JP2834894B2

JP2834894B2 - 光学的パターン認識分類方法

Info

Publication number: JP2834894B2
Application number: JP3041516A
Authority: JP
Inventors: 武居利治; 竹村安弘; 山崎英樹
Original assignee: Sumitomo Osaka Cement Co Ltd
Current assignee: Sumitomo Osaka Cement Co Ltd
Priority date: 1991-03-07
Filing date: 1991-03-07
Publication date: 1998-12-14
Anticipated expiration: 2013-12-14
Also published as: JPH04278631A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、光情報処理の分野にお
いて利用される光学的パターン認識分類方法に関する。
即ち、認識連想処理、分類処理、特に、光計測分野及び
画像処理分野における情報処理の演算処理による光学的
パターン認識分類方法に関する。

【０００２】

【従来の技術】従来、光学的に相関演算を行なう方法と
して、マッチドフィルター法とジョイントトランスフォ
ーム法があった。前者の方法は、二次元的な参照パター
ンをフーリエ変換した後に、参照波を照射し、所謂フー
リエ変換ホログラムを作成し、これをフィルターとし
て、被検パターンのフーリエ変換像を重畳することによ
り、相関演算を行なうものである。また、後者の方法
は、被検パターンと参照パターンの合同のフーリエ変換
像を強度パターンとして記録し、これを平面波で照射す
ることにより、相関演算を行なうものである。

【０００３】然し乍ら、両方の方法とも、参照パターン
群は、識別分類したいパターンの数だけ用意されてお
り、被検パターンの提示に対して、最大の相関出力を得
たパターン、即ち自己相関出力に基づいて得られた結果
を検出結果とする方法であるので、参照パターン数の増
大と共にメモリーすべき参照パターンが増大し、２次元
的或いは３次元的な空間光変調器の負担が大きくなると
共に、識別分類装置としての能力も空間光変調器の能力
に支配されることが大きく、実質的に優れた光学的識別
連想装置として使用することができなかった。

【０００４】また、発明者らは、後者の方法によって得
た相関度を基準にして、参照パターンに照射する光量を
変化させるフィードバック系を導入することにより、参
照パターン数の増大と被検パターンの識別や連想の効率
が向上させられることを、明らかにしたが、実質的に認
識分類できる被検パターン数を更に増大させる必要が望
まれた。また、ニューラルネットワークを用いた認識分
類方法が数多く提案されているが、学習後に新たに生じ
た認識分類したいパターンを追加する必要が生じた場合
に、結合の重みを再学習して作成しなければならず、学
習に多くの時間を要するなど合理的でなかった。

【０００５】

【発明が解決しようとする課題】本発明は、上記の問題
点を解決するためになされたもので、記録する参照パタ
ーン数を非常に少なくして且つ多くの被検パターンを識
別分類することができる光学的パターン認識分類方法を
提供することを目的とする。

【０００６】

【課題を解決するための手段】本発明は，上記の技術的
な課題を解決するために成されたもので、光学的パター
ン認識分類方法において、識別分類したい各クラスに属
するパターンと複数の参照パターンとの相関出力各々を
複数回測定し、得られた相関度の集合の代表値とバラツ
キを示すパラメーターを基準にして、認識分類したいク
ラス毎に前記の複数の参照パターンに対応したメンバー
シップ関数を作成し、同一の参照パターンに対する各認
識分類したいクラスの間でのメンバーシップ関数同志の
重なりあった面積の大きさ或いはメンバーシップ関数同
志の重なりあった領域における最大のメンバーシップ値
を重なりの程度とし、前記の重なりの程度を小さくする
参照パターンの組合わせを決定し、次いで被検パターン
と前記の組合わせにより決定された参照パターンとの相
関出力をとり、その相関出力を識別分類したいクラス毎
に割り当てられた前記の各々のメンバーシップ関数と照
合して各々のメンバーシップ値をとり、このメンバーシ
ップ値のうち最も小さいメンバーシップ値又は該メンバ
ーシップ値の相加平均値により、前記被検パターンがど
の認識分類したいクラスに属するかを判断することを特
徴とする光学的パターン認識分類方法を提供する。

【０００７】この重なりの程度を小さくする方法は、前
記の重なりあった面積の大きさが、予め決められた大き
さよりも大きくなる面積の領域の個数を算出し、該個数
が最も小さい参照パターンから小さい順番に参照パター
ンを追加して参照パターンのセットとし、認識分類した
いクラスの任意の２つのすべての組合わせにおいて、該
参照パターンのセットに含まれる参照パターンの数と前
記の予め決められた大きさよりも大きい面積を有する同
一の参照パターンに対するメンバーシップ関数の重なり
の領域の個数とが一致した場合の数を求め、この数が予
め決められた数よりも小さくなった段階の参照パターン
のセットとすることにより実現するものが好適である。
また、その重なりの程度を小さくする方法は、前記の重
なりあった領域における最大のメンバーシップ値が、予
め決められた大きさよりも大きいメンバーシップ値を有
する領域の個数を算出し、該個数が最も小さい参照パタ
ーンから小さい順番に参照パターンを追加して参照パタ
ーンのセットとし、認識分類したいクラスの任意の２つ
のすべての組合わせにおいて、該参照パターンのセット
に含まれる参照パターンの数と前記予め決められた大き
さよりも大きいメンバーシップ値を有する同一の参照パ
ターンに対するメンバーシップ関数の重なりの領域の個
数とが一致した場合の数を求め、この数が予め決められ
た数よりも小さくなった段階の参照パターンのセットと
することにより実現するものが好適である。

【０００８】そのメンバーシップ関数は、凸のファジー
集合を規定するものが好適である。そして、その複数の
参照パターンとの相関出力は、被検パターンと前記の複
数の各参照パターンとの自己相関出力或いは相互相関出
力のピーク値をとったものが好適である。また、その複
数の参照パターンとの相関出力は、該被検パターンと前
記の複数の各参照パターンとの自己相関出力或いは相互
相関出力の広がりに応じた受光範囲の全光量或いは平均
光量をとるものが好適である。また、その複数の参照パ
ターンとの相関出力は、該被検パターンと前記の複数の
各参照パターンとの自己相関出力或いは相互相関出力の
ピーク値との相関出力の広がりに応じた受光範囲の全量
或いは平均光量をとったものが好適である。更に、その
複数の参照パターンとの相関出力は、２次元受光素子か
らの出力値自体、或いは、２次元受光素子からの出力値
を被検パターン若しくは被検パターンと複数の参照パタ
ーンからの透過光量又は反射光量で規格化した量とする
ものが好適である。その複数の参照パターンとの相関出
力は、２次元受光素子の線形範囲若しくは該相関出力の
一部が、該２次元光電変換素子の最大受光量を越える範
囲で得られるものが好適である。

【０００９】複数の参照パターンとの相関出力は、フー
リエ変換ホログラムを用いて作成したフィルターを用い
て得たものが好適である。また、複数の参照パターンと
の相関出力は、被検パターンと各参照パターンとの合同
フーリエ変換を個別に行なうことにより得られた強度パ
ターンを再び光学的に個別にフーリエ変換するか、又
は、被検パターンと各参照パターンとの合同フーリエ変
換を一括して行なうことにより得られた強度パターンを
再び光学的に一括してフーリエ変換することにより得た
ものが好適である。そして、複数の参照パターンとの相
関出力は、光透過率或いは光反射率分布で表わされた被
検パターンと各参照パターンを重ねインコヒーレント光
で照射し、反射或いは透過してきた光量をとることによ
り得たものが好適である。

【００１０】

【作用】前記のような光学的パターン認識分類方法によ
れば、いくつかの認識分類したいクラスに属するパター
ンと、参照パターンとの相関度をとることにより、各参
照パターンに含まれる特徴を共有した分の相関度が、認
識分類したいパターン毎に、参照パターンの数だけ得ら
れ、この相関度のセットは、空間光変調器の時間的不安
定さやスペックノイズによる相関度の揺らぎ量を考慮に
入れたメンバーシップ関数として表現される。

【００１１】ここで、認識分類したいクラスを少数の参
照パターンで最適に分類するために、同一の参照パター
ンに対する各認識分類したいクラスのメンバーシップ関
数の重なりが、少なくなるように参照パターンのセット
を選択し、これらの少数の参照パターンに対応したメン
バーシップ関数を選択することで実現する。次に、被検
パターンを識別分類するときには、参照パターンとの相
関度に基づき上記メンバーシップ関数と照合することに
より、認識分類したいクラスとの一致度の程度をメンバ
ーシップ値の最小値或いは平均値より得ることができる
のである。

【００１２】次に、本発明の光学的パターン認識分類方
法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。

【００１３】

【実施例１】図１は、本発明の光学的パターン認識分類
方法の１例による光学的相関処理装置の機能を示す模式
的構成図である。図１の光学的配置図において、光学的
相関処理装置は、画像出力手段１、光学的フーリエ変換
手段２、パターン出力手段３、光学的フーリエ変換手段
４、光検出手段５とから本質的に構成される既知の合同
フーリエ変換光学系であるので、その構成について、簡
単に説明する。

【００１４】画像表示装置１６に描かれた認識分類した
いパターン１つと参照パターン群をレーザ１１から出射
されたコヒーレント光束１２で読み出し、フーリエ変換
レンズ２１により、スクリーン３１上に合同フーリエ変
換パターンを形成する。この合同フーリエ変換パターン
を、２次元光電変換素子３２で読み込み、液晶駆動回路
３３により、電気アドレス型の液晶ライトバルブ（以下
ＬＣＬＶと略称する）３５上に描き、光束３７で読み出
し、フーリエ変換レンズ４１により、再び、フーリエ変
換し、スクリーン４２上の相関強度を２次元光電変換素
子４３により検出する。

【００１５】本発明の方法においては、認識分類したい
パターンと各参照パターンとの相関度を上記光学系によ
り検出した後、コンピュータ５１により、認識したいパ
ターン一つ一つに対する各参照パターンとの相関度に基
づいて、参照パターンに対応したメンバーシップ関数を
作成し、未知の画像の認識分類を該メンバーシップ関数
との照合により、行なうことを特徴とする。

【００１６】ここで、前記のメンバーシップ関数の作成
方法の一例を、次に説明する。例えば、参照パターン群
として、３つの文字パターンＥ、Ｖ、Ｘを選定し、認識
分類したい文字パターンをＨとして、図２のように、３
つの文字パターンを同心円上に等間隔に、認識分類した
い文字パターンを同心円の中心に、画像表示装置１６上
に描いたとする。この場合、二次元光電変換素子４３の
出力、即ち、文字パターンＨと各参照文字パターンとの
相関出力は、パターン表示装置上に描かれた対応する各
参照文字位置に現れ、図３に示すように、光強度として
検出される。

【００１７】ここでは、相関出力強度のピーク値の大き
いもの程、大きい丸印で表わしている。なぜならば、Ｈ
を構成する２つの平行線と横棒が、各参照文字パターン
の構成要素の横棒と縦棒と反応した結果、相関出力強度
に図示されたような差が生じるためである。尚、図３に
おいて、光軸上に現れる自己相関パターンはここでは関
係がないので省略してある。

【００１８】さて、このようにして得た相関出力強度を
コンピュータ５１に送り、メモリーし、同様に、識別分
類したいパターンを次々に画像表示装置１６上に提示
し、得られた相関強度のピーク値を更に、コンピュータ
５１に次々にメモリーして行く。更に、これらの動作を
各識別分類したいパターンについて複数回行なう。これ
は、コヒーレント光によるスペックノイズや、画像表示
装置１６及びＬＣＬＶ３５の時間的な不安定性や二次元
光電変換素子３２の信号の入力タイミング等の影響によ
り、相関出力強度のピーク値が揺らぐので、唯一回の相
関出力値を用いて認識分類を行なうと正確な識別分類を
行なうことができないためである。そこで、複数回のデ
ータから各クラスに属するパターンに対するピーク値の
平均値と標準偏差量を計算し、ＥとＶとＸのパターンに
対する相関出力強度のピーク値のメンバーシップ関数を
台形型とし、例えば、平均値から標準偏差の大きさの範
囲までをメンバーシップ値１とし、標準偏差の大きさの
３倍をメンバーシップ値０として、台形の斜辺に相当す
る部分を標準偏差の大きさに等倍から３倍迄とする。

【００１９】図４は、このようにして得た識別分類した
いパターンをＨとした場合のＥとＶとＸに対する相関出
力のピーク値をメンバーシップ関数として表現したグラ
フである。このようにして、すべての認識分類したいク
ラスに対してメンバーシップ関数を作成し、コンピュー
タ５１内に認識分類したいクラスの情報と共に、蓄えて
おく。但し、標準偏差量が複数回の試行において、たま
たま非常に小さいという場合もあるので、若干の補正を
加えることも必要である。

【００２０】未知のパターンの認識は、前記方法で得ら
れた各参照パターンに対するメンバーシップ関数と未知
のパターンの相関度とのメンバーシップ値を取り、この
メンバーシップ値のうち、最も小さいメンバーシップ値
或いは平均値を認識分類したいクラスに属する程度とす
るので、参照パターンは、できるだけ少なく、且つ、認
識分離能力のある組合わせにした方が、誤認識の確率を
下げることができると共に、認識時間の削減につなが
る。

【００２１】以下に、このような参照パターンセットの
作成方法について述べる。このように作成された認識分
類したいパターンＨ、Ｎ、Ｗに対するメンバーシップ関
数が、各々、図４、図５、図６に示されたものであると
する。ここで、出来るだけ少ない参照パターンのセット
で合理的にクラス分けを行なうために、次の操作を行な
う。即ち、先ず、同一参照パターンについて、認識分類
したいパターンの有するメンバーシップ関数同志の重な
りあった面積の大きさを、重なりの程度として表わし、
この大きさが所定の大きさよりも大きい面積を有する領
域の個数を算出し、この個数の最も小さいものから小さ
い順番に参照パターンを追加して、参照パターンのセッ
トとする。次に、認識分類したいクラスの任意の２つの
すべての組合わせにおいて、選択された参照パターンの
セットに含まれる参照パターンの数と所定の大きさより
も大きい重なりの面積を有する同一参照パターンに対す
るメンバーシップ関数の重なった領域の個数とが一致し
た場合の数を求め、この数が所望の個数よりも小さくな
った段階で参照パターンの追加を止める。以下、具体的
にその方法を示す。

【００２２】例えば、パターンＨ、Ｎ、Ｗの３パターン
に対しては、２つのパターンの組合わせは、３通りある
ので、各々に対して、各参照パターンのメンバーシップ
関数の重なる面積を算出すると、図７に示す表が得られ
る。ここで、各参照パターンのメンバーシップ関数の重
なる面積が大きければ大きい程、該当する２つのパター
ン間の識別ができないということになる。従って、例え
ば、殆ど完全にすべてのパターン間を識別しようとすれ
ば、面積が０よりもかなり大きいものは都合が悪いこと
になる。そこで、各参照パターンのメンバーシップ関数
の重なる面積が、０．５よりも大きいものについては、
誤認識を起こし易いものとし、０．５以上の面積を有す
る領域の個数を数えると、参照パターンＥ、Ｖ、Ｘにつ
いて、各々、１、２、３になる。従って、先ず、重なり
の程度の一番小さいパターンＥを選択し、次に、重なり
の程度の小さいパターンＶを選択する。このとき、参照
パターンのセットの数は、２つであり、参照パターン
Ｅ、Ｖについての認識分類したいパターンの２つの組合
わせよりなるメンバーシップ関数の重なりの面積が、
０．５よりも大きいものの数は、すべて１になるので、
この３つのパターンについて識別可能な参照パターンの
セットは、パターンＥとＶの２つということになり、パ
ターンＸは不要となる。

【００２３】また、別の基準で参照パターンの合理的な
セットを選択することもできる。即ち、先ず、同一の参
照パターンについて、認識分類したいパターンの有する
メンバーシップ関数同志の重なりあった領域における最
大のメンバーシップ値を重なりの程度として表わし、こ
の大きさが所定の大きさよりも大きい値を有する領域の
個数を算出し、この個数も最も小さいものから小さい順
番に参照パターンを追加して参照パターンのセットとす
る。次に、認識分類したいクラスの任意の２つのすべて
の組合わせにおいて、選択された参照パターンのセット
に含まれる参照パターンの数と所定の大きさよりも大き
い重なりの程度を有する同一の参照パターンに対するメ
ンバーシップ関数の重なった領域の個数とが一致した場
合の数を求め、この数が所望の個数よりも小さくなった
段階で参照パターンの追加を止める。以下、具体的に、
その方法を示す。

【００２４】例えば、パターンＨ、Ｎ、Ｗの３パターン
に対しては、２つのパターンの組合わせは３通りあるの
で、各々に対して、各参照パターンのメンバーシップ関
数の重なった領域における最大のメンバーシップ値を算
出すると、図８に示す表が得られる。ここで、各参照パ
ターンのメンバーシップ関数の重なった領域における最
大のメンバーシップが大きければ大きい程、該当する２
つのパターン間の識別ができないということになる。従
って、例えば、殆ど完全にすべてのパターン間を識別し
ようとすれば、上記の最大のメンバーシップ値が０より
もかなり大きいものは都合が悪いことになる。そこで、
各参照パターンのメンバーシップ関数の重なった領域に
おける最大のメンバーシップ値が、０．５よりも大きい
ものについては、誤認識を起こし易いものとし、０．５
以上の面積を有する領域を数えると、参照パターンＥ、
Ｖ、Ｘについて、各々、１、２、３になる。従って、先
ず、重なりの程度の一番小さいパターンＥを選択し、次
に、重なりの程度の小さいパターンＶを選択する。この
とき、参照パターンのセットの数は、２つであり、参照
パターンＥ、Ｖについての認識分類したいパターンの２
つの組合わせよりなるメンバーシップ関数の重なった領
域における最大のメンバーシップ値が、０．５よりも大
きいものの数は、すべて１になるので、この３つのパタ
ーンについて識別可能な参照パターンのセットは、パタ
ーンＥとＶの２つということになり、パターンＸは不要
となる。

【００２５】上記したように、メンバーシップ関数の重
なりの程度を評価する尺度を重なりあった面積にした場
合には、本実施例の場合、標準偏差の大きさよりも大き
い範囲がメンバーシップ関数を形成する台形の斜辺に当
り、この範囲に被検パターンの相関度が観測される確率
は、統計的に３３％位となっているので、上記重なった
面積は、このような確率的な分布を、ある程度反映した
ものとなるので、実際の未知のパターンを認識する場合
に、適合し易いという長所を有する。一方、メンバーシ
ップ関数の重なりの程度を評価する尺度を重なりあった
領域におけるメンバーシップ値の最大値にした場合に
は、認識過程における最悪値を想定することができる。
これは、認識過程においては、未知のパターンの相関度
と各参照パターンのメンバーシップ関数とのメンバーシ
ップ値を取り、その最小値若しくは平均値を認識結果と
する方法なので、図８において、参照パターンＥとＶに
対し、識別分類したいパターンＨとＷに対しては、最悪
０．２というメンバーシップ値を有する可能性がある。
この場合には、２つのパターンを認識することができな
い。但し、このような場合は極めて稀であり、実際の認
識においては、ほとんど起こり得ない。

【００２６】次に、前記の方法が有効である理由を述べ
る。即ち、例えば、フーリエ変換面でなるべく重ならな
い参照パターンをＮ個用意し、認識分類したいパターン
をＭ個とする。また、観測される相関度の標準偏差の３
倍の広がりの領域をＲとし、検出器のダイナミックレン
ジをＤとすれば、重ならない領域、即ち、直交する領域
の数Ｂは、Ｂ＝Ｄ／Ｒ程度になる。ここで、認識分類し
たいパターンの有する空間周波数が、様々であると仮定
すると、確率的に論じることがある程度可能になる。即
ち、１つの認識分類したいクラスに対しては、Ｎ個の参
照パターンをＢ個の領域に入れる場合の数Ｇは、Ｂ^Nと
なり、Ｍ個に認識分類したいクラスに対しては、Ｇ＝Ｂ
^(N+M)となる。一方、完全に認識できるためには、すべ
ての場合の数に対して、Ｍ個のクラスが１つ１つ別の領
域を確保することにより、実現することができる。

【００２７】即ち、その場合の数は、_GＰ_Mとなる。従っ
て、その確率Ｐは、Ｐ＝ _GＰ_M／Ｇとなる。さて、認識分類したいクラスが１０００個あったとし、
直交する領域が１０個、或いは２０個確保できたものと
すると、参照パターンがどの程度必要になるかを検討す
れば、図９に示す表を得ることができる。この表から明
らかなことは、１０００個のクラスをほぼ完全に識別す
ることができる参照パターンの数は、直交する領域が１
０個、２０個の場合で、各々８個以上、７個以上という
ことができる。従って、前記のように、メンバーシップ
関数の重なりの程度を計算しながら、参照パターンを追
加していくことで、ほとんど確実にすべてのクラスを分
離する参照パターンの組合わせを導出することができ
る。

【００２８】以上のようにして得られた参照パターンの
セットＥとＶとを使用して、認識分類する方法につい
て、以下詳細に説明する。さて、図２において、文字パ
ターンＨの代わりに未知の文字パターンを提示し、各参
照パターンに対する相関出力強度のピーク値を、コンピ
ュータ５１に取り込み、前記の各認識分類したいパター
ンのメンバーシップ関数と照合する。例えば、認識分類
したいパターンＨ、Ｗ、Ｎに対するメンバーシップ関数
が各々図４、図５、図６に示されたものであるとする。
この時、未知の文字パターンの相関出力強度のピーク値
が、パターンＥに対してａ点、パターンＶに対してｂ点
の出力を得たとする。図１０は、ａ点、ｂ点が各認識分
類したいパターンに対して、どの程度のメンバーシップ
値を有するかを示したグラフである。前記の例では、
１、０の値しか有さなかったが、台形の斜辺に相当する
部分に値を有する場合もあり、一般的にはメンバーシッ
プ値は、アナログ値を有する。

【００２９】さて、図１０に示すメンバーシップ値か
ら、ファジー論理的にＡＮＤ演算を行なえば、各認識分
類したいパターンのメンバーシップ値の最小値を取るこ
とになり、未知のパターンに対して、パターンＨ、Ｗ、
Ｎは、各々、１、０、０となる。従って、未知のパター
ンは、１００％パターンＨであると言うことができる。
一方、メンバーシップ値の最小値が０ではないパターン
が、いくつもあった場合には、その最小値の値をもっ
て、あるパターンである度合いを推し量ることができ
る。また、図１０のメンバーシップ値の相加平均値を判
断材料にすることもできる。即ち、この場合には、未知
のパターンに対して、パターンＨ、Ｗ、Ｈは、各々、
１、０．５、０となるので、各々のパターンの度合いを
推し量ることができる。但し、相加平均を用いる場合に
は、ある参照パターンとの相関度が全く合っていなくと
も答えが出ることがあるので、ファジー論理的なＡＮＤ
演算のほうが、誤りは少ないが、ＡＮＤ演算で答えを得
ることが困難である場合の補助演算として意味がある。
即ち、なんらかの原因で、平均値を取るときの状態と著
しくズレて、１つの参照パターンとだけメンバーシップ
値が０で、他の参照パターンとは１であるような場合、
ＡＮＤ演算では正しく答えを出すことができなくなる。
この場合、第２候補として、相加平均を使用する等の使
い方ができる。

【００３０】尚、前記の実施例において、メンバーシッ
プ関数を台形型にしたが、メンバーシップ関数に凹みが
ない、所謂、凸のファジー集合となるものであれば、ど
のようなものであっても、構わない。また、本実施例で
のメンバーシップ関数の作成の基準を標準偏差に取り、
この３倍程度をメンバーシップ関数の広がりの尺度にし
たが、この広がりをどのように決めてもよい。例えば、
メンバーシップ値が１になる領域を、標準偏差量の２倍
に取れば、統計的には、検出される相関度の約９７％
が、この領域に入るので、認識分類したいクラスをほぼ
１００％の割合で検出することができるが、メンバーシ
ップ関数が広がるために、その分、他のクラスとの分離
がしづらくはなる。

【００３１】さて、相関出力強度の取り方は、前記のピ
ーク値以外に相関出力の広がりに応じた受光範囲の全光
量或いは、その平均光量を取っても同様なことができ
る。相関出力は、一般的に、２つのパターンをＡ（ｘ、
ｙ）、Ｂ（ｘ、ｙ）としたとき、以下に示される式で表
わされる。Ｉ（ｘ’、ｙ’）＝∬Ａ（ｘ、ｙ）Ｂ^*（ｘ’−ｘ、ｙ’−ｙ）ｄｘｄｙここで、^*は、複素共役量を示す。この式から、相関出
力は、パターンの大きさの２倍の広がりを有することが
分かる。従って、ピーク値から、この広がりを考慮した
エリア内の全光量或いは、その平均光量を取ることがで
きる。図１１は、相関光量の分布がどのようになるかを
模式的に示すが、２つのパターンの重なり具合を、紙面
の上下方向にずらせて表現してある。この場合、例え
ば、パターンＥとパターンＨの相関光量は、図１１のａ
に示すように、完全に重なった場合、ピーク値となり、
図１１のｂに示すようにパターンの大きさだけズレる
と、パターンＨの１つの縦棒とパターンＥの縦棒が重な
るので、ピーク値よりは小さいが、相関光量を検出する
ことができる。

【００３２】図１１のｃは、このようにして作成したパ
ターンＥとパターンＨの相関光量分布を示したものであ
り、中央の大きい丸がピーク光量を示し、上下の小さい
丸が、横棒の反応を示し、横の小さい丸が縦棒の反応を
示している。従って、これらの全光量或いは平均光量中
には、ピーク光量には見られない各パターンの特徴が、
より良く反映された情報を得ることができる。

【００３３】図１２は、前記の合同フーリエ変換を用い
て実際に実験したときに得られた相関出力の広がりに応
じた受光範囲の平均光量を基にして作成した参照パター
ンＥとＶに対する識別分類したいパターン（アルファベ
ット１５パターン）のメンバーシップ関数を示す。実線
は、パターンＥに対するメンバーシップ関数、破線は、
パターンＶに対するメンバーシップ関数を表わし、横軸
を相関出力の平均光量で表わしたものである。但し、１
つしかメンバーシップ関数のないものがあるが、これは
もう１つのメンバーシップ関数が横軸のスケール内に納
まらなかったので、省略したものである。図１３は、実
際に前記合同フーリエ変換法を用いて、実験して得られ
た結果を示す。未知のパターンをアルファベットの１５
パターンとして、各々、３回提示したときに得られた前
記のファジー論理的ＡＮＤ演算結果により導いた各パタ
ーンの識別分類の程度を表わしたものである。左側のア
ルファベットが入力パターンで、第１番目、第２番目の
括弧内の数値は各々参照パターンＥ、Ｖに対して測定さ
れた相関の平均光量を示す。また、右側のアルファベッ
トが、図１０のメンバーシップ値のファジー論理的ＡＮ
Ｄ演算を行なって得た認識文字であり、数値は、ＡＮＤ
演算結果を１００倍したものである。

【００３４】このように紛らわしいものが、幾つかある
が、その程度の最も高いものを選択すれば、すべてのパ
ターンをたった２つの参照パターンで識別したことにな
る。これは、一般的な自己相関を用いた従来の相関処理
には、見られないものである。尚、本実験においては、
簡単化のために、参照パターンセットの作成は、図７、
図８に示したように、アルファベットのＨ、Ｎ、Ｗを完
全に分離できる参照パターンＥ、Ｖを用いて行なったの
で、他の被検パターンについては、若干分離が悪くなっ
ている。また、図１３から分かることは、パターンＴ、
Ｌ、Ｉの組と、パターンＫ、Ｍの組が特に紛らわしい
が、これは、各パターンの特徴が類似しているためであ
り、このままでも、相関の程度の高いものを取ることに
より、認識を行なったり、分類を行なうには使用するこ
とができる。然し乍ら、この影響を完全に取り除き、完
全な認識を行なう用途に用いようとする場合でも、非常
に簡単な処理で実現することができる。即ち、紛らわし
いパターン間のメンバーシップ関数が、重ならないよう
なパターンを１つ取り入れることにより、これを実現で
きる。これは、ファジー論理的なＡＮＤ演算を行なうた
めに、１つでも、メンバーシップ値が０であれば、違う
パターンと認識するからである。

【００３５】また、すべての識別分類したいクラスにお
いて、本実施例で述べた参照パターンセットの作成法を
用いれば、ほぼ完全に分離した認識ができることは言う
までもないことである。また、識別分類したいクラス及
びパターンが、増えた場合でも、簡単に対応することが
できる。何故ならば、増えたパターンに対するメンバー
シップ関数を作成するだけで良いからである。この場
合、通常のニューラルネットワークのように、追加学習
により、ニューロンをつなぐ全結線の重みをすべて変え
る等の操作は、全く不要である。また、ニューラルネッ
トワークでは、識別分類したいクラス及びパターンが増
えた場合、ニューロン数の増大により、学習時間が非常
に大きくなるという問題があるが、本発明のパターン識
別分類方法においては、そのような問題が生じない。但
し、この場合、増やしたパターンやクラスが既に記憶さ
れているパターンやクラスとかなり近くなる恐れがある
が、参照パターンの数を予め少し余裕をもって多めにと
っておくことにより、このような事態を避けることがで
きる。

【００３６】また、連想等の用途に使用する場合には、
メンバーシップ関数の広がり具合を、光学系の揺らぎを
考慮したものよりも更に大きく、特に、相関強度の低い
側に伸ばすことにより、欠陥パターンから、元のパター
ンを連想することができる。また、逆に余計な情報が付
け加わっているパターンから主要なパターンを連想する
場合には、メンバーシップ関数の広がり具合を相関強度
の高い側に伸ばすことにより、元のパターンを連想する
ことができる。但し、この場合には、欠陥パターンや余
計な情報の加わったパターンを識別するために、メンバ
ーシップ関数の広がりが大きくなり、メンバーシップ関
数同志の重なりの程度が大きくなってしまい、直交する
領域が実質上少なくなってしまうので、認識分類できる
パターンの数が減少することになる。これを避けるため
には、被検パターン或いは被検パターンと参照パターン
の全光量を受光し、検出された相関光量を、この光量で
規格化すればよい。

【００３７】これは、例えば、図１における画像表示装
置１６とフーリエ変換レンズ２１の間にビームスプリッ
ター１７を設け、図１４のように、２次元受光素子４４
で被検パターン或いは被検パターンと参照パターンの全
光量を受光し、コンピュータ５１に出力を送ることによ
り実現できる。尚、その他の光学系は、図１と同様なの
で図１４においては、省略してある。さて、以上のよう
にして得た規格化光量を使用して、各参照パターンに対
する被検パターンの相関光量を規格化すると、被検パタ
ーンの光量による規格化においては、例えば、ある被検
パターンの各参照パターンに対する相関光量が、Ｘ_Nで
あり、この被検パターンが欠損した場合の各参照パター
ンに対する相関光量の減少分が、Δ_Nであったとする
と、規格化を行わない場合には、Ｘ_N−Δ_Nとなるが、規
格化を行なうと、被検パターンに欠損のない場合の被検
パターンの光量をＡ、欠損のある場合の光量の減少分を
Ｄとすれば、規格化された相関光量は、各々、Ｘ_N／Ａ
と（Ｘ_N−Δ_N）／（Ａ−Ｄ）となり、欠損の少ないうち
は、Ａ＞Ｄであるので、（Ｘ_N−Δ_N）／Ａ＊（１＋Ｄ
／Ａ）となり、規格化していない場合に比べ、Ｄ／Ａ分
だけ、欠損の効果を軽減することができる。

【００３８】従って、この分だけ、認識分類したいクラ
ス数を増加させることができる。また、被検パターンと
参照パターンの全光量で規格化する場合においては、空
間光変調器の時間的な揺らぎや不安定性の要因と、欠損
の影響を共にある程度、軽減させることができる。この
理由は、参照パターンの光量をＢとし、空間光変調器の
揺らぎによる変化分をＥとすれば、Ｂ＞Ｅであるので、
被検パターンに欠陥のない場合とある場合の規格化され
た相関光量は、各々、Ｘ_N／（Ａ＋Ｂ）、（Ｘ_N−
Δ_N）／（Ａ−Ｄ＋Ｂ−Ｅ）となるので、欠損が少な
く、揺らぎの変化分も大きくないうちは、Ａ＋Ｂ＞Ｄ＋
Ｅとなるので、上記した被検パターンの光量による規格
化と同様にして、（Ｄ＋Ｅ）／（Ａ＋Ｂ）分だけ、欠損
の効果と空間光変調器の揺らぎによる効果を軽減するこ
とができる。

【００３９】また、欠陥があるかないかの判定等の用途
に使用することもできる。この場合には、連想の場合と
逆であり、光学系の揺らぎを考慮して作成したメンバー
シップ関数の広がりを超えた場合、例えば、光学系の揺
らぎによる標準偏差の３倍を超えた場合には、欠陥があ
ると見做す等の使用方法ができる。

【００４０】さて、前記の実施例では、参照パターン２
つで少なくとも、１５パターンの識別を行なうことがで
きていたが、非常に大ざっぱに、本発明の方法の能力を
考えると、例えば、検出される相関出力のダイナミック
レンジが、１：１００で、１つのメンバーシップ関数の
メンバーシップ値が、０でない範囲が、１０の広がりを
有しているとすると、Ｎ個の参照パターンについて、１
０^Nの直交する領域を作っていることになる。この中
に、識別分類したいパターンを入れれば、良い。従っ
て、非常に少ない参照パターンで、非常に多くの異なっ
たパターンを識別分類することができる。更に、ファジ
ー的ＡＮＤ演算を使用しているので、曖昧性を許容する
判断をさせると、完全に直交した領域に、メンバーシッ
プ関数を割り当てる必要はなくなり、識別できるパター
ン数は、更に膨大に膨らますことができる。

【００４１】また、相関出力のピーク値と相関パターン
の広がりに応じた受光領域の平均光量の両方をメンバー
シップ関数として用いれば、一つの参照パターンにつ
き、２つの性質の異なる情報を取ることができる。従っ
て、更に、参照パターン数を削減することができるし、
多くの情報からより確実な認識分類をすることができ
る。

【００４２】また、相関出力を検出する２次元受光素子
のダイナミックレンジに制限があるために、相関光量の
すべてを受光することは実質上できない。そこで、相関
光量の最大値、即ち、相関出力のピーク量を２次元受光
素子の最大の感度に合わせれば、相関光量をピーク出力
で検出する場合においては、最大の効果を上げることが
できる。ところが、相関出力の広がりに応じた受光範囲
の全光量或いは平均光量を取る場合、相関出力のピーク
出力が大きいので、相関出力のピーク以外の出力を検出
しても、あまり大きな値を得ることができない場合があ
る。このような場合には、２次元受光素子の最大の感度
を相関光量のピーク値よりも低いところに設定し、相関
出力ピーク値付近の光量に対しては飽和させるようにし
て、周辺のパターンの特徴をよりよく反映させる部分の
光量については、線形的な反応を示すように設定するこ
とにより、有効に２次元受光素子のダイナミックレンジ
を使用することができるようになるので、相関出力の広
がりに応じた受光範囲の全光量或いは平均光量を取る場
合には、非常に有効となる。

【００４３】本実施例においては、相関出力を得るため
の光学系として、合同フーリエ変換器を用いたが、この
場合には、参照パターンの追加や書き替えが簡単である
という長所がある。更に、識別分類能力を高めるには、
合同フーリエ変換相関器でない方が良い。この理由は、
参照パターン群と被検パターンを同時にフーリエ変換す
ると、図１のスクリーン３１上の多重干渉縞パターンの
コントラスト比が、参照パターン数の増大と共に低下す
るために、得られる相関出力が低下することにより、メ
ンバーシップ関数の割当てられるダイナミックレンジが
低くなり、実質上のパターン識別能力を低下させること
になるからである。そこで、前記の相関出力の低下を避
ける相関処理方式の方が、より効率的である。このよう
な相関処理方式を用いた実施例を、次に、説明する。

【００４４】

【実施例２】図１５は、既知のマッチドフィルタを再生
する光学系である。マッチドフィルタ６１は、予め複数
の参照パターンを光学的にフーリエ変換したパターン
を、各参照パターン毎に、平面波の照射方向を変えなが
ら多重記録したものを用いる。図１５に示すように、レ
ーザ１１より出射された光束１２は、ビームエキスパン
ダ１３により適当な光束径に広げられ、画像表示装置に
描かれた識別分類したいパターンを照射する。次に、パ
ターンの複素振幅分布を有する光束は、フーリエ変換レ
ンズ２１によりフーリエ変換され、マッチドフィルタ上
に描かれた多重干渉縞パターンを照射する。次に、パタ
ーンの複素振幅分布を有する光束は、フーリエ変換レン
ズ２１によりフーリエ変換され、マッチドフィルター上
に描かれた多重干渉縞パターンを照射する。このとき、
識別分類したいパターンと同じ空間周波数スペクトラム
を有する参照パターンから、その参照パターンを作成し
たときに用いた平面波の方向に回折光が出射される。こ
の回折光を集光レンズ２２によりスクリーン３１上に集
光すれば、一方の回折光は、参照パターンと識別分類し
たいパターンとの相互相関パターンになり、他方は、コ
ンボリューションとなる。そこで、各参照パターンによ
る相互相関出力が現れる位置は、予め分かっているの
で、その位置の相関出力強度のピーク値或いは全光量を
測定することができる。以下、他の識別分類したいパタ
ーンについて、同様に相関出力強度を測定し、メンバー
シップ関数を作成する過程は、実施例１と同様であるの
で、説明を省略する。

【００４５】この場合、マッチドフィルタには、各参照
パターン同志のフーリエ成分が重畳されていないので、
相関出力のコントラスト比が、参照パターンを増加させ
ることにより、低下する程度が少なくなる。従って、メ
ンバーシップ関数の割当てられるダイナミックレンジが
低下することが少ないので、極めて多くのパターンを少
数の参照パターンで識別することができる。尚、前記実
施例におけるマッチドフィルタは、フーリエ変換ホログ
ラムにより作成されたものが、多いが、フーリエ変換ホ
ログラム自体で同様なことができることは言うまでもな
いことである。

【００４６】また、他の種類の合同フーリエ変換装置に
よっても、同様な効果を発揮することができる。即ち、
簡単に言うと、合同フーリエ変換の各参照パターンと認
識分類したいパターンとの合同フーリエ変換をレンズア
レイを用いて、個別に同時並列的に行なうものである。
これは、各参照パターン同志のフーリエ変換成分が重な
り、参照パターンと認識分類したいパターンとの相互相
関強度のコントラスト比を低下させるという問題がなく
なる。更に、マッチドフィルタと異なり、参照パターン
の増加や書き替えが可能になるので、より柔軟な処理を
行なうことができる。例えば、認識において、予めセッ
トした参照パターンでは、完全に分離が行なえない等の
ときに、参照パターンの一部を書き替え等の要求に答え
ることができるものである。実施例１、２ともに、コヒ
ーレント光学系を基にしているために、入力パターンの
並進ズレに強いという特徴を有する。これは、相関出力
位置が入力パターンの並進ズレに対して、対応して動く
からである。

【００４７】次に、簡単で、集積化が比較的簡単な光学
系の一例を挙げる。

【実施例３】図１６に示す例は、既知のインコヒーレン
ト系の相関光学系である。光学系としては、画像表示装
置１６と参照パターンマスク６２を近接して並べ、画像
表示装置１６上に描かれたパターンと参照パターンとの
積の出力を、集光レンズアレイ７１を用いてスクリーン
３１上に集光し、２次元光電変換素子４３で集光された
各参照パターンからの出力を検出するものである。画像
表示装置１６上には、参照パターンマスク６２に対応し
た画素に対して、識別分類したいパターンをアレイ状に
並べて表示することになる。この場合、各参照パターン
と識別分類したいパターンとの相互相関ピークが、検出
されることになる。以下説明する動作は、画像表示装置
上に、他の識別分類したいパターンを次々に表示し、こ
れらの出力値を、基に各識別分類したいパターンに対し
て、各参照パターンの数だけのメンバーシップ関数を作
成することにより、実施例１、２と同様なことができ
る。但し、この場合には、入力パターンの並進ズレに対
する許容度は全くなくなってしまうが、非常に簡単な構
成で、しかも、集積化し易いという特性がある。

【００４８】尚、上記の実施例で使用する光学的相関処
理系は、どのようなものでもよい。また、合同フーリエ
変換相関光学系においても、様々な光学系が提案されて
いるが、図１のスクリーン３１、二次元光電変換素子３
２、パターン処理装置３３、電気アドレス型液晶ライト
バルブ３５の代わりに、光アドレス型の液晶ライトバル
ブを用いたものでも同様なことができる。

【００４９】尚、本発明において、空間光変調器の働き
をしている部分については、仕様上の差異があるが、原
理的には、すべて同様の電気アドレス型のもの及び光ア
ドレス型のものが、使用可能である。また、アナログ的
なものやデジタル的なものも使用可能である。アナログ
的なデバイスとしては、以下に述べる大半のデバイス
が、属するが、デジタル的なものとしては、強誘電性材
料を用いたものが相当する。電気アドレス型の例として
は、上記の液晶ライトバルブの他に、ＰＬＺＴやＫＤ
Ｐ、ＢＳＯ等の電気光学効果を付加したものが良く使用
されている。光アドレス型の例でも、電気アドレス型と
同様の材料に、光導電層を組み合わせたものが、一般的
である。但し、ＢＳＯやＢａＴｉＯ₃等の光起電力効果
を有する結晶では、入力光強度に応じた自発分極により
光誘起屈折率変化を起こすから、これらの空間光変調器
は、透過型としても、反射型としても構成することがで
きる。但し、光アドレス型で読み出し光が、書き込み光
の情報を完全に打ち消してしまうような場合には、読み
出し光と書き込み光の波長域を分離して、読み出し光
が、書き込み情報に影響を与えないようにすること等の
工夫が必要である。また、電気アドレス型を使用する場
合は、その入力情報を得るための二次元光電変換素子及
びそのための駆動回路が必要になるが、その信号を加工
し易いという利点がある。

【００５０】

【発明の効果】以上説明したように、本発明の光学的パ
ターン認識分類方法により、前記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
となる。即ち、第１に、空間光変調器の時間的な揺らぎ
やスペックルノイズ等の時系列的な揺らぎを統計的諸量
を基にして作成した相関度のメンバーシップ関数に含ま
せることにより、アナログ処理における判断の不確実性
を除去できる光学的パターン認識分類方法を提供するこ
とができた。第２に、認識分類したいパターンが有する
各参照パターンの相関度とメンバーシップ関数とのメン
バーシップ値を取り、ファジー論理的ＡＮＤ演算を行な
うことにより、極めて正確な認識や分類の行なえる光学
的パターン認識分類方法を提供することができた。

【００５１】第３に、参照パターンのセットの最適な組
合わせを決定することにより、参照パターンを少数提示
するだけで、非常に多くのパターンの認識や分類を高速
に且つ正確にできる光学的パターン認識分類方法を提供
することができた。第４に、新たに認識分類したいパタ
ーンを追加する場合にも、このパターンに対する各参照
パターンの相関度のメンバーシップ関数を作成すること
により、簡単に実行することができる光学的パターン認
識分類方法を提供することができた。

【００５２】第５に、認識結果が紛らわしい場合でも、
少数の参照パターンを付け加え、新たにこのパターンに
対してメンバーシップ関数を作成することにより、簡単
に且つ完全に認識されることができる光学的パターン認
識分類方法を提供することができた。第６に、認識、分
類、連想、等の用途に応じて、メンバーシップ関数の広
がり具合を光学系の揺らぎによる分とは別に調整するこ
とにより、フレキシブルな処理ができる光学的パターン
認識分類方法を提供することができた。

【００５３】第７に、欠損や余分な情報が加わったパタ
ーンの識別分類についても、相関出力を被検パターンと
参照パターンの透過或いは反射光量で規格化することに
より、識別分類の能力を低下させることが少ない光学的
パターン認識分類方法を提供することができた。

【図面の簡単な説明】

【図１】本発明の光学的パターン認識分類方法を実現す
るために用いる光学的相関処理装置での合同フーリエ変
換光学系の一例を示す模式構成図である。

【図２】本発明の光学的パターン認識分類方法におい
て、光学的相関処理装置として合同フーリエ変換光学系
を用いた場合の一つの認識分類したいパターンと参照パ
ターン群とを表示した様子を示す図である。

【図３】本発明の光学的パターン認識分類方法におい
て、光学的相関処理装置として合同フーリエ変換光学系
を用いた場合の相関出力の状態を表わした図である。

【図４】本発明の光学的パターン認識分類方法におい
て、１つの認識分類したいパターンに対する各参照パタ
ーンの相関度を基にして作成されたメンバーシップ関数
を表した図である。

【図５】本発明の光学的パターン認識分類方法におい
て、別の認識分類したいパターンに対する各参照パター
ンの相関度を基にして作成されたメンバーシップ関数を
表した図である。

【図６】本発明の光学的パターン認識分類方法におい
て、更に別の認識分類したいパターンに対する各参照パ
ターンの相関度を基にして作成されたメンバーシップ関
数を表した図である。

【図７】本発明の光学的パターン認識分類方法におい
て、最適な参照パターンセットを作成する１つの方法と
して、各パターンの組合わせが有するメンバーシップ関
数の重なる面積を表した表である。

【図８】本発明の光学的パターン認識分類方法におい
て、最適な参照パターンセットを作成する別の方法とし
て、各パターンの組合わせが有するメンバーシップ関数
の重なった領域における最大のメンバーシップ値を表し
た表である。

【図９】本発明の光学的パターン認識分類方法におい
て、１０００個のパターンを識別するのに必要な参照パ
ターンの数を確率的に算出した表である。

【図１０】本発明の光学的パターン認識分類方法におい
て、未知のパターンに対して測定された相関度が認識分
類されるべきパターンに対して有したメンバーシップ値
を表した図である。

【図１１】本発明の光学的パターン認識分類方法におい
て使用された相互相関パターンを模式的に表した図であ
る。

【図１２】本発明の光学的パターン認識分類方法におい
て、実験的に得られた２つの参照パターンに対する認識
分類させたい１５パターンのメンバーシップ値を表した
図である。

【図１３】本発明の光学的パターン認識分類方法におい
て、実験的に得られたファジー的ＡＮＤ演算を用いた未
知のパターンに対する認識結果と認識結果の確度を表し
た図である。

【図１４】本発明の光学的パターン認識分類方法におい
て、検出された相関度を規格化するために使用される光
学系の一部を模式的に表した図である。

【図１５】本発明の光学的パターン認識分類方法におい
て、光学的相関処理装置として用いる別の一例としての
マッチドフィルターを用いた光学系の模式構成図であ
る。

【図１６】本発明の光学的パターン認識分類方法におい
て、光学的相関処理装置として用いる更に他の１例とし
ての光学系の模式構成図である。

【符号の説明】

１、３パターン出力手段２、４光学的フーリエ変換手段５光検出手段１１レーザ１２、３７光束１３ビームエキスパンダ１４、１７ビームスプリッター１６パターン表示装置２１、４１フーリエ変換レンズ２２集光レンズ３１、４２スクリーン３２、４３二次元光電変換素子３３液晶駆動回路３４ミラー３５液晶ライトバルブ５１コンピュータ６１マッチドフィルタ６２参照パターンマスク７１集光レンズアレイ

───────────────────────────────────────────────────── フロントページの続き (72)発明者山崎英樹千葉県船橋市豊富町585番地住友セメント株式会社新規事業本部内 (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06F 7/60

Claims

(57)【特許請求の範囲】

【請求項１】光学的パターン認識分類方法において、識別分類したい各クラスに属するパターンと複数の参照
パターンとの相関出力各々を複数回測定し、得られた相関度の集合の代表値とバラツキを示すパラメ
ーターを基準にして、認識分類したいクラス毎に前記の
複数の参照パターンに対応したメンバーシップ関数を作
成し、同一の参照パターンに対する各認識分類したいクラスの
間でのメンバーシップ関数同志の重なりあった面積の大
きさ或いはメンバーシップ関数同志の重なりあった領域
における最大のメンバーシップ値を重なりの程度とし、
前記の重なりの程度を小さくする参照パターンの組合わ
せを決定し、次いで被検パターンと前記の組合わせにより決定された
参照パターンとの相関出力をとり、その相関出力を識別分類したいクラス毎に割り当てられ
た前記の各々のメンバーシップ関数と照合して各々のメ
ンバーシップ値をとり、このメンバーシップ値のうち最
も小さいメンバーシップ値又は該メンバーシップ値の相
加平均値により、前記被検パターンがどの認識分類した
いクラスに属するかを判断することを特徴とする光学的
パターン認識分類方法。
【請求項２】前記の重なりの程度を小さくする方法は、
前記の重なりあった面積の大きさが、予め決められた大
きさよりも大きくなる面積の領域の個数を算出し、該個
数が最も小さい参照パターンから小さい順番に参照パタ
ーンを追加して参照パターンのセットとし、認識分類し
たいクラスの任意の２つのすべての組合わせにおいて、
該参照パターンのセットに含まれる参照パターンの数と
前記の予め決められた大きさよりも大きい面積を有する
同一の参照パターンに対するメンバーシップ関数の重な
りの領域の個数とが一致した場合の数を求め、この数が
予め決められた数よりも小さくなった段階の参照パター
ンのセットとすることにより実現することを特徴とする
請求項１に記載の光学的パターン認識分類方法。
【請求項３】前記の重なりの程度を小さくする方法は、
前記の重なりあった領域における最大のメンバーシップ
値が、予め決められた大きさよりも大きいメンバーシッ
プ値を有する領域の個数を算出し、該個数が最も小さい
参照パターンから小さい順番に参照パターンを追加して
参照パターンのセットとし、認識分類したいクラスの任
意の２つのすべての組合わせにおいて、該参照パターン
のセットに含まれる参照パターンの数と前記の予め決め
られた大きさよりも大きいメンバーシップ値を有する同
一の参照パターンに対するメンバーシップ関数の重なり
の領域の個数とが一致した場合の数を求め、この数が予
め決められた数よりも小さくなった段階の参照パターン
のセットとすることにより実現することを特徴とする請
求項１に記載の光学的パターンの認識分類方法。
【請求項４】前記メンバーシップ関数は、凸のファジー
集合を規定するものであることを特徴とする請求項３に
記載の光学的パターン認識分類方法。
【請求項５】前記の複数の参照パターンとの相関出力
は、被検パターンと前記の複数の各参照パターンとの自
己相関出力或いは相互相関出力のピーク値をとることを
特徴とする請求項１に記載の光学的パターン認識分類方
法。
【請求項６】前記の複数の参照パターンとの相関出力
は、該被検パターンと前記の複数の各参照パターンとの
自己相関出力或いは相互相関出力の広がりに応じた受光
範囲の全光量或いは平均光量をと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認識分類
方法。
【請求項７】前記の複数の参照パターンとの相関出力
は、該被検パターンと前記の複数の各参照パターンとの
自己相関出力或いは相互相関出力のピーク値との相関出
力の広がりに応じた受光範囲の全量或いは平均光量をと
ることを特徴とする請求項１〜４のいずれかに記載の光
学的パターン認識分類方法。
【請求項８】前記の複数の参照パターンとの相関出力
は、２次元受光素子からの出力値自体、或いは、２次元
受光素子からの出力値を被検パターン若しくは被検パタ
ーンと複数の参照パターンからの透過光量又は反射光量
で規格化した量とすることを特徴とする請求項１〜７の
いずれかに記載の光学的パターン認識分類方法。
【請求項９】前記の複数の参照パターンとの相関出力
は、２次元受光素子の線形範囲若しくは該相関出力の一
部が、該２次元光電変換素子の最大受光量を超える範囲
で得られるものであることを特徴とする請求項１〜８の
いずれかに記載の光学的パターン認識分類方法。
【請求項１０】前記の複数の参照パターンとの相関出力
は、フーリエ変換ホログラムを用いて作成したフィルタ
ーを用いて得ることを特徴とする請求項１〜９のいずれ
かに記載の光学的パターン認識分類方法。
【請求項１１】前記の複数の参照パターンとの相関出力
は、被検パターンと各参照パターンとの合同フーリエ変
換を個別に行なうことにより得られた強度パターンを再
び光学的に個別にフーリエ変換するか、又は、被検パタ
ーンと各参照パターンとの合同フーリエ変換を一括して
行なうことにより得られた強度パターンを再び光学的に
一括してフーリエ変換することにより得ることを特徴と
する請求項１〜９のいずれかに記載の光学的パターン認
識分類方法。
【請求項１２】前記の複数の参照パターンとの相関出力
は、光透過率或いは光反射率分布で表わされた被検パタ
ーンと各参照パターンを重ねインコヒーレント光で照射
し、反射或いは透過してきた光量をとることにより得る
ことを特徴とする請求項１〜９のいずれかに記載の光学
的パターン認識分類方法。