JPH10105208A - パターン認識装置及びその方法、及びそのプログラムを記憶した記憶媒体 - Google Patents
パターン認識装置及びその方法、及びそのプログラムを記憶した記憶媒体Info
- Publication number
- JPH10105208A JPH10105208A JP8258743A JP25874396A JPH10105208A JP H10105208 A JPH10105208 A JP H10105208A JP 8258743 A JP8258743 A JP 8258743A JP 25874396 A JP25874396 A JP 25874396A JP H10105208 A JPH10105208 A JP H10105208A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- signal
- cell
- sampling
- resolution
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Image Analysis (AREA)
- Image Input (AREA)
- Programmable Controllers (AREA)
Abstract
ア構成により少ない処理時間で達成する。 【解決手段】 パターン認識装置に、認識対象のパター
ンが描かれた原稿2710からの光線を結像させる光学系27
04と、結像した画像をサンプリングする2次元アレイセ
ンサ2705と、このサンプリングによって得られた多重解
像度部分画像に基づいて、原稿2710に描かれたパターン
を認識する信号処理装置2701と、信号処理装置2701から
の制御信号に基づいて、原稿2710に対して光学系2704の
光軸を移動させる移動装置2708とを設ける。
Description
に関するものであり、特に、パターン認識装置に含まれ
る入力装置が、ある種の制約を受け、その制約をパラメ
タによって変化させることが可能であるようなときに、
効率的にパターンを認識するためにパラメタを制御する
パターン認識装置に関する。
に設けられた画像認識装置では、認識すべき画像信号が
周囲のどの方位に存在するかが予め分かっていないの
で、できるだけ広い範囲の信号を入力することが要求さ
れる。しかし同時に、あるパターンを認識するために十
分なだけの空間解像度をも備えていなければならない。
これらを同時に満足するような画像入力装置として、人
間の網膜特性を参考にして、光軸の中心付近が高解像度
で、光軸から離れるに従って低解像度になるような非一
様サンプリングが考案された。
の低解像度でサンプリングされたパターンを正確に認識
するためには、そのパターンが光軸付近の高解像度領域
でサンプリングされるように光軸を変更しなければなら
ない。即ち、非一様サンプリングは光軸制御を伴って初
めて効果的な入力方式となる。
サンプリングによって入力された入力画像の特徴量に基
づいて制御するものが考案されている。この特徴量とし
ては、例えば画像強度の傾きの絶対値、ある2次元フィ
ルタを施したあとの出力値、等が用いられている。ま
た、知識データベースに基づく光軸制御方式も考案され
ている。この知識データベース方式では、システムが遂
行すべきタスクや、認識対象の画像或いはパターンの集
合を、ベイズネットワークで表現し、この確率構造に基
づいて、与えれたタスクを効率よく遂行するために次に
行うべき動作を決定している。
における光軸制御の殆どは、画像信号に基づく方式であ
り、従ってエッジ強度が強い個所やフィルタ出力の強い
個所という画像の幾何学的性質のみで光軸が制御されて
しまう。このような制御方式では、タスクに必要でない
個所でも、傾きの絶対値が大きければそこに光軸を移動
させてしまう。
ベイズネットワークを用いているために、表現できるデ
ータの構造が限定されてしまう。
に、本発明によれば、パターン認識装置に、認識対象の
パターンを表わす第1の信号を入力する入力手段と、該
入力手段より入力された第1の信号を非一様にサンプリ
ングするサンプリング手段と、該サンプリング手段のサ
ンプリングによって得られた第2の信号に基づいて、前
記第1の信号の表わすパターンを認識する認識手段と、
該認識手段による認識結果に基づいて、前記サンプリン
グ手段による非一様サンプリングのサンプリング位置を
変更する変更手段とを備える。
方法に、認識対象のパターンを表わす第1の信号を入力
する入力工程と、該入力工程により入力された第1の信
号を非一様にサンプリングするサンプリング工程と、該
サンプリング工程のサンプリングによって得られた第2
の信号に基づいて、前記第1の信号の表わすパターンを
認識する認識工程と、該認識工程による認識結果に基づ
いて、前記サンプリング工程による非一様サンプリング
のサンプリング位置を変更する変更工程とを備える。
認識対象のパターンを表わす第1の信号を入力する入力
工程と、該入力工程により入力された第1の信号を非一
様にサンプリングするサンプリング工程と、該サンプリ
ング工程のサンプリングによって得られた第2の信号に
基づいて、前記第1の信号の表わすパターンを認識する
認識工程と、該認識工程による認識結果に基づいて、前
記サンプリング工程による非一様サンプリングのサンプ
リング位置を変更する変更工程とを備えるパターン認識
プログラムを記憶する。
ーン認識装置の機能構成を表す図である。実施形態1
は、オフラインパターン認識への応用例である。装置の
各部は、以下に説明する機能を実現するものであれば、
それぞれが専用のプログラムメモリやプロセッサを含む
機器であってもよいし、複数の機能部を、同一のCPU
がROMやディスクメモリ等に記憶された各機能プログ
ラムを実行することにより、あるいは各機能に対応する
特定のハードウェアを制御する制御プログラムを実行す
ることにより実現してもよい。
ような記述を採用する。
たときには、その全てのインデクスに対する値を要素と
するベクトルを表し、2つに*が現れたときには、それ
ら全てのインデクスに対する値を要素とする行列を表す
ものとする。
2), ... ,A(l,m,n,W))T (1)
その全てのインデクスに渡る値の集合を表すものとす
る。例えば: A(l,m,n,〜) = { A(l,m,n,1), A(l,m,n,2), ... , A(l,m,n,W) } (3) なお、〜は複数個のインデクスに現れてもよい。
有限個の非負の要素で構成される有限次元ベクトル( z
(1), z(2) , ... , z(N))T に対して、総和が1になる
ように正規化したベクトルを出力する関数λを次式で定
義する:
説明する。
は、認識の対象とする信号を受信し、それを信号処理装
置102に送信する。また、信号処理装置102による
処理により得られた認識結果を外部装置に対して送信す
る。
としての信号であり、この信号は、音声信号のような1
次元信号でも、画像のような2次元信号でもよい。本実
施形態では、入力信号を2次元信号I(*,*)とする。
2は、通常のモードでは、入出力装置101から送信さ
れた2次元信号を認識し、学習モードのときには、入出
力装置101から送信された2次元信号と教師信号とを
基に、認識のための知識データを、後述する量子化コー
ドブックなどの形式で記憶装置103に格納する。
ーチャートを示す。
から入力があったかどうかを検査する。入力がなけれ
ば、ステップS201を繰り返し、入力があった場合に
は、ステップS202に進む。ステップS202では、
学習モードかどうかを検査し、学習モードであればステ
ップS204へ、そうでなければステップS203へ進
む。
る。この認識処理は図3及び図4につき後述する。ステ
ップS204では、教師信号が入力されたかどうかを検
査し、入力されたならばステップS205へ進み、学習
処理を行なう。入力されなければステップS204の処
理を繰り返す。ステップS205で実行される学習処理
は図26につき後述する。
れる認識処理の流れを、図3〜4のフローチャートに沿
って説明する。
マトンAを初期化する。ここで、確率セルオートマトン
Aは、セル空間Zd、各セルの状態の集合Ωの上に定義さ
れた確率空間Q、近傍系X、写像φの4つ組で表される: A = { Zd, Q, X,φ} (6)
で、セル空間Zdは、d=3、即ち (l,m,n) ∈ Z3 、ここ
で、lは階層レベル、(m,n)は2次元画像に対応する2次元
空間位置を表している。セルの状態の集合は、状態値が
可算個の場合には、一般に自然数の集合と考えてよい。
更に状態値を有限個に制限すれば、その上の確率分布P
は状態値1に対する確率、2に対する確率、…というよ
うに与えられ、これらを1まとまりにして、有限次元ベ
クトルとして表現できる。
るセルに対する近傍系X(l,m,n)は、例えば X(l,m,n) = {(l-1,3m-1,3n-1), (l-1,3m-1,n), (l-1,3m-1,3n+1), (l-1,3m,3n-1), (l-1,3m,3n), (l-1,3m,3n+1), (l-1,3m+1,3n-1), (l-1,3m+1,3n), (l-1,3m+1,3n+1)} (7) のように定義する。例えば、座標(2,1,1)のセル803
に対する近傍系X(2,1,1)は、 X(2,1,1) = {(1,2,2), (1,2,3), (1,2,4), (1,3,2), (1,3,3), (1,3,4),(1,4,2), (1,4,3), (1,4,4)} (8) となる。
るセルの状態値μがvとなる確率Pl,m,n(μ=v)、(7)式で
定義されている近傍系に含まれるセル(i,j,k)の状態値
ωi,j, kがwとなる確率Pi,j,k(ω=w)、及びこれらの間の
条件付き確率πi,j,k(μ=v|ω=w)を用いて次式で与えら
れる:
0,1}の場合の確率セルオートマトンAの構造を示す。図
中、鉛直上向きに階層レベルl、水平右方向に空間座標
m、右斜め上方に空間座標nが取られている。図中、セル
801のセル空間での座標は(3,1,1)、セル802の座
標は(2,1,0)である。また近傍系は実線で示しており、
例えばセル(3,0,0)の近傍系X(3,0,0)は X(3,0,0)={(2,-1,-1),(2,-1,0),(2,-1,1),(2,0,-1), (2,0,0),(2,0,1), (2,1,-1),(2,1,0),(2,1,1)} (10) である。
間位置m及びn、更にそれぞれのセルの状態値ωに対する
インデクスwの範囲をそれぞれ l = {1,2, ... , L} m = { −MD, −MD +1, ... , 0 , ... , MD−1 , MD} n = { −ND, −ND +1, ... , 0 , ... , ND−1 , ND } w = { 1,2, ... , W} (11) とする。
ルl、2次元空間位置(m,n)に位置するセルの状態値ωがw
を取る確率Pl,m,n(ω=w)は Pl,m,n(ω=w) = A(l,m,n,w)
(12)
分布は、W次元ベクトルA(l,m,n,*)として記述できる。
また写像φは次のように定義し直せる: A(l,m,n,*) = λ( (A(l,m,n,1),A(l,m,n,2),...,A(l,m,
n,W))T ),
i,j,k,*)は次式 ψ(l,m,n,w|i,j,k,*)=((ψ(l,m,n,w|i,j,k,1),...,ψ(l,m,n,w|i,j,k,W)T) (14) で定義されるW次元ベクトルである。ここで、ψ(l,m,
n,w|i,j,k,v)は、セル(i,j,k)の状態値がvのときにセル
(l,m,n)の状態値がwとなる条件付き確率である。
例を示す。図中、縦横それぞれ3個のマス目で表現され
ているのが、セル(l,m,n)に対する近傍系X(l,m,n)であ
る。それぞれのマス目の下に書かれているのが、セル
(l,m,n)の状態値wである。それぞれのマス目の中の数字
が、近傍系X(l,m,n)に含まれるそれぞれのセルの状態値
vを示している。例えば11という数字の上に位置する
マス目は、セル(l,m,n)の状態値11に対応する近傍系
の状態値の空間的配置であり、左上のセルの状態値が8
であることを要求する。
すれば、(13)式中のψ(l,m,n,w|l-1,1,1,*)は、8番目
の要素のみが1でそれ以外が0であるW次元ベクトル: ψ(l,m,n,w|l-1,1,1,*) = (0,0,0,0,0,0,0,1,0,0,...,0)T (15) となる。マス目のインデクスを通常の行列の表記に従え
ば、(13)式は実際に以下のように計算できる: A(l,m,n,w) = ψ(l,m,n,w|l-1,1,1,*)A(l-1,1,1,*)T × ψ(l,m,n,w|l-1,1,2,*)A(l-1,1,2,*)T × ψ(l,m,n,w|l-1,1,3,*)A(l-1,1,3,*)T × ψ(l,m,n,w|l-1,2,1,*)A(l-1,2,1,*)T × ψ(l,m,n,w|l-1,2,2,*)A(l-1,2,2,*)T × ψ(l,m,n,w|l-1,2,3,*)A(l-1,2,3,*)T × ψ(l,m,n,w|l-1,3,1,*)A(l-1,3,1,*)T × ψ(l,m,n,w|l-1,3,2,*)A(l-1,3,2,*)T × ψ(l,m,n,w|l-1,3,3,*)A(l-1,3,3,*)T (16)
像Iにおける注視点座標g=(gx,gy)をgint=(gxint,gyin
t)に初期化する。
する多重解像度画像Dを抽出する窓の中心点である。注
視点は、多重解像度画像と対応付けるため、多重解像度
表現で表される。本実施形態で用いる多重解像度画像
は、スケールが3のべき乗で変化するようになっている
ので、注視点の座標も3のべき乗、即ち3進数で記述す
る:
2,3} 或いは {-1,0 1}である。多重解像度画像のスケー
ル変換が2のべき乗に基づいている場合には、注視点の
座標は2進数で記述することになる。図25に、(17)式
による記述と、入力画像上の座標との関係を示す。
ら注視点座標近傍の多重解像度画像Dを抽出する。この
処理は、図5から図7につき後述する。多重解像度画像
Dの要素は、解像度レベルを表す添え字lと、注視点座標
に対して相対的な空間位置を表す2つの添え字(m,n)を
用いてD(l,m,n)と表される。図9の黒く塗られた部分
が、l={0,1,2}、m={-1,0,1}、n={-1,0,1}のときの多重
解像度画像Dの例である。以下の説明では、確率セルオ
ートマトンの場合と同様、解像度レベルl、2次元空間位
置m及びnの範囲をそれぞれ、 l = {0,1, ... , L-1} m = { -MD, -MD+1, ... , 0 , ... , MD-1 , MD} n = { -ND, -ND+1, ... , 0 , ... , ND-1 , ND} (18) とする。
態で述べている多重解像度画像は、通常の多重解像度画
像の部分画像となっている。図中、901が解像度レベ
ル2に属する画像、902が解像度レベル1に属する画
像、903が解像度レベル0に属する画像である。また
レベルlの9画素から成る画像の占める空間領域と、レ
ベルl+1の画像のうち中心に位置する画素の占める空間
領域とは一致する。
て、例えば、入力画像に対して各画素の占める空間領域
に渡る平均値を画素値とするもの、ウェーブレット変換
のように空間スケールの異なる積分核を用いて得られた
積分変換係数を画素値とするもの等を利用することがで
きる。図9では、積分核904及び905を用いる。
B及びCを初期化する。ここでB及びCの要素は上記D
と同様、 B(l,m,n)及びC(l,m,n)のように3つの添え字
で表され、添え字の範囲はそれぞれ、 l = {1, ... , L-1} m = { -MB, -MB+1, ... , 0 , ... , MB-1 , MB} n = { -NB, -NB+1, ... , 0 , ... , NB-1 , NB} (19) である。以下、場合によって、MD及びNDを1、またMB
及びNBを2として説明する。
する。
トンAのセルのうち、レベルがlに属するセルA(l,〜,〜,
〜)(本実施形態では9個)の状態値の確率分布(W次元ベ
クトル)A(l,〜,〜,*)を更新する。この確率分布A(l,〜,
〜,*)の更新処理は図10から図12につき後述する。
トンAのレベルlのセルとレベルl+1のセルの間の相互情
報量を算出しBに格納する。相互情報量算出処理は図1
4から図16につき後述する。
る。ステップS309では、レベルlがLを超えたかど
うかを検査し、超えていたらステップS310に進む。
そうでなければステップS305に進む。
状態値ωの確率分布のエントロピεを以下の式により算
出する。
εが予め定めた値εCより小さいかどうかを検査し、小
さくなければステップS312へ進む。小さければ認識
処理を終了し、この時の状態値の確率分布から、認識し
たいセルの状態値を確率が最大となる状態値に決定す
る。この状態値から、後述する対応表または量子化コー
ドブックの対応関係を参照して、対応する画像を認識結
果として出力する。
Bを用いて抽出画像の入力画像における注視点座標を更
新する。この処理は図18につき後述する。
図5から図7に沿って説明する。
る。
(gx,gy)における解像度レベルlの画像 D(l,m,n), −MD≦m≦MD , −ND≦n≦ND を入力画像から抽出する。この処理は図6及び図7につ
き後述する。
ステップS504でlがLを超えたかどうかを検査し、
超えていれば処理を終了し、そうでなければステップS
502に戻る。
lから解像度レベルLまでの画像を入力画像から抽出す
る。
画像から注視点における解像度レベルlの画像を抽出す
る処理を図6及び図7に沿って説明する。
ら、抽出画像の1画素D(l,m,n)に対する入力画像Iにおけ
る受容野の大きさを算出する。
を計算するために利用する入力画像の画素の範囲のこと
であり、本実施形態では縦横3l画素の正方格子を用いて
いる。即ち、レベルl=0のときは縦横1画素、レベルl=1
のときには縦横3画素というようになる。以下、受容野
の範囲を縦横それぞれ、−ΔxからΔx、−ΔyからΔyと
書く。
ステップS603でxを−MDに設定する。
l、2次元格子位置が(x,y)の1画素の値を次式で算出す
る:
テップS606でxがMDを超えたかどうかを検査し、超
えていればステップS607へ進み、そうでなければス
テップS604へ戻る。
テップS608でyがNDを超えたかどうかを検査し、超
えていれば処理を終了し、そうでなければステップS6
03へ戻る。
を、図10から図12のフローチャート、及び図13に
沿って説明する。
2が多重解像度画像D、1303が確率セルオートマト
ンAである。図は簡単のために1次元的に表現している。
0、1、2、それぞれの解像度レベルに縦横3画素、合
計9画素よりなる画像がある。
1、2、3の3階層であり、それぞれの階層レベルに縦
横3個、合計9個のセルが存在する。多重解像度画像D
は、注視点を中心として入力画像から抽出される。解像
度レベル0の9個の画素値は入力画像と一致する。解像
度レベル1に属する9個の画素値は、入力画像の縦横3
個、合計9個の画素を適当な積分核1304、例えば図
9の905を施して、積分変換することによって得られ
る。同様に、解像度レベル2に属する9個の画素値は、
入力画像の縦横9個、合計81個の画素を適当な積分核
1305、例えば図9の904を施して、積分変換する
ことによって得られる。
る。
lが0かどうかを検査し、そうであればステップS10
02に、そうでなければステップS1005へ進む。
の画像D(0,*,*)1302と第1の対応関係1308を用
いて、次式によりαを算出する: α = λ(( α1, α2, ... , αW )T) (22)
のコードブックのときには、入力画像D(0,*,*)と、コー
ドブックに格納されている代表ベクトルとの内積を計算
し、符号語jに対する内積の値をαjとする。
値が存在するかどうかを検査し、存在すればステップS
1004へ、存在しなければステップS1006へ進
む。
最大値を取る要素をkmaxとすると、次式で確率セルオー
トマトンの状態値の確率分布を更新する: A(l,gxl,gyl,kmax) = 1, (23) A(l,gxl,gyl,k) = 0, k ≠ kmax (24)
ベクトルβの値を階層レベルlの注視点に対応するセル
の状態値の確率分布として代入する: A(l,gxl,gyl,*) = β (25)
る。ステップS1007でnを−NDに設定する。
重解像度画像D(l,gxl+m,gyl+n)の値に対する条件付き確
率分布ベクトルdPを算出する: dP = (dP1, dP2, .. , dPW)T (26) D(l, gxl+m,gyl+n)が離散値 {1,2,...,N} を取るとき、
上式は変換行列Fを用いて次のように書き直せる:
n)がNである確率である。従って、 D(l, gxl+m,gyl+n)
が2のときには、dPは(f(1,2),f(2,2),...,f(W,2))Tと
なる。
ルの確率分布ベクトルを以下のように修正する: ANEW(l, gxl+m,gyl+n,*) = λ((ANEW(1), ANEW(2),..., ANEW(W))T), ANEW(j) = AOLD(l,gxl+m,gyl+n,j) dPj, ∀j∈ { 1,2,...,W} (27)
ステップS1011でnがNDを超えているかどうかを検
査し、超えていればステップS1012へ、そうでなけ
ればステップS1008へ進む。
る。ステップS1013でmがMDを超えているかどうか
を検査し、超えていれば処理を終了し、そうでなければ
ステップS1007へ戻る。
る相互情報量の算出処理を、図14から図16のフロー
チャートを参照しながら説明する。また、図17に、こ
の処理における各データ間の関係を図示する。
クトルβを零ベクトルに初期化する。この確率分布ベク
トルβは、例えば図17の中で、確率セルオートマトン
の階層レベル1のセル1705に対して、階層レベル2
のセル1707の状態値の確率分布を表している。
期化する。ここでdM = MB−MDである。そして、ステッ
プS1403でnを−dNに初期化する。ここでdN = NB−
NDである。
を構成する階層レベル1のセルの集合として、170
4、1705、及び1706のように、現在の注視点を
中心にして、縦横それぞれに沿って1セル分ずつの平行
移動を考慮するために設けられた操作である。
の位置にあるセル、即ち図17において1704、17
05、或いは1706で示されているセル、即ち以下の
近傍系X(l+1, gxl+m,gyl+n): X(l+1,gxl+m,gyl+n)={(l,gxl+m-1,gyl+n-1),(l,gxl+m-1,gyl+n), (l,gxl+m-1,gyl+n+1),(l,gxl+m,gyl+n-1), (l,gxl+m,gyl+n),(l,gxl+m,gyl+n+1), (l,gxl+m+1,gyl+n-1),(l,gxl+m+1,gyl+n), (l, gxl+m+1,gyl+n+1)} (28) に属するセルの確率分布ベクトルA(l,j,k,*)を用いて、
次式で算出されるγ(v|w)を要素とするW次元ベクトルγ
=λ(γ(1|w),γ(2|w),...,γ(W|w))T) を計算する:
乗積は近傍系X(l+1,gxl+m,gyl+n)に属するセルのうち、
(l,j,k)以外のセルに渡って計算される。
m,gyl+n)と、その近傍系X(l+1,gxl+m,gyl+n)に属するセ
ル(l,j,k)との間の相互情報量σ(l,j,k)を次式で算出す
る:
を用いてBを更新する: B(l,j,k) = B(l,j,k) +σ(l,j,k) (31)
た相互情報量σ(l,j,k) , (l,j,k)∈X(l+1,gxl+m,gyl+
n)のうち、零でないものが存在するかどうかを検査し、
存在すればステップS1408へ、そうでなければステ
ップS1410へ進む。
る: β = β + γ (32)
る: C(l,j,k) = C(l,j,k) + 1, (l,j,k) ∈ X(l+1,m,n) (33) ステップS1410では、nをn+1に更新する。ステップ
S1411では、nがdNを超えたかどうかを検査し、超
えていればステップS1412へ進み、超えていなけれ
ばステップS1404へ戻る。
る。ステップS1413では、mがdMを超えたかどうか
を検査し、超えていればステップS1414へ進み、超
えていなければステップS1403へ戻る。
タCを用いて多重解像度データBを更新する: B(l,m,n) = B(l,m,n) / C(l,m,n), if C(l,m,n) ≠ 0, ∀m∈〔−MB,MB〕⊂Z, ∀n∈〔−NB,NB〕⊂Z (34)
確率分布ベクトルβを正規化する。
点座標の更新処理を、図18に沿って説明する。
設定する。
計算する。この処理を、図19のフローチャートに沿っ
て説明する。
どうかを検査し、超えていれば処理を終了し、そうでな
ければステップS1902へ進む。
かに最大値を取る零でない要素が存在するかどうかを検
査し、存在すればステップS1903へ、そうでなけれ
ばステップS1907へ進む。
るインデクスをもとにして注視点位置を変更する。最大
値を取る要素の、2次元空間に対応する2つのインデク
スをmmax及びnmaxとすると、(17)式によって3進数で記
述されている注視点位置のうち、レベルlに対応する要
素のみが次式で変更される: gxl = gxl + mmax, gyl = gyl + nmax, (35)
を検査し、1でなければステップS1905へ進み、1
であれば処理を終了する。
もとに、階層レベルl-1に属する確率セルオートマトン
のセルのセル空間における位置を平行移動させる。即
ち、 A(l, m, n, *) = A(l, m-mmax, n-nmax, *) (36)
を(0,0)にリセットする。
2においてB(l,〜,〜)の中に最大値を取る零でない要素
が存在しなかった場合に実行され、lをl+1に更新する。
プS1802の注視点移動量の計算を実行する。このよ
うに図19で説明されている処理は再帰的である。
を図28から図41に示す。これらはMATLABという高級
言語で書かれている。
めのハードウェア構成の一例を示す図である。
り、認識対象となる画像信号を外部から受信するための
インターフェースや、ユーザが命令等を入力するための
キーボードやマウスを備えている。4102は、装置各
部を制御し、プログラムの処理を実行するCPUであ
る。4103は、出力部であり、認識結果を表示あるい
は印刷したり、外部装置に対して、認識結果や制御信号
を送信する。
プログラムを記憶する。4105は、RAMであり、多
重解像度画像や確率オートマトンのセルの状態値の確率
分布、量子化コードブックなど、認識処理に必要なデー
タを記憶するためのワークエリアを有し、補助記憶装置
4106からロードされるプログラムを記憶するための
プログラムエリアを有する。4106は、補助記憶装置
であり、フロッピーディスクやハードディスクなどの記
憶媒体を用いてプログラムやデータを記憶する。
称の主プログラムであり、与えられた2次元デジタル画
像を認識する機能を持つ。確率オートマトンの構造その
ものは予め与えられている。セル空間の構造は図8、多
重解像度部分画像は図9に示すとおりである。
の対応表を示している。
いるのが代表ベクトル、或いはセルの状態値の空間的配
置、その下に書かれている番号が、それぞれ代表ベクト
ルに対応する符号語、或いは対応するセルの状態値であ
る。
が、図20の2から9までの番号を割り当てられている
縦横3画素のパターンに対応する。また図17の170
7で示されているセル間の写像は、図20の10から1
5の番号が割り当てられているパターンに対応する。
り当てられている状態ベクトルを2次元画像として表現
したものである。また図22は同様に14と15が割り
当てられている状態ベクトルを2次元画像として表現し
たものである。
出されているサブルーチン、mutinf(・)である。mutinf
(・)は相互情報量を計算するプログラムである。
0に示されているsubsampl(・)は、入力画像から多重解
像度部分画像を抽出するサブルーチンである。
し、画像の左上の画素の座標を(1,1)として縦の座標系
を下方向に、横の座標系を右方向に取って、注視点を
(2,2)で初期化してsaccade6(・)を実行すると、図23
に示すように、注視点の位置は(2,2)から(20,20)へ移動
して停止する。
5に対する確率Pr(14)及びPr(15)は、注視点(2,2)のと
きにはPr(14)=0.5,、Pr(15)=0.5であり、注視点が(20,2
0)に移動すると、Pr(14)=0.0058、Pr(15)=0.9942とな
る。このように、一度の注視点移動で認識が完了したこ
とになる。
に画像の特徴量のみに基づく方式を用いたとすれば、少
なくとも10回の注視点移動が必要となる。
処理について、図24、図25及び図26に沿って説明
する。図24に示すように、学習処理はステップS24
01の符号化処理とステップS2402の対応付け処理
の2段階より構成される。
を多重解像度画像に変換する。ただし入力画像Iの縦横
の画素数は、3の(L+1)乗であるとする。
る。
のうちの解像度レベルlの画像を部分画像に分割する。
本実施例では、縦横3画素で互いに重なり合わない部分
画像に分割する。
次元のインデクス(m,n)で表現する。
る。ステップS2505では、mを1に設定する。
がベクトル量子化のコードブックに代表ベクトルとして
登録されているかどうかを検査し、登録されていればス
テップS2508へ、未登録ならばステップS2507
へ進む。
適当な符号語を割り当ててコードブックに登録する。
画像を、対応する符号語で置き換える。この置き換え操
作によって部分画像の画素数は、縦横それぞれ1/3に縮
小する。
る。ステップS2510では、mが3を超えているかど
うかを検査し、超えていればステップS2711へ、そ
うでなければステップS2506へ進む。
る。ステップS2512では、nが3を超えているかど
うかを検査し、超えていればステップS2513へ、そ
うでなければステップS2505へ進む。
る。ステップS2514では、lがLを超えていないかを
検査し、超えていれば終了し、そうでなければステップ
S2503へ戻る。
各解像度レベルでの画素数が縦横それぞれ1/3に縮小さ
れた多重解像度符号語データに変換される。
表ベクトルを登録することによって、新しいデータに対
応することができる。
した本実施形態の認識処理において利用される。
用いて、レベル間の対応関係の抽出と登録を行う処理の
フローチャートである。
ベルl、2次元離散座標(m,n)の3つのインデクスを用い
て、Y(l,m,n)で表現する。
る。ステップS2602では、nを1に設定する。ステ
ップS2603では、mを1に設定する。
と、以下の符号語の組: {Y(l-1,3m-1,3n-1), Y(l-1,3m-1,3n), Y(l-1,3m-1,3n+
1) Y(l-1,3m,3n-1), Y(l-1,3m,3n), Y(l-1,3m,3n+1) Y(l-1,3m+1,3n-1), Y(l-1,3m+1,3n), Y(l-1,3m+1,3n+
1)} との対応関係を抽出する。
が、コードブック或いは対応表に登録されているかどう
かを検査し、登録されていればステップS2607へ、
そうでなければステップS2606へ進む。
対応関係を登録する。
る。ステップS2608では、mが3を超えているかど
うかを検査し、超えていればステップS2609へ、そ
うでなければステップS2604へ進む。
る。ステップS2610では、nが3を超えているかど
うかを検査し、超えていればステップS2611へ、そ
うでなければステップS2603へ進む。
る。ステップS2612では、lがLを超えていないかを
検査し、超えていれば終了し、そうでなければステップ
S2602へ戻る。
した本実施形態の認識処理において利用される。
図を示す。
画像入力システム等への本発明の応用例であり、図中、
2701は信号処理装置、2702は記憶装置、270
3は出力装置、2704は光学系、2705は2次元ア
レイセンサ、2706は第1の筐体、2707は第2の
筐体、2708は移動装置である。
を経て、2次元アレイセンサ2705でサンプリングさ
れた入力信号を受信し、記憶装置2702に格納された
データを用いて入力信号を処理し、所望の出力を出力装
置2703へ送信し、光学系2704の入力パラメタ
(光軸の方位や位置など)を制御するための信号を移動装
置2708に送信する。
力すべき画像が入力システムのどの方向に存在するか
は、予め与えられていない。従って、システムが遂行す
べきタスクに必要な情報が存在する方位を推定し、その
方向に入力装置の光軸を一致させ、その情報を取得する
ために必要な解像度で撮像するように、入力パラメタを
制御することが要求される。
を取得し、更に広範囲な領域をも見渡せることが要求さ
れる。限られたセンサ数で、この相反する仕様を満足す
るために、撮像系の空間解像度は非一様とする。実施形
態1で説明した多重解像度部分画像Dは、このような非
一様サンプリングによって得られる入力画像の1例であ
る。
するものである。
部から入射してくる光線を屈折させて、後述の2次元ア
レイセンサ2705上に結像させるためのものである。
高解像度と広範囲を両立させるレンズとして、例えば魚
眼レンズがある。魚眼レンズは、その写像関数によって
4種類に分類される。
イセンサ2705は、前記光学系2704によって結像
した画像を2次元デジタル画像としてサンプリングす
る。ここで、2次元デジタル画像とは、2次元空間座標を
離散化し、更にそれぞれのサンプリング点での画素値を
量子化したものをいう。
し、その像を2次元アレイセンサでサンプリングして得
られたデジタル画像は、擬似的に多重解像度部分画像に
なる。そこで、以下の説明では、このデジタル画像を実
施形態1での記述と同様にDと書く。Dは解像度レベル
l、2次元離散空間座標(m,n)の3つのインデクスで画素
位置を表す。例えば解像度レベルl、2次元離散空間座標
(m,n)に位置する画素値はD(l,m,n)と書く。
は前記光学系2704と前記2次元アレイセンサ270
5とを固定する。
は、後述の移動装置2708を介して、第1の筐体27
06を支持するものである。
は、第1の筐体2706を、第2の筐体2707に対して
2次元的に相対移動させるものである。2次元移動量は、
後述の信号処理装置2701からの制御信号で制御され
る。
は、後述する信号処理装置2701の処理に利用される
信号を記憶しておく装置であり、信号処理装置2701
によって信号が書き込まれ、或いは読み出される。
は、後述する信号処理装置2701からの出力を表示或
いは印刷するものである。
9は、後述する信号処理装置2701で認識する画像或
いはパターンが描かれている原稿2710を支持するた
めの台である。原稿に描かれている画像或いはパターン
が、原稿置き台2709を通して光学系に入力される配
置になっているときには、原稿置き台2709は透明で
なければならない。
701で認識される対象となる画像或いはパターンが描
かれている原稿である。
701は、2次元アレイセンサ2705から送信されて
きたデジタル画像を認識する装置であり、認識処理を実
行するために記憶装置2702に格納された信号を読み
出し、或いは信号を書き込み、また移動装置2708に
2次元移動量を制御するための制御信号を送信する。ま
た認識結果や、何らかのエラーが発生した場合のメッセ
ージを出力装置2703に出力する。
1で説明した全ての処理を含み、実施形態1の説明文中
の注視点位置が、実施形態2における光学系の光軸に相
当する。また、実施形態1の説明文中の入力画像Iは、
実施形態2における原稿2710に相当する。
非一様サンプリングによりサンプリングした信号を用い
てパターン認識を行なう際に、パターンをより正確に認
識するために、サンプリング位置を高速に修正すること
ができる。
の存在する方位が不明な場合でも、パターンを高速に捕
捉することができるので、移動物体に設置するために好
適なパターン認識装置を容易に構成することができる。
て、比較にならないほど少ないセンサ数で構成されたア
レイセンサで、パターン認識処理が達成できる。例え
ば、実施形態1で説明した例では、従来方式で32L個の
センサが必要なのに対して、実施形態1では、(3L)2個
のセンサで十分である。
図である。
トである。
ートである。
ートである。
る。
る。
る。
る。
る。
る。
る。
係を示す図である。
る。
る。
の写像関係の例を示す図である。
ャートである。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
主プログラムを表わす図である。
である。
である。
表わす図である。
表わす図である。
Claims (27)
- 【請求項1】 認識対象のパターンを表わす第1の信号
を入力する入力手段と、 該入力手段より入力された第1の信号を非一様にサンプ
リングするサンプリング手段と、 該サンプリング手段のサンプリングによって得られた第
2の信号に基づいて、前記第1の信号の表わすパターン
を認識する認識手段と、 該認識手段による認識結果に基づいて、前記サンプリン
グ手段による非一様サンプリングのサンプリング位置を
変更する変更手段とを有することを特徴とするパターン
認識装置。 - 【請求項2】 前記第1の信号は2次元の画像信号であ
ることを特徴とする請求項1に記載のパターン認識装
置。 - 【請求項3】 前記サンプリング手段は、前記第2の信
号として、ある注視点近傍の多重解像度画像を抽出する
ことを特徴とする請求項2に記載のパターン認識装置。 - 【請求項4】 前記サンプリング手段は、前記多重解像
度画像の各解像度の各画素の値を、各解像度に対応した
大きさの範囲の入力画像を用いて算出することを特徴と
する請求項3に記載のパターン認識装置。 - 【請求項5】 前記サンプリング手段において、前記範
囲の大きさを高解像度ほど大きな範囲とすることを特徴
とする請求項4に記載のパターン認識装置。 - 【請求項6】 前記変更手段が、前記認識結果に基づい
て、前記多重解像度画像における異なる解像度の画像間
の相互情報量を算出する相互情報量算出手段と、前記相
互情報量に基づいて前記注視点を変更する注視点変更手
段とを有することを特徴とする請求項2に記載のパター
ン認識装置。 - 【請求項7】 前記認識手段が、前記多重解像度画像に
対応する確率セルオートマトンについて、パターンに基
づく各セルの状態値の確率分布を算出する確率分布算出
手段と、当該確率分布に基づいて、前記第1の信号の表
わすパターンを同定する同定手段とを有することを特徴
とする請求項2に記載のパターン認識装置。 - 【請求項8】 前記確率分布算出手段は、前記確率セル
オートマトンにおける注目するセルの状態値の確率分布
を、該注目するセルより低解像度の近傍のセルの状態値
の確率分布に基づいて算出することを特徴とする請求項
7に記載のパターン認識装置。 - 【請求項9】 前記相互情報量算出手段は、前記確率セ
ルオートマトンにおける注目する解像度のセルの状態値
の確率分布と該注目する解像度のセルより高解像度のセ
ルの状態値の確率分布とに基づいて相互情報量を算出す
ることを特徴とする請求項7に記載のパターン認識装
置。 - 【請求項10】 セルの状態値と、画像パターンまたは
下位のセルの状態値のパターンとの対応関係を記憶する
対応関係記憶手段を具え、当該対応関係を参照して前記
同定手段がパターンを同定することを特徴とする請求項
7に記載のパターン認識装置。 - 【請求項11】 前記対応関係記憶手段に記憶すべき対
応関係を学習する学習手段を備えることを特徴とする請
求項10に記載のパターン認識装置。 - 【請求項12】 注目するセルの状態値の確率分布のエ
ントロピーを算出するエントロピー算出手段を備え、 該エントロピー算出手段により算出されたエントロピー
が所定の条件を満たした場合に前記同定手段による処理
を実行することを特徴とする請求項7に記載のパターン
認識装置。 - 【請求項13】 前記入力手段が画像信号を光学的に入
力する光学的入力手段を備え、前記変更手段が当該光学
的入力手段の光軸を移動させる移動手段を備えることを
特徴とする請求項2に記載のパターン認識装置。 - 【請求項14】 認識対象のパターンを表わす第1の信
号を入力する入力工程と、 該入力工程により入力された第1の信号を非一様にサン
プリングするサンプリング工程と、 該サンプリング工程のサンプリングによって得られた第
2の信号に基づいて、前記第1の信号の表わすパターン
を認識する認識工程と、 該認識工程による認識結果に基づいて、前記サンプリン
グ工程による非一様サンプリングのサンプリング位置を
変更する変更工程とを有することを特徴とするパターン
認識方法。 - 【請求項15】 前記第1の信号は2次元の画像信号で
あることを特徴とする請求項14に記載のパターン認識
方法。 - 【請求項16】 前記サンプリング工程は、前記第2の
信号として、ある注視点近傍の多重解像度画像を抽出す
ることを特徴とする請求項15に記載のパターン認識方
法。 - 【請求項17】 前記サンプリング工程は、前記多重解
像度画像の各解像度の各画素の値を、各解像度に対応し
た大きさの範囲の入力画像を用いて算出することを特徴
とする請求項16に記載のパターン認識方法。 - 【請求項18】 前記サンプリング工程において、前記
範囲の大きさを高解像度ほど大きな範囲とすることを特
徴とする請求項17に記載のパターン認識方法。 - 【請求項19】 前記変更工程が、前記認識結果に基づ
いて、前記多重解像度画像における異なる解像度の画像
間の相互情報量を算出する相互情報量算出工程と、前記
相互情報量に基づいて前記注視点を変更する注視点変更
工程とを有することを特徴とする請求項15に記載のパ
ターン認識方法。 - 【請求項20】 前記認識工程が、前記多重解像度画像
に対応する確率セルオートマトンについて、パターンに
基づく各セルの状態値の確率分布を算出する確率分布算
出工程と、当該確率分布に基づいて、前記第1の信号の
表わすパターンを同定する同定工程とを有することを特
徴とする請求項15に記載のパターン認識方法。 - 【請求項21】 前記確率分布算出工程では、前記確率
セルオートマトンにおける注目するセルの状態値の確率
分布を、該注目するセルより低解像度の近傍のセルの状
態値の確率分布に基づいて算出することを特徴とする請
求項20に記載のパターン認識方法。 - 【請求項22】 前記相互情報量算出工程は、前記確率
セルオートマトンにおける注目する解像度のセルの状態
値の確率分布と該注目する解像度のセルより高解像度の
セルの状態値の確率分布とに基づいて相互情報量を算出
することを特徴とする請求項20に記載のパターン認識
方法。 - 【請求項23】 前記同定工程が、対応関係メモリに記
憶された、セルの状態値と、画像パターンまたは下位の
セルの状態値のパターンとの対応関係を参照して、パタ
ーンを同定することを特徴とする請求項20に記載のパ
ターン認識方法。 - 【請求項24】 前記対応関係メモリに記憶すべき対応
関係を学習する学習工程を備えることを特徴とする請求
項23に記載のパターン認識方法。 - 【請求項25】 注目するセルの状態値の確率分布のエ
ントロピーを算出するエントロピー算出工程を備え、 該エントロピー算出工程により算出されたエントロピー
が所定の条件を満たした場合に前記同定工程の処理を実
行することを特徴とする請求項20に記載のパターン認
識方法。 - 【請求項26】 前記入力工程では、光学的入力部を用
いて画像信号を光学的に入力し、前記変更工程が当該光
学的入力部の光軸を移動させる移動工程を備えることを
特徴とする請求項15に記載のパターン認識装置。 - 【請求項27】 認識対象のパターンを表わす第1の信
号を入力する入力工程と、 該入力工程により入力された第1の信号を非一様にサン
プリングするサンプリング工程と、 該サンプリング工程のサンプリングによって得られた第
2の信号に基づいて、前記第1の信号の表わすパターン
を認識する認識工程と、 該認識工程による認識結果に基づいて、前記サンプリン
グ工程による非一様サンプリングのサンプリング位置を
変更する変更工程とを有することを特徴とするパターン
認識プログラムを記憶した記憶媒体。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25874396A JP3890099B2 (ja) | 1996-09-30 | 1996-09-30 | パターン認識装置及びその方法、及びそのプログラムを記憶した記憶媒体 |
US08/938,789 US6198847B1 (en) | 1996-09-30 | 1997-09-26 | Apparatus and method for recognizing a nonuniformly sampled pattern |
DE69720630T DE69720630T2 (de) | 1996-09-30 | 1997-09-29 | Gerät und Verfahren zur Erkennung eines ungleichmässig abgetasten Musters |
CA002216883A CA2216883C (en) | 1996-09-30 | 1997-09-29 | Apparatus and method for recognizing a nonuniformly sampled pattern |
EP97307628A EP0833275B1 (en) | 1996-09-30 | 1997-09-29 | Apparatus and method for recognizing a nonuniformly sampled pattern |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25874396A JP3890099B2 (ja) | 1996-09-30 | 1996-09-30 | パターン認識装置及びその方法、及びそのプログラムを記憶した記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH10105208A true JPH10105208A (ja) | 1998-04-24 |
JP3890099B2 JP3890099B2 (ja) | 2007-03-07 |
Family
ID=17324474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP25874396A Expired - Fee Related JP3890099B2 (ja) | 1996-09-30 | 1996-09-30 | パターン認識装置及びその方法、及びそのプログラムを記憶した記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6198847B1 (ja) |
EP (1) | EP0833275B1 (ja) |
JP (1) | JP3890099B2 (ja) |
CA (1) | CA2216883C (ja) |
DE (1) | DE69720630T2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7403836B2 (en) | 2003-02-25 | 2008-07-22 | Honda Motor Co., Ltd. | Automatic work apparatus and automatic work control program |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6750848B1 (en) * | 1998-11-09 | 2004-06-15 | Timothy R. Pryor | More useful man machine interfaces and applications |
US9006175B2 (en) | 1999-06-29 | 2015-04-14 | Mannkind Corporation | Potentiation of glucose elimination |
US20030067476A1 (en) * | 2001-10-04 | 2003-04-10 | Eastman Kodak Company | Method and system for displaying an image |
WO2003080149A2 (en) * | 2002-03-20 | 2003-10-02 | Mannkind Corporation | Inhalation apparatus |
US7817829B2 (en) * | 2004-03-15 | 2010-10-19 | Koninklijke Philips Electronics N.V. | Image visualization |
DE602005024413D1 (de) | 2004-08-20 | 2010-12-09 | Mannkind Corp | Katalyse der diketopiperazinsynthese |
ES2540886T3 (es) | 2004-08-23 | 2015-07-14 | Mannkind Corporation | Sales de dicetopiperazina para la administración de fármacos |
KR101557502B1 (ko) | 2005-09-14 | 2015-10-06 | 맨카인드 코포레이션 | 결정질 미립자 표면에 대한 활성제의 친화력의 증가를기반으로 하는 약물 제제의 방법 |
AU2007216966C1 (en) | 2006-02-22 | 2014-03-20 | Mannkind Corporation | A method for improving the pharmaceutic properties of microparticles comprising diketopiperazine and an active agent |
US7873220B2 (en) * | 2007-01-03 | 2011-01-18 | Collins Dennis G | Algorithm to measure symmetry and positional entropy of a data set |
JP4516592B2 (ja) * | 2007-12-06 | 2010-08-04 | 本田技研工業株式会社 | 移動型ロボット |
US8485180B2 (en) | 2008-06-13 | 2013-07-16 | Mannkind Corporation | Dry powder drug delivery system |
PL2293833T3 (pl) | 2008-06-13 | 2016-08-31 | Mannkind Corp | Inhalator proszkowy i układ do dostarczania leku |
EP2609954B1 (en) | 2008-06-20 | 2021-12-29 | MannKind Corporation | An interactive apparatus for real-time profiling of inhalation efforts |
TWI532497B (zh) | 2008-08-11 | 2016-05-11 | 曼凱公司 | 超快起作用胰島素之用途 |
US8314106B2 (en) | 2008-12-29 | 2012-11-20 | Mannkind Corporation | Substituted diketopiperazine analogs for use as drug delivery agents |
EP2405963B1 (en) | 2009-03-11 | 2013-11-06 | MannKind Corporation | Apparatus, system and method for measuring resistance of an inhaler |
KR20180079458A (ko) | 2009-06-12 | 2018-07-10 | 맨카인드 코포레이션 | 한정된 비표면적을 갖는 디케토피페라진 마이크로입자 |
US9016147B2 (en) | 2009-11-03 | 2015-04-28 | Mannkind Corporation | Apparatus and method for simulating inhalation efforts |
CA2801936C (en) | 2010-06-21 | 2021-06-01 | Mannkind Corporation | Dry powder drug delivery system and methods |
EP2694402B1 (en) | 2011-04-01 | 2017-03-22 | MannKind Corporation | Blister package for pharmaceutical cartridges |
WO2012174472A1 (en) | 2011-06-17 | 2012-12-20 | Mannkind Corporation | High capacity diketopiperazine microparticles |
EP2776053A1 (en) | 2011-10-24 | 2014-09-17 | MannKind Corporation | Methods and compositions for treating pain |
AU2013289957B2 (en) | 2012-07-12 | 2017-02-23 | Mannkind Corporation | Dry powder drug delivery systems and methods |
EP2911690A1 (en) | 2012-10-26 | 2015-09-02 | MannKind Corporation | Inhalable influenza vaccine compositions and methods |
KR102499439B1 (ko) | 2013-03-15 | 2023-02-13 | 맨카인드 코포레이션 | 미세결정성 디케토피페라진 조성물 및 방법 |
MX2020009878A (es) | 2013-07-18 | 2022-07-27 | Mannkind Corp | Composiciones farmaceuticas en polvo seco estables al calor y metodos. |
JP2016530930A (ja) | 2013-08-05 | 2016-10-06 | マンカインド コーポレイション | 通気装置及び方法 |
US10307464B2 (en) | 2014-03-28 | 2019-06-04 | Mannkind Corporation | Use of ultrarapid acting insulin |
US10561806B2 (en) | 2014-10-02 | 2020-02-18 | Mannkind Corporation | Mouthpiece cover for an inhaler |
US10410398B2 (en) * | 2015-02-20 | 2019-09-10 | Qualcomm Incorporated | Systems and methods for reducing memory bandwidth using low quality tiles |
US11055590B2 (en) * | 2019-09-17 | 2021-07-06 | International Business Machines Corporation | Multiresolution optical code |
CN114675380A (zh) * | 2021-12-23 | 2022-06-28 | 国网江西省电力有限公司信息通信分公司 | 一种能信共传光纤的激光供能方法及其系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835641A (en) * | 1992-10-14 | 1998-11-10 | Mitsubishi Denki Kabushiki Kaisha | Image pick-up apparatus for detecting and enlarging registered objects |
US5555102A (en) * | 1995-01-30 | 1996-09-10 | Apple Computer, Inc. | System and method for generating images with improved visual quality using local correlation, ordered dither |
US5649021A (en) * | 1995-06-07 | 1997-07-15 | David Sarnoff Research Center, Inc. | Method and system for object detection for instrument control |
-
1996
- 1996-09-30 JP JP25874396A patent/JP3890099B2/ja not_active Expired - Fee Related
-
1997
- 1997-09-26 US US08/938,789 patent/US6198847B1/en not_active Expired - Lifetime
- 1997-09-29 CA CA002216883A patent/CA2216883C/en not_active Expired - Fee Related
- 1997-09-29 EP EP97307628A patent/EP0833275B1/en not_active Expired - Lifetime
- 1997-09-29 DE DE69720630T patent/DE69720630T2/de not_active Expired - Lifetime
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7403836B2 (en) | 2003-02-25 | 2008-07-22 | Honda Motor Co., Ltd. | Automatic work apparatus and automatic work control program |
Also Published As
Publication number | Publication date |
---|---|
JP3890099B2 (ja) | 2007-03-07 |
EP0833275A2 (en) | 1998-04-01 |
DE69720630T2 (de) | 2003-11-27 |
EP0833275A3 (en) | 1998-04-08 |
DE69720630D1 (de) | 2003-05-15 |
CA2216883C (en) | 2001-11-27 |
EP0833275B1 (en) | 2003-04-09 |
US6198847B1 (en) | 2001-03-06 |
CA2216883A1 (en) | 1998-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3890099B2 (ja) | パターン認識装置及びその方法、及びそのプログラムを記憶した記憶媒体 | |
Bergado et al. | Recurrent multiresolution convolutional networks for VHR image classification | |
US6363327B1 (en) | Method and apparatus for extracting selected feature information and classifying heterogeneous regions of N-dimensional spatial data | |
CN110414616B (zh) | 一种利用空间关系的遥感图像字典学习分类方法 | |
CN111400528B (zh) | 一种图像压缩方法、装置、服务器及存储介质 | |
CN111833353B (zh) | 一种基于图像分割的高光谱目标检测方法 | |
CN116704363B (zh) | 一种基于深度学习模型的土地覆盖分类方法及装置 | |
CN113592839A (zh) | 基于改进Faster RCNN的配网线路典型缺陷诊断方法及系统 | |
CN112446256A (zh) | 一种基于深度isa数据融合的植被类型识别方法 | |
CN113378664A (zh) | 基于半非负矩阵分解的高光谱图像变化检测方法和系统 | |
CN117609905A (zh) | 一种监测数据预测方法、系统、设备以及可读存储介质 | |
CN115984646B (zh) | 面向遥感跨卫星观测的分布式目标检测方法、装置和卫星 | |
CN116663388A (zh) | 粮堆温度预测方法、装置、设备及存储介质 | |
CN115273122A (zh) | 一种基于深度学习的身份证识别方法及装置 | |
CN115602042A (zh) | 空白图斑地球化学元素含量赋值方法、装置和电子设备 | |
CN114519791A (zh) | 车牌字符识别方法以及装置 | |
Mei et al. | Matching by pixel distribution comparison: Multisource image template matching | |
CN113468947B (zh) | 一种多雷达站鸟情信息融合以及成像方法 | |
CN118135357B (zh) | 核心集构造方法、装置、设备及介质 | |
CN115131588B (zh) | 一种基于模糊聚类的图像鲁棒聚类方法 | |
CN116109946B (zh) | 一种海洋背景的高光谱影像异常探测方法和系统 | |
CN116206114B (zh) | 一种复杂背景下人像提取方法及装置 | |
CN117934963B (zh) | 一种气体传感器漂移补偿方法 | |
CN111553418B (zh) | 神经元重建错误的检测方法、装置和计算机设备 | |
Sakano et al. | Seeing the character images that an OCR system sees-Analysis by genetic algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060811 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061106 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061204 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091208 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101208 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111208 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121208 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131208 Year of fee payment: 7 |
|
LAPS | Cancellation because of no payment of annual fees |