CN107292864B - 信号处理装置及信号处理方法 - Google Patents
信号处理装置及信号处理方法 Download PDFInfo
- Publication number
- CN107292864B CN107292864B CN201710208163.2A CN201710208163A CN107292864B CN 107292864 B CN107292864 B CN 107292864B CN 201710208163 A CN201710208163 A CN 201710208163A CN 107292864 B CN107292864 B CN 107292864B
- Authority
- CN
- China
- Prior art keywords
- noise intensity
- signal
- data
- noise
- stochastic resonance
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/50—Picture reproducers
- H04N1/504—Reproducing the colour component signals line-sequentially
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30144—Printing quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Ink Jet (AREA)
- Facsimile Image Signal Circuits (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
Abstract
Description
技术领域
本发明涉及一种信号处理装置及信号处理方法,利用所述信号装置及信号处理方法,从检测对象信号被淹没在噪声中的输入信号中提取所述检测对象信号。
背景技术
为了从被淹没在噪声中的输入信号中提取检测对象信号,随机共振现象是有用的。随机共振现象是如下现象:被淹没在噪声中的输入信号进一步被添加噪声,并且所得到的信号随后经受非线性处理,由此加强检测对象信号。然而,在这种随机共振现象中,用作示出检测结果的性能的评价值的相关系数,取决于所添加的噪声的强度而改变,如图1中所示。在图1的情况下,在所添加的噪声强度为30的情况下,相关系数最大。具体地说,因为存在对于最大检测精度的实现而言最佳的噪声强度,所以期望调整噪声强度。
J.J.Collins,Carson C.Chow and Thomas T.Imhoff,"Stochastic resonancewithout tuning",NATURE,(UK),20July 1995,vol.376,pp.236-238(下文中称作非专利文献1)公开了如图2中所示的构造,其中,输入信号I(x)被分支成多个信号、并且不同的噪声被添加到各个信号,并且所得到的信号经受非线性处理以进一步将其输出合成,由此以稳定的精度对检测对象信号进行检测。非专利文献1描述了:无论强度如何,分支的增加使得相关系数能够稳定化,这消除了如图1中所示的峰值,由此导致消除了调整噪声强度的需要。日本特开第2013-135244号公报公开了一种构造,其中,不准备如非专利文献1中的多个独立的噪声产生源,而是由一个噪声产生源产生的噪声通过被多个信号线相互延迟来添加,由此提供与非专利文献1相同的效果。
日本特开第2011-52991号公报公开了一种方法,该方法将非线性函数设定为逻辑函数、S形函数或双曲正切函数,由此在宽的噪声强度范围内增大相关系数。在如上所述的日本特开第2011-52991号公报的情况下,不需要如非专利文献1和日本特开第2013-135244号公报中那样准备多个非线性电路。因此,能够通过较简单的电路来实现与以上公开的效果相似的效果。
近年来,使用如上所述的随机共振现象对检测对象信号的提取也可以用于产品检查等。例如,可以将所制造的产品成像,并且将预定噪声添加到所得到的图像数据以使该数据经受非线性处理,由此提取产品中存在的诸如缺陷的异常部分。然后,通过配设这样的提取步骤、弹出所提取的异常部分的步骤、以及允许检查者确认并最终确定所弹出的图像的步骤,与仅通过检查者的视觉检查来确定产品的情况相比,能够显著地缩短检查时间,由此提高检查精度。此外,如上所述的异常部分提取机构的应用并不限于生产场所中的检查步骤,而是可以用于产品自身。具体的示例包括将由个人打印机打印的图像成像以自动地提取缺陷部分(如有)的功能。
然而,如非专利文献1及日本特开第2013-135244号公报中那样,许多非线性电路的使用导致复杂的处理或者价格更高的装置的风险。可以通过使用日本特开第2011-52991号公报中所公开的方法来解决这种缺点,但是会导致对实际上不是缺陷的各种异常部分的非意图的提取。
例如,为了检测配设在喷墨打印装置中的打印头的喷出故障,可以从自喷墨打印装置输出的图像中提取白条纹。这样,其特征是预先就是明显的。然而,在传统方法的情况下,甚至以非意图的方式提取了除白条纹以外的具有各种特征的异常部分。由于该原因,即使在准备了如上所述的使用随机共振现象的提取步骤、弹出步骤及确定步骤的情况下,也弹出许多异常部分。因此,导致对检查者增加了负担,不能缩短检查时间,并且检查精度也不能提高。也就是说,期望这样的检查方法:能够稳妥地仅提取其特征预先就是明显的诸如白条纹的异常部分(如有)。
发明内容
为解决以上缺点而做出本发明。本发明的目的是提供一种信号处理装置及信号处理方法,通过该装置及方法,能够从输入信号中精确且高效地提取检测对象信号。
根据本发明的第一方面,提供了一种信号处理装置,其包括:
获取单元,其被构造成获取具有与多个像素位置X分别相对应的多个输入信号I(x)的输入数据、以及具有作为要检测的对象的检测对象信号的检测对象数据;
噪声强度设定单元,其被构造成基于所述输入数据及所述检测对象数据来设定用于使所述输入信号I(x)经受预定随机共振处理的噪声强度K,所述噪声强度K示出了添加到所述输入信号I(x)的噪声的强度;以及
随机共振处理单元,其被构造成使用由所述噪声强度设定单元设定的所述噪声强度K以及用于量化所述输入信号的阈值T,来使所述输入信号I(x)经受所述预定随机共振处理以输出处理后的数据,其中:
所述预定随机共振处理是基于处理后的数据J(x)由I(x)、所述噪声强度K以及所述阈值T表示的以下公式的处理,并且所述处理后的数据J(x)与以下公式中M为无穷大的情况下的结果相对应,
j(x,m)是把通过将1至0的随机数噪声N(x,m)乘以所述噪声强度K而获得的值与所述输入信号I(x,m)相加并进一步二值化的处理的结果,M指示所述随机数噪声不同的处理的数量,并且m指示多个处理中的一个处理,所述噪声强度设定单元基于相关系数与所述噪声强度K的函数来设定所述噪声强度K,
所述相关系数示出了所述多个输入信号I(x)中的各输入信号经受所述预定随机共振处理的情况的结果与所述检测对象数据之间的相关性。
根据本发明的第二方面,提供了一种信号处理方法,该方法包括以下步骤:
获取步骤,获取具有与多个像素位置X分别相对应的多个输入信号I(x)的输入数据、以及具有作为要检测的对象的检测对象信号的检测对象数据;
噪声强度设定步骤,基于所述输入数据及所述检测对象数据来设定用于使所述输入信号I(x)经受预定随机共振处理的噪声强度K,所述噪声强度K示出了添加到所述输入信号I(x)的噪声的强度;以及
随机共振处理步骤,使用由所述噪声强度设定步骤设定的所述噪声强度K以及用于量化所述输入信号的阈值T,来使所述输入信号I(x)经受所述预定随机共振处理以输出处理后的数据,其中
所述预定随机共振处理是基于处理后的数据J(x)由I(x)、所述噪声强度K以及所述阈值T表示的以下公式的处理,并且所述处理后的数据J(x)与以下公式中M为无穷大的情况下的结果相对应,
j(x,m)是把通过将1至0的随机数噪声N(x,m)乘以所述噪声强度K而获得的值与所述输入信号I(x,m)相加并进一步二值化的处理的结果,M指示所述随机数噪声不同的处理的数量,并且m指示多个处理中的一个处理,所述噪声强度设定步骤基于相关系数与所述噪声强度K的函数来设定所述噪声强度K,
所述相关系数示出了所述多个输入信号I(x)中的各输入信号经受所述预定随机共振处理的情况的结果与所述检测对象数据之间的相关性。
根据本发明的第三方面,提供了一种非临时性计算机可读存储介质,其存储有用于使得计算机能够执行信号处理方法的程序,所述信号处理方法包括以下步骤:
获取步骤,获取具有与多个像素位置X分别相对应的多个输入信号I(x)的输入数据、以及具有作为要检测的对象的检测对象信号的检测对象数据;
噪声强度设定步骤,基于所述输入数据及所述检测对象数据来设定用于使所述输入信号I(x)经受预定随机共振处理的噪声强度K,所述噪声强度K示出了添加到所述输入信号I(x)的噪声的强度;以及
随机共振处理步骤,使用由所述噪声强度设定步骤设定的所述噪声强度K以及用于量化所述输入信号的阈值T,来使所述输入信号I(x)经受所述预定随机共振处理以输出处理后的数据,其中
所述预定随机共振处理是基于处理后的数据J(x)由I(x)、所述噪声强度K以及所述阈值T表示的以下公式的处理,并且所述处理后的数据J(x)与以下公式中M为无穷大的情况下的结果相对应,
j(x,m)是把通过将1至0的随机数噪声N(x,m)乘以所述噪声强度K而获得的值与所述输入信号I(x,m)相加并进一步二值化的处理的结果,M指示所述随机数噪声不同的处理的数量,并且m指示多个处理中的一个处理,所述噪声强度设定步骤基于相关系数与所述噪声强度K的函数来设定所述噪声强度K,
所述相关系数示出了所述多个输入信号I(x)中的各输入信号经受所述预定随机共振处理的情况的结果与所述检测对象数据之间的相关性。
根据本发明的第四方面,提供了一种信号处理装置,其包括:
获取单元,其被构造成获取具有与多个像素位置X分别相对应的多个输入信号的输入数据、以及具有作为要检测的对象的检测对象信号的检测对象数据;
噪声强度设定单元,其被构造成基于所述输入数据及所述检测对象数据来设定用于使所述输入信号经受预定随机共振处理的噪声强度,所述噪声强度示出了添加到所述输入信号的噪声的强度;以及
随机共振处理单元,其被构造成使用由所述噪声强度设定单元设定的所述噪声强度以及用于量化所述输入信号的阈值,来使所述输入信号经受所述预定随机共振处理以输出处理后的数据,其中
所述预定随机共振处理是用于在以并行方式将噪声添加到所述输入信号以进行二值化处理步骤以将结果合成的方法中,输出与并行数量为无穷大时获得的值相对应的值的处理,并且
所述噪声强度设定单元基于相关系数与所述噪声强度的函数来设定所述噪声强度,所述相关系数示出了所述多个输入信号中的各输入信号经受所述预定随机共振处理的情况的结果与所述检测对象数据之间的相关性。
通过以下(参照附图)对示例性实施例的描述,本发明的其他特征将变得清楚。
附图说明
图1例示了随机共振处理中所添加的噪声强度与相关系数之间的关系;
图2例示了非专利文献1中的随机共振处理;
图3A至图3D示出了本发明中可以使用的图像处理装置的实施例;
图4是用于解释第一实施例中的控制的构造的框图;
图5是例示喷墨打印装置的构造的示意图;
图6A及图6B例示了打印头的打印元件及读取头的读取元件的布置构造;
图7A及图7B例示了随机数产生的直方图;
图8A及图8B用曲线图例示了公式7及公式8;
图9A至图9C例示了检测对象数据及读取数据;
图10A及图10B例示了随机共振处理的结果;
图11A及图11B例示了相关系数C与噪声强度之间的关系;
图12是例示第一实施例中的异常部分检测算法的流程图;
图13是用于解释强度设定步骤中的处理的流程图;
图14A及图14B例示了能够设定噪声强度K的范围;
图15例示了相关系数C的微分值;
图16A至图16E例示了具有不同的相位的五种类型的检测对象数据;并且
图17是例示第二实施例中的异常部分检测算法的流程图。
具体实施方式
图3A至图3D例示了可以用作本发明的信号提取处理装置的图像处理装置1的实施例。本发明的图像处理装置用于使图像数据经受弹出处理,以使得用户能够更容易地识别出例如所打印的图像中的白条纹、或者经受用于装置自身的确定的处理。本发明的图像处理装置可以采用各种系统形式。
图3A例示了其中图像处理装置1包括读取单元2的实施例。例如,这与以下情况相对应:在其上由喷墨打印装置打印有预定图像的片材被放置在图像处理装置1中的读取单元2的读取基板上、并且例如由光学传感器来成像,并且图像数据由图像处理单元3来处理。图像处理单元3包括CPU或者提供速度比CPU的速度更高的处理的图像处理加速器,并且控制读取单元2的读取操作、并且使所接收到的图像数据经受预定检查处理。
图3B例示了其中图像处理装置1从外部连接到包括读取单元2的读取装置2A的实施例。例如,这对应于其中扫描器连接到例如PC的系统。可以使用一般的连接方法,例如USB、GigE或CameraLink。经由接口4而将由读取单元2读取的图像数据提供给图像处理单元3。图像处理单元3使所接收到的图像数据经受预定检查处理。在这种情况下,图像处理装置1还可以从外部连接到包括打印单元5的打印装置5A。
图3C例示了其中图像处理装置1包括读取单元2及打印单元5的实施例。这对应于包括例如扫描器功能、打印机功能及图像处理功能的复合机。图像处理单元3控制诸如打印单元5中的打印操作、读取单元2中的读取操作、以及对由读取单元2读取的图像的检查操作的所有操作。
图3D例示了其中包括读取单元2及打印单元5的复合机6从外部连接到图像处理装置1的实施例。这对应于其中包括扫描器功能及打印机功能二者的复合机连接到例如PC的系统。本发明的图像处理装置1也可以采取图3A至图3D中所示出的形式中的任一种形式。然而,以下部分将使用图3D的实施例来描述图像检查装置。
(第一实施例)
图4是用于解释图3D的实施例中的控制构造的框图。作为信号提取处理装置的图像处理装置1例如由主PC组成。CPU 301在使用RAM 302作为工作区的同时,根据存储在HDD303中的程序来执行各种处理。例如,CPU 301基于经由键盘/鼠标I/F 305而从用户接收到的命令、或者存储在HDD 303中的程序来生成可以由复合机6打印的图像数据,并且将该打印数据传送到复合机6。CPU 301基于存储在HDD中的程序而使经由数据传送I/F 304而从复合机6接收到的图像数据经受预定处理,以经由显示I/F 306而将结果或各条信息显示在未示出的显示器上。经由数据传送I/F 304而从复合机6接收到作为如稍后描述的本实施例的随机共振处理的对象的图像数据I(x)。
另一方面,在复合机6中,CPU 311在使用RAM 312作为工作区的同时,基于存储在ROM 313中的程序来执行各种处理。复合机6包括用于进行高速图像处理的图像处理加速器309、用于控制读取单元2的扫描器控制器307、以及用于控制打印单元5的头控制器314。
图像处理加速器309是能够以比CPU 311更高的速度来执行图像处理的硬件。通过使得CPU 311能够将图像处理所需的参数及数据写入到RAM 312的预定地址来激活图像处理加速器309。在读取以上参数及数据之后,图像处理加速器309使所述数据经受预定图像处理。然而,图像处理加速器309并不是不可缺少的元件。因此,可以由CPU 311执行相似的处理。
头控制器314将打印数据提供给配设在打印单元5中的打印头100,并且控制打印头100的打印操作。通过使得CPU 311能够将能够由打印头100打印的打印数据及控制参数写入到RAM 312的预定地址来激活头控制器314,并且头控制器314基于所述打印数据来执行喷出操作。
扫描器控制器307在控制布置在读取单元2中的单独的读取元件的同时,将从其获得的RGB亮度数据输出到CPU 311。CPU 311将所得到的RGB亮度数据经由数据传送I/F 310而传送到图像处理装置1。图像处理装置1的数据传送I/F 304与复合机6的数据传送I/F310例如可以通过USB、IEEE1394或LAN来连接。
图5是例示可以用作本实施例的复合机6的喷墨打印装置(下文中也可以简称为打印装置)的构造的示意图。本实施例的打印装置是全线型(full line-type)打印装置,其中,宽度与可以是打印介质或检查对象的片材P的宽度相似的打印头100及读取头107沿Y方向并列地布置。打印头100包括分别地喷出黑色(K)、青色(C)、品红色(M)及黄色(Y)的墨的四个打印元件列101至104。这些打印元件列101至104沿片材P的输送方向(Y方向)并列地布置。在打印元件列101至104的更下游处,配设有读取头107。读取头107在其中包括有沿X方向布置的、用于读取所打印的图像的多个读取元件。
为了进行打印处理或读取处理,根据输送辊105的旋转沿图的Y方向以预定速度来输送片材P。在该输送期间,进行打印头100的打印处理或读取头107的读取处理。在进行打印头100的打印处理或读取头107的读取处理的位置处的片材P从下侧受到由平板构成的压板106的支撑,由此维持距打印头100或读取头107的距离以及平滑性。
图6A及图6B例示了打印头100中打印元件的布置构造及读取头107中读取元件的布置构造。在打印头100中,与各个墨颜色相对应的打印元件列101至104被构造成使得其中以固定的节距布置有多个打印元件108的多个打印元件基板201沿Y方向交替地布置,以使得在具有交叠区域D的同时沿X方向连续。对于以固定的速度沿Y方向输送的片材P,基于打印数据以固定的频率从各个打印元件108喷出墨,由此将分辨率与打印元件108的布置节距相对应的图像打印到片材P上。然而,打印元件108是以非常高的密度布置在各个打印头中的。因此,存在以下风险:由制造打印头100的情况下的误差导致的白条纹特别地趋向于在交叠区域D中出现。
另一方面,读取头107包括沿X方向以预定节距布置的多个读取传感器109。尽管未示出,但是各个读取传感器109由可以是读取像素的最小单位并且沿X方向布置的多个读取元件组成。各个读取传感器109的读取元件能够按预定频率对以固定的速度沿Y方向输送的片材P上的图像进行成像,以由此以读取元件的布置节距来读取打印在片材P上的整个图像。
以下部分将具体地描述本实施例中的异常部分检测算法。本实施例的异常部分检测算法是以下算法:该算法将已打印的图像成像,以使用随机共振处理在所得到的图像数据中精确地检测在诸如交叠区域的特定位置处出现的诸如白条纹或黑条纹的异常部分。本实施例并不限于作为复合机6的喷墨打印装置。然而,下文的描述将基于以下假定来进行:假定由复合机6的打印头100打印的图像由同一复合机的读取头107读取。首先,以下部分将描述本实施例中所使用的随机共振处理。
再次参照图2,图2例示了使用在非专利文件1中也公开了的随机共振现象的处理的概念。输入信号I(x)示出与由读取传感器109读取的各个像素相对应的信号值。x示出像素位置。输入信号I(x)被分支成M个,并且各输入信号被添加不同的噪声N(x,m)×K。m是示出M个分支路径中的一个分支路径的参数,并且是从1至M的范围中的整数。N(x,m)示出与像素位置x的分支路径m相对应的随机数,并且范围从0至1。通过将随机数N(x,m)乘以作为整数的噪声强度K而获得的值N(x,m)×K被添加到输入信号I(x)。具体地说,假定噪声添加之后的信号值是i(x,m),则可以获得以下公式。
i(x,m)=I(x)+N(x,m)×K (公式1)
通过将噪声添加之后的信号值i(x,m)与预定阈值T相比较,进行非线性处理(二值化处理),以由此获得二值信号j(x,m)。具体地说,下式成立。
i(x,m)≥T→j(x,m)=1
i(x,m)<T→j(x,m)=0 (公式2)
其后,M个二值信号j(x,m)被合成,并且经受平均处理。所得到的值被设定为随机共振之后的信号值J。即,下式成立。
根据非专利文献1,较大的值M是优选的。值M的增加使得信号值J(x)能够更接近于示出非线性处理中各像素的输入信号值I(x)超过二值化阈值T的概率的值。换言之,导出用于计算输入信号值I(x)超过二值化阈值T的概率的公式,使得能够在不需要如图2中所示的许多噪声添加处理操作或非线性处理操作的情况下,实现与其等同的检测处理。因此,以下部分将描述输入信号值I(x)超过二值化阈值T的概率。
图7A及图7B例示了在产生无穷多个随机数N的情况下收敛的直方图。横轴示出从0至1的范围中的随机数N。纵轴示出各值N出现的概率f(N)。图7A例示了平均值是0.5并且使用基于3σ=1的正态分布的情况,而图7B例示了以相同的频率产生0至1的范围中的随机数N的情况(所谓的白噪声)。下文的描述将基于以下假定来进行:假定基于这种分布来产生随机数N。
根据公式1及公式2,各个像素的二值化之后的结果是j(x,m)=1的概率等于下式成立的概率:
I(x)+N(x,m)×K≥T。
假定K(强度)具有正的值,则可以将以上公式表达为:
N(x,m)≥{T-I(x)}/K (公式4)
假定右侧是A,则以下公式可以成立。
N(x,m)≥A (公式5)
各个像素在二值化之后的结果j(x,m)是j(x,m)=1的概率(即,随机共振处理之后的信号值J(x))是公式5得到满足的概率。在图7A及图7B的各个图中,阴影区域的面积对应于该概率,并且可以由以下公式来表示。
在随机数N的产生的直方图具有正态分布(如图7A中所示)的情况下,如下所示地表示公式6。
在噪声N的直方图具有±3σ=1的正态分布(如图7A中所示)的情况下,系数α大约是α=10.8。在常数A返回到原始公式{T-I(x,m)}/K的情况下,如下所示地表示公式7。
另一方面,在随机数N的产生的直方图如图7B中所示的情况下,可以如下所示地表示公式6。
在常数A返回到原始公式{T-I(x)}/K的情况下,如下所示地表示公式8。
图8A及图8B用曲线图例示了公式7及公式8。通过在适当的噪声强度K及阈值T下使用公式7及公式8,能够以与使用非专利文献1的方法对输入信号值I(x)设定无穷大的分支数M时的精度相同的精度来提取异常部分。
接下来,以下部分将描述设定用于随机共振处理的阈值以便设定适当的噪声强度K(即,上限值)及阈值T的方法。本实施的目的是在参照图5、图6A及图6B所描述的喷墨打印装置中的交叠区域D中检测白条纹的存在(如有)。这样的白条纹是通过使得打印头100能够打印均一的图像以由读取头107读取所打印的图像来检测的。具体地说,这样的白条纹被假定为检测对象,并且设定噪声强度K及阈值T以便通过随机共振处理来精确地检测白条纹。
图9A至图9C例示了在预定位置处存在白条纹的情况下的检测对象数据、使得读取头107能够读取其中在预定位置处存在白条纹的实际图像的结果、以及读取各个像素的结果,与X方向的位置之间的对应关系。图9A例示了在二维布置中的各个像素中,分别以白色像素示出与白条纹相对应的像素、而以灰色像素示出不与白条纹相对应的像素。
图9B例示了读取头107的读取结果的输入数据(下文中称作读取数据)。具体地说,将由各个读取元件接收到的模拟信号量化成8位(256值)的结果表示为亮度值。高亮度值表示图像具有较高的明亮度,即,白条纹的概率较高。图9C是通过绘制沿X方向的位置与各个像素的亮度值的对应关系而获得的图。可以看到,位于白条纹处的像素的亮度值相对大于其他区域的亮度值。根据该图判断,位于白条纹处的像素的亮度值为20,被淹没在值为40的噪声中。本实施例中为了精确地提取白条纹,期望使如图9B中所示的原始读取数据经受预定随机共振处理,以由此获得与对图9A的检测对象数据的可能相似的结果。
图10A及图10B例示了假定公式8中所示的白噪声的情况下使图9B经受随机共振处理的结果J(x)。图10A例示了使用噪声强度K=30及二值化阈值T=80的情况。图10B例示了使用噪声强度K=40及二值化阈值T=80的情况。将图10A与图10B相对比,关于图9A中所示的白条纹位置的数据的图10B的相关系数,比图10A更接近于1,并且关于检测对象数据的图10B的相关性比图10A更高。即,关于检测对象数据的相关性取决于噪声强度K。
这里,相关系数C被限定为示出整个图像中关于检测对象数据的相关性。在本实施例中,相关系数C是示出图9A中所示的检测对象数据与图10A及图10B中所示的随机共振处理之后的结果之间的相关水平的检测性能评价值。相关系数C可以由以下公式9来表示。
在该公式中,L表示像素的数量,并且在本示例中L=210成立。t(x)表示图9A中所示的检测对象信号,J(x)表示预定随机共振处理之后的信号,表示t(x)的算术平均值,表示J(x)的算术平均值。相关系数C表示在作为比较对象的两个信号组具有较高的相关性的情况下接近于1、而在相关性较低的情况下接近于0的评价值。具体地说,接近于1的相关系数C表示整个图像具有在随机共振处理之后接近于检测对象信号t(x)的输出信号J(x)。图10A关于图9A的相关系数C约为0.49。
图11A及图11B例示了在噪声强度K在从0至200的范围内改变而将二值化阈值固定为T=80的情况下的相关系数C。图11A示出了基于公式9的理论值。图11B例示了公式3中所示的随机共振处理的样本的数量M关于图9B的结果而多样地改变的情况。
在图11A中,在噪声强度K超过约20的情况下,相关系数C大于0,并且在K=40处为最大,并且相关系数C在噪声强度超过约40的情况下再次下降并接着稳定化。从图11B中可以看到,样本的数量M的增加(即,样本的数量M接近于无穷的数量)使得相关系数C能够接近理论值。即,可以将相关系数C认为是噪声强度K的函数,并且清楚的是,相关系数C具有作为最大值的局部最大值。在使用该局部最大值处的噪声强度K来进行随机共振处理的情况下,可以在将相关系数C设定成高水平的同时执行图像检查。
图12是例示在本实施例的异常部分检测算法中由图像处理装置1的CPU 301执行的处理的流程图。在该处理开始的情况下,在步骤S1201中,CPU 301首先获取如图9B中所示的读取数据I(x)。具体地说,使得能够经由扫描器控制器307由读取头107读取由打印头100打印的图像,并且获取作为与各个像素相对应的亮度值的数据I(x)。x表示像素位置。
接下来,在步骤S1202中,CPU 301获取图9A中所示的检测对象数据t(x)。针对要提取的各类型的对象(例如,白条纹、浓度不均)而准备检测对象数据,并且检测对象数据可以预先存储在HDD 303中,或者可以根据需要而从外部获取。
在步骤S1203中,CPU 301确定阈值T。阈值T是这样的值,从在图9A中所示的检测对象数据中信号值为“1”的像素位置x中,被设定成大于图9B中所示的读取数据为最大处的最大信号值SigMax的值。在图9B的情况下,从左侧起第5列且从下侧起第3行的位置、以及从左侧起第17列且从下侧起第2行的位置的亮度值“60”,被设定为最大信号值SigMax。示例性地将比最大信号值SigMax=60更大的值设定为阈值T=80。
在步骤S1204中,CPU 301设定最佳噪声强度K。具体地说,公式9中所示的相关系数C被噪声强度K微分。将微分值为0处的噪声强度K设定为最佳噪声强度。原因是,图11A及图11B示出了相关系数C在微分值为0的情况下为局部最大及最大。下面将详细地描述。
图13是用于解释在步骤S1204的噪声强度设定步骤中由CPU 301执行的处理的流程图。在该处理开始的情况下,在步骤S1301中CPU 301首先将图9A中所示的检测对象信号t(x)输入到示出相关系数C的公式9,并且还用公式7或公式8代替J(x)。作为结果,相关系数C被设定成仅针对噪声强度K的函数。在步骤S1302中,设定范围a≤K≤b,在该范围内在步骤S1301中所获得的函数C(K)被微分。
图14A是用于解释微分范围a≤K≤b的图。关于相关系数C(K),在K等于或小于特定值的情况下c(K)=0成立,而在该值被超过的情况下C(K)>0成立。在参照公式7或公式8的情况下,如上所述用作边界的值K是对于所有的像素满足T>I(x)+K、而对于任一像素满足T≤I(x)+K的K的边界值。换言之,这是所有的像素适用于公式7或公式8中的第二条件、而任一像素适用于公式7或公式8中的第三条件的边界。可以对所有的像素使用I(x)的最大信号值SigMax,来将这样的值K表示为T-SigMax。在本实施例中,如上所述的值K被设定成用于微分的下限值a=T-SigMax。
另一方面,在值K等于或大于特定值的情况下,相关系数C(K)收敛成具有固定的值。在相关系数C(K)收敛的情况下的值K表示以下情况:对于所有的像素x都满足T<I(x)+K的情况(参照公式7或公式8),即,所有的像素适用于公式7或公式8中的第一条件或第三条件、并且甚至输入信号I(x)的最小值超过阈值T的情况。可以在所有的像素中使用I(x)的最小信号值SigMin,来将如上所述的值K表示为T-SigMin。在本实施例中,如上所述的值K被设定成下限微分值b=T-SigMin。在本示例的情况下,T=80、SigMax=60及SigMin=0成立。因此,a=20及b=80成立。已经知晓,函数C(K)在a≤K≤b的范围内仅有一个局部最大值。
接下来,在步骤S1303中,CPU 301利用a≤K≤b的范围内的噪声强度K将在步骤S1301中所计算出的相关系数C(K)微分。图15例示了a≤K≤b的范围内的相关系数C(K)的微分值C’(K)。可以看到,在K=40的附近,微分值由正改变成负,并且在该位置处C(K)具有局部最大值。CPU 301计算C’(K)=0成立处的K,并且将其设定为最佳噪声强度K=40。然后,该处理完成。
返回到图12的流程图,在步骤S1204中设定最佳噪声强度的情况下,CPU 301进行到步骤S1205以执行预定随机共振处理。具体地说,CPU 301将在步骤S1203中所设定的阈值T、在步骤S1204中所设定的噪声强度K、以及在步骤S1201中所获取的读取数据I(x)代入到公式7或公式8中,以计算各个像素的J(x)。
图10B例示了在假定设定了阈值T=80及噪声强度K=40的情况下基于公式8关于图9B中所示的读取数据I(x)而计算出的J(x)。与图10A的设定阈值T=80及噪声强度K=30的情况相比,获得了更接近于图9A中所示的检测对象数据t(x)的结果。
在步骤S1206中,CPU 301基于在步骤S1205中在优选的条件下进行随机共振处理的结果来进行确定处理。具体地说,在图像中值等于或大于预定值的像素的数量等于或大于预定值时,CPU 301可以确定所检查的图像是有缺陷的。作为另一种选择,还可以将值等于或大于预定像素值的像素以弹出的方式显示在经由显示I/F 306而连接的显示装置上(如图10B中所示),以使得检查者可以观察到该像素。然后,该处理完成。
可以将这样获得的检测结果存储为对于打印装置而言唯一的信息,以使得结果可以用于后续打印控制。例如,可以将产生白条纹的位置存储在复合机6的ROM 313中,并且可以在实际打印操作期间增加位于白条纹附近的打印元件的喷出的次数,由此能够使得图像内的白条纹较不突出。
根据上述本实施例,可以精确地确定出现在特定位置处的诸如白条纹的异常部分的存在或不存在。例如,即使在不包含白条纹的图像经受图12中所示的流程图中的一系列步骤中的处理时,也在步骤S1203及步骤S1204中设定最佳阈值T及最佳噪声强度K。然而,在如上所述的情况下,对检查对象数据t(x)的相关性低,因此未能提供如图10A及图10B中所示的在特定位置处分布等于或大于预定像素值的值的结果。因此,在步骤S1206的确定处理中,检查者能够基于所弹出的图像的状态而确定未产生白条纹。此外,由于值等于或大于预定像素值的像素的数量小于预定数量,因此CPU 301可以确定未产生白条纹。
通过这种方式,在以上描述中,C(K)具有局部最大值处的噪声强度K被设定为用于在步骤S1205中执行的随机共振处理的噪声强度K。然而,并不总是需要C(K)具有局部最大值处的噪声强度K以提高检测精度。具体地说,通过获得值比读取数据I(x)自身与检测对象数据t(x)的相关系数C的值大的相关系数C,与不进行随机共振处理的情况相比,可以提高检测精度。具体地说,在图9B中所示的读取数据的情况下,相对于图9A的检测对象数据的相关系数C是0.47。因此,可以执行这样的随机共振处理,其提供大于0.47的相关系数C。
例如将图10A与图10B相比较,图10B具有相对于图9A中所示的检测对象数据较高的相关性,因此能够进行精确的检测,如上文已经描述的。然而,即使在图10A的基于噪声强度K=30的情况下,相关系数C是0.49,这是比不进行随机共振处理的情况下的相关系数(C=0.47)大的值,由此提供了随机共振处理的效果。
图14B是用于解释可以获得如上所述的相关系数C的噪声强度K的范围的图。在噪声强度K大于b的情况下,不再获得随机共振处理的效果,并且相关系数C是读取数据I(x)自身相对于检测对象数据t(x)的相关系数C=0.47。即,噪声强度K必须满足K<b,以便获得随机共振处理的效果。另一方面,已经知晓,相关系数C在0<K<b的范围内具有一个局部最大值。因此,在K≤b的范围内存在满足C(K)=0.47的其他K。将其假定为c(C(b)=C(c)=0.47)。即,通过将满足c<K<b的K设定为噪声强度K、并且通过进行上述随机共振处理,与不进行随机共振处理的情况相比,能够提高相关系数及检测精度。
然而在检查系统中,即使在使用以上范围的情况下,也优选地将噪声强度K设定成比满足C’(K)=0的值(在本示例的情况下满足K=40的值)更大的值。原因在于,在检查系统的情况下,表示未能提取具有异常部分的可能性的像素的“未检测”是严重的缺点,因此维持用以提取过多量的正常像素作为异常部分的“过度检测”的状态是重要的。因此,可以通过将噪声强度K设定在40≤K≤b的范围内(而不是在c≤K≤40的范围内)来主动地避免“未检测”,以使得增加各像素具有二值化结果1的概率。
尽管以上部分描述了白条纹作为示例,但是如早前已描述的,本实施例还可以检测具有其他特征的异常部分。在这种情况下,可以针对要提取的各类型的异常部分(例如,白条纹、浓度不均)而预先准备检测对象数据t(x)。另外,可以在交换检测对象数据t(x)的同时反复地执行图12中所示的流程图,以便检测诸如白条纹或浓度不均的具有不同特征的异常部分。在连续地检查使用不同的打印头在同一类型的打印介质上基于同样的打印数据而打印的多个测试图案的情况下,也可以在多个测试图案之间共享最佳阈值T及噪声强度K。在这种情况下,在步骤S1203及步骤S1204中例如针对第一测试图案而获得的阈值T及噪声强度K可以临时地存储起来,并且可以对后续的测试图案省略步骤S1203及步骤S1204。因此这可以缩短对于同一类型的异常部分的检查步骤。
根据如上所述的本实施例,利用针对检测对象数据而设定的有效的噪声强度,可以在无需许多非线性电路的情况下进行随机共振处理。因此,可以精确且有效地检测目标异常部分。
(第二实施例)
在第一实施例中,描述了以下情况:在诸如白条纹的异常部分出现的位置很清楚的情况下,精确地检测该位置处是否出现异常部分。然而,在实际的检查步骤中,假定另一情况:不能稳妥地知晓异常部分出现的位置。例如,参照图5,在由打印头100打印的图案被读取头107读取的情况下,在打印头100与读取头107之间存在一定距离。因此,在沿输送方向出现轻微的错位(dislocation)的情况下,期望在打印头100打印时白条纹沿X方向的位置与读取头107进行检测的情况下白条纹沿X方向的位置不同。参照图6A及图6B,交叠区域D具有与多个像素相对应的宽度,这可能导致不能精确地确定由在打印头的制造期间的误差导致的白条纹的位置的情况。鉴于如上所述的情况,本实施例中预先准备多个检测对象信号t(x)。将通过针对图3D至图6B而描述的由图像处理装置1和复合机6组成的构造的示例来描述本实施例,如同第一实施例中那样。
图16A至图16E例示了本实施例中准备的五种类型的检测对象数据t(x)。图16A对应于图9A。图16B至图16E例示了通过将图16A中所示的数据沿±X方向移动1个像素和2个像素而获得的图案。通过如上所述地准备检测对象数据t(x),即使在白条纹的位置沿±X方向从图16A的位置错位约1个像素至2个像素的情况下,也能够以与第一实施例的精度相似的精度检测该位置。
图17是用于解释本实施例中由图像处理装置1的CPU 301执行的随机共振处理的流程图。在该处理开始的情况下,如同第一实施例中那样,在步骤S1401中CPU 301首先获取如图9B中所示的读取数据I(x)。
接下来,在步骤S1402中,CPU 301获取图16A至图16E中所示的多个检测对象数据t(x)中的一个。图16A至图16E的检测对象数据可以预先存储在HDD 303中,或者可以根据需要而从外部获取。
步骤S1403至步骤S1405的处理操作与图12中的步骤S1203至步骤S1205的处理相同,因此将不进一步描述。然而,在步骤S1405中获取的J(x)在与图16A至图16E的检测对象数据相关联的同时被临时存储在RAM 302中。
在步骤S1406中,CPU 301确定是否针对图16A至图16E中所示的所有的检测对象数据都执行了随机共振处理。如果确定存在剩余的要获取的检测对象数据,则步骤S1407获取图16A至图16E中所示的检测对象数据t(x)中的尚未用于随机共振处理的一个检测对象数据,然后处理返回到步骤S1402。在步骤S1406确定所有的检测对象数据都经受了随机共振处理的情况下,处理进行到步骤S1408。
在步骤S1408中,CPU 301将通过步骤S1405中的各个处理而获得的随机共振处理之后的结果J(x)相比较,并且选择具有最高评价值C的一个结果。然后,处理进行到步骤S1409,并且CPU 301基于在步骤S1408中选择的随机共振处理之后的结果来进行确定处理。具体地说,如同第一实施例中那样,可以将值等于或大于预定像素值的像素弹出,以使得检查者可以观察到该像素,或者,在值等于或大于预定像素值的像素的数量等于或大于预定数量时,CPU 301可以确定检查对象图像是有缺陷的。然后,该处理完成。
根据上述本实施例,即使在产生实际的异常部分的位置与读取位置之间引起轻微的错位的情况下,也能够如第一实施例中那样精确且高效地检测到特定的异常部分。在图16A至图16E中,准备周期相同而相位不同的多个检测对象图案。然而,本实施例并不限于这样的示例。因此,在对异常部分出现的周期或异常部分的尺寸或异常部分的数量有多样的期望时,可以预先准备相互不同的多个检测对象图案。
在以上实施例中,描述了关于用于针对由读取头107读取的各个像素对亮度数据进行随机共振处理的图像处理装置的示例。然而,本发明的信号提取处理装置并不限于这样的实施例。例如,即使在电流值I(x)根据时间而改变(例如,物体的震动或声音的改变)的输入信号的情况下,要被提取的检测对象信号也被淹没在噪声中。即使在这种情况下,如果可以预先准备相对于时间轴x的检测对象数据t(x),则也可以如以上实施例中那样从输入数据I(x)中精确且高效地提取检测对象信号。
此外,尽管经由通过将复合机6连接到图像处理装置1而获得的系统(如图4所示)的示例而进行了以上描述,但是本发明并不限于这样的实施例。
(其他实施例)
另外,可以通过读出并执行记录在存储介质(也可以更完整地称为“非临时性计算机可读存储介质”)上的计算机可执行指令(例如,一个或更多个程序)以进行上述实施例中的一个或更多个实施例的功能、并且/或者包括用于进行上述实施例中的一个或更多个实施例的功能的一个或更多个电路(例如,专用集成电路(ASIC))的系统或装置的计算机,来实现本发明的实施例,并且,可以利用通过由所述系统或装置的所述计算机例如读出并执行来自所述存储介质的所述计算机可执行指令以进行上述实施例中的一个或更多个实施例的功能、并且/或者控制所述一个或更多个电路以进行上述实施例中的一个或更多个实施例的功能从而进行的方法,来实现本发明的实施例。所述计算机可以包括一个或更多个处理器(例如,中央处理单元(CPU)、微处理单元(MPU)),并且可以包括分开的计算机或分开的处理器的网络,以读出并执行所述计算机可执行指令。所述计算机可执行指令可以例如从网络或所述存储介质被提供给所述计算机。所述存储介质可以包括例如硬盘、随机存取存储器(RAM)、只读存储器(ROM)、分布式计算系统的存储器、光盘(例如,压缩光盘(CD)、数字通用光盘(DVD)或蓝光光盘(BD)TM)、闪存设备及存储卡等中的一个或更多个。
本发明的实施例还可以通过如下的方法来实现,即,通过网络或者各种存储介质将执行上述实施例的功能的软件(程序)提供给系统或装置,该系统或装置的计算机或是中央处理单元(CPU)、微处理单元(MPU)读出并执行程序的方法。
虽然参照示例性实施例对本发明进行了描述,但是应当理解,本发明并不限于所公开的示例性实施例。应当对下列权利要求的范围给予最宽的解释,以使其涵盖所有这些变型例以及等同的结构和功能。
Claims (15)
1.一种信号处理装置,其包括:
(i)获取单元,其被构造成获取具有与多个像素位置x分别相对应的输入信号I(x)的输入数据,以及具有与多个像素位置x分别相对应的、作为要检测的对象的检测对象信号t(x)的检测对象数据,输入数据通过读取由打印装置打印的图像来获取,并且检测对象数据是指示出现并由打印装置的错误引起的异常部分的图像数据;
(ii)噪声强度设定单元,其被构造成基于所述输入数据及所述检测对象数据来设定用于添加到输入信号I(x)以使所述输入信号I(x)经受预定随机共振处理的噪声强度K;以及
(iii)随机共振处理单元,其被构造成使用由所述噪声强度设定单元设定的所述噪声强度K以及用于量化所述输入信号I(x)的阈值T,来使所述输入信号I(x)经受所述预定随机共振处理,从而输出具有处理后的信号J’(x)的数据,其中:
J’(x)是在M增加的情况下J(x)的收敛值,根据如下公式1到公式3获得J(x):
i(x,m)=I(x)+N(x,m)× K (公式1)
如果i(x,m)≥T,则j(x,m)=1
如果i(x,m)<T,则j(x,m)=0 (公式2)
其中,i(x,m)是添加噪声强度K之后的信号值,j(x,m)是通过将信号值i(x,m)与预定阈值T进行比较而获得的二值信号,M是输入信号I(x)的分支路径的数量,m是示出M个分支路径中的一个的参数并且是1到M范围内的整数,并且N(x,m)是与像素位置x的分支路径m相对应的随机数噪声且具有从1到0的范围,
针对多个像素位置x示出J’(x)与检测对象信号t(x)之间的相关性的相关系数是噪声强度K的函数C(K),并且
噪声强度设定单元基于函数C(K)设定噪声强度K。
2.根据权利要求1所述的信号处理装置,其中
所述噪声强度设定单元设定满足函数C(K)是局部最大值的条件的噪声强度K。
3.根据权利要求1所述的信号处理装置,其中
所述噪声强度设定单元设定所述噪声强度K,使得在进行所述预定随机共振处理的情况下的所述相关系数C(K),大于在不进行所述预定随机共振处理的情况下的所述相关系数C(K)。
4.根据权利要求1所述的信号处理装置,其中
所述噪声强度设定单元将所述噪声强度K设定在比在满足所述相关系数C(K)为局部最大值的条件的噪声强度K大并且比在所述相关系数C(K)收敛于固定值的情况下的噪声强度K小的范围内。
5.根据权利要求1所述的信号处理装置,其中
所述噪声是上限在由所述噪声强度设定单元设定的所述噪声强度K处的白噪声。
6.根据权利要求1所述的信号处理装置,其中
所述噪声是上限在由所述噪声强度设定单元设定的所述噪声强度K处的正态分布噪声。
7.根据权利要求1所述的信号处理装置,还包括:
阈值设定单元,其被构造成基于所述输入数据以及所述检测对象数据,来设定用于在针对所述输入信号I(x)的所述预定随机共振处理中使用的量化的所述阈值T。
8.根据权利要求1所述的信号处理装置,其中
所述检测对象数据被准备为关于所述像素位置具有不同的相位的多个检测对象数据;
所述获取单元获取所述多个检测对象数据;
所述噪声强度设定单元针对所述多个检测对象数据中的各个设定所述噪声强度K;并且
所述随机共振处理单元使用由所述噪声强度设定单元设定的各个噪声强度,来使所述输入信号I(x)经受所述预定随机共振处理;并且
所述信号处理装置还包括:选择单元,其被构造成对由所述随机共振处理单元执行的所述预定随机共振处理的多个结果进行比较,以选择一个结果。
9.根据权利要求1所述的信号处理装置,其中
通过使用以下公式计算从所述输入数据I(x)获得的所述处理后的数据J’(x),来进行所述预定随机共振处理,
如果I(x)>T,则J’(x)=1
如果I(x)<T-K,则J’(x)=0
如果T-K<I(x)<T,则J’(x)=1-(T-I(x))/K。
10.根据权利要求1所述的信号处理装置,还包括:显示控制单元,其被构造成将由所述随机共振处理单元执行的所述随机共振处理的结果显示在显示装置上。
11.根据权利要求1所述的信号处理装置,还包括:
读取单元,其被构造成读取图像,其中
所述输入数据是所述读取单元的读取结果的图像数据。
12.根据权利要求11所述的信号处理装置,还包括:
打印单元,其被构造成打印图像;其中
所述读取单元读取由所述打印单元打印的图像。
13.一种信号处理方法,其包括以下步骤:
(i)获取步骤,获取具有与多个像素位置x分别相对应的输入信号I(x)的输入数据,以及具有与多个像素位置x分别相对应的、作为要检测的对象的检测对象信号t(x)的检测对象数据,输入数据通过读取由打印装置打印的图像来获取,并且检测对象数据是指示出现并由打印装置的错误引起的异常部分的图像数据;
(ii)噪声强度设定步骤,基于所述输入数据及所述检测对象数据来设定用于添加到输入信号I(x)以使所述输入信号I(x)经受预定随机共振处理的噪声强度K;以及
(iii)随机共振处理步骤,使用由所述噪声强度设定步骤设定的所述噪声强度K以及用于量化所述输入信号I(x)的阈值T,来使所述输入信号I(x)经受所述预定随机共振处理,从而输出具有处理后的信号J’(x)的数据,其中
J’(x)是在M增加的情况下J(x)的收敛值,根据如下公式1到公式3获得J(x):
i(x,m)=I(x)+N(x,m)× K (公式1)
如果i(x,m)≥T,则j(x,m)=1
如果i(x,m)<T,则j(x,m)=0 (公式2)
其中,i(x,m)是添加噪声强度K之后的信号值,j(x,m)是通过将信号值i(x,m)与预定阈值T进行比较而获得的二值信号,M是输入信号I(x)的分支路径的数量,m是示出M个分支路径中的一个的参数并且是1到M范围内的整数,并且N(x,m)是与像素位置x的分支路径m相对应的随机数噪声且具有从1到0的范围,
针对多个像素位置x示出J’(x)与检测对象信号t(x)之间的相关性的相关系数是噪声强度K的函数C(K),并且
噪声强度设定步骤基于函数C(K)设定噪声强度K。
14.根据权利要求13所述的信号处理方法,其中
通过使用以下公式计算从所述输入数据I(x)获得的所述处理后的数据J’(x),来进行所述预定随机共振处理,
如果I(x)>T,则J’(x)=1
如果I(x)<T-K,则J’(x)=0
如果T-K<I(x)<T,则J’(x)=1-(T-I(x))/K。
15.一种信号处理装置,其包括:
(i)获取单元,其被构造成获取具有与多个像素位置x分别相对应的输入信号I(x)的输入数据,以及具有与多个像素位置x分别相对应的、作为要检测的对象的检测对象信号t(x)的检测对象数据,输入数据通过读取由打印装置打印的图像来获取,并且检测对象数据是指示出现并由打印装置的错误引起的异常部分的图像数据;
(ii)噪声强度设定单元,其被构造成基于所述输入数据及所述检测对象数据来设定用于添加到输入信号I(x)以使所述输入信号I(x)经受预定随机共振处理的噪声强度K,所述噪声强度示出了添加到所述输入信号的噪声的强度;以及
(iii)随机共振处理单元,其被构造成使用由所述噪声强度设定单元设定的所述噪声强度K以及用于量化所述输入信号I(x)的阈值T,来使所述输入信号I(x)经受所述预定随机共振处理,从而输出处理后的数据,其中
所述预定随机共振处理是用于在将噪声添加到相同的输入信号I(x)并在多个分支路径中进行二值化处理以将结果合成的方法中,输出与在分支路径的数量增加的情况下获得的收敛值相对应的值J’(x),并且
所述噪声强度设定单元基于相关系数C与所述噪声强度K的函数来设定所述噪声强度K,所述相关系数C示出了所述多个输入信号I(x)中的各输入信号经受所述预定随机共振处理的情况的结果J’(x)与所述检测对象信号t(x)之间的相关性。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-070798 | 2016-03-31 | ||
JP2016070798A JP6669397B2 (ja) | 2016-03-31 | 2016-03-31 | 信号抽出処理装置および信号抽出処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292864A CN107292864A (zh) | 2017-10-24 |
CN107292864B true CN107292864B (zh) | 2021-07-20 |
Family
ID=58461051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710208163.2A Active CN107292864B (zh) | 2016-03-31 | 2017-03-31 | 信号处理装置及信号处理方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10679329B2 (zh) |
EP (1) | EP3226533B1 (zh) |
JP (1) | JP6669397B2 (zh) |
KR (1) | KR102103406B1 (zh) |
CN (1) | CN107292864B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6685799B2 (ja) * | 2016-03-31 | 2020-04-22 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP6645702B2 (ja) * | 2016-09-30 | 2020-02-14 | キヤノン株式会社 | 信号抽出処理装置および信号抽出処理方法 |
DE102016121202A1 (de) * | 2016-11-07 | 2018-05-09 | Otto Bock Healthcare Gmbh | Vorrichtung zum Unterstützen eines Armes |
CN112906482B (zh) * | 2021-01-25 | 2022-07-29 | 西安石油大学 | 基于随机共振与混沌协同的井下微弱特征信号检测方法 |
CN113625101B (zh) * | 2021-06-24 | 2023-12-26 | 国网青海省电力公司果洛供电公司 | 基于果蝇算法与随机共振的行波信号处理方法 |
JP7202578B1 (ja) | 2021-07-16 | 2023-01-12 | 学校法人金沢工業大学 | 画像処理装置、画像処理方法、プログラム及び記憶媒体 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6136541A (en) * | 1999-02-22 | 2000-10-24 | Vialogy Corporation | Method and apparatus for analyzing hybridized biochip patterns using resonance interactions employing quantum expressor functions |
CN102055914A (zh) * | 2009-10-28 | 2011-05-11 | 索尼公司 | 信号处理设备、信号处理方法和计算机程序 |
CN102735330A (zh) * | 2012-06-15 | 2012-10-17 | 天津大学 | 基于粒子群优化算法的自适应随机共振微弱信号检测方法 |
CN103699513A (zh) * | 2013-12-20 | 2014-04-02 | 中国科学技术大学 | 一种基于多尺度噪声调节的随机共振方法 |
CN103944593A (zh) * | 2014-04-18 | 2014-07-23 | 哈尔滨工业大学深圳研究生院 | 基于独立接收单元的双稳态随机共振阵列处理方法及系统 |
CN104132967A (zh) * | 2014-06-20 | 2014-11-05 | 浙江理工大学 | 一种基于双阈值随机共振的低浓度气体检测方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU772599B2 (en) | 1999-02-04 | 2004-05-06 | Quvis, Inc. | Improving compressed image appearance using stochastic resonance and energy replacement |
US20040111219A1 (en) * | 1999-02-22 | 2004-06-10 | Sandeep Gulati | Active interferometric signal analysis in software |
US6894698B2 (en) * | 2000-01-11 | 2005-05-17 | Sun Microsystems, Inc. | Recovering added precision from L-bit samples by dithering the samples prior to an averaging computation |
JP3612025B2 (ja) * | 2001-01-26 | 2005-01-19 | 日本電信電話株式会社 | ノイズ中の時間周期性微弱信号検出方法、その装置、そのプログラム及びその記録媒体 |
US20080077192A1 (en) * | 2002-05-03 | 2008-03-27 | Afferent Corporation | System and method for neuro-stimulation |
EP1792263A2 (en) * | 2004-09-02 | 2007-06-06 | Vialogy Corporation | Detecting events of interest using quantum resonance interferometry |
US7429735B2 (en) * | 2005-03-15 | 2008-09-30 | Mass Institute Of Technology (Mit) | High performance CCD-based thermoreflectance imaging using stochastic resonance |
US8214177B2 (en) * | 2005-10-20 | 2012-07-03 | Syracuse University | Optimized stochastic resonance signal detection method |
US9026404B2 (en) * | 2005-10-20 | 2015-05-05 | Syracuse University | Methods of improving detectors and classifiers using optimized stochastic resonance noise |
JP2008009549A (ja) * | 2006-06-27 | 2008-01-17 | Yamaguchi Univ | 画像処理方法、画像処理装置及び画像処理プログラム |
US7513589B2 (en) * | 2007-01-31 | 2009-04-07 | Hewlett-Packard Development Company, L.P. | Multipass printing |
US8287066B2 (en) | 2007-03-14 | 2012-10-16 | E I Du Pont De Nemours And Company | Ink jet printing method |
US20090034008A1 (en) * | 2007-08-03 | 2009-02-05 | Lawrence Croft | Method for generating stochastic dither matrix |
US8433199B2 (en) * | 2008-03-18 | 2013-04-30 | Princeton University | System and method for nonlinear self-filtering via dynamical stochastic resonance |
WO2009138996A2 (en) | 2008-05-16 | 2009-11-19 | Department Of Biotechnology | A medical image enhancement technique based on image transform resonance |
JP2010006000A (ja) * | 2008-06-30 | 2010-01-14 | Fujifilm Corp | 画像出力装置及び画像検査方法 |
JP2011052991A (ja) * | 2009-08-31 | 2011-03-17 | Panasonic Corp | S/n特性改善器 |
JP5394420B2 (ja) * | 2011-02-21 | 2014-01-22 | 日本電信電話株式会社 | 受信方法、及び受信装置 |
JP5900848B2 (ja) | 2011-12-23 | 2016-04-06 | 株式会社豊田中央研究所 | 信号再生装置及び信号再生方法 |
US11256982B2 (en) * | 2014-07-18 | 2022-02-22 | University Of Southern California | Noise-enhanced convolutional neural networks |
CN104298878A (zh) * | 2014-10-14 | 2015-01-21 | 天津工业大学 | 一种获取随机共振系统最优参数的自适应搜寻方法 |
JP2016179628A (ja) * | 2015-03-25 | 2016-10-13 | セイコーエプソン株式会社 | 液体吐出装置、ヘッドユニット、液体吐出装置の制御方法、及び、液体吐出装置の制御プログラム |
JP6005798B2 (ja) * | 2015-05-08 | 2016-10-12 | 富士フイルム株式会社 | 画像評価装置、画像評価方法、及びプログラム |
-
2016
- 2016-03-31 JP JP2016070798A patent/JP6669397B2/ja active Active
-
2017
- 2017-03-13 EP EP17160496.0A patent/EP3226533B1/en active Active
- 2017-03-14 US US15/458,386 patent/US10679329B2/en active Active
- 2017-03-30 KR KR1020170040413A patent/KR102103406B1/ko active IP Right Grant
- 2017-03-31 CN CN201710208163.2A patent/CN107292864B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6136541A (en) * | 1999-02-22 | 2000-10-24 | Vialogy Corporation | Method and apparatus for analyzing hybridized biochip patterns using resonance interactions employing quantum expressor functions |
CN102055914A (zh) * | 2009-10-28 | 2011-05-11 | 索尼公司 | 信号处理设备、信号处理方法和计算机程序 |
CN102735330A (zh) * | 2012-06-15 | 2012-10-17 | 天津大学 | 基于粒子群优化算法的自适应随机共振微弱信号检测方法 |
CN103699513A (zh) * | 2013-12-20 | 2014-04-02 | 中国科学技术大学 | 一种基于多尺度噪声调节的随机共振方法 |
CN103944593A (zh) * | 2014-04-18 | 2014-07-23 | 哈尔滨工业大学深圳研究生院 | 基于独立接收单元的双稳态随机共振阵列处理方法及系统 |
CN104132967A (zh) * | 2014-06-20 | 2014-11-05 | 浙江理工大学 | 一种基于双阈值随机共振的低浓度气体检测方法 |
Non-Patent Citations (2)
Title |
---|
A CHARACTERIZATION OF SUPRATHRESHOLD STOCHASTIC RESONANCE IN AN ARRAY OF COMPARATORS BY CORRELATION COEFFICIENT;MARK D. MCDONNELL et al.;《Fluctuation and Noise Letters》;20021231;第2卷(第3期);第213-228页 * |
Optimal information transmission in nonlinear arrays through suprathreshold stochastic resonance;Mark D. McDonnell et al.;《Physics Letters A》;20061231;第352卷(第3期);第183-189页 * |
Also Published As
Publication number | Publication date |
---|---|
JP2017184101A (ja) | 2017-10-05 |
EP3226533B1 (en) | 2020-05-06 |
JP6669397B2 (ja) | 2020-03-18 |
US20170287125A1 (en) | 2017-10-05 |
CN107292864A (zh) | 2017-10-24 |
KR102103406B1 (ko) | 2020-04-22 |
EP3226533A1 (en) | 2017-10-04 |
KR20170113379A (ko) | 2017-10-12 |
US10679329B2 (en) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292864B (zh) | 信号处理装置及信号处理方法 | |
JP6512965B2 (ja) | 画像処理装置および画像処理方法 | |
EP3113473B1 (en) | Image processing apparatus and image processing method | |
JP6478840B2 (ja) | 画像処理装置および画像処理方法 | |
US9965842B2 (en) | Image processing apparatus and image processing method | |
US9623670B2 (en) | Image processing apparatus and image processing method | |
JP6537376B2 (ja) | 画像処理装置および画像処理方法 | |
US10089732B2 (en) | Image processing apparatus, image processing method and non-transitory computer-readable storage medium | |
EP3239928B1 (en) | Image processing apparatus, image processing method, and program | |
CN107273064B (zh) | 信号处理装置及信号处理方法 | |
US10430684B2 (en) | Signal processor and signal processing method | |
US10572977B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium that perform stochastic resonance processing on pixel signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |