KR100481933B1 - 영상 처리기 및 이를 이용한 패턴 인식 장치 - Google Patents

영상 처리기 및 이를 이용한 패턴 인식 장치 Download PDF

Info

Publication number
KR100481933B1
KR100481933B1 KR10-2002-7010438A KR20027010438A KR100481933B1 KR 100481933 B1 KR100481933 B1 KR 100481933B1 KR 20027010438 A KR20027010438 A KR 20027010438A KR 100481933 B1 KR100481933 B1 KR 100481933B1
Authority
KR
South Korea
Prior art keywords
image
pattern
pixel
inverted
surface image
Prior art date
Application number
KR10-2002-7010438A
Other languages
English (en)
Other versions
KR20020081322A (ko
Inventor
하시모토요시히토
이케다가즈타카
Original Assignee
마츠시다 덴코 가부시키가이샤
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
Priority claimed from JP2000380972A external-priority patent/JP2002183713A/ja
Priority claimed from JP2001124554A external-priority patent/JP4465911B2/ja
Application filed by 마츠시다 덴코 가부시키가이샤 filed Critical 마츠시다 덴코 가부시키가이샤
Publication of KR20020081322A publication Critical patent/KR20020081322A/ko
Application granted granted Critical
Publication of KR100481933B1 publication Critical patent/KR100481933B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G06T5/75—Unsharp masking
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/16—Image preprocessing
    • G06V30/162—Quantising the image signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

영상 처리기는 패턴을 갖는 객체의 표면 영상으로부터 패턴과 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 제공한다. 영상 처리기는 제1 평활 영상을 생성하는 제1 평활 필터, 제2 평활 영상을 생성하는 제2 평활 필터, 상기 제1 평활 영상의 화소 값 각각에 1 이상의 가중 계수를 곱하여 가중 화소 값을 결정하는 가중 장치, 상기 제2 평활 영상의 대응 화소의 화소 값에서 상기 가중 장치가 제공하는 각각의 가중 화소 값을 감산하여 차동 영상을 생성하는 차동 영상 생성기, 및 상기 차동 영상에서 양의 부호를 갖는 화소 값을 추출하여 상기 처리된 영상을 얻는 영상 추출 장치를 포함한다. 예를 들어 이 영상 처리기는 패턴 인식 장치에 이용될 수 있다.

Description

영상 처리기 및 이를 이용한 패턴 인식 장치 {IMAGE PROCESSOR AND PATTERN RECOGNITION APPARATUS USING THE IMAGE PROCESSOR}
본 발명은 문자나 기호 등의 패턴(pattern)을 갖는 객체의 표면 영상(surface image)으로부터 패턴과 배경 사이의 콘트라스트(contrast)가 뚜렷한 처리된 영상을 제공하는 영상 처리기(image processor) 및 이 영상 처리기를 구비하여 액정 디스플레이 장치(liquid-crystal display device)의 제조 과정에서 광학적으로 투명하거나 반투명한 기판 상의 정렬 마크(alignment mark)를 정확하게 검출하는 데 사용되기에 바람직한 패턴 인식 장치에 관한 것이다.
과거에, 영상 처리 기술은 검사될 객체에 주어진 문자 또는 기호 등의 정렬 마크를 인식하는 데 사용되었다. 이 방법에서 객체의 표면 영상[그레이 스케일(gray-scale) 영상]은 적절한 임계값에 따라 이진 영상으로 변환된다. 정렬 마크가 배경과 상이한 농도(concentration)를 가지기 때문에, 정렬 마크에 대응하는 화소(pixel)를 배경 화소에서 추출할 수 있다.
그러나, 이진 영상을 생성하는 이 과정은 표면 영상에서 정렬 마크의 농도[휘도(brightness)]가 일정하지 않은 경우, 정렬 마크의 일부를 추출할 수 없거나 배경의 일부가 정렬 마크와 함께 잘못 추출되거나 하는 문제가 있다. 그 결과로서, 생성된 이진 영상이 부정확한 영상 데이터를 포함하기 때문에 이진 영상으로부터 정렬 마크를 높은 정밀도로 인식할 수 없다.
이러한 문제는 액정디스플레이 장치의 제조 과정에서 광학적으로 투명하거나 반투명한 기판 상의 정렬 마크를 인식하는 경우에 현실로 나타날 것이다. 예를 들어, 도 12a 및 도 12b 또는 도 13a 및 도 13b에 도시한 바와 같이, 영상 픽업 장치(image pick up unit)로 기판 위에 놓인 반투명 필름을 통하여 정렬 마크(AM)("+" 기호)가 있는 기판의 표면 영상(30)을 얻은 경우, 정렬 마크와 배경 사이의 콘트라스트가 부족하고 반투명 필름과 기판 사이에 포획된(trapped) 원하지 않는 공기 방울의 영향으로 인하여 이 표면 영상에서 신뢰성 있게 정렬 마크를 인식하는 것이 매우 어렵다.
인식 정밀도(recognition accuracy)를 향상시키기 위하여, 정렬 마크의 추출된 에지(edge)에 대하여 인식 처리를 반복 수행하는 것도 제안되었다. 그러나 인식 처리를 반복 수행하는 경우에도 인식 정밀도가 충분히 향상될 수 없는 경우가 있다. 이러한 경우에, 정렬 마크를 시각적인 검사로 검출하여야 한다. 이는 생산 효율의 저하와 제조 비용의 증가를 초래한다.
또, 공기 방울(들)(AM)이 반투명 필름과 기판 사이 정렬 마크의 근처에 포획되어 있는 경우, 표면 영상을 얻기 위하여 영상 픽업 장치에 의해 기판에 조사된 빛이 공기 방울에 의해 팽창된 반투명 필름의 표면에서 반사되어, 표면 영상에서 정렬 마크의 그 부분을 상실한다. 이 경우에, 기준 영상(reference image)으로서 이진 영상 처리 기술에 의해 추출되는 정렬 마크의 특징 부분 또는 그레이 스케일 영상 처리 기술로 얻은 정렬 마크의 전체 뷰(general view)를 이용하여 표준화 상관(normalized correlation)을 수행하여 정렬 마크를 인식할 수 없다. 정렬 마크가 인식된다고 하더라도 인식 결과의 신뢰도는 낮아 질 것이다.
도 1은 본 발명의 제1 실시예에 따른 영상 처리기의 블록도이다.
도 2a는 객체의 표면 영상이고, 도 2b 내지 도 2e는 본 발명의 영상 처리 방법의 각 단계를 거쳐 얻은 처리된 영상이다.
도 3은 제1 실시예의 변경에 따라 반전 영상 생성기를 구비한 영상 처리기의 블록도이다.
도 4는 종래의 패턴 인식 장치의 블록도이다.
도 5는 본 발명의 제2 실시예에 따른 패턴 인식 장치의 블록도이다.
도 6a는 객체 상의 정렬 마크의 표면 영상이고, 도 6b는 본 발명의 제1 영상 처리기가 생성한 제1 기준 영상이다.
도 7은 제1 실시예의 변경에 따라 제2 영상 처리기를 구비한 패턴 인식 장치의 블록도이다.
도 8a는 검사 객체의 정렬 마크를 포함하는 표면 영상이다.
도 8b는 제2 영상 처리기가 생성한 제2 기준 영상이며, 도 8c는 제1 영상 처리기가 생성한 제1 기준 영상이다.
도 9는 제2 실시예의 변경에 따라 영상 분할기를 구비한 패턴 인식 장치의 블록도이다.
도 10a 내지 도 10e는 각각 기준 영상과 분할 기준 영상들이며, 도 10f는 정렬 마크의 표면 영상이다.
도 11은 제2 실시예의 변경에 따라 제2 영상 처리기와 영상 분할기를 구비하는 패턴 인식 장치의 블록도이다.
도 12a 및 도 12b는 각각 검사 객체의 정렬 마크를 포함하는 표면 영상을 설명하기 위한 도면이다.
도 13a 및 도 13b는 각각 검사 객체의 정렬 마크를 포함하는 다른 표면 영상을 설명하기 위한 도면이다.
그러므로, 본 발명의 주된 목적은 패턴을 갖는 객체의 표면 영상으로부터 패턴과 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 제공하는 능력을 갖는 영상 처리기를 제공하는 것이다.
즉, 영상 처리기는,
표면 영상(surface image)의 화소 각각에 대하여 화소와 그 화소 주위에 규정된 제1 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제1 평활 영상을 생성하는 제1 평활 필터(first smoothing filter),
상기 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 상기 제1 영역보다 크게 규정된 제2 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제2 평활 영상을 생성하는 제2 평활 필터(second smoothing filter),
가중 화소 값을 결정하기 위하여 상기 제1 평활 영상의 화소 값 각각에 1 이상의 가중 계수(weight coefficient)를 곱하는 가중 장치(weighting unit),
차동 영상(differential image)을 생성하기 위하여 상기 제2 평활 영상의 대응 화소의 화소 값에서 상기 가중 장치가 제공하는 각각의 가중 화소 값을 감산하는 차동 영상 생성기, 및
상기 처리된 영상을 얻기 위하여 상기 차동 영상에서 양의 부호(positive sign)를 갖는 화소 값을 추출하는 영상 추출 장치(image extracting unit)를 포함한다.
본 발명에서는, 상기 처리된 영상이 제1 평활 필터가 생성한 제1 평활 영상및 제2 평활 필터가 생성한 제2 평활 영상을 사용하여 생성되기 때문에, 패턴 주위의 배경이 패턴과 대략 농도가 동일한 화소를 포함하는 경우에도 표면 영상에서 패턴만을 정확하게 추출할 수 있다. 게다가, 표면 영상에서의 패턴의 농도가 일정하지 않는 경우에도 패턴과 배경 사이의 콘트라스트를 강조할 수 있다. 그런데, 본 명세서에 사용된 "패턴"은 검사되는 객체 상의 회로 패턴, 문자, 마크 또는 기하학적인 기호 등의 여러 종류의 형상을 포함한다.
전술한 영상 처리기는 상기 표면 영상의 반전 영상(reverse image)을 생성하는 반전 영상 생성기를 더 포함하는 것이 바람직하다. 이 반전 영상 생성기는 상기 표면 영상의 최대 농도 값에서 상기 객체의 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 상기 반전 영상의 화소 각각에 대한 농도 값을 결정한다. 그 결과, 상기 제1 및 제2 평활 필터는 각각 상기 반전 영상으로부터 상기 제1 및 제2 평활 영상을 생성한다. 배경보다 휘도가 높은 패턴을 포함하는 상기 표면 영상으로부터 처리된 영상을 생성하여야 하는 경우에는, 배경보다 휘도가 낮은 패턴을 포함하는 표면 영상으로부터 처리된 영상을 생성하는 상기한 경우에 따라서 콘트라스트가 뚜렷한 처리된 영상을 제공할 수 있다.
본 발명의 다른 목적은 전술한 영상 처리기를 이용하며, 패턴과 배경 사이의 농도(휘도) 차이가 작은 경우에도 검사되는 객체 상의 패턴을 높은 신뢰도로 인식하는 능력을 갖는 패턴 인식 장치를 제공하는 것이다. 즉, 이 장치는,
객체의 표면 영상을 제공하는 영상 픽업 장치(image pickup unit),
패턴을 갖는 기준 객체의 제1 표면 영상으로부터 상기 패턴과 배경 사이의 콘트라스트가 뚜렷한 제1 기준 영상을 생성하는 상기한 영상 처리기로 이루어지는 제1 영상 처리기,
상기 제1 기준 영상을 기억하는 메모리, 및
상기 검사 객체 상의 패턴을 인식하기 위하여 상기 기준 객체와 동일한 패턴을 갖는 검사 객체의 표면 영상과 상기 제1 기준 영상을 비교하는 검출기를 포함한다.
전술한 패턴 인식 장치는,
상기 기준 객체의 상기 패턴을 포함하며, 상기 제1 기준 영상보다 시야(view field)가 더 넓은 제2 표면 영상을 제공하는 수단, 및
상기 기준 객체의 제2 표면 영상으로부터 상기 패턴과 배경 사이의 콘트라스트가 뚜렷한 제2 기준 영상을 생성하며, 상기한 영상 처리기로 이루어지는 제2 영상 처리기를 더 포함하고,
상기 검출기는 상기 검사 객체의 상기 표면 영상에서 상기 패턴을 포함하는 영상 영역을 검색하기 위하여 상기 영상 픽업 장치에 의해 주어지는 상기 검사 객체의 표면 영상과 상기 제2 기준 영상을 비교하여, 상기 제1 기준 영상을 사용하여 상기 영상 영역에서 상기 패턴을 인식하는 것이 바람직하다.
또, 전술한 패턴 인식 장치는, 상기 제1 기준 영상으로부터 적어도 상기 패턴의 일부를 각각 포함하는 분할 영상을 제공하는 영상 분할기(image splitter)를 더 포함하고, 상기 검출기는 상기 검사 객체의 상기 표면 영상과 상기 제1 기준 영상 및 각각의 상기 분할 영상을 비교하여, 그들 사이의 최고 일치도(degree of agreement)를 갖는 비교 결과에 따라서 검사 객체 상의 상기 패턴을 인식하는 것이 바람직하다.
본 발명의 다른 목적은 패턴을 갖는 객체의 표면 영상으로부터 상기 패턴과 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 제공하는 영상 처리 방법을 제공하는 것이다. 즉, 이 영상 처리 방법은,
상기 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 규정된 제1 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제1 평활 영상을 생성하는 단계,
상기 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 상기 제1 영역보다 크게 규정된 제2 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제2 평활 영상을 생성하는 단계,
가중 화소 값을 결정하기 위하여 상기 제1 평활 영상의 화소 값 각각에 1 이상의 가중 계수를 곱하는 단계,
차동 영상을 생성하기 위하여 상기 제2 평활 영상의 대응 화소의 화소 값에서 이전 단계에서 얻은 각각의 가중 화소 값을 감산하는 단계, 및
상기 처리된 영상을 얻기 위하여 상기 차동 영상에서 양의 부호를 갖는 화소 값을 추출하는 단계를 포함한다.
이들 및 또다른 목적과 이점은 이하에서 설명하는 본 발명의 최선의 실시예 및 첨부 도면으로부터 명백해질 것이다.
이하 본 발명의 바람직한 실시예를 설명한다. 그러나 본 발명의 범위는 이들 실시예로 한정되는 것은 아니다.
본 발명의 제1 실시예의 영상 처리기(1)를 도 1 내지 도 3을 참조하여 설명한다. 이 실시예에 사용된 객체는 배경보다 휘도가 낮은 정렬 마크를 가진다. 이 객체의 정렬 마크를 포함하는 표면 영상은 TV 카메라와 같은 종래의 영상 픽업 장치(2)로 얻을 수 있다.
도 1에 도시한 바와 같이, 영상 픽업 장치(2)가 취득한 얻어진 표면 영상은 영상 처리기(1)의 제1 및 제2 평활 필터(10, 11)로 전송된다. 제1 평활 필터(10)는 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 규정된 제1 영역 내의 이웃 화소들의 평균 농도를 결정하여 제1 평활 영상을 생성한다. 제1 영역으로서, "(2n1 + 1) ×(2n1 + 1)" 정사각형 영역을 사용할 수 있으며, 여기서 "n 1"은 정수이다.
한편, 제2 평활 필터는 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 제1 영역보다 크게 규정된 제2 영역 내의 이웃 화소들의 평균 농도를 결정하여 제2 평활 영상을 생성한다. 제2 영역은 "(2n2 + 1) ×(2n2 + 1)" 정사각형 영역이고, 여기서 "n2"는 "n1"보다 크다. 그러므로, 예를 들어 제1 영역이 "3 ×3"(n1 = 1) 정사각형 픽셀 영역인 경우, 제2 영역으로는 "5 ×5"(n2 = 2) 정사각형 영역을 사용할 수 있다.
따라서, 제2 평활 필터(11)가 평균 농도 값을 결정하는 데 사용한 화소의 수가 제1 평활 필터(10)가 평균 농도 값을 결정하는 데 사용한 화소의 수보다 많기 때문에 제2 평활 영상이 제1 평활 영상보다 평활 수준이 더 높다.
제1 평활 영상은 본 발명의 영상 처리기의 가중 장치(12)로 전송된다. 가중 장치에서, 가중된 화소 값을 얻기 위하여 제1 평활 영상에 1 이상의 가중 계수(weight coefficient) α를 곱한다. 가중 계수는 1.0 ≤α≤1.5 범위 내가 바람직하다.
그러고 나서 가중 화소 값 및 제2 평활 영상은 영상 처리기(1)의 차동 영상 생성기(13)로 전송된다. 차동 영상 생성기(13)에서는, 차동 영상을 생성하기 위하여 제2 평활 영상의 대응 화소의 화소 값에서 각각의 가중 화소 값을 감산한다. 즉, 차동 영상의 각 화소 값(Xi)은 다음 식으로 표현된다.
Xi = Ti - α×Si
여기서, "Si"는 제1 평활 영상의 화소 값, "α"는 가중 계수, 그리고 "Ti"는 제2 평활 영상의 대응하는 화소의 화소 값이다.
차동 영상 생성기(13)가 취득한 차동 영상은 영상 추출 장치로 전송되고 차동 영상에서 양의 부호를 갖는 화소 값을 추출하여 정렬 마크와 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 얻는다.
예를 들어, 전술한 영상 처리기(1)에 따르면 도 2a에 도시한 바와 같이 "Print" 정렬 문자를 포함하는 표면 영상으로부터 도 2e에 도시한 바와 같이 정렬 문자와 배경 사이가 뚜렷이 구별되는 처리된 영상을 얻을 수 있다. 즉, 제1 평활 필터(10)는 도 2b에 도시한 바와 같이 표면 영상의 제1 평활 영상을 생성한다. 한편, 제2 평활 필터(11)는 도 2c에 도시한 바와 같이 표면 영상의 제2 평활 영상을 생성한다. 전술한 바와 같이 이들 도면으로부터 제2 평활 영상이 제1 평활 영상보다 평활 수준이 더 높다는 것을 쉽게 이해할 수 있다. 도 2b의 제1 평활 영상이 가중 장치(12)에서 처리된 후, 차동 영상 생성기(13)에 의해 가중 장치의 출력과 도 2c의 제2 평활 영상으로부터 차동 영상이 생성된다. 그 다음에, 도 2d의 차동 영상에서 양의 부호를 갖는 화소 값을 추출함으로써 도 2e의 처리된 영상을 얻는다.
그런데, 배경보다 휘도가 높은 정렬 마크를 갖는 객체로부터 처리된 영상을 생성하도록 요청 받은 경우, 본 발명의 영상 처리기는 객체의 표면 영상의 반전 영상을 생성하는 반전 영상 생성기(15)를 더 포함한다. 도 3에 도시한 바와 같이 반전 영상 생성기(15)는 영상 픽업 장치(2)와 제1, 제2 평활 필터(10, 11) 사이에 배치된다. 반전 영상 생성기(15)에서, 표면 영상의 최대 농도 값에서 객체의 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 반전 영상의 화소 각각에 대한 농도 값을 결정한다. 반전 영상은 제1 및 제2 평활 필터(10,11)로 각각 전송되어 전술한 바와 같은 방식으로 반전 영상으로부터 제1 및 제2 평활 영상이 각각 생성된다.
다음에, 제2 실시예로서 상기한 제1 실시예의 영상 처리기를 사용하는 패턴 인식 장치를 상세하게 설명한다.
본 발명의 패턴 인식 장치는, 종래의 패턴 인식 장치에 검사 객체의 표면 영과 비교될 기준 영상을 생성하는 전술한 영상 프로세서를 구비함으로써 얻을 수 있다. 예를 들어 도 4에 도시한 바와 같이, 종래의 패턴 인식 장치는 영상 픽업 장치(2)로서 TV 카메라(100), A/D 변환기(110), 모니터(120), D/A 변환기(130), 키패드 인터페이스부(keypad-interface)(140), 병렬 인터페이스부(parallel-interfac e)(150), 오버레이 룩업 테이블(overlay lookup table), 제어 PLD(170), 영상 메모리(3), 주 메모리(190), 프로그램 메모리(200), RS-232C(210) 및 프로그램 메모리(200)에 기억된 프로그램을 실행시키는 CPU(220)를 포함한다.
제어 PLD(170)는 영상 메모리(3), 키패드 인터페이스부(140), 병렬 인터페이스부(150) 및 오버레이 룩업 테이블(160)에 연결된다. 또, TV 카메라(100)는 AD 변환기(110)를 통하여 제어 PLD(170)에 연결된다. 한편 모니터(120)는 D/A 변환기를 통하여 제어 PLD(170)에 연결된다. TV 카메라(100)와 영상 메모리(30) 사이의 연결, 영상 메모리(3)와 모니터(120) 사이의 연결, 그리고 CPU(220)와 영상 메모리(3) 사이의 연결은 제어 PLD(170)에 의해 제어된다. 한편, CPU(220)는 제어 PLD(170), 프로그램 메모리(200), 주 메모리(190) 및 RS-232C(210)와 연결된다.
도 5는 본 발명의 영상 처리기를 구비한 패턴 인식 장치의 개략적인 구성을 도시한 블록도이다. 이 장치는 영상 픽업 장치(2), 영상 메모리(3), 제1 연상 처리기(1A), 기준 영상 메모리(4) 및 검출기(5)를 포함한다. 예를 들어, 영상 픽업 장치(2)는 TV 카메라(100)와 A/D 변환기(110)로 구성되어 도 6a에 도시한 바와 같은 객체의 표면 영상을 취득한다. 표면 영상은 영상 메모리(3)에 기억된다.
제1 영상 처리기(1A)로서 제1 실시예의 영상 처리기(1)가 사용된다. 제1 영상 처리기(1A)는 인식되는 패턴으로서 정렬 마크(AM)("+" 부호)를 갖는 기준 객체의 표면 영상(30)으로부터 도 6b에 도시한 바와 같이 배경과 정렬 마크(AM) 사이의 콘트라스트가 뚜렷한 제1 기준 영상(40)을 생성한다. 생성된 제1 기준 영상은 기준 영상 메모리(4)에 기억된다.
검출기(5)는 기준 객체와 동일한 정렬 마크를 갖는 검사 객체의 표면 영상과 제1 기준 영상을 비교하여 검사 객체 상의 정렬 마크를 인식한다. 예를 들어 검출기(5)는 주로 주 메모리(190), 프로그램 메모리(200) 및 프로그램 메모리에 기억된 프로그램을 실행시키는CPU(220)로 이루어진다. 검출기(5)에서는, 표준화 상관 작업(normalized correlation operation)을 포함하는 템플릿 매칭 방법(template matching method)으로 패턴 인식을 수행한다.
본 발명의 패턴 인식 장치를 사용하여 이하에서 설명하는 바와 같이 검사 객체에 대한 패턴 인식 작업을 수행할 수 있다. 먼저, 영상 픽업 장치(2)가 검사 객체의 정렬 마크를 포함하는 표면 영상을 취득한다. 그 후, 표면 영상을 영상 메모리(3)에 기억시키고, 검사 객체의 표면 영상 내의 정렬 마크를 기준 영상 메모리(4)에 기억된 제1 기준 영상을 사용하여 표준화 상관 작업을 포함하는 템플릿 매칭 방법으로 검출할 수 있다.
과거에는, 기준 객체의 표면 영상으로부터 정렬 마크를 포함하는 템플릿을 준비하고, 검사 객체의 표면 영상을 기준 영상으로 사용된 템플릿과 비교함으로써 정렬 마크를 검출하였다. 이 방법에서는 정렬 마크와 배경 사이의 콘트라스트 차이가 작은 경우, 검사 객체의 표면 영상의 휘도 변화가 검출 정밀도를 저하시키는 문제가 있다. 그러나, 본 발명에서는 정렬 마크와 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 템플릿으로 사용하기 때문에, 정렬 마크와 배경 사이의 콘트라스트 차이가 작은 경우에도 정확하게 정렬 마크를 검출할 수 있다.
그런데, 배경보다 휘도가 높은 정렬 마크를 갖는 기준 객체의 표면 영상으로부터 콘트라스트가 뚜렷한 처리된 영상을 생성하여야 하는 경우, 제1 영상 처리기(1A)는 도 3에 도시한 바와 같이 기준 객체의 표면 영상의 반전 영상을 생성하는 반전 영상 생성기를 더 포함한다. 이 반전 영상 생성기는 표면 영상의 최대 농도 값에서 객체의 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 반전 영상의 화소 각각에 대한 농도 값을 결정한다. 그러므로, 제1 영상 처리기(1A)에서는 반전 영상으로부터 제1 기준 영상이 생성된다.
그런데 도 8a에 도시한 바와 같이, 검사 객체의 광각(wide-angle) 표면 영상이 정렬 마크 주위의 더 넓은 영역을 포함하도록 저 배율(low magnification)로 취득되고 광각 표면 영상 내의 정렬 마크와 배경 사이의 콘트라스트 차이가 작은 경우, 검출 정밀도가 떨어질 염려가 있다. 이러한 경우에, 도 7에 도시한 바와 같이 패턴 인식 장치는 광각 표면 영상 내의 정렬 마크의 대략적인 위치를 검색하는 데 사용되는 제2 기준 영상을 생성하는 제2 영상 처리기(1B)를 포함하는 영상 검색 장치를 더 포함하는 것이 바람직하다.
이 경우에, 영상 픽업 장치(2)는 저 배율 영상을 위한 제1 영상 픽업 장치와 고 배율 영상을 위한 제2 영상 픽업 장치로 이루어지는 것이 바람직하다. 즉, 제1 영상 픽업 장치는 제2 영상 픽업 장치가 취득한 표면 영상보다 시야가 넓은 기준 객체의 표면 영상을 제공하는 수단으로 작용한다. 이와는 달리, 스케일링(scaling, 크기 조정) 기능을 구비한 영상 픽업 장치를 사용할 수도 있다.
제1 영상 처리기(1A)의 경우와 같이, 제1 실시예의 영상 처리기(1)가 제2 영상 처리기(1B)로서 사용된다. 제2 영상 처리기(1B)는 제1 영상 픽업 장치가 취득한 기준 객체의 표면 영상(31)으로부터 제2 기준 영상을 생성한다. 제2 기준 영상에, 표면 영상 내의 정렬 마크와 농도(휘도)가 동일한 다른 패턴들 및 정렬 마크의 콘트라스트 강화를 수행하여 도 8b와 같이 이들 패턴과 배경 사이의 콘트라스트를 뚜렷하게 한다. 제2 기준 영상은 기준 영상 메모리(4)에 기억될 수 있다. 이와는 달리, 제2 기준 영상을 위한 다른 기준 영상 메모리를 추가할 수도 있다.
검출기(5)에서는, 검색 객체의 광각 표면 영상을 제2 기준 영상과 비교하여 정렬 마크의 대략적인 위치를 제공하는 적어도 하나의 영상 후보(image candidate)를 검색한다. 다시 말해, 제2 기준 영상에 대응하는 정렬 마크를 포함하는 적어도 하나의 영상 영역을 검사 객체의 광각 표면 영상으로부터 검색한다. 다음에, 검색된 영상 영역을 기준 영상 메모리(4)에 기억된 제1 기준 영상(도 8c)과 비교하여 표준화 상관 작업을 포함하는 템플릿 매칭 방법으로 추출된 영상 영역에서 정렬 마크를 검출한다. 영상 후보로서 복수의 영상 영역이 검출된 경우, 각각의 영상 영역을 제1 기준 영상과 비교하여, 그들 사이의 최고 일치도를 갖는 비교 결과에 따라서 정렬 마크를 검출한다.
인식 작업을 효율적으로 수행하기 위하여, 제2 기준 영상 및 검사 객체의 광각 표면 영상에 대한 영상 데이터 축소 처리(reduction treatment)를 수행하여 제3 기준 영상 및 처리된 검사 객체의 표면 영상을 각각 제공하는 영상 데이터 축소 장치(image-data reduction unit)(도시하지 않음)를 포함할 수 있다. 이 경우에, 검출기(5)가 처리된 검사 객체의 표면 영상을 제3 기준 영상과 비교하여 정렬 마크를 포함하는 영상 영역을 검색한다.
영상 데이터 축소 처리는 화소 영역(n ×n)의 화소에 대한 평균 농도 값을 계산하여 화소 영역(n ×n 화소)을 평균 농도 값을 갖는 하나의 화소로 교체하는 단계를 포함한다. 예를 들어, 표면 영상이 640 ×480 해상도이고 화소 영역이 64(8 ×8) 화소로 이루어지는 경우, 처리된 표면 영상은 축소 처리에 의해 얻어진다. 처리된 표면 영상 및 제3 기준 영상의 사용함으로써 검사 객체의 광각 표면 영상에서 제2 기준 영상에 대응하는 영역을 매우 용이하게 검색할 수 있다.
도 3의 경우와 같이, 제1 영상 픽업 장치가 취득한 기준 객체의 표면 영상에서 정렬 마크의 휘도가 배경보다 높은 경우, 제2 영상처리기(1B)가 도 3의 경우처럼 표면 영상의 반전 영상을 생성하는 제2 반전 영상 생성기를 더 포함하는 것이 바람직하다. 제2 반전 영상 생성기는 표면 영상의 최대 농도 값에서 객체의 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 반전 영상의 화소 각각에 대한 농도 값을 결정한다. 이 경우에 제2 기준 영상은 제2 영상 프로세서(1B)에 의해 이 반전 영상으로부터 생성된다.
도 9에 도시한 바와 같이, 패턴 인식 장치가 제1 기준 영상으로부터 적어도 패턴의 일부를 각각 포함하는 분할 영상을 제공하는 영상 분할기(6)를 더 포함하는 경우, 패턴 인식의 정밀도를 더욱 향상시킬 수 있다.
예를 들어, 영상 분할기(6)는 주 메모리(190)와 프로그램(200) 메모리에 기억된 프로그램을 실행시키는 CPU(220)로 구성될 수 있다. 도 10b 및 도 10c에서, 도 10a의 제1 기준 영상(40)은 정렬 마크(AM)의 세로 축을 따라 두 부분(42, 43)으로 분할된다. 도 10d 및 도 10e에서, 도 10a의 제1 기준 영상은 정렬 마크(AM)의 상하 부분(44, 45)으로 분할된다. 필요한 경우, 제1 기준 영상은 4 부분 또는 8 부분으로 분할될 수 있다. 이들 분할 기준 영상은 또한 기준 영상 메모리(4)에 기억될 수 있다. 검출기(5)에서는 검사 객체의 표준 영상을 제1 기준 영상 및 각각의 분할 기준 영상과 비교하여, 그들 사이의 최고 일치도를 갖는 비교 결과에 따라서 정렬 마크를 인식한다.
예를 들어, 도 10f의 검사 객체의 표면 영상(30)을 도 10a의 제1 기준 영상(40)과 비교하는 경우, 그들 사이의 일치도는 0.5 이다. 한편, 도 10f의 검사 객체의 표면 영상(30)을 도 10d의 분할 기준 영상(44)과 비교하는 경우, 그들 사이의 일치도는 0.8 이다. 그러므로, 이러한 도 10f의 표면 영상에서와 같은 분할 기준 영상을 사용함으로써 정렬 마크에 대한 인식 정밀도를 더욱 향상시킬 수 있다.
패턴 인식 장치가 제2 기준 영상을 생성하는 제2 영상 처리기(1B)를 갖는 경우, 제2 기준 영상으로부터 적어도 정렬 마크의 일부를 각각 포함하는 분할 기준 영상을 제공하는 추가 영상 분할기(도시하지 않음)를 더 포함하는 것이 바람직하다. 추가 영상 분할기는 제1 영상 처리기(1A)에 의해 생성되는 제1 기준 영상을 위한 영상 분할기(6)와 실질적으로 동일한 기능을 갖는다. 이 경우에, 검사 객체의 표면 영상은 제2 기준 영상 및 추가 영상 분할기에 의해 생성된 각각의 분할 영상과 비교되어 그들 사이의 최고 일치도를 갖는 비교 결과에 따라서 정렬 마크를 포함하는 영상 영역을 검색한다. 2차적으로, 검색된 영상 영역은 제1 기준 영상 및 제1 기준 영상을 위한 영상 분할기(6)에 의해 생성된 분할 기준 영상 각각과 비교된다. 그들 사이의 최고 일치도를 갖는 비교 결과에 따라서, 정렬 마크를 검사 객체 상에서 인식한다. 이와는 달리, 정렬 마크의 인식은 검색된 영상 영역과 제1 기준 영상을 비교함으로써 수행될 수도 있다. 영상 분할기(6) 및/또는 추가 영상 분할기를 사용함으로써 정렬 마크의 일부를 상실하는 상당한 저해 요소(inhibition factor)가 있는 경우에도 정렬 마크를 확실하게 인식할 수 있다.
주장한 바와 같이, 본 발명의 패턴 인식 장치에서 영상 픽업 장치(2), 제1 영상 처리기(1A), 기준 영상 메모리(4) 및 검출기(5)는 필수적이다. 따라서, 필요한 경우 패턴 인식 장치는 제2 영상 처리기(1B)(영상 검색 장치), 영상 데이터 축소 장치, 영상 분할기(6) 및 추가 영상 분할기의 임의 조합을 더 포함할 수 있다. 예를 들어, 도 11은 제2 영상 처리기(1B)와 영상 데이터 축소 장치(6) 둘 다를 구비하는 패턴 인식 장치를 나타낸다.
이상에서 본 발명의 영상 처리기의 바람직한 실시예로서, 패턴 인식 장치를 설명하였다. 그러나 영상 처리기의 응용은 이들 실시예로 제한되는 것은 아니다. 본 발명의 영상 처리기는 배경 노이즈의 영향을 받지 않고 객체의 표면 영상으로부터 문자, 마크, 선 및 그래픽 기호와 같은 패턴을 인식 또는 검출하여야 하는 다양한 응용 분야에 사용할 수 있다. 구체적으로, 문자와 배경 노이즈를 포함하는 영상이 있는 경우나 얇은 선이 중첩된 문자를 갖는 영상이 있는 경우, 배경 노이즈나 얇은 선을 제거할 수 있고 본 발명의 영상 처리기로 문자만을 정확하게 추출할 수 있다.
본 발명의 영상 처리기는 패턴을 갖는 객체의 표면 영상으로부터 패턴과 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 생성할 수 있다. 특히, 패턴 주위의 배경이 패턴과 농도가 실질적으로 동일한 화소를 포함하는 경우에도 배경에서 패턴만을 명확하게 분리할 수 있는 이점이 있다.
본 발명의 바람직한 실시예로서, 전술한 영상 처리기를 구비한 패턴 인식 장치를 액정 디스플레이 장치의 제조 과정에 사용하는 경우, 광학적으로 투명하거나 반투명한 기판 상의 정렬 마크를 정확하게 인식할 수 있다. 따라서, 본 발명의 영상 처리기를 패턴 인식 장치에 사용하는 것은 검사되는 패턴과 배경 사이의 농도(휘도) 차이가 작은 경우에 검사 정밀도를 향상시키는데 특히 효과적이다.

Claims (11)

  1. 패턴을 갖는 객체의 표면 영상(surface image)으로부터 패턴과 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 제공하는 영상 처리기(image processor)로서,
    표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 규정된 제1 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제1 평활 영상을 생성하는 제1 평활 필터(first smoothing filter),
    상기 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 상기 제1 영역보다 크게 규정된 제2 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제2 평활 영상을 생성하는 제2 평활 필터(second smoothing filter),
    가중 화소 값을 결정하기 위하여 상기 제1 평활 영상의 화소 값 각각에 1 이상의 가중 계수를 곱하는 가중 수단(weighting means),
    차동 영상을 생성하기 위하여 상기 제2 평활 영상의 대응 화소의 화소 값에서 상기 가중 수단이 제공하는 각각의 가중 화소 값을 감산하는 차동 영상 생성기(differential image generator), 및
    상기 처리된 영상을 얻기 위하여 상기 차동 영상에서 양의 부호(positive sign)를 갖는 화소 값을 추출하는 영상 추출 수단(image extracting means)
    를 포함하는 영상 처리기.
  2. 제1항에서,
    상기 영상처리기는,
    상기 객체의 표면 영상에서 상기 패턴의 휘도가 상기 배경보다 높은 경우, 반전 영상을 생성하는 반전 영상 생성기(reverse image generator)를 포함하고,
    상기 반전 영상 생성기는 상기 표면 영상의 최대 농도 값에서 상기 객체의 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 상기 반전 영상의 화소 각각에 대한 농도 값을 결정하며,
    상기 제1 및 제2 평활 필터는 상기 반전 영상으로부터 상기 제1 및 제2 평활 영상을 각각 생성하는 영상 처리기.
  3. 제1항에 따른 상기 영상 처리기를 제1 영상 처리기로 사용하는 패턴 인식 장치로서,
    객체의 표면 영상을 제공하는 영상 픽업 수단(image pickup means),
    패턴을 갖는 기준 객체의 제1 표면 영상으로부터 상기 패턴과 배경 사이의 콘트라스트가 뚜렷한 제1 기준 영상을 생성하는 제1 영상 처리기,
    상기 제1 기준 영상을 기억하는 메모리, 및
    상기 검사 객체 상의 패턴을 인식하기 위하여 상기 기준 객체와 동일한 패턴을 갖는 검사 객체의 표면 영상과 상기 제1 기준 영상을 비교하는 검출기
    를 포함하는 패턴 인식 장치.
  4. 제3항에서,
    상기 제1 영상 처리기는 상기 기준 객체의 상기 제1 표면 영상에서 상기 패턴의 휘도가 상기 배경보다 높은 경우, 반전 영상을 생성하는 반전 영상 생성기를 포함하고,
    상기 반전 영상 생성기는 상기 제1 표면 영상의 최대 농도 값에서 상기 기준 객체의 상기 제1 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 상기 반전 영상의 화소 각각에 대한 농도 값을 결정하며,
    상기 제1 영상 처리기는 상기 반전 영상으로부터 상기 제1 기준 영상을 생성하는 패턴 인식 장치.
  5. 제3항에서,
    상기 기준 객체의 상기 패턴을 포함하며, 상기 제1 기준 영상보다 시야(view field)가 넓은 제2 표면 영상을 제공하는 수단, 및
    상기 기준 객체의 제2 표면 영상으로부터 상기 패턴과 배경 사이의 콘트라스트가 뚜렷한 제2 기준 영상을 생성하며, 제1항에 따른 영상 처리기로 이루어지는 제2 영상 처리기를 포함하고,
    상기 검출기는, 상기 검사 객체의 상기 표면 영상에서 상기 패턴을 포함하는 영상 영역을 검색하기 위하여 상기 영상 픽업 수단에 의해 주어지는 상기 검사 객체의 표면 영상과 상기 제2 기준 영상을 비교하여, 상기 제1 기준 영상을 사용하여 상기 영상 영역에서 상기 패턴을 인식하는 패턴 인식 장치.
  6. 제5항에서,
    상기 제2 영상 처리기는 상기 기준 객체의 상기 제2 표면 영상에서 상기 패턴의 휘도가 상기 배경보다 높은 경우, 반전 영상을 생성하는 반전 영상 생성기를 포함하고,
    상기 반전 영상 생성기는 상기 제2 표면 영상의 최대 농도 값에서 상기 제2 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 상기 반전 영상의 화소 각각에 대한 농도 값을 결정하며,
    상기 제2 영상 처리기는 상기 반전 영상으로부터 상기 제2 기준 영상을 생성하는 패턴 인식 장치.
  7. 제3항에서,
    상기 패턴 인식 장치는,
    상기 제1 기준 영상으로부터 적어도 상기 패턴의 일부를 각각 포함하는 분할 영상을 제공하는 영상 분할기(image splitter)를 포함하고,
    상기 검출기는 상기 검사 객체의 상기 표면 영상과 상기 제1 기준 영상 및 각각의 상기 분할 영상을 비교하여, 그들 사이의 최고 일치도를 갖는 비교 결과에 따라서 검사 객체 상의 상기 패턴을 인식하는 패턴 인식 장치.
  8. 제5항에서,
    상기 패턴 인식 장치는,
    상기 제2 기준 영상으로부터 적어도 상기 패턴의 일부를 각각 포함하는 분할 영상을 제공하는 영상 분할기를 포함하고,
    상기 검출기는 상기 검사 객체의 상기 표면 영상과 상기 제2 기준 영상 및 각각의 상기 분할 영상을 비교하여, 그들 사이의 최고 일치도를 갖는 비교 결과에 따라서 상기 패턴을 포함하는 상기 영상 영역을 검색하는 패턴 인식 장치.
  9. 제5항에서,
    상기 패턴 인식 장치는,
    상기 제2 기준 영상 및 상기 검사 객체의 상기 표면 영상에 대해 영상 데이터 축소 처리를 수행하여 제3 기준 영상 및 상기 검사 객체의 제3 표면 영상을 각각 취득하는 영상 데이터 축소 수단을 포함하고,
    상기 검출기는 상기 검사 객체의 상기 제3 표면 영상과 상기 제3 기준 영상을 비교하여 상기 패턴을 포함하는 상기 영상 영역을 검색하는 패턴 인식 장치.
  10. 패턴을 갖는 객체의 표면 영상으로부터 상기 패턴과 배경 사이의 콘트라스트가 뚜렷한 처리된 영상을 제공하는 영상 처리 방법으로서,
    상기 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 규정된 제1 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제1 평활 영상을 생성하는 단계,
    상기 표면 영상의 화소 각각에 대하여 화소와 그 화소 주위에 상기 제1 영역보다 크게 규정된 제2 영역 내의 이웃 화소들의 평균 농도를 결정함으로써 제2 평활 영상을 생성하는 단계,
    가중 화소 값을 결정하기 위하여 상기 제1 평활 영상의 화소 값 각각에 1 이상의 가중 계수를 곱하는 단계,
    차동 영상을 결정하기 위하여 상기 제2 평활 영상의 대응 화소의 화소 값에서 이전 단계에서 얻은 각각의 가중 화소 값을 감산하는 단계, 및
    상기 처리된 영상을 얻기 위하여 상기 차동 영상에서 양의 부호를 갖는 화소 값을 추출하는 단계
    를 포함하는 영상 처리 방법.
  11. 제10항에서,
    상기 영상 처리 방법은,
    상기 객체의 표면 영상에서 상기 패턴의 휘도가 상기 배경보다 높은 경우, 반전 영상을 생성하는 단계를 포함하고,
    상기 반전 영상의 화소 각각에 대한 농도 값은 상기 표면 영상의 최대 농도 값에서 상기 객체의 표면 영상의 화소 각각에 대한 농도 값을 감산함으로써 결정되며,
    상기 제1 및 제2 평활 영상은 상기 반전 영상으로부터 생성되는 영상 처리 방법.
KR10-2002-7010438A 2000-12-14 2001-12-10 영상 처리기 및 이를 이용한 패턴 인식 장치 KR100481933B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2000380972A JP2002183713A (ja) 2000-12-14 2000-12-14 画像処理方法およびその装置
JPJP-P-2000-00380972 2000-12-14
JP2001124554A JP4465911B2 (ja) 2001-04-23 2001-04-23 画像処理装置およびその方法
JPJP-P-2001-00124554 2001-04-23

Publications (2)

Publication Number Publication Date
KR20020081322A KR20020081322A (ko) 2002-10-26
KR100481933B1 true KR100481933B1 (ko) 2005-04-13

Family

ID=26605859

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2002-7010438A KR100481933B1 (ko) 2000-12-14 2001-12-10 영상 처리기 및 이를 이용한 패턴 인식 장치

Country Status (7)

Country Link
US (1) US7039236B2 (ko)
EP (1) EP1346321B1 (ko)
KR (1) KR100481933B1 (ko)
CN (1) CN1269079C (ko)
DE (1) DE60113564T2 (ko)
TW (1) TW559739B (ko)
WO (1) WO2002048964A1 (ko)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2160467C1 (ru) * 1999-07-08 2000-12-10 Яхно Владимир Григорьевич Способ адаптивного распознавания информационных образов и система для его осуществления
JP4413504B2 (ja) * 2003-02-13 2010-02-10 株式会社東芝 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
CN100375120C (zh) * 2003-06-16 2008-03-12 英华达股份有限公司 藉由多张低解析度影像产生高解析度影像的方法
JP2005190429A (ja) 2003-12-26 2005-07-14 Hiroshima Univ 参照データ認識・学習方法及びパターン認識システム
JP4561273B2 (ja) * 2004-09-22 2010-10-13 ソニー株式会社 画像処理装置および方法、並びにプログラム
CN100365660C (zh) * 2004-12-13 2008-01-30 北京中星微电子有限公司 一种图像放大插值的方法
US20070201749A1 (en) * 2005-02-07 2007-08-30 Masaki Yamauchi Image Processing Device And Image Processing Method
JP4459137B2 (ja) * 2005-09-07 2010-04-28 株式会社東芝 画像処理装置及びその方法
US8306336B2 (en) 2006-05-17 2012-11-06 Qualcomm Incorporated Line or text-based image processing tools
US7898653B2 (en) * 2006-12-20 2011-03-01 Hitachi High-Technologies Corporation Foreign matter inspection apparatus
JP4288623B2 (ja) * 2007-01-18 2009-07-01 ソニー株式会社 撮像装置、ノイズ除去装置、ノイズ除去方法、ノイズ除去方法のプログラム及びノイズ除去方法のプログラムを記録した記録媒体
JP2008203486A (ja) * 2007-02-20 2008-09-04 Epson Imaging Devices Corp 画像表示装置及び電子機器
EP2003896A1 (en) * 2007-06-12 2008-12-17 Panasonic Corporation Statistical image enhancement
CN101464998B (zh) * 2009-01-15 2011-12-14 浙江大学 面向纺织行业的非高斯纹理噪声平滑滤波方法
KR101114278B1 (ko) * 2009-12-15 2012-02-14 주식회사 함라 아스팔트 슁글
WO2012131520A2 (en) * 2011-03-28 2012-10-04 Koninklijke Philips Electronics N.V. Contrast-dependent resolution image
TWI512642B (zh) * 2013-01-25 2015-12-11 Delta Electronics Inc 快速圖形比對方法
US9131182B2 (en) * 2013-05-08 2015-09-08 Canon Kabushiki Kaisha Image processing apparatus, method and storage medium
CN105243652B (zh) * 2015-11-19 2019-06-07 Tcl集团股份有限公司 图像降噪的方法及装置
JP7252847B2 (ja) * 2019-07-08 2023-04-05 株式会社日立製作所 動体追跡装置および放射線治療システム、ならびに動体追跡装置の作動方法
CN110428402B (zh) * 2019-07-18 2022-05-10 数字广东网络建设有限公司 图像篡改识别方法、装置、计算机设备及存储介质
CN111415317B (zh) * 2020-03-20 2024-01-05 苏州杰锐思智能科技股份有限公司 图像处理方法及装置、电子设备、计算机可读存储介质
US11921052B2 (en) 2022-03-31 2024-03-05 Kla Corporation Inspection with previous step subtraction
US11922619B2 (en) 2022-03-31 2024-03-05 Kla Corporation Context-based defect inspection

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990010210A (ko) * 1997-07-15 1999-02-05 윤종용 대용량 패턴 정합 장치 및 방법
JPH11213127A (ja) * 1998-01-23 1999-08-06 Tokyo Inst Of Technol 画像処理方法および装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6665448B1 (en) * 2000-09-29 2003-12-16 Hewlett-Packard Development Company, L.P. Selective smoothing and sharpening of images by generalized unsharp masking

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990010210A (ko) * 1997-07-15 1999-02-05 윤종용 대용량 패턴 정합 장치 및 방법
JPH11213127A (ja) * 1998-01-23 1999-08-06 Tokyo Inst Of Technol 画像処理方法および装置

Also Published As

Publication number Publication date
KR20020081322A (ko) 2002-10-26
DE60113564T2 (de) 2006-07-13
US7039236B2 (en) 2006-05-02
US20030012442A1 (en) 2003-01-16
TW559739B (en) 2003-11-01
EP1346321A1 (en) 2003-09-24
DE60113564D1 (de) 2005-10-27
CN1401106A (zh) 2003-03-05
CN1269079C (zh) 2006-08-09
WO2002048964A1 (en) 2002-06-20
EP1346321B1 (en) 2005-09-21

Similar Documents

Publication Publication Date Title
KR100481933B1 (ko) 영상 처리기 및 이를 이용한 패턴 인식 장치
CN111650220B (zh) 一种基于视觉的图文缺陷检测方法
CN111401372B (zh) 一种扫描文档图文信息提取与鉴别的方法
EP2143041A1 (en) Photo-document segmentation method and system
CN109738450B (zh) 笔记本键盘的检测方法和装置
CN109816653B (zh) 一种用于导电粒子检测的方法
Song et al. Micro surface defect detection method for silicon steel strip based on saliency convex active contour model
CN115205223B (zh) 透明物体的视觉检测方法、装置、计算机设备及介质
CN112734729B (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
JPH03257304A (ja) 位置認識装置
CN111915635A (zh) 支持自阅卷的试题解析信息生成方法及系统
Dominguez-Nicolas et al. Indentation image analysis for Vickers hardness testing
US7058221B1 (en) Method of recognizing object based on pattern matching and medium for recording computer program having same
CN113487569B (zh) 基于频域和空域结合的复杂背景图像缺陷检测方法及系统
CN109359646A (zh) 基于巡检机器人的液位型仪表识别方法
CN113538404A (zh) 一种基于锚点选择的盖板玻璃缺陷检测方法及系统
Kaur et al. Text Extraction from Natural Scene using PCA.
CN106251468B (zh) 一种纸币鉴伪方法和装置
Zhou et al. A fast algorithm for detecting die extrusion defects in IC packages
JPH0624014B2 (ja) 濃淡画像の処理方法
JP4465911B2 (ja) 画像処理装置およびその方法
TWI253021B (en) Object recognizing and positioning method
JPH04157577A (ja) 位置合わせ装置
JP2000163586A (ja) 刻印マーク識別装置
Somashekharaiah et al. Preprocessing techniques for recognition of ancient Kannada epigraphs

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20090326

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee