考察：「形状分析の一手法」

　

　文章認識で「発火」機構のアルゴリズムを考えていましたら、ふとパターン認識の準備（形状分析）の方法を思いつきました。これも超並列処理になりますが。

　

【パターン認識技術のありかた】

（１）精密に一致しなくてはならない場合にはイメージでのテンプレートマッチングを行う。

（２）相対配置、相対占拠率が重要な場合（顔認識など）は、概略形を得て、パラメータとしてパターン特長を得ていく。

（３）記号的特長の場合は記号を特長づけるパターンを解析していくのみである。汽車だと、ボイラーがあって、石炭庫があって、車輪があることが記号的特長である。

　

　

【形状特長の獲得】

　パターンの評価は視点として、物が円のゆがんだものとみるか、多角形のゆがんだものとみるか、帯のゆがんだものと見るかです。その視点でパターン認識をしていくことになります。そのゆがみがどの程度の物かを評価して数値化したものがパターン認識で使うパターン定義データなわけです。

　

　形状パターンとは、次の五個の図形要素からなると思われます。

（１）基点

　イメージの各黒点です。

（２）円

　曲率を表します。円全体もですが、その断片も図形要素とします。

（３）線分

　直線です。

（４）角

　（３）で得た２線分の交差角度と大きさです。

（５）傾き

　基点一のおける円、線分、角の傾きです。

　

　これらの要素をフォーカスの視野の大きさでマッチングしていくのです。フォーカスの中心が基点にあります。そうして、視野を段々に大きくして、無数の半径の円、無数の角度と長さの線分、無数の角度の角とマッチングしていくのです。評価数値は一致の向き、一致度、一致の散布度です。

　そこで、パターンを表現するデータは点が（円：大きさ,半径,向き）（線分：大きさ,向き）（角：大きさ、角度、向き）の８自由度で、その上のメトリックが（一致度、散布度）の二次元となります。

　

　この解析で、評価データの分布が把握できるから、必要な情報をここから汲んでいけます。記号化にも持って行けます。

　

　ちょっと大変な計算になるシステムですが、粗い図形を持ってすれば、計算量は少なくなるでしょう。この方法のメリットは次の通りです。

（１）断線とか重線とかの雑音に強い。

（２）多値画像を二値画像に落とす処理が不要。