JPS6219989A - 重畳パタ−ンの識別方法 - Google Patents
重畳パタ−ンの識別方法Info
- Publication number
- JPS6219989A JPS6219989A JP60158523A JP15852385A JPS6219989A JP S6219989 A JPS6219989 A JP S6219989A JP 60158523 A JP60158523 A JP 60158523A JP 15852385 A JP15852385 A JP 15852385A JP S6219989 A JPS6219989 A JP S6219989A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- points
- contour
- inspected
- structure description
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
この発明は、パターン認識技術により物体の形状2寸法
を計測して物体を識別する識別装置、特に円形状(楕円
を含む)の物体が重畳した重畳パターンの識別装置に関
する。
を計測して物体を識別する識別装置、特に円形状(楕円
を含む)の物体が重畳した重畳パターンの識別装置に関
する。
各種の産業分野において、対象となる物体を識別するニ
ーズは多い。例えば、製品の組立を行うために各構成部
品を識別してハンドリング、組立を行う場合がそうであ
る。この場合の識別の手法としては各種の例があるが、
その代表的なものはスタンフォード大学で開発されたス
タンフォードアルゴリズムと呼ばれるものである。 第6図はスタンフォードアルゴリズムの概要を説明する
ための概要図である。 まず、対象物体を白、黒レベルで2値化し、この2値化
されたデータからランレングス(白または黒ランの長さ
)によるコード化を行う。次いで、ランレングス化され
たデータについて連結性解析を行い、種々の特徴を計算
する。この基本的な特徴の計算をもとにして、さらに多
くの有用な特徴パラメータを計算する。基本的な特徴と
しては多くのものがあるが、例えば第9図の如く対象物
OBの全面積S、対象物OBの中の穴Hの面積の和。 穴Hの数2周囲長し、対象物の重心から輪郭点までの半
径の最大値R111aX1重心から輪郭点までの半径の
最小値Rmin+対象物の重心pc (Xc。 Yc)、X軸投影値の最大値(X、。X)、X軸投影値
の最小値(Xイ、、)、Y軸投影値の最大値(Ylll
lllX)+最小値(Y、i、、)等がある。さらに、
これらの各特徴畳またはこれらの組合わせによる特徴畳
としては多(のパラメータがあり、例えばPr。 und −= 47CS / L ”+ RratiO
= Rmmx / Rmtn 。 Xdtf =Xmax Xm1n 、Ydtf =Y
max Y*i、等が考えられる。そして、これらの
パラメータを手がかりとして識別を行うが、その処理手
順としては予め対象サンプルの学習をさせておいてから
識別を行う。すなわち、各対象物を互いに独立にテレビ
カメラの視野因数カ所に配置して上記パラメータを計算
し、統計処理を行った後に平均値と標準偏差値を計算し
記憶する操作が行われる。 なお、この操作は全ての対象物に対して行われる。 ついで、任意の検査対象物について特徴パラメータを求
め、このパラメータ値を各標準データと比較し、最も近
いものでその差が成る許容値以下の時に特定の対象物と
判定する。このとき、対象パターンの形状の複雑さや対
象物の種類により、識別精度(正確さ)や処理時間を考
慮して、適切なパラメータを選択して使用するようにす
る。
ーズは多い。例えば、製品の組立を行うために各構成部
品を識別してハンドリング、組立を行う場合がそうであ
る。この場合の識別の手法としては各種の例があるが、
その代表的なものはスタンフォード大学で開発されたス
タンフォードアルゴリズムと呼ばれるものである。 第6図はスタンフォードアルゴリズムの概要を説明する
ための概要図である。 まず、対象物体を白、黒レベルで2値化し、この2値化
されたデータからランレングス(白または黒ランの長さ
)によるコード化を行う。次いで、ランレングス化され
たデータについて連結性解析を行い、種々の特徴を計算
する。この基本的な特徴の計算をもとにして、さらに多
くの有用な特徴パラメータを計算する。基本的な特徴と
しては多くのものがあるが、例えば第9図の如く対象物
OBの全面積S、対象物OBの中の穴Hの面積の和。 穴Hの数2周囲長し、対象物の重心から輪郭点までの半
径の最大値R111aX1重心から輪郭点までの半径の
最小値Rmin+対象物の重心pc (Xc。 Yc)、X軸投影値の最大値(X、。X)、X軸投影値
の最小値(Xイ、、)、Y軸投影値の最大値(Ylll
lllX)+最小値(Y、i、、)等がある。さらに、
これらの各特徴畳またはこれらの組合わせによる特徴畳
としては多(のパラメータがあり、例えばPr。 und −= 47CS / L ”+ RratiO
= Rmmx / Rmtn 。 Xdtf =Xmax Xm1n 、Ydtf =Y
max Y*i、等が考えられる。そして、これらの
パラメータを手がかりとして識別を行うが、その処理手
順としては予め対象サンプルの学習をさせておいてから
識別を行う。すなわち、各対象物を互いに独立にテレビ
カメラの視野因数カ所に配置して上記パラメータを計算
し、統計処理を行った後に平均値と標準偏差値を計算し
記憶する操作が行われる。 なお、この操作は全ての対象物に対して行われる。 ついで、任意の検査対象物について特徴パラメータを求
め、このパラメータ値を各標準データと比較し、最も近
いものでその差が成る許容値以下の時に特定の対象物と
判定する。このとき、対象パターンの形状の複雑さや対
象物の種類により、識別精度(正確さ)や処理時間を考
慮して、適切なパラメータを選択して使用するようにす
る。
かかる方法では、対象パターンの形状が複雑で対象物の
種類が多い程、識別精度は低下する。このため、より多
くのパラメータが必要となり、演算時間も長くなる。従
って、条件によっては識別不可能となる場合も発生する
。一方「重畳あるいは接触した物体を識別する」ニーズ
は、各種産業分野のうちでも、特に医療における粒子計
測の分野等において高い。しかし、上記の識別方法は対
象物体が独立して存在する場合にはまだしも、対象物体
が重畳している場合に適用すると対象物の識別が不可能
となるか、誤判定を起こすような場合が多く発生すると
いう問題がある。その理由は、例えば対象物体の組合せ
が一定でも物体の重畳の程度や物体の位置、姿勢により
前述の各種特徴値(例えば面積1周囲長、投影長さ、穴
の個数とその面積等)が大幅に変化してしまうためであ
る。 このため、部品組立等を行うに当たっては、まず各部品
を機械的な方法で分離してからラインに供給する等の方
法を採用しており、このような制約条件のためにフレキ
シブルで安価な組立作業の実現が困難となっている。ま
た、医療の粒子解析の分野の如く本質的に重畳物体の識
別が必要な分野も多(、これらのニーズに叶う識別方法
の出現が望まれている。
種類が多い程、識別精度は低下する。このため、より多
くのパラメータが必要となり、演算時間も長くなる。従
って、条件によっては識別不可能となる場合も発生する
。一方「重畳あるいは接触した物体を識別する」ニーズ
は、各種産業分野のうちでも、特に医療における粒子計
測の分野等において高い。しかし、上記の識別方法は対
象物体が独立して存在する場合にはまだしも、対象物体
が重畳している場合に適用すると対象物の識別が不可能
となるか、誤判定を起こすような場合が多く発生すると
いう問題がある。その理由は、例えば対象物体の組合せ
が一定でも物体の重畳の程度や物体の位置、姿勢により
前述の各種特徴値(例えば面積1周囲長、投影長さ、穴
の個数とその面積等)が大幅に変化してしまうためであ
る。 このため、部品組立等を行うに当たっては、まず各部品
を機械的な方法で分離してからラインに供給する等の方
法を採用しており、このような制約条件のためにフレキ
シブルで安価な組立作業の実現が困難となっている。ま
た、医療の粒子解析の分野の如く本質的に重畳物体の識
別が必要な分野も多(、これらのニーズに叶う識別方法
の出現が望まれている。
【問題点を解決するための手段および作用]標準パター
ンとなる複数種の円形状物体のそれぞれの構造記述パラ
メータを前もって解析して所定のメモリに格納しておく
一方、円形状物体が重畳した検査対象パターンを画像処
理してその輪郭を抽出し、該輪郭点を所定の間隔でサン
プリングし、各サンプリング点について隣接するサンプ
リング点との間の傾きベクトルを演算して傾きベクトル
の変化が所定値を越えるかを判定することにより検査対
象パターンの折れ点を求めて輪郭を折れ点毎に分割し、
分割された各線分をそれぞれ構造記述パラメータで表現
し、各線分の構造記述パラメータを比較して各線分を整
理、統合し、標準パターンの構造記述パラメータと比較
、照合して総合的に判定することにより、検査対象パタ
ーンが如何なる種類の円形状物体から成っているかを識
別する。 【実施例】 第1図、第2図はこの発明の詳細な説明するための参照
図、第3図はこの発明が実施されるパターン識別装置を
示すブロック図、第4図は輪郭点座標のメモリへの記憶
態様を示す参照図、第5図は折れ点毎の輪郭点座標のメ
モリへの記憶態様を示す参照図である。なお、第3図に
おいて、1は物体(検査対象パターン)、2は照明装置
、3は撮像装置(テレビカメラ)、4はアナログ/ディ
ジクル(A/D)変換器、5は前処理回路、6は特徴抽
出回路、7は画像メモリ、8はディジタル処理装置(マ
イクロコンピュータ)である。 以下、これらの図を参照してその動作を説明する。 対象物1は照明装置2によって照明される。ここに、対
象物1はその背景に対して充分なコントラストをもつよ
うにする。対象物1の光学像はテレビカメラの如き撮像
装置3によって映像信号(ビデオ信号)に変換され、A
/D変換器4により例えば白、黒レベルに2値化される
とともに前処理回路5にてノイズ処理等の前処理が行わ
れる。 次いで、特徴抽出回路6によって特徴抽出が行われ、そ
のデータは画像メモリ7へDMA (ダイレクトメモリ
アクセス)方式で記憶される。マイクロプロセッサ8は
、画像メモリ7に格納されたランレングス化またはセグ
メント化されたデータにもとづいてその連結性解析を行
い、対象物とみなしうる1つのパターン、すなわちここ
では第1図に示されるような円A、B、Cが重畳された
パターンを抽出する。次いで、公知の輪郭追跡方法によ
って画像メモリ7から輪郭点座標(x、 y)データ
を抽出し、所定のメモリへ第4図の如く順次格納する。 なお、第4図には輪郭点のX座標データX l + X
Z ・・−−−−−一とy座標データV ++ 3
’ z ’−−−−−−とがアドレス順に記憶された例
が示されている。次に、この輪郭を折れ点(変曲点)に
よって分割すべく、輪郭線上にサンプリング点を第1図
のPl。 P 、 −・−−−−−P 、5−−−−− P 、
−−−−−Po−−−−−−−の如く設定する。このと
き、これらサンプリング点はそのスタート点をP+(X
++3’+ )とし、図示の如く略等間隔のピッチをも
って設定するものとする。なお、ここでは輪郭点(X+
+3’+ )、 (xz、yJ ・−・−とサンプリ
ング点P It P z ’−・−−−−−とが1対
lに対応しているものとして説明を進める。こうして抽
出される点の1つP、(xt、y工)に対して隣接点P
i −I(X = −++ >’ i −I)および
P i+I (X i+1+ )’ i++)を考え、
これらのサンプリング点間で傾きベクトルの変化を調べ
る。第1図において、サンプリング点P2に着目すると
、隣接するサンプリングPI。 P3との間の傾きベクトルはそれぞれ第2図(alにお
いてa2.b2で示されているように表される。 同様にサンプリングP、、P、に着目すると、隣接する
サンプリングP 16− + 1 P @。1.および
P、−、、Pl、1 との間の傾きベクトルはそれぞれ
第2図(b)。 (C)においてam、bm、およびan、bnで示され
ているように表される。次に隣接するサンプリング点と
の間の傾きベクトルの変化を調べると第2図(a)、
(b)、 (C)においてθ2.θ、、θ7で示されて
いるように表される。この傾きベクトルの変化は、例え
ばサンプリング点P2のように隣接するサンプリングP
+ 、 P yが同一の円Aに属している場合にはθ
2で示されるように小さい値であるが、サンプリング点
Pffi、P、lのように隣接するサンプリング点P
If−1+ P II+I+ P n−1+ P n”
+が異なる円AとB、BとCに属している場合にはθ1
.θ0で示されるように大きな値となる。したがって隣
接するサンプリング点との間の傾きベクトルの変化を所
定の設定値と比較してそれを越えているか否かを判定す
ることにより検査対象パターンの各折れ点(第1図に示
すP、、Pア、p、、p、)を求めることができる。こ
れにより検査対象パターンを各折れ点に基づいてP p
−P、、P、−4Pn、p、l−P、、P、−Ppの各
線分に分割することができる。この分割単位毎にその輪
郭点座標x、yを所定のメモリ上に第5図の如く配列し
て記憶する。 折れ点の位置を精度良く求めるには、折れ点を検出する
近傍で前述のサンプリング間隔よりも更に細かくサンプ
リングするか、あるいはサンプリング位置をずらして傾
きベクトルの変化の極値を求めるようにする。 次に各線分Pp−P、%、P、−P、、P、→P。、P
、−Ppの識別すなわち各折点を結ぶ線分が如何なる円
形状物体の一部をなすものであるかの識別が行われるが
、この識別については上記と同様に適宜なサンプリング
点を設定して行われる。 まず、ある着目線分についてサンプリングした3点を通
る円を考え、その円の中心座標と半径を演算し、これら
の値がともに近いもの同志を同一円弧の候補としてつな
いで行く。そして、サンプリング点を多くとりまたはサ
ンプリング間隔を変えて統計的手法により構造記述パラ
メータとしての平均半径と平均中心座標を演算する。 次いで、検査対象パターンを整理、統合する総合判定が
以下の如く行われる。 例えば、成る2つの線分が第1図の如(線分P、−+P
、、P0→P2として識別されたものとすると、それぞ
れの構造記述パラメータ (半径R1゜R2、中心座標
X+、Y+ 、Xz、Yz)を互いに比較し、それぞれ
が所定の許容誤差内であれば両者は同じ円形状物体を形
成するものとみなして、1つに統合する。 これにより、検査対象パターンが複数種の円形状物体の
重畳パターンであっても、如何なる円形状物体とから形
成されているかを判定することができるので、整理、統
合された各線分の構造記述パラメータを標準パターンの
それと比較、照合して総合的に判断することにより検査
対象パターンが如何なる種類の円形状物体とから形成さ
れているかを識別する。
ンとなる複数種の円形状物体のそれぞれの構造記述パラ
メータを前もって解析して所定のメモリに格納しておく
一方、円形状物体が重畳した検査対象パターンを画像処
理してその輪郭を抽出し、該輪郭点を所定の間隔でサン
プリングし、各サンプリング点について隣接するサンプ
リング点との間の傾きベクトルを演算して傾きベクトル
の変化が所定値を越えるかを判定することにより検査対
象パターンの折れ点を求めて輪郭を折れ点毎に分割し、
分割された各線分をそれぞれ構造記述パラメータで表現
し、各線分の構造記述パラメータを比較して各線分を整
理、統合し、標準パターンの構造記述パラメータと比較
、照合して総合的に判定することにより、検査対象パタ
ーンが如何なる種類の円形状物体から成っているかを識
別する。 【実施例】 第1図、第2図はこの発明の詳細な説明するための参照
図、第3図はこの発明が実施されるパターン識別装置を
示すブロック図、第4図は輪郭点座標のメモリへの記憶
態様を示す参照図、第5図は折れ点毎の輪郭点座標のメ
モリへの記憶態様を示す参照図である。なお、第3図に
おいて、1は物体(検査対象パターン)、2は照明装置
、3は撮像装置(テレビカメラ)、4はアナログ/ディ
ジクル(A/D)変換器、5は前処理回路、6は特徴抽
出回路、7は画像メモリ、8はディジタル処理装置(マ
イクロコンピュータ)である。 以下、これらの図を参照してその動作を説明する。 対象物1は照明装置2によって照明される。ここに、対
象物1はその背景に対して充分なコントラストをもつよ
うにする。対象物1の光学像はテレビカメラの如き撮像
装置3によって映像信号(ビデオ信号)に変換され、A
/D変換器4により例えば白、黒レベルに2値化される
とともに前処理回路5にてノイズ処理等の前処理が行わ
れる。 次いで、特徴抽出回路6によって特徴抽出が行われ、そ
のデータは画像メモリ7へDMA (ダイレクトメモリ
アクセス)方式で記憶される。マイクロプロセッサ8は
、画像メモリ7に格納されたランレングス化またはセグ
メント化されたデータにもとづいてその連結性解析を行
い、対象物とみなしうる1つのパターン、すなわちここ
では第1図に示されるような円A、B、Cが重畳された
パターンを抽出する。次いで、公知の輪郭追跡方法によ
って画像メモリ7から輪郭点座標(x、 y)データ
を抽出し、所定のメモリへ第4図の如く順次格納する。 なお、第4図には輪郭点のX座標データX l + X
Z ・・−−−−−一とy座標データV ++ 3
’ z ’−−−−−−とがアドレス順に記憶された例
が示されている。次に、この輪郭を折れ点(変曲点)に
よって分割すべく、輪郭線上にサンプリング点を第1図
のPl。 P 、 −・−−−−−P 、5−−−−− P 、
−−−−−Po−−−−−−−の如く設定する。このと
き、これらサンプリング点はそのスタート点をP+(X
++3’+ )とし、図示の如く略等間隔のピッチをも
って設定するものとする。なお、ここでは輪郭点(X+
+3’+ )、 (xz、yJ ・−・−とサンプリ
ング点P It P z ’−・−−−−−とが1対
lに対応しているものとして説明を進める。こうして抽
出される点の1つP、(xt、y工)に対して隣接点P
i −I(X = −++ >’ i −I)および
P i+I (X i+1+ )’ i++)を考え、
これらのサンプリング点間で傾きベクトルの変化を調べ
る。第1図において、サンプリング点P2に着目すると
、隣接するサンプリングPI。 P3との間の傾きベクトルはそれぞれ第2図(alにお
いてa2.b2で示されているように表される。 同様にサンプリングP、、P、に着目すると、隣接する
サンプリングP 16− + 1 P @。1.および
P、−、、Pl、1 との間の傾きベクトルはそれぞれ
第2図(b)。 (C)においてam、bm、およびan、bnで示され
ているように表される。次に隣接するサンプリング点と
の間の傾きベクトルの変化を調べると第2図(a)、
(b)、 (C)においてθ2.θ、、θ7で示されて
いるように表される。この傾きベクトルの変化は、例え
ばサンプリング点P2のように隣接するサンプリングP
+ 、 P yが同一の円Aに属している場合にはθ
2で示されるように小さい値であるが、サンプリング点
Pffi、P、lのように隣接するサンプリング点P
If−1+ P II+I+ P n−1+ P n”
+が異なる円AとB、BとCに属している場合にはθ1
.θ0で示されるように大きな値となる。したがって隣
接するサンプリング点との間の傾きベクトルの変化を所
定の設定値と比較してそれを越えているか否かを判定す
ることにより検査対象パターンの各折れ点(第1図に示
すP、、Pア、p、、p、)を求めることができる。こ
れにより検査対象パターンを各折れ点に基づいてP p
−P、、P、−4Pn、p、l−P、、P、−Ppの各
線分に分割することができる。この分割単位毎にその輪
郭点座標x、yを所定のメモリ上に第5図の如く配列し
て記憶する。 折れ点の位置を精度良く求めるには、折れ点を検出する
近傍で前述のサンプリング間隔よりも更に細かくサンプ
リングするか、あるいはサンプリング位置をずらして傾
きベクトルの変化の極値を求めるようにする。 次に各線分Pp−P、%、P、−P、、P、→P。、P
、−Ppの識別すなわち各折点を結ぶ線分が如何なる円
形状物体の一部をなすものであるかの識別が行われるが
、この識別については上記と同様に適宜なサンプリング
点を設定して行われる。 まず、ある着目線分についてサンプリングした3点を通
る円を考え、その円の中心座標と半径を演算し、これら
の値がともに近いもの同志を同一円弧の候補としてつな
いで行く。そして、サンプリング点を多くとりまたはサ
ンプリング間隔を変えて統計的手法により構造記述パラ
メータとしての平均半径と平均中心座標を演算する。 次いで、検査対象パターンを整理、統合する総合判定が
以下の如く行われる。 例えば、成る2つの線分が第1図の如(線分P、−+P
、、P0→P2として識別されたものとすると、それぞ
れの構造記述パラメータ (半径R1゜R2、中心座標
X+、Y+ 、Xz、Yz)を互いに比較し、それぞれ
が所定の許容誤差内であれば両者は同じ円形状物体を形
成するものとみなして、1つに統合する。 これにより、検査対象パターンが複数種の円形状物体の
重畳パターンであっても、如何なる円形状物体とから形
成されているかを判定することができるので、整理、統
合された各線分の構造記述パラメータを標準パターンの
それと比較、照合して総合的に判断することにより検査
対象パターンが如何なる種類の円形状物体とから形成さ
れているかを識別する。
この発明によれば、少なくとも重畳図形の比較的筒車な
手法で識別することが可能となる利点がもたらされる。 このため、部品のハンドリング・組立工程において、各
部品を機械的な方法等により分離して供給する必要がな
くなり、低コストでフレキシブルな工程を実現すること
ができる(すなわち、従来法では分離機構を製作し、し
かも製品の仕様変更で部品変更が発生するたびに分離機
構を用意しなければならなかった。)。また、前述の粒
子解析等にみられるように、本質的に重畳がさけられな
いニーズに対しても、従来の目視検査に代えて適用する
ことが可能となる、などの利点が得られるものである。
手法で識別することが可能となる利点がもたらされる。 このため、部品のハンドリング・組立工程において、各
部品を機械的な方法等により分離して供給する必要がな
くなり、低コストでフレキシブルな工程を実現すること
ができる(すなわち、従来法では分離機構を製作し、し
かも製品の仕様変更で部品変更が発生するたびに分離機
構を用意しなければならなかった。)。また、前述の粒
子解析等にみられるように、本質的に重畳がさけられな
いニーズに対しても、従来の目視検査に代えて適用する
ことが可能となる、などの利点が得られるものである。
第1図、第2図はこの発明の詳細な説明するための参照
図、第3図はこの発明が実施されるパターン識別装置を
示すブロック図、第4図は輪郭点座標のメモリへの記憶
態様を示す参照図、第5図は折れ点毎の輪郭点座標のメ
モリへの記憶態様を示す参照図、第6図は対象図形の特
徴パラメータを説明するための参照図である。 符号説明 1 ・−物体(検査対象パターン) 、2−一一一一照
明装置、3−−−−一撮像装置(テレビカメラ)、4
−−−−−アナログ/ディジタル(A/D)変換器、5
−・−・前処理回路、6−・・−特徴抽出回路、7 −
−−−−・画像メモリ、8−・ディジタル処理装置(マ
イクロコンピュータ)。 て)ン ・C)ゞ−ノ11 ′I′](2) 才2図 矛4の 才、f区 ヤLの
図、第3図はこの発明が実施されるパターン識別装置を
示すブロック図、第4図は輪郭点座標のメモリへの記憶
態様を示す参照図、第5図は折れ点毎の輪郭点座標のメ
モリへの記憶態様を示す参照図、第6図は対象図形の特
徴パラメータを説明するための参照図である。 符号説明 1 ・−物体(検査対象パターン) 、2−一一一一照
明装置、3−−−−一撮像装置(テレビカメラ)、4
−−−−−アナログ/ディジタル(A/D)変換器、5
−・−・前処理回路、6−・・−特徴抽出回路、7 −
−−−−・画像メモリ、8−・ディジタル処理装置(マ
イクロコンピュータ)。 て)ン ・C)ゞ−ノ11 ′I′](2) 才2図 矛4の 才、f区 ヤLの
Claims (1)
- 標準パターンとなる複数種の円形状物体についてそれぞ
れの構造記述パラメータを予め解析して所定のメモリに
格納しておく一方、円形状物体同士が重畳した検査対象
パターン画像を2値化し、ランレングス化して得られる
データから所定の処理をしてその輪郭点を抽出し、該輪
郭点を所定の間隔でサンプリングし、各サンプリング点
について隣接するサンプリング点との間の傾きベクトル
を演算して傾きベクトルの変化が所定値を越えるかを判
定することにより検査対象パターンの各折れ点を求めて
該折れ点毎に輪郭を分割し、該分割された輪郭の各線分
をそれぞれ構造記述パラメータを用いて表現し、各線分
の構造記述パラメータを比較して各線分を整理・統合し
、標準パターンのそれと比較、照合して総合的に判断す
ることにより検査対象パターンが如何なる種類の円形状
物体とから形成されているかを識別することを特徴とす
る重畳パターンの識別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP60158523A JPS6219989A (ja) | 1985-07-18 | 1985-07-18 | 重畳パタ−ンの識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP60158523A JPS6219989A (ja) | 1985-07-18 | 1985-07-18 | 重畳パタ−ンの識別方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS6219989A true JPS6219989A (ja) | 1987-01-28 |
Family
ID=15673596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP60158523A Pending JPS6219989A (ja) | 1985-07-18 | 1985-07-18 | 重畳パタ−ンの識別方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS6219989A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06335869A (ja) * | 1993-05-25 | 1994-12-06 | Inui Kenma Fushi Seisaku Kk | 研磨体 |
JP2013069149A (ja) * | 2011-09-22 | 2013-04-18 | Nippon Telegr & Teleph Corp <Ntt> | 画像類似度判定装置、画像類似度判定方法及び画像類似度判定プログラム |
CN103679731A (zh) * | 2013-12-18 | 2014-03-26 | 哈尔滨工业大学深圳研究生院 | 基于文档图像的圆弧分割方法 |
CN106530347A (zh) * | 2016-09-28 | 2017-03-22 | 吴晓军 | 一种稳定的高性能圆特征检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5983278A (ja) * | 1982-11-04 | 1984-05-14 | Fujitsu Ltd | 直線円弧近似方式 |
JPS6029878A (ja) * | 1983-07-28 | 1985-02-15 | Fuji Electric Co Ltd | 円形物体検出装置 |
-
1985
- 1985-07-18 JP JP60158523A patent/JPS6219989A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5983278A (ja) * | 1982-11-04 | 1984-05-14 | Fujitsu Ltd | 直線円弧近似方式 |
JPS6029878A (ja) * | 1983-07-28 | 1985-02-15 | Fuji Electric Co Ltd | 円形物体検出装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06335869A (ja) * | 1993-05-25 | 1994-12-06 | Inui Kenma Fushi Seisaku Kk | 研磨体 |
JP2013069149A (ja) * | 2011-09-22 | 2013-04-18 | Nippon Telegr & Teleph Corp <Ntt> | 画像類似度判定装置、画像類似度判定方法及び画像類似度判定プログラム |
CN103679731A (zh) * | 2013-12-18 | 2014-03-26 | 哈尔滨工业大学深圳研究生院 | 基于文档图像的圆弧分割方法 |
CN106530347A (zh) * | 2016-09-28 | 2017-03-22 | 吴晓军 | 一种稳定的高性能圆特征检测方法 |
CN106530347B (zh) * | 2016-09-28 | 2020-06-09 | 吴晓军 | 一种稳定的高性能圆特征检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4545067A (en) | Process for automatic image recognition | |
US20050123195A1 (en) | Image processing method and image processing apparatus | |
RU2438174C1 (ru) | Способ распознавания объектов | |
WO2021220829A1 (ja) | 個体識別システム、個体識別プログラム、及び記録媒体 | |
JPS6219989A (ja) | 重畳パタ−ンの識別方法 | |
JPH04346187A (ja) | 被検出物の良否判定方法 | |
JPH04346011A (ja) | はんだ付け状態の外観検査装置 | |
JP3032616B2 (ja) | 外観検査方法及び装置 | |
Taban et al. | Different shape and color targets detection using auto indexing images in computer vision system | |
JPS6073408A (ja) | パタ−ン認識装置 | |
JPS61147381A (ja) | 重畳パタ−ンの識別方法 | |
JP2009265998A (ja) | 画像処理システム、画像処理方法及び画像処理プログラム | |
JPS5946036B2 (ja) | 複数パタ−ン認識装置 | |
JPH04343046A (ja) | 外観検査装置 | |
WO2021220826A1 (ja) | 個体識別システム | |
WO2021220827A1 (ja) | 個体識別システム | |
JPH05264240A (ja) | 外観検査装置 | |
WO2021220825A1 (ja) | 個体識別システム | |
JPH0420503B2 (ja) | ||
RU2313828C2 (ru) | Способ распознавания изображений | |
Negri et al. | Color texture classification under varying illumination | |
JPS6228888A (ja) | 対象物識別方法 | |
JP3067822B2 (ja) | パターン識別方法 | |
JPH0449150B2 (ja) | ||
CN117935246A (zh) | 基于深度学习技术的仪表示数识别方法及装置 |