JPH07160885A - カラー画像認識方法 - Google Patents
カラー画像認識方法Info
- Publication number
- JPH07160885A JPH07160885A JP5310695A JP31069593A JPH07160885A JP H07160885 A JPH07160885 A JP H07160885A JP 5310695 A JP5310695 A JP 5310695A JP 31069593 A JP31069593 A JP 31069593A JP H07160885 A JPH07160885 A JP H07160885A
- Authority
- JP
- Japan
- Prior art keywords
- color image
- vector
- histogram
- distance
- color picture
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
(57)【要約】
【目的】 カラー画像の認識処理を行う際にデータ量を
圧縮して認識する。 【構成】 メッシュ分割部２は、入力カラー画像信号１
を小領域（メッシュ）に分割する。特徴量抽出部３は、
分割された小領域毎に、入力カラー画像信号ＲＧＢの特
徴量（色度ヒストグラム）を抽出し、特徴量メモリ４に
格納する。ベクトル量子化部６では、特徴量メモリ４の
色度ヒストグラムと、コードブック５との距離を算出
し、その距離が最小であるコードブックのコードを、そ
の小領域のベクトル量子化値（ＶＱ値）としてベクトル
量子化値メモリ７に保持する。認識部８では、入力画像
のベクトル量子化値ヒストグラムと、辞書のベクトル量
子化値ヒストグラムとの距離を算出し、入力カラー画像
が識別対象物であるか否かを判定する。
圧縮して認識する。 【構成】 メッシュ分割部２は、入力カラー画像信号１
を小領域（メッシュ）に分割する。特徴量抽出部３は、
分割された小領域毎に、入力カラー画像信号ＲＧＢの特
徴量（色度ヒストグラム）を抽出し、特徴量メモリ４に
格納する。ベクトル量子化部６では、特徴量メモリ４の
色度ヒストグラムと、コードブック５との距離を算出
し、その距離が最小であるコードブックのコードを、そ
の小領域のベクトル量子化値（ＶＱ値）としてベクトル
量子化値メモリ７に保持する。認識部８では、入力画像
のベクトル量子化値ヒストグラムと、辞書のベクトル量
子化値ヒストグラムとの距離を算出し、入力カラー画像
が識別対象物であるか否かを判定する。
Description
【０００１】
【産業上の利用分野】本発明は、カラー画像中の特定画
像を認識するカラー画像認識方法に関する。
像を認識するカラー画像認識方法に関する。
【０００２】
【従来の技術】カラー画像を処理する製品、例えばカラ
ー複写機、カラープリンタ、カラースキャナ、カラー画
像通信機器などは、今後ますます増加するものと予想さ
れる。カラー画像は、ハードウェアの進歩、特にメモリ
の低価格化および大容量化、通信コストの低下などによ
り、以前に比べて利用しやすくなってきたものの、カラ
ー画像データはそのデータ量が膨大（例えば、Ａ３サイ
ズで９６Ｍバイト）であるため、２値画像と同じような
処理ができないのが現状である。
ー複写機、カラープリンタ、カラースキャナ、カラー画
像通信機器などは、今後ますます増加するものと予想さ
れる。カラー画像は、ハードウェアの進歩、特にメモリ
の低価格化および大容量化、通信コストの低下などによ
り、以前に比べて利用しやすくなってきたものの、カラ
ー画像データはそのデータ量が膨大（例えば、Ａ３サイ
ズで９６Ｍバイト）であるため、２値画像と同じような
処理ができないのが現状である。
【０００３】特に、画像認識（特定画像の認識、ＯＣＲ
など）などの複雑な処理を要する技術においては、処理
量が膨大になり、カラー画像における画像認識は実現が
より困難である。
など）などの複雑な処理を要する技術においては、処理
量が膨大になり、カラー画像における画像認識は実現が
より困難である。
【０００４】
【発明が解決しようとする課題】従来、特定のカラー画
像を識別する装置として、例えば、原稿画像中の所定領
域内の色相と、その分布を抽出することによって、特定
原稿の有無を検出するカラー画像処理装置がある（特開
平４−５４６８１号公報を参照）。しかし、上記技術で
は、データ量を削減するためにサンプル点として３２点
しか用いていないので、特徴抽出すべき情報量が失われ
てしまう可能性が高く、高精度な識別を望むことができ
ない。
像を識別する装置として、例えば、原稿画像中の所定領
域内の色相と、その分布を抽出することによって、特定
原稿の有無を検出するカラー画像処理装置がある（特開
平４−５４６８１号公報を参照）。しかし、上記技術で
は、データ量を削減するためにサンプル点として３２点
しか用いていないので、特徴抽出すべき情報量が失われ
てしまう可能性が高く、高精度な識別を望むことができ
ない。
【０００５】また、近年、カラー複写機やカラープリン
タ、カラースキャナなどの機器は、その性能が飛躍的に
向上したため、それを悪用した紙幣や有価証券などの偽
造の防止手段を講じる必要が生じてきた。
タ、カラースキャナなどの機器は、その性能が飛躍的に
向上したため、それを悪用した紙幣や有価証券などの偽
造の防止手段を講じる必要が生じてきた。
【０００６】本発明の目的は、カラー画像の認識処理を
行う際に、画像認識に必要な情報量を確保しつつ、デー
タ量を圧縮して対象物を高精度に認識するカラー画像認
識方法を提供することにある。
行う際に、画像認識に必要な情報量を確保しつつ、デー
タ量を圧縮して対象物を高精度に認識するカラー画像認
識方法を提供することにある。
【０００７】本発明の他の目的は、紙幣などの特定対象
物を認識したとき、その出力画像を劣化させることによ
り、紙幣などの偽造を防止するようにしたカラー画像認
識方法を提供することにある。
物を認識したとき、その出力画像を劣化させることによ
り、紙幣などの偽造を防止するようにしたカラー画像認
識方法を提供することにある。
【０００８】
【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、入力されたカラー画像信
号を複数の領域に分割し、該分割された領域内のカラー
画像から特徴量を抽出し、該抽出された特徴量を、予め
作成されたコードブックと比較することによりベクトル
量子化し、前記カラー画像のベクトル量子化された値と
識別対象物の辞書とを照合することにより、前記カラー
画像を認識処理することを特徴としている。
に、請求項１記載の発明では、入力されたカラー画像信
号を複数の領域に分割し、該分割された領域内のカラー
画像から特徴量を抽出し、該抽出された特徴量を、予め
作成されたコードブックと比較することによりベクトル
量子化し、前記カラー画像のベクトル量子化された値と
識別対象物の辞書とを照合することにより、前記カラー
画像を認識処理することを特徴としている。
【０００９】請求項２記載の発明では、前記カラー画像
から選択した画素を用いて特徴量を求めることを特徴と
している。
から選択した画素を用いて特徴量を求めることを特徴と
している。
【００１０】請求項３記載の発明では、前記特徴量を所
定の変換式により変換圧縮することを特徴としている。
定の変換式により変換圧縮することを特徴としている。
【００１１】請求項４記載の発明では、前記照合時にベ
クトル量子化された値と識別対象物の辞書との距離を計
算し、該距離と所定の閾値との比較結果に基づいて前記
カラー画像中に識別対象物が含まれているか否かを認識
することを特徴としている。
クトル量子化された値と識別対象物の辞書との距離を計
算し、該距離と所定の閾値との比較結果に基づいて前記
カラー画像中に識別対象物が含まれているか否かを認識
することを特徴としている。
【００１２】請求項５記載の発明では、前記所定の閾値
を、識別すべき対象物毎に設定し、識別対象物の特性に
合わせた認識処理を行うことを特徴としている。
を、識別すべき対象物毎に設定し、識別対象物の特性に
合わせた認識処理を行うことを特徴としている。
【００１３】請求項６記載の発明では、前記識別対象物
が紙幣や有価証券などを含む特定対象物であると認識さ
れたとき、該特定対象物の出力画像を劣化させることを
特徴としている。
が紙幣や有価証券などを含む特定対象物であると認識さ
れたとき、該特定対象物の出力画像を劣化させることを
特徴としている。
【００１４】
【作用】入力されたカラー画像信号ＲＧＢはメッシュ分
割部で小領域（メッシュ）に分割される。特徴量抽出部
では、分割された小領域毎に、入力カラー画像信号ＲＧ
Ｂの色度ヒストグラムを作成して、特徴量メモリに格納
する。識別対象物の色度ヒストグラムを予め作成して、
コードブックに格納しておく。そして、ベクトル量子化
部では、特徴量メモリの色度ヒストグラムと、コードブ
ックとの距離を算出し、その距離が最小であるコードブ
ックのコードを、その小領域のベクトル量子化値として
ベクトル量子化値メモリに保持する。辞書には、識別対
象物について予めベクトル量子化値ヒストグラムを求め
て格納しておく。認識部では、入力画像のベクトル量子
化値ヒストグラムと、辞書のベクトル量子化値ヒストグ
ラムとの距離を算出し、入力カラー画像が識別対象であ
るか否かを判定する。これにより、データ量を圧縮でき
るとともに、高精度に対象物を認識することが可能とな
る。
割部で小領域（メッシュ）に分割される。特徴量抽出部
では、分割された小領域毎に、入力カラー画像信号ＲＧ
Ｂの色度ヒストグラムを作成して、特徴量メモリに格納
する。識別対象物の色度ヒストグラムを予め作成して、
コードブックに格納しておく。そして、ベクトル量子化
部では、特徴量メモリの色度ヒストグラムと、コードブ
ックとの距離を算出し、その距離が最小であるコードブ
ックのコードを、その小領域のベクトル量子化値として
ベクトル量子化値メモリに保持する。辞書には、識別対
象物について予めベクトル量子化値ヒストグラムを求め
て格納しておく。認識部では、入力画像のベクトル量子
化値ヒストグラムと、辞書のベクトル量子化値ヒストグ
ラムとの距離を算出し、入力カラー画像が識別対象であ
るか否かを判定する。これにより、データ量を圧縮でき
るとともに、高精度に対象物を認識することが可能とな
る。
【００１５】
【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。図１は、本発明の実施例の構成を示す。
図１において、入力されたカラー画像信号（ＲＧＢ）１
から得られたカラー画像を小領域（メッシュ）に分割す
るメッシュ分割部２と、小領域内のカラー画像データか
ら特徴量を抽出する特徴量抽出部３と、抽出した特徴量
を格納する特徴量メモリ４と、抽出した特徴量を予め作
成してあるコードブック５と比較することによりベクト
ル量子化を行うベクトル量子化部６と、ベクトル量子化
値を保持するベクトル量子化値メモリ７と、該メモリと
識別対象物の辞書９とを照合して認識処理を行う認識部
８と、全体を制御する制御部１０とから構成されてい
る。
的に説明する。図１は、本発明の実施例の構成を示す。
図１において、入力されたカラー画像信号（ＲＧＢ）１
から得られたカラー画像を小領域（メッシュ）に分割す
るメッシュ分割部２と、小領域内のカラー画像データか
ら特徴量を抽出する特徴量抽出部３と、抽出した特徴量
を格納する特徴量メモリ４と、抽出した特徴量を予め作
成してあるコードブック５と比較することによりベクト
ル量子化を行うベクトル量子化部６と、ベクトル量子化
値を保持するベクトル量子化値メモリ７と、該メモリと
識別対象物の辞書９とを照合して認識処理を行う認識部
８と、全体を制御する制御部１０とから構成されてい
る。
【００１６】〈実施例１〉入力カラー画像信号ＲＧＢを
予め定められた小領域（メッシュ）に分割する。分割さ
れた小領域（メッシュ）毎に、入力カラー画像信号ＲＧ
Ｂの特徴量を抽出する。本実施例では、その特徴量とし
て色度ヒストグラムを用いる。すなわち、特徴量抽出部
３では、入力カラー画像信号ＲＧＢを以下に示す色度Ｐ
ｒ、Ｐｇに変換し、予め定められた小領域（メッシュ）
毎に色度Ｐｒ、Ｐｇの値のヒストグラムを作成し、特徴
量メモリ４に格納する。このように、色度変換されたカ
ラー画像は、色合い情報だけを持つので、照明むらが除
去されて対象物を抽出する場合などに有効となる。
予め定められた小領域（メッシュ）に分割する。分割さ
れた小領域（メッシュ）毎に、入力カラー画像信号ＲＧ
Ｂの特徴量を抽出する。本実施例では、その特徴量とし
て色度ヒストグラムを用いる。すなわち、特徴量抽出部
３では、入力カラー画像信号ＲＧＢを以下に示す色度Ｐ
ｒ、Ｐｇに変換し、予め定められた小領域（メッシュ）
毎に色度Ｐｒ、Ｐｇの値のヒストグラムを作成し、特徴
量メモリ４に格納する。このように、色度変換されたカ
ラー画像は、色合い情報だけを持つので、照明むらが除
去されて対象物を抽出する場合などに有効となる。
【００１７】図２は、原画像を小領域（メッシュ）に分
割した図を示し、この例では、小領域は６４画素×６４
画素のサイズである。
割した図を示し、この例では、小領域は６４画素×６４
画素のサイズである。
【００１８】Ｐｒ＝２５６＊Ｒ／（Ｒ＋Ｇ＋Ｂ） Ｐｇ＝２５６＊Ｇ／（Ｒ＋Ｇ＋Ｂ） ここで、Ｒ、Ｇ、Ｂは入力された各８ビットのカラー画
像信号である。なお、Ｐｒ、Ｐｇを２５６倍しているの
はＰｒ、Ｐｇも８ビットで表現するためである。
像信号である。なお、Ｐｒ、Ｐｇを２５６倍しているの
はＰｒ、Ｐｇも８ビットで表現するためである。
【００１９】また、上記した例では、ｒ，ｇの色度ヒス
トグラムを特徴量としたが、本発明はこれに限定される
ものではなく、ｂの色度ヒストグラムを用いてもよい
し、色度の他に色相や彩度などの特徴量を用いることが
できる。
トグラムを特徴量としたが、本発明はこれに限定される
ものではなく、ｂの色度ヒストグラムを用いてもよい
し、色度の他に色相や彩度などの特徴量を用いることが
できる。
【００２０】図３は、小領域内の色度ヒストグラムを、
コードブックを参照してベクトル量子化する例を示す図
である。
コードブックを参照してベクトル量子化する例を示す図
である。
【００２１】図３において、３１は、特徴量メモリ４に
格納された小領域内の色度ヒストグラム（Ｈｉ）を示
す。ｉ＝０〜２５５の次元におけるＨ（ｉ）はＰｒを表
し、ｉ＝２５６〜５１１の次元におけるＨ（ｉ）はＰｇ
を表す。また、３２は、予め作成されたコードブック
（Ｃ０、Ｃ１、Ｃ２．．．）の内容を示す。
格納された小領域内の色度ヒストグラム（Ｈｉ）を示
す。ｉ＝０〜２５５の次元におけるＨ（ｉ）はＰｒを表
し、ｉ＝２５６〜５１１の次元におけるＨ（ｉ）はＰｇ
を表す。また、３２は、予め作成されたコードブック
（Ｃ０、Ｃ１、Ｃ２．．．）の内容を示す。
【００２２】ここで、コードブックは、識別対象物ある
いは一般の原稿を多数入力し、同様の条件で色度ヒスト
グラムのデータを大量に作成し、これらをクラスタリン
グすることで代表的な色度ヒストグラム（コードブッ
ク）を求めて作成する。
いは一般の原稿を多数入力し、同様の条件で色度ヒスト
グラムのデータを大量に作成し、これらをクラスタリン
グすることで代表的な色度ヒストグラム（コードブッ
ク）を求めて作成する。
【００２３】ベクトル量子化部６では、この色度ヒスト
グラム（Ｈｉ）３１と、コードブックの内容３２とをマ
ッチングして距離（ＤＣｊ）を算出し、その距離（一般
には、ユークリッド距離の２乗として定義された２乗ひ
ずみ測度）が最小であるコードブックのコード（Ｃｊ）
を、その小領域のベクトル量子化値（ＶＱ値）としてベ
クトル量子化値メモリ７に保持する。
グラム（Ｈｉ）３１と、コードブックの内容３２とをマ
ッチングして距離（ＤＣｊ）を算出し、その距離（一般
には、ユークリッド距離の２乗として定義された２乗ひ
ずみ測度）が最小であるコードブックのコード（Ｃｊ）
を、その小領域のベクトル量子化値（ＶＱ値）としてベ
クトル量子化値メモリ７に保持する。
【００２４】図４は、入力画像のベクトル量子化値（Ｖ
Ｑ値）の例を示す。各桝目は、前述した一つの小領域に
対応し、各桝目内の数値はベクトル量子化値（ＶＱ値）
である。そして、これらのベクトル量子化値（ＶＱ値）
についてヒストグラムを作成する。
Ｑ値）の例を示す。各桝目は、前述した一つの小領域に
対応し、各桝目内の数値はベクトル量子化値（ＶＱ値）
である。そして、これらのベクトル量子化値（ＶＱ値）
についてヒストグラムを作成する。
【００２５】図５は、認識時における入力画像のベクト
ル量子化値のヒストグラムと辞書のベクトル量子化値の
ヒストグラムとのマッチングを説明する図である。図に
おいての４１は、作成されたベクトル量子化値のヒスト
グラム例を示す。また、４２は、識別対象物の辞書内容
を示し、入力画像と同様に、ベクトル量子化値ヒストグ
ラムで表現されて予め作成されている。図の場合は、例
えば、識別対象物Ａ，Ｂ，Ｃ．．（コードブック数が６
４）のベクトル量子化値ヒストグラムが格納されてい
る。
ル量子化値のヒストグラムと辞書のベクトル量子化値の
ヒストグラムとのマッチングを説明する図である。図に
おいての４１は、作成されたベクトル量子化値のヒスト
グラム例を示す。また、４２は、識別対象物の辞書内容
を示し、入力画像と同様に、ベクトル量子化値ヒストグ
ラムで表現されて予め作成されている。図の場合は、例
えば、識別対象物Ａ，Ｂ，Ｃ．．（コードブック数が６
４）のベクトル量子化値ヒストグラムが格納されてい
る。
【００２６】認識部８では、入力画像のベクトル量子化
値ヒストグラム４１と、辞書のベクトル量子化値ヒスト
グラム４２とマッチングして距離（ＤＴｋ）を算出し、
距離（ＤＴｋ）が最小となる識別対象（ｋ）を、入力カ
ラー画像と判定する。
値ヒストグラム４１と、辞書のベクトル量子化値ヒスト
グラム４２とマッチングして距離（ＤＴｋ）を算出し、
距離（ＤＴｋ）が最小となる識別対象（ｋ）を、入力カ
ラー画像と判定する。
【００２７】〈実施例２〉上記した実施例１では全画素
を用いて色度ヒストグラムを作成しているが、これでは
処理量が膨大になる。そこで、実施例２では、図６に示
すように、色度ヒストグラムを求める画素をＭ画素間隔
で間引いて行う。間引きの方法としては、例えば８画素
間隔でサンプルして色度を求める画素を選択する方法を
採る。
を用いて色度ヒストグラムを作成しているが、これでは
処理量が膨大になる。そこで、実施例２では、図６に示
すように、色度ヒストグラムを求める画素をＭ画素間隔
で間引いて行う。間引きの方法としては、例えば８画素
間隔でサンプルして色度を求める画素を選択する方法を
採る。
【００２８】〈実施例３〉実施例１において、色度ヒス
トグラム作成時に、ｒ、ｇ各８ビットでヒストグラムを
作成すると、５１２次元の特徴量にあり、メモリ容量も
増大し、マッチング処理にも時間がかかる。
トグラム作成時に、ｒ、ｇ各８ビットでヒストグラムを
作成すると、５１２次元の特徴量にあり、メモリ容量も
増大し、マッチング処理にも時間がかかる。
【００２９】そこで、本実施例では、例えば以下のよう
な変換を行って、特徴量次元を６４次元に圧縮してから
前述したと同様の処理を行う。
な変換を行って、特徴量次元を６４次元に圧縮してから
前述したと同様の処理を行う。
【００３０】 Ｐｒ’＝０ （Ｐｒ≦６４） ＝（Ｐｒ−６４）／４ （６４＜Ｐｒ≦１９２） ＝３１ （１９２＜Ｐｒ） Ｐｇ’＝３２ （Ｐｇ≦６４） ＝（Ｐｇ−６４）／４＋３２ （６４＜Ｐｇ≦１９２） ＝６３ （１９２＜Ｐｇ） 〈実施例４〉実施例１において、辞書とのマッチングを
行う際、有効距離の閾値を設定しておき、求めた距離と
閾値との比較を行い、距離が閾値以下ならばその辞書内
の識別対象物を識別候補にするが、閾値より大きい場合
には、識別候補にしないようにする。これにより、マッ
チングした結果、識別候補がない場合には入力カラー画
像に特定の対象物が存在しないと判定できるようにな
る。
行う際、有効距離の閾値を設定しておき、求めた距離と
閾値との比較を行い、距離が閾値以下ならばその辞書内
の識別対象物を識別候補にするが、閾値より大きい場合
には、識別候補にしないようにする。これにより、マッ
チングした結果、識別候補がない場合には入力カラー画
像に特定の対象物が存在しないと判定できるようにな
る。
【００３１】〈実施例５〉実施例４において、上記した
閾値を各識別対象物毎に設定し、求めた距離と各識別対
象物毎の閾値の比較を行い、距離が閾値以下ならばその
識別対象物を識別候補にするが、閾値より大きい場合に
はその識別対象物を識別候補にしないようにする。これ
により、複数の対象物を識別する際に、対象物の特性を
活かしたマッチング処理が可能になる。より具体的にい
えば、ある対象物ｋが対象物ｋ以外の原稿ｊと間違え易
い場合には、この対象物ｋの閾値を低くすることで、対
象物ｋと原稿ｊとを高精度に識別することができ、誤認
識を防止することが可能となる。
閾値を各識別対象物毎に設定し、求めた距離と各識別対
象物毎の閾値の比較を行い、距離が閾値以下ならばその
識別対象物を識別候補にするが、閾値より大きい場合に
はその識別対象物を識別候補にしないようにする。これ
により、複数の対象物を識別する際に、対象物の特性を
活かしたマッチング処理が可能になる。より具体的にい
えば、ある対象物ｋが対象物ｋ以外の原稿ｊと間違え易
い場合には、この対象物ｋの閾値を低くすることで、対
象物ｋと原稿ｊとを高精度に識別することができ、誤認
識を防止することが可能となる。
【００３２】〈実施例６〉上記実施例１〜５において、
前記した識別対象物を紙幣や有価証券などとし、入力画
像中にこのような対象物が含まれていると判定された場
合に、出力に一様なインクを載せて出力画像を劣化させ
るようにしたり、あるいは出力を途中で止めたりする。
これにより、カラー複写機などのカラー画像処理装置を
悪用した紙幣などの偽造を防止することができる。
前記した識別対象物を紙幣や有価証券などとし、入力画
像中にこのような対象物が含まれていると判定された場
合に、出力に一様なインクを載せて出力画像を劣化させ
るようにしたり、あるいは出力を途中で止めたりする。
これにより、カラー複写機などのカラー画像処理装置を
悪用した紙幣などの偽造を防止することができる。
【００３３】
【発明の効果】以上、説明したように、請求項１記載の
発明によれば、対象物から特徴を抽出後にベクトル量子
化しているので、認識対象物の情報量が失われることな
く、処理データ量を圧縮することができると共に辞書を
コンパクトに構成することができ、さらに特定画像を精
度よく認識することができる。
発明によれば、対象物から特徴を抽出後にベクトル量子
化しているので、認識対象物の情報量が失われることな
く、処理データ量を圧縮することができると共に辞書を
コンパクトに構成することができ、さらに特定画像を精
度よく認識することができる。
【００３４】請求項２、３記載の発明によれば、特徴量
を圧縮しているので、より一層処理データ量を圧縮する
ことができる。
を圧縮しているので、より一層処理データ量を圧縮する
ことができる。
【００３５】請求項４、５記載の発明によれば、辞書と
のマッチングを行う際に、算出された距離と設定された
閾値とを比較しているので、認識精度をより一層向上さ
せることができる。
のマッチングを行う際に、算出された距離と設定された
閾値とを比較しているので、認識精度をより一層向上さ
せることができる。
【００３６】請求項６記載の発明によれば、カラースキ
ャナなどの画像読み取り装置から入力されたカラー画像
中の紙幣などの画像を高精度に認識できるので、カラー
複写機を悪用した紙幣や有価証券などの偽造を防止する
ことができる。
ャナなどの画像読み取り装置から入力されたカラー画像
中の紙幣などの画像を高精度に認識できるので、カラー
複写機を悪用した紙幣や有価証券などの偽造を防止する
ことができる。
【図１】本発明の実施例の構成を示す。
【図２】原画像を小領域に分割した図を示す。
【図３】小領域内の色度ヒストグラムを、コードブック
を参照してベクトル量子化する例を示す図である。
を参照してベクトル量子化する例を示す図である。
【図４】入力画像のベクトル量子化値（ＶＱ値）の例を
示す図である。
示す図である。
【図５】認識時における入力画像のベクトル量子化値ヒ
ストグラムと辞書のベクトル量子化値ヒストグラムとの
マッチングを説明する図である。
ストグラムと辞書のベクトル量子化値ヒストグラムとの
マッチングを説明する図である。
【図６】特徴抽出時におけるサンプリング点を示す図で
ある。
ある。
１ カラー画像信号 ２ メッシュ分割部 ３ 特徴量抽出部 ４ 特徴量メモリ ５ コードブック ６ ベクトル量子化部 ７ ベクトル量子化値メモリ ８ 認識部 ９ 辞書 １０ 制御部
Claims (6)
- 【請求項１】 入力されたカラー画像信号を複数の領域
に分割し、該分割された領域内のカラー画像から特徴量
を抽出し、該抽出された特徴量を、予め作成されたコー
ドブックと比較することによりベクトル量子化し、前記
カラー画像のベクトル量子化された値と識別対象物の辞
書とを照合することにより、前記カラー画像を認識処理
することを特徴とするカラー画像認識方法。 - 【請求項２】 前記カラー画像から選択した画素を用い
て特徴量を求めることを特徴とする請求項１記載のカラ
ー画像認識方法。 - 【請求項３】 前記特徴量を所定の変換式により変換圧
縮することを特徴とする請求項１記載のカラー画像認識
方法。 - 【請求項４】 前記照合時にベクトル量子化された値と
識別対象物の辞書との距離を計算し、該距離と所定の閾
値との比較結果に基づいて、前記カラー画像中に識別対
象物が含まれているか否かを認識することを特徴とする
請求項１記載のカラー画像認識方法。 - 【請求項５】 前記所定の閾値を、識別すべき対象物毎
に設定し、識別対象物の特性に合わせた認識処理を行う
ことを特徴とする請求項４記載のカラー画像認識方法。 - 【請求項６】 前記識別対象物が紙幣や有価証券などを
含む特定対象物であると認識されたとき、該特定対象物
の出力画像を劣化させることを特徴とする請求項１〜５
のいずれか一つに記載のカラー画像認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5310695A JPH07160885A (ja) | 1993-12-10 | 1993-12-10 | カラー画像認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5310695A JPH07160885A (ja) | 1993-12-10 | 1993-12-10 | カラー画像認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07160885A true JPH07160885A (ja) | 1995-06-23 |
Family
ID=18008354
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5310695A Pending JPH07160885A (ja) | 1993-12-10 | 1993-12-10 | カラー画像認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07160885A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6738527B2 (en) | 1997-06-09 | 2004-05-18 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, and image evaluation method and a medium on which an image evaluation program is recorded |
| JP2014153814A (ja) * | 2013-02-06 | 2014-08-25 | Toshiba Corp | パターン認識装置、その方法、及び、そのプログラム |
-
1993
- 1993-12-10 JP JP5310695A patent/JPH07160885A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6738527B2 (en) | 1997-06-09 | 2004-05-18 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, and image evaluation method and a medium on which an image evaluation program is recorded |
| US7259894B2 (en) | 1997-06-09 | 2007-08-21 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
| US7508548B2 (en) | 1997-06-09 | 2009-03-24 | Seiko Epson Corporation | Image processing method and image processing apparatus |
| US7755801B2 (en) | 1997-06-09 | 2010-07-13 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
| US7940426B2 (en) | 1997-06-09 | 2011-05-10 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
| US8553285B2 (en) | 1997-06-09 | 2013-10-08 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
| US8681380B2 (en) | 1997-06-09 | 2014-03-25 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
| US8867099B2 (en) | 1997-06-09 | 2014-10-21 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
| JP2014153814A (ja) * | 2013-02-06 | 2014-08-25 | Toshiba Corp | パターン認識装置、その方法、及び、そのプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1158453B1 (en) | Image extraction method and apparatus, and image recognition method and apparatus, for extracting/recognizing specific image from input image signal | |
| US5631984A (en) | Method and apparatus for separating static and dynamic portions of document images | |
| KR100339691B1 (ko) | 코드인식을 위한 장치 및 그 방법 | |
| US6272245B1 (en) | Apparatus and method for pattern recognition | |
| CN109784342B (zh) | 一种基于深度学习模型的ocr识别方法及终端 | |
| US6757426B2 (en) | System and method for image processing by automatic color dropout | |
| JP3335009B2 (ja) | 画像処理方法及び画像処理装置 | |
| EP0933719B1 (en) | Image processing method and apparatus | |
| JP2008301476A (ja) | 画像処理装置、画像形成装置、画像読取装置、画像処理システム、画像処理方法、画像処理プログラムおよびその記録媒体 | |
| CN101320425B (zh) | 图像处理装置及方法、图像形成装置 | |
| Mahale et al. | Image inconsistency detection using local binary pattern (LBP) | |
| Jarusek et al. | Photomontage detection using steganography technique based on a neural network | |
| EP2383697A1 (en) | Image identifier extracting apparatus | |
| US6507671B1 (en) | Method and system for dropping template from a filled in image | |
| Wu et al. | A printer forensics method using halftone dot arrangement model | |
| JP4458429B2 (ja) | カラー画像認識方法および装置 | |
| US6694059B1 (en) | Robustness enhancement and evaluation of image information extraction | |
| JPH07160885A (ja) | カラー画像認識方法 | |
| JPH07160886A (ja) | 対象物抽出方法およびカラー画像認識方法 | |
| JPH07262373A (ja) | カラー画像認識方法 | |
| CN107609595B (zh) | 一种线裁剪图像检测方法 | |
| JP3496893B2 (ja) | カラー画像認識方法および装置 | |
| CN113255657B (zh) | 票据表面刮痕检测方法、装置、电子设备、机器可读介质 | |
| JPH0662234A (ja) | 画像形成装置 | |
| JP2004005715A (ja) | カラー画像認識方法および装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |