JP2009053200A

JP2009053200A - 物体識別装置

Info

Publication number: JP2009053200A
Application number: JP2008242830A
Authority: JP
Inventors: Kazuhiro Mimura; 一弘味村; Noburo Tomita; 信郎冨田; Yasuhiro Takemura; 安弘竹村; Toshiji Takei; 利治武居; Yutaka Nagai; 豊永井; Shigeko Kato; 茂子加藤
Original assignee: Sumitomo Osaka Cement Co Ltd; Nippon Koden Corp
Current assignee: Sumitomo Osaka Cement Co Ltd; Nippon Koden Corp
Priority date: 2008-09-22
Filing date: 2008-09-22
Publication date: 2009-03-12

Abstract

【課題】不定形物体の特徴をより高精度に反映したデータを算出し、不定形物体を高精度に分類する。
【解決手段】識別すべき物体の像を２次元フーリエ変換する２次元フーリエ変換手段と、前記２次元フーリエ変換手段により２次元フーリエ変換された信号のパワースペクトルを検出するパワースペクトル検出手段と、前記パワースペクトル検出手段により検出されたパワースペクトルにおける低周波数成分光量、全周波数成分光量に基づいて前記物体を識別する識別判定手段とを有する。
【選択図】図６

Description

本発明は、血液や尿、病理検体など、粒子成分を含む試料の生物顕微鏡画像や蛍光顕微鏡画像などから不定形物体を識別するための物体識別装置に関し、特にフーリエ変換によるフラウンフォーファ回折像を利用して不定形物体の識別を行う物体識別装置に関する。

この種の装置としては、特開平6-138417号、特開平8-29140 号、特開平8-304390号等に記載されている装置がある。これらの装置において、識別判定手段では、フラウンフォーファ回折像のパワースペクトルパターンに基づいたパラメータを算出し、このパラメータを使って不定形物体の分類を行っていたが、これらのパラメータは、パワースペクトルパターンの全光量 (リングディテクタの全チャンネル出力の和) 、周波数毎の光量 (リングディテクタのチャンネル毎の出力) 及びこれの全光量で正規化した値、周波数領域毎の光量（リングディテクタの数チャンネルの出力の和）及びこれの全光量で正規化した値であった。

ところで、白血球の場合、核の内部構造の複雑さを調べることが白血球の種類の識別のための重要な手掛かりになり、これらの従来パラメータは、内部構造の複雑さを反映するし、既知の画像処理手段による特徴量だけを用いての識別判定よりも優れていた。

しかしながら、異常白血球の分類を行う場合には、従来の方法では不十分であり、更なる識別判定能力の向上を図る必要がある。

本発明は、このような問題を解決するために提案されたものであり、不定形物体の特徴をより高精度に反映したデータを算出し、不定形物体を高精度に分類できる物体識別装置を提供することを目的とする。

請求項１の物体識別装置は、識別すべき物体の像を２次元フーリエ変換する２次元フーリエ変換手段と、前記２次元フーリエ変換手段により２次元フーリエ変換された信号のパワースペクトルを検出するパワースペクトル検出手段と、前記パワースペクトル検出手段により検出されたパワーペクトルにおける低周波数成分光量、全周波数成分光量に基づいて前記物体を識別する識別判定手段とを有することを特徴とする。

請求項２の物体識別装置は、請求項１記載の装置において、前記識別判定手段は、前記全周波数成分光量に対する前記低周波数成分光量の比の対数値の−１乗の平方根を演算する演算手段を有することを特徴とする。

本発明によれば、不定形物体の特徴を高精度に反映したパラメータを得ることができるので、このパラメータを用いて高精度に不定形物体の識別判定を行うことできる。

参考例１

図１は、本発明の第１の参考例の物体識別装置の構成を示す図である。識別すべき不定形物体は、それらを取り囲む物質とともに試料５として試料台４の上にセットされており、染色処理などにより識別すべき不定形物体は背景と特定の光波長域における透過率が異なっているものとする。不定形物体の位置捕捉信号観測用照明光束１は、レンズ３で集光され、試料台４上の試料５を照明する。試料５を透過した照明光束１は、レンズ６，ビームスプリッタ７，レンズ８を通って、マスク９に到達する。マスク９は、試料上の不定形物体の大きさに応じた開口を有し、また、その開口は、前記特定の光波長域に対応した透過率の分散特性を持つものとする。

そこで、試料台４を試料台駆動回路１６により矢印Ａ或いは矢印Ｂの方向へ動かすと、識別すべき不定形物体がマスクの開口内に入ったときのみ、検出回路１５はそのことを示す信号を得ることができ、不定形物体が試料台４上の特定の位置にあることを知ることができる。即ち、ここでは照明光束１，試料台４，試料台駆動装置１６，マスク９，フォトディテクタ１０，検出回路１５等により、不定形物体の位置捕捉手段が構成されている。尚、これは、位置検出及び捕捉手段の一例であり、不定形物体の性質に応じて様々な具体例が考えられる。

上記のように、不定形物体の位置が捕捉できたとする。次に、半導体レーザ１１から出射したコヒーレン卜光束１２は、レンズ１３を通って略平行光束となり、ビームスプリッタ７で反射されて、レンズ６を通り、試料５上に焦点を結ぷ収束光束となり、試料５に入射する。このとき、入射したコヒーレント光束１２が、捕捉された不定形物体に照射されるように、試料台４が駆動される。最も簡単には、図１に示すように、位置検出光学系とコヒーレント光束１２の光学系が併用されていれば、検出回路１５において、不定形物体が検出された瞬間に試料台の駆動を停止すれば、コヒーレント光束１２は、試料５上の不定形物体に入射することになる。

尚、試料５上におけるコヒーレント光束１２の光束径は、レンズ６を通過したときのコヒーレント光束１２の光束径とレンズ６の焦点距離との比率及びコヒーレント光束１２の波長とで決まる。不定形物体の大きさが小さく、試料５上の光束径を小さくしたい場合には、レンズ６の焦点距離に対してコヒーレント光束１２のレンズ６における光束径を大きくする必要がある。前記のように、不定形物体の大きさが小さい(10 μm 程度) 場合には、コヒーレント光束１２は試料５を出射して数mm〜数十mm伝搬したところでフラウンフオーファ領域に達する。従って、その位置に観測手段を設置すれば、不定形物体を含んだ試料５上のコヒーレント光束１２に照射された部分の複素振幅パターンの強度スペクトルパターンが観察される。従って、試料５を出射したコヒーレント光束１２は、レンズ３でほぼ平行光束となり、ビームスプリッタ２で反射されて、リングディテクタ１４で受光される。このリングディテクタ１４は、レンズ３の試料台４側にビームスプリッタを設けてレンズ３を通さずに、出力パターンを観測しても良いが、レンズ３を通すことにより、リングディテクタ１４の光軸方向の設置位置のズレに対して、強度スペクトルパターンの大きさのズレが小さくなる効果がある。

リングディテクタ１４は、コヒーレント光束１２の光軸を中心とした同心の輪帯状フォトダイオードがその半径方向に並んだもので、その素子数は、8 〜128 程度が適当である。その数が過小の場合には、特徴量情報の不足をもたらし、過大の場合には、識別判定演算速度が遅くなる。また、この輪帯状フォトダイオードは、入力パターンに位相分布がない場合、そのフラウンフォーファ回折パターンが点対称であるため、半円状でも構わない

このリングディテクタ１４で受光された光量に基づく信号は、通常電流信号であり、検出回路１７により、電流電圧変換されるとともに、観測に十分なレベルに増幅される。例えば、図２のリングディテクタ受光領域を示す説明図に示すように、リングディテクタ１４を受光領域１４ａから１４ｈまでの８分割のリングディテクタとすれば、検出回路１７を経て、各々の分割領域の出力に対応するｘ1 からｘ8 までの８つの信号を得ることができる。これらの信号は、不定形物体の空間周波数毎の成分の大きさを反映したものであり、ｘ1 が最も低い空間周波数成分大きさ、ｘ8 が高い空間周波数成分の大きさを示している。その後これらの信号は識別判定装置１８に入力され、入力された不定形物体がどのカテゴリに属するのかの判定を行う。

識別判定装置１８はデジタルコンピュータから構成され、キーボード等の入力装置や、表示器、プリンタ等の出力装置を備えている。識別判定装置１８は、図３に示す処理を行う。このような処理を行うようにした原理を以下に説明する。

文献「Diffracti0n Fields of Fractally Bounded Apertures (OPTICAL REVIEW Vol.1,No.119943-7)」等で述べられているように、パワースペクトルパターンの適当な部分で回帰直線の傾きを算出することで、不定形物体または２次元空間光変調器に表示された不定形物体画像の輪郭のフラクタル次元や対象画像の内部構造のフラクタル次元を調べることができる。

Mandelbrotらの研究により、一般に画像を表現する２次元画像のパワースペクトルは、K を画像上のある任意方向の空間周波数とすると、AK^-2dという形を持つ。このときのd をフラクタル次元と呼ぶ。これを式で表すと、式１で表現できる。

この式を底αで対数変換すると、式２のようになる。

よって、式２より、パワースペクトルの対数変換したパターンから、傾きを求めることにより、画像のフラクタル次元を反映したデータを得ることできる。また、y 切片も傾きの影響を受けるので、同様にフラクタル次元を反映したデータを調べることができる。

図３に示す処理は以上の原理に基づくものである。すなわち、識別判定装置１８では、信号ｘ1 からｘ8 の値が底αで対数変換され、信号ｘ'1からｘ'8の値になる（ステップ１０１）。信号ｘ'1からｘ'8の値は受光領域１４ａから１４ｈをｘ軸とする仮想グラフ上にプロットされる。図４は、識別判定装置１８による仮想グラフ説明図である。図４のようにプロットされたポイントは、適当な領域に分割されて１次回帰計算が行われる（ステップ１０２）。例えば、本実施例では、１４ａから１４ｃまでの領域Ａ、１４ｃから１４ｆまでの領域Ｂ，１４ｆから１４ｈまでの領域Ｃに分割されて各領域毎に１次回帰計算が行われ（ステップ１０３）、回帰直線の傾き及びｙ切片が算出され、領域Ａの傾きａ１及びｙ切片ｂ１，領域Ｂの傾きａ２及びｙ切片ｂ２，領域Ｃの傾きａ３及びｙ切片ｂ３を得る（ステップ１０４）。これらの値は、不定形物体のフラクタル次元を反映したデータであり、例えば、領域Ａの回帰直線は不定形物体の輪郭のフラクタル次元の大きさを強く反映したデータになっており、領域Ｃの回帰直線は不定形物体の内部構造のフラクタル次元の大きさを強く反映したデータになっている。

このような演算により、リングディテクタからの出力ｘ1 からｘ8 の他に、ａ１からａ３及びｂ１からｂ３を特徴パラメータとして識別判定に用いることができ、これらの特徴パラメータを要素とする特徴量ベクトルを得ることができる。この特徴量べクトルを用いて、入力された物体がどのカテゴリーに属するかの判定を行う。この判定は、各々のカテゴリーの不定形物体の特徴パラメータがどのような範囲の値を示すかをあらかじめ実験で調べておくことにより、それらの範囲が複数のカテゴリー間で全てのパラメータについて重なることがない限りは、入力された不定形物体の各パラメータの値があらかじめ調べた範囲内に入るか否かの２値論理の組み合わせから行うことができる。

また、あらかじめ学習させて作成した判別用のテーブルを使ってニューロファジー解析や統計的解析を行ってもよい。これらの識別判定装置内の処理は、通常のノイマン型コンピュータを用いてソフトウェアにより判定機能を実現することができるし、同様の機能を電子回路によりハードウェアにより実現することも容易にできる。さらに、識別判定の精度を更に高めるために特徴パラメータとして、例えば、出力ｘ1 からｘ8 をｘ1 からｘ8 の和で正規化したようなパラメータを追加することも好適である。

なお、ステップ１０２における領域の分割は、この識別判定装置１８がステップ１０１の結果に応じて所定の条件で分割するようにしても良いし、予め設定された領域に分割しても良い。またこの分割は行われない場合もある。

この参考例１において、半導体レーザ１１、レンズ１３、ビームスプリッタ７及び２、レンズ６、レンズ３およびリングディテクタ１４から２次元フーリエ変換手段が構成される。リングディテクタ１４及び検出器１７がパワースペクトル検出手段に相当する。識別判定装置１８が有している各機能がパワースペクトル変換手段、回帰演算手段、および識別判定手段、空間周波数領域分割手段にそれぞれ対応している。すなわち、図３のステップ１０１がパワースペクトル変換手段に対応し、ステップ１０２が空間周波数領域分割手段に対応し、ステップ１０３および１０４が回帰演算手段に対応している。また、識別判定装置１８の識別判定機能が識別判定手段に対応している。

実施の形態

参考例１で２次元フーリエ変換の対象となる物体の像は、物体に光をあて直接に得られる像であった。本実施の形態で２次元フーリエ変換の対象となる物体の像は、物体が撮像され、表示装置に表示された像である。図５は、本発明の実施の形態の物体識別装置の構成図である。参考例１と同様に、識別すべき不定形物体は、それらを取り囲む物質とともに、試料５として試料台４の上にセットされており、染色処理などにより、識別すべき不定形物体は背景と特定の光波長域における透過率が異なっているものとする。照明光束１は、レンズ３で集光され、試料台４上の試料５を照明する。試料を透過した照明光束１は、レンズ６，レンズ８を通って、ＣＣＤ５０に到達し、試料５が結像される。即ち、レンズ６とレンズ８とで結像光学系を作っており、例えば、識別すべき不定形物体が比較的小さい物体である場合には、この光学系は、顕微鏡をそのまま用いたものでも構わない。ＣＣＤ５０は、少なくとも前記特定の波長に対して感度を持つものとし、その画面内の特定の位置に、不定形物体を示す濃度値が現れたときに、検出回路５１により、それが認識されるようにしておく。そこで、試料台４を試料台駆動装置１６により矢印Ａ或いはＢの方向に動かすと、識別すべき不定形物体の像がＣＣＤ５０の特定位置に入ったときのみ検出回路５１はそのことを示す信号を得ることができ、不定形物体が試料台４上の特定の位置にあることを知ることができる。即ち、ここでは、照明光束１，レンズ３，試料台４，試料台駆動装置１６，レンズ６，レンズ８，ＣＣＤ５０，検出回路５１により、不定形物体の位置捕捉手段が構成されている。尚、これは、位置検出及び捕捉手段の一例であって、不定形物体の性質に応じて様々な具体例が考えられる。

既述のように、不定形物体の位置が捕捉することができたとする。次にその不定形物体の像は、周囲の背景の像とともに検出回路５１内に設けられた液晶パネル駆動回路を通して液晶パネル５５に表示される。このとき用いる液晶パネルは、液晶テレビや液晶プロジェクタ等に用いられるのと同等のモノクロ液晶パネルでよい。但し、コントラスト及び表示速度の観点から、アクティブマトリクス型の液晶パネルが望ましい。そこで、半導体レーザ５２から出射したコヒーレント光束５３は、レンズ５４を通ってほぼ平行光束となり、液晶パネル５５に入射する。このとき、入射したコヒーレント光束５３が、捕捉された不定形物体の像に照射されるように試料台４が駆動される。最も簡単にはＣＣＤ５０の画面中央に不定形物体が存在するときに、検出回路５１において検出信号を出し、その瞬間に試料台の駆動を停止すれば、コヒーレント光束５３は、液晶パネル５５上で、試料５上の不定形物体像に入射することになる。

既に説明したように、液晶パネル５５上に不定形物体の大きさが小さい(10 μｍ程度) 場合には、コヒーレント光束５３は、試料５を出射して数ｍｍ〜数十ｍｍ伝搬したところで、フラウンフォーファ領域に達する。従って、試料５に入射するコヒーレント光束の集束光束として、フラウンフォーファ領域に達した位置に観測手段を設置すれば、不定形物体を含んだ液晶パネル上のコヒーレント光束５３に照射された部分の複素振幅パターンが観察される。従って、液晶パネル５５を出射したコヒーレント光束５３により、レンズ５６を用いずとも、不定形物体の強度スペクトルパターンをリングディテクタ１４で受光することができる。但し、現状では、そのように小さい画像を表示できるほど解像度の高いマトリックス型液晶パネルは存在しておらず、通常の液晶パネルでは、不定形物体が小さい場合はそれを拡大結像して数mm程度の大きさに表示する方が適当である。この場合には、前記の説明のように、コヒーレント光束５３は、ほぼ平行光束として液晶バネル５５に入射させ、出射光をレンズ５６により集光して、その集光点にリングディテクタ１４を置く。そうすると、前記のようにこの集光点は、液晶パネルに対して、フラウンフォーファ領域と見なすことができる。

リングディテクタ１４は、参考例１におけると同様に、コヒーレント光束５３の光軸を中心とした同心の輪帯状フォトダイオードがその半径方向に並んだもので、その素子数は、 8〜128 程度が適当である。その数が過小の場合には、特徴量情報の不足をもたらし、課題の場合には、識別判定演算速度が遅くなる。また、この輸帯状フオトダイオードは、入力パターンに位相分布がない場合、そのフラウンフォーファ回折パターンが点対称であるため、半円状でも構わない。前記の説明と同様に、リングディテクタ１４で受光されて光量は、検出回路17を経て適当な電圧信号に変換されて出力される。前記の説明と同様に、図２のリングディテクタ受光領域を示す説明図に示すように、８分割のリングディテクタとすれば、ｘ1 からｘ8 までの８つの信号を得ることができ、これらの信号は、不定形物体の空間周波数毎の成分の大きさを反映したものになる。これらの信号は識別判定装置５８に入力され、入力された不定形物体がどのカテゴリーに属するのかの判定を行う。

前述の参考例１と同様、この識別判定装置５８はデジタルコンピュータから構成され、キーボード等の入力装置や表示器、プリンタ等の出力装置を備えている。識別判定装置５８は、図６に示す処理を行う。このような処理を行うようにした原理を以下に説明する。

まず、表面の粗さを測定する方法について説明する。図７は、光学的表面粗さ測定装置の一例の構成を示す構成図である。始めに光源６０から出射したレーザ光束６１は、回転鏡６２に反射して、検出器Ｄ2 へ入射し、レーザ光束６１の全光量R0が測定される。その後、回転鏡６２は回転し、レーザ光束６１は、直進して試料６３に入射する。試料６３上ではレーザ光束が反射するが、もし、試料６３が完全に平らな形状のものであれば。正反射光のみが積分球６４の外に戻って行くが、試料６３に凹凸があれば、波面の位相が乱れて、正反射光以外の散乱光が発生する。この散乱光は積分球内で反射し検出器Ｄ1 で光量Rdが測定される。ここで、測定されたR0とRdの値から、試料の表面粗さを反映したデータRrmsを測定する。このときRrmsは、式３のように求められる。

このようにして、表面粗さ測定は、物体表面で光束が反射するとき波面に乱れが生じて光束の正反射光と散乱光との比率が表面状態によって影響を受けて、それにより全反射光量中の正反射光量が変化することを利用して測定を行う。一方、画像の乱雑さとしては表面粗さのような位相変化ではなく画像パターンの振幅変化で生じ、かつ、正反射光がパワースペクトルパターンの低周波数成分と考えることができるので、表面粗さ測定と同様の原理が適用でき、不定形物体または２次元空間光変調器に表示された不定形物体画像の乱雑さを測定することができることを応用した。なお、表面粗さ測定に関する計算方法は文献「最新精密計測技術P.581(S62発行) 」や、「Relation between the angular dependence of scattering and the statistical properties of optical surfaces J.Opt.Soc.Am,V0l69,No.1(1979)31-4７」等で詳細に述べられている。

そこで本実施の形態の識別判定装置５８では、はじめに、低周波数成分光量の和として信号ｘ1 と信号ｘ2 の和xLが計算され、全光量として信号ｘ1 からｘ8 の和xAが計算される（ステップ２０１、２０２）。そして、式４に示すような演算がされて、特徴パラメータR が算出される（ステップ２０３、２０４）。

ここで得られる特徴パラメータR は、表面の粗さ即ち凹凸の量の測定に用いられる式による表面粗さ量と同等であり、光束波面の物質表面での反射による波面の乱れと、液晶パネルに表示された画像による波面の乱れは同様に考えることができるので、特徴パラメータR は、液晶パネル５５に表示された不定形物体の像の粗さ、乱雑さを反映したデータになっている。例えば、模様のない一様な画像の場合はパラメータR の値は小さくなり、模様のある画像の場合はパラメータR の値は大きくなる。

このような演算により、リングディテクタからの出力ｘ1 からｘ8 の他に、R を特徴パラメータとして識別判定に用いることができ、これらの特徴パラメータを要素とする特徴量ベクトルを得ることができる。この特徴量ベクトルを用いて、入力された物体がどのカテゴリーに属するかの判定を行う。この判定は、各々のカテゴリーの不定形物体の特徴パラメータがどのような範囲の値を示すかをあらかじめ実験で調べておくことにより、それらの範囲が複数のカテゴリー間で全てのパラメータについて重なることがない限りは、入力された不定形物体の各パラメータの値があらかじめ調べた範囲内に入るか否かの２値論理の組み合わせから行うことができる。また、あらかじめ学習させて作成した判別用のテーブルを使ってニューロファジー解析や統計的解析を行ってもよい。

これらの識別判定装置内の処理は、通常のノイマン型コンピュータを用いてソフトウェアにより判定機能を実現することができるし、同様の機能を電子回路によりハードウェアにより実現することも容易にできる。さらに、特徴パラメータとして、例えば、出力ｘ1 からｘ8 をｘ1 からｘ8 の和で正規化したようなパラメータや、参考例１で説明したような特徴パラメータを追加することも好適である。また、ＣＣＤ５０で撮像した画像をデジタル画像処理装置に入力して、不定形物体の面積や色などのデータを取得し、これを特徴パラメータとして追加することも好適である。

この実施の形態において、半導体レーザ５２、レンズ５４、レンズ５６から２次元フーリエ変換手段が構成される。リングディテクタ１４、検出器１７がパワースペクトル検出手段に相当する。識別判定装置５８が有している識別判定機能が識別判定手段に対応している。すなわち、図６に示すステップ２０１乃至２０４の処理機能と、ステップ２０４で求めたパラメータに基づいて物体を識別する機能が識別判定手段に対応している。

参考例２

本参考例２が、参考例１と異なる点は、識別判定装置１８の処理プログラムだけであるので、その構成図は省略し識別判定装置１８の処理について説明する。図８にその処理ステップを示す。この識別判定装置１８において、リングディテクタ１４の各分割領域の出力ｘ1 〜ｘ8 の底αの対数変換値である信号ｘ'1から信号ｘ'8の値が、受光領域１４ａから１４ｈをｘ軸とする仮想グラフ上にプロットされるところまでは前記参考例１と同様である。

仮想グラフの状態は、前記図４と同様になる。そして、参考例１と同様に適当な領域に分割し、各領域毎に回帰直線を計算して傾き及びy 切片を算出してもよいし、領域を分割せずに回帰直線を計算して傾き及びy 切片を算出してもよい（ステップ３０１〜３０４）。本参考例では簡単のため領域を分割せずに、回帰直線を計算し傾きa,y 切片b を求める。更に、検出回路１８からの信号ｘ1 〜ｘ8 の出力の総和を計算し（ステップ３０５）、全光量S とする。この全光量S は、対象画像を透過してきた光量全てであり、対象画像の面積を反映したデータで、面積が大きければ全光量S の値は大きくなり、面積が小さければ小さくなる。その後、これらの値を用いて以下の式５に表すような計算を行う（ステップ３０６）。

上記の式で求められるパラメータR2は、表面の粗さ即ち凹凸の量の測定に用いられる式による表面粗さ量と同等と考えられる。以下に理由を説明する。

対象とする表面の凹凸或いは画像情報を f(x) とし、 f(x)のフーリエ変換を F(x) とすると、f(x)のコンボリューション G（τ) は、パワースペクトルパターンのフーリエ変換と等しいので、

また、表面粗さ測定で用いられる表面粗さ量 Rrms の定義より、測定範囲を Lとすると、

となる。

参考例１で述べたようにMandelbrotらによると一般にf(x)のパワースペクトルは、AK-^2dの形をしており、式１のように表現できる。
式１に基づき、式６を変形しτ＝0 を代入すると、

となる。ここでεは零に近い空間周波数である。式７より、

となる。ここで式１の底αの対数を取った式２について考えると、左辺はパワースペクトルパターンの対数変換されたものであり、-2d が直線の傾きa, log_αA が直線の y切片b と考えることができる。即ち、

従って、式１０，１１を式９に代入すると、

となる。ここでε^a+1について考える。解析されるのは２次元の画像情報であるので、フラクタル次元d の値は1 〜2 になり、このときε^-1〜ε^-3の間の値をとる。このとき、複雑度が大きい場合d=1 に近づき、Rrmsも複雑度が大きいということで値が大きくなるが、このときε^a+1も値が大きくなり、Rrmsの変化する方向には一致している。同様にして複雑度が小さくなる場合も考えることができる。従って、厳密なRrmsとの値とはずれるが、ε^a+1を定数項として考えて式を書き直しても、Rrms値を反映した値を表す式として式１３を使用しても識別分類には問題はない

フラクタル次元の絶対値が小さいほど複雑性が増し、Rrmsが大きくなる。また、粗さが同じ場合、α^b/Lという量は大きさに従うy 切片の増加量を大きさ自体でキャンセルする方向になるので、比較的大きさ或いは面積によらない量にすることができる。式５では、a+1の箇所がaになっており、Rrmsの値が変わってしまうが、識別分類には影響はない。更にまた、本実施の形態のような場合は対象が２次元であるので、測定範囲はL2 となって面積になる。よって、画像の面積を反映したデータである全光量S を使えば、式５と同様になる。

このようにして、画像のパワースペクトルパターンの対数変換パターンの回帰直線の傾きとy 切片から、対象画像の粗さを反映したパラメータR2を得ることができる。

以下は、参考例１および実施の形態で述べた処理と同様にして、不定形物体の識別判定を行うことができる。

ここで、本実施の形態では、全光量S を画像の面積を反映するデータとして計算に用いたが、ＣＣＤカメラなどで撮像した画像をデジタル画像処理装置などで解析して不定形物体の面積を求めて、本実施例の計算に用いても好適である。

本参考例２において、２次元フーリエ変換手段、パワースペクトル検出手段は実施の形態１とおなじ構成である。そして識別判定装置１８が有している各機能がパワースペクトル変換手段、回帰演算手段、面積関連演算手段および識別判定手段にそれぞれ対応している。すなわち、図８のステップ３０１がパワースペクトル変換手段に対応し、ステップ３０２乃至３０４が回帰演算手段に対応し、ステップ３０５が面積関連演算手段に対応し、ステップ３０６が識別判定手段に対応している。

以上の各参考例および実施の形態の装置により白血球の分類を行った場合、従来装置と比較すると次のような結果が得られる。すなわち、識別判定に用いられるパラメータの違いから、例えば単球と大リンパ球のカテゴリ間／標準偏差は次の表１のようになる。

また、本発明により、どのような細胞が識別されるようになったかの具体的例を表２に示す。この例は、１７検体から抽出した３６１個の細胞データによって学習し、１１検体から抽出した４１８個の細胞データのテストにおいて、従来のパラメータの強調２値化高周波規格値による認識率と、今回のパラメータのＲＭＳ粗さ（実施の形態）による認識率とを示したものである。

また、上記各参考例および実施の形態におけるパラメータ、すなわちフラクタル次元、ＲＭＳ粗さ、フラクタルＲＭＳ粗さによれば、従来不可能であった細胞の核の内部構造の画像の特徴を定量化することができる。このため、核の内部構造を表現するのに、例えば網状配列では「緻密」、「疎荒」、顆粒状配列では「繊細」、「粗大」などと定性的に呼ばれ、その基準が人によって異なっていたものを、定量化することができる。したがって白血病の診断における異常血球の分類において、細胞の特徴を客観的に表現することができる。

また、上記各参考例および実施の形態において、試料５は移動する試料台４に載置されて、観測されるようにしたが、特願平8-15281 号に記載されているように、試料５を染色してフローセルに送り、更にシース液をフローセルに送ってシースフローを形成し、これを観測するようにしても良い。

また、上記各参考例および実施の形態のそれぞれにおいて、特願平9-80050 号、特願平9-107162号に記載されているように、色相、彩度などの色情報のパラメータを加えて識別判定を行うようにしても良い。更に、このようなパラメータは、識別の対象カテゴリに応じて適宜組み合わせて用いるなら一層正確な識別を行うことができる。

また、上記各参考例および実施の形態においては、２次元フーリエ変換は光学的手段により求めるようにしたが、画像のデジタルデータを用いて計算により求めるようにしても良い。

本発明の物体識別装置の参考例１の構成図。リングディテクタの構成を示す図。参考例１の動作を説明するためのフローチャート。参考例１の物体識別装置の識別判定装置内で演算する仮想グラフの説明図。本発明の物体識別装置の実施の形態を示す構成図。実施の形態の動作を説明するためのフローチャート。本発明の物体識別装置に関連した光学系表面粗さ測定の一例を示す構成図。参考例２の動作を説明するためのフローチャート。

符号の説明

２、７ビームスプリッタ
３、６、８、５４、５６レンズ
４試料台
９マスク
１０フォトディテクタ
１１、５２半導体レーザ
１４リングディテクタ
１５検出回路
１６試料台駆動回路
１７検出回路
１８、５８識別判定装置
５５液晶パネル

Claims

識別すべき物体の像を２次元フーリエ変換する２次元フーリエ変換手段と、
前記２次元フーリエ変換手段により２次元フーリエ変換された信号のパワースペクトルを検出するパワースペクトル検出手段と、
前記パワースペクトル検出手段により検出されたパワースペクトルにおける低周波数成分光量、全周波数成分光量に基づいて前記物体を識別する識別判定手段とを有することを特徴とする物体識別装置。
前記識別判定手段は、前記全周波数成分光量に対する前記低周波数成分光量の比の対数値の−１乗の平方根を演算する演算手段を有することを特徴とする請求項１記載の物体識別装置。