JP2017146209A - 検査装置及び検査方法 - Google Patents

Abstract

【課題】被検査体の異常をより高精度に検出することができる検査装置を得る。【解決手段】実施形態の検査装置は、被検査体の同一の領域の画像データであって被検査体で反射した光の特徴を示す複数の異なる特徴画像データのうち第１の特徴画像データから、異常領域の候補である異常候補を検出する検出部と、異常候補の位置に基づいて、異常候補をグループに分けるグループ化部と、第１の特徴画像データの異常候補の特徴量を取得する第１の取得部と、複数の特徴画像データのうち第２の特徴画像データの、第１の特徴画像データ中の異常候補と同じ領域の特徴量を取得する第２の取得部と、グループ毎に特徴量を用いる多変量解析を行うことによって、異常領域を決定する決定部と、を備える。【選択図】図１

Description

本発明の実施形態は、検査装置及び検査方法に関する。

従来、被検査体に光を照射し、当該被検査体の表面からの反射光を画像データとして撮像し、当該画像データの輝度変化等に基づいて、被検査体の異常を検出する技術が提案されている。

特開２０１５−１９７３４５号公報 特開２０１３−２３９９３４号公報 特開２０１２−１１７９０８号公報 特開２０１２−１１７９０７号公報

この種の技術では、被検査体の異常をより高精度に検出することができれば有意義である。

実施形態の検査装置は、被検査体の同一の領域の画像データであって前記被検査体で反射した光の特徴を示す複数の異なる特徴画像データのうち第１の前記特徴画像データから、異常領域の候補である異常候補を検出する検出部と、前記異常候補の位置に基づいて、前記異常候補をグループに分けるグループ化部と、前記第１の特徴画像データの前記異常候補の特徴量を取得する第１の取得部と、前記複数の特徴画像データのうち第２の前記特徴画像データの、前記第１の特徴画像データ中の前記異常候補と同じ領域の特徴量を取得する第２の取得部と、前記グループ毎に前記特徴量を用いる多変量解析を行うことによって、前記異常領域を決定する決定部と、を備える。

図１は、実施形態の検査システムの構成例を示した図である。 図２は、実施形態の時間相関カメラの構成を示したブロック図である。 図３は、実施形態の時間相関カメラで時系列順に蓄積されたフレームを表した概念図である。 図４は、実施形態の照明装置が照射する縞パターンの一例を示した図である。 図５は、実施形態の時間相関カメラによる、被検査体の異常の第１の検出例を示した図である。 図６は、図５に示される異常が被検査体にある場合に、当該異常に応じて変化する、光の振幅の例を表した図である。 図７は、実施形態の時間相関カメラによる、被検査体の異常の第２の検出例を示した図である。 図８は、実施形態の時間相関カメラによる、被検査体の異常の第３の検出例を示した図である。 図９は、実施形態の照明制御部が照明装置に出力する縞パターンの例を示した図である。 図１０は、実施形態のスクリーンを介した後の縞パターンを表した波の形状の例を示した図である。 図１１は、実施形態の画像データを説明するための説明図である。 図１２は、実施形態の位相画像データ用の異常候補検出処理の手順を示すフローチャートである。 図１３は、実施形態において位相限定ラプラシアンを用いた処理が実行される前の位相画像データの例を示した図である。 図１４は、図１３における位相の変化の例を示した概略図である。 図１５は、実施形態の検査システムで用いられる位相限定ラプラシアンに対応するラプラシアンフィルタの例を示した図である。 図１６は、実施形態において位相限定ラプラシアンを用いた処理が実行された後の位相画像データの例を示した図である。 図１７は、実施形態の強度画像データにおける特徴量の取得について説明するための説明図である。 図１８は、実施形態の位相ラプラシアン画像データにおける特徴量の取得について説明するための説明図である。 図１９は、実施形態の強度画像データにおける他の特徴量の取得について説明するための説明図である。 図２０は、実施形態の位相ラプラシアン画像データにおける他の特徴量の取得について説明するための説明図である。 図２１は、実施形態の振幅画像データにおける特徴量の取得について説明するための説明図である。 図２２は、実施形態の振幅画像データにおける他の特徴量の取得について説明するための説明図である。 図２３は、実施形態の和画像データ中でのグループ毎の画素数の取得について説明するための説明図である。 図２４は、実施形態の異常検出処理部が実行する異常検出処理の手順を示すフローチャートである。 図２５は、実施形態の検査システムにおける被検査体の検査処理の手順を示すフローチャートである。 図２６は、変形例１の振幅画像データ用の異常候補検出処理の手順を示すフローチャートである。

（実施形態）
本実施形態の検査システムについて説明する。実施形態の検査システムは、被検査体を検査するために様々な構成を備えている。図１は、本実施形態の検査システムの構成例を示した図である。図１に示されるように、本実施形態の検査システムは、ＰＣ１００と、時間相関カメラ１１０と、照明装置１２０と、スクリーン１３０と、アーム１４０と、を備えている。ＰＣ１００は、検査装置の一例である。

アーム１４０は、被検査体１５０を固定するために用いられ、ＰＣ１００からの制御に応じて、時間相関カメラ１１０が撮影可能な被検査体１５０の表面の位置と向きを変化させる。

照明装置１２０は、被検査体１５０に光を照射する装置であって、ＰＣ１００からの縞パターンに従って、照射する光の強度を領域単位で制御できる。さらに、照明装置１２０は、周期的な時間の遷移に従って当該領域単位の光の強度を制御できる。換言すれば、照明装置１２０は、光の強度の周期的な時間変化及び空間変化を与えることができる。なお、具体的な光の強度の制御手法については後述する。

スクリーン１３０は、照明装置１２０から出力された光を拡散させた上で、被検査体１５０に対して面的に光を照射する。本実施形態のスクリーン１３０は、照明装置１２０から入力された周期的な時間変化及び空間変化が与えられた光を、面的に被検査体１５０に照射する。なお、照明装置１２０とスクリーン１３０との間には、集光用のフレネルレンズ等の光学系部品（図示されず）が設けられてもよい。

なお、本実施形態は、照明装置１２０とスクリーン１３０とを組み合わせて、光強度の周期的な時間変化及び空間変化を与える面的な照射部を構成する例について説明するが、このような組み合わせに制限するものではなく、例えば、ＬＥＤを面的に配置して照明部を構成してもよい。

図２は、本実施形態の時間相関カメラ１１０の構成を示したブロック図である。図２に示されるように、時間相関カメラ１１０は、光学系２１０と、イメージセンサ２２０と、データバッファ２３０と、制御部２４０と、参照信号出力部２５０と、を備えている。

光学系２１０は、撮影レンズ等を含み、時間相関カメラ１１０の外部の被写体（被検査体を含む）からの光束を透過し、その光束により形成される被写体の光学像を結像させる。

イメージセンサ２２０は、光学系２１０を介して入射された光の強弱を光強度信号として画素毎に高速に出力可能なセンサとする。

本実施形態の光強度信号は、検査システムの照明装置１２０が被写体（被検査体を含む）に対して光を照射し、当該被写体からの反射光を、イメージセンサ２２０が受け取ったものである。

イメージセンサ２２０は、例えば従来のものと比べて高速に読み出し可能なセンサであり、行方向（ｘ方向）、列方向（ｙ方向）の２種類の方向に画素が配列された２次元平面状に構成されたものとする。そして、イメージセンサ２２０の各画素を、画素Ｐ（１，１），……，Ｐ（ｉ，ｊ），……，Ｐ（Ｘ，Ｙ）とする（なお、本実施形態の画像サイズをＸ×Ｙとする。）。なお、イメージセンサ２２０の読み出し速度を制限するものではなく、従来と同様であってもよい。

イメージセンサ２２０は、光学系２１０によって透過された、被写体（被検査体を含む）からの光束を受光して光電変換することで、被写体から反射された光の強弱を示した光強度信号（撮影信号）で構成される、２次元平面状のフレームを生成し、制御部２４０に出力する。本実施形態のイメージセンサ２２０は、読み出し可能な単位時間毎に、当該フレームを出力する。

本実施形態の制御部２４０は、例えばＣＰＵ、ＲＯＭ、及びＲＡＭ等で構成され、ＲＯＭに格納された検査プログラムを実行することで、転送部２４１と、読出部２４２と、強度画像用重畳部２４３と、第１の乗算器２４４と、第１の相関画像用重畳部２４５と、第２の乗算器２４６と、第２の相関画像用重畳部２４７と、画像出力部２４８と、を実現する。なお、ＣＰＵ等で実現することに制限するものではなく、ＦＰＧＡ、またはＡＳＩＣで実現してもよい。

転送部２４１は、イメージセンサ２２０から出力された、光強度信号で構成されたフレームを、データバッファ２３０に、時系列順に蓄積する。

データバッファ２３０は、イメージセンサ２２０から出力された、光強度信号で構成されたフレームを、時系列順に蓄積する。

図３は、本実施形態の時間相関カメラ１１０で時系列順に蓄積されたフレームを表した概念図である。図３に示されるように、本実施形態のデータバッファ２３０には、時刻ｔ（ｔ＝ｔ０，ｔ１，ｔ２，……，ｔｎ）毎の複数の光強度信号Ｇ（１，１，ｔ），……，Ｇ（ｉ，ｊ，ｔ），……，Ｇ（Ｘ，Ｙ，ｔ）の組み合わせで構成された複数のフレームＦｋ（ｋ＝１，２，……，ｎ）が、時系列順に蓄積される。なお、時刻ｔで作成される一枚のフレームは、光強度信号Ｇ（１，１，ｔ），……，Ｇ（ｉ，ｊ，ｔ），……，Ｇ（Ｘ，Ｙ，ｔ）で構成される。

本実施形態の光強度信号（撮像信号）Ｇ（１，１，ｔ），……，Ｇ（ｉ，ｊ，ｔ），……，Ｇ（Ｘ，Ｙ，ｔ）には、フレーム画像Ｆｋ（ｋ＝１，２，……，ｎ）を構成する各画素Ｐ（１，１），……，Ｐ（ｉ，ｊ），……，Ｐ（Ｘ，Ｙ）が対応づけられている。

イメージセンサ２２０から出力されるフレームは、光強度信号のみで構成されており、換言すればモノクロの画像データとも考えることができる。なお、本実施形態は、解像度、感度、及びコスト等を考慮して、イメージセンサ２２０がモノクロの画像データを生成する例について説明するが、イメージセンサ２２０としてモノクロ用のイメージセンサに制限するものではなく、カラー用のイメージセンサを用いてもよい。

図２に戻り、本実施形態の読出部２４２は、データバッファ２３０から、光強度信号Ｇ（１，１，ｔ），……，Ｇ（ｉ，ｊ，ｔ），……，Ｇ（Ｘ，Ｙ，ｔ）をフレーム単位で、時系列順に読み出して、第１の乗算器２４４と、第２の乗算器２４６と、強度画像用重畳部２４３と、に出力する。

本実施形態の時間相関カメラ１１０は、読出部２４２の出力先毎に画像データを生成する。換言すれば、時間相関カメラ１１０は、３種類の画像データを作成する。

本実施形態の時間相関カメラ１１０は、３種類の画像データとして、強度画像データＩＡ１（図１１）と、２種類の時間相関画像データと、を生成する。なお、本実施形態は、３種類の画像データを生成することに制限するものではなく、強度画像データＩＡ１を生成しない場合や、１種類又は３種類以上の時間相関画像データを生成する場合も考えられる。

本実施形態のイメージセンサ２２０は、上述したように単位時間毎に、光強度信号で構成されたフレームを出力している。しかしながら、通常の画像データを生成するためには、撮影に必要な露光時間分の光強度信号が必要になる。そこで、本実施形態では、強度画像用重畳部２４３が、撮影に必要な露光時間分の複数のフレームを重畳して、強度画像データＩＡ１を生成する。なお、強度画像データＩＡ１の各画素値（光の強度を表す値）Ｇ（ｘ，ｙ）は、以下に示す式（１）から導き出すことができる。なお、露光時間は、ｔ０とｔｎの時間差とする。強度画像データＩＡ１は、時間相関カメラ１１０により撮像されている間（撮像間隔の間）に被検査体から反射した光の光強度信号による輝度値を示した画像データとする。

これにより、従来のカメラの撮影と同様に、被写体（被検査体を含む）が撮影された強度画像データＩＡ１が生成される。そして、強度画像用重畳部２４３は、生成した強度画像データＩＡ１を、画像出力部２４８に出力する。

時間相関画像データは、時間遷移に応じた光の強弱の変化を示す画像データである。つまり、本実施形態では、時系列順のフレーム毎に、当該フレームに含まれる光強度信号に対して、時間遷移を示した参照信号を乗算し、参照信号と光強度信号との乗算結果である時間相関値で構成された、時間相関値フレームを生成し、複数の時間相関値フレームを重畳することで、時間相関画像データを生成する。

ところで、時間相関画像データを用いて、被検査体の異常を検出するためには、イメージセンサ２２０に入力される光強度信号を、参照信号に同期させて変化させる必要がある。このために、照明装置１２０が、上述したように、スクリーン１３０を介して周期的に時間変化及び縞の空間的な移動を与えるような、面的な光の照射を行うこととした。

本実施形態では、２種類の時間相関画像データを生成する。参照信号は、時間遷移を表した信号であればよいが、本実施形態では、複素正弦波ｅ^-jωtを用いる。なお、角周波数ω、時刻ｔとする。参照信号を表す複素正弦波ｅ^-jωtが、上述した露光時間（換言すれば強度画像データＩＡ１、時間相関画像データを生成するために必要な時間）の一周期と相関をとるように、角周波数ωが設定されるものとする。換言すれば、照明装置１２０及びスクリーン１３０等の照明部によって形成された面的かつ動的な光は、被検査体１５０の表面（反射面）の各位置で第一の周期（時間周期）での時間的な照射強度の変化を与えるとともに、表面に沿った少なくとも一方向に沿った第二の周期（空間周期）での空間的な照射強度の増減分布を与える。この面的な光は、表面で反射される際に、当該表面のスペック（法線ベクトルの分布等）に応じて複素変調される。時間相関カメラ１１０は、表面で複素変調された光を受光し、第一の周期の参照信号を用いて直交検波（直交復調）することにより、複素信号としての時間相関画像データを得る。このような複素時間相関画像データに基づく変復調により、表面の法線ベクトルの分布に対応した特徴を検出することができる。

複素正弦波ｅ^-jωtは、ｅ^-jωt＝ｃｏｓ（ωｔ）−ｊ・ｓｉｎ（ωｔ）と表すこともできる。従って、時間相関画像データの各画素値Ｃ（ｘ，ｙ）は、以下に示す式（２）から導き出すことができる。

本実施形態では、式（２）において、実数部を表す画素値Ｃ１（ｘ，ｙ）と、虚数部を表す画素値Ｃ２（ｘ，ｙ）と、に分けて２種類の時間相関画像データを生成する。

このため、参照信号出力部２５０は、第１の乗算器２４４と、第２の乗算器２４６と、に対してそれぞれ異なる参照信号を生成し、出力する。本実施形態の参照信号出力部２５０は、複素正弦波ｅ^-ｊωtの実数部に対応する第１の参照信号ｃｏｓωｔを第１の乗算器２４４に出力し、複素正弦波ｅ^-jωtの虚数部に対応する第２の参照信号ｓｉｎωｔを第２の乗算器２４６に出力する。このように本実施形態の参照信号出力部２５０は、互いにヒルベルト変換対をなす正弦波及び余弦波の時間関数として表される２種類の参照信号を出力する例について説明するが、参照信号は時間関数のような時間遷移に応じて変化する参照信号であればよい。

そして、第１の乗算器２４４は、読出部２４２から入力されたフレーム単位で、当該フレームの光強度信号毎に、参照信号出力部２５０から入力された複素正弦波ｅ^-jωtの実数部ｃｏｓωｔを乗算する。

第１の相関画像用重畳部２４５は、撮影に必要な露光時間分の複数のフレームについて、第１の乗算器２４４の乗算結果を画素毎に重畳する処理を行う。これにより、第１の時間相関画像データの各画素値Ｃ１（ｘ，ｙ）が、以下の式（３）から導出される。

そして、第２の乗算器２４６は、読出部２４２から入力されたフレームの光強度信号に対して、参照信号出力部２５０から入力された複素正弦波ｅ^-jωtの虚数部ｓｉｎωｔを乗算する。

第２の相関画像用重畳部２４７は、撮影に必要な露光時間分の複数のフレームについて、第２の乗算器２４６の乗算結果を画素毎に重畳する処理を行う。これにより、第２の時間相関画像データの各画素値Ｃ２（ｘ，ｙ）が、以下の式（４）から導出される。

上述した処理を行うことで、２種類の時間相関画像データ、換言すれば２自由度を有する時間相関画像データを生成できる。

また、本実施形態は、参照信号の種類を制限するものでない。例えば、本実施形態では、複素正弦波ｅ^-jωtの実部と虚部の２種類の時間相関画像データを作成するが、光の振幅と、光の位相と、による２種類の画像データを生成してもよい。

なお、本実施形態の時間相関カメラ１１０は、時間相関画像データとして、複数系統分作成可能とする。これにより、例えば複数種類の幅の縞が組み合わされた光が照射された際に、上述した実部と虚部とによる２種類の時間相関画像データを、縞の幅毎に作成可能とする。このために、時間相関カメラ１１０は、２個の乗算器と２個の相関画像用重畳部とからなる組み合わせを、複数系統分備えるとともに、参照信号出力部２５０は、系統毎に適した角周波数ωによる参照信号を出力可能とする。

そして、画像出力部２４８が、２種類の時間相関画像データと、強度画像データＩＡ１と、をＰＣ１００に出力する。これにより、ＰＣ１００が、２種類の時間相関画像データと、強度画像データＩＡ１と、を用いて、被検査体の異常を検出する。そのためには、被写体に対して光を照射する必要がある。

本実施形態の照明装置１２０は、高速に移動する縞パターンを照射する。図４は、本実施形態の照明装置１２０が照射する縞パターンの一例を示した図である。図４に示す例では、縞パターンをｘ方向にスクロール（移動）させている例とする。白い領域が縞に対応した明領域、黒い領域が縞と縞との間に対応した間隔領域（暗領域）である。

本実施形態では、時間相関カメラ１１０が強度画像データＩＡ１及び時間相関画像データを撮影する露光時間で、照明装置１２０が照射する縞パターンを一周期分移動させる。これにより、照明装置１２０は、光の強度の縞パターンの空間的な移動により光の強度の周期的な時間変化を与える。本実施形態では、図４の縞パターンが一周期分移動する時間を、露光時間と対応させることで、時間相関画像データの各画素には、少なくとも、縞パターン一周期分の光の強度信号に関する情報が埋め込まれる。

図４に示されるように、本実施形態では、照明装置１２０が矩形波に基づく縞パターンを照射する例について説明するが、矩形波以外を用いてもよい。本実施形態では、照明装置１２０がスクリーン１３０を介して照射することで、矩形波の明暗の境界領域をぼかすことができる。

本実施形態では、照明装置１２０が照射する縞パターンをＡ（１＋ｃｏｓ（ωｔ＋ｋｘ））と表す。すなわち、縞パターンには、複数の縞が反復的に（周期的に）含まれる。なお、被検査体に照射される光の強度は０〜２Ａの間で調整可能とし、光の位相ｋｘとする。ｋは、縞の波数である。ｘは、位相が変化する方向である。

そして、フレームの各画素の光強度信号ｆ（ｘ，ｙ，ｔ）の基本周波数成分は、以下の式（５）として表すことができる。式（５）で示されるように、ｘ方向で縞の明暗が変化する。

ｆ（ｘ，ｙ，ｔ）＝Ａ（１＋ｃｏｓ（ωｔ＋ｋｘ））
＝Ａ＋Ａ／２｛ｅ^j(ωt+kx)＋ｅ^-j(ωt+kx)｝……（５）

式（５）で示されるように、照明装置１２０が照射する縞パターンの強度信号は、複素数として考えることができる。

そして、イメージセンサ２２０には、当該照明装置１２０からの光が被写体（被検査体を含む）から反射して入力される。

したがって、イメージセンサ２２０に入力される光強度信号Ｇ（ｘ，ｙ，ｔ）を、照明装置１２０が照射した際のフレームの各画素の光強度信号ｆ（ｘ，ｙ，ｔ）とできる。そこで、強度画像データＩＡ１を導出するための式（１）に式（５）を代入すると、式（６）を導出できる。なお、位相ｋｘとする。

式（６）から、強度画像データＩＡ１の各画素には、露光時間Ｔに、照明装置１２０が出力している光の強度の中間値Ａを乗じた値が入力されていることが確認できる。さらに、時間相関画像データを導出するための式（２）に式（５）を代入すると、式（７）を導出できる。なお、ＡＴ／２を振幅とし、ｋｘを位相とする。

これにより、式（７）で示された複素数で示された時間相関画像データは、上述した２種類の時間相関画像データと置き換えることができる。つまり、上述した実部と虚部とで構成される時間相関画像データには、被検査体に照射された光強度変化における位相変化と振幅変化とが含まれている。換言すれば、本実施形態のＰＣ１００は、２種類の時間相関画像データに基づいて、照明装置１２０から照射された光の位相変化と、光の振幅変化と、を検出できる。そこで、本実施形態のＰＣ１００が、時間相関画像データ及び強度画像データＩＡ１に基づいて、画素毎に入る光の振幅を表した振幅画像データＩＡ２（図２１）と、画素毎に入る光の位相変化を表した位相画像データＩＡ３（図１１）と、を生成する。

さらに、ＰＣ１００は、強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３及び後述の位相ラプラシアン画像データＩＡ４に基づいて、被検査体の異常を検出する。

ところで、被検査体の表面形状に凹凸に基づく異常が生じている場合、被検査体の表面の法線ベクトルの分布には異常に対応した変化が生じている。また、被検査体の表面に光を吸収するような異常が生じている場合、反射した光の強度に変化が生じる。法線ベクトルの分布の変化は、光の位相変化及び振幅変化のうち少なくともいずれか一つとして検出される。そこで、本実施形態では、時間相関画像データ及び強度画像データＩＡ１を用いて、法線ベクトルの分布の変化に対応した、光の位相変化及び振幅変化のうち少なくともいずれか一つを検出する。これにより、表面形状の異常を検出可能となる。次に、被検査体の異常、法線ベクトル、及び光の位相変化又は振幅変化の関係について説明する。

図５は、本実施形態の時間相関カメラ１１０による、被検査体の異常の第１の検出例を示した図である。図５に示される例では、被検査体５００に突形状の異常５０１がある状況とする。当該状況においては、異常５０１の点５０２の近傍領域においては、法線ベクトル５２１、５２２、５２３が異なる方向を向いていることを確認できる。そして、当該法線ベクトル５２１、５２２、５２３が異なる方向を向いていることで、異常５０１から反射した光に拡散（例えば、光５１１、５１２、５１３）が生じ、時間相関カメラ１１０のイメージセンサ２２０の任意の画素５３１に入る縞パターンの幅５０３が広くなる。

図６は、図５に示される異常５０１が被検査体５００にある場合に、当該異常に応じて変化する、光の振幅の例を表した図である。図６に示される例では、光の振幅を実部（Ｒｅ）と、虚部（Ｉｍ）に分けて２次元平面上に表している。図６では、図５の光５１１、５１２、５１３に対応する光の振幅６１１、６１２、６１３として示している。そして、光の振幅６１１、６１２、６１３は互いに打ち消し合い、イメージセンサ２２０の当該任意の画素５３１には、振幅６２１の光が入射する。

したがって、図６に示される状況で、被検査体５００の異常５０１が撮像された領域で振幅が小さいことが確認できる。換言すれば、振幅変化を示した振幅画像データＩＡ２で、周囲と比べて暗くなっている領域がある場合に、当該領域で光同士の振幅の打ち消し合いが生じていると推測できるため、当該領域に対応する被検査体５００の位置で異常５０１が生じていると判断できる。

本実施形態の検査システムは、図５の異常５０１のように傾きが急峻に変化しているものに限らず、緩やかに変化する異常も検出できる。図７は、本実施形態の時間相関カメラ１１０による、被検査体の異常の第２の検出例を示した図である。図７に示される例では、正常な場合は被検査体の表面が平面（換言すれば法線が平行）となるが、被検査体７００に緩やかな勾配７０１が生じた状況とする。このような状況においては、勾配７０１上の法線ベクトル７２１、７２２、７２３も同様に緩やかに変化する。したがって、イメージセンサ２２０に入力する光７１１、７１２、７１３も少しずつずれていく。図７に示される例では、緩やかな勾配７０１のために光の振幅の打ち消し合いは生じないため、図５、図６で表したような光の振幅はほとんど変化しない。しかしながら、本来スクリーン１３０から投影された光が、そのままイメージセンサに平行に入るはずが、緩やかな勾配７０１のために、スクリーン１３０から投影された光が平行の状態でイメージセンサに入らないために、光に位相変化が生じる。従って、光の位相変化について、周囲等との違いを検出することで、図７に示したような緩やかな勾配７０１による異常を検出できる。

また、被検査体の表面形状（換言すれば、被検査体の法線ベクトルの分布）以外にも異常が生じる場合がある。図８は、本実施形態の時間相関カメラ１１０による、被検査体の異常の第３の検出例を示した図である。図８に示される例では、被検査体８００に汚れ８０１が付着しているため、照明装置１２０から照射された光が吸収あるいは拡散反射し、時間相関カメラ１１０の、汚れ８０１を撮影している任意の画素領域では光がほとんど強度変化しない例を表している。換言すれば、汚れ８０１を撮影している任意の画素領域では、光強度は位相打ち消しを起こし振動成分がキャンセルされ、ほとんど直流的な明るさになる例を示している。

このような場合、汚れ８０１を撮影している画素領域においては、光の振幅がほとんどないため、振幅画像データＩＡ２を表示した際に、周囲と比べて暗くなる領域が生じる。したがって、当該領域に対応する被検査体８００の位置に、汚れ等の異常８０１があることを推定できる。

このように、本実施形態では、時間相関画像データに基づいて、光の振幅の変化と、光の位相の変化と、を検出することで、被検査体に異常があることを推定できる。

図１に戻り、ＰＣ１００について説明する。ＰＣ１００は、検出システム全体の制御を行う。ＰＣ１００は、アーム制御部１０１と、照明制御部１０２と、制御部１０３と、を備えている。

アーム制御部１０１は、被検査体１５０の時間相関カメラ１１０による撮像対象となる表面を変更するために、アーム１４０を制御する。本実施形態では、ＰＣ１００において、被検査体１５０の撮影対象となる表面を複数設定しておく。そして、時間相関カメラ１１０が被検査体１５０の撮影が終了する毎に、アーム制御部１０１が、当該設定に従って、時間相関カメラ１１０が設定された表面を撮影できるように、アーム１４０を制御して被検査体１５０を移動させる。なお、本実施形態は撮影が終了する毎にアーム１４０を移動させ、撮影が開始する前に停止させることを繰り返すことに制限するものではなく、継続的にアーム１４０を駆動させてもよい。なお、アーム１４０は、搬送部、移動部、位置変更部、姿勢変更部等とも称されうる。

照明制御部１０２は、被検査体１５０を検査するために照明装置１２０が照射する縞パターンを出力する。本実施形態の照明制御部１０２は、少なくとも３枚以上の縞パターンを、照明装置１２０に受け渡し、当該縞パターンを露光時間中に切り替えて表示するように照明装置１２０に指示する。

図９は、照明制御部１０２が照明装置１２０に出力する縞パターンの例を示した図である。図９（Ｂ）に示す矩形波に従って、図９（Ａ）に示す黒領域と白領域とが設定された縞パターンが出力されるように、照明制御部１０２が制御を行う。

本実施形態で照射する縞パターン毎の縞の間隔は、検出対象となる異常（欠陥）の大きさに応じて設定されるものとしてここでは詳しい説明を省略する。

また、縞パターンを出力するための矩形波の角周波数ωは、参照信号の角周波数ωと同じ値とする。

図９に示されるように、照明制御部１０２が出力する縞パターンは、矩形波として示すことができるが、スクリーン１３０を介することで、縞パターンの境界領域をぼかす、すなわち、縞パターンにおける明領域（縞の領域）と暗領域（間隔の領域）との境界での光の強度変化を緩やかにする（鈍らせる）ことで、正弦波に近似させることができる。図１０は、スクリーン１３０を介した後の縞パターンを表した波の形状の例を示した図である。図１０に示されるように波の形状が、正弦波に近づくことで、計測精度を向上させることができる。また、縞に明度が多段階に変化するグレー領域を追加したり、グラデーションを与えたりしてもよい。また、カラーの縞を含む縞パターンを用いてもよい。

図１に戻り、制御部１０３は、振幅−位相画像生成部１０４と、異常検出処理部１０５と、を備え、時間相関カメラ１１０から入力された強度画像データＩＡ１と、時間相関画像データと、により被検査体１５０の検査対象面の異常を検出する処理を行う。なお、本実施形態は、複素数で示した時間相関画像データ（複素時間相関画像データと称す）と、複素数相関画像データの実部と虚部とで分けた２種類の時間相関画像データと、を時間相関カメラ１１０から受け取ることができる。

振幅−位相画像生成部１０４は、時間相関カメラ１１０から入力された強度画像データＩＡ１（図１１）と、時間相関画像データと、に基づいて、振幅画像データＩＡ２（図２１）と、位相画像データＩＡ３（図１１）と、を生成する。

振幅画像データＩＡ２は、時間相関カメラ１１０により撮像されている間（撮像間隔の間）に被検査体１５０の検査対象面から反射した光の光強度信号の輝度変化と、時間遷移を示した参照信号とを乗算して算出される、画素毎に入る光の振幅を表した画像データとする。位相画像データＩＡ３は、時間相関カメラ１１０により撮像されている間（撮像間隔の間）に被検査体１５０の検査対象面から反射した光の光強度信号の輝度変化と、時間遷移を示した参照信号とを乗算して算出される、光強度信号と参照信号との位相差を表す画像データとする。すなわち、位相画像データＩＡ３は、光の位相に関する画像データである。

本実施形態は振幅画像データＩＡ２の算出手法を制限するものではないが、例えば、振幅−位相画像生成部１０４は、２種類の時間相関画像データの画素値Ｃ１（ｘ，ｙ）及びＣ２（ｘ，ｙ）から、式（８）を用いて、振幅画像データＩＡ２の各画素値Ｆ（ｘ，ｙ）を導き出せる。

同様に、振幅−位相画像生成部１０４は、画素値Ｃ１（ｘ，ｙ）及びＣ２（ｘ，ｙ）から、式（９）を用いて、位相画像データＩＡ３の各画素値Ｐ（ｘ，ｙ）を導き出せる。

異常検出処理部１０５は、時間相関カメラ１１０から入力された強度画像データＩＡ１と、振幅−位相画像生成部１０４によって生成された振幅画像データＩＡ２及び位相画像データＩＡ３と、位相ラプラシアン画像データＩＡ４と、に基づいて、被検査体１５０の表面の異常を検出する。詳細には、異常検出処理部１０５は、強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４の一部から異常領域の候補である異常候補Ｑ（図１１）を検出し、当該異常候補Ｑと、強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４の特徴量と、に基づいて、異常領域を決定する。別の言い方をすると、本実施形態では、異常検出処理部１０５は、強度画像データＩＡ１、振幅画像データＩＡ２位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４の一部から検出される異常を異常候補Ｑとして扱い、異常候補Ｑに基づいて異常を決定する。本実施形態では、一例として、異常検出処理部１０５は、強度画像データＩＡ１、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４から異常候補Ｑを検出し、振幅画像データＩＡ２からは異常候補Ｑを検出しない。ここで、強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４は、被検査体１５０の同一の領域の画像データであって被検査体１５０で反射した光の特徴を示す互いに異なる画像データである。以後、強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４の総称として特徴画像データを用いる場合もある。また、複数の特徴画像データのうち異常候補Ｑの検出対象を、第１の特徴画像データＩＡＡ（一例として、強度画像データＩＡ１、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４）と称し、複数の特徴画像データのうち異常候補Ｑの非検出対象（一例として、振幅画像データＩＡ２）を、第２の特徴画像データＩＡＢとも称する。

図１に示されるように、異常検出処理部１０５は、被検査体１５０の表面の異常を検出するための構成として、検出部１０５ａと、グループ化部１０５ｂと、第１の取得部１０５ｃと、第２の取得部１０５ｄと、算出部１０５ｅと、決定部１０５ｆと、を備えている。

図１１に示されるように、検出部１０５ａは、複数の特徴画像データのうち第１の特徴画像データＩＡＡ（強度画像データＩＡ１、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４）から、異常領域の候補である異常候補Ｑを検出する。

検出部１０５ａは、強度画像データＩＡ１から異常候補Ｑを検出する場合、一例として、以下の強度画像データＩＡ１用の異常候補検出処理を行う。まず、検出部１０５ａは、強度画像データＩＡ１に、例えばラプラシアンフィルタ処理を含むデータ処理を施す。次に、検出部１０５ａは、データ処理後の強度画像データＩＡ１の各画素の画素値と閾値とを比較し、画素値の大きさが閾値以上の画素を、異常のある領域の候補、すなわち異常候補Ｑとして検出する。以後、強度画像データＩＡ１用の異常候補検出処理が行われた強度画像データＩＡ１を、処理後強度画像データＩＡ１ａとも称する。図１１には、強度画像データＩＡ１から二つの異常候補Ｑが検出された例（処理後強度画像データＩＡ１ａ）が示されている。

また、図１１に示されるように、検出部１０５ａは、位相画像データＩＡ３から異常候補Ｑを検出する場合、以下の位相画像データＩＡ３用の異常候補検出処理を行う。以後、位相画像データＩＡ３用の異常候補検出処理が行われた位相画像データＩＡ３を、処理後位相画像データＩＡ３ａとも称する。

当該処理では、検出部１０５ａは、振幅−位相画像生成部１０４により生成された位相画像データＩＡ３により、検査対象面の法線ベクトルの分布と対応した特徴であって、周囲との違いによって、被検査体１５０の異常に関連する特徴を検出することができる。

図１２は、本実施形態の位相画像データＩＡ３用の異常候補検出処理の手順を示すフローチャートである。まず、検出部１０５ａは、位相画像データＩＡ３の画素毎の光の位相値（を表した画素値）から、当該画素を基準（例えば中心）として、Ｎ×Ｎ領域の平均位相値を減算し（ステップＳ１２０１）、位相の平均差分画像データを生成する。位相の平均差分画像データは、位相の勾配に対応する。

次に、検出部１０５ａは、減算により生成された位相の平均差分画像データの大きさ（絶対値）と、閾値とを比較し、平均差分画像データの大きさが閾値以上となる画素を、異常（欠陥）のある領域（画素）の候補である異常候補Ｑとして検出する（ステップＳ１２０２）。図１１には、位相画像データＩＡ３用の異常候補検出処理によって、位相画像データＩＡ３から一つの異常候補Ｑが検出された例（処理後位相画像データＩＡ３ａ）が示されている。

このステップＳ１２０２の検出結果により、検出部１０５ａは、平均差分画像データの正負、すなわち、画素の位相値と平均位相値との大小関係によって、凹凸を判別することができる（ステップＳ１２０３）。画素の位相値と平均位相値とのどちらが大きい場合に凸となるかは、各部の設定によって変化するが、大小関係が異なると、凹凸が異なる。

なお、他の手法によって得られた位相の分布の勾配から、異常候補Ｑを検出することができる。例えば、検出部１０５ａは、別の手法として、正規化された時間相関画像データのＮ×Ｎの領域の平均ベクトルと、正規化された各画素のベクトルとの差の大きさが、閾値よりも大きい場合に、異常（欠陥）がある領域（画素）の候補として検出することができる。また、位相の分布の勾配に限られず、位相の分布に対応する情報に基づいて被検査体の異常候補Ｑを検出すればよい。

次に、位相ラプラシアン画像データＩＡ４による異常候補の検出について説明する。上述した例では、複素時間相関画像の位相の分布の勾配に関する特徴を算出する手法の例として、複素時間相関画像から得られる位相画像データに基づいて位相の平均差分をとる手法（図１３参照）を説明した。しかしながら、位相の平均差分をとる手法以外の他の手法で、位相の分布の勾配に関する特徴を算出してもよい。そこで、ここでは、検出部１０５ａ（図１参照）が、位相限定ラプラシアンを用いて位相の分布の勾配に関する特徴を算出する例について説明する。

上記の式（９）から分かるように、位相画像データの各画素値は、−π〜πの範囲に折りたたまれる。したがって、位相画像データの各画素値は、−πからπに、またはπから−πに不連続に変化し得る（位相ジャンプ）。このような位相ジャンプは、検査対象面が、凹凸などの局所的な異常（欠陥）を含まない平坦になっている場合でも、位相画像データ上にエッジとして現れる。

図１３は、実施形態の検査システムによって得られる位相画像データの例を示した図である。この図１３の位相画像データは、上記の位相ジャンプの影響で周期的に現れる複数のエッジ部分３００１と、本来の検出対象である局所的な異常部分３００２とを含んでいる。

ここで、図１３に示すように、異常部分３００２における画素値の変化は、エッジ部分３００１における画素値の変化よりも小さい。したがって、図１３の位相画像データに対して閾値などを用いた通常の検出処理を行うだけでは、エッジ部分３００１がノイズとなって、異常部分３００２を検出することが容易でない。

また、図１４は、図１３における位相の変化の例を示した概略図である。図１４に示すように、局所的な異常部分３００２では、位相が急峻に変化している一方、異常部分３００２以外の平坦な部分では、位相が滑らかに（線形に）変化している。したがって、平坦部分における定常的な位相の変化を無視することができれば、局所的な異常部分３００２における急峻な位相の変化のみを容易に検出することができ、有益である。

そこで、検出部１０５ａ（図１参照）は、時間相関カメラ１１０によって得られる時間相関画像データに、位相限定ラプラシアンを用いた処理を施すことにより、上記の位相ジャンプの影響を無視した位相の分布の勾配に関する特徴を算出する。ここで、位相限定ラプラシアンとは、振幅及び位相を含む複素数で表現される時間相関画像データのうち、振幅部分を無視した位相部分にのみ２階微分を施すための演算式であり、位相の定常的な変化を無視し、位相の急峻な変化を検出するための演算式である。

一例として、図１５に示したラプラシアンフィルタに対応する位相限定ラプラシアンについて説明する。この図１５のラプラシアンフィルタは、通常の実数の画素値を有する画像データにおいて、処理対象の画素の画素値と、処理対象の画素の周囲に隣接する８個の画素の画素値との差分をとるための、いわゆる８近傍ラプラシアンフィルタである。より具体的には、図１５のラプラシアンフィルタは、通常の実数の画素値を有する画像データにおいて、処理対象の画素の画素値を８倍した値から、処理対象の画素の周囲に隣接する８個の画素の画素値の総和を引いた値を、処理対象の画素の新たな画素値とするためのフィルタである。

ところで、上述のように、時間相関カメラ１１０によって得られる時間相関画像データの各画素値は、振幅及び位相を含む複素指数関数で表現される。ここで、位相は、複素指数関数の指数部分に含まれる。したがって、時間相関画像データの位相部分に図１５のラプラシアンフィルタに対応する処理を施したい場合、まず、処理対象の画素の画素値（ｇ_ω（ｉ，ｊ）とする）の位相を８倍するために、処理対象の画素の画素値を８乗する必要がある。

そして、処理対象の画素の周囲に隣接する８個の画素の画素値ｇ_ω（ｉ−１，ｊ−１），ｇ_ω（ｉ−１，ｊ），ｇ_ω（ｉ−１，ｊ＋１），ｇ_ω（ｉ，ｊ−１），ｇ_ω（ｉ，ｊ＋１），ｇ_ω（ｉ＋１，ｊ−１），ｇ_ω（ｉ＋１，ｊ），ｇ_ω（ｉ＋１，ｊ＋１）の位相の総和を求めるために、これら８個の画素の画素値を全て掛け合わせる必要がある。

そして、処理対象の画素の画素値の位相を８倍にしたものと、処理対象の画素の周囲に隣接する８個の画素の位相の総和と、の差を求めるために、処理対象の画素の画素値を８乗したものを、処理対象の画素の周囲に隣接する８個の画素の画素値を掛け合わせたもので割る必要がある。

上記の３つの演算を式で表すと、下記の式（１０）〜（１２）のようになる。

ここで、式（１０）においてｇ_ω（ｉ，ｊ）を８乗ではなく９乗している理由は、式（１１）における乗算にｇ_ω（ｉ，ｊ）が含まれているからである。これにより、式（１０）の値を式（１１）の値で割った値の指数部分が、処理対象の画素の画素値ｇ_ω（ｉ，ｊ）の位相を８倍にしたものと、処理対象の画素の周囲に隣接する８個の画素の位相の総和と、の差に対応する。なお、式（１２）では、式（１０）の値を式（１１）の値で割った後、位相のみ（ａｒｇ）を取り出している。

以上の式（１０）〜（１２）で示した位相限定ラプラシアンを用いた処理を、時間相関画像データの全画素について実行することにより、時間相関画像データから、２階微分が施された位相画像データ、すなわち位相ラプラシアン画像データＩＡ４を算出することができる。位相ラプラシアン画像データＩＡ４は、光の位相に関する画像データと言うことができる。

一例として、図１３の位相画像データに対応する時間相関画像データに位相限定ラプラシアンを用いた処理を施すことによって算出した位相画像データ（位相ラプラシアン画像データＩＡ４）を図１６に示す。図１６の位相画像データには、図１３の位相画像データに見られたような周期的なエッジ部分が無く、局所的な異常部分３２０１のみが現れている。したがって、図１６の位相画像データによれば、閾値などを用いた通常の検出処理（位相ラプラシアン画像データＩＡ４の異常候補検出処理）をするだけで、位相ジャンプの影響を受けることなく、異常部分３２０１を容易に検出することができる。そして、本実施形態では、異常部分３２０１が異常候補Ｑとして扱われる。なお、以後、位相ラプラシアン画像データＩＡ４用の異常候補検出処理が行われた位相ラプラシアン画像データＩＡ４を、処理後位相ラプラシアン画像データＩＡ４ａ（図１１）とも称する。

以上のように、検出部１０５ａ（図１参照）は、上述した位相限定ラプラシアンを用いた演算を実行することで、時間相関画像データから、２階微分が施された位相を適切に算出し、検査対象の異常候補Ｑを、閾値などを用いた通常の検出処理によって容易に検出するように構成されている。

以後、異常候補検出処理が施された第１の特徴画像データＩＡＡ（処理後強度画像データＩＡ１ａ、処理後位相画像データＩＡ３ａ、処理後位相ラプラシアン画像データＩＡ４ａ）を、処理後特徴画像データＩＡＡａ（図１１）とも称する。

図１に戻って、グループ化部１０５ｂは、異常候補Ｑの位置に基づいて、異常候補Ｑをグループに分ける。詳細には、図１１に示されるように、グループ化部１０５ｂは、まず、処理後特徴画像データＩＡＡａ（処理後強度画像データＩＡ１ａ、処理後位相画像データＩＡ３ａ、処理後位相ラプラシアン画像データＩＡ４ａ）に二値化処理を施し、当該二値化処理後の複数の処理後特徴画像データＩＡＡａの画素毎の論理和である和画像データＩＢを生成する。次に、グループ化部１０５ｂは、和画像データＩＢに、各異常候補Ｑを膨張させる膨張処理を施す。以後、異常候補Ｑに膨張処理が施された和画像データＩＢを、膨張処理後和画像データＩＢａとも称する。次に、グループ化部１０５ｂは、膨張処理後和画像データＩＢａにおいて座標が一致または隣接する異常候補Ｑ同士を一つのグループにする。詳細には、グループ化部１０５ｂは、和画像データＩＢにラベリング処理を施すことにより、膨張処理後和画像データＩＢａにおいて座標が一致または隣接する異常候補Ｑ同士を一つのグループにする。これにより、膨張処理後和画像データＩＢａにおいて座標が一致または隣接する異常候補Ｑ同士には、同一の識別番号（識別情報）が付与される。このとき、ある異常候補Ｑにおいて、座標が一致または隣接する他の異常候補Ｑが無い場合には、当該ある異常候補Ｑが一つのグループを構成する。図１１では、識別番号の一例として、「００１」、「００２」、「００３」が示されている。以後、上記の異常候補Ｑのグループ化処理が施された膨張処理後和画像データＩＢａを、膨張ラベル和画像データＩＢｂとも称する。以上のように、本実施形態では、グループ化部１０５ｂは、和画像データＩＢ（膨張された異常候補Ｑ）に基づいて、異常候補Ｑをグループに分ける。なお、和画像データＩＢは、ＯＲ画像データとも称され得る。

図１に戻って、第１の取得部１０５ｃは、複数の第１の特徴画像データＩＡＡ（強度画像データＩＡ１、位相画像データＩＡ３、位相ラプラシアン画像データＩＡ４）中での異常候補Ｑの複数の特徴量を取得する。異常候補Ｑの特徴量は、規定の処理を施した第１の特徴画像データＩＡＡから取得してもよい。また、一例として、位相画像データＩＡ３に関する特徴量については、位相限定ラプラシアン処理が施された画像データ（一例として位相ラプラシアン画像データＩＡ４）の特徴量が用いられる。これは、位相画像データＩＡ３が−π〜πまでの数値が周期的に繰り返されている画像データであるためである。ラプラシアンフィルタ処理が施された画像データ（位相ラプラシアン画像データＩＡ４）を用いることにより、位相画像データＩＡ３から周期的な成分（数値、部分）を除去（解除）した上での特徴量の取得が可能となる。本実施形態では、第１の取得部１０５ｃは、複数の特徴量として第１〜第５の特徴量を取得する。第１の特徴量は、第１の特徴画像データＩＡＡ中での異常候補Ｑの大きさを示す。第２の特徴量は、第１の特徴画像データＩＡＡ中での異常候補Ｑ内の特徴（画素値）の最小値を示す。第３の特徴量は、第１の特徴画像データＩＡＡ中での異常候補Ｑ内の特徴（画素値）の平均値を示す。第４の特徴量は、第１の特徴画像データＩＡＡ中での異常候補Ｑ内の特徴（画素値）の最大値と当該異常候補Ｑ内の特徴（画素値）の最小値との差を示す。第５の特徴量は、第１の特徴画像データＩＡＡ中での異常候補Ｑ内の特徴（画素値）の標準偏差を示す。なお、本実施形態では、第１〜第５の特徴量の全てを取得する例を説明するが、第１〜第５の特徴量のうち少なくとも一つを取得するものであってもよい。

以下、第１の取得部１０５ｃによる各特徴量の取得処理について説明する。まず、第１の取得部１０５ｃは、和画像データＩＢの各異常候補Ｑに、当該異常候補Ｑの座標値を含むグループ、すなわち当該異常候補Ｑと対応するグループの識別番号を付与する（図１１）。そして、図１７，１８に示されるように、第１の取得部１０５ｃは、各第１の特徴画像データＩＡＡ（強度画像データＩＡ１、位相ラプラシアン画像データＩＡ４）から第１から第３の特徴量を取得する場合、各第１の特徴画像データＩＡＡにおいて、識別番号の付与処理がなされた和画像データＩＢ中の異常候補Ｑと同じ領域Ｒを特定する。次に、第１の取得部１０５ｃは、領域Ｒに基づいて、第１〜第３の特徴量を取得する。詳細には、第１の取得部１０５ｃは、領域Ｒの大きさである画素数（第１の特徴量）を算出する。また、第１の取得部１０５ｃは、領域Ｒから、領域Ｒ中の画素の画素値の最小値（第２の特徴量）を抽出する。また、第１の取得部１０５ｃは、領域Ｒ中の画素の画素値の平均値（第３の特徴量）を算出する。次に、第１の取得部１０５ｃは、取得された第１〜第３の特徴量を、対応する異常候補Ｑに対応付けることにより、第１〜第３の特徴量を、対応するグループに対応付ける。

また、図１９，２０に示されるように、第１の取得部１０５ｃは、各第１の特徴画像データＩＡＡ（強度画像データＩＡ１、位相ラプラシアン画像データＩＡ４）から第４及び第５の特徴量を取得する場合、和画像データＩＢに、異常候補Ｑを膨張させる膨張処理を施す。第１の取得部１０５ｃは、膨張処理では、一例として、異常候補Ｑを二画素膨張させる。次に、第１の取得部１０５ｃは、各第１の特徴画像データＩＡＡ（強度画像データＩＡ１、位相ラプラシアン画像データＩＡ４）において、膨張処理後の和画像データＩＢ中の異常候補Ｑと同じ領域Ｒを特定する。次に、第１の取得部１０５ｃは、領域Ｒに基づいて、第４及び第５の特徴量を取得する。詳細には、第１の取得部１０５ｃは、領域Ｒの中の画素の画素値の最大値と領域Ｒの中の画素の画素値の最小値との差（第４の特徴量）を算出する。また、第１の取得部１０５ｃは、領域Ｒ中の画素の画素値の標準偏差（第５の特徴量）を算出する。第１の取得部１０５ｃは、取得された第４及び第５の特徴量を、対応する異常候補Ｑに対応付けることにより、第４及び第５の特徴量を、対応するグループに対応付ける。

図１に戻って、第２の取得部１０５ｄは、複数の特徴画像データのうち第２の特徴画像データＩＡＢ（振幅画像データＩＡ２）の、第１の特徴画像データＩＡＡ中の異常候補Ｑと同じ領域Ｒ（同領域）の特徴量を取得する。本実施形態では、第２の取得部１０５ｄは、複数の特徴量として第６〜第１０の特徴量を取得する。第６の特徴量は、第２の特徴画像データＩＡＢ中での領域Ｒの大きさを示す。第７の特徴量は、第２の特徴画像データＩＡＢ中での領域Ｒ内の特徴（画素値）の最小値を示す。第８の特徴量は、第２の特徴画像データＩＡＢ中での領域Ｒ内の特徴（画素値）の平均値を示す。第９の特徴量は、第２の特徴画像データＩＡＢ中での領域Ｒ内の特徴（画素値）の最大値と当該領域Ｒ内の特徴（画素値）の最小値との差を示す。第１０の特徴量は、第２の特徴画像データＩＡＢ中での領域Ｒ内の特徴（画素値）の標準偏差を示す。なお、本実施形態では、第６〜第１０の特徴量の全てを取得する例を説明するが、第６〜第１０の特徴量のうち少なくとも一つを取得するものであってもよい。また、異常候補Ｑの特徴量は、規定の処理を施した第２の特徴画像データＩＡＢから取得してもよい。

以下、第２の取得部１０５ｄによる各特徴量の取得処理について説明する。図２１に示されるように、第２の取得部１０５ｄは、第２の特徴画像データＩＡＢ（振幅画像データＩＡ２）から第６から第８の特徴量を取得する場合、第２の特徴画像データＩＡＢにおいて、識別番号の付与処理がなされた和画像データＩＢ中の異常候補Ｑと同じ領域Ｒを特定する。次に、第２の取得部１０５ｄは、領域Ｒに基づいて、第６〜第８の特徴量を取得する。詳細には、第２の取得部１０５ｄは、領域Ｒの大きさである画素数（第６の特徴量）を算出する。また、第２の取得部１０５ｄは、領域Ｒから、領域Ｒ中の画素の画素値の最小値（第７の特徴量）を抽出する。また、第２の取得部１０５ｄは、領域Ｒ中の画素の画素値の平均値（第８の特徴量）を算出する。次に、第２の取得部１０５ｄは、取得された第６〜第８の特徴量を、対応する異常候補Ｑに対応付けることにより、第６〜第８の特徴量を、対応するグループに対応付ける。

また、図２２に示されるように、第２の取得部１０５ｄは、第２の特徴画像データＩＡＢ（振幅画像データＩＡ２）から第９及び第１０の特徴量を取得する場合、第２の特徴画像データＩＡＢにおいて、第１の取得部１０５ｃによって膨張処理がなされた和画像データＩＢ中の異常候補Ｑ、と同じ領域Ｒを特定する。次に、第２の取得部１０５ｄは、領域Ｒに基づいて、第９及び第１０の特徴量を取得する。詳細には、第２の取得部１０５ｄは、領域Ｒの中の画素の画素値の最大値と領域Ｒの中の画素の画素値の最小値との差（第９の特徴量）を算出する。また、第２の取得部１０５ｄは、領域Ｒ中の画素の画素値の標準偏差（第１０の特徴量）を算出する。第２の取得部１０５ｄは、取得された第９及び第１０の特徴量を、対応する異常候補Ｑに対応付けることにより、第９及び第１０の特徴量を、対応するグループに対応付ける。

図１に戻って、算出部１０５ｅは、和画像データＩＢ中でのグループ毎の画素数を算出する。この場合、図２３に示されるように、算出部１０５ｅは、和画像データＩＢと、膨張ラベル和画像データＩＢｂと、を用いる。算出部１０５ｅは、和画像データＩＢにおいて、膨張ラベル和画像データＩＢｂ中のグループに含まれる異常候補Ｑに対応する、膨張処理前の異常候補Ｑの画素数を算出する。以後、和画像データＩＢ中でのグループ毎の画素数をグループ画素数とも称する。算出部１０５ｅは、算出されたグループ画素数を、対応するグループに関連付ける。

図１に戻って、決定部１０５ｆは、グループ毎に特徴量及びグループ画素数を用いる多変量解析を行うことによって、異常候補Ｑの中から異常領域を決定する。決定部１０５ｆは、グループ毎に、各グループに関連付けられた特徴量及びグループ画素数を用いて多変量解析を行う。本実施形態では、多変量解析の一例として、ＭＴ法（マハラノビス・タグチ法）が用いられる。ＭＴ法で用いられる基準空間を規定する基準空間データは、図示しない記憶部に予め記憶されている。基準空間データは、良品（正常品）の表面を撮像して得た良品画像データに基づいて生成されたものである。決定部１０５ｆは、特徴量及びグループ画素数と基準空間とに基づいて、マハラノビス距離を算出する。そして、決定部１０５ｆは、算出したマハラノビス距離に基づいて、異常領域を決定する。詳細には、決定部１０５ｆは、算出したマハラノビス距離と閾値とを比較する。決定部１０５ｆは、算出したマハラノビス距離が閾値よりも大きい場合、当該グループに含まれる異常候補Ｑは異常領域であると判定し、当該異常候補Ｑを異常領域として決定する。一方、決定部１０５ｆは、算出したマハラノビス距離が閾値以下の場合、当該グループに含まれる異常候補Ｑは異常領域ではないと判定し、当該異常候補Ｑを異常領域としない。なお、多変量解析としては、ＭＴ法以外の他の公知のものであってもよい。

次に、異常検出処理部１０５が実行する異常検出処理の手順について説明する。図２４は、本実施形態の異常検出処理部１０５が実行する異常検出処理の手順を示すフローチャートである。まず、検出部１０５ａが、第１の特徴画像データＩＡＡ中の異常候補Ｑを検出する（ステップＳ１３０１）。次に、グループ化部１０５ｂが、異常候補Ｑの膨張処理（ステップＳ１３０２）及びラベリング処理（ステップＳ１３０３）を行って、異常候補Ｑのグループ分けを行う。次に、第１の取得部１０５ｃ及び第２の取得部１０５ｄが、特徴量を取得し（ステップＳ１３０４）、算出部１０５ｅがグループ画素数を算出する（ステップＳ１３０５）。次に、決定部１０５ｆが、特徴量及びグループ画素数を用いる多変量解析を行って、異常領域を決定する（ステップＳ１３０６）。

次に、本実施形態の検査システムにおける被検査体の検査処理について説明する。図２５は、本実施形態の検査システムにおける上述した処理の手順を示すフローチャートである。なお、被検査体１５０は、すでにアーム１４０に固定された状態で、検査の初期位置に配置されているものとする。

本実施形態のＰＣ１００が、照明装置１２０に対して、被検査体１５０を検査するための縞パターンを出力する（ステップＳ１４０１）。

照明装置１２０は、ＰＣ１００から入力された縞パターンを格納する（ステップＳ１４２１）。そして、照明装置１２０は、格納された縞パターンを、時間遷移に従って変化するように表示する（ステップＳ１４２２）。なお、照明装置１２０が表示を開始する条件は、縞パターンが格納された際に制限するものではなく、例えば検査者が照明装置１２０に対して開始操作を行った際でもよい。

そして、ＰＣ１００の制御部１０３が、時間相関カメラ１１０に対して、撮影の開始指示を送信する（ステップＳ１４０２）。

次に、時間相関カメラ１１０が、送信されてきた撮影指示に従って、被検査体１５０を含む領域について撮像を開始する（ステップＳ１４１１）。次に、時間相関カメラ１１０の制御部２４０が、強度画像データＩＡ１と、時間相関画像データと、を生成する（ステップＳ１４１２）。そして、時間相関カメラ１１０の制御部２４０が、強度画像データＩＡ１と、時間相関画像データと、を、ＰＣ１００に出力する（ステップＳ１４１３）。

ＰＣ１００の制御部１０３は、強度画像データＩＡ１と、時間相関画像データと、を受け取る（ステップＳ１４０３）。そして、振幅−位相画像生成部１０４は、受け取った強度画像データＩＡ１と時間相関画像データとから、振幅画像データＩＡ２と、位相画像データＩＡ３とを生成する（ステップＳ１４０４）。また、制御部１０３は、位相ラプラシアン画像データＩＡ４を生成する。

そして、異常検出処理部１０５が、強度画像データＩＡ１と、振幅画像データＩＡ２と、位相画像データＩＡ３と、位相ラプラシアン画像データＩＡ４と、に基づいて、被検査体１５０の異常検出制御を行う（ステップＳ１４０５）。そして、異常検出処理部１０５は、異常候補Ｑから決定した異常領域、すなわち異常検出結果を、ＰＣ１００が備える（図示しない）表示装置に出力する（ステップＳ１４０６）。

異常検出結果の出力例としては、強度画像データＩＡ１を表示するとともに、強度画像データＩＡ１における異常検出処理部１０５によって検出された異常領域を、検査者が異常として認識できるように装飾表示するなどが考えられる。また、視覚に基づく出力に制限するものではなく、音声等で異常が検出されたことを出力してもよい。

制御部１０３は、当該被検査体１５０の検査が終了したか否かを判定する（ステップＳ１４０７）。検査が終了していないと判定した場合（ステップＳ１４０７：Ｎｏ）、アーム制御部１０１が、予め定められた設定に従って、次の検査対象となる被検査体１５０の表面を、時間相関カメラ１１０で撮影できるように、アーム１４０の移動制御を行う（ステップＳ１４０８）。アーム１４０の移動制御が終了した後、制御部１０３が、再び時間相関カメラ１１０に対して、撮影の開始指示を送信する（ステップＳ１４０２）。

一方、制御部１０３は、当該被検査体１５０の検査が終了したと判定した場合（ステップＳ１４０７：Ｙｅｓ）、終了指示を時間相関カメラ１１０に対して出力し（ステップＳ１４０９）、処理を終了する。

そして、時間相関カメラ１１０は、終了指示を受け付けたか否かを判定する（ステップＳ１４１４）。終了指示を受け付けていない場合（ステップＳ１４１４：Ｎｏ）、再びステップＳ１４１１から処理を行う。一方、終了指示を受け付けた場合（ステップＳ１４１４：Ｙｅｓ）、処理を終了する。

なお、照明装置１２０の終了処理は、検査者が行ってもよいし、他の構成からの指示に従って終了してもよい。

以上、説明したように、本実施形態では、異常検出処理部１０５は、被検査体１５０で反射した光の特徴を示す複数の異なる特徴画像データのうち第１の特徴画像データＩＡＡから、異常候補Ｑを検出し、異常候補Ｑの位置に基づいて、異常候補Ｑをグループに分け、第１の特徴画像データＩＡＡの異常候補Ｑの特徴量を取得し、複数の特徴画像データのうち第２の特徴画像データＩＡＢの、第１の特徴画像データＩＡＡ中の異常候補Ｑと同じ領域Ｒの特徴量を取得し、グループ毎に特徴量を用いる多変量解析を行うことによって、異常領域を決定する。つまり、異常検出処理部１０５は、異常領域を決定するにあたり、複数の特徴画像データ（第１の特徴画像データＩＡＡ、第２の特徴画像データＩＡＢ）を用いるとともに多変量解析を行う。よって、被検査体１５０の異常をより高精度に検出することができる。また、本実施形態では、第２の特徴画像データＩＡＢに対して異常候補検出処理を行わないので、検査時間の短縮化を図ることができる。

また、本実施形態では、和画像データＩＢ中の異常候補Ｑと同じ領域Ｒに基づいて特徴量を取得するので、各グループに、各特徴画像データ（強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３、位相ラプラシアン画像データＩＡ４）のそれぞれの特徴量を対応付けることができる。よって、被検査体１５０の異常をより高精度に検出することができる。

なお、本実施形態では、時間相関カメラ１１０を用いて生成された強度画像データＩＡ１と、時間相関画像データと、を生成する例について説明した。しかしながら、強度画像データＩＡ１と、時間相関画像データと、を生成するために時間相関カメラ１１０を用いることに制限するものではなく、アナログ的な処理で実現可能な時間相関カメラや、それと等価な動作をする撮像システムを用いてもよい。例えば、通常のデジタルスチルカメラが生成した画像データを出力し、情報処理装置が、デジタルスチルカメラが生成した画像データを、フレーム画像データとして用いて参照信号を重畳することで、時間相関画像データを生成してもよいし、イメージセンサ内で光強度信号に参照信号を重畳するようなデジタルカメラを用いて、時間相関画像データを生成してもよい。

また、本実施形態では、強度画像データＩＡ１と位相画像データＩＡ３と位相ラプラシアン画像データＩＡ４とが、第１の特徴画像データＩＡＡであり、振幅画像データＩＡ２が第２の特徴画像データＩＡＢである例を説明した。しかしながら、強度画像データＩＡ１と振幅画像データＩＡ２と位相画像データＩＡ３と位相ラプラシアン画像データＩＡ４とのうち少なくとも一つが、第１の特徴画像データＩＡＡであり、強度画像データＩＡ１と振幅画像データＩＡ２と位相画像データＩＡ３と位相ラプラシアン画像データＩＡ４とのうち第１の特徴画像データＩＡＡ以外の少なくとも一つが、第２の特徴画像データＩＡＢであってもよい。

（変形例１）
本変形例１は、振幅画像データＩＡ２が第１の特徴画像データＩＡＡとして用いられる。したがって、検出部１０５ａは、振幅画像データＩＡ２から異常候補を検出する。なお、本変形例では、強度画像データＩＡ１と位相画像データＩＡ３と位相ラプラシアン画像データＩＡ４とのうち少なくとも一つが第２の特徴画像データＩＡＢとして用いられる。

検出部１０５ａは、振幅画像データＩＡ２から異常候補を検出する場合、以下の振幅画像データＩＡ２用の異常候補検出処理を行う。当該処理では、検出部１０５ａは、振幅−位相画像生成部１０４により生成された振幅画像データＩＡ２により、検査対象面の法線ベクトルの分布と対応した特徴であって、周囲との違いによって、被検査体１５０の異常に関連する特徴を検出することができる。

図２６は、本変形例の振幅画像データＩＡ２用の異常候補検出処理の手順を示すフローチャートである。まず、検出部１０５ａは、振幅画像データＩＡ２の各画素に格納された、光の振幅値（を表した画素値）から、当該画素を基準（例えば中心）として、Ｎ×Ｎ領域の平均振幅値を減算し（ステップＳ１５０１）、振幅の平均差分画像データを生成する。振幅の平均差分画像データは、振幅の勾配に対応する。なお、整数Ｎは実施の態様に応じて適切な値が設定されるものとする。

次に、検出部１０５ａは、減算により生成された振幅の平均差分画像データに対して、予め定められた振幅の閾値を用いたマスク処理を行う（ステップＳ１５０２）。

さらに、検出部１０５ａは、平均差分画像データのマスク領域内について画素毎に標準偏差を算出する（ステップＳ１５０３）。なお、本実施形態では、標準偏差に基づいた手法について説明するが、標準偏差を用いた場合に制限するものではなく、例えば平均値等を用いてもよい。

そして、検出部１０５ａは、平均を引いた振幅画素値が−４．５σ（σ：標準偏差）より小さい値の画素を、異常（欠陥）がある領域（画素）の候補である異常候補として検出する（ステップＳ１５０４）。

上述した処理手順により、各画素の振幅値（換言すれば、振幅の分布）から、振幅画像データＩＡ２における異常候補を検出できる。

（変形例２）
本変形例は、上記実施形態及び変形例１に対して異常候補の検出方法が異なる。本変形例では、異常検出処理部１０５が、予め図示しない記憶部に記憶された、参照表面から得られた、第１の特徴画像データＩＡＡ（強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３または位相ラプラシアン画像データＩＡ４）と、被検査体１５０の、第１の特徴画像データＩＡＡ（強度画像データＩＡ１、振幅画像データＩＡ２、位相画像データＩＡ３または位相ラプラシアン画像データＩＡ４）と、を比較し、被検査体１５０の表面と参照表面との間で、所定の基準以上の違いがあるか否かを判定することにより、異常候補を検出する。

本変形例は、実施形態と同じ構成の検査システムを用い、参照表面として正常な被検査体の表面を用いる例とする。また、以下では、強度画像データＩＡ１と位相画像データＩＡ３と位相ラプラシアン画像データＩＡ４とを第１の特徴画像データＩＡＡとし、振幅画像データＩＡ２を第２の特徴画像データＩＡＢとする。

照明装置１２０がスクリーン１３０を介して縞パターンを照射している間に、時間相関カメラ１１０が、正常な被検査体の表面（参照表面）を撮像し、強度画像データＩＡ１及び時間相関画像データを生成する。そして、ＰＣ１００が、時間相関カメラ１１０で生成された時間相関画像データを入力し、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４を生成し、ＰＣ１００の図示しない記憶部に、強度画像データＩＡ１、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４を記憶させておく。そして、時間相関カメラ１１０が、異常が生じているか否かを判定したい被検査体１５０（検査対象）を撮像し、強度画像データＩＡ１及び時間相関画像データを生成する。そして、ＰＣ１００が、時間相関画像データから、振幅画像データＩＡ２、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４を生成する。次に、ＰＣ１００の異常検出処理部１０５が、記憶部に記憶されていた、正常な被検査体の、強度画像データＩＡ１、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４と、被検査体１５０の、強度画像データＩＡ１、位相画像データＩＡ３及び位相ラプラシアン画像データＩＡ４と、を比較する。異常検出処理部１０５は、同じ種類の画像データ同士（強度画像データＩＡ１同士、位相画像データＩＡ３同士、位相ラプラシアン画像データＩＡ４同士）において対応する画素同士の画素値に所定の基準以上の違いがある場合、当該画素を異常領域の候補である異常候補Ｑとして検出する。

上述した実施形態のＰＣ１００で実行される検査プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、上述した実施形態のＰＣ１００で実行される検査プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、上述した実施形態のＰＣ１００で実行される検査プログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

本発明のいくつかの実施形態及び変形例を説明したが、これらの実施形態及び変形例は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態及び変形例は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形例は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００…ＰＣ、１０５ａ…検出部、１０５ｂ…グループ化部、１０５ｃ…第１の取得部、１０５ｄ…第２の取得部、１０５ｅ…算出部、１０５ｆ…決定部、１５０…被検査体、ＩＡＡ…第１の特徴画像データ、ＩＡＢ…第２の特徴画像データ、ＩＡＡａ…処理後特徴画像データ、ＩＡ１…強度画像データ、ＩＡ１ａ…処理後強度画像データ、ＩＡ２…振幅画像データ、ＩＡ３…位相画像データ、ＩＡ３ａ…処理後位相画像データ、ＩＡ４…位相ラプラシアン画像データ、ＩＡ４ａ…処理後位相ラプラシアン画像データ、ＩＢ…和画像データ、ＩＢａ…膨張処理後和画像データ、ＩＢｂ…膨張ラベル和画像データ、Ｑ…異常候補、Ｒ…領域。

Claims (8)

1. 被検査体の同一の領域の画像データであって前記被検査体で反射した光の特徴を示す複数の異なる特徴画像データのうち第１の前記特徴画像データから、異常領域の候補である異常候補を検出する検出部と、
   前記異常候補の位置に基づいて、前記異常候補をグループに分けるグループ化部と、
   前記第１の特徴画像データの前記異常候補の特徴量を取得する第１の取得部と、
   前記複数の特徴画像データのうち第２の前記特徴画像データの、前記第１の特徴画像データ中の前記異常候補と同じ領域の特徴量を取得する第２の取得部と、
   前記グループ毎に前記特徴量を用いる多変量解析を行うことによって、前記異常領域を決定する決定部と、
   を備えた検査装置。
2. 前記複数の特徴画像データは、複数の前記第１の特徴画像データを含み、
   前記グループ化部は、前記複数の第１の特徴画像データの画素毎の論理和である和画像データに基づいて前記異常候補を前記グループに分ける、請求項１に記載の検査装置。
3. 前記グループ化部は、前記和画像データにおいて膨張された前記異常候補に基づいて、前記異常候補を前記グループに分ける、請求項２に記載の検査装置。
4. 前記第１の取得部は、前記第１の特徴画像データ中での前記異常候補の大きさを示す前記特徴量と、前記第１の特徴画像データ中での前記異常候補内の前記特徴の最小値を示す前記特徴量と、前記第１の特徴画像データ中での前記異常候補内の前記特徴の平均値を示す前記特徴量と、前記第１の特徴画像データ中での前記異常候補内の前記特徴の最大値と当該異常候補内の前記特徴の最小値との差を示す前記特徴量と、前記第１の特徴画像データ中での前記異常候補内の前記特徴の標準偏差を示す前記特徴量と、のうち少なくとも一つを取得し、
   前記第２の取得部は、前記第２の特徴画像データ中での前記同じ領域の大きさを示す前記特徴量と、前記第２の特徴画像データ中での前記同じ領域内の前記特徴の最小値を示す前記特徴量と、前記第２の特徴画像データ中での前記同じ領域内の前記特徴の平均値を示す前記特徴量と、前記第２の特徴画像データ中での前記同じ領域内の前記特徴の最大値と当該同じ領域内の前記特徴の最小値との差を示す前記特徴量と、前記第２の特徴画像データ中での前記同じ領域内の前記特徴の標準偏差を示す前記特徴量と、のうち少なくとも一つを取得する、請求項１〜３のうちいずれか一つに記載の検査装置。
5. 前記第１の取得部は、前記第１の特徴画像データ中での前記異常候補内の前記特徴の最大値と当該異常候補内の前記特徴の最小値との差を示す前記特徴量を取得する場合と、前記第１の特徴画像データ中での前記異常候補内の前記特徴の標準偏差を示す前記特徴量を取得する場合とには、前記第１の特徴画像データ中での前記異常候補を膨張させる膨張処理を行い、
   前記第２の取得部は、前記第２の特徴画像データ中での前記同じ領域内の前記特徴の最大値と当該同じ領域内の前記特徴の最小値との差を示す前記特徴量を取得する場合と、前記第２の特徴画像データ中での前記同じ領域内の前記特徴の標準偏差を示す前記特徴量を取得する場合とには、前記第２の特徴画像データ中での前記同じ領域を膨張させる膨張処理を行う、請求項４に記載の検査装置。
6. 前記和画像データ中での前記グループ毎の画素数を算出する算出部を備え、
   前記決定部は、前記画素数を前記多変量解析に用いる、請求項２または３に記載の検査装置。
7. 前記光の強度を表した強度画像データと、前記光の振幅を表した振幅画像データと、前記光の位相に関する位相画像データと、のうち少なくとも一つが、前記第１の特徴画像データであり、
   前記強度画像データと前記振幅画像データと前記位相画像データとのうち前記第１の特徴画像データ以外の少なくとも一つが、前記第２の特徴画像データである、請求項１〜６のうちいずれか一つに記載の検査装置。
8. 被検査体の同一の領域の画像データであって前記被検査体で反射した光の特徴を示す複数の異なる特徴画像データのうち第１の前記特徴画像データから、異常領域の候補である異常候補を検出し、
   前記異常候補の位置に基づいて、前記異常候補をグループに分け、
   前記第１の特徴画像データの前記異常候補の特徴量を取得し、
   前記複数の特徴画像データのうち第２の前記特徴画像データの、前記第１の特徴画像データ中の前記異常候補と同じ領域の特徴量を取得し、
   前記グループ毎に前記特徴量を用いる多変量解析を行うことによって、前記異常領域を決定する、
   検査方法。