間を直線補間し、閾
値処理によりヒストグラム形状を修正してメンバーシッ
プ関数を作成するようにしているので、メンバーシップ
関数の作成を効率化できるとともに、ヒストグラムの左
右非対象な形状特性を保存したままメンバーシップ関数
を作成でき、パターン判定能力の高いパターン認識装置
を提供できる。
【図１】本発明のパターン認識装置の一実施例における
構成の概要を示す図
構成の概要を示す図
【図２】同実施例の特定パターン画像入力部の具体例を
示す図
示す図
【図３】同実施例のパターン判定部の構成を示す図
【図４】同実施例におけるメンバーシップ関数作成動作
の説明図
の説明図
【図５】同実施例における特徴量ヒストグラムよりメン
バーシップ関数を作成する動作説明図
バーシップ関数を作成する動作説明図
【図６】従来のパターン認識装置の構成の概要を示す図
１ 形状特徴量計算部 ２ パターン判定部 ３ ルール適合度計算部 ４ ルール選択部 ５ 特定パターン画像入力部 ６ ヒストグラム作成部 ７ メンバーシップ関数作成部 ８ メンバーシップ関数
Claims (4)
- 【請求項１】 教示部品の画像及び認識すべき部品の画
像をそれぞれ取り組む撮像手段と、取り込まれた画像に
基づき形状特徴量を計算する計算手段と、上記教示用部
品に対して適用されるルールを示す教示信号を出力する
制御手段と、上記教示信号と上記教示用部品の画像に基
づき計算された上記形状特徴量とが入力され、それらに
基づき上記ルールに対する特徴量のヒストグラムを作成
するメストグラム作成手段と、ヒストグラムの形状の谷
間を直線補間してノイズを除去するノイズ除去手段とノ
イズ除去されたヒストグラムを閾値処理してメンバーシ
ップ関数に変換する閾値処理手段とを有するメンバーシ
ップ関数作成手段と、上記メンバーシップ関数作成手段
により作成された上記メンバーシップ関数に基づき、上
記認識すべき部品の画像より計算された上記形状特徴量
からメンバーシップ値を求め、該メンバーシップ値によ
り上記認識すべき部品に対して適用されるルールの適合
度を計算するルール適合度計算手段と、上記ルール適合
度のうち最大値をとる適合度のルールを選択して上記認
識すべき部品のパターン判定を行うルール選択手段とを
備えるようにしたこと特徴とするパターン認識装置。 - 【請求項２】 上記メンバーシップ関数作成手段は、上
記閾値処理手段により変換されたメンバーシップ関数の
補完処理を行う補完手段をさらに備えるようにした請求
項１記載のパターン認識装置。 - 【請求項３】 上記制御手段は、上記メンバーシップ関
数を修正するときには上記認識すべき部品に対して適用
されるルールを示す教示信号を出力するようにして、上
記認識すべき部品が撮像手段により撮像されている場合
であっても、上記制御手段より教示信号が上記ヒストグ
ラム作成手段に出力された場合には、上記認識すべき部
品の形状特徴量に基づき上記メンバーシップ関数を作成
して元のメンバーシップ関数の修正を行うようにした請
求項１記載のパターン認識装置。 - 【請求項４】 上記制御手段は、上記メンバーシップ関
数を修正するときには上記認識すべき部品に対して適用
されるルールを示す教示信号を出力するようにして、上
記認識すべき部品が撮像手段により撮像されている場合
であっても、上記制御手段より教示信号が上記ヒストグ
ラム作成手段に出力された場合には、上記認識すべき部
品の形状特徴量に基づき上記メンバーシップ関数を作成
して元のメンバーシップ関数の修正を行うようにした請
求項２記載のパターン認識装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP17646191 | 1991-07-17 | ||
| JP3-176461 | 1991-07-17 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05282456A true JPH05282456A (ja) | 1993-10-29 |
Family
ID=16014103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4189125A Pending JPH05282456A (ja) | 1991-07-17 | 1992-07-16 | パターン認識装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US5410613A (ja) |
| JP (1) | JPH05282456A (ja) |
| KR (1) | KR930002973A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995025301A1 (de) * | 1994-03-17 | 1995-09-21 | Siemens Aktiengesellschaft | Verfahren und anordnung zur fuzzy-regelung |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2749020B2 (ja) * | 1991-11-14 | 1998-05-13 | 日立ソフトウエアエンジニアリング株式会社 | ダイアグラム認識システム |
| EP0649114B1 (en) * | 1993-10-14 | 2002-02-13 | Omron Corporation | Image processing device and method for identifying an input image and copier including same |
| JPH0822392A (ja) * | 1994-07-11 | 1996-01-23 | Hitachi Ltd | 意志決定方法及び装置 |
| US6510240B1 (en) * | 1995-05-09 | 2003-01-21 | Texas Instruments Incorporated | Automatic detection of die absence on the wire bonding machine |
| AU4424499A (en) * | 1998-06-08 | 1999-12-30 | Brown University Research Foundation | Method and apparatus for automatic shape characterization |
| EP1271403B1 (en) * | 2001-06-26 | 2005-03-09 | Nokia Corporation | Method and device for character location in images from digital camera |
| US7386173B1 (en) * | 2003-08-27 | 2008-06-10 | Bruker Daltonik Gmbh | Graphical displaying of and pattern recognition in analytical data strings |
| US8229875B2 (en) * | 2007-04-11 | 2012-07-24 | Oracle International Corporation | Bayes-like classifier with fuzzy likelihood |
| US20090208055A1 (en) * | 2008-02-20 | 2009-08-20 | Lockheed Martin Corporation | Efficient detection of broken line segments in a scanned image |
| US8458170B2 (en) * | 2008-06-30 | 2013-06-04 | Yahoo! Inc. | Prefetching data for document ranking |
| US9804839B2 (en) | 2012-12-28 | 2017-10-31 | Intel Corporation | Instruction for determining histograms |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5847064B2 (ja) * | 1978-07-08 | 1983-10-20 | 工業技術院長 | 文字読取方式 |
| JPS6279582A (ja) * | 1985-10-03 | 1987-04-11 | Ricoh Co Ltd | 文字認識用辞書作成方式 |
| JP2696211B2 (ja) * | 1987-04-20 | 1998-01-14 | 株式会社日立製作所 | 濃淡画像からのパターン認識方法及び装置 |
| US5058182A (en) * | 1988-05-02 | 1991-10-15 | The Research Foundation Of State Univ. Of New York | Method and apparatus for handwritten character recognition |
| JP3009149B2 (ja) * | 1988-09-22 | 2000-02-14 | 株式会社日立製作所 | パターンデータ処理装置及びプロセス計測情報処理装置及び画像処理装置及び画像認識装置 |
-
1992
- 1992-07-14 US US07/913,185 patent/US5410613A/en not_active Expired - Lifetime
- 1992-07-14 KR KR1019920012503A patent/KR930002973A/ko not_active Application Discontinuation
- 1992-07-16 JP JP4189125A patent/JPH05282456A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995025301A1 (de) * | 1994-03-17 | 1995-09-21 | Siemens Aktiengesellschaft | Verfahren und anordnung zur fuzzy-regelung |
Also Published As
| Publication number | Publication date |
|---|---|
| US5410613A (en) | 1995-04-25 |
| KR930002973A (ko) | 1993-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11556739B2 (en) | Method for estimating operation of work vehicle, system, method for producing trained classification model, training data, and method for producing training data | |
| Schulte et al. | A fuzzy impulse noise detection and reduction method | |
| EP2381414A1 (en) | Image processing device, method, and program | |
| US7457432B2 (en) | Specified object detection apparatus | |
| JPH05282456A (ja) | パターン認識装置 | |
| EP1477929B1 (en) | Signal processing | |
| US20100272351A1 (en) | Information processing apparatus and method for detecting object in image data | |
| EP1363235A1 (en) | Signal processing device | |
| JP2002216127A (ja) | 最新の統計に利用するデジタルイメージのためのノイズ推定 | |
| JP3333721B2 (ja) | 領域検出装置 | |
| JP3438440B2 (ja) | 画像処理装置 | |
| US5949916A (en) | Modified automatic regressive filter and filtering method therefor | |
| CN111435457B (zh) | 对传感器获取的采集进行分类的方法 | |
| US6785415B1 (en) | Image processing method, an image processing apparatus, and a recording media on which an image processing program is recorded | |
| JP2021111228A (ja) | 学習装置、学習方法、及びプログラム | |
| EP0398314B1 (en) | An apparatus for binarizing image signals | |
| JPH1117984A (ja) | 画像処理装置 | |
| JP2856661B2 (ja) | 濃度変換装置 | |
| JP3963033B2 (ja) | 時系列データ生成装置および方法、曲線編集装置および方法、並びにプログラムを記録した記録媒体 | |
| US7076098B2 (en) | Adaptive image processing unit for extracting characteristic portion from image | |
| JPH07271916A (ja) | 学習パターン生成装置及びこれを用いた文字認識装置 | |
| JP2000132692A (ja) | 曲線の特徴点抽出方法及びこの方法を記録した記録媒体 | |
| JP2021051601A (ja) | 画像認識装置、画像認識システム、画像認識方法及びプログラム | |
| JP7502808B2 (ja) | 学習装置、学習方法及び学習プログラム | |
| JP7112924B2 (ja) | 情報処理装置、情報処理方法、およびプログラム |