JPS6017153B2 - 特徴選択装置 - Google Patents
特徴選択装置Info
- Publication number
- JPS6017153B2 JPS6017153B2 JP55100294A JP10029480A JPS6017153B2 JP S6017153 B2 JPS6017153 B2 JP S6017153B2 JP 55100294 A JP55100294 A JP 55100294A JP 10029480 A JP10029480 A JP 10029480A JP S6017153 B2 JPS6017153 B2 JP S6017153B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- field
- view
- size
- features
- 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.)
- Expired
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
本発明は、特徴選択装置、特に認識対象図形について多
数の特徴の中から最も有効な特徴についての組合わせを
選出するために、認識対象図形の観測窓の視野の大きさ
毎に各特徴と組合わせて安定係数を算定し、その最小値
に該当する組合わせに係る視野の大きさと認識対象図形
の有効な特徴とを客観的に選定する特徴選択装置に関す
るものである。
数の特徴の中から最も有効な特徴についての組合わせを
選出するために、認識対象図形の観測窓の視野の大きさ
毎に各特徴と組合わせて安定係数を算定し、その最小値
に該当する組合わせに係る視野の大きさと認識対象図形
の有効な特徴とを客観的に選定する特徴選択装置に関す
るものである。
一般に認識対象図形の認識に当って、予め認識対象図形
の各々の特徴を図形毎に標準図形特徴情報を有する辞書
と認識対象図形との類似度を計算し、該類似度の最も高
いものに該当する図形が認識対象図形であるとして認識
されている。
の各々の特徴を図形毎に標準図形特徴情報を有する辞書
と認識対象図形との類似度を計算し、該類似度の最も高
いものに該当する図形が認識対象図形であるとして認識
されている。
未知の入力図形と照合され、その類似度が計算される基
準の認識辞書の作成に当つて、常に問題となるのは認識
対象図形に対する有効な特徴と、観測窓の視野の大きさ
をどのようなものに選ぶかの最も有効な組合わせの選択
である。従来の認識辞書の作成法では、特に定まった方
法は存在せず、該認識辞書を作成する人の主観によって
作され、千差万別の辞書構成となっていた。
準の認識辞書の作成に当つて、常に問題となるのは認識
対象図形に対する有効な特徴と、観測窓の視野の大きさ
をどのようなものに選ぶかの最も有効な組合わせの選択
である。従来の認識辞書の作成法では、特に定まった方
法は存在せず、該認識辞書を作成する人の主観によって
作され、千差万別の辞書構成となっていた。
このような認識辞書作成者の主観に基づく方法では最適
の認識辞書が組める保証はなく、また合理的な方法とは
言えない。図形認識において認識辞書を組む場合、あら
かじめ人間が考えた多数の特徴の中から最も有効な少数
の組合せを選び、その特徴に係る認識辞書を作成するこ
とが望まれる。
の認識辞書が組める保証はなく、また合理的な方法とは
言えない。図形認識において認識辞書を組む場合、あら
かじめ人間が考えた多数の特徴の中から最も有効な少数
の組合せを選び、その特徴に係る認識辞書を作成するこ
とが望まれる。
一般にＮ個の特徴の中からＫ個の特徴を選ぶためにはＮ
！ ＮＣＫ＝Ｋ！（Ｎ−Ｋ）１ の組合わせが存在し、最も有効な組合わせを知るには上
罰１ＣＫ個について逐一調べる必要がある。
！ ＮＣＫ＝Ｋ！（Ｎ−Ｋ）１ の組合わせが存在し、最も有効な組合わせを知るには上
罰１ＣＫ個について逐一調べる必要がある。
しかしこのような組合わせ総べてについて調べどの特徴
とどの特徴とを組合わせて図形認識のための辞書を作成
するのが最も有効なものかを得るには時間と経費とがか
かりすぎる。本発明は、上記欠点の解決を目的としてお
り、認識辞書作成について個人の主観を混入させること
なく、しかも効果的な認識辞書を組むため、経験的に認
識対象図形の観測窓の視野の大きさと特徴との２つの要
素を選び、これらの組合わせの認識対象図形に対する相
関関係を調べ、その結果に基づいて上記観測窓の視野の
大きさ及び特徴の決定を行ない、当該特徴に係る認識辞
書作成の客観的基準に基づく最も有効な特徴選択が可能
となる特徴選択装置の提供を目的としている。
とどの特徴とを組合わせて図形認識のための辞書を作成
するのが最も有効なものかを得るには時間と経費とがか
かりすぎる。本発明は、上記欠点の解決を目的としてお
り、認識辞書作成について個人の主観を混入させること
なく、しかも効果的な認識辞書を組むため、経験的に認
識対象図形の観測窓の視野の大きさと特徴との２つの要
素を選び、これらの組合わせの認識対象図形に対する相
関関係を調べ、その結果に基づいて上記観測窓の視野の
大きさ及び特徴の決定を行ない、当該特徴に係る認識辞
書作成の客観的基準に基づく最も有効な特徴選択が可能
となる特徴選択装置の提供を目的としている。
そしてそのため本発明の特徴選択装置は認識対象図形に
ついての複数個ｎの特徴の中から数個ｋの特徴を選びそ
の特徴の組合わせを選出する特徴選択装置において、認
識対象図形を観測する観測窓の各視野の大きさに対して
上記認識対象図形の特徴を抽出し、その特徴値を計算す
る演算回路部をそなえると共に、上記視野の大きさと特
徴との組合わせにおける安定係数を求める演算処理部を
もうけ、該演算処理部から求められた上記組合わせに係
る安定係数の算定値を比較回路に入力してその最小値の
該当する認識対象図形の特徴と視野の大きさとの組合わ
せを定めるようにしたことを特徴としている。以下図面
を参照しつつ説明する。第１図は或る特徴に対する認識
対象図形の頻度分布曲線図、第２図は階層的視野の大き
さを表わしている視野図、第３図は認識対象図形の１セ
ットに含まれているシンボル図形の例、第４図は第３図
の各シンボル図形の或る特徴に対する頻度分布曲線図、
第５図は視野の大きさに対する安定係数の変化状態を示
す安定係数曲線図、第６図は本発明の一実施例構成を示
している。
ついての複数個ｎの特徴の中から数個ｋの特徴を選びそ
の特徴の組合わせを選出する特徴選択装置において、認
識対象図形を観測する観測窓の各視野の大きさに対して
上記認識対象図形の特徴を抽出し、その特徴値を計算す
る演算回路部をそなえると共に、上記視野の大きさと特
徴との組合わせにおける安定係数を求める演算処理部を
もうけ、該演算処理部から求められた上記組合わせに係
る安定係数の算定値を比較回路に入力してその最小値の
該当する認識対象図形の特徴と視野の大きさとの組合わ
せを定めるようにしたことを特徴としている。以下図面
を参照しつつ説明する。第１図は或る特徴に対する認識
対象図形の頻度分布曲線図、第２図は階層的視野の大き
さを表わしている視野図、第３図は認識対象図形の１セ
ットに含まれているシンボル図形の例、第４図は第３図
の各シンボル図形の或る特徴に対する頻度分布曲線図、
第５図は視野の大きさに対する安定係数の変化状態を示
す安定係数曲線図、第６図は本発明の一実施例構成を示
している。
第１図において横軸は特徴値を、縦軸は頻度を表わす。
例えば認識対象図形がｎ個のものに対し観測窓の視野が
或る大きさで見たとこの「黒」の数という特徴値を横軸
に、その頻度を縦軸に選んだとこの頻度分布曲線を第１
図は表わしている。従がつて第１図における最左端の山
の曲線は特徴値の少ない図形を意味し、左から右方向へ
の山の曲線ほど特徴値が大きい図形を表わす。特徴値が
例えば上記の「黒」の数であれ‘ま第３図に示されてい
る図形を用いて説明すると、第１図の最左端の山は第３
図Ａの白丸に相当し、第１図の長右端の山は第３図の黒
丸に相当する。ここで図形認識に使用される認識対象図
形の特徴の有効性を測る尺度として安定係数という概念
を導入する。
或る大きさで見たとこの「黒」の数という特徴値を横軸
に、その頻度を縦軸に選んだとこの頻度分布曲線を第１
図は表わしている。従がつて第１図における最左端の山
の曲線は特徴値の少ない図形を意味し、左から右方向へ
の山の曲線ほど特徴値が大きい図形を表わす。特徴値が
例えば上記の「黒」の数であれ‘ま第３図に示されてい
る図形を用いて説明すると、第１図の最左端の山は第３
図Ａの白丸に相当し、第１図の長右端の山は第３図の黒
丸に相当する。ここで図形認識に使用される認識対象図
形の特徴の有効性を測る尺度として安定係数という概念
を導入する。
そしてその安定係数＾は次の式で定義される。但し ｎ
；認識すべき対象の数 の２：ｉ番目の分布の分散 仏ｉ；ｉ番目の分布の平均 式｛…こおいて山ｉ＋，一仏ｉは認識対象図形の隣の分
布との平均間の距離を表わし、ノｏｉ２ 十。
；認識すべき対象の数 の２：ｉ番目の分布の分散 仏ｉ；ｉ番目の分布の平均 式｛…こおいて山ｉ＋，一仏ｉは認識対象図形の隣の分
布との平均間の距離を表わし、ノｏｉ２ 十。
Ｍ２は隣との分布の分数をたしたものを表わしている。
安定係数入は式‘１ｉ力）ら判るように上記隣の分布と
の平均間の距離ｌ仏ｉ十，ームｉｌが大きく、その隣と
の分ノ。ｉ２十ｏｉ＋，２が小さければ小さくなり、当
該安定係数入の最も小さい値をとるときが図形認識にお
いて一番安定な特徴であることを示す。即ち第１図にお
いて、認識対象図形の平均仏ｉ，山ｉ＋，の相互の距離
Ｌ＝ｌ仏ｉ＋，−仏；ｌが離れており、認識対象図形の
分布の分散ノ。ｉ２ 十。ｉ＋，２が小さい。つまり急
峻な形をなす分布をしていればｉ番目の山とｉ＋１番目
の山とは相互に独立性を有することになり、山と山とが
区別しやすくなる。上記安定な特徴というのは隣接する
山と山との間が明瞭に区切れらる状態にあり、かつすべ
ての山についてこのことが適用されることをいうのであ
る。また逆に山全体について隣接する山と山とを区切り
分けができる特徴を選んだ当該特徴は良い特徴というこ
とができ、式ｍの安定係数＾を最小値にするときの特徴
と一致する。従って式‘１｝の安定係数＾が最も小さく
なる特徴と次に説明する観測窓の視野の大きさとを選べ
ばよいことになる。第２図は認識対象図形の観測窓の視
野を階層的に変えた図を示している。
安定係数入は式‘１ｉ力）ら判るように上記隣の分布と
の平均間の距離ｌ仏ｉ十，ームｉｌが大きく、その隣と
の分ノ。ｉ２十ｏｉ＋，２が小さければ小さくなり、当
該安定係数入の最も小さい値をとるときが図形認識にお
いて一番安定な特徴であることを示す。即ち第１図にお
いて、認識対象図形の平均仏ｉ，山ｉ＋，の相互の距離
Ｌ＝ｌ仏ｉ＋，−仏；ｌが離れており、認識対象図形の
分布の分散ノ。ｉ２ 十。ｉ＋，２が小さい。つまり急
峻な形をなす分布をしていればｉ番目の山とｉ＋１番目
の山とは相互に独立性を有することになり、山と山とが
区別しやすくなる。上記安定な特徴というのは隣接する
山と山との間が明瞭に区切れらる状態にあり、かつすべ
ての山についてこのことが適用されることをいうのであ
る。また逆に山全体について隣接する山と山とを区切り
分けができる特徴を選んだ当該特徴は良い特徴というこ
とができ、式ｍの安定係数＾を最小値にするときの特徴
と一致する。従って式‘１｝の安定係数＾が最も小さく
なる特徴と次に説明する観測窓の視野の大きさとを選べ
ばよいことになる。第２図は認識対象図形の観測窓の視
野を階層的に変えた図を示している。
認識すべき対象図形の大きさ、ずれ、ノイズの大きさ等
によって最もよい観測窓の視野の大きさも様々に変えて
認識対象図形の特徴を抽出する必要性がある。第２図に
示す如く正方形の観測窓の視野を階層的に例えば４４×
４４メッシュまで用意しておき、この中から最も適切な
大きさの観測窓の視野が上記安定係数＾を最小値とする
特徴との相関関係をもって選ばれる。次に具体的な例に
ついて式０１を適用し安定係数入を求めることにする。
認識対象図形は第３図Ａ，Ｂ，Ｃ，Ｄに図示されている
丸、斜め線入り丸、半黒丸、黒丸の４個のシンボル図形
を分類認識するものとする。
によって最もよい観測窓の視野の大きさも様々に変えて
認識対象図形の特徴を抽出する必要性がある。第２図に
示す如く正方形の観測窓の視野を階層的に例えば４４×
４４メッシュまで用意しておき、この中から最も適切な
大きさの観測窓の視野が上記安定係数＾を最小値とする
特徴との相関関係をもって選ばれる。次に具体的な例に
ついて式０１を適用し安定係数入を求めることにする。
認識対象図形は第３図Ａ，Ｂ，Ｃ，Ｄに図示されている
丸、斜め線入り丸、半黒丸、黒丸の４個のシンボル図形
を分類認識するものとする。
これら認識対象シンボル図形に対し抽出する特徴を３種
類用意し、その特徴をＦ，，Ｆ２，Ｆ３と名付け、当該
特徴Ｆ，，Ｆ２，Ｆ３の中から適切な特徴と観測窓の視
野の大きさを選定する。今特徴Ｆ，、観測窓の視野の大
きさを２０×２０メッシュに選び、上記第３図Ａないし
Ｄのシンボル図形に対し第４図の如き各シンボル図形の
特徴Ｆ，に対する頻度分布線図が得られた。
類用意し、その特徴をＦ，，Ｆ２，Ｆ３と名付け、当該
特徴Ｆ，，Ｆ２，Ｆ３の中から適切な特徴と観測窓の視
野の大きさを選定する。今特徴Ｆ，、観測窓の視野の大
きさを２０×２０メッシュに選び、上記第３図Ａないし
Ｄのシンボル図形に対し第４図の如き各シンボル図形の
特徴Ｆ，に対する頻度分布線図が得られた。
ここで特徴Ｆ，は対象図形の２値化情報「黒」の数を例
として選んだものである。第４図の最左端の山から右側
に向って第３図Ａの丸、Ｂの斜め線入り丸、Ｃの半黒丸
、Ｄの黒丸に相応する。丸についての分布の分散〇，２
と分布の平均仏，はそれぞれ０，２＝８５９ｒ，＝９２
が演算され、斜め線入り分布の分数ひ２２＝５４３、分
布の平均仏２＝１５０、半黒丸の分布の分散。
として選んだものである。第４図の最左端の山から右側
に向って第３図Ａの丸、Ｂの斜め線入り丸、Ｃの半黒丸
、Ｄの黒丸に相応する。丸についての分布の分散〇，２
と分布の平均仏，はそれぞれ０，２＝８５９ｒ，＝９２
が演算され、斜め線入り分布の分数ひ２２＝５４３、分
布の平均仏２＝１５０、半黒丸の分布の分散。
３２＝６２５分布の平均仏３ ＝２１５黒丸の分布の分
散。
散。
４２＝５６２、分布の平均仏４ ＝３０３がそれぞれ演
算され得られる。
算され得られる。
そして安定係数入を求めるため式‘１｝に各値を代入し
て求めると次に観測窓の視野の大きさを第２図図示の如
く階層的にメッシュ数を変えて各シンボル図形について
の安定係数を求め、これを図示すると第５図の視野の大
きさに対する安定係数曲線Ｆ，が得られる。
て求めると次に観測窓の視野の大きさを第２図図示の如
く階層的にメッシュ数を変えて各シンボル図形について
の安定係数を求め、これを図示すると第５図の視野の大
きさに対する安定係数曲線Ｆ，が得られる。
特徴Ｆ２についての識対象シンボル図形第３図Ａ，Ｂ，
Ｃ，Ｄの観測窓を視野の大きさに対する安定係数曲線が
第５図図示のＦ２の如く求まる。
Ｃ，Ｄの観測窓を視野の大きさに対する安定係数曲線が
第５図図示のＦ２の如く求まる。
同様に特徴Ｆ３にいての認識対象シンボル図形第３図Ａ
，Ｂ，Ｃ，Ｄの観測窓の視野の大きさに対する安定係数
曲線や第５図図示Ｆ３の如く求まる。第５図の視野の大
きさに対する安定係数の変化状態を示す安定曲線図は上
記説明した計算式ｍを用いて安定係数の＾を求めグラフ
に描いたものである。第５図に描かれているように３種
類の特徴Ｆ，，Ｆ２，Ｆ３についてそれぞれに対する視
野の大きざのとき安定係数入が最小なる。即ち第３図Ａ
，Ｂ，Ｃ，Ｄ図示の丸、斜め線入り丸、半黒丸、黒丸の
シンボル図形認識におし、特徴Ｆ，で特徴抽出するとき
は２０×２０メッシュの視野の大きさが最適であり、特
徴Ｆ２のときは２３×２３メッシュの視野の大きさ、特
徴Ｆ３のときは４０×４０メッシュの視野の大きさがそ
れぞれ最適であることが判る。そして第５図は認識対象
シンボル図形が第３図Ａ，Ｂ，Ｃ，Ｄ図示の丸、斜め線
入り丸、半黒丸、黒丸のとき特徴Ｆ，，Ｆ２，Ｆ３のい
ずれかで特徴抽出を行なう最良の観測窓を視野の大きさ
を選べば良いかをも示しており、それは安定係数入が最
４・値を示す特徴のもその時の視野の大きさである。
，Ｂ，Ｃ，Ｄの観測窓の視野の大きさに対する安定係数
曲線や第５図図示Ｆ３の如く求まる。第５図の視野の大
きさに対する安定係数の変化状態を示す安定曲線図は上
記説明した計算式ｍを用いて安定係数の＾を求めグラフ
に描いたものである。第５図に描かれているように３種
類の特徴Ｆ，，Ｆ２，Ｆ３についてそれぞれに対する視
野の大きざのとき安定係数入が最小なる。即ち第３図Ａ
，Ｂ，Ｃ，Ｄ図示の丸、斜め線入り丸、半黒丸、黒丸の
シンボル図形認識におし、特徴Ｆ，で特徴抽出するとき
は２０×２０メッシュの視野の大きさが最適であり、特
徴Ｆ２のときは２３×２３メッシュの視野の大きさ、特
徴Ｆ３のときは４０×４０メッシュの視野の大きさがそ
れぞれ最適であることが判る。そして第５図は認識対象
シンボル図形が第３図Ａ，Ｂ，Ｃ，Ｄ図示の丸、斜め線
入り丸、半黒丸、黒丸のとき特徴Ｆ，，Ｆ２，Ｆ３のい
ずれかで特徴抽出を行なう最良の観測窓を視野の大きさ
を選べば良いかをも示しており、それは安定係数入が最
４・値を示す特徴のもその時の視野の大きさである。
即ち特徴Ｆ，と観測窓の視野の大きさ２０×２０メッシ
ュのものとの組合わせで特徴抽出を行なえば最も有効な
特徴抽出ができることを示している。第６図は特徴カ沖
，，Ｆ２，Ｆ３種類で観測窓の視野の大きさがＮ，×Ｎ
２メッシュ、Ｎ２×Ｎ２メッシュの２種類用意したとき
の１例についての本発明の一実施例構成を示している。
ュのものとの組合わせで特徴抽出を行なえば最も有効な
特徴抽出ができることを示している。第６図は特徴カ沖
，，Ｆ２，Ｆ３種類で観測窓の視野の大きさがＮ，×Ｎ
２メッシュ、Ｎ２×Ｎ２メッシュの２種類用意したとき
の１例についての本発明の一実施例構成を示している。
符号１なＬ・し６は視野に対する特徴を抽出する演算回
路部、７ないし１２は安定係数を求める演算処理部、１
３は比較回路を表わしている。演算回路１なし、し６に
は第１の認識対象図形のパターン情報が入力される。
路部、７ないし１２は安定係数を求める演算処理部、１
３は比較回路を表わしている。演算回路１なし、し６に
は第１の認識対象図形のパターン情報が入力される。
観測窓の視野の大きさがＮ，×Ｎ２メッシュのパターン
情報は演算回路部１，３，５に、観測窓の視野の大きさ
がＮ２×Ｎ２メッシュのパターン情報は演算回路部２，
４，６にそれぞれ入力される。各演算回路部ではそれぞ
れの視野に対する特徴を抽出する。演算回路部１はＮ，
×Ｎ２メッシュの視野に対する特徴Ｆ，についての特徴
抽出を行ない、その情報を演算処理部７に入力させる。
演算処理部７ではカゥンタをそなえていて、特徴Ｆ，に
ついての情報をカウントし、その分布の分散〇，２と分
布の平均仏，を計算しその値を記憶しておく。に第２の
認識対象図形のパターン情報が演算回路部１なし、し６
に入力これる。観測窓の視野の大きさがＮ，×Ｎ．メッ
シュのパターン情報は演算回路部１，３，５に入力され
るが、演算回路１に入力された第２の認識対象図形のパ
ターン情報から特徴Ｆ，についての特徴抽出を行ない、
この情報を演算処理部７に入力させる。第２の認識対象
図形に関する特徴Ｆ，についての情報を演算処理部７は
カウントし、上記と同様その分布の分散。２２と分布の
平均し２ を計算、その値を記憶してく。
情報は演算回路部１，３，５に、観測窓の視野の大きさ
がＮ２×Ｎ２メッシュのパターン情報は演算回路部２，
４，６にそれぞれ入力される。各演算回路部ではそれぞ
れの視野に対する特徴を抽出する。演算回路部１はＮ，
×Ｎ２メッシュの視野に対する特徴Ｆ，についての特徴
抽出を行ない、その情報を演算処理部７に入力させる。
演算処理部７ではカゥンタをそなえていて、特徴Ｆ，に
ついての情報をカウントし、その分布の分散〇，２と分
布の平均仏，を計算しその値を記憶しておく。に第２の
認識対象図形のパターン情報が演算回路部１なし、し６
に入力これる。観測窓の視野の大きさがＮ，×Ｎ．メッ
シュのパターン情報は演算回路部１，３，５に入力され
るが、演算回路１に入力された第２の認識対象図形のパ
ターン情報から特徴Ｆ，についての特徴抽出を行ない、
この情報を演算処理部７に入力させる。第２の認識対象
図形に関する特徴Ｆ，についての情報を演算処理部７は
カウントし、上記と同様その分布の分散。２２と分布の
平均し２ を計算、その値を記憶してく。
このようにして第ｎの認識対象図形についてお分布の分
散。ｎ２と分布の平均Ａｎを求めた後式‘１１で与えら
れる安定係数入Ｆ，，，ｏを求める。一方１ないし第ｎ
の認識対象図形に関する特徴Ｆ，で特徴抽出した観測窓
の大きさがＮ２×Ｎ２メッシュのときの分布の分散。と
分布の平均仏が計算され、安定係数入Ｆ，脚も演算処理
部８から得られる。同様にして演算処理部９から特徴Ｆ
２で特徴抽出した第１ないし第ｎの認識対象図形に関す
る観測窓の視野の大きさがＮ，×Ｎ，メッシュのときの
安定係数入Ｆ２，．ｏが求められ、演算処理部１０から
特徴Ｆ２で特徴抽出した観測窓の視野の大きさＮ２×Ｎ
２メッシュのときの安定係数入Ｆ２，２。
散。ｎ２と分布の平均Ａｎを求めた後式‘１１で与えら
れる安定係数入Ｆ，，，ｏを求める。一方１ないし第ｎ
の認識対象図形に関する特徴Ｆ，で特徴抽出した観測窓
の大きさがＮ２×Ｎ２メッシュのときの分布の分散。と
分布の平均仏が計算され、安定係数入Ｆ，脚も演算処理
部８から得られる。同様にして演算処理部９から特徴Ｆ
２で特徴抽出した第１ないし第ｎの認識対象図形に関す
る観測窓の視野の大きさがＮ，×Ｎ，メッシュのときの
安定係数入Ｆ２，．ｏが求められ、演算処理部１０から
特徴Ｆ２で特徴抽出した観測窓の視野の大きさＮ２×Ｎ
２メッシュのときの安定係数入Ｆ２，２。
が求められる。以下同様に演算処理部１１，１２から特
徴Ｆ３で特徴抽出した観測窓の視野の大きさがＮ，×Ｎ
２メッシュ、Ｎ２×Ｎ２メッシュのときのそれぞれの安
定係数＾Ｆ３，．。と入Ｆ３，２。がそれぞれ求められ
る。このようにして求められた演算処理部７ないし１２
から安定係数＾が比較回路１３に入力され、該安定係数
入の最小値のものが結果として出力される。
徴Ｆ３で特徴抽出した観測窓の視野の大きさがＮ，×Ｎ
２メッシュ、Ｎ２×Ｎ２メッシュのときのそれぞれの安
定係数＾Ｆ３，．。と入Ｆ３，２。がそれぞれ求められ
る。このようにして求められた演算処理部７ないし１２
から安定係数＾が比較回路１３に入力され、該安定係数
入の最小値のものが結果として出力される。
該比較回路１３から出力された最小値の安定係数に係る
特徴と観測窓の視野の大きさとの組合わせが最も安定し
た特徴選択要素として選出されたことになる。なお安定
係数を求める演算処理部７なし、し１２を時分割的に演
算処理を行なわせるようにして１個の演算処理部とする
ことも可能である。
特徴と観測窓の視野の大きさとの組合わせが最も安定し
た特徴選択要素として選出されたことになる。なお安定
係数を求める演算処理部７なし、し１２を時分割的に演
算処理を行なわせるようにして１個の演算処理部とする
ことも可能である。
以上説明した如く、本発明によれば、客観的に選出され
た特徴とこれに対応づけられる観測窓の視野との効果的
な組合わせが選出され、有効な特徴抽出処理を行なうこ
とができるようになる。
た特徴とこれに対応づけられる観測窓の視野との効果的
な組合わせが選出され、有効な特徴抽出処理を行なうこ
とができるようになる。
また余り効果のない特徴の情報を辞書に格納することが
無くなるので辞書の容量が小さくてすむ効果が生ずる。
無くなるので辞書の容量が小さくてすむ効果が生ずる。
第１図は或る特徴に対する認識対象図形の頻度分布曲線
図、第２図は階層的視野の大きさを表わしている視野図
、第３図は認識対象図形の１セットに合されているシン
ボル図形の例、第４図は第３図の各シンボル図形の或る
特徴に対する頻度分布曲線図、第５図は視野の大きさに
対する安定係数の変化状態を示す安定係数曲線図、第６
図は本発明の一美例構成を示している。 図中、１なし、し１６は視野に対する特徴を抽出する演
算回路部、７なし、し１２は安定係数を求める演算処理
部、１３は比較回路をそれぞれ表わしている。 多１四 孝Ｚ脚 −３四 ★４四 彰５〇 ギ‘碑
図、第２図は階層的視野の大きさを表わしている視野図
、第３図は認識対象図形の１セットに合されているシン
ボル図形の例、第４図は第３図の各シンボル図形の或る
特徴に対する頻度分布曲線図、第５図は視野の大きさに
対する安定係数の変化状態を示す安定係数曲線図、第６
図は本発明の一美例構成を示している。 図中、１なし、し１６は視野に対する特徴を抽出する演
算回路部、７なし、し１２は安定係数を求める演算処理
部、１３は比較回路をそれぞれ表わしている。 多１四 孝Ｚ脚 −３四 ★４四 彰５〇 ギ‘碑
Claims (1)
- １ 認識対象図形についての複数個ｎの特徴の中から数
個ｋの特徴を選びその特徴の組合わせを選出する特徴選
択装置において、認識対象図形を観測する観測窓の各視
野の大きさに対して上記認識対象図形の特徴を抽出し、
その特徴値を計算する演算回路部をそなえると共に、上
記視野の大きさと特徴との組合わせにおける安定係数を
求める演算処理部をもうけ、該演算処理部から求められ
た上記組合わせに係る安定係数の算定値を比較回路に入
力してその最小値に該当する認識対象図形の特徴と視野
の大きさとの組合わせを定めるようにしたことを特徴と
する特徴選択装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP55100294A JPS6017153B2 (ja) | 1980-07-22 | 1980-07-22 | 特徴選択装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP55100294A JPS6017153B2 (ja) | 1980-07-22 | 1980-07-22 | 特徴選択装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5725077A JPS5725077A (en) | 1982-02-09 |
| JPS6017153B2 true JPS6017153B2 (ja) | 1985-05-01 |
Family
ID=14270148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP55100294A Expired JPS6017153B2 (ja) | 1980-07-22 | 1980-07-22 | 特徴選択装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6017153B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61207255U (ja) * | 1985-06-18 | 1986-12-27 | ||
| JPH04749Y2 (ja) * | 1985-09-05 | 1992-01-10 | ||
| JPH0456608B2 (ja) * | 1985-09-30 | 1992-09-09 | Chitose Corp |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3675760D1 (de) * | 1986-01-29 | 1991-01-03 | Bbc Brown Boveri & Cie | Pruefkreis fuer die synthetische pruefung von hochspannungs-leistungsschaltern. |
-
1980
- 1980-07-22 JP JP55100294A patent/JPS6017153B2/ja not_active Expired
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61207255U (ja) * | 1985-06-18 | 1986-12-27 | ||
| JPH04749Y2 (ja) * | 1985-09-05 | 1992-01-10 | ||
| JPH0456608B2 (ja) * | 1985-09-30 | 1992-09-09 | Chitose Corp |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5725077A (en) | 1982-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Drimbarean et al. | Experiments in colour texture analysis | |
| US5239590A (en) | Fingerprint verification method | |
| US7133541B2 (en) | Method for analyzing fingerprint images | |
| JPH0786914B2 (ja) | 画像を用いた変化検出方法 | |
| KR20030019788A (ko) | 융선방향 모델을 이용한 지문 특징데이터 추출방법 | |
| Ali | Fingerprint recognition | |
| Huvanandana et al. | Reliable and fast fingerprint identification for security applications | |
| JPS6017153B2 (ja) | 特徴選択装置 | |
| KR970022829A (ko) | 지문카드 선택장치 및 지문카드 찾기장치 | |
| Yao et al. | Fingerprint quality assessment combining blind image quality, texture and minutiae features | |
| KR100291256B1 (ko) | 지문카드사전선택방법및장치 | |
| Yang et al. | Improved method for extraction of fingerprint features | |
| Grigorescu et al. | Texture analysis using Renyi's generalized entropies | |
| Desai et al. | Shape Based Features Extracted Using Wavelet Decomposition and Morphological Operators. | |
| Su et al. | A new spectral–spatial jointed hyperspectral image classification approach based on fractal dimension analysis | |
| Forsyth et al. | Recognizing objects using color-annotated adjacency graphs | |
| Mahadik et al. | Access Control System using fingerprint recognition | |
| Almehio et al. | Matching images using invariant level-line primitives under projective transformation | |
| Caianiello | C-calculus: an overview | |
| JPH033089A (ja) | パターン認識装置 | |
| Wang et al. | Fingerprint classification: an approach based on singularities and analysis of fingerprint structure | |
| Kekre et al. | Fingerprint matching using sectorized complex Walsh plane in transform domain | |
| Negi et al. | Minutiae Extraction and Pruning Based Fingerprint Identification with Pattern Classification by Radial Basis Function | |
| KR20110012302A (ko) | 유해영상 자동 판별 방법 | |
| JPH02293990A (ja) | 文字認識装置 |