JPH11328422A - Image identifying device - Google Patents

Image identifying device

Info

Publication number
JPH11328422A
JPH11328422A JP36790298A JP36790298A JPH11328422A JP H11328422 A JPH11328422 A JP H11328422A JP 36790298 A JP36790298 A JP 36790298A JP 36790298 A JP36790298 A JP 36790298A JP H11328422 A JPH11328422 A JP H11328422A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
image
data
feature
feature vector
step
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
Application number
JP36790298A
Other languages
Japanese (ja)
Inventor
Takeshi Yamaguchi
山口  剛
Original Assignee
Matsushita Electric Ind Co Ltd
松下電器産業株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date

Links

Abstract

PROBLEM TO BE SOLVED: To provide an image identifying device for outputting identification information for automatically classifying image data from the features of inputted image data.
SOLUTION: This IDDA1 is provided with a feature extractor 3 for extracting image feature data Sf from image data Si supplied from an image data source 1, image pattern data base device 5 constituted of image feature judgment data Ss obtained by extracting the image features of plural reference image originals having image features being a reference for discriminating a specific image group C, and image pattern identifier 7 for calculating similarity DFV(Ck, i) between the image feature data Sf and the image feature judgment data Ss. The image pattern identifier 7 obtains a code Ck for specifying the image feature judgment data Ss whose similarity DFV(Ck, i) is the highest as image identification information Sid of the image data Si. As a result, the inputted image can be identified and classified with a constant reference.
COPYRIGHT: (C)1999,JPO

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明は、デジタル画像データが表す画像を識別すると共に、識別された画像をその内容に応じて分類するシステムに関する。 The present invention relates to, together with identifying an image represented by digital image data, a system for classified according to the identified image to the content. さらに詳述すれば、本発明は入力される画像データを分類する識別情報を生成する画像識別装置に関する。 In more detail, an image identification apparatus for generating an identification information for classifying the image data to which the present invention is input.

【0002】 [0002]

【従来の技術】近年、半導体メモリやハードディスクドライブ等の記憶装置の大容量化および低価格化に伴い、 In recent years, due to the large capacity and low cost of the storage device such as a semiconductor memory or a hard disk drive,
コンピュータを利用した画像処理装置を用いて、比較的大容量のデジタル画像データを処理する機会が増大している。 Using an image processing apparatus using a computer, an opportunity to process the digital image data of a relatively large capacity is increasing. 例えば、パーソナルコンピュータシステム上でデジタル画像データ(以降、「画像データ」と称す)をハードディスクドライブに保存する場合、本来、入力される画像データを予め選別して、その画像内容を吟味した上で保存している。 For example, the digital image data on a personal computer system (hereinafter, referred to as "image data") the case of storing in the hard disk drive, originally, in advance selected image data to be input, stored on that examine the image contents are doing. しかし、近年は大量の画像データが高速で入力されてくるので、予め画像データの選別或いは内容を吟味する時間的余裕が無く、入力される画像データを識別や分類をせずに、取り敢えずハードディスクドライブに保存する方法がとられる。 However, since in recent years a large amount of image data is coming is input at a high speed, in advance of the image data selection or there is no enough time to examine the contents, without the identification and classification of the image data to be input, the time being hard disk drive how to save is taken.

【0003】 [0003]

【発明が解決しようとする課題】上述のパーソナルコンピュータシステムでは、入力画像データを保存後に、それら保存された画像データを再生して画像を逐一確認しながら、画像の内容を判断して分類する必要がある。 In the [0006] above personal computer system, after storage of the input image data, while checking the images by playing them stored image data one by one, to be classified to determine the content of the image there is. しかし、画像データの保存量は入力時間と共に莫大になるので、保存後に画像データの分類を行うには時間的な負荷が非常に大きい。 However, since the storage amount of the image data becomes enormous with an input time, a very large temporal burden to do classification of the image data after storage. さらに、画像データは文字等の情報に比べて曖昧性を有するため、分類する際にその判断の基準が一定であるような均質な分類は困難であり、そのために作業者に非常に大きな精神的負荷を強いる。 Furthermore, since image data having ambiguity as compared with information such as characters, and the reference of the determination is difficult homogeneous classified as being constant in classifying, very large mentally operator for its It imposes a load. 本発明は、上記の問題点に鑑みてなされたものであって、入力された画像データの特徴から、画像データを自動分類するための識別情報を出力する画像識別装置を提供することを目的とする。 The present invention was made in view of the above problems, and aims to the characteristics of the input image data, to provide an image identification device for outputting identification information for automatically classifying image data to. また、画像データを自動分類するための基準を追加または更新することにより、常に最適化された自動分類基準で高精度に入力画像データの画像を識別できる画像識別装置を提供することを目的とする。 Moreover, by adding or updating the criteria for automatically classifying the image data, and an object thereof is to provide an image identification apparatus can identify an image of the input image data with high accuracy at all times optimized automatic classification criteria .
さらに、高速に画像の識別を行う画像識別装置を提供することを目的とする。 Furthermore, it is an object to provide an image identification apparatus that performs identification of the image at high speed.

【0004】 [0004]

【課題を解決するための手段および発明の効果】第1の発明は、入力される画像を一定の基準で識別、且つ分類する画像識別装置であって、識別すべき画像の画像情報である画像データを供給する画像データ源と、画像データに基づいて、画像の特徴を抽出して第1の特徴ベクトルデータを生成する画像特徴抽出器と、所定の画像特徴を共有する画像から構成される画像グループを他の画像グループから区別する基準となる画像特徴を有する複数の基準画像のそれぞれについて、画像特徴を抽出した第2の特徴ベクトルデータと第2の特徴ベクトルデータのそれぞれを特定する符号とを有する画像特徴データで構成される画像パターンデータベースを格納するデータベース装置と、第1の特徴ベクトルデータと複数の第2の特徴ベクトルデー SUMMARY and effects of the invention for solving the first invention, the identification image input on a regular basis, an image identification apparatus and classified, is image information of an image to be identified image an image data source for supplying data based on the image data, an image feature extractor for generating a first feature vector data by extracting a feature of an image, and an image sharing a predetermined image feature image for each of the plurality of reference images having image characteristics as a distinguishing criterion of the group from another group of pictures, and a code identifying the respective second feature vector data and the second feature vector data obtained by extracting the image feature and a database device for storing the image pattern database and an image characteristic data having the first feature vector data and a plurality of second feature vectors Day のそれぞれとの類似度を求める画像データ比較器と、類似度の最も高い画像特徴データの符号を画像データの画像識別情報として出力する画像識別器とを備える。 Comprising the image data comparator for determining the similarity between each of the image classifier to output the sign of the highest image feature data of similarity as the image identification information of the image data. 上記のように、第1の本発明においては、予め求められた基準となる画像特徴判定データと、 As described above, in the first aspect of the present invention, an image feature judgment data to be previously obtained reference,
入力画像データの画像特徴データとを比較して、両者の類似度を求めて、類似度の最も高い画像特徴判定データを特定する分類コードで画像データを識別することによって、安定した基準で入力画像を分類できる。 By comparing the image feature data of the input image data, seeking both similarity by identifying the image data classification code identifying the highest image feature judging data of similarity, the input image with a stable reference It can be classified.

【0005】第2の発明は、第1の発明において、画像データ比較器は、第1の特徴ベクトルデータと第2の特徴ベクトルデータとの距離を算出して特徴ベクトル間距離として出力する特徴ベクトル間距離測定器を含み、特徴ベクトル間距離が小さいほど類似度が高いことを特徴とする。 A second invention according to the first invention, the image data comparator feature vector is output as a feature vector distance by calculating the distance between the first feature vector data and the second feature vector data comprised between the distance measuring instrument, characterized by a high degree of similarity as the distance between the feature vectors small. 上記のように、第2の発明においては、基準となる画像特徴判定データと、入力画像データの画像特徴データの特徴ベクトル間の距離の小ささをもって、類似度が高いとするので、客観的な基準で入力画像を識別、 As described above, in the second invention, with the image feature judgment data as a reference, the smallness of the distance between the feature vectors of the image feature data of the input image data, since the degree of similarity is high, such objective identifying an input image with the reference,
且つ分類できる。 And it can be classified.

【0006】第3の発明は、第2の発明において、画像データ比較器は、さらに、特徴ベクトル間距離が所定値以下である場合に、第2の特徴ベクトルデータは第1の特徴ベクトルデータに類似していると判断する類似判定器を含む。 A third invention is the second invention, the image data comparator Further, when the distance between the feature vectors is equal to or less than the predetermined value, the second feature vector data to the first feature vector data including similarity determination unit to determine that similar. 上記のように、第3の発明においては、類似度判定の基準である特徴ベクトル間距離が所定の閾値以下の場合にのみ類似判定を行うので、類似の程度を管理できる。 As described above, in the third invention, since the distance between the feature vectors is a measure of the similarity determination is performed only similarity determination if more than a predetermined threshold value, to manage the degree of similarity.

【0007】第4の発明は、第3の発明において、画像データ比較器は、さらに、特徴ベクトル間距離を昇順に並べて、先頭の特徴ベクトル間距離の符号を画像識別情報として出力する類似特徴データ検出器とを含む。 [0007] A fourth aspect based on the third aspect, the image data comparator further similar feature data side by side distance between the feature vectors in ascending order, and outputs the sign of the beginning of the inter-feature vector distance as image identification information and a detector. 上記のように、第4の発明においては、昇順に並べた特徴ベクトル間距離と入力画像とを見比べることによって、画像特徴判定データの特徴ベクトルの設定が適切かの判断を可能とする。 As described above, in the fourth invention, by visually comparing the input image with the feature vector distance that arranged in ascending order, set of feature vectors of the image feature decision data to enable proper or not.

【0008】第5の発明は、第1の発明において、第1 [0008] A fifth aspect based on the first aspect, the first
の特徴ベクトルデータに類似した第2の特徴ベクトルデータが存在しない時に、第1の特徴ベクトルデータを画像パターンデータベースに追加更新する画像パターンデータベース更新器を更に備える。 When the second feature vector data similar to the feature vector data does not exist, further comprising an image pattern database updater to add updates the first feature vector data to the image pattern database. 上記のように、第5の発明においては、画像パターンデータベースに格納してある画像特徴判定データが不十分で入力画像を識別出来ない場合は、その識別できない入力画像の画像特徴データを画像パターンデータベースの画像特徴判定データとして追加することによって、画像パターンデータベースを更新できる。 As described above, in the fifth invention, when the image feature judging data stored in the image pattern database can not identify the insufficient input image, the image feature data of the image pattern database of the input image which can not be the identification by adding as an image characteristic judgment data, it updates the image pattern database.

【0009】第6の発明は、第1の発明において、画像データ比較器は、第1の特徴ベクトルデータの各特徴ベクトル項に関して、有効値の範囲を保持することを特徴とする。 [0009] According to a sixth aspect, in the first invention, the image data comparator for each feature vector terms of the first feature vector data, characterized by holding the range of valid values. 上記のように、第6の発明においては、画像特徴判定データの特徴ベクトルを有効範囲に保持することによって、画像パターンデータベースで画像特徴データを有効に識別できる。 As described above, in the sixth invention, by holding the feature vector of the image feature judgment data in the effective range, the image characteristic data in the image pattern database can effectively identify.

【0010】第7の発明は、第6の発明において、第1 [0010] A seventh aspect of the sixth invention, the first
の特徴ベクトルデータの各特徴ベクトル項が有効値の範囲を外れている場合には、画像比較器は類似度の算出を行わないことを特徴とする。 If each feature vector terms of feature vector data is out of the range of valid values, the image comparator is characterized in that not calculated degree of similarity. 上記のように、第7の発明は、画像特徴データが画像特徴判定データの識別範囲を外れている場合に、類似度を無駄に算出することを防ぎ、処理効率の向上を図る。 As described above, the seventh invention, when the image feature data is out of the identification range of the image feature judging data, prevents wasteful calculating the similarity, to improve the processing efficiency.

【0011】第8の発明は、入力される画像を一定の基準で識別、且つ分類する画像識別方法であって、識別すべき画像の画像情報である画像データを入力する画像データ入力ステップと、画像データに基づいて、画像の特徴を抽出して第1の特徴ベクトルデータを生成する画像特徴抽出ステップと、所定の画像特徴を共有する画像から構成される画像グループを他の画像グループから区別する基準となる画像特徴を有する複数の基準画像のそれぞれについて、画像特徴を抽出した第2の特徴ベクトルデータと第2の特徴ベクトルデータのそれぞれを特定する符号とを有する画像特徴データで構成される画像パターンデータベースの複数の第2の特徴ベクトルデータと第1の特徴ベクトルデータとの類似度を算出する画像データ比較ステップ [0011] An eighth aspect of the present invention, identifying the image input on a regular basis, an image identification method of and classify the image data input step of inputting image data is image information of an image to be identified, based on the image data distinguishing an image feature extraction step of generating a first feature vector data by extracting a feature of an image, an image group including an image which share a predetermined image features from other image groups for each of the plurality of reference images having image characteristics as a reference image and an image feature data and a code identifying the respective second feature vector data and the second feature vector data obtained by extracting the image feature image data comparing step of calculating a similarity between the plurality of second feature vector data and the first feature vector data of the pattern database 、類似度の最も高い画像特徴データの符号を画像データの画像識別情報として出力する画像識別ステップとを備える。 , And an image identification step of outputting the code of the highest image feature data of similarity as the image identification information of the image data. 上記のように、本発明の第8 As described above, the eighth of the present invention
の発明においては、予め求められた基準となる画像特徴判定データと、入力画像データの画像特徴データとを比較して、両者の類似度を求めて、類似度の最も高い画像特徴判定データを特定する分類コードで画像データを識別することによって、安定した基準で入力画像を分類できる。 In the invention, an image feature judgment data to be previously obtained reference is compared with the image feature data of the input image data, seeking both similarity, identify the highest image feature judging data of similarity by identifying the image data classification code can be classified input image with a stable reference.

【0012】第9の発明は、入力される画像を一定の基準で識別、且つ分類する画像識別装置を制御するコンピュータプログラムを記録した媒体であって、識別すべき画像の画像情報である画像データを入力する画像データ入力ステップと、画像データに基づいて、画像の特徴を抽出して第1の特徴ベクトルデータを生成する画像特徴抽出ステップと、所定の画像特徴を共有する画像から構成される画像グループを他の画像グループから区別する基準となる画像特徴を有する複数の基準画像のそれぞれについて、画像特徴を抽出した第2の特徴ベクトルデータと第2の特徴ベクトルデータのそれぞれを特定する符号とを有する画像特徴データで構成される画像パターンデータベースの複数の第2の特徴ベクトルデータと第1 [0012] A ninth invention, identifying the image input on a regular basis, a medium for recording a computer program for controlling the image identification apparatus and classification, image data is image information of an image to be identified an image data input step of inputting, based on the image data, the image feature extraction step of generating a first feature vector data by extracting a feature of an image, and an image sharing a predetermined image feature image for each of the plurality of reference images having image characteristics as a distinguishing criterion of the group from another group of pictures, and a code identifying the respective second feature vector data and the second feature vector data obtained by extracting the image feature a plurality of second feature vectors of the image pattern database and an image characteristic data data and the first to have
の特徴ベクトルデータとの類似度を算出する画像データ比較ステップと、類似度の最も高い画像特徴データの符号を画像データの画像識別情報として出力する画像識別ステップとを含む動作環境を実現するコンピュータプログラムを記録する。 An image data comparing step of calculating a similarity between the feature vector data, the computer program for realizing the operating environment and an image identification step of outputting the code of the highest image feature data of similarity as the image identification information of the image data the record. 上記の様に、第9の発明においては、必要に応じて改良されたプログラムを記録した記録媒体に交換するだけで、簡単に画像識別装置の動作を最適化できる。 As described above, in the ninth invention, simply by replacing the recording medium for recording a program with improved if necessary, optimize the operation of the simple image identification apparatus.

【0013】 [0013]

【発明の実施の形態】本発明の実施例について、図面を参照しながら詳細に説明する。 For example of the embodiment of the present invention will be described in detail with reference to the drawings. (第1実施例)以下に、図1、図2、図3および図4を参照して、本発明の第1実施例にかかる画像識別装置について説明する。 (First Embodiment) Hereinafter, FIGS. 1, 2, 3 and 4, a description will be given of an image identification apparatus according to a first embodiment of the present invention. 図1に示すように、本例にかかる画像識別装置IDDA1は、画像データ源1、特徴抽出器3、画像パターンデータベース装置5、画像パターン識別器7、画像識別情報格納器9、制御装置20、および制御情報格納器22を含む。 1, the image identification apparatus IDDA1 according to the present embodiment, the image data source 1, the feature extractor 3, the image pattern database apparatus 5, the image pattern classifier 7, the image identification information storage unit 9, the control device 20, and a control information storage unit 22. 画像データ源1は、好ましくは、CD−ROM、テレビ装置、および画像放送等のデジタル画像データ(以降、「画像データ」と称する) Image data source 1, preferably, CD-ROM, television apparatus, an image broadcast such as digital image data (hereinafter, referred to as "image data")
Siの供給源である。 A Si source. 但し、画像データ源1は、例えば、イメージスキャナのように画像原本を走査して画像データSiを生成する装置であっても良い。 However, the image data source 1 may be, for example, a scanned image original apparatus for generating image data Si as an image scanner.

【0014】特徴抽出器3は、画像データ源1に接続されて、入力される画像データSiが表す画像の特徴を抽出して、画像特徴データSfを生成する。 [0014] feature extractor 3 is connected to the image data source 1, it extracts the characteristic of the image represented by the image data Si to be input, and generates the image feature data Sf. 画像特徴データSfは、主に、画像データSiの画像の特徴を示す各種のベクトルデータで構成されている。 Image feature data Sf is mainly composed of various vector data indicating characteristics of image data Si of the image.

【0015】画像パターンデータベース装置5は、画像特徴の判定基準とするべく予め用意しておいた複数の画像データSi(C、j)について画像特徴を抽出した画像特徴データSf(C、j)を画像特徴判定データSs [0015] The image pattern database apparatus 5, the image feature multiple image data Si (C, j) which had been prepared in advance so as to obtain criteria for image feature data Sf obtained by extracting the image feature for (C, j) the image characteristic judgment data Ss
(C、j)として格納し、同画像特徴判定データSs (C, j) stored as, the image characteristic judgment data Ss
(C、j)から成る画像パターンデータベースIPDB (C, j) the image pattern database IPDB consisting
を構成し格納する。 Configuration was stored. なお、Cは共通の特徴を有する複数の画像データの画像グループを分類する分類コードであり、jは分類コードCで規定される各画像グループに属する複数の画像データのそれぞれを識別するコードである。 Incidentally, C is a classification code for classifying the image group of the image data having a common feature, j is the code that identifies each of the plurality of image data belonging to each image group defined by the classification code C . そして、Cおよびjは共に任意の正の整数である。 Then, C and j are both arbitrary positive integer.

【0016】画像パターンデータベースIPDBを構成する画像特徴判定データSs(C、j)のそれぞれは、 [0016] Each of the image feature judging data Ss constituting an image pattern database IPDB (C, j),
画像特徴ベクトル部FVおよび分類コードCから成る。 Consisting image feature vector unit FV and classification code C.
画像特徴ベクトル部FVは、複数の特徴ベクトル項Vj Image feature vector unit FV, a plurality of feature vector terms Vj
nCから構成される。 Consisting of nC. jおよびnは共に任意の正の整数である。 j and n are both arbitrary positive integer. これらの特徴ベクトル要素V11C〜VjnC These feature vector elements V11C~VjnC
は、画像全体の特徴を表現する各部をベクトルで表したものである。 Is each unit representing the characteristics of the entire image as expressed in a vector. このベクトルの画像における設定位置、設定数、および各ベクトルの重み付けを調整することによって、所望の画像特徴を画像パターンとして画像特徴判定データSs(C、j)によって抽出できる。 Setting position in the image of this vector, by adjusting the number of sets, and the weighting of each vector can be extracted by the image characteristic judgment data Ss as the image pattern desired image features (C, j).

【0017】図2の上段に、分類コードC1に属するj [0017] in the upper part of FIG. 2, j belonging to the classification code C1
個の画像特徴判定データSs(C1、1)〜Ss(C Pieces of image feature judgment data Ss (C1,1) ~Ss (C
1、j)を模式的に示す。 1, j) are shown schematically. つまり、分類コードC1に属する画像グループの第1番目の画像特徴判定データSs In other words, the first image feature judging data Ss of the image group belonging to the classification code C1
(C1、1)にはV11C1〜V1nC1のn個の画像特徴ベクトルがふくまれ、この画像特徴判定データSs The (C1,1) contains n number of the image feature vectors of V11C1~V1nC1, the image feature judging data Ss
(C1、1)に対応する分類コードC1(1)が割り当てられている。 Classification code C1 (1) corresponding to (C1,1) is assigned. i番目の画像特徴判定データSs(C i-th image feature judging data Ss (C
1、i)は、n個の特徴ベクトル要素Vi1C1〜Vi 1, i) is, n pieces of feature vector elements Vi1C1~Vi
nC1を有すると共に、分類コードC1(i)が割り当てられる。 And has a nC1, classification code C1 (i) is assigned. なお、iは1以上かつj以下の整数である。 Incidentally, i is an integer less than or equal to 1 or more and j.
同様に、分類コードC1に属する最後の画像特徴判定データSs(C1、j)は、n個の特徴ベクトル要素Vj Likewise, belonging to the classification code C1 last image feature judging data Ss (C1, j) is, n pieces of feature vector elements Vj
1C1〜VjnC1を有すると共に、分類コードC1 And has a 1C1~VjnC1, classification code C1
(j)が割り当てられる。 (J) is assigned.

【0018】図2の中段に、分類コードCkに属するj [0018] in the middle of Figure 2, j belonging to the classification code Ck
個の画像特徴判定データSs(Ck、1)〜Ss(C Pieces of image feature judgment data Ss (Ck, 1) ~Ss (C
k、j)を模式的に示す。 k, j) are shown schematically. つまり、分類コードCkに属する画像グループの分類コードC1に属する任意の画像特徴判定データSs(Ck、i)は、分類コードC1に属する画像特徴判定データSs(C1、i)と同様に、 That is, any image feature judging data Ss belonging to the classification code C1 of the image group belonging to the classification code Ck (Ck, i), like the image feature judging data Ss belonging to the classification code C1 (C1, i),
n個の特徴ベクトル要素Vj1Ck〜VjnCkを有すると共に、分類コードCk(j)が割り当てられる。 Which has a n feature vector elements Vj1Ck~VjnCk, classification code Ck (j) is assigned.

【0019】さらに、図2の下段に、分類コードCmに属するj個の画像特徴判定データSs(Cm、1)〜S Furthermore, the lower part of FIG. 2, j-number of the image feature judging data Ss belonging to the classification code Cm (Cm, 1) ~S
s(Cm、j)を模式的に示す。 s a (Cm, j) shown schematically. つまり、分類コードC In other words, the classification code C
mに属する画像グループに属する画像特徴判定データS Image characteristic determination data S belonging to the image group belonging to the m
s(Cm、i)は、分類コードCkに属する画像特徴判定データSs(Ck、i)と同様に、n個の特徴ベクトル要素Vj1Cm〜VjnCmを有すると共に、分類コードCm(i)が割り当てられる。 s (Cm, i), like the image feature judging data Ss belonging to the classification code Ck (Ck, i), and has a n feature vector elements Vj1Cm~VjnCm, classification code Cm (i) is assigned. なお、1≦i≦j In addition, 1 ≦ i ≦ j
であり、mは画像グループの総数に対応する正の整数である。 In and, m is a positive integer corresponding to the total number of image groups.

【0020】便宜上、本明細書の記述において、以降、 [0020] For convenience, in the description of this specification, and later,
各グループに属する任意の画像特徴判定データSsをS Any image feature judging data Ss belonging to each group S
s(Ck、i)で代表し、その画像特徴判定データSs It was represented by s (Ck, i), the image characteristic judgment data Ss
(Ck、i)のそれぞれを構成するそれぞれの特徴ベクトル要素をVinCkで代表し、分類コードCの区別をCk(i)で代表するものとする。 (Ck, i) each feature vector element constituting each represent at Vinck, the distinction between the classification code C shall be represented by Ck (i). なお、上述の画像特徴ベクトルは、一例として、以下に挙げる3種類の方法によって生成することができる。 Note that the image feature vectors described above can be produced by three methods cited as an example, below.

【0021】入力画像が静止画の場合は、先ず、画面上の5箇所(4角および画面中央部)につき、10ピクセル程度離れた複数(3〜7点程度)のピクセルをサンプリングする。 [0021] When the input image is a still image, first, per five locations on the screen (4 corners and the center of the screen), samples the pixel of a plurality of spaced approximately 10 pixels (about 3-7 points). サンプリングされたピクセルに関して、色コードの距離の平均値を求め、5次元のベクトルとする。 Respect sampled pixels, the average value of the distance of the color code, a five-dimensional vector. 次に、5ライン程度毎に横方向のピクセル(1ライン)に関し、色コードの平均値を求めn次元のベクトルとする。 Then relates lateral pixels (one line) every about five lines, the n-dimensional vector to determine the average value of the color code. 結果、画像の平坦性を求め、入力画像が自然画か人工画(アニメなど)かを判断する要素が得られる。 Results, determine the flatness of the image, elements input image to determine whether a natural image or an artificial image (such as animation) is obtained.
さらに、上下方向の色の変化を数値化する。 Furthermore, to quantify the change in color in the vertical direction.

【0022】一方、入力画像が動画の場合は、上述の静止画の情報に加えて、時間軸の情報を利用する。 On the other hand, when the input image is a moving image, in addition to the still image information described above, utilizing the information of the time axis. つまり、各フレーム毎に画面上の複数点について色コードを求め、30フレームについて同じ位置毎に色コードの距離の平均を求め、n次元のベクトルとする。 That is, determine the color code for a plurality of points on the screen for each frame, an average distance of color codes for each same position for 30 frames, the n-dimensional vector. 結果、距離の平均を比較することでフレームレートを算出し、映画やアニメーションが判別できる。 Result, the average of the distances to calculate the frame rate by comparing the can determine the movie or animation.

【0023】図1に戻って、画像パターン識別器7は、 [0023] Returning to FIG. 1, the image pattern classifier 7,
特徴抽出器3および画像パターンデータベース装置5の双方に接続されて、特徴抽出器3から入力される画像特徴データSfを画像パターンデータベース装置5に格納されている画像パターンデータベースIPDBの画像特徴判定データSsと比較する。 Is connected to both the feature extractor 3 and the image pattern database apparatus 5, an image feature judging image pattern database IPDB stored image characteristic data Sf inputted from the feature extractor 3 to the image pattern database apparatus 5 data Ss compared to. そして、画像パターン識別器7は、画像特徴データSfに類似した画像特徴判定データSs(Ck、i)を見つけるとその画像特徴判定データSsの分類コードCk(i)を、画像特徴データSfの画像識別情報Sidとして出力する。 Then, the image pattern classifier 7, the image characteristic judgment data Ss (Ck, i) similar to the image feature data Sf to find the classification code Ck of the image feature judging data Ss (i), the image of the image feature data Sf to output as the identification information Sid.

【0024】画像識別情報格納器9は、画像パターン識別器7に接続されて、画像識別情報Sidを保存する。 The image identification information storing device 9 is connected to the image pattern classifier 7, stores the image identification information Sid.
画像データ源1、特徴抽出器3、画像パターンデータベース装置5、画像パターン識別器7、および画像識別情報格納器9で画像特徴識別装置IFD1を構成している。 Image data source 1, the feature extractor 3, the image pattern database apparatus 5 constitute an image feature identification apparatus IFD1 image pattern classifier 7 and the image identification information storage unit 9,.

【0025】制御装置20は、制御情報格納器22に格納された制御情報Sciに基づき制御信号Scを生成して、画像特徴識別装置IFD1を始めとする画像識別装置IDDA1全体の動作を制御する。 The control unit 20 generates a control signal Sc based on the control information Sci stored in the control information storage unit 22, controls the image identification apparatus IDDA1 entire operation including the image feature identification apparatus IFD1. なお、制御装置2 The control apparatus 2
0は、好ましくはCPU等から成るコンピュータであり、制御情報格納器22は例えばCD−ROMなどの記録媒体で供給される制御情報である制御プログラムを読みとり保存できる装置である。 0 is preferably a computer including a CPU or the like, control information storage unit 22 can be stored and read control program is a control information supplied by a recording medium such as CD-ROM device.

【0026】次に、図3を参照して、画像識別装置ID Next, with reference to FIG. 3, the image identification apparatus ID
DA1の主な動作について説明する。 The main operation of the DA1 described. 画像識別装置ID Image identification apparatus ID
DA1の動作は、主に以下に示す4つのサブルーチン(ステップ#100、#300、#500、および#7 DA1 operations, four main subroutines shown below (step # 100, # 300, # 500, and # 7
00)から成る。 Consisting of 00). 画像識別装置IDDA1の動作が開始すると、先ず、ステップ#100において、画像データ源1から画像データSiが特徴抽出器3に入力される。 When the operation of the image identification apparatus IDDA1 is started, first, in step # 100, the image data Si is input to the feature extractor 3 from the image data source 1.

【0027】ステップ#300において、特徴抽出器3 [0027] In step # 300, a feature extractor 3
によって、画像データ源1から入力された画像データS , The image data S which is input from the image data source 1
iの特徴を表す複数の特徴量を算出して画像特徴データSfが生成される。 Calculating a plurality of feature quantity representing the feature of i image feature data Sf is generated. これらの特徴量は、まず入力された画像データのサイズを正規化し、格子状の領域に細分化した後、各格子領域について濃淡分布やコントラスト、 These feature quantities, first normalize the size of the input image data, after divided into lattice regions, gray distribution or contrast for each grid area,
色等の統計情報を算出して求められる。 Determined by calculating the statistical information such as color. この特徴量は、 This feature amount,
図2に示した画像特徴ベクトル部FVの特徴ベクトル要素Vと同様の形式にて、h個の特徴ベクトルVhC(h By the feature vector elements V and similar types of image feature vector unit FV shown in FIG. 2, h pieces of feature vectors VHC (h
は1以上の正の整数であり、好ましくはnに等しい)で表現される。 Is one or more positive integer, is represented by preferably equal to n). 但し、このようにして求められた画像特徴データSfには、分類コードCは付与されていない。 However, this way the image feature data Sf obtained by the classification code C has not been granted.

【0028】ステップ#500において、特徴抽出器3 [0028] In step # 500, a feature extractor 3
から画像特徴データSfが出力されると、画像パターン識別器7は画像パターンデータベース装置5に格納されている画像パターンデータベースIPDBから画像特徴判定データSs(C、j)を順次読み出す。 When the image feature data Sf is output from the image pattern identification unit 7 sequentially reads image feature judging data Ss from the image pattern database IPDB stored in the image pattern database apparatus 5 (C, j). 画像パターン識別器7は、さらに、読み出した画像特徴判定データSs(C、j)の特徴ベクトル要素VinCkのそれぞれと、特徴データSfの特徴ベクトル要素VhCとを比較する。 Image pattern classifier 7 further compares the respective feature vector elements VinCk the read image feature judging data Ss (C, j), the feature vector elements VhC feature data Sf. そして、画像パターン識別器7は、画像特徴データSfが類似していると判断される画像データSi Then, the image pattern classifier 7, the image data Si to the image feature data Sf is determined to be similar
(C、j)を検出して、その分類コードCに基づいて画像識別情報Sidを生成する。 (C, j) is detected, and generates image identification information Sid based on the classification code C. なお、本ステップに於ける画像パターン識別処理については、図4を参照して、 Note that in the image pattern identification process to this step, with reference to FIG. 4,
後ほど詳しく説明する。 It will be described later in detail.

【0029】ステップ#700において、画像データ源1に、画像パターンを識別すべき画像データSiが残っていないかが判断される。 [0029] In step # 700, the image data source 1, or the image data Si should identify the image pattern does not remain or not. NOの場合は、処理を終了する。 In the case of NO, the process is terminated. 一方、YESの場合は、ステップ#100に戻って、ステップ#200、#300、および#500を経て、本ステップでNOと判断されるまで、上述の処理を繰り返す。 On the other hand, if YES, the flow returns to step # 100, step # 200, via the # 300 and # 500, in this step until it is determined NO, and repeats the processing described above.

【0030】図4を参照して、この画像パターン識別器7による、ステップ#500の画像パターン識別サブルーチンの詳細について以下に説明する。 [0030] With reference to FIG. 4, according to the image pattern classifier 7 will be described below detail the image pattern identification subroutine of step # 500. 画像識別装置I Image identification apparatus I
DDA1がステップ#300の画像特徴抽出サブルーチンの動作を終了すると、先ず、ステップS510において、画像パターン識別器7は特徴抽出器3より画像特徴データSfの出力を監視する。 When DDA1 terminates the operation of the image feature extraction subroutine in step # 300, first, in step S510, the image pattern classifier 7 monitors the output of the image feature data Sf from the feature extractor 3. つまり、画像特徴データSfが検出されない場合には、NOと判断されて、ステップS510の処理を繰り返す。 That is, when the image feature data Sf is not detected, it is determined NO, and repeats the processing of step S510. 一方、YESの場合は、検出された画像特徴データSfを画像特徴データS On the other hand, if YES, the detected image feature data Sf image feature data S
f(p)と設定した後に次のステップS520に進む。 Proceed to the next step S520 after setting the f (p).
なお、pは画像データ源1から特徴抽出器3に取り込まれた画像データSiのそれぞれを識別するために、取り込まれた順番に1ずつ加算される1以上の整数である。 Incidentally, p is to identify each of the image data Si taken into feature extractor 3 from the image data source 1, is an integer of 1 or more which is incremented by 1 in the captured sequence.
つまり、画像特徴データSfが初めて検出された場合には、p=1が設定され、以降前述のステップ#700でNOと判断される度に、ステップ#100、および#3 That is, when the image feature data Sf is first detected, p = 1 is set, whenever the NO is determined in step # 700 described above or later, step # 100, and # 3
00を経て、ステップ#500が繰り返される度にp= Through 00, p whenever the step # 500 is repeated =
2、p=3、…とインクリメントされる。 2, p = 3, is ... and the increment.

【0031】ステップS520において、画像パターン識別器7は、画像パターンデータベース装置5に格納されている画像特徴判定データSs(Ck、i)の最初の画像特徴判定データSs(C1、1)を読み出す。 [0031] In step S520, the image pattern classifier 7 reads the first image feature judging data Ss of the image feature judging data Ss stored in the image pattern database apparatus 5 (Ck, i) (C1,1). そして、処理は次のステップS530に進む。 Then, the process proceeds to the next step S530.

【0032】ステップS530において、ステップS5 [0032] In step S530, step S5
10で検出された画像特徴データSf(p)の特徴ベクトルデータVhCと、ステップS520で読み出した画像特徴判定データSs(C1、1)の特徴ベクトル部F And feature vector data VhC of the detected image feature data Sf (p) at 10, the feature vector portions F of the image feature judgment data Ss read in step S520 (C1,1)
Vの特徴ベクトル要素VinCk(V1nC1)との距離である特徴ベクトル間距離DFV(Ck、i)を算出する。 The distance between the V feature vector elements VinCk (V1nC1) inter-feature vector distance DFV (Ck, i) is calculated. そして、処理は次のステップS540に進む。 Then, the process proceeds to the next step S540. なお、上述のように、ステップS520で画像特徴判定データSs(C1、1)が読み出されている場合は、特徴ベクトル間距離DFV(C1、1)が求められることは言うまでもない。 As described above, when the image feature judging data Ss (C1,1) are read out in step S520, the feature vector distance DFV (C1,1) it is of course to seek.

【0033】ステップS540において、ステップS5 [0033] In step S540, step S5
30で検出された特徴ベクトル間距離DFV(Ck、i) Detected in 30 feature vector distance DFV (Ck, i)
が所定の基準距離Dth以下であるか否かを判断する。 It is equal to or is less than a predetermined reference distance Dth.
基準距離Dthは、二つの画像データSfとSsの画像特徴が類似しているか否かの判定基準として予め設定される値である。 Reference distance Dth is a value image features two image data Sf and Ss is set in advance as a criterion of whether or not similar. つまり、特徴ベクトル間距離DFVが基準距離Dthよりも小さい場合は、画像特徴データSf That is, when the inter-feature vector distance DFV smaller than the reference distance Dth, the image feature data Sf
(p)に対応する画像データSi(p)は、その時に比較対照されている画像特徴判定データSs(Ck、i) Image data Si corresponding to (p) (p), the image characteristic judgment data Ss being compared control at that time (Ck, i)
に類似しているものと見なす。 Deemed to be similar to. そして、YESと判断されて、処理は次のステップS550に進む。 Then, it is determined YES, and the process proceeds to the next step S550.

【0034】ステップS550において、画像特徴データSf(p)に類似している画像データSs(Ck、 [0034] In step S550, the image data Ss which is similar to the image feature data Sf (p) (Ck,
i)の分類コードCk(i)と対応する特徴ベクトル間距離DFV(Ck、i)から成る適合画像パターン識別情報Id(Ck、i)を類似画像候補リストSICに記録する。 Classification code Ck (i) with the corresponding feature vector distance DFV (Ck of i), i) consisting of compatible image pattern identification information Id (Ck, i) the records in the similar image candidate list SIC. そして、処理は次のステップS560に進む。 Then, the process proceeds to the next step S560.
一方、ステップS540でNO、つまり画像特徴データSf(p)は比較対照されている画像特徴判定データS On the other hand, NO in the step S540, that is the image feature data Sf (p) is the image feature judging data S being comparative
s(Ck、i)に類似していないと判断される場合は、 s If the (Ck, i) is determined not to be similar, the
処理は類似画像候補リストSICに適合画像パターン識別情報Id(Ck、i)を記録するステップS550を飛ばしてステップS560に進む。 The process proceeds to step S560 by skipping step S550 to record the similar image candidate list SIC adapted image pattern identification information Id (Ck, i).

【0035】ステップS560において、現在比較対象とされている画像データSs(Ck、i)が画像パターンデータベースIPDBの最後の画像特徴判定データS [0035] In step S560, the image data Ss (Ck, i) that are currently compared is the last image feature judging data S of the image pattern database IPDB
s(Cm、j)であるか否かが判断される。 s (Cm, j) whether or not is determined. つまり、現在の比較対照画像特徴判定データSsがSs(C1、 That is, the current comparison image feature judging data Ss is Ss (C1,
1)の様に、最終画像特徴判定データSs(Cm、j) As of 1), the final image feature judging data Ss (Cm, j)
で無い場合には、画像データSi(p)に対する画像パターンの類似性を識別すべき画像特徴判定データSs In the case no image feature should identify the similarity of the image pattern on the image data Si (p) decision data Ss
(Ck、i)が画像パターンデータベースIPDB中にまだ残っているので、NOと判断されてステップS52 (Ck, i) since still remains in the image pattern database IPD B, step S52 is determined as NO
0に戻る。 Back to 0.

【0036】ステップS520では、ステップS560 [0036] In step S520, step S560
において比較対象であった画像特徴判定データSs(C Image feature judging data Ss were compared in (C
k、i)の次の画像特徴判定データSs(Ck、i+ k, i next image feature judging data Ss (Ck of), i +
1)が画像パターンデータベースIPDBから読み出される。 1) is read from the image pattern database IPD B. そして、この画像特徴判定データSs(Ck、i Then, the image characteristic judgment data Ss (Ck, i
+1)に関して、上述のステップS520、S530、 With respect to +1), the above-mentioned step S520, S530,
S540、およびS550の処理が繰り返し実行される。 S540, and processing of S550 is repetitively executed. そして、ステップS560で、また現在の画像特徴判定データSs(Ck、i+1)が、最終画像特徴判定データSs(Cm、j)で無い場合には、画像データS Then, in step S560, also if the current image characteristic judgment data Ss (Ck, i + 1) is not the last image feature judging data Ss (Cm, j) is the image data S
i(p)に対する画像パターンの類似性を識別すべき画像特徴判定データSs(Ck、i)が画像パターンデータベースIPDB中にまだ残っているので、NOと判断されてステップS520に戻る。 i image feature judging data Ss should identify the similarity of the image pattern for (p) (Ck, i) since still remains in the image pattern database IPD B, NO is determined to return to step S520.

【0037】このようにして、ステップS560、S5 [0037] In this way, step S560, S5
20、S530、S540、およびS550の処理を繰り返し実行することによって、画像特徴判定データSs 20, S530, S540, and by repeatedly performing the processing of S550, the image feature judging data Ss
(Ck、j)の次には、画像特徴判定データSs(Ck (Ck, j) the following, the image characteristic judgment data Ss (Ck
+1、1)が読み出される。 Tasu1,1) is read out. そして、画像パターンデータベースIPDB中の画像特徴判定データSs(C1、 Then, the image characteristic judgment data Ss (C1 in the image pattern database IPD B,
1)〜Ss(Cm、j)の全てが読み出されて、画像特徴データSf(p)の画像パターン識別が行われる。 1) ~Ss (Cm, and all j) is read, the image pattern identification image feature data Sf (p) is performed. その結果、ステップS550において、入力画像データ画像データSi(p)の画像特徴(画像特徴データSf As a result, in step S550, the image feature (image feature data Sf of the input image data the image data Si (p)
(p))に類似する画像特徴を有する画像特徴判定データSs(Ck、i)の分類コードCk(i)と共に、対応する特徴ベクトル間距離DFV(Ck、i)の全てが適合画像パターン識別情報Id(Ck、i)として類似画像候補リストSICに記録される。 (P)) image feature judging data Ss having image characteristics similar to (Ck, with the classification code of i) Ck (i), all adapted image pattern identification information corresponding feature vector distance DFV (Ck, i) id (Ck, i) are recorded in the similar image candidate list SIC as. その後、ステップS560において、YESと判断されて次のステップS Thereafter, in step S560, YES is determined in the next step S
570に進む。 Proceed to 570.

【0038】ステップS570において、ステップS5 [0038] In step S570, step S5
50で類似画像候補リストSICに記録された、適合画像パターン識別情報Id(Ck、i)を、その特徴ベクトル間距離DFV(Ck、i)の値の小さいものから順番に並び替える。 Recorded in the similar image candidate list SIC 50, adapted image pattern identification information Id (Ck, i), and rearranges the order starting with the lowest value of the inter-feature vector distance DFV (Ck, i). そして、処理は次のステップS580 Then, the next step is processing S580
に進む。 Proceed to.

【0039】ステップS580において、ステップS5 [0039] In step S580, step S5
70で並び替えられた類似画像候補リストSICの先頭に位置する適合画像パターン識別情報Id(Ck、i) At the head of the sorted similar image candidate list SIC 70 adapted image pattern identification information Id (Ck, i)
の分類コードCk(i)を画像識別情報Sidとして出力する。 Outputs of classification code Ck of (i) as the image identification information Sid. なお、類似画像候補リストSICに適合画像パターン識別情報Idが一つも記録されていない場合には、画像識別情報Sidとして無効値を出力する。 In the case where the similar image candidate list SIC to fit the image pattern identification information Id is also not recorded one outputs an invalid value as the image identification information Sid. そして、処理は、ステップS590に進む。 Then, the process proceeds to step S590.

【0040】ステップS590において、類似画像候補リストSICはリセットされて、記録されている適合画像パターン識別情報Id(Ck、i)が消去される。 [0040] In step S590, similar image candidate list SIC is reset, adapted recorded image pattern identification information Id (Ck, i) is erased. このようにして、画像特徴データSf(p)の画像認識を完了して、本ルーチンの処理を終了する。 Thus, to complete the image recognition of the image feature data Sf (p), and ends the processing of this routine. なお、前述のステップ#700でYESと判断された場合には、次の画像データSi(p+1)について、本ルーチンが実行される。 In the case where YES is determined in step # 700 described above, the next image data Si (p + 1), this routine is executed.

【0041】以上述べたように、本実施例にかかる画像識別装置IDDA1においては、画像を入力する画像データ源1と、あらかじめ複数の基準となる画像の特徴を抽出した画像特徴判定データSsを画像パターンデータベースIPDBとして保持した画像パターンデータベース装置5と、2つの画像画像データSiと基準となる画像との類似度を算出する画像パターン識別器7とを有し、画像データ源1より入力された画像データSiと、 [0041] As described above, in the image identification apparatus IDDA1 according to the present embodiment, the image data source 1 for inputting an image, the image feature judging data Ss obtained by extracting features of the image to be pre plurality of reference images an image pattern database device 5 held as a pattern database IPD B, and an image pattern classifier 7 for calculating a similarity between the image to be two image image data Si and the reference image input from the image data source 1 and data Si,
画像パターンデータベースIPDBの画像特徴判定データSsを画像パターン識別器7で順次比較し、最も類似した画像パターンに対応した分類コードCを入力された画像データSiの画像識別情報Sidとして出力し、画像データSiを均質な判断基準で自動分類できる。 Image feature judging data Ss of the image pattern database IPDB successively compared with the image pattern classifier 7 and outputs as the image identification information Sid the most input similar to the classification code C corresponding to the image pattern image data Si, the image data Si can be automatically classified in a homogeneous criterion.

【0042】なお、ステップS570において、適合画像パターン識別情報Id(Ck、i)を、特徴ベクトル間距離DFV(Ck、i)の値の小さいものから順番に並び替える代わりに、全特徴ベクトル間距離DFV(C [0042] Incidentally, in step S570, adapted image pattern identification information Id (Ck, i) a feature vector distance DFV (Ck, i) instead of sorting in the order starting with the lowest value of the total inter-feature vector distance DFV (C
k、i)の内で最小値のもの抽出するようにしても良い。 k, i) may be extracted as the minimum value among. そうすることによって、処理速度の向上が図れる。 By doing so, thus improving the processing speed.
しかし、本実施例のように、適合画像パターン識別情報Id(Ck、i)を特徴ベクトル間距離DFV(Ck、 However, as in this embodiment, adapted image pattern identification information Id (Ck, i) a feature vector distance DFV (Ck,
i)の小さいもの順に並べることによって、ユーザによって、画像特徴ベクトル部FVを構成する特徴ベクトル要素VinCkの設定に誤りが無いかを検証すると共に、ユーザが所望する識別能力を付与するべく特徴ベクトル要素VinCkを調整することができる。 By arranging the small ones order of i), by the user, as well as verify error free set of feature vector element VinCk constituting the image feature vector unit FV, the feature vector elements to impart the discrimination capability desired by the user VinCk can be adjusted. つまり、 That is,
本発明においては、特徴ベクトル間距離DFV(Ck、 In the present invention, inter-feature vector distance DFV (Ck,
i)が小さい程、その画像特徴判定データSsは画像特徴データSf、つまり画像データSiにより良く類似していることを意味する。 As i) small, it means that the similar better the image feature judging data Ss is the image feature data Sf, i.e. image data Si.

【0043】しかしながら、実際の画像の特徴を予め理論的に算出して、異なる画像の類似度の大小を所望の順位で検出できるように特徴ベクトル要素VinCkを設定することは非常に難しい。 [0043] However, previously theoretically calculate the feature of the actual image, it is very difficult to set the feature vector elements VinCk so as to detect the magnitude of the similarity of a different image in the desired order. そこで、ステップS570 Then, step S570
において、特徴ベクトル間距離DFV(Ck、i)順に並べられた画像特徴判定データSs(Ck、i)に対応する判定基準として用意された画像データSiのそれぞれを見比べることによって、特徴ベクトル要素VinC In by compare each feature vector distance DFV (Ck, i) the image feature judging data Ss ordered by (Ck, i) to be prepared as a metric corresponding image data Si, the feature vector elements VinC
kの設定の適否を判定することができる。 Appropriateness of the k of the set can be determined. さらに、それらの判定基準として用意された画像データSiがユーザの所望の類似度順に並び変わるように特徴ベクトル間距離DFV(Ck、i)の値が調整されるように、特徴ベクトル要素VinCkのそれぞれを適当に補正することによって、画像パターンデータベースIPDBの画像特徴ベクトル部FVの精度を高めることができる。 Further, as the value of their criteria available as image data Si is the distance between the desired sequence in order of similarity varies as feature vectors of the user DFV (Ck, i) is adjusted, each feature vector element VinCk by appropriately corrected, it is possible to improve the accuracy of the image feature vector unit FV of the image pattern database IPD B.

【0044】(第2実施例)図5、図6、図7、及び図8を参照して、本発明の第2実施例に係る画像識別装置について説明する。 [0044] (Second Embodiment) FIG. 5, FIG. 6, 7, and 8, a description will be given of an image identification apparatus according to a second embodiment of the present invention. 図5に示すように、本例にかかる画像識別装置IDDA2は、図1に示した画像識別装置I As shown in FIG. 5, the image identification apparatus IDDA2 according to the present embodiment, the image identification apparatus I shown in FIG. 1
DDA1の画像特徴識別装置IFD1が画像特徴識別装置IFD2に置き換えられている。 Image feature identification apparatus IFD1 of DDA1 is replaced by the image feature identification apparatus IFD2. そして、この画像特徴識別装置IFD2は、画像特徴識別装置IFD1に画像パターン指示器11と画像パターンデータベース更新器13を新たに追加すると共に、画像パターン識別器7 Then, the image feature identification apparatus IFD2 is configured to add a new image pattern indicator 11 and the image pattern database update unit 13 to the image feature identification apparatus IFD1, the image pattern classifier 7
が画像パターン識別器70に交換された構成を有している。 There has a configuration that is exchanged in the image pattern classifier 70. 本実施例において、画像パターン識別器70は、画像パターンデータベース装置5の画像パターンデータベースIPDBの中に、入力された画像データSiの画像特徴データSfに対応する画像特徴判定データSsが無い場合には、その旨を示す無該当パターン信号Snpを生成する。 In this embodiment, the image pattern classifier 70, in the image pattern database IPDB image pattern database apparatus 5, when there is no image feature judging data Ss corresponding to the image feature data Sf of the input image data Si is , to produce a non-relevant pattern signal Snp indicating that. この無該当パターン信号Snpを受けて、画像パターンデータベース更新器13は画像パターンデータベースの更新処理を開始する。 In response to this no relevant pattern signal Snp, image pattern database update unit 13 starts the update processing of the image pattern database. この意味において、この無該当パターン信号Snpは画像パターンデータベース更新器13に対する駆動信号Snpである。 In this sense, the no-relevant pattern signal Snp is a driving signal Snp for image pattern database update unit 13.

【0045】画像パターン指示部11は、画像データ源1に接続されて、入力される画像データSiを表示し、 The image pattern instruction section 11 is connected to the image data source 1, and displays the image data Si to be input,
ユーザが表示された画像データSiを確認しながら当該画像に対する画像識別情報である分類コードCkを定義する分類コードデータScdを入力する装置である。 User is a device for inputting a classification code data Scd defining a classification code Ck is image identification information for the image while confirming the image data Si displayed.

【0046】画像パターンデータベース更新器13は、 The image pattern database update unit 13,
特徴抽出器3、画像パターン指示器11、および画像パターン識別器70に接続されて、それぞれ、画像特徴データSf、分類コードデータScd、および無該当パターン信号Snpの入力を受ける。 Feature extractor 3, is connected to the image pattern indicator 11 and the image pattern classifier 70, respectively, receives the image feature data Sf, classification code data Scd, and an input of the non-corresponding pattern signal Snp. 画像パターンデータベース更新器13は、画像パターン識別器70からの駆動信号である無該当パターン信号Snpによって、画像特徴データSfと画像識別情報である分類コードデータS Image pattern database update unit 13, the non-relevant pattern signal Snp which is a drive signal from the image pattern classifier 70, classification code data S is image feature data Sf and the image identification information
cdに基づいて、画像パターンデータベース装置5の画像パターンデータベースIPDBに追加すべき画像特徴判定データSs(Ck、j+1)或いはSs(Cm+ Based on cd, the image pattern database apparatus 5 of the image pattern database IPDB image feature judging data Ss to be added to (Ck, j + 1) or Ss (Cm +
1、1)を生成する。 1, 1) is generated. 画像パターンデータベース更新器13は、さらに、画像パターンデータベース装置5に接続されて、生成した画像特徴判定データSs(Ck、j Image pattern database update unit 13 is further connected to the image pattern database apparatus 5, the generated image feature judging data Ss (Ck, j
+1)或いはSs(Cm+1、1)を画像パターンデータベース装置5に供給して、画像パターンデータベースIPDBの内容を更新する。 +1), or Ss and (Cm + 1, 1) is supplied to the image pattern database apparatus 5 updates the contents of the image pattern database IPD B.

【0047】次に、図6を参照して、画像識別装置ID Next, with reference to FIG. 6, the image identification apparatus ID
DA2の動作について説明する。 The operation of the DA2 will be explained. 画像識別装置IDDA Image identification apparatus IDDA
2の動作は、ステップ#500の画像パターン識別サブルーチンがステップ#510の画像パターン識別および画像パターンデータベース更新サブルーチンに置き換えられている点を除いて、図3に示した画像識別装置ID 2 of operation, except that the image pattern identification subroutine in step # 500 is replaced with an image pattern identification and image pattern database update subroutine of step # 510, the image identification apparatus ID illustrated in FIG. 3
DA1の動作と同じである。 DA1 is the same operation as of.

【0048】つまり、ステップ#510においては、画像識別装置IDDA1におけるステップ#500の画像パターン識別サブルーチンと同様に、画像特徴データS [0048] That is, in step # 510, like the image pattern identification subroutine of step # 500 in the image identification apparatus IDDA1, image feature data S
fの出力に応じて、画像パターンデータベースIPDB In accordance with the output of f, the image pattern database IPDB
から画像特徴判定データSs(C、j)が順次読み出される。 From the image characteristic judgment data Ss (C, j) are sequentially read. そして、画像特徴データSfが類似していると判断される全ての画像データSi(C、j)を検出して、 Then, all the image data Si (C, j) of the image feature data Sf is determined to be similar to detect,
その分類コードCに基づいて画像識別情報Sidを生成する。 Generates the image identification information Sid based on the classification code C.

【0049】しかしながら、本実施例においては、画像特徴データSfに類似していると判断される画像データSi(C、j)が無い場合には、この画像特徴データS [0049] However, in the present embodiment, the image data Si (C, j) are determined to be similar to the image feature data Sf If no, the image feature data S
fに対応する画像特徴判定データSs(Ck、j+1) Image characteristic judgment data Ss corresponding to f (Ck, j + 1)
或いはSs(Cm+1、1)を画像パターンデータベースIPDBに追加更新する点が、ステップ#500の処理と大きく異なる。 Alternatively Ss (Cm + 1,1) point to add updates to the image pattern database IPDB a differs significantly from the process of step # 500.

【0050】次に、図7を参照して、上述のステップ# Next, with reference to FIG. 7, the above step #
510の画像パターン識別および画像パターンデータベース更新サブルーチンについて、詳しく説明する。 About 510 image pattern identification and image pattern database update subroutine, will be described in detail. 本ステップにおける画像識別装置IDDA2の動作は、図4 Operation of the image identification apparatus IDDA2 in this step, FIG. 4
に示したフローチャートのステップS560とステップS570の間に、新たにステップS562を追加すると共に、この追加されたステップS562からステップS During the flow chart of the steps S560 and step S570 shown in newly well as adding steps S562, step S from the added steps S562
520に戻るサブルーチン#600が追加されている。 Subroutine # 600 has been added back to the 520.

【0051】図4を参照して既に説明したステップS5 [0051] step S5 which have already been described with reference to FIG. 4
10、S520、S540、S550、およびS560 10, S520, S540, S550, and S560
の動作後に、処理は新たに追加されたステップS562 After the operation, the process is newly added step S562
に進む。 Proceed to. ステップS562において、類似画像候補リストSICに適合画像パターン識別情報Id(Ck、i) In step S562, the similar image candidate list SIC adapted image pattern identification information Id (Ck, i)
が記録されているかどうかが判断される。 But whether they are recorded is determined. つまり、入力された画像データSi(p)の画像特徴データSf That is, the image feature data Sf of the input image data Si (p)
(p)に類似する画像特徴判定データSs(Ck、i) Image characteristic judgment data Ss similar to (p) (Ck, i)
が画像パターンデータベースIPDBに含まれているかどうかが判断される。 There whether it is included in the image pattern database IPDB is determined. YESの場合は、前述のステップS570、ステップS580およびS590を経て処理を終了する。 If YES, it terminates the processing through step S570, step S580 and S590 described above. 一方、NOの場合は、画像パターン識別器70は、画像パターンデータベース更新器13を駆動させる駆動信号Snpを生成する。 On the other hand, if NO, the image pattern classifier 70 generates a drive signal Snp for driving the image pattern database update unit 13. そして、処理は新たに追加されたステップ#600の画像パターンデータベース更新サブルーチンに進む。 Then, the process proceeds to an image pattern database update subroutine in step # 600 that is newly added.

【0052】ステップ#600においては、画像パターンデータベース更新器13は画像パターンデータベースIPDBを更新する。 [0052] In step # 600, image pattern database update unit 13 updates the image pattern database IPD B. 画像パターンデータベース更新器13は、画像パターンデータベースIPDBの更新完了時に、データベース更新完了通知信号Sucを出力して画像パターンデータベースIPDBの更新完了を通知する。 Image pattern database update unit 13, upon completion of update image pattern database IPDB in, notifies the update completion of an image pattern database IPDB outputs the database update completion notification signal Suc. 画像パターン識別器70は、データベース更新完了通知信号Sucを受けて、ステップS520から始まる処理を繰り返す。 Image pattern classifier 70 receives the database update completion notification signal Suc, repeats the process starting from step S520.

【0053】図8を参照して、ステップ#600における画像パターンデータベース更新器13の画像パターンデータベース更新処理の詳細について、以下に説明する。 [0053] With reference to FIG. 8, details of the image pattern database update processing of the image pattern database update unit 13 in step # 600 will be described below. ステップS562でNOと判断されて、出力される駆動信号Snpを受けて、画像パターンデータベース更新器13は、ステップS602の処理を開始する。 Is determined as NO at step S562, receives a driving signal Snp outputted, the image pattern database update unit 13 starts the processing in step S602.

【0054】ステップS602において、画像パターンデータベース更新器13は、ステップ画像パターン識別器70が画像パターンデータベースIPDBには、類似する画像特徴判定データSs(Ck、j)が無いと判断した(ステップS562)入力画像(Si)の画像特徴データSf(p)の入力を受ける。 [0054] In step S602, the image pattern database update unit 13, the step image pattern classifier 70 is an image pattern database IPD B, the image feature judging data Ss similar (Ck, j) is determined to not exist (step S562) receiving an input of the image feature data Sf of the input image (Si) (p). このように、画像パターンデータベースIPDBに類似の画像特徴判定データSs(Ck、i)が無い画像データSiを識別不能画像データSimと称する。 Thus, the image pattern database IPDB similar image feature judgment data Ss (Ck, i) referred to as indiscernible image data Sim the no image data Si. そして、処理はステップS6 Then, the process step S6
04に進む。 Proceed to 04.

【0055】ステップS604において、識別不能画像データSim(p)の画像が表示される。 [0055] In step S604, the image of the unidentifiable image data Sim (p) is displayed. ユーザは、この表示画像を見て、識別不能画像データSim(p) The user sees the display image, indiscernible image data Sim (p)
が、図2に示した画像パターンデータベースIPDBの分類コードCkで規定されるどのグループに属するかを決定する。 But determines belongs to which group defined by classification code Ck of the image pattern database IPDB shown in FIG. なお、その表示画像の特徴から、画像パターンデータベースIPDBの既存の分類コードCkのいずれにも属するものでないと判断した場合は、新たな分類コードCdを設定入力する。 Incidentally, the characteristics of the displayed image, if it is determined not belong to any existing classification code Ck of the image pattern database IPD B, sets enter a new classification code Cd. ユーザは、画像パターン指示器11を操作して、決定した分類コードCdを表す入力分類コードデータScdを生成する。 The user operates the image pattern indicator 11 generates an input classification code data Scd indicating the determined classification code Cd. そして、処理はステップS606に進む。 Then, the process proceeds to step S606.

【0056】ステップS606において、画像パターンデータベース装置5にステップS604で決定した分類コードCdに相当する分類コードCkを有するグループが存在するかどうかを検索する。 [0056] In step S606, the searching whether a group exists with classification codes Ck corresponding to the classification code Cd determined in the image pattern database apparatus 5 in step S604. その様な画像分類グループが存在する場合には、YESと判断して、処理はステップS608に進む。 When such image classification group exists, it is determined that YES, the process proceeds to step S608.

【0057】ステップS608において、画像データS [0057] In step S608, the image data S
i(p)の特徴を表した画像特徴データSf(p)を、 i (p) image feature data Sf which represents the characteristics of the (p),
ステップS604で決めた分類コードCdに等しい分類コードCkの画像グループに属する最後の画像特徴判定データSs(Ck、j)の後に、画像特徴判定データS Last image feature judging data Ss belonging to the image group of the classification codes Ck equal to the classification code Cd decided in step S604 (Ck, j) after the image feature determination data S
s(Ck、j+1)として画像パターンデータベースI s (Ck, j + 1) as the image pattern database I
PDBに追加する。 To add to the PDB. そして、処理はステップS612に進む。 Then, the process proceeds to step S612.

【0058】一方、ステップS606でNO、つまりその様な分類コードCdに相当する画像グループが存在しない場合には、処理はステップS610に進む。 Meanwhile, NO, that is, if an image group corresponding to such a classification code Cd is not present at step S606, the process proceeds to step S610.

【0059】ステップS610において、ステップS6 [0059] In step S610, the step S6
04で決めた分類コードCdの代わりに、画像パターンデータベースIPDBにある最後のグループ分類コードCmの次に位置する分類コードCm+1が新たに設定される。 Instead of classification code Cd decided at 04, classification code Cm + 1 located next to the last group classification code Cm in a picture pattern database IPDB is newly set. そして、その新たに設定されたグループCm+1 Then, the group Cm + 1, which is the newly set
に属する最初の画像特徴判定データSs(Cm+1、 First image feature judging data Ss belonging to (Cm + 1,
1)として、そして既存のグループCkの新たな画像特徴判定データSs(Ck、j+1)として、画像データSi(p)の特徴を表した画像特徴データSf(p)を画像パターンデータベースIPDBに追加する。 As 1), and a new image feature judging data Ss of an existing group Ck (Ck, j + 1), add an image showing the characteristics of the image data Si (p), wherein data Sf to (p) in the image pattern database IPDB . そして、処理はステップS612に進む。 Then, the process proceeds to step S612.

【0060】ステップS612において、画像パターンデータベース更新の終了を示すデータベース更新完了通知信号Sucを生成すると共に、処理を終了する。 [0060] In step S612, to generate a database update completion notification signal Suc indicating the end of image pattern database update, the process ends. 以上述べたように、画像パターンデータベース装置5では識別できない画像データ(Sim)が入力された場合、その都度、画像パターン指示器11で画像の識別情報を指定することで、以降同じような画像データが入力された場合は、画像の識別が可能となる。 As described above, when the image data can not be identified in the image pattern database apparatus 5 (Sim) is input, each time, by specifying the identification information of the image in image pattern indicator 11, similar image data after If is entered, the identification of the image.

【0061】なお、上述のステップS608およびS6 [0061] Incidentally, the above-described steps S608 and S6
10において、画像特徴判定データSs(Ck、j+ In 10, the image characteristic judgment data Ss (Ck, j +
1)或いはSs(Cm+1、1)Ssが識別不能画像データSimを規定する画像特徴判定データとして設定されている。 1) or Ss (Cm + 1,1) Ss is set as the image feature judging data defining indiscernible image data Sim. しかし、このように、既存の画像特徴判定データSs(Ck、j)或いはSs(Cm、1)の後に設定するだけでなく、必要に応じて既存の画像特徴判定データSs(Ck、i)の間に挿入しても良い。 However, this way, the existing image feature judging data Ss (Ck, j) or Ss (Cm, 1) not only set after, if necessary, existing image feature judging data Ss (Ck, i) it may be inserted in between. さらに、 further,
既存の画像特徴判定データSs(Ck、i)の一つと置き換えても良い。 Existing image feature judging data Ss (Ck, i) may be replaced by one.

【0062】(第3実施例)本発明の第3実施例にかかる画像識別装置について、図9、図10、図11、および図12を参照して説明する。 [0062] The image identification apparatus according to the third embodiment (Third Embodiment) The present invention, FIGS. 9, 10, will be described with reference to FIGS. 11 and 12. 本実施例にかかる画像識別装置IDDA3(図示せず)は、図1および図5を参照して説明した画像識別装置IDDA1および画像識別装置IDDA2のそれぞれと基本的に同じ構成を有しているが、画像パターン識別器7及び70の動作が若干異なる。 Exemplary image identification apparatus according to the embodiment IDDA3 (not shown) has the respective basically the same configuration of the image identification apparatus IDDA1 and image identification apparatus IDDA2 described with reference to FIGS. 1 and 5 , the operation of the image pattern classifier 7 and 70 are slightly different. この意味において、画像識別装置IDDA3は、 In this sense, the image identification apparatus IDDA3 is
画像識別装置IDDA1に於ける画像パターン識別器7 In the image identification apparatus IDDA1 image pattern classifier 7
が画像パターン識別器7Rに、そして画像識別装置ID To but image pattern classifier 7R, and the image identification apparatus ID
DA2における画像パターン識別器70が画像パターン識別器70Rに置き換えられたものである。 Image pattern classifier 70 is one that was replaced by the image pattern classifier 70R in DA2. しかし、明細書の簡便化の為に、画像識別装置IDDA3の構成については図1および図5のブロック図を流用して以下にその特徴を説明する。 However, for simplification of description, the configuration of the image identification apparatus IDDA3 explains its features below by diverting the block diagram of FIG. 1 and FIG.

【0063】画像パターン識別器7Rおよび70Rの動作を説明する前に、図9を参照して、画像パターン識別器7Rおよび70R内にある有効ベクトル情報について説明する。 [0063] Before describing the operation of the image pattern classifier 7R and 70R, with reference to FIG. 9, the valid vector information in the image pattern identification vessel 7R and 70R will be described. 有効ベクトル情報Veiは、図9に示す構造を有し、最小値ベクトルVnCminおよび最大値ベクトルVnCmaxより構成される。 Valid vector information Vei has the structure shown in FIG. 9, and the minimum value vector VnCmin and maximum vector VnCmax. 最小値ベクトルVn Minimum value vector Vn
Cminは、画像パターンデータベースIPDBを構成する全画像特徴判定データSs(C1、1)〜Ss(C Cmin is the total image feature judging data Ss constituting an image pattern database IPDB (C1,1) ~Ss (C
m、j)の各特徴ベクトル要素VinCkの有効値の最小値を保持する。 m, to retain the minimum value of the effective values ​​of the feature vector element VinCk of j). 同様に、最大値ベクトルVnCmax Similarly, the maximum value vector VnCmax
は、全画像特徴判定データSs(C1、1)〜Ss(C The total image feature judging data Ss (C1,1) ~Ss (C
m、j)の各特徴ベクトル要素VinCkの有効値の最大値を保持する。 m, to retain the maximum value of the effective values ​​of the feature vector element VinCk of j). つまり、有効ベクトル情報Veiは画像パターンデータベースIPDBによって識別可能な画像特徴データSfの特徴ベクトル項VjnCの許容範囲、つまり識別有効範囲を意味する。 In other words, the effective vector information Vei means tolerance, i.e. identifying the effective range of the feature vector terms VjnC identifiable image feature data Sf by an image pattern database IPD B. 言うまでもなく、 not to mention,
前述の第2実施例にかかる画像識別装置IDDA2において、画像パターンデータベースIPDBが更新された場合には、この有効ベクトル情報Veiも然るべく更新される。 An image identification apparatus IDDA2 according to the second embodiment described above, when the image pattern database IPDB is updated, the valid vector information Vei is also accordingly updated.

【0064】先ず、図10に示すフローチャートを参照して、本実施例を画像識別装置IDDA1に適用した場合の動作について説明する。 [0064] First, with reference to the flowchart shown in FIG. 10, the operation will be described in which the present embodiment is applied to the image identification apparatus IDDA1. 図10に示すように、本実施例に於ける画像パターン識別器7Rの動作は、図4に示したフローチャートのステップS510とステップS As shown in FIG. 10, operations of in the image pattern classifier 7R to the present embodiment, step S510 and step S of the flowchart shown in FIG. 4
520の間に、ステップ#800と、ステップS512 Between 520, the step # 800, step S512
の処理が新たに設けられている。 Process is newly provided for. ステップ#800は、 Step # 800,
画像特徴データSf(p)が画像パターンデータベースIPDBの識別有効範囲(有効ベクトル情報Vei)内に入っているかを評価する画像特徴データ評価サブルーチンである。 Image feature data Sf (p) is the image feature data evaluation subroutine for evaluating whether the entered image identification scope of pattern database IPD B (valid vector information Vei) within. ステップS514は、ステップ#800の評価結果に基づいて画像特徴データSf(p)が画像パターン識別に関して有効なデータであるか否かを判断する処理である。 Step S514 is processing of image feature data Sf (p) is equal to or valid data on the image pattern identification on the basis of the evaluation result of the step # 800.

【0065】ステップS512において、画像特徴データSf(p)が有効と判断された場合には、ステップS [0065] In step S512, if the image feature data Sf (p) is determined to be valid, the step S
520に進み第1実施例と同様に、画像パターン識別が実施される。 Similar to the first embodiment proceeds to 520, the image pattern identification is performed. 一方、ステップS512で、画像特徴データSf(p)が有効でないと判断された場合には、ステップS514に進む。 On the other hand, in step S512, when the image feature data Sf (p) is determined not to be valid, the process proceeds to step S514.

【0066】次に、図11を参照して、ステップ#80 Next, with reference to FIG. 11, step # 80
0の画像特徴データ評価サブルーチンの詳細について説明する。 Details of 0 image feature data evaluation subroutine. なお、ステップS512およびステップS51 It should be noted that the step S512 and the step S51
4の処理については、ステップ#800について詳細に説明した後に再度、簡単に述べる。 The process of 4, again after explaining in detail step # 800, briefly. 画像パターン識別器7Rは、ステップS510で画像特徴データSf(p) Image pattern classifier 7R, the image feature data Sf in the step S510 (p)
が検出されると先ず、 But first of all when it is detected,

【0067】ステップS802において、特徴抽出器3 [0067] In step S802, the feature extractor 3
からの画像特徴データSf(p)の各特徴ベクトル項V Each feature vector terms V of the image feature data Sf (p) from
jnCを最小値ベクトルVnCminと比較する。 It is compared with the minimum-value vector VnCmin jnC. そして、処理は次のステップS804に進む。 Then, the process proceeds to the next step S804.

【0068】ステップS804においては、ステップS [0068] In step S804, the step S
802に於ける比較の結果、画像特徴データSf(p) Results of in comparison to 802, the image feature data Sf (p)
の特徴ベクトル項VjnCのいずれかが最小値ベクトルVnCminよりも小さい場合には、画像特徴データS If any of the features vector terms VjnC is smaller than the minimum value vector VnCmin, the image feature data S
f(p)が識別有効最小限度以上であることを示す最小限フラグFminをロー、つまりFmin=0にセットする。 Sets the minimum flag Fmin low, that is, Fmin = 0 indicating that f (p) is not less than the effective minimum identification. 一方、画像特徴データSf(p)の特徴ベクトル項VjnCの全てが最小値ベクトルVnCminよりも大きい場合には最小限フラグFminをハイ、つまりF On the other hand, high minimal flag Fmin if all feature vectors to claim VjnC image feature data Sf (p) is greater than the minimum value vector VnCmin, i.e. F
min=1にセットする。 It is set to min = 1. そして、処理は次のステップS806に進む。 Then, the process proceeds to the next step S806.

【0069】ステップS806において、画像特徴データSf(p)の各特徴ベクトル項VjnCを最大値ベクトルVnCmaxと比較する。 [0069] In step S806, each feature vector terms VjnC image feature data Sf (p) is compared with the maximum value vector VnCmax. そして、処理は次のステップS808に進む。 Then, the process proceeds to the next step S808.

【0070】ステップS808においては、ステップS [0070] In step S808, step S
806に於ける比較の結果、画像特徴データSf(p) Results of in comparison to 806, the image feature data Sf (p)
の特徴ベクトル項VjnCのいずれかが最大値ベクトルVnCmaxよりも大きい場合には、画像特徴データS If any of the features vector terms VjnC is greater than the maximum value vector VnCmax, the image feature data S
f(p)が識別有効最大限度以下であることを示す最大限フラグFmaxをロー、つまりFmax=0にセットする。 It sets a maximum flag Fmax low, that is, Fmax = 0 indicating that f (p) is equal to or less than the effective maximum limit identified. 一方、画像特徴データSf(p)の特徴ベクトル項VjnCの全て最大値ベクトルVnCmaxよりも小さい場合には最大限フラグFmaxをハイ、つまりFm On the other hand, high-maximum flag Fmax if less than all the maximum vector VnCmax feature vector terms VjnC image feature data Sf (p), that is Fm
ax=1にセットする。 It is set to ax = 1. そして、処理を終了する。 Then, the process is terminated.

【0071】図10のフローチャートに戻って、ステップS520においては、二つのフラグFminおよびF [0071] Returning to the flowchart of FIG. 10, in step S520, two flags Fmin and F
maxが共にハイ、つまりFmin=1且つFmax= max are both high, in other words Fmin = 1 and Fmax =
1をもって、画像特徴データSf(p)は識別可能であると判断される。 With 1, image feature data Sf (p) are determined to be identified. そして、処理はステップS520に進む。 Then, the process proceeds to step S520. 一方、二つのフラグFminおよびFmaxのうち、少なくともいずれかがローの場合には、画像特徴データSf(p)は識別不可能であると判断される。 On the other hand, of the two flags Fmin and Fmax, if at least one is low, the image characteristic data Sf (p) is judged to be indistinguishable. そして、処理は、ステップS514に進む。 Then, the process proceeds to step S514.

【0072】ステップS514においては、画像特徴データSf(p)の画像パターンは識別不可能である旨を示す無効信号Sdisを出力する。 [0072] In step S514, the image pattern of the image feature data Sf (p) outputs a disable signal Sdis indicating indistinguishable.

【0073】以上に述べたように、画像パターン識別器7Rは入力画像の特徴ベクトルと画像パターンデータベース装置5内の画像パターンデータベースIPDBの全画像特徴判定データSs(C1、1)〜Ss(Cm、 [0073] As described above, the image pattern classifier 7R All image feature judging data Ss of the image pattern database IPDB of feature vectors and the image pattern database device 5 of the input image (C1,1) ~Ss (Cm,
j)の特徴ベクトル部FVとの距離を算出する前に、入力画像Si(p)の画像特徴データSf(p)が画像パターンデータベースIPDBの識別有効範囲(有効ベクトル情報Vei)内に収まっているかを判定する。 Before calculating the distance between the feature vector portions FV of j), if the image feature data Sf of the input image Si (p) (p) is within a image identification scope of pattern database IPD B (valid vector information Vei) in the judges. そして、画像特徴データSf(p)が識別有効範囲に収まっていない場合、つまり現在の画像パターンデータベースIPDBでは識別不可能である場合には、画像パターン識別処理を終了させる。 When the image feature data Sf (p) is not within the effective range identification, that is, if it is not identified in the current image pattern database IPDB ends the image pattern identification process. こうすることによって、画像パターンデータベース装置5から全ての画像特徴判定データSs(C1、1)〜Ss(Cm、j)を読み出して、 By doing so, all the images from the image pattern database apparatus 5, wherein determining data Ss (C1,1) ~Ss (Cm, j) reads,
それぞれの画像特徴判定データSsを画像特徴データS Images each image feature judging data Ss characteristic data S
f(p)と一つずつ比較した後に、結局画像特徴データSf(p)に対する類似画像特徴判定データSs(C After one by one compared with f (p), end similar to the image feature data Sf (p) the image feature judging data Ss (C
k、i)が無いと言う結果を得る無駄を省くことができる。 k, i) it is possible to eliminate the waste to obtain a result which says that there is no. そのため、画像パターンデータベース装置5の検索回数を低減でき、さらに高速に画像の識別が行える。 Therefore, it is possible to reduce the number of searches the image pattern database apparatus 5, can be performed further identification of the image at high speed.

【0074】次に、図12を参照して、本実施例を画像識別装置IDDA2に適用した場合の動作について説明する。 Next, referring to FIG. 12, the operation will be described in which the present embodiment is applied to the image identification apparatus IDDA2. 図12に示すように、本実施例に於ける画像パターン識別器70Rの動作は、図10を参照して説明した画像識別装置IDDA1の場合と基本的に同様である。 As shown in FIG. 12, operations of in the image pattern classifier 70R in this embodiment is basically the same as that of the image identification apparatus IDDA1 described with reference to FIG. 10.
つまり、図7に示したフローチャートのステップS51 That is, step S51 of the flowchart shown in FIG. 7
0とステップS520の間に画像特徴データ評価サブルーチンであるステップ#800と、画像特徴データSf 0 and Step # 800 is a image feature data evaluation subroutine during step S520, the image feature data Sf
(p)が有効か否かを判断するステップS512が新たに設けられている。 (P) is the step S512 of determining whether valid or not is newly provided. ステップ#800の画像特徴データ評価サブルーチンについては、既に図11を参照して説明した通りである。 The image feature data evaluation subroutine in step # 800 is as already described with reference to FIG. 11. 更に、ステップS512およびステップS514の処理も図10を参照して説明したものと同じである。 Further, the same as the processing of step S512 and step S514 is also described with reference to FIG. 10.

【0075】本発明は、コンピュータプログラムにより実現可能であり、これをフロッピーディスクやCD−R [0075] The present invention can be realized by a computer program, which the floppy disk or CD-R
OM等の記録媒体に記録して移送することにより、独立した他のコンピュータ・システムで容易に実施することができる。 By transferring the recording medium OM, etc., it can be easily implemented by another independent computer system.

【0076】(第4実施例)図13、図14、図15、 [0076] (Fourth Embodiment) FIGS. 13, 14, 15,
および図16を参照して、本発明の第4の実施例にかかる画像識別装置を用いた画像データ自動分類システムについて説明する。 And with reference to FIG. 16, it will be described the image data automatic classification system using the image identification apparatus according to a fourth embodiment of the present invention. 本例にかかる画像データ自動分類システムIDADSは、中央処理装置91、外部記憶装置9 Image data automatic classification system IDADS according to the present embodiment, the central processing unit 91, an external storage device 9
2、画像入力装置93、キーボード94、および表示装置95を含む。 2, includes an image input device 93, a keyboard 94 and a display device 95.

【0077】中央処理装置91は、画像入力部911、 [0077] The central processing unit 91 includes an image input unit 911,
特徴抽出部912、画像パターン識別器913、画像パターン指示部914、画像パターンデータベース更新部915、およびシステム制御部916のそれぞれの機能を実現するプログラムを実行する。 Feature extraction unit 912, the image pattern classifier 913, the image pattern instruction section 914, a program for realizing respective functions of the image pattern database update unit 915 and a system control unit 916.

【0078】外部記憶装置92は、画像パターンデータベース921および画像ファイリング領域922を含む。 [0078] The external storage device 92 includes an image pattern database 921 and the image filing region 922. 画像入力装置93は、写真等の静止画像を取り込み、取り込んだ画像データSiを中央処理装置91の画像入力部911に出力する。 The image input apparatus 93 captures a still image such as a photograph, and outputs the image data Si captured in the image input unit 911 of the central processing unit 91.

【0079】キーボード94は、ユーザが打鍵したキーのデータSkを画像パターン指示部914に出力する。 [0079] keyboard 94, and outputs the data Sk of the key that the user typing in the image pattern instruction section 914.
表示装置95は、システム制御部916から入力される制御信号Scに基づいて、ユーザに対して文字や画像を表示する。 Display device 95 based on the control signal Sc inputted from the system control unit 916, and displays characters and images to a user.

【0080】以上のように構成された実施例における画像データ自動分類システムの動作について説明する。 [0080] The operation of the image data automatic classification system in the embodiment constructed as described above will be described. 本画像データ自動分類システムIDADSを稼動させると、システム表示部916は、図14に示す初期入力画面IOmを表示装置95に表示させて、所望するサービスに対応するコマンドの選択入力をユーザに求める。 When operating the present image data automatic classification system IDADS, the system display unit 916 to display the initial input screen IOm display device 95 shown in FIG. 14, it asks the user a selection input for a command that corresponds to the desired service. なお、本実施例において、画像データ自動分類システムI In the present embodiment, the image data automatic classification system I
DADSは画像分類、画像閲覧を始めとする各種のサービスを提供できる。 DADS can provide a variety of services, including image classification, the image viewing.

【0081】いま、ユーザは、新しく入力される画像データをその画像内容に基づいて、分類する画像分類サービスの利用を欲するものとする。 [0081] Now, the user, based on the image data to be input newly in the image content, it is assumed that wants the use of the image classification services to classify. この場合、ユーザは先ず、画像入力装置93に写真等の画像原本を設置した後に、キーボードを用いて「1」を入力する。 In this case, the user first, after installing the image original such as a photograph to the image input unit 93 inputs "1" using the keyboard. このユーザのコマンド選択(Sk)に応じて、システム制御部91 In response to a command selection of the user (Sk), the system control unit 91
6は画像入力装置93を駆動し、画像原本の画像データSiを取り込む。 6 drives the image input apparatus 93 captures image data Si of the image original. 画像入力装置93で取り込まれた静止画の画像データSiは画像入力部911に送られる。 Image data Si of the captured still image in the image input device 93 is sent to the image input unit 911.

【0082】次に、画像データSiは、画像入力部91 [0082] Next, the image data Si, the image input unit 91
1を経て特徴抽出部912に出力される。 Is output to the feature extractor 912 via the 1. 特徴抽出部9 Feature extraction unit 9
12では入力された画像データSiから画像の特徴を表す複数の特徴量を算出し、これらの特徴量を画像データSiの特徴ベクトル項VjnCから成る画像特徴データSfとして画像パターン識別器913に出力する。 Calculating a plurality of characteristic quantities representing the characteristics of the image 12 in the input image data Si, and outputs the image pattern classifier 913 These feature amount as the image feature data Sf consisting feature vector terms VjnC image data Si .

【0083】画像パターン識別器913は、画像パターンデータベース921に格納されている画像パターンデータベースIPDBの画像特徴判定データSsを順次読み出し、画像特徴データSfに最も類似した画像パターンに対応した分類コードCを画像の画像識別情報Sid [0083] image pattern classifier 913 sequentially reads out image feature judging data Ss of the image pattern database IPDB stored in the image pattern database 921, the classification code C corresponding to the most similar image pattern on the image feature data Sf image identification information Sid of image
としてシステム制御部916に出力する。 And outputs to the system control section 916 as. システム制御部916は入力された画像識別情報Sidを解釈して、 The system control unit 916 interprets the image identification information Sid that is inputted,
分類名等のユーザに分かり易い文字列に変換する。 It is converted into easy to understand string to the user of the classification name, and the like. そして、図15に示す自動分類確認画面IAdのように、表示装置95に画像データSiが表す画像と共に変換された文字列を表示する。 As an automatic classification confirmation screen IAd shown in FIG. 15, displays the character string that has been converted with the image represented by the image data Si to the display device 95. なお、画像特徴データSfに類似した画像パターンSsが存在しない場合は、画像パターン識別器913から無該当パターン信号Snpが出力されて画像パターンデータベース更新部915が駆動される。 Note that the image pattern Ss similar to the image feature data Sf is if it does not exist, the image pattern identification 913 from the output of the non-corresponding pattern signal Snp image pattern database update unit 915 is driven.

【0084】画像パターンデータベース更新部915 [0084] The image pattern database update unit 915
は、例えば、図15の分類名称入力画面ICeに示すようなメッセージを表示装置95に表示して、ユーザにキーボード94からの入力を促す。 , For example, by displaying the message shown in the classification name input screen ICe in Figure 15 on the display device 95, prompting the input from the keyboard 94 to the user. ユーザは表示されたメッセージ等に従い、原画像データSiに対する分類名称等の識別情報を具体化した文字列(Sk)をキーボード94から入力する。 The user inputs in accordance with such displayed message, embodying string identification information such as classification name of the original image data Si to (Sk) from the keyboard 94. 画像パターン指示部914は入力された文字列から識別情報の分類コード(Scd)を算出し、画像パターンデータベース更新部915に出力する。 Image pattern instruction section 914 calculates a classification code of the identification information from the input string (Scd), and outputs the image pattern database update unit 915. 画像パターンデータベース更新部915は特徴抽出部912からの原画像の画像特徴データSfと、画像パターン指示部914から入力された識別情報(Scd) Image pattern database update unit 915 and the image feature data Sf of the original image from the feature extraction unit 912, the identification information input from the image pattern instruction section 914 (Scd)
とから画像パターンデータベース921の画像パターンデータベースIPDBに新たな、或いは既存の画像パターンデータである画像特徴判定データSsを追加または更新する。 New to the image pattern database IPDB image pattern database 921 and a such, or to add or update an image characteristic judgment data Ss is an existing image pattern data. システム制御部916は前記で得られた原画像データに対する識別情報(Scd)と原画像データS The system control unit 916 identifies information for the original image data obtained by the (Scd) the original image data S
iを対応づけて画像ファイリング領域922に保存する。 The i in association with the stored in the image filing area 922.

【0085】以上のように本発明にかかる画像識別装置によれば、画像を入力する画像入力部と、あらかじめ複数の特徴抽出したデータを画像パターンデータとして保持した画像パターンデータベースと、2つの画像の類似度を算出する画像パターン識別部とを有し、前記画像入力部より入力された画像データと、前記画像パターンデータベースのデータを前記画像パターン識別部で順次比較し、最も類似した画像パターンに対応した分類コードを入力画像の画像識別情報として出力するため、入力画像データを均質な判断基準で自動分類できる。 [0085] According to the image identification apparatus according to the present invention as described above, an image input unit for inputting an image, an image pattern database that holds data in advance a plurality of feature extraction as an image pattern data of the two images and an image pattern identification section for calculating a degree of similarity, the image data input from the image input unit, sequentially compares the data of the image pattern database by the image pattern identification section, corresponding to the most similar image pattern for outputting a classification code as the image identification information of the input image, it can be automatically classified in homogeneous criterion input image data.

【0086】また、画像パターンデータベース内に類似した画像パターンデータが存在しない時に、画像パターン指示部により、新たな、または既存の画像パターンデータを追加または更新する手段を有するため、画像パターンデータベースをより最適化し、画像の識別精度の向上が図れる。 [0086] Further, when the image pattern data similar to the image pattern in the database does not exist, the image pattern instruction section, to have a means to add or update a new or existing image pattern data, and more image pattern database optimized, improving identification accuracy of the image can be reduced. さらに、画像データ比較手段が画像データについて抽出された特徴ベクトルの各要素毎に有効値の範囲を保持するため、高速に画像の識別を行うことができるという効果を有する。 Furthermore, an effect that the image data comparing means for holding a range of valid values ​​for each element of the feature vectors extracted for the image data, it is possible to identify a high speed in the image.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明の第1の実施例にかかる画像識別装置を表すブロックである。 1 is a block representing an image identification apparatus according to a first embodiment of the present invention.

【図2】図1に示す画像パターンデータベース装置に格納されている画像パターンデータベースの構造を示す模式図である。 2 is a schematic diagram showing the structure of an image pattern database stored in the image pattern database apparatus shown in FIG.

【図3】図1に示す画像識別装置の主な動作を示すフローチャートである。 3 is a flowchart showing a main operation of the image identification apparatus shown in FIG.

【図4】図3に示す画像パターン識別サブルーチンの詳細な動作を示すフローチャートである。 4 is a flowchart showing a detailed operation of the image pattern identification subroutine shown in FIG.

【図5】本発明の第2の実施例にかかる画像識別装置を表すブロック図である。 5 is a block diagram representing an image identification apparatus according to a second embodiment of the present invention.

【図6】図5に示す画像識別装置の動作を示すフローチャートである。 6 is a flowchart showing the operation of the image identification apparatus shown in FIG.

【図7】図6に示した画像パターン識別および画像パターンデータベース更新サブルーチンの詳細な動作を示すフローチャートである。 7 is a flowchart showing an image pattern identification and image pattern detailed operation of the database update subroutine shown in FIG.

【図8】図7に示した画像パターンデータベース更新サブルーチンの詳細な動作を示すフローチャートである。 8 is a flowchart showing a detailed operation of the image pattern database update subroutine shown in FIG.

【図9】本発明の第3実施例にかかる画像パターン識別器内に設けられた有効ベクトル情報についての説明図である。 9 is an explanatory diagram of the effective vector information provided in the image-pattern classifier in a third embodiment of the present invention.

【図10】本発明の第3実施例にかかる画像識別装置の画像パターン識別サブルーチンの詳細な動作を示すフローチャートである。 10 is a flowchart showing a detailed operation of the image pattern identification subroutine of an image identification apparatus according to a third embodiment of the present invention.

【図11】図10に示した画像特徴データ評価サブルーチンの詳細な動作を示すフローチャートである。 11 is a flowchart illustrating the detailed operation of the image feature data evaluation subroutine shown in FIG. 10.

【図12】本発明の第3実施例にかかる画像識別装置の画像パターン識別および画像パターンデータベース更新サブルーチンの詳細な動作を示すフローチャートである。 12 is a flowchart showing a detailed operation of the image pattern identification and image pattern database update subroutine of the image identification apparatus according to a third embodiment of the present invention.

【図13】本発明の第4実施例にかかる画像データ自動分類システムを示すブロック図である。 13 is a block diagram showing an image data automatic classification system according to a fourth embodiment of the present invention.

【図14】図13に示した表示装置で表示される初期入力画面を示す説明図である。 14 is an explanatory view showing an initial input screen displayed in the display device shown in FIG. 13.

【図15】図13に示した表示装置で表示される自動分類確認画面を示す説明図である。 15 is an explanatory diagram showing an automatic classification confirmation screen displayed by the display device shown in FIG. 13.

【図16】図13に示した表示装置で表示される分類名称入力画面を示す説明図である。 16 is an explanatory diagram showing a classification name input screen displayed by the display device shown in FIG. 13.

【符号の説明】 DESCRIPTION OF SYMBOLS

IDDA1、IDDA2 画像識別装置 IFD1、IFD2 画像特徴識別装置 IPDB 画像パターンデータベース FV 特徴ベクトル 1 画像データ源 3 特徴抽出器 5 画像パターンデータベース装置 7 画像パターン識別器 9 画像識別情報格納器 11 画像パターン指示器 13 画像パターンデータベース更新器 20 制御装置 22 制御情報格納器 Si 画像データ Sf 画像特徴データ Ss 画像特徴判定データ Sid 画像識別情報 Sci 制御情報 Sc 制御信号 IDDA1, IDDA2 image identification apparatus IFD1, IFD2 image feature identification apparatus IPDB image pattern database FV feature vector 1 image data source 3 feature extractor 5 image pattern database 7 image pattern classifier 9 image identification information storage unit 11 image pattern indicator 13 image pattern database update unit 20 control unit 22 control information storage unit Si image data Sf image feature data Ss image feature judging data Sid image identification information Sci control information Sc control signal

Claims (9)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 入力される画像を一定の基準で識別、且つ分類する画像識別装置であって、 識別すべき画像の画像情報である画像データを供給する画像データ源と、 前記画像データに基づいて、前記画像の特徴を抽出して第1の特徴ベクトルデータを生成する画像特徴抽出手段と、 所定の画像特徴を共有する画像から構成される画像グループを他の画像グループから区別する基準となる画像特徴を有する複数の基準画像のそれぞれについて、該画像特徴を抽出した第2の特徴ベクトルデータと該第2の特徴ベクトルデータのそれぞれを特定する符号とを有する画像特徴データで構成される画像パターンデータベースを格納するデータベース手段と、 前記第1の特徴ベクトルデータと前記複数の第2の特徴ベクトルデータのそれぞれとの類似 1. A identifies the image input on a regular basis, an image identification apparatus and classified, and the image data source that supplies image data is image information of an image to be identified, based on the image data Te, comprising an image feature extraction means for generating a first feature vector data by extracting a feature of the image, and are distinguished image group composed of images to share the predetermined image features from other image groups for each of the plurality of reference images having image characteristics, image pattern and an image characteristic data and a code identifying the respective second feature vector data and said second feature vector data obtained by extracting the image feature similar and database means for storing the database, and each of the first said feature vector data of a plurality of second feature vector data を求める画像データ比較手段と、 前記類似度の最も高い画像特徴データの符号を前記画像データの画像識別情報として出力する画像識別手段とを備える画像識別装置。 Image identification apparatus comprising an image data comparing means for obtaining, and an image identification means for outputting the sign of the highest image feature data of the similarity as the image identification information of the image data.
  2. 【請求項2】 前記画像データ比較手段は、 前記第1の特徴ベクトルデータと前記第2の特徴ベクトルデータとの距離を算出して特徴ベクトル間距離として出力する特徴ベクトル間距離測定手段を含み、該特徴ベクトル間距離が小さいほど類似度が高いことを特徴とする請求項1に記載に画像識別装置。 Wherein said image data comparison means includes a feature vector distance measuring means for outputting a feature vector distance by calculating the distance between the first feature vector data and said second feature vector data, image identification apparatus according to claim 1, wherein the degree of similarity is high as the distance between the feature vectors is small.
  3. 【請求項3】 前記画像データ比較手段は、さらに、 前記特徴ベクトル間距離が所定値以下である場合に、前記第2の特徴ベクトルデータは前記第1の特徴ベクトルデータに類似していると判断する類似判定手段を含む請求項2に記載の画像識別装置。 Wherein said image data comparison means further determines that the distance between the feature vector when it is less than the predetermined value, the second feature vector data is similar to the first feature vector data image identification apparatus according to claim 2 comprising a similarity determination means for.
  4. 【請求項4】 前記画像データ比較手段は、さらに、 前記特徴ベクトル間距離を昇順に並べて、先頭の特徴ベクトル間距離の符号を画像識別情報として出力する類似特徴データ検出手段とを含む請求項3に記載の画像識別装置。 Wherein said image data comparison means further wherein said distance between vectors in ascending order, claim and a similar feature data detection means for outputting the top of the sign of the inter-feature vector distance as the image identification information 3 image identification apparatus according to.
  5. 【請求項5】 前記第1の特徴ベクトルデータに類似した前記第2の特徴ベクトルデータが存在しない時に、該第1の特徴ベクトルデータを前記画像パターンデータベースに追加更新する画像パターンデータベース更新手段を更に備える請求項1に記載の画像識別装置。 5. When the above is similar to the first feature vector data the second feature vector data does not exist, further image pattern database update means for adding updated feature vector data of the first to the image pattern database image identification apparatus according to claim 1, further comprising.
  6. 【請求項6】 前記画像データ比較手段は、第1の特徴ベクトルデータの各特徴ベクトル項に関して、有効値の範囲を保持することを特徴とする請求項1に記載の画像識別装置。 Wherein said image data comparison means, for each feature vector terms of the first feature vector data, image identification apparatus according to claim 1, characterized in that to hold the range of valid values.
  7. 【請求項7】 前記第1の特徴ベクトルデータの各特徴ベクトル項が有効値の範囲を外れている場合には、前記画像比較手段は類似度の算出を行わないことを特徴とする請求項6に記載の画像識別装置。 When the 7. Each feature vector terms of the first feature vector data is out of the range of valid values ​​claim wherein the image comparison means, characterized in that not calculated similarity 6 image identification apparatus according to.
  8. 【請求項8】 入力される画像を一定の基準で識別、且つ分類する画像識別方法であって、 識別すべき画像の画像情報である画像データを入力する画像データ入力ステップと、 前記画像データに基づいて、前記画像の特徴を抽出して第1の特徴ベクトルデータを生成する画像特徴抽出ステップと、 所定の画像特徴を共有する画像から構成される画像グループを他の画像グループから区別する基準となる画像特徴を有する複数の基準画像のそれぞれについて、該画像特徴を抽出した第2の特徴ベクトルデータと該第2の特徴ベクトルデータのそれぞれを特定する符号とを有する画像特徴データで構成される画像パターンデータベースの該複数の第2の特徴ベクトルデータと前記第1の特徴ベクトルデータとの類似度を算出する画像データ比較ス 8. identify images that are input on a regular basis, an image identification method of and classify the image data input step of inputting image data is image information of an image to be identified, the image data based on an image feature extraction step of generating a first feature vector data by extracting a feature of the image, and are distinguished image group composed of images to share the predetermined image features from other image groups for each of the plurality of reference images having image characteristics comprising an image composed of image feature data and a code identifying the respective second feature vector data and said second feature vector data obtained by extracting the image feature image data comparison scan of calculating the similarity between the and the plurality of second feature vector data of the pattern database first feature vector data テップと、 前記類似度の最も高い画像特徴データの符号を前記画像データの画像識別情報として出力する画像識別ステップとを備えた画像識別方法。 Step a, an image identification method the sign of the highest image feature data of the similarity and a picture identification step of outputting as image identification information of the image data.
  9. 【請求項9】 入力される画像を一定の基準で識別、且つ分類する画像識別装置を制御するコンピュータプログラムを記録した媒体であって、 識別すべき画像の画像情報である画像データを入力する画像データ入力ステップと、 前記画像データに基づいて、前記画像の特徴を抽出して第1の特徴ベクトルデータを生成する画像特徴抽出ステップと、 所定の画像特徴を共有する画像から構成される画像グループを他の画像グループから区別する基準となる画像特徴を有する複数の基準画像のそれぞれについて、該画像特徴を抽出した第2の特徴ベクトルデータと該第2の特徴ベクトルデータのそれぞれを特定する符号とを有する画像特徴データで構成される画像パターンデータベースの該複数の第2の特徴ベクトルデータと前記第1の特徴ベク 9. identify images that are input on a regular basis, a medium for recording a computer program for controlling the image identification apparatus and classification, image for inputting image data is image information of an image to be identified a data input step, based on the image data, the image feature extraction step of generating a first feature vector data by extracting a feature of the image, the image group including an image which share a predetermined image feature for each of the plurality of reference images having image characteristics as a distinguishing criterion from another image group, and a code identifying the respective second feature vector data and said second feature vector data obtained by extracting the image feature the first feature vector and the plurality of second feature vector data of an image formed pattern database in the image feature data having トルデータとの類似度を算出する画像データ比較ステップと、 前記類似度の最も高い画像特徴データの符号を前記画像データの画像識別情報として出力する画像識別ステップとを含む動作環境を実現するコンピュータプログラムを記録した記録媒体。 An image data comparing step of calculating the similarity between the torque data, the computer program for realizing the operating environment and an image identification step of outputting the code of the highest image feature data of the similarity as the image identification information of said image data recorded recording medium.
JP36790298A 1998-03-13 1998-12-24 Image identifying device Pending JPH11328422A (en)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP6282498 1998-03-13
JP10-62824 1998-03-13
JP36790298A JPH11328422A (en) 1998-03-13 1998-12-24 Image identifying device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP36790298A JPH11328422A (en) 1998-03-13 1998-12-24 Image identifying device

Publications (1)

Publication Number Publication Date
JPH11328422A true true JPH11328422A (en) 1999-11-30

Family

ID=26403883

Family Applications (1)

Application Number Title Priority Date Filing Date
JP36790298A Pending JPH11328422A (en) 1998-03-13 1998-12-24 Image identifying device

Country Status (1)

Country Link
JP (1) JPH11328422A (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6950554B2 (en) 2000-07-18 2005-09-27 Olympus Optical Co., Ltd. Learning type image classification apparatus, method thereof and processing recording medium on which processing program is recorded
WO2006033257A1 (en) * 2004-09-24 2006-03-30 Matsushita Electric Industrial Co., Ltd. Image conversion method, image conversion device, server client system, mobile device, and program
US7400765B2 (en) 2000-09-06 2008-07-15 Nec Corporation Picture retrieving apparatus and method which converts orthogonal transform coefficients into color histogram data
JPWO2006100739A1 (en) * 2005-03-18 2008-08-28 富士通株式会社 Document management program and document management method
JP2009169936A (en) * 2007-12-21 2009-07-30 Canon Inc Information processing apparatus and information processing method
JP2010079871A (en) * 2008-06-09 2010-04-08 Yahoo Japan Corp Device for retrieving vector data
CN101713776B (en) 2009-11-13 2013-04-03 长春迪瑞医疗科技股份有限公司 Neural network-based method for identifying and classifying visible components in urine

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6950554B2 (en) 2000-07-18 2005-09-27 Olympus Optical Co., Ltd. Learning type image classification apparatus, method thereof and processing recording medium on which processing program is recorded
US7400765B2 (en) 2000-09-06 2008-07-15 Nec Corporation Picture retrieving apparatus and method which converts orthogonal transform coefficients into color histogram data
US7457460B2 (en) 2000-09-06 2008-11-25 Nec Corporation Picture retrieving apparatus and method which converts orthogonal transform coefficients into color histogram data
WO2006033257A1 (en) * 2004-09-24 2006-03-30 Matsushita Electric Industrial Co., Ltd. Image conversion method, image conversion device, server client system, mobile device, and program
JPWO2006100739A1 (en) * 2005-03-18 2008-08-28 富士通株式会社 Document management program and document management method
JP4615010B2 (en) * 2005-03-18 2011-01-19 富士通株式会社 Document management program and document management method
JP2009169936A (en) * 2007-12-21 2009-07-30 Canon Inc Information processing apparatus and information processing method
JP2010079871A (en) * 2008-06-09 2010-04-08 Yahoo Japan Corp Device for retrieving vector data
CN101713776B (en) 2009-11-13 2013-04-03 长春迪瑞医疗科技股份有限公司 Neural network-based method for identifying and classifying visible components in urine

Similar Documents

Publication Publication Date Title
US5555325A (en) Data capture variable priority method and system for managing varying processing capacities
US6549913B1 (en) Method for compiling an image database, an image database system, and an image data storage medium
US6587586B1 (en) Extracting textual information from a video sequence
US5805746A (en) Video retrieval method and apparatus
US20070003166A1 (en) White space graphs and trees for content-adaptive scaling of document images
US20020069197A1 (en) Method and apparatus for categorizing information, and a computer product
US20010017940A1 (en) Content-based multimedia retrieval system and method thereof
US6816847B1 (en) computerized aesthetic judgment of images
US5644765A (en) Image retrieving method and apparatus that calculates characteristic amounts of data correlated with and identifying an image
US6331859B1 (en) Video skimming system utilizing the vector rank filter
US6731789B1 (en) Image processing apparatus and method, and storage medium
US6441811B1 (en) Display control device and reproduction display device for electronic books
US6704029B1 (en) Method and apparatus for specifying scene information in a moving picture
US20070122036A1 (en) Information processing apparatus and control method therefor
US7623712B2 (en) Image processing method and apparatus
US6718075B1 (en) Image search method and apparatus
US6816611B1 (en) Image processing method, facial region extraction method, and apparatus therefor
US20080240579A1 (en) Video discrimination method and video discrimination apparatus
US6519360B1 (en) Image processing apparatus for comparing images based on color feature information and computer program product in a memory
US6853389B1 (en) Information searching apparatus, information searching method, and storage medium
US20080170810A1 (en) Image document processing device, image document processing method, program, and storage medium
US6763137B1 (en) Recognition and clustering of connected components in bi-level images
US7243101B2 (en) Program, image managing apparatus and image managing method
US20050036712A1 (en) Image retrieving apparatus and image retrieving program
US20060110029A1 (en) Pattern recognizing method and apparatus

Legal Events

Date Code Title Description
A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050930

A621 Written request for application examination

Effective date: 20050930

Free format text: JAPANESE INTERMEDIATE CODE: A621

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20080919

A131 Notification of reasons for refusal

Effective date: 20080924

Free format text: JAPANESE INTERMEDIATE CODE: A131

A521 Written amendment

Effective date: 20081117

Free format text: JAPANESE INTERMEDIATE CODE: A523

A131 Notification of reasons for refusal

Effective date: 20090107

Free format text: JAPANESE INTERMEDIATE CODE: A131

A521 Written amendment

Effective date: 20090305

Free format text: JAPANESE INTERMEDIATE CODE: A523

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20090330