JP2793682B2 - Optical pattern identification device - Google Patents
Optical pattern identification deviceInfo
- Publication number
- JP2793682B2 JP2793682B2 JP2051854A JP5185490A JP2793682B2 JP 2793682 B2 JP2793682 B2 JP 2793682B2 JP 2051854 A JP2051854 A JP 2051854A JP 5185490 A JP5185490 A JP 5185490A JP 2793682 B2 JP2793682 B2 JP 2793682B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- light receiving
- optical
- neural network
- light
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、画像情報処理の分野において利用される光
学的パターン識別装置に関する。Description: TECHNICAL FIELD The present invention relates to an optical pattern identification device used in the field of image information processing.
［従来の技術及び発明が解決しようとする問題点］ 近年、入力画像（即ち被検画像）のパターンを識別す
る方法として、ニューラルネットワークを用いる方法が
盛んに提案されている。このニューラルネットワークを
用いる方法では、入力画像（被検画像）のパターンに多
少の欠落や変形等の曖昧さがあっても、それに対応した
記憶画像（参照画像）を連想することができ、文字認識
や音声認識等に有効であると考えられている。しかし、
このニューラルネットワークにおいて、その記憶パター
ンの画素数とパターン数に応じて、膨大な数のニューロ
ンが必要であり、更に、一般にニューロン数の二乗のニ
ューロン間の配線が必要なために、大情報量の画像や数
多くの画像を一度に記憶することが困難であるという欠
点があった。[Problems to be Solved by the Related Art and the Invention] In recent years, as a method for identifying a pattern of an input image (that is, a test image), a method using a neural network has been actively proposed. According to the method using the neural network, even if the input image (test image) has some ambiguity such as lack or deformation, a stored image (reference image) corresponding to the ambiguity can be associated, and character recognition can be performed. It is considered to be effective for speech recognition and the like. But,
In this neural network, an enormous number of neurons is required according to the number of pixels and the number of patterns in the memory pattern, and generally, wiring between neurons of the square of the number of neurons is required. There is a disadvantage that it is difficult to store an image or many images at once.
また、被検パターンの大きさの変化や画面内における
回転及び位置の変化があると、正しい識別が得られなく
なるので、回転したパターンや、大きさの異なるパター
ンも記憶させておかなければならなくなり、前記の記憶
できるパターン数が少なくならざるを得なかった。In addition, if there is a change in the size of the test pattern or a change in the rotation or position in the screen, correct identification cannot be obtained, so that a rotated pattern or a pattern having a different size must be stored. However, the number of patterns that can be stored must be reduced.
本発明は、上記の問題点を解決するために為されたも
ので、ニューラルネットワークによる入力画像（即ち被
検画像）の識別を、高速且つ正確に安価な装置で実現す
るパターン識別装置を提供することを目的とする。SUMMARY OF THE INVENTION The present invention has been made to solve the above-described problems, and provides a pattern identification device that realizes high-speed, accurate, and inexpensive identification of an input image (that is, a test image) by a neural network. The purpose is to:
また、本発明は、入力画像の入力面内における回転や
シフトが存在するときも、識別可能で、尚大量の参照画
像を記憶することができる光学的パターン識別装置を提
供することを目的とする。Another object of the present invention is to provide an optical pattern identification device capable of identifying even when a rotation or a shift of an input image in an input plane exists, and capable of storing a large amount of reference images. .
［問題点を解決するための手段］ そこで、本発明は、上記の技術的な課題を解決のため
に、ニューラルネットワークによりパターンの識別を行
なう光学的パターン識別装置において、少なくとも、入
力パターンをコヒーレントに表示する画像表示装置と、
前記表示装置の表示された該コヒーレントなパターンを
光学的にフーリエ変換するフーリエ変換レンズと、前記
光学的フーリエ変換レンズにより形成されたフーリエ変
換像を受光する１つ乃至複数の受光素子で、その受光面
の有効受光領域が、２つ以上の領域からなり、その１つ
は、放射状の仕切線により仕切られた複数の小領域から
なる第１の受光領域であり、もう１つは、同心円状の仕
切線により仕切られた複数の小領域からなる第２の受光
領域であり、前記第１の受光領域は、その放射状の仕切
線の中心がまた、前記第２の受光領域は、その同心円状
の仕切線の円の中心がほぼ前記フーリエ変換レンズの光
軸と一致している受光素子と、前記受光素子からの出力
パターンを入力パターンとして、その識別を行なうニュ
ーラルネットワークとからなることを特徴とする光学的
パターン識別装置を提供する。そして、ニューラルネッ
トワークは、光学的に、行列ベクトル演算或いは閾値処
理或いはその両方を行なうものが好適である。また、そ
のニューラルネットワークは、光学的にニューロン間の
情報の伝達を行なうものが好適に用いられる。そして、
受光素子からの出力パターンは、そのパターン中の出力
の最大値又は最小値が常に同一位置になり、且つその前
後の順番は変化しないようにシフトさせて、前記ニュー
ラルネットワークへ入力するものが好適である。また、
受光素子の前記第１及び第２の受光小領域は、前記光軸
を中心として、ほぼ180度の角度に跨る連続した領域で
ある装置が好適である。[Means for Solving the Problems] In order to solve the above-mentioned technical problems, the present invention provides an optical pattern identification device that identifies a pattern using a neural network, in which at least an input pattern is made coherent. An image display device for displaying;
A Fourier transform lens for optically Fourier transforming the displayed coherent pattern of the display device, and one or more light receiving elements for receiving a Fourier transform image formed by the optical Fourier transform lens; The effective light receiving area of the surface is composed of two or more areas, one of which is a first light receiving area composed of a plurality of small areas separated by radial partition lines, and the other is a concentric circular light receiving area. A second light receiving region including a plurality of small regions separated by a partition line, wherein the first light receiving region has a center of a radial partition line, and the second light receiving region has a concentric circular shape; A light receiving element in which the center of the circle of the partition line substantially coincides with the optical axis of the Fourier transform lens, and a neural network for identifying the output pattern from the light receiving element as an input pattern Providing an optical pattern recognition apparatus characterized by comprising a. Preferably, the neural network optically performs matrix vector operation and / or threshold processing. As the neural network, one that optically transmits information between neurons is preferably used. And
It is preferable that the output pattern from the light receiving element is such that the maximum value or the minimum value of the output in the pattern is always at the same position, and the order before and after the input is shifted so as not to change, and is input to the neural network. is there. Also,
It is preferable that the first and second light-receiving small areas of the light-receiving element are continuous areas extending over an angle of about 180 degrees around the optical axis.
［作用］ 上記のような本発明の光学的パターン識別装置の構成
により、入力画像は、空間的にフーリエ変換されて、そ
のフーリエ変換像が前記２つの小領域を有する受光素子
に入射する。このとき、フーリエ変換像の性質により、
前記受光素子に入射するフーリエ変換像の光強度分布
は、入力画像の空間的な位置には依存しない。従って、
入力画像の位置が入力画面内でシフトしていても、全く
変わらずに入力パターンの識別をすることができる。[Operation] With the configuration of the optical pattern identification device of the present invention as described above, the input image is spatially Fourier-transformed, and the Fourier-transformed image is incident on the light receiving element having the two small regions. At this time, due to the nature of the Fourier transform image,
The light intensity distribution of the Fourier transform image incident on the light receiving element does not depend on the spatial position of the input image. Therefore,
Even if the position of the input image is shifted within the input screen, the input pattern can be identified without any change.
また、フーリエ変換像は、その光軸を中心として、点
対称の光強度分布となる。従って、前記第２の受光領域
の各小領域に入射する光強度は、前記第２の受光小領域
が、ほぼ180度に跨る領域であれば、入力パターンが回
転しても、変化しない。従って、参照パターンの前記第
２の受光小領域における光強度パターンを記憶してお
き、それと入力パターンによる前記第２の受光小領域に
おける光強度パターンとの類似性を検出することによ
り、入力パターンが面内で回転していても、参照パター
ンに対して大きさの変化が無ければ、前記第２の小領域
に関する識別をすることができる。このとき、前記の第
１の小領域の出力は、この第１の小領域の空間的な順番
にそれを並べたとすると、入力画像の回転により、その
順番がシフトすることになる。このとき、前記第１の小
領域がほぼ180度の角度に跨る領域であれば、その両端
の小領域をつなげて周期的な出力並びとすることができ
る。The Fourier transform image has a point-symmetric light intensity distribution about the optical axis. Therefore, the light intensity incident on each small area of the second light receiving area does not change even if the input pattern is rotated, as long as the second light receiving small area is an area spanning substantially 180 degrees. Therefore, by storing the light intensity pattern in the second light receiving small area of the reference pattern and detecting the similarity between the input pattern and the light intensity pattern in the second light receiving small area, the input pattern becomes If there is no change in the size with respect to the reference pattern even when rotating in the plane, it is possible to identify the second small area. At this time, if the output of the first small area is arranged in the spatial order of the first small area, the order is shifted due to the rotation of the input image. At this time, if the first small region is a region extending over an angle of approximately 180 degrees, the small regions at both ends can be connected to form a periodic output arrangement.
そして、例えば、その出力ピークから順番を数えるこ
ととして、その順番に基づいた出力パターンの認識をす
ることにより、入力画像の入力面内の回転に関わり無
く、識別することができる。このような順番シフトは、
必ずしも必要なものでなく、ニューラルネットワークの
学習により、このような並べ換えを行なわなくても識別
を行なえるようになるが、その並べ換えにより、学習の
時間や識別に必要な時間を減らし、記憶パターン量を増
やすことができる。更に、このときの順番のシフト量を
検出することにより、画像の回転量を知ることも可能で
ある。Then, for example, by counting the order from the output peak and recognizing the output pattern based on the order, it is possible to identify the input image irrespective of the rotation in the input plane of the input image. Such an order shift is
Although it is not always necessary, by learning the neural network, identification can be performed without such rearrangement, but the rearrangement reduces the learning time and the time required for identification, and reduces the amount of storage patterns. Can be increased. Further, by detecting the order shift amount at this time, it is also possible to know the image rotation amount.
次に、本発明の光学的パターン識別装置を具体的に実
施例により説明するが、本発明はそれらによって限定さ
れるものではない。Next, the optical pattern identification device of the present invention will be specifically described with reference to examples, but the present invention is not limited thereto.
［実施例１］ 第１図は、本発明による光学的パターン識別装置の１
例の機能を示す模式構成図である。[Embodiment 1] Fig. 1 shows an optical pattern identification apparatus 1 according to the present invention.
It is a schematic block diagram which shows the function of an example.
第１図の光学配置図において、被検物体１は通常のイ
ンコヒーレント光源で照射されて、その像は結像レンズ
２により空間光変調器３の入力面上に結像する。In the optical arrangement shown in FIG. 1, a test object 1 is illuminated by a normal incoherent light source, and an image thereof is formed on an input surface of a spatial light modulator 3 by an imaging lens 2.
空間光変調器３は、入力面における入力光強度分布に
応じて出力面の反射率分布（透過型の場合、透過率分
布）或いは光位相分布を変化させるようなもので、一般
にインコヒーレント・コヒーレント変換素子と呼ばれて
おり、ネマテイック液晶や、強誘電性結晶と光導電膜を
組合わせたもの、透過型では、BSO（Bi12SiO20）単結晶
を用いたもの等がよく知られている。The spatial light modulator 3 changes the reflectance distribution (transmittance distribution in the case of the transmission type) or the optical phase distribution on the output surface according to the input light intensity distribution on the input surface, and is generally incoherent / coherent. Known as a conversion element, a nematic liquid crystal, a combination of a ferroelectric crystal and a photoconductive film, and a transmission type using BSO (Bi 12 SiO 20 ) single crystal are well known. .
空間光変調器３の出力面は、レーザ９を出射した光束
12により照射される。この光束12は、レーザ９を出射し
た後、ビームエキスパンダ10によりその光束径を広げら
れ、全反射ミラー11及びビームスプリッター４で反射さ
れて、空間光変調器３の出力面に入射したものである。The output surface of the spatial light modulator 3 is a light beam emitted from the laser 9
Illuminated by 12. This light beam 12 is emitted from the laser 9, then its beam diameter is expanded by the beam expander 10, reflected by the total reflection mirror 11 and the beam splitter 4, and incident on the output surface of the spatial light modulator 3. is there.
空間光変調器３の出力面において、被検物体１の結像
パターン即ち入力パターンに応じた空間的変調を受けた
光束12は、ビームスプリッター４を透過し、フーリエ変
換レンズ５を通って、受光素子６の受光面に到達する。On the output surface of the spatial light modulator 3, the light flux 12 that has been subjected to spatial modulation according to the imaging pattern of the test object 1, that is, the input pattern, passes through the beam splitter 4, passes through the Fourier transform lens 5, and receives light. The light reaches the light receiving surface of the element 6.
この受光素子６の受光面は、フーリエ変換レンズに対
して、空間光変換器３の出力面の空間的フーリエ変換面
になっている。それは即ち空間光変換器３の出力面に入
射した光束が、平行光束であったとすると、フーリエ変
換レンズ５の焦点面と一致する。そして、この受光素子
６の受光面上では、空間光変調器３の出射面における複
素振幅分布の二次元フーリエ変換の二乗に対応した光強
度分布が観察される。The light receiving surface of the light receiving element 6 is a spatial Fourier transform surface of the output surface of the spatial light converter 3 with respect to the Fourier transform lens. That is, if the light beam incident on the output surface of the spatial light converter 3 is a parallel light beam, it coincides with the focal plane of the Fourier transform lens 5. Then, on the light receiving surface of the light receiving element 6, a light intensity distribution corresponding to the square of the two-dimensional Fourier transform of the complex amplitude distribution on the emission surface of the spatial light modulator 3 is observed.
この受光素子の受光面の分割パターンの一例を、第２
図に示す。受光領域全体は、円形としており、この受光
領域は、半円形の領域Ａ（6a）と、領域Ｂ（6b）とに分
かれている。更に、領域Ａ（6a）は円形領域の中心から
放射状に伸びる仕切線で等しい中心角になるように仕切
られたウェッジ型の小領域6a1〜6anで構成され、領域Ｂ
（6b）は、円形領域の中心から同心円状に仕切られたリ
ング型の小領域b1〜6bnで構成されている。An example of a division pattern of the light receiving surface of the light receiving element is shown in FIG.
Shown in the figure. The entire light receiving area is circular, and this light receiving area is divided into a semicircular area A (6a) and an area B (6b). Moreover, the region A (6a) is composed of a small area 6 a1 to 6 an, wedge type partitioned so that a center angle equal partition lines extending radially from the center of the circular region, the region B
(6b) is constituted by small areas b1 to 6 bn of ring partitioned concentrically from the center of the circular area.
これらは、フーリエ変換光学系を振幅分割して２つの
光路に分け、各々、一方にウェッジ型の小領域で構成さ
れた円形の受光領域からなる受光素子を、他方に、リン
グ型の小領域で構成された円形の受光領域からなる受光
素子を配置しても良いが、フーリエ変換パターンは、そ
のフーリエ変換光学系の光軸を中心として点対称なパタ
ーンになるのでウェッジ型の領域、リング型の領域各々
半円の領域があれば充分である。These are divided into two optical paths by dividing the Fourier transform optical system into two light paths, each of which has a light receiving element composed of a circular light receiving area composed of a wedge-shaped small area and a ring-shaped small area on the other. A light receiving element composed of a circular light receiving area may be arranged, but the Fourier transform pattern is a point-symmetrical pattern around the optical axis of the Fourier transform optical system. It is sufficient if each area has a semicircular area.
このフーリエ変換パターンは、入力パターンによって
各々特徴的なパターンとなるので、この受光素子６から
の出力強度信号を順番に並べたパターンも各々の入力パ
ターンにより特徴的なパターンとなる。そこで、被検物
体と同じ条件による参照物体（即ち、識別しない物体或
いはパターンの群）の各々の受光素子６からの出力パタ
ーンをニューラルネットワーク８内にメモリーしておけ
ば、被検物体１による受光素子６からの出力パターンと
等しいと判断できる参照物体を識別することができる。
また、このメモリーの作成の際に１つのパターンに対
し、回転や大きさの変化の伴ったパターンを同時に学習
させれば回転や大きさの変化に影響され難いパターン識
別装置を得ることができる。Since the Fourier transform patterns become characteristic patterns according to the input patterns, the patterns in which the output intensity signals from the light receiving elements 6 are arranged in order are also characteristic patterns according to the respective input patterns. Therefore, if the output pattern from each light receiving element 6 of the reference object (that is, an unidentified object or a group of patterns) under the same conditions as the test object is stored in the neural network 8, the light reception by the test object 1 can be performed. A reference object that can be determined to be equal to the output pattern from the element 6 can be identified.
In addition, a pattern discriminating apparatus which is hardly influenced by the rotation and the change in size can be obtained by simultaneously learning a pattern with a change in the rotation and size for one pattern when creating the memory.
このとき、受光素子６からの出力パターンは、もとも
との画像に比べれば、その情報量は大幅に削除されてい
るので、ニューラルネットワーク８として、少ないニュ
ーロン数で電気的に演算処理を行なう装置を用いても、
充分に高速で精度の高い検出を行なうことができる。At this time, since the information amount of the output pattern from the light receiving element 6 has been greatly deleted as compared with the original image, a device that electrically performs arithmetic processing with a small number of neurons is used as the neural network 8. Even
Highly accurate detection can be performed at a sufficiently high speed.
更に、このとき、出力処理器７により受光素子６の領
域Ａ（6a）からの出力をその最大の強度の位置が常に出
力パターンの同じ位置に来るように、シフトすることに
より、入力パターンの入力面内における回転に影響され
ない検出を行なうための学習量やメモリー量を削除する
ことができる。この様子を各小領域からの出力の並びを
示す第３図を用いて説明する。Further, at this time, the output from the area A (6a) of the light receiving element 6 is shifted by the output processor 7 so that the position of the maximum intensity always comes to the same position of the output pattern, thereby inputting the input pattern. The learning amount and the memory amount for performing the detection that is not affected by the rotation in the plane can be deleted. This situation will be described with reference to FIG. 3, which shows the arrangement of outputs from each small area.
第３図（ａ）は、ある入力パターンの時の各小領域か
らの出力強度をグラフに示したものである。このとき、
入力パターンが入力面内で小領域一つ分回転すると、出
力強度は、各々、小領域6a1の強度が、6a2へ、6a2の強
度が6a3へと一つずつシフトし、そして、6anの強度は、
もう一方の端の6a1へ移る。従って、同じ入力パターン
であれば、入力面内で回転を伴っていても、受光素子６
の領域Ａ（6a）からの出力パターンにおいて、その最大
強度の位置が常に同じ位置になるように並べ替えてニュ
ーラルネットワークに入力すれば、回転がなかったとき
と全く同様に識別を行なうことができる。例えば、第３
図（ｂ）は、第３図（ａ）に示すパターンを左に小領域
２つ分シフトさせて、最大強度の位置が、データの先頭
に来るようにしたものである。常に、このように、最大
強度の位置が一定の場合になるように、参照パターンの
データも並べ替えてニューラルネットワークに入力すれ
ばよい。FIG. 3 (a) is a graph showing the output intensity from each small area at the time of a certain input pattern. At this time,
When the input pattern is rotated subregion one minute in the input plane, the output intensity, respectively intensities of small regions 6 a1 is, to 6 a2, intensity of 6 a2 are one by one shift to 6 a3, and, The strength of 6 an
Move to the other end, 6 a1 . Therefore, if the input pattern is the same, the light receiving element 6 can be rotated even in the input plane.
In the output pattern from the region A (6a), if the rearrangement is performed so that the position of the maximum intensity is always the same position and input to the neural network, the identification can be performed in the same manner as when there is no rotation. . For example, the third
FIG. 3B shows a pattern in which the pattern shown in FIG. 3A is shifted to the left by two small regions so that the position of the maximum intensity comes at the head of the data. Thus, the data of the reference pattern may be rearranged and input to the neural network so that the position of the maximum intensity is always constant.
実施例１では、電気的な回路構成によるニューラルネ
ットワーク８を想定したが、次の実施例２では、ニュー
ラルネットワークの主要な演算処理及び情報伝達の部分
を光学的に構成することにより、小領域を、より細かく
分割した大容量のデータを高速に演算処理することがで
きる。In the first embodiment, the neural network 8 having an electrical circuit configuration is assumed. However, in the second embodiment, a small area is optically configured for a main arithmetic processing and information transmission portion of the neural network to thereby reduce a small area. Thus, large-volume data that has been finely divided can be processed at high speed.
［実施例２］ 光学的なニューラルネットワークとして既に幾つかの
構成が発表されているが、本実施例では、受光素子アレ
イ、受光素子アレイ及び透過率行列マスクを用いた例で
説明する。尚、ここでは、フーリエ変換光学系の部分
は、第１図に示す構成配置と同じなので、光学的ニュー
ラルネットワークの部分のみを説明する。Embodiment 2 Some configurations have already been announced as an optical neural network. In this embodiment, an example using a light receiving element array, a light receiving element array, and a transmittance matrix mask will be described. Note that, here, the part of the Fourier transform optical system is the same as the arrangement shown in FIG. 1, so only the part of the optical neural network will be described.
この実施例では、第４図に、本発明の光学的パターン
識別装置に使用する光学的ニューラルネットワークの構
成の概念図で示す。受光素子６からの出力パターンは、
それを順番に並べることにより、ニューラルネットワー
ク７への入力ベクトルｖ（v1、v2・・・vn）と考えるこ
とができる。この入力に応じてLED等の発光素子アレイ2
1の各々の発光素子から各々のベクトルの要素に応じた
強度の光束が発せられる。In this embodiment, FIG. 4 shows a conceptual diagram of the configuration of an optical neural network used in the optical pattern identification device of the present invention. The output pattern from the light receiving element 6 is
By arranging them in order, it can be considered as an input vector v (v 1 , v 2 ... V n ) to the neural network 7. In response to this input, a light emitting element array 2 such as an LED
Each light emitting element emits a light beam having an intensity corresponding to each vector element.
本実施例では、説明を簡単にするために、ベクトルの
要素の数ｎは、５としてある。ここで、発せられた光束
22a〜22eは、例えば各々の発光素子の直後に発光素子ア
レイ21の発光素子の並んでいる方向にのみパワーを有す
るようなシリンドリカルレンズを配置することにより、
液晶パネル23の開口行列のひとつひとつの行に対応して
入射させることができる。In this embodiment, the number n of vector elements is set to 5 for simplicity of explanation. Where the luminous flux emitted
22a to 22e, for example, by disposing a cylindrical lens having power only in the direction in which the light emitting elements of the light emitting element array 21 are arranged immediately after each light emitting element,
Light can be incident on each of the rows of the aperture matrix of the liquid crystal panel 23.
この液晶パネルは、マトリックス状に開口が並んだも
のであり、その各々の開口の透過率が独立な値を有す
る。この透過率の行列をＴとし、その要素即ち、一つ一
つの開口の透過率は、全ての参照画像のデータから計算
により或いはニューラルネットワークの特徴である学習
により決定される。従って、あらたな学習や新たな参照
画像データにリアルタイムに対応する必要がなければ、
この液晶パネル23の代わりに決定された透過率マトリッ
クスを有する固定透過率マスクを配置することができ
る。This liquid crystal panel has openings arranged in a matrix, and the transmittance of each opening has an independent value. The matrix of this transmittance is T, and its element, that is, the transmittance of each opening is determined by calculation from the data of all reference images or by learning which is a feature of the neural network. Therefore, if there is no need to respond to new learning or new reference image data in real time,
In place of the liquid crystal panel 23, a fixed transmittance mask having a determined transmittance matrix can be arranged.
この液晶パネル23を出射した光束25a〜25eは、例えば
液晶パネル23の直後にそこからの出射光束全体をカバー
する球面レンズを配置することにより、受光素子アレイ
26の各々対応する受光素子上に集光する。このときの光
束25a〜25eは、各々液晶パネル23の各々の列から出射し
たものである。従って、受光素子アレイ26に入射する光
量の値を要素とするベクトルは、行列ベクトル演算Tvの
結果を表わすことになる。The light beams 25a to 25e emitted from the liquid crystal panel 23 are arranged, for example, immediately after the liquid crystal panel 23 by disposing a spherical lens that covers the entire light beam emitted from the liquid crystal panel 23.
The light is condensed on the corresponding light receiving element of each of 26. The light beams 25a to 25e at this time are emitted from the respective columns of the liquid crystal panel 23. Therefore, a vector having the value of the amount of light incident on the light receiving element array 26 as an element represents the result of the matrix vector operation Tv.
この受光素子アレイ26からの出力を各々非線形処理回
路27を通すことにより、得られた出力ベクトルｕ（u1,u
2,‥‥un）の各要素の値が、各ニューロンが興奮状態に
あるか抑制状態にあるかを示す。このときの非線形処理
関数は、基本的には、入力に対して出力がその最大最小
共に飽和を起こすような単調な関数であれば、シグモイ
ド型、ステップ型等が提案されている。The output from the light receiving element array 26 is passed through a non-linear processing circuit 27 to obtain an output vector u (u 1 , u
2, the value of each element of ‥‥ u n) is indicative of whether the suppression state or each neuron is in a state of excitement. As the nonlinear processing function at this time, a sigmoid type, a step type, and the like are basically proposed as long as the function is a monotonous function that causes the output to saturate at both the maximum and minimum with respect to the input.
尚、代表的ニューラルネットワークモデルであるホッ
プフィールドモデルにおいては、出力ベクトルｕは、発
光素子アレイ21にフィールドバックされる。また、フィ
ードフォワード型モデルにおいては、第４図に示す行列
ベクトル演算及び非線形処理ユニットを１つの層と考え
て、これを２層以上に多層化して、前層からの出力は後
層の入力として、接続され、最終的な出力ベクトルのパ
ターンが得られる。In a Hopfield model, which is a typical neural network model, the output vector u is fed back to the light emitting element array 21. In the feedforward model, the matrix vector operation and the non-linear processing unit shown in FIG. 4 are considered as one layer, and this is multi-layered into two or more layers. , And the final output vector pattern is obtained.
尚、本実施例においては、液晶パネルを用いるが、現
在、単純マトリックス型及びアクテイブィマトリックス
型と呼ばれるものが市販されており、その最も一般的な
ものは、液晶テレビに使用されている。また、この液晶
パネルと同様の機能を有するものとして、Bi12SiO20（B
SO）やLiNbO3などの電気光学効果を有する結晶にマトリ
ックス形成のための電極を配したものを挙げることがで
きる。In this embodiment, a liquid crystal panel is used. Currently, a liquid crystal panel called a simple matrix type or an active matrix type is commercially available, and the most common type is used for a liquid crystal television. In addition, Bi 12 SiO 20 (B
Crystals having an electro-optical effect, such as SO) and LiNbO 3 , provided with electrodes for forming a matrix can be used.
また、本実施例においては、非線形処理回路27として
は、電気的デバイスを用いることができるが、受光素子
アレイの部分に光双安定素子を配置して、光学的に閾値
処理等のための非線形処理を行なうこともできる。更
に、光双安定素子を出射した光束を光学的に増幅して次
の層に入力し、発光素子アレイを用いていたところを定
常光源に対する入力マスクアレイとすれば、純光学的に
ニューラルネットワークを構成することもできる。In this embodiment, an electrical device can be used as the nonlinear processing circuit 27. However, an optical bistable element is arranged in the light receiving element array to optically perform nonlinear processing for threshold processing and the like. Processing can also be performed. Further, if the light beam emitted from the optical bistable element is optically amplified and input to the next layer, and the light emitting element array is used as an input mask array for a stationary light source, a neural network can be purely optically formed. It can also be configured.
このように、行列ベクトル演算、非線形処理、情報の
伝達を光学的に並列に行なうことにより、高速に大量の
データ処理を行なうことができる。As described above, by performing matrix vector calculation, nonlinear processing, and information transmission optically in parallel, a large amount of data processing can be performed at high speed.
［発明の効果］ 本発明による光学的パターン識別装置により、上述の
ような効果が得られた、それらをまとめると、次のよう
な顕著な技術的効果が得られた。[Effects of the Invention] The above-described effects were obtained by the optical pattern identification device according to the present invention. In summary, the following remarkable technical effects were obtained.
即ち、第１に、ニューラルネットワークを用いた入力
画像（即ち被検画像）の識別を高速に且つ正確に、安価
な装置で実現することができる光学的パターン識別装置
を提供する。That is, first, an optical pattern identification device that can realize an input image (ie, a test image) using a neural network at high speed, accurately, and with an inexpensive device is provided.
第２に、入力画像の入力面内における回転やシフトが
存在するときにも識別可能で、尚、且つ、メモリする被
検画像のデータ数が多くとれることができる光学的パタ
ーン識別装置を提供する。Secondly, there is provided an optical pattern identification device which can identify even when there is a rotation or a shift in an input surface of an input image, and which can store a large number of data of a test image to be stored. .
第１図は、本発明の光学的パターン識別装置の１例の構
成を示す模式構成図である。 第２図は、本発明の光学的パターン識別装置で用いる受
光素子の受光領域パターンの一例を示す模式構成図であ
る。 第３図（ａ）、（ｂ）は、本発明の光学的パターン識別
装置による出力パターンを示す説明図である。 第４図は、本発明の光学的パターン識別装置に用いられ
る光学的ニューラルネットワークの一例を示す模式構成
図である。 ［主要部分の符号の説明］ １……被検物体 ３……空間光変調器 ５……フーリエ変換レンズ ６……受光素子 6a……領域Ａ 6b……領域Ｂ 6an、6bn……小領域 ７……出力処理器 ８……ニューラルネットワーク ９……レーザ 12、22a〜22e、25a〜25e……光束 21……発光素子アレイ 23……液晶パネル 26……受光素子アレイ 27……非線形処理回路FIG. 1 is a schematic configuration diagram showing the configuration of an example of the optical pattern identification device of the present invention. FIG. 2 is a schematic configuration diagram showing an example of a light receiving area pattern of a light receiving element used in the optical pattern identification device of the present invention. FIGS. 3A and 3B are explanatory diagrams showing output patterns by the optical pattern identification device of the present invention. FIG. 4 is a schematic diagram showing an example of an optical neural network used in the optical pattern identification device of the present invention. [Explanation of Signs of Main Parts] 1... Test object 3... Spatial light modulator 5... Fourier transform lens 6... Light receiving element 6 a. Output processor 8 Neural network 9 Laser 12, 22a to 22e, 25a to 25e Light flux 21 Light emitting element array 23 Liquid crystal panel 26 Light receiving element array 27 Nonlinear processing circuit
Claims (5)
識別を行なう光学的パターン識別装置において、 少なくとも、 入力パターンをコヒーレントに表示する画像表示装置
と、 前記表示装置の表示された該コヒーレントなパターンを
光学的にフーリエ変換するフーリエ変換レンズと、 前記光学的フーリエ変換レンズにより形成されたフーリ
エ変換像を受光する１つ乃至複数の受光素子で、その受
光面の有効受光領域が、２つ以上の領域からなり、その
１つは、放射状の仕切線により仕切られた複数の小領域
からなる第１の受光領域であり、もう１つは、同心円状
の仕切線により仕切られた複数の小領域からなる第２の
受光領域であり、 前記第１の受光領域は、その放射状の仕切線の中心がま
た、前記第２の受光領域は、その同心円状の仕切線の円
の中心がほぼ前記フーリエ変換レンズの光軸と一致して
いる受光素子と、 前記受光素子からの出力パターンを入力パターンとし
て、その識別を行なうニューラルネットワークとからな
ることを特徴とする光学的パターン識別装置。An optical pattern identification device for identifying a pattern by a neural network, comprising: an image display device for displaying at least an input pattern coherently; and an optical Fourier display device for displaying the coherent pattern displayed on the display device. A Fourier transform lens for converting, and one or more light receiving elements for receiving a Fourier transform image formed by the optical Fourier transform lens, the effective light receiving area of the light receiving surface is composed of two or more areas. One is a first light receiving area composed of a plurality of small areas partitioned by radial partition lines, and the other is a second light receiving area composed of a plurality of small areas partitioned by concentric partition lines. The first light-receiving region is located at the center of the radial partition line, and the second light-receiving region is located at the concentric partition line. An optical system comprising: a light receiving element whose center of a line circle substantially coincides with an optical axis of the Fourier transform lens; and a neural network for identifying an output pattern from the light receiving element as an input pattern. Pattern identification device.
に、行列ベクトル演算或いは閾値処理或いはその両方を
行なうことを特徴とする請求項１に記載の光学的パター
ン識別装置。2. The optical pattern identification apparatus according to claim 1, wherein said neural network optically performs matrix vector operation and / or threshold processing.
ニューロン間の情報の伝達を行なうことを特徴とする請
求項１或いは２に記載の光学的パターン識別装置。3. The apparatus according to claim 1, wherein the neural network optically transmits information between neurons.
パターン中の出力の最大値又は最小値が常に同一位置に
なり、且つその前後の順番は変化しないようにシフトさ
せて、前記ニューラルネットワークへ入力することを特
徴とする請求項１〜３のいずれかに記載の光学的パター
ン識別装置。4. An output pattern from the light receiving element is shifted to the neural network such that the maximum value or the minimum value of the output in the pattern is always at the same position and the order before and after the pattern does not change. The optical pattern identification device according to claim 1, wherein an input is made.
領域は、前記光軸を中心として、ほぼ180度の角度に跨
る連続した領域であることを特徴とする請求項１〜４の
いずれかに記載の光学的パターン識別装置。5. The light receiving element according to claim 1, wherein the first and second light receiving sub-regions are continuous regions extending over an angle of approximately 180 degrees around the optical axis. An optical pattern identification device according to any one of the above.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2051854A JP2793682B2 (en) | 1990-03-05 | 1990-03-05 | Optical pattern identification device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2051854A JP2793682B2 (en) | 1990-03-05 | 1990-03-05 | Optical pattern identification device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03253921A JPH03253921A (en) | 1991-11-13 |
| JP2793682B2 true JP2793682B2 (en) | 1998-09-03 |
Family
ID=12898449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2051854A Expired - Fee Related JP2793682B2 (en) | 1990-03-05 | 1990-03-05 | Optical pattern identification device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2793682B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5388164A (en) * | 1992-08-19 | 1995-02-07 | Olympus Optical Co., Ltd. | Method for judging particle agglutination patterns using neural networks |
-
1990
- 1990-03-05 JP JP2051854A patent/JP2793682B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03253921A (en) | 1991-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2527807B2 (en) | Optical associative identification device | |
| US4832447A (en) | Joint transform image correlation using a nonlinear spatial light modulator at the fourier plane | |
| JP3023694B2 (en) | Light pattern recognition method for multi-reference images | |
| US5724447A (en) | Optical transform system for three-dimensional object recognition | |
| US7302100B2 (en) | Method for increasing detectable light energy without changing shape content in radial and angular or rotational analysis of images for shape content and matching | |
| US3612641A (en) | Holographic data storage with an orthogonally coded reference beam | |
| WO2019060645A1 (en) | Photonic neural network system | |
| JPH0670798B2 (en) | Optical pattern recognition method | |
| Jutamulia et al. | Use of electron trapping materials in optical signal processing. 2: two-dimensional associative memory | |
| JP2793682B2 (en) | Optical pattern identification device | |
| EP0460625B1 (en) | Optical information processing apparatus and method using computer generated hologram | |
| US20230048377A1 (en) | Data processing array | |
| US3909112A (en) | Optical processing apparatus | |
| US3553460A (en) | Realization of combinatorial functions by utilizing optical holography and phase modulation by input information | |
| US7103223B2 (en) | Apparatus and method for radial and angular or rotational analysis or images for shape content and matching | |
| Chao et al. | Optical implementation of a feature-based neural network with application to automatic target recognition | |
| JPH03164815A (en) | Optical system for optical neural network | |
| Hudson et al. | Real time optical correlator architectures using a deformable mirror spatial light modulator | |
| JP3099203B2 (en) | Optical pattern recognition and classification device | |
| JP2774174B2 (en) | Optical correlation calculation processing method | |
| JPH04290180A (en) | Pattern discrimination device | |
| JP2889275B2 (en) | Optical associative identification device | |
| JP2986487B2 (en) | Optical associative identification device | |
| JP3096717B2 (en) | Neural network | |
| JP2767996B2 (en) | Log-polar coordinate conversion method, visual recognition method, and optical information processing device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |