JPH10510072A

JPH10510072A - 物体の冗長同定を解消するための方法

Info

Publication number: JPH10510072A
Application number: JP8517628A
Authority: JP
Inventors: アクヒレスウオー・ガネシユバイデイアナサン，; ウイトコーム，ジエイムズ・アーサー
Original assignee: イー・アイ・デユポン・ドウ・ヌムール・アンド・カンパニー
Priority date: 1994-12-05
Filing date: 1995-11-28
Publication date: 1998-09-29
Also published as: EP0796474A1; WO1996018167A1; DE69521811D1; US6058209A; DE69521811T2; ATE203344T1; AU4286896A; EP0796474B1

Abstract

(57)【要約】画像における物体を識別する時、物体の冗長な識別が、非常に頻繁に発生する。本発明は、物体のそのような冗長な識別を解消するための画像分析の方法に関する。さらに具体的には、本発明は、同一物体の多重表現を獲得する物体識別体系に関する。加えて、そのような識別体系は、画像の単一探索又は多重探索が行われる時、中空又はドーナッツ状物体を識別する。さらに、本発明は、単一又は多重探索を使用する他の識別体系が、単一凝集物体として幾つかの異なる物体を識別した場合に、これらの異なる物体を解消する際に有益である。本発明は、例えば、小さな物体が別の大きな物体内に含まれるかを判定するために使用される。

Description

【発明の詳細な説明】冗長同定（細菌コロニーの画像における人為物に起因）を避けるための方法本願は、１９９１年９月２７日付け出願第０７／７６７,３３９号の一部継続出願である１９９２年１２月３１日付け出願第０７／９９９,７０２号の一部継続出願である１９９３年１１月３０日付け出願第０８／１５９,６４１号の一部継続出願である。発明の背景発明の分野本発明は、物体の冗長同定を解消するための画像分析方法に関する。さらに詳細には、本発明は、同一画像の多重探索が行われる時、同一物体の多重表現を獲得する物体識別体系に関する。代替的に、物体識別体系は、画像の単一又は多重探索が行われる時、中空又はドーナツ状物体を識別する。さらに、本発明は、同一物体の単一又は多重探索が行われる時、幾つかの別個の物体を解像する際に有益であり、この場合、他の識別体系は、これらの別個の物体を、単一凝集物体として識別していた。そのような物体識別体系は、一つ以上の所定属性を有し、物体の一つの表現から得られた物体の識別が、所定の属性の少なくとも一つを有し、物体の異なる走査から得られた物体の別の識別に関して冗長性があるかを判定する。本発明は、例えば、小さな物体が前に識別されたより大きな物体内に包含されるかを判定するために使用される。関連技術の説明画像分析方法は、背景における物体を識別するために公知である。例えば、Ｂａｃｕｓへの米国特許Ｎｏ．４，４５３，２６６を参照せよ。しかし、そのような画像分析方法は、互いに重なり合う物体を区別することができない。例えば、物体識別体系において、物体の２次元表現である像を見る時、互いに便乗する、即ち、画像において同一の２次元空間に重なる、物体の幾つかの表現がある。これらの幾つかの表現は、唯一の物体として出現するが、実際には、幾つかの物体として識別される。他の画像識別体系において、複数の重なり合う物体は、単一の凝集物体として識別され、幾つかの別個の物体に解像されない。発明の要約本発明は、同一画像が識別体系においてただ一度計数される如く、物体の冗長同定を解消するための画像分析方法を提供する。本発明は、画像の多重走査が、単一物体の多重識別を生ずる識別体系に対して特に有益である。ここで具現され、広く記載された発明の目的により、画像における識別物体の冗長同定を解消するための方法が、提供される。本発明の方法の第１及び第４実施態様は、画像における潜在的に冗長性の物体のグループを識別する段階と、物体のソートリストを創成するために、所定の順序で識別物体をソートする段階であり、リストにおける最初の物体は、初期特性値を有し、リストにおける最終物体は最終特性値を有する段階と、物体状態変数が第１及び第２値の一方を有する場合に、物体状態変数を定義する段階と、物体状態変数の第１値をソートリストにおける最終の物体へ割り当てる段階と、初期物体に続く各個の物体を、それぞれの続く物体の特性値よりも小さな特性値を有し、物体状態変数の第１値を有する各物体と比較する段階であり、各個の続く物体は、第１物体として規定され、第１物体の特性値よりも小さな特性値を有する各物体は、各比較のための第２物体として規定される段階と、各個の第２物体が、第１物体の特性値の所定範囲内に含まれる特性値を有するかを判定し、物体状態変数の第１及び第２状態値の一方を、各個の第１物体と各個の第２物体に割り当て、画像における物体の冗長同定を解消する段階と、物体状態変数の第１値を有する物体を、非冗長物体として識別し、非冗長物体を保持する段階とを具備する。発明の第２実施態様により、画像における物体の識別を解消する方法が、提供される。方法は、潜在的に冗長性の物体のグループを識別する段階と、２つの識別物体の面積を比較し、物体の一方を、他方の物体よりも相対的に大きな物体として、物体の他方を大きな物体と比較して相対的に小さな物体として指定する段階と、各極点が行位置座標値と列位置座標値を有する場合に、大きな方の物体の４つの極点を決定することにより、小さい方の物体が大きな方の物体内に含まれるかを判定する段階と、４つの極点の行位置座標値と列位置座標値を使用することにより、大きな方の物体を境界付ける矩形を構成する段階と、小さな方の物体において、所定の行位置座標値と所定の列位置座標値を有する所定点を決定する段階と、大きな方の物体を境界付ける矩形に関して小さな方の物体の所定点の位置を決定する段階と、小さな方の物体の所定点が、矩形内に含まれるならば、小さな方の物体を大きな方の物体内に含まれるとして指定し、これにより、画像における各識別物体の冗長同定を解消する段階とを具備する。さらに、本発明の第３実施態様により、背景において少なくとも一つの所定の属性値を有する妥当物体を識別し、妥当物体の冗長同定を解消する方法が、提供される。方法は、物体と背景の像を生成する段階と、複数の副空間を含む多次元データ空間を規定する段階と、少なくとも一つの副空間を選択する段階と、少なくとも一つの候補物体の属性値を有する候補物体の少なくとも一つの表現に対して、選択された副空間を用いて、画像を多重に探索する段階と、妥当物体の面積を比較し、妥当物体の一方を他方の妥当物体よりも相対的に大きな妥当物体として、妥当物体の他方を大きな方の物体と比較して相対的に小さな妥当物体として指定することにより、妥当物体を識別するために、妥当物体の所定属性値を有する候補物体を妥当化する段階と、大きな方の妥当物体の周囲点を決定する段階と、行位置座標値と列位置座標値を有する、大きな方の妥当物体の周囲点を含む周囲バッファーを生成する段階と、大きな方の妥当物体の４つの極点を決定する段階と、４つの極点の行位置座標値と列位置座標値を使用することにより、大きな方の妥当物体を境界付ける矩形を構成する段階と、小さな方の物体において、所定の行位置座標値と所定の列位置座標値を有する所定点を決定する段階と、大きな方の物体を境界付ける矩形に関して小さな方の物体の所定点の位置を決定する段階と、小さな方の物体の所定点が、矩形内に含まれるならば、小さな方の物体を大きな方の物体内に含まれるとして指定し、これにより、画像における各識別妥当物体の冗長同定を解消する段階とを具備する。図面の簡単な説明明細書に取り入れられ、その一部を構成する添付の図面は、発明の幾つかの実施態様を例証し、説明とともに、発明の原理を説明するために役立つ。第１図は、本発明の第１及び第４実施態様による全方法の段階を示すブロック図である。第２Ａ図と第２Ｂ図は、画像の多重探索を通して識別された２つの物体の概略図である。第３Ａ図と第３Ｂ図は、画像の多重探索を通して識別された３つの物体の概略図である。第４Ａ〜４Ｅ図は、第１及び第２実施態様における物体の冗長同定を解消するための主モジュールであるモジュールＦＩＬＴＥＲＯＢＪＥＣＴＳの段階を示す流れ図である。第５図は、本発明の第１、第２及び第３実施態様で使用される如く、包含検査又は「ボックステスト」の第１段階を例証する物体の概略図である。第６図は、相対的に大小の物体を比較する、ＦＩＬＴＥＲＯＢＪＥＣＴＳによって呼び出されるモジュールＳＥＴＳＴＡＴＵＳの段階を示す流れ図である。第７図は、時計回り方向においてトレースされた単純物体の行及び列位置座標値を表現する、行と列を指定した概略図である。第８図は、第７図において例証された１３個の点に対する行位置座標値、列位置座標値及び方向符号値を示すチャートである。第９図は、時計回り方向においてトレースされた物体に対する方向符号値を例証する概略図である。第１０図は、逆時計回り方向においてトレースされた物体に対する方向符号値を例証する概略図である。第１１図は、物体の各周囲点の座標を決定するためのモジュールＧＥＴＰＥＲＩＭの段階を示す流れ図である。第１２図は、第１実施態様の包含検査の第２段階を例証する物体の概略図である。第１３Ａ〜１３Ｂ図は、物体の周囲点を具備する周囲バッファーを生成する、モジュールＬＯＡＤＢＵＦＦＥＲの段階を示す流れ図である。第１４図は、時計回り方向においてトレースされた物体に対するＦＩＬＬ索引テーブルである。第１５図は、逆時計回り方向においてトレースされた物体に対するＦＩＬＬ索引テーブルである。第１６図は、第１実施態様に対して、相対的に小さな物体が大きな物体に含まれるかの検査を行う、ＳＥＴＳＴＡＴＵＳによって呼び出されるモジュールＣＨＥＣＫＣＯＮＴＡＩＮの段階を示す流れ図である。第１７Ａ〜１７Ｂ図は、第１実施態様に対して、小さな物体が大きな物体に含まれるかの検査の一部を行う、ＣＨＥＣＫＣＯＮＴＡＩＮによって呼び出されるモジュールＣＯＮＴＡＩＮＳＴＡＴＵＳの段階を示す流れ図である。第１８図は、本発明の第１及び第４実施態様の相似性検査を例証する、物体の概略図である。第１９図は、第１実施態様に対して、小さな物体の色相が大きな物体の色相に類似するかを判定する検査の別の部分を行う、ＳＥＴＳＴＡＴＵＳによって呼び出されるモジュールＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹの段階を示す流れ図である。第２０Ａ〜２０Ｂ図は、小さな物体の内点を決定し、それらに所定のグレーレベル値をラベル付ける第２１Ａ〜２１Ｂ図は、第１実施態様による物体の内部色相及び色相振幅を算出するモジュールＲＥＡＤＣＯＬＯＲの段階を示す流れ図である。第２２図は、画像のグレーレベルヒストグラムを発生するために使用されるモジュールＨＩＳＴＯＧＲＡＭの段階を示す流れ図である。第２３図は、ヒストグラムのエントロピー関数が最大化される如く、しきいグレーレベルをエントロピー的に選択するために使用されるモジュールＥＮＴＲＯＰＹの段階を示す流れ図である。第２４図は、変化する背景における単一の単純物体の画像のグレーレベルヒストグラムである。第２５図は、第１実施態様において少なくとも一つの候補物体に対して画像を探索するために使用されるモジュールＳＥＡＲＣＨＩＭＡＧＥの段階を示す流れ図である。第２６図は、第１実施態様において画像を探索するために同様に使用されるモジュールＦＩＮＤＯＢＪＥＣＴの段階を示す流れ図である。第２７Ａ〜２７Ｂ図は、第１実施態様において物体をトレースするために使用されるモジュールＴＲＡＣＥＯＢＪＥＣＴの段階を示す流れ図である。第２８Ａ〜２８Ｃ図は、画像のそれぞれ、原、上側及び下側グレーレベルヒストグラムである。第２９図は、第１実施態様において候補物体に対して画像を再帰的に探索するために使用されるモジュールＡＮＡＬＹＺＥの段階を示す流れ図である。第３０図は、本発明の第１、第２及び第４実施態様で使用されるシステムの構成要素を示す概略図である。第３１図は、本発明の第２実施態様による全方法の段階を示すブロック図である。第３２図は、本発明の第３実施態様による全方法の段階を示すブロック図である。第３３図は、第３及び第４実施態様において物体の縁コントラストを算出するために使用されるモジュールＥＤＧＥＣＯＮＴＲＡＳＴの段階を例証する流れ図である。第３４Ａ〜３４Ｄ図は、第３実施態様において非均質物体の冗長度を解消するために使用されるモジュールＣＨＫＬＩＳＴの段階を示す流れ図である。第３５図は、第３４Ａ図〜第３４Ｄ図に示された如く、モジュールＣＨＫＬＩＳＴで使用されるモジュールＳＥＴＳＴＡＴの段階を示す流れ図である。第３６Ａ〜３６Ｂ図は、第３実施態様において均質物体の冗長度を解消するために使用されるモジュールＣＨＫＬＩＳＴの段階を示す流れ図である。第３７図は、第３６Ａ〜３６Ｂ図に示された如く、モジュールＣＨＫＬＩＳＴで使用されるモジュールＳＥＴＳＴＡＴの段階を示す流れ図である。第３８Ａ〜３８Ｂ図は、第３実施態様において非均質及び均質物体の冗長度を解消するために最終チェックを行うために使用されるモジュールＦＩＮＡＬＣＨＫの段階を示す流れ図である。第３９図は、第３８Ａ〜３８Ｂ図に示された如く、モジュールＦＩＮＡＬＣＨＫで使用されるモジュールＩＮＴＳＴＡＴの段階を示す流れ図である。第４０図は、本発明の第３実施態様で使用されたシステムの構成要素を示す概略図である。第４１図は、本発明の第４実施態様による物体の冗長同定を解消するための方法の全段階を行う、モジュールＬＯＣＡＴＥの段階を例証する流れ図である。第４２図は、第４実施態様に関して記載された如く、物体間の関係を示す概略図である。第４３図は、冗長物体を識別するための主モジュールであるモジュールＩＤＥＮＴの段階を例証する流れ図である。第４４図は、第４実施態様により行われる二重しきい化法の段階を示す流れ図である。第４５図は、所与のしきい対を使用して物体を検出するＩＤＥＮＴによって呼び出されるモジュールの段階を例証する流れ図である。第４６図は、モジュールＩＤＥＮＴがランされた後、物体間の関係を示す概略図である。第４７図は、第４実施態様の包含検査を行うモジュールＣＯＮＴＡＩＮの段階を示す流れ図である。第４８図は、本発明の第４実施態様で使用される如く、包含検査又は「ボックステスト」の第１段階を例証する物体の概略図である。第４９図は、すべての物体の族順序付けを発生するモジュールＬＩＮＫＦＡＭＩＬＹの段階を示す流れ図である。第５０図は、第４実施態様の包含検査の第２段階を例証する物体の概略図である。第５１図は、物体が特定の物体を包含するかを判定する、ＬＩＮＫＦＡＭＩＬＹによって呼び出されるモジュールＣＯＮＴＡＩＮＴＥＳＴである。第５２Ａ〜５２Ｅ図は、ＬＩＮＫＦＡＭＩＬＹがランされる時、物体の族順序付けに発生するものを例証する概略図である。第５３図は、独立な物体に対して各物体を検査するモジュールＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰの段階を例証する流れ図である。第５４図は、独立な物体に対して物体を復位させるモジュールＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮの段階を例証する流れ図である。第５５Ａ〜５５Ｆ図は、モジュールＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰとＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮがランされる時、物体が分類される方法を例証する概略図である。第５６図は、物体の異なる世代を使用して、物体の冗長事例を識別するモジュールＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳの段階を例証する流れ図である。第５７Ａ〜５７Ｂ図は、物体の異なる世代の冗長同定を除去するモジュールＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹの段階を例証する流れ図である。第５８Ａ〜５８Ｄ図は、モジュールＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳがランされる時、物体が分類される方法を例証する概略図である。第５９図は、第４実施態様により、モジュールＬＯＣＡＴＥが物体を識別するために使用される全体プロセスを示す流れ図である。第６０図は、実施例１において記載された如く、本発明の方法によって識別された人為物と細菌コロニーのパーセント分布を示すプロットである。第６１図は、実施例１において記載された如く、本発明の方法によって識別された人為物とコロニーのカウント分布を示すプロットである。第６２図は、実施例２において記載された如く、本発明の方法によって識別された物体（コロニーと人為物）の回帰値を示すプロットである。第６３図は、実施例２において記載された如く、本発明の方法によって識別された人為物とコロニーのカウント分布を示すプロットである。好ましい実施態様の詳細な説明添付の図面に示された発明の好ましい実施態様は、以下で詳細に参照される。本発明の第１及び第４実施態様により、画像における物体の冗長同定を解消するための方法が、提供される。第１実施態様の方法は、画像が、複数回探索又は走査される時、及び単一物体の多重表現が識別される時、特に有益である。本発明はまた、画像が一度走査されるか、又は、画像の唯一の表現が作成されるならば、効用がある。特に、本発明は、画像の単一探索が行われる時、中空又は「ドーナッツ状」物体を識別するために役立つ。さらに、本発明はまた、他の画像分析方法が、単一探索又は画像の多重探索を通して単一凝集物体を識別した時、幾つかの別個の物体を解消する際に貴重であることがわかった。第１及び第４実施態様の方法の全段階は、第１図のブロック図において例証される。第１実施態様の方法は、画像において潜在的に冗長な物体のグループを識別する段階を具備する。この段階は、第１図のブロックＡにおいて示される。潜在的に冗長な物体のグループは、第１実施態様の好ましい実現に関して後述される如く、エントロピーしきい化の如く、画像を探索するしきい化法を使用して、識別される。そのようなしきい化法は、第２８Ａ〜２８Ｃ図に関して以下で説明される如く、手動算出しきいと自動算出しきいを含む。第１及び第４実施態様の好ましい実現は、第２Ａ〜２Ｂ図、及び第３Ａ〜３Ｂ図に関して例証され、この場合、容易な可視化の目的のために、冗長度判定は、大きさ属性の特性値、即ち、小さな方の物体が大きな方の物体内に含まれるかに基づく。第２Ａ図と第２Ｂ図は、画像の多重探索を通して識別される２つの物体の概略図である。第２Ａ図において、画像の第１探索又は走査が行われ、そして物体ｆが、識別される。第２Ｂ図において、画像の第２探索又は走査が、行われ、そして物体ｇが、識別される。物体ｆの点線の外形はまた、物体ｇに関するその相対的大きさ及び位置を示すために、第２Ｂ図において例証される。第２Ａ図と第２Ｂ図において、物体ｆは、物体ｇよりも小さく、物体ｇ内に含まれる。本発明の方法により、物体ｆは、物体ｇに関して冗長であると判定される。こうして、物体ｇは、保持され、そして物体ｆは、削除され、又は保持されない。小さな方の物体が大きな方の物体に包含されるかの判定はまた、画像の多重探索を通して識別される３つの物体の概略図である、第３Ａ図と第３Ｂ図に関して例証される。第３Ａ図に対して、画像の第１探索又は走査が行われ、そして物体ｈが、識別される。第３Ｂ図において、画像の第２探索又は走査が行われ、そして物体ｉと物体ｊが、識別される。物体ｈの点線の外形は、物体ｉとｊに関するその相対的大きさ及び位置を示すために、第３Ｂ図において例証される。第３Ａ図と第３Ｂ図の概略図において、物体ｉとｊは、物体ｈよりも小さく、そして物体ｈ内に含まれる。本発明の方法により、物体ｈは、物体ｉとｊに関して冗長であると判定される。こうして、物体ｈは、削除され、又は保持されず、そして物体ｉとｊは、保持される。第１及び第４実施態様の物体の冗長同定を解消する方法はまた、物体のソートリストを生成するために、所定の順序で識別物体をソートする段階を具備する。この段階は、第１図のブロックＢにおいて示される。リストの最初の物体は、初期特性値を有し、そしてリストの最終物体は、最終特性値を有する。第１及び第４実施態様の好ましい実現において、特性値は、大きさを指示し、その結果、リストの第１物体は、最小物体であり、そしてリストの最終物体は、最大物体である。しかし、特性値は、物体の他の属性を指示するかもしれない。２つの形式の属性は、（１）大きさと形状等の形態属性、及び（２）色相と縁コントラストを含むグレーレベル属性である。色相の場合に、同一物体の多重表現は、異なる物体間の色相差よりも狭い色相範囲を有することが可能である。この事例において、色相範囲に基づいて、冗長同定を解消することができる。第１及び第４実施態様の物体の冗長同定を解消する方法はまた、物体状態変数を定義する段階を具備する。この段階は、第１図のブロックＣにおいて示される。物体状態変数は、第１及び第２値の一方を有する。状態変数の第１値は、「ＲＥＴＡＩＮ」又は「ＫＥＥＰＢＯＴＨ」である。第１実施態様において、状態変数の第２値は、「ＤＥＬＥＴＥ」である。第１及び第４実施態様の物体の冗長同定を解消する方法はまた、物体状態変数の第１値を、リストの最初の物体に割り当てる段階を具備する。この段階はまた、第１実施態様に対して、第４Ａ図のブロックＡにおいて示される。冗長度判定が大きさに基づいた、第１及び第４実施態様の好ましい実現において、「ＲＥＴＡＩＮ」の状態値は、潜在的に冗長であるとして識別された物体のグループの最小物体へ割り当てられる。第１及び第４実施態様の物体の冗長同定を解消する方法はまた、第１物体に続く各個の物体をそれぞれの続く物体の特性値よりも小さな特性値と状態変数の第１値を有する各物体と比較する段階を具備する。この段階は、第１図のブロックＥに示される。例えば、第１及び第４実施態様の好ましい実現において、リストの最小物体に続くより大きな各物体が、ＲＥＴＡＩＮの状態値を有するそれぞれの続く各物体よりも小さな各物体と比較される。各比較のために、それぞれの続く各物体は、第１物体として規定され、そして第１物体の特性値よりも小さな特性値を有する各物体は、第２物体として規定される。例えば、第１実施態様の好ましい実現において、最小物体よりも大きな続く物体は、第１物体であり、そして続く物体よりも小さな各物体は、比較目的のための第２物体である。第１及び第４実施態様の物体の冗長同定を解消する方法はまた、各個の第２物体が、第１物体の特性値の所定範囲内に含まれた特性値を有するかを判定し、これにより、物体状態変数の第１及び第２状態値を、各個の第１物体と各個の第２物体に割り当てる段階を具備する。このように、画像における物体の冗長同定は、解消される。この段階は、第１図のブロックＦに示されるされる。第１及び第４実施態様の冗長同定を解消する方法は、さらに、物体状態変数の第１値を有する物体を非冗長物体として識別する段階と、非冗長物体を保持する段階とを具備する。この段階は、第１図のブロックＧに示される。第１実施態様の好ましい実現において、特性値が、大きさに基づいて冗長度を検査する大きさ属性である時、第２物体は、小さな方の物体であり、第１物体内に含まれる。冗長度の場合に、第２物体の色相は、第１物体の色相の所与範囲内に色相を有する。形状の場合に、第２物体の形状因子は、第１物体の形状因子の所与範囲内にある。加えて、多重属性は、特性値を構成するために使用される。本発明を概念化する能力のために、第１及び第４実施態様の最も広い実現を越えたすべての流れ図は、特性値が大きさ属性である好ましい実現に対して例証される。こうして、次の説明と添付の図において、第１物体は、（第２物体と比較して）大きな物体として例証され、そして第２物体は、（第１又は大きな方の物体と比較して）小さな物体として例証される。こうして、容易に認められる如く、各個の第２物体が第１物体の特性値の所定範囲内に含まれた特性値を有するかを判定する段階は、小さな方の物体が大きな方の物体内に含まれるかを判定することを含む。各個の第２物体が、第１物体の特性値の所定範囲内に含まれた特性値を有するかを判定する段階は、選択規則と呼ばれる下位段階を具備する。第１実施態様において、選択規則により、１）第２物体が第１物体の特性値の所定範囲内に特性値を有さないならば、第１物体は、保持され、そして第１物体状態属性変数は、第１値ＲＥＴＡＩＮに設定される。また、選択規則により、１）ただ一つの第２物体が、第１物体の特性値の所定範囲内に特性値を有するならば、第１物体は保持され、そして第１物体状態変数は、第１値に設定され、そして２）第２物体は、削除される。また、選択規則により、１）第１物体は削除され、そして２）２つ以上の第２物体が、第１物体の特性値の所定範囲内に特性値を有するならば、第２物体の物体状態変数は、第１値ＲＥＴＡＩＮに設定される。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第１実施態様に対する冗長検査を行う主モジュールであり、第４Ａ〜４Ｅ図において記載される。ＦＩＬＴＥＲＯＢＪＥＣＴＳは、第６図に関して以下に記載される如く、モジュールＳＥＴＳＴＡＴＵＳを呼び出す。ＳＥＴＳＴＡＴＵＳは、包含検査の第１段階であるボックステスト、即ち、第５図に関して以下に記載される、小さな物体が大きな物体に含まれるかのテスト、を初期的に行う。ボックステストが満足されるならば、ＳＥＴＳＴＡＴＵＳは、第１６図に関して以下に記載される如く、モジュールＣＨＥＣＫＣＯＮＴＡＩＮを行う。モジュールＣＨＥＣＫＣＯＮＴＡＩＮは、包含検査の第２段階を行う。ＣＨＥＣＫＣＯＮＴＡＩＮが満足されるならば、ＳＥＴＳＴＡＴＵＳは、第１９図に関して以下に記載される如く、モジュールＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹを行う。モジュールＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹは、以下に説明される如く、包含検査の別の部分を行う。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳの段階は、第４Ａ〜４Ｅ図の流れ図において示される。第１実施態様の好ましい実現に対して行われた時、ＦＩＬＴＥＲＯＢＪＥＣＴＳの第１段階は、大きさの特性値によってグループのすべての物体をソートし、リストを形成することである。リストの第１物体は、最小物体であり、そしてリストの最終物体は、最大物体である。第４Ａ図のブロックＢに示された如く、リストのすべてのソートされた物体に対して、物体状態変数の値は、ＲＥＴＡＩＮに設定され、そしてその物体内に含まれた小さな物体の数は、１に設定される。２つの物体の比較において、親物体は、他の物体を含む物体である。含まれた物体は、子と呼ばれる。第４Ａ図のブロックＣに示された如く、各物体の第１又は大きな方の物体と呼ばれる親は、それ自身に設定される。ヘッド物体、即ち、最初の物体に続く各物体になる第１物体は、第４Ａ図のブロックＤに示された如く、リストの最初の物体に初期化される。ヘッド物体は、リストの次の物体、例えば、ブロックＥに示された如く、次に大きなサイズのリストの物体へ進められる。第４Ａ図に示された如く判断記号Ｆは、ヘッド物体がリストの終端であるかを判断する。そうでないならば、テール物体は、ブロックＧに示された如く、リストの最初の物体に設定される。それから、判断記号Ｈは、テール物体がヘッド物体に等しいかを判断する。そうでないならば、第４Ａ図の判断記号Ｉは、テール物体の物体状態変数の値がＲＥＴＡＩＮであるかを判断する。そうならば、第６Ａ図と第６Ｂ図に関して以下に記載された如く、ＳＥＴＳＴＡＴＵＳモジュールは、ブロックＪにおいて示された如く、包含に対してヘッド及びテール物体を比較するために呼び出され、そしてテール物体は、第４Ａ図のブロックＫに示された如く、進められる。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、判断記号Ｈへ返り、そしてＨ、Ｉ、ＪとＫのループが、テール物体がヘッド物体に等しくなるまで、継続する。第４Ｂ図において、Ｌ、Ｍ、Ｎ、ＯとＰは、上記の如く、選択規則を行う。具体的に、テール物体がヘッド物体に等しい時、第４Ｂ図の判断記号Ｌは、大きな物体内に含まれた小さな物体の数が１に等しいか、もしくは、ヘッド物体の子の数が１に等しいかを判断する。そうならば、ヘッド物体内に含まれた小さな物体の物体状態変数の値は、ブロックＭに示された如く、第２値又はＤＥＬＥＴＥに設定され、そしてヘッド物体は、第４Ａ図のブロックＮに示された如く、進められる。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第４Ａ図の判断記号Ｆに返り、そしてＦ−Ｌのループは、ヘッド物体の状態値が１に不等になるまで、継続する。それから、第４Ｂ図の判断記号Ｏは、ヘッド物体の子の数が、１よりも大きいかを判断する。そうならば、ヘッド物体の物体状態変数の値は、ブロックＰに示された如く、ＤＥＬＥＴＥに設定され、そしてヘッド物体は、第４Ｂ図のブロックＮに示された如く進められる。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、判断記号Ｆへ返り、そしてＦ−Ｏのループが、ヘッド物体の状態値が１よりも大きくならなくなるまで、継続する。ヘッド物体は、第４Ｂ図のブロックＮに示された如く、もう一度、進められる。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第４Ａ図の判断記号Ｆに返り、ヘッド物体がリストの終端であるかを判断する。そうならば、ヘッド物体は、第４Ｃ図のブロックＱに示された如く、リストの最初の物体に初期化される。それから、判断記号Ｒは、ヘッド物体がリストの終端であるかを判断する。そうでないならば、判断記号Ｓは、ヘッド物体の履歴値が、「ＣＨＩＬＤ」に等しく、かつ、ヘッド物体の面積が、所定最小値よりも小さいかを判断する。物体の履歴値は、その物体が、他の物体の子であることが見いだされたかを表記し、このため、物体の履歴を記述する。判断記号Ｓの両質問への回答が、肯定であるならば、ヘッド物体の物体状態変数の値は、ブロックＴに示された如く、ＤＥＬＥＴＥに設定され、そしてヘッド物体は、第４Ｃ図のブロックＵに示された如く進められる。それから、モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第４Ｃ図の判断記号Ｒに返り、そしてＲ−Ｕのループは、ヘッド物体がリストの終端になるまで、継続する。ヘッド物体がリストの終端である時、モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第４Ｄ図のブロックＶへ行き、そしてヘッド物体は、第４Ｄ図のブロックＶに示された如く、最初の物体を指すように初期化される。それから、第４Ｄ図の判断記号Ｗは、ヘッド物体がリストの終端であるかを判断する。そうでないならば、判断記号Ｘは、ヘッド物体の親（即ち、ヘッド物体が含まれた大きな物体）がヘッド物体であるかを判断する。そうでないならば、判断記号Ｙは、ヘッド物体の親の物体状態変数の値が、ＤＥＬＥＴＥであるかを判断する。判断記号Ｘの回答が肯定であるならば、ヘッド物体は、進められ、そしてＷ−Ｚのループは、ヘッド物体がリストの最終物体になるまで、継続する。判断記号Ｙの回答が、肯定であるならば、ヘッド物体の親は、ブロックＺに示された如く、ヘッド物体へ設定され、そしてヘッド物体は、第４Ｄ図にブロックＡＡに示された如く、進められる。モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、判断記号Ｗへ返り、そしてＷ−Ｚのループが、ヘッド物体が、リストの最終物体になるまで、継続する。ヘッド物体が最終物体である時、ヘッド物体は、第４Ｅ図のブロックＢＢに示された如く、リストの最初のブロックへ初期化される。それから、判断記号ＣＣは、ヘッド物体がリストの終端であるかを判断する。そうでないならば、テール物体は、ブロックＤＤに示された如く、ヘッド物体の次の物体に設定される。それから、判断記号ＥＥは、ヘッド物体の物体状態変数の値が、ＤＥＬＥＴＥであるかを判断する。そうならば、ヘッド物体は、ブロックＦＦに示された如く、削除され、そしてヘッド物体は、第４Ｅ図のブロックＧＧに示された如く、テール物体に設定される。判断記号ＥＥに返り、ヘッド物体の物体状態変数の値がＤＥＬＥＴＥに等しいならば、非冗長物体が、保持され、そしてヘッド物体は、ブロックＧＧに示された如く、テール物体に設定される。それから、モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、判断記号ＣＣに返り、そしてＣＣ、ＤＤ、ＥＥ、ＦＦとＧＧのループは、ヘッド物体がリストの終端になるまで、継続する。判断記号Ｘの回答が肯定であるならば、ヘッド物体は、進められ、そしてＷ−Ｚのループは、ヘッド物体がリストの最終物体になるまで、継続する。そうである時、モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第４Ｆ図の長円形IIに示された如く、終了される。上記の如く、モジュールＳＥＴＳＴＡＴＵＳは、３つのテストを行う。即ち、ボックステスト、ＣＨＥＣＫＣＯＮＴＡＩＮ、及びＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹである。ボックステストは、小さな物体が大きな物体内に含まれるかを判定するために行われる、包含検査の第１段階である。第５図は、ボックステストを例証する概略図である。第５図において、物体ｌと物体ｋが、識別され、この場合、物体ｌは、物体ｋよりも大きい。第１実施態様の方法により、各小さな物体が各大きな物体内に含まれるかを判定する段階は、大きな方の物体の４つの極点を判定する下位段階を含む。第５図において例証された如く、物体ｌに対する４つの極点Ｌ、Ｔ、ＲとＢが、決定される。各極点は、行位置座標値と列位置座標値を有する。４つの極点は、第２７Ａ〜２７Ｂ図に関して以下に記載される如く、モジュールＴＲＡＣＥＯＢＪＥＣＴＳによって決定される。各極点は、第６〜９図に関して以下に記載される、行位置座標値と列位置座標値を有する。４つの各極点の行位置座標値と列位置座標値は、モジュールＴＲＡＣＥＯＢＪＥＣＴＳを使用して、獲得される。判定段階は、さらに、４つの極点の行位置座標値と列位置座標値を使用することにより、大きな方の物体を境界付ける矩形を構成する下位段階を含む。ボックステストを行うことにより、第５図に示された矩形Ｘは、物体ｌの４つの極点Ｌ、Ｔ、ＲとＢの行位置座標値と列位置座標値を使用して、構成される。判定段階は、さらに、小さな方の物体において所定点を決定する下位段階を含む。この点は、第５図において点ｃとして示される。所定点は、モジュールＴＲＡＣＥＯＢＪＥＣＴを使用して獲得された行位置座標値と列位置座標値を有する。判定段階は、さらに、大きな方の物体を境界付ける矩形に関して小さな方の物体の所定点の位置を決定する下位段階を含む。第１実施態様の好ましい実現において、所定点は、質量中心である。しかし、所定点は、小さな方の物体における任意の点である。ボックステストの第１段階を行うために、モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳは、第６図に関して下記された如く、モジュールＳＥＴＳＴＡＴＵＳを呼び出す。ＳＥＴＳＴＡＴＵＳは、モジュールＴＲＡＣＥＯＢＪＥＣＴから導出された物体における周囲点についての情報を使用する。モジュールＳＥＴＳＴＡＴＵＳは、第５図に関して上述された如く、ボックステストを行う。第６図は、モジュールＳＥＴＳＴＡＴＵＳの段階を示す流れ図である。第６図の判断記号Ａに示された如く、ＳＥＴＳＴＡＴＵＳの第１段階は、小さい物体が、ボックステストからの大きな物体内に含まれるかを判断することである。そうでないならば、モジュールＳＥＴＳＴＡＴＵＳは、長円形Ｂに示された如く、終了される。小さい物体が、ボックステストによって判定された如く、大きな物体内に含まれるならば、判断記号Ｃは、小さい物体が、大きな物体内に含まれるかを判断し、この判定は、下記の第１７Ａ図と第１７Ｂ図において記載されるモジュールＣＯＮＴＡＩＮＳＴＡＴＵＳを使用して為される。そうでないならば、モジュールＳＥＴＳＴＡＴＵＳは、長円形Ｄに示された如く、終了される。モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳを使用して判定された結果、小さい物体が、大きな物体内に含まれるならば、判断記号Ｅは、小さな物体と大きな物体の色相が類似であるかを判断する。この判定は、第１９図において後述される如く、モジュールＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹを使用して、行われる。小さな物体と大きな物体の色相が類似しないならば、モジュールＳＥＴＳＴＡＴＵＳは、長円形Ｆに示された如く、終了される。小さな物体と大きな物体の色相が類似するならば、第６図の判断記号Ｇは、大きな物体の子の数が、１に等しいかを判断する。そうならば、大きな物体の子（即ち、大きな物体内に含まれた小さな物体）は、第６図のブロックＨに示された如く、小さな物体に設定され、そして子の数は、ブロックＩに示された如く、増分される。代替的に、大きな物体の子の数が、１に等しくないならば、大きな物体の子の数は、ブロックＩに示された如く、増分される。いずれにせよ、子の数が増分された後、小さな物体のＨＩＳＴＯＲＹ状態値は、第６図のブロックＪに示された如く、ＣＨＩＬＤに設定される。モジュールＳＥＴＳＴＡＴＵＳは、長円形Ｋに示された如く、終了される。包含検査の第１段階により、次の両条件が満たされるならば、所定点は、大きな物体を境界付ける矩形内に含まれる。最初に、小さな物体の所定点の行位置座標値が、大きな物体を境界付ける矩形の行位置座標値に対する最小及び最大値の間にある。第２に、小さな物体の所定点の列位置座標値は、大きな物体を境界付ける矩形の列位置座標値に対する最小及び最大値の間にある。好ましい実施態様において、所定点は、質量中心である。しかし、所定点は、小さな物体における任意の点である。第１２図は、第１６図に関して後述される如く、モジュールＣＨＥＣＫＣＯＮＴＡＩＮによって行われる第１実施態様の包含検査の第２段階を例証する。包含検査の第２段階により、各個の小さな物体が、大きな物体の特性値の所定範囲内に含まれる特性値を有するかを判定する段階は、さらに、次の下位段階を含む。大きな物体の周囲点が、決定される。これは、第１１図に関して記載された如く、モジュールＧＥＴＰＥＲＩＭを使用して、第１実施態様に対して行われる。物体の周囲点についての情報を獲得するために、物体は、まず、時計回り又は反時計回り方向において順次にトレースされる。モジュールＧＥＴＰＥＲＩＭは、各周囲点の行位置座標値と列位置座標値を決定するために使用される。ＧＥＴＰＥＲＩＭモジュールの基本原理は、ＲａｆａｅｌＣ．ＧｏｎｚａｌｅｚａｎｄＰａｕｌＷｉｎｚ著の”ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ”，ＳｅｃｏｎｄＥｄ．，Ａｄｄｉｓｏｎ−ＷｅｓｌｅｙＰｕｂｌｉｓｈｉｎｇＣｏｍｐａｎｙ，Ｒｅａｄｉｎｇ，Ｍａｓｓａｃｈｕｓｅｔｔｓ（１９８７）において記載されたものと同様である。第７図は、時計回り方向においてトレースされた単純物体に対する概略を示す。例証の目的のために、１３個の周囲点が示される。各周囲点は、行位置座標値、列位置座標値と方向符号ベクトルを有する。この文脈において、行と列は、水平行と垂直列である必要はないことが注目される。むしろ、物体を通った任意の線セグメントは、適正な座標軸を指定することにより行又は列に変換される。方向符号ベクトルは、各周囲点に対して第１及び第２方向符号値を具備する。第１方向符号値は、ＧＥＴＰＥＲＩＭモジュールによって決定される如く、各個の周囲点の次の周囲点に対する関係を記述し、そして第２方向符号値は、ＧＥＴＰＥＲＩＭモジュールによって決定される如く、各個の周囲点の前周囲点に対する関係を記述する。下記の如く、「次又は前点」の定義は、物体がトレースされる方向による。周囲バッファーの第ｉ部材は、方向符号記述子（ｘ_i、ｙ_i、ｖｅｃｔｏｒ_i）によって表記され、ここで、ｘ_iは行位置座標値、ｙ_iは列位置座標値、そしてｖｅｃｔｏｒ_iは、次の情報を含む方向符号ベクトルである。（ｉ）ｎｅｘｔ_iは、次の周囲点への方向符号値である。（ii）ｐｒｅｖ_iは、前点から現点への方向符号値である。第８図は、第７図に示された１３個の点に対する行位置座標値、列位置座標値と第１及び第２方向符号値を示す図である。例えば、点１３は、２の行位置座標値、１の列位置座標値、及び１の第１方向符号値と７の第２方向符号値を有するとして表記される。本発明において、方向符号値は、一周囲点の隣接周囲点（次周囲点又は前周囲点）への方向により、０〜７の範囲を取る。本発明に対する方向符号値は、第９図と第１０図に示される。第１０図の方向符号値は、第９図に示された値を９０ °だけ回転させることにより導出される。第９図に示された方向符号値のセットの適用は、第１０図に示された方向符号値と反対に、以下に議論される周囲バッファーをソートする方法による。第９図から見られる如く、ｎｅｘｔ_iがゼロに等しいならば、次周囲点は、現周囲点の垂直上、かつ同一列にある。一周囲点から次周囲点への方向符号の値が、物体がモジュールＧＥＴＰＥＲＩＭによってトレースされる向きによることを認識することは重要である。物体が時計回り方向にトレースされるならば、周囲点に関連した方向符号は、物体が反時計回り方向においてトレースされる場合とは異なる。モジュールＧＥＴＰＥＲＩＭの段階は、第１１図に示される。第１１図に示された如く、ブロックＡは、物体における第１点に現点をセットする。それから、判断記号Ｂは、次周囲点が検出されたか判断する。そうでなければ、トレース物体は無効であり、そしてモジュールは、ブロックＣに示された如く終了される。次周囲点が検出されたならば、行及び列位置座標値が、第１１図のブロックＤに示された如く周囲バッファーに記憶される。現点は、第１１図のブロックＥに示された如く、次周囲点にセットされる。それから、判断記号Ｆは、現点が第１周囲点であるかを判断する。そうでなければ、判断記号Ｂ、ブロックＣ−Ｅと判断記号Ｆによるループが、現点が第１周囲点になるまで反復される。判断記号Ｆの回答が肯定であるならば、モジュールＧＥＴＰＥＲＩＭが終了される。モジュールＧＥＴＰＥＲＩＭをランした後、周囲バッファーが、生成される。これは、第１３Ａ図と第１３Ｂ図に関して記載される如く、モジュールＬＯＡＤＢＵＦＦＥＲによって行われる。周囲バッファーは、大きな方の物体の周囲点を具備する。各周囲点は、行位置座標値、列位置座標値、及び方向符号ベクトルを有する。方向符号ベクトルは、各周囲点に対して第１及び第２方向符号値を具備する。第１方向符号値は、各個の周囲点の次の周囲点に対する関係を記述し、そして第２方向符号値は、各個の周囲点の前周囲点に対する関係を記述する。周囲バッファーの周囲点は、行列ソートされた周囲バッファーを生成するために、所定の順序でソートされる。周囲点状態変数は、バッファーの各周囲点に割り当てられる。この段階は、第１７Ａ図と第１７Ｂ図に関して以下に記載される如く、モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳによって行われる。周囲点状態変数は、第１及び第２値の一方を有する。周囲点状態変数の値は、第１及び第２方向符号値によって決定される。小さな物体の所定点の列位置座標値が、周囲点状態変数の第１値を有する周囲点の列位置座標値とソートされた周囲バッファーの次周囲点の列位置座標値の間にあるならば、小さな物体は、大きな物体内に含まれるとして指定され、この場合、周囲点は、小さな物体の周囲点と同一の行位置座標値を有する。第１実施態様の好ましい実現において、所定点は、質量中心である。しかし、所定点は、小さな物体における任意の点でも良い。これらの下位段階について第１２図を参照すると、物体ｍ、ｎ、ｏが、識別される。物体ｎの所定点ｖと物体ｏの所定点ｗは、矩形Ｘ’の境界内にあると判定される。包含検査の第２段階を適用することにより、物体ｎの所定点ｖは、物体ｍの２つの周囲点の列位置座標値の間にある列位置座標間を有すると判定され、両周囲点は、点ｖと同一の行位置座標値を有する。物体ｎは、物体ｍ内に含まれると判定される。物体ｎは、物体ｍ内に含まれる単一の小さな物体であり、ある基準が満たされるならば、後に削除される、即ち、保持されない。包含検査の第２段階を適用することにより、物体ｏの点ｗは、点ｗと同一の行位置座標値を有する物体ｍの２つの周囲点の列位置座標値の間にある列位置座標値を有しない。このため、物体ｏは、物体ｍ内に含まれないと判定される。物体ｏは、物体ｍの親でも子でもなく、このため、保持される。包含検査の第２段階は、第１段階（即ち、ボックステスト）を最初に適用することなく、すべての識別された物体に適用されることが注目される。しかし、第１及び第２段階を順次に適用することにより、第１段階は、包含検査に対する初期画面として役立つ。それから、第２段階は、物体が矩形ボックス内に位置することがわかった時に限って適用される。第１及び第２段階のこの順次使用は、あまり計算的に集約されず、冗長判定を高速度で行うことを可能にする。周囲バッファーを生成するモジュールＬＯＡＤＢＵＦＦＥＲの段階は、第１３Ａ図と第１３Ｂ図に示される。ブロックＡに示された如く第１段階において、現点は、周囲バッファーにおける第１点にセットされる。それから、判断記号Ｂは、現点がバッファーにおける最終点を越えるかを判断する。そうならば、ＬＯＡＤＢＵＦＦＥＲモジュールが、第１３Ａ図のブロックＣにおいて示された如く完了される。現点がバッファーにおける最終点を越えないならば、判断記号Ｄは、現点がバッファーにおける第１点であるかを判断する。そうならば、ブロックＥは、バッファーにおける最終点として前点をセットする。現点がバッファーにおける第１点でないならば、判断記号Ｆは、現点がバッファーにおける最終点であるかを判断する。そうならば、ブロックＧは、バッファーにおける第１点として次点をセットする。前点が周囲バッファーにおける最終点としてセットされた後、現点が周囲バッファーにおける第１点出あるか又は次点が周囲バッファーにおける第１点としてセットされたならば、及び現点が周囲バッファーにおける最終点であるならば、次点と現点の間の行座標値の差が、第１３Ａ図のブロックＨにおいて示された如く、算出され、バッファーに記憶される。この差は、△ＲＯＷ_NEXTとして指定される。次点と現点の間の列座標値の差は、第１３Ａ図のブロックＩに示された如く、算出され、バッファーに記憶される。この差は、△ＣＯＬ_NEXTとして指定される。現点と前点の間の行座標値の差が、第１３Ｂ図のブロックＪにおいて示された如く、算出され、バッファーに記憶される。この差は、△ＲＯＷ_PR _EV として指定される。次に、現点と前点の間の列座標値の差が、ブロックＫに示された如く、算出され、バッファーに記憶される。この差は、△ＣＯＬ_PREVとして指定される。それから、現点は、ブロックＬに示された如く、バッファーにおける次周囲点に移動され、そしてモジュールは、第１３Ａ図の判断記号Ｂに復帰する。ＢとＤ〜Ｌによるループは、現点がバッファーにおける最終点を越えるまで継続し、この点において、ＬＯＡＤＢＵＦＦＥＲモジュールが、長円形Ｃに示された如く完了される。周囲点は、行列周囲バッファーを生成するために、最初に行により、それから列により、ソートされる。このソート段階は、時計回り又は反時計回り方向のいずれかにおいて物体をトレースするために行われる。このソート段階は、ＲｏｂｅｒｔＳｅｄｇｅｗｉｃｋによって教科書ＡｌｇｏｒｉｔｈｍｓｉｎＣ、ＡｄｄｉｓｏｎＷｅｓｌｅｙ、１９９０において記載された標準「シェルソート」技術によって行われる。各周囲点に関連した「ｖｅｃｔｏｒ_i」情報は、ソート中、点に関して移動することが注目される。行と列は、任意に選択される２つの基準軸に関して画像の各点に付随する２つの直交する独立な座標値を表現することが注目される。こうして、代替的に、周囲点は、以下に明確に説明される如く、最初に、行と伝統的に考えられる方向（水平方向）において、次に、この方向に直交する方向（垂直方向）においてソートされる。第１又は第４実施態様の一バージョンにおいて、物体は、時計回り方向においてトレースされ、そして周囲点は、少なくとも一つの行ソート周囲点を具備する行ソート周囲バッファーを生成するために、最初に行によりソートされる。周囲点は、最小行位置座標値を有する点が、バッファーの先頭（バッファーのシーケンスの第１要素を意味する）に置かれる如く、昇順にソートされる。代替的に、周囲点は、最大行位置座標値を有する点が、バッファーの先頭に置かれる如く、降順にソートされる。この一バージョンにおいて、行ソートされた周囲バッファーにおける周囲点は、それから、少なくとも一つの行列ソート周囲点を具備する行列ソート周囲バッファーを生成するために、列によりソートされる。列により周囲点をソートする段階は、昇順に周囲点をソートすることを含む。バッファーが昇順に行により、続いて列によりソートされた場合に、最小列位置座標値と最小行位置座標値を有する点が、バッファーの先頭に置かれる。バッファーが降順に行により、続いて列によりソートされた場合に、最小列位置座標値と最大行位置座標値を有する点が、バッファーの先頭に置かれる。第１又は第４実施態様の第２バージョンにおいて、物体は、反時計回り方向においてトレースされ、そして周囲バッファーにおける周囲点は、少なくとも一つの行ソート周囲点を具備する行ソート周囲バッファーを生成するために、行によりソートされる。行により周囲点をソートする段階は、最小行位置座標値を有する点が、バッファーの先頭に置かれる如く、昇順に周囲点をソートすることを含む。代替的に、行により周囲点をソートする段階は、最大行位置座標値を有する点が、バッファーの先頭に置かれる如く、降順に周囲点をソートすることを含む。この第２バージョンにおいて、行ソート周囲バッファーにおける周囲点は、少なくとも一つの行列ソート周囲点を具備する行列ソート周囲バッファーを生成するために、列によりソートされる。列により行ソート周囲点をソートする段階は、降順に周囲点をソートすることを含む。バッファーが昇順に最初に行により、続いて列によりソートされた場合に、最大列位置座標値と最小行位置座標値を有する点が、バッファーの先頭に置かれる。バッファーが降順に最初に行により、続いて列によりソートされた場合に、最大列位置座標値と最大行位置座標値を有する点は、バッファーの先頭に置かれる。第１又は第４実施態様の第３バージョンにおいて、物体は、時計回り方向においてトレースされ、そして周囲バッファーにおける周囲点は、少なくとも一つの列ソート周囲点を具備する列ソート周囲バッファーを生成するために、列によりソートされる。列により周囲点をソートする段階は、最小列位置座標値を有する点が、バッファーの先頭に置かれる如く、昇順に周囲点をソートすることを含む。代替的に、列により周囲点をソートする段階は、最大列位置座標値を有する点が、バッファーの先頭に置かれる如く、降順に周囲点をソートすることを含む。この第３バージョンにおいて、列ソートバッファーにおける周囲点は、それから、少なくとも一つの列行ソート周囲点を具備する列行ソート周囲バッファーを生成するために、行によりソートされる。行により周囲点をソートする段階は、降順に列ソート周囲点をソートすることを含む。バッファーが昇順に列により、続いて降順に行によりソートされた場合に、最大行位置座標値と最小列位置座標値を有する点が、バッファーの先頭に置かれる。バッファーが降順に列により、続いて降順に行によりソートされた場合に、最大行座標値と最大列座標値を有する点が、バッファーの先頭に置かれる。第１又は第４実施態様の第４バージョンにおいて、物体は、反時計回り方向においてトレースされ、そして周囲バッファーにおける周囲点は、少なくとも一つの列ソート周囲点を具備する列ソート周囲バッファーを生成するために、列によりソートされる。列により周囲点をソートする段階は、最小列位置座標値を有する点が、バッファーの先頭に置かれる如く、昇順に周囲点をソートすることを含む。代替的に、列により周囲点をソートする段階は、最大列位置座標値を有する点が、バッファーの先頭に置かれる如く、降順に周囲点をソートすることを含む。第１実施態様の第４バージョンにおいて、列ソート周囲バッファーにおける周囲点は、少なくとも一つの列行ソート周囲点を具備する列行ソート周囲バッファーを生成するために、行によりソートされる。列ソートバッファーにおいて行により周囲点をソートする段階は、昇順に周囲点をソートすることを含む。バッファーが昇順に最初に列により、続いて昇順に行によりソートされた場合に、最小行位置座標値と最小列位置座標値を有する点が、バッファーの先頭に置かれる。バッファーが降順に最初に列により、続いて昇順に行によりソートされた場合に、最小行位置座標値と最大列位置座標値を有する点は、バッファーの先頭に置かれる。第１及び第２値の一方を有する周囲点状態変数は、各周囲点に割り当てられる。この段階は、モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳにおいて行われ、この流れ図は、第１７Ａ図と第１７Ｂ図に関して以下に記載される。周囲点状態変数の第１値は、「ＦＩＬＬ」であり、そして周囲点状態変数の第２値は、「ＮＯＦＩＬＬ」である。状態変数の値は、第１及び第２方向符号値ｎｅｘｔ_iとｐｒｅｖ_iによって決定される。方向符号値は、使用される周囲バッファーをソートするバージョンにより、第９図と第１０図に従い決定される。第１実施態様の第１バージョンと同様に、周囲バージョンの点が、最初に行により、次に列によりソートされるならば、第９図の方向符号値が、使用される。第１実施態様の第２バージョンと同様に、周囲バージョンの点が、最初に列により、次に行によりソートされるならば、第１０図において示された方向符号値が使用される。ｎｅｘｔ_iとｐｒｅｖ_iをＦＩＬＬ又はＮＯＦＩＬＬに写像するための規則は、第１４図に示された如く、ＦＩＬＬ索引テーブル（ＬＵＴ）において時計回り方向にトレースされた物体に対して要約される。ｎｅｘｔ_iとｐｒｅｖ_iをＦＩＬＬ又はＮＯＦＩＬＬに写像するための規則は、第１５図に示された如く、ＦＩＬＬ索引テーブル（ＬＵＴ）において反時計回り方向にトレースされた物体に対して要約される。第１４図と第１５図の索引テーブルにおいて、Ｆは、ＦＩＬＬを表象し、そしてＮＦは、ＮＯＦＩＬＬを表象する。第１４図と第１５図の索引テーブルは、物体の局所凹所又は凸所に基づいて、経験的に導出される。モジュールＣＨＥＣＫＣＯＮＴＡＩＮの段階は、第１６図の流れ図において示される。モジュールＣＨＥＣＫＣＯＮＴＡＩＮは、被包含性に対して判定テストを行う。モジュールＣＨＥＣＫＣＯＮＴＡＩＮは、第１１図に示されたモジュールＧＥＴＰＥＲＩＭを呼び出し、第１６図のブロックＡに示された如く、大きな物体の周囲点の座標を決定し、それらを周囲バッファーにおいて記憶する。第１３Ａ図と第１３Ｂ図に具体的に示され、上述されたモジュールＬＯＡＤＢＵＦＦＥＲは、各周囲点から周囲バッファーの前及び次周囲点への方向符号ベクトルを含むことにより、周囲バッファーを拡張する。これは、実際に、第６図に関して上述された如く、ＳＥＴＳＴＡＴＵＳモジュールの第２段階である。第１６図に関して上述された如く、モジュールＣＨＥＣＫＣＯＮＴＡＩＮは、モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳを呼び出し、小さな物体が大きな物体内に含まれるかを判定する。モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳの段階は、第１７Ａ図と第１７Ｂ図において示される。第１７Ａ図のブロックＡＡに示された如く、ＣＯＮＴＡＩＮＳＴＡＴＵＳの第１段階は、行と列により周囲バッファーをソートすることである。それから、第１７Ａ図のブロックＡに示された如く、現点は、大きな方の物体の周囲バッファーの第１点にセットされる。それから、判断記号Ｂは、現点が周囲バッファーの最終点を越えるかを判断する。そうならば、ＦＡＬＳＥが、ブロックＣに示された如く返され、小さな物体が、大きな物体内に含まれないことを意味し、モジュールは、長円形Ｄで示された如く終了される。現点が最終点を越えないならば、判断記号Ｅは、現点の行位置座標値が、小さな物体の質量中心の行位置座標値に等しいかを判断する。判断記号Ｅの回答が肯定であるならば、判断記号Ｆは、現点が、周囲バッファーの次点と同一点であるかを判断する。そうならば、現点は、ブロックＧに示された如く、冗長として標識付けされる。冗長周囲点は、物体の順次トレース中、２度以上アクセス又は横断されたものである。例えば、これは、トレース段階中、２度以上交差された点である交差点において発生する。この冗長点検査が行われる時、各冗長周囲点と物体の内点と同一線セグメント上の次周囲点の間にあるすべての点を指定する段階は、各冗長周囲点のすべての事例が、周囲点状態変数の第１値（ＦＩＬＬ）を割り当てられた時のみ、行われる。判断記号Ｈは、現点と次点の状態変数がＦＩＬＬに等しいかを判断する。回答が肯定であるならば、ＣＯＮＴＡＩＮＳＴＡＴＵＳは、第１７Ｂ図の判断記号Ｉへ行く。第１７Ｂ図の判断記号Ｉは、小さな物体の質量中心の列位置座標値が、現点の質量中心の列位置座標値以上であり、周囲バッファーの次周囲点の列位置座標値以下であるかを判断する。これらの質問のいずれか又は両方への回答が否定であるならば、現点は、第１７Ａ図のブロックＪに示された如く、周囲バッファーの次点にセットされ、そしてＢ、Ｅ、Ｆ、Ｇ、Ｈ、ＩとＪのループが、現点が最終点を越えるまで継続する。それから、ＦＡＬＳＥが、ブロックＣに示された如く返され、そしてモジュールＣＯＮＴＡＩＮＳＴＡＴＵＳが、長円形Ｄにおいて示された如く、終了される。判断記号Ｅに戻って、現点の行位置座標値が、小さな物体の質量中心の行位置座標値に等しくないならば、モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳは、ブロックＪへ移動し、そしてＢ、ＥとＪによるループが、現点が最終点を越えるまで継続する。それから、ＦＡＬＳＥが返され、そしてモジュールＣＯＮＴＡＩＮＳＴＡＴＵＳは、長円形Ｄで示された如く、終了される。判断記号Ｆに戻って、現点が、周囲バッファーの次点と同一点でないならば、判断記号Ｋは、現点の状態値がＦＩＬＬに等しいかを判断する。そうならば、モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳは、判断記号Ｉへ継続する。判断記号Ｉの回答が否定であるならば、Ｂ、Ｅ、Ｆ、Ｋ、ＩとＪによるループが、現点が最終点を越えるまで継続する。この時点において、ＦＡＬＳＥが返され、そしてモジュールＣＯＮＴＡＩＮＳＴＡＴＵＳが、長円形Ｄで示された如く、終了される。判断記号Ｈに戻って、現点と次点の状態値が、ＦＩＬＬに等しくないならば、モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳは、ブロックＪに示された如く、現点を周囲バッファーの次点にセットする。Ｂ、Ｅ、Ｆ、Ｇ、ＨとＪによるループは、現点が最終点を越えるまで継続する。この時点において、ＦＡＬＳＥが返され、そしてモジュールＣＯＮＴＡＩＮＳＴＡＴＵＳが、長円形Ｄで示された如く、終了される。判断記号Ｋに戻って、現点の状態値が、ＦＩＬＬに等しくないならば、現点が、ブロックＪに示された如く、周囲バッファーの次点にセットされ、そしてモジュールは、判断記号Ｂに返る。Ｂ、Ｅ、ＦとＫによるループは、現点が最終点を越えるまで継続し、この時点において、ＦＡＬＳＥが返され、そしてＣＯＮＴＡＩＮＳＴＡＴＵＳは、長円形Ｄで示された如く、終了される。判断記号Ｉに戻って、小さな物体の質量中心の列位置座標値が、現点の列位置座標値以上であり、かつ、周囲バッファーの次周囲点の列位置座標値以下であるならば、ＴＲＵＥが、ブロックＬに示された如く、返される。モジュールＣＯＮＴＡＩＮＳＴＡＴＵＳは、長円形Ｍで示された如く、終了される。以下に議論された理由のために「ピギーバック方式」と呼ばれる本発明の第１及び第４実施態様の別の修正は、空間的に重なる異なる色を弁別する。第１８図は、相似性検査とも呼ばれるピギーバック方式の物体の検査を示す概略図である。第１８図は、物体ｑ、ｐとｒを例証する。第５図と第１２図に関して上述された包含検査を使用することにより、両物体ｑとｒは、物体ｐ内に含まれると判定される。しかし、画像分析技術を用いて物体を識別する場合に、物体は、同一空間の二次元座標を占めるように見えるが、それらは、実際に異なる物体である。そのような事例は、第２有機体とは完全に異なる一有機体が、第２有機体における部分又は「ピギーバック」により成長する生きた有機体の場合である。こうして、相似性検査は、異なる物体があるかを判定するために行われる。例示のために、第１８図に示された物体ｑの所定点ｓは、物体ｐの内点の色相値の所定範囲内にある特性属性例えば色相を有すると判定される。物体ｑは、相似性であり、物体ｐに関して冗長であると判定される。物体ｑは、削除される。第１８図に示された物体ｒの所定点ｔは、物体ｐの内点の色相値の所定範囲外にある特性色相値を有すると判定される。物体ｒは、物体ｐとは異なると判定される。両物体ｒとｐは、保持される。第１実施態様のピギーバック方式により、第１物体に関して冗長である各第２物体の少なくとも一つの所定点の特性属性が、判定される。こうして、第１実施態様の一実現において、大きな物体内に含まれた各小さな物体の所定点の特性属性が、判定される。所定点は、質量中心であるが、必ずしもそうである必要はない。特性属性は、例えば、色相であるか、もしくは、他のテクスチャー又は色パラメータである。好ましいそれから、実現における第１物体又は大きな物体の同一特性属性が、判定される。第１及び第４実施態様の好ましい実現において、それぞれ、大きな物体と小さな物体である第１物体と第２物体は、保持され、そして大きな物体と小さな物体の物体状態変数は、第１値にセットされ、この値は、小さな物体に関する大きな物体の所定点の特性属性の差が、所定最小数を超えるならば、「ＲＥＴＡＩＮＢＯＴＨ」である。第１実施態様の好ましい実現において、判定段階は、大きな物体の内点を判定し、小さな物体の内点を除外することを含む。第１実施態様において、ピギーバック方式は、モジュールＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹによって行われ、この段階は、第１９図において示される。明確性の目的のために、ＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹの段階は、第１物体が大きな物体であり、そして第２物体が小さな物体である場合に例証されるが、第１及び第２物体は、上記の如く空間的な重なりとは別の様式で冗長である場合があることが理解される。第１９図のブロックＡに示された如く、ＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹの第１段階は、モジュールＷＲＩＴＥＢＵＦを呼び出し、第２０Ａ図と第２０Ｂ図に関して下記された如く、小さな物体の内点に対応するバッファー画像のピクセルに「ＣＥＮＴＥＲ」として指定された所定グレーレベル値を割り当てることである。これらの点を所定グレーレベル値で標識付けることにより、モジュールは、小さな物体の外点を含むことなく、大きな物体の正確な色相判定を可能にする。上記の例示において、物体の点が、指定され、物体の平均色相よりもむしろ、その色相が、判定される。所定点は、小さな物体と大きな物体の間の色相比較を行うための質量中心である。しかし、平均色相を算出することにより、より強壮な比較が行われる。この場合、大きな物体内に含まれる各小さな物体の平均特性属性が、使用される。第１９図のブロックＢに示された如く、ＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹの第２段階は、小さな物体の平均色相であるＨＵＥＳＭＡＬＬを算出することである。それから、大きな物体の平均色相ＨＵＥＬＡＲＧＥは、第１９図のブロックＣに示された如く、算出される。ＨＵＥＬＡＲＧＥ−ＨＵＥＳＭＡＬＬに等しい値ＤＥＬＴＡが、ブロックＤに示された如く、算出される。それから、判断記号Ｅは、ＤＥＬＴＡが「ＤＥＬＴＡＨＵＥ」よりも小さいかを判断する。「ＤＥＬＴＡＨＵＥ」は、相似性が存在するための色相の接近度を指示する所定値である。回答が否定であるならば、小さい物体の親は、第１９図のブロックＦに示された如く、大きな物体であるようにセットされ、そして小さい物体の物体形式は、第１９図のブロックＧに示された如く、ＣＨＩＬＤであるようにセットされる。それから、ＤＥＬＥＴＥが、ブロックＨに示された如く返され、そしてモジュールＣＨＥＣＫＳＩＭＩＬＡＲＩＴＹが、第１９図の長円形Ｉに示された如く、終了される。判断記号Ｅに戻って、ＤＥＬＴＡがＤＥＬＴＡＨＵＥよりも小さいならば、小さい物体の親は、ブロックＪに示された如く、大きな物体であるようにセットされ、そして小さい物体の物体形式は、ブロックＫに示された如く、相似の子であるようにセットされる。ＲＥＴＡＩＮが、ブロックＬに示された如く、返され、そしてモジュールが、Ｍで示された如く終了される。ピギーバック方式の一実現において、各第２物体、例えば、各小さい物体、の各内点の平均特性属性が、判定される。平均特性属性を使用するこの実現は、特性属性を使用するピギーバック方式の実現よりも良い比較を与える。それから、各第１物体の各内点の同じ平均特性属性が、判定される。好ましい実現において、第１物体は、大きな物体であり、第２物体は、小さい物体であり、そして平均特性属性は、平均内部色相、即ち、すべての内点の平均色相である。各物体の物体状態変数は、第１物体に関して冗長な少なくとも一つの第２物体の内点の平均特性属性に関する第１物体の内点の平均特性属性の差が、所定最小数を超えるならば、上記の如く、第１値、即ち、ＲＥＴＡＩＮＢＯＴＨ、にセットされる。こうして、好ましい実施態様において、大きな物体内に含まれた少なくとも一つの小さな物体の平均内部色相に関する大きな物体の平均内部色相の差が、所定最小数を超えるならば、第１及び第２物体の両方が、保持される。第２０Ａ図と第２０Ｂ図を参照すると、ＣＥＮＴＥＲとして指定された所定グレーレベル値を、小さな物体の内点に対応するバッファー画像のピクセルに割り当てるためのＷＲＩＴＥＢＵＦの段階が、示される。ブロックＡＡに示された如く、ＷＲＩＴＥＢＵＦの第１段階は、行と列により周囲バッファーをソートすることである。第２０Ａ図のブロックＡに示された如く、現点は、周囲バッファーの第１点にセットされ、そしてＦＩＬＬＰＲＥＶ状態が、ＦＡＬＳＥにセットされる。ＦＩＬＬＰＲＥＶは、現周囲点の直前の点のＦＩＬＬ状態値を指示する状態変数である。ＦＩＬＬＰＲＥＶ状態変数の状態値とＦＩＬＬ状態値は、現点の方向符号ベクトルと、トレースの方向により、第１４図と第１５図のＬＵＴによって決定される。それから、判断記号Ｂは、現点が周囲バッファーの最終点を超えるかを判断する。そうならば、モジュールは、長円形Ｃで示された如く、終了される。現点が、最終点を超えないならば、判断記号Ｄは、現点のＦＩＬＬＰＲＥＶ状態がＦＡＬＳＥであるかを判断する。そうならば、バッファー画像の対応点は、第２０Ａ図のブロックＥに示された如く、所定グレーレベル値ＣＥＮＴＥＲを標識付けされる。モジュールは、判断記号Ｆに進む。現点のＦＩＬＬＰＲＥＶ状態がＦＡＬＳＥに等しくないならば、モジュールは、判断記号Ｆに直接に進む。判断記号Ｆは、現点が、周囲バッファーの次点と同一であるかを判断する。そうならば、現点は、ブロックＧに示された如く、冗長点として標識付けされる。それから、判断記号Ｈは、現点と次点の状態値が、ＦＩＬＬに等しいかを判断する。そうでないならば、現点は、ブロックＭに示された如く、バッファーの次点にセットされ、そしてモジュールＷＲＩＴＥＢＵＦは、第２０Ａ図の判断記号Ｂへ復帰する。Ｂ −Ｍのループは、現点が、周囲バッファーの最終点を越えるまで継続し、この点において、モジュールは、第２０Ａ図の長円形Ｃで示された如く、終了される。判断記号Ｈに戻ると、現点の状態値がＦＩＬＬに等しいならば、モジュールは、ブロックＪに進み、そして現点と同一行の次点へ移動する。それから、判断記号Ｋは、次点の列位置座標値が、バッファーにおける次周囲点の列位置座標値以下であるかを判断する。そうならば、バッファー画像の対応点は、ブロックＬに示された如く、値ＣＥＮＴＥＲを標識付けされる。それから、モジュールＷＲＩＴＥＢＵＦは、ブロックＪに示された如く、現点と同一行の次点に移動し、そしてＪ、ＫとＬによるループが、次点の列位置座標値が、バッファーにおける次周囲点の列位置座標値以下にならなくなるまで継続する。判断記号Ｆに戻ると、現点が周囲バッファーの次点と同一でないならば、モジュールは、判断記号Ｉへ進む。判断記号Ｉは、現点の状態値がＦＩＬＬに等しいかを判断する。そうでないならば、現点は、ブロックＭに示された如く、バッファーの次点にセットされ、モジュールは、第２０Ａ図の判断記号Ｂに返り、そしてＢ−Ｉのループが、現点が周囲バッファーの最終点を越えるまで継続する。この点において、モジュールは、長円形Ｃに示された如く、終了される。判断記号Ｉに戻ると、現点の状態値が、ＦＩＬＬに等しいならば、モジュールは、ブロックＪに進み、現点と同一行の次点へ移動する。それから、判断記号Ｋは、次点の列位置座標値が、バッファーにおける次周囲点の列位置座標値以下であるかを判断する。そうならば、バッファー画像の対応点は、ブロックＬに示された如く、値ＣＥＮＴＥＲを標識付けされる。それから、モジュールＷＲＩＴＥＢＵＦは、ブロックＪに示された如く、現点と同一行の次点へ移動し、そしてＪ、ＫとＬのループが、次点の列位置座標値が、バッファーにおける次周囲点の列位置座標値以下にならなくなるまで継続する。モジュールＷＲＩＴＥＢＵＦは、判断記号Ｆに進み、現点が行における最終周囲点であるかを判断する。それが、行における最終周囲点でないならば、ＦＩＬＬＰＲＥＶ状態変数の値が、ブロックＱに示された如く、現点のＦＩＬＬ状態値にセットされる。それから、現点は、ブロックＲに示された如く、周囲バッファーの次点にセットされ、そしてＢ−Ｆのループが、現点が行における最終周囲点になるまで継続する。それが行における最終周囲点であるならば、現点は、ブロックＰに示された如く、周囲バッファーの次点にセットされ、そしてＢ−Ｐのループは、現点が周囲バッファーの最終点を越えるまで継続する。この点において、モジュールＷＲＩＴＥＢＵＦは、長円形Ｃで示された如く、終了される。第２１Ａ図と第２１Ｂ図は、上記の如く、物体の平均色相を計算するモジュールＲＥＡＤＣＯＬＯＲを記述する。第２１Ａ図のブロックＡＡに示された如く、ＲＥＡＤＣＯＬＯＲの第１段階は、行と列により周囲バッファーをソートすることである。第２１Ａ図のブロックＡに示された如く、現点は、周囲バッファーの第１点にセットされ、そしてＦＩＬＬＰＲＥＶ状態が、ＦＡＬＳＥにセットされる。ＦＩＬＬＰＲＥＶは、現周囲点の直前の点のＦＩＬＬ状態値を指示する状態変数である。ＦＩＬＬＰＲＥＶ及びＦＩＬＬ状態変数の状態値は、現点の方向符号ベクトルと、トレースの方向により、第１４図と第１５図のＬＵＴによって決定される。それから、判断記号Ｂは、現点が周囲バッファーの最終点を超えるかを判断する。そうならば、モジュールは、長円形Ｃで示された如く、終了される。現点が、最終点を超えないならば、判断記号Ｄは、現点のＦＩＬＬＰＲＥＶ状態がＦＡＬＳＥであるかを判断する。そうならば、現点は、内点として標識付けされ、そして色パラメータは、ブロックＥに示された如く、算出される。それから、モジュールは、判断記号Ｆに進む。現点のＦＩＬＬＰＲＥＶ状態が、ＦＡＬＳＥに等しくないならば、モジュールは、判断記号Ｆに直接に進む。判断記号Ｆは、現点が、周囲バッファーの次点と同一であるかを判断する。そうならば、現点は、ブロックＧに示された如く、冗長点として標識付けされる。それから、判断記号Ｈは、現点と次点の状態値が、ＦＩＬＬに等しいかを判断する。そうでないならば、現点は、ブロックＯに示された如く、バッファーの次点にセットされ、そしてモジュールＲＥＡＤＣＯＬＯＲは、第２１Ａ図の判断記号Ｂへ復帰する。Ｂ−Ｏのループは、現点が、周囲バッファーの最終点を越えるまで継続し、この点において、モジュールは、第２１Ａ図の長円形Ｃで示された如く、終了される。判断記号Ｈに戻ると、現点の状態値がＦＩＬＬに等しいならば、モジュールは、ブロックＪに進み、そして現点と同一行の次点へ移動する。それから、判断記号Ｋは、次点の列位置座標値が、バッファーにおける次周囲点の列位置座標値以下であるかを判断する。そうならば、判断記号Ｌは、現物体の物体形式が、好ましい実施態様において、この物体が大きな物体であることを意味する、「ＰＡＲＥＮＴ」であるかを判断する。そうならば、判断記号Ｍは、バッファー画像の対応点が、ＣＥＮＴＥＲと呼ばれる所定グレーレベル値を標識付けされたかを判断する。バッファー画像の対応点がＣＥＮＴＥＲと標識付けされたならば、モジュールＲＥＡＤＣＯＬＯＲは、ブロックＪに示された如く、現点と同一行の次点に移動し、そしてＪ、Ｋ、ＬとＭによるループが、バッファー画像の対応点が、ＣＥＮＴＥＲと標識付けされなくなるまで継続する。モジュールＲＥＡＤＣＯＬＯＲは、それから、第２１Ｂ図のブロックＮに行く。次点は、内点として標識付けされ、そして色パラメータが、算出される。モジュールは、それから、ブロックＪに進み、そしてＪ、ＫとＬによるループが、現物体の物体形式がＰＡＲＥＮＴに等しくない（即ち、それが大きな物体でない）ようになるまで、継続する。Ｎ、ＪとＫのループは、判断記号Ｋに示された如く、次点の列位置座標値が、バッファーの次周囲点の列位置座標値よりも大きくなるまで、継続する。モジュールＲＥＡＤＣＯＬＯＲは、判断記号Ｐに進み、現点が行の最終周囲点であるかを判断する。行の最終周囲点でないならば、ブロックＱは、ＦＩＬＬＰＲＥＶ状態変数の値を、現点のＦＩＬＬ状態値にセットする。現点は、ブロックＲに示された如く、周囲バッファーの次点にセットされ、そしてＢ−Ｐのループは、現点が行の最終周囲点になるまで、継続する。現点が、行の最終周囲点であるならば、現点は、ブロックＲに示された如く、周囲バッファーの次点にセットされ、そしてＢ−Ｐのループが、現点が周囲バッファーの最終点を越えるまで継続する。この点において、モジュールは、長円形Ｃで示された如く、終了される。判断記号Ｆに戻ると、現点が周囲バッファーの次点と同一でないならば、モジュールＲＥＡＤＣＯＬＯＲは、判断記号Ｉへ進む。判断記号Ｉは、現点の状態値がＦＩＬＬに等しいかを判断する。そうでないならば、現点は、ブロックＯに示された如く、バッファーの次点にセットされ、モジュールは、第２１Ａ図の判断記号Ｂに返る。Ｂ−Ｉのループは、現点が周囲バッファーの最終点を越えるまで継続する。この点において、モジュールは、長円形Ｃに示された如く、終了される。判断記号Ｉに戻ると、現点の状態値が、ＦＩＬＬに等しいならば、モジュールは、ブロックＪに進み、現点と同一行の次点へ移動する。それから、判断記号Ｋは、次点の列位置座標値が、バッファーにおける次周囲点の列位置座標値以下であるかを判断する。そうならば、判断記号Ｌは、現物体の物体形式がＰＡＲＥＮＴであるかを判断する。そうならば、判断記号Ｍは、バッファー画像の対応点が、ＣＥＮＴＥＲと呼ばれる所定グレーレベル値を標識付けされるかを判断する。バッファー画像の対応点が、ＣＥＮＴＥＲと標識付けされるならば、モジュールＲＥＡＤＣＯＬＯＲは、ブロックＪに示された如く、現点と同一行の次点へ移動し、そしてＪ、Ｋ、ＬとＭのループが、画像バッファーの対応点が、ＣＥＮＴＥＲと標識付けされなくなるまで、継続する。モジュールＲＥＡＤＣＯＬＯＲは、第２１Ｂ図のブロックＮに行く。次点は、内点として標識付けされ、そして色パラメータが、算出される。モジュールは、それから、ブロックＪに進み、そしてＪ、ＫとＬによるループが、現物体の物体形式がＰＡＲＥＮＴに等しくない（即ち、それが大きな物体でない）ようになるまで、継続する。Ｎ、ＪとＫのループは、判断記号Ｋに示された如く、次点の列位置座標値が、バッファーの次周囲点の列位置座標値よりも大きくなるまで、継続する。モジュールＲＥＡＤＣＯＬＯＲは、判断記号Ｐに進み、現点が行の最終周囲点であるかを判断する。行の最終周囲点でないならば、ブロックＱは、ＦＩＬＬＰＲＥＶ状態変数の値を、現点のＦＩＬＬ状態値にセットする。現点は、ブロックＲに示された如く、周囲バッファーの次点にセットされ、そしてＢ− Ｐのループは、現点が行の最終周囲点になるまで、継続する。現点が、行の最終周囲点であるならば、現点は、ブロックＲに示された如く、周囲バッファーの次点にセットされ、そしてＢ−Ｐのループが、現点が周囲バッファーの最終点を越えるまで継続する。この点において、モジュールは、長円形Ｃで示された如く、終了される。第１及び第４実施態様の特定の実現において、画像において潜在的に冗長な物体のグループを識別する段階は、物体と背景の像を発生する下位段階を含む。背景は、一定又は可変である。第１及び第４実施態様の方法を実現するために使用されたハードウェアは、像が発生される時、最初に初期化されなければならない。物体と背景の像は、カメラによって発生される。ＣＣＤカメラが、一般に、本発明で使用されるが、任意の形式のカメラが、本発明の一般原理に反することなく使用される。像は、それから、フレームグラバー又はビデオデジタイザーによってデジタル化及び記憶される。本発明の方法はまた、複数の副空間を含む、像を表現するデータ空間を規定する段階を具備する。データ空間は、妥当物体の少なくとも一つの所定の属性値に基づく。代替的に、データ空間は、前に識別された物体の少なくとも一つの所定の属性値に基づく。さらに、データ空間は、画像のグレーレベル値を具備する。ヒストグラムは、像の各点に関連したグレーレベル値を構成する一次元データ空間の例である。この例は、下記の好ましい実現としてさらに詳細に説明される。代替的に、データ空間は、像の色空間を具備する。この色空間は、Ｒ、Ｇ、Ｂ色空間、または、ＬＡＢ色空間である。そのような色空間は、３次元データ空間の例である。代替的に、データ空間は、像のグレーレベル値の変換から生ずる空間を具備する。この合成空間は、例えば、コントラスト、色相の大きさ、又は縁強度である。この段落において記載されたデータ空間は、例示のみであり、本発明の範囲は、これらの例に限定されない。第１及び第４実施態様の好ましい実現において、画像において潜在的に冗長な物体のグループを識別する段階はまた、全画像を表現するヒストグラムを発生する下位段階を具備し、この場合、グレーレベルヒストグラムは、エントロピー関数を有する。しきいグレーレベル値は、ヒストグラムのエントロピー関数が最大化される如く、エントロピー的に選択される。モジュールＨＩＳＴＯＧＲＡＭは、像の対象領域のグレーレベルヒストグラムを発生するために使用される。グレーレベルヒストグラムを発生するための段階は、第２２図の流れ図において示される。第２２図のブロックＡに示された如く、ＨＩＳＴＯＧＲＡＭは、まず、画像の対象領域のヒストグラムを算出する。それから、第２２図のブロックＢに示された如く、各グレーレベルｓに対して、エントロピー関数Ｈ_sの算出において続いて使用される値を算出する。この算出の結果は、ブロックＣに示された如く、メモリに記憶される。これは、エントロピーしきいグレーレベルの続く算出のために、単純な索引作業のみが要求されることを保証する。第１及び第４実施態様の方法はまた、少なくとも一つの副空間を選択する段階を含む。この段階は、第１図のブロックＣに示される。副空間は、データ空間の有界部分である。即ち、それは、全データ空間にわたらない。副空間は、一対のグレーレベル値か、または、グレーレベル値の範囲である。さらに、副空間は、例えば、グレーレベル値又はカラーパラメータがそれぞれの空間において集群する方法に基づいて、選択されるが、副空間が、これらの例に限定されないことが注目される。第１及び第４実施態様の好ましい実現において、方法はまた、ヒストグラムのエントロピー関数が、最大化される如く、しきいグレーレベル値をエントロピー的に選択することを含む。画像のグレーレベルヒストグラムを分析するためにエントロピーを使用する思想は、元来、論文”ＥｎｔｒｏｐｉｃＴｈｒｅｓｈｏｌｄｉｎｇ，ａＮｅｗＡｐｐｒｏａｃｈ”，Ｃｏｍｐ．ＧｒａｐｈｉｃｓａｎｄＩｍａｇｅＰｒｏｃ．，Ｖｏｌ．１６，１９８１，ｐｐ．２１０−２３９においてＰｕｎによって提案された。Ｐｕｎのエントロピー分析は、論文” ＡＮｅｗＭｅｔｈｏｄｆｏｒＧｒｅｙ−ＬｅｖｅｌＰｉｃｔｕｒｅＴｈｒｅｓｈｏｌｄｉｎｇＵｓｉｎｇｔｈｅＥｎｔｒｏｐｙｏｆｔｈｅＨｉｓｔｏｇｒａｍ”，Ｃｏｍｐ．ＧｒａｐｈｉｃｓａｎｄＩｍａｇｅ．Ｐｒｏｃ．２９，１９８５，ｐｐ．２７３−２８５においてＫａｐｕｒ他によってさらに洗練された。代替的に、自動計算エントロピーしきいは、論文”ＥｎｔｒｏｐｉｃＴｈｒｅｓｈｏｌｄｉｎｇ”，ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．１６，１９８９，ｐｐ．９７−１０８においてＰａｌａｎｄＰａｌによって記載された如く、共発生マトリックスから決定される。本発明で使用されたようなしきいグレーレベルをエントロピー的に選択する段階は、第２３図に示された如く、ＥＮＴＲＯＰＹモジュールによって行われる。第２３図のブロックＡに示された如く、ヒストグラムのエントロピー関数を最大化する第１段階は、最大エントロピー関数を最小値に初期化することである。第１及び第４実施態様の好ましい実現において、画像の複数のグレーレベル上側及び下側ヒストグラムを発生する段階が、提供される。各グレーレベル上側及び下側ヒストグラムは、それぞれのエントロピー関数を有する。しきいグレーレベルをエントロピー的に選択する段階は、各グレーレベル値におけるグレーレベルヒストグラムを第１区分と第２区分に順次に区分化する下位段階を含む。変化する背景における単一の単純物体が識別される単純な場合を示すために、画像のグレーレベルヒストグラムが、第２４図に示される。第１及び第２区分が、第２４図のヒストグラムにおいて示され、この場合、背景のグレーレベル値は、第１区分Ａによって表現され、そして妥当物体のグレーレベルは、第２区分Ｂによって表現される。ＥＮＴＲＯＰＹモジュールにおいて、区分化しきいグレーレベル値は、第２３図のブロックＢに示された如く、最小値に初期化される。画像において潜在的に冗長な物体のグループを識別する段階はまた、各ヒストグラムのエントロピー関数が最大化される如く、各上側及び下側ヒストグラムに対して複数のしきいグレーレベル値をエントロピー的に選択する下位段階を具備する。しきいグレーレベルをエントロピー的に選択する段階はまた、各区分に対してエントロピー関数を計算する下位段階を含み、この場合、ヒストグラムの全エントロピー関数は、第１区分Ａのエントロピー関数Ｈ_s（Ａ）と第２区分Ｂのエントロピー関数Ｈ_s（Ｂ）の合計として定義される。この段階は、第２３図のブロックＣに示され、そして次の如く数学的に表現される。所与のしきいグレーレベル値ｓに対して、こうして、そのため、同様に、ここで、そして合計Ｈ_s（Ａ）＋Ｈ_s（Ｂ）は、画像のグレーレベルヒストグラムの全エントロピー関数を表現する。最大エントロピーしきいグルーレベルは、全エントロピー関数を最大にするｓの値である。第２３図の判断記号Ｄは、ヒストグラムのエントロピー関数が、ブロックＡにおいて初期化された最大エントロピー関数よりも大きいかを判断する。そうならば、最大エントロピー関数は、第２３図のブロックＥに示された如く、区分化しきいグレーレベルを使用して更新される。それから、最大エントロピーしきいグレーレベル値は、ブロックＦに示された如く、区分化しきいグレーレベル値にセットされる。最大エントロピーしきいグレーレベル値がセットされた後、又はヒストグラムのエントロピー関数が最大エントロピー関数よりも大きくないならば、第２３図に示された如く、ＥＮＴＲＯＰＹモジュールの判断記号Ｇは、区分化しきいグレーレベル値が、最大しきいグレーレベル値に等しいかを判断する。そうならば、最大エントロピーしきいグレーレベル値が、第２３図のブロックＨに示された如く返される。そうでないならば、区分化しきいグレーレベル値が、第２３図のブロックＩに示された如く増分され、そして増分された区分化しきいグレーレベル値が、ブロックＣに返され、ここで、増分された区分化しきいグレーレベル値のエントロピー関数が計算される。Ｃ−Ｇによるループは、区分化しきいグレーレベル値が最大しきいグレーレベル値に等しくなり、この点において、最大エントロピーしきいグレーレベル値がブロックＨに示された如く返されるまで反復される。確率分布は、各区分内にグレーレベル値のみを含むようにＨ_s（Ａ）とＨ_s（Ｂ）において再正規化される。この再正規化により、最大エントロピー関数は、第２４図においてＴで示された如く、グレーレベルヒストグラムにおける物体ピーク縁においてちょうど発生する。こうして、新しきいグレーレベル値が、ヒストグラムのエントロピー関数が最大化される如く選択される。第２４図に示された単純な場合に対するしきい値のこの最大選定により、背景の再正規化分布は、最低ピークになり、最も一様になる。背景区分におけるグレーレベル値の数は物体区分におけるグレーレベル値の数よりもずっと大きいために、ヒストグラムの全エントロピー関数は、背景のエントロピー関数によって支配される。第１及び第４実施態様の方法はまた、各選択副空間を使用して、候補物体の少なくとも一つの表現に対して画像を多重に走査する段階を含む。この段階は、副空間の各々を同時に使用して、画像を一度走査するか、または、各走査に対して選択副空間を使用して、多重回、画像を走査することを具備する。第１及び第４実施態様の好ましい実現において、画像において潜在的に冗長な物体のグループを識別する段階はまた、少なくとも一つの候補物体に対して自動的に選択されたしきいグレーレベル値を使用して、画像を探索する下位段階を具備する。候補物体は、少なくとも一つの候補物体属性値を有する。探索段階は、さらに、エントロピー的に選択されたしきいグレーレベル値を使用して、少なくとも一つの物体に対して画像を走査する下位段階を含む。さらに具体的には、走査された画像の部分は、複数のピクセルを具備し、各ピクセルは、上限と増分の合計よりも小さなグレーレベル値を有する。幾つかの応用において、増分は、ゼロにセットされる。上限はまた、表記ＭＡＸを有する。増分は、探索される領域の最大グレーレベル値ＭＡＸと探索される領域の最小グレーレベル値ＭＩＮの間の差に等しく、新最大グレーレベル値ＧｒａｙｌｅＶｅｌ_maxに帰着する。Ｇｒａｙｌｅｖｅｌ_max＝２×ＭＡＸ−ＭＩＮ（７）グレーレベル値がｇｒａｙｌｅｖｅｌ_maxを超える画像の領域は、探索において無視される。探索段階は、さらに、エントロピー的に選択されたしきいグレーレベル値によって決定された境界グレーレベル値を有する候補物体をトレースする下位段階を具備する。第１実施態様の探索段階は、第２５図に示されたモジュールＳＥＡＲＣＨＩＭＡＧＥ、第２６図に示されたモジュールＦＩＮＤＯＢＪＥＣＴと第２７Ａ〜２７Ｂ図に示されたモジュールＴＲＡＣＥＯＢＪＥＣＴによって行われる。第２５図のブロックＡによって示された如く、ＳＥＡＲＣＨＩＭＡＧＥの第１段階は、探索位置を初期化することである。モジュールＳＥＡＲＣＨＩＭＡＧＥは、エントロピー的に選択された現しきいグレーレベル値により、対象領域を探索する。それから、第２５図の判断記号Ｂは、探索位置が走査の終端であるかを判断する。そうならば、ＳＥＡＲＣＨＩＭＡＧＥは、終了される。探索位置が、走査の終端でないならば、モジュールＳＥＡＲＣＨＩＭＡＧＥは、モジュールＦＩＮＤＯＢＪＥＣＴを使用して、エントロピー的に選択されたしきいグレーレベル値を越えるグレーレベル値を有する点を見つけるまで、現在のエントロピー的に選択されたしきいグレーレベルを有する対象領域を探索する。背景よりも暗い物体を識別するために、画像は、発生された直後に反転される。そのような点は、新物体の第１点である。第２５図の判断記号Ｄは、新物体が、モジュールＦＩＮＤＯＢＪＥＣＴを使用して見つけられたかを判断する。物体が、現探索においてまだ探索されていないならば、モジュールＳＥＡＲＣＨＩＭＡＧＥは、第２５図のブロックＥによって示された如く、モジュールＴＲＡＣＥＯＢＪＥＣＴをランさせることにより、物体をトレースすることに進む。物体が、トレースされた後、探索位置は、第２５図のブロックＦに示された如く、増分される。Ｂ−Ｆによるループは、モジュールＳＥＡＲＣＨＩＭＡＧＥが判断記号Ｂによって示された如く探索の終端になるまで継続される。代替的に、新物体が判断記号Ｄによって示された如く検出されないならば、探索位置は、ブロックＦにおいて示された如く増分され、こうして、トレース段階をバイパスし、そしてＢ−Ｉによるループが、ＳＥＡＲＣＨＩＭＡＧＥが探索の終端になるまで継続される。モジュールＦＩＮＤＯＢＪＥＣＴの段階は、第２６図に示される。ＦＩＮＤＯＢＪＥＣＴにおける第１段階は、ブロックＡに示された如く、探索される画像の現位置に探索位置を初期化することである。それから、判断記号Ｂは、探索位置が物体の内側にあるかを判断する。そうならば、探索位置が、ブロックＣによって示された如く増分され、そして判断記号Ｄは、ＦＩＮＤＯＢＪＥＣＴがその探索の終端にあるかを判断する。そうならば、新物体はブロックＥにおいて示された如く検出されない。そうでないならば、判断記号Ｂは、増分された探索位置が物体の内側にあるかを判断する。Ｂ−Ｅによるループのプロセスは、探索位置が物体の内側になくなるまで継続する。この点において、判断記号Ｆは、次物体が検出されたかを判断する。そうでないならば、探索位置は、第２６図のブロックＧにおいて示された如く増分され、そして判断記号Ｈは、ＳＥＡＲＣＨＩＭＡＧＥモジュールが探索の終端にあるかを判断する。そうならば、新物体非検出が、ブロックＩによって示された如く返される。そうでないならば、判断記号Ｆは、次物体が増分探索位置を使用して検出されたかを再び判断する。Ｆ−Ｉによるループのプロセスは、次物体が検出されるまで継続する。判断記号Ｊは、検出された物体がすでにトレースされたかを判断する。そうならば、新物体検出が、ブロックＫによって示された如く返される。検出された物体がまだトレースされていないならば、探索位置が、ブロックＬによって示された如く更新され、そして新物体検出が、第２６図のブロックＭによって示された如く返される。上記の如く、ＳＥＡＲＣＨＩＭＡＧＥ、ＦＩＮＤＯＢＪＥＣＴとＴＲＡＣＥＯＢＪＥＣＴをランさせることにより、第２６図のブロックＭにおいて返された物体は、第２６図の判断記号Ｄに返される。ＴＲＡＣＥＯＢＪＥＣＴモジュールの基本原理は、”ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ” ｂｙＲａｆａｅｌＣ．ＧｏｎｚａｌｅｚａｎｄＰａｕｌＷｉｎｔｚ、ＳｅｃｏｎｄＥｄ．、Ａｄｄｉｓｏｎ−ＷｅｓｌｅｙＰｕｂｌｉｓｈｉｎｇＣｏｍｐａｎｙ、Ｒｅａｄｉｎｇ、Ｍａｓｓａｃｈｕｓｅｔｔｓ（１９８７）において記載されたものに類似する。第２７Ａ図のブロックＡに示された如く、ＴＲＡＣＥＯＢＪＥＣＴモジュールにおける第１段階は、候補物体属性値を初期化することである。それから、ＴＲＡＣＥＯＢＪＥＣＴモジュールは、近隣周囲点が検出されたかを判断記号Ｂにおいて判断する。そうでないならば、トレースされた物体は、ブロックＣによって示された如く、無効である。近隣周囲点が検出されたならば、判断記号Ｄは、ＴＲＡＣＥＯＢＪＥＣＴモジュールが候補物体の第１周囲点にあるかを判断する。そうでないならば、候補物体属性値は、第２７Ａ図のブロックＥに示された如く更新される。それから、Ｂ−Ｅによるループが、ＴＲＡＣＥＯＢＪＥＣＴモジュールが候補物体の第１周囲点になるまで、更新された候補物体属性値を使用して、反復される。それから、質量中心座標と極点の行位置及び列位置座標値が、第２７Ａ図のブロックＦにおいて示された如く算出される。それから、判断記号Ｇは、質量中心が内点であるかを判断する。そうならば、トレースされた物体は、ブロックＨに示された如く無効である。判断記号Ｇの回答が肯定であるならば、モジュールは、判断記号Ｉへ行き、候補物体面積が大きすぎるかを判断する。そうならば、トレースされた物体は、第２７Ａ図のブロックＪに示された如く、無効である。候補物体面積が大きすぎないならば、形状因子が、第２７Ｂ図のブロックＫにおいて示された如く算出される。形状因子の定義は、識別される物体の幾何形状により、変化する。例えば、円形物体に対する形状因子の定義は、形状因子＝１−ｐ²／４πＡ（８）である。ここで、ｐは候補物体の周囲長であり、Ａは候補物体の面積である。それから、ＴＲＡＣＥＯＢＪＥＣＴは、形状因子が第２７Ｂ図の判断記号Ｌにおいて示された如くドライバーに含められる所定範囲内にあるかをチェックする。形状因子が所定範囲内に入らないならば、トレースされた物体は、第２７Ｂ図のブロックＭによって示された如く無効である。形状因子が所定範囲内に入るならば、候補物体は、ブロックＮに示された如く、カーネルによって維持される妥当物体リストに追加される。第１及び第４実施態様の画像において潜在的に冗長な物体のグループを識別する段階はまた、潜在的に冗長な物体を識別するために、妥当物体の所定属性値を有する候補物体を妥当化する下位段階を具備する。この下位段階は、潜在的に冗長な物体を識別するために行われる。妥当化段階は、候補物体の属性値を算出する下位段階と、候補物体を妥当化するために、候補物体の属性値を妥当物体の所定属性値と比較する下位段階とを含む。算出下位段階は、さらに、候補物体の属性値を記憶する下位段階を含む。妥当化下位段階の一部は、ＴＲＡＣＥＯＢＪＥＣＴモジュールによって行われる。ここで記載された本発明の第１実施態様において、ＴＲＡＣＥＯＢＪＥＣＴは、妥当物体の所定属性値として、大きさ及び形状因子のみを使用する。一般に、他の属性値も、妥当物体の所定属性値に対して使用される。候補物体を妥当化するために、本発明の方法は、ドライバーと、候補物体を妥当化するためのカーネルを使用する。ドライバーは、妥当物体の属性値を記憶し、この場合、各値は、例えば、色、縁コントラスト、面積、形状等の妥当物体の定義を表現する。本発明のドライバーは、所与の応用に特定である。オブジェクト指向環境において、大きさ、形状、色等の、属性リストを介して物体を記述することは、多くの事例において直接的である。簡単なパラメータ記述が可能でない複雑な物体に対して、物体を識別するために、ドライバーにおいて神経網を使用することができる。候補物体から導出されたパラメータは、特定物体を認識するように養成された神経網へ送られる。この点において、本発明のアーキテクチャーは、脳と眼の間にフィードバックループがある神経視覚アーキテクチャーに類似し始める。本発明において、高次ドライバーは、低次カーネルと織り合わされる。この場合、物体のより複雑な記述は、さらに多くの候補物体を識別する探索プロセスを駆動するために使用される。ドライバーは、カーネルを駆動する。カーネルは、幾つかの機能を行う。それは、エントロピー的に選択されたしきいグレーレベル値を算出し、画像を探索し、候補物体に対して属性値を算出する。さらに、それは、上記の如く、ドライバーにおいて含まれた妥当物体の所定の属性値と候補物体の属性値を比較することにより、候補物体について妥当性検査を行う。こうして今まで記載されたエントロピーしきい方法は、スクリーニングプロセスと呼ばれる。例えば、それは、食料又は血液又は土壌試料において病原菌の存在を調べるために使用される。スクリーニングプロセスは、肯定否定回答に帰着する。絶対数量化は必要ではない。この場合、本発明の方法は、非中空物体内に含まれた中空物体の如く、相互に包含された物体を識別するために使用される。より厳格な識別プロセスに対して、エントロピーしきい化を再帰的に適用することが、必要である。そうすることにより、探索と妥当化は、再帰的に行われる。これらの段階が行われる時、第１実施態様の方法は、すべての物体に対する再帰的探索が完了した後、物体の多重識別を解消する。エントロピーしきい化の再帰バージョンは、さらに、上限と下限としてヒストグラムのエントロピー関数を最大化するように選択されたエントロピーしきいグレーレベルを使用して、グレーレベルヒストグラムを上側ヒストグラムと下側ヒストグラムに細分する段階を具備する。選択、探索、妥当化及び細分段階は、上側及び下側ヒストグラムの各々に対して再帰的に繰り返される。選択段階の反復は、次に連続するエントロピーしきいグレーレベルを選択し、これにより、所定最小数の新妥当物体が識別されるまで、妥当物体を識別するためにグレーレベルヒストグラムを再帰的に区分化する。この応用の好ましい実現において、所定最小数はゼロである。しかし、完全な識別が必要ではない時の如く、所定数がゼロよりも大きい場合がある。さらに、最小グレーレベル区分幅の如く、他の基準も、再帰を停止させるために選択される。第２８Ａ〜２８Ｃ図は、ヒストグラムを上側ヒストグラムと下側ヒストグラムに細分する概念を示す。原ヒストグラムは、第２８Ａ図に示される。第２８Ａ図においてＴで示されたＴＨＲＥＳＨは、探索される最小グレーレベルと探索される最大グレーレベルの間のグレーレベル領域に対応する、グレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベルである。第２８Ａ図に示された如く原ヒストグラムに対して、探索される最小グレーレベルは、ゼロであり、そして探索される最大グレーレベルはＭＡＸである。Ｂにおいて示されたＴＨＲＥＳＨＨＩは、ＴＨＲＥＳＨとＭＡＸの間のグレーレベル領域に対応する、グレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベルである。Ａにおいて示されたＴＨＲＥＳＨＬＯは、ゼロとＴＨＲＥＳＨの間のグレーレベル領域に対応するグレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベルである。エントロピーしきい方法の再帰バージョンにより、細分、選択、探索及び妥当性段階が、再帰的に反復される。再帰とは、ヒストグラムを上側及び下側ヒストグラムに連続的に分割し、各上側ヒストグラムを探索し、上側ヒストグラムは、それ自体、上側ヒストグラムにおいて検出された新妥当物体の数が所定最小数以下になるまで、新妥当物体に対して上側及び下側ヒストグラムに連続的に分割され、そして続いて、最も最近に探索された上側ヒストグラムに対応する各下側ヒストグラムを探索し、下側ヒストグラムは、それ自体、下側ヒストグラムにおいて検出された新妥当物体の数が、所定最小数以下になるまで、上側及び下側ヒストグラムに連続的に分割されるプロセスを意図する。上側ヒストグラムは、第２８Ｂ図に示される。細分段階の反復は、上側ヒストグラムを第２８Ｂ図に示された次に連続する上側及び下側ヒストグラムに細分する。上側ヒストグラムの選択段階の反復は、第２８Ｂ図においてＢで示された如く、次に連続する上側エントロピーしきいグレーレベル値を選択する。こうして、原ヒストグラムにおいてＴＨＲＥＳＨＨＩであった点Ｂは、上側ヒストグラムのしきい値又はＮＥＸＴＵＰＰＥＲＴＨＲＥＳＨになる。第２８Ｂ図において、探索される最小グレーレベル値は、今、ＴＨＲＥＳＨであり、そして探索される最大グレーレベル値は、今、ＭＡＸである。Ｃで示されたＮＥＸＴＵＰＰＥＲＴＨＲＥＳＨＨＩは、Ｂと５ＭＡＸの間のグレーレベル領域に対応する、グレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベル値である。Ｄにおいて示されたＮＥＸＴＵＰＰＥＲＴＨＲＥＳＨＬＯは、ＴＨＲＥＳＨとＢの間のグレーレベル領域に対応する、グレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベル値である。それから、選択、操索及び妥当化段階が、エントロピーしきいグレーレベル値として、次に連続する上側エントロピーしきいグレーレベル値Ｂを使用して再帰的に反復される。第２８Ｃ図は、下側ヒストグラムを示す。細分段階の反復は、第２８Ｃ図に示された如く、下側ヒストグラムを次に連続する上側及び下側ヒストグラムに細分する。下側ヒストグラムに対する選択段階の反復は、第２８Ｃ図においてＡで示された如く、次に連続する下側エントロピーしきいグレーレベル値を選択する。こうして、原ヒストグラムにおいてＴＨＲＥＳＨＬＯであった点Ａは、区分化下側ヒストグラムのしきい値、即ちＮＥＸＴＬＯＷＥＲＴＨＲＥＳＨになる。第２８Ｃ図において、探索される最小グレーレベル値は、今、ゼロであり、そして探索される最大グレーレベル値は、今、ＴＨＲＥＳＨである。Ｅで示されたＮＥＸＴＬＯＷＥＲＴＨＲＥＳＨＨＩは、ＡとＴＨＲＥＳＨの間のグレーレベル領域に対応する、グレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベル値である。Ｆで示されたＮＥＸＴＬＯＷＥＲＴＨＲＥＳＨＬＯは、ゼロとＡの間のグレーレベル領域に対応する、グレーレベルヒストグラムのエントロピー的に選択されたしきいグレーレベル値である。それから、選択、探索及び妥当化段階が、エントロピーしきいグレーレベル値として、次の連続する下側エントロピーしきいグレーレベル値Ａを使用して、下側ヒストグラムに対して再帰的に反復される。第２９図に示された如くＡＮＡＬＹＺＥモジュールは、第１実施態様に対して使用された如く、エントロピーしきい方法の再帰バージョンのコア再帰カーネルを構成する。ＡＮＡＬＹＺＥモジュールは、候補物体の事例を探索するために、グレーレベル空間における特定領域に有効にズームインし、ヒストグラムを再帰的に区分化する。第２９図に示された如く、ＡＮＡＬＹＺＥモジュールにおける第１段階は、第２９図のブロックＡにおいて示された如く、上記のエントロピー的に選択されたしきいグレーレベル値ＴＨＲＥＳＨ、ＴＨＲＥＳＨＨＩとＴＨＲＥＳＨＬＯを算出することである。ブロックＢに示された如く、モジュールＳＥＡＲＣＨＩＭＡＧＥは、上側ヒストグラムに含められたグレーレベル値を使用してランされる。それから、判断記号Ｃは、新妥当物体の数が、所定最小数よりも大きいかを判断する。そうならば、モジュールＡＮＡＬＹＺＥは、上側ヒストグラムにおいて再帰的にランされる。検出された妥当物体数が、所定最小数よりも大きくないならば、モジュールＳＥＡＲＣＨＩＭＡＧＥが、ブロックＥにおいて示された如く、下側ヒストグラムに含められたグレーレベル値を使用して、再びランされる。それから、判断記号Ｆは、検出された新妥当物体の数が所定最小数よりも大きいかを判断する。そうならば、ＡＮＡＬＹＺＥは、ブロックＧにおいて示された如く、下側ヒストグラムにおいて再帰的にランされる。そうでないならば、ＡＮＡＬＹＺＥは、ランを停止し、そして妥当物体が、第２９図のブロックＨに示された如く返される。本発明により、再帰的プロセス中、妥当化段階においてチェックされる属性の数の範囲の選択には、許容性がある。本発明の第１及び第４実施態様により、画像において物体の冗長同定を解消するための画像分析システムが提供される。本発明のシステムのブロック図が、第３０図において示される。画像において物体の冗長同定を解消するためのシステムは、第３０図において一般に１０で示される。第１及び第４実施態様のシステムは、物体と背景の像を発生するための手段を具備する。第３０図に示された如く、物体と背景の像を発生するための手段は、カメラ１２を具備する。ＣＣＤカメラが、一般に本発明で使用されるが、任意の形式のカメラが、上記の如く、本発明の一般原理に反することなく使用される。第１及び第４実施態様のシステムはまた、画像をデジタル化し、記憶するための手段を具備する。画像をデジタル化し、記憶するための手段は、第３０図に示された如く、フレームグラバー１４を具備する。フレームグラバーは、画像処理技術において当業者には公知な如く、一つのフレームにおいてビデオ画像をデジタル化し、記憶する。代替的に、画像をデジタル化し記憶するための手段は、必ずしも一フレームではないが、画像をデジタル化し記憶するビデオデジタイザーを具備する。本発明のシステムは、さらに、画像を表示するための手段を具備する。画像を表示するための手段は、第３０図に示された如く、モニター１６を具備する。第１及び第４実施態様のシステムはまた、コンピュータ手段を具備する。コンピュータ手段は、第３０図に示された如く、コンピュータシステム１８を具備する。コンピュータシステムは、中央演算処理装置（ＣＰＵ）とメモリを具備する。コンピュータ手段はまた、第３０図に示された如く、ドライバー２０、カーネル２２と後走査フィルター２６を含む。ドライバー２０は、非冗長物体の定義を記憶する。エントロピーカーネル２２は、エントロピーしきいを算出し、少なくとも一つの潜在的に冗長な物体に対して画像を探索し、そして冗長な物体を識別する。非冗長物体は、第３０図において箱２４で表現される。ドライバーとカーネルは、メモリに組み込まれたソフトウェアを具備する。代替的に、ドライバーとカーネルは、ソフトウェアが検索されるプログラマブル読み取り専用メモリ（ＰＲＯＭ）にプログラムされる。箱２８は、第４Ａ〜４Ｅ図に関して上述された如く、モジュールＦＩＬＴＥＲＯＢＪＥＣＴＳによって行われる冗長検査体系を指定する。後走査フィルターは、第３０図において２６で示され、非冗長物体のいっそうの妥当化を行う。本発明の第２実施態様により、画像において各識別物体の冗長同定を解消する方法が、提供される。この方法は、冗長度をチェックするための迅速かつ簡単な手段を提供する。第２実施態様の方法は、画像が多重回探索される時、及び単一物体の多重表現が識別される時、特に有益である。第２実施態様の方法は、すべての物体の再帰探索が完了された後、物体の多重識別を解消する。第１実施態様と同様に、第２実施態様の方法は、代替的に、画像の単一探索のみが行われる時、中空又はドーナッツ状物体に対して有益である。さらに、第２実施態様の方法は、他の画像分析方法が単一物体を識別した幾つかの物体を解消する際に貴重であることが判明した。第３０図において使用された如くシステムは、第２実施態様の方法を実施するために使用される。第２実施態様の方法の段階は、一般に第３１図において示される。方法は、潜在的に冗長な物体のグループを識別する段階を具備する。この段階は、第３１図のブロックＡに示される。この段階は、第１実施態様に関して上述された如く、様々な仕方において行われる。第２実施態様の方法はまた、２つの識別された物体の面積を比較する段階を具備する。この段階は、第３１図のブロックＢに示される。物体の一方は、他方の物体に比較して相対的に大きな物体として指定され、そして他方の物体は、大きな物体に比較して、相対的に小さな物体として指定される。方法はまた、小さな物体が大きな物体内に含まれるかを判定する段階を具備する。この段階は、第３１図のブロックＣに示される。この段階は、第５図に関して上述された如くボックステストと、第６図に関して上述されたモジュールＳＥＴＳＴＡＴＵＳによって行われる。具体的には、この判定段階は、大きな物体の４つの極点を決定することにより行われ、この場合、各極点は、行位置座標値と列位置座標値を有する。この段階は、上記の第２７Ａ〜２７Ｂ図に関して記載された如く行われる。判定段階はまた、４つの極点の行位置座標値と列位置座標値を使用して、大きな物体を境界付ける矩形を構成することにより行われる。この段階は、上記の如く、第５図と第６図に関して記載された如く行われる。第２実施態様の方法は、さらに、小さな物体の所定点が矩形内に含まれるならば、小さな物体を、大きな物体内に含まれるとして指定し、これにより、画像において各識別物体の冗長同定を解消する段階を具備する。この段階は、上記の第５図と第６図に関して記載された如く行われる。所定点は、次の両条件が満たされるならば、大きな物体を境界付ける矩形内に含まれる。まず、小さな物体の所定点の行位置座標値は、大きな物体を境界付ける矩形の行位置座標値の最小値と最大値の間にある。第２に、小さな物体の所定点の列位置座標値は、大きな物体を境界付ける矩形の列位置座標値の最小値と最大値の間にある。これは、第７図と第１３図に関して記載された如く判定される。さらに、本発明の第３実施態様により、背景において少なくとも一つの所定属性値を有する妥当物体の冗長同定を解消するための方法が、提供される。第３実施態様の方法は、多重探索の終端において冗長検査を行う第１及び第２実施態様と対照的に、再帰の如く多重探索の各段において妥当化を行うことで、冗長検査を行う。第３実施態様の方法は、画像が多重回探索される時、及び単一物体の多重表現が識別される時、特に有益である。代替的に、第１及び第２実施態様と同様に、第３実施態様の方法は、画像の単一探索のみが行われる時、中空又はドーナッツ状物体を識別するために有益である。さらに、第３実施態様の方法は、第１実施態様と同様に、他の画像分析方法が単一物体を識別した幾つかの物体を解消する際に貴重であることが判明した。第３２図は、本発明の第３実施態様の全方法を示すブロック図である。第３２図のブロックＡに示された如く、第３実施態様の方法の第１段階は、物体と背景の画像を発生することである。この段階は、第１実施態様に関して記載された如く、行われる。第３実施態様の冗長解消方法はまた、画像のグレーレベルヒストグラムを発生する段階を具備し、この場合、グレーレベルヒストグラムは、エントロピー関数を有する。この段階は、第３２図のブロックＢに示され、第２２図に関して記載された如く、行われる。第３実施態様の冗長解消方法はまた、ヒストグラムのエントロピー関数が最大化される如く、しきいグレーレベル値のエントロピー的に選択する段階を具備する。この段階は、第３２図のブロックＣに示され、第２３図に関して記載された如く行われる。第３実施態様の冗長解消方法はまた、少なくとも一つの候補物体に対してエントロピー的に選択されたしきいグレーレベル値を使用して、画像を探索する段階を具備し、この場合、候補物体は、少なくとも一つの候補物体属性値を有する。この段階は、第３２図のブロックＤに示され、第２５〜２７図に関して記載された如く行われる。第３実施態様の冗長解消方法はまた、妥当物体を識別するために、妥当物体の所定属性値を有する候補物体を妥当化することを含む。この段階は、第３２図のブロックＤに示され、第２５〜２７図に関して記載された如く行われる。第３実施態様の方法において、再帰プロセス中、各走査の後、冗長検査を行う。各走査の後に冗長検査下位段階を行うために、妥当物体は、均質又は非均質として分類される。ここで、均質性は、内点のグレーレベル値の一様性を言う。非均質物体は、カラーコロニーが識別される下記の例において記載される。妥当物体はまた、さらに、比較的大きな妥当物体又は小さな妥当物体として分類される。加えて、妥当物体は、別の妥当物体に含まれる（内部妥当物体）か、又は別の妥当物体に含まれない（外部妥当物体）として分類される。本発明の第３実施態様により、妥当化段階は、非均質物体の冗長同定を解消するために行われる。その時、妥当化段階は、大きな物体が、２つ以上の小さな物体を含む時、大きな物体を削除する下位段階を含む。また、冗長検査下位段階が、非均質妥当物体を削除するために行われる時、妥当物体を識別する方法はまた、大きな妥当物体と小さな妥当物体の平均縁コントラストを算出する下位段階を含む。大きな物体と小さな物体の平均縁コントラストを算出する下位段階は、第３３図において以下に記載された如く、モジュールＥＤＧＥＣＯＮＴＲＡＳＴによって行われる。大きな物体がただ一つの小さな物体を含む時、小さな縁コントラストを有する物体を削除する下位段階は、非均質妥当物体に対して、第３４Ａ〜３４Ｄ図において示された如く、モジュールＣＨＫＬＩＳＴによって行われる。小さな物体と大きな物体の縁コントラストを算出するために、極点が、まず、算出されなければならない。これは、第２７Ａ〜２７Ｂ図に関して例証されたモジュールＴＲＡＣＥＯＢＪＥＣＴによって行われる。各極点に対して、極点と近隣極点の間の局所グレーレベル値差が、算出される。小さくても大きくても、物体の縁コントラストが、極点の各々のグレーレベル差の合計であるように算出される。これらの段階は、第３３図の流れ図において例証された如く、モジュールＥＤＧＥＣＯＮＴＲＡＳＴによって行われる。縁コントラストを算出するために、第５図と第１２図において例証された如く、物体の４つの極点は、第１１図に関して上述された如く、モジュールＧＥＴＰＥＲＩＭによって決定される。第３３図のブロックＡに示された如く、現極点は、第１極点にセットされ、そして縁コントラストは、ゼロにセットされる。判断記号Ｂは、現極点が最終極点を越えるかを判断する。そうならば、モジュールＥＤＧＥＣＯＮＴＲＡＳＴは、長円形Ｃで示された如く、終了される。現極点と局所外部の間の局所グレーレベル値差が、ブロックＤに示された如く算出される。縁コントラストは、ブロックＥに示された如く、縁コントラストとグレーレベル値差の合計に等しいようにセットされる。それから、現極点は、ブロックＦに示された如く、増分される。それから、モジュールＥＤＧＥＣＯＮＴＲＡＳＴは、判断記号Ｂに返り、そしてＢ、Ｄ、ＥとＦによるループが、現極点が最終極点を越えるまで継続する。この点において、モジュールＥＤＧＥＣＯＮＴＲＡＳＴは、長円形Ｃに示された如く、終了される。第３４Ａ〜３４Ｄ図に例証されたモジュールＣＨＫＬＩＳＴは、第３３図に示された如く算出された縁コントラスト情報を使用し、大きな物体が唯一の小さな物体を含む時、小さな縁コントラストを有する物体を削除する。第３４Ａ図のブロックＡに示された如く、非均質物体を削除するためのＣＨＫＬＩＳＴモジュールの第１段階は、現探索の前に検出された妥当物体の数として前カウントを規定することである。それから、テール物体が、ブロックＢに示された如く、現探索において検出された初期候補物体として規定される。物体カウントは、ブロックＣに示された如く、１に初期化され、そしてヘッド物体が、ブロックＤに示された如く、全物体リスト（即ち、現在までに検出された全物体のリスト）における初期物体として規定される。判断記号Ｅは、物体カウントが前カウントよりも大きいかを判断する。物体カウントが前カウントよりも大きいならば、ＣＨＫＬＩＳＴは、第３４Ｂ図のブロックＡに示された如く、全物体リストにおける第１物体へ進む。第３４Ｂ図の判断記号Ｂは、ＣＨＫＬＩＳＴが最終物体であるかを判断する。そうでないならば、判断記号Ｃは、妥当物体が別の妥当物体内に含まれるかを判断する。そうならば、物体状態は、ブロックＤに示された如く、それが含まれた物体の状態にセットされ、そしてＣＨＫＬＩＳＴが、ブロックＥに示された如く、次物体へ進む。また、物体が別の物体内に含まれないならば、ＣＨＫＬＩＳＴは、ブロックＥに示された如く、次物体へ進む。Ｂ−Ｅによるループは、物体Ｅの次物体が最終物体になるまで継続し、この点において、ＣＨＫＬＩＳＴは、ブロックＦに示された如く、全物体リストの第１物体へ進む。すべての物体に対する物体状態属性値は、ブロックＧに示された如く、「ＴＲＵＥ」にセットされる。この文脈において、「ＴＲＵＥ」は、妥当を意味し、そして「ＦＡＬＳＥ」は、不当を意味する。判断記号Ｈは、ＣＨＫＬＩＳＴが最終物体であるかを判断する。そうならば、ＣＨＫＬＩＳＴは、第３４Ｃ図のブロックＡに示された如く、第１物体へ進む。それから、判断記号Ｂは、ＣＨＫＬＩＳＴが最終物体であるかを再び判断する。そうならば、物体の総数が、ブロックＣに示された如くカウントされ、そして物体の総数と前カウントの間の差が、ブロックＤに示された如く返される。ＣＨＫＬＩＳＴが最終物体でないならば、判断記号Ｅは、物体状態属性値が偽であるかを判断する。そうならば、物体が、ブロックＦに示された如く削除される。そうでないならば、ＣＨＫＬＩＳＴは、ブロックＧに示された如く物体を進め、そしてＣＨＫＬＩＳＴは、再び、判断記号Ｂに示された如く、最終物体であるかを判断する。Ｂ、Ｅ、ＦとＧによるループは、ブロックＧの進められた物体が最終物体になるまで継続する。この点において、物体の総数が、ブロックＣに示された如くカウントされ、そして物体の総数と前カウントの間の差が、ブロックＤに示された如く返される。第３４Ｂ図における判断記号Ｈに戻って、ＣＨＫＬＩＳＴが、この点において最終物体でないならば、それは、判断記号Ｉへ行き、物体が、２つ以上の妥当物体を含むかを判断する。そうならば、物体状態属性値は、ブロックＪに示された如く、偽にセットされ、そしてＣＨＫＬＩＳＴは、ブロックＫに示された如く、次物体へ進む。それから、ＣＨＫＬＩＳＴは、判断記号Ｈへ復帰し、最終物体であるかを判断し、そして物体が２つ以上の妥当物体を含まなくなるまで、このプロセスを継続する。それから、第３４Ｄ図の判断記号Ａは、物体が、別の物体内に含まれた唯一の物体であるかを判断する。そうでないならば、ＣＨＫＬＩＳＴは、第３４Ｂ図のブロックＫに示された如く、次物体へ進み、そして第３５Ｂ図のＨ−Ｋと第３４Ｄ図のＡによるループが、物体が別の物体内に含まれた唯一の物体になるまで、反復される。物体が、別の物体内に含まれた唯一の物体であるならば、判断記号Ｂは、物体を含む物体の状態属性値が偽であるかを判断する。そうならば、ＣＨＫＬＩＳＴは、第３４Ｂ図のブロックＫに示された如く、次物体へ進み、そして第３４Ｂ図のＨ−Ｋと第３４Ｄ図のＡ−Ｂによるループが、物体を含む物体の状態属性値が偽でなくなるまで、反復される。この点において、判断記号Ｎは、別の物体を含む物体の縁コントラストが物体の縁コントラストよりも大きいかを判断する。そうならば、ＣＨＫＬＩＳＴは、ブロックＤに示された如く、物体状態属性値を偽にセットし、第３４Ｂ図のブロックＫに示された如く、次物体へ進み、そして第３４Ｂ図のＨ−Ｋと第３４Ｄ図のＡ−Ｃによるループが、別の物体を含む物体の縁コントラストが、別物体に含まれた物体の縁コントラストよりも大きくなくなるまで反復される。それから、ＣＨＫＬＩＳＴは、第３４Ｄ図のブロックＥに示された如く、物体を含む物体の状態を偽にセットし、そして最終物体になるまで、第３４Ｄ図のブロックＫに示された如く、次物体へ進む。第３４Ａ図の判断記号Ｅに戻って、物体カウントが前カウントよりも大きくないならば、判断記号Ｆは、ヘッド物体が別の物体内に含まれるかを判断する。そうならば、ヘッド物体は、ブロックＧに示された如く進められ、そして物体カウントが、ブロックＨに示された如く増分される。判断記号Ｅは、増分された物体カウントが前カウントよりも大きいかを再び判断する。そうならば、ＣＨＫＬＩＳＴは、上記の如く、第３４Ｂ図のブロックＡへ進む。増分されたカウントが、前カウントよりも大きくないならば、第３４Ａ図のＦ、Ｇ、ＨとＥによるループが、ヘッド物体が別の物体内に含まれなくなるまで反復される。それから、ＣＨＫＬＩＳＴは、第３４Ａ図の判断記号Ｉへ進み、テール物体が最終物体であるか、又はヘッド物体が別の物体内に含まれるかを判断する。テール物体が最終物体であるか、又はヘッド物体が別の物体内に含まれるならば、ＣＨＫＬＩＳＴは、ブロックＧに示された如く、ヘッド物体を進め、そしてカウントが、ブロックＨに示された如く増分される。Ｅ、Ｆ、Ｉ、ＧとＨによるループは、テール物体が最終物体でなく、又はヘッド物体が別の物体内に含まれなくなるまで、反復される。それから、判断記号Ｊは、テール物体が別の物体内に含まれるかを判断する。そうならば、テール物体は、第３４Ａ図のブロックＫに示された如く進められ、そしてＩ、ＪとＫによるループが、テール物体が別の物体内に含まれなくなるまで、反復される。それから、ＣＨＫＬＩＳＴは、第３５図に示された如く、モジュールＳＥＴＳＴＡＴＵＳへ行き、第３４Ａ図のブロックＬに示された如く、ヘッド及びテール物体の状態をセットする。冗長検査下位段階は、さらに、複数の妥当物体の面積を比較する下位段階と、妥当物体の一方を大きな妥当物体として、第１及び第２妥当物体の他方を小さな妥当物体として指定する下位段階と、小さな妥当物体が、大きな妥当物体に含まれるかを判定する下位段階とを含む。第３５図に示された如く、モジュールＳＥＴＳＴＡＴは、非均質物体に対して、複数の妥当物体の面積を比較する下位段階と、妥当物体の一方を大きな妥当物体として、第１及び第２妥当物体の他方を小さな妥当物体として指定する下位段階と、小さな妥当物体が、大きな妥当物体に含まれるかを判定する下位段階とを行う。小さな妥当物体が大きな妥当物体に含まれるかの判定は、上記の如く、ボックステストによって行われる。第３５図に示された如く、モジュールＳＥＴＳＴＡＴの細部に戻って、判断記号Ａに示されたＳＥＴＳＴＡＴの第１段階は、ヘッド物体がテール物体よりも大きいかを判断することである。そうならば、ブロックＢに示された如く，ヘッド物体は、大きな妥当物体として規定され、そしてテール物体は、小さな妥当物体として規定される。ヘッド物体がテール物体よりも大きくないならば、ブロックＣに示された如く、ヘッド物体は、小さな妥当物体として規定され、そしてテール物体は、大きな妥当物体として規定される。それから、判断記号Ｄは、小さな物体が大きな物体内に包含されるかを判断する。そうでないならば、ＳＥＴＳＴＡＴは、ＥＮＤ長円形Ｅによって示された如く、終了される。小さな物体が大きな物体内に包含されるならば、大物体形式属性値が、ブロックＦに示された如く小さな物体を包含することを示す値にセットされる。形式属性値は、物体が別の物体内に包含されるか、又は物体が別の物体を包含するかをＳＥＴＳＴＡＴに通知する。また、小物体形式属性値は、ブロックＧに示された如く、大きな物体内に包含されることを示す値にセットされる。最後に、大物体状態属性値が、ブロックＨに示された如く増分される。それから、ＳＥＴＳＴＡＴが、ＥＮＤ長円形Ｉによって示された如く終了され、そして第３４Ａ図のブロックＬに復帰する。本発明の第３実施態様により、冗長検査下位段階が、代替的に、均質物体における冗長性を解消するために行われる。それが行われる時、第３実施態様は、さらに、大及び小妥当物体の縁コントラストを算出する下位段階と、大きな物体の平均縁コントラストが小さな物体の平均縁コントラストよりも小さく、かつ所定の最小縁コントラストよりも小さい場合に大きな物体を削除する下位段階とを含む。冗長性を解消するための冗長検査下位段階はまた、大及び小妥当物体の縁コントラストを算出する下位段階と、大きな物体の平均縁コントラストが小さな物体の平均縁コントラストよりも大きく、所定の最小コントラストよりも大きい場合に小さな物体を削除する下位段階とを含む。平均縁コントラストを算出する下位段階は、第３３図に関して記載された如く、モジュールＥＤＧＥＣＯＮＴＲＡＳＴによって行われる。削除下位段階は、第３６Ａ図と第３６Ｂ図の流れ図によって示された如く、均質物体に対してモジュールＣＨＫＬＩＳＴを使用して行われる。第３６Ａ図のブロックＡに示された如く、ＣＨＫＬＩＳＴモジュールの第１段階は、均質物体を削除するためにランされた時、現探索の前に検出された妥当物体の数として前カウントを規定することである。それから、テール物体が、ブロックＢに示された如く、現探索において検出された初期候補物体として規定される。物体カウントは、ブロックＣに示された如く１に初期化され、そしてヘッド物体が、ブロックＤに示された如く、全物体リストにおける初期物体として規定される。それから、物体状態属性値が、ブロックＥに示された如く、すべての物体に対して真にセットされる。判断記号Ｆは、物体カウントが前カウントよりも大きいかを判断する。物体カウントが前カウントよりも大きいならば、ＣＨＫＬＩＳＴは、第３６Ｂ図のブロックＡに示された如く、全物体リストにおける初期物体へ進む。第３６Ｂ図の判断記号Ｂは、ＣＨＫＬＩＳＴが最終物体であるかを判断する。そうならば、物体の総数が、ブロックＣに示された如くカウントされ、そして物体の総数と前カウントの間の差が、ブロックＤに示された如く返される。ＣＨＫＬＩＳＴが最終物体でないならば、判断記号Ｅは、物体状態属性値が偽であるかを判断する。そうならば、物体が、ブロックＦに示された如く削除される。物体状態が偽でないならば、物体は、ブロックＧに示された如く進められ、そしてＣＨＫＬＩＳＴモジュールは、再び、判断記号Ｂに示された如く、最終物体であるかを判断する。このプロセスは、ＣＨＫＬＩＳＴが最終物体に達するまで継続し、この点において、物体の総数がブロックＣに示された如くカウントされ、そして物体の総数と前カウントの間の差がブロックＤに示された如く返される。第３６Ａ図における判断記号Ｆに戻ると、物体カウントが前カウントよりも大きくないならば、第３６Ａ図の判断記号Ｇは、ヘッド物体の状態属性値が偽であるかを判断する。そうならば、ヘッド物体が、ブロックＨに示された如く進められ、そしてカウントが、ブロックＩに示された如く増分される。それから、判断記号Ｆは、増分された物体カウントが前カウントよりも大きいかを判断する。そうならば、ＣＨＫＬＩＳＴは、上記の如く、第３６Ｂ図のブロックＡへ進む。第３６Ａ図のＧ、ＨとＩによるループは、物体の状態が偽でなくなるまで反復される。それから、ＣＨＫＬＩＳＴは、第３６Ａ図の判断記号Ｊへ進み、テール物体が最終物体でなく、かつヘッド物体状態属性値が真であるかを判断する。これらの両質問への回答は、肯定でなければならない。そうでないならば、ＣＨＫＬＩＳＴは、ブロックＨに示された如くヘッド物体を進め、そしてカウントが、ブロックＩに示された如く増分される。Ｆ、Ｇ、Ｈ、ＩとＪによるループは、テール物体が最終物体になり、かつヘッド物体状態属性値が真になるまで反復される。それから、判断記号Ｋは、テール物体状態属性値が真であるかを判断する。そうならば、ヘッド及びテール物体の縁状態が、第３６Ａ図のブロックＬに示され、かつ第３７図に詳細に示された如く、モジュールＳＥＴＳＴＡＴによってセットされる。それから、ＣＨＫＬＩＳＴは、ブロックＭに示された如くテール物体を進め、そしてＪ、Ｋ、ＬとＭによるループが反復される。テール物体状態が真でないならば、ＣＨＫＬＩＳＴは、ブロックＭに示された如くテール物体を進め、そしてＪ、ＫとＭによるループが反復される。第３７図に示されたモジュールＳＥＴＳＴＡＴは、複数の妥当物体の面積を比較する下位段階と、妥当物体の一方を大きな妥当物体として、第１及び第２妥当物体の他方を小さな妥当物体として指定する下位段階と、小さな妥当物体が、均質物体に対して大きな物体の４つの極点によって規定される如く大きな妥当物体に包含されるかを判定する下位段階とを行う。第３７図の判断記号Ａに示された如く、ＳＥＴＳＴＡＴの第１段階は、ヘッド物体がテール物体よりも大きいかを判断することである。そうならば、ブロックＢに示された如く、ヘッド物体は大きな妥当物体として規定され、そしてテール物体が、小さな妥当物体として規定される。ヘッド物体がテール物体よりも大きくないならば、ヘッド物体は、小さな妥当物体として規定され、そしてテール物体は、大きな妥当物体として規定される。それから、ＳＥＴＳＴＡＴの判断記号Ｄは、小さな物体が大きな物体内に包含されるかを判断する。そうでないならば、ＳＥＴＳＴＡＴは、長円形Ｅによって示された如くランを停止する。小さな物体が大きな物体内に包含されるならば、判断記号Ｆは、大きな物体の縁コントラストが小さな物体の縁コントラストよりも大きく、かつ大きな物体の縁コントラストが所定の最小縁コントラストよりも大きいかを判断する。これらの両質問への回答が肯定であるならば、ブロックＧによって示された如く、大物体状態属性値が、真にセットされ、そして小物体状態属性値が、偽にセットされ、そしてモジュールは、長円形Ｈによって示された如くランを停止する。判断記号Ｆにおける質問の少なくとも一方への回答が否定であるならば、ブロックＩに示された如く、小物体状態属性値が真にセットされ、大物体状態属性値は偽にセットされ、そしてモジュールは、長円形Ｊによって示された如くランを停止する。本発明の第３実施態様は、さらに、妥当物体の冗長性に対する最終チェックを行い、妥当物体の冗長同定を防止するために冗長性を解消する段階を含む。最終冗長検査段階は、さらに、複数の妥当物体の面積を比較する下位段階と、妥当物体の一方を大きな妥当物体として、第１及び第２妥当物体の他方を小さな妥当物体として指定する下位段階と、小さな妥当物体と大きな妥当物体が重なる時大きな妥当物体を除去する下位段階とを含む。最終冗長検査段階は、第３８Ａ図と第３８Ｂ図の流れ図によって示された如く、モジュールＦＩＮＡＬＣＨＫと、第３９図の流れ図によって示された如くモジュールＩＮＴＳＴＡＴによって行われる。モジュールＦＩＮＡＬＣＨＫとＩＮＴＳＴＡＴは、均質及び非均質物体の両方に対して同一であり、こうして、一度だけ示される。ＦＩＮＡＬＣＨＫの第１段階は、第３８Ａ図のブロックＡに示された如く、物体属性値をすべての物体に対して真に初期化することである。妥当物体をカウントするためのカウント指数は、ブロックＢに示された如く１に初期化される。ヘッド物体は、ブロックＣにおいて示された如く、状態属性値リストにおける初期物体として規定される。それから、判断記号Ｄは、カウント指数が物体の総数よりも小さいかを判断する。そうでないならば、モジュールＦＩＮＡＬＣＨＫは、第３８Ｂ図のブロックＡに行く。第３８Ｂ図のブロックＡに示された如く、ＦＩＮＡＬＣＨＫは、第１物体に進む。判断記号Ｂは、ＦＩＮＡＬＣＨＫが最終物体であるかを判断する。そうでないならば、判断記号Ｃは、物体状態属性値が偽であるかを判断する。そうでないならば、ＦＩＮＡＬＣＨＫは、ブロックＥに示された如く、次の物体へ進み、そして判断記号Ｂは、再び、ＦＩＮＡＬＣＨＫが最終物体にあるかを判断する。Ｂ、ＣとＥによるループは、ＦＩＮＡＬＣＨＫが次の物体になるまで継続する。物体状態属性値が偽であるならば、物体は、ブロックＤに示された如く削除される。それから、ＦＩＮＡＬＣＨＫは、ブロックＥに示された如く次の物体へ進み、そして判断記号Ｂは、ＦＩＮＡＬＣＨＫが最終物体にあるかを判断する。Ｂ−Ｅによるループは、次の物体が最終物体になるまで継続し、この点において、ＦＩＮＡＬＣＨＫは、ブロックＦに示された如く第１物体へ進む。それから、カウントが、ブロックＧに示された如く１に初期化される。それから、判断記号Ｈは、ＦＩＮＡＬＣＨＫが最終物体にあるかを判断する。そうでないならば、カウントが、ブロックＩに示された如く増分され、そしてＦＩＮＡＬＣＨＫは、ブロックＪに示された如く次の物体へ進む。判断記号Ｈは、再び、ＦＩＮＡＬＣＨＫが最終物体にあるか判断し、そしてＨ、ＩとＪによるループが、ＦＩＮＡＬＣＨＫが最終物体になるまで継続する。それから、カウントに含められた妥当物体の総数が、第３８Ｂ図のブロックＫによって示された如く返される。第３８Ａ図の判断記号Ｄに戻ると、カウント指数が物体の総数よりも小さいならば、テール物体が、ブロックＥに示された如く、ヘッド物体の次の物体として規定される。それから、判断記号Ｆは、ヘッド物体の状態属性値が真であるかを判断する。そうでないならば、ＦＩＮＡＬＣＨＫは、ブロックＧに示された如く、ヘッド物体を進め、そしてブロックＨに示された如くカウント指数を増分させる。それから、ＦＩＮＡＬＣＨＫは、判断記号Ｄに復帰し、そしてＤ−Ｉによるループが、ヘッド物体の状態属性値が真になるまで継続する。それから、判断記号Ｉは、テール物体が最終物体でなく、かつヘッド物体状態属性値が真であるかを判断する。これらの条件の少なくとも一方が満たされないならば、ＦＩＮＡＬＣＨＫは、ブロックＧに示された如くヘッド物体を進め、そしてブロックＨに示された如く指数を増分させる。それから、ＦＩＮＡＬＣＨＫは、判断記号Ｄへ復帰し、そしてＤ−Ｉによるループは、判断記号Ｉにおける両質問への回答が肯定になるまで継続する。それから、判断記号Ｊは、テール物体状態属性値が真であるかを判断する。そうでないならば、ＦＩＮＡＬＣＨＫは、第３８Ａ図のブロックＬに示された如くテール物体を進め、そしてＩ、ＪとＬによるループが、テール物体状態属性値が真になるまで反復される。それから、ＦＩＮＡＬＣＨＫは、第３８Ａ図のブロックＫに示された如くモジュールＩＮＴＳＴＡＴをランさせ、そしてブロックＬに示された如くテール物体を進める。第３８Ａ図のブロックＫに示された如くモジュールＩＮＴＳＴＡＴの段階は、第３９図に詳細に示される。第３９図の判断記号Ａは、ヘッド物体がテール物体よりも大きいかを判断する。そうならば、ブロックＢに示された如く、ヘッド物体は、大きな妥当物体として規定され、そしてテール物体は、小さな妥当物体として規定される。ヘッド物体がテール物体よりも大きくないならば、ブロックＣに示された如く、ヘッド物体は、小さな妥当物体として規定され、そしてテール物体は、大きな妥当物体として規定される。それから、判断記号Ｄは、小さな妥当物体が大きな妥当物体に包含されるかを判断する。そうでないならば、ＩＮＴＳＴＡＴは、長円形Ｅによって示された如く、終了する。小さな妥当物体が大きな妥当物体に包含されるならば、大物体状態属性値が、ブロックＦに示された如く偽にセットされ、そしてＩＮＴＳＴＡＴは、長円形Ｇによって示された如く終了する。ドライバーにおいて含まれたより厳格な基準を使用して最終妥当化を行う後走査フィルターは、冗長性の最終検査を行う段階の後に行われる。本発明の第３実施態様により、画像において物体の冗長同定を解消するための画像分析システムが、提供される。本発明の第３実施態様のシステムのブロック図が、第４０図において示される。画像において物体の冗長同定を解消するためのシステムは、第４０図において一般に１０’で示される。本発明の第３実施態様のシステムは、物体と背景の像を発生するための手段を具備する。第４０図に示された如く、物体と背景の像を発生するための手段は、カメラ１２’を具備する。ＣＣＤカメラが、一般に本発明で使用されるが、任意の形式のカメラが、上記の如く、本発明の一般原理に反することなく使用される。本発明のシステムはまた、画像をデジタル化し、記憶するための手段を具備する。画像をデジタル化し、記憶するための手段は、第４０図に示された如くフレームグラバー１４’を具備する。上記の第１及び第２実施態様と同様に、フレームグラバーは、一つのフレームにおいてビデオ画像をデジタル化し、記憶する。代替的に、画像をデジタル化し記憶するための手段は、必ずしも一フレームではないが、画像をデジタル化し記憶するビデオデジタイザーを具備する。本発明のシステムは、さらに、画像を表示するための手段を具備する。画像を表示するための手段は、第４０図に示された如くモニター１６’を具備する。本発明の第３実施態様のシステムはまた、コンピュータ手段を具備する。コンピュータ手段は、第４０図に示された如く、コンピュータシステム１８’を具備する。コンピュータシステムは、中央演算処理装置（ＣＰＵ）とメモリを具備する。コンピュータ手段はまた、第４０図に示された如く、ドライバー２０’、カーネル２２’と後走査フィルター２６’を含む。ドライバー２０’は、妥当物体の定義を記憶する。エントロピーカーネル２２’は、画像のグレーレベルヒストグラムを発生させ、そしてヒストグラムのエントロピー関数が最大にされる如く、しきいグレーレベルをエントロピー的に選択する。エントロピーカーネル２２ ’はまた、少なくとも一つの候補物体に対して画像を探索し、妥当物体を識別するために、妥当物体所定属性値を有する候補物体を妥当化する。カーネルにおける妥当化は、第３４〜３９図に関して記載された如く、冗長検査を含む。妥当化物体は、第４０図において箱２４’によって表現される。ドライバーとカーネルは、メモリに組み込まれたソフトウェアを具備する。代替的に、ドライバーとカーネルは、ソフトウェアが検索されるプログラマブル読み取り専用メモリ（ＰＲＯＭ）にプログラムされる。後走査フィルターは、第４０図において２６’で示され、そして冗長物体が削除された後、いっそうの妥当化を行う。第４実施態様の方法は、第１実施態様において記載された方法に概念的に同様であるが、方法のアーキテクチャーにおいて幾つかの差異がある。第４１図は、画像における物体の冗長同定を位置付け、解消するためのアンブレラモジュールであるモジュールＬＯＣＡＴＥの全段階を記述する。ＬＯＣＡＴＥは、第４１図において長円形Ａで示された如く、開始し、ブロックＢに示された如く、入力を初期化する。ブロックＣに示された如く、モジュールＬＯＣＡＴＥは、第４４図に関して後述される如く、冗長物体を識別するための主モジュールであるモジュールＩＤＥＮＴをランさせる。ブロックＤに示された如く、モジュールＬＯＣＡＴＥは、第４８図に関して後述される如く、モジュールＣＯＮＴＡＩＮをランさせ、第５図と第１２図に関してそれぞれ上述された如く、包含検査の２つの段階と同様の包含検査の段階を行う。それから、モジュールＬＯＣＡＴＥは、第５９図に関して後述される如く、出力を行い、ブロックＥに示された如く、クリーンアップを行う。その後、モジュールＬＯＣＡＴＥは、長円形Ｆで示された如く、終了される。第４実施態様の好ましい実現は、第４２図に関して例証され、この場合、容易な視覚化の目的のために、冗長度判定は、大きさの特性値、即ち、小さな物体が大きな物体内に含まれるかに基づく。こうして、第４２図に示された物体の左側に、次の小さな物体がある。逆に、第４２図に示された物体の右側に、次の小さな物体がある。さらに、第４実施態様の冗長度判定体系において、物体は、包含性に基づいて、「親」又は「子」として、相互に関連される。即ち、物体は、その子又は子達を含み、その親によって含まれる。こうして、第４２図に示された物体の上に、親物体があり、第４２図に示された物体の下に、物体の子又は子達がある。潜在的に冗長な物体のグループを識別するために、第４３図に関して記載された如く、モジュールＩＤＥＮＴが、ランされる。モジュールＩＤＥＮＴは、第４３図の長円形Ａで示された如く、開始し、ブロックＢに示された如く、少なくとも一つのしきい対を規定する。これは、特に、第４４図に関して、以下に記載される如く、「二重しきい」方法を使用して、行われる。しきい対は、第４３図のブロックＣに示された如く、選択される。モジュールＩＤＥＮＴは、しきいグレーレベル値の選択対を使用して、物体を検出する。これは、第２５〜２７図に関して上述された如く、モジュールＳＥＡＲＣＨＩＭＡＧＥ、ＦＩＮＤＯＢＪＥＣＴ及びＴＲＡＣＥＯＢＪＥＣＴと同様のモジュールによって行われ、特に、第２８Ａ〜２８Ｃ図と第２９図に関して記載された如く、再帰的に行われる。第４実施態様において、第２８Ａ図のグレーレベルヒストグラムは、初期的に、Ａ、ＴＨＲＥＳＨＨＩとＢ、ＴＨＲＥＳＨＬＯの間で探索され、そのグレーレベル空間にわたる候補物体を識別する。第４３図の判断記号Ｅは、ＩＤＥＮＴが最終しきい対であるかを判断する。そうならば、モジュールは、長円形Ｆで示された如く、終了される。そうでないならば、モジュールＩＤＥＮＴは、ブロックＣへ戻り、そしてＣ−Ｅのループが、長円形Ｆで示された如く、モジュールが終了するまで、各付加的しきい対に対して継続する。第１〜第３実施態様に関して上述された如く、妥当物体を識別するために使用されたエントロピーしきい化の方法は、すべての物体を最適に検出するために、画像に含まれた情報を使用することにおいて理想的である。しかし、この方法では、望ましくない多数の物体、即ち、人為物が検出される。しばしば、人為物の数は、所望の物体の数を一桁分超過する。この方法では、利用可能な先験的情報があるが、使用されない。上記の如く、妥当物体を識別する方法を行った後、前に処理された画像の集塊についての情報が得られる。こうして、この情報を使用する方法は、先験的情報がない画像に対して特に有益である。そのような方法では、第４１図に関して記載されたＬＯＣＡＴＥモジュールによって行われる如く、例えば、位置付け機能を行うための条件の最適化と同様に、どの条件が所望の物体を生じさせ、どの条件が他の非所望の物体を生じさせるかを判定することができる。第４実施態様で実現される二重しきい方法は、エントロピーしきい化を使用し、前に処理された画像から得られた先験的情報に基づいて、所望のしきい対を選択する一定しきいリストを発生する。こうして、第４実施態様の好ましい実現において、多次元データ空間は、全画像を表現するグレーレベルヒストグラムである。それぞれのエントロピー関数を有する複数のグレーレベル上側及び下側ヒストグラムが、ヒストグラムから発生される。少なくとも一つの副空間が、各上側及び下側ヒストグラムに対する複数のしきいグレーレベル値対である。一対のしきいグレーレベル値が、各上側及び下側ヒストグラムのエントロピー関数が最大化される如く、選択される。画像は、少なくとも一つの候補物体に対して各上側及び下側ヒストグラムのしきいグレーレベル値の選択対を使用して、多重探索される。簡単には、二重しきい方法は、一組の画像を処理し、各物体を検出するために使用されたしきい対を追跡する。このデータは、所望又は非所望として物体の分類に対して、各物体トレースを得るために使用されたしきい対を相関させるために使用される。各しきい対に対して、二重しきい方法は、検出物体の大部分が所望クラスか否かを判定する。それから、二重しきい方法は、所望の物体を優先的に識別するしきい対のリストを構成する。この新しきいリストは、物体を識別し、他の画像においてそのような物体の冗長度を解消するために、将来に使用される。できる限り多数の所望の物体と、できる限り少数の非所望の物体を獲得するために、画像の処理に対してしきい対の組を固定することが、望ましい。例えば、第４４図において示された如く、グレーレベル空間のバイナリ分割、代表画像からエントロピー的に決定されたしきい対の組の使用、もしくは、画像の組の組合せヒストグラムを構成し、その組合せヒストグラムから組をエントロピー的に決定すること等の幾つかの方法が、これを行うために使用される。第４４図は、二重しきい方法の段階を示す流れ図である。第４４図のブロックＡに示された如く、すべての「養成画像」の組合せヒストグラムが、発生される。養成画像の組は、この方法の適用が望まれる画像を表現する画像の組を具備する。これらの画像は、マークされなければならない。組合せヒストグラムは、第４実施態様に関して上述された如く、グレーレベルヒストグラムが、Ａ、ＴＨＲＥＳＨＬＯとＢ、ＴＨＲＥＳＨＨＩの間で初期的に探索され、そのグレーレベル空間にわたる候補物体を識別することを除いて、第２８Ａ〜２８Ｃ図に関して記載された如く処理される。組合せヒストグラムの処理は、ブロックＢにおいて示され、この場合、しきい対リストは、組合せヒストグラムから発生される。これは、例えば、エントロピーしきい化を使用して、行われるが、上記の如く、他の方法も、しきい対の組を決定するために使用される。それから、養成画像は、処理される、即ち、ブロックＣに示された如く、物体リストを獲得するために、発生されたしきい対リストを使用して、候補物体に対して探索される。リストは、物体トレースを発生するしきい対を含む。それから、物体は、ブロックＤに示された如く、画像毎に、所望の物体を識別するために使用された項類マークと整合される。各画像は、ブロックＣからの独自のリストを有する。各々は、ブロックＤにおいて整合される。それから、これらの物体リストは、ブロックＥに示された如く、組み合わされる。それから、各しきい対で検出された所望及び非所望物体の数が、同様にブロックＥに示された如くカウントされる。所望のしきい対は、ブロックＦに示された如く、縮小しきい対リストを創設するために選択される。ブロックＧに示された如く、縮小しきい対リストは、実際の性能、もしくは、物体分類が望まれる新画像を確認するために、「テスト画像」を処理するために使用される。テスト画像の組は、再び、養成画像の組ではなく、この方法の適用が望まれる画像を表現する画像を具備する。これらのテスト画像は、この方法の精度を審査する際に役立つように手動でカウントされる。第４５図は、所与のしきい対を使用して、物体に対して探索するＩＤＥＮＴによって呼び出されるモジュールの流れ図である。上記の如く、探索下位段階は、しきいグレーレベル値を使用して、少なくとも一つの物体に対して画像を走査する下位段階を含む。さらに具体的には、走査された画像の部分は、複数のピクセルを具備し、各ピクセルは、第１〜第３実施態様に関して上述された如く、上限と増分の和よりも小さなグレーレベル値を有する。第４実施態様において、この増分は、ゼロにセットされる。この走査下位段階は、第４５図のブロックＢにおいて例証される。具体的に、モジュールが、ブロックＡに示された如く開始した後、マスク付き画像、即ち、画像のある部分を処理させないように切り取られた画像が、しきい対範囲内の次ピクセルに対して走査される。第４５図の判断記号Ｃは、しきい対範囲内の次ピクセルが検出されるかを判断する。そうならば、モジュールは、長円形Ｄで示された如く、終了される。しきい対範囲内の次ピクセルが検出されるならば、物体は、ブロックＥに示された如く、検出されたピクセルから始めて、トレースされる。判断記号Ｆは、妥当物体がトレースされたかを判断する。妥当物体が、トレースされたならば、それは、ブロックＧに示された如く、「活動リスト」、即ち、大きさによりソートされた順序における妥当物体のリストに追加される。それから、トレースされた物体は、ブロックＨに示された如く、他の物体に含まれないとしてマークされ、そしてモジュールは、ブロックＢへ復帰する。また、判断記号Ｆから、非妥当物体が、トレースされたならば、モジュールは、ブロックＢへ復帰する。Ｂ−ＣとＥ−Ｈによるループは、次ピクセルが検出されないまで継続し、検出されない時点で、モジュールは、長円形Ｄで示された如く、終了される。第４３図のブロックＤに関して上述された如く、モジュールＩＤＥＮＴは、選択されたしきい対を使用して、物体を検出する。これは、上記の如く、グレーレベルヒストグラムが、第４実施態様においてＡとＢの間で初期的に探索されることを除いて、第２８Ａ〜２８Ｃ図のヒストグラムを参照して上述されたものと同様な方法で再帰的に行われる。第４実施態様において、妥当物体がトレースされたかを判定するために、ある基準が適用される。周囲ピクセルの数は、最大限界よりも小さくなければならない。物体は、時計回り方法においてトレースされた。また、物体面積は、最小限界よりも大きくなければならない。形状因子は、最大限界よりも小さくなければならない。加えて、物体「中心点」は、物体の内部でなければならない。第１実施態様に関して算出された如く、中心点は、それを内点にするために移動されることが、注目される。第４実施態様の冗長検査の実現は、内点を必要とする。中心点は、通常、内部であり、他の目的のために必要とされないために、それは、この内点として使用される。それが内部でないならば、それは、そのように移動される。こうして、物体「中心点」は、内点である限り、真に中心点ではない。上記の如く、第４実施態様の好ましい実現において、特性値は、大きさを指示し、その結果、リストの第１物体は、最小物体であり、そしてリストの最終物体は、最大物体である。第４実施態様において、ソート段階は、第４５図に示された如く、所与のしきい対を使用して、妥当物体を検出する文脈内で、行われる。特に、第４５図のブロックＧにおいて注記された如く、トレースされた妥当物体は、大きさ順序において活動リストへ追加される。ＩＤＥＮＴがランされた後、トレースされた妥当物体の活動リストは、第４６図において示される。第４６図の物体Ａは、最小物体であり、そして物体Ｚは、最大物体である。第４６図の左側において、「ＳＡ」は、最小物体を参照する。第４６図の右側において、「ＬＡ」は、最大物体を参照する。第２７図に関して記載されたモジュールＣＯＮＴＡＩＮは、第４実施態様の包含性検査を行う。第４７図の長円形Ａに示された如く、開始した後、ＣＯＮＴＡＩＮは、３つのモジュールを呼び出す。ブロックＢに示された如く、ＣＯＮＴＡＩＮは、まず、第４９図に関して以下に記載されたＬＩＮＫＦＡＭＩＬＹを呼び出す。ＬＩＮＫＦＡＭＩＬＹは、包含性検査を行い、第４２図に関して上述された如く、すべての物体のリストと各物体の他の物体への族関係（即ち、親又は子）を発生させる。第４７図のブロックＣに示された如く、ＣＯＮＴＡＩＮは、第５３図に関して以下に記載されたＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰを呼び出す。モジュールＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、独立な物体に対して各物体を検査する。物体は、その特性が、所定度だけその親とは異なるならば、独立と考えられる。その時、第４７図のブロックＤに示された如く、ＣＯＮＴＡＩＮは、第５６図に関して以下に記載されたＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳを呼び出す。モジュールＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳは、物体の様々な世代を使用して、物体の冗長事例を識別する。一つの子を有する親の場合が、第５６図に関して記載されるが、モジュールＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳはまた、２つ以上の子を有する親と、子のない物体に対して冗長度を取り除く。第４実施態様の好ましい実現において、物体事例の各組から最大縁コントラストを有する物体が、第５８Ｃ図に関して以下に例証された如く、保持される。第４９図において例証されたＬＩＮＫＦＡＭＩＬＹの第１段階は、長円形Ａに示された如く、「開始」し、それから、ブロックＢに示された如く、親を、親としてまだ選択されない活動リストからの最小物体にする。第４９図のブロックＣに示された如く、ＬＩＮＫＦＡＭＩＬＹは、「テスト」を、この親物体に対してテスト物体としてまだ選択されない親よりも小さな最大物体にする。判断記号Ｄは、テストが、他の物体に含まれるかを判断する。そうならば、ＬＩＮＫＦＡＭＩＬＹは、下記の如く、判断記号Ｈに行く。テストが他の物体に含まれないならば、判断記号Ｅは、親がテストを含むかを判断する。そうでないならば、ＬＩＮＫＦＡＭＩＬＹは、下記の如く、判断記号Ｈへ行く。判断記号Ｅに戻って、親がテストを含むならば、ＬＩＮＫＦＡＭＩＬＹは、ブロックＦに示された如く、テストを子として親に追加し、そしてテストは、ブロックＧに示された如く、別の物体に含まれるとして、マークされる。判断記号Ｈは、テストが親よりも小さな最終物体であるかを判断する。そうでないならば、Ｃ−Ｈによるループは、テストが親よりも小さな最終物体になるまで、継続する。それから、判断記号Ｉは、親が活動リストにおける最大物体であるかを判断する。そうでないならば、Ｂ−Ｉによるループは、親が活動リストにおける最大物体になるまで継続する。それから、別の物体に含まれたすべての物体は、ブロックＪに示された如く、活動リストから除去され、そしてモジュールは、第４９図の長円形Ｋに示された如く終了される。第４８図は、本発明の第４実施態様で使用された如く、包含性検査、又はより強力な「二重ボックステスト」の第１段階を例証する、物体の概略図である。このボックステストは、本発明の第１実施態様で使用されたボックステストと同様に実施される。しかし、第４実施態様のボックステストは、破線箱Ｘ_kの如く、仮説箱が、大きな物体とともに、小さな含まれた物体ｋの周りに引かれることにおいて、実際に、「二重ボックステスト」である。この箱は、小さな物体ｋの４つの極点を示すためにのみ使用される。二重ボックステストの利点は、単純なボックステストよりも、別の物体内に含まれないより多くの物体を判定することができ、こうして、全包含性テストは、頻繁に行われる必要はない。二重ボックステストは、第５１図のブロックＢとＤにおいて示された如く行われる。第４８図において、物体ｌと物体ｋが、識別され、この場合、物体ｌは、物体ｋよりも大きい。第４実施態様の方法により、各小さな物体が、各大きな物体内に含まれるかを判定する段階は、大きな物体の４つの極点をけっていする下位段階を含む。第４８図に示された如く、物体ｌに対する４つの極点Ｌ_l、Ｔ_l、Ｒ_l とＢ_lが、決定される。第４実施態様において、４つの極点は、第２７Ａ〜２７Ｂ図に関して上述された如く、ＴＲＡＣＥＯＢＪＥＣＴと同様のモジュールによって決定される。各極点は、第７〜１０図に関して上述された行位置座標値と列位置座標値を有する。判定段階は、さらに、４つの極点の行位置座標値と列位置座標値を使用することにより、大きな物体を境界付ける矩形を構成する下位段階を含む。第４８図に示された如く、矩形Ｘ_lは、物体ｌの４つの極点Ｌ_l、Ｔ_l 、Ｒ_lとＢ_lの行位置座標値と列位置座標値を使用して構成される。第１実施態様と同様に、判定段階は、さらに、小さな物体において所定点を決定する下位段階を含む。所定点は、第１実施態様において上述されたものと同様の方法で得られる行位置座標値と列位置座標値を有する。判定段階は、さらに、大きな物体を境界付ける矩形に関して、小さな物体の所定点の位置を決定する下位段階を含む。二重ボックステストを行う時、４つの極点Ｌ_k、Ｔ_k、Ｒ_kとＢ_kは、物体ｋに対して決定され、そして大きな物体の対応する極点と比較され、これにより、小さな物体の極点が矩形Ｘ_l内に含まれるかを判定する。矩形Ｘ_kは、極点を例証する目的のためにのみ、極点を使用して、物体ｋの周りに構成される。第４実施態様の好ましい実現において、所定点は、質量中心である。しかし、所定点は、小さな物体における任意の点でも良い。上記の如く、全包含性検査は、二重ボックステストの使用のために、頻繁に行われる必要はない。しかし、物体が二重ボックステストに合格するが、全包含性検査に落ちる時がある。そのような事例において、全包含性検査の実施は、有益である。第５０図は、第４実施態様においてモジュールＣＯＮＴＡＩＮによって行われる全包含性検査を例証する、物体の概略図である。全包含性検査は、第５０図の物体ｏの如く、物体が、矩形箱内に位置することが判明した時のみ、適用される。第１実施態様と同様に、全包含性検査の頻繁でない使用は、計算集約的でなく、冗長判定を高速度で行うことを可能にする。第４実施態様の全包含性検査は、ボックステストを最初に適用することなく、すべての識別された物体へ適用される。しかし、全包含性検査を適用することにより、ボックステストは、包含性検査のための初期画面として役立つ。全包含性検査は、第５１図のブロックＨによって行われる。第５０図において、物体ｍ、ｎとｏが、識別される。物体ｎの極点Ｌ_n、Ｔ_n、Ｂ_n、Ｒ_nと、物体ｏの極点Ｌ_o、Ｔ_o、Ｂ_o、Ｒ_oは、境界Ｘ_m内にあることが判定される。全包含性検査を適用することにより、物体ｎの極点は、物体ｍの周囲点の列位置座標値と行位置座標値の間にある列位置座標値と行位置座標値を有することが判定される。物体ｎは、物体ｍ内に含まれると判定される。物体ｎは、物体ｍ内に含まれた単一の小さな物体であり、ある基準が満たされるならば、続いて削除される、即ち、保持されない。全包含性検査を適用することにより、物体ｏの極点は、物体ｍの周囲点の列位置座標値と行位置座標値の間にある列位置座標値と行位置座標値を有さない。このため、物体ｏは、物体ｍ内に含まれないと判定される。物体ｏは、物体ｍの親でも子でもなく、このため保持される。第４８図と第５０図において例示された如く、二重ボックステストは、モジュ −ルＣＯＮＴＡＩＮＴＥＳＴによって行われ、その段階は、第５１図において示される。モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、第４９図のブロックＤに示された如く、モジュ−ルＬＩＮＫＦＡＭＩＬＹによって呼び出される。モジュ −ルＣＯＮＴＡＩＮＴＥＳＴは、一物体が別の物体内に含まれるかを判定する。第５１図の長円形Ａに示された如く、ＣＯＮＴＡＩＮＴＥＳＴは、開始し、それから、ブロックＢに示された如く、二重ボックステストを行う。判断記号Ｃは、検査される物体がテストにパスするかを判断する。そうでないならば、親物体は、ブロックＤに示された如く、テスト物体を含まず、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、長円形Ｅに示された如く、終了される。判断記号Ｃに戻って、物体が、ブロックＢに示された如く、二重ボックステストにパスするならば、トレース包含性テストが、ブロックＦに示された如く行われる。それから、判断記号Ｇは、テストされる物体が、テストにパスするかを判断する。そうならば、ブロックＨは、親物体はテスト物体を含むことを示す。テストされる物体が、テストにパスしないならば、ブロックＤは、親がテスト物体を含まないことを示す。親物体がテスト物体を含む又は含まないという判定の後、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、長円形Ｅに示された如く、終了される。明瞭性のために、モジュ−ルＬＩＮＫＦＡＭＩＬＹは、第５２Ａ〜５２Ｅ図を参照して説明される。第５２Ａ図は、大きさでソートされた物体Ａ、Ｂ、Ｃ、Ｄ、ＥとＦの活動リストを図示し、この場合、Ａは、リストにおける最小物体であり、そしてＦは、リストにおける最大物体である。初期的に、活動リストにおけるすべての物体は、親であると考えられる。活動リストにおける各親物体は、その他すべての物体と比較され、各小さな物体が、大きな物体内に含まれるか、即ち、小さな物体は親を有するかを判定する。この包含性テストは、第５１図において例証された如くモジュ−ルＣＯＮＴＡＩＮＴＥＳＴによって行われる。小さな物体が、大きな物体内に含まれると判定されるならば、小さな物体は、子として参照される。大きな物体は、親として参照される。包含性テストは、活動リストにおける最小物体、この例において、物体Ａで始まり、連続的に大きな各親物体に移動する。物体Ａを考える際に、比較する小さな物体はなく、このため、Ａは、活動リストにおける親として保持される。物体Ｂを考える際に、小さな物体Ａが物体Ｂ内に含まれるかの質問が為される。この例証の物体のために、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ａは物体Ｂ内に含まれず、このため、物体ＡとＢは親物体であることを判定する。第５２Ｂ図は、活動リストにおける物体ＣとＤが、小さな物体ＢとＡに関して考察された後の族リンク関係を示す。物体Ｃを考える際に、小さな物体Ｂは親の現状態を有するために、包含性テストが行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ｂが物体Ｃ内に含まれ、そして物体Ｂが子の状態を与えられることを判定する。第５２Ｂ図において、活動リストへの直接リンクを保存する物体Ｂから物体Ｃへの従属リンクが、示される。小さな物体Ａは親の現状態を有するために、物体Ａが物体Ｃ内に含まれるかのテストがまた、行われる。包含性テストは、物体Ａが物体Ｃ内に含まれず、物体Ａは、親であり、活動リストに残ることを示す。物体Ｄを考察する際に、小さな物体Ｃは親の現状態を有するために、包含性テストが、行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ｃが物体Ｄ内に含まれないことを判定する。物体Ｃは、活動リストにおいて親としてその状態を保持する。小さな物体Ｂは子の現状態を有するために、物体Ｄに関する包含性テストは、行われない。小さな物体Ａは親の現状態を有するために、包含性テストは、物体Ｄに関して行われる。ここで例証された如く、ＣＯＮＴＡＩＮＴＥＳＴは、物体Ａが物体Ｄ内に含まれず、こうして、物体Ａは親であり、活動リストに残ることを判定する。第５２Ｂ図において、物体ＥとＦは、まだ考察されず、親の初期化状態を保持する。第５２Ｃ図は、物体Ｅが小さな物体Ｄに関して考察された後の族リンク関係を示す。物体Ｅを考察する際に、小さな物体Ｄは親の現状態を有するために、包含性検査が行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ｄが物体Ｅ内に含まれ、物体Ｄが子であることを判定する。第５２Ｃ図において、活動リストへの物体Ｄの直接リンクを保存する物体Ｄから物体Ｅへの従属リンクが、示される。第５２Ｄ図は、物体Ｅが小さな物体ＣとＡに関して考察され、かつ、物体Ｆが小さな物体ＥとＡに関して考察された後の族リンク関係を示す。物体Ｅを考察する際に、小さな物体Ｃは親の現状態を有するために、包含性テストが行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ｃが物体Ｅ内に含まれ、物体Ｃが子であることを判定する。第５２Ｄ図において、活動リストにおける物体Ｃの直接リンクとその親物体Ｃへの物体Ｂの従属リンクを保存する物体Ｃから物体Ｅへの従属リンクが、示される。小さな物体Ｂは子の現状態を有するために、物体Ｅに関する包含性テストは、行われない。小さな物体Ａは親の現状態を有するために、物体Ａが物体Ｅ内に含まれるかに関するテストが、行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ａが物体Ｅ内に含まれず、物体Ａは親であり、活動リストに残ることを判定する。物体Ｆを考察する際に、物体Ｅは親の現状態を有するために、包含性テストが、行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ｅが物体Ｆ内に含まれないことを判定する。物体Ｅは、活動リストにおける親として保存され、すべての子への従属リンクを示す。物体Ｄ、ＣとＢは、子達の現状態を有し、Ｆに関する包含性テストは、行われない。小さな物体Ａは親の現状態を有するために、物体Ａが物体Ｆ内に含まれるかに関するテストが、行われる。ここで例証された如く、モジュ−ルＣＯＮＴＡＩＮＴＥＳＴは、物体Ａが物体Ｆ内に含まれず、親であり、活動リストに残ることを判定する。第５２Ｅ図は、この例において直接リンクの除去により、図示された如く、物体Ｂ、ＣとＤが活動リンクから取り除かれた、ＬＩＮＫＦＡＭＩＬＹモジュ− ルの完了における物体Ａ、Ｂ、Ｃ、Ｄ、ＥとＦの族リンク関係を示す。第４実施態様は、第１８図に関して第１実施態様に対して図示された如く、相似性検査を行うことができる。本発明のピギーバック方式により、第１物体に関して冗長な各第２物体の少なくとも一つの所定点の特性的属性が、判定される。特に、第４実施態様において、少なくとも一つの所定点は、小さな物体の４つの極点である。この段階は、第４７図、ブロックＣにおいて示され、以下に詳細に議論される如く、第５３図に例示されたモジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰにおいて展開される。明瞭性のために、ＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰの段階が、例示され、この場合、第１物体は大きな物体であり、第２物体は小さな物体であり、第１及び第２物体は、上記の如く、空間的な重なり以外で冗長になる場合があることが理解される。第４実施態様の好ましい実現において、各第１及び第２物体の各内点の平均特性的属性は、第１実施態様に関して議論された如く判定される。平均特性的属性を使用するこの実現は、特性的属性を使用するピギーバック方式の実現よりも良い比較を与える。各第１物体の各内点の同一の平均特性的属性が、それから、判定される。好ましい実現において、第１物体は、大きな物体であり、第２物体は、小さな物体であり、平均特性的属性は、平均内部色相、即ち、大きな物体と小さな物体の内点の平均色相、である。第４実施態様に関して図示された如く、親（大）物体と子（小）物体に対して、または（ａ_p−ａ_c）²＋（ｂ_p−ｂ_c）²＞ｄ² _t （１０）ここで、Ｈは色相である。Ｈは色相平均値である。ａとｂはカラー画像におけるＲＧＢグレーレベル値である。ｐは親を指す。ｃは子を指す。ｄは所定の距離を指す。ｔは所定の距離しきい値を指す。であるならば、子は異種である。即ち、子は親とは異なる。第４実施態様の好ましい実現において、小さな物体の内点を除く、大きな物体の内点が、決定される。モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、第５３図の長円形Ａに示された如く、開始する。このモジュ−ルは、物体が異種子を有するかを判定する。「異種子」により、子が親とは異なることを意味する。モジュ−ルは、親物体を、親物体としてすでに選択されていない活動リストからの最小物体にする。判断記号Ｃは、物体が、子又は子達を有するかを判断する。そうならば、モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、ブロックＤに示された如く、モジュ−ルＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮを呼び出す。このモジュ−ルは、第５４図に関して以下で議論される。それから、判断記号Ｅは、親物体が活動リストにおける最大物体であるかを判断する。そうならば、モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、長円形Ｆに示された如く、終了される。そうでないならば、Ｂ−Ｅによるル −プは、親物体が活動リストにおける最大物体になるまで継続し、この点において、モジュ−ルは終了される。判断記号Ｃに戻って、親物体が子達を有さないならば、モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、判断記号Ｅに即時に行き、Ｂ−Ｅによるル−プは、親物体が活動リストにおける最大物体になるまで継続し、この点において、モジュ−ルは、長円形Ｆに示された如く終了される。上記の如く、モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、第５４図において図示の如く、モジュ−ルＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮを呼び出す。このモジュ−ルは、独立物体として物体を復位させる。モジュールが長円形Ａに示された如く開始した後、モジュールは、ブロックＢに示された如く、子を、子としてすでに選択されていない親の次の子物体にする。ブロックＣは、以下でさらに詳しく議論された如く、モジュ−ルＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮが、異種物体の比較を行うことを示す。判断記号Ｄは、親と子が異なるかを判断する。そうならば、ブロックＥに示された如く、子は、親の子の状態から活動リストにおける独立物体に移動され、モジュ−ルは、ブロックＦに進む。親と子が異ならないならば、モジュ−ルは、ブロックＦへ直接に進む。ブロックＦに示された如く、モジュ−ルは、子物体に対してモジュ−ルＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮを再帰的に実行する。判断記号Ｇは、子が親の最後の子であるかを判断する。そうでないならば、モジュ−ルＳＥＰＡＲＡＴＥＨＥＴＥＲＯＧＥＮＥＯＵＳＣＨＩＬＤＲＥＮは、ブロックＢに戻り、Ｂ−Ｇによるル−プは、子が親の最後の子になるまで継続する。この点において、モジュ−ルは、長円形Ｈに示された如く、終了される。第４実施態様の選択規則は、続く比較に対して保存、削除及び保存を区別することが注目される。物体は、リストから冗長な物体として取り除かれるが、その物体の周囲点は、続く比較に対して保存される。例えば、複数の子達、又は小さな物体が、親物体内に検出される時、最も外側の親物体の周囲点は保存される。明瞭性のために、モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、第５５Ａ〜５５Ｆ図を参照して説明される。第５５Ａ図は、モジュ−ルＬｉｎｋＦａｍｉｌｙによって決定された族関係を有する物体Ａ、Ｂ、Ｃ、Ｄ、ＥとＦのグループを示す。物体Ａ、ＥとＦは、親の状態を有し、活動リストにおいて含まれる。物体ＣとＤは、物体Ｅの子達である。物体Ｂは、物体Ｃの子である。モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰは、子物体が親に対して不同（又は異種）であるかを判定する。モジュ−ルは、活動リストにおける最小の親物体、この場合、物体Ａから始まる。物体Ａは、子達を有さず、そのため、モジュールは、次に最も大きい親物体、物体Ｅへ移動する。物体Ｅは、異種非凝集のために考慮されなければならない子達を有する。物体Ｆは、子達を有さず、このため、モジュ−ルＨＥＴＥＲＯＧＥＮＥＯＵＳＤＥＣＬＵＭＰによって処理される必要はない。第５５Ｂ図は、物体Ｃが親物体Ｅとは不同又は異種である時の、異種非凝集の結果を示す。物体Ｃを考察する際に、モジュ−ルＨｅｔｅｒｏｇｅｎｅｏｕｓＤｅｃｌｕｍｐは、物体Ｃが異種であると判定し、物体Ｃは、親の状態で活動リストに再リンクされる。第５５Ｃ図は、物体Ｂが次に考察され、その親物体Ｃに対して異種であると判定される時の異種非凝集の結果を示す。物体Ｂはまた、親の状態で活動リストに再リンクされる。第５５Ｄ図は、物体Ｄが考察され、その親物体Ｅに対して異種であると判定された時の異種非凝集の結果を示す。物体Ｄはまた、親の状態で活動リストに再リンクされる。物体Ｄが考察され、異種ではないと判定されたならば、第５５図に示された如く、族リンク関係が、適用可能である。第５５Ｅ図は、物体Ｃがその親物体Ｅに対して異種でないと判定された時の、異種非凝集の結果を示す。それ自身の子、物体Ｂへの従属リンクを含む、親物体Ｅへの物体Ｃの従属リンクは、保存される。第５５Ｆ図は、物体Ｂがその親物体Ｃに対して異種であると判定された時の異種非凝集の結果を示す。物体Ｂは、親の状態で活動リストに再リンクされる。第５６図に示された如く、モジュ−ルＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳは、物体事例の各組から最大縁コントラストを有する物体のみを保存するためにランされる。長円形Ａに示された如く、ＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳは、開始し、その後、すべての物体に対して、縁コントラストの如く、パラメータを算出する。第５６図のブロックＢに示された如く、縁コントラストは、第３３図に関して記載された如く、算出される。それから、ＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳは、ブロックＣに示された如く、親を、親物体としてすでに選択されていない活動リストからの最小物体にする。それから、ＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳは、モジュールＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹを呼び出し、ブロックＤに示された如く、親物体に対してこのモジュ−ルをランさせる。判断記号Ｅは、親が最大活動物体であるかを判断する。そうでないならば、Ｂ−Ｅによるル−プは、親が最大活動物体になるまで継続する。この点において、モジュ−ルは、長円形Ｆに示された如く、終了される。第４実施態様において、第５７Ａ〜５７Ｂ図に示された如く、モジュ−ルＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、物体のいろいろな世代の冗長な同定を除去する。モジュ−ルＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、第５７Ａ図の長円形Ａに示された如く、開始する。ＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、親物体を処理するために呼び出される。ブロックＢに示された如く、ＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、親の各子に対して再帰的に呼び出される。それから、他の物体に含まれていない各物体、即ち、親物体、に対して、モジュ−ルＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、第５７Ａ図のブロックＢに示された如く、親物体の各子物体を再帰的に処理する。この再帰呼出しは、例えば、第５５Ａ図に示された如く、最初に、族木の最も下から物体を処理する。即ち、曾孫が、孫の前に処理され、そして孫が、子の前に処理される等である。判断記号Ｃは、親の子の数がいくつかを判断する。子がいないならば、モジュ−ルは、長円形Ｄに示された如く、終了する。親の子の数が、１であるならば、判断記号Ｅは、子の縁コントラストが、親の縁コントラストよりも大きいかを判断する。そうでないならば、親は、ブロックＥに示された如く保持され、子は、ブロックＦに示された如く無視され、そしてモジュ−ルは、長円形Ｄに示された如く、終了される。判断記号Ｅに戻って、親の縁コントラストが、子の縁コントラストよりも良いならば、判断記号Ｇは、親が親を有するかを判断する。そうでないならば、子は、ブロックＨにおいて示された如く、他の物体に含まれない物体として保持される。親は、ブロックＪに示された如く、無視され、そしてモジュ−ルは、第５６Ｂ図の長円形Ｄに示された如く、終了される。判断記号Ｇに戻って、親が親を有するならば、子は、ブロックＩに示された如く、保持される。親は、ブロックＪに示された如く、無視され、そしてモジュ−ルは、長円形Ｄに示された如く、終了される。判断記号Ｃに戻って、子の数が、１よりも大きいならば、モジュ−ルＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、判断記号Ｌに進み、親が親を有するかを判断する。有さないならば、親は、ブロックＭに示された如く保持される。親は、周囲点の如く親の特性を子達に割り当てる目的のためにのみ保持される。例えば、親の各内点は、子達の一つに割り当てられ、その結果、すべての親の領域は、最終分析において子達によって表現される。すべての子達は、ブロックＮに示された如く、保持され、そしてモジュ−ルは、長円形Ｄに示された如く、終了される。親が親を有するならば、親は、ブロックＯに示された如く無視される。すべての子達は、ブロックＮに示された如く保持され、そしてモジュ−ルは、長円形Ｄに示された如く、終了される。明瞭性のために、モジュ−ルＲｅｍｏｖｉｎｇＲｅｄｕｎｄａｎｃｉｅｓは、第５８Ａ〜５８Ｄ図を参照して説明される。第５８Ａ図は、モジュ−ルＬＩＮＫＦＡＭＩＬＹとＨｅｔｅｒｏｇｅｎｅｏｕｓＤｅｃｌｕｍｐがランされた後、物体Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、ＧとＨの族リンク関係の引例である。モジュ −ルＲＥＭＯＶＥＲＥＤＵＮＤＡＮＣＩＥＳの目的は、均質又は類似の子達をそれらの親と比較し、これにより、冗長性を判定することである。このプロセスにおいて、現親の各子は、再帰的に処理される。本例において、親物体Ａは、子達を有さず、このため、考察されない。次の親物体Ｇを考察すると、各子と同族の子は、再帰的に処理されなければならない。モジュ−ルは、まず、族木の最も下の子から処理する。この例示において、物体Ｇの玄孫であり、それ自信、子達を有さない物体Ｂが、処理される。第５８Ｂ図は、その親物体Ｃに関して子物体Ｂの冗長性を解消する結果を示す。物体Ｂとその親物体Ｃは、以前に異種非凝集テストにパスしたために、類似（又は均質）物体であることが公知である。親物体Ｃの子の数及び／又は物体ＢとＣの縁コントラストに基づいて、ＣＨＥＣＫＲＥＤＵＮＤＡＮＣＹは、物体ＢとＣのいずれが、保持され、他方が無視されるかを判定する。この例証の目的のために、第５８Ｂ図において例示された如く、物体Ｃは、保持され、物体Ｂは、無視される。モジュ−ルは、子物体Ｄを考慮するために再帰的に復帰する。物体Ｄは子を有さないために、モジュ−ルは、第５８図に示された如く、物体Ｄの親である物体Ｅに木を上る。親物体が複数の子達を有するならば、親の親が、考察される。物体Ｅは親物体Ｆを有するために、物体Ｅは、無視され、生ずる族リンク関係が、第５８Ｃ図において示される。モジュ−ルは、第５８Ｃ図における物体Ｆを考慮するために再帰的に復帰する。物体Ｆは複数の子達を有し、親物体Ｇを有するために、物体Ｆは無視され、生ずる族リンク関係は、第５８Ｄ図において示される。モジュ−ルは、第５８Ｃ図における物体Ｇを考慮するために、再帰的に復帰する。物体Ｇは、複数の子達を有し、親物体を有さないために、物体Ｇとその子達は保持され、そして族関係は、第５８Ｄ図によって表現される。モジュ−ルは、物体Ｈを考慮するために再帰的に復帰する。物体Ｈは、子達を有さない。第５８Ｄ図に示された如く、族リンク関係が、確立される。実施例Ｉこの実施例において、本発明の方法及びシステムが、２つの物体クラスを弁別するために、上記の如くＬＯＣＡＴＥモジュ−ルを用いて、調査された。この実施例は、ブドウ状球菌アウレウス（Ｓ．ａｕｒｅｕｓ）のＢａｉｒｄＰａｒｋｅｒ選択性寒天において準備され、４８時間３７℃において培養された拡散プレートの画像を使用した。２３個のプレートが、像を形成され、手動計数された２２４５個のコロニーを含んだ。この実施例において、典型的なブドウ状球菌アウレウスのみが、識別対象であり、すべての他の物体は人為物と見なされた。ＬＯＣＡＴＥモジュールは、ブドウ状球菌アウレウスに対して微生物学者のマークと一致した２０６１個の物体と、約４２８０個の人為物とを検出した。各物体に対して、第５９Ｆ図に示された如く、物体を記述する多数のパラメータが、画像から抽出された。下記の表１は、この実施例において使用されたパラメータをリストする。ＷｉｌｌｉａｍＨ．Ｐｒｅｓｓ、ＢｒｉａｎＰ．Ｆｌａｎｎｅｒｙ、ＳａｕｌＡ．ＴｅｕｋｏｌｓｋｙａｎｄＷｉｌｌｉａｍＴ．Ｖｅｔｔｅｒｌｉｎｇにより、教科書”ＮｕｍｅｒｉｃａｌＲｅｃｉｐｅｓｉｎＣ”、ＣａｍｂｒｉｄｇｅＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ（１９８８）において記載された如く、（回帰あてはめにおいて人為物とコロニーの数を平衡させるために）、線形回帰あてはめが、人為物の５０％を使用して、第５９Ｎ図に示された如く行われた。回帰値は、第５９Ｈ図に示された如く、回帰あてはめから決定された回帰係数を用いて、すべての物体に対して生成された。第４実施態様を使用する物体同定及び計数のためのシステムは、第５９図において示される。このシステムは、分析される場面の視覚特徴において検出された潜在的に冗長な物体を解消するための上記の方法を使用し、下記された如く、物体のクラス（又は部類）と各クラスにおける物体の数の自動決定を獲得する。第５９図は、２つの別個の情報の流れを考察することにより理解される。第１の情報の流れは、図の左側に完全に示された画像処理用である。この流れの目的は、場面を考慮して、一つ以上の部類における所望の物体のカウントを決定することである。この流れは、第２の流れによって得られた情報を使用する。第２の情報の流れは、第５９図において完全に示された養成処理である。この流れの目的は、２つ以上の部類を設けるために使用された物体分類方法に対して適正なセットアップデータを決定することであり、第１の流れにおいて使用される場面を表現する画像場面の組に基づく。次は、第１の情報の流れ、画像処理を記載する。所望の場面の画像が、第５９図のブロックＡに示された如く、取得される。長円形Ｂの画像は、それぞれ、赤、緑、青及び中性濃度フィルターを使用して取得された赤、緑、青及び灰色平面から成る全色画像であり、等価の適正なカラーバランスに対して整合される。この画像は、ブロックＣに示された如く切取られ、全画像場面の一部のみの分析を可能にする。この切取りプロセスは、例えば、画像に円形ペトリ皿の縁を位置付け、所定のオフセットでそれを切取ることにより、完全自動である。切取りプロセスはまた、例えば、所定の矩形マスクを使用することにより、手動でもある。いずれにせよ、マスクデータは、長円形Ｄに示された如く、セーブされる。画像データ（長円形Ｂ）とマスクデータ（長円形Ｄ）は、第４実施態様において記載され、ブロックＥに示された如く、位置付け方法によって使用されるが、他の実施態様も使用される。位置付け方法の結果は、長円形Ｆに示された如く、物体のリストと関連記述データである。このデータは、ブロックＧに示された如く、分類段階を使用して、長円形Ｈに示された線形回帰係数と組み合わされ、長円形Ｉに示された如く存在する各クラス（又は部類）における物体のカウントを提供する。次は、第２の情報の流れ、養成プロセスを記載する。上記の如く、画像が、取得され（ブロックＡ）、切取られ（ブロックＣ）、そして物体が位置付けられ（ブロックＥ）、画像データ（長円形Ｂ）、マスクデータ（長円形Ｄ）、及び物体記述データ（長円形Ｆ）を生ずる。画像データ（長円形Ｂ）はまた、ブロックＪに示された如くマークされ、長円形Ｋで表された、一つ以上の部類において所望の物体の位置を提供するデータリストを生成する。マーカー位置のこのリストは、ブロックＬに示された如く、マッチング段階によって位置付けられた物体（長円形Ｆ）と整合される。このマッチング段階は、すべての物体が正しい部類に割る当てられることを保証するために、確認段階を含む。マッチング段階は、長円形Ｍに示されたマーク付き物体リストを生ずる。長円形Ｋのマーカーリストにおけるマークの一つと非関連（不整合）の長円形Ｆの物体リストにおけるすべての物体は、特殊な人為物部類に割り当てられる。これらの段階は、多数の画像に対して繰り返され、これらの画像は、養成の組を具備する。養成の組における各画像に対するマーク付き物体リストは、組み合わされ、（多数の画像からの物体を表現する以外にリストは同一であるために長円形Ｍによって表現された）組合せマーカー物体リストを生成する。長円形Ｍのこの組合せマーク付き物体リストは、養成の組におけるすべての画像に対して、長円形Ｆの物体リストに含まれた各物体のすべての記述データと、各物体に割り当てられる正しい部類の指示を含む。この時、この新リストは、ブロックＮに示された如く、線形回帰方法（又は他の適切な線形又は非線形分類方法）によって使用され、長円形Ｈで示された如く、物体（ブロックＦ）を２つ以上のクラスに分類するために必要な係数としきい値を集合的に生成する。上記の方法の使用は、通常、次の段階から成る。自動処理が望まれる場面を表現する場面の養成組が、選択される。上記のプロセス養成段階は、その組において行われる。それから、自動処理が望まれる付加的場面が、選択される。画像処理段階は、これらの画像の各々において行われ、所望の如く、各画像に対する各所望クラスの物体のカウントを生ずる。第６０図は、回帰係数の関数として、人為物（左曲線）とコロニー（右曲線）のパーセント分布を示す。回帰しきい値（中心における垂直線）は、全誤差（しきい値の右側に対して左曲線のテールによって表された正誤差としきい値の左側に対して右曲線のテールによって表された負誤差の合計）を最小にするように設定される。第６１図は、人為物（左ピーク、ここで、最大値は、０．０１回帰値幅当たり２００物体のプロット最大値よりも大きい）とカウント（右ピーク）のカウント分布を示す。人為物とコロニーの間の明確な分離が、見られる。実施例２この実施例において、本発明の方法及びシステムの能力が、幾つかの物体クラスを区別するために、上記の如くＬＯＣＡＴＥモジュールを用いて、調査された。この実施例は、ブドウ状球菌アウレウスのためのＢａｉｒｄＰａｒｋｅｒ選択性寒天において準備され、４８時間３７℃において培養された拡散プレートの画像を使用した。しかし、この実施例において、示差能力は、典型的なブドウ状球菌アウレウスコロニー（第６２図と第６３図において”２”の標識）、異型又は他のブドウ状球菌コロニー（第６２図と第６３図において”１”の標識）、他の背景コロニー（第６２図と第６３図の”０”の標識）、及び人為物又は非コロニー物体（第６２図と第６３図において”ｘ”の標識）を弁別することにより、検査された。この実施例に対して、９６枚のプレートが、結像された。次の表２は、微生物学者のマークに一致した検出された各形式物体の数を示す。各物体に対して、物体を記述する多数のパラメータが、画像から抽出された。下記の如く、表３は、この実施例において使用されたパラメータをリストする。すべての物体は、回帰あてはめを決定するために使用された。あてはめ係数から、回帰値は、第６２図においてプロットされた、各物体に対して決定された。このプロットは、人為物と背景コロニーの間の明確な分離、並びに、背景コロニーと２つのブドウ状球菌個数の間の良好な分離を示す。第６３図は、実施例２のデータに対するカウント分布を与える。実施例３この実施例において、本発明の方法及びシステムが、上記の如くＬＯＣＡＴＥモジュールを用いて、細菌コロニーを計数した。この実施例は、ＢｒａｉｎＨｅａｒｔＩｎｆｕｓｉｏｎ（ＢＨＩ）非選択性栄養素寒天において準備され、２４時間３７℃において培養された拡散プレートの画像を使用した。プレートは、熟練した微生物学者によって手動で計数され、本発明の方法及びシステムを使用して結像された。画像の第１組（養成組）がまた、微生物学者によって、本発明のシステムにおいてマークされ、システムにコロニーの位置を知らせた。この組は、７４枚のプレートから成り、その内の２５枚は、プレート当たり２５〜２５０コロニーの計数範囲にあり、残りの大部分は、プレート当たり２５コロニーよりも少数であった。総数３４５９コロニーが、手動で計数され、第２手動カウントを表現する３５７２個のマークが、作られた。ＬＯＣＡＴＥモジュールは、これらの７４枚のプレートの画像において９９４１個の物体を検出した。これらの内で、３０８４個が、微生物学者のマークと一致した。不一致は、別のマーク（即ち、自動的に検出された単一物体に対する多重マーク）に割り当てられた３１７個の物体と、適切な物体が自動的に検出されない１７１個のマークと、同様に適切な２つ以上の物体が自動的に検出され、その内一つは無秩序に選択された６個のマークであった。残りの６８５７個の非コロニー又は人為物の中で、約４５％又は３１５７個の物体の無秩序の選択が為され、線形回帰あてはめに対してコロニー及び人為物のほぼ等しい数を与えた。線形回帰あてはめ（第１実施例の表１に掲げたものと同一のパラメータの使用）は、係数の組としきい値を生成し、プレート当たり２５〜２５０コロニーの計数範囲内の、３３画像の独立な組に適用された。ＬＯＣＡＴＥモジュールは、これらのプレートの画像において９８５０個の物体を検出した。回帰係数としきい値を適用した後、３０４８個が、コロニーとして自動的に識別され、５．６％の計数マイナス誤差に対して、手動で計数された３２２０個のコロニーと比較された。これは、プレートの組に対して予期された性能の評価であり、即ち、平均５．６％の計数誤差が予期される。各プレートに対する自動的に決定されたカウントは、そのプレートに対する手動計数と比較され、各プレートに対するパーセント誤差を与えた。これらの誤差の平均は、５．０％の計数誤差であった。これは、５．６％の上記の誤差評価と比較され、プレートの組に対して予期された誤差の最良の評価である。値差は、組におけるプレートの間の計数の分布により、プレート間で異なる単一計数のパーセント誤差効果における差分に変換される。プレート毎パーセント誤差の絶対値はまた、個別プレートにおいて予期された誤差の評価を与えるために平均化された。これらの３３枚のプレートに対して、この平均絶対値は、１３．６％であった。こうして、所与のプレートに対して、自動的に決定されたカウントは、平均して、手動カウントの１３．６％以内であることが予期された。上記の実施例における誤差率は、手動カウントに基づいた。手動計数は、完全には正確ではないことが知られる。他のデータは、手動計数が、５〜３０％の誤差であることを示唆した。このデータの組に対して、プレートの養成組における２つの手動計数の間の不一致は、約３％であり、この場合、第２計数は、第１計数を既知として行われた。これは、本発明の自動システムの性能は、極めて受容されたことを示す。発明の他の実施態様は、ここで開示された発明の明細書及び実施の考察から、技術における当業者には明らかになるであろう。明細書と実施例は、例示としてのみ考慮され、発明の真の範囲及び精神は、次のクレイムから示されることが意図される。

【手続補正書】特許法第１８４条の８第１項【提出日】１９９６年５月３０日【補正内容】明細書物体の冗長同定を解消するための方法発明の背景発明の分野本発明は、物体の冗長同定を解消するための画像分析方法に関する。さらに詳細には、本発明は、同一画像の多重探索が行われる時、同一物体の多重表現を獲得する物体識別体系に関する。代替的に、物体識別体系は、画像の単一又は多重探索が行われる時、中空又はドーナツ状物体を識別する。さらに、本発明は、同一物体の単一又は多重探索が行われる時、幾つかの別個の物体を解像する際に有益であり、この場合、他の識別体系は、これらの別個の物体を、単一凝集物体として識別していた。そのような物体識別体系は、一つ以上の所定属性を有し、物体の一つの表現から得られた物体の識別が、所定の属性の少なくとも一つを有し、物体の異なる走査から得られた物体の別の識別に関して冗長性があるかを判定する。本発明は、例えば、小さな物体が前に識別されたより大きな物体内に包含されるかを判定するために使用される。

───────────────────────────────────────────────────── フロントページの続き (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)，ＡＰ(ＫＥ，ＬＳ，ＭＷ，ＳＤ，ＳＺ，ＵＧ)，ＡＬ，ＡＭ，ＡＵ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＮ，ＣＺ，ＥＥ，ＦＩ，ＧＥ，ＨＵ，ＩＳ，ＪＰ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＫ，ＬＲ，ＬＴ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＲＯ，ＲＵ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＭ，ＴＴ，ＵＡ，ＵＺ，ＶＮ

Claims

【特許請求の範囲】１．画像における物体の冗長な識別を解消するための方法において、（ａ）画像において潜在的に冗長な物体のグループを識別する段階と、（ｂ）物体のソートリストを生成するために、所定の順序で識別された物体をソートする段階であり、リストにおける初期物体は、初期特性値を有し、リストにおける最終物体は、最終特性値を有する段階と、（ｃ）第１及び第２値の一方を有する物体状態変数を定義する段階と、（ｄ）ソートリストにおける初期物体に物体状態変数の第１値を割り当てる段階と、（ｅ）初期物体に続く各個の物体を、続く各個の物体の特性値よりも小さい特性値を有し、物体状態変数の第１値を有する各物体と比較する段階であり、各比較に対して、続く各個の物体は、第１物体として規定され、第１物体の特性値よりも小さい特性値を有する各物体は、第２物体として規定される段階と、（ｆ）各個の第２物体が、第１物体の特性値の所定範囲内に含まれた特性値を有するかを判定し、これにより、物体状態変数の第１及び第２状態値の一つを、各個の第１物体と各個の第２物体に割り当て、画像における物体の冗長な識別を解消する段階と、（ｇ）段階（ｆ）の物体状態変数の第１値を有する物体を、非冗長物体として識別し、非冗長物体を保持する段階とを具備する方法。２．判定段階が、（ｉ）第１物体の特性値の所定範囲内の特性値を有する第２物体がないならば、第１物体を保持し、第１物体の物体状態変数を第１値に設定する下位段階と、（ii）第２物体が第１物体の特性値の所定範囲内の特性値を有するならば、第１物体を保持し、第１物体の物体状態変数を第１値に設定し、第２物体を削除する下位段階と、（iii）２つ以上の第２物体が、第１物体の特性値の所定範囲内の特性値を有するならば、第１物体を削除し、第２物体の物体状態変数を第１値に設定する下位段階とを具備する請求の範囲１に記載の方法。３．判定段階が、（ｉ）第１物体の特性値の所定範囲内の特性値を有する第２物体がないならば、第１物体を保持し、第１物体の物体状態変数を第１値に設定する下位段階と、（ii）第２物体が第１物体の特性値の所定範囲内の第１特性値を有し、第１物体が、第１物体のより大きな第２特性値を有するならば、第１物体を保持し、第１物体の物体状態変数を第１値に設定し、第２物体を削除する下位段階と、（iii）第２物体が第１物体の特性値の所定範囲内の第１特性値を有し、第１物体が、より小さな第２特性値を有するならば、第２物体を保持し、第２物体の物体状態変数を第１値に設定し、第１物体を削除する下位段階と、（iv）２つ以上の第２物体が、第１物体の第１特性値の所定範囲内の第１特性値を有するならば、第１物体を削除し、第２物体の物体状態変数を第１値に設定する下位段階とを具備する請求の範囲１に記載の方法。４．第１物体が、第２物体と比較して大きな物体であり、第２物体が、第１物体と比較して小さな物体であり、そして判定段階が、小さな物体が、大きな物体内に含まれるかを判定することを含み、さらに、（iv）大きな物体の周囲点を決定する下位段階と、（ｖ）周囲バッファーを生成し、周囲バッファーは、大きな物体の周囲点を具備し、各周囲点は、行位置座標値、列位置座標値、及び方向符号ベクトルを有し、方向符号ベクトルは、各周囲点に対して第１及び第２方向符号値を具備し、第１方向符号値は、次の周囲点に対する各個の周囲点の関係を記述し、そして第２方向符号値は、前の周囲点に対する各個の周囲点の関係を記述する下位段階と、（vi）行列ソート周囲バッファーを生成するために、所定の順序で周囲バッファーにおける周囲点をソートする下位段階と、（vii）バッファーにおける各周囲点に、第１及び第２値の一方を有する周囲点状態変数を割り当て、周囲点状態変数の値は、第１及び第２方向符号値によって決定される下位段階と、（Viii）小さな物体の所定点の列位置座標値が、周囲点状態変数の第１値を有する周囲点の列位置座標値とソート周囲バッファーにおける次の周囲点の列位置座標値の間にあるならば、大きな物体内に含まれるとして小さな物体を指定する段階であり、周囲点は、小さな物体の所定点と同一の行位置座標値を有する下位段階とを含む請求の範囲２に記載の方法。５．第１物体が、第２物体と比較して大きな物体であり、第２物体が、第１物体と比較して小さな物体であり、そして判定段階が、小さな物体が、大きな物体内に含まれるかを判定することを含み、さらに、（ｖ）大きな物体の周囲点を決定する下位段階と、（vi）周囲バッファーを生成し、周囲バッファーは、大きな物体の周囲点を具備し、各周囲点は、行位置座標値、列位置座標値、及び方向符号ベクトルを有し、方向符号ベクトルは、各周囲点に対して第１及び第２方向符号値を具備し、第１方向符号値は、次の周囲点に対する各個の周囲点の関係を記述し、そして第２方向符号値は、前の周囲点に対する各個の周囲点の関係を記述する下位段階と、（vii）行列ソート周囲バッファーを生成するために、所定の順序で周囲バッファーにおいて周囲点をソートする下位段階と、（viii）バッファーにおける各周囲点に、第１及び第２値の一方を有する周囲点状態変数を割り当て、周囲点状態変数の値は、第１及び第２方向符号値によって決定される下位段階と、（ix）小さな物体の所定点の列位置座標値が、周囲点状態変数の第１値を有する周囲点の列位置座標値とソート周囲バッファーにおける次の周囲点の列位置座標値の間にあるならば、大きな物体内に含まれるとして小さな物体を指定する段階であり、周囲点は、小さな物体の所定点と同一の行位置座標値を有する下位段階とを含む請求の範囲３に記載の方法。６．大きな物体内に含まれるとして小さな物体を指定する下位段階が、さらに、下位段階（iv）〜（viii）の前に、（ix）大きな物体の４つの極点を決定する段階であり、各極点は、行位置座標値と列位置座標値を有する下位段階と、（ｘ）４つの極点の行及び列位置座標値を使用することにより、大きな物体を境界付ける矩形を構成する下位段階と、（xi）小さな物体における所定点を決定する段階であり、所定点は、行位置座標値と列位置座標値を有する下位段階と、（xii）大きな物体を境界付ける矩形に関して小さな物体の所定点の位置を決定する下位段階と、（xiii）小さな物体の所定点が、大きな物体を境界付ける矩形内に含まれる時に限り、段階（iv）〜（viii）を行う下位段階と、（xiv）小さな物体の所定点が、大きな物体を境界付ける矩形内に含まれないならば、大きな物体内に含まれないとして、小さな物体を指定する下位段階とを含む請求の範囲４に記載の方法。７．第１物体が、第２物体と比較して大きな物体であり、第２物体が、第１物体と比較して小さな物体であり、そして判定段階が、小さな物体が、大きな物体内に含まれるかを判定することを含み、さらに、判定段階が、（ix）大きな物体の４つの極点を決定する段階であり、各極点は、行位置座標値と列位置座標値を有する下位段階と、（ｘ）４つの極点の行及び列位置座標値を使用することにより、大きな物体を境界付ける矩形を構成する下位段階と、（xi）小さな物体における所定点を決定する段階であり、所定点は、所定の行位置座標値と所定の列位置座標値を有する下位段階と、（xii）大きな物体を境界付ける矩形に関して小さな物体の所定点の位置を決定する下位段階と、（xiii）小さな物体の所定点が、矩形内に含まれるならば、大きな物体内に含まれるとして小さな物体を指定する下位段階とを含む請求の範囲２に記載の方法。８．第１物体が、第２物体と比較して大きな物体であり、第２物体が、第１物体と比較して小さな物体であり、そして判定段階が、小さな物体が、大きな物体内に含まれるかを判定することを含み、さらに、下位段階（ｖ）〜（ix）の前に、（ｘ）大きな物体の４つの極点を決定する段階であり、各極点は、行位置座標値と列位置座標値を有する下位段階と、（xii））４つの極点の行及び列位置座標値を使用することにより、小さな物体を境界付ける矩形を構成する下位段階と、（xiii）小さな物体の４つの極点を決定する段階と、（xiv）小さな物体の極点が、矩形の境界内に含まれないならば、小さな物体を無視する下位段階とを含む請求の範囲２に記載の方法。９．第１物体が、第２物体と比較して大きな物体であり、第２物体が、第１物体と比較して小さな物体であり、そして判定段階が、小さな物体が、大きな物体内に含まれるかを判定することを含み、さらに、（iv）大きな物体の４つの極点を決定する段階であり、各極点は、行位置座標値と列位置座標値を有する下位段階と、（ｖ）４つの極点の行及び列位置座標値を使用することにより、小さな物体を境界付ける矩形を構成する下位段階と、（vi）小さな物体の４つの極点を決定する下位段階と、（vii）小さな物体の極点が、矩形の境界内に含まれないならば、小さな物体を無視する下位段階とを含む請求の範囲７に記載の方法。１０．次の両条件（Ａ）小さな物体の所定点の行位置座標値は、大きな物体を境界付ける矩形の行位置座標値の最小値と最大値の間にあり、（Ｂ）小さな物体の所定点の列位置座標値は、大きな物体を境界付ける矩形の列位置座標値の最小値と最大値の間にある、が満たされるならば、所定点が、大きな物体を境界付ける矩形内に含まれる請求の範囲６に記載の方法。１１．所定点が、小さな物体の質量中心である請求の範囲５、６又は１０の一つに記載の方法。１２．（ｈ）大きな物体内に含まれた小さな物体の少なくとも一つの所定点の特性的属性を決定する段階と、（ｉ）大きな物体の特性的属性を決定する段階と、（ｊ）大きな物体内に含まれた小さな物体の所定点の特性的属性に関する大きな物体の少なくとも一つの所定点の特性的属性の差分が、所定の最小数を超過するならば、大きな物体と小さな物体を保持し、大きな物体と小さな物体の各々の物体状態変数を第１値に設定する段階とをさらに含む請求の範囲５、６又は１０に記載の方法。１３．（ｋ）小さな物体の内点の少なくとも一つの平均特性的属性を決定する段階と、（ｌ）大きな物体の内点の平均特性的属性を決定する段階と、（ｍ）大きな物体内に含まれた小さな物体の内点の平均特性的属性に関する大きな物体の内点の平均特性的属性の差分が、所定の最小数を超過するならば、大きな物体と小さな物体を保持し、大きな物体と小さな物体の各々の物体状態変数を第１値に設定する段階とをさらに含む請求の範囲１２に記載の方法。１４．判定段階（ｋ）が、小さな物体の内点を除いて、大きな物体の内点を決定することを具備する請求の範囲１３に記載の方法。１５．特性的属性が、色相である請求の範囲１２に記載の方法。１６．平均特性的属性が、大きな物体と小さな物体の各々の内点の平均色相である請求の範囲１３に記載の方法。１７．画像における潜在的に冗長な物体のグループを識別する段階が、（ｉ）物体と背景の画像を発生する下位段階と、（ii）複数の副空間を含む多次元データ空間を定義する下位段階と、（iii）少なくとも一つの候補物体の属性に基づいて、少なくとも一つの副空間を選択する下位段階と、（iv）各選択副空間を使用して、候補物体の少なくとも一つの表現に対して画像を多重探索する下位段階であり、候補物体は、少なくとも一つの所定の属性値を有する下位段階と、（ｖ）妥当物体を識別するために、所定の属性値を有する候補物体を妥当化する下位段階とを具備する請求の範囲１に記載の方法。１８．（Ａ）多次元データ空間が、全画像を表現するグレーレベルヒストグラムであり、グレーレベルヒストグラムは、エントロピー関数を有し、それぞれのエントロピー関数を有する複数のグレーレベル上側及び下側ヒストグラムが、ヒストグラムから発生され、（Ｂ）少なくとも一つの副空間が、各上側及び下側ヒストグラムのエントロピー関数が最大化される如く各上側及び下側ヒストグラムの複数のしきいグレーレベル値対であり、画像は、候補物体の少なくとも一つの表現に対して各上側及び下側ヒストグラムの選択しきいグレーレベル対を使用して多重探索される請求の範囲１７に記載の方法。１９．画像における物体の冗長な識別を解消する方法において、（ａ）潜在的に冗長な物体のグループを識別する段階と、（ｂ）２つの識別された物体の面積を比較し、物体の一方を、他方の物体と比較して大きな物体として、他方の物体を、大きな物体と比較して小さな物体として指定する段階と、（ｃ）（ｉ）行位置座標値と列位置座標値を有する大きな物体の４つの極点を決定することと、（ii）４つの極点の行及び列位置座標値を使用することにより、大きな物体を境界付ける矩形を構成することと、（iii）所定の行位置座標値と所定の列位置座標値を有する小さな物体における所定点を決定することと、（iv）大きな物体を境界付ける矩形に関して小さな物体の所定点の位置を決定することと、（ｖ）小さな物体の所定点が、矩形内に含まれるならば、大きな物体内に含まれるとして小さな物体を指定し、これにより、画像における各識別物体の冗長な識別を解消することとにより、小さな物体が大きな物体内に含まれるかを判定する段階とを具備する方法。２０．次の両条件（Ａ）小さな物体の所定点の行位置座標値は、大きな物体を境界付ける矩形の行位置座標値の最小値と最大値の間にあり、（Ｂ）小さな物体の所定点の列位置座標値は、大きな物体を境界付ける矩形の列位置座標値の最小値と最大値の間にある、が満たされるならば、所定点が、大きな物体を境界付ける矩形内に含まれる請求の範囲１９に記載の方法。２１．背景において少なくとも一つの所定属性値を有する妥当物体を識別し、妥当物体の冗長な識別を解消する方法において、（ａ）物体と背景の画像を発生する段階と、（ｂ）エントロピー関数を有する画像のグレーレベルヒストグラムを発生する段階と、（ｃ）ヒストグラムのエントロピー関数が最大化される如く、しきいグレーレベル値をエントロピー的に選択する段階と、（ｄ）候補物体の少なくとも一つの表現に対してエントロピー的に選択されたしきいグレーレベル値を使用して画像を探索する段階であり、候補物体は、少なくとも一つの候補物体属性値を有する段階と、（ｅ）（ｉ）２つの妥当物体の面積を比較し、妥当物体の一方を、他方の妥当物体と比較して大きな妥当物体として、他方の妥当物体を、大きな物体と比較して小さな妥当物体として指定することと、（ii）行位置座標値と列位置座標値を有する大きな物体の４つの極点を決定することと、（iii）４つの極点の行及び列位置座標値を使用することにより、大きな物体を境界付ける矩形を構成することと、（iv）行位置座標値と列位置座標値を有する小さな物体における所定点を決定することと、（ｖ）大きな物体を境界付ける矩形に関して小さな物体の所定点の位置を決定することと、（vi）小さな物体の所定点が、大きな物体を境界付ける矩形内に含まれるならば、大きな物体内に含まれるとして小さな物体を指定することとにより、妥当物体を識別するために、妥当物体の所定属性値を有する候補物体を妥当化する段階とを具備する方法。２２．妥当化段階が、非均質物体の冗長な識別を解消するために行われ、そしてさらに、大きな物体が２つ以上の小さな物体を含む時、大きな物体を削除する下位段階を含む請求の範囲２１に記載の方法。２３．妥当化段階が、非均質物体の冗長な識別を解消するために行われ、そしてさらに、（vi）大きな妥当物体と小さな妥当物体の平均縁コントラストを算出する下位段階と、（vii）大きな妥当物体が、ただ一つの小さな妥当物体を含む時、小さな縁コントラストを有する物体を削除する下位段階とを含む請求の範囲２１に記載の方法。２４．妥当化段階が、均質物体の冗長な識別を解消するために行われ、そしてさらに、（vi）大きな妥当物体と小さな妥当物体の平均縁コントラストを算出する下位段階と、（vii）大きな物体の平均縁コントラストが、小さな物体の平均縁コントラストよりも小さく、かつ、所定の最小縁コントラストよりも小さい場合に大きな物体を削除する下位段階とを含む請求の範囲２１に記載の方法。２５．妥当化段階が、非均質物体の冗長な識別を解消するために行われ、そしてさらに、（vi）大きな妥当物体と小さな妥当物体の縁コントラストを算出する下位段階と、（vii）大きな妥当物体の平均縁コントラストが、小さな妥当物体の平均縁コントラストよりも大きく、かつ、所定の最大縁コントラストよりも大きい場合に小さな妥当物体を削除する下位段階とを含む請求の範囲２２に記載の方法。