JP2002366929A - 印刷物の不良欠点抽出処理方法及び装置 - Google Patents

印刷物の不良欠点抽出処理方法及び装置

Info

Publication number
JP2002366929A
JP2002366929A JP2001174922A JP2001174922A JP2002366929A JP 2002366929 A JP2002366929 A JP 2002366929A JP 2001174922 A JP2001174922 A JP 2001174922A JP 2001174922 A JP2001174922 A JP 2001174922A JP 2002366929 A JP2002366929 A JP 2002366929A
Authority
JP
Japan
Prior art keywords
image
printed matter
image data
processing
defective
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2001174922A
Other languages
English (en)
Inventor
Toshio Uji
俊男 宇治
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Printing Bureau
Original Assignee
Printing Bureau Ministry of Finance
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Printing Bureau Ministry of Finance filed Critical Printing Bureau Ministry of Finance
Priority to JP2001174922A priority Critical patent/JP2002366929A/ja
Publication of JP2002366929A publication Critical patent/JP2002366929A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【課題】従来の画像処理技術では抽出及び画像処理生成
が困難である印刷物との濃度差がほとんどなく、肉眼で
は検出が困難な印刷物の不良欠点部分の画像を抽出す
る。 【解決手段】ツリー構造状画像変換の自動生成手段を使
用するとともに、これを印刷物の不良欠点抽出処理に特
化し、より抽出精度を高めるための階調画像の追加及び
それらを比較演算処理するための画像変換処理フィルタ
の導入により、未知のどのような印刷物の不良欠点であ
っても、容易かつ的確に抽出できるようにする。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、遺伝的プログラミ
ングを画像変換処理フィルタのツリー構造状組み合わせ
の最適化処理に適用したツリー構造状画像変換自動生成
法（ACTIT）を用いた印刷物の不良欠点抽出方法に関す
るものである。
【０００２】
【従来の技術】印刷物の品質向上のためには印刷物の検
査が必要不可欠である。従来の印刷物の検査方法では被
検査印刷物の検査画像と基準画像との差異を求め、その
差が一定の閾値以上であった場合に印刷不良と判断する
判定方法が多く用いられている。
【０００３】被検査物が良紙であっても、取り込んだ検
査画像には印刷濃度のムラ、印刷時または検査時に発生
する用紙の傾き、ずれ、伸縮などの誤差が含まれてい
る。また、模様や文字の輪郭部分では濃度変化が大き
く、この誤差領域と不良との差異を判別することができ
ないため模様や文字の輪郭部分は閾値を高く設定する必
要がある。
【０００４】２枚の異なる良紙画像の差分を計算する
と、同じ部分では画像は黒くなり、異なる部分では画像
は白くなる。つまり、同じ印刷物においても差分後の画
像は模様や文字の輪郭部分に差が見られることから、輪
郭部分から離れた位置に汚れがある場合には不良品の検
出は可能であるが、輪郭部分に近い位置に汚れがある場
合には十分な検出結果が得られない。
【０００５】画像処理のカスタマイズあるいは画像処理
の自動化、省力化を目的とした画像処理方法としてエキ
スパートシステムがある（特開平8-96136号公報）。エ
キスパートシステムは、画像処理に関する知識をシステ
ムにあらかじめ組み込み、知識に基づいた推論やユーザ
との対話形式によるやりとりで、画像処理方法の選択や
処理に付随するパラメータの調整を行う技術である。
【０００６】この方法では対象に依存しない広範囲な応
用を目的とした場合や、現在まで確立されていない新し
い分野への応用を考えた場合、蓄えられた知識では表現
しきれない処理手順が存在するため対処できないという
欠点がある。
【０００７】また、特定分野の画像処理をチューニング
するニューラルネットワークという方法がある（特開平
6-76069号公報）。ニューラルネットワークは脳の神経
回路をモデルとして、最適化や学習を行う手法であり、
神経細胞（ニューロン）をモデル化したユニットを多数
接続し、ネットワークを構成する。各ユニットには他の
複数のユニットからの出力信号の値に結合の重みを掛け
た値の和を入力し、ニューロンモデルで定義された関数
により出力値を決定する。関数の代表例としては閾値関
数やシグモイド関数と呼ばれる関数が使用される。
【０００８】ニューラルネットワークの画像への応用と
して、原画像から何らかの方法で画像を処理して、濃度
の統計量等の特徴量を抽出し、これをニューラルネット
ワークに付与することで、画像処理を学習・最適化させ
る方法が用いられる。
【０００９】しかし、未知の画像へのニューラルネット
ワークの適用には、入力するための特徴量の選定、最適
化の方法などにより、画像処理能力が左右されることか
ら、画像処理及びニューラルネットワークの専門的知識
・経験が必要とされる。したがって、好ましい画像処理
の結果が得られなければ、目的とする画像処理が行われ
るまで、特徴量の選定及び最適化の方法の検討を繰り返
す必要がある。
【００１０】すなわち、検査する画像に何らかの画像処
理を施すアルゴリズムは、膨大に存在し、検査手法、そ
のデータベースの活用、又はそのデータを学習させるた
めに、その中から適切なものを選択し、組み合わせ、更
には修正を行うなどの試行錯誤が必要となり、画像処理
の専門的な知識・経験及び組み合わせの最適化のために
多大な時間と労力を必要とする。
【００１１】以上の問題を鑑み、生物の進化の過程を模
倣した最適化手法の１つである遺伝的アルゴリズム（G
A：Genetic Algorithm）をもとに考案された遺伝的プロ
グラミング（GP：Genetic Programming）を画像処理に
適用したツリー構造状画像変換自動生成法（ACTIT：Aut
omatic Construction of Tree-structural Image Trans
formation;情報メディア学会誌53,6,pp888-894(1999)）
を印刷物の不良欠点抽出方法に用いることにする。
【００１２】この手法は、予め用意した複数の画像変換
処理フィルタを任意の形のツリー構造状に組み合わせる
ことによって、入力画像から出力画像への画像変換処理
を実現するものである（図３）。なお、該手法は、１つ
又は複数の入力手段と、１つの出力手段を持つ画像変換
処理フィルタFnを用いる。処理される画像はツリー構造
における全ての葉ノード１（終端）より入力され、フィ
ルタの組み合わせにより異なった処理を受ける。それら
は画像変換処理により順次合成され、最終的に一つの画
像となって出力される。フィルタの組み合わせにより、
領域や目的毎に異なった処理を施し、それらの結果を適
宜合成するような複雑な画像変換処理を構築することが
可能となる。
【００１３】ツリー構造は処理対象となる画像郡の中か
ら目標の特徴を捉えたいくつかの原画像とそれらに対す
る理想的な処理結果である目標画像を用意し、ツリー構
造が表す画像変換に原画像を入力したときの出力画像が
目標画像と同様になるように遺伝的プログラミング（G
P）の手法を用いて最適化を行う。こうして目的とする
画像変換が自動的に得られ、一度構築された画像変換
は、原画像と同じ特徴をもつ画像が入力されたときには
目標画像が与えられなくても目的とする処理を実行す
る。
【００１４】遺伝的アルゴリズム（GA）は、解こうとし
ている問題の解を染色体と呼ばれる記号列表現に変換
し、これらの染色体の集団に遺伝的操作と呼ばれる記号
列表現に変換し、これらの染色体の集団に遺伝的操作と
呼ばれる演算を繰り返し行うことにより、染色体の集団
を少しずつ変更して最適解あるいは最適解に匹敵する解
を求める確率的な演算手法である。GAでは生物の遺伝子
コードを最適化問題の解として１次元配列の文字列で表
現し、それぞれ異なる遺伝子コード（図４）を持つ個体
集団が適者生存に基づく淘汰・増殖を繰り返すことで、
与えられた問題に対する適応度は世代を重ねるごとに上
がってゆく。各個体は適応度関数を用いて計算された適
応度を持ち、一般的に問題の解に近いほど適応度が高く
なり、適応度が高い個体ほど次の世代に生き残る確率が
高くなる。GAを適用し個体集団を十分に進化させた後、
集団中で最も適応度の高い個体が持つ遺伝子コードをそ
の問題の最適解とする（図５）。
【００１５】一方、遺伝的プログラミング（GP）は基本
的な動作部分はGAと同じであるが、GAにおいて1次元の
文字列で表される遺伝子コードをツリー構造状にするこ
とによって、プログラムなどの最適化をより効率的に行
えるように拡張した手法である。各個体の遺伝子コード
を表すツリーは、ユーザが設定した終端記号と非終端記
号から構成される。葉ノードとなるのが終端記号で、内
部ノードとなるのが非終端記号である。GA・GPの基本的
な処理の流れは以下のとおりである（図６）。初期の個
体集団をランダムに作成し、各個体の適応度を評価す
る。個体の複製のために親集合を選択する。親集合から
交叉、突然変異によって子集合を生成する。生成した子
集合の適応度を評価する。親集合と子集合より生存する
個体を選択し新しい集団とする。(2)〜(4)を繰り返す。
【００１６】初期個体の生成は次に示す規則に基づいて
行う。ツリーのルートノードには必ず非終端記号を生成
し、それ以降は各ノードが終端記号である確率をpt、非
終端記号である確率を数１として生成する。
【数１】pf=1-pt 非終端記号が生成されたときに１入力フィルタである確
率をp1、２入力フィルタである確率を数２とし、１個体
あたりの非終端記号すなわちフィルタの総数の期待値を
nfとすると、1個体あたりのフィルタ総数の期待値ntは
数３となり、終端記号の生成確率ptは数４となる。
【数２】p2=1-p1
【数３】nt=1+nfp2
【数４】pt=nt/(nf-1+nt) ただし、フィルタの数が上限数nmaxに達した場合は無条
件で終端記号を生成する。また、生成したツリー構造に
含まれるフィルタの数が初期個体の下限数nmin未満であ
った場合には、もう一度そのツリー構造を生成しなお
す。フィルタの上限数nmax、フィルタの数の期待値nf、
フィルタの下限数nmin、１入力フィルタ生成確率p1はAC
TIT実行時にパラメータとして与える。
【００１７】交叉、突然変異はGPでは各個体を表すツリ
ー構造に対して適用する。ツリー構造に対する交叉（図
７）は、親２個体それぞれの全ノードからランダムに選
択し、任意のノード以下の部分ツリーを交換することに
よって行う。いずれかの個体のフィルタ数が0になるかn
maxを超えた場合にはもう一度交叉をやり直す。交叉後
ｂに各個体を突然変異率Pmutの確率で突然変異させる
（図８）。突然変異は個体の全ノードからランダムに１
つを選択し、書き換えｄ、挿入ｅ、又は削除ｆという３
つの方法のうち１つを等確率で選択し実行する。ただし
選択されたノードが終端ノード1である場合には、削除
ｆ以外のどちらか一方を等確率で選択して実行する。新
しいノードを生成する場合は終端記号の生成確率ptを用
いる。突然変異の結果、個体のフィルタ数が0になるかn
maxを超えた場合には、もう一度突然変異をやり直す。
ここで示した突然変異率Pmutも他のパラメータ同様ACTI
T実行時に与える。
【００１８】適応度評価のために数５の関数を用いる。
【数５】 適応度は出力画像と目標画像との重み付けした距離を正
規化し、画像の全セットでの平均をとることによって求
める。ここで，{ok(i,j)}は原画像にツリー構造状画像
変換を適用することで得られた出力画像、{tk(i,j)}は
目標画像、{wk(i,j)}は重み画像である。重み画像と
は、各目標画像の画素ごとの達成希望度をあらわすもの
であり、値が大きいほど出力が目標画像と一致すること
が望まれる。また、各画像はi，j方向の画素数をW、Hと
し、各画素は0からVmaxまでの整数値をとるものとす
る。原画像・目標画像・重み画像の組は複数用意するこ
とができ、そのセット数をKとする。適応度は0から1ま
での値をとり、出力画像が目標画像に類似しているほど
大きな値をとり、完全に一致すれば1となる。
【００１９】ACTITは複数の画像を入力して１つの画像
を出力する変換について、任意の画像変換を自動構築す
ることから、カラー画像を処理する際には個体の遺伝子
コードがとる終端記号の種類をカラー画像のHSV（Hue：
色相、Saturation：彩度、Value：明度）、RGB(Red：
赤、Green：緑、Blue：青)などの表色系へと変換した各
チャンネルとすることによって、カラー画像から階調画
像への画像変換の構築が可能となる。
【００２０】
【発明が解決しようとする課題】ACTITで自動構築した
画像変換処理手順を用いることで、検査画像から印刷物
の不良欠点抽出処理を行うことにより、比較的はっきり
とした不良欠点部分のある検査画像については、かなり
の精度での不良欠点の抽出が可能となるが、人間の目で
はわかりにくく、判断のつきにくい淡い油汚れ等の不良
欠点については、該手法を単に印刷物の不良欠点抽出処
理に適用しただけでは、精度良く不良欠点を抽出できな
いという問題がある。
【００２１】本発明は、係る問題を解決するためになさ
れたもので、その目的とするところは、従来の画像処理
技術では抽出及び画像処理生成が困難である印刷物との
濃度差がほとんどなく、肉眼では検出が困難な印刷物の
不良欠点部分の画像抽出処理において、ACTITを使用す
るとともに、これを印刷物の不良欠点抽出処理に特化
し、より抽出精度を高めるための階調画像の追加及びそ
れらを比較演算処理するための画像変換処理フィルタの
導入により、未知のどのような印刷物の不良欠点であっ
ても、容易かつ的確に抽出できる方法及び装置を提供す
るものである。
【００２２】
【課題を解決するための手段】本発明は、印刷物の画像
データを取り込むデータ入力手段と、該画像データから
印刷物の不良欠点を抽出するための画像変換処理フィル
タを指定し、画像変換処理フィルタを最適化するための
パラメータを設定するデータ操作・指定手段と、前記画
像データを階調画像に変換し、前記パラメータ設定値と
前記画像変換処理フィルタにより、印刷物の不良欠点を
抽出する画像変換処理手順を自動構築し、前記印刷物の
不良欠点を抽出処理して、前記印刷物の不良欠点の有無
で良紙・不良紙を判別するデータ処理手段と、前記パラ
メータ設定値、前記画像データ、及び前記画像変換処理
手順を記憶するデータ記憶手段と、前記画像変換処理手
順及び前記印刷物の不良欠点を抽出した画像を出力・表
示するデータ出力・表示手段とから構成されている。
【００２３】また、本発明は、入力画像データが印刷物
の不良欠点を含む検査画像データ及び該検査画像データ
から印刷物の不良欠点のみを抽出した目標画像データで
構成され、前記データ処理手段の画像変換処理手順の自
動構築処理手段において、遺伝的アルゴリズムを画像処
理に適用した遺伝的プログラミングで画像変換処理フィ
ルタのツリー構造状組み合わせを最適化処理すること
で、前記画像変換処理手順を自動構築することを特徴と
する。
【００２４】また、本発明は、データ処理手段の遺伝的
アルゴリズムを画像処理に適用した遺伝的プログラミン
グで画像変換処理フィルタのツリー構造状組み合わせを
最適化処理するツリー構造状画像変換の自動生成手段に
おいて、印刷物の不良欠点を含む検査画像データ及び該
検査画像データから印刷物の不良欠点のみを抽出した目
標画像データに、印刷物の不良欠点を一切含まない基準
画像データを加えることを特徴とする。
【００２５】また、本発明は、前記ツリー構造状画像変
換の自動生成手段において、印刷物の不良欠点を含む検
査画像データ、該検査画像データから前記印刷物の不良
欠点のみを抽出した目標画像データ、及び印刷物の不良
欠点を一切含まない基準画像データからなる標準画像セ
ットデータに、適応度評価の度合いを表現した重み画像
データを加えることを特徴とする。
【００２６】また、本発明は、前記ツリー構造状画像変
換の自動生成手段において、印刷物の不良欠点を含む検
査画像データと印刷物の不良欠点を一切含まない基準画
像データ、又は／及び検査画像データと適応度評価の度
合いを表現した重み画像データ、又は／及び基準画像デ
ータと重み画像データとを比較演算処理を行うための画
像変換処理フィルタを導入することを特徴とする。
【００２７】また、本発明は、パラメータ設定手段にお
いて、任意の画像変換処理フィルタの組み合わせである
ツリー構造を一個体として、その複数個体に遺伝的プロ
グラミングを用いることで個体数を定義する個体集団
数、一個体当たりの画像変換処理フィルタ数の最大値、
前記ツリー構造状画像変換の自動生成手段における遺伝
的プログラミング処理の交叉確率・突然変異率、及び世
代交代の上限数とからなることを特徴とする。
【００２８】また、本発明は、印刷された印刷物の画像
データをデータ入力手段で入力し、該画像データを階調
画像変換処理手段で階調画像変換処理を施し、該階調画
像変換処理データを基に、不良欠点抽出処理手段で印刷
物の不良欠点を抽出し、抽出した印刷物の不良欠点抽出
画像データを画像データ記憶手段に記憶保存するととも
に、印刷物の不良欠点抽出画像データを出力・表示する
ことを特徴とする。
【００２９】また、本発明は、印刷物の不良欠点抽出処
理手段により、印刷物から印刷物の不良欠点抽出画像デ
ータを抽出した場合は、データ処理手段の良否判別処理
手段により不良紙と判断し、又は印刷物の不良欠点抽出
処理手段により、印刷物から印刷物の不良欠点抽出画像
データを抽出しなかった場合は、前記良否判別処理手段
により良紙と判断することを特徴とする
【００３０】なお、本発明の印刷物の不良欠点抽出手段
により抽出する印刷物は、有価証券類であることを特徴
とする。
【００３１】
【発明の実施の形態】本発明の詳細な流れについて図１
及び２を基に説明する。標準画像セットをデータ入力部
Aに入力S1し、データ処理部Dの階調画像変換処理部D1で
階調画像変換処理S2を施し、データ操作・指定部Bの画
像変換処理フィルタ指定部B2においてACTIT処理D2で使
用する画像変換処理フィルタを指定S3する。パラメータ
設定部Bでは、ACTITのパラメータを設定S4し、初期個体
集団をランダムに生成S5し、適応度の評価S6を行う。
【００３２】前記の適応度評価により親集団をランダム
に選択S7し、最適化処理部D21で交叉するものをランダ
ムに選択S8し、選択されたものは交叉S9を開始し、一個
体当たりの画像処理フィルタ数nが0（S10）になるとも
う一度交叉S9をやり直し、画像処理フィルタ数が0では
なく最大値nmax（S10）に達した場合も交叉S9をやり直
す。
【００３３】一個体当たりの画像処理フィルタ数nが0＜
n＜nmaxの範囲内で処理されたもの、及び交叉の処理が
成されていないものは、突然変異率で確率的に選択S12
されて突然変異処理の書き換えS12a、挿入S12b、又は削
除S12cの処理を行い、画像変換処理手順、個体集団デー
タ及び処理後の各種パラメータを記憶保存S13する。な
お、突然変異処理が成されていないものについても、個
体集団データ及び処理後の各種パラメータを記憶保存S1
3する。
【００３４】前記画像変換処理手順による画像変換処理
の適応度を適応度評価部D22で評価S14し、適応度が1に
なるか、若しくは適応度が１とはならなくても目標とす
る画像処理が達成された場合、画像変換処理手順は最適
化されているものと判断され、その手順を画像変換処理
手順記憶部C3に記憶保存S17する。また、適応度が1に等
しくなく、かつ、世代交代数が上限値S15に達した場合
も画像変換処理手順は最適化されているものと判断さ
れ、同様の手順で処理される。
【００３５】適応度が1（S14）に等しくなく、かつ、世
代交代数も上限値S15に達しない場合は、親集団及び子
集団より次世代生存個体を適応度に応じて選択S16し、
親集団のランダム選択工程S7に戻り前記工程を繰り返
す。
【００３６】次に、印刷された一般的な検査対象物の一
般検査画像をデータ入力部Aに入力S18し、階調画像変換
処理部Dで階調画像変換処理S19を行い、前記処理で得ら
れた最適化画像変換処理により不良欠点画像抽出処理S2
0を行い、不良欠点の有無S21を良否判定処理部D4で行
い、不良欠点画像が抽出された場合は不良紙として判断
S22し、そうでない場合は良紙として判断S23する。
【００３７】次に実施例により印刷物の不良欠点抽出方
法について説明する（図９）。 （実施例）まず、基準画像２、検査画像４、目標画像
５、及び重み画像からなる画像郡を用意するが、基準画
像２は汚れがなく、色むらの少ないものを選定し、検査
画像４は油汚れの画像郡の中から汚れの特徴を良く表し
ていると思われる画像を標準画像として選択する。
【００３８】目標画像５は選択した検査画像４から、期
待する画像変換処理の結果となる画像を作成する。必要
であれば適応度評価の重みを表現した重み画像を作成
し、基準画像２、検査画像４、目標画像５、及び重み画
像の標準画像セットを階調画像変換処理部D1で階調画像
に変換する。
【００３９】次に、ACTITの遺伝的プログラミング（G
P）の最適化処理で用いる各パラメータをパラメータ設
定部B1で設定し、標準画像セットをACTITで処理する。G
Pによるツリー構造状画像変換の最適化処理D21が行わ
れ、適応度が最大値の1となった時、又は設定した世代
数が全て終了した時点で処理は終わり、出力されるもの
として最大適応度を持つ最適化画像変換処理手順が得ら
れる。
【００４０】続いて、上記で得られた最適化画像変換処
理手順を基にして、印刷機を稼動させて、印刷機上のCC
Dカメラ等で印刷された印面を検査して、本発明の方法
により油汚れ等の不良欠点のある印面から未知の不良欠
点７を抽出した場合、それを不良紙と判断して、印刷機
の正規の良紙排出部ではない不良紙排出部に排出され
て、自動的に良紙・不良紙の仕分けを行う。
【００４１】
【発明の効果】本発明では、不良欠点を抽出する処理を
自動構築でき、基準画像、検査画像、及び目標画像を設
定する簡単な作業で済むので画像処理に関する経験・知
識をほとんど必要としない。
【００４２】また、従来は判別しにくい汚れに対しても
新たに特殊なフィルタを追加することにより処理を容易
に短時間に構築でき、人間では考え付くことができない
処理手順を探索することが出来る。
【００４３】また、事前に用意するフィルタの種類や適
用順序に関する制限を必要としないため、画像処理の知
識に基づく処理手順の制限、又はシステムとの対話によ
るユーザへの負担が解消される。
【００４４】また、画像処理フィルタ列をあらわすツリ
ー構造の最適化を行うことにより目的の画像を得られる
ことから、特徴量の抽出やニューラルネットワークの最
適化のための試行錯誤を必要としないし、知識データベ
ースを必要としないので未知画像への対応も容易に可能
である。
【００４５】また、従来の画像処理技術では抽出及び画
像処理生成が困難である印刷物との濃度差がほとんどな
く、肉眼では検出が困難な印刷物の不良欠点部分の画像
抽出処理において、ACTITに基準画像並びに重み画像の
比較画像の追加及びそれらを比較演算処理するための画
像変換処理フィルタの導入により、印刷物の不良欠点抽
出処理に特化することで、未知のどのような印刷物の不
良欠点であっても、容易かつ的確に抽出することが可能
である。
【図面の簡単な説明】
【図１】本発明に係る印刷物の不良欠点抽出方法の構成
図である。
【図２】本発明に係る印刷物の不良欠点抽出方法におけ
る画像データの入力から不良欠点の有無を判断するまで
の流れ図である。
【図３】本発明に係るツリー構造状に組み合わされた画
像処理フィルタを示す図である。
【図４】本発明に係る遺伝的アルゴリズムの遺伝子コー
ドを示す図である。
【図５】本発明に係る遺伝的プログラミングの最適化処
理における世代数と適応度の関係を示す図である。
【図６】本発明に係る遺伝的プログラミングの基本的な
流れを示す図である。
【図７】本発明に係る遺伝的プログラミングの最適化処
理のうち、交叉を示す図である。
【図８】本発明に係る遺伝的プログラミングの最適化処
理のうち、突然変異を示す図である。
【図９】本発明に係る入力画像である基準画像、検査画
像、目標画像、及び未知の不良欠点を抽出した画像を示
す図である。
【符号の説明】
１ 葉ノード（終端） Fn 画像処理フィルタ（非終端） ａ 交叉前のツリー構造 ｂ 交叉後のツリー構造 ｃ 突然変異前のツリー構造 ｄ 書き換え後のツリー構造 ｅ 挿入後のツリー構造 ｆ 削除後のツリー構造 ２ 基本画像（有価証券） ３ 印刷物の不良欠点 ４ 検査画像 ５ 目標画像 ６ 未知の画像 ７ 未知の不良欠点抽出画像

Claims (15)

    【特許請求の範囲】
  1. 【請求項１】 印刷物の画像データを取り込むデータ入
    力手段と、前記画像データから印刷物の不良欠点を抽出
    するための画像変換処理フィルタを指定し、画像変換処
    理フィルタを最適化するためのパラメータを設定するデ
    ータ操作・指定手段と、前記画像データを階調画像に変
    換し、前記パラメータ設定値と前記画像変換処理フィル
    タにより、印刷物の不良欠点を抽出する画像変換処理手
    順を自動構築し、前記印刷物の不良欠点を抽出処理し
    て、前記印刷物の不良欠点の有無で良紙・不良紙を判別
    するデータ処理手段と、前記パラメータ設定値、前記画
    像データ、及び前記画像変換処理手順を記憶するデータ
    記憶手段と、前記画像変換処理手順及び前記印刷物の不
    良欠点を抽出した画像を出力・表示するデータ出力・表
    示手段とからなる印刷物の不良欠点抽出処理装置におい
    て、入力画像データが印刷物の不良欠点を含む検査画像
    データ及び前記検査画像データから前記印刷物の不良欠
    点のみを抽出した目標画像データで構成され、前記デー
    タ処理手段の画像変換処理手順の自動構築処理手順は、
    遺伝的アルゴリズムを画像処理に適用した遺伝的プログ
    ラミングで画像変換処理フィルタのツリー構造状組み合
    わせを最適化処理することで、最適化画像変換処理手順
    を自動構築することを特徴とする印刷物の不良欠点抽出
    装置。
  2. 【請求項２】 前記データ処理手段の遺伝的アルゴリズ
    ムを画像処理に適用した遺伝的プログラミングで画像変
    換処理フィルタのツリー構造状組み合わせを最適化処理
    するツリー構造状画像変換の自動生成手段において、印
    刷物の不良欠点を含む前記検査画像データ及び前記検査
    画像データから印刷物の不良欠点のみを抽出した前記目
    標画像データに、印刷物の不良欠点を一切含まない基準
    画像データを加えることを特徴とする請求項１記載の印
    刷物の不良欠点抽出装置。
  3. 【請求項３】 前記データ処理手段の遺伝的アルゴリズ
    ムを画像処理に適用した遺伝的プログラミングで画像変
    換処理フィルタのツリー構造状組み合わせを最適化処理
    する前記ツリー構造状画像変換の自動生成手段におい
    て、印刷物の不良欠点を含む前記検査画像データ、前記
    検査画像データから前記印刷物の不良欠点のみを抽出し
    た前記目標画像データ、及び印刷物の不良欠点を一切含
    まない前記基準画像データとからなる標準画像セットデ
    ータに、適応度評価の度合いを表現した重み画像データ
    を加えることを特徴とする請求項１及び２記載の印刷物
    の不良欠点抽出処理装置。
  4. 【請求項４】 前記データ処理手段の遺伝的アルゴリズ
    ムを画像処理に適用した遺伝的プログラミングで画像変
    換処理フィルタのツリー構造状組み合わせを最適化処理
    する前記ツリー構造状画像変換の自動生成手段におい
    て、印刷物の不良欠点を含む前記検査画像データと印刷
    物の不良欠点を一切含まない前記基準画像データ、又は
    ／及び前記検査画像データと適応度評価の度合いを表現
    した前記重み画像データ、又は／及び前記基準画像デー
    タと前記重み画像データとを比較演算処理を行うための
    画像変換処理フィルタを導入することを特徴とする請求
    項１及至３記載の印刷物の不良欠点抽出処理装置。
  5. 【請求項５】 前記パラメータ設定手段において、任意
    の画像変換処理フィルタの組み合わせであるツリー構造
    を一個体として、その複数個体に遺伝的アルゴリズムを
    画像処理に適用した前記遺伝的プログラミングを用いる
    ことで個体数を定義する個体集団数、一個体当たりの画
    像変換処理フィルタ数の最大値、遺伝的アルゴリズムを
    画像処理に適用した遺伝的プログラミングで画像変換処
    理フィルタのツリー構造状組み合わせを最適化処理する
    前記ツリー構造状画像変換の自動生成手段における交叉
    確率・突然変異率、及び世代交代の上限数とからなるこ
    とを特徴とする請求項１及至４記載の印刷物の不良欠点
    抽出処理装置。
  6. 【請求項６】 印刷された印刷物の画像データを前記デ
    ータ入力手段で入力し、前記データ入力手段で入力され
    た前記画像データを前記階調画像変換処理手段で階調画
    像変換処理を施し、前記階調画像変換処理手段で階調画
    像変換処理を施した階調画像変換処理データを基に、前
    記不良欠点抽出処理手段で印刷物の不良欠点を抽出し、
    前記不良欠点抽出処理手段で抽出した印刷物の不良欠点
    抽出画像データを前記画像データ記憶手段に記憶保存す
    ると共に、前記印刷物の不良欠点抽出画像データを出力
    ・表示することを特徴とする請求項１及至５記載の印刷
    物の不良欠点抽出処理装置。
  7. 【請求項７】 前記印刷物の不良欠点抽出処理手段によ
    り、前記印刷物から印刷物の不良欠点抽出画像データを
    抽出した場合は、前記データ処理手段の良否判別処理手
    段により不良紙と判断し、又は前記印刷物の不良欠点抽
    出処理手段により、前記印刷物から印刷物の不良欠点抽
    出画像データを抽出しなかった場合は、前記データ処理
    手段の良否判別処理手段により良紙と判断することを特
    徴とする請求項１及至６記載の印刷物の不良欠点抽出処
    理装置。
  8. 【請求項８】 印刷物の不良欠点を含む検査画像データ
    及び前記検査画像データから前記印刷物の不良欠点のみ
    を抽出した目標画像データを入力するステップと、前記
    検査画像データ及び前記目標画像データを基に、階調画
    像データに画像変換するステップと、前記階調画像変換
    処理ステップで処理されて、前記画像データ記憶ステッ
    プで記憶保存されている前記階調画像変換処理データを
    基に、遺伝的アルゴリズムを画像処理に適用した遺伝的
    プログラミングで画像変換処理フィルタのツリー構造状
    組み合わせを最適化処理するツリー構造状画像変換の自
    動生成ステップにおいて、前記印刷物の不良欠点を抽出
    するために指定する画像変換処理フィルタ指定ステップ
    と、前記ツリー構造状画像変換の自動生成するステップ
    において、画像変換処理手順を最適化し、自動構築する
    ためのパラメータを設定するステップと、前記ツリー構
    造状画像変換を自動生成するステップにより最適化され
    た前記画像変換処理手順を記憶保存するステップと、前
    記最適化画像変換処理手順により前記印刷物の不良欠点
    を抽出するステップと、前記画像データを記憶するステ
    ップで記憶保存している前記不良欠点を抽出処理するス
    テップで抽出した前記不良欠点抽出画像データを基に、
    前記印刷物の不良欠点抽出画像データを出力・表示する
    ステップ及び前記ツリー構造状画像変換の自動生成ステ
    ップにより最適化された前記画像変換処理手順を出力・
    表示するステップとからなる印刷物の不良欠点抽出処理
    方法。
  9. 【請求項９】 前記データ処理ステップの遺伝的アルゴ
    リズムを画像処理に適用した遺伝的プログラミングで画
    像変換処理フィルタのツリー構造状組み合わせを最適化
    処理するツリー構造状画像変換の自動生成ステップにお
    いて、印刷物の不良欠点を含む前記検査画像データ及び
    前記検査画像データから前記印刷物の不良欠点のみを抽
    出した前記目標画像データに、印刷物の不良欠点を一切
    含まない基準画像データを加えることを特徴とする請求
    項８記載の印刷物の不良欠点抽出方法。
  10. 【請求項１０】 前記データ処理ステップの遺伝的アル
    ゴリズムを画像処理に適用した遺伝的プログラミングで
    画像変換処理フィルタのツリー構造状組み合わせを最適
    化処理する前記ツリー構造状画像変換の自動生成ステッ
    プにおいて、印刷物の不良欠点を含む前記検査画像デー
    タ、前記検査画像データから前記印刷物の不良欠点のみ
    を抽出した前記目標画像データ、及び印刷物の不良欠点
    を一切含まない前記基準画像データからなる標準画像セ
    ットデータに、適応度評価の度合いを表現した重み画像
    データを加えることを特徴とする請求項８及び９記載の
    印刷物の不良欠点抽出処理方法。
  11. 【請求項１１】 前記データ処理ステップの遺伝的アル
    ゴリズムを画像処理に適用した遺伝的プログラミングで
    画像変換処理フィルタのツリー構造状組み合わせを最適
    化処理する前記ツリー構造状画像変換の自動生成ステッ
    プにおいて、印刷物の不良欠点を含む前記検査画像デー
    タと印刷物の不良欠点を一切含まない前記基準画像デー
    タ、又は／及び前記検査画像データと適応度評価の度合
    いを表現した前記重み画像データ、又は／及び前記基準
    画像データと前記重み画像データとを比較演算処理を行
    うための画像変換処理フィルタを導入することを特徴と
    する請求項８及至１０記載の印刷物の不良欠点抽出処理
    方法。
  12. 【請求項１２】 前記パラメータ設定ステップにおい
    て、任意のフィルタの組み合わせであるツリー構造を一
    個体として、その複数個体に遺伝的プログラミングを用
    いることで個体数を定義する個体集団数、一個体当たり
    の画像変換処理フィルタ数の最大値、遺伝的アルゴリズ
    ムを画像処理に適用した遺伝的プログラミングで画像変
    換処理フィルタのツリー構造状組み合わせを最適化処理
    する前記ツリー構造状画像変換の自動生成ステップにお
    ける遺伝的プログラミング処理の交叉確率・突然変異
    率、及び世代交代の上限数とからなることを特徴とする
    請求項８及至１１記載の印刷物の不良欠点抽出処理方
    法。
  13. 【請求項１３】 印刷された印刷物の画像データを前記
    データ入力ステップで入力し、前記データ入力ステップ
    で入力された前記画像データを前記階調画像変換処理ス
    テップで階調画像変換処理を施し、前記階調画像変換処
    理ステップで階調画像変換処理を施した階調画像変換処
    理データを基に、前記不良欠点抽出処理ステップで印刷
    物の不良欠点を抽出し、前記不良欠点抽出処理ステップ
    で抽出した印刷物の不良欠点抽出画像データを前記画像
    データ記憶ステップに記憶保存すると共に、前記印刷物
    の不良欠点抽出画像データを出力・表示することを特徴
    とする請求項８及至１２記載の印刷物の不良欠点抽出処
    理方法。
  14. 【請求項１４】 前記印刷物の不良欠点抽出処理ステッ
    プにより、前記印刷物から前記印刷物の不良欠点抽出画
    像データを抽出した場合は、前記データ処理ステップの
    良否判別処理ステップにより不良紙と判断し、前記印刷
    物の不良欠点抽出処理ステップにより、印刷物から前記
    印刷物の不良欠点抽出画像データを抽出しなかった場合
    は、前記データ処理ステップの良否判別処理ステップに
    より良紙と判断することを特徴とする請求項８及至１３
    記載の印刷物の不良欠点抽出処理方法。
  15. 【請求項１５】 前記印刷物の不良欠点抽出方法及び装
    置により、印刷物の不良欠点を抽出する前記印刷物は、
    有価証券類であることを特徴とする請求項１及至７記載
    の印刷物の不良欠点抽出処理装置、又は請求項８及至１
    ４記載の印刷物の不良欠点抽出処理方法。
JP2001174922A 2001-06-11 2001-06-11 印刷物の不良欠点抽出処理方法及び装置 Pending JP2002366929A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2001174922A JP2002366929A (ja) 2001-06-11 2001-06-11 印刷物の不良欠点抽出処理方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2001174922A JP2002366929A (ja) 2001-06-11 2001-06-11 印刷物の不良欠点抽出処理方法及び装置

Publications (1)

Publication Number Publication Date
JP2002366929A true JP2002366929A (ja) 2002-12-20

Family

ID=19016137

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001174922A Pending JP2002366929A (ja) 2001-06-11 2001-06-11 印刷物の不良欠点抽出処理方法及び装置

Country Status (1)

Country Link
JP (1) JP2002366929A (ja)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006220666A (ja) * 2006-05-08 2006-08-24 Fujitsu Ltd 撮影装置
JP2006260410A (ja) * 2005-03-18 2006-09-28 Sharp Corp 画像処理アルゴリズムの評価装置、生成装置、評価方法、生成方法、コンピュータをその評価装置として機能させるためのプログラム、およびコンピュータをその生成装置として機能させるためのプログラム
JP2006284596A (ja) * 2006-05-08 2006-10-19 Fujitsu Ltd 撮影装置
WO2007013425A1 (ja) * 2005-07-26 2007-02-01 National University Corporation Hokkaido University 画像処理自動構成装置
JP2007102458A (ja) * 2005-10-04 2007-04-19 Yamaguchi Univ 画像処理による注目部分を自動描出する方法及びそのための装置並びにプログラムを記録した記録媒体
JPWO2006001107A1 (ja) * 2004-06-24 2007-08-02 株式会社イシダ Ｘ線検査装置およびｘ線検査装置の画像処理手順の生成方法
WO2008050686A1 (en) * 2006-10-27 2008-05-02 Bridgestone Corporation Separation filter deciding device and tire inspecting device
JP2008112266A (ja) * 2006-10-30 2008-05-15 Fujitsu Ltd 画像処理プログラムおよび画像処理装置
JP2011014047A (ja) * 2009-07-03 2011-01-20 Nikon Corp 画像処理装置、画像処理方法、および画像処理プログラム
JP2011022797A (ja) * 2009-07-15 2011-02-03 Nikon Corp 画像処理装置、画像処理方法、および画像処理プログラム
JP2020107009A (ja) * 2018-12-27 2020-07-09 東洋製罐グループホールディングス株式会社 画像処理システム、及び画像処理プログラム
US11182650B2 (en) 2017-03-24 2021-11-23 Fujitsu Limited Information processing apparatus to generate a next generation image processing program in genetic programming, control method, and non-transitory computer-readable storage medium for storage program
JP2022031827A (ja) * 2017-01-30 2022-02-22 オムロン株式会社 画像処理システム、情報処理装置、情報処理方法、および、情報処理プログラム
US11461663B2 (en) 2016-10-26 2022-10-04 Fujitsu Limited Information processing apparatus, information processing method for image processing, and storage medium

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2006001107A1 (ja) * 2004-06-24 2007-08-02 株式会社イシダ Ｘ線検査装置およびｘ線検査装置の画像処理手順の生成方法
JP2006260410A (ja) * 2005-03-18 2006-09-28 Sharp Corp 画像処理アルゴリズムの評価装置、生成装置、評価方法、生成方法、コンピュータをその評価装置として機能させるためのプログラム、およびコンピュータをその生成装置として機能させるためのプログラム
WO2007013425A1 (ja) * 2005-07-26 2007-02-01 National University Corporation Hokkaido University 画像処理自動構成装置
JP4581090B2 (ja) * 2005-10-04 2010-11-17 国立大学法人山口大学 画像処理による注目部分を自動描出する方法及びそのための装置並びにプログラムを記録した記録媒体
JP2007102458A (ja) * 2005-10-04 2007-04-19 Yamaguchi Univ 画像処理による注目部分を自動描出する方法及びそのための装置並びにプログラムを記録した記録媒体
JP2006284596A (ja) * 2006-05-08 2006-10-19 Fujitsu Ltd 撮影装置
JP2006220666A (ja) * 2006-05-08 2006-08-24 Fujitsu Ltd 撮影装置
US8305436B2 (en) 2006-10-27 2012-11-06 Bridgestone Corporation Separation filter selection device and tire inspection device
WO2008050686A1 (en) * 2006-10-27 2008-05-02 Bridgestone Corporation Separation filter deciding device and tire inspecting device
JP2008111671A (ja) * 2006-10-27 2008-05-15 Bridgestone Corp 分離フィルタ決定装置及びタイヤ検査装置
JP4512578B2 (ja) * 2006-10-27 2010-07-28 株式会社ブリヂストン 分離フィルタ決定装置及びタイヤ検査装置
JP2008112266A (ja) * 2006-10-30 2008-05-15 Fujitsu Ltd 画像処理プログラムおよび画像処理装置
JP2011014047A (ja) * 2009-07-03 2011-01-20 Nikon Corp 画像処理装置、画像処理方法、および画像処理プログラム
JP2011022797A (ja) * 2009-07-15 2011-02-03 Nikon Corp 画像処理装置、画像処理方法、および画像処理プログラム
US11461663B2 (en) 2016-10-26 2022-10-04 Fujitsu Limited Information processing apparatus, information processing method for image processing, and storage medium
JP2022031827A (ja) * 2017-01-30 2022-02-22 オムロン株式会社 画像処理システム、情報処理装置、情報処理方法、および、情報処理プログラム
JP7207509B2 (ja) 2017-01-30 2023-01-18 オムロン株式会社 画像処理システム、情報処理装置、情報処理方法、および、情報処理プログラム
US11182650B2 (en) 2017-03-24 2021-11-23 Fujitsu Limited Information processing apparatus to generate a next generation image processing program in genetic programming, control method, and non-transitory computer-readable storage medium for storage program
JP2020107009A (ja) * 2018-12-27 2020-07-09 東洋製罐グループホールディングス株式会社 画像処理システム、及び画像処理プログラム
JP7247578B2 (ja) 2018-12-27 2023-03-29 東洋製罐グループホールディングス株式会社 画像処理システム、及び画像処理プログラム

Similar Documents

Publication Publication Date Title
CN110274908B (zh) 缺陷检查装置、缺陷检查方法以及计算机可读记录介质
JP2002366929A (ja) 印刷物の不良欠点抽出処理方法及び装置
CN108492294B (zh) 一种图像色彩和谐程度的评估方法及装置
De Fauw et al. Hierarchical autoregressive image models with auxiliary decoders
CN111783505A (zh) 伪造人脸的识别方法、装置和计算机可读存储介质
JP2003503801A (ja) 進化パラメータを使用する画像分類
JPH1153525A (ja) 顔器官検出装置及び媒体
KR20190021360A (ko) 얼굴 화상 처리 시스템, 얼굴 화상 처리 방법 및 얼굴 화상 처리 프로그램
JP5375398B2 (ja) 塗装劣化診断方法および装置
JP4320438B2 (ja) 印刷物の文字列抽出処理装置
JP4660765B2 (ja) 進化型画像自動分類装置、フィルタ構造生成方法、及びプログラム
KR20200091661A (ko) 조작 이미지 판별 장치 및 방법
WO2002065396A1 (en) Image processing program, computer-readable recording medium recording image processing program, image processing method and image processing device
US20220358411A1 (en) Apparatus and method for developing object analysis model based on data augmentation
CN109902751B (zh) 融合卷积神经网络和半字模板匹配的表盘数字字符识别法
CN108875639A (zh) 一种基于遗传算法人脸识别的优化和识别方法
KR101931769B1 (ko) 색각 이상자를 위한 영상 보정 방법 및 장치
JP7362924B2 (ja) データ増強基盤空間分析モデル学習装置及び方法
CN115457015A (zh) 一种基于视觉交互感知双流网络的图像无参考质量评估方法及装置
JP2004199391A (ja) 画像解析におけるしきい値決定方法とその装置、二値化装置並びに画像解析装置、学習機能付き情報処理方法と学習機能付き画像解析装置並びにそれらのための記録媒体
CN113052230A (zh) 一种基于解纠缠网络的服装图像生成系统和方法
JP2023149953A (ja) 画像処理方法、画像処理装置、および、コンピュータープログラム
US20240038334A1 (en) Method for generating image processing sequence, generation device, and non-transitory computer-readable storage medium storing computer program
JP2008299687A (ja) 画像処理構築方法
JP2024145095A (ja) データ処理シーケンスの生成方法、生成装置、および、コンピュータープログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060117

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090310

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090326

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090521

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090611

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20091016