JPH06124344A - 標識認識のための突極部輪郭等級付け抽出装置並びに方法 - Google Patents

標識認識のための突極部輪郭等級付け抽出装置並びに方法

Info

Publication number
JPH06124344A
JPH06124344A JP4071659A JP7165992A JPH06124344A JP H06124344 A JPH06124344 A JP H06124344A JP 4071659 A JP4071659 A JP 4071659A JP 7165992 A JP7165992 A JP 7165992A JP H06124344 A JPH06124344 A JP H06124344A
Authority
JP
Japan
Prior art keywords
contour
saliency
contours
image
sensor
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.)
Granted
Application number
JP4071659A
Other languages
English (en)
Other versions
JP3151284B2 (ja
Inventor
Kashi Rao
ラオ カシ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Texas Instruments Inc
Original Assignee
Texas Instruments Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Texas Instruments Inc filed Critical Texas Instruments Inc
Publication of JPH06124344A publication Critical patent/JPH06124344A/ja
Application granted granted Critical
Publication of JP3151284B2 publication Critical patent/JP3151284B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • 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
    • G06V10/443—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 matching or filtering
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30212—Military

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)
  • Image Processing (AREA)

Abstract

(57)【要約】 【目的】 ロバストで効率の高い対象物認識を行うため
の、センサより得られた二次元画像から突極性輪郭を得
るための装置並びに方法を提供することである。 【構成】 これは二次元画像を処理して各々の画像から
縁画素を生成するエッジ検出器（２０）と、縁画素を輪
郭として知られている表（２５）に結合する結合器と、
各々の輪郭に対する突極性値（３０）を計算し、輪郭
（６０）を突極性の降順に等級付けし、そして個別の視
覚応用例（６５）の要求に基づいて等級付けされた輪郭
の任意のひとつを選択する装置とで構成されている。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は一般的には図形認識に係
わり、さらに詳細には改善された標識認識を行うための
突極部輪郭等級付け抽出装置並びに方法に関する。
【０００２】
【従来の技術】機械視覚および自動標識認識（ＡＴＲ：
Automatic Target Recognition）に関する中心的な問題
は画像からロバストな輪郭描写を得ることである。ロバ
ストな輪郭描写は対象物認識のみならず、動作整合、立
体整合の助けとなると同様に一般的に画像擾乱を減少さ
せる。特に対象物認識では、良好な輪郭描写は認識確率
を増加し、誤認識警報の可能性を減少させる。
【０００３】エッジ検出器がこの様なロバストな輪郭描
写を得ることを目的として開発された。これらの検出器
は通常、閾値を有しこれによって画像内にどのエッジを
検出するかの制御を行う。例えばキャニー・エッジ検出
器は二つの閾値を有しどのエッジを残し、どのエッジを
捨てるかの制御を行っている。しかしながらキャニー・
エッジ検出器の閾値はエッジの強度のみに基づいている
ので、残されたエッジは対象物境界に対応する突極部輪
郭とはならない。その反対に、求めている対象物境界は
強度が強い必要はなくその他の重要な特徴を有してい
る。
【０００４】その他の、全曲率同様に全曲率変化を利用
した装置も開発されてきている。その様な装置は明らか
に円形および基本的に曲がっているエッジに適してい
る。さらにこの様な装置は反復計算で解に収束し、突極
部の計算のためにネットワークを必要とする。
【０００５】最近輪郭図形と呼ばれる対称図の突極部座
標軸を抽出するための方法が開発されているが、この方
法は実際の画像には適用できず、突極部輪郭を検出しな
い。屋内画像（屋外画像に較べて擾乱および不完全性が
極端に少ない）を使用したその他の方法は、同一線型
性、平行性および同一端末性に基づいたエッジを群化す
るための知覚構造を利用している。この様な方法は屋外
画像に対して十分ロバストではない。
【０００６】その他の関連する研究には強度に基づく領
域分割方法が含まれる。これらの技法は画像の画素をな
んらかの類似性計測に基づいてグループ分けする。これ
らの方法には、例えば常に閉じた境界を発生するといっ
たようないくつかの問題が存在する。複雑な、実際の屋
外画像の閉じた境界は通常明るい部分、影の部分等に対
応し、希にしか対象物の境界には対応しない。別の問題
は領域の境界が閾値に対して非常に敏感だと言うことで
ある（すなわちその様な境界は、閾値が変わると変化し
たり大きく移動する。）更に別な問題は、領域の分割は
全体的な操作であり、これの意味するところは感度が低
く、特に複雑な画像ではコントラストの低い境界や小さ
な対象物を見逃し易いということである。例えば、長く
て薄い対象物はそれらが突起物であっても見逃される。
【０００７】従って、これらの問題のいくつかまたは全
てを解決する改善が今日望まれている。
【０００８】
【発明の目的と要約】関連技術に係わる上述の問題に鑑
み、本発明のひとつの目的はロバストで効率的な対象物
認識を実現するための装置並びに方法を提供することで
あり、特に実際の屋外画像から擾乱を除去し複雑な画像
内対象物に関する突起物情報を抽出することによって実
現する。
【０００９】本発明の別の目的は、画像エッジ図または
受動センサより得られた二次元画像から存在する対象物
に対応する突極部輪郭の等級付け並びに抽出を行うため
の装置および方法を提供することである。
【００１０】これら並びにその他の目的は本発明の提出
された実施例によって実現されており、ここでは二次元
画像をエッジ検出器で処理し各々の画像から縁画素を生
成しこの縁画素を輪郭として知られている表に結合する
検出器より得られた二次元画像から、突極部輪郭を得る
ための装置並びに方法で実現されている。各々の結合さ
れた縁画素（輪郭）には、各々の長さ、滑らかさおよび
コントラストに対する突極部計測値が割り付けられる。
輪郭内の縁画素の数は長さとして使用され、曲率の平均
変化は滑らかさとして使用され、エッジ強度はコントラ
ストとして使用される。輪郭の各々に対する突極性値は
それぞれの輪郭に対する突極性計測値に基づいて計算さ
れ、輪郭は突極性の降順に等級付けがなされ、等級付け
られた輪郭のあるひとつ（これが関心のある対象物に対
応する）がそれが使われる特定の視覚応用からの要求に
基づいて選択される。
【００１１】本発明のこれらの特徴およびその他の特徴
ならびに長所は、本技術に精通の者には提出された実施
例に関する以下の詳細説明を添付図を参照することによ
り明かとなろう。
【００１２】
【実施例】輪郭は縁部画素の結合されたリストとして定
義される。従って突極部輪郭は画像中で他の物よりも重
要なものである、ここで重要度は画像の中から関心のあ
る対象物（標的として位置づけられる）を信頼性を持っ
て探し出すための輪郭のある種の特性の重要さとして設
定される。突極部輪郭は例えば後ほど出て来る、標的認
識および動画中での標的追尾といった種々の応用分野に
於て重要である。
【００１３】突極部輪郭の抽出は画像擾乱を減少させ
る。従って、情景に対して標的に関する情報がより多く
存在し、後続の処理、特に標的認識および整合をさらに
ロバストで時間的にも費用の面でも効率的なものとす
る。この理由により、本発明に基づく突極部輪郭抽出装
置並びに方法は多くの視覚応用分野で非常に有用であ
る。
【００１４】まず突極部輪郭をそれらの物理的な属性に
関してその特性を明かにし、それから本発明の提出され
た実施例に付いて説明するのが有益であろう。
【００１５】輪郭はもしもそれが長いか、または滑ら
か、またはその周囲の領域に較べて強いコントラストを
持つ場合（これは排他論理和）、は突極部と考えられ
る。本発明の提出された実施例に依れば、これらの特性
の各々ひとつは突極部計測値として設定される。それか
らこれらの突極部計測値は各々の輪郭に対するひとつの
値として結合される。
【００１６】本発明による突極部輪郭抽出法の提出され
た実施例はテキサス・インスツルメンツ・イクスプロー
ラII上のコモン・ＬＩＳＰに組み込まれている。時間複
雑性は０（ｎ）である、ここでｎは画像中の縁画素の個
数である。本発明は特定の言語または計算機に限定され
ないことをはっきりさせておく必要がある、それはこの
性能が選択された特定の設備には特に影響されないため
である。これも注意しておかねばならないのは、本発明
による装置並びに方法は簡単に並列実行出来るというこ
とである、何故ならば突極性属性（長さ、滑らかさ、お
よびコントラスト）は、互いに独立であり、かつ輪郭毎
に独立だからである。
【００１７】深さの不連続性および方向の不連続性の様
な三次元現象に対応する輪郭は、世界での輝度変化（例
えば陰、表面、および反射模様）の様な対応する二次元
現象として反映される。センサから受信された入力は二
次元なので、これらの選びだしは二次元データから行わ
れなければならない。
【００１８】第１図から始めると、これは本発明を実現
している視覚装置１０のブロック図であり、画像はセン
サ１５で検出され、このセンサは好適に受動センサであ
るが特にそうである必要はない。例えばキャニー・エッ
ジ検出器（もちろんその他のエッジ検出器も使用可能で
ある）の様な、エッジ検出器２０は画像をセンサ１５か
ら受信しエッジ画素を検出するために、画像を通過させ
る。次にエッジ画素（また縁画素として知られる）はエ
ッジ検出器２０から出力され結合器２５で輪郭と呼ばれ
る縁画素のリストとして結合される。これらの輪郭は突
極性値抽出器３０に提供され、この抽出器は突極性計測
値評価器３５，４０，４５、５０，５５で構成され、こ
れらで各々の輪郭に対するそれぞれの希望する特性に対
する突極性計測値が計算される、そして突極性値等級付
け装置６０では各々の輪郭に対する全ての計測値が結合
され、その輪郭に対する突極性値が得られる。長さ突極
性計測値評価器３５の中では、輪郭の長さ突極性計測
値，Ｓ1 、が次式で与えられる；
【００１９】
【数１】
【００２０】ここで輪郭の長さＬは輪郭に含まれる縁画
素の個数として定義され、Ｌmin は短輪郭の長さ、そし
てＬmax は最長輪郭の長さである。
【００２１】滑らかさ突極性計測値評価器４０の中で
は、輪郭の滑らかさ突極性計測値、Ｓ s 、が次式で与え
られる；
【００２２】
【数２】
【００２３】ここで“Δκ（バー）”は輪郭曲率の平均
変化であり、“Δκmin （バー）”は全ての輪郭の曲率
の最小平均変化、そして“Δκmax （バー）”は全ての
輪郭の曲率の最大平均変化である。
【００２４】輪郭の“Δκ（バー）”は以下の方法で計
算される： １．輪郭の各々の点での曲率を、好適にＢ−スプライン
適合を使用して計算する。 ２．差分演算子を使用して曲率値の畳込みを行って、各
々の点の曲率変化を計算する：
【外１】 ３．曲率変化の平均を計算する。 曲率の平均変化のみが使用され、全曲率は使用されない
ことを注意されたい。この理由により、従来技術ではよ
い結果を得るために必要とした円や非常に曲率の大きな
線分は必要としない。また本発明による装置並びに方法
は反復式ではないので、従来技術の有している収束の問
題はない。
【００２５】コントラスト突極性値評価器４５の内部で
は、輪郭のコントラスト突極性値、Ｓc が次式で与えら
れる；
【００２６】
【数３】
【００２７】ここでＣ（バー）は輪郭の平均コントラス
ト、Ｃmin （バー）は全輪郭に対する最小平均コントラ
スト、Ｃmax （バー）は全輪郭に対する最大平均コント
ラストである。
【００２８】輪郭の平均コントラストは輪郭に含まれる
各々の縁素の強度の平均である。各々の縁素の強度はエ
ッジ検出器２０から得られる。
【００２９】議論中の本発明の個々の実施例に関連して
唯三つの特性のみを議論しているが、理解されるよう
に、第１図に示すように輪郭から突極性値を抽出する場
合に、追加の突極特性（例えば突極性値評価器５０、お
よび５５）を考慮することも可能である。
【００３０】特定の輪郭に対する各々の特性の突極性値
は、次に突極性値等級付け装置６０で受信される。そこ
で輪郭の突極性値、Ｓ、は次式で計算される；
【００３１】
【数４】 ここでω1 は長さ突極性値に対する重み、ωs は滑らか
さ突極性値に対する重み、そしてωc はコントラスト突
極性値に対する重みである。
【００３２】ｌ，ｓ，およびｃ（必要に応じてその他
も）の重みは、種々の計測値の重要度に基づいて予め選
択されている；突極性値が高くなればなるほど、輪郭は
突出している。ｌ，ｓ，およびｃに対する重みは任意で
はあるが、ωl ＝ωs ＝ωc ＝１／３の時に最良の結果
が得られることが判っている。多くの計算機視覚応用分
野での要求に対して、三つの計測値に対して等しい重み
が与えられている、その理由はひとつの計測値が他のも
のに較べて抜きんでて重要であるとは考えられないから
である。
【００３３】画像中の各々の輪郭に対して突極性値の計
算がなされた後、輪郭は突極性値等級付け装置６０によ
って突極性に付いて降順に等級付けがなされる。次に最
も突極性の高い輪郭が選ばれて、例えば対象物整合装置
である視覚応用器６５に供給される。
【００３４】次に第２ａ図から第２ｅ図および第３ａ図
から第３ｅ図を説明する。第２ａ図から第２ｅ図は長波
長前方監視赤外線（ＦＬＩＲ）センサから得られた平床
トラックの画像であり、第３ａ図から第３ｅ図はＴＶセ
ンサにより可視スペクトルで得られた小型連絡用箱型貨
物自動車の画像に関する。第３ａ図から第３ｅ図に関す
る議論は第２ａ図から第２ｅ図に関するものと同様であ
る。
【００３５】第２ａ図は受動センサ２０から受信された
グレーレベル画像を示す。第２ｂ図は多くのエッジを与
えるためにエッジ検出器２０の小さな閾値で得られたキ
ャニーエッジ（縁画素）を示す。第２ｃ図は突極性値抽
出器３０から得られた最も突極性の高い輪郭を示す。
【００３６】本発明による提出された実施例では対象物
認識の為に角が使用されているので、本発明の突極性輪
郭抽出装置並びに方法の性能は、認識対象物上に存在す
るか存在しない角に関して評価できる。第２ｄ図は５０
個の最も突極性の高い輪郭に対して対象物上に存在する
角および存在しない角の累積数を示す。対象物上の曲線
および対象物上にない曲線の両方とも、累積曲線である
ため単調非減少であることが判る。可視応用分野６５で
の操作をより良好に行うために、上位の数本の輪郭の中
でさらに多くの対象物上の角を増やし、対象物上に存在
しない角の数を減らすことが好ましい。従って特に最も
突極性の高い輪郭に於て、対象物上の曲線を対象物上に
存在しない曲線よりも、その差を大きく多く持つことが
必要である。また二つの曲線間の交点を垂直軸の高いと
ころで右側の方に持つことが好ましい。第２ｅ図に示す
曲線は、最も突極性の高い輪郭に対して全ての画像角に
対する対象物上に存在する角の数の比率を示したもので
ある。上位いくつかの突極性の高い輪郭に対するこの比
率を研究する事により、例えば対象物認識の様な視覚応
用分野で必要な輪郭の個数が示される。この曲線は最も
突極性の高い輪郭に対しては高く、突極性の少ない物に
対しては低下するのが好ましい。
【００３７】第２ａ図及び第３ａ図のグレー・レベル画
像に対応する棒グラフ（第４図）は、本発明により抽出
された最も突極性の高い輪郭のみが使用された時に得ら
れる対象物上の角成分の増加傾向を示している。色の濃
い棒は突極性値抽出器３０無しで探知された対象物上の
角の成分で、色の薄い棒は突極性値抽出器３０を用いて
得られた対象物上の角の成分を示している。
【００３８】先にも述べたように本発明は対象物認識を
含む、多くの計算機視覚作業にとって有益である。画像
の中で背景から対象物を分離することにより、突極性輪
郭抽出は対象物認識に対する重要な前処理となる。更
に、擾乱のかなりの部分が取り除かれるので、対象物認
識装置は更に早くかつ効率的に処理できる（すなわち、
さらにロバストな認識が行える）。
【００３９】第１図に戻って、本発明の提出された実施
例に依れば、可視装置６５の対象物認識応用例では突極
性値結合装置６０から得られた画像中の二次元角を、整
合技術を使用して三次元モデルの頂点と整合させる。対
象物認識装置６５は最初に突極性値等級付け装置６０か
ら提供された画像中の角を抽出する。整合を求めるため
に、画像角の全ての三つの組が三次元モデル頂点の全て
の三つの組と整合される。この整合は照合を取るために
三次元モデルを二次元画像に投影する際に使用される。
本発明による突極性輪郭抽出装置並びに方法は、全画像
角に対する対象物上の画像角の比率を増加させ、これに
よって画像擾乱によって生じる関係の無い角の個数を減
少させ、結果として対象物認識の角整合に於ける検索領
域（組合せ）を減少させる。突極性の高い輪郭はまた、
照合段でも使用されここでは突極性の高い画像輪郭のみ
が投影されたモデル輪郭との照合に使用される。
【００４０】次に第５図及び第６図に於て、本発明はま
た例えば動きおよび立体といった整合場面でも使用でき
ることは明かであろう。動き整合の場合（第５図）、画
像中の対象物追跡で重要なのは、動き順序からの複数の
画像枠Ｆ1 ，Ｆ2 ，Ｆ3 ，．．Ｆn が本発明を用いた可
視装置１０に供給される。視覚装置１０は枠Ｆ1 ，
Ｆ 2 ，Ｆ3 ，．．Ｆn から最も突極性の高い輪郭を抽出
し、これらの輪郭を二次元整合可視応用装置６５に提供
する。Ｓ1 ，Ｓ2 ，Ｓ3 ，．．Ｓn は一台の視覚装置１
０に組み込まれていても良いし、並列動作する複数台の
視覚装置１０に組み込まれていても良い。次に整合装置
６５は動作パラメータを評価するためにこれらの輪郭の
整合をとる。抽出された突極性の高い輪郭を使用するこ
とにより、整合装置６５が動作順序の枠内のエッジ整合
を行うことがかなり容易となる。次に整合装置６５は整
合操作の後推論に基づいて二次元または三次元動作評価
を行ったり、その動作から関心対象である対象物の構造
を決定したり、移動対象物表示器として動作したりす
る。
【００４１】第６図に於て、これは本発明の応用例であ
る立体整合の場合を示し、立体画像枠の対Ｆ1 ，Ｆ2 は
本発明の実施例である視覚装置１０に提供される。視覚
装置１０は最も突極性の高い輪郭を枠Ｆ1 ，Ｆ2 から抽
出し、これらの輪郭を整合器可視応用装置６５に供給す
る。ここでも、Ｓ1 ，Ｓ2 は一台の視覚装置１０に組み
込まれていても良いし、並列動作する複数台の視覚装置
１０に組み込まれていても良い。次に整合装置６５は推
論に基づいて、深さおよび情景に関するその他の三次元
情報を評価するためにこれらの輪郭の整合を行う。さき
に述べた整合の場合と同様に本発明により突極性の高い
輪郭を抽出することにより、画像の擾乱が著しく減少さ
れているので整合作業がかなり容易になる。
【００４２】とにかく本発明で得られた結果は使用され
た二次元センサ１５（例えばＴＶ，赤外線等）の種類に
は全く依存しない。さらに、本発明は特にローカルに動
作出来る、それは画像は閉じていても良いし、または画
像内の対象物が長くまた薄いものであってもかまわない
ためである。
【００４３】本技術分野に精通の者には、本発明が多数
の計算機視覚応用分野を有することが明かであろう。従
って、本発明は先に述べた図示を目的として示し、限定
を目的としてはいない計算機視覚応用分野に限定される
ものではない。
【００４４】本発明のある特定の実施例が示され検討さ
れたが、本技術分野に精通の者にとっては種々の修正お
よび別の実施例が可能であろう。従って、本発明は添付
の特許請求の範囲によってのみ限定されるものとする。
【００４５】以上の説明に関して更に以下の項を開示す
る。 （１）センサにより得られた二次元画像から突極性の高
い輪郭を得るための方法であって：前記画像の各々から
縁画素を生成するために、前記二次元画像をエッジ検出
器で処理し；前記縁画素を輪郭として知られている表に
結合し；前記輪郭の各々に対し突極性値を計算し；前記
輪郭を突極性の降順に等級付けを行い；そして前記等級
付けされた輪郭から予め定められた物を選択する、以上
の手順で構成されている前記の方法。
【００４６】（２）第１項記載の方法に於て、前記エッ
ジ検出器がキャニー・エッジ検出器である、前記の方
法。
【００４７】（３）第１項記載の方法に於て、選択する
前記手順の後に、更に選択されなかった全ての等級付け
された輪郭を廃棄する手順を含む、前記の方法。
【００４８】（４）第１項記載の方法に於て、前記輪郭
の各々の突極性値を計算する前記手順が更に：複数の突
極性計測値の各々を確認し；各々の突極部性計測値に対
して予め定められた重みを適用し；そして前記重み付け
された突極性計測値に基づいて突極性値を決定する、と
いう手順を含む前記の方法。
【００４９】（５）第４項記載の方法に於て、前記突極
性値，Ｓ，が次式で求められ：
【数５】 ここでω1 は長さ突極性値に対する重み、ωs は滑らか
さ突極性値に対する重み、そしてωc はコントラスト突
極性値に対する重みである、前記の方法。
【００５０】（６）第４項記載の方法に於て、前記複数
の突極性計測値の確認が並列に行われる、前記の方法。
【００５１】（７）第４項記載の方法に於て、前記複数
の突極性計測値の少なくともひとつが次式で計算され
る、滑らかさ突極性計測値，Ｓs 、を含み：
【数６】 ここで“Δκ（バー）”は輪郭曲率の平均変化であり、
“Δκmin （バー）”は全ての輪郭の曲率の最小平均変
化、そして“Δκmax （バー）”は全ての輪郭の曲率の
最大平均変化である、前記の方法。
【００５２】（８）第７項記載の方法に於て、前記輪郭
曲率の平均変化“Δκ（バー）”が次の手順：前記輪郭
内の各々の縁画素での曲率を計算し；曲率の全ての変化
を決定し；そして曲率の前記全ての平均を計算する、と
いう手順で計算される前記の方法。
【００５３】（９）第８項記載の方法に於て、前記曲率
の計算手順がＢスプライン整合法を用いている、前記の
方法。
【００５４】（１０）第８項記載の方法に於て、曲率の
任意の変化を決定するための前記手順が、差分演算子を
用いて各々の縁画素に対する前記計算された曲率を畳み
込むことに依って実行される、前記の方法。
【００５５】（１１）第４項記載の方法に於て、前記複
数の突極性計測値の少なくともひとつが次式で計算され
る、コントラスト突極性計測値，Ｓc 、を含み：
【数７】 ここでＣ（バー）は輪郭の平均コントラスト、Ｃ
min （バー）は全輪郭に対する最小平均コントラスト、
Ｃmax （バー）は全輪郭に対する最大平均コントラスト
である、前記の方法。
【００５６】（１２）第４項記載の方法に於て、前記複
数の突極性計測値の少なくともひとつが次式で計算され
る、長さ突極性計測値，Ｓ1 、を含み：
【数８】 ここで輪郭の長さＬは輪郭に含まれる縁画素の個数とし
て定義され、Ｌmin は最短輪郭の長さ、そしてＬmax は
最長輪郭の長さである、前記の方法。
【００５７】（１３）対象物認識装置であって：情景の
画像を生成するためのセンサと；前記センサに接続さ
れ、前記画像中の縁画素を検出するためのエッジ検出器
と；前記検出された縁画素を受信し輪郭として処理する
ために接続された突極性輪郭抽出器と；そして前記処理
された輪郭の予め選択されたひとつを受信するように接
続され、それらを予め定められた対象物の既知の輪郭に
対して整合させるための対象物整合装置とを含む、前記
の装置。
【００５８】（１４）第１３項記載の装置に於て、前記
突極性輪郭抽出器が：前記縁画素を輪郭として知られて
いる表にまとめるための結合器と；そして前記輪郭の各
々に対する突極性値を決定し、前記輪郭を突極性の降順
に等級付けを行う処理装置とを含む、前記の装置。
【００５９】（１５）第１３項記載の装置に於て、前記
突極性輪郭抽出器が、並列に動作する複数の輪郭抽出器
を含む、前記の装置。
【００６０】（１６）第１３項記載の装置に於て、前記
センサがＦＬＩＲである、前記の装置。
【００６１】（１７）第１３記載の装置に於て、前記セ
ンサがテレビジョン撮像器である、前記の装置。
【００６２】（１８）第１３項記載の装置に於て、前記
エッジ検出器がキャニー・エッジ検出器である、前記の
装置。
【００６３】（１９）第１４項記載の装置に於て、前記
処理装置が更に各々の突極性値に対する複数の突極性計
測値を定める、前記輪郭の各々に対する突極性値を確立
するための計算装置を含む、前記の装置。
【００６４】（２０）第１９項記載の装置に於て、前記
複数の突極性計測値に予め定められた重みがかけらてい
る、前記の装置。
【００６５】（２１）センサ１５より得られた二次元画
像から突極性輪郭を得るための装置並びに方法が開示さ
れている、これはエッジ検出器２０の内部で二次元画像
を処理して各々の画像から縁画素を生成し、縁画素を輪
郭として知られている表２５に結合し、各々の輪郭に対
する突極性値３０を計算し、輪郭６０を突極性の降順に
等級付けし、そして個別の視覚応用例６５の要求に基づ
いて等級付けされた輪郭の任意のひとつを選択する。
【図面の簡単な説明】
【図１】第１図は本発明の提出された実施例に基づく視
覚装置のブロック図。
【図２】第２ａ図は長波長前方監視赤外線（ＦＬＩＲ）
センサから得られた画像に、本発明が如何に作用するか
を説明する図式的な記述並びに図表である。
【図３】第２ｂ図から第２ｅ図は長波長前方監視赤外線
（ＦＬＩＲ）センサから得られた画像に、本発明が如何
に作用するかを説明する図式的な記述並びに図表であ
る。
【図４】第３ａ図はテレビセンサの可視スペクトルから
得られた画像に、本発明が如何に作用するかを説明する
図式的な記述並びに図表である。
【図５】第３ｂ図から第３ｅ図はテレビセンサの可視ス
ペクトルから得られた画像に、本発明が以下に作用する
かを説明する図式的な記述並びに図表である。
【図６】第４図は第２ａ図および第３ａ図のグレーレベ
ル画像に対する棒グラフを示す図であり、本発明を用い
ることにより対象物の角成分が増加することを示してい
る。
【図７】第５図は動作整合の場面での本発明の応用を示
す図。第６図は立体整合の場面での本発明の応用を示す
図。特に指示しない限り、同一番号並びに記号は、異な
る図面でも同一の部品に対応する。
【符号の説明】 １０ 視覚装置 １５ センサ ２０ エッジ検出器 ２５ 結合器 ３０ 突極性値抽出器 ６０ 突極性値等級付け装置 ６５ 視覚応用装置
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成５年１０月１９日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】図面の簡単な説明
【補正方法】変更
【補正内容】
【図面の簡単な説明】
【図１】本発明の提出された実施例に基づく視覚装置の
ブロック図。
【図２ａ】長波長前方監視赤外線（ＦＬＩＲ）センサか
ら得られた画像に、本発明が如何に作用するかを説明す
る図式的な記述並びに図表である。
【図２ｂ】長波長前方監視赤外線（ＦＬＩＲ）センサか
ら得られた画像に、本発明が如何に作用するかを説明す
る図式的な記述並びに図表である。
【図２ｃ】長波長前方監視赤外線（ＦＬＩＲ）センサか
ら得られた画像に、本発明が如何に作用するかを説明す
る図式的な記述並びに図表である。
【図２ｄ】長波長前方監視赤外線（ＦＬＩＲ）センサか
ら得られた画像に、本発明が如何に作用するかを説明す
る図式的な記述並びに図表である。
【図２ｅ】長波長前方監視赤外線（ＦＬＩＲ）センサか
ら得られた画像に、本発明が如何に作用するかを説明す
る図式的な記述並びに図表である。
【図３ａ】テレビセンサの可視スペクトルから得られた
画像に、本発明が如何に作用するかを説明する図式的な
記述並びに図表である。
【図３ｂ】テレビセンサの可視スペクトルから得られた
画像に、本発明が以下に作用するかを説明する図式的な
記述並びに図表である。
【図３ｃ】テレビセンサの可視スペクトルから得られた
画像に、本発明が以下に作用するかを説明する図式的な
記述並びに図表である。
【図３ｄ】テレビセンサの可視スペクトルから得られた
画像に、本発明が以下に作用するかを説明する図式的な
記述並びに図表である。
【図３ｅ】テレビセンサの可視スペクトルから得られた
画像に、本発明が以下に作用するかを説明する図式的な
記述並びに図表である。
【図４】第２ａ図および第３ａ図のグレーレベル画像に
対する棒グラフを示す図であり、本発明を用いることに
より対象物の角成分が増加することを示している。
【図５】動作整合の場面での本発明の応用を示す図。
【図６】立体整合の場面での本発明の応用を示す図。特
に指示しない限り、同一番号並びに記号は、異なる図面
でも同一の部品に対応する。
【手続補正２】
【補正対象書類名】図面
【補正対象項目名】全図
【補正方法】変更
【補正内容】
【図１】
【図２ａ】
【図２ｂ】
【図２ｃ】
【図２ｄ】
【図２ｅ】
【図３ａ】
【図３ｂ】
【図３ｃ】
【図３ｄ】
【図３ｅ】
【図４】
【図５】
【図６】

Claims (2)

    【特許請求の範囲】
  1. 【請求項１】 センサにより得られた二次元画像から突
    極性の高い輪郭を得るための方法であって：前記画像の
    各々から縁画素を生成するために、前記二次元画像をエ
    ッジ検出器で処理し；前記縁画素を輪郭として知られて
    いる表に結合し；前記輪郭の各々に対し突極性値を計算
    し；前記輪郭を突極性の降順に等級付けを行い；そして
    前記等級付けされた輪郭から予め定められた物を選択す
    る、以上の手順で構成されている前記の方法。
  2. 【請求項２】 対象物認識装置であって：情景の画像を
    生成するためのセンサと；前記センサに接続され、前記
    画像中の縁画素を検出するためのエッジ検出器と；前記
    検出された縁画素を受信し輪郭として処理するために接
    続された突極性輪郭抽出器と；そして前記処理された輪
    郭の予め選択されたひとつを受信するように接続され、
    それらを予め定められた対象物の既知の輪郭に対して整
    合させるための対象物整合装置とを含む、前記の装置。
JP07165992A 1991-03-28 1992-03-27 標識認識のための突極部輪郭等級付け抽出装置並びに方法 Expired - Fee Related JP3151284B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US676650 1984-11-30
US07/676,650 US5210799A (en) 1991-03-28 1991-03-28 System and method for ranking and extracting salient contours for target recognition

Publications (2)

Publication Number Publication Date
JPH06124344A true JPH06124344A (ja) 1994-05-06
JP3151284B2 JP3151284B2 (ja) 2001-04-03

Family

ID=24715385

Family Applications (1)

Application Number Title Priority Date Filing Date
JP07165992A Expired - Fee Related JP3151284B2 (ja) 1991-03-28 1992-03-27 標識認識のための突極部輪郭等級付け抽出装置並びに方法

Country Status (4)

Country Link
US (2) US5210799A (ja)
EP (1) EP0506327B1 (ja)
JP (1) JP3151284B2 (ja)
DE (1) DE69226551T2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007108056A1 (ja) * 2006-03-16 2007-09-27 Fujitsu Limited 画像認識システムおよび画像認識プログラム

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3034975B2 (ja) * 1991-03-26 2000-04-17 株式会社東芝 パターン特徴抽出方法
US5325449A (en) * 1992-05-15 1994-06-28 David Sarnoff Research Center, Inc. Method for fusing images and apparatus therefor
US6278798B1 (en) * 1993-08-09 2001-08-21 Texas Instruments Incorporated Image object recognition system and method
US5434927A (en) * 1993-12-08 1995-07-18 Minnesota Mining And Manufacturing Company Method and apparatus for machine vision classification and tracking
EP0686932A3 (en) * 1994-03-17 1997-06-25 Texas Instruments Inc Computer vision system to search for three-dimensional rectangular objects
DE4413916A1 (de) * 1994-04-21 1995-11-02 Bodenseewerk Geraetetech Einrichtung zur passiven Freund/Feind-Unterscheidung
US6256529B1 (en) * 1995-07-26 2001-07-03 Burdette Medical Systems, Inc. Virtual reality 3D visualization for surgical procedures
WO1997023842A1 (en) * 1995-12-26 1997-07-03 Winograd, Corey A method for creating three-dimensional figures or forms from any flat surface image
AR000543A1 (es) * 1995-12-26 1997-07-10 Prignano Juan Pedro Alfr Volpe Procedimiento para concretar figuras tridimensionales a partir de cualquier imagen expresada en superficie plana
US5850469A (en) * 1996-07-09 1998-12-15 General Electric Company Real time tracking of camera pose
US5859891A (en) 1997-03-07 1999-01-12 Hibbard; Lyn Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning
US6124864A (en) * 1997-04-07 2000-09-26 Synapix, Inc. Adaptive modeling and segmentation of visual image streams
US6160907A (en) * 1997-04-07 2000-12-12 Synapix, Inc. Iterative three-dimensional process for creating finished media content
US6084590A (en) * 1997-04-07 2000-07-04 Synapix, Inc. Media production with correlation of image stream and abstract objects in a three-dimensional virtual stage
US5983218A (en) * 1997-06-30 1999-11-09 Xerox Corporation Multimedia database for use over networks
US6185316B1 (en) 1997-11-12 2001-02-06 Unisys Corporation Self-authentication apparatus and method
EP1079730B1 (en) 1997-11-24 2007-01-03 Computerized Medical Systems, Inc. Real time brachytherapy spatial registration and visualization system
US6094508A (en) * 1997-12-08 2000-07-25 Intel Corporation Perceptual thresholding for gradient-based local edge detection
US6266053B1 (en) 1998-04-03 2001-07-24 Synapix, Inc. Time inheritance scene graph for representation of media content
US6249285B1 (en) 1998-04-06 2001-06-19 Synapix, Inc. Computer assisted mark-up and parameterization for scene analysis
US6297825B1 (en) 1998-04-06 2001-10-02 Synapix, Inc. Temporal smoothing of scene analysis data for image sequence generation
EP0974931A1 (en) * 1998-07-24 2000-01-26 Xerox Corporation Method and apparatus for identifying a plurality of sub-images in an input image
US6535639B1 (en) * 1999-03-12 2003-03-18 Fuji Xerox Co., Ltd. Automatic video summarization using a measure of shot importance and a frame-packing method
US6983083B2 (en) * 2001-02-13 2006-01-03 Eastman Kodak Company Image specific perceived overall contrast prediction
KR100374708B1 (ko) * 2001-03-06 2003-03-04 에버미디어 주식회사 회전영상의 보정에 의한 비접촉식 홍채인식방법
US20020154833A1 (en) * 2001-03-08 2002-10-24 Christof Koch Computation of intrinsic perceptual saliency in visual environments, and applications
WO2003030101A2 (en) * 2001-10-03 2003-04-10 Retinalyze Danmark A/S Detection of vessels in an image
EP1460938A4 (en) 2001-11-05 2006-07-26 Computerized Med Syst Inc DEVICE AND METHOD FOR DISPLAYING, LEADING AND OBJECTING AN EXTERNAL RADIOTHERAPY
JP4187448B2 (ja) * 2002-03-07 2008-11-26 富士通マイクロエレクトロニクス株式会社 画像における移動体追跡方法及び装置
US7187800B2 (en) 2002-08-02 2007-03-06 Computerized Medical Systems, Inc. Method and apparatus for image segmentation using Jensen-Shannon divergence and Jensen-Renyi divergence
US20040161153A1 (en) * 2003-02-18 2004-08-19 Michael Lindenbaum Context-based detection of structured defects in an image
US7376252B2 (en) * 2003-11-25 2008-05-20 Ge Medical Systems Global Technology Company, Llc User interactive method and user interface for detecting a contour of an object
GB2415562B (en) * 2004-06-23 2007-11-21 Hewlett Packard Development Co Image processing
US7738705B2 (en) * 2004-06-30 2010-06-15 Stefano Casadei Hierarchical method and system for pattern recognition and edge detection
US7463753B2 (en) * 2004-09-15 2008-12-09 Raytheon Company FLIR-to-missile boresight correlation and non-uniformity compensation of the missile seeker
US7650030B2 (en) * 2004-12-03 2010-01-19 Sarnoff Corporation Method and apparatus for unsupervised learning of discriminative edge measures for vehicle matching between non-overlapping cameras
GB2422739B (en) * 2005-01-31 2010-07-14 Hewlett Packard Development Co Image processing method and apparatus
US7860301B2 (en) * 2005-02-11 2010-12-28 Macdonald Dettwiler And Associates Inc. 3D imaging system
US7613363B2 (en) * 2005-06-23 2009-11-03 Microsoft Corp. Image superresolution through edge extraction and contrast enhancement
KR100762670B1 (ko) * 2006-06-07 2007-10-01 삼성전자주식회사 스테레오 이미지로부터 디스패리티 맵을 생성하는 방법 및장치와 그를 위한 스테레오 매칭 방법 및 장치
US7940955B2 (en) * 2006-07-26 2011-05-10 Delphi Technologies, Inc. Vision-based method of determining cargo status by boundary detection
US8150101B2 (en) 2006-11-13 2012-04-03 Cybernet Systems Corporation Orientation invariant object identification using model-based image processing
JP2008269471A (ja) * 2007-04-24 2008-11-06 Sony Corp 類似画像判定装置と類似画像判定方法およびプログラムと記録媒体
TWI394095B (zh) * 2008-10-22 2013-04-21 Ind Tech Res Inst 影像偵測方法及其系統
US8542950B2 (en) * 2009-06-02 2013-09-24 Yahoo! Inc. Finding iconic images
US8781160B2 (en) * 2009-12-31 2014-07-15 Indian Institute Of Technology Bombay Image object tracking and segmentation using active contours
WO2011152893A1 (en) * 2010-02-10 2011-12-08 California Institute Of Technology Methods and systems for generating saliency models through linear and/or nonlinear integration
US9070182B1 (en) 2010-07-13 2015-06-30 Google Inc. Method and system for automatically cropping images
US8363984B1 (en) 2010-07-13 2013-01-29 Google Inc. Method and system for automatically cropping images
CN103700091B (zh) * 2013-12-01 2016-08-31 北京航空航天大学 基于多尺度低秩分解且结构信息敏感的图像显著性物体检测方法
US9269018B2 (en) 2014-01-14 2016-02-23 Microsoft Technology Licensing, Llc Stereo image processing using contours
US9299007B2 (en) * 2014-01-28 2016-03-29 Ncr Corporation Methods and apparatus for item identification using brightness compensation
US9563953B2 (en) * 2014-08-28 2017-02-07 Qualcomm Incorporated Systems and methods for determining a seam
US9626584B2 (en) * 2014-10-09 2017-04-18 Adobe Systems Incorporated Image cropping suggestion using multiple saliency maps
CN104992144B (zh) * 2015-06-11 2018-05-29 电子科技大学 遥感图像中输电线与公路的区分方法
CN104966065B (zh) * 2015-06-23 2018-11-09 电子科技大学 目标识别方法及装置
US10713792B1 (en) * 2017-01-13 2020-07-14 Amazon Technologies, Inc. System and apparatus for image processing
CN112946598B (zh) * 2021-01-25 2022-08-16 西北工业大学 一种天波雷达电离层修正系数提取方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4539701A (en) * 1981-10-01 1985-09-03 The Commonwealth Of Australia Photogrammetric stereoplotter
US4648120A (en) * 1982-07-02 1987-03-03 Conoco Inc. Edge and line detection in multidimensional noisy, imagery data
JPS59182688A (ja) * 1983-03-31 1984-10-17 Toshiba Corp ステレオ視処理装置
IL70213A (en) * 1983-11-13 1988-02-29 Paul Fenster Digital fluorographic image enhancement system
US4858157A (en) * 1985-03-13 1989-08-15 Tokyo Kogaku Kikai Kabushiki Kaisha Apparatus and method for determining the coordinates of a three-dimensional object
US4817166A (en) * 1986-05-05 1989-03-28 Perceptics Corporation Apparatus for reading a license plate
US4901362A (en) * 1988-08-08 1990-02-13 Raytheon Company Method of recognizing patterns

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007108056A1 (ja) * 2006-03-16 2007-09-27 Fujitsu Limited 画像認識システムおよび画像認識プログラム

Also Published As

Publication number Publication date
EP0506327A3 (en) 1994-11-23
JP3151284B2 (ja) 2001-04-03
EP0506327A2 (en) 1992-09-30
US5566246A (en) 1996-10-15
US5210799A (en) 1993-05-11
EP0506327B1 (en) 1998-08-12
DE69226551T2 (de) 1998-12-24
DE69226551D1 (de) 1998-09-17

Similar Documents

Publication Publication Date Title
JP3151284B2 (ja) 標識認識のための突極部輪郭等級付け抽出装置並びに方法
Sulami et al. Automatic recovery of the atmospheric light in hazy images
KR100617408B1 (ko) 씬 중의 대상물 분류 방법 및 시스템
US20180210556A1 (en) Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data
JP5873442B2 (ja) 物体検出装置および物体検出方法
CN111382613B (zh) 图像处理方法、装置、设备和介质
KR100631235B1 (ko) 스테레오 이미지의 에지를 체인으로 연결하는 방법
WO2018053952A1 (zh) 一种基于场景样本库的影视图像深度提取方法
JP2002216129A (ja) 顔領域検出装置およびその方法並びにコンピュータ読み取り可能な記録媒体
US9036920B2 (en) Method of detecting feature points of an object in a system for motion detection
CN112734652B (zh) 一种基于双目视觉的近红外血管图像投影校正方法
CN105787870A (zh) 一种图形图像拼接融合系统
CN109344758B (zh) 基于改进局部二值模式的人脸识别方法
CN113971801A (zh) 一种基于四类多模态数据融合的目标多维度检测方法
KR102341839B1 (ko) 증강현실을 위한 데이터 수집 장치
JP3774495B2 (ja) 画像情報抽出装置および方法
CN110111368B (zh) 一种基于人体姿态识别的相似移动目标的检测跟踪方法
JP2002342758A (ja) 視覚認識システム
Khaliluzzaman et al. Stairways detection based on approach evaluation and vertical vanishing point
JP2981382B2 (ja) パターンマッチング方法
CA2230197C (en) Strand orientation sensing
EP3168780B1 (en) Image processing apparatus, image processing method, and computer-readable recording medium
Goswami et al. Exemplar-based image inpainting using ISEF for priority computation
JPH1032751A (ja) 撮像装置及び画像処理装置
Mariani Subpixellic eyes detection

Legal Events

Date Code Title Description
R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080119

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090119

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees