JPH08263667A - ロールシャッハ画像認識方法 - Google Patents
ロールシャッハ画像認識方法Info
- Publication number
- JPH08263667A JPH08263667A JP6924295A JP6924295A JPH08263667A JP H08263667 A JPH08263667 A JP H08263667A JP 6924295 A JP6924295 A JP 6924295A JP 6924295 A JP6924295 A JP 6924295A JP H08263667 A JPH08263667 A JP H08263667A
- Authority
- JP
- Japan
- Prior art keywords
- area
- scanning
- characteristic
- rorschach
- image
- 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.)
- Pending
Links
Landscapes
- Image Input (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 画像認識処理をよりヒューマン・フレンドリ
化したロールシャッハ画像認識方法を得る。 【構成】 全所要時間の略１０分の１以内で、最終的に
必要とされる最大のグリッド数の略１０分の１以内の粗
走査を元画像１の全領域に渡って実行する。図１中の折
れ線は粗走査の軌跡２である。この粗走査により、特徴
的部分（大きく突出・陥没、あるいは島になった領域）
の中心座標を検出する。続いて、残りの時間で特徴的部
分を包含し面積で元画像１の略１％以上略１０％以内の
重点的注視領域３を設定し、この領域３を密走査する。
この密走査に基づき元画像１の特徴的部分の認識および
分析を行う。なお、上記の重点的注視領域３には各種の
形態がある。例えば、円形、矩形、楕円等である。本手
順によれば、少ない走査資源で、短時間に画像の重要な
情報を認識することができる。
化したロールシャッハ画像認識方法を得る。 【構成】 全所要時間の略１０分の１以内で、最終的に
必要とされる最大のグリッド数の略１０分の１以内の粗
走査を元画像１の全領域に渡って実行する。図１中の折
れ線は粗走査の軌跡２である。この粗走査により、特徴
的部分（大きく突出・陥没、あるいは島になった領域）
の中心座標を検出する。続いて、残りの時間で特徴的部
分を包含し面積で元画像１の略１％以上略１０％以内の
重点的注視領域３を設定し、この領域３を密走査する。
この密走査に基づき元画像１の特徴的部分の認識および
分析を行う。なお、上記の重点的注視領域３には各種の
形態がある。例えば、円形、矩形、楕円等である。本手
順によれば、少ない走査資源で、短時間に画像の重要な
情報を認識することができる。
Description
【０００１】
【産業上の利用分野】本発明は、ロールシャッハ画像認
識方法に関し、例えば、ヒューマン・フレンドリな特徴
抽出と高効率画像データの保存を可能とするロールシャ
ッハ画像認識方法に関する。
識方法に関し、例えば、ヒューマン・フレンドリな特徴
抽出と高効率画像データの保存を可能とするロールシャ
ッハ画像認識方法に関する。
【０００２】
【従来の技術】従来、画像データの処理技術、特に画像
の圧縮、伝送技術は、社会のマルチメディア化が進行す
る中で急速に進展を遂げて来ている。この様な環境にお
いて、、更なる高速処理化、画像の緻密・精細化、大型
化等と伴に、画像データのより的確な認識化、取扱の容
易化等が求められている。これらの要求は、画像が人の
網膜の刺激によって認識されるという性格上、より人間
的な処理の追求に帰結する。よって、上記の要望に応じ
るためには、コンピュータがより人間的な特徴抽出処理
をしたり、人に受け入れられ易い特徴を有する画像出力
をする、いわゆるヒューマン・フレンドリ化に対応する
必要がある。
の圧縮、伝送技術は、社会のマルチメディア化が進行す
る中で急速に進展を遂げて来ている。この様な環境にお
いて、、更なる高速処理化、画像の緻密・精細化、大型
化等と伴に、画像データのより的確な認識化、取扱の容
易化等が求められている。これらの要求は、画像が人の
網膜の刺激によって認識されるという性格上、より人間
的な処理の追求に帰結する。よって、上記の要望に応じ
るためには、コンピュータがより人間的な特徴抽出処理
をしたり、人に受け入れられ易い特徴を有する画像出力
をする、いわゆるヒューマン・フレンドリ化に対応する
必要がある。
【０００３】画像に対する人の反応に関する文献として
ロールシャッハ（Ｒｏｒｓｃｈａｃｈ）の研究論文があ
る。心理学者であるロールシャッハは、インクブロット
を用いた人の反応に対する研究論文「精神診断学（Ｐｓ
ｙｃｈｏ ｄｉｇｎｏｓｔｉｋ）」を残している。この
論文には、人の運動反応や色彩反応など出現頻度の高い
反応が、特殊な心理的あるいは行動的特徴と関連してい
ることについて述べられている。
ロールシャッハ（Ｒｏｒｓｃｈａｃｈ）の研究論文があ
る。心理学者であるロールシャッハは、インクブロット
を用いた人の反応に対する研究論文「精神診断学（Ｐｓ
ｙｃｈｏ ｄｉｇｎｏｓｔｉｋ）」を残している。この
論文には、人の運動反応や色彩反応など出現頻度の高い
反応が、特殊な心理的あるいは行動的特徴と関連してい
ることについて述べられている。
【０００４】なお、本発明とは構成内容が異なるが、画
像の特徴部を抽出して処理する手順を開示した、特開昭
６２−１９８９７５号公報および特開昭６２−３９９８
０号公報がある。
像の特徴部を抽出して処理する手順を開示した、特開昭
６２−１９８９７５号公報および特開昭６２−３９９８
０号公報がある。
【０００５】
【発明が解決しようとする課題】しかしながら、機械は
その特性上、単純・高速処理を得意とし、学習・習慣・
判断・感情・情緒・趣味趣向等のいわゆる人間的な処理
は不得意とされている。また、機械は人間が使うもので
あり、使い勝手の良さを追求すると結局のところヒュー
マン・フレンドリ化の追求となる。その一例として、本
発明と直接関係はないが従前の「ファジー機能」があ
る。画像処理においても、より利便性を追求するとヒュ
ーマン・フレンドリ化の検討が欠かせない。
その特性上、単純・高速処理を得意とし、学習・習慣・
判断・感情・情緒・趣味趣向等のいわゆる人間的な処理
は不得意とされている。また、機械は人間が使うもので
あり、使い勝手の良さを追求すると結局のところヒュー
マン・フレンドリ化の追求となる。その一例として、本
発明と直接関係はないが従前の「ファジー機能」があ
る。画像処理においても、より利便性を追求するとヒュ
ーマン・フレンドリ化の検討が欠かせない。
【０００６】コンピュータの画像認識機能は、未だ任意
の画像の取り込みにおいて工業的および実用的に耐えら
れる程ではない。前述のような社会的要求を考慮する
と、人間の画像認識機能をエミュレートするコンピュー
タ機構は、より開発を推進する必要に迫られている。
の画像の取り込みにおいて工業的および実用的に耐えら
れる程ではない。前述のような社会的要求を考慮する
と、人間の画像認識機能をエミュレートするコンピュー
タ機構は、より開発を推進する必要に迫られている。
【０００７】本発明は、画像認識処理をよりヒューマン
・フレンドリ化したロールシャッハ画像認識方法を提供
することを目的とする。
・フレンドリ化したロールシャッハ画像認識方法を提供
することを目的とする。
【０００８】
【課題を解決するための手段】かかる目的を達成するた
め、本発明のロールシャッハ画像認識方法は、所定の画
像の領域において最終的に必要とされる最大グリッド数
の略１０分の１以内の粗い走査を実行する粗走査工程
と、この粗走査工程における走査で大きく突出、陥没、
島になった領域のような特徴的部分の中心座標を検出す
る特徴的部分領域検出工程と、中心座標に基づく特徴的
部分を包含し面積で所定の画像の領域の略１％以上略１
０％以内の所定の形状の重点的注視領域を密に走査する
特徴領域密走査工程とを有することを特徴としている。
め、本発明のロールシャッハ画像認識方法は、所定の画
像の領域において最終的に必要とされる最大グリッド数
の略１０分の１以内の粗い走査を実行する粗走査工程
と、この粗走査工程における走査で大きく突出、陥没、
島になった領域のような特徴的部分の中心座標を検出す
る特徴的部分領域検出工程と、中心座標に基づく特徴的
部分を包含し面積で所定の画像の領域の略１％以上略１
０％以内の所定の形状の重点的注視領域を密に走査する
特徴領域密走査工程とを有することを特徴としている。
【０００９】また、上記所定の形状の重点的注視領域を
円形、矩形、または楕円形とし、粗走査工程を、所定の
画像の領域を上下順序の左右方向への走査とするとよ
い。さらに、上記の特徴的領域検出工程における特徴的
部分が複数個検出された場合、略同一の高さのものを左
右何れか一方から順番にＰ１、Ｐ２、…、Ｐｎとし、こ
れらに対応する特徴的領域をＡ１、Ａ２、…、Ａｎとし
て設定し、この設定された特徴的領域をＡ１、Ａ２、
…、Ａｎの順番に特徴領域密走査工程における走査を実
行するとよい。なお、特徴的領域をＡ１、Ａ２、…、Ａ
ｎとして設定する際、前記特徴的部分Ｐ１、ｐ２、…、
Ｐｎを結ぶ折れ線の道のりがより小さくなるように特徴
的部分Ｐ１、Ｐ２、…、Ｐｎの順序を入れ換え、入れ換
えた順番に特徴領域密走査工程における走査を実行する
とよい。
円形、矩形、または楕円形とし、粗走査工程を、所定の
画像の領域を上下順序の左右方向への走査とするとよ
い。さらに、上記の特徴的領域検出工程における特徴的
部分が複数個検出された場合、略同一の高さのものを左
右何れか一方から順番にＰ１、Ｐ２、…、Ｐｎとし、こ
れらに対応する特徴的領域をＡ１、Ａ２、…、Ａｎとし
て設定し、この設定された特徴的領域をＡ１、Ａ２、
…、Ａｎの順番に特徴領域密走査工程における走査を実
行するとよい。なお、特徴的領域をＡ１、Ａ２、…、Ａ
ｎとして設定する際、前記特徴的部分Ｐ１、ｐ２、…、
Ｐｎを結ぶ折れ線の道のりがより小さくなるように特徴
的部分Ｐ１、Ｐ２、…、Ｐｎの順序を入れ換え、入れ換
えた順番に特徴領域密走査工程における走査を実行する
とよい。
【００１０】上記特徴的領域Ａ１、Ａ２、…、Ａｎの所
定の画像の領域の上下左右の何れか１の端部から特徴領
域密走査工程における走査を実行し、上下左右の何れか
１の端部は、特徴的部分の領域の大きさに基づき決定す
るとよい。
定の画像の領域の上下左右の何れか１の端部から特徴領
域密走査工程における走査を実行し、上下左右の何れか
１の端部は、特徴的部分の領域の大きさに基づき決定す
るとよい。
【００１１】他の発明のロールシャッハ画像認識方法
は、所定の画像の領域において最終的に必要とされる最
大グリッド数の略１０分の１以内の粗い走査を実行する
粗走査工程と、粗走査工程における走査で大きく突出、
陥没、あるいは島になった領域等の特徴的部分の部分領
域とこの部分領域の中心座標位置を検出する特徴的部分
領域検出工程と、所定の画像の領域から部分領域を除い
た陸領域の重心座標位置を検出する陸領域重心位置検出
工程と、陸領域の重心座標位置から部分領域の中心座標
位置の一の位置へ、この一の位置からさらに他の部分領
域の中心座標位置へと順次走査する特徴的部分走査工程
と、特徴的部分走査工程における軌跡が所定の画像のス
ケールの略１０分の１以内の距離で且つ２回以上屈曲し
ている多重屈折部分を検出する多重屈折部分検出工程
と、多重屈折部分を包含し、包含した重点的注視領域の
面積が所定の画像の領域の略１％以上略１０％以内とす
る重点的注視領域設定工程と、重点的注視領域を密に走
査する特徴領域密走査工程とを有することを特徴として
いる。
は、所定の画像の領域において最終的に必要とされる最
大グリッド数の略１０分の１以内の粗い走査を実行する
粗走査工程と、粗走査工程における走査で大きく突出、
陥没、あるいは島になった領域等の特徴的部分の部分領
域とこの部分領域の中心座標位置を検出する特徴的部分
領域検出工程と、所定の画像の領域から部分領域を除い
た陸領域の重心座標位置を検出する陸領域重心位置検出
工程と、陸領域の重心座標位置から部分領域の中心座標
位置の一の位置へ、この一の位置からさらに他の部分領
域の中心座標位置へと順次走査する特徴的部分走査工程
と、特徴的部分走査工程における軌跡が所定の画像のス
ケールの略１０分の１以内の距離で且つ２回以上屈曲し
ている多重屈折部分を検出する多重屈折部分検出工程
と、多重屈折部分を包含し、包含した重点的注視領域の
面積が所定の画像の領域の略１％以上略１０％以内とす
る重点的注視領域設定工程と、重点的注視領域を密に走
査する特徴領域密走査工程とを有することを特徴として
いる。
【００１２】また、上記のロールシャッハ画像認識方法
は、さらに多重屈折部分検出工程と重点的注視領域設定
工程との間に、多重屈曲部分のそれぞれの中心座標位置
を結びこの多重屈折部分の輪郭を形成する多重屈折部分
輪郭形成工程を有し、輪郭の形状から所定の画像の輪郭
を認識するとよい。
は、さらに多重屈折部分検出工程と重点的注視領域設定
工程との間に、多重屈曲部分のそれぞれの中心座標位置
を結びこの多重屈折部分の輪郭を形成する多重屈折部分
輪郭形成工程を有し、輪郭の形状から所定の画像の輪郭
を認識するとよい。
【００１３】
【作用】したがって、本発明のロールシャッハ画像認識
方法によれば、所定の画像の領域において最終的に必要
とされる最大グリッド数の略１０分の１以内の粗い走査
を実行し、この走査で大きく突出、陥没、あるいは島に
なった領域等の特徴的部分の中心座標を検出し、検出さ
れた特徴的部分を包含し面積で所定の画像の領域の略１
％以上略１０％以内の所定の形状の重点的注視領域を密
に走査する。よって、画像の特徴的分を粗走査で迅速に
検出し、検出された特徴的部分を密に走査することによ
り画像の特徴をす早く認識することが可能となる。
方法によれば、所定の画像の領域において最終的に必要
とされる最大グリッド数の略１０分の１以内の粗い走査
を実行し、この走査で大きく突出、陥没、あるいは島に
なった領域等の特徴的部分の中心座標を検出し、検出さ
れた特徴的部分を包含し面積で所定の画像の領域の略１
％以上略１０％以内の所定の形状の重点的注視領域を密
に走査する。よって、画像の特徴的分を粗走査で迅速に
検出し、検出された特徴的部分を密に走査することによ
り画像の特徴をす早く認識することが可能となる。
【００１４】他の発明のロールシャッハ画像認識方法に
よれば、所定の画像の領域において最終的に必要とされ
る最大グリッド数の略１０分の１以内の粗い走査を実行
し、この走査で大きく突出、陥没、あるいは島になった
領域等の特徴的部分の部分領域とこの部分領域の中心座
標位置を検出し、所定の画像の領域から部分領域を除い
た陸領域の重心座標位置を検出する。検出された陸領域
の重心座標位置から部分領域の中心座標位置の一の位置
へ、この一の位置からさらに他の部分領域の中心座標位
置へと順次走査する。さらに、この特徴的部分走査にお
ける軌跡が所定の画像のスケールの略１０分の１以内の
距離で且つ２回以上屈曲している多重屈折部分を検出
し、多重屈折部分を包含し、包含した重点的注視領域の
面積が所定の画像の領域の略１％以上略１０％以内と
し、この重点的注視領域を密に走査する。よって、画像
の特徴的部分のより精密な検出と、画像の特徴部分の認
識をより迅速に行うことが可能となる。
よれば、所定の画像の領域において最終的に必要とされ
る最大グリッド数の略１０分の１以内の粗い走査を実行
し、この走査で大きく突出、陥没、あるいは島になった
領域等の特徴的部分の部分領域とこの部分領域の中心座
標位置を検出し、所定の画像の領域から部分領域を除い
た陸領域の重心座標位置を検出する。検出された陸領域
の重心座標位置から部分領域の中心座標位置の一の位置
へ、この一の位置からさらに他の部分領域の中心座標位
置へと順次走査する。さらに、この特徴的部分走査にお
ける軌跡が所定の画像のスケールの略１０分の１以内の
距離で且つ２回以上屈曲している多重屈折部分を検出
し、多重屈折部分を包含し、包含した重点的注視領域の
面積が所定の画像の領域の略１％以上略１０％以内と
し、この重点的注視領域を密に走査する。よって、画像
の特徴的部分のより精密な検出と、画像の特徴部分の認
識をより迅速に行うことが可能となる。
【００１５】
【実施例】次に添付図面を参照して本発明によるロール
シャッハ画像認識方法の実施例を詳細に説明する。図１
および図２を参照すると本発明のロールシャッハ画像認
識方法の実施例を説明するための図が示されている。こ
れらの図は、所定の画像の特徴部分を検索する手順を説
明するための図である。
シャッハ画像認識方法の実施例を詳細に説明する。図１
および図２を参照すると本発明のロールシャッハ画像認
識方法の実施例を説明するための図が示されている。こ
れらの図は、所定の画像の特徴部分を検索する手順を説
明するための図である。
【００１６】本発明の名称を構成するロールシャッハ
（Ｒｏｒｓｃｈａｃｈ）についての概要は、既述の通り
である。本発明は、ロールシャッハの追求した人の反応
原理を、画像の特徴部分の検索および認識に用いること
を試みたものである。これら彼の足跡から、本発明で
は、ロールシャッハの名称を人間的な特徴に基づく画像
の特徴点の認識を意味するものとして用いている。
（Ｒｏｒｓｃｈａｃｈ）についての概要は、既述の通り
である。本発明は、ロールシャッハの追求した人の反応
原理を、画像の特徴部分の検索および認識に用いること
を試みたものである。これら彼の足跡から、本発明で
は、ロールシャッハの名称を人間的な特徴に基づく画像
の特徴点の認識を意味するものとして用いている。
【００１７】第１図及び第２図は、ロールシャッハ画像
とそれにに対する人の視点走査の軌跡を示している。こ
の視点走査の手順を概念的に記載したこれらの図は、人
が視点の軌跡２の屈曲している領域に、注意が注がれて
いるとの解釈に基づき図化されている。以降では、この
領域を「重点的注視領域」と定義する。重点的注視領域
は、単純に視点の軌跡２の屈曲している部分である。こ
れに対して特微的領域は、顕著に突出あるいは陥没して
いる領域、島になっている領域、湖になっている領域で
ある。よって、特徴的注視領域は概念的な意味合いであ
るのに対し、重点的注視領域３は解析手順上で用いるた
めに特徴的注視領域をより具体化した領域である。
とそれにに対する人の視点走査の軌跡を示している。こ
の視点走査の手順を概念的に記載したこれらの図は、人
が視点の軌跡２の屈曲している領域に、注意が注がれて
いるとの解釈に基づき図化されている。以降では、この
領域を「重点的注視領域」と定義する。重点的注視領域
は、単純に視点の軌跡２の屈曲している部分である。こ
れに対して特微的領域は、顕著に突出あるいは陥没して
いる領域、島になっている領域、湖になっている領域で
ある。よって、特徴的注視領域は概念的な意味合いであ
るのに対し、重点的注視領域３は解析手順上で用いるた
めに特徴的注視領域をより具体化した領域である。
【００１８】このように、ロールシャッハ検査法の実施
時における画像認識の特長の一つは、被検者の画像情報
の眼球から脳の第一次視覚野ヘの取り込み方式と、同様
の手順を用いている点にある。即ち、機械的ラスター走
査のように全画面を均一に走査するのではなく、視点を
一見ランダムに移動させることで人間は画像情報を効率
的に取り込んでいる。
時における画像認識の特長の一つは、被検者の画像情報
の眼球から脳の第一次視覚野ヘの取り込み方式と、同様
の手順を用いている点にある。即ち、機械的ラスター走
査のように全画面を均一に走査するのではなく、視点を
一見ランダムに移動させることで人間は画像情報を効率
的に取り込んでいる。
【００１９】そこで機械的走査と人の認識手順の比較の
ために、これらの走査方式による画像入力の効率を考察
する。ディスプレイ画面の走査を例にとると両者のデー
タは例えば下記となる。
ために、これらの走査方式による画像入力の効率を考察
する。ディスプレイ画面の走査を例にとると両者のデー
タは例えば下記となる。
【００２０】 機械的なラスター走査 ：６４０×４８０ 人のロールシャッハ走査：６４０×１０
【００２１】以上の結果から人は効率の高い画像認識方
式を採用しているということが明らかである。また、単
純に視点の軌跡の屈曲している部分である重点的注視領
域は、顕著に突出あるいは陥没している領域、島になっ
ている領域等の、図形上の特微的領域に一致している。
これらの実験結果を考慮するとロールシャッハ画像の入
力機構は以下のように分析される。
式を採用しているということが明らかである。また、単
純に視点の軌跡の屈曲している部分である重点的注視領
域は、顕著に突出あるいは陥没している領域、島になっ
ている領域等の、図形上の特微的領域に一致している。
これらの実験結果を考慮するとロールシャッハ画像の入
力機構は以下のように分析される。
【００２２】Ａ）画像そのものの視覚野ヘの入力は０．
１秒以内に完了する。 Ｂ）複数のオブジェクトの想起とその細部とロールシャ
ッハ画像の部分との対応付けが眼球の走査と同時進行的
に実行される。これを「全体的認知」／パターン１とす
る。また、ロールシャッハ画像の各領域に着目し、それ
らの領域毎にオブジェクトヘの変換が行われ、その後そ
れらのオブジェクト群の間に略１秒程度でストーリが作
成される。これを「部分的認知」／パターン２とする。 Ｃ）無意識の関門、意識の関門による検閲作業と優先順
位付けが、略５〜１０秒で実行される。
１秒以内に完了する。 Ｂ）複数のオブジェクトの想起とその細部とロールシャ
ッハ画像の部分との対応付けが眼球の走査と同時進行的
に実行される。これを「全体的認知」／パターン１とす
る。また、ロールシャッハ画像の各領域に着目し、それ
らの領域毎にオブジェクトヘの変換が行われ、その後そ
れらのオブジェクト群の間に略１秒程度でストーリが作
成される。これを「部分的認知」／パターン２とする。 Ｃ）無意識の関門、意識の関門による検閲作業と優先順
位付けが、略５〜１０秒で実行される。
【００２３】二つの画像認知方式に対応して、ロールシ
ャッハ画像上の視点移動には二つの類型が存在すること
が予想される。一つは全体的認知に対応しており、この
場合は認知したオブジェクトの特徴領域に重点的に視点
が注がれる。もう一つは部分的認知に対応しており、こ
の場合の視点移動はオブジェクトを認知する以前に実行
される。よって、機械的に特徴的な領域、例えば突出や
陥没の大きい領域に重点的に視点が注がれる。
ャッハ画像上の視点移動には二つの類型が存在すること
が予想される。一つは全体的認知に対応しており、この
場合は認知したオブジェクトの特徴領域に重点的に視点
が注がれる。もう一つは部分的認知に対応しており、こ
の場合の視点移動はオブジェクトを認知する以前に実行
される。よって、機械的に特徴的な領域、例えば突出や
陥没の大きい領域に重点的に視点が注がれる。
【００２４】これらの人の画像認識の手順の分析に基づ
き、本実施例では、画像データ（元画像）の特微を抽出
する方法を構成する。この手順を図３のフローチャート
を用いて以下に説明する。まず最初に、全所要時間の略
１０分の１以内で、最終的に必要とされる最大のグリッ
ド数の略１０分の１以内の粗い走査である粗走査を元画
像１の全領域に渡って実行する（Ｓ１０）。この粗走査
により、特徴的部分（大きく突出・陥没、あるいは島に
なった領域）の中心座標を検出する（Ｓ１２）。続い
て、残りの時間で特徴的部分３を包含し面積で元画像１
の略１％以上略１０％以内の小領域である重点的注視領
域３を設定し、設定した重点的注視領域３につき密の走
査である密走査を実行する（Ｓ１４）。この密走査に基
づき元画像１の特徴的部分の認識および分析を行う（Ｓ
１６）。なお、上記の重点的注視領域３には各種の形態
がある。例えば、円形、矩形、横に長い楕円、縦に長い
楕円、等である。
き、本実施例では、画像データ（元画像）の特微を抽出
する方法を構成する。この手順を図３のフローチャート
を用いて以下に説明する。まず最初に、全所要時間の略
１０分の１以内で、最終的に必要とされる最大のグリッ
ド数の略１０分の１以内の粗い走査である粗走査を元画
像１の全領域に渡って実行する（Ｓ１０）。この粗走査
により、特徴的部分（大きく突出・陥没、あるいは島に
なった領域）の中心座標を検出する（Ｓ１２）。続い
て、残りの時間で特徴的部分３を包含し面積で元画像１
の略１％以上略１０％以内の小領域である重点的注視領
域３を設定し、設定した重点的注視領域３につき密の走
査である密走査を実行する（Ｓ１４）。この密走査に基
づき元画像１の特徴的部分の認識および分析を行う（Ｓ
１６）。なお、上記の重点的注視領域３には各種の形態
がある。例えば、円形、矩形、横に長い楕円、縦に長い
楕円、等である。
【００２５】上記の走査は、以下の理論に基づく。つま
り、現実の空間を視覚的に認識する場合、すべての画像
情報が方法にとって等しい価値を持つわけではないとい
う事実がある。実際に重要となる情報は、ある比較的に
粗いスケールにおける特徴点（第一データ）であった
り、さらに特徴点近傍の詳細な情報（第二データ）であ
ったりすることが多い。本要求項目のように、始めに最
終的に必要とされる最大のグリッド数の略１０分の１以
内の粗い走査を実行することで、短時間で第一データを
認識することができる。また、次に特徴点近傍を詳細に
走査することで、第一データの予備知識に基づき重要な
第二データの情報を効率的に認識することを意図してい
る。本実施例を用いれば、最初の走査時間を略０．１秒
以内の人の瞬きの時間と限定し、現実に変動しつつある
周囲の状況に迅速に対応する視覚認識を可能とする。
り、現実の空間を視覚的に認識する場合、すべての画像
情報が方法にとって等しい価値を持つわけではないとい
う事実がある。実際に重要となる情報は、ある比較的に
粗いスケールにおける特徴点（第一データ）であった
り、さらに特徴点近傍の詳細な情報（第二データ）であ
ったりすることが多い。本要求項目のように、始めに最
終的に必要とされる最大のグリッド数の略１０分の１以
内の粗い走査を実行することで、短時間で第一データを
認識することができる。また、次に特徴点近傍を詳細に
走査することで、第一データの予備知識に基づき重要な
第二データの情報を効率的に認識することを意図してい
る。本実施例を用いれば、最初の走査時間を略０．１秒
以内の人の瞬きの時間と限定し、現実に変動しつつある
周囲の状況に迅速に対応する視覚認識を可能とする。
【００２６】上記の実施例には多くの変化が考えられ
る。変化例一として、走査する領域の形態として各種の
形態、およびそれぞれの特徴がある。例えば、走査する
重点的注視領域を矩形とすることにより、重点的注視領
域と全領域との位置および方向の関係が明瞭化され、デ
ータを再構築する際の手順が簡便になる。横に長い楕円
とすることにより人間の視覚領域に類似化され、生物特
有の画像認識を模擬することができる。また、縦に長い
楕円とすることにより、一度で遠距離領域と近距離領域
を同時に走査することができる。さらには、走査する重
点的注視領域を不定形とすることにより、小さい走査資
源で広範囲の特微を読み取ることを可能とする。
る。変化例一として、走査する領域の形態として各種の
形態、およびそれぞれの特徴がある。例えば、走査する
重点的注視領域を矩形とすることにより、重点的注視領
域と全領域との位置および方向の関係が明瞭化され、デ
ータを再構築する際の手順が簡便になる。横に長い楕円
とすることにより人間の視覚領域に類似化され、生物特
有の画像認識を模擬することができる。また、縦に長い
楕円とすることにより、一度で遠距離領域と近距離領域
を同時に走査することができる。さらには、走査する重
点的注視領域を不定形とすることにより、小さい走査資
源で広範囲の特微を読み取ることを可能とする。
【００２７】変化例二として、重点的注視領域の中心を
上から順番に、同一の高さのものが複数ある時は左から
順番に重点的注視領域をＰ１、Ｐ２、…、Ｐｎと設定
し、これらに対応する特徴的領域をＡ１、Ａ２、…、Ａ
ｎと複数設定する。続いて設定された特徴領域Ａ１、Ａ
２、…、Ａｎの順番で詳細に走査する。この手順に基づ
けば、走査する順番が単純明瞭であり、確実な走査手順
が実現できる。
上から順番に、同一の高さのものが複数ある時は左から
順番に重点的注視領域をＰ１、Ｐ２、…、Ｐｎと設定
し、これらに対応する特徴的領域をＡ１、Ａ２、…、Ａ
ｎと複数設定する。続いて設定された特徴領域Ａ１、Ａ
２、…、Ａｎの順番で詳細に走査する。この手順に基づ
けば、走査する順番が単純明瞭であり、確実な走査手順
が実現できる。
【００２８】変化例三として、重点的注視領域の中心を
結ぶ折れ線の道のりが最も小さくなるように、（Ｐ１、
Ｐ２、…、Ｐｎ）の順序を入れ換え、その順番で詳細に
Ａ１、Ａ２、…、Ａｎを走査することを特徴とする特徴
抽出システムがある。移動距離を最小にすることで走査
領域間を速やかに移動することが可能となり、効率的な
画像認識が実行できる。
結ぶ折れ線の道のりが最も小さくなるように、（Ｐ１、
Ｐ２、…、Ｐｎ）の順序を入れ換え、その順番で詳細に
Ａ１、Ａ２、…、Ａｎを走査することを特徴とする特徴
抽出システムがある。移動距離を最小にすることで走査
領域間を速やかに移動することが可能となり、効率的な
画像認識が実行できる。
【００２９】変化例四として、（Ｐ１、Ｐ２、…、Ｐ
ｎ）を結ぶ折れ線の道のりが比較的小さくなるように
（Ｐ１、Ｐ２、…、Ｐｎ）の順序を入れ換え、その順番
で詳細にＡ１、Ａ２、…、Ａｎを走査することを特徴と
する特徴抽出システムがある。移動距離を比較的小さく
なるようにすることで走査領域間を速やかに移動するこ
とが可能となると同時に、厳密に最短距離を探索する必
要がなくなるので、探索時間そのものも節約できる。
ｎ）を結ぶ折れ線の道のりが比較的小さくなるように
（Ｐ１、Ｐ２、…、Ｐｎ）の順序を入れ換え、その順番
で詳細にＡ１、Ａ２、…、Ａｎを走査することを特徴と
する特徴抽出システムがある。移動距離を比較的小さく
なるようにすることで走査領域間を速やかに移動するこ
とが可能となると同時に、厳密に最短距離を探索する必
要がなくなるので、探索時間そのものも節約できる。
【００３０】上記の各実施例または変化例によれば、少
ない走査資源で、且つ、短時間に画像の重要な情報を認
識することができる。したがって、画像情報を臨機応変
に収集および認識し、時事刻々変化しつつある状況に即
座に対応できる方法を構成することが可能となる。画像
の部分に重要な情報が含まれている場合に、一刻も速く
それを検出および認識し対応をとることは、コンピュー
タ化された工業的社会において、きわめて重要且つ有用
な要件である。
ない走査資源で、且つ、短時間に画像の重要な情報を認
識することができる。したがって、画像情報を臨機応変
に収集および認識し、時事刻々変化しつつある状況に即
座に対応できる方法を構成することが可能となる。画像
の部分に重要な情報が含まれている場合に、一刻も速く
それを検出および認識し対応をとることは、コンピュー
タ化された工業的社会において、きわめて重要且つ有用
な要件である。
【００３１】尚、上述の実施例および変化例は、本発明
の好適な実施例ではあるがこれに限定されるものではな
い。本発明の要旨を逸脱しない範囲においてさらに種々
変形実施可能である。例えば、精密走査開始位置はＴＳ
Ｐ（巡回セールスマン問題）的な経路の内のどちらかの
一端を走査開始点とすることができる。移動距離を最小
にすることで走査領域間を速やかに移動することが可能
となり、効率的な画像認識が実行できる。さらに最左、
最右、最上、最下の全領域の四隅から走査を開始するこ
とによって、単純な手順の走査が可能となる。面積の最
小の領域から走査すれば、小さい面積ほど短時間で走査
できるため、特徴的領域の詳細の一部ではあるが、全走
査時間の初期の内に入手できる。面積の最大の領域から
走査すれば、全画像の内の重要な特徴が包含されている
可能性が高いため、全走査時間の初期の内に重要な特微
を認識できる可能性を高めることができる。等々であ
る。
の好適な実施例ではあるがこれに限定されるものではな
い。本発明の要旨を逸脱しない範囲においてさらに種々
変形実施可能である。例えば、精密走査開始位置はＴＳ
Ｐ（巡回セールスマン問題）的な経路の内のどちらかの
一端を走査開始点とすることができる。移動距離を最小
にすることで走査領域間を速やかに移動することが可能
となり、効率的な画像認識が実行できる。さらに最左、
最右、最上、最下の全領域の四隅から走査を開始するこ
とによって、単純な手順の走査が可能となる。面積の最
小の領域から走査すれば、小さい面積ほど短時間で走査
できるため、特徴的領域の詳細の一部ではあるが、全走
査時間の初期の内に入手できる。面積の最大の領域から
走査すれば、全画像の内の重要な特徴が包含されている
可能性が高いため、全走査時間の初期の内に重要な特微
を認識できる可能性を高めることができる。等々であ
る。
【００３２】
【発明の効果】以上の説明より明かなように、本発明の
ロールシャッハ画像認識方法は、所定の画像の領域にお
いて最大グリッド数の略１０分の１以内の粗い走査を実
行し、この走査で特徴的部分の中心座標を検出し、検出
された特徴的部分を包含し面積で所定の画像の重点的注
視領域を密に走査する。よって、画像の特徴的分の迅速
な検出および検出された特徴的部分のす早い認識は、時
事刻々変化する画像の中から、重要な情報を抽出および
認識し、それに対する対応を迅速に行うことを可能とす
る。この効率的な画像処理により、より簡単なコンピュ
ータシステムにより、より高速な画像処理システムの構
築ができる。
ロールシャッハ画像認識方法は、所定の画像の領域にお
いて最大グリッド数の略１０分の１以内の粗い走査を実
行し、この走査で特徴的部分の中心座標を検出し、検出
された特徴的部分を包含し面積で所定の画像の重点的注
視領域を密に走査する。よって、画像の特徴的分の迅速
な検出および検出された特徴的部分のす早い認識は、時
事刻々変化する画像の中から、重要な情報を抽出および
認識し、それに対する対応を迅速に行うことを可能とす
る。この効率的な画像処理により、より簡単なコンピュ
ータシステムにより、より高速な画像処理システムの構
築ができる。
【００３３】他の発明のロールシャッハ画像認識方法に
よれば、所定の画像の領域において粗い走査を実行し、
この走査で特徴的部分の部分領域とこの部分領域の中心
座標位置を検出し、これらの部分領域を除いた陸領域の
重心座標位置を検出する。検出された陸領域の重心座標
位置から部分領域の中心座標位置へ順次走査し、さら
に、この特徴的部分走査における軌跡が所定の距離以内
で且つ２回以上屈曲している多重屈折部分を検出し包含
し、所定の重点的注視領域として密に走査する。よっ
て、画像の特徴的部分の中のより高い特徴部分を抽出
し、より精密な検出と、画像の特徴部分の認識をより迅
速に行うことが可能となる。
よれば、所定の画像の領域において粗い走査を実行し、
この走査で特徴的部分の部分領域とこの部分領域の中心
座標位置を検出し、これらの部分領域を除いた陸領域の
重心座標位置を検出する。検出された陸領域の重心座標
位置から部分領域の中心座標位置へ順次走査し、さら
に、この特徴的部分走査における軌跡が所定の距離以内
で且つ２回以上屈曲している多重屈折部分を検出し包含
し、所定の重点的注視領域として密に走査する。よっ
て、画像の特徴的部分の中のより高い特徴部分を抽出
し、より精密な検出と、画像の特徴部分の認識をより迅
速に行うことが可能となる。
【図１】本発明のロールシャッハ画像認識方法の実施例
の説明図であり、フレーム画像の特徴的領域の走査手順
を概念的に表している。
の説明図であり、フレーム画像の特徴的領域の走査手順
を概念的に表している。
【図２】本発明のロールシャッハ画像認識方法の実施例
の説明図であり、フレーム画像の特徴的領域の走査手順
を概念的に表している。
の説明図であり、フレーム画像の特徴的領域の走査手順
を概念的に表している。
【図３】本発明のロールシャッハ画像認識方法の実施例
を説明するフローチャート図である。
を説明するフローチャート図である。
１ 元画像 ２ 視点の軌跡 ３ 重点的注視領域（特徴的領域）
Claims (9)
- 【請求項１】 所定の画像の領域において最終的に必要
とされる最大グリッド数の略１０分の１以内の粗い走査
を実行する粗走査工程と、 該粗走査工程における走査で大きく突出、陥没、島にな
った領域のような特徴的部分の中心座標を検出する特徴
的部分領域検出工程と、 前記中心座標に基づく特徴的部分を包含し面積で前記所
定の画像の領域の略１％以上略１０％以内の所定の形状
の重点的注視領域を密に走査する特徴領域密走査工程と
を有することを特徴とするロールシャッハ画像認識方
法。 - 【請求項２】 前記所定の形状の重点的注視領域は円
形、矩形および楕円形のいずれかであることを特徴とす
る請求項１記載のロールシャッハ画像認識方法。 - 【請求項３】 前記粗走査工程は、前記所定の画像の領
域を上下順序の左右方向への走査であることを特徴とす
る請求項１または２に記載のロールシャッハ画像認識方
法。 - 【請求項４】 前記特徴的領域検出工程における特徴的
部分が複数個検出された場合、略同一の高さのものを左
右何れか一方から順番にＰ１、Ｐ２、…、Ｐｎとし、こ
れらに対応する特徴的領域をＡ１、Ａ２、…、Ａｎとし
て設定し、該設定された特徴的領域をＡ１、Ａ２、…、
Ａｎの順番に前記特徴領域密走査工程における走査を実
行することを特徴とする請求項１から３の何れかに記載
のロールシャッハ画像認識方法。 - 【請求項５】 前記特徴的領域をＡ１、Ａ２、…、Ａｎ
として設定する際、前記特徴的部分Ｐ１、ｐ２、…、Ｐ
ｎを結ぶ折れ線の道のりがより小さくなるように該特徴
的部分Ｐ１、Ｐ２、…、Ｐｎの順序を入れ換え、入れ換
えた順番に前記特徴領域密走査工程における走査を実行
することを特徴とする請求項４記載のロールシャッハ画
像認識方法。 - 【請求項６】 前記特徴的領域Ａ１、Ａ２、…、Ａｎの
前記所定の画像の領域の上下左右の何れか１の端部から
前記特徴領域密走査工程における走査を実行することを
特徴とする請求項５記載のロールシャッハ画像認識方
法。 - 【請求項７】 前記上下左右の何れか１の端部は、前記
特徴的部分の領域の大きさに基づき決定することを特徴
とする請求項６記載のロールシャッハ画像認識方法。 - 【請求項８】 所定の画像の領域において最終的に必要
とされる最大グリッド数の略１０分の１以内の粗い走査
を実行する粗走査工程と、 該粗走査工程における走査で大きく突出、陥没、島にな
った領域としての特徴的部分の部分領域と該部分領域の
中心座標位置を検出する特徴的部分領域検出工程と、 前記所定の画像の領域から前記部分領域を除いた陸領域
の重心座標位置を検出する陸領域重心位置検出工程と、 前記陸領域の重心座標位置から前記部分領域の中心座標
位置の一の位置へ、該一の位置からさらに他の前記部分
領域の中心座標位置へと順次走査する特徴的部分走査工
程と、 該特徴的部分走査工程における軌跡が前記所定の画像の
スケールの略１０分の１以内の距離で且つ２回以上屈曲
している多重屈折部分を検出する多重屈折部分検出工程
と、 前記多重屈折部分を包含し、該包含した重点的注視領域
の面積が前記所定の画像の領域の略１％以上略１０％以
内とする重点的注視領域設定工程と、 前記重点的注視領域を密に走査する特徴領域密走査工程
とを有することを特徴とするロールシャッハ画像認識方
法。 - 【請求項９】 前記ロールシャッハ画像認識方法は、さ
らに前記多重屈折部分検出工程と前記重点的注視領域設
定工程との間に、前記多重屈曲部分のそれぞれの中心座
標位置を結び該多重屈折部分の輪郭を形成する多重屈折
部分輪郭形成工程を有し、該輪郭の形状から前記所定の
画像の輪郭を認識することを特徴とする請求項８記載の
ロールシャッハ画像認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6924295A JPH08263667A (ja) | 1995-03-28 | 1995-03-28 | ロールシャッハ画像認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6924295A JPH08263667A (ja) | 1995-03-28 | 1995-03-28 | ロールシャッハ画像認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08263667A true JPH08263667A (ja) | 1996-10-11 |
Family
ID=13397096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6924295A Pending JPH08263667A (ja) | 1995-03-28 | 1995-03-28 | ロールシャッハ画像認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08263667A (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS634379A (ja) * | 1986-06-25 | 1988-01-09 | Toshiba Corp | パタ−ンマツチング装置 |
| JPH01246678A (ja) * | 1988-03-29 | 1989-10-02 | Toshiba Corp | パターン認識装置 |
-
1995
- 1995-03-28 JP JP6924295A patent/JPH08263667A/ja active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS634379A (ja) * | 1986-06-25 | 1988-01-09 | Toshiba Corp | パタ−ンマツチング装置 |
| JPH01246678A (ja) * | 1988-03-29 | 1989-10-02 | Toshiba Corp | パターン認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10997465B2 (en) | Information processing device, information processing method, and storage medium | |
| Mollahosseini et al. | Affectnet: A database for facial expression, valence, and arousal computing in the wild | |
| JP7386545B2 (ja) | 画像中の物体を識別するための方法、及び当該方法を実施するためのモバイル装置 | |
| US10810409B2 (en) | Identifying facial expressions in acquired digital images | |
| Rowley et al. | Neural network-based face detection | |
| Rioux-Maldague et al. | Sign language fingerspelling classification from depth and color images using a deep belief network | |
| Khan et al. | Saliency-based framework for facial expression recognition | |
| JPH11175246A (ja) | 視線検出装置及びその方法 | |
| JP2013178816A (ja) | 画像処理装置、撮像装置、画像処理方法 | |
| Jing et al. | Recognizing american sign language manual signs from rgb-d videos | |
| Chernyak et al. | Top-down guided eye movements | |
| CN114255494B (zh) | 图像处理方法、装置、设备及存储介质 | |
| Mosayyebi et al. | Gender recognition in masked facial images using EfficientNet and transfer learning approach | |
| CN109634407B (zh) | 一种基于多模人机传感信息同步采集与融合的控制方法 | |
| JP2016200969A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| JP2022518036A (ja) | ユーザのバイオメトリック特性を有する画像中の物体を識別することにより当該ユーザのｉｄを検証するための方法、及び当該方法を実施するためのモバイル装置 | |
| KR20190119212A (ko) | 인공신경망을 이용한 가상 피팅 시스템, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
| JP2013161406A (ja) | データ入力装置、表示装置、データ入力方法、及びデータ入力プログラム | |
| JP7247579B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| JP6230666B2 (ja) | データ入力装置、データ入力方法、及びデータ入力プログラム | |
| CN120233885A (zh) | 一种基于ar眼镜交互的手势识别方法及系统 | |
| JPH08263667A (ja) | ロールシャッハ画像認識方法 | |
| JP2022013256A (ja) | キーワード抽出装置、キーワード抽出方法及びキーワード抽出プログラム | |
| Manresa-Yee et al. | Towards hands-free interfaces based on real-time robust facial gesture recognition | |
| JP2016151730A (ja) | 発表者選択支援プログラム、発表者選択支援方法、および情報処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19980303 |