JPH0210462B2

JPH0210462B2 -

Info

Publication number: JPH0210462B2
Application number: JP60275450A
Authority: JP
Inventors: Joji Tajima
Original assignee: Nippon Electric Co Ltd
Current assignee: NEC Corp
Priority date: 1985-12-06
Filing date: 1985-12-06
Publication date: 1990-03-08
Also published as: JPS62134778A

Description

【発明の詳細な説明】（産業上の利用分野）本発明は、カラーの定型パターン、例えば印刷
された商標マーク、郵便切手などをカラー情報に
より、識別、検出する方法及び装置に関する。DETAILED DESCRIPTION OF THE INVENTION (Field of Industrial Application) The present invention relates to a method and apparatus for identifying and detecting color regular patterns, such as printed trademark marks, postage stamps, etc., using color information.

（従来の技術）産業上、カラーパターンを自動的に識別、検出
することがしばしば要請される。例えば郵便物を
自動的に処理する機械装置においては、貼られて
いる郵便切手の種類、枚数を自動的に識別、計数
することにより、適正な料金が支払われているか
どうかを検査し、切手に消印することが要求され
る。切手の位置は従来、良く用いられる普通切手
については色枠のあるデザインとし、この色枠を
検出することによつて認識され、自動的に消印さ
れている。このように、従来は装置に都合の良い
マークをデザインし、これを検出することによつ
て自動化が行われていた。(Prior Art) In industry, it is often required to automatically identify and detect color patterns. For example, mechanical devices that automatically process mail can automatically identify and count the type and number of postage stamps affixed to check whether the appropriate fee has been paid and stamps. A postmark is required. Conventionally, the position of a stamp is recognized by detecting the color frame of commonly used regular stamps, which are designed with a color frame, and is automatically postmarked. In this way, automation has conventionally been achieved by designing marks convenient for the device and detecting the marks.

（発明が解決しようとする問題点）しかし、検出すべき対象のデザインに制限が加
えられない場合には、以上の方法では問題は解決
されない。切手の場合ではデザインに制限を加え
られない記念切手の位置は検出されず、当然料金
も検査できない。(Problem to be Solved by the Invention) However, if no restrictions are placed on the design of the object to be detected, the above method will not solve the problem. In the case of stamps, the location of commemorative stamps whose design cannot be restricted cannot be detected, and of course the price cannot be inspected.

本発明は、この問題を解決するためカラーパタ
ーンの色柄そのものを登録されているカラーパタ
ーンと比較することにより識別し、同時に位置も
検出する方法及び装置を提供することを目的とし
ている。 SUMMARY OF THE INVENTION In order to solve this problem, it is an object of the present invention to provide a method and apparatus for identifying the color pattern itself by comparing it with registered color patterns and detecting the position at the same time.

（問題点を解決するための手段）第１の発明の方法は、入力カラー画像の複数の
画像部分について、異なつた分光感度を持つ複数
のセンサで張られる色空間における画素の色分布
を複数の色彩モーメント値として積算し、該色彩
モーメント値又は色彩モーメント値から計算され
た値を特徴量とし、標準のカラーパターンについ
て与め記憶されている特徴量とのパターン間距離
を求め、該パターン間距離が小さい場合に前記入
力カラー画像中に対応するカラーパターンが検出
されたと判断するように構成される。(Means for Solving the Problems) The method of the first invention calculates the color distribution of pixels in a color space spanned by a plurality of sensors having different spectral sensitivities for a plurality of image parts of an input color image. The color moment values are integrated as color moment values, and the color moment values or the values calculated from the color moment values are used as feature quantities, and the inter-pattern distances from the feature quantities given and stored for standard color patterns are determined, and the inter-pattern distances are calculated. is small, it is determined that a corresponding color pattern has been detected in the input color image.

第２の発明の装置は、入力カラー画像を走査す
る互いに異なる分光感度を持つ複数のセンサから
得られる画像信号について、各画素値を組み合わ
せて複数の積を計算する演算手段と、それぞれの
積に対して重みをつけ画像部分について加算する
積和手段と、該積和結果を一定時間遅延させる遅
延手段と、前記積和手段の出力である積和結果、
及び、前記遅延手段の出力である一定時間以前の
積和結果を特徴量とし、標準のカラーパターンに
ついて与め記憶されている特徴量とのパターン間
距離を求める距離演算手段と、該距離演算手段に
より得られた距離から、カラーパターンが検出さ
れたことを判定する判定手段とを含んで構成され
る。 The apparatus of the second invention includes arithmetic means for calculating a plurality of products by combining each pixel value with respect to image signals obtained from a plurality of sensors having mutually different spectral sensitivities that scan an input color image; a sum-of-products means for adding weights for image parts; a delay means for delaying the sum-of-products result for a certain period of time; and a sum-of-products result that is the output of the sum of products;
and a distance calculation means for calculating an inter-pattern distance between the product-sum result before a certain time, which is the output of the delay means, as a feature quantity and the feature quantity given and stored for a standard color pattern; and determining means for determining that a color pattern has been detected from the distance obtained.

第３の発明の装置は、入力カラー画像を走査す
る互いに異なる分光感度を持つ複数のセンサから
得られる画像信号について、各画素値を組み合わ
せて複数の積を計算する演算手段と、それぞれの
積に対して重みをつけ画像部分について加算する
積和手段と、該積和結果を一定時間遅延させる遅
延手段と、前記積和手段の出力である積和結果及
び前記遅延手段の出力である一定時間以前の積和
結果に演算を施し、特徴量とする特徴化手段と、
該特徴量と標準のカラーパターンについて与め記
憶されている特徴量とのパターン間距離を求める
距離演算手段と、該距離演算手段により得られた
距離から、カラーパターンが検出されたことを判
定する判定手段とを含んで構成される。 The apparatus of the third invention includes arithmetic means for calculating a plurality of products by combining each pixel value with respect to image signals obtained from a plurality of sensors having mutually different spectral sensitivities that scan an input color image; a product-sum means for adding weights for image parts; a delay means for delaying the product-sum result for a certain period of time; and a product-sum result which is the output of the product-sum means and a certain time before the output of the delay means. a characterization means that performs an operation on the product-sum result and uses it as a feature quantity;
Distance calculation means for calculating the inter-pattern distance between the feature amount and the feature amount given and stored for the standard color pattern, and determining that a color pattern has been detected from the distance obtained by the distance calculation means. and determining means.

（作用）本発明の作用は次の通りである。カラー画像の
各画素が複数のセンサで撮像され、デイジタル化
された結果を、f₁（ｘ，ｙ），f₂（ｘ，ｙ），…，fn
（ｘ，ｙ）とする。ここで、（ｘ，ｙ）は画素位置
を示し、fi（ｉ＝１，２，…，ｎ）はセンサのバ
ンドを示す。画素における積Pk（ｋ＝１，…，
ｍ）はfiから式(1)のように計算される。(Function) The function of the present invention is as follows. Each pixel of the color image is captured by multiple sensors and the digitized results are expressed as f ₁ (x, y), f ₂ (x, y),..., fn
Let it be (x, y). Here, (x, y) indicates the pixel position, and fi (i=1, 2, . . . , n) indicates the band of the sensor. Product Pk (k=1,...,
m) is calculated from fi as in equation (1).

Pk（ｘ，ｙ）＝_o 〓ⁱ⁼¹ f_i ^lik（ｘ，ｙ） (1) ここで巾（ベキ）を示すlikは非負の整数であ
る。ｍ個の積から画素の位置（x₀，y₀）を中心と
した部分領域Soにおける色分布を知るために、
位置に関して式(2)のように積和処理が行われ、色
彩モーメントが求められる。ｗ（x′，y′）はウエ
イトである。 Pk (x, y) = _o 〓 ⁱ⁼¹ f _i ^lik (x, y) (1) Here, lik indicating the width (power) is a non-negative integer. In order to know the color distribution in the partial area So centered at the pixel position (x ₀ , y ₀ ) from the m products,
A sum-of-products process is performed on the position as shown in equation (2), and the color moment is determined. w(x', y') is a weight.

M_k（x₀，y₀）＝〓^(x,y) ∈^Soｗ（x‐x₀，y‐y₀）P_k（ｘ，ｙ） (2) 色彩モーメントは部分領域So内に存在する画
素の色のf1，f2，…，fnで張る色空間における分
布の形を示す。各パターンは複数個の部分領域に
おける色彩モーメントを特徴量として、又は、色
彩モーメントから計算される特徴量により識別さ
れる。部分領域を２個（中心が（x₀，y₀）及び
（x₁，y₁）としたとき、特徴量gj（ｊ＝１、Ｎ；Ｎ
＝2m）は色彩モーメントそのものとしたとき式
(3)のように書け、 gi＝Mj（x₀，y₀）（ｊ＝１，…，ｍ） M_j-n（x₁，y₁）（ｊ＝ｍ＋１，…，2m） (3) 特徴量gj＝（ｊ＝１，…，Ｎ）が色彩モーメン
トから計算される場合、式(4)のように書ける。 M _k (x ₀ , y ₀ )= 〓 ^(x,y) ∈ ^So w (x‐x ₀ , y‐y ₀ )P _k (x, y) (2) The color moment exists within the subregion So It shows the shape of the distribution of pixel colors in the color space spanned by f1, f2, ..., fn. Each pattern is identified using color moments in a plurality of partial regions as feature quantities, or feature quantities calculated from the color moments. When there are two partial regions (centered at (x ₀ , y ₀ ) and (x ₁ , y ₁ ), the feature quantity gj (j=1, N; N
= 2m) is the color moment itself.
Write as (3), gi=Mj (x ₀ , y ₀ ) (j=1,...,m) M _jn (x ₁ ,y ₁ ) (j=m+1,...,2m) (3) Features When gj=(j=1,...,N) is calculated from the color moment, it can be written as equation (4).

gj＝gj（M₁（x₀，y₀），…，Mm（x₀，y₀），M₁（x₀，
y₀）…Mm（x₁，y₁））…(4) Ｎ種類のカラーパターンをこれらの特徴量で識
別する場合、第β番目のパターンに関する特徴量
｛g_jβ｝（β＝１，…，Ｎ）は各パターンにつき与
め学習されており、以上の処理により得られた特
徴量｛g_j｝とは、距離d〓が計算される。特徴量間
の距離の計算方法は通常のパターン認識装置で用
いられる公知の方法でよい。ユークリツド距離で
計算する場合には、 d〓²＝_N 〓^j=1 （gj−gj〓）² (5) が使われるし、マハラノビス距離で計算する場合
には、 d〓²＝（ｇ〓）^tS^-1（ｇ−ｇ〓） (6) が使われる。ここでｇ，ｇ〓はそれぞれｇ，ｇ〓を
列ベクトルにしたものであり、Ｓはカラーパター
ンについて学習された特徴量の共分散行列であ
る。撮像された画像は一般的にはd〓の小さいカラ
ーパターンβに識別される。具体的には、各カラ
ーパターンに対する閾値T〓を設け、 d〓＜T〓 (7) の条件を満たした場合に、その撮像位置で、カラ
ーパターンβが検出される。 gj＝gj( _M1 ( _x0 , _y0 ),...,Mm( _x0 , _y0 ), _M1 ( _x0 ,
y ₀ )...Mm(x ₁ , y ₁ ))...(4) When identifying N types of color patterns using these features, the feature amount regarding the β-th pattern {g _j β} (β=1, ..., N) are given and learned for each pattern, and the distance d〓 is calculated from the feature amount {g _j } obtained by the above processing. A method for calculating the distance between feature amounts may be a known method used in ordinary pattern recognition devices. When calculating with Euclidean distance, d〓 ² = _N 〓 ^j=1 (gj−gj〓) ² (5) is used, and when calculating with Mahalanobis distance, d〓 ² = ( g 〓) ^t S ^-1 ( g − g 〓) (6) is used. Here, g and g are column vectors of g and g , respectively, and S is a covariance matrix of features learned for the color pattern. A captured image is generally identified as a color pattern β with a small d〓. Specifically, a threshold value T〓 is provided for each color pattern, and when the condition d〓<T〓 (7) is satisfied, the color pattern β is detected at that imaging position.

（実施例）本発明を具体的にした装置の一実施例を以下に
第１図を参照して説明する。ここでは、撮像セン
サは典型的にＲ（赤）、Ｇ（緑）、Ｂ（青）の３バン
ドとする。画像１はセンサ２により第１図のよう
に走査され、デイジタル化された３つの信号Ｒ，
Ｇ，Ｂが演算手段３に入力される。演算手段３は
式(1)の積を画素毎に計算する。例ではR¹G⁰B⁰の
結果としてＲ、同じくR⁰G¹B⁰及びR⁰G⁰B¹の結果
としてＧ，Ｂ、以下R²及びＧ，Ｂの５つの値が
信号として演算手段３から出力されている。各信
号はそれぞれの積和手段４に入力される。積和手
段４は第２図に示すように、各入力画素の信号に
一定の重みｗ（ｉ，ｊ）を与え、入力の走査が第
３図の△の位置迄進んだときに×印で示す画素群
に重みをつけて加算してた結果を出力する。次の
画素走査時点では□印で示す画素群に第２図の重
みをつけて加算された結果が出力される。重みｗ
（ｉ，ｊ）は画像部分の色を幾分大域的に計測し、
安定性を増すためのもので、例えば第４図にその
断面を示すような正規分布函数30を離散的に近似
した形３１が用いられる。(Example) An example of an apparatus embodying the present invention will be described below with reference to FIG. Here, the image sensor typically has three bands: R (red), G (green), and B (blue). Image 1 is scanned by sensor 2 as shown in FIG. 1, and three digitized signals R,
G and B are input to the calculation means 3. The calculation means 3 calculates the product of equation (1) for each pixel. In the example, R is the result of R ¹ G ⁰ B ⁰ , G and B are the results of R ⁰ G ¹ B ⁰ and R ⁰ G ⁰ B ¹ , and the following five values R ² and G and B are used as signals for calculation means. It is output from 3. Each signal is input to the respective product-sum means 4. As shown in FIG. 2, the product-sum unit 4 gives a constant weight w(i, j) to the signal of each input pixel, and when the input scan advances to the position △ in FIG. The result of adding weights to the indicated pixel group is output. At the time of the next pixel scan, the result of adding the weights shown in FIG. 2 to the pixel group indicated by □ is output. weight lol
(i, j) measures the color of the image part somewhat globally,
This is to increase stability, and for example, a shape 31 that discretely approximates a normal distribution function 30, the cross section of which is shown in FIG. 4, is used.

即ち、色彩モーメントは、 M₁（x₀，y₀）＝〓^(x,y) ∈^Soｗ（x‐x₀，y‐y₀）・Ｒ（ｘ，ｙ） M₂（x₀，y₀）＝〓^(x,y) ∈^Soｗ（x‐x₀，y‐y₀）・Ｇ（ｘ，ｙ） M₃（x₀，y₀）＝〓^(x,y) ∈^SoＷ（x‐x₀，y‐y₀）・Ｂ（ｘ，ｙ） M₄（x₀，y₀）〓^(x,y) ∈^So（wx‐x₀，y‐y₀）・R²（ｘ，ｙ） M₅（x₀，y₀）〓^(x,y) ∈^Soｗ（ｘ−x₀，ｙ−y₀）・Ｇ（ｘ，ｙ）・Ｂ（ｘ，ｙ） (8) のように得られる。 That is, the color moment is M ₁ (x ₀ , y ₀ )= 〓 ^{(x, y)} ∈ ^So w (x‐x ₀ , y‐y ₀ )・R (x, y) M ₂ (x ₀ , y ₀ )= 〓 ^(x,y) ∈ ^So w (x‐x ₀ , y‐y ₀ )・G (x, y) M ₃ (x ₀ , y ₀ )= 〓 ^(x,y) ∈ ^So W ( x‐x ₀ , y‐y ₀ )・B(x,y) M ₄ (x ₀ ,y ₀ ) 〓 ^(x,y) ∈ ^So (wx‐x ₀ ,y‐y ₀ )・R ² (x , y) M ₅ (x ₀ , y ₀ ) 〓 ^(x,y) ∈ ^So w(x−x ₀ ,y−y ₀ )・G(x,y)・B(x,y) (8) obtained as follows.

積和手段で得られた各積和出力は、それぞれ遅
延手段５により、何段階か（第１図では３段階）
遅らされる。そのため、遅らされていない積和出
力４１が第５図に示す（x₀，y₀）を中心とする部
分領域５１の色分布を表わしているとき、１段遅
らされた積和出力４２は同じく（x₁，y₁）を中心
とする部分領域５２、２段遅らされた積和出力４
３は同じく（x₂，y₂）を中心とする部分領域５
３、３段遅らされた積和出力４４は同じく（x₃，
y₃）を中心とする部分領域５４の色分布を表わし
ていることになる。これらの色彩モーメントを
M₁（x₁，y₁），M₂（x₁，y₁），…，M₁（x₂，y₂），
…，M₅（x₃，y₃）と表わす。特徴化手段６は、こ
れらの色彩モーメントから特徴量を演算するの
で、出力として画像の４つの部分領域の色分布を
基にした特徴量が得られる。特徴量としては色彩
モーメントをそのまま g₁＝M₁（x₀，y₀），g₂＝…，g₅＝M₅（x₀，y₀） g₆＝M₁（x₁，y₁），g₇＝…，g₁₀＝M₅（x₁，y₁） g₁₆＝M₁（x₃，y₃），g₁₇＝…，g₂₀＝M₅（x₃，y₃） …(9) としてもよいが、この場合、特徴化手段６は省略
できる。実用的には、画像取得の際の照明光の変
動を考慮し、全体のセンサ出力を正規化し、ま
た、二次のモーメントは色空間における分散、共
分散などの直感的統計量に合わせ次のようにする
ことができる。 Each product-sum output obtained by the product-sum means is processed by the delay means 5 in several stages (three stages in FIG. 1).
be delayed. Therefore, when the undelayed product-sum output 41 represents the color distribution of the partial area 51 centered at (x ₀ , y ₀ ) shown in FIG. is also the partial region 52 centered at (x ₁ , y ₁ ), and the product-sum output 4 delayed by two stages.
3 is also a partial area 5 centered at (x ₂ , y ₂ )
The sum-of-products output 44 delayed by 3 and 3 stages is also (x ₃ ,
This represents the color distribution of the partial area 54 centered at y ₃ ). These color moments
M ₁ (x ₁ , y ₁ ), M ₂ (x ₁ , y ₁ ),..., M ₁ (x ₂ , y ₂ ),
…, M ₅ (x ₃ , y ₃ ). Since the characterization means 6 calculates feature quantities from these color moments, feature quantities based on the color distributions of the four partial regions of the image are obtained as output. As for the feature quantity, the color moment is as it is, g ₁ = M ₁ (x ₀ , y ₀ ), g ₂ =..., g ₅ = M ₅ (x ₀ , y ₀ ) g ₆ = M ₁ (x ₁ , y ₁ ) , g ₇ =…, g ₁₀ = M ₅ (x ₁ , y ₁ ) g ₁₆ = M ₁ (x ₃ , y ₃ ), g ₁₇ =…, g ₂₀ = M ₅ (x ₃ , y ₃ ) …( 9), but in this case, the characterization means 6 can be omitted. In practice, the overall sensor output is normalized by taking into account the variations in illumination light during image acquisition, and the second-order moment is adjusted to the following intuitive statistics such as variance and covariance in the color space. You can do it like this.

g₁＝M₁（x₀，y₀）／₁，g₂＝M₂（x₀，y₀）／₂， g₃＝M₂（x₀，y₀）／₃，g₄＝｛M₄（x₀，y₀）−M
₁ ²（x₀，y₀）／₁ ² g₅＝｛M₅（x₀，y₀）−M₂（x₀，y₀）・M₃（x₀，y₀）／₁，）₃ g₆＝M₁（x₁，y₁）／₁，g₇＝M₂（x₁，y₁）／₂， g₈＝M₃（x₁，y₁）／₃ g₉＝｛M₄（x₁，y₁）−M₁ ²（x₁，y₁）／₁ ² g₁₀＝｛M₅（x₁，y₁）−M₂（x₁，y₁）・M₃（x₁，y
₁）／₂・₃） g₁₁＝M₁（x₂，y₂）／₁，g₁₂＝M₂（x₂，y₂）／
₂， g₁₃＝M₃（x₂，y₂）／₃ g₁₄＝｛M₄（x₂，y₂）−M₁ ²（x₂，y₂）／₁ ² g₁₅＝｛M₅（x₂，y₂）−M₂（x₂，y₂）・M₃（x₂，y
₂）／（₂・₃） g₁₆＝｛M₄（x₃，y₃）−M₁ ²（x₃，y₃）／₁ ² g₁₇＝｛M₅（x₃，y₃）−M₂（x₃，y₃）・M₃（x₃，y
₃）／（₂・₃）…(10) g₁₈＝M₁／（₁＋₂＋₃），g₁₉＝M₂／（₁＋₂＋
₃），但し、ｉ＝１，２，３について、ｉ＝１／４（Mi（x₀，y₀）＋Mi（x₁，y₁）＋Mi（x₂，
y₂）＋Mi（x₃，y₃）｝である。 g ₁ = M ₁ (x ₀ , y ₀ )/ ₁ , g ₂ = M ₂ (x ₀ , y ₀ )/ ₂ , g ₃ = M ₂ (x ₀ , y ₀ )/ ₃ , g ₄ = {M ₄ (x ₀ , y ₀ )−M
₁ ² (x ₀ , y ₀ ) / ₁ ² g ₅ = {M ₅ (x ₀ , y ₀ )−M ₂ (x ₀ , y ₀ )・M ₃ (x ₀ , y ₀ )/ ₁ ,) ₃ _g6 = _M1 ( _x1 , _y1 )/ ₁ , _g7 = _M2 ( _x1 , _y1 )/ ₂ , g ₈ = M ₃ (x ₁ , y ₁ ) / ₃ g ₉ = {M ₄ (x ₁ , y ₁ ) − M ₁ ² (x ₁ , y ₁ ) / ₁ ² g ₁₀ = {M ₅ (x ₁ , y ₁ )−M ₂ (x ₁ , y ₁ )・M ₃ (x ₁ , y
₁ )/ ₂・₃ ) g ₁₁ = M ₁ (x ₂ , y ₂ )/ ₁ , g ₁₂ = M ₂ (x ₂ , y ₂ )/
₂ , g ₁₃ = M ₃ (x ₂ , y ₂ ) / ₃ g ₁₄ = {M ₄ (x ₂ , y ₂ ) − M ₁ ² (x ₂ , y ₂ ) / ₁ ² g ₁₅ = {M ₅ ( x ₂ , y ₂ )−M ₂ (x ₂ , y ₂ )・M ₃ (x ₂ , y
₂ ) / ( ₂・₃ ) g ₁₆ = {M ₄ (x ₃ , y ₃ ) − M ₁ ² (x ₃ , y ₃ ) / ₁ ² g ₁₇ = {M ₅ (x ₃ , y ₃ ) − M ₂ (x ₃ , y ₃ )・M ₃ (x ₃ , y
₃ )/( ₂・₃ )...(10) _g18 = _M1 /( ₁ + ₂ + ₃ ), _g19 = _M2 /( ₁ + ₂ +
₃ ), However, for i=1, 2, 3, i=1/4(Mi(x ₀ , y ₀ )+Mi(x ₁ ,y ₁ )+Mi(x ₂ ,
y ₂ ) + Mi (x ₃ , y ₃ )}.

距離演算手段７は特徴量｛gj）について式(5)ま
たは式(6)により学習のフエーズで標準パターンに
ついて記録されている各パターンβとの距離d〓を
計算する。判定手段８は各カラーパターンに対す
る閾値T〓とd〓とを比較し、 d〓＜T〓 (11) を満たしたとき、カラーパターンβが検出された
と判断する。 The distance calculation means 7 calculates the distance d〓 between the feature quantity {gj) and each pattern β recorded for the standard pattern in the learning phase using equation (5) or equation (6). The determining means 8 compares the threshold value T〓 and d〓 for each color pattern, and determines that the color pattern β has been detected when d〓<T〓 (11) is satisfied.

（発明の効果）以上に述べた構成をとることによりカラー画像
から与め学習されたカラーパターンを検出するこ
とができる。実施例に述べた重みｗ（ｉ，ｊ）に
よる積和の範囲は、小さい場合、画像の位置ずれ
などに対して非常に敏感となり実用的でない。対
象に合わせて大きい範囲をとる必要がある。色彩
モーメントは実施例では５種類のみ計算している
が必要に応じて２次，３次，…のモーメントを任
意に用いることができ、多くする程識別の精度は
高まる。また、色彩分布を求める部分領域の個数
についても同様で、実施例では４個となつている
が、遅延手段４の段数を増すことにより識別の精
度を増すことができる。(Effects of the Invention) By adopting the configuration described above, it is possible to detect a color pattern given and learned from a color image. If the range of product sums based on the weights w(i, j) described in the embodiment is small, it becomes extremely sensitive to image positional deviations and is not practical. It is necessary to take a large range depending on the target. In the embodiment, only five types of color moments are calculated, but any second-order, third-order, etc. moment can be used as needed, and the more the color moment is, the higher the accuracy of identification will be. The same goes for the number of partial areas for which the color distribution is to be determined; in the embodiment, the number is four, but the accuracy of identification can be increased by increasing the number of stages of the delay means 4.

[Brief explanation of drawings]

第１図は本発明の典型的な実施例を示すブロツ
ク図、第２図は実施例の積和手段に用いられるウ
エイの説明図、第３図は同じくセンサによる画像
の走査にともなう積和の位置の変化を示す説明
図、第４図はウエイトの形の例、第５図は色彩分
布が求められる部分領域の位置関係の例を示す説
明図である。１…画像、２…センサ、３…演算手段、４…積
和手段、５…遅演手段、６…特徴化手段、７…距
離演算手段、８…判定手段。 FIG. 1 is a block diagram showing a typical embodiment of the present invention, FIG. 2 is an explanatory diagram of a way used in the product-sum means of the embodiment, and FIG. FIG. 4 is an explanatory diagram showing a change in position, FIG. 4 is an explanatory diagram showing an example of the shape of weights, and FIG. 5 is an explanatory diagram showing an example of the positional relationship of partial areas for which color distribution is determined. DESCRIPTION OF SYMBOLS 1... Image, 2... Sensor, 3... Calculating means, 4... Product-sum means, 5... Delay means, 6... Characterizing means, 7... Distance calculating means, 8... Judging means.

Claims

[Claims] 1. Regarding a plurality of image parts of an input color image,
integrating the color distribution of pixels in a color space spanned by a plurality of sensors with different spectral sensitivities as a plurality of color moment values, and using the color moment values or values calculated from the color moment values as feature quantities;
The method is characterized in that the inter-pattern distance between the standard color pattern and the stored feature quantity is determined, and if the inter-pattern distance is small, it is determined that the corresponding color pattern has been detected in the input color image. Color pattern detection method. 2 Calculating means for calculating multiple products by combining each pixel value with respect to image signals obtained from multiple sensors having mutually different spectral sensitivities that scan an input color image, and calculating means for calculating multiple products by combining each pixel value, and weighting for each product to determine the image portion. a product-sum means for adding the sum of products, a delay means for delaying the product-sum result for a certain period of time, a product-sum result that is the output of the product-sum means, and a product-sum result that is the output of the delay means before a certain time. Distance calculation means for determining the inter-pattern distance between the feature amount and the feature amount given and stored for the standard color pattern, and determining that the color pattern has been detected from the distance obtained by the distance calculation means. 1. A color pattern detection device, comprising: a determining means, and detects a known color pattern from an image signal obtained from the sensor. 3 Calculating means for calculating multiple products by combining each pixel value with respect to image signals obtained from a plurality of sensors having mutually different spectral sensitivities that scan an input color image, and a calculation means for calculating multiple products by combining each pixel value, and weighting each product to determine the image portion. a product-sum means for adding the sum of products, a delay means for delaying the product-sum result for a certain period of time, and a product-sum result that is an output of the product-sum means and a product-sum result that is an output of the delay means before a certain period of time. a characterization means for determining a feature quantity, a distance calculation means for calculating a pattern distance between the feature quantity and a feature quantity given and stored for a standard color pattern, and a distance obtained by the distance calculation means. 1. A color pattern detection device, comprising: determination means for determining whether a color pattern has been detected from the sensor, and detects a known color pattern from an image signal obtained from the sensor.