JP2015011641A - 画像処理フィルタの作成装置及びその方法 - Google Patents

Abstract

【課題】入力画像と出力画像の比較による画像処理フィルタの評価精度を向上させる。
【解決手段】遺伝的プログラミングを利用して画所処理フィルタを作成するにあたり、教示パラメータ取得部３３が画像処理前の入力画像中の特徴的な形状を表す教示パラメータを取得する。データ処理部３１が入力画像を画像処理フィルタ１によって画像処理して出力画像を作成したら、特徴抽出部３６が出力画像中の特徴的な形状を表す検出パラメータを抽出する。自動構成部３４は、教示パラメータと検出パラメータのコサイン類似度を計算することによって画像処理フィルタ１を評価する。
【選択図】図３

Description

本発明は、画像処理フィルタの作成装置及びその方法に関する。

工業製品の外観検査などでは、撮像装置を用いて工業製品の外観を撮影し、欠陥の有無を判定している。ここで、ＦＡ（ファクトリーオートメーション）分野においては、現場の撮影環境に応じたノイズや、影、明るさの変動などが撮影画像に影響を与えることが多く、欠陥部を抽出する画像処理アルゴリズムには、環境変化にロバストな処理の実現が望まれている。また、工業製品の外観を検査する外観検査装置を運用する場合、検査対象の変更や、外観検査装置の改良に起因して検査環境が変化したときに、画像処理アルゴリズムの再構築が必要になることがある。そのため、外観試験装置においては、画像処理方法を容易に構築できることが求められている。

外観検査装置に使用される画像処理装置では、カメラなどで撮影した画像を画像処理フィルタで画像処理することで出力画像を得ている。ここで、従来の画像処理装置では、画像処理フィルタを遺伝的プログラミングに基づいた進化的計算を行って生成することが知られている。遺伝的プログラミングとは、生物の進化の過程をモデルとしたものであり、木構造状の画像処理フィルタに対して交叉処理と突然変異処理を行い、新たな画像処理フィルタを複数生成する。さらに、適応度の高い新しい画像処理フィルタと、初期の画像処理フィルタとを交換し、前記の工程を繰り返すことによって画像処理フィルタを世代交代させ、最適な画像処理フィルタを探索する。

従来の画像処理フィルタの作成工程では、画像処理フィルタの選択工程において、作業者が指定した領域の画像領域に対して画像処理を行う。画像処理は、複数の画像処理フィルタを使用する。そして、複数の画像処理フィルタによって処理された複数の出力画像をディスプレイに表示し、その中から作業者が好ましい出力画像を選択する。そして、作業者に選択された画像を作成した画像処理フィルタに対して進化工程を実行する。

特開２０１０−２６９４５号公報

従来の画像処理フィルタの作成工程では、フィルタ処理後の出力画像を作業者が確認することによって画像処理フィルタを選択していた。即ち、画像処理フィルタの適応度は、画像処理フィルタによる加工前後の画像や、画像を構成する画素を比較することによって行われていた。しかしながら、加工前後の画像の画像や画素を比較する場合には、仮に有効な出力結果であっても、処理後のエッジの線幅の違いや、教示の誤差により適応度が低くなる場合がある。そのため、従来の適応度の算出方法では、有効な処理が遺伝的プログラミングによる最適化により淘汰されてしまうことがあった。
１つの側面では、本発明は、入力画像と出力画像の比較による画像処理フィルタの評価精度を向上させることを目的とする。

実施形態の一観点によれば、入力画像に含まれる形状を特定する第１のパラメータを取得する教示パラメータ取得部と、木構造を有する画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成するデータ処理部と、前記出力画像の形状を特定する第２のパラメータを取得する特徴検出部と、前記第１のパラメータと前記第２のパラメータを比較して前記画像処理フィルタの適応度を算出し、前記画像処理フィルタを遺伝的に進化させて新しい前記画像処理フィルタを作成する構成部と、含むことを特徴とする画像処理フィルタの作成装置が提供される。

また、実施形態の別の観点によれば、入力画像を処理する画像処理フィルタを遺伝的に進化させることにより、新しい前記画像処理フィルタを作成する工程と、前記入力画像に含まれる形状を特定する第１のパラメータを取得する工程と、遺伝的に進化させた前記画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成する工程と、前記出力画像の形状を特定する第２のパラメータを取得する工程と、前記第１のパラメータと前記第２のパラメータを比較することによって前記画像処理フィルタの適応度を算出する工程と、を含むことを特徴とする画像処理フィルタの作成方法が提供される。

入力画像と出力画像の特徴を簡単に、かつ確実に抽出することが可能になるので、入力画像と出力画像の比較による画像処理フィルタの評価精度が向上し、画像処理フィルタの作成精度を向上できる。

図１は、本発明の実施の形態に係る画像処理フィルタの一例を説明する図である。 図２は、本発明の実施の形態に係る画像処理フィルタの作成方法の原理の一例を説明する図である。 図３は、本発明の実施の形態に係る画像処理フィルタの作成装置を含む画像処理装置の概略構成の一例を示すブロック図である。 図４は、本発明の実施の形態に係る画像処理フィルタの作成方法の一例を示すフローチャートである。 図５は、本発明の実施の形態に係る画像処理フィルタの作成方法における特徴パラメータの教示工程の一例を示すフローチャートである。 図６は、本発明の実施の形態に係る特徴パラメータの教示工程で使用される画像と、作業者が特徴的な形状を教唆した状態の一例を説明する図である。 図７は、本発明の実施の形態に係る特徴パラメータの教示工程で作業者が教唆した特徴的な形状から教示パラメータを抽出する工程の一例を説明する図である。 図８は、本発明の実施の形態に係る画像処理フィルタの作成方法における適応度の評価工程の一例を示すフローチャートである。 図９は、本発明の実施の形態に係る画像処理フィルタの作成方法における適応度の評価工程で使用される検出パラメータの抽出工程の一例を説明する図である。

発明の目的及び利点は、請求の範囲に具体的に記載された構成要素及び組み合わせによって実現され達成される。
前述の一般的な説明及び以下の詳細な説明は、典型例及び説明のためのものであって、本発明を限定するためのものではない。

最初に、実施形態の原理を説明する。
この実施形態では、入力画像に対して、遺伝的プログラミングを用いて作成したロバストな画像処理フィルタで画像処理し、目標画像に近い出力画像を取得することを目的とする。出力画像は、例えば、入力画像中の被写体の特徴や、特徴領域を抽出するために用いられる。このような、画像処理は、例えば、ファクトリーオートメーション分野における外観検査の自動化技術に適用される。なお、この実施の形態は、前記の技術以外の分野に使用することも可能である。

図１に示すように、画像処理フィルタ１は、多数のノードを有する木構造を有する。例えば、図１に示す画像処理フィルタ１の木構造は、画像処理前の入力画像Ｐ１を入力する３つの葉ノードＩを有する。さらに、画像処理後の出力画像Ｐ２を出力する根ノードＯを１つ有し、その間に複数のノードＦ１〜Ｆ５を有する。ノードＦ１〜Ｆ５は、１つ１つが所定のプログラムモージュールや演算式になっている。図１には、入力画像Ｐ１の直線Ａ１が画像処理フィルタ１によって直線Ａ２に変換される例が示されている。なお、画像処理フィルタ１の構造は、図１に示すものに限定されない。

次に、図２を参照して、遺伝的プログラミングを使用し、目的の処理に対して適応度が高くなるように画像処理フィルタの木構造を最適化する方法の概念について説明する。
最初に、画像処理フィルタ１の初期個体Ｓ１からなる個体群Ｇ１を生成させる。初期個体Ｓ１となる画像処理フィルタ１は、予め定められた手法によって、所定数、例えば８個生成される。続いて、画像処理フィルタ１の個体群Ｇ１からランダムに２つの個体Ｓ１（画像処理フィルタ１）を取り出し、進化過程を経て新しい個体Ｓ２（画像処理フィルタ１）を生成させる。進化過程では、交差や、突然変異によって、個体Ｓ１の木構造の少なくとも一部を変化させる。交差のさせ方や、突然変異のさせ方、突然変異の発生確率などは、予め設定される。

進化過程によって新しく生成された各個体Ｓ２については、適応度計算工程において、適応度を計算する。適応度は、各個体Ｓ２を用いて生成した画像の特徴量と、予め計算された入力画像Ｐ１の特徴量を比較することで計算される。
続いて、判定工程を実施し、適応度が閾値以上になったか判定する。閾値以上なれば、ロバストな画像処理フィルタの生成が完了したものとし、処理を終了する。一方、適応度が閾値未満であれば、進化過程で生成した個体Ｓ２からなる個体群Ｇｄから、所定数の個体Ｓ２を例えば２つ抽出し、初期の個体群Ｇ１内の個体Ｓ１と置き換える。抽出される個体Ｓ２は、例えば、最良個体選択や、ルーレット選択によって決定される。個体Ｓ２の抽出方法の一例としては、最良個体選択と、ルーレット選択による個体を１つずつ抽出することがある。

以上のようにして、初期の個体群Ｇ１に属する一部の個体Ｓ１を進化させた新しい個体Ｓ２を作成し、初期の個体群Ｇ１の一部を新しい個体Ｓ２に置き換えることにより、２世代目の個体群Ｇ２を作成する。この後、２世代目の個体群Ｇ２をベースに前記と同様の処理を行って、３世代目の個体群Ｇ３を作成する。以降は、同様の処理を所定回数、例えばｍ回繰り返すことによって、世代交代を複数回実行した後、適応度の高い個体Ｓｍを画像処理フィルタ１として取得する。

次に、図３を参照して前記の原理を実現するための装置構成について説明する。画像処理装置２１は、製品の外観を検査する外観検査装置の一部をなし、画像を取得する撮像装置２２と、画像処理部２３と、出力装置２４と、入力装置２５とを含んで構成されている。撮像装置２２は、撮影した画像のデータを画像処理部２３のデータ処理部３１に出力するものである。出力装置２４は、ディスプレイや、プリンタ、記録媒体にデータを書き込む装置などである。入力装置２５は、キーボードやマウスなどである。なお、画像処理装置２１は、画像処理部２３のみを有する構成でも良い。また、画像処理装置２１は、その他の装置、又はその他の装置の一部を構成しても良い。さらに、画像処理装置２１は、汎用のコンピュータに画像処理フィルタ作成プログラムを実行させることによって実現させても良い。

画像処理部２３は、画像を処理する装置と、画像処理フィルタ１の作成装置として機能し、データ処理部３１と、教示パラメータ取得部３３と、自動構成部３４とを含んで構成されている。データ処理部３１は、撮像装置２２で撮像した画像を処理して入力画像Ｐ１を作成したり、画像処理フィルタ１を用いて出力画像Ｐ２を作成したりする。また、画像処理部２３は、この実施の形態に特徴的な機能として、教示パラメータ取得部３３と、自動構成部３４とを有する。教示パラメータ取得部３３は、作業者が入力装置２５を使用して入力画像Ｐ１の特徴量を示す第１のパラメータである教示パラメータを抽出する領域を指定する処理と、教示パラメータの抽出処理に使用される。自動構成部３４は、遺伝的プログラミングに基づいて画像処理フィルタ１の生成を行う。さらに、自動構成部３４は、出力画像Ｐ２の特徴量を示す第２のパラメータである検出パラメータを検出する特徴検出部３５が含まれる。

次に、図４のフローチャートを参照し、画像処理装置１の処理について説明する。
最初に、ステップＳ１０１で、データ処理部３１が撮像装置２２を用いて入力画像Ｐ１の画像データを取得する。続くステップＳ１０２では、教示パラメータ取得部３３が入力画像Ｐ１の特徴量を抽出して教示パラメータを取得する。この後、ステップＳ１０３で、自動構成部３４が画像処理フィルタ１の初期個体群Ｇ１を生成する。ステップＳ１０４では、教示パラメータと検出パラメータから画像処理フィルタ１の適応度を評価する。ここで、ステップＳ１０５に示すように、適応度が閾値を越えていた場合には、その画像処理フィルタ１を採用し、ここでの処理を終了する。この場合、作成した画像処理フィルタ１を使用して撮像装置２２で撮像した画像を処理し、出力装置２４に出力する。

これに対して、ステップＳ１０５で適応度が閾値以下の場合には、ステップＳ１０６に進んで世代交代を行う。その後、端子ＡからステップＳ１０３に戻って新しい画像処理フィルタ１の個体群Ｇ２を生成する。

ここで、ステップＳ１０４は、図２の各個体の適応度計算工程に相当する。ステップＳ１０５の判定工程は、図２の判定工程に相当する。ステップＳ１０６の世代交代は、図２に示す進化工程に相当し、交差や、突然変異によって、個体Ｓ１の木構造の少なくとも一部を変化させる。そして、ステップＳ１０６からステップＳ１０３に戻ると、例えば、図２の個体群Ｇｄから２つの個体Ｓ１が最良個体選択などによって抽出され、個体群Ｇ２が形成される。ステップＳ１０３からステップＳ１０６が繰り返されることによって画像処理フィルタ１の世代交代が進んで画像処理フィルタ１の最適化が図れる。

次に、図５を参照し、ステップＳ１０２のパラメータの教示処理の詳細について説明する。
まず、ステップＳ２０１で、画像処理装置１は、出力装置２４に入力画像Ｐ１を表示させる。続いて、ステップＳ２０２で、教示パラメータ取得部３３が入力画像Ｐ１中の特徴形状を取得する。特徴形状の取得方法は、例えば、出力装置２４に表示させた入力画像Ｐ１を作業者が入力装置２５を使用して領域指定することがあげられる。そして、ステップＳ１０３で、教示パラメータ取得部３３が入力画像Ｐ１の特徴形状を特定する情報として教示パラメータを抽出する。

ここで、図６を参照し、ステップＳ１０２のパラメータの教示処理の具体例について説明する。図６（ａ）に示すような入力画像Ｐ１が得られた場合、作業者が、マウス等の入力装置２５を使用し、教示パラメータ取得部３３が出力装置２４のディスプレイに提供するＧＵＩ（Graphical User Interface）を利用し、画像中の直線や円形をなぞるように描画する。この作業によって、図６（ｂ）に示すように、直線や円形を含む特徴形状が特定される。教示パラメータ取得部３３は、特徴形状を確認し易いように、入力画像Ｐ１中で特徴形状を強調表示させる。例えば、特徴形状には、直線Ｌ１や、円Ｃ１が含まれる。なお、特徴形状は、直線や円形に限定されない。また、特徴形状の数は、２つに限定されず、１つ又は３つ以上でも良い。

教示パラメータ取得部３３は、作業者によって入力された直線や円形に相当する画素の位置データの集合から、教示パラメータＴｎ（ω）（ここで、ｎは正の整数）を抽出する。例えば、図７（ａ）に示すように、特徴的な形状が直線Ｌ１であった場合は、教示パラメータ取得部３３は、作業者が指定した画素の集合から近似式を用いて直線を作成する。さらに、その直線を特徴付けるパラメータとして、画像の所定位置、例えば、基準座標からの距離ｄと、基準座標を通る直線との間の傾きθを抽出し、これらデータを用いて教示パラメータＴ１（ω）を作成する。

また、図７（ｂ）に示すように、特徴的な形状が円形Ｃ１であった場合は、教示パラメータ取得部３３は、作業者が指定した画素の集合から近似式を用いて円形を作成する。そして、その円形を特徴付けるパラメータとして、基準座標を原点とする円Ｃ１の中心座標（ｘ，ｙ）と、半径ｒの情報を抽出し、これらのデータを用いて教示パラメータＴ２（ω）を作成する。ここで、入力画像Ｐ１中の図形を特徴付けるパラメータは、距離ｄや、傾きθ、座標（ｘ，ｙ）、半径ｒに限定されず、その他のパラメータや、それらの組み合わせであっても良い。

次に、図８を参照し、ステップＳ１０４の教示パラメータ及び検出パラメータを用いた適応度の評価処理の詳細について説明する。
まず、ステップＳ３０１で、データ処理部３１が、評価を行う木構造の画像処理フィルタ１を用いて入力画像Ｐ１を画像処理し、出力画像Ｐ２を作成する。ステップＳ３０２では、特徴検出部３６が出力画像Ｐ２から検出パラメータＯｎ（ω）（ここで、ｎは正の整数）を検出する。例えば、図９に一例を示すような出力画像Ｐ２が得られた場合、例えば、ハフ（Hough）変換などを用いて出力画像Ｐ２に含まれる直線Ｌ１や、円Ｃ１の形状を検出する。そして、検出した形状を特定するパラメータを抽出すると、検出パラメータＯ１（ω）、Ｏ２（ω）が得られる。

ここで、検出パラメータＯｎ（ω）は、教示パラメータＴｎ（ω）と対応付けられている。即ち、教示パラメータＴ１（ω）と、同じ場所の同じ形状についての検出パラメータＯ１（ω）は、例えば、同じ原点座標からの距離などの指標を用いて対応付けられる。例えば、直線Ｌ１についての検出パラメータＯ１（ω）は、対応する教示パラメータＴ１（ω）と同様に、距離ｄと傾きθを含む情報になる。同様に、円Ｃ１についての検出パラメータＯ２（ω）は、対応する教示パラメータＴ２（ω）と同様に、座標（ｘ，ｙ）と半径ｒを含む情報になる。

そして、ステップＳ３０３では、自動構成部３４が、検出パラメータＯｎ（ω）と教示パラメータＴｎ（ω）を用いて適応度を計算する。適応度を計算するときには、対応する教示パラメータＴｎ（ω）と検出パラメータＯｎ（ω）を用い、コサイン類似度を用いて適応度を計算する。具体的には、適応度fitnessは、以下の式で算出される。

例えば、入力画像Ｐ１の直線Ｌ１の教示パラメータＴ１（ω）と、出力画像Ｐ２の直線Ｌ１に相当する図形についての検出パラメータＯ１（ω）とから適応度が計算される。同様に、入力画像Ｐ１の円Ｃ１の教示パラメータＴ２（ω）と、出力画像Ｐ２の円Ｃ１に相当する図形についての検出パラメータＯ２（ω）とから適応度が計算される。例えば、円Ｃ１については、（ｘ，ｙ，ｚ）座標系においてコサイン類似度を計算することによって得られる。

そして、適応度が予め定められた閾値以上であれば、ロバストな画像処理フィルタ１が生成できたと判定する。これによって、直線成分や、円形成分の各パラメータにより、入力画像Ｐ１と出力画像Ｐ２の比較評価が可能になる。また、画像の線幅や教示位置のずれを許容した適応度の評価が行えるようになる。

以上、説明したように、この実施の形態では、遺伝的プログラミングを用いて木構造を有する画像処理フィルタ１を作成するにあたり、画像処理フィルタ１を用いた画像処理の前後の画像から抽出した特徴パラメータを比較することにより、画像処理フィルタ１の適応度を算出するようにした。ここで、特徴パラメータには、入力画像Ｐ１の教示パラメータＴｎ（ω）と、出力画像Ｐ２の検出パラメータＯｎ（ω）が使用される。そして、２種類のパラメータＴｎ（ω），Ｏｎ（ω）を比較し、その類似度により木構造の画像処理フィルタ１の適応度を算出するようにした。これにより、画像中の形状の特徴を表すパラメータを用いて入力画像Ｐ１と出力画像Ｐ２を比較することが可能になり、画素単位の位置ズレや線幅等の影響を小さくすることができる。その結果、有効な画像処理フィルタ１が誤って淘汰されることが防止され、最適な画像処理フィルタ１を高速、かつ高精度に探索することが可能となる。
また、画像処理フィルタ１の自動構成の探索精度が向上することで、学習時間の短縮並びに検出精度の向上が見込める。また、入力画像Ｐ１中の形状を指定することによって教示パラメータＴｎ（ω）を取得するので、教示精度による学習結果への影響は小さく、教示作業者の技量は問わない。

ここで挙げた全ての例及び条件的表現は、発明者が技術促進に貢献した発明及び概念を読者が理解するのを助けるためのものであり、ここで具体的に挙げたそのような例及び条件に限定することなく解釈するものであり、また、明細書におけるそのような例の編成は本発明の優劣を示すこととは関係ない。本発明の実施形態を詳細に説明したが、本発明の精神及び範囲から逸脱することなく、それに対して種々の変更、置換及び変形を施すことができる。

以下に、前記の実施の形態の特徴を付記する。
（付記１）
入力画像に含まれる形状を特定する第１のパラメータを取得する教示パラメータ取得部と、木構造を有する画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成するデータ処理部と、前記出力画像の形状を特定する第２のパラメータを取得する特徴検出部と、前記第１のパラメータと前記第２のパラメータを比較して前記画像処理フィルタの適応度を算出し、前記画像処理フィルタを遺伝的に進化させて新しい前記画像処理フィルタを作成する構成部と、含むことを特徴とする画像処理フィルタの作成装置。
（付記２） 前記教示パラメータ取得部は、前記第１のパラメータ及び前記第２のパラメータとして、基準座標から直線までの距離と、基準座標を通る直線との間の傾きを抽出するように構成したことを特徴とする付記１に記載の画像処理フィルタの作成装置。
（付記３） 前記特徴検出部は、前記第１のパラメータ及び前記第２のパラメータとして、円の中心の座標と、半径を抽出するように構成したことを特徴とする付記１又は付記２に記載の画像処理フィルタの作成装置。
（付記４） 前記構成部は、コサイン類似度を用いて前記第１のパラメータと前記第２のパラメータの比較し、コサイン類似度が所定値以上になったら前記画像処理フィルタを遺伝的に進化させる工程を終了させるように構成したことを特徴とする付記１乃至付記３のいずれか一項に記載の画像処理フィルタの作成装置。
（付記５） 入力画像を処理する画像処理フィルタを遺伝的に進化させることにより、新しい前記画像処理フィルタを作成する工程と、前記入力画像に含まれる形状を特定する第１のパラメータを取得する工程と、遺伝的に進化させた前記画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成する工程と、前記出力画像の形状を特定する第２のパラメータを取得する工程と、前記第１のパラメータと前記第２のパラメータを比較することによって前記画像処理フィルタの適応度を算出する工程と、を含むことを特徴とする画像処理フィルタの作成方法。
（付記６） 前記画像処理フィルタの適応度を算出する工程は、コサイン類似度を用いて前記第１のパラメータと前記第２のパラメータを比較し、コサイン類似度が所定値以上になったら前記画像処理フィルタを遺伝的に進化させる工程を終了することを特徴とする付記５に記載の画像処理フィルタの作成方法。
（付記７） 入力画像を処理する画像処理フィルタを遺伝的に進化させることにより、新しい前記画像処理フィルタを作成し、前記入力画像に含まれる形状を特定する第１のパラメータを取得し、遺伝的に進化させた前記画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成し、前記出力画像の形状を特定する第２のパラメータを取得し、前記第１のパラメータと前記第２のパラメータを比較することによって前記画像処理フィルタの適応度を算出する処理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フィルタの作成プログラム。
（付記８） 前記第１のパラメータと前記第２のパラメータは、直線形状を特定するパラメータとして、基準座標からの距離と、基準座標を通る直線との間の傾きの情報を含むことを特徴とする付記７に記載の画像処理フィルタの作成プログラム。
（付記９） 前記第１のパラメータと前記第２のパラメータは、円形状を特定するパラメータとして、中心の座標と、半径の情報を含むことを特徴とする付記７又は付記８に記載の画像処理フィルタの作成プログラム。
（付記１０） 前記第１のパラメータと前記第２のパラメータの比較は、コサイン類似度を用い、コサイン類似度が所定値以上になったら前記画像処理フィルタを遺伝的に進化させる工程を終了することを特徴とする付記７乃至付記９のいずれか一項に記載の画像処理フィルタの作成プログラム。

１ 画像処理フィルタ
２１ 画像処理装置（画像処理フィルタの作成装置）
２３ 画像処理部２３（画像処理フィルタの作成装置）
３１ データ処理部
３３ 教示パラメータ取得部
３４ 構成部
３６ 特徴検出部
Ｏｎ（ω） 検出パラメータ（第２のパラメータ）
Ｐ１ 入力画像
Ｐ２ 出力画像
Ｔｎ（ω） 教示パラメータ（第１のパラメータ）

Claims (5)

1. 入力画像に含まれる形状を特定する第１のパラメータを取得する教示パラメータ取得部と、
   木構造を有する画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成するデータ処理部と、
   前記出力画像の形状を特定する第２のパラメータを取得する特徴検出部と、
   前記第１のパラメータと前記第２のパラメータを比較して前記画像処理フィルタの適応度を算出し、前記画像処理フィルタを遺伝的に進化させて新しい前記画像処理フィルタを作成する構成部と、
   含むことを特徴とする画像処理フィルタの作成装置。
2. 前記教示パラメータ取得部は、前記第１のパラメータ及び前記第２のパラメータとして、基準座標から直線までの距離と、基準座標を通る直線との間の傾きを抽出するように構成したことを特徴とする請求項１に記載の画像処理フィルタの作成装置。
3. 前記特徴検出部は、前記第１のパラメータ及び前記第２のパラメータとして、円の中心の座標と、半径を抽出するように構成したことを特徴とする請求項１又は請求項２に記載の画像処理フィルタの作成装置。
4. 入力画像を処理する画像処理フィルタを遺伝的に進化させることにより、新しい前記画像処理フィルタを作成する工程と、
   前記入力画像に含まれる形状を特定する第１のパラメータを取得する工程と、
   遺伝的に進化させた前記画像処理フィルタを使用して前記入力画像を画像処理して出力画像を作成する工程と、
   前記出力画像の形状を特定する第２のパラメータを取得する工程と、
   前記第１のパラメータと前記第２のパラメータを比較することによって前記画像処理フィルタの適応度を算出する工程と、
   を含むことを特徴とする画像処理フィルタの作成方法。
5. 前記画像処理フィルタの適応度を算出する工程は、コサイン類似度を用いて前記第１のパラメータと前記第２のパラメータを比較し、コサイン類似度が所定値以上になったら前記画像処理フィルタを遺伝的に進化させる工程を終了することを特徴とする請求項４に記載の画像処理フィルタの作成方法。

Images