JPH08235359A

JPH08235359A - パターンマッチング方法およびパターンマッチング装置

Info

Publication number: JPH08235359A
Application number: JP7035725A
Authority: JP
Inventors: Jun Nishijima; 潤西島; Nobusato Kadowaki; 信諭門脇; Naohito Taniwaki; 尚人谷脇; Yoshimasa Fujiwara; 祥雅藤原; Akira Yabuta; 明薮田
Original assignee: Matsushita Electric Works Ltd
Current assignee: Panasonic Electric Works Co Ltd
Priority date: 1995-02-23
Filing date: 1995-02-23
Publication date: 1996-09-13

Abstract

(57)【要約】【目的】検査対象パターンと標準パターンとの一致度を
正確に評価する。【構成】パターンメモリ１１は２値化画像である標準パ
ターンを格納する。フレームメモリ１２は２値化画像で
ある検査対象パターンを格納する。標準パターンを検査
対象パターンの位置に合わせるように補正部１３で位置
補正した後、比較処理部１４において標準パターンと検
査対象パターンとの一致しない画素を抽出する。重み係
数メモリ１５には標準パターンの各領域に、標準パター
ンの特徴を表す程度が高い領域ほど大きくなる重み係数
が格納されている。比較処理部１４で抽出された各画素
には、乗算器１６によって重み係数メモリ１５に格納さ
れた重み係数を乗じて演算部１７に与える。演算部１７
では乗算器１６の出力値の総和を求め、この総和を用い
て一致度を評価する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、あらかじめ登録した２
値化画像の標準パターンを２値化画像である検査対象パ
ターンと照合することによって、検査対象パターンの標
準パターンとの一致度を評価するパターンマッチング方
法およびパターンマッチング装置に関するものである。

【０００２】

【従来の技術】一般に、ＴＶカメラのような画像入力装
置を用いて物体の画像を入力し、入力された検査対象画
像をあらかじめ登録されている標準画像と照合して一致
度を評価することによって、物体の位置、姿勢、形状を
認識する画像処理技術が知られている。一致度を評価す
る際に情報量が多すぎると処理が煩雑になるから、検査
対象画像および標準画像を２値化画像としておき、検査
対象画像と標準画像との対応する各画素間の値の差分の
総和を求め、この総和を一致度として用いる方法が提案
されている。すなわち、標準画像としては認識すべきパ
ターン（標準パターン）を２値化画像として登録したも
のを用い、検査対象画像の２値化画像である検査対象パ
ターンを標準パターンに重ね合わせるように位置補正し
た後、重なり合わない部分の面積を求めるのである。上
記位置補正には、検査対象パターンを平行移動させる処
理と、回転移動させる処理とが必要であって、たとえ
ば、検査対象パターンと標準パターンとの重心が一致す
るように平行移動し、慣性主軸の方向が一致するように
回転移動するというような手法が知られている。

【０００３】具体的には、図５のような構成が考えられ
ている。すなわち、パターンメモリ１１にはあらかじめ
登録された標準パターンが格納され、画像入力装置で撮
像され２値化された検査対象パターンはフレームメモリ
１２に格納されている。標準パターンと検査対象パター
ンとの位置補正は、パターンメモリ１１からの標準パタ
ーンの読出時に補正部１３によって読出アドレスを補正
することで行なわれる。その後、比較処理部１４では検
査対象パターンと標準パターンとの重なり合わない部分
の画素の個数（つまり、各画素の値の差分の総和）を求
め、この値によって一致度を評価するのである。

【０００４】

【発明が解決しようとする課題】ところで、物の形状を
視覚的に認識するには、その物が他の物と異なる一部分
（すなわち、その物の特徴）を認識すれば十分であるこ
とが多く、しかも認識率が高くなるはずである。しかし
ながら、上述のように検査対象パターンと標準パターン
との各画素の値の差分の総和を求める手法では、標準パ
ターンの全体形状を均一に評価していることになるか
ら、標準パターンの特徴か否かを一致度の判定に用いて
おらず、画像処理技術を用いた物の形状の認識率を十分
に高めることができないのが現状である。

【０００５】いま、簡単な形状の標準パターンとして図
６のような１００×１００画素の正方形を考える。ま
た、検査対象パターンは図７（ａ）のような縦が１０２
画素、横が９９画素の長方形と、図８（ａ）のような１
００×１００画素の正方形の右下角が２０×２０画素の
正方形だけ欠けた形状とを考える。ここで、標準パター
ンと検査対象パターンとの重心を一致させるようにし、
回転ずれも補正済みであるとすれば、図７（ａ）の検査
対象パターンでは、図７（ｂ）に斜線部で示すように、
周部の全周に亙って重なり合わない部分が生じる。ここ
に、横方向については左右０．５画素ずつが重なり合わ
ないのであるが、このような場合には切り上げることに
よって１画素ずつが重なり合わないものとする。したが
って、検査対象パターンと標準パターンとの重なる部分
（図７（ｂ）の白抜きの部分）は、縦１００画素、横９
９画素であり、重なり合わない部分の画素数の総和は３
９８画素になる。

【０００６】同様にして、図８（ａ）の検査対象パター
ンでは、図８（ｂ）に斜線部で示すように、正方形の角
部に重なり合わない部分が生じる。この部分の画素数は
４００画素になる。評価の目的にもよるが、一般的に言
って、図７（ａ）の検査対象パターンは図８（ａ）の検
査対象パターンに比較すると標準パターンとの一致度が
高いと言える。しかしながら、重なり合わない画素の値
の差分の総和（つまり、画素数に一致する）を求めただ
けでは、ともに４００画素程度になり評価すべき一致度
に差が生じないことになる。

【０００７】また、図９（ａ）に示すように、数字の
「５」を標準パターンとし、検査対象パターンとして図
９（ｂ）のように横棒の右端が短いものと、図９（ｃ）
のように縦棒の途中が切れたものとを考え、どちらの検
査対象パターンも標準パターンに対して２００画素だけ
欠落しているものとする。この場合に、図９（ｂ）に示
す形状を図９（ｃ）に示す形状よりも標準パターンに近
いと評価するのが一般的と考えられるが、画素の値の差
分の総和を一致度の評価に用いるのみでは、両者に差異
が生じないのである。

【０００８】本発明は上記事由に鑑みて為されたもので
あり、その目的は、検査対象パターンと標準パターンと
の一致度をより正確に評価できるようにしたパターンマ
ッチング方法およびパターンマッチング装置を提供する
ことにある。

【０００９】

【課題を解決するための手段】請求項１の発明は、あら
かじめ登録されている２値化画像である標準パターンに
２値化画像である検査対象パターンを照合し、標準パタ
ーンと検査対象パターンとを重ね合わせるように位置合
わせした後の対応する各画素間の値の差分の総和に基づ
いて検査対象パターンの標準パターンに対する一致度を
評価するパターンマッチング方法において、標準パター
ンの各領域に標準パターンの特徴を表す程度が高いほど
大きくなる重み係数を対応付け、各画素の値の差分に各
画素の属する領域に応じた上記重み係数を乗じた値の総
和を用いて検査対象パターンの標準パターンに対する一
致度を評価することを特徴とする。

【００１０】請求項２の発明は、検査対象パターンと標
準パターンとの対応する各画素間の差分を入力とし重み
係数を出力とするニューラルネットを用い、複数種類の
検査対象パアーンについて求めた一致度の評価結果の適
否を教示してニューラルネットを学習させることによっ
て、上記標準パターンに対する重み係数を設定すること
を特徴とする。

【００１１】請求項３の発明は、標準パターンを含む画
像の周縁からの距離に応じて一定間隔で領域を設定し、
上記周縁からの距離が近い領域ほど小さい重み係数を与
えることを特徴とする。請求項４の発明は、２値化画像
である標準パターンを記憶するパターンメモリと、物体
を撮像して得た画像の２値化画像である検査対象パター
ンを格納するフレームメモリと、標準パターンと検査対
象パターンとを重ね合わせるように位置を補正する補正
部と、標準パターンと検査対象パターンとの重なり合わ
ない部分の画素を抽出する比較処理部と、標準パターン
の各領域に標準パターンの特徴を表す程度が高いほど大
きくなる重み係数を対応付けて格納した重み係数メモリ
と、比較処理部で求めた各画素にその画素の属する領域
に応じた上記重み係数を乗じる乗算器と、乗算結果の総
和を用いて検査対象パターンの標準パターンに対する一
致度を評価する演算部とを備えて成ることを特徴とす
る。

【００１２】

【作用】請求項１の発明の構成によれば、標準パターン
の各領域に標準パターンの特徴を表す程度に応じた重み
係数を与えておき、ともに２値化画像である検査対象パ
ターンと標準パターンとの照合の際に各画素の値の差分
にその画素の属する領域の重み係数を乗じた総和を用い
て一致度を評価するから、検査対象パターンと標準パタ
ーンとの一致しない箇所が標準パターンの特徴を表す部
分であれば、特徴ではない部分が一致しない場合よりも
上記総和が大きくなる。つまり、上記総和が小さいほど
一致度が高いと評価することができ、しかも、特徴部分
が相違していれば上記総和が大きくなることによって検
査対象パターンが標準パターンに一致していないことを
ただちに認識できるのである。その結果、検査対象パタ
ーンを複数の標準パターンに次々に照合する必要がある
ような場合に、類似した形状の標準パターンが複数存在
していても、各標準パターンの特徴部分を強調して評価
することで両者を識別できる可能性が高くなり、認識率
が向上するのである。

【００１３】請求項２の発明の構成によれば、ニューラ
ルネットを用いて標準パターンと検査対象パターンとの
一致度の評価の適否を教示することにより重み係数を自
動的に設定させるので、人手をほとんど要することなく
比較的よい重み係数を自動的に設定することができて、
重み係数の設定が容易になる。しかも、一致度の評価の
適否を教示していることによって、操作者の感覚に近い
評価が可能になる。

【００１４】請求項３の発明の構成によれば、標準パタ
ーンを含む画像の周縁からの距離に応じて領域と重み係
数とを自動的に設定するから、簡単かつ短時間で領域の
分轄と重み係数の設定とが可能になるのである。請求項
４の発明の構成は、請求項１の発明の方法を実現する装
置である。

【００１５】

【実施例】（実施例１）本実施例では、図２に示すように、画像入
力装置としてＴＶカメラ１を用い、ＴＶカメラ１で撮像
した濃淡画像を画像処理部２においてＡ／Ｄ変換した
後、濃度に対する適当な閾値を用いて２値化し、２値化
画像をフレームメモリに格納する。また、この２値化画
像に対して演算処理部３において後述するパターンマッ
チングを行ない、検査対象パターンと標準パターンとの
一致度を評価する。また、演算処理部３での処理過程や
処理結果はディスプレイ装置４に表示したり、入出力部
５を通して外部に取り出すことができる。入出力部５は
演算処理部３で用いる標準パターンに付与する重み係数
の設定の指示を入力するためなどにも用いられる。図２
において実線で囲んだ部位は一般にはマイクロコンピュ
ータを適宜プログラムで動作させることにより実現され
る。

【００１６】本実施例における演算処理部３は、図１に
示すように、従来構成と同様のパターンメモリ１１、フ
レームメモリ１２、補正部１３、比較処理部１４を備
え、重み係数メモリ１５と乗算器１６と演算部１７とが
付加されている。パターンメモリ１１、フレームメモリ
１２、補正部１３の動作は従来構成と同様であるが、比
較処理部１４では検査対象パターンと標準パターンとの
重なり合わない部分の画素数を求めるのではなく、検査
対象パターンと標準パターンとをそれぞれ含む各画像内
で互いに対応する画素の値の差分を順次出力する。一
方、重み係数メモリ１５には、標準パターンの各領域
（領域の最小単位は画素になる）に応じた重み係数を格
納してある。この重み係数は、標準パターンごとに特徴
を表す程度の高い領域ほど大きくなるように設定してあ
る。しかして、比較処理部１４で求めた各画素の差分に
対して、乗算器１６では差分を求めた部位の画素が標準
パターンのどの領域に属するかに応じて重み係数を重み
係数メモリ１５から読み出し、差分に重み係数を乗じた
値を演算部１７に入力する。現実には、標準パターンと
検査対象パターンとは２値化画像であるから、各画素に
「０」、「１」の２値を与えておけば、比較処理部１４
から出力される各画素の差分も「０」、「１」の２値に
なる。つまり、乗算器１６では比較処理部１４から
「１」が出力されると、重み係数を演算部１７に転送し
て累積させればよいのである。演算部１７では、乗算器
１６から入力された値の総和を求め、その総和によって
検査対象パターンと標準パターンとの一致度を評価す
る。

【００１７】重み係数の与え方について具体例を挙げて
説明する。いま、図３に示すように数字の「５」を認識
するものとして、標準パターンを含む画像を図のような
３個の領域Ｄ₁〜Ｄ₃に分ける。つまり、数字の「５」
の中心を中心として、横棒および縦棒に略平行な辺で囲
まれた正方形の領域Ｄ₁〜Ｄ₃を設定する。上述したよ
うに、数字の「５」では横棒は多少欠落しても標準パタ
ーンとの類似性が損なわれず、縦棒は欠落すると標準パ
ターンとの類似性が損なわれると考えられるから、縦棒
の近傍の領域のほうが横棒の近傍の領域よりも特徴を表
す程度が高いと言える。そこで、領域Ｄ₁は縦棒を含む
横棒を含まないように設定し、領域Ｄ₂は横棒を含み縦
棒を含まないように設定する。さらに、「５」であれば
含まれないと考えられる領域Ｄ₃も設定しておく。この
場合、領域Ｄ₁に対する重み係数がもっとも大きく、領
域Ｄ₃に対する重み係数はもっとも小さくなる。たとえ
ば、領域Ｄ₁，Ｄ₂，Ｄ₃の重み係数をそれぞれ
「８」、「４」、「１」に設定する。

【００１８】ここで、従来例と同様に横棒の先端部と縦
棒の途中とがそれぞれ２００画素ずつ欠落しているとす
れば、従来例では一致度の評価に用いる数値がともに
「２００」であったのに対して、本実施例では演算部１
７で求められる結果が、横棒の先端部の欠落に対して
「８００」、縦棒の途中の欠落に対して「１６００」と
なる。つまり、欠落部分の大きさは等しいが一致度の評
価に用いる数値に差異が生じ、標準パターンとの類似度
を評価することができるのである。この場合、数値の小
さいほうが類似度が高く、横棒の先端部の欠落のほうが
縦棒の先端部の欠落よりも標準パターンに近いという一
般的認識と一致することになる。

【００１９】重み係数は、各標準パターンに応じて適宜
設定すればよいが、数字の「５」では、縦棒と曲線部分
とがもっとも特徴を表していると考えられるから、図４
のように、縦棒を含む領域Ｄ₄と曲線を含む領域Ｄ₅と
に最大の重み係数「３」を与え、横棒の先端部と曲線部
分の先端部とを含む領域Ｄ₆，Ｄ₇は比較的低い重み係
数「１」を与え、存在する可能性のない領域Ｄ₈には重
み係数「０」を与えるようにし、また、残りの領域Ｄ₉
には重み係数「２」を与えることもできる。この設定で
は、図８（ｂ）（ｃ）に示したものを検査対象パターン
とする場合に、一致度を評価する値はそれぞれ「２０
０」と「６００」とになり、標準パターンの形状の特徴
を加味して類似度を評価することができる。

【００２０】上述のような重み係数の設定方法では、各
標準パターンに応じて人手により入出力部５から重み係
数を入力しなければならず、重み係数の設定に手間がか
かることになる。そこで、重み係数を自動的に設定する
場合には、次の方法が用いられる。一般に、標準パター
ンの図形部分を含む画像内では周部よりも中心に近い部
分のほうが特徴を表す程度が高いと考えられる。つま
り、中心に近い部分での欠落は目立つが、周部での欠落
は目立たず、また上記画像の周部では図形部分が存在し
ないと考えられる。そこで、図３のように上記画像の周
縁と相似な形状の領域Ｄ₁〜Ｄ₃を設定して、各領域Ｄ
₁〜Ｄ₃ごとの重み係数を設定する際に、各領域を上記
画像の周縁から一定間隔で設定し、各領域に対して中心
に近いほど大きな重み係数を与えるのである。この方法
を採用すれば、重み係数を自動的に設定することが可能
である。また、このようにして自動設定した重み係数
は、類似度の評価結果に応じ、必要があれば手作業で領
域の大きさや位置、あるいは重み係数を修正すればよ
い。領域や重み係数を自動設定した後に手作業で修正す
れば、比較的短時間で重み係数を設定できるとともに、
類似度を正確に評価できるように適切な領域の分轄およ
び重み係数の設定が可能になる。

【００２１】（実施例２）本実施例では、重み係数を自
動的に設定するために、バックプロパゲーション形のニ
ューラルネットを用いている。すなわち、比較処理部１
４で求めた差分をニューラルネットの入力として用い、
各領域への重み係数を出力とする。また、教示信号には
演算部１７での一致度の評価結果の適否を人が判断した
結果を用いる。ここに、領域の分轄については実施例１
と同様の手法を用いればよいが、ニューラルネットによ
って領域の分轄の仕方についても出力させるようにして
もよい。

【００２２】このようなニューラルネットを用いれば、
標準パターンに対して異なる種類の検査対象パターンを
多数入力し、一致度の評価結果に対する適否を教示信号
として入力してやれば、適切な重み係数（ないし領域分
轄）を自動設定することができるのである。本実施例に
おいても、自動設定された領域や重み係数を人手によっ
て修正してもよいのはもちろんのことである。

【００２３】

【発明の効果】本発明は上述のように、標準パターンの
各領域に標準パターンの特徴を表す程度に応じた重み係
数を与えておき、ともに２値化画像である検査対象パタ
ーンと標準パターンとの照合の際に各画素の値の差分に
その画素の属する領域の重み係数を乗じた総和を用いて
一致度を評価するので、検査対象パターンと標準パター
ンとの一致しない箇所が標準パターンの特徴を表す部分
であれば、特徴ではない部分が一致しない場合よりも上
記総和が大きくなるのであり、上記総和が小さいほど一
致度が高いと評価することができ、しかも、特徴部分が
相違していれば上記総和が大きくなることによって検査
対象パターンが標準パターンに一致していないことをた
だちに認識できることになる。その結果、検査対象パタ
ーンを複数の標準パターンに次々に照合する必要がある
ような場合に、類似した形状の標準パターンが複数存在
していても、各標準パターンの特徴部分を強調して評価
することで両者を識別できる可能性が高くなり、認識率
が向上するという利点を有する。

【００２４】また、ニューラルネットを用いて標準パタ
ーンと検査対象パターンとの一致度の評価の適否を教示
することにより重み係数を自動的に設定させれば、人手
をほとんど要することなく比較的よい重み係数を自動的
に設定することができて、重み係数の設定が容易になる
という利点があり、しかも、一致度の評価の適否を教示
していることによって、操作者の感覚に近い評価が可能
になるという効果がある。

【００２５】あるいはまた、標準パターンを含む画像の
周縁からの距離に応じて領域と重み係数とを自動的に設
定すれば、簡単かつ短時間で領域の分轄と重み係数の設
定とが可能になるという利点がある。

【図面の簡単な説明】

【図１】実施例１の要部ブロック図である。

【図２】実施例１の全体構成を示すブロック図である。

【図３】実施例１における領域および重み係数の設定例
を示す図である。

【図４】実施例１における領域および重み係数の設定例
を示す図である。

【図５】従来例を示す要部ブロック図である。

【図６】標準パターンの一例を示す図である。

【図７】検査対象パターンの一例を示す図である。

【図８】検査対象パターンの一例を示す図である。

【図９】（ａ）は標準パターンの一例を示す図であり、
（ｂ）（ｃ）は検査対象パターンの一例を示す図であ
る。

【符号の説明】

１ＴＶカメラ２画像処理部３演算処理部４ディスプレイ装置５入出力部１１パターンメモリ１２フレームメモリ１３補正部１４比較処理部１５重み係数メモリ１６乗算器１７演算部

───────────────────────────────────────────────────── フロントページの続き (72)発明者藤原祥雅大阪府門真市大字門真1048番地松下電工株式会社内 (72)発明者薮田明大阪府門真市大字門真1048番地松下電工株式会社内

Claims

【特許請求の範囲】

【請求項１】あらかじめ登録されている２値化画像で
ある標準パターンに２値化画像である検査対象パターン
を照合し、標準パターンと検査対象パターンとを重ね合
わせるように位置合わせした後の対応する各画素間の値
の差分の総和に基づいて検査対象パターンの標準パター
ンに対する一致度を評価するパターンマッチング方法に
おいて、標準パターンの各領域に標準パターンの特徴を
表す程度が高いほど大きくなる重み係数を対応付け、各
画素の値の差分に各画素の属する領域に応じた上記重み
係数を乗じた値の総和を用いて検査対象パターンの標準
パターンに対する一致度を評価することを特徴とするパ
ターンマッチング方法。
【請求項２】検査対象パターンと標準パターンとの対
応する各画素間の差分を入力とし重み係数を出力とする
ニューラルネットを用い、複数種類の検査対象パアーン
について求めた一致度の評価結果の適否を教示してニュ
ーラルネットを学習させることによって、上記標準パタ
ーンに対する重み係数を設定することを特徴とする請求
項１記載のパターンマッチング方法。
【請求項３】標準パターンを含む画像の周縁からの距
離に応じて一定間隔で領域を設定し、上記周縁からの距
離が近い領域ほど小さい重み係数を与えることを特徴と
する請求項１記載のパターンマッチング方法。
【請求項４】２値化画像である標準パターンを記憶す
るパターン記憶部と、物体を撮像して得た画像の２値化
画像である検査対象パターンを格納するフレームメモリ
と、標準パターンと検査対象パターンとを重ね合わせる
ように位置を補正する補正部と、標準パターンと検査対
象パターンとの重なり合わない部分の画素を抽出する比
較処理部と、標準パターンの各領域に標準パターンの特
徴を表す程度が高いほど大きくなる重み係数を対応付け
て格納した重み係数メモリと、比較処理部で求めた各画
素にその画素の属する領域に応じた上記重み係数を乗じ
る乗算器と、乗算結果の総和を用いて検査対象パターン
の標準パターンに対する一致度を評価する演算部とを備
えて成ることを特徴とするパターンマッチング装置。