画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体
【課題】高い処理能力を持つ画像処理アルゴリズムに対して高い評価を与える。
【解決手段】欠陥などの抽出対象部の位置が既知の画像データに対して、評価対象となる画像処理アルゴリズムの前処理を施したのちに１次評価を行い、前処理後の画像より非抽出対象部を含む抽出対象部の候補を抽出して、それらの特徴量を算出し、抽出対象部の位置が既知であることから候補を抽出対象部と非抽出対象部に分類し、抽出対象部の群の特徴量と非抽出対象部の群の特徴量の分離度によって２次評価し、その評価値に基づいて画像処理アルゴリズムのパラメータを調整する。また、１次評価に基づいて棄却処理を行う。また、２次評価に基づいて１次評価基準を変更する。
【解決手段】欠陥などの抽出対象部の位置が既知の画像データに対して、評価対象となる画像処理アルゴリズムの前処理を施したのちに１次評価を行い、前処理後の画像より非抽出対象部を含む抽出対象部の候補を抽出して、それらの特徴量を算出し、抽出対象部の位置が既知であることから候補を抽出対象部と非抽出対象部に分類し、抽出対象部の群の特徴量と非抽出対象部の群の特徴量の分離度によって２次評価し、その評価値に基づいて画像処理アルゴリズムのパラメータを調整する。また、１次評価に基づいて棄却処理を行う。また、２次評価に基づいて１次評価基準を変更する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体に関し、特に、画像データの画像から所望の対象部を抽出するための画像処理アルゴリズムの性能を評価する方法、当該評価方法を用いて画像処理アルゴリズムを生成する方法、ならびにそのための装置、プログラムおよび記録媒体に関する。
【背景技術】
【０００２】
近年、ＣＣＤ（Charge Coupled Device）等の画像撮像デバイスやパーソナルコンピュータ等の画像処理機器の低価格化により、画像処理の適用分野が広がりつつある。とりわけ、産業分野における欠陥検査への画像処理の適用は広範に渡り、製品やデバイスの歩留まり、品質の向上や目視検査員削減によるコストダウンのためにますますその必要性を高めている。しかしながら、欠陥検査向けの画像処理アルゴリズムは欠陥対象毎に専用設計することが一般的であり、一度設計した画像処理アルゴリズムを他の欠陥検査に適用できない場合が多い。よって、現状では欠陥検査のために、対象とする製品やデバイスに合わせて多種多様な画像処理アルゴリズムが開発されており、適用分野および検査対象の拡大に比例して開発工数は増加してゆく。一般に、画像処理アルゴリズムの開発と導入は、設計作業と調整作業から構成され、いずれも画像処理モジュールの組合せや各種のパラメータ変更などの作業と、その評価とを試行錯誤的に繰り返すことになり、非常に多くの工数を要する。このように、画像処理機器の低価格化が進む一方で画像処理アルゴリズム開発コストは下がらないため、欠陥検査装置に占める画像処理アルゴリズム開発コストは上昇する一方である。
【０００３】
ここにおいて、画像処理アルゴリズムは、その開発・導入において非常に多くの工数を必要とするため、画像処理適用分野の拡大にともない、画像処理アルゴリズムの自動生成手法の確立が切望されている。
【０００４】
画像処理アルゴリズムの自動生成は、候補となる画像処理アルゴリズム群を作成し、これらに対して良否結果が予め既知である画像データを適用し、適用した結果得られた良否判定精度に基づいて各々の画像処理アルゴリズムの性能の評価値を算出し、これらの評価値に基づいて新たに候補となる画像処理アルゴリズム群を作成することを繰り返し、より評価の高い画像処理アルゴリズムを求めてゆくものである。
【０００５】
一般に、画像処理アルゴリズムに従い所望の演算結果を導き出すのに必要となるＣＰＵ（Central Processing Unit）による演算量は多く、画像データを用いて候補となる多数の画像処理アルゴリズムを評価する際には非常に多くのＣＰＵによる演算量を必要とするため、画像処理アルゴリズム生成までに長時間を要する。また、評価する画像処理アルゴリズムの数を減らした場合には、十分な精度をもつ画像処理アルゴリズムを生成できる確率は低下する。そのために、画像処理アルゴリズムの自動生成では、一定時間でより多くの候補となる画像処理アルゴリズムを評価することが重要となる。
【０００６】
画像処理アルゴリズムの評価を行い、その評価結果に基づいて画像処理アルゴリズムを生成するための従来技術が特許文献１と２に開示される。
【０００７】
特許文献１では、良品画像データサンプル、欠陥（不良品）画像データサンプル、およびこれらの中庸の特性をもつ中間グレード画像データサンプルを入力して、入力した各々の画像データサンプルに含まれる欠陥部位に作業者が順位を設定する。そして、各画像デ
ータサンプルについて画像処理アルゴリズムによって処理された後に算出された欠陥部位の特徴量と予め作業者が設定した順位との相関によって画像処理アルゴリズムの良品と不良品の判別能力を評価する。そして、その評価結果に基づいて複数の画像処理アルゴリズム候補の中から適切なものを選択している。
【０００８】
特許文献２では、作業者は原画像に対して市街地領域と非市街地領域をそれぞれ白色と黒色で表現したカテゴリ画像ファイルを作成する。そして、種々の画像処理プログラムモジュールを組合わせることにより生成された特徴抽出方法によって、原画像とカテゴリ画像ファイルから構成される各画像データサンプルの特徴ベクトルを算出されて、算出された特徴ベクトルの主成分である圧縮特徴ベクトルにより１次評価値が算出される。そして、算出された１次評価値の高い複数の圧縮特徴ベクトルを組合わせて特徴空間を構成し、その独立性に基づいて特徴空間を評価する２次評価を行ない、２次評価値の最も高い特徴空間上での認識率に基づいて３次評価を行なう。
【特許文献１】特開平４−３６７９８２号公報
【特許文献２】特開２００４−３８７４４号公報
【発明の開示】
【発明が解決しようとする課題】
【０００９】
特許文献１の技術では、画像処理モジュールを組合わせ、かつ最終段の画像処理モジュールに特徴抽出モジュールを組合わせることにより、評価対象となる画像処理アルゴリズムを構成し、その後に初めて判別能力の評価を行っている。つまり、画像処理アルゴリズムのすべての処理手順を決定した後に、それらの全ての処理を学習用の画像データに施すことによってのみ判別能力の評価が可能となる。したがって、数段の処理手順を経ただけで判別能力が不十分であることが明らかとなる画像処理アルゴリズムであっても、最終段まで処理手順が実施されるため、必要な演算量は多い。
【００１０】
特許文献２の技術では、画像処理アルゴリズムは特徴抽出方法評価と特徴空間評価と認識率評価の３段階の評価がなされる。特徴抽出方法評価部では、特徴抽出方式により算出される各クラスに属する部位の特徴量の分布に基づいて、十分な認識率を発揮しないと予測される特徴抽出方式を持つ画像処理アルゴリズムについて、これを棄却して後段の評価を行わないことにより、画像処理アルゴリズムの評価に必要とされる演算量を低減している。
【００１１】
しかしながら、特徴抽出方法評価部に至るまでに画像データ変換処理と特徴抽出処理と特徴量分布に関する統計的な処理が行われているため、通常は同評価で棄却するまでに特許文献１の技術と同等以上の演算量が必要となり、演算量は減少していない。また、画像処理アルゴリズムの生成中において各評価部における評価基準は固定されているため、最後段の認識率評価部における評価基準と前段の評価部における評価基準の相関が高くない場合は、十分な認識率が得られない場合がある。つまり、特徴抽出方法評価基準において十分に高くない評価値を得た特徴量抽出手法においても、特徴量抽出手法の組合わせによっては認識率評価部において高い評価値を示す画像処理アルゴリズムが存在する可能性があるが、これらの特徴量抽出手法は既に棄却されているために最終段の評価まで到達することはなく、これらの特徴量抽出方法を含む画像処理アルゴリズムは高い認識率を持つにもかかわらず生成されることはない。
【００１２】
それゆえにこの発明の目的は、画像処理アルゴリズムを処理能力に従い評価することが可能な画像処理アルゴリズムの評価方法、装置、プログラムおよび記憶媒体を提供することである。
【００１３】
この発明の他の目的は、処理能力に従い評価された画像処理アルゴリズムを生成する方
法、装置、プログラムおよび記録媒体を提供することである。
【００１４】
この発明のさらに他の目的は、必要な演算量が少ない画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体を提供することである。
【課題を解決するための手段】
【００１５】
この発明のある局面に従うと、画像処理アルゴリズム評価方法は、処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を処理対象となる画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき１つ以上の真欠陥部に関する所定情報を有する画像データを用いて評価する方法であって以下の特徴を備える。
【００１６】
所定情報を有する画像データに対して画像処理アルゴリズムの変換処理を実施する変換工程と、変換工程を適用することにより得られる処理可能なように変換された変換後画像データと所定情報に基づいて変換処理の能力を評価する１次評価工程と、画像データの複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出工程と、所定情報に基づき特徴量算出工程により特徴量が算出された複数の欠陥候補部を真欠陥部と残りを擬似欠陥部に分類する分類工程と、真欠陥部の１種類以上の特徴量の群と擬似欠陥部の１種類以上の特徴量の群との、１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出工程と、分離度算出工程により算出した分離度と１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価工程とを備える。
【００１７】
変換工程は処理対象の画像データに対して画像処理アルゴリズムの変換処理を実施し、１次評価工程は変換された画像データを所定情報に基づいて評価し、特徴量算出工程は画像データの複数の欠陥候補部それぞれの１種類以上の特徴量を算出し、分類工程は特徴量が算出された複数の欠陥候補部を所定情報に基づいて真欠陥部と擬似欠陥部に分類し、分離度算出工程は真欠陥部の１種類以上の特徴量の群と擬似欠陥部の１種類以上の特徴量の群との、特徴空間における分離度を算出し、２次評価工程ではこの分離度と１次評価工程の評価結果の少なくとも一方に基づいて画像処理アルゴリズムの性能を評価する。
【００１８】
したがって、１次評価工程の評価結果により変換処理能力に従う画像処理アルゴリズムの性能を評価することができ、また、２次評価工程の評価結果により分離能力に従う画像処理アルゴリズムの性能の評価が可能となり、また、１次評価と２次評価の両者の評価結果により変換能力と分離能力に従う画像処理アルゴリズムの性能評価が可能となる。
【００１９】
好ましくは、画像処理アルゴリズム評価方法は、１次評価工程の評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程を備える。
【００２０】
棄却工程は１次評価工程の評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却するので、評価基準により、２次評価工程で十分な分離度を持たないと予測される画像処理アルゴリズムは、比較的演算量の少ない画像データ変換処理のみが実施された１次評価工程の完了時点で棄却することができる。そのため、画像処理アルゴリズムについて、必要な演算量をより少なくした評価が可能となる。
【００２１】
好ましくは、画像処理アルゴリズム評価方法は、２次評価工程の評価結果に基づいて１次評価工程の評価基準を変更する１次評価基準変更工程を備える。
【００２２】
１次評価基準変更工程では２次評価工程の評価結果に基づいて１次評価工程の評価基準が変更されるため、１次評価工程の評価基準を２次評価工程の評価基準に従わせることが
可能となる。
【００２３】
好ましくは、所定情報を有する画像データは、処理対象画像に含まれる抽出すべき１つ以上の真欠陥部それ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む。したがって、１次評価基準画像データを簡便に与えることができる。さらに異なる濃度値の画像、たとえば２値画像とすることで所定情報を有する画像データのサイズを小さくできて、評価時のデータ処理量を削減できる。
【００２４】
好ましくは、１次評価工程では、１次評価基準画像データと変換後画像データを比較することにより評価する。
【００２５】
好ましくは、１次評価基準変更工程では、２次評価工程において評価が終了した画像処理アルゴリズムによって変換された変換後画像データを用いて１次評価基準画像データを変更する。したがって、１次評価基準画像データを新規に作成する処理を省くことができる。
【００２６】
好ましくは、１次評価基準変更工程では、２次評価工程において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを１次評価基準画像データに置き換える。したがって、最良の２次評価が与えられた画像処理アルゴリズムによる画像変換処理結果データを、１次評価基準画像データに用いるから、分離能力について最良の評価が与えられた画像処理アルゴリズムが、１次評価においても高い評価値を得ることが可能となる。
【００２７】
この発明の他の局面に従うと、画像処理アルゴリズム生成方法は、上述の画像処理アルゴリズム評価方法を用いて画像処理アルゴリズムを生成するために、上述の画像処理アルゴリズム評価方法の工程に加えて、２次評価工程に続いて、所定基準に基づいて、画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、完了判断工程により完了していないと判断されると、１次評価工程および２次評価工程の少なくとも一方により出力された評価結果に基づいて、画像処理アルゴリズムの要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した画像処理アルゴリズムを変換工程に出力する調整工程と、を備える。
【００２８】
好ましくは、１次評価工程での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程をさらに備える。
【００２９】
好ましくは、棄却工程では、棄却工程以降の処理能力に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない。
【００３０】
したがって、棄却工程以降の処理能力に合わせて棄却率を決定して、これにより２次評価すべき画像処理アルゴリズムの数を絞ることができる。その結果、画像処理アルゴリズムの生成の１サイクルを構成する１次評価、棄却、２次評価および画像処理アルゴリズムの生成に係る処理を高速に実施できる。そのため、一定時間内により多くの画像処理アルゴリズムの評価が可能となる。
【００３１】
好ましくは、棄却工程では、１次評価工程による評価結果と２次評価工程による評価結果との相関状態に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない。
【００３２】
１次評価工程による評価結果と２次評価工程による評価結果との相関性が高い場合には
、ある画像処理アルゴリズムの１次評価での評価順位および２次評価での評価順位が変更することが少なくなると考えられる。したがって、この場合には、１次評価工程による評価結果と２次評価工程による評価結果との相関状態に基づき高い棄却率を決定することが可能となり、一定時間内により多くの画像処理アルゴリズムの評価を可能にする。
【００３３】
１次評価および棄却の処理と２次評価および画像処理アルゴリズム生成の処理の２つの処理を同じ処理時間で実施できるように棄却率を決定することにより、画像処理アルゴリズム生成装置をパイプライン構成を適用した場合には、パイプライン処理時にボトルネックがなく高いパフォーマンスを得ることが可能となる。
【００３４】
１次評価および棄却の処理と２次評価および画像処理アルゴリズム生成の処理の２つの処理を同じ処理時間で実施できるような棄却率を上限として、相関状態に応じて動的に棄却率を決定することが可能となり、一定時間内により多くの画像処理アルゴリズムの評価が可能となる。
【００３５】
好ましくは、画像処理アルゴリズム生成装置では、変換手段と、特徴量算出手段、分類手段および分離度算出手段からなる一連の手段とを２つ以上備え、２つ以上の画像処理アルゴリズムの評価を並列処理する。
【００３６】
したがって、変換手段に相当する前処理に適した処理装置（たとえばＤＳＰなど）と特徴量算出手段から分離度算出手段に相当する後処理に適した処理装置（たとえばＲＩＳＣ系のＣＰＵなど）を用いて、並列処理化することによって必要とする画像処理アルゴリズム生成速度に応じた処理装置構成が可能となる。
【００３７】
画像処理アルゴリズム生成装置は、１次評価手段により出力された評価結果に基づいて１次評価が完了したか否か判断をする１次完了判断手段と、１次評価完了判断手段により完了していないと判断されたとき、１次評価手段により出力された評価結果に基づいて画像処理アルゴリズムの任意の要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した画像処理アルゴリズムを変換手段に出力する１次調整手段と、をさらに備える。
【００３８】
したがって、１次評価までを前処理に適した処理装置（たとえばＤＳＰなど）で処理し、さらに１次評価完了時点で新規画像処理アルゴリズムの生成を行なうことにより、画像処理生成アルゴリズムの評価・生成のサイクルを実現し、十分に高い１次評価を得た画像処理アルゴリズムのみについて、多くの演算量を必要とする２次評価が実施される。その結果、少ない演算量でより多くの画像処理アルゴリズムを評価することが可能となる。
【００３９】
この発明のさらに他の局面では、上述の画像処理アルゴリズム評価方法に対応の装置、当該方法をコンピュータに実行させるためのプログラム、およびこれを記録したコンピュータ読取り可能な記録媒体が提供される。
【００４０】
この発明のさらに他の局面では、上述の画像処理アルゴリズム生成方法に対応の装置、当該方法をコンピュータに実行させるためのプログラム、およびこれを記録したコンピュータ読取り可能な記録媒体が提供される。
【発明の効果】
【００４１】
本発明によれば、画像処理アルゴリズムの評価を２段階として、十分な分離能力を持たないと考えられる画像処理アルゴリズムを１次評価後であって２次評価の前に棄却することにより、必要な演算量の削減が可能となる。一般的に、１次評価工程までの必要な演算量と１次評価工程以降２次評価工程までの必要な演算量を比較すると、後者の演算量のほ
うが多いため、１次評価にて画像処理アルゴリズムを棄却することは演算量を削減する観点より望ましい。
【００４２】
また、本発明によれば、画像処理アルゴリズムの１次評価の評価基準を、２次評価がなされた画像処理アルゴリズムの１次評価結果に基づいて変更するため、１次評価と２次評価の間での相関性を高めることができる。このことより、たとえば、１次評価の低い画像処理アルゴリズムを棄却しても、高い２次評価を取りうる画像処理アルゴリズムは１次評価工程以降の工程に進むため、演算量が削減されるとともに分離能力の高い画像処理アルゴリズムに高い評価値を与えることが可能となる。
【００４３】
特に、１次評価に用いる評価基準である所定情報に誤りがある場合には、１次評価の基準と２次評価の基準の評価軸が異なるため、画像処理アルゴリズム生成時に評価値が収束しないおそれがある。この場合に、最良の２次評価が与えられる画像処理アルゴリズムの１次評価の結果の元となった変換後画像データに基づいて１次評価の評価基準画像データを変更することにより、所定情報の誤りの修正が可能となる。
【発明を実施するための最良の形態】
【００４４】
以下、この発明の各実施の形態について図面を参照して詳細に説明する。
（実施の形態１）
図１には、実施の形態１に係る画像処理アルゴリズム評価およびそれを用いた画像処理アルゴリズム生成のための処理手順が示されて、図２には実施の形態１に係る画像処理アルゴリズム評価と生成のための装置の機能構成が示されて、図３には各実施の形態に係る装置が搭載されるコンピュータの構成が示される。
【００４５】
一般に、画像処理アルゴリズムはいくつかの画像処理モジュール（２値化処理モジュール、フィルタ処理モジュールなど）が連結されており、各画像処理モジュールは２値化の閾値、フィルタサイズなどのいくつかのパラメータを持つ。すなわち、画像処理アルゴリズムは種々の画像処理モジュールの組合せと、各モジュールの持つパラメータ値によって表現される。本画像処理アルゴリズム生成方法は、画像処理アルゴリズム評価方法によって算出された評価値に基づいて、画像処理モジュールの組合せや、各モジュールが持つパラメータ値を変更することを繰返して、より評価値の高い画像処理アルゴリズムを生成するものである。また、画像処理モジュールは作業者もしくはプログラム等によって予め登録もしくは生成されたものの中から選択するものと想定する。
【００４６】
ここでは、画像処理アルゴリズムの処理対象となる製品などを撮像して得られた原画像データと、同画像データに関して予め製品の真の欠陥部等の抽出対象部の原画像内における位置情報および形状情報が作業者によって付与されている基準画像データとの組を、学習用画像データセットと呼ぶ。
【００４７】
また、ここでは、画像処理アルゴリズムは処理対象となる画像データに対してフィルタ処理によってノイズ除去やエッジ強調等の画質改善を施す前処理部と、画質改善が行われた画像に対して欠陥部を抽出する候補となる複数の部分領域である欠陥候補部（以下、抽出候補領域という）それぞれの画像特徴量を算出したうえで、その特徴量に対して設けられたしきい値により、複数の欠陥候補部を、真欠陥部の抽出対象部と、擬似欠陥部の非抽出対象部とに分離する後処理部から構成されるものとする。擬似欠陥部は、真欠陥部を検出する際に副作用として誤検出される部分をさす。
【００４８】
（コンピュータの構成と記録媒体）
図３を参照してコンピュータは、ユーザが操作して外部から情報を入力するためのマウス１１０、キーボード３５０およびペン・タブレット３６０、ＣＲＴ（陰極線管）や液晶
などからなるモニタ３１０、該コンピュータ自体を集中的に制御するためのＣＰＵ（中央処理装置の略）３１２、ＲＯＭ（Read Only Memory）またはＲＡＭ（ランダムアクセスメモリの略）を含んで構成されるメモリ３２４、ハードディスクなどの固定ディスク３２６、ＦＤ（フレキシブルディスク）３３２が着脱自在に装着されて、装着されたＦＤ３３２をアクセスするＦＤ駆動装置３３０、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）３４２が着脱自在に装着されて、装着されたＣＤ−ＲＯＭ３４２をアクセスするＣ
Ｄ−ＲＯＭ駆動装置３４０、およびインターネットを含む各種の有線又は無線の通信ネットワーク１０９と該コンピュータとを接続するための通信インターフェィス３８０を含む。これらの各部はバスを介して通信接続される。通信ネットワーク１０９を介して外部と各種の情報を送受信できる。受信する情報には処理対象となる画像データが含まれて、該画像データはたとえば外部のカメラによって撮影された画像のデータであってもよい。
【００４９】
図３のコンピュータには、カセット形式の磁気テープが着脱自在に装着されて磁気テープをアクセスする磁気テープ装置が設けられても良い。
【００５０】
メモリ３２４には、学習用画像データ保存部３４が設けられるとともに、変換後画像データ１３、１次評価基準画像データ１２、画像処理アルゴリズムデータ１４およびアルゴリズム生成・調整用データ４４が格納される。
【００５１】
学習用画像データ保存部３４には、図２に示すように、複数の学習用画像データセット３５が格納される。学習用画像データセット３５は、画像処理アルゴリズムの処理対象となる原画像データ３６と基準画像データ３７を関連付けて含む。基準画像データ３７は、関連の原画像データ３６の原画像における抽出対象部それぞれを特定するための所定情報として、位置（座標）を示す位置情報３８と当該抽出対象部の形状を示す形状情報３９および、原画像に含まれる１つ以上の抽出対象部とそれ以外の非抽出対象部を異なる濃度値で表現した画像データを含む。後述の画像データ入力部１は抽出対象となる欠陥を含む原画像データ３６を撮像などにより取得して、学習用画像データ保存部３４に格納する。その際に、後述の抽出対象情報設定部２１は、作業者がキーボード３５０などの外部入力装置を用いて原画像データ３６に対して抽出対象部の位置情報３８および形状情報３９を入力するための機能を提供する。ここで入力された位置情報３８と形状情報３９により基準画像データ３７が構成されて、基準画像データ３７と、上述の原画像データ３６とからなる学習用画像データセット３５が学習用画像データ保存部３４に格納される。
【００５２】
画像処理アルゴリズムデータ１４は、図２に示すように、最良の評価（最高の評価）を有する画像処理アルゴリズムを構成する１つ以上の画像処理モジュール４２と１つ以上の画像処理のパラメータそれぞれの値４３、および該画像処理アルゴリズムの評価値４１を有する。ここではパラメータの値４３を有するとしたが、画像処理アルゴリズムによってはパラメータを含まない場合もあるので、画像処理アルゴリズムデータ１４はパラメータの値４３を含まない場合もある。
【００５３】
アルゴリズム生成・調整用データ４４は、処理対象の画像処理アルゴリズムを生成または調整するために参照されて、画像処理アルゴリズムの構成要素となり得る複数の画像処理モジュール４２と複数の画像処理のためのパラメータ値４３を含む。画像処理モジュール４２はそこに引用するパラメータ値４３により表現される。
【００５４】
図２を参照して装置は、画像データ入力部１、作業者に各種情報を表示するためのモニタ３１０に対応の表示部３、および画像データ入力部１と表示部３を接続する画像処理アルゴリズム生成部２を備える。画像処理アルゴリズム生成部２は画像処理装置に相当する。画像処理アルゴリズム生成部２は、学習用画像データ保存部３４を参照する抽出対象情報設定部２１、アルゴリズム生成・調整用データ４４を参照する画像処理アルゴリズム生
成・調整部２２、画像データ変換部２３、１次評価基準画像データ１２に基づき画像処理アルゴリズムの画像データの変換処理能力を評価する１次評価部２４、１次評価の結果に基づき画像処理アルゴリズムを棄却するか否か判定する棄却判定部２５、画像データ変換部２３により変換された後の画像データ１３をメモリ３２４に格納する変換後画像データ保存処理部２６、特徴量算出部２７、分類部２８、分離度算出部２９、２次評価部３０、最良と評価された画像処理アルゴリズムを画像処理アルゴリズム１４としてメモリ３２４に格納する画像処理アルゴリズム保存処理部３１、一次評価基準画像データ１２を書換える１次評価基準変更部３２、および画像処理アルゴリズムの生成の完了を判断する画像処理アルゴリズム生成完了判断部３３を備える。これらの各部は図３のコンピュータで実行可能なプログラムとして予め準備されて、当該プログラムはメモリ３２４などに予め格納されて、各プログラムはＣＰＵ３１２により読出されて実行される。
【００５５】
図１および図２を用いて本実施形態に係る画像処理アルゴリズムの評価手順および生成手順、装置について概略説明し、その後、実際の学習用画像データセット３５を用いた動作について図を用いて説明する。
【００５６】
図１では、任意の画像処理アルゴリズムに対して、前処理後の画像データにより１次評価が行なわれ、後処理後の抽出対象部と非抽出対象部との分離度合いにより両者の分離能力を評価する２次評価が行なわれる。図１のフローチャートにより、画像処理アルゴリズム評価方法およびそれを用いた画像処理アルゴリズム生成方法が示される。画像処理アルゴリズム評価方法に相当する部位はＳＴＥＰ２およびＳＴＥＰ３〜ＳＴＥＰ１０ならびにＳＴＥＰ１２である。
【００５７】
ＳＴＥＰ１では、画像処理アルゴリズム生成・調整部２２は評価対象となる画像処理アルゴリズムを、アルゴリズム生成・調整用データ４４から読出した１つ以上のモジュール４２または１つ以上のパラメータ値４３を組合わせて生成する。アルゴリズム生成・調整用データ４４から読出して生成に用いるべきモジュール４２の種類またはパラメータ値４３の種類は、作業者がキーボード３５０などの外部入力装置を操作することにより、画像処理アルゴリズム生成・調整部２２に対して指示される。
【００５８】
ＳＴＥＰ２では、抽出対象情報設定部２１は、作業者がキーボード３５０を操作して入力する選択信号に基づき、画像処理アルゴリズム評価に用いる学習用画像データセット３５を学習用画像データ保存部３４の中から選択的に読出す。
【００５９】
ＳＴＥＰ３では、画像データ変換部２３は、選択的に読出された学習用画像データセット３５の原画像データ３６に対して評価対象となる画像処理アルゴリズムの前処理部を適用して、変換後画像データ１３を生成する。
【００６０】
ＳＴＥＰ４では、１次評価部２４は、変換後画像データ１３を、１次評価基準画像データ１２が示す画像データと比較可能となるように処理したのちに、処理後の変換後画像データ１３を１次評価基準画像データ１２が示す画像データと比較して、比較結果に基づき、評価対象となる画像処理アルゴリズムの１次評価を行なう。以降、１次評価の評価値を１次評価値と呼ぶ。
【００６１】
ここで、１次評価基準画像データ１２はＳＴＥＰ１にて選択された学習用画像データセット３５の基準画像データ３７とすることが可能である。また、１次評価基準画像データ１２は作業者が別途設定することも可能である。
【００６２】
ＳＴＥＰ５では、棄却判定部２５は１次評価部２４により出力された１次評価値が、メモリ３２４などに予め格納された所定基準値以上を示すかを判定する。所定基準値未満を
示すと判定した場合、当該画像処理アルゴリズムを棄却する。つまり、１次評価値が所定基準値より小さい画像処理アルゴリズムについては以降の処理、すなわち、ＳＴＥＰ６以降の処理が施されないように制御される。所定基準値以上と判定した場合には、当該画像処理アルゴリズムについて以降の処理が実行される。
【００６３】
ＳＴＥＰ６では、変換後画像データ保存処理部２６は、１次評価値が所定基準以上である画像処理アルゴリズムに関して、変換後画像データ１３をメモリ３２４に格納する。メモリ３２４に格納された変換後画像データ１３は後に１次評価基準画像データ１２を変更する際に用いられる。
【００６４】
ＳＴＥＰ７では、特徴量算出部２７は、変換後画像データ１３が示す画像における複数の抽出候補領域を決定し、それぞれについての位置情報と画像特徴量を算出する。ここで、抽出候補領域の決定およびそれらの位置情報は変換後画像データ１３を２値化処理することにより取得可能である。ただし、抽出候補領域の決定および位置情報を取得する手順はこれに限定されない。このようにして得られた抽出候補領域および位置情報に基づいて変換後画像データ１３の画像における抽出候補領域を決定し、同領域の画像特徴量を算出する。
【００６５】
ＳＴＥＰ８では、分類部２８は、作業者が選択した学習用画像データセット３５の基準画像データ３７の位置情報３８とＳＴＥＰ７で取得した位置情報とを比較して、比較結果に基づいて、ＳＴＥＰ７で取得した抽出候補領域それぞれが抽出対象部であるか非抽出対象部であるかを判断する。
【００６６】
ＳＴＥＰ９では、分離度算出部２９は、ＳＴＥＰ７にて算出した画像特徴量に基づき構成される特徴空間を設定する。そして、ＳＴＥＰ８にて抽出対象部と判断された抽出候補領域である抽出対象領域それぞれの算出された特徴量と、非抽出対象部と判断された抽出候補領域である非抽出対象領域それぞれの算出された特徴量とを、前述の特徴空間に各々プロットする。そして、特徴空間における、抽出対象領域についてプロットされた特徴量群と非抽出対象領域についてプロットされた特徴量群との分離の程度を示す分離度を算出する。
【００６７】
ＳＴＥＰ１０では、２次評価部３０は、ＳＴＥＰ９にて算出された分離度に基づいて評価対象となる画像処理アルゴリズムの２次評価を行なう。以降、２次評価の評価値を２次評価値と呼ぶ。２次評価の詳細は後述する。
【００６８】
ＳＴＥＰ１１では、画像処理アルゴリズム保存処理部３１は、２次評価値に基づき、画像処理アルゴリズムと２次評価値を画像処理アルゴリズムデータ１４としてメモリ３２４に格納する。
【００６９】
ＳＴＥＰ１２では、１次評価基準変更部３２は、画像処理アルゴリズムの評価結果に基づいてメモリ３２４の１次評価基準画像データ１２を変更（書換え）する。一例として、高い評価を示す２次評価値が出力された画像処理アルゴリズムについて、当該画像処理アルゴリズムによる変換後画像データ１３がＳＴＥＰ４においてメモリ３２４に既に格納されているので、この変換後画像データ１３を用いて作業者が予め選択した学習用画像データセット３５の基準画像データ３７が示す１次評価基準画像データ１２を変更することが可能である。たとえば、１次評価基準画像データ１２を変換後画像データ１３により代替することで、１次評価基準画像データ１２を変更する。
【００７０】
次に、図１を参照して、上述した画像処理アルゴリズム評価方法を利用した画像処理アルゴリズム生成方法について説明する。
【００７１】
ＳＴＥＰ１〜ＳＴＥＰ１０の処理が行なわれて、画像処理アルゴリズムの２次評価値が算出される。ＳＴＥＰ１１では、ＳＴＥＰ１〜ＳＴＥＰ１０の処理が繰返される毎に、評価された画像処理アルゴリズムのうち２次評価値が最大となるものを最良の画像処理アルゴリズムとし、その２次評価値と画像処理モジュールおよびパラメータ値の組合せを画像処理アルゴリズムデータ１４としてメモリ３２４に格納する。
【００７２】
以降、繰返す毎に、画像処理アルゴリズム保存処理部３１は、その２次評価値が、メモリ３２４に格納された画像処理アルゴリズムデータ１４の評価値４１を超えた画像処理アルゴリズムである場合にのみ、メモリ３２４の画像処理アルゴリズムデータ１４を当該画像処理アルゴリズムのデータを用いて書換える。
【００７３】
ＳＴＥＰ１３では、画像処理アルゴリズム生成完了判断部３３は、終了条件が成立するか否か判別する。終了条件が成立しない場合には（ＳＴＥＰ１３でＮＯ）、ＳＴＥＰ１４において、画像処理アルゴリズム生成・調整部２２により、アルゴリズム生成・調整用データ４４を用いて組合わせるモジュール４２またはパラメータ値４３を調整した新たな画像処理アルゴリズムを生成する。そして新たに生成された画像処理アルゴリズムについて、ＳＴＥＰ３以降の処理が同様に繰返される。
【００７４】
このようにして、複数の画像処理アルゴリズムの生成が繰返されながら、終了条件成立と判別された場合は（ＳＴＥＰ１３でＹＥＳ）、評価値に基づく画像処理アルゴリズムの生成は終了する。したがって、この時点で、メモリ３２４に格納された画像処理アルゴリズムデータ１４が示す画像処理アルゴリズムが、これまで生成された画像処理アルゴリズムのうち２次評価値が最大である、すなわち最良の画像処理アルゴリズムとなる。
【００７５】
なお、ＳＴＥＰ１１における、最良となる画像処理アルゴリズムデータ１４の書換え基準は上記に制限されるものではなく、メモリ３２４に格納可能なデータ容量に応じて複数個の画像処理アルゴリズムデータ１４を格納することも可能である。たとえば、上位から３番目までの大きい値の２次評価値を有する画像処理アルゴリズムの画像処理アルゴリズムデータ１４を格納するようにしておき、上位から３番目までの評価値を超える画像処理アルゴリズムが生成されたときには、メモリ３２４の画像処理アルゴリズムデータ１４の書換えがされるようにしてもよい。このようにすれば、同じ２次評価値を有する異なる複数の画像処理アルゴリズムを取得することも出来る。
【００７６】
ここで、ＳＴＥＰ１３の終了条件について説明する。終了条件は、たとえば予め作業者やプログラム等によって設定された２次評価値の基準値を超えるものが生成された場合や、ＳＴＥＰ１４の画像処理アルゴリズムのパラメータ調整と画像処理アルゴリズムの再評価作業の繰り返し回数が、作業者やプログラム等によって設定された規定回数を超えた場合、もしくは総処理時間が設定時間を超えた場合、などである。
【００７７】
終了条件を満たさない場合は、ＳＴＥＰ１４にて画像処理アルゴリズムの調整が行なわれる。具体的には、画像処理アルゴリズムの評価値に基づいて画像処理モジュール４２の組合せやパラメータ値４３の変更が行なわれる。このような、ある評価値に基づいて画像処理モジュール４２の組合せやパラメータ値４３を最適化してゆく手法としては、たとえばＧＡ（遺伝的アルゴリズム）によるものやＳＡ（シミュレーティッドアニーリング）によるものなど多数提案されている。いずれも、評価値の高い組合せやパラメータ値に対して、それらの組合せや値をわずかに変動させて、より評価値の高いものを探索してゆく方法である。
【００７８】
「画像処理モジュール４２の組合せ」の変更については、たとえば、先行技術文献とし
て特開２００２−３６６９２９号公報において、ＧＡ（遺伝的アルゴリズム）による方法が記載されている。当該公報に開示の方法を適用することで、評価値に対して画像処理モジュールの組合せやパラメータ値を最適化することが可能である。
【００７９】
ここで、ＧＡに関連した画像処理モジュール群の表現方法と変更方法（突然変異と交叉）とを図４（Ａ）、図４（Ｂ）および図４（Ｃ）を参照しながら説明する。
【００８０】
＜画像処理モジュール群の表現方法＞
画像処理モジュール群は複数の画像処理モジュールが連結されたものであり、画像処理モジュールはパラメータ値を有する。図４（Ａ）では画像処理モジュール群が、楕円で示す画像処理モジュールが複数個連結された状態で示されている。図４（Ａ）では、たとえば１つめの楕円内の文字列「Ｆ１−１」について、“Ｆ１”は当該楕円の画像処理モジュールの種類を表し、ハイフン（‘‐’）の次の‘１’は、当該画像処理モジュールのパラメータ値を表すものとする。他の楕円の画像処理モジュールについても同様に画像処理モジュールの種類とパラメータ値が表現されている。
【００８１】
＜突然変異＞
ＧＡにおける突然変異とは、画像処理モジュール群の画像処理モジュールもしくはパラメータをランダムに変更することにより、さらに評価の高い（評価値の大きい）画像処理モジュール群が生成されることを期待するというものである。図４（Ｂ）では、画像処理モジュール群Ｂ１の２番目の画像処理モジュールとパラメータ値とが変更されるという突然変異により、画像処理モジュール群Ｂ２が生成される状態を示している。
【００８２】
＜交叉＞
ＧＡにおける交叉とは、２つの画像処理モジュール群を対象にして、相互に、連結の途中から画像処理モジュールを入れ替えるというものである。通常は、さらに評価の高い（評価値の大きい）画像処理モジュール群が生成されることを期待して、評価の高い画像処理モジュール群同士で交叉が行なわれる。図４（Ｃ）では、画像処理モジュール群Ｂ１とＢ３を対象にして交叉が行なわれる状態が示されている。ここでは、画像処理モジュール群Ｂ１の連結の途中の部分モジュール群ＢＢ１と、画像処理モジュール群Ｂ３の連結の途中の部分モジュール群ＢＢ３とを入れ替えることで、画像処理モジュール群Ｂ１は画像処理モジュール群Ｂ１１に変更されて、画像処理モジュール群Ｂ３は画像処理モジュール群Ｂ３１に変更されている。
【００８３】
ＳＴＥＰ１３の終了条件の成立に関して、画像処理モジュール４２の組合せの数やパラメータ値４３の取る範囲が十分に小さい場合は、ＳＴＥＰ１３の終了条件の成立を待たなくても、画像処理モジュール４２の全ての組合せとパラメータ値４３を変動させた条件とで生成され得る全ての画像処理アルゴリズムについての評価を終えることが可能である。このようにしてＳＴＥＰ１４において画像処理モジュールの組合せやパラメータ値の変更が行われ都度生成される画像処理アルゴリズムに対して、ＳＴＥＰ３以降の手順を同様に繰返し適用することにより、最良の評価を有する画像処理アルゴリズムの自動生成を実現しうる。
【００８４】
次に、図５を用いて実際の学習用画像データセット３５への画像処理アルゴリズム評価方法の適用について概略説明する。学習用画像データセット３５の原画像データ３６は、評価対象となる画像処理アルゴリズムによって図１のＳＴＥＰ３に相当する前段の処理であるフィルタ処理ＳＴＥＰ３ａが施され、フィルタ後画像データ１３１に変換される。フィルタ後画像データ１３１は、２値化画像データである１次評価基準画像データ１２と比較するために、ＳＴＥＰ３に相当する後段の処理である２値化処理ＳＴＥＰ３ｂが施されて、２値化変換後画像データ１３２となる。以降、２値化後画像データ１３２を変換後画
像データ１３とする。
【００８５】
フィルタ処理ＳＴＥＰ３ａでは、処理対象画像についてエッジが強調されて、エッジが強調された画像について複数回の膨張処理が繰返されて、その後に、複数回の収縮処理が繰返される。
【００８６】
ここで、１次評価基準画像データ１２は、基準画像データ３７をそのまま用いている。ただし、１次評価基準画像データ１２についてはこれに限定されるものではない。
【００８７】
また、フィルタ後画像データ１３１を２値化するためのしきい値については、基準画像データ３７により抽出対象の個数（位置情報３８の個数）が予め指定されているから、その個数にあわせた抽出候補領域が出現するように２値化しきい値を決定して、キーボード３５０などから入力することが可能である。本実施の形態では、基準画像データ３７に抽出対象が２個含まれることが予め分かっていることより少なくとも２個以上の抽出候補領域が出現し、かつ、以降の処理で多くの演算量が必要とならないように、５個の抽出候補領域が出現するような２値化しきい値を用いている。ただし、抽出候補領域を出現させるための処理は本実施の形態に限定されず、２値化しきい値の決定方法についてもさまざまな手法を選択することが可能である。
【００８８】
次に、変換後画像データ１３（２値化後画像データ１３２）と１次評価基準画像データ１２の比較によって、１次評価値が算出される。たとえば、変換後画像データ１３と１次評価基準画像データ１２の絶対値差分画像データを求め、当該絶対値差分画像データにより求められる画像の濃度平均値の逆数に従い１次評価値を規定することが可能である。ここでは、２値画像どうしの比較（一般には差分処理）であるから、高速に比較することが可能となる。
【００８９】
ここで、絶対値差分画像とは、変換後画像データ１３と１次評価基準画像データ１２の画像同士について画素毎の輝度差で示される画像である。絶対値差分画像の濃度平均値とは、絶対値差分画像の濃度のヒストグラムから算出される平均値をいう。具体的には、たとえば絶対値差分画像Ａが濃度０（黒）の画素を９９００個および濃度２５５（白）の画素を１００個からなる場合には、絶対値差分画像Ａの濃度平均値＝（０×９９００＋２５５×１００）÷（９９００＋１００）＝２．５５と算出することができる。たとえば絶対値差分画像Ｂが濃度０（黒）の画素を７０００個および濃度２５５（白）の画素を３０００個からなる場合には、絶対値差分画像Ｂの濃度平均値＝（０×７０００＋２５５×３０００）÷（７０００＋３０００）＝７６．５と算出することができる。
【００９０】
また、算出された濃度平均値の逆数が１次評価値を規定する。つまり、上述の絶対値差分画像Ａの濃度平均値２．５５の場合、その逆数は（１／２．５５）＝０．３９２となり絶対値差分画像Ｂの濃度平均値７６．５の場合、その逆数は（１／７６．５）＝０．０１３０…となる。つまり、濃度平均値の逆数（１次評価値）が大きいということは、図５の変換後画像データ１３（２値化後画像データ１３２）と１次評価基準画像データ１２の差が小さくなっており、適用されている画像処理アルゴリズムが原画像データ３６の画像を、より１次評価基準画像データ１２の画像に近づける機能に優れている（高い能力を有する）ことを指す。
【００９１】
ここでは、絶対値差分画像データの濃度平均値が０となった時に１次評価値を最大とする。また、抽出対象部に関して重要度に応じて重み付けを行なうことにより、より重要な抽出対象部が抽出候補領域として現われている場合はより大きい評価値（高い評価）を、逆に抽出候補領域として現われていない場合はより小さい評価値（低い評価）を与えることが可能である。
【００９２】
具体的には、１次評価のＳＴＥＰ４において、絶対値差分画像データに対して予めメモリ３２４などに格納されている「重み画像」データを、画素単位で積算することにより重み付けが行なわれる。当該重み付けにより、たとえば、同一面積の部位であるならば非抽出対象部が抽出されるよりも、抽出対象部が抽出されない場合の方が１次評価値は低くなるので、抽出対象部をより確実に抽出することができる画像処理アルゴリズムに高い評価（大きい評価値）を与えることができる。
【００９３】
なお、１次評価値を規定する方法は本実施の形態に限定されるものではなく、多値画像での比較なども可能である。
【００９４】
このようにして得られた１次評価値に基づいて、評価対象となる画像処理アルゴリズムに関して以降の処理を実施するか否かを図１のＳＴＥＰ５において決定する。１次評価値が基準値以上である場合は次の処理に進む。つまり、フィルタ変換後画像データ１３１に関して、２値化変換後画像データ１３２に出現した抽出候補領域を含む部位を矩形にて囲んだものが抽出候補領域決定済み変換後画像データ１３３である。ここでは、当該画像データ１３３の画像上の抽出候補領域に関して画像特徴量を算出する。これは図１のＳＴＥＰ７の処理に相当する。
【００９５】
画像特徴量の一例としては、抽出候補領域と近傍領域の画像の濃度の差によって規定されるコントラストや、２値化処理後に出現する領域の面積などが挙げられる。さらに、１次評価基準画像データ１２に基づいて、抽出候補領域決定済み変換後画像データ１３３の画像の抽出候補領域を抽出対象領域１３５と非抽出対象領域１３６とに分類し、抽出対象領域１３５を含む部位を太線矩形にて、非抽出対象領域１３６を含む部位を破線矩形にて囲んだものが抽出領域分類済み変換後画像データ１３５の画像である。これは図１のＳＴＥＰ８の処理に相当する。
【００９６】
抽出対象領域１３５である抽出候補領域について算出された画像特徴量と、非抽出対象領域１３６である抽出候補領域について算出された画像特徴量とは特徴空間１３７に配置される。特徴空間１３７は、２種類の特徴量ＣＨ１とＣＨ２が算出されたと想定した場合に、特徴量ＣＨ１および特徴量ＣＨ２の直交する座標軸で規定される２次元座標空間に相当し、特徴空間１３７には抽出対象領域１３５の特徴量と非抽出対象領域１３６の特徴量がプロットされる。抽出対象領域１３５の特徴量の値は太実線の○（正円）で、非抽出対象領域１３６の特徴量の値は細点線の○（正円）でプロットされている。
【００９７】
特徴空間１３７における抽出対象領域１３５のプロットされた特徴量と非抽出対象領域１３６のプロットされた特徴量との分布状態により両者の分離の程度（分離度Ｓ）が規定される。
【００９８】
ここでは、分離度Ｓを求めるために、２種類の特徴量ＣＨ１とＣＨ２で規定される２個の座標軸で規定される座標空間（座標平面）を用いているので、抽出対象領域と非抽出対象領域の特徴量は２次元のベクトル（平面ベクトル）によって張られる２次元特徴空間上（平面）でプロットされた。しかし、適用される特徴空間は座標平面に限定されない。たとえば、１種類の特徴量で規定される１次元の座標軸上で規定されてもよいし、ｄ（≧３）個の特徴量の各座標軸で規定される座標空間で規定されてもよい。
【００９９】
ｄ（≧３）個の特徴量の各座標軸で規定される座標空間は、ｄ次元の空間ベクトルによって張られる特徴空間である。今、ｄ個の特徴量ＣＨｊ（ｊ＝１，２，３，…，ｄ）を算出して、算出されたｄ個の特徴量を用いることにすると、抽出対象領域および非抽出対象領域はｄ次元の特徴ベクトルＣＨによって張られる特徴空間上でプロットされる。なお、
特徴ベクトルＣＨ＝（ＣＨ１、ＣＨ２、…，ＣＨｊ、…ＣＨｄ）ｔ（ｔは転置を示す）と示される。ｄ次元の特徴空間上において、抽出対象領域について特徴ベクトルＣＨで定まる位置にプロットされた点（特徴量）の分布域と、非抽出対象領域について特徴ベクトルＣＨで定まる位置にプロットされた点（特徴量）の分布域との距離に従い分離度Ｓを求めることができる。したがって、分離度Ｓが高いほど抽出対象部と非抽出対象部とを分離する能力に優れている、すなわち評価は高くなる。
【０１００】
学習用画像データセット３５に依存して非抽出対象領域が抽出されない場合は、仮想の非抽出対象領域の特徴量を、特徴空間１３７の任意座標においてプロットする。
【０１０１】
たとえば、特徴空間１３７の２次元座標の原点に仮想の非抽出対象領域の特徴量がプロットされるとすることも可能である。
【０１０２】
また、たとえば、２次元座標の原点から無限に遠い点（特徴量ＣＨ１の無限大および特徴量ＣＨ２の無限大で規定される２次元座標値の点）に仮想の非抽出対象領域の特徴量がプロットされるとすることも可能である。
【０１０３】
また、たとえば、２次元座標の抽出対象領域の特徴量の分布域の近傍点に仮想の非抽出対象領域の特徴量がプロットされるとすることも可能である。ここで、近傍点とは、たとえば２次元座標の複数の抽出対象領域の特徴量がプロットされた座標の中央値を中心とした同心楕円の内部の点であり、当該同心楕円上もしくは外部に少なくとも１点の抽出対象領域の特徴量を含むものとする。
【０１０４】
これらの分離度Ｓの算出はＳＴＥＰ９の処理に相当する。ここで、分離度Ｓは、特徴空間における抽出対象領域の特徴量の分布域と非抽出対象領域の特徴量の分布域とが離れていて、かつ、各分布域において特徴量が１箇所に集中する場合に分離度Ｓは高くなる。ここで、評価対象となる画像処理アルゴリズムの分離度Ｓが十分に高い場合は２次評価値が大きくなり（２次評価は高くなり）、当該画像処理アルゴリズムにて処理された変換後画像データ１３により１次評価基準画像１２が置き換えられる。これは図１のＳＴＥＰ１２に相当する。
【０１０５】
これまでに説明したように、本実施の形態では画像処理アルゴリズムの１次評価の評価基準を、２次評価値が高い画像処理アルゴリズムの１次評価結果に基づいて変更するため、１次評価と２次評価の間で相関性が高まることより、１次評価値の低い画像処理アルゴリズムを棄却しても、２次評価で高い評価値を取りうる画像処理アルゴリズムは次工程に進むため、演算量を削減するとともに分離能力の高い画像処理アルゴリズムには、より高い評価値を与えることが可能となる。
【０１０６】
特に、図５に示すように、１次評価に用いる１次評価基準画像データ１２において抽出対象部の指定形状に誤差を含む場合には評価値が収束しないおそれがある。つまり、画像処理アルゴリズム生成の過程においては画像処理アルゴリズムの評価が繰返されるが、１次評価の基準（１次評価基準データ１２）と２次評価の基準（特徴空間１３７の特徴量）が異なるため、すなわち評価軸が異なるために、その評価値が増加しない（収束しない）おそれがある。この際に、２次評価値が大きい（２次評価が高い）画像処理アルゴリズムの１次評価結果に基づいて１次評価の基準を変更することにより、図５の２値化変換後画像データ１３２に示すように抽出対象部の指定形状誤りの修正が可能となるため、より高い分離度を達成する画像処理アルゴリズムがより高い評価を得ることが可能となり、より高い分離度を達成する画像処理アルゴリズムの生成が可能となる。なお、本実施の形態の画像処理アルゴリズム評価手法では、最終的には抽出対象領域と非抽出対象領域の分離度によって評価対象となる画像処理アルゴリズムの能力が規定されるため、図５の２値化変
換後画像データ１３２に示すように１次評価時に非抽出対象領域が出現しても問題はない。
【０１０７】
本実施の形態では、いずれの評価工程においても高い分離度Ｓを得ることのできる画像処理アルゴリズムについてより高い性能の評価を与えることが可能となる。また、１次評価で評価の低い画像処理アルゴリズムが２次評価で高い評価を得ることや、あるいは１次評価で評価の高い画像処理アルゴリズムが２次評価で低い評価を得ることがなくなる。そのため、１次評価の結果に基づいて画像処理アルゴリズムを棄却した際にも高い分離度Ｓを得ることのできる画像処理アルゴリズムが２次評価にて高い評価を得ることが可能となり、さらに棄却率を十分に高く設定できることよりＣＰＵ３１２による画像処理アルゴリズム評価・生成のための演算量の削減が可能となる。
【０１０８】
（実施の形態２）
繰返し最適化問題として画像処理アルゴリズムを生成する際は、一般的に次のような手法を用いる。すなわち、一度に複数の評価対象となる画像処理アルゴリズムを作成し、これらの全てのもしくは任意数の画像処理アルゴリズムを評価した上で、少なくともひとつ以上の評価値の高い画像処理アルゴリズムに基づいて画像処理アルゴリズムの構成要素である画像処理モジュールの組合せやパラメータ値を変更させることにより、再度、複数の評価対象となる画像処理アルゴリズムを作成することを、画像処理アルゴリズム生成の完了判断基準を満たすまで繰り返す。
【０１０９】
図６は、複数の評価対象となる画像処理アルゴリズムを評価することにより画像処理アルゴリズムを生成する処理フローチャートである。図６に示す処理フローの図１と同一符号が付された処理の内容は図１で説明したものとほぼ同等である。ここでは、特に図１に示す処理内容と差異がある部位について説明を行なう。
【０１１０】
図６のＳＴＥＰ１ａでは、前述したＳＴＥＰ１と同様に画像処理アルゴリズム生成・調整部２２によりアルゴリズム生成・調整用データ４４を参照して評価対象となる複数の画像処理アルゴリズムが新規に作成される。
【０１１１】
ＳＴＥＰ２では、学習用画像データ保存部３４から１つの学習用画像データセット３５が選択される。ここでは１つ選択しているが複数選択することも可能である。複数選択した場合には、複数の画像処理アルゴリズムのそれぞれに、選択した学習用画像データセット３５のそれぞれを適用する。
【０１１２】
作成された複数の画像処理アルゴリズムのそれぞれについてルーチンＲｉ（ｉ＝１，２，３，…，ｎ）がＳＴＥＰ２で選択された学習用画像データセット３５を共通して適用して並列に実行される。ルーチンＲｉは前述したＳＴＥＰ３〜１０の処理を含む。
【０１１３】
並列処理の形態としては、たとえば、１つのプロセッサで複数のルーチンＲｉを時分割で処理することや、複数のプロセッサで個別にルーチンＲｉを同時並列に処理することや、両者を組合せて処理することなどが挙げられる。ただし、実装方法はこれに限定されるものではない。
【０１１４】
本実施の形態では、ＳＴＥＰ５において画像処理アルゴリズムの棄却条件（所定基準値）を動的に変更して棄却率を更新することが可能である。一例として、画像処理アルゴリズムについて１次評価値と２次評価値の相関の程度が低い場合は、１次評価が低い画像処理アルゴリズムであっても２次評価で高い評価値を得る可能性があるため、棄却率は低く設定する必要がある。反対に、１次評価値と２次評価値の相関の程度が十分に高い場合は、１次評価が低い画像処理アルゴリズムは高い確率で２次評価においても低い評価を得る
ため、高い棄却率を設定することが可能となり、この際には必要な演算量を十分に削減することが可能となる。
【０１１５】
各ルーチンＲｉの実行後には図６のＳＴＥＰ１１では、各ルーチンＲｉにより出力された２次評価値に基づき、２次評価を経た複数の評価対象となる画像処理アルゴリズムに関して、２次評価が高いものについて１または複数個数の画像処理アルゴリズムを保存する。
【０１１６】
図７を参照して、図６の手順を実際の学習用画像データセット３５に適用したケースを概略説明する。図７では、Ｔ回目の評価→Ｔ＋１回目の評価→Ｔ＋２回目の評価の３回の評価がされる。ＳＴＥＰ１ａにおいて最初に３つの評価対象となる画像処理アルゴリズムＲＣ、ＲＤおよびＲＥが新規作成されて、これら画像処理アルゴリズムは図７の左側のＴ回目の評価で処理される。
【０１１７】
次に、Ｔ回目の評価結果に基づいて、画像アルゴリズム生成・調整部２２により新たに３つの評価対象となる画像処理アルゴリズムＲＧ、ＲＨおよびＲＩが、アルゴリズム生成・調整用データ４４の画像処理モジュール４２の組合せやパラメータ値４３を用いて作成されて、これらの評価が行なわれる。これは図７の中央部のＴ＋１回目の評価に相当する。
【０１１８】
図７では、ＳＴＥＰ２で選択された学習用画像データセット３５の原画像データ３６が各回の評価に共用されている。Ｔ回目の評価においては当該学習用画像データセット３５の基準画像データ３７が、１次評価基準画像データ１２として用いられる。
【０１１９】
Ｔ回目の評価においては、画像処理アルゴリズムＲＣ、ＲＤおよびＲＥによる２値化変換後画像データ１３２（変換後画像データ１３）が各ルーチンＲｉにおいて出力される。Ｔ回目の評価の各ルーチンＲｉのＳＴＥＰ４では、１次評価基準画像データ１２と２値化変換後画像データ１３２を比較し、その結果、それぞれ３．０、１．０、２．０という１次評価値が得られる。
【０１２０】
ここで１次評価の所定基準値は１．９に設定されていると想定する。得られた１次評価値のうち画像処理アルゴリズムＲＤの１次評価値１．０は所定基準値よりも小さいため、この時点で画像処理アルゴリズムＲＤは評価対象から外されて（棄却され）、以降の画像処理アルゴリズムＲＤによる画像処理を含む評価の処理は実施されない。
【０１２１】
画像処理アルゴリズムＲＣとＲＥについては特徴空間１３７を用いてＳＴＥＰ１０において２次評価が行われ、その結果それぞれ１．０、５．０という２次評価値が出力される。このうち最大の２次評価値（＝５．０）を有する画像処理アルゴリズムＲＥが最良と決定されて、Ｔ回目の評価終了後に、ＳＴＥＰ１１において画像処理アルゴリズムデータ１４として画像処理アルゴリズム保存処理部３１によりメモリ３２４に格納される。このとき、ＳＴＥＰ１１では、１次評価基準変更部３２は、最良と判定された画像処理アルゴリズムＲＥの処理（ルーチンＲｉ）のＳＴＥＰ６でメモリ３２４に格納された変換後画像データ１３により１次評価基準画像データ１２を置換する。
【０１２２】
その後、画像処理アルゴリズム生成完了判断部３３は、ＳＴＥＰ１３において、画像処理アルゴリズムの生成は完了していないと判断するので、次に、Ｔ＋１回目の評価が実施される。
【０１２３】
Ｔ＋１回目の評価の前に、まず、ＳＴＥＰ１４ａで画像処理アルゴリズム生成・調整部２２によりアルゴリズム生成・調整用データ４４を参照して、Ｔ回目の評価で最良と判断
された画像処理アルゴリズムＲＥを用いて、評価対象となる画像処理アルゴリズムＲＧ、ＲＨおよびＲＩを生成する。これら画像処理アルゴリズムは、Ｔ回目の評価で最良のものであった画像処理アルゴリズムＲＥを構成する画像処理モジュール４２の組合せやパラメータ値４３の変更により新規作成されたものである。なお、画像処理アルゴリズムＲＧは、画像処理アルゴリズムＲＥと同等のものであると想定する。
【０１２４】
Ｔ＋１回目の評価では、画像処理アルゴリズムＲＧ、ＲＨおよびＲＩのルーチンＲｉが並列に実行されて、各ルーチンＲｉにおいて個々に２値化変換後画像データ１３２（変換後画像データ１３）が出力される。これらの１次評価値はそれぞれ∞、５．０、１．５となったと想定する。ここで、画像処理アルゴリズムＲＧはＴ回目の評価で最良となった画像処理アルゴリズムＲＥと同等のものであるため、１次評価値は最大の値が与えられている。１次評価の結果、画像処理アルゴリズムＲＩの１次評価値は１．５であってと他の画像処理アルゴリズムのそれよりは小さいため、画像処理アルゴリズムＲＩの以降の処理は実施されない（画像処理アルゴリズムＲＩは評価対象から外される（棄却される））。
【０１２５】
画像処理アルゴリズムＲＧとＲＨについては、それぞれ５．０、６．０という２次評価値が与えられると想定する。この時点で、最大の２次評価値６．０が与えられた画像処理アルゴリズムＲＨが、Ｔ回目の評価で最良であった画像処理アルゴリズムＲＥに替わって、画像処理アルゴリズムデータ１４としてメモリ３２４に格納される。また、最良と判断された画像処理アルゴリズムＲＨの処理で生成された変換後画像データ１３により１次評価基準画像データ１２が置換される。これにより、次のＴ＋２回目の評価のための１次評価基準画像データ１２は、画像処理アルゴリズムＲＨの処理で生成された変換後画像データ１３を指すことなる。
【０１２６】
これらの一連の評価を繰返すことによって、２次評価値のより高い画像処理アルゴリズムを生成することが可能となる。
【０１２７】
（実施の形態３）
次に、図６と６の処理を効率的に実現する機能構成について、図８および図９を用いて説明する。本発明では、画像処理アルゴリズムの評価を２段階とし、最初の段階では固定的なフィルタ処理の組合せ等による前処理を実施後に１次評価を行い、次の段階では応用展開先毎に設計が必要な画像領域の特徴量抽出などの複雑な後処理の実施後に２次評価を行なう。このため、特に本方法を実装するハードウェア構成については、１次評価までを高速なフィルタ処理が可能なＤＳＰ（digital signal Processor）等で設計し、１次評価以降２次評価までを汎用性に優れたＲＩＳＣ（Reduced Instruction Set Computer）プロセッサで設計することにより効率的な処理が可能となる。
【０１２８】
図８には、本実施の形態に適用される装置の機能構成が模式的に示される。図８では画像データ入力部１と、後処理と２次評価および評価対象となる画像処理アルゴリズムの作成を行なうＲＩＳＣ画像処理装置２Ａと、作業者に各種情報を提示するための表示部３と、主に前処理と１次評価を行なうＤＳＰ画像処理装置４から構成される。
【０１２９】
ＤＳＰ画像処理装置４は、画像データ変換部２３、１次評価部２４、１次評価基準画像データ１２を格納するメモリである格納部１２ａ、棄却判定部２５、変換後画像データ保存処理部２６および１つ以上の変換後画像データ１３を格納するメモリである格納部１３ａより構成される。ＤＳＰ画像処理装置４は、ＲＩＳＣ画像処理装置２Ａにおける画像処理アルゴリズム生成・調整部２２より、評価対象となる画像処理アルゴリズムを図示されない通信機能によって受信して、これらの画像処理アルゴリズムのうち１次評価値が基準を満たすものについてのみ、その変換後画像データ１３をＲＩＳＣ画像処理装置２Ａの特徴量算出部２７に送信する。
【０１３０】
図８の機能構成を用いた画像処理アルゴリズムを評価と生成の処理手順を図９を参照して説明する。
【０１３１】
図９において、図１または図６と同一符号を付した処理は図１または図６で説明した内容と同等であるから詳細は略す。図９では、ＳＴＥＰ１ａまたはＳＴＥＰ１４ａで生成された複数の画像処理アルゴリズムそれぞれについてＳＴＥＰ３とＳＴＥＰ４からなる１次評価のルーチンＳｊ（ｊ＝１，２，３…，Ｎ）が並行して実行される。また、１次評価の結果に基づく複数の画像処理アルゴリズムそれぞれについてＳＴＥＰ７〜ＳＴＥＰ１０からなる２次評価のルーチンＴｋ（ｋ＝１，２，３…，Ｍ）が並行して実行される。
【０１３２】
処理においては、ルーチンＳｊによる１次評価の後、ＳＴＥＰ５ｃでは、各ルーチンＳｊにて１次評価されたＮ個の画像処理アルゴリズムのうち、たとえば１次評価値が最小である画像処理アルゴリズムは棄却するという予め設定された棄却条件、またはＮ個の画像処理アルゴリズムのうち１次評価値が小さい方のｎ個を棄却するとういう棄却率に従い画像処理アルゴリズムが棄却されて、ＳＴＥＰ６では最大の１次評価値を有する画像処理アルゴリズムの変換後画像データ１３は格納される。ここでは、ＳＴＥＰ５ｃにて実施される棄却処理の棄却条件または棄却率は、前処理を含むルーチンＳｊの処理能力および後処理を含むルーチンＴｋの処理能力によって作業者がキーボード３５０を操作して所望するように設定することが可能である。
【０１３３】
図９の処理を実行する環境は、図８の機能構成に制限されるものではなく、たとえばルーチンＳｊまたはＴｋを１つのプロセッサ等で時分割に実行するようにしてもよく、２つ以上のプロセッサにより並列に実行してもよく、また、これらを組合わせて実行してもよい。
【０１３４】
本実施の形態では、図９のＳＴＥＰ５ｃで設定する棄却率（所定基準値）に応じて、前処理と後処理のプロセッサの処理能力の配分を動的に変更することも可能であり、効率的な画像処理アルゴリズムの生成が可能となる。
【０１３５】
（実施の形態４）
上述の各実施の形態では、２次評価が完了した後に抽出対象と非抽出対象の分離度を高くする画像処理アルゴリズムの画像処理モジュールの組合せやパラメータ値を変更させることにより、次の評価対象となる複数の画像処理アルゴリズムを作成していたが、評価対象となる画像処理アルゴリズムの作成のタイミングはこれに限定されない。
【０１３６】
たとえば、本実施の形態のように、１次評価が完了した時点で、１次評価値が大きい画像処理アルゴリズムの画像処理モジュール４２の組合せやパラメータ値４３を変更させることにより次の１次評価の対象となる複数の画像処理アルゴリズムを作成してもよい。このようにした場合には、１次評価の段階で十分に最適化した画像処理アルゴリズムのみを以降の２次評価の処理に渡すことが可能となる。
【０１３７】
図１０に本実施の形態の処理フローを示す。図１０と図９を参照して異なる点は、ＳＴＥＰ５とＳＴＥＰ６との間においてＳＴＥＰ５ａと５ｂの処理が設けられた点にある。その他の処理は図９で説明したものと同様である。
【０１３８】
図１０ではＳＴＥＰ１ａで生成された複数の画像処理アルゴリズムについて、ＳＴＥＰ２で選択された学習用画像データセット３５を共用して、１次評価のルーチンＳｊが実行される。１次評価処理後のＳＴＥＰ５では、各ルーチンＳｊの１次評価値に基づき、評価対象から外される画像処理アルゴリズムが決定されて棄却される。
【０１３９】
次のＳＴＥＰ５ａでは、１次評価処理を終了するか否か判断される。一般的には１次評価処理の終了の判断では、各ルーチンＳｊから出力される１次評価値の全てが、または１つ以上が所定の基準値を満たす場合、もしくは処理開始から所定の時間を経た場合には、１次評価処理を終了と判断する。ここでは、前処理に割当てられた演算処理能力に対して後処理に割当てられた演算処理能力が十分に小さい場合は、ＳＴＥＰ５ａでの１次評価の終了判断について参照される基準値を高くする、もしくは所定時間を長くすることによって、前処理の段階で十分に最良の画像処理アルゴリズムの候補を絞ることが可能となり、効率的な画像処理アルゴリズムの生成が可能となる。
【０１４０】
ＳＴＥＰ５ａにおいて終了と判断されると、ＳＴＥＰ６以降の２次評価の処理が同様に行なわれる。この２次評価の処理は図９で説明したものと同じなので説明は略す。一方、終了ではないと判断されるとＳＴＥＰ５ｂの処理に移行する。
【０１４１】
ＳＴＥＰ５ｂでは、１次評価値が大きい画像処理アルゴリズムの画像処理モジュール４２の組合せやパラメータ値４３を、アルゴリズム生成・調整用データ４４を参照して変更することにより、次の１次評価の対象となる複数の画像処理アルゴリズムを作成する。そして、作成された複数の画像処理アルゴリズムについて１次評価のルーチンＳｊが実行される。
【０１４２】
本実施の形態では、１次評価の処理は、ＳＴＥＰ５ａにおいて１次評価処理を終了すると判断されるまで、前回の１次評価結果に基づく新たな画像処理アルゴリズムを作成し、作成した新たな複数の画像処理アルゴリズムについて今回の１次評価を実行し、その評価結果に基づき、次回の１次評価を実行するとの処理が繰返されるので、前処理の段階で十分に最良の画像処理アルゴリズムの候補を絞ることが可能となる。
【０１４３】
図１１には、図１０の処理フローを実行するための機能構成が模式的に示される。図１１において、画像処理アルゴリズム評価と生成の装置は、画像データ入力部１と、後処理と２次評価および評価対象となるアルゴリズムの生成を行なうＲＩＳＣ画像処理装置２Ａと、作業者に各種情報を提示するための表示部３と、複数のＤＳＰを有して主に前処理と１次評価を行なうＤＳＰ画像処理装置４Ａから構成される。ＤＳＰ画像処理装置４ＡはＤＳＰの数に応じた個数の画像データ変換部２３と１次評価部２４をそれぞれ有する。ＤＳＰ画像処理装置４ＡとＲＩＳＣ画像処理装置２Ａとの処理能力の差に応じて、ＳＴＥＰ５ａの処理を実行する１次評価完了判断部４１が参照する完了判断基準を設定することが可能である。ＳＴＥＰ５ｂの複数の画像処理アルゴリズムの生成は、画像処理アルゴリズム調整部４２によりアルゴリズム生成・調整用データ４４を参照して実行される。
【０１４４】
なお、図１０に示す処理フローを実行するための環境は、図１１に示された構成に限定されない。
【０１４５】
本実施の形態でも、図１０のＳＴＥＰ１２において、２次評価での評価値が高い画像処理アルゴリズムの２次評価結果に基づいて１次評価の基準（１次評価基準画像データ１２）を変更しているので、１次評価に関する処理と２次評価に関する処理について独立して最適化を進めていっても１次評価の基準と２次評価の基準の評価軸が異なることはなく、高い分離度を達成する画像処理アルゴリズムの生成が可能になる。
【０１４６】
上述の各実施の形態の画像処理アルゴリズム評価方法および装置、画像処理アルゴリズムの生成方法および装置は、抽出対象部を製品の欠陥部とすれば製品検査用の画像処理アルゴリズムに適用することができるが、適用対象は欠陥検査に限定されない。つまり、画像データからなんらかの注目の部分画像を抽出する、または、多数の画像サンプルの中か
ら注目の部分画像を含む画像を抽出する場合などに適用することが可能である。
【０１４７】
また、適用される画像データについても、たとえば１次元信号等への適用についても同様の効果を発揮する。
【０１４８】
上述の実施の形態においては、画像処理アルゴリズムの評価を１次評価と２次評価の２段階とし、画像処理アルゴリズムによる変換処理を実施後に１次評価を行い、１次評価終了後に特徴量抽出などの複雑な処理を実施した後に２次評価を行なう方法を実装するハードウェア構成については、１次評価までを高速なフィルタ処理が可能なＤＳＰ等で設計し、１次評価以降２次評価までを汎用性に優れたＲＩＳＣプロセッサで設計するので、処理の高速化が可能となる。特に、ＤＳＰにて前処理段階で１次評価基準に基づいて画像処理アルゴリズムを最適化し、さらに複数個のＤＳＰを用いて多数の画像処理アルゴリズムを十分に１次評価した後に、厳選された画像処理アルゴリズムのみをＲＩＳＣプロセッサにて実施される次の工程に適用することにより、十分に高速な画像処理アルゴリズムの生成が可能となる。ここで、２次評価での評価結果が高い画像処理アルゴリズムの１次評価結果に基づいて１次評価の基準を変更することにより、ＤＳＰにより独立して最適化を進めていっても１次評価の基準と２次評価の基準の評価軸が異なることはなく、高い分離度を達成する画像処理アルゴリズムの生成が可能になる。
【０１４９】
（実施の形態５）
上述の各実施の形態では、処理対象となる原画像データ３６はメモリ３２４に予め学習用画像データセット３５として格納されているとしたが、処理が実行される都度、外部から入力するようにしてもよい。つまり、図３の構成では、通信ネットワーク１０９を介して外部と各種の情報を送受信できるので、受信する情報に処理対象となる原画像データ３６または基準画像データ３７が含まれるようにしてもよい。また、原画像データ３６は、たとえば外部のカメラによって撮影された画像のデータであってもよい。
【０１５０】
上述の各実施形態で示した機能を実現するプログラムコードなどのデータを記録した記録媒体としては、図３に示されているコンピュータで処理が行なわれるために必要なメモリ、たとえばメモリ３２４のようなそのものがプログラムメディアであってもよいし、また外部記憶装置として図示のない磁気テープ装置およびＣＤ−ＲＯＭ駆動装置３４０などのプログラム読取装置が設けられ、そこに記録媒体である図示のない磁気テープまたはＣＤ−ＲＯＭ３４２が挿入されることで読取可能なプログラムメディアであってもよい。いずれの場合においても、格納されているプログラムはＣＰＵ３１２がアクセスして実行させる構成であってもよいし、あるいはいずれの場合もプログラムが一旦記録媒体から読出されて、読出されたプログラムは、図３のコンピュータの所定のプログラム記憶エリア、たとえばメモリ３２４のプログラム記憶エリアにロードされて、ＣＰＵ３１２により読出されて実行される方式であってもよい。このロード用のプログラムは、予め当該コンピュータに格納されているものとする。
【０１５１】
ここで、上述したプログラムメディアはコンピュータ本体と分離可能に構成される記録媒体であり、固定的にプログラムを担持する媒体であってよい。たとえば、磁気テープやカセットテープなどのテープ系、ＦＤ３３２や固定ディスク３２６などの磁気ディスクやＣＤ−ＲＯＭ３４２／ＭＯ（Magnetic Optical Disc）／ＭＤ（Mini Disc）／ＤＶＤ
（Digital Versatile Disc）などの光ディスクのディスク系、ＩＣカード（メモリカードを含む）／光カードなどのカード系、あるいはマスクＲＯＭ、ＥＰＲＯＭ（Erasable and Programmable ＲＯＭ）、ＥＥＰＲＯＭ(Electrically ＥＰＲＯＭ)、フラッシュ
ＲＯＭなどによる半導体メモリが適用可能であろう。
【０１５２】
また、本実施の形態においては、コンピュータはインターネットを含む通信ネットワー
ク１０９と通信インターフェイス３８０を介して接続可能な構成が採用されているから、通信ネットワーク１０９からプログラムがダウンロードされてもよい。なお、このように通信ネットワーク１０９からプログラムがダウンロードされる場合には、ダウンロード用プログラムは予め当該コンピュータ本体に格納しておくか、あるいは別の記録媒体から予め当該コンピュータ本体にインストールされる。
【０１５３】
なお記録媒体に格納されている内容としてはプログラムに限定されず、データであってもよい。
【０１５４】
また、コンピュータがこれら記録媒体から読出したプログラムコードを実行することにより、図１と図２に示す機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行ない、その処理によってこれらの機能が実現されることは言うまでもない。
【０１５５】
さらに、記録媒体から読出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行ない、その処理によって上述した機能が実現される場合も含まれることは言うまでもない。
【０１５６】
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
【図面の簡単な説明】
【０１５７】
【図１】実施の形態１に係る処理フローチャートである。
【図２】実施の形態１に係る装置の機能構成図である。
【図３】各実施の形態に係る装置が搭載されるコンピュータの構成図である。
【図４】（Ａ）〜（Ｃ）は、各実施の形態に係る画像処理モジュールの組合せの変更を説明する図である。
【図５】実施の形態１に係る学習用画像データセットへの画像処理アルゴリズム評価方法の適用について説明する図である。
【図６】実施の形態２に係る処理フローチャートである。
【図７】図６の手順を実際の学習用画像データセットに適用したケースを説明する図である。
【図８】実施の形態３に係る装置の機能構成図である。
【図９】実施の形態３に係る処理フローチャートである。
【図１０】実施の形態４に係る処理フローチャートである。
【図１１】実施の形態４に係る装置の機能構成図である。
【符号の説明】
【０１５８】
１２ １次評価基準データ、１３ 変換後画像データ、１４ 画像処理アルゴリズムデータ、２１ 抽出対象情報設定部、２２ 画像処理アルゴリズム生成・調整部、２３ 画像データ変換部、２４ １次評価部、２５ 棄却判定部、２６ 変換後画像データ保存処理部、２７ 特徴量算出部、２８ 分類部、２９ 分離度算出部、３０ ２次評価部、３１ 画像処理アルゴリズム保存処理部、３２ １次評価基準変更部、３３ 画像処理アルゴリズム生成完了判断部、３４ 学習用画像データ保存部、３５ 学習用画像データセット、３６ 原画像データ、３７ 基準画像データ、４４ アルゴリズム生成・調整用デー
タ。
【技術分野】
【０００１】
本発明は画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体に関し、特に、画像データの画像から所望の対象部を抽出するための画像処理アルゴリズムの性能を評価する方法、当該評価方法を用いて画像処理アルゴリズムを生成する方法、ならびにそのための装置、プログラムおよび記録媒体に関する。
【背景技術】
【０００２】
近年、ＣＣＤ（Charge Coupled Device）等の画像撮像デバイスやパーソナルコンピュータ等の画像処理機器の低価格化により、画像処理の適用分野が広がりつつある。とりわけ、産業分野における欠陥検査への画像処理の適用は広範に渡り、製品やデバイスの歩留まり、品質の向上や目視検査員削減によるコストダウンのためにますますその必要性を高めている。しかしながら、欠陥検査向けの画像処理アルゴリズムは欠陥対象毎に専用設計することが一般的であり、一度設計した画像処理アルゴリズムを他の欠陥検査に適用できない場合が多い。よって、現状では欠陥検査のために、対象とする製品やデバイスに合わせて多種多様な画像処理アルゴリズムが開発されており、適用分野および検査対象の拡大に比例して開発工数は増加してゆく。一般に、画像処理アルゴリズムの開発と導入は、設計作業と調整作業から構成され、いずれも画像処理モジュールの組合せや各種のパラメータ変更などの作業と、その評価とを試行錯誤的に繰り返すことになり、非常に多くの工数を要する。このように、画像処理機器の低価格化が進む一方で画像処理アルゴリズム開発コストは下がらないため、欠陥検査装置に占める画像処理アルゴリズム開発コストは上昇する一方である。
【０００３】
ここにおいて、画像処理アルゴリズムは、その開発・導入において非常に多くの工数を必要とするため、画像処理適用分野の拡大にともない、画像処理アルゴリズムの自動生成手法の確立が切望されている。
【０００４】
画像処理アルゴリズムの自動生成は、候補となる画像処理アルゴリズム群を作成し、これらに対して良否結果が予め既知である画像データを適用し、適用した結果得られた良否判定精度に基づいて各々の画像処理アルゴリズムの性能の評価値を算出し、これらの評価値に基づいて新たに候補となる画像処理アルゴリズム群を作成することを繰り返し、より評価の高い画像処理アルゴリズムを求めてゆくものである。
【０００５】
一般に、画像処理アルゴリズムに従い所望の演算結果を導き出すのに必要となるＣＰＵ（Central Processing Unit）による演算量は多く、画像データを用いて候補となる多数の画像処理アルゴリズムを評価する際には非常に多くのＣＰＵによる演算量を必要とするため、画像処理アルゴリズム生成までに長時間を要する。また、評価する画像処理アルゴリズムの数を減らした場合には、十分な精度をもつ画像処理アルゴリズムを生成できる確率は低下する。そのために、画像処理アルゴリズムの自動生成では、一定時間でより多くの候補となる画像処理アルゴリズムを評価することが重要となる。
【０００６】
画像処理アルゴリズムの評価を行い、その評価結果に基づいて画像処理アルゴリズムを生成するための従来技術が特許文献１と２に開示される。
【０００７】
特許文献１では、良品画像データサンプル、欠陥（不良品）画像データサンプル、およびこれらの中庸の特性をもつ中間グレード画像データサンプルを入力して、入力した各々の画像データサンプルに含まれる欠陥部位に作業者が順位を設定する。そして、各画像デ
ータサンプルについて画像処理アルゴリズムによって処理された後に算出された欠陥部位の特徴量と予め作業者が設定した順位との相関によって画像処理アルゴリズムの良品と不良品の判別能力を評価する。そして、その評価結果に基づいて複数の画像処理アルゴリズム候補の中から適切なものを選択している。
【０００８】
特許文献２では、作業者は原画像に対して市街地領域と非市街地領域をそれぞれ白色と黒色で表現したカテゴリ画像ファイルを作成する。そして、種々の画像処理プログラムモジュールを組合わせることにより生成された特徴抽出方法によって、原画像とカテゴリ画像ファイルから構成される各画像データサンプルの特徴ベクトルを算出されて、算出された特徴ベクトルの主成分である圧縮特徴ベクトルにより１次評価値が算出される。そして、算出された１次評価値の高い複数の圧縮特徴ベクトルを組合わせて特徴空間を構成し、その独立性に基づいて特徴空間を評価する２次評価を行ない、２次評価値の最も高い特徴空間上での認識率に基づいて３次評価を行なう。
【特許文献１】特開平４−３６７９８２号公報
【特許文献２】特開２００４−３８７４４号公報
【発明の開示】
【発明が解決しようとする課題】
【０００９】
特許文献１の技術では、画像処理モジュールを組合わせ、かつ最終段の画像処理モジュールに特徴抽出モジュールを組合わせることにより、評価対象となる画像処理アルゴリズムを構成し、その後に初めて判別能力の評価を行っている。つまり、画像処理アルゴリズムのすべての処理手順を決定した後に、それらの全ての処理を学習用の画像データに施すことによってのみ判別能力の評価が可能となる。したがって、数段の処理手順を経ただけで判別能力が不十分であることが明らかとなる画像処理アルゴリズムであっても、最終段まで処理手順が実施されるため、必要な演算量は多い。
【００１０】
特許文献２の技術では、画像処理アルゴリズムは特徴抽出方法評価と特徴空間評価と認識率評価の３段階の評価がなされる。特徴抽出方法評価部では、特徴抽出方式により算出される各クラスに属する部位の特徴量の分布に基づいて、十分な認識率を発揮しないと予測される特徴抽出方式を持つ画像処理アルゴリズムについて、これを棄却して後段の評価を行わないことにより、画像処理アルゴリズムの評価に必要とされる演算量を低減している。
【００１１】
しかしながら、特徴抽出方法評価部に至るまでに画像データ変換処理と特徴抽出処理と特徴量分布に関する統計的な処理が行われているため、通常は同評価で棄却するまでに特許文献１の技術と同等以上の演算量が必要となり、演算量は減少していない。また、画像処理アルゴリズムの生成中において各評価部における評価基準は固定されているため、最後段の認識率評価部における評価基準と前段の評価部における評価基準の相関が高くない場合は、十分な認識率が得られない場合がある。つまり、特徴抽出方法評価基準において十分に高くない評価値を得た特徴量抽出手法においても、特徴量抽出手法の組合わせによっては認識率評価部において高い評価値を示す画像処理アルゴリズムが存在する可能性があるが、これらの特徴量抽出手法は既に棄却されているために最終段の評価まで到達することはなく、これらの特徴量抽出方法を含む画像処理アルゴリズムは高い認識率を持つにもかかわらず生成されることはない。
【００１２】
それゆえにこの発明の目的は、画像処理アルゴリズムを処理能力に従い評価することが可能な画像処理アルゴリズムの評価方法、装置、プログラムおよび記憶媒体を提供することである。
【００１３】
この発明の他の目的は、処理能力に従い評価された画像処理アルゴリズムを生成する方
法、装置、プログラムおよび記録媒体を提供することである。
【００１４】
この発明のさらに他の目的は、必要な演算量が少ない画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体を提供することである。
【課題を解決するための手段】
【００１５】
この発明のある局面に従うと、画像処理アルゴリズム評価方法は、処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を処理対象となる画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき１つ以上の真欠陥部に関する所定情報を有する画像データを用いて評価する方法であって以下の特徴を備える。
【００１６】
所定情報を有する画像データに対して画像処理アルゴリズムの変換処理を実施する変換工程と、変換工程を適用することにより得られる処理可能なように変換された変換後画像データと所定情報に基づいて変換処理の能力を評価する１次評価工程と、画像データの複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出工程と、所定情報に基づき特徴量算出工程により特徴量が算出された複数の欠陥候補部を真欠陥部と残りを擬似欠陥部に分類する分類工程と、真欠陥部の１種類以上の特徴量の群と擬似欠陥部の１種類以上の特徴量の群との、１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出工程と、分離度算出工程により算出した分離度と１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価工程とを備える。
【００１７】
変換工程は処理対象の画像データに対して画像処理アルゴリズムの変換処理を実施し、１次評価工程は変換された画像データを所定情報に基づいて評価し、特徴量算出工程は画像データの複数の欠陥候補部それぞれの１種類以上の特徴量を算出し、分類工程は特徴量が算出された複数の欠陥候補部を所定情報に基づいて真欠陥部と擬似欠陥部に分類し、分離度算出工程は真欠陥部の１種類以上の特徴量の群と擬似欠陥部の１種類以上の特徴量の群との、特徴空間における分離度を算出し、２次評価工程ではこの分離度と１次評価工程の評価結果の少なくとも一方に基づいて画像処理アルゴリズムの性能を評価する。
【００１８】
したがって、１次評価工程の評価結果により変換処理能力に従う画像処理アルゴリズムの性能を評価することができ、また、２次評価工程の評価結果により分離能力に従う画像処理アルゴリズムの性能の評価が可能となり、また、１次評価と２次評価の両者の評価結果により変換能力と分離能力に従う画像処理アルゴリズムの性能評価が可能となる。
【００１９】
好ましくは、画像処理アルゴリズム評価方法は、１次評価工程の評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程を備える。
【００２０】
棄却工程は１次評価工程の評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却するので、評価基準により、２次評価工程で十分な分離度を持たないと予測される画像処理アルゴリズムは、比較的演算量の少ない画像データ変換処理のみが実施された１次評価工程の完了時点で棄却することができる。そのため、画像処理アルゴリズムについて、必要な演算量をより少なくした評価が可能となる。
【００２１】
好ましくは、画像処理アルゴリズム評価方法は、２次評価工程の評価結果に基づいて１次評価工程の評価基準を変更する１次評価基準変更工程を備える。
【００２２】
１次評価基準変更工程では２次評価工程の評価結果に基づいて１次評価工程の評価基準が変更されるため、１次評価工程の評価基準を２次評価工程の評価基準に従わせることが
可能となる。
【００２３】
好ましくは、所定情報を有する画像データは、処理対象画像に含まれる抽出すべき１つ以上の真欠陥部それ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む。したがって、１次評価基準画像データを簡便に与えることができる。さらに異なる濃度値の画像、たとえば２値画像とすることで所定情報を有する画像データのサイズを小さくできて、評価時のデータ処理量を削減できる。
【００２４】
好ましくは、１次評価工程では、１次評価基準画像データと変換後画像データを比較することにより評価する。
【００２５】
好ましくは、１次評価基準変更工程では、２次評価工程において評価が終了した画像処理アルゴリズムによって変換された変換後画像データを用いて１次評価基準画像データを変更する。したがって、１次評価基準画像データを新規に作成する処理を省くことができる。
【００２６】
好ましくは、１次評価基準変更工程では、２次評価工程において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを１次評価基準画像データに置き換える。したがって、最良の２次評価が与えられた画像処理アルゴリズムによる画像変換処理結果データを、１次評価基準画像データに用いるから、分離能力について最良の評価が与えられた画像処理アルゴリズムが、１次評価においても高い評価値を得ることが可能となる。
【００２７】
この発明の他の局面に従うと、画像処理アルゴリズム生成方法は、上述の画像処理アルゴリズム評価方法を用いて画像処理アルゴリズムを生成するために、上述の画像処理アルゴリズム評価方法の工程に加えて、２次評価工程に続いて、所定基準に基づいて、画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、完了判断工程により完了していないと判断されると、１次評価工程および２次評価工程の少なくとも一方により出力された評価結果に基づいて、画像処理アルゴリズムの要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した画像処理アルゴリズムを変換工程に出力する調整工程と、を備える。
【００２８】
好ましくは、１次評価工程での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程をさらに備える。
【００２９】
好ましくは、棄却工程では、棄却工程以降の処理能力に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない。
【００３０】
したがって、棄却工程以降の処理能力に合わせて棄却率を決定して、これにより２次評価すべき画像処理アルゴリズムの数を絞ることができる。その結果、画像処理アルゴリズムの生成の１サイクルを構成する１次評価、棄却、２次評価および画像処理アルゴリズムの生成に係る処理を高速に実施できる。そのため、一定時間内により多くの画像処理アルゴリズムの評価が可能となる。
【００３１】
好ましくは、棄却工程では、１次評価工程による評価結果と２次評価工程による評価結果との相関状態に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない。
【００３２】
１次評価工程による評価結果と２次評価工程による評価結果との相関性が高い場合には
、ある画像処理アルゴリズムの１次評価での評価順位および２次評価での評価順位が変更することが少なくなると考えられる。したがって、この場合には、１次評価工程による評価結果と２次評価工程による評価結果との相関状態に基づき高い棄却率を決定することが可能となり、一定時間内により多くの画像処理アルゴリズムの評価を可能にする。
【００３３】
１次評価および棄却の処理と２次評価および画像処理アルゴリズム生成の処理の２つの処理を同じ処理時間で実施できるように棄却率を決定することにより、画像処理アルゴリズム生成装置をパイプライン構成を適用した場合には、パイプライン処理時にボトルネックがなく高いパフォーマンスを得ることが可能となる。
【００３４】
１次評価および棄却の処理と２次評価および画像処理アルゴリズム生成の処理の２つの処理を同じ処理時間で実施できるような棄却率を上限として、相関状態に応じて動的に棄却率を決定することが可能となり、一定時間内により多くの画像処理アルゴリズムの評価が可能となる。
【００３５】
好ましくは、画像処理アルゴリズム生成装置では、変換手段と、特徴量算出手段、分類手段および分離度算出手段からなる一連の手段とを２つ以上備え、２つ以上の画像処理アルゴリズムの評価を並列処理する。
【００３６】
したがって、変換手段に相当する前処理に適した処理装置（たとえばＤＳＰなど）と特徴量算出手段から分離度算出手段に相当する後処理に適した処理装置（たとえばＲＩＳＣ系のＣＰＵなど）を用いて、並列処理化することによって必要とする画像処理アルゴリズム生成速度に応じた処理装置構成が可能となる。
【００３７】
画像処理アルゴリズム生成装置は、１次評価手段により出力された評価結果に基づいて１次評価が完了したか否か判断をする１次完了判断手段と、１次評価完了判断手段により完了していないと判断されたとき、１次評価手段により出力された評価結果に基づいて画像処理アルゴリズムの任意の要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した画像処理アルゴリズムを変換手段に出力する１次調整手段と、をさらに備える。
【００３８】
したがって、１次評価までを前処理に適した処理装置（たとえばＤＳＰなど）で処理し、さらに１次評価完了時点で新規画像処理アルゴリズムの生成を行なうことにより、画像処理生成アルゴリズムの評価・生成のサイクルを実現し、十分に高い１次評価を得た画像処理アルゴリズムのみについて、多くの演算量を必要とする２次評価が実施される。その結果、少ない演算量でより多くの画像処理アルゴリズムを評価することが可能となる。
【００３９】
この発明のさらに他の局面では、上述の画像処理アルゴリズム評価方法に対応の装置、当該方法をコンピュータに実行させるためのプログラム、およびこれを記録したコンピュータ読取り可能な記録媒体が提供される。
【００４０】
この発明のさらに他の局面では、上述の画像処理アルゴリズム生成方法に対応の装置、当該方法をコンピュータに実行させるためのプログラム、およびこれを記録したコンピュータ読取り可能な記録媒体が提供される。
【発明の効果】
【００４１】
本発明によれば、画像処理アルゴリズムの評価を２段階として、十分な分離能力を持たないと考えられる画像処理アルゴリズムを１次評価後であって２次評価の前に棄却することにより、必要な演算量の削減が可能となる。一般的に、１次評価工程までの必要な演算量と１次評価工程以降２次評価工程までの必要な演算量を比較すると、後者の演算量のほ
うが多いため、１次評価にて画像処理アルゴリズムを棄却することは演算量を削減する観点より望ましい。
【００４２】
また、本発明によれば、画像処理アルゴリズムの１次評価の評価基準を、２次評価がなされた画像処理アルゴリズムの１次評価結果に基づいて変更するため、１次評価と２次評価の間での相関性を高めることができる。このことより、たとえば、１次評価の低い画像処理アルゴリズムを棄却しても、高い２次評価を取りうる画像処理アルゴリズムは１次評価工程以降の工程に進むため、演算量が削減されるとともに分離能力の高い画像処理アルゴリズムに高い評価値を与えることが可能となる。
【００４３】
特に、１次評価に用いる評価基準である所定情報に誤りがある場合には、１次評価の基準と２次評価の基準の評価軸が異なるため、画像処理アルゴリズム生成時に評価値が収束しないおそれがある。この場合に、最良の２次評価が与えられる画像処理アルゴリズムの１次評価の結果の元となった変換後画像データに基づいて１次評価の評価基準画像データを変更することにより、所定情報の誤りの修正が可能となる。
【発明を実施するための最良の形態】
【００４４】
以下、この発明の各実施の形態について図面を参照して詳細に説明する。
（実施の形態１）
図１には、実施の形態１に係る画像処理アルゴリズム評価およびそれを用いた画像処理アルゴリズム生成のための処理手順が示されて、図２には実施の形態１に係る画像処理アルゴリズム評価と生成のための装置の機能構成が示されて、図３には各実施の形態に係る装置が搭載されるコンピュータの構成が示される。
【００４５】
一般に、画像処理アルゴリズムはいくつかの画像処理モジュール（２値化処理モジュール、フィルタ処理モジュールなど）が連結されており、各画像処理モジュールは２値化の閾値、フィルタサイズなどのいくつかのパラメータを持つ。すなわち、画像処理アルゴリズムは種々の画像処理モジュールの組合せと、各モジュールの持つパラメータ値によって表現される。本画像処理アルゴリズム生成方法は、画像処理アルゴリズム評価方法によって算出された評価値に基づいて、画像処理モジュールの組合せや、各モジュールが持つパラメータ値を変更することを繰返して、より評価値の高い画像処理アルゴリズムを生成するものである。また、画像処理モジュールは作業者もしくはプログラム等によって予め登録もしくは生成されたものの中から選択するものと想定する。
【００４６】
ここでは、画像処理アルゴリズムの処理対象となる製品などを撮像して得られた原画像データと、同画像データに関して予め製品の真の欠陥部等の抽出対象部の原画像内における位置情報および形状情報が作業者によって付与されている基準画像データとの組を、学習用画像データセットと呼ぶ。
【００４７】
また、ここでは、画像処理アルゴリズムは処理対象となる画像データに対してフィルタ処理によってノイズ除去やエッジ強調等の画質改善を施す前処理部と、画質改善が行われた画像に対して欠陥部を抽出する候補となる複数の部分領域である欠陥候補部（以下、抽出候補領域という）それぞれの画像特徴量を算出したうえで、その特徴量に対して設けられたしきい値により、複数の欠陥候補部を、真欠陥部の抽出対象部と、擬似欠陥部の非抽出対象部とに分離する後処理部から構成されるものとする。擬似欠陥部は、真欠陥部を検出する際に副作用として誤検出される部分をさす。
【００４８】
（コンピュータの構成と記録媒体）
図３を参照してコンピュータは、ユーザが操作して外部から情報を入力するためのマウス１１０、キーボード３５０およびペン・タブレット３６０、ＣＲＴ（陰極線管）や液晶
などからなるモニタ３１０、該コンピュータ自体を集中的に制御するためのＣＰＵ（中央処理装置の略）３１２、ＲＯＭ（Read Only Memory）またはＲＡＭ（ランダムアクセスメモリの略）を含んで構成されるメモリ３２４、ハードディスクなどの固定ディスク３２６、ＦＤ（フレキシブルディスク）３３２が着脱自在に装着されて、装着されたＦＤ３３２をアクセスするＦＤ駆動装置３３０、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）３４２が着脱自在に装着されて、装着されたＣＤ−ＲＯＭ３４２をアクセスするＣ
Ｄ−ＲＯＭ駆動装置３４０、およびインターネットを含む各種の有線又は無線の通信ネットワーク１０９と該コンピュータとを接続するための通信インターフェィス３８０を含む。これらの各部はバスを介して通信接続される。通信ネットワーク１０９を介して外部と各種の情報を送受信できる。受信する情報には処理対象となる画像データが含まれて、該画像データはたとえば外部のカメラによって撮影された画像のデータであってもよい。
【００４９】
図３のコンピュータには、カセット形式の磁気テープが着脱自在に装着されて磁気テープをアクセスする磁気テープ装置が設けられても良い。
【００５０】
メモリ３２４には、学習用画像データ保存部３４が設けられるとともに、変換後画像データ１３、１次評価基準画像データ１２、画像処理アルゴリズムデータ１４およびアルゴリズム生成・調整用データ４４が格納される。
【００５１】
学習用画像データ保存部３４には、図２に示すように、複数の学習用画像データセット３５が格納される。学習用画像データセット３５は、画像処理アルゴリズムの処理対象となる原画像データ３６と基準画像データ３７を関連付けて含む。基準画像データ３７は、関連の原画像データ３６の原画像における抽出対象部それぞれを特定するための所定情報として、位置（座標）を示す位置情報３８と当該抽出対象部の形状を示す形状情報３９および、原画像に含まれる１つ以上の抽出対象部とそれ以外の非抽出対象部を異なる濃度値で表現した画像データを含む。後述の画像データ入力部１は抽出対象となる欠陥を含む原画像データ３６を撮像などにより取得して、学習用画像データ保存部３４に格納する。その際に、後述の抽出対象情報設定部２１は、作業者がキーボード３５０などの外部入力装置を用いて原画像データ３６に対して抽出対象部の位置情報３８および形状情報３９を入力するための機能を提供する。ここで入力された位置情報３８と形状情報３９により基準画像データ３７が構成されて、基準画像データ３７と、上述の原画像データ３６とからなる学習用画像データセット３５が学習用画像データ保存部３４に格納される。
【００５２】
画像処理アルゴリズムデータ１４は、図２に示すように、最良の評価（最高の評価）を有する画像処理アルゴリズムを構成する１つ以上の画像処理モジュール４２と１つ以上の画像処理のパラメータそれぞれの値４３、および該画像処理アルゴリズムの評価値４１を有する。ここではパラメータの値４３を有するとしたが、画像処理アルゴリズムによってはパラメータを含まない場合もあるので、画像処理アルゴリズムデータ１４はパラメータの値４３を含まない場合もある。
【００５３】
アルゴリズム生成・調整用データ４４は、処理対象の画像処理アルゴリズムを生成または調整するために参照されて、画像処理アルゴリズムの構成要素となり得る複数の画像処理モジュール４２と複数の画像処理のためのパラメータ値４３を含む。画像処理モジュール４２はそこに引用するパラメータ値４３により表現される。
【００５４】
図２を参照して装置は、画像データ入力部１、作業者に各種情報を表示するためのモニタ３１０に対応の表示部３、および画像データ入力部１と表示部３を接続する画像処理アルゴリズム生成部２を備える。画像処理アルゴリズム生成部２は画像処理装置に相当する。画像処理アルゴリズム生成部２は、学習用画像データ保存部３４を参照する抽出対象情報設定部２１、アルゴリズム生成・調整用データ４４を参照する画像処理アルゴリズム生
成・調整部２２、画像データ変換部２３、１次評価基準画像データ１２に基づき画像処理アルゴリズムの画像データの変換処理能力を評価する１次評価部２４、１次評価の結果に基づき画像処理アルゴリズムを棄却するか否か判定する棄却判定部２５、画像データ変換部２３により変換された後の画像データ１３をメモリ３２４に格納する変換後画像データ保存処理部２６、特徴量算出部２７、分類部２８、分離度算出部２９、２次評価部３０、最良と評価された画像処理アルゴリズムを画像処理アルゴリズム１４としてメモリ３２４に格納する画像処理アルゴリズム保存処理部３１、一次評価基準画像データ１２を書換える１次評価基準変更部３２、および画像処理アルゴリズムの生成の完了を判断する画像処理アルゴリズム生成完了判断部３３を備える。これらの各部は図３のコンピュータで実行可能なプログラムとして予め準備されて、当該プログラムはメモリ３２４などに予め格納されて、各プログラムはＣＰＵ３１２により読出されて実行される。
【００５５】
図１および図２を用いて本実施形態に係る画像処理アルゴリズムの評価手順および生成手順、装置について概略説明し、その後、実際の学習用画像データセット３５を用いた動作について図を用いて説明する。
【００５６】
図１では、任意の画像処理アルゴリズムに対して、前処理後の画像データにより１次評価が行なわれ、後処理後の抽出対象部と非抽出対象部との分離度合いにより両者の分離能力を評価する２次評価が行なわれる。図１のフローチャートにより、画像処理アルゴリズム評価方法およびそれを用いた画像処理アルゴリズム生成方法が示される。画像処理アルゴリズム評価方法に相当する部位はＳＴＥＰ２およびＳＴＥＰ３〜ＳＴＥＰ１０ならびにＳＴＥＰ１２である。
【００５７】
ＳＴＥＰ１では、画像処理アルゴリズム生成・調整部２２は評価対象となる画像処理アルゴリズムを、アルゴリズム生成・調整用データ４４から読出した１つ以上のモジュール４２または１つ以上のパラメータ値４３を組合わせて生成する。アルゴリズム生成・調整用データ４４から読出して生成に用いるべきモジュール４２の種類またはパラメータ値４３の種類は、作業者がキーボード３５０などの外部入力装置を操作することにより、画像処理アルゴリズム生成・調整部２２に対して指示される。
【００５８】
ＳＴＥＰ２では、抽出対象情報設定部２１は、作業者がキーボード３５０を操作して入力する選択信号に基づき、画像処理アルゴリズム評価に用いる学習用画像データセット３５を学習用画像データ保存部３４の中から選択的に読出す。
【００５９】
ＳＴＥＰ３では、画像データ変換部２３は、選択的に読出された学習用画像データセット３５の原画像データ３６に対して評価対象となる画像処理アルゴリズムの前処理部を適用して、変換後画像データ１３を生成する。
【００６０】
ＳＴＥＰ４では、１次評価部２４は、変換後画像データ１３を、１次評価基準画像データ１２が示す画像データと比較可能となるように処理したのちに、処理後の変換後画像データ１３を１次評価基準画像データ１２が示す画像データと比較して、比較結果に基づき、評価対象となる画像処理アルゴリズムの１次評価を行なう。以降、１次評価の評価値を１次評価値と呼ぶ。
【００６１】
ここで、１次評価基準画像データ１２はＳＴＥＰ１にて選択された学習用画像データセット３５の基準画像データ３７とすることが可能である。また、１次評価基準画像データ１２は作業者が別途設定することも可能である。
【００６２】
ＳＴＥＰ５では、棄却判定部２５は１次評価部２４により出力された１次評価値が、メモリ３２４などに予め格納された所定基準値以上を示すかを判定する。所定基準値未満を
示すと判定した場合、当該画像処理アルゴリズムを棄却する。つまり、１次評価値が所定基準値より小さい画像処理アルゴリズムについては以降の処理、すなわち、ＳＴＥＰ６以降の処理が施されないように制御される。所定基準値以上と判定した場合には、当該画像処理アルゴリズムについて以降の処理が実行される。
【００６３】
ＳＴＥＰ６では、変換後画像データ保存処理部２６は、１次評価値が所定基準以上である画像処理アルゴリズムに関して、変換後画像データ１３をメモリ３２４に格納する。メモリ３２４に格納された変換後画像データ１３は後に１次評価基準画像データ１２を変更する際に用いられる。
【００６４】
ＳＴＥＰ７では、特徴量算出部２７は、変換後画像データ１３が示す画像における複数の抽出候補領域を決定し、それぞれについての位置情報と画像特徴量を算出する。ここで、抽出候補領域の決定およびそれらの位置情報は変換後画像データ１３を２値化処理することにより取得可能である。ただし、抽出候補領域の決定および位置情報を取得する手順はこれに限定されない。このようにして得られた抽出候補領域および位置情報に基づいて変換後画像データ１３の画像における抽出候補領域を決定し、同領域の画像特徴量を算出する。
【００６５】
ＳＴＥＰ８では、分類部２８は、作業者が選択した学習用画像データセット３５の基準画像データ３７の位置情報３８とＳＴＥＰ７で取得した位置情報とを比較して、比較結果に基づいて、ＳＴＥＰ７で取得した抽出候補領域それぞれが抽出対象部であるか非抽出対象部であるかを判断する。
【００６６】
ＳＴＥＰ９では、分離度算出部２９は、ＳＴＥＰ７にて算出した画像特徴量に基づき構成される特徴空間を設定する。そして、ＳＴＥＰ８にて抽出対象部と判断された抽出候補領域である抽出対象領域それぞれの算出された特徴量と、非抽出対象部と判断された抽出候補領域である非抽出対象領域それぞれの算出された特徴量とを、前述の特徴空間に各々プロットする。そして、特徴空間における、抽出対象領域についてプロットされた特徴量群と非抽出対象領域についてプロットされた特徴量群との分離の程度を示す分離度を算出する。
【００６７】
ＳＴＥＰ１０では、２次評価部３０は、ＳＴＥＰ９にて算出された分離度に基づいて評価対象となる画像処理アルゴリズムの２次評価を行なう。以降、２次評価の評価値を２次評価値と呼ぶ。２次評価の詳細は後述する。
【００６８】
ＳＴＥＰ１１では、画像処理アルゴリズム保存処理部３１は、２次評価値に基づき、画像処理アルゴリズムと２次評価値を画像処理アルゴリズムデータ１４としてメモリ３２４に格納する。
【００６９】
ＳＴＥＰ１２では、１次評価基準変更部３２は、画像処理アルゴリズムの評価結果に基づいてメモリ３２４の１次評価基準画像データ１２を変更（書換え）する。一例として、高い評価を示す２次評価値が出力された画像処理アルゴリズムについて、当該画像処理アルゴリズムによる変換後画像データ１３がＳＴＥＰ４においてメモリ３２４に既に格納されているので、この変換後画像データ１３を用いて作業者が予め選択した学習用画像データセット３５の基準画像データ３７が示す１次評価基準画像データ１２を変更することが可能である。たとえば、１次評価基準画像データ１２を変換後画像データ１３により代替することで、１次評価基準画像データ１２を変更する。
【００７０】
次に、図１を参照して、上述した画像処理アルゴリズム評価方法を利用した画像処理アルゴリズム生成方法について説明する。
【００７１】
ＳＴＥＰ１〜ＳＴＥＰ１０の処理が行なわれて、画像処理アルゴリズムの２次評価値が算出される。ＳＴＥＰ１１では、ＳＴＥＰ１〜ＳＴＥＰ１０の処理が繰返される毎に、評価された画像処理アルゴリズムのうち２次評価値が最大となるものを最良の画像処理アルゴリズムとし、その２次評価値と画像処理モジュールおよびパラメータ値の組合せを画像処理アルゴリズムデータ１４としてメモリ３２４に格納する。
【００７２】
以降、繰返す毎に、画像処理アルゴリズム保存処理部３１は、その２次評価値が、メモリ３２４に格納された画像処理アルゴリズムデータ１４の評価値４１を超えた画像処理アルゴリズムである場合にのみ、メモリ３２４の画像処理アルゴリズムデータ１４を当該画像処理アルゴリズムのデータを用いて書換える。
【００７３】
ＳＴＥＰ１３では、画像処理アルゴリズム生成完了判断部３３は、終了条件が成立するか否か判別する。終了条件が成立しない場合には（ＳＴＥＰ１３でＮＯ）、ＳＴＥＰ１４において、画像処理アルゴリズム生成・調整部２２により、アルゴリズム生成・調整用データ４４を用いて組合わせるモジュール４２またはパラメータ値４３を調整した新たな画像処理アルゴリズムを生成する。そして新たに生成された画像処理アルゴリズムについて、ＳＴＥＰ３以降の処理が同様に繰返される。
【００７４】
このようにして、複数の画像処理アルゴリズムの生成が繰返されながら、終了条件成立と判別された場合は（ＳＴＥＰ１３でＹＥＳ）、評価値に基づく画像処理アルゴリズムの生成は終了する。したがって、この時点で、メモリ３２４に格納された画像処理アルゴリズムデータ１４が示す画像処理アルゴリズムが、これまで生成された画像処理アルゴリズムのうち２次評価値が最大である、すなわち最良の画像処理アルゴリズムとなる。
【００７５】
なお、ＳＴＥＰ１１における、最良となる画像処理アルゴリズムデータ１４の書換え基準は上記に制限されるものではなく、メモリ３２４に格納可能なデータ容量に応じて複数個の画像処理アルゴリズムデータ１４を格納することも可能である。たとえば、上位から３番目までの大きい値の２次評価値を有する画像処理アルゴリズムの画像処理アルゴリズムデータ１４を格納するようにしておき、上位から３番目までの評価値を超える画像処理アルゴリズムが生成されたときには、メモリ３２４の画像処理アルゴリズムデータ１４の書換えがされるようにしてもよい。このようにすれば、同じ２次評価値を有する異なる複数の画像処理アルゴリズムを取得することも出来る。
【００７６】
ここで、ＳＴＥＰ１３の終了条件について説明する。終了条件は、たとえば予め作業者やプログラム等によって設定された２次評価値の基準値を超えるものが生成された場合や、ＳＴＥＰ１４の画像処理アルゴリズムのパラメータ調整と画像処理アルゴリズムの再評価作業の繰り返し回数が、作業者やプログラム等によって設定された規定回数を超えた場合、もしくは総処理時間が設定時間を超えた場合、などである。
【００７７】
終了条件を満たさない場合は、ＳＴＥＰ１４にて画像処理アルゴリズムの調整が行なわれる。具体的には、画像処理アルゴリズムの評価値に基づいて画像処理モジュール４２の組合せやパラメータ値４３の変更が行なわれる。このような、ある評価値に基づいて画像処理モジュール４２の組合せやパラメータ値４３を最適化してゆく手法としては、たとえばＧＡ（遺伝的アルゴリズム）によるものやＳＡ（シミュレーティッドアニーリング）によるものなど多数提案されている。いずれも、評価値の高い組合せやパラメータ値に対して、それらの組合せや値をわずかに変動させて、より評価値の高いものを探索してゆく方法である。
【００７８】
「画像処理モジュール４２の組合せ」の変更については、たとえば、先行技術文献とし
て特開２００２−３６６９２９号公報において、ＧＡ（遺伝的アルゴリズム）による方法が記載されている。当該公報に開示の方法を適用することで、評価値に対して画像処理モジュールの組合せやパラメータ値を最適化することが可能である。
【００７９】
ここで、ＧＡに関連した画像処理モジュール群の表現方法と変更方法（突然変異と交叉）とを図４（Ａ）、図４（Ｂ）および図４（Ｃ）を参照しながら説明する。
【００８０】
＜画像処理モジュール群の表現方法＞
画像処理モジュール群は複数の画像処理モジュールが連結されたものであり、画像処理モジュールはパラメータ値を有する。図４（Ａ）では画像処理モジュール群が、楕円で示す画像処理モジュールが複数個連結された状態で示されている。図４（Ａ）では、たとえば１つめの楕円内の文字列「Ｆ１−１」について、“Ｆ１”は当該楕円の画像処理モジュールの種類を表し、ハイフン（‘‐’）の次の‘１’は、当該画像処理モジュールのパラメータ値を表すものとする。他の楕円の画像処理モジュールについても同様に画像処理モジュールの種類とパラメータ値が表現されている。
【００８１】
＜突然変異＞
ＧＡにおける突然変異とは、画像処理モジュール群の画像処理モジュールもしくはパラメータをランダムに変更することにより、さらに評価の高い（評価値の大きい）画像処理モジュール群が生成されることを期待するというものである。図４（Ｂ）では、画像処理モジュール群Ｂ１の２番目の画像処理モジュールとパラメータ値とが変更されるという突然変異により、画像処理モジュール群Ｂ２が生成される状態を示している。
【００８２】
＜交叉＞
ＧＡにおける交叉とは、２つの画像処理モジュール群を対象にして、相互に、連結の途中から画像処理モジュールを入れ替えるというものである。通常は、さらに評価の高い（評価値の大きい）画像処理モジュール群が生成されることを期待して、評価の高い画像処理モジュール群同士で交叉が行なわれる。図４（Ｃ）では、画像処理モジュール群Ｂ１とＢ３を対象にして交叉が行なわれる状態が示されている。ここでは、画像処理モジュール群Ｂ１の連結の途中の部分モジュール群ＢＢ１と、画像処理モジュール群Ｂ３の連結の途中の部分モジュール群ＢＢ３とを入れ替えることで、画像処理モジュール群Ｂ１は画像処理モジュール群Ｂ１１に変更されて、画像処理モジュール群Ｂ３は画像処理モジュール群Ｂ３１に変更されている。
【００８３】
ＳＴＥＰ１３の終了条件の成立に関して、画像処理モジュール４２の組合せの数やパラメータ値４３の取る範囲が十分に小さい場合は、ＳＴＥＰ１３の終了条件の成立を待たなくても、画像処理モジュール４２の全ての組合せとパラメータ値４３を変動させた条件とで生成され得る全ての画像処理アルゴリズムについての評価を終えることが可能である。このようにしてＳＴＥＰ１４において画像処理モジュールの組合せやパラメータ値の変更が行われ都度生成される画像処理アルゴリズムに対して、ＳＴＥＰ３以降の手順を同様に繰返し適用することにより、最良の評価を有する画像処理アルゴリズムの自動生成を実現しうる。
【００８４】
次に、図５を用いて実際の学習用画像データセット３５への画像処理アルゴリズム評価方法の適用について概略説明する。学習用画像データセット３５の原画像データ３６は、評価対象となる画像処理アルゴリズムによって図１のＳＴＥＰ３に相当する前段の処理であるフィルタ処理ＳＴＥＰ３ａが施され、フィルタ後画像データ１３１に変換される。フィルタ後画像データ１３１は、２値化画像データである１次評価基準画像データ１２と比較するために、ＳＴＥＰ３に相当する後段の処理である２値化処理ＳＴＥＰ３ｂが施されて、２値化変換後画像データ１３２となる。以降、２値化後画像データ１３２を変換後画
像データ１３とする。
【００８５】
フィルタ処理ＳＴＥＰ３ａでは、処理対象画像についてエッジが強調されて、エッジが強調された画像について複数回の膨張処理が繰返されて、その後に、複数回の収縮処理が繰返される。
【００８６】
ここで、１次評価基準画像データ１２は、基準画像データ３７をそのまま用いている。ただし、１次評価基準画像データ１２についてはこれに限定されるものではない。
【００８７】
また、フィルタ後画像データ１３１を２値化するためのしきい値については、基準画像データ３７により抽出対象の個数（位置情報３８の個数）が予め指定されているから、その個数にあわせた抽出候補領域が出現するように２値化しきい値を決定して、キーボード３５０などから入力することが可能である。本実施の形態では、基準画像データ３７に抽出対象が２個含まれることが予め分かっていることより少なくとも２個以上の抽出候補領域が出現し、かつ、以降の処理で多くの演算量が必要とならないように、５個の抽出候補領域が出現するような２値化しきい値を用いている。ただし、抽出候補領域を出現させるための処理は本実施の形態に限定されず、２値化しきい値の決定方法についてもさまざまな手法を選択することが可能である。
【００８８】
次に、変換後画像データ１３（２値化後画像データ１３２）と１次評価基準画像データ１２の比較によって、１次評価値が算出される。たとえば、変換後画像データ１３と１次評価基準画像データ１２の絶対値差分画像データを求め、当該絶対値差分画像データにより求められる画像の濃度平均値の逆数に従い１次評価値を規定することが可能である。ここでは、２値画像どうしの比較（一般には差分処理）であるから、高速に比較することが可能となる。
【００８９】
ここで、絶対値差分画像とは、変換後画像データ１３と１次評価基準画像データ１２の画像同士について画素毎の輝度差で示される画像である。絶対値差分画像の濃度平均値とは、絶対値差分画像の濃度のヒストグラムから算出される平均値をいう。具体的には、たとえば絶対値差分画像Ａが濃度０（黒）の画素を９９００個および濃度２５５（白）の画素を１００個からなる場合には、絶対値差分画像Ａの濃度平均値＝（０×９９００＋２５５×１００）÷（９９００＋１００）＝２．５５と算出することができる。たとえば絶対値差分画像Ｂが濃度０（黒）の画素を７０００個および濃度２５５（白）の画素を３０００個からなる場合には、絶対値差分画像Ｂの濃度平均値＝（０×７０００＋２５５×３０００）÷（７０００＋３０００）＝７６．５と算出することができる。
【００９０】
また、算出された濃度平均値の逆数が１次評価値を規定する。つまり、上述の絶対値差分画像Ａの濃度平均値２．５５の場合、その逆数は（１／２．５５）＝０．３９２となり絶対値差分画像Ｂの濃度平均値７６．５の場合、その逆数は（１／７６．５）＝０．０１３０…となる。つまり、濃度平均値の逆数（１次評価値）が大きいということは、図５の変換後画像データ１３（２値化後画像データ１３２）と１次評価基準画像データ１２の差が小さくなっており、適用されている画像処理アルゴリズムが原画像データ３６の画像を、より１次評価基準画像データ１２の画像に近づける機能に優れている（高い能力を有する）ことを指す。
【００９１】
ここでは、絶対値差分画像データの濃度平均値が０となった時に１次評価値を最大とする。また、抽出対象部に関して重要度に応じて重み付けを行なうことにより、より重要な抽出対象部が抽出候補領域として現われている場合はより大きい評価値（高い評価）を、逆に抽出候補領域として現われていない場合はより小さい評価値（低い評価）を与えることが可能である。
【００９２】
具体的には、１次評価のＳＴＥＰ４において、絶対値差分画像データに対して予めメモリ３２４などに格納されている「重み画像」データを、画素単位で積算することにより重み付けが行なわれる。当該重み付けにより、たとえば、同一面積の部位であるならば非抽出対象部が抽出されるよりも、抽出対象部が抽出されない場合の方が１次評価値は低くなるので、抽出対象部をより確実に抽出することができる画像処理アルゴリズムに高い評価（大きい評価値）を与えることができる。
【００９３】
なお、１次評価値を規定する方法は本実施の形態に限定されるものではなく、多値画像での比較なども可能である。
【００９４】
このようにして得られた１次評価値に基づいて、評価対象となる画像処理アルゴリズムに関して以降の処理を実施するか否かを図１のＳＴＥＰ５において決定する。１次評価値が基準値以上である場合は次の処理に進む。つまり、フィルタ変換後画像データ１３１に関して、２値化変換後画像データ１３２に出現した抽出候補領域を含む部位を矩形にて囲んだものが抽出候補領域決定済み変換後画像データ１３３である。ここでは、当該画像データ１３３の画像上の抽出候補領域に関して画像特徴量を算出する。これは図１のＳＴＥＰ７の処理に相当する。
【００９５】
画像特徴量の一例としては、抽出候補領域と近傍領域の画像の濃度の差によって規定されるコントラストや、２値化処理後に出現する領域の面積などが挙げられる。さらに、１次評価基準画像データ１２に基づいて、抽出候補領域決定済み変換後画像データ１３３の画像の抽出候補領域を抽出対象領域１３５と非抽出対象領域１３６とに分類し、抽出対象領域１３５を含む部位を太線矩形にて、非抽出対象領域１３６を含む部位を破線矩形にて囲んだものが抽出領域分類済み変換後画像データ１３５の画像である。これは図１のＳＴＥＰ８の処理に相当する。
【００９６】
抽出対象領域１３５である抽出候補領域について算出された画像特徴量と、非抽出対象領域１３６である抽出候補領域について算出された画像特徴量とは特徴空間１３７に配置される。特徴空間１３７は、２種類の特徴量ＣＨ１とＣＨ２が算出されたと想定した場合に、特徴量ＣＨ１および特徴量ＣＨ２の直交する座標軸で規定される２次元座標空間に相当し、特徴空間１３７には抽出対象領域１３５の特徴量と非抽出対象領域１３６の特徴量がプロットされる。抽出対象領域１３５の特徴量の値は太実線の○（正円）で、非抽出対象領域１３６の特徴量の値は細点線の○（正円）でプロットされている。
【００９７】
特徴空間１３７における抽出対象領域１３５のプロットされた特徴量と非抽出対象領域１３６のプロットされた特徴量との分布状態により両者の分離の程度（分離度Ｓ）が規定される。
【００９８】
ここでは、分離度Ｓを求めるために、２種類の特徴量ＣＨ１とＣＨ２で規定される２個の座標軸で規定される座標空間（座標平面）を用いているので、抽出対象領域と非抽出対象領域の特徴量は２次元のベクトル（平面ベクトル）によって張られる２次元特徴空間上（平面）でプロットされた。しかし、適用される特徴空間は座標平面に限定されない。たとえば、１種類の特徴量で規定される１次元の座標軸上で規定されてもよいし、ｄ（≧３）個の特徴量の各座標軸で規定される座標空間で規定されてもよい。
【００９９】
ｄ（≧３）個の特徴量の各座標軸で規定される座標空間は、ｄ次元の空間ベクトルによって張られる特徴空間である。今、ｄ個の特徴量ＣＨｊ（ｊ＝１，２，３，…，ｄ）を算出して、算出されたｄ個の特徴量を用いることにすると、抽出対象領域および非抽出対象領域はｄ次元の特徴ベクトルＣＨによって張られる特徴空間上でプロットされる。なお、
特徴ベクトルＣＨ＝（ＣＨ１、ＣＨ２、…，ＣＨｊ、…ＣＨｄ）ｔ（ｔは転置を示す）と示される。ｄ次元の特徴空間上において、抽出対象領域について特徴ベクトルＣＨで定まる位置にプロットされた点（特徴量）の分布域と、非抽出対象領域について特徴ベクトルＣＨで定まる位置にプロットされた点（特徴量）の分布域との距離に従い分離度Ｓを求めることができる。したがって、分離度Ｓが高いほど抽出対象部と非抽出対象部とを分離する能力に優れている、すなわち評価は高くなる。
【０１００】
学習用画像データセット３５に依存して非抽出対象領域が抽出されない場合は、仮想の非抽出対象領域の特徴量を、特徴空間１３７の任意座標においてプロットする。
【０１０１】
たとえば、特徴空間１３７の２次元座標の原点に仮想の非抽出対象領域の特徴量がプロットされるとすることも可能である。
【０１０２】
また、たとえば、２次元座標の原点から無限に遠い点（特徴量ＣＨ１の無限大および特徴量ＣＨ２の無限大で規定される２次元座標値の点）に仮想の非抽出対象領域の特徴量がプロットされるとすることも可能である。
【０１０３】
また、たとえば、２次元座標の抽出対象領域の特徴量の分布域の近傍点に仮想の非抽出対象領域の特徴量がプロットされるとすることも可能である。ここで、近傍点とは、たとえば２次元座標の複数の抽出対象領域の特徴量がプロットされた座標の中央値を中心とした同心楕円の内部の点であり、当該同心楕円上もしくは外部に少なくとも１点の抽出対象領域の特徴量を含むものとする。
【０１０４】
これらの分離度Ｓの算出はＳＴＥＰ９の処理に相当する。ここで、分離度Ｓは、特徴空間における抽出対象領域の特徴量の分布域と非抽出対象領域の特徴量の分布域とが離れていて、かつ、各分布域において特徴量が１箇所に集中する場合に分離度Ｓは高くなる。ここで、評価対象となる画像処理アルゴリズムの分離度Ｓが十分に高い場合は２次評価値が大きくなり（２次評価は高くなり）、当該画像処理アルゴリズムにて処理された変換後画像データ１３により１次評価基準画像１２が置き換えられる。これは図１のＳＴＥＰ１２に相当する。
【０１０５】
これまでに説明したように、本実施の形態では画像処理アルゴリズムの１次評価の評価基準を、２次評価値が高い画像処理アルゴリズムの１次評価結果に基づいて変更するため、１次評価と２次評価の間で相関性が高まることより、１次評価値の低い画像処理アルゴリズムを棄却しても、２次評価で高い評価値を取りうる画像処理アルゴリズムは次工程に進むため、演算量を削減するとともに分離能力の高い画像処理アルゴリズムには、より高い評価値を与えることが可能となる。
【０１０６】
特に、図５に示すように、１次評価に用いる１次評価基準画像データ１２において抽出対象部の指定形状に誤差を含む場合には評価値が収束しないおそれがある。つまり、画像処理アルゴリズム生成の過程においては画像処理アルゴリズムの評価が繰返されるが、１次評価の基準（１次評価基準データ１２）と２次評価の基準（特徴空間１３７の特徴量）が異なるため、すなわち評価軸が異なるために、その評価値が増加しない（収束しない）おそれがある。この際に、２次評価値が大きい（２次評価が高い）画像処理アルゴリズムの１次評価結果に基づいて１次評価の基準を変更することにより、図５の２値化変換後画像データ１３２に示すように抽出対象部の指定形状誤りの修正が可能となるため、より高い分離度を達成する画像処理アルゴリズムがより高い評価を得ることが可能となり、より高い分離度を達成する画像処理アルゴリズムの生成が可能となる。なお、本実施の形態の画像処理アルゴリズム評価手法では、最終的には抽出対象領域と非抽出対象領域の分離度によって評価対象となる画像処理アルゴリズムの能力が規定されるため、図５の２値化変
換後画像データ１３２に示すように１次評価時に非抽出対象領域が出現しても問題はない。
【０１０７】
本実施の形態では、いずれの評価工程においても高い分離度Ｓを得ることのできる画像処理アルゴリズムについてより高い性能の評価を与えることが可能となる。また、１次評価で評価の低い画像処理アルゴリズムが２次評価で高い評価を得ることや、あるいは１次評価で評価の高い画像処理アルゴリズムが２次評価で低い評価を得ることがなくなる。そのため、１次評価の結果に基づいて画像処理アルゴリズムを棄却した際にも高い分離度Ｓを得ることのできる画像処理アルゴリズムが２次評価にて高い評価を得ることが可能となり、さらに棄却率を十分に高く設定できることよりＣＰＵ３１２による画像処理アルゴリズム評価・生成のための演算量の削減が可能となる。
【０１０８】
（実施の形態２）
繰返し最適化問題として画像処理アルゴリズムを生成する際は、一般的に次のような手法を用いる。すなわち、一度に複数の評価対象となる画像処理アルゴリズムを作成し、これらの全てのもしくは任意数の画像処理アルゴリズムを評価した上で、少なくともひとつ以上の評価値の高い画像処理アルゴリズムに基づいて画像処理アルゴリズムの構成要素である画像処理モジュールの組合せやパラメータ値を変更させることにより、再度、複数の評価対象となる画像処理アルゴリズムを作成することを、画像処理アルゴリズム生成の完了判断基準を満たすまで繰り返す。
【０１０９】
図６は、複数の評価対象となる画像処理アルゴリズムを評価することにより画像処理アルゴリズムを生成する処理フローチャートである。図６に示す処理フローの図１と同一符号が付された処理の内容は図１で説明したものとほぼ同等である。ここでは、特に図１に示す処理内容と差異がある部位について説明を行なう。
【０１１０】
図６のＳＴＥＰ１ａでは、前述したＳＴＥＰ１と同様に画像処理アルゴリズム生成・調整部２２によりアルゴリズム生成・調整用データ４４を参照して評価対象となる複数の画像処理アルゴリズムが新規に作成される。
【０１１１】
ＳＴＥＰ２では、学習用画像データ保存部３４から１つの学習用画像データセット３５が選択される。ここでは１つ選択しているが複数選択することも可能である。複数選択した場合には、複数の画像処理アルゴリズムのそれぞれに、選択した学習用画像データセット３５のそれぞれを適用する。
【０１１２】
作成された複数の画像処理アルゴリズムのそれぞれについてルーチンＲｉ（ｉ＝１，２，３，…，ｎ）がＳＴＥＰ２で選択された学習用画像データセット３５を共通して適用して並列に実行される。ルーチンＲｉは前述したＳＴＥＰ３〜１０の処理を含む。
【０１１３】
並列処理の形態としては、たとえば、１つのプロセッサで複数のルーチンＲｉを時分割で処理することや、複数のプロセッサで個別にルーチンＲｉを同時並列に処理することや、両者を組合せて処理することなどが挙げられる。ただし、実装方法はこれに限定されるものではない。
【０１１４】
本実施の形態では、ＳＴＥＰ５において画像処理アルゴリズムの棄却条件（所定基準値）を動的に変更して棄却率を更新することが可能である。一例として、画像処理アルゴリズムについて１次評価値と２次評価値の相関の程度が低い場合は、１次評価が低い画像処理アルゴリズムであっても２次評価で高い評価値を得る可能性があるため、棄却率は低く設定する必要がある。反対に、１次評価値と２次評価値の相関の程度が十分に高い場合は、１次評価が低い画像処理アルゴリズムは高い確率で２次評価においても低い評価を得る
ため、高い棄却率を設定することが可能となり、この際には必要な演算量を十分に削減することが可能となる。
【０１１５】
各ルーチンＲｉの実行後には図６のＳＴＥＰ１１では、各ルーチンＲｉにより出力された２次評価値に基づき、２次評価を経た複数の評価対象となる画像処理アルゴリズムに関して、２次評価が高いものについて１または複数個数の画像処理アルゴリズムを保存する。
【０１１６】
図７を参照して、図６の手順を実際の学習用画像データセット３５に適用したケースを概略説明する。図７では、Ｔ回目の評価→Ｔ＋１回目の評価→Ｔ＋２回目の評価の３回の評価がされる。ＳＴＥＰ１ａにおいて最初に３つの評価対象となる画像処理アルゴリズムＲＣ、ＲＤおよびＲＥが新規作成されて、これら画像処理アルゴリズムは図７の左側のＴ回目の評価で処理される。
【０１１７】
次に、Ｔ回目の評価結果に基づいて、画像アルゴリズム生成・調整部２２により新たに３つの評価対象となる画像処理アルゴリズムＲＧ、ＲＨおよびＲＩが、アルゴリズム生成・調整用データ４４の画像処理モジュール４２の組合せやパラメータ値４３を用いて作成されて、これらの評価が行なわれる。これは図７の中央部のＴ＋１回目の評価に相当する。
【０１１８】
図７では、ＳＴＥＰ２で選択された学習用画像データセット３５の原画像データ３６が各回の評価に共用されている。Ｔ回目の評価においては当該学習用画像データセット３５の基準画像データ３７が、１次評価基準画像データ１２として用いられる。
【０１１９】
Ｔ回目の評価においては、画像処理アルゴリズムＲＣ、ＲＤおよびＲＥによる２値化変換後画像データ１３２（変換後画像データ１３）が各ルーチンＲｉにおいて出力される。Ｔ回目の評価の各ルーチンＲｉのＳＴＥＰ４では、１次評価基準画像データ１２と２値化変換後画像データ１３２を比較し、その結果、それぞれ３．０、１．０、２．０という１次評価値が得られる。
【０１２０】
ここで１次評価の所定基準値は１．９に設定されていると想定する。得られた１次評価値のうち画像処理アルゴリズムＲＤの１次評価値１．０は所定基準値よりも小さいため、この時点で画像処理アルゴリズムＲＤは評価対象から外されて（棄却され）、以降の画像処理アルゴリズムＲＤによる画像処理を含む評価の処理は実施されない。
【０１２１】
画像処理アルゴリズムＲＣとＲＥについては特徴空間１３７を用いてＳＴＥＰ１０において２次評価が行われ、その結果それぞれ１．０、５．０という２次評価値が出力される。このうち最大の２次評価値（＝５．０）を有する画像処理アルゴリズムＲＥが最良と決定されて、Ｔ回目の評価終了後に、ＳＴＥＰ１１において画像処理アルゴリズムデータ１４として画像処理アルゴリズム保存処理部３１によりメモリ３２４に格納される。このとき、ＳＴＥＰ１１では、１次評価基準変更部３２は、最良と判定された画像処理アルゴリズムＲＥの処理（ルーチンＲｉ）のＳＴＥＰ６でメモリ３２４に格納された変換後画像データ１３により１次評価基準画像データ１２を置換する。
【０１２２】
その後、画像処理アルゴリズム生成完了判断部３３は、ＳＴＥＰ１３において、画像処理アルゴリズムの生成は完了していないと判断するので、次に、Ｔ＋１回目の評価が実施される。
【０１２３】
Ｔ＋１回目の評価の前に、まず、ＳＴＥＰ１４ａで画像処理アルゴリズム生成・調整部２２によりアルゴリズム生成・調整用データ４４を参照して、Ｔ回目の評価で最良と判断
された画像処理アルゴリズムＲＥを用いて、評価対象となる画像処理アルゴリズムＲＧ、ＲＨおよびＲＩを生成する。これら画像処理アルゴリズムは、Ｔ回目の評価で最良のものであった画像処理アルゴリズムＲＥを構成する画像処理モジュール４２の組合せやパラメータ値４３の変更により新規作成されたものである。なお、画像処理アルゴリズムＲＧは、画像処理アルゴリズムＲＥと同等のものであると想定する。
【０１２４】
Ｔ＋１回目の評価では、画像処理アルゴリズムＲＧ、ＲＨおよびＲＩのルーチンＲｉが並列に実行されて、各ルーチンＲｉにおいて個々に２値化変換後画像データ１３２（変換後画像データ１３）が出力される。これらの１次評価値はそれぞれ∞、５．０、１．５となったと想定する。ここで、画像処理アルゴリズムＲＧはＴ回目の評価で最良となった画像処理アルゴリズムＲＥと同等のものであるため、１次評価値は最大の値が与えられている。１次評価の結果、画像処理アルゴリズムＲＩの１次評価値は１．５であってと他の画像処理アルゴリズムのそれよりは小さいため、画像処理アルゴリズムＲＩの以降の処理は実施されない（画像処理アルゴリズムＲＩは評価対象から外される（棄却される））。
【０１２５】
画像処理アルゴリズムＲＧとＲＨについては、それぞれ５．０、６．０という２次評価値が与えられると想定する。この時点で、最大の２次評価値６．０が与えられた画像処理アルゴリズムＲＨが、Ｔ回目の評価で最良であった画像処理アルゴリズムＲＥに替わって、画像処理アルゴリズムデータ１４としてメモリ３２４に格納される。また、最良と判断された画像処理アルゴリズムＲＨの処理で生成された変換後画像データ１３により１次評価基準画像データ１２が置換される。これにより、次のＴ＋２回目の評価のための１次評価基準画像データ１２は、画像処理アルゴリズムＲＨの処理で生成された変換後画像データ１３を指すことなる。
【０１２６】
これらの一連の評価を繰返すことによって、２次評価値のより高い画像処理アルゴリズムを生成することが可能となる。
【０１２７】
（実施の形態３）
次に、図６と６の処理を効率的に実現する機能構成について、図８および図９を用いて説明する。本発明では、画像処理アルゴリズムの評価を２段階とし、最初の段階では固定的なフィルタ処理の組合せ等による前処理を実施後に１次評価を行い、次の段階では応用展開先毎に設計が必要な画像領域の特徴量抽出などの複雑な後処理の実施後に２次評価を行なう。このため、特に本方法を実装するハードウェア構成については、１次評価までを高速なフィルタ処理が可能なＤＳＰ（digital signal Processor）等で設計し、１次評価以降２次評価までを汎用性に優れたＲＩＳＣ（Reduced Instruction Set Computer）プロセッサで設計することにより効率的な処理が可能となる。
【０１２８】
図８には、本実施の形態に適用される装置の機能構成が模式的に示される。図８では画像データ入力部１と、後処理と２次評価および評価対象となる画像処理アルゴリズムの作成を行なうＲＩＳＣ画像処理装置２Ａと、作業者に各種情報を提示するための表示部３と、主に前処理と１次評価を行なうＤＳＰ画像処理装置４から構成される。
【０１２９】
ＤＳＰ画像処理装置４は、画像データ変換部２３、１次評価部２４、１次評価基準画像データ１２を格納するメモリである格納部１２ａ、棄却判定部２５、変換後画像データ保存処理部２６および１つ以上の変換後画像データ１３を格納するメモリである格納部１３ａより構成される。ＤＳＰ画像処理装置４は、ＲＩＳＣ画像処理装置２Ａにおける画像処理アルゴリズム生成・調整部２２より、評価対象となる画像処理アルゴリズムを図示されない通信機能によって受信して、これらの画像処理アルゴリズムのうち１次評価値が基準を満たすものについてのみ、その変換後画像データ１３をＲＩＳＣ画像処理装置２Ａの特徴量算出部２７に送信する。
【０１３０】
図８の機能構成を用いた画像処理アルゴリズムを評価と生成の処理手順を図９を参照して説明する。
【０１３１】
図９において、図１または図６と同一符号を付した処理は図１または図６で説明した内容と同等であるから詳細は略す。図９では、ＳＴＥＰ１ａまたはＳＴＥＰ１４ａで生成された複数の画像処理アルゴリズムそれぞれについてＳＴＥＰ３とＳＴＥＰ４からなる１次評価のルーチンＳｊ（ｊ＝１，２，３…，Ｎ）が並行して実行される。また、１次評価の結果に基づく複数の画像処理アルゴリズムそれぞれについてＳＴＥＰ７〜ＳＴＥＰ１０からなる２次評価のルーチンＴｋ（ｋ＝１，２，３…，Ｍ）が並行して実行される。
【０１３２】
処理においては、ルーチンＳｊによる１次評価の後、ＳＴＥＰ５ｃでは、各ルーチンＳｊにて１次評価されたＮ個の画像処理アルゴリズムのうち、たとえば１次評価値が最小である画像処理アルゴリズムは棄却するという予め設定された棄却条件、またはＮ個の画像処理アルゴリズムのうち１次評価値が小さい方のｎ個を棄却するとういう棄却率に従い画像処理アルゴリズムが棄却されて、ＳＴＥＰ６では最大の１次評価値を有する画像処理アルゴリズムの変換後画像データ１３は格納される。ここでは、ＳＴＥＰ５ｃにて実施される棄却処理の棄却条件または棄却率は、前処理を含むルーチンＳｊの処理能力および後処理を含むルーチンＴｋの処理能力によって作業者がキーボード３５０を操作して所望するように設定することが可能である。
【０１３３】
図９の処理を実行する環境は、図８の機能構成に制限されるものではなく、たとえばルーチンＳｊまたはＴｋを１つのプロセッサ等で時分割に実行するようにしてもよく、２つ以上のプロセッサにより並列に実行してもよく、また、これらを組合わせて実行してもよい。
【０１３４】
本実施の形態では、図９のＳＴＥＰ５ｃで設定する棄却率（所定基準値）に応じて、前処理と後処理のプロセッサの処理能力の配分を動的に変更することも可能であり、効率的な画像処理アルゴリズムの生成が可能となる。
【０１３５】
（実施の形態４）
上述の各実施の形態では、２次評価が完了した後に抽出対象と非抽出対象の分離度を高くする画像処理アルゴリズムの画像処理モジュールの組合せやパラメータ値を変更させることにより、次の評価対象となる複数の画像処理アルゴリズムを作成していたが、評価対象となる画像処理アルゴリズムの作成のタイミングはこれに限定されない。
【０１３６】
たとえば、本実施の形態のように、１次評価が完了した時点で、１次評価値が大きい画像処理アルゴリズムの画像処理モジュール４２の組合せやパラメータ値４３を変更させることにより次の１次評価の対象となる複数の画像処理アルゴリズムを作成してもよい。このようにした場合には、１次評価の段階で十分に最適化した画像処理アルゴリズムのみを以降の２次評価の処理に渡すことが可能となる。
【０１３７】
図１０に本実施の形態の処理フローを示す。図１０と図９を参照して異なる点は、ＳＴＥＰ５とＳＴＥＰ６との間においてＳＴＥＰ５ａと５ｂの処理が設けられた点にある。その他の処理は図９で説明したものと同様である。
【０１３８】
図１０ではＳＴＥＰ１ａで生成された複数の画像処理アルゴリズムについて、ＳＴＥＰ２で選択された学習用画像データセット３５を共用して、１次評価のルーチンＳｊが実行される。１次評価処理後のＳＴＥＰ５では、各ルーチンＳｊの１次評価値に基づき、評価対象から外される画像処理アルゴリズムが決定されて棄却される。
【０１３９】
次のＳＴＥＰ５ａでは、１次評価処理を終了するか否か判断される。一般的には１次評価処理の終了の判断では、各ルーチンＳｊから出力される１次評価値の全てが、または１つ以上が所定の基準値を満たす場合、もしくは処理開始から所定の時間を経た場合には、１次評価処理を終了と判断する。ここでは、前処理に割当てられた演算処理能力に対して後処理に割当てられた演算処理能力が十分に小さい場合は、ＳＴＥＰ５ａでの１次評価の終了判断について参照される基準値を高くする、もしくは所定時間を長くすることによって、前処理の段階で十分に最良の画像処理アルゴリズムの候補を絞ることが可能となり、効率的な画像処理アルゴリズムの生成が可能となる。
【０１４０】
ＳＴＥＰ５ａにおいて終了と判断されると、ＳＴＥＰ６以降の２次評価の処理が同様に行なわれる。この２次評価の処理は図９で説明したものと同じなので説明は略す。一方、終了ではないと判断されるとＳＴＥＰ５ｂの処理に移行する。
【０１４１】
ＳＴＥＰ５ｂでは、１次評価値が大きい画像処理アルゴリズムの画像処理モジュール４２の組合せやパラメータ値４３を、アルゴリズム生成・調整用データ４４を参照して変更することにより、次の１次評価の対象となる複数の画像処理アルゴリズムを作成する。そして、作成された複数の画像処理アルゴリズムについて１次評価のルーチンＳｊが実行される。
【０１４２】
本実施の形態では、１次評価の処理は、ＳＴＥＰ５ａにおいて１次評価処理を終了すると判断されるまで、前回の１次評価結果に基づく新たな画像処理アルゴリズムを作成し、作成した新たな複数の画像処理アルゴリズムについて今回の１次評価を実行し、その評価結果に基づき、次回の１次評価を実行するとの処理が繰返されるので、前処理の段階で十分に最良の画像処理アルゴリズムの候補を絞ることが可能となる。
【０１４３】
図１１には、図１０の処理フローを実行するための機能構成が模式的に示される。図１１において、画像処理アルゴリズム評価と生成の装置は、画像データ入力部１と、後処理と２次評価および評価対象となるアルゴリズムの生成を行なうＲＩＳＣ画像処理装置２Ａと、作業者に各種情報を提示するための表示部３と、複数のＤＳＰを有して主に前処理と１次評価を行なうＤＳＰ画像処理装置４Ａから構成される。ＤＳＰ画像処理装置４ＡはＤＳＰの数に応じた個数の画像データ変換部２３と１次評価部２４をそれぞれ有する。ＤＳＰ画像処理装置４ＡとＲＩＳＣ画像処理装置２Ａとの処理能力の差に応じて、ＳＴＥＰ５ａの処理を実行する１次評価完了判断部４１が参照する完了判断基準を設定することが可能である。ＳＴＥＰ５ｂの複数の画像処理アルゴリズムの生成は、画像処理アルゴリズム調整部４２によりアルゴリズム生成・調整用データ４４を参照して実行される。
【０１４４】
なお、図１０に示す処理フローを実行するための環境は、図１１に示された構成に限定されない。
【０１４５】
本実施の形態でも、図１０のＳＴＥＰ１２において、２次評価での評価値が高い画像処理アルゴリズムの２次評価結果に基づいて１次評価の基準（１次評価基準画像データ１２）を変更しているので、１次評価に関する処理と２次評価に関する処理について独立して最適化を進めていっても１次評価の基準と２次評価の基準の評価軸が異なることはなく、高い分離度を達成する画像処理アルゴリズムの生成が可能になる。
【０１４６】
上述の各実施の形態の画像処理アルゴリズム評価方法および装置、画像処理アルゴリズムの生成方法および装置は、抽出対象部を製品の欠陥部とすれば製品検査用の画像処理アルゴリズムに適用することができるが、適用対象は欠陥検査に限定されない。つまり、画像データからなんらかの注目の部分画像を抽出する、または、多数の画像サンプルの中か
ら注目の部分画像を含む画像を抽出する場合などに適用することが可能である。
【０１４７】
また、適用される画像データについても、たとえば１次元信号等への適用についても同様の効果を発揮する。
【０１４８】
上述の実施の形態においては、画像処理アルゴリズムの評価を１次評価と２次評価の２段階とし、画像処理アルゴリズムによる変換処理を実施後に１次評価を行い、１次評価終了後に特徴量抽出などの複雑な処理を実施した後に２次評価を行なう方法を実装するハードウェア構成については、１次評価までを高速なフィルタ処理が可能なＤＳＰ等で設計し、１次評価以降２次評価までを汎用性に優れたＲＩＳＣプロセッサで設計するので、処理の高速化が可能となる。特に、ＤＳＰにて前処理段階で１次評価基準に基づいて画像処理アルゴリズムを最適化し、さらに複数個のＤＳＰを用いて多数の画像処理アルゴリズムを十分に１次評価した後に、厳選された画像処理アルゴリズムのみをＲＩＳＣプロセッサにて実施される次の工程に適用することにより、十分に高速な画像処理アルゴリズムの生成が可能となる。ここで、２次評価での評価結果が高い画像処理アルゴリズムの１次評価結果に基づいて１次評価の基準を変更することにより、ＤＳＰにより独立して最適化を進めていっても１次評価の基準と２次評価の基準の評価軸が異なることはなく、高い分離度を達成する画像処理アルゴリズムの生成が可能になる。
【０１４９】
（実施の形態５）
上述の各実施の形態では、処理対象となる原画像データ３６はメモリ３２４に予め学習用画像データセット３５として格納されているとしたが、処理が実行される都度、外部から入力するようにしてもよい。つまり、図３の構成では、通信ネットワーク１０９を介して外部と各種の情報を送受信できるので、受信する情報に処理対象となる原画像データ３６または基準画像データ３７が含まれるようにしてもよい。また、原画像データ３６は、たとえば外部のカメラによって撮影された画像のデータであってもよい。
【０１５０】
上述の各実施形態で示した機能を実現するプログラムコードなどのデータを記録した記録媒体としては、図３に示されているコンピュータで処理が行なわれるために必要なメモリ、たとえばメモリ３２４のようなそのものがプログラムメディアであってもよいし、また外部記憶装置として図示のない磁気テープ装置およびＣＤ−ＲＯＭ駆動装置３４０などのプログラム読取装置が設けられ、そこに記録媒体である図示のない磁気テープまたはＣＤ−ＲＯＭ３４２が挿入されることで読取可能なプログラムメディアであってもよい。いずれの場合においても、格納されているプログラムはＣＰＵ３１２がアクセスして実行させる構成であってもよいし、あるいはいずれの場合もプログラムが一旦記録媒体から読出されて、読出されたプログラムは、図３のコンピュータの所定のプログラム記憶エリア、たとえばメモリ３２４のプログラム記憶エリアにロードされて、ＣＰＵ３１２により読出されて実行される方式であってもよい。このロード用のプログラムは、予め当該コンピュータに格納されているものとする。
【０１５１】
ここで、上述したプログラムメディアはコンピュータ本体と分離可能に構成される記録媒体であり、固定的にプログラムを担持する媒体であってよい。たとえば、磁気テープやカセットテープなどのテープ系、ＦＤ３３２や固定ディスク３２６などの磁気ディスクやＣＤ−ＲＯＭ３４２／ＭＯ（Magnetic Optical Disc）／ＭＤ（Mini Disc）／ＤＶＤ
（Digital Versatile Disc）などの光ディスクのディスク系、ＩＣカード（メモリカードを含む）／光カードなどのカード系、あるいはマスクＲＯＭ、ＥＰＲＯＭ（Erasable and Programmable ＲＯＭ）、ＥＥＰＲＯＭ(Electrically ＥＰＲＯＭ)、フラッシュ
ＲＯＭなどによる半導体メモリが適用可能であろう。
【０１５２】
また、本実施の形態においては、コンピュータはインターネットを含む通信ネットワー
ク１０９と通信インターフェイス３８０を介して接続可能な構成が採用されているから、通信ネットワーク１０９からプログラムがダウンロードされてもよい。なお、このように通信ネットワーク１０９からプログラムがダウンロードされる場合には、ダウンロード用プログラムは予め当該コンピュータ本体に格納しておくか、あるいは別の記録媒体から予め当該コンピュータ本体にインストールされる。
【０１５３】
なお記録媒体に格納されている内容としてはプログラムに限定されず、データであってもよい。
【０１５４】
また、コンピュータがこれら記録媒体から読出したプログラムコードを実行することにより、図１と図２に示す機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行ない、その処理によってこれらの機能が実現されることは言うまでもない。
【０１５５】
さらに、記録媒体から読出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行ない、その処理によって上述した機能が実現される場合も含まれることは言うまでもない。
【０１５６】
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
【図面の簡単な説明】
【０１５７】
【図１】実施の形態１に係る処理フローチャートである。
【図２】実施の形態１に係る装置の機能構成図である。
【図３】各実施の形態に係る装置が搭載されるコンピュータの構成図である。
【図４】（Ａ）〜（Ｃ）は、各実施の形態に係る画像処理モジュールの組合せの変更を説明する図である。
【図５】実施の形態１に係る学習用画像データセットへの画像処理アルゴリズム評価方法の適用について説明する図である。
【図６】実施の形態２に係る処理フローチャートである。
【図７】図６の手順を実際の学習用画像データセットに適用したケースを説明する図である。
【図８】実施の形態３に係る装置の機能構成図である。
【図９】実施の形態３に係る処理フローチャートである。
【図１０】実施の形態４に係る処理フローチャートである。
【図１１】実施の形態４に係る装置の機能構成図である。
【符号の説明】
【０１５８】
１２ １次評価基準データ、１３ 変換後画像データ、１４ 画像処理アルゴリズムデータ、２１ 抽出対象情報設定部、２２ 画像処理アルゴリズム生成・調整部、２３ 画像データ変換部、２４ １次評価部、２５ 棄却判定部、２６ 変換後画像データ保存処理部、２７ 特徴量算出部、２８ 分類部、２９ 分離度算出部、３０ ２次評価部、３１ 画像処理アルゴリズム保存処理部、３２ １次評価基準変更部、３３ 画像処理アルゴリズム生成完了判断部、３４ 学習用画像データ保存部、３５ 学習用画像データセット、３６ 原画像データ、３７ 基準画像データ、４４ アルゴリズム生成・調整用デー
タ。
【特許請求の範囲】
【請求項１】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記処理対象となる画像から抽出する画像処理アルゴリズムについて、前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いて評価する方法であって、
前記処理対象画像データに対して前記画像処理アルゴリズムの変換処理を実施する変換工程と、
前記変換工程を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報に基づいて前記変換処理の能力を評価する１次評価工程と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出工程と、
前記所定情報に基づき前記特徴量算出工程により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類工程と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度と前記１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価工程と、を備える、画像処理アルゴリズム評価方法。
【請求項２】
前記１次評価工程での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程を、さらに備える、請求項１に記載の画像処理アルゴリズム評価方法。
【請求項３】
前記２次評価工程の評価結果に基づいて前記１次評価工程の前記評価基準を変更する１次評価基準変更工程を、さらに備える、請求項１または２に記載の画像処理アルゴリズム評価方法。
【請求項４】
前記所定情報を有する画像データは、
前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部とそれ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む、請求項１から３のいずれか１項に記載の画像処理アルゴリズム評価方法。
【請求項５】
前記１次評価工程では、
前記１次評価基準画像データと前記変換後画像データを比較することにより評価する、請求項４に記載の画像処理アルゴリズム評価方法。
【請求項６】
前記１次評価基準変更工程では、
前記２次評価工程において評価が終了した前記画像処理アルゴリズムによって変換された前記変換後画像データを用いて前記１次評価基準画像データを変更する、請求項４または５に記載の画像処理アルゴリズム評価方法。
【請求項７】
前記１次評価基準変更工程では、
前記２次評価工程において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを前記１次評価基準画像データに置き換える、請求項６に記載の画像処理アルゴリズム評価方法。
【請求項８】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記
処理対象画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いた評価に基づいて前記画像処理アルゴリズムを生成する方法であって、
前記処理対象の画像データに対して、入力する前記画像処理アルゴリズムの変換処理を実施する変換工程と、
前記変換工程を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報とに基づいて前記変換処理の能力を評価する１次評価工程と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出工程と、
前記所定情報に基づき前記特徴量算出工程により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類工程と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度と前記１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価工程と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、
前記完了判断工程により完了していないと判断されると、前記１次評価工程および前記２次評価工程の少なくとも一方により出力された評価結果に基づいて、前記画像処理アルゴリズムの要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した前記画像処理アルゴリズムを前記変換工程に出力する調整工程と、を備える、画像処理アルゴリズム生成方法。
【請求項９】
前記１次評価工程での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程をさらに備える、請求項８に記載の画像処理アルゴリズム生成方法。
【請求項１０】
前記棄却工程では、
前記棄却工程以降の処理能力に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない、請求項９に記載の画像処理アルゴリズム生成方法。
【請求項１１】
前記棄却工程では、
前記１次評価工程による評価結果と前記２次評価工程による評価結果との相関状態に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない、請求項９に記載の画像処理アルゴリズム生成方法。
【請求項１２】
前記２次評価工程の評価結果に基づいて前記１次評価工程の評価基準を変更する1次評価基準変更工程をさらに備える、請求項８から１１のいずれか１項に記載の画像処理アルゴリズム生成方法。
【請求項１３】
前記所定情報を有する画像データは、
前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部とそれ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む、請求項８から１２のいずれか１項に記載の画像処理アルゴリズム生成方法。
【請求項１４】
前記１次評価工程では、
前記１次評価基準画像データと変換後画像データを比較することにより評価する、請求項１３に記載の画像処理アルゴリズム生成方法。
【請求項１５】
前記１次評価基準変更工程では、
前記２次評価工程において評価が終了した画像処理アルゴリズムによって変換された変換後画像データを用いて前記１次評価基準画像データを変更すること、を特徴とする請求項１３または１４に記載の画像処理アルゴリズム生成方法。
【請求項１６】
前記１次評価基準変更工程では、
前記２次評価工程において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを前記１次評価基準画像データに置き換えること、を特徴とする請求項１５に記載の画像処理アルゴリズム生成方法。
【請求項１７】
請求項１から７のいずれか１項に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラム。
【請求項１８】
請求項１から７のいずれか１項に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
【請求項１９】
請求項８から１６のいずれか１項に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラム。
【請求項２０】
請求項８から１６のいずれか１項に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
【請求項２１】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記処理対象となる画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いた評価に基づいて前記画像処理アルゴリズムを生成する装置であって、
前記処理対象画像の画像データに対して、入力する前記画像処理アルゴリズムの変換処理を実施する変換手段と、
前記変換手段を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報とに基づいて前記変換処理の能力を評価する１次評価手段と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出手段と、
前記所定情報に基づき前記特徴量算出手段により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類手段と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度と前記１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価手段と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断手段と、
前記完了判断手段により完了していないと判断されると、前記１次評価手段および前記２次評価手段の少なくとも一方により出力された評価結果に基づいて前記画像処理アルゴリズムの要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した前記画像処理アルゴリズムを前記変換手段に出力する調整手段と、を備える、画像処理アルゴリズム生成装置。
【請求項２２】
前記１次評価手段での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを
棄却する棄却手段をさらに備える、請求項２１に記載の画像処理アルゴリズム生成装置。
【請求項２３】
前記棄却手段では、
前記棄却手段以降の処理能力に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の手段での処理を実施しない、請求項２２に記載の画像処理アルゴリズム生成装置。
【請求項２４】
前記棄却手段では、
前記棄却手段による評価結果と前記２次評価手段による評価結果との相関状態に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の手段での処理を実施しない、請求項２２に記載の画像処理アルゴリズム生成装置。
【請求項２５】
前記２次評価手段の評価結果に基づいて前記１次評価手段の評価基準を変更する1次評価基準変更手段をさらに備える、請求項２１から２４のいずれか１項に記載の画像処理アルゴリズム生成装置。
【請求項２６】
前記変換手段と、前記特徴量算出手段、前記分類手段および前記分離度算出手段からなる一連の手段とを２つ以上備え、２つ以上の画像処理アルゴリズムの評価を並列処理する、請求項２１から２５のいずれか１項に記載の画像処理アルゴリズム生成装置。
【請求項２７】
前記１次評価手段により出力された評価結果に基づいて１次評価が完了したか否か判断をする１次完了判断手段と、
前記１次評価完了判断手段により完了していないと判断されたとき、前記１次評価手段により出力された評価結果に基づいて前記画像処理アルゴリズムの任意の要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した前記画像処理アルゴリズムを前記変換手段に出力する１次調整手段と、をさらに備える、請求項２６に記載の画像処理アルゴリズム生成装置。
【請求項２８】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記処理対象となる画像から抽出する画像処理アルゴリズムについて、前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いて評価する装置であって、
前記処理対象画像データに対して前記画像処理アルゴリズムの変換処理を実施する変換手段と、
前記変換手段を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報に基づいて前記変換処理の能力を評価する１次評価手段と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出手段と、
前記所定情報に基づき前記特徴量算出手段により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類手段と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度と前記１次評価手段の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価手段と、を備える、画像処理アルゴリズム評価装置。
【請求項２９】
前記１次評価手段での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを
棄却する棄却手段を、さらに備える、請求項２８に記載の画像処理アルゴリズム評価装置。
【請求項３０】
前記２次評価手段の評価結果に基づいて前記１次評価手段の前記評価基準を変更する１次評価基準変更手段を、さらに備える、請求項２８または２９に記載の画像処理アルゴリズム評価装置。
【請求項３１】
前記所定情報を有する画像データは、
前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部とそれ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む、請求項２８から３０のいずれか１項に記載の画像処理アルゴリズム評価装置。
【請求項３２】
前記１次評価手段では、
前記１次評価基準画像データと前記変換後画像データを比較することにより評価する、請求項３１に記載の画像処理アルゴリズム評価装置。
【請求項３３】
前記１次評価基準変更手段では、
前記２次評価手段において評価が終了した前記画像処理アルゴリズムによって変換された前記変換後画像データを用いて前記１次評価基準画像データを変更する、請求項３１または３２に記載の画像処理アルゴリズム評価装置。
【請求項３４】
前記１次評価基準変更手段では、
前記２次評価手段において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを前記１次評価基準画像データに置き換える、請求項３３に記載の画像処理アルゴリズム評価装置。
【請求項１】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記処理対象となる画像から抽出する画像処理アルゴリズムについて、前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いて評価する方法であって、
前記処理対象画像データに対して前記画像処理アルゴリズムの変換処理を実施する変換工程と、
前記変換工程を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報に基づいて前記変換処理の能力を評価する１次評価工程と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出工程と、
前記所定情報に基づき前記特徴量算出工程により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類工程と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度と前記１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価工程と、を備える、画像処理アルゴリズム評価方法。
【請求項２】
前記１次評価工程での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程を、さらに備える、請求項１に記載の画像処理アルゴリズム評価方法。
【請求項３】
前記２次評価工程の評価結果に基づいて前記１次評価工程の前記評価基準を変更する１次評価基準変更工程を、さらに備える、請求項１または２に記載の画像処理アルゴリズム評価方法。
【請求項４】
前記所定情報を有する画像データは、
前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部とそれ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む、請求項１から３のいずれか１項に記載の画像処理アルゴリズム評価方法。
【請求項５】
前記１次評価工程では、
前記１次評価基準画像データと前記変換後画像データを比較することにより評価する、請求項４に記載の画像処理アルゴリズム評価方法。
【請求項６】
前記１次評価基準変更工程では、
前記２次評価工程において評価が終了した前記画像処理アルゴリズムによって変換された前記変換後画像データを用いて前記１次評価基準画像データを変更する、請求項４または５に記載の画像処理アルゴリズム評価方法。
【請求項７】
前記１次評価基準変更工程では、
前記２次評価工程において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを前記１次評価基準画像データに置き換える、請求項６に記載の画像処理アルゴリズム評価方法。
【請求項８】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記
処理対象画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いた評価に基づいて前記画像処理アルゴリズムを生成する方法であって、
前記処理対象の画像データに対して、入力する前記画像処理アルゴリズムの変換処理を実施する変換工程と、
前記変換工程を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報とに基づいて前記変換処理の能力を評価する１次評価工程と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出工程と、
前記所定情報に基づき前記特徴量算出工程により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類工程と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度と前記１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価工程と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、
前記完了判断工程により完了していないと判断されると、前記１次評価工程および前記２次評価工程の少なくとも一方により出力された評価結果に基づいて、前記画像処理アルゴリズムの要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した前記画像処理アルゴリズムを前記変換工程に出力する調整工程と、を備える、画像処理アルゴリズム生成方法。
【請求項９】
前記１次評価工程での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを棄却する棄却工程をさらに備える、請求項８に記載の画像処理アルゴリズム生成方法。
【請求項１０】
前記棄却工程では、
前記棄却工程以降の処理能力に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない、請求項９に記載の画像処理アルゴリズム生成方法。
【請求項１１】
前記棄却工程では、
前記１次評価工程による評価結果と前記２次評価工程による評価結果との相関状態に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の工程での処理を実施しない、請求項９に記載の画像処理アルゴリズム生成方法。
【請求項１２】
前記２次評価工程の評価結果に基づいて前記１次評価工程の評価基準を変更する1次評価基準変更工程をさらに備える、請求項８から１１のいずれか１項に記載の画像処理アルゴリズム生成方法。
【請求項１３】
前記所定情報を有する画像データは、
前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部とそれ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む、請求項８から１２のいずれか１項に記載の画像処理アルゴリズム生成方法。
【請求項１４】
前記１次評価工程では、
前記１次評価基準画像データと変換後画像データを比較することにより評価する、請求項１３に記載の画像処理アルゴリズム生成方法。
【請求項１５】
前記１次評価基準変更工程では、
前記２次評価工程において評価が終了した画像処理アルゴリズムによって変換された変換後画像データを用いて前記１次評価基準画像データを変更すること、を特徴とする請求項１３または１４に記載の画像処理アルゴリズム生成方法。
【請求項１６】
前記１次評価基準変更工程では、
前記２次評価工程において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを前記１次評価基準画像データに置き換えること、を特徴とする請求項１５に記載の画像処理アルゴリズム生成方法。
【請求項１７】
請求項１から７のいずれか１項に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラム。
【請求項１８】
請求項１から７のいずれか１項に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
【請求項１９】
請求項８から１６のいずれか１項に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラム。
【請求項２０】
請求項８から１６のいずれか１項に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
【請求項２１】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記処理対象となる画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いた評価に基づいて前記画像処理アルゴリズムを生成する装置であって、
前記処理対象画像の画像データに対して、入力する前記画像処理アルゴリズムの変換処理を実施する変換手段と、
前記変換手段を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報とに基づいて前記変換処理の能力を評価する１次評価手段と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出手段と、
前記所定情報に基づき前記特徴量算出手段により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類手段と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度と前記１次評価工程の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価手段と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断手段と、
前記完了判断手段により完了していないと判断されると、前記１次評価手段および前記２次評価手段の少なくとも一方により出力された評価結果に基づいて前記画像処理アルゴリズムの要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した前記画像処理アルゴリズムを前記変換手段に出力する調整手段と、を備える、画像処理アルゴリズム生成装置。
【請求項２２】
前記１次評価手段での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを
棄却する棄却手段をさらに備える、請求項２１に記載の画像処理アルゴリズム生成装置。
【請求項２３】
前記棄却手段では、
前記棄却手段以降の処理能力に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の手段での処理を実施しない、請求項２２に記載の画像処理アルゴリズム生成装置。
【請求項２４】
前記棄却手段では、
前記棄却手段による評価結果と前記２次評価手段による評価結果との相関状態に基づいて決定される棄却率に応じて画像処理アルゴリズムを棄却することにより当該画像処理アルゴリズムのみ以降の手段での処理を実施しない、請求項２２に記載の画像処理アルゴリズム生成装置。
【請求項２５】
前記２次評価手段の評価結果に基づいて前記１次評価手段の評価基準を変更する1次評価基準変更手段をさらに備える、請求項２１から２４のいずれか１項に記載の画像処理アルゴリズム生成装置。
【請求項２６】
前記変換手段と、前記特徴量算出手段、前記分類手段および前記分離度算出手段からなる一連の手段とを２つ以上備え、２つ以上の画像処理アルゴリズムの評価を並列処理する、請求項２１から２５のいずれか１項に記載の画像処理アルゴリズム生成装置。
【請求項２７】
前記１次評価手段により出力された評価結果に基づいて１次評価が完了したか否か判断をする１次完了判断手段と、
前記１次評価完了判断手段により完了していないと判断されたとき、前記１次評価手段により出力された評価結果に基づいて前記画像処理アルゴリズムの任意の要素を変更することにより１つ以上の画像処理アルゴリズムを作成し、作成した前記画像処理アルゴリズムを前記変換手段に出力する１次調整手段と、をさらに備える、請求項２６に記載の画像処理アルゴリズム生成装置。
【請求項２８】
処理対象画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の欠陥候補部に関して算出した特徴量を用いて１つ以上の真欠陥部を前記処理対象となる画像から抽出する画像処理アルゴリズムについて、前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部に関する所定情報を有する画像データを用いて評価する装置であって、
前記処理対象画像データに対して前記画像処理アルゴリズムの変換処理を実施する変換手段と、
前記変換手段を適用することにより得られる処理可能なように変換された変換後画像データと前記所定情報に基づいて前記変換処理の能力を評価する１次評価手段と、
前記処理対象画像の複数の欠陥候補部それぞれの１種類以上の特徴量を算出する特徴量算出手段と、
前記所定情報に基づき前記特徴量算出手段により前記特徴量が算出された前記複数の欠陥候補部を前記真欠陥部と残りを擬似欠陥部に分類する分類手段と、
前記真欠陥部の前記１種類以上の特徴量の群と前記擬似欠陥部の前記１種類以上の特徴量の群との、前記１種類以上の特徴量により規定される特徴空間における分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度と前記１次評価手段の評価結果の少なくとも一方に基づいて前記画像処理アルゴリズムの性能を評価する２次評価手段と、を備える、画像処理アルゴリズム評価装置。
【請求項２９】
前記１次評価手段での評価結果に基づいて評価基準に満たない画像処理アルゴリズムを
棄却する棄却手段を、さらに備える、請求項２８に記載の画像処理アルゴリズム評価装置。
【請求項３０】
前記２次評価手段の評価結果に基づいて前記１次評価手段の前記評価基準を変更する１次評価基準変更手段を、さらに備える、請求項２８または２９に記載の画像処理アルゴリズム評価装置。
【請求項３１】
前記所定情報を有する画像データは、
前記処理対象画像に含まれる抽出すべき前記１つ以上の真欠陥部とそれ以外の擬似欠陥部を異なる濃度値で表現した１次評価基準画像データを含む、請求項２８から３０のいずれか１項に記載の画像処理アルゴリズム評価装置。
【請求項３２】
前記１次評価手段では、
前記１次評価基準画像データと前記変換後画像データを比較することにより評価する、請求項３１に記載の画像処理アルゴリズム評価装置。
【請求項３３】
前記１次評価基準変更手段では、
前記２次評価手段において評価が終了した前記画像処理アルゴリズムによって変換された前記変換後画像データを用いて前記１次評価基準画像データを変更する、請求項３１または３２に記載の画像処理アルゴリズム評価装置。
【請求項３４】
前記１次評価基準変更手段では、
前記２次評価手段において最良の評価を得る画像処理アルゴリズムによって変換された変換後画像データを前記１次評価基準画像データに置き換える、請求項３３に記載の画像処理アルゴリズム評価装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２００７−２００２４６（Ｐ２００７−２００２４６Ａ）
【公開日】平成１９年８月９日（２００７．８．９）
【国際特許分類】
【出願番号】特願２００６−２１１２１（Ｐ２００６−２１１２１）
【出願日】平成１８年１月３０日（２００６．１．３０）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
【公開日】平成１９年８月９日（２００７．８．９）
【国際特許分類】
【出願日】平成１８年１月３０日（２００６．１．３０）
【出願人】（０００００５０４９）シャープ株式会社 (33,933)
【Ｆターム（参考）】
[ Back to top ]