图像核对装置、图像核对方法及图像核对程序的制作方法

专利名称：图像核对装置、图像核对方法及图像核对程序的制作方法
技术领域：
本发明涉及通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较从而对图像进行核对的图像核对装置、图像核对方法及图像核对程序，特别涉及能够通过高效地进行输入图像和模板图像的核对从而提高核对率的图像核对装置、图像核对方法及图像核对程序。
背景技术：
以往，已知将由CCD(Charge Coupled Device，电荷耦合装置)照相机等对收款的货币进行拍摄而得到的输入图像和预先注册的模板图像进行核对，对该货币的真伪进行判定的图像核对装置。
例如，专利文献1中公开了一种图像核对技术，对硬币的输入图像和硬币的模板图像进行对比来计算相关值，在成为对比对象的整体图像中规定面积以上的部分中，在该相关值超过了阈值的情况下，将输入图像的硬币判定为真正硬币。
专利文献1特开2003-187289号公报发明内容但是，使用该以往技术的情况下，存在以下问题，即由于仅使用超过阈值的相关值来进行图像核对，所以在例如由于发生输入图像和模板图像的核对时的图像偏离或伴随图像变换的噪声等，相关值取相对低的值的情况下，尽管输入的硬币为真正硬币，结果也判定为伪造硬币，难以提高图像核对的核对率。
另外，该问题点不是仅在硬币的图像核对中发生的问题，例如，在纸币的图像核对或FA(Factory Automation，工厂自动化)等中的物品或产品的图像核对中也同样产生的问题。
本发明鉴于上述课题(问题点)而完成，其目的在于提供一种能够提高货币以及货币以外的物品的图像核对精度并提高图像核对的核对率的图像核对装置、图像核对方法及图像核对程序。
为了解决上述课题并达成目的，技术方案1的发明的图像核对装置通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对装置包括相关值图像分离部件，由所述输入图像以及所述模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离部件，根据像素值是否为阈值以上而将所述模板图像分离为正模板图像和负模板图像；正负分离相关图像生成部件，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定部件，使用所述正负分离相关图像来进行核对判定。
此外，技术方案2的发明的图像核对装置在技术方案1的发明中，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像和负特征区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值。
此外，技术方案3的发明的图像核对装置在技术方案1的发明中，其特征在于，所述正负分离相关图像生成部件生成正背景区域图像和负背景区域图像，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
此外，技术方案4的发明的图像核对装置在技术方案1的发明中，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像、负特征区域图像、正背景区域图像以及负背景区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
此外，技术方案5的发明的图像核对装置在技术方案2、3或4的发明中，其特征在于，所述正负分离相关图像生成部件对使用所述负相关值图像生成的负区域图像内的注目像素和使用所述正相关值图像生成的正区域图像内的该注目像素对应的对应像素的周围像素进行对比，在至少一个该周围像素的像素值大于该注目像素的像素值的情况下，进行将该注目像素向该对应像素移动的膨胀处理。
此外，技术方案6的发明的图像核对装置在技术方案1的发明中，其特征在于，所述输入图像以及所述模板图像是通过使用边缘提取算子的边缘提取处理进行了图像变换的边缘图像。
此外，技术方案7的发明的图像核对装置在技术方案6的发明中，其特征在于，所述边缘图像是将提取的边缘的边缘强度进行标准化(normalize)而得到的标准化图像。
此外，技术方案8的发明的图像核对装置在技术方案1的发明中，其特征在于，所述模板图像是将对于所述核对对象物的各个体的图像进行平均而得到的平均图像。
此外，技术方案9的发明的图像核对装置在技术方案1的发明中，其特征在于，所述相关值图像是以将所述输入图像或所述模板图像的每个像素的相关值进行标准化而得到的标准化相关值作为像素值的图像。
此外，技术方案10的发明的图像核对装置在技术方案1的发明中，其特征在于，所述核对判定部件对所述正负分离相关图像进行块分割并计算各块内的像素值的总和作为块值，通过对全部所述正负分离相关图像进行将该块值和加权系数的积相加来计算核对值从而进行核对判定。
此外，技术方案11的发明的图像核对装置在技术方案1的发明中，其特征在于，所述核对判定部件通过线性判别分析来计算所述加权系数的值。
此外，技术方案12的发明的图像核对装置在技术方案1的发明中，其特征在于，所述核对对象物为货币。
此外，技术方案13的发明的图像核对方法通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对方法包含相关值图像分离步骤，由所述输入图像以及所述模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
此外，技术方案14的发明的图像核对程序通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对程序使计算机执行以下步骤相关值图像分离步骤，由所述输入图像以及所述模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
此外，技术方案15的发明的图像核对装置，通过在圆形物体的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对装置包括极坐标变换图像生成部件，在对所述输入图像以及所述模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像；相关值图像分离部件，由所述ρ-θ输入图像以及所述ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离部件，根据像素值是否为阈值以上而将所述ρ-θ模板图像分离为正模板图像和负模板图像；正负分离相关图像生成部件，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定部件，使用所述正负分离相关图像来进行核对判定。
此外，技术方案16的发明的图像核对装置在技术方案15的发明中，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像和负特征区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值。
此外，技术方案17的发明的图像核对装置在技术方案15的发明中，其特征在于，所述正负分离相关图像生成部件生成正背景区域图像和负背景区域图像，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
此外，技术方案18的发明的图像核对装置在技术方案15的发明中，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像、负特征区域图像、正背景区域图像以及负背景区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
此外，技术方案19的发明的图像核对装置在技术方案16、17或18的发明中，其特征在于，所述正负分离相关图像生成部件对使用所述负相关值图像生成的负区域图像内的注目像素和使用所述正相关值图像生成的正区域图像内的该注目像素对应的对应像素的周围像素进行对比，在至少一个该周围像素的像素值大于该注目像素的像素值的情况下，进行将该注目像素向该对应像素移动的膨胀处理。
此外，技术方案20的发明的图像核对装置在技术方案1的发明中，其特征在于，所述ρ-θ输入图像以及所述ρ-θ模板图像是通过使用边缘提取算子的边缘提取处理进行了图像变换的边缘图像。
此外，技术方案21的发明的图像核对装置在技术方案20的发明中，其特征在于，所述边缘图像是将提取的边缘的边缘强度进行标准化而得到的标准化图像。
此外，技术方案22的发明的图像核对装置在技术方案1的发明中，其特征在于，所述模板图像是将对于所述核对对象物的各个体的图像进行平均而得到的平均图像。
此外，技术方案23的发明的图像核对装置在技术方案1的发明中，其特征在于，所述相关值图像是以将所述ρ-θ输入图像及所述ρ-θ模板图像的每个像素的相关值进行标准化而得到的标准化相关值作为像素值的图像。
此外，技术方案24的发明的图像核对装置在技术方案1的发明中，其特征在于，所述核对判定部件对所述正负分离相关图像进行块分割并计算各块内的像素值的总和作为块值，通过对全部所述正负分离相关图像将该块值和加权系数的积相加来计算核对值从而进行核对判定。
此外，技术方案25的发明的图像核对装置在技术方案1的发明中，其特征在于，所述核对判定部件通过线性判别分析来计算所述加权系数的值。
此外，技术方案26的发明的图像核对装置在技术方案1的发明中，其特征在于，所述极坐标变换图像生成部件通过使所述ρ-θ输入图像或所述ρ-θ模板图像平行移动，从而校正两图像的旋转偏离。
此外，技术方案27的发明的图像核对装置在技术方案1的发明中，其特征在于，所述圆形物体为硬币。
此外，技术方案28的发明的图像核对方法通过在圆形物体的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对方法包括极坐标变换图像生成步骤，在对所述输入图像以及所述模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像；相关值图像分离步骤，由所述ρ-θ输入图像以及所述ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述ρ-θ模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
此外，技术方案29的发明的图像核对程序通过在圆形物体的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对程序使计算机执行以下步骤极坐标变换图像生成步骤，在对所述输入图像以及所述模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像；相关值图像分离步骤，由所述ρ-θ输入图像以及所述ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述ρ-θ模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
根据技术方案1的发明，由于由输入图像以及模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用正负分离相关图像来进行核对判定，所以不仅使用输入图像和模板图像的相关高的部分而且使用相关低的部分的相关值，同时不仅使用模板图像的特征部分而且使用背景部分来进行图像核对，从而起到能够进行精度高的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案2的发明，由于构成为生成正特征区域图像和负特征区域图像，正特征区域图像以对每个像素的正相关值图像和正模板图像的积进行计算而得到的值作为像素值，负特征区域图像以对每个像素的负相关值图像和正模板图像的积进行计算而得到的值作为像素值，所以通过使用在应出现特征的部分出现了特征的区域图像和在应出现特征的部分未出现特征的区域图像来进行核对，从而起到能够进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案3的发明，由于构成为生成正背景区域图像和负背景区域图像，正背景区域图像以对每个像素的正相关值图像和负模板图像的积进行计算而得到的值作为像素值，负背景区域图像以对每个像素的负相关值图像和负模板图像的积进行计算而得到的值作为像素值，所以通过使用在应存在背景的部分存在背景的区域图像和在应存在背景的部分未存在背景的区域图像来进行核对，从而起到能够进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案4的发明，由于构成为生成正特征区域图像、负特征区域图像、正背景区域图像以及负背景区域图像，正特征区域图像以对每个像素的正相关值图像和正模板图像的积进行计算而得到的值作为像素值，负特征区域图像以对每个像素的负相关值图像和正模板图像的积进行计算而得到的值作为像素值，正背景区域图像以对每个像素的正相关值图像和负模板图像的积进行计算而得到的值作为像素值，负背景区域图像以对每个像素的负相关值图像和负模板图像的积进行计算而得到的值作为像素值，所以通过使用在应出现特征的部分出现了特征的区域图像、在应出现特征的部分未出现特征的区域图像、在应存在背景的部分存在背景的区域图像和在应存在背景的部分未存在背景的区域图像来进行核对，从而起到能够进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案5的发明，由于构成为对使用负相关值图像生成的负区域图像内的注目像素和使用正相关值图像生成的正区域图像内的该注目像素对应的对应像素的周围像素进行对比，在至少一个该周围像素的像素值大于该注目像素的像素值的情况下，进行将该注目像素向该对应像素移动的膨胀处理，所以起到可以排除伴随相关值计算的孤立点的影响从而进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案6的发明，由于构成为输入图像以及模板图像是通过使用边缘提取算子的边缘提取处理进行了图像变换的边缘图像，所以起到通过对比提取的各图像的特征部分，从而能够进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案7的发明，由于构成为边缘图像是将提取的边缘的边缘强度进行标准化而得到的标准化图像，所以起到可以排除核对对象物的个体差别的影响从而进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案8的发明，由于构成为模板图像是将对于所述核对对象物的各个体的图像进行平均而得到的平均图像，所以起到即使是存在核对对象物的个体所固有的图案的情况下，也能够进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案9的发明，由于构成为相关值图像是以将输入图像或模板图像的每个像素的相关值进行标准化而得到的标准化相关值作为像素值的图像，所以起到能够抑制相关值的偏差而进行高精度的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案10的发明，由于构成为核对判定部件对正负分离相关图像进行块分割并计算各块内的像素值的总和作为块值，通过对全部正负分离相关图像进行将该块值和加权系数的积相加来计算核对值从而进行核对判定，所以起到可以调整容易出现特征的区域的权重和难以出现特征的区域的权重，同时通过简化计算步骤，能够进行高效的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案11的发明，由于构成为核对判定部件通过线性判别分析来计算所述加权系数的值，并且由于能够得到基于学习样本的适当的权重系数，所以起到能够进行高效的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案12的发明，由于构成为核对对象物为货币，所以起到关于货币的核对能够进行高效的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案13的发明，由于构成为由输入图像以及模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用该正负分离相关图像来进行核对判定，所以不仅使用输入图像和模板图像的相关高的部分而且使用相关低的部分的相关值，同时不仅使用模板图像的特征部分而且使用背景部分来进行图像核对，从而起到能够进行精度高的图像核对，并且能够提高图像的核对率的效果。
此外，根据技术方案14的发明，由于构成为由输入图像以及模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用该正负分离相关图像来进行核对判定，所以不仅使用输入图像和模板图像的相关高的部分而且使用相关低的部分的相关值，同时不仅使用模板图像的特征部分而且使用背景部分来进行图像核对，从而起到能够进行精度高的图像核对的效果。
此外，根据技术方案15的发明，由于构成为在对输入图像以及模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像，由ρ-θ输入图像以及ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将ρ-θ模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用该正负分离相关图像来进行核对判定，所以不仅使用输入图像和模板图像的相关高的部分而且使用相关低的部分的相关值，同时不仅使用模板图像的特征部分而且使用背景部分来进行图像核对，从而起到能够进行精度高的图像核对的效果。
此外，根据技术方案16的发明，由于构成为生成正特征区域图像和负特征区域图像，正特征区域图像以对每个像素的正相关值图像和正模板图像的积进行计算而得到的值作为像素值，负特征区域图像以对每个像素的负相关值图像和正模板图像的积进行计算而得到的值作为像素值，所以通过使用在应出现特征的部分出现了特征的区域图像和在应出现特征的部分未出现特征的区域图像来进行图像核对，从而起到能够进行高精度的图像核对的效果。
此外，根据技术方案17的发明，由于构成为生成正背景区域图像和负背景区域图像，正背景区域图像以对每个像素的正相关值图像和负模板图像的积进行计算而得到的值作为像素值，负背景区域图像以对每个像素的负相关值图像和负模板图像的积进行计算而得到的值作为像素值，所以通过使用在应存在背景的部分存在背景的区域图像和在应存在背景的部分未存在背景的区域图像来进行核对，从而起到能够进行高精度的图像核对的效果。
此外，根据技术方案18的发明，由于构成为生成正特征区域图像、负特征区域图像、正背景区域图像以及负背景区域图像，正特征区域图像以对每个像素的正相关值图像和正模板图像的积进行计算而得到的值作为像素值，负特征区域图像以对每个像素的负相关值图像和正模板图像的积进行计算而得到的值作为像素值，正背景区域图像以对每个像素的正相关值图像和负模板图像的积进行计算而得到的值作为像素值，负背景区域图像以对每个像素的负相关值图像和负模板图像的积进行计算而得到的值作为像素值，所以通过使用在应出现特征的部分出现了特征的区域图像、在应出现特征的部分未出现特征的区域图像、在应存在背景的部分存在背景的区域图像和在应存在背景的部分未存在背景的区域图像来进行核对，从而起到能够进行高精度的图像核对的效果。
此外，根据技术方案19的发明，由于构成为对使用负相关值图像生成的负区域图像内的注目像素和使用正相关值图像生成的正区域图像内的该注目像素对应的对应像素的周围像素进行对比，在至少一个该周围像素的像素值大于该注目像素的像素值的情况下，进行将该注目像素向该对应像素移动的膨胀处理，所以起到可以排除伴随相关值计算的孤立点的影响从而进行高精度的图像核对的效果。
此外，根据技术方案20的发明，由于构成为ρ-θ输入图像以及ρ-θ模板图像是通过使用边缘提取算子的边缘提取处理进行了图像变换的边缘图像，所以起到通过对比提取的各图像的特征部分，从而能够进行高精度的图像核对的效果。
此外，根据技术方案21的发明，由于构成为边缘图像是将提取的边缘的边缘强度进行标准化而得到的标准化图像，所以起到可以排除核对对象物的个体差别的影响从而进行高精度的图像核对的效果。
此外，根据技术方案22的发明，由于构成为模板图像是将对于所述核对对象物的各个体的图像进行平均而得到的平均图像，所以起到即使是存在核对对象物的个体所固有的图案的情况下，也能够进行高精度的图像核对的效果。
此外，根据技术方案23的发明，由于构成为相关值图像是以将ρ-θ输入图像及ρ-θ模板图像的每个像素的相关值进行标准化而得到的标准化相关值作为像素值的图像，所以起到能够抑制相关值的偏差而进行高精度的图像核对的效果。
此外，根据技术方案24的发明，由于构成为核对判定部件对正负分离相关图像进行块分割并计算各块内的像素值的总和作为块值，通过对全部正负分离相关图像将该块值和加权系数的积相加来计算核对值从而进行核对判定，所以起到可以调整容易出现特征的区域的权重和难以出现特征的区域的权重，同时通过简化计算步骤，能够进行高效的图像核对的效果。
此外，根据技术方案25的发明，由于构成为核对判定部件通过线性判别分析来计算所述加权系数的值，并且由于能够得到基于学习样本的适当的权重系数，所以起到能够进行高效的图像核对的效果。
此外，根据技术方案26的发明，由于构成为极坐标变换图像生成部件通过使ρ-θ输入图像或ρ-θ模板图像平行移动，从而校正两图像的旋转偏离，所以起到能够削减伴随该校正的计算量从而进行高效率的图像核对的效果。
此外，根据技术方案27的发明，由于构成为圆形物体为硬币，所以起到关于货币的核对能够进行高精度的图像核对的效果。
此外，根据技术方案28的发明，由于构成为在对输入图像以及模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像，由ρ-θ输入图像以及ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将ρ-θ模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用正负分离相关图像来进行核对判定，所以不仅使用输入图像和模板图像的相关高的部分而且使用相关低的部分的相关值，同时不仅使用模板图像的特征部分而且使用背景部分来进行图像核对，从而起到能够进行精度高的图像核对的效果。
此外，根据技术方案29的发明，由于构成为在对输入图像以及模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像，由ρ-θ输入图像以及ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将ρ-θ模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用正负分离相关图像来进行核对判定，所以不仅使用输入图像和模板图像的相关高的部分而且使用相关低的部分的相关值，同时不仅使用模板图像的特征部分而且使用背景部分来进行图像核对，从而起到能够进行精度高的图像核对的效果。


图1是表示实施例1的图像核对装置的结构的功能方框图。
图2是用于说明图1所示的图像切出部分的处理概要的说明图。
图3是用于说明在图1所示的边缘提取部分中使用的Sobel算子的说明图。
图4是用于说明图1所示的边缘提取部分的处理概要的说明图。
图5是用于说明图1所示的匹配处理部分的匹配判定的处理概要的说明图。
图6是用于说明对实施例1的正负分离相关判定部分输入的图像的说明图。
图7是用于说明由实施例1的正负分离相关图像生成部分生成的特征区域以及背景区域的说明图。
图8是实施例1的标准化相关值图像正负分离处理的流程图。
图9是实施例1的模板图像正负分离处理的流程图。
图10是表示实施例1的正负分离相关图像生成部分的处理步骤的流程图。
图11是用于说明与图7所示的各区域对应的图像生成步骤的说明图。
图12是用于说明在实施例1的膨胀处理部分中使用的图像掩模(imagemask)的说明图。
图13是表示实施例1的膨胀处理部分的处理步骤的流程图。
图14是用于说明由实施例1的膨胀处理部分生成的图像的说明图。
图15是用于说明在实施例1的核对值计算部分中使用的图像的块分割的说明图。
图16是用于说明实施例1的膨胀处理的变更例的说明图。
图17是用于说明图16所示的变更例中使用的图像掩模的说明图。
图18是表示图16所示的变更例中的膨胀处理部分的处理步骤的流程图。
图19是表示实施例2的图像核对装置的结构的功能方框图。
图20是用于说明图19所示的图像切出部分的处理概要的说明图。
图21是用于说明在图19所示的边缘提取部分中使用的Sobel算子的说明图。
图22是用于说明图19所示的边缘提取部分的处理概要的说明图。
图23是用于说明实施例2的极坐标变换的处理概要的说明图。
图24是用于说明图19所示的旋转角检测部分的处理概要的说明图。
图25是用于说明实施例2的各区域图像的说明图。
图26是实施例2的标准化相关值图像正负分离处理的流程图。
图27是实施例2的模板图像正负分离处理的流程图。
图28是表示实施例2的正负分离相关图像生成部分的处理步骤的流程图。
图29是用于说明与图25所示的各区域对应的图像生成步骤的说明图。
图30是用于说明在实施例2的膨胀处理部分中使用的图像掩模的说明图。
图31是表示实施例2的膨胀处理部分的处理步骤的流程图。
图32是用于说明由实施例2的膨胀处理部分生成的图像的说明图。
图33是用于说明实施例2的核对值计算部分中使用的图像的块分割的说明图。
图34是用于说明实施例2的膨胀处理的变更例的说明图。
图35是用于说明在图34所示的变更例中使用的图像掩模的说明图。
图36是表示图34所示的变更例中的膨胀处理部分的处理步骤的流程图。
符号说明1 图像核对装置10 图像输入部分11 输入图像20 图像切出部分21 水平方向投影22 垂直方向投影23 切出图像(反面)24 切出图像(正面)30 边缘提取部分30a Sobel算子(用于计算水平方向边缘)30b Sobel算子(用于计算垂直方向边缘)31 边缘提取图像32 边缘标准化图像(反面)33 边缘标准化图像(正面)40 匹配处理部分50 注册图像存储部分51 模板图像
51a t+图像51b t-图像100 正负分离相关判定部分110 标准化相关值计算部分111 标准化相关值图像111a r+图像111b r-图像120 正负分离相关图像生成部分121 A+区域图像122 A-区域图像123 B+区域图像124 B-区域图像130 膨胀处理部分130 a正区域图像掩模130 b负区域图像掩模130 c输入图像掩模130 d模板图像掩模131 已膨胀A+区域图像132 已膨胀A-区域图像133 已膨胀B+区域图像134 已膨胀B-区域图像135 已膨胀标准化相关值图像135 a已膨胀r+图像135 b已膨胀r-图像140 核对值计算部分141 块分割(A+区域)142 块分割(A-区域)143 块分割(B+区域)144 块分割(B-区域)201 图像核对装置210 图像输入部分
211 输入图像220 图像切出部分221 水平方向投影222 垂直方向投影223 切出图像230 边缘提取部分230a Sobel算子(用于计算水平方向边缘)230b Sobel算子(用于计算垂直方向边缘)231 边缘提取图像232 边缘标准化图像233 已极坐标变换边缘标准化图像240 匹配处理部分240a 极坐标变换部分240b 旋转角检测部分240c 正反判定部分250 注册图像存储部分251 模板图像251a t+图像251b t-图像300 正负分离相关判定部分310 标准化相关值计算部分311 标准化相关值图像311a r+图像311b r-图像320 正负分离相关图像生成部分321 A+区域图像322 A-区域图像33 B+区域图像324 B-区域图像330 膨胀处理部分330a 正区域图像掩模
330b 负区域图像掩模330c 输入图像掩模330d 模板图像掩模331 已膨胀A+区域图像332 已膨胀A-区域图像333 已膨胀B+区域图像334 已膨胀B-区域图像335 已膨胀标准化相关值图像335a 已膨胀r+图像335b 已膨胀r-图像340 核对值计算部分具体实施方式
以下，参照附图详细说明本发明的图像核对装置、图像核对方法以及图像核对程序的实施例1～2。另外，在实施例1中说明使用正交坐标系的图像核对，在实施例2中说明使用极坐标系的图像核对。
实施例1图1是表示实施例1的图像核对装置的结构的功能方框图。如该图所示，该图像核对装置1包括图像输入部分10、图像切出部分20、边缘提取部分30、匹配处理部分40、注册图像存储部分50、正负分离相关判定部分100，该正负分离相关判定部分100包括标准化相关值计算部分110、正负分离相关图像生成部分120、膨胀处理部分130、核对值计算部分140。
图像输入部分10是用于将成为核对对象的硬币的输入图像取入装置内的输入部分，将输入的图像输出到图像切出部分20。具体来说，图像输入部分10将输入图像作为规定数的像素的集合体来进行处理。例如，将输入图像识别为具有256灰度等级(gradation level)的浓度值的灰度图像，作为规定大小的矩形图像输出到图像切出部分。
图像切出部分20从图像输入部分10取得该矩形图像，仅切出与硬币图像外接的正方形区域内的图像，将切出的图像输出到边缘提取部分30。
图2是用于说明该图像切出部分20的处理概要的说明图。如该图所示，图像切出部分20在水平方向上扫描从图像输入部分10取得的输入图像11并累计全部像素的浓度值，生成水平方向投影21。此外，在垂直方向上扫描输入图像11，并以同样的步骤生成垂直方向投影22。然后，图像切出部分20扫描水平方向投影21以及垂直方向投影22，计算累计的浓度值的上升坐标和下降坐标。然后，如该图的四条虚线所示，将计算出的各坐标所包围的区域作为切出图像23切出，并将该切出图像23输出到边缘提取部分30。
返回到图1的说明，说明边缘提取部分30。边缘提取部分30从图像切出部分20取得切出图像23，并计算切出图像23的浓度变化(边缘强度)以避免基于切出图像23的亮度或色彩(hue)等的个体差别的影响。此外，为抑制计算出的边缘强度的偏差而进行边缘强度的标准化。具体来说，通过对切出图像23进行使用Sobel算子的边缘提取处理从而计算边缘强度，将计算结果标准化。另外，在实施例1中，假设使用Sobel算子，但也可以使用Roberts算子等来进行边缘提取。
图3是用于说明Sobel算子的说明图。如该图所示，边缘提取部分30使用水平方向边缘计算用30a以及垂直方向边缘计算用30b的两个Sobel算子来进行边缘强度的计算。具体来说，对于切出图像23的全部像素扫描各Sobel算子(30a以及30b)，取得水平方向边缘计算结果Gx以及垂直方向边缘计算结果Gy。然后，在计算各像素中的边缘强度(G)之后将该边缘强度标准化(E)。
G＝|Gx|+|Gy| ...(1)E=c×GΣG...(2)]]>如算式(1)所示，各像素中的边缘强度(G)被表示为水平方向边缘计算结果Gx的绝对值以及垂直方向边缘计算结果Gy的绝对值之和。此外，如算式(2)所示，各像素中的标准化边缘强度(E)为对每个硬币种类设定规定的值的常数c和边缘强度(G)的积除以全部像素的边缘强度(G)的总和的结果。
这样，通过进行边缘强度的标准化，能够抑制在容易提取边缘的新硬币和难以提取边缘的流通硬币之间发生边缘强度的偏差，所以能够高精度地进行各种硬币的核对而与硬币的新旧无关。
图4是用于说明由边缘提取部分30进行的边缘提取处理(图像变换处理)的概要的说明图。如该图所示，切出图像23通过使用Sobel算子的边缘强度计算处理被图像变换为边缘提取图像31。然后，边缘提取图像31通过使用算式(1)以及算式(2)的边缘强度标准化处理而被变换为边缘标准化图像32。边缘提取部分30将该边缘标准化图像32输出到匹配处理部分40。
该图所示的边缘提取图像31的各像素值例如取0～255的值，0取对应于黑的灰度值，255取对应于白的灰度值。在该图的边缘提取图像31中，白的部分为提取出的边缘部分，黑的部分为背景部分。此外，边缘标准化图像32的各像素值例如取0～255的值，0取对应于黑的灰度值，255对应于白的灰度值。另外，在该图的边缘标准化图像中，白的部分相当于边缘部分，黑的部分相当于背景部分，这与边缘提取图像31同样。
返回图1的说明，说明匹配处理部分40。匹配处理部分40从边缘提取部分30取得边缘标准化图像32，进行与注册图像存储部分50中存储的模板图像的核对处理。具体来说，将模板图像每次旋转规定的角度，取得各旋转角的模板图像和边缘标准化图像32的一致度(M)为最大的旋转角(φ)。该一致度(M)通过[方程2]M(φ)ΣxΣytφ(x,y).s(x,y)...(3)]]>计算。
如算式(3)所示，各旋转角(φ)的一致度M(φ)为全部像素的旋转了角度φ的模板图像的各像素的浓度值tφ(x，y)和边缘标准化图像32的各像素的浓度值s(x，y)的积的总和。
图5是用于说明匹配处理部分40的匹配判定的概要的说明图。如该图所示，M(φ)的值为在某一旋转角具有最大值的山形的曲线。匹配处理部分40取得该M(φ)为最大(山形的顶点部分)的φ的值，将存储在注册图像存储部分50中的模板图像旋转角度φ。然后，将边缘标准化图像32以及已旋转的模板图像输出到正负分离相关判定部分100。
图6是用于说明从匹配处理部分40输出到正负分离相关判定部分100的已边缘标准化处理图像以及已旋转模板图像的图像例子的说明图。在该图中，表示10日元硬币的表面图像被输入图像核对装置1中的情况的图像例子。即，对切出图像24实施上述边缘标准化处理而生成边缘标准化图像33，通过上述匹配处理而将模板图像旋转而生成已旋转的模板图像51。在以后的说明中，使用该边缘标准化图像(正面)33来代替边缘标准化图像(反面)32。
另外，对匹配处理部分40通过旋转模板图像而取得一致度最大的旋转角进行了说明，但也可以不旋转模板图像而旋转边缘标准化图像32来取得一致度最大的旋转角。
返回到图1的说明，说明注册图像存储部分50。注册图像存储部分50存储与预先注册的各种硬币对应的多个模板图像，并对匹配处理部分40提供这些模板图像。为了对这样的模板图像抑制硬币的个体差别引起的偏差而使用将同一种类的硬币图像合成多个而得到的平均图像。通过使用该平均图像，制造年等各硬币所固有的凹凸图案部分和模板图像的对应部分的相关值为与平均图像(平均值)有关的相关值，因此难以产生核对时的影响。即，能够防止即使是真正硬币但由于制造年不同而判定为伪造硬币的情况。
这样的模板图像为了与实施过边缘标准化处理的输入图像进行核对而与输入图像同样被实施了边缘标准化处理之后，被注册在注册图像存储部分50中。此外，注册图像存储部分50中注册多个对各金属种类的正面以及反面的平均图像施加了边缘标准化处理的图像。
正负分离相关判定部分100从匹配处理部分40取得图6所示的边缘标准化图像33(以下称作‘输入图像33’)以及已旋转模板图像51(以下称作‘模板图像51’)，通过将这些图像进行核对从而进行输入图像33的硬币是否为真正硬币的核对判定，并输出该判定结果。
标准化相关值计算部分110计算输入图像33以及模板图像51的对应的每个像素的相关值，将该相关值标准化而生成标准化相关值图像。具体来说，对于坐标值为(x，y)的各像素，使用输入图像33的浓度值s(x，y)以及模板图像51的浓度值t(x，y)，通过[方程3]r(x,y)=(t(x,y)-Σtn)(s(x,y)-Σsn){Σt2-(Σt)2n}.{Σs2-(Σs)2n}...(4)]]>
计算各像素的标准化相关值r(x，y)。另外，算式(4)所示的各像素的标准化相关值r(x，y)例如取-1.0～+1.0的值。此外，算式(4)中的n表示像素数。
而且，标准化相关值计算部分110根据该标准化相关值图像的像素值是否为0以上而分离为正的标准化相关值图像(r+图像)和负的标准化相关值图像(r-图像)。此外，关于模板图像51，根据各像素值是否为规定的阈值(Tt)以上而分离为正的模板图像(t+图像)和负的模板图像(t-图像)。
另外，r+图像的像素值例如取0.0～1.0的值，r-图像的像素值通过取各像素值的绝对值而取例如0.0～1.0的值。此外，t+图像以及t-图像的像素值例如取0或1的二值。即，t+图像以及t-图像具有作为各标准化相关值图像的图像变换所使用的图像掩模的作用。
这里，说明各个图像的意思，r+图像表示在成为核对对象的图像间有相关(相似)的像素，如果有很强的相关，则该像素取大的值。此外，r-图像表示在成为核对对象的图像间没有相关(不相似)的像素，如果有很强的负相关，则该像素取大的值。而且，t+图像表示模板图像的边缘部分，边缘部分取1的值，背景部分取0的值。此外，t-图像表示模板图像的背景部分(不是边缘的部分)，背景部分取1的值，边缘部分取0的值。
正负分离相关图像生成部分120通过标准化相关值计算部分110生成的r+图像、r-图像、t+图像以及t-图像的组合来生成正负分离相关图像。具体来说，从r+图像和t+图像生成A+区域图像，从r-图像和t+图像生成A-区域图像，从r+图像和t-图像生成B+区域图像，从r-图像和t-图像生成B-区域图像。
这里，说明各区域图像的意思。图7是用于说明该4个区域的说明图。如该图所示，A+区域图像是将r+图像和t+图像重叠的区域图像，表示与边缘部分有相关，即在应出现边缘处出现了边缘的情况，对应于技术方案中的正特征区域图像。A-区域图像是将r-图像和t+图像重叠的区域图像，表示与边缘部分没有相关，即在应出现边缘处未出现边缘的情况，对应于技术方案中的负特征区域图像。B+区域图像是将r+图像和t-图像重叠的区域图像，表示与背景部分有相关，即在不应出现边缘处未出现边缘的情况，对应于技术方案中的正背景区域图像。B-区域图像是将r-图像和t-图像重叠的区域图像，表示与背景部分没有相关，即在不应出现边缘处未出现边缘的情况，对应于技术方案中的负背景区域图像。
返回图1的说明，说明膨胀处理部分130。膨胀处理部分130使用规定的图像掩模将A-区域图像的像素向A+区域图像移动，同时将B-区域图像的像素向B+区域图像移动。进行该膨胀处理是由于标准化相关值中呈噪声状地出现了具有负的相关值的孤立点。即，通过进行该膨胀处理，可以抑制该孤立点的影响波及到核对值的判定结果。
核对值计算部分140将A+区域图像、A-区域图像、B+区域图像以及B-区域图像分别例如分割为水平方向上4个，垂直方向上4个的共16个块，通过[方程4]Z=Σj=03Σi=03(aijAij++bijAij-+cijBij++dijBij-)...(5)]]>算式(5)来求核对值(Z)。这里，系数aij、bij、cij以及dij使用学习样本通过线性判断分析来求最佳解。另外，作为各区域图像的块值的A+ij、A-ij、B+ij以及B-ij表示各块内的像素值的总和。
而且，如果该核对值(Z)为阈值以上，则核对值计算部分140核对判定为输入图像33的硬币是真正硬币，如果小于阈值则核对值计算部分140核对判定为伪造硬币，然后输出该判定结果。
以后，进一步具体说明图1所示的正负分离相关判定部分100的处理。首先，使用图8以及图11说明标准化相关值计算部分110进行的标准化相关值正负分离处理。图8是标准化相关值正负分离处理的流程图，图11是用于说明正负分离相关判定部分100中的图像生成步骤的说明图。
如图11所示，标准化相关值计算部分110首先从输入图像33和模板图像51生成标准化相关值图像111。然后，以生成的标准化相关值图像111作为输入来进行标准化相关值正负分离处理，将该标准化相关值图像111分离为作为正的相关值图像的r+图像111a和作为负的相关值图像的r-图像111b。
如图8所示，在标准化相关值正负分离处理中，首先向标准化相关值图像111的起点像素移动(步骤S501)。该起点像素例如是x＝0，y＝0的像素。然后，使用算式(4)计算该像素的标准化相关值r(x，y)(步骤S502)，如果计算出的r(x，y)为0以上(步骤S503“肯定”)，则将该像素值作为r+图像111a的同一坐标的像素值(步骤S504)。另一方面，如果计算出的r(x，y)小于0(步骤S503“否定”)，则将该像素的像素值的绝对值作为r-图像111b的同一坐标的像素值(步骤S505)。
然后，在还未对标准化相关值图像111的全部像素完成正负分离处理的情况下(步骤S506“否定”)，移动到下一个注目像素(步骤S507)，重复进行步骤S502以下的处理。另一方面，在对全部像素结束了正负分离处理的情况下(步骤S506“肯定”)，结束处理。通过该标准化相关值正负分离处理，r+图像111a以及r-图像111b作为具有取0.0～1.0的像素值的像素的图像而被生成。另外，在实施例1中，说明了r-图像111b的像素的像素值取0.0～1.0的像素值，但该像素值也可以取-1.0～0.0的值。
接着，使用图9以及图11说明标准化相关值计算部分110进行的模板图像正负分离处理。图9是模板图像正负分离处理的流程图。如图11所示，在模板图像正负分离处理中，进行将模板图像51分离为作为正的模板图像的t+图像51a和作为负的模板图像的t-图像51b的处理。
如图9所示，在模板图像的正负分离处理中，首先向模板图像51的起点像素移动(步骤S601)。该起点像素例如是x＝0，y＝0的像素。然后，如果该像素的浓度值为规定的阈值(Tt)以上(步骤S602“肯定”)，则将t+图像51a的同一坐标的像素值设为1(步骤S603)。另一方面，如果该浓度值小于规定的阈值(Tt)(步骤S602“否定”)，则将t-图像51b的同一坐标的像素值设为1(步骤S604)。
然后，在还未对模板图像51的全部像素完成正负分离处理的情况下(步骤S605“否定”)，移动到下一个注目像素(步骤S606)，重复进行步骤S602以下的处理。另一方面，在对全部像素结束了正负分离处理的情况下(步骤S605“肯定”)，结束处理。通过该模板图像正负分离处理，t+图像51a被生成为边缘部分为1、背景部分为0的二值图像，t-图像51b被生成为边缘部分为0、背景部分为1的二值图像。
接着，使用图10以及图11说明正负分离相关图像生成部分120进行的正负分离相关图像生成处理。图10是正负分离相关图像生成处理的流程图。
如图11所示，在正负分离相关图像生成处理中，将在标准化相关值计算部分110中生成的r+图像111a、r-图像111b、t+图像51a以及t-图像51b用作输入图像，生成A+区域图像121、A-区域图像122、B+区域图像123以及B-区域图像124。
例如，在将r+图像111a以及、t+图像51a用作输入图像的情况下，如图10所示，首先向各个图像的起点像素移动(步骤S701)。然后，在该像素中的t+图像51a的像素值为1的情况下(步骤S702“肯定”)，将A+区域图像121的像素值作为r+图像111a的像素值(步骤S703)。另一方面，在该像素中的t+图像51a的像素值不是1的情况下(即，是0的情况下)(步骤S702“否定”)，将A+区域图像121的像素值设为0(步骤S704)。
然后，在还未对全部像素完成区域图像生成处理的情况下(步骤S705“否定”)，移动到下一个注目像素(步骤S706)，重复进行步骤S702以下的处理。另一方面，在对全部像素结束了区域图像生成处理的情况下(步骤S705“肯定”)，生成A+区域图像121，结束处理。
同样，由r-图像111b以及t+图像51a生成A-区域图像122，由r+图像111a以及t-图像51b生成B+区域图像123，由r-图像111b以及t-图像51b生成B-区域图像124。
接着，使用图12～图14说明膨胀处理部分130进行的膨胀处理。图12是用于说明在膨胀处理中使用的图像掩模的说明图，图13是膨胀处理的流程图，图14是用于说明由膨胀处理生成的图像的说明图。
在该膨胀处理中，进行将负的区域图像(A-区域图像122以及B-区域图像124)中包含的噪声状的孤立点(像素)向正的区域图像(A+区域图像121以及B+区域图像123)移动的处理。通过进行该处理，可以提高核对值的精度。
如图12所示，在该膨胀处理中，使用正区域图像掩模130a以及负区域图像掩模130b的两个图像掩模。各图像掩模具有P5以及M5和将这些区域包围的8个区域。例如，在进行从A-区域图像122向A+区域图像121的膨胀处理的情况下，负区域图像掩模130b的M5与A-区域图像122的注目像素合并，将正区域图像掩模130a的P5与对应于注目像素的像素合并。然后，依次对M5的像素值和P1～P9的像素值进行比较并进行膨胀处理。
接着，以进行从A-区域图像122向A+区域图像121的膨胀处理的情况为例，使用图13说明该膨胀处理的处理步骤。首先，向各个图像(121以及122)的起点像素移动(步骤S801)。该起点像素例如为x＝0，y＝0的像素。然后，为了依次切换正区域掩模130a的9个区域(P1～P9)而对n设定1(步骤S802)。即，在步骤S802完成的时刻，成为对象的正区域图像掩模130a的区域为P1。
然后，对Pn的值和M5的值进行比较，在P1的值大于M5的值的情况下(步骤S803“肯定”)，用M5置换P5的值并将M5的值设定为0(步骤S805)。即，将M5的像素向P5的像素移动。另一方面，在Pn的值为M5的值以下的情况下(步骤S803“否定”)，对n的值加1(步骤S804)，在n的值为9以下的情况下(步骤S806“否定”)，并再次进行步骤S803。
这样，P1～P9的值中只要有一个大于M5的值，则将M5的像素向P5移动。另一方面，在P1～P9的值都为M5的值以下的情况下(步骤S806“肯定”)，不进行像素的移动。
然后，在没有对A-区域图像122的全部像素结束处理的情况下(步骤S807“否定”)，向下一个注目像素移动(步骤S808)，进行步骤S802以后的处理。另一方面，在对A-区域图像122的全部像素结束了处理的情况下(步骤S807“肯定”)，结束该膨胀处理。
如图14所示，通过该膨胀处理，A+区域图像121、A-区域图像122、B+区域图像123以及B-区域图像124分别被图像变换为已膨胀A+区域图像131、已膨胀A-区域图像132、已膨胀B+区域图像133以及已膨胀B-区域图像134。另外，由于A-区域图像122上的孤立点向A+区域图像121移动，所以已膨胀A+区域图像131的边缘部分与A+区域图像121相比，面积增加。另一方面，已膨胀A-区域图像132的边缘部分与A-区域图像122相比，面积减少。
接着，使用图15说明核对值计算部分140进行的核对值计算处理。图15是用于说明已膨胀区域图像(131～134)的块分割的说明图。如该图所示，核对值计算部分140首先将各已膨胀区域图像(131～134)分割为水平方向上4个、垂直方向上4个的共16个块，生成A+区域图像块141、A-区域图像块142、B+区域图像块143以及B-区域图像块144。
然后，核对计算部分140使用算式(5)进行核对值(Z)的计算。这里，假设算式(5)的各系数aij、bij、cij以及dij使用学习样本通过线性判断分析等来求最佳解。具体来说，由于根据硬币的凹凸图案的设计不同而存在容易提取边缘的硬币和难以提取边缘的硬币，所以这些系数对于每个硬币的类别取不同的值。通过由学习样本将这些系数最佳化从而能够进行高精度的图像核对。
而且，核对值计算部分140使用设定了最佳值的系数aij、bij、cij以及dij和各图像块(141～144)来计算核对值(Z)，在该核对值为阈值以上的情况下，判定为真正硬币，在小于阈值的情况下，判定为伪造硬币。另外，在实施例1中，说明了将各图像分割为16块的情况，但块数可以为任意的数。
另外，在算式(5)中，如果将系数cij以及dij设定为0，则可以仅从A+区域图像块141以及A-区域图像块142来计算核对值(Z)。此外，如果将系数aij以及bij设定为0，则可以仅从B+区域图像块143以及B-区域图像块144来计算核对值(Z)。
这样，核对值计算部分140通过根据硬币的种类或硬件的能力来调整图像块数或算式(5)的各系数的值，从而能够高效率地进行图像核对。
另外，在实施例1的核对值计算部分140中，结构为在将各区域图像进行了块分割之后，通过算式(5)来计算核对值(Z)，但不限于此，也可以构成为通过其它的方法进行核对判定。例如，也可以使用多层神经网络、支持向量机、二次识别函数等其它的方法。
以后，在对标准化相关值图像111进行正负分离之前进行膨胀处理的情况下，使用图16～图18进行说明。图16是说明该膨胀处理的图像生成步骤的说明图，图17是用于说明该膨胀处理中使用的图像掩模的说明图，图18是该膨胀处理的流程图。
在上述膨胀处理中，在生成各区域图像(121～124)之后，将像素从负的区域图像(例如，A-区域图像122)移动到正的区域图像(例如，A+区域图像121)。但是，该膨胀处理可以使用正负分离前的标准化相关值图像111和正负分离前的模板图像51来进行。
如图16所示，标准化相关值计算部分110首先由输入图像33和模板图像51生成标准化相关值图像111。然后，该膨胀处理以生成的标准化相关值图像111作为输入来进行膨胀处理，生成已膨胀的标准化相关值图像135。然后，该已膨胀的标准化相关值图像135被分离为已膨胀的r+图像135a和已膨胀的r-图像135b。然后，将已膨胀的r+图像135a、已膨胀的r-图像135b、t+图像51a以及t-图像51b作为输入，进行正负分离相关图像生成部分120的处理，输出已膨胀A+区域图像131、已膨胀A-区域图像132、已膨胀B+区域图像133以及已膨胀B-区域图像134。
如图17所示，在该膨胀处理中，使用输入图像掩模130c以及模板图像掩模130d的两个图像掩模。各图像掩模具有S5以及T5和将这些区域包围的8个区域。例如，在使用模板图像51和标准化相关值图像111进行膨胀处理的情况下，将输入图像掩模130c的S5与标准化相关值图像的注目像素合并，将模板图像掩模130d的T5与对应于注目像素的像素合并。然后，参照S1～S9以及T1～T9的区域的像素值进行比较并进行膨胀处理。
使用图18说明该膨胀处理的处理步骤。首先，向各个图像(111以及51)的起点像素移动(步骤S901)。该起点像素例如是x＝0，y＝0的像素。然后，在S5的值为负的情况下，即相应的像素的标准化相关值为负的情况下(步骤S902“否定”)，为了依次切换输入图像掩模130c的9个区域(S1～S9)以及模板图像掩模130d的9个区域(T1～T9)而将n设定1(步骤S903)。
然后，在Tn的值大于阈值(Tt)的情况下(步骤S904“肯定”)，判定Sn的值是否为0以上(步骤S905)，如果Sn的值为0以上(步骤S905“肯定”)，则对该Sn的值和S5的绝对值进行比较(步骤S906)。然后，如果Sn的值大于S5的绝对值(步骤S906“肯定”)，则以S5的绝对值置换Sn的值(步骤S907)。
即，在S5的周边的Sn中，在存在Tn的值大于阈值(Tt)并且Sn的值为0以上，而且Sn的值大于S5的绝对值的区域(Sn)的情况下，判定该S5的像素为孤立点，取S5的值的绝对值并将S5的值反转。然后，如果没有对标准化相关值图像111的全部像素结束膨胀处理(步骤S910“否定”)，则向注目像素移动(步骤S911)并重复进行步骤S902以下的处理。另一方面，在对全部像素结束了膨胀处理的情况下(步骤S910“肯定”)，结束该膨胀处理。
另一方面，在Tn的值为阈值(Tt)以下(步骤S904“否定”)，或Sn的值为负(步骤S905“否定”)，或Sn的值为S5的绝对值以下(步骤S906“否定”)的情况下，对n加1(步骤S908)，如果n为9以下(步骤S909“否定”)，则重复进行步骤S904以下的处理。另一方面，如果n大于9(步骤S909“肯定”)，则进行步骤S910的处理。
这样，即使在标准化相关值图像111的正负分离之前进行了膨胀处理的情况下，也能够取得已膨胀区域图像(131～134)。在该情况下，由于使用正负分离前的标准化相关值图像111，所以与生成区域图像(121～124)后的膨胀处理相比较，能够削减成为膨胀处理的对象的图像数，所以能够进行更高效的膨胀处理。
如上所述，通过实施例1的图像核对装置、图像核对方法以及图像核对程序，对实施边缘提取处理和边缘标准化处理并进行特征提取后的输入图像和预先实施了标准化处理的模板图像进行核对，生成标准化相关值图像，同时根据各图像中的像素值是否为阈值以上，而将标准化相关值图像以及模板图像分别分离为正的标准化相关值图像以及负的标准化相关值图像，和正的模板图像以及负的模板图像，然后通过该图像的组合，生成正的特征区域图像、负的特征区域图像、正的背景区域图像以及负的背景区域图像，进而，实施进行从负的特征区域图像向正的特征区域图像的像素移动、从负的背景区域图像向正的特征区域图像的像素移动的膨胀处理，将这些已膨胀处理的区域图像进行块分割并通过线性判别分析等计算核对值并进行核对判定，所以能够将输入图像以及模板图像的全部像素作为核对对象，同时排除伴随相关值计算的孤立点的影响，不仅特征区域，而且背景区域的相关值也很平衡地反映在核对值中，所以能够进行高精度的图像核对并且能够提高图像的核对率。
另外，在实施例1中，说明了对硬币的输入图像进行图像核对的情况，但本发明不限定于此，例如，也可以应用于纸币图像的核对，或FA(FactoryAutomation)等中的部件或产品的图像核对。
实施例2上述实施例1中说明了使用正交坐标系进行硬币等的图像核对的情况。在本实施例2中，说明使用极坐标系代替正交坐标系的图像核对。通过使用极坐标系能够更高效地进行硬币等圆形物体的图像核对。
图19是表示实施例2的图像核对装置的结构的功能方框图。如该图所示，该图像核对装置201包括图像输入部分210、图像切出部分220、边缘提取部分230、匹配处理部分240、注册图像存储部分250、正负分离相关判定部分300，该匹配处理部分240包括极坐标变换部分240a、旋转角检测部分240b、正反判定部分240c，该正负分离相关判定部分300包括标准化相关值计算部分310、正负分离相关图像生成部分320、膨胀处理部分330、核对值计算部分340。
图像输入部分210是用于将成为核对对象的硬币的输入图像取入装置内的输入部分，将输入的图像输出到图像切出部分220。具体来说，图像输入部分210将输入图像作为规定数的像素的集合体来进行处理。例如，将输入图像识别为具有256灰度等级的浓度值的灰度图像，作为规定大小的矩形图像输出到图像切出部分。
图像切出部分220从图像输入部分210取得该矩形图像，仅切出与硬币图像外接的正方形区域内的图像，将切出的图像输出到边缘提取部分230。
图20是用于说明该图像切出部分220的处理概要的说明图。如该图所示，图像切出部分220在水平方向上扫描从图像输入部分210取得的输入图像211并累计全部像素的浓度值，生成水平方向投影221。此外，在垂直方向上扫描输入图像211，并以同样的步骤生成垂直方向投影222。然后，图像切出部分220扫描水平方向投影221以及垂直方向投影222，计算累计的浓度值的上升坐标和下降坐标。然后，如该图的四条虚线所示，将计算出的各坐标所包围的区域作为切出图像223切出，并将该切出图像223输出到边缘提取部分230。
返回到图19的说明，说明边缘提取部分230。边缘提取部分230从图像切出部分220取得切出图像223，并计算切出图像223的浓度变化(边缘强度)以避免基于切出图像223的亮度或色彩的个体差别的影响。此外，为抑制计算出的边缘强度的偏差而进行边缘强度的标准化。具体来说，通过对切出图像223进行使用Sobel算子的边缘提取处理从而计算边缘强度，将计算结果标准化。另外，在实施例2中，假设使用Sobel算子，但也可以使用Roberts算子等来进行边缘提取。
图21是用于说明Sobel算子的说明图。如该图所示，边缘提取部分230使用水平方向边缘计算用230a以及垂直方向边缘计算用230b的两个Sobel算子来进行边缘强度的计算。具体来说，对于切出图像223的全部像素扫描各Sobel算子(230a以及230b)，取得水平方向边缘计算结果Gx以及垂直方向边缘计算结果Gy。然后，在计算各像素中的边缘强度(G)之后将该边缘强度标准化(E)。
G＝|Gx|+|Gy| ...(6)E=c×GΣG...(7)]]>
如算式(6)所示，各像素中的边缘强度(G)被表示为水平方向边缘计算结果Gx的绝对值以及垂直方向边缘计算结果Gy的绝对值之和。此外，如算式(7)所示，各像素中的标准化边缘强度(E)为对每个硬币种类设定规定的值的常数c和边缘强度(G)的积除以全部像素的边缘强度(G)的总和的结果。
这样，通过进行边缘强度的标准化，能够抑制在容易提取边缘的新硬币和难以提取边缘的流通硬币之间发生边缘强度的偏差，所以能够高精度地进行各种硬币的核对而与硬币的新旧无关。
图22是用于说明由边缘提取部分230进行的边缘提取处理(图像变换处理)的概要的说明图。如该图所示，切出图像223通过使用Sobel算子的边缘强度计算处理被图像变换为边缘提取图像231。然后，边缘提取图像231通过使用算式(6)以及算式(7)的边缘强度标准化处理而被变换为边缘标准化图像232。边缘提取部分230将该边缘标准化图像232输出到匹配处理部分240。
该图所示的边缘提取图像231的各像素值例如取0～255的值，0取对应于黑的灰度值，255为对应于白的灰度值。在该图的边缘提取图像231中，白的部分为提取出的边缘部分，黑的部分为背景部分。此外，边缘标准化图像232的各像素例如取0～255的值，0取对应于黑的灰度值，255为对应于白的灰度值。另外，在该图的边缘标准化图像中，白的部分相当于边缘部分，黑的部分相当于背景部分，这与边缘提取图像231同样。
返回图19的说明，说明匹配处理部分240。匹配处理部分240从边缘提取部分230取得边缘标准化图像232，并从注册图像存储部分250取得边缘标准化以及已极坐标变换的模板图像。然后，对该边缘标准化图像232进行极坐标变换，通过模板图像的平行移动来检测该已极坐标变换的图像与模板图像的偏离角，同时进行正反的判定，从而将边缘标准化图像232以及已校正偏离角的模板图像输出到正负分离相关判定部分300。另外，在实施例2中，说明通过使模板图像平行移动从而检测偏离角的情况，但也可以通过对将边缘标准化图像232进行了极坐标变换后的图像进行平行移动从而检测偏离角。
极坐标变换部分240a是用于对边缘标准化图像232进行极坐标变换的处理部分。具体来说，计算边缘标准化图像232的中心点，以该中心点作为极坐标的原点。然后，根据旋转角θ以及离中心点的距离ρ来确定各像素，通过将各像素向ρ-θ空间移动，从而进行极坐标变换。对该变换使用[方程6]x＝ρ·cos(θ) ...(8)y＝ρ·sin(θ) ...(9)。
图23是用于说明该极坐标变化的处理概要的说明图。以x-y空间(边缘标准化图像232)的中心点作为原点，用(x，y)表示各像素的坐标，该x以及y和上述ρ以及θ具有算式(8)以及算式(9)所示的关系。从而，通过将边缘标准化图像232内的各像素(x，y)变换为满足算式(8)以及(9)的关系的(ρ，θ)，从而极坐标变换部分240a生成已极坐标变换边缘标准化图像233。
另外，在该图中，示出了离中心点的距离ρ取10～100的值，旋转角θ取0～255的值的情况，但这些值的范围能够任意地设定。
返回图19的说明，说明旋转角检测部分240b。旋转角检测部分240b检测已极坐标变换边缘标准化图像233和通过同样的极坐标变换处理预先进行了极坐标变换的模板图像的偏离角，并进行对两图像的偏离角进行校正的处理。图24是用于说明旋转角检测部分240b的处理概要的说明图。
如该图所示，在ρ-θ空间中，使模板图像251与θ坐标轴平行地移动。然后，计算θ坐标方向的偏离角(φ)以及各偏离角(φ)中的模板图像251和边缘标准化图像232的一致度M(φ)，并取得该一致度M(φ)为最大的旋转角φmax。另外，该一致度M(φ)通过[方程7]M(φ)=ΣkΣθ=0255t(k,θ-φ).s(k,θ)...(10)]]>来计算。
如算式(10)所示，各偏离角(φ)中的一致度M(φ)是在将模板图像251偏离了φ的情况下，模板图像251的各像素的浓度值t(k，θ-φ)和边缘标准化图像232的各像素的浓度值s(k，θ)对各像素的积的总和。这里，k是对离边缘标准化图像232中的中心点的距离ρ中容易出现特征的距离进行了选择的选择值。例如，通过在图23所示的已极坐标变换边缘标准化图像233的ρ(0～100)中选择16个容易出现特征的ρ值，从而选择该k。
如图24所示，该M(φ)的值为在某一旋转角具有最大值的山形的曲线。旋转角检测部分240b取得该M(φ)为最大(山形的顶点部分)的φmax的值，这样，旋转角检测部分240b由于通过实施了极坐标变换的ρ-θ图像的平行移动来校正偏离角，所以与通过x-y图像的旋转来校正偏离角的方法相比能够削减计算量。
返回图19的说明，说明正反判定部分240c。首先，正反判定部分240c在已极坐标变换的正面用模板图像以及反面用模板图像和已极坐标变换边缘标准化图像233之间计算上述一致度M(φ)的最大值M(φmax)，并由该M(φmax)求标准化相关系数R。具体来说，该标准化相关系数R通过[方程8]R=Σθ(t(θ-θmax)-ΣtN)(s(θ)-ΣsN){Σt2-(Σt)2N}.{Σs2-(Σs)2N}=N.M(φmax)-Σt.Σs{N.Σt2-(Σt)2}·{N·Σs2-(Σs)2}...(11)]]>求出。另外，算式(11)中的N表示成为判定对象的像素数。
然后，该正反判定部分240c选择标准化相关系数R大的模板图像，与已极坐标变换边缘标准化图像233一同输出到正负分离相关判定部分300。例如，在反面用模板图像和已极坐标变换边缘标准化图像233的标准化相关系数R比正面用模板图像和已极坐标变换边缘标准化图像233的标准化相关系数R大的情况下，将反面用模板图像和已极坐标变换边缘标准化图像233输出到正负分离相关判定部分300。这里，对正负分离相关判定部分300输出的模板图像是平行移动角度φmax而校正了与已极坐标变换边缘标准化图像233的偏离角的模板图像。
返回到图19的说明，说明注册图像存储部分250。注册图像存储部分250存储与预先注册的各种硬币对应的多个模板图像，并对匹配处理部分240提供这些模板图像。为了对这样的模板图像抑制硬币的个体差别引起的偏差而使用将同一种类的硬币图像合成多个而得到的平均图像。通过使用该平均图像，制造年等各硬币所固有的凹凸图案部分和模板图像的对应部分的相关值为与平均图像(平均值)有关的相关值，因此难以产生核对时的影响。即，能够防止即使是真正硬币但由于制造年不同而判定为伪造硬币的情况。
这样的模板图像为了与实施过极坐标变换处理以及边缘标准化处理的输入图像进行核对而与输入图像同样被实施了极坐标变换处理以及边缘标准化处理之后，被注册在注册图像存储部分250中。此外，注册图像存储部分250中注册多个各金属种类的正面以及反面的模板图像。
返回图19的说明，说明正负分离相关判定部分300。正负分离相关判定部分300从匹配处理部分240取得图24所示的已极坐标变换边缘标准化图像233(以下称作‘输入图像233’)以及已校正偏离角的模板图像251(以下称作‘模板图像251’)，通过将这些图像进行核对从而进行输入图像233的硬币是否为真正硬币的核对判定，并输出该判定结果。
标准化相关值计算部分310计算输入图像233以及模板图像251的对应的每个像素的相关值，将该相关值标准化而生成标准化相关值图像。具体来说，对于坐标值为(k，θ)的各像素，使用输入图像233的浓度值s(k，θ)以及已校正偏离角的模板图像251的浓度值t(k，θ-φmax)，通过[方程9]r(k,θ)=(t(k,θ-φmax)-Σtn)(s(k,θ)-Σsn){Σt2-(Σt)2n}.{Σs2-(Σs)2n}...(12)]]>计算各像素的标准化相关值r(k，θ)。另外，算式(12)所示的各像素的标准化相关值r(k，θ)例如取-1.0～+1.0的值。此外，算式(12)中的n表示像素数。
而且，标准化相关值计算部分310根据该标准化相关值图像的像素值是否为0以上而分离为正的标准化相关值图像(r+图像)和负的标准化相关值图像(r-图像)。此外，关于模板图像251，根据各像素值是否为规定的阈值(Tt)以上而分离为正的模板图像(t+图像)和负的模板图像(t-图像)。
另外，r+图像的像素值例如取0.0～1.0的值，r-图像的像素值通过取各像素值的绝对值而例如取0.0～1.0的值。此外，t+图像以及t-图像的像素值例如取0或1的二值。即，t+图像以及t-图像具有作为各标准化相关值图像的图像变换所使用的图像掩模的作用。
这里，说明各个图像的意思，r+图像表示在成为核对对象的图像间有相关(相似)的像素，如果有很强的相关，则该像素取大的值。此外，r-图像表示在成为核对对象的图像间没有相关(不相似)的像素，如果有很强的负相关，则该像素取大的值。而且，t+图像表示模板图像的边缘部分，边缘部分取1的值，背景部分取0的值。此外，t-图像表示模板图像的背景部分(不是边缘的部分)，背景部分取1的值，边缘部分取0的值。
正负分离相关图像生成部分320通过标准化相关值计算部分310生成的r+图像、r-图像、t+图像以及t-图像的组合来生成正负分离相关图像。具体来说，从r+图像和t+图像生成A+区域图像，从r-图像和t+图像生成A-区域图像，从r+图像和t-图像生成B+区域图像，从r-图像和t-图像生成B-区域图像。
这里，说明各区域图像的意思。图25是用于说明该4个区域的说明图。如该图所示，A+区域图像是将r+图像和t+图像重叠的区域图像，表示与边缘部分有相关，即在应出现边缘处出现了边缘的情况，对应于技术方案中的正特征区域图像。A-区域图像是将r-图像和t+图像重叠的区域图像，表示与边缘部分没有相关，即在应出现边缘处未出现边缘的情况，对应于技术方案中的负特征区域图像。B+区域图像是将r+图像和t-图像重叠的区域图像，表示与背景部分有相关，即在不应出现边缘处未出现边缘的情况，对应于技术方案中的正背景区域图像。B-区域图像是将r-图像和t-图像重叠的区域图像，表示与背景部分没有相关，即在不应出现边缘处未出现边缘的情况，对应于技术方案中的负背景区域图像。
返回图19的说明，说明膨胀处理部分330。膨胀处理部分330使用规定的图像掩模将A-区域图像的像素向A+区域图像移动，同时将B-区域图像的像素向B+区域图像移动。进行该膨胀处理是由于标准化相关值中呈噪声状地出现了具有负的相关值的孤立点。即，通过进行该膨胀处理，可以抑制该孤立点的影响波及到核对值的判定结果。
核对值计算部分340将A+区域图像、A-区域图像、B+区域图像以及B-区域图像分别例如分割为水平方向上16个，垂直方向上4个的共64个块，通过[方程10]Z=Σj=03Σi=015(aijAij++bijAij-+cijBij++dijBij-)---(13)]]>算式(13)来求核对值(Z)。这里，系数aij、bij、cij以及dij使用学习样本通过线性判断分析来求最佳解。另外，作为各区域图像的块值的A+ij、A-ij、B+ij以及B-ij表示各块内的像素值的总和。
而且，如果该核对值(Z)为阈值以上，则核对值计算部分340判定为输入图像233的硬币是真正硬币，如果小于阈值则核对值计算部分340判定为伪造硬币，然后输出该判定结果。
以后，进一步具体说明图19所示的正负分离相关判定部分300的处理。首先，使用图26以及图29说明标准化相关值计算部分310进行的标准化相关正负分离处理。图26是标准化相关值正负分离处理的流程图，图29是用于说明正负分离相关判定部分300中的图像生成步骤的说明图。
如图29所示，标准化相关值计算部分310首先从输入图像233和模板图像251生成标准化相关值图像311。然后，以生成的标准化相关值图像311作为输入来进行标准化相关值正负分离处理，将该标准化相关值图像311分离为作为正的相关值图像的r+图像311a和作为负的相关值图像的r-图像311b。
如图26所示，在标准化相关值正负分离处理中，首先向标准化相关值图像311的起点像素移动(步骤S1501)。该起点像素例如是k＝0，θ＝0的像素。然后，使用算式(12)计算该像素的标准化相关值r(k，θ)(步骤S1502)，如果计算出的r(k，θ)为0以上(步骤S1503“肯定”)，则将该像素值作为r+图像311a的同一坐标的像素值(步骤S1504)。另一方面，如果计算出的r(k，θ)小于0(步骤S1503“否定”)，则将该像素的像素值的绝对值作为r-图像311b的同一坐标的像素值(步骤S1505)。
然后，在还未对标准化相关值图像311的全部像素完成正负分离处理的情况下(步骤S1506“否定”)，移动到下一个注目像素(步骤S1507)，重复进行步骤S1502以下的处理。另一方面，在对全部像素结束了正负分离处理的情况下(步骤S1506“肯定”)，结束处理。通过该标准化相关值正负分离处理，r+图像311a以及r-图像311b作为具有取0.0～1.0的像素值的像素的图像而被生成。另外，在实施例2中，说明了r-图像311b的像素的像素值取0.0～1.0的像素值，但该像素值也可以取-1.0～0.0的值。
接着，使用图27以及图29说明标准化相关值计算部分310进行的模板图像正负分离处理。图27是模板图像正负分离处理的流程图。如图29所示，在模板图像正负分离处理中，进行将模板图像251分离为作为正的模板图像的t+图像251a和作为负的模板图像的t-图像251b的处理。
如图27所示，在模板图像的正负分离处理中，首先向模板图像251的起点像素移动(步骤S1601)。该起点像素例如是k＝0，θ＝0的像素。然后，如果该像素的浓度值为规定的阈值(Tt)以上(步骤S1602“肯定”)，则将t+图像251a的同一坐标的像素值设为1(步骤S1603)。另一方面，如果该像素的浓度值小于规定的阈值(Tt)(步骤S1602“否定”)，则将t-图像251b的同一坐标的像素值设为1(步骤S1604)。
然后，还未在对模板图像251的全部像素完成正负分离处理的情况下(步骤S1605 “否定”)，移动到下一个注目像素(步骤S1606)，重复进行步骤S1602以下的处理。另一方面，在对全部像素结束了正负分离处理的情况下(步骤S1605 “ 肯定”)，结束处理。通过该模板图像正负分离处理，t+图像251a被生成为边缘部分为1、背景部分为0的二值图像，t-图像251b被生成为边缘部分为0、背景部分为1的二值图像。
接着，使用图28以及图29说明正负分离相关图像生成部分320进行的正负分离相关图像生成处理。图28是正负分离相关图像生成处理的流程图。
如图29所示，在正负分离相关图像生成处理中，将在标准化相关值计算部分310中生成的r+图像311a、r-图像311b、t+图像251a以及t-图像251b用作输入图像，生成A+区域图像321、A-区域图像322、B+区域图像323以及B-区域图像324。
例如，在将r+图像311a以及、t+图像251a用作输入图像的情况下，如图28所示，首先向各个图像的起点像素移动(步骤S1701)。然后，在该像素中的t+图像251a的像素值为1的情况下(步骤S1702“肯定”)，将A+区域图像321的像素值作为r+图像311a的像素值(步骤S1703)。另一方面，在该像素中的t+图像251a的像素值不是1的情况下(即，是0的情况下)(步骤S1702“ 否定”)，将A+区域图像321的像素值设为0(步骤S1704)。
然后，在还未对全部像素完成区域图像生成处理的情况下(步骤S1705“否定”)，移动到下一个注目像素(步骤S1706)，重复进行步骤S1702以下的处理。另一方面，在对全部像素结束了区域图像生成处理的情况下(步骤S1705 “肯定”)，由于生成A+区域图像321，所以结束处理。
同样，由r-图像311b以及t+图像251a生成A-区域图像322，由r+图像311a以及t-图像251b生成B+区域图像323，由r-图像311b以及t-图像251b生成B-区域图像324。
接着，使用图30～图32说明膨胀处理部分330进行的膨胀处理。图30是用于说明在膨胀处理中使用的图像掩模的说明图，图31是膨胀处理的流程图，图32是用于说明由膨胀处理生成的图像的说明图。
在该膨胀处理中，进行将负的区域图像(A-区域图像322以及B-区域图像324)中包含的噪声状的孤立点(像素)向正的区域图像(A+区域图像321以及B+区域图像323)移动的处理。通过进行该处理，可以提高核对值的精度。
如图30所示，在该膨胀处理中，使用正区域图像掩模330a以及负区域图像掩模330b的两个图像掩模。各图像掩模具有P5以及M5和将这些区域包围的8个区域。例如，在进行从A-区域图像322向A+区域图像321的膨胀处理的情况下，负区域图像掩模330b的M5与A-区域图像322的注目像素合并，将正区域图像掩模330a的P5与对应于注目像素的像素合并。然后，依次对M5的像素值和P1～P9的像素值进行比较并进行膨胀处理。
接着，以进行从A-区域图像322向A+区域图像321的膨胀处理的情况为例，使用图31说明该膨胀处理的处理步骤。首先，向各个图像(321以及322)的起点像素移动(步骤S1801)。该起点像素例如为k＝0，θ＝0的像素。然后，为了依次切换正区域掩模330a的9个区域(P1～P9)而对n设定1(步骤S1802)。即，在步骤S1802完成的时刻，成为对象的正区域图像掩模330a的区域为P1。
然后，对Pn的值和M5的值进行比较，在P1的值大于M5的值的情况下(步骤S1803 “肯定”)，用M5置换P5的值并将M5的值设定为0(步骤S1805)。即，将M5的像素向P5的像素移动。另一方面，在Pn的值为M5的值以下的情况下(步骤S1803“否定”)，对n的值加1(步骤S1804)，在n的值为9以下的情况下(步骤S1806“否定”)，并再次进行步骤S1803。
这样，P1～P9的值中只要有一个大于M5的值，则将M5的像素向P5移动。另一方面，在P1～P9的值都为M5的值以下的情况下(步骤S1806“肯定”)，不进行像素的移动。
然后，在没有对A-区域图像322的全部像素结束处理的情况下(步骤S1807 “ 否定”)，向下一个注目像素移动(步骤S1808)，进行步骤S1802以后的处理。另一方面，在对A-区域图像322的全部像素结束了处理的情况下(步骤S1807“肯定”)，结束该膨胀处理。
如图32所示，通过该膨胀处理，A+区域图像321、A-区域图像322、B+区域图像323以及B-区域图像324分别被图像变换为已膨胀A+区域图像33 1、已膨胀A-区域图像332、已膨胀B+区域图像333以及已膨胀B-区域图像334。另外，由于A-区域图像322上的孤立点向A+区域图像321移动，所以已膨胀A+区域图像331的边缘部分与A+区域图像321相比，面积增加。另一方面，已膨胀A-区域图像132的边缘部分与A-区域图像322相比，面积减少。
接着，使用图33说明核对值计算部分340进行的核对值计算处理。图33是用于说明关于已膨胀区域图像(331～334)的块分割将已膨胀A+区域图像331进行块分割的情况的例子的说明图。如该图所示，核对值计算部分340首先将各已膨胀A+区域图像331分割为水平方向上16个、垂直方向上4个的共64个块。同样，对已膨胀A-区域图像332、已膨胀B+区域图像333以及已膨胀B-区域图像334也进行块分割。
然后，核对值计算部分340使用算式(13)进行核对值(Z)的计算。这里，假设算式(13)的各系数aij、bij、cij以及dij使用学习样本通过线性判断分析等来求最佳解。具体来说，由于根据硬币的凹凸图案的设计不同而存在容易提取边缘的硬币和难以提取边缘的硬币，所以这些系数对于每个硬币的类别取不同的值。通过由学习样本将这些系数最佳化从而能够进行高精度的图像核对。
而且，核对值计算部分340使用设定了最佳值的系数aij、bij、cij以及dij和各图像块来计算核对值(Z)，在该核对值为阈值以上的情况下，判定为真正硬币，在小于阈值的情况下，判定为伪造硬币。另外，在实施例2中，说明了将各图像分割为64块的情况，但块数可以是任意的数。
另外，在算式(13)中，如果将系数Cij以及dij设定为0，则可以仅从A+区域图像块以及A-区域图像块来计算核对值(Z)。此外，如果将系数aij以及bij设定为0，则可以仅从B+区域图像块以及B-区域图像块来计算核对值(Z)。
这样，核对值计算部分340通过根据硬币的种类或硬件的能力来调整图像块数或算式(13)的各系数的值，从而能够高效率地进行图像核对。
另外，在实施例2的核对值计算部分340中，结构为在将各区域图像进行了块分割之后，通过算式(13)来计算核对值(Z)，但不限于此，例如，也可以使用多层神经网络、支持向量机、二次识别函数等其它的方法。
以后，在对标准化相关值图像311进行正负分离之前进行膨胀处理的情况下，使用图34～图36进行说明。图34是说明该膨胀处理的图像生成步骤的说明图，图35是用于说明该膨胀处理中使用的图像掩模的说明图，图36是该膨胀处理的流程图。
在上述膨胀处理中，在生成各区域图像(321～324)之后，将像素从负的区域图像(例如，A-区域图像322)移动到正的区域图像(例如，A+区域图像321)。但是，该膨胀处理可以使用正负分离前的标准化相关值图像311和正负分离前的模板图像251来进行。
如图34所示，标准化相关值计算部分310首先由输入图像233和模板图像251生成标准化相关值图像311。然后，该膨胀处理以生成的标准化相关值图像311作为输入来进行膨胀处理，生成已膨胀的标准化相关值图像335。然后，该已膨胀的标准化相关值图像335被分离为已膨胀的r+图像335a和已膨胀的r-图像335b。然后，将已膨胀的r+图像335a、已膨胀的r-图像335b、t+图像251a以及t-图像251b作为输入，进行正负分离相关图像生成部分320的处理，输出已膨胀A+区域图像331、已膨胀A-区域图像332、已膨胀B+区域图像333以及已膨胀B-区域图像334。
如图35所示，在该膨胀处理中，使用输入图像掩模330c以及模板图像掩模330d的两个图像掩模。各图像掩模具有S5以及T5和将这些区域包围的8个区域。例如，在使用模板图像251和标准化相关值图像311进行膨胀处理的情况下，将输入图像掩模330c的S5与标准化相关值图像的注目像素合并，将模板图像掩模330d的T5与对应于注目像素的像素合并。然后，参照S1～S9以及T1～T9的区域的像素值进行比较并进行膨胀处理。
使用图36说明该膨胀处理的处理步骤。首先，向各个图像(311以及251)的起点像素移动(步骤S1901)。该起点像素例如是k＝0，θ＝0的像素。然后，在S5的值为负的情况下，即相应的像素的标准化相关值为负的情况下(步骤S1902“否定”)，为了依次切换输入图像掩模330c的9个区域(S1～S9)以及模板图像掩模330d的9个区域(T1～T9)而对n设定1(步骤S1903)。
然后，在Tn的值大于阈值(Tt)的情况下(步骤S1904“肯定”)，判定Sn的值是否为0以上(步骤S1905)，如果Sn的值为0以上(步骤S1905“肯定”)，则对该Sn的值和S5的绝对值进行比较(步骤S1906)。然后，如果Sn的值大于S5的绝对值(步骤S1906“肯定”)，则以S5的绝对值置换Sn的值(步骤S1907)。
即，在S5的周边的Sn中，在存在Tn的值大于阈值(Tt)并且Sn的值为0以上，而且Sn的值大于S5的绝对值的区域(Sn)的情况下，判定该S5的像素为孤立点，取S5的值的绝对值并将S5的值反转。然后，如果没有对标准化相关值图像311的全部像素结束膨胀处理(步骤S1910“否定”)，则向注目像素移动(步骤S1911)并重复进行步骤S1902以下的处理。另一方面，在对全部像素结束了膨胀处理的情况下(步骤S1910“肯定”)，结束该膨胀处理。
另一方面，在Tn的值为阈值(Tt)以下(步骤S1904“否定”)，或Sn的值为负(步骤S1905“否定”)，或Sn的值为S5的绝对值以下(步骤S1906“否定”)的情况下，对n加1(步骤S1908)，如果n为9以下(步骤S1909“ 否定”)，则重复进行步骤S1904以下的处理。另一方面，如果n大于9(步骤S1909“肯定”)，则进行步骤S1910的处理。
这样，即使在标准化相关值图像311的正负分离之前进行了膨胀处理的情况下，也能够取得已膨胀区域图像(331～334)。在该情况下，由于使用正负分离前的标准化相关值图像311，所以与生成区域图像(321～324)后的膨胀处理相比较，能够削减成为膨胀处理的对象的图像数，所以能够进行更高效的膨胀处理。
如上所述，通过实施例2的图像核对装置、图像核对方法以及图像核对程序，对实施边缘提取处理和边缘标准化处理并进行特征提取后的极坐标变换输入图像和预先实施了边缘标准化处理的极坐标变换模板图像进行核对，并对图像的偏离角进行校正而生成标准化相关值图像，同时根据各图像中的像素值是否为阈值以上，而将标准化相关值图像以及模板图像分别分离为正的标准化相关值图像以及负的标准化相关值图像，和正的模板图像以及负的模板图像，然后通过该图像的组合，生成正的特征区域图像、负的特征区域图像、正的背景区域图像以及负的背景区域图像，进而，实施进行从负的特征区域图像向正的特征区域图像的像素移动、从负的背景区域图像向正的特征区域图像的像素移动的膨胀处理，将这些已膨胀处理的区域图像进行块分割并通过线性判别分析等计算核对值并进行核对判定，所以能够将输入图像以及模板图像的全部像素作为核对对象，同时排除伴随相关值计算的孤立点的影响，不仅特征区域，而且背景区域的相关值也很平衡地反映在核对值中，所以能够进行高精度的图像核对并且能够提高图像的核对率。
另外，在实施例2中，说明了对硬币的输入图像进行图像核对的情况，但本发明不限定于此，例如，也可以应用于游戏设施等所使用的金属类的图像核对，或FA(Factory Automation)等中的圆形部件或圆形产品的图像核对。此外，核对对象物也不一定是圆形，对于正八边形或正十六边形等具有点对称形状的硬币或部件等，也可以应用本发明。
产业上的可利用性以上，本发明的图像核对装置、图像核对方法以及图像核对程序用于物品的图像核对，特别适于纸币或硬币等货币的核对。
权利要求
1.一种图像核对装置，通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对装置包括相关值图像分离部件，由所述输入图像以及所述模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离部件，根据像素值是否为阈值以上而将所述模板图像分离为正模板图像和负模板图像；正负分离相关图像生成部件，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定部件，使用所述正负分离相关图像来进行核对判定。
2.如权利要求1所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像和负特征区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值。
3.如权利要求1所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件生成正背景区域图像和负背景区域图像，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
4.如权利要求1所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像、负特征区域图像、正背景区域图像以及负背景区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
5.如权利要求2、3或4所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件对使用所述负相关值图像生成的负区域图像内的注目像素和使用所述正相关值图像生成的正区域图像内的该注目像素所对应的对应像素的周围像素进行对比，在至少一个该周围像素的像素值大于该注目像素的像素值的情况下，进行将该注目像素向该对应像素移动的膨胀处理。
6.如权利要求1所述的图像核对装置，其特征在于，所述输入图像以及所述模板图像是通过使用边缘提取算子的边缘提取处理进行了图像变换的边缘图像。
7.如权利要求6所述的图像核对装置，其特征在于，所述边缘图像是将提取的边缘的边缘强度进行标准化而得到的标准化图像。
8.如权利要求1所述的图像核对装置，其特征在于，所述模板图像是将对于所述核对对象物的各个体的图像进行平均而得到的平均图像。
9.如权利要求1所述的图像核对装置，其特征在于，所述相关值图像是以将所述输入图像或所述模板图像的每个像素的相关值进行标准化而得到的标准化相关值作为像素值的图像。
10.如权利要求1所述的图像核对装置，其特征在于，所述核对判定部件对所述正负分离相关图像进行块分割并计算各块内的像素值的总和作为块值，通过对全部所述正负分离相关图像将该块值和加权系数的积相加来计算核对值从而进行核对判定。
11.如权利要求1所述的图像核对装置，其特征在于，所述核对判定部件通过线性判别分析来计算所述加权系数的值。
12.如权利要求1所述的图像核对装置，其特征在于，所述核对对象物为货币。
13.一种图像核对方法，通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对方法包含相关值图像分离步骤，由所述输入图像以及所述模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
14.一种图像核对程序，通过在核对对象物的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对程序使计算机执行以下步骤相关值图像分离步骤，由所述输入图像以及所述模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
15.一种图像核对装置，通过在圆形物体的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对装置包括极坐标变换图像生成部件，在对所述输入图像以及所述模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像；相关值图像分离部件，由所述ρ-θ输入图像以及所述ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离部件，根据像素值是否为阈值以上而将所述ρ-θ模板图像分离为正模板图像和负模板图像；正负分离相关图像生成部件，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定部件，使用所述正负分离相关图像来进行核对判定。
16.如权利要求15所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像和负特征区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值。
17.如权利要求15所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件生成正背景区域图像和负背景区域图像，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
18.如权利要求15所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件生成正特征区域图像、负特征区域图像、正背景区域图像以及负背景区域图像，所述正特征区域图像以对每个像素的所述正相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述负特征区域图像以对每个像素的所述负相关值图像和所述正模板图像的积进行计算而得到的值作为像素值，所述正背景区域图像以对每个像素的所述正相关值图像和所述负模板图像的积进行计算而得到的值作为像素值，所述负背景区域图像以对每个像素的所述负相关值图像和所述负模板图像的积进行计算而得到的值作为像素值。
19.如权利要求16、17或18所述的图像核对装置，其特征在于，所述正负分离相关图像生成部件对使用所述负相关值图像生成的负区域图像内的注目像素和使用所述正相关值图像生成的正区域图像内的该注目像素所对应的对应像素的周围像素进行对比，在至少一个该周围像素的像素值大于该注目像素的像素值的情况下，进行将该注目像素向该对应像素移动的膨胀处理。
20.如权利要求15所述的图像核对装置，其特征在于，所述ρ-θ输入图像以及所述ρ-θ模板图像是通过使用边缘提取算子的边缘提取处理进行了图像变换的边缘图像。
21.如权利要求20所述的图像核对装置，其特征在于，所述边缘图像是将提取的边缘的边缘强度进行标准化而得到的标准化图像。
22.如权利要求15所述的图像核对装置，其特征在于，所述模板图像是将对于所述圆形物体的各个体的图像进行平均而得到的平均图像。
23.如权利要求15所述的图像核对装置，其特征在于，所述相关值图像是以将所述ρ-θ输入图像或所述ρ-θ模板图像的每个像素的相关值进行标准化而得到的标准化相关值作为像素值的图像。
24.如权利要求15所述的图像核对装置，其特征在于，所述核对判定部件对所述正负分离相关图像进行块分割并计算各块内的像素值的总和作为块值，通过对全部所述正负分离相关图像将该块值和加权系数的积相加来计算核对值从而进行核对判定。
25.如权利要求15所述的图像核对装置，其特征在于，所述核对判定部件通过线性判别分析来计算所述加权系数的值。
26.如权利要求15所述的图像核对装置，其特征在于，所述极坐标变换图像生成部件通过使所述ρ-θ输入图像及所述ρ-θ模板图像平行移动，从而校正两图像的旋转偏离。
27.如权利要求15所述的图像核对装置，其特征在于，所述圆形物体为硬币。
28.一种图像核对方法，通过在圆形物体的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对方法包括极坐标变换图像生成部件，在对所述输入图像以及所述模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像；相关值图像分离步骤，由所述ρ-θ输入图像以及所述ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述ρ-θ模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
29.一种图像核对程序，通过在圆形物体的输入图像和预先注册的多个模板图像之间对图像的特征进行比较，从而对图像进行核对，其特征在于，该图像核对程序使计算机执行以下步骤极坐标变换图像生成部件，在对所述输入图像以及所述模板图像进行了极坐标变换的基础上，生成将两图像的旋转偏离校正后的ρ-θ输入图像以及ρ-θ模板图像；相关值图像分离步骤，由所述ρ-θ输入图像以及所述ρ-θ模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像；模板图像分离步骤，根据像素值是否为阈值以上而将所述ρ-θ模板图像分离为正模板图像和负模板图像；正负分离相关图像生成步骤，通过所述正相关值图像以及所述负相关值图像和所述正模板图像以及所述负模板图像的组合，生成多个正负分离相关图像；以及核对判定步骤，使用所述正负分离相关图像来进行核对判定。
全文摘要
由输入图像以及模板图像生成相关值图像，根据像素值是否为阈值以上而将该相关值图像分离为正相关值图像和负相关值图像，根据像素值是否为阈值以上而将模板图像分离为正模板图像和负模板图像，通过正相关值图像以及负相关值图像和正模板图像以及负模板图像的组合，生成多个正负分离相关图像，使用正负分离相关图像来进行核对判定。此外，作为该输入图像以及模板图像，使用已极坐标变换的输入图像以及模板图像。
文档编号G07D5/00GK101014978SQ200580023740
公开日2007年8月8日 申请日期2005年6月22日 优先权日2004年7月13日
发明者米泽亨, 龟山博史 申请人:光荣株式会社