JP2901644B2 - Image recognition method of stitch arrangement and image recognition device - Google Patents
Image recognition method of stitch arrangement and image recognition deviceInfo
- Publication number
- JP2901644B2 JP2901644B2 JP1131543A JP13154389A JP2901644B2 JP 2901644 B2 JP2901644 B2 JP 2901644B2 JP 1131543 A JP1131543 A JP 1131543A JP 13154389 A JP13154389 A JP 13154389A JP 2901644 B2 JP2901644 B2 JP 2901644B2
- Authority
- JP
- Japan
- Prior art keywords
- stitch
- arc
- network
- image
- gravity
- 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 - Lifetime
Links
Landscapes
- Knitting Machines (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Sewing Machines And Sewing (AREA)
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、編地の編目の配列状態を認識する編目配列
の画像認識方法およびその画像認識装置に関する。Description: BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a stitch array image recognition method for recognizing an arrangement state of stitches of a knitted fabric and an image recognition device thereof.
［従来の技術］ 従来、編地の編目検査のために、編目の配列を画像認
識する画像認識方法では、編地画像の中から編目を抽出
し、抽出した編目の重心間を結ぶ線分の特定の編目列方
向に対する角度と重心点間の距離により編目配列を推定
する方法（特願昭61−301659）が提案されている。2. Description of the Related Art Conventionally, for image inspection of stitches of a knitted fabric, in an image recognition method for recognizing an arrangement of stitches, a stitch is extracted from a knitted fabric image and a line segment connecting the centers of gravity of the extracted stitches. A method of estimating a stitch arrangement based on an angle with respect to a specific stitch row direction and a distance between centroid points has been proposed (Japanese Patent Application No. 61-301659).
［発明が解決しようとする課題］ しかしながら、編地は非常に柔軟なので、第11図に示
す構造の編地の撮像結果を第12図に模式的に示すよう
に、個々の編目の形状，編目間の長さ，編目間の角度が
それぞれ大きく変化する。このため、上記線分と編目列
推定方向との角度が一定角度以上になると上述の画像認
識方法ではその編目は特定の編目列方向の編目列を構成
しないと誤認識することが多く、認識確率の高い画像認
識方法が望まれていた。[Problems to be Solved by the Invention] However, since the knitted fabric is very flexible, the imaging results of the knitted fabric having the structure shown in FIG. 11 are schematically shown in FIG. The length between the stitches and the angle between the stitches greatly change. For this reason, if the angle between the line segment and the stitch row estimation direction becomes a certain angle or more, the above-described image recognition method often mistakenly recognizes that the stitch does not form a stitch row in a specific stitch row direction. An image recognition method with high image quality has been desired.
そこで、本発明の目的は、従来よりも高い認識確率で
編目の配列状態を認識することが可能な編目配列の画像
認識方法および画像認識装置を提供することにある。Therefore, an object of the present invention is to provide a stitch array image recognition method and an image recognition device capable of recognizing a stitch array state with a higher recognition probability than before.
［課題を解決するための手段］ このような目的を達成するために、本発明の第１形態
は、編地を撮像し、撮像して得られた画像信号を２値化
して前記編地の編糸の輪郭線を抽出し、抽出した前記輪
郭線に囲まれる編目部分の重心位置を検出し、検出した
重心位置をノードとし、かつ当該重心位置と隣接する重
心位置とを結ぶ線分をアークとするネットワークを設定
し、当該設定されたネットワーク上において、特定の編
目列方向に沿った直線性および並列性の最も高い複数の
アーク列を認識結果の編目配列として選択抽出すること
を特徴とする。[Means for Solving the Problems] In order to achieve such an object, a first embodiment of the present invention takes an image of a knitted fabric, binarizes an image signal obtained by the imaging, and converts the image signal into a binary image. The contour of the knitting yarn is extracted, the position of the center of gravity of the stitch portion surrounded by the extracted contour is detected, the detected position of the center of gravity is set as a node, and the line connecting the position of the center of gravity and the position of the adjacent center of gravity is arced. And selecting and extracting a plurality of arc trains having the highest linearity and parallelism along a specific stitch train direction as a stitch array of a recognition result on the set network. .
本発明の第２形態は、前記アーク列の選択抽出を弛緩
法により実行することを特徴とする。A second embodiment of the present invention is characterized in that the selective extraction of the arc train is executed by a relaxation method.
本発明の第３形態は、前記ネットワークの端部にある
ノードの中から前記特定の編目列方向との角度差が最も
小さいアークを選択した後、該アークを起点としてアー
クと結合する複数のアーク中から角度差が最も小さいア
ークを順に選択していくことによって、前記特定の編目
列方向に沿った直線性および並列性の最も高い複数のア
ーク列を前記ネットワークの中から選択抽出することを
特徴とする。According to a third aspect of the present invention, after selecting an arc having the smallest angle difference with the specific stitch row direction from nodes at the end of the network, a plurality of arcs that are coupled to the arc with the arc as a starting point are selected. By sequentially selecting arcs having the smallest angle difference from among them, a plurality of arc trains having the highest linearity and parallelism along the specific stitch row direction are selectively extracted from the network. And
本発明の第４形態は、編地を光電変換により撮像して
画像信号を出力する撮像手段と、該撮像手段から出力さ
れた前記画像信号を２値化して前記編地の編糸の輪郭線
を抽出する編糸抽出手段と、該編糸抽出手段により抽出
された前記輪郭線により囲まれる編目部分の重心位置を
検出する編目位置検出手段と、該編目位置検出手段によ
り検出された前記重心位置をノードとし、当該重心位置
と隣接する重心位置とを結ぶ線分をアークとするネット
ワークを設定するネットワーク設定手段と、当該設定さ
れたネットワーク上に特定の編目列方向に沿った直線性
および並列性の最も高い複数のアーク列を前記ネットワ
ークの中から選択抽出する編目配列認識手段とを具えた
ことを特徴とする。According to a fourth aspect of the present invention, there is provided an image pickup unit that picks up an image of a knitted fabric by photoelectric conversion and outputs an image signal, and binarizes the image signal output from the image pickup unit to obtain an outline of a knitting yarn of the knitted fabric. Knitting yarn extracting means for extracting a stitch position, a stitch position detecting means for detecting a center of gravity of a stitch portion surrounded by the contour line extracted by the knitting yarn extracting means, and the center of gravity position detected by the stitch position detecting means Is a node, a network setting means for setting a network in which a line segment connecting the position of the center of gravity and an adjacent position of the center of gravity is an arc, and linearity and parallelism along a specific stitch row direction on the set network. And a stitch arrangement recognizing means for selecting and extracting a plurality of arc trains having the highest number from the network.
［作用］ 本発明の第１形態は、編目の構造上、編目の配列が並
列的に特定の方向に沿った直線状となることに着目し、
編目の重心位置をノードとして設定したネットワークの
中から特定の編目列方向に沿った直線性および並列性の
高いアーク列を選択抽出するようにしたので、従来のよ
うに編目間の角度のみで局所的に配列を認識する場合に
比べ、編地全体の調和が考慮され、抽出されたアーク列
は編目の配列状態を良く表わす。この結果、配列の認識
確立が従来より高くなる。また、編目の配列の画像認識
の要素を編糸ではなく編目の重心位置とすることによっ
て、たとえ編糸が変形しても重心位置の変化は小さいの
で、編目の配列の認識に影響を受けることはない。しか
も編地全体が変形してもネットワークの構成は変形する
ことがないので、従来の認識手法よりもさらに認識確率
が高くなる。[Operation] The first embodiment of the present invention focuses on the fact that the arrangement of stitches is parallel in a straight line along a specific direction due to the structure of the stitches.
Since the arc train with high linearity and parallelism along the specific stitch row direction is selected and extracted from the network in which the center of gravity position of the stitch is set as a node, the locality is determined only by the angle between stitches as in the past. Compared to the case of recognizing the arrangement of the stitches, the harmony of the entire knitted fabric is taken into consideration, and the extracted arc trains better represent the arrangement state of the stitches. As a result, the probability of sequence recognition is higher than before. In addition, since the image recognition element of the stitch arrangement is not the knitting yarn but the center of gravity of the stitch, even if the knitting yarn is deformed, the change in the center of gravity is small, so that the recognition of the stitch arrangement is affected. There is no. Moreover, even if the entire knitted fabric is deformed, the configuration of the network does not change, so that the recognition probability is higher than in the conventional recognition method.
本発明の第２形態では特定の編目列方式に沿った最も
直線性，並列性の高いアーク列の抽出を弛緩法により行
うようにしたので、各々のアークにおける直線性および
並列性の確率が徐々に更新され、編目配列の全体バラン
スを考慮しながら認識を行うことができる。In the second embodiment of the present invention, the arc sequence having the highest linearity and parallelism is extracted by the relaxation method according to the specific stitch row system. Therefore, the probability of linearity and parallelism in each arc gradually increases. The recognition can be performed while considering the overall balance of the stitch arrangement.
本発明の第３形態では、特定の編目列方向に沿ったア
ークを起点としてアークとアークを結ぶ角度差が最も小
さくなるようなアークを選択する。これにより特定の方
向編目配列の認識率が向上する。In the third embodiment of the present invention, an arc is selected such that an angle difference between arcs starting from an arc along a specific stitch row direction is the smallest. Thereby, the recognition rate of the specific stitch arrangement is improved.
本発明の第４形態では、編目の配列の認識確率が高く
なるのみならず、抽出されたアーク列を出力手段によ
り、例えば図形表示することによって、操作者は編目の
配列状態から編目の変形度，編目の異常を検出すること
が可能となる。さらに、CPUによる集中演算だけでな
く、専用並列処理装置を設けることによって高速な認識
処理が可能となり、さらに画像処理演算とネットワーク
処理演算が並列に処理できるため、連続的に画像入力，
結果の表示ができる。In the fourth embodiment of the present invention, not only the recognition probability of the stitch arrangement is increased, but also the extracted arc sequence is displayed in a graphic form by the output means, for example, so that the operator can change the stitch deformation degree from the arrangement state of the stitches. Thus, it is possible to detect stitch abnormalities. Furthermore, not only centralized computation by the CPU, but also the provision of a dedicated parallel processing device enables high-speed recognition processing. Furthermore, since image processing computation and network processing computation can be processed in parallel, continuous image input,
The result can be displayed.
［実施例］ 以下、図面を参照して本発明の実施例を詳細に説明す
る。[Example] Hereinafter, an example of the present invention will be described in detail with reference to the drawings.
第１図は本発明実施例の基本構成を示す。 FIG. 1 shows a basic configuration of an embodiment of the present invention.
第１図において、100は編地を光電変換により撮像し
て画像信号を出力する撮像手段である。In FIG. 1, reference numeral 100 denotes an imaging means for imaging a knitted fabric by photoelectric conversion and outputting an image signal.
200は該撮像手段から出力された前記画像信号を２値
化して前記編地の編糸の輪郭線を抽出する編糸抽出手段
である。Numeral 200 denotes a knitting yarn extracting means for binarizing the image signal output from the imaging means and extracting a contour line of the knitting yarn of the knitted fabric.
300は該編糸抽出手段により抽出された前記輪郭線に
より囲まれる編目部分の重心位置を検出する編目位置検
出手段である。Reference numeral 300 denotes a stitch position detecting means for detecting the position of the center of gravity of the stitch portion surrounded by the outline extracted by the knitting yarn extracting means.
400は該編目位置検出手段により検出された前記重心
位置をノードとし、当該重心位置と隣接する重心位置と
を結ぶ線分をアークとするネットワークを設定するネッ
トワーク設定手段である。Reference numeral 400 denotes network setting means for setting a network in which the position of the center of gravity detected by the stitch position detecting means is set as a node, and a line connecting the position of the center of gravity and an adjacent position of the center of gravity is set as an arc.
500は該ネットワーク設定手段で設定された前記ネッ
トワークの前記アークの方向と特定の編目列方向とが一
致する第１確率、および前記アークの方向と近隣のアー
クの方向とが一致する第２確率の値を算出する演算手段
である。500 is a first probability that the direction of the arc of the network set by the network setting means matches a specific stitch row direction, and a second probability that the direction of the arc matches the direction of a neighboring arc. It is an operation means for calculating a value.
600は該演算手段により算出された前記第１確率およ
び第２確率の値に基づき、前記特定の編目列方向に沿っ
た直線性および並列性の最も高い複数のアーク列を前記
ネットワークの中から選択抽出する編目配列認識手段で
ある。600 selects a plurality of arc trains having the highest linearity and parallelism along the specific stitch row direction from the network based on the values of the first probability and the second probability calculated by the calculating means. This is a stitch array recognition unit to be extracted.
700は該編目配列認識手段により選択された前記アー
ク列を認識結果の編目配列として可視出力する出力手段
である。Reference numeral 700 denotes output means for visually outputting the arc sequence selected by the stitch arrangement recognizing means as a stitch arrangement as a recognition result.
第２図は本発明実施例の具体的な回路構成を示す。 FIG. 2 shows a specific circuit configuration of the embodiment of the present invention.
第２図において、中央演算処理装置（CPU）１、画像
処理プロセッサ２、並列処理プロセッサ３、リードオン
リメモリ（ROM）４、ランダムアクセスメモリ（RAM）
５、入出力インターフェース（I/O）６がバス７に接続
され、I/O6に、撮像装置11,キーボード21,表示装置22が
接続されている。In FIG. 2, a central processing unit (CPU) 1, an image processor 2, a parallel processor 3, a read only memory (ROM) 4, a random access memory (RAM)
5. An input / output interface (I / O) 6 is connected to the bus 7, and an imaging device 11, a keyboard 21, and a display device 22 are connected to the I / O 6.
CPU1は装置全体の制御を司り、上述各部に対して動作
指示を与える。The CPU 1 controls the entire apparatus and gives operation instructions to the above-described units.
編糸抽出手段，編目位置検出手段，ネットワーク設定
手段としての画像処理プロセッサ２は撮像装置11から得
られる編地画像に対して画像処理を行い、編糸の輪郭線
の抽出処理，編目の重心位置の検出処理，ネットワーク
の作成処理を行う。The image processor 2 serving as a knitting yarn extracting unit, a stitch position detecting unit, and a network setting unit performs image processing on a knitted fabric image obtained from the imaging device 11, extracts a contour line of the knitting yarn, and positions the center of gravity of the stitch. Detection processing and network creation processing.
演算手段，編目列認識手段としての並列処理プロセッ
サ３は画像処理プロセッサ２と並行して、本発明に関わ
る弛緩法による特定の編目列方向に沿った直線性，並列
性の高いアーク列の選択処理を行う。The parallel processing processor 3 serving as a calculating means and a stitch row recognition means performs, in parallel with the image processing processor 2, an arc row having high linearity and parallelism along a specific stitch row direction by the relaxation method according to the present invention. I do.
ROM4にはCPU1,画像処理プロセッサ2,並列処理プロセ
ッサ３がそれぞれ実行する制御プログラムが予め格納さ
れている。In the ROM 4, control programs respectively executed by the CPU 1, the image processor 2, and the parallel processor 3 are stored in advance.
RAM5は各プロセッサの演算データおよび撮像装置11の
撮像結果を一時記憶する。The RAM 5 temporarily stores the calculation data of each processor and the imaging result of the imaging device 11.
I/O6は接続機器とCPU1との間で情報の転送を行う。 The I / O 6 transfers information between the connected device and the CPU 1.
撮像手段としての撮像装置11は固体撮像素子（CCD）
を有し、第３図に示すように、編地の裏からの照明光を
編地を介して受光することによって編地画像を入力す
る。CCDにより光電変換されたアナログの画像信号は画
素毎のデジタルの濃度信号に変換された後撮像装置11か
ら出力される。The imaging device 11 as an imaging means is a solid-state imaging device (CCD)
As shown in FIG. 3, a knitted fabric image is input by receiving illumination light from behind the knitted fabric through the knitted fabric. The analog image signal photoelectrically converted by the CCD is output from the imaging device 11 after being converted into a digital density signal for each pixel.
キーボード21からはCPU1に対する動作指示を入力す
る。表示装置22は撮像した編地画像の表示や画像認識さ
れた編目配列の表示を行う。An operation instruction to the CPU 1 is input from the keyboard 21. The display device 22 displays a captured knitted fabric image and a stitch array whose image has been recognized.
このような回路の動作説明を第４図のフローチャート
を参照して行う。The operation of such a circuit will be described with reference to the flowchart of FIG.
第４図は本発明実施例の動作手順を示す。 FIG. 4 shows an operation procedure of the embodiment of the present invention.
第４図において、撮像装置11から送信される編地の濃
度信号はI/O6を介してRAM5に格納される（ステップS1
0）。In FIG. 4, the density signal of the knitted fabric transmitted from the imaging device 11 is stored in the RAM 5 via the I / O 6 (step S1).
0).
画像処理プロセッサ２は上記濃度信号を規定値と比較
して２値化を行い、黒部分、すなわち、編糸部分の細線
化処理によって輪郭線の抽出を行う。The image processor 2 binarizes the density signal by comparing it with a specified value, and extracts a contour line by thinning the black portion, that is, the knitting yarn portion.
本例においては輪郭線の画素位置がビット“1"、その
他の画素位置がビット“0"で表わし、これら各画素毎の
ビット情報が輪郭線情報としてRAM5に格納される（ステ
ップS11）。In this example, the pixel position of the contour is represented by bit "1", and the other pixel positions are represented by bit "0", and the bit information of each pixel is stored in the RAM 5 as contour information (step S11).
このようにして得られる輪郭線情報を画像表示する
と、第５図に示すような編糸画像が得られる。When the contour line information thus obtained is displayed as an image, a knitting yarn image as shown in FIG. 5 is obtained.
次に、画像処理プロセッサ２はRAM5に格納された輪郭
線情報に基づき、輪郭線で囲まれた閉区画（編目）の重
心位置を検出する。この重心位置を検出する手順は周知
であり、例えば、輪郭線で囲まれる閉区画の座標の合計
および面積を求め、数学的手法を用いて重心位置を求め
る手順を用いるとよい。Next, the image processor 2 detects the position of the center of gravity of the closed section (stitch) surrounded by the outline based on the outline information stored in the RAM 5. The procedure for detecting the position of the center of gravity is well-known. For example, it is preferable to use a procedure for calculating the sum and area of the coordinates of the closed section surrounded by the contour and obtaining the position of the center of gravity using a mathematical method.
このように編目の重心位置が検出される毎に、ネット
ワーク作成のために、検出された重心位置は番号が付さ
れ、その重心位置が第７図（Ａ）に示すようなノードテ
ーブル５−１の形態でRAM5に格納される。本実施例にお
いては、重心位置をノード、重心位置を結ぶ線分（アー
ク）によりネットワークを形成する。このために、画像
処理プロセッサ２ではノードテーブル５−１を作成する
途中で、あるノードを含む閉区画とその境界線を共有す
る隣接の閉区画のノード番号を検出し、この検出したノ
ード番号と上記のあるノード番号とで定まるアークに番
号付を行う。このように定められたアーク番号およびア
ークを構成するノード番号が第７図（Ｂ）に示すアーク
テーブル５−２の形態で格納される（ステップS12）。Each time the center of gravity of the stitch is detected, the detected center of gravity is numbered for network creation, and the center of gravity is stored in the node table 5-1 as shown in FIG. 7 (A). Is stored in the RAM 5 in the form. In the present embodiment, a network is formed by nodes representing the position of the center of gravity and line segments (arcs) connecting the positions of the center of gravity. For this purpose, while creating the node table 5-1 in the image processor 2, the node number of the closed section including a certain node and the adjacent closed section sharing the boundary line is detected, and the detected node number and The arc determined by the above-mentioned node number is numbered. The arc numbers thus determined and the node numbers constituting the arcs are stored in the form of an arc table 5-2 shown in FIG. 7B (step S12).
このようにして設定されたネットワークを基に、編目
の配列の検出のための画像認識処理を次に行う。Based on the network thus set, an image recognition process for detecting an arrangement of stitches is performed next.
本実施例においては弛緩演算を上記設定されたネット
ワークに対して施すことにより編目の配列を検出する。In the present embodiment, the arrangement of stitches is detected by performing a relaxation operation on the set network.
弛緩法は、1976年にRosenfeldらによって提案され、
画像処理においては線やエッジの強調，マッチング等に
応用されてきた。The relaxation method was proposed by Rosenfeld et al. In 1976,
In image processing, it has been applied to enhancement and matching of lines and edges.
弛緩法の考え法は、「いくつかの対象物があって、各
々の解釈に曖昧さがあるとき、一様な処理を全ての対象
物に繰り返し施し、全体として解釈の曖昧性を減らして
ゆく」というものである。「解釈する」という漠然とし
た言葉を「ラベリングする」という内容に置き換え、対
象物に与えるラベル候補群をΛとし、対象物ｉがラベル
λと解釈される可能性を▲Ｐk i▼（λ）とすると次式が
成立する。ここでｋは反復計算の回数で、次の式が成立
すると仮定する。The idea of the relaxation method is that "when there are several objects and each interpretation has ambiguity, the same process is repeatedly applied to all the objects to reduce the ambiguity of the interpretation as a whole. " The vague word of “interpret” is replaced with the content of “labeling”, the label candidate group given to the object is denoted by Λ, and the possibility that the object i is interpreted as the label λ is ▲ P k i ▼ (λ) Then, the following equation is established. Here, k is the number of iterative calculations, and it is assumed that the following equation is satisfied.
次に、対象物ｉと近傍の対象物ｊの関係を表わす調和
係数をRij（λ，λ′）として定め、この係数を解釈の
方法としてあらかじめ定義しておく。この調和係数の条
件によって弛緩がなされる。 Next, a harmonic coefficient representing the relationship between the object i and the nearby object j is determined as R ij (λ, λ ′), and this coefficient is defined in advance as a method of interpretation. Relaxation is performed according to the condition of the harmonic coefficient.
調和係数を用いて、対象物ｉがλのとき、その確から
しさの評価関数Ｑは次の式で示される。When the object i is λ using the harmonic coefficient, the evaluation function Q of the likelihood is given by the following equation.
▲Ｑk i▼（λ）＝Σｊε隣接dij ΣλεΛ［Rij（λ，λ′）・Pj（λ′）］ ……（２） ただし、dijは対象物間の影響度を表わし、物体間の
距離等によって定義する。▲ Q k i ▼ (λ) = Σ jε Neighbor d ij ΣλεΛ [R ij (λ, λ ′) · P j (λ ′)] (2) where dij is the degree of influence between objects. And defined by the distance between objects.
確からしさＱとラベル確率Ｐを乗じて対象物ｉのラベ
ルを更新する。The label of the object i is updated by multiplying the likelihood Q by the label probability P.
Rosenfeld型の確率的弛緩法は局所極値に収束する。
つまり、調和係数によって定義された規則に従って、与
えられた初期確率から最も確からしい結論へと収束計算
を行っている。このことは、初期値が重要なポイントと
なることを示しており、初期値におおよその推定値を与
えることによって、調和係数に与えられた知識に基づい
て人間の推論的な動作ができることが知られている。 Rosenfeld-type stochastic relaxation converges to local extrema.
That is, the convergence calculation is performed from the given initial probability to the most likely conclusion according to the rules defined by the harmonic coefficients. This indicates that the initial value is an important point, and that by giving a rough estimate to the initial value, it is possible to perform a human inference operation based on the knowledge given to the harmonic coefficient. Have been.
本実施例では編目で構成されたネットワークが編目の
配列を包含していることに着目し、アーク列の直線性お
よび並列性を弛緩法により調べ、特定の編目列方向の編
目の配列、例えば縦目列としての確率が高いアーク列を
抽出することによって編地の編目の配列状態を認識す
る。このために、上記弛緩法の演算式に用いる調和係数
Rij（λ，λ′）は弛緩規則としてアークｉと近隣のア
ークｊの角度差を用いる。具体的には第２確率としての
アークｉの縦目列らしさ（λ＝１）として、アークと近
隣のアークとの角度差が直線（０゜）のとき調和係数を
“0.0"、アークと近隣のアークとの角度差が90゜の時に
調和係数を“1.0"として、角度差に応じた“0"から“1"
の数値を与える。また、アークｉの縦目列らしくなさ
（λ＝０）として、アークと近隣のアークとの角度差が
90゜のとき調和係数を“0.0"、直線の時に調和係数を
“1.0"として、角度差に応じた“0"から“1"の数値を与
える。なお、調和係数中のλ′はアークｊの縦目らしさ
（λ′＝１）、縦目列らしくなさ（λ′＝０）を表わ
す。In this embodiment, focusing on the fact that the network constituted by the stitches includes the arrangement of the stitches, the linearity and parallelism of the arc train are examined by the relaxation method, and the arrangement of the stitches in the specific stitch row direction, for example, vertical The arrangement state of the stitches of the knitted fabric is recognized by extracting an arc row having a high probability as a stitch row. For this purpose, the harmonic coefficient used in the above-described relaxation formula
R ij (λ, λ ′) uses the angle difference between arc i and neighboring arc j as a relaxation rule. More specifically, as the second probability, the likelihood of the arc i as a vertical line (λ = 1), when the angle difference between the arc and the neighboring arc is a straight line (0 °), the harmonic coefficient is “0.0”, When the angle difference with the arc is 90 °, the harmony coefficient is set to “1.0”, and “0” to “1” according to the angle difference
Gives the numerical value of. Further, assuming that the arc i does not look like a vertical line (λ = 0), the angle difference between the arc and the neighboring arc is
When the harmonic coefficient is 90 °, the harmonic coefficient is “0.0”, and when it is a straight line, the harmonic coefficient is “1.0”, and a numerical value from “0” to “1” according to the angle difference is given. Note that λ ′ in the harmonic coefficient represents the likelihood of a vertical line of the arc j (λ ′ = 1) and the likelihood of being in a vertical line (λ ′ = 0).
次に、第１確率としてのアークの直線性および並列性
の確率▲Ｐ1 i▼（λ）の初期値としてはノード間を結ぶ
アーク上に編目の連結関係の強さの初期値を与える。境
界が明るいほど縦目列方向としての確率が高いので、具
体的には編目の境界の明るさによって、縦目結合らしさ
の最高値を“1.0"、全く縦目結合らしさのない確率を
“0.0"として初期値を与える。その他、初期値の設定条
件として編目の面積（同じような大きさであること）や
編目の形状（編目の長軸方向が縦目列としての確率が高
い）を加えることもできる。Next, as the initial value of the probability ▲ P 1 i ▼ (λ) of the arc linearity and parallelism as the first probability, the initial value of the strength of the stitch connection relation on the arc connecting the nodes is given. The brighter the boundary, the higher the probability of the vertical stitch line direction. Specifically, depending on the brightness of the stitch boundary, the maximum value of the vertical stitch connection likelihood is "1.0", and the probability of no vertical stitch connection at all is "0.0". Give the initial value as " In addition, as an initial value setting condition, a stitch area (same size) and a stitch shape (the long axis direction of the stitch has a high probability of being a vertical stitch) can be added.
第４図に戻り、並列処理プロセッサ３は上述の原理で
調和係数を算出すると算出結果を第８図に示す弛緩規則
テーブル５−３の形態でRAM5に格納する。また、縦目列
の確からしさについての初期値も各アーク毎に濃度信号
に基づき算出され、RAM5に格納される。なお、第８図に
示す弛緩規則テーブル５−３は第６図に示すネットワー
クの中のアークａの直線性および並列性の確率を計算す
るために近隣のアークｂ〜ｋとの角度差を表わしたもの
であり、アーク全てに対して第８図に示す弛緩規則テー
ブル５−３が作成される（ステップS13）。Referring back to FIG. 4, when the parallel processing processor 3 calculates the harmonic coefficient according to the above-described principle, the calculation result is stored in the RAM 5 in the form of the relaxation rule table 5-3 shown in FIG. In addition, an initial value for the likelihood of the column is also calculated for each arc based on the density signal and stored in the RAM 5. The relaxation rule table 5-3 shown in FIG. 8 represents an angle difference between neighboring arcs b to k in order to calculate the linearity and the parallelism probability of the arc a in the network shown in FIG. The relaxation rule table 5-3 shown in FIG. 8 is created for all the arcs (step S13).
並列処理プロセッサ３は上述の弛緩規則テーブルを作
成した後、並列処理プロセッサ３は作成済の弛緩規則テ
ーブルを用いて弛緩演算を行う（ステップS14）。After the parallel processing processor 3 creates the above-described relaxation rule table, the parallel processing processor 3 performs a relaxation operation using the created relaxation rule table (step S14).
第８図に示すアークａについての弛緩演算について演
算プロセスを説明する。すなわち、初期値からｋ回目の
繰り返し計算で、アークａと近隣のアークとの重みを全
て重みdij′＝1,0アークａの縦目方向らしさ（λ＝１）
の確率▲Ｐk a▼（１）〜アークｋの確率▲Ｐk k▼（１）
がそれぞれ、 ▲Ｐk a▼（１）＝0.5,▲Ｐk b▼（１）＝0.3,▲Ｐk c▼
（１）＝0.2,▲Ｐk d▼（１）＝0.4,▲Ｐk e▼（１）＝0.
5,▲Ｐk f▼（１）＝0.8,▲Ｐk g▼（１）＝0.7,▲Ｐk h▼
（１）＝0.2,▲Ｐk i▼（１）＝0.1,▲Ｐk j▼（１）＝0.
5,▲Ｐk k▼（１）＝0.4, と得られたものとする。The calculation process for the relaxation calculation for arc a shown in FIG. 8 will be described. That is, in the k-th repetition calculation from the initial value, all the weights of the arc a and the neighboring arc are weighted as dij '= 1,0.
Probability ＰP k a ▼ (1) to arc k probability ＰP k k ▼ (1)
Are respectively ▲ P k a ▼ (1) = 0.5, ▲ P k b ▼ (1) = 0.3, ▲ P k c ▼
(1) = 0.2, ▲ P k d ▼ (1) = 0.4, ▲ P k e ▼ (1) = 0.
5, ▲ P k f ▼ (1) = 0.8, ▲ P k g ▼ (1) = 0.7, ▲ P k h ▼
(1) = 0.2, ▲ P k i ▼ (1) = 0.1, ▲ P k j ▼ (1) = 0.
5, ▲ P k k ▼ ( 1) = 0.4, and those obtained with.
また、縦目方向らしくなさ（λ＝０）の確率▲Ｐk a▼
（０）〜▲Ｐk k▼（０）がそれぞれ▲Ｐk a▼（０）＝１
−▲Ｐk b▼（１）＝0.7,▲Ｐk c▼（０）＝0.8,▲Ｐk d▼
（０）＝0.6,▲Ｐk e▼（０）＝0.5,▲Ｐk f▼（０）＝0.
2,▲Ｐk g▼（０）＝0.3,▲Ｐk h▼（０）＝0.8,▲Ｐk i▼
（０）＝0.9,▲Ｐk j▼（０）＝0.5,▲Ｐk k▼（０）＝0.
6が得られるものとする。In addition, the probability ▲ P k a ▼ of disagreement with the longitudinal direction (λ = 0)
(0) ~ ▲ P k k ▼ (0) , respectively ▲ P k a ▼ (0) = 1
− ▲ P k b ▼ (1) = 0.7, ▲ P k c ▼ (0) = 0.8, ▲ P k d ▼
(0) = 0.6, ▲ P k e ▼ (0) = 0.5, ▲ P k f ▼ (0) = 0.
2, ▲ P k g ▼ ( 0) = 0.3, ▲ P k h ▼ (0) = 0.8, ▲ P k i ▼
(0) = 0.9, ▲ P k j ▼ (0) = 0.5, ▲ P k k ▼ (0) = 0.
6 shall be obtained.
また、第８図に示す調和係数の値を用いると第９図に
示す計算プロセスを経て上述の（２）式の確からしさ 確からしなさ が得られる。When the value of the harmonic coefficient shown in FIG. 8 is used, the likelihood of the above equation (2) is obtained through the calculation process shown in FIG. Uncertainty Is obtained.
これらの条件下で、▲Ｐk+1 a▼（１），▲Ｐk+1 a▼
（０）を計算する。Under these conditions, ▲ P k + 1 a ▼ (1), ▲ P k + 1 a ▼
Calculate (0).
近隣のアークの重みはすべてdij＝1.0とする。The weights of all neighboring arcs are assumed to be d ij = 1.0.
となり、ｋ＋１回目のアークａの縦目方向らしさの確率
と非縦目方向らしさの確率が“0.6"と求まる。 Thus, the probability of the k + 1-th arc a in the longitudinal direction and the probability of the non-vertical direction are obtained as “0.6”.
ｋ回目の縦目方向らしさの確率は0.5であったから、
ｋ回目の確率に近隣のアークとの並列性をおりこんだ修
正を行ったｋ＋１回目の繰り返し演算により縦目方向ら
しさの確率0.6が得られる。以上、繰り返し計算を実行
し、確率Paが収束値、例えば0.8に到達したときに、ア
ークａは縦目列であると判別し、その判別結果を縦目列
の検出結果としてRAM5に格納する。以下、アークb,c…
についても同様の弛緩演算を行って、各アークについて
収束値が規定値以上となるアークを特定の編目列方向に
対する直線性かつ並行性の高いアークとして抽出する
（ステップS14〜S15）。Since the probability of the k-th vertical likeness was 0.5,
The k + 1-th repetitive operation in which the k-th probability is corrected to include the parallelism with the neighboring arcs gives a probability of 0.6 in the longitudinal direction. As described above, the repetitive calculation is performed, and when the probability Pa reaches a convergence value, for example, 0.8, the arc a is determined to be a vertical line, and the determination result is stored in the RAM 5 as a vertical line detection result. Below, arc b, c…
The same relaxation operation is performed also on, and an arc whose convergence value is equal to or greater than a specified value for each arc is extracted as an arc having high linearity and parallelism in a specific stitch row direction (steps S14 to S15).
このように、並列処理プロセッサ３により縦目列とし
ての確率の高いアークが検出され、そのアーク番号がRA
M5に格納されると、CPU1は順次に、このアーク番号に基
づき、このアーク番号を持つノード（重心）位置をRAM5
内のアークテーブル５−２（第７図（Ｂ）参照）から抽
出し、ノード位置とノード位置を結ぶ直線図形で表示装
置22に表示させる。この結果、並列処理プロセッサ３に
おいて弛緩演算が終了したときは、第10図に示すように
ネットワーク内の縦目列として確率の高いアークの表示
も終了する（ステップS16）。In this way, the parallel processor 3 detects an arc having a high probability as a vertical line, and its arc number is RA
When stored in M5, CPU 1 sequentially stores the node (center of gravity) position having this arc number in RAM 5 based on this arc number.
Is extracted from the arc table 5-2 (see FIG. 7 (B)), and is displayed on the display device 22 in a linear figure connecting the node positions. As a result, when the relaxation operation is completed in the parallel processing processor 3, the display of the arc having a high probability as the vertical line in the network is also ended as shown in FIG. 10 (step S16).
以上説明したように、本実施例では編目の重心をノー
ドとするネットワークを形成するようにしたので、たと
え編糸が変形しても重心位置が変化しないので、編目の
認識が容易となり、さらに、アークと近隣のアークとの
直線性および並列性を考慮してアークの縦目らしさの確
率を求めるようにしたので、特定の編目列方向に対して
一定角度以上の角度をなすアークでも直線を持つアーク
は抽出され、従来例のように個々の（局所的な）編目に
ついて単に重心間距離および角度に基づいて縦目列の認
識する場合に比べて認識確率が大幅に向上する。As described above, in the present embodiment, a network is formed with the center of gravity of the stitch as a node. Therefore, even if the knitting yarn is deformed, the position of the center of gravity does not change, so that the stitch can be easily recognized. Considering the linearity and parallelism between the arc and neighboring arcs, the probability of the vertical stitch of the arc is calculated, so even arcs that make an angle greater than a certain angle with respect to the specific stitch row direction have a straight line The arc is extracted, and the recognition probability of each (local) stitch is greatly improved as compared with the case of recognizing a vertical line based on the distance and the angle between the centers of gravity as in the conventional example.
なお、本実施例ではRosenfeldらによって提案された
弛緩式を用いる例を示したが、他に知られている弛緩式
を用いてもよいことは言うまでもない。In the present embodiment, an example in which the relaxation formula proposed by Rosenfeld et al. Is used is shown. However, it is needless to say that another known relaxation formula may be used.
また、本実施例では弛緩法を用いて特定の編目列方
向、例えば縦目列に沿った最も直線性の高いアークを抽
出する例を示したが、ネットワークの端部にあるノード
の中から特定の編目列方向との角度差が最も小さいアー
クを選択した後、このアークを起点として以下、このア
ークと結合する複数のアーク中から角度差が最も小さい
アークを順に選択していくことによっても特定の編目列
方向に沿った直線性および並列性の高いアーク列を抽出
することができる。Further, in this embodiment, an example in which the arc having the highest linearity along a specific stitch row direction, for example, a vertical stitch row is extracted by using the relaxation method has been described. After selecting the arc with the smallest angle difference from the stitch row direction of this stitch, starting from this arc, it is also specified by sequentially selecting the arc with the smallest angle difference from a plurality of arcs connected to this arc , An arc train having high linearity and parallelism along the stitch row direction can be extracted.
さらに、編地を設置する向きが一定でない場合は、予
め編目の方向をキーボードから指示入力すればよく、こ
の指示入力された方向に沿った直線性かつ並列性の高い
アーク列を選択することになる。Furthermore, when the direction in which the knitted fabric is installed is not constant, the direction of the stitch may be instructed and input in advance from the keyboard, and an arc train having high linearity and parallelism along the direction in which the instruction is input may be selected. Become.
［発明の効果］ 以上、説明したように本発明の第１形態は、編目の構
造上、編目の配列が並列的に特定の方向に沿った直線状
となることに着目し、編目の重心位置をノードとして設
定したネットワークの中から特定の編目列方向に沿った
直線性および並列性の高いアーク列を選択抽出するよう
にしたので、従来のように編目間の角度のみで局所的に
配列を認識する場合に比べ、編地全体の調和が考慮さ
れ、抽出されたアーク列は編目の配列状態を良く表わ
す。この結果、配列の認識確立が従来より高くなる。ま
た、編目の配列の画像認識の要素を編糸ではなく編目の
重心位置とすることによって、たとえ編糸が変形しても
重心位置の変化は小さいので、編目の配列の認識に影響
を受けることはない。しかも編地全体が変形してもネッ
トワークの構成は変形することがないので、従来の認識
手法よりもさらに認識確率が高くなる。[Effects of the Invention] As described above, the first embodiment of the present invention focuses on the fact that the stitch arrangement is parallel to a straight line along a specific direction due to the structure of the stitch, and the center of gravity of the stitch is positioned. Is selected and extracted from the network in which is set as a node, the arc train with high linearity and parallelism along the specific stitch row direction is selected. Compared with the case of recognition, the harmony of the entire knitted fabric is taken into consideration, and the extracted arc train well represents the arrangement state of the stitches. As a result, the probability of sequence recognition is higher than before. In addition, since the image recognition element of the stitch arrangement is not the knitting yarn but the center of gravity of the stitch, even if the knitting yarn is deformed, the change in the center of gravity is small, so that the recognition of the stitch arrangement is affected. There is no. Moreover, even if the entire knitted fabric is deformed, the configuration of the network does not change, so that the recognition probability is higher than in the conventional recognition method.
本発明の第２形態では特定の編目列方式に沿った最も
直線性，並列性の高いアーク列の抽出を弛緩法により行
うようにしたので、各々のアークにおける直線性および
並列性の確率が徐々に更新され、編目配列の全体バラン
スを考慮しながら認識を行うことができる。In the second embodiment of the present invention, the arc sequence having the highest linearity and parallelism is extracted by the relaxation method according to the specific stitch row system. Therefore, the probability of linearity and parallelism in each arc gradually increases. The recognition can be performed while considering the overall balance of the stitch arrangement.
本発明の第３形態では、特定の編目列方向に沿ったア
ークを起点としてアークとアークを結ぶ角度差が最も小
さくなるようなアークを選択する。これにより特定の方
向編目配列の認識率が向上する。In the third embodiment of the present invention, an arc is selected such that an angle difference between arcs starting from an arc along a specific stitch row direction is the smallest. Thereby, the recognition rate of the specific stitch arrangement is improved.
本発明の第４形態では、編目の配列の認識確率が高く
なるのみならず、抽出されたアーク列を出力手段によ
り、例えば図形表示することによって、操作者は編目の
配列状態から編目の変形度，編目の異常を検出すること
が可能となる。さらに、CPUによる集中演算だけでな
く、専用並列処理装置を設けることによって高速な認識
処理が可能となり、さらに画像処理演算とネットワーク
処理演算が並列に処理できるため、連続的に画像入力，
結果の表示ができる。In the fourth embodiment of the present invention, not only the recognition probability of the stitch arrangement is increased, but also the extracted arc sequence is displayed in a graphic form by the output means, for example, so that the operator can change the stitch deformation degree from the arrangement state of the stitches. Thus, it is possible to detect stitch abnormalities. Furthermore, not only the centralized calculation by the CPU but also the provision of a dedicated parallel processing device enables high-speed recognition processing. Furthermore, since image processing calculation and network processing calculation can be performed in parallel, continuous image input,
The result can be displayed.
第１図は本発明実施例の基本構成を示すブロック図、 第２図は本発明実施例の具体的な回路構成を示すブロッ
ク図、 第３図は本発明実施例の撮像装置11の配置を示す断面
図、 第４図は本発明実施例の動作手順を示すフローチャー
ト、 第５図は本発明実施例の輪郭線画像の一例を示す説明
図、 第６図は本発明実施例のネットワーク構造を示す説明
図、 第７図（Ａ）は本発明実施例のネットワーク情報を記憶
するノードテーブルの内容を示す説明図、 第７図（Ｂ）は本発明実施例のネットワーク情報を記憶
するアークテーブルの内容を示す説明図、 第８図は本発明実施例の弛緩演算に用いる弛緩規則テー
ブルの内容を示す説明図、 第９図は本発明実施例の計算プロセスを示す説明図、 第10図は本発明実施例の配列認識結果の表示例を示す説
明図、 第11図は本発明実施例および従来例の認識対象の編目構
造を示す説明図、 第12図は従来例の編地の撮像結果を模式的に示す説明図
である。 １……CPU、 ２……画像処理プロセッサ、 ３……並列処理プロセッサ、 11……撮像装置。FIG. 1 is a block diagram showing a basic configuration of an embodiment of the present invention, FIG. 2 is a block diagram showing a specific circuit configuration of the embodiment of the present invention, and FIG. FIG. 4 is a flowchart showing an operation procedure of the embodiment of the present invention. FIG. 5 is an explanatory diagram showing an example of a contour image of the embodiment of the present invention. FIG. 6 shows a network structure of the embodiment of the present invention. FIG. 7A is an explanatory diagram showing the contents of a node table storing network information according to the embodiment of the present invention, and FIG. 7B is an arc table storing network information according to the embodiment of the present invention. FIG. 8 is an explanatory diagram showing the contents of a relaxation rule table used in the relaxation calculation of the embodiment of the present invention, FIG. 9 is an explanatory diagram showing a calculation process of the embodiment of the present invention, and FIG. Theory showing a display example of the sequence recognition result of the embodiment of the invention Figure, FIG. 11 is explanatory diagram showing the stitch structure of the recognition target of the present invention examples and the conventional example, FIG. 12 is an explanatory view schematically showing the imaging result of the knitted fabric of the prior art. 1 ... CPU, 2 ... Image processor, 3 ... Parallel processor, 11 ... Imaging device.
フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 1/00 G06T 7/00 Continuation of the front page (58) Field surveyed (Int.Cl. 6 , DB name) G06T 1/00 G06T 7/00
Claims (4)
の輪郭線を抽出し、 抽出した前記輪郭線に囲まれる編目部分の重心位置を検
出し、 検出した重心位置をノードとし、かつ当該重心位置と隣
接する重心位置とを結ぶ線分をアークとするネットワー
クを設定し、 当該設定されたネットワーク上において、特定の編目列
方向に沿った直線性および並列性の最も高い複数のアー
ク列を認識結果の編目配列として選択抽出することを特
徴とする編目配列の画像認識方法。1. An image of a knitted fabric, an image signal obtained by the imaging is binarized to extract a contour line of a knitting yarn of the knitted fabric, and a center of gravity position of a stitch portion surrounded by the extracted contour line Is set as a node, and a network is set in which the detected barycentric position is set as a node, and a line segment connecting the barycentric position and an adjacent barycentric position is set as an arc, on the set network along a specific stitch row direction. A stitch array image recognition method characterized by selectively extracting a plurality of arc trains having the highest linearity and parallelism as a stitch array as a recognition result.
行することを特徴とする請求項１に記載の編目配列の画
像認識方法。2. The stitch array image recognition method according to claim 1, wherein the selective extraction of the arc train is performed by a relaxation method.
から前記特定の編目列方向との角度差が最も小さいアー
クを選択した後、該アークを起点としてアークと結合す
る複数のアーク中から角度差が最も小さいアークを順に
選択していくことによって、前記特定の編目列方向に沿
った直線性および並列性の最も高い複数のアーク列を前
記ネットワークの中から選択抽出することを特徴とする
請求項１に記載の編目配列の画像認識方法。3. An arc having the smallest angle difference with the specific stitch row direction is selected from the nodes at the end of the network, and an angle is selected from a plurality of arcs connected to the arc starting from the selected arc. An arc having the smallest difference is selected in order, and a plurality of arc trains having the highest linearity and parallelism along the specific stitch row direction are selected and extracted from the network. Item 2. The image recognition method of stitch arrangement according to Item 1.
出力する撮像手段と、 該撮像手段から出力された前記画像信号を２値化して前
記編地の編糸の輪郭線を抽出する編糸抽出手段と、 該編糸抽出手段により抽出された前記輪郭線により囲ま
れる編目部分の重心位置を検出する編目位置検出手段
と、 該編目位置検出手段により検出された前記重心位置をノ
ードとし、当該重心位置と隣接する重心位置とを結ぶ線
分をアークとするネットワークを設定するネットワーク
設定手段と、 当該設定されたネットワーク上に特定の編目列方向に沿
った直線性および並列性の最も高い複数のアーク列を前
記ネットワークの中から選択抽出する編目配列認識手段
と を具えたことを特徴とする画像認識装置。4. An image pickup means for picking up an image of a knitted fabric by photoelectric conversion and outputting an image signal, and binarizing the image signal output from the image pickup means to extract a contour line of a knitting yarn of the knitted fabric. Knitting yarn extracting means; stitch position detecting means for detecting the position of the center of gravity of the stitch portion surrounded by the contour line extracted by the knitting yarn extracting means; and the center of gravity position detected by the stitch position detecting means as a node Network setting means for setting a network having a line segment connecting the position of the center of gravity and an adjacent position of the center of gravity as an arc; and the highest linearity and parallelism along a specific stitch row direction on the set network. A stitch arrangement recognizing means for selectively extracting a plurality of arc trains from the network.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1131543A JP2901644B2 (en) | 1989-05-26 | 1989-05-26 | Image recognition method of stitch arrangement and image recognition device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1131543A JP2901644B2 (en) | 1989-05-26 | 1989-05-26 | Image recognition method of stitch arrangement and image recognition device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02310781A JPH02310781A (en) | 1990-12-26 |
| JP2901644B2 true JP2901644B2 (en) | 1999-06-07 |
Family
ID=15060537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1131543A Expired - Lifetime JP2901644B2 (en) | 1989-05-26 | 1989-05-26 | Image recognition method of stitch arrangement and image recognition device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2901644B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024110235A1 (en) * | 2022-11-25 | 2024-05-30 | Deutsche Institute Fuer Textil- Und Faserforschung Denkendorf | Device and method for automatically detecting knitting parameters in textile knitwear, and textile machine |
-
1989
- 1989-05-26 JP JP1131543A patent/JP2901644B2/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024110235A1 (en) * | 2022-11-25 | 2024-05-30 | Deutsche Institute Fuer Textil- Und Faserforschung Denkendorf | Device and method for automatically detecting knitting parameters in textile knitwear, and textile machine |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02310781A (en) | 1990-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5793901A (en) | Device and method to detect dislocation of object image data | |
| Ben-Tzvi et al. | A combinatorial Hough transform | |
| US5081689A (en) | Apparatus and method for extracting edges and lines | |
| CN106920245B (en) | Boundary detection method and device | |
| JP2004508623A (en) | Image processing method and system for extracting continuous points following a linear structure in an image sequence | |
| JPH0351968A (en) | Linearization decision system | |
| CN109697441B (en) | Target detection method and device and computer equipment | |
| CN113361542A (en) | Local feature extraction method based on deep learning | |
| US5036544A (en) | Apparatus for discriminating linearity of line segment in image processing system | |
| JP3350822B2 (en) | Edge detection method on image | |
| JP2001319239A (en) | Device and method for extracting object contour | |
| JP2901644B2 (en) | Image recognition method of stitch arrangement and image recognition device | |
| JP3491189B2 (en) | Hand condition detection device | |
| CN111753796A (en) | Method and device for identifying key points in image, electronic equipment and storage medium | |
| CN108256578B (en) | Gray level image identification method, device, equipment and readable storage medium | |
| JP2004240909A (en) | Image processor and image processing method | |
| US5568566A (en) | Drawing processing apparatus | |
| KR19980020738A (en) | Facial component extraction system and its extraction method | |
| JP2004258931A (en) | Image processing method, image processor, and image processing program | |
| JPH08263655A (en) | Pattern recognition method | |
| JP2959017B2 (en) | Circular image discrimination method | |
| JP3371614B2 (en) | Recognition device | |
| CN109754437B (en) | Method for adjusting graphic sampling frequency | |
| JP2000231571A (en) | Isar image retrieving device | |
| JPH09245166A (en) | Pattern matching device |