JP5082512B2 - 情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラム - Google Patents
情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラム Download PDFInfo
- Publication number
- JP5082512B2 JP5082512B2 JP2007057952A JP2007057952A JP5082512B2 JP 5082512 B2 JP5082512 B2 JP 5082512B2 JP 2007057952 A JP2007057952 A JP 2007057952A JP 2007057952 A JP2007057952 A JP 2007057952A JP 5082512 B2 JP5082512 B2 JP 5082512B2
- Authority
- JP
- Japan
- Prior art keywords
- partial image
- partial
- teacher pattern
- image
- incorrect answer
- 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
Images
Landscapes
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Analysis (AREA)
Description
本発明は、情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラムに関する。
画像圧縮として知られているＪＢＩＧ２ Ｔｅｘｔ Ｒｅｇｉｏｎ（以後、ＪＢＩＧ２ ＴＲ）では、画像データを構成すべき部分画像を抽出し（以後、これを入力部分画像ともいう）、既に辞書に登録してある部分画像データ（以後、これを登録部分画像ともいう）と比較し、もしも、類似している部分画像が見つからない場合には、入力部分画像を辞書に登録する。もしも、類似している部分画像が見つかった場合には、辞書内におけるその部分画像（入力部分画像と類似している登録部分画像）を示すインデックス、及び２値画像データにおける入力部分画像の位置により、入力部分画像を符号化する。例えば、ＪＢＩＧ２ ＴＲでは、入力部分画像は、２値画像データから抽出された文字画像らしき部分画像である。
学習型のパターン認識方式では、認識の正解であるパターン（教師パターン）を予め準備する必要がある。場合によっては、不正解となるパターン（似て非なるパターン等も含む）も準備する必要がある。文字認識では、認識したい文字種類の数が限られているために、予め教師パターンを準備することが容易である。
学習型のパターン認識方式では、認識の正解であるパターン（教師パターン）を予め準備する必要がある。場合によっては、不正解となるパターン（似て非なるパターン等も含む）も準備する必要がある。文字認識では、認識したい文字種類の数が限られているために、予め教師パターンを準備することが容易である。
これに関連する技術として、例えば、特許文献１には、手書き文字の認識率を向上させる文字認識装置を提供することを目的とし、予め、多数の人が記述した一連の文字データセット群をもとに文字種ごとに学習して代表的な文字パターンを文字種見本として記憶する文字種見本記憶部と、前記文字データセット群を人ごとに前記文字種見本を当てはめて一連の文字種見本データセットを作成し書き癖の相関を学習し記憶する見本間相関記憶部とを有し、主文字認識部により文字種が確定された文字パターンの全てに対して、癖推定部が前記文字種見本記憶部の文字種見本を検索して該当する文字種見本を当てはめて文字種見本データセットを作成し、前記見本間相関記憶部に記憶されている書き癖と相関をとり、筆者の書き癖を推定した後、文字種判定部が、主文字認識部により出力された文字種が確定できない文字パターンと、前記推定された書き癖データを比較して不確定な文字パターンの文字種を判定することが開示されている。
また、例えば、特許文献２には、画像中の対象物の大きさの変化にも対応して認識を可能にするパターン認識方法を提供することを目的とし、識別対象物を撮像した画像から抽出した検出画像の輪郭線から輪郭線要素の方向成分を抽出し、方向成分ごとの出現頻度の分布から正規化ヒストグラムが作成され、この正規化ヒストグラムは前記検出画像の輪郭線形状に対応しているので，検出画像の輪郭線の大きさが変化しても形状特徴の認識が可能となり、この識別目的物の認識は、ニューラルネットワークを用いて行うことができ、さらに、作成された正規化ヒストグラムを所定角度ピッチで回転させた回転変換ヒストグラムを作成することにより、検出画像中の輪郭線が回転変化している場合にも対応させることができ、この回転変換ヒストグラムは、ニューラルネットワークを学習させる教師データとすることができるので、検出画像の輪郭線の大きさの変化及び回転がある場合にも形状特徴の認識が可能となることが開示されている。
また、例えば、特許文献３には、高い認識率が得られるテンプレートを人手による作業なしに作成することを課題とし、学習用パターン記憶回路から、訓練パターンを含む学習用パターンが読み出され、訓練パターン抽出回路に入力し、訓練パターン抽出回路は、テンプレート記憶回路から、予め作成されているテンプレートを読みこみ、読み出されたテンプレートを用いて、学習用パターンを認識し、高い類似度を示した位置及びカテゴリを用いて訓練パターンを抽出し、テンプレート選別回路に出力し、テンプレート選別回路では、入力された訓練パターンを用いて、テンプレートを選別し、選別されたテンプレートはテンプレート記憶回路に記憶され、また、新規保存されたテンプレートを用いて、以上の動作を繰り返し行い、テンプレートを更新できることが開示されている。
また、例えば、特許文献４には、ニューラルネットワークの学習用パターンの不足を補い、また、未学習データに対する認識率を高めることができる欠陥検査装置を提供することを課題とし、ニューラルネットワークを用いて被検物の欠陥の有無を検査する欠陥検査装置において、被検物の人工的な欠陥画像を画像処理により作成する人工欠陥作成手段と、人工的に作成された欠陥画像により前記ニューラルネットワークを学習させる学習手段と、を備え、また、人工欠陥作成手段は、被検物における欠陥の位置、輝度及び形状の内の少なくとも一つを乱数により決定して作成し、また、人工欠陥作成手段は複数の分類すべき欠陥ごとに人工的な欠陥画像を作成する手段であり、学習手段は分類すべき欠陥の人工画像と良品画像の学習パターンを乱数により決定してニューラルネットワークに学習させることが開示されている。
特開平０５−２５８１１７号公報
特開平０７−１２１７１３号公報
特開２００１−２３６４６７号公報
特開２００４−３５４２５１号公報
ＪＢＩＧ２ ＴＲでは、視覚的に類似している部分画像を判定するため、同じ文字種であっても、フォント種、ポイント数又は文字の装飾が異なれば類似していない部分画像となる場合がある。逆に、同一の文字種であってもボールドやイタリックは異なるパターン（文字種）と判定して、圧縮の再現率を高めたい場合もある。例えば、図２５は、画像２５１Ａ、２５１Ｂ内の部分画像２５２Ａ、２５２Ｂ、２５２Ｃを抽出した入力部分画像２５３Ａ、２５３Ｂ、２５３Ｃに対して、これらは「α」という同一の文字種であるが、それぞれ異なるものとして認識すべきにも関わらず、同じ部分画像２５４として認識している例を示している。
また、文字種、フォント種、ポイント数、文字の装飾等が同じである部分画像であっても、部分画像が生成される過程のばらつきによって、部分画像が完全には一致しない場合がある。例えば、スキャナを用いたスキャン・インの過程では、部分画像の標本化の位相が異なる、ノイズが重畳される、スキューが生じる、微小な倍率差が生じるなどのばらつきが発生し得る。例えば、図２６では、画像２６１Ａ、２６１Ｂ内の部分画像２６２Ａ、２６２Ｂ、２６２Ｃを抽出した入力部分画像２６３Ａ、２６３Ｂ、２６３Ｃに対して、これらは矢印という同一の形態であるが、スキャン・インの位相がずれていても同じ部分画像２６４として認識すべき例を示している。
ＪＢＩＧ２ ＴＲを実現する背景技術では、予め部分画像の違いを表す特徴量を見つけ、その決められた特徴量に基づいて二つの部分画像が似ているか判定していた。この手法では、例えば、ポイント数と解像度で決まる部分画像の大きさ、ハングル文字やアラビア文字などの文字種、などの様々な符号化対象画像の絵柄を予め想定する必要がある。そして、その想定した条件のほかでは性能が低下する可能性がある。
また、入力画像や参照画像に誤差が存在する場合、距離が０（つまり、その空間内では同一）とならなくても同じパターンと判断すべき場合がある。
しかし、同じパターンとして良い場合と、違うパターンとしなければならない場合とを判別することは一般的に困難である。背景技術のような距離計算の場合には、同一距離であっても、同じパターンとすべき場合と違うパターンとすべき場合の２通りが混在していた。例えば、絶対値距離、２乗距離、相関値等が同じ画像であっても、同じパターンと違うパターンの２種類が存在すると考えられる。
しかし、同じパターンとして良い場合と、違うパターンとしなければならない場合とを判別することは一般的に困難である。背景技術のような距離計算の場合には、同一距離であっても、同じパターンとすべき場合と違うパターンとすべき場合の２通りが混在していた。例えば、絶対値距離、２乗距離、相関値等が同じ画像であっても、同じパターンと違うパターンの２種類が存在すると考えられる。
本発明は、このような背景技術の状況の中でなされたもので、入力部分画像の生成過程を模擬して変形をすることで、符号化の対象である多様な画像に対して安定した性能を得ることができるようにした情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラムを提供することを目的としている。
かかる目的を達成するための本発明の要旨とするところは、次の各項の発明に存する。 ［１］ 情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された部分情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。
前記部分情報抽出手段によって抽出された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された部分情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。
［２］ 画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。
前記部分画像抽出手段によって抽出された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。
［３］ 情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。
［４］ 画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。
［５］ 情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報登録手段によって登録されている部分情報であって、前記教師パターン生成手段によって対象となった部分情報以外の部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報登録手段によって登録されている部分情報であって、前記教師パターン生成手段によって対象となった部分情報以外の部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。
［６］ 画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像登録手段によって登録されている部分画像であって、前記教師パターン生成手段によって対象となった部分画像以外の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像登録手段によって登録されている部分画像であって、前記教師パターン生成手段によって対象となった部分画像以外の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。
［７］ 第１の情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の情報の認識を行う認識手段
を具備することを特徴とする情報処理装置。
前記第１の情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の情報の認識を行う認識手段
を具備することを特徴とする情報処理装置。
［８］ 第１の部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の部分画像の認識を行う認識手段
を具備することを特徴とする画像処理装置。
前記第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の部分画像の認識を行う認識手段
を具備することを特徴とする画像処理装置。
［９］ 画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、類似していると判定された場合は、該インデックスと前記第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
を具備することを特徴とする画像符号化装置。
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、類似していると判定された場合は、該インデックスと前記第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
を具備することを特徴とする画像符号化装置。
［１０］ 画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
を具備することを特徴とする画像符号化装置。
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
を具備することを特徴とする画像符号化装置。
［１１］ コンピュータを、
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターンに基づいて学習し、該学習をした後に、前記第１の部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段、及び該第１の部分画像の対をインデックスを付して登録している辞書手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する部分画像と前記第２の部分画像とが類似しているか否かを前記辞書手段内の該インデックスに対応する判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像に対応する新たな判定手段を生成させ、該判定手段を学習させ、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターンに基づいて学習し、該学習をした後に、前記第１の部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段、及び該第１の部分画像の対をインデックスを付して登録している辞書手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する部分画像と前記第２の部分画像とが類似しているか否かを前記辞書手段内の該インデックスに対応する判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像に対応する新たな判定手段を生成させ、該判定手段を学習させ、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
［１２］ コンピュータを、
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された部分情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された部分情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。
［１３］ コンピュータを、
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。
［１４］ コンピュータを、
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。
［１５］ コンピュータを、
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。
［１６］ コンピュータを、
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報登録手段によって登録されている部分情報であって、前記教師パターン生成手段によって対象となった部分情報以外の部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報登録手段によって登録されている部分情報であって、前記教師パターン生成手段によって対象となった部分情報以外の部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。
［１７］ コンピュータを、
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像登録手段によって登録されている部分画像であって、前記教師パターン生成手段によって対象となった部分画像以外の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像登録手段によって登録されている部分画像であって、前記教師パターン生成手段によって対象となった部分画像以外の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。
［１８］ コンピュータを、
第１の情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の情報の認識を行う認識手段
として機能させることを特徴とする情報処理プログラム。
第１の情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の情報の認識を行う認識手段
として機能させることを特徴とする情報処理プログラム。
［１９］ コンピュータを、
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、類似していると判定された場合は、該インデックスと前記第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、類似していると判定された場合は、該インデックスと前記第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
［２０］ コンピュータを、
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
本発明にかかる情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラムによれば、本構成を有していない場合に比較して、入力部分画像の生成過程を模擬した変形をすることで、符号化の対象である多様な画像に対して安定した性能を得ることができる。
又は、対象画像から教師パターンを生成するようにしているので、予め教師パターンを準備する必要がない。さらに、未知のパターンに対しても認識性能を低下させることがない。
又は、対象画像から教師パターンを生成するようにしているので、予め教師パターンを準備する必要がない。さらに、未知のパターンに対しても認識性能を低下させることがない。
本発明を実現するにあたっての好適な各種の実施の形態を説明する。
まず、後述する実施の形態の概要を説明する。
本実施の形態では、入力画像毎に距離計算方法を適応化するものである。つまり、入力画像を中心として、入力画像と同じパターンとなるような空間（同一の部分画像と判断されるべきものの空間）を形成し、その空間内の距離を定義する。その距離を用いてパターンマッチングを行うものである。
まず、後述する実施の形態の概要を説明する。
本実施の形態では、入力画像毎に距離計算方法を適応化するものである。つまり、入力画像を中心として、入力画像と同じパターンとなるような空間（同一の部分画像と判断されるべきものの空間）を形成し、その空間内の距離を定義する。その距離を用いてパターンマッチングを行うものである。
より具体的に説明する。
前述のように、ＪＢＩＧ２ ＴＲでは、２値画像データから文字画像らしき部分画像である入力部分画像を抽出し、既に辞書に登録してある部分画像データである登録部分画像と比較し、もしも、類似している部分画像が見つからない場合には、入力部分画像を辞書に登録する。もしも、類似している部分画像が見つかった場合には、辞書内におけるその部分画像を示すインデックス及び２値画像データにおける入力部分画像の位置により、入力部分画像を符号化する。
ＪＢＩＧ２ ＴＲにおける入力部分画像に対して、教師パターンを自動的に生成し、学習型のパターン認識方式を適用することができれば、類似していて、かつ、多少の違いを許容した部分画像を辞書から探すことができるようになる。
後述する実施の形態では、一方の部分画像と他方の部分画像が類似していることを判定するために、パターン認識技術又は文字認識技術等を応用し、さらに、これら認識技術の中でも特に、ニューラル・ネットワーク、マハラノビス・タグチ・システム（ＭＴＳ）、サポート・ベクタ・マシン（ＳＶＭ）などの学習型の方式を応用する。
また、特にサポート・ベクタ・マシンなどのパターン認識装置では、正解の教師パターンと不正解の教師パターンが必要である。そして、正解と不正解の境界にあるパターンが認識性能を高める上で重要である。
部分画像が生成される過程を模擬し、そのパラメータを微小に変えることにより、正解となる教師パターンを生成することができる。
また、不正解の教師パターンも入力部分画像を用いて適切に生成することができるようになる。
なお、実施の形態は、対象とする情報を画像データ（以下、画像ともいう）を主に例示して説明するが、画像に限らず音声データ、動画像データ、その他のデータであってもよい。
前述のように、ＪＢＩＧ２ ＴＲでは、２値画像データから文字画像らしき部分画像である入力部分画像を抽出し、既に辞書に登録してある部分画像データである登録部分画像と比較し、もしも、類似している部分画像が見つからない場合には、入力部分画像を辞書に登録する。もしも、類似している部分画像が見つかった場合には、辞書内におけるその部分画像を示すインデックス及び２値画像データにおける入力部分画像の位置により、入力部分画像を符号化する。
ＪＢＩＧ２ ＴＲにおける入力部分画像に対して、教師パターンを自動的に生成し、学習型のパターン認識方式を適用することができれば、類似していて、かつ、多少の違いを許容した部分画像を辞書から探すことができるようになる。
後述する実施の形態では、一方の部分画像と他方の部分画像が類似していることを判定するために、パターン認識技術又は文字認識技術等を応用し、さらに、これら認識技術の中でも特に、ニューラル・ネットワーク、マハラノビス・タグチ・システム（ＭＴＳ）、サポート・ベクタ・マシン（ＳＶＭ）などの学習型の方式を応用する。
また、特にサポート・ベクタ・マシンなどのパターン認識装置では、正解の教師パターンと不正解の教師パターンが必要である。そして、正解と不正解の境界にあるパターンが認識性能を高める上で重要である。
部分画像が生成される過程を模擬し、そのパラメータを微小に変えることにより、正解となる教師パターンを生成することができる。
また、不正解の教師パターンも入力部分画像を用いて適切に生成することができるようになる。
なお、実施の形態は、対象とする情報を画像データ（以下、画像ともいう）を主に例示して説明するが、画像に限らず音声データ、動画像データ、その他のデータであってもよい。
図１は、第１の実施の形態の概念的な処理及び構成を示す説明図である。
なお、モジュールとは、一般的に論理的に分離可能なソフトウェア、ハードウェア等の部品を指す。したがって、本実施の形態におけるモジュールはプログラムにおけるモジュールのことだけでなく、ハードウェア構成におけるモジュールも指す。それゆえ、本実施の形態は、プログラム、システム及び方法の説明をも兼ねている。また、モジュールは機能にほぼ一対一に対応しているが、実装においては、１モジュールを１プログラムで構成してもよいし、複数モジュールを１プログラムで構成してもよく、逆に１モジュールを複数プログラムで構成してもよい。また、複数モジュールは１コンピュータによって実行されてもよいし、分散又は並列環境におけるコンピュータによって１モジュールが複数コンピュータで実行されてもよい。なお、１つのモジュールに他のモジュールが含まれていてもよい。また、以下、「接続」とは物理的な接続の他、論理的な接続（データの授受、指示等）を含む。
また、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク等の通信手段で接続されて構成されるほか、１つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。
なお、モジュールとは、一般的に論理的に分離可能なソフトウェア、ハードウェア等の部品を指す。したがって、本実施の形態におけるモジュールはプログラムにおけるモジュールのことだけでなく、ハードウェア構成におけるモジュールも指す。それゆえ、本実施の形態は、プログラム、システム及び方法の説明をも兼ねている。また、モジュールは機能にほぼ一対一に対応しているが、実装においては、１モジュールを１プログラムで構成してもよいし、複数モジュールを１プログラムで構成してもよく、逆に１モジュールを複数プログラムで構成してもよい。また、複数モジュールは１コンピュータによって実行されてもよいし、分散又は並列環境におけるコンピュータによって１モジュールが複数コンピュータで実行されてもよい。なお、１つのモジュールに他のモジュールが含まれていてもよい。また、以下、「接続」とは物理的な接続の他、論理的な接続（データの授受、指示等）を含む。
また、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク等の通信手段で接続されて構成されるほか、１つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１０１）。なお、入力する画像は１枚であってもよいし、２枚以上の複数であってもよい。また、画像を入力するとは、具体的には、スキャナによって画像を入力すること、ファックスによって通信回線を介して外部機器から画像を入力すること、記憶媒体から画像を入力すること等がある。また、画像１１Ａ、画像１１Ｂには、複数の同一の文字画像（部分画像１２Ａ、１２Ｂ、１２Ｃ、１２Ｄ）があるとする。一般的な文書画像であれば、このように同一の文字画像が複数あることは普通である。これらを同一の文字画像であると認識できれば、圧縮率を高めること等ができる。
次に、抽出された部分画像に対してばらつきを与えて教師パターンを生成する（ステップＳ１０２Ａ、Ｓ１０２Ｂ、Ｓ１０２Ｃ、Ｓ１０２Ｄ）。
なお、ばらつきとは、対象とする入力部分画像を中心にして規則的又は不規則に変形させることであり、特に、スキャン・イン過程の諸条件や、描画過程の諸条件など入力部分画像の生成過程を模擬した変形をいう。
変形としては、例えば、位相ずらし、ノイズ重畳、微小角回転、微小拡大・縮小、色・濃度変更、ＭＴＦ特性変更などがある。つまり、入力部分画像が生成される過程を模擬することでばらつきを与え、複数の教師パターンを生成している。
なお、ばらつきとは、対象とする入力部分画像を中心にして規則的又は不規則に変形させることであり、特に、スキャン・イン過程の諸条件や、描画過程の諸条件など入力部分画像の生成過程を模擬した変形をいう。
変形としては、例えば、位相ずらし、ノイズ重畳、微小角回転、微小拡大・縮小、色・濃度変更、ＭＴＦ特性変更などがある。つまり、入力部分画像が生成される過程を模擬することでばらつきを与え、複数の教師パターンを生成している。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１０３Ａ、Ｓ１０３Ｂ、Ｓ１０３Ｃ、Ｓ１０３Ｄ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。パターン認識装置１６は、具体的には、パーセプトロンやニューラル・ネットワークなどの学習型のパターン認識装置である。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ１０４）。なお、登録部分画像記憶装置１５は、例えば、ＪＢＩＧ２ ＴＲにおける登録部分画像を記憶する手段であってもよい。
そして、パターン認識装置１６に学習をさせた後に、パターン認識装置１６に登録部分画像記憶装置１５から抽出された登録部分画像を入力し（ステップＳ１０５）、認識させてその結果を出力する（ステップＳ１０６）。つまり、入力部分画像１３Ｃと類似している登録部分画像記憶装置１５内の登録部分画像（部分画像１７Ａ）を抽出する。
これによって、例えば、入力部分画像と位相が異なるが、類似している登録部分画像が抽出されることになる。
そして、パターン認識装置１６に学習をさせた後に、パターン認識装置１６に登録部分画像記憶装置１５から抽出された登録部分画像を入力し（ステップＳ１０５）、認識させてその結果を出力する（ステップＳ１０６）。つまり、入力部分画像１３Ｃと類似している登録部分画像記憶装置１５内の登録部分画像（部分画像１７Ａ）を抽出する。
これによって、例えば、入力部分画像と位相が異なるが、類似している登録部分画像が抽出されることになる。
図２は、第２の実施の形態の概念的な処理及び構成を示す説明図である。
なお、前述の実施の形態と同種の部位には同一符号を付し重複した説明を省略する。以下の実施の形態の説明においても同様である。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ２０１）。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ２０２）。
そして、登録部分画像記憶装置１５に登録されている登録部分画像を１つ抽出し（ステップＳ２０３）、その登録部分画像（部分画像２６Ａ）に対して、ばらつきを与えて教師パターンを生成する（ステップＳ２０４Ａ、Ｓ２０４Ｂ、Ｓ２０４Ｃ、Ｓ２０４Ｄ）。
なお、前述の実施の形態と同種の部位には同一符号を付し重複した説明を省略する。以下の実施の形態の説明においても同様である。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ２０１）。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ２０２）。
そして、登録部分画像記憶装置１５に登録されている登録部分画像を１つ抽出し（ステップＳ２０３）、その登録部分画像（部分画像２６Ａ）に対して、ばらつきを与えて教師パターンを生成する（ステップＳ２０４Ａ、Ｓ２０４Ｂ、Ｓ２０４Ｃ、Ｓ２０４Ｄ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ２０５Ａ、Ｓ２０５Ｂ、Ｓ２０５Ｃ、Ｓ２０５Ｄ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。パターン認識装置１６は、具体的には、パーセプトロンやニューラル・ネットワークなどの学習型のパターン認識装置である。
そして、パターン認識装置１６に学習をさせた後に、パターン認識装置１６に抽出された入力部分画像１３Ｃを入力し（ステップＳ２０６）、認識させてその結果を出力する（ステップＳ２０７）。つまり、入力部分画像１３Ｃと類似している登録部分画像記憶装置１５内の登録部分画像（部分画像１７Ａ）を抽出する。
これによって、例えば、入力部分画像と位相が異なるが、類似している登録部分画像が抽出されることになる。
そして、パターン認識装置１６に学習をさせた後に、パターン認識装置１６に抽出された入力部分画像１３Ｃを入力し（ステップＳ２０６）、認識させてその結果を出力する（ステップＳ２０７）。つまり、入力部分画像１３Ｃと類似している登録部分画像記憶装置１５内の登録部分画像（部分画像１７Ａ）を抽出する。
これによって、例えば、入力部分画像と位相が異なるが、類似している登録部分画像が抽出されることになる。
図３は、第３の実施の形態の概念的なモジュール構成図を示している。
第３の実施の形態は、ある画像データともうひとつの画像データ、例えば、入力部分画像と登録部分画像が類似しているか否かを判定する装置である。
第３の実施の形態は、図３に示すように、生成過程模擬モジュール３１、生成・廃棄・初期化モジュール３２、パターン認識モジュール３３を有している。
生成過程模擬モジュール３１は、図３に示すように、パターン認識モジュール３３と接続されており、ある部分画像が生成される過程を模擬し、入力されたある部分画像にばらつきを与え、教師パターンとしてパターン認識モジュール３３へ出力する。
第３の実施の形態は、ある画像データともうひとつの画像データ、例えば、入力部分画像と登録部分画像が類似しているか否かを判定する装置である。
第３の実施の形態は、図３に示すように、生成過程模擬モジュール３１、生成・廃棄・初期化モジュール３２、パターン認識モジュール３３を有している。
生成過程模擬モジュール３１は、図３に示すように、パターン認識モジュール３３と接続されており、ある部分画像が生成される過程を模擬し、入力されたある部分画像にばらつきを与え、教師パターンとしてパターン認識モジュール３３へ出力する。
生成・廃棄・初期化モジュール３２は、図３に示すように、パターン認識モジュール３３と接続されており、ある部分画像に対して生成過程模擬モジュール３１によって教師パターンが生成されるごとに、パターン認識モジュール３３の生成、廃棄又は初期化を行う。ここで、パターン認識モジュール３３を生成するとは、入力部分画像を認識できるパターン認識モジュール３３を新規に構成することであり、例えば、ニューロ・ネットワークを利用したパターン認識モジュール３３である場合に、そのニューロ・ネットワークを生成することである。パターン認識モジュール３３を廃棄するとは、パターン認識モジュール３３を削除等することであり、使えない又は使わないようにすることであればよい。例えば、ニューロ・ネットワークを利用したパターン認識モジュール３３である場合に、そのニューロ・ネットワークを削除等することである。パターン認識モジュール３３を初期化するとは、パターン認識モジュール３３を新規に生成した当初の状態にすることであり、学習される前の状態のことをいい、例えば、ニューロ・ネットワークを利用したパターン認識モジュール３３である場合に、ユニット間の結合の強さを初期値にすること等である。
パターン認識モジュール３３は、図３に示すように、生成過程模擬モジュール３１、生成・廃棄・初期化モジュール３２と接続されており、生成過程模擬モジュール３１によって生成された教師パターンに基づいて学習し、その学習をした後にもうひとつの部分画像の認識を行う。
つまり、パターン認識モジュール３３は、ニューロ・ネットワーク（生物の神経回路網をモデルにしたもの）、マハラノビス・タグチ・システム等の学習を用いて、入力に対する最適な出力の規則を自ら作り出すことができるものである。
例えば、ニューロ・ネットワークは、ユニットを、ネットワーク状に多数結合した構造になっている。各ユニットは、結合された他のユニットからの入力の総和に応じて、出力を発生する。この時、結合の強さ（重み付け）を調整することで、システム全体の入力に対して最善の出力が得られるように学習させることができ、入力データと出力データの組み合わせを学習させて、入力に対して最適な出力が得られるようにする。また、具体的に、ニューロネットワークには、階層型と相互結合型がある。階層型はパーセプトロン、バックプロパゲーション（ＢＰ）学習型、ネオコグニトロンなどがある。相互結合型はアソシアトロン、ホップフィールドネットワーク、ボルツマンマシンなどがある。
つまり、パターン認識モジュール３３は、ニューロ・ネットワーク（生物の神経回路網をモデルにしたもの）、マハラノビス・タグチ・システム等の学習を用いて、入力に対する最適な出力の規則を自ら作り出すことができるものである。
例えば、ニューロ・ネットワークは、ユニットを、ネットワーク状に多数結合した構造になっている。各ユニットは、結合された他のユニットからの入力の総和に応じて、出力を発生する。この時、結合の強さ（重み付け）を調整することで、システム全体の入力に対して最善の出力が得られるように学習させることができ、入力データと出力データの組み合わせを学習させて、入力に対して最適な出力が得られるようにする。また、具体的に、ニューロネットワークには、階層型と相互結合型がある。階層型はパーセプトロン、バックプロパゲーション（ＢＰ）学習型、ネオコグニトロンなどがある。相互結合型はアソシアトロン、ホップフィールドネットワーク、ボルツマンマシンなどがある。
つまり、第３の実施の形態では、ある部分画像が入力される度にパターン認識モジュール３３が生成され、教師パターンに基づく学習が実施される。そして、学習が終了したパターン認識モジュール３３にもうひとつの部分画像が入力され、ある部分画像ともうひとつの部分画像が類似しているか否かが判定される。
ある部分画像ごとに生成され、学習された各々のパターン認識モジュール３３は、もうひとつの部分画像の判定が終了した後に、廃棄されてもよい。一度学習が終了したパターン認識モジュール３３で、複数の部分画像を判定してもよい。
ある部分画像ごとにパターン認識モジュール３３を生成、廃棄する代わりに、ひとつのパターン認識モジュール３３を恒常的に設け、ある部分画像ごとに学習を初期化してもよい。
ある部分画像ごとに生成され、学習された各々のパターン認識モジュール３３は、もうひとつの部分画像の判定が終了した後に、廃棄されてもよい。一度学習が終了したパターン認識モジュール３３で、複数の部分画像を判定してもよい。
ある部分画像ごとにパターン認識モジュール３３を生成、廃棄する代わりに、ひとつのパターン認識モジュール３３を恒常的に設け、ある部分画像ごとに学習を初期化してもよい。
図４は、第４の実施の形態の構成例についての概念的なモジュール構成図を示している。
第４の実施の形態は、図４に示すように、部分画像切出しモジュール４１、生成過程模擬モジュール４２、パターン認識モジュール４３、認識の生成・廃棄モジュール４４、部分画像辞書モジュール４５、制御モジュール４６、符号化モジュール４７を有している。
第４の実施の形態は、図４に示すように、部分画像切出しモジュール４１、生成過程模擬モジュール４２、パターン認識モジュール４３、認識の生成・廃棄モジュール４４、部分画像辞書モジュール４５、制御モジュール４６、符号化モジュール４７を有している。
部分画像切出しモジュール４１は、図４に示すように、生成過程模擬モジュール４２、部分画像辞書モジュール４５、制御モジュール４６、符号化モジュール４７と接続されており、文書画像データから入力部分画像を切り出して、その入力部分画像を生成過程模擬モジュール４２、部分画像辞書モジュール４５へ渡し、その部分画像の位置を符号化モジュール４７へ渡す。より具体的には、ＪＢＩＧ２ ＴＲで採用している文字画像の切出しを用いてもよい。以下の実施の形態においても同様である。
生成過程模擬モジュール４２は、図４に示すように、部分画像切出しモジュール４１、パターン認識モジュール４３と接続されており、部分画像切出しモジュール４１から入力部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンをパターン認識モジュール４３へ渡す。つまり、入力部分画像が生成される過程を模擬して、入力部分画像にばらつきを与えて教師パターンとして出力する。
生成過程模擬モジュール４２は、図４に示すように、部分画像切出しモジュール４１、パターン認識モジュール４３と接続されており、部分画像切出しモジュール４１から入力部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンをパターン認識モジュール４３へ渡す。つまり、入力部分画像が生成される過程を模擬して、入力部分画像にばらつきを与えて教師パターンとして出力する。
パターン認識モジュール４３は、図４に示すように、生成過程模擬モジュール４２、部分画像辞書モジュール４５、制御モジュール４６、認識の生成・廃棄モジュール４４と接続されており、生成過程模擬モジュール４２によって生成された教師パターンに基づいて学習する。そして、学習をした後に、入力部分画像（部分画像切出しモジュール４１によって切り出された入力部分画像であるが、生成過程模擬モジュール４２に入力された入力部分画像とは限らない）と部分画像辞書モジュール４５から受け取った登録部分画像が類似しているか否かの判定、つまり認識を行う。その認識結果を制御モジュール４６へ渡す。
認識の生成・廃棄モジュール４４は、図４に示すように、パターン認識モジュール４３、制御モジュール４６と接続されており、制御モジュール４６からの指示に基づいて、パターン認識モジュール４３の生成、廃棄又は初期化を行う。
部分画像辞書モジュール４５は、図４に示すように、部分画像切出しモジュール４１、パターン認識モジュール４３、制御モジュール４６と接続されており、部分画像切出しモジュール４１から入力部分画像を受け取り、その入力部分画像を辞書に登録し、制御モジュール４６から指定されたインデックスに対応する登録部分画像をパターン認識モジュール４３へ出力する。
認識の生成・廃棄モジュール４４は、図４に示すように、パターン認識モジュール４３、制御モジュール４６と接続されており、制御モジュール４６からの指示に基づいて、パターン認識モジュール４３の生成、廃棄又は初期化を行う。
部分画像辞書モジュール４５は、図４に示すように、部分画像切出しモジュール４１、パターン認識モジュール４３、制御モジュール４６と接続されており、部分画像切出しモジュール４１から入力部分画像を受け取り、その入力部分画像を辞書に登録し、制御モジュール４６から指定されたインデックスに対応する登録部分画像をパターン認識モジュール４３へ出力する。
制御モジュール４６は、図４に示すように、部分画像切出しモジュール４１、部分画像辞書モジュール４５、パターン認識モジュール４３、認識の生成・廃棄モジュール４４、符号化モジュール４７と接続されている。制御モジュール４６は以下の制御を行う。
まず、部分画像切出しモジュール４１に対して、文書画像データから入力部分画像の切り出しを指示する。
次に、部分画像切出しモジュール４１によって切り出された入力部分画像が生成過程模擬モジュール４２に入力されるごとに、認識の生成・廃棄モジュール４４に対して、パターン認識モジュール４３を生成する指示を出し、パターン認識モジュール４３による学習が終了した後に、部分画像辞書モジュール４５に対してインデックスを指定する。
そして、そのインデックスに対応する部分画像辞書モジュール４５がパターン認識モジュール４３へ出力する登録部分画像と部分画像切出しモジュール４１によって切り出された入力部分画像とが類似しているか否かをパターン認識モジュール４３によって判定させる。
まず、部分画像切出しモジュール４１に対して、文書画像データから入力部分画像の切り出しを指示する。
次に、部分画像切出しモジュール４１によって切り出された入力部分画像が生成過程模擬モジュール４２に入力されるごとに、認識の生成・廃棄モジュール４４に対して、パターン認識モジュール４３を生成する指示を出し、パターン認識モジュール４３による学習が終了した後に、部分画像辞書モジュール４５に対してインデックスを指定する。
そして、そのインデックスに対応する部分画像辞書モジュール４５がパターン認識モジュール４３へ出力する登録部分画像と部分画像切出しモジュール４１によって切り出された入力部分画像とが類似しているか否かをパターン認識モジュール４３によって判定させる。
類似していると判定された場合は、そのインデックスとその入力部分画像に対応する位置を符号化モジュール４７によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール４５に登録されている次の登録部分画像を示すインデックスを指定して、パターン認識モジュール４３に同様の判定を行わせる。
パターン認識モジュール４３による判定の結果、部分画像辞書モジュール４５に登録されている全ての登録部分画像が対象としている入力部分画像と類似していないと判定された場合は、その入力部分画像を部分画像辞書モジュール４５に登録し、入力部分画像のインデックスとその入力部分画像に対応する位置を符号化モジュール４７によって符号化させる。
また、制御モジュール４６は、認識の生成・廃棄モジュール４４に対して、入力部分画像ごとにパターン認識モジュール４３の生成又は廃棄の指示を行う。また、入力部分画像ごとに新たにパターン認識モジュール４３を生成又は廃棄する代わりに、ひとつのパターン認識モジュール４３を恒常的に設け、入力部分画像ごとに学習を初期化してもよい。また、廃棄の指示を行うタイミングは、対象とする入力部分画像に対して、符号化モジュール４７による符号化が行われた場合である。
類似していないと判定された場合は、部分画像辞書モジュール４５に登録されている次の登録部分画像を示すインデックスを指定して、パターン認識モジュール４３に同様の判定を行わせる。
パターン認識モジュール４３による判定の結果、部分画像辞書モジュール４５に登録されている全ての登録部分画像が対象としている入力部分画像と類似していないと判定された場合は、その入力部分画像を部分画像辞書モジュール４５に登録し、入力部分画像のインデックスとその入力部分画像に対応する位置を符号化モジュール４７によって符号化させる。
また、制御モジュール４６は、認識の生成・廃棄モジュール４４に対して、入力部分画像ごとにパターン認識モジュール４３の生成又は廃棄の指示を行う。また、入力部分画像ごとに新たにパターン認識モジュール４３を生成又は廃棄する代わりに、ひとつのパターン認識モジュール４３を恒常的に設け、入力部分画像ごとに学習を初期化してもよい。また、廃棄の指示を行うタイミングは、対象とする入力部分画像に対して、符号化モジュール４７による符号化が行われた場合である。
符号化モジュール４７は、図４に示すように、部分画像切出しモジュール４１、制御モジュール４６と接続されており、制御モジュール４６から渡されたインデックス及び部分画像切出しモジュール４１によって切り出された入力部分画像の位置を符号化する。なお、部分画像切出しモジュール４１によって切り出された入力部分画像は、パターン認識モジュール４３によって認識された入力部分画像であり、制御モジュール４６から渡されたインデックスが指し示す登録部分画像であると認識されたものである。
入力部分画像が生成される過程を模擬し入力部分画像にばらつきを与え教師パターンとして出力する生成過程模擬モジュール４２の具体的な構成例について、図５〜図１３を用いて説明する。
図５は、生成過程模擬モジュール４２の構成例についての概念的なモジュール構成図を示している。つまり、入力部分画像を異なる位相で再標本化（再サンプリング）することで、教師パターンを生成する例を示している。
生成過程模擬モジュール４２は、図５に示すように、再標本化モジュール５１、位相指示モジュール５２を有していてもよい。
位相指示モジュール５２は、図５に示すように、再標本化モジュール５１と接続されており、再標本化モジュール５１に対して、ずらす位相量の指示を行う。位相指示モジュール５２は、教師パターンが生成過程を均一に模擬するように、例えば、±１／２画素の範囲で均一な分布となるように指示してもよい（図６（Ｂ）参照）。また、入力部分画像の一部分に対してのみ位相ずらしを行う、領域によってずらす位相量を異ならせる等の指示であってもよい。
再標本化モジュール５１は、部分画像切出しモジュール４１から入力部分画像を受け取り、位相指示モジュール５２による指示に基づいて、入力部分画像の位相をずらす。
位相をずらすことは、再標本化にあたり、線形補間法や標本化関数の畳み込み補間法などを用いればよい。
図５は、生成過程模擬モジュール４２の構成例についての概念的なモジュール構成図を示している。つまり、入力部分画像を異なる位相で再標本化（再サンプリング）することで、教師パターンを生成する例を示している。
生成過程模擬モジュール４２は、図５に示すように、再標本化モジュール５１、位相指示モジュール５２を有していてもよい。
位相指示モジュール５２は、図５に示すように、再標本化モジュール５１と接続されており、再標本化モジュール５１に対して、ずらす位相量の指示を行う。位相指示モジュール５２は、教師パターンが生成過程を均一に模擬するように、例えば、±１／２画素の範囲で均一な分布となるように指示してもよい（図６（Ｂ）参照）。また、入力部分画像の一部分に対してのみ位相ずらしを行う、領域によってずらす位相量を異ならせる等の指示であってもよい。
再標本化モジュール５１は、部分画像切出しモジュール４１から入力部分画像を受け取り、位相指示モジュール５２による指示に基づいて、入力部分画像の位相をずらす。
位相をずらすことは、再標本化にあたり、線形補間法や標本化関数の畳み込み補間法などを用いればよい。
図７は、生成過程模擬モジュール４２の構成例についての概念的なモジュール構成図を示している。つまり、入力部分画像を微小倍率で拡大・縮小することで、教師パターンを生成する例を示している。
生成過程模擬モジュール４２は、図７に示すように、微小倍率拡大・縮小モジュール７１、倍率指示モジュール７２を有していてもよい。
倍率指示モジュール７２は、図７に示すように、微小倍率拡大・縮小モジュール７１と接続されており、微小倍率拡大・縮小モジュール７１に対して、拡大・縮小する倍率の指示を行う。倍率指示モジュール７２は、教師パターンが生成過程を均一に模擬するように、例えば、±５％の範囲で均一な分布となるように指示してもよい（図８（Ｂ）参照）。また、入力部分画像の一部分に対してのみ拡大・縮小を行う、領域によって倍率を異ならせる等の指示であってもよい。
微小倍率拡大・縮小モジュール７１は、部分画像切出しモジュール４１から入力部分画像を受け取り、倍率指示モジュール７２による指示に基づいて、入力部分画像を拡大・縮小する。
拡大・縮小に伴う補間は、線形補間法や標本化関数の畳み込み補間法などを用いればよい。
生成過程模擬モジュール４２は、図７に示すように、微小倍率拡大・縮小モジュール７１、倍率指示モジュール７２を有していてもよい。
倍率指示モジュール７２は、図７に示すように、微小倍率拡大・縮小モジュール７１と接続されており、微小倍率拡大・縮小モジュール７１に対して、拡大・縮小する倍率の指示を行う。倍率指示モジュール７２は、教師パターンが生成過程を均一に模擬するように、例えば、±５％の範囲で均一な分布となるように指示してもよい（図８（Ｂ）参照）。また、入力部分画像の一部分に対してのみ拡大・縮小を行う、領域によって倍率を異ならせる等の指示であってもよい。
微小倍率拡大・縮小モジュール７１は、部分画像切出しモジュール４１から入力部分画像を受け取り、倍率指示モジュール７２による指示に基づいて、入力部分画像を拡大・縮小する。
拡大・縮小に伴う補間は、線形補間法や標本化関数の畳み込み補間法などを用いればよい。
図９は、生成過程模擬モジュール４２の構成例についての概念的なモジュール構成図を示している。つまり、入力部分画像を微小な角度で回転することで、教師パターンを生成する例を示している。
生成過程模擬モジュール４２は、図９に示すように、微小角度回転モジュール９１、角度指示モジュール９２を有していてもよい。
角度指示モジュール９２は、図９に示すように、微小角度回転モジュール９１と接続されており、微小角度回転モジュール９１に対して、回転させる角度の指示を行う。角度指示モジュール９２は、教師パターンが生成過程を均一に模擬するように、例えば、±５°の範囲で均一な分布となるように指示してもよい（図１０（Ｂ）参照）。また、入力部分画像の一部分に対してのみ回転を行う、領域によって回転角度を異ならせる等の指示であってもよい。
微小角度回転モジュール９１は、部分画像切出しモジュール４１から入力部分画像を受け取り、角度指示モジュール９２による指示に基づいて、入力部分画像を回転する。
回転に伴う再標本化は、線形補間法や標本化関数の畳み込み補間法などを用いればよい。
生成過程模擬モジュール４２は、図９に示すように、微小角度回転モジュール９１、角度指示モジュール９２を有していてもよい。
角度指示モジュール９２は、図９に示すように、微小角度回転モジュール９１と接続されており、微小角度回転モジュール９１に対して、回転させる角度の指示を行う。角度指示モジュール９２は、教師パターンが生成過程を均一に模擬するように、例えば、±５°の範囲で均一な分布となるように指示してもよい（図１０（Ｂ）参照）。また、入力部分画像の一部分に対してのみ回転を行う、領域によって回転角度を異ならせる等の指示であってもよい。
微小角度回転モジュール９１は、部分画像切出しモジュール４１から入力部分画像を受け取り、角度指示モジュール９２による指示に基づいて、入力部分画像を回転する。
回転に伴う再標本化は、線形補間法や標本化関数の畳み込み補間法などを用いればよい。
図１１は、生成過程模擬モジュール４２の構成例についての概念的なモジュール構成図を示している。つまり、入力部分画像に空間フィルタを施すことで、教師パターンを生成する例を示している。
生成過程模擬モジュール４２は、図１１に示すように、空間フィルタモジュール１１１、特性指示モジュール１１２を有していてもよい。
特性指示モジュール１１２は、図１１に示すように、空間フィルタモジュール１１１と接続されており、空間フィルタモジュール１１１に対して、空間フィルタの特性の指示を行う。特性指示モジュール１１２は、空間フィルタの特性として、例えば、バンド・パス特性、ロー・パス特性などを指示してもよい（図１２（Ａ）（Ｂ）参照）。また、入力部分画像の一部分に対してのみ空間フィルタを施す、領域によって空間フィルタを異ならせる等の指示であってもよい。
空間フィルタモジュール１１１は、部分画像切出しモジュール４１から入力部分画像を受け取り、特性指示モジュール１１２による指示に基づいて、入力部分画像に対して空間フィルタを施す。
生成過程模擬モジュール４２は、図１１に示すように、空間フィルタモジュール１１１、特性指示モジュール１１２を有していてもよい。
特性指示モジュール１１２は、図１１に示すように、空間フィルタモジュール１１１と接続されており、空間フィルタモジュール１１１に対して、空間フィルタの特性の指示を行う。特性指示モジュール１１２は、空間フィルタの特性として、例えば、バンド・パス特性、ロー・パス特性などを指示してもよい（図１２（Ａ）（Ｂ）参照）。また、入力部分画像の一部分に対してのみ空間フィルタを施す、領域によって空間フィルタを異ならせる等の指示であってもよい。
空間フィルタモジュール１１１は、部分画像切出しモジュール４１から入力部分画像を受け取り、特性指示モジュール１１２による指示に基づいて、入力部分画像に対して空間フィルタを施す。
図１３は、生成過程模擬モジュール４２の構成例についての概念的なモジュール構成図を示している。つまり、入力部分画像にノイズを重畳することで、教師パターンを生成する例を示している。
生成過程模擬モジュール４２は、図１３に示すように、ノイズ重畳モジュール１３１、特性指示モジュール１３２を有していてもよい。
特性指示モジュール１３２は、図１３に示すように、ノイズ重畳モジュール１３１と接続されており、ノイズ重畳モジュール１３１に対して、ノイズ重畳の特性の指示を行う。特性指示モジュール１３２は、ノイズ重畳の特性として、例えば、ホワイト・ガウス・ノイズなどの特性を指示してもよい。また、入力部分画像の一部分に対してのみノイズ重畳を施す、領域によってノイズ重畳の特性を異ならせる等の指示であってもよい。
ノイズ重畳モジュール１３１は、部分画像切出しモジュール４１から入力部分画像を受け取り、特性指示モジュール１３２による指示に基づいて、入力部分画像に対してノイズを重畳する。重畳すべきノイズの生成方法は、疑似乱数などの計算手法で生成してもよいし、疑似乱数に適当な空間フィルタをかけることで生成してもよいし、実際のノイズ波形を計測して使用してもよい。
生成過程模擬モジュール４２は、図１３に示すように、ノイズ重畳モジュール１３１、特性指示モジュール１３２を有していてもよい。
特性指示モジュール１３２は、図１３に示すように、ノイズ重畳モジュール１３１と接続されており、ノイズ重畳モジュール１３１に対して、ノイズ重畳の特性の指示を行う。特性指示モジュール１３２は、ノイズ重畳の特性として、例えば、ホワイト・ガウス・ノイズなどの特性を指示してもよい。また、入力部分画像の一部分に対してのみノイズ重畳を施す、領域によってノイズ重畳の特性を異ならせる等の指示であってもよい。
ノイズ重畳モジュール１３１は、部分画像切出しモジュール４１から入力部分画像を受け取り、特性指示モジュール１３２による指示に基づいて、入力部分画像に対してノイズを重畳する。重畳すべきノイズの生成方法は、疑似乱数などの計算手法で生成してもよいし、疑似乱数に適当な空間フィルタをかけることで生成してもよいし、実際のノイズ波形を計測して使用してもよい。
図１４は、第５の実施の形態の構成例についての概念的なモジュール構成図を示している。
第５の実施の形態は、図１４に示すように、生成過程模擬モジュール１４１、生成・廃棄・初期化モジュール１４２、ＭＴＳパターン認識モジュール１４３を有している。
第５の実施の形態は、図３で示した第３の実施の形態に対応しており、第３の実施の形態のパターン認識モジュール３３をＭＴＳパターン認識モジュール１４３にしたものである。他の生成過程模擬モジュール１４１、生成・廃棄・初期化モジュール１４２は、それぞれ生成過程模擬モジュール３１、生成・廃棄・初期化モジュール３２と同様である。
マハラノビス・タグチ・システムのＭＴＳパターン認識モジュール１４３は、良いパターン、すなわち、類似しているパターンのみを集めて基準空間を作り、基準空間の中心ほど良く、中心からのマハラノビス距離が大きくなるほど良くない、すなわち類似していないと判断するものである。したがって、教師パターンとして、良いパターンのみを与えれば良く、良くないパターンを与える必要がない。良くないパターンは良いパターンと比較して多様性が大きいことが多く、良くないパターンを適切に生成することはより困難であることが多い。したがって、教師パターン生成が容易である。
第５の実施の形態は、図１４に示すように、生成過程模擬モジュール１４１、生成・廃棄・初期化モジュール１４２、ＭＴＳパターン認識モジュール１４３を有している。
第５の実施の形態は、図３で示した第３の実施の形態に対応しており、第３の実施の形態のパターン認識モジュール３３をＭＴＳパターン認識モジュール１４３にしたものである。他の生成過程模擬モジュール１４１、生成・廃棄・初期化モジュール１４２は、それぞれ生成過程模擬モジュール３１、生成・廃棄・初期化モジュール３２と同様である。
マハラノビス・タグチ・システムのＭＴＳパターン認識モジュール１４３は、良いパターン、すなわち、類似しているパターンのみを集めて基準空間を作り、基準空間の中心ほど良く、中心からのマハラノビス距離が大きくなるほど良くない、すなわち類似していないと判断するものである。したがって、教師パターンとして、良いパターンのみを与えれば良く、良くないパターンを与える必要がない。良くないパターンは良いパターンと比較して多様性が大きいことが多く、良くないパターンを適切に生成することはより困難であることが多い。したがって、教師パターン生成が容易である。
第５の実施の形態は、特にＪＢＩＧ２ ＴＲなどに応用することもできる。つまり、登録部分画像の辞書生成に利用できる。
まず、ＪＢＩＧ２ ＴＲで登録部分画像を生成する際に、厳しい基準（本来類似している部分画像であるが、それぞれ異なる部分画像として登録してしまうような基準、例えば、画像間の距離の閾値を小さくする基準）で行う。
次に、第５の実施の形態で、入力部分画像として、既に登録済みの登録部分画像とする。
各登録部分画像に対して、生成過程模擬モジュール１４１が入力部分画像の生成過程を模擬した誤差を入れた空間を生成する。
ＭＴＳパターン認識モジュール１４３は、その空間を用いて、他の登録部分画像との距離を計測する。その距離が閾値以下の登録部分画像は、統合して、新たな登録部分画像とする。
このようにすることで、最初厳しい基準で登録した登録部分画像を統合することができるため、圧縮率を向上させることが可能となる。
まず、ＪＢＩＧ２ ＴＲで登録部分画像を生成する際に、厳しい基準（本来類似している部分画像であるが、それぞれ異なる部分画像として登録してしまうような基準、例えば、画像間の距離の閾値を小さくする基準）で行う。
次に、第５の実施の形態で、入力部分画像として、既に登録済みの登録部分画像とする。
各登録部分画像に対して、生成過程模擬モジュール１４１が入力部分画像の生成過程を模擬した誤差を入れた空間を生成する。
ＭＴＳパターン認識モジュール１４３は、その空間を用いて、他の登録部分画像との距離を計測する。その距離が閾値以下の登録部分画像は、統合して、新たな登録部分画像とする。
このようにすることで、最初厳しい基準で登録した登録部分画像を統合することができるため、圧縮率を向上させることが可能となる。
図１５は、第６の実施の形態の構成例についての概念的なモジュール構成図を示している。
第６の実施の形態は、図１５に示すように、多値部分画像切出しモジュール１５１、生成過程模擬モジュール１５２、パターン認識モジュール１５３、部分画像辞書モジュール１５４、制御モジュール１５５、符号化モジュール１５６を有している。
第６の実施の形態は、図１５に示すように、多値部分画像切出しモジュール１５１、生成過程模擬モジュール１５２、パターン認識モジュール１５３、部分画像辞書モジュール１５４、制御モジュール１５５、符号化モジュール１５６を有している。
多値部分画像切出しモジュール１５１は、図１５に示すように、生成過程模擬モジュール１５２、部分画像辞書モジュール１５４、符号化モジュール１５６と接続されており、２値画像である文書画像データから入力部分画像を切り出して、その入力部分画像を多値化することによって多値化部分画像を生成し、その多値化部分画像を生成過程模擬モジュール１５２、部分画像辞書モジュール１５４へ渡し、その部分画像の位置を符号化モジュール１５６へ渡す。したがって、生成過程模擬モジュール１５２、部分画像辞書モジュール１５４、パターン認識モジュール１５３が処理する対象は、多値化された部分画像である。
生成過程模擬モジュール１５２は、図１５に示すように、多値部分画像切出しモジュール１５１、パターン認識モジュール１５３と接続されており、多値部分画像切出しモジュール１５１から多値化部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンをパターン認識モジュール１５３へ渡す。つまり、入力部分画像が生成される過程を模擬して、入力部分画像にばらつきを与えて教師パターンとして出力する。
パターン認識モジュール１５３は、図１５に示すように、生成過程模擬モジュール１５２、部分画像辞書モジュール１５４、制御モジュール１５５と接続されており、生成過程模擬モジュール１５２によって生成された教師パターンに基づいて学習する。そして、学習をした後に、多値化部分画像（多値部分画像切出しモジュール１５１によって出力された多値化部分画像であるが、生成過程模擬モジュール１５２に入力された多値化部分画像とは限らない）と部分画像辞書モジュール１５４から受け取った登録部分画像が類似しているか否かの判定、つまり認識を行う。その認識結果を制御モジュール１５５へ渡す。
部分画像辞書モジュール１５４は、図１５に示すように、多値部分画像切出しモジュール１５１、パターン認識モジュール１５３、制御モジュール１５５と接続されており、多値部分画像切出しモジュール１５１から多値化部分画像を受け取り、その多値化部分画像を辞書に登録し、制御モジュール１５５から指定されたインデックスに対応する登録部分画像をパターン認識モジュール１５３へ出力する。
パターン認識モジュール１５３は、図１５に示すように、生成過程模擬モジュール１５２、部分画像辞書モジュール１５４、制御モジュール１５５と接続されており、生成過程模擬モジュール１５２によって生成された教師パターンに基づいて学習する。そして、学習をした後に、多値化部分画像（多値部分画像切出しモジュール１５１によって出力された多値化部分画像であるが、生成過程模擬モジュール１５２に入力された多値化部分画像とは限らない）と部分画像辞書モジュール１５４から受け取った登録部分画像が類似しているか否かの判定、つまり認識を行う。その認識結果を制御モジュール１５５へ渡す。
部分画像辞書モジュール１５４は、図１５に示すように、多値部分画像切出しモジュール１５１、パターン認識モジュール１５３、制御モジュール１５５と接続されており、多値部分画像切出しモジュール１５１から多値化部分画像を受け取り、その多値化部分画像を辞書に登録し、制御モジュール１５５から指定されたインデックスに対応する登録部分画像をパターン認識モジュール１５３へ出力する。
制御モジュール１５５は、図１５に示すように、パターン認識モジュール１５３、部分画像辞書モジュール１５４、符号化モジュール１５６と接続されている。制御モジュール１５５は、パターン認識モジュール１５３による学習の終了の後に、以下の制御を行う。
部分画像辞書モジュール１５４に対してインデックスを指定し、そのインデックスに対応する部分画像辞書モジュール１５４が出力する登録部分画像と多値部分画像切出しモジュール１５１によって出力された多値化部分画像とが類似しているか否かをパターン認識モジュール１５３によって判定させる。
類似していると判定された場合は、そのインデックスとその多値化部分画像に対応する位置を符号化モジュール１５６によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール１５４に登録されている次の登録部分画像を示すインデックスを指定して、パターン認識モジュール１５３に同様の判定を行わせる。
パターン認識モジュール１５３による判定の結果、部分画像辞書モジュール１５４に登録されている全ての登録部分画像が対象としている多値化部分画像と類似していないと判定された場合は、その多値化部分画像を部分画像辞書モジュール１５４に登録し、多値化部分画像のインデックスとその多値化部分画像に対応する位置を符号化モジュール１５６によって符号化させ、パターン認識モジュール１５３の学習を初期化する。
部分画像辞書モジュール１５４に対してインデックスを指定し、そのインデックスに対応する部分画像辞書モジュール１５４が出力する登録部分画像と多値部分画像切出しモジュール１５１によって出力された多値化部分画像とが類似しているか否かをパターン認識モジュール１５３によって判定させる。
類似していると判定された場合は、そのインデックスとその多値化部分画像に対応する位置を符号化モジュール１５６によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール１５４に登録されている次の登録部分画像を示すインデックスを指定して、パターン認識モジュール１５３に同様の判定を行わせる。
パターン認識モジュール１５３による判定の結果、部分画像辞書モジュール１５４に登録されている全ての登録部分画像が対象としている多値化部分画像と類似していないと判定された場合は、その多値化部分画像を部分画像辞書モジュール１５４に登録し、多値化部分画像のインデックスとその多値化部分画像に対応する位置を符号化モジュール１５６によって符号化させ、パターン認識モジュール１５３の学習を初期化する。
符号化モジュール１５６は、図１５に示すように、多値部分画像切出しモジュール１５１、制御モジュール１５５と接続されており、制御モジュール１５５から渡されたインデックス及び多値部分画像切出しモジュール１５１によって切り出された入力部分画像の位置を符号化する。なお、多値部分画像切出しモジュール１５１によって切り出された入力部分画像は、パターン認識モジュール１５３によって認識された入力部分画像であり、制御モジュール１５５から渡されたインデックスが指し示す登録部分画像であると認識されたものである。
第６の実施の形態によれば、パターン認識モジュール１５３によるパターン認識処理を多値化画像に対して施すため、認識精度が向上する。
第６の実施の形態によれば、パターン認識モジュール１５３によるパターン認識処理を多値化画像に対して施すため、認識精度が向上する。
図１６は、第７の実施の形態の構成例についての概念的なモジュール構成図を示している。
第７の実施の形態は、図１６に示すように、部分画像切出しモジュール１６１、生成過程模擬モジュール１６２、部分画像辞書モジュール１６３、制御モジュール１６４、符号化モジュール１６５を有している。
第７の実施の形態は、図１６に示すように、部分画像切出しモジュール１６１、生成過程模擬モジュール１６２、部分画像辞書モジュール１６３、制御モジュール１６４、符号化モジュール１６５を有している。
部分画像切出しモジュール１６１は、図１６に示すように、生成過程模擬モジュール１６２、部分画像辞書モジュール１６３、制御モジュール１６４、符号化モジュール１６５と接続されており、文書画像データから入力部分画像を切り出して、その入力部分画像を生成過程模擬モジュール１６２、部分画像辞書モジュール１６３へ渡し、その部分画像の位置を符号化モジュール１６５へ渡す。
生成過程模擬モジュール１６２は、図１６に示すように、部分画像切出しモジュール１６１、部分画像辞書モジュール１６３と接続されており、部分画像切出しモジュール１６１から入力部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンを部分画像辞書モジュール１６３へ渡す。つまり、入力部分画像が生成される過程を模擬して、入力部分画像にばらつきを与えて教師パターンとして出力する。
生成過程模擬モジュール１６２は、図１６に示すように、部分画像切出しモジュール１６１、部分画像辞書モジュール１６３と接続されており、部分画像切出しモジュール１６１から入力部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンを部分画像辞書モジュール１６３へ渡す。つまり、入力部分画像が生成される過程を模擬して、入力部分画像にばらつきを与えて教師パターンとして出力する。
部分画像辞書モジュール１６３は、図１６に示すように、部分画像切出しモジュール１６１、生成過程模擬モジュール１６２、制御モジュール１６４と接続されている。そして、部分画像辞書モジュール１６３内に、パターン認識モジュールとそのパターン認識モジュールが認識できる部分画像との対をインデックスを付して記憶している。そのインデックスが指定されることによって、インデックスに対応するパターン認識モジュールが入力された部分画像が類似しているか否かを判定する。
部分画像辞書モジュール１６３内のパターン認識モジュールは、生成過程模擬モジュール１６２によって生成された教師パターンに基づいて学習する。その学習をした後に、学習をした部分画像と部分画像切出しモジュール１６１によって出力された入力部分画像が類似しているか否かを判定する。
部分画像辞書モジュール１６３内のパターン認識モジュールは、生成過程模擬モジュール１６２によって生成された教師パターンに基づいて学習する。その学習をした後に、学習をした部分画像と部分画像切出しモジュール１６１によって出力された入力部分画像が類似しているか否かを判定する。
制御モジュール１６４は、図１６に示すように、部分画像切出しモジュール１６１、部分画像辞書モジュール１６３、符号化モジュール１６５と接続されている。制御モジュール１６４は、以下の制御を行う。
まず、部分画像切出しモジュール１６１に対して、文書画像データから入力部分画像の切り出しを指示する。
次に、部分画像辞書モジュール１６３に対してインデックスを指定し、そのインデックスに対応する部分画像と部分画像切出しモジュール１６１によって切り出された入力部分画像とが類似しているか否かを部分画像辞書モジュール１６３内のそのインデックスに対応するパターン認識モジュールによって判定させる。
類似していると判定された場合は、そのインデックスと対象となっている入力部分画像に対応する位置を符号化モジュール１６５によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール１６３に登録されている次の登録部分画像を示すインデックスを指定して、部分画像辞書モジュール１６３内のパターン認識モジュールに同様の判定を行わせる。
部分画像辞書モジュール１６３に登録されている全ての部分画像が対象となっている入力部分画像と類似していないと判定された場合は、対象となっている入力部分画像を部分画像辞書モジュール１６３に登録し、その入力部分画像に対応する新たなパターン認識モジュールを生成させる。
そして、部分画像辞書モジュール１６３内のパターン認識モジュールを学習させる。つまり、新たに登録した部分画像の教師パターンを生成過程模擬モジュール１６２により生成させ、部分画像辞書モジュール１６３内のパターン認識モジュールをその教師パターンに基づいて学習させる。学習が終了した場合は、そのパターン認識モジュールを登録した部分画像と対にしてインデックスを付して登録する。
そして、登録した部分画像のインデックスとその部分画像に対応する位置を符号化モジュール１６５によって符号化させる。
まず、部分画像切出しモジュール１６１に対して、文書画像データから入力部分画像の切り出しを指示する。
次に、部分画像辞書モジュール１６３に対してインデックスを指定し、そのインデックスに対応する部分画像と部分画像切出しモジュール１６１によって切り出された入力部分画像とが類似しているか否かを部分画像辞書モジュール１６３内のそのインデックスに対応するパターン認識モジュールによって判定させる。
類似していると判定された場合は、そのインデックスと対象となっている入力部分画像に対応する位置を符号化モジュール１６５によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール１６３に登録されている次の登録部分画像を示すインデックスを指定して、部分画像辞書モジュール１６３内のパターン認識モジュールに同様の判定を行わせる。
部分画像辞書モジュール１６３に登録されている全ての部分画像が対象となっている入力部分画像と類似していないと判定された場合は、対象となっている入力部分画像を部分画像辞書モジュール１６３に登録し、その入力部分画像に対応する新たなパターン認識モジュールを生成させる。
そして、部分画像辞書モジュール１６３内のパターン認識モジュールを学習させる。つまり、新たに登録した部分画像の教師パターンを生成過程模擬モジュール１６２により生成させ、部分画像辞書モジュール１６３内のパターン認識モジュールをその教師パターンに基づいて学習させる。学習が終了した場合は、そのパターン認識モジュールを登録した部分画像と対にしてインデックスを付して登録する。
そして、登録した部分画像のインデックスとその部分画像に対応する位置を符号化モジュール１６５によって符号化させる。
符号化モジュール１６５は、図１６に示すように、部分画像切出しモジュール１６１、制御モジュール１６４と接続されており、制御モジュール１６４から渡されたインデックス及び部分画像切出しモジュール１６１によって切り出された入力部分画像の位置を符号化する。なお、部分画像切出しモジュール１６１によって切り出された入力部分画像は、部分画像辞書モジュール１６３によって認識された入力部分画像であり、制御モジュール１６４から渡されたインデックスが指し示す登録部分画像であると認識されたものである。
前述の実施の形態は、教師パターンとして正解のものを与えていたが、第８〜第１２の実施の形態は、不正解となる教師パターンをも与えて学習するものに関するものである。
図１７は、第８の実施の形態の概念的な処理及び構成を示している。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１７０１）。
次に、抽出された部分画像に対してばらつきを与えて正解となる教師パターンを生成する（ステップＳ１７０２Ａ、Ｓ１７０２Ｂ、Ｓ１７０２Ｃ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１７０３Ａ、Ｓ１７０３Ｂ、Ｓ１７０３Ｃ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。
一方、抽出された部分画像に対して、不正解となる教師パターンを生成する。例えば、画像を極端に太らせる処理（ステップＳ１７０４）、極端に傾斜させる処理（ステップＳ１７０５）等を行って、不正解となるべき教師パターンを複数生成する。
次に、パターン認識装置１６に対して、生成された不正解となるべき教師パターンを与える（ステップＳ１７０６、Ｓ１７０７）。パターン認識装置１６は、これらの不正解となる教師パターンに基づいて学習する。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ１７０８）。
そして、学習が終了したパターン認識装置１６は、登録部分画像記憶装置１５に登録されている登録部分画像１５Ａ等を認識し、その認識結果１７Ａを出力する（ステップＳ１７１０）。
図１７は、第８の実施の形態の概念的な処理及び構成を示している。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１７０１）。
次に、抽出された部分画像に対してばらつきを与えて正解となる教師パターンを生成する（ステップＳ１７０２Ａ、Ｓ１７０２Ｂ、Ｓ１７０２Ｃ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１７０３Ａ、Ｓ１７０３Ｂ、Ｓ１７０３Ｃ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。
一方、抽出された部分画像に対して、不正解となる教師パターンを生成する。例えば、画像を極端に太らせる処理（ステップＳ１７０４）、極端に傾斜させる処理（ステップＳ１７０５）等を行って、不正解となるべき教師パターンを複数生成する。
次に、パターン認識装置１６に対して、生成された不正解となるべき教師パターンを与える（ステップＳ１７０６、Ｓ１７０７）。パターン認識装置１６は、これらの不正解となる教師パターンに基づいて学習する。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ１７０８）。
そして、学習が終了したパターン認識装置１６は、登録部分画像記憶装置１５に登録されている登録部分画像１５Ａ等を認識し、その認識結果１７Ａを出力する（ステップＳ１７１０）。
図１８は、第９の実施の形態の概念的な処理及び構成を示している。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１８０１）。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ１８０２）。
そして、登録部分画像記憶装置１５に登録されている登録部分画像１５Ａ等を１つ抽出し（ステップＳ１８０３）、その登録部分画像（部分画像２６Ａ）に対して、ばらつきを与えて正解となる教師パターンを生成する（ステップＳ１８０４Ａ、Ｓ１８０４Ｂ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１８０５Ａ、Ｓ１８０５Ｂ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。
一方、抽出した登録部分画像（部分画像２６Ａ）に対して、不正解となる教師パターンを生成する。例えば、画像を極端に太らせる処理（ステップＳ１８０６）、極端に傾斜させる処理（ステップＳ１８０７）等を行って、不正解となる教師パターンを複数生成する。
次に、パターン認識装置１６に対して、生成された不正解となるべき教師パターンを与える（ステップＳ１８０８、Ｓ１８０９）。パターン認識装置１６は、これらの不正解となるべき教師パターンに基づいて学習する。
そして、学習が終了したパターン認識装置１６は、ステップＳ１８０１で切り出した入力部分画像（入力部分画像１３Ｃ）を認識し（ステップＳ１８１０）、その認識結果を出力する（ステップＳ１８１１）。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１８０１）。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ）し、登録部分画像記憶装置１５に登録する（ステップＳ１８０２）。
そして、登録部分画像記憶装置１５に登録されている登録部分画像１５Ａ等を１つ抽出し（ステップＳ１８０３）、その登録部分画像（部分画像２６Ａ）に対して、ばらつきを与えて正解となる教師パターンを生成する（ステップＳ１８０４Ａ、Ｓ１８０４Ｂ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１８０５Ａ、Ｓ１８０５Ｂ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。
一方、抽出した登録部分画像（部分画像２６Ａ）に対して、不正解となる教師パターンを生成する。例えば、画像を極端に太らせる処理（ステップＳ１８０６）、極端に傾斜させる処理（ステップＳ１８０７）等を行って、不正解となる教師パターンを複数生成する。
次に、パターン認識装置１６に対して、生成された不正解となるべき教師パターンを与える（ステップＳ１８０８、Ｓ１８０９）。パターン認識装置１６は、これらの不正解となるべき教師パターンに基づいて学習する。
そして、学習が終了したパターン認識装置１６は、ステップＳ１８０１で切り出した入力部分画像（入力部分画像１３Ｃ）を認識し（ステップＳ１８１０）、その認識結果を出力する（ステップＳ１８１１）。
図１９は、第１０の実施の形態の概念的な処理及び構成を示している。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１９０１）。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ、１５Ｅ、１５Ｆ）し、登録部分画像記憶装置１５に登録する（ステップＳ１９０２）。
そして、登録部分画像記憶装置１５に登録されている登録部分画像１５Ａを１つ抽出し（ステップＳ１９０３）、その登録部分画像（部分画像２６Ａ）に対して、ばらつきを与えて正解となる教師パターンを生成する（ステップＳ１９０４Ａ、Ｓ１９０４Ｂ、Ｓ１９０４Ｃ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１９０５Ａ、Ｓ１９０５Ｂ、Ｓ１９０５Ｃ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。
一方、登録部分画像記憶装置１５によって登録されている部分画像であって、正解となる教師パターンの基として抽出された部分画像（登録部分画像１５Ａ）以外の部分画像（登録部分画像１５Ｂ、１５Ｃ、１５Ｄ、１５Ｅ、１５Ｆ）から不正解となる教師パターンを生成する。ここでは、登録部分画像１５Ｂそのものが不正解となる教師パターンとなる。また、画像を極端に太らせる処理、極端に傾斜させる処理等を行ってもよい。そして、パターン認識装置１６に対して、生成された不正解の教師パターンを与える（ステップＳ１９０６）。パターン認識装置１６は、これらの不正解となるべき教師パターンに基づいて学習する。
そして、学習が終了したパターン認識装置１６は、ステップＳ１９０１で切り出した入力部分画像（入力部分画像１３Ｃ）を認識し（ステップＳ１９０７）、その認識結果を出力する（ステップＳ１９０８）。
まず、入力された画像１１Ａ、画像１１Ｂから入力部分画像１３Ｃを抽出する（ステップＳ１９０１）。
また、画像１１Ａ、画像１１Ｂから部分画像１２Ａ等を抽出（登録部分画像１５Ａ、１５Ｂ、１５Ｃ、１５Ｄ、１５Ｅ、１５Ｆ）し、登録部分画像記憶装置１５に登録する（ステップＳ１９０２）。
そして、登録部分画像記憶装置１５に登録されている登録部分画像１５Ａを１つ抽出し（ステップＳ１９０３）、その登録部分画像（部分画像２６Ａ）に対して、ばらつきを与えて正解となる教師パターンを生成する（ステップＳ１９０４Ａ、Ｓ１９０４Ｂ、Ｓ１９０４Ｃ）。
次に、パターン認識装置１６に対して、生成された教師パターンを与える（ステップＳ１９０５Ａ、Ｓ１９０５Ｂ、Ｓ１９０５Ｃ）。パターン認識装置１６は、これらの教師パターンに基づいて学習する。
一方、登録部分画像記憶装置１５によって登録されている部分画像であって、正解となる教師パターンの基として抽出された部分画像（登録部分画像１５Ａ）以外の部分画像（登録部分画像１５Ｂ、１５Ｃ、１５Ｄ、１５Ｅ、１５Ｆ）から不正解となる教師パターンを生成する。ここでは、登録部分画像１５Ｂそのものが不正解となる教師パターンとなる。また、画像を極端に太らせる処理、極端に傾斜させる処理等を行ってもよい。そして、パターン認識装置１６に対して、生成された不正解の教師パターンを与える（ステップＳ１９０６）。パターン認識装置１６は、これらの不正解となるべき教師パターンに基づいて学習する。
そして、学習が終了したパターン認識装置１６は、ステップＳ１９０１で切り出した入力部分画像（入力部分画像１３Ｃ）を認識し（ステップＳ１９０７）、その認識結果を出力する（ステップＳ１９０８）。
図２０は、第１１の実施の形態の構成例についての概念的なモジュール構成図を示している。
第１１の実施の形態は、入力部分画像と登録部分画像が類似しているか否かを判定する装置である。
第１１の実施の形態は、図２０に示すように、生成過程模擬モジュール２０１、パターン推定モジュール２０２、パターン認識モジュール２０３を有している。
生成過程模擬モジュール２０１は、図２０に示すように、パターン認識モジュール２０３と接続されており、入力部分画像が生成される過程を模擬し、その入力部分画像にばらつきを与え、正解の教師パターンとしてパターン認識モジュール２０３へ出力する。
第１１の実施の形態は、入力部分画像と登録部分画像が類似しているか否かを判定する装置である。
第１１の実施の形態は、図２０に示すように、生成過程模擬モジュール２０１、パターン推定モジュール２０２、パターン認識モジュール２０３を有している。
生成過程模擬モジュール２０１は、図２０に示すように、パターン認識モジュール２０３と接続されており、入力部分画像が生成される過程を模擬し、その入力部分画像にばらつきを与え、正解の教師パターンとしてパターン認識モジュール２０３へ出力する。
パターン推定モジュール２０２は、図２０に示すように、パターン認識モジュール２０３と接続されており、入力部分画像から不正解となる教師パターンを生成する。
パターン認識モジュール２０３は、図２０に示すように、生成過程模擬モジュール２０１、パターン推定モジュール２０２と接続されており、生成過程模擬モジュール２０１から渡された正解の教師パターン及びパターン推定モジュール２０２から渡された不正解となる教師パターンを受け取り、それらに基づいて学習する。そして、学習した後に、登録部分画像を入力し、入力部分画像と登録部分画像とが類似しているか否かの判定を行う。
パターン認識モジュール２０３は、図２０に示すように、生成過程模擬モジュール２０１、パターン推定モジュール２０２と接続されており、生成過程模擬モジュール２０１から渡された正解の教師パターン及びパターン推定モジュール２０２から渡された不正解となる教師パターンを受け取り、それらに基づいて学習する。そして、学習した後に、登録部分画像を入力し、入力部分画像と登録部分画像とが類似しているか否かの判定を行う。
図２１は、第１２の実施の形態の構成例についての概念的なモジュール構成図を示している。
第１２の実施の形態は、図２１に示すように、部分画像切出しモジュール２１１、生成過程模擬モジュール２１２、パターン認識モジュール２１３、パターン推定モジュール２１４、部分画像辞書モジュール２１５、制御モジュール２１６、符号化モジュール２１７を有している。
第１２の実施の形態は、図２１に示すように、部分画像切出しモジュール２１１、生成過程模擬モジュール２１２、パターン認識モジュール２１３、パターン推定モジュール２１４、部分画像辞書モジュール２１５、制御モジュール２１６、符号化モジュール２１７を有している。
部分画像切出しモジュール２１１は、図２１に示すように、生成過程模擬モジュール２１２、パターン推定モジュール２１４、部分画像辞書モジュール２１５、符号化モジュール２１７と接続されており、文書画像データから入力部分画像を切り出して、その入力部分画像を生成過程模擬モジュール２１２、パターン推定モジュール２１４、部分画像辞書モジュール２１５へ渡し、その部分画像の位置を符号化モジュール２１７へ渡す。
生成過程模擬モジュール２１２は、図２１に示すように、部分画像切出しモジュール２１１、パターン認識モジュール２１３と接続されており、部分画像切出しモジュール２１１から入力部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンをパターン認識モジュール２１３へ渡す。
パターン推定モジュール２１４は、図２１に示すように、部分画像切出しモジュール２１１、パターン認識モジュール２１３と接続されており、部分画像切出しモジュール２１１から入力部分画像を受け取り、不正解となる教師パターンを生成する。その不正解となる教師パターンをパターン認識モジュール２１３へ渡す。
生成過程模擬モジュール２１２は、図２１に示すように、部分画像切出しモジュール２１１、パターン認識モジュール２１３と接続されており、部分画像切出しモジュール２１１から入力部分画像を受け取り、ばらつきを与えて教師パターンを生成する。その教師パターンをパターン認識モジュール２１３へ渡す。
パターン推定モジュール２１４は、図２１に示すように、部分画像切出しモジュール２１１、パターン認識モジュール２１３と接続されており、部分画像切出しモジュール２１１から入力部分画像を受け取り、不正解となる教師パターンを生成する。その不正解となる教師パターンをパターン認識モジュール２１３へ渡す。
部分画像辞書モジュール２１５は、図２１に示すように、部分画像切出しモジュール２１１、パターン認識モジュール２１３、制御モジュール２１６と接続されており、部分画像切出しモジュール２１１から入力部分画像を受け取り、その入力部分画像にインデックスを付して登録する。そして、制御モジュール２１６から指定されたインデックスに対応する登録部分画像をパターン認識モジュール２１３へ出力する。
パターン認識モジュール２１３は、図２１に示すように、生成過程模擬モジュール２１２、パターン推定モジュール２１４、部分画像辞書モジュール２１５、制御モジュール２１６と接続されており、生成過程模擬モジュール２１２によって生成された教師パターン及びパターン推定モジュール２１４によって生成された不正解の教師パターンに基づいて学習する。その学習をした後に、部分画像辞書モジュール２１５が出力する登録部分画像と部分画像切出しモジュール２１１によって切り出された入力部分画像が類似しているか否かを判定する。
パターン認識モジュール２１３は、図２１に示すように、生成過程模擬モジュール２１２、パターン推定モジュール２１４、部分画像辞書モジュール２１５、制御モジュール２１６と接続されており、生成過程模擬モジュール２１２によって生成された教師パターン及びパターン推定モジュール２１４によって生成された不正解の教師パターンに基づいて学習する。その学習をした後に、部分画像辞書モジュール２１５が出力する登録部分画像と部分画像切出しモジュール２１１によって切り出された入力部分画像が類似しているか否かを判定する。
制御モジュール２１６は、図２１に示すように、パターン認識モジュール２１３、部分画像辞書モジュール２１５、符号化モジュール２１７と接続されている。制御モジュール２１６は、パターン認識モジュール２１３による学習の終了の後に、以下の制御を行う。
まず、部分画像辞書モジュール２１５に対してインデックスを指定し、そのインデックスに対応する登録部分画像をパターン認識モジュール２１３へ出力させる。
部分画像辞書モジュール２１５が出力する登録部分画像と部分画像切出しモジュール２１１が切り出した入力部分画像とが類似しているか否かをパターン認識モジュール２１３によって判定させる。
類似していると判定された場合は、そのインデックスと対象となっている入力部分画像に対応する位置を符号化モジュール２１７によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール２１５に登録されている次の登録部分画像を示すインデックスを指定して、パターン認識モジュール２１３に同様の判定を行わせる。
部分画像辞書モジュール２１５に登録されている全ての登録部分画像が対象となっている入力部分画像と類似していないと判定された場合は、その入力部分画像を部分画像辞書モジュール２１５に登録し、その入力部分画像のインデックスとその入力部分画像に対応する位置を符号化モジュール２１７によって符号化させる。
まず、部分画像辞書モジュール２１５に対してインデックスを指定し、そのインデックスに対応する登録部分画像をパターン認識モジュール２１３へ出力させる。
部分画像辞書モジュール２１５が出力する登録部分画像と部分画像切出しモジュール２１１が切り出した入力部分画像とが類似しているか否かをパターン認識モジュール２１３によって判定させる。
類似していると判定された場合は、そのインデックスと対象となっている入力部分画像に対応する位置を符号化モジュール２１７によって符号化させる。
類似していないと判定された場合は、部分画像辞書モジュール２１５に登録されている次の登録部分画像を示すインデックスを指定して、パターン認識モジュール２１３に同様の判定を行わせる。
部分画像辞書モジュール２１５に登録されている全ての登録部分画像が対象となっている入力部分画像と類似していないと判定された場合は、その入力部分画像を部分画像辞書モジュール２１５に登録し、その入力部分画像のインデックスとその入力部分画像に対応する位置を符号化モジュール２１７によって符号化させる。
符号化モジュール２１７は、図２１に示すように、部分画像切出しモジュール２１１、制御モジュール２１６と接続されており、制御モジュール２１６から渡されたインデックス及び部分画像切出しモジュール２１１によって切り出された入力部分画像の位置を符号化する。なお、部分画像切出しモジュール２１１によって切り出された入力部分画像は、パターン認識モジュール２１３によって認識された入力部分画像であり、制御モジュール２１６から渡されたインデックスが指し示す登録部分画像であると認識されたものである。
図２２は、パターン推定モジュール２１４による処理例を示している。
パターン推定モジュール２１４は、部分画像辞書モジュール２１５に記憶されている登録部分画像からパターンを推定し、推定したパターンと異なることがわかっているパターンを生成することで複数の不正解の教師パターンを作成するようにしてもよい（図１８に示した第９の実施の形態参照）。登録部分画像そのものを推定パターンとして、明らかに異なるパターンになることがわかっている処理を施す。
例えば、ボールド修飾のように文字を極端に太らせる処理がある（図２２の登録部分画像２２２参照）。太らせる手法としては、膨張処理などでよい。逆に細らせてもよい。
例えば、イタリック修飾のように文字を大きく傾斜させる処理がある（図２２の登録部分画像２２３参照）。傾斜させる手法としては、アフィン変換などでよい。アフィン変換で大きな倍率差で縦横変倍（縦と横で異なる倍率で拡大・縮小すること）してもよい。
例えば、線分を抽出し、線分の先端部分に「はね」、「とめ」、「はらい」、「丸め」などの装飾を施すようにしてもよい。
パターン推定モジュール２１４は、部分画像辞書モジュール２１５に記憶されている登録部分画像からパターンを推定し、推定したパターンと異なることがわかっているパターンを生成することで複数の不正解の教師パターンを作成するようにしてもよい（図１８に示した第９の実施の形態参照）。登録部分画像そのものを推定パターンとして、明らかに異なるパターンになることがわかっている処理を施す。
例えば、ボールド修飾のように文字を極端に太らせる処理がある（図２２の登録部分画像２２２参照）。太らせる手法としては、膨張処理などでよい。逆に細らせてもよい。
例えば、イタリック修飾のように文字を大きく傾斜させる処理がある（図２２の登録部分画像２２３参照）。傾斜させる手法としては、アフィン変換などでよい。アフィン変換で大きな倍率差で縦横変倍（縦と横で異なる倍率で拡大・縮小すること）してもよい。
例えば、線分を抽出し、線分の先端部分に「はね」、「とめ」、「はらい」、「丸め」などの装飾を施すようにしてもよい。
図２３は、パターン推定モジュール２１４による処理例を示している。
また、パターン推定モジュール２１４は、部分画像辞書モジュール２１５に記憶されている登録部分画像からパターンを推定し、推定したパターンと異なることがわかっているパターンを生成することで複数の不正解の教師パターンを作成するようにしてもよい。登録部分画像そのものを推定パターンとして、明らかに異なるパターンになることがわかっている処理を施す。
登録部分画像２３１とフォント・パターンのデータベース２３２（例えば、印刷用に用意されている一般的なフォントデータファイル）内のフォントデータ（フォントデータ２３２Ａ、フォントデータ２３２Ｂ等）とを比較し、最も類似しており、かつ、ある程度以上類似しているフォントデータがある場合に、そのフォントデータを推定パターン２３３とし、対応する文字コード（文字そのものを表すコード）及びフォント・コード（文字を出力する際の書体を表すコード）とは異なるフォント・パターンのデータベース２３２内のフォントデータを不正解の教師パターン２３４として用いる。また、不正解の教師パターン２３４は、文字コードが異なるフォントデータであってもよいし、文字コードは異ならないがフォント・コードが異なるフォントデータであってもよい。
フォント・パターンのデータベース２３２内のフォントデータと比較する代わりに、登録部分画像を文字認識装置で認識し、その結果である文字コードとは異なるフォントデータを不正解の教師パターン２３４としてもよい。
また、パターン推定モジュール２１４は、部分画像辞書モジュール２１５に記憶されている登録部分画像からパターンを推定し、推定したパターンと異なることがわかっているパターンを生成することで複数の不正解の教師パターンを作成するようにしてもよい。登録部分画像そのものを推定パターンとして、明らかに異なるパターンになることがわかっている処理を施す。
登録部分画像２３１とフォント・パターンのデータベース２３２（例えば、印刷用に用意されている一般的なフォントデータファイル）内のフォントデータ（フォントデータ２３２Ａ、フォントデータ２３２Ｂ等）とを比較し、最も類似しており、かつ、ある程度以上類似しているフォントデータがある場合に、そのフォントデータを推定パターン２３３とし、対応する文字コード（文字そのものを表すコード）及びフォント・コード（文字を出力する際の書体を表すコード）とは異なるフォント・パターンのデータベース２３２内のフォントデータを不正解の教師パターン２３４として用いる。また、不正解の教師パターン２３４は、文字コードが異なるフォントデータであってもよいし、文字コードは異ならないがフォント・コードが異なるフォントデータであってもよい。
フォント・パターンのデータベース２３２内のフォントデータと比較する代わりに、登録部分画像を文字認識装置で認識し、その結果である文字コードとは異なるフォントデータを不正解の教師パターン２３４としてもよい。
図２４を参照して、実施の形態のハードウェア構成例について説明する。図２４に示す構成は、例えばパーソナルコンピュータ（ＰＣ）などによって構成されるものであり、スキャナ等のデータ読み取り部２４１７と、プリンタなどのデータ出力部２４１８を備えたハードウェア構成例を示している。なお、このハードウェア構成は、他の実施の形態についても適用する。
ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２４０１は、前述の実施の形態において説明した各種のモジュール、すなわち、パターン認識モジュール３３、生成過程模擬モジュール４２、パターン推定モジュール２０２等の各モジュールの実行シーケンスを記述したコンピュータ・プログラムにしたがった処理を実行する制御部である。
ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２４０２は、ＣＰＵ２４０１が使用するプログラムや演算パラメータ等を格納する。ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２４０３は、ＣＰＵ２４０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を格納する。これらはＣＰＵバスなどから構成されるホストバス２４０４により相互に接続されている。
ホストバス２４０４は、ブリッジ２４０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス２４０６に接続されている。
キーボード２４０８、マウス等のポインティングデバイス２４０９は、操作者により操作される入力デバイスである。ディスプレイ２４１０は、液晶表示装置又はＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）などからなり、各種情報をテキストやイメージ情報として表示する。
ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）２４１１は、ハードディスクを内蔵し、ハードディスクを駆動し、ＣＰＵ２４０１によって実行するプログラムや情報を記録又は再生させる。ハードディスクは、入力部分画像や登録部分画像などが格納される。さらに、その他の各種のデータ処理プログラム等、各種コンピュータ・プログラムが格納される。
ドライブ２４１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体２４１３に記録されているデータ又はプログラムを読み出して、そのデータ又はプログラムを、インタフェース２４０７、外部バス２４０６、ブリッジ２４０５、及びホストバス２４０４を介して接続されているＲＡＭ２４０３に供給する。リムーバブル記録媒体２４１３も、ハードディスクと同様のデータ記録領域として利用可能である。
接続ポート２４１４は、外部接続機器２４１５を接続するポートであり、ＵＳＢ、ＩＥＥＥ１３９４等の接続部を持つ。接続ポート２４１４は、インタフェース２４０７、及び外部バス２４０６、ブリッジ２４０５、ホストバス２４０４等を介してＣＰＵ２４０１等に接続されている。通信部２４１６は、ネットワークに接続され、外部とのデータ通信処理を実行する。データ読み取り部２４１７は、例えばスキャナであり、ドキュメントの読み取り処理を実行する。データ出力部２４１８は、例えばプリンタであり、ドキュメントデータの出力処理を実行する。
なお、図２４に示すハードウェア構成は、１つの構成例を示すものであり、本実施の形態は、図２４に示す構成に限らず、本実施の形態において説明したモジュールを実行可能な構成であればよい。例えば、一部のモジュールを専用のハードウェア（例えば特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）等）で構成してもよく、一部のモジュールは外部のシステム内にあり通信回線で接続しているような形態でもよく、さらに図２４に示すシステムが複数互いに通信回線によって接続されていて互いに協調動作するようにしてもよい。また、複写機、ファックス、スキャナ、プリンタ、複合機（多機能複写機とも呼ばれ、スキャナ、プリンタ、複写機、ファックス等の機能を有している）などに組み込まれていてもよい。
なお、説明したプログラムについては、記録媒体に格納して提供してもよく、また、そのプログラムを通信手段によって提供してもよい。その場合、例えば、上記説明したプログラムについて、「プログラムを記録したコンピュータ読み取り可能な記録媒体」の発明として捉えてもよい。
「プログラムを記録したコンピュータ読み取り可能な記録媒体」とは、プログラムのインストール、実行、プログラムの流通などのために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイル・ディスク（ＤＶＤ）であって、ＤＶＤフォーラムで策定された規格である「ＤＶＤ−Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ−ＲＡＭ等」、ＤＶＤ＋ＲＷで策定された規格である「ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等」、コンパクトディスク（ＣＤ）であって、読出し専用メモリ（ＣＤ−ＲＯＭ）、ＣＤレコーダブル（ＣＤ−Ｒ）、ＣＤリライタブル（ＣＤ−ＲＷ）等、光磁気ディスク（ＭＯ）、フレキシブルディスク（ＦＤ）、磁気テープ、ハードディスク、読出し専用メモリ（ＲＯＭ）、電気的消去及び書換可能な読出し専用メモリ（ＥＥＰＲＯＭ）、フラッシュ・メモリ、ランダム・アクセス・メモリ（ＲＡＭ）等が含まれる。
そして、上記のプログラム又はその一部は、上記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、あるいは無線通信ネットワーク、さらにこれらの組合せ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、上記のプログラムは、他のプログラムの一部分であってもよく、あるいは別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して
記録されていてもよい。また、圧縮や暗号化など、復元可能であればどのような態様で記録されていてもよい。
「プログラムを記録したコンピュータ読み取り可能な記録媒体」とは、プログラムのインストール、実行、プログラムの流通などのために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイル・ディスク（ＤＶＤ）であって、ＤＶＤフォーラムで策定された規格である「ＤＶＤ−Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ−ＲＡＭ等」、ＤＶＤ＋ＲＷで策定された規格である「ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等」、コンパクトディスク（ＣＤ）であって、読出し専用メモリ（ＣＤ−ＲＯＭ）、ＣＤレコーダブル（ＣＤ−Ｒ）、ＣＤリライタブル（ＣＤ−ＲＷ）等、光磁気ディスク（ＭＯ）、フレキシブルディスク（ＦＤ）、磁気テープ、ハードディスク、読出し専用メモリ（ＲＯＭ）、電気的消去及び書換可能な読出し専用メモリ（ＥＥＰＲＯＭ）、フラッシュ・メモリ、ランダム・アクセス・メモリ（ＲＡＭ）等が含まれる。
そして、上記のプログラム又はその一部は、上記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、メトロポリタン・エリア・ネットワーク（ＭＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、あるいは無線通信ネットワーク、さらにこれらの組合せ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、上記のプログラムは、他のプログラムの一部分であってもよく、あるいは別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して
記録されていてもよい。また、圧縮や暗号化など、復元可能であればどのような態様で記録されていてもよい。
１５…登録部分画像記憶装置
１６…パターン認識装置
３１…生成過程模擬モジュール
３２…生成・廃棄・初期化モジュール
３３…パターン認識モジュール
４１…部分画像切出しモジュール
４２…生成過程模擬モジュール
４３…パターン認識モジュール
４４…認識の生成・廃棄モジュール
４５…部分画像辞書モジュール
４６…制御モジュール
４７…符号化モジュール
５１…再標本化モジュール
５２…位相指示モジュール
７１…微小倍率拡大・縮小モジュール
７２…倍率指示モジュール
９１…微小角度回転モジュール
９２…角度指示モジュール
１１１…空間フィルタモジュール
１１２…特性指示モジュール
１１３…ノイズ重量モジュール
１１４…特性指示モジュール
１３１…ノイズ重畳モジュール
１３２…特性指示モジュール
１４１…生成過程模擬モジュール
１４２…生成・廃棄・初期化モジュール
１４３…ＭＴＳパターン認識モジュール
１５１…多値部分画像切出しモジュール
１５２…生成過程模擬モジュール
１５３…パターン認識モジュール
１５４…部分画像辞書モジュール
１５５…制御モジュール
１５６…符号化モジュール
１６１…部分画像切出しモジュール
１６２…生成過程模擬モジュール
１６３…部分画像辞書モジュール
１６４…制御モジュール
１６５…符号化モジュール
２０１…生成過程模擬モジュール
２０２…パターン推定モジュール
２０３…パターン認識モジュール
２１１…部分画像切出しモジュール
２１２…生成過程模擬モジュール
２１３…パターン認識モジュール
２１４…パターン推定モジュール
２１５…部分画像辞書モジュール
２１６…制御モジュール
２１７…符号化モジュール
２３２…フォント・パターンのデータベース
２４０１…ＣＰＵ
２４０２…ＲＯＭ
２４０３…ＲＡＭ
２４０４…ホストバス
２４０５…ブリッジ
２４０６…外部バス
２４０７…インタフェース
２４０８…キーボード
２４０９…ポインティングデバイス
２４１０…ディスプレイ
２４１１…ＨＤＤ
２４１２…ドライブ
２４１３…リムーバブル記録媒体
２４１４…接続ポート
２４１５…外部接続機器
２４１６…通信部
２４１７…データ読み取り部
２４１８…データ出力部
１６…パターン認識装置
３１…生成過程模擬モジュール
３２…生成・廃棄・初期化モジュール
３３…パターン認識モジュール
４１…部分画像切出しモジュール
４２…生成過程模擬モジュール
４３…パターン認識モジュール
４４…認識の生成・廃棄モジュール
４５…部分画像辞書モジュール
４６…制御モジュール
４７…符号化モジュール
５１…再標本化モジュール
５２…位相指示モジュール
７１…微小倍率拡大・縮小モジュール
７２…倍率指示モジュール
９１…微小角度回転モジュール
９２…角度指示モジュール
１１１…空間フィルタモジュール
１１２…特性指示モジュール
１１３…ノイズ重量モジュール
１１４…特性指示モジュール
１３１…ノイズ重畳モジュール
１３２…特性指示モジュール
１４１…生成過程模擬モジュール
１４２…生成・廃棄・初期化モジュール
１４３…ＭＴＳパターン認識モジュール
１５１…多値部分画像切出しモジュール
１５２…生成過程模擬モジュール
１５３…パターン認識モジュール
１５４…部分画像辞書モジュール
１５５…制御モジュール
１５６…符号化モジュール
１６１…部分画像切出しモジュール
１６２…生成過程模擬モジュール
１６３…部分画像辞書モジュール
１６４…制御モジュール
１６５…符号化モジュール
２０１…生成過程模擬モジュール
２０２…パターン推定モジュール
２０３…パターン認識モジュール
２１１…部分画像切出しモジュール
２１２…生成過程模擬モジュール
２１３…パターン認識モジュール
２１４…パターン推定モジュール
２１５…部分画像辞書モジュール
２１６…制御モジュール
２１７…符号化モジュール
２３２…フォント・パターンのデータベース
２４０１…ＣＰＵ
２４０２…ＲＯＭ
２４０３…ＲＡＭ
２４０４…ホストバス
２４０５…ブリッジ
２４０６…外部バス
２４０７…インタフェース
２４０８…キーボード
２４０９…ポインティングデバイス
２４１０…ディスプレイ
２４１１…ＨＤＤ
２４１２…ドライブ
２４１３…リムーバブル記録媒体
２４１４…接続ポート
２４１５…外部接続機器
２４１６…通信部
２４１７…データ読み取り部
２４１８…データ出力部
Claims (20)
- 情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された部分情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。 - 画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。 - 情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。 - 画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。 - 情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報登録手段によって登録されている部分情報であって、前記教師パターン生成手段によって対象となった部分情報以外の部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
を具備することを特徴とする情報処理装置。 - 画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像登録手段によって登録されている部分画像であって、前記教師パターン生成手段によって対象となった部分画像以外の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
を具備することを特徴とする画像処理装置。 - 第１の情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の情報の認識を行う認識手段
を具備することを特徴とする情報処理装置。 - 第１の部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の部分画像の認識を行う認識手段
を具備することを特徴とする画像処理装置。 - 画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、類似していると判定された場合は、該インデックスと前記第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
を具備することを特徴とする画像符号化装置。 - 画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
を具備することを特徴とする画像符号化装置。 - コンピュータを、
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターンに基づいて学習し、該学習をした後に、前記第１の部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段、及び該第１の部分画像の対をインデックスを付して登録している辞書手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する部分画像と前記第２の部分画像とが類似しているか否かを前記辞書手段内の該インデックスに対応する判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像に対応する新たな判定手段を生成させ、該判定手段を学習させ、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。 - コンピュータを、
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された部分情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。 - コンピュータを、
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。 - コンピュータを、
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報抽出手段によって抽出された部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。 - コンピュータを、
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像抽出手段によって抽出された部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。 - コンピュータを、
情報源からその一部分の情報である部分情報を抽出する部分情報抽出手段と、
前記部分情報抽出手段によって抽出された部分情報から前記情報源を構成すべき部分情報を登録する部分情報登録手段と、
前記部分情報登録手段によって登録された部分情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分情報登録手段によって登録されている部分情報であって、前記教師パターン生成手段によって対象となった部分情報以外の部分情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分情報抽出手段によって抽出された情報を認識させるように制御する制御手段
として機能させることを特徴とする情報処理プログラム。 - コンピュータを、
画像から部分画像を抽出する部分画像抽出手段と、
前記部分画像抽出手段によって抽出された部分画像から前記画像を構成すべき部分画像を登録する部分画像登録手段と、
前記部分画像登録手段によって登録された部分画像に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像登録手段によって登録されている部分画像であって、前記教師パターン生成手段によって対象となった部分画像以外の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習する学習手段と、
前記学習手段に学習をさせた後に、前記学習手段に前記部分画像抽出手段によって抽出された部分画像を認識させるように制御する制御手段
として機能させることを特徴とする画像処理プログラム。 - コンピュータを、
第１の情報に対してばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記第１の情報から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記教師パターン生成手段によって生成された教師パターン及び不正解教師パターン生成手段によって生成された不正解教師パターンに基づいて学習し、該学習をした後に第２の情報の認識を行う認識手段
として機能させることを特徴とする情報処理プログラム。 - コンピュータを、
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、類似していると判定された場合は、該インデックスと前記第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。 - コンピュータを、
画像データから部分画像を切り出して、該部分画像と該部分画像の位置を出力する部分画像切出手段と、
前記部分画像切出手段によって出力された第１の部分画像にばらつきを与えて教師パターンを生成する教師パターン生成手段と、
前記部分画像切出手段によって出力された第１の部分画像から不正解となる教師パターンを生成する不正解教師パターン生成手段と、
前記部分画像切出手段によって出力された部分画像をインデックスを付して登録し、指定されたインデックスに対応する部分画像を出力する辞書手段と、
前記教師パターン生成手段によって生成された教師パターン及び前記不正解教師パターン生成手段によって生成された不正解の教師パターンに基づいて学習し、該学習をした後に、前記辞書手段からの部分画像と前記部分画像切出手段によって出力された第２の部分画像が類似しているか否かを判定する判定手段と、
インデックス及び前記部分画像切出手段によって出力された位置を符号化する符号化手段と、
前記辞書手段に対してインデックスを指定し、該インデックスに対応する前記辞書手段が出力する部分画像と前記第２の部分画像とが類似しているか否かを前記判定手段によって判定させ、前記辞書手段に登録されている全ての部分画像が該第２の部分画像と類似していないと判定された場合は、該第２の部分画像を前記辞書手段に登録し、該第２の部分画像のインデックスと該第２の部分画像に対応する位置を前記符号化手段によって符号化させる制御手段
として機能させることを特徴とする画像符号化プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007057952A JP5082512B2 (ja) | 2007-03-08 | 2007-03-08 | 情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007057952A JP5082512B2 (ja) | 2007-03-08 | 2007-03-08 | 情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2008219825A JP2008219825A (ja) | 2008-09-18 |
| JP5082512B2 true JP5082512B2 (ja) | 2012-11-28 |
Family
ID=39839261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007057952A Expired - Fee Related JP5082512B2 (ja) | 2007-03-08 | 2007-03-08 | 情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5082512B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021009986A1 (ja) | 2019-07-12 | 2021-01-21 | 村田機械株式会社 | 画像認識方法及び画像認識装置 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6928876B2 (ja) * | 2017-12-15 | 2021-09-01 | 京セラドキュメントソリューションズ株式会社 | フォーム種別学習システムおよび画像処理装置 |
| JP2020067669A (ja) * | 2018-10-19 | 2020-04-30 | 株式会社ファブリカコミュニケーションズ | 情報処理装置及びプログラム |
| JP7097329B2 (ja) * | 2018-11-27 | 2022-07-07 | 豪洋 石崎 | 情報処理装置及び類似画像検索プログラム |
| CN109886210B (zh) * | 2019-02-25 | 2022-07-19 | 百度在线网络技术（北京）有限公司 | 一种交通图像识别方法、装置、计算机设备和介质 |
| JP6662484B2 (ja) * | 2019-08-14 | 2020-03-11 | 大日本印刷株式会社 | 特定装置、特定方法及びコンピュータプログラム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01230164A (ja) * | 1988-03-10 | 1989-09-13 | Nippon Telegr & Teleph Corp <Ntt> | 自動学習型ニューラルネット・システム |
| JPH05258117A (ja) * | 1992-03-11 | 1993-10-08 | Toshiba Corp | 文字認識装置 |
| JP3231105B2 (ja) * | 1992-11-30 | 2001-11-19 | 富士通株式会社 | データ符号化方式及びデータ復元方式 |
| JPH07121713A (ja) * | 1993-10-21 | 1995-05-12 | Kobe Steel Ltd | パターン認識方法 |
| JP3730073B2 (ja) * | 2000-02-21 | 2005-12-21 | 日本電信電話株式会社 | テンプレート作成方法、装置、およびテンプレート作成プログラムを記録した記録媒体 |
| US7206450B2 (en) * | 2002-04-25 | 2007-04-17 | Microsoft Corporation | Compression of bi-level images with explicit representation of ink clusters |
| JP2004354251A (ja) * | 2003-05-29 | 2004-12-16 | Nidek Co Ltd | 欠陥検査装置 |
| JP2005323169A (ja) * | 2004-05-10 | 2005-11-17 | Fuji Xerox Co Ltd | 画像処理装置、データファイル、画像処理方法及びそのプログラム |
-
2007
- 2007-03-08 JP JP2007057952A patent/JP5082512B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021009986A1 (ja) | 2019-07-12 | 2021-01-21 | 村田機械株式会社 | 画像認識方法及び画像認識装置 |
| KR20220031676A (ko) | 2019-07-12 | 2022-03-11 | 무라다기카이가부시끼가이샤 | 화상 인식 방법 및 화상 인식 장치 |
| US11893718B2 (en) | 2019-07-12 | 2024-02-06 | Murata Machinery, Ltd. | Image recognition method and image recognition device |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2008219825A (ja) | 2008-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5082512B2 (ja) | 情報処理装置、画像処理装置、画像符号化装置、情報処理プログラム、画像処理プログラム及び画像符号化プログラム | |
| CN109684803A (zh) | 基于手势滑动的人机验证方法 | |
| CN111310156B (zh) | 一种滑块验证码的自动识别方法及*** | |
| CN112513927A (zh) | 基于卷积神经网络的风力涡轮机叶片缺陷检查 | |
| CN112733884A (zh) | 焊接缺陷识别模型训练方法、装置和计算机终端 | |
| WO2024060529A1 (zh) | 一种道路病害识别方法、***、设备及存储介质 | |
| Tsai et al. | Transfer learning for surgical task segmentation | |
| CN116630286B (zh) | 一种图像异常检测与定位的方法、装置、设备及存储介质 | |
| Hu et al. | Hybrid Pixel‐Level Crack Segmentation for Ballastless Track Slab Using Digital Twin Model and Weakly Supervised Style Transfer | |
| JP7424496B2 (ja) | 精度推定プログラム、装置、及び方法 | |
| JP4847356B2 (ja) | テンプレートマッチング装置及び方法 | |
| Bayer et al. | Instance segmentation based graph extraction for handwritten circuit diagram images | |
| KR20220143119A (ko) | 인지 시스템용 훈련 데이터 후보의 자동 식별 | |
| JP4537097B2 (ja) | パターン検出方法及び装置 | |
| CN117475262B (zh) | 图像生成方法、装置、存储介质及电子设备 | |
| JP4631696B2 (ja) | 画像処理装置、および画像処理方法、並びにコンピュータ・プログラム | |
| CN115578753B (zh) | 人体关键点检测方法、装置、电子设备及存储介质 | |
| JPWO2020152870A1 (ja) | 信号処理方法，信号処理装置および信号処理プログラム | |
| Mombach et al. | Mirrored and rotated letters in children spellings: An automatic analysis approach | |
| CN113139578B (zh) | 一种基于最优训练集的深度学习图像分类方法及*** | |
| JP2023042445A (ja) | 破断面特徴領域判定モデル生成装置、破断面特徴領域判定モデル生成方法、プログラム、破断面特徴領域判定装置、及び、破断面特徴領域判定方法 | |
| Howe et al. | Isolated Character Forms from Dated Syriac Manuscripts | |
| CN118284803A (zh) | 考虑实际缺陷图像的种类和分布的基于人工智能的材料缺陷检测***及方法 | |
| Hagenus et al. | A survey on robustness in trajectory prediction for autonomous vehicles | |
| JP2007174037A (ja) | 画像処理装置、および画像処理方法、並びにコンピュータ・プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100218 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110930 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111011 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120807 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120820 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5082512 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150914 Year of fee payment: 3 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |