汚損判定装置、紙葉類処理装置、および、汚損判定方法
【課題】 印刷物の読取画像などの画像情報に含まれる汚損度の判定を高精度に行うことができる汚損判定装置、紙葉類処理装置および汚損判定方法を提供する。
【解決手段】 入力処理部７１が汚損とは関係がない固有変動を含む画像情報を入力し、特徴抽出部７２が入力処理部７１により入力した画像情報から複数の特徴情報を抽出し、分離部７３が特徴抽出部７２により抽出した複数の特徴情報の組を固有変動の成分とそれ以外の残差成分とに分離し、判定部７４が分離部７３により分離した残差成分から入力処理部７１により入力した画像情報における汚損の度合いを示す汚損変動の主成分を抽出し、前記抽出した汚損変動の主成分の大きさに基づいて前記画像情報における汚損度を判定する。
【解決手段】 入力処理部７１が汚損とは関係がない固有変動を含む画像情報を入力し、特徴抽出部７２が入力処理部７１により入力した画像情報から複数の特徴情報を抽出し、分離部７３が特徴抽出部７２により抽出した複数の特徴情報の組を固有変動の成分とそれ以外の残差成分とに分離し、判定部７４が分離部７３により分離した残差成分から入力処理部７１により入力した画像情報における汚損の度合いを示す汚損変動の主成分を抽出し、前記抽出した汚損変動の主成分の大きさに基づいて前記画像情報における汚損度を判定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、紙葉類などの印刷物における汚損度合いを判定する汚損判定装置、汚損判定方法、および、前記汚損判定装置を有する紙葉類処理装置などに関する。
【背景技術】
【０００２】
従来、印刷物における汚損度合いを判定する方法には、カメラあるいはスキャナによって読み取った印刷物の画像における汚損度合いを判定する方法が提案されている。例えば、印刷物から読み取った画像における濃度値の平均あるいは分散により汚損度を判定する方法がある。さらに、複数の画像間における変動を判断する手法には、カラー画像を構成している赤（Ｒ）、緑（Ｇ）および青（Ｂ）の各値を３次元のベクトルとみなして画像解析を行う手法がある（例えば、特許文献１）。この場合、Ｒ、Ｇ、Ｂの３色の各値からなる３次元のベクトル間の距離によって画像間の変動を判断することが可能である。このような手法を適用することにより、印刷物から読み取った画像における汚損度を判定する手法も考えられる。
【０００３】
しかしながら、上述したような印刷物には、印刷などの製造工程において、一定のばらつきが生じることは避けられない。つまり、同一の図柄を印刷した印刷物であっても、それらの印刷物には汚損以外の要因によるばらつき（以下、固有の変動成分とも称する）が含まれてしまう。これは、同一の図柄を印刷した複数の印刷物が汚損なしの状態であっても、それらの印刷物の画像情報から算出される濃度平均値は、完全に一致しないことを意味している。すなわち、印刷物に固有な変動成分は、汚損度合いの判定精度に悪影響を及ぼす要因となっている。
【特許文献１】特開２００２−１１７４００号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
この発明の一形態では、画像情報に含まれる汚損度の判定を高精度に行うことができる汚損判定装置、紙葉類処理装置および汚損判定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】
【０００５】
この発明の一形態としての汚損判定装置は、固有変動を含む画像情報から複数の特徴情報を抽出する特徴抽出部と、前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離する分離部と、前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部とを有する。
【０００６】
この発明の一形態としての紙葉類処理装置は、特定の図柄が印刷されている紙葉類の画像を読取る読取部と、前記読取部により読取った紙葉類の画像情報から複数の特徴情報を抽出する特徴抽出部と、前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を固有変動の成分とそれ以外の残差成分とに分離する分離部と、前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部と、前記判定部による汚損度の判定結果に基づいて前記紙葉類を処理する処理部とを有する。
【０００７】
この発明の一形態としての汚損判定方法は、固有変動を含む画像情報から複数の特徴情報を抽出し、前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離し、前記分離により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する。
【発明の効果】
【０００８】
この発明の一形態によれば、画像情報に含まれる汚損度の判定を高精度に行うことができる汚損判定装置、紙葉類処理装置および汚損判定方法を提供できる。
【発明を実施するための最良の形態】
【０００９】
以下、この発明の実施の形態について図面を参照して詳細に説明する。
【００１０】
図１は、本実施の形態に係る紙葉類処理システムの構成例を概略的に示す断面図である。
【００１１】
図１に示すように、紙葉類処理システムは、区分装置１、施封装置２及び操作装置３を有している。上記区分装置１と上記施封装置２とは、紙葉類を搬送するための搬送路が接続されている。上記区分装置１と上記操作装置３とは、データ通信を行うための通信線４を介して接続されている。上記区分装置１は、紙葉類の検査処理、および、検査処理の結果に基づく紙葉類の区分処理などを行う装置である。上記施封装置２は、上記区分装置１により供給される紙葉類を所定数ごとに施封する装置である。上記操作装置３は、上記紙葉類処理装置１をオペレータが操作するための装置である。
【００１２】
上記操作装置３は、たとえば、パーソナルコンピュータなどにより構成される。上記操作装置３は、本体３ａ、操作部３ｂおよび表示部３ｃを有している。上記本体３ａは、操作装置３全体の制御を司るものである。上記本体３ａは、図示しない制御部、メモリおよび各種のインターフェースなどを有している。上記本体３ａでは、制御部がメモリに記憶されている制御プログラムにより種々の処理を行う。また、上記本体３ａは、区分装置１とデータ通信を行うための入出力インターフェース、操作部３ｂにより入力された情報を取得するための操作部インターフェース、表示部３ｃの表示制御を行うための表示部インターフェースなどのインターフェースを有している。上記操作部３ｂは、オペレータが区分装置１に対する操作指示などを入力するためのデバイスである。たとえば、上記操作部３ｂは、キーボード、マウスあるいはタッチパネルなどにより構成される。上記表示部３ｃは、処理結果あるいは操作案内などを表示するためのデバイスである。たとえば、上記表示部３ｃは、液晶表示装置などのディスプレイ装置により構成される。
【００１３】
上記のように構成される操作装置３では、オペレータによる操作部３ｂに対する操作指示に従って区分装置１に対して処理内容を設定したり、オペレータによる操作部３ｂに対する操作指示に従って区分装置１における処理を開始したり、区分装置１および施封装置２における処理結果を表示部３ｃに表示したりする。
【００１４】
上記区分装置１は、主な構成として、供給部１０、搬送補正部１５、判別部１６、リジェクト集積部１７、反転部１８、集積部１９、主制御部２０および搬送制御部２１などを有している。以下、上記区分装置１における各構成について順に説明する。
上記主制御部２０は、区分装置１全体の制御を司るものである。上記搬送制御部２１は、上記主制御部２０からの搬送指示に従って区分装置１内における紙葉類の搬送を制御するものである。
【００１５】
上記供給部１０は、検査対象となる紙葉類Ｐを供給するものである。上記供給部１０は、ステージ１１、バックアッププレート１２、弾性体１３、取り出しローラ１４などを有している。上記ステージ１１は、検査対象となる紙葉類Ｐがセットされるものである。上記ステージ１１に載置される紙葉類は、搬送方向に対する向きが４種類混在した状態でセットされる。上記バックアッププレート１２は、ステージ１１上の紙葉類を整位する。上記弾性体１３は、バネなどの弾性体で構成される。上記取出しローラ１４は、紙葉類の取り出し口に設けられる。上記弾性体１３は、一端が取り出し口の近傍に固定されており、他端がバックアッププレート１２に接続されている。
【００１６】
上記バックアッププレート１２は、上記弾性体１３の弾性力によりステージ１１上の紙葉類Ｐを取り出しローラ１４が設けられている取出し口の方向に押す。これにより、上記ステージ１１上の紙葉類Ｐは、取り出しローラ１４が設けられている取り出し口側に押し付けられる。上記取出しローラ１４は、取り出し口側に押し付けられた紙葉類Ｐを１枚ずつ取り出す。上記取り出しローラ１４により取り出された紙葉類Ｐは、搬送補正部１５へ搬送される。
【００１７】
上記搬送補正部１５は、紙葉類Ｐの搬送状態を補正するものである。上記搬送補正部１５は、たとえば、搬送中の紙葉類におけるスキュー（傾き）およびスライド（位置ずれ）などを補正する。上記搬送補正部１５は、複数の搬送ローラおよびタイミングセンサなどにより構成される。上記搬送補正部１５により搬送状態が補正された紙葉類Ｐは、判別部１６へ搬送される。
【００１８】
上記判別部１６は、紙葉類の真偽あるいは状態などを判別するものである。上記判別部１６による判別処理については、後で詳細に説明する。上記判別部１６による判別結果は、区分装置１内における紙葉類の搬送を制御する主制御部２０へ供給される。上記主制御部２０は、上記判別部１６による判別結果に基づいて、区分装置１内の各所に設けられている各ゲートＧ１〜Ｇ８の駆動を制御する。
【００１９】
上記ゲートＧ１は、例えば、リジェクト券と処理券とに振り分けるゲートである。リジェクト券とは、上記判別部１６により「判別が不能である券」と判別された紙葉類であるものとする。つまり、リジェクト券は、たとえば、上記判別部１６により偽券であると判定された紙葉類、折れ、破れあるいはスキューがあると判定された紙葉類などである。上記主制御部２０は、判別部１６によりリジェクト券と判定された紙葉類がリジェクト集積部１７へ搬送されるようにゲートＧ１を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ１を右側（時計方向）にスイングさせることにより、紙葉類を該リジェクト券としてリジェクト集積部１７へ搬送させる。
【００２０】
また、処理券とは、上記判別部１６により「処理が可能である券」と判別された紙葉類であるものとする。たとえば、処理券は、上記判別部１６により真券であると判定された紙葉類Ｐである。ただし、真券として処理券と判定された紙葉類Ｐには、汚損度が低い正券と、汚損度が大きい損券とが含まれるものとする。たとえば、再流通が可能な紙葉類が正券と判定され、再流通が不能な紙葉類が損券と判定される。上記主制御部２０は、上記判別部１６により処理券と判定された紙葉類が区分処理されるようにゲートＧ１を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ１を左側（反時計方向）にスイングさせることにより、紙葉類を処理券として区分処理を行うための後段の各部（反転部１８、集積部１９、あるいは、施封装置４）へ搬送させる。
【００２１】
上記ゲートＧ１を処理券として通過した紙葉類は、ゲートＧ２に搬送される。上記ゲートＧ２は、反転部１８の手前に設けられている。上記ゲートＧ２は、反転が必要な紙葉類と反転が不要な紙葉類とを振り分けるゲートである。すなわち、上記主制御部２０は、上記判別部１６による判別結果と集積部１９あるいは施封装置２の設定状態とに基づいて、紙葉類の向きあるいは表裏を反転する必要があるか否かを判断する。
【００２２】
上記主制御部２０は、向きあるいは表裏の反転が必要であると判断した紙葉類を反転部１８へ搬送するように、ゲートＧ２を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ２を右側（時計方向）にスイングさせることにより、向きあるいは表裏反転が必要な紙葉類を反転部１８へ搬送させる。また、上記主制御部２０は、向きあるいは表裏の反転が不要であると判断した紙葉類を集積部１９あるいは施封装置４へ搬送するように、ゲートＧ２を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ２を左側（反時計方向）にスイングさせることにより、表裏反転が不要な紙葉類が反転部１８を通過しないように搬送させる。
【００２３】
上記反転部１８は、スイッチバック反転部（図示しない）及び表裏反転部１８ａなどにより構成される。上記スイッチバック反転部は、紙葉類の向きを反転させる機構である。上記表裏反転部１８ａは、紙葉類の表裏を反転させる機構である。たとえば、紙葉類の向きのみを反転させる場合、上記反転部１８では、上記スイッチバック反転部により紙葉類の向きを反転させる。紙葉類の表裏のみを反転させる場合、上記反転部１８では、上記表裏反転部１８ａにより紙葉類の表裏を反転させる。また、紙葉類の向きと表裏とを反転させる場合、上記反転部１８では、上記スイッチバック反転部と上記表裏反転部１８ａとにより紙葉類の向きおよび表裏を反転させる。
【００２４】
上記反転部１８を通過した紙葉類は、ゲートＧ３へ搬送される。また、上記ゲートＧ２により反転不要として搬送された紙葉類は、ゲートＧ３へ搬送される。上記ゲートＧ３は、紙葉類の搬送先を集積部１９あるいは施封装置２の何れかに振り分けるゲートである。すなわち、上記主制御部２０は、上記判別部１６による判別結果と集積部１９および施封装置２の設定状態とに基づいて、紙葉類を集積部１９へ搬送するか、施封装置２へ搬送するかを判断する。
【００２５】
上記主制御部２０は、紙葉類を施封装置２へ搬送させると判断した場合、紙葉類が施封装置２へ搬送されるように、ゲートＧ３を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ３を右側（時計方向）にスイングさせることにより、紙葉類を施封装置２へ搬送させる。また、上記主制御部２０は、紙葉類を集積部１９へ搬送させると判断した場合、当該紙葉類が集積部１９へ搬送されるように、ゲートＧ３を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ３を左側（反時計方向）にスイングさせることにより、当該紙葉類を集積部１９へ搬送させる。
【００２６】
上記集積部１９は、ゲートＧ４〜Ｇ８と集積庫１９ａ〜１９ｆを有している。各ゲートＧ４〜Ｇ８は、紙葉類を各集積庫１９ａ〜１９ｆに振り分けるためのゲートである。上記各ゲートＧ４〜Ｇ８は、それぞれ集積庫１９ａ〜１９ｅに集積する紙葉類とそれ以外の紙葉類とを振り分ける。たとえば、紙葉類を集積庫１９ａに集積する場合、上記主制御部２０は、当該紙葉類を集積庫１９ａへ振り分けるようにゲートＧ４を駆動させる。同様に、紙葉類を集積庫１９ｂ〜１９ｅに集積する場合、上記主制御部２０は、当該紙葉類を集積庫１９ｂ〜１９ｅへ振り分けるようにゲートＧ５〜Ｇ８を駆動させる。また、紙葉類を集積庫１９ｆに集積する場合、上記主制御部２０は、当該紙葉類を集積庫１９ｆへ振り分けるようにゲートＧ８を駆動させる。
【００２７】
また、上記主制御部２０は、上記判別部１６による判別結果などに基づいて各紙葉類を集積すべき集積庫を決定する。たとえば、各集積庫１９ａ〜１９ｆに紙葉類の券種が割り当てられている場合、上記主制御部２０は、上記判別部１６による券種の判別結果に基づいて紙葉類を集積すべき集積庫を決定する。
【００２８】
上記各集積庫は、羽根車、一時集積庫、シャッター、カセットおよびプッシャーなどにより構成されている。各集積庫では、搬送される紙葉類Ｐの運動エネルギーを羽根車により吸収しながら一時集積庫に紙葉類を集積する。一時集積庫に集積された紙葉類は、シャッターが開放させることにより、カセット内に落下する。カセット内に落下した紙葉類は、プッシャーによりカセットの奥へ押し込まれる。
【００２９】
上記施封装置２は、施封制御部３０、主搬送路３１、第１集積部３２、第２集積部３３、施封機構３４などにより構成される。上記施封制御部３０は、施封装置２内の制御を司るものである。上記主搬送路３１は、上記区分装置１から供給される紙葉類を搬送するものである。上記主搬送路３１を搬送される紙葉類は、ゲートＧ１１あるいはゲートＧ１２により第１集積部３２あるいは第２集積部３３の何れかに振り分けられる。たとえば、ゲート１１は、上記主搬送路３１を搬送される紙葉類を第１集積部３２へ搬送させるためのゲートである。つまり、上記施封制御部３０は、ゲートＧ１１を駆動させることにより、紙葉類を第１集積部３２へ搬送させる。
【００３０】
上記第１集積部３２および第２集積部３３は、羽根車、一時集積庫、バックアッププレートなどにより構成される。上記第１集積部３２および第２集積部３３において、羽根車は、紙葉類の運動エネルギーを吸収しつつ、当該紙葉類を一時集積庫へ集積する。一時集積庫に集積された所定数（たとえば、１００枚）の紙葉類は、上昇及び下降が可能なバックアッププレートにより、施封機構３４内の施封トレイ３４ａに渡される。
【００３１】
上記施封機構３４は、施封トレイ３４ａ、印刷部３４ｂ、帯巻き部３４ｃなどにより構成される。上記施封機構３４において、施封トレイ３４ａには、上記バックアッププレートから所定数の紙葉類が積載される。印刷部３４ｂは、印刷機構と帯送り機構とを有している。上記印刷機構は、施封トレイ３４ａに積載された所定数の紙葉類を施封するための紙帯に所定の事項を印刷する。印刷機構により印刷処理された紙帯は、帯送り機構により帯巻き部３４ｃへ送り出される。上記帯巻き部３４ｃは、上記印刷部３４ｂから送り出された紙帯を施封トレイ３４ａに積載された所定数の紙葉類に巻き付ける。
【００３２】
図２は、上記のように構成される紙葉類処理システムにおける制御系統の構成例を概略的に示すブロック図である。
図２に示すように、主制御部２０には、判別部１６、搬送制御部２６、施封制御部４００及び操作装置３などが接続されている。
【００３３】
上記主制御部２０は、操作装置３から動作指示が与えられる。また、上記主制御部２０は、区分装置１あるいは施封装置２における上記判別部１６による判別結果などを含む紙葉類の処理結果を示す情報を操作装置３へ送信する機能も有している。上記主制御部２０は、上記判別部１６から紙葉類Ｐに対する判別結果を受信する。また、上記主制御部２０は、処理モードなどに応じた判定処理などのための設定値などを判別部１６に送信する機能も有している。上記主制御部２０は、搬送制御部２１及び施封制御部３０を制御する。上記主制御部２０は、上記搬送制御部２１に対して紙葉類に対する搬送処理の指示を送信する。また、上記主制御部２０は、上記搬送制御部２１から区分装置１内における紙葉類の搬送状況を示す情報などを受信する機能も有している。上記主制御部２０は、施封制御部３０に対して紙葉類に対する施封処理の指示を送信する。また、上記主制御部２０は、上記施封制御部３０から施封装置２における紙葉類の処理状況を示す情報などを受信する機能も有している。
【００３４】
上記主制御部２０は、図２に示すように、ＣＰＵ４１、記憶部４２、Ｉ／Ｆ（インターフェース）部４３、Ｉ／Ｆ（インターフェース）部４４などを有している。
上記ＣＰＵ４１は、主制御部２０における制御あるいはデータ処理などを司るものである。上記ＣＰＵ４１は、上記記憶部４２に記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記記憶部４２は、種々のデータを記憶するメモリである。上記記憶部４２は、ＲＡＭ、ＲＯＭ、ＮＶＲＡＭ、あるいは、ハードディスク装置などのメモリによりれる。
【００３５】
図２に示す例では、上記記憶部４２には、上記ＣＰＵ４１により実行されるプログラムとして、アプリケーションプログラム４６ａ、コマンドプログラム４６ｂ、保守プログラム４６ｃなどがインストールされている。また、上記記憶部４２には、主制御部における各種の処理に用いられるパラメータ４７なども記憶されている。
上記インターフェース部４３は、上記判別部１６、上記搬送制御部２１あるいは上記施封制御部３０とのデータ通信を行うためのインターフェースである。上記インターフェース部４４は、上記操作装置３とのデータ通信を行うためのインターフェースである。
【００３６】
上記判別部１６は、図２に示すように、ＣＰＵ５１、記憶部５２、インターフェース（Ｉ／Ｆ）部５３、画像読取部５４ａ、信号処理部５５ａ、センサ５４ｂ、５４ｃ、…、５４ｎ、信号処理部５５ｂ、５５ｃ、…、５５ｎなどを有している。
上記ＣＰＵ５１は、紙葉類に対する種々の判定処理などを実行するものである。上記ＣＰＵ５１は、上記記憶部５２に記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記記憶部５２は、種々のデータを記憶するメモリである。上記記憶部５２は、ＲＡＭ、ＲＯＭ、ＮＶＲＡＭ、あるいは、ハードディスク装置などのメモリにより構成される。たとえば、上記記憶部５２には、上記ＣＰＵ５１により実行されるプログラム５６ａ、５６ｂ、５６ｃ、…、５６ｄおよびパラメータ５８などが記憶される。上記インターフェース部５３は、上記主制御部２０とのデータ通信を行うためのインターフェースである。たとえば、上記判別部１６による種々の判定結果は、上記インターフェース部５３を介して上記主制御部２０へ通知される。
【００３７】
上記画像読取部５４ａは、判別対象とする紙葉類の画像を読取るものである。つまり、上記画像読取部５４ａは、図１に示すような構成によって搬送される紙葉類の画像を読取るものである。上記画像読取部５４ａは、たとえば、紙葉類の画像をカラー画像として光学的に読取るカラースキャナにより構成される。本実施例において、上記画像読取部５４ａは、各画素を赤（Ｒ）、緑（Ｇ）、ブルー（Ｂ）の各信号で表したカラー画像情報を読取るものとする。ただし、上記画像読取部５４ａは、複数の要素で表される画像情報を読取るものであれば良い。上記信号処理部５５ａは、上記画像読取部５４ａにより読取った画像情報を処理するものである。上記画像読取部５４ａにより読取った画像情報は、上記信号処理部５５ａにより所定の処理が施される。上記信号処理部５５ａにより処理された画像情報は、上記ＣＰＵ５１へ供給される。
【００３８】
また、各センサ５４ｂ、５４ｃ、…、５４ｎは、それぞれ、紙葉類から種々の情報を検知するためのセンサである。複数のセンサ５４ｂ、５４ｃ、…、５４ｎには、紙葉類における磁気情報を示す信号を検知するセンサ、紙葉類の厚さを示す信号を検知するセンサ、紙葉類における蛍光情報を示す信号を検知するセンサなどが含まれている。各信号処理部５５ｂ、５５ｃ、…、５５ｎは、それぞれ、各センサ５４ｂ、５４ｃ、…、５４ｎにより検知した信号を処理するものである。たとえば、信号処理部５５ｂ、５５ｃ、…、５５ｎは、信号を増幅する増幅回路、アナログ信号をデジタル信号に変換するＡＤ変換回路、あるいは、デジタル信号を論理演算する論理回路などにより構成される。
【００３９】
図２に示す例では、上記記憶部５２には、上記ＣＰＵ５１により実行されるプログラムとして、汚損判定プログラム５６ａ、判別プログラム５６ｂ、５６ｃ、…、５６ｎなどがインストールされている。また、上記記憶部５２には、上記ＣＰＵ５１により実行される各種の処理に用いられるパラメータ５８なども記憶されている。また、上記記憶部５２には、辞書部５９が記憶されている。
【００４０】
上記ＣＰＵ５１は、上記記憶部５２に記憶されている汚損判定プログラム５６ａを実行することにより汚損判定部として機能する。また、各判別プログラム５６ｂ、５６ｃ、…、５６ｎは、それぞれセンサ５４ｂ、５４ｃ、…、５４ｎに対応づけられるプログラムである。各判別プログラム５６ｂ、５６ｃ、…、５６ｎは、センサ５４ｂ、５４ｃ、…、５４ｎが検知した信号に基づいて紙葉類における種々の特徴を判別するためのプログラムである。すなわち、上記ＣＰＵ５１は、各判別プログラム５６ｂ、５６ｃ、…、５６ｎを実行することにより種々の特徴を判定する判定部として機能する。
【００４１】
上記記憶部５２に記憶される辞書部５９は、上記汚損判定プログラム５６ａにより実現される汚損判定処理において参照される情報が記憶される。例えば、上記辞書部５９には、画像情報における複数の特徴量から固有変動の成分とそれ以外の残差成分を分離するための変換行列（第１の変換行列）ＡＹ、および、前記固有変動の成分を除いた残差成分から汚損の度合いを示す変動成分と抽出するための変換行列（第２の変換行列）ＡＣが記憶される。
【００４２】
上記搬送制御部２１は、図２に示すように、ＣＰＵ６１、記憶部６２、インターフェース（Ｉ／Ｆ）部６３などを有している。
上記ＣＰＵ６１は、搬送制御部２１における各種の制御あるいはデータ処理などを司るものである。上記ＣＰＵ６１は、上記記憶部６２に記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記記憶部６２は、種々のデータを記憶するメモリである。上記記憶部６２は、ＲＡＭ、ＲＯＭ、ＮＶＲＡＭ、あるいは、ハードディスク装置などのメモリにより構成される。
【００４３】
図２に示す例では、上記記憶部６２には、上記ＣＰＵ５１により実行されるプログラムとして、搬送制御ファームウエア６５などがインストールされている。また、上記記憶部６２には、搬送制御部２１における搬送制御に用いられる搬送制御パラメータ６６なども記憶されている。
上記インターフェース部６３は、上記主制御部２０とのデータ通信を行うためのインターフェースである。たとえば、上記ＣＰＵ６１は、上記インターフェース部６３を介して上記主制御部２０から与えられる搬送指示に従って紙葉類の搬送制御を行う。
【００４４】
上記操作装置３は、図２に示すように、本体３ａ、操作部３ｂ、表示部３ｃなどを有している。
上記本体３ａは、ＣＰＵ、メモリ、各種インターフェースなどを有している。上記本体３ａは、上記ＣＰＵが上記メモリに記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記操作部３ｂは、キーボード、マウス、タッチパネルなどの入力装置により構成される。オペレータが上記操作部３ｂにより入力された情報は、図示しないインターフェースを介して本体３ａに供給される。上記表示部３ｃは、液晶表示装置などの表示装置により構成される。上記表示部３ｃには、紙葉類の処理結果を表示したり、オペレータに対する操作案内などを表示したりする。
上記のように構成される操作装置３では、たとえば、上記本体３ａは、オペレータが操作部３ｂにより入力した操作指示を上記主制御部２０へ出力する。また、上記本体３ａは、上記主制御部２０から要求される紙葉類の処理結果を示す情報などを表示部３ｃに表示する機能を有する。
【００４５】
次に、上記判別部１６において汚損判定処理を行うための構成について説明する。
図３は、汚損判定処理を行う汚損判定部７０の構成例を示すブロック図である。
上述したように、上記判別部１６では、上記ＣＰＵ５１が上記記憶部５２に記憶されている汚損判定プログラム５６ａを実行することにより汚損判定部７０として機能する。図３に示す汚損判定部７０における各構成要素は、上記ＣＰＵ５１が汚損判定プログラム５６ａを実行することにより実現される機能であるものとする。ただし、上記汚損判定部７０における一部又は全部の構成要素は、ハードウエアにより構成しても良い。
【００４６】
図３に示すように、上記汚損判定部７０は、入力処理部７１、特徴抽出部７２、分離部７３、判定部７４、出力処理部７５、変動学習部（第１の学習部）７６、辞書処理部７７、および、汚損学習部（第２の学習部）７８などを有している。
上記入力処理部７１は、画像情報を入力する処理を行う。上記入力処理部７１は、上記画像読取部５４ａで読取った紙葉類の画像情報を上記信号処理部５５ａにより処理した画像情報を入力する。本実施例では、上記入力処理部７１は、複数の色信号（Ｒ信号、Ｇ信号及びＢ信号）で表現されるカラー画像情報（つまり、紙葉類のカラー画像）を入力する。たとえば、上記入力処理部７１は、後述する汚損判定処理において汚損判定の対象とする画像情報を入力する処理を行う。また、上記入力処理部７１は、後述する変動成分の学習処理あるいは汚損成分の学習処理において、サンプルとなる画像情報を入力する処理を行う。
【００４７】
上記特徴抽出部７２は、上記入力処理部７１により入力した画像情報における複数の特徴量を抽出する。たとえば、入力した画像情報が赤（Ｒ）、緑（Ｇ）、青（Ｂ）からなるカラー画像である場合、上記特徴抽出部７２は、複数の特徴量として、当該画像情報における複数のプレーンな色情報（Ｒ、Ｇ、Ｂ）ごとの各濃度平均値を算出する。ただし、上記特徴抽出部７２が抽出する特徴量は、Ｒ、Ｇ、Ｂの各濃度平均値に限定されるものではない。たとえば、上記特徴抽出部７２は、赤外線センサにより読取った画像情報（ＩＲ）における濃度平均値を特徴量の１つとして抽出するようにしても良い。さらには、上記特徴抽出部７２は、種々の信号における濃度平均値に限らず、濃度分散値、濃度微分値などを特徴量として抽出するようにしても良い。
【００４８】
また、上記特徴抽出部７２が抽出する特徴量の数は、３つに限定されるものではない。たとえば、上記特徴抽出部７２は、Ｒ、Ｇ、Ｂ、ＩＲの各濃度平均値を４つの特徴量として抽出するようにしても良い。さらには、上記特徴抽出部７２は、入力された画像情報を複数の小領域に分割し、分割した各小領域における各信号の濃度平均値を複数の特徴量として抽出するようにしても良い。上記特徴抽出部７２は、上記のような様々な特徴を単一あるいは組み合わせた複数の特徴量を抽出することが可能である。
【００４９】
上記変動学習部７６は、入力される画像情報における固有変動の成分を分離（除去）するための情報を生成（学習）するものである。たとえば、特定の図柄が印刷されている印刷物（紙葉類）の読取画像が入力される場合、上記変動学習部７６は、たとえば、固有変動の成分として、当該紙葉類に対する図柄の印刷工程で発生する印刷変動成分を抽出するための情報を生成する。言い換えれば、上記変動学習部７６は、処理対象とする印刷物における汚れに起因しない固有変動の成分（印刷変動成分）を抽出するための情報を生成する。本実施の形態では、上記変動学習部７６は、固有変動成分を抽出するための変換行列を生成するものとする。
【００５０】
すなわち、上記変動学習部７６は、汚損がない状態の画像情報から抽出される複数の特徴量を複数次元の特徴ベクトルとしてＫＬ展開する。ＫＬ展開は、主成分分析である。従って、上記特徴ベクトルに対するＫＬ展開により、固有の変動成分としての主成分とそれ以外の成分（残差成分）とが分離された部分空間Ｙが生成される。上記変動学習部７６は、処理対象とする印刷物の画像情報から主成分と残差成分とを分離するための変換行列ＡＹを算出する。変換行列ＡＹは、画像情報から抽出される複数の特徴量の組としての特徴ベクトルを、部分空間Ｙに射影した射影値（第１の部分ベクトル）を算出する。この射影値としては、特徴量の数（次元数）に応じた各成分が得られる。すなわち、上記射影値が、固有の変動成分とそれ以外の残差成分とを分離した値となる。
【００５１】
上記分離部７３は、入力された画像情報における種々の成分を分離する処理を行う。上記分離部７３は、入力した画像情報における固有変動成分とそれ以外の残差成分とに分離するものである。たとえば、３つの特徴量が得られた場合、上記分離部７３は、変換行列ＡＹにより、３つの特徴量の組としての３次元の特徴ベクトルを、部分空間Ｙに射影した射影値としての部分空間（第１の部分ベクトル）を算出する。すなわち、上記分離部７３は、上記変動学習部７６により生成された３次元の部分空間Ｙに基づいて、画像情報における３つの特徴量の組を固有変動の主成分と残差成分とに分離する。これにより、上記分離部７３では、画像情報における固有変動の主成分を除いて、残りの残差成分を抽出することが可能となっている。
【００５２】
上記汚損学習部７８は、入力される画像情報における汚損による変動の成分を分離（抽出）するための情報を生成（学習）するものである。原理的には、上記固有変動の成分が除去された画像情報では、変動成分が汚損の度合いを示す情報と考えらえる。すなわち、上記汚損学習部７８は、固有変動の成分が除かれた残差成分から汚損度を示す変動成分を抽出するための情報を生成する。本実施の形態では、上記汚損学習部７８は、汚損変動の成分を抽出するための変換行列ＡＣを生成するものとする。
【００５３】
すなわち、上記汚損学習部７８は、汚損がある画像情報から得られる固有変動の成分を除去した残差成分の組を位置ベクトルとしてＫＬ展開する。ＫＬ展開は、主成分分析である。従って、上記位置ベクトル（残差成分ベクトル）に対するＫＬ展開では、変動の主成分としての汚損成分とそれ以外の成分（残差成分）とが分離された部分空間Ｃが生成される。上記汚損学習部７８は、処理対象とする印刷物の画像情報から固有変動の成分を除いた残差成分からなるベクトルにおける変動の主成分（汚損成分）を抽出するための変換行列ＡＣを算出する。変換行列ＡＣは、画像情報から抽出される複数の特徴量の組から固有変動の成分を除去した残差成分の組からなる位置ベクトルを、部分空間Ｃに射影した射影値（第２の部分ベクトル）を算出する。この射影値では、主成分が汚損の度合いを示す変動量となる。
【００５４】
上記判定部７４は、汚損度の判定を行うものである。図３に示す構成例においては、上記判定部７４は、上記分離部７３により固有変動の成分が分離された残差成分に基づいて汚損度を判定する。たとえば、３つの特徴量の組（特徴ベクトル）から固有変動の成分と２つの残差成分とが得られた場合、上記判定部７４は、２つの残差成分の組み（２次元の位置ベクトル）を変換行列ＡＣにより２次元の部分空間Ｃに射影した射影値としての部分空間（第２の部分ベクトル）を算出する。部分空間Ｃへの射影値では、主成分としての汚損変動の成分が抽出される。これにより、上記判定部７４は、汚損変動の成分の大きさに基づいて汚損度を判定する。
【００５５】
上記出力処理部７５は、上記判定部７４による汚損度の判定結果を出力する処理を行うものである。上記出力処理部７５は、たとえば、上記インターフェース部５３を介して主制御２０へ汚損度を示す情報を出力する。ここでは、紙葉類の汚損度を判定することを想定している。このため、上記出力処理部７５は、上記画像読取部５４ａにより画像を読取った紙葉類に対する汚損度を示す情報を主制御部２０へ出力する。
【００５６】
上記辞書処理部７７は、上記辞書部５９に対する処理を行うものである。たとえば、上記辞書処理部７７は、上記変換行列ＡＹあるいは上記変換行列ＡＣを辞書部５９から読み出す処理を行う。また、上記辞書処理部７７は、上記変動学習部７６により生成した変換行列ＡＹ、あるいは、上記汚損学習部７８により生成した変換行列ＡＣを辞書部５９に記憶する処理を行う。また、上記辞書処理部７７は、上記辞書５９に記憶されている変換行列ＡＹあるいは変換行列ＡＣの更新処理なども行う。たとえば、上記汚損学習部７８により新たな変換行列ＡＣが生成された場合、上記辞書処理部７７は、上記辞書５９に記憶されている変換行列ＡＣの更新処理を行う。
【００５７】
次に、上記のように構成される汚損判定部７０の動作について説明する。
上記汚損判定部７０は、大別すると、変動成分の学習処理、汚損成分の学習処理、および、汚損度の判定処理を行う。
上記変動成分の学習処理は、画像情報における固有の変動成分（つまり、汚損に起因しない変動成分）を抽出するための情報を生成する処理である。なお、たとえば、印刷物の画像情報における固有の変動成分としては、主として、印刷物への印刷工程で生じる印刷変動などが考えられる。上記変動成分の学習処理は、判別部１６内のＣＰＵ５１が変動成分の学習プログラム５７ａを実行することにより実現される。
上記汚損成分の学習処理は、画像情報に含まれる汚損成分（つまり、汚損に起因する変動成分）を抽出するための情報を生成する処理である。上記汚損成分の学習処理は、判別部１６内のＣＰＵ５１が汚損成分の学習プログラム５７ｂを実行することにより実現される。
【００５８】
上記汚損度の判定処理は、画像情報から固有の変動成分を除いた情報における汚損成分の大きさにより汚損度を判定する。すなわち、上記汚損度の判定処理では、上記変動成分の学習処理により得られた情報に基づいて、入力した画像情報から固有の変動成分が取り除かれる。さらに、上記汚損度の判定処理では、上記汚損成分の学習処理により得られた情報に基づいて、固有の変動成分を除いた情報から汚損成分の大きさ（つまり、汚損度）が判定される。上記汚損成分の学習処理は、判別部１６内のＣＰＵ５１が汚損度の判定プログラム５７ｃを実行することにより実現される。
【００５９】
以下、変動成分の学習処理、汚損成分の学習処理、および、汚損度の判定処理について、それぞれ詳細に説明する。なお、以下の説明では、紙葉類（印刷物）の一例として紙幣を処理対象として想定するものとする。
【００６０】
まず、上記変動成分の学習処理について説明する。
紙幣などの紙葉類は、所定の図柄が媒体（券面）に印刷されることにより作成されるものである。所定の図柄が印刷された直後の紙葉類には、使用に伴う汚れがない状態（未使用状態）である。このような紙葉類は、流通段階で徐々に汚れていくものと考えられる。このため、上記変動成分の学習処理では、流通前の状態（つまり、未使用状態）の複数の紙葉類から読取った画像情報がサンプルとして入力される。上記変動成分の学習処理では、未使用状態の複数の紙葉類から読取った画像情報から固有の変動成分を示す情報を生成する。
【００６１】
図４は、上記汚損判定部７０における変動成分の学習処理の流れを説明するためのフローチャートである。
ここでは、変動成分の学習処理においてサンプルとして必要な画像情報（未使用状態の紙葉類の画像）の数がＩ（Ｎ）個であるものとする。ただし、Ｉ（Ｎ）は、２以上の自然数である。Ｉ（Ｎ）は、後述する部分空間Ｙを生成するためのサンプル数である。
【００６２】
変動成分の学習処理を開始する場合、オペレータは、上記供給部１０にＩ（Ｎ）枚以上の未使用状態の紙葉類をセットする。さらに、オペレータは、操作装置３の操作部３ｂに変動成分の学習処理を開始する旨の操作指示を入力する。すると、上記操作装置３の本体３ａは、上記区分装置１の主制御部２０に対して変動成分の学習処理の開始指示を供給する。
上記操作装置３から変動成分の学習処理の開始指示を受けると、上記主制御部２０は、上記判別部１６に対して変動成分の学習処理の実行を指示する。上記判別部１６において、上記ＣＰＵ５１は、上記インターフェース部５３を介して上記主制御部２０からの変動成分の学習処理の実行指示を受信する。変動成分の学習処理の実行指示を受信すると、上記ＣＰＵ５１は、汚損判定プログラム５６ａに含まれる変動成分の学習プログラム５７ａをロードする。これにより、上記ＣＰＵ５１は、変動成分の学習処理を実行するための上記汚損判定部７０として機能する。
【００６３】
また、上記操作装置３から変動成分の学習処理の開始指示を受けた上記主制御部２０は、上記搬送制御部２１により上記供給部１０にセットされている未使用状態の紙葉類を１枚ずつ搬送させる。これにより、未使用状態の紙葉類は、１枚ずつ判別部１６へ搬送される。上記判別部１６では、上記画像読取部５４ａにより搬送されている未使用状態の紙葉類の画像を順次読取る。上記画像読取部５４ａにより読取った画像情報は、順次、上記信号処理部５５ａを介して上記汚損判定部７０として機能する上記ＣＰＵ５１へ供給される。
【００６４】
上記汚損判定部７０として機能する上記ＣＰＵ５１は、まず、変数ｉの初期値として「ｉ＝１」を設定する（ステップＳ１１）。なお、上記変数ｉは、たとえば、図示しないＣＰＵ５１の内部メモリにセットされる。上記変数ｉがＩ（Ｎ）以下である場合（ステップＳ１２、ＹＥＳ）、上記汚損判定部７０の上記入力処理部７１は、上記画像読取部５４ａにより読取ったｉ番目の紙葉類の画像情報Ｘ（Ｎ）ｉを入力する（ステップＳ１３）。上記入力処理部７１により入力した画像情報Ｘ（Ｎ）ｉは、上記特徴抽出部７２へ供給される。ここで、上記画像読取部５４ａは、上述したように、Ｒ、ＧおよびＢ信号からなるカラー画像として紙葉類の画像を読取るものとする。
【００６５】
上記入力処理部７１から画像情報Ｘ（Ｎ）ｉが供給されると、上記特徴抽出部７２は、当該画像情報Ｘ（Ｎ）ｉにおける複数の特徴量をそれぞれ算出する（ステップＳ１４）。ここでは、上記特徴抽出部７２は、当該画像情報Ｘ（Ｎ）ｉにおけるカラー画像情報としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を複数の特徴量として算出する。なお、上記画像情報Ｘ（Ｎ）ｉにおける印刷領域（所定の図柄が印刷されている領域）が特定可能な場合、上記特徴抽出部７２は、上記画像情報Ｘ（Ｎ）ｉの印刷領域において、Ｒ、Ｇ、Ｂの各濃度平均値を算出するようにしても良い。
【００６６】
上記特徴抽出部７２が上記画像情報Ｘｉにおける各濃度平均値（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を算出すると、上記変数ｉは、インクリメントされ、「ｉ＝ｉ＋１」に更新される（ステップＳ１５）。インクリメントされた変数ｉがＩ（Ｎ）以下である場合（ステップＳ１２、ＮＯ）、上記入力処理部７１および上記特徴抽出部７２は、各画像情報Ｘ（Ｎ）ｉにおける複数の特徴量としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を算出する処理を繰り返し実行する（ステップＳ１２〜Ｓ１５）。
【００６７】
また、インクリメントされた変数ｉがＩ（Ｎ）以下でない場合（つまり、ｉ＞Ｉ（Ｎ）である場合）、上記変動学習部７６は、入力したＩ（Ｎ）個の画像情報から固有の変動成分を抽出するための部分空間を生成する処理を行う（ステップＳ１６）。すなわち、上記変動学習部７６は、Ｉ（Ｎ）個の各画像情報から上記特徴抽出部７２が抽出した複数の特徴量の組みをそれぞれ各画像情報の特徴ベクトルとみなす。上記変動学習部７６は、Ｉ（Ｎ）個の画像情報の特徴ベクトルに対して主成分分析を行う。本実施の形態では、上記変動学習部７６は、主成分分析として各画像情報の特徴ベクトルに対してＫＬ展開を行う。上記ＫＬ展開は、Ｉ（Ｎ）個の画像情報の特徴ベクトルの分布を部分空間Ｙ（Ｙ＝Ｙ１、Ｙ２、Ｙ３）に変換する処理である。つまり、上記変動学習部７６は、Ｉ（Ｎ）個の画像情報の特徴ベクトル（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を上記ＫＬ展開により部分空間Ｙに変換する（ステップＳ１６）。
【００６８】
たとえば、図５は、画像情報から得られる複数の特徴量の組としての特徴ベクトル（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）と部分空間Ｙ（Ｙ１、Ｙ２、Ｙ３）との関係の模式的に示す図である。図５に示すように、上記部分空間Ｙを構成するＹ１、Ｙ２、Ｙ３は、互いに直交する３つの方向における成分である。上述したように、Ｉ（Ｎ）個の画像情報から得られる特徴ベクトルをＫＬ展開することにより算出される上記部分空間Ｙは、Ｉ（Ｎ）個の特徴ベクトルの分布を最も良く近似するものである。このような部分空間ＹにおけるＹ１は、Ｉ（Ｎ）個の特徴ベクトルの変動を最も良く近似する主成分（変動成分）である。なお、ここでは、上記部分空間ＹにおけるＹ２成分およびＹ３成分は残差成分とも称するものとする。
【００６９】
上記変動成分の学習処理において、入力するＩ（Ｎ）個の画像情報は、未使用状態のＮ個の紙葉類から読取った画像情報である。ここで、未使用状態のＩ（Ｎ）個の紙葉類には汚損がなく、かつ、同じ画像が印刷されていることを前提とすれば、入力するＩ（Ｎ）個の画像情報間における変動要素は、画像を紙葉類に印刷工程で発生するばらつき（つまり、固有の変動成分）とみなすことができる。つまり、Ｉ（Ｎ）個の未使用状態の紙葉類から読取ったＩ（Ｎ）個の画像情報における変動は、入力する画像情報における固有の変動成分であると考えられる。従って、上記部分空間ＹにおけるＹ１成分は、入力するＩ（Ｎ）個の画像情報における変動の主成分（未使用状態の紙葉類に印刷されている画像における固有の変動成分）であるとみなせる。なお、ここでは、Ｙ１成分としての変動の主成分（固有の変動成分）が、印刷物における印刷変動の主成分であることを想定する。
【００７０】
上記部分空間ＹにおけるＹ１成分が画像情報における印刷変動の主成分であれば、ある画像情報の特徴ベクトルを上記部分空間Ｙに射影することにより、当該画像情報における固有の変動成分（印刷変動成分）を容易に抽出（あるいは除去）できる。このため、上記変動学習部７６は、画像情報の特徴ベクトルを部分空間Ｙに射影するための３次元の変換行列ＡＹを生成する。上記変動学習部７６により生成された変換行列ＡＹは、上記辞書処理部７７により辞書部５９に保存される（ステップＳ１７）。上記辞書部５９に保存された変換行列ＡＹが、紙葉類の画像情報から固有の変動成分としての印刷変動の主成分を抽出するための情報である。
【００７１】
次に、上記汚損成分の学習処理について説明する。
上記汚損成分の学習処理は、紙葉類から読取った画像情報における汚損成分を抽出するための情報を生成する処理である。紙幣などの紙葉類には、流通段階（使用段階）において、汚れあるいは破損などが発生する。上記変動成分の学習処理では、流通後の状態（つまり、使用済みの状態）の複数の紙葉類から読取った画像情報がサンプルとして入力される。このようなサンプルに基づいて汚損成分を抽出するための情報が生成される。ただし、上述したように、各紙葉類に印刷されている画像には、汚損とは無関係の印刷変動成分が含まれる。従って、上記汚損成分の学習処理では、上記変換行列ＡＹにより印刷変動成分を排除して、汚損成分を抽出するための情報を生成する。
【００７２】
図６は、上記汚損判定部７０における汚損成分の学習処理の流れを説明するためのフローチャートである。
ここでは、汚損成分の学習処理においてサンプルとして必要な画像情報（使用済み状態の紙葉類の画像）の数がＩ（Ｕ）個であるものとする。ただし、Ｉ（Ｕ）は、２以上の自然数であり、後述する部分空間Ｃを生成するためのサンプル数である。
【００７３】
汚損成分の学習処理を開始する場合、オペレータは、上記供給部１０にＩ（Ｕ）個以上の使用済み状態の紙葉類をセットする。さらに、オペレータは、操作装置３の操作部３ｂに汚損成分の学習処理を開始する旨の操作指示を入力する。すると、上記操作装置３の本体３ａは、上記区分装置１の主制御部２０に対して汚損成分の学習処理の開始指示を供給する。
【００７４】
上記操作装置３から汚損成分の学習処理の開始指示を受けると、上記主制御部２０は、上記判別部１６に対して汚損成分の学習処理の実行を指示する。上記判別部１６において、上記ＣＰＵ５１は、上記インターフェース部５３を介して上記主制御部２０からの変動成分の学習処理の実行指示を受信する。変動成分の学習処理の実行指示を受信すると、上記ＣＰＵ５１は、汚損判定プログラム５６ａに含まれる汚損成分の学習プログラム５７ｂをロードする。これにより、上記ＣＰＵ５１は、汚損成分の学習処理を実行するための上記汚損判定部７０として機能する。
【００７５】
また、上記操作装置３から汚損成分の学習処理の開始指示を受けた上記主制御部２０は、上記搬送制御部２１により上記供給部１０にセットされている使用済み状態の紙葉類を１枚ずつ搬送させる。これにより、使用済み状態の紙葉類は、１枚ずつ判別部１６へ搬送される。上記判別部１６では、上記画像読取部５４ａにより搬送されている使用済み状態の紙葉類の画像を順次読取る。上記画像読取部５４ａにより読取った画像情報は、順次、上記信号処理部５５ａを介して上記汚損判定部７０として機能する上記ＣＰＵ５１へ供給される。
【００７６】
上記汚損判定部７０として機能する上記ＣＰＵ５１は、まず、変数ｉの初期値として「ｉ＝１」を設定する（ステップＳ２１）。なお、上記変数ｉは、たとえば、図示しないＣＰＵ５１の内部メモリにセットされる。上記変数ｉがＩ（Ｕ）以下である場合（ステップＳ２２、ＹＥＳ）、上記汚損判定部７０の上記入力処理部７１は、上記画像読取部５４ａにより読取ったｉ番目の紙葉類の画像情報Ｘ（Ｕ）ｉを入力する（ステップＳ２３）。上記入力処理部７１により入力した画像情報Ｘ（Ｕ）ｉは、上記特徴抽出部７２へ供給される。ここで、上記画像読取部５４ａは、上述したように、Ｒ、ＧおよびＢ信号からなるカラー画像として紙葉類の画像を読取るものとする。
【００７７】
上記入力処理部７１から画像情報Ｘ（Ｕ）ｉが供給されると、上記特徴抽出部７２は、当該画像情報Ｘ（Ｕ）ｉにおける複数の特徴量をそれぞれ算出する（ステップＳ２４）。ここでは、上記特徴抽出部７２は、当該画像情報Ｘ（Ｕ）ｉにおけるカラー画像情報としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）を複数の特徴量として算出する。ただし、上記画像情報Ｘ（Ｕ）ｉにおける画像の印刷領域が特定可能な場合、上記特徴抽出部７２は、上記印刷領域において、Ｒ、Ｇ、Ｂの各濃度平均値を複数の特徴量として算出するようにしても良い。
【００７８】
上記特徴抽出部７２により算出した上記画像情報Ｘ（Ｕ）ｉにおける濃度平均値（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）は、上記分離部７３へ供給される。ここで、各濃度平均値の組（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）は、当該画像情報Ｘ（Ｕ）ｉの特徴ベクトルとみなされるものとする。上記画像情報Ｘ（Ｕ）ｉの特徴ベクトル（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）が供給されると、上記分離部７３は、上記辞書処理部７７を介して上記辞書部５９に記憶されている変換行列ＡＹを読み込む（ステップＳ２５）。上記変動成分の学習処理で説明したように、上記変換行列ＡＹは、特徴ベクトルを部分空間Ｙに射影するものである。
【００７９】
上記辞書部５９から変換行列ＡＹを読み込むと、上記分離部７３は、当該画像情報Ｘ（Ｕ）ｉの特徴ベクトルμ（Ｕ）（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）を変換行列ＡＹにより３次元の値Ｙ（Ｕ）（Ｙ（Ｕ）１ｉ、Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）に変換する（ステップＳ２６）。上記変換行列ＡＹにより算出される３次元の値Ｙ（Ｕ）は、特徴ベクトルμ（Ｕ）を部分空間Ｙに射影した射影値である。上述したように、上記部分空間ＹのＹ１成分は、汚損に無関係な固有の変動成分（印刷変動の主成分）である。従って、当該画像情報Ｘ（Ｕ）ｉの特徴ベクトルμ（Ｕ）を部分空間Ｙに射影した値におけるＹ（Ｕ）１成分は、固有の変動成分（印刷変動の主成分）であると考えられる。言い換えると、上記画像情報Ｘ（Ｕ）ｉの特徴ベクトルμ（Ｕ）を部分空間Ｙに射影した値における残差成分Ｙ（Ｕ）２およびＹ（Ｕ）３には、当該画像情報Ｘ（Ｕ）ｉにおける汚損成分が含まれると考えられる。
【００８０】
上記分離部７３は、変換行列ＡＹにより算出した射影値Ｙ（Ｕ）を図示しないバッファメモリに蓄積する。上記射影値が算出されると、上記変数ｉは、インクリメントされ、「ｉ＝ｉ＋１」に更新される（ステップＳ２７）。インクリメントされた変数ｉがＩ（Ｕ）以下である場合（ステップＳ２２、ＮＯ）、上記入力処理部７１は、次の画像情報Ｘ（Ｕ）ｉを入力する。これにより、上記汚損判定部７０では、上記変数ｉがＩ（Ｕ）よりも大きくなるまで、上記ステップＳ２２〜Ｓ２７の処理が繰り返し実行される。
【００８１】
また、インクリメントされた変数ｉがＩ（Ｕ）以下でない場合（つまり、ｉ＞Ｉ（Ｕ）である場合）、上記汚損学習部７８は、上記分離部７３により算出したＩ（Ｕ）個の射影値から汚損成分を抽出するための部分空間Ｃを生成する処理を行う（ステップＳ２８）。
すなわち、上記汚損学習部７８は、上記分離部７３により算出した各射影値におけるＹ（Ｕ）２ｉおよびＹ（Ｕ）２ｉの組みを２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）とみなす。上記汚損学習部７８は、Ｎ個の２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）に対して主成分分析を行う。
本実施の形態では、上記汚損学習部７８は、主成分分析としてＮ個の２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）に対してＫＬ展開を行う。上記ＫＬ展開は、Ｉ（Ｕ）個の２次元の位置ベクトルの分布を部分空間Ｃ（Ｃ２、Ｃ３）に変換する処理である。つまり、上記汚損学習部７８は、上記分離部７３により分離された固有の変動成分（印刷変動の主成分）を除去したＮ個の２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）を上記ＫＬ展開により部分空間Ｃに変換する。
【００８２】
図７は、印刷変動成分を除去したＮ個の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）と部分空間Ｙ（Ｃ１、Ｃ２）との関係の模式的に示す図である。
図７に示すように、上記部分空間Ｃを構成するＣ１およびＣ２は、互いに直交する２つの方向における成分である。上述したように、Ｎ個の画像情報から得られる特徴ベクトルをＫＬ展開することにより算出される上記部分空間Ｃは、Ｎ個の位置ベクトルの分布を最も良く近似するものである。このような部分空間ＣにおけるＣ１は、Ｎ個の位置ベクトルの変動成分を最も良く近似する主成分である。
【００８３】
ここで、２次元の位置ベクトルは、汚損に起因しない固有の変動成分（印刷変動の主成分）が除去されている。このような２次元の位置ベクトルをＫＬ展開した部分空間Ｃは、主成分として現れる変動成分が汚損成分を示すものであると考えられる。従って、上記部分空間ＣにおけるＣ１成分は、紙葉類の画像情報における汚損の主成分（使用状態の紙葉類に印刷されている画像における印刷変動成分を除いた汚損成分）であるとみなせる。
【００８４】
上記部分空間ＣにおけるＣ１成分が画像情報における汚損成分であれば、ある画像情報の特徴ベクトルを部分空間Ｙに射影し、さらに、固有の変動成分を除く位置ベクトルを上記部分空間Ｃに射影することにより、当該画像情報における汚損成分が抽出できる。このため、上記汚損学習部７８は、２次元の位置ベクトルを部分空間Ｃに射影するための２次元の変換行列ＡＣを生成する。上記汚損学習部７８により生成された変換行列ＡＣは、上記辞書処理部７７により辞書部５９に保存される（ステップＳ２９）。上記辞書部５９に保存された変換行列ＡＣが、紙葉類の画像情報から汚損成分を抽出するための情報である。
【００８５】
次に、上記汚損度の判定処理について説明する。
上記汚損度の判定処理は、汚損度の判定対象とする紙葉類から読取った画像情報における汚損度を判定する処理である。上述したように、使用済み状態の紙葉類から読取った画像情報には、汚損とは無関係の変動成分（たとえば、印刷変動成分）と、汚損に起因する汚損成分とが含まれる。従って、上記汚損度の判定処理には、紙葉類から読取った画像情報における固有の変動成分を排除する処理と、上記固有の変動成分を排除した情報から汚損成分を抽出する処理とが含まれる。また、汚損度の判定処理では、処理対象の紙葉類として実際に使用された紙葉類を想定している。さらに、汚損度の判定処理においては、汚損度の判定処理において得られる情報に基づいて汚損成分を抽出するための情報（変換行列ＡＣ）を更新する処理（オンライン学習処理）を行うようにしても良い。
【００８６】
図８は、上記汚損判定部７０における汚損度の判定処理の流れを説明するためのフローチャートである。
ここでは、上述した紙葉類処理システムにおいて、区分処理の対象とする紙葉類に対する汚損度の判定処理が実行されることを想定するものとする。また、ここでは、汚損度が判定される紙葉類の数（つまり、供給部１０にセットされる紙葉類の数）がＩ（Ｔ）個であるものとする。
【００８７】
汚損度の判定処理を含む区分処理を開始する場合、オペレータは、処理対象とするＩ（Ｔ）枚の紙葉類を上記供給部１０にセットする。さらに、オペレータは、操作装置３の操作部３ｂに汚損度の判定処理を含む紙葉類に対する区分処理を開始する旨の操作指示を入力する。すると、上記操作装置３の本体３ａは、上記区分装置１の主制御部２０に対して紙葉類に対する処理の開始指示を通知する。区分処理などの紙葉類に対する処理では、上記判別部１６は、汚損度以外の種々の判定処理も行う。このため、上記主制御部２０は、上記判別部１６に対して汚損度の判定処理を含む種々の判定処理を実行するように指示する。ただし、ここでは、上記判別部１６における汚損度の判定処理について説明するものとする。
【００８８】
すなわち、上記判別部１６のＣＰＵ５１は、上記インターフェース部５３を介して上記主制御部２０から汚損度の判定処理の実行指示を受信すると、汚損判定プログラム５６ａに含まれる汚損度判定プログラム５７ｃをロードする。これにより、上記ＣＰＵ５１は、汚損度の判定処理を実行するための上記汚損判定部７０として機能する。
【００８９】
また、上記操作装置３から処理の開始指示を受けた上記主制御部２０は、上記搬送制御部２１により上記供給部１０にセットされている処理対象の紙葉類を１枚ずつ搬送させる。これにより、処理対象の紙葉類は、１枚ずつ判別部１６へ搬送される。上記判別部１６では、上記画像読取部５４ａにより搬送されている処理対象の紙葉類の画像を順次読取る。上記画像読取部５４ａにより読取った画像情報は、順次、上記信号処理部５５ａを介して上記汚損判定部７０として機能する上記ＣＰＵ５１へ供給される。
【００９０】
上記汚損判定部７０として機能する上記ＣＰＵ５１は、まず、変数ｉの初期値として「ｉ＝１」を設定する（ステップＳ３１）。なお、上記変数ｉは、たとえば、上記ＣＰＵ５１の図示しない内部メモリにセットされる。上記変数ｉがＩ（Ｔ）以下である場合（ステップＳ３２、ＹＥＳ）、上記汚損判定部７０の上記入力処理部７１は、上記画像読取部５４ａにより読取ったｉ番目の紙葉類の画像情報Ｘ（Ｔ）ｉを入力する（ステップＳ３３）。上記入力処理部７１により入力した画像情報Ｘ（Ｔ）ｉは、上記特徴抽出部７２へ供給される。ここで、上記画像読取部５４ａは、上述したように、Ｒ、ＧおよびＢ信号からなるカラー画像として紙葉類の画像を読取るものとする。
【００９１】
上記入力処理部７１から画像情報Ｘ（Ｔ）ｉが供給されると、上記特徴抽出部７２は、当該画像情報Ｘ（Ｔ）ｉにおける複数の特徴量をそれぞれ算出する（ステップＳ３４）。ここでは、上記特徴抽出部７２は、当該画像情報Ｘ（Ｔ）ｉにおけるカラー画像情報としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）を複数の特徴量として算出する。なお、上記画像情報Ｘ（Ｔ）ｉにおいて図柄が印刷されている領域（印刷領域）が特定可能な場合、上記特徴抽出部７２は、上記印刷領域において、Ｒ、Ｇ、Ｂの各濃度平均値を複数の特徴量として算出するようにしても良い。
【００９２】
上記特徴抽出部７２により算出した上記画像情報Ｘ（Ｔ）ｉにおける濃度平均値（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）は、上記分離部７３へ供給される。ここで、各濃度平均値の組（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）は、当該画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）とみなされるものとする。上記画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）が供給されると、上記分離部７３は、上記辞書処理部７７を介して上記辞書部５９に記憶されている変換行列ＡＹを読み込む（ステップＳ３５）。上記変動成分の学習処理で説明したように、上記変換行列ＡＹは、特徴ベクトルμ（Ｔ）を部分空間Ｙに射影するものである。
【００９３】
上記辞書部５９から変換行列ＡＹを読み込むと、上記分離部７３は、当該画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）を変換行列ＡＹにより３次元の値Ｙ（Ｔ）（Ｙ（Ｔ）１ｉ、Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）に変換する（ステップＳ３６）。上記変換行列ＡＹにより算出される３次元の値（Ｙ（Ｔ）１ｉ、Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）は、画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）を部分空間Ｙに射影した射影値である。上述したように、上記部分空間ＹのＹ１成分は、汚損に無関係な固有の変動成分（印刷変動の主成分）である。従って、当該画像情報Ｘ（Ｔ）ｉの特徴ベクトル画像情報Ｘ（Ｔ）ｉのを部分空間Ｙに射影した値Ｙ（Ｔ）におけるＹ（Ｔ）１ｉ成分は、固有の変動成分（印刷変動の主成分）であると考えられる。言い換えると、上記射影値Ｙ（Ｔ）における残差成分Ｙ（Ｔ）２ｉおよびＹ（Ｔ）３ｉには、当該画像情報Ｘ（Ｔ）ｉにおける汚損成分が含まれると考えられる。
【００９４】
上記部分空間Ｙへの射影値が算出されると、上記分離部７３は、さらに、上記辞書処理部７７を介して上記辞書部５９に記憶されている変換行列ＡＣを読み込む（ステップＳ３７）。上記汚損成分の学習処理で説明したように、上記変換行列ＡＣは、特徴ベクトルから固有の変動成分Ｙ１を除いた２次元の位置ベクトル（Ｙ２、Ｙ３）を部分空間Ｃに射影するものである。
【００９５】
上記辞書部５９から変換行列ＡＣを読み込むと、上記分離部７３は、上記射影値のうちＹ（Ｔ）２ｉおよびＹ（Ｔ）３ｉを２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）とみなす。上記分離部７３は、２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）を変換行列ＡＣにより２次元の値（Ｃ（Ｔ）１ｉ、Ｃ（Ｔ）２ｉ）に変換する（ステップＳ３８）。上記変換行列ＡＣにより算出される２次元の値（Ｃ（Ｔ）１ｉ、Ｃ（Ｔ）２ｉ）は、固有の変動成分が除去されている２次元の位置ベクトルを部分空間Ｃに射影した射影値である。上述したように、上記部分空間ＣのＣ１成分は、変動の主成分を最も良く近似する汚損の主成分である。従って、上記Ｃ（Ｔ）１ｉの大きさに基づいて、画像情報Ｘ（Ｔ）ｉにおける汚損度が判定できる。
【００９６】
すなわち、上記判定部７４は、上記分離部７３により得られたＣ（Ｔ）１ｉの値に基づいて画像情報Ｘ（Ｔ）ｉにおける汚損度（つまり、ｉ番目の紙葉類の汚損度）を判定する（ステップＳ３９）。ここで、上記判定部７４は、ｉ番目の紙葉類に対する汚損度の判定結果として、綺麗であるか汚れているかを判定するものとする。つまり、上記判定部７４は、上記Ｃ（Ｔ）１ｉの値と所定の閾値とを比較することにより、ｉ番目の紙葉類が綺麗であるか汚れているかを判定する。ただし、当該紙葉類を正券として取り扱うか損券として取り扱うか（当該紙葉類が綺麗か汚れているか）は、上記主制御部２０が決定するようにしても良い。この場合、上記判定部７４は、数値化した汚損度を判定結果として上記主制御部２０へ出力するようにすれば良い。
【００９７】
図９は、汚損成分の値（Ｃ（Ｔ）１ｉの値）に対する汚損判定の例を示す図である。
図９に示す例では、Ｃ（Ｔ）１ｉの値に対する出現頻度を示している。さらに、図９に示す例では、Ｃ（Ｔ）１ｉの値に対して、汚損度（綺麗か汚れているか）を判定するための閾値（ＴＨ１およびＴＨ２）の設定例も示している。上記閾値ＴＨ１およびＴＨ２は、１つのペアで設定されている。つまり、図９に示す例では、Ｃ（Ｔ）１ｉの値がＴＨ１〜ＴＨ２であれば、当該紙葉類が綺麗と判定され、Ｃ（Ｔ）１ｉの値がＴＨ１以下又はＴＨ２以上であれば、当該紙葉類が汚いと判定されるようになっている。上記閾値ＴＨ１およびＴＨ２は、当該紙葉類処理システムの運用形態に応じて適宜設定される値である。上記閾値ＴＨ１及びＴＨ２は、互いの間隔（ＴＨ１及びＴＨ２間の距離）が小さくなればなるほど、当該紙葉類が綺麗と判定されにくくなる。
【００９８】
なお、上記判定部７４は、紙葉類の汚損レベルを所定の複数段階で示すようにしても良い。この場合、上記判定部７４は、上記Ｃ（Ｔ）１ｉと所定の複数段階に分別するための複数の閾値とに基づいて当該紙葉類の汚損レベルを所定の複数段階に分別する。たとえば、図９に示すような閾値のペアを複数のペア設定することにより、複数の汚損レベルに紙葉類を分別するような運用形態が実現可能である。さらに、上記閾値ＴＨ１およびＴＨ２は、Ｃ（Ｔ）１ｉの値に対する出現頻度に応じて設定するようにしても良い。この場合、たとえば、処理対象となる全紙葉類を、所定の割合で綺麗な紙葉類と汚れた紙葉類とに区分するような運用形態が実現可能である。
【００９９】
上記のような上記判定部７４による汚損度の判定結果は、上記出力処理部７５により上記主制御部２０へ出力される（ステップＳ４０）。上記汚損度の判定結果が出力されると、上記変数ｉは、インクリメントされ、「ｉ＝ｉ＋１」に更新される（ステップＳ４１）。インクリメントされた変数ｉがＩ（Ｔ）以下である場合（ステップＳ３２、ＮＯ）、上記入力処理部７１は、次の画像情報Ｘ（Ｔ）ｉを入力する。これにより、上記汚損判定部７０では、上記変数ｉがＩ（Ｔ）よりも大きくなるまで、上記ステップＳ３２〜Ｓ４１の処理を繰り返し実行する。また、インクリメントされた変数ｉがＩ（Ｕ）以下でない場合（つまり、供給部１０にセットされた紙葉類の画像が無くなった場合）、上記判定部７４は、Ｉ（Ｕ）個の紙葉類に対する汚損度の判定処理を終了する。
【０１００】
上記のように、汚損度の判定処理は、印刷物の画像情報を入力し、入力した画像情報から複数の特徴量を抽出し、抽出した複数の特徴量の組を特徴ベクトルとみなし、メモリに記憶されている第１の変換行列により前記特徴ベクトルを第１の部分ベクトル（第１の部分空間）に変換し、第１の部分ベクトルから第１の主成分（固有の変動成分、印刷変動成分）を除く第１の残差成分を抽出し、第１の残差成分の組を残差ベクトルとみなし、メモリに記憶されている第２の変換行列により残差ベクトルを第２の部分ベクトル（第２の部分空間）に変換し、第２の部分ベクトルから第２の主成分を抽出し、抽出した第２の主成分に基づいて前記印刷物における汚損度を判定する。
【０１０１】
次に、汚損度の判定処理におけるオンライン学習機能について説明する。
上記ステップＳ３１〜Ｓ４１の汚損度の判定処理においては、変換行列ＡＣの更新処理を追加することが可能である。すなわち、上述した汚損成分の学習処理では、使用済み状態の紙葉類、つまり、汚損がある紙葉類をサンプルとして汚損成分を抽出するための変換行列ＡＣを生成している。これに対して、汚損度の判定処理でも、処理対象とする紙葉類が使用済みの状態の紙葉類であることを想定している。つまり、汚損度の判定処理において処理対象とする紙葉類は、汚損成分の学習処理においてサンプルとして入力する紙葉類と根本的には相違がない。従って、汚損度の判定処理においては、汚損度の判定とともに、汚損成分の学習処理（変換行列ＡＣの更新処理）を行うことが可能である。このように、汚損度の判定処理において、汚損度の判定とともに、汚損成分の学習処理を行うことをオンライン学習機能と称するものとする。
【０１０２】
上記オンライン学習機能では、実際に使用されている紙葉類の状態に応じて変換行列ＡＣが更新されていく。このため、上記オンライン学習機能では、実際の運用状況に即した高精度な汚損度の判定処理が行える。ただし、特殊な汚損がある紙葉類あるいは極端に汚損状態が悪い紙葉類が処理対象となる場合、オンライン学習機能では、好ましい変換行列ＡＣが得られないことも有りうる。従って、上記オンライン学習機能は、当該紙葉類処理システムのオペレータあるいは管理者の意図に応じて有効とするか無効とするかを切替えられるものが好ましい。以下、オンライン学習機能が有効に設定されている場合における汚損度の判定処理の例について説明する。
【０１０３】
図１０は、オンライン学習機能を行う汚損度の判定処理の流れを説明するためのフローチャートである。
すなわち、オンライン学習機能としては、汚損度の判定処理において、変換行列ＡＣを更新する処理が追加される。図１０に示すフローチャートでは、図８に示すフローチャートに、オンライン学習機能（変換行列ＡＣの更新処理）としてのステップＳ５１ＡあるいはステップＳ５１Ｂが追加されている。ただし、オンライン学習機能としては、図１０に示すステップＳ５１ＡあるいはステップＳ５１Ｂの何れかが実行されるものとする。なお、図１０に示すステップＳ３１〜Ｓ４１の処理は、図８に示す各処理を同等な処理であるあるため、詳細な説明を省略するものとする。
【０１０４】
上述したように、変換行列ＡＣは、汚損成分を抽出するための情報である。つまり、変換行列ＡＣは、固有の変動成分を除く２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）を部分空間Ｃに射影した値（Ｃ（Ｔ）１ｉ、Ｃ（Ｔ）２ｉ）を算出するための情報である。また、部分空間Ｃは、２次元の位置ベクトル（Ｙ２、Ｙ３）をＫＬ展開することにより得られる情報である。
【０１０５】
従って、汚損度の判定処理において、上記汚損学習部７８は、各紙葉類に対する汚損度としての「Ｃ（Ｔ）１ｉ」を算出するごとに、変換行列ＡＣを更新することが可能である（ステップＳ５１Ａ）。この場合、上記汚損学習部７８は、ｉ番目の紙葉類の画像情報から得られた２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）が得られるごとに、上記ステップＳ２８及びＳ２９と同様な処理により変換行列ＡＣ（Ｔ）ｉを生成する。この場合、上記汚損学習部７８は、新たに生成した変換行列ＡＣ（Ｔ）ｉと既存の変換行列ＡＣとを統合することにより、ｉ番目の紙葉類の画像情報に対する汚損度を判定するごとに、辞書部５９に記憶されている変換行列ＡＣを更新する。
【０１０６】
また、汚損度の判定処理において、汚損学習部７８は、Ｉ（Ｔ）個の紙葉類に対する汚損度の判定が終了した後に、変換行列ＡＣを更新することも可能である（ステップＳ５１Ｂ）。この場合、上記汚損学習部７８は、Ｉ（Ｔ）個の紙葉類の画像情報から得られた２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）を全て保存しておく。これにより、上記汚損学習部７８は、上記ステップＳ２８及びＳ２９と同様な処理により変換行列ＡＣ（Ｔ）を生成する。この場合、上記汚損学習部７８は、新たに生成した変換行列ＡＣ（Ｔ）と既存の変換行列ＡＣとを統合することにより、上記辞書部５９に記憶されている変換行列ＡＣを更新する。
【０１０７】
なお、本発明の一形態としての汚損判定装置、紙葉類処理装置、あるいは、汚損判定方法は、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を適宜組み合わせることによって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いくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。
【図面の簡単な説明】
【０１０８】
【図１】図１は、紙葉類処理システムの構成例を概略的に示す断面図である。
【図２】図２は、紙葉類処理システムにおける制御系統の構成例を概略的に示すブロック図である。
【図３】図３は、汚損判定処理を行う汚損判定部の構成例を示すブロック図である。
【図４】図４は、汚損判定部における変動成分の学習処理の流れを説明するためのフローチャートである。
【図５】図５は、画像情報から得られる特徴ベクトルと部分空間との関係を模式的に示す図である。
【図６】図６は、汚損判定部における汚損成分の学習処理の流れを説明するためのフローチャートである。
【図７】図７は、固有変動の成分を除去した位置ベクトルと部分空間との関係を模式的に示す図である。
【図８】図８は、汚損判定部における汚損度の判定処理の流れを説明するためのフローチャートである。
【図９】図９は、汚損成分の値に対する汚損判定の例を示す図である。
【図１０】図１０は、オンライン学習機能を行う汚損度の判定処理の流れを説明するためのフローチャートである。
【符号の説明】
【０１０９】
Ｐ…紙葉類、１…紙葉類処理装置（区分装置）、２…施封装置、３…操作装置、１０…供給部、１６…判別部、１８…反転部、１９…集積部、２０…主制御部、３０…施封制御部、４１…ＣＰＵ、４２…記憶部、４３…インターフェース部、５１…ＣＰＵ、５２…記憶部、５３…インターフェース部、５４ａ…画像読取部、５５ａ…信号処理部、５６ａ…汚損判定プログラム、５７ａ…変動成分の学習プログラム、５７ｂ…汚損成分の学習プログラム、５７ｃ…汚損度の判定プログラム、５９…辞書部、７０…汚損判定部、７１…入力処理部、７２…特徴抽出部、７３…分離部、７４…判定部、７５…出力処理部、７６…変動学習部、７７…辞書処理部、７８…汚損学習部。
【技術分野】
【０００１】
本発明は、紙葉類などの印刷物における汚損度合いを判定する汚損判定装置、汚損判定方法、および、前記汚損判定装置を有する紙葉類処理装置などに関する。
【背景技術】
【０００２】
従来、印刷物における汚損度合いを判定する方法には、カメラあるいはスキャナによって読み取った印刷物の画像における汚損度合いを判定する方法が提案されている。例えば、印刷物から読み取った画像における濃度値の平均あるいは分散により汚損度を判定する方法がある。さらに、複数の画像間における変動を判断する手法には、カラー画像を構成している赤（Ｒ）、緑（Ｇ）および青（Ｂ）の各値を３次元のベクトルとみなして画像解析を行う手法がある（例えば、特許文献１）。この場合、Ｒ、Ｇ、Ｂの３色の各値からなる３次元のベクトル間の距離によって画像間の変動を判断することが可能である。このような手法を適用することにより、印刷物から読み取った画像における汚損度を判定する手法も考えられる。
【０００３】
しかしながら、上述したような印刷物には、印刷などの製造工程において、一定のばらつきが生じることは避けられない。つまり、同一の図柄を印刷した印刷物であっても、それらの印刷物には汚損以外の要因によるばらつき（以下、固有の変動成分とも称する）が含まれてしまう。これは、同一の図柄を印刷した複数の印刷物が汚損なしの状態であっても、それらの印刷物の画像情報から算出される濃度平均値は、完全に一致しないことを意味している。すなわち、印刷物に固有な変動成分は、汚損度合いの判定精度に悪影響を及ぼす要因となっている。
【特許文献１】特開２００２−１１７４００号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
この発明の一形態では、画像情報に含まれる汚損度の判定を高精度に行うことができる汚損判定装置、紙葉類処理装置および汚損判定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】
【０００５】
この発明の一形態としての汚損判定装置は、固有変動を含む画像情報から複数の特徴情報を抽出する特徴抽出部と、前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離する分離部と、前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部とを有する。
【０００６】
この発明の一形態としての紙葉類処理装置は、特定の図柄が印刷されている紙葉類の画像を読取る読取部と、前記読取部により読取った紙葉類の画像情報から複数の特徴情報を抽出する特徴抽出部と、前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を固有変動の成分とそれ以外の残差成分とに分離する分離部と、前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部と、前記判定部による汚損度の判定結果に基づいて前記紙葉類を処理する処理部とを有する。
【０００７】
この発明の一形態としての汚損判定方法は、固有変動を含む画像情報から複数の特徴情報を抽出し、前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離し、前記分離により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する。
【発明の効果】
【０００８】
この発明の一形態によれば、画像情報に含まれる汚損度の判定を高精度に行うことができる汚損判定装置、紙葉類処理装置および汚損判定方法を提供できる。
【発明を実施するための最良の形態】
【０００９】
以下、この発明の実施の形態について図面を参照して詳細に説明する。
【００１０】
図１は、本実施の形態に係る紙葉類処理システムの構成例を概略的に示す断面図である。
【００１１】
図１に示すように、紙葉類処理システムは、区分装置１、施封装置２及び操作装置３を有している。上記区分装置１と上記施封装置２とは、紙葉類を搬送するための搬送路が接続されている。上記区分装置１と上記操作装置３とは、データ通信を行うための通信線４を介して接続されている。上記区分装置１は、紙葉類の検査処理、および、検査処理の結果に基づく紙葉類の区分処理などを行う装置である。上記施封装置２は、上記区分装置１により供給される紙葉類を所定数ごとに施封する装置である。上記操作装置３は、上記紙葉類処理装置１をオペレータが操作するための装置である。
【００１２】
上記操作装置３は、たとえば、パーソナルコンピュータなどにより構成される。上記操作装置３は、本体３ａ、操作部３ｂおよび表示部３ｃを有している。上記本体３ａは、操作装置３全体の制御を司るものである。上記本体３ａは、図示しない制御部、メモリおよび各種のインターフェースなどを有している。上記本体３ａでは、制御部がメモリに記憶されている制御プログラムにより種々の処理を行う。また、上記本体３ａは、区分装置１とデータ通信を行うための入出力インターフェース、操作部３ｂにより入力された情報を取得するための操作部インターフェース、表示部３ｃの表示制御を行うための表示部インターフェースなどのインターフェースを有している。上記操作部３ｂは、オペレータが区分装置１に対する操作指示などを入力するためのデバイスである。たとえば、上記操作部３ｂは、キーボード、マウスあるいはタッチパネルなどにより構成される。上記表示部３ｃは、処理結果あるいは操作案内などを表示するためのデバイスである。たとえば、上記表示部３ｃは、液晶表示装置などのディスプレイ装置により構成される。
【００１３】
上記のように構成される操作装置３では、オペレータによる操作部３ｂに対する操作指示に従って区分装置１に対して処理内容を設定したり、オペレータによる操作部３ｂに対する操作指示に従って区分装置１における処理を開始したり、区分装置１および施封装置２における処理結果を表示部３ｃに表示したりする。
【００１４】
上記区分装置１は、主な構成として、供給部１０、搬送補正部１５、判別部１６、リジェクト集積部１７、反転部１８、集積部１９、主制御部２０および搬送制御部２１などを有している。以下、上記区分装置１における各構成について順に説明する。
上記主制御部２０は、区分装置１全体の制御を司るものである。上記搬送制御部２１は、上記主制御部２０からの搬送指示に従って区分装置１内における紙葉類の搬送を制御するものである。
【００１５】
上記供給部１０は、検査対象となる紙葉類Ｐを供給するものである。上記供給部１０は、ステージ１１、バックアッププレート１２、弾性体１３、取り出しローラ１４などを有している。上記ステージ１１は、検査対象となる紙葉類Ｐがセットされるものである。上記ステージ１１に載置される紙葉類は、搬送方向に対する向きが４種類混在した状態でセットされる。上記バックアッププレート１２は、ステージ１１上の紙葉類を整位する。上記弾性体１３は、バネなどの弾性体で構成される。上記取出しローラ１４は、紙葉類の取り出し口に設けられる。上記弾性体１３は、一端が取り出し口の近傍に固定されており、他端がバックアッププレート１２に接続されている。
【００１６】
上記バックアッププレート１２は、上記弾性体１３の弾性力によりステージ１１上の紙葉類Ｐを取り出しローラ１４が設けられている取出し口の方向に押す。これにより、上記ステージ１１上の紙葉類Ｐは、取り出しローラ１４が設けられている取り出し口側に押し付けられる。上記取出しローラ１４は、取り出し口側に押し付けられた紙葉類Ｐを１枚ずつ取り出す。上記取り出しローラ１４により取り出された紙葉類Ｐは、搬送補正部１５へ搬送される。
【００１７】
上記搬送補正部１５は、紙葉類Ｐの搬送状態を補正するものである。上記搬送補正部１５は、たとえば、搬送中の紙葉類におけるスキュー（傾き）およびスライド（位置ずれ）などを補正する。上記搬送補正部１５は、複数の搬送ローラおよびタイミングセンサなどにより構成される。上記搬送補正部１５により搬送状態が補正された紙葉類Ｐは、判別部１６へ搬送される。
【００１８】
上記判別部１６は、紙葉類の真偽あるいは状態などを判別するものである。上記判別部１６による判別処理については、後で詳細に説明する。上記判別部１６による判別結果は、区分装置１内における紙葉類の搬送を制御する主制御部２０へ供給される。上記主制御部２０は、上記判別部１６による判別結果に基づいて、区分装置１内の各所に設けられている各ゲートＧ１〜Ｇ８の駆動を制御する。
【００１９】
上記ゲートＧ１は、例えば、リジェクト券と処理券とに振り分けるゲートである。リジェクト券とは、上記判別部１６により「判別が不能である券」と判別された紙葉類であるものとする。つまり、リジェクト券は、たとえば、上記判別部１６により偽券であると判定された紙葉類、折れ、破れあるいはスキューがあると判定された紙葉類などである。上記主制御部２０は、判別部１６によりリジェクト券と判定された紙葉類がリジェクト集積部１７へ搬送されるようにゲートＧ１を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ１を右側（時計方向）にスイングさせることにより、紙葉類を該リジェクト券としてリジェクト集積部１７へ搬送させる。
【００２０】
また、処理券とは、上記判別部１６により「処理が可能である券」と判別された紙葉類であるものとする。たとえば、処理券は、上記判別部１６により真券であると判定された紙葉類Ｐである。ただし、真券として処理券と判定された紙葉類Ｐには、汚損度が低い正券と、汚損度が大きい損券とが含まれるものとする。たとえば、再流通が可能な紙葉類が正券と判定され、再流通が不能な紙葉類が損券と判定される。上記主制御部２０は、上記判別部１６により処理券と判定された紙葉類が区分処理されるようにゲートＧ１を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ１を左側（反時計方向）にスイングさせることにより、紙葉類を処理券として区分処理を行うための後段の各部（反転部１８、集積部１９、あるいは、施封装置４）へ搬送させる。
【００２１】
上記ゲートＧ１を処理券として通過した紙葉類は、ゲートＧ２に搬送される。上記ゲートＧ２は、反転部１８の手前に設けられている。上記ゲートＧ２は、反転が必要な紙葉類と反転が不要な紙葉類とを振り分けるゲートである。すなわち、上記主制御部２０は、上記判別部１６による判別結果と集積部１９あるいは施封装置２の設定状態とに基づいて、紙葉類の向きあるいは表裏を反転する必要があるか否かを判断する。
【００２２】
上記主制御部２０は、向きあるいは表裏の反転が必要であると判断した紙葉類を反転部１８へ搬送するように、ゲートＧ２を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ２を右側（時計方向）にスイングさせることにより、向きあるいは表裏反転が必要な紙葉類を反転部１８へ搬送させる。また、上記主制御部２０は、向きあるいは表裏の反転が不要であると判断した紙葉類を集積部１９あるいは施封装置４へ搬送するように、ゲートＧ２を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ２を左側（反時計方向）にスイングさせることにより、表裏反転が不要な紙葉類が反転部１８を通過しないように搬送させる。
【００２３】
上記反転部１８は、スイッチバック反転部（図示しない）及び表裏反転部１８ａなどにより構成される。上記スイッチバック反転部は、紙葉類の向きを反転させる機構である。上記表裏反転部１８ａは、紙葉類の表裏を反転させる機構である。たとえば、紙葉類の向きのみを反転させる場合、上記反転部１８では、上記スイッチバック反転部により紙葉類の向きを反転させる。紙葉類の表裏のみを反転させる場合、上記反転部１８では、上記表裏反転部１８ａにより紙葉類の表裏を反転させる。また、紙葉類の向きと表裏とを反転させる場合、上記反転部１８では、上記スイッチバック反転部と上記表裏反転部１８ａとにより紙葉類の向きおよび表裏を反転させる。
【００２４】
上記反転部１８を通過した紙葉類は、ゲートＧ３へ搬送される。また、上記ゲートＧ２により反転不要として搬送された紙葉類は、ゲートＧ３へ搬送される。上記ゲートＧ３は、紙葉類の搬送先を集積部１９あるいは施封装置２の何れかに振り分けるゲートである。すなわち、上記主制御部２０は、上記判別部１６による判別結果と集積部１９および施封装置２の設定状態とに基づいて、紙葉類を集積部１９へ搬送するか、施封装置２へ搬送するかを判断する。
【００２５】
上記主制御部２０は、紙葉類を施封装置２へ搬送させると判断した場合、紙葉類が施封装置２へ搬送されるように、ゲートＧ３を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ３を右側（時計方向）にスイングさせることにより、紙葉類を施封装置２へ搬送させる。また、上記主制御部２０は、紙葉類を集積部１９へ搬送させると判断した場合、当該紙葉類が集積部１９へ搬送されるように、ゲートＧ３を駆動させる。たとえば、図１に示す例では、上記主制御部２０は、ゲートＧ３を左側（反時計方向）にスイングさせることにより、当該紙葉類を集積部１９へ搬送させる。
【００２６】
上記集積部１９は、ゲートＧ４〜Ｇ８と集積庫１９ａ〜１９ｆを有している。各ゲートＧ４〜Ｇ８は、紙葉類を各集積庫１９ａ〜１９ｆに振り分けるためのゲートである。上記各ゲートＧ４〜Ｇ８は、それぞれ集積庫１９ａ〜１９ｅに集積する紙葉類とそれ以外の紙葉類とを振り分ける。たとえば、紙葉類を集積庫１９ａに集積する場合、上記主制御部２０は、当該紙葉類を集積庫１９ａへ振り分けるようにゲートＧ４を駆動させる。同様に、紙葉類を集積庫１９ｂ〜１９ｅに集積する場合、上記主制御部２０は、当該紙葉類を集積庫１９ｂ〜１９ｅへ振り分けるようにゲートＧ５〜Ｇ８を駆動させる。また、紙葉類を集積庫１９ｆに集積する場合、上記主制御部２０は、当該紙葉類を集積庫１９ｆへ振り分けるようにゲートＧ８を駆動させる。
【００２７】
また、上記主制御部２０は、上記判別部１６による判別結果などに基づいて各紙葉類を集積すべき集積庫を決定する。たとえば、各集積庫１９ａ〜１９ｆに紙葉類の券種が割り当てられている場合、上記主制御部２０は、上記判別部１６による券種の判別結果に基づいて紙葉類を集積すべき集積庫を決定する。
【００２８】
上記各集積庫は、羽根車、一時集積庫、シャッター、カセットおよびプッシャーなどにより構成されている。各集積庫では、搬送される紙葉類Ｐの運動エネルギーを羽根車により吸収しながら一時集積庫に紙葉類を集積する。一時集積庫に集積された紙葉類は、シャッターが開放させることにより、カセット内に落下する。カセット内に落下した紙葉類は、プッシャーによりカセットの奥へ押し込まれる。
【００２９】
上記施封装置２は、施封制御部３０、主搬送路３１、第１集積部３２、第２集積部３３、施封機構３４などにより構成される。上記施封制御部３０は、施封装置２内の制御を司るものである。上記主搬送路３１は、上記区分装置１から供給される紙葉類を搬送するものである。上記主搬送路３１を搬送される紙葉類は、ゲートＧ１１あるいはゲートＧ１２により第１集積部３２あるいは第２集積部３３の何れかに振り分けられる。たとえば、ゲート１１は、上記主搬送路３１を搬送される紙葉類を第１集積部３２へ搬送させるためのゲートである。つまり、上記施封制御部３０は、ゲートＧ１１を駆動させることにより、紙葉類を第１集積部３２へ搬送させる。
【００３０】
上記第１集積部３２および第２集積部３３は、羽根車、一時集積庫、バックアッププレートなどにより構成される。上記第１集積部３２および第２集積部３３において、羽根車は、紙葉類の運動エネルギーを吸収しつつ、当該紙葉類を一時集積庫へ集積する。一時集積庫に集積された所定数（たとえば、１００枚）の紙葉類は、上昇及び下降が可能なバックアッププレートにより、施封機構３４内の施封トレイ３４ａに渡される。
【００３１】
上記施封機構３４は、施封トレイ３４ａ、印刷部３４ｂ、帯巻き部３４ｃなどにより構成される。上記施封機構３４において、施封トレイ３４ａには、上記バックアッププレートから所定数の紙葉類が積載される。印刷部３４ｂは、印刷機構と帯送り機構とを有している。上記印刷機構は、施封トレイ３４ａに積載された所定数の紙葉類を施封するための紙帯に所定の事項を印刷する。印刷機構により印刷処理された紙帯は、帯送り機構により帯巻き部３４ｃへ送り出される。上記帯巻き部３４ｃは、上記印刷部３４ｂから送り出された紙帯を施封トレイ３４ａに積載された所定数の紙葉類に巻き付ける。
【００３２】
図２は、上記のように構成される紙葉類処理システムにおける制御系統の構成例を概略的に示すブロック図である。
図２に示すように、主制御部２０には、判別部１６、搬送制御部２６、施封制御部４００及び操作装置３などが接続されている。
【００３３】
上記主制御部２０は、操作装置３から動作指示が与えられる。また、上記主制御部２０は、区分装置１あるいは施封装置２における上記判別部１６による判別結果などを含む紙葉類の処理結果を示す情報を操作装置３へ送信する機能も有している。上記主制御部２０は、上記判別部１６から紙葉類Ｐに対する判別結果を受信する。また、上記主制御部２０は、処理モードなどに応じた判定処理などのための設定値などを判別部１６に送信する機能も有している。上記主制御部２０は、搬送制御部２１及び施封制御部３０を制御する。上記主制御部２０は、上記搬送制御部２１に対して紙葉類に対する搬送処理の指示を送信する。また、上記主制御部２０は、上記搬送制御部２１から区分装置１内における紙葉類の搬送状況を示す情報などを受信する機能も有している。上記主制御部２０は、施封制御部３０に対して紙葉類に対する施封処理の指示を送信する。また、上記主制御部２０は、上記施封制御部３０から施封装置２における紙葉類の処理状況を示す情報などを受信する機能も有している。
【００３４】
上記主制御部２０は、図２に示すように、ＣＰＵ４１、記憶部４２、Ｉ／Ｆ（インターフェース）部４３、Ｉ／Ｆ（インターフェース）部４４などを有している。
上記ＣＰＵ４１は、主制御部２０における制御あるいはデータ処理などを司るものである。上記ＣＰＵ４１は、上記記憶部４２に記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記記憶部４２は、種々のデータを記憶するメモリである。上記記憶部４２は、ＲＡＭ、ＲＯＭ、ＮＶＲＡＭ、あるいは、ハードディスク装置などのメモリによりれる。
【００３５】
図２に示す例では、上記記憶部４２には、上記ＣＰＵ４１により実行されるプログラムとして、アプリケーションプログラム４６ａ、コマンドプログラム４６ｂ、保守プログラム４６ｃなどがインストールされている。また、上記記憶部４２には、主制御部における各種の処理に用いられるパラメータ４７なども記憶されている。
上記インターフェース部４３は、上記判別部１６、上記搬送制御部２１あるいは上記施封制御部３０とのデータ通信を行うためのインターフェースである。上記インターフェース部４４は、上記操作装置３とのデータ通信を行うためのインターフェースである。
【００３６】
上記判別部１６は、図２に示すように、ＣＰＵ５１、記憶部５２、インターフェース（Ｉ／Ｆ）部５３、画像読取部５４ａ、信号処理部５５ａ、センサ５４ｂ、５４ｃ、…、５４ｎ、信号処理部５５ｂ、５５ｃ、…、５５ｎなどを有している。
上記ＣＰＵ５１は、紙葉類に対する種々の判定処理などを実行するものである。上記ＣＰＵ５１は、上記記憶部５２に記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記記憶部５２は、種々のデータを記憶するメモリである。上記記憶部５２は、ＲＡＭ、ＲＯＭ、ＮＶＲＡＭ、あるいは、ハードディスク装置などのメモリにより構成される。たとえば、上記記憶部５２には、上記ＣＰＵ５１により実行されるプログラム５６ａ、５６ｂ、５６ｃ、…、５６ｄおよびパラメータ５８などが記憶される。上記インターフェース部５３は、上記主制御部２０とのデータ通信を行うためのインターフェースである。たとえば、上記判別部１６による種々の判定結果は、上記インターフェース部５３を介して上記主制御部２０へ通知される。
【００３７】
上記画像読取部５４ａは、判別対象とする紙葉類の画像を読取るものである。つまり、上記画像読取部５４ａは、図１に示すような構成によって搬送される紙葉類の画像を読取るものである。上記画像読取部５４ａは、たとえば、紙葉類の画像をカラー画像として光学的に読取るカラースキャナにより構成される。本実施例において、上記画像読取部５４ａは、各画素を赤（Ｒ）、緑（Ｇ）、ブルー（Ｂ）の各信号で表したカラー画像情報を読取るものとする。ただし、上記画像読取部５４ａは、複数の要素で表される画像情報を読取るものであれば良い。上記信号処理部５５ａは、上記画像読取部５４ａにより読取った画像情報を処理するものである。上記画像読取部５４ａにより読取った画像情報は、上記信号処理部５５ａにより所定の処理が施される。上記信号処理部５５ａにより処理された画像情報は、上記ＣＰＵ５１へ供給される。
【００３８】
また、各センサ５４ｂ、５４ｃ、…、５４ｎは、それぞれ、紙葉類から種々の情報を検知するためのセンサである。複数のセンサ５４ｂ、５４ｃ、…、５４ｎには、紙葉類における磁気情報を示す信号を検知するセンサ、紙葉類の厚さを示す信号を検知するセンサ、紙葉類における蛍光情報を示す信号を検知するセンサなどが含まれている。各信号処理部５５ｂ、５５ｃ、…、５５ｎは、それぞれ、各センサ５４ｂ、５４ｃ、…、５４ｎにより検知した信号を処理するものである。たとえば、信号処理部５５ｂ、５５ｃ、…、５５ｎは、信号を増幅する増幅回路、アナログ信号をデジタル信号に変換するＡＤ変換回路、あるいは、デジタル信号を論理演算する論理回路などにより構成される。
【００３９】
図２に示す例では、上記記憶部５２には、上記ＣＰＵ５１により実行されるプログラムとして、汚損判定プログラム５６ａ、判別プログラム５６ｂ、５６ｃ、…、５６ｎなどがインストールされている。また、上記記憶部５２には、上記ＣＰＵ５１により実行される各種の処理に用いられるパラメータ５８なども記憶されている。また、上記記憶部５２には、辞書部５９が記憶されている。
【００４０】
上記ＣＰＵ５１は、上記記憶部５２に記憶されている汚損判定プログラム５６ａを実行することにより汚損判定部として機能する。また、各判別プログラム５６ｂ、５６ｃ、…、５６ｎは、それぞれセンサ５４ｂ、５４ｃ、…、５４ｎに対応づけられるプログラムである。各判別プログラム５６ｂ、５６ｃ、…、５６ｎは、センサ５４ｂ、５４ｃ、…、５４ｎが検知した信号に基づいて紙葉類における種々の特徴を判別するためのプログラムである。すなわち、上記ＣＰＵ５１は、各判別プログラム５６ｂ、５６ｃ、…、５６ｎを実行することにより種々の特徴を判定する判定部として機能する。
【００４１】
上記記憶部５２に記憶される辞書部５９は、上記汚損判定プログラム５６ａにより実現される汚損判定処理において参照される情報が記憶される。例えば、上記辞書部５９には、画像情報における複数の特徴量から固有変動の成分とそれ以外の残差成分を分離するための変換行列（第１の変換行列）ＡＹ、および、前記固有変動の成分を除いた残差成分から汚損の度合いを示す変動成分と抽出するための変換行列（第２の変換行列）ＡＣが記憶される。
【００４２】
上記搬送制御部２１は、図２に示すように、ＣＰＵ６１、記憶部６２、インターフェース（Ｉ／Ｆ）部６３などを有している。
上記ＣＰＵ６１は、搬送制御部２１における各種の制御あるいはデータ処理などを司るものである。上記ＣＰＵ６１は、上記記憶部６２に記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記記憶部６２は、種々のデータを記憶するメモリである。上記記憶部６２は、ＲＡＭ、ＲＯＭ、ＮＶＲＡＭ、あるいは、ハードディスク装置などのメモリにより構成される。
【００４３】
図２に示す例では、上記記憶部６２には、上記ＣＰＵ５１により実行されるプログラムとして、搬送制御ファームウエア６５などがインストールされている。また、上記記憶部６２には、搬送制御部２１における搬送制御に用いられる搬送制御パラメータ６６なども記憶されている。
上記インターフェース部６３は、上記主制御部２０とのデータ通信を行うためのインターフェースである。たとえば、上記ＣＰＵ６１は、上記インターフェース部６３を介して上記主制御部２０から与えられる搬送指示に従って紙葉類の搬送制御を行う。
【００４４】
上記操作装置３は、図２に示すように、本体３ａ、操作部３ｂ、表示部３ｃなどを有している。
上記本体３ａは、ＣＰＵ、メモリ、各種インターフェースなどを有している。上記本体３ａは、上記ＣＰＵが上記メモリに記憶されている各種のプログラムを実行することにより種々の処理を実現している。上記操作部３ｂは、キーボード、マウス、タッチパネルなどの入力装置により構成される。オペレータが上記操作部３ｂにより入力された情報は、図示しないインターフェースを介して本体３ａに供給される。上記表示部３ｃは、液晶表示装置などの表示装置により構成される。上記表示部３ｃには、紙葉類の処理結果を表示したり、オペレータに対する操作案内などを表示したりする。
上記のように構成される操作装置３では、たとえば、上記本体３ａは、オペレータが操作部３ｂにより入力した操作指示を上記主制御部２０へ出力する。また、上記本体３ａは、上記主制御部２０から要求される紙葉類の処理結果を示す情報などを表示部３ｃに表示する機能を有する。
【００４５】
次に、上記判別部１６において汚損判定処理を行うための構成について説明する。
図３は、汚損判定処理を行う汚損判定部７０の構成例を示すブロック図である。
上述したように、上記判別部１６では、上記ＣＰＵ５１が上記記憶部５２に記憶されている汚損判定プログラム５６ａを実行することにより汚損判定部７０として機能する。図３に示す汚損判定部７０における各構成要素は、上記ＣＰＵ５１が汚損判定プログラム５６ａを実行することにより実現される機能であるものとする。ただし、上記汚損判定部７０における一部又は全部の構成要素は、ハードウエアにより構成しても良い。
【００４６】
図３に示すように、上記汚損判定部７０は、入力処理部７１、特徴抽出部７２、分離部７３、判定部７４、出力処理部７５、変動学習部（第１の学習部）７６、辞書処理部７７、および、汚損学習部（第２の学習部）７８などを有している。
上記入力処理部７１は、画像情報を入力する処理を行う。上記入力処理部７１は、上記画像読取部５４ａで読取った紙葉類の画像情報を上記信号処理部５５ａにより処理した画像情報を入力する。本実施例では、上記入力処理部７１は、複数の色信号（Ｒ信号、Ｇ信号及びＢ信号）で表現されるカラー画像情報（つまり、紙葉類のカラー画像）を入力する。たとえば、上記入力処理部７１は、後述する汚損判定処理において汚損判定の対象とする画像情報を入力する処理を行う。また、上記入力処理部７１は、後述する変動成分の学習処理あるいは汚損成分の学習処理において、サンプルとなる画像情報を入力する処理を行う。
【００４７】
上記特徴抽出部７２は、上記入力処理部７１により入力した画像情報における複数の特徴量を抽出する。たとえば、入力した画像情報が赤（Ｒ）、緑（Ｇ）、青（Ｂ）からなるカラー画像である場合、上記特徴抽出部７２は、複数の特徴量として、当該画像情報における複数のプレーンな色情報（Ｒ、Ｇ、Ｂ）ごとの各濃度平均値を算出する。ただし、上記特徴抽出部７２が抽出する特徴量は、Ｒ、Ｇ、Ｂの各濃度平均値に限定されるものではない。たとえば、上記特徴抽出部７２は、赤外線センサにより読取った画像情報（ＩＲ）における濃度平均値を特徴量の１つとして抽出するようにしても良い。さらには、上記特徴抽出部７２は、種々の信号における濃度平均値に限らず、濃度分散値、濃度微分値などを特徴量として抽出するようにしても良い。
【００４８】
また、上記特徴抽出部７２が抽出する特徴量の数は、３つに限定されるものではない。たとえば、上記特徴抽出部７２は、Ｒ、Ｇ、Ｂ、ＩＲの各濃度平均値を４つの特徴量として抽出するようにしても良い。さらには、上記特徴抽出部７２は、入力された画像情報を複数の小領域に分割し、分割した各小領域における各信号の濃度平均値を複数の特徴量として抽出するようにしても良い。上記特徴抽出部７２は、上記のような様々な特徴を単一あるいは組み合わせた複数の特徴量を抽出することが可能である。
【００４９】
上記変動学習部７６は、入力される画像情報における固有変動の成分を分離（除去）するための情報を生成（学習）するものである。たとえば、特定の図柄が印刷されている印刷物（紙葉類）の読取画像が入力される場合、上記変動学習部７６は、たとえば、固有変動の成分として、当該紙葉類に対する図柄の印刷工程で発生する印刷変動成分を抽出するための情報を生成する。言い換えれば、上記変動学習部７６は、処理対象とする印刷物における汚れに起因しない固有変動の成分（印刷変動成分）を抽出するための情報を生成する。本実施の形態では、上記変動学習部７６は、固有変動成分を抽出するための変換行列を生成するものとする。
【００５０】
すなわち、上記変動学習部７６は、汚損がない状態の画像情報から抽出される複数の特徴量を複数次元の特徴ベクトルとしてＫＬ展開する。ＫＬ展開は、主成分分析である。従って、上記特徴ベクトルに対するＫＬ展開により、固有の変動成分としての主成分とそれ以外の成分（残差成分）とが分離された部分空間Ｙが生成される。上記変動学習部７６は、処理対象とする印刷物の画像情報から主成分と残差成分とを分離するための変換行列ＡＹを算出する。変換行列ＡＹは、画像情報から抽出される複数の特徴量の組としての特徴ベクトルを、部分空間Ｙに射影した射影値（第１の部分ベクトル）を算出する。この射影値としては、特徴量の数（次元数）に応じた各成分が得られる。すなわち、上記射影値が、固有の変動成分とそれ以外の残差成分とを分離した値となる。
【００５１】
上記分離部７３は、入力された画像情報における種々の成分を分離する処理を行う。上記分離部７３は、入力した画像情報における固有変動成分とそれ以外の残差成分とに分離するものである。たとえば、３つの特徴量が得られた場合、上記分離部７３は、変換行列ＡＹにより、３つの特徴量の組としての３次元の特徴ベクトルを、部分空間Ｙに射影した射影値としての部分空間（第１の部分ベクトル）を算出する。すなわち、上記分離部７３は、上記変動学習部７６により生成された３次元の部分空間Ｙに基づいて、画像情報における３つの特徴量の組を固有変動の主成分と残差成分とに分離する。これにより、上記分離部７３では、画像情報における固有変動の主成分を除いて、残りの残差成分を抽出することが可能となっている。
【００５２】
上記汚損学習部７８は、入力される画像情報における汚損による変動の成分を分離（抽出）するための情報を生成（学習）するものである。原理的には、上記固有変動の成分が除去された画像情報では、変動成分が汚損の度合いを示す情報と考えらえる。すなわち、上記汚損学習部７８は、固有変動の成分が除かれた残差成分から汚損度を示す変動成分を抽出するための情報を生成する。本実施の形態では、上記汚損学習部７８は、汚損変動の成分を抽出するための変換行列ＡＣを生成するものとする。
【００５３】
すなわち、上記汚損学習部７８は、汚損がある画像情報から得られる固有変動の成分を除去した残差成分の組を位置ベクトルとしてＫＬ展開する。ＫＬ展開は、主成分分析である。従って、上記位置ベクトル（残差成分ベクトル）に対するＫＬ展開では、変動の主成分としての汚損成分とそれ以外の成分（残差成分）とが分離された部分空間Ｃが生成される。上記汚損学習部７８は、処理対象とする印刷物の画像情報から固有変動の成分を除いた残差成分からなるベクトルにおける変動の主成分（汚損成分）を抽出するための変換行列ＡＣを算出する。変換行列ＡＣは、画像情報から抽出される複数の特徴量の組から固有変動の成分を除去した残差成分の組からなる位置ベクトルを、部分空間Ｃに射影した射影値（第２の部分ベクトル）を算出する。この射影値では、主成分が汚損の度合いを示す変動量となる。
【００５４】
上記判定部７４は、汚損度の判定を行うものである。図３に示す構成例においては、上記判定部７４は、上記分離部７３により固有変動の成分が分離された残差成分に基づいて汚損度を判定する。たとえば、３つの特徴量の組（特徴ベクトル）から固有変動の成分と２つの残差成分とが得られた場合、上記判定部７４は、２つの残差成分の組み（２次元の位置ベクトル）を変換行列ＡＣにより２次元の部分空間Ｃに射影した射影値としての部分空間（第２の部分ベクトル）を算出する。部分空間Ｃへの射影値では、主成分としての汚損変動の成分が抽出される。これにより、上記判定部７４は、汚損変動の成分の大きさに基づいて汚損度を判定する。
【００５５】
上記出力処理部７５は、上記判定部７４による汚損度の判定結果を出力する処理を行うものである。上記出力処理部７５は、たとえば、上記インターフェース部５３を介して主制御２０へ汚損度を示す情報を出力する。ここでは、紙葉類の汚損度を判定することを想定している。このため、上記出力処理部７５は、上記画像読取部５４ａにより画像を読取った紙葉類に対する汚損度を示す情報を主制御部２０へ出力する。
【００５６】
上記辞書処理部７７は、上記辞書部５９に対する処理を行うものである。たとえば、上記辞書処理部７７は、上記変換行列ＡＹあるいは上記変換行列ＡＣを辞書部５９から読み出す処理を行う。また、上記辞書処理部７７は、上記変動学習部７６により生成した変換行列ＡＹ、あるいは、上記汚損学習部７８により生成した変換行列ＡＣを辞書部５９に記憶する処理を行う。また、上記辞書処理部７７は、上記辞書５９に記憶されている変換行列ＡＹあるいは変換行列ＡＣの更新処理なども行う。たとえば、上記汚損学習部７８により新たな変換行列ＡＣが生成された場合、上記辞書処理部７７は、上記辞書５９に記憶されている変換行列ＡＣの更新処理を行う。
【００５７】
次に、上記のように構成される汚損判定部７０の動作について説明する。
上記汚損判定部７０は、大別すると、変動成分の学習処理、汚損成分の学習処理、および、汚損度の判定処理を行う。
上記変動成分の学習処理は、画像情報における固有の変動成分（つまり、汚損に起因しない変動成分）を抽出するための情報を生成する処理である。なお、たとえば、印刷物の画像情報における固有の変動成分としては、主として、印刷物への印刷工程で生じる印刷変動などが考えられる。上記変動成分の学習処理は、判別部１６内のＣＰＵ５１が変動成分の学習プログラム５７ａを実行することにより実現される。
上記汚損成分の学習処理は、画像情報に含まれる汚損成分（つまり、汚損に起因する変動成分）を抽出するための情報を生成する処理である。上記汚損成分の学習処理は、判別部１６内のＣＰＵ５１が汚損成分の学習プログラム５７ｂを実行することにより実現される。
【００５８】
上記汚損度の判定処理は、画像情報から固有の変動成分を除いた情報における汚損成分の大きさにより汚損度を判定する。すなわち、上記汚損度の判定処理では、上記変動成分の学習処理により得られた情報に基づいて、入力した画像情報から固有の変動成分が取り除かれる。さらに、上記汚損度の判定処理では、上記汚損成分の学習処理により得られた情報に基づいて、固有の変動成分を除いた情報から汚損成分の大きさ（つまり、汚損度）が判定される。上記汚損成分の学習処理は、判別部１６内のＣＰＵ５１が汚損度の判定プログラム５７ｃを実行することにより実現される。
【００５９】
以下、変動成分の学習処理、汚損成分の学習処理、および、汚損度の判定処理について、それぞれ詳細に説明する。なお、以下の説明では、紙葉類（印刷物）の一例として紙幣を処理対象として想定するものとする。
【００６０】
まず、上記変動成分の学習処理について説明する。
紙幣などの紙葉類は、所定の図柄が媒体（券面）に印刷されることにより作成されるものである。所定の図柄が印刷された直後の紙葉類には、使用に伴う汚れがない状態（未使用状態）である。このような紙葉類は、流通段階で徐々に汚れていくものと考えられる。このため、上記変動成分の学習処理では、流通前の状態（つまり、未使用状態）の複数の紙葉類から読取った画像情報がサンプルとして入力される。上記変動成分の学習処理では、未使用状態の複数の紙葉類から読取った画像情報から固有の変動成分を示す情報を生成する。
【００６１】
図４は、上記汚損判定部７０における変動成分の学習処理の流れを説明するためのフローチャートである。
ここでは、変動成分の学習処理においてサンプルとして必要な画像情報（未使用状態の紙葉類の画像）の数がＩ（Ｎ）個であるものとする。ただし、Ｉ（Ｎ）は、２以上の自然数である。Ｉ（Ｎ）は、後述する部分空間Ｙを生成するためのサンプル数である。
【００６２】
変動成分の学習処理を開始する場合、オペレータは、上記供給部１０にＩ（Ｎ）枚以上の未使用状態の紙葉類をセットする。さらに、オペレータは、操作装置３の操作部３ｂに変動成分の学習処理を開始する旨の操作指示を入力する。すると、上記操作装置３の本体３ａは、上記区分装置１の主制御部２０に対して変動成分の学習処理の開始指示を供給する。
上記操作装置３から変動成分の学習処理の開始指示を受けると、上記主制御部２０は、上記判別部１６に対して変動成分の学習処理の実行を指示する。上記判別部１６において、上記ＣＰＵ５１は、上記インターフェース部５３を介して上記主制御部２０からの変動成分の学習処理の実行指示を受信する。変動成分の学習処理の実行指示を受信すると、上記ＣＰＵ５１は、汚損判定プログラム５６ａに含まれる変動成分の学習プログラム５７ａをロードする。これにより、上記ＣＰＵ５１は、変動成分の学習処理を実行するための上記汚損判定部７０として機能する。
【００６３】
また、上記操作装置３から変動成分の学習処理の開始指示を受けた上記主制御部２０は、上記搬送制御部２１により上記供給部１０にセットされている未使用状態の紙葉類を１枚ずつ搬送させる。これにより、未使用状態の紙葉類は、１枚ずつ判別部１６へ搬送される。上記判別部１６では、上記画像読取部５４ａにより搬送されている未使用状態の紙葉類の画像を順次読取る。上記画像読取部５４ａにより読取った画像情報は、順次、上記信号処理部５５ａを介して上記汚損判定部７０として機能する上記ＣＰＵ５１へ供給される。
【００６４】
上記汚損判定部７０として機能する上記ＣＰＵ５１は、まず、変数ｉの初期値として「ｉ＝１」を設定する（ステップＳ１１）。なお、上記変数ｉは、たとえば、図示しないＣＰＵ５１の内部メモリにセットされる。上記変数ｉがＩ（Ｎ）以下である場合（ステップＳ１２、ＹＥＳ）、上記汚損判定部７０の上記入力処理部７１は、上記画像読取部５４ａにより読取ったｉ番目の紙葉類の画像情報Ｘ（Ｎ）ｉを入力する（ステップＳ１３）。上記入力処理部７１により入力した画像情報Ｘ（Ｎ）ｉは、上記特徴抽出部７２へ供給される。ここで、上記画像読取部５４ａは、上述したように、Ｒ、ＧおよびＢ信号からなるカラー画像として紙葉類の画像を読取るものとする。
【００６５】
上記入力処理部７１から画像情報Ｘ（Ｎ）ｉが供給されると、上記特徴抽出部７２は、当該画像情報Ｘ（Ｎ）ｉにおける複数の特徴量をそれぞれ算出する（ステップＳ１４）。ここでは、上記特徴抽出部７２は、当該画像情報Ｘ（Ｎ）ｉにおけるカラー画像情報としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を複数の特徴量として算出する。なお、上記画像情報Ｘ（Ｎ）ｉにおける印刷領域（所定の図柄が印刷されている領域）が特定可能な場合、上記特徴抽出部７２は、上記画像情報Ｘ（Ｎ）ｉの印刷領域において、Ｒ、Ｇ、Ｂの各濃度平均値を算出するようにしても良い。
【００６６】
上記特徴抽出部７２が上記画像情報Ｘｉにおける各濃度平均値（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を算出すると、上記変数ｉは、インクリメントされ、「ｉ＝ｉ＋１」に更新される（ステップＳ１５）。インクリメントされた変数ｉがＩ（Ｎ）以下である場合（ステップＳ１２、ＮＯ）、上記入力処理部７１および上記特徴抽出部７２は、各画像情報Ｘ（Ｎ）ｉにおける複数の特徴量としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を算出する処理を繰り返し実行する（ステップＳ１２〜Ｓ１５）。
【００６７】
また、インクリメントされた変数ｉがＩ（Ｎ）以下でない場合（つまり、ｉ＞Ｉ（Ｎ）である場合）、上記変動学習部７６は、入力したＩ（Ｎ）個の画像情報から固有の変動成分を抽出するための部分空間を生成する処理を行う（ステップＳ１６）。すなわち、上記変動学習部７６は、Ｉ（Ｎ）個の各画像情報から上記特徴抽出部７２が抽出した複数の特徴量の組みをそれぞれ各画像情報の特徴ベクトルとみなす。上記変動学習部７６は、Ｉ（Ｎ）個の画像情報の特徴ベクトルに対して主成分分析を行う。本実施の形態では、上記変動学習部７６は、主成分分析として各画像情報の特徴ベクトルに対してＫＬ展開を行う。上記ＫＬ展開は、Ｉ（Ｎ）個の画像情報の特徴ベクトルの分布を部分空間Ｙ（Ｙ＝Ｙ１、Ｙ２、Ｙ３）に変換する処理である。つまり、上記変動学習部７６は、Ｉ（Ｎ）個の画像情報の特徴ベクトル（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）を上記ＫＬ展開により部分空間Ｙに変換する（ステップＳ１６）。
【００６８】
たとえば、図５は、画像情報から得られる複数の特徴量の組としての特徴ベクトル（μ（Ｎ）Ｒｉ、μ（Ｎ）Ｇｉ、μ（Ｎ）Ｂｉ）と部分空間Ｙ（Ｙ１、Ｙ２、Ｙ３）との関係の模式的に示す図である。図５に示すように、上記部分空間Ｙを構成するＹ１、Ｙ２、Ｙ３は、互いに直交する３つの方向における成分である。上述したように、Ｉ（Ｎ）個の画像情報から得られる特徴ベクトルをＫＬ展開することにより算出される上記部分空間Ｙは、Ｉ（Ｎ）個の特徴ベクトルの分布を最も良く近似するものである。このような部分空間ＹにおけるＹ１は、Ｉ（Ｎ）個の特徴ベクトルの変動を最も良く近似する主成分（変動成分）である。なお、ここでは、上記部分空間ＹにおけるＹ２成分およびＹ３成分は残差成分とも称するものとする。
【００６９】
上記変動成分の学習処理において、入力するＩ（Ｎ）個の画像情報は、未使用状態のＮ個の紙葉類から読取った画像情報である。ここで、未使用状態のＩ（Ｎ）個の紙葉類には汚損がなく、かつ、同じ画像が印刷されていることを前提とすれば、入力するＩ（Ｎ）個の画像情報間における変動要素は、画像を紙葉類に印刷工程で発生するばらつき（つまり、固有の変動成分）とみなすことができる。つまり、Ｉ（Ｎ）個の未使用状態の紙葉類から読取ったＩ（Ｎ）個の画像情報における変動は、入力する画像情報における固有の変動成分であると考えられる。従って、上記部分空間ＹにおけるＹ１成分は、入力するＩ（Ｎ）個の画像情報における変動の主成分（未使用状態の紙葉類に印刷されている画像における固有の変動成分）であるとみなせる。なお、ここでは、Ｙ１成分としての変動の主成分（固有の変動成分）が、印刷物における印刷変動の主成分であることを想定する。
【００７０】
上記部分空間ＹにおけるＹ１成分が画像情報における印刷変動の主成分であれば、ある画像情報の特徴ベクトルを上記部分空間Ｙに射影することにより、当該画像情報における固有の変動成分（印刷変動成分）を容易に抽出（あるいは除去）できる。このため、上記変動学習部７６は、画像情報の特徴ベクトルを部分空間Ｙに射影するための３次元の変換行列ＡＹを生成する。上記変動学習部７６により生成された変換行列ＡＹは、上記辞書処理部７７により辞書部５９に保存される（ステップＳ１７）。上記辞書部５９に保存された変換行列ＡＹが、紙葉類の画像情報から固有の変動成分としての印刷変動の主成分を抽出するための情報である。
【００７１】
次に、上記汚損成分の学習処理について説明する。
上記汚損成分の学習処理は、紙葉類から読取った画像情報における汚損成分を抽出するための情報を生成する処理である。紙幣などの紙葉類には、流通段階（使用段階）において、汚れあるいは破損などが発生する。上記変動成分の学習処理では、流通後の状態（つまり、使用済みの状態）の複数の紙葉類から読取った画像情報がサンプルとして入力される。このようなサンプルに基づいて汚損成分を抽出するための情報が生成される。ただし、上述したように、各紙葉類に印刷されている画像には、汚損とは無関係の印刷変動成分が含まれる。従って、上記汚損成分の学習処理では、上記変換行列ＡＹにより印刷変動成分を排除して、汚損成分を抽出するための情報を生成する。
【００７２】
図６は、上記汚損判定部７０における汚損成分の学習処理の流れを説明するためのフローチャートである。
ここでは、汚損成分の学習処理においてサンプルとして必要な画像情報（使用済み状態の紙葉類の画像）の数がＩ（Ｕ）個であるものとする。ただし、Ｉ（Ｕ）は、２以上の自然数であり、後述する部分空間Ｃを生成するためのサンプル数である。
【００７３】
汚損成分の学習処理を開始する場合、オペレータは、上記供給部１０にＩ（Ｕ）個以上の使用済み状態の紙葉類をセットする。さらに、オペレータは、操作装置３の操作部３ｂに汚損成分の学習処理を開始する旨の操作指示を入力する。すると、上記操作装置３の本体３ａは、上記区分装置１の主制御部２０に対して汚損成分の学習処理の開始指示を供給する。
【００７４】
上記操作装置３から汚損成分の学習処理の開始指示を受けると、上記主制御部２０は、上記判別部１６に対して汚損成分の学習処理の実行を指示する。上記判別部１６において、上記ＣＰＵ５１は、上記インターフェース部５３を介して上記主制御部２０からの変動成分の学習処理の実行指示を受信する。変動成分の学習処理の実行指示を受信すると、上記ＣＰＵ５１は、汚損判定プログラム５６ａに含まれる汚損成分の学習プログラム５７ｂをロードする。これにより、上記ＣＰＵ５１は、汚損成分の学習処理を実行するための上記汚損判定部７０として機能する。
【００７５】
また、上記操作装置３から汚損成分の学習処理の開始指示を受けた上記主制御部２０は、上記搬送制御部２１により上記供給部１０にセットされている使用済み状態の紙葉類を１枚ずつ搬送させる。これにより、使用済み状態の紙葉類は、１枚ずつ判別部１６へ搬送される。上記判別部１６では、上記画像読取部５４ａにより搬送されている使用済み状態の紙葉類の画像を順次読取る。上記画像読取部５４ａにより読取った画像情報は、順次、上記信号処理部５５ａを介して上記汚損判定部７０として機能する上記ＣＰＵ５１へ供給される。
【００７６】
上記汚損判定部７０として機能する上記ＣＰＵ５１は、まず、変数ｉの初期値として「ｉ＝１」を設定する（ステップＳ２１）。なお、上記変数ｉは、たとえば、図示しないＣＰＵ５１の内部メモリにセットされる。上記変数ｉがＩ（Ｕ）以下である場合（ステップＳ２２、ＹＥＳ）、上記汚損判定部７０の上記入力処理部７１は、上記画像読取部５４ａにより読取ったｉ番目の紙葉類の画像情報Ｘ（Ｕ）ｉを入力する（ステップＳ２３）。上記入力処理部７１により入力した画像情報Ｘ（Ｕ）ｉは、上記特徴抽出部７２へ供給される。ここで、上記画像読取部５４ａは、上述したように、Ｒ、ＧおよびＢ信号からなるカラー画像として紙葉類の画像を読取るものとする。
【００７７】
上記入力処理部７１から画像情報Ｘ（Ｕ）ｉが供給されると、上記特徴抽出部７２は、当該画像情報Ｘ（Ｕ）ｉにおける複数の特徴量をそれぞれ算出する（ステップＳ２４）。ここでは、上記特徴抽出部７２は、当該画像情報Ｘ（Ｕ）ｉにおけるカラー画像情報としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）を複数の特徴量として算出する。ただし、上記画像情報Ｘ（Ｕ）ｉにおける画像の印刷領域が特定可能な場合、上記特徴抽出部７２は、上記印刷領域において、Ｒ、Ｇ、Ｂの各濃度平均値を複数の特徴量として算出するようにしても良い。
【００７８】
上記特徴抽出部７２により算出した上記画像情報Ｘ（Ｕ）ｉにおける濃度平均値（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）は、上記分離部７３へ供給される。ここで、各濃度平均値の組（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）は、当該画像情報Ｘ（Ｕ）ｉの特徴ベクトルとみなされるものとする。上記画像情報Ｘ（Ｕ）ｉの特徴ベクトル（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）が供給されると、上記分離部７３は、上記辞書処理部７７を介して上記辞書部５９に記憶されている変換行列ＡＹを読み込む（ステップＳ２５）。上記変動成分の学習処理で説明したように、上記変換行列ＡＹは、特徴ベクトルを部分空間Ｙに射影するものである。
【００７９】
上記辞書部５９から変換行列ＡＹを読み込むと、上記分離部７３は、当該画像情報Ｘ（Ｕ）ｉの特徴ベクトルμ（Ｕ）（μ（Ｕ）Ｒｉ、μ（Ｕ）Ｇｉ、μ（Ｕ）Ｂｉ）を変換行列ＡＹにより３次元の値Ｙ（Ｕ）（Ｙ（Ｕ）１ｉ、Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）に変換する（ステップＳ２６）。上記変換行列ＡＹにより算出される３次元の値Ｙ（Ｕ）は、特徴ベクトルμ（Ｕ）を部分空間Ｙに射影した射影値である。上述したように、上記部分空間ＹのＹ１成分は、汚損に無関係な固有の変動成分（印刷変動の主成分）である。従って、当該画像情報Ｘ（Ｕ）ｉの特徴ベクトルμ（Ｕ）を部分空間Ｙに射影した値におけるＹ（Ｕ）１成分は、固有の変動成分（印刷変動の主成分）であると考えられる。言い換えると、上記画像情報Ｘ（Ｕ）ｉの特徴ベクトルμ（Ｕ）を部分空間Ｙに射影した値における残差成分Ｙ（Ｕ）２およびＹ（Ｕ）３には、当該画像情報Ｘ（Ｕ）ｉにおける汚損成分が含まれると考えられる。
【００８０】
上記分離部７３は、変換行列ＡＹにより算出した射影値Ｙ（Ｕ）を図示しないバッファメモリに蓄積する。上記射影値が算出されると、上記変数ｉは、インクリメントされ、「ｉ＝ｉ＋１」に更新される（ステップＳ２７）。インクリメントされた変数ｉがＩ（Ｕ）以下である場合（ステップＳ２２、ＮＯ）、上記入力処理部７１は、次の画像情報Ｘ（Ｕ）ｉを入力する。これにより、上記汚損判定部７０では、上記変数ｉがＩ（Ｕ）よりも大きくなるまで、上記ステップＳ２２〜Ｓ２７の処理が繰り返し実行される。
【００８１】
また、インクリメントされた変数ｉがＩ（Ｕ）以下でない場合（つまり、ｉ＞Ｉ（Ｕ）である場合）、上記汚損学習部７８は、上記分離部７３により算出したＩ（Ｕ）個の射影値から汚損成分を抽出するための部分空間Ｃを生成する処理を行う（ステップＳ２８）。
すなわち、上記汚損学習部７８は、上記分離部７３により算出した各射影値におけるＹ（Ｕ）２ｉおよびＹ（Ｕ）２ｉの組みを２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）とみなす。上記汚損学習部７８は、Ｎ個の２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）に対して主成分分析を行う。
本実施の形態では、上記汚損学習部７８は、主成分分析としてＮ個の２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）に対してＫＬ展開を行う。上記ＫＬ展開は、Ｉ（Ｕ）個の２次元の位置ベクトルの分布を部分空間Ｃ（Ｃ２、Ｃ３）に変換する処理である。つまり、上記汚損学習部７８は、上記分離部７３により分離された固有の変動成分（印刷変動の主成分）を除去したＮ個の２次元の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）を上記ＫＬ展開により部分空間Ｃに変換する。
【００８２】
図７は、印刷変動成分を除去したＮ個の位置ベクトル（Ｙ（Ｕ）２ｉ、Ｙ（Ｕ）３ｉ）と部分空間Ｙ（Ｃ１、Ｃ２）との関係の模式的に示す図である。
図７に示すように、上記部分空間Ｃを構成するＣ１およびＣ２は、互いに直交する２つの方向における成分である。上述したように、Ｎ個の画像情報から得られる特徴ベクトルをＫＬ展開することにより算出される上記部分空間Ｃは、Ｎ個の位置ベクトルの分布を最も良く近似するものである。このような部分空間ＣにおけるＣ１は、Ｎ個の位置ベクトルの変動成分を最も良く近似する主成分である。
【００８３】
ここで、２次元の位置ベクトルは、汚損に起因しない固有の変動成分（印刷変動の主成分）が除去されている。このような２次元の位置ベクトルをＫＬ展開した部分空間Ｃは、主成分として現れる変動成分が汚損成分を示すものであると考えられる。従って、上記部分空間ＣにおけるＣ１成分は、紙葉類の画像情報における汚損の主成分（使用状態の紙葉類に印刷されている画像における印刷変動成分を除いた汚損成分）であるとみなせる。
【００８４】
上記部分空間ＣにおけるＣ１成分が画像情報における汚損成分であれば、ある画像情報の特徴ベクトルを部分空間Ｙに射影し、さらに、固有の変動成分を除く位置ベクトルを上記部分空間Ｃに射影することにより、当該画像情報における汚損成分が抽出できる。このため、上記汚損学習部７８は、２次元の位置ベクトルを部分空間Ｃに射影するための２次元の変換行列ＡＣを生成する。上記汚損学習部７８により生成された変換行列ＡＣは、上記辞書処理部７７により辞書部５９に保存される（ステップＳ２９）。上記辞書部５９に保存された変換行列ＡＣが、紙葉類の画像情報から汚損成分を抽出するための情報である。
【００８５】
次に、上記汚損度の判定処理について説明する。
上記汚損度の判定処理は、汚損度の判定対象とする紙葉類から読取った画像情報における汚損度を判定する処理である。上述したように、使用済み状態の紙葉類から読取った画像情報には、汚損とは無関係の変動成分（たとえば、印刷変動成分）と、汚損に起因する汚損成分とが含まれる。従って、上記汚損度の判定処理には、紙葉類から読取った画像情報における固有の変動成分を排除する処理と、上記固有の変動成分を排除した情報から汚損成分を抽出する処理とが含まれる。また、汚損度の判定処理では、処理対象の紙葉類として実際に使用された紙葉類を想定している。さらに、汚損度の判定処理においては、汚損度の判定処理において得られる情報に基づいて汚損成分を抽出するための情報（変換行列ＡＣ）を更新する処理（オンライン学習処理）を行うようにしても良い。
【００８６】
図８は、上記汚損判定部７０における汚損度の判定処理の流れを説明するためのフローチャートである。
ここでは、上述した紙葉類処理システムにおいて、区分処理の対象とする紙葉類に対する汚損度の判定処理が実行されることを想定するものとする。また、ここでは、汚損度が判定される紙葉類の数（つまり、供給部１０にセットされる紙葉類の数）がＩ（Ｔ）個であるものとする。
【００８７】
汚損度の判定処理を含む区分処理を開始する場合、オペレータは、処理対象とするＩ（Ｔ）枚の紙葉類を上記供給部１０にセットする。さらに、オペレータは、操作装置３の操作部３ｂに汚損度の判定処理を含む紙葉類に対する区分処理を開始する旨の操作指示を入力する。すると、上記操作装置３の本体３ａは、上記区分装置１の主制御部２０に対して紙葉類に対する処理の開始指示を通知する。区分処理などの紙葉類に対する処理では、上記判別部１６は、汚損度以外の種々の判定処理も行う。このため、上記主制御部２０は、上記判別部１６に対して汚損度の判定処理を含む種々の判定処理を実行するように指示する。ただし、ここでは、上記判別部１６における汚損度の判定処理について説明するものとする。
【００８８】
すなわち、上記判別部１６のＣＰＵ５１は、上記インターフェース部５３を介して上記主制御部２０から汚損度の判定処理の実行指示を受信すると、汚損判定プログラム５６ａに含まれる汚損度判定プログラム５７ｃをロードする。これにより、上記ＣＰＵ５１は、汚損度の判定処理を実行するための上記汚損判定部７０として機能する。
【００８９】
また、上記操作装置３から処理の開始指示を受けた上記主制御部２０は、上記搬送制御部２１により上記供給部１０にセットされている処理対象の紙葉類を１枚ずつ搬送させる。これにより、処理対象の紙葉類は、１枚ずつ判別部１６へ搬送される。上記判別部１６では、上記画像読取部５４ａにより搬送されている処理対象の紙葉類の画像を順次読取る。上記画像読取部５４ａにより読取った画像情報は、順次、上記信号処理部５５ａを介して上記汚損判定部７０として機能する上記ＣＰＵ５１へ供給される。
【００９０】
上記汚損判定部７０として機能する上記ＣＰＵ５１は、まず、変数ｉの初期値として「ｉ＝１」を設定する（ステップＳ３１）。なお、上記変数ｉは、たとえば、上記ＣＰＵ５１の図示しない内部メモリにセットされる。上記変数ｉがＩ（Ｔ）以下である場合（ステップＳ３２、ＹＥＳ）、上記汚損判定部７０の上記入力処理部７１は、上記画像読取部５４ａにより読取ったｉ番目の紙葉類の画像情報Ｘ（Ｔ）ｉを入力する（ステップＳ３３）。上記入力処理部７１により入力した画像情報Ｘ（Ｔ）ｉは、上記特徴抽出部７２へ供給される。ここで、上記画像読取部５４ａは、上述したように、Ｒ、ＧおよびＢ信号からなるカラー画像として紙葉類の画像を読取るものとする。
【００９１】
上記入力処理部７１から画像情報Ｘ（Ｔ）ｉが供給されると、上記特徴抽出部７２は、当該画像情報Ｘ（Ｔ）ｉにおける複数の特徴量をそれぞれ算出する（ステップＳ３４）。ここでは、上記特徴抽出部７２は、当該画像情報Ｘ（Ｔ）ｉにおけるカラー画像情報としてのＲ、Ｇ、Ｂの各濃度平均値（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）を複数の特徴量として算出する。なお、上記画像情報Ｘ（Ｔ）ｉにおいて図柄が印刷されている領域（印刷領域）が特定可能な場合、上記特徴抽出部７２は、上記印刷領域において、Ｒ、Ｇ、Ｂの各濃度平均値を複数の特徴量として算出するようにしても良い。
【００９２】
上記特徴抽出部７２により算出した上記画像情報Ｘ（Ｔ）ｉにおける濃度平均値（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）は、上記分離部７３へ供給される。ここで、各濃度平均値の組（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）は、当該画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）とみなされるものとする。上記画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）が供給されると、上記分離部７３は、上記辞書処理部７７を介して上記辞書部５９に記憶されている変換行列ＡＹを読み込む（ステップＳ３５）。上記変動成分の学習処理で説明したように、上記変換行列ＡＹは、特徴ベクトルμ（Ｔ）を部分空間Ｙに射影するものである。
【００９３】
上記辞書部５９から変換行列ＡＹを読み込むと、上記分離部７３は、当該画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）（μ（Ｔ）Ｒｉ、μ（Ｔ）Ｇｉ、μ（Ｔ）Ｂｉ）を変換行列ＡＹにより３次元の値Ｙ（Ｔ）（Ｙ（Ｔ）１ｉ、Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）に変換する（ステップＳ３６）。上記変換行列ＡＹにより算出される３次元の値（Ｙ（Ｔ）１ｉ、Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）は、画像情報Ｘ（Ｔ）ｉの特徴ベクトルμ（Ｔ）を部分空間Ｙに射影した射影値である。上述したように、上記部分空間ＹのＹ１成分は、汚損に無関係な固有の変動成分（印刷変動の主成分）である。従って、当該画像情報Ｘ（Ｔ）ｉの特徴ベクトル画像情報Ｘ（Ｔ）ｉのを部分空間Ｙに射影した値Ｙ（Ｔ）におけるＹ（Ｔ）１ｉ成分は、固有の変動成分（印刷変動の主成分）であると考えられる。言い換えると、上記射影値Ｙ（Ｔ）における残差成分Ｙ（Ｔ）２ｉおよびＹ（Ｔ）３ｉには、当該画像情報Ｘ（Ｔ）ｉにおける汚損成分が含まれると考えられる。
【００９４】
上記部分空間Ｙへの射影値が算出されると、上記分離部７３は、さらに、上記辞書処理部７７を介して上記辞書部５９に記憶されている変換行列ＡＣを読み込む（ステップＳ３７）。上記汚損成分の学習処理で説明したように、上記変換行列ＡＣは、特徴ベクトルから固有の変動成分Ｙ１を除いた２次元の位置ベクトル（Ｙ２、Ｙ３）を部分空間Ｃに射影するものである。
【００９５】
上記辞書部５９から変換行列ＡＣを読み込むと、上記分離部７３は、上記射影値のうちＹ（Ｔ）２ｉおよびＹ（Ｔ）３ｉを２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）とみなす。上記分離部７３は、２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）を変換行列ＡＣにより２次元の値（Ｃ（Ｔ）１ｉ、Ｃ（Ｔ）２ｉ）に変換する（ステップＳ３８）。上記変換行列ＡＣにより算出される２次元の値（Ｃ（Ｔ）１ｉ、Ｃ（Ｔ）２ｉ）は、固有の変動成分が除去されている２次元の位置ベクトルを部分空間Ｃに射影した射影値である。上述したように、上記部分空間ＣのＣ１成分は、変動の主成分を最も良く近似する汚損の主成分である。従って、上記Ｃ（Ｔ）１ｉの大きさに基づいて、画像情報Ｘ（Ｔ）ｉにおける汚損度が判定できる。
【００９６】
すなわち、上記判定部７４は、上記分離部７３により得られたＣ（Ｔ）１ｉの値に基づいて画像情報Ｘ（Ｔ）ｉにおける汚損度（つまり、ｉ番目の紙葉類の汚損度）を判定する（ステップＳ３９）。ここで、上記判定部７４は、ｉ番目の紙葉類に対する汚損度の判定結果として、綺麗であるか汚れているかを判定するものとする。つまり、上記判定部７４は、上記Ｃ（Ｔ）１ｉの値と所定の閾値とを比較することにより、ｉ番目の紙葉類が綺麗であるか汚れているかを判定する。ただし、当該紙葉類を正券として取り扱うか損券として取り扱うか（当該紙葉類が綺麗か汚れているか）は、上記主制御部２０が決定するようにしても良い。この場合、上記判定部７４は、数値化した汚損度を判定結果として上記主制御部２０へ出力するようにすれば良い。
【００９７】
図９は、汚損成分の値（Ｃ（Ｔ）１ｉの値）に対する汚損判定の例を示す図である。
図９に示す例では、Ｃ（Ｔ）１ｉの値に対する出現頻度を示している。さらに、図９に示す例では、Ｃ（Ｔ）１ｉの値に対して、汚損度（綺麗か汚れているか）を判定するための閾値（ＴＨ１およびＴＨ２）の設定例も示している。上記閾値ＴＨ１およびＴＨ２は、１つのペアで設定されている。つまり、図９に示す例では、Ｃ（Ｔ）１ｉの値がＴＨ１〜ＴＨ２であれば、当該紙葉類が綺麗と判定され、Ｃ（Ｔ）１ｉの値がＴＨ１以下又はＴＨ２以上であれば、当該紙葉類が汚いと判定されるようになっている。上記閾値ＴＨ１およびＴＨ２は、当該紙葉類処理システムの運用形態に応じて適宜設定される値である。上記閾値ＴＨ１及びＴＨ２は、互いの間隔（ＴＨ１及びＴＨ２間の距離）が小さくなればなるほど、当該紙葉類が綺麗と判定されにくくなる。
【００９８】
なお、上記判定部７４は、紙葉類の汚損レベルを所定の複数段階で示すようにしても良い。この場合、上記判定部７４は、上記Ｃ（Ｔ）１ｉと所定の複数段階に分別するための複数の閾値とに基づいて当該紙葉類の汚損レベルを所定の複数段階に分別する。たとえば、図９に示すような閾値のペアを複数のペア設定することにより、複数の汚損レベルに紙葉類を分別するような運用形態が実現可能である。さらに、上記閾値ＴＨ１およびＴＨ２は、Ｃ（Ｔ）１ｉの値に対する出現頻度に応じて設定するようにしても良い。この場合、たとえば、処理対象となる全紙葉類を、所定の割合で綺麗な紙葉類と汚れた紙葉類とに区分するような運用形態が実現可能である。
【００９９】
上記のような上記判定部７４による汚損度の判定結果は、上記出力処理部７５により上記主制御部２０へ出力される（ステップＳ４０）。上記汚損度の判定結果が出力されると、上記変数ｉは、インクリメントされ、「ｉ＝ｉ＋１」に更新される（ステップＳ４１）。インクリメントされた変数ｉがＩ（Ｔ）以下である場合（ステップＳ３２、ＮＯ）、上記入力処理部７１は、次の画像情報Ｘ（Ｔ）ｉを入力する。これにより、上記汚損判定部７０では、上記変数ｉがＩ（Ｔ）よりも大きくなるまで、上記ステップＳ３２〜Ｓ４１の処理を繰り返し実行する。また、インクリメントされた変数ｉがＩ（Ｕ）以下でない場合（つまり、供給部１０にセットされた紙葉類の画像が無くなった場合）、上記判定部７４は、Ｉ（Ｕ）個の紙葉類に対する汚損度の判定処理を終了する。
【０１００】
上記のように、汚損度の判定処理は、印刷物の画像情報を入力し、入力した画像情報から複数の特徴量を抽出し、抽出した複数の特徴量の組を特徴ベクトルとみなし、メモリに記憶されている第１の変換行列により前記特徴ベクトルを第１の部分ベクトル（第１の部分空間）に変換し、第１の部分ベクトルから第１の主成分（固有の変動成分、印刷変動成分）を除く第１の残差成分を抽出し、第１の残差成分の組を残差ベクトルとみなし、メモリに記憶されている第２の変換行列により残差ベクトルを第２の部分ベクトル（第２の部分空間）に変換し、第２の部分ベクトルから第２の主成分を抽出し、抽出した第２の主成分に基づいて前記印刷物における汚損度を判定する。
【０１０１】
次に、汚損度の判定処理におけるオンライン学習機能について説明する。
上記ステップＳ３１〜Ｓ４１の汚損度の判定処理においては、変換行列ＡＣの更新処理を追加することが可能である。すなわち、上述した汚損成分の学習処理では、使用済み状態の紙葉類、つまり、汚損がある紙葉類をサンプルとして汚損成分を抽出するための変換行列ＡＣを生成している。これに対して、汚損度の判定処理でも、処理対象とする紙葉類が使用済みの状態の紙葉類であることを想定している。つまり、汚損度の判定処理において処理対象とする紙葉類は、汚損成分の学習処理においてサンプルとして入力する紙葉類と根本的には相違がない。従って、汚損度の判定処理においては、汚損度の判定とともに、汚損成分の学習処理（変換行列ＡＣの更新処理）を行うことが可能である。このように、汚損度の判定処理において、汚損度の判定とともに、汚損成分の学習処理を行うことをオンライン学習機能と称するものとする。
【０１０２】
上記オンライン学習機能では、実際に使用されている紙葉類の状態に応じて変換行列ＡＣが更新されていく。このため、上記オンライン学習機能では、実際の運用状況に即した高精度な汚損度の判定処理が行える。ただし、特殊な汚損がある紙葉類あるいは極端に汚損状態が悪い紙葉類が処理対象となる場合、オンライン学習機能では、好ましい変換行列ＡＣが得られないことも有りうる。従って、上記オンライン学習機能は、当該紙葉類処理システムのオペレータあるいは管理者の意図に応じて有効とするか無効とするかを切替えられるものが好ましい。以下、オンライン学習機能が有効に設定されている場合における汚損度の判定処理の例について説明する。
【０１０３】
図１０は、オンライン学習機能を行う汚損度の判定処理の流れを説明するためのフローチャートである。
すなわち、オンライン学習機能としては、汚損度の判定処理において、変換行列ＡＣを更新する処理が追加される。図１０に示すフローチャートでは、図８に示すフローチャートに、オンライン学習機能（変換行列ＡＣの更新処理）としてのステップＳ５１ＡあるいはステップＳ５１Ｂが追加されている。ただし、オンライン学習機能としては、図１０に示すステップＳ５１ＡあるいはステップＳ５１Ｂの何れかが実行されるものとする。なお、図１０に示すステップＳ３１〜Ｓ４１の処理は、図８に示す各処理を同等な処理であるあるため、詳細な説明を省略するものとする。
【０１０４】
上述したように、変換行列ＡＣは、汚損成分を抽出するための情報である。つまり、変換行列ＡＣは、固有の変動成分を除く２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）を部分空間Ｃに射影した値（Ｃ（Ｔ）１ｉ、Ｃ（Ｔ）２ｉ）を算出するための情報である。また、部分空間Ｃは、２次元の位置ベクトル（Ｙ２、Ｙ３）をＫＬ展開することにより得られる情報である。
【０１０５】
従って、汚損度の判定処理において、上記汚損学習部７８は、各紙葉類に対する汚損度としての「Ｃ（Ｔ）１ｉ」を算出するごとに、変換行列ＡＣを更新することが可能である（ステップＳ５１Ａ）。この場合、上記汚損学習部７８は、ｉ番目の紙葉類の画像情報から得られた２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）が得られるごとに、上記ステップＳ２８及びＳ２９と同様な処理により変換行列ＡＣ（Ｔ）ｉを生成する。この場合、上記汚損学習部７８は、新たに生成した変換行列ＡＣ（Ｔ）ｉと既存の変換行列ＡＣとを統合することにより、ｉ番目の紙葉類の画像情報に対する汚損度を判定するごとに、辞書部５９に記憶されている変換行列ＡＣを更新する。
【０１０６】
また、汚損度の判定処理において、汚損学習部７８は、Ｉ（Ｔ）個の紙葉類に対する汚損度の判定が終了した後に、変換行列ＡＣを更新することも可能である（ステップＳ５１Ｂ）。この場合、上記汚損学習部７８は、Ｉ（Ｔ）個の紙葉類の画像情報から得られた２次元の位置ベクトル（Ｙ（Ｔ）２ｉ、Ｙ（Ｔ）３ｉ）を全て保存しておく。これにより、上記汚損学習部７８は、上記ステップＳ２８及びＳ２９と同様な処理により変換行列ＡＣ（Ｔ）を生成する。この場合、上記汚損学習部７８は、新たに生成した変換行列ＡＣ（Ｔ）と既存の変換行列ＡＣとを統合することにより、上記辞書部５９に記憶されている変換行列ＡＣを更新する。
【０１０７】
なお、本発明の一形態としての汚損判定装置、紙葉類処理装置、あるいは、汚損判定方法は、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を適宜組み合わせることによって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いくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。
【図面の簡単な説明】
【０１０８】
【図１】図１は、紙葉類処理システムの構成例を概略的に示す断面図である。
【図２】図２は、紙葉類処理システムにおける制御系統の構成例を概略的に示すブロック図である。
【図３】図３は、汚損判定処理を行う汚損判定部の構成例を示すブロック図である。
【図４】図４は、汚損判定部における変動成分の学習処理の流れを説明するためのフローチャートである。
【図５】図５は、画像情報から得られる特徴ベクトルと部分空間との関係を模式的に示す図である。
【図６】図６は、汚損判定部における汚損成分の学習処理の流れを説明するためのフローチャートである。
【図７】図７は、固有変動の成分を除去した位置ベクトルと部分空間との関係を模式的に示す図である。
【図８】図８は、汚損判定部における汚損度の判定処理の流れを説明するためのフローチャートである。
【図９】図９は、汚損成分の値に対する汚損判定の例を示す図である。
【図１０】図１０は、オンライン学習機能を行う汚損度の判定処理の流れを説明するためのフローチャートである。
【符号の説明】
【０１０９】
Ｐ…紙葉類、１…紙葉類処理装置（区分装置）、２…施封装置、３…操作装置、１０…供給部、１６…判別部、１８…反転部、１９…集積部、２０…主制御部、３０…施封制御部、４１…ＣＰＵ、４２…記憶部、４３…インターフェース部、５１…ＣＰＵ、５２…記憶部、５３…インターフェース部、５４ａ…画像読取部、５５ａ…信号処理部、５６ａ…汚損判定プログラム、５７ａ…変動成分の学習プログラム、５７ｂ…汚損成分の学習プログラム、５７ｃ…汚損度の判定プログラム、５９…辞書部、７０…汚損判定部、７１…入力処理部、７２…特徴抽出部、７３…分離部、７４…判定部、７５…出力処理部、７６…変動学習部、７７…辞書処理部、７８…汚損学習部。
【特許請求の範囲】
【請求項１】
固有変動を含む画像情報から複数の特徴情報を抽出する特徴抽出部と、
前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離する分離部と、
前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部と、
を有することを特徴とする汚損判定装置。
【請求項２】
前記画像情報は、特定の図柄が印刷されている印刷物を読取った画像情報であり、
前記固有変動は、前記印刷物に対する印刷のばらつきに起因する印刷変動であり、
前記汚損変動は、前記印刷物に対して外的な要因で与えられる汚損による変動である、
ことを特徴とする前記請求項１に記載の汚損判定装置。
【請求項３】
前記分離部は、前記複数の特徴情報の組を前記固有変動の成分とそれ以外の複数の残差成分とからなる第１の部分ベクトルに変換し、
前記判定部は、前記複数の残差成分の組を汚損変動の成分とそれ以外の成分とからなる第２の部分ベクトルに変換し、前記第２の部分ベクトルにおける前記汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する、
ことを特徴とする前記請求項２に記載の汚損判定装置。
【請求項４】
さらに、第１の変換行列と第２の変換行列とを記憶する辞書部を有し、
前記分離部は、第１の変換行列により、前記複数の特徴情報の組からなるベクトルを前記第１の部分ベクトルに変換し、
前記判定部は、第２の変換行列により、前記第１の部分ベクトルにおける前記固有変動の成分を除いた複数の残差成分の組を前記第２の部分ベクトルに変換する、
ことを特徴とする前記請求項３に記載の汚損判定装置。
【請求項５】
さらに、汚損を含まない画像情報における複数の特徴情報の組に対する主成分分析に基づいて、前記画像情報における複数の特徴情報の組を前記固有変動の成分とそれ以外の複数の残差成分とに変換するための第１の変換行列を生成する第１の学習部を有する、
ことを特徴とする前記請求項１乃至４の何れか１項に記載の汚損判定装置。
【請求項６】
さらに、汚損を含む画像情報における複数の特徴情報の組から前記固有変動の成分を除いた残差成分を汚損変動の成分とそれ以外の成分とに変換するための第２の変換行列を生成する第２の学習部を有する、
ことを特徴とする前記請求項１乃至５の何れか１項に記載の汚損判定装置。
【請求項７】
特定の図柄が印刷されている紙葉類の画像を読取る読取部と、
前記読取部により読取った紙葉類の画像情報から複数の特徴情報を抽出する特徴抽出部と、
前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を固有変動の成分とそれ以外の残差成分とに分離する分離部と、
前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部と、
前記判定部による汚損度の判定結果に基づいて前記紙葉類を処理する処理部と、
を有することを特徴とする紙葉類処理装置。
【請求項８】
さらに、前記読取部により汚損がない紙葉類から読取った画像情報における複数の特徴情報の組に対する主成分分析に基づいて、前記画像情報における複数の特徴情報の組を前記固有変動の成分とそれ以外の複数の残差成分とに変換するための第１の変換行列を生成する第１の学習部を有する、
ことを特徴とする前記請求項７に記載の紙葉類処理装置。
【請求項９】
さらに、前記読取部により汚損を含むことが想定される紙葉類から読取った画像情報における複数の特徴情報の組から前記固有変動の成分を除いた残差成分を汚損変動の成分とそれ以外の成分とに変換するための第２の変換行列を生成する第２の学習部を有する、
ことを特徴とする前記請求項７又は８の何れか１項に記載の紙葉類処理装置。
【請求項１０】
固有変動を含む画像情報から複数の特徴情報を抽出し、
前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離し、
前記分離により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する、
ことを特徴とする汚損判定方法。
【請求項１】
固有変動を含む画像情報から複数の特徴情報を抽出する特徴抽出部と、
前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離する分離部と、
前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部と、
を有することを特徴とする汚損判定装置。
【請求項２】
前記画像情報は、特定の図柄が印刷されている印刷物を読取った画像情報であり、
前記固有変動は、前記印刷物に対する印刷のばらつきに起因する印刷変動であり、
前記汚損変動は、前記印刷物に対して外的な要因で与えられる汚損による変動である、
ことを特徴とする前記請求項１に記載の汚損判定装置。
【請求項３】
前記分離部は、前記複数の特徴情報の組を前記固有変動の成分とそれ以外の複数の残差成分とからなる第１の部分ベクトルに変換し、
前記判定部は、前記複数の残差成分の組を汚損変動の成分とそれ以外の成分とからなる第２の部分ベクトルに変換し、前記第２の部分ベクトルにおける前記汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する、
ことを特徴とする前記請求項２に記載の汚損判定装置。
【請求項４】
さらに、第１の変換行列と第２の変換行列とを記憶する辞書部を有し、
前記分離部は、第１の変換行列により、前記複数の特徴情報の組からなるベクトルを前記第１の部分ベクトルに変換し、
前記判定部は、第２の変換行列により、前記第１の部分ベクトルにおける前記固有変動の成分を除いた複数の残差成分の組を前記第２の部分ベクトルに変換する、
ことを特徴とする前記請求項３に記載の汚損判定装置。
【請求項５】
さらに、汚損を含まない画像情報における複数の特徴情報の組に対する主成分分析に基づいて、前記画像情報における複数の特徴情報の組を前記固有変動の成分とそれ以外の複数の残差成分とに変換するための第１の変換行列を生成する第１の学習部を有する、
ことを特徴とする前記請求項１乃至４の何れか１項に記載の汚損判定装置。
【請求項６】
さらに、汚損を含む画像情報における複数の特徴情報の組から前記固有変動の成分を除いた残差成分を汚損変動の成分とそれ以外の成分とに変換するための第２の変換行列を生成する第２の学習部を有する、
ことを特徴とする前記請求項１乃至５の何れか１項に記載の汚損判定装置。
【請求項７】
特定の図柄が印刷されている紙葉類の画像を読取る読取部と、
前記読取部により読取った紙葉類の画像情報から複数の特徴情報を抽出する特徴抽出部と、
前記特徴抽出部により前記画像情報から抽出した複数の特徴情報を固有変動の成分とそれ以外の残差成分とに分離する分離部と、
前記分離部により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する判定部と、
前記判定部による汚損度の判定結果に基づいて前記紙葉類を処理する処理部と、
を有することを特徴とする紙葉類処理装置。
【請求項８】
さらに、前記読取部により汚損がない紙葉類から読取った画像情報における複数の特徴情報の組に対する主成分分析に基づいて、前記画像情報における複数の特徴情報の組を前記固有変動の成分とそれ以外の複数の残差成分とに変換するための第１の変換行列を生成する第１の学習部を有する、
ことを特徴とする前記請求項７に記載の紙葉類処理装置。
【請求項９】
さらに、前記読取部により汚損を含むことが想定される紙葉類から読取った画像情報における複数の特徴情報の組から前記固有変動の成分を除いた残差成分を汚損変動の成分とそれ以外の成分とに変換するための第２の変換行列を生成する第２の学習部を有する、
ことを特徴とする前記請求項７又は８の何れか１項に記載の紙葉類処理装置。
【請求項１０】
固有変動を含む画像情報から複数の特徴情報を抽出し、
前記画像情報から抽出した複数の特徴情報を前記固有変動の成分とそれ以外の残差成分とに分離し、
前記分離により得られた前記残差成分から前記画像情報における汚損の度合いを示す汚損変動の成分を抽出し、前記抽出した汚損変動の成分の大きさに基づいて前記画像情報における汚損度を判定する、
ことを特徴とする汚損判定方法。
【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２０１０−３９７６５（Ｐ２０１０−３９７６５Ａ）
【公開日】平成２２年２月１８日（２０１０．２．１８）
【国際特許分類】
【出願番号】特願２００８−２０２０６９（Ｐ２００８−２０２０６９）
【出願日】平成２０年８月５日（２００８．８．５）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２２年２月１８日（２０１０．２．１８）
【国際特許分類】
【出願日】平成２０年８月５日（２００８．８．５）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]