JPH08505741A

JPH08505741A - 信号処理システム

Info

Publication number: JPH08505741A
Application number: JP6515847A
Authority: JP
Inventors: バンガム，ジェイムズ・アンドリュー
Original assignee: バンガム，ジェイムズ・アンドリュー
Priority date: 1993-01-16
Filing date: 1994-01-14
Publication date: 1996-06-18
Also published as: EP0679298B1; ATE178439T1; GB2290668A; WO1994016499A3; WO1994016499A2; GB2290668B; GB9513212D0; DE69417542D1; EP0679298A1; AU5839694A; US5917733A; DE69417542T2; CA2153169A1

Abstract

(57)【要約】望ましくない信号を取除くために信号の集合体に応用されるパルス解析の方法に対して典型的に用いられるデータ篩であって、たとえばその出力をイメージ解析器における対象の識別のために用いることを可能とし、このデータ篩は、サイズがＮ（Ｍよりも小さい）からＭまで増大するウインドウで信号の集合体をサンプリングするための連続する順序値フィルタ（１３０、１３２、１３４）を含み、各フィルタは先行するフィルタの出力から引出される信号が与えられ、バンドパスフィルタ出力は連続するフィルタの出力を減算することにより形成される粒状性を表わし、粒状性の予め定められた信号の部分集合が選択され、対象の粒状性が合計されて必要とされる出力信号を生成する。

Description

【発明の詳細な説明】名称信号処理システム発明の分野この発明は包括的に信号処理に関し、より特定的には雑音低減、信号解析、パターン認識およびデータ圧縮のための方法および装置に関する。発明の背景この発明は順序値フィルタを利用するが、この用語は以下の解説を考慮すれば解明され、この発明についての説明の前にこれらフィルタに関する技術について簡単な説明を行なうことが適切である。関連文献においてはしばしば順序値フィルタの代わりにランクフィルタという用語が用いられる。与えられたＲ個のデータの値の集合のうちどれがＮ番目に大きいかを決定するリアルタイム順序値フィルタは、もしＲが奇数でＮが（Ｒ＋１）／２に等しければメジアンフィルタとなる。係るモードにおいては、フィルタは出力としてデータ集合の「中央の」値を与えるが、それ自身よりも大きなおよび小さなその集合のその他のデータの値の数は一般に等しい。メジアンフィルタの設計および動作については、特に米国特許４４４１１６５号、４４３９８４０号、４５６０９７４号および４５１３５４４０号に述べられている。単純にデータサンプルの線形アレイの場合は、もしＲ＝３でありＮ＝２であれば、３つの連続するデータの値が３つの各グループの最も小さなもので始まり最も大きなもので終わるようにソーティングされ順に並べられているとき、メジアン値は各３つの連続するデータ値の中央の値となる。平均をしないため、メジアンフィルタは元のサンプルの連続における鋭い遷移を劣化させることなくスプリアスサンプルを除去するだろう。言い換えれば、もしデータサンプルが正規的にサンプリングされ、時間に従属する信号を表わしていれば、メジアンフィルタは、信号の帯域幅の制限（元の信号における鋭い遷移を劣化させる）を行なわないという特性を有するが、その代わりとして持続時間が長いという特徴を示す元の信号遷移が、電気的雑音の特性である持続時間のより短いスプリアススパイクを実質的に減衰する一方で、全帯域幅で伝送されることを可能にする。このようなフィルタがスプリアス信号を除去するがその他の信号は通過させる特定的なしきい値は、ＲおよびＮの値により決定する。除去されるべきスプリアス信号を表わす変則的なサンプルの数が多いほど、Ｒの値は大きくなければならないだろう。しかしながら、たとえばＮ個よりも少ないサンプルで表わされるスプリアススパイクを除去するように設定されたメジアンフィルタは、短いスパイクの連続がＮ個のサンプリング区間よりもより近接しているとき、持続時間においてＮ個のサンプルよりも長いスプリアス信号を実際にフィルタ出力に導入するかもしれない。このことは、もし情報が元のものにおける振幅の逸脱を表わすサンプルの数において少なくとも一部分に含まれていれば、重大な影響を及ぼす可能性がある。雑音低減をさらに促進しようという試みにおいて、第１のメジアンフィルタからフィルタ処理された信号を同じフィルタの入力に再び与えるかまたは同一の第２のフィルタに与えることにより、メジアンフィルタ処理ステップを繰り返すことが提案されてきた。もし信号によりさらに変化がもたらされなくなるまでこの処理が繰返されれば、ルートメジアンフィルタと呼ばれる。始めはこのことか上記のようなスプリアス信号の導入を克服するかもしれないと考えられたが、このように順序値のフィルタ処理を繰返しても問題を解決することにはならないということがわかっている。実験により、Ｒの値が小さいとき、フィルタ出力への外来の情報の導入は低減されることが示されている。たとえば、線形のシーケンスのサンプルの場合、もしＲ＝３であれば、さらにいかなるスプリアス信号も出力に現れる可能性は少ないことが明らかであろう。サンプリング区間を適切に選択することにより、Ｒ＝３の値であればメジアンフィルタは、フィルタの出力信号にいかなる望ましくない信号遷移も導入しないはずである。しかしながら、２つまたはそれ以上のサンプルで表わされるスプリアス信号は抑圧されることはないであろうし、サンプリングレートが高ければ、結果として十分に満足の得られるような雑音低減は生じないかもしれない。所与の信号を表わすサンプルの数を増加させても、必ずしも結果としてフィルタ処理された信号の正確度を高めることにならないであろうが、その理由はＲの値を増大させて所与のスプリアス雑音信号スパイクの間に発生するであろうさらに大きな数のサンプリング区間を考慮せねばならないからである。この発明は１つの局面において、たとえば欧州特許番号第０３８３８１４号に述べられるように、連続的に接続されてデータ篩を形成し得るフィルタのレンジを拡張することを求め、そうすることにより、順序値フィルタが広帯域の望ましい信号を含む信号の集合体から望ましくない信号を除去するために採用される、すなわちデータ篩として採用されるときに、順序値フィルタ（および特にメジアンフィルタ）に関連する明らかに基本的な問題を克服するものである。したがって、この発明はまたデータ篩に関する。このようなデータ篩は上記の欧州特許およびまた『ＩＥＥＥトランザクシヨン（Transactions）、信号処理（Signal Processing）』４１巻、３１頁−４２頁（１９９３）においてＪＡバンガム（Bangham）により報告されたリサーチペーパにおいて開示される。これらの装置の簡単な説明は以下のとおりである。データ篩は、ウインドウサイズが次第に増大する順序（ランク順序）フィルタのカスケード（連続）から構成されてもよい。しかしながら、順序フィルタは各段において２つ以上の処理装置を含むことができ、たとえばフィルタは１つまたはそれ以上のメジアンフィルタ、最大、最小、最小、最大もしくは最小、最大、最大、最小のシーケンスのフィルタを含むことができ、またはランクが段によって変化できることが理解されるだろう。したがって「順序フィルタ」および「ランクフィルタ」という用語は、最大／最小オペレータの組合せたとえば最大／最小形態オペレータの組合せを含むものと認識されねばならず、この発明の１つの局面はまた、今まで雑音低減のためのみに特定的に使用されてきた重み付き順序フィルタ、およびさらに後に述べる「強制された」ルートフィルタを含む。雑音低減のための重み付きメジアンフィルタは、専門家の文献において十分に立証されている。１つの例を以下に略述する。順序フィルタは、ウインドウ内に記憶されるサンプルの値の数により特徴付けられる。次に、その値のうち１つが出力のために選択される。メジアンの場合これは中央にランク付けられた値であるが、（最大および最小を含む）その他のランクも選択可能である。重み付き順序フィルタの１つの実現において、各サンプルの値の複数のコピーがウインドウ内に記憶され、ランクが先に述べたように選択される。本質的ではないが通常は、ウインドウの中心における値はエッジの値よりも大きな重みが与えられ、サンプルの合計数のメジアンが取られる。たとえば、典型的な重みは、１、１、２、５、２、１、１であり、この場合ソーティングされた集合における７番目の値がメジアンと解釈される。この回路の１つの実現において、重みは、重み付きメジアンフィルタ内に記憶される各サンプル入力のコピーの数を表わす。このことは添付の図面のうちの図１より理解でき、ここではＳＨ１．１ｉ、ＳＨ１．２ｉ、ＳＨ１．３ｉは、フィルタ全体の段１に対して入力された３つのサンプルを記憶するサンプルホールド増幅器である。これらは、データ篩の段１に対する入力ウインドウを表わす。ＳＨ１．１ｉをＳＨ１．１に接続することにより、１つのコピーが１つのソートに含まれる。ＳＨ１．２ｉを、ＳＨ１．２、ＳＨ１．３およびＳＨ１．４に接続することにより、３つのコピーがソート内に含まれる。同様に、ＳＨ１．３ｉがＳＨ１．５に接続される。これは、雑音低減目的のために専門家の文献において立証されてきた重み付きメジアンフィルタを実現するための唯一の方法ではない。この発明のさらなる局面は、たとえば信号解析、パターン認識、雑音低減およびデータ圧縮のために連続する重み付き順序フィルタをデータ篩に組入れることにある。この発明のさらなる局面は、各段でのメジアンフィルタ出力を、メジアンフィルタ処理を繰返すことにより得られる出力と類似するが同一ではないメジアンルートに強制するための方法にある。この発明はまた主として、迅速かつ効率的にデータ篩を実現するための回路に関する。上記の欧州特許において述べられたような簡単な回路では、Ｒが大きい場合、ソーティングされる必要のある値の数はまた大きいであろうということが含意されている。実際、これにかかわる複雑性、データ篩を実現するのに必要な回路のスケール、および特にビデオ画像処理のためにデータ篩を用いることが要求される場合、そのような回路が動作に要する時間のために、このことがデータ篩の使用の実用性を制限する可能性がある。今までデータ篩は標準メジアンフィルタまたは標準形態フィルタを使用して実現されている。標準メジアンフィルタは非常に大量のソーティングを含む。コンピュータではこれは時間の浪費であるため、メジアン発見演算を実行するためのハードウェア回路を発見しようと数多くの試みがなされてきたが、その例については図４に引用されるマルコーニ（Marconi）のＭＡ７１９０、およびＳＤリチャード（Richards）の「ＶＬＳＴメジアンフィルタ（VLST Median fllters ）」、（ＩＥＥＥＡＳＳＰ３８巻、１４５頁−１５３頁）を参照されたい。これらの設計は高速であるが、実現可能なウインドウのサイズはデータ篩標準からすればなお小さく、たとえばＭＡ７１９０は１５のサンプルしか処理できない。これはまた標準形態フィルタにも当てはまる。出版された文献は、データ篩標準による小さな構成エレメントを含む方法に限られる。データ篩構造が用いられるようになって初めて大きなウインドウまたは構成エレメントを使用する何らかの圧力が生じたことを認識せねばならない。その必要が生じたのは改良された特性を有するデータ篩の昨今の発展以来でしかない。したがってこの発明のさらなる局面は、たとえば既存の提案には必要である何時間もではなく秒のオーダの期間における完全な処理の達成を可能とするために、より簡潔な回路を実現するデータ篩の特定的な性質を利用することを目的とする。このことは、雑音低減のために用いられる回路よりもより複雑な回路の実現を実際的なものとする。したがって、この発明はまた信号解析に関し、特にイメージを含む信号の解析に関する。既存のシステムがしたがって以下に簡潔に説明される。従来、複数のパターンを異なるスケールで処理を行なうことのできるイメージ解析パターン認識システムは、以下の２つのステップに関する。１．分類に適切な形式での光学的イメージの再表現。２．再表現されたデータの対象の内容を分類するステップ。しばしば、データ分解プロセスにおいて、エッジ検出および適切な場合はしきい値処理と組合せて、ガウスフィルタのバンクといった線形のマルチスケール変換器が使用される。「この対象は“Ｘ”タイプの対象であるか？」といった判断を行なうとき、分類ステップは必然的に情報を廃棄する。しかしながら、マスク（それ自身が元のフィールド内の複合対象の１つから引出されたものまたは正確にそれを表わすものである）と元のイメージをマッチングするかまたは比較し、結果をしきい値処理し、マスクとの畳込みによりマスク対象（すなわち所与のタイプの対象）と同じ形状およびパターン特性を有する対象に関連するデータのみを識別し抽出しようと試みることにより、あるものは所与のタイプの対象に関連しその他のものは所与のタイプの対象に類似するが同一ではない対象に関連する複数のデータを含む視野から、所与のタイプの類似する複合対象を識別するこどが上記の従来のシステムではできないことがわかっている。上記のような従来のシステムは、所与のタイプの対象と周波数構成において非常に似ているが同一ではない対象から対象データを取除くには十分選択的でないことが発見されている。信号分解は、２つの明らかな方法でパターン認識のために使用可能である。１つの方法において信号分解はエッジ検出に先行してマルチスケールの平滑化をもたらし、このことは雑音の多いイメージから重要なエッジのみを引出すのに有益である。多くのパターン認識方式は、分類の前に前処理ステップとしてエッジ検出を用いる。データ篩は、インパルス雑音においてさえエッジの優れた局所化をもたらし、これは強靱なパターン認識のためには理想的である。代替の方法は、相互相関といったマッチング処理を用いて、雑音の多い信号内のターゲットパターンを識別することである。以下に説明される例（図９および１０）は、データ篩から得られた粒状性ドメインにマッチング処理を応用することにより、空間（ピクセル）ドメインにおいて直接マッチングする場合と比較して改良された結果をもたらすことを示す。その代わりとして、複数のパターンを異なるスケールで処理することができる従来のパターン認識システムは、２つの主要なステップ、すなわち１）分類器に対する適切な形式での視覚的世界の再表現および２）分類器を含まねばならないといってもよい。システムに柔軟性を持たせるには、段２００はすべての重要な情報を保存し、したがって信号基本立体から元の信号２０２の主要な特徴を再構成することができなければならない。この時点で余分の処理段２０４、２０６を含むことがしばしは必要である。ガウスフィルタのバンクといった線形マルチスケール変換は、信号基本立体からの再構成を可能とするために段２００に対して広範に用いられる。ステップ２、すなわち分類器２０９は、たとえば２進的判断「これは“目”か否か？」という判断が行なわれなければならないとき必然的に情報を廃棄する。ただ１つのしきい値段２０８が必要であろうが、通常はこれでは十分ではない。たとえば図９は、従来のマッチングされたフィルタは周囲のすべておよびその他の特徴から右目を分別することができず、たとえばもみあげ／耳は元のイメージ（左側のパネル）がマスク（最も中央の目）と相互相関されるときは目のように思われ、結果がしきい値処理されるとマスクとの畳込みにより目が明らかになる（右側のパネル）ということを示す。さらなる局面におけるこの発明の目的は、特定の形状およびパターン（ターゲット）を有する対象を、そのうちのいくつかはマスク（ターゲット）対象と非常に類似する特性を有するその他多くの対象に加えそのような対象を複数含むフィールドから、信頼高く選択することのできる、改良されたイメージ解析システムを提供することである。さらなる局面におけるこの発明の目的はまた、イメージを形成する有効エレメントに関連するデータを失うことなくイメージデータを圧縮するためのシステムを提供することである。発明この発明は１つの局面において、広帯域の望ましい信号から望ましくない信号を取除くために、データサンプルの集合として表わされる信号の集合体に応用されるパルス解析の方法を含み、（ｉ）Ｎ（Ｍよりも小さい）からＭまで増加する数多くのサンプルを含むウインドウサイズを有する連続するフィルタを用いて、信号の集合体の少なくとも選択された部分を順序値フィルタ処理するステップを含み、各連続するフィルタへの入力は先行するフィルタの出力であり、バンドパス出力は粒状性を表わし、先行するフィルタ出力から現在のフィルタ出力を減算することにより得られ、グラニュールはバンドパス出力の非ゼロセグメントであり、さらに、（ii）連続するフィルタのバンドパス出力から、バンドパスフィルタ出力の予め定められた部分集合を選択するステップと、（iii）部分集合のパルスを合計し、選択により決定された望ましいパルスを含む出力信号を生成するステップとを含む。特にローパスフィルタ処理に対し、この方法は、部分集合を形成するバンドパスフィルタ出力が選択され、少なくとも予め定められた数のデータサンプルを有するパルスのみを含む出力信号を生成するような配置を含んでもよい。選択および算術ステップは、連続するフィルタ内で実行されてもよい。データのアイテムの集合体が１次元にあり、距離および／または時間により間隔が設けられている場合、選択されたグループは連続するバンドパスフィルタ出力のグループを含んでもよい。データのアイテムの集合体が２次元にあるとき、選択されたグループは、サンプリングされた値の連続し類似するアレイを含み、各々のグループが少なくとも２つのそのようなアレイからのサンプル値を含んでもよい。上述のとおりこの発明のさらなる局面は、各段におけるメジアンフィルタ出力をメジアンルートに強制することに関する。１次元のアレイにおいては、データ篩の各段におけるフィルタ処理演算はべき等となり、すなわちフィルタ処理がいかなる特定の段で繰返されているときもさらなる変化を生じさせないことが理解される。このことはデータ篩の各段において組入れられるべきフィルタ処理プロセスの理想的な特徴であり、ルートメジアンにより達成可能である。しかしながら、この明細書中で後に述べる方法によるルートの強制は、ルートメジアンよりわずかに劣るがはるかに高速である出力を生成する。この方法はまた、２次元または多次元のアレイに応用される。上記のように、この発明はまたデータ篩に基づいた信号処理のためのより簡潔な回路を提供することを目的とする。たとえば、データ篩のいかなる特定的な段においても、信号のあるセグメントは変化せず、これら変化しないセグメントの範囲は、Ｒがより大きな後の段へと信号が通過するにつれて増大することが発見される。これらのセグメン卜をフラグ処理することにより、データ篩プロセスを簡潔化し高速化するためにランク処理の量を減少させることが可能である。コンピュータシミュレーションは、この発明に従う改良された方法は、最初の方法よりも３０００倍まで高速化可能であることを示している。簡潔化プロセスは、信号処理をグラニュールに関連する元の信号における特徴に集中させる。上記のプロセスで設定されたフラグを利用することにより、パターンマッチングプロセスを促進することがまた可能である。粒状性ドメインにおけるマッチングのプロセスは、データ篩構成の各段で粒状性イメージに応用される相互相関法のプロセスに類似するが同一ではない。たとえば、１，０００のサンプル信号は、１，０００段のデータ篩配列を用いて１，０００の異なるメッシュ（スケール）の粒状性イメージに分解され、ここでは５０のサンプルで表わされる対象がシークされ、５０×１，０００＝５０，０００サンプル、合計２，５００，０００までの乗算を伴なう５０サンプル特徴ベクトルの有限の畳込みを意味する。この明細書中で説明される粒状性ドメインを用いたマッチングプロセスはしたがって、グラニュールの振幅を１ビットに量子化することはマッチングの感度を大きく減ずることにはならないため、２，５００，０００のＡＮＤ演算（１ビット相関法）に減少させることができる。より重要なことは高速の分解について先に述べたフラグ回路を開発することにより、精々５０×１，０００のＡＮＤ演算に減らすことが可能であり、またはより典型的には２５×５００のＡＮＤオペレータを用いる。したがって、ＡＮＤオペレータの元の数の精々０．５％まで低減が達成される。畳込み方法と異なり、マッチング演算が行なわれる順序を修正することによりさらに削減可能である。たとえば、マッチングプロセスを最も大きなグラニュールで開始し、最も小さいものへと進み、一旦マッチングの成功を発見する可能性がないに等しくなれば探索を断念すると、回路の簡潔化および演算時間の節約がまた可能である。局所的極値、モノトーンおよび定数領域（ＩＤラン）におけるフラグ処理により、以下の方法に従い効率的なデータ篩の実現が行なわれる。この方策はいかなるデータ篩にも利用できるが、１次元の分解の場合について説明する。（最大最小、最小、最大のシーケンスとして規定される）アルファフィルタおよび（最小、最大、最大、最小のシーケンスとして規定される）ベータフィルタの場合、最大および最小の極値は通常異なるパスにおいて処理される。第１に、ｍをデータ篩の段とすると、メジアン篩の場合ウインドウは２ｍ＋１サンプルであり、アルファおよびベータフィルタの場合ｍ＋１サンプルとなる。１）各篩段に対する入力をランレングス符号化し、次にランレングス符号化された信号を用いてフィルタ処理プロセスを実行することは好都合であるが、必然的なものではない。１次元の信号の場合、ランレングス符号化は比較的単純であり、２次元（または多次元）信号では信号のコード化の方法にはいくつかあり、たとえば２つの別々の直交する１次元のランレングス符号化された信号として、または２次元のイメージを横切る１次元の信号としてである。２）極値を形成する少なくとも最短のラン（ＲＬ）のランレングスを記録する。ここで「極値」とは篩のタイプ次第で極値の終端の局所的な最大または最小の領域であることが理解される。ｍがＲＬよりも小さい場合いかなる段でも処理は行なわれない。したがって、これらの段への入力は、直接またはアドレスをデータバッファに転送することにより各出力にリレーされる。このことは、フィルタ段が最短の極値ラン（ＲＬ）の長さに等しいｍを有し、１つの時間節約プロセスを示すまで、効率的に段をスキップする。３）単調に上昇、下降する信号のフラグセグメント、および２つ、すなわち極値間に存在するラン。モノトーンは２つ以上のサンプルのランを含む可能性があることに注目されたい。これらフラグの状態に従い、局所的に単調な入力セグメントおよび篩のタイプ次第で、ｍまたはｍ＋１よりも長いランは、出力にリレーされる。このことはまた別の時間節約ステップを表わす。４）極値を形成し、持続時間においてｍのサンプルよりも短いかまたは等しいランのみを処理する。これはデータ篩の特性であり、処理ステップは極値および隣接する信号のサンプルの値を含むことのみが必要である。データ篩の各段においてのフィルタ処理の前に極値、単調さおよびデータにおける定数領域を識別する原理は、多次元信号にも等しく応用されることが理解されねばならない。データ篩のさらなる効率的な実現において、データ篩の各段を実現するのに必要な組合せ論理の削減のためにデータ篩特性が研究される。データ篩の効率的な実現のためのこの方法は、信号はデータ篩を通過するに従って単純になるという観察を利用する。この特性を利用する回路の設計には２つのステップが含まれる。以下の説明において、１次元のメジアンデータ篩が述べられる。しかしながら、この方策はその他のデータ篩および多次元のデータ篩にも応用される。１）信号のしきい値分解、すなわち８ビット信号はしきい値処理されて２５６の２進信号を形成することが可能であり、その総和はもとの８ビット信号を生む。各２進信号は次に独立してメジアンフィルタ処理される。その結果は次に合計され、グレースケールのメジアンフィルタ処理された信号を形成する。いかなる正のブール関数のスタッキング特性も、２進信号のフィルタ処理はグレースケール信号のフィルタ処理と等価であることを確実にする。データ篩においてフィルタ処理段間の信号を再び組合せることは必要ではない。２）以下のプロセスにより実現される第１段の３点２進メジアンフィルタ処理演算であり、ここにおいてウインドウはａ、ｂ、ｃに値を含み、スタックの１つのレベルでのフィルタの出力はｆである。ウインドウにおける値に対する真理値表は以下のとおりとなる。圧縮操作（Ｋマップ）の後、結果生じる関数は、ｆ＝aｂ＋ｂｃ＋ａｃとなる。第２段は５つのウインドウを有し、ａ、ｂ、ｃ、ｄ、ｅに値を含む。特定的には、このフィルタ処理段は以下の真理値表を利用して実現可能である。これにより、以下の式が生じる。ｆ＝ｃｄｅ＋ｂｄｅ＋ｂｃｅ＋ｂｃｄｅ＋ａｃｅ＋ａｃｄｅ＋ａｂｅ＋ａｂｄ＋ａｂｄｅ＋ａｂｃ＋ａｂｃｅ＋ａｂｃｄｅこの式は以下に簡約化される。ｆ＝ｃｄｅ＋ｂｄｅ＋ｂｃｅ＋ａｃｅ＋ａｂｅ＋ａｂｄ＋ａｂｃしかしながら、もし篩がルートメジアン篩またはアルファもしくはベータ篩または強制されたルート篩であればさらなる簡約化が可能であるが、その理由は入力のある組合せが発生しないことによる。結果として、これら組合せからの出力は「ドントケア」状態に設定可能である。上記はＫマップ歩留りを用いた簡約化の後（正のブール論理式のみを用いて、すなわちＮＯＴａ、ＮＯＴｂ、ＮＯＴｃ、ＮＯＴｄ、ＮＯＴｅといった補数を含まない等式を用いて）、以下が得られ、ｅが真であれば下のとおりである。ｅは偽であれば下のとおりである。ｆ＝ａｃ＋ｂｄ＋ｃｄｅ＋ａｂｃ＋ａｄｅこの簡約化はウインドウが大きくなるに従いより効果的となるが、その理由はさらにドントケア状態が存在するためである。結果として、篩の各段を実現するのに必要な論理は、ランク分解の非篩の実現よりも低いレートで複雑性が増大する。この発明の１つの局面は、上記の例示の手段により得られた削減された論理回路を用いたデータ篩の実現に関する。この発明のさらなる重要な局面は、前述のとおりパターン認識に関する。その最大局面においては、この発明は対象を含むフィールドを表わすデータにおけるパターン認識の方法を提供する。このプロセスは増大するウインドウサイズを用いて連続的に順序フィルタ処理をするステップと、結果として変換されたデータを形状またはパターンまたはその両方に従い識別される１つの特定的な対象を示す変換されたデータとマッチングまたは比較する（通常の意味において）ステップと、特定的な対象の前記特性を有する対象のみに関連するデータを含む出力信号を生成するステップとを含む。マッチングに必要な情報は、分解から生じる粒状性においてのみに含まれるのではなく、前述した高速アルゴリズム（グラニュールの位置に関連する）により生成されたフラグ場所のパターンにおいて含まれることが理解されるだろう。各順序フィルタは重み付きメジアンフィルタでもよい。順序フィルタ処理は、元のフィールドにおける対象に関連する１、２またはそれよりも大きな次元で実行されてもよい。スケールに基づく弁別は、フィルタ処理された出力に対して行なわれてもよい。元のデータは、１次元信号、多次元イメージの走査により得られた１次元信号でもよく、またはそのものが２次元イメージといった多次元であってもよい。各フィルタの入力が先行するフィルタからの出力から構成され、各連続するフィルタは次第に増大するウインドウサイズを有する順序フィルタのカスケードは、データ篩として前述されている。入力信号におけるあるパターンは長時間かけてルートメジアンフィルタ処理段に到達することが注目される。実際、このことは制限ではなく、自然データまたはイメージについてこのことが問題となるようなケースに未だ出合ったことはない。しかしながら、ルート信号はデータ篩の各段で出力可能となることを確実にするための方法が発見されている。このことは、メジアンデータ篩は常に設計においてアルファまたはベータデータ篩と同様に簡潔であることを確証する。したがって、この発明は「強制された」ルートが各段において生成されるデータ篩に関する。連続する極値が同じ持続時間であるときはいつでも、「発振」フラグが設定される。その解決はこれらサンプルをメジアンフィルタ処理することではなく、出力を、その段に対してｍよりも小さいかまたは等しいランがない連続する値の集合にまたはその間にある値の連続に強制することである。この発明はまた、視野における特定的なエレメントを表わす信号を記憶するためのデータ記憶手段と、視野における特定のエレメントに示されたデータをマッチングまたは比較するための手段と、特定のエレメントを表わすデータをデータ篩の出力とマッチングまたは比較し、高度の相互関係が発見されるデータのみを選択するための手段とを含むことにより、パターン認識を実行するように適応されたイメージ解析器における画信号分解エレメントとして採用されるデータ篩に関する。相関レベルは、選択度を高めるために調整されてもよい。この発明はまた、前記のようにデータ篩を実現するイメージ解析器、データ篩に提示するためにデータが引出されたフィールドに存在し得るシークされた特徴または対象に関連するデータを記憶するためのデータ記憶手段、および記憶されたデータをデータ篩の出力とマッチングまたは比較し、入力信号からデータ記憶手段におけるデータに高度の相関性のあるデータのみを選択するための手段に関する。相互マッチングは、データ篩のいくつかまたはすべての異なる段（または異なる段からの連続する出力間の差）からの興味あるマスク（ターゲット）を表わす出力を記憶手段に記憶し、記憶されたデータを、データ篩を通るイメージデータの後続の進行の間、記憶されたデータ（または差）が引出されたデータ篩の同じ段から得られたデータ（またはデータにおける差）とマッチングまたは比較し、相互マッチングされた信号を出力し、それをしきい値に提示してしきい値により決定された相互マッチングの所与のレベルを有するすべての信号を取除くことにより実行されてもよい。この発明のさらなる局面はデータ圧縮に関する。この発明に従うデータ圧縮の方法は、あるイメージに関するデータをデータ篩に与えるステップと、データ篩を形成するフィルタの連続におけるｍ番目の順序フィルタにより通された信号を選択するステップと、データ篩の先行する段から得られたより大きなグラニュールの少数部のみをそれと組合せるステップとを含む。図１０はこのプロセスの例を示し、グラニュールの約１０％が保持されている。このことは結果として、先行する段により取除かれたデータのより重要な部分を（ｍ′１）番目の段からの劣化したイメージデータに戻すように加えることのみにより、大幅なイメージデータ圧縮となる。この発明はまた、前記のような信号フィルタに関し、たとえば音声からまたはイメージの走査から引出された信号のようなデジタルデータ信号から望ましくない内容を除去するために用いられてもよい。実施例の説明この発明のさまざまな局面は、そのいくつかに既に簡単に言及した添付の図面を参照してさらに説明される。図面において：図１は重み付きメジアンフィルタの原理を説明する。図２はこの発明に従うパルス解析システムを概略的に説明する。図３はこのシステムの回路図である。図４はこの回路の実際的な実施例を示す。図５は代替的なパルス解析システムを概略的に説明する。図６は代替的なシステムの回路図である。図７は図６の回路の実際的な実施例を示す。図８はイメージ解析システムを示す。図９および図１０は図８のシステムの使用の結果を示す。図１１は別のイメージ解析システムを示す。図１２は１次元データ篩を用いて２次元イメージを解析するための方法を示す。図１３はイメージ処理のためのマッチしたデータ篩の利用を示す。図１４は組合されたデータ篩およびイメージ分類器を示す。図１５は２つのイメージ分解システムの組合せを示す。図１６から図１８は高速データ篩に関連する図である。便宜上、この発明のさまざまな局面は、第１にノイズ低減およびパルス解析を含む基本的なデータ篩オペレーションに関して説明され、第２にパターン認識に関して説明される。データ圧縮および線形／非線形切換えがこの説明にさらに組込まれ、最後に高速データ篩回路の実現例が説明される。図１は、既に説明した、ノイズ低減を達成するための、これまではより大きなウインドウサイズで用いられてきた、公知の重み付けされたメジアンフィルタ回路を示す。図２を参照すると、ビデオカメラ１００がバッファ増幅器１０４とＡ／Ｄ変換器１０６とを介してアナログ信号１０２をデータ篩１０８に与えるのが図示される。データ篩は、１つのバンドパス出力が各段から与えられるＭ個のバンドパス出力１１０を与える、積分的に増分する値のひと続きの順序値フィルタを含む。Ａ／Ｄ変換器が好ましくはあるが、データ篩１０８はアナログ信号で動作できるため、それは必要不可欠なものではない。データ篩１０８はＭ個の段のパルス幅弁別器を効果的に含み、各段の出力はその出力から減じられて、その段に独自の幅のパルスを含むバンドパス出力を生じる。こうして、データ篩はパルス幅に従って入力信号を成分パルスに分解する。Ｍ個の出力は、パルスセレクタ１１２に取られ、それは、その複数の入力で生ずるパルスの予め定められる部分集合を選択し、それらをともに加えて、その選択によって決定されたデータパルスのみを含む出力１１４を生ずる。信号１１４はＤ／Ａ変換器１１６を介してビデオモニタ１１８に送られ、ビデオモニタ１１８は、パルスセレクタによって合成されたイメージを表示し、ゆえにパルスセレクタ１１２によって選択された入力信号の特徴のみを含む。図２の右手には元のイメージ１２０の一部が図示され、白線は１０２で示されるアナログ信号を生ずる２つの走査線を強調している。この下には、走査線が１１２で異なる幅の構成パルスの集合に分解されて示される。振幅は強さによって示され、パルス幅は垂直軸に沿って対数的にグラフで表わされ、水平軸は時間を表わす。出力１１４はより特定的には、イメージ１２０における対象の目を表わすパルスのパターンを選択し、振幅変調されたビデオ信号を形成するために再合成した結果を示す。望まれない（目でない）信号は実質的に減衰される。図３の回路図は図２のシステムの例を示し、図４はこの回路の実際の実現例を示す。これら２つの図において、参照番号１３０は順序値１フィルタを示し、参照番号１３２は順序値２フィルタを示し、参照番号１３４は順序値３フィルタを示す。順序値３フィルタはメジアンフィルタもしくは何らかの他のランクフィルタ（たとえばＭＡ７１９０は任意のランクを発見することができる）、またはランクフィルタの何らかの組合せであってもよい。順序値４、５、…のフィルタが後に続くが、ここには図示されない。ボックス１３１は「２の補数」回路を表わす。ボックス１１７は「２の補数および否定」回路を表わす。加算器１３６、１３８等はパルスセレクタに出力を与えるが、十分な詳細なここには示されない。図４の実際的な回路において、各フィルタ１３０、１３２等のピン８および９は中央バスに接続する。フィルタ１３０ではウインドウは３に、ランクは２に設定され、フィルタ１３２ではウインドウは５に、ランクは３に設定される。図５ないし図７は、光電子倍増管１４２の出力１４０に適応される、同様の態様の修正されたシステムを示す。しかしながら、この実施例においては、パルスを選択し加えることはデータ篩１４４内で行なわれ、それは、信号アナライザ１５０によって発生される最終出力１４８において望まれない短期パルスまたはインパルスを全く有さない、または少なくとも極わずかにしか有さない、出力１４６を直接与えるＭ個の段を有するパルス幅弁別器を構成する。光電子倍増管１４２は、フローサイトメータの蛍光をモニタすることによって得られる出力１４０を与えるよう図示される。この出力１４０は、Ｍ個のサンプルより長いひと続きのパルスとして表されてもよい基本的な望まれない信号を、無作為の、相関されない短期のノイズ信号とともに明らかに含む。１４８でクリーンにされた出力は同じくクリアである。典型的には、この出力は２０のデータサンプルより大きい持続期間のパルスのみを含む。より詳細には、図５は光電子倍増管が１４２でたとえばフローサイトメータにおける細胞の蛍光をモニタするのを示す。出力信号１４０は、Ｎ個のサンプルより長いパルスのシーケンスとして表されてもよい、基礎をなす（望まれる）信号と、持続期間がＮ個のサンプルより短いパルスとして表わされる、（望まれない）無作為の、相関されないノイズとを表わす。参照番号１４１はバッファ増幅器を示し、１４３はＡ／Ｄ変換器を表わす（たいていのデータ篩およびパルスセレクタはデジタルデータで動作するが、すべてのデータ篩およびパルスセレクタがデジタルデータで動作するわけではない）。データ篩パルス幅弁別器１４４は全部でＮ個の段を有し、その出力１４８は、短期のパルスまたはインパルスを全く有さない（または極わずかに有する）、基礎となる（望まれる）信号を表わす。信号アナライザ１５０は、データ篩によってクリーンにされた、基礎となる（望まれる）信号をさらに解析する。図の右手に示されるのは、Ｉ）光電子倍増管からのデジタル化された信号。 II）望まれる信号１４８。これは、５サンプルより大きい持続期間のパルスすべてを含む。それより短いパルス（望まれないノイズ）は厳しく減衰されており、エッジ位置、鋭さ、およびパルス幅はデータ篩によってよりよく保存される。 III）標準的なメジアンフィルタリングの、劣った結果。 IV）線形ガウスフィルタバンクを介するフィルタリングの、劣った結果。周波数およびスケールを局所化するための最適Ｆ．Ｉ．Ｒ．フィルタであるにもかかわらず、それはパルスをあまりよく弁別しない。示されるＡ／Ｄ変換器１４３は必要不可欠ではないことがここでも注目される。図６の回路図および図７の実際の実現例は、図２および図４の説明との類似から、詳細な説明がなくとも明らかである。しかしながらこの例においては、必要とされる出力はデータ篩の最終フィルタの出力によって与えられる。パルス選択はデータ篩内に効果的に組込まれる。別の局面において、この発明は、代替的な、汎用目的の、マルチスケールの分解、つまりデータ篩に依存するパターン認識システムに関連する。これは、図７のアイテム２００として用いられ、パターン認識に好適なマルチスケールの基本立体を生ずるよう特定的に設計される。この設計は最初の分解段でしきい値処理オペレーションを開始する。したがって、データ篩２００は、非線形事象から生ずる、鋭いエッジを有する対象の位置を分離して位置付けるのに適当であり、なぜならそれは、対象のスケールとそれらのエッジとの間に真性結合があるからである。典型的な例は、１つの対象が他の対象を特定的に吸蔵することによるイメージである。これは、空間周波数とは無関係であり、かつ異なる不確かさのトレードオフを有し、かつスケール、位置およびコントラストに影響されないパターン認識のために用いられ得る方法で、構造的情報を表し得る。図８は典型的なイメージ解析システムの概略を示す。信号２０２のスケールによる分解は従来は線形プロセス装置を通して行なわれてきた。しかしながらこの発明に従うとデータ篩構造２００が利用される。これら２つはピンに互換性があり、故に標準的なエッジ発見２０４、分類２０６、しきい値処理２０８、２１０、および中間信号基本立体の処理２１２が実行され得る。しかしながら、この発明は、データ篩によって可能となるステップ２０４ないし２１０への従来にはないアプローチにさらに関連する。これらの非線形順序フィルタは可換でもなく関連してもおらず、ゆえにサブフィルタの異なる構成が異なる全体的な結果を生じることに注目するのは重要である。線形フィルタとのこの違いは、フィルタの異なる構成（構造）が機能上異なることを示すことから重要である。ウインドウ幅を増加させる順序フィルタがともに直列に結合されるデータ篩によって導入されるカスケード構造は、特有かつ有用な結果を生ずる。重要なのは、一連の、スケールを増大する順序またはランクフィルタのカスケード構造であって、その連なりにおける各段で用いられる特定の順序フィルタではないことを強調することは重要である。この構成は、メジアンフィルタ（またはランクフィルタの他の組合せ）のカスケードの連続する段は単一の長いフィルタによって導入される歪みを取除くことがわかっているため、代替物に対して利点を有する。これは、たとえば米国特許第４６０３４３０号にある、プッシュからヴァンを弁別するのに必要な長いメジアンフィルタの対を用いる際に遭遇する問題である。データ篩は、信号を単純化しなからエッジを保つ順序（つまりランクオーダ）フィルタの周知の特性を利用する（たとえは米国特許第４４４１１６５号、第４４３９８４０号、第４５０６９７４号を参照されたい）。この特徴は、１９５０年代における非常に関連する、二進の形態フィルタの導入以来認識されているものであるが、これらのフィルタが最大および最小オペレーションのシーケンスを用いてグレースケールに拡張されたのは１９８０年代中期になってからであった。１９７０年代後期において、研究の別の流れがメジアンフィルタについて発展したが、最近になって、スタックフィルタ理論、本影、および最終的にはデータ篩という発展に伴い、これら２つのアプローチが１つとなった。ここに説明されるシステムは、データ篩から得られる基本立体に基づくパターン認識を表わす。データ篩から導出された基本立体における情報は、粒状性、グラニュール、またはレクトと名付けられている。粒状性は、信号を単純化し、１次元および２次元の両方においてパターンを認識するのに直接用いられ得ることがわかっている。これを行なうことの利点は図１０の左側のパネルに示されており、このパネルは、右目はテストイメージに位置付けられ得、イメージの残りの部分は除去され得ることをはっきりと示している。この図は、図９の左側のパネルにおけるイメージから得られる信号グラニュール２００（図８）にデータ篩を適用した結果を示す。線形処理の例にあるように（図９の右側のパネル）、マスクは中央にある目から導出される。データ篩の使用により得られる改善された結果（図１０の左側のパネル）は、線形処理により得られる結果（図９の右側のパネル）よりも明らかによい。この方法の別の適用において、視覚的に重要なイメージのエレメントを認識する手段が生ずる。これはイメージ圧縮に用いられるであろう。グラニュールの特性は、図１０の右側のパネルに示されるような、情報が減らされたイメージを形成するのに利用される。これは、最初の９つの段から得られるグラニュールのうちの最も大きい１０％だけが加えられているローパス２Ｄデータ篩からの（循環マスク、オーダ１０、つまりデータ篩の１０番目の段からの）出力を示す。イメージの中間領域は図９の左側のパネルの中間領域と比較される。グラニュールが１００％加えられると、完全な再生が結果として生ずる。マッチングしたデータ篩を用いての単一のスケールでの１次元認識の場合、１次元（１Ｄ）ターゲット信号の粒状性（データ篩によって得られる信号基本立体）は、データ篩に基づいて、背景信号からターゲットを弁別する回路を設計するのに用いられ得る。これはマッチングしたデータ篩と呼ばれる。この方法は粒状性に関するターゲットのシグネチャを必要とし、言い換えるとターゲットはその粒状性を得るためにデータ篩にかけられる。１Ｄの例では、各グラニュールは３つのパラメータ、つまりその位置ｘ、振幅ａ、およびスケールまたはメッシュｍによって表わされる。次いでグラニュールのうちの１つ、通常は最初のグラニュールが基準グラニュールに指定され、そのｘの値は各ｘから減じられる。この結果、すべてのｘパラメータは基準グラニュールに対するオフセットとなる。マッチングした篩の１つの実施例においては、ターゲットのパラメータを得るプロセスは、マッチングした篩自体を設計する前に生ずる。別の実現例においては、ターゲットへのパラメータは、エラー測定および負のフィードバックを組込む標準的適応フィルタ法を用いて純化される。次に、パラメータはターゲットにマッチングしたデータ篩を設計または構成するために用いられる。これは、制御される制限内でパラメータがターゲットのパラメータと一致するグラニュールのパターンだけを通過させるグラニュール（１Ｄではパルス）セレクタによって達成される。１Ｄのマッチングした篩におけるグラニュールセレクタの役割は図１１に示される。図１１は、（Ｉ）部で、処理される例に用いられる２つの走査線を白線で強調する元のイメージの一部を示す。これは次いで、アナログのライン走査されたイメージ（II）を発生するビデオカメラ２２０を用いてサンプリングされる。バッファ増幅器２２２はＡ／Ｄ変換器２２４に与え（たいていのデータ篩およびパルスセレクタはデジタルデータで動作するが、すべてのデータ篩およびパルスセレクタがデジタルデータで動作するわけではない）、次いでデジタル化された信号は２２６で合計Ｍ個の段にデータ篩にかけられる。各段の出力はその入力から減じられて、その段に独自のスケールのグラニュールを含むバンドパス出力を生じ、つまりそれは幅および２次元的な幾何学的形状に従って入力信号を成分グラニュールに分解する。並列出力は次いでグラニュールセレクタ２２８に送られ、それはその入力に到着するグラニュールの部分集合を選択し、それらをともに加えて、出力を生じさせる。結果（III ）は、目を表わすグラニュールのパターンを選択し、振幅変調されたビデオ信号を形成するよう再合成した結果を示す。望まれない（目でない）情報は実質的に低減され、次いで（２２６および２２８がデジタル化されたデータで動作している場合は）Ｄ／Ａ変換器２３０を介して送られて、パルスセレクタによって合成され故にセレクタ２２８によって選択されたパルスのパターンにマッチングする入力の特徴のみを含むイメージを表示するビデオモニタ２３２上に表示される。参照番号２３４は、各段につき１つのバンドパス出力を与える、セレクタ２２８へのＭ個のバンドパス出力をデータ篩２２６が与えることを示す。学習モードにあるこのセレクタ（異なるオーダのグラニュール信号２３６を送る）は、グラニュール（ｇ−ターゲット）をストアし、次いで２３８でマッチングモードのＡＮＤｇ−ターゲットと入来グラニュール（ｇ−イメージ）とをストアして、ｇ−ターゲットが超えられた場合にのみ出力を与える。この発明にさらに従うと、図１２は１Ｄのデータ篩を用いて２次元（２Ｄ）イメージの基本立体を得るための３つの改善された方法を示す。１つの実現例においては、データ篩の各段で前の段２５０の出力はいくつかの角度αで走査され、サンプルのいくつかのシーケンスはウインドウがデータ篩のその段に対して適当な状態で順序によるフィルタリングを受ける。いくつかの結果的に生じたイメージは次いで２５２でともにＯＲ演算されるかまたは２５４でともにＡＮＤ演算されて段２５６で出力イメージを形成する。別の実現例においては、各段２５０のイメージはまず１つの角度αで走査され、サンプルのシーケンスはウインドウがデータ篩のその段に対して適当である状態で順序によってフィルタリングされる。次いで、結果として得られたイメージは別の角度α₂で再走査され、サンプルのシーケンスは再び窓がデータ篩のその段に対して適当な状態で順序によってフィルタリングされる。言い換えると、オペレーションは２５８で示されるように連続して行なわれる。これはすべての角度に対して繰返され、最終出力イメージ２５６はその段の出力となる。マッチングした篩を用いるパターン認識のより一般的な例は、たとえばイメージのような多次元信号を扱う。図１３はこれがどのように達成され得るかを示し、図１４はそれを実現するための回路を示す。段２６０（図１３）でイメージ２６２（対象２６３の積重ねの底部のイメージとして図示される）は、スケールが増大する一連のイメージに分解される。これはデータ篩を用いて実行される。次のステップでは、スケールが増大する対の間の差を取る。この差のイメージは粒状性ｇという、イメージ中の対象に関連するスケールおよび幾何学的情報を含む。この差のイメージはスケールがｇ¹ _{イメーシ゛}、ｇ² _{イメーシ゛}、ｇ³ _{イメーシ゛}…と増大する状態で示される。対象の粒状性は各スケールでさらに示される。次のステップ２６４では、ターゲット（底部でイメージ２６５として図示される）をスケールが増大する一連のイメージに分解する。これはイメージの場合と同じ方法で行なわれる。差をってｇ¹ _{ターケ゛ット}、ｇ² _{ターケ゛ット}、ｇ³ _{ターケ゛ット}…を形成し、０でない値のすべてのパラメータはｇ_{ターケ゛ット}に記憶される。２Ｄイメージの例では、結果は３Ｄのマスクである。マスクにあるグラニュールのうちの１つは基準となり、すべてのオフセットｘはその基準グラニュールに対して相対化される。同様の態様で、すべてのｍおよびオフセットｘは基準グラニュールのパラメータｍに従ってスケーリングされる。最終ステップ２６６で、ターゲットマスクは、適当にスケーリングする、ｘ、ｙ、ｚ面（２Ｄイメージは３つの面を有し、１Ｄは２つの面つまりｘ位置およびスケールｚを有する）において、イメージボックスを通して送られる。各位置でターゲットｘ、ｙ、ｚは基準エレメントの値ｚに従ってスケーリングされる。次いで、ターゲットボックスにあるすべてのエレメントはイメージボックスにある関連するエレメントとＡＮＤ演算されて、各ｚで０でない数（オーダ）を表わすカウンタを増分させる。しきい値数よりも多くのエレメントが０でない場合には、各マッチングするエレメントの関数が関連の出力粒状性すなわちｇ−出力に出力され、ｇ−出力のエレメントは各ｘ、ｙ位置で加えられて出力イメージを形成する。このようなマッチングしたデータ篩からの結果の例は図１０の左側のパネルに図示される。図１４はマッチングしたデータ篩のための回路を図示する。たとえばイメージの位置ｘ、ｙでの信号は入力３００であり（これは図１１の入力２２６に対応する）、３つの可能な出力が利用可能である。出力３０２は低域の、データが篩にかけられた結果であり、出力３０４は入力における特定の点でのマッチングの質の尺度であり、出力３０６は位置ｘ、ｙでのマッチングした篩出力の値である。出力３０６は図１１の２３０への入力に対応する。３０８は、既に説明したように、各段で循環マスクおよびメジアンフィルタを典型的に用いる標準的なデータ篩である。それは各段に３つの主な素子を含む。３１０は順序フィルタであり、３１２は３１０によって導入される遅延を補償するための遅延ラインである。３１４は３１０への入力３００とその出力との間の差を見つける加算器である。Ｍ個の差信号３１６があり、１つの差信号はデータ篩における各スケールまたはレベルに対応する。１つ以上の差信号がともに合成されてもよい。３１８、３２０、３２２、３２４を含む回路は、ターゲットのパラメータを判断して記憶する手段を提供する。アイテム３２６が設定されると、３２６がクリアされると必ずグラニュール値が記憶されるバッファの組３２４に信号３１６が送られる。信号３３８は（図１３の２６４に示されるように）ターゲットの粒状性イメージである。バッファの組３２０は、ターゲットを含むのに必要なだけの数のエレメントを有する遅延ラインを表わす。ターゲットがイメージである場合、これは２次元アレイである。すべてではないがいくつかのグラニュールのパラメータは３２４に記憶され、その選択はしきい値処理装置３２２によって行なわれる。素子３２０、３２２、３２４はともにパーセプトロンの一例を表わす。３２４からの出力は、しきい値装置の別の組３３０からの出力をゲート処理するために用いられる。素子３３２および３３０は、望まれない小さなグラニュールを取除くために値がしきい値処理されるサンプルの空間的シーケンスをそれらが記憶するという点で、３２０、３２２と同様である。信号３３４は図１３の２６０に示されるような粒状性イメージである。３３６は信号３３８によって可能化されるバッファである。このステップが、３２４に記憶されるターゲットのパターンに従ってイメージにおけるグラニュールの集合を選択する。３０８からの出力上における特定のスケールｍでのマッチングの質を判断するために、３３６の出力は３４０で加算され、その結果は３４２において特定のスケールｍで局所的に、またはすべてのｍにわたってひとまとめにしきい値処理される。信号がしきい値を超える場合には、バッファ３４８を可能化して出力３４６をゲート処理するために、ゲート動作のための信号３４４が用いられる。各ｘ、ｙ、ｍでの選択されたグラニュール３５０は次いで３５２で加算され、その位置での強さは出力３０６となる。各ｘ、ｙでの代替的な出力はその点での全体的なマッチングの尺度であり、これはすべてのＭ個のスケールに対して３４４で加算を行なうことによって得られる。完全な回路のエレメントを説明しているが、データ篩の各段を処理するために同様の回路が存在することが理解される。スケールｍの各々にスケーリングされたパラメータ３５４、３５６を適用するために操作回路が存在することもさらに理解される。ターゲットのミラーイメージである対象を認識するために、出力３２８のオーダを切換える手段が提供される。バッファ３３６のすべての素子が可能化され（ゆえにターゲットを無視し）、３４４に基づく選択も無視されると、装置はしきい値装置３３０を使って成分グラニュールをそれらの振幅に従って選択する手段となる。この結果は、低域信号と組合されると、元の信号の単純化された表現となる。たとえば、図１０の右側のパネルは、この態様で単純化されたレナのイメージを図示する。従来の方法に対立するものとしての、この経路による分解を区別するデータ篩の鍵となる特性は、鋭いエッジを有する対象が多くのスケールに広がらないという点である。情報の広がりが小さいほど、記憶される必要があるターゲットパラメータはより少なくなる。逆に、従来の線形信号処理法では、コントラストが滑らかな対象を数多くの空間的チャネルに広げない。ゆえに、ハイブリッドフィルタを形成するには、線形またはデータ篩のいずれであれ、異なるスケールにわたって最も小さい情報の広がりを生じさせる分解を用いることが望ましい。非線形法と線形法との間における切換えの利点は、データ篩に関してではないが、たとえば「このスキームは線形および非線形フィルタの組合せと判断構造とに基づく。判断構造は、深刻なエイリアシングアーティファクトを引起こし得る信号成分の存在に依って判断構造が線形フィルタと非線形フィルタとの間で切換わるように設計される。このようにして、ボケおよびエイリアシングの両方を除去するフィルタリングが達成される。」と公表されている。（デフィー・アイ（Defee,I.）、ソイニネン・アール（Soininen,R．）、およびヌーボ・ワイ（Neuvo,Y.）による論文「改善された低域特性を有する、詳細を保存するフィルタ（“Detail-prese rving filters with improved lowpass characteristics”）」信号処理（Signa l Processing）、エルズビア（Elsevier）、１１５７〜１１６０頁（１９９２）の図３をさらに参照されたい）。しかしながら、この先行の提案は粒状性を利用しない。代わりに、結果的に信頼性のない、ピクセル単位の切換えとなる、はずれ値を識別するための特別な方法が用いられる。より信頼性のある方法は以下に明らかにされる。異なるスケールにわたる情報の広がりの尺度は、すべてのｍにわたる出力３４６（図１４）の分散（パワー）を見つけることによって得られてもよい。図１５（ａ）は、４０１で２つの信号の入力を比較して、その結果に依って適当なデータ篩または線形のマッチングしたフィルタを選択する回路を図示する。アイテム４００は粒状性についてデータ篩分解を生ずる。アイテム４０２は空間波長に関連するパラメータについて線形分解を生じる。図１４の出力３０４および３０６と等しくてもよいこれらの出力はアイテム４０４および４０６にそれぞれ接続される。４０８への入力は、図１４の出力３５０に関連する粒状性（波長）の分布に関連する分散（パワー）と、線形分解からの等しい尺度とを表わす。４０８は次いで４０４を用いて４００を出力４１０へゲート処理するか、または別々に、４０６を用いて４０２をその出力へゲート処理する。コントラストが平滑であり、かつエッジが鋭い対象を信号が含むことはさらに可能であり、この例において、システムの選択性は線形および非線形分解の組合せによって改善され得る。図１５（ｂ）は好適な回路を示す。データ篩非線形分解は４２０によって行なわれ、線形分解は４２２によって行なわれる。この例において、これらのステップはマッチングのエレメントを含んでもよい。出力は、たとえば、図９の右側のパネルおよび図１０の左側のパネルのようであるかもしれない。コンポーネント４２４は次いでその２つの結果をＡＮＤ演算するかまたはそれらをともにＯＲ演算して出力４２６を生じる。ランレングス符号化を用いる高速データ篩をこれより図１６ないし図１８を参照して説明する。これより、高速１次元データ篩のオペレーション原理を、１次元分解のための擬似コードプログラムを使って説明する。より高速なハードウェアの実現は後に説明することを理解されたい。スタート：１）ａ）データを一連のトリプル（ベクトル）ｒ＝（ｖ，ｎ，ｓ）としてランレングス符号化し、ここでｖはランの値であり、ｎはラン内のサンプル数であり、フラグｓはランがモノトーンまたは極値の一部であるか否かを意味するｉを現ランレングスへのインデックスとして：ｂ）ｓｉをモニタする（ｖ_i-1＜ｖ_i＜ｖ_i+1）の場合ｓ_i＝１上方へのモノトーン（ｖ_i-1＞ｖ_i＞ｖ_i+1）の場合ｓ_i＝２下方へのモノトーン（ｖ_i-1＜ｖ_i＞ｖ_i+1）の場合ｓ_i＝−１最大値極値、山の頂部（ｖ_i-1＞ｖ_i＜ｖ_i+1）の場合ｓ_i＝−２最小値極値、谷の底部さらに、ｓ_i＜０のとき、ｎの最小の値をｍｉｎｎとして記録する。２）データ篩における現在の段のメッシュをｍｉｎｎに設定、つまりｍ＝ｍｉｎｎとする。３）（ｍｉｎｎ＜＝ｍ）のときビギン：（ｉ＝データの始めからｉ＝データの終わり）に対してビギン：（ｓ_i＞０またはｎ＞ｍ）ならばコピー出力するまたは（メジアンまたはルートメジアン）ならば、極値のｍ値前からｍ値後までのデータ、つまり全部で２ｍ＋１のサンプルをフィルタリングする。ルートメジアンフィルタが実現されているときは常に、従来のソーティングを用いる必要はない。ｓ_i＝−１のときｖ_i-1およびｖ_i+1のうちの大きいほうか、またはｓ_i＝− ２のときｖ_i-1およびｖ_i+1のうちの小さいほうを選ぶだけで十分である。または（アルファまたはベータフィルタ）なら、山の頂部をフィルタリングして最大値オペレーションが後に続く最小値オペレーションを実現するか、または谷の底部をフィルタリングして最小値オペレーションが後に続く最大値オペレーションを実現する。最大値オペレーションが後に続く最小値オペレーションを実行するためには、ｓ＝−１のときｖ_i-1およびｖ_i+1のうちの大きいほうを選択し、最小値オペレーションが後に続く最大値オペレーションを実行するためには、ｓ_i＝−２のときｖ_i _-1 およびｖ_i+1のうちの小さいほうを選択する。ｍｉｎｎを更新する。エンド４）（ｍｉｎｎ＞必要な最大値メッシュ、またはｍｉｎｎ≧Ｎサンプル数）ならばフィニッシュまたは（ｍｉｎｎ＝ｍ）ならば３に進む（これは、メジアンの累乗根では、またはアルファもしくはベータでた篩を適用する際には、起こらない）２へ進むフィニッシュ。ハードウェアの実現例は図１６ないし図１８に示され、その詳細は後に記載する。２次元または多次元信号の例では、フラグｓの値は２次元モノトーンと、１つ以上の方向における信号の不連続が存在するか否かとを示すために拡張されなければならない。しかしながら、計算が全く必要とされず、ゆえに実行されなければならない処理量を制限するフラグ処理領域の技術も依然として同じく適用可能である。これより説明される２Ｄデータ篩アルゴリズムは回路の複雑性を大きく低減し得る。これは、信号、たとえば２次元イメージがデータ篩の段を通過するとより単純なものとなるデータ篩法の特性を利用する単純な２次元二乗フィルタの形式をとる。１）イメージを水平走査線ごとにバッファＨに転送し、さらに垂直走査線ごとにＶに転送し、それらはｊおよびｉを用いてそれぞれインデックスされる。Ｈの行およびＶのボリュームをランレングス符号化してその結果をバッファＲＨおよびＲＶにそれぞれ転送し、これらのバッファはｒｊおよびｒｉを用いてインデックスされる。２）以下の規則に従い、バッファＨｓに各位置ｒｉでロードする（ＲＨ_ri-1＜ＲＨ_ri＜ＲＨ_ri+1）の場合Ｈｓ_ri＝１上方へのモノトーンまたは（ＲＨ_ri-1＞ＲＨ_ri＞ＲＨ_ri+1）の場合Ｈｓ_ri＝２下方へのモノトーンまたはＨｓ_ri＝０同様に、Ｖｓ_riの場合はＶに依存する。３）フラグＶｓおよびＨｓをランレングス符号化してＲＶｓおよびＲＨｓをそれぞれ形成する。４）イメージｉ、ｊの左最上位置において開始するがウインドウを考慮に入れ、データ篩の最初の段以外ではｊは増分されている。５）位置ｉ、ｊに中心をおくウインドウ内のイメージエレメントの最上の行にアクセスするインデックスの範囲を変数Ｔｏｐとする。同様に位置ｉ、ｊに中心をおくウインドウ内のイメージエレメントの左側の列にアクセスするインデックスの範囲を変数Ｌｅｆｔとする。６）ＲＨのエレメントが同じであり、かつ各位置ｉでＴｏｐによってインデックスされるＲＶのエレメントがすべて同じである、ＬｅｆｔによってインデックスされるＲＨの最小値ｉをｉｍｉｎａとするＲＨｓのエレメントが同じであり、かつ各位置でＴｏｐによってインデックスされるＲＶｓのエレメントがすべて同じでありかつウインドウ内のイメージがすべての他の方向においてモノトーンである、ＬｅｆｔによってインデックスされるＲＨｓの最小値ｉをｉｍｉｎｂとするｉｍｉｎ＝ｉｍｉｎａおよびｉｍｉｎｂのうちの最小値とする（ｉｍｉｎ＞現在の位置ｉであり、かつＲＶおよびＲＨのいずれもこの位置でランを開始しない）ならばｉ＝ｉないしｉｍｉｎの場合は、ＶおよびＨの入力エレメントを等価出力バッファに転送するまたは位置ｉ、ｊでイメージをフィルタリングする７）フラグＶｓ、ＲＶｓ、Ｈｓ、ＲＨｓを更新する８）ｉはラインの終わりに到達すると、ｊを増分することによって次のラインに増分して５に進む。９）ｉおよびｊがイメージの終わりに到達し、かつデータ篩が終了していない場合は、ウインドウのサイズを大きくして１に進む。結果的には、データ篩の後の段は大きなウインドウを有するが、信号は（データ篩回路のために）２Ｄにおいて平坦またはモノトーンである大きな領域を含む。ゆえに、ウインドウにあるすべてのエレメントが別々に考慮されなければならない（複雑さは二乗されたｍに比例する）標準的アプローチと対照して、提示された回路は、ウインドウの頂部および左側のエッジ（ｍに比例する）のみを処理するだけでよいため（複雑さはスケールｍに比例する）、より高速である。このアプローチは二乗フィルタまたは長方形格子イメージに限られるものではない。１つの可能なハードウェア実現例は、図１６ないし図１８に示される１次元回路のそれである。図１６は高速データ篩回路の概略を示す。この例では、入力信号はランレングス符号化される。ランレングス符号化された信号５００は、組合されたゲートおよびバッファ５０２に与えられる。これは入力バッファと計算バッファとを含む。組合されたゲートおよびバッファ５０２は制御バッファ５０４を介して制御装置５０６に接続される。制御装置は５０２に対し、入力バッファから計算バッファへ新しいランまたはランのシーケンスを転送するよう命ずる。計算バッファの内容は次いでランクオペレータユニット５１０に転送される。これは、スケールパラメータｍ＝１を用いて１つの段の平滑化を行なう。結果５１２は出力ゲート５１４に送られる。５１４によってなされる信号の経路付けは、実現されるデータ篩のタイプに依存する。アルファまたはベータデータ篩の場合には、高速データ篩の各段は、最小値から最大値への、または最大値から最小値への、２つのランクフィルタリングステップを行なう。その結果、信号５１６は、ｍ＝２である次の段に送られる前に適当な型のフィルタリングステップに送られるか、または５０２を介してリサイクルされ、次の段に送られる前に代替オペレーションでもって再処理される。実現されるデータ篩がルートメジアンに基づく場合には、５１４の出力は、最小極値のランレングスがｍ個のサンプルの長さよりも確実に大きくなるように５１０の段にさらに十分に送られるか、または５０２にリサイクルして戻り、そこで最小極値のランレングスの条件が満たされるまで信号のセグメントが繰返して処理される。制御システム５０４、５０６は回路の全体的な監視を提供する。これは有限数の反復において保証される。これらの篩にかけるオペレーションの間、５０２は入力信号をバッファリングする。データ篩段の全体的な出力５１６は最終的に、ｍ＝２である次のデータ篩段に送られる。代替的なバンドパス出力５１８は、必要であればランレングス符号化された入力５００および出力信号５１６を拡張してその差を取る回路５２０によって与えられる。信号がランレングス符号化されるまたはその状態のままであることは本質的なことではない。実際には、アナログのサンプル・ホールドから作り出されるバッファを用いて、回路全体をアナログフィルタとして実現することにも利点はあるだろう。このアプローチを用いれば、データの単一のブロックで動作する、有限セグメント長の高速データ篩変換（代替的には高速篩変換として公知である）か、またはアナログイン・アナログアウトであってもよい、連続する、１つのサンプルが入ると１つのサンプルが出る篩のいずれをも生じさせることが可能である。１次元においては、各段の出力は１つの通過においてべき等であるため、アルファおよびベータフィルタは予測可能な数のランクオーダオペレータを用いて直接実現することができる。ルートメジアンの例では、累乗根を見つけるのに数多くの通過が必要である。しかしながらこれは、所与の篩に必要な５１０でのランクオペレーションの数を大きく増加させるには至らない。これは、スケールｍの発振があり、１つのスケールでの発振が必然的に他のスケールでの発振数を減少させる場合では、所与のｍでの複数の通過しか必要とされないからである。これを利用する回路の一例においては、各々が図１６に示されるような多数の段が存在する。各段は、前の段の出力での信号にある最小のランレングスによって支配されるｍでもって信号をメジアンフィルタリングする。この結果、スケールｍでのメジアンフィルタリング動作が信号にある最小のランレングスを増加させなければ、次の段はメジアンフィルタリング動作を同じスケールで繰返す。これは所望されるｍに到達するまで繰返される。必要な段の最大数は有限でありかつ実施可能であることがわかっている。図１７は極値を見つけるための回路５３０を示す。入力５３２は、その必要はないが、ランレングス符号化される１つのランにおけるサンプル数をｎとし、ランの振幅をｖとし、ランレングス構造、もしくはスタック上の位置、またはランを形成するシーケンスを５３４で示されるようにｉによってインデックスするとする。増大するモノトーン、つまりｖ_i-1＜ｖ_i＜ｖ_i+1の一部である信号のセグメントは、コンパレータ５３６およびＡＮＤゲート５３８によって検出され、５４０によって信号送信されて、論理上真となる。同様に、減少するモノトーン、つまりｖ_i-1＞ｖ_i＞ｖ_i+1の一部であるセグメントは、コンパレータ５３６およびＮＯＲゲート５４２によって検出され、５４４によって信号送信されて、論理上真となる。極値、つまり最大値または山の頂部ｖ_i-1＜ｖ_i＞ｖ_i+1、および最小値または谷の底部ｖ_i-1＞ｖ_i＜ｖ_i+1は、コンパレータ５３６とＥＯＲゲート５４６とによって検出され、５４８によって信号送信されて、論理上真となる。（アルファまたはベータフィルタの例では、山の頂部を谷の底部から区別することが必要であり、これはさらなる単純な論理ゲートによって達成され得る。）図１８は高速データ篩のランクフィルタリングステップ５５０を示す。入力５５２はランレングス符号化される。局所的極値、山の頂部および谷の底部は回路５５４（図１７において詳細に説明される）を用いてフラグ処理される。５５４の出力、つまり５５６はゲート５５８を制御するために用いられる。ゲート５５８は５５２または５６０のいずれかをバッファ出力５６２に送る。５５８は、５５２がモノトーンであるかまたは極値がｍ個のサンプルよりも大きいランを有する場合には必ず５５２を５６２へ送る。そうでない場合にはそれは５６０をバッファ５６２へ送る。それは５６０を５６２へ送るとき、５６０が出力バッファに正しくおかれ、正しい出力５６６が選択されるよう、それはバッファ５６４および５６２のアドレス指定をさらに制御する。図１７からの回路５３４および５３６も図１８にさらに示される。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩＨ０３Ｈ 17/02 Ｆ 8842−5ＪＨ０３Ｍ 7/46 9382−5ＫＨ０４Ｎ 5/21 Ｂ 7923−5Ｃ 7/24 4228−5ＣＨ０４Ｎ 7/13 Ｚ (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ，ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＴ，ＡＵ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＺ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＧＢ，ＨＵ，ＪＰ，ＫＰ，ＫＲ，ＫＺ，ＬＫ，ＬＵ，ＬＶ，ＭＧ，ＭＮ，ＭＷ，ＮＬ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＫ，ＵＡ，ＵＳ，ＵＺ，ＶＮ

Claims

【特許請求の範囲】１．広帯域の望ましい信号から望ましくない信号を取除くために、データサンプルの集合として表わされる信号の集合体に応用されるパルス解析の方法であって、（ｉ）信号の集合体の少なくとも選択された部分を、ウインドウのサイズがＮ（Ｍよりも小さい）からＭまで増大する連続するフィルタで順序値フィルタ処理するステップを含み、各連続するフィルタへの入力は先行するフィルタの出力であり、バンドパス出力は、粒状性を表わし、先行するフィルタの出力から現在のフィルタの出力を減算することにより得られ、グラニュールは粒状性の非ゼロセグメントであり、さらに、（ii）連続するフィルタの粒状性から粒状性の予め定められた信号の部分集合を選択するステップと、（iii）部分集合の粒状性を合計し、選択により決定されたグラニュールを含む出力信号を生成するステップとを含む、パルス解析の方法。２．部分集合を形成する粒状性が選択されて少なくとも予め定められた数のデータサンプルを含むグラニュールのみを含む出力信号を生成する、請求項１に記載の方法。３．選択および算術ステップは連続するフィルタ内で行なわれる、請求項１または２に記載の方法。４．データのアイテムの集合体は１次元にあり、距離および／または時間により間隔が設けられ、選択された部分集合は連続するフィルタ処理段に対応する粒状性のグループを含む、請求項１ないし３のうちいずれか１つに記載の方法。５．データのアイテムの集合体は２次元にあり、選択された部分集合は連続し類似する粒状性のアレイのグループを含み、各グループは少なくとも２つのそのようなアレイからの信号を含む、請求項１ないし３のうちいずれか１つに記載の方法。６．信号の集合体はデジタル形式またはそれに変換されたものであり、デジタル信号のフィルタ処理に必要な時間は、データを対応する順序フィルタに与える前に各フィルタ処理段への入力信号を前処理してその段において変化しないセグメントのロケーションを決定することにより短縮される、請求項１ないし５のうちいずれか１つに記載の方法。７．少なくとも１つの順序値フィルタ処理段は重み付きメジアンフィルタ処理により実行される、請求項１ないし６のうちいずれか１つに記載の方法。８．データサンプルの集合として表わされる広帯域の信号の集合体から望ましくない信号を取除くためのデータ篩であって、信号の集合体の少なくとも選択された部分を受取る連続する順序フィルタを含み、順序フィルタはＮ（Ｍよりも小さい）からＭまで増大するウインドウの長さを有し、各連続するフィルタへの入力は先行するフィルタの出力であり、連続するフィルタ出力を減算することによりバンドパスフィルタ出力を形成するための減算手段と、連続するフィルタのバンドパス出力からバンドパスフィルタ出力の予め定められた信号の部分集合を選択するための手段と、部分集合の信号を合計して選択により決定された望ましい信号のみを含む出力信号を生成するための手段とをさらに含む、データ篩。９．少なくとも１つの順序フィルタは重み付きメジアンフィルタである、請求項８に記載のデータ篩。１０．少なくとも１つの順序フィルタは強制されたルートフィルタである、請求項８に記載のデータ篩。１１．少なくとも１つの順序フィルタはルートメジアンフィルタである、請求項８に記載のデータ篩。１２．最大および最小フィルタの組合せを含む、請求項８に記載のデータ篩。１３．極値を表わす信号のセグメントはフラグ処理され、極値の範囲が用いられて処理を必要としないものを区別し、そのようにして処理が必要な領域をマークするフラグを残す、請求項８ないし１２のうちいずれか１つに記載のデータ篩を動作させる方法。１４．２つ以上のサンプルのデータにおける定数領域をまた含むことのできる上向きおよび下向きの単調領域はフラグ処理され、実行される処理の範囲を制限するためにフラグが用いられる、請求項１３に記載の方法。１５．デジタルデータの符号付き集合体は各フィルタ処理段に先行してランレングス符号化される、請求項８ないし１２に記載のデータ篩を動作する方法。１６．ｉ）各フィルタ処理段からの出力をランレングス符号化し、ランレングス符号化された信号を用いてフィルタ処理するステップと、 ii）極値を形成する少なくとも最短のラン（ＲＬ）のランレングスを記録するステップと、 iii）ランレングス符号化された信号を各フィルタ出力に転送し（またはデータのアドレスを記録し）、それにより、フィルタ段が最短の極値のラン（ＲＬ）の長さに等しい段（ｍ）を有するまで段をスキップするステップと、 iv）単調に上昇または下降し、極値を形成する、信号のセグメントをフラグ処理するステップと、ｖ）極値を形成しまた持続時間においてｍのデータサンプルよりも短いランのみを処理するステップとを含む、請求項１３ないし１５のうちいずれか１つに記載の方法。１７．データ篩構造に潜在する「ドントケア」状態を利用することにより減少される形式で順序フィルタを実現するための正のブール論理式を含む段を有するスタックフィルタによるデータ篩で、デジタルデータが処理される、請求項１３ないし１６のうちいずれか１つに記載の方法。１８．ｉ）デジタル信号をしきい値分解して２進信号にするステップと、 ii）各データ篩フィルタ処理段において、対応する圧縮されたブール論理式を用いて独立して２進信号を順序フィルタ処理するステップと、 iii）フィルタ出力を加算し、グレースケールのフィルタ処理された信号を形成するステップとを含む、請求項１７に記載の方法。１９．複数の対象を含むフィールドを表わすウインドウサイズの増大するデータを用いて連続的に順序値フィルタ処理するステップと、結果として生じるデータを、フィールドにおける前記複数の対象からの形状および／またはパターンおよび／またはサイズに従い識別されることになる１つの特定の対象を表わすデータとマッチングまたは比較するステップと、特定の対象の前記特性を有する対象のみに関連するデータを含む出力信号を生成するステップとを含む、パターン認識の方法。２０．マッチングまたは比較プロセスは、データ篩分解から引出されたデータの部分集合のみに基づく、請求項１９に記載の方法。２１．順序フィルタ処理は重み付きメジアンフィルタを用いて実行される、請求項１８に記載の方法。２２．フィルタ処理は最大および最小フィルタの組合せを含むデータ篩において実行される、請求項１９ないし２１のうちいずれか１つに記載の方法。２３．フィルタ処理は強制されたルートフィルタを用いて実行される、請求項１９ないし２１のうちいずれか１つに記載の方法。２４．フィルタ処理はフィールドにおける対象に関して２次元において実行される、請求項１９ないし２３のうちいずれか１つに記載の方法。２５．マッチングまたは比較はサイズに基づく、請求項２４に記載の方法。２６．元のデータは走査により得られる、請求項１９ないし２５のうちいずれか１つに記載の方法。２７．パターン認識を行なうように適応するイメージ解析器における画信号分解エレメントとして採用され、解析器はまた、視野内での特定のエレメントを表わす信号を記憶するためのデータ記憶手段と、視野内での特定のエレメントで表わされたデータをマッチングまたは比較するための手段と、特定のエレメントを表わすデータをデータ篩の出力とマッチングまたは比較し、高度の整合が発見されるデータのみを選択するための手段とを含む、請求項８ないし１２のうちいずれか１つに記載のデータ篩。２８．マッチングプロセスは選択性を高めるために学習により調整可能である、請求項２７に記載のデータ篩。２９．データ篩に提示するためにデータが引出されるフィールドにおいて存在し得るシークされる特徴または対象に関連するデータを記憶するためのデータ記憶手段と、記憶されたデータをデータ篩の出力とマッチングまたは比較し、入力信号からデータ記憶手段におけるデータと高度に整合するデータのみを選択するための手段とを含む、請求項８ないし１２のうちいずれか１つに記載のデータ篩を実施するイメージ解析器。３０．データ篩のいくつかまたはすべての異なる段（または異なる段からの連続する出力間の差）からの出力を記憶手段に記憶し、データ篩を通るイメージデータの後続の進行の間に、記憶されたデータ（または差）が引出されたデータ篩の同じ段から得られるデータ（またはデータにおける差）と記憶されたデータをマッチングまたは比較し、マッチングまたは比較プロセスの結果、つまり信号を出力し、これらの信号をしきい値に与え、しきい値により決定された整合の所与のレベルを有するすべての信号を排除することにより、マッチングまたは比較が実行される、請求項２９に記載のイメージ解析器。３１．視野を表わすデータストリームは、請求項１ないし７のうちいずれか１つでクレームされた方法により順序値フィルタ処理され、視野における対象の１つまたはそれ以上のイメージを粒状性により識別し、フィルタ処理された出力は、識別されることになる特定の対象のターゲットまたはテンプレート・とマッチングされる、イメージ解析の方法。３２．マッチングはターゲットまたはテンプレートにおけるいくつかまたはすべてのグラニュールを用いて、フィルタ処理された出力およびターゲットまたはテンプレートをＡＮＤ演算することにより、グラニュールレベルで達成される、請求項３１に記載の方法。３３．マッチングは請求項１３ないし１５のうちいずれか１つの方法を用いて実行される、請求項３１に記載の方法。３４．フィルタ処理された出力における粒状性は、多次元分解の結果として得られる、請求項３１ないし３３のうちいずれか１つに記載の方法。３５．フィルタ処理された出力における粒状性は、視野における対象の複数のオリエンテーションから得られたイメージの１次元分解の結果として得られる、請求項３１ないし３３のうちいずれか１つに記載の方法。３６．粒状性を表わす信号の順序をスイッチし、１つまたはそれ以上の対象のミラーイメージがマッチング段で認識されることを可能にするための手段を含む、請求項３１ないし３５のうちいずれか１つに記載の方法。３７．ハイブリッドフィルタの出力は、請求項８ないし１１のうちいずれか１つに記載のデータ篩の出力からまたは従来の線形マルチスケール分解から引出される、信号処理の方法。３８．マッチングプロセスは識別されることになる対象の１つまたはそれ以上の特定のイメージにおける回転しても不変の特徴を認識するステップを含む、請求項２８ないし３２のうちいずれか１つに記載の方法。３９．イメージに関連するデータを請求項８ないし１１のうちいずれか１つに記載のデータ篩に与えるステップと、データ篩を形成するフィルタの連鎖におけるｍ番目の順序フィルタより通される信号を選択するステップと、データ篩の先行する段から得られたいくつかのグラニュールのみをそれと組合せるステップとを含む、データ圧縮の方法。４０．信号を通過させて請求項８ないし１１のうちいずれか１つに記載のデータ篩を通して平滑化されるようにするステップを含み、連続する順序値フィルタはカットオフスケールの異なる連続するフィルタを含む、平滑化された信号における鮮鋭な信号のエッジを保持するための信号処理の方法。