JPH08263655A - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JPH08263655A JPH08263655A JP8647195A JP8647195A JPH08263655A JP H08263655 A JPH08263655 A JP H08263655A JP 8647195 A JP8647195 A JP 8647195A JP 8647195 A JP8647195 A JP 8647195A JP H08263655 A JPH08263655 A JP H08263655A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- candidate
- image
- similarity
- recognition
- 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.)
- Withdrawn
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 参照パターンとして複数の類似した形状のパ
ターンがある場合にも精度良く認識する。 【構成】 第１段階の認識処理において、認識対象画像
ＰＮと全ての参照パターンＢ〜Ｆの画像との間で求めら
れた類似度の中で、最も類似度の高い第１候補と第２候
補の類似度の差を求め、その差が大きいときには第１候
補の参照画像のパターンを解とする。類似度の差が小さ
いときは、第２段階の認識処理で、あらかじめ定めてお
いた間違えやすいパターンの集合から引き出した第１候
補と間違えやすい全てのパターンＢ、Ｃ、Ｄの参照画像
のカテゴリー間分散を求め、その値が大きい軸上のデー
タで参照画像と認識対象画像の新たな画像Ｂ’〜Ｄ’を
作成する。そして新たな画像で求めた類似度の最も高い
参照画像のパターンを解とする。第１段階で不確実なと
き第２段階で再認識するから精度良く認識できる。
ターンがある場合にも精度良く認識する。 【構成】 第１段階の認識処理において、認識対象画像
ＰＮと全ての参照パターンＢ〜Ｆの画像との間で求めら
れた類似度の中で、最も類似度の高い第１候補と第２候
補の類似度の差を求め、その差が大きいときには第１候
補の参照画像のパターンを解とする。類似度の差が小さ
いときは、第２段階の認識処理で、あらかじめ定めてお
いた間違えやすいパターンの集合から引き出した第１候
補と間違えやすい全てのパターンＢ、Ｃ、Ｄの参照画像
のカテゴリー間分散を求め、その値が大きい軸上のデー
タで参照画像と認識対象画像の新たな画像Ｂ’〜Ｄ’を
作成する。そして新たな画像で求めた類似度の最も高い
参照画像のパターンを解とする。第１段階で不確実なと
き第２段階で再認識するから精度良く認識できる。
Description
【０００１】
【産業上の利用分野】この発明は、多値画像からのパタ
ーン認識方法に関する。
ーン認識方法に関する。
【０００２】
【従来の技術】従来のパターン認識方法としては、例え
ば正規化相関法がある。これは、例えば図９の（ａ）、
（ｂ）に示すような多値画像からなる認識対象パターン
Ｐと参照パターンＳとを比較するに際して、各パターン
の画像における各ドットの輝度値データを式（１）に適
用して、認識対象パターンと参照パターン間の正規化相
関を求めて類似度を得るものである。
ば正規化相関法がある。これは、例えば図９の（ａ）、
（ｂ）に示すような多値画像からなる認識対象パターン
Ｐと参照パターンＳとを比較するに際して、各パターン
の画像における各ドットの輝度値データを式（１）に適
用して、認識対象パターンと参照パターン間の正規化相
関を求めて類似度を得るものである。
【数１】 ここで、 Ｉ（ｉ，ｊ）：認識対象画像の点（ｉ，ｊ）の輝度値、 Ｔ（ｉ，ｊ）：参照画像の点 （ｉ，ｊ）の輝度値、
【外１】 （ｍ，ｎ）：参照画像、認識対象画像の大きさ である。なお、認識対象パターンを表わした画像を認識
対象画像、参照パターンを表わした画像を参照画像と呼
ぶこととする。
対象画像、参照パターンを表わした画像を参照画像と呼
ぶこととする。
【０００３】上記の式（１）で求められる正規化相関の
値は、−１〜＋１の値をとる。この値は類似度が高いほ
ど大きくなり、正規化後の各ドットの値が全て同じとき
に最大値１となる。つまり、画像を正規化するため画像
の全体的な明るさの変化の影響は受けずに認識すること
ができる。一般に、図９の（ｃ）に示すように参照パタ
ーンと認識対象パターン上のパターンの重なる部分が大
きいと、類似度が高いと判断される。正規化相関法は、
このように参照パターンに似た形状のパターンを見つけ
るのに用いられる。
値は、−１〜＋１の値をとる。この値は類似度が高いほ
ど大きくなり、正規化後の各ドットの値が全て同じとき
に最大値１となる。つまり、画像を正規化するため画像
の全体的な明るさの変化の影響は受けずに認識すること
ができる。一般に、図９の（ｃ）に示すように参照パタ
ーンと認識対象パターン上のパターンの重なる部分が大
きいと、類似度が高いと判断される。正規化相関法は、
このように参照パターンに似た形状のパターンを見つけ
るのに用いられる。
【０００４】
【発明が解決しようとする課題】しかしながら、このよ
うな従来のパターン認識方法にあっては、複数の参照パ
ターンの中から認識対象パターンと同じものを求める
際、対比する複数の参照パターン中に互いに類似した形
状のパターンが含まれていると、その類似した形状のパ
ターン間の識別判断が不確実であり、認識対象パターン
撮像時の照明の影響などにより誤った参照画像に対する
類似度の方が高くなることが多々発生するという問題が
ある。これは、形状の似たパターンの複数の参照画像と
の類似度は、いずれも非常に近い値になるためである。
うな従来のパターン認識方法にあっては、複数の参照パ
ターンの中から認識対象パターンと同じものを求める
際、対比する複数の参照パターン中に互いに類似した形
状のパターンが含まれていると、その類似した形状のパ
ターン間の識別判断が不確実であり、認識対象パターン
撮像時の照明の影響などにより誤った参照画像に対する
類似度の方が高くなることが多々発生するという問題が
ある。これは、形状の似たパターンの複数の参照画像と
の類似度は、いずれも非常に近い値になるためである。
【０００５】したがって本照明は、このような従来の問
題点に鑑み、参照パターンとして複数の類似した形状の
パターンがある場合にも精度良く認識することができる
パターン認識方法を提供することを目的とする。
題点に鑑み、参照パターンとして複数の類似した形状の
パターンがある場合にも精度良く認識することができる
パターン認識方法を提供することを目的とする。
【０００６】
【解題を解決するための手段】このように、全ての参照
パターンとの類似度を算出した結果、そのパターンとの
類似度と非常に近い類似度を示す他のパターンがあると
きは、そのような似た形状のパターンが他にもあるわけ
であるから、誤認識している可能性がある。そこで、そ
の類似したパターン間でそれぞれの特徴を顕著に表すデ
ータだけを用いて再認識すると認識が確実になる。
パターンとの類似度を算出した結果、そのパターンとの
類似度と非常に近い類似度を示す他のパターンがあると
きは、そのような似た形状のパターンが他にもあるわけ
であるから、誤認識している可能性がある。そこで、そ
の類似したパターン間でそれぞれの特徴を顕著に表すデ
ータだけを用いて再認識すると認識が確実になる。
【０００７】このため、請求項１に記載の本発明は、多
値画像の認識対象パターンを複数の参照パターンと比較
するパターン認識方法であって、認識対象画像と全ての
参照画像との類似度を求め、その中で最も類似度の高い
ものから順に第１候補および第２候補の参照画像を求
め、第１候補および第２候補の類似度の差が所定のしき
い値以上のとき、第１候補の参照画像のパターンを解と
する第１段階の認識処理と、上記類似度の差が前記所定
のしきい値未満のとき、第１候補および第２候補の参照
画像ならびに認識対象画像の新たな画像を用いて、第１
候補および第２候補の類似度を求め、その中で最も類似
度の高い参照画像のパターンを解とする第２段階の認識
処理とからなるものとした。
値画像の認識対象パターンを複数の参照パターンと比較
するパターン認識方法であって、認識対象画像と全ての
参照画像との類似度を求め、その中で最も類似度の高い
ものから順に第１候補および第２候補の参照画像を求
め、第１候補および第２候補の類似度の差が所定のしき
い値以上のとき、第１候補の参照画像のパターンを解と
する第１段階の認識処理と、上記類似度の差が前記所定
のしきい値未満のとき、第１候補および第２候補の参照
画像ならびに認識対象画像の新たな画像を用いて、第１
候補および第２候補の類似度を求め、その中で最も類似
度の高い参照画像のパターンを解とする第２段階の認識
処理とからなるものとした。
【０００８】上記の第２段階の認識処理は、第１候補お
よび第２候補の参照画像の各特徴軸毎のＡ＝カテゴリー
間分散／全分散を求める第１のステップと、第１候補お
よび第２候補の参照画像と認識対象画像の上記Ａの値が
大きい軸上のデータで構成される新たな画像を作成する
第２のステップと、当該新たに作成した参照画像と認識
対象画像との類似度を求める第３のステップとを含むも
のとするのが好ましい。
よび第２候補の参照画像の各特徴軸毎のＡ＝カテゴリー
間分散／全分散を求める第１のステップと、第１候補お
よび第２候補の参照画像と認識対象画像の上記Ａの値が
大きい軸上のデータで構成される新たな画像を作成する
第２のステップと、当該新たに作成した参照画像と認識
対象画像との類似度を求める第３のステップとを含むも
のとするのが好ましい。
【０００９】また、請求項３に記載の発明は、複数の参
照パターン内で間違えやすいパターンの集合を定める学
習過程と、認識対象画像と全ての参照画像との類似度を
求め、その中で最も類似度の高いものから順に第１候補
および第２候補の参照画像を求め、第１候補および第２
候補の類似度の差が所定のしきい値以上のとき、第１候
補の参照画像のパターンを解とする第１段階の認識処理
と、上記類似度の差が前記所定のしきい値未満のとき、
上記集合のうち第１候補のパターンと間違えやすいと定
義されたパターンの参照画像ならびに認識対象画像の新
たな画像を用いて、第１候補のパターンと間違えやすい
と定義されたパターンの参照画像の類似度を求め、その
中で最も類似度の高い参照画像のパターンを解とする第
２段階の認識処理とからなるパターン認識方法とした。
照パターン内で間違えやすいパターンの集合を定める学
習過程と、認識対象画像と全ての参照画像との類似度を
求め、その中で最も類似度の高いものから順に第１候補
および第２候補の参照画像を求め、第１候補および第２
候補の類似度の差が所定のしきい値以上のとき、第１候
補の参照画像のパターンを解とする第１段階の認識処理
と、上記類似度の差が前記所定のしきい値未満のとき、
上記集合のうち第１候補のパターンと間違えやすいと定
義されたパターンの参照画像ならびに認識対象画像の新
たな画像を用いて、第１候補のパターンと間違えやすい
と定義されたパターンの参照画像の類似度を求め、その
中で最も類似度の高い参照画像のパターンを解とする第
２段階の認識処理とからなるパターン認識方法とした。
【００１０】上記の第２段階の認識処理は、第１候補の
パターンと間違えやすいと定義されたパターンの全ての
参照画像の各特徴軸毎のＡ＝カテゴリー間分散／全分散
を求める第１のステップと、当該定義にかかるすべての
参照画像と認識対象画像の上記Ａの値が大きい軸上のデ
ータで構成される新たな画像を作成する第２のステップ
と、当該新たに作成した参照画像と認識対象画像との類
似度を求める第３のステップとを含むものとするのが好
ましい。
パターンと間違えやすいと定義されたパターンの全ての
参照画像の各特徴軸毎のＡ＝カテゴリー間分散／全分散
を求める第１のステップと、当該定義にかかるすべての
参照画像と認識対象画像の上記Ａの値が大きい軸上のデ
ータで構成される新たな画像を作成する第２のステップ
と、当該新たに作成した参照画像と認識対象画像との類
似度を求める第３のステップとを含むものとするのが好
ましい。
【００１１】
【作用】請求項１のパターン認識方法では、第１段階の
認識処理において、認識対象画像と全ての参照画像との
間で求められた類似度の中で、最も類似度の高い第１候
補と次に高い第２候補の類似度の差を求め、その差がし
きい値以上のときには、認識の確実度が大きいものとし
て第１候補の参照画像のパターンを解とする。類似度の
差がしきい値未満のときには、第２段階の認識処理に移
って、各候補ならびに認識対象について新たな画像を作
成し、この新たな画像を用いて第１候補および第２候補
の類似度を求めて、最も類似度の高い参照画像のパター
ンを解とする。これにより、複数の類似した形状の参照
パターンがある場合にも精度良く認識できる。
認識処理において、認識対象画像と全ての参照画像との
間で求められた類似度の中で、最も類似度の高い第１候
補と次に高い第２候補の類似度の差を求め、その差がし
きい値以上のときには、認識の確実度が大きいものとし
て第１候補の参照画像のパターンを解とする。類似度の
差がしきい値未満のときには、第２段階の認識処理に移
って、各候補ならびに認識対象について新たな画像を作
成し、この新たな画像を用いて第１候補および第２候補
の類似度を求めて、最も類似度の高い参照画像のパター
ンを解とする。これにより、複数の類似した形状の参照
パターンがある場合にも精度良く認識できる。
【００１２】請求項３のパターン認識方法では、第１段
階の認識処理において、前処理として、複数の参照パタ
ーン内で間違えやすいパターンの集合を定めておく。次
いで、認識対象画像と全ての参照画像との間で求められ
た類似度の中で、最も類似度の高い第１候補と次に高い
第２候補の類似度の差を求め、その差がしきい値以上の
ときには、認識の確実度が大きいものとして第１候補の
参照画像のパターンを解とする。
階の認識処理において、前処理として、複数の参照パタ
ーン内で間違えやすいパターンの集合を定めておく。次
いで、認識対象画像と全ての参照画像との間で求められ
た類似度の中で、最も類似度の高い第１候補と次に高い
第２候補の類似度の差を求め、その差がしきい値以上の
ときには、認識の確実度が大きいものとして第１候補の
参照画像のパターンを解とする。
【００１３】類似度の差がしきい値未満のときには、第
２段階の認識処理に移って、前処理で定めておいた集合
から第１候補のパターンと間違えやすいパターンの参照
画像を抽出し、これらの参照画像ならびに認識対象画像
について新たな画像を作成し、この新たな画像を用いて
第１候補のパターンと間違えやすい各パターンの参照画
像の類似度を求め、その中で最も類似度の高い参照画像
のパターンを解とする。 あらかじめ学習によって複数
の参照パターン内で間違えやすいパターンを集合として
定めているから、第２段階の認識処理においてその集合
の全ての参照パターンについて再認識することができ、
複数の類似した形状の参照パターンがある場合の認識の
確実性が高い。
２段階の認識処理に移って、前処理で定めておいた集合
から第１候補のパターンと間違えやすいパターンの参照
画像を抽出し、これらの参照画像ならびに認識対象画像
について新たな画像を作成し、この新たな画像を用いて
第１候補のパターンと間違えやすい各パターンの参照画
像の類似度を求め、その中で最も類似度の高い参照画像
のパターンを解とする。 あらかじめ学習によって複数
の参照パターン内で間違えやすいパターンを集合として
定めているから、第２段階の認識処理においてその集合
の全ての参照パターンについて再認識することができ、
複数の類似した形状の参照パターンがある場合の認識の
確実性が高い。
【００１４】上記それぞれの第２段階の認識処理におい
て、絞られた参照画像の各特徴軸毎のＡ＝カテゴリー間
分散／全分散を求め、参照画像と認識対象画像の上記Ａ
の値が大きい軸上のデータで上記新たな画像を構成する
ことにより、間違えやすいパターン間でも、各パターン
の異なる特徴部分が顕著に現われ、識別が容易となる。
て、絞られた参照画像の各特徴軸毎のＡ＝カテゴリー間
分散／全分散を求め、参照画像と認識対象画像の上記Ａ
の値が大きい軸上のデータで上記新たな画像を構成する
ことにより、間違えやすいパターン間でも、各パターン
の異なる特徴部分が顕著に現われ、識別が容易となる。
【００１５】
【実施例】以下、本発明の実施例を図面に基づいて説明
する。 図１は、本発明の第１の実施例の概要を示す流
れ図である。この実施例では、まず前処理として、ステ
ップＳ２１において、参照パターン内で間違えやすい形
状のパターンの集合を定義した表を作成する。以下、こ
の表を「類似パターン表」Ｚと呼ぶ。そしてこのあと、
ステップＳ２２以降の認識過程に入る。 認識過程は、
第１段階の認識処理と第２段階の認識処理からなる。
する。 図１は、本発明の第１の実施例の概要を示す流
れ図である。この実施例では、まず前処理として、ステ
ップＳ２１において、参照パターン内で間違えやすい形
状のパターンの集合を定義した表を作成する。以下、こ
の表を「類似パターン表」Ｚと呼ぶ。そしてこのあと、
ステップＳ２２以降の認識過程に入る。 認識過程は、
第１段階の認識処理と第２段階の認識処理からなる。
【００１６】第１段階の処理は、第１候補のパターンを
求めるステップＳ２２とＳ２３からなる。ステップＳ２
２においては、認識対象画像と全ての参照画像との類似
度を正規化相関法を用いて演算してマッチングをおこな
い、その中で最も類似度の高いパターンと、その次に類
似度の高いパターンを求めて、それぞれ第１候補ならび
に第２候補とする。ステップＳ２３で、第１候補との類
似度と第２候補との類似度の差を求め、その類似度の差
に基づいて、認識結果の確実性の判断を行なう。ここで
第１候補のパターンが正解である確実性が高いと判断し
たときには、その第１候補の参照パターンをその認識対
象画像の解とする。
求めるステップＳ２２とＳ２３からなる。ステップＳ２
２においては、認識対象画像と全ての参照画像との類似
度を正規化相関法を用いて演算してマッチングをおこな
い、その中で最も類似度の高いパターンと、その次に類
似度の高いパターンを求めて、それぞれ第１候補ならび
に第２候補とする。ステップＳ２３で、第１候補との類
似度と第２候補との類似度の差を求め、その類似度の差
に基づいて、認識結果の確実性の判断を行なう。ここで
第１候補のパターンが正解である確実性が高いと判断し
たときには、その第１候補の参照パターンをその認識対
象画像の解とする。
【００１７】一方、第１候補のパターンが正解である確
実性が低い場合には、第２段階の認識処理としてステッ
プＳ２４に進む。ステップＳ２４では、先のステップＳ
２１で作成した「類似パターン表」Ｚをもとに、第１候
補となったパターンと間違えやすい参照パターンとの間
だけで、それらの特徴を引き出して変換作成した新たな
参照画像および認識対象画像を用いて再認識を行う。そ
してこの認識処理の結果、最も類似度が高くなった参照
パターンをその認識対象画像の解とする。
実性が低い場合には、第２段階の認識処理としてステッ
プＳ２４に進む。ステップＳ２４では、先のステップＳ
２１で作成した「類似パターン表」Ｚをもとに、第１候
補となったパターンと間違えやすい参照パターンとの間
だけで、それらの特徴を引き出して変換作成した新たな
参照画像および認識対象画像を用いて再認識を行う。そ
してこの認識処理の結果、最も類似度が高くなった参照
パターンをその認識対象画像の解とする。
【００１８】以下に、上記の各処理の詳細について説明
する。図２は、上記のステップＳ２１における「類似パ
ターン表」Ｚの作成要領を示す流れ図である。ここでは
まず、ステップＳ２１１において、Ｍ種類の参照パター
ンについて、各種類ごとにそのパターンを表わす既知の
学習用サンプル画像ＳG をそれぞれＮ枚ずつ用意するも
のとする。これら学習用のサンプル画像ＳG は、互いに
多少のノイズや影を含んでおり、各種類内においても互
いには完全に同一ではないものとする。
する。図２は、上記のステップＳ２１における「類似パ
ターン表」Ｚの作成要領を示す流れ図である。ここでは
まず、ステップＳ２１１において、Ｍ種類の参照パター
ンについて、各種類ごとにそのパターンを表わす既知の
学習用サンプル画像ＳG をそれぞれＮ枚ずつ用意するも
のとする。これら学習用のサンプル画像ＳG は、互いに
多少のノイズや影を含んでおり、各種類内においても互
いには完全に同一ではないものとする。
【００１９】つぎにこのサンプル画像ＳG を利用して学
習を行う。学習のために、「投票用の表」ＺH を準備し
ておく。「投票用の表」ＺH は、縦横それぞれ参照パタ
ーンの種類に対応させたＭ×Ｍの欄を備え、各欄の値ｖ
ａｌｕｅ（ｘ，ｙ）は初期化時にすべて０としておく。
習を行う。学習のために、「投票用の表」ＺH を準備し
ておく。「投票用の表」ＺH は、縦横それぞれ参照パタ
ーンの種類に対応させたＭ×Ｍの欄を備え、各欄の値ｖ
ａｌｕｅ（ｘ，ｙ）は初期化時にすべて０としておく。
【００２０】ここでは、パターンＢと間違えやすい参照
パターンを定義する場合を例にとる。まずステップＳ２
１２で、パターンＢを表すＮ枚の画像を認識対象とし
て、そのうちの１枚とＭ種の参照画像との類似度を求め
る。類似度の算出には、式（１）の正規化相関式を用い
る。そして、ステップＳ２１３で、この演算の結果が正
解であるかどうかをチェックする。
パターンを定義する場合を例にとる。まずステップＳ２
１２で、パターンＢを表すＮ枚の画像を認識対象とし
て、そのうちの１枚とＭ種の参照画像との類似度を求め
る。類似度の算出には、式（１）の正規化相関式を用い
る。そして、ステップＳ２１３で、この演算の結果が正
解であるかどうかをチェックする。
【００２１】この演算の結果が正解であるとき、すなわ
ちＭ個の中で最も類似度が高いパターンが参照パターン
Ｂである場合は、ステップＳ２１４において、類似度が
参照パターンＢとの類似度との間に所定のしきい値未満
の差をもつ他の参照パターンを探索する。
ちＭ個の中で最も類似度が高いパターンが参照パターン
Ｂである場合は、ステップＳ２１４において、類似度が
参照パターンＢとの類似度との間に所定のしきい値未満
の差をもつ他の参照パターンを探索する。
【００２２】そしてその条件を満たす参照パターンＸが
あれば、ステップＳ２１６で、「投票用の表」ＺH 上の
縦がＢで横が参照パターンＸの位置に、あらかじめ定義
した適当な定数である点数Ｋを加算する。つまり、式
（２）を満たす参照パターンＸが存在する場合、「投票
用の表」ＺH に対して式（３）を施すという操作を行
う。 （正解の参照パターンＢとの類似度） −（参照パターンＸとの類似度）＜しきい値 （２） ｖａｌｕｅ（Ｂ，Ｘ）＝ｖａｌｕｅ（Ｂ，Ｘ）＋Ｋ （３）
あれば、ステップＳ２１６で、「投票用の表」ＺH 上の
縦がＢで横が参照パターンＸの位置に、あらかじめ定義
した適当な定数である点数Ｋを加算する。つまり、式
（２）を満たす参照パターンＸが存在する場合、「投票
用の表」ＺH に対して式（３）を施すという操作を行
う。 （正解の参照パターンＢとの類似度） −（参照パターンＸとの類似度）＜しきい値 （２） ｖａｌｕｅ（Ｂ，Ｘ）＝ｖａｌｕｅ（Ｂ，Ｘ）＋Ｋ （３）
【００２３】類似度の差がしきい値未満である参照パタ
ーンＸが複数ある場合には、その参照パターンすべてに
おいて、同様に、「投票用の表」ＺH 上のその参照パタ
ーンの位置の値に点数Ｋを加算する。例えば、しきい値
＝０．２として、参照パターンＢとの類似度が０．８、
参照パターンＤ、Ｅ、Ｆ、Ｏ、Ｒとの類似度がそれぞれ
０．４、０．７、０．５、０．２、０．６５であったと
き、類似度の差が０．８−０．７＝０．１＜０．２であ
るＥと、０．８−０．６５＝０．１５＜０．２であるＲ
を類似度が高いものとして、「投票用の表」ＺH の縦が
Ｂで、横がＸとしてのＦとＲの位置に点数を加算する。
ーンＸが複数ある場合には、その参照パターンすべてに
おいて、同様に、「投票用の表」ＺH 上のその参照パタ
ーンの位置の値に点数Ｋを加算する。例えば、しきい値
＝０．２として、参照パターンＢとの類似度が０．８、
参照パターンＤ、Ｅ、Ｆ、Ｏ、Ｒとの類似度がそれぞれ
０．４、０．７、０．５、０．２、０．６５であったと
き、類似度の差が０．８−０．７＝０．１＜０．２であ
るＥと、０．８−０．６５＝０．１５＜０．２であるＲ
を類似度が高いものとして、「投票用の表」ＺH の縦が
Ｂで、横がＸとしてのＦとＲの位置に点数を加算する。
【００２４】一方、ステップ２１３のチェック結果が正
解でないとき、すなわち最も類似度の高いパターンが参
照パターンＢでなかった場合は、ステップＳ２１５にお
いて、最も類似度が高い参照パターンを抽出する。そし
て、ステップ２１６に進んで、「投票用の表」ＺH 上の
縦がＢで、横がその最も類似度が高かった参照パターン
の位置Ｙに点数を加算する。例えば、参照パターンＢと
の類似度が０．６、参照パターンＤ、Ｅ、Ｆ、Ｏ、Ｒと
の類似度がそれぞれ０．４、０．７、０．５、０．２、
０．６５であったときは、「投票用の表」ＺH の縦がＢ
で、横が類似度の最も高いＥの位置に点数を加算する。
解でないとき、すなわち最も類似度の高いパターンが参
照パターンＢでなかった場合は、ステップＳ２１５にお
いて、最も類似度が高い参照パターンを抽出する。そし
て、ステップ２１６に進んで、「投票用の表」ＺH 上の
縦がＢで、横がその最も類似度が高かった参照パターン
の位置Ｙに点数を加算する。例えば、参照パターンＢと
の類似度が０．６、参照パターンＤ、Ｅ、Ｆ、Ｏ、Ｒと
の類似度がそれぞれ０．４、０．７、０．５、０．２、
０．６５であったときは、「投票用の表」ＺH の縦がＢ
で、横が類似度の最も高いＥの位置に点数を加算する。
【００２５】Ｎ枚の画像について同じ処理を行い、終了
後の「投票用の表」ＺH 上において、所定のしきい値以
上の点数がついている参照パターンを、「パターンＢと
間違えやすいパターン」として定義する。上記の操作を
Ｍ種の参照パターンすべてにおいて繰り返し行ない、ス
テップＳ２１７で、「類似パターン表」Ｚが作成され
る。すなわち、上記のステップＳ２１６で定義された
「パターンＢと間違えやすいパターン」が”「類似パタ
ーン表」ＺのＢの行を定義し、他のパターンについても
同様にして各行が定義される。
後の「投票用の表」ＺH 上において、所定のしきい値以
上の点数がついている参照パターンを、「パターンＢと
間違えやすいパターン」として定義する。上記の操作を
Ｍ種の参照パターンすべてにおいて繰り返し行ない、ス
テップＳ２１７で、「類似パターン表」Ｚが作成され
る。すなわち、上記のステップＳ２１６で定義された
「パターンＢと間違えやすいパターン」が”「類似パタ
ーン表」ＺのＢの行を定義し、他のパターンについても
同様にして各行が定義される。
【００２６】次に、図３は第１段階の認識処理の詳細を
示す。まず、ステップＳ２２１において、認識対象パタ
ーンを示す認識対象画像と参照パターンを表わすＭ枚の
すべての参照画像との類似度を、前述の式（１）による
正規化相関法を用いて求める。そして、ステップＳ２２
２で、その演算結果から、最も類似度の高いパターン
（第１候補）と、その次に類似度の高いパターン（第２
候補）を抽出する。
示す。まず、ステップＳ２２１において、認識対象パタ
ーンを示す認識対象画像と参照パターンを表わすＭ枚の
すべての参照画像との類似度を、前述の式（１）による
正規化相関法を用いて求める。そして、ステップＳ２２
２で、その演算結果から、最も類似度の高いパターン
（第１候補）と、その次に類似度の高いパターン（第２
候補）を抽出する。
【００２７】ステップＳ２２３では、第１候補の類似度
と第２候補の類似度の差を求め、その差があらかじめ設
定された所定のしきい値未満であるかどうかをチェック
する。類似度の差がしきい値以上であるときは、認識結
果の確実性が高いものとして、第１候補のパターンをそ
のときの解とする。一方、類似度の差が上記しきい値未
満のときは、認識結果の確実性が低いものとして、再認
識するための第２段階の処理に移る。上記のステップＳ
２２１およびＳ２２２が図１におけるステップＳ２２に
該当し、ステップＳ２２３がステップＳ２３に該当して
いる。
と第２候補の類似度の差を求め、その差があらかじめ設
定された所定のしきい値未満であるかどうかをチェック
する。類似度の差がしきい値以上であるときは、認識結
果の確実性が高いものとして、第１候補のパターンをそ
のときの解とする。一方、類似度の差が上記しきい値未
満のときは、認識結果の確実性が低いものとして、再認
識するための第２段階の処理に移る。上記のステップＳ
２２１およびＳ２２２が図１におけるステップＳ２２に
該当し、ステップＳ２２３がステップＳ２３に該当して
いる。
【００２８】図４は、先のステップＳ２４における第２
段階の処理の詳細を示す。まず、ステップＳ２４１にお
いて、学習過程で作成した「類似パターン表」Ｚから第
１候補のパターンと間違えやすいパターンを抽出する。
以下、このパターンの集合を「類似パターン集合」と呼
ぶ。例えば、第１候補パターンがＢであるとき、同図に
示す「類似パターン表」Ｚに基づくと、「類似パターン
集合」は｛Ｂ，Ｅ，Ｒ｝と定義される。そして、ステッ
プＳ２４２で、サンプル画像ＳG から、上記Ｂ、Ｅ、Ｒ
の各カテゴリに属する各Ｎ枚の画像を選択する。
段階の処理の詳細を示す。まず、ステップＳ２４１にお
いて、学習過程で作成した「類似パターン表」Ｚから第
１候補のパターンと間違えやすいパターンを抽出する。
以下、このパターンの集合を「類似パターン集合」と呼
ぶ。例えば、第１候補パターンがＢであるとき、同図に
示す「類似パターン表」Ｚに基づくと、「類似パターン
集合」は｛Ｂ，Ｅ，Ｒ｝と定義される。そして、ステッ
プＳ２４２で、サンプル画像ＳG から、上記Ｂ、Ｅ、Ｒ
の各カテゴリに属する各Ｎ枚の画像を選択する。
【００２９】次に、ステップＳ２４３において、「類似
パターン集合」に属する上記選択したパターンとの類似
度を求める。ここでは、まず、上記「類似パターン集
合」内の参照パターンを表す参照画像間で、各特徴軸ご
とに下式で表わされる値Ａを求める。 Ａ＝カテゴリー間分散／全分散 （４） ここで、 カテゴリー間分散＝類似パターンを表すＮ枚の画像の平
均値から作成した類似パターンの個数分のパターンを表
わす画像の同じ位置のドットの輝度値の分散 全分散＝「類似パターン集合」内の全パターン分のＮ枚
の画像の同じ位置のドットの輝度値の分散 である。図５は、類似パターン集合がＢ、Ｅ、Ｒである
場合における、上記の計算で使用するデータを図示した
ものである。式（５）は類似パターン集合がＢ、Ｅ、Ｒ
のときにおける、点（ｉ，ｊ）のＡの求め方である。こ
の式を用いて、上記Ａを参照画像上の全てのドットにつ
いて求める。
パターン集合」に属する上記選択したパターンとの類似
度を求める。ここでは、まず、上記「類似パターン集
合」内の参照パターンを表す参照画像間で、各特徴軸ご
とに下式で表わされる値Ａを求める。 Ａ＝カテゴリー間分散／全分散 （４） ここで、 カテゴリー間分散＝類似パターンを表すＮ枚の画像の平
均値から作成した類似パターンの個数分のパターンを表
わす画像の同じ位置のドットの輝度値の分散 全分散＝「類似パターン集合」内の全パターン分のＮ枚
の画像の同じ位置のドットの輝度値の分散 である。図５は、類似パターン集合がＢ、Ｅ、Ｒである
場合における、上記の計算で使用するデータを図示した
ものである。式（５）は類似パターン集合がＢ、Ｅ、Ｒ
のときにおける、点（ｉ，ｊ）のＡの求め方である。こ
の式を用いて、上記Ａを参照画像上の全てのドットにつ
いて求める。
【数２】
【００３０】図４に戻って、このあとステップＳ２４４
では、「Ａ」の値が大きい特徴軸上のデータは、この集
合内のパターンの特徴を顕著に表しているデータである
ので、「Ａ」の値が所定のしきい値より大きい特徴軸上
のデータだけで構成される新たな参照画像および認識対
象画像を作成する。
では、「Ａ」の値が大きい特徴軸上のデータは、この集
合内のパターンの特徴を顕著に表しているデータである
ので、「Ａ」の値が所定のしきい値より大きい特徴軸上
のデータだけで構成される新たな参照画像および認識対
象画像を作成する。
【００３１】図６は、この新しい画像の作成方法を示し
た図である。ここでは、参照画像の大きさ（横×縦）を
４×３とし、６個のデータからなる新たな画像を作成す
るものとする。まず、前述の式（２）より、各ドットの
「Ａ」を求め、その「Ａ」の値が大きい上位６ヶ所の位
置を求める。図６では上位６ヶ所の位置が（０，０）、
（３，０）、（１，１）、（２，１）、（３，１）、
（３，２）で、これらの位置の輝度値データを用いて横
６の画像に変換されている。この変換処理を類似パター
ン内の全ての参照画像および認識対象画像に対して行
い、その６ヶ所の位置の輝度で構成される新たな画像を
作成する。
た図である。ここでは、参照画像の大きさ（横×縦）を
４×３とし、６個のデータからなる新たな画像を作成す
るものとする。まず、前述の式（２）より、各ドットの
「Ａ」を求め、その「Ａ」の値が大きい上位６ヶ所の位
置を求める。図６では上位６ヶ所の位置が（０，０）、
（３，０）、（１，１）、（２，１）、（３，１）、
（３，２）で、これらの位置の輝度値データを用いて横
６の画像に変換されている。この変換処理を類似パター
ン内の全ての参照画像および認識対象画像に対して行
い、その６ヶ所の位置の輝度で構成される新たな画像を
作成する。
【００３２】図４に戻って、ステップ２４５で、この新
たに作成した画像を用いて、式（１）の正規化相関法に
より、認識対象パターンと参照パターンとの類似度を求
める。 そしてこの処理の結果、最も類似度が高くなっ
た参照パターンをその認識対象画像の解とする。
たに作成した画像を用いて、式（１）の正規化相関法に
より、認識対象パターンと参照パターンとの類似度を求
める。 そしてこの処理の結果、最も類似度が高くなっ
た参照パターンをその認識対象画像の解とする。
【００３３】つぎに、以上の認識方法における作用を説
明する。図７に示すようなそれぞれ大きさ（横×縦）３
×５のパターンＢ、Ｃ、Ｄ、Ｅ、Ｆの５つの参照パター
ンの中から、同図右下部の認識対象画像ＰＮで表わされ
る認識対象パターンを探す認識処理を例として説明す
る。認識対象画像ＰＮのパターンは、パターンＥ、Ｆと
は形状に大きく差があるため類似度も低くなるが、パタ
ーンＢ、Ｃ、Ｄは似た形状であるため、それらとの類似
度はいずれも高くなる。つまり、第１段階の認識処理で
５つ全てのパターンとの類似度を計算すると、第１候補
の類似度と第２候補の類似度との差が小さくなる。その
ため、第２段階の認識処理を行うことになる。
明する。図７に示すようなそれぞれ大きさ（横×縦）３
×５のパターンＢ、Ｃ、Ｄ、Ｅ、Ｆの５つの参照パター
ンの中から、同図右下部の認識対象画像ＰＮで表わされ
る認識対象パターンを探す認識処理を例として説明す
る。認識対象画像ＰＮのパターンは、パターンＥ、Ｆと
は形状に大きく差があるため類似度も低くなるが、パタ
ーンＢ、Ｃ、Ｄは似た形状であるため、それらとの類似
度はいずれも高くなる。つまり、第１段階の認識処理で
５つ全てのパターンとの類似度を計算すると、第１候補
の類似度と第２候補の類似度との差が小さくなる。その
ため、第２段階の認識処理を行うことになる。
【００３４】第２段階の認識処理では、第１段階の処理
で類似度の高かったパターンＢ、Ｃ、Ｄの３つを参照画
像とする。この３つの画像の各ドット毎のカテゴリー間
分散を求めると、パターン毎に異なる値を示している点
（４，０）と点（２，１）の位置の値が大きくなる。し
たがって、「Ａ」の値も大きいこれら２つの点のデータ
を用いて、パターンＢ、Ｃ、ＤはパターンＢ′、Ｃ′、
Ｄ′に変換される。パターンＢ′、Ｃ′、Ｄ′はパター
ンＢ、Ｃ、Ｄの間での互いに異なる特徴を顕著に表して
いる画素である。そのため、このパターンＢ′、Ｃ′、
Ｄ′と同じ位置のドットの値で作成した新たな認識対象
画像Ｐ’との類似度を求めると、パターンＣ’との間に
極めて高い類似度が得られ、確実性の高い認識結果が得
られる。
で類似度の高かったパターンＢ、Ｃ、Ｄの３つを参照画
像とする。この３つの画像の各ドット毎のカテゴリー間
分散を求めると、パターン毎に異なる値を示している点
（４，０）と点（２，１）の位置の値が大きくなる。し
たがって、「Ａ」の値も大きいこれら２つの点のデータ
を用いて、パターンＢ、Ｃ、ＤはパターンＢ′、Ｃ′、
Ｄ′に変換される。パターンＢ′、Ｃ′、Ｄ′はパター
ンＢ、Ｃ、Ｄの間での互いに異なる特徴を顕著に表して
いる画素である。そのため、このパターンＢ′、Ｃ′、
Ｄ′と同じ位置のドットの値で作成した新たな認識対象
画像Ｐ’との類似度を求めると、パターンＣ’との間に
極めて高い類似度が得られ、確実性の高い認識結果が得
られる。
【００３５】以上のように、本実施例では、複数の参照
パターンの中から認識対象パターンと類似したパターン
を求めるにあたって、まず、全参照画像との類似度から
候補を求めるとともに、そのマッチング結果が不確実の
場合、類似したパターンの参照画像について新たな画像
を作成し再認識するものとしたので、複数の類似した形
状の参照パターンがある場合にも精度良く認識すること
ができるという効果がある。
パターンの中から認識対象パターンと類似したパターン
を求めるにあたって、まず、全参照画像との類似度から
候補を求めるとともに、そのマッチング結果が不確実の
場合、類似したパターンの参照画像について新たな画像
を作成し再認識するものとしたので、複数の類似した形
状の参照パターンがある場合にも精度良く認識すること
ができるという効果がある。
【００３６】とくに、再認識のための新たな画像につい
ては、あらかじめ定義した類似パターンの集合を基に、
その集合に含まれる類似するパターンの参照画像だけを
用いて、各ドット毎のカテゴリー間分散／全分散を求
め、その値の大きい位置のドットだけで構成される画像
を作成するものとしたので、類似した形状のパターン間
の認識において、それらの間での異なる部分が顕著にな
った画像データを用いて認識を行うことができ、類似し
たパターン間での認識が確実に行えるという効果を有す
る。
ては、あらかじめ定義した類似パターンの集合を基に、
その集合に含まれる類似するパターンの参照画像だけを
用いて、各ドット毎のカテゴリー間分散／全分散を求
め、その値の大きい位置のドットだけで構成される画像
を作成するものとしたので、類似した形状のパターン間
の認識において、それらの間での異なる部分が顕著にな
った画像データを用いて認識を行うことができ、類似し
たパターン間での認識が確実に行えるという効果を有す
る。
【００３７】図８は、本発明の第２の実施例の構成を示
す流れ図である。認識過程は、前実施例と同様に第１段
階の処理と第２段階の処理からなる。第１段階の処理
は、第１候補のパターンを求めるステップＳ５１とＳ５
２からなる。まず、ステップＳ５１において、認識対象
画像と全ての参照画像との類似度を正規化相関法を用い
て演算し、その中で最も類似度の高いパターンと、その
次に類似度の高いパターンを求め、それぞれ第１候補な
らびに第２候補とする。
す流れ図である。認識過程は、前実施例と同様に第１段
階の処理と第２段階の処理からなる。第１段階の処理
は、第１候補のパターンを求めるステップＳ５１とＳ５
２からなる。まず、ステップＳ５１において、認識対象
画像と全ての参照画像との類似度を正規化相関法を用い
て演算し、その中で最も類似度の高いパターンと、その
次に類似度の高いパターンを求め、それぞれ第１候補な
らびに第２候補とする。
【００３８】ステップＳ５２で、第１候補との類似度と
第２候補との類似度の差を求める。そして、その類似度
の差があらかじめ設定された所定のしきい値以上であれ
ば、第１候補の参照パターンをその認識対象画像の解と
する。ステップＳ５１およびＳ５２は前実施例における
図１のステップＳ２２、Ｓ２３と同じである。
第２候補との類似度の差を求める。そして、その類似度
の差があらかじめ設定された所定のしきい値以上であれ
ば、第１候補の参照パターンをその認識対象画像の解と
する。ステップＳ５１およびＳ５２は前実施例における
図１のステップＳ２２、Ｓ２３と同じである。
【００３９】一方、類似度の差が上記しきい値未満のと
きは、第２段階の認識処理としてステップＳ５３に進
む。ステップＳ５３では、上記第１候補および第２候補
となった２つの参照パターンに対して再認識を行う。つ
まり、前実施例で定義した「類似パターン集合」のかわ
りに第１候補および第２候補を用いる。再認識の処理は
前実施例と同じである、すなわち、ドット毎のカテゴリ
ー間分散を考慮して、第１候補および第２候補の新たな
参照画像および認識対象画像を作成し、この新たな画像
同志の類似度を求めて、類似度の大きい方を認識結果と
する。
きは、第２段階の認識処理としてステップＳ５３に進
む。ステップＳ５３では、上記第１候補および第２候補
となった２つの参照パターンに対して再認識を行う。つ
まり、前実施例で定義した「類似パターン集合」のかわ
りに第１候補および第２候補を用いる。再認識の処理は
前実施例と同じである、すなわち、ドット毎のカテゴリ
ー間分散を考慮して、第１候補および第２候補の新たな
参照画像および認識対象画像を作成し、この新たな画像
同志の類似度を求めて、類似度の大きい方を認識結果と
する。
【００４０】この実施例は以上のように構成されている
から、参照パターンの中に類似したパターンが含まれな
い場合あるいは類似パターンが３未満の場合で、「類似
パターン表」が作成されなかったり、作成できても簡単
に「類似パターン集合」内での特徴を引き出して新たな
参照画像を作成することができないときにも有功で、前
実施例と同様に、複数の類似した形状の参照パターンが
ある場合にも精度良く認識することができる。
から、参照パターンの中に類似したパターンが含まれな
い場合あるいは類似パターンが３未満の場合で、「類似
パターン表」が作成されなかったり、作成できても簡単
に「類似パターン集合」内での特徴を引き出して新たな
参照画像を作成することができないときにも有功で、前
実施例と同様に、複数の類似した形状の参照パターンが
ある場合にも精度良く認識することができる。
【００４１】
【発明の効果】以上のとおり、本発明は、多値画像の認
識対象パターンを複数の参照パターンと比較するパター
ン認識方法において、認識対象画像と全ての参照画像と
の間で求められた類似度の中で、最も類似度の高い第１
候補と次に高い第２候補の類似度の差を求め、その差が
しきい値以上のときには、第１候補の参照画像のパター
ンを解とする第１段階の認識処理と、類似度の差がしき
い値未満のときには、各候補ならびに認識対象について
新たな画像を作成し、この新たな画像を用いて第１候補
および第２候補の類似度を求めて、最も類似度の高い参
照画像のパターンを解とする第２段階の認識処理からな
るものとしたので、複数の類似した形状の参照パターン
がある場合にも精度良く認識できるという効果を有す
る。
識対象パターンを複数の参照パターンと比較するパター
ン認識方法において、認識対象画像と全ての参照画像と
の間で求められた類似度の中で、最も類似度の高い第１
候補と次に高い第２候補の類似度の差を求め、その差が
しきい値以上のときには、第１候補の参照画像のパター
ンを解とする第１段階の認識処理と、類似度の差がしき
い値未満のときには、各候補ならびに認識対象について
新たな画像を作成し、この新たな画像を用いて第１候補
および第２候補の類似度を求めて、最も類似度の高い参
照画像のパターンを解とする第２段階の認識処理からな
るものとしたので、複数の類似した形状の参照パターン
がある場合にも精度良く認識できるという効果を有す
る。
【００４２】また、第１段階の認識処理のまえに、前処
理として、複数の参照パターン内で間違えやすいパター
ンの集合を定める学習過程をおくとともに、第２段階の
認識処理での新たな画像は、前処理で定めておいた集合
から抽出した第１候補のパターンと間違えやすいパター
ンの参照画像と認識対象画像について作成するものと
し、この新たな画像を用いて求めた類似度の中で最も類
似度の高い参照画像のパターンを解とするようにするこ
とにより、間違えやすいパターンの全てについて再認識
することができるから、複数の類似した形状の参照パタ
ーンがある場合の認識において、より高い確実性が得ら
れる。
理として、複数の参照パターン内で間違えやすいパター
ンの集合を定める学習過程をおくとともに、第２段階の
認識処理での新たな画像は、前処理で定めておいた集合
から抽出した第１候補のパターンと間違えやすいパター
ンの参照画像と認識対象画像について作成するものと
し、この新たな画像を用いて求めた類似度の中で最も類
似度の高い参照画像のパターンを解とするようにするこ
とにより、間違えやすいパターンの全てについて再認識
することができるから、複数の類似した形状の参照パタ
ーンがある場合の認識において、より高い確実性が得ら
れる。
【００４３】さらに、第２段階の認識処理における新た
な画像を、上記第１候補および第２候補の、あるいは間
違えやすいパターンの参照画像の各特徴軸毎のＡ＝カテ
ゴリー間分散／全分散を求め、参照画像と認識対象画像
の上記Ａの値が大きい軸上のデータで構成することによ
り、各パターンの異なる特徴部分が顕著に現われ、識別
が容易となる。
な画像を、上記第１候補および第２候補の、あるいは間
違えやすいパターンの参照画像の各特徴軸毎のＡ＝カテ
ゴリー間分散／全分散を求め、参照画像と認識対象画像
の上記Ａの値が大きい軸上のデータで構成することによ
り、各パターンの異なる特徴部分が顕著に現われ、識別
が容易となる。
【図１】本発明の第１の実施例の概要を示す流れ図であ
る。
る。
【図２】「類似パターン表」の作成要領を示す流れ図で
ある。
ある。
【図３】第１段階の認識処理の詳細を示す図である。
【図４】第２段階の認識処理の詳細を示す図である。
【図５】参照画像のカテゴリー間分散を求める際のパタ
ーンカテゴリーを示す説明図である。
ーンカテゴリーを示す説明図である。
【図６】新たな画像の作成方法を示す図である。
【図７】新たな画像による認識例を示す説明図である。
【図８】第２の実施例の構成を示す流れ図である。
【図９】認識対象パターンと参照パターンの画像例を示
す図である。
す図である。
Ｐ 認識対象パターン Ｓ 参照パターン ＳG サンプル画像 Ｚ 「類似パターン表」 ＺH 「投票用の表」
Claims (4)
- 【請求項１】 多値画像の認識対象パターンを複数の参
照パターンと比較するパターン認識方法であって、認識
対象画像と全ての参照画像との類似度を求め、その中で
最も類似度の高いものから順に第１候補および第２候補
の参照画像を求め、第１候補および第２候補の類似度の
差が所定のしきい値以上のとき、第１候補の参照画像の
パターンを解とする第１段階の認識処理と、前記類似度
の差が前記所定のしきい値未満のとき、第１候補および
第２候補の参照画像ならびに認識対象画像の新たな画像
を用いて、第１候補および第２候補の類似度を求め、そ
の中で最も類似度の高い参照画像のパターンを解とする
第２段階の認識処理とからなることを特徴とするパター
ン認識方法。 - 【請求項２】 前記第２段階の認識処理は、前記第１候
補および第２候補の参照画像の各特徴軸毎のＡ＝カテゴ
リー間分散／全分散を求める第１のステップと、前記第
１候補および第２候補の参照画像と認識対象画像の前記
Ａの値が大きい軸上のデータで構成される新たな画像を
作成する第２のステップと、当該新たに作成した参照画
像と認識対象画像との類似度を求める第３のステップと
を含むものであることを特徴とするパターン認識方法。 - 【請求項３】 多値画像の認識対象パターンを複数の参
照パターンと比較するパターン認識方法であって、前記
複数の参照パターン内で間違えやすいパターンの集合を
定める学習過程と、認識対象画像と全ての参照画像との
類似度を求め、その中で最も類似度の高いものから順に
第１候補および第２候補の参照画像を求め、第１候補お
よび第２候補の類似度の差が所定のしきい値以上のと
き、第１候補の参照画像のパターンを解とする第１段階
の認識処理と、前記類似度の差が前記所定のしきい値未
満のとき、前記集合のうち第１候補のパターンと間違え
やすいと定義されたパターンの参照画像ならびに認識対
象画像の新たな画像を用いて、前記第１候補のパターン
と間違えやすいと定義されたパターンの参照画像の類似
度を求め、その中で最も類似度の高い参照画像のパター
ンを解とする第２段階の認識処理とからなることを特徴
とするパターン認識方法。 - 【請求項４】 前記第２段階の認識処理は、前記第１候
補のパターンと間違えやすいと定義されたパターンの全
ての参照画像の各特徴軸毎のＡ＝カテゴリー間分散／全
分散を求める第１のステップと、当該定義にかかるすべ
ての参照画像と認識対象画像の前記Ａの値が大きい軸上
のデータで構成される新たな画像を作成する第２のステ
ップと、当該新たに作成した参照画像と認識対象画像と
の類似度を求める第３のステップとを含むものであるこ
とを特徴とするパターン認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8647195A JPH08263655A (ja) | 1995-03-17 | 1995-03-17 | パターン認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8647195A JPH08263655A (ja) | 1995-03-17 | 1995-03-17 | パターン認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08263655A true JPH08263655A (ja) | 1996-10-11 |
Family
ID=13887885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8647195A Withdrawn JPH08263655A (ja) | 1995-03-17 | 1995-03-17 | パターン認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08263655A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004167158A (ja) * | 2002-11-22 | 2004-06-17 | Glory Ltd | 薬剤認識装置 |
| US7003162B2 (en) | 2000-11-27 | 2006-02-21 | Omron Corporation | Apparatus and method for examining images |
| WO2010103736A1 (ja) * | 2009-03-13 | 2010-09-16 | オムロン株式会社 | 顔認証装置、人物画像検索システム、顔認証装置制御プログラム、コンピュータ読み取り可能な記録媒体、および顔認証装置の制御方法 |
| WO2013038732A1 (ja) * | 2011-09-15 | 2013-03-21 | オムロン株式会社 | 画像処理装置、画像処理方法、制御プログラムおよび記録媒体 |
| JP6891355B1 (ja) * | 2019-12-27 | 2021-06-18 | 楽天グループ株式会社 | 認証システム、認証装置、認証方法、及びプログラム |
-
1995
- 1995-03-17 JP JP8647195A patent/JPH08263655A/ja not_active Withdrawn
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7003162B2 (en) | 2000-11-27 | 2006-02-21 | Omron Corporation | Apparatus and method for examining images |
| JP2004167158A (ja) * | 2002-11-22 | 2004-06-17 | Glory Ltd | 薬剤認識装置 |
| WO2010103736A1 (ja) * | 2009-03-13 | 2010-09-16 | オムロン株式会社 | 顔認証装置、人物画像検索システム、顔認証装置制御プログラム、コンピュータ読み取り可能な記録媒体、および顔認証装置の制御方法 |
| JP2010218060A (ja) * | 2009-03-13 | 2010-09-30 | Omron Corp | 顔認証装置、人物画像検索システム、顔認証装置制御プログラム、コンピュータ読み取り可能な記録媒体、および顔認証装置の制御方法 |
| CN102124493A (zh) * | 2009-03-13 | 2011-07-13 | 欧姆龙株式会社 | 脸部识别装置、人物图像检索系统、脸部识别装置控制程序、计算机可读取的记录媒体、以及脸部识别装置的控制方法 |
| WO2013038732A1 (ja) * | 2011-09-15 | 2013-03-21 | オムロン株式会社 | 画像処理装置、画像処理方法、制御プログラムおよび記録媒体 |
| JP2013065107A (ja) * | 2011-09-15 | 2013-04-11 | Omron Corp | 画像処理装置、画像処理方法、制御プログラムおよび記録媒体 |
| JP6891355B1 (ja) * | 2019-12-27 | 2021-06-18 | 楽天グループ株式会社 | 認証システム、認証装置、認証方法、及びプログラム |
| WO2021131059A1 (ja) * | 2019-12-27 | 2021-07-01 | 楽天グループ株式会社 | 認証システム、認証装置、認証方法、及びプログラム |
| TWI771819B (zh) * | 2019-12-27 | 2022-07-21 | 日商樂天集團股份有限公司 | 認證系統、認證裝置、認證方法、及程式產品 |
| US11991180B2 (en) | 2019-12-27 | 2024-05-21 | Rakuten Group, Inc. | Authentication system, authentication device, authentication method and program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492272B (zh) | 基于注意力模型及多任务神经网络的心血管易损斑块识别方法及系统 | |
| US6339651B1 (en) | Robust identification code recognition system | |
| US4972499A (en) | Pattern recognition apparatus | |
| US6327386B1 (en) | Key character extraction and lexicon reduction for cursive text recognition | |
| US5005205A (en) | Handwriting recognition employing pairwise discriminant measures | |
| US5917941A (en) | Character segmentation technique with integrated word search for handwriting recognition | |
| EP0355748A2 (en) | A pattern recognition apparatus and method for doing the same | |
| EP0564827A2 (en) | A post-processing error correction scheme using a dictionary for on-line handwriting recognition | |
| US11507780B2 (en) | Image analysis device, image analysis method, and image analysis program | |
| CN118038467A (zh) | 一种含脏污缺漏的古籍文字识别方法和古籍识别设备 | |
| CN120126146B (zh) | 一种基于深度学习的智能阅卷内容检测与识别方法及系统 | |
| JP2005128628A (ja) | パターン識別における照合に用いられるテンプレートの生成ならびに同テンプレートを用いたパターン識別のための方法、装置、およびプログラム | |
| JPH08263655A (ja) | パターン認識方法 | |
| KR101849933B1 (ko) | 공분산 기술자와 퍼지 모델을 이용한 심볼 인식장치 | |
| JP2898562B2 (ja) | ナンバープレート決定方法 | |
| CN119918016A (zh) | 基于人工智能的学生学习状态监督方法、装置、终端设备以及存储介质 | |
| JP3469375B2 (ja) | 認識結果の確信度決定方法及び文字認識装置 | |
| JP3209197B2 (ja) | 文字認識装置及び文字認識プログラムを記録した記録媒体 | |
| JP3074691B2 (ja) | 文字認識装置 | |
| KR100292352B1 (ko) | 형태소 분석을 이용한 인식기의 편집방법 | |
| JP2851865B2 (ja) | 文字認識装置 | |
| JPS63136286A (ja) | オンライン文字認識方式 | |
| JP2001243425A (ja) | オンライン文字認識装置およびオンライン文字認識方法 | |
| CN118052984A (zh) | 一种对噪声鲁棒的图像分割方法和系统 | |
| JP2953162B2 (ja) | 文字認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20020604 |