[发明专利]图像处理系统

说明书

本发明提供一种图像处理系统，其对在生成从输入形状信息取得的模型图案的过程中进行的修正进行学习，由此能够对其他输入形状信息自动生成适当的模型图案。图像处理系统(1)具备：模型图案取得部(31)，其取得从输入图像(输入形状信息)(5)生成的模型图案(50)；操作面板(模型图案修正部)(35)，其对由模型图案取得部取得的模型图案进行修正；机器学习器(40)，其通过使用了学习数据集合的监督学习生成用于从输入图像生成模型图案的模型图案生成信息，该学习数据集合是将由操作面板修正而得的模型图案的修正信息与输入图像关联起来而得的，图像处理系统能够使用新输入的输入图像和模型图案生成信息来生成反映了学习结果的模型图案。

技术领域

本发明涉及一种图像处理系统，其基于表示对象物的像的特征的模型图案，从输入形状信息检测对象物的像。

背景技术

以往，在从拍摄装置等取得的输入形状信息(输入图像)检测对象物的像的技术中，已知有如下技术：将使对象物的像模型化而得的模型图案(model pattern)或模板等基准信息与输入形状信息进行匹配，当匹配度超过预定级别时，判断为检测到对象物。作为与这种技术相关的文献有专利文献1～3。

在专利文献1中记载了如下图像处理技术：通过将输入图像中的遮蔽区域以外的区域作为背景图像进行学习，由此分离前景图像和背景图像。在专利文献2中记载了如下技术：将用户生成的模板模型与从输入图像提取的特征量进行匹配，修正构成模板模型的代表点的位置。在专利文献3中记载了如下技术：为了检测图像中的对象物体，在对输入图像和学习用图像实施的图像处理的参数中搜索最优参数，基于该参数对学习用图像和输入图像实施图像处理。

在非专利文献1中记载了从输入图像提取边缘点作为构成模型图案的特征点的方法。边缘点是图像中亮度变化较大的点。一般而言，由于对象物的轮廓线的像的亮度梯度变大，通过将边缘点用作特征量，来进行对象物的轮廓线形状的匹配。例如，将从包含应检测的对象物的图像提取出的边缘点组存储为模型图案，基于从拍摄装置取得的输入图像提取的边缘点组与模型图案的边缘点组的匹配度来检测对象物。作为此类手法已知有广义霍夫变换等。另外，非专利文献2公开了在边缘点以外也提取构成模型图案的要素的方法。在非专利文献2中记载了从输入图像提取SIFT特征点的方法。

专利文献1：日本特开2011-209966号公报

专利文献2：日本特开2000-215319号公报

专利文献3：日本特开2014-137756号公报

非专利文献1：“コンピュータビジョン”(David A.Forsyth(著),Jean Ponce(著),大北刚(翻译)共立出版)2007.1

非专利文献2：Object Recognition from Local Scale-Invariant Features,David G.Lowe,Proc.of the International Conference on Computer Vision,Corfu(Sept.1999)

但是，还存在由输入图像生成的模型图案不能适当地表示对象物的特征的情况。例如，有时在输入图像中，除了像轮廓线等这样的适于检测的边缘点以外，还包含像轮廓线以外的浓淡变化等不适于检测的边缘点。因此，在由输入图像生成模型图案时，有时不应检测的部分也同时被检测。在检测铸件的部件的情况下，由于铸件外表存在轮廓线的个体差，铸件外表面的纹理也常被提取作为边缘点，从匹配精度的观点出发，优选检测机械加工了的部分的轮廓线。

不适于此种检测的要素可通过用户的操作而从模型图案中排除。例如，在由输入图像生成的模型图案中，可以在特定位置进行遮蔽，使得该遮蔽的范围内的要素不被包含为模型图案的要素。另外，构成模型图案的要素不仅能删除，还能新追加，并且还能变更已有的要素的位置。但是，用户通过手动作业来修正模型图案的作业很复杂，为了修正成能在匹配中使用的良好的模型图案而需要知识。希望通过学习能够由输入图像自动生成最优的模型图案。