JP2000030060A - Method and device for image recognition - Google Patents
Method and device for image recognitionInfo
- Publication number
- JP2000030060A JP2000030060A JP10193978A JP19397898A JP2000030060A JP 2000030060 A JP2000030060 A JP 2000030060A JP 10193978 A JP10193978 A JP 10193978A JP 19397898 A JP19397898 A JP 19397898A JP 2000030060 A JP2000030060 A JP 2000030060A
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- component
- outline
- center
- 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
- Complex Calculations (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
【0001】[0001]
【産業上の利用分野】本発明は、画像の遠近による大き
さや、回転による向きが変わっても、或いは裏返しにな
っても認識できるため、画像認識を幅広く利用できる。The present invention can be used in a wide range of image recognition because the image can be recognized even if the size of the image due to the distance or the direction due to rotation changes or even if the image is turned over.
【0002】[0002]
【従来の技術】画像認識の方法は様々な試みが為されて
いるが、例えばよく使われている、基準パターンとの比
較照合方式の場合、扱う画像データの量が膨大になる上
に、対象の大きさや向きが変わった場合の融通性が無
く、それに対応させる場合、更に膨大なデータ処理が必
要であった。この為、限られた用途にしか用いる事が出
来なかった。2. Description of the Related Art Various attempts have been made in image recognition methods. For example, in the case of a commonly used comparison and comparison method with a reference pattern, the amount of image data to be handled is enormous and the target There is no versatility when the size or orientation of the file changes, and in order to cope with it, much more data processing is required. For this reason, it could be used only for limited applications.
【0003】[0003]
【発明が解決しようとする課題】解決しようとする課題
は、より簡素な定型化された方法で、大きさや向きに拘
わりなく画像を認識する方法である。The problem to be solved is a method of recognizing an image with a simpler stylized method regardless of the size and orientation.
【0004】[0004]
【課題を解決するための手段】本発明は、対象画像の輪
郭を画像の中心を原点とする極座標に置き換えることで
位置の依存性を無くし、極座標の動径からパワースペク
トルを特徴データとして抽出することで対象画像が回転
した場合の角度の依存性を排除すると同時に対称な画像
も包含し、そしてそのパワースペクトルを直流成分との
比でスケーリングした特徴データに置き換えることで大
きさの依存性をも排除して画像を認識している。以下は
その詳細である。The present invention eliminates position dependence by replacing the contour of an object image with polar coordinates having the origin at the center of the image, and extracts a power spectrum from radial radius of the polar coordinates as feature data. This eliminates the angle dependence when the target image is rotated, and at the same time includes symmetric images, and reduces the size dependence by replacing the power spectrum with feature data scaled by the ratio with the DC component. Exclude and recognize the image. The following is the details.
【0005】対象の画像の輪郭は、n点(画素)で構成
されているものとする(外周を右回り又は左回りに連続
して連なっていて、(n−1)点と開始(0)点が繋が
っている)。この輪郭の座標を、画像の中心を原点とす
る極座標系で表し、輪郭座標を(R0,R1,R2,・・・・,R
n-1)で表す。ここでi番目の座標、Riの(動径,偏角)
を(ri,θi)で表す。また、ここで画像の中心とは、
画像が回転しても一定の手段で同じ位置を導出できる点
であれば良い。[0005] It is assumed that the contour of the target image is composed of n points (pixels) (the periphery is continuously connected clockwise or counterclockwise, and the point (n-1) and the start (0)). The dots are connected.) The coordinates of the contour are represented in a polar coordinate system with the origin at the center of the image, and the coordinates of the contour are represented by (R 0 , R 1 , R 2 ,..., R
n-1 ). Where the i-th coordinate, R i (radial radius, declination)
Are expressed as (r i, θ i). Also, the center of the image here is
It is sufficient that the same position can be derived by a certain means even if the image is rotated.
【0006】輪郭座標から動径(r0,r1,・・・・,r
n-1)のみを取り出し、これをフーリエ変換し、パワー
スペクトル(P0,P1,・・・Pm)を求める。From the contour coordinates, the radius vector (r 0 , r 1 ,..., R
n-1 ) is taken out and Fourier-transformed to obtain a power spectrum (P 0 , P 1 ,... P m ).
【0007】得られたパワースペクトルP0(直流成
分)を100として、P1以降の成分(基本波成分、高
調波成分)をそれとの比(百分率)で求め、特徴データ
K1、K2、・・・を得ている。With the obtained power spectrum P 0 (DC component) as 100, the components after P 1 (fundamental and harmonic components) are determined by their ratio (percentage), and the characteristic data K 1 , K 2 , ...
【0008】上記の処理では、輪郭の座標の偏角成分を
無視し、偏角が一定の角度(2π/n)で変化している
ものとして処理しているので、図2−aの画像では、内
部で処理されている画像は図2−bのイメージと等価に
なる。同じ処理結果と同じ外周長を持ち、外形の異なる
画像は希であるが存在するので、区別する為、中心から
輪郭までの距離の平均値である直流成分P0を半径とす
る円の面積と、対象画像の輪郭内の面積との面積比(A
F)を特徴データに含める(図2−aのように、輪郭に
同一の偏角を持つ座標が多数存在する場合の面積は、そ
うでない場合の面積より小さいことが知られている)。In the above processing, the declination component of the coordinates of the contour is ignored, and the declination is processed at a constant angle (2π / n). Therefore, in the image of FIG. , The image being processed internally is equivalent to the image of FIG. Although images having the same processing result and the same outer peripheral length and having different outer shapes are rare but exist, in order to distinguish them, the area of a circle whose radius is the DC component P 0 which is the average value of the distance from the center to the contour is defined , The area ratio to the area within the contour of the target image (A
F) is included in the feature data (as shown in FIG. 2-a, the area when there are many coordinates having the same declination in the contour is known to be smaller than the area when there are no such coordinates).
【0009】このようにして得られた特徴データを辞書
に記憶し、認識を行う場合には、対象とする画像から得
られた特徴データを辞書と比較し、各差分が許容値範囲
以内であれば、同一輪郭を持つ画像であると認識してい
る。許容値は光学系の収差や、外周長nが小さい時に回
転による座標の丸め誤差が生じる場合等に大きくし、ま
た認識対象とする画像そのものに或る範囲で差違を許容
したい場合にもそれに応じて決定する。When the feature data obtained as described above is stored in a dictionary and recognition is performed, feature data obtained from a target image is compared with the dictionary, and if each difference is within an allowable value range. For example, it is recognized that the images have the same contour. The permissible value is increased in the case where a coordinate rounding error occurs due to rotation when the aberration of the optical system or the outer peripheral length n is small. decide.
【実施例1】本発明装置の実施例1では、画像の認識を
行っており、図1はそのブロック図である。1は画像入
力部で、内臓する画像メモリーに、入力されたビデオ信
号をA/D変換器で量子化した画像データを貯えてい
る、2は輪郭抽出部で、抽出した輪郭のXY座標列から
画像の中心を求め、その中心を原点とする極座標に変換
したデータ及び輪郭のXY座標列を貯えている、3はフ
ーリエ変換部、4は面積演算部、5はスケーラ、7は判
定部である。ここで、2〜5及び7の演算と制御はCP
U8を援用している、又、2〜6の記憶領域はメモリ9
を分割して使用している。Embodiment 1 In Embodiment 1 of the present invention, image recognition is performed, and FIG. 1 is a block diagram thereof. Reference numeral 1 denotes an image input unit which stores image data obtained by quantizing an input video signal by an A / D converter in a built-in image memory, and 2 denotes an outline extraction unit which extracts an XY coordinate sequence of the extracted outline. The center of the image is obtained, and data converted into polar coordinates with the center as the origin and the XY coordinate sequence of the outline are stored. 3 is a Fourier transform unit, 4 is an area calculation unit, 5 is a scaler, and 7 is a determination unit. . Here, the calculation and control of 2 to 5 and 7 are CP
U8 is used, and two to six storage areas are stored in the memory 9
Is used separately.
【0010】輪郭抽出部2の輪郭のXY座標の抽出部分
は、本発明の主体ではないので説明は省略する。本実施
例では画像の中心を輪郭のXY座標の平均値(Xc ,Y
c)を算出して中心としている。輪郭がn点から構成さ
れている時、数式1が中心の座標の算出式である。いま
この画像が原点に対してθ度回転した時、画像の中心の
座標(Xc’,Yc’)は数式2で与えられる事が知られ
ている。一方、i番目の回転した座標を(Xi’,
Yi’)とすると、その座標から同一の算出方法で中心
(Xcθ,Ycθ)を数式3で求めてみると、数式2の
(Xc’,Yc’)と一致することから、画像が回転して
も、同一の算出方法で中心が変わらない事は明らかであ
る。従って、この点を原点として極座標に変換する。偏
角部は使用しないのでi番目の動径部分riを数式4に
より算出し(r0,r1,・・・・,rn-1)を得ている。The extraction of the XY coordinates of the outline of the outline extracting unit 2 is not the subject of the present invention, and therefore the description is omitted. In this embodiment, the center of the image is set to the average value of the XY coordinates (X c , Y
c ) is calculated and centered. When the outline is composed of n points, Equation 1 is a calculation equation of the coordinates of the center. It is known that when this image is rotated by θ degrees with respect to the origin, the coordinates (X c ′, Y c ) of the center of the image are given by Expression 2. On the other hand, the ith rotated coordinate is represented by (X i ′,
Y i ′), when the center (X cθ , Y cθ ) is obtained from the coordinates by the same calculation method using Expression 3, it matches with (X c ′, Y c ′) in Expression 2. Obviously, even if the image is rotated, the center is not changed by the same calculation method. Therefore, this point is converted to polar coordinates using the origin as the origin. Declination section i-th dynamic diameter portion r i is not used is calculated by Equation 4 (r 0, r 1, ····, r n-1) has gained.
【0011】[0011]
【数1】 (Equation 1)
【0012】[0012]
【数2】 Xc’= Xccosθ − Ycsinθ Yc’= Yccosθ + XcsinθX c ′ = X c cos θ−Y c sin θ Y c ′ = Y c cos θ + X c sin θ
【0013】[0013]
【数3】 (Equation 3)
【0014】[0014]
【数4】ri = √((Xi − Xc)2 + (Yi
− Yc)2)## EQU4 ## r i = √ ((X i −X c ) 2 + (Y i
−Y c ) 2 )
【0015】フーリエ変換部3では、輪郭抽出部2で得
た動径(r0,r1,・・・・,rn-1)を、数式5で、i=
0〜8についてフーリエ変換を行い、数式6で9ケのパ
ワースペクトル(P0,P1,・・・P8)を求めている。In the Fourier transform unit 3, the radius vector (r 0 , r 1 ,..., R n-1 ) obtained by the contour extracting unit 2 is calculated by the following equation (5).
Fourier transformation is performed on 0 to 8 and nine power spectra (P 0 , P 1 ,..., P 8 ) are obtained by Expression 6.
【0016】[0016]
【数5】 (Equation 5)
【0017】[0017]
【数6】Pi = √(ai 2 + bi 2)P i = 6 (a i 2 + b i 2 )
【0018】面積演算部4では、輪郭抽出部2で抽出し
た輪郭のXY座標列から輪郭内の面積Aを求めている。
輪郭座標が分かっている輪郭内の面積Aは数式7で求め
られる事が知られている。The area calculating section 4 calculates an area A in the contour from the XY coordinate sequence of the contour extracted by the contour extracting section 2.
It is known that the area A in the contour for which the contour coordinates are known can be obtained by Expression 7.
【0019】[0019]
【数7】 (Equation 7)
【0020】スケーラ5は最終的に特徴データに変換し
ている。数式8(i番目の演算)で、パワースペクトル
(P1,・・・P8)を直流成分(P0)との比(K1〜
K8)に変換し、同時に数式9で、対象画像の輪郭内の
面積Aとパワースペクトルの直流成分を半径に持つ円と
の面積比AFを算出している。学習時には辞書6にK1
〜K8、AFを書き込んでいる。The scaler 5 finally converts the data into feature data. In Equation 8 (the i-th operation), the power spectrum
(P 1, ··· P 8) the ratio between the DC component (P 0) (K 1 ~
K 8 ), and at the same time, an area ratio AF between the area A in the contour of the target image and a circle having a DC component of the power spectrum as a radius is calculated by Expression 9. At the time of learning, dictionary 1 contains K 1
To K 8 , AF is written.
【0021】[0021]
【数8】Ki = 2Pi / P0 * 100K i = 2P i / P 0 * 100
【0022】[0022]
【数9】 AF = A / (π * P0 2) * 100[Equation 9] AF = A / (π * P 0 2) * 100
【0023】判定部7では、特徴データ(K1〜K8と面
積比AF)について判定し、辞書との差分の絶対値が全
てについて許容値を超えないとき、その辞書データの画
像を該当する認識結果として出力している。The determination unit 7 determines the feature data (K 1 to K 8 and the area ratio AF). If the absolute values of the differences from the dictionary do not exceed the allowable values, the image of the dictionary data corresponds. Output as recognition result.
【0024】表1は本実施例の特徴データが具体的にど
のような数値で顕されているのかを、幾何学的形状を持
つ単純な画像のみを辞書から抜き出した、円、正三角形
〜正八角形の特徴データであるが、外周の特徴がそのま
ま大きさとなって特徴データに顕われており、このよう
な形状であれば、特徴データそのものから形状を知る事
もできそうである(正n角形は、下線で示したn番目の
特徴データが一番大きくなっている。又、表1は、手作
業によって切り取った図形の画像を使用しているので、
厳密には真円や正n角形ではない)。Table 1 shows what numerical values the feature data of the present embodiment is specifically expressed in, from circles, equilateral triangles to equipachi, only simple images having a geometric shape are extracted from a dictionary. Although the feature data is a rectangular feature, the feature on the outer periphery becomes the size as it is and appears in the feature data. With such a shape, it is likely that the shape can be known from the feature data itself (a regular n-gon) Indicates that the n-th feature data indicated by an underline is the largest, and Table 1 uses an image of a figure cut out manually,
Strictly speaking, it is not a perfect circle or regular n-gon.)
【0025】[0025]
【表1】 ───────────────────────────────── K1: 0.29677778 K2: 0.07079511 K3: 0.02988642 K4: 0.07721083 K5: 0.01761070 K6: 0.09697641 K7: 0.02323646 K8: 0.07953873 AF: 99.9835815 ───────────────────────────────── K1: 4.12058353 K2: 2.69702411 K3:30.33529854 K4: 3.71026278 K5: 1.72244632 K6: 4.59140444 K7: 1.87745357 K8: 0.94400591 AF: 87.7474518 ───────────────────────────────── K1: 0.05542018 K2: 0.67294848 K3: 0.14800930 K4:15.15210819 K5: 0.17999631 K6: 0.16810644 K7: 0.01757124 K8: 3.13958836 AF: 96.8229904 ───────────────────────────────── K1: 5.79357195 K2: 0.77162701 K3: 0.39258769 K4: 2.53659964 K5: 8.26524353 K6: 2.29347992 K7: 0.71389884 K8: 0.40184891 AF: 99.3259506 ───────────────────────────────── K1: 0.01700758 K2: 0.34171650 K3: 0.13263476 K4: 0.83625263 K5: 0.04685500 K6: 5.91294861 K7: 0.07206193 K8: 0.91951233 AF: 99.4933624 ───────────────────────────────── K1: 0.50300872 K2: 0.66042864 K3: 0.55719107 K4: 0.34281567 K5: 0.34420249 K6: 0.14034651 K7: 4.25618219 K8: 0.11811829 AF: 99.6901474 ───────────────────────────────── K1: 1.43889904 K2: 0.82290012 K3: 0.08445229 K4: 0.45796672 K5: 0.32851234 K6: 0.16179724 K7: 0.60665244 K8: 3.16002345 AF: 99.8484115 ─────────────────────────────────[Table 1] ───────────────────────────────── K1: 0.29677778 K2: 0.07079511 K3: 0.02988642 K4: 0.07721083 K5: 0.01761070 K6: 0.09697641 K7: 0.02323646 K8: 0.07953873 AF: 99.9835815 ─────────────────────── ────────── K1: 4.12058353 K2: 2.69702411 K3: 30.33529854 K4: 3.71026278 K5: 1.72244632 K6: 4.59140444 K7: 1.87745357 K8: 0.94400591 AF: 87.7474518 ─────────────────────── ────────── K1: 0.05542018 K2: 0.67294848 K3: 0.14800930 K4: 15.15210819 K5: 0.17999631 K6: 0.16810644 K7: 0.01757124 K8: 3.13958836 AF: 96.8229904 ─────────────────────── ────────── K1: 5.79357195 K2: 0.77162701 K3: 0.39258769 K4: 2.53659964 K5: 8.26524353 K6: 2.29347992 K7: 0.71389884 K8: 0.40184891 AF: 99.3259506 ─────────────────────── ────────── K1: 0.01700758 K2: 0.34171650 K3: 0.13263476 K4: 0.83625263 K5: 0.04685500 K6: 5.91294861 K7: 0.07206193 K8: 0.91951233 AF: 99.4933624 ─────────────────────── ────────── K1: 0.50300872 K2: 0.66042864 K3: 0.55719107 K4: 0.34281567 K5: 0.34420249 K6: 0.14034651 K7: 4.25618219 K8: 0.11811829 AF: 99.6901474 ─────────────────────── ────────── K1: 1.43889904 K2: 0.82290012 K3: 0.08445229 K4: 0.45796672 K5: 0.32851234 K6: 0.16179724 K7: 0.60665244 K8: 3.16002345 AF: 99.8484115 ─────────────────────── ──────────
【実施例2】実施例1と同様のブロック図(図1)の機
能を2対備えており、判定部の判定方法のみが異なり、
ミカンの上からと横からの外形形状を選別している。実
施方法についても、特徴データの抽出までは各々実施例
1と同様である。判定部では特徴データ個々について、
個別の許容値を設けて判定を行っている。基準となる特
徴データは、理想とされる形状のミカンの上及び横から
見た形状から各々抽出し記憶している。個々の許容値
は、市場の嗜好等を反映させて決定する。選別するミカ
ンから得られた特徴データの一番目(K1)が大きくな
ると円形が歪になり、2番目(K2)が大きいと扁平な
形状になる傾向が有る。この例では、面積比AFは使用
せず、面積Aを使用して大きさの判定に使用している。Embodiment 2 Two functions of the block diagram (FIG. 1) similar to those of Embodiment 1 are provided, and only the judgment method of the judgment unit is different.
The outer shape is selected from the top and side of the orange. The implementation method is the same as that of the first embodiment up to the extraction of the feature data. In the judgment unit, for each feature data,
Judgment is made by setting individual allowable values. The reference feature data is extracted and stored from the shape of the orange having the ideal shape viewed from above and from the side. Each allowable value is determined by reflecting market preferences and the like. When the first (K 1 ) of the feature data obtained from the selected oranges is large, the circle tends to be distorted, and when the second (K 2 ) is large, the shape tends to be flat. In this example, the area ratio AF is not used, and the area A is used to determine the size.
【発明の効果】本発明は、対象とする被写体との距離や
ズームレンズによって大きさが異なった画像や、被写体
が視軸に垂直な平面内を回転した画像、及び、裏返しに
した鏡像等の対称な画像に於いても、像の輪郭の特徴を
同じ数値で表現できる為、固定化された算出(認識)方
法で高度な認識能力を提供できる。また、実用に当たっ
ては、10個前後の実数で一つの像の特徴を十分に表現
できるが、より細部まで認識の対象としたい場合は、単
純に数(高調波成分のパワースペクトルの次数)を増や
す事で実現できる為、参照画像を学習してデータベース
(辞書)化を行うのも容易である。現状に於ける性能の
マイクロプロセッサを使用して本装置を構成した場合で
もかなりの細部に至る認識をリアルタイムで実現出来て
いる。本発明によって、画像認識をより手軽で身近なも
のにする事が期待できる。The present invention can be applied to images such as images having different sizes depending on the distance to the target object and the zoom lens, images obtained by rotating the object in a plane perpendicular to the visual axis, and mirror images turned upside down. Even in a symmetrical image, the features of the outline of the image can be represented by the same numerical value, so that a high degree of recognition ability can be provided by a fixed calculation (recognition) method. Further, in practical use, the characteristics of one image can be sufficiently expressed by about 10 real numbers, but if it is desired to recognize the details in more detail, simply increase the number (the order of the power spectrum of the harmonic component). Therefore, it is easy to learn the reference image and create a database (dictionary). Even when the present apparatus is configured using a microprocessor having the current performance, recognition in considerable detail can be realized in real time. The present invention can be expected to make image recognition easier and more familiar.
【図1】画像認識装置(及び外形形状選別装置)のブロ
ック図である。(実施例1,2)FIG. 1 is a block diagram of an image recognition device (and an external shape selection device). (Examples 1 and 2)
1 画像入力部 2 輪郭抽出部 3 フーリエ変換部 4 面積演算部 5 スケーラ 6 辞書 7 判定部 8 CPU 9 メモリー DESCRIPTION OF SYMBOLS 1 Image input part 2 Outline extraction part 3 Fourier transform part 4 Area calculation part 5 Scalar 6 Dictionary 7 Judgment part 8 CPU 9 Memory
【図2】偏角を無視する事によって生ずる画像の歪みを
示した説明図である。FIG. 2 is an explanatory diagram showing image distortion caused by ignoring declination;
a 認識の対象となる画像で、輪郭に同一の偏角を持
つ座標が多数存在する画像の例である。 b aの画像が内部で等価的に処理されているイメー
ジで、輪郭の動径を等角度で一回転して生成した像であ
る。a This is an example of an image to be recognized in which there are many coordinates having the same declination in the contour. The image ba is equivalently processed internally, and is an image generated by rotating the radius of the contour once at an equal angle.
Claims (2)
座標を算出する輪郭抽出部、及び、その動径のパワース
ペクトルを算出するフーリエ変換部を備え、フーリエ変
換部から得られた、基本波成分及び各高調波成分のパワ
ースペクトルを直流成分との比率に変換し、対象画像の
特徴をその変換された有限個の数値で表すことによっ
て、像の遠近により大きさが異なる画像、及び、回転に
より向きが異なる画像や鏡像を含む対称な画像を認識す
る方法、及びその装置。1. An image processing apparatus comprising: a contour extraction unit that calculates a polar coordinate of an outer periphery having an origin at a center of a target image; and a Fourier transform unit that calculates a power spectrum of the radius. By converting the power spectrum of the wave component and each harmonic component into a ratio with the DC component, and expressing the characteristics of the target image by the converted finite number of values, an image having a different size depending on the distance of the image, and A method and an apparatus for recognizing symmetric images including images having different directions and mirror images due to rotation.
クトルに対して、そのパワースペクトルを直流成分との
比率に変換した個々の値に個別の許容範囲を設けて識別
することによって、果物等の外形形状を選別する装置。2. A method according to claim 1, wherein the power spectrum obtained by converting the power spectrum into a ratio with a DC component is provided with an individual allowable range to identify the fruit. Equipment to sort external shapes such as
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10193978A JP2000030060A (en) | 1998-07-09 | 1998-07-09 | Method and device for image recognition |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10193978A JP2000030060A (en) | 1998-07-09 | 1998-07-09 | Method and device for image recognition |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2000030060A true JP2000030060A (en) | 2000-01-28 |
Family
ID=16316951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP10193978A Pending JP2000030060A (en) | 1998-07-09 | 1998-07-09 | Method and device for image recognition |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2000030060A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2354131A (en) * | 1999-03-18 | 2001-03-14 | Nec Corp | Image registration method |
EP1156660A2 (en) * | 2000-01-28 | 2001-11-21 | M. Ken Co. Ltd. | Device and method for detecting digital watermark information |
JP2005321874A (en) * | 2004-05-06 | 2005-11-17 | Murata Mach Ltd | Matching processing method for image |
CN100342399C (en) * | 2002-10-15 | 2007-10-10 | 三星电子株式会社 | Method and apparatus for extracting feature vector used for face recognition and retrieval |
-
1998
- 1998-07-09 JP JP10193978A patent/JP2000030060A/en active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2354131A (en) * | 1999-03-18 | 2001-03-14 | Nec Corp | Image registration method |
GB2354131B (en) * | 1999-03-18 | 2003-03-05 | Nec Corp | Image registration method |
EP1156660A2 (en) * | 2000-01-28 | 2001-11-21 | M. Ken Co. Ltd. | Device and method for detecting digital watermark information |
EP1156660A3 (en) * | 2000-01-28 | 2003-07-02 | M. Ken Co. Ltd. | Device and method for detecting digital watermark information |
CN100342399C (en) * | 2002-10-15 | 2007-10-10 | 三星电子株式会社 | Method and apparatus for extracting feature vector used for face recognition and retrieval |
JP2005321874A (en) * | 2004-05-06 | 2005-11-17 | Murata Mach Ltd | Matching processing method for image |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3975123A1 (en) | Map constructing method, positioning method and system, wireless communication terminal, and computer-readable medium | |
JP2013012190A (en) | Method of approximating gabor filter as block-gabor filter, and memory to store data structure for access by application program running on processor | |
Ren et al. | General traffic sign recognition by feature matching | |
US20140226906A1 (en) | Image matching method and apparatus | |
CN116932803B (en) | Data set generation method and training method based on multi-mode pre-training model | |
CN112581462A (en) | Method and device for detecting appearance defects of industrial products and storage medium | |
WO2022068426A1 (en) | Text recognition method and text recognition system | |
Sethi et al. | Signpro-An application suite for deaf and dumb | |
CN113065598A (en) | Method and device for acquiring insulator identification model and computer equipment | |
EP1530156A1 (en) | Visual object detection | |
CN108280471B (en) | Machine vision-based change-over switch state identification method | |
JP2014132377A (en) | Image processing apparatus, image processing method, and image processing program | |
JP2000030060A (en) | Method and device for image recognition | |
US20230196718A1 (en) | Image augmentation device and method | |
US20050089225A1 (en) | Method for aligning gesture features of image | |
Xu et al. | Pointer gauge adaptive reading method based on a double match | |
CN113326819B (en) | Robot sketch drawing method and device and robot workbench | |
JPH1151611A (en) | Device and method for recognizing position and posture of object to be recognized | |
JP2004178210A (en) | Image processing method, image recognition method, and program for performing the method by computer | |
Warchoł | Hand posture recognition using modified ensemble of shape functions and global radius-based surface descriptor | |
Lomov et al. | Morphological Moments of Binary Images | |
CN115100441B (en) | Object detection method, electronic device, and storage medium | |
Mahalakshmi | A static hand gesture and face recognition for blind people | |
JPH0883319A (en) | Pattern recognizing device | |
Zhang et al. | A new algorithm for real-time ellipse detection |