JPH0638274B2

JPH0638274B2 - 画像認識装置および画像認識方法

Info

Publication number: JPH0638274B2
Application number: JP1198853A
Authority: JP
Inventors: 博三山田; 山本　　和彦; 泰一斉藤
Original assignee: 工業技術院長
Priority date: 1989-07-31
Filing date: 1989-07-31
Publication date: 1994-05-18
Anticipated expiration: 2009-05-18
Also published as: JPH0363774A; US5033099A

Description

【発明の詳細な説明】［産業上の利用分野］本発明は、画像認識装置および画像認識方法に関し、詳
しくは入力画像に対し局所並列処理を行なうことによっ
て画像の中から所定の形の特徴を抽出する画像認識装置
および認識方法に関する。

［背景技術］従来より、画像処理の自動化における問題点の一つとし
て、その処理に要する計算量が多大なものになるという
ことがあった。画像情報の場合、一般に処理すべき点の
数が多いため、汎用のプロセッサによる逐次処理方式を
そのまま用いたのでは、単純な処理演算を一通り行うだ
けでも相当な時間を要する。

このような問題を解決するための方式として、特に画像
処理専用に、均一な処理が各点に対して同時に行う並列
処理方式がとられていた。なお、ここで並列処理という
場合、必ずしも各点に対し完全に同時処理を行なうとい
う訳ではなく、同一の演算をパイプライン処理する場合
も含まれる。すなわち、この方式は、各点に関する演算
をその他の手続きに優先して行うことにより、制御構造
を特殊化かつ単純化し処理効果を高めるというものであ
り、画像処理専用プロセッサは、このような原理に基づ
いて構成されている。

この方式においては、今、ある点での処理と、その隣の
点での処理とは、互いに独立でなければならないという
制約条件が発生する。このような制約のもとで行なう処
理は、特に局所並列処理と呼ばれる。

画像に対する局所並列処理演算でも最も基本になるもの
として、収縮・膨張演算がある。収縮演算は、２値画像
情報において、ある点の値とその周り（近傍）の値との
論理積(AND)によりその点の新しい値を求める演算であ
り、例えば、これらの演算を画像情報の図の部分が
“１”、背景が“０”の２値画像の全面に適用すると、
図の周辺部が削られた図形になる。従ってこれを収縮演
算と呼ぶ。膨張演算は、近傍との論理和(OR)演算を行う
ものであり、これにより図形の周辺部を太らせる。所定
の画像情報に対してこれら収縮・膨張演算を引き続いて
行なうと、最初の収縮演算で画像情報の中の細かい点や
線を消去すると共に、大きな塊部分については、後の膨
張演算で殆ど元に復元することができる。結果として、
収縮・膨張演算という局所並列処理のみで、画像情報の
中の塊と、点や線とを区別して認識することが可能とな
る。この演算は、通常の論理演算の２次元近傍への拡張
であり、画像処理専用プロセッサの一つの核となってい
る。

並列処理のもう一つの特徴は、各点の処理結果を独立に
得ることができるため、結果が安定であり信頼性が高い
ということである。すなわち、ある特徴を逐次的に処理
して求める場合、処理過程のどこかで誤りがあると、そ
の誤りが処理結果の全体に影響を及ぼしてしまう。これ
に対して並列処理の場合、各点独立に処理を行っている
から、処理結果の全体ではその点の誤りはその点だけに
とどまる。その意味で安定な特徴を抽出することができ
る。

並列処理演算は、上述したような特徴を有するものであ
るが、処理できる内容に限界があった。例えば、従来行
なわれていた収縮・膨張演算によって、点と線とを区別
して認識できないということがあった。すなわち、上述
した従来の収縮・膨張演算によれば、最初の収縮演算で
点と線は同時に消えてしまう。

従って、例えば画像情報の中の線特徴だけを抽出したい
場合、従来は処理の途中で専用プロセッサから汎用プロ
セッサへその処理を移行しなければならなかった。この
ように、目的とする処理全体の中で、並列処理演算がこ
ま切れにしか利用できないため、データや処理手続きを
専用プロセッサと汎用プロセッサとの間で往復させなけ
ればならず、専用プロセッサによる高速性の利点が相殺
されてしまっていた。このように、専用プロセッサの利
点をフルに活かすためには、そこで実行できる並列処理
演算の内容を豊富にして処理能力を向上させることが要
請されていた。

この観点から、本願発明者等は、従来の２値画像に対す
る収縮・膨張演算の拡張として、MAP(Multi-Angled Par
allelism,多重方向性並列演算）法を開発した（例え
ば、山田博三，山本和彦：“方向特徴場における２値画
像並列理演算−８近傍による任意方向伝播のためのツイ
スト型演算”，電子情報通信学会論文誌，Vol.J72-DII,
No.5,pp678-685,1989-5,および松井伸二，山田博三，斉
藤泰一，村木茂，山本和彦：“２値画像方向性局所並列
演算を用いた地形図の特徴抽出”電子情報通信学会パタ
ーン認識理解研究会技術報告，PRU88-76,1988-11/18参
照）。

すなわち、従来の収縮・膨張演算では、ある点と、その
回りの点の情報から得られた新しい値をその点の値とし
て更新し、この処理を周りの点全てについて並行に行う
ものである。

これに対して、MAP法では、周りの点の各々を均一に見
なすのではなく、近傍点の各々をある点および近傍点の
各々に対応する画像情報によって定まる方向面という概
念を媒介にして近傍点の各々をとらえ、それと同時に演
算も、各々の方向毎に行なう。このような拡張により、
従来、大きな塊と、小さな点および細い線との区別しか
出来なかったのに対し、点と線の区別も可能となり、並
列演算処理を、画像情報からより広い幾何学的特徴を抽
出する手段として用いることができるようになった。

なお、収縮・膨張演算およびMAP法演算は、基本的には
２値画像に対するものであるが、AND,OR論理演算を、そ
れぞれMIN,MAX数値演算に変える事により多値画像への
拡張が可能である。

ところで、視覚情報処理過程における方向性を有した特
徴抽出の重要性については、視覚生理学的事実の発見の
他、文字認識や各種画像認識における実験的解析から、
多くの確証が得られている。MAP法の開発により、この
ような“線”すなわち方向性を有した特徴抽出が、並列
演算の枠組で可能になる。

ここで、先に述べたように、高速処理を可能とする並列
処理の枠組の中で、可能な処理内容を拡大するという観
点からすると、更に高次な特徴の抽出が要望される。よ
り高次な特徴として考えられるものは、線の集合として
の“形”である。すなわち、それぞれの線の特徴、およ
びそれらの線と線との関係として定義された任意の
“形”を、入力像の中から抽出する事ができれば、任意
のより高次な特徴の抽出機構を構成する事になる。

また、見方を変えると、このような“形”の抽出技術
は、そのまま対象の“認識”の技術となる。すなわち、
予め与えられた形を入力画像情報の中から抽出すること
は、光学的文字認識、ロボットの目としての物体の種類
・位置の認識、医療用画像中の組織・臓器の認識等、画
像の自動認識の中心的な課題である。現在の所、このよ
うな“形”の抽出技術は、機械による“画像認識”技術
のほぼ全体をカバーする技術と言ってもよい。

［発明の目的］本発明は、上述したような背景からなされたものであ
り、線の集まりとして定義された形（以下、モデルと呼
ぶ）と入力画像情報とを、方向面として定義される特徴
要素において重ね合わせを行なうことにより、並列処理
演算の枠内で入力画像情報の中から当該モデルの形を抽
出することが可能な画像認識装置および画像認識方法を
提供することを目的とする。

［課題を解決するための手段］そのために、本発明では、並列処理により、入力画像の
中から抽出された方向性特徴と予め定義された形のモデ
ルとの対比により画像認識を行なう画像認識装置におい
て、認識すべき形のモデルを、当該モデル形状の輪郭線
上の点における当該輪郭線の方向に関する値と前記輪郭
線上の他の点から当該点までの移動量との組の前記輪郭
線に沿った系列として表現し、前記モデルを前記組の系
列として予め記憶するモデル記憶手段と、入力画像にお
いて前記方向性特徴を抽出することにより、当該入力画
像の各画素毎の方向成分の強さを表現する方向面を複数
の方向について作成する方向面作成手段と、前記方向面
の加算結果を前記入力画像の各画素毎の前記方向成分の
強さの総和として保持することが可能なカウンタ面を記
憶するカウンタ面記憶手段と、前記モデル記憶手段に記
憶された前記組の移動量だけ前記カウンタ面を平行移動
するための移動手段と、該移動手段によって移動した前
記カウンタ面に、当該移動にかかる前記組の前記方向に
関する値によって指示される方向の前記方向面を加算す
る加算手段と、前記移動手段および前記加算手段を制御
し、前記モデル記憶手段に記憶される前記組の系列に従
って、順次前記平行移動および前記加算を実行する反復
手段と、該反復手段による前記平行移動および加算の終
了後、前記カウンタ面における各画素毎の前記方向成分
の強さの総和のそれぞれに応じて、当該画素に前記モデ
ルの前記輪郭線上の所定の点が位置するものとして、前
記モデルに対応する前記形を認識する手段と、を具えた
ことを特徴とする。

また、本発明では、並列処理により、入力画像の中から
抽出された方向性特徴と予め定義された形のモデルとの
対比により画像認識を行なう画像認識方法において、認
識すべき形のモデルを、当該モデル形状の輪郭線上の点
における当該輪郭線の方向に関する値と前記輪郭線上の
他の点から当該点までの移動量との組の前記輪郭線に沿
った系列として表現し、前記モデルを前記組の系列とし
て予め記憶し、入力画像において前記方向性特徴を抽出
することにより、当該入力画像の各画素毎の方向成分の
強さを表現する方向面を複数の方向について作成し、前
記方向面の加算結果を前記入力画像の各画素毎の前記方
向成分の強さの総和として保持することが可能なカウン
タ面を記憶し、前記モデルとして記憶された前記組の移
動量だけ前記カウンタ面を平行移動し、当該移動によっ
て移動した前記カウンタ面に、当該移動にかかる前記組
の前記方向に関する値によって指示される方向の前記方
向面を加算し、前記モデルとして記憶される前記組の系
列に従って、順次前記平行移動および前記加算を実行
し、当該実行による前記平行移動および加算の終了後、
前記カウンタ面における各画素毎の前記方向成分の強さ
の総和のそれぞれに応じて、当該画素に前記モデルの前
記輪郭線上の所定の点が位置するものとして、前記モデ
ルに対応する前記形を認識する各処理を具備したことを
特徴とする。

［作用］以上の構成によれば、モデルと入力画像情報とを方向面
として定義される形の特徴要素において重ね合わせを行
なうことにより、並列処理演算の枠内で画像情報の中か
らモデルの形を抽出することが可能となる。

［実施例］以下、図面を参照して本発明の実施例を詳細に説明す
る。

先ず、本発明における中心概念である方向面およびモデ
ルについて説明する。

入力画像情報の各点において、濃度の傾斜をもとにした
Ｎ（本例では８）面の方向特徴要素すなわち方向面Ｕが
演算される。

Ｕ＝｛u_n(i,j)｝，ｎ＝0,1,．．．．，７１≦ｉ≦Ｉ，１≦ｊ≦Ｊ…(1) ここで、方向面u_n(i,j)は、入力画像のメッシュで区切
られた点(i,j)およびその近傍点と第１図に定義される
方向ｎによって定まるｎ方向の方向性の強さを示すもの
であり、実際の処理では、第２図(A)にその演算概念が
示されるエッジオペレータEO₀〜EO₇からの出力（マイナ
スの値はカット）またはそれを２値化したものとして得
られる。例えば、入力画像情報が縦方向（第１図中２，
６の方向）の線であり、その境界から左側が全て“１”
（黒）、右側が全て“０”（白）の場合において、境界
の左側で近傍する“１”の点にエッジオペレータの演算
を行なう場合をｎ＝３の場合で考えると、第２図(B)に
示すように、演算する点にオペレータEO₃の中心を合わ
せ、オペレータEO₃の各値と画像情報（“１”または
“０”）との積和演算、０×1+(-1)×1+(-1)×0+1×1+0
×1+(-1)×0+1×1+1×1+0×０＝+2からu₃(i,j)＝２を得
る。このような演算を第２図(A)に示す８つの方向面で
行ない、演算の結果が負の場合はその値を０とする。従
って、このエッジオペレータからの出力はその点の濃度
の傾斜を示し、向きは低い方から高い方へとられてい
る。

ただし、このオペレータEO₀〜EO₇の出力のみでは、特徴
要素が局所的である事と、方向精度が暖いため、傾斜の
直角方向の情報との統合により、その付近に直線成分が
あるという特徴要素に置き換えたほうが、今後の処理に
とって都合が良い。この統合処理は、発明者等がさきに
提案したMAP法により、局所並列演算の繰り返しによっ
て可能である。ただ、表現の形式と特徴要素の意味自身
は、統合の後もエッジオペレータの出力のままでも変わ
らないため、以降の説明では、u_n(i,j)は、第２図(A)に
示したエッジオペレータEO₀〜EO₇の出力であるとして説
明する。

一方、抽出すべき形のモデルは、形の輪郭に沿ってとら
れたＭ（本例では13）個の評価点における法線の方向特
徴（離散化された番号で表される）と、一つ前の評価点
からの移動量で与えられる。この法線方向および移動量
は、モデル評価点の属性、また、ｍは系列番号と呼ばれ
る。このとき、モデルＲは以下の式で与えられる。

Ｒ＝｛(r_m,p_m,q_m)｜ｍ＝1,2,．．．，Ｍ｝０≦r_m≦７…(2) (2)式において、r_mは、ｍ番目の評価点の方向番号であ
る。第３図に示すモデルの例では、その８角形の内側は
低濃度であり、背景は高濃度とする。従って、r_mは、輪
郭の外側の向きを有した法線方向を８方向に離散化した
ものを示すものとなる。このモデルで得られる特徴は、
入力画像から求められた方向特徴要素と比較されるべき
ものであるから、方向性の安定な場所、すなわち輪郭の
曲がりの少ない直線的な点にとるのが望ましい。

また、(2)式において(p_m,q_m)は、m-1番目の評価点から
ｍ番目の評価点への移動量である。但し、(p₁,q₁)はＭ
番目の評価点から１番目の評価点への移動量とする。

Ｍ番目の評価点の場所を参照点と呼ぶ時、参照点からｍ
番目の評価点までの累積の移動量は、以下のように与え
られる。

ここで、このモデルＲは、入力画像情報の処理に先だっ
て、処理システム側が知識として有しているものであ
る。その作成方法としては、抽出すべき形を入力してお
き、(a)評価点の位置を操作者が指定する。(b)機械側で
自動的に（例えば輪郭上に等間隔に）評価点とその点の
法線方向を決定する。(c)輪郭の全ての点を評価点にと
り、その点の法線方向を特徴とする（この場合、p_m,q_m
は±１の範囲となる）、等の方法が考えられる。何れに
しても入力画像の処理に先だってモデル情報は処理装置
の中に定義されている。

次に、処理の途中結果を保持する記憶手段としてのカウ
ンタ面Ｃ＝c(i,j)について説明する。今ここでは、カウ
ンタ面のメッシュ数は入力面のメッシュ数とは等しいも
のとする。この面には、モデルの評価点ｍまでの入力の
各点に関した評価値が保持される。ここで、表記法とし
て、Ｃは、カウンタ面c(i,j)の画像全体を表し、Ｃ
［p_m,q_m］は、画像Ｃ全体を(p_m,q_m)だけシフト（平行移
動）した画像を意味する。

本発明による処理の目的は、モデルによって指定される
評価点の方向性特徴および評価点間の位置関係を有する
形を入力画像情報の中から並列演算によって抽出する事
である。以下、その処理について説明する。

1)初期設定カウンタ面Ｃを０でクリアした上でカウンタ面Ｃを入力
面ｕに重ねる。このカウンタ面Ｃの点(i,j)に着目し、
これをのぞき穴W_ijと呼ぶと、のぞき穴W_ijは入力画像情
報の点(i,j)の位置に置かれる。第４図(A)は、初期設定
時のカウンタ面Ｃの位置と、参照点に位置するのぞき穴
W_ijを小円で示す。このとき、カウンタ面Ｃと入力面ｕ
は完全に重なっている。

2)モデル評価点ｍ＝１，．．．，Ｍに関して以下の２種
類の処理を逐次行う。

2-1)移動カウンタ面Ｃ全体を(p_m,qm)だけシフト（平行移動）す
る。この処理は以下の式で表わされる。

Ｃ：＝Ｃ［p_m,q_m］ …(4) ここで、記号：＝は、右辺で演算された値を左辺に代入
することを意味する。

この平行移動の処理は、面内の各点c(i,j)に対して均一
な処理であり各点独立であるため、並列処理により高速
に実行が可能である。

ここで、初期設定時ののぞき穴W_ijは、入力画像の（ｉ
＋Σp_m，ｊ＋Σq_m）の位置に移動することになる。すな
わち、第４図(B)はｍ＝１の場合の移動を示し、のぞき
穴W_ijは元の破線で示されるモデルのｍ＝１の評価点の
位置まで移動する。

2-2)加算移動によって得られる新たなカウンタ面Ｃにおいて、方
向番号r_mに基づいて方向面u_rmを指定し、この値をカウ
ンタ面Ｃの値に加算する。すなわち、Ｃ：＝Ｃ＋u_rm …(5) この加算処理も、面内の各点c(i,j)に対して均一に行う
処理であり各点の演算が独立であるため、並列処理によ
り高速に実行が可能である。

上の(4),(5)式の処理によるのぞき穴W_ijに着目すると、
新たなのぞき穴W_ijは以下の式で更新される。

W_ij：W_ij＋u_rm(ｉ＋Σp_m，ｊ＋Σq_m)…(6) (6)式および第４図(B)から明らかなように実線で示され
るカウンタ面Ｃと破線で示される入力面Ｉとがそのまま
の位置で加算される。すなわち、W_ijに付加されたi,jに
よって示される位置は、現在の位置ではなく、第４図
(A)に示した初期設定時における位置を示している事に
注目されたい。

なお、第４図(C)は、ｍ＝４計算時のカウンタ面Ｃの位
置を示している。現在ののぞき穴W_ijの位置は初期設定
時のｍ＝４の評価点の位置である。この時の入力面ｕの
位置は、破線で示す位置であり移動していない。

上記2-1)移動および2-2)加算処理をＭ回行なった後のの
ぞき穴W_ijについて着目すると、(p₁,q₁)の設定の仕方か
ら、ｉ＋ΣP_M≡ｉ，ｊ＋Σq_M≡ｊであるから、W_ijは元
の位置(i,j)に戻る。すなわち、最終的に得られるW_ijに
は、モデルの参照点（終点）を入力像の(i,j)の位置に
置いた時の、モデルの輪郭に沿ったＭ個の評価点におけ
る上述の評価値、すなわち指定された方向面の総和が含
まれている。この処理が点(i,j)に関して並列に実行さ
れるから、全ての点(i,j)に関してこのような評価量の
総和が、同時に求められる。従ってこの総和がカウンタ
面Ｃにおいて最大となる値、max｛c(i,j)｝、を検出す
る事により、この最大値を有する点、すなわちモデルの
形を入力画像のあらゆる場所に置いてみて、その中で最
も良く合致する点(i,j)とその時の評価値c(i,j)を知る
事ができる。

なお、面内にモデルに近い形が複数存在すると考えられ
る場合には、最大値を有する点だけでなく、周りと比べ
て値の大きな点すなわち極大点を検出することによりそ
れらの位置が抽出される。

以上の動きを３次元的に示したのが第５図である。

一番上の面Ｃがカウンタ面、下側の８面が入力画像情報
から求めた方向面ｕである。８つの面ｕにはそれぞれ図
に示す方向成分の特徴が入っている。処理の進行に従っ
て一番上のカウンタ面のみが図に示すように移動する。
この移動は、第４図(A)〜(C)に対応している。各評価点
ｍにおける加算時に、図中縦線で示したのぞき穴の上で
カウンタ面の値と方向面の値が加算されるが、この時加
算されるのは方向面８面の値全部ではなく、モデルで指
定された８面の内の１面の値である。

第６図は、上述した処理を実行する装置のブロック図で
ある。

同図中、中央の列は処理部を示し、左側はモデルデータ
の記憶部、右側は２次元表現のデータの記憶部を示す。

まず最初に紙等の上にかかれた画像621を、光電変換を
用いたTVカメラ等の観測部611によりディジタル化して
読取り、この画像情報を観測面622に記憶する。次に、
この記憶した情報に基づきエッジ抽出部612のエッジオ
ペレータEO₀〜EO₇により、８面の方向面ｕを作成する。
これらの処理に先だってＭ個の評価点に関するモデル情
報はテーブルの形式でモデルテーブル601に蓄えられて
いる。

次に、初期値部613によりカウンタ面Ｃを全て０に初期
値設定し、制御部614において、ｍ＝１からＭの順序で
移動と加算の処理を行うための制御を行う。

すなわち、移動部615では、カウンタ面Ｃをモデルの移
動量で指定された量だけ平行移動する。この処理は、面
内の各点に対して均一な処理であり各点の独立な処理で
あるため、いわゆる並列処理で高速に実行される。

また、加算部616では、カウンタ面Ｃとモデルの方向番
号r_mによって求められる方向面ｕとの加算を行う。この
処理も、面内の全点に対して均一に行う処理であり各点
の演算が独立であるため、いわゆる並列演算で高速に実
行される。

上記移動および加算のＭ回の処理が終了すると、最大値
検出部617で、カウンタ面Ｃにおける上記した最大値と
その位置を検出し、最大値が所定値より大であることを
もって、モデルまたはそれに近似した形が入力画像の中
に存在することを検知すると共に、その位置を検出す
る。この処理は、カウンタ面Ｃの内容を逐次読み出し比
較を行うという逐次処理方式で行う。もちろん、この部
分をハードウェア化して、高速化する事は可能である。

以上の処理過程の中で中心となるのは、移動と加算の反
復処理である。

第７図は、ｍ＝１からＭまでの移動と加算について、詳
細に説明するためのブロック図である。まず、ｍ＝１か
ら順にＭまで以下の処理が行われる。今、ある特定のｍ
に関して、モデルテーブルのｍ行目の値(r_m,p_m,q_m)を
取り出す。移動部615では、(p_m,q_m)だけカウンタ面
を平行移動しカウンタ面に戻す。移動部615での処理
は(p_m,q_m)という制御情報によってカウンタ面全点をそ
れだけずらすというものであり、各点に関して独立であ
る。すなわち、移動という処理手順を全面に対して均一
に独立に実行すればよい。この処理は、１台の処理回路
でメモリアクセスをパイプライン化する方式や、各点に
処理回路を配置する完全並列方式により並列化による高
速化が可能である。

次に加算部616で、r_mで指定される番号の方向面
と、カウンタ面とを加算し、カウンタ面に戻す。こ
の処理も平行移動処理と同様に各点に関して独立である
ため、並列演算による高速処理が可能である。以上の移
動処理と加算処理をｍ＝1,2,3,…Ｍの順に行う。

一般に、入力画像の中からモデル画像の形を抽出する問
題は、入力点全点における入力画像とモデル画像の重ね
合わせ（内積計算）によって求められる。しかし、この
ような全面に対するテンプレートマッチングは現実には
殆ど用いられていない。その理由は、全面に対して内積
計算をするのは、計算量が余りにも多すぎるためであ
る。

本発明の実施例によれば、モデルが方向性特徴要素のつ
ながりで表現される。すなわちモデル評価点を全面とす
るのではなく、評価点を特徴要素に絞り込むことにより
全面に対するテンプレートマッチングに比較して、計算
量を減少させることができる。さらに、入力画像全面に
対する処理が平行移動と加算という極めて単純な処理で
あるため、並列処理により高速計算が可能である。この
ようにして、全面に対するマッチングを現実的なものに
している。

本発明による他の重要な特長は、方向性特徴を用いてい
るという点である。方向性特徴の導入により精度の高い
マッチングが行われる。すなわち、方向性特徴により実
効的にその周りの情報も見ていることに相当するから、
評価点の数を減少させても、画像認識の性能は維持さ
れ、なおかつ、方向別面という表現形式を用いているた
め、通常の角度差と強度差からの距離計算を必要とせ
ず、加算演算のみで、同等の認識性能を得ることができ
る。このことが、距離計算を並列処理で実行できる理由
となっている。

以上述べた実施例に加えて、以下に述べるような変形、
および、複数の変形の組み合せによる複合的な変形が可
能である。

1)のぞき穴を移動してその直下の入力の点だけを見るの
ではなく、その周りも見ることにより入力画像の微小な
移動を吸収する。このとき、(6)式は、以下の式で置き
換えられる。

W_ij＝W_ij+max｛u_rm(i+i′＋Σp_m,j+j′Σq_m)｝ -1≦i,j′≦１ …(7) なお、同等な効果は、マッチングに先だって、入力面に
ついて周りとのmax（和）をとっておくことによって得
られる。この場合は、カウント時に複数の点を見る必要
がなくなる。

2)処理過程2-2)おいてＣに加算すべき値（距離）を、単
にｕのr_m成分そのものではなく、r_m±１成分も考慮して
方向性のゆらぎを吸収する。例えば、このときのW_ijは
以下の式によって得られる。

W_ij：＝W_ij+max｛u_rm(i+Σp_m，j+Σq_m)，u_rm-1(i+Σ
p_m，j+Σq_m)，u_rm+1(i+Σp_m，j+Σq_m)｝この場合も、上記1)の微小移動吸収の場合と同様にマッ
チングに先だって入力面について周りとのmaxをとって
おくことができる。

3)Ｃに加算する値を決める時、u_rmの値そのものではな
く、それから計算される距離ｄ（u_rm）に置き換える。
例えば、(8)式で、r_m−１とr_m＋１成分にr_m成分の1/2の
重みをかける。これにより、より精密な距離評価法とす
る事ができる。

4)上記実施形のままでは、テンプレートすなわちモデル
は剛体であり、上記1),2)の微小移動吸収で述べた変形
も、剛体テンプレートからの微小移動を吸収するための
ものである。これに対して、指定されたテンプレートが
フレキシブルに変形し、許される変形の範囲内で最適な
マッチングを求める弾性テンプレートの考え方が必要な
場合がある。そのために、加算時に、１点のc(i,j)の値
を用いるのではなく、c(i,j)の周りの点の中で最大のも
のを選択する。この時、W_ijは以下の式で表わされる。

W_ij：＝max｛ｗ_ｉ＋ｉ′ _Ｊ＋Ｊ′｝+u_rm(i+Σp_m,j＋
Σq_m) -1≦ｉ′，ｊ′≦１ …(9) この演算は、並列演算ではc(i,j)を-1≦ｉ′，ｊ′≦
１、すなわち３×３の範囲でずらして最大値をとり、そ
の値とu_rmを加算することにより行われる。すなわち、Ｃ：＝ｍａｘC[ｉ′，ｊ′］＋u_rm -1≦ｉ′，ｊ′≦１ …(10) これにより、Ｃの選択の範囲内で変形が可能な弾性体モ
デルとなる。なお、移動量が小さく、それに比べて許容
量-1≦ｉ′，ｊ′≦１が大きくなり過ぎる場合には数個
の評価点毎に許容値を持たせる事ができる。

5)上記実施形では、形の内部が背景に比べて常に低濃度
であるとして説明してきたが、背景が不規則である、対
象とする形の濃度が一定でない、等、問題によっては、
モデルで定義した方向と、対応する入力像で発生するエ
ッジの方向とが、180度変化し、なおかつその現象が不
規則に起こる場合がある。この問題に対処するために、
角度差の評価を360度単位ではなく、180度単位で行う。

このとき、W_ijは以下の式で表わされる。

W_ij：＝W_ij+max｛u_rm（ｉ＋ｉ′＋Σp_m,j+j′＋Σq_m)， u_rm+4（ｉ＋ｉ′＋Σp_m,j+j′＋Σq_m)｝…(11) 同等な効果を得るために、予め、０面と４面、１面と５
面、２面と６面、３面と７面、それぞれのOR（最大値）
をとり、その統合した面について加算処理を行うことも
できる。

6)方向面８面について説明してきたが、方向精度を向上
させるためにそれ以上の面数をとることもできる。この
場合、加算時の処理は、上記実施形と同様であるが、入
力面抽出時には、本発明者らが先に提案した８近傍演算
のみで任意方向精度の特徴を抽出するツイスト形演算が
有効である。なお、方向面数を増加させた場合、モデル
で指定した方向と入力面に現れる方向とが食い違う事が
増えるため、上記(2)の項で述べた、距離測定における
方向性の緩和が重要となる。

7)入力表現を各方向毎の面ではなく、方向の数値v(i,j)
と、その強さu(i,j)で表すこともできる。このとき、方
向面Ｕは以下の式で表わされる。

Ｕ＝（u(i,j)，v(i,j)）…(12) この時加算されるべき値は、モデルの方向r_mと入力の方
向性の強さｕから求められる。このとき、W_ijは、 W_ij：＝W_ij ＋ｕ（ｉ＋Σp_m，ｊ＋Σq_m）×ｄ（r_m-v（ｉ＋Σp_m，ｊ
＋Σq_m)）…(13) この場合、モデルおよび入力の方向精度を任意に高くと
る事ができる。また、方向面が１面ですむのも長所であ
るが、各点の演算を並列に行う場合、距離計算の部分が
相当に複雑になる。

8)更に柔軟性のある特徴表現として、入力像は濃度画像
そのままにしておき、モデルの側に評価点の周りの局所
的なテンプレートｈを用意する。加算値は、カウンタ面
Ｃへの加算時にコンボルーションを行なうことにより決
定する。すなわち、このときW_ijは、これにより、局所特徴として、単に濃度勾配からのエッ
ジではなく、ｈで定義される任意の局所的な形を指定で
きる。また、局所テンプレートとのコンボルーション演
算は容易に並列演算可能であるから、上記7)による入力
表現に比べて、並列演算のみで実行できるのも特徴であ
る。

9)上記実施形では、入力面全面から形を抽出する場合に
ついて説明した。しかし、場合によっては、抽出すべき
領域が限られている事がある。そのような場合は、相当
する部分領域の広さのカウンタ面を用意し、その領域の
みについて処理を行う。これにより、少ない記憶量のカ
ウンタ面で処理が可能となる。

10)上記実施形では、移動と加算の繰り返し処理終了
後、カウンタ面Ｃの最大値を見ることにより、最も良く
マッチングする位置と評価値を得ている。これは、入力
面の中にモデルの形が１個存在する事を前提としてい
る。これに対して、モデルの形が入力面に複数個存在す
る場合には、最大値ではなく、周りと比べて評価値の大
きな点、すなわち極大点を検出する。

11)上記実施では、モデルは閉じた形であったが、方向
性を定義出来さえすれば輪郭である必要はなく、また、
必ずしも閉じている必要はなく例えばトリー状でも良
い。

12)上記実施形で説明した方法では、のぞき穴を逐次移
動した。これを追跡形と呼ぶとすれば、追跡形の場合、
モデル移動量(p_m,q_m)として、m-1からｍへの移動量を指
定した。これに対して、モデル内に別の参照点をとり常
にその点からの移動量(p_m,q_m)で指定する事もできる。
ここでは、上述の2-1)移動、2-2)加算の処理に加えて、Ｃ：＝C[-p_m,-q_m]…(15) で示される処理を行う。すなわち、この場合は、2-2)の
処理を終った段階では、初期設定時のW_ijは、入力画像
の（ｉ＋p_m，ｊ＋p_m）の位置に移動する。そこで、カウ
ンタ面Ｃへの加算の後カウンタ面Ｃを(-p_m,-q_m)だけ逆
に移動して元の参照点(i,j)の位置に戻し、これを繰り
返す。この方法は、評価結果を常に参照点に集めている
事になるため、これを投票形と呼ぶ。

なお、このとき、ｍ段の最後の移動とｍ＋１段の最初の
移動を統合して（−p_m＋p_m+1，−q_m＋q_m+1）の合成ベク
トルで移動する事は可能であり、このようにすることに
より、各段での処理は追跡形と同じになる。追跡形との
違いは、最終的に求める参照点を、モデルの任意の点に
とれるという点である。

［発明の効果］以上の効果から明らかなように、本発明によればモデル
と入力画像情報とを方向面として定義される形の特徴要
素において、重ね合わせを行なうことにより、並列処理
演算の枠内で画像情報の中からモデルの形を抽出するこ
とが可能となる。

すなわち、カウンタ面の各点(i,j)にモデルの参照点を
重ねた時の重なりの度合c(i,j)が、すなわち、モデルの
形Ｒが入力の各点にどの程度存在するかという情報が得
られる。

この結果、モデルの特徴要素表現による計算量の削減、
方向面の導入による距離計算の単純化、および入力面に
対する並列演算の優先的実行により、入力画像全面に対
するマッチングによる形の高速抽出方法およびそのため
の装置を得ることができる。

すなわち、本発明により、線と線の関係として与えられ
る任意の“形”を、入力像の中から高速に抽出すること
ができ、複雑な背景に書かれた文字の認識、ロボットの
目としての物体の種類・位置の認識、医用画像中の各種
組織・臓器の認識等、画像の自動認識に広い応用が可能
である。

【図面の簡単な説明】

第１図は、本発明の一実施例に関し、方向面の方向を定
義するための説明図、第２図(A)および(B)は、本発明の一実施例に関し、入力
情報の方向性を抽出するためのエッジオペレータを説明
するための概念図、第３図は、本発明の一実施例において、８角形を13の評
価点で表現したモデルの概念図、第４図は、本発明の一実施例に関し、カウンタ面の移動
を説明するための概念図、第５図は、第４図と同様なカウンタ面の移動と、複数の
入力方向面を３次元で表示する概念図、第６図は、本発明の一実施例による処理過程および処理
構成を示すブロック図、第７図は、第６図に示した移動と加算の詳細を示すブロ
ック図である。 601…モデルテーブル、 611…観測部、 612…エッジ抽出部、 613…初期値部、 614…制御部、 615…移動部、 616…加算部、 617…最大値検出部、 621…入力画像、 622…観測面、Ｃ…カウンタ面、Ｕ…（入力）方向面、 EO…エッジオペレータ。

Claims

【特許請求の範囲】

【請求項１】並列処理により、入力画像の中から抽出さ
れた方向性特徴と予め定義された形のモデルとの対比に
より画像認識を行なう画像認識装置において、認識すべき形のモデルを、当該モデル形状の輪郭線上の
点における当該輪郭線の方向に関する値と前記輪郭線上
の他の点から当該点までの移動量との組の前記輪郭線に
沿った系列として表現し、前記モデルを前記組の系列と
して予め記憶するモデル記憶手段と、入力画像において前記方向性特徴を抽出することによ
り、当該入力画像の各画素毎の方向成分の強さを表現す
る方向面を複数の方向について作成する方向面作成手段
と、前記方向面の加算結果を前記入力画像の各画素毎の前記
方向成分の強さの総和として保持することが可能なカウ
ンタ面を記憶するカウンタ面記憶手段と、前記モデル記憶手段に記憶された前記組の移動量だけ前
記カウンタ面を平行移動するための移動手段と、該移動手段によって移動した前記カウンタ面に、当該移
動にかかる前記組の前記方向に関する値によって指示さ
れる方向の前記方向面を加算する加算手段と、前記移動手段および前記加算手段を制御し、前記モデル
記憶手段に記憶される前記組の系列に従って、順次前記
平行移動および前記加算を実行する反復手段と、該反復手段による前記平行移動および加算の終了後、前
記カウンタ面における各画素毎の前記方向成分の強さの
総和のそれぞれに応じて、当該画素に前記モデルの前記
輪郭線上の所定の点が位置するものとして、前記モデル
に対応する前記形を認識する手段と、を具えたことを特徴とする画像認識装置。
【請求項２】並列処理により、入力画像の中から抽出さ
れた方向性特徴と予め定義された形のモデルとの対比に
より画像認識を行なう画像認識方法において、認識すべき形のモデルを、当該モデル形状の輪郭線上の
点における当該輪郭線の方向に関する値と前記輪郭線上
の他の点から当該点までの移動量との組の前記輪郭線に
沿った系列として表現し、前記モデルを前記組の系列と
して予め記憶し、入力画像において前記方向性特徴を抽出することによ
り、当該入力画像の各画素毎の方向成分の強さを表現す
る方向面を複数の方向について作成し、前記方向面の加算結果を前記入力画像の各画素毎の前記
方向成分の強さの総和として保持することが可能なカウ
ンタ面を用意し、前記モデルとして記憶された前記組の移動量だけ前記カ
ウンタ面を平行移動し、当該移動によって移動した前記カウンタ面に、当該移動
にかかる前記組の前記方向に関する値によって指示され
る方向の前記方向面を加算し、前記モデルとして記憶される前記組の系列に従って、順
次前記平行移動および前記加算を実行し、当該実行による前記平行移動および加算の終了後、前記
カウンタ面における各画素毎の前記方向成分の強さの総
和のそれぞれに応じて、当該画素に前記モデルの前記輪
郭線上の所定の点が位置するものとして、前記モデルに
対応する前記形を認識する各処理を具備したことを特徴とする画像認識方法。