JPH06148311A - 画像識別装置 - Google Patents

Abstract

(57)【要約】 【目的】入力画像中に含まれる特定の範囲の形状を有す
る対象部分画像を識別する画像識別装置に関し，地中レ
ーダ等の多数のゴーストを含む入力画像中から特定の範
囲の形状を持つ対象を高速に識別できるようにすること
を目的とする。 【構成】入力画像中から特定の範囲の形状を持つ対象の
識別を，仮想的物体の移動・集積を用いて行なう場合に
おいて，画像操作手段12による集積操作が終った後に，
集積特徴抽出手段13により，各集積点毎に仮想的物体の
初期配置位置を調べ，集積点と仮想的物体の初期配置位
置の相対的位置関係から特徴量を算出し，判定手段14に
よりこの特徴量を用いて各集積点が代表する高輝度領域
が目的とする対象であるか否かを判定する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は，入力画像中に含まれる
特定の範囲の形状を有する対象部分画像を識別する画像
識別装置に関し，特に，地中レーダ等の多数のゴースト
を含む入力画像中から特定の範囲の形状を持つ対象を識
別する画像識別装置に関する。

【０００２】

【従来の技術】従来，地中レーダ反射画像など特定の範
囲の形状を持つ対象部分画像に加えて，対象に類似して
いるが範囲外の形状を持つゴーストが含まれる入力画像
中から対象を検出するのに適した方法として，仮想的物
体の移動・集積を利用する対象の識別法（従来法１：特
願平３−１７１３０１号「画像パターンの特異点抽出方
式および切りだし方式」）および仮想的物体の複数方向
への移動・集積を利用する対象の識別法（従来法２：特
願平４−４９１３８号「図形認識装置」）が既知であ
る。

【０００３】以下，地中レーダ反射画像を入力画像とし
た例で，まず従来法１について説明する。図６は入力画
像である地中レーダ反射画像の模式図である。

【０００４】反射画像は，電波の受信強度を画素値とす
る濃淡画像として現れる。画素値が０に近い地の上に，
上側に凸の三日月型の高画素値領域である対象(a) (b)
，およびその他の形をした高画素値領域であるゴース
ト（ｃ）が存在する。対象(a)(b) は三日月型を保ちつ
つ，ある範囲で変形する。画像識別装置はこの入力画像
について，対象の有無およびその数を検出する。

【０００５】図７は従来法１による装置の構成図であ
り，図８は従来法１の処理のフローチャートである。図
８に示す仮想的物体配置処理８１，物体移動・集積処理
８２および物体集積点抽出処理８３は，図７に示す画像
操作手段７２で行なわれる。また，領域抽出処理８４と
画像特徴抽出処理８５は，画像特徴抽出手段７３で行な
われる。判定処理８６は判定手段７４で行なわれる。

【０００６】まず最初に仮想的物体配置処理８１におい
て，図９に示すように入力画像上に仮想的物体(d) を等
間隔に配置する。続いて，物体移動・集積処理８２にお
いて，入力画像平面内の方向に仮想的な場を設定し，そ
の場の方向に仮想的物体を移動させる。仮想的物体は，
場の方向とその周辺の画素値の分布により移動または停
止する。

【０００７】レーダ反射画像の場合は，画面上向きに場
を設けて高画素値領域にある仮想的物体のみを移動さ
せ，低画素値領域にあたった場合には左右の画素値を調
べてその大きい方に移動しながら，もっとも画素値の大
きい位置で停止するようにする。そうすると，仮想的物
体は，図１０に示す(e) のように，対象の三日月型の頂
点，あるいはゴーストの上側の頂点に集積する。ここで
低画素値領域に配置された仮想的物体は移動していな
い。

【０００８】物体移動・集積処理８２では，移動・集積
が終った後の仮想的物体の位置の座標が求められる。物
体集積点抽出処理８３では，この出力結果について座標
毎の仮想的物体の数の集計を行ない，一定数以上の数の
仮想的物体が集積した座標を対象の候補の代表点として
出力する。この段階では十分大きな面積を持つゴースト
上に集積した座標も含まれている。

【０００９】領域抽出処理８４では，物体集積点抽出処
理８３の出力結果に基づき，対象の候補の代表点を出発
点としてエッジの追跡を行ない，高画素値領域を抽出す
る。画像特徴抽出処理８５では，領域抽出処理８４で抽
出された高画素値領域について，幅や面積，中心部と左
右端での高さの比などの特徴量を算出する。

【００１０】判定処理８６では，画像特徴抽出処理８５
の出力結果と，あらかじめ求めておいた対象の特徴量の
分布の範囲から，高画素値領域ごとに対象であるかゴー
ストであるかの判定を行なう。

【００１１】次に，従来法２を説明する。この方法で
は，従来法１での物体移動・集積処理８２において，入
力画像平面内の複数の方向に仮想的な場を設け，移動・
集積を複数回行なう。図６に示す入力画像の場合は，上
方向と左右の３方向に場を設定して行なう。

【００１２】図１１に３方向に移動・集積を行なった結
果を示す。図中ｇ−ａ，ｇ−ｃは上向きの場による集積
点，ｈ−ａ，ｈ−ｃは右向きの場による集積点，ｉ−
ａ，ｉ−ｃは左向きの場による集積点である。ここで，
どの集積点が同じ高画素値領域に属するかを決定するた
めに以下の操作を行なう。まず，集積点ごとに仮想的物
体の初期配置位置を調べ，それらの重心点（平均位置）
を計算する。図１１中では，ｊ−ａ，ｊ−ｃが重心点で
ある。このように同じ高画素値領域に属する集積点から
求めた重心点は，重なることになる。重心点が重なった
集積点を同じ高画素値領域に属するものとみなす。

【００１３】図１１中では，ｇ−ａ，ｈ−ａ，ｉ−ａが
対象ａに属し，ｇ−ｃ，ｈ−ｃ，ｉ−ｃがゴーストｃに
属することがわかる。続いてこの３つの集積点と重心点
の相対位置関係を特徴ベクトルとし，あらかじめ求めて
おいた対象の特徴ベクトルの分布の範囲から，集積点と
重心点の組ごとに，対象であるかゴーストであるかの判
定を行なう。

【００１４】

【発明が解決しようとする課題】従来法１では，図８に
示す領域抽出処理８４においてエッジの追跡を行なう
が，この処理は連続した各画素を調べなければならない
ため，処理量が非常に大きくなり，高速な対象の検出が
できないという問題があった。

【００１５】また従来法２では，エッジの追跡は行なわ
なくてすむものの，仮想的物体の移動・集積を複数回行
なわなくてはならず，やはり処理量が大きく高速化が困
難であった。

【００１６】本発明は，特定の範囲の形状を持つ対象部
分画像に加えて，対象に類似しているが範囲外の形状を
持つゴーストが含まれる入力画像中からの対象の識別
を，高速化する手段を提供することを目的とする。

【００１７】

【課題を解決するための手段】本発明の画像識別装置
は，２次元のデータ配列で表現された入力画像中から特
定の形状を有する部分画像の対象を識別するにあたっ
て，入力画像の平面上に移動可能な複数個の仮想的物体
を配置し，その平面上の面内方向に設けた仮想的場とそ
の入力画像の局所的なデータ配列との関係によって，そ
の平面上で移動した後に停止している仮想的物体の停止
位置の座標を出力する画像操作手段と，前記停止位置と
前記仮想的物体の初期配置位置の重心点との相対位置関
係および前記停止位置と前記仮想的物体の最遠初期配置
位置との相対位置関係の一方もしくは双方から特徴量を
生成し出力する特徴抽出手段と，前記停止位置を対象候
補の代表点とみなしてその特徴量に基づきその代表点ご
とに対象候補が特定の形状をとる対象か否かの判定を行
なう判定手段とを備えることを特徴とする。

【００１８】

【作用】本発明は，入力画像中から特定の範囲の形状を
持つ対象の識別を，仮想的物体の移動・集積を用いて行
なう場合において，集積操作が終った後に各集積点毎に
仮想的物体の初期配置位置を調べ，集積点と仮想的物体
の初期配置位置の相対的位置関係から特徴量を算出し，
この特徴量を用いて各集積点が代表する高輝度領域が目
的とする対象であるか否かを判定する手段を具備するこ
とにより，高速に対象の識別ができるようにしたもので
ある。

【００１９】

【実施例】図１に本発明の一実施例である画像識別装置
の構成を，図２に本発明の実施例に係る画像識別装置に
おける画像識別処理のフローチャートを示す。

【００２０】図２に示す処理２１，処理２２および処理
２３は，従来方法と同様の，仮想的物体配置処理，物体
移動・集積処理および物体集積点抽出処理であり，図１
に示す画像記憶手段１１の記憶する画像データについて
画像操作手段１２で行なわれる。処理２４は集積点と仮
想的物体の初期配置位置の相対的位置関係から特徴量を
算出する集積特徴抽出処理であり，図１に示す集積特徴
抽出手段１３で行なわれる。処理２５は集積特徴抽出手
段１３の出力結果に基づいて各集積点が代表する高輝度
領域が対象であるか否かを判定する判定処理であり，判
定手段１４で行なわれる。

【００２１】図３は本発明の実施例で用いるハードウェ
ア構成の例を示す図である。画像入力装置３０，画像メ
モリ３１，所定のプログラムで動作するＣＰＵ３２，グ
ラフィックディスプレイ３３が，システムバス３４によ
って接続された構成になっている。画像入力装置３０か
ら入力された画像データは，画像メモリ３１に格納さ
れ，ＣＰＵ３２によって図２に示す処理が実行される。
対象の認識によって処理された結果は，グラフィックデ
ィスプレイ３３に表示される。

【００２２】先に説明した図６のレーダ反射画像を入力
画像とした例で，本発明の実施例を説明する。画像操作
手段１２での処理は従来技術と同様なので，これらの処
理により図９に示すように対象の三日月型の頂点あるい
は，ゴーストの上側の頂点に仮想的物体が集積する。こ
こで，輝度が０に近い地の部分に配置された仮想的物体
は移動しないので，仮想的物体配置処理２１において，
高輝度領域のみに仮想的物体を配置するようにしてもよ
い。

【００２３】集積特徴抽出処理２４では，画像操作手段
１２の出力結果である集積点毎に，その集積点に集積し
た仮想的物体の初期配置位置を調べ，例えば以下に説明
するような高輝度領域の形状の特徴量を出力する。

【００２４】図４は集積点と初期配置位置の関係図であ
る。集積点ｇに集積した仮想的物体の初期配置位置ｆの
中で，集積点ｇから左右にもっとも遠いものをそれぞれ
左側最遠点ｋ，右側最遠点ｌとし，集積点ｇを始点とし
左側最遠点ｋおよび右側最遠点ｌを終点とする２つのベ
クトルを求め，これを最遠点特徴量として出力する。

【００２５】また，集積点ｇからみて左側にある初期配
置位置の平均位置を求め，これを左側重心点ｍとし，同
様に集積点ｇからみて右側にある初期配置位置の平均位
置を求めて右側重心点ｎとする。さらに，集積点ｇを始
点とし左側重心点ｍおよび右側重心点ｎを終点とする２
つのベクトルを求め，これを重心点特徴量として出力す
る。

【００２６】図２に示す判定処理２５では，集積特徴抽
出手段１３の出力結果である最遠点特徴量および重心点
特徴量の両方，あるいはどちらか片方について，あらか
じめ求めておいた，対象についての形状の特徴量の分布
の範囲に入っているかどうかを調べ，対象であるかゴー
ストであるかを判定する。

【００２７】本発明は濃淡画像中の対象の識別だけでな
く，線画における図形の識別にも適用可能である。本発
明の線図形への応用例として，ほぼ同じ大きさの半円と
三角形に，本発明での仮想的物体の移動・集積を行なっ
た例を，図５の（Ａ），（Ｂ）に示す。この場合には，
集積点(g) から右側重心点(n) または左側重心点(m)へ
のベクトルｇｎ，ｇｍと，集積点(g) から右側最遠点
(l) または左側最遠点(k) へのベクトルｇｌ，ｇｋとの
角度の違いにより，半円と三角形とを識別することがで
きる。

【００２８】

【発明の効果】以上説明したように，本発明の画像識別
装置では，仮想的物体の移動・集積を行なった際の集積
の履歴の情報を高輝度領域の形状の判定に使うため，従
来方法で大きな処理量を必要とした画素追跡による領域
抽出手段が不要になり，画像領域検出全体の処理時間を
大幅に短縮することができる。なお，実施例で説明した
以外の多様な形状の対象が様々な方向で含まれる入力画
像の場合でも，本発明の手段による処理を組み合わせて
適用することにより識別可能となる。

【図面の簡単な説明】

【図１】本発明の構成例を示す図である。

【図２】本発明による処理のフローチャートである。

【図３】本発明の実施例で用いるハードウェア構成図で
ある。

【図４】本発明の実施例における集積点と初期配置位置
の関係図である。

【図５】本発明の線図形への応用例である。

【図６】レーダ反射画像の模式図である。

【図７】従来法１による装置の構成図である。

【図８】従来法１の処理のフローチャートである。

【図９】従来技術を説明するための仮想的物体の配置図
である。

【図１０】従来法１による仮想的物体の集積図である。

【図１１】従来法２による仮想的物体の集積図である。

【符号の説明】

１１ 画像記憶手段 １２ 画像操作手段 １３ 集積特徴抽出手段 １４ 判定手段

Claims (1)

【特許請求の範囲】
1. 【請求項１】 ２次元のデータ配列で表現された入力画
   像中から特定の形状を有する部分画像の対象を識別する
   画像識別装置であって， 入力画像の平面上に移動可能な複数個の仮想的物体を配
   置し，その平面上の面内方向に設けた仮想的場とその入
   力画像の局所的なデータ配列との関係によって，その平
   面上で移動した後に停止している仮想的物体の停止位置
   の座標を出力する画像操作手段と， 前記停止位置と前記仮想的物体の初期配置位置の重心点
   との相対位置関係および前記停止位置と前記仮想的物体
   の最遠初期配置位置との相対位置関係の一方もしくは双
   方から特徴量を生成し出力する特徴抽出手段と， 前記停止位置を対象候補の代表点とみなしてその特徴量
   に基づきその代表点ごとに対象候補が特定の形状をとる
   対象か否かの判定を行なう判定手段とを備えたことを特
   徴とする画像識別装置。