專利名稱：對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及根據(jù)權(quán)利要求1、2或19所述的對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法。
已知的用于對試樣的圖像內(nèi)容進(jìn)行分析的方法大多建立在用于對相同性測定的量度，例如被分段的對象的間距尺寸或?qū)φw界限的分布計(jì)算的基礎(chǔ)上。這些方法大多建立在偏移變化的輸出信號譜的基礎(chǔ)之上。但實(shí)際上常常會出現(xiàn)諸如在攝像系統(tǒng)下面的對象物的移動或在攝像時(shí)的不同的底襯或混淆效應(yīng)等情況，以至于在許多情況下不能對這種輸出信號譜進(jìn)行直接的比較。
在托馬斯·蒂利所著的題為“采用模糊邏輯的圖形識別分析、分類、識別和診斷”的專著，弗朗西斯出版社有限公司，慕尼黑，1993，183/184，208-210，235-257頁(Thomas TILLI“Mustererkennung mit Fuzzy-LogikAnalysieren，klassifizieren，erkennen und diagnostizieren”Franzis-VerlagGmbH，München，1993，S183/184，208-210，235-257)中披露了采用模糊邏輯對圖像進(jìn)行處理，其中信號處理的方式是對光譜進(jìn)行變換。
在電子學(xué)雜志1992年第22期88-92頁中彼得·阿爾納曼發(fā)表的題為“采用模糊邏輯進(jìn)行的圖形識別”(“Mustererkennung mit FUZZY-Logik”von Peter ARNEMANN，Elektronik 22/1992，Seiten 88-92)中描述了圖形識別時(shí)對模糊邏輯的應(yīng)用。
在模糊信息處理學(xué)會1999年的NFIPS第18次北美國際會議會議錄507頁-511頁中D·沙拉拉姆皮迪斯、T·卡斯帕利斯、M·格奧爾吉奧普羅斯、J·羅蘭發(fā)表的題為“建立在天然紋理的分類技術(shù)基礎(chǔ)上的模糊藝術(shù)圖像”中描述了進(jìn)行具有學(xué)習(xí)階段的圖形識別和在進(jìn)行圖像識別時(shí)采用16×16像素的窗。
本發(fā)明的目的在于提出對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法。
本發(fā)明采用權(quán)利要求1、2或19實(shí)現(xiàn)了所述目的。
本發(fā)明的優(yōu)點(diǎn)特別在于，對一個(gè)其大小為n×n像素的圖像窗的傳感器信號進(jìn)行分析。因此可以將該圖像窗的傳感器信號視為是局部的。本發(fā)明的方法主要分為如下步驟生成特征、模糊化、干涉、去模糊化和對類別歸屬進(jìn)行判定。
在生成特征時(shí)利用至少一個(gè)計(jì)算規(guī)程將傳感器信號轉(zhuǎn)換成特征空間內(nèi)的一個(gè)不變的，特別是轉(zhuǎn)換恒定的信號。特征生成旨在確定那些用于描述圖像內(nèi)容的典型的信號特性的參量。由所述的特征表示圖像內(nèi)容的典型的信號特性。在此可以由特征空間內(nèi)的值或語言學(xué)的變量表示特征。通過將傳感器信號轉(zhuǎn)換成特征空間，產(chǎn)生一個(gè)由一個(gè)特征值或多個(gè)特征值構(gòu)成的信號。
由至少一個(gè)模糊的屬性函數(shù)對歸屬于一個(gè)特征的特征值的屬性加以說明。在此涉及的是軟的或甚至是模糊的歸屬分配，其中取決于對特征值的歸屬于特征的特征值的屬性在標(biāo)準(zhǔn)的0和1之間的間隔內(nèi)。這種屬性函數(shù)的方案導(dǎo)致一個(gè)特征值不再完全地分配給一個(gè)特征或根本不分配給一個(gè)特征，而是可以采用模糊屬性，所述模糊屬性在布爾真值1和0之間。我們將上述步驟稱作模糊化。在模糊化過程中主要進(jìn)行一個(gè)模糊的特征值向一個(gè)或多個(gè)模糊的屬性的轉(zhuǎn)換。
在進(jìn)行干涉時(shí)，利用一個(gè)至少由規(guī)則構(gòu)成的計(jì)算規(guī)范產(chǎn)生一個(gè)上位的屬性函數(shù)，其中所有屬性函數(shù)相互邏輯連接。因此作為結(jié)果得出每個(gè)窗的一個(gè)上位的屬性函數(shù)。
在進(jìn)行去模糊化時(shí)，根據(jù)在干涉過程中求出的上位的屬性函數(shù)求出一個(gè)也被稱作一致值(Sympathiewert)的數(shù)值。在對類別屬性進(jìn)行判定時(shí)進(jìn)行一致值與預(yù)先確定的閾值的比較，根據(jù)所述閾值對窗的特定類別的屬性進(jìn)行判定。
至于在特征空間內(nèi)是哪種特征值對于本發(fā)明的原理僅處于次要的位置。例如就時(shí)間信號而言作為特征值可以測定平均值，也可以測定變量。如果要求評價(jià)方法可以不受占支配地位的信號強(qiáng)度的影響無誤差地對圖像內(nèi)容進(jìn)行處理，和圖像信號其它的微弱的、但允許的波動不應(yīng)導(dǎo)致干擾，則最好利用兩維的譜變換，例如利用兩維的傅立葉變換或兩維的沃爾什變換或兩維的哈德馬德變換或兩維的循環(huán)變換進(jìn)行根據(jù)兩維的位置空間對傳感器信號的變換。通過兩維的譜變換得出不變的特征值。另一優(yōu)選的實(shí)施方式在于采用通過譜變換獲得的譜系數(shù)值作為特征值。
根據(jù)一優(yōu)選的實(shí)施例，屬性函數(shù)是單峰期望函數(shù)和上位的屬性函數(shù)是多峰期望函數(shù)。
根據(jù)進(jìn)一步優(yōu)選的實(shí)施例，至少一個(gè)屬性函數(shù)被參數(shù)化。如果屬性函數(shù)具有正的和負(fù)的增長，則最好對正的和負(fù)的增長的參數(shù)分別加以確定。因此可以實(shí)現(xiàn)參數(shù)對有待分析的數(shù)據(jù)組的較好的配合。
根據(jù)一特別優(yōu)選的實(shí)施例，將方法分成學(xué)習(xí)階段和工作階段兩部分。在屬性函數(shù)被參數(shù)化時(shí)，在學(xué)習(xí)階段根據(jù)測出的數(shù)據(jù)組求出屬性函數(shù)的參數(shù)。在學(xué)習(xí)階段屬性函數(shù)的參數(shù)與所謂的基準(zhǔn)圖像相適應(yīng)，即在學(xué)習(xí)階段由根據(jù)基準(zhǔn)得出的特征值的屬性利用屬性函數(shù)及其參數(shù)導(dǎo)出相應(yīng)的特征。在接著進(jìn)行的工作階段中利用在學(xué)習(xí)階段的屬性函數(shù)及其參數(shù)對根據(jù)測出的數(shù)據(jù)組得出的特征值進(jìn)行確定和加權(quán)，因此可以推導(dǎo)出測出的數(shù)據(jù)組的特征值對相應(yīng)特征的屬性。由于將方法分成學(xué)習(xí)階段和工作階段，因而可以根據(jù)測出的基準(zhǔn)數(shù)據(jù)組求出屬性函數(shù)的參數(shù)和在接著的工作階段用在學(xué)習(xí)階段確定的屬性函數(shù)對測出的有待檢測的數(shù)據(jù)組進(jìn)行加權(quán)和評價(jià)。
根據(jù)進(jìn)一步優(yōu)選的實(shí)施方式至少一個(gè)將屬性函數(shù)邏輯連接的規(guī)則是一個(gè)以“如果......則”-邏輯連接形式的邏輯規(guī)則。
根據(jù)進(jìn)一步優(yōu)選的實(shí)施方式，上位的模糊屬性函數(shù)的生成分成如下分步驟的運(yùn)算處理已知條件的評價(jià)、啟動和聚集。在此在對規(guī)則的每個(gè)“如果”部分的前提條件評價(jià)時(shí)求出一個(gè)屬性值和在啟動時(shí)為每個(gè)“如果......則”-規(guī)則確定屬性函數(shù)。接著在聚集時(shí)通過對所有啟動時(shí)產(chǎn)生屬性函數(shù)的疊加產(chǎn)生上位的屬性函數(shù)。
根據(jù)進(jìn)一步優(yōu)選的實(shí)施例，采用重點(diǎn)方法和/或最大方法求出一致值。
下面將對照附圖對本發(fā)明的實(shí)施例做進(jìn)一步的說明。圖中示出

圖1信號評價(jià)方法的流程圖；圖2對應(yīng)性曲線；圖3a為D＝8次冪的差函數(shù)；圖3b為D＝4次冪的差函數(shù)；圖3c為D＝2次冪的差函數(shù)圖1示出下述評價(jià)方法的流程圖。在采用對試樣的圖像內(nèi)容進(jìn)行信號評價(jià)的方法時(shí)在整個(gè)有待分析的圖像上覆蓋由N×N個(gè)窗01構(gòu)成的網(wǎng)格。每個(gè)窗01由n×n個(gè)像素02構(gòu)成。在進(jìn)行圖像分析時(shí)分別對每個(gè)窗01的信號進(jìn)行分析。接著可以對每個(gè)窗01的圖像內(nèi)容03進(jìn)行局部觀察。
通過對一次或多次光譜變換04將局部范圍的兩維圖像轉(zhuǎn)換成在頻率范圍內(nèi)的兩維圖像。采用此方式獲得的譜被稱作頻譜。由于在本實(shí)施例中涉及的是離散的光譜，所以頻譜也是離散的。由也被稱作譜值06的譜系數(shù)06形成頻譜。
在下一個(gè)方法步驟中對頻譜值06進(jìn)行等效07。等效頻譜值06被稱作頻譜幅度值08。頻譜幅度值08在本實(shí)施例中構(gòu)成特征值，即頻譜幅度值08與特征值相同。
優(yōu)選采用循環(huán)變換進(jìn)行變換。在進(jìn)行循環(huán)變換時(shí)采用變換系數(shù)對不變的指示特性進(jìn)行校準(zhǔn)。與針對鏡像的不變性或針對各種其它的變換組的不變性相同，可以對變換的不變性進(jìn)行調(diào)整。因此可以利用例如鏡像變化的變量的上述變換，進(jìn)行字符分析(例如對數(shù)字“9”和“6”的區(qū)分)。同樣可以采用鏡像不變的方案用于對工件的檢查，這是因?yàn)檫@時(shí)不必對鏡像部分和原始部分進(jìn)行區(qū)分。要說明的是，傅立葉變換的等效譜是鏡像不變的。
所述循環(huán)變換采用實(shí)數(shù)系數(shù)值工作。所以不必像傅立葉變換那樣進(jìn)行復(fù)雜的計(jì)算。
循環(huán)變換在出現(xiàn)任何偏移時(shí)的亞像素范圍內(nèi)也具有很大的容限。通過比較得出，所述的循環(huán)變換就偏移而言優(yōu)于其它已知的變換。
由于譜系數(shù)被再次成組地聚集，因而工作系數(shù)(特征)很少。
通過聚集產(chǎn)生對應(yīng)于偏移的容限。即使在一個(gè)信號部分脫離測試范圍時(shí)，特征仍可保持相對穩(wěn)定。經(jīng)試驗(yàn)表明，即使在大約達(dá)30％的圖像內(nèi)容在測試范圍之外時(shí)，仍能保持穩(wěn)定性。
作為另一方法步驟接著進(jìn)行特征選擇09；特征選擇09旨在選擇出那些對有待分析的圖像的內(nèi)容特性進(jìn)行描述的特征。作為特征11是特性譜幅度值08，所述值通過其在頻率范圍內(nèi)的位置和幅度對特征11加以定義，以及是語言學(xué)變量，例如“灰”、“黑”或“白”。
在接著進(jìn)行的模糊化12方法步驟中，利用一個(gè)軟的或模糊的屬性函數(shù)13對每個(gè)譜幅度值08對特征11的屬性加以確定，即進(jìn)行加權(quán)。
如果在學(xué)習(xí)階段屬性函數(shù)13可以與基準(zhǔn)數(shù)據(jù)組配合，則最好屬性函數(shù)13是參數(shù)化的單峰的，即一維的期望函數(shù)，其中正增長和負(fù)增長的參數(shù)可以分別與有待檢查的數(shù)據(jù)組適配。在學(xué)習(xí)階段后面的工作階段中分別用屬性函數(shù)13對圖像內(nèi)容的數(shù)據(jù)組加權(quán)，其中根據(jù)圖像內(nèi)容的數(shù)據(jù)組得出待檢圖像的特征值08，所述屬性函數(shù)的參數(shù)是在事先的學(xué)習(xí)階段求出的。這意味著，對每個(gè)特征11進(jìn)行屬性函數(shù)13的參數(shù)表示的基準(zhǔn)數(shù)據(jù)組與待檢圖像的數(shù)據(jù)組之間的額定值-實(shí)際值比較。通過屬性函數(shù)13建立某個(gè)特征值09與特征11之間的軟的或模糊的歸屬關(guān)系。
在下面進(jìn)行的干涉14方法步驟中主要進(jìn)行特征11的所有屬性函數(shù)13的也被稱作聚集15的邏輯連接，從而產(chǎn)生一個(gè)上位的屬性函數(shù)16。
在下面進(jìn)行的去模糊化17方法步驟中，根據(jù)上位的屬性函數(shù)18求出具體的屬性或一致值18。在分類19時(shí)將所述一致值18與經(jīng)事先設(shè)定的閾值21進(jìn)行比較，從而得出類別結(jié)論?？梢匀斯せ蜃詣拥貙﹂撝?1進(jìn)行設(shè)定。所述對閾值的設(shè)定同樣是在學(xué)習(xí)階段實(shí)現(xiàn)的。
在分類時(shí)不是通過肯定的或否定的結(jié)論將一個(gè)數(shù)值直接分配給一個(gè)特定的類別。而是確定一個(gè)單峰函數(shù)，所述單峰函數(shù)對肯定結(jié)論或否定結(jié)論的歸屬加以描述。
其中對類別屬性進(jìn)行訓(xùn)練，即根據(jù)在過程中求出的測量值對判定曲線進(jìn)行學(xué)習(xí)。用于確定屬性程度的函數(shù)被稱作屬性函數(shù)ZGF＝μ(mx)。計(jì)算出的屬性函數(shù)值被稱作一致值(Sympathiewert)μ。經(jīng)常采用的是多個(gè)屬性函數(shù)ZGF，所述屬性函數(shù)在接著的步驟中被聚集，以便得出一個(gè)明確的結(jié)論。
很明顯，這里采用的不是一個(gè)神經(jīng)網(wǎng)絡(luò)。根據(jù)神經(jīng)網(wǎng)絡(luò)已知可以實(shí)現(xiàn)所述的訓(xùn)練。
模糊板分類建立在同時(shí)實(shí)現(xiàn)間隔量度和特征邏輯連接的方案的基礎(chǔ)之上。“模糊”系對特征“四舍五入”，但不是邏輯地實(shí)施，而是模糊地實(shí)施。此點(diǎn)首先導(dǎo)致對所有特征總體上進(jìn)行考慮。及容許一個(gè)特征有小的偏差。其次當(dāng)一個(gè)特征的偏差太大時(shí)，則該偏差立刻對間隔量度產(chǎn)生很大的影響。據(jù)此分選器輸出本身并不提供“好/壞”判定，而是提供一個(gè)連續(xù)的在
之間的輸出值。接著采用一個(gè)閾值，所述閾值實(shí)現(xiàn)“好/壞”判定。
間隔量度(一致值)的輸出值為μ＝2-z，其中z=1MΣx=0M-1(|mx-x0(mx)|Cx)D,0≤z≤10,z>10⇒μ(z)≡0.]]>其中系數(shù)的定義如下x＝計(jì)數(shù)指數(shù)，z＝平均間隔量度，M＝特征數(shù)量，x0＝Cdiff的平均值，Cx＝擴(kuò)展值，D＝乘方，μ＝一致值，Cdiff＝擴(kuò)展值的差量度。
其中利用循環(huán)變換產(chǎn)生的測量值對擴(kuò)展值進(jìn)行學(xué)習(xí)。
μ值表示一個(gè)圖形與用特征描述的基準(zhǔn)圖形的相似程度。這意味著，z值對μ值進(jìn)行固有的控制。當(dāng)z值很小時(shí)，μ值接近于1。圖形非常相似(一致)。與此相反，當(dāng)z值很大時(shí)，μ值將很?。粓D形不相似。圖2示出實(shí)施時(shí)曲線的變化。
首先在學(xué)習(xí)階段確定Cdiff并為每個(gè)特征mx確定一個(gè)值Cdiffx＝max(mx)-min(mx)，其中Cdiff為擴(kuò)展值C的差量度和m為特征。
在檢查時(shí)利用學(xué)習(xí)的Cdiff值進(jìn)行工作。另外用一附加的容限a對值進(jìn)行覆蓋。針對運(yùn)行時(shí)間進(jìn)行計(jì)算Cx=(1+2pCe)·max(mx)-min(mx)2,a=(1+2pCe),]]>其中C為擴(kuò)展值和Pce為Cdiff的百分比容限。a值的范圍在[1....3]之間。值Pce說明分別對Cdiff進(jìn)行覆蓋的百分比容限?？梢詫diff的范圍擴(kuò)展50％；得出a＝1+2*0.5＝2。
x0值表示Cdiff的平均值；為運(yùn)行時(shí)間的每個(gè)特征計(jì)算出所述值。
對根據(jù)值Cx求出的特征值與平均特征值的差進(jìn)行計(jì)算。用擴(kuò)展值Cx的寬度對該差標(biāo)準(zhǔn)化。從而在偏差很小時(shí)相應(yīng)的特征對z值影響很小；當(dāng)偏差較大時(shí)根據(jù)擴(kuò)展值Cdiff的差的量度將產(chǎn)生很大的偏差值。所述偏差值被稱作標(biāo)準(zhǔn)化的差dx。
指數(shù)D(2、4、8)對標(biāo)準(zhǔn)化的差函數(shù)dx的坡緣的靈敏度進(jìn)行調(diào)整。當(dāng)D值被調(diào)整到“無窮大”時(shí)(在技術(shù)上是不可能的)，則也可以得出一個(gè)無窮的坡緣陡度和因此實(shí)現(xiàn)“硬”的“好/壞”判定。因此，值通?？梢栽?....20之間進(jìn)行調(diào)整。在圖3c、3b和3a中示出這些值的曲線。
乘方的函數(shù)dx被相加并且只采用參與的M個(gè)特征。在相加后計(jì)算出的值除以數(shù)量M。求出所有乘方的差dx的平均值。
其實(shí)現(xiàn)的效果如下通過乘方使小的偏差不會起作用；而大的偏差將被放大。通過相除計(jì)算出所有特征差的偏差。因而導(dǎo)致即使在多個(gè)特征出現(xiàn)偏差的情況下μ值也不會急劇降低。只有在偏差較大時(shí)，該值才變得很小。
接著進(jìn)行閾值評價(jià)。
對所有窗都進(jìn)行該過程。
對諸如印刷過程等動態(tài)過程的評價(jià)需要非線性間隔量度(一致值)。
附圖標(biāo)記對照表01 窗，N×N窗02 n×n像素03 圖像內(nèi)容04 兩維譜變換，計(jì)算規(guī)程05 -06 譜系數(shù)，譜值07 兩維等效生成，計(jì)算規(guī)程08 譜幅度值＝特征值09 特征選擇10 -11 特征12 模糊化13 屬性函數(shù)14 干涉，計(jì)算規(guī)程15 -16 上位屬性函數(shù)，邏輯連接，聚集，計(jì)算規(guī)程17 去模糊化18 屬性值，一致值19 分類，類別屬性20 -21 閾值C擴(kuò)展值Cdiff擴(kuò)展值差量度D乘方M特征數(shù)量
權(quán)利要求
1.一種對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法，其中圖像傳感器對光輸入信號進(jìn)行接收和輸出一個(gè)電氣輸出信號，所述電氣輸出信號與光輸入信號相關(guān)，具有下述步驟對大小為n×n像素(02)的窗(01)的圖像內(nèi)容(03)進(jìn)行分析，利用至少一個(gè)計(jì)算規(guī)程將圖形傳感器間接或直接輸出的輸出信號(04、07)變換成至少一個(gè)不變的特征值(08)，用至少一個(gè)模糊的屬性函數(shù)(13)對特征值(08)加權(quán)，其中屬性函數(shù)(13)與特征值(08)的數(shù)值范圍具有函數(shù)關(guān)系，通過至少一個(gè)規(guī)則建立的計(jì)算規(guī)程(14、15)對所有的屬性函數(shù)(13)的邏輯連接生成上位的模糊的屬性函數(shù)，根據(jù)上位的模糊的屬性函數(shù)(16)求出一致值(18)，將一致值(18)與閾值(21)進(jìn)行比較，對類別屬性(19)進(jìn)行判定。
2.一種對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法，其中圖像傳感器對光輸入信號進(jìn)行接收和輸出一個(gè)電氣輸出信號，所述電氣輸出信號與光輸入信號相關(guān)，具有下述步驟對大小為n×n像素(02)的窗(01)的圖像內(nèi)容(03)進(jìn)行分析，根據(jù)所述的圖像內(nèi)容(03)確定兩維的譜，根據(jù)所述的兩維譜計(jì)算出譜幅度值和相互邏輯連接，以便每個(gè)窗只產(chǎn)生一個(gè)一致值(18)。
3.按照權(quán)利要求1所述的方法，其特征在于，對大小為n×n像素的窗(01)僅計(jì)算出唯一一個(gè)一致值(18)。
4.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，有待鑒定的試樣的圖像被分成大小為n×n像素(02)的N×N個(gè)網(wǎng)格狀設(shè)置的窗(01)。
5.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，特別是根據(jù)重點(diǎn)方法和/或最大方法求出一致值(18)。
6.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，一致值(18)是非線性的。
7.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，所述方法被分成學(xué)習(xí)階段和工作階段，其中在學(xué)習(xí)階段對至少一個(gè)參數(shù)和/或至少一個(gè)閾值(21)進(jìn)行確定和調(diào)整，和其中在工作階段根據(jù)學(xué)習(xí)階段的結(jié)果對試樣的圖像內(nèi)容(03)進(jìn)行評價(jià)。
8.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，在學(xué)習(xí)階段對類別屬性進(jìn)行訓(xùn)練，即對屬性函數(shù)(13；16)進(jìn)行學(xué)習(xí)。
9.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，根據(jù)下式求出一致值(18)的初始值間隔尺寸(一致值)的初始值μ＝2-z，其中z=1MΣx=0M-1(|mx-x0(mx)|Cx)D,0≤z≤10,z>10⇒μ(z)≡0,]]>其中x＝計(jì)數(shù)指數(shù)，M＝特征數(shù)量，m＝特征，x0＝Cdiff的平均值，D＝乘方，Cdiff＝擴(kuò)展值C的微分量度。
10.按照權(quán)利要求1或2所述的對信號評價(jià)的方法，其特征在于，用于將圖像傳感器的信號轉(zhuǎn)換成不變的特征值(08)的計(jì)算規(guī)程(04)是一種兩維數(shù)學(xué)的譜變換方法(04)，特別是兩維的傅立葉變換或兩維的沃爾什變換或兩維的哈德馬德變換或兩維的循環(huán)變換。
11.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，用譜系數(shù)(06)等效表示特征值(08)。
12.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，用至少一個(gè)參數(shù)描述至少一個(gè)屬性函數(shù)(13)。
13.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，屬性函數(shù)(13)是單峰函數(shù)。
14.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，上位的屬性函數(shù)(16)是一個(gè)多峰函數(shù)。
15.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，屬性函數(shù)(13)和/或上位的屬性函數(shù)(16)是期望函數(shù)。
16.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，至少一個(gè)將屬性函數(shù)(13)相互邏輯連接的計(jì)算規(guī)程(14；15)是一個(gè)根據(jù)“如果......則”-邏輯連接的邏輯計(jì)算規(guī)程(14；15)。
17.按照權(quán)利要求1所述的對信號評價(jià)的方法，其特征在于，通過已知條件的評價(jià)、啟動和聚集(15)分步驟的運(yùn)算處理生成上位的模糊屬性函數(shù)(16)，其中在對計(jì)算規(guī)程的每個(gè)“如果”-部分的前提條件評價(jià)時(shí)確定一個(gè)屬性值，和其中在啟動時(shí)為每個(gè)“如果......則”計(jì)算規(guī)程確定屬性函數(shù)，和其中在聚集(15)時(shí)通過對所有啟動時(shí)產(chǎn)生的屬性函數(shù)(13)的疊加生成上位的屬性函數(shù)。
18.按照權(quán)利要求2所述的對信號評價(jià)的方法，其特征在于，利用模糊邏輯確定一致值(18)。
19.一種對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法，其中圖像傳感器對光輸入信號進(jìn)行接收和輸出一個(gè)電氣輸出信號，所述電氣輸出信號與光輸入信號相關(guān)，具有下述步驟根據(jù)至少一個(gè)圖像內(nèi)容(03)產(chǎn)生譜，通過循環(huán)變換產(chǎn)生譜信息。
20.按照權(quán)利要求19所述的方法，其特征在于，產(chǎn)生一個(gè)不變的譜。
21.按照權(quán)利要求20所述的方法，其特征在于，采用變換系數(shù)對不變特性進(jìn)行調(diào)整。
22.按照權(quán)利要求19所述的方法，其特征在于，采用實(shí)數(shù)的系數(shù)實(shí)施變換。
23.按照權(quán)利要求19所述的方法，其特征在于，通過對譜系數(shù)的成組的聚集形成歸屬的工作系數(shù)。
全文摘要
一種對試樣圖像內(nèi)容進(jìn)行圖形識別的電子圖像傳感器的信號評價(jià)方法，其中圖像傳感器對光輸入信號進(jìn)行接收和輸出一個(gè)電氣輸出信號，所述電氣輸出信號與光輸入信號相關(guān)，具有下述步驟對大小為n×n像素的窗的圖像內(nèi)容進(jìn)行分析，利用一個(gè)至少計(jì)算規(guī)程將圖形傳感器間接或直接輸出的輸出信號變換成至少一個(gè)不變的特征值，用至少一個(gè)模糊的屬性函數(shù)對特征值加權(quán)，其中屬性函數(shù)與特征值的數(shù)值范圍具有函數(shù)關(guān)系，通過至少一個(gè)規(guī)則建立的計(jì)算規(guī)程對所有的屬性函數(shù)的邏輯連接生成上位的模糊屬性函數(shù)，根據(jù)上位的模糊屬性函數(shù)求出一致值，將一致值與閾值進(jìn)行比較，對類別屬性進(jìn)行判定。
文檔編號G06K9/62GK1672167SQ03817988
公開日2005年9月21日 申請日期2003年7月22日 優(yōu)先權(quán)日2002年7月26日
發(fā)明者福爾克爾·洛韋格 申請人:柯尼格及包爾公開股份有限公司