紙葉類処理装置、及び辞書作成方法
【課題】 より効率的に高い精度で紙葉類を識別する紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法を提供する。
【解決手段】 一実施形態に係る紙葉類処理装置は、領域結合パラメータを予め記憶するパラメータ記憶部と、紙葉類を搬送する搬送部と、前記搬送部により搬送される前記紙葉類から入力画像を取得する画像取得部と、前記画像取得部により取得された前記入力画像を第１の数の領域に分割する画像分割部と、前記画像分割部により分割された前記第１の数の領域を前記パラメータ記憶部により記憶されている前記領域結合パラメータに基づいて、第２の数の結合領域に結合する領域結合部と、前記領域結合部により結合された前記第２の数の結合領域に基づいて、前記紙葉類を識別する識別部と、前記識別部の識別結果に基づいて、前記紙葉類を区分する区分処理部と、を具備する。
【解決手段】 一実施形態に係る紙葉類処理装置は、領域結合パラメータを予め記憶するパラメータ記憶部と、紙葉類を搬送する搬送部と、前記搬送部により搬送される前記紙葉類から入力画像を取得する画像取得部と、前記画像取得部により取得された前記入力画像を第１の数の領域に分割する画像分割部と、前記画像分割部により分割された前記第１の数の領域を前記パラメータ記憶部により記憶されている前記領域結合パラメータに基づいて、第２の数の結合領域に結合する領域結合部と、前記領域結合部により結合された前記第２の数の結合領域に基づいて、前記紙葉類を識別する識別部と、前記識別部の識別結果に基づいて、前記紙葉類を区分する区分処理部と、を具備する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明の実施形態は、紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法に関する。
【背景技術】
【０００２】
従来、種々の紙葉類の検査を行う紙葉類処理装置が実用化されている。紙葉類処理装置は、紙葉類の画像を読み取る画像読取装置を有する。紙葉類処理装置は、投入部に投入された紙葉類を１枚ずつ取り込み、画像読取装置に搬送する。
【０００３】
画像読取装置は、搬送される紙葉類から、紙葉類の光学的な特徴（特徴量）を検知する。紙葉類処理装置は、予め設定される種々のパラメータと、検知された特徴量との比較を行うことにより、紙葉類を識別する。例えば、紙葉類処理装置は、紙葉類の種類（ｃａｔｅｇｏｒｙ）、例えば券種（ｄｅｎｏｍｉｎａｔｉｏｎ）、汚損の度合の識別、紙葉類の真偽（ａｕｔｈｅｎｔｉｃａｔｉｏｎ）の識別、及び／または紙葉類が再流通可能（ｒｅｃｉｒｃｕｌａｔｉｏｎ）であるか否かの正損（ｆｉｔｎｅｓｓ）の識別を実行する。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００７−７３０３５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
通常、高い精度で紙葉類の判別を行う場合、より高い解像度で紙葉類から画像を取得する必要がある。しかし、高い解像度で紙葉類から画像を取得する場合、上記の比較処理での計算量が嵩む。
【０００６】
画像を複数の領域に分割し、各領域毎に識別結果を得て、この複数の識別結果の論理的な組み合わせに基づいて紙葉類の識別を行うことにより、計算量を削減することができる。この方法によると、紙葉類処理装置は、紙葉類を券種または汚損の度合いに応じて複数のクラスに分け、クラス間の違いが顕著な領域に基づいて紙葉類の識別を行う。
【０００７】
しかし、クラスの分け方によっては、クラス間の違いが顕著な領域の特定が困難になる場合がある。この結果、紙葉類の識別の精度がバラつくという課題を有する。
【０００８】
そこで、より効率的に高い精度で紙葉類を識別する紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
一実施形態に係る紙葉類処理装置は、領域結合パラメータを予め記憶するパラメータ記憶部と、紙葉類を搬送する搬送部と、前記搬送部により搬送される前記紙葉類から入力画像を取得する画像取得部と、前記画像取得部により取得された前記入力画像を第１の数の領域に分割する画像分割部と、前記画像分割部により分割された前記第１の数の領域を前記パラメータ記憶部により記憶されている前記領域結合パラメータに基づいて、第２の数の結合領域に結合する領域結合部と、前記領域結合部により結合された前記第２の数の結合領域に基づいて、前記紙葉類を識別する識別部と、前記識別部の識別結果に基づいて、前記紙葉類を区分する区分処理部と、を具備する。
【図面の簡単な説明】
【００１０】
【図１】図１は、一実施形態に係る紙葉類処理装置について説明するための図である。
【図２】図２は、一実施形態に係る紙葉類処理装置について説明するための図である。
【図３】図３は、一実施形態に係る紙葉類処理装置により処理される紙葉類の例について説明するための図である。
【図４】図４は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図５】図５は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図６】図６は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図７】図７は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図８】図８は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図９】図９は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図１０】図１０は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【発明を実施するための形態】
【００１１】
以下、図面を参照しながら、一実施形態に係る紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法について詳細に説明する。
【００１２】
図１は、一実施形態に係る紙葉類処理装置１００の構成例を示す。
紙葉類処理装置１００は、供給部２０、分離ローラ２５、搬送系３０、第１のゲート３１、第１のスタッカ３２、第２のゲート３３、第２のスタッカ３４、画像取得部３５、制御部４０、処理結果記憶部５０、パラメータ記憶部６０、操作部７０、表示部８０、及び入出力部９０を備える。また、紙葉類処理装置１００は、第２のゲート３３の後段に図示しない裁断部を備える。
【００１３】
制御部４０は、紙葉類処理装置１００の各部の動作を統合的に制御する。制御部４０は、ＣＰＵ、バッファメモリ、プログラムメモリ、及び不揮発性メモリなどを備える。ＣＰＵは、種々の演算処理を行う。バッファメモリは、ＣＰＵにより行われる演算の結果を一時的に記憶する。プログラムメモリ及び不揮発性メモリは、ＣＰＵが実行する種々のプログラム及び制御データなどを記憶する。制御部４０は、ＣＰＵによりプログラムメモリに記憶されているプログラムを実行することにより、種々の処理を行うことができる。
【００１４】
供給部２０は、紙葉類処理装置１００に取り込む紙葉類１０をストックする。供給部２０は、重ねられた状態の紙葉類１０をまとめて受け入れる。
【００１５】
分離ローラ２５は、供給部２０の下端に設置される。供給部２０に紙葉類１０が投入される場合、投入された紙葉類１０の集積方向の下端に接する。分離ローラ２５は、回転することにより、供給部２０にセットされる紙葉類１０を集積方向の下端から１枚ずつ紙葉類処理装置１００の内部に取り込む。
【００１６】
分離ローラ２５は、たとえば、１回転するごとに１枚の紙葉類１０を取り込むように機能する。これにより、分離ローラ２５は、紙葉類１０を一定のピッチで取り込む。分離ローラ２５により取り込まれた紙葉類１０は、搬送系３０に導入される。
【００１７】
搬送系３０は、紙葉類１０を紙葉類処理装置１００内の各部に搬送する搬送部である。搬送系３０は、図示しない搬送ベルト及び図示しない駆動プーリなどを備える。搬送系３０は、図示しない駆動モータにより駆動プーリを駆動する。搬送ベルトは、駆動プーリにより動作する。
【００１８】
搬送系３０は、分離ローラ２５により取り込む紙葉類１０を搬送ベルトにより一定速度で搬送する。なお、搬送系３０において分離ローラ２５に近い側を上流側、逆側を下流側として説明する。
【００１９】
画像取得部３５は、搬送計３０により搬送される紙葉類１０から画像を取得する。画像取得部３５は、例えば、２つの光学センサを備える。２つの光学センサは、搬送系３０を挟んで互いに対向するように配置される。光学センサは、紙葉類１０の光学的特徴情報を検出する。即ち、画像取得部３５は、光学センサにより、搬送系３０により搬送される紙葉類１０の両面の画像を読み取る。
【００２０】
画像取得部３５は、紙葉類１０の券面を二次元的に撮像する。画像取得部３５の光学センサは、例えば、Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ（ＣＣＤ）などの受光素子と、光学系と、光源とを備える。光学センサは、搬送される紙葉類１０に対して光源により光を投光し、反射光または透過光を光学系により受光する。光学センサは、光学系により受光した光をＣＣＤに結像させ、電気信号（画像）を取得する。
【００２１】
制御部４０は、画像取得部３５により取得した画像から特徴量を算出する。制御部４０は、画像取得部３５により撮像した画像に基づいて、紙葉類１０の表面及び裏面の特徴量を算出する。
【００２２】
特徴量は、例えば画素毎の輝度値である。また、画像取得部３５の光センサが、カラーの画像を取得可能なセンサである場合、特徴量は、ＲＧＢの各色毎の値を有する。また、特徴量は、色合い、彩度、及び明るさを有するものであってもよいし、さらに他の要素を含むものであってもよい。なお、本実施形態では、画像取得部３５によりカラー画像を取得し、ＲＧＢの各色毎の値を特徴量として用いる例について説明する。
【００２３】
制御部４０は、算出した特徴量に基づいて、紙葉類１０の真偽（ａｕｔｈｅｎｔｉｃａｔｉｏｎ）を識別する。即ち、制御部４０は、紙葉類１０が真券(ｇｅｎｕｉｎｅ)であるか、偽券(ｃｏｕｎｔｅｒｆｅｉｔ)であるか識別する。
【００２４】
また、制御部４０は、算出した特徴量に基づいて、紙葉類１０の券種（ｃａｔｅｇｏｒｙ）を識別する。
【００２５】
さらに、制御部４０は、算出した特徴量に基づいて、紙葉類１０の正損（ｒｅｃｉｒｃｕｌａｔａｂｌｅ／ｕｎｒｅｃｉｒｃｕｌａｔａｂｌｅ）を識別する。即ち、制御部４０は、紙葉類１０が再流通可能（ｒｅｃｉｒｃｕｌａｔａｂｌｅ）な正券（ｆｉｔ ｓｈｅｅｔ）であるか、再流通不可能（ｕｎｒｅｃｉｒｃｕｌａｔａｂｌｅ）な損券（ｕｎｆｉｔ ｓｈｅｅｔ）であるかを識別する。
【００２６】
第１のゲート３１及び第２のゲート３３は、搬送系３０の画像取得部３５より下流に設けられる。第１のゲート３１及び第２のゲート３３は、それぞれ制御部４０の制御に基づいて動作する。制御部４０は、紙葉類１０に対する各種の識別の結果に応じて第１のゲート３１及び第２のゲート３３を制御する。
【００２７】
第１のゲート３１は、紙葉類１０の搬送先を第１のスタッカ３２と第２のゲート３３とで切り替える。また、第２のゲート３３は、紙葉類１０の搬送先を第２のスタッカ３４と裁断部とで切り替える。
【００２８】
制御部４０は、正券と判定した紙葉類１０を第１のスタッカ３２または第２のスタッカ３４に搬送するように、第１のゲート３１及び第２のゲート３３を制御する。即ち、制御部４０は、正券を種類毎に区分けして集積するように各部を制御する。
【００２９】
また、制御部４０は、損券と判定した紙葉類１０を第２のゲート３３の後段に設けられる裁断部に搬送するように、第１のゲート３１及び第２のゲート３３を制御する。即ち、制御部４０は、損券と判定した紙葉類１０を裁断部に搬送し、裁断部により裁断するように各部を制御する。
【００３０】
処理結果記憶部５０は、制御部４０により算出された紙葉類１０の特徴量を記憶する。また、処理結果記憶部５０は、制御部４０により実行される演算処理の結果などを記憶する。処理結果記憶部５０は、制御部４０のバッファメモリまたは不揮発性メモリなどにより代用されてもよい。
【００３１】
パラメータ記憶部６０は、上記の識別処理に用いられる辞書を記憶する。辞書は、種々のパラメータを有する。制御部４０は、パラメータ記憶部６０により記憶されている辞書のパラメータと、紙葉類１０の画像から算出した特徴量とに基づいて、上記の識別処理を行う。
【００３２】
操作部７０は、オペレータによる各種操作入力を操作部により受け付ける。操作部７０は、オペレータにより入力される操作に基づいて操作信号を生成し、生成した操作信号を制御部４０に伝送する。表示部８０は、制御部４０の制御に基づいて種々の画面を表示する。例えば、表示部８０は、オペレータに対して各種の操作案内、及び処理結果などを表示する。なお、操作部７０と表示部８０とは、タッチパネルとして一体に形成されていてもよい。
【００３３】
入出力部９０は、紙葉類処理装置１００に接続される外部機器、または記憶媒体とデータの送受信を行う。例えば、入出力部９０は、ディスクドライブ、ＵＳＢコネクタ、ＬＡＮコネクタ、またはデータの送受信が可能な他のインターフェースなどを備える。紙葉類処理装置１００は、入出力部９０に接続される外部機器、または記憶媒体からデータを取得することができる。また、紙葉類処理装置１００は、入出力部９０に接続される外部機器、または記憶媒体に処理結果を伝送することもできる。
【００３４】
制御部４０は、紙葉類１０の特徴量とパラメータ記憶部６０に記憶される辞書とに基づいて紙葉類１０の識別を行う。即ち、紙葉類処理装置１００は、紙葉類１０の識別を行う場合、予め作成された辞書をパラメータ記憶部６０により記憶しておく必要がある。
【００３５】
本実施形態の紙葉類処理装置１００は、紙葉類１０の画像（入力画像）をｎ個の領域（画素、または画素の集合）に分割し、分割したｎ個の領域をｍ個（ただし、ｍ＜ｎ）の結合領域に結合する。さらに、紙葉類処理装置１００は、ｍ個の結合領域ごとに識別結果を得て、結合領域ごとの識別結果に基づいて全体の識別結果を決定する。
【００３６】
図２は、一実施形態に係る紙葉類処理装置１００の構成例を示す。
図２に示すように、制御部４０は、画像分割部４１、領域識別部４２、領域結合部４３、結合領域識別部４４、全体識別部４５、及び結果出力部４６を備える。
【００３７】
また、処理結果記憶部５０は、入力画像保存部５１、画像分割結果保存部５２、領域識別結果保存部５３、領域結合結果保存部５４、結合領域識別結果保存部５５、及び全体識別結果保存部５６を備える。
【００３８】
また、パラメータ記憶部６０は、画像分割パラメータ保存部６１、領域識別パラメータ保存部６２、領域結合パラメータ保存部６３、結合領域識別パラメータ保存部６４、及び全体識別パラメータ保存部６５を備える。
【００３９】
画像分割部４１は、入力画像をｎ個の領域に分割し、結果（画像分割結果）を取得する。領域識別部４２は、ｎ個の領域ごとに識別結果（領域識別結果）を取得する。領域結合部４３は、画像分割結果及び領域識別結果に基づいて、ｎ個の領域をｍ個の結合領域に結合し、結果（領域結合結果）を取得する。ただし、ｍ＜ｎとする。
【００４０】
結合領域識別部４４は、領域結合結果に基づいて、ｍ個の結合領域ごとの識別結果（結合領域識別結果）を取得する。全体識別部４５は、結合領域識別結果に基づいて、全体の識別結果（全体識別結果）を決定する。結果出力部４６は、全体識別結果を出力する。例えば、結果出力部４６は、全体識別結果を表示部８０に表示する、または、全体識別結果を入出力部９０に接続される機器に出力する。
【００４１】
入力画像保存部５１は、入力画像を保存する。制御部４０は、画像取得部３５から受け取る画像（入力画像）を入力画像保存部５１に保存する。また、制御部４０は、入出力部９０に接続される機器から画像を受け取る構成であってもよい。この場合、制御部４０は、入出力部９０に接続される機器から受け取る画像（入力画像）を入力画像保存部５１に保存する。
【００４２】
画像分割結果保存部５２は、画像分割部４１により取得される画像分割結果を保存する。領域識別結果保存部５３は、領域識別部４２により取得される領域識別結果を保存する。領域結合結果保存部５４は、領域結合部４３により取得される領域結合結果を保存する。
【００４３】
結合領域識別結果保存部５５は、結合領域識別部４４により取得される結合領域識別結果を保存する。全体識別結果保存部５６は、全体識別部４５により取得される全体識別結果を保存する。
【００４４】
画像分割パラメータ保存部６１は、画像分割部４１により実行される画像分割処理に用いられる画像分割パラメータを保存する。領域識別パラメータ保存部６２は、領域識別部４２により実行される領域識別処理に用いられる領域識別パラメータを保存する。領域結合パラメータ保存部６３は、領域結合部４３により実行される領域結合処理に用いられる領域結合パラメータを保存する。
【００４５】
結合領域識別パラメータ保存部６４は、結合領域識別部４４により実行される結合領域識別処理に用いられる結合領域識別パラメータを保存する。全体識別パラメータ保存部６５は、全体識別部４５により実行される全体識別処理に用いられる全体識別パラメータを保存する。
【００４６】
図３は、紙葉類処理装置１００により処理される紙葉類１０の例を示す。
ここでは、紙葉類１０として紙幣を処理する例について説明する。しかし、紙葉類１０は、紙幣に限られるものではなく、シート状のものであれば如何なるものであってもよい。図３は、画像取得部３５により紙葉類１０から読み取った画像（入力画像）Ｘを模式的に示す。
【００４７】
図４は、図３に示す入力画像Ｘの構成の例を示す。図４は、入力画像Ｘが平面的に配置された複数の画素によって構成されることを示す。本実施形態では、画像取得部３５は、カラーの入力画像Ｘを取得する。この為、入力画像Ｘの各画素ｘｉは、色成分（たとえば、赤、緑、青）の値を有する。
【００４８】
画素ｘｉの赤の色成分の値をｘｉ（ｒ）とし、緑の色成分の値をｘｉ（ｇ）とし、青の色成分の値をｘｉ（ｂ）とする場合、画素ｘｉは、数式１のような三次元のベクトルとして表される。
【数１】
【００４９】
なお、ｘｉは、入力画像Ｘを構成するｎ個のうちのｉ番目の画素を表すベクトルである。即ち、ｉは、１乃至ｎの自然数である。
【００５０】
入力画像Ｘがｎ個の画素によって構成される場合、入力画像Ｘは、数式２のようなベクトルの行列として表される。
【数２】
【００５１】
なお、ここで示されるＴは、ベクトルの転置を表す記号である。なお、本実施形態では、時刻ｔに入力された入力画像を、Ｘ（ｔ）と表記して説明する。
【００５２】
しかし、ｔは、単純に制御部４０に入力される入力画像Ｘの数を示すものであってもよい。この場合、ｔ番目に制御部４０に入力される入力画像をＸ（ｔ）と表記する。
【００５３】
図５乃至９は、紙葉類処理装置１００の動作の例を示す。図５乃至図８は、制御部４０により実行される辞書作成処理の例を示す。また、図９は、制御部４０により実行される紙葉類１０の識別処理の例を示す。
【００５４】
なお、画像分割部４１は、画像分割パラメータ保存部６１により保存される画像分割パラメータの値に応じて入力画像Ｘを複数の領域に分割する。例えば、画像分割パラメータの値が「１」である場合、画像分割部４１は、１画素を１つの領域として入力画像Ｘを分割する。また、画像分割パラメータの値が「４」である場合、画像分割部４１は、４画素を１つの領域として入力画像Ｘを分割する。
【００５５】
即ち、画像分割部４１により分割された領域は、画素あるいは画素の集合である。しかし、本実施形態では、説明を簡潔にする為に、画像分割部４１により分割された１つの領域が１画素に対応すると仮定して説明する。即ち、入力画像Ｘは、ｎ個の領域を含む。
【００５６】
なお、画像分割パラメータの値と、画像分割部４１により分割された領域との関係は、上記したものに限定されるものではない。入力画像Ｘを複数の領域に分割することが出来る手法であれば、画像分割パラメータ及び画像分割部４１は、如何なる手法を用いるものであってもよい。
【００５７】
まず、辞書作成処理について説明する。
図５は、領域識別パラメータ保存部６２に領域識別パラメータを設定する処理の例を示す。
【００５８】
制御部４０は、まず、領域識別パラメータ保存部６２により保存されている領域識別パラメータを初期化する（ステップＳ１１）。領域識別パラメータは、領域識別部４２により実行される領域識別処理に用いられる具体的な数値である。
【００５９】
入力画像Ｘの色成分が時刻ｔによって変動する場合、領域識別パラメータは、領域毎に平均ベクトルμと標準偏差ベクトルσを含む。なお、ｎ個の領域のうちのｉ番目の領域の平均ベクトルは、μｉであり、ｎ個の領域のうちのｉ番目の領域の標準偏差ベクトルは、σｉである。即ち、ｉは、１乃至ｎの自然数である。
【００６０】
ｉ番目の領域の赤の色成分の平均値をμｉ（ｒ）とし、ｉ番目の領域の緑の色成分の平均値をμｉ（ｇ）とし、ｉ番目の領域の青の色成分の平均値をμｉ（ｂ）とする場合、ｉ番目の領域の平均ベクトルμｉは、数式３のようなベクトルとして表される。
【数３】
【００６１】
また、ｉ番目の領域の赤の色成分の標準偏差をσｉ（ｒ）とし、ｉ番目の領域の緑の色成分の標準偏差をσｉ（ｇ）とし、ｉ番目の領域の青の色成分の標準偏差をσｉ（ｂ）とする場合、ｉ番目の領域の標準偏差ベクトルσｉは、数式４のようなベクトルとして表される。
【数４】
【００６２】
ここでは、全ての領域識別パラメータの初期値をゼロとする。即ち、制御部４０は、領域識別パラメータを初期化する場合、平均ベクトルμｉ＝（０，０，０）、及び標準偏差ベクトルσｉ＝（０，０，０）を領域識別パラメータ保存部６２に領域識別パラメータとして格納する。
【００６３】
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ１２）。
【００６４】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ１３）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【００６５】
領域識別部４２は、入力画像Ｘ（ｔ）の画像分割結果に基づいて、領域識別パラメータを更新する（ステップＳ１４）。この場合、領域識別部４２は、領域識別パラメータ保存部６２により領域識別パラメータとして保存されているベクトルμｉ及びσｉと、入力画像Ｘ（ｔ）のｉ番目の領域の各色成分の値ｘ（ｔ）ｉ（ｒ）、ｘ（ｔ）ｉ（ｇ）、及びｘ（ｔ）ｉ（ｂ）に基づいて、領域識別パラメータを更新する。
【００６６】
まず、領域識別部４２は、次の数式５に基づいて、μｉ＝（μｉ（ｒ），μｉ（ｇ），μｉ（ｂ））を更新する。
【数５】
【００６７】
また、領域識別部４２は、次の数式６に基づいて、σｉ＝（σｉ（ｒ），σｉ（ｇ），σｉ（ｂ））を更新する。
【数６】
【００６８】
領域識別部４２は、この領域識別処理の終了条件が満たされたかどうか判断する（ステップＳ１５）。例えば、領域識別部４２は、紙葉類処理装置１００への紙葉類１０の供給が停止されたか否か、または、入出力部９０により外部機器から受け取った入力画像を全て処理したか否か、などに基づいて、終了条件が満たされたか否かを判断する。終了条件が満たされていないと判断した場合、領域識別部４２は、ステップＳ１２に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ１２乃至ステップＳ１４の処理を行う。
【００６９】
終了条件が満たされたと判断した場合、領域識別部４２は、次の数式７及び数式８に基づいて、領域識別パラメータのベクトルμｉ及びσｉを算出し、算出した領域識別パラメータを領域識別パラメータ保存部６２に保存する（ステップＳ１６）。
【数７】
【００７０】
【数８】
【００７１】
なお、上記の数式７及び数式８のｄは、制御部４０に入力された入力画像Ｘの数を示す。即ち、ｔを入力画像の数とする場合、ｔ＝ｄとなる。
【００７２】
なお、本実施形態において記述される平均ベクトル及び標準偏差ベクトルは、それぞれ統計的な平均及び標準偏差を表す。当然のことながら、統計的な平均及び標準偏差が得られる方法であれば、領域識別部４２は、上記と異なる方法を用いて領域識別パラメータを算出する構成であってもよい。
【００７３】
図６は、領域結合パラメータ保存部６３に領域結合パラメータを設定する処理の例を示す。
【００７４】
制御部４０の領域結合部４３は、まず、領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉを初期化する（ステップＳ２１）。領域結合パラメータｋｉは、ｎ個の領域をｍ個の結合領域に結合する領域結合処理に用いられる具体的な数値である。
【００７５】
領域結合パラメータｋｉは、ｎ個の分割領域のうちのｉ番目の領域の領域結合パラメータを示す。即ち、ｉは、１乃至ｎの自然数である。また、領域結合パラメータｋｉは、１乃至ｍのうちの値である。
【００７６】
ここでは、領域結合部４３は、全ての領域結合パラメータｋの初期値をランダムに設定する。ただし、領域結合部４３は、全ての結合領域番号（１乃至ｍ）が必ず１回以上出現するように、設定する。
【００７７】
領域結合部４３は、中心パラメータｖを算出する（ステップＳ２２）。中心パラメータｖは、ある結合領域に含まれる領域の領域識別パラメータの中心（平均）を示す。ｍ個の結合領域のうちのj番目の結合領域に含まれる領域の数をｎｊとすると、ｊ番目の結合領域の中心パラメータｖｊは、次の数式９により表される。
【数９】
【００７８】
なお、ｊは、１乃至ｍの値である。
【００７９】
また、j番目の結合領域に含まれる領域の数をｎｊは、数式１０により表される。
【数１０】
【００８０】
さらに、領域結合部４３は、数式１１に基づいて、領域結合パラメータｋを更新する（ステップＳ２３）。
【数１１】
【００８１】
数式１１に示されるように、領域結合部４３は、ｉ番目の領域の領域結合パラメータｋｉを、ｉ番目の領域の領域識別パラメータに最も近い中心パラメータの結合領域番号に更新する。即ち、領域結合部４３は、ｉ番目の領域の領域識別パラメータと最もベクトル空間における距離が短い中心パラメータを特定し、特定した中心パラメータの結合領域番号を領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉに上書きする。
【００８２】
領域結合部４３は、この領域結合処理の終了条件が満たされたかどうか判断する（ステップＳ２４）。例えば、領域結合部４３は、領域結合パラメータｋｉの変化を確認することにより、終了条件が満たされたかどうか判断する。領域結合部４３は、全ての領域の領域結合パラメータｋｉが更新の前後で変化しなくなったことを確認した場合、または、変化した領域結合パラメータｋｉの数が予め設定される所定値未満である場合、終了条件が満たされたと判断する。
【００８３】
終了条件が満たされていないと判断した場合、領域結合部４３は、ステップＳ２２に移行し、ステップＳ２２乃至ステップＳ２３の処理を行う。
【００８４】
終了条件が満たされたと判断した場合、領域結合部４３は、領域結合パラメータｋｉを領域結合パラメータ保存部６３に保存する（ステップＳ２５）。
【００８５】
この処理を繰り返すことにより、領域結合部４３は、より領域識別パラメータが近い複数の領域により、結合領域を形成することが出来る。
【００８６】
即ち、領域結合処理は、ｎ個の領域の領域識別パラメータを特徴ベクトルとし、ｎ個の領域をｍ個のクラスタ（結合領域）に結合する処理（クラスタリング）を示す。したがって、領域結合部４３は、上記とは異なる方法を用いてクラスタリングを行う構成であってもよい。
【００８７】
図７は、結合領域識別パラメータ保存部６４に結合領域識別パラメータを設定する処理の例を示す。
【００８８】
制御部４０の結合領域識別部４４は、まず、結合領域識別パラメータ保存部６４により保存されている結合領域識別パラメータを初期化する（ステップＳ３１）。結合領域識別パラメータは、結合領域識別部４４により実行される結合領域識別処理に用いられる具体的な数値である。
【００８９】
入力画像Ｘの色成分が時刻ｔによって変動する場合、結合領域識別パラメータは、結合領域毎に平均ベクトルμ´と標準偏差ベクトルσ´とを含む。なお、ｍ個の結合領域のうちのｊ番目の結合領域の平均ベクトルは、μ´ｊであり、ｍ個の結合領域のうちのｊ番目の結合領域の標準偏差ベクトルは、σ´ｊである。即ち、ｊは、１乃至ｍの自然数である。
【００９０】
ｊ番目の結合領域の赤の色成分の平均値をμ´ｊ（ｒ）とし、ｊ番目の結合領域の緑の色成分の平均値をμ´ｊ（ｇ）とし、ｊ番目の結合領域の青の色成分の平均値をμ´ｊ（ｂ）とする場合、ｊ番目の結合領域の平均ベクトルμ´ｊは、数式１２のようなベクトルとして表される。
【数１２】
【００９１】
また、ｊ番目の結合領域の赤の色成分の標準偏差をσ´ｊ（ｒ）とし、ｊ番目の結合領域の緑の色成分の標準偏差をσ´ｊ（ｇ）とし、ｊ番目の結合領域の青の色成分の標準偏差をσ´ｊ（ｂ）とする場合、ｊ番目の結合領域の標準偏差ベクトルσ´ｊは、数式１３のようなベクトルとして表される。
【数１３】
【００９２】
ここでは、全ての結合領域識別パラメータの初期値をゼロとする。即ち、結合領域識別部４４は、結合領域識別パラメータを初期化する場合、平均ベクトルμ´ｊ＝（０，０，０）、及び標準偏差ベクトルσ´ｊ＝（０，０，０）を結合領域識別パラメータ保存部６４に結合領域識別パラメータとして格納する。
【００９３】
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ３２）。
【００９４】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ３３）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【００９５】
領域結合部４３は、画像分割結果と、領域結合パラメータ保存部６３により保存されている領域結合パラメータとに基づいて、領域結合結果を取得する（ステップＳ３４）。即ち、領域結合部４３は、画像分割処理により分割されたｎ個の領域を、領域結合パラメータｋに基づいてｍ個の結合領域に結合する。
【００９６】
なお、図６の説明で述べた通り、領域結合処理は、領域の領域識別パラメータを特徴ベクトルとした領域のクラスタリングを示す。本実施形態によると、領域結合結果である結合領域は、領域識別パラメータが近い複数の領域により形成される領域であり、単なる「画素の集合」とは異なる性質を有する。
【００９７】
ｍ個のうちのｊ番目の結合領域の赤の色成分の値をｘ´ｊ（ｒ）とし、ｊ番目の結合領域の緑の色成分の値をｘ´ｊ（ｇ）とし、ｊ番目の結合領域の青の色成分の値をｘ´ｊ（ｂ）とする場合、ｊ番目の結合領域を表すベクトルｘ´ｊは、たとえば、数式１４のように表される。
【数１４】
【００９８】
結合領域識別部４４は、領域結合結果に基づいて、結合領域識別パラメータを更新する（ステップＳ３５）。この場合、結合領域識別部４４は、結合領域識別パラメータ保存部６４により結合領域識別パラメータとして保存されているベクトルμ´ｊ及びσ´ｊ、並びにｊ番目の結合領域の各色成分の値ｘ´（ｔ）ｊ（ｒ）、ｘ´（ｔ）ｊ（ｇ）、及びｘ´（ｔ）ｊ（ｂ）に基づいて、結合領域識別パラメータを更新する。
【００９９】
まず、結合領域識別部４４は、次の数式１５に基づいて、μ´ｊ＝（μ´ｊ（ｒ），μ´ｊ（ｇ），μ´ｊ（ｂ））を更新する。
【数１５】
【０１００】
また、結合領域識別部４４は、次の数式１６に基づいて、σ´ｊ＝（σ´ｊ（ｒ），σ´ｊ（ｇ），σ´ｊｂ））を更新する。
【数１６】
【０１０１】
結合領域識別部４４は、この結合領域識別処理の終了条件が満たされたかどうか判断する（ステップＳ３６）。例えば、結合領域識別部４４は、紙葉類処理装置１００への紙葉類１０の供給が停止されたか否か、または、入出力部９０により外部機器から受け取った入力画像を全て処理したか否か、などに基づいて、終了条件が満たされたか否かを判断する。終了条件が満たされていないと判断した場合、結合領域識別部４４は、ステップＳ３２に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ３２乃至ステップＳ３５の処理を行う。
【０１０２】
終了条件が満たされたと判断した場合、結合領域識別部４４は、次の数式１７及び数式１８に基づいて、結合領域識別パラメータのσ´ｉ及びμ´ｉを算出し、算出した結合領域識別パラメータを結合領域識別パラメータ保存部６４に保存する（ステップＳ３７）。
【数１７】
【０１０３】
【数１８】
【０１０４】
なお、上記の数式１７及び数式１８のｄは、制御部４０に入力された入力画像Ｘの数を示す。即ち、ｔを入力画像の数とする場合、ｔ＝ｄとなる。
【０１０５】
なお、本実施形態において記述される平均ベクトル及び標準偏差ベクトルは、それぞれ統計的な平均及び標準偏差を表す。当然のことながら、統計的な平均及び標準偏差が得られる方法であれば、結合領域識別部４４は、上記と異なる方法を用いて結合領域識別パラメータを算出する構成であってもよい。
【０１０６】
図８は、全体識別パラメータ保存部６５に全体識別パラメータを設定する処理の例を示す。
【０１０７】
制御部４０の全体識別部４５は、まず、全体識別パラメータ保存部６５により保存されている全体識別パラメータを初期化する（ステップＳ４１）。全体識別パラメータは、全体識別部４５により実行される全体識別処理に用いられる具体的な数値である。
【０１０８】
全体識別パラメータｗ´ｊは、如何なる数字であってもよい。即ち、全体識別パラメータｗ´ｊは、数式１９に表される条件内で設定される。
【数１９】
【０１０９】
ここでは、ｍ個の結合領域のうちのｊ番目の結合領域の全体識別パラメータをｗ´ｊとする。全体識別部４５は、全体識別パラメータを初期化する場合、数式２０に示すｗ´ｊを全体識別パラメータ保存部６５に全体識別パラメータの初期値として格納する。
【数２０】
【０１１０】
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ４２）。
【０１１１】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ４３）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【０１１２】
領域結合部４３は、画像分割結果と、領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉとに基づいて、領域結合結果を取得する（ステップＳ４４）。即ち、領域結合部４３は、画像分割処理により分割されたｎ個の領域を、領域結合パラメータｋｉに基づいてｍ個の結合領域に結合する。
【０１１３】
結合領域識別部４４は、入力画像Ｘ（ｔ）に基づいて取得された領域結合結果ｘ´ｊと、結合領域識別パラメータのベクトルμ´ｉ及びσ´ｉと、次の数式２１とに基づいて、結合領域識別結果ｏ´ｊを取得する（ステップＳ４５）。
【数２１】
【０１１４】
なお、ｏ´ｊは、ｍ個の結合領域のうちのｊ番目の結合領域の結合領域識別結果を示す。
【０１１５】
全体識別部４５は、結合領域識別結果ｏ´ｊと、全体識別パラメータｗ´ｊと、次の数式２２と、に基づいて全体識別結果Ｙ´を取得する（ステップＳ４６）。
【数２２】
【０１１６】
なお、Ｙ´（ｔ）は、制御部４０に入力された入力画像Ｘ（ｔ）に基づいて上記の画像分割処理、領域結合処理、結合領域識別処理、及び全体識別処理が行われた結果を示すものである。
【０１１７】
さらに、全体識別部４５は、全体識別結果Ｙ´（ｔ）と、次の数式２３とに基づいて、時刻ｔの結合誤差パラメータを算出する（ステップＳ４７）。
【数２３】
【０１１８】
なお、ε´（ｔ）は、結合誤差パラメータを示す。また、Ｒ´（ｔ）は、全体識別結果の望ましい（理想の）値であり、固定値である。即ち、全体識別結果Ｙ´（ｔ）とＲ´（ｔ）とが近いほど結合誤差パラメータε´（ｔ）の値が小さくなる。即ち、結合誤差パラメータε´（ｔ）の値が小さいほど、全体識別結果Ｙ´（ｔ）が良好であると判断することが出来る。
【０１１９】
またさらに、全体識別部４５は、全体識別結果Ｙ´（ｔ）と、次の数式２４とに基づいて、全体識別パラメータｗ´ｊを更新する（ステップＳ４８）。
【数２４】
【０１２０】
なお、αは、学習定数と呼ばれる定数である。αは、一般に、正の小さな値（例えば、0.1など）に設定されることが望ましい。
【０１２１】
学習定数αは、１回の繰り返し（学習）でどの程度全体識別パラメータｗ´ｊを更新するかを制御するための値である。学習定数αが大きな値である場合、１回で大きく全体識別パラメータｗ´ｊを更新することができるが、最適な値に定まりにくくなる可能性がある。逆に、学習定数αが小さすぎる値である場合、全体識別パラメータｗ´ｊを最適な値に近づける為に繰り返す学習の回数が嵩む可能性がある。そこで、学習定数αは、上記したような適切な値に設定されることが望ましい。
【０１２２】
全体識別部４５は、この全体識別処理の終了条件が満たされたかどうか判断する（ステップＳ４９）。例えば、全体識別部４５は、結合誤差パラメータε´（ｔ）が予め設定された閾値（スレッショルドレベル）未満の値になったか否か、などに基づいて、終了条件が満たされたか否かを判断する。
【０１２３】
終了条件が満たされていないと判断した場合、全体識別部４５は、ステップＳ４２に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ４２乃至ステップＳ４８の処理を行う。
【０１２４】
終了条件が満たされたと判断した場合、全体識別部４５は、上記の数式２４により算出した全体識別パラメータｗ´ｊを全体識別パラメータ保存部６５に保存する（ステップＳ５０）。
【０１２５】
上記したように、制御部４０により実行された辞書作成処理により、領域結合パラメータｋｉが領域結合パラメータ保存部６３に保存され、結合領域識別パラメータのベクトルσ´ｉ及びμ´ｉが結合領域識別パラメータ保存部６４に保存され、全体識別パラメータｗ´ｊが全体識別パラメータ保存部６５に保存される。
【０１２６】
次に、紙葉類１０の識別処理について説明する。
紙葉類処理装置１００は、上記した処理によりパラメータ記憶部６０に保存された各種のパラメータ（辞書）に基づいて、紙葉類１０の券種、真偽、及び正損などの識別を行う。
【０１２７】
図９は、紙葉類処理装置１００により実行される紙葉類１０の識別処理の例を示す。
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ５１）。
【０１２８】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ５２）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【０１２９】
領域結合部４３は、画像分割結果と、領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉとに基づいて、領域結合結果ｘ´ｊを取得する（ステップＳ５３）。即ち、領域結合部４３は、画像分割処理により分割されたｎ個の領域を、領域結合パラメータｋｉに基づいてｍ個の結合領域に結合する。
【０１３０】
結合領域識別部４４は、入力画像Ｘ（ｔ）に基づいて取得された領域結合結果ｘ´ｊと、結合領域識別パラメータのベクトルμ´ｉ及びσ´ｉとに基づいて、結合領域識別結果ｏ´ｊを取得する（ステップＳ５４）。
【０１３１】
全体識別部４５は、結合領域識別結果ｏ´ｊと、全体識別パラメータｗ´ｊと、に基づいて全体識別結果Ｙ´を取得する（ステップＳ５５）。
【０１３２】
結果出力部４６は、全体識別部４５により取得された全体識別結果Ｙ´を出力する（ステップＳ５６）。例えば、結果出力部４６は、全体識別結果Ｙ´を表示部８０に表示する。また、例えば、結果出力部４６は、全体識別結果Ｙ´を入出力部９０に接続される機器に出力する。
【０１３３】
制御部４０は、紙葉類１０の識別処理の終了条件が満たされたかどうか判断する（ステップＳ５７）。例えば、制御部４０は、紙葉類処理装置１００への紙葉類１０の供給が停止されたか否かなどに基づいて、終了条件が満たされたか否かを判断する。終了条件が満たされていないと判断した場合、制御部４０は、ステップＳ５１に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ５１乃至ステップＳ５６の処理を行う。
【０１３４】
終了条件が満たされたと判断した場合、制御部４０は、紙葉類１０の識別処理を終了する。
【０１３５】
図１０は、紙葉類処理装置１００により実行される紙葉類１０の識別処理のデータの流れを示す。
【０１３６】
まず、紙葉類処理装置１００は、紙葉類１０から入力画像Ｘを取得する。紙葉類処理装置１００は、入力画像ＸからＸ１乃至Ｘｎの領域に分割する。
【０１３７】
さらに、紙葉類処理装置１００は、領域識別パラメータのベクトルμ１乃至μｎ、及びσ１乃至σｎに基づいて、領域Ｘ１乃至Ｘｎを、Ｘ´１乃至Ｘ´ｍの結合領域にクラスタリングする。
【０１３８】
またさらに、紙葉類処理装置１００は、結合領域識別パラメータのベクトルμ´１乃至μ´ｎ、及びσ´１乃至σ´ｎと、結合領域Ｘ´１乃至Ｘ´ｍとに基づいて、結合領域識別結果ｏ´１乃至ｏ´ｍを取得する。
【０１３９】
またさらに、紙葉類処理装置１００は、結合領域識別結果ｏ´１乃至ｏ´ｍと、全体識別パラメータｗ´１乃至ｗ´ｍとに基づいて、全体識別結果Ｙを取得する。
【０１４０】
次に、分割された領域の数を示すｎと、結合領域の数を示すｍの範囲条件について説明する。
【０１４１】
従来技術における１領域当りの領域識別処理の計算コストをｃｉとし、１領域当りの全体識別処理の計算コストをｄｉとする。この場合、ｃｉ及びｄｉは、次の数式２５及び２６のように表される。
【数２５】
【０１４２】
【数２６】
【０１４３】
また、上記の実施形態に係る紙葉類処理装置１００における１結合領域当りの結合領域識別処理の計算コストをｃ´ｊとし、１領域当りの全体識別処理の計算コストをｄ´ｊとし、領域結合処理の計算コストをｅ´ｉとする。この場合ｃ´ｊ、ｄ´ｊ、及びｅ´ｉは、次の数式２７、２８、及び２９のように表される。
【数２７】
【０１４４】
【数２８】
【０１４５】
【数２９】
【０１４６】
なお、本実施形態における結合領域識別処理と従来技術における領域識別処理とは、同様の処理であり、計算コストに差異がない。また、本実施形態における全体識別処理と従来技術における全体識別処理とは、同様の処理であり、計算コストに差異がない。この為、上記の数式２７及び２８に示すように、ｃ´ｊ＝ｃｉ、及びｄ´ｊ＝ｄｉが成り立つ。
【０１４７】
従来技術における紙葉類１０の識別処理の総計算コストは、次の数式３０のように表される。
【数３０】
【０１４８】
また、上記の実施形態における紙葉類１０の識別処理の総計算コストは、次の数式３１のように表される。
【数３１】
【０１４９】
ただし、
【数３２】
【０１５０】
は、それぞれ、（結合）領域識別処理、全体識別処理、及び領域結合処理の１領域あたりの平均計算コストを示す。
【０１５１】
Ｌ´とＬとの関係が、
【数３３】
【０１５２】
であれば、上記の実施形態は、従来の実施形態より高速に紙葉類１０の識別処理を行うことができる。
【０１５３】
数式３３のＬ´に数式３１を代入し、Ｌに数式３０を代入すると、
【数３４】
【０１５４】
【数３５】
【０１５５】
【数３６】
【０１５６】
となる。
【０１５７】
上記したように、ｎ及びｍは、
【数３７】
【０１５８】
という条件を満たす。
【０１５９】
したがって、分割された領域数ｎ及び結合領域数ｍは、次の数式３８を満たす範囲で設定されることが望ましい。
【数３８】
【０１６０】
数式３８の条件を満たすように領域数ｎ及び結合領域数ｍが設定される場合、本実施形態に係る紙葉類処理装置１００は、従来技術より高速に紙葉類１０の識別処理を行うことができる。
【０１６１】
数式３１に示されるように、紙葉類処理装置１００は、結合領域数ｍが少ないほど処理が高速になる。しかし、数式３８に示されるように、ｎ／（ｎ−ｍ）は、領域識別処理の１領域あたりの平均計算コストと全体識別処理の１領域あたりの平均計算コストとの和と、領域結合処理の１領域あたりの平均計算コストとの比を超えてはならない。
【０１６２】
また、数式３８に示されるように、領域結合処理の１領域あたりの平均計算コストは、領域識別処理の１領域あたりの平均計算コストと全体識別処理の１領域あたりの平均計算コストとの和よりも小さい値であることが必要である。
【０１６３】
このような条件を満たす領域数ｎ及び結合領域数ｍが設定された紙葉類処理装置１００によると、より高速、且つ効率的に紙葉類１０の識別処理を行うことができる。また、紙葉類処理装置１００は、特徴ベクトルの近い領域同士で結合領域を形成する。これにより、より高い精度で紙葉類１０の識別処理を行うことができる。
【０１６４】
上記した実施形態によると、より効率的に高い精度で紙葉類を識別する紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法を提供することができる。
【０１６５】
なお、上述の各数式は、制御部４０のＲＯＭまたは不揮発性メモリなどに記憶され、ＣＰＵにより実行されるデータである。即ち、上述の各数式に関する演算処理は、制御部４０のＣＰＵにより実行される。
【０１６６】
なお、上述の各実施の形態で説明した機能は、ハードウエアを用いて構成するに留まらず、ソフトウエアを用いて各機能を記載したプログラムをコンピュータに読み込ませて実現することもできる。また、各機能は、適宜ソフトウエア、ハードウエアのいずれかを選択して構成するものであっても良い。
【０１６７】
なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組み合せてもよい。
【符号の説明】
【０１６８】
２０…供給部、２５…分離ローラ、３０…搬送系、３１…第１のゲート、３２…第１のスタッカ、３３…第２のゲート、３４…第２のスタッカ、３５…画像取得部、４０…制御部、４１…画像分割部、４２…領域識別部、４３…領域結合部、４４…結合領域識別部、４５…全体識別部、４６…結果出力部、５０…処理結果記憶部、５１…入力画像保存部、５２…画像分割結果保存部、５３…領域識別結果保存部、５４…領域結合結果保存部、５５…結合領域識別結果保存部、５６…全体識別結果保存部、６０…パラメータ記憶部、６１…画像分割パラメータ保存部、６２…領域識別パラメータ保存部、６３…領域結合パラメータ保存部、６４…結合領域識別パラメータ保存部、６５…全体識別パラメータ保存部、７０…操作部、８０…表示部、９０…入出力部、１００…紙葉類処理装置。
【技術分野】
【０００１】
本発明の実施形態は、紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法に関する。
【背景技術】
【０００２】
従来、種々の紙葉類の検査を行う紙葉類処理装置が実用化されている。紙葉類処理装置は、紙葉類の画像を読み取る画像読取装置を有する。紙葉類処理装置は、投入部に投入された紙葉類を１枚ずつ取り込み、画像読取装置に搬送する。
【０００３】
画像読取装置は、搬送される紙葉類から、紙葉類の光学的な特徴（特徴量）を検知する。紙葉類処理装置は、予め設定される種々のパラメータと、検知された特徴量との比較を行うことにより、紙葉類を識別する。例えば、紙葉類処理装置は、紙葉類の種類（ｃａｔｅｇｏｒｙ）、例えば券種（ｄｅｎｏｍｉｎａｔｉｏｎ）、汚損の度合の識別、紙葉類の真偽（ａｕｔｈｅｎｔｉｃａｔｉｏｎ）の識別、及び／または紙葉類が再流通可能（ｒｅｃｉｒｃｕｌａｔｉｏｎ）であるか否かの正損（ｆｉｔｎｅｓｓ）の識別を実行する。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００７−７３０３５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
通常、高い精度で紙葉類の判別を行う場合、より高い解像度で紙葉類から画像を取得する必要がある。しかし、高い解像度で紙葉類から画像を取得する場合、上記の比較処理での計算量が嵩む。
【０００６】
画像を複数の領域に分割し、各領域毎に識別結果を得て、この複数の識別結果の論理的な組み合わせに基づいて紙葉類の識別を行うことにより、計算量を削減することができる。この方法によると、紙葉類処理装置は、紙葉類を券種または汚損の度合いに応じて複数のクラスに分け、クラス間の違いが顕著な領域に基づいて紙葉類の識別を行う。
【０００７】
しかし、クラスの分け方によっては、クラス間の違いが顕著な領域の特定が困難になる場合がある。この結果、紙葉類の識別の精度がバラつくという課題を有する。
【０００８】
そこで、より効率的に高い精度で紙葉類を識別する紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
一実施形態に係る紙葉類処理装置は、領域結合パラメータを予め記憶するパラメータ記憶部と、紙葉類を搬送する搬送部と、前記搬送部により搬送される前記紙葉類から入力画像を取得する画像取得部と、前記画像取得部により取得された前記入力画像を第１の数の領域に分割する画像分割部と、前記画像分割部により分割された前記第１の数の領域を前記パラメータ記憶部により記憶されている前記領域結合パラメータに基づいて、第２の数の結合領域に結合する領域結合部と、前記領域結合部により結合された前記第２の数の結合領域に基づいて、前記紙葉類を識別する識別部と、前記識別部の識別結果に基づいて、前記紙葉類を区分する区分処理部と、を具備する。
【図面の簡単な説明】
【００１０】
【図１】図１は、一実施形態に係る紙葉類処理装置について説明するための図である。
【図２】図２は、一実施形態に係る紙葉類処理装置について説明するための図である。
【図３】図３は、一実施形態に係る紙葉類処理装置により処理される紙葉類の例について説明するための図である。
【図４】図４は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図５】図５は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図６】図６は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図７】図７は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図８】図８は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図９】図９は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【図１０】図１０は、一実施形態に係る紙葉類処理装置の処理について説明するための図である。
【発明を実施するための形態】
【００１１】
以下、図面を参照しながら、一実施形態に係る紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法について詳細に説明する。
【００１２】
図１は、一実施形態に係る紙葉類処理装置１００の構成例を示す。
紙葉類処理装置１００は、供給部２０、分離ローラ２５、搬送系３０、第１のゲート３１、第１のスタッカ３２、第２のゲート３３、第２のスタッカ３４、画像取得部３５、制御部４０、処理結果記憶部５０、パラメータ記憶部６０、操作部７０、表示部８０、及び入出力部９０を備える。また、紙葉類処理装置１００は、第２のゲート３３の後段に図示しない裁断部を備える。
【００１３】
制御部４０は、紙葉類処理装置１００の各部の動作を統合的に制御する。制御部４０は、ＣＰＵ、バッファメモリ、プログラムメモリ、及び不揮発性メモリなどを備える。ＣＰＵは、種々の演算処理を行う。バッファメモリは、ＣＰＵにより行われる演算の結果を一時的に記憶する。プログラムメモリ及び不揮発性メモリは、ＣＰＵが実行する種々のプログラム及び制御データなどを記憶する。制御部４０は、ＣＰＵによりプログラムメモリに記憶されているプログラムを実行することにより、種々の処理を行うことができる。
【００１４】
供給部２０は、紙葉類処理装置１００に取り込む紙葉類１０をストックする。供給部２０は、重ねられた状態の紙葉類１０をまとめて受け入れる。
【００１５】
分離ローラ２５は、供給部２０の下端に設置される。供給部２０に紙葉類１０が投入される場合、投入された紙葉類１０の集積方向の下端に接する。分離ローラ２５は、回転することにより、供給部２０にセットされる紙葉類１０を集積方向の下端から１枚ずつ紙葉類処理装置１００の内部に取り込む。
【００１６】
分離ローラ２５は、たとえば、１回転するごとに１枚の紙葉類１０を取り込むように機能する。これにより、分離ローラ２５は、紙葉類１０を一定のピッチで取り込む。分離ローラ２５により取り込まれた紙葉類１０は、搬送系３０に導入される。
【００１７】
搬送系３０は、紙葉類１０を紙葉類処理装置１００内の各部に搬送する搬送部である。搬送系３０は、図示しない搬送ベルト及び図示しない駆動プーリなどを備える。搬送系３０は、図示しない駆動モータにより駆動プーリを駆動する。搬送ベルトは、駆動プーリにより動作する。
【００１８】
搬送系３０は、分離ローラ２５により取り込む紙葉類１０を搬送ベルトにより一定速度で搬送する。なお、搬送系３０において分離ローラ２５に近い側を上流側、逆側を下流側として説明する。
【００１９】
画像取得部３５は、搬送計３０により搬送される紙葉類１０から画像を取得する。画像取得部３５は、例えば、２つの光学センサを備える。２つの光学センサは、搬送系３０を挟んで互いに対向するように配置される。光学センサは、紙葉類１０の光学的特徴情報を検出する。即ち、画像取得部３５は、光学センサにより、搬送系３０により搬送される紙葉類１０の両面の画像を読み取る。
【００２０】
画像取得部３５は、紙葉類１０の券面を二次元的に撮像する。画像取得部３５の光学センサは、例えば、Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ（ＣＣＤ）などの受光素子と、光学系と、光源とを備える。光学センサは、搬送される紙葉類１０に対して光源により光を投光し、反射光または透過光を光学系により受光する。光学センサは、光学系により受光した光をＣＣＤに結像させ、電気信号（画像）を取得する。
【００２１】
制御部４０は、画像取得部３５により取得した画像から特徴量を算出する。制御部４０は、画像取得部３５により撮像した画像に基づいて、紙葉類１０の表面及び裏面の特徴量を算出する。
【００２２】
特徴量は、例えば画素毎の輝度値である。また、画像取得部３５の光センサが、カラーの画像を取得可能なセンサである場合、特徴量は、ＲＧＢの各色毎の値を有する。また、特徴量は、色合い、彩度、及び明るさを有するものであってもよいし、さらに他の要素を含むものであってもよい。なお、本実施形態では、画像取得部３５によりカラー画像を取得し、ＲＧＢの各色毎の値を特徴量として用いる例について説明する。
【００２３】
制御部４０は、算出した特徴量に基づいて、紙葉類１０の真偽（ａｕｔｈｅｎｔｉｃａｔｉｏｎ）を識別する。即ち、制御部４０は、紙葉類１０が真券(ｇｅｎｕｉｎｅ)であるか、偽券(ｃｏｕｎｔｅｒｆｅｉｔ)であるか識別する。
【００２４】
また、制御部４０は、算出した特徴量に基づいて、紙葉類１０の券種（ｃａｔｅｇｏｒｙ）を識別する。
【００２５】
さらに、制御部４０は、算出した特徴量に基づいて、紙葉類１０の正損（ｒｅｃｉｒｃｕｌａｔａｂｌｅ／ｕｎｒｅｃｉｒｃｕｌａｔａｂｌｅ）を識別する。即ち、制御部４０は、紙葉類１０が再流通可能（ｒｅｃｉｒｃｕｌａｔａｂｌｅ）な正券（ｆｉｔ ｓｈｅｅｔ）であるか、再流通不可能（ｕｎｒｅｃｉｒｃｕｌａｔａｂｌｅ）な損券（ｕｎｆｉｔ ｓｈｅｅｔ）であるかを識別する。
【００２６】
第１のゲート３１及び第２のゲート３３は、搬送系３０の画像取得部３５より下流に設けられる。第１のゲート３１及び第２のゲート３３は、それぞれ制御部４０の制御に基づいて動作する。制御部４０は、紙葉類１０に対する各種の識別の結果に応じて第１のゲート３１及び第２のゲート３３を制御する。
【００２７】
第１のゲート３１は、紙葉類１０の搬送先を第１のスタッカ３２と第２のゲート３３とで切り替える。また、第２のゲート３３は、紙葉類１０の搬送先を第２のスタッカ３４と裁断部とで切り替える。
【００２８】
制御部４０は、正券と判定した紙葉類１０を第１のスタッカ３２または第２のスタッカ３４に搬送するように、第１のゲート３１及び第２のゲート３３を制御する。即ち、制御部４０は、正券を種類毎に区分けして集積するように各部を制御する。
【００２９】
また、制御部４０は、損券と判定した紙葉類１０を第２のゲート３３の後段に設けられる裁断部に搬送するように、第１のゲート３１及び第２のゲート３３を制御する。即ち、制御部４０は、損券と判定した紙葉類１０を裁断部に搬送し、裁断部により裁断するように各部を制御する。
【００３０】
処理結果記憶部５０は、制御部４０により算出された紙葉類１０の特徴量を記憶する。また、処理結果記憶部５０は、制御部４０により実行される演算処理の結果などを記憶する。処理結果記憶部５０は、制御部４０のバッファメモリまたは不揮発性メモリなどにより代用されてもよい。
【００３１】
パラメータ記憶部６０は、上記の識別処理に用いられる辞書を記憶する。辞書は、種々のパラメータを有する。制御部４０は、パラメータ記憶部６０により記憶されている辞書のパラメータと、紙葉類１０の画像から算出した特徴量とに基づいて、上記の識別処理を行う。
【００３２】
操作部７０は、オペレータによる各種操作入力を操作部により受け付ける。操作部７０は、オペレータにより入力される操作に基づいて操作信号を生成し、生成した操作信号を制御部４０に伝送する。表示部８０は、制御部４０の制御に基づいて種々の画面を表示する。例えば、表示部８０は、オペレータに対して各種の操作案内、及び処理結果などを表示する。なお、操作部７０と表示部８０とは、タッチパネルとして一体に形成されていてもよい。
【００３３】
入出力部９０は、紙葉類処理装置１００に接続される外部機器、または記憶媒体とデータの送受信を行う。例えば、入出力部９０は、ディスクドライブ、ＵＳＢコネクタ、ＬＡＮコネクタ、またはデータの送受信が可能な他のインターフェースなどを備える。紙葉類処理装置１００は、入出力部９０に接続される外部機器、または記憶媒体からデータを取得することができる。また、紙葉類処理装置１００は、入出力部９０に接続される外部機器、または記憶媒体に処理結果を伝送することもできる。
【００３４】
制御部４０は、紙葉類１０の特徴量とパラメータ記憶部６０に記憶される辞書とに基づいて紙葉類１０の識別を行う。即ち、紙葉類処理装置１００は、紙葉類１０の識別を行う場合、予め作成された辞書をパラメータ記憶部６０により記憶しておく必要がある。
【００３５】
本実施形態の紙葉類処理装置１００は、紙葉類１０の画像（入力画像）をｎ個の領域（画素、または画素の集合）に分割し、分割したｎ個の領域をｍ個（ただし、ｍ＜ｎ）の結合領域に結合する。さらに、紙葉類処理装置１００は、ｍ個の結合領域ごとに識別結果を得て、結合領域ごとの識別結果に基づいて全体の識別結果を決定する。
【００３６】
図２は、一実施形態に係る紙葉類処理装置１００の構成例を示す。
図２に示すように、制御部４０は、画像分割部４１、領域識別部４２、領域結合部４３、結合領域識別部４４、全体識別部４５、及び結果出力部４６を備える。
【００３７】
また、処理結果記憶部５０は、入力画像保存部５１、画像分割結果保存部５２、領域識別結果保存部５３、領域結合結果保存部５４、結合領域識別結果保存部５５、及び全体識別結果保存部５６を備える。
【００３８】
また、パラメータ記憶部６０は、画像分割パラメータ保存部６１、領域識別パラメータ保存部６２、領域結合パラメータ保存部６３、結合領域識別パラメータ保存部６４、及び全体識別パラメータ保存部６５を備える。
【００３９】
画像分割部４１は、入力画像をｎ個の領域に分割し、結果（画像分割結果）を取得する。領域識別部４２は、ｎ個の領域ごとに識別結果（領域識別結果）を取得する。領域結合部４３は、画像分割結果及び領域識別結果に基づいて、ｎ個の領域をｍ個の結合領域に結合し、結果（領域結合結果）を取得する。ただし、ｍ＜ｎとする。
【００４０】
結合領域識別部４４は、領域結合結果に基づいて、ｍ個の結合領域ごとの識別結果（結合領域識別結果）を取得する。全体識別部４５は、結合領域識別結果に基づいて、全体の識別結果（全体識別結果）を決定する。結果出力部４６は、全体識別結果を出力する。例えば、結果出力部４６は、全体識別結果を表示部８０に表示する、または、全体識別結果を入出力部９０に接続される機器に出力する。
【００４１】
入力画像保存部５１は、入力画像を保存する。制御部４０は、画像取得部３５から受け取る画像（入力画像）を入力画像保存部５１に保存する。また、制御部４０は、入出力部９０に接続される機器から画像を受け取る構成であってもよい。この場合、制御部４０は、入出力部９０に接続される機器から受け取る画像（入力画像）を入力画像保存部５１に保存する。
【００４２】
画像分割結果保存部５２は、画像分割部４１により取得される画像分割結果を保存する。領域識別結果保存部５３は、領域識別部４２により取得される領域識別結果を保存する。領域結合結果保存部５４は、領域結合部４３により取得される領域結合結果を保存する。
【００４３】
結合領域識別結果保存部５５は、結合領域識別部４４により取得される結合領域識別結果を保存する。全体識別結果保存部５６は、全体識別部４５により取得される全体識別結果を保存する。
【００４４】
画像分割パラメータ保存部６１は、画像分割部４１により実行される画像分割処理に用いられる画像分割パラメータを保存する。領域識別パラメータ保存部６２は、領域識別部４２により実行される領域識別処理に用いられる領域識別パラメータを保存する。領域結合パラメータ保存部６３は、領域結合部４３により実行される領域結合処理に用いられる領域結合パラメータを保存する。
【００４５】
結合領域識別パラメータ保存部６４は、結合領域識別部４４により実行される結合領域識別処理に用いられる結合領域識別パラメータを保存する。全体識別パラメータ保存部６５は、全体識別部４５により実行される全体識別処理に用いられる全体識別パラメータを保存する。
【００４６】
図３は、紙葉類処理装置１００により処理される紙葉類１０の例を示す。
ここでは、紙葉類１０として紙幣を処理する例について説明する。しかし、紙葉類１０は、紙幣に限られるものではなく、シート状のものであれば如何なるものであってもよい。図３は、画像取得部３５により紙葉類１０から読み取った画像（入力画像）Ｘを模式的に示す。
【００４７】
図４は、図３に示す入力画像Ｘの構成の例を示す。図４は、入力画像Ｘが平面的に配置された複数の画素によって構成されることを示す。本実施形態では、画像取得部３５は、カラーの入力画像Ｘを取得する。この為、入力画像Ｘの各画素ｘｉは、色成分（たとえば、赤、緑、青）の値を有する。
【００４８】
画素ｘｉの赤の色成分の値をｘｉ（ｒ）とし、緑の色成分の値をｘｉ（ｇ）とし、青の色成分の値をｘｉ（ｂ）とする場合、画素ｘｉは、数式１のような三次元のベクトルとして表される。
【数１】
【００４９】
なお、ｘｉは、入力画像Ｘを構成するｎ個のうちのｉ番目の画素を表すベクトルである。即ち、ｉは、１乃至ｎの自然数である。
【００５０】
入力画像Ｘがｎ個の画素によって構成される場合、入力画像Ｘは、数式２のようなベクトルの行列として表される。
【数２】
【００５１】
なお、ここで示されるＴは、ベクトルの転置を表す記号である。なお、本実施形態では、時刻ｔに入力された入力画像を、Ｘ（ｔ）と表記して説明する。
【００５２】
しかし、ｔは、単純に制御部４０に入力される入力画像Ｘの数を示すものであってもよい。この場合、ｔ番目に制御部４０に入力される入力画像をＸ（ｔ）と表記する。
【００５３】
図５乃至９は、紙葉類処理装置１００の動作の例を示す。図５乃至図８は、制御部４０により実行される辞書作成処理の例を示す。また、図９は、制御部４０により実行される紙葉類１０の識別処理の例を示す。
【００５４】
なお、画像分割部４１は、画像分割パラメータ保存部６１により保存される画像分割パラメータの値に応じて入力画像Ｘを複数の領域に分割する。例えば、画像分割パラメータの値が「１」である場合、画像分割部４１は、１画素を１つの領域として入力画像Ｘを分割する。また、画像分割パラメータの値が「４」である場合、画像分割部４１は、４画素を１つの領域として入力画像Ｘを分割する。
【００５５】
即ち、画像分割部４１により分割された領域は、画素あるいは画素の集合である。しかし、本実施形態では、説明を簡潔にする為に、画像分割部４１により分割された１つの領域が１画素に対応すると仮定して説明する。即ち、入力画像Ｘは、ｎ個の領域を含む。
【００５６】
なお、画像分割パラメータの値と、画像分割部４１により分割された領域との関係は、上記したものに限定されるものではない。入力画像Ｘを複数の領域に分割することが出来る手法であれば、画像分割パラメータ及び画像分割部４１は、如何なる手法を用いるものであってもよい。
【００５７】
まず、辞書作成処理について説明する。
図５は、領域識別パラメータ保存部６２に領域識別パラメータを設定する処理の例を示す。
【００５８】
制御部４０は、まず、領域識別パラメータ保存部６２により保存されている領域識別パラメータを初期化する（ステップＳ１１）。領域識別パラメータは、領域識別部４２により実行される領域識別処理に用いられる具体的な数値である。
【００５９】
入力画像Ｘの色成分が時刻ｔによって変動する場合、領域識別パラメータは、領域毎に平均ベクトルμと標準偏差ベクトルσを含む。なお、ｎ個の領域のうちのｉ番目の領域の平均ベクトルは、μｉであり、ｎ個の領域のうちのｉ番目の領域の標準偏差ベクトルは、σｉである。即ち、ｉは、１乃至ｎの自然数である。
【００６０】
ｉ番目の領域の赤の色成分の平均値をμｉ（ｒ）とし、ｉ番目の領域の緑の色成分の平均値をμｉ（ｇ）とし、ｉ番目の領域の青の色成分の平均値をμｉ（ｂ）とする場合、ｉ番目の領域の平均ベクトルμｉは、数式３のようなベクトルとして表される。
【数３】
【００６１】
また、ｉ番目の領域の赤の色成分の標準偏差をσｉ（ｒ）とし、ｉ番目の領域の緑の色成分の標準偏差をσｉ（ｇ）とし、ｉ番目の領域の青の色成分の標準偏差をσｉ（ｂ）とする場合、ｉ番目の領域の標準偏差ベクトルσｉは、数式４のようなベクトルとして表される。
【数４】
【００６２】
ここでは、全ての領域識別パラメータの初期値をゼロとする。即ち、制御部４０は、領域識別パラメータを初期化する場合、平均ベクトルμｉ＝（０，０，０）、及び標準偏差ベクトルσｉ＝（０，０，０）を領域識別パラメータ保存部６２に領域識別パラメータとして格納する。
【００６３】
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ１２）。
【００６４】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ１３）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【００６５】
領域識別部４２は、入力画像Ｘ（ｔ）の画像分割結果に基づいて、領域識別パラメータを更新する（ステップＳ１４）。この場合、領域識別部４２は、領域識別パラメータ保存部６２により領域識別パラメータとして保存されているベクトルμｉ及びσｉと、入力画像Ｘ（ｔ）のｉ番目の領域の各色成分の値ｘ（ｔ）ｉ（ｒ）、ｘ（ｔ）ｉ（ｇ）、及びｘ（ｔ）ｉ（ｂ）に基づいて、領域識別パラメータを更新する。
【００６６】
まず、領域識別部４２は、次の数式５に基づいて、μｉ＝（μｉ（ｒ），μｉ（ｇ），μｉ（ｂ））を更新する。
【数５】
【００６７】
また、領域識別部４２は、次の数式６に基づいて、σｉ＝（σｉ（ｒ），σｉ（ｇ），σｉ（ｂ））を更新する。
【数６】
【００６８】
領域識別部４２は、この領域識別処理の終了条件が満たされたかどうか判断する（ステップＳ１５）。例えば、領域識別部４２は、紙葉類処理装置１００への紙葉類１０の供給が停止されたか否か、または、入出力部９０により外部機器から受け取った入力画像を全て処理したか否か、などに基づいて、終了条件が満たされたか否かを判断する。終了条件が満たされていないと判断した場合、領域識別部４２は、ステップＳ１２に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ１２乃至ステップＳ１４の処理を行う。
【００６９】
終了条件が満たされたと判断した場合、領域識別部４２は、次の数式７及び数式８に基づいて、領域識別パラメータのベクトルμｉ及びσｉを算出し、算出した領域識別パラメータを領域識別パラメータ保存部６２に保存する（ステップＳ１６）。
【数７】
【００７０】
【数８】
【００７１】
なお、上記の数式７及び数式８のｄは、制御部４０に入力された入力画像Ｘの数を示す。即ち、ｔを入力画像の数とする場合、ｔ＝ｄとなる。
【００７２】
なお、本実施形態において記述される平均ベクトル及び標準偏差ベクトルは、それぞれ統計的な平均及び標準偏差を表す。当然のことながら、統計的な平均及び標準偏差が得られる方法であれば、領域識別部４２は、上記と異なる方法を用いて領域識別パラメータを算出する構成であってもよい。
【００７３】
図６は、領域結合パラメータ保存部６３に領域結合パラメータを設定する処理の例を示す。
【００７４】
制御部４０の領域結合部４３は、まず、領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉを初期化する（ステップＳ２１）。領域結合パラメータｋｉは、ｎ個の領域をｍ個の結合領域に結合する領域結合処理に用いられる具体的な数値である。
【００７５】
領域結合パラメータｋｉは、ｎ個の分割領域のうちのｉ番目の領域の領域結合パラメータを示す。即ち、ｉは、１乃至ｎの自然数である。また、領域結合パラメータｋｉは、１乃至ｍのうちの値である。
【００７６】
ここでは、領域結合部４３は、全ての領域結合パラメータｋの初期値をランダムに設定する。ただし、領域結合部４３は、全ての結合領域番号（１乃至ｍ）が必ず１回以上出現するように、設定する。
【００７７】
領域結合部４３は、中心パラメータｖを算出する（ステップＳ２２）。中心パラメータｖは、ある結合領域に含まれる領域の領域識別パラメータの中心（平均）を示す。ｍ個の結合領域のうちのj番目の結合領域に含まれる領域の数をｎｊとすると、ｊ番目の結合領域の中心パラメータｖｊは、次の数式９により表される。
【数９】
【００７８】
なお、ｊは、１乃至ｍの値である。
【００７９】
また、j番目の結合領域に含まれる領域の数をｎｊは、数式１０により表される。
【数１０】
【００８０】
さらに、領域結合部４３は、数式１１に基づいて、領域結合パラメータｋを更新する（ステップＳ２３）。
【数１１】
【００８１】
数式１１に示されるように、領域結合部４３は、ｉ番目の領域の領域結合パラメータｋｉを、ｉ番目の領域の領域識別パラメータに最も近い中心パラメータの結合領域番号に更新する。即ち、領域結合部４３は、ｉ番目の領域の領域識別パラメータと最もベクトル空間における距離が短い中心パラメータを特定し、特定した中心パラメータの結合領域番号を領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉに上書きする。
【００８２】
領域結合部４３は、この領域結合処理の終了条件が満たされたかどうか判断する（ステップＳ２４）。例えば、領域結合部４３は、領域結合パラメータｋｉの変化を確認することにより、終了条件が満たされたかどうか判断する。領域結合部４３は、全ての領域の領域結合パラメータｋｉが更新の前後で変化しなくなったことを確認した場合、または、変化した領域結合パラメータｋｉの数が予め設定される所定値未満である場合、終了条件が満たされたと判断する。
【００８３】
終了条件が満たされていないと判断した場合、領域結合部４３は、ステップＳ２２に移行し、ステップＳ２２乃至ステップＳ２３の処理を行う。
【００８４】
終了条件が満たされたと判断した場合、領域結合部４３は、領域結合パラメータｋｉを領域結合パラメータ保存部６３に保存する（ステップＳ２５）。
【００８５】
この処理を繰り返すことにより、領域結合部４３は、より領域識別パラメータが近い複数の領域により、結合領域を形成することが出来る。
【００８６】
即ち、領域結合処理は、ｎ個の領域の領域識別パラメータを特徴ベクトルとし、ｎ個の領域をｍ個のクラスタ（結合領域）に結合する処理（クラスタリング）を示す。したがって、領域結合部４３は、上記とは異なる方法を用いてクラスタリングを行う構成であってもよい。
【００８７】
図７は、結合領域識別パラメータ保存部６４に結合領域識別パラメータを設定する処理の例を示す。
【００８８】
制御部４０の結合領域識別部４４は、まず、結合領域識別パラメータ保存部６４により保存されている結合領域識別パラメータを初期化する（ステップＳ３１）。結合領域識別パラメータは、結合領域識別部４４により実行される結合領域識別処理に用いられる具体的な数値である。
【００８９】
入力画像Ｘの色成分が時刻ｔによって変動する場合、結合領域識別パラメータは、結合領域毎に平均ベクトルμ´と標準偏差ベクトルσ´とを含む。なお、ｍ個の結合領域のうちのｊ番目の結合領域の平均ベクトルは、μ´ｊであり、ｍ個の結合領域のうちのｊ番目の結合領域の標準偏差ベクトルは、σ´ｊである。即ち、ｊは、１乃至ｍの自然数である。
【００９０】
ｊ番目の結合領域の赤の色成分の平均値をμ´ｊ（ｒ）とし、ｊ番目の結合領域の緑の色成分の平均値をμ´ｊ（ｇ）とし、ｊ番目の結合領域の青の色成分の平均値をμ´ｊ（ｂ）とする場合、ｊ番目の結合領域の平均ベクトルμ´ｊは、数式１２のようなベクトルとして表される。
【数１２】
【００９１】
また、ｊ番目の結合領域の赤の色成分の標準偏差をσ´ｊ（ｒ）とし、ｊ番目の結合領域の緑の色成分の標準偏差をσ´ｊ（ｇ）とし、ｊ番目の結合領域の青の色成分の標準偏差をσ´ｊ（ｂ）とする場合、ｊ番目の結合領域の標準偏差ベクトルσ´ｊは、数式１３のようなベクトルとして表される。
【数１３】
【００９２】
ここでは、全ての結合領域識別パラメータの初期値をゼロとする。即ち、結合領域識別部４４は、結合領域識別パラメータを初期化する場合、平均ベクトルμ´ｊ＝（０，０，０）、及び標準偏差ベクトルσ´ｊ＝（０，０，０）を結合領域識別パラメータ保存部６４に結合領域識別パラメータとして格納する。
【００９３】
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ３２）。
【００９４】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ３３）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【００９５】
領域結合部４３は、画像分割結果と、領域結合パラメータ保存部６３により保存されている領域結合パラメータとに基づいて、領域結合結果を取得する（ステップＳ３４）。即ち、領域結合部４３は、画像分割処理により分割されたｎ個の領域を、領域結合パラメータｋに基づいてｍ個の結合領域に結合する。
【００９６】
なお、図６の説明で述べた通り、領域結合処理は、領域の領域識別パラメータを特徴ベクトルとした領域のクラスタリングを示す。本実施形態によると、領域結合結果である結合領域は、領域識別パラメータが近い複数の領域により形成される領域であり、単なる「画素の集合」とは異なる性質を有する。
【００９７】
ｍ個のうちのｊ番目の結合領域の赤の色成分の値をｘ´ｊ（ｒ）とし、ｊ番目の結合領域の緑の色成分の値をｘ´ｊ（ｇ）とし、ｊ番目の結合領域の青の色成分の値をｘ´ｊ（ｂ）とする場合、ｊ番目の結合領域を表すベクトルｘ´ｊは、たとえば、数式１４のように表される。
【数１４】
【００９８】
結合領域識別部４４は、領域結合結果に基づいて、結合領域識別パラメータを更新する（ステップＳ３５）。この場合、結合領域識別部４４は、結合領域識別パラメータ保存部６４により結合領域識別パラメータとして保存されているベクトルμ´ｊ及びσ´ｊ、並びにｊ番目の結合領域の各色成分の値ｘ´（ｔ）ｊ（ｒ）、ｘ´（ｔ）ｊ（ｇ）、及びｘ´（ｔ）ｊ（ｂ）に基づいて、結合領域識別パラメータを更新する。
【００９９】
まず、結合領域識別部４４は、次の数式１５に基づいて、μ´ｊ＝（μ´ｊ（ｒ），μ´ｊ（ｇ），μ´ｊ（ｂ））を更新する。
【数１５】
【０１００】
また、結合領域識別部４４は、次の数式１６に基づいて、σ´ｊ＝（σ´ｊ（ｒ），σ´ｊ（ｇ），σ´ｊｂ））を更新する。
【数１６】
【０１０１】
結合領域識別部４４は、この結合領域識別処理の終了条件が満たされたかどうか判断する（ステップＳ３６）。例えば、結合領域識別部４４は、紙葉類処理装置１００への紙葉類１０の供給が停止されたか否か、または、入出力部９０により外部機器から受け取った入力画像を全て処理したか否か、などに基づいて、終了条件が満たされたか否かを判断する。終了条件が満たされていないと判断した場合、結合領域識別部４４は、ステップＳ３２に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ３２乃至ステップＳ３５の処理を行う。
【０１０２】
終了条件が満たされたと判断した場合、結合領域識別部４４は、次の数式１７及び数式１８に基づいて、結合領域識別パラメータのσ´ｉ及びμ´ｉを算出し、算出した結合領域識別パラメータを結合領域識別パラメータ保存部６４に保存する（ステップＳ３７）。
【数１７】
【０１０３】
【数１８】
【０１０４】
なお、上記の数式１７及び数式１８のｄは、制御部４０に入力された入力画像Ｘの数を示す。即ち、ｔを入力画像の数とする場合、ｔ＝ｄとなる。
【０１０５】
なお、本実施形態において記述される平均ベクトル及び標準偏差ベクトルは、それぞれ統計的な平均及び標準偏差を表す。当然のことながら、統計的な平均及び標準偏差が得られる方法であれば、結合領域識別部４４は、上記と異なる方法を用いて結合領域識別パラメータを算出する構成であってもよい。
【０１０６】
図８は、全体識別パラメータ保存部６５に全体識別パラメータを設定する処理の例を示す。
【０１０７】
制御部４０の全体識別部４５は、まず、全体識別パラメータ保存部６５により保存されている全体識別パラメータを初期化する（ステップＳ４１）。全体識別パラメータは、全体識別部４５により実行される全体識別処理に用いられる具体的な数値である。
【０１０８】
全体識別パラメータｗ´ｊは、如何なる数字であってもよい。即ち、全体識別パラメータｗ´ｊは、数式１９に表される条件内で設定される。
【数１９】
【０１０９】
ここでは、ｍ個の結合領域のうちのｊ番目の結合領域の全体識別パラメータをｗ´ｊとする。全体識別部４５は、全体識別パラメータを初期化する場合、数式２０に示すｗ´ｊを全体識別パラメータ保存部６５に全体識別パラメータの初期値として格納する。
【数２０】
【０１１０】
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ４２）。
【０１１１】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ４３）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【０１１２】
領域結合部４３は、画像分割結果と、領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉとに基づいて、領域結合結果を取得する（ステップＳ４４）。即ち、領域結合部４３は、画像分割処理により分割されたｎ個の領域を、領域結合パラメータｋｉに基づいてｍ個の結合領域に結合する。
【０１１３】
結合領域識別部４４は、入力画像Ｘ（ｔ）に基づいて取得された領域結合結果ｘ´ｊと、結合領域識別パラメータのベクトルμ´ｉ及びσ´ｉと、次の数式２１とに基づいて、結合領域識別結果ｏ´ｊを取得する（ステップＳ４５）。
【数２１】
【０１１４】
なお、ｏ´ｊは、ｍ個の結合領域のうちのｊ番目の結合領域の結合領域識別結果を示す。
【０１１５】
全体識別部４５は、結合領域識別結果ｏ´ｊと、全体識別パラメータｗ´ｊと、次の数式２２と、に基づいて全体識別結果Ｙ´を取得する（ステップＳ４６）。
【数２２】
【０１１６】
なお、Ｙ´（ｔ）は、制御部４０に入力された入力画像Ｘ（ｔ）に基づいて上記の画像分割処理、領域結合処理、結合領域識別処理、及び全体識別処理が行われた結果を示すものである。
【０１１７】
さらに、全体識別部４５は、全体識別結果Ｙ´（ｔ）と、次の数式２３とに基づいて、時刻ｔの結合誤差パラメータを算出する（ステップＳ４７）。
【数２３】
【０１１８】
なお、ε´（ｔ）は、結合誤差パラメータを示す。また、Ｒ´（ｔ）は、全体識別結果の望ましい（理想の）値であり、固定値である。即ち、全体識別結果Ｙ´（ｔ）とＲ´（ｔ）とが近いほど結合誤差パラメータε´（ｔ）の値が小さくなる。即ち、結合誤差パラメータε´（ｔ）の値が小さいほど、全体識別結果Ｙ´（ｔ）が良好であると判断することが出来る。
【０１１９】
またさらに、全体識別部４５は、全体識別結果Ｙ´（ｔ）と、次の数式２４とに基づいて、全体識別パラメータｗ´ｊを更新する（ステップＳ４８）。
【数２４】
【０１２０】
なお、αは、学習定数と呼ばれる定数である。αは、一般に、正の小さな値（例えば、0.1など）に設定されることが望ましい。
【０１２１】
学習定数αは、１回の繰り返し（学習）でどの程度全体識別パラメータｗ´ｊを更新するかを制御するための値である。学習定数αが大きな値である場合、１回で大きく全体識別パラメータｗ´ｊを更新することができるが、最適な値に定まりにくくなる可能性がある。逆に、学習定数αが小さすぎる値である場合、全体識別パラメータｗ´ｊを最適な値に近づける為に繰り返す学習の回数が嵩む可能性がある。そこで、学習定数αは、上記したような適切な値に設定されることが望ましい。
【０１２２】
全体識別部４５は、この全体識別処理の終了条件が満たされたかどうか判断する（ステップＳ４９）。例えば、全体識別部４５は、結合誤差パラメータε´（ｔ）が予め設定された閾値（スレッショルドレベル）未満の値になったか否か、などに基づいて、終了条件が満たされたか否かを判断する。
【０１２３】
終了条件が満たされていないと判断した場合、全体識別部４５は、ステップＳ４２に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ４２乃至ステップＳ４８の処理を行う。
【０１２４】
終了条件が満たされたと判断した場合、全体識別部４５は、上記の数式２４により算出した全体識別パラメータｗ´ｊを全体識別パラメータ保存部６５に保存する（ステップＳ５０）。
【０１２５】
上記したように、制御部４０により実行された辞書作成処理により、領域結合パラメータｋｉが領域結合パラメータ保存部６３に保存され、結合領域識別パラメータのベクトルσ´ｉ及びμ´ｉが結合領域識別パラメータ保存部６４に保存され、全体識別パラメータｗ´ｊが全体識別パラメータ保存部６５に保存される。
【０１２６】
次に、紙葉類１０の識別処理について説明する。
紙葉類処理装置１００は、上記した処理によりパラメータ記憶部６０に保存された各種のパラメータ（辞書）に基づいて、紙葉類１０の券種、真偽、及び正損などの識別を行う。
【０１２７】
図９は、紙葉類処理装置１００により実行される紙葉類１０の識別処理の例を示す。
制御部４０は、画像取得部３５、または入出力部９０から時刻ｔの入力画像Ｘ（ｔ）を受け取る（ステップＳ５１）。
【０１２８】
画像分割部４１は、入力画像Ｘ（ｔ）をｎ個の領域に分割し、画像分割結果を取得する（ステップＳ５２）。なお、前述の通り、本実施形態では、画像分割部４１は、１画素を１つの領域として分割する。この為、分割された領域の番号は、画素の番号と１対１で対応する。しかし、複数の画素が１つの領域として分割される場合、分割された領域の番号は、その領域に含まれる複数の画素の番号と１対多で対応する。
【０１２９】
領域結合部４３は、画像分割結果と、領域結合パラメータ保存部６３により保存されている領域結合パラメータｋｉとに基づいて、領域結合結果ｘ´ｊを取得する（ステップＳ５３）。即ち、領域結合部４３は、画像分割処理により分割されたｎ個の領域を、領域結合パラメータｋｉに基づいてｍ個の結合領域に結合する。
【０１３０】
結合領域識別部４４は、入力画像Ｘ（ｔ）に基づいて取得された領域結合結果ｘ´ｊと、結合領域識別パラメータのベクトルμ´ｉ及びσ´ｉとに基づいて、結合領域識別結果ｏ´ｊを取得する（ステップＳ５４）。
【０１３１】
全体識別部４５は、結合領域識別結果ｏ´ｊと、全体識別パラメータｗ´ｊと、に基づいて全体識別結果Ｙ´を取得する（ステップＳ５５）。
【０１３２】
結果出力部４６は、全体識別部４５により取得された全体識別結果Ｙ´を出力する（ステップＳ５６）。例えば、結果出力部４６は、全体識別結果Ｙ´を表示部８０に表示する。また、例えば、結果出力部４６は、全体識別結果Ｙ´を入出力部９０に接続される機器に出力する。
【０１３３】
制御部４０は、紙葉類１０の識別処理の終了条件が満たされたかどうか判断する（ステップＳ５７）。例えば、制御部４０は、紙葉類処理装置１００への紙葉類１０の供給が停止されたか否かなどに基づいて、終了条件が満たされたか否かを判断する。終了条件が満たされていないと判断した場合、制御部４０は、ステップＳ５１に移行し、次の入力画像Ｘ（ｔ）に基づいてステップＳ５１乃至ステップＳ５６の処理を行う。
【０１３４】
終了条件が満たされたと判断した場合、制御部４０は、紙葉類１０の識別処理を終了する。
【０１３５】
図１０は、紙葉類処理装置１００により実行される紙葉類１０の識別処理のデータの流れを示す。
【０１３６】
まず、紙葉類処理装置１００は、紙葉類１０から入力画像Ｘを取得する。紙葉類処理装置１００は、入力画像ＸからＸ１乃至Ｘｎの領域に分割する。
【０１３７】
さらに、紙葉類処理装置１００は、領域識別パラメータのベクトルμ１乃至μｎ、及びσ１乃至σｎに基づいて、領域Ｘ１乃至Ｘｎを、Ｘ´１乃至Ｘ´ｍの結合領域にクラスタリングする。
【０１３８】
またさらに、紙葉類処理装置１００は、結合領域識別パラメータのベクトルμ´１乃至μ´ｎ、及びσ´１乃至σ´ｎと、結合領域Ｘ´１乃至Ｘ´ｍとに基づいて、結合領域識別結果ｏ´１乃至ｏ´ｍを取得する。
【０１３９】
またさらに、紙葉類処理装置１００は、結合領域識別結果ｏ´１乃至ｏ´ｍと、全体識別パラメータｗ´１乃至ｗ´ｍとに基づいて、全体識別結果Ｙを取得する。
【０１４０】
次に、分割された領域の数を示すｎと、結合領域の数を示すｍの範囲条件について説明する。
【０１４１】
従来技術における１領域当りの領域識別処理の計算コストをｃｉとし、１領域当りの全体識別処理の計算コストをｄｉとする。この場合、ｃｉ及びｄｉは、次の数式２５及び２６のように表される。
【数２５】
【０１４２】
【数２６】
【０１４３】
また、上記の実施形態に係る紙葉類処理装置１００における１結合領域当りの結合領域識別処理の計算コストをｃ´ｊとし、１領域当りの全体識別処理の計算コストをｄ´ｊとし、領域結合処理の計算コストをｅ´ｉとする。この場合ｃ´ｊ、ｄ´ｊ、及びｅ´ｉは、次の数式２７、２８、及び２９のように表される。
【数２７】
【０１４４】
【数２８】
【０１４５】
【数２９】
【０１４６】
なお、本実施形態における結合領域識別処理と従来技術における領域識別処理とは、同様の処理であり、計算コストに差異がない。また、本実施形態における全体識別処理と従来技術における全体識別処理とは、同様の処理であり、計算コストに差異がない。この為、上記の数式２７及び２８に示すように、ｃ´ｊ＝ｃｉ、及びｄ´ｊ＝ｄｉが成り立つ。
【０１４７】
従来技術における紙葉類１０の識別処理の総計算コストは、次の数式３０のように表される。
【数３０】
【０１４８】
また、上記の実施形態における紙葉類１０の識別処理の総計算コストは、次の数式３１のように表される。
【数３１】
【０１４９】
ただし、
【数３２】
【０１５０】
は、それぞれ、（結合）領域識別処理、全体識別処理、及び領域結合処理の１領域あたりの平均計算コストを示す。
【０１５１】
Ｌ´とＬとの関係が、
【数３３】
【０１５２】
であれば、上記の実施形態は、従来の実施形態より高速に紙葉類１０の識別処理を行うことができる。
【０１５３】
数式３３のＬ´に数式３１を代入し、Ｌに数式３０を代入すると、
【数３４】
【０１５４】
【数３５】
【０１５５】
【数３６】
【０１５６】
となる。
【０１５７】
上記したように、ｎ及びｍは、
【数３７】
【０１５８】
という条件を満たす。
【０１５９】
したがって、分割された領域数ｎ及び結合領域数ｍは、次の数式３８を満たす範囲で設定されることが望ましい。
【数３８】
【０１６０】
数式３８の条件を満たすように領域数ｎ及び結合領域数ｍが設定される場合、本実施形態に係る紙葉類処理装置１００は、従来技術より高速に紙葉類１０の識別処理を行うことができる。
【０１６１】
数式３１に示されるように、紙葉類処理装置１００は、結合領域数ｍが少ないほど処理が高速になる。しかし、数式３８に示されるように、ｎ／（ｎ−ｍ）は、領域識別処理の１領域あたりの平均計算コストと全体識別処理の１領域あたりの平均計算コストとの和と、領域結合処理の１領域あたりの平均計算コストとの比を超えてはならない。
【０１６２】
また、数式３８に示されるように、領域結合処理の１領域あたりの平均計算コストは、領域識別処理の１領域あたりの平均計算コストと全体識別処理の１領域あたりの平均計算コストとの和よりも小さい値であることが必要である。
【０１６３】
このような条件を満たす領域数ｎ及び結合領域数ｍが設定された紙葉類処理装置１００によると、より高速、且つ効率的に紙葉類１０の識別処理を行うことができる。また、紙葉類処理装置１００は、特徴ベクトルの近い領域同士で結合領域を形成する。これにより、より高い精度で紙葉類１０の識別処理を行うことができる。
【０１６４】
上記した実施形態によると、より効率的に高い精度で紙葉類を識別する紙葉類処理装置、及び紙葉類処理装置により用いられる辞書の作成方法を提供することができる。
【０１６５】
なお、上述の各数式は、制御部４０のＲＯＭまたは不揮発性メモリなどに記憶され、ＣＰＵにより実行されるデータである。即ち、上述の各数式に関する演算処理は、制御部４０のＣＰＵにより実行される。
【０１６６】
なお、上述の各実施の形態で説明した機能は、ハードウエアを用いて構成するに留まらず、ソフトウエアを用いて各機能を記載したプログラムをコンピュータに読み込ませて実現することもできる。また、各機能は、適宜ソフトウエア、ハードウエアのいずれかを選択して構成するものであっても良い。
【０１６７】
なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組み合せてもよい。
【符号の説明】
【０１６８】
２０…供給部、２５…分離ローラ、３０…搬送系、３１…第１のゲート、３２…第１のスタッカ、３３…第２のゲート、３４…第２のスタッカ、３５…画像取得部、４０…制御部、４１…画像分割部、４２…領域識別部、４３…領域結合部、４４…結合領域識別部、４５…全体識別部、４６…結果出力部、５０…処理結果記憶部、５１…入力画像保存部、５２…画像分割結果保存部、５３…領域識別結果保存部、５４…領域結合結果保存部、５５…結合領域識別結果保存部、５６…全体識別結果保存部、６０…パラメータ記憶部、６１…画像分割パラメータ保存部、６２…領域識別パラメータ保存部、６３…領域結合パラメータ保存部、６４…結合領域識別パラメータ保存部、６５…全体識別パラメータ保存部、７０…操作部、８０…表示部、９０…入出力部、１００…紙葉類処理装置。
【特許請求の範囲】
【請求項１】
辞書としての領域結合パラメータを予め記憶するパラメータ記憶部と、
紙葉類を搬送する搬送部と、
前記搬送部により搬送される前記紙葉類から入力画像を取得する画像取得部と、
前記画像取得部により取得された前記入力画像を第１の数の領域に分割する画像分割部と、
前記画像分割部により分割された前記第１の数の領域を前記パラメータ記憶部により記憶されている前記領域結合パラメータに基づいて、第２の数の結合領域に結合する領域結合部と、
前記領域結合部により結合された前記第２の数の結合領域に基づいて、前記紙葉類を識別する識別部と、
前記識別部の識別結果に基づいて、前記紙葉類を区分する区分処理部と、
を具備する紙葉類処理装置。
【請求項２】
前記領域結合パラメータは、前記画像分割部により分割された前記第１の数の領域毎に、それぞれの領域が対応する結合領域を示す情報を含み、
前記結合領域を示す情報は、前記領域結合部により、前記領域結合部により結合された前記第２の数の結合領域毎に前記結合領域に含まれる領域の特徴ベクトルの中心パラメータが算出され、前記第１の数の領域毎に最も近い中心パラメータが特定され、最も近い中心パラメータに応じて更新される、
請求項１に記載の紙葉類処理装置。
【請求項３】
入力画像を取得し、
取得された前記入力画像を第１の数の領域に分割し、
分割された前記第１の数の領域毎に特徴ベクトルを取得し、
前記第１の数の領域毎の特徴ベクトルに基づいてクラスタリングを行い、前記第１の数の領域を第２の数の結合領域に結合し、
結合結果に基づいて、前記第１の数の領域毎に辞書としての領域結合パラメータを更新する、
紙葉類処理装置により用いられる辞書の作成方法。
【請求項４】
前記クラスタリングは、
分割された前記第１の数の領域毎に、それぞれの領域が対応する結合領域を示す前記領域結合パラメータを任意またはランダムに設定することと、
分割された前記第１の数の領域を前記領域結合パラメータに基づいて、第２の数の結合領域に結合することと、
結合した前記第２の数の結合領域毎に、前記結合領域に含まれる領域の前記特徴ベクトルの中心パラメータを算出することと、
前記第１の数の領域毎に最も近い前記中心パラメータを特定することと、
特定した前記中心パラメータに応じて、前記第１の数の領域を第２の数の結合領域に結合することと、
を有する請求項３に記載の辞書の作成方法。
【請求項５】
結合された前記第２の数の結合領域を識別し、結合領域識別結果を取得することと、
前記第２の数の結合領域の識別結果に基づいて全体識別結果を取得することと、
をさらに有し、
前記第１の数ｎ及び前記第２の数ｍは、前記結合領域識別結果を取得する処理の計算コストをｃとし、前記全体識別結果を取得する処理の計算コストをｄとし、前記第１の数の領域を第２の数の結合領域に結合する処理の計算コストをｅとする場合、
１＜ｎ／（ｎ−ｍ）＜（ｃ＋ｄ）／ｅを満たす数である、
請求項４に記載の辞書の作成方法。
【請求項６】
前記領域結合パラメータｋは、前記特徴ベクトルが有する平均ベクトルをμとし、前記特徴ベクトルが有する標準偏差ベクトルをσとし、前記中心パラメータをｖとした場合、k=argmin{||(μ，σ)−ｖ||}により算出される、
請求項４に記載の辞書の作成方法。
【請求項１】
辞書としての領域結合パラメータを予め記憶するパラメータ記憶部と、
紙葉類を搬送する搬送部と、
前記搬送部により搬送される前記紙葉類から入力画像を取得する画像取得部と、
前記画像取得部により取得された前記入力画像を第１の数の領域に分割する画像分割部と、
前記画像分割部により分割された前記第１の数の領域を前記パラメータ記憶部により記憶されている前記領域結合パラメータに基づいて、第２の数の結合領域に結合する領域結合部と、
前記領域結合部により結合された前記第２の数の結合領域に基づいて、前記紙葉類を識別する識別部と、
前記識別部の識別結果に基づいて、前記紙葉類を区分する区分処理部と、
を具備する紙葉類処理装置。
【請求項２】
前記領域結合パラメータは、前記画像分割部により分割された前記第１の数の領域毎に、それぞれの領域が対応する結合領域を示す情報を含み、
前記結合領域を示す情報は、前記領域結合部により、前記領域結合部により結合された前記第２の数の結合領域毎に前記結合領域に含まれる領域の特徴ベクトルの中心パラメータが算出され、前記第１の数の領域毎に最も近い中心パラメータが特定され、最も近い中心パラメータに応じて更新される、
請求項１に記載の紙葉類処理装置。
【請求項３】
入力画像を取得し、
取得された前記入力画像を第１の数の領域に分割し、
分割された前記第１の数の領域毎に特徴ベクトルを取得し、
前記第１の数の領域毎の特徴ベクトルに基づいてクラスタリングを行い、前記第１の数の領域を第２の数の結合領域に結合し、
結合結果に基づいて、前記第１の数の領域毎に辞書としての領域結合パラメータを更新する、
紙葉類処理装置により用いられる辞書の作成方法。
【請求項４】
前記クラスタリングは、
分割された前記第１の数の領域毎に、それぞれの領域が対応する結合領域を示す前記領域結合パラメータを任意またはランダムに設定することと、
分割された前記第１の数の領域を前記領域結合パラメータに基づいて、第２の数の結合領域に結合することと、
結合した前記第２の数の結合領域毎に、前記結合領域に含まれる領域の前記特徴ベクトルの中心パラメータを算出することと、
前記第１の数の領域毎に最も近い前記中心パラメータを特定することと、
特定した前記中心パラメータに応じて、前記第１の数の領域を第２の数の結合領域に結合することと、
を有する請求項３に記載の辞書の作成方法。
【請求項５】
結合された前記第２の数の結合領域を識別し、結合領域識別結果を取得することと、
前記第２の数の結合領域の識別結果に基づいて全体識別結果を取得することと、
をさらに有し、
前記第１の数ｎ及び前記第２の数ｍは、前記結合領域識別結果を取得する処理の計算コストをｃとし、前記全体識別結果を取得する処理の計算コストをｄとし、前記第１の数の領域を第２の数の結合領域に結合する処理の計算コストをｅとする場合、
１＜ｎ／（ｎ−ｍ）＜（ｃ＋ｄ）／ｅを満たす数である、
請求項４に記載の辞書の作成方法。
【請求項６】
前記領域結合パラメータｋは、前記特徴ベクトルが有する平均ベクトルをμとし、前記特徴ベクトルが有する標準偏差ベクトルをσとし、前記中心パラメータをｖとした場合、k=argmin{||(μ，σ)−ｖ||}により算出される、
請求項４に記載の辞書の作成方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１２−１５０７０９（Ｐ２０１２−１５０７０９Ａ）
【公開日】平成２４年８月９日（２０１２．８．９）
【国際特許分類】
【出願番号】特願２０１１−９８５８（Ｐ２０１１−９８５８）
【出願日】平成２３年１月２０日（２０１１．１．２０）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２４年８月９日（２０１２．８．９）
【国際特許分類】
【出願日】平成２３年１月２０日（２０１１．１．２０）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]