JPS62280988A - 画像デ−タの自動分類方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ３、発明の詳細な説明 〔４既要〕 外部より人力された特定のソノテゴリ名を持つ２値画像
データを臼／黒／仄色の何れかのパターンに決定して、
本状に分類する方弐乙こおいて、該本状のある分類レベ
ルで、複数個のカテゴリ名の区別ができないときには、
各カテゴリ名の画像データの全体を複数個の小領域に分
割し、咳分割された小領域のパターンを求めて区別する
第１の手段と、各分類レベルでの各カテゴリ名の持つパ
ターンから、該カテゴリ名の画像データの特徴を自動的
に抽出し、該特徴を用いて分類する第２の手段とを設け
ることにより、複数個の２値画像データを木状に分類す
るようにしたものである。

〔産業上の利用分野〕

本発明は、２値画像データのパターンを学習。

認識する際に利用するパターン分類トリーを、自動的に
作成する画像データの自動分類方式に関する。

最近の計算機技術の進歩に伴い、機械書き２手書き等の
２値画像データが自動的に入力され、処理されるように
なってきた。

この場合、機械書きの文字１図面等は、規則的に書かれ
ている為、計算機システムにおいても認識し易いが、手
書き図面３手書き文字については、作成者の個性的な面
が、その２値画像データを支配することが多い為、その
認識が難しく、接手書き図面５手書き文字の自動入力を
行う為の効果的な分類方式が待たれるようになってきた
。

〔従来の技術〕

第４図は従来の２イヘ画像データの分類方式を説明する
図である。

先ず、中央処理装置（ＣＰＵ）　１が特定のプログラム
２０を実行することにより、デジタイザ／画像入力装置
（スキャナ）５によって任意の画像データが読み取られ
、２値化されてファイルメモリ（ＦＭ）　３に格納され
る。

該ファイルメモリ（ＦＭ）　３に格納された２値画像デ
ータが、中央処理装置（ＣＰＩＩ）　１が実行する別の
プログラム２０によって、主記憶装置（ＭＳ）　２上の
画像データバッファ２１に読み出された後、別途人間が
見つけた画像の構造上の特徴を組み込んで作成された認
識プログラム２２によって識別９分類され、上記主記憶
装置（旧）２上のトリー領域２５に、分類トリーを生成
していた。

（発明が解決しようとする問題点〕 従って、従来方式においては、入力された複数個の２値
画像を分類する為の、該画像の構造上の特徴を人間が見
つけ、上記特徴を組み込んだ認識プログラム２２を生成
する必要があった。

その為、入力される画像パターンの種類（例えば、文字
１図形１等）や、サイズ等によって、該認識プログラム
２２も別となり、分類処理が複雑になる上に、認識プロ
グラムの作成に時間がかかると云う問題があった。

又、画像データを区別する為の構造上の特徴が不足して
いる場合については、新たに人間が特徴を見つけ、該認
識プログラム２２を変更、追加する必要があり、認識プ
ログラムが複雑になると云う問題があった。

本発明は上記従来の欠点に鑑み、２値画像データの分類
トリーを、システムが学習により、自動的に作成し、且
つ改良して効率良く、分類トリーを成長させていく方法
を堤供することを目的とするものである。

〔問題点を解決するための手段〕

第１図は本発明の自動分類方式の概念を説明する図であ
って、（ａ）は学習過程を示し、（ｂ）は改良の過程を
示している。

本発明においては、外部より入力された特定のカテゴリ
名を持つ２値画像データの全体を“白”か、“黒″か、
”灰色゛の何れかに決定し、このパターンを比較して、
該画像データを本状に区別する分類方式であって、接木
のある段階におい′て、複数個のカテゴリ名の画像デー
タを区別できないときには、各カテゴリ名の画像データ
の全領域を分割し、該分割した小領域のパターンを求め
て区別する第１の手段（ａ）と、各カテゴリ名の各段階
における画像データが持つパターンから、該段階におけ
る該カテゴリ名の画像データの特徴を抽出し、該特徴を
用いて分類する第２の手段（ｂ）とを設け、上記第１の
手段（ａ）と、第２の手段（ｂ）を繰り返し実行するこ
とにより、２値画像データを本状に分類するように構成
する。

〔作用〕

即ち、本発明によれば、外部より入力された特定のカテ
ゴリ名を持つ２値画像データを白／黒／灰色の何れかの
パターンに決定して、木状に分類する方式において、該
本状のある分類レベルで、複数個のカテゴリ名の区別が
できないときには、各カテゴリ名の画像データの全体を
複数個の小領域に分割し、該分割された小領域のパター
ンを求めて区別する第１の手段と、各分類レベルでの各
カテゴリ名の持つパターンから、該カテゴリ名の画像デ
ータの特徴を自動的に抽出し、該特徴を用いて分類する
第２の手段とを設けることにより、複数個の２値画像デ
ータを本状に分類するようにしたものであるので、人手
によって見つけた２値画像の構造上の特徴を一切与える
ことなく、且つ人力画像の種類や１サイズ等に依存しな
いで分類トリーの生成ができ、入力画像の各カテゴリ名
の画像データの分類が容易となる効果がある。

〔実施例〕

以下本発明の実施例を図面によって詳述する。

第２図は本発明の一実施例を模式的に示した図であり、
第３図は本発明の領域分割方式を説明する図で、（ａ）
は分割方法を示し、（ｂ）は分割例を示しており、第２
図における分割処理プログラム２３、特徴抽出処理プロ
グラム２４が本発明を実施するのに必要な手段である。

尚、全図を通して同じ符号は同じ対象物を示している。

本発明を実施しても、デジタイザ等から取り込んだ入力
画像をファイルメモリ（ＦＭ）　３に格納し、主記憶装
置（ＭＳ）　２上の画像データバッファ２１に読み出す
迄の処理は特に変わることはないので省略し、ここでは
、分割処理プログラム２３．特徴抽出処理プログラム２
４を実行して、分類トリー２５を生成する方法を中心に
、第１図を参照しながら第２図、第３図によって説明す
る。

ここでは、説明の便宜上、２値画像を対象とする。該２
値画像は“白゛、又は°黒゛の画素からなっており、本
発明の分類処理システムが得ることができる該画像から
の情報は、該画像のある領域が゛白゛画素のみからでき
ている（”Ｗ’）のか。

゛黒゛画素のみでできている（’Ｂ’）のか、それとも
°白”画素と、“黒”画素からできている（”Ｇ”）か
のパターンである。

本発明を実施して生成するパターン分類トリーは、各ノ
ード毎に、パターン、画像名１画像のカテゴリ名、特徴
等を持つことができる。

本発明による自動分類方式においては、最初何も学習し
ていない状Ｂ（即ち、パターン分類トリーの技がない状
Ｂ）から始まる。

先ず、Ｃ１と云うカテゴリ名を持つ画像Ｐ１が入力され
ると、該画像Ｐ１全体が、上記Ｗ／Ｂ／Ｇの何れである
かが決定される。

仮に、Ｂとすると、第１図（ａ）　（１）の技が生成さ
れる。次にＣ２と云うカテゴリ名を持つ画像Ｐ２が入力
され、そのパターンがＧであったとすると、第１図（ａ
）　ｆ２）のような分類トリーとなる。

画像全体を１つのパターン（Ｗ／Ｂ／Ｇ）で表現するこ
の段階をレベル１とすると、該レベル１では、画像のパ
ターンがＢならばＣ１と云うカテゴリ名を持つ画像、Ｇ
ならばＣ２と云うカテゴリ名を持つ画像と認識できる。

次に、Ｃ３と云うカテゴリ名を持つ画像Ｐ３のパターン
がＧであったとすると、第１図（ａ）　（３１では、１
つのノードに２つの異なるカテゴリ名（ｃｚ、　Ｃ、Ｉ
）を持つ画像が分類されているが、この第ルベルでは両
者の区別はできない。

そこで、本発明の分割処理プログラム２３を実行し、画
像パターンＰ２．Ｐ３をｎ分割し、各領域を学習する。

今、ｎ＝ｇ４とすると、該画像は各レベルにおいて、第
３図のように分割されてい（ことになる。

該分割した領域に順番を付けておき（例えば、左上から
右廻りに順番を付ける）、この順に従って、各領域のパ
ターン（Ｗ／Ｂ／Ｇ）を求め、それらを合わせて該画像
全体のパターンとする。但し前のレベルでＷ／Ｂと決定
した領域は、それ以上分割しても意味がないので分割し
て解析することはしないようにする。

このようにして、第２レベルでの画像パターンＰ２．　
Ｐ３を求め、それぞれが“ＢＧＧＧ”　、　’ＧＷＢＧ
“であったとすると、第１図（ａ）　ｆ４１の分類トリ
ーが形成される。

この学習により、Ｃ２と、Ｃ３と云うカテゴリ名を持つ
画像を、本第２レベルで区別することができることにな
る。

同じようにして、Ｃ４と云うカテゴリ名を持つ画像Ｐ４
と＋　ＣＺと云うカテゴリ名を持つ画像Ｐ５．Ｐ６と＋
　Ｃ３と云うカテゴリ名を持つ画像Ｐ７を学習した結果
を第１図（５）に示している。ここまでの学習を第１ス
テツプ（第１図（ａ）参照）とする。

学習の第２ステツプは、該作成したパターン分類トリー
（第１図（ａ）　＋５）参照）を効率の良い学習。

認識が行えるように改良する手法で、中央処理装置（Ｃ
ＰＵ）　１が特徴抽出処理プログラム２４を実行するこ
とにより達成することができる。

この改良手段は、分類トリーの１つのノードができるだ
け少ないカテゴリ名を持つようにし、且つあるレベルに
おいて、１つのカテゴリ名が複数のノードに重複して現
れることがないように、各カテゴリ名がもつパターンの
特徴を抽出し、その特徴を用いて各画像を分類する方法
である。

該改良方法を、第１図（ａ）　＋５）を例にして説明す
ると、第ルベルでは領域分割がなく、パターンが１つ（
Ｂ／Ｇ）であるので、その特徴パターンは、それぞれＢ
、Ｇとなる。（第１図（ｂ）（１）口参照）次に、第２
レベル（４分割）では、Ｃｚ、　Ｃｘ、Ｃ４と云うカテ
ゴリ名のパターンが入り混じっているので、これをカテ
ゴリ毎に整理する。先ず、当該第２レベルにおいて、Ｃ
２と云うカテゴリ名が持つ画像の全パターンについて見
ると、 カテゴリＣｚ’−・−・・・−１−・・ＢＧＧＧｌ・・
・・ＧＷＢ　Ｇ であり、酸カテゴリＣｔでは、各領域で等しいパターン
は、４番目のＧであり、あとには共通なパターンがない
ので、該カテゴリＣ２の特徴パターンは’−−−Ｇ’　
　であるとする。

この特徴パターンを用いて、分類できるパターンを全て
集めると、パターンＢＧＧＧを持つカテゴリＣ２と、パ
ターンＧＷＢＧを持つカテゴリＣ２とＣ３であるので、
これらを、第１図（ａ）　＋５）における、第２レベル
以下のトリーとして、特徴パターン°−−−Ｇ″の下に
付けてお（ようにする。

このような改良を行うことにより、特徴パターン°−−
−Ｇ’を持たないものとして、例えば、パターンＧＷＢ
１１を持つカテゴリＣ３＋パターンＷ［ｌＧＢを持つカ
テゴリＣ４があり、それぞれのパターンが特徴パターン
となる。従って、このときの分類トリー２５は、第１図
（ｂ）　（２１となる。

第１図（ｂ）　（２）において、特徴パターン“−−−
Ｇ“を持つトリーにおいては、カテゴリＣＺ、　Ｃｓを
区別することができないので、次のレベル３において、
該トリーの改良を行う。即ち、 第３レベル（８分割）における特徴パターンの抽出は、
上記と同様にして、各ノード毎に該レベル３におけるカ
テゴリＣ２が持つ全パターンを取り出し、各領域のパタ
ーンが等しいものを調べ、等しくない領域は°−°を入
れておく。

仮に、カテゴリＣ２の特徴パターンは、パターンＢＧＧ
Ｇのノードにおいて、Ｂ−Ｂ−ＧＧＢＢＢＷＧＧ、　ｒ
：夕−７ｆＪＢＧ（７）／　−トニｈイテ、ＢＧＢＢＷ
ＩＩＧＷＧＧとなり、Ｃ３ツバターンはＧＷＷＣ，Ｗｌ
ｌＢＷＢＧとすると、第１図（ｂ）　＋３１のような分
類トリーとなる。

ここで、上記カテゴリＣ２の特徴パターンで、Ｃ１のパ
ターンを分類できないので、上記改良処理は終了する。

尚、上記特徴パターンにおいて、アンダーラインは、そ
れぞれのノードでの共通パターンを示している。

このようにして、１ノードが１カテゴリとなる迄、各パ
ターンから特徴パターンを抽出しながら、改良を繰り返
していく。該改良後の分類トリー２５は、改良前の分１
）ＩＪ−２５の情報を全て保持しているので、上記学習
と改良とを繰り返し行うことにより、画像パターンを自
動的に効率良く分類していくことができる。

このように、本発明は、画像データのパターンを分類す
るのに、分類トリーのあるレベルにおいて、複数個のカ
テゴリ名の分類ができないときには、各画像データの領
域を複数個に分割し、該分割した小領域のパターンを求
めて区別する第１の手段（学習）と、あるレベルの特定
のカテゴリ名が持つ全パターンを調べて、その特徴パタ
ーンを抽出し、該抽出した特徴パターンで分類すること
を、レベルを下げながら（Ｊｌｌち、上記領域の分割を
行いながら）繰り返して、１ノード１カテゴリとなる迄
改良する第２の手段とを用いて、分類するようにした所
に特徴がある。

〔発明の効果〕

以上、詳細に説明したように、本発明の画像データの自
動分類方式は、外部より入力された特定のカテゴリ名を
持つ２値画像データを白／黒／灰色の何れかのパターン
に決定して、木状に分類する方式において、咳木状のあ
る分類レベルで、複数個のカテゴリ名の区別ができない
ときには、各カテゴリ名の画像データの全体を複数個の
小領域に分割し、該分割された小領域のパターンを求め
て区別する第１の手段と、各分類レベルでの各カテゴリ
名の持つパターンから、該カテゴリ名の画像データの特
徴を自動的に抽出し、該特徴を用いて分類する第２の手
段とを設けることにより、複数個の２値画像データを本
状に分類するようにしたものであるので、人手によって
見つけた２値画像の構造上の特徴を一切与えることなく
、且つ入力画像の種類や、サイズ等に依存しないで分類
トリーの生成ができ、入力画像の各カテゴリ名の画像デ
ータの分類が容易となる効果がある。

【図面の簡単な説明】

第１図は本発明の自動分類方式の概念を説明する図。 第２図は本発明の一実施例を模式的に示した図。 第３図は本発明の領域分割方式を説明する図。 第４図は従来の２値画像データの分類方式を説明する図
。 である。 図面において、 １は中央処理装置（ＣＰＵ）　、　２は主記憶装置（Ｍ
Ｓ）。 ２１は画像データバッファ。 ２２は認識プログラム。 ２３は分割処理プログラム。 ２４は特徴抽出処理プログラム。 ２５はトリー領域、又は分類トリー。 ３はファイルメモリ（ＦＭ）。 ４は操作パネル（ＫＢ）。 ５はデジタイザ、又は画像人力装置（スキャナ）。 Ｃｌ＋　Ｃ２＋　Ｃ３＋　Ｃ４，’−はカテゴリ名。 Ｗ、Ｂ、Ｇは画像データの各領域のパターン。 をそれぞれ示す。 （１ン　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　（２ン（Ｓ） （、（１） ノド発ｅｆ４６フ自＠／ラテず勇づ５ψこｄつイＩｔづ
５．ｉｔａ刈手う図％１　図　（Ａ　ｆ）Ｉ） 禾衾Ｆ３ｆｄ、ｎ　　自動溌顛方式ン力　ネ既進、ｌ之
明１ろ図下ｊ　図　（Ｉ２） Ａ全一　−−実方色イクｈｌ唆氏自り１ニホした図下　
２　図 ／１／１画殊 Ｂ’ＮＢ／；ｒ／Ｅｒｅｒ／；ｒｅ；ｒＷＷＢｃｒｌ；
ｒ水金ｅ月め４貧城脅↑１方戎Σ言先明オ６ｚ箪　ス　
図

Claims (1)

1. 【特許請求の範囲】 外部より入力された特定のカテゴリ名を持つ２値画像デ
   ータの全体を‘白’か、‘黒’か、‘灰色’の何れかに
   決定し、このパターンを比較して、該画像データを木状
   に区別する分類方式であって、該木のある段階において
   、複数個のカテゴリ名の画像データを区別できないとき
   には、各カテゴリ名の画像データの全領域を分割し、該
   分割した小領域のパターンを求めて区別する第１の手段
   （ａ）と、 各カテゴリ名の上記木の各段階における画像データが持
   つパターンから、該段階における該カテゴリ名の画像デ
   ータの特徴を抽出し、該特徴を用いて分類する第２の手
   段（ｂ）とを設け、 上記第１の手段（ａ）と、第２の手段（ｂ）を繰り返し
   実行することにより、２値画像データを木状に分類する
   ことを特徴とする画像データの自動分類方式。