WO2007063705A1

WO2007063705A1 - 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

Info

Publication number: WO2007063705A1
Application number: PCT/JP2006/322731
Authority: WO
Inventors: Katsuhiko Takahashi
Original assignee: Nec Corporation
Priority date: 2005-11-29
Filing date: 2006-11-15
Publication date: 2007-06-07
Also published as: EP1956551A4; JPWO2007063705A1; US20090268964A1; EP1956551A1; DE602006019481D1; US8014601B2; JP4968075B2; EP1956551B1

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

明細書

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技術分野

[0001] 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。

背景技術

[0002] 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 値ィ匕アルゴリズムによって 1度だけ 2値ィ匕し、 2値パターン同士でテンプレートマツチングを行う方法がある。 2値ィ匕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値ィ匕法 (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。

[0003] 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値ィ匕閾値と呼ばれる)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値ィ匕閾値が上下するので、固定閾値法は適さない。

[0004] 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パ一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、。

[0005] 大津の 2値ィ匕法においては、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ぐ大津の 2値ィ匕法は適さない。

[0006] 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力最終的な出力が選択される。

[0007] 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!、て最も評価値が高力つた結果が選択される。

[0008] 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。

[0009] また、次のような方法（2値ィ匕画像総あたり法と、う）が考えられる。この方法にお!、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値ィ匕閾値に基づく 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。

[0010] 特開 2004— 180000には、濃淡画像を高精度に自動 2値ィ匕することを目的とした画像の 2値化方法が記載されて、る。

[0011] 特開 2000— 40153には、鄞線ゃ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、鄞線、文字や背景にどのような色が使われていても、文字や鄞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。発明の開示

[0012] 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値ィ匕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。

[0013] 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。 [0014] 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。

[0015] 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 120 1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値ィ匕するため、 2 値ィ匕閾値 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。

[0016] 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、て k= 1とした場合の距離である。

[0017] [数 1] 4(", )= μι)

[0018] ここで、 ai、 biは、それぞれ、濃淡画像を仮の 2値ィ匕閾値 1203で 2値ィ匕した 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値ィ匕閾値 1203以上だった画素に画素値 1を、 2値ィ匕閾値 1203未満だつた画素に画素値 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、 I ai-bi Iの値は、

ケース 1 ai=0、bi=O の場合 ai-bi I =0

ケース 2 ai=0、bi= l の場合 ai— bi I =丄

ケース 3 ai=l、bi=0 の場合 ai— bi I = 1

ケース 4 ai=l、bi= l の場合 ai-bi I =0

の 4通りのいずれかになる。ここで I ai— bi I = 1であるケース 2, 3に着目する。

[0019] 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、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の面積の値に等しぐ第 2項は高濃度領域 12 05の面積の値に等しい。

[0020] 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値ィ匕閾値 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〖こよって、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!/ヽて判定を行うことができる。

[0021] 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ぐ仮想的 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べ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。

[0022] 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。

[0023] 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、ノターン認識を行う上で有効でな、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。

[0024] また、パターン認識装置にお!ヽて、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。 [0025] 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。

[0026] 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カロ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。

[0027] また、パターン認識方法にぉ、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。

[0028] また、パターン認識方法にぉヽて、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。

[0029] 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。

[0030] 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カロ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。

[0031] 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。

[0032] 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。

[0033] 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。図面の簡単な説明

[0034] [図 1]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 2]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。

[図 3]入力濃淡画像の一例を示す説明図である。

[図 4]ノターン認識に用いる画像の一例を示す説明図である。

[図 5A]Hf (i)の一例を示す説明図である。

[図 5B]Hb (i)の一例を示す説明図である。

[図 6A]Af (i)の一例を示す説明図である。

[図 6B]Ab (i)の一例を示す説明図である。 [図 7]At (i)の一例を示す説明図である。

[図 8A]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 8B]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 8C]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 8D]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 8E]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 9]3値画像である参照画像の一例を示す説明図である。

[図 10]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 11]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 12]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。

[図 13]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。

[図 14]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。

発明を実施するための最良の形態

[0035] 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。

[0036] 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つて実現される。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。

[0037] 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く円 302く文字「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。

[0038] 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。

[0039] 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 (l) + +Hf (i— 1) … (1)

で表される。 Af (i)は単調増加する関数である。

[0040] 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。

[0041] 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。

[0042] At (i) =Af (i) +Ab (i) … (3)

パターン照合部 106は、 At (i) {i=0, 1, 2, · · , 255}の中力も最小値を抽出し、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。

[0043] 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。

[0044] 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〖こは、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。

[0045] 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〖こは、 Hb (i) 502〖こ基づいて抽出され、（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。 [0046] 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)。

[0047] 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、る。

[0048] 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（ステツプ 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。

[0049] 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 8 B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 8 03力示され、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。

[0050] 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カゝ否かを判定することができる。

[0051] 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。

[0052] 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値画像であつても構わない。 3値画像の一例を図 9、図 10に示す。

[0053] 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バターン認識装置を構成することができる。

[0054] 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」の縦棒の上端力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。力ぎ部を有する「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。

[0055] 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。

[0056] 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 110 4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 1 105、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!/ヽる。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。

[0057] 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。

[0058] 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。

[0059] 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。

[0060] [数 2]

ή· w(x₇ y)} … (4)

y x

[0061] この式にぉ、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、 S f (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。

[0062] 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 1 102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。

[0063] [数 3]

…(

y ^χ

[0064] この式にぉ、て、 δ b (D (x, y) , I (χ, 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。

[0065] 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。

[0066] パターン照合部 1106は、 At (i) {i=0, 1, 2, · · , 255}の中力も最小値を抽出し、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。

[0067] 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 1 104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 1 107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 S2 01)。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 110 6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)。 [0068] 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。

[0069] 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。

[0070] 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 130 8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 130 4、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。

[0071] 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。

[0072] 領域設定部 1308は、元画像 1307中力も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!、うルールである。

[0073] 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、二了レストネイバ一法や双 1次補間法、ノィキュービック法などの手法によって補完する。

[0074] 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、ノ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 S 1402)。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〖こよるステップ S 1403からステップ S 1405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。

[0075] 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力否かを判断し、残っている場合にはステップ S1401から処理を繰り返す。

[0076] 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。

[0077] 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 1

307中における認識対象物の大きさ力参照画像 1302と異なる場合でも照合することがでさる。

[0078] 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 1 308および濃淡画像拡大縮小部 1309を適用した力図 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を適用してもょヽ

[0079] 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

請求の範囲

[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カロ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、

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、

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、

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カロ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力除外され、

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、

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、

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、

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力除外され、

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

[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、

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、

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。