JPH0749927A - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JPH0749927A JPH0749927A JP5196553A JP19655393A JPH0749927A JP H0749927 A JPH0749927 A JP H0749927A JP 5196553 A JP5196553 A JP 5196553A JP 19655393 A JP19655393 A JP 19655393A JP H0749927 A JPH0749927 A JP H0749927A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- pixels
- columns
- rows
- pixel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/184—Extraction of features or characteristics of the image by analysing segments intersecting the pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
(57)【要約】
【目的】 ある程度変形しうるパターンに対する認識精
度を少ないデータ量を用いて向上させる。 【構成】 画素を所定の規準で１列に並べてベクトルと
し、各ベクトルにベクトル番号を付けｖi で表す。標準
パターンｋの画素のベクトルｖｋi と、これを変形させ
たベクトルとの群をベクトルｖｋの辞書ベクトルＧｋi
とする。認識対象の画素のベクトルｖi と、標準のパタ
ーンｋ，（ｋ＝１〜ｋ）の辞書ベクトルＧｋi と比較
し、一致した時、標準パターンｋに加点し、この加点の
積算値が最も大きい標準パターンｑを認識対象が表す標
準パターンと判定する。
度を少ないデータ量を用いて向上させる。 【構成】 画素を所定の規準で１列に並べてベクトルと
し、各ベクトルにベクトル番号を付けｖi で表す。標準
パターンｋの画素のベクトルｖｋi と、これを変形させ
たベクトルとの群をベクトルｖｋの辞書ベクトルＧｋi
とする。認識対象の画素のベクトルｖi と、標準のパタ
ーンｋ，（ｋ＝１〜ｋ）の辞書ベクトルＧｋi と比較
し、一致した時、標準パターンｋに加点し、この加点の
積算値が最も大きい標準パターンｑを認識対象が表す標
準パターンと判定する。
Description
【０００１】
【産業上の利用分野】本発明は、ある程度変形するパタ
ーンの識別精度を保ちながら辞書容量を制限できるパタ
ーン認識方法に関する。
ーンの識別精度を保ちながら辞書容量を制限できるパタ
ーン認識方法に関する。
【０００２】
【従来の技術】文字や図形の認識方法として、対象の持
つ図形的な特徴を抽出して認識する方法と、標準パター
ンと比較して判定するパターンマッチングによる方法と
がある。後者の方法は、一般に高速を求める用途に広く
用いられている。
つ図形的な特徴を抽出して認識する方法と、標準パター
ンと比較して判定するパターンマッチングによる方法と
がある。後者の方法は、一般に高速を求める用途に広く
用いられている。
【０００３】パターンマッチング方法は、認識対象の文
字を撮像し、シェーディング補正、文字領域確定、２値
化処理等の前処理をした後、必要であれば正規化により
文字の大きさを一定とし、同様にして正規化された標準
のパターン（テンプレート）と比較して、一致したテン
プレートの文字を認識対象が表す文字と判定する方法で
あり極めて一般的である。
字を撮像し、シェーディング補正、文字領域確定、２値
化処理等の前処理をした後、必要であれば正規化により
文字の大きさを一定とし、同様にして正規化された標準
のパターン（テンプレート）と比較して、一致したテン
プレートの文字を認識対象が表す文字と判定する方法で
あり極めて一般的である。
【０００４】
【発明が解決しようとする課題】パターンマッチングを
行う場合、従来は認識対象の文字（以下文字と図形を含
めて文字と表現する）は変形しないという前提に立って
いた。このため、文字の変形、特に太さの変化によって
判定精度が極端に落ちてしまうことが多かった。即ち、
太さの変化によるミスマッチの度合いは、異なった文字
との照合によるミスマッチの度合いに比し、無視できな
いくらい大きい。図１０は異なった文字との照合と、太
った文字との照合におけるミスマッチを説明する図で、
（ａ）は「２」と「３」のミスマッチの度合いを示し、
（ｂ）は標準の「３」と「太った３」とのミスマッチの
度合いを示す。異なった文字とのミスマッチの度合い
が、同じ文字の太った、又は痩せた文字とのミスマッチ
の度合いとほぼ同程度となることがあり、パターンマッ
チングの実用性を低下させていた。また、文字の太っ
た、又は痩せたという変形以外に、かすれ、回転、撮像
条件の変化などによる変形もミスマッチの原因となって
いた。
行う場合、従来は認識対象の文字（以下文字と図形を含
めて文字と表現する）は変形しないという前提に立って
いた。このため、文字の変形、特に太さの変化によって
判定精度が極端に落ちてしまうことが多かった。即ち、
太さの変化によるミスマッチの度合いは、異なった文字
との照合によるミスマッチの度合いに比し、無視できな
いくらい大きい。図１０は異なった文字との照合と、太
った文字との照合におけるミスマッチを説明する図で、
（ａ）は「２」と「３」のミスマッチの度合いを示し、
（ｂ）は標準の「３」と「太った３」とのミスマッチの
度合いを示す。異なった文字とのミスマッチの度合い
が、同じ文字の太った、又は痩せた文字とのミスマッチ
の度合いとほぼ同程度となることがあり、パターンマッ
チングの実用性を低下させていた。また、文字の太っ
た、又は痩せたという変形以外に、かすれ、回転、撮像
条件の変化などによる変形もミスマッチの原因となって
いた。
【０００５】このような不具合を回避するため、通常考
えられる方法は、ｍ行×ｎ列のマトリックス平面で表し
得るあらゆる組み合わせに対し、ただ１種類の判定結果
を得ることができるように学習した辞書を準備すること
である。つまりパターンマッチングを各画素ごとに行う
ことになり、この方法は一般的には実現し難い。なぜな
ら、実用的に文字を表現し得るマトリックスサイズ、例
えば１０×１０を考えた場合、その組み合わせは２100
となり、とても実現可能な数ではない。このため少ない
データ量で効率のよいパターンマッチングを行うことが
望まれる。
えられる方法は、ｍ行×ｎ列のマトリックス平面で表し
得るあらゆる組み合わせに対し、ただ１種類の判定結果
を得ることができるように学習した辞書を準備すること
である。つまりパターンマッチングを各画素ごとに行う
ことになり、この方法は一般的には実現し難い。なぜな
ら、実用的に文字を表現し得るマトリックスサイズ、例
えば１０×１０を考えた場合、その組み合わせは２100
となり、とても実現可能な数ではない。このため少ない
データ量で効率のよいパターンマッチングを行うことが
望まれる。
【０００６】本発明は上述の問題点に鑑みてなされたも
ので、ある程度変形した文字や図形に対しても認識精度
が高く、かつ実用的なハードウェア構成で実現可能なパ
ターンマッチング方法を提供することを目的とする。
ので、ある程度変形した文字や図形に対しても認識精度
が高く、かつ実用的なハードウェア構成で実現可能なパ
ターンマッチング方法を提供することを目的とする。
【０００７】
【課題を解決するための手段】上記目的を達成するた
め、ｍ行×ｎ列の２値画素で構成された画像より所定の
規準で１列に並べた複数の画素列を構成し、この各画素
列をベクトルと称し、各ベクトルを番号付けしてｖi で
表し、ｋ個の異なる標準の表示体ｋ，（ｋ＝１〜ｋ）を
ｍ行×ｎ列の２値画素で表した標準画像ｋ，（ｋ＝１〜
ｋ）のベクトルｇkiと、このベクトルｇkiの構成画素に
所定の変形を加えた複数の変形ベクトルｇki′とからな
るベクトル群をベクトルｇkiの辞書ベクトルＧkiとし、
認識対象を撮像してｍ行×ｎ列の２値画素で表示し、こ
のベクトルｖi のうち、複数の所定のベクトルを選択
し、この各所定ベクトルと、この所定ベクトルに対応す
る各標準の表示体ｋの辞書ベクトルとを比較し、一致し
た辞書ベクトルを有する表示体ｐ，（１≦ｐ≦ｋ）に加
点し、この加点の積算値が最も大きい表示体ｑ，（１≦
ｑ≦ｋ）を認識対象の表す表示体と判定する。
め、ｍ行×ｎ列の２値画素で構成された画像より所定の
規準で１列に並べた複数の画素列を構成し、この各画素
列をベクトルと称し、各ベクトルを番号付けしてｖi で
表し、ｋ個の異なる標準の表示体ｋ，（ｋ＝１〜ｋ）を
ｍ行×ｎ列の２値画素で表した標準画像ｋ，（ｋ＝１〜
ｋ）のベクトルｇkiと、このベクトルｇkiの構成画素に
所定の変形を加えた複数の変形ベクトルｇki′とからな
るベクトル群をベクトルｇkiの辞書ベクトルＧkiとし、
認識対象を撮像してｍ行×ｎ列の２値画素で表示し、こ
のベクトルｖi のうち、複数の所定のベクトルを選択
し、この各所定ベクトルと、この所定ベクトルに対応す
る各標準の表示体ｋの辞書ベクトルとを比較し、一致し
た辞書ベクトルを有する表示体ｐ，（１≦ｐ≦ｋ）に加
点し、この加点の積算値が最も大きい表示体ｑ，（１≦
ｑ≦ｋ）を認識対象の表す表示体と判定する。
【０００８】また、前記所定の規準で１列に並べた複数
の画素列をｍ行×ｎ列の画素のｍ個の行とする。
の画素列をｍ行×ｎ列の画素のｍ個の行とする。
【０００９】また、前記所定の規準で１列に並べた複数
の画素列をｍ行×ｎ列の画素のｎ個の列とする。
の画素列をｍ行×ｎ列の画素のｎ個の列とする。
【００１０】また、前記所定の規準で例に並べた複数の
画素列をｍ行×ｎ列の画素で構成される画像の４５°方
向に並んだ画素より構成した画素列とする。
画素列をｍ行×ｎ列の画素で構成される画像の４５°方
向に並んだ画素より構成した画素列とする。
【００１１】また、前記所定の規準で１列に並べた複数
の画素列を、ｍ行×ｎ列の画素で構成される画像より表
示体の特徴を表す任意の画素を任意の順序で任意の個数
取り出して構成した画素列とする。
の画素列を、ｍ行×ｎ列の画素で構成される画像より表
示体の特徴を表す任意の画素を任意の順序で任意の個数
取り出して構成した画素列とする。
【００１２】前記所定の規準で１列に並べた複数の画素
列を、ｍ行×ｎ列の画素で構成される画像のｍ個の行；
ｍ行×ｎ列の画素で構成される画像のｎ個の列；ｍ行×
ｎ列の画素で構成される画像の４５°方向に並んだ画素
より構成される画素列；ｍ行×ｎ列の画素で構成される
画像より表示体の特徴を表す任意の画素を任意の順序で
任意の個数取り出して構成した画素列の少なくとも２つ
の組み合わせにより構成する。
列を、ｍ行×ｎ列の画素で構成される画像のｍ個の行；
ｍ行×ｎ列の画素で構成される画像のｎ個の列；ｍ行×
ｎ列の画素で構成される画像の４５°方向に並んだ画素
より構成される画素列；ｍ行×ｎ列の画素で構成される
画像より表示体の特徴を表す任意の画素を任意の順序で
任意の個数取り出して構成した画素列の少なくとも２つ
の組み合わせにより構成する。
【００１３】また、前記標準の表示体ｋ，（ｋ＝１〜
ｋ）より撮像条件を変えて、標準画像を元の標準画像ｋ
も含めてＮ個作成し、このＮ個の標準画像について、そ
れぞれ辞書ベクトルを作成し、この辞書ベクトル群をベ
クトルｇkiの辞書ベクトルＧkiとする。
ｋ）より撮像条件を変えて、標準画像を元の標準画像ｋ
も含めてＮ個作成し、このＮ個の標準画像について、そ
れぞれ辞書ベクトルを作成し、この辞書ベクトル群をベ
クトルｇkiの辞書ベクトルＧkiとする。
【００１４】また、前記所定の変形としてベクトルの画
素１または０が１どうし又は０どうしで連続するかたま
りをセグメントまたはセグメント群とし、このセグメン
トを構成する画素の数を変化させるようにする。
素１または０が１どうし又は０どうしで連続するかたま
りをセグメントまたはセグメント群とし、このセグメン
トを構成する画素の数を変化させるようにする。
【００１５】
【作用】ベクトルは、ｍ行×ｎ列の２値画素で構成され
る画像の画素をある規準で一列に並べた画素列で、原画
像に対し複数のベクトルが定義される。ベクトルは識別
のため番号付けし、ｖi で表す。標準の表示体ｋをｍ行
×ｎ列の画素で表した標準画像ｋに対し定義したベクト
ルの１つをｇkiとし、このベクトルｇkiを構成する画素
を所定の方法で変形させたｇki′を複数個を作成し、こ
のｇkiとｇki′との群を、ベクトルｇkiの辞書ベクトル
Ｇkiとする。被認識対象を撮像してｍ行×ｎ列の２値画
素で表し、この画像のベクトルｖi の内、所定のベクト
ルを選択して取り出す。この所定のベクトルと、これに
対応する各標準の表示体ｋ，（ｋ＝１〜ｋ）の辞書ベク
トルとを比較し、一致した辞書ベクトルを有する表示体
ｐに加点をし、この加点が最も大きい表示体ｑが認識対
象を表す表示体となる。所定のベクトルとして、表示体
の特徴を表す画素を多く含んだベクトルを選択すると認
識精度が向上する。また、所定のベクトルの数が多い方
が認識精度は向上する。
る画像の画素をある規準で一列に並べた画素列で、原画
像に対し複数のベクトルが定義される。ベクトルは識別
のため番号付けし、ｖi で表す。標準の表示体ｋをｍ行
×ｎ列の画素で表した標準画像ｋに対し定義したベクト
ルの１つをｇkiとし、このベクトルｇkiを構成する画素
を所定の方法で変形させたｇki′を複数個を作成し、こ
のｇkiとｇki′との群を、ベクトルｇkiの辞書ベクトル
Ｇkiとする。被認識対象を撮像してｍ行×ｎ列の２値画
素で表し、この画像のベクトルｖi の内、所定のベクト
ルを選択して取り出す。この所定のベクトルと、これに
対応する各標準の表示体ｋ，（ｋ＝１〜ｋ）の辞書ベク
トルとを比較し、一致した辞書ベクトルを有する表示体
ｐに加点をし、この加点が最も大きい表示体ｑが認識対
象を表す表示体となる。所定のベクトルとして、表示体
の特徴を表す画素を多く含んだベクトルを選択すると認
識精度が向上する。また、所定のベクトルの数が多い方
が認識精度は向上する。
【００１６】ベクトルを定める、所定の規準で一列に並
べた複数の画素列を、ｍ行×ｎ列のｍ個の行とする。つ
まりベクトルは各行を表すようにする。
べた複数の画素列を、ｍ行×ｎ列のｍ個の行とする。つ
まりベクトルは各行を表すようにする。
【００１７】また、ベクトルはｍ行×ｎ列の画素の各列
を表すようにする。
を表すようにする。
【００１８】また、ベクトルはｍ行×ｎ列の画素で構成
される画像の４５°方向に並んだ画素より構成した画素
列となる。４５°方向に並んだ連続した画素列が短い場
合、他の４５度方向に並んだ連続した画素列と組み合わ
せて１つのベクトルを構成する。
される画像の４５°方向に並んだ画素より構成した画素
列となる。４５°方向に並んだ連続した画素列が短い場
合、他の４５度方向に並んだ連続した画素列と組み合わ
せて１つのベクトルを構成する。
【００１９】また、ベクトルは、ｍ行×ｎ列の画素で構
成される画像より表示体の特徴を表す任意の画素を任意
の順序で任意の個数取り出して構成した画素列とする。
これにより、表示体の特徴を表す部分の画素を必要最小
限の個数取り出してベクトルを構成することが可能とな
り、データ量が少なくなり、効率のよいパターンマッチ
ングを行うことができる。
成される画像より表示体の特徴を表す任意の画素を任意
の順序で任意の個数取り出して構成した画素列とする。
これにより、表示体の特徴を表す部分の画素を必要最小
限の個数取り出してベクトルを構成することが可能とな
り、データ量が少なくなり、効率のよいパターンマッチ
ングを行うことができる。
【００２０】また、ｍ行×ｎ列の画素で構成される画像
の行や列、４５°方向の画素より構成される画素列、表
示体の特徴を表す画素より任意の画素を任意の順序で任
意の個数取り出して構成される画素列を２以上組み合わ
せて１つのベクトルとすることにより表示体を同定する
ベクトルの数が多くなる。
の行や列、４５°方向の画素より構成される画素列、表
示体の特徴を表す画素より任意の画素を任意の順序で任
意の個数取り出して構成される画素列を２以上組み合わ
せて１つのベクトルとすることにより表示体を同定する
ベクトルの数が多くなる。
【００２１】１つの標準の表示体ｋを撮像条件を変え
て、標準画像を元の標準画像も含めてＮ個作成する。こ
のＮ個の標準画像についてそれぞれ辞書ベクトルを作成
する。そしてＮ個の標準画像に対する辞書ベクトル群を
ベクトルｇkiの辞書ベクトルＧ kiとする。これにより撮
像条件の変化した標準の表示体に対する辞書ベクトルが
作成されるので、認識対象の撮像条件が標準の表示体の
場合と変わった場合のパターンの認識精度が向上する。
て、標準画像を元の標準画像も含めてＮ個作成する。こ
のＮ個の標準画像についてそれぞれ辞書ベクトルを作成
する。そしてＮ個の標準画像に対する辞書ベクトル群を
ベクトルｇkiの辞書ベクトルＧ kiとする。これにより撮
像条件の変化した標準の表示体に対する辞書ベクトルが
作成されるので、認識対象の撮像条件が標準の表示体の
場合と変わった場合のパターンの認識精度が向上する。
【００２２】ベクトルは２値画素の画素列なので１また
は０が並んだものである。この１または０が連続したか
たまりをセグメントと称することにする。このセグメン
トを構成する画素の数を変化させる。つまり、セグメン
トの大きさを変化させる。これにより、かすれ、太りや
細りなどを作り出すことができ、かすれたり、太り、細
った文字や絵柄などの辞書ベクトルを生成することがで
きるので、これらの変形が生じた認識対象に対する識別
精度が向上する。
は０が並んだものである。この１または０が連続したか
たまりをセグメントと称することにする。このセグメン
トを構成する画素の数を変化させる。つまり、セグメン
トの大きさを変化させる。これにより、かすれ、太りや
細りなどを作り出すことができ、かすれたり、太り、細
った文字や絵柄などの辞書ベクトルを生成することがで
きるので、これらの変形が生じた認識対象に対する識別
精度が向上する。
【００２３】
【実施例】以下、本発明の実施例を図面を参照して説明
する。図１は本発明の実施例を実現するパターン認識装
置のブロック図である。パターン認識は認識対象を撮像
し、シェーディング補正、認識対象の領域確定、２値化
処理、正規化による大きさの画一化をし、同じ大きさに
正規化された標準パターンと比較して、一致した標準パ
ターンを認識対象が表すパターン（文字、図柄）とする
方法である。パターン認識装置は、上記処理がなされ、
認識対象の画像の各画素がベクトルで表された状態にな
ったものを識別する装置である。
する。図１は本発明の実施例を実現するパターン認識装
置のブロック図である。パターン認識は認識対象を撮像
し、シェーディング補正、認識対象の領域確定、２値化
処理、正規化による大きさの画一化をし、同じ大きさに
正規化された標準パターンと比較して、一致した標準パ
ターンを認識対象が表すパターン（文字、図柄）とする
方法である。パターン認識装置は、上記処理がなされ、
認識対象の画像の各画素がベクトルで表された状態にな
ったものを識別する装置である。
【００２４】図１の説明に先立ち、ベクトルと辞書ベク
トルについて説明する。図２は９行×７列の画素で表さ
れた画像のベクトルを示したもので、行および列をベク
トルとしている。それ故ベクトルによって、構成される
画素の数が異なる場合もある。ベクトルには番号を付
し、それぞれを識別する。 本図の場合、ｖ０よりｖ８
までの行ベクトルとｖ９よりｖ15まで列ベクトルが設定
される。
トルについて説明する。図２は９行×７列の画素で表さ
れた画像のベクトルを示したもので、行および列をベク
トルとしている。それ故ベクトルによって、構成される
画素の数が異なる場合もある。ベクトルには番号を付
し、それぞれを識別する。 本図の場合、ｖ０よりｖ８
までの行ベクトルとｖ９よりｖ15まで列ベクトルが設定
される。
【００２５】ベクトルとして認識対象を撮像して、所定
の大きさの画像に規格化し、その画素より得られる認識
用ベクトルと、標準のパターン（文字、図柄）を撮像
し、所定の大きさの画像とし、その画素より得られるベ
クトルおよびこのベクトルにかすれ、太り等の変形を加
えたベクトルを加えて構成した辞書ベクトルとが設けら
れる。
の大きさの画像に規格化し、その画素より得られる認識
用ベクトルと、標準のパターン（文字、図柄）を撮像
し、所定の大きさの画像とし、その画素より得られるベ
クトルおよびこのベクトルにかすれ、太り等の変形を加
えたベクトルを加えて構成した辞書ベクトルとが設けら
れる。
【００２６】図３は１１行×１１列の画素で表された画
像を示し、図４はこの画像のベクトルｖ３，ｖ１３，ｖ
１７の構成を示したものである。このベクトルの構成を
ビットパターンと称する。これらのビットパターンは画
像の表す文字「３」と強い相関関係を有する。図３の画
像は、文字「３」の標準パターンを撮像して得られたも
のとし、認識対象を標準パターンとし、同じ条件で撮像
した場合は、同じ画像が得られるので、両画像の対応す
るベクトル（ベクトル番号の同じベクトル）を比較すれ
ば認識対象を標準パターンであると同定するのは容易に
できる。この場合、辞書ベクトルとしては、変形を加え
たベクトルを加えて構成する必要はない。しかし、認識
対象は、通常標準パターンと撮像条件も異なり、文字の
かすれや、太り、細り等があるので、これらの条件によ
り変形したベクトルも加えて辞書ベクトルを構成する必
要がある。
像を示し、図４はこの画像のベクトルｖ３，ｖ１３，ｖ
１７の構成を示したものである。このベクトルの構成を
ビットパターンと称する。これらのビットパターンは画
像の表す文字「３」と強い相関関係を有する。図３の画
像は、文字「３」の標準パターンを撮像して得られたも
のとし、認識対象を標準パターンとし、同じ条件で撮像
した場合は、同じ画像が得られるので、両画像の対応す
るベクトル（ベクトル番号の同じベクトル）を比較すれ
ば認識対象を標準パターンであると同定するのは容易に
できる。この場合、辞書ベクトルとしては、変形を加え
たベクトルを加えて構成する必要はない。しかし、認識
対象は、通常標準パターンと撮像条件も異なり、文字の
かすれや、太り、細り等があるので、これらの条件によ
り変形したベクトルも加えて辞書ベクトルを構成する必
要がある。
【００２７】辞書ベクトルは次のようにして生成され
る。即ち、標準パターンを撮像条件を変えて複数個撮像
し、得られたそれぞれの画像の各ベクトルに対し、かす
れ等の変形を模擬した人為的変形を加えたベクトルを生
成し、ベクトル番号の同じ全てのベクトルの群をその同
じベクトル番号の辞書ベクトルとする。
る。即ち、標準パターンを撮像条件を変えて複数個撮像
し、得られたそれぞれの画像の各ベクトルに対し、かす
れ等の変形を模擬した人為的変形を加えたベクトルを生
成し、ベクトル番号の同じ全てのベクトルの群をその同
じベクトル番号の辞書ベクトルとする。
【００２８】次に、辞書ベクトルの生成方法を詳細に説
明する。 １−１） まず認識すべき標準文字（例えば数字３）を
準備する。 １−２） これをテレビカメラで読み取り、公知の一般
的手法（シェーディング補正、２値化、サイズの規準化
等）で正規化したｍ行×ｎ列の画素のマトリックスを構
成する。 １−３） この画素のマトリックスにベクトルを設定
し、番号付けをし、そのビットパターンを生成する。 １−４） 次にテレビカメラでの撮像条件を変化させ
る。変化させる項目としては、照明の強さ、標準文字の
わずかな回転、わずかな焦点調整、２値化しきい値の調
整等である。このようにして再び１−２）、１−３）を
繰り返す。 １−５） １−４）をなるべく多く種類繰り返す。
明する。 １−１） まず認識すべき標準文字（例えば数字３）を
準備する。 １−２） これをテレビカメラで読み取り、公知の一般
的手法（シェーディング補正、２値化、サイズの規準化
等）で正規化したｍ行×ｎ列の画素のマトリックスを構
成する。 １−３） この画素のマトリックスにベクトルを設定
し、番号付けをし、そのビットパターンを生成する。 １−４） 次にテレビカメラでの撮像条件を変化させ
る。変化させる項目としては、照明の強さ、標準文字の
わずかな回転、わずかな焦点調整、２値化しきい値の調
整等である。このようにして再び１−２）、１−３）を
繰り返す。 １−５） １−４）をなるべく多く種類繰り返す。
【００２９】２−１） 次に１−３）で得られた各ベク
トルのビットパターンに対して、後述する人為的な変形
を行う。ビットパターンは文字を表す「１」と背景を表
す「０」（又はこの逆でもよい）とが１列に並んだもの
であるが、この「１」の連続したかたまりをセグメント
と言い、この各セグメントに対する変形を行う。このよ
うに１つのベクトルを構成するセグメントを変形するこ
とによりそのベクトルに対して多数の変形ベクトルを生
成する。 ２−２） ２−１の処理を１−５）で得られる画素のマ
トリックスの全てのベクトルについて行う。 ２−３） ２−２）で得られたベクトルをベクトル番号
ｖi ごとにまとめたベクトル群を、標準文字「３」のベ
クトルｇ3iの辞書ベクトルＧ3iとする。
トルのビットパターンに対して、後述する人為的な変形
を行う。ビットパターンは文字を表す「１」と背景を表
す「０」（又はこの逆でもよい）とが１列に並んだもの
であるが、この「１」の連続したかたまりをセグメント
と言い、この各セグメントに対する変形を行う。このよ
うに１つのベクトルを構成するセグメントを変形するこ
とによりそのベクトルに対して多数の変形ベクトルを生
成する。 ２−２） ２−１の処理を１−５）で得られる画素のマ
トリックスの全てのベクトルについて行う。 ２−３） ２−２）で得られたベクトルをベクトル番号
ｖi ごとにまとめたベクトル群を、標準文字「３」のベ
クトルｇ3iの辞書ベクトルＧ3iとする。
【００３０】３−１） 認識すべき標準文字の全て（例
えば数字０〜９）を準備し、１−１）〜１−５）、２−
１〜２−３）の処理を行う。これにより、認識すべき標
準文字の全てについて、各標準文字の画素マトリックス
のベクトル毎の辞書ベクトルを設定することができる。
えば数字０〜９）を準備し、１−１）〜１−５）、２−
１〜２−３）の処理を行う。これにより、認識すべき標
準文字の全てについて、各標準文字の画素マトリックス
のベクトル毎の辞書ベクトルを設定することができる。
【００３１】次に１−３）によって得られた各ベクトル
のビットパターンを人為的に変化させる方法について説
明する。ビットパターンは図４に示したように、文字を
表す「１」と、背景を表す「０」が１列に並んだもので
あるが、この「１」は連続したかたまりとなって表れる
場合が多い。Ｖ３−１，Ｖ３−２，Ｖ17−１，Ｖ17−
２，Ｖ17−３はこの「１」のかたまりを示し、これをセ
グメントと言う。この全てのセグメントを規則的に変化
させて、文字のかすれ、太り、細り、等を近似的に表現
する。
のビットパターンを人為的に変化させる方法について説
明する。ビットパターンは図４に示したように、文字を
表す「１」と、背景を表す「０」が１列に並んだもので
あるが、この「１」は連続したかたまりとなって表れる
場合が多い。Ｖ３−１，Ｖ３−２，Ｖ17−１，Ｖ17−
２，Ｖ17−３はこの「１」のかたまりを示し、これをセ
グメントと言う。この全てのセグメントを規則的に変化
させて、文字のかすれ、太り、細り、等を近似的に表現
する。
【００３２】図５は１つのセグメントを規則的に変化さ
せる一例を示す図で、１は元のセグメントを示し、２は
１を右に１画素分追加し、３は左に１画素分追加した場
合を示す。４は１の右の１画素を削除し、５は左の１画
素を削除した場合を示す。６は１の左右の１画素を削除
したものであり、７は１の左右に１画素を追加した場合
を示す。
せる一例を示す図で、１は元のセグメントを示し、２は
１を右に１画素分追加し、３は左に１画素分追加した場
合を示す。４は１の右の１画素を削除し、５は左の１画
素を削除した場合を示す。６は１の左右の１画素を削除
したものであり、７は１の左右に１画素を追加した場合
を示す。
【００３３】図６は図４に示したベクトルｖ17につい
て、図 5の規則を適用した場合を示す。ベクトルｖ17に
はセグメントが３つあるがその中間のセグメントｖ17−
２に適用した場合を示す。なお、セグメントｖ17−１に
適用する場合は、ｖ17−１は左端に接しているので、左
端に１画素追加する３と７の変化は行えず、またｖ17−
３に適用する場合は、ｖ17−３は右端に接しているの
で、右端に画素追加する２と７の変化は行わない。
て、図 5の規則を適用した場合を示す。ベクトルｖ17に
はセグメントが３つあるがその中間のセグメントｖ17−
２に適用した場合を示す。なお、セグメントｖ17−１に
適用する場合は、ｖ17−１は左端に接しているので、左
端に１画素追加する３と７の変化は行えず、またｖ17−
３に適用する場合は、ｖ17−３は右端に接しているの
で、右端に画素追加する２と７の変化は行わない。
【００３４】図１において、１はベクトルカウンタで認
識対象の画像のベクトル番号を計数する。クロックによ
りベクトル番号をインクリメントしてゆく。２は判定Ｒ
ＯＭで、ベクトルカウンタ１の示すベクトル番号のベク
トルが入力されると、そのベクトルが表している標準パ
ターンを出力する。図１の場合標準パターンとして数字
０〜９の１０文字が設定されているものとする。判定Ｒ
ＯＭ２のアドレスはベクトルのビットパターンをアドレ
スとし、このアドレスの示す記憶領域には、アドレスと
同じ辞書ベクトルを有する標準パターンの名称が格納さ
れており、ベクトルがアドレスとして入力されると、そ
のベクトルの表す標準パターンが出力される。判定ＲＯ
Ｍ２の左側のＡ0 〜Ａ12はベクトルのビットパターンの
桁数を表し、この場合１３ビットの長さまでのビットパ
ターンを入力できる。Ａ12〜Ａ17はベクトル番号を表
し、この場合、３２個のベクトル番号を取り扱うことが
できる。右側の０〜９は、標準パターン０〜９に対応す
る端子であり、例えば入力されたベクトルが標準パター
ンの３と８に該当すれば３と８の端子から一致信号が出
力される。
識対象の画像のベクトル番号を計数する。クロックによ
りベクトル番号をインクリメントしてゆく。２は判定Ｒ
ＯＭで、ベクトルカウンタ１の示すベクトル番号のベク
トルが入力されると、そのベクトルが表している標準パ
ターンを出力する。図１の場合標準パターンとして数字
０〜９の１０文字が設定されているものとする。判定Ｒ
ＯＭ２のアドレスはベクトルのビットパターンをアドレ
スとし、このアドレスの示す記憶領域には、アドレスと
同じ辞書ベクトルを有する標準パターンの名称が格納さ
れており、ベクトルがアドレスとして入力されると、そ
のベクトルの表す標準パターンが出力される。判定ＲＯ
Ｍ２の左側のＡ0 〜Ａ12はベクトルのビットパターンの
桁数を表し、この場合１３ビットの長さまでのビットパ
ターンを入力できる。Ａ12〜Ａ17はベクトル番号を表
し、この場合、３２個のベクトル番号を取り扱うことが
できる。右側の０〜９は、標準パターン０〜９に対応す
る端子であり、例えば入力されたベクトルが標準パター
ンの３と８に該当すれば３と８の端子から一致信号が出
力される。
【００３５】３はカウンタで各標準パターンごと、すな
わち判定すべき文字ごとに設けられ、この場合は判定Ｒ
ＯＭ２の出力端子０〜９にそれぞれ接続され、出力端子
０〜９から一致信号が出力される度にクロックに同期し
てその個数を計数する。４は最大値抽出器で、カウンタ
３のそれぞれの積算値を判断し、最大の積算値を出力し
たカウンタ３から、そのカウンタ３に対応した標準パタ
ーンを、入力された全てのベクトルが表している標準パ
ターンとして出力する。
わち判定すべき文字ごとに設けられ、この場合は判定Ｒ
ＯＭ２の出力端子０〜９にそれぞれ接続され、出力端子
０〜９から一致信号が出力される度にクロックに同期し
てその個数を計数する。４は最大値抽出器で、カウンタ
３のそれぞれの積算値を判断し、最大の積算値を出力し
たカウンタ３から、そのカウンタ３に対応した標準パタ
ーンを、入力された全てのベクトルが表している標準パ
ターンとして出力する。
【００３６】図７は画素のマトリックスをベクトルに変
換する変換回路の一例を示す図である。一例として図８
に示す３行×３列の画素のマトリックスを行ベクトル、
列ベクトルに変換する変換回路を示す。本変換回路は図
１の判定ＲＯＭ２のアドレスＡ0 〜Ａ12に接続され、ベ
クトルカウンタ１の示すベクトル番号のベクトルを判定
ＲＯＭ２に入力する。ベクトルカウンタ１は図１に示し
たベクトルカウンタ１である。ベクトルデコーダ５は、
ベクトルカウンタ１からのベクトル番号に応じたベクト
ルを出力するための信号を出力する。例えばベクトル番
号ｖ０が入力すると、信号線ｄに「１」が出力され、出
力端より（Ｐ00，Ｐ10，Ｐ20）が出力され、ベクトル番
号ｖ３が入力すると、信号線ａに「１」が出力され、出
力端より（Ｐ00，Ｐ01，Ｐ02）が出力される。
換する変換回路の一例を示す図である。一例として図８
に示す３行×３列の画素のマトリックスを行ベクトル、
列ベクトルに変換する変換回路を示す。本変換回路は図
１の判定ＲＯＭ２のアドレスＡ0 〜Ａ12に接続され、ベ
クトルカウンタ１の示すベクトル番号のベクトルを判定
ＲＯＭ２に入力する。ベクトルカウンタ１は図１に示し
たベクトルカウンタ１である。ベクトルデコーダ５は、
ベクトルカウンタ１からのベクトル番号に応じたベクト
ルを出力するための信号を出力する。例えばベクトル番
号ｖ０が入力すると、信号線ｄに「１」が出力され、出
力端より（Ｐ00，Ｐ10，Ｐ20）が出力され、ベクトル番
号ｖ３が入力すると、信号線ａに「１」が出力され、出
力端より（Ｐ00，Ｐ01，Ｐ02）が出力される。
【００３７】次に動作について説明する。標準パターン
は数字０〜９の１０個の文字とする。標準パターンを撮
像した画像は１３行×１３列の画素で構成され、認識対
象も同じ大きさの画素で構成されるよう正規化される。
図９は１３行×１３列の画素のマトリックスを示す。ベ
クトルとしては１３個の行ベクトル、１３個の列ベクト
ルに加え、５個の斜めのベクトルを設けている。斜めベ
クトルの画素数は行ベクトル、列ベクトルと同じ１３個
としている。斜めベクトルは、対角線上のものは斜めに
連続した１列画素よりなるが、他のものは、斜めに連続
した２列の画素より成っている。ベクトル番号は３種類
のベクトルに対し行ベクトルより順にｖ０〜ｖ30が付番
されている。
は数字０〜９の１０個の文字とする。標準パターンを撮
像した画像は１３行×１３列の画素で構成され、認識対
象も同じ大きさの画素で構成されるよう正規化される。
図９は１３行×１３列の画素のマトリックスを示す。ベ
クトルとしては１３個の行ベクトル、１３個の列ベクト
ルに加え、５個の斜めのベクトルを設けている。斜めベ
クトルの画素数は行ベクトル、列ベクトルと同じ１３個
としている。斜めベクトルは、対角線上のものは斜めに
連続した１列画素よりなるが、他のものは、斜めに連続
した２列の画素より成っている。ベクトル番号は３種類
のベクトルに対し行ベクトルより順にｖ０〜ｖ30が付番
されている。
【００３８】認識対象のベクトル番号を順次ベクトルカ
ウンタ１で指示し、図７に示したベクトル変換回路によ
りベクトルに変換して、判定ＲＯＭ２のアドレスに入力
する。なお、斜めベクトルについては、別のベクトル変
換回路によりベクトル変換する。判定ＲＯＭ２では、入
力されたベクトルのビットパターンと同じビットパター
ンの辞書ベクトルを有する標準パターンを出力端０〜９
から出力する。例えば、０の標準パターンの場合は、０
端子から一致信号が出力される。なお、１つのベクトル
入力に対して、これと同じビットパターンを有する辞書
ベクトルは複数ある場合が多く、これに応じて、出力さ
れる標準パターンも複数となる。これを図３と図４で説
明すると、ベクトルｖ３とベクトルｖ17は共に数字３，
８を表している。ベクトルｖ13を加えると、数字３を表
す確率が高くなる。このように多数のベクトルを入力す
ることにより、認識対象文字を同定する確率は高くな
る。このため一般には、認識対象の画素について設定し
た全ベクトルを入力する。しかし、標準パターンの特徴
部分を表しているベクトルだけでも認識対象文字を精度
よく同定することができる。
ウンタ１で指示し、図７に示したベクトル変換回路によ
りベクトルに変換して、判定ＲＯＭ２のアドレスに入力
する。なお、斜めベクトルについては、別のベクトル変
換回路によりベクトル変換する。判定ＲＯＭ２では、入
力されたベクトルのビットパターンと同じビットパター
ンの辞書ベクトルを有する標準パターンを出力端０〜９
から出力する。例えば、０の標準パターンの場合は、０
端子から一致信号が出力される。なお、１つのベクトル
入力に対して、これと同じビットパターンを有する辞書
ベクトルは複数ある場合が多く、これに応じて、出力さ
れる標準パターンも複数となる。これを図３と図４で説
明すると、ベクトルｖ３とベクトルｖ17は共に数字３，
８を表している。ベクトルｖ13を加えると、数字３を表
す確率が高くなる。このように多数のベクトルを入力す
ることにより、認識対象文字を同定する確率は高くな
る。このため一般には、認識対象の画素について設定し
た全ベクトルを入力する。しかし、標準パターンの特徴
部分を表しているベクトルだけでも認識対象文字を精度
よく同定することができる。
【００３９】各標準パターン別に設けられたカウンタ３
は一致信号ごとにカウントされ、その積算値が保持され
る。この動作をｖ０よりｖ30の最終ベクトルまで繰り返
すことにより、最も大きな積算値を保持するカウンタを
求め、このカウンタに対応した標準パターンを、認識対
象の表す文字であると判定する。
は一致信号ごとにカウントされ、その積算値が保持され
る。この動作をｖ０よりｖ30の最終ベクトルまで繰り返
すことにより、最も大きな積算値を保持するカウンタを
求め、このカウンタに対応した標準パターンを、認識対
象の表す文字であると判定する。
【００４０】上述した実施例は、斜めベクトルを加えた
が、これはベクトル数をなるべく多くした方が判定精度
が向上する一方、縦、横方向に取り得るベクトルの数に
は限りがあるため、斜め方向（４５°方向）が追加され
たものである。本実施例ではベクトルが入力されると、
そのベクトル番号と同じ番号で同じビットパターンを有
する辞書ベクトルが表している標準パターンのカウンタ
を加算したが、あるベクトルは、ある標準パターンは絶
対に表さないという判定ＲＯＭを作成し、このベクトル
が入力されたとき、該当する標準パターンのカウンタか
ら減算するようにすると、判定精度は更に向上する。例
えば、図３のベクトルｖ17が入力されたとき、これは文
字「１」を表すことはないので、標準パターン「１」の
カウンタから１を減算する。
が、これはベクトル数をなるべく多くした方が判定精度
が向上する一方、縦、横方向に取り得るベクトルの数に
は限りがあるため、斜め方向（４５°方向）が追加され
たものである。本実施例ではベクトルが入力されると、
そのベクトル番号と同じ番号で同じビットパターンを有
する辞書ベクトルが表している標準パターンのカウンタ
を加算したが、あるベクトルは、ある標準パターンは絶
対に表さないという判定ＲＯＭを作成し、このベクトル
が入力されたとき、該当する標準パターンのカウンタか
ら減算するようにすると、判定精度は更に向上する。例
えば、図３のベクトルｖ17が入力されたとき、これは文
字「１」を表すことはないので、標準パターン「１」の
カウンタから１を減算する。
【００４１】上の場合にはカウンタに１個ずつの加算ま
たは減算をしたが、これは１またはマイナス１をその都
度加点することである。加点は１づつに限定する必要は
なく、例えば、図５の１のように一致度の高いものには
２または３を加点してもよい。
たは減算をしたが、これは１またはマイナス１をその都
度加点することである。加点は１づつに限定する必要は
なく、例えば、図５の１のように一致度の高いものには
２または３を加点してもよい。
【００４２】なお、以上の例は、全ての行ベクトル、全
ての列ベクトルといくつかの斜ベクトルを用いたが、表
示体を特定するのに全てのベクトルは必要ない。またベ
クトルの長さは行、列の長さは必要ない。個々のベクト
ルの長さが異なってもよい。また斜めだけでなく任意の
行、列、斜を組み合わせたマトリックスの集合体でもよ
い。つまりベクトルは表示体の特徴を表すものであれば
よく、その構成画素の順序や数も任意でよい。
ての列ベクトルといくつかの斜ベクトルを用いたが、表
示体を特定するのに全てのベクトルは必要ない。またベ
クトルの長さは行、列の長さは必要ない。個々のベクト
ルの長さが異なってもよい。また斜めだけでなく任意の
行、列、斜を組み合わせたマトリックスの集合体でもよ
い。つまりベクトルは表示体の特徴を表すものであれば
よく、その構成画素の順序や数も任意でよい。
【００４３】
【発明の効果】以上の説明より明らかなように、本発明
は、標準パターンの画素のベクトルを撮像条件等を変
え、また文字のかすれ等を考慮して変形させた辞書ベク
トルを生成し、認識対象の同じベクトル番号を有するベ
クトルと比較して評価することにより認識対象の表す標
準パターンを同定する。これにより標準パターンに対し
て変形した認識対象を精度よく同定することができる。
また、ベクトルを自由に設定できることにより、特徴の
ある部分にベクトルを設定して、同定する精度を向上さ
せることができる。つまり、縦、横のベクトルだけでな
く、斜めのベクトルも使用して表示体を特定するのに必
要な画素を選定してベクトルを構成することにより、少
ないデータで誤りの少ないパターン認識を行うことがで
きる。
は、標準パターンの画素のベクトルを撮像条件等を変
え、また文字のかすれ等を考慮して変形させた辞書ベク
トルを生成し、認識対象の同じベクトル番号を有するベ
クトルと比較して評価することにより認識対象の表す標
準パターンを同定する。これにより標準パターンに対し
て変形した認識対象を精度よく同定することができる。
また、ベクトルを自由に設定できることにより、特徴の
ある部分にベクトルを設定して、同定する精度を向上さ
せることができる。つまり、縦、横のベクトルだけでな
く、斜めのベクトルも使用して表示体を特定するのに必
要な画素を選定してベクトルを構成することにより、少
ないデータで誤りの少ないパターン認識を行うことがで
きる。
【図１】実施例のパターン認識装置のブロック図であ
る。
る。
【図２】ベクトルの設定例を示す図である。
【図３】３を表す画素のマトリックスを示す図である。
【図４】図３のベクトルパターンの例を示す図である。
【図５】ベクトルパターンのセグメントを変化させる規
則の例を示す図である。
則の例を示す図である。
【図６】図５に示す規則によりベクトルパターンを変化
させた例を示す図である。
させた例を示す図である。
【図７】画素のマトリックスをベクトルに変換する変換
回路の一例を示す図である。
回路の一例を示す図である。
【図８】図７の変換回路で変換する画素のマトリックス
を示す図である。
を示す図である。
【図９】ベクトルの設定例を示す図で斜めベクトルも含
めた場合を示す図である。
めた場合を示す図である。
【図１０】文字の照合におけるミスマッチを説明する図
である。
である。
１ ベクトルカウンタ ２ 判定ＲＯＭ ３ カウンタ ４ 最大値抽出器 ５ ベクトルデコーダ
Claims (8)
- 【請求項１】 ｍ行×ｎ列の２値画素で構成された画像
より所定の規準で１列に並べた複数の画素列を構成し、
この各画素列をベクトルと称し、各ベクトルを番号付け
してｖi で表し、ｋ個の異なる標準の表示体ｋ，（ｋ＝
１〜ｋ）をｍ行×ｎ列の２値画素で表した標準画像ｋ，
（ｋ＝１〜ｋ）のベクトルｇkiと、このベクトルｇkiの
構成画素に所定の変形を加えた複数の変形ベクトル
ｇki′とからなるベクトル群をベクトルｇkiの辞書ベク
トルＧkiとし、 認識対象を撮像してｍ行×ｎ列の２値画素で表示し、こ
のベクトルｖi のうち、複数の所定のベクトルを選択
し、この各所定ベクトルと、この所定ベクトルに対応す
る各標準の表示体ｋの辞書ベクトルとを比較し、一致し
た辞書ベクトルを有する表示体ｐ，（１≦ｐ≦ｋ）に加
点し、この加点の積算値が最も大きい表示体ｑ，（１≦
ｑ≦ｋ）を認識対象の表す表示体と判定するパターン認
識方法。 - 【請求項２】 前記所定の規準で１列に並べた複数の画
素列を、ｍ行×ｎ列の画素で構成される画像のｍ個の行
としたことを特徴とする請求項１記載のパターン認識方
法。 - 【請求項３】 前記所定の規準で１列に並べた複数の画
素列を、ｍ行×ｎ列の画素で構成される画像のｎ個の列
としたことを特徴とする請求項１記載のパターン認識方
法。 - 【請求項４】 前記所定の規準で１列に並べた複数の画
素列をｍ行×ｎ列の画素で構成される画像の４５°方向
に並んだ画素より構成した画素列としたことを特徴とす
る請求項１記載のパターン認識方法。 - 【請求項５】 前記所定の規準で１列に並べた複数の画
素列を、ｍ行×ｎ列の画素で構成される画像より表示体
の特徴を表す任意の画素を任意の順序で任意の個数取り
出して構成した画素列としたことを特徴とする請求項１
記載のパターン認識方法。 - 【請求項６】 前記所定の規準で１列に並べた複数の画
素列を、ｍ行×ｎ列の画素で構成される画像のｍ個の
行；ｍ行×ｎ列の画素で構成される画像のｎ個の列；ｍ
行×ｎ列の画素で構成される画像の４５°方向に並んだ
画素より構成される画素列；ｍ行×ｎ列の画素で構成さ
れる画像より表示体の特徴を表す任意の画素を任意の順
序で任意の個数取り出して構成した画素列の少なくとも
２つの組み合わせにより構成したことを特徴とする請求
項１記載のパターン認識方法。 - 【請求項７】 前記標準の表示体ｋ，（ｋ＝１〜ｋ）よ
り撮像条件を変えて、標準画像を元の標準画像ｋも含め
てＮ個作成し、このＮ個の標準画像について、それぞれ
辞書ベクトルを作成し、この辞書ベクトル群をベクトル
ｇkiの辞書ベクトルＧkiとすることを特徴とする請求項
１ないし６のいずれかに記載のパターン認識方法。 - 【請求項８】 前記所定の変形としてベクトルの画素１
または０が、１どうし又は０どうしで連続するかたまり
をセグメント、またはセグメント群とし、このセグメン
トを構成する画素の数を変化させるようにしたことを特
徴とする請求項１記載のパターン認識方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5196553A JPH0749927A (ja) | 1993-08-09 | 1993-08-09 | パターン認識方法 |
| EP94112359A EP0643363B1 (en) | 1993-08-09 | 1994-08-08 | Pattern matching method using matrixes of binary pixels and pixel vectors |
| DE69421487T DE69421487T2 (de) | 1993-08-09 | 1994-08-08 | Verfahren zum Vergleichen von Mustern basierend auf der Verwendung von Bildelementmatritzen und Bildelementvektoren |
| US08/676,098 US5708731A (en) | 1993-08-09 | 1996-07-02 | Pattern matching method with pixel vectors |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5196553A JPH0749927A (ja) | 1993-08-09 | 1993-08-09 | パターン認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0749927A true JPH0749927A (ja) | 1995-02-21 |
Family
ID=16359654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5196553A Pending JPH0749927A (ja) | 1993-08-09 | 1993-08-09 | パターン認識方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5708731A (ja) |
| EP (1) | EP0643363B1 (ja) |
| JP (1) | JPH0749927A (ja) |
| DE (1) | DE69421487T2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7907268B2 (en) | 2007-09-26 | 2011-03-15 | Nikon Corporation | Surface inspection method and surface inspection device |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6094506A (en) * | 1995-10-25 | 2000-07-25 | Microsoft Corporation | Automatic generation of probability tables for handwriting recognition systems |
| US6658145B1 (en) * | 1997-12-31 | 2003-12-02 | Cognex Corporation | Fast high-accuracy multi-dimensional pattern inspection |
| US7016539B1 (en) | 1998-07-13 | 2006-03-21 | Cognex Corporation | Method for fast, robust, multi-dimensional pattern recognition |
| US6782131B2 (en) * | 1999-12-29 | 2004-08-24 | Honeywell International Inc. | System, method and apparatus for pattern recognition with application to symbol recognition and regeneration for a display |
| US6954552B2 (en) * | 2000-12-20 | 2005-10-11 | Honeywell International Inc. | System, method and apparatus for pattern recognition with application to symbol recognition and regeneration for a calligraphic display |
| US6959112B1 (en) | 2001-06-29 | 2005-10-25 | Cognex Technology And Investment Corporation | Method for finding a pattern which may fall partially outside an image |
| US8081820B2 (en) * | 2003-07-22 | 2011-12-20 | Cognex Technology And Investment Corporation | Method for partitioning a pattern into optimized sub-patterns |
| US7190834B2 (en) * | 2003-07-22 | 2007-03-13 | Cognex Technology And Investment Corporation | Methods for finding and characterizing a deformed pattern in an image |
| US8437502B1 (en) | 2004-09-25 | 2013-05-07 | Cognex Technology And Investment Corporation | General pose refinement and tracking tool |
| US8103085B1 (en) | 2007-09-25 | 2012-01-24 | Cognex Corporation | System and method for detecting flaws in objects using machine vision |
| US8843523B2 (en) * | 2009-01-12 | 2014-09-23 | Micron Technology, Inc. | Devices, systems, and methods for communicating pattern matching results of a parallel pattern search engine |
| US9679224B2 (en) | 2013-06-28 | 2017-06-13 | Cognex Corporation | Semi-supervised method for training multiple pattern recognition and registration tool models |
| US9785817B2 (en) * | 2015-05-29 | 2017-10-10 | Datalogic Usa, Inc. | Region of interest location and selective image compression |
| DE102015013651B4 (de) | 2015-10-22 | 2019-02-07 | EXPERT-TÜNKERS GmbH | Doppelwalzendrehtisch |
| EP3219436B1 (de) | 2016-03-19 | 2018-11-07 | Expert-Tünkers GmbH | Vorrichtung zum motorischen drehen eines starren werkstückträgers in entgegengesetzten drehrichtungen |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56824A (en) * | 1979-06-04 | 1981-01-07 | Hooker Chemicals Plastics Corp | Hydrolysissstability increased fluoroalkylesterr terminated linear aromatic polyester |
| JPS5814707A (ja) * | 1981-07-16 | 1983-01-27 | トニ−・レオン・グロ−ヴア | 樹皮剥離装置 |
| JPS61123984A (ja) * | 1984-11-20 | 1986-06-11 | Fujitsu Ltd | 認識装置 |
| JPH02202689A (ja) * | 1989-02-01 | 1990-08-10 | Fujitsu Ltd | 文字認識装置 |
| JPH04142684A (ja) * | 1990-10-03 | 1992-05-15 | Ricoh Co Ltd | 文字認識装置 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2100904B (en) * | 1981-07-03 | 1985-09-18 | Norcros Investments Ltd | Character recognition systems and methods |
| JPS5969878A (ja) * | 1982-10-14 | 1984-04-20 | Nec Corp | オンライン文字認識方式 |
| JPS6033675A (ja) * | 1983-08-04 | 1985-02-21 | Fuji Electric Co Ltd | 文字読取装置 |
| JPS6097482A (ja) * | 1983-10-31 | 1985-05-31 | Meidensha Electric Mfg Co Ltd | パタ−ン認識装置 |
| JPS60103492A (ja) * | 1983-11-09 | 1985-06-07 | Sumitomo Electric Ind Ltd | 文字認識方式 |
| GB2177834B (en) * | 1985-07-02 | 1988-11-16 | Ferranti Plc | Pattern detection in two dimensional signals |
| US4700400A (en) * | 1985-10-10 | 1987-10-13 | The Palantir Corporation | Feature extraction technique for use in a pattern recognition system |
| US4903313A (en) * | 1986-07-03 | 1990-02-20 | Ricoh Company, Ltd. | Character recognition method |
| DE3815869A1 (de) * | 1987-05-08 | 1988-11-17 | Ricoh Kk | Verfahren zum extrahieren von merkmalsmengen eines zeichens |
| US5031225A (en) * | 1987-12-09 | 1991-07-09 | Ricoh Company, Ltd. | Character recognition method for recognizing character in an arbitrary rotation position |
| JPH01183793A (ja) * | 1988-01-18 | 1989-07-21 | Toshiba Corp | 文字認識装置 |
| JPH01224881A (ja) * | 1988-03-04 | 1989-09-07 | Toshiba Mach Co Ltd | パターン検査装置 |
| JP2591984B2 (ja) * | 1988-06-06 | 1997-03-19 | 日立ソフトウェアエンジニアリング株式会社 | パターン認識装置 |
| DE3853885T2 (de) * | 1988-12-30 | 1995-09-14 | Ezel Inc | Vektorisationsverfahren. |
| CA2036974C (en) * | 1990-02-26 | 1996-06-11 | Masayuki Kimura | Pattern recognition data processing device using an associative matching method |
| JP2918383B2 (ja) * | 1992-02-27 | 1999-07-12 | 大日本スクリーン製造株式会社 | 画像の輪郭抽出方法および装置 |
| US5379349A (en) * | 1992-09-01 | 1995-01-03 | Canon Research Center America, Inc. | Method of OCR template enhancement by pixel weighting |
| US5337372A (en) * | 1992-10-13 | 1994-08-09 | At&T Bell Laboratories | Method and apparatus for symbol recognition using multidimensional preprocessing at multiple resolutions |
-
1993
- 1993-08-09 JP JP5196553A patent/JPH0749927A/ja active Pending
-
1994
- 1994-08-08 EP EP94112359A patent/EP0643363B1/en not_active Expired - Lifetime
- 1994-08-08 DE DE69421487T patent/DE69421487T2/de not_active Expired - Fee Related
-
1996
- 1996-07-02 US US08/676,098 patent/US5708731A/en not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56824A (en) * | 1979-06-04 | 1981-01-07 | Hooker Chemicals Plastics Corp | Hydrolysissstability increased fluoroalkylesterr terminated linear aromatic polyester |
| JPS5814707A (ja) * | 1981-07-16 | 1983-01-27 | トニ−・レオン・グロ−ヴア | 樹皮剥離装置 |
| JPS61123984A (ja) * | 1984-11-20 | 1986-06-11 | Fujitsu Ltd | 認識装置 |
| JPH02202689A (ja) * | 1989-02-01 | 1990-08-10 | Fujitsu Ltd | 文字認識装置 |
| JPH04142684A (ja) * | 1990-10-03 | 1992-05-15 | Ricoh Co Ltd | 文字認識装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7907268B2 (en) | 2007-09-26 | 2011-03-15 | Nikon Corporation | Surface inspection method and surface inspection device |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0643363B1 (en) | 1999-11-03 |
| US5708731A (en) | 1998-01-13 |
| DE69421487D1 (de) | 1999-12-09 |
| EP0643363A1 (en) | 1995-03-15 |
| DE69421487T2 (de) | 2000-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108229526B (zh) | 网络训练、图像处理方法、装置、存储介质和电子设备 | |
| US4736443A (en) | Pattern discriminator | |
| JPH0749927A (ja) | パターン認識方法 | |
| US20200279166A1 (en) | Information processing device | |
| JP2020170495A (ja) | 単一画素攻撃サンプルの生成方法、装置、設備及び記憶媒体 | |
| CN108520265A (zh) | 用于转换图像描述符的方法和相关图像处理设备 | |
| EP0069542A2 (en) | Data processing arrangement | |
| US11481919B2 (en) | Information processing device | |
| EP0627844B1 (en) | Image processor | |
| JPH04315272A (ja) | 図形認識装置 | |
| CN112200004A (zh) | 图像检测模型的训练方法、装置及终端设备 | |
| CN108960285B (zh) | 一种分类模型生成方法、舌体图像分类方法及装置 | |
| JPH06113139A (ja) | 画像２値化装置 | |
| JP3060922B2 (ja) | 特徴生成装置 | |
| US6816621B1 (en) | Method for generating shift-invariant filters | |
| CN112329497A (zh) | 一种目标识别方法、装置及设备 | |
| US5737444A (en) | Binary digital image feature extracting process | |
| CN111383172B (zh) | 神经网络模型的训练方法、装置及智能终端 | |
| CN117671670A (zh) | 一种基于图像处理的中药材鉴别方法及系统 | |
| JP2621868B2 (ja) | 画像特徴抽出装置 | |
| US20100296734A1 (en) | Identifying and clustering blobs in a raster image | |
| JPH02105272A (ja) | 画像処理装置 | |
| KR100332753B1 (ko) | 화상처리장치의이미지처리방법 | |
| JP2658346B2 (ja) | 並列画像処理装置 | |
| CN112800924A (zh) | 人脸特征提取方法、装置、设备及存储介质 |