CN102788751A - 特征量估计装置及其方法以及分光图像处理装置及其方法 - Google Patents

特征量估计装置及其方法以及分光图像处理装置及其方法 Download PDF

Info

Publication number
CN102788751A
CN102788751A CN201210156533XA CN201210156533A CN102788751A CN 102788751 A CN102788751 A CN 102788751A CN 201210156533X A CN201210156533X A CN 201210156533XA CN 201210156533 A CN201210156533 A CN 201210156533A CN 102788751 A CN102788751 A CN 102788751A
Authority
CN
China
Prior art keywords
mentioned
band
beam split
band image
characteristic quantity
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.)
Granted
Application number
CN201210156533XA
Other languages
English (en)
Other versions
CN102788751B (zh
Inventor
金井政史
荒井佳文
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.)
Seiko Epson Corp
Original Assignee
Seiko Epson Corp
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 Seiko Epson Corp filed Critical Seiko Epson Corp
Publication of CN102788751A publication Critical patent/CN102788751A/zh
Application granted granted Critical
Publication of CN102788751B publication Critical patent/CN102788751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/025—Fruits or vegetables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/251—Colorimeters; Construction thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N2021/3196—Correlating located peaks in spectrum with reference data, e.g. fingerprint data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明涉及特征量估计装置及其方法以及分光图像处理装置及其方法。该特征量估计装置估计与被检测体的特定成分有关的特征量，并具备：分光估计参数保存部、校准处理参数保存部、多频段图像取得部、使用分光估计参数以根据多频段图像计算分光光谱的分光光谱计算部和使用校准处理参数以根据分光光谱计算特征量的校准处理部。

Description

特征量估计装置及其方法以及分光图像处理装置及其方法
技术领域
本发明涉及估计与被检测体的特定成分有关的特征量的技术和从多波段图像中得到分光光谱的技术。
背景技术
在现有技术中，作为进行生鲜食品的新鲜度判断的新鲜度传感器，提出了具备对来自被检测体的反射光进行分光的分光器。在该新鲜度传感器中，通过将作为分光器的输出的反射光谱用图像元件变换为电信号，并比较该反射光谱的电信号和基准光谱，来进行新鲜度判断。
从上述分光器输出的反射光谱表示被检测体的特征量，通过利用反射光谱，可以估计被检测体的特征量。
但是，在上述现有技术中，虽然能够高精度地估计特征量，但需要波长分辨率和/或S/N比优异的高品质的分光器，存在成本高的问题。
发明内容
本发明正是为了解决上述的问题而提出的，其目的在于不需要昂贵的分光器就能够高精度地估计特征量。
本发明正是为了解决上述问题的至少一部分而提出的，能够实现为以下的形式。
本发明的第1形式是估计与被检测体的特定成分有关的特征量的特征量估计装置。上述特征量估计装置具备：分光估计参数保存部，其保存在将波段不同的多个波段图像变换为分光光谱时使用的分光估计参数；校准处理参数保存部，其保存在将上述分光光谱变换为上述特征量时使用的校准处理参数；多频段图像取得部，其取得在至少包含与上述特定成分相应的预定波段的多个波段中拍摄上述被检测体而得到的多波段图像；分光光谱计算部，其使用在上述分光估计参数保存部中保存的分光估计参数，从上述多波段图像中计算分光光谱；以及校准处理部，其使用在上述校准处理参数保存部中保存的校准处理参数，从由上述分光光谱计算部求出的分光光谱中计算上述特征量。
根据第1形式的特征量估计装置，从在至少包含与被检测体的特定成分相应的预定波段的多个波段中拍摄被检测体而得到的多波段图像，使用分光估计参数计算分光光谱，并从该分光光谱中使用校准处理参数计算被检测体的特征量。因此，根据上述特征量估计装置，如果预先准备分光估计参数和校准处理参数，则不需要昂贵的分光器，就能够从多波段图像中高精度地估计被检测体的特征量。
在上述第1形式的特征量估计装置中，上述多波段图像取得部可以具备：测量频段数据保存部，其保存在对于以多个波段的灵敏度进行被检测体的拍摄的多波段照相机指示测量频段时使用的多个测量频段数据；以及测量频段指示部，其通过将在上述测量频段数据保存部中保存的测量频段数据发送到上述多波段照相机来向上述多波段照相机指示测量频段。
根据该特征量估计装置，由于能够对多波段照相机指示测量频段，因此，能够更可靠地取得包含与特定成分相应的预定频带的多个波段的多波段图像。
在上述第1形式的特征量估计装置中，也可以具备：预处理数据保存部，其保存对于构成上述多波段图像的各个波段图像确定了在修正作为上述多波段图像的取得处的多波段照相机中的误差时使用的修正量的预处理数据；以及预处理部，其根据在上述预处理数据保存部中保存的预处理数据修正由上述多波段图像取得部取得的多波段图像，并将修正后的多波段图像发送到上述分光光谱计算部。
根据该特征量估计装置，由于能够修正多波段照相机中的误差，因此，能够进一步提高估计精度。
在上述特征量估计装置中，也可以具备：诊断数据保存部，其保存在将上述被检测体的特征量变换为上述被检测体的评价值时使用的诊断数据；以及诊断部，其使用在上述诊断数据保存部中保存的诊断数据，从由上述校准处理部得到的特征量中计算上述被检测体的评价值。
根据该构成，能够根据所求出的特征量计算被检测体的评价值。
本发明的第2形式是将波段不同的多个波段图像变换为分光光谱的分光图像处理装置。分光图像处理装置具备：分光估计参数保存部，其保存表明表示上述多个波段图像的每一个中的预定位置的像素值的第1群变量和表示与上述预定位置对应的被检测体的部分的分光光谱的第2群变量之间的关系的分光估计参数；多波段图像取得部，其取得在多个波段中拍摄被检测体而得到的多波段图像；以及分光光谱计算部，其使用在上述分光估计参数保存部中保存的分光估计参数，从上述多波段图像中计算分光光谱。
根据第2形式的分光图像处理装置，可根据在多个波段中拍摄被检测体而得到的多波段图像，使用分光估计参数计算分光光谱。因此，如果预先准备分光估计参数，则不需要昂贵的分光器，就能够从多波段图像中得到分光光谱。
本发明的第3形式是估计与被检测体的特定成分有关的特征量的特征量估计方法。特征量估计方法取得在至少包含与上述特定成分相应的预定波段的多个波段中拍摄上述被检测体而得到的多波段图像，使用在将波段不同的多个波段图像变换为分光光谱时使用的分光估计参数，从上述多波段图像中计算分光光谱，并使用在将上述分光光谱变换为上述特征量时使用的校准处理参数，从通过上述计算得到的分光光谱中计算上述特征量。
本发明的第4形式是将波段不同的多个波段图像变换为分光光谱的分光图像处理方法。分光图像处理方法取得在多个波段中拍摄被检测体而得到的多波段图像，使用表明表示上述多个波段图像的每一个中的预定位置的像素值的第1群变量与表示与上述预定位置对应的被检测体的部分的分光光谱的第2群变量之间的关系的分光估计参数，从上述多波段图像中计算分光光谱。
第3形式的特征量估计方法与第1形式的特征量估计装置一样，无需昂贵的分光器就能够从多波段图像中高精度地估计被检测体的特征量。此外，第4形式的分光图像处理方法与第2形式的分光图像处理装置一样，无需昂贵的分光器就能够从多波段图像中得到分光光谱。
进一步地，本发明除了上述各形式以外，还能够以各种形式实现。例如，能够以一同具备多波段照相机和特征量估计装置的新鲜度判定系统的形式实现。
例如，本发明的一个形式能够实现为具备第1保存部、第2保存部、图像取得部、计算部和处理部五个要素内的一个以上的要素的装置。即，该装置可以具有第1保存部，也可以不具有第1保存部。此外，装置可以具有第2保存部，也可以不具有第2保存部。此外，装置可以具有图像取得部，也可以不具有图像取得部。此外，装置可以具有计算部，也可以不具有计算部。此外，装置可以具有处理部，也可以不具有处理部。第1保存部也可以被构成为例如保存在将波段不同的多个波段图像变换为分光光谱时使用的分光估计参数。第2保存部也可以被构成为例如保存在将分光光谱变换为特征量时使用的校准处理参数。图像取得部也可以被构成为例如取得在至少包含与特定成分相应的预定波段的多个波段中拍摄被检测体而得到的多波段图像。分计算部也可以被构成为例如使用分光估计参数，从多波段图像中计算分光光谱。处理部也可以被构成为例如使用校准处理参数，从分光光谱中计算特征量。这种装置虽然例如可以实现为特征量估计装置，但也可以实现为除了特征量估计装置以外的其它装置。根据这种形式，能够解决装置的小型化、低成本化、节省资源、容易制造、使用方便性提高等各种问题中的至少一个。上述的特征量估计装置的各形式的技术特征的一部分或者全部都能够适用于任何一种这样的装置。
例如，本发明的一个形式可以实现为具备保存部、图像取得部和计算部三个要素内的一个以上的要素的装置。即，该装置可以具有保存部，也可以不具有保存部。此外，装置可以具有图像取得部，也可以不具有图像取得部。此外，装置可以具有计算部，也可以不具有计算部。保存部可以被构成为例如保存表明表示多个波段图像的每一个中的预定位置的像素值的第1群变量与表示与预定位置对应的被检测体的部分的分光光谱的第2群变量之间的关系的分光估计参数。图像取得部可以被构成为例如取得在多个波段中拍摄被检测体而得到的多波段图像。计算部可以被构成为例如使用分光估计参数，从多波段图像中计算分光光谱。这样的装置虽然例如可以实现为分光图像处理装置，但也可以实现为分光图像处理装置以外的其它装置。根据这种形式，能够解决装置的小型化、低成本化、节省资源、容易制造、使用方便性提高等各种问题中的至少一个。上述的分光图像处理装置的各种形式的技术特征的一部分或者全部都可以适用于任何一种这样的装置。
附图说明
图1是概略性地表示作为本发明的一个实施例的新鲜度判定系统的构成的说明图。
图2是表示判断绿色蔬菜的新鲜度的操作顺序的流程图。
图3是表示新鲜度不同的绿色蔬菜的光的波长与分光反射率的关系的曲线图。
图4是用于说明预处理数据的说明图。
图5是表示诊断数据库的一个例子的图。
图6是表示诊断数据库的另一个例子的图。
图7是表示新鲜度判断处理的流程图。
符号说明
1：新鲜度判定系统；10：CPU；12：测量频段指示部；14：预处理部；16：分光估计部；18：校准处理部；19：诊断部；30：存储器；32：测量频段数据保存部；34：预处理数据保存部；36：分光估计参数保存部；38：校准处理参数保存部；39：诊断数据库保存部；50：输入输出I/F；100：分光图像处理装置；200：多波段照相机；210：镜头单元；220：波长选择滤波器；250：光源单元；300：显示装置；400：存储装置；M：分光估计矩阵（=分光估计参数）；Z：混合矩阵（=校准处理参数）。
具体实施方式
以下根据实施例说明本发明的实施方式。本发明的一个实施例用于判断作为被检测体的绿色蔬菜的新鲜度。绿色蔬菜例如是菠菜、油菜、青椒等。
A.新鲜度判定系统的整体构成：
图1是概略性地表示作为本发明的一个实施例的新鲜度判定系统1的构成的说明图。如图所示，新鲜度判定系统1具备分光图像处理装置100、多波段照相机200、显示装置300和存储装置400。多波段照相机200、显示装置300以及存储装置400与分光图像处理装置100电气连接。
多波段照相机200具备镜头单元210、波长选择滤波器220、CCD 230、CCDAFE（模拟前端）240以及光源单元250等。镜头单元210虽然不具备使焦距对准被拍摄体的自动对焦机构，但也可以具备自动对焦机构。波长选择滤波器220使用能够改变透过波段的法布里-佩罗型的滤波器。CCD230是对透过了波长选择滤波器220的光进行光电转换以得到表示被拍摄体图像的电信号的拍摄器件。CCDAFE 240用于将CCD 230的检测信号进行数字化。光源单元250用于照射被拍摄体。
在上述构成的多波段照相机200中，通过从分光图像处理装置100中用波长选择滤波器220顺序地接收多个测量频段的指示，顺序地改变波长选择滤波器220的透过波长范围。这样，多波段照相机200以多个波段（多波段）的灵敏度进行被检测体T（被拍摄体）的拍摄。
显示装置300是用于在画面上显示信息的装置。存储装置400是用于存储数据的外部装置，例如硬盘驱动装置。
分光图像处理装置100是通过处理用多波段照相机200拍摄得到的多波段图像来判断被检测体T的新鲜度的装置。分光图像处理装置100具备通过执行程序来进行各种处理和/或控制的CPU 10、存储程序和/或数据、信息的存储器30、从多波段照相机200中取得图像数据并且向显示装置300和存储装置400发送新鲜度判断结果的输入输出接口（I/F）50。
存储器30具有测量频段数据保存部32、预处理数据保存部34、分光估计参数保存部36、校准处理参数保存部38以及诊断数据库保存部39。关于各保存部32~39的详细情形以后详述。此外，虽然未图示，但存储器30具有存储新鲜度判断用程序的程序保存部。在本实施例中，存储器30是非易失性存储器。另外，代替非易失性存储器，作为易失性存储器，也可以采用在执行处理前从外部取得必要的数据和/或参数并保存的构成。
CPU 10通过执行在存储器30的程序保存部中存储的新鲜度判断用程序，在功能上实现测量频段指示部12、预处理部14、分光估计部16、校准处理部18以及诊断部19。各部分12~19使用在对应的保存部32~39中保存的数据和/或参数执行各处理。各处理的结果，CPU 10取得用多波段照相机200得到的多波段图像，根据多波段图像判断被检测体T的新鲜度，并将其判断结果经由输入输出I/F 50发送到显示装置300和存储装置400。其结果，显示并保存新鲜度判断结果。
另外，分光图像处理装置100由于在判断被检测体T的新鲜度时，估计与被检测体T的特定成分有关的特征量，因此还具有作为特征量估计装置的功能。输入输出接口（I/F）50、存储器30的测量频段数据保存部32以及用CPU 10实现功能的测量频段指示部12与在发明内容部分中记载的“多波段图像取得部”对应。诊断数据库保存部39与在发明内容部分中记载的“诊断数据保存部”对应。
B.新鲜度判断的操作顺序：
图2是表示判断绿色蔬菜的新鲜度的操作顺序的流程图。如图所示，首先，生成新鲜度判断所需要的数据库，并将该数据库保存在分光图像处理装置100的存储器30中（步骤S1）。在此所说的数据库相当于在分光图像处理装置100的各保存部32~39（图1）中保存的各种数据。
其后，使用与分光图像处理装置100连接的多波段照相机200拍摄被检测体T（步骤S2）。接着，分光图像处理装置100根据从多波段照相机200输出的多波段图像，判断被检测体T的新鲜度（步骤S3），并显示、保存其判断结果（步骤S4）。然后，分光图像处理装置100判断是否存在下一个被检测体T（步骤S5），当存在下一个被检测体T（步骤S5的“是”）时，返回到步骤S2，对下一个被检测体T进行步骤S2至步骤S4。在步骤S5，当没有下一个被检测体T（步骤S5的“否”）时，结束处理。
C.数据库的生成、保存：
以下对通过上述步骤S1生成并保存的作为数据库的各种数据，详细说明其内容和生成方法。各种数据是测量频段数据、预处理数据、分光估计参数、校准处理参数以及诊断数据库。另外，数据库的生成和保存适合在分光图像处理装置100的出厂前进行。步骤S3的判断可以在使用新鲜度已知的被检测体T的情况下省略。操作者也可以经由未图示的接口进行上述顺序的一部分。
测量频段数据：
绿色蔬菜如果老了，则叶绿素被分解，嫩绿色消失。由此，绿色蔬菜的新鲜度能够根据叶绿素的量判断。在本实施方式中，通过估计叶绿素的量作为被检测体的特征量，判断作为被检测体的绿色蔬菜的新鲜度。
图3是表示新鲜度不同的绿色蔬菜的光的波长与分光反射率的关系的曲线图。如图所示，新鲜的蔬菜（或者稍稍蔫了的蔬菜）在大约700nm左右开始叶绿素进行的光的吸收。因此，为了将包含开始叶绿素进行的光的吸收的波长（大约700nm）的500nm~1100nm范围内的多个波长作为测量频段指示给多波段照相机200，将上述多个波长作为测量频段数据存储在测量频段数据保存部32中。例如，只要采用存储从500nm开始以20nm为间隔直到1100nm为止的31个（具体地，500nm、520nm、540nm、......、1060nm、1080nm、1100nm）测量频段数据的构成即可。
另外，上述测量频段数据并不必需是20nm间隔的31个，也可以是10nm间隔的61个，只要是任意多个都可以。此外，也并不必需是等间隔的，也可以确定为以更小的间隔指示作为开始叶绿素进行的光的吸收的波长的大约700nm附近。此外，并不必需是500nm~1100nm的范围，只要包含开始叶绿素进行的光的吸收的波长（大约700nm），也可以是其它范围。
预处理数据：
在多波段照相机200中，存在光学系统的不匀和/或构成波长选择滤波器220的法布里-佩罗型滤波器的翘曲和/或光源单元250的照明不匀等硬件的制造误差。由此，在多波段照相机200中，在通过拍摄得到的多波段图像的各面内（构成多波段图像的各波段图像内）发生波长不匀（透过波长的不匀）和/或光量不匀。在本实施例中，将用于除去该面内波长不匀以及光量不匀的修正量作为预处理数据，存储在预处理数据保存部34中。
具体地，首先，用在新鲜度判断中使用的多波段照相机200（机型相同，优选地，实际设备相同）拍摄均匀颜色的样品，取得多波段图像。接着，在构成多波段图像的各个波段图像中，以在图像内任一位置都均匀的方式对每个像素计算除去硬件的制造误差的修正数据，并将每个像素的修正数据的集合作为与各波段图像对应的预处理数据存储在预处理数据保存部34中。作为均匀颜色的样品，优选无论在哪个波长范围都能够均匀地反射光的颜色，例如，标准白色板。
图4是用于说明预处理数据的说明图。图中的（a）表示多波段图像，图中的（b）表示预处理数据。如图所示，多个预处理数据PD1、PD2、...、PDn的每一个被准备给构成多波段图像的每个波段图像BP1、......、BPn（即，多波段图像的每个波段），因此，准备了与波段图像BP1、BP2、...、BPn相同的数量。然后，预处理数据PD1、PD2、......、PDn的每一个由与各波段图像相同的要素数量（像素数量）构成。在第k个（k=1~n）预处理数据PDk的横方向为第i个、纵方向为第j个的要素中存储的修正数据αk(i,j)是修正第k个多波段图像BPk的横方向为第i个、纵方向为第j个的像素的修正数据，用于在第k个波段图像BPk内除去不匀。
另外，在本实施例中，修正数据采用对波段图像BP1~BPn中的全部像素生成的构成，但可替代地，也可以通过离散地生成修正数据来减少修正数据的数量，并对没有修正数据的部分用插补计算求出。另外，预处理数据的生成方法并不限于上述，能够换成其它方法。
分光估计参数：
分光估计参数表示多波段图像和分光光谱的关系。多波段图像是用多波段照相机200得到的波段不同的多个波段图像，分光光谱是由分光器得到的光谱。具体地，以下的式（1）中的分光估计矩阵M是分光估计参数。在式（1）中，x是表示多波段图像的预定位置的值（像素值）的矩阵，p是表示与该预定位置对应的部分的分光光谱的矩阵。所谓“多波段图像的预定位置的像素值”是构成多波段图像的各波段图像的预定位置的像素值，所谓“与该预定位置对应的部分”是与该预定位置对应的被检测体T的位置。
[式1]
p=Mx     ......（1）
式（1）是指以下的式（2）。如式（2）所示，矩阵x包含x1、x2、...、xn的要素。各要素与在测量频段数据保存部32中保存的测量频段数据各自对应，因此，要素的数量n和要素测量频段数据的数量相同。即，由于多波段图像的预定位置的像素值被表示为各测量频段的光的强度，因此，表示上述像素值的x用以x1、x2、...、xn为要素的矩阵表示。另一方面，表示分光光谱的矩阵p包含p1、p2、...、pm的要素。各要素与表示分光光谱的波段对应，因此，其要素的数量m比表示多波段图像的像素值的矩阵x的要素的数量n大。分光估计矩阵M是m×n矩阵。
[式2]
Figure BDA00001654885400101
用在新鲜度判断中使用的多波段照相机200（机型相同，更优选地，实际设备相同）和具备分光器的拍摄装置（以下称为“分光器拍摄装置”）拍摄预先准备的颜色样本。分光器拍摄装置是将来自颜色样本的反射光通过分光器并用拍摄元件的拍摄面接收从分光器输出的光谱的已知装置，例如在上述的专利文献1中记载的装置。其后，从用多波段照相机200得到的多波段图像中提取预定位置的像素值。在此所说的预定位置如果是多波段图像内颜色样本被拍摄的部分则可以是任意位置，但优选地，设为在制成预处理数据时与硬件的制造误差少的部分对应的位置。
然后，从由分光器拍摄装置得到的数据中提取来自与该预定位置对应的颜色样本上的部分的反射光的光谱。其结果，能够得到关于上述颜色样本的表示多波段图像的预定位置的像素值的矩阵x和表示与上述预定位置对应的部分的分光光谱的矩阵p。以下，将“多波段图像的预定位置的像素值”简称为“多波段图像的像素值”，将“与上述预定位置对应的部分”简称为“预定部分”。
进一步地，对于在包含从可见光的频段到红外线的频段的范围中准备了多个的各颜色样本，进行使用多波段照相机和分光器拍摄装置的拍摄，得到关于多个颜色样本的每一个的表示多波段图像的像素值的矩阵x和表示预定部分的分光光谱的矩阵p。
由于矩阵可以作为光谱表示，因此，以下假设将矩阵x表示为X（是指光谱，用大写表示），将矩阵p表示为P（是指光谱，用大写表示）。因此，表示关于多个颜色样本的多波段图像的像素值的矩阵（X1,X2,...,Xu）与表示关于多个颜色样本的预定部分的分光光谱的矩阵（P1,P2,...,Pu）之间能够使用分光估计矩阵M用以下的式（3）进行关联。u与颜色样本的数量一致。
[式3]
(P1,P2,…,Pu)=M(X1,X2,…Xu)              …（3）
如果将矩阵（X1,X2,...,Xu）表示为A，将矩阵（P1,P2,...,Pu）表示为B，则式（3）变成以下的式（4），对式（4）进行变形，可以得到以下的式（5）。
[式4]
B=MA  ......（4）
[式5]
tM=(AtA)-1AtB    ......（5）
在式（5）中，A是关于多个颜色样本的多波段图像的像素值，B是关于多个颜色样本的预定部分的分光光谱。存在上标字母t的矩阵是指转置矩阵。操作者按照式（5）求出分光估计矩阵M。其后，操作者将分光估计矩阵M作为分光估计参数，并存储在分光估计参数保存部36中。分光估计矩阵M无论在哪个颜色样本中都成为使得式（4）的左边和右边十分接近的值。优选地，在计算该分光估计矩阵M时，一边改变多波段照相机200的测量频段和/或波段数量（频带数量），一边以少的波段数量维持分光估计精度。因此，在数据库的生成中，优选地，将该分光估计参数的生成与测量频段数据的生成合在一起进行。
作为颜色样本，可以使用色卡等。分光估计参数由于变成只依赖于多波段照相机的值，因此，可以不管被检测体T和/或特征量的不同而共同使用。
另外，分光估计参数如果表示多波段图像和分光光谱的关系，则能够更换成上述以外的内容。此外，关于分光估计参数的生成方法，并不限于上述的方法，也可以换成其它方法。
校准处理参数：
校准处理参数表示分光光谱和被检测体T的特征量的关系。被检测体T的特征量在本实施例中是叶绿素的量。具体地，以下的式（6）中的混合矩阵Z是校准处理参数。在式（6）中，p是表示作为被检测体T的绿色蔬菜的预定部分的分光光谱的矩阵，s是上述预定部分中的特征量。
[式6]
s=Zp                        ...（6）
式（6）是指以下的式（7）。如式（7）所示，矩阵p包含p1、p2、...、pm的要素，矩阵s包含s1、s2、...、sl的要素。混合矩阵Z是l×m矩阵。一般地，关于特征量的要素的数量l比关于分光光谱的要素的数量m小。
[式7]
Figure BDA00001654885400131
用分光器拍摄装置拍摄预先准备的绿色蔬菜的预定部位，其后，通过化学分析从上述绿色蔬菜的预定部位提取叶绿素，测量它的量。在此，“预定部位”可以是绿色蔬菜的任一部分，但优选地，用分光器拍摄装置拍摄的部位和进行化学分析的部位是相同的。这些操作的结果是可以得到关于上述绿色蔬菜的作为分光光谱的矩阵p和表示特征量的矩阵s。进一步地，准备了多个新鲜度不同的绿色蔬菜，对每个绿色蔬菜同样用分光器拍摄装置拍摄，并化学地测量叶绿素量。其结果，可以得到关于新鲜度不同的多个绿色蔬菜的每一个的作为分光光谱的矩阵p和表示特征量的矩阵s。
由于矩阵能够作为光谱表示，因此，以下假设将矩阵p表示为P（意味着光谱，用大写表示），将矩阵s表示为S（意味着光谱，用大写表示）。因此，表示关于多个绿色蔬菜的特征量的矩阵（S1、S2、...、Sw）与表示关于多个绿色蔬菜的作为分光光谱的矩阵（P1、P2、...、Pw）之间能够使用混合矩阵Z，用以下的式（8）进行关联。w与绿色蔬菜的数量一致。
[式8]
(S1,S2,…,Sw)=Z(P1,P2,…Pw)                ...（8）
如果将矩阵（P1,P2,...,Pw）表示为C，将矩阵（S1,S2,...,Sw）表示为D，则式（8）变成以下的式（9），对式（9）进行变形以得到下式（10）。
[式9]
D＝ZC              ...（9）
[式10]
tZ=(CtC)-1CtD                 ...（10）
在式（10）中，C是关于新鲜度不同的多个绿色蔬菜的预定部分的分光光谱，D是关于新鲜度不同的多个绿色蔬菜的预定部分的特征量。操作者根据式（10）求出混合矩阵Z，并将混合矩阵Z作为校准处理参数存储在校准处理参数保存部38中。混合矩阵Z被确定为即使在新鲜度不同的任何绿色蔬菜中也使得式（8）的左边和右边充分接近的值。
另外，校准处理参数如果表示分光光谱和被检测体的特征量的关系，则能够更换成上述以外的内容。此外，对于校准处理参数的生成方法也并不限于上述的方法，能够更换成使用主成分分析、PLS分析、神经网络等的其它方法。
诊断数据库：
诊断数据库用于表示被检测体T的特征量和新鲜度的关系。被检测体T的特征量是上述的D，即矩阵（S1,S2,...,Sw）。新鲜度用多个级别，例如A（=优）、B（=良）、C（=差）表示。
图5是表示诊断数据库的一个例子的图。在该例子中，根据矩阵（S1,S2,...,Sw）中的一个要素，例如S5，确定新鲜度是A、B、C的哪一个。
图6是表示诊断数据库的另一个例子的图。在该例子中，根据矩阵（S1,S2,...,Sw）中的多个要素，例如S5和S6，确定新鲜度是A、B、C的哪一个。多个要素并不限于两个，也可以是三个以上。新鲜度也并不必需是三个级别，也可以是两个级别或四个级别以上。
上述是诊断数据库的一个例子，但评价值并不限于新鲜度，代替新鲜度，也可以设为如适于食用那样的感官判断值。详细地，通过品尝与在计算校准处理参数时使用的蔬菜相同的蔬菜来对每种蔬菜预先调查美味程度，将美味程度作为表示蔬菜适于食用的指标，并对每种蔬菜将特征量与适于食用进行对应，从而制成数据库。
另外，诊断数据库如果表示被检测体T的特征量和任意评价值的关系，则能够更换成上述以外的内容。
D.新鲜度判断：
以下详细说明新鲜度判断处理。新鲜度判断处理是在上述步骤S2~S4（图2）中用分光图像处理装置100执行的处理。通过CPU 10执行在存储器30的程序保存部中存储的新鲜度判断用程序，实现新鲜度判断处理。
图7是表示新鲜度判断处理的流程图。如图所示，当开始处理时，CPU10进行从多波段照相机200中取得多波段图像的处理（步骤S110）。详细地，CPU 10通过将在存储器30的测量频段数据保存部32中存储的多个测量频段数据顺序地发送到多波段照相机200的波段选择滤波器220来顺序地改变波长选择滤波器220的透过波长范围，并从多波段照相机200中取得表示每个不同的测量频段的波段图像（光谱图像）的多波段图像。另外，作为该步骤S110的处理的一部分的将多个测量频段数据发送到多波段照相机200的构成相当于用CPU 10实现的测量频段指示部12（图1）。
接着，CPU 10执行修正在步骤110取得的波段图像的每一个的预处理（步骤S120）。该预处理是根据在预处理数据保存部34中存储的每个波段的预处理数据修正波段图像的图像处理。例如，如图4的例子所示，当构成第k个预处理数据PDk的各要素的修正数据用αk(i,j)表示时，在步骤S120，按照下式（11）修正k波段图像的像素值gk(i,j)。
tgk(i,j)=αk(i,j)·gk(i,j)                ...（11）
但是，tgk(i,j)是修正后的像素值。
即，通过一边顺序地增加变量i和j，一边对从第1个到第n个的全部波段图像实施修正第k个波段图像的处理，对多波段图像整体进行修正。另外，作为预处理数据的该修正数据，如上所述，由于是以软件的方式除去多波段照相机200的硬件的制造误差，因此，修正后的多波段图像变成修正了由于多波段照相机200的硬件的制造误差而引起的波长不匀和/或光量不匀的图像。
另外，式（11）是修正数据用αk(i,j)表示时的公式，但是当修正数据例如是两个变量αk(i,j)、βk(i,j)时，例如按照下式（12）进行修正。
tgk(i,j)=αk(i,j)·gk(i,j)+βk(i,j)            ...（12）
但是，tgk(i,j)是修正后的像素值。
上述步骤S120的处理相当于用CPU 10实现的预处理部14（图1）。
在执行了步骤S120后，CPU 10执行根据在步骤S120中结束了修正后的多波段图像（以下称为“修正后多波段图像”）估计分光光谱的处理（步骤S130）。在此，根据在分光估计参数保存部36中存储的分光估计参数进行上述估计。
详细地，执行按照前面说明的式（1）的计算处理。即，通过求出在分光估计参数保存部36中存储的分光估计参数M与修正后多波段图像的预定位置的值（像素值）x之间的矩阵的积，求出上述预定位置的分光光谱p。在此，所谓预定位置，如果是被检测体T被拍摄的部分，则可以是任意位置，例如，图像的中心位置。哪个位置都可以是因为在步骤S120中对波长不匀和/或光量不匀进行了修正的缘故。
在执行步骤S130后，CPU 10进行根据在步骤S130得到的分光光谱估计被检测体T的特征量即叶绿素量的处理（步骤S140）。在此，根据在校准处理参数保存部38中存储的校准处理参数，进行上述估计。
详细地，执行按照前面说明的式（6）的计算处理。即，通过求出在校准处理参数保存部38中存储的校准处理参数Z与在步骤S130得到的预定位置的分光光谱p之间的矩阵的积，求出上述预定位置的特征量，即叶绿素量。
上述步骤S130的处理相当于用CPU 10实现的分光估计部16（图1），并与在发明内容部分记载的“分光光谱计算部”对应。上述步骤S140的处理相当于用CPU 10实现的校准处理部18（图1），与在发明内容部分中记载的“校准处理部”对应。
在执行步骤S140后，CPU 10进行根据在步骤S140得到的特征量求出新鲜度判断结果的处理（步骤S150）。在此，根据在诊断数据库保存部39中存储的诊断数据库，进行上述新鲜度判断结果的计算。详细地，通过在图5示例的图中应用在步骤S140得到的特征量S5，求出新鲜度判断结果。或者通过在图6示例的图中应用在步骤S140得到的特征量S5和S6，求出新鲜度判断结果。
在执行步骤S150后，CPU 10将在步骤S150得到的新鲜度判断结果输出到显示装置300和存储装置400（步骤S160）。其结果，新鲜度的判断结果在显示装置300上显示，并存储在存储装置400中。在执行步骤S160后，CPU 10返回进行处理，暂时结束该新鲜度判断处理。另外，当如图2说明的存在判断新鲜度的下一个被检测体T时，CPU 10重复执行新鲜度判断处理。
E.实施例效果：
根据以上那样构成的新鲜度判定系统1，从在包含开始叶绿素进行的光的吸收的预定波段的多个波段中拍摄绿色蔬菜而得到的多波段图像中，使用分光估计参数计算分光光谱，并根据该分光光谱，使用校准处理参数计算叶绿素量。因此，如果预先在存储器中准备了分光估计参数保存部36和校准处理参数保存部38，则不需要昂贵的分光器，就能够高精度地从多波段图像中估计绿色蔬菜的叶绿素量。
F.变形例：
本发明并不限于上述实施例和/或其变形例，也可以是例如以下的变形。另外，在进行变形例的说明时，对于与上述的实施例相同的构成，付与相同的符号并省略其说明。
变形例1：
在上述实施例及变形例中，将被检测体设为绿色蔬菜，将特征量设为叶绿素量，但替代地，例如也可以将被检测体设为肉，将特征量设为油酸量。通过设为油酸量，能够判定肉的鲜美程度。此外，通过将被检测体设为人体皮肤，将特征量设置成胶原量，能够判断皮肤的弹性。即，能够将蔬菜、水果、肉、鱼等食材、皮肤和/或毛发等人的全身、其它各种对象设为被检测体，估计被检测体的各种特定成分。
另外，在改变被检测体和/或其想估计的特征量时，在上述实施例的新鲜度判定系统1中，能够只更换作为数据库的各保存部32~39的数据进行对应。即，上述实施例的新鲜度判定系统1还起到通用性优异的效果。
变形例2：
在上述实施例以及变形例中，虽然采用着眼于叶绿素一种作为特定成分来估计叶绿素量的构成，但可替代地，也可以是估计与如叶绿素量和水分量那样的两个特定成分有关的两个特征量的构成。
变形例3：
在上述实施例中，使用了新鲜度判定系统1专用的分光图像处理装置100，但分光图像处理装置100可以换成通用的个人计算机。此外，多波段照相机200和分光图像处理装置100虽然是独立的个体，但也可以设置成一体。例如，可以采用在分光图像处理装置100中内置多波段照相机200的构成，也可以采用在多波段照相机200中以例如芯片的形式内置分光图像处理装置100的构成。显示装置300和存储装置400也可以与分光图像处理装置设置成一体。
变形例4：
在上述实施例以及各变形例中，由软件实现的功能也可以通过硬件实现。
变形例5：
在上述实施例以及各变形例中，虽然采用了使用分光估计参数从多波段图像中计算分光光谱并使用校准处理参数从上述分光光谱中计算特征量的构成，但可替代地，也可以采用使用将分光估计参数M和校准处理参数Z相乘后的参数L（=Z·M）从多波段图像中直接估计特征量的构成。当预先确定了多波段照相机200的个体、被检测体T的种类以及要估计的特征量的组合时，通过该构成，也无需昂贵的分光器，就能够从多波段图像中高精度地估计被检测体的特征量。
变形例6：
在上述实施例以及各变形例中，采用了通过将在测量频段数据保存部32中存储的多个测量频段数据顺序地发送到多波段照相机200的波长选择滤波器220来顺序地改变波长选择滤波器220的透过波长范围并从多波段照相机200中取得表示每个不同的测量频段的波段图像（光谱图像）的多波段图像的构成。可替代地，也可以采用从多波段照相机200中取得表示预先确定的多个测量频段的每一个的波段图像的多波段图像的构成。即，也可以没有测量频段数据保存部32和测量频段指示部12。
变形例7：
在上述实施例以及各变形例中，采用了预处理部14根据在预处理数据保存部34中存储的预处理数据来修正多波段图像并从修正后多波段图像中估计分光光谱的构成。可替代地，也可以采用从多波段图像取得部取得的多波段图像中估计分光光谱的构成。此外，多波段图像取得部也可以取得修正后多波段图像。即，也可以没有预处理数据保存部34和预处理部14。
变形例8：
在上述实施例以及各变形例中，采用了诊断部19根据在分光图像处理装置100的诊断数据库保存部39中存储的诊断数据库和所估计的特征量进行判断的构成。可替代地，也可以将所估计的特征量输出到与分光图像处理装置100分开构成的诊断装置，由诊断装置进行诊断。即，在分光图像处理装置100中也可以没有诊断数据库保存部39和诊断部19。
另外，上述各实施例以及各变形例的构成要素中的独立权利要求所记载的要素以外的要素是附加的要素，能够适当地省略。

Claims (7)

1.一种特征量估计装置，其估计与被检测体的特定成分有关的特征量，具备：
分光估计参数保存部，其保存在将波段不同的多个波段图像变换成分光光谱时使用的分光估计参数；
校准处理参数保存部，其保存在将上述分光光谱变换成上述特征量时使用的校准处理参数；
多波段图像取得部，其取得在至少包含与上述特定成分相应的预定波段的多个波段中拍摄上述被检测体而得到的多波段图像；
分光光谱计算部，其使用在上述分光估计参数保存部中保存的分光估计参数，根据上述多波段图像计算分光光谱；以及
校准处理部，其使用在上述校准处理参数保存部中保存的校准处理参数，根据由上述分光光谱计算部求出的分光光谱计算上述特征量。
2.根据权利要求1所述的特征量估计装置，其中，上述多波段图像取得部具备：
测量频段数据保存部，其保存在对以多个波段的灵敏度进行被检测体的拍摄的多波段照相机指示测量频段时使用的多个测量频段数据；以及
测量频段指示部，其通过将在上述测量频段数据保存部中保存的测量频段数据发送到上述多波段照相机来对上述多波段照相机指示测量频段。
3.根据权利要求1所述的特征量估计装置，具备：
预处理数据保存部，其保存预处理数据，其中上述预处理数据对于构成上述多波段图像的各个波段图像确定了在修正作为上述多波段图像的取得处的多波段照相机中的误差时使用的修正量；以及
预处理部，其根据在上述预处理数据保存部中保存的预处理数据，修正由上述多波段图像取得部取得的多波段图像，并将修正后的多波段图像发送到上述分光光谱计算部。
4.根据权利要求1至3任意一项所述的特征量估计装置，具备：
诊断数据保存部，其保存在将上述被检测体的特征量变换成上述被检测体的评价值时使用的诊断数据；以及
诊断部，其使用在上述诊断数据保存部中保存的诊断数据，根据由上述校准处理部得到的特征量计算上述被检测体的评价值。
5.一种分光图像处理装置，其将波段不同的多个波段图像变换成分光光谱，具备：
分光估计参数保存部，其保存分光估计参数，其中上述分光估计参数表明表示上述多个波段图像的每一个中的预定位置的像素值的第1群变量与表示与上述预定位置对应的被检测体的部分的分光光谱的第2群变量之间的关系；
多波段图像取得部，其取得在多个波段中拍摄被检测体而得到的多波段图像；以及
分光光谱计算部，其使用在上述分光估计参数保存部中保存的分光估计参数，根据上述多波段图像计算分光光谱。
6.一种特征量估计方法，其估计与被检测体的特定成分有关的特征量，包括：
取得在至少包含与上述特定成分相应的预定波段的多个波段中拍摄上述被检测体而得到的多波段图像；
使用在将波段不同的多个波段图像变换成分光光谱时使用的分光估计参数，根据上述多波段图像计算分光光谱；以及
使用在将上述分光光谱变换成上述特征量时使用的校准处理参数，根据通过上述计算而得到的分光光谱计算上述特征量。
7.一种分光图像处理方法，其将波段不同的多个波段图像变换成分光光谱，包括：
取得在多个波段中拍摄被检测体而得到的多波段图像；以及
使用表明表示上述多个波段图像的每一个中的预定位置的像素值的第1群变量与表示与上述预定位置对应的被检测体的部分的分光光谱的第2群变量之间的关系的分光估计参数，根据上述多波段图像计算分光光谱。
CN201210156533.XA 2011-05-20 2012-05-18 特征量估计装置及其方法以及分光图像处理装置及其方法 Active CN102788751B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011113483A JP5796348B2 (ja) 2011-05-20 2011-05-20 特徴量推定装置および特徴量推定方法、並びにコンピュータープログラム
JP113483/2011 2011-05-20

Publications (2)

Publication Number Publication Date
CN102788751A true CN102788751A (zh) 2012-11-21
CN102788751B CN102788751B (zh) 2016-12-14

Family

ID=47154217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210156533.XA Active CN102788751B (zh) 2011-05-20 2012-05-18 特征量估计装置及其方法以及分光图像处理装置及其方法

Country Status (3)

Country Link
US (1) US9041928B2 (zh)
JP (1) JP5796348B2 (zh)
CN (1) CN102788751B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103913236A (zh) * 2013-01-07 2014-07-09 精工爱普生株式会社 分光测定装置、颜色管理系统以及配置文件制作方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2959092B1 (fr) * 2010-04-20 2013-03-08 Centre Nat Rech Scient Traitement numerique de compensation de signaux issus de photosites d'un capteur couleur.
US8781224B2 (en) * 2012-05-30 2014-07-15 Exelis Inc. Band dependent linearization for multiband remotely sensed and aerial imagery
JP2014038042A (ja) * 2012-08-17 2014-02-27 Seiko Epson Corp 分光計測方法、分光計測器、および変換行列の生成方法
JP6225519B2 (ja) * 2013-07-09 2017-11-08 株式会社リコー 測定装置及び測定方法
US9880053B2 (en) * 2014-10-29 2018-01-30 Panasonic Intellectual Property Management Co., Ltd. Image pickup apparatus, spectroscopic system, and spectroscopic method
JP6388546B2 (ja) * 2015-01-22 2018-09-12 三菱電機株式会社 冷蔵庫
KR101745372B1 (ko) 2015-07-08 2017-06-09 피도연 식품 상태 측정 장치, 식품 상태 측정 모듈, 이를 포함하는 스마트 장치
WO2017123701A1 (en) * 2016-01-12 2017-07-20 University Of Florida Research Foundation, Inc. Portable spectrograph for high-speed phenotyping and plant health assessment
JP7238390B2 (ja) * 2018-12-21 2023-03-14 セイコーエプソン株式会社 情報システムおよび特定方法
JP7238552B2 (ja) * 2019-04-01 2023-03-14 セイコーエプソン株式会社 撮像条件評価装置および撮像条件評価方法
JP7207124B2 (ja) * 2019-04-16 2023-01-18 セイコーエプソン株式会社 校正装置、校正方法、分光カメラ、及び表示装置
EP4047351A1 (en) * 2021-02-17 2022-08-24 KWS SAAT SE & Co. KGaA Method for detecting plant diseases and physiological properties influenceable by environmental stress in plant material

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1793857A (zh) * 2005-12-28 2006-06-28 浙江大学 油菜氮素营养多光谱图像诊断方法及诊断系统
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
CN101059424A (zh) * 2007-05-22 2007-10-24 浙江大学 多光谱肉类新鲜度人工智能测量方法及系统
CN101124462A (zh) * 2004-10-25 2008-02-13 Rp风险技术有限公司 多光谱和超光谱成像系统
JP2010156612A (ja) * 2008-12-26 2010-07-15 Olympus Corp 画像処理装置、画像処理プログラム、画像処理方法およびバーチャル顕微鏡システム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09163382A (ja) 1995-12-07 1997-06-20 Toyo Ink Mfg Co Ltd 色ずれ修正方法及び装置
JPH10173941A (ja) 1996-12-16 1998-06-26 Toyo Ink Mfg Co Ltd 自然画像の色ずれ修正方法および装置
JP3819187B2 (ja) 1999-09-28 2006-09-06 富士写真フイルム株式会社 マルチバンド画像の分光反射率のスペクトル推定方法およびスペクトル推定システム
JP2005274238A (ja) * 2004-03-23 2005-10-06 Olympus Corp 検査装置、検査方法、プログラム及び記憶媒体
WO2005111583A1 (ja) * 2004-05-17 2005-11-24 The New Industry Research Organization 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置
JP2007108124A (ja) 2005-10-17 2007-04-26 Arata Satori 鮮度センサ
US20080272312A1 (en) * 2007-05-04 2008-11-06 Chemimage Corporation Hyperspectral fluorescence and absorption bioimaging
JP2010043979A (ja) * 2008-08-13 2010-02-25 Yuichi Kamata 分光画像計測装置
JP2011022131A (ja) * 2009-06-18 2011-02-03 Olympus Corp 医療診断支援装置、画像処理方法、画像処理プログラム、およびバーチャル顕微鏡システム
JP5879745B2 (ja) * 2011-05-20 2016-03-08 セイコーエプソン株式会社 分光推定パラメーター生成装置およびその方法、並びにコンピュータープログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101124462A (zh) * 2004-10-25 2008-02-13 Rp风险技术有限公司 多光谱和超光谱成像系统
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
CN1793857A (zh) * 2005-12-28 2006-06-28 浙江大学 油菜氮素营养多光谱图像诊断方法及诊断系统
CN101059424A (zh) * 2007-05-22 2007-10-24 浙江大学 多光谱肉类新鲜度人工智能测量方法及系统
JP2010156612A (ja) * 2008-12-26 2010-07-15 Olympus Corp 画像処理装置、画像処理プログラム、画像処理方法およびバーチャル顕微鏡システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103913236A (zh) * 2013-01-07 2014-07-09 精工爱普生株式会社 分光测定装置、颜色管理系统以及配置文件制作方法

Also Published As

Publication number Publication date
US20120293801A1 (en) 2012-11-22
JP2012242270A (ja) 2012-12-10
US9041928B2 (en) 2015-05-26
JP5796348B2 (ja) 2015-10-21
CN102788751B (zh) 2016-12-14

Similar Documents

Publication Publication Date Title
CN102788751A (zh) 特征量估计装置及其方法以及分光图像处理装置及其方法
US11863878B2 (en) YCBCR pulsed illumination scheme in a light deficient environment
EP1583371A1 (en) Light source estimating device, light source estimating method, and imaging device and image processing method
EP2967296B1 (en) Comprehensive fixed pattern noise cancellation
US20200400571A1 (en) Hyperspectral imaging with fixed pattern noise cancellation
EP2511680A2 (en) Optimized orthonormal system and method for reducing dimensionality of hyperspectral Images
US11436758B2 (en) Method and system for measuring biochemical information using color space conversion
US11221414B2 (en) Laser mapping imaging with fixed pattern noise cancellation
US11237270B2 (en) Hyperspectral, fluorescence, and laser mapping imaging with fixed pattern noise cancellation
US8320636B2 (en) Detecting image detail level
CN107607960A (zh) 一种光学测距的方法及装置
KR101251296B1 (ko) 초음파 근육 영상 처리 장치
WO2004102474A2 (en) A method and device for sensor level image distortion abatement
CN106507065A (zh) 拍摄装置、拍摄系统、图像生成装置及滤色器
EP1976308B1 (en) Device and method for measuring noise characteristics of image sensor
JP2015036850A (ja) 画像処理装置、画像処理方法および画像処理プログラム
CN110647781B (zh) 一种基于谱图融合的农作物生长信息获取方法及装置
JP2001311666A (ja) 測色変換係数算出方法と測色画像変換方法、及び、測色変換係数算出装置と測色画像変換装置、並びに、測色変換係数算出プログラム又は測色的撮像プログラムを記録したコンピュータ読み取り可能な情報記録媒体
JP7077646B2 (ja) 画像生成装置、撮像システム、プログラム、画像生成方法、情報管理システムおよび端末
CN111164395A (zh) 设备和方法
CN116249876A (zh) 图像分析方法、图像分析装置、程序及记录媒体
CN113297977A (zh) 活体检测方法、装置及电子设备
CN113340816A (zh) 光源光谱和多光谱反射率图像获取方法、装置及电子设备
CN111077088A (zh) 智能手机成像光谱仪及其光谱识别方法
JP2001186540A (ja) 測色変換係数算出方法と測色画像変換方法、及び、測色変換係数算出装置と測色画像変換装置、並びに、測色変換係数算出プログラム又は測色的撮像プログラムを記録したコンピュータ読み取り可能な情報記録媒体

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant