JP2007017264A - 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 - Google Patents
画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 Download PDFInfo
- Publication number
- JP2007017264A JP2007017264A JP2005198745A JP2005198745A JP2007017264A JP 2007017264 A JP2007017264 A JP 2007017264A JP 2005198745 A JP2005198745 A JP 2005198745A JP 2005198745 A JP2005198745 A JP 2005198745A JP 2007017264 A JP2007017264 A JP 2007017264A
- Authority
- JP
- Japan
- Prior art keywords
- image processing
- target portion
- processing algorithm
- feature
- image data
- 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
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
【解決手段】 評価対象となる画像処理アルゴリズムを生成して(STEP1)、これを欠陥位置が既知の学習用画像データに対して適用して擬似欠陥を含む欠陥候補を抽出して各候補の特徴量を算出する(STEP2〜STEP5)、欠陥位置が既知であることに基づき欠陥候補を真欠陥と擬似欠陥に分類し(STEP6)、真欠陥群の特徴量と擬似欠陥群の特徴量の分離度を求め(STEP7)、求めた分離度に基づき画像処理アルゴリズムを評価する(STEP8)。そして、その評価値に基づいて画像処理アルゴリズムのパラメータを調整する(STEP11)ことにより画像処理アルゴリズムの生成を行う。
【選択図】 図1
Description
任意領域抽出工程により抽出された複数の任意部分領域それぞれの1種類以上の特徴量を算出する特徴量算出工程と、
所定情報に基づき特徴量算出工程により特徴量を算出する複数の任意部分領域を対象部と残りを非対象部に分類する分類工程と、
分類工程で分類がされた対象部と非対象部の任意部分領域それぞれの、特徴量算出工程で算出された1種類以上の特徴量を、1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット工程と、
特徴量プロット工程により所定領域上にプロットされた1種類以上の特徴量の分布状況に基づき、対象部の任意部分領域の1種類以上の特徴量の群と非対象部の任意部分領域の1種類以上の特徴量の群との分離度を算出する分離度算出工程と、
分離度算出工程により算出した分離度に基づき画像処理アルゴリズムの、複数の任意部分領域を所定情報により指示される対象部と残りの非対象部とに分離する性能を評価する評価工程とを備える。
第1前処理画像データを入力して処理し、第2前処理データに変換する第2前処理工程と、
第2前処理データに基づき特定される第2前処理データ内対象部に相当する、第1前処理画像データ内対象部を、特徴量を算出する対象として決定する特徴量算出対象部決定工程と、
第1前処理画像データ内対象部の1種類以上の特徴量を算出する特徴量算出工程と、
第1前処理画像データ内対象部を、抽出すべき対象部を指示するために外部から入力された所定情報に基づき、所定情報により指示される対象部を抽出対象部に、残りの対象部を非抽出対象部に分類する分類工程と、
分類工程で分類がされた抽出対象部と非抽出対象部の第1前処理画像データ内対象部それぞれの、特徴量算出工程で算出された1種類以上の特徴量を、1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット工程と、
特徴量プロット工程により所定領域上にプロットされた1種類以上の特徴量の分布状況に基づき、抽出対象部の第1前処理画像データ内対象部の1種類以上の特徴量の群と非抽出対象部の第1前処理画像データ内対象部の1種類以上の特徴量の群との分離度を算出する分離度算出工程と、
分離度算出工程により算出した分離度に基づき画像処理アルゴリズムの、第1前処理画像データ内対象部を所定情報により指示される抽出対象部と残りの非抽出対象部とに分離する性能を評価する評価工程とを備える。
図1は、本発明の実施形態に係る画像処理アルゴリズム評価およびそれを用いた画像処理アルゴリズム生成のための処理手順が示されて、図2には本発明の実施形態に係る画像処理アルゴリズム生成装置の機能構成が示されて、図3には図2の装置が搭載されるコンピュータの構成が示される。
図3を参照してコンピュータは、ユーザが操作して外部から情報を入力するためのマウス110、キーボード350およびペン・タブレット360、CRT(陰極線管)や液晶などからなるモニタ310、該コンピュータ自体を集中的に制御するためのCPU(中央処理装置の略)312、ROM(Read Only Memory)またはRAM(ランダムアクセスメモリの略)を含んで構成されるメモリ324、ハードディスクなどの固定ディスク326、FD(フレキシブルディスク)332が着脱自在に装着されて、装着されたFD332をアクセスするFD駆動装置330、CD−ROM(Compact Disc Read Only Memory)342が着脱自在に装着されて、装着されたCD−ROM342をアクセスするC
D−ROM駆動装置340、およびインターネットを含む各種の有線又は無線の通信ネットワーク109と該コンピュータとを接続するための通信インターフェィス380を含む。これらの各部はバスを介して通信接続される。通信ネットワーク109を介して外部と各種の情報を送受信できる。受信する情報には処理対象となる画像データが含まれて、該画像データは例えば外部のカメラによって撮影された画像のデータであってもよい。
(Digital Versatile Disc)などの光ディスクのディスク系、ICカード(メモリカー
ドを含む)/光カードなどのカード系、あるいはマスクROM、EPROM(Erasable and Programmable ROM)、EEPROM(Electrically EPROM)、フラッシュ
ROMなどによる半導体メモリが適用可能であろう。
図1を参照して、任意の画像処理アルゴリズムに関して、画像内に含まれる抽出対象部位とそれ以外の部位の分離度を定量化することにより評価する手法について説明する。
次に図1を参照して、画像処理アルゴリズムの評価手順を用いた画像処理アルゴリズム生成手順について説明する。
ャート実行開始時には固定ディスク326から読出されてメモリ324に格納される。
数個の学習用画像データが設定されるとしてもよい。その場合には、設定された学習用画像データの数に応じて、図1のSTEP2〜STEP8の処理が並列して実行(または時分割に実行)されて、STEP9では、学習用画像データそれぞれを用いて算出された評価値の平均値(一例として平均値としたが、平均値以外でもよい)が最大となる画像処理アルゴリズムを、最良の画像処理アルゴリズムとしてメモリに格納する。
図2を参照して、図1に示す画像処理アルゴリズム評価手順、およびこれを用いた画像処理アルゴリズム生成手順を実現する装置の機能構成を説明する。
最良の画像処理アルゴリズムを格納するために機能する。
図4を参照して、学習用画像データへの画像処理アルゴリズム評価手順の適用について概略説明する。本実施形態における画像処理アルゴリズムは、画像を変換する前処理部と変換された画像から所望の部位の特徴量を算出する後処理部から構成されている。図4では、画像処理アルゴリズムを適用する前の学習用画像データ31、学習用画像データ31に画像処理アルゴリズムの前処理部を適用した結果を示す画像データ31A、および画像データ31Aに後処理を適用した結果を示すデータ31Bが示される。
図7(A)〜(G)を参照して、画像処理アルゴリズムの前処理部と後処理部の手順を説明する。
図8(A)〜(C)と図9(A)と(B)を参照して、特徴量の分布状況より、画像処理アルゴリズムの評価値を算出する手法について説明する。
S=α×M+β×(σa/(σf×σt))・・・(式2)
分離度Sを規定する図8(B)の距離Mは、最も真欠陥群に近い擬似欠陥(限界良品)と、最も擬似欠陥群に近い真欠陥(限界欠陥)との間の距離で定義した。これに対して、(式1)は統計的に真欠陥群と擬似欠陥群の分離度を定義する。(式1)では分母の値が小さいほど分離度Sの値は大きくなる。このことは、真欠陥群および擬似欠陥群が2次元座標上でそれぞれ広範に分布するのではなく、狭い範囲で分布するほうが分離度Sが高いことを示す。また、(式1)の分子の値が大きいほど分離度Sの値は大きくなるが、これは真欠陥群と擬似欠陥群との間の距離が大きくなるほど分離度Sが高くなることを示す。
Claims (38)
- 被検査画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の任意の部分領域に関して算出した特徴量を用いて1つ以上の対象部を前記被検査画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき前記1つ以上の対象部を指示するために外部から入力された所定情報を有する画像データを用いて評価する方法であって、
前記画像データに対して前記画像処理アルゴリズムを適用した後に前記画像内の複数の任意部分領域を抽出する任意領域抽出工程と、
前記任意領域抽出工程により抽出された前記複数の任意部分領域それぞれの1種類以上の特徴量を算出する特徴量算出工程と、
前記所定情報に基づき前記特徴量算出工程により前記特徴量を算出する前記複数の任意部分領域を前記対象部と残りを非対象部に分類する分類工程と、
前記分類工程で分類がされた前記対象部と前記非対象部の前記任意部分領域それぞれの、前記特徴量算出工程で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット工程と、
前記特徴量プロット工程により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記対象部の前記任意部分領域の前記1種類以上の特徴量の群と前記非対象部の前記任意部分領域の前記1種類以上の特徴量の群との分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記複数の任意部分領域を前記所定情報により指示される前記対象部と残りの前記非対象部とに分離する性能を評価する評価工程とを備える、画像処理アルゴリズム評価方法。 - 前記分離度は、前記所定領域上における、プロットされた前記対象部の前記任意部分領域の前記1種類以上の特徴量の分布域と、プロットされた前記非対象部の前記任意部分領域の前記1種類以上の特徴量の分布域との距離で規定されることを特徴とする、請求項1に記載の画像処理アルゴリズム評価方法。
- 前記所定領域は、d(d≧2)種類の特徴量それぞれに対応の座標軸で規定される特徴空間であり、
前記特徴量プロット工程では、前記特徴空間において前記対象部と前記非対象部を、前記対象部と前記非対象部の前記任意部分領域それぞれについて算出されたd(d≧2)種類の特徴量により示されるd次元ベクトルによりプロットする、請求項1に記載の画像処理アルゴリズム評価方法。 - 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の原点にプロットすることを特徴とする、請求項3に記載の画像処理アルゴリズム評価方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の原点から無限遠点にプロットすることを特徴とする、請求項3に記載の画像処理アルゴリズム評価方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の前記対象部の近傍点にプロットすることを特徴とする、請求項3に記載の画像処理アルゴリズム評価方法。
- 被検査画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の任意の部分領域に関して算出した特徴量を用いて1つ以上の対象部を前記被検査画像から抽出する画像処理アルゴリズムについての、画像に含まれる抽出すべき前記1つ以上の対象部を指示するために外部から入力された所定情報を有する画像データを用いた評価に基づいて前記画像処理アルゴリズムを生成する方法であって、
入力する前記画像処理アルゴリズムを前記画像データに対して適用した後に前記画像内の複数の任意部分領域を抽出する任意領域抽出工程と、
前記任意領域抽出工程により抽出された前記複数の任意部分領域それぞれの1種類以上の特徴量を算出する特徴量算出工程と、
前記所定情報に基づき前記特徴量算出工程により前記特徴量を算出する前記複数の任意
部分領域を前記対象部と残りを非対象部に分類する分類工程と、
前記分類工程で分類がされた前記対象部と前記非対象部の前記任意部分領域それぞれの、前記特徴量算出工程で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット工程と、
前記特徴量プロット工程により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記抽出対象部の前記任意部分領域の前記1種類以上の特徴量の群と前記非抽出対象部の前記任意部分領域の前記1種類以上の特徴量の群との分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記複数の任意部分領域を前記所定情報により指示される前記対象部と残りの前記非対象部とに分離する性能の評価を出力する評価工程と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、
前記完了判断工程により完了していないと判断されると、前記評価工程により出力された前記評価に基づいて前記画像処理アルゴリズムの任意の要素を変更し、変更後の前記画像処理アルゴリズムを前記特徴量算出工程に出力する調整工程とを備える、画像処理アルゴリズム生成方法。 - 前記所定基準は、前記評価工程により出力された前記評価、または、該評価に要した時間に従う基準であることを特徴とする、請求項7に記載の画像処理アルゴリズム生成方法。
- 前記分離度は、前記所定領域上における、プロットされた前記対象部の前記任意部分領域の前記1種類以上の特徴量の分布域と、プロットされた前記非対象部の前記任意部分領域の前記1種類以上の特徴量の分布域との距離で規定されることを特徴とする、請求項7に記載の画像処理アルゴリズム生成方法。
- 前記所定領域は、d(d≧2)種類の特徴量それぞれに対応の座標軸で規定される特徴空間であり、
前記特徴量プロット工程では、前記特徴空間において前記対象部と前記非対象部を、前記対象部と前記非対象部の前記任意部分領域それぞれについて算出されたd(d≧2)種類の特徴量により示されるd次元ベクトルによりプロットする、請求項7に記載の画像処理アルゴリズム生成方法。 - 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の原点にプロットすることを特徴とする、請求項10に記載の画像処理アルゴリズム生成方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の原点から無限遠点にプロットすることを特徴とする、請求項10に記載の画像処理アルゴリズム生成方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の前記対象部の近傍点にプロットすることを特徴とする、請求項10に記載の画像処理アルゴリズム生成方法。
- 被検査画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の任意の部分領域に関して算出した特徴量を用いて1つ以上の対象部を前記被検査画像から抽出する画像処理アルゴリズムについて、画像に含まれる抽出すべき前記1つ以上の対象部を指示するために外部から入力された所定情報を有する画像データを用いて評価する装置であって、
前記画像データに対して前記画像処理アルゴリズムを適用した後に前記画像内の複数の任意部分領域を抽出する任意領域抽出手段と、
前記任意領域抽出手段により抽出された前記画像の複数の任意部分領域それぞれの1種類以上の特徴量を算出する特徴量算出手段と、
前記所定情報に基づき前記特徴量算出手段により前記特徴量を算出する前記複数の任意部分領域を前記対象部と残りを非対象部に分類する分類手段と、
前記分類手段で分類がされた前記対象部と前記非対象部の前記任意部分領域それぞれの、前記特徴量算出手段で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット手段と、
前記特徴量プロット手段により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記対象部の前記任意部分領域の前記1種類以上の特徴量の群と前記非対象部の前記任意部分領域の前記1種類以上の特徴量の群との分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記複数の任意部分領域を前記所定情報により指示される前記対象部と残りの前記非対象部とに分離する性能を評価する評価手段とを備える、画像処理アルゴリズム評価装置。 - 被検査画像の画像データを処理可能なように変換し、変換後の画像データに基づき前記画像内の複数の任意の部分領域に関して算出した特徴量を用いて1つ以上の対象部を前記被検査画像から抽出する画像処理アルゴリズムについての、画像に含まれる抽出すべき前記1つ以上の対象部を指示するために外部から入力された所定情報を有する画像データを用いた評価に基づいて前記画像処理アルゴリズムを生成する装置であって、
入力する前記画像処理アルゴリズムを前記画像データに対して適用した後に前記画像内の複数の任意部分領域を抽出する任意領域抽出手段と、
前記任意領域抽出手段により抽出された前記画像の複数の任意部分領域それぞれの1種類以上の特徴量を算出する特徴量算出手段と、
前記所定情報に基づき前記特徴量算出手段により前記特徴量を算出する前記複数の任意部分領域を前記対象部と残りを非対象部に分類する分類手段と、
前記分類手段で分類がされた前記対象部と前記非対象部の前記任意部分領域それぞれの、前記特徴量算出手段で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット手段と、
前記特徴量プロット手段により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記対象部の前記任意部分領域の前記1種類以上の特徴量の群と前記非対象部の前記任意部分領域の前記1種類以上の特徴量の群との分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記複数の任意部分領域を前記所定情報により指示される前記対象部と残りの前記非対象部とに分離する性能の評価を出力する評価手段と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断手段と、
前記完了判断手段により完了していないと判断されると、前記評価手段により出力された前記評価に基づいて前記画像処理アルゴリズムの任意の要素を変更し、変更後の前記画像処理アルゴリズムを前記特徴量算出手段に出力する調整手段とを備える、画像処理アルゴリズム生成装置。 - 請求項1に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラム。
- 請求項1に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 請求項7に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラム。
- 請求項7に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 被検査画像を、画像を変換する前処理と特徴量を算出する後処理により処理する画像処理アルゴリズムについて評価する方法であって、
前記被検査画像の画像データを処理して、第1前処理画像データに変換する第1前処理工程と、
前記第1前処理画像データを入力して処理し、第2前処理データに変換する第2前処理工程と、
前記第2前処理データに基づき特定される第2前処理データ内対象部に相当する、前記第1前処理画像データ内対象部を、特徴量を算出する対象として決定する特徴量算出対象部決定工程と、
前記第1前処理画像データ内対象部の1種類以上の特徴量を算出する特徴量算出工程と、
前記第1前処理画像データ内対象部を、抽出すべき対象部を指示するために外部から入力された所定情報に基づき、前記所定情報により指示される対象部を抽出対象部に、残りの対象部を非抽出対象部に分類する分類工程と、
前記分類工程で分類がされた前記抽出対象部と前記非抽出対象部の前記第1前処理画像データ内対象部それぞれの、前記特徴量算出工程で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット工程と、
前記特徴量プロット工程により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群と前記非抽出対象部の前記第1前処理画像データ内対象部の前記1種
類以上の特徴量の群との分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記第1前処理画像データ内対象部を前記所定情報により指示される前記抽出対象部と残りの前記非抽出対象部とに分離する性能を評価する評価工程とを備える、画像処理アルゴリズム評価方法。 - 前記分離度は、前記所定領域上における、プロットされた前記抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の分布域と、プロットされた前記非対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の分布域との距離で規定されることを特徴とする、請求項20に記載の画像処理アルゴリズム評価方法。
- 前記所定領域は、d(d≧2)種類の特徴量それぞれに対応の座標軸で規定される特徴空間であり、
前記特徴量プロット工程では、前記特徴空間において前記抽出対象部と前記非抽出対象部を、前記抽出対象部と前記非抽出対象部の前記第1前処理画像データ内対象部それぞれについて算出されたd(d≧2)種類の特徴量により示されるd次元ベクトルによりプロットする、請求項20に記載の画像処理アルゴリズム評価方法。 - 前記特徴量プロット工程では、前記分類工程による分類結果が前記非抽出対象部に該当する前記任意領域を含まない場合に、仮想の前記非抽出対象部を前記特徴空間の原点にプロットすることを特徴とする、請求項22に記載の画像処理アルゴリズム評価方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の原点から無限遠点にプロットすることを特徴とする、請求項22に記載の画像処理アルゴリズム評価方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の前記対象部の近傍点にプロットすることを特徴とする、請求項22に記載の画像処理アルゴリズム評価方法。
- 被検査画像を、画像を変換する前処理と特徴量を算出する後処理により処理する画像処理アルゴリズムについての評価に基づいて前記画像処理アルゴリズムを出力する方法であって、
前記被検査画像の画像データを処理して、第1前処理画像データに変換する第1前処理工程と、
前記第1前処理画像データを入力して処理し、第2前処理データに変換する第2前処理工程と、
前記第2前処理データに基づき特定される第2前処理データ内対象部に相当する、前記第1前処理画像データ内対象部を、特徴量を算出する対象として決定する特徴量算出対象部決定工程と、
前記第1前処理画像データ内対象部の1種類以上の特徴量を算出する特徴量算出工程と、
前記第1前処理画像データ内対象部を、抽出すべき対象部を指示するために外部から入力された所定情報に基づき、前記所定情報により指示される対象部を抽出対象部に、残りの対象部を非抽出対象部に分類する分類工程と、
前記分類工程で分類がされた前記抽出対象部と前記非抽出対象部の前記第1前処理画像データ内対象部それぞれの、前記特徴量算出工程で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット工程と、
前記特徴量プロット工程により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群と前記非抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群との分離度を算出する分離度算出工程と、
前記分離度算出工程により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記第1前処理画像データ内対象部を前記所定情報により指示される前記抽出対象部と残りの前記非抽出対象部とに分離する性能の評価を出力する評価工程と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、
前記完了判断工程により完了していないと判断されると、前記評価工程により出力された前記評価に基づいて前記画像処理アルゴリズムの任意の要素を変更し、変更後の前記画像処理アルゴリズムを前記特徴量算出工程に出力する調整工程とを備える、画像処理アルゴリズム生成方法。 - 前記所定基準は、前記評価工程により出力された前記評価、または、該評価に要した時間に従う基準であることを特徴とする、請求項26に記載の画像処理アルゴリズム生成方法。
- 前記分離度は、前記所定領域上における、プロットされた前記抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の分布域と、プロットされた前記非抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の分布域との距離で規定されることを特徴とする、請求項26に記載の画像処理アルゴリズム生成方法。
- 前記所定領域は、d(d≧2)種類の特徴量それぞれに対応の座標軸で規定される特徴空間であり、
前記特徴量プロット工程では、前記特徴空間において前記抽出対象部と前記抽出非対象部を、前記抽出対象部と前記非抽出対象部の前記第1前処理画像データ内対象部それぞれについて算出されたd(d≧2)種類の特徴量により示されるd次元ベクトルによりプロットする、請求項26に記載の画像処理アルゴリズム生成方法。 - 前記特徴量プロット工程では、前記分類工程による分類結果が前記非抽出対象部に該当する前記第1前処理画像データ内対象部を含まない場合に、仮想の前記非抽出対象部を前記特徴空間の原点にプロットすることを特徴とする、請求項29に記載の画像処理アルゴリズム生成方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の原点から無限遠点にプロットすることを特徴とする、請求項29に記載の画像処理アルゴリズム生成方法。
- 前記特徴量プロット工程では、前記分類工程による分類結果が前記非対象部に該当する前記任意領域を含まない場合に、仮想の前記非対象部を前記特徴空間の前記対象部の近傍点にプロットすることを特徴とする、請求項29に記載の画像処理アルゴリズム生成方法。
- 被検査画像を、画像を変換する前処理と特徴量を算出する後処理により処理する画像処理アルゴリズムについて評価する装置であって、
前記被検査画像の画像データを処理して、第1前処理画像データに変換する第1前処理手段と、
前記第1前処理画像データを入力して処理し、第2前処理データに変換する第2前処理手段と、
前記第2前処理データに基づき特定される第2前処理データ内対象部に相当する、前記第1前処理画像データ内対象部を、特徴量を算出する対象として決定する特徴量算出対象部決定手段と、
前記第1前処理画像データ内対象部の1種類以上の特徴量を算出する特徴量算出手段と
、
前記第1前処理画像データ内対象部を、抽出すべき対象部を指示するために外部から入力された所定情報に基づき、前記所定情報により指示される対象部を抽出対象部に、残りの対象部を非抽出対象部に分類する分類手段と、
前記分類手段で分類がされた前記抽出対象部と前記非抽出対象部の前記第1前処理画像データ内対象部それぞれの、前記特徴量算出手段で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット手段と、
前記特徴量プロット手段により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群と前記非抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群との分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記第1前処理画像データ内対象部を前記所定情報により指示される前記抽出対象部と残りの前記非抽出対象部とに分離する性能を評価する評価手段とを備える、画像処理アルゴリズム評価装置。 - 被検査画像を、画像を変換する前処理と特徴量を算出する後処理により処理する画像処理アルゴリズムについての評価に基づいて前記画像処理アルゴリズムを生成する装置であって、
前記被検査画像の画像データを処理して、第1前処理画像データに変換する第1前処理手段と、
前記第1前処理画像データを入力して処理し、第2前処理データに変換する第2前処理手段と、
前記第2前処理データに基づき特定される第2前処理データ内対象部に相当する、前記第1前処理画像データ内対象部を、特徴量を算出する対象として決定する特徴量算出対象部決定手段と、
前記第1前処理画像データ内対象部の1種類以上の特徴量を、算出する特徴量算出手段と、
前記第1前処理画像データ内対象部を、抽出すべき対象部を指示するために外部から入力された所定情報に基づき、前記所定情報により指示される対象部を抽出対象部に、残りの対象部を非抽出対象部に分類する分類手段と、
前記分類手段で分類がされた前記抽出対象部と前記非抽出対象部の前記第1前処理画像データ内対象部それぞれの、前記特徴量算出手段で算出された前記1種類以上の特徴量を、前記1種類以上の特徴量に基づき規定される所定領域上にプロットする特徴量プロット手段と、
前記特徴量プロット手段により前記所定領域上にプロットされた前記1種類以上の特徴量の分布状況に基づき、前記抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群と前記非抽出対象部の前記第1前処理画像データ内対象部の前記1種類以上の特徴量の群との分離度を算出する分離度算出手段と、
前記分離度算出手段により算出した前記分離度に基づき前記画像処理アルゴリズムの、前記第1前処理画像データ内対象部を前記所定情報により指示される前記抽出対象部と残りの前記非抽出対象部とに分離する性能の評価を出力する評価手段と、
所定基準に基づいて、前記画像処理アルゴリズムの生成が完了したか否かを判断する完了判断工程と、
前記完了判断手段により完了していないと判断されると、前記評価手段により出力された前記評価に基づいて前記画像処理アルゴリズムの任意の要素を変更し、変更後の前記画像処理アルゴリズムを前記特徴量算出手段に出力する調整手段とを備える、画像処理アルゴリズム生成装置。 - 請求項20に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラム。
- 請求項20に記載の画像処理アルゴリズム評価方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 請求項26に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラム。
- 請求項26に記載の画像処理アルゴリズム生成方法をコンピュータにより実行させるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005198745A JP2007017264A (ja) | 2005-07-07 | 2005-07-07 | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005198745A JP2007017264A (ja) | 2005-07-07 | 2005-07-07 | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007017264A true JP2007017264A (ja) | 2007-01-25 |
JP2007017264A5 JP2007017264A5 (ja) | 2007-10-25 |
Family
ID=37754553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005198745A Pending JP2007017264A (ja) | 2005-07-07 | 2005-07-07 | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007017264A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010244446A (ja) * | 2009-04-09 | 2010-10-28 | Nikon Corp | データ処理装置、データ処理方法およびプログラム |
JP2019096977A (ja) * | 2017-11-21 | 2019-06-20 | 富士通株式会社 | 可視化方法、可視化装置及び可視化プログラム |
WO2020137222A1 (ja) * | 2018-12-28 | 2020-07-02 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273541A (ja) * | 2000-03-27 | 2001-10-05 | Sanyo Electric Co Ltd | 紙葉類識別方法 |
JP2002092611A (ja) * | 2000-09-13 | 2002-03-29 | Toshiba Corp | 画像処理装置及び画像処理方法並びに記録媒体 |
JP2002174603A (ja) * | 2000-12-08 | 2002-06-21 | Olympus Optical Co Ltd | 欠陥分類方法 |
JP2003242160A (ja) * | 2002-02-14 | 2003-08-29 | Fuji Xerox Co Ltd | 画像データ分類装置 |
JP2003271927A (ja) * | 2002-03-18 | 2003-09-26 | Hitachi High-Technologies Corp | 欠陥検査方法 |
JP2006085616A (ja) * | 2004-09-17 | 2006-03-30 | Sharp Corp | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 |
-
2005
- 2005-07-07 JP JP2005198745A patent/JP2007017264A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273541A (ja) * | 2000-03-27 | 2001-10-05 | Sanyo Electric Co Ltd | 紙葉類識別方法 |
JP2002092611A (ja) * | 2000-09-13 | 2002-03-29 | Toshiba Corp | 画像処理装置及び画像処理方法並びに記録媒体 |
JP2002174603A (ja) * | 2000-12-08 | 2002-06-21 | Olympus Optical Co Ltd | 欠陥分類方法 |
JP2003242160A (ja) * | 2002-02-14 | 2003-08-29 | Fuji Xerox Co Ltd | 画像データ分類装置 |
JP2003271927A (ja) * | 2002-03-18 | 2003-09-26 | Hitachi High-Technologies Corp | 欠陥検査方法 |
JP2006085616A (ja) * | 2004-09-17 | 2006-03-30 | Sharp Corp | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010244446A (ja) * | 2009-04-09 | 2010-10-28 | Nikon Corp | データ処理装置、データ処理方法およびプログラム |
JP2019096977A (ja) * | 2017-11-21 | 2019-06-20 | 富士通株式会社 | 可視化方法、可視化装置及び可視化プログラム |
JP7062923B2 (ja) | 2017-11-21 | 2022-05-09 | 富士通株式会社 | 可視化方法、可視化装置及び可視化プログラム |
WO2020137222A1 (ja) * | 2018-12-28 | 2020-07-02 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
JP2020106467A (ja) * | 2018-12-28 | 2020-07-09 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
US11830174B2 (en) | 2018-12-28 | 2023-11-28 | Omron Corporation | Defect inspecting device, defect inspecting method, and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110148130B (zh) | 用于检测零件缺陷的方法和装置 | |
KR101934313B1 (ko) | 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 | |
JP3756507B1 (ja) | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 | |
US8139117B2 (en) | Image quality analysis with test pattern | |
US8068662B2 (en) | Method and system for determining a defect during charged particle beam inspection of a sample | |
US9294665B2 (en) | Feature extraction apparatus, feature extraction program, and image processing apparatus | |
CN110291621B (zh) | 用于识别集成电路缺陷的方法和系统 | |
US20060078191A1 (en) | Apparatus and method for detecting defect on object | |
JP6549396B2 (ja) | 領域検出装置および領域検出方法 | |
JP2006293820A (ja) | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム | |
KR20200014438A (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
CN113850264A (zh) | 评估目标检测模型的方法和系统 | |
JP4931476B2 (ja) | 真円度を計測する手法に特長をもつ画像処理方法および画像処理装置 | |
JP2006293528A (ja) | 学習用画像選択方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびに記録媒体 | |
JP2007200246A (ja) | 画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体 | |
JP5111055B2 (ja) | 画像処理装置及び画像処理方法、コンピュータプログラム | |
JP2010071826A (ja) | 教師データ作成方法、並びに、画像分類方法および画像分類装置 | |
JP2006292615A (ja) | 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体 | |
JP2006113073A (ja) | パターン欠陥検査装置及びパターン欠陥検査方法 | |
JP2007017264A (ja) | 画像処理アルゴリズム評価方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびにプログラム記録媒体 | |
CN117252861A (zh) | 一种晶圆表面缺陷的检测方法、装置及系统 | |
US8606017B1 (en) | Method for inspecting localized image and system thereof | |
JP2007018176A (ja) | 学習装置、学習方法、学習プログラム、記録媒体、パターン認識装置およびパターン認識方法 | |
JP2002140713A (ja) | 画像処理方法およびその装置 | |
CN111027601A (zh) | 一种基于激光传感器的平面检测方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070911 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070911 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100401 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A132 Effective date: 20100511 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20101005 |