画像解析方法及び画像解析装置
【課題】対象物を効果的に識別する。
【解決手段】模様領域Ａ２の単位領域Ａ３について複数手法で特徴量を求め、抽出領域Ａ４の各単位領域Ａ５について同様に特徴量を求め、これらについて手法ごとに重み付けをして合成された一致度を求め、合成された一致度の値から抽出領域の各単位領域が識別対象か背景かを判定し、当該判定に従って識別対象と背景の境界線を求め、撮像画像における実際の境界線上の位置と判定により取得された境界線との誤差を求め、当該誤差が十分に小さくなるように重み付けのパターンを逐次変更しつ好適化を図り、好適化された重み付けパターンに従って撮像画像から識別対象を識別する。
【解決手段】模様領域Ａ２の単位領域Ａ３について複数手法で特徴量を求め、抽出領域Ａ４の各単位領域Ａ５について同様に特徴量を求め、これらについて手法ごとに重み付けをして合成された一致度を求め、合成された一致度の値から抽出領域の各単位領域が識別対象か背景かを判定し、当該判定に従って識別対象と背景の境界線を求め、撮像画像における実際の境界線上の位置と判定により取得された境界線との誤差を求め、当該誤差が十分に小さくなるように重み付けのパターンを逐次変更しつ好適化を図り、好適化された重み付けパターンに従って撮像画像から識別対象を識別する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、対象物を識別するための画像解析方法及び画像解析装置に関する。
【背景技術】
【０００２】
撮像画像の各画素について輝度値が定められてなる撮像画像データから、識別対象物の識別を行う方法としては、撮像画像データに基づく輝度勾配情報から識別対象物の輪郭線を得る方法や、画像データに基づく濃淡画像から対象物のエッジ情報を抽出し、エッジ点列による対象物の抽出及び位置検出を行う方法などが知られている（例えば、特許文献１及び２）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開平９−１７１５５３号公報
【特許文献２】特許２９８１３８２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記特許文献１に示す輝度勾配に基づいて輪郭線を取得する方法では、対象物と背景との間に十分な輝度勾配が得られるような輝度差が生じていなければ明瞭な輪郭線を得ることができず、対象物と背景とに十分な明度の差がなければ識別することができないという問題があった。
また、特許文献２に示す先行技術の場合には、対象物からエッジ情報が得られることを前提としており、対象物と背景とに十分な明度の差がなければ十分なエッジ情報が得られず、識別が困難となるという問題があった。
【０００５】
本発明は、安定して対象物の識別を可能とすることをその目的とする。
【課題を解決するための手段】
【０００６】
請求項１記載の発明は、表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置が行う画像解析方法であって、前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得工程と、前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得工程と、前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得工程と、前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定工程と、前記判別工程で識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得工程と、予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得工程で取得された境界線との誤差を検出する誤差検出工程と、を備え、前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得工程、判定工程、境界線取得工程及び誤差検出工程を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別することを特徴とする。
【０００７】
請求項２記載の発明は、請求項１記載の発明と同様の構成を備えると共に、前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする。
【０００８】
請求項３記載の発明は、表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置であって、前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得手段と、前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得手段と、前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得手段と、前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定手段と、前記判別手段により識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得手段と、予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得手段で取得された境界線との誤差を検出する誤差検出手段と、を備え、前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得手段により一致度の取得、前記判定手段により判定、前記境界線取得手段よる前記境界線の取得及び誤差検出手段による誤差検出を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別する。
【０００９】
請求項４記載の発明は、請求項３記載の発明と同様の構成を備えると共に、前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする。
【発明の効果】
【００１０】
請求項１及び３記載の発明は、撮像画像データ中の識別対象物の模様領域から複数の手法により特徴量を取得し且つ合成し、特徴量が一致する単位領域から識別対象の背景との境界線を求め、実際の境界位置との誤差が小さくなるようにリトライを繰り返すことで特徴量の一致度に関する重み付けパターンを特定する。このため、識別対象の固有の模様に基づく特徴量から対象物を識別することとなり、背景との明度差の有無にかかわらず、効果的に識別対象を識別することが可能となる。
また、テクスチャ模様に関する複数の手法に関する重み付けの好適なパターンを特定するので、手法の識別精度の偏りの影響を排除し、より正確な識別を実現することが可能となる。
【００１１】
請求項２及び４記載の発明は、テクスチャ模様の特徴量を得るための手法として確立されている同時生起行列の１４の特徴量の算出方法を用いるので、種々の模様の識別対象をより効果的に識別することが可能となる。
【図面の簡単な説明】
【００１２】
【図１】本実施の形態に係る電子部品実装装置の全体を示す平面図である。
【図２】電子部品実装装置の制御系を示すブロック図である。
【図３】画像解析装置の機能ブロック図である。
【図４】学習データ作成処理のフローチャートである。
【図５】撮像画像データの撮像画像内に設定される各種の領域を示す説明図である。
【図６】図６（Ａ）は模様領域と単位領域との関係を示す説明図、図６（Ｂ）は抽出領域と単位領域との関係を示す説明図である。
【図７】図７（Ａ）は単位領域の各画素における輝度値の例を示した説明図、図７（Ｂ）は同時生起行列における変位の概念を示す説明図、図７（Ｃ）は同時生起行列を示す説明図である。
【図８】模様領域の特徴量の正規分布を示す線図である。
【図９】特徴量の誤差と一致度との関係を示す線図である。
【図１０】各単位領域が半田か否かを示した説明図である。
【図１１】実際の輪郭線と生成輪郭線とを重ねて図示した説明図である。
【図１２】実際の搭載動作時の撮像画像の例を示す説明図である。
【発明を実施するための形態】
【００１３】
（実施形態の全体構成）
本発明の実施形態について、図１乃至図１２に基づいて説明する。本実施形態は、撮像画像内で特定のテクスチャからなる識別対象物を背景と識別するための画像解析装置１０が電子部品搭載装置１００に適用され、電子部品の搭載位置である半田パターンを識別対象物として識別する目的に利用される場合の例を示している。
【００１４】
（電子部品実装装置）
電子部品搭載装置１００は、基板に各種の電子部品の搭載を行うものであって、電子部品の搭載手段として、図１に示すように、搭載される電子部品を供給する複数の電子部品フィーダー１０１と、電子部品フィーダー１０１を複数並べて保持する電子部品供給部としてのフィーダーバンク１０２と、一定方向に基板を搬送する基板搬送手段１０３と、当該基板搬送手段１０３による基板搬送経路の途中に設けられた基板に対する電子部品搭載作業を行うための搭載作業部１０４と、電子部品を吸着する吸着ノズル１０５を保持して電子部品の保持を行う部品保持手段としてのヘッド１０６と、ヘッド１０６を所定範囲内の任意の位置に駆動搬送するヘッド移動手段としてのＸ−Ｙガントリ１０７と、ヘッド１０６に搭載され、基板の撮像を行い、電子部品の搭載を行う半田パターンを識別するための撮像手段としてのＣＣＤカメラ１０８と、電子部品搭載装置１００の各構成に対して制御を行う制御装置１２０とを備えている。
画像解析装置１０は、制御装置１２０に組み込まれ、電子部品の搭載のためにＣＣＤカメラ１０８の基板の撮像画像から半田パターンを識別し、正確な位置情報をヘッド１０６の位置決め動作に反映させるために利用される。
なお、以下の説明において、水平面に沿って互いに直交する一の方向をＸ軸方向とし、他の方向をＹ軸方向とし、垂直上下方向をＺ軸方向と称することとする。
【００１５】
基板搬送手段１０３は、図示しない搬送ベルトを備えており、その搬送ベルトにより基板をＸ軸方向に沿って搬送する。
また、前述したように、基板搬送手段１０３による基板搬送経路の途中には、電子部品を基板へ搭載する搭載作業部１０４が設けられている。基板搬送手段１０３は、搭載作業部１０４まで基板を搬送すると共に停止して、図示しない保持機構により基板の保持を行う。つまり、基板は保持機構により保持された状態で安定した電子部品の搭載作業が行われる。
【００１６】
ヘッド１０６は、その先端部で空気吸引により電子部品を保持する吸着ノズル１０５と、この吸着ノズル１０５をＺ軸方向に駆動する駆動源であるＺ軸モータ１１１（図２参照）と、吸着ノズル１０５を介して保持された電子部品をＺ軸方向を中心として回転駆動させる回転駆動源である回転モータ１１２（図２参照）とが設けられている。
また、各吸着ノズル１０５は負圧発生源に接続され、当該吸着ノズル１０５の先端部において吸気吸引を行うことにより電子部品の吸着及び保持が行われる。
つまりこれらの構造により、搭載作業時には、吸着ノズル１０５の先端部で所定の電子部品フィーダー１０１から電子部品を吸着し、所定位置で基板に向かって吸着ノズル１０５を下降させると共に吸着ノズル１０５を回転させて電子部品の向きの調整を行いつつ搭載作業が行われる。
また、前述したＣＣＤカメラ１０８は、ヘッド１０６に搭載されており、Ｘ−Ｙガントリ１０７によりヘッド１０６が駆動されることで、基板の撮像位置に位置決めされるようになっている。
【００１７】
Ｘ−Ｙガントリ１０７は、Ｘ軸方向にヘッド１０６の移動を案内するＸ軸ガイドレール１０７ａと、このＸ軸ガイドレール１０７ａと共にヘッド１０６をＹ軸方向に案内する二本のＹ軸ガイドレール１０７ｂと、Ｘ軸方向に沿ってヘッド１０６を移動させる駆動源であるＸ軸モータ１０９（図２参照）と、Ｘ軸ガイドレール１０７ａを介してヘッド１０６をＹ軸方向に移動させる駆動源であるＹ軸モータ１１０（図２参照）とを備えている。そして、各モータ１０９，１１０の駆動により、ヘッド１０６を二本のＹ軸ガイドレール１０７ｂの間となる領域のほぼ全体に搬送することを可能としている。
なお、各モータは、ぞれぞれの回転量が制御装置１２０に認識され、所望の回転量となるように制御されることにより、ヘッド１０６を介して吸着ノズル１０５やＣＣＤカメラ１０８の位置決めを行っている。
また、電子部品の必要上、前記したフィーダーバンク１０２，搭載作業部１０４とはいずれもＸ−Ｙガントリ１０７によるヘッド１０６の搬送可能領域内に配置されている。
【００１８】
フィーダーバンク１０２は、複数のＸ−Ｙ平面に沿った平坦部を備え、当該平坦部に複数の電子部品フィーダー１０１がＸ軸方向に沿って羅列して載置装備される。
ＣＣＤカメラ１０８は、ヘッド１０６により下方に向けられた状態で保持されており、基板を上方から撮像することで半田パターンを識別する。
【００１９】
（制御装置）
図２は電子部品搭載装置１００の制御系を示すブロック図である。図２に示すように、制御装置１２０は、主に、Ｘ−Ｙガントリ１０７のＸ軸モータ１０９、Ｙ軸モータ１１０、ヘッド１０６において吸着ノズル１０５の昇降を行うＺ軸モータ１１１、吸着ノズル１０５の回転を行う回転モータ１１２、ＣＣＤカメラ１０８の動作制御を行い、所定の制御プログラムに従って各種の処理及び制御を実行するＣＰＵ１２１と、各種の処理及び制御を実行するためのプログラムが格納されたシステムＲＯＭ１２２と、各種のデータを格納することで各種の処理の作業領域となるＲＡＭ１２３と、ＣＰＵ１２１と各種の機器との接続を図る図示しないＩ／Ｆ（インターフェース）と、各種の設定や操作に要するデータの入力を行うための操作パネル１２４と、各種の処理及び制御を実行するための設定データが格納されたＥＥＰＲＯＭ１２６と、各種設定の内容や後述する検査の結果等を表示する表示モニタ１２５とを有している。また、前述した各モータ１０９〜１１２は、図示しないモータドライバを介して制御装置１２０に接続されている。
【００２０】
（画像解析装置）
図３は画像解析装置１０の機能ブロック図である。画像解析装置１０の後述する各機能は、実際には、制御装置１２０のＣＰＵ１２１が所定のプログラムを実行することにより実現されている。
画像解析装置１０は、全体を統括制御する主制御部１１と、ＣＣＤカメラ１０８の出力から撮像画像データを取得する画像入力部２０と、撮像画像データに基づく矩形の画像領域を分割する画像分割部３０と、オペレータが操作パネル１２４により撮像画像内の半田パターンとその背景との境界線上に指定する複数の点を誤差測定点に設定する誤差測定点入力部４０と、半田パターンのテクスチャ（模様）の特徴量を抽出する特徴量抽出部５０と、抽出した特徴量を合成するための後述するパラメータを決定して特徴量を合成する特徴量合成部６０と、誤差測定点と出力形状との誤差を検出して判定を行う誤差検出部７０とを備えている。
これらの構成により、画像解析装置１０は、電子部品の搭載動作を行う前に、半田パターンの特徴量を合成するための適正なパラメータを取得するための学習データ作成処理を予め実行し、搭載動作時には、学習データ作成処理で得られたパラメータによりＣＣＤカメラ１０８の撮像画像から半田パターンを識別する処理を実行する。
【００２１】
（学習データ作成処理）
次に、上記画像解析装置１０が行う半田パターンの模様の学習データ作成処理について図４のフローチャートに示す処理の順番で説明する。
まず、画像入力部２０によりＣＣＤカメラ１０８で半田パターンを含む基板の撮像が行われ、その画像が撮像画像データとして記憶される（ステップＳ１）。
【００２２】
次に、オペレータによる誤差測定点Ｇの入力が行われ、誤差測定点入力部４０は、その入力操作により指定された画像内の位置を記録する処理を行う（ステップＳ２）。
図５はＣＣＤカメラ１０８で撮像された撮像画像を示しており、一番外側の矩形のエリアＡ１は撮像画像の範囲を示し、Ｈは撮像された半田パターンを示す。
半田の表面は半田に特有な粒状の模様で一様に覆われているので、電子部品の搭載動作時には、当該模様の特徴量を求めて背景と識別し、半田パターンＨと背景との境界線としての輪郭線Ｒを求めて電子部品を搭載する。この学習データ作成処理では、撮像画像から輪郭線Ｒを識別するために必要な適正なパラメータ（後述）を取得するために、表示装置１２５に表示された撮像画像に基づいてオペレータが輪郭線Ｒを視覚的に認識して、当該輪郭線上の任意の複数箇所（この例では６個）を誤差測定点Ｇとして操作パネル１２４から、例えばカーソル操作等により位置指定して入力し、画像解析装置１０では、入力された誤差測定点Ｇの撮像画像エリア内の位置座標をＲＡＭ１２３に記憶する。
【００２３】
次に、オペレータによる半田の模様の特徴量を取得するための模様領域Ａ２の入力が行われ、特徴量抽出部５０は、その入力操作により指定された領域の位置及び範囲を記録する処理を行う（ステップＳ３）。
この模様領域Ａ２は、大きさに制限はないが、後述する８×８画素の単位領域Ａ３が少なくとも30個程度得られる範囲とすることがより望ましく、また、模様領域Ａ２の領域内に半田以外の部分が含まれないことが要求される。
即ち、前述した誤差測定点Ｇの入力と同様に、表示装置１２５に表示された撮像画像に基づいてオペレータが、操作パネル１２４から、例えばカーソル操作等により指定範囲の四隅を位置指定して入力することで模様領域Ａ２を指定入力し、画像解析装置１０では、入力された模様領域Ａ２の撮像画像エリア内の位置及び範囲を示す座標をＲＡＭ１２３に記憶する。
【００２４】
次に、特徴量抽出部５０は、入力された模様領域Ａ２からテクスチャ模様の画像特徴量を取得する処理を行う（ステップＳ４：基準特徴量取得工程）。この処理では、特徴量抽出部５０は「基準特徴量取得手段」として機能することとなる。
テクスチャ模様の画像特徴量の取得には同時生起行列が使用される。同時生起行列とは，テクスチャ特徴量のうち統計的なテクスチャ特徴の計算方法の一つであり，以下に定義される同時生起行列から画像の空間的模様の一つであるコントラストや局所一様性等１４種の要素について特徴量を求めることができる。
【００２５】
まず、同時生起行列を生成するために、図６（Ａ）に示すように、前述した模様領域Ａ２を水平方向分割線ＬＨと垂直方向分割線ＬＶで分割し、８×８画素の正方形の単位領域Ａ３を切り出す処理を行う。前述したように、分割により得られる単位領域Ａ３の数は30個程度（図では４８個）あれば足りる。後述するが、各単位領域Ａ３に基づく特徴量は平均化され、標準偏差が求められるので、統計学的に十分な数として30個（図では４８個）の単位領域Ａ３を用意している。
そして、各単位領域Ａ３について個々に同時生起行列が生成される。
図７（Ａ）に示した８×８の単位画像Ａ３を例にして説明すると、図７（Ｂ）に示すように、画像の輝度値ｉ（32階調とする：ｉ＝0〜31）の画素から角度θの方向に長さｒの変位δ＝（ｒ，θ）だけ離れた画素の輝度値がｊである確率Ｐδ（ｉ，ｊ）を要素とする図７（Ｃ）に示す行列が同時生起行列である。なお、本実施形態では、ｉ行ｊ列の要素に前述した変位で輝度値ｉの画素に対して輝度値がｊとなる画素の個体数が入力されている。なお、本実施形態では、変位についてｒ＝1で角度θ＝0°とθ＝180°の双方向について一つの同時生起行列を生成している。また、同様にして、θ＝45(225)，90(270)，135(315)の同時生起行列も生成される。
【００２６】
そして、各単位領域Ａ３の同時生起行列について、次式(1)〜(14)の計算式により１４種類の特徴量ｆi（i＝1〜14）が算出される。なお、ｆi値は実数である。例えばｆ１＝角二次モーメント、ｆ２＝コントラスト、ｆ３＝エントロピーなどである。ｆi値がテクスチャ模様を区別する能力を持つことは公知である。これらのテクスチャ特徴量が示す意義については、「新編，画像解析ハンドブック，高木幹雄・下田陽久監修」に詳しく説明されているのでここでは説明書を省略する。
【００２７】
【数１】
【数２】
なお、各式において、ｎ＝31（最大輝度値）であり、また、次式(15)〜(18)の通り定義されるものとする。
【数３】
【００２８】
上記処理により、全ての単位領域Ａ３について特徴量ｆi値（i＝1〜14）が得られると、特徴量の種類ごとに（ｉの値ごとに）全単位領域Ａ３の平均値μiと標準偏差σiを算出し、これらを模様領域Ａ２の特徴量として学習ｆi値としてＲＡＭ１２３又はＥＥＰＲＯ１２６に記憶する。なお、模様領域Ａ２の特徴量ｆｉは一般に図８に示すように正規分布に従うものと考えられる。
【００２９】
次に、特徴量合成部６０は、特徴量の合成パラメータを初期化する（ステップＳ５）。
前述した各式（1）〜（14）ごとの各種の特徴量ｆiは、後の処理において、模様領域以外の他の画像の単位領域について同様に算出された特徴量との一致度Ｅが求められることとなり、その際、各種の特徴量ごと（ｉごと）に求められた一致度Ｅが個々に重み付けされて合成される。合成パラメータは、各種の特徴量ごとの一致度Ｅに対して重み付けとして乗じる係数ｗｉ（ｉ＝1〜14）の組み合わせパターンを示すものである。
合成パラメータは、ｗ１＋ｗ２＋ｗ３＋…＋ｗ１４＝１となるように規定されており、合成パラメータの初期化の際には、ｗ１＝１とする。つまり、その他のｗ２，ｗ３，ｗ４，…についてはいずれも０とする。つまり、特徴量ｆ１に関する一致度Ｅのみが求められることとなる。
【００３０】
次に、入力画像５に半田全体を包み込む新たな抽出領域Ａ４を設定する。
特徴量合成部６０は、上記合成パラメータに基づいて半田の模様か否かを識別し、半田パターンの輪郭線を形成するために、オペレータによる半田全体を包み込む新たな抽出領域Ａ４の入力が行われ、特徴量合成部６０は、その入力操作により指定された領域の位置及び範囲を記録する処理を行う（ステップＳ６）。
この抽出領域Ａ４は、半田パターンを含む範囲であれば大きさに制限はないが、図５に示すように、前述した全ての誤差測定点Ｇを含む範囲とすることが要求され、さらには、半田パターンを取り囲むことができる範囲が望ましい。入力方法は前述した模様領域Ａ２の場合と同様である。
【００３１】
さらに、特徴量合成部６０は、図６（Ｂ）で示すように、抽出領域Ａ４を模様領域Ａ２の場合と同じ8×8画素の単位領域Ａ５で分割する（ステップＳ７：比較特徴量取得工程）。
そして、抽出領域Ａ４の各単位領域Ａ５ごとに前述した１４の式から求まる特徴量ｆｉを算出する。このとき、合成パラメータの中でｗｉ（ｉ＝1〜14）≠0となるものから特徴量を算出する。なお、このとき、特徴量合成部６０は、「比較特徴量取得手段」として機能することとなる。
【００３２】
次に、特徴量合成部６０は、抽出領域Ａ４の各単位領域Ａ５と模様領域Ａ２の領域Ａ３の学習ｆi値との一致度Ｅを算出する（ステップＳ８：一致度取得工程）。
即ち、各単位領域Ａ５ごとに各特徴量ｆiについて対応する学習ｆi値の平均値μiとの誤差δｉを計算する。そして、各単位領域Ａ５の個々の特徴量ｆｉについて一致度ｅｉを算出する。
各一致度ｅｉの算出については、図９に示す関数ｅｖａｌを用いる。この関数ｅｖａｌは、縦軸が最大値１とする一致度ｅｉであり、横軸が誤差δｉである。そして、この関数ｅｖａｌは単調減少であれば足り、その傾きの変化については任意である。つまり、単調減少となる直線でも良いが、ここでは、一致度が0と1に近づくにつれて傾きが0に近くなり、中間で傾きが最大となる曲線を採用している。即ち、ｅiの値は０≦ｅi≦１であり、ｅi＝１（δi＝０）、ｅi＝０（δi≧βσi）、中間は単調減少である。σiは学習ｆi値の標準偏差、βは特徴量ｆi値と学習ｆi値の平均値μiとの誤差δiを評価する係数であり、βを大きくすればするほど対象模様であるとみなされやすくなる。
本実施例では例えばβ＝１.５とする。
これにより、各単位領域Ａ５の各特徴量ｆｉについて一致度ｅｉを算出する。そして、合成パラメータの各係数ｗｉに従って、各ｅｉに乗算し合計して、各単位領域Ａ５ごとに一致度Ｅを算出する。
なお、このとき、特徴量合成部６０は「一致度取得手段」として機能する。
【００３３】
次に、特徴量合成部６０は、抽出領域Ａ４の各単位領域Ａ５の一致度Ｅに基づいて、当該各単位領域Ａ５が半田か否かを判定する（ステップＳ９：判定工程）。
かかる判定は、予め一致度の閾値Ｃを用意しておき、各単位領域の一致度Ｅが閾値以上か否かで行う。即ち、Ｅが閾値Ｃ以上なら半田とし、そうでなければ背景とする。
なお、閾値Ｃの値は適当（試験等で求めるなど）で良いが、ここでは例えばＣ＝0.8とする。
なお、このとき、特徴量合成部６０は「判定手段」として機能する。
【００３４】
上記抽出領域Ａ４の各単位領域Ａ５の一致度Ｅの判定結果に従って、図１０に示すように、単位領域Ａ５をひとつの単位とする半田と背景に識別された‘２値画像’（１＝半田、０＝背景）を得ることができる（半田である単位領域Ａ５は網掛けで図示）。
これに対して、誤差検出部７０は、半田とされた単位領域Ａ５の内で背景とされた単位領域Ａ５に隣接するものの中心を線でつないで半田パターンの輪郭線ＲＡを生成する（ステップＳ１０：境界線取得工程）。
なお、このとき、誤差検出部７０は「境界線取得手段」として機能する。
【００３５】
そして、誤差検出部７０は、実際の輪郭線Ｒに対する生成輪郭線ＲＡの誤差Ｄを検出する（ステップＳ１１：誤差検出工程）。
実際の輪郭線Ｒと生成輪郭線ＲＡとを重ねて図１１に示す。誤差ＤはステップＳ２で登録した誤差測定点Ｇに基づいて算出する。即ち、生成輪郭線ＲＡに対して各誤差測定点Ｇからの最短距離ｄ（画素距離）を算出する。これにより得られた最短距離をd1,d2,・・・とすると誤差Ｄ＝max｛d1,d2,・・・｝により取得する。
なお、このとき、誤差検出部７０は「誤差検出手段」として機能する。
【００３６】
次に、誤差検出部７０は、誤差Ｄを予め設定された基準値αと比較し（ステップＳ１２）、基準値αを超えている場合には、現在の合成パラメータの設定が半田を背景と識別するために適正な一致度を導き出すことが可能であるものとして、処理を終了する。このように、基準値αは、合成パラメータの適否を判定するために重要な値であり、これを大きく設定すれば、適正とされる合成パラメータを容易に取得可能となるが、半田パターンの識別精度は低下する。また、基準値αを小さく設定すれば、適正とされる合成パラメータは容易には求まらなくなるが、半田パターンの識別精度は向上する。従って、試験などにより目的に応じて適切な値に設定する必要がある。
【００３７】
一方、ステップＳ１２の判定において、誤差Ｄが基準値α以下の場合には、現在の合成パラメータの設定は適正ではないものとして、合成パラメータの設定を変更する（ステップＳ１３）。
すなわち特徴量ｆi値に対する一致度の係数ｗｉを、それぞれ独立に変更する。例えば、各特徴量ｆi値に対する一致度の係数ｗｉを0,0.2,0.4,0.6,0.8,1.0の0.2刻みで６段階に変更する（より細かく分けても良い）。なお、前述したように係数ｗｉ全体で正規化しておく。本実施形態ではパラメータは積空間ｗ１×ｗ２×・・・全体で変化させる。
そして、新たな合成パラメータが定まると、ステップＳ８に処理を戻して、新たに抽出領域Ａ４の各単位領域Ａ５の一致度Ｅを求めなおし、半田とされる単位領域Ａ５を求め、それらから輪郭線ＲＡを生成し、誤差Ｄを基準値αと比較する処理をリトライする。
これにより、誤差Ｄが基準値α以下となる合成パラメータが見つかるまで処理を繰り返すこととなる。
また、ステップＳ１２で誤差Ｄが基準値α以下となった場合には、そのときの合成パラメータの各係数ｗｉの数値の組み合わせ（例えばｗ６＝0.5、ｗ８＝0.5、その他のｗ＝0等のような数値群）を学習データ（学習合成パラメータ）として記録する。
これにより、学習データ作成処理が終了する。
【００３８】
（電子部品搭載時の処理）
次に、電子部品の搭載時に行われる処理について説明する。
前述した吸着ノズル１０６に電子部品が吸着され、ヘッド１０５が基板の搭載位置近傍まで移動した状態において、ＣＣＤカメラ１０８により基板の搭載位置の撮像が実行され、撮像画像データが取得される。
そして、特徴量合成部６０により、撮像画像の一部（例えば中央部）が抽出領域として切り出され、前述したステップＳ７〜１０と同様の処理が実行される。
即ち、撮像画像の抽出領域が単位領域に分割され、一致度ｅｉの係数ｗｉ＝０ではないｉについての特徴量が算出され、学習データ作成処理に取得された合成パラメータに従って各単位領域の半田との一致度が算出される。そして、半田であると判定された単位領域に基づいて輪郭線を算出する。当該輪郭線に囲まれた領域が搭載位置の半田パターンであることから、吸着ノズル１０６を輪郭線に囲まれた位置に位置決めするようにヘッド１０５を移動して、電子部品の搭載が実行される。
【００３９】
（実施形態の効果）
上記画像解析装置１０では、撮像画像データ中の半田Ｈの模様領域Ａ２から同時生起行列の１４式により特徴量を取得し且つ合成し、特徴量が一致する単位領域Ａ５から半田Ｈ識別対象の背景との境界線を求め、実際の境界位置との誤差が小さくなるようにリトライを繰り返すことで特徴量の一致度に関する重み付けパターンを特定する。このため、半田Ｈの固有の模様に基づく特徴量から当該半田Ｈを識別することとなり、背景との明度差の有無にかかわらず、効果的に識別対象を識別することが可能となる。
このため、例えば図１２に示すように、半田Ｈと当該半田と模様の異なる基板Ｋ、配線パターンＮ、パッドＵが撮像領域Ａ１内に存在する状態でも、半田形状を示す輪郭線ＲＡを的確に識別することができる。
【００４０】
また、テクスチャ模様に関する同時生起行列の１４式に関する好適な合成パラメータを特定するので、各手法の識別精度の偏りの影響を排除し、より正確な識別を実現することが可能となる。
テクスチャ模様の特徴量を得るための手法として確立されている同時生起行列の１４の特徴量の算出方法を用いるので、種々の模様の識別対象をより効果的に識別することが可能となる。
【００４１】
（その他）
上述した画像解析装置１０では、半田模様の特徴量の算出として同時生起行列由来の手法を使ったが、模様を特徴づけることが可能な他の手法を用いても良いし、同時生起行列の手法と他の手法とを組み合わせて用いても良い。例えば、模様の解析の手法としては、例えば領域画像をフーリエ変換して得られた周波数、濃度ヒストグラム，ランレングス行列，フラクタル次元を用いても良い。
その場合も上記実施形態と同様の効果を得ることが可能である。
【００４２】
また、上述した画像解析装置１０では、学習データ作成処理において、模様領域Ａ２のみを利用し、半田の背景領域の画像情報を使用していないが、使用することも可能である。その場合、例えば誤差測定点ごとに背景から単位領域Ａ６（図５参照）を切り出し、その単位領域Ａ６からｆi値を求める。それにより模様領域Ａ２のｆi値と比較することにより、例えば、ｆi値同士の開きが大きいものとそうでないｆi値に分けることができる。その結果、重みとなる係数ｗｉの積空間全域で回す必要がなくなり、繰り返し回数を低減し、迅速に適正な合成パラメータを取得することが可能となり得る。
【００４３】
また、上述した画像解析装置１０では、学習データ作成処理において、ステップ１２のリトライの判定において、誤差Ｄに対する基準値αとの比較により判定を行って終了条件としたが、誤差Ｄを表示装置１２５に表示し、オペレータがリトライを実行するか判断するようにしても良い。その場合も上記実施形態と同様の効果を得ることが可能である。
【００４４】
また、上述した画像解析装置１０では、学習データ作成処理において、ステップ１２のリトライの判定において、誤差Ｄが基準値αを下回ることで処理の終了条件としたが、これに限らず、繰り返しに規定回数を設け、規定回数内で誤差が最小となる合成パラメータを学習データとしても良い。その場合も上記実施形態とほぼ同様の効果を得ることが可能であって、さらに、処理の迅速化を図ることが可能である。
【００４５】
また、誤差測定点Ｇは、前述した６点に限られるものではない。最少で１個でもよく、また、より多くしても良い。その場合も上記実施形態と同様の効果を得ることが可能である。
また、前述の誤差Ｄの対象として輪郭線ＲＡとＲとの最短距離ｄを使ったが、他のものでも良い。例えば、誤差測定点Ｇの数をより多く設定して半田領域同士で面積や重心を求めて比較するようにしても良い。その場合も上記実施形態と同様の効果を得ることが可能である。
【符号の説明】
【００４６】
１０ 画像解析装置
１１ 主制御部
２０ 画像入力部
３０ 画像分割部
４０ 誤差測定点入力部
５０ 特徴量抽出部
６０ 特徴量合成部
７０ 誤差検出部
１００ 電子部品搭載装置
１２０ 制御装置
Ａ１ 撮像画像
Ａ２ 模様領域
Ａ３ 単位領域
Ａ４ 抽出領域
Ａ５ 単位領域
Ｇ 誤差測定点（境界点）
Ｈ 半田パターン（識別対象）
【技術分野】
【０００１】
本発明は、対象物を識別するための画像解析方法及び画像解析装置に関する。
【背景技術】
【０００２】
撮像画像の各画素について輝度値が定められてなる撮像画像データから、識別対象物の識別を行う方法としては、撮像画像データに基づく輝度勾配情報から識別対象物の輪郭線を得る方法や、画像データに基づく濃淡画像から対象物のエッジ情報を抽出し、エッジ点列による対象物の抽出及び位置検出を行う方法などが知られている（例えば、特許文献１及び２）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開平９−１７１５５３号公報
【特許文献２】特許２９８１３８２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記特許文献１に示す輝度勾配に基づいて輪郭線を取得する方法では、対象物と背景との間に十分な輝度勾配が得られるような輝度差が生じていなければ明瞭な輪郭線を得ることができず、対象物と背景とに十分な明度の差がなければ識別することができないという問題があった。
また、特許文献２に示す先行技術の場合には、対象物からエッジ情報が得られることを前提としており、対象物と背景とに十分な明度の差がなければ十分なエッジ情報が得られず、識別が困難となるという問題があった。
【０００５】
本発明は、安定して対象物の識別を可能とすることをその目的とする。
【課題を解決するための手段】
【０００６】
請求項１記載の発明は、表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置が行う画像解析方法であって、前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得工程と、前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得工程と、前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得工程と、前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定工程と、前記判別工程で識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得工程と、予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得工程で取得された境界線との誤差を検出する誤差検出工程と、を備え、前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得工程、判定工程、境界線取得工程及び誤差検出工程を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別することを特徴とする。
【０００７】
請求項２記載の発明は、請求項１記載の発明と同様の構成を備えると共に、前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする。
【０００８】
請求項３記載の発明は、表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置であって、前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得手段と、前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得手段と、前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得手段と、前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定手段と、前記判別手段により識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得手段と、予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得手段で取得された境界線との誤差を検出する誤差検出手段と、を備え、前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得手段により一致度の取得、前記判定手段により判定、前記境界線取得手段よる前記境界線の取得及び誤差検出手段による誤差検出を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別する。
【０００９】
請求項４記載の発明は、請求項３記載の発明と同様の構成を備えると共に、前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする。
【発明の効果】
【００１０】
請求項１及び３記載の発明は、撮像画像データ中の識別対象物の模様領域から複数の手法により特徴量を取得し且つ合成し、特徴量が一致する単位領域から識別対象の背景との境界線を求め、実際の境界位置との誤差が小さくなるようにリトライを繰り返すことで特徴量の一致度に関する重み付けパターンを特定する。このため、識別対象の固有の模様に基づく特徴量から対象物を識別することとなり、背景との明度差の有無にかかわらず、効果的に識別対象を識別することが可能となる。
また、テクスチャ模様に関する複数の手法に関する重み付けの好適なパターンを特定するので、手法の識別精度の偏りの影響を排除し、より正確な識別を実現することが可能となる。
【００１１】
請求項２及び４記載の発明は、テクスチャ模様の特徴量を得るための手法として確立されている同時生起行列の１４の特徴量の算出方法を用いるので、種々の模様の識別対象をより効果的に識別することが可能となる。
【図面の簡単な説明】
【００１２】
【図１】本実施の形態に係る電子部品実装装置の全体を示す平面図である。
【図２】電子部品実装装置の制御系を示すブロック図である。
【図３】画像解析装置の機能ブロック図である。
【図４】学習データ作成処理のフローチャートである。
【図５】撮像画像データの撮像画像内に設定される各種の領域を示す説明図である。
【図６】図６（Ａ）は模様領域と単位領域との関係を示す説明図、図６（Ｂ）は抽出領域と単位領域との関係を示す説明図である。
【図７】図７（Ａ）は単位領域の各画素における輝度値の例を示した説明図、図７（Ｂ）は同時生起行列における変位の概念を示す説明図、図７（Ｃ）は同時生起行列を示す説明図である。
【図８】模様領域の特徴量の正規分布を示す線図である。
【図９】特徴量の誤差と一致度との関係を示す線図である。
【図１０】各単位領域が半田か否かを示した説明図である。
【図１１】実際の輪郭線と生成輪郭線とを重ねて図示した説明図である。
【図１２】実際の搭載動作時の撮像画像の例を示す説明図である。
【発明を実施するための形態】
【００１３】
（実施形態の全体構成）
本発明の実施形態について、図１乃至図１２に基づいて説明する。本実施形態は、撮像画像内で特定のテクスチャからなる識別対象物を背景と識別するための画像解析装置１０が電子部品搭載装置１００に適用され、電子部品の搭載位置である半田パターンを識別対象物として識別する目的に利用される場合の例を示している。
【００１４】
（電子部品実装装置）
電子部品搭載装置１００は、基板に各種の電子部品の搭載を行うものであって、電子部品の搭載手段として、図１に示すように、搭載される電子部品を供給する複数の電子部品フィーダー１０１と、電子部品フィーダー１０１を複数並べて保持する電子部品供給部としてのフィーダーバンク１０２と、一定方向に基板を搬送する基板搬送手段１０３と、当該基板搬送手段１０３による基板搬送経路の途中に設けられた基板に対する電子部品搭載作業を行うための搭載作業部１０４と、電子部品を吸着する吸着ノズル１０５を保持して電子部品の保持を行う部品保持手段としてのヘッド１０６と、ヘッド１０６を所定範囲内の任意の位置に駆動搬送するヘッド移動手段としてのＸ−Ｙガントリ１０７と、ヘッド１０６に搭載され、基板の撮像を行い、電子部品の搭載を行う半田パターンを識別するための撮像手段としてのＣＣＤカメラ１０８と、電子部品搭載装置１００の各構成に対して制御を行う制御装置１２０とを備えている。
画像解析装置１０は、制御装置１２０に組み込まれ、電子部品の搭載のためにＣＣＤカメラ１０８の基板の撮像画像から半田パターンを識別し、正確な位置情報をヘッド１０６の位置決め動作に反映させるために利用される。
なお、以下の説明において、水平面に沿って互いに直交する一の方向をＸ軸方向とし、他の方向をＹ軸方向とし、垂直上下方向をＺ軸方向と称することとする。
【００１５】
基板搬送手段１０３は、図示しない搬送ベルトを備えており、その搬送ベルトにより基板をＸ軸方向に沿って搬送する。
また、前述したように、基板搬送手段１０３による基板搬送経路の途中には、電子部品を基板へ搭載する搭載作業部１０４が設けられている。基板搬送手段１０３は、搭載作業部１０４まで基板を搬送すると共に停止して、図示しない保持機構により基板の保持を行う。つまり、基板は保持機構により保持された状態で安定した電子部品の搭載作業が行われる。
【００１６】
ヘッド１０６は、その先端部で空気吸引により電子部品を保持する吸着ノズル１０５と、この吸着ノズル１０５をＺ軸方向に駆動する駆動源であるＺ軸モータ１１１（図２参照）と、吸着ノズル１０５を介して保持された電子部品をＺ軸方向を中心として回転駆動させる回転駆動源である回転モータ１１２（図２参照）とが設けられている。
また、各吸着ノズル１０５は負圧発生源に接続され、当該吸着ノズル１０５の先端部において吸気吸引を行うことにより電子部品の吸着及び保持が行われる。
つまりこれらの構造により、搭載作業時には、吸着ノズル１０５の先端部で所定の電子部品フィーダー１０１から電子部品を吸着し、所定位置で基板に向かって吸着ノズル１０５を下降させると共に吸着ノズル１０５を回転させて電子部品の向きの調整を行いつつ搭載作業が行われる。
また、前述したＣＣＤカメラ１０８は、ヘッド１０６に搭載されており、Ｘ−Ｙガントリ１０７によりヘッド１０６が駆動されることで、基板の撮像位置に位置決めされるようになっている。
【００１７】
Ｘ−Ｙガントリ１０７は、Ｘ軸方向にヘッド１０６の移動を案内するＸ軸ガイドレール１０７ａと、このＸ軸ガイドレール１０７ａと共にヘッド１０６をＹ軸方向に案内する二本のＹ軸ガイドレール１０７ｂと、Ｘ軸方向に沿ってヘッド１０６を移動させる駆動源であるＸ軸モータ１０９（図２参照）と、Ｘ軸ガイドレール１０７ａを介してヘッド１０６をＹ軸方向に移動させる駆動源であるＹ軸モータ１１０（図２参照）とを備えている。そして、各モータ１０９，１１０の駆動により、ヘッド１０６を二本のＹ軸ガイドレール１０７ｂの間となる領域のほぼ全体に搬送することを可能としている。
なお、各モータは、ぞれぞれの回転量が制御装置１２０に認識され、所望の回転量となるように制御されることにより、ヘッド１０６を介して吸着ノズル１０５やＣＣＤカメラ１０８の位置決めを行っている。
また、電子部品の必要上、前記したフィーダーバンク１０２，搭載作業部１０４とはいずれもＸ−Ｙガントリ１０７によるヘッド１０６の搬送可能領域内に配置されている。
【００１８】
フィーダーバンク１０２は、複数のＸ−Ｙ平面に沿った平坦部を備え、当該平坦部に複数の電子部品フィーダー１０１がＸ軸方向に沿って羅列して載置装備される。
ＣＣＤカメラ１０８は、ヘッド１０６により下方に向けられた状態で保持されており、基板を上方から撮像することで半田パターンを識別する。
【００１９】
（制御装置）
図２は電子部品搭載装置１００の制御系を示すブロック図である。図２に示すように、制御装置１２０は、主に、Ｘ−Ｙガントリ１０７のＸ軸モータ１０９、Ｙ軸モータ１１０、ヘッド１０６において吸着ノズル１０５の昇降を行うＺ軸モータ１１１、吸着ノズル１０５の回転を行う回転モータ１１２、ＣＣＤカメラ１０８の動作制御を行い、所定の制御プログラムに従って各種の処理及び制御を実行するＣＰＵ１２１と、各種の処理及び制御を実行するためのプログラムが格納されたシステムＲＯＭ１２２と、各種のデータを格納することで各種の処理の作業領域となるＲＡＭ１２３と、ＣＰＵ１２１と各種の機器との接続を図る図示しないＩ／Ｆ（インターフェース）と、各種の設定や操作に要するデータの入力を行うための操作パネル１２４と、各種の処理及び制御を実行するための設定データが格納されたＥＥＰＲＯＭ１２６と、各種設定の内容や後述する検査の結果等を表示する表示モニタ１２５とを有している。また、前述した各モータ１０９〜１１２は、図示しないモータドライバを介して制御装置１２０に接続されている。
【００２０】
（画像解析装置）
図３は画像解析装置１０の機能ブロック図である。画像解析装置１０の後述する各機能は、実際には、制御装置１２０のＣＰＵ１２１が所定のプログラムを実行することにより実現されている。
画像解析装置１０は、全体を統括制御する主制御部１１と、ＣＣＤカメラ１０８の出力から撮像画像データを取得する画像入力部２０と、撮像画像データに基づく矩形の画像領域を分割する画像分割部３０と、オペレータが操作パネル１２４により撮像画像内の半田パターンとその背景との境界線上に指定する複数の点を誤差測定点に設定する誤差測定点入力部４０と、半田パターンのテクスチャ（模様）の特徴量を抽出する特徴量抽出部５０と、抽出した特徴量を合成するための後述するパラメータを決定して特徴量を合成する特徴量合成部６０と、誤差測定点と出力形状との誤差を検出して判定を行う誤差検出部７０とを備えている。
これらの構成により、画像解析装置１０は、電子部品の搭載動作を行う前に、半田パターンの特徴量を合成するための適正なパラメータを取得するための学習データ作成処理を予め実行し、搭載動作時には、学習データ作成処理で得られたパラメータによりＣＣＤカメラ１０８の撮像画像から半田パターンを識別する処理を実行する。
【００２１】
（学習データ作成処理）
次に、上記画像解析装置１０が行う半田パターンの模様の学習データ作成処理について図４のフローチャートに示す処理の順番で説明する。
まず、画像入力部２０によりＣＣＤカメラ１０８で半田パターンを含む基板の撮像が行われ、その画像が撮像画像データとして記憶される（ステップＳ１）。
【００２２】
次に、オペレータによる誤差測定点Ｇの入力が行われ、誤差測定点入力部４０は、その入力操作により指定された画像内の位置を記録する処理を行う（ステップＳ２）。
図５はＣＣＤカメラ１０８で撮像された撮像画像を示しており、一番外側の矩形のエリアＡ１は撮像画像の範囲を示し、Ｈは撮像された半田パターンを示す。
半田の表面は半田に特有な粒状の模様で一様に覆われているので、電子部品の搭載動作時には、当該模様の特徴量を求めて背景と識別し、半田パターンＨと背景との境界線としての輪郭線Ｒを求めて電子部品を搭載する。この学習データ作成処理では、撮像画像から輪郭線Ｒを識別するために必要な適正なパラメータ（後述）を取得するために、表示装置１２５に表示された撮像画像に基づいてオペレータが輪郭線Ｒを視覚的に認識して、当該輪郭線上の任意の複数箇所（この例では６個）を誤差測定点Ｇとして操作パネル１２４から、例えばカーソル操作等により位置指定して入力し、画像解析装置１０では、入力された誤差測定点Ｇの撮像画像エリア内の位置座標をＲＡＭ１２３に記憶する。
【００２３】
次に、オペレータによる半田の模様の特徴量を取得するための模様領域Ａ２の入力が行われ、特徴量抽出部５０は、その入力操作により指定された領域の位置及び範囲を記録する処理を行う（ステップＳ３）。
この模様領域Ａ２は、大きさに制限はないが、後述する８×８画素の単位領域Ａ３が少なくとも30個程度得られる範囲とすることがより望ましく、また、模様領域Ａ２の領域内に半田以外の部分が含まれないことが要求される。
即ち、前述した誤差測定点Ｇの入力と同様に、表示装置１２５に表示された撮像画像に基づいてオペレータが、操作パネル１２４から、例えばカーソル操作等により指定範囲の四隅を位置指定して入力することで模様領域Ａ２を指定入力し、画像解析装置１０では、入力された模様領域Ａ２の撮像画像エリア内の位置及び範囲を示す座標をＲＡＭ１２３に記憶する。
【００２４】
次に、特徴量抽出部５０は、入力された模様領域Ａ２からテクスチャ模様の画像特徴量を取得する処理を行う（ステップＳ４：基準特徴量取得工程）。この処理では、特徴量抽出部５０は「基準特徴量取得手段」として機能することとなる。
テクスチャ模様の画像特徴量の取得には同時生起行列が使用される。同時生起行列とは，テクスチャ特徴量のうち統計的なテクスチャ特徴の計算方法の一つであり，以下に定義される同時生起行列から画像の空間的模様の一つであるコントラストや局所一様性等１４種の要素について特徴量を求めることができる。
【００２５】
まず、同時生起行列を生成するために、図６（Ａ）に示すように、前述した模様領域Ａ２を水平方向分割線ＬＨと垂直方向分割線ＬＶで分割し、８×８画素の正方形の単位領域Ａ３を切り出す処理を行う。前述したように、分割により得られる単位領域Ａ３の数は30個程度（図では４８個）あれば足りる。後述するが、各単位領域Ａ３に基づく特徴量は平均化され、標準偏差が求められるので、統計学的に十分な数として30個（図では４８個）の単位領域Ａ３を用意している。
そして、各単位領域Ａ３について個々に同時生起行列が生成される。
図７（Ａ）に示した８×８の単位画像Ａ３を例にして説明すると、図７（Ｂ）に示すように、画像の輝度値ｉ（32階調とする：ｉ＝0〜31）の画素から角度θの方向に長さｒの変位δ＝（ｒ，θ）だけ離れた画素の輝度値がｊである確率Ｐδ（ｉ，ｊ）を要素とする図７（Ｃ）に示す行列が同時生起行列である。なお、本実施形態では、ｉ行ｊ列の要素に前述した変位で輝度値ｉの画素に対して輝度値がｊとなる画素の個体数が入力されている。なお、本実施形態では、変位についてｒ＝1で角度θ＝0°とθ＝180°の双方向について一つの同時生起行列を生成している。また、同様にして、θ＝45(225)，90(270)，135(315)の同時生起行列も生成される。
【００２６】
そして、各単位領域Ａ３の同時生起行列について、次式(1)〜(14)の計算式により１４種類の特徴量ｆi（i＝1〜14）が算出される。なお、ｆi値は実数である。例えばｆ１＝角二次モーメント、ｆ２＝コントラスト、ｆ３＝エントロピーなどである。ｆi値がテクスチャ模様を区別する能力を持つことは公知である。これらのテクスチャ特徴量が示す意義については、「新編，画像解析ハンドブック，高木幹雄・下田陽久監修」に詳しく説明されているのでここでは説明書を省略する。
【００２７】
【数１】
【数２】
なお、各式において、ｎ＝31（最大輝度値）であり、また、次式(15)〜(18)の通り定義されるものとする。
【数３】
【００２８】
上記処理により、全ての単位領域Ａ３について特徴量ｆi値（i＝1〜14）が得られると、特徴量の種類ごとに（ｉの値ごとに）全単位領域Ａ３の平均値μiと標準偏差σiを算出し、これらを模様領域Ａ２の特徴量として学習ｆi値としてＲＡＭ１２３又はＥＥＰＲＯ１２６に記憶する。なお、模様領域Ａ２の特徴量ｆｉは一般に図８に示すように正規分布に従うものと考えられる。
【００２９】
次に、特徴量合成部６０は、特徴量の合成パラメータを初期化する（ステップＳ５）。
前述した各式（1）〜（14）ごとの各種の特徴量ｆiは、後の処理において、模様領域以外の他の画像の単位領域について同様に算出された特徴量との一致度Ｅが求められることとなり、その際、各種の特徴量ごと（ｉごと）に求められた一致度Ｅが個々に重み付けされて合成される。合成パラメータは、各種の特徴量ごとの一致度Ｅに対して重み付けとして乗じる係数ｗｉ（ｉ＝1〜14）の組み合わせパターンを示すものである。
合成パラメータは、ｗ１＋ｗ２＋ｗ３＋…＋ｗ１４＝１となるように規定されており、合成パラメータの初期化の際には、ｗ１＝１とする。つまり、その他のｗ２，ｗ３，ｗ４，…についてはいずれも０とする。つまり、特徴量ｆ１に関する一致度Ｅのみが求められることとなる。
【００３０】
次に、入力画像５に半田全体を包み込む新たな抽出領域Ａ４を設定する。
特徴量合成部６０は、上記合成パラメータに基づいて半田の模様か否かを識別し、半田パターンの輪郭線を形成するために、オペレータによる半田全体を包み込む新たな抽出領域Ａ４の入力が行われ、特徴量合成部６０は、その入力操作により指定された領域の位置及び範囲を記録する処理を行う（ステップＳ６）。
この抽出領域Ａ４は、半田パターンを含む範囲であれば大きさに制限はないが、図５に示すように、前述した全ての誤差測定点Ｇを含む範囲とすることが要求され、さらには、半田パターンを取り囲むことができる範囲が望ましい。入力方法は前述した模様領域Ａ２の場合と同様である。
【００３１】
さらに、特徴量合成部６０は、図６（Ｂ）で示すように、抽出領域Ａ４を模様領域Ａ２の場合と同じ8×8画素の単位領域Ａ５で分割する（ステップＳ７：比較特徴量取得工程）。
そして、抽出領域Ａ４の各単位領域Ａ５ごとに前述した１４の式から求まる特徴量ｆｉを算出する。このとき、合成パラメータの中でｗｉ（ｉ＝1〜14）≠0となるものから特徴量を算出する。なお、このとき、特徴量合成部６０は、「比較特徴量取得手段」として機能することとなる。
【００３２】
次に、特徴量合成部６０は、抽出領域Ａ４の各単位領域Ａ５と模様領域Ａ２の領域Ａ３の学習ｆi値との一致度Ｅを算出する（ステップＳ８：一致度取得工程）。
即ち、各単位領域Ａ５ごとに各特徴量ｆiについて対応する学習ｆi値の平均値μiとの誤差δｉを計算する。そして、各単位領域Ａ５の個々の特徴量ｆｉについて一致度ｅｉを算出する。
各一致度ｅｉの算出については、図９に示す関数ｅｖａｌを用いる。この関数ｅｖａｌは、縦軸が最大値１とする一致度ｅｉであり、横軸が誤差δｉである。そして、この関数ｅｖａｌは単調減少であれば足り、その傾きの変化については任意である。つまり、単調減少となる直線でも良いが、ここでは、一致度が0と1に近づくにつれて傾きが0に近くなり、中間で傾きが最大となる曲線を採用している。即ち、ｅiの値は０≦ｅi≦１であり、ｅi＝１（δi＝０）、ｅi＝０（δi≧βσi）、中間は単調減少である。σiは学習ｆi値の標準偏差、βは特徴量ｆi値と学習ｆi値の平均値μiとの誤差δiを評価する係数であり、βを大きくすればするほど対象模様であるとみなされやすくなる。
本実施例では例えばβ＝１.５とする。
これにより、各単位領域Ａ５の各特徴量ｆｉについて一致度ｅｉを算出する。そして、合成パラメータの各係数ｗｉに従って、各ｅｉに乗算し合計して、各単位領域Ａ５ごとに一致度Ｅを算出する。
なお、このとき、特徴量合成部６０は「一致度取得手段」として機能する。
【００３３】
次に、特徴量合成部６０は、抽出領域Ａ４の各単位領域Ａ５の一致度Ｅに基づいて、当該各単位領域Ａ５が半田か否かを判定する（ステップＳ９：判定工程）。
かかる判定は、予め一致度の閾値Ｃを用意しておき、各単位領域の一致度Ｅが閾値以上か否かで行う。即ち、Ｅが閾値Ｃ以上なら半田とし、そうでなければ背景とする。
なお、閾値Ｃの値は適当（試験等で求めるなど）で良いが、ここでは例えばＣ＝0.8とする。
なお、このとき、特徴量合成部６０は「判定手段」として機能する。
【００３４】
上記抽出領域Ａ４の各単位領域Ａ５の一致度Ｅの判定結果に従って、図１０に示すように、単位領域Ａ５をひとつの単位とする半田と背景に識別された‘２値画像’（１＝半田、０＝背景）を得ることができる（半田である単位領域Ａ５は網掛けで図示）。
これに対して、誤差検出部７０は、半田とされた単位領域Ａ５の内で背景とされた単位領域Ａ５に隣接するものの中心を線でつないで半田パターンの輪郭線ＲＡを生成する（ステップＳ１０：境界線取得工程）。
なお、このとき、誤差検出部７０は「境界線取得手段」として機能する。
【００３５】
そして、誤差検出部７０は、実際の輪郭線Ｒに対する生成輪郭線ＲＡの誤差Ｄを検出する（ステップＳ１１：誤差検出工程）。
実際の輪郭線Ｒと生成輪郭線ＲＡとを重ねて図１１に示す。誤差ＤはステップＳ２で登録した誤差測定点Ｇに基づいて算出する。即ち、生成輪郭線ＲＡに対して各誤差測定点Ｇからの最短距離ｄ（画素距離）を算出する。これにより得られた最短距離をd1,d2,・・・とすると誤差Ｄ＝max｛d1,d2,・・・｝により取得する。
なお、このとき、誤差検出部７０は「誤差検出手段」として機能する。
【００３６】
次に、誤差検出部７０は、誤差Ｄを予め設定された基準値αと比較し（ステップＳ１２）、基準値αを超えている場合には、現在の合成パラメータの設定が半田を背景と識別するために適正な一致度を導き出すことが可能であるものとして、処理を終了する。このように、基準値αは、合成パラメータの適否を判定するために重要な値であり、これを大きく設定すれば、適正とされる合成パラメータを容易に取得可能となるが、半田パターンの識別精度は低下する。また、基準値αを小さく設定すれば、適正とされる合成パラメータは容易には求まらなくなるが、半田パターンの識別精度は向上する。従って、試験などにより目的に応じて適切な値に設定する必要がある。
【００３７】
一方、ステップＳ１２の判定において、誤差Ｄが基準値α以下の場合には、現在の合成パラメータの設定は適正ではないものとして、合成パラメータの設定を変更する（ステップＳ１３）。
すなわち特徴量ｆi値に対する一致度の係数ｗｉを、それぞれ独立に変更する。例えば、各特徴量ｆi値に対する一致度の係数ｗｉを0,0.2,0.4,0.6,0.8,1.0の0.2刻みで６段階に変更する（より細かく分けても良い）。なお、前述したように係数ｗｉ全体で正規化しておく。本実施形態ではパラメータは積空間ｗ１×ｗ２×・・・全体で変化させる。
そして、新たな合成パラメータが定まると、ステップＳ８に処理を戻して、新たに抽出領域Ａ４の各単位領域Ａ５の一致度Ｅを求めなおし、半田とされる単位領域Ａ５を求め、それらから輪郭線ＲＡを生成し、誤差Ｄを基準値αと比較する処理をリトライする。
これにより、誤差Ｄが基準値α以下となる合成パラメータが見つかるまで処理を繰り返すこととなる。
また、ステップＳ１２で誤差Ｄが基準値α以下となった場合には、そのときの合成パラメータの各係数ｗｉの数値の組み合わせ（例えばｗ６＝0.5、ｗ８＝0.5、その他のｗ＝0等のような数値群）を学習データ（学習合成パラメータ）として記録する。
これにより、学習データ作成処理が終了する。
【００３８】
（電子部品搭載時の処理）
次に、電子部品の搭載時に行われる処理について説明する。
前述した吸着ノズル１０６に電子部品が吸着され、ヘッド１０５が基板の搭載位置近傍まで移動した状態において、ＣＣＤカメラ１０８により基板の搭載位置の撮像が実行され、撮像画像データが取得される。
そして、特徴量合成部６０により、撮像画像の一部（例えば中央部）が抽出領域として切り出され、前述したステップＳ７〜１０と同様の処理が実行される。
即ち、撮像画像の抽出領域が単位領域に分割され、一致度ｅｉの係数ｗｉ＝０ではないｉについての特徴量が算出され、学習データ作成処理に取得された合成パラメータに従って各単位領域の半田との一致度が算出される。そして、半田であると判定された単位領域に基づいて輪郭線を算出する。当該輪郭線に囲まれた領域が搭載位置の半田パターンであることから、吸着ノズル１０６を輪郭線に囲まれた位置に位置決めするようにヘッド１０５を移動して、電子部品の搭載が実行される。
【００３９】
（実施形態の効果）
上記画像解析装置１０では、撮像画像データ中の半田Ｈの模様領域Ａ２から同時生起行列の１４式により特徴量を取得し且つ合成し、特徴量が一致する単位領域Ａ５から半田Ｈ識別対象の背景との境界線を求め、実際の境界位置との誤差が小さくなるようにリトライを繰り返すことで特徴量の一致度に関する重み付けパターンを特定する。このため、半田Ｈの固有の模様に基づく特徴量から当該半田Ｈを識別することとなり、背景との明度差の有無にかかわらず、効果的に識別対象を識別することが可能となる。
このため、例えば図１２に示すように、半田Ｈと当該半田と模様の異なる基板Ｋ、配線パターンＮ、パッドＵが撮像領域Ａ１内に存在する状態でも、半田形状を示す輪郭線ＲＡを的確に識別することができる。
【００４０】
また、テクスチャ模様に関する同時生起行列の１４式に関する好適な合成パラメータを特定するので、各手法の識別精度の偏りの影響を排除し、より正確な識別を実現することが可能となる。
テクスチャ模様の特徴量を得るための手法として確立されている同時生起行列の１４の特徴量の算出方法を用いるので、種々の模様の識別対象をより効果的に識別することが可能となる。
【００４１】
（その他）
上述した画像解析装置１０では、半田模様の特徴量の算出として同時生起行列由来の手法を使ったが、模様を特徴づけることが可能な他の手法を用いても良いし、同時生起行列の手法と他の手法とを組み合わせて用いても良い。例えば、模様の解析の手法としては、例えば領域画像をフーリエ変換して得られた周波数、濃度ヒストグラム，ランレングス行列，フラクタル次元を用いても良い。
その場合も上記実施形態と同様の効果を得ることが可能である。
【００４２】
また、上述した画像解析装置１０では、学習データ作成処理において、模様領域Ａ２のみを利用し、半田の背景領域の画像情報を使用していないが、使用することも可能である。その場合、例えば誤差測定点ごとに背景から単位領域Ａ６（図５参照）を切り出し、その単位領域Ａ６からｆi値を求める。それにより模様領域Ａ２のｆi値と比較することにより、例えば、ｆi値同士の開きが大きいものとそうでないｆi値に分けることができる。その結果、重みとなる係数ｗｉの積空間全域で回す必要がなくなり、繰り返し回数を低減し、迅速に適正な合成パラメータを取得することが可能となり得る。
【００４３】
また、上述した画像解析装置１０では、学習データ作成処理において、ステップ１２のリトライの判定において、誤差Ｄに対する基準値αとの比較により判定を行って終了条件としたが、誤差Ｄを表示装置１２５に表示し、オペレータがリトライを実行するか判断するようにしても良い。その場合も上記実施形態と同様の効果を得ることが可能である。
【００４４】
また、上述した画像解析装置１０では、学習データ作成処理において、ステップ１２のリトライの判定において、誤差Ｄが基準値αを下回ることで処理の終了条件としたが、これに限らず、繰り返しに規定回数を設け、規定回数内で誤差が最小となる合成パラメータを学習データとしても良い。その場合も上記実施形態とほぼ同様の効果を得ることが可能であって、さらに、処理の迅速化を図ることが可能である。
【００４５】
また、誤差測定点Ｇは、前述した６点に限られるものではない。最少で１個でもよく、また、より多くしても良い。その場合も上記実施形態と同様の効果を得ることが可能である。
また、前述の誤差Ｄの対象として輪郭線ＲＡとＲとの最短距離ｄを使ったが、他のものでも良い。例えば、誤差測定点Ｇの数をより多く設定して半田領域同士で面積や重心を求めて比較するようにしても良い。その場合も上記実施形態と同様の効果を得ることが可能である。
【符号の説明】
【００４６】
１０ 画像解析装置
１１ 主制御部
２０ 画像入力部
３０ 画像分割部
４０ 誤差測定点入力部
５０ 特徴量抽出部
６０ 特徴量合成部
７０ 誤差検出部
１００ 電子部品搭載装置
１２０ 制御装置
Ａ１ 撮像画像
Ａ２ 模様領域
Ａ３ 単位領域
Ａ４ 抽出領域
Ａ５ 単位領域
Ｇ 誤差測定点（境界点）
Ｈ 半田パターン（識別対象）
【特許請求の範囲】
【請求項１】
表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置が行う画像解析方法であって、
前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得工程と、
前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得工程と、
前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得工程と、
前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定工程と、
前記判別工程で識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得工程と、
予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得工程で取得された境界線との誤差を検出する誤差検出工程と、
を備え、
前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得工程、判定工程、境界線取得工程及び誤差検出工程を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、
前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別することを特徴とする画像解析方法。
【請求項２】
前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする請求項１記載の画像解析方法。
【請求項３】
表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置であって、
前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得手段と、
前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得手段と、
前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得手段と、
前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定手段と、
前記判別手段により識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得手段と、
予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得手段で取得された境界線との誤差を検出する誤差検出手段と、
を備え、
前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得手段により一致度の取得、前記判定手段により判定、前記境界線取得手段よる前記境界線の取得及び誤差検出手段による誤差検出を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、
前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別することを特徴とする画像解析装置。
【請求項４】
前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする請求項３記載の画像解析装置。
【請求項１】
表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置が行う画像解析方法であって、
前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得工程と、
前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得工程と、
前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得工程と、
前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定工程と、
前記判別工程で識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得工程と、
予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得工程で取得された境界線との誤差を検出する誤差検出工程と、
を備え、
前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得工程、判定工程、境界線取得工程及び誤差検出工程を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、
前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別することを特徴とする画像解析方法。
【請求項２】
前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする請求項１記載の画像解析方法。
【請求項３】
表面が特定の模様からなる識別対象とその周囲の背景とを含んだ撮像画像の撮像画像データに基づいて前記識別対象の識別を行う画像解析装置であって、
前記撮像画像中の予め指定された前記特定の模様のみからなる模様領域における所定の単位領域について複数の手法により基準となるテクスチャ模様の特徴量を求める基準特徴量取得手段と、
前記撮像画像中の少なくとも前記模様領域及びその周囲の背景を含んだ抽出領域を、前記模様領域の単位領域と同じ大きさの単位領域に分割し、当該各単位領域について前記各手法により特徴量を求める比較特徴量取得手段と、
前記抽出領域の各単位領域について、前記各手法の特徴量ごとに前記模様領域との一致度を求め、前記各手法の特徴量ごとの一致度を個々に重み付けをして合成した一致度を求める一致度取得手段と、
前記合成された一致度の値から前記抽出領域の各単位領域が識別対象か背景かを判定する判定手段と、
前記判別手段により識別対象と判別された複数の単位領域から前記抽出領域における識別対象と背景の境界線を求める境界線取得手段と、
予め指定された前記撮像画像における実際の境界線上の位置と前記境界線取得手段で取得された境界線との誤差を検出する誤差検出手段と、
を備え、
前記各手法の特徴量ごとの一致度に対する重み付けのパターンを逐次変更しつつ前記一致度取得手段により一致度の取得、前記判定手段により判定、前記境界線取得手段よる前記境界線の取得及び誤差検出手段による誤差検出を繰り返すことで前記誤差が閾値以下又は最少となる重み付けのパターンを特定し、
前記取得された重み付けパターンに従って撮像画像から前記識別対象を識別することを特徴とする画像解析装置。
【請求項４】
前記特徴量を求める複数の手法は、同時生起行列の１４の特徴量の算出方法の一部又は全部を用いることを特徴とする請求項３記載の画像解析装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２０１１−４３９９８（Ｐ２０１１−４３９９８Ａ）
【公開日】平成２３年３月３日（２０１１．３．３）
【国際特許分類】
【出願番号】特願２００９−１９１９０４（Ｐ２００９−１９１９０４）
【出願日】平成２１年８月２１日（２００９．８．２１）
【出願人】（０００００３３９９）ＪＵＫＩ株式会社 (1,557)
【Ｆターム（参考）】
【公開日】平成２３年３月３日（２０１１．３．３）
【国際特許分類】
【出願日】平成２１年８月２１日（２００９．８．２１）
【出願人】（０００００３３９９）ＪＵＫＩ株式会社 (1,557)
【Ｆターム（参考）】
[ Back to top ]