JP2793682B2

JP2793682B2 - 光学的パターン識別装置

Info

Publication number: JP2793682B2
Application number: JP2051854A
Authority: JP
Inventors: 安弘竹村; 利治武居
Original assignee: Sumitomo Osaka Cement Co Ltd
Current assignee: Sumitomo Osaka Cement Co Ltd
Priority date: 1990-03-05
Filing date: 1990-03-05
Publication date: 1998-09-03
Anticipated expiration: 2013-09-03
Also published as: JPH03253921A

Description

【発明の詳細な説明】［産業上の利用分野］本発明は、画像情報処理の分野において利用される光
学的パターン識別装置に関する。

［従来の技術及び発明が解決しようとする問題点］近年、入力画像（即ち被検画像）のパターンを識別す
る方法として、ニューラルネットワークを用いる方法が
盛んに提案されている。このニューラルネットワークを
用いる方法では、入力画像（被検画像）のパターンに多
少の欠落や変形等の曖昧さがあっても、それに対応した
記憶画像（参照画像）を連想することができ、文字認識
や音声認識等に有効であると考えられている。しかし、
このニューラルネットワークにおいて、その記憶パター
ンの画素数とパターン数に応じて、膨大な数のニューロ
ンが必要であり、更に、一般にニューロン数の二乗のニ
ューロン間の配線が必要なために、大情報量の画像や数
多くの画像を一度に記憶することが困難であるという欠
点があった。

また、被検パターンの大きさの変化や画面内における
回転及び位置の変化があると、正しい識別が得られなく
なるので、回転したパターンや、大きさの異なるパター
ンも記憶させておかなければならなくなり、前記の記憶
できるパターン数が少なくならざるを得なかった。

本発明は、上記の問題点を解決するために為されたも
ので、ニューラルネットワークによる入力画像（即ち被
検画像）の識別を、高速且つ正確に安価な装置で実現す
るパターン識別装置を提供することを目的とする。

また、本発明は、入力画像の入力面内における回転や
シフトが存在するときも、識別可能で、尚大量の参照画
像を記憶することができる光学的パターン識別装置を提
供することを目的とする。

［問題点を解決するための手段］そこで、本発明は、上記の技術的な課題を解決のため
に、ニューラルネットワークによりパターンの識別を行
なう光学的パターン識別装置において、少なくとも、入
力パターンをコヒーレントに表示する画像表示装置と、
前記表示装置の表示された該コヒーレントなパターンを
光学的にフーリエ変換するフーリエ変換レンズと、前記
光学的フーリエ変換レンズにより形成されたフーリエ変
換像を受光する１つ乃至複数の受光素子で、その受光面
の有効受光領域が、２つ以上の領域からなり、その１つ
は、放射状の仕切線により仕切られた複数の小領域から
なる第１の受光領域であり、もう１つは、同心円状の仕
切線により仕切られた複数の小領域からなる第２の受光
領域であり、前記第１の受光領域は、その放射状の仕切
線の中心がまた、前記第２の受光領域は、その同心円状
の仕切線の円の中心がほぼ前記フーリエ変換レンズの光
軸と一致している受光素子と、前記受光素子からの出力
パターンを入力パターンとして、その識別を行なうニュ
ーラルネットワークとからなることを特徴とする光学的
パターン識別装置を提供する。そして、ニューラルネッ
トワークは、光学的に、行列ベクトル演算或いは閾値処
理或いはその両方を行なうものが好適である。また、そ
のニューラルネットワークは、光学的にニューロン間の
情報の伝達を行なうものが好適に用いられる。そして、
受光素子からの出力パターンは、そのパターン中の出力
の最大値又は最小値が常に同一位置になり、且つその前
後の順番は変化しないようにシフトさせて、前記ニュー
ラルネットワークへ入力するものが好適である。また、
受光素子の前記第１及び第２の受光小領域は、前記光軸
を中心として、ほぼ180度の角度に跨る連続した領域で
ある装置が好適である。

［作用］上記のような本発明の光学的パターン識別装置の構成
により、入力画像は、空間的にフーリエ変換されて、そ
のフーリエ変換像が前記２つの小領域を有する受光素子
に入射する。このとき、フーリエ変換像の性質により、
前記受光素子に入射するフーリエ変換像の光強度分布
は、入力画像の空間的な位置には依存しない。従って、
入力画像の位置が入力画面内でシフトしていても、全く
変わらずに入力パターンの識別をすることができる。

また、フーリエ変換像は、その光軸を中心として、点
対称の光強度分布となる。従って、前記第２の受光領域
の各小領域に入射する光強度は、前記第２の受光小領域
が、ほぼ180度に跨る領域であれば、入力パターンが回
転しても、変化しない。従って、参照パターンの前記第
２の受光小領域における光強度パターンを記憶してお
き、それと入力パターンによる前記第２の受光小領域に
おける光強度パターンとの類似性を検出することによ
り、入力パターンが面内で回転していても、参照パター
ンに対して大きさの変化が無ければ、前記第２の小領域
に関する識別をすることができる。このとき、前記の第
１の小領域の出力は、この第１の小領域の空間的な順番
にそれを並べたとすると、入力画像の回転により、その
順番がシフトすることになる。このとき、前記第１の小
領域がほぼ180度の角度に跨る領域であれば、その両端
の小領域をつなげて周期的な出力並びとすることができ
る。

そして、例えば、その出力ピークから順番を数えるこ
ととして、その順番に基づいた出力パターンの認識をす
ることにより、入力画像の入力面内の回転に関わり無
く、識別することができる。このような順番シフトは、
必ずしも必要なものでなく、ニューラルネットワークの
学習により、このような並べ換えを行なわなくても識別
を行なえるようになるが、その並べ換えにより、学習の
時間や識別に必要な時間を減らし、記憶パターン量を増
やすことができる。更に、このときの順番のシフト量を
検出することにより、画像の回転量を知ることも可能で
ある。

次に、本発明の光学的パターン識別装置を具体的に実
施例により説明するが、本発明はそれらによって限定さ
れるものではない。

［実施例１］第１図は、本発明による光学的パターン識別装置の１
例の機能を示す模式構成図である。

第１図の光学配置図において、被検物体１は通常のイ
ンコヒーレント光源で照射されて、その像は結像レンズ
２により空間光変調器３の入力面上に結像する。

空間光変調器３は、入力面における入力光強度分布に
応じて出力面の反射率分布（透過型の場合、透過率分
布）或いは光位相分布を変化させるようなもので、一般
にインコヒーレント・コヒーレント変換素子と呼ばれて
おり、ネマテイック液晶や、強誘電性結晶と光導電膜を
組合わせたもの、透過型では、BSO（Bi₁₂SiO₂₀）単結晶
を用いたもの等がよく知られている。

空間光変調器３の出力面は、レーザ９を出射した光束
12により照射される。この光束12は、レーザ９を出射し
た後、ビームエキスパンダ10によりその光束径を広げら
れ、全反射ミラー11及びビームスプリッター４で反射さ
れて、空間光変調器３の出力面に入射したものである。

空間光変調器３の出力面において、被検物体１の結像
パターン即ち入力パターンに応じた空間的変調を受けた
光束12は、ビームスプリッター４を透過し、フーリエ変
換レンズ５を通って、受光素子６の受光面に到達する。

この受光素子６の受光面は、フーリエ変換レンズに対
して、空間光変換器３の出力面の空間的フーリエ変換面
になっている。それは即ち空間光変換器３の出力面に入
射した光束が、平行光束であったとすると、フーリエ変
換レンズ５の焦点面と一致する。そして、この受光素子
６の受光面上では、空間光変調器３の出射面における複
素振幅分布の二次元フーリエ変換の二乗に対応した光強
度分布が観察される。

この受光素子の受光面の分割パターンの一例を、第２
図に示す。受光領域全体は、円形としており、この受光
領域は、半円形の領域Ａ（6a）と、領域Ｂ（6b）とに分
かれている。更に、領域Ａ（6a）は円形領域の中心から
放射状に伸びる仕切線で等しい中心角になるように仕切
られたウェッジ型の小領域6_a1〜6_anで構成され、領域Ｂ
（6b）は、円形領域の中心から同心円状に仕切られたリ
ング型の小領域_b1〜6_bnで構成されている。

これらは、フーリエ変換光学系を振幅分割して２つの
光路に分け、各々、一方にウェッジ型の小領域で構成さ
れた円形の受光領域からなる受光素子を、他方に、リン
グ型の小領域で構成された円形の受光領域からなる受光
素子を配置しても良いが、フーリエ変換パターンは、そ
のフーリエ変換光学系の光軸を中心として点対称なパタ
ーンになるのでウェッジ型の領域、リング型の領域各々
半円の領域があれば充分である。

このフーリエ変換パターンは、入力パターンによって
各々特徴的なパターンとなるので、この受光素子６から
の出力強度信号を順番に並べたパターンも各々の入力パ
ターンにより特徴的なパターンとなる。そこで、被検物
体と同じ条件による参照物体（即ち、識別しない物体或
いはパターンの群）の各々の受光素子６からの出力パタ
ーンをニューラルネットワーク８内にメモリーしておけ
ば、被検物体１による受光素子６からの出力パターンと
等しいと判断できる参照物体を識別することができる。
また、このメモリーの作成の際に１つのパターンに対
し、回転や大きさの変化の伴ったパターンを同時に学習
させれば回転や大きさの変化に影響され難いパターン識
別装置を得ることができる。

このとき、受光素子６からの出力パターンは、もとも
との画像に比べれば、その情報量は大幅に削除されてい
るので、ニューラルネットワーク８として、少ないニュ
ーロン数で電気的に演算処理を行なう装置を用いても、
充分に高速で精度の高い検出を行なうことができる。

更に、このとき、出力処理器７により受光素子６の領
域Ａ（6a）からの出力をその最大の強度の位置が常に出
力パターンの同じ位置に来るように、シフトすることに
より、入力パターンの入力面内における回転に影響され
ない検出を行なうための学習量やメモリー量を削除する
ことができる。この様子を各小領域からの出力の並びを
示す第３図を用いて説明する。

第３図（ａ）は、ある入力パターンの時の各小領域か
らの出力強度をグラフに示したものである。このとき、
入力パターンが入力面内で小領域一つ分回転すると、出
力強度は、各々、小領域6_a1の強度が、6_a2へ、6_a2の強
度が6_a3へと一つずつシフトし、そして、6_anの強度は、
もう一方の端の6_a1へ移る。従って、同じ入力パターン
であれば、入力面内で回転を伴っていても、受光素子６
の領域Ａ（6a）からの出力パターンにおいて、その最大
強度の位置が常に同じ位置になるように並べ替えてニュ
ーラルネットワークに入力すれば、回転がなかったとき
と全く同様に識別を行なうことができる。例えば、第３
図（ｂ）は、第３図（ａ）に示すパターンを左に小領域
２つ分シフトさせて、最大強度の位置が、データの先頭
に来るようにしたものである。常に、このように、最大
強度の位置が一定の場合になるように、参照パターンの
データも並べ替えてニューラルネットワークに入力すれ
ばよい。

実施例１では、電気的な回路構成によるニューラルネ
ットワーク８を想定したが、次の実施例２では、ニュー
ラルネットワークの主要な演算処理及び情報伝達の部分
を光学的に構成することにより、小領域を、より細かく
分割した大容量のデータを高速に演算処理することがで
きる。

［実施例２］光学的なニューラルネットワークとして既に幾つかの
構成が発表されているが、本実施例では、受光素子アレ
イ、受光素子アレイ及び透過率行列マスクを用いた例で
説明する。尚、ここでは、フーリエ変換光学系の部分
は、第１図に示す構成配置と同じなので、光学的ニュー
ラルネットワークの部分のみを説明する。

この実施例では、第４図に、本発明の光学的パターン
識別装置に使用する光学的ニューラルネットワークの構
成の概念図で示す。受光素子６からの出力パターンは、
それを順番に並べることにより、ニューラルネットワー
ク７への入力ベクトルｖ（v₁、v₂・・・v_n）と考えるこ
とができる。この入力に応じてLED等の発光素子アレイ2
1の各々の発光素子から各々のベクトルの要素に応じた
強度の光束が発せられる。

本実施例では、説明を簡単にするために、ベクトルの
要素の数ｎは、５としてある。ここで、発せられた光束
22a〜22eは、例えば各々の発光素子の直後に発光素子ア
レイ21の発光素子の並んでいる方向にのみパワーを有す
るようなシリンドリカルレンズを配置することにより、
液晶パネル23の開口行列のひとつひとつの行に対応して
入射させることができる。

この液晶パネルは、マトリックス状に開口が並んだも
のであり、その各々の開口の透過率が独立な値を有す
る。この透過率の行列をＴとし、その要素即ち、一つ一
つの開口の透過率は、全ての参照画像のデータから計算
により或いはニューラルネットワークの特徴である学習
により決定される。従って、あらたな学習や新たな参照
画像データにリアルタイムに対応する必要がなければ、
この液晶パネル23の代わりに決定された透過率マトリッ
クスを有する固定透過率マスクを配置することができ
る。

この液晶パネル23を出射した光束25a〜25eは、例えば
液晶パネル23の直後にそこからの出射光束全体をカバー
する球面レンズを配置することにより、受光素子アレイ
26の各々対応する受光素子上に集光する。このときの光
束25a〜25eは、各々液晶パネル23の各々の列から出射し
たものである。従って、受光素子アレイ26に入射する光
量の値を要素とするベクトルは、行列ベクトル演算Tvの
結果を表わすことになる。

この受光素子アレイ26からの出力を各々非線形処理回
路27を通すことにより、得られた出力ベクトルｕ（u₁,u
₂,‥‥u_n）の各要素の値が、各ニューロンが興奮状態に
あるか抑制状態にあるかを示す。このときの非線形処理
関数は、基本的には、入力に対して出力がその最大最小
共に飽和を起こすような単調な関数であれば、シグモイ
ド型、ステップ型等が提案されている。

尚、代表的ニューラルネットワークモデルであるホッ
プフィールドモデルにおいては、出力ベクトルｕは、発
光素子アレイ21にフィールドバックされる。また、フィ
ードフォワード型モデルにおいては、第４図に示す行列
ベクトル演算及び非線形処理ユニットを１つの層と考え
て、これを２層以上に多層化して、前層からの出力は後
層の入力として、接続され、最終的な出力ベクトルのパ
ターンが得られる。

尚、本実施例においては、液晶パネルを用いるが、現
在、単純マトリックス型及びアクテイブィマトリックス
型と呼ばれるものが市販されており、その最も一般的な
ものは、液晶テレビに使用されている。また、この液晶
パネルと同様の機能を有するものとして、Bi₁₂SiO₂₀（B
SO）やLiNbO₃などの電気光学効果を有する結晶にマトリ
ックス形成のための電極を配したものを挙げることがで
きる。

また、本実施例においては、非線形処理回路27として
は、電気的デバイスを用いることができるが、受光素子
アレイの部分に光双安定素子を配置して、光学的に閾値
処理等のための非線形処理を行なうこともできる。更
に、光双安定素子を出射した光束を光学的に増幅して次
の層に入力し、発光素子アレイを用いていたところを定
常光源に対する入力マスクアレイとすれば、純光学的に
ニューラルネットワークを構成することもできる。

このように、行列ベクトル演算、非線形処理、情報の
伝達を光学的に並列に行なうことにより、高速に大量の
データ処理を行なうことができる。

［発明の効果］本発明による光学的パターン識別装置により、上述の
ような効果が得られた、それらをまとめると、次のよう
な顕著な技術的効果が得られた。

即ち、第１に、ニューラルネットワークを用いた入力
画像（即ち被検画像）の識別を高速に且つ正確に、安価
な装置で実現することができる光学的パターン識別装置
を提供する。

第２に、入力画像の入力面内における回転やシフトが
存在するときにも識別可能で、尚、且つ、メモリする被
検画像のデータ数が多くとれることができる光学的パタ
ーン識別装置を提供する。

【図面の簡単な説明】

第１図は、本発明の光学的パターン識別装置の１例の構
成を示す模式構成図である。第２図は、本発明の光学的パターン識別装置で用いる受
光素子の受光領域パターンの一例を示す模式構成図であ
る。第３図（ａ）、（ｂ）は、本発明の光学的パターン識別
装置による出力パターンを示す説明図である。第４図は、本発明の光学的パターン識別装置に用いられ
る光学的ニューラルネットワークの一例を示す模式構成
図である。［主要部分の符号の説明］１……被検物体３……空間光変調器５……フーリエ変換レンズ６……受光素子 6a……領域Ａ 6b……領域Ｂ 6an、6bn……小領域７……出力処理器８……ニューラルネットワーク９……レーザ 12、22a〜22e、25a〜25e……光束 21……発光素子アレイ 23……液晶パネル 26……受光素子アレイ 27……非線形処理回路

Claims

(57)【特許請求の範囲】

【請求項１】ニューラルネットワークによりパターンの
識別を行なう光学的パターン識別装置において、少なくとも、入力パターンをコヒーレントに表示する画像表示装置
と、前記表示装置の表示された該コヒーレントなパターンを
光学的にフーリエ変換するフーリエ変換レンズと、前記光学的フーリエ変換レンズにより形成されたフーリ
エ変換像を受光する１つ乃至複数の受光素子で、その受
光面の有効受光領域が、２つ以上の領域からなり、その
１つは、放射状の仕切線により仕切られた複数の小領域
からなる第１の受光領域であり、もう１つは、同心円状
の仕切線により仕切られた複数の小領域からなる第２の
受光領域であり、前記第１の受光領域は、その放射状の仕切線の中心がま
た、前記第２の受光領域は、その同心円状の仕切線の円
の中心がほぼ前記フーリエ変換レンズの光軸と一致して
いる受光素子と、前記受光素子からの出力パターンを入力パターンとし
て、その識別を行なうニューラルネットワークとからな
ることを特徴とする光学的パターン識別装置。
【請求項２】前記ニューラルネットワークは、光学的
に、行列ベクトル演算或いは閾値処理或いはその両方を
行なうことを特徴とする請求項１に記載の光学的パター
ン識別装置。
【請求項３】前記ニューラルネットワークは、光学的に
ニューロン間の情報の伝達を行なうことを特徴とする請
求項１或いは２に記載の光学的パターン識別装置。
【請求項４】前記受光素子からの出力パターンは、その
パターン中の出力の最大値又は最小値が常に同一位置に
なり、且つその前後の順番は変化しないようにシフトさ
せて、前記ニューラルネットワークへ入力することを特
徴とする請求項１〜３のいずれかに記載の光学的パター
ン識別装置。
【請求項５】前記受光素子の前記第１及び第２の受光小
領域は、前記光軸を中心として、ほぼ180度の角度に跨
る連続した領域であることを特徴とする請求項１〜４の
いずれかに記載の光学的パターン識別装置。