分光推定パラメーター生成装置およびその方法、分光推定装置、並びにコンピュータープログラム
【課題】少ないバンド数のマルチバンド画像からでも、高精度に分光反射率のスペクトルを推定することを可能とする。
【解決手段】複数の色票の分光分布を分光計測器により計測し（Ｓ１００）、マルチバンドカメラのバンド指示用データに初期値を設定し（Ｓ１２０）、バンド指示用データにより定まったときのカメラの分光感度と各色票からの光の分光特性とに基づいてカメラ出力信号を算出し（Ｓ１３０）、色票毎の分光分布とカメラ出力信号とから分光推定パラメーターの候補値を算出し（Ｓ１４０）、色票毎の分光分布と、分光推定パラメーターの候補値およびカメラ出力信号から算出される分光推定値との間で定義される評価関数が目標値に近づくようにバンド指示用データを初期値から順次変化させ（Ｓ１７０）、目標値に達したときの分光推定パラメーターを求め（Ｓ１６０）記憶する（Ｓ１８０）。
【解決手段】複数の色票の分光分布を分光計測器により計測し（Ｓ１００）、マルチバンドカメラのバンド指示用データに初期値を設定し（Ｓ１２０）、バンド指示用データにより定まったときのカメラの分光感度と各色票からの光の分光特性とに基づいてカメラ出力信号を算出し（Ｓ１３０）、色票毎の分光分布とカメラ出力信号とから分光推定パラメーターの候補値を算出し（Ｓ１４０）、色票毎の分光分布と、分光推定パラメーターの候補値およびカメラ出力信号から算出される分光推定値との間で定義される評価関数が目標値に近づくようにバンド指示用データを初期値から順次変化させ（Ｓ１７０）、目標値に達したときの分光推定パラメーターを求め（Ｓ１６０）記憶する（Ｓ１８０）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定するための分光推定パラメーターを生成する技術と、前記分光推定パラメーターを用いて被写体の分光反射率のスペクトルを推定する技術に関する。
【背景技術】
【０００２】
従来、被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定する方法が提案されている（特許文献１）。この種の推定方法では、マルチバンド画像の波長帯域（バンド）毎に、変換テーブルを予め作成し、被写体を撮影したマルチバンド画像から前記変換テーブルを用いて反射率に変換することによって、被写体の分光反射率のスペクトルを推定する。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００１−９９７１０号公報
【０００４】
しかしながら、前記従来の技術では、バンド数が多いマルチバンド画像からしか、高精度な分光反射率のスペクトルを推定することができないという問題があった。測定する各バンドは予め決められたもので、バンドの位置がマルチバンドカメラや被写体に最適なものとなっていないためであり、多数のバンド数のマルチバンド画像からしか、高精度に推定することができなかった。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本発明は、前記の課題を解決するためになされたものであり、少ないバンド数のマルチバンド画像からでも、高精度に分光反射率のスペクトルを推定することを可能とすることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
【０００７】
［適用例１］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する分光推定パラメーター生成装置であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する初期値設定部と、
複数の色票のそれぞれについての分光分布を計測する分光計測器と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出するカメラ出力算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力算出部によって算出されたカメラ出力信号とに基づいて、前記分光推定パラメーターの候補値を算出するパラメーター候補値算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める評価関数制御部と、
前記評価関数制御部によって求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶する記憶部と
を備える分光推定パラメーター生成装置。
【０００８】
適用例１の分光推定パラメーター生成装置によれば、バンド指示用データを初期値から順次変化させることで、分光計測器により計測した前記色票毎の分光分布と、分光分布を推定により求めた分光推定値との間で定義される評価関数が目標値に近づくように制御される。分光推定値は、分光推定パラメーターの候補値およびカメラ出力信号に基づいて算出される。そして、評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターとその前記バンド指示用データとが記憶部に記憶される。このために、マルチバンドカメラで撮影を行う際に、記憶部に記憶されたバンド指示用データを用いて、前記バンド指示用データから定まる波長帯域（バンド）となるように波長可変フィルターを駆動し、さらに、マルチバンド画像から被写体の分光反射率のスペクトルを推定する際に、記憶部に記憶された分光推定パラメーターを用いるようにすれば、少ないバンド数のマルチバンド画像から、高精度な分光反射率のスペクトルを推定することが可能となる。したがって、適用例１の分光推定パラメーター生成装置によれば、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することが可能な分光推定パラメーターを生成することができるという効果を奏する。
【０００９】
［適用例２］ 適用例１に記載の分光推定パラメーター生成装置であって、前記評価関数制御部は、前記分光推定パラメーターの候補値を順次変化させる構成を備える、分光推定パラメーター生成装置。
【００１０】
適用例２の分光推定パラメーター生成装置によれば、評価関数が非線形となった場合にも、評価関数の最適化が可能となる。このため、より高精度な分光推定を実現することのできる分光推定パラメーターの生成が可能となる。
【００１１】
［適用例３］ 適用例１または２に記載の分光推定パラメーター生成装置であって、前記評価関数は、等色関数を使った重み係数を含む、分光推定パラメーター生成装置。
【００１２】
適用例３の分光推定パラメーター生成装置によれば、色差まで考慮にいれた分光反射率のスペクトルの推定が可能となる。
【００１３】
［適用例４］ 適用例１ないし３のいずれかに記載の分光推定パラメーター生成装置であって、前記評価関数は、前記色票毎の分光分布に対する前記分光推定値の誤差の二乗ノルムによって定義される、分光推定パラメーター生成装置。
【００１４】
適用例４の分光推定パラメーター生成装置によれば、分光推定値を色票毎の分光分布に近づけることができる。
【００１５】
［適用例５］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定する分光推定装置であって、
前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターと、前記複数の波長帯域を特定することに用いるバンド指示用データとを記憶する推定装置側記憶部と、
前記推定装置側記憶部に記憶されている前記バンド指示用データを前記マルチバンドカメラに送ることによって、前記マルチバンドカメラに撮影する複数の波長帯域を指示するバンド指示部と、
前記マルチバンドカメラから前記各波長帯域で撮影されたマルチバンド画像を取得するマルチバンド画像取得部と、
前記推定装置側記憶部に記憶されている分光推定パラメーターを用いて、前記マルチバンド画像から前記分光反射率のスペクトルを演算する分光スペクトル演算部と
を備える分光推定装置。
【００１６】
適用例５の分光推定装置によれば、マルチバンドカメラに対して適正化された波長帯域を指定することができ、そうして得られたマルチバンド画像から分光反射率のスペクトルを演算するに際し、適正化された分光推定パラメーターを用いることができる。このために、前記分光推定装置では、マルチバンド画像から分光反射率のスペクトルを高精度に推定することができる。
【００１７】
［適用例６］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する方法であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定し、
複数の色票のそれぞれについての分光分布を分光計測器によって計測し、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求め、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する、分光推定パラメーター生成方法。
【００１８】
［適用例７］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成するためのコンピュータープログラムであって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する機能と、
複数の色票のそれぞれについての分光分布を分光計測器によって計測する機能と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める機能と、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する機能と
をコンピューターに実現させるコンピュータープログラム。
【００１９】
適用例６の分光推定パラメーター生成方法および適用例７のコンピュータープログラムは、適用例１の分光推定パラメーター生成装置と同様に、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することが可能な分光推定パラメーターを生成することができるという効果を奏する。
【００２０】
さらに、本発明は、前記適用例１ないし７以外の種々の形態で実現可能であり、例えば、適用例１ないし４に記載の分光推定パラメーター生成装置をマルチバンドカメラと共に備えた鮮度判定システムの形態で実現することが可能である。
【図面の簡単な説明】
【００２１】
【図１】本発明の第１実施例としての分光推定パラメーター生成装置１００の構成を概略的に示す説明図である。
【図２】分光推定パラメーター生成処理を示すフローチャートである。
【図３】マルチバンドカメラ４００の内部構成を概略的に示す説明図である。
【図４】分光推定パラメーター生成処理のステップＳ１３０で実行されるカメラ出力信号Ｄの算出処理を示すフローチャートである。
【図５】カメラ出力信号Ｄの算出処理の前半を図式化して示す説明図である。
【図６】カメラ出力信号Ｄの算出処理の後半を図式化して示す説明図である。
【図７】分光画像処理装置５００とその周辺を概略的に示す説明図である。
【図８】重み係数ｗと波長λとの関係を示すグラフである。
【図９】第２実施例における分光推定パラメーター生成処理を示すフローチャートである。
【発明を実施するための形態】
【００２２】
以下、本発明の実施の形態を実施例に基づいて説明する。
【００２３】
Ａ．第１実施例：
Ａ−１．分光推定パラメーター生成装置：
図１は、本発明の第１実施例としての分光推定パラメーター生成装置１００の構成を概略的に示す説明図である。図示するように、分光推定パラメーター生成装置１００は、分光計測器２００と電気的に接続されている。
【００２４】
分光推定パラメーター生成装置１００は、コンピュータープログラムを実行することにより種々の処理や制御を行うＣＰＵ１０と、コンピュータープログラムやデータ・情報を格納するＲＯＭ（メモリー、記憶部）３０と、一時的なデータの退避場所であるＲＡＭ４０と、入力インタフェース（Ｉ／Ｆ）５０と、出力インタフェース（Ｉ／Ｆ）６０とを備えている。分光推定パラメーター生成装置１００は、分光計測器２００で計測した分光分布のデータを入力インタフェース（Ｉ／Ｆ）５０を介して取得する。
【００２５】
ＲＯＭ３０は、各種のコンピュータープログラムや各種のデータを記憶する読み出し専用のメモリーである。コンピュータープログラムとしては、分光推定パラメーター生成処理用のプログラムが予め記憶されている。各種のデータとしては、図示するように、分光推定パラメーターの生成に用いられるフィルター分光感度ＥＴ、フォトダイオード分光感度ＰＤ、およびモニター表示色分光特性Ｃの各データが予め格納されている。これらＥＴ，ＰＳ，Ｃについては、後ほど詳述する。ＲＡＭ４０は、読み書き可能なメモリーである。
【００２６】
ＣＰＵ１０は、ＲＯＭ３０に格納された分光推定パラメーター生成処理用プログラムを実行することで、初期値設定部１２、カメラ出力算出部１４、パラメーター候補値算出部１６、および評価関数制御部１８を機能的に実現する。各部１２〜１８が順に実現されることで、ＣＰＵ１０は、分光計測器２００から得られた分光分布データに基づいて分光推定パラメーターＭを生成し、その生成された分光推定パラメーターＭを、中心波長データＢＤ（後述する）とともにＲＡＭ４０に保存する。
【００２７】
分光計測器２００は、被計測体からの光を分光器に通し、分光器から出力されるスペクトルを撮像素子の撮像面で受けることにより、前記被計測体の波長に対する特性を示す分光分布を計測する周知の機器であり、ここでは、被計測体をモニター３００の画面としている。
【００２８】
モニター３００は、複数の色票を一画面に同時に表示する。各色票は、所定の波長範囲（例えば可視光線３８０ｎｍ〜７８０ｎｍ）内の異なる波長帯域の光を出射する色見本で、例えば１００個とか、２００個用意されている。分光計測器２００は、モニター３００に表示された色票毎の分光分布を計測する。なお、モニター３００は、一または複数（使用する複数の色票のうちの幾つか）を画面に表示してもよい。この場合は、順に異なる色票を表示することを繰り返し、使用する色票全てを表示する。
【００２９】
なお、本実施例では、複数の色票は、モニター３００のカラー表示の形で提供されているが、これに換えて、各色を有するカラーチャートを用意し、このカラーチャートを光源で照射することで、複数の色票を提供する構成としてもよい。すなわち、本実施例では、分光計測器２００は、モニター３００が発する色光を色票として計測しているのに対して、カラーチャートを用いた場合は、カラーチャートからの反射光を色票として計測する。
【００３０】
Ａ−２．分光推定パラメーター生成処理：
前述したように、ＲＯＭ３０に格納された分光推定パラメーター生成処理用プログラムをＣＰＵ１０が実行することで、分光推定パラメーター生成処理が実現される。
【００３１】
図２は、分光推定パラメーター生成処理を示すフローチャートである。図示するように、処理が開始されると、ＣＰＵ１０は、分光計測器２００を駆動して、分光計測器２００により計測された分光分布のデータＩを取得する（ステップＳ１１０）。分光計測器２００を用いた計測は、モニター３００に表示された各色票を分光計測器２００で撮影することにより行なわれる。
【００３２】
ステップＳ１１０の実行後、ＣＰＵ１０は、マルチバンドカメラで撮影を行う波長帯域を特定しうる中心波長データＢＤに初期値を設定する処理を行う（ステップＳ１２０）。「マルチバンドカメラ」、「中心波長データ」を説明するために、マルチバンドカメラの構造について、次に説明する。
【００３３】
図３は、マルチバンドカメラ４００の内部構成を概略的に示す説明図である。図示するように、マルチバンドカメラ４００は、レンズユニット４１０、波長可変フィルター４２０、ＣＣＤ４３０、ＣＣＤＡＦＥ（Ａnalog Front End）４４０、および光源ユニット４５０等を備える。
【００３４】
レンズユニット４１０は、被写体Ｔ（被計測体）にフォーカスを合わせるオートフォーカス機構を備えないものであるが、オートフォーカス機構を備えるものとすることもできる。波長可変フィルター４２０は、透過波長域を変更可能な液晶エタロン型（ファブリペロー型）のフィルターが用いられている。ＣＣＤ４３０は、波長可変フィルター４２０を透過した光を光電変換して被写体像を表す電気信号を得る撮像デバイスである。ＣＣＤＡＦＥ４４０は、ＣＣＤ４３０の検出信号をデジタル化するためのものである。光源ユニット４５０は、被写体Ｔを照射するためのものである。
【００３５】
上記構成のマルチバンドカメラ４００では外部から、撮影を行う波長帯域の指示を波長可変フィルター４２０で順に受けることで、波長可変フィルター４２０の透過波長域が順に変更される。こうして、マルチバンドカメラ４００は、複数の波長帯域（マルチバンド）の感度で被写体Ｔを撮影することができる。
【００３６】
図２に戻って、ステップＳ１２０で初期値を設定する中心波長データＢＤは、マルチバンドカメラ４００の波長可変フィルター４２０に指示するためのデータであり、マルチバンドカメラ４００で撮影を行う複数の波長帯域（以下、「バンド」と呼ぶ）を特定するためのものである。本実施例では、中心波長で各バンドを特定するものとした。初期値としては、３８０ｎｍ、３８５ｎｍ、……、７８０ｎｍ、すなわち、３８０ｎｍから５ｎｍ間隔で７８０ｎｍまでの８１個のデータを用意し、この初期値を中心波長データＢＤに設定する。
【００３７】
なお、中心波長データＢＤの初期値は、上記８１個のデータに限る必要はなく、１０ｎｍ間隔の４１個のデータとしてもよく、複数であればいくつであってもよい。また、等間隔のデータである必要もない。さらに、範囲も可視光の範囲に限る必要はなく、３８０ｎｍ〜１１００ｎｍといった赤外光を含む範囲内のデータとしてもよい。さらに、各バンドを中心波長により特定する構成に換えて、各バンドの開始点の波長により特定される構成としてもよいし、各バンドの終了点の波長により特定される構成としてもよい。中心波長データＢＤは、適用例１に記載した「バンド指示用データ」に相当する。
【００３８】
次いで、ＣＰＵ１０は、中心波長データＢＤに応じたカメラ出力信号Ｄを算出する処理を実行する（ステップＳ１３０）。カメラ出力信号Ｄは、マルチバンドカメラ４００を用いて、中心波長データＢＤから定まる各バンドで被写体Ｔを撮影したときに得られるマルチバンド画像の信号値であり、次のようにして求める。
【００３９】
図４は、ステップＳ１３０で実行されるカメラ出力信号Ｄの算出処理を詳しく説明するためのフローチャートである。図示するように、この算出処理に処理が移行すると、ＣＰＵ１０は、中心波長データＢＤに応じたフィルター分光感度ＥＴをＲＯＭ３０から読み出す処理を行う（ステップＳ１３２）。
【００４０】
ＲＯＭ３０には、詳しくは、３８０ｎｍから７８０ｎｍまでの任意の波長（例えば、１ｎｍ毎の波長）を中心波長とするバンド毎のエタロンの感度が記憶されている。ステップＳ１３２では、これら多数のエタロンの感度の中から、中心波長データＢＤの各値に対応する各エタロンの感度を選択し、それらの集合をフィルター分光感度ＥＴとしてＲＯＭ３０から読み出す。なお、ＲＯＭ３０に予め記憶されるエタロンの各感度は、マルチバンドカメラ４００の機種に依存するデータであり、マルチバンドカメラ４００の当該機種用のものである。
【００４１】
図５および図６は、ステップＳ１３０におけるカメラ出力信号Ｄの算出処理を図式化して示す説明図である。ステップＳ１３２でＲＯＭ３０から読み出されるフィルター分光感度ＥＴは、図５（ａ）のグラフで示される。この図に示すように、フィルター分光感度ＥＴは、バンド１からバンドｍまでの各波長帯域の感度を示すものである。ｍは、ステップＳ１２０で設定した初期値に含まれるデータの数、すなわち８１である。バンド１は、３８０ｎｍを中心とする所定幅の波長帯域であり、バンド２は３８５ｎｍを中心とする所定幅の波長帯域であり、……、バンドｍは７８０ｎｍを中心とする所定幅の波長帯域である。
【００４２】
図４のステップＳ１３２の実行後、ＣＰＵ１０は、フォトダイオード分光感度ＰＤをＲＯＭ３０から読み出す処理を行う（ステップＳ１３４）。フォトダイオード分光感度ＰＤは、マルチバンドカメラ４００に備えられるＣＣＤ２３０を構成する素子（フォトダイオード）の感度であり、図５（ｂ）に示すように波長が大きくなるに従って増大する。なお、ＲＯＭ３０に記憶されるフォトダイオード分光感度ＰＤは、マルチバンドカメラ４００の機種に依存するデータであり、マルチバンドカメラ４００の当該機種用のものである。
【００４３】
続いて、ＣＰＵ１０は、ステップＳ１３２で読み出したフィルター分光感度ＥＴに、ステップＳ１３４で読み出したフォトダイオード分光感度ＰＤを掛け合わせることで、マルチバンドカメラ４００の分光感度（以下、「カメラ分光感度」と呼ぶ）Ｓを求める（ステップＳ１３６）。なお、カメラ分光感度Ｓも、マルチバンドカメラ４００の機種に依存するものとなる。
【００４４】
こうして得られるカメラ分光感度Ｓは、図５（ａ）と図５（ｂ）とを掛け合わせたものであることから、図５（ｃ）に示す特性となる。かかるカメラ分光感度Ｓは、次式（１）に示すようにｍ×ｎの行列を転置した行列として表すことができ、また、次式（２）に示すように表すことができる。ここで、ｍは既述したようにバンド数であり、ｎはモニター３００に表示される色票の数である。
【００４５】
【数１】
【００４６】
図４のステップＳ１３６の実行後、ＣＰＵ１０は、モニター表示色分光特性ＣをＲＯＭ３０から読み出す処理を行う（ステップＳ１３８）。モニター表示色分光特性Ｃは、前述したモニター３００に表示した各色票の分光分布を示すデータであり、各色票を測色計で測定して得られる。測色計としては、例えば、ＰＨＯＴＯ ＲＥＳＥＡＲＣＨ社製、「ＰＲ−６５０」を用いた。
【００４７】
図６（ｄ）に、モニター表示色分光特性Ｃを示した。 図６（ｄ）の上段が一の色票についての分光分布を示すグラフであり、図６（ｄ）の下段がＲＯＭ３０から読み出したモニター表示色分光特性Ｃを示す行列である。図６（ｄ）のグラフに示すように、一の色票についての分光分布は、波長毎の光の強度として示される。こうした分光分布をモニター３００に表示されたすべての色票について示したのがモニター表示色分光特性Ｃである。
【００４８】
モニター表示色分光特性Ｃは、図６（ｄ）の下段に示したｎ×ｍの行列にて表すことができる。ｎは色票の数であり、ｍはマルチバンドカメラ４００におけるバンド数である。この行列により、色票毎における各バンドの光の強度が示される。この行列の値は、測色計で測定した正しい値（精度の高い値）である。
【００４９】
図４のステップＳ１３８の実行後、ＣＰＵ１０は、ステップＳ１３８で読み出したモニター表示色分光特性Ｃに、ステップＳ１３６で算出されたカメラ分光感度Ｓを掛け合わせることで、マルチバンドカメラ４００から得られるマルチバンド画像の信号値であるカメラ出力信号Ｄを算出する（ステップＳ１３９）。
【００５０】
図６（ｆ）に、カメラ出力信号Ｄを示した。図６（ｆ）の上段が一の色票についてのカメラ出力信号を示すグラフであり、図６（ｆ）の下段がステップＳ１３９の算出結果であるカメラ出力信号Ｄを示す行列である。図６（ｆ）のグラフに示すように、一の色票についてのカメラ出力信号は、バンド毎の信号値として示される。こうした信号値分布をモニター３００に表示されたすべての色票について示したのがカメラ出力信号Ｄである。
【００５１】
カメラ出力信号Ｄは、図６（ｆ）の下段に示したｎ×ｍの行列にて表すことができる。ｎは色票の数であり、ｍはマルチバンドカメラ４００におけるバンド数である。この行列により、色票毎における各バンドの出力信号値が示される。図４のステップＳ１３９の実行後、「リターン」に抜けて、このカメラ出力信号Ｄの算出処理を終了する。
【００５２】
なお、このカメラ出力信号Ｄの算出処理では、ステップＳ１３６で、カメラ分光感度Ｓを一旦求めた後に、ステップＳ１３９でこのカメラ分光感度Ｓを用いてカメラ出力信号Ｄを求める構成としたが、これに換えて、ステップＳ１３６の処理を削除し、ステップＳ１３９で、フィルター分光感度ＥＴ、フォトダイオード分光感度ＰＤ、およびモニター表示色分光特性Ｃの三者からカメラ出力信号Ｄを求める構成としてもよい。
【００５３】
カメラ出力信号Ｄの算出処理を終了すると、ＣＰＵ１０は、図２のステップＳ１４０に処理を進める。ステップＳ１４０では、ＣＰＵ１０は、ステップＳ１１０で取得した分光分布のデータＩと、ステップＳステップＳ１３０で算出したカメラ出力信号Ｄとに基づいて、分光推定パラメーターＭを算出する処理を行う。
【００５４】
分光推定パラメーターＭは、被写体Ｔを撮影するマルチバンドカメラ４００から出力されるマルチバンド画像と、被写体Ｔの分光反射率のスペクトル（分光分布）との関係を表したものである。被写体Ｔの分光分布は、ステップＳ１１０で取得した、分光計測器２００による分光分布のデータ（以下、単に「分光分布」と呼ぶ）Ｉに相当する。このため、分光分布Ｉは、次式（３）で表すことができる。
【００５５】
【数２】
【００５６】
ここで、χは近似誤差を表す。式（３）から、近似誤差χの二乗ノルムは次式（４）から得ることができる。
【００５７】
【数３】
【００５８】
式（４）の両辺をＭで偏微分すると、次式（５）を得ることができる。
【００５９】
【数４】
【００６０】
式（５）の左辺が０のとき、Δ2は最小となるので、次式（６）が成立し、次式（７）を得ることができる。
【００６１】
【数５】
【００６２】
式（７）を変形して、次式（８）を得ることができる。
【００６３】
【数６】
【００６４】
ステップＳ１４０では、ステップＳ１１０で取得した分光分布Ｉと、ステップＳ１３０で算出したカメラ出力信号Ｄとを、式（８）に代入することで、分光推定パラメーターＭを算出する。
【００６５】
なお、式（８）が成立するのは、カメラ出力信号Ｄが正則である場合に限り、Ｄが正則でない場合には、Ｍｏｏｒｅ−ｐｅｎｒｏｓｅの一般化逆行列（pseudo-inverse）を用いて、次式（９）で表すことができる。
【００６６】
【数７】
【００６７】
したがって、Ｄが正則でない場合には、ステップＳ１４０では、ステップＳ１１０で取得した分光分布Ｉと、ステップＳステップＳ１３０で算出したカメラ出力信号Ｄとを、式（９）に代入することで、分光推定パラメーターＭを算出する。
【００６８】
前述したように、ステップＳ１２０で中心波長データＢＤに初期値を設定する処理を行っているが、この中心波長データＢＤが初期値となった状態は、マルチバンドカメラ４００において波長可変フィルター４２０が初期特性となる状態と言うことができる。この状態を、以下「初期フィルター特性」と呼ぶ。したがって、ステップＳ１４０の最初の実行時においては、初期フィルター特性に対する分光推定パラメーターＭが求められることになる。
【００６９】
なお、ステップＳ１４０における算出処理は、これまでに説明した演算方法に換えて、Ｗｉｎｅｒ推定やＭａｔｒｉｘＲを用いた演算方法によるものとすることができる。
【００７０】
ステップＳ１４０の実行後、ＣＰＵ１０は、ステップＳ１１０で取得した分光分布Ｉと、ステップＳ１３０で算出したカメラ出力信号Ｄと、ステップＳ１４０で算出した分光推定パラメーターＭとに基づいて、評価関数Ｆ（Ｓ）を算出する処理を行う（ステップＳ１５０）。
【００７１】
評価関数Ｆ（Ｓ）は、前述したカメラ分光感度Ｓの関数であり、前述した分光分布Ｉ、カメラ出力信号Ｄ、および分光推定パラメーターＭを用いて、次式（１０）に従って求めることができる。なお、カメラ出力信号Ｄ、分光分布Ｉ、およびカメラ分光感度Ｓの間には、次式（１１）に示す関係が成り立つ。
【００７２】
【数８】
【００７３】
すなわち、評価関数Ｆ（Ｓ）は、式（１０）に示すように、分光計測器２００により計測された分光分布Ｉに対する、分光推定パラメーターＭとカメラ出力信号Ｄの積である分光推定値の誤差の二乗ノルムによって定義される。
【００７４】
ステップＳ１５０の実行後、ＣＰＵ１０は、ステップＳ１５０で算出された評価関数Ｆ（Ｓ）が所定の閾値以下であるか否かを判定する（ステップＳ１６０）。ここで、所定の閾値以下でないと判定された場合、すなわち評価関数Ｆ（Ｓ）が所定の閾値よりも大きい（ステップＳ１６０：ＮＯ）には、ＣＰＵ１０は、中心波長データＢＤを構成する各値を微少量だけインクリメントする処理を行う（ステップＳ１７０）。微少量は、例えば０．１ｎｍである。すなわち、ステップＳ１７０では、最初の実行時には、初期値である３８０ｎｍ、３８５ｎｍ、……、７８０ｎｍから３８０．１ｎｍ、３８５．１ｎｍ、……、７８０．１ｎｍに変更し、その後、ステップＳ１７０を実行する毎に各値を０．１ｎｍずつ増大する。
【００７５】
なお、上記微少量は、０．１ｎｍに限る必要はなく、他の大きさとすることもできる。また、本実施例では、微少量をインクリメントする構成としたが、これに換えて、微少量だけデクリメントする構成としてもよい。要は、中心波長データＢＤを一方向に順にずらすことができれば、増大する方向、減少する方向のいずれであってもよい。また、ステップＳ１５０の処理は、非線形最適化処理によって行っても良い。
【００７６】
ステップＳ１７０の実行後、ＣＰＵ１０は、ステップＳ１３０に処理を戻して、ステップＳ１３０ないしＳ１６０の処理を繰り返し実行する。すなわち、ステップＳ１７０でインクリメントされた中心波長データＢＤに応じたステップＳ１３０ないしＳ１６０の処理が実行されることになる。この処理の繰り返しにより、ステップＳ１５０で算出された評価関数Ｆ（Ｓ）は所定の閾値に近づくように制御される。本実施例では、評価関数Ｆ（Ｓ）が所定の閾値以下となった場合（ステップＳ１６０：ＹＥＳ）に、評価関数Ｆ（Ｓ）は最小となったとみなして、便宜的に、評価関数Ｆ（Ｓ）が最適化されたとする。ステップＳ１３０ないしＳ１７０の繰り返しの処理は、具体的には、公知の最適化法、たとえば、ＢＦＧＳ法などの準ニュートン法や、共役勾配法などを用いて実現される。
【００７７】
上記最適化がなされたとき、すなわち、評価関数Ｆ（Ｓ）が所定の閾値以下となったときには、ステップＳ１６０で肯定判定されて、ＣＰＵ１０は、ステップＳ１８０に処理を進める。ステップＳ１８０では、ＣＰＵ１０は、この最適化がなされたときの中心波長データＢＤと分光推定パラメーターＭを、ＲＡＭ４０に保存する。なお、ＲＡＭ４０に保存した中心波長データＢＤと分光推定パラメーターＭは、必要に応じて、出力インタフェース６０から外部に送信する構成とすることができる。
【００７８】
ステップＳ１３０ないしＳ１７０の繰り返しの処理は、次式（１２）に示す演算処理を実行することに相当する。
【００７９】
【数９】
【００８０】
すなわち、式（１２）によれば、評価関数Ｆ（Ｓ）が最小となったときのＳの値が求められることになる。ステップＳ１８０の処理は、この求められたＳの値に対応する中心波長データＢＤと分光推定パラメーターＭを保存するものである。
【００８１】
なお、ステップＳ１３０でカメラ出力信号Ｄを算出する際に、ステップＳ１３２において、微少量だけインクリメントした各中心波長データに対するフィルター分光感度ＥＴが必要になるが、これらフィルター分光感度ＥＴは、ＲＯＭ３０に予め用意された波長毎のエタロンの感度から補間処理を行って、所望の中心波長に対するフィルター分光感度ＥＴを計算で生成するようにすればよい。
【００８２】
また、図２のフローチャートでは、評価関数Ｆ（Ｓ）が最適化しない場合のエラー処理については記載してないが、必要に応じて設ける構成とすればよい。例えば、ステップＳ１７０によるインクリメントの総量が所定量を経過しても、ステップＳ１６０で肯定判定されないような場合に、分光推定パラメーターの生成が不可であるとして、この分光推定パラメーター生成処理を一旦終了する。前記所定量（所定値）は、例えば、ステップＳ１２０で設定した中心波長データＢＤの初期値の間隔（本実施例では５ｎｍ）とする。
【００８３】
以上のように構成された分光推定パラメーター生成装処理によれば、分光計測器２００により計測された正解値である分光分布Ｉに分光推定値（＝Ｍ・Ｄ）が近づくように、分光推定パラメーターＭを定めることができ、こうした分光推定パラメーターＭを、分光推定パラメーターＭに適した中心波長データＢＤとともに、ＲＡＭ４０に保存しておくことができる。換言すれば、前記分光推定パラメーター生成装処理によれば、分光推定パラメーターＭの最適化と、中心波長データＢＤにより定まるマルチバンドカメラのバンドの最適化とが共になされていると言え、両最適化によって得られた最適な分光推定パラメーターＭと最適な中心波長データＢＤとが保存されることになる。なお、ここで言う「最適化」および「最適」とは、先に説明したように、評価関数が最小値となったときのものではなく、評価関数が所定の閾値以下となったときのものであり、厳密に言えば「最適」と言えず「適正」を意味する。
【００８４】
なお、本実施例では、前述したように、評価関数が所定の閾値以下となるときを「最適化された」とみなしていたが、これに替えて、評価関数が最小となったときを「最適化」したとしてステップＳ１８０に抜ける構成としてもよい。すなわち、適用例１に記載した「目標値」とは、本実施例のように所定の閾値であってもよいし、評価関数がとりうる値の最小値であってもよい。
【００８５】
なお、ＣＰＵ１０で実行されるステップＳ１２０の処理が初期値設定部１２（図１）に、ステップＳ１３０の処理がカメラ出力算出部１４に、ステップＳ１４０の処理がパラメーター候補値算出部１６に、ステップＳ１３０ないしＳ１７０の繰り返しが評価関数制御部１８にそれぞれ相当する。
【００８６】
Ａ−３．分光画像処理装置：
分光推定パラメーター生成装置１００により生成された分光推定パラメーターＭと中心波長データＢＤとを利用する分光画像処理装置５００について、次に説明する。
【００８７】
図７は、分光画像処理装置５００とその周辺を概略的に示す説明図である。図示するように、分光画像処理装置５００にマルチバンドカメラ６００と表示装置７００とが電気的に接続されている。
【００８８】
分光画像処理装置５００は、被写体Ｔをマルチバンドカメラ６００で撮影して得られたマルチバンド画像から前記被写体Ｔの分光反射率のスペクトルを推定し、その推定結果から被写体Ｔの特定成分に関する特徴量を検量し、被写体Ｔを診断する装置である。本実施例では、被写体Ｔを緑色野菜とし、被写体Ｔの特定成分をクロロフィルとすることで、分光画像処理装置５００は、緑色野菜のクロロフィル量を検量し、そのクロロフィル量から緑色野菜の鮮度を診断する。
【００８９】
分光画像処理装置５００は、コンピュータープログラムを実行することにより種々の処理や制御を行うＣＰＵ５１０と、コンピュータープログラムやデータ・情報を格納するメモリー５３０（推定装置側記憶部）と、マルチバンドカメラ６００から画像データを受け取るとともに、表示装置７００に鮮度診断の結果を送る入出力インタフェース（Ｉ／Ｆ）５５０と、を備えている。
【００９０】
メモリー５３０には、先に説明した分光推定パラメーター生成装置１００により生成された分光推定パラメーターＭと中心波長データＢＤが予め記憶されている。また、メモリー５３０には、鮮度判定用プログラム（図示せず）が予め記憶されている。なお、分光推定パラメーターＭと中心波長データＢＤは、予め記憶された構成に替えて、必要に応じて、インターネット等のネットワークを介して外部から取得し、メモリー５３０に記憶する構成としてもよい。
【００９１】
ＣＰＵ５１０は、メモリー５３０に記憶された鮮度判定用プログラムを実行することで、測定帯域指示部５１２、分光推定部５１４、検量・診断部５１６を機能的に実現する。測定帯域指示部５１２は、メモリー５３０から中心波長データＢＤを読み出して、中心波長データＢＤに含まれる各要素をマルチバンドカメラ６００に送信する。
【００９２】
マルチバンドカメラ６００は、前述したマルチバンドカメラ４００（図３）と同一、もしくは同一の機種のものである。すなわち、マルチバンドカメラ６００は、分光推定パラメーター生成装置１００のＲＯＭ３２に記憶されているフィルター分光感度ＥＴとフォトダイオード分光感度ＰＤに合致した機種のものである。マルチバンドカメラ６００は、測定帯域指示部５１２により指示された中心波長データＢＤの各要素に基づいて波長可変フィルター４２０（図３）の透過波長域を順に変更して、複数のバンドのそれぞれで被写体Ｔを撮影し、その撮影結果であるマルチバンド画像を分光画像処理装置５００に送る。分光画像処理装置５００の入出力インタフェース５５０はそのマルチバンド画像を取得する。入出力インタフェース５５０は、適用例５における「マルチバンド画像取得部」に対応している。
【００９３】
分光画像処理装置５００の分光推定部５１４は、マルチバンドカメラ６００から送られてくるマルチバンド画像から被写体Ｔの分光反射率のスペクトルを推定する。分光推定部５１４は、この推定を、メモリー５３０に記憶されている分光推定パラメーターＭを用いて行う。詳しくは、次式（１３）に従う演算処理を行う。
【００９４】
【数１０】
【００９５】
式（１３）において、ｘはマルチバンド画像の所定位置の値（画素値）を示す行列であり、ｐはその所定位置に対応した部分における分光スペクトルを示す行列である。「マルチバンド画像の所定位置の画素値」とはマルチバンド画像を構成する各バンド画像の所定位置の画素値のことであり、「その所定位置に対応した部分」とはその所定位置に対応した被写体上の位置のことである。この結果、被写体Ｔの所定位置の分光反射率のスペクトルを推定することができる。分光推定部５１４は、適用例５における「分光スペクトル演算部」に対応している。
【００９６】
検量・診断部５１６は、分光推定部５１４により求められた分光反射率のスペクトルに基づいて、クロロフィル量を検量し、その検量結果に応じて被写体Ｔである緑色野菜の鮮度を診断する。新鮮な野菜は、約７００ｎｍ辺りでクロロフィルによる光の吸収が起こることから、クロロフィルによる光の吸収が起こる波長（約７００ｎｍ）周辺の分光反射率が小さいものほどクロロフィル量が多いとすることができる。そしてそのクロロフィル量が多いほど、鮮度が高いと診断する。例えば、クロロフィル量が所定値ａ以上であるときは鮮度が「優」であるとし、クロロフィル量が所定値ａを下回り且つ所定値ｂ（＜ａ）以上であるときは鮮度が「良」であるとし、クロロフィル量が所定値ｂを下回るときは鮮度が「不良」であるとする。検量・診断部５１６は、その診断結果を、入出力インタフェース５５０を介して表示装置７００に表示する。
【００９７】
前記構成の分光画像処理装置５００によれば、分光推定パラメーター生成装置１００により生成された分光推定パラメーターＭを利用することで、被写体Ｔの分光反射率のスペクトルを高精度に推定することができ、その結果、被写体Ｔである緑色野菜の鮮度を高精度に診断することができる。さらに、マルチバンドカメラ６００で撮影を行う際に、分光推定パラメーターＭと対となった中心波長データＢＤに基づいて波長可変フィルターを駆動することで、分光推定パラメーターＭに合致したバンドでの撮影を可能としている。したがって、本実施例における分光画像処理装置５００によれば、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することができる。具体的には、例えば３〜１０程度のバンド数でも高精度の推定が可能となる。なお、測定するバンド数が少なくて済むということは、撮影時間が少なくて済むという副次的な効果を奏する。
【００９８】
一方、本実施例における分光推定パラメーター生成装置１００からみれば、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することが可能な分光推定パラメーターを生成することができるという効果を奏する、と言える。
【００９９】
なお、本実施例における分光画像処理装置５００では、検量する特定成分をクロロフィルとして緑色野菜の鮮度を判定する構成としたが、これに替えて、検量する特定成分をオレイン酸として肉の美味しさ判定する構成、検量する特定成分をコラーゲンとして人肌のハリを判定する構成等とすることができる。こうした場合、検量・診断部における処理のためのパラメーターを、検量しようとする特定成分に応じたものに変更する必要があるが、メモリー５３０に保存した分光推定パラメーターＭと中心波長データＢＤは変更する必要がない。すなわち、検量する特定成分の種類にかかわらず、分光推定パラメーターＭと中心波長データＢＤは共通して用いることができる。本実施例の分光推定パラメーター生成装置１００で生成された分光推定パラメーターＭと中心波長データＢＤは、検量する特定成分に関わらないように、広い波長範囲に対応しているためである。
【０１００】
従来技術の手法でも、分光推定パラメーターを、検量する特定成分に関わらないよう、広い波長範囲に対応可能とすることはできるが、その場合、マルチバンドカメラからのマルチバンド画像のバンド数を、例えば５０〜１００というように多くする必要がある。これに対して、本実施例における分光推定パラメーター生成装置１００は、先に説明したように、測定するバンド数が少なくて済む。すなわち、本実施例の分光推定パラメーター生成装置１００は、広い波長範囲にわたって分光分布を推定可能でありながら、測定するバインド数が少なくて済む分光推定パラメーターを作成することができるという効果を奏する。
【０１０１】
Ａ−４．変形例：
前述した第１実施例の変形例について、次に説明する。この変形例は、第１実施例と比較して、ステップＳ１５０で算出する評価関数Ｆ（Ｓ）が相違し、その他の構成については同一である。この変形例における評価関数Ｆ（Ｓ）は、次式（１４）に示すものである。
【０１０２】
【数１１】
【０１０３】
式（１４）において、λは波長を示し、ｗ（λ）は重み係数である。このため、式（１４）に示す評価関数Ｆ（Ｓ）によれば、波長毎に重み係数ｗ（λ）を考慮した最適化が可能となる。重み係数ｗ（λ）は、例えば、次式（１５）で示すものとすることができる。
【０１０４】
【数１２】
【０１０５】
式（１５）において、ｚ（λ）は等色関数であり、ｄｉａｇは行列の対角成分を取り出すことを示す。
【０１０６】
図８は、重み係数ｗと波長λとの関係を示すグラフである。図示するように、重み係数ｗ（λ）は等色関数のグラフに似通ったものとなる。
【０１０７】
この変形例によれば、Ｆ（Ｓ）を最小とするように推定した中心波長により駆動したフィルターを通して得られるカメラ出力信号Ｄから推定されるスペクトルは、視覚に独特な性質である色差を基準に最適化した場合と等価となる。したがって、この変形例によれば、色差まで考慮にいれた分光反射率のスペクトルの推定が可能となる。
【０１０８】
なお、前記変形例では、推定されるスペクトルは、計測スペクトルとの単純な二乗誤差をとると大きな誤差を含むものとする。したがって、第１実施例のおける式（１０）に示す評価関数Ｆ（Ｓ）を使うか、変形例における式（１３）に示す評価関数Ｆ（Ｓ）を使うかは、分光分布の推定精度を重視するか、色差まで考慮にいれるか等、目的に応じて使い分けるのが好ましい。
【０１０９】
なお、評価関数については、第１実施例で説明したもの、あるいは変形例で説明したものに限る必要はなく、例えば、二乗誤差と最大誤差の重み付けの和による評価関数等、種々のものとすることができる。すなわち、評価関数は、分光計測器により計測した前記色票毎の分光分布と、分光推定値との間で定義されるものであれば、その他の要因を含むものとすることができる。
【０１１０】
Ｂ．第２実施例：
本発明の第２実施例について、次に説明する。第２実施例の分光推定パラメーター生成装置は、前述した第１実施例の分光推定パラメーター生成装置１００と同一のハードウェア構成を備え、ソフトウェアの構成、すなわち、ＣＰＵ１０で実行される分光推定パラメーター生成処理の内容だけが相違する。なお、第１実施例と同じ構成については、第１実施例と同じ符号を用いて、以下の説明を行う。
【０１１１】
図９は、第２実施例における分光推定パラメーター生成処理を示すフローチャートである。図中のステップＳ１１０ないしＳ１４０は第１実施例と同じ処理で、第１実施例と同じ番号を付けた。ステップＳ１４０の実行後、ＣＰＵ１０は、ステップＳ１１０で取得した分光分布Ｉと、ステップＳ１３０で算出したカメラ出力信号Ｄと、ステップＳ１４０で算出した分光推定パラメーターＭとに基づいて、評価関数Ｆ（Ｍ，Ｓ）を算出する処理を行う（ステップＳ２５０）。
【０１１２】
第１実施例では、評価関数Ｆはカメラ分光感度Ｓの関数としたが、本実施例では、評価関数Ｆはカメラ分光感度Ｓと分光推定パラメーターＭとの関数とした。評価関数Ｆが線形の場合、第１実施例のように評価関数ＦはＳの関数とすればよいが、これに対して、モニター表示色分光特性や被写体の色の階調変化等に起因して、評価関数Ｆが非線形となった場合、カメラ分光感度Ｓだけで評価関数Ｆは決まらない。そこで、この第２実施例では、評価関数ＦはＳとＭの関数とした。
【０１１３】
評価関数Ｆ（Ｍ，Ｓ）は、次式（１６）に従って求めることができる。なお、カメラ出力信号Ｄ、分光分布Ｉ、およびカメラ分光感度Ｓの間には、次式（１７）に示す関係が成り立つ。
【０１１４】
【数１３】
【０１１５】
ステップＳ２５０の実行後、ＣＰＵ１０は、ステップＳ２５０で算出された評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下であるか否かを判定する（ステップＳ２６０）。ここで、所定の閾値以下でないと判定された場合、すなわち評価関数Ｆ（Ｍ，Ｓ）が所定の閾値よりも大きい（ステップＳ２６０：ＮＯ）場合には、ＣＰＵ１０は、分光推定パラメーターＭの各要素を微少量だけインクリメントする処理を行う（ステップＳ２７０）。その後、ＣＰＵ１０は、ステップＳ２７０によるインクリメントの総量が所定値を上回ったか否かを判定する（ステップＳ２８０）。所定値は、後ほど中心波長データＢＤの各値を微少量だけインクリメントした際に分光指定パラメーターＭが最大変化する量を想定して予め決めた量である。
【０１１６】
ステップＳ２８０で、インクリメントの総量が所定値以下である（ステップＳ２８０：ＮＯ）と判定された場合には、ステップＳ２５０に処理を戻して、ステップＳ２５０ないしＳ２７０の処理を繰り返し実行する。すなわち、カメラ分光感度Ｓは固定した状態で、ステップＳ２５０ないしＳ２７０を繰り返すことで分光推定パラメーターＭの各要素の値をずらしながら、評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下となるか否かを判定する。
【０１１７】
評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下となることなく、ステップＳ２８０で、インクリメントの総量が所定値を上回ったと判定される（ステップＳ２８０：ＹＥＳ）と、ＣＰＵ１０は、中心波長データＢＤを構成する各値を微少量だけインクリメントする処理を行う（ステップＳ２９０）。この処理は、第１実施例におけるステップＳ１７０の処理と同一であり、微少量は、例えば０．１ｎｍである。なお、このステップＳ２９０の実行時には、ステップＳ２７０におけるインクリメントの総量は一旦ゼロにリセットする。
【０１１８】
ステップＳ２９０の実行後、ＣＰＵ１０は、ステップＳ１３０に処理を戻して、ステップＳ１３０ないしＳ２９０の処理を繰り返し実行する。すなわち、ステップＳ２９０でインクリメントされた中心波長データＢＤに応じたステップＳ１３０ないしＳ１６０の処理が実行されることになる。この処理の繰り返しにより、中心波長データＢＤを構成する各値を微少量ずつ順にインクリメントし、各インクリメントされた時々の中心波長で（すなわち、カメラ分光感度Ｓは固定した状態で）、分光推定パラメーターＭの各要素の値をずらしながら、評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下となるか否かを判定する。
【０１１９】
ステップＳ２６０で、評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下であると判定されたとき（ステップＳ２６０：ＹＥＳ）、すなわち、評価関数Ｆ（Ｍ，Ｓ）が最適化されたとみなされた場合には、ＣＰＵ１０は、この最適化がなされた（第１実施例と同様に最適化されたとみなす）ときの中心波長データＢＤと分光推定パラメーターＭを保存する（ステップＳ３００）。この処理は、第１実施例におけるステップＳ１８０の処理と同一である。ステップＳ３００の実行後、この分光推定パラメーター生成処理を終了する。
【０１２０】
ステップＳ１３０ないしＳ２９０の繰り返しの処理は、次式（１８）に示す演算処理を実行することに相当する。
【０１２１】
【数１４】
【０１２２】
すなわち、式（１８）によれば、評価関数Ｆ（Ｍ，Ｓ）が最小となったときのM,Ｓの値が求められることになる。
【０１２３】
以上のように構成された第２実施例の分光推定パラメーター生成装置は、第１実施例の分光推定パラメーター生成装置１００と同様に、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することができる。特に本実施例では、評価関数Ｆが非線形となった場合にも、評価関数Ｆを目標値に適正化することができる。このため、より高精度な分光推定を実現することのできる分光推定パラメーターの生成が可能となる。
【０１２４】
なお、前述した第２実施例の変形例として、第１実施例に対する変形例と同じ構成を採用することもできる。すなわち、評価関数Ｆ（Ｍ，Ｓ）を、波長に応じた重み係数ｗ（λ）を考慮したものとすることができる。この構成によれば、第１実施例の変形例と同様に、色差まで考慮にいれた分光反射率のスペクトルの推定が可能となる。
【０１２５】
Ｃ．他の実施形態：
この発明は第１および第２実施例やそれらの変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような実施形態も可能である。
【０１２６】
・実施形態１：
前記各実施例および各変形例では、分光推定パラメーターを生成する分光推定パラメーター生成装置１００と、その分光推定パラメーターの利用を図る分光画像処理装置５００とは別々の装置であったが、これに替えて、両者を一体とすることもできる。例えば、汎用のパーソナルコンピューターを用意し、分光推定パラメーター生成装置１００の機能と分光画像処理装置５００の機能とをパーソナルコンピューターに持たせる構成としてもよい。
【０１２７】
・実施形態２：
前記各実施例および各変形例において、ソフトウェアによって実現した機能は、ハードウェアによって実現するものとしてもよい。
【０１２８】
なお、前述した各実施例および各変形例における構成要素の中の、独立請求項で記載された要素以外の要素は、付加的な要素であり、適宜省略可能である。
【符号の説明】
【０１２９】
１０…ＣＰＵ
１２…初期値設定部
１４…カメラ出力算出部
１６…パラメーター候補値算出部
１８…評価関数制御部
３０…ＲＯＭ
４０…ＲＡＭ
６０…出力インタフェース
１００…分光推定パラメーター生成装置
２００…分光計測器
３００…モニター
４００…マルチバンドカメラ
４１０…レンズユニット
４２０…波長可変フィルター
４５０…光源ユニット
５００…分光画像処理装置
５１０…ＣＰＵ
５１２…測定帯域指示部
５１４…分光推定部
５１６…検量・診断部
５３０…メモリー
５５０…入出力インタフェース
６００…マルチバンドカメラ
７００…表示装置
Ｃ…モニター表示色分光特性
ＥＴ…フィルター分光感度
ＰＤ…フォトダイオード分光感度
Ｍ…分光推定パラメーター
Ｄ…カメラ出力信号
Ｓ…カメラ分光感度
Ｉ…分光分布
Ｆ…評価関数
Ｔ…被写体
ＢＤ…中心波長データ
【技術分野】
【０００１】
本発明は、被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定するための分光推定パラメーターを生成する技術と、前記分光推定パラメーターを用いて被写体の分光反射率のスペクトルを推定する技術に関する。
【背景技術】
【０００２】
従来、被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定する方法が提案されている（特許文献１）。この種の推定方法では、マルチバンド画像の波長帯域（バンド）毎に、変換テーブルを予め作成し、被写体を撮影したマルチバンド画像から前記変換テーブルを用いて反射率に変換することによって、被写体の分光反射率のスペクトルを推定する。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００１−９９７１０号公報
【０００４】
しかしながら、前記従来の技術では、バンド数が多いマルチバンド画像からしか、高精度な分光反射率のスペクトルを推定することができないという問題があった。測定する各バンドは予め決められたもので、バンドの位置がマルチバンドカメラや被写体に最適なものとなっていないためであり、多数のバンド数のマルチバンド画像からしか、高精度に推定することができなかった。
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本発明は、前記の課題を解決するためになされたものであり、少ないバンド数のマルチバンド画像からでも、高精度に分光反射率のスペクトルを推定することを可能とすることを目的とする。
【課題を解決するための手段】
【０００６】
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態または適用例として実現することが可能である。
【０００７】
［適用例１］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する分光推定パラメーター生成装置であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する初期値設定部と、
複数の色票のそれぞれについての分光分布を計測する分光計測器と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出するカメラ出力算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力算出部によって算出されたカメラ出力信号とに基づいて、前記分光推定パラメーターの候補値を算出するパラメーター候補値算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める評価関数制御部と、
前記評価関数制御部によって求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶する記憶部と
を備える分光推定パラメーター生成装置。
【０００８】
適用例１の分光推定パラメーター生成装置によれば、バンド指示用データを初期値から順次変化させることで、分光計測器により計測した前記色票毎の分光分布と、分光分布を推定により求めた分光推定値との間で定義される評価関数が目標値に近づくように制御される。分光推定値は、分光推定パラメーターの候補値およびカメラ出力信号に基づいて算出される。そして、評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターとその前記バンド指示用データとが記憶部に記憶される。このために、マルチバンドカメラで撮影を行う際に、記憶部に記憶されたバンド指示用データを用いて、前記バンド指示用データから定まる波長帯域（バンド）となるように波長可変フィルターを駆動し、さらに、マルチバンド画像から被写体の分光反射率のスペクトルを推定する際に、記憶部に記憶された分光推定パラメーターを用いるようにすれば、少ないバンド数のマルチバンド画像から、高精度な分光反射率のスペクトルを推定することが可能となる。したがって、適用例１の分光推定パラメーター生成装置によれば、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することが可能な分光推定パラメーターを生成することができるという効果を奏する。
【０００９】
［適用例２］ 適用例１に記載の分光推定パラメーター生成装置であって、前記評価関数制御部は、前記分光推定パラメーターの候補値を順次変化させる構成を備える、分光推定パラメーター生成装置。
【００１０】
適用例２の分光推定パラメーター生成装置によれば、評価関数が非線形となった場合にも、評価関数の最適化が可能となる。このため、より高精度な分光推定を実現することのできる分光推定パラメーターの生成が可能となる。
【００１１】
［適用例３］ 適用例１または２に記載の分光推定パラメーター生成装置であって、前記評価関数は、等色関数を使った重み係数を含む、分光推定パラメーター生成装置。
【００１２】
適用例３の分光推定パラメーター生成装置によれば、色差まで考慮にいれた分光反射率のスペクトルの推定が可能となる。
【００１３】
［適用例４］ 適用例１ないし３のいずれかに記載の分光推定パラメーター生成装置であって、前記評価関数は、前記色票毎の分光分布に対する前記分光推定値の誤差の二乗ノルムによって定義される、分光推定パラメーター生成装置。
【００１４】
適用例４の分光推定パラメーター生成装置によれば、分光推定値を色票毎の分光分布に近づけることができる。
【００１５】
［適用例５］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定する分光推定装置であって、
前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターと、前記複数の波長帯域を特定することに用いるバンド指示用データとを記憶する推定装置側記憶部と、
前記推定装置側記憶部に記憶されている前記バンド指示用データを前記マルチバンドカメラに送ることによって、前記マルチバンドカメラに撮影する複数の波長帯域を指示するバンド指示部と、
前記マルチバンドカメラから前記各波長帯域で撮影されたマルチバンド画像を取得するマルチバンド画像取得部と、
前記推定装置側記憶部に記憶されている分光推定パラメーターを用いて、前記マルチバンド画像から前記分光反射率のスペクトルを演算する分光スペクトル演算部と
を備える分光推定装置。
【００１６】
適用例５の分光推定装置によれば、マルチバンドカメラに対して適正化された波長帯域を指定することができ、そうして得られたマルチバンド画像から分光反射率のスペクトルを演算するに際し、適正化された分光推定パラメーターを用いることができる。このために、前記分光推定装置では、マルチバンド画像から分光反射率のスペクトルを高精度に推定することができる。
【００１７】
［適用例６］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する方法であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定し、
複数の色票のそれぞれについての分光分布を分光計測器によって計測し、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求め、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する、分光推定パラメーター生成方法。
【００１８】
［適用例７］ 波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成するためのコンピュータープログラムであって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する機能と、
複数の色票のそれぞれについての分光分布を分光計測器によって計測する機能と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める機能と、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する機能と
をコンピューターに実現させるコンピュータープログラム。
【００１９】
適用例６の分光推定パラメーター生成方法および適用例７のコンピュータープログラムは、適用例１の分光推定パラメーター生成装置と同様に、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することが可能な分光推定パラメーターを生成することができるという効果を奏する。
【００２０】
さらに、本発明は、前記適用例１ないし７以外の種々の形態で実現可能であり、例えば、適用例１ないし４に記載の分光推定パラメーター生成装置をマルチバンドカメラと共に備えた鮮度判定システムの形態で実現することが可能である。
【図面の簡単な説明】
【００２１】
【図１】本発明の第１実施例としての分光推定パラメーター生成装置１００の構成を概略的に示す説明図である。
【図２】分光推定パラメーター生成処理を示すフローチャートである。
【図３】マルチバンドカメラ４００の内部構成を概略的に示す説明図である。
【図４】分光推定パラメーター生成処理のステップＳ１３０で実行されるカメラ出力信号Ｄの算出処理を示すフローチャートである。
【図５】カメラ出力信号Ｄの算出処理の前半を図式化して示す説明図である。
【図６】カメラ出力信号Ｄの算出処理の後半を図式化して示す説明図である。
【図７】分光画像処理装置５００とその周辺を概略的に示す説明図である。
【図８】重み係数ｗと波長λとの関係を示すグラフである。
【図９】第２実施例における分光推定パラメーター生成処理を示すフローチャートである。
【発明を実施するための形態】
【００２２】
以下、本発明の実施の形態を実施例に基づいて説明する。
【００２３】
Ａ．第１実施例：
Ａ−１．分光推定パラメーター生成装置：
図１は、本発明の第１実施例としての分光推定パラメーター生成装置１００の構成を概略的に示す説明図である。図示するように、分光推定パラメーター生成装置１００は、分光計測器２００と電気的に接続されている。
【００２４】
分光推定パラメーター生成装置１００は、コンピュータープログラムを実行することにより種々の処理や制御を行うＣＰＵ１０と、コンピュータープログラムやデータ・情報を格納するＲＯＭ（メモリー、記憶部）３０と、一時的なデータの退避場所であるＲＡＭ４０と、入力インタフェース（Ｉ／Ｆ）５０と、出力インタフェース（Ｉ／Ｆ）６０とを備えている。分光推定パラメーター生成装置１００は、分光計測器２００で計測した分光分布のデータを入力インタフェース（Ｉ／Ｆ）５０を介して取得する。
【００２５】
ＲＯＭ３０は、各種のコンピュータープログラムや各種のデータを記憶する読み出し専用のメモリーである。コンピュータープログラムとしては、分光推定パラメーター生成処理用のプログラムが予め記憶されている。各種のデータとしては、図示するように、分光推定パラメーターの生成に用いられるフィルター分光感度ＥＴ、フォトダイオード分光感度ＰＤ、およびモニター表示色分光特性Ｃの各データが予め格納されている。これらＥＴ，ＰＳ，Ｃについては、後ほど詳述する。ＲＡＭ４０は、読み書き可能なメモリーである。
【００２６】
ＣＰＵ１０は、ＲＯＭ３０に格納された分光推定パラメーター生成処理用プログラムを実行することで、初期値設定部１２、カメラ出力算出部１４、パラメーター候補値算出部１６、および評価関数制御部１８を機能的に実現する。各部１２〜１８が順に実現されることで、ＣＰＵ１０は、分光計測器２００から得られた分光分布データに基づいて分光推定パラメーターＭを生成し、その生成された分光推定パラメーターＭを、中心波長データＢＤ（後述する）とともにＲＡＭ４０に保存する。
【００２７】
分光計測器２００は、被計測体からの光を分光器に通し、分光器から出力されるスペクトルを撮像素子の撮像面で受けることにより、前記被計測体の波長に対する特性を示す分光分布を計測する周知の機器であり、ここでは、被計測体をモニター３００の画面としている。
【００２８】
モニター３００は、複数の色票を一画面に同時に表示する。各色票は、所定の波長範囲（例えば可視光線３８０ｎｍ〜７８０ｎｍ）内の異なる波長帯域の光を出射する色見本で、例えば１００個とか、２００個用意されている。分光計測器２００は、モニター３００に表示された色票毎の分光分布を計測する。なお、モニター３００は、一または複数（使用する複数の色票のうちの幾つか）を画面に表示してもよい。この場合は、順に異なる色票を表示することを繰り返し、使用する色票全てを表示する。
【００２９】
なお、本実施例では、複数の色票は、モニター３００のカラー表示の形で提供されているが、これに換えて、各色を有するカラーチャートを用意し、このカラーチャートを光源で照射することで、複数の色票を提供する構成としてもよい。すなわち、本実施例では、分光計測器２００は、モニター３００が発する色光を色票として計測しているのに対して、カラーチャートを用いた場合は、カラーチャートからの反射光を色票として計測する。
【００３０】
Ａ−２．分光推定パラメーター生成処理：
前述したように、ＲＯＭ３０に格納された分光推定パラメーター生成処理用プログラムをＣＰＵ１０が実行することで、分光推定パラメーター生成処理が実現される。
【００３１】
図２は、分光推定パラメーター生成処理を示すフローチャートである。図示するように、処理が開始されると、ＣＰＵ１０は、分光計測器２００を駆動して、分光計測器２００により計測された分光分布のデータＩを取得する（ステップＳ１１０）。分光計測器２００を用いた計測は、モニター３００に表示された各色票を分光計測器２００で撮影することにより行なわれる。
【００３２】
ステップＳ１１０の実行後、ＣＰＵ１０は、マルチバンドカメラで撮影を行う波長帯域を特定しうる中心波長データＢＤに初期値を設定する処理を行う（ステップＳ１２０）。「マルチバンドカメラ」、「中心波長データ」を説明するために、マルチバンドカメラの構造について、次に説明する。
【００３３】
図３は、マルチバンドカメラ４００の内部構成を概略的に示す説明図である。図示するように、マルチバンドカメラ４００は、レンズユニット４１０、波長可変フィルター４２０、ＣＣＤ４３０、ＣＣＤＡＦＥ（Ａnalog Front End）４４０、および光源ユニット４５０等を備える。
【００３４】
レンズユニット４１０は、被写体Ｔ（被計測体）にフォーカスを合わせるオートフォーカス機構を備えないものであるが、オートフォーカス機構を備えるものとすることもできる。波長可変フィルター４２０は、透過波長域を変更可能な液晶エタロン型（ファブリペロー型）のフィルターが用いられている。ＣＣＤ４３０は、波長可変フィルター４２０を透過した光を光電変換して被写体像を表す電気信号を得る撮像デバイスである。ＣＣＤＡＦＥ４４０は、ＣＣＤ４３０の検出信号をデジタル化するためのものである。光源ユニット４５０は、被写体Ｔを照射するためのものである。
【００３５】
上記構成のマルチバンドカメラ４００では外部から、撮影を行う波長帯域の指示を波長可変フィルター４２０で順に受けることで、波長可変フィルター４２０の透過波長域が順に変更される。こうして、マルチバンドカメラ４００は、複数の波長帯域（マルチバンド）の感度で被写体Ｔを撮影することができる。
【００３６】
図２に戻って、ステップＳ１２０で初期値を設定する中心波長データＢＤは、マルチバンドカメラ４００の波長可変フィルター４２０に指示するためのデータであり、マルチバンドカメラ４００で撮影を行う複数の波長帯域（以下、「バンド」と呼ぶ）を特定するためのものである。本実施例では、中心波長で各バンドを特定するものとした。初期値としては、３８０ｎｍ、３８５ｎｍ、……、７８０ｎｍ、すなわち、３８０ｎｍから５ｎｍ間隔で７８０ｎｍまでの８１個のデータを用意し、この初期値を中心波長データＢＤに設定する。
【００３７】
なお、中心波長データＢＤの初期値は、上記８１個のデータに限る必要はなく、１０ｎｍ間隔の４１個のデータとしてもよく、複数であればいくつであってもよい。また、等間隔のデータである必要もない。さらに、範囲も可視光の範囲に限る必要はなく、３８０ｎｍ〜１１００ｎｍといった赤外光を含む範囲内のデータとしてもよい。さらに、各バンドを中心波長により特定する構成に換えて、各バンドの開始点の波長により特定される構成としてもよいし、各バンドの終了点の波長により特定される構成としてもよい。中心波長データＢＤは、適用例１に記載した「バンド指示用データ」に相当する。
【００３８】
次いで、ＣＰＵ１０は、中心波長データＢＤに応じたカメラ出力信号Ｄを算出する処理を実行する（ステップＳ１３０）。カメラ出力信号Ｄは、マルチバンドカメラ４００を用いて、中心波長データＢＤから定まる各バンドで被写体Ｔを撮影したときに得られるマルチバンド画像の信号値であり、次のようにして求める。
【００３９】
図４は、ステップＳ１３０で実行されるカメラ出力信号Ｄの算出処理を詳しく説明するためのフローチャートである。図示するように、この算出処理に処理が移行すると、ＣＰＵ１０は、中心波長データＢＤに応じたフィルター分光感度ＥＴをＲＯＭ３０から読み出す処理を行う（ステップＳ１３２）。
【００４０】
ＲＯＭ３０には、詳しくは、３８０ｎｍから７８０ｎｍまでの任意の波長（例えば、１ｎｍ毎の波長）を中心波長とするバンド毎のエタロンの感度が記憶されている。ステップＳ１３２では、これら多数のエタロンの感度の中から、中心波長データＢＤの各値に対応する各エタロンの感度を選択し、それらの集合をフィルター分光感度ＥＴとしてＲＯＭ３０から読み出す。なお、ＲＯＭ３０に予め記憶されるエタロンの各感度は、マルチバンドカメラ４００の機種に依存するデータであり、マルチバンドカメラ４００の当該機種用のものである。
【００４１】
図５および図６は、ステップＳ１３０におけるカメラ出力信号Ｄの算出処理を図式化して示す説明図である。ステップＳ１３２でＲＯＭ３０から読み出されるフィルター分光感度ＥＴは、図５（ａ）のグラフで示される。この図に示すように、フィルター分光感度ＥＴは、バンド１からバンドｍまでの各波長帯域の感度を示すものである。ｍは、ステップＳ１２０で設定した初期値に含まれるデータの数、すなわち８１である。バンド１は、３８０ｎｍを中心とする所定幅の波長帯域であり、バンド２は３８５ｎｍを中心とする所定幅の波長帯域であり、……、バンドｍは７８０ｎｍを中心とする所定幅の波長帯域である。
【００４２】
図４のステップＳ１３２の実行後、ＣＰＵ１０は、フォトダイオード分光感度ＰＤをＲＯＭ３０から読み出す処理を行う（ステップＳ１３４）。フォトダイオード分光感度ＰＤは、マルチバンドカメラ４００に備えられるＣＣＤ２３０を構成する素子（フォトダイオード）の感度であり、図５（ｂ）に示すように波長が大きくなるに従って増大する。なお、ＲＯＭ３０に記憶されるフォトダイオード分光感度ＰＤは、マルチバンドカメラ４００の機種に依存するデータであり、マルチバンドカメラ４００の当該機種用のものである。
【００４３】
続いて、ＣＰＵ１０は、ステップＳ１３２で読み出したフィルター分光感度ＥＴに、ステップＳ１３４で読み出したフォトダイオード分光感度ＰＤを掛け合わせることで、マルチバンドカメラ４００の分光感度（以下、「カメラ分光感度」と呼ぶ）Ｓを求める（ステップＳ１３６）。なお、カメラ分光感度Ｓも、マルチバンドカメラ４００の機種に依存するものとなる。
【００４４】
こうして得られるカメラ分光感度Ｓは、図５（ａ）と図５（ｂ）とを掛け合わせたものであることから、図５（ｃ）に示す特性となる。かかるカメラ分光感度Ｓは、次式（１）に示すようにｍ×ｎの行列を転置した行列として表すことができ、また、次式（２）に示すように表すことができる。ここで、ｍは既述したようにバンド数であり、ｎはモニター３００に表示される色票の数である。
【００４５】
【数１】
【００４６】
図４のステップＳ１３６の実行後、ＣＰＵ１０は、モニター表示色分光特性ＣをＲＯＭ３０から読み出す処理を行う（ステップＳ１３８）。モニター表示色分光特性Ｃは、前述したモニター３００に表示した各色票の分光分布を示すデータであり、各色票を測色計で測定して得られる。測色計としては、例えば、ＰＨＯＴＯ ＲＥＳＥＡＲＣＨ社製、「ＰＲ−６５０」を用いた。
【００４７】
図６（ｄ）に、モニター表示色分光特性Ｃを示した。 図６（ｄ）の上段が一の色票についての分光分布を示すグラフであり、図６（ｄ）の下段がＲＯＭ３０から読み出したモニター表示色分光特性Ｃを示す行列である。図６（ｄ）のグラフに示すように、一の色票についての分光分布は、波長毎の光の強度として示される。こうした分光分布をモニター３００に表示されたすべての色票について示したのがモニター表示色分光特性Ｃである。
【００４８】
モニター表示色分光特性Ｃは、図６（ｄ）の下段に示したｎ×ｍの行列にて表すことができる。ｎは色票の数であり、ｍはマルチバンドカメラ４００におけるバンド数である。この行列により、色票毎における各バンドの光の強度が示される。この行列の値は、測色計で測定した正しい値（精度の高い値）である。
【００４９】
図４のステップＳ１３８の実行後、ＣＰＵ１０は、ステップＳ１３８で読み出したモニター表示色分光特性Ｃに、ステップＳ１３６で算出されたカメラ分光感度Ｓを掛け合わせることで、マルチバンドカメラ４００から得られるマルチバンド画像の信号値であるカメラ出力信号Ｄを算出する（ステップＳ１３９）。
【００５０】
図６（ｆ）に、カメラ出力信号Ｄを示した。図６（ｆ）の上段が一の色票についてのカメラ出力信号を示すグラフであり、図６（ｆ）の下段がステップＳ１３９の算出結果であるカメラ出力信号Ｄを示す行列である。図６（ｆ）のグラフに示すように、一の色票についてのカメラ出力信号は、バンド毎の信号値として示される。こうした信号値分布をモニター３００に表示されたすべての色票について示したのがカメラ出力信号Ｄである。
【００５１】
カメラ出力信号Ｄは、図６（ｆ）の下段に示したｎ×ｍの行列にて表すことができる。ｎは色票の数であり、ｍはマルチバンドカメラ４００におけるバンド数である。この行列により、色票毎における各バンドの出力信号値が示される。図４のステップＳ１３９の実行後、「リターン」に抜けて、このカメラ出力信号Ｄの算出処理を終了する。
【００５２】
なお、このカメラ出力信号Ｄの算出処理では、ステップＳ１３６で、カメラ分光感度Ｓを一旦求めた後に、ステップＳ１３９でこのカメラ分光感度Ｓを用いてカメラ出力信号Ｄを求める構成としたが、これに換えて、ステップＳ１３６の処理を削除し、ステップＳ１３９で、フィルター分光感度ＥＴ、フォトダイオード分光感度ＰＤ、およびモニター表示色分光特性Ｃの三者からカメラ出力信号Ｄを求める構成としてもよい。
【００５３】
カメラ出力信号Ｄの算出処理を終了すると、ＣＰＵ１０は、図２のステップＳ１４０に処理を進める。ステップＳ１４０では、ＣＰＵ１０は、ステップＳ１１０で取得した分光分布のデータＩと、ステップＳステップＳ１３０で算出したカメラ出力信号Ｄとに基づいて、分光推定パラメーターＭを算出する処理を行う。
【００５４】
分光推定パラメーターＭは、被写体Ｔを撮影するマルチバンドカメラ４００から出力されるマルチバンド画像と、被写体Ｔの分光反射率のスペクトル（分光分布）との関係を表したものである。被写体Ｔの分光分布は、ステップＳ１１０で取得した、分光計測器２００による分光分布のデータ（以下、単に「分光分布」と呼ぶ）Ｉに相当する。このため、分光分布Ｉは、次式（３）で表すことができる。
【００５５】
【数２】
【００５６】
ここで、χは近似誤差を表す。式（３）から、近似誤差χの二乗ノルムは次式（４）から得ることができる。
【００５７】
【数３】
【００５８】
式（４）の両辺をＭで偏微分すると、次式（５）を得ることができる。
【００５９】
【数４】
【００６０】
式（５）の左辺が０のとき、Δ2は最小となるので、次式（６）が成立し、次式（７）を得ることができる。
【００６１】
【数５】
【００６２】
式（７）を変形して、次式（８）を得ることができる。
【００６３】
【数６】
【００６４】
ステップＳ１４０では、ステップＳ１１０で取得した分光分布Ｉと、ステップＳ１３０で算出したカメラ出力信号Ｄとを、式（８）に代入することで、分光推定パラメーターＭを算出する。
【００６５】
なお、式（８）が成立するのは、カメラ出力信号Ｄが正則である場合に限り、Ｄが正則でない場合には、Ｍｏｏｒｅ−ｐｅｎｒｏｓｅの一般化逆行列（pseudo-inverse）を用いて、次式（９）で表すことができる。
【００６６】
【数７】
【００６７】
したがって、Ｄが正則でない場合には、ステップＳ１４０では、ステップＳ１１０で取得した分光分布Ｉと、ステップＳステップＳ１３０で算出したカメラ出力信号Ｄとを、式（９）に代入することで、分光推定パラメーターＭを算出する。
【００６８】
前述したように、ステップＳ１２０で中心波長データＢＤに初期値を設定する処理を行っているが、この中心波長データＢＤが初期値となった状態は、マルチバンドカメラ４００において波長可変フィルター４２０が初期特性となる状態と言うことができる。この状態を、以下「初期フィルター特性」と呼ぶ。したがって、ステップＳ１４０の最初の実行時においては、初期フィルター特性に対する分光推定パラメーターＭが求められることになる。
【００６９】
なお、ステップＳ１４０における算出処理は、これまでに説明した演算方法に換えて、Ｗｉｎｅｒ推定やＭａｔｒｉｘＲを用いた演算方法によるものとすることができる。
【００７０】
ステップＳ１４０の実行後、ＣＰＵ１０は、ステップＳ１１０で取得した分光分布Ｉと、ステップＳ１３０で算出したカメラ出力信号Ｄと、ステップＳ１４０で算出した分光推定パラメーターＭとに基づいて、評価関数Ｆ（Ｓ）を算出する処理を行う（ステップＳ１５０）。
【００７１】
評価関数Ｆ（Ｓ）は、前述したカメラ分光感度Ｓの関数であり、前述した分光分布Ｉ、カメラ出力信号Ｄ、および分光推定パラメーターＭを用いて、次式（１０）に従って求めることができる。なお、カメラ出力信号Ｄ、分光分布Ｉ、およびカメラ分光感度Ｓの間には、次式（１１）に示す関係が成り立つ。
【００７２】
【数８】
【００７３】
すなわち、評価関数Ｆ（Ｓ）は、式（１０）に示すように、分光計測器２００により計測された分光分布Ｉに対する、分光推定パラメーターＭとカメラ出力信号Ｄの積である分光推定値の誤差の二乗ノルムによって定義される。
【００７４】
ステップＳ１５０の実行後、ＣＰＵ１０は、ステップＳ１５０で算出された評価関数Ｆ（Ｓ）が所定の閾値以下であるか否かを判定する（ステップＳ１６０）。ここで、所定の閾値以下でないと判定された場合、すなわち評価関数Ｆ（Ｓ）が所定の閾値よりも大きい（ステップＳ１６０：ＮＯ）には、ＣＰＵ１０は、中心波長データＢＤを構成する各値を微少量だけインクリメントする処理を行う（ステップＳ１７０）。微少量は、例えば０．１ｎｍである。すなわち、ステップＳ１７０では、最初の実行時には、初期値である３８０ｎｍ、３８５ｎｍ、……、７８０ｎｍから３８０．１ｎｍ、３８５．１ｎｍ、……、７８０．１ｎｍに変更し、その後、ステップＳ１７０を実行する毎に各値を０．１ｎｍずつ増大する。
【００７５】
なお、上記微少量は、０．１ｎｍに限る必要はなく、他の大きさとすることもできる。また、本実施例では、微少量をインクリメントする構成としたが、これに換えて、微少量だけデクリメントする構成としてもよい。要は、中心波長データＢＤを一方向に順にずらすことができれば、増大する方向、減少する方向のいずれであってもよい。また、ステップＳ１５０の処理は、非線形最適化処理によって行っても良い。
【００７６】
ステップＳ１７０の実行後、ＣＰＵ１０は、ステップＳ１３０に処理を戻して、ステップＳ１３０ないしＳ１６０の処理を繰り返し実行する。すなわち、ステップＳ１７０でインクリメントされた中心波長データＢＤに応じたステップＳ１３０ないしＳ１６０の処理が実行されることになる。この処理の繰り返しにより、ステップＳ１５０で算出された評価関数Ｆ（Ｓ）は所定の閾値に近づくように制御される。本実施例では、評価関数Ｆ（Ｓ）が所定の閾値以下となった場合（ステップＳ１６０：ＹＥＳ）に、評価関数Ｆ（Ｓ）は最小となったとみなして、便宜的に、評価関数Ｆ（Ｓ）が最適化されたとする。ステップＳ１３０ないしＳ１７０の繰り返しの処理は、具体的には、公知の最適化法、たとえば、ＢＦＧＳ法などの準ニュートン法や、共役勾配法などを用いて実現される。
【００７７】
上記最適化がなされたとき、すなわち、評価関数Ｆ（Ｓ）が所定の閾値以下となったときには、ステップＳ１６０で肯定判定されて、ＣＰＵ１０は、ステップＳ１８０に処理を進める。ステップＳ１８０では、ＣＰＵ１０は、この最適化がなされたときの中心波長データＢＤと分光推定パラメーターＭを、ＲＡＭ４０に保存する。なお、ＲＡＭ４０に保存した中心波長データＢＤと分光推定パラメーターＭは、必要に応じて、出力インタフェース６０から外部に送信する構成とすることができる。
【００７８】
ステップＳ１３０ないしＳ１７０の繰り返しの処理は、次式（１２）に示す演算処理を実行することに相当する。
【００７９】
【数９】
【００８０】
すなわち、式（１２）によれば、評価関数Ｆ（Ｓ）が最小となったときのＳの値が求められることになる。ステップＳ１８０の処理は、この求められたＳの値に対応する中心波長データＢＤと分光推定パラメーターＭを保存するものである。
【００８１】
なお、ステップＳ１３０でカメラ出力信号Ｄを算出する際に、ステップＳ１３２において、微少量だけインクリメントした各中心波長データに対するフィルター分光感度ＥＴが必要になるが、これらフィルター分光感度ＥＴは、ＲＯＭ３０に予め用意された波長毎のエタロンの感度から補間処理を行って、所望の中心波長に対するフィルター分光感度ＥＴを計算で生成するようにすればよい。
【００８２】
また、図２のフローチャートでは、評価関数Ｆ（Ｓ）が最適化しない場合のエラー処理については記載してないが、必要に応じて設ける構成とすればよい。例えば、ステップＳ１７０によるインクリメントの総量が所定量を経過しても、ステップＳ１６０で肯定判定されないような場合に、分光推定パラメーターの生成が不可であるとして、この分光推定パラメーター生成処理を一旦終了する。前記所定量（所定値）は、例えば、ステップＳ１２０で設定した中心波長データＢＤの初期値の間隔（本実施例では５ｎｍ）とする。
【００８３】
以上のように構成された分光推定パラメーター生成装処理によれば、分光計測器２００により計測された正解値である分光分布Ｉに分光推定値（＝Ｍ・Ｄ）が近づくように、分光推定パラメーターＭを定めることができ、こうした分光推定パラメーターＭを、分光推定パラメーターＭに適した中心波長データＢＤとともに、ＲＡＭ４０に保存しておくことができる。換言すれば、前記分光推定パラメーター生成装処理によれば、分光推定パラメーターＭの最適化と、中心波長データＢＤにより定まるマルチバンドカメラのバンドの最適化とが共になされていると言え、両最適化によって得られた最適な分光推定パラメーターＭと最適な中心波長データＢＤとが保存されることになる。なお、ここで言う「最適化」および「最適」とは、先に説明したように、評価関数が最小値となったときのものではなく、評価関数が所定の閾値以下となったときのものであり、厳密に言えば「最適」と言えず「適正」を意味する。
【００８４】
なお、本実施例では、前述したように、評価関数が所定の閾値以下となるときを「最適化された」とみなしていたが、これに替えて、評価関数が最小となったときを「最適化」したとしてステップＳ１８０に抜ける構成としてもよい。すなわち、適用例１に記載した「目標値」とは、本実施例のように所定の閾値であってもよいし、評価関数がとりうる値の最小値であってもよい。
【００８５】
なお、ＣＰＵ１０で実行されるステップＳ１２０の処理が初期値設定部１２（図１）に、ステップＳ１３０の処理がカメラ出力算出部１４に、ステップＳ１４０の処理がパラメーター候補値算出部１６に、ステップＳ１３０ないしＳ１７０の繰り返しが評価関数制御部１８にそれぞれ相当する。
【００８６】
Ａ−３．分光画像処理装置：
分光推定パラメーター生成装置１００により生成された分光推定パラメーターＭと中心波長データＢＤとを利用する分光画像処理装置５００について、次に説明する。
【００８７】
図７は、分光画像処理装置５００とその周辺を概略的に示す説明図である。図示するように、分光画像処理装置５００にマルチバンドカメラ６００と表示装置７００とが電気的に接続されている。
【００８８】
分光画像処理装置５００は、被写体Ｔをマルチバンドカメラ６００で撮影して得られたマルチバンド画像から前記被写体Ｔの分光反射率のスペクトルを推定し、その推定結果から被写体Ｔの特定成分に関する特徴量を検量し、被写体Ｔを診断する装置である。本実施例では、被写体Ｔを緑色野菜とし、被写体Ｔの特定成分をクロロフィルとすることで、分光画像処理装置５００は、緑色野菜のクロロフィル量を検量し、そのクロロフィル量から緑色野菜の鮮度を診断する。
【００８９】
分光画像処理装置５００は、コンピュータープログラムを実行することにより種々の処理や制御を行うＣＰＵ５１０と、コンピュータープログラムやデータ・情報を格納するメモリー５３０（推定装置側記憶部）と、マルチバンドカメラ６００から画像データを受け取るとともに、表示装置７００に鮮度診断の結果を送る入出力インタフェース（Ｉ／Ｆ）５５０と、を備えている。
【００９０】
メモリー５３０には、先に説明した分光推定パラメーター生成装置１００により生成された分光推定パラメーターＭと中心波長データＢＤが予め記憶されている。また、メモリー５３０には、鮮度判定用プログラム（図示せず）が予め記憶されている。なお、分光推定パラメーターＭと中心波長データＢＤは、予め記憶された構成に替えて、必要に応じて、インターネット等のネットワークを介して外部から取得し、メモリー５３０に記憶する構成としてもよい。
【００９１】
ＣＰＵ５１０は、メモリー５３０に記憶された鮮度判定用プログラムを実行することで、測定帯域指示部５１２、分光推定部５１４、検量・診断部５１６を機能的に実現する。測定帯域指示部５１２は、メモリー５３０から中心波長データＢＤを読み出して、中心波長データＢＤに含まれる各要素をマルチバンドカメラ６００に送信する。
【００９２】
マルチバンドカメラ６００は、前述したマルチバンドカメラ４００（図３）と同一、もしくは同一の機種のものである。すなわち、マルチバンドカメラ６００は、分光推定パラメーター生成装置１００のＲＯＭ３２に記憶されているフィルター分光感度ＥＴとフォトダイオード分光感度ＰＤに合致した機種のものである。マルチバンドカメラ６００は、測定帯域指示部５１２により指示された中心波長データＢＤの各要素に基づいて波長可変フィルター４２０（図３）の透過波長域を順に変更して、複数のバンドのそれぞれで被写体Ｔを撮影し、その撮影結果であるマルチバンド画像を分光画像処理装置５００に送る。分光画像処理装置５００の入出力インタフェース５５０はそのマルチバンド画像を取得する。入出力インタフェース５５０は、適用例５における「マルチバンド画像取得部」に対応している。
【００９３】
分光画像処理装置５００の分光推定部５１４は、マルチバンドカメラ６００から送られてくるマルチバンド画像から被写体Ｔの分光反射率のスペクトルを推定する。分光推定部５１４は、この推定を、メモリー５３０に記憶されている分光推定パラメーターＭを用いて行う。詳しくは、次式（１３）に従う演算処理を行う。
【００９４】
【数１０】
【００９５】
式（１３）において、ｘはマルチバンド画像の所定位置の値（画素値）を示す行列であり、ｐはその所定位置に対応した部分における分光スペクトルを示す行列である。「マルチバンド画像の所定位置の画素値」とはマルチバンド画像を構成する各バンド画像の所定位置の画素値のことであり、「その所定位置に対応した部分」とはその所定位置に対応した被写体上の位置のことである。この結果、被写体Ｔの所定位置の分光反射率のスペクトルを推定することができる。分光推定部５１４は、適用例５における「分光スペクトル演算部」に対応している。
【００９６】
検量・診断部５１６は、分光推定部５１４により求められた分光反射率のスペクトルに基づいて、クロロフィル量を検量し、その検量結果に応じて被写体Ｔである緑色野菜の鮮度を診断する。新鮮な野菜は、約７００ｎｍ辺りでクロロフィルによる光の吸収が起こることから、クロロフィルによる光の吸収が起こる波長（約７００ｎｍ）周辺の分光反射率が小さいものほどクロロフィル量が多いとすることができる。そしてそのクロロフィル量が多いほど、鮮度が高いと診断する。例えば、クロロフィル量が所定値ａ以上であるときは鮮度が「優」であるとし、クロロフィル量が所定値ａを下回り且つ所定値ｂ（＜ａ）以上であるときは鮮度が「良」であるとし、クロロフィル量が所定値ｂを下回るときは鮮度が「不良」であるとする。検量・診断部５１６は、その診断結果を、入出力インタフェース５５０を介して表示装置７００に表示する。
【００９７】
前記構成の分光画像処理装置５００によれば、分光推定パラメーター生成装置１００により生成された分光推定パラメーターＭを利用することで、被写体Ｔの分光反射率のスペクトルを高精度に推定することができ、その結果、被写体Ｔである緑色野菜の鮮度を高精度に診断することができる。さらに、マルチバンドカメラ６００で撮影を行う際に、分光推定パラメーターＭと対となった中心波長データＢＤに基づいて波長可変フィルターを駆動することで、分光推定パラメーターＭに合致したバンドでの撮影を可能としている。したがって、本実施例における分光画像処理装置５００によれば、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することができる。具体的には、例えば３〜１０程度のバンド数でも高精度の推定が可能となる。なお、測定するバンド数が少なくて済むということは、撮影時間が少なくて済むという副次的な効果を奏する。
【００９８】
一方、本実施例における分光推定パラメーター生成装置１００からみれば、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することが可能な分光推定パラメーターを生成することができるという効果を奏する、と言える。
【００９９】
なお、本実施例における分光画像処理装置５００では、検量する特定成分をクロロフィルとして緑色野菜の鮮度を判定する構成としたが、これに替えて、検量する特定成分をオレイン酸として肉の美味しさ判定する構成、検量する特定成分をコラーゲンとして人肌のハリを判定する構成等とすることができる。こうした場合、検量・診断部における処理のためのパラメーターを、検量しようとする特定成分に応じたものに変更する必要があるが、メモリー５３０に保存した分光推定パラメーターＭと中心波長データＢＤは変更する必要がない。すなわち、検量する特定成分の種類にかかわらず、分光推定パラメーターＭと中心波長データＢＤは共通して用いることができる。本実施例の分光推定パラメーター生成装置１００で生成された分光推定パラメーターＭと中心波長データＢＤは、検量する特定成分に関わらないように、広い波長範囲に対応しているためである。
【０１００】
従来技術の手法でも、分光推定パラメーターを、検量する特定成分に関わらないよう、広い波長範囲に対応可能とすることはできるが、その場合、マルチバンドカメラからのマルチバンド画像のバンド数を、例えば５０〜１００というように多くする必要がある。これに対して、本実施例における分光推定パラメーター生成装置１００は、先に説明したように、測定するバンド数が少なくて済む。すなわち、本実施例の分光推定パラメーター生成装置１００は、広い波長範囲にわたって分光分布を推定可能でありながら、測定するバインド数が少なくて済む分光推定パラメーターを作成することができるという効果を奏する。
【０１０１】
Ａ−４．変形例：
前述した第１実施例の変形例について、次に説明する。この変形例は、第１実施例と比較して、ステップＳ１５０で算出する評価関数Ｆ（Ｓ）が相違し、その他の構成については同一である。この変形例における評価関数Ｆ（Ｓ）は、次式（１４）に示すものである。
【０１０２】
【数１１】
【０１０３】
式（１４）において、λは波長を示し、ｗ（λ）は重み係数である。このため、式（１４）に示す評価関数Ｆ（Ｓ）によれば、波長毎に重み係数ｗ（λ）を考慮した最適化が可能となる。重み係数ｗ（λ）は、例えば、次式（１５）で示すものとすることができる。
【０１０４】
【数１２】
【０１０５】
式（１５）において、ｚ（λ）は等色関数であり、ｄｉａｇは行列の対角成分を取り出すことを示す。
【０１０６】
図８は、重み係数ｗと波長λとの関係を示すグラフである。図示するように、重み係数ｗ（λ）は等色関数のグラフに似通ったものとなる。
【０１０７】
この変形例によれば、Ｆ（Ｓ）を最小とするように推定した中心波長により駆動したフィルターを通して得られるカメラ出力信号Ｄから推定されるスペクトルは、視覚に独特な性質である色差を基準に最適化した場合と等価となる。したがって、この変形例によれば、色差まで考慮にいれた分光反射率のスペクトルの推定が可能となる。
【０１０８】
なお、前記変形例では、推定されるスペクトルは、計測スペクトルとの単純な二乗誤差をとると大きな誤差を含むものとする。したがって、第１実施例のおける式（１０）に示す評価関数Ｆ（Ｓ）を使うか、変形例における式（１３）に示す評価関数Ｆ（Ｓ）を使うかは、分光分布の推定精度を重視するか、色差まで考慮にいれるか等、目的に応じて使い分けるのが好ましい。
【０１０９】
なお、評価関数については、第１実施例で説明したもの、あるいは変形例で説明したものに限る必要はなく、例えば、二乗誤差と最大誤差の重み付けの和による評価関数等、種々のものとすることができる。すなわち、評価関数は、分光計測器により計測した前記色票毎の分光分布と、分光推定値との間で定義されるものであれば、その他の要因を含むものとすることができる。
【０１１０】
Ｂ．第２実施例：
本発明の第２実施例について、次に説明する。第２実施例の分光推定パラメーター生成装置は、前述した第１実施例の分光推定パラメーター生成装置１００と同一のハードウェア構成を備え、ソフトウェアの構成、すなわち、ＣＰＵ１０で実行される分光推定パラメーター生成処理の内容だけが相違する。なお、第１実施例と同じ構成については、第１実施例と同じ符号を用いて、以下の説明を行う。
【０１１１】
図９は、第２実施例における分光推定パラメーター生成処理を示すフローチャートである。図中のステップＳ１１０ないしＳ１４０は第１実施例と同じ処理で、第１実施例と同じ番号を付けた。ステップＳ１４０の実行後、ＣＰＵ１０は、ステップＳ１１０で取得した分光分布Ｉと、ステップＳ１３０で算出したカメラ出力信号Ｄと、ステップＳ１４０で算出した分光推定パラメーターＭとに基づいて、評価関数Ｆ（Ｍ，Ｓ）を算出する処理を行う（ステップＳ２５０）。
【０１１２】
第１実施例では、評価関数Ｆはカメラ分光感度Ｓの関数としたが、本実施例では、評価関数Ｆはカメラ分光感度Ｓと分光推定パラメーターＭとの関数とした。評価関数Ｆが線形の場合、第１実施例のように評価関数ＦはＳの関数とすればよいが、これに対して、モニター表示色分光特性や被写体の色の階調変化等に起因して、評価関数Ｆが非線形となった場合、カメラ分光感度Ｓだけで評価関数Ｆは決まらない。そこで、この第２実施例では、評価関数ＦはＳとＭの関数とした。
【０１１３】
評価関数Ｆ（Ｍ，Ｓ）は、次式（１６）に従って求めることができる。なお、カメラ出力信号Ｄ、分光分布Ｉ、およびカメラ分光感度Ｓの間には、次式（１７）に示す関係が成り立つ。
【０１１４】
【数１３】
【０１１５】
ステップＳ２５０の実行後、ＣＰＵ１０は、ステップＳ２５０で算出された評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下であるか否かを判定する（ステップＳ２６０）。ここで、所定の閾値以下でないと判定された場合、すなわち評価関数Ｆ（Ｍ，Ｓ）が所定の閾値よりも大きい（ステップＳ２６０：ＮＯ）場合には、ＣＰＵ１０は、分光推定パラメーターＭの各要素を微少量だけインクリメントする処理を行う（ステップＳ２７０）。その後、ＣＰＵ１０は、ステップＳ２７０によるインクリメントの総量が所定値を上回ったか否かを判定する（ステップＳ２８０）。所定値は、後ほど中心波長データＢＤの各値を微少量だけインクリメントした際に分光指定パラメーターＭが最大変化する量を想定して予め決めた量である。
【０１１６】
ステップＳ２８０で、インクリメントの総量が所定値以下である（ステップＳ２８０：ＮＯ）と判定された場合には、ステップＳ２５０に処理を戻して、ステップＳ２５０ないしＳ２７０の処理を繰り返し実行する。すなわち、カメラ分光感度Ｓは固定した状態で、ステップＳ２５０ないしＳ２７０を繰り返すことで分光推定パラメーターＭの各要素の値をずらしながら、評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下となるか否かを判定する。
【０１１７】
評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下となることなく、ステップＳ２８０で、インクリメントの総量が所定値を上回ったと判定される（ステップＳ２８０：ＹＥＳ）と、ＣＰＵ１０は、中心波長データＢＤを構成する各値を微少量だけインクリメントする処理を行う（ステップＳ２９０）。この処理は、第１実施例におけるステップＳ１７０の処理と同一であり、微少量は、例えば０．１ｎｍである。なお、このステップＳ２９０の実行時には、ステップＳ２７０におけるインクリメントの総量は一旦ゼロにリセットする。
【０１１８】
ステップＳ２９０の実行後、ＣＰＵ１０は、ステップＳ１３０に処理を戻して、ステップＳ１３０ないしＳ２９０の処理を繰り返し実行する。すなわち、ステップＳ２９０でインクリメントされた中心波長データＢＤに応じたステップＳ１３０ないしＳ１６０の処理が実行されることになる。この処理の繰り返しにより、中心波長データＢＤを構成する各値を微少量ずつ順にインクリメントし、各インクリメントされた時々の中心波長で（すなわち、カメラ分光感度Ｓは固定した状態で）、分光推定パラメーターＭの各要素の値をずらしながら、評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下となるか否かを判定する。
【０１１９】
ステップＳ２６０で、評価関数Ｆ（Ｍ，Ｓ）が所定の閾値以下であると判定されたとき（ステップＳ２６０：ＹＥＳ）、すなわち、評価関数Ｆ（Ｍ，Ｓ）が最適化されたとみなされた場合には、ＣＰＵ１０は、この最適化がなされた（第１実施例と同様に最適化されたとみなす）ときの中心波長データＢＤと分光推定パラメーターＭを保存する（ステップＳ３００）。この処理は、第１実施例におけるステップＳ１８０の処理と同一である。ステップＳ３００の実行後、この分光推定パラメーター生成処理を終了する。
【０１２０】
ステップＳ１３０ないしＳ２９０の繰り返しの処理は、次式（１８）に示す演算処理を実行することに相当する。
【０１２１】
【数１４】
【０１２２】
すなわち、式（１８）によれば、評価関数Ｆ（Ｍ，Ｓ）が最小となったときのM,Ｓの値が求められることになる。
【０１２３】
以上のように構成された第２実施例の分光推定パラメーター生成装置は、第１実施例の分光推定パラメーター生成装置１００と同様に、少ないバンド数のマルチバンド画像から高精度な分光反射率のスペクトルを推定することができる。特に本実施例では、評価関数Ｆが非線形となった場合にも、評価関数Ｆを目標値に適正化することができる。このため、より高精度な分光推定を実現することのできる分光推定パラメーターの生成が可能となる。
【０１２４】
なお、前述した第２実施例の変形例として、第１実施例に対する変形例と同じ構成を採用することもできる。すなわち、評価関数Ｆ（Ｍ，Ｓ）を、波長に応じた重み係数ｗ（λ）を考慮したものとすることができる。この構成によれば、第１実施例の変形例と同様に、色差まで考慮にいれた分光反射率のスペクトルの推定が可能となる。
【０１２５】
Ｃ．他の実施形態：
この発明は第１および第２実施例やそれらの変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような実施形態も可能である。
【０１２６】
・実施形態１：
前記各実施例および各変形例では、分光推定パラメーターを生成する分光推定パラメーター生成装置１００と、その分光推定パラメーターの利用を図る分光画像処理装置５００とは別々の装置であったが、これに替えて、両者を一体とすることもできる。例えば、汎用のパーソナルコンピューターを用意し、分光推定パラメーター生成装置１００の機能と分光画像処理装置５００の機能とをパーソナルコンピューターに持たせる構成としてもよい。
【０１２７】
・実施形態２：
前記各実施例および各変形例において、ソフトウェアによって実現した機能は、ハードウェアによって実現するものとしてもよい。
【０１２８】
なお、前述した各実施例および各変形例における構成要素の中の、独立請求項で記載された要素以外の要素は、付加的な要素であり、適宜省略可能である。
【符号の説明】
【０１２９】
１０…ＣＰＵ
１２…初期値設定部
１４…カメラ出力算出部
１６…パラメーター候補値算出部
１８…評価関数制御部
３０…ＲＯＭ
４０…ＲＡＭ
６０…出力インタフェース
１００…分光推定パラメーター生成装置
２００…分光計測器
３００…モニター
４００…マルチバンドカメラ
４１０…レンズユニット
４２０…波長可変フィルター
４５０…光源ユニット
５００…分光画像処理装置
５１０…ＣＰＵ
５１２…測定帯域指示部
５１４…分光推定部
５１６…検量・診断部
５３０…メモリー
５５０…入出力インタフェース
６００…マルチバンドカメラ
７００…表示装置
Ｃ…モニター表示色分光特性
ＥＴ…フィルター分光感度
ＰＤ…フォトダイオード分光感度
Ｍ…分光推定パラメーター
Ｄ…カメラ出力信号
Ｓ…カメラ分光感度
Ｉ…分光分布
Ｆ…評価関数
Ｔ…被写体
ＢＤ…中心波長データ
【特許請求の範囲】
【請求項１】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する分光推定パラメーター生成装置であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する初期値設定部と、
複数の色票のそれぞれについての分光分布を計測する分光計測器と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出するカメラ出力算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力算出部によって算出されたカメラ出力信号とに基づいて、前記分光推定パラメーターの候補値を算出するパラメーター候補値算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める評価関数制御部と、
前記評価関数制御部によって求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶する記憶部と
を備える分光推定パラメーター生成装置。
【請求項２】
請求項１に記載の分光推定パラメーター生成装置であって、
前記評価関数制御部は、
前記分光推定パラメーターの候補値を順次変化させる構成を備える、分光推定パラメーター生成装置。
【請求項３】
請求項１または２に記載の分光推定パラメーター生成装置であって、
前記評価関数は、等色関数を使った重み係数を含む、分光推定パラメーター生成装置。
【請求項４】
請求項１ないし３のいずれかに記載の分光推定パラメーター生成装置であって、
前記評価関数は、前記色票毎の分光分布に対する前記分光推定値の誤差の二乗ノルムによって定義される、分光推定パラメーター生成装置。
【請求項５】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定する分光推定装置であって、
前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターと、前記複数の波長帯域を特定することに用いるバンド指示用データとを記憶する推定装置側記憶部と、
前記推定装置側記憶部に記憶されている前記バンド指示用データを前記マルチバンドカメラに送ることによって、前記マルチバンドカメラに撮影する複数の波長帯域を指示するバンド指示部と、
前記マルチバンドカメラから前記各波長帯域で撮影されたマルチバンド画像を取得するマルチバンド画像取得部と、
前記推定装置側記憶部に記憶されている分光推定パラメーターを用いて、前記マルチバンド画像から前記分光反射率のスペクトルを演算する分光スペクトル演算部と
を備える分光推定装置。
【請求項６】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する方法であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定し、
複数の色票のそれぞれについての分光分布を分光計測器によって計測し、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求め、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する、分光推定パラメーター生成方法。
【請求項７】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成するためのコンピュータープログラムであって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する機能と、
複数の色票のそれぞれについての分光分布を分光計測器によって計測する機能と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める機能と、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する機能と
をコンピューターに実現させるコンピュータープログラム。
【請求項１】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する分光推定パラメーター生成装置であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する初期値設定部と、
複数の色票のそれぞれについての分光分布を計測する分光計測器と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出するカメラ出力算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力算出部によって算出されたカメラ出力信号とに基づいて、前記分光推定パラメーターの候補値を算出するパラメーター候補値算出部と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める評価関数制御部と、
前記評価関数制御部によって求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶する記憶部と
を備える分光推定パラメーター生成装置。
【請求項２】
請求項１に記載の分光推定パラメーター生成装置であって、
前記評価関数制御部は、
前記分光推定パラメーターの候補値を順次変化させる構成を備える、分光推定パラメーター生成装置。
【請求項３】
請求項１または２に記載の分光推定パラメーター生成装置であって、
前記評価関数は、等色関数を使った重み係数を含む、分光推定パラメーター生成装置。
【請求項４】
請求項１ないし３のいずれかに記載の分光推定パラメーター生成装置であって、
前記評価関数は、前記色票毎の分光分布に対する前記分光推定値の誤差の二乗ノルムによって定義される、分光推定パラメーター生成装置。
【請求項５】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定する分光推定装置であって、
前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターと、前記複数の波長帯域を特定することに用いるバンド指示用データとを記憶する推定装置側記憶部と、
前記推定装置側記憶部に記憶されている前記バンド指示用データを前記マルチバンドカメラに送ることによって、前記マルチバンドカメラに撮影する複数の波長帯域を指示するバンド指示部と、
前記マルチバンドカメラから前記各波長帯域で撮影されたマルチバンド画像を取得するマルチバンド画像取得部と、
前記推定装置側記憶部に記憶されている分光推定パラメーターを用いて、前記マルチバンド画像から前記分光反射率のスペクトルを演算する分光スペクトル演算部と
を備える分光推定装置。
【請求項６】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成する方法であって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定し、
複数の色票のそれぞれについての分光分布を分光計測器によって計測し、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出し、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求め、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する、分光推定パラメーター生成方法。
【請求項７】
波長可変フィルターを駆動して複数の波長帯域のそれぞれで被写体を撮影するマルチバンドカメラから出力されるマルチバンド画像から、前記被写体の分光反射率のスペクトルを推定することに用いる分光推定パラメーターを生成するためのコンピュータープログラムであって、
前記複数の波長帯域を特定することに用いるバンド指示用データに初期値を設定する機能と、
複数の色票のそれぞれについての分光分布を分光計測器によって計測する機能と、
前記バンド指示用データによって前記複数の波長帯域が定まったときの前記マルチバンドカメラの分光感度と、前記各色票からの光の分光特性とに基づいて、前記色票毎に前記マルチバンドカメラから出力されるマルチバンド画像を表すカメラ出力信号を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記カメラ出力信号とに基ついて、前記分光推定パラメーターの候補値を算出する機能と、
前記分光計測器によって計測した前記色票毎の分光分布と、前記分光推定パラメーターの候補値および前記カメラ出力信号に基づいて算出される分光推定値との間で定義される評価関数が目標値に近づくように前記バンド指示用データを前記初期値から順次変化させ、前記評価関数が前記目標値に達したときの前記バンド指示用データに対応する分光推定パラメーターを求める機能と、
前記求められた前記分光推定パラメーターと、前記目標値に達したときの前記バンド指示用データとを記憶部に記憶する機能と
をコンピューターに実現させるコンピュータープログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１２−２４２２７１（Ｐ２０１２−２４２２７１Ａ）
【公開日】平成２４年１２月１０日（２０１２．１２．１０）
【国際特許分類】
【出願番号】特願２０１１−１１３４８４（Ｐ２０１１−１１３４８４）
【出願日】平成２３年５月２０日（２０１１．５．２０）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
【公開日】平成２４年１２月１０日（２０１２．１２．１０）
【国際特許分類】
【出願日】平成２３年５月２０日（２０１１．５．２０）
【出願人】（０００００２３６９）セイコーエプソン株式会社 (51,324)
【Ｆターム（参考）】
[ Back to top ]