圖像核對裝置、圖像核對方法及圖像核對程序的製作方法

2023-05-08 18:24:36

專利名稱：圖像核對裝置、圖像核對方法及圖像核對程序的製作方法
技術領域：
本發明涉及通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較從而對圖像進行核對的圖像核對裝置、圖像核對方法及圖像核對程序，特別涉及能夠通過高效地進行輸入圖像和模板圖像的核對從而提高核對率的圖像核對裝置、圖像核對方法及圖像核對程序。
背景技術：
以往，已知將由CCD(Charge Coupled Device，電荷耦合裝置)照相機等對收款的貨幣進行拍攝而得到的輸入圖像和預先註冊的模板圖像進行核對，對該貨幣的真偽進行判定的圖像核對裝置。
例如，專利文獻1中公開了一種圖像核對技術，對硬幣的輸入圖像和硬幣的模板圖像進行對比來計算相關值，在成為對比對象的整體圖像中規定面積以上的部分中，在該相關值超過了閾值的情況下，將輸入圖像的硬幣判定為真正硬幣。
專利文獻1特開2003-187289號公報發明內容但是，使用該以往技術的情況下，存在以下問題，即由於僅使用超過閾值的相關值來進行圖像核對，所以在例如由於發生輸入圖像和模板圖像的核對時的圖像偏離或伴隨圖像變換的噪聲等，相關值取相對低的值的情況下，儘管輸入的硬幣為真正硬幣，結果也判定為偽造硬幣，難以提高圖像核對的核對率。
另外，該問題點不是僅在硬幣的圖像核對中發生的問題，例如，在紙幣的圖像核對或FA(Factory Automation，工廠自動化)等中的物品或產品的圖像核對中也同樣產生的問題。
本發明鑑於上述課題(問題點)而完成，其目的在於提供一種能夠提高貨幣以及貨幣以外的物品的圖像核對精度並提高圖像核對的核對率的圖像核對裝置、圖像核對方法及圖像核對程序。
為了解決上述課題並達成目的，技術方案1的發明的圖像核對裝置通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對裝置包括相關值圖像分離部件，由所述輸入圖像以及所述模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離部件，根據像素值是否為閾值以上而將所述模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成部件，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定部件，使用所述正負分離相關圖像來進行核對判定。
此外，技術方案2的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像和負特徵區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值。
此外，技術方案3的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述正負分離相關圖像生成部件生成正背景區域圖像和負背景區域圖像，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
此外，技術方案4的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像、負特徵區域圖像、正背景區域圖像以及負背景區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
此外，技術方案5的發明的圖像核對裝置在技術方案2、3或4的發明中，其特徵在於，所述正負分離相關圖像生成部件對使用所述負相關值圖像生成的負區域圖像內的注目像素和使用所述正相關值圖像生成的正區域圖像內的該注目像素對應的對應像素的周圍像素進行對比，在至少一個該周圍像素的像素值大於該注目像素的像素值的情況下，進行將該注目像素向該對應像素移動的膨脹處理。
此外，技術方案6的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述輸入圖像以及所述模板圖像是通過使用邊緣提取算子的邊緣提取處理進行了圖像變換的邊緣圖像。
此外，技術方案7的發明的圖像核對裝置在技術方案6的發明中，其特徵在於，所述邊緣圖像是將提取的邊緣的邊緣強度進行標準化(normalize)而得到的標準化圖像。
此外，技術方案8的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述模板圖像是將對於所述核對對象物的各個體的圖像進行平均而得到的平均圖像。
此外，技術方案9的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述相關值圖像是以將所述輸入圖像或所述模板圖像的每個像素的相關值進行標準化而得到的標準化相關值作為像素值的圖像。
此外，技術方案10的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述核對判定部件對所述正負分離相關圖像進行塊分割並計算各塊內的像素值的總和作為塊值，通過對全部所述正負分離相關圖像進行將該塊值和加權係數的積相加來計算核對值從而進行核對判定。
此外，技術方案11的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述核對判定部件通過線性判別分析來計算所述加權係數的值。
此外，技術方案12的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述核對對象物為貨幣。
此外，技術方案13的發明的圖像核對方法通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對方法包含相關值圖像分離步驟，由所述輸入圖像以及所述模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
此外，技術方案14的發明的圖像核對程序通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對程序使計算機執行以下步驟相關值圖像分離步驟，由所述輸入圖像以及所述模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
此外，技術方案15的發明的圖像核對裝置，通過在圓形物體的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對裝置包括極坐標變換圖像生成部件，在對所述輸入圖像以及所述模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像；相關值圖像分離部件，由所述ρ-θ輸入圖像以及所述ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離部件，根據像素值是否為閾值以上而將所述ρ-θ模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成部件，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定部件，使用所述正負分離相關圖像來進行核對判定。
此外，技術方案16的發明的圖像核對裝置在技術方案15的發明中，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像和負特徵區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值。
此外，技術方案17的發明的圖像核對裝置在技術方案15的發明中，其特徵在於，所述正負分離相關圖像生成部件生成正背景區域圖像和負背景區域圖像，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
此外，技術方案18的發明的圖像核對裝置在技術方案15的發明中，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像、負特徵區域圖像、正背景區域圖像以及負背景區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
此外，技術方案19的發明的圖像核對裝置在技術方案16、17或18的發明中，其特徵在於，所述正負分離相關圖像生成部件對使用所述負相關值圖像生成的負區域圖像內的注目像素和使用所述正相關值圖像生成的正區域圖像內的該注目像素對應的對應像素的周圍像素進行對比，在至少一個該周圍像素的像素值大於該注目像素的像素值的情況下，進行將該注目像素向該對應像素移動的膨脹處理。
此外，技術方案20的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述ρ-θ輸入圖像以及所述ρ-θ模板圖像是通過使用邊緣提取算子的邊緣提取處理進行了圖像變換的邊緣圖像。
此外，技術方案21的發明的圖像核對裝置在技術方案20的發明中，其特徵在於，所述邊緣圖像是將提取的邊緣的邊緣強度進行標準化而得到的標準化圖像。
此外，技術方案22的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述模板圖像是將對於所述核對對象物的各個體的圖像進行平均而得到的平均圖像。
此外，技術方案23的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述相關值圖像是以將所述ρ-θ輸入圖像及所述ρ-θ模板圖像的每個像素的相關值進行標準化而得到的標準化相關值作為像素值的圖像。
此外，技術方案24的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述核對判定部件對所述正負分離相關圖像進行塊分割並計算各塊內的像素值的總和作為塊值，通過對全部所述正負分離相關圖像將該塊值和加權係數的積相加來計算核對值從而進行核對判定。
此外，技術方案25的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述核對判定部件通過線性判別分析來計算所述加權係數的值。
此外，技術方案26的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述極坐標變換圖像生成部件通過使所述ρ-θ輸入圖像或所述ρ-θ模板圖像平行移動，從而校正兩圖像的旋轉偏離。
此外，技術方案27的發明的圖像核對裝置在技術方案1的發明中，其特徵在於，所述圓形物體為硬幣。
此外，技術方案28的發明的圖像核對方法通過在圓形物體的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對方法包括極坐標變換圖像生成步驟，在對所述輸入圖像以及所述模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像；相關值圖像分離步驟，由所述ρ-θ輸入圖像以及所述ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述ρ-θ模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
此外，技術方案29的發明的圖像核對程序通過在圓形物體的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對程序使計算機執行以下步驟極坐標變換圖像生成步驟，在對所述輸入圖像以及所述模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像；相關值圖像分離步驟，由所述ρ-θ輸入圖像以及所述ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述ρ-θ模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
根據技術方案1的發明，由於由輸入圖像以及模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用正負分離相關圖像來進行核對判定，所以不僅使用輸入圖像和模板圖像的相關高的部分而且使用相關低的部分的相關值，同時不僅使用模板圖像的特徵部分而且使用背景部分來進行圖像核對，從而起到能夠進行精度高的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案2的發明，由於構成為生成正特徵區域圖像和負特徵區域圖像，正特徵區域圖像以對每個像素的正相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，負特徵區域圖像以對每個像素的負相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，所以通過使用在應出現特徵的部分出現了特徵的區域圖像和在應出現特徵的部分未出現特徵的區域圖像來進行核對，從而起到能夠進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案3的發明，由於構成為生成正背景區域圖像和負背景區域圖像，正背景區域圖像以對每個像素的正相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，負背景區域圖像以對每個像素的負相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，所以通過使用在應存在背景的部分存在背景的區域圖像和在應存在背景的部分未存在背景的區域圖像來進行核對，從而起到能夠進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案4的發明，由於構成為生成正特徵區域圖像、負特徵區域圖像、正背景區域圖像以及負背景區域圖像，正特徵區域圖像以對每個像素的正相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，負特徵區域圖像以對每個像素的負相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，正背景區域圖像以對每個像素的正相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，負背景區域圖像以對每個像素的負相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，所以通過使用在應出現特徵的部分出現了特徵的區域圖像、在應出現特徵的部分未出現特徵的區域圖像、在應存在背景的部分存在背景的區域圖像和在應存在背景的部分未存在背景的區域圖像來進行核對，從而起到能夠進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案5的發明，由於構成為對使用負相關值圖像生成的負區域圖像內的注目像素和使用正相關值圖像生成的正區域圖像內的該注目像素對應的對應像素的周圍像素進行對比，在至少一個該周圍像素的像素值大於該注目像素的像素值的情況下，進行將該注目像素向該對應像素移動的膨脹處理，所以起到可以排除伴隨相關值計算的孤立點的影響從而進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案6的發明，由於構成為輸入圖像以及模板圖像是通過使用邊緣提取算子的邊緣提取處理進行了圖像變換的邊緣圖像，所以起到通過對比提取的各圖像的特徵部分，從而能夠進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案7的發明，由於構成為邊緣圖像是將提取的邊緣的邊緣強度進行標準化而得到的標準化圖像，所以起到可以排除核對對象物的個體差別的影響從而進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案8的發明，由於構成為模板圖像是將對於所述核對對象物的各個體的圖像進行平均而得到的平均圖像，所以起到即使是存在核對對象物的個體所固有的圖案的情況下，也能夠進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案9的發明，由於構成為相關值圖像是以將輸入圖像或模板圖像的每個像素的相關值進行標準化而得到的標準化相關值作為像素值的圖像，所以起到能夠抑制相關值的偏差而進行高精度的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案10的發明，由於構成為核對判定部件對正負分離相關圖像進行塊分割並計算各塊內的像素值的總和作為塊值，通過對全部正負分離相關圖像進行將該塊值和加權係數的積相加來計算核對值從而進行核對判定，所以起到可以調整容易出現特徵的區域的權重和難以出現特徵的區域的權重，同時通過簡化計算步驟，能夠進行高效的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案11的發明，由於構成為核對判定部件通過線性判別分析來計算所述加權係數的值，並且由於能夠得到基於學習樣本的適當的權重係數，所以起到能夠進行高效的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案12的發明，由於構成為核對對象物為貨幣，所以起到關於貨幣的核對能夠進行高效的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案13的發明，由於構成為由輸入圖像以及模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用該正負分離相關圖像來進行核對判定，所以不僅使用輸入圖像和模板圖像的相關高的部分而且使用相關低的部分的相關值，同時不僅使用模板圖像的特徵部分而且使用背景部分來進行圖像核對，從而起到能夠進行精度高的圖像核對，並且能夠提高圖像的核對率的效果。
此外，根據技術方案14的發明，由於構成為由輸入圖像以及模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用該正負分離相關圖像來進行核對判定，所以不僅使用輸入圖像和模板圖像的相關高的部分而且使用相關低的部分的相關值，同時不僅使用模板圖像的特徵部分而且使用背景部分來進行圖像核對，從而起到能夠進行精度高的圖像核對的效果。
此外，根據技術方案15的發明，由於構成為在對輸入圖像以及模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像，由ρ-θ輸入圖像以及ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將ρ-θ模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用該正負分離相關圖像來進行核對判定，所以不僅使用輸入圖像和模板圖像的相關高的部分而且使用相關低的部分的相關值，同時不僅使用模板圖像的特徵部分而且使用背景部分來進行圖像核對，從而起到能夠進行精度高的圖像核對的效果。
此外，根據技術方案16的發明，由於構成為生成正特徵區域圖像和負特徵區域圖像，正特徵區域圖像以對每個像素的正相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，負特徵區域圖像以對每個像素的負相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，所以通過使用在應出現特徵的部分出現了特徵的區域圖像和在應出現特徵的部分未出現特徵的區域圖像來進行圖像核對，從而起到能夠進行高精度的圖像核對的效果。
此外，根據技術方案17的發明，由於構成為生成正背景區域圖像和負背景區域圖像，正背景區域圖像以對每個像素的正相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，負背景區域圖像以對每個像素的負相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，所以通過使用在應存在背景的部分存在背景的區域圖像和在應存在背景的部分未存在背景的區域圖像來進行核對，從而起到能夠進行高精度的圖像核對的效果。
此外，根據技術方案18的發明，由於構成為生成正特徵區域圖像、負特徵區域圖像、正背景區域圖像以及負背景區域圖像，正特徵區域圖像以對每個像素的正相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，負特徵區域圖像以對每個像素的負相關值圖像和正模板圖像的積進行計算而得到的值作為像素值，正背景區域圖像以對每個像素的正相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，負背景區域圖像以對每個像素的負相關值圖像和負模板圖像的積進行計算而得到的值作為像素值，所以通過使用在應出現特徵的部分出現了特徵的區域圖像、在應出現特徵的部分未出現特徵的區域圖像、在應存在背景的部分存在背景的區域圖像和在應存在背景的部分未存在背景的區域圖像來進行核對，從而起到能夠進行高精度的圖像核對的效果。
此外，根據技術方案19的發明，由於構成為對使用負相關值圖像生成的負區域圖像內的注目像素和使用正相關值圖像生成的正區域圖像內的該注目像素對應的對應像素的周圍像素進行對比，在至少一個該周圍像素的像素值大於該注目像素的像素值的情況下，進行將該注目像素向該對應像素移動的膨脹處理，所以起到可以排除伴隨相關值計算的孤立點的影響從而進行高精度的圖像核對的效果。
此外，根據技術方案20的發明，由於構成為ρ-θ輸入圖像以及ρ-θ模板圖像是通過使用邊緣提取算子的邊緣提取處理進行了圖像變換的邊緣圖像，所以起到通過對比提取的各圖像的特徵部分，從而能夠進行高精度的圖像核對的效果。
此外，根據技術方案21的發明，由於構成為邊緣圖像是將提取的邊緣的邊緣強度進行標準化而得到的標準化圖像，所以起到可以排除核對對象物的個體差別的影響從而進行高精度的圖像核對的效果。
此外，根據技術方案22的發明，由於構成為模板圖像是將對於所述核對對象物的各個體的圖像進行平均而得到的平均圖像，所以起到即使是存在核對對象物的個體所固有的圖案的情況下，也能夠進行高精度的圖像核對的效果。
此外，根據技術方案23的發明，由於構成為相關值圖像是以將ρ-θ輸入圖像及ρ-θ模板圖像的每個像素的相關值進行標準化而得到的標準化相關值作為像素值的圖像，所以起到能夠抑制相關值的偏差而進行高精度的圖像核對的效果。
此外，根據技術方案24的發明，由於構成為核對判定部件對正負分離相關圖像進行塊分割並計算各塊內的像素值的總和作為塊值，通過對全部正負分離相關圖像將該塊值和加權係數的積相加來計算核對值從而進行核對判定，所以起到可以調整容易出現特徵的區域的權重和難以出現特徵的區域的權重，同時通過簡化計算步驟，能夠進行高效的圖像核對的效果。
此外，根據技術方案25的發明，由於構成為核對判定部件通過線性判別分析來計算所述加權係數的值，並且由於能夠得到基於學習樣本的適當的權重係數，所以起到能夠進行高效的圖像核對的效果。
此外，根據技術方案26的發明，由於構成為極坐標變換圖像生成部件通過使ρ-θ輸入圖像或ρ-θ模板圖像平行移動，從而校正兩圖像的旋轉偏離，所以起到能夠削減伴隨該校正的計算量從而進行高效率的圖像核對的效果。
此外，根據技術方案27的發明，由於構成為圓形物體為硬幣，所以起到關於貨幣的核對能夠進行高精度的圖像核對的效果。
此外，根據技術方案28的發明，由於構成為在對輸入圖像以及模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像，由ρ-θ輸入圖像以及ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將ρ-θ模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用正負分離相關圖像來進行核對判定，所以不僅使用輸入圖像和模板圖像的相關高的部分而且使用相關低的部分的相關值，同時不僅使用模板圖像的特徵部分而且使用背景部分來進行圖像核對，從而起到能夠進行精度高的圖像核對的效果。
此外，根據技術方案29的發明，由於構成為在對輸入圖像以及模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像，由ρ-θ輸入圖像以及ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將ρ-θ模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用正負分離相關圖像來進行核對判定，所以不僅使用輸入圖像和模板圖像的相關高的部分而且使用相關低的部分的相關值，同時不僅使用模板圖像的特徵部分而且使用背景部分來進行圖像核對，從而起到能夠進行精度高的圖像核對的效果。


圖1是表示實施例1的圖像核對裝置的結構的功能方框圖。
圖2是用於說明圖1所示的圖像切出部分的處理概要的說明圖。
圖3是用於說明在圖1所示的邊緣提取部分中使用的Sobel算子的說明圖。
圖4是用於說明圖1所示的邊緣提取部分的處理概要的說明圖。
圖5是用於說明圖1所示的匹配處理部分的匹配判定的處理概要的說明圖。
圖6是用於說明對實施例1的正負分離相關判定部分輸入的圖像的說明圖。
圖7是用於說明由實施例1的正負分離相關圖像生成部分生成的特徵區域以及背景區域的說明圖。
圖8是實施例1的標準化相關值圖像正負分離處理的流程圖。
圖9是實施例1的模板圖像正負分離處理的流程圖。
圖10是表示實施例1的正負分離相關圖像生成部分的處理步驟的流程圖。
圖11是用於說明與圖7所示的各區域對應的圖像生成步驟的說明圖。
圖12是用於說明在實施例1的膨脹處理部分中使用的圖像掩模(imagemask)的說明圖。
圖13是表示實施例1的膨脹處理部分的處理步驟的流程圖。
圖14是用於說明由實施例1的膨脹處理部分生成的圖像的說明圖。
圖15是用於說明在實施例1的核對值計算部分中使用的圖像的塊分割的說明圖。
圖16是用於說明實施例1的膨脹處理的變更例的說明圖。
圖17是用於說明圖16所示的變更例中使用的圖像掩模的說明圖。
圖18是表示圖16所示的變更例中的膨脹處理部分的處理步驟的流程圖。
圖19是表示實施例2的圖像核對裝置的結構的功能方框圖。
圖20是用於說明圖19所示的圖像切出部分的處理概要的說明圖。
圖21是用於說明在圖19所示的邊緣提取部分中使用的Sobel算子的說明圖。
圖22是用於說明圖19所示的邊緣提取部分的處理概要的說明圖。
圖23是用於說明實施例2的極坐標變換的處理概要的說明圖。
圖24是用於說明圖19所示的旋轉角檢測部分的處理概要的說明圖。
圖25是用於說明實施例2的各區域圖像的說明圖。
圖26是實施例2的標準化相關值圖像正負分離處理的流程圖。
圖27是實施例2的模板圖像正負分離處理的流程圖。
圖28是表示實施例2的正負分離相關圖像生成部分的處理步驟的流程圖。
圖29是用於說明與圖25所示的各區域對應的圖像生成步驟的說明圖。
圖30是用於說明在實施例2的膨脹處理部分中使用的圖像掩模的說明圖。
圖31是表示實施例2的膨脹處理部分的處理步驟的流程圖。
圖32是用於說明由實施例2的膨脹處理部分生成的圖像的說明圖。
圖33是用於說明實施例2的核對值計算部分中使用的圖像的塊分割的說明圖。
圖34是用於說明實施例2的膨脹處理的變更例的說明圖。
圖35是用於說明在圖34所示的變更例中使用的圖像掩模的說明圖。
圖36是表示圖34所示的變更例中的膨脹處理部分的處理步驟的流程圖。
符號說明1 圖像核對裝置10 圖像輸入部分11 輸入圖像20 圖像切出部分21 水平方向投影22 垂直方向投影23 切出圖像(反面)24 切出圖像(正面)30 邊緣提取部分30a Sobel算子(用於計算水平方向邊緣)30b Sobel算子(用於計算垂直方向邊緣)31 邊緣提取圖像32 邊緣標準化圖像(反面)33 邊緣標準化圖像(正面)40 匹配處理部分50 註冊圖像存儲部分51 模板圖像
51a t+圖像51b t-圖像100 正負分離相關判定部分110 標準化相關值計算部分111 標準化相關值圖像111a r+圖像111b r-圖像120 正負分離相關圖像生成部分121 A+區域圖像122 A-區域圖像123 B+區域圖像124 B-區域圖像130 膨脹處理部分130 a正區域圖像掩模130 b負區域圖像掩模130 c輸入圖像掩模130 d模板圖像掩模131 已膨脹A+區域圖像132 已膨脹A-區域圖像133 已膨脹B+區域圖像134 已膨脹B-區域圖像135 已膨脹標準化相關值圖像135 a已膨脹r+圖像135 b已膨脹r-圖像140 核對值計算部分141 塊分割(A+區域)142 塊分割(A-區域)143 塊分割(B+區域)144 塊分割(B-區域)201 圖像核對裝置210 圖像輸入部分
211 輸入圖像220 圖像切出部分221 水平方向投影222 垂直方向投影223 切出圖像230 邊緣提取部分230a Sobel算子(用於計算水平方向邊緣)230b Sobel算子(用於計算垂直方向邊緣)231 邊緣提取圖像232 邊緣標準化圖像233 已極坐標變換邊緣標準化圖像240 匹配處理部分240a 極坐標變換部分240b 旋轉角檢測部分240c 正反判定部分250 註冊圖像存儲部分251 模板圖像251a t+圖像251b t-圖像300 正負分離相關判定部分310 標準化相關值計算部分311 標準化相關值圖像311a r+圖像311b r-圖像320 正負分離相關圖像生成部分321 A+區域圖像322 A-區域圖像33 B+區域圖像324 B-區域圖像330 膨脹處理部分330a 正區域圖像掩模
330b 負區域圖像掩模330c 輸入圖像掩模330d 模板圖像掩模331 已膨脹A+區域圖像332 已膨脹A-區域圖像333 已膨脹B+區域圖像334 已膨脹B-區域圖像335 已膨脹標準化相關值圖像335a 已膨脹r+圖像335b 已膨脹r-圖像340 核對值計算部分具體實施方式
以下，參照附圖詳細說明本發明的圖像核對裝置、圖像核對方法以及圖像核對程序的實施例1～2。另外，在實施例1中說明使用正交坐標系的圖像核對，在實施例2中說明使用極坐標系的圖像核對。
實施例1圖1是表示實施例1的圖像核對裝置的結構的功能方框圖。如該圖所示，該圖像核對裝置1包括圖像輸入部分10、圖像切出部分20、邊緣提取部分30、匹配處理部分40、註冊圖像存儲部分50、正負分離相關判定部分100，該正負分離相關判定部分100包括標準化相關值計算部分110、正負分離相關圖像生成部分120、膨脹處理部分130、核對值計算部分140。
圖像輸入部分10是用於將成為核對對象的硬幣的輸入圖像取入裝置內的輸入部分，將輸入的圖像輸出到圖像切出部分20。具體來說，圖像輸入部分10將輸入圖像作為規定數的像素的集合體來進行處理。例如，將輸入圖像識別為具有256灰度等級(gradation level)的濃度值的灰度圖像，作為規定大小的矩形圖像輸出到圖像切出部分。
圖像切出部分20從圖像輸入部分10取得該矩形圖像，僅切出與硬幣圖像外接的正方形區域內的圖像，將切出的圖像輸出到邊緣提取部分30。
圖2是用於說明該圖像切出部分20的處理概要的說明圖。如該圖所示，圖像切出部分20在水平方向上掃描從圖像輸入部分10取得的輸入圖像11並累計全部像素的濃度值，生成水平方向投影21。此外，在垂直方向上掃描輸入圖像11，並以同樣的步驟生成垂直方向投影22。然後，圖像切出部分20掃描水平方向投影21以及垂直方向投影22，計算累計的濃度值的上升坐標和下降坐標。然後，如該圖的四條虛線所示，將計算出的各坐標所包圍的區域作為切出圖像23切出，並將該切出圖像23輸出到邊緣提取部分30。
返回到圖1的說明，說明邊緣提取部分30。邊緣提取部分30從圖像切出部分20取得切出圖像23，並計算切出圖像23的濃度變化(邊緣強度)以避免基於切出圖像23的亮度或色彩(hue)等的個體差別的影響。此外，為抑制計算出的邊緣強度的偏差而進行邊緣強度的標準化。具體來說，通過對切出圖像23進行使用Sobel算子的邊緣提取處理從而計算邊緣強度，將計算結果標準化。另外，在實施例1中，假設使用Sobel算子，但也可以使用Roberts算子等來進行邊緣提取。
圖3是用於說明Sobel算子的說明圖。如該圖所示，邊緣提取部分30使用水平方向邊緣計算用30a以及垂直方向邊緣計算用30b的兩個Sobel算子來進行邊緣強度的計算。具體來說，對於切出圖像23的全部像素掃描各Sobel算子(30a以及30b)，取得水平方向邊緣計算結果Gx以及垂直方向邊緣計算結果Gy。然後，在計算各像素中的邊緣強度(G)之後將該邊緣強度標準化(E)。
G＝|Gx|+|Gy| ...(1)E=cGG...(2)]]>如算式(1)所示，各像素中的邊緣強度(G)被表示為水平方向邊緣計算結果Gx的絕對值以及垂直方向邊緣計算結果Gy的絕對值之和。此外，如算式(2)所示，各像素中的標準化邊緣強度(E)為對每個硬幣種類設定規定的值的常數c和邊緣強度(G)的積除以全部像素的邊緣強度(G)的總和的結果。
這樣，通過進行邊緣強度的標準化，能夠抑制在容易提取邊緣的新硬幣和難以提取邊緣的流通硬幣之間發生邊緣強度的偏差，所以能夠高精度地進行各種硬幣的核對而與硬幣的新舊無關。
圖4是用於說明由邊緣提取部分30進行的邊緣提取處理(圖像變換處理)的概要的說明圖。如該圖所示，切出圖像23通過使用Sobel算子的邊緣強度計算處理被圖像變換為邊緣提取圖像31。然後，邊緣提取圖像31通過使用算式(1)以及算式(2)的邊緣強度標準化處理而被變換為邊緣標準化圖像32。邊緣提取部分30將該邊緣標準化圖像32輸出到匹配處理部分40。
該圖所示的邊緣提取圖像31的各像素值例如取0～255的值，0取對應於黑的灰度值，255取對應於白的灰度值。在該圖的邊緣提取圖像31中，白的部分為提取出的邊緣部分，黑的部分為背景部分。此外，邊緣標準化圖像32的各像素值例如取0～255的值，0取對應於黑的灰度值，255對應於白的灰度值。另外，在該圖的邊緣標準化圖像中，白的部分相當於邊緣部分，黑的部分相當於背景部分，這與邊緣提取圖像31同樣。
返回圖1的說明，說明匹配處理部分40。匹配處理部分40從邊緣提取部分30取得邊緣標準化圖像32，進行與註冊圖像存儲部分50中存儲的模板圖像的核對處理。具體來說，將模板圖像每次旋轉規定的角度，取得各旋轉角的模板圖像和邊緣標準化圖像32的一致度(M)為最大的旋轉角(φ)。該一致度(M)通過[方程2]Mxyt(x,y).s(x,y)...(3)]]>計算。
如算式(3)所示，各旋轉角(φ)的一致度M(φ)為全部像素的旋轉了角度φ的模板圖像的各像素的濃度值tφ(x，y)和邊緣標準化圖像32的各像素的濃度值s(x，y)的積的總和。
圖5是用於說明匹配處理部分40的匹配判定的概要的說明圖。如該圖所示，M(φ)的值為在某一旋轉角具有最大值的山形的曲線。匹配處理部分40取得該M(φ)為最大(山形的頂點部分)的φ的值，將存儲在註冊圖像存儲部分50中的模板圖像旋轉角度φ。然後，將邊緣標準化圖像32以及已旋轉的模板圖像輸出到正負分離相關判定部分100。
圖6是用於說明從匹配處理部分40輸出到正負分離相關判定部分100的已邊緣標準化處理圖像以及已旋轉模板圖像的圖像例子的說明圖。在該圖中，表示10日元硬幣的表面圖像被輸入圖像核對裝置1中的情況的圖像例子。即，對切出圖像24實施上述邊緣標準化處理而生成邊緣標準化圖像33，通過上述匹配處理而將模板圖像旋轉而生成已旋轉的模板圖像51。在以後的說明中，使用該邊緣標準化圖像(正面)33來代替邊緣標準化圖像(反面)32。
另外，對匹配處理部分40通過旋轉模板圖像而取得一致度最大的旋轉角進行了說明，但也可以不旋轉模板圖像而旋轉邊緣標準化圖像32來取得一致度最大的旋轉角。
返回到圖1的說明，說明註冊圖像存儲部分50。註冊圖像存儲部分50存儲與預先註冊的各種硬幣對應的多個模板圖像，並對匹配處理部分40提供這些模板圖像。為了對這樣的模板圖像抑制硬幣的個體差別引起的偏差而使用將同一種類的硬幣圖像合成多個而得到的平均圖像。通過使用該平均圖像，製造年等各硬幣所固有的凹凸圖案部分和模板圖像的對應部分的相關值為與平均圖像(平均值)有關的相關值，因此難以產生核對時的影響。即，能夠防止即使是真正硬幣但由於製造年不同而判定為偽造硬幣的情況。
這樣的模板圖像為了與實施過邊緣標準化處理的輸入圖像進行核對而與輸入圖像同樣被實施了邊緣標準化處理之後，被註冊在註冊圖像存儲部分50中。此外，註冊圖像存儲部分50中註冊多個對各金屬種類的正面以及反面的平均圖像施加了邊緣標準化處理的圖像。
正負分離相關判定部分100從匹配處理部分40取得圖6所示的邊緣標準化圖像33(以下稱作『輸入圖像33』)以及已旋轉模板圖像51(以下稱作『模板圖像51』)，通過將這些圖像進行核對從而進行輸入圖像33的硬幣是否為真正硬幣的核對判定，並輸出該判定結果。
標準化相關值計算部分110計算輸入圖像33以及模板圖像51的對應的每個像素的相關值，將該相關值標準化而生成標準化相關值圖像。具體來說，對於坐標值為(x，y)的各像素，使用輸入圖像33的濃度值s(x，y)以及模板圖像51的濃度值t(x，y)，通過[方程3]r(x,y)=(t(x,y)-tn)(s(x,y)-sn){t2-(t)2n}.{s2-(s)2n}...(4)]]>
計算各像素的標準化相關值r(x，y)。另外，算式(4)所示的各像素的標準化相關值r(x，y)例如取-1.0～+1.0的值。此外，算式(4)中的n表示像素數。
而且，標準化相關值計算部分110根據該標準化相關值圖像的像素值是否為0以上而分離為正的標準化相關值圖像(r+圖像)和負的標準化相關值圖像(r-圖像)。此外，關於模板圖像51，根據各像素值是否為規定的閾值(Tt)以上而分離為正的模板圖像(t+圖像)和負的模板圖像(t-圖像)。
另外，r+圖像的像素值例如取0.0～1.0的值，r-圖像的像素值通過取各像素值的絕對值而取例如0.0～1.0的值。此外，t+圖像以及t-圖像的像素值例如取0或1的二值。即，t+圖像以及t-圖像具有作為各標準化相關值圖像的圖像變換所使用的圖像掩模的作用。
這裡，說明各個圖像的意思，r+圖像表示在成為核對對象的圖像間有相關(相似)的像素，如果有很強的相關，則該像素取大的值。此外，r-圖像表示在成為核對對象的圖像間沒有相關(不相似)的像素，如果有很強的負相關，則該像素取大的值。而且，t+圖像表示模板圖像的邊緣部分，邊緣部分取1的值，背景部分取0的值。此外，t-圖像表示模板圖像的背景部分(不是邊緣的部分)，背景部分取1的值，邊緣部分取0的值。
正負分離相關圖像生成部分120通過標準化相關值計算部分110生成的r+圖像、r-圖像、t+圖像以及t-圖像的組合來生成正負分離相關圖像。具體來說，從r+圖像和t+圖像生成A+區域圖像，從r-圖像和t+圖像生成A-區域圖像，從r+圖像和t-圖像生成B+區域圖像，從r-圖像和t-圖像生成B-區域圖像。
這裡，說明各區域圖像的意思。圖7是用於說明該4個區域的說明圖。如該圖所示，A+區域圖像是將r+圖像和t+圖像重疊的區域圖像，表示與邊緣部分有相關，即在應出現邊緣處出現了邊緣的情況，對應於技術方案中的正特徵區域圖像。A-區域圖像是將r-圖像和t+圖像重疊的區域圖像，表示與邊緣部分沒有相關，即在應出現邊緣處未出現邊緣的情況，對應於技術方案中的負特徵區域圖像。B+區域圖像是將r+圖像和t-圖像重疊的區域圖像，表示與背景部分有相關，即在不應出現邊緣處未出現邊緣的情況，對應於技術方案中的正背景區域圖像。B-區域圖像是將r-圖像和t-圖像重疊的區域圖像，表示與背景部分沒有相關，即在不應出現邊緣處未出現邊緣的情況，對應於技術方案中的負背景區域圖像。
返回圖1的說明，說明膨脹處理部分130。膨脹處理部分130使用規定的圖像掩模將A-區域圖像的像素向A+區域圖像移動，同時將B-區域圖像的像素向B+區域圖像移動。進行該膨脹處理是由於標準化相關值中呈噪聲狀地出現了具有負的相關值的孤立點。即，通過進行該膨脹處理，可以抑制該孤立點的影響波及到核對值的判定結果。
核對值計算部分140將A+區域圖像、A-區域圖像、B+區域圖像以及B-區域圖像分別例如分割為水平方向上4個，垂直方向上4個的共16個塊，通過[方程4]Z=j=03i=03(aijAij++bijAij-+cijBij++dijBij-)...(5)]]>算式(5)來求核對值(Z)。這裡，係數aij、bij、cij以及dij使用學習樣本通過線性判斷分析來求最佳解。另外，作為各區域圖像的塊值的A+ij、A-ij、B+ij以及B-ij表示各塊內的像素值的總和。
而且，如果該核對值(Z)為閾值以上，則核對值計算部分140核對判定為輸入圖像33的硬幣是真正硬幣，如果小於閾值則核對值計算部分140核對判定為偽造硬幣，然後輸出該判定結果。
以後，進一步具體說明圖1所示的正負分離相關判定部分100的處理。首先，使用圖8以及圖11說明標準化相關值計算部分110進行的標準化相關值正負分離處理。圖8是標準化相關值正負分離處理的流程圖，圖11是用於說明正負分離相關判定部分100中的圖像生成步驟的說明圖。
如圖11所示，標準化相關值計算部分110首先從輸入圖像33和模板圖像51生成標準化相關值圖像111。然後，以生成的標準化相關值圖像111作為輸入來進行標準化相關值正負分離處理，將該標準化相關值圖像111分離為作為正的相關值圖像的r+圖像111a和作為負的相關值圖像的r-圖像111b。
如圖8所示，在標準化相關值正負分離處理中，首先向標準化相關值圖像111的起點像素移動(步驟S501)。該起點像素例如是x＝0，y＝0的像素。然後，使用算式(4)計算該像素的標準化相關值r(x，y)(步驟S502)，如果計算出的r(x，y)為0以上(步驟S503「肯定」)，則將該像素值作為r+圖像111a的同一坐標的像素值(步驟S504)。另一方面，如果計算出的r(x，y)小於0(步驟S503「否定」)，則將該像素的像素值的絕對值作為r-圖像111b的同一坐標的像素值(步驟S505)。
然後，在還未對標準化相關值圖像111的全部像素完成正負分離處理的情況下(步驟S506「否定」)，移動到下一個注目像素(步驟S507)，重複進行步驟S502以下的處理。另一方面，在對全部像素結束了正負分離處理的情況下(步驟S506「肯定」)，結束處理。通過該標準化相關值正負分離處理，r+圖像111a以及r-圖像111b作為具有取0.0～1.0的像素值的像素的圖像而被生成。另外，在實施例1中，說明了r-圖像111b的像素的像素值取0.0～1.0的像素值，但該像素值也可以取-1.0～0.0的值。
接著，使用圖9以及圖11說明標準化相關值計算部分110進行的模板圖像正負分離處理。圖9是模板圖像正負分離處理的流程圖。如圖11所示，在模板圖像正負分離處理中，進行將模板圖像51分離為作為正的模板圖像的t+圖像51a和作為負的模板圖像的t-圖像51b的處理。
如圖9所示，在模板圖像的正負分離處理中，首先向模板圖像51的起點像素移動(步驟S601)。該起點像素例如是x＝0，y＝0的像素。然後，如果該像素的濃度值為規定的閾值(Tt)以上(步驟S602「肯定」)，則將t+圖像51a的同一坐標的像素值設為1(步驟S603)。另一方面，如果該濃度值小於規定的閾值(Tt)(步驟S602「否定」)，則將t-圖像51b的同一坐標的像素值設為1(步驟S604)。
然後，在還未對模板圖像51的全部像素完成正負分離處理的情況下(步驟S605「否定」)，移動到下一個注目像素(步驟S606)，重複進行步驟S602以下的處理。另一方面，在對全部像素結束了正負分離處理的情況下(步驟S605「肯定」)，結束處理。通過該模板圖像正負分離處理，t+圖像51a被生成為邊緣部分為1、背景部分為0的二值圖像，t-圖像51b被生成為邊緣部分為0、背景部分為1的二值圖像。
接著，使用圖10以及圖11說明正負分離相關圖像生成部分120進行的正負分離相關圖像生成處理。圖10是正負分離相關圖像生成處理的流程圖。
如圖11所示，在正負分離相關圖像生成處理中，將在標準化相關值計算部分110中生成的r+圖像111a、r-圖像111b、t+圖像51a以及t-圖像51b用作輸入圖像，生成A+區域圖像121、A-區域圖像122、B+區域圖像123以及B-區域圖像124。
例如，在將r+圖像111a以及、t+圖像51a用作輸入圖像的情況下，如圖10所示，首先向各個圖像的起點像素移動(步驟S701)。然後，在該像素中的t+圖像51a的像素值為1的情況下(步驟S702「肯定」)，將A+區域圖像121的像素值作為r+圖像111a的像素值(步驟S703)。另一方面，在該像素中的t+圖像51a的像素值不是1的情況下(即，是0的情況下)(步驟S702「否定」)，將A+區域圖像121的像素值設為0(步驟S704)。
然後，在還未對全部像素完成區域圖像生成處理的情況下(步驟S705「否定」)，移動到下一個注目像素(步驟S706)，重複進行步驟S702以下的處理。另一方面，在對全部像素結束了區域圖像生成處理的情況下(步驟S705「肯定」)，生成A+區域圖像121，結束處理。
同樣，由r-圖像111b以及t+圖像51a生成A-區域圖像122，由r+圖像111a以及t-圖像51b生成B+區域圖像123，由r-圖像111b以及t-圖像51b生成B-區域圖像124。
接著，使用圖12～圖14說明膨脹處理部分130進行的膨脹處理。圖12是用於說明在膨脹處理中使用的圖像掩模的說明圖，圖13是膨脹處理的流程圖，圖14是用於說明由膨脹處理生成的圖像的說明圖。
在該膨脹處理中，進行將負的區域圖像(A-區域圖像122以及B-區域圖像124)中包含的噪聲狀的孤立點(像素)向正的區域圖像(A+區域圖像121以及B+區域圖像123)移動的處理。通過進行該處理，可以提高核對值的精度。
如圖12所示，在該膨脹處理中，使用正區域圖像掩模130a以及負區域圖像掩模130b的兩個圖像掩模。各圖像掩模具有P5以及M5和將這些區域包圍的8個區域。例如，在進行從A-區域圖像122向A+區域圖像121的膨脹處理的情況下，負區域圖像掩模130b的M5與A-區域圖像122的注目像素合併，將正區域圖像掩模130a的P5與對應於注目像素的像素合併。然後，依次對M5的像素值和P1～P9的像素值進行比較並進行膨脹處理。
接著，以進行從A-區域圖像122向A+區域圖像121的膨脹處理的情況為例，使用圖13說明該膨脹處理的處理步驟。首先，向各個圖像(121以及122)的起點像素移動(步驟S801)。該起點像素例如為x＝0，y＝0的像素。然後，為了依次切換正區域掩模130a的9個區域(P1～P9)而對n設定1(步驟S802)。即，在步驟S802完成的時刻，成為對象的正區域圖像掩模130a的區域為P1。
然後，對Pn的值和M5的值進行比較，在P1的值大於M5的值的情況下(步驟S803「肯定」)，用M5置換P5的值並將M5的值設定為0(步驟S805)。即，將M5的像素向P5的像素移動。另一方面，在Pn的值為M5的值以下的情況下(步驟S803「否定」)，對n的值加1(步驟S804)，在n的值為9以下的情況下(步驟S806「否定」)，並再次進行步驟S803。
這樣，P1～P9的值中只要有一個大於M5的值，則將M5的像素向P5移動。另一方面，在P1～P9的值都為M5的值以下的情況下(步驟S806「肯定」)，不進行像素的移動。
然後，在沒有對A-區域圖像122的全部像素結束處理的情況下(步驟S807「否定」)，向下一個注目像素移動(步驟S808)，進行步驟S802以後的處理。另一方面，在對A-區域圖像122的全部像素結束了處理的情況下(步驟S807「肯定」)，結束該膨脹處理。
如圖14所示，通過該膨脹處理，A+區域圖像121、A-區域圖像122、B+區域圖像123以及B-區域圖像124分別被圖像變換為已膨脹A+區域圖像131、已膨脹A-區域圖像132、已膨脹B+區域圖像133以及已膨脹B-區域圖像134。另外，由於A-區域圖像122上的孤立點向A+區域圖像121移動，所以已膨脹A+區域圖像131的邊緣部分與A+區域圖像121相比，面積增加。另一方面，已膨脹A-區域圖像132的邊緣部分與A-區域圖像122相比，面積減少。
接著，使用圖15說明核對值計算部分140進行的核對值計算處理。圖15是用於說明已膨脹區域圖像(131～134)的塊分割的說明圖。如該圖所示，核對值計算部分140首先將各已膨脹區域圖像(131～134)分割為水平方向上4個、垂直方向上4個的共16個塊，生成A+區域圖像塊141、A-區域圖像塊142、B+區域圖像塊143以及B-區域圖像塊144。
然後，核對計算部分140使用算式(5)進行核對值(Z)的計算。這裡，假設算式(5)的各係數aij、bij、cij以及dij使用學習樣本通過線性判斷分析等來求最佳解。具體來說，由於根據硬幣的凹凸圖案的設計不同而存在容易提取邊緣的硬幣和難以提取邊緣的硬幣，所以這些係數對於每個硬幣的類別取不同的值。通過由學習樣本將這些係數最佳化從而能夠進行高精度的圖像核對。
而且，核對值計算部分140使用設定了最佳值的係數aij、bij、cij以及dij和各圖像塊(141～144)來計算核對值(Z)，在該核對值為閾值以上的情況下，判定為真正硬幣，在小於閾值的情況下，判定為偽造硬幣。另外，在實施例1中，說明了將各圖像分割為16塊的情況，但塊數可以為任意的數。
另外，在算式(5)中，如果將係數cij以及dij設定為0，則可以僅從A+區域圖像塊141以及A-區域圖像塊142來計算核對值(Z)。此外，如果將係數aij以及bij設定為0，則可以僅從B+區域圖像塊143以及B-區域圖像塊144來計算核對值(Z)。
這樣，核對值計算部分140通過根據硬幣的種類或硬體的能力來調整圖像塊數或算式(5)的各係數的值，從而能夠高效率地進行圖像核對。
另外，在實施例1的核對值計算部分140中，結構為在將各區域圖像進行了塊分割之後，通過算式(5)來計算核對值(Z)，但不限於此，也可以構成為通過其它的方法進行核對判定。例如，也可以使用多層神經網絡、支持向量機、二次識別函數等其它的方法。
以後，在對標準化相關值圖像111進行正負分離之前進行膨脹處理的情況下，使用圖16～圖18進行說明。圖16是說明該膨脹處理的圖像生成步驟的說明圖，圖17是用於說明該膨脹處理中使用的圖像掩模的說明圖，圖18是該膨脹處理的流程圖。
在上述膨脹處理中，在生成各區域圖像(121～124)之後，將像素從負的區域圖像(例如，A-區域圖像122)移動到正的區域圖像(例如，A+區域圖像121)。但是，該膨脹處理可以使用正負分離前的標準化相關值圖像111和正負分離前的模板圖像51來進行。
如圖16所示，標準化相關值計算部分110首先由輸入圖像33和模板圖像51生成標準化相關值圖像111。然後，該膨脹處理以生成的標準化相關值圖像111作為輸入來進行膨脹處理，生成已膨脹的標準化相關值圖像135。然後，該已膨脹的標準化相關值圖像135被分離為已膨脹的r+圖像135a和已膨脹的r-圖像135b。然後，將已膨脹的r+圖像135a、已膨脹的r-圖像135b、t+圖像51a以及t-圖像51b作為輸入，進行正負分離相關圖像生成部分120的處理，輸出已膨脹A+區域圖像131、已膨脹A-區域圖像132、已膨脹B+區域圖像133以及已膨脹B-區域圖像134。
如圖17所示，在該膨脹處理中，使用輸入圖像掩模130c以及模板圖像掩模130d的兩個圖像掩模。各圖像掩模具有S5以及T5和將這些區域包圍的8個區域。例如，在使用模板圖像51和標準化相關值圖像111進行膨脹處理的情況下，將輸入圖像掩模130c的S5與標準化相關值圖像的注目像素合併，將模板圖像掩模130d的T5與對應於注目像素的像素合併。然後，參照S1～S9以及T1～T9的區域的像素值進行比較並進行膨脹處理。
使用圖18說明該膨脹處理的處理步驟。首先，向各個圖像(111以及51)的起點像素移動(步驟S901)。該起點像素例如是x＝0，y＝0的像素。然後，在S5的值為負的情況下，即相應的像素的標準化相關值為負的情況下(步驟S902「否定」)，為了依次切換輸入圖像掩模130c的9個區域(S1～S9)以及模板圖像掩模130d的9個區域(T1～T9)而將n設定1(步驟S903)。
然後，在Tn的值大於閾值(Tt)的情況下(步驟S904「肯定」)，判定Sn的值是否為0以上(步驟S905)，如果Sn的值為0以上(步驟S905「肯定」)，則對該Sn的值和S5的絕對值進行比較(步驟S906)。然後，如果Sn的值大於S5的絕對值(步驟S906「肯定」)，則以S5的絕對值置換Sn的值(步驟S907)。
即，在S5的周邊的Sn中，在存在Tn的值大於閾值(Tt)並且Sn的值為0以上，而且Sn的值大於S5的絕對值的區域(Sn)的情況下，判定該S5的像素為孤立點，取S5的值的絕對值並將S5的值反轉。然後，如果沒有對標準化相關值圖像111的全部像素結束膨脹處理(步驟S910「否定」)，則向注目像素移動(步驟S911)並重複進行步驟S902以下的處理。另一方面，在對全部像素結束了膨脹處理的情況下(步驟S910「肯定」)，結束該膨脹處理。
另一方面，在Tn的值為閾值(Tt)以下(步驟S904「否定」)，或Sn的值為負(步驟S905「否定」)，或Sn的值為S5的絕對值以下(步驟S906「否定」)的情況下，對n加1(步驟S908)，如果n為9以下(步驟S909「否定」)，則重複進行步驟S904以下的處理。另一方面，如果n大於9(步驟S909「肯定」)，則進行步驟S910的處理。
這樣，即使在標準化相關值圖像111的正負分離之前進行了膨脹處理的情況下，也能夠取得已膨脹區域圖像(131～134)。在該情況下，由於使用正負分離前的標準化相關值圖像111，所以與生成區域圖像(121～124)後的膨脹處理相比較，能夠削減成為膨脹處理的對象的圖像數，所以能夠進行更高效的膨脹處理。
如上所述，通過實施例1的圖像核對裝置、圖像核對方法以及圖像核對程序，對實施邊緣提取處理和邊緣標準化處理並進行特徵提取後的輸入圖像和預先實施了標準化處理的模板圖像進行核對，生成標準化相關值圖像，同時根據各圖像中的像素值是否為閾值以上，而將標準化相關值圖像以及模板圖像分別分離為正的標準化相關值圖像以及負的標準化相關值圖像，和正的模板圖像以及負的模板圖像，然後通過該圖像的組合，生成正的特徵區域圖像、負的特徵區域圖像、正的背景區域圖像以及負的背景區域圖像，進而，實施進行從負的特徵區域圖像向正的特徵區域圖像的像素移動、從負的背景區域圖像向正的特徵區域圖像的像素移動的膨脹處理，將這些已膨脹處理的區域圖像進行塊分割並通過線性判別分析等計算核對值並進行核對判定，所以能夠將輸入圖像以及模板圖像的全部像素作為核對對象，同時排除伴隨相關值計算的孤立點的影響，不僅特徵區域，而且背景區域的相關值也很平衡地反映在核對值中，所以能夠進行高精度的圖像核對並且能夠提高圖像的核對率。
另外，在實施例1中，說明了對硬幣的輸入圖像進行圖像核對的情況，但本發明不限定於此，例如，也可以應用於紙幣圖像的核對，或FA(FactoryAutomation)等中的部件或產品的圖像核對。
實施例2上述實施例1中說明了使用正交坐標系進行硬幣等的圖像核對的情況。在本實施例2中，說明使用極坐標系代替正交坐標系的圖像核對。通過使用極坐標系能夠更高效地進行硬幣等圓形物體的圖像核對。
圖19是表示實施例2的圖像核對裝置的結構的功能方框圖。如該圖所示，該圖像核對裝置201包括圖像輸入部分210、圖像切出部分220、邊緣提取部分230、匹配處理部分240、註冊圖像存儲部分250、正負分離相關判定部分300，該匹配處理部分240包括極坐標變換部分240a、旋轉角檢測部分240b、正反判定部分240c，該正負分離相關判定部分300包括標準化相關值計算部分310、正負分離相關圖像生成部分320、膨脹處理部分330、核對值計算部分340。
圖像輸入部分210是用於將成為核對對象的硬幣的輸入圖像取入裝置內的輸入部分，將輸入的圖像輸出到圖像切出部分220。具體來說，圖像輸入部分210將輸入圖像作為規定數的像素的集合體來進行處理。例如，將輸入圖像識別為具有256灰度等級的濃度值的灰度圖像，作為規定大小的矩形圖像輸出到圖像切出部分。
圖像切出部分220從圖像輸入部分210取得該矩形圖像，僅切出與硬幣圖像外接的正方形區域內的圖像，將切出的圖像輸出到邊緣提取部分230。
圖20是用於說明該圖像切出部分220的處理概要的說明圖。如該圖所示，圖像切出部分220在水平方向上掃描從圖像輸入部分210取得的輸入圖像211並累計全部像素的濃度值，生成水平方向投影221。此外，在垂直方向上掃描輸入圖像211，並以同樣的步驟生成垂直方向投影222。然後，圖像切出部分220掃描水平方向投影221以及垂直方向投影222，計算累計的濃度值的上升坐標和下降坐標。然後，如該圖的四條虛線所示，將計算出的各坐標所包圍的區域作為切出圖像223切出，並將該切出圖像223輸出到邊緣提取部分230。
返回到圖19的說明，說明邊緣提取部分230。邊緣提取部分230從圖像切出部分220取得切出圖像223，並計算切出圖像223的濃度變化(邊緣強度)以避免基於切出圖像223的亮度或色彩的個體差別的影響。此外，為抑制計算出的邊緣強度的偏差而進行邊緣強度的標準化。具體來說，通過對切出圖像223進行使用Sobel算子的邊緣提取處理從而計算邊緣強度，將計算結果標準化。另外，在實施例2中，假設使用Sobel算子，但也可以使用Roberts算子等來進行邊緣提取。
圖21是用於說明Sobel算子的說明圖。如該圖所示，邊緣提取部分230使用水平方向邊緣計算用230a以及垂直方向邊緣計算用230b的兩個Sobel算子來進行邊緣強度的計算。具體來說，對於切出圖像223的全部像素掃描各Sobel算子(230a以及230b)，取得水平方向邊緣計算結果Gx以及垂直方向邊緣計算結果Gy。然後，在計算各像素中的邊緣強度(G)之後將該邊緣強度標準化(E)。
G＝|Gx|+|Gy| ...(6)E=cGG...(7)]]>
如算式(6)所示，各像素中的邊緣強度(G)被表示為水平方向邊緣計算結果Gx的絕對值以及垂直方向邊緣計算結果Gy的絕對值之和。此外，如算式(7)所示，各像素中的標準化邊緣強度(E)為對每個硬幣種類設定規定的值的常數c和邊緣強度(G)的積除以全部像素的邊緣強度(G)的總和的結果。
這樣，通過進行邊緣強度的標準化，能夠抑制在容易提取邊緣的新硬幣和難以提取邊緣的流通硬幣之間發生邊緣強度的偏差，所以能夠高精度地進行各種硬幣的核對而與硬幣的新舊無關。
圖22是用於說明由邊緣提取部分230進行的邊緣提取處理(圖像變換處理)的概要的說明圖。如該圖所示，切出圖像223通過使用Sobel算子的邊緣強度計算處理被圖像變換為邊緣提取圖像231。然後，邊緣提取圖像231通過使用算式(6)以及算式(7)的邊緣強度標準化處理而被變換為邊緣標準化圖像232。邊緣提取部分230將該邊緣標準化圖像232輸出到匹配處理部分240。
該圖所示的邊緣提取圖像231的各像素值例如取0～255的值，0取對應於黑的灰度值，255為對應於白的灰度值。在該圖的邊緣提取圖像231中，白的部分為提取出的邊緣部分，黑的部分為背景部分。此外，邊緣標準化圖像232的各像素例如取0～255的值，0取對應於黑的灰度值，255為對應於白的灰度值。另外，在該圖的邊緣標準化圖像中，白的部分相當於邊緣部分，黑的部分相當於背景部分，這與邊緣提取圖像231同樣。
返回圖19的說明，說明匹配處理部分240。匹配處理部分240從邊緣提取部分230取得邊緣標準化圖像232，並從註冊圖像存儲部分250取得邊緣標準化以及已極坐標變換的模板圖像。然後，對該邊緣標準化圖像232進行極坐標變換，通過模板圖像的平行移動來檢測該已極坐標變換的圖像與模板圖像的偏離角，同時進行正反的判定，從而將邊緣標準化圖像232以及已校正偏離角的模板圖像輸出到正負分離相關判定部分300。另外，在實施例2中，說明通過使模板圖像平行移動從而檢測偏離角的情況，但也可以通過對將邊緣標準化圖像232進行了極坐標變換後的圖像進行平行移動從而檢測偏離角。
極坐標變換部分240a是用於對邊緣標準化圖像232進行極坐標變換的處理部分。具體來說，計算邊緣標準化圖像232的中心點，以該中心點作為極坐標的原點。然後，根據旋轉角θ以及離中心點的距離ρ來確定各像素，通過將各像素向ρ-θ空間移動，從而進行極坐標變換。對該變換使用[方程6]x＝ρ·cos(θ) ...(8)y＝ρ·sin(θ) ...(9)。
圖23是用於說明該極坐標變化的處理概要的說明圖。以x-y空間(邊緣標準化圖像232)的中心點作為原點，用(x，y)表示各像素的坐標，該x以及y和上述ρ以及θ具有算式(8)以及算式(9)所示的關係。從而，通過將邊緣標準化圖像232內的各像素(x，y)變換為滿足算式(8)以及(9)的關係的(ρ，θ)，從而極坐標變換部分240a生成已極坐標變換邊緣標準化圖像233。
另外，在該圖中，示出了離中心點的距離ρ取10～100的值，旋轉角θ取0～255的值的情況，但這些值的範圍能夠任意地設定。
返回圖19的說明，說明旋轉角檢測部分240b。旋轉角檢測部分240b檢測已極坐標變換邊緣標準化圖像233和通過同樣的極坐標變換處理預先進行了極坐標變換的模板圖像的偏離角，並進行對兩圖像的偏離角進行校正的處理。圖24是用於說明旋轉角檢測部分240b的處理概要的說明圖。
如該圖所示，在ρ-θ空間中，使模板圖像251與θ坐標軸平行地移動。然後，計算θ坐標方向的偏離角(φ)以及各偏離角(φ)中的模板圖像251和邊緣標準化圖像232的一致度M(φ)，並取得該一致度M(φ)為最大的旋轉角φmax。另外，該一致度M(φ)通過[方程7]M=k=0255t(k,-).s(k,)...(10)]]>來計算。
如算式(10)所示，各偏離角(φ)中的一致度M(φ)是在將模板圖像251偏離了φ的情況下，模板圖像251的各像素的濃度值t(k，θ-φ)和邊緣標準化圖像232的各像素的濃度值s(k，θ)對各像素的積的總和。這裡，k是對離邊緣標準化圖像232中的中心點的距離ρ中容易出現特徵的距離進行了選擇的選擇值。例如，通過在圖23所示的已極坐標變換邊緣標準化圖像233的ρ(0～100)中選擇16個容易出現特徵的ρ值，從而選擇該k。
如圖24所示，該M(φ)的值為在某一旋轉角具有最大值的山形的曲線。旋轉角檢測部分240b取得該M(φ)為最大(山形的頂點部分)的φmax的值，這樣，旋轉角檢測部分240b由於通過實施了極坐標變換的ρ-θ圖像的平行移動來校正偏離角，所以與通過x-y圖像的旋轉來校正偏離角的方法相比能夠削減計算量。
返回圖19的說明，說明正反判定部分240c。首先，正反判定部分240c在已極坐標變換的正面用模板圖像以及反面用模板圖像和已極坐標變換邊緣標準化圖像233之間計算上述一致度M(φ)的最大值M(φmax)，並由該M(φmax)求標準化相關係數R。具體來說，該標準化相關係數R通過[方程8]R=(t(-max)-tN)(s-sN){t2-(t)2N}.{s2-(s)2N}=N.M(max)-t.s{N.t2-(t)2}{Ns2-(s)2}...(11)]]>求出。另外，算式(11)中的N表示成為判定對象的像素數。
然後，該正反判定部分240c選擇標準化相關係數R大的模板圖像，與已極坐標變換邊緣標準化圖像233一同輸出到正負分離相關判定部分300。例如，在反面用模板圖像和已極坐標變換邊緣標準化圖像233的標準化相關係數R比正面用模板圖像和已極坐標變換邊緣標準化圖像233的標準化相關係數R大的情況下，將反面用模板圖像和已極坐標變換邊緣標準化圖像233輸出到正負分離相關判定部分300。這裡，對正負分離相關判定部分300輸出的模板圖像是平行移動角度φmax而校正了與已極坐標變換邊緣標準化圖像233的偏離角的模板圖像。
返回到圖19的說明，說明註冊圖像存儲部分250。註冊圖像存儲部分250存儲與預先註冊的各種硬幣對應的多個模板圖像，並對匹配處理部分240提供這些模板圖像。為了對這樣的模板圖像抑制硬幣的個體差別引起的偏差而使用將同一種類的硬幣圖像合成多個而得到的平均圖像。通過使用該平均圖像，製造年等各硬幣所固有的凹凸圖案部分和模板圖像的對應部分的相關值為與平均圖像(平均值)有關的相關值，因此難以產生核對時的影響。即，能夠防止即使是真正硬幣但由於製造年不同而判定為偽造硬幣的情況。
這樣的模板圖像為了與實施過極坐標變換處理以及邊緣標準化處理的輸入圖像進行核對而與輸入圖像同樣被實施了極坐標變換處理以及邊緣標準化處理之後，被註冊在註冊圖像存儲部分250中。此外，註冊圖像存儲部分250中註冊多個各金屬種類的正面以及反面的模板圖像。
返回圖19的說明，說明正負分離相關判定部分300。正負分離相關判定部分300從匹配處理部分240取得圖24所示的已極坐標變換邊緣標準化圖像233(以下稱作『輸入圖像233』)以及已校正偏離角的模板圖像251(以下稱作『模板圖像251』)，通過將這些圖像進行核對從而進行輸入圖像233的硬幣是否為真正硬幣的核對判定，並輸出該判定結果。
標準化相關值計算部分310計算輸入圖像233以及模板圖像251的對應的每個像素的相關值，將該相關值標準化而生成標準化相關值圖像。具體來說，對於坐標值為(k，θ)的各像素，使用輸入圖像233的濃度值s(k，θ)以及已校正偏離角的模板圖像251的濃度值t(k，θ-φmax)，通過[方程9]r(k,)=(t(k,-max)-tn)(s(k,)-sn){t2-(t)2n}.{s2-(s)2n}...(12)]]>計算各像素的標準化相關值r(k，θ)。另外，算式(12)所示的各像素的標準化相關值r(k，θ)例如取-1.0～+1.0的值。此外，算式(12)中的n表示像素數。
而且，標準化相關值計算部分310根據該標準化相關值圖像的像素值是否為0以上而分離為正的標準化相關值圖像(r+圖像)和負的標準化相關值圖像(r-圖像)。此外，關於模板圖像251，根據各像素值是否為規定的閾值(Tt)以上而分離為正的模板圖像(t+圖像)和負的模板圖像(t-圖像)。
另外，r+圖像的像素值例如取0.0～1.0的值，r-圖像的像素值通過取各像素值的絕對值而例如取0.0～1.0的值。此外，t+圖像以及t-圖像的像素值例如取0或1的二值。即，t+圖像以及t-圖像具有作為各標準化相關值圖像的圖像變換所使用的圖像掩模的作用。
這裡，說明各個圖像的意思，r+圖像表示在成為核對對象的圖像間有相關(相似)的像素，如果有很強的相關，則該像素取大的值。此外，r-圖像表示在成為核對對象的圖像間沒有相關(不相似)的像素，如果有很強的負相關，則該像素取大的值。而且，t+圖像表示模板圖像的邊緣部分，邊緣部分取1的值，背景部分取0的值。此外，t-圖像表示模板圖像的背景部分(不是邊緣的部分)，背景部分取1的值，邊緣部分取0的值。
正負分離相關圖像生成部分320通過標準化相關值計算部分310生成的r+圖像、r-圖像、t+圖像以及t-圖像的組合來生成正負分離相關圖像。具體來說，從r+圖像和t+圖像生成A+區域圖像，從r-圖像和t+圖像生成A-區域圖像，從r+圖像和t-圖像生成B+區域圖像，從r-圖像和t-圖像生成B-區域圖像。
這裡，說明各區域圖像的意思。圖25是用於說明該4個區域的說明圖。如該圖所示，A+區域圖像是將r+圖像和t+圖像重疊的區域圖像，表示與邊緣部分有相關，即在應出現邊緣處出現了邊緣的情況，對應於技術方案中的正特徵區域圖像。A-區域圖像是將r-圖像和t+圖像重疊的區域圖像，表示與邊緣部分沒有相關，即在應出現邊緣處未出現邊緣的情況，對應於技術方案中的負特徵區域圖像。B+區域圖像是將r+圖像和t-圖像重疊的區域圖像，表示與背景部分有相關，即在不應出現邊緣處未出現邊緣的情況，對應於技術方案中的正背景區域圖像。B-區域圖像是將r-圖像和t-圖像重疊的區域圖像，表示與背景部分沒有相關，即在不應出現邊緣處未出現邊緣的情況，對應於技術方案中的負背景區域圖像。
返回圖19的說明，說明膨脹處理部分330。膨脹處理部分330使用規定的圖像掩模將A-區域圖像的像素向A+區域圖像移動，同時將B-區域圖像的像素向B+區域圖像移動。進行該膨脹處理是由於標準化相關值中呈噪聲狀地出現了具有負的相關值的孤立點。即，通過進行該膨脹處理，可以抑制該孤立點的影響波及到核對值的判定結果。
核對值計算部分340將A+區域圖像、A-區域圖像、B+區域圖像以及B-區域圖像分別例如分割為水平方向上16個，垂直方向上4個的共64個塊，通過[方程10]Z=j=03i=015(aijAij++bijAij-+cijBij++dijBij-)---(13)]]>算式(13)來求核對值(Z)。這裡，係數aij、bij、cij以及dij使用學習樣本通過線性判斷分析來求最佳解。另外，作為各區域圖像的塊值的A+ij、A-ij、B+ij以及B-ij表示各塊內的像素值的總和。
而且，如果該核對值(Z)為閾值以上，則核對值計算部分340判定為輸入圖像233的硬幣是真正硬幣，如果小於閾值則核對值計算部分340判定為偽造硬幣，然後輸出該判定結果。
以後，進一步具體說明圖19所示的正負分離相關判定部分300的處理。首先，使用圖26以及圖29說明標準化相關值計算部分310進行的標準化相關正負分離處理。圖26是標準化相關值正負分離處理的流程圖，圖29是用於說明正負分離相關判定部分300中的圖像生成步驟的說明圖。
如圖29所示，標準化相關值計算部分310首先從輸入圖像233和模板圖像251生成標準化相關值圖像311。然後，以生成的標準化相關值圖像311作為輸入來進行標準化相關值正負分離處理，將該標準化相關值圖像311分離為作為正的相關值圖像的r+圖像311a和作為負的相關值圖像的r-圖像311b。
如圖26所示，在標準化相關值正負分離處理中，首先向標準化相關值圖像311的起點像素移動(步驟S1501)。該起點像素例如是k＝0，θ＝0的像素。然後，使用算式(12)計算該像素的標準化相關值r(k，θ)(步驟S1502)，如果計算出的r(k，θ)為0以上(步驟S1503「肯定」)，則將該像素值作為r+圖像311a的同一坐標的像素值(步驟S1504)。另一方面，如果計算出的r(k，θ)小於0(步驟S1503「否定」)，則將該像素的像素值的絕對值作為r-圖像311b的同一坐標的像素值(步驟S1505)。
然後，在還未對標準化相關值圖像311的全部像素完成正負分離處理的情況下(步驟S1506「否定」)，移動到下一個注目像素(步驟S1507)，重複進行步驟S1502以下的處理。另一方面，在對全部像素結束了正負分離處理的情況下(步驟S1506「肯定」)，結束處理。通過該標準化相關值正負分離處理，r+圖像311a以及r-圖像311b作為具有取0.0～1.0的像素值的像素的圖像而被生成。另外，在實施例2中，說明了r-圖像311b的像素的像素值取0.0～1.0的像素值，但該像素值也可以取-1.0～0.0的值。
接著，使用圖27以及圖29說明標準化相關值計算部分310進行的模板圖像正負分離處理。圖27是模板圖像正負分離處理的流程圖。如圖29所示，在模板圖像正負分離處理中，進行將模板圖像251分離為作為正的模板圖像的t+圖像251a和作為負的模板圖像的t-圖像251b的處理。
如圖27所示，在模板圖像的正負分離處理中，首先向模板圖像251的起點像素移動(步驟S1601)。該起點像素例如是k＝0，θ＝0的像素。然後，如果該像素的濃度值為規定的閾值(Tt)以上(步驟S1602「肯定」)，則將t+圖像251a的同一坐標的像素值設為1(步驟S1603)。另一方面，如果該像素的濃度值小於規定的閾值(Tt)(步驟S1602「否定」)，則將t-圖像251b的同一坐標的像素值設為1(步驟S1604)。
然後，還未在對模板圖像251的全部像素完成正負分離處理的情況下(步驟S1605 「否定」)，移動到下一個注目像素(步驟S1606)，重複進行步驟S1602以下的處理。另一方面，在對全部像素結束了正負分離處理的情況下(步驟S1605 「 肯定」)，結束處理。通過該模板圖像正負分離處理，t+圖像251a被生成為邊緣部分為1、背景部分為0的二值圖像，t-圖像251b被生成為邊緣部分為0、背景部分為1的二值圖像。
接著，使用圖28以及圖29說明正負分離相關圖像生成部分320進行的正負分離相關圖像生成處理。圖28是正負分離相關圖像生成處理的流程圖。
如圖29所示，在正負分離相關圖像生成處理中，將在標準化相關值計算部分310中生成的r+圖像311a、r-圖像311b、t+圖像251a以及t-圖像251b用作輸入圖像，生成A+區域圖像321、A-區域圖像322、B+區域圖像323以及B-區域圖像324。
例如，在將r+圖像311a以及、t+圖像251a用作輸入圖像的情況下，如圖28所示，首先向各個圖像的起點像素移動(步驟S1701)。然後，在該像素中的t+圖像251a的像素值為1的情況下(步驟S1702「肯定」)，將A+區域圖像321的像素值作為r+圖像311a的像素值(步驟S1703)。另一方面，在該像素中的t+圖像251a的像素值不是1的情況下(即，是0的情況下)(步驟S1702「 否定」)，將A+區域圖像321的像素值設為0(步驟S1704)。
然後，在還未對全部像素完成區域圖像生成處理的情況下(步驟S1705「否定」)，移動到下一個注目像素(步驟S1706)，重複進行步驟S1702以下的處理。另一方面，在對全部像素結束了區域圖像生成處理的情況下(步驟S1705 「肯定」)，由於生成A+區域圖像321，所以結束處理。
同樣，由r-圖像311b以及t+圖像251a生成A-區域圖像322，由r+圖像311a以及t-圖像251b生成B+區域圖像323，由r-圖像311b以及t-圖像251b生成B-區域圖像324。
接著，使用圖30～圖32說明膨脹處理部分330進行的膨脹處理。圖30是用於說明在膨脹處理中使用的圖像掩模的說明圖，圖31是膨脹處理的流程圖，圖32是用於說明由膨脹處理生成的圖像的說明圖。
在該膨脹處理中，進行將負的區域圖像(A-區域圖像322以及B-區域圖像324)中包含的噪聲狀的孤立點(像素)向正的區域圖像(A+區域圖像321以及B+區域圖像323)移動的處理。通過進行該處理，可以提高核對值的精度。
如圖30所示，在該膨脹處理中，使用正區域圖像掩模330a以及負區域圖像掩模330b的兩個圖像掩模。各圖像掩模具有P5以及M5和將這些區域包圍的8個區域。例如，在進行從A-區域圖像322向A+區域圖像321的膨脹處理的情況下，負區域圖像掩模330b的M5與A-區域圖像322的注目像素合併，將正區域圖像掩模330a的P5與對應於注目像素的像素合併。然後，依次對M5的像素值和P1～P9的像素值進行比較並進行膨脹處理。
接著，以進行從A-區域圖像322向A+區域圖像321的膨脹處理的情況為例，使用圖31說明該膨脹處理的處理步驟。首先，向各個圖像(321以及322)的起點像素移動(步驟S1801)。該起點像素例如為k＝0，θ＝0的像素。然後，為了依次切換正區域掩模330a的9個區域(P1～P9)而對n設定1(步驟S1802)。即，在步驟S1802完成的時刻，成為對象的正區域圖像掩模330a的區域為P1。
然後，對Pn的值和M5的值進行比較，在P1的值大於M5的值的情況下(步驟S1803 「肯定」)，用M5置換P5的值並將M5的值設定為0(步驟S1805)。即，將M5的像素向P5的像素移動。另一方面，在Pn的值為M5的值以下的情況下(步驟S1803「否定」)，對n的值加1(步驟S1804)，在n的值為9以下的情況下(步驟S1806「否定」)，並再次進行步驟S1803。
這樣，P1～P9的值中只要有一個大於M5的值，則將M5的像素向P5移動。另一方面，在P1～P9的值都為M5的值以下的情況下(步驟S1806「肯定」)，不進行像素的移動。
然後，在沒有對A-區域圖像322的全部像素結束處理的情況下(步驟S1807 「 否定」)，向下一個注目像素移動(步驟S1808)，進行步驟S1802以後的處理。另一方面，在對A-區域圖像322的全部像素結束了處理的情況下(步驟S1807「肯定」)，結束該膨脹處理。
如圖32所示，通過該膨脹處理，A+區域圖像321、A-區域圖像322、B+區域圖像323以及B-區域圖像324分別被圖像變換為已膨脹A+區域圖像33 1、已膨脹A-區域圖像332、已膨脹B+區域圖像333以及已膨脹B-區域圖像334。另外，由於A-區域圖像322上的孤立點向A+區域圖像321移動，所以已膨脹A+區域圖像331的邊緣部分與A+區域圖像321相比，面積增加。另一方面，已膨脹A-區域圖像132的邊緣部分與A-區域圖像322相比，面積減少。
接著，使用圖33說明核對值計算部分340進行的核對值計算處理。圖33是用於說明關於已膨脹區域圖像(331～334)的塊分割將已膨脹A+區域圖像331進行塊分割的情況的例子的說明圖。如該圖所示，核對值計算部分340首先將各已膨脹A+區域圖像331分割為水平方向上16個、垂直方向上4個的共64個塊。同樣，對已膨脹A-區域圖像332、已膨脹B+區域圖像333以及已膨脹B-區域圖像334也進行塊分割。
然後，核對值計算部分340使用算式(13)進行核對值(Z)的計算。這裡，假設算式(13)的各係數aij、bij、cij以及dij使用學習樣本通過線性判斷分析等來求最佳解。具體來說，由於根據硬幣的凹凸圖案的設計不同而存在容易提取邊緣的硬幣和難以提取邊緣的硬幣，所以這些係數對於每個硬幣的類別取不同的值。通過由學習樣本將這些係數最佳化從而能夠進行高精度的圖像核對。
而且，核對值計算部分340使用設定了最佳值的係數aij、bij、cij以及dij和各圖像塊來計算核對值(Z)，在該核對值為閾值以上的情況下，判定為真正硬幣，在小於閾值的情況下，判定為偽造硬幣。另外，在實施例2中，說明了將各圖像分割為64塊的情況，但塊數可以是任意的數。
另外，在算式(13)中，如果將係數Cij以及dij設定為0，則可以僅從A+區域圖像塊以及A-區域圖像塊來計算核對值(Z)。此外，如果將係數aij以及bij設定為0，則可以僅從B+區域圖像塊以及B-區域圖像塊來計算核對值(Z)。
這樣，核對值計算部分340通過根據硬幣的種類或硬體的能力來調整圖像塊數或算式(13)的各係數的值，從而能夠高效率地進行圖像核對。
另外，在實施例2的核對值計算部分340中，結構為在將各區域圖像進行了塊分割之後，通過算式(13)來計算核對值(Z)，但不限於此，例如，也可以使用多層神經網絡、支持向量機、二次識別函數等其它的方法。
以後，在對標準化相關值圖像311進行正負分離之前進行膨脹處理的情況下，使用圖34～圖36進行說明。圖34是說明該膨脹處理的圖像生成步驟的說明圖，圖35是用於說明該膨脹處理中使用的圖像掩模的說明圖，圖36是該膨脹處理的流程圖。
在上述膨脹處理中，在生成各區域圖像(321～324)之後，將像素從負的區域圖像(例如，A-區域圖像322)移動到正的區域圖像(例如，A+區域圖像321)。但是，該膨脹處理可以使用正負分離前的標準化相關值圖像311和正負分離前的模板圖像251來進行。
如圖34所示，標準化相關值計算部分310首先由輸入圖像233和模板圖像251生成標準化相關值圖像311。然後，該膨脹處理以生成的標準化相關值圖像311作為輸入來進行膨脹處理，生成已膨脹的標準化相關值圖像335。然後，該已膨脹的標準化相關值圖像335被分離為已膨脹的r+圖像335a和已膨脹的r-圖像335b。然後，將已膨脹的r+圖像335a、已膨脹的r-圖像335b、t+圖像251a以及t-圖像251b作為輸入，進行正負分離相關圖像生成部分320的處理，輸出已膨脹A+區域圖像331、已膨脹A-區域圖像332、已膨脹B+區域圖像333以及已膨脹B-區域圖像334。
如圖35所示，在該膨脹處理中，使用輸入圖像掩模330c以及模板圖像掩模330d的兩個圖像掩模。各圖像掩模具有S5以及T5和將這些區域包圍的8個區域。例如，在使用模板圖像251和標準化相關值圖像311進行膨脹處理的情況下，將輸入圖像掩模330c的S5與標準化相關值圖像的注目像素合併，將模板圖像掩模330d的T5與對應於注目像素的像素合併。然後，參照S1～S9以及T1～T9的區域的像素值進行比較並進行膨脹處理。
使用圖36說明該膨脹處理的處理步驟。首先，向各個圖像(311以及251)的起點像素移動(步驟S1901)。該起點像素例如是k＝0，θ＝0的像素。然後，在S5的值為負的情況下，即相應的像素的標準化相關值為負的情況下(步驟S1902「否定」)，為了依次切換輸入圖像掩模330c的9個區域(S1～S9)以及模板圖像掩模330d的9個區域(T1～T9)而對n設定1(步驟S1903)。
然後，在Tn的值大於閾值(Tt)的情況下(步驟S1904「肯定」)，判定Sn的值是否為0以上(步驟S1905)，如果Sn的值為0以上(步驟S1905「肯定」)，則對該Sn的值和S5的絕對值進行比較(步驟S1906)。然後，如果Sn的值大於S5的絕對值(步驟S1906「肯定」)，則以S5的絕對值置換Sn的值(步驟S1907)。
即，在S5的周邊的Sn中，在存在Tn的值大於閾值(Tt)並且Sn的值為0以上，而且Sn的值大於S5的絕對值的區域(Sn)的情況下，判定該S5的像素為孤立點，取S5的值的絕對值並將S5的值反轉。然後，如果沒有對標準化相關值圖像311的全部像素結束膨脹處理(步驟S1910「否定」)，則向注目像素移動(步驟S1911)並重複進行步驟S1902以下的處理。另一方面，在對全部像素結束了膨脹處理的情況下(步驟S1910「肯定」)，結束該膨脹處理。
另一方面，在Tn的值為閾值(Tt)以下(步驟S1904「否定」)，或Sn的值為負(步驟S1905「否定」)，或Sn的值為S5的絕對值以下(步驟S1906「否定」)的情況下，對n加1(步驟S1908)，如果n為9以下(步驟S1909「 否定」)，則重複進行步驟S1904以下的處理。另一方面，如果n大於9(步驟S1909「肯定」)，則進行步驟S1910的處理。
這樣，即使在標準化相關值圖像311的正負分離之前進行了膨脹處理的情況下，也能夠取得已膨脹區域圖像(331～334)。在該情況下，由於使用正負分離前的標準化相關值圖像311，所以與生成區域圖像(321～324)後的膨脹處理相比較，能夠削減成為膨脹處理的對象的圖像數，所以能夠進行更高效的膨脹處理。
如上所述，通過實施例2的圖像核對裝置、圖像核對方法以及圖像核對程序，對實施邊緣提取處理和邊緣標準化處理並進行特徵提取後的極坐標變換輸入圖像和預先實施了邊緣標準化處理的極坐標變換模板圖像進行核對，並對圖像的偏離角進行校正而生成標準化相關值圖像，同時根據各圖像中的像素值是否為閾值以上，而將標準化相關值圖像以及模板圖像分別分離為正的標準化相關值圖像以及負的標準化相關值圖像，和正的模板圖像以及負的模板圖像，然後通過該圖像的組合，生成正的特徵區域圖像、負的特徵區域圖像、正的背景區域圖像以及負的背景區域圖像，進而，實施進行從負的特徵區域圖像向正的特徵區域圖像的像素移動、從負的背景區域圖像向正的特徵區域圖像的像素移動的膨脹處理，將這些已膨脹處理的區域圖像進行塊分割並通過線性判別分析等計算核對值並進行核對判定，所以能夠將輸入圖像以及模板圖像的全部像素作為核對對象，同時排除伴隨相關值計算的孤立點的影響，不僅特徵區域，而且背景區域的相關值也很平衡地反映在核對值中，所以能夠進行高精度的圖像核對並且能夠提高圖像的核對率。
另外，在實施例2中，說明了對硬幣的輸入圖像進行圖像核對的情況，但本發明不限定於此，例如，也可以應用於遊戲設施等所使用的金屬類的圖像核對，或FA(Factory Automation)等中的圓形部件或圓形產品的圖像核對。此外，核對對象物也不一定是圓形，對於正八邊形或正十六邊形等具有點對稱形狀的硬幣或部件等，也可以應用本發明。
產業上的可利用性以上，本發明的圖像核對裝置、圖像核對方法以及圖像核對程序用於物品的圖像核對，特別適於紙幣或硬幣等貨幣的核對。
權利要求
1.一種圖像核對裝置，通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對裝置包括相關值圖像分離部件，由所述輸入圖像以及所述模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離部件，根據像素值是否為閾值以上而將所述模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成部件，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定部件，使用所述正負分離相關圖像來進行核對判定。
2.如權利要求1所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像和負特徵區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值。
3.如權利要求1所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件生成正背景區域圖像和負背景區域圖像，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
4.如權利要求1所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像、負特徵區域圖像、正背景區域圖像以及負背景區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
5.如權利要求2、3或4所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件對使用所述負相關值圖像生成的負區域圖像內的注目像素和使用所述正相關值圖像生成的正區域圖像內的該注目像素所對應的對應像素的周圍像素進行對比，在至少一個該周圍像素的像素值大於該注目像素的像素值的情況下，進行將該注目像素向該對應像素移動的膨脹處理。
6.如權利要求1所述的圖像核對裝置，其特徵在於，所述輸入圖像以及所述模板圖像是通過使用邊緣提取算子的邊緣提取處理進行了圖像變換的邊緣圖像。
7.如權利要求6所述的圖像核對裝置，其特徵在於，所述邊緣圖像是將提取的邊緣的邊緣強度進行標準化而得到的標準化圖像。
8.如權利要求1所述的圖像核對裝置，其特徵在於，所述模板圖像是將對於所述核對對象物的各個體的圖像進行平均而得到的平均圖像。
9.如權利要求1所述的圖像核對裝置，其特徵在於，所述相關值圖像是以將所述輸入圖像或所述模板圖像的每個像素的相關值進行標準化而得到的標準化相關值作為像素值的圖像。
10.如權利要求1所述的圖像核對裝置，其特徵在於，所述核對判定部件對所述正負分離相關圖像進行塊分割並計算各塊內的像素值的總和作為塊值，通過對全部所述正負分離相關圖像將該塊值和加權係數的積相加來計算核對值從而進行核對判定。
11.如權利要求1所述的圖像核對裝置，其特徵在於，所述核對判定部件通過線性判別分析來計算所述加權係數的值。
12.如權利要求1所述的圖像核對裝置，其特徵在於，所述核對對象物為貨幣。
13.一種圖像核對方法，通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對方法包含相關值圖像分離步驟，由所述輸入圖像以及所述模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
14.一種圖像核對程序，通過在核對對象物的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對程序使計算機執行以下步驟相關值圖像分離步驟，由所述輸入圖像以及所述模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
15.一種圖像核對裝置，通過在圓形物體的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對裝置包括極坐標變換圖像生成部件，在對所述輸入圖像以及所述模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像；相關值圖像分離部件，由所述ρ-θ輸入圖像以及所述ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離部件，根據像素值是否為閾值以上而將所述ρ-θ模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成部件，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定部件，使用所述正負分離相關圖像來進行核對判定。
16.如權利要求15所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像和負特徵區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值。
17.如權利要求15所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件生成正背景區域圖像和負背景區域圖像，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
18.如權利要求15所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件生成正特徵區域圖像、負特徵區域圖像、正背景區域圖像以及負背景區域圖像，所述正特徵區域圖像以對每個像素的所述正相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述負特徵區域圖像以對每個像素的所述負相關值圖像和所述正模板圖像的積進行計算而得到的值作為像素值，所述正背景區域圖像以對每個像素的所述正相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值，所述負背景區域圖像以對每個像素的所述負相關值圖像和所述負模板圖像的積進行計算而得到的值作為像素值。
19.如權利要求16、17或18所述的圖像核對裝置，其特徵在於，所述正負分離相關圖像生成部件對使用所述負相關值圖像生成的負區域圖像內的注目像素和使用所述正相關值圖像生成的正區域圖像內的該注目像素所對應的對應像素的周圍像素進行對比，在至少一個該周圍像素的像素值大於該注目像素的像素值的情況下，進行將該注目像素向該對應像素移動的膨脹處理。
20.如權利要求15所述的圖像核對裝置，其特徵在於，所述ρ-θ輸入圖像以及所述ρ-θ模板圖像是通過使用邊緣提取算子的邊緣提取處理進行了圖像變換的邊緣圖像。
21.如權利要求20所述的圖像核對裝置，其特徵在於，所述邊緣圖像是將提取的邊緣的邊緣強度進行標準化而得到的標準化圖像。
22.如權利要求15所述的圖像核對裝置，其特徵在於，所述模板圖像是將對於所述圓形物體的各個體的圖像進行平均而得到的平均圖像。
23.如權利要求15所述的圖像核對裝置，其特徵在於，所述相關值圖像是以將所述ρ-θ輸入圖像或所述ρ-θ模板圖像的每個像素的相關值進行標準化而得到的標準化相關值作為像素值的圖像。
24.如權利要求15所述的圖像核對裝置，其特徵在於，所述核對判定部件對所述正負分離相關圖像進行塊分割並計算各塊內的像素值的總和作為塊值，通過對全部所述正負分離相關圖像將該塊值和加權係數的積相加來計算核對值從而進行核對判定。
25.如權利要求15所述的圖像核對裝置，其特徵在於，所述核對判定部件通過線性判別分析來計算所述加權係數的值。
26.如權利要求15所述的圖像核對裝置，其特徵在於，所述極坐標變換圖像生成部件通過使所述ρ-θ輸入圖像及所述ρ-θ模板圖像平行移動，從而校正兩圖像的旋轉偏離。
27.如權利要求15所述的圖像核對裝置，其特徵在於，所述圓形物體為硬幣。
28.一種圖像核對方法，通過在圓形物體的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對方法包括極坐標變換圖像生成部件，在對所述輸入圖像以及所述模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像；相關值圖像分離步驟，由所述ρ-θ輸入圖像以及所述ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述ρ-θ模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
29.一種圖像核對程序，通過在圓形物體的輸入圖像和預先註冊的多個模板圖像之間對圖像的特徵進行比較，從而對圖像進行核對，其特徵在於，該圖像核對程序使計算機執行以下步驟極坐標變換圖像生成部件，在對所述輸入圖像以及所述模板圖像進行了極坐標變換的基礎上，生成將兩圖像的旋轉偏離校正後的ρ-θ輸入圖像以及ρ-θ模板圖像；相關值圖像分離步驟，由所述ρ-θ輸入圖像以及所述ρ-θ模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像；模板圖像分離步驟，根據像素值是否為閾值以上而將所述ρ-θ模板圖像分離為正模板圖像和負模板圖像；正負分離相關圖像生成步驟，通過所述正相關值圖像以及所述負相關值圖像和所述正模板圖像以及所述負模板圖像的組合，生成多個正負分離相關圖像；以及核對判定步驟，使用所述正負分離相關圖像來進行核對判定。
全文摘要
由輸入圖像以及模板圖像生成相關值圖像，根據像素值是否為閾值以上而將該相關值圖像分離為正相關值圖像和負相關值圖像，根據像素值是否為閾值以上而將模板圖像分離為正模板圖像和負模板圖像，通過正相關值圖像以及負相關值圖像和正模板圖像以及負模板圖像的組合，生成多個正負分離相關圖像，使用正負分離相關圖像來進行核對判定。此外，作為該輸入圖像以及模板圖像，使用已極坐標變換的輸入圖像以及模板圖像。
文檔編號G07D5/00GK101014978SQ200580023740
公開日2007年8月8日 申請日期2005年6月22日 優先權日2004年7月13日
發明者米澤亨, 龜山博史 申請人:光榮株式會社