JP2006345434A - 画像処理装置、画像処理方法、画像処理プログラム、及び記憶媒体 - Google Patents

Abstract

【課題】 人間の視覚特性を考慮した良好な面内均一性の補正を実現することを目的とする。
【解決手段】 プリンタモデルｆはニューラルネットワークによる色予測誤差を有しているため、画像記録位置座標Ａ及びＢにおける理想値Ｌｔと補正値との誤差ΔＬの最大値はニューラルネットワークの最大色差に相当することになる。色予測誤差により発生する補正誤差ΔＬは、理想値Ｌｔに対して＋側（Ａ点）及び−側（Ｂ点）に出現する場合が考えられるので、用紙全面に同じ色を出力した場合における、用紙上の位置による色差の最大値は、図４におけるＡ点とＢ点の色差となり、最大色差の２倍（２ΔＬ）となることが分かる。従って、最大色差の２倍が許容色差より小さくなれば、画像形成装置１６の面内均一性は人間の視覚特性上問題ないレベルまで改善されることなるので、ニューラルネットワーク型のプリンタモデルにおける中間層の細胞数を、最大色差の２倍が許容色差内となるように選ぶことにより、人間の視覚特性を考慮した良好な面内均一性の補正を実現することができる。
【選択図】 図４

Description

本発明は、画像処理装置、画像処理方法、画像処理プログラム、及び記憶媒体にかかり、特に、入力される色信号を画像形成装置の画像記録信号に色変換する画像処理装置、画像処理方法、画像処理プログラム、及び記憶媒体に関する。

電子写真方式の画像形成装置では、感光体ドラム等の偏心やその他の部品の誤差等によって面内における色の均一性が悪いといった課題がある。

これを解決する方法として、本願出願人によって特許文献１に記載が技術が既に提案されている。

特許文献１に記載の技術では、電子写真方式における階調特性や多重転写特性などの非線形性を考慮することができるので、画像形成装置の面内均一性を大幅に向上させることができる。

また、特許文献１に記載の技術では、Ｌ^*ａ^*ｂ^*などの色信号から画像形成装置のＣＭＹＫ網点面積率などの画像記録信号へ、画像の記録位置を考慮して色変換することにより、色変換と面内均一性の補正を同時に実現している。

一方、特許文献１に記載の技術では、面内均一性の補正用のＤＬＵＴ（Direct Lookup Table）の変換特性を決定するために用いる、画像形成装置の画像記録信号と画像記録位置座標信号を入力として、Ｌ^*ａ^*ｂ^*などの測色値を出力とする関数（以下、プリンタモデルという。）にニューラルネットワークを用いている。

ニューラルネットワークを用いた画像形成装置のプリンタモデル（ニューラルネットワーク型のプリンタモデル）としては、例えば、非特許文献１が知られている。

非特許文献１においては、入力を画像形成装置の画像記録信号ＹＭＣＫ、出力をＬ^*ａ^*ｂ^*とするプリンタモデルとして４層の階層型ニューラルネットワークを用いて、教師データに通常のカラーマネージメントシステム（以下、ＣＭＳという。）で用いられるＩＴ８／７．３の９２８色票を用いた場合に、中間層の細胞数を１０個とすることにより、教師データと予測値の平均色差が１程度となり、良好な色予測精度が得られることが示されている。
特開２００２−１３５６１０号公報 村井和昌、"フレキシブルＵＣＲによる高精度色変換〜ニューラルネットワークによる高精度プリンタモデル"、JapanHardCopy‘９４論文集、Ｐ１８１−１８４

しかしながら、電子写真方式の画像形成装置における主走査方向の面内均一性を補正するために、プリンタモデルの入力を画像形成装置の画像記録信号ＣＭＹと主走査方向における画像記録位置信号ｘとして、出力をＬ^*ａ^*ｂ^*とした場合に、非特許文献１における中間層の細胞数１０個の４層ニューラルネットワークを用いて、面内均一性の補正用ＤＬＵＴの変換特性を決定し、電子写真方式の画像形成装置の面内均一性を補正したところ、用紙全面に同じ色を出力した場合に、用紙上の位置による色差を認識することができ、良好な面内均一性の補正を行うことができないことが判明した。

本発明は、上記問題を解決すべく成されたもので、人間の視覚特性を考慮した良好な面内均一性の補正を実現することを目的とする。

上記目的を達成するために請求項１に記載の画像処理装置は、第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する演算手段を備えた画像処理装置であって、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワーク型のプリンタモデルを用いて前記演算手段の変換特性を決定したことを特徴としている。

請求項１に記載の発明によれば、演算手段では、第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する。また、演算手段の変換特性は、ニューラルネットワーク型のプリンタモデルを用いる。

ところで、ニューラルネットワーク型のプリンタモデルは、ニューラルネットワークによる色予測誤差を有しており、用紙全面に同じ色を出力した場合における、用紙上の位置による色差の最大値は、ニューラルネットワークの最大色差の２倍となる。そこで、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを用いて演算手段の変換特性を決定することで、画像形成装置における階調特性や多重転写特性などの非線形性を考慮すると共に、画像形成装置に起因する面内の色変動を補正することができる。従って、人間の視覚特性を考慮した良好な面内均一性の補正を実現することができる。

なお、ニューラルネットワークは、請求項２に記載の発明のように、４層の階層型ニューラルネットワークを適用して、最大色差の２倍が許容色差以下となるように、ニューラルネットワークの中間層の細胞数を設定することで、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを構成することが可能となる。例えば、請求項５に記載の発明のように、中間層の細胞数を２０個以上とすることにより、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを構成することが可能である。

また、ニューラルネットワークは、請求項３に記載の発明のように、階層型のニューラルネットワークを適用して、最大色差の２倍が許容色差以下となるように、ニューラルネットワークの層数及び中間層の細胞数の少なくとも一方を設定することでも、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを構成することが可能となる。

また、許容色差としては、例えば、請求項４に記載の発明のように、６を適用するようにしてもよい。すなわち、色差が６以下となるようにニューラルネットワークを構成することで、面内の均一性を人間の許容限界以下とすることが可能となる。

また、演算手段は、請求項６に記載の発明のように、ニューラルネットワーク型のプリンタモデルによって決定したルックアップテーブルとしても良い。

更に、請求項１乃至請求項６の何れか１項に記載の発明は、請求項７に記載の発明のように、画像形成装置の画像記録位置に対する測色値の関係に基づいて、演算手段の変換特性を修正する修正手段を更に備えるようにしてもよい。このように修正手段を更に備えることによって、画像形成装置の経時的な変化や感光体などの像担持体の交換により変化した画像形成装置の面内均一性を補正することが可能となる。

請求項８に記載の画像処理方法は、第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する演算ステップを含む画像処理方法であって、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワーク型のプリンタモデルを用いて前記演算ステップの変換特性を決定したことを特徴としている。

請求項８に記載の発明によれば、演算ステップでは、第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する。また、演算ステップの変換特性は、ニューラルネットワーク型のプリンタモデルを用いる。

ところで、ニューラルネットワーク型のプリンタモデルは、ニューラルネットワークによる色予測誤差を有しており、用紙全面に同じ色を出力した場合における、用紙上の位置による色差の最大値は、ニューラルネットワークの最大色差の２倍となる。そこで、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを用いて演算手段の変換特性を決定することで、画像形成装置における階調特性や多重転写特性などの非線形性を考慮すると共に、画像形成装置に起因する面内の色変動を補正することができる。従って、人間の視覚特性を考慮した良好な面内均一性の補正を実現することができる。

なお、ニューラルネットワークは、請求項９に記載の発明のように、４層の階層型ニューラルネットワークを適用して、最大色差の２倍が許容色差以下となるように、ニューラルネットワークの中間層の細胞数を設定することで、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを構成することが可能となる。例えば、請求項１２に記載の発明のように、中間層の細胞数を２０個以上とすることにより、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを構成することが可能である。

また、ニューラルネットワークは、請求項１０に記載の発明のように、階層型のニューラルネットワークを適用して、最大色差の２倍が許容色差以下となるように、ニューラルネットワークの層数及び中間層の細胞数の少なくとも一方を設定することでも、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワークを構成することが可能となる。

また、許容色差としては、例えば、請求項１１に記載の発明のように、６を適用するようにしてもよい。すなわち、色差が６以下となるようにニューラルネットワークを構成することで、面内の均一性を人間の許容限界以下とすることが可能となる。

また、演算ステップは、請求項１３に記載の発明のように、ニューラルネットワーク型のプリンタモデルによって決定したルックアップテーブルとしても良い。

更に、請求項８乃至請求項１３の何れか１項に記載の発明は、請求項１４に記載の発明のように、画像形成装置の画像記録位置に対する測色値の関係に基づいて、演算ステップの変換特性を修正する修正ステップを更に含むようにしてもよい。このように修正ステップを更に備えることによって、画像形成装置の経時的な変化や感光体などの像担持体の交換により変化した画像形成装置の面内均一性を補正することが可能となる。

また、請求項８乃至請求項１４の何れか１項に記載の画像処理方法は、請求項１５に記載の発明のように、コンピュータに実行させる画像処理プログラムとしてもよい。また、当該画像処理プログラムは、請求項１６に記載の発明のように、コンピュータ読取可能な記憶媒体に記憶するようにしてもよい。

以上説明したように本発明によれば、最大色差の２倍が予め定めた許容色差以下となるニューラルネットワーク型のプリンタモデルを用いて、第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する演算手段の変換特性を決定することで、人間の視覚特性を考慮した良好な面内均一性の補正を実現することができる、という効果がある。

以下、図面を参照して本発明の実施の形態の一例を詳細に説明する。図１は、本発明の実施の形態に係わる画像処理装置を示す図である。

図１に示すように、画像入力装置１２からは、Ｌ^*ａ^*ｂ^*色信号及び画像形成装置における主走査方向の画像記録位置座標信号ｘが画像処理装置１０に入力され、画像処理装置１０によって後述する処理を行った後に、画像形成装置１６に画像記録信号が出力される。なお、画像形成装置１６は電子写真方式の画像形成装置を適用することができる。例えば、レーザ光を感光体ドラムに走査することで主走査を行い、感光体ドラムの回転によって副走査を行う画像形成装置を適用することができる。

画像処理装置１０は、画像形成装置１６における面内均一性を補正した画像記録信号を画像形成装置１６に出力する。詳細には、画像処理装置１０は、４次元ＤＬＵＴ処理部２０及び補正パラメータ修正部２２で構成されている。

４次元ＤＬＵＴ処理部２０は、画像入力装置１２から入力されるＬ^*ａ^*ｂ^*色信号と、画像記録位置座標信号ｘを入力して、画像形成装置１６における主走査方向の面内均一性（画像形成装置１６に起因する面内の色変動）を補正した画像記録信号であるＣＭＹ網点面積率を画像形成装置１６に出力する。

補正パラメータ修正部２２は、画像形成装置１６の経時的な変化や感光体などの像担持体の交換などにより画像形成装置１６の面内均一性が変化した場合に、４次元ＤＬＵＴ処理部２０の変換パラメータを修正する。

４次元ＤＬＵＴ処理部２０は、詳細には、本願出願人によって提案されている特許文献１（特開２００２−１３５６１０号公報）に記載の技術を適用することができる。

具体的には、４次元ＤＬＵＴ処理部２０は、画像入力装置１２から入力される色空間信号Ｌ^*ａ^*ｂ^*と主走査方向における画像記録位置座標信号ｘに基づいて、４次元の補間演算処理を行って、画像記録信号ＣＭＹを明度線形信号Ｃ’ Ｍ’Ｙ ’に変換して、カラー階調補正を行う。カラー階調補正では、それぞれの色成分毎に設けられた１次元ＬＵＴを用いて、４次元ＤＬＵＴ処理された明度線形信号Ｃ’ Ｍ’Ｙ ’から画像形成装置１６の画像記録信号ＣＭＹに変換する。なお、本基本形態の４次元ＤＬＵＴ処理部２０は、上述の４次元ＤＬＵＴ処理とカラー階調補正を４次元ＤＬＵＴを用いて直接求める例として示す。

また、補正パラメータ修正部２２も、詳細には、本願出願人によって提案されている特許文献１に記載の技術を適用することができる。

具体的には、まず、画像形成装置１６で、画像記録信号ＣＭＹの任意の値に対するパッチを出力し、色彩計により出力したパッチの測色値Ｌ^*ａ^*ｂ^*を測定する。

そして、それぞれのパッチの測色Ｌ^*ａ^*ｂ^*の測定結果、画像記録信号ＣＭＹ、主走査方向における画像記録位置座標信号ｘより、（Ｃ、Ｍ、Ｙ、ｘ）と（Ｌ^*、ａ^*、ｂ^*）の対応表を作成し、当該対応表から（Ｃ、Ｍ、Ｙ、ｘ）を入力として（Ｌ^*、ａ^*、ｂ^*）を出力する次式で示される４入力３出力の関数を作成する。

（Ｌ^*、ａ^*、ｂ^*）＝ｇ（Ｃ、Ｍ、Ｙ、ｘ） ・・・（１）
このような関数は、例えば、４入力３出力のニューラルネットワークを使用し、（Ｃ、Ｍ、Ｙ、ｘ）と（Ｌ^*、ａ^*、ｂ^*）の対応表を教師データとして、バックプロパゲーションにより学習を行うことによって（１）式を決定することができる。このような関数の決定方法は、ニューラルネットワークを用いる方法に限られるものではなく、４入力３出力の非線形関数を記述できるものであればどのようなものでもよい。

次に、４次元ＤＬＵＴ処理部２０の入力アドレス値（Ｌ^*、ａ^*、ｂ^*、ｘ）を入力として、ニューラルネットワークで得られた（１）式を数値解法で解くことにより、測色的に一致する画像記録信号Ｃ、Ｍ、Ｙを設定し、４次元ＤＬＵＴ処理部２０の演算パラメータの設定を行うことができる。

ここで、４次元ＤＬＵＴ処理部２０の変換特性を決定するためのプリンタモデルとして用いるニューラルネットワークの構成例について説明する。図２は、４次元ＤＬＵＴ処理部２０の変換特性を決定するために、プリンタモデルとして用いるニューラルネットワークの構成例を示す図である。

図２は、画像形成装置１６の画像記録信号ＣＭＹと主走査方向における画像記録位置座標ｘを入力として、測色値Ｌ^*ａ^*ｂ^*を出力する４入力３出力の４層ニューラルネットワークを用い、中間層の細胞数を３個とし、入出力間における線形の接続と層間の飛び越しの接続を設けた例を示す。図２において、白丸はニューラルネットワークの細胞を示し、黒丸は定数項を示している。詳細には、従来技術で説明した非特許文献１と同様である。

図３は、図２のニューラルネットワークで中間層の細胞数を変化させた場合の、教師データと予測値の平均色差及び最大色差を電子写真方式の画像形成装置を用いて評価した結果である。なお、図３における教師データは画像記録信号ＣＭＹをそれぞれ７分割、主走査方向位置座標ｘを２８分割した場合における、全ての色の組み合わせとなる７³×２８＝９６０４色票を用いた。

図３から分かるように、平均色差に関しては中間層の細胞数を１０個以上とすることにより１以下となっており、従来技術で説明した非特許文献１と同様の結果を得ることができるが、非特許文献１で述べられていない最大色差に関しては、中間層の細胞数を１０個の場合で４程度と平均色差に比べて非常に大きな値となっていることが分かる。

本発明者の検討の結果、通常のＣＭＳでは数多くの色が用いられた絵柄全体の色差を人間が知覚するためには、平均色差が人間の視覚特性における許容範囲（以下、許容色差という。）となっていれば十分であるが、面内均一性の補正に関しては、用紙全面に同じ色を出力した場合における、用紙上の位置による色差を人間が知覚するため、最大色差を許容色差に考慮して中間層の細胞数を設定する必要があることが明らかになった。

図４は、最大色差を許容色差に考慮して設定する必要があることを説明するための図である。図４において、横軸は主走査方向の画像記録位置座標ｘであり、縦軸は画像記録位置座標ｘにおける測色値Ｌ^*ａ^*ｂ^*のうちの明度Ｌ^*を示している。また、図４において実線は画像記録位置座標全域に入力色信号Ｌｔが入力された場合に、プリンタモデルｆを用いて面内均一性の補正を行った結果であり、一点波線は本来再現されるべき理想値Ｌｔを示している。

プリンタモデルｆはニューラルネットワークによる色予測誤差を有しているため、画像記録位置座標Ａ及びＢにおける理想値Ｌｔと補正値との誤差ΔＬの最大値はニューラルネットワークの最大色差に相当することになる。色予測誤差により発生する補正誤差ΔＬは、理想値Ｌｔに対して＋側（Ａ点）及び−側（Ｂ点）に出現する場合が考えられるので、用紙全面に同じ色を出力した場合における、用紙上の位置による色差の最大値は、図４におけるＡ点とＢ点の色差となり、最大色差の２倍（２ΔＬ）となることが分かる。従って、最大色差の２倍が許容色差より小さくなれば、画像形成装置１６の面内均一性は人間の視覚特性上問題ないレベルまで改善されることなる。

一般的に並置隣接比較の場合における許容色差は３〜６程度と言われており、図３における中間層の細胞数を１０個の場合では、最大色差が４であるので、最大色差の２倍は８となり、許容色差を超えてしまう。しかしながら、図３より中間層の細胞数を２０個以上とすることにより、最大色差の２倍は６以下となり、許容色差となる。従って、ニューラルネットワーク型のプリンタモデルにおける中間層の細胞数を、最大色差の２倍が許容色差内となるように選ぶことにより、人間の視覚特性を考慮した良好な面内均一性の補正を実現することができる。

このように、面内均一性の補正を行う４次元ＤＬＵＴ処理部２０の変換パラメータ決定に用いるニューラルネットワーク型のプリンタモデルは、通常のＣＭＳで用いられている１０個程度の中間層の細胞数では色予測精度が不十分であり、最大色差の２倍が許容色差内になるように中間層の細胞数を増やす必要があることが明らかになった。

複数の電子写真方式を用いた画像形成装置において、最大色差の２倍が許容色差である６以下を満足する中間層の細胞数は、図３に示すように、中間層の細胞数が２０個以上（例えば、２０〜４０個）に設定すればよいことが分かる。

ここで、中間層の細胞数は、許容色差を満足する範囲で最小の値とすることにより、ニューラルネットワークの演算量が削減され、高速に４次元ＤＬＵＴ処理部２０の変換パラメータを決定することができる。一方、演算時間よりも補正精度を重視する場合には、中間層の細胞数は許容色差を満足する範囲で最大の値としてもよい。

図５は、本発明の実施の形態に係わる画像処理装置１０における４次元ＤＬＵＴ処理部２０の変換パラメータの決定方法の流れを示すフローチャートである。

まず、Ｓ１００では、画像形成装置１６の画像記録信号ＣＭＹと主走査方向の画像記録位置座標信号ｘの任意の組み合わせに対する色票を画像形成装置１６で出力し、その測色値Ｌ^*ａ^*ｂ^*を市販の測色計で測定する。

次にＳ１０２では、中間層の細胞数を予め定めた初期値に設定する。なお、後述するステップＳ１０６において最大色差の２倍が許容色差を超えていた場合には、ニューラルネットワークの中間層の細胞数を増やす。

Ｓ１０４では、画像記録信号ＣＭＹ及び画像記録位置座標信号ｘと測色値Ｌ^*ａ^*ｂ^*のデータセットを教師データとして、Ｓ１０２で設定した中間層の細胞数のニューラルネットワークに学習させる。

Ｓ１０６では、Ｓ１０４で決定したニューラルネットワークの予測値と教師データとの最大色差の２倍を求め、予め設定した許容色差内か否かを判定し、該判定が否定された場合には、Ｓ１０２に戻って中間層の細胞数を増やして上述の処理を繰り返し、Ｓ１０６の判定が肯定されたところで、Ｓ１０８へ移行する。

Ｓ１０８では、４次元ＤＬＵＴ処理部２０の入力アドレス値Ｌ^*ａ^*ｂ^*に対して、面内均一性を補正した画像記録信号ＣＭＹを、Ｓ１０２〜１０６で決定したニューラルネットワークを数値的に解くことにより決定する。

そして、Ｓ１１０では、Ｓ１０８で得られた画像記録信号ＣＭＹを４次元ＤＬＵＴ処理部２０の４次元ＤＬＵＴの格子点に設定する。

このように、本実施の形態では、画像処理装置１０の４次元ＤＬＵＴ処理部２０の変換パラメータを決定することで、上述したように、最大色差を許容色差内とした面内均一性の補正が可能となり、人間の視覚特性を考慮した良好な面内均一性の補正を実現することができる。

すなわち、本実施の形態では、以上のように、画像処理装置１０を構成することによって、最大色差を許容色差内とした面内均一性を補正した画像記録信号に変換することができるので、画像形成装置１６における階調特性や多重転写特性などの非線形性を考慮して、画像形成装置１６における面内均一性を補正した画像記録信号に変換することができる。

また、本実施の形態では、特許文献１に記載の技術と同様に、画像形成装置１６における階調特性や多重転写特性などの非線形性を考慮することができるので、画像形成装置１６の面内均一性を大幅に向上させることができる。特に電子写真方式の画像形成装置１６においては、階調特性や多重転写特性に関する非線形性が高いので、本実施の形態による面内均一性の向上効果は非常に高い。また、補正パラメータ修正部２２によって補正特性を修正することにより、画像形成装置１６の経時的な変化や感光体などの像担持体の交換などにより画像形成装置１６の面内均一性が変化した場合にも高精度な面内均一性の補正を実現することができる。

なお、ニューラルネットワークの数値解法等は、シンプレックス法等を用いることができる。

また、本実施の形態では、ニューラルネットワークにおける最大色差を許容色差内とするために中間層の細胞数を制御するようにしたが、これに限るものではなく、例えば、中間層の細胞数を固定し、ニューラルネットワークの層数を制御する（増やす）ことにより最大色差を許容色差内とするようにしてもよい。また、中間層の細胞数とニューラルネットワークの層数を共に制御するようにしてもよい。

また、上記の実施の形態において、ニューラルネットワークの入力は、画像形成装置１６の画像記録信号ＣＭＹと主走査方向における記録位置信号ｘであるが、ニューラルネットワークの入力の組み合わせは、これに限るものではなく、例えば、特許文献１に記載の技術に記載された種々の組み合わせを適用することができる。

また、上記の実施の形態に係わる画像処理装置１０の機能の一部または全部は、コンピュータにより実行可能なプログラムによって実現することができる。また、図６に示すように、プログラム３０は、コンピュータ３２によって読取可能な各種記録媒体３４に記憶することもできる。

本発明の実施の形態に係わる画像処理装置を示す図である。 ４次元ＤＬＵＴ処理部の変換特性を決定するためにプリンタモデルとして用いるニューラルネットワークの構成例を示す図である。 図２のニューラルネットワークで中間層の細胞数を変化させた場合の、教師データと予測値の平均色差及び最大色差を電子写真方式の画像形成装置を用いて評価した結果を示すグラフである。 最大色差を許容色差に考慮して中間層の細胞数を設定する必要があることを説明するための図である。 本発明の実施の形態に係わる画像処理装置における４次元ＤＬＵＴ処理部の変換パラメータの決定方法の流れを示すフローチャートである。 コンピュータによって読取可能な各種記録媒体に画像処理装置の機能の一部または全部を実行するプログラムを記憶する一例を示す図である。

符号の説明

１０ 画像処理装置
１２ 画像入力装置
１６ 画像形成装置
２０ ４次元ＤＬＵＴ処理部
２２ 補正パラメータ修正部
３０ プログラム
３２ コンピュータ
３４ 各種記憶媒体

Claims (16)

1. 第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する演算手段を備えた画像処理装置であって、
   最大色差の２倍が予め定めた許容色差以下となるニューラルネットワーク型のプリンタモデルを用いて前記演算手段の変換特性を決定したことを特徴とする画像処理装置。
2. 前記ニューラルネットワークは、４層の階層型ニューラルネットワークからなり、最大色差の２倍が前記許容色差以下となるように、前記ニューラルネットワークの中間層の細胞数を設定することを特徴とする請求項１に記載の画像処理装置。
3. 前記ニューラルネットワークは、階層型のニューラルネットワークからなり、最大色差の２倍が前記許容色差以下となるように、前記ニューラルネットワークの層数及び中間層の細胞数の少なくとも一方を設定することを特徴とする請求項１に記載の画像処理装置。
4. 前記許容色差を６とすることを特徴とする請求項１乃至請求項３の何れか１項に記載の画像処理装置。
5. 前記中間層の細胞数を２０個以上に設定することを特徴とする請求項２に記載の画像処理装置。
6. 前記演算手段は、ニューラルネットワーク型のプリンタモデルによって決定したルックアップテーブルからなることを特徴とする請求項１乃至請求項５の何れか１項に記載の画像処理装置。
7. 画像形成装置の画像記録位置に対する測色値の関係に基づいて、前記演算手段の変換特性を修正する修正手段を更に備えることを特徴とする請求項１乃至請求項６の何れか１項に記載の画像処理装置。
8. 第１の色信号を画像形成装置に起因する面内の色変動を補正した第２の色信号に変換する演算ステップを含む画像処理方法であって、
   最大色差の２倍が予め定めた許容色差以下となるニューラルネットワーク型のプリンタモデルを用いて前記演算ステップの変換特性を決定したことを特徴とする画像処理方法。
9. 前記ニューラルネットワークは、４層の階層型ニューラルネットワークからなり、最大色差の２倍が前記許容色差以下となるように、前記ニューラルネットワークの中間層の細胞数を設定することを特徴とする請求項８に記載の画像処理方法。
10. 前記ニューラルネットワークは、階層型のニューラルネットワークからなり、最大色差の２倍が前記許容色差以下となるように、前記ニューラルネットワークの層数及び中間層の細胞数の少なくとも一方を設定することを特徴とする請求項８に記載の画像処理方法。
11. 前記許容色差を６とすることを特徴とする請求項８乃至請求項１０の何れか１項に記載の画像処理方法。
12. 前記中間層の細胞数を２０個以上に設定することを特徴とする請求項９に記載の画像処理方法。
13. 前記演算ステップは、ニューラルネットワーク型のプリンタモデルによって決定したルックアップテーブルを用いることを特徴とする請求項８乃至請求項１２の何れか１項に記載の画像処理方法。
14. 画像形成装置の画像記録位置に対する測色値の関係に基づいて、前記演算ステップの変換特性を修正する修正ステップを更に含むことを特徴とする請求項８乃至請求項１３の何れか１項に記載の画像処理方法。
15. 請求項８乃至請求項１４の何れか１項に記載の画像処理方法をコンピュータに実行させることを特徴とする画像処理プログラム。
16. コンピュータによって読取可能な記憶媒体であって、
    請求項１５に記載の画像処理プログラムを記憶することを特徴とする記憶媒体。

Images