JPWO2007063705A1 - パターン認識装置、パターン認識方法、およびパターン認識プログラム - Google Patents

Abstract

２値または３値で表現された参照画像と入力された濃淡画像との照合において、設定可能な種々の２値化閾値を仮定して２値の参照画像を複数生成し、これらの参照画像と濃淡画像との距離を比較するパターン認識方法と同等の結果を、より高速に求めることを可能にするパターン認識方法である。２値の参照画像における高濃度領域の画素に対応づけさられた濃淡画像の画素に対する第１の累積ヒストグラムと、参照画像における低濃度領域の画素に対応づけされた濃淡画像の画素に対する逆向きの第２の累積ヒストグラムとが生成され、加算される。加算後の累積ヒストグラムの最小値が閾値と比較されることによってパターンの有無が判定される。

Description

本発明は、参照画像と照合することにより濃淡画像のパターン認識を行うパターン認識装置、パターン認識方法、およびパターン認識プログラムに関する。

濃淡画像と２値の階調の参照画像とを照合する方法として、濃淡画像を何らかの２値化アルゴリズムによって１度だけ２値化し、２値パターン同士でテンプレートマッチングを行う方法がある。２値化するためのアルゴリズムの例として、固定閾値法、ｐタイル法、大津の２値化法（判別分析法）がよく知られている。これら方法は、２値化操作を１度しか行わないので比較的高速であるという利点がある。ただし、２値化アルゴリズムにおいては、入力濃淡画像に対してそれぞれ固有の前提条件が仮定されるため、限定された場合にのみ良好な結果が得られる。

例えば、固定閾値法においては、認識対象物の領域がもつ濃度値とそれ以外の領域がもつ濃度値が常に安定した値（２値化閾値と呼ばれる）で分離できることが前提条件として仮定される。よって、照明強度の変化により入力濃淡画像の画素値が全体的に上下するような画像では、最適な２値化閾値が上下するので、固定閾値法は適さない。

ｐタイル法においては、画像全体に対する画素値分布のうち上位もしくは下位ｐパーセントの画素によって形成される領域が認識対象に対応することが前提とされる。例えば入力濃淡画像中において認識対象の大きさが変化する場合には、前提条件が満たされなくなるため、ｐタイル法は適さない。

大津の２値化法においては、画像全体における画素値のヒストグラムが双峰形であることが仮定される。しかし、入力画像中に３種類以上の物体が含まれる場合には、ヒストグラムが双峰形でない場合が非常に多く、大津の２値化法は適さない。

上記諸方法よりも前提条件がよりゆるい方法が提案されている。この方法では、入力濃淡画像が複数の異なる閾値でそれぞれ２値化され、それぞれの入力２値画像と参照画像との比較結果から最終的な出力が選択される。

例えば、特開平８−２８７２４６号公報（段落［００１３］−［００２８］及び図１参照）に記載の方法においては、ｐタイル法をはじめとする複数の閾値設定法によって複数の２値画像が生成され、それぞれに対する文字認識評価値に基づいて最も評価値が高かった結果が選択される。

特開平８−０７７３００号公報（段落［０００７］−［００２２］及び図１参照）に記載の文字認識装置においては、文字認識の確信度が所定の閾値を超えるまで２値化閾値が微小量だけ初期値から自動的に増減され、試行錯誤が繰り返されることにより結果が得られる。

また、次のような方法（２値化画像総あたり法という）が考えられる。この方法においては、設定可能な種々の２値化閾値が仮定され、それぞれの２値化閾値に基づく２値画像が生成される。これらの２値画像と参照画像との距離が計算され、距離値が最小となる認識結果が採用される。この２値画像生成総あたり法によれば、入力濃淡画像の性質にかかわらず、入力濃淡画像が参照画像に最適に適合されることが可能なので、上記の従来技術と比べてもっとも高い認識精度を実現することができる。

特開２００４−１８００００には、濃淡画像を高精度に自動２値化することを目的とした画像の２値化方法が記載されている。

特開２０００−４０１５３には、罫線や文字が近傍の背景色とは異なった濃度であることを利用し、罫線、文字や背景にどのような色が使われていても、文字や罫線を鮮明に表現した二値画像を提供できることを目的とした画像処理方法が記載されている。

２値画像生成総あたり法は、入力濃淡画像の性質にかかわらず入力濃淡画像が参照画像に最適に適合されることができる。しかし、設定した２値化閾値の数と同じ回数、２値化処理および距離計算処理を繰り返し実行しなければならないため、非常に多くの処理時間を要するという問題がある。

本発明は、上記の課題を解決するための発明であって、２値画像生成総あたり法と同等の結果を、より高速に求めることが可能なパターン認識装置、パターン認識方法、およびパターン認識プログラムを提供することを目的とする。

本発明によるパターン認識装置は、高濃度領域と低濃度領域とを有する２値化された画像である参照画像と前記参照画像と照合される入力濃淡画像とを記憶する記憶部と、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する累積ヒストグラムを抽出する第１の累積ヒストグラム抽出部と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する累積ヒストグラムを抽出する第２の累積ヒストグラム抽出部と、第１の累積ヒストグラム抽出部が抽出した累積ヒストグラムと、第２の累積ヒストグラム抽出部が抽出した累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合部とを有することを特徴とする。

そのような構成によって、入力濃淡画像と参照画像を最適に適合させた場合の距離値に基づいてパターン認識処理が実行できる原理を、図１２を参照して説明する。図１２は、パターン認識の実行処理に用いる濃度ヒストグラム（横軸が濃度を示し、縦軸が画素数を示すグラフ）を示す説明図である。図１２（ａ）には、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像中の画素に対する濃度ヒストグラム１２０１が示され、図１２（ｂ）には、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像中の画素に対する濃度ヒストグラム１２０２が示されている。２値化するため、２値化閾値１２０３を設定した場合、濃度ヒストグラム１２０１において、２値化閾値１２０３よりも濃度値の低い低濃度領域１２０４と、濃度ヒストグラム１２０２において、２値化閾値１２０３よりも濃度値の高い高濃度領域１２０５とを有している。

今、入力濃淡画像を２値化閾値１２０３で２値化した２値画像と参照画像との市街地距離を求めることを考える。市街地距離は、（Ａ１）式で表されるミンコフスキー計量（Ｍｉｎｋｏｗｓｋｉ ｍｅｔｒｉｃ）の式においてｋ＝１とした場合の距離である。

ここで、ａｉ、ｂｉは、それぞれ、濃淡画像を仮の２値化閾値１２０３で２値化した２値画像の各画素の値および参照画像の各画素の値を示し、dは画素数を示す。また、濃淡画像中で２値化閾値１２０３以上だった画素に画素値１を、２値化閾値１２０３未満だった画素に画素値０を割り当てたとすると、ａｉ、ｂｉの値はそれぞれ０もしくは１なので、｜ａｉ−ｂｉ｜の値は、
ケース１： ａｉ=0、ｂｉ＝０ の場合 ｜ａｉ−ｂｉ｜＝０
ケース２： ａｉ=0、ｂｉ＝１ の場合 ｜ａｉ−ｂｉ｜＝１
ケース３： ａｉ=1、ｂｉ＝０ の場合 ｜ａｉ−ｂｉ｜＝１
ケース４： ａｉ=1、ｂｉ＝１ の場合 ｜ａｉ−ｂｉ｜＝０
の４通りのいずれかになる。ここで｜ａｉ−ｂｉ｜＝１であるケース２，３に着目する。

市街地距離は、参照画像と２値入力画像の対応づけられた画素対の値に基づいて、（参照画像上で高濃度領域 かつ ２値画像上で画素値０）である画素対の数＋（参照画像上で低濃度領域 かつ ２値画像上で画素値１）である画素対の数の値と等しくなる。第１項は低濃度領域１２０４の面積の値に等しく、第２項は高濃度領域１２０５の面積の値に等しい。

そして、本発明における第１の累積ヒストグラムおよび第２の累積ヒストグラムは、それぞれ２値化閾値１２０３を種々の値に仮定した場合の低濃度領域１２０４および高濃度領域１２０５の面積に相当する。また、これらを加算して得られる加算累積ヒストグラムの最小値は、（Ａ１）式から、濃淡画像を仮想的に２値化した２値画像と参照画像との市街地距離の最小値に等しい。よって、加算累積ヒストグラムの最小値を選択することによって、入力画像の性質にかかわらず、濃淡画像を参照画像に最適に対応させた場合の市街地距離が得られるので、これに基づいて判定を行うことができる。

また、入力濃淡画像を実際に２値化して２値画像を作成することなく、仮想的２値画像と参照画像との市街地距離を算出することができるので、２値化処理および画像ベースでの距離計算処理は不要であり、２値画像生成総あたり法よりも高速に認識処理を行うことができる。

また、本発明によるパターン認識装置は、高濃度領域と低濃度領域とを有する２値化された参照画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶する記憶部と、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第１の累積ヒストグラム抽出部と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第２の累積ヒストグラム抽出部と、第１の累積ヒストグラム抽出部が抽出した累積ヒストグラムと、第２の累積ヒストグラム抽出部が抽出した累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合部とを有することを特徴とする。そのような構成によれば、画素毎にパターン認識における寄与度を変更することができる。

また、パターン認識装置において、参照画像は、非計算領域である第３の濃度領域を含み、第１の累積ヒストグラム抽出部と第２の累積ヒストグラム抽出部とは、第３の濃度領域に含まれる画素を累積ヒストグラムの抽出処理から除外してもよい。そのような構成によれば、パターン認識を行う上で有効でない画素位置の一致又は不一致による距離値への影響を排除することができる。

また、パターン認識装置において、入力濃淡画像から部分領域画像を設定する領域設定部と、領域設定部が設定した部分領域画像を、参照画像と同じ大きさに拡大・縮小（すなわちスケーリングによるズームインまたはズームアウト）する濃淡画像拡大縮小部とを備え、濃淡画像拡大縮小部は、拡大・縮小された部分領域画像を、参照画像と照合するための入力濃淡画像とすることが好ましい。このような構成によれば、参照画像に対応する領域が、入力された濃淡画像の一部である場合においても、当該参照画像に対応する領域を検出することができる。

本発明によるパターン認識方法は、高濃度領域と低濃度領域とを有する２値化された画像である参照画像と前記参照画像と照合される入力濃淡画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する累積ヒストグラムを抽出する第１の累積ヒストグラム抽出ステップと、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する累積ヒストグラムを抽出する第２の累積ヒストグラム抽出ステップと、第１の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムと、第２の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップとを含むことを特徴とする。

また、本発明によるパターン認識方法は、高濃度領域と低濃度領域とを有する２値化された画像である参照画像と参照画像と照合される入力濃淡画像と画素毎の重み値を有する重み画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第１の累積ヒストグラム抽出ステップと、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第２の累積ヒストグラム抽出ステップと、第１の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムと、第２の累積ヒストグラム抽出ステップで抽出された累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を参照画像と入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップとを含むことを特徴とする。

また、パターン認識方法において、参照画像は、非計算領域である第３の濃度領域を含み、第１の累積ヒストグラム抽出ステップと第２の累積ヒストグラム抽出ステップでは、第３の濃度領域に含まれる画素を累積ヒストグラムの抽出処理から除外してもよい。

また、パターン認識方法において、入力濃淡画像から部分領域画像を設定する領域設定ステップと、領域設定ステップで設定された部分領域画像を、参照画像と同じ大きさに拡大・縮小し、濃淡画像拡大縮小ステップとを含み、濃淡画像拡大縮小ステップで、拡大・縮小された部分領域画像を、参照画像と照合するための入力濃淡画像とすることが好ましい。

本発明によるパターン認識プログラムは、高濃度領域と低濃度領域とを有する２値化された画像である参照画像と前記参照画像と照合される入力濃淡画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する累積ヒストグラムを抽出する第１の累積ヒストグラム抽出処理と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する累積ヒストグラムを抽出する第２の累積ヒストグラム抽出処理と、第１の累積ヒストグラム抽出処理で抽出された累積ヒストグラムと、第２の累積ヒストグラム抽出処理で抽出された累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算処理と、累積ヒストグラム加算処理で求められた加算累積ヒストグラムの最小値を、参照画像と入力濃淡画像との距離値とし、所定の閾値と比較することによりパターン照合するパターン照合処理とをコンピュータに実行させる。

また、本発明によるパターン認識プログラムは、高濃度領域と低濃度領域とを有する２値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶するステップと、参照画像の高濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第１の累積ヒストグラム抽出処理と、参照画像の低濃度領域の画素に対応づけられた入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた重み画像の画素の重み値を累積して累積ヒストグラムを抽出する第２の累積ヒストグラム抽出処理と、第１の累積ヒストグラム抽出処理で抽出された累積ヒストグラムと、第２の累積ヒストグラム抽出処理で抽出された累積ヒストグラムとを加算して加算累積ヒストグラムを求める累積ヒストグラム加算処理と、累積ヒストグラム加算処理で求められた加算累積ヒストグラムの最小値を、参照画像と入力濃淡画像との距離値とし、所定の閾値と比較することによりパターン照合するパターン照合処理とをコンピュータに実行させる。

また、参照画像は、非計算領域である第３の濃度領域を含み、パターン認識プログラムは、コンピュータに、第１の累積ヒストグラム抽出処理と第２の累積ヒストグラム抽出処理では、第３の濃度領域に含まれる画素を累積ヒストグラムの抽出処理から除外させるものであってもよい。

また、パターン認識プログラムは、コンピュータに、入力濃淡画像から部分領域画像を設定する領域設定処理と、領域設定処理が設定した部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小処理とを実行させ、パターン照合処理で、拡大・縮小された部分領域画像を前記参照画像と照合させるように構成されていてもよい。

本発明によれば、２値画像生成総あたり法と等しい照合精度を保ったまま、より高速に入力濃淡画像を２値の参照画像に最適に適合させてパターン認識を行うことができる。すなわち、異なる閾値で繰り返し２値化処理および距離計算処理を行う必要がないので、２値画像生成総あたり法と同等の結果を、より高速に求めることができる。

本発明によるパターン認識装置の第１の実施の形態の構成を示すブロック図である。 パターン認識装置が行う処理過程の一例を示すフローチャートである。 入力濃淡画像の一例を示す説明図である。 パターン認識に用いる画像の一例を示す説明図である。 Ｈｆ（ｉ）の一例を示す説明図である。 Ｈｂ（ｉ）の一例を示す説明図である。 Ａｆ（ｉ）の一例を示す説明図である。 Ａｂ（ｉ）の一例を示す説明図である。 Ａｔ（ｉ）の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。 ３値画像である参照画像の一例を示す説明図である。 ３値画像である参照画像の他の例を示す説明図である。 本発明によるパターン認識装置の第２の実施の形態の構成を示すブロック図である。 パターン認識の実行処理に用いる濃度ヒストグラムを示す説明図である。 本発明によるパターン認識装置の第３の実施の形態の構成成を示すブロック図である。 パターン認識装置が行う処理過程の一例を示すフローチャートである。

実施の形態１．
以下、本発明の第１の実施の形態を図面を参照して説明する。図１は、本発明によるパターン認識装置の第１の実施の形態の構成を示すブロック図である。図１に示すように、パターン認識装置は、第１の累積ヒストグラム抽出部１０３と、第２の累積ヒストグラム抽出部１０４と、累積ヒストグラム加算部１０５と、パターン照合部１０６とを含む。

パターン認識装置は、具体的には、ワークステーションやパーソナルコンピュータに例示される情報処理装置によって実現される。本実施の形態において、入力濃淡画像１０１は、画像入力部から入力され、画像記憶部に記憶される。２値で表現された参照画像１０２は、例えば、画像入力部から入力され、参照画像記憶部に記憶されている。第１の累積ヒストグラム抽出部１０３、第２の累積ヒストグラム抽出部１０４、累積ヒストグラム加算部１０５、およびパターン照合部１０６は、パターン認識装置の制御部によって実現される。制御部は、具体的には、プログラムに従って動作する情報制御装置のＣＰＵによって実現される。

入力濃淡画像１０１は、濃淡表現された認識対象の画像である。入力濃淡画像１０１の縦横サイズは、参照画像１０２の縦横サイズと同一である。図３は、入力濃淡画像の一例を示す説明図である。図３に示す入力濃淡画像においては、白地の背景３０１に灰色の円３０２が描かれ、その円３０２の中に文字「ａ」３０３が描かれている。図３において、より色の濃い部分ほど濃度値が大きい。つまり各領域の濃度値は、背景３０１＜円３０２＜文字「ａ」３０３である。濃淡値の取りうる範囲は、例えば０〜２５５に設定される。参照画像１０２は、２値画像である。参照画像１０２の高輝度領域の画素は、属性値“１”を、参照画像１０２の低輝度領域の画素は、属性値“２”を、画素値として持つ。

図４は、パターン認識に用いる画像の一例を示す説明図である。文字「ａ」が、参照画像として示されている。図３に示すような入力濃淡画像をパターン認識する場合には、高濃度領域４０１に属性値“１”が、低濃度領域４０２に属性値“２”が割り当てられる。

第１の累積ヒストグラム抽出部１０３は、入力濃淡画像１０１と参照画像１０２を照合したときに、参照画像上で属性値１を持つ画素に対応づけられた濃淡画像中の画素に対し、濃度値がｉ未満である画素の数を示す第１の累積ヒストグラムＡｆ（ｉ）を生成する。すなわち、Ａｆ（ｉ）は、参照画像上で属性値１を持つ画素に対応づけされた濃淡画像中の画素のうち濃度値がｉである画素数をＨｆ（ｉ）で表すと、
Ａｆ（ｉ）＝Ｈｆ（０）＋Ｈｆ（１）＋……………＋Ｈｆ（ｉ−１） … （１）
で表される。Ａｆ（ｉ）は単調増加する関数である。

第２の累積ヒストグラム抽出部１０４は、参照画像１０２上で属性値２を持つ画素に対応する濃淡画像中の画素のうち、濃度値がｉ以上である画素の数を示す逆向きの第２の累積ヒストグラムＡｂ（ｉ）を生成する。すなわち、Ａｂ（ｉ）は、参照画像上で属性値２を持つ画素に対応する濃淡画像中の画素のうち、濃度値がｉである画素数をＨｂ（ｉ）で表すと、
Ａｂ（ｉ）＝Ｈｂ（２５５）＋Ｈｂ（２５４）＋……………＋Ｈｂ（ｉ） … （２）
で表される。Ａｂ（ｉ）は単調減少する関数である。

累積ヒストグラム加算部１０５は、第１の累積ヒストグラムＡｆ（ｉ）と第２の累積ヒストグラムＡｂ（ｉ）を、（３）式により加算し、加算累積ヒストグラムＡｔ（ｉ）を抽出する。

Ａｔ（ｉ）＝Ａｆ（ｉ）＋Ａｂ（ｉ） … （３）
パターン照合部１０６は、Ａｔ（ｉ） {ｉ＝０，１，２，・・，２５５} の中から最小値を抽出し、その値が予め定めてある閾値Ｄｔｈｒよりも小さい場合に入力画像が参照画像の示す認識対象物であると判断する。

次に、パターン認識装置の動作について図面を参照しながら詳細に説明する。図２はパターン認識装置が行う処理過程の一例を示すフローチャートである。第１の累積ヒストグラム抽出部１０３は、入力濃淡画像１０１および参照画像１０２から第１の累積ヒストグラムを抽出する。第２の累積ヒストグラム抽出部１０４は、入力濃淡画像１０１および参照画像１０２から第２の累積ヒストグラムを抽出する（ステップＳ２０１）。その処理の一例を図３から図６を参照して詳細に説明する。

図５Ａ、５Ｂは、それぞれＨｆ（ｉ）およびＨｂ（ｉ）の一例を示す説明図である。図５Ａと図５Ｂには、図３に示す入力濃淡画像１０１と図４に示す参照画像１０２とを照合した場合のＨｆ（ｉ）５０１とＨｂ（ｉ）５０２の例がそれぞれ示されている。高濃度領域４０１には、文字「ａ」３０３の大部分が対応するので、Ｈｆ（ｉ）５０１において、高い濃度値の領域に高い度数（多い画素数）が集中する。一方、低濃度領域４０２には、背景３０１と円３０２の大部分が対応するので、Ｈｂ（ｉ）５０２の分布は、低濃度から中濃度域にかけての領域に２つのピークをもつ。

図６Ａ、６Ｂは、それぞれＡｆ（ｉ）およびＡｂ（ｉ）の一例を示す説明図である。図６Ａには、Ｈｆ（ｉ）５０１に基づいて抽出され、（１）式のＡｆ（ｉ）である第１の累積ヒストグラム６０１が示され、図６Ｂには、Ｈｂ（ｉ）５０２に基づいて抽出され、（２）式のＡｂ（ｉ）である第２の累積ヒストグラム６０２が示されている。第１の累積ヒストグラム６０１は、濃度値ｉ未満の画素数を示すので単調に増加するヒストグラム形状となる。一方、第２の累積ヒストグラム６０２は、濃度値ｉ以上の画素数を示すので単調に減少するヒストグラム形状となる。

累積ヒストグラム加算部１０５は、第１の累積ヒストグラム６０１と第２の累積ヒストグラム６０２を加算し、加算累積ヒストグラム７０１を生成する（ステップＳ２０２）。

図７は、Ａｔ（ｉ）の一例を示す説明図である。図７には、第１の累積ヒストグラム６０１および第２の累積ヒストグラム６０２を加算することによって算出される（３）式のＡｔ（ｉ）である加算累積ヒストグラムが示されている。

パターン照合部１０６は、加算累積ヒストグラム７０１を用いてパターン照合を行う（ステップＳ２０３）。すなわち、パターン照合部１０６は、加算累積ヒストグラム７０１における最小値を抽出して予め定めてある閾値Ｄｔｈｒと比較し、加算累積ヒストグラム７０１における最小値が、閾値Ｄｔｈｒ以下であれば入力画像が認識対象物であると判定する。逆に、加算累積ヒストグラム７０１の最小値が閾値Ｄｔｈｒより大きければ入力画像は認識対象物でないと判定する。図７に示される例では、加算累積ヒストグラム７０１における最小値は、加算累積ヒストグラム最小値７０２であり、閾値７０３以下なので、パターン照合部１０６は、入力濃淡画像１０１を認識対象物であると判断する。

認識対象を含まない入力画像が入力された場合の例を、図８Ａ〜Ｅを用いて詳細に説明する。図８Ａ〜Ｅは、入力濃淡画像の濃度がほぼ一様な場合における各部の出力結果の一例を示す説明図である。図８Ａには、入力濃淡画像８０１が示され、図８Ｂには、参照画像８０２が示されている。入力濃淡画像８０１には、画像全体において画素値がおおむね均一な画像が示されている。図８Ｃには、第１の累積ヒストグラム８０３が示され、図８Ｄには、第２の累積ヒストグラム８０４が示されている。また、図８Ｅには、加算累積ヒストグラム８０５が示されている。入力濃淡画像８０１と参照画像８０２に対して、第１の累積ヒストグラム８０３、第２の累積ヒストグラム８０４、加算累積ヒストグラム８０５がそれぞれ得られる。そして、加算累積ヒストグラム８０５における最小値である加算累積ヒストグラム最小値８０６は閾値８０７よりも大きいので、入力画像は、認識対象物でないと判定される。

以上のように、累積加算ヒストグラムにおける最小値を閾値Ｄｔｈｒと比較することにより、入力画像が認識対象物であるか否かを判定することができる。

また、上記実施例では、参照画像を画像形式としたが、等価な情報を表現できさえすれば画像形式でなくともよい。例えば、属性値“１”を有する画素位置を列挙したデータなどでもよい。

また、上記実施例では、参照画像は属性値“１”の画素および属性値“２”の画素からなる２値画像であるとしたが、非計算領域を示す第３の属性値を含む３値画像であっても構わない。３値画像の一例を図９、図１０に示す。

図９は、３値画像である参照画像の一例を示す説明図である。図９に示すように、参照画像は、属性値“１”を持つ高濃度領域９０１と属性値“２”を持つ低濃度領域９０２の境界付近に第３の属性値を持つ第３領域９０３を有する。第１の累積ヒストグラム抽出部１０３および第２の累積ヒストグラム抽出部１０４は、第３領域９０３に含まれる画素をヒストグラム生成の対象に含めない。すなわち、第１の累積ヒストグラム抽出部１０３と第２の累積ヒストグラム抽出部１０４とは、第３領域９０３に含まれる画素を累積ヒストグラムの抽出処理から除外する。このような参照画像を用いると、第３の属性値を持つ領域はヒストグラム計算に考慮されないため、入力濃淡画像と参照画像の位置が上下左右に僅かにずれている場合でも、ずれによる加算累積ヒストグラム値への影響を低減することができ、２値参照画像を用いる場合に比べ位置ずれに対して頑健なパターン認識装置を構成することができる。

図１０は、３値画像である参照画像の他の例を示す説明図である。図１０には、数字「１」の縦棒の上端から右側に伸びる短い棒であるかぎ部にのみ第３の属性値を持つ第３領域１００１を有する３値参照画像が示されている。かぎ部を有する「１」と、かぎ部を有さない「１」との両方に対応した参照画像とすることができる。

また、３値参照画像は、図９，図１０の例のように３値のいずれかを画素値として持つ参照画像が基本的な表現形態であるが、２値参照画像と、非計算領域のみを示す別の２値画像との２つの画像を用いて表現した場合も同じ効果を得ることができるので、ここでは、そのような実現形態も含めて３値参照画像とよぶ。

実施の形態２．
次に、本発明の第２の実施の形態を図面を参照して説明する。図１１は、本発明によるパターン認識装置の第２の実施の形態の構成を示すブロック図である。図１１に示すように、パターン認識装置は、入力濃淡画像１１０１と、２値で表現された参照画像１１０２と、第１の累積ヒストグラム抽出部１１０３と、第２の累積ヒストグラム抽出部１１０４と、累積ヒストグラム加算部１１０５と、パターン照合部１１０６とを含む。第１の累積ヒストグラム抽出部１１０３、第２の累積ヒストグラム抽出部１１０４、累積ヒストグラム加算部１１０５、およびパターン照合部１１０６は、例えば、実施の形態１と同様のパターン認識装置の制御部によって実現される。本実施の形態では画素毎の重要度を示す重み画像１１０７が参照される点が、図１に示されたパターン認識装置の場合と相異している。重み画像１１０７は、例えば、画像入力部から入力され、重み画像記憶部に記憶されている。

以下、重み画像１１０７、第１の累積ヒストグラム抽出部１１０３、および第２の累積ヒストグラム抽出部１１０４の機能について、第１の実施の形態と異なる機能を中心に説明する。

画素毎の重要度を示す重み画像１１０７は、各画素がパターンを認識する上でどの程度重要かを数値的に表す画像であり、入力濃淡画像１１０１および参照画像１１０２と等しい縦横サイズを持つ画像である。例えば、各画素を等しく認識に寄与させる場合にはすべての画素値を１とすればよい。また、文字“ｅ”と、それと類似した文字であるウムラウト付き“ｅ”との相異を際立たせたパターン認識装置を構成したい場合には、ウムラウト記号のある上部の画素値を他の部分よりも大きく設定すればよい。

第１の累積ヒストグラム抽出部１１０３は、入力濃淡画像１１０１と参照画像１１０２と重み画像１１０７との各画素を対応づけ、参照画像上の高濃度領域の画素に対応づけられた濃淡画像中の画素のうち、濃度値がｉ未満である画素に対応づけられた重み画像の画素値の総和を第１の累積ヒストグラムＡｆ（ｉ）として抽出する。すなわち、Ａｆ（ｉ）は以下の式によって与えられる。

この式において、Ｄ（ｘ，ｙ）は座標（ｘ，ｙ）における参照画像の画素値、Ｉ（ｘ，ｙ）は、座標（ｘ，ｙ）における入力濃淡画像の画素値、Ｗ（ｘ，ｙ）は、座標（ｘ，ｙ）における重み画像の画素値、δｆ（Ｄ（ｘ，ｙ），Ｉ（ｘ，ｙ），ｉ）は、参照画像の画素値Ｄ（ｘ，ｙ）が高濃度領域を示す画素値であり、且つ入力濃淡画像の画素値Ｉ（ｘ，ｙ）がｉ未満である場合のみ値１を返し、それ以外の場合は値０を返す関数である。

同様に、第２の累積ヒストグラム抽出部１１０４は、入力濃淡画像１１０１と参照画像１１０２と重み画像１１０７との各画素を対応づけ、参照画像上の低濃度領域の画素に対応づけられた濃淡画像中の画素のうち、濃度値がｉ以上である画素に対づけられた重み画像の画素値の総和を第２の累積ヒストグラムＡｂ（ｉ）として抽出する。すなわち、Ａｂ（ｉ）は以下の式によって与えられる。

この式において、δｂ（Ｄ（ｘ，ｙ），Ｉ（ｘ，ｙ），ｉ）は、参照画像の画素値Ｄ（ｘ，ｙ）が低濃度領域を示す画素値をとり、且つ入力濃淡画像の画素値Ｉ（ｘ，ｙ）が値ｉ以上である場合のみ値１を返し、それ以外の場合は値０を返す関数である。

累積ヒストグラム加算部１１０５は、第１の累積ヒストグラムＡｆ（ｉ）と第２の累積ヒストグラムＡｂ（ｉ）を（４），（５）式により加算し、（３）式により、加算累積ヒストグラムＡｔ（ｉ）を抽出する。

パターン照合部１１０６は、Ａｔ（ｉ） {ｉ＝０，１，２，・・，２５５} の中から最小値を抽出し、その値が予め定めてある閾値Ｄｔｈｒよりも小さい場合に入力画像が参照画像の示す認識対象物であると判断する。

本実施の形態のパターン認識装置の動作は、第１の実施の形態のパターン認識装置の動作と同様であり、本実施の形態のパターン認識装置の動作を、図２を参照して説明する。第１の累積ヒストグラム抽出部１１０３および第２の累積ヒストグラム抽出部１１０４は、図２に示すように、入力濃淡画像１１０１、参照画像１１０２、および重み画像１１０７から第１の累積ヒストグラムおよび第２の累積ヒストグラムを抽出する（ステップＳ２０１）。累積ヒストグラム加算部１１０５は、第１の累積ヒストグラムと第２の累積ヒストグラムを加算し、加算累積ヒストグラムを生成する（ステップＳ２０２）。パターン照合部１１０６は、加算累積ヒストグラムを用いてパターン照合を行う（ステップＳ２０３）。

本実施の形態においては、第１の累積ヒストグラムと第２の累積ヒストグラムを抽出する際に、重み画像１１０７の画素値が考慮されいる。いわゆる重み付きの市街地距離の最小値によって、パターン認識を判断していると捉えることができる。

本実施の形態においては、第１の実施の形態に比べると、パターンを認識する上で比較的重要度の高い入力画像の画素が、より参照画像の画素に整合するような閾値において、加算累積ヒストグラムの最小値が出現する傾向性を有するパターン認識が実現される。

実施の形態３．
次に、本発明の第３の実施の形態を図面を参照して説明する。図１３は、本発明によるパターン認識装置の第３の実施の形態の構成を示すブロック図である。図１３に示すように、本実施の形態のパターン認識装置では、図１に示されたパターン認識装置の場合とは異なり、第１の累積ヒストグラム抽出部１３０３が、入力濃淡画像ではなく、濃淡画像拡大縮小部１３０９が出力する画像を入力する。また、パターン認識装置は、濃淡表現された元画像１３０７中から複数の部分領域を設定する領域設定部１３０８と、領域設定部が設定した各部分領域画像を参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小部１３０９とを更に備える。領域設定部１３０８、濃淡画像拡大縮小部１３０９、第１の累積ヒストグラム抽出部１３０３、第２の累積ヒストグラム抽出部１３０４、累積ヒストグラム加算部１３０５、およびパターン照合部１３０６は、例えば、実施の形態１と同様のパターン認識装置の制御部によって実現される。

元画像１３０７は、濃淡表現された認識対象の画像である。元画像１３０７の大きさは、参照画像１３０２と異なってもよい。例えば、参照画像１３０２が、図４に示すような１文字を表現するような場合、元画像１３０７は、文字が記載されている帳票の全面を撮像した濃淡画像でもよい。また、参照画像１３０２が、１つの道路標識を示す場合、元画像１３０７は道路風景をとらえた画像などでもよい。

領域設定部１３０８は、元画像１３０７中から予め定めた条件を満たす種々の領域の範囲を設定する。予め定めた条件とは、例えば、領域の縦横サイズを限定するルール、または高度な識別関数などを用いて候補領域を絞り込むというルールである。

濃淡画像拡大縮小部１３０９は、領域設定部１３０８が設定した各部分領域画像を、参照画像１３０２と同じ大きさに拡大・縮小する。なお、拡大する場合は、画素を、ニアレストネイバー法や双１次補間法、バイキュービック法などの手法によって補完する。

次に、パターン認識装置の動作について図面を参照して詳細に説明する。図１４は、パターン認識装置が行う処理過程の一例を示すフローチャートである。まず、領域設定部１３０８は、元画像から処理対象の領域を１つ設定する（ステップＳ１４０１）。次に、濃淡画像拡大縮小部１３０９は、設定された領域画像を参照画像と同じサイズになるように拡大・縮小を行う（ステップＳ１４０２）。第１の累積ヒストグラム抽出部１３０３、第２の累積ヒストグラム抽出部１３０４、累積ヒストグラム加算部１３０５およびパターン照合部１３０６によるステップＳ１４０３からステップＳ１４０５の処理は、第１の累積ヒストグラム抽出部１０３、第２の累積ヒストグラム抽出部１０４、累積ヒストグラム加算部１０５およびパターン照合部１０６による図２に示されたステップＳ２０１からステップＳ２０３の処理と同様である。

１つの領域に対してステップＳ１４０５のパターン照合処理が終了したら、パターン認識装置の制御部は、処理すべき他の領域がまだ残っているか否かを判断し、残っている場合にはステップＳ１４０１から処理を繰り返す。

本実施の形態によれば、元画像から一部の領域を設定して参照画像と同じサイズに変換してからパターン照合を行うことによって、元画像中の一部に認識対象物が存在する場合での該対象物を検出することができる。

また、濃淡画像拡大縮小部１３０９により、拡大・縮小処理をおこなうので、元画像１３０７中における認識対象物の大きさが、参照画像１３０２と異なる場合でも照合することができる。

なお、本実施の形態では、図１に示されたパターン認識装置に対して領域設定部１３０８および濃淡画像拡大縮小部１３０９を適用したが、図１１に示されたパターン認識装置に対して領域設定部１３０８および濃淡画像拡大縮小部１３０９を適用してもよい。

以上の実施の形態に例示されるように、本発明は、パターン認識装置、パターン認識方法、およびパターン認識プログラムに適用可能である。

Claims (18)

1. 高濃度領域と低濃度領域とを有する２値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像とを記憶する記憶部と、
   前記参照画像の前記高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する第１の累積ヒストグラムを抽出する第１の累積ヒストグラム抽出部と、
   前記参照画像の前記低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する第２の累積ヒストグラムを抽出する第２の累積ヒストグラム抽出部と、
   前記第１の累積ヒストグラムと前記第２の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、
   前記累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を前記参照画像と前記入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合部とを有する
   パターン認識装置。
2. 前記参照画像は、非計算領域である第３の濃度領域を含み、
   前記第１の累積ヒストグラム抽出部は前記第３の濃度領域に含まれる画素を前記第１の累積ヒストグラムの抽出処理から除外し、
   前記第２の累積ヒストグラム抽出部は前記第３の濃度領域に含まれる画素を前記第２の累積ヒストグラムの抽出処理から除外する
   請求の範囲１に記載のパターン認識装置。
3. 元画像から部分領域画像を設定する領域設定部と、
   前記部分領域画像を、前記参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小部とを備え、
   前記濃淡画像拡大縮小部は、拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
   請求の範囲１に記載のパターン認識装置。
4. 高濃度領域と低濃度領域とを有する２値化された参照画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶する記憶部と、
   前記参照画像の前記高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた前記重み画像の画素の重み値を累積して第１の累積ヒストグラムを抽出する第１の累積ヒストグラム抽出部と、
   前記参照画像の前記低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた前記重み画像の画素の重み値を累積して第２の累積ヒストグラムを抽出する第２の累積ヒストグラム抽出部と、
   前記第１の累積ヒストグラムと前記第２の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算部と、
   前記累積ヒストグラム加算部により求められた加算累積ヒストグラムの最小値を前記参照画像と前記入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合部とを有する
   パターン認識装置。
5. 前記参照画像は、非計算領域である第３の濃度領域を含み、
   前記第１の累積ヒストグラム抽出部は前記第３の濃度領域に含まれる画素を前記第１の累積ヒストグラムの抽出処理から除外し、
   前記第２の累積ヒストグラム抽出部は前記第３の濃度領域に含まれる画素を前記第２の累積ヒストグラムの抽出処理から除外する
   請求の範囲４に記載のパターン認識装置。
6. 元画像から部分領域画像を設定する領域設定部と、
   前記部分領域画像を、前記参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小部とを備え、
   前記濃淡画像拡大縮小部は、拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
   請求の範囲４に記載のパターン認識装置。
7. 高濃度領域と低濃度領域とを有する２値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像とを記憶するステップと、
   前記参照画像の前記高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する第１の累積ヒストグラムを抽出する第１の累積ヒストグラム抽出ステップと、
   前記参照画像の前記低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する第２の累積ヒストグラムを抽出する第２の累積ヒストグラム抽出ステップと、
   前記第１の累積ヒストグラムと前記第２の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
   前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を前記参照画像と前記入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップとを含む
   パターン認識方法。
8. 前記参照画像は、非計算領域である第３の濃度領域を含み、
   前記第１の累積ヒストグラム抽出ステップでは前記第３の濃度領域に含まれる画素は前記第１の累積ヒストグラムの抽出処理から除外され、
   前記第２の累積ヒストグラム抽出ステップでは前記第３の濃度領域に含まれる画素は前記第２の累積ヒストグラムの抽出処理から除外される
   請求の範囲７に記載のパターン認識方法。
9. 元画像から部分領域画像を設定する領域設定ステップと、
   前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップとを含み、
   前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
   請求の範囲７に記載のパターン認識方法。
10. 高濃度領域と低濃度領域とを有する２値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶するステップと、
    前記参照画像の高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた前記重み画像の画素の重み値を累積して第１の累積ヒストグラムを抽出する第１の累積ヒストグラム抽出ステップと、
    前記参照画像の低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた前記重み画像の画素の重み値を累積して第２の累積ヒストグラムを抽出する第２の累積ヒストグラム抽出ステップと、
    前記第１の累積ヒストグラムと前記第２の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を前記参照画像と前記入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップとを含む
    パターン認識方法。
11. 前記参照画像は、非計算領域である第３の濃度領域を含み、
    前記第１の累積ヒストグラム抽出ステップでは前記第３の濃度領域に含まれる画素は前記第１の累積ヒストグラムの抽出処理から除外され、
    前記第２の累積ヒストグラム抽出ステップでは前記第３の濃度領域に含まれる画素は前記第２の累積ヒストグラムの抽出処理から除外される
    請求の範囲１０に記載のパターン認識方法。
12. 元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップとを含み、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合するための入力濃淡画像として設定する
    請求の範囲１０に記載のパターン認識方法。
13. 高濃度領域と低濃度領域とを有する２値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像とを記憶するステップと、
    前記参照画像の高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素数を累積する第１の累積ヒストグラムを抽出する第１の累積ヒストグラム抽出ステップと、
    前記参照画像の低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素数を累積する第２の累積ヒストグラムを抽出する第２の累積ヒストグラム抽出ステップと、
    前記第１の累積ヒストグラムと前記第２の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を前記参照画像と前記入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合ステップ
    とを具備する方法をコンピュータに実行させるためのパターン認識プログラム。
14. 前記参照画像は、非計算領域である第３の濃度領域を含み、
    前記第１の累積ヒストグラム抽出ステップでは、前記第３の濃度領域に含まれる画素は前記第１の累積ヒストグラムの抽出処理から除外され、
    前記第２の累積ヒストグラム抽出ステップでは、前記第３の濃度領域に含まれる画素は前記第２の累積ヒストグラムの抽出処理から除外される
    請求の範囲１３に記載のパターン認識プログラム。
15. 更に、元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップと、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合される入力濃淡画像に設定するステップ
    とを具備する方法をコンピュータに実行させる請求の範囲１３に記載のパターン認識プログラム。
16. 高濃度領域と低濃度領域とを有する２値化された画像である参照画像と、前記参照画像と照合される入力濃淡画像と、画素毎の重み値を有する重み画像とを記憶するステップと、
    前記参照画像の高濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値未満の画素に対応づけられた前記重み画像の画素の重み値を累積して第１の累積ヒストグラムを抽出する第１の累積ヒストグラム抽出ステップと、
    前記参照画像の低濃度領域の画素に対応づけられた前記入力濃淡画像の画素に対し、濃度値が所定の値以上の画素に対応づけられた前記重み画像の画素の重み値を累積して第２の累積ヒストグラムを抽出する第２の累積ヒストグラム抽出ステップと、
    前記第１の累積ヒストグラムと前記第２の累積ヒストグラムとを対応付けて加算して加算累積ヒストグラムを求める累積ヒストグラム加算ステップと、
    前記累積ヒストグラム加算ステップで求められた加算累積ヒストグラムの最小値を前記参照画像と前記入力濃淡画像との距離値として入力濃淡画像の認識を行うパターン照合処理
    とを具備する方法をコンピュータに実行させるためのパターン認識プログラム。
17. 前記参照画像は、非計算領域である第３の濃度領域を含み、
    前記第１の累積ヒストグラム抽出ステップでは、前記第３の濃度領域に含まれる画素は前記第１の累積ヒストグラムの抽出処理から除外され、
    前記第２の累積ヒストグラム抽出ステップでは、前記第３の濃度領域に含まれる画素は前記第２の累積ヒストグラムの抽出処理から除外される
    請求の範囲１６に記載のパターン認識プログラム。
18. 更に、元画像から部分領域画像を設定する領域設定ステップと、
    前記部分領域画像を、参照画像と同じ大きさに拡大・縮小する濃淡画像拡大縮小ステップと、
    前記濃淡画像拡大縮小ステップで拡大・縮小された前記部分領域画像を、前記参照画像と照合される入力濃淡画像に設定するステップ
    とを具備する方法をコンピュータに実行させる請求の範囲１６に記載のパターン認識プログラム。

Images