JP2008524875A - シングルパス平床スキャナにおける拡大レンジを備えたマルチスペクトル・スキャナ - Google Patents

Abstract

本発明は、Ｎ＄ｍ（Ｇ）４、好ましくはＮ＄ｍ（Ｇ）６を備えたＮ個の光領域平行線を含む集積感光線形センサ（２０）を含み、各光領域線について、関連した通過帯域光学フィルタを備えたスキャナに関する。分析される線の各走査ピッチおよび各画素について、本スキャナは、各々がＮ個の個々のフィルタを介して回収した文書のスペクトル反射を表す、Ｎ個の対応する量子化部分測定値を送る。波長別再構築手段は、参照着色サンプルからの学習を伴う外挿法に従って操作を行い、前記参照サンプルの知られているスペクトル反射値から形成された知識ベースを保存するメモリ（４２）、および、Ｎ個の量子化部分値を入力において受信し、文書の対応する画素のスペクトル反射を表す少なくとも１つの再構成された量子化値を出力において送る神経回路網（４０）を備える。

Description

本発明は比色分析の分野に関する。

色の感覚は特定の１組の波長を網羅する放射線を感受した結果として発生する。
色は、可視領域の範囲にわたる様々な波長の比率の分布を、連続した特性（スペクトル）の形態で示す「スペクトル反射」として知られているパラメータを特徴とする。

このスペクトル反射は、ニュートンのプリズムなどの分散系が設けられた機器であり、波長の選択性帯域がセンサ上に投影されることを可能にする分光光度計または分光放射計により直接に決定され得る。しかし、これらの機器は複雑かつ使用が困難であり、このことは、これらの機器が研究室用および計測学用の応用例に制限されていることを意味している。

従来のデジタル画像形成において、色は、３つの色フィルタ、赤、緑、および、青（ＲＧＢ三色選択法）を使用して通常は分析される。色の描写および識別を洗練するために、多スペクトルの取得を、例えば６つのフィルタを使用して行い、これにより、取得されたデジタル値の数を倍増することも可能である。このような分析の結果として得られる色情報は、ＣＩＥ比色分析システム内に定義された３つ（または、６つ）の座標の形態で描写および保存され、かつ、二次元空間内にＣＩＥ色度図を基準として表される。

センサ、光源、および、一般に４つのフィルタである１組のフィルタが設けられた測定機器であり、標準化されたＣＩＥ対が標準化された測色用の光および標準的な観測装置を含んで生産されることを可能にする比色計を使用することも可能である。特定のＣＩＥ測色用光に対して、比色計は、ＣＩＥ Ｌ＊ｕ＊ｖ、ＣＩＥ Ｌ＊ａ＊ｂ、ＸＹＺなどのタイプの色空間内の座量を得るように機能し、比色計測系自体はよく知られており、かつ、豊富に参照されている。

この話題に関するさらに多くの情報に対して、Ｊ．Ｙ．Ｈａｒｄｅｒｂｅｒｇによる博士課程学位論文、「Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ｒｅｐｒｏｄｕｃｔｉｏｎ ｏｆ ｃｏｌｏｒ ｉｍａｇｅｓ：ｃｏｌｏｒｉｍｅｔｒｉｃ ａｎｄ ｍｕｌｔｉｓｐｅｃｔｒａｌ ａｐｐｒｏａｃｈｅｓ」、Ｅｃｏｌｅ ｎａｔｉｏｎａｌｅ ｓｕｐｅｒｉｅｕｒｅ ｄｅｓ ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ、Ｐａｒｉｓ、Ｆｒａｎｃｅ、１９９９、または、Ｒ．Ｓｅｖｅによる「Ｐｈｙｓｉｑｕｅ ｄｅ ｃｏｌｅｕｒ：ｄｅ ｌ’ａｐｐａｒｅｎｃｅ ｃｏｌｏｒｅｅ ａ ｌａ ｔｅｃｈｎｉｑｕｅ ｃｏｌｏｒｉｍｅｔｒｉｑｕｅ ［Ｔｈｅ ｐｈｙｓｉｃｓ ｏｆ ｃｏｌｏｒ：ｆｒｏｍ ｃｏｌｏｒｅｄ ａｐｐｅａｒａｎｃｅ ｔｏ ｃｏｌｏｒｉｍｅｔｒｙ ｔｅｃｈｎｉｑｕｅ］、Ｍａｓｓｏｎ、Ｆｒａｎｃｅ、１９９６が特に参照され得る。

しかし、ＲＧＢフィルタまたは比色計を使用した色取得システムは、フィルタの数によって３つの値または６つの値といった独立した色座標値のみを与え、色の感受の背後にある物理的な現実を示す唯一の方法である連続反射率スペクトルは与えない。

３つまたは６つの色座標のみの知識は、特定の色の完全な特徴を得ることを可能とはしない。色座標からスペクトル反射特性を再構築するために、（以下に説明される）様々な方法が提案されており、例えば、所謂「内挿」法は、スペクトル反射が、６つの色座標のみの知識に基づき３０個の点上に近似されることを可能にする。

しかし、今まで実施されてきた再構築アルゴリズムは、いくつかが塗装において広範に利用されている、微妙な色合いの色に対応する特定のスペクトルを再構築するために、６つの色座標のみから（かつ、ましてや、３つの色座標のみから）開始することを可能としない。したがって、近似する色によって置き換えられている「コバルト・ブルー」、「オーレオリン・イエロー」、「エメラルド・グリーン」または「青磁色」、「アンドリノプル・レッド」、「エボニー・ホワイト」などの微妙な色合いを見出すことは可能ではない。

特に、美術館により所持されている所蔵品のデジタル化の非常に高い分解能および非常に高い忠実度を実現する時に、どの色が再現されるかの忠実度を高めるために、色情報の量をさらに増すために諸提案がなされており、例えば、製造販売者であるＬｕｍｉｅｒｅ Ｔｅｃｈｎｏｌｏｇｙ ＳＡにより開発された「Ｊｕｍｂｏｓｃａｎ」カメラを使用して行われ得るように、フィルタ・キャリア・タレット内に搭載された１３個のフィルタを使用して光スペクトルを下位分割することによる。

しかし、例え高忠実度の再現が可能であっても実施するには高価かつ複雑である装置を構成するものは：所望の特性を有するフィルタの慎重な準備（フィルタは非常に狭い通過帯域を有する干渉フィルタである）；分析通過の数の増加（異なるフィルタの数だけ多くの通過がある）；極端に正確な機械的システムを必要とする通過の再現性（１３枚の走査画像が、１マイクロメータ以内に画素上に画素を積み重ね可能でなければならない）；光学系内の色収差の補正；などである。これは、その装置の用途が基本的に博物館資料記録技術の分野における特殊な実用例に制限されていることを意味する。

その結果、構造が単純かつ効率的であり、したがって、低い製造コストで製作され得、かつ、文書の非常に高い忠実度の比色分析が実行されることを可能にし、分析は可視領域の色空間全体にわたり有効であり、非常に微妙な色合いの色を区別する可能性を与えるスキャナに対して、まだ満足されていない大きな必要性が存在する。

この目的のために、本発明は、知られているタイプ、例えば、上述のＷＯ−Ａ−００／２５５０９に開示されている如くの、すなわち、横方向における文書の行の分析に適した線形感光センサと、Ｎ個１組の帯域通過光学フィルタであって、Ｎ≧４であり、好ましくはＮ≧６であるフィルタと、スキャナにより分析されている領域内の文書上に照らされた帯状部を形成するために適した照明手段と、縦方向において連続した工程で文書の制御された走査を駆動するために適したモータ手段と、を含む多スペクトル・スキャナを提供する。各走査工程、および、分析中の行の各画素に対して、スキャナは、Ｎ個の対応した量子化済み部分測定値を送るために適しており、この測定値の各々はＮ個のフィルタの個々の１つを介してセンサにより感知された文書のスペクトル反射を表している。

本発明の第１の態様において、スペクトル再構築手段は、文書の画像のスペクトルに関する再構築、および、参照色サンプルを使用したトレーニングに基づく外挿法を使用した操作のために設けられており、前記手段は、前記参照サンプルに対する知られているスペクトル反射値から作成された知識ベースを保存しているメモリと、前記Ｎ個量子化済み部分測定値を各画素について自身の入力として受け取り、かつ、文書の対応する画素のスペクトル反射を表す少なくとも１つの再構成された量子化済み値を出力する神経回路網を含む。

本発明の第２の態様において、Ｎ個の測定値が神経回路網の入力に印加される前にＮ個の測定値にブートストラップ型反復性リサンプリング処理が適用されるための手段が設けられている。

以下の記載で説明されるように、本発明は、従来のＲＧＢスキャナ機構、例えば、従来のＡ３またはＡ４フォーマットの事務所用平床式スキャナを使用して実施され得る。

センサは、好ましくは、Ｎ本の平行線の光領域を有する集積構成部分であり、光領域の各線はＮ個の帯域通過光学フィルタの個々の１つを伴い、文書全体は単一の通過で走査される。単一の通過で文書を分析することは、特に、多数の通過が再現性に一致することを確実にするために必要である場合に、従来技術のシステムにおいて使用されている種類の走査のための精密な機械式システムに頼るいかなる必要性も回避するように機能する。

本発明の上記の構成は、走査される文書を受けるための露光窓を有する平床式スキャナに、最も有利に適用され得る。

「全範囲」、すなわち、スペクトルの５０％〜７０％のみを占有する感受された色領域を有する従来のＲＧＢスキャナとは異なり、可視領域色スペクトルの１００％を網羅するために適した多スペクトル平床スキャナは、以下を含めて、非常に多数の産業上および芸術上の実用例において大きな長所を提供する。

・「包装」および広告の分野であって、色が通常は４、５、または、６つの色に基づき規定されている場合、追加の参照色が、６０％がＲＧＢスキャナの全範囲の外にある特定のＰａｎｔｏｎｅ（登録商標）色に含まれている場合、事務所用のスキャナと同等に使用が簡単なデバイスにより画像におけるＰａｎｔｏｎｅ色を認識するための能力は、本分野の専門家のために非常に大きな進歩を遂げた。

・芸術家により、例えば、ＲＧＢの全範囲内に入れることが困難であるインクまたは顔料を伴うエアブラシまたは他の器具を使用して、製作された文書をデジタル化すること。

・科学において、研究室用の応用例において試験片または溶液の色を測定すること。

・繊維製品の分野において、サンプルをデジタル化すること。繊維製品は極端に大きな全範囲を提示する染料を使用して印刷されている。

・例えば印刷の分野において、実際に印刷された如くの文書のサンプルが印刷業者に引渡された本来の色の選択に確かに従っていることを印刷機からの排出口で検証するための生産ラインにおける比色検査。および、
・イラストレーションまたは写真の分野において、水彩画、または、イラストレーションが、多スペクトルのデジタル化を使用することによりのみ忠実に再現され得る特定の着色剤またはインクを使用してされた古い本などの微妙な色合いの色を含む文書を再現すること。

しかし、多スペクトルシングルパス平床スキャナへの本発明の適用は限定されず、本発明が他のタイプのスキャナ、例えば、デジタル写真システム、または、分析室のレンズにより形成された画像平面を感光センサが走査し、観察中の物品自体はセンサの走査と同期して移動される光の狭い帯状部により照らされているＷＯ−Ａ−００／２５５０９（Ｌｕｍｉｅｒｅ Ｔｅｃｈｎｏｌｏｇｙ ＳＡ）に記載されているものなどのシステムにも適用され得ることを理解されよう。

本発明のスペクトル再構築手段の神経回路網は、好ましくは、多数の閾値を有し、Ｎ個の測定値を入力として受け入れることに適し、そのＮ個の値に特定の重み付けを適用することに適し、かつ、画素の反射率の対応する波長別成分を伴った複数の個々の再構成された量子化値を出力するために適したネットワークである。このような状況において、神経回路網は、測定値の数Ｎよりも大きいＮ’個の個別の再構成された量子化値を出力することができ、特に、６または７に等しい測定値の数Ｎに対して、数Ｎ’は少なくとも１５個の値、好ましくは、少なくとも２５個の値、かつ、より好ましくは３０個の値である。
添付の図面を参照して、本発明の実施形態の説明が以下に続く。

Ｊ．Ｙ．Ｈａｒｄｅｒｂｅｒｇによる博士課程学位論文、「Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ｒｅｐｒｏｄｕｃｔｉｏｎ ｏｆ ｃｏｌｏｒ ｉｍａｇｅｓ：ｃｏｌｏｒｉｍｅｔｒｉｃ ａｎｄ ｍｕｌｔｉｓｐｅｃｔｒａｌ ａｐｐｒｏａｃｈｅｓ」、Ｅｃｏｌｅ ｎａｔｉｏｎａｌｅ ｓｕｐｅｒｉｅｕｒｅ ｄｅｓ ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ、Ｐａｒｉｓ、Ｆｒａｎｃｅ、１９９９ Ｒ．Ｓｅｖｅによる「Ｐｈｙｓｉｑｕｅ ｄｅ ｃｏｌｅｕｒ：ｄｅ ｌ’ａｐｐａｒｅｎｃｅ ｃｏｌｏｒｅｅ ａ ｌａ ｔｅｃｈｎｉｑｕｅ ｃｏｌｏｒｉｍｅｔｒｉｑｕｅ ［Ｔｈｅ ｐｈｙｓｉｃｓ ｏｆ ｃｏｌｏｒ：ｆｒｏｍ ｃｏｌｏｒｅｄ ａｐｐｅａｒａｎｃｅ ｔｏ ｃｏｌｏｒｉｍｅｔｒｙ ｔｅｃｈｎｉｑｕｅ］、Ｍａｓｓｏｎ、Ｆｒａｎｃｅ、１９９６ Ｂ．Ｅｆｒｏｎによる「Ｂｏｏｔｓｔｒａｐ ｍｅｔｈｏｄｓ：ａｎｏｔｈｅｒ ｌｏｏｋ ａｔ ｔｈｅ ｊａｃｋｋｎｉｆｅ」、Ａｎｎａｌｓ ｏｆ Ｓｔａｔｉｓｔｉｃｓ、７、ｐｐ．１〜２６、１９７９ Ｃ．Ｍ．Ｂｉｓｈｏｐによる「Ｍｉｘｔｕｒｅ ｄｅｎｓｉｔｙ ｎｅｔｗｏｒｋ」、Ｎｅｕｒａｌ Ｃｏｍｐｕｔｉｎｇ Ｒｅｓｅａｒｃｈ ＮＣＲＧ／４２８８、Ａｓｔｏｎ Ｕｎｉｖｅｒｓｉｔｙ、英国、１９９６ ＷＯ−Ａ−００／２５５０９

図１は、本発明が有利に適用され得る多スペクトル平床スキャナの全体的な構造を示す。

上述の通り、このタイプのスキャナは限定的なものではなく、本発明は、例えば、文書の画像が、マイクロメータ・システムにより駆動されているセンサにより走査される画像平面上に形成されるＷＯ−Ａ−００／２５５０９に記載の文書再現室などの他の分析器デバイスを使用して実施され得る。

例えばＡ４またはＡ３の事務所用スキャナ・タイプのシングルパス平床スキャナの機構自体はよく知られている。

スキャナ１０は、静止したスキャナ窓１４に対して、平坦に静置された文書１２を走査するように機能する。第１の移動設備１６は文書１２の狭い横方向の帯状部を照らすために適した照明手段１８を搬送する。設備１６は照らされている走査線に垂直な方向で線形移動において可動であり、ミラー２２、２４、および、２６、ならびに、レンズ２８を介して静止した線形スキャナ２０上に前記線の画像を形成するために、光学組立体が設けられている。ミラー２２は移動設備１６に固定されている一方、ミラー２４および２６は位置が調整可能である他の移動設備３０上に搭載され、レンズ２８は、光学倍率係数を変化させるために可動となっている支持台３２上に搭載されている。

センサ２０は、６つの別々の帯域において６つの色信号を典型的に送る多スペクトル・センサである。

しかし、本発明は、現時点での最善の妥協点に単に対応するだけのこの帯域数（６つ）には限定されない。帯域数は、上述した如くの短所を提示するＲＧＢセンサの３つの帯域より多く、ならびに、複雑さのために、単純な形、特にシングルパススキャナの形態では実施され得ない上述され、かつ、例えば博物館資料記録技術の分野において使用されている複雑な装置の１２または１３の帯域より少ないことは単に理解されたい。６つ未満のフィルタの数、例えば、５つのフィルタまたは４つのフィルタのみさえの使用は本発明の範囲内に該当するが、定性的に劣る結果を当然もたらす。

本発明の問題は、基本的には、これらの６つの値から反射率スペクトルを再構成すること、したがって、中間値の計算（「再構築」と呼ばれる操作）にある一方、この操作により加えられる内挿雑音を最小に抑えることにある。

これは、これを解決するために多くの提案がなされてきた知られている問題である。
それらの提案は、３つの主な方法に分類され得る。

「直接再構築」と呼ばれる第１の方法は、画像取得およびデジタル化システムの要素の全て、すなわち、照明デバイスのためのスペクトル曲線、センサに固有の波長別感度、使用されているフィルタの個々の透過率、および、光学系の様々な構成部分の透過率の特性決定にある。取得システムがこのようにして一旦特性決定されれば、続いて、Ｋ個の行およびＮ個の列を有する行列演算子の形態でシステムの刺激と応答の間の直接の連結を構築することが可能になり、ここで、Ｋはシステムにより使用されているフィルタの数であり、Ｎはデジタル量子化の結果得られるサンプルの数である。

しかし、この直接法はシステムの各構成部分の事前の特性決定を必要とする短所を提示し、幾分かの量の実験を示唆している（モノクロメータを使用したセンサの波長別感度の測定、分光光度計を使用した光学系およびフィルタの透過率の測定、など）。電気的雑音に関する問題も非常に敏感であり、それ自体は量子化することが困難に見える。これらの理由のために、直説法は、理論的根拠に基づいては現在とりわけ興味深く、実験に関する実用例において以外の具体的な利用はなされていない。

「内挿による再構築」と呼ばれる第２の方法は完全白色参照に対するカメラの応答のみを含む。標準白色を基準とした正規化の後、カメラはスペクトル・サンプラとして考えられ、スペクトル曲線の点は、例えば可視領域において４０ナノメータ（ｎｍ）ごとに１回測定される。続いて、スペクトルの中間点は、例えば、１０ｎｍ、５ｎｍ、または、１ｎｍにより間隔を空けられた点において再構築されたスペクトルを得るように、内挿法、例えば、三次式近似法または修正離散正弦変換（ＭＤＳＴ）などにより再構築される。

この内挿法は、従来のアルゴリズムに基づくデジタル処理を使用したカメラの応答のみの知識を必要とする長所を提示する。しかし、この内挿法は、再構築されるスペクトルが比較的滑らかな輪郭を示すスペクトルであることを仮定している。すなわち、失われた点を再構築するために使用されるアルゴリズムはスペクトルの狭いピークの検出が不可能であり、このピークは滑らかに消され、再構築された情報は変形されている。加えて、大量の内挿雑音が重ねられ、そのことがこの方法の性能を非常に迅速に劣化させる。

実際には、スペクトル分析は、複雑なスペクトル、例えば、塗装に使用され、かつ、高度に特有なスペクトル輪郭を提示する顔料のスペクトルなどに対して、もしそのスペクトルが再構築アルゴリズムにより滑らかにされたなら、微妙な色合いの色と近い色による代替色を区別するようにトレーニングを受けた観察者により変形されていると即座に感受されるように、使用されることが可能でなければならない。加えて、色を再現するうえで許容できる程度の忠実度を以ってこの技術を実施することは、十分な開始用サンプルを得るために比較的大きな数のフィルタ、すなわち、比較的複雑であり、かつ、例えば６つの帯域のみに依存する色分析システムを有するなどの大量生産スキャナの形態で実施されること可能としないカメラに用途を制限する典型的に１１または１３個のフィルタを示唆している。

本発明が属する第３の方法は「間接再構築」または「トレーニングによる再構築」として知られている。基本的に、この方法は、サンプルの各々に対してチャート上で測定される参照スペクトルとカメラの対応する応答との間の伝達関数をモデル化することを外挿により可能にする標準化されたカラー・チャートを使用する。

以下に説明されるように、本発明は、過去に提供することが可能であった性能よりもはるかに優れた性能を備えた探求されていた伝達関数を決定することを可能とするために、かつ、小さな数の帯域、典型的に６つの帯域のみ（ここで、６つは典型的な値であるが、当然、限定してはいない）にわたりスペクトルを分析するセンサにより送られる情報に基づく方法を実施することを可能にするために、間接再構築のこの知られている方法へのいくつかの改善を提案する。

本発明によるこの方法の実施は図２に模式的に示されている。
スキャナのセンサ２０は上述のように６つのフィルタ・センサにより典型的に構成され、したがって、センサ２０は各画素に対する６つの量子化済み色測定値を送る。これらの値は６つの入力および３０個の出力を有する神経回路網４０に印加される（３０個の点にわたりスペクトル反射を再構築することが所望されていると仮定する）。神経回路網４０は、特定の数の参照サンプルに対する知られているスペクトル反射の値から作られている知識ベースを保存するメモリ４２を伴い、サンプルは、有利に、意図された実用例、例えば、博物館資料記録技術またはイラストレーションの分野における実用例、塗装に使用される３００種の主な顔料から構築されたデータベースなどに応じて選択されている。この知識ベースは神経回路網により適用された様々な重み付けを決定するように機能する。

神経回路網４０は多スペクトル・センサ２０に集積化された特定のデジタル信号プロセッサの形態で任意に作成され得る。

本発明を実施するために使用されるセンサ２０は、有利に、例えば各々が１０，０００または１２，０００個などの感光部を有する６本（または、可能に７本）の感光部の線を有する帯状部の形態になった図３に示された種類の集積センサであり、線の各々は、一括着色用の対応したフィルタ５１〜５６を伴っている。これらのフィルタの個々のスペクトル応答６１〜６６は図４に示されている。

多スペクトル・センサ２０は従来技術の従来の三色センサと同様の方法でスキャナの機械式および光学的な走査システムに結合されており、したがって、神経回路網４０に適用される量子化済み測定値を構成する一連の６×１２ビット（または、７×１２ビット）を、走査されている文書の行の各画素について、同時に送ることを可能にしている。

本発明は、６つのフィルタのみを有するセンサを使用して、可視領域全体を網羅する全範囲を得ることを可能にしており、非常に微妙な色の色合いが非常に高い忠実度で再現されることを可能にしており、性能は六色分析システムまたは、ましてや三色システムを使用して過去に提供することが可能であった性能よりはるかに優れている。

図５は（本発明のスキャナにより完全に網羅され得る）可視領域Ｖ、および、これを基準とした、ＣＭＹおよびＲＧＢの三色分析または六色ＲＧＢＣＭＹ分析を使用して得られた個々の制限された全範囲を示すＣＩＥ比色システムにおける色度図である。

さらに、本発明のセンサはシングルパス型の大量生産スキャナ内に集積することが容易であり、かつ、今まで１１または１３個のフィルタを備えた複雑な装置の使用を必要とし、かつ、多くの分析用の通過を必要とした結果と同等な結果をもたらす。

以下に、そのような結果を達成するためにセンサにより取得されたサンプルが処理された方法のより詳細な説明が続く。

間接多スペクトル再構築の原理
本方法の出発点は、走査される文書を表し、かつ、例えば分光光度計により事前に決定されるなどで正確に知られているスペクトル反射曲線を有する参照色のＰ個のサンプル（例えば、Ｐ＝２５０または３００個のサンプル）を有するチャートの画像を形成するための多スペクトル・カメラを使用することにある。

各サンプルについて、次元Ｋのベクトルｃ_ｐは分析される様々な帯域におけるカメラの応答を含んで得られ（ここで、Ｋは取得システムにおいて使用されているフィルタの数であり、典型的にＫ＝６または７である）、関連スペクトル反射を表し、分光光度計により事前に決定される次元Ｎの関連ベクトルｒ_ｐ（ここで、Ｎは測定されたスペクトル点であり、典型的にＮ＝３０点）。

問題は、このように決定されたデータ（開始参照データおよびカメラの対応する応答）から、以下となるような次元Ｎ×Ｋの行列演算子Ｑである対応する伝達関数を発見することにある。
Ｒ＝ＱＣ

ここで、Ｒはベクトルｒ_ｐの次元Ｎ×Ｐの行列であり、Ｃはベクトルｃ_ｐの次元Ｋ×Ｐの行列である。この式が以下のように書き直せることが示され得る。
Ｑ＝ＲＣ^ｔ（Ｃ Ｃ^ｔ）^−１

これは以下の形に表され得る。
Ｑ＝Ｒ ｐｉｎｖ（Ｃ）
ここで、符号ｐｉｎｖ（Ｃ）は行列Ｃの擬似反転形を示す。すなわち、
ｐｉｎｖ（Ｃ）＝Ｃ^ｔ（Ｃ Ｃ^ｔ）^−１
である。これは、それ自体は知られているアルゴリズムを使用して容易に計算される行列である。

ブートストラップ法の適用による最適化
本発明の第１の態様において、間接再構築を実施する際に使用される開始データは、ブートストラップ型の統計処理の対象となる。

ブートストラップ法自体は、例えば、Ｂ．Ｅｆｒｏｎによる「Ｂｏｏｔｓｔｒａｐ ｍｅｔｈｏｄｓ：ａｎｏｔｈｅｒ ｌｏｏｋ ａｔ ｔｈｅ ｊａｃｋｋｎｉｆｅ」、Ａｎｎａｌｓ ｏｆ Ｓｔａｔｉｓｔｉｃｓ、７、ｐｐ．１〜２６、１９７９から知られている。これは、統計人口の見積り値に信頼区間を設けることにより統計的見積り値の正確さを測定するように機能するコンピュータ・リサンプリング技術である。これを行うために、データをリサンプリングすることは、確立分布を伴ってデータに含まれる統計的推定情報により組み込むことを可能にする。

本発明の出発点は、スペクトル参照の再構築を改善するために、色信号を処理するためのこの統計的ブートストラップ処理技術を使用することにある。

この目的のために、上記に定義された行列ＲおよびＣは、選択のための均一な確立分布を使用して、それらの行列の列を無作為に選択することによりリサンプリングされる。

この操作（ｒｅｓａｍｐｌｅ（．）として以下に書かれている関数）は、特定の行列から、無作為の方法でリサンプリングされた列からなる他の行列を作成することである。したがって、結果として得られた行列において、反復される列があり、かつ、逆に、元の行列の列のいくつかはリサンプリングされた行列には最早見出されない。

本発明を実施するために、提案されたアルゴリズムは、上記に定義された行列ＲおよびＣをリサンプリングすることにより得られる行列から再構築演算子Ｑを形成し、初期演算子Ｑと結果として得られた演算子Ｑの間の距離を評価する。

この方法で、多数の演算子Ｑが、テスト・データ集合Ｒ_ｔｅｓｔおよびＣ_ｔｅｓｔからのそれらの演算子Ｑの個々の距離と共に、算出され、その後、アルゴリズムは、最終的な結果として、（最小自乗の意味における）最短距離を表す演算子を選択する。

アルゴリズムは、以下のような擬似符号で表され得る。
ｉ＝１，．．．，Ｉについて
Ｒ_ｉ＝ｒｅｓａｍｐｌｅ（Ｒ）
Ｃ_ｉ＝ｒｅｓａｍｐｌｅ（Ｃ）
Ｑ_ｉ＝Ｒ_ｉ ｐｉｎｖ（Ｃ_ｉ）
ｅｒｒｏｒ_ｉ＝｜｜Ｑ_ｉＣ_ｔｅｓｔ−Ｒ_ｔｅｓｔ｜｜^２
終了 Ｆｏｒ
最小のｅｒｒｏｒ_ｉを有するＱ_ｉを選択する
ここで、Ｉは反復の回数。

関数ｒｅｓａｍｐｌｅ（．）は、ＲおよびＣを、双方の行列が対応する行を含むように、各反復に関して同じ方法で同じ無作為選択を使用して変換する。

このブートストラップ法の最適化された変形においては、方法の正確さを高め、かつ、より高速である最終的な演算子に対する集束を達成するために、選択は非無作為の方法で行われる。

この改善は、参照色サンプル・チャートの分析と同時に行われる比色ビデオ取得を実施する。

もし標準的な観測者が標準化された照度に結びつけることを可能にする適切なフィルタと組み合わせて照明光源が使用されたなら、このような状況下では、比色計の挙動を模倣すること、および、単一のシステムにおいて色座標を正確に得ることが可能である。

この色データは、有利に、スキャナに直接集積された二次センサにより送られ得、かつ、文書の走査と同時に情報を送る。

比色ビデオ取得は、カメラの応答と対応する色座標の間の最大の色の相違を見つけ出すように機能する。続いて、最大の相違のこの知識は、決定されるべき伝達関数を最適化するために最大の処理を必要とするチャートのサンプルに、ブートストラップ・アルゴリズムの効果を集中することにより、このアルゴリズムの有効性を改善するように、このアルゴリズムにおいてどのサンプルを排除するかを選択する際に、好ましいバイアスを導入するために使用され得る。

神経回路網の使用
本発明の他の態様において、トレーニングによる多スペクトル再構築は、神経回路網により実施される。

本発明の本態様は、好ましくは、神経回路網に適用される前にサンプルに有利に適用可能である統計エンジンを構成する上記に説明されたブートストラップ処理と組み合わせて提供される。

しかし、これらは、異なり、かつ、互いとは独立に使用され得る２つの技術であり、たとえ組み合わせて使用されても、当然、特に有利な結果をもたらす。

神経回路網は、様々な方法で符号化されたデジタル・データを搬送する通信経路（接続）により一体に接続された非常に多数の単純なプロセッサ（ニューロン）を含むネットワークであると、一般に定義されており、ニューロンは、自身の個々の接続を介して印加された入力に対してのみ操作を行う。

神経ネットワークはＮ個の入力およびＮ’個の出力を有する行列の形態で表され得、出力値の各々は、各ニューロンに割当てられた重み付けの関数としてのＮ個の入力値の集合に依存している。個々のニューロンは、各々が独立した処理を行う下位グループに編成され、結果は後続の下位グループに転送される。したがって、情報は、出力値を先行する下位グループに印加する（逆伝播）選択肢を備えて、神経回路網を介して伝播する。

ニューロンの接続の重み付けは、事前のトレーニングに基づき決定されるデータ・セットにより調整される。したがって、ネットワークの知識（トレーニング）は、処理中に適合され得る様々な重みに保存される。続いて、神経回路網は、トレーニング工程中に入力されるパラメータを考慮した挙動を提示し、したがって、この挙動を、特定の場合に基づいた特定の種類の一般化を実施するために適したものにする。

この概念の詳細な研究は、特に、Ｃ．Ｍ．Ｂｉｓｈｏｐによる「Ｍｉｘｔｕｒｅ ｄｅｎｓｉｔｙ ｎｅｔｗｏｒｋ」、Ｎｅｕｒａｌ Ｃｏｍｐｕｔｉｎｇ Ｒｅｓｅａｒｃｈ ＮＣＲＧ／４２８８、Ａｓｔｏｎ Ｕｎｉｖｅｒｓｉｔｙ、英国、１９９６に見出され得る。

本発明において、多スペクトル再構築を行うことが所望される場合、トレーニング工程は、参照色サンプル・チャートの多数のサンプル（典型的に２５０〜３００サンプル）を取得すること、および、データを、ネットワーク内のニューロンの全てに対する対応する重みを含む知識ベース内に保存することにある。したがって、ネットワークの挙動はチャート内のサンプルのスペクトル特性の知識を集積する。

シングルパス平床スキャナの様々な機械式構成部分の構成を示す模式図である。 神経回路網によるスペクトル再構築の原理を示す図である。 一連の関連フィルタを示すために一部が拡大されている集積多スペクトルＣＣＤセンサを示す図である。 図３のセンサの様々なフィルタの透過率曲線を示すグラフである。 可視領域の色空間の範囲を基準として、様々な比色分析システムの個々の全範囲を示す、ＣＩＥシステムにおける色度図を示す図である。

Claims (8)

1. 多スペクトル・スキャナであって、
   横方向において文書の行を分析する感光線形センサ（２０）と、
   Ｎ≧４である１組のＮ個の帯域通過光学フィルタ（５１〜５６）と、
   前記センサにより分析される領域における前記文書上の照らされている帯状部を形成する照明手段（１８）と、
   前記文書を、縦方向において連続した工程で制御された形で走査されるようにするモータ手段と、を含み、
   前記スキャナは、前記Ｎ個のフィルタの個々の１つを介して前記センサにより感知された前記文書のスペクトル反射を各々が表すＮ個の対応する量子化済み部分測定値を、各走査工程について、および、前記分析される行の各画素について、送るために適しており、
   前記スキャナは、前記文書の画像を波長別に再構築し、かつ、参照色サンプルを使用してトレーニングに基づき外挿法を使用して操作するためにスペクトル再構築手段が設けられていることを特徴とし、前記手段は、
   前記参照サンプルに対する知られているスペクトル反射の値から作成された知識ベースを保存するメモリ（４２）と、
   前記Ｎ個の量子化された部分測定値を各画素について自身の入力として受信し、かつ、前記文書の前記対応する画素の前記スペクトル反射を表す少なくとも１つの再構成された量子化値を出力する神経回路網（４０）と、を含むスキャナ。
2. 前記センサ（２０）は、Ｎ本の平行線の光領域を有する集積構成部分であり、前記光領域の各線はＮ個の帯域通過光学フィルタの個々の１つを伴い、かつ、
   前記文書の範囲にわたる前記走査は単一の通過において行われる走査である請求項１に記載のスキャナ。
3. Ｎ≧６であり、好ましくはＮ＝６である請求項１または２に記載のスキャナ。
4. 走査される前記文書を受けるための露光窓（１４）を有する平床スキャナ型の請求項２に記載のスキャナ。
5. 前記神経回路網（４０）は、多数の閾値を有し、前記Ｎ個の測定値を入力として受信することに適し、前記Ｎ個の値に固有の重み付けを適用することに適し、かつ、前記画素の前記反射率の対応する波長別成分を伴った複数の個々の再構成された量子化値を出力するために適した回路網である請求項１に記載のスキャナ。
6. 前記神経回路網は、前記測定値の数Ｎよりも大きい数Ｎ’個の個別の再構成された量子化値を出力する請求項５に記載のスキャナ。
7. 前記個々の再構成された量子化値の前記数Ｎ’は、６または７に等しい測定値の数Ｎに対して、少なくとも１５個の値、好ましくは少なくとも２５個の値、かつ、より好ましくは３０個の値である請求項５に記載のスキャナ。
8. 前記文書の前記画像を再構築するための前記波長別再構築手段は、前記Ｎ個の測定値を前記神経回路網の前記入力に印加する前に前記Ｎ個の測定値にブートストラップ型反復性リサンプリング処理を施すための手段を含む請求項１に記載のスキャナ。

Images