JPH10255055A - データ検出領域の選択方法 - Google Patents
データ検出領域の選択方法Info
- Publication number
- JPH10255055A JPH10255055A JP9082128A JP8212897A JPH10255055A JP H10255055 A JPH10255055 A JP H10255055A JP 9082128 A JP9082128 A JP 9082128A JP 8212897 A JP8212897 A JP 8212897A JP H10255055 A JPH10255055 A JP H10255055A
- Authority
- JP
- Japan
- Prior art keywords
- area
- data
- data detection
- calculated
- detection area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 実質的な識別情報の低下を防止するデータ検
出領域の選択方法を提供すること。 【解決手段】 異なる複数種類の対象物のデータを取得
し、取得したデータを分割し、分割した各データ毎に識
別に有効な領域を所定数選択するデータ検出領域の選択
方法であって、全ての領域に対して有効度を求め、最も
有効度の高い領域を基準領域とするとともに、基準領域
以外の任意の領域を注目領域とする。次に、各種類毎に
基準領域と注目領域との相関係数を求め、基準領域の有
効度に単調減少で、注目領域の有効度に単調増加で、か
つ、この相関係数に単調減少となる凾数値を計算し、す
でに選択されている全ての領域に対して凾数値を計算し
てその総和を求める。さらに、対象物の全種類にわたっ
て総和を求め、基準領域以外の全ての領域について計算
し、総和の値が最も大きな領域を有効なデータ検出領域
として選択する。
出領域の選択方法を提供すること。 【解決手段】 異なる複数種類の対象物のデータを取得
し、取得したデータを分割し、分割した各データ毎に識
別に有効な領域を所定数選択するデータ検出領域の選択
方法であって、全ての領域に対して有効度を求め、最も
有効度の高い領域を基準領域とするとともに、基準領域
以外の任意の領域を注目領域とする。次に、各種類毎に
基準領域と注目領域との相関係数を求め、基準領域の有
効度に単調減少で、注目領域の有効度に単調増加で、か
つ、この相関係数に単調減少となる凾数値を計算し、す
でに選択されている全ての領域に対して凾数値を計算し
てその総和を求める。さらに、対象物の全種類にわたっ
て総和を求め、基準領域以外の全ての領域について計算
し、総和の値が最も大きな領域を有効なデータ検出領域
として選択する。
Description
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、異なる複数種のデ
ータのパターン認識を行う際、パターン識別を行うため
に有効なデータ検出領域の選択方法に関する。
ータのパターン認識を行う際、パターン識別を行うため
に有効なデータ検出領域の選択方法に関する。
【０００２】
【従来の技術】例えば、画像，文字，音声等の認識で
は、複数のデータ検出領域から入力された大量のデータ
をデータ処理部において演算処理することで認識結果を
求めていた。しかし、このような認識方法をそのまま実
際の製品に適用することは、データ処理部における演算
負荷が増すとともに、データを格納するためのメモリが
大量に必要となることから実用的ではない。このため、
前述のデータ検出領域の中から認識を行うのに有効なデ
ータ検出領域をいくつか選択し、選択された各データ検
出領域内のデータに基づいて演算処理を行うことによっ
て上記問題に対処していた。従来、複数のデータ検出領
域から有効なデータ検出領域を選択するための方法とし
ては、サンプルデータを用いてその有効性を示す有効度
を統計的に求め、有効度の高いデータ検出領域から順に
利用する数だけデータ検出領域を選択していた。
は、複数のデータ検出領域から入力された大量のデータ
をデータ処理部において演算処理することで認識結果を
求めていた。しかし、このような認識方法をそのまま実
際の製品に適用することは、データ処理部における演算
負荷が増すとともに、データを格納するためのメモリが
大量に必要となることから実用的ではない。このため、
前述のデータ検出領域の中から認識を行うのに有効なデ
ータ検出領域をいくつか選択し、選択された各データ検
出領域内のデータに基づいて演算処理を行うことによっ
て上記問題に対処していた。従来、複数のデータ検出領
域から有効なデータ検出領域を選択するための方法とし
ては、サンプルデータを用いてその有効性を示す有効度
を統計的に求め、有効度の高いデータ検出領域から順に
利用する数だけデータ検出領域を選択していた。
【０００３】以下、取得した画像データを所定数に分割
して得られる各データ検出領域毎に有効度εを求める方
法を図３及び図４に基づいて説明する。ここでは、２種
類の処理対象物、例えば、１ドル紙幣（以下、＄１）と
２ドル紙幣（以下、＄２）とを識別するために有効なデ
ータ検出領域を求める場合を考える。まず、＄１，＄２
をそれぞれ所定のサンプル数だけ用意し、これをＣＣＤ
（Charge Coupled Device ）カメラ等の二次元撮像装置
で撮影し、任意の色に対して所定段階の階調データを求
める。そして、撮影した画像データの全領域を格子状の
領域に分割する。図３に示す例では、破線によって分割
されたデータ検出領域の境界線を表し、この場合、縦方
向に８分割、横方向に１６分割した場合を示す。そし
て、同図中、左上のデータ検出領域をｐ1 とし、左から
右に走査して右端位置に達したら次段の左端位置へと走
査するものとして各データ検出領域を順にｐ1 〜ｐ128
とする。
して得られる各データ検出領域毎に有効度εを求める方
法を図３及び図４に基づいて説明する。ここでは、２種
類の処理対象物、例えば、１ドル紙幣（以下、＄１）と
２ドル紙幣（以下、＄２）とを識別するために有効なデ
ータ検出領域を求める場合を考える。まず、＄１，＄２
をそれぞれ所定のサンプル数だけ用意し、これをＣＣＤ
（Charge Coupled Device ）カメラ等の二次元撮像装置
で撮影し、任意の色に対して所定段階の階調データを求
める。そして、撮影した画像データの全領域を格子状の
領域に分割する。図３に示す例では、破線によって分割
されたデータ検出領域の境界線を表し、この場合、縦方
向に８分割、横方向に１６分割した場合を示す。そし
て、同図中、左上のデータ検出領域をｐ1 とし、左から
右に走査して右端位置に達したら次段の左端位置へと走
査するものとして各データ検出領域を順にｐ1 〜ｐ128
とする。
【０００４】次に、＄１，＄２の識別に有効なデータ検
出領域を選択するために、各データ検出領域ｐ1 〜ｐ
128 における有効度を求める。なお、ここでいう有効度
とは、比較する画像データの差異の大きさであり、比較
すべき２つの処理対象物を識別するにあたって、有効で
あることを示すものである。図４は、従来の有効なデー
タ検出領域の選択方法を説明するための図であり、横軸
は階調データ、すなわち、画像データの濃淡成分であ
り、縦軸はサンプル数を示すものである。同図（ａ）に
おいて、Ｅ11はデータ検出領域ｐ1 における＄１の階調
データ値のサンプル平均、σ11はサンプルの相関を表
し、Ｅ21はデータ検出領域ｐ1 における＄２の階調デー
タ値のサンプル平均、σ21はサンプルの相関を表す。そ
して、２つの画像データ間のサンプル平均の差の絶対値
｜Ｅ11−Ｅ21｜、または、各画像データの分布の広がり
を考慮して｜（Ｅ11−Ｅ21）／（σ11・σ21）｜等をデ
ータ検出領域ｐ1 の有効度とする。
出領域を選択するために、各データ検出領域ｐ1 〜ｐ
128 における有効度を求める。なお、ここでいう有効度
とは、比較する画像データの差異の大きさであり、比較
すべき２つの処理対象物を識別するにあたって、有効で
あることを示すものである。図４は、従来の有効なデー
タ検出領域の選択方法を説明するための図であり、横軸
は階調データ、すなわち、画像データの濃淡成分であ
り、縦軸はサンプル数を示すものである。同図（ａ）に
おいて、Ｅ11はデータ検出領域ｐ1 における＄１の階調
データ値のサンプル平均、σ11はサンプルの相関を表
し、Ｅ21はデータ検出領域ｐ1 における＄２の階調デー
タ値のサンプル平均、σ21はサンプルの相関を表す。そ
して、２つの画像データ間のサンプル平均の差の絶対値
｜Ｅ11−Ｅ21｜、または、各画像データの分布の広がり
を考慮して｜（Ｅ11−Ｅ21）／（σ11・σ21）｜等をデ
ータ検出領域ｐ1 の有効度とする。
【０００５】同様にして、同図（ｂ）において、Ｅ12は
データ検出領域ｐ2 における＄１の階調データ値のサン
プル平均、σ12はサンプルの相関を表し、Ｅ22はデータ
検出領域ｐ2 における＄２の階調データ値のサンプル平
均、σ22はサンプルの相関を表す。そして、２つの画像
データ間のサンプル平均の差の絶対値｜Ｅ12−Ｅ22｜、
または、各画像データの分布の広がりを考慮して｜（Ｅ
12−Ｅ22）／（σ12・σ22）｜等をデータ検出領域ｐ2
の有効度とする。
データ検出領域ｐ2 における＄１の階調データ値のサン
プル平均、σ12はサンプルの相関を表し、Ｅ22はデータ
検出領域ｐ2 における＄２の階調データ値のサンプル平
均、σ22はサンプルの相関を表す。そして、２つの画像
データ間のサンプル平均の差の絶対値｜Ｅ12−Ｅ22｜、
または、各画像データの分布の広がりを考慮して｜（Ｅ
12−Ｅ22）／（σ12・σ22）｜等をデータ検出領域ｐ2
の有効度とする。
【０００６】図４に示す例では、データ検出領域ｐ1 に
おける有効度｜Ｅ11−Ｅ21｜の方がデータ検出領域ｐ2
における有効度｜Ｅ12−Ｅ22｜よりも値が大きいため、
データ検出領域ｐ1 よりもデータ検出領域ｐ2 の方が有
効な点となる。このような有効度の計算を全領域にわた
って全てのデータ検出領域ｐ1 〜ｐ12 8 に対して行い、
有効度の高い、つまり、計算値の大きなデータ検出領域
から順に必要な数のデータを選択する。
おける有効度｜Ｅ11−Ｅ21｜の方がデータ検出領域ｐ2
における有効度｜Ｅ12−Ｅ22｜よりも値が大きいため、
データ検出領域ｐ1 よりもデータ検出領域ｐ2 の方が有
効な点となる。このような有効度の計算を全領域にわた
って全てのデータ検出領域ｐ1 〜ｐ12 8 に対して行い、
有効度の高い、つまり、計算値の大きなデータ検出領域
から順に必要な数のデータを選択する。
【０００７】
【発明が解決しようとする課題】しかしながら、このよ
うな従来のデータ検出領域の選択方法にあっては、有効
度の高いデータ検出領域から順にデータ検出領域を選択
していくようになっており、選択されたデータ検出領域
は互いに相関の高いデータとなっている可能性が高い。
このような場合に得られる情報量は、実際にデータ検出
領域を選択した数よりも少ない情報しか得られないこと
がある。
うな従来のデータ検出領域の選択方法にあっては、有効
度の高いデータ検出領域から順にデータ検出領域を選択
していくようになっており、選択されたデータ検出領域
は互いに相関の高いデータとなっている可能性が高い。
このような場合に得られる情報量は、実際にデータ検出
領域を選択した数よりも少ない情報しか得られないこと
がある。
【０００８】これを図５を用いて説明する。図５は＄１
の複数のサンプルについて、画像データをプロットした
ものであって、横軸がデータ検出領域ｐi のｉであり、
横軸がデータ検出領域ｐi における階調データ値を示す
ものである。同図に示すように、＄１におけるデータ検
出領域ｐ1 及びｐ2 の全てのサンプルデータの値が等し
く、同様に、＄２についてもデータ検出領域ｐ1 及びｐ
2 の全てのサンプルデータの値が等しいデータがある場
合、データ検出領域ｐ1 とｐ2 との有効度は等しくなる
ため、有効なデータ検出領域としてデータ検出領域ｐ1
が選択されれば、データ検出領域ｐ2 も選択されること
になる。しかし、この場合にデータ検出領域ｐ1 から得
られる情報とデータ検出領域ｐ2 から得られる情報とは
まったく同一であるため、実際には選択すべきデータ検
出領域を１つ減らしたものと同じこととなり、識別能力
が低下してしまうことになる。
の複数のサンプルについて、画像データをプロットした
ものであって、横軸がデータ検出領域ｐi のｉであり、
横軸がデータ検出領域ｐi における階調データ値を示す
ものである。同図に示すように、＄１におけるデータ検
出領域ｐ1 及びｐ2 の全てのサンプルデータの値が等し
く、同様に、＄２についてもデータ検出領域ｐ1 及びｐ
2 の全てのサンプルデータの値が等しいデータがある場
合、データ検出領域ｐ1 とｐ2 との有効度は等しくなる
ため、有効なデータ検出領域としてデータ検出領域ｐ1
が選択されれば、データ検出領域ｐ2 も選択されること
になる。しかし、この場合にデータ検出領域ｐ1 から得
られる情報とデータ検出領域ｐ2 から得られる情報とは
まったく同一であるため、実際には選択すべきデータ検
出領域を１つ減らしたものと同じこととなり、識別能力
が低下してしまうことになる。
【０００９】本発明の課題は、上記問題点を解決するた
めになされたものであり、実質的な識別情報の低下を防
止するデータ検出領域の選択方法を提供することにあ
る。
めになされたものであり、実質的な識別情報の低下を防
止するデータ検出領域の選択方法を提供することにあ
る。
【００１０】
【課題を解決するための手段】本発明のデータ検出領域
の選択方法は、異なる複数種類の対象物を識別するため
に、各対象物についてサンプルデータを取得するととも
に、これらのデータを所定数に分割し、分割した各領域
をデータ検出領域として各データ検出領域内のデータ値
に基づいて識別に有効なデータ検出領域を所定数選択す
るデータ検出領域の選択方法であり、まず、全てのデー
タ検出領域に対して識別に対する有効性を示す有効度を
求め、最も有効度の高いデータ検出領域を基準領域とす
るとともに、基準領域以外の任意のデータ検出領域を注
目領域とし、次に、各種類毎に基準領域と注目領域との
相関係数を求め、基準領域の有効度に単調減少で、か
つ、注目領域の有効度に単調増加で、かつ、この相関係
数に単調減少となる凾数値を計算し、そして、すでに選
択されている全てのデータ検出領域に対して凾数値を計
算してその総和を求め、さらに、２つの対象物の全種類
にわたって総和を求め、基準領域以外の全てのデータ検
出領域について計算し、総和の値が最も大きなデータ検
出領域を有効なデータ検出領域として選択する。
の選択方法は、異なる複数種類の対象物を識別するため
に、各対象物についてサンプルデータを取得するととも
に、これらのデータを所定数に分割し、分割した各領域
をデータ検出領域として各データ検出領域内のデータ値
に基づいて識別に有効なデータ検出領域を所定数選択す
るデータ検出領域の選択方法であり、まず、全てのデー
タ検出領域に対して識別に対する有効性を示す有効度を
求め、最も有効度の高いデータ検出領域を基準領域とす
るとともに、基準領域以外の任意のデータ検出領域を注
目領域とし、次に、各種類毎に基準領域と注目領域との
相関係数を求め、基準領域の有効度に単調減少で、か
つ、注目領域の有効度に単調増加で、かつ、この相関係
数に単調減少となる凾数値を計算し、そして、すでに選
択されている全てのデータ検出領域に対して凾数値を計
算してその総和を求め、さらに、２つの対象物の全種類
にわたって総和を求め、基準領域以外の全てのデータ検
出領域について計算し、総和の値が最も大きなデータ検
出領域を有効なデータ検出領域として選択する。
【００１１】
【発明の実施の形態】以下、図示した一実施形態に基づ
いて本発明を詳細に説明する。図１は、本実施形態にお
けるデータ検出領域の選択方法を適用した紙幣識別装置
の概略構成を示す機能ブロック図である。図１におい
て、紙幣識別装置１は、例えば、紙幣等の対象物Ｓを撮
像するために、ＣＣＤカメラ等により構成される撮像部
２と、撮像部２によって得られる画像データに対して画
像処理を施す画像処理部３と、画像処理部３によって処
理が施された画像データを格納するメモリ４と、メモリ
４内の画像データを、例えば、図３と同様に１２８分割
し、分割された各領域毎に有効度を計算する有効度計算
部５と、有効度計算部５によって計算された各領域毎の
有効度の情報を格納するメモリ６と、メモリ４内の画像
データとメモリ６内の有効度情報とに基づいて識別に有
効なデータ検出領域ｐ1 〜ｐn を選択するデータ検出領
域選択部７と、データ検出領域選択部７によって選択さ
れたデータ検出領域の情報を格納するメモリ８とを備え
ている。
いて本発明を詳細に説明する。図１は、本実施形態にお
けるデータ検出領域の選択方法を適用した紙幣識別装置
の概略構成を示す機能ブロック図である。図１におい
て、紙幣識別装置１は、例えば、紙幣等の対象物Ｓを撮
像するために、ＣＣＤカメラ等により構成される撮像部
２と、撮像部２によって得られる画像データに対して画
像処理を施す画像処理部３と、画像処理部３によって処
理が施された画像データを格納するメモリ４と、メモリ
４内の画像データを、例えば、図３と同様に１２８分割
し、分割された各領域毎に有効度を計算する有効度計算
部５と、有効度計算部５によって計算された各領域毎の
有効度の情報を格納するメモリ６と、メモリ４内の画像
データとメモリ６内の有効度情報とに基づいて識別に有
効なデータ検出領域ｐ1 〜ｐn を選択するデータ検出領
域選択部７と、データ検出領域選択部７によって選択さ
れたデータ検出領域の情報を格納するメモリ８とを備え
ている。
【００１２】以上の構成において、対象物Ｓである＄
１，＄２の識別処理を行う場合、まず、識別すべき対象
物Ｓについてサンプルとなる２つの画像データを取得
し、取得した各サンプル毎の画像データをメモリ４に格
納する。次に、有効度計算部５によってメモリ４内の画
像データの各データ検出領域ｐ1 〜ｐn に対して有効度
ｄ1 〜ｄn を計算し、計算した有効度ｄ1 〜ｄn をメモ
リ６に格納する。データ検出領域選択部７ではメモリ４
及びメモリ６内のデータに基づいて有効なデータ検出領
域を選択し、選択したデータ検出領域ｐ1 〜ｐn をメモ
リ８に格納する。
１，＄２の識別処理を行う場合、まず、識別すべき対象
物Ｓについてサンプルとなる２つの画像データを取得
し、取得した各サンプル毎の画像データをメモリ４に格
納する。次に、有効度計算部５によってメモリ４内の画
像データの各データ検出領域ｐ1 〜ｐn に対して有効度
ｄ1 〜ｄn を計算し、計算した有効度ｄ1 〜ｄn をメモ
リ６に格納する。データ検出領域選択部７ではメモリ４
及びメモリ６内のデータに基づいて有効なデータ検出領
域を選択し、選択したデータ検出領域ｐ1 〜ｐn をメモ
リ８に格納する。
【００１３】ここで、上述の実施形態におけるデータ検
出領域選択部７の動作例を図２に基づいて詳しく説明す
る。同図は、本実施形態におけるデータ検出領域の選択
処理を示すフローチャートである。データ検出領域の選
択処理では、まず、カウンタ変数の初期化や選択数の設
定等の初期設定を行った後（ステップＳ１０１）、各デ
ータ検出領域ｐ1 〜ｐn に対して有効度ｄ1 〜ｄn を計
算する（ステップＳ１０２）。この有効度は従来例と同
様の計算によって求める。そして、有効度ｄ1 〜ｄn の
中で最も大きな値となるデータ検出領域ｐi （ｉは１≦
ｉ≦ｎの整数）を基準領域として設定する（ステップＳ
１０３）。
出領域選択部７の動作例を図２に基づいて詳しく説明す
る。同図は、本実施形態におけるデータ検出領域の選択
処理を示すフローチャートである。データ検出領域の選
択処理では、まず、カウンタ変数の初期化や選択数の設
定等の初期設定を行った後（ステップＳ１０１）、各デ
ータ検出領域ｐ1 〜ｐn に対して有効度ｄ1 〜ｄn を計
算する（ステップＳ１０２）。この有効度は従来例と同
様の計算によって求める。そして、有効度ｄ1 〜ｄn の
中で最も大きな値となるデータ検出領域ｐi （ｉは１≦
ｉ≦ｎの整数）を基準領域として設定する（ステップＳ
１０３）。
【００１４】次に、選択領域の有無をチェックし（ステ
ップＳ１０４）、ステップＳ１０４の判断処理において
選択数が１であった場合、例えば、ステップＳ１０３に
おいて基準領域として領域ｐ1 が選択された場合には、
領域ｐ1 を除くすべての領域ｐ2 〜ｐ128 を注目領域の
対象とし（ステップＳ１０５）、領域ｐ2 を注目領域と
して、領域ｐ1 との相関係数Ｃikl を各金種について算
出する（ステップＳ１０６）。ここで、＄１，＄２の場
合、２つの相関係数Ｃ121 ，Ｃ221 が求められる。次に
得られた相関係数Ｃikl に基づいて凾数ｆ（Ｕk ，
Ｖl ，Ｃikl ）を計算する（ステップＳ１０７）。すな
わち、＄１，＄２の場合、ｆ（Ｕ2 ，Ｖ1 ，Ｃ121）、
ｆ（Ｕ2 ，Ｖ1 ，Ｃ221 ）が求められる。
ップＳ１０４）、ステップＳ１０４の判断処理において
選択数が１であった場合、例えば、ステップＳ１０３に
おいて基準領域として領域ｐ1 が選択された場合には、
領域ｐ1 を除くすべての領域ｐ2 〜ｐ128 を注目領域の
対象とし（ステップＳ１０５）、領域ｐ2 を注目領域と
して、領域ｐ1 との相関係数Ｃikl を各金種について算
出する（ステップＳ１０６）。ここで、＄１，＄２の場
合、２つの相関係数Ｃ121 ，Ｃ221 が求められる。次に
得られた相関係数Ｃikl に基づいて凾数ｆ（Ｕk ，
Ｖl ，Ｃikl ）を計算する（ステップＳ１０７）。すな
わち、＄１，＄２の場合、ｆ（Ｕ2 ，Ｖ1 ，Ｃ121）、
ｆ（Ｕ2 ，Ｖ1 ，Ｃ221 ）が求められる。
【００１５】ここで、上記ステップＳ１０７の処理にお
いて用いられる凾数ｆ（Ｕk ，Ｖl，Ｃikl ）は、基準
領域の有効度Ｖl （ｌは１≦ｌ≦ｎの整数）に単調減少
で、かつ、注目領域の有効度Ｕk （ｋは１≦ｋ≦ｎの整
数）に単調増加で、かつ、基準領域と注目領域の相関係
数Ｃikl に単調減少な凾数であり、例えば、下式［数
１］の形式で与えられる。
いて用いられる凾数ｆ（Ｕk ，Ｖl，Ｃikl ）は、基準
領域の有効度Ｖl （ｌは１≦ｌ≦ｎの整数）に単調減少
で、かつ、注目領域の有効度Ｕk （ｋは１≦ｋ≦ｎの整
数）に単調増加で、かつ、基準領域と注目領域の相関係
数Ｃikl に単調減少な凾数であり、例えば、下式［数
１］の形式で与えられる。
【００１６】
【数１】 また、［数１］に代わり、下式［数２］あるいは［数
３］で表される式により凾数ｆを求めてもよく、この場
合、［数２］に示す式では、有効度Ｖ1 に重みをおいて
データ検出領域の選択を行うことができ、［数３］に示
す式では、より単純な計算手順を提供することができ
る。
３］で表される式により凾数ｆを求めてもよく、この場
合、［数２］に示す式では、有効度Ｖ1 に重みをおいて
データ検出領域の選択を行うことができ、［数３］に示
す式では、より単純な計算手順を提供することができ
る。
【００１７】
【数２】
【数３】 そして、相関係数Ｃikl は下式［数４］で求められる。
【００１８】
【数４】
【００１９】また、ここでは、基準領域が１つしか選択
されていないので（ｌ＝１）、凾数ｆ（Ｕk ，Ｖl ，Ｃ
ikl ）の総和は、Ｆ1 （Ｕ2 ，Ｖ1 ，Ｃ121 ）、Ｆ
2 （Ｕ2，Ｖ1 ，Ｃ221 ）となる。続いて、注目領域ｐ
2 について、画像データの全ての領域にわたって総和ｅ
kを求める（ステップＳ１０８）。この場合、ｅ2 ＝Σ
Ｆi ＝Ｆ1 ＋Ｆ2 となる。次に、新たな注目領域として
領域ｐ3 を選択し（ステップＳ１０９）、上記ステップ
Ｓ１０４からステップＳ１０８の処理を繰り返し実行す
る。
されていないので（ｌ＝１）、凾数ｆ（Ｕk ，Ｖl ，Ｃ
ikl ）の総和は、Ｆ1 （Ｕ2 ，Ｖ1 ，Ｃ121 ）、Ｆ
2 （Ｕ2，Ｖ1 ，Ｃ221 ）となる。続いて、注目領域ｐ
2 について、画像データの全ての領域にわたって総和ｅ
kを求める（ステップＳ１０８）。この場合、ｅ2 ＝Σ
Ｆi ＝Ｆ1 ＋Ｆ2 となる。次に、新たな注目領域として
領域ｐ3 を選択し（ステップＳ１０９）、上記ステップ
Ｓ１０４からステップＳ１０８の処理を繰り返し実行す
る。
【００２０】そして、ステップＳ１０９の選択処理にお
いて、注目領域として領域ｐ128 までの処理が終了する
と、ステップＳ１０４の判断処理において、選択領域が
ないものと判断し（ステップＳ１０４；Ｎ）、続いて、
総和ｅ2 〜ｅ128 の中から最も大きな値となるｅm （２
≦ｍ≦１２８）のデータ点ｐm を基準領域として設定す
る（ステップＳ１１０）。例えば、ｅ2 が最大となった
場合、領域ｐ2 を基準領域に追加する。この時点で基準
領域は、領域ｐ1 と領域ｐ2 との２つになる。
いて、注目領域として領域ｐ128 までの処理が終了する
と、ステップＳ１０４の判断処理において、選択領域が
ないものと判断し（ステップＳ１０４；Ｎ）、続いて、
総和ｅ2 〜ｅ128 の中から最も大きな値となるｅm （２
≦ｍ≦１２８）のデータ点ｐm を基準領域として設定す
る（ステップＳ１１０）。例えば、ｅ2 が最大となった
場合、領域ｐ2 を基準領域に追加する。この時点で基準
領域は、領域ｐ1 と領域ｐ2 との２つになる。
【００２１】一方、ステップＳ１０４の判断処理におい
て選択数が２以上であった場合、例えば、ステップＳ１
０３において基準領域として領域ｐ1 ，ｐ2 が選択され
た場合には、領域ｐ1 ，ｐ2 を除くすべての領域ｐ3 〜
ｐ128 を注目領域の対象とし（ステップＳ１０５）、領
域ｐ3 を注目領域として領域ｐ1 及び領域ｐ2 との相関
係数Ｃikl を各金種について算出する（ステップＳ１０
６）。ここで、２つの相関係数Ｃ131 ，Ｃ231 と、相関
係数Ｃ132 ，Ｃ232 が求められる。続いて得られた相関
係数Ｃikl に基づいて凾数ｆ（Ｕk ，Ｖl ，Ｃikl ）を
計算し（ステップＳ１０７）、ｆ（Ｕ3 ，Ｖ1 ，
Ｃ131 ）、ｆ（Ｕ3 ，Ｖ1 ，Ｃ231 ）、ｆ（Ｕ3 ，
Ｖ2 ，Ｃ132 ）、ｆ（Ｕ3 ，Ｖ2 ，Ｃ232 ）が求められ
る。
て選択数が２以上であった場合、例えば、ステップＳ１
０３において基準領域として領域ｐ1 ，ｐ2 が選択され
た場合には、領域ｐ1 ，ｐ2 を除くすべての領域ｐ3 〜
ｐ128 を注目領域の対象とし（ステップＳ１０５）、領
域ｐ3 を注目領域として領域ｐ1 及び領域ｐ2 との相関
係数Ｃikl を各金種について算出する（ステップＳ１０
６）。ここで、２つの相関係数Ｃ131 ，Ｃ231 と、相関
係数Ｃ132 ，Ｃ232 が求められる。続いて得られた相関
係数Ｃikl に基づいて凾数ｆ（Ｕk ，Ｖl ，Ｃikl ）を
計算し（ステップＳ１０７）、ｆ（Ｕ3 ，Ｖ1 ，
Ｃ131 ）、ｆ（Ｕ3 ，Ｖ1 ，Ｃ231 ）、ｆ（Ｕ3 ，
Ｖ2 ，Ｃ132 ）、ｆ（Ｕ3 ，Ｖ2 ，Ｃ232 ）が求められ
る。
【００２２】次に、金種ごとの凾数ｆ（Ｕk ，Ｖl ，Ｃ
ikl ）の総和Ｆi を算出し、＄１についてＦ1 ＝ｆ（Ｕ
3 ，Ｖ1 ，Ｃ131 ）＋ｆ（Ｕ3 ，Ｖ2 ，Ｃ132 ）、＄２
についてＦ2 ＝ｆ（Ｕ3 ，Ｖ1 ，Ｃ231 ）＋ｆ（Ｕ3 ，
Ｖ2 ，Ｃ232 ）となる。続いて、注目領域ｐ3 につい
て、画像データの全ての領域にわたって総和ｅkを求め
る（ステップＳ１０８）。この場合、ｅ3 ＝Ｆ1 ＋Ｆ2
となる。次に、新たな注目領域として領域ｐ4 を選択し
（ステップＳ１０９）、上記ステップＳ１０４からステ
ップＳ１０８の処理を繰り返し実行する。
ikl ）の総和Ｆi を算出し、＄１についてＦ1 ＝ｆ（Ｕ
3 ，Ｖ1 ，Ｃ131 ）＋ｆ（Ｕ3 ，Ｖ2 ，Ｃ132 ）、＄２
についてＦ2 ＝ｆ（Ｕ3 ，Ｖ1 ，Ｃ231 ）＋ｆ（Ｕ3 ，
Ｖ2 ，Ｃ232 ）となる。続いて、注目領域ｐ3 につい
て、画像データの全ての領域にわたって総和ｅkを求め
る（ステップＳ１０８）。この場合、ｅ3 ＝Ｆ1 ＋Ｆ2
となる。次に、新たな注目領域として領域ｐ4 を選択し
（ステップＳ１０９）、上記ステップＳ１０４からステ
ップＳ１０８の処理を繰り返し実行する。
【００２３】そして、ステップＳ１０９の選択処理にお
いて、注目領域として領域ｐ128 までの処理が終了する
と、ステップＳ１０４の判断処理において、選択領域が
ないものと判断し（ステップＳ１０４；Ｎ）、続いて、
総和ｅ3 〜ｅ128 の中から最も大きな値となるｅm （２
≦ｍ≦１２８）のデータ点ｐm を基準領域として設定す
る（ステップＳ１１０）。そして、基準領域の数が所望
数に達するまで以上の処理を繰り返し実行する。これに
よって、有効度が高く、互いに相関性が少ない基準領域
を順々に選択することになる。
いて、注目領域として領域ｐ128 までの処理が終了する
と、ステップＳ１０４の判断処理において、選択領域が
ないものと判断し（ステップＳ１０４；Ｎ）、続いて、
総和ｅ3 〜ｅ128 の中から最も大きな値となるｅm （２
≦ｍ≦１２８）のデータ点ｐm を基準領域として設定す
る（ステップＳ１１０）。そして、基準領域の数が所望
数に達するまで以上の処理を繰り返し実行する。これに
よって、有効度が高く、互いに相関性が少ない基準領域
を順々に選択することになる。
【００２４】以上説明したように、本実施形態では、デ
ータ検出領域間の相関を加味したデータ検出領域を選択
することができるため、例えば、図５に示すようにデー
タ検出領域ｐ1 とｐ2 とがまったく同一である状態で、
データ検出領域ｐ1 が有効なデータ検出領域として選択
されると、データ検出領域ｐ2 はデータ領域ｐ1 と一致
するため、データ検出領域ｐ2 は有効度が高くても選択
対象外の領域となり、別のデータ検出領域が選択される
ようになる。これによって、実質的な識別情報の低下を
防止することができる。
ータ検出領域間の相関を加味したデータ検出領域を選択
することができるため、例えば、図５に示すようにデー
タ検出領域ｐ1 とｐ2 とがまったく同一である状態で、
データ検出領域ｐ1 が有効なデータ検出領域として選択
されると、データ検出領域ｐ2 はデータ領域ｐ1 と一致
するため、データ検出領域ｐ2 は有効度が高くても選択
対象外の領域となり、別のデータ検出領域が選択される
ようになる。これによって、実質的な識別情報の低下を
防止することができる。
【００２５】なお、前述の実施形態では、紙幣の識別を
例に採り説明したが、これに限らず、画像，文字，音声
等のパターン認識全般に適用することが可能である。例
えば、音声認識の場合には、複数の音声データの各々に
ついて周波数分割あるいは時分割を行い、分割された各
周波数帯域あるいは各時間間隔をデータ検出領域とし
て、各データ検出領域毎に音声強度のピーク値や平均
値、あるいは積分値等をデータ値とすることができる。
例に採り説明したが、これに限らず、画像，文字，音声
等のパターン認識全般に適用することが可能である。例
えば、音声認識の場合には、複数の音声データの各々に
ついて周波数分割あるいは時分割を行い、分割された各
周波数帯域あるいは各時間間隔をデータ検出領域とし
て、各データ検出領域毎に音声強度のピーク値や平均
値、あるいは積分値等をデータ値とすることができる。
【００２６】
【発明の効果】以上の説明から明らかなように、本発明
によれば、有効なデータ検出領域を選択する際、選択さ
れたデータ検出領域と相関の高いデータ検出領域を選択
対象該とするため、データ検出領域間の相関が高い場合
にも有効なデータ検出領域を選択できる。
によれば、有効なデータ検出領域を選択する際、選択さ
れたデータ検出領域と相関の高いデータ検出領域を選択
対象該とするため、データ検出領域間の相関が高い場合
にも有効なデータ検出領域を選択できる。
【図１】本実施形態におけるデータ検出領域の選択方法
を適用した紙幣識別装置の概略構成を示す機能ブロック
図。
を適用した紙幣識別装置の概略構成を示す機能ブロック
図。
【図２】本実施形態におけるデータ検出領域の選択処理
を示すフローチャート。
を示すフローチャート。
【図３】画像データを所定数に分割して得られる各デー
タ検出領域毎に有効度の求める方法を説明するための
図。
タ検出領域毎に有効度の求める方法を説明するための
図。
【図４】従来の有効なデータ検出領域の選択方法を説明
するための図。
するための図。
【図５】複数データの相関関係を説明するためのデータ
検出領域に対するデータ値を示す図。
検出領域に対するデータ値を示す図。
１ 紙幣識別装置 ２ 撮像部 ３ 画像処理部 ４ メモリ ５ 有効度計算部 ６ メモリ ７ データ検出領域選択部 ８ メモリ Ｓ 対象物
Claims (2)
- 【請求項１】異なる複数種類の対象物を識別するため
に、各対象物についてサンプルデータを取得するととも
に、これらのデータを所定数に分割し、分割した各領域
をデータ検出領域として各データ検出領域内のデータ値
に基づいて識別に有効なデータ検出領域を所定数選択す
るデータ検出領域の選択方法であって、 下記ａ〜ｃの手順を繰り返し実行することにより有効な
データ検出領域を選択することを特徴とするデータ検出
領域の選択方法。 ａ．全てのデータ検出領域に対して識別に対する有効性
を示す有効度を求め、最も有効度の高いデータ検出領域
を基準領域とするとともに、基準領域以外の任意のデー
タ検出領域を注目領域とする。 ｂ．各種類毎に基準領域と注目領域との相関係数を求
め、基準領域の有効度に単調減少で、かつ、注目領域の
有効度に単調増加で、かつ、この相関係数に単調減少と
なる凾数値を計算する。 ｃ．すでに選択されている全てのデータ検出領域に対し
て凾数値を計算してその総和を求め、さらに、対象物の
全種類にわたって総和を求め、基準領域以外の全てのデ
ータ検出領域について計算し、総和の値が最も大きなデ
ータ検出領域を有効なデータ検出領域として選択する。 - 【請求項２】異なる２種類の画像データを識別するため
に、各画像データについてサンプルデータを取得すると
ともに、これらの画像データをそれぞれｎ（ｎは正の整
数）個に分割し、分割した各領域をデータ検出領域ｐ1
〜ｐn ，ｔ1 〜ｔn として各データ検出領域ｐ1 〜
ｐn ，ｔ1 〜ｔn 内のデータ値に基づいて識別に有効な
データ検出領域を所定数選択するデータ検出領域の選択
方法であって、 各画像データにおける全てのデータ検出領域ｐ1 〜
ｐn ，ｔ1 〜ｔn に対して識別に対する有効性を示す有
効度ｄ1 〜ｄn を求め、最も有効度の高いデータ検出領
域を基準領域として設定するとともに、基準領域以外の
任意のデータ検出領域を注目領域として設定し、 各画像データ毎に基準領域と注目領域との相関係数Ｃ
ikl （ｉ，ｋ，ｌは１≦ｉ，ｋ，ｌ≦ｎの整数）を求
め、基準領域の有効度Ｖｌ に単調減少で、かつ、注目
領域の有効度Ｕk に単調増加で、かつ、この相関係数Ｃ
ikl に単調減少となる凾数値ｆ（Ｕk ，Ｖl ，Ｃikl ）
を計算し、 すでに選択されている全てのデータ検出領域に対して凾
数値ｆ（Ｕk ，Ｖl ，Ｃikl ）を計算してその総和Ｆを
求め、さらに、２つの画像データにわたって総和ｅを求
め、これを基準領域以外の全てのデータ検出領域につい
て計算し、総和ｅの値が最も大きなデータ検出領域ｐ1
〜ｐn を有効なデータ検出領域として選択することを特
徴とするデータ検出領域の選択方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9082128A JPH10255055A (ja) | 1997-03-14 | 1997-03-14 | データ検出領域の選択方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9082128A JPH10255055A (ja) | 1997-03-14 | 1997-03-14 | データ検出領域の選択方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10255055A true JPH10255055A (ja) | 1998-09-25 |
Family
ID=13765787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9082128A Pending JPH10255055A (ja) | 1997-03-14 | 1997-03-14 | データ検出領域の選択方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10255055A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012181855A (ja) * | 2005-08-08 | 2012-09-20 | Toshiba Corp | 辞書作成方法及び識別用辞書を記憶する記憶媒体 |
-
1997
- 1997-03-14 JP JP9082128A patent/JPH10255055A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012181855A (ja) * | 2005-08-08 | 2012-09-20 | Toshiba Corp | 辞書作成方法及び識別用辞書を記憶する記憶媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6535636B1 (en) | Method for automatically detecting digital images that are undesirable for placing in albums | |
| JP3490490B2 (ja) | パターン画像処理装置及び画像処理方法 | |
| JP3114668B2 (ja) | 物体検出・背景除去方法、装置およびプログラムを記録した記録媒体 | |
| US7856137B2 (en) | Apparatus and method for verifying image by comparison with template image | |
| US7133541B2 (en) | Method for analyzing fingerprint images | |
| JP4604439B2 (ja) | 画像処理装置及び画像処理方法、並びに記録媒体 | |
| EP2462558B1 (en) | Image processing apparatus, image processing method, and computer program | |
| US20050133339A1 (en) | Device, method and program for paper discrimination | |
| WO1999030270A1 (en) | A new perceptual thresholding for gradient-based local edge detection | |
| WO1999027845A1 (en) | Method of measuring the focus of close-up images of eyes | |
| JP2004348733A (ja) | デジタル画像における赤目領域の検出方法及び装置 | |
| EP1542150B1 (en) | Method and apparatus for separating content types in images | |
| KR101224164B1 (ko) | 번호판영역 검출을 위한 전처리 방법 및 장치 | |
| US20100322510A1 (en) | Sky detection system used in image extraction device and method using sky detection system | |
| JP2004005675A (ja) | 勾配解析を利用したデジタル画像のノイズ予測方法 | |
| JP2007522755A (ja) | 電子透かし検出 | |
| KR20180023847A (ko) | 그림의 진품 감정 방법 및 해당 용도 | |
| EP2064658A1 (en) | Relative threshold and use of edges in optical character recognition process | |
| JP2011165170A (ja) | 対象物検出装置及びプログラム | |
| JP5174917B2 (ja) | 硬貨の正損判別装置及び正損判別方法 | |
| JP3608106B2 (ja) | 画像処理を用いた鋼材表面の劣化度評価システム | |
| JP4626418B2 (ja) | 対象物検出装置、及び対象物検出方法 | |
| JPH10255055A (ja) | データ検出領域の選択方法 | |
| JP3508836B2 (ja) | ２次元コードの概略位置検出装置及び検出方法 | |
| JP5395795B2 (ja) | 画像照合装置及び画像照合方法 |