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

Abstract

(57)【要約】 【課題】 2次元パターンの認識を、簡単なハードウェ
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

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、パターン認識装置
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。

【０００２】

【従来の技術】例えば、３次元空間を移動するロボット
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。

【０００３】このような非一様サンプリングでは、周辺
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。

【０００４】そのための光軸制御方式としては、非一様
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。

【０００５】

【発明が解決しようとする課題】上述したように、従来
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。

【０００６】また、上述の知識データベース方式では、
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。

【０００７】

【課題を解決するための手段】上記課題を解決するため
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。

【０００８】本発明の他の態様によれば、パターン認識
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。

【０００９】本発明の他の態様によれば、記憶媒体に、
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パターン認識
プログラムを記憶する。

【００１０】

【発明の実施の形態】

（実施形態１）図１は、本発明の１実施形態であるパタ
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。

【００１１】ここで、以下の記述を簡単にするため次の
ような記述を採用する。

【００１２】まず、インデクスにうちの１つに*が現れ
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。

【００１３】例えば： Ａ（ｌ，ｍ，ｎ，^＊） ＝ （Ａ（ｌ，ｍ，ｎ，１）， Ａ（ｌ，ｍ，ｎ，
２）， ．．． ，Ａ（ｌ，ｍ，ｎ，Ｗ））^Ｔ （１）

【００１４】

【外１】

【００１５】更に、インデクスに￣が現れたときには、
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。

【００１６】また確率理論に基づいて説明を行うので、
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：

【００１７】

【外２】 ただし、Zはベクトルの要素の総和である：

【００１８】

【外３】

【００１９】以下に、図１のパターン認識装置の各部を
説明する。

【００２０】＜入出力装置１０１＞入出力装置１０１
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。

【００２１】外部装置から入力される信号は、認識対象
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。

【００２２】＜信号処理装置１０２＞信号処理装置１０
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。

【００２３】図２に、信号処理装置１０２の処理のフロ
ーチャートを示す。

【００２４】ステップＳ２０１では、入出力装置１０１
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。

【００２５】ステップＳ２０３では、認識処理を実行す
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。

【００２６】次に、上述したステップＳ２０３で実行さ
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。

【００２７】まず、ステップＳ３０１で確率セルオート
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Z^d、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 = { Z^d, Q, X,φ} (6)

【００２８】本実施形態では階層構造を考えているの
で、セル空間Z^d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。

【００２９】また、セル空間での座標(l,m,n)に位置す
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。

【００３０】写像φは、セル空間上で(l,m,n)に位置す
るセルの状態値μがvとなる確率P_l,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
ω_{i,j, k}がwとなる確率P_i,j,k(ω=w)、及びこれらの間の
条件付き確率π_i,j,k(μ=v|ω=w)を用いて次式で与えら
れる：

【００３１】

【外４】

【００３２】図８に、l={1,2,3}、m={-1,0,1}、n={-1,
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。

【００３３】以下の説明では、解像度レベルl、2次元空
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 = { −M_D, −M_D +1, ... , 0 , ... , M_D−1 , M_D} n = { −N_D, −N_D +1, ... , 0 , ... , N_D−1 , N_D } w = { 1,2, ... , W} (11) とする。

【００３４】(11)式のインデクスを用いれば、階層レベ
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P_l,m,n(ω=w)は P_l,m,n(ω＝ｗ） ＝ Ａ（ｌ，ｍ，ｎ，ｗ）
（１２）

【００３５】更に、セル（ｌ，ｍ，ｎ）の状態値の確率
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 ),

【００３６】

【外５】 ここで、＜a｜b＞はベクトルaとbの内積、ψ(l,m,n,w|
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。

【００３７】図２０に、写像ψ(l,m,n,w|l-1,j,k,v)の
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。

【００３８】ここで、左上のセルの座標を(l-1,1,1)と
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)

【００３９】図３に戻り、ステップＳ３０２で、入力画
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。

【００４０】ここで、注視点とは、入力画像Ｉから後述
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：

【００４１】

【外６】

【００４２】ここで、 gx_j及びgy_jの取り得る値は {1,
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。

【００４３】次に、ステップＳ３０３では、入力画像か
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 = { -M_D, -M_D+1, ... , 0 , ... , M_D-1 , M_D} n = { -N_D, -N_D+1, ... , 0 , ... , N_D-1 , N_D} (18) とする。

【００４４】上式及び図９からわかるように、本実施形
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。

【００４５】多重解像度画像の構成方法はいくつかあっ
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。

【００４６】ステップＳ３０４では、多重解像度データ
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 = { -M_B, -M_B+1, ... , 0 , ... , M_B-1 , M_B} n = { -N_B, -N_B+1, ... , 0 , ... , N_B-1 , N_B} (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。

【００４７】次に、ステップＳ３０５で、lを１に設定
する。

【００４８】ステップＳ３０６では、確率セルオートマ
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。

【００４９】ステップＳ３０７では、確率セルオートマ
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。

【００５０】ステップＳ３０８では、lをl+1に更新す
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。

【００５１】ステップＳ３１０では、認識したいセルの
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。

【００５２】

【外７】

【００５３】ステップＳ３１１では、(20)式で計算した
εが予め定めた値ε_C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。

【００５４】ステップＳ３１２では、多重解像度データ
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。

【００５５】次に、ステップＳ３０３で実行する処理を
図５から図７に沿って説明する。

【００５６】まず、ステップＳ５０１でlを１に設定す
る。

【００５７】続いて、ステップＳ５０２では、注視点g=
(gx,gy)における解像度レベルlの画像 D(l,m,n), −M_D≦m≦M_D , −N_D≦n≦N_D 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。

【００５８】ステップＳ５０３ではlをl+1に更新する。
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。

【００５９】以上により、注視点における解像度レベル
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。

【００６０】次に、ステップＳ５０２で実行する、入力
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。

【００６１】ステップＳ６０１で、解像度レベルの値か
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。

【００６２】ここで受容野とは、抽出画像の1画素の値
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。

【００６３】ステップＳ６０２でyを−N_Dに設定する。
ステップＳ６０３でxを−M_Dに設定する。

【００６４】ステップＳ６０４で、抽出画像のレベル
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：

【００６５】

【外８】 上式は受容野に渡る重み付き平均値の計算式である。

【００６６】ステップＳ６０５でxをx+1に更新する。ス
テップＳ６０６でxがM_D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。

【００６７】ステップＳ６０７でyをy+1に更新する。ス
テップＳ６０８でyがN_D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。

【００６８】ステップＳ３０６での確率分布の更新処理
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。

【００６９】図１３で、１３０１が入力画像I、１３０
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。

【００７０】多重解像度画像Dは解像度レベルが下から
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。

【００７１】確率セルオートマトンAの階層レベルは、
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。

【００７２】次に、確率分布の更新処理手順を説明す
る。

【００７３】まず、ステップＳ１００１で、階層レベル
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。

【００７４】ステップＳ１００２では、解像度レベル０
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, ... , α_W )^T) (22)

【００７５】第1の対応関係１３０８がベクトル量子化
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。

【００７６】ステップＳ１００３では、αの要素に最大
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。

【００７７】ステップＳ１００４では、αの要素のうち
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,gx_l,gy_l,kmax) = 1, (23) A(l,gx_l,gy_l,k) = 0, k ≠ kmax (24)

【００７８】ステップＳ１００５で、後述する確率分布
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,gx_l,gy_l,^*) = β (25)

【００７９】ステップＳ１００６でmを−M_Dに設定す
る。ステップＳ１００７でnを−N_Dに設定する。

【００８０】ステップＳ１００８では、次式により、多
重解像度画像D(l,gx_l+m,gy_l+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, .. , dP_W)^T (26) D(l, gx_l+m,gy_l+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：

【００８１】

【外９】 ただし、Pr(D(l, gx_l+m,gy_l+n)=N)は、D(l, gx_l+m,gy_l+
n)がNである確率である。従って、 D(l, gx_l+m,gy_l+n)
が２のときには、dPは(f(1,2),f(2,2),...,f(W,2))^Tと
なる。

【００８２】ステップＳ１００９で、上記dPを用いてセ
ルの確率分布ベクトルを以下のように修正する： A_NEW(l, gx_l+m,gy_l+n,^*) = λ((A_NEW(1), A_NEW(2),..., A_NEW(W))^T), A_NEW(j) = A_OLD(l,gx_l+m,gy_l+n,j) dP_j, ∀j∈ { 1,2,...,W} (27)

【００８３】ステップＳ１０１０でnをn+1に更新する。
ステップＳ１０１１でｎがN_D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。

【００８４】ステップＳ１０１２ではmをm+1に更新す
る。ステップＳ１０１３でmがM_D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。

【００８５】次に、図４のステップＳ３０７で実行され
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。

【００８６】まず、ステップＳ１４０１で、確率分布ベ
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。

【００８７】更に、ステップＳ１４０２でmを−dMに初
期化する。ここでdM = M_B−Ｍ_D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 = N_B−
N_Dである。

【００８８】これらm及びnは、図１７中のセル１７０７
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。

【００８９】ステップＳ１４０４では、セル空間で以下
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, gx_l+m,gy_l+n)： X(l+1,gx_l+m,gy_l+n)={(l,gx_l+m-1,gy_l+n-1),(l,gx_l+m-1,gy_l+n), (l,gx_l+m-1,gy_l+n+1),(l,gx_l+m,gy_l+n-1), (l,gx_l+m,gy_l+n),(l,gx_l+m,gy_l+n+1), (l,gx_l+m+1,gy_l+n-1),(l,gx_l+m+1,gy_l+n), (l, gx_l+m+1,gy_l+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：

【００９０】

【外１０】 ただし、wはセル(l,j,k)の状態値の一つであり、右辺の
乗積は近傍系X(l+1,gx_l+m,gy_l+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。

【００９１】ステップＳ１４０５では、セル(l+1, gxl+
m,gyl+n)と、その近傍系X(l+1,gx_l+m,gy_l+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：

【００９２】

【外１１】

【００９３】ステップＳ１４０６では、上記相互情報量
を用いてＢを更新する： B(l,j,k) = B(l,j,k) +σ(l,j,k) (31)

【００９４】ステップＳ１４０７では、(30)式で計算し
た相互情報量σ(l,j,k) , (l,j,k)∈X(l+1,gx_l+m,gy_l+
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。

【００９５】ステップＳ１４０８では、βをγで更新す
る： β = β + γ (32)

【００９６】ステップＳ１４０９で、Cの値を更新す
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。

【００９７】ステップＳ１４１２では、mをm+1に更新す
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。

【００９８】ステップＳ１４１４では、多重解像度デー
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∈〔−M_B,M_B〕⊂Z, ∀n∈〔−N_B,N_B〕⊂Z (34)

【００９９】ステップＳ１４１５では、関数λを用いて
確率分布ベクトルβを正規化する。

【０１００】次に、ステップＳ３１１で実行される注視
点座標の更新処理を、図１８に沿って説明する。

【０１０１】まず、ステップＳ１８０１では、lを１に
設定する。

【０１０２】ステップＳ１８０２では、注視点移動量を
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。

【０１０３】ステップＳ１９０１では、lがLを超えるか
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Ｓ１９０２へ進む。

【０１０４】ステップＳ１９０２では、B(l,〜,〜)のな
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。

【０１０５】ステップＳ１９０３では、最大値に対応す
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： gx_l = gx_l + mmax, gy_l = gy_l + nmax, (35)

【０１０６】ステップＳ１９０４では、lが１かどうか
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。

【０１０７】ステップＳ１９０５では、mmax及びnmaxを
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)

【０１０８】ステップＳ１９０６では、(gx_l-1 ,gy_l-1)
を(0,0)にリセットする。

【０１０９】ステップＳ１９０７は、ステップＳ１９０
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。

【０１１０】ステップＳ１９０８では、図１８のステッ
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。

【０１１１】上記認識処理のソフトウェアによる実現例
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。

【０１１２】図４１は、このソフトウェアを実行するた
めのハードウェア構成の一例を示す図である。

【０１１３】同図において、４１０１は、入力部であ
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。

【０１１４】４１０４は、ＲＯＭであり、固定データや
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。

【０１１５】図２８から図３６はsaccade6(・)という名
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。

【０１１６】図２０はコードブック及びセル間の状態値
の対応表を示している。

【０１１７】同図において、縦横３個のマスで書かれて
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。

【０１１８】図１３の１３１０で示されるコードブック
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。

【０１１９】図２１は、図２０で番号１０から１３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。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。

【０１２０】図３７から図３８にはsaccade6(・)で呼び
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。

【０１２１】図３９に示されているextract2(・)と図４
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。

【０１２２】図２２の状態ベクトル１５を入力画像と
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。

【０１２３】これら注視点に対して、状態値１４及び１
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。

【０１２４】本実施形態による注視点移動方式のかわり
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。

【０１２５】図２のステップＳ２０５で実行される学習
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。

【０１２６】図２５は符号化処理の流れ図である。

【０１２７】まず、ステップＳ２５０１では入力画像I
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。

【０１２８】ステップＳ２５０２では、lを０に設定す
る。

【０１２９】ステップＳ２５０３では、多重解像度画像
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。

【０１３０】以下、部分画像を、行列の表記に従い、2
次元のインデクス(m,n)で表現する。

【０１３１】ステップＳ２５０４では、nを１に設定す
る。ステップＳ２５０５では、mを１に設定する。

【０１３２】ステップＳ２５０６では、部分画像(m,n)
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。

【０１３３】ステップＳ２５０７では、上記部分画像に
適当な符号語を割り当ててコードブックに登録する。

【０１３４】ステップＳ２５０８では、それぞれの部分
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。

【０１３５】ステップＳ２５０９では、mをm+1に更新す
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。

【０１３６】ステップＳ２５１１では、nをn+1に更新す
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。

【０１３７】ステップＳ２５１３では、lをl+1に更新す
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。

【０１３８】以上の処理によって、多重解像度画像は、
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。

【０１３９】また、コードブックに登録されていない代
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。

【０１４０】上記処理で得られるコードブックは、前述
した本実施形態の認識処理において利用される。

【０１４１】図２６は、上記多重解像度符号語データを
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。

【０１４２】以下、多重解像度符号語データを解像度レ
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。

【０１４３】ステップＳ２６０１では、lを１に設定す
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。

【０１４４】ステップＳ２６０４では、符号語Y(l,m,n)
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。

【０１４５】ステップＳ２６０５では、上記対応関係
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。

【０１４６】ステップＳ２６０６では、対応表に、上記
対応関係を登録する。

【０１４７】ステップＳ２６０７では、mをm+1に更新す
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。

【０１４８】ステップＳ２６０９では、nをn+1に更新す
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。

【０１４９】ステップＳ２６１１では、lをl+1に更新す
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。

【０１５０】上記処理によって得られる対応表は、前述
した本実施形態の認識処理において利用される。

【０１５１】（実施形態２）図２７に実施形態２の構成
図を示す。

【０１５２】実施形態２は、監視システム、ロボットの
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。

【０１５３】信号処理装置２７０１は、光学系２７０４
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。

【０１５４】実施形態２で想定している応用例では、入
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。

【０１５５】また、撮像系に対しては、高解像度で信号
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。

【０１５６】実施形態2は、このような入力装置を想定
するものである。

【０１５７】＜光学系２７０４＞光学系２７０４は、外
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。

【０１５８】＜2次元アレイセンサ２７０５＞2次元アレ
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。

【０１５９】光学系２７０４として魚眼レンズを採用
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。

【０１６０】＜第1の筐体２７０６＞第1の筐体２７０６
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。

【０１６１】<第2の筐体２７０７＞第2の筐体２７０７
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。

【０１６２】＜移動装置２７０８＞移動装置２７０８
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。

【０１６３】＜記憶装置２７０２＞記憶装置２７０２
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。

【０１６４】＜出力装置２７０３＞出力装置２７０３
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。

【０１６５】＜原稿置き台２７０９＞原稿置き台２７０
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。

【０１６６】＜原稿２７１０＞後述する信号処理装置２
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。

【０１６７】＜信号処理装置２７０１＞信号処理装置２
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。

【０１６８】信号処理装置２７０１の処理は、実施形態
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。

【０１６９】

【発明の効果】以上説明したように、本発明によれば、
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。

【０１７０】また、本発明によれば、認識対象パターン
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。

【０１７１】また、本発明によれば、従来の装置に比べ
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３^2L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。

【図面の簡単な説明】

【図１】実施形態１のパターン認識装置のブロック構成
図である。

【図２】信号処理装置の処理のフローチャートである。

【図３】認識処理のフローチャートである。

【図４】認識処理のフローチャートである。

【図５】多重解像度部分画像の抽出処理のフローチャー
トである。

【図６】解像度レベルlの画像の抽出処理のフローチャ
ートである。

【図７】解像度レベルlの画像の抽出処理のフローチャ
ートである。

【図８】確率セルオートマトンのセル空間の説明図であ
る。

【図９】多重解像度部分画像の説明図である。

【図１０】確率分布の更新処理のフローチャートであ
る。

【図１１】確率分布の更新処理のフローチャートであ
る。

【図１２】確率分布の更新処理のフローチャートであ
る。

【図１３】確率分布の更新処理の説明図である。

【図１４】相互情報量の算出処理のフローチャートであ
る。

【図１５】相互情報量の算出処理のフローチャートであ
る。

【図１６】相互情報量の算出処理のフローチャートであ
る。

【図１７】相互情報量の算出処理におけるデータ間の関
係を示す図である。

【図１８】注視点座標の更新処理のフローチャートであ
る。

【図１９】注視点移動の計算処理のフローチャートであ
る。

【図２０】符号化処理のコードブック及びセルの状態間
の写像関係の例を示す図である。

【図２１】代表ベクトルに対する２次元画像である。

【図２２】代表ベクトルに対する２次元画像である。

【図２３】注視点移動を示した図である。

【図２４】コードブックやセル間写像の学習のフローチ
ャートである。

【図２５】符号化処理のフローチャートである。

【図２６】対応づけ処理のフローチャートである。

【図２７】実施形態２のブロック構成図である。

【図２８】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図２９】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３０】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３１】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３２】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３３】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３４】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３５】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３６】２次元デジタル画像認識処理ソフトウェアの
主プログラムを表わす図である。

【図３７】相互情報量を計算するプログラムを表わす図
である。

【図３８】相互情報量を計算するプログラムを表わす図
である。

【図３９】多重解像度部分画像を抽出するプログラムを
表わす図である。

【図４０】多重解像度部分画像を抽出するプログラムを
表わす図である。

【図４１】ハードウエア構成の例を示す図である。

【符号の説明】

１０１ 入出力装置 １０２、２７０１ 信号処理装置 １０３、２７０２ 記憶装置 ２７０３ 出力装置 ２７０４ 光学系 ２７０５ ２次元アレイセンサ ２７０６ 第１の筐体 ２７０７ 第２の筐体 ２７０８ 移動装置 ２７０９ 原稿置き台 ２７１０ 原稿 ４１０１ 入力部 ４１０２ ＣＰＵ ４１０３ 出力部 ４１０４ ＲＯＭ ４１０５ ＲＡＭ ４１０６ 補助記憶装置

Claims (27)

【特許請求の範囲】
1. 【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。
2. 【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。
3. 【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。
4. 【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。
5. 【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。
6. 【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。
7. 【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。
8. 【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。
9. 【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。
10. 【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。
11. 【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。
12. 【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。
13. 【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。
14. 【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。
15. 【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。
16. 【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。
17. 【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。
18. 【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。
19. 【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。
20. 【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。
21. 【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。
22. 【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。
23. 【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。
24. 【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。
25. 【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。
26. 【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。
27. 【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。