JPH0576669B2 - - Google Patents
Info
- Publication number
- JPH0576669B2 JPH0576669B2 JP60006815A JP681585A JPH0576669B2 JP H0576669 B2 JPH0576669 B2 JP H0576669B2 JP 60006815 A JP60006815 A JP 60006815A JP 681585 A JP681585 A JP 681585A JP H0576669 B2 JPH0576669 B2 JP H0576669B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- standard pattern
- mapping function
- dimensional
- piecewise
- 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.)
- Expired - Lifetime
Links
- 230000006870 function Effects 0.000 claims description 43
- 238000013507 mapping Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 15
- 230000008602 contraction Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 12
- 238000003909 pattern recognition Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000009466 transformation Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Character Discrimination (AREA)
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明はパタン認識に於ける標準パタン作成方
式、特に光学的文字認識などのパタン認識に於
て、二次元パタンを用いて認識処理を行うときの
標準パタン作成方式に関する。
式、特に光学的文字認識などのパタン認識に於
て、二次元パタンを用いて認識処理を行うときの
標準パタン作成方式に関する。
（従来技術とその問題点）
従来パタン認識に於て、最も重要な処理は特徴
抽出処理と、種々のパタンマツチング法を含んだ
判定処理であつた。その重要性は現在も変わらな
いが、種々のパタン認識での認識率が向上し、実
用化が意識されるにつれて、標準パタンの良し悪
しの占める比重が大きくなりつつある。認識過程
で扱われるパタンが多次元空間の一点を示す特徴
ベクトルとして表される場合は、用意された複数
個の学習パタンからより良い標準パタンを作成す
る方法が研究され、提案されているが、二次元パ
タンとして記述されたパタンが非線形処理によつ
て認識処理が行われるような場合には、複数個の
データから標準パタンを作成することは一般に行
われていない。
抽出処理と、種々のパタンマツチング法を含んだ
判定処理であつた。その重要性は現在も変わらな
いが、種々のパタン認識での認識率が向上し、実
用化が意識されるにつれて、標準パタンの良し悪
しの占める比重が大きくなりつつある。認識過程
で扱われるパタンが多次元空間の一点を示す特徴
ベクトルとして表される場合は、用意された複数
個の学習パタンからより良い標準パタンを作成す
る方法が研究され、提案されているが、二次元パ
タンとして記述されたパタンが非線形処理によつ
て認識処理が行われるような場合には、複数個の
データから標準パタンを作成することは一般に行
われていない。
（発明の目的）
本発明は、前記非線形処理によつて認識処理が
行われるような場合に於て、複数個の学習パタン
からより良い標準パタンを自動的に作成する標準
パタン作成方式を提供するものであり、これによ
つて認識率を向上させ、且つ標準パタン作成のた
めの工数を大幅に軽減できる。
行われるような場合に於て、複数個の学習パタン
からより良い標準パタンを自動的に作成する標準
パタン作成方式を提供するものであり、これによ
つて認識率を向上させ、且つ標準パタン作成のた
めの工数を大幅に軽減できる。
（発明の構成）
本方式によると二次元パタンとして表されるパ
タンを用いたパタン認識に必要な標準パタンを複
数個の学習パタンを用いて作成する標準パタン作
成方式に於て、仮の標準パタンを格納する仮の標
準パタン記憶手段と、順次入力される前記複数個
の学習パタンの各々と前記仮の標準パタンとを入
力し両者の伸縮整合を行い、最適な整合となると
きの前記学習パタンの各々と前記仮の標準パタン
との対応を示す区分写像関数を出力する区分写像
関数生成手段と、前記複数個の学習パタンの各々
について得られる区分写像関数の位相的な平均と
なる位相平均区分写像関数を求める位相平均区分
写像関数生成手段と、前記位相平均区分写像関数
を二次元伸縮正規化写像関数として前記仮の標準
パタンを二次元伸縮正規化して標準パタンを作成
する伸縮正規化手段とを含むことを特徴とするパ
タン認識に於ける標準パタン作成方式が得られ
る。
タンを用いたパタン認識に必要な標準パタンを複
数個の学習パタンを用いて作成する標準パタン作
成方式に於て、仮の標準パタンを格納する仮の標
準パタン記憶手段と、順次入力される前記複数個
の学習パタンの各々と前記仮の標準パタンとを入
力し両者の伸縮整合を行い、最適な整合となると
きの前記学習パタンの各々と前記仮の標準パタン
との対応を示す区分写像関数を出力する区分写像
関数生成手段と、前記複数個の学習パタンの各々
について得られる区分写像関数の位相的な平均と
なる位相平均区分写像関数を求める位相平均区分
写像関数生成手段と、前記位相平均区分写像関数
を二次元伸縮正規化写像関数として前記仮の標準
パタンを二次元伸縮正規化して標準パタンを作成
する伸縮正規化手段とを含むことを特徴とするパ
タン認識に於ける標準パタン作成方式が得られ
る。
（発明の作用原理）
以下図面を用いて本発明の原理について詳細に
説明する。第２図はａ〜ｅは二次元パタンとして
表されるパタンの二次元的な非線形伸縮整合と、
前記整合における区分写像関数とを説明するため
の図である。第２図に於て、ａは曲の標準パタン
Ｆ（ｉ，ｊ，ｂ，ｃはそれぞれ入力パタンの曲の
サンプルパタンｆ１（ｉ，ｊ），ｆ２（ｉ，ｊ）
であり、ｄ，ｅは前記入力パタンｆ１（ｉ，ｊ），
ｆ２（ｉ，ｊ）の二次元伸縮正規化パタンＦ１
（ｉ，ｊ），Ｆ２（ｉ，ｊ）である。このとき前記
サンプルパタンfk（ｉ，ｊ）と前記二次元伸縮正
規化パタンFk（ｉ，ｊ）との間には、Fk（ｕ，
ｖ）＝Fk（Sk（ｉ，ｊ），Tk（ｉ，ｊ））＝fk（ｉ，
ｊ）（ｋ＝１，２） となる関係がある。ただし上の式において関数
Sk（ｉ，ｊ），Tk（ｉ，ｊ）は前記各々の入力パ
タンfk（ｉ，ｊ）の前記標準パタンＦ（ｉ，ｊ）に
対する写像関数である。第３図は区分写像関数の
一例を示す図である。前記写像関数Sk（ｉ，ｊ），
Tk（ｉ，ｊ）をそのまま求めるよりも、計算量等
の実現手段を考慮すると、前記写像関数を近似し
た前記写像関数のほうが取り扱いが容易であり、
また認識性能についてもそれほど問題はない。本
区分写像関数はデーブル形式で表されており、テ
ーブル中の（Imn，Jmn），（Im，Jn）と前記写
関数Sk（ｉ，ｊ），Tk（ｉ，ｊ）との間の関係は
次式で表される。
説明する。第２図はａ〜ｅは二次元パタンとして
表されるパタンの二次元的な非線形伸縮整合と、
前記整合における区分写像関数とを説明するため
の図である。第２図に於て、ａは曲の標準パタン
Ｆ（ｉ，ｊ，ｂ，ｃはそれぞれ入力パタンの曲の
サンプルパタンｆ１（ｉ，ｊ），ｆ２（ｉ，ｊ）
であり、ｄ，ｅは前記入力パタンｆ１（ｉ，ｊ），
ｆ２（ｉ，ｊ）の二次元伸縮正規化パタンＦ１
（ｉ，ｊ），Ｆ２（ｉ，ｊ）である。このとき前記
サンプルパタンfk（ｉ，ｊ）と前記二次元伸縮正
規化パタンFk（ｉ，ｊ）との間には、Fk（ｕ，
ｖ）＝Fk（Sk（ｉ，ｊ），Tk（ｉ，ｊ））＝fk（ｉ，
ｊ）（ｋ＝１，２） となる関係がある。ただし上の式において関数
Sk（ｉ，ｊ），Tk（ｉ，ｊ）は前記各々の入力パ
タンfk（ｉ，ｊ）の前記標準パタンＦ（ｉ，ｊ）に
対する写像関数である。第３図は区分写像関数の
一例を示す図である。前記写像関数Sk（ｉ，ｊ），
Tk（ｉ，ｊ）をそのまま求めるよりも、計算量等
の実現手段を考慮すると、前記写像関数を近似し
た前記写像関数のほうが取り扱いが容易であり、
また認識性能についてもそれほど問題はない。本
区分写像関数はデーブル形式で表されており、テ
ーブル中の（Imn，Jmn），（Im，Jn）と前記写
関数Sk（ｉ，ｊ），Tk（ｉ，ｊ）との間の関係は
次式で表される。
Im＝Sk（Imn，Jmn）
Jn＝Tk（Imn，Jmn）
上記Imn，Jmnの定め方の一例としては以下の方
法がある。例えば標準二次元パタンをfs（ｉ，ｊ）
したとき、これをＫ×Ｌに分割した部分パタンfs
（ｉ，ｊ；ｋ，ｌ）ただしｋ＝０，１，……，ｋ
−１；１＝０，１，……，Ｌ−１）は、 ｆ（ｉ，ｊ；ｋ，ｌ）＝fs（ｉ，ｊ） Ik−Δ
IｉIk＋ΔI，Jl−ΔLｊJi＋ΔL ０ その他の場合 であるとする。（ただし、Ik−Ik−１＝一定、JI
−JI−１＝一定）一方入力パタンをｆ（ｉ，ｊ）
としたとき、前記標準文字パタンfs（ｉ，ｊ）の
部分パタンfs（ｉ，ｊ；ｋ，ｌ）に対する入力文
字パタンｆ（ｉ，ｊ）のずらし部分パタンｆ（ｉ，
ｊ；ｋ，ｌ；ｘ，ｙ）は ｆ（ｉ，ｊ；ｋ，lx，ｙ）＝fs（ｉ，ｊ） Ik−ΔI＋
ｘｉIk＋ΔI＋ｘ，Jl＋ΔL＋ｙｊJl＋ΔJ＋ｙ ０ その他の場合 であるとする。（ただし−wk≦ｘ≦wk，−wy≦
ｙ≦wy）このとき各ｋ，ｌで定まる部分パタン
について、ユークリツド距離、シテイブロツク距
離或いは他の手段で定まる評価手段ｄを用いて−
wk≦ｘ≦wk，−wl≦ｙ≦wlの範囲内の各ずらし
パタンとの間で整合値ｄ（ｋ，ｌ；ｘ，ｙ）を求
める。このとき、二次元パタン全体の距離は次式
で示される。max xklyklK-1 〓k=0 L-1 〓 〓l=0 ｄ［fs（ｉ，ｊ；ｋ，ｌ），ｆ（ｉ，ｊ；ｋ，ｌ；
；xkl，ykl）］ ただし Ik＋X(0) kl＋Ck＜Lk+1，X(0) k+1，ＩIk＋X(0) kl＋C′
k Jl＋y(0)＋Cl＜Jl+1＋X(0) k,l+1Jl＋y(0) kl＋C′l （Ck，C″k，Cl，C″lは正の定数、X(0) kly(0) klは 上の式を最大にする各Xkl，yklの値である。） 第４図ａは前記区分写像関数の役割を直感的に
示す図であり、二次元的パタンを４×４のブロツ
クに分割して写像関数を近似する例を示してい
る。図中16個の点は標準パタンに対する入力パタ
ンの近似した対応を横方向、縦方向にそれぞれ４
箇所の計16（４×４＝16）箇所で示している。第
４図ｂは前記区分写像関数を複数個同時に表示し
図であり、標準パタンに対する同一カテゴリーの
複数個の入力パタンの分布の傾向をみることがで
きる。このとき16箇所の分布が各ブロツクの中心
付近を中心にしているときは標準パタンの形状の
バランスが取られていることを示し同図ｃ、前記
16箇所の分布が各ブロツクの中心付近から離れた
ところを中心にしているときは形状のバランスが
取れていないことを示している（同図ｄ）。パタ
ン認識において、標準パタンのバランスが取れて
いることは入力パタンの多様な変形に対して処理
が効率的であり、かつ他のカテゴリーとの混同が
起こりにくいという利点を持ち、本発明で考慮し
ている二次元パタンを扱うパタン認識において
は、二次元的な形状のバランスが重要となる。従
つて標準パタンを作成するための多数の入力用学
習パタンがあるときに、前記学習パタンを用いて
バランスのとれた標準パタンを作成することは認
識の性能を向上させるための重要な役割を果たす
ことになる。本発明の特徴は前記バランスのとれ
た形状の標準パタンを作成すること自体にある
が、そのために複数個の前記区分写像関数を用い
ている。すなわち第４図ｄで示すように標準パタ
ンの形状のバランスがとれていないときに、前記
各分布の中心が前記各ブロツクの中心になるよう
に、標準パタンを変形し、新しく標準パタンを更
新することによつて、よりよい標準パタンを作成
するものである。ここで行う変形は前記二次元正
規化処理そのものであり、第５図ａに示す区分写
像関数で変形すればよい。第５図ｂは前記変形を
直感的に示す図であり、実線で５×５に分割され
ている一般の四辺形を矢印の方向に伸縮させ、正
方形及び長方形に変形することにより二次元パタ
ンを変形する。以上説明した原理にもとずき、本
発明の構成を次に説明するが以後の説では更新さ
れる前の標準パタンを仮の標準パタンＦ（ｉ，
ｊ）、更新された後の標準パタンを単に標準パタ
ン、入力パタンを学習用入力パタンfk（ｉ，ｊ）
と呼ぶことにする。また区分写像関数は４×４の
ブロツクに分割して近似した例を用いるが、本発
明はこれに限るものではない。
法がある。例えば標準二次元パタンをfs（ｉ，ｊ）
したとき、これをＫ×Ｌに分割した部分パタンfs
（ｉ，ｊ；ｋ，ｌ）ただしｋ＝０，１，……，ｋ
−１；１＝０，１，……，Ｌ−１）は、 ｆ（ｉ，ｊ；ｋ，ｌ）＝fs（ｉ，ｊ） Ik−Δ
IｉIk＋ΔI，Jl−ΔLｊJi＋ΔL ０ その他の場合 であるとする。（ただし、Ik−Ik−１＝一定、JI
−JI−１＝一定）一方入力パタンをｆ（ｉ，ｊ）
としたとき、前記標準文字パタンfs（ｉ，ｊ）の
部分パタンfs（ｉ，ｊ；ｋ，ｌ）に対する入力文
字パタンｆ（ｉ，ｊ）のずらし部分パタンｆ（ｉ，
ｊ；ｋ，ｌ；ｘ，ｙ）は ｆ（ｉ，ｊ；ｋ，lx，ｙ）＝fs（ｉ，ｊ） Ik−ΔI＋
ｘｉIk＋ΔI＋ｘ，Jl＋ΔL＋ｙｊJl＋ΔJ＋ｙ ０ その他の場合 であるとする。（ただし−wk≦ｘ≦wk，−wy≦
ｙ≦wy）このとき各ｋ，ｌで定まる部分パタン
について、ユークリツド距離、シテイブロツク距
離或いは他の手段で定まる評価手段ｄを用いて−
wk≦ｘ≦wk，−wl≦ｙ≦wlの範囲内の各ずらし
パタンとの間で整合値ｄ（ｋ，ｌ；ｘ，ｙ）を求
める。このとき、二次元パタン全体の距離は次式
で示される。max xklyklK-1 〓k=0 L-1 〓 〓l=0 ｄ［fs（ｉ，ｊ；ｋ，ｌ），ｆ（ｉ，ｊ；ｋ，ｌ；
；xkl，ykl）］ ただし Ik＋X(0) kl＋Ck＜Lk+1，X(0) k+1，ＩIk＋X(0) kl＋C′
k Jl＋y(0)＋Cl＜Jl+1＋X(0) k,l+1Jl＋y(0) kl＋C′l （Ck，C″k，Cl，C″lは正の定数、X(0) kly(0) klは 上の式を最大にする各Xkl，yklの値である。） 第４図ａは前記区分写像関数の役割を直感的に
示す図であり、二次元的パタンを４×４のブロツ
クに分割して写像関数を近似する例を示してい
る。図中16個の点は標準パタンに対する入力パタ
ンの近似した対応を横方向、縦方向にそれぞれ４
箇所の計16（４×４＝16）箇所で示している。第
４図ｂは前記区分写像関数を複数個同時に表示し
図であり、標準パタンに対する同一カテゴリーの
複数個の入力パタンの分布の傾向をみることがで
きる。このとき16箇所の分布が各ブロツクの中心
付近を中心にしているときは標準パタンの形状の
バランスが取られていることを示し同図ｃ、前記
16箇所の分布が各ブロツクの中心付近から離れた
ところを中心にしているときは形状のバランスが
取れていないことを示している（同図ｄ）。パタ
ン認識において、標準パタンのバランスが取れて
いることは入力パタンの多様な変形に対して処理
が効率的であり、かつ他のカテゴリーとの混同が
起こりにくいという利点を持ち、本発明で考慮し
ている二次元パタンを扱うパタン認識において
は、二次元的な形状のバランスが重要となる。従
つて標準パタンを作成するための多数の入力用学
習パタンがあるときに、前記学習パタンを用いて
バランスのとれた標準パタンを作成することは認
識の性能を向上させるための重要な役割を果たす
ことになる。本発明の特徴は前記バランスのとれ
た形状の標準パタンを作成すること自体にある
が、そのために複数個の前記区分写像関数を用い
ている。すなわち第４図ｄで示すように標準パタ
ンの形状のバランスがとれていないときに、前記
各分布の中心が前記各ブロツクの中心になるよう
に、標準パタンを変形し、新しく標準パタンを更
新することによつて、よりよい標準パタンを作成
するものである。ここで行う変形は前記二次元正
規化処理そのものであり、第５図ａに示す区分写
像関数で変形すればよい。第５図ｂは前記変形を
直感的に示す図であり、実線で５×５に分割され
ている一般の四辺形を矢印の方向に伸縮させ、正
方形及び長方形に変形することにより二次元パタ
ンを変形する。以上説明した原理にもとずき、本
発明の構成を次に説明するが以後の説では更新さ
れる前の標準パタンを仮の標準パタンＦ（ｉ，
ｊ）、更新された後の標準パタンを単に標準パタ
ン、入力パタンを学習用入力パタンfk（ｉ，ｊ）
と呼ぶことにする。また区分写像関数は４×４の
ブロツクに分割して近似した例を用いるが、本発
明はこれに限るものではない。
（実施例）
第１図は本発明の構成を示す図である。
１は仮の標準パタン記憶手段であり、前記仮の
標準パタンＦ（ｉ，ｊ）を信号１０として読み込
み、信号１１として出力し、標準パタンが作成さ
れるまで格納するものである。２は区分写像関数
生成手段であり、前記仮の標準パタンＦ（ｉ，ｊ）
を示す信号１１と前記複数個の学習用入力パタン
fk（ｉ，ｊ）を示す信号１２を逐次入力し、前記
区分写像関数を逐次求め、信号１３として逐次出
力する。３は位相平均区分写像関数生成手段であ
り、前記複数個の区分写像関数を信号１３として
入力し、前記各ずれの位置の分布から平均位置を
求め、位相平均区分写像関数を信号１４として出
力し、４は二次元伸縮正規化手段であり、前記位
相平均区分写像関数信号１４と仮の標準パタン１
１とを入力し、前記仮の標準パタンを前記位相平
均区分写像関数を用いた二次元伸縮正規化によつ
て変形し、得られた変形パタンを標準パタン信号
１５として出力する。図中仮の標準パタン記憶手
段１は通常使用される記憶素子でよく、区分写像
関数生成手段２は既出の特許（特願昭58−125811
号明細書類似度検出装置）または文献第７回パタ
ン認識国際会議プロシーデイング第２巻pp.770−
773ジユン ツクモ アンド コウ アサイ“ノ
ンリニア マツチング メソード フオーハンド
プリンテイング キヤラクタ リコグニシヨン”
（Jun Tsukumo and Ko Asai“Non−Linear
Matching Method For Handprinted
Character Recognition”7th Inter−national
Conference on Pattern Recognition
Proceedings vol.2pp.770−7773，’84）等によ
つて容易に実現することができ、位相平均区分写
像関数生成手段３は前記各ブロツクの位置ずれの
平均をとり、次式 １／ＮN 〓k=1 Imn １／ＮN 〓k=1 Jmn を求めるものでベクトルの加算とスカラーの割り
算の機能を持てばよく、既存の加算器、割り算器
とで容易に実現することができ、二次元伸縮正規
化手段４も一般の画像処理、コンピユターグラフ
イツクス等で用いられる処理の組み合わせであ
り、容易に実現することができる。また本説明で
は取り扱う二次元パタンを４×４に分割して区分
写像関数を近似した例を示したが、近似の仕方は
これに限るものではない。また位相区分写像関数
生成手段３の説明のなかで単純平均を用いている
が、扱うパタンの性質がわかつているときには重
み付け平均などをとることも可能であるが、本発
明の本質的な問題ではない。
標準パタンＦ（ｉ，ｊ）を信号１０として読み込
み、信号１１として出力し、標準パタンが作成さ
れるまで格納するものである。２は区分写像関数
生成手段であり、前記仮の標準パタンＦ（ｉ，ｊ）
を示す信号１１と前記複数個の学習用入力パタン
fk（ｉ，ｊ）を示す信号１２を逐次入力し、前記
区分写像関数を逐次求め、信号１３として逐次出
力する。３は位相平均区分写像関数生成手段であ
り、前記複数個の区分写像関数を信号１３として
入力し、前記各ずれの位置の分布から平均位置を
求め、位相平均区分写像関数を信号１４として出
力し、４は二次元伸縮正規化手段であり、前記位
相平均区分写像関数信号１４と仮の標準パタン１
１とを入力し、前記仮の標準パタンを前記位相平
均区分写像関数を用いた二次元伸縮正規化によつ
て変形し、得られた変形パタンを標準パタン信号
１５として出力する。図中仮の標準パタン記憶手
段１は通常使用される記憶素子でよく、区分写像
関数生成手段２は既出の特許（特願昭58−125811
号明細書類似度検出装置）または文献第７回パタ
ン認識国際会議プロシーデイング第２巻pp.770−
773ジユン ツクモ アンド コウ アサイ“ノ
ンリニア マツチング メソード フオーハンド
プリンテイング キヤラクタ リコグニシヨン”
（Jun Tsukumo and Ko Asai“Non−Linear
Matching Method For Handprinted
Character Recognition”7th Inter−national
Conference on Pattern Recognition
Proceedings vol.2pp.770−7773，’84）等によ
つて容易に実現することができ、位相平均区分写
像関数生成手段３は前記各ブロツクの位置ずれの
平均をとり、次式 １／ＮN 〓k=1 Imn １／ＮN 〓k=1 Jmn を求めるものでベクトルの加算とスカラーの割り
算の機能を持てばよく、既存の加算器、割り算器
とで容易に実現することができ、二次元伸縮正規
化手段４も一般の画像処理、コンピユターグラフ
イツクス等で用いられる処理の組み合わせであ
り、容易に実現することができる。また本説明で
は取り扱う二次元パタンを４×４に分割して区分
写像関数を近似した例を示したが、近似の仕方は
これに限るものではない。また位相区分写像関数
生成手段３の説明のなかで単純平均を用いている
が、扱うパタンの性質がわかつているときには重
み付け平均などをとることも可能であるが、本発
明の本質的な問題ではない。
（発明の効果）
以上のように本発明によれば、二次元パタンを
取り扱うパタン認識において、入力されるパタン
の多様な変形に対してバランスのとれた標準パタ
ンを作成することをができ、認識性能の向上に大
きく役立つ。
取り扱うパタン認識において、入力されるパタン
の多様な変形に対してバランスのとれた標準パタ
ンを作成することをができ、認識性能の向上に大
きく役立つ。
第１図は本発明の構成を示す図、第２図ａ〜ｅ
は二次元パタンとして表されるパタンの二次元的
な非線形伸縮整合と、整合における写像関数とを
説明するための図、第３図は区分写像関数の一例
を示す図、第４図ａ〜ｄは本発明における区分写
像関数の役割を直感的に示す図、第５図ａ，ｂは
二次元伸縮正規化処理を説明するための図であ
る。 図中１は仮の標準パタン記憶手段であり、２は
区分写像関数生成手段であり、３は位相平均区分
写像生成手段であり、４は二次元伸縮正規化手段
である。
は二次元パタンとして表されるパタンの二次元的
な非線形伸縮整合と、整合における写像関数とを
説明するための図、第３図は区分写像関数の一例
を示す図、第４図ａ〜ｄは本発明における区分写
像関数の役割を直感的に示す図、第５図ａ，ｂは
二次元伸縮正規化処理を説明するための図であ
る。 図中１は仮の標準パタン記憶手段であり、２は
区分写像関数生成手段であり、３は位相平均区分
写像生成手段であり、４は二次元伸縮正規化手段
である。
Claims (1)
- １ 二次元パタンとして表されるパタンを用いた
パタン認識に必要な標準パタンを複数個の学習パ
タンを用いて作成する標準パタン作成方式におい
て、仮の標準パタンを格納する仮の標準パタン記
憶手段と、順次入力される前記複数個の学習パタ
ンの各々と前記仮の標準パタンとを入力し両者の
伸縮整合を行い最適な整合となるときの前記学習
パタンの各々と前記仮の標準パタンとの対応を示
す区分写像関数を出力する区分写像関数生成手段
と、前記複数個の学習パタンの各々について得ら
れる区分写像関数の位相を考慮した平均を求める
位相平均区分写像関数生成手段と、前記位相平均
区分写像関数を伸縮正規化写像関数として前記仮
の標準パタンを二次元的に伸縮正規化して標準パ
タンを作成する二次元伸縮正規化手段とを含むこ
とを特徴とするパタン認識用標準パタン作成手
段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60006815A JPS61166686A (ja) | 1985-01-18 | 1985-01-18 | パタン認識用標準パタン作成方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60006815A JPS61166686A (ja) | 1985-01-18 | 1985-01-18 | パタン認識用標準パタン作成方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS61166686A JPS61166686A (ja) | 1986-07-28 |
| JPH0576669B2 true JPH0576669B2 (ja) | 1993-10-25 |
Family
ID=11648698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60006815A Granted JPS61166686A (ja) | 1985-01-18 | 1985-01-18 | パタン認識用標準パタン作成方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS61166686A (ja) |
-
1985
- 1985-01-18 JP JP60006815A patent/JPS61166686A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS61166686A (ja) | 1986-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4292837B2 (ja) | パターン特徴抽出方法及びその装置 | |
| JP2737877B2 (ja) | ドット文字パターンの平滑化方式 | |
| KR100944584B1 (ko) | 화상 중의 오브젝트를 표시하거나 검색하기 위한 방법, 장치 및 컴퓨터 판독가능 기록매체 | |
| Tashlinskii | Computational expenditure reduction in pseudo-gradient image parameter estimation | |
| JPH05249990A (ja) | パターンマッチング方法およびパターン認識装置 | |
| JPH0576669B2 (ja) | ||
| Stateczny | Methods of comparative plotting of the ship’s position | |
| KR20230065443A (ko) | 포인트 클라우드 데이터 증강 방법 및 이를 이용하는 학습 방법 | |
| 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 | |
| JPH06274149A (ja) | アウトラインフォントの幅変更処理方法および装置 | |
| JP2910344B2 (ja) | 画像処理方法 | |
| JPH1049669A (ja) | 画像処理方法 | |
| JPH0565908B2 (ja) | ||
| JPH0565907B2 (ja) | ||
| JP3435286B2 (ja) | テンプレートマッチング方法 | |
| Parzen | Modern empirical statistical spectral analysis | |
| JPH0259509B2 (ja) | ||
| CN117094886A (zh) | 一种超分辨率人脸图像重建方法、装置、设备及存储介质 | |
| Ye et al. | A fast digital elevation model extraction algorithm using gradient correlation | |
| JPH02137080A (ja) | 文字認識方式 | |
| JP2643571B2 (ja) | 曲線発生方式 | |
| JP2518871B2 (ja) | パタン比較器 | |
| CN114511673A (zh) | 一种基于改进icp的海底局部环境初步构建方法 | |
| JP2855665B2 (ja) | 文字認識方式 | |
| JP2020166342A (ja) | 画像処理装置、及び画像処理プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |