JPH0644372A - パターン抽出装置 - Google Patents

Abstract

(57)【要約】 【目的】 人間の感覚に一致した領域抽出を行うことが
できるパターン抽出装置を提供することを目的としてい
る。 【構成】 各色成分に関するデータを、ニューラルネッ
トを用いて実験結果に応じたパラメータを有する関数に
基づき変換し、これら変換された各データに基づいて、
被読取り物から特徴領域を抽出している。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、パターン抽出装置に関
する。

【０００２】

【従来の技術】文字部と絵柄部が混在した多色画像から
の文字の読取りや、自然情景中からの文字やシンボルの
認識など従来自動読取りが困難であったパターン認識に
幅広く対応できる認識方法が、例えば特開平３−１９１
４８２号公報に開示されている。 これは、ＲＧＢ色空
間による色分割により得られた分割領域を抽出し、各分
割領域毎に２値画像群を作成し、各２値画像と標準パタ
ーンとを照合する方法である。

【０００３】しかし、このようにＲＧＢ色空間で領域分
割を行う場合、人間の感覚とＲＧＢ色空間が一致してい
ないため、人間の感覚にあった領域抽出が困難であっ
た。

【０００４】

【発明が解決しようとする課題】このようにＲＧＢ色空
間による色分割により得られた分割領域を抽出する従来
の技術では、人間の感覚とＲＧＢ色空間が一致していな
いため、人間の感覚にあった領域抽出が困難であった。

【０００５】そこで、本発明は、人間の感覚に一致した
領域抽出を行うことができるパターン抽出装置を提供す
ることを目的としている。

【０００６】

【課題を解決するための手段】本発明は、かかる課題を
解決するため、複数の色で表現される情報が混在した被
読取り物より各色成分に関するデータを収集する収集手
段と、この収集手段で収集された各色成分に関するデー
タを、例えばニューラルネットを用いて実験結果に応じ
たパラメータを有する関数に基づき変換するデータ変換
手段とを備え、これら変換された各データに基づいて、
被読取り物から特徴領域を抽出するものである。

【０００７】

【作用】本発明では、各色成分に関するデータを実験結
果に応じたパラメータを有する関数に基づき変換し、こ
れら変換された各データに基づいて、被読取り物から特
徴領域を抽出しているので、人間の感覚に一致した領域
抽出を行うことができる。 ところで、実験結果に応じ
たパラメータを有する関数は、通常、非線形関数であ
る。そこで、本発明では、この変換をニューラルネット
により実現している。

【０００８】

【実施例】以下、本発明の実施例を図面に基づき説明す
る。

【０００９】図１は本発明の一実施例に係るパターン抽
出装置のブロック図である。

【００１０】同図において、読取り対象Ｐは矢印の方向
に搬送され、カラーラインセンサ１０１を通過すること
で、対象全体のＲＧＢ成分の画像データがカラー画像入
力装置１０２から出力される。

【００１１】カラー画像入力装置１０２から出力される
画像データは、メモリ制御回路１０６の制御に従って第
１のフレームメモリ１０３、第２のフレームメモリ１０
４、第３のフレームメモリ１０５に書き込まれる。

【００１２】フレームメモリ１０３〜１０５への書き込
みが終了した時点で、メモリの制御をＣＰＵ１０７側に
移行させる。ＣＰＵ１０７はプログラムメモリ１０８に
従って処理を実行する。

【００１３】ここで、プログラムメモリ１０８に記述さ
れている処理手順は、図２の処理流れ図に示す内容であ
る。

【００１４】図２に従えば、色成分情報を人間の感覚に
あった情報に変換し（ステップ２０１）、カラー情報に
より領域分割し（ステップ２０２）、抽出された二値画
像を出力する（ステップ２０３）。

【００１５】ステップ２０１の画像情報変換では、ＲＧ
Ｂ三次元空間で２つの色を２点で表したときの２点間の
距離は人が感じる色差に比例していないため、空間内の
距離が色差に比例する均等色空間への変換を行う。例え
ば、均等色空間であるのマンセル表色系に変換する。

【００１６】ＲＧＢ系からマンセル表色系への変換は、
数式化されておらず、変換表が与えられているだけであ
る。そこで、誤差逆伝搬法により学習させた階層構造ニ
ューラルネットを用いてこの変換表の変換を行う。具体
的には、図３に示すようなニューラルネットを設計す
る。変換表に与えられている色度座標ｘ，ｙおよび視感
反射率ＹをＮＴＳＣ系の以下の式でＲＧＢ値に変化す
る。

【００１７】

【式１】 このＲＧＢ値を学習データとして階層構造ニューラルネ
ットに与えて学習を実行させる。ニューラルネットの出
力層の出力ユニット数は、色の属性の数だけ用意する。
すなわち、図３に従えば、階層構造ニューラルネットに
おいて入力にＲＧＢ値を与えるとＨＶＣ値を直交座標に
変換した値を出力する。

【００１８】次に、ステップ２０２のカラー画像分割処
理を行う。具体的には、図４に示すような処理手順で実
行される。すなわち、図４に従えば、はじめに分割結果
を収納する画像エリアを全て０とすることで初期化し
（ステップ３０１）、その分割結果の画像をマスク画像
エリアに複写する（ステップ３０２）。

【００１９】続いて、マスクされていない画像、すなわ
ち、マスク画像において０の値をとる画像のＨＶＣ値を
調べて、ステップ３０３にてＨＶＣヒストグラムを作成
する。これは図５に示すような三次元空間におかれた数
値としてとらえることができる。 次に、この三次元の
分布について主成分分析を行い主軸を求める（ステップ
３０４）。これは言い換えれば、分散最大となる方向を
求める処理であり、例えば、図５に対して主軸を求める
と、図６に示す方向ベクトルｓにて表される軸Ｓのよう
なものとなる。

【００２０】次に、ステップ３０５において、ＨＶＣヒ
ストグラムの主軸への投影を行う。これは例えば図７に
示すような一次元データとなる。この一次元データにお
いて、分布のピーク、すなわち、山が１つしか存在しな
い場合、その分布に対する画像全てを１つの領域として
分割結果に登録し（ステップ３０９）、その後未分割領
域が存在する場合には、ステップ３０２から処理を繰り
返す。

【００２１】ステップ３０６において投影した一次元デ
ータが複数の分布から構成されていると判断された場合
には、判別分析に基づいたしきい値決定法を用いてしき
い値ｔを決定する（ステップ３０７）。主軸ｓと主軸上
のしきい値ｔにより三次元分布において図８に示すよう
なしきい値平面Ｕに基づきどちらか一方の分布に対応す
る画素をマスク画像として登録する（ステップ３０
８）。

【００２２】その後、マスクされていない画像について
ＨＶＣヒストグラムを作る手順（ステップ３０３）から
処理を繰り返す。

【００２３】こうして、ステップ３１０において未分割
領域が存在しなくなるまで処理を繰り返す。カラー画像
分割処理ステップ２０２が終了すると、例えば図９のよ
うな構成のカラー画像は図１０のような分割ラベルのつ
いた二値画像の集合になる。領域抽出された二値画像を
ステップ２０３において出力回路１１０から出力するこ
とで処理が終了する。

【００２４】このように本実施例のパターン抽出装置に
よれば、各色成分に関するデータを実験結果に応じたパ
ラメータを有する関数に基づき変換しているので、すな
わち空間内の距離が色差に比例する均等色空間に、たと
えばマンセル表色系に変換しているので、人間の感覚に
一致した領域抽出を行うことができる。

【００２５】なお、この発明は上記実施例に限定される
ものではなく、発明の要旨を変えない範囲において種々
変形実施可能なことは勿論である。

【００２６】前記画像情報変換について変形例をあげ
る。

【００２７】ステップ２０１の画像情報変換において、
光の物理的性質に着目して記述されたＲＧＢ表色系で２
つの色を２点で表した時の２点間の距離は、人が感じる
色差に比例していないために、人間の視覚特性を主体と
して肉眼で直接物体を見た時の感覚を尺度とした心理物
理色に変換してもよい。例えば、均等色空間であるマン
セル表色系に変換する。

【００２８】ところで、光の物理的性質は一般に分光反
射率で規定されるが、この分光反射率とマンセル表色系
との変換は非線形である。

【００２９】そこで、誤差逆伝搬法により学習させた階
層構造ニューラルネットを用いてこの変換を行う。具体
的には、図１１に示すようなニューラルネットを設計す
る。ＪＩＳ標準色票第７版の分光反射率を学習データと
して階層構造ニューラルネットに与えて学習を実行させ
る。ニューラルネットの出力層の出力ユニット数は、色
の属性の数だけ用意する。すなわち、図１１に従えば、
階層構造ニューラルネットにおいて、入力に分光反射率
データを与えるとＨＶＣ値を直交座標に変換した値を出
力する。

【００３０】前記画像情報変換について別の変形例をあ
げる。

【００３１】ステップ２０１の画像情報変換において、
ＲＧＢの中の２色からＲＧＢ三色画像を再生させる変換
を行ってもよい。また、ＲＧＢ三次元空間で２つの色を
２点で表したときの２点間の距離は、人が感じる色差に
比例していないため、空間内の距離が色差に比例する均
等色空間（マンセル表色系）へ変換してもよい。

【００３２】ＲＧＢのいずれか２色で表現した画像から
ＲＧＢ三色画像に変換、変換表によりマンセル表色系へ
変換を行うが、これを誤差逆伝搬法により学習させた階
層構造ニューラルネットを用いて行う。具体的には、図
１２に示すようにニューラルネットを設計する。ＳＩＤ
ＢＡの画像データのＲＧＢの中の２色を学習データとし
て階層構造ニューラルネットに与えて学習を実行させ
る。ニューラルネットの出力層の出力ユニット数は、色
の属性の数だけ用意する。すなわち、図１２に従えば、
階層構造ニューラルネットにおいて入力にＲＧＢの中の
２色を与えるとＨＶＣ値を直交座標に変換した値を出力
する。

【００３３】なお、このニューラルネットによる画像変
換は上記変換方法に限定されるものではなく、画像変換
の要旨を変えない範囲において種々変形実施可能なこと
は勿論である。

【００３４】

【発明の効果】以上説明したように本発明によれば、各
色成分に関するデータを実験結果に応じたパラメータを
有する関数に基づき変換しているので、人間の感覚に一
致した領域抽出が可能になる。

【図面の簡単な説明】

【図１】本発明の一実施例に係るパターン抽出装置のブ
ロック図である。

【図２】本発明の一実施例に係るパターン抽出装置での
処理手順を示すフローチャートである。

【図３】本発明の一実施例に係るパターン抽出装置にお
いてＲＧＢ系からマンセル表色系への変換を実現するニ
ューラルネットの構成図である。

【図４】本発明の一実施例に係るパターン抽出装置での
カラー画像分割処理手順を示すフローチャートである。

【図５】ＨＶＣヒストグラムを三次元空間におかれた数
値としてとらえた図である。

【図６】分散最大となる方向を求める処理を示す図であ
る。

【図７】ＨＶＣヒストグラムの主軸への投影を示す図で
ある。

【図８】しきい値平面を示す図である。

【図９】処理前のカラー画像を示す図である。

【図１０】処理後の画像を示す図である。

【図１１】本発明の変形例を示す図である。

【図１２】本発明の変形例を示す図である。

【符号の説明】

１０１…カラーラインセンサ、１０２…カラー画像入力
装置、１０３…第１のフレームメモリ、１０４…第２の
フレームメモリ、１０５…第３のフレームメモリ、１０
６…メモリ制御回路、１０７…ＣＰＵ、１０８…プログ
ラムメモリ、１０９…作業用メモリ、１１０…出力回
路。

Claims (2)

【特許請求の範囲】
1. 【請求項１】 複数の色で表現される情報が混在した被
   読取り物より各色成分に関するデータを収集する収集手
   段と、 この収集手段で収集された各色成分に関するデータを、
   実験結果に応じたパラメータを有する関数に基づき変換
   するデータ変換手段と、 このデータ変換手段により変換された各データに基づい
   て、前記被読取り物から特徴領域を抽出する抽出手段と
   を具備することを特徴とするパターン抽出装置。
2. 【請求項２】 請求項１記載のパターン抽出装置におい
   て、 データ変換手段による実験結果に応じたパラメータを有
   する関数に基づく変換を、ニューラルネットで実現する
   ことを特徴とするパターン抽出装置。