JP3265826B2

JP3265826B2 - 画像判定装置および画像判定方法

Info

Publication number: JP3265826B2
Application number: JP11005494A
Authority: JP
Inventors: 元治太田; 一成村岡; 勝鈴木; 孝尚鈴木
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1994-05-24
Filing date: 1994-05-24
Publication date: 2002-03-18
Anticipated expiration: 2017-03-18
Also published as: JPH07318508A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、画像判定装置および画
像判定方法に関するものであり、特に、被検査体の表面
欠陥の判定や、物体の形状による分類などに用いて好適
な画像判定装置および画像判定方法に関するものであ
る。

【０００２】

【従来の技術】従来の画像判定装置、例えば、表面欠陥
検査装置としては、被検査体からの反射光を受光し、信
号処理回路で２値化処理し、欠陥の面積を求め、あらか
じめ設定された閾値と比較し良品か不良品かの判定をす
るのが一般的である。そして、不良品の検査において見
逃しを回避すべく、閾値を不良品の面積の最小値に設定
して使用する。このように判定基準の厳しい閾値を使用
しているので、良品を不良品と判定する誤判定が生じる
場合がある。特に、感光体ドラムのように判定基準の厳
しい、かつ高価な被検査体の場合は、得率向上のために
不良品と判定された被検査体を更に目視により検査し、
良品を選別する必要があった。

【０００３】この問題を解決する手段として、良品と不
良品を精度良く判定する手段が種々考えられている。例
えば、特開平４−１６９８０７号公報に記載されている
技術では、欠陥の種類に応じて複数の閾値を用意し、読
取信号と各閾値とを比較して複数の２値化信号を生成
し、それぞれの２値化信号に基づいて面積を計算し、そ
れぞれの面積閾値と比較して良品、不良品の判定を行な
うことにより、誤判定を削減している。また、例えば、
特開平４−１７２２３７号公報や、精密工学会第４回外
観検査の自動化ワークショップ予稿集，大島ほか，『画
像処理を用いて欠陥識別を行なうインライン表面検査装
置』，ｐ．６１〜６５等に記載されている技術では、検
出信号から欠陥の複数の特徴量を算出し、算出した複数
の特徴量の組み合わせにより欠陥などを判定することに
より、誤判定を削減している。さらに、例えば、特開平
３−１４４３５０号公報には、ニューラルネットワーク
により判定基準を学習させ、誤判定を削減する旨の記載
がある。

【０００４】しかし、例えば、良品と不良品の判別を行
なう検査装置において、不良品の検査見逃しを皆無に近
い状態にするためには、厳しい判定基準を使用するの
で、上述の技術を用いても良品を不良品と判定する誤判
定の発生はやむを得ない。そのため、不良品の目視によ
る再検査を全廃することはできず、多数の目視検査員が
必要となる問題があった。また、ニューラルネットワー
クに判定基準を学習させるために膨大なデータが必要で
あり、判定基準の明確な良品と不良品の判別を行なう検
査装置においては、ニューラルネットワークの利点を生
かせない。

【０００５】

【発明が解決しようとする課題】本発明は、上述した事
情に鑑みてなされたもので、被検査体の検査項目につい
ての判定を精度よく行ない、例えば、被検査体が感光体
ドラムのように高価であり、得率を重視する場合の欠陥
の判別においては、良品か、不良品か、再検査の必要が
あるかの判別を精度良く行なって、目視検査員の削減が
可能な画像判定装置および画像判定方法を提供すること
を目的とするものである。

【０００６】

【課題を解決するための手段】本発明は、請求項１に記
載の発明においては、感光体ドラムの表面の画像から該
感光体ドラムの表面欠陥の判定を行なう画像判定装置に
おいて、感光体ドラムの表面の画像を取り込む画像入力
手段と、該画像入力手段で取り込んだ画像からコントラ
スト変化点数、縦長さ、横長さ、明暗、平均サイズ、面
積、縦横比のうちの少なくとも２つの特徴量を抽出する
特徴抽出手段と、該特徴抽出手段で抽出した複数の特徴
量を説明変量とし判別分析により複数の群に分類するた
めの判別関数を１つまたは複数記憶する判別関数記憶手
段と、前記特徴抽出手段で抽出した複数の特徴量を説明
変量とし判定特性値を目的変量とした重回帰分析のため
の重回帰式を１つまたは複数記憶する重回帰式記憶手段
と、前記特徴抽出手段で抽出した複数の特徴量を説明変
量として前記判別関数記憶手段に記憶されている判別関
数および前記重回帰式記憶手段に記憶されている重回帰
式を計算して１つまたは複数の群予測値および１つまた
は複数の目的変量を計算する計算手段と、該計算手段に
より計算された１つまたは複数の群予測値と１つまたは
複数の目的変量に基づき分類される群とを比較し少なく
とも良、不良とともに再検査の必要性を判定する判定手
段を有することを特徴とするものである。

【０００７】請求項２に記載の発明においては、感光体
ドラムの表面の画像から該感光体ドラムの表面欠陥の判
定を行なう画像判定方法において、感光体ドラムの表面
の画像を取り込み、取り込んだ画像からコントラスト変
化点数、縦長さ、横長さ、明暗、平均サイズ、面積、縦
横比のうちの少なくとも２つの特徴量を抽出し、抽出し
た複数の特徴量を説明変量とし予め設定されている１つ
または複数の判別関数を計算することにより判別分析を
行なって１つまたは複数の群予測値を得るとともに、抽
出した複数の特徴量を説明変量とし判定特性値を目的変
量として予め設定されている１つまたは複数の重回帰式
を計算することにより重回帰分析を行なって１つまたは
複数の目的変量を得て、得られた１つまたは複数の群予
測値と、得られた１つまたは複数の目的変量から分類さ
れる群とを比較し、少なくとも良、不良とともに再検査
の必要性を判定することを特徴とする画像判定方法。

【０００８】

【０００９】

【００１０】

【００１１】

【００１２】

【００１３】

【００１４】

【作用】本発明によれば、感光体ドラムの表面の画像か
らコントラスト変化点数、縦長さ、横長さ、明暗、平均
サイズ、面積、縦横比のうちの少なくとも２つの特徴量
を抽出し、これらを多変量解析の手法を用いて処理する
ことにより、検査項目の判定を行なっている。特に、判
別分析により得られた群予測値と、重回帰分析により得
られた目的変量から分類される群とを比較して判定を行
なうので、複数の特徴量の相互関係を加味した判定を行
なうことができ、従来のように個々の特徴量毎の判定
や、それらの判定結果の組み合わせで判定を行なう場合
に比べ、精度よく判定を行なうことができる。

【００１５】また、判別分析、重回帰分析を用いている
ので、検査項目の判定結果として、少なくとも良、不
良、再検査の必要があるものに分類して判定することが
できる。これにより、判定結果が良または不良の場合に
は、その後の目視検査は必要なく、再検査が必要と判断
されたもののみについて目視検査を行なえばよい。その
ため、検査員を削減することが可能となる。

【００１６】

【００１７】

【実施例】図１は、本発明の画像判定装置の一実施例を
示す概略構成図である。図中、１は検出エリア、２は感
光体ドラム、３は感光体ドラム回転用モータ、４はパル
ス信号発生器、５は光源、６はＣＣＤカメラ、７はカメ
ラ移動用モータ、８は信号処理部、９は欠陥判定部、１
１は特徴抽出部、１２は計算部、１３は重回帰式記憶
部、１４は判別関数記憶部、１５は判定部である。この
実施例では、被検査体として感光体ドラム２の場合につ
いて示している。

【００１８】光源５は、拡散光により感光体ドラム２の
表面を照明する。ＣＣＤカメラ６は、光源５により照明
された感光体ドラム２の表面からの反射光を検出し、検
出エリア１の画像を読み取る。感光体ドラム２とＣＣＤ
カメラ６は相対的に移動し、ＣＣＤカメラ６により感光
体ドラム２の表面全体の画像を読み取る。この実施例で
は、感光体ドラム２を感光体ドラム回転用モータ３によ
り矢印方向に回転させる。また、カメラ移動用モータ７
により、ＣＣＤカメラ６を感光体ドラム２の回転軸方向
に移動させる。パルス信号発生器４は、検出タイミング
を作り出す。この検出タイミングに基づき、画像の取り
込み及び感光体ドラム２の回転駆動を行なう。

【００１９】信号処理部８は、ＣＣＤカメラ６で読み取
った画像信号に対し、補正処理やディジタル化処理等の
信号処理を行なう。欠陥判定部９は、特徴抽出部１１、
計算部１２、重回帰式記憶部１３、判別関数記憶部１
４、判定部１５等により構成されている。特徴抽出部１
１は、信号処理部８による処理後の画像から各種の特徴
量を抽出する。計算部１２、判定部１５は、特徴抽出部
１１により抽出した特徴量を用い、重回帰分析及び判別
分析を行なう。計算部１２では、重回帰式記憶部１３に
格納されている重回帰式を計算して予測特性値を得ると
ともに、判別関数記憶部１４に格納されている判別関数
から判別スコアを計算する。判定部１５は、計算部１２
で計算された予測特性値から群を予測し、また、判別ス
コアから群を予測し、これらの群予測の情報をもとに、
感光体ドラム２の良、不良、再検査の必要の有無を判定
する。

【００２０】上述の構成において、ＣＣＤカメラ６は、
感光体ドラム２からの散乱反射光を受光するように構成
するほか、正反射光を受光したり、場合によっては被検
査体の透過光を受光するように構成してもよい。ＣＣＤ
カメラ６と感光体ドラム２との相対移動は、図１に示し
た方式の他、感光体ドラム２の回転軸方向にも、感光体
ドラム２を移動させたり、ＣＣＤカメラ６を感光体ドラ
ム２の周囲を回転させるなど、種々の方式を用いて感光
体ドラム２の表面の画像を読み取ることが可能である。
ＣＣＤカメラ６は、例えば、電子管式のテレビカメラ
や、ラインセンサなど、種々の画像入力装置により代替
可能である。また、光源５も、感光体ドラム２全体を照
明するほか、スリット光を用いるなど、種々の照明方法
を用いたり、あるいは、拡散光の代わりにレーザ光を用
いるなど、種々の変形が可能である。

【００２１】欠陥判定部９は、重回帰分析と判別分析の
２つの手法を用いて判定を行なったが、どちらか一方の
手法のみを用いて判定を行なうことも可能である。ま
た、各分析手法を複数用いて判定を行なうこともでき
る。

【００２２】次に、本発明の画像判定装置の一実施例に
おける欠陥判定部９の動作について説明する。欠陥判定
部９では、種々の特徴量を抽出し、重回帰分析、判別分
析を行なって群に分類する。重回帰分析は、いくつかの
原因と結果を結ぶものである。いくつかの原因として説
明変量ｘ₁，ｘ₂，・・・，ｘ_pを考え、結果となる目
的変量をＹとするとき、Ｙ＝ａ₁ｘ₁＋ａ₂ｘ₂＋・・・＋ａ_pｘ_p＋ａ₀ という一次式を用い、この一次式によって得られる予測
特性値により群を判別するものである。ここで、説明変
量ｘ₁，ｘ₂，・・・，ｘ_pは、画像から抽出する各特
徴量とすることができる。係数ａ₀，ａ₁，ａ₂，・・
・，ａ_pは、予め判別する対象に応じて設定しておく。
この係数が設定された一次式を重回帰式と呼ぶ。また、
重回帰式により計算される目的変量Ｙの値を予測特性値
と呼ぶ。予測特性値を予め設定されている判定基準と照
合することにより、被検査体を群に分類することができ
る。

【００２３】例えば、重回帰式で予測するのは量的な変
数であり、具体的には、予測特性値は欠陥の面積値であ
り、説明変数としては、コントラスト変化点数、縦横長
さ、明暗、核サイズ、外輪サイズ、平均サイズ、面積、
核外輪比、核外輪差、縦横比等や、これらの特徴量につ
いて、例えば、光源５による投光の方法（明視野かスリ
ット光か等）を変化させたり、ＣＣＤカメラ６の感度、
倍率、位置等を変化させたときの値を用いることができ
る。さらに、感光体ドラム２上の検出エリア１の位置等
の情報を加味することもできる。どのような特徴量を用
いるかは、適宜、選択すればよい。

【００２４】重回帰式を決定するための係数ａ₀，
ａ₁，ａ₂，・・・，ａ_pは、すでに目的変量Ｙの値が
特定されている被検査体を用い、特徴量である説明変量
ｘ₁，ｘ₂，・・・，ｘ_pと目的変量Ｙの値から決定す
る。決定の方法は周知の方法を用いればよい。

【００２５】判別分析は、予めクラス分けのための一次
式を求めておき、その一次式の計算結果の正負で分類す
る手法である。上述の重回帰分析では、重回帰式による
予測の対象が量的な変数であるのに対し、この判別分析
では、質的な変数を予測するものである。いま、説明変
量ｘ₁，ｘ₂，・・・，ｘ_pを用いた一次式ｚ＝ａ₁ｘ₁＋ａ₂ｘ₂＋・・・＋ａ_pｘ_p＋ａ₀ を考える。この一次式を判別関数、ｚを判別スコアと呼
ぶ。この判別スコアｚの正負により、どちらの群に属す
るかを判別する。複数の判別関数を用いることにより、
３つ以上の群に分けることももちろん可能である。

【００２６】例えば、上述の感光体ドラム２上の欠陥検
査においては、群として、良品と不良品との群に分けた
り、再検査の要否を群として分けることができる。この
とき、説明変量ｘ₁，ｘ₂，・・・，ｘ_pは、抽出した
特徴量とすることができる。具体的な特徴量としては、
上述の重回帰分析の場合と同様である。また、係数
ａ₀，ａ₁，ａ₂，・・・，ａ_pは、予め分類されてい
るサンプルを用いて決定しておけばよい。

【００２７】欠陥判定部９では、ＣＣＤカメラ６で読み
取った感光体ドラム２の表面の画像から必要な特徴量を
抽出し、上述の重回帰分析の手法を用いて、重回帰式に
よる予測特性値を算出し、判定基準と比較して群予測を
求める。さらに、上述の判別分析の手法を用いて、判別
関数によって算出された判別スコアにより群予測を求め
る。これらによって得られた複数の群予測の情報を用い
て、感光体ドラム２の良、不良、および、良、不良各々
について再検査の必要の有無とに分類し、欠陥の判定を
行なうことができる。この判定の結果を用い、例えば、
再検査が必要と判定された感光体ドラム２のみを再検査
すればよく、従来のように、不良と判定されたものをす
べて再検査する必要はないので、目視検査員を削減する
ことが可能である。

【００２８】図２は、欠陥判定部における処理の一例を
示すフローチャートである。まず、Ｓ２１において、読
み込んだ画像から、種々の欠陥の特徴を抽出する。Ｓ２
２において、予め設定されている重回帰式の説明変量と
して、Ｓ２１で抽出した特徴量から必要なものを代入
し、予測特性値を算出する。Ｓ２３において、Ｓ２２で
計算された予測特性値と、予め設定されている判定基準
とを比較し、良、不良のどちらの群に属するかを予測す
る。

【００２９】一方、Ｓ２４において、予め設定されてい
る判別関数の説明変量として、Ｓ２１で抽出した特徴量
から必要なものを代入し、判別スコアを算出する。Ｓ２
５において、Ｓ２４で計算された判別スコアの正負か
ら、良、不良のどちらの群に属するかを予測する。

【００３０】Ｓ２６では、Ｓ２３で予測特性値から求め
られた群予測と、Ｓ２５で判別スコアから求められた群
予測を比較し、同じ群に分類されたか否かを判定する。
すなわち、２つの群予測の結果が良、あるいは不良であ
る場合には、その判定結果は確実なものであると考えら
れるので、Ｓ２７で群予測を出力し、再検査を行なうこ
となく、判定結果に基づき被検査体を良品と不良品に分
類すればよい。２つの群予測の結果が相違する場合に
は、良品、不良品の判定がつかなかったものとして、Ｓ
２８で群予測を出力し、検査員による再検査を行なえば
よい。

【００３１】図３は、欠陥判定部における処理の別の例
を示すフローチャートである。上述の図２のフローチャ
ートに示した処理の例では、それぞれ良、不良の２群に
判別し、２つの群予測の一致または不一致により再検査
の有無を判定した。図３に示した処理では、さらに、
良、不良１、不良２の３群に判別する処理を追加した場
合を示している。図２に示した処理と同様に、まず、Ｓ
３１において、必要な特徴を抽出する。そして、Ｓ３２
において、予め設定されている重回帰式の説明変量とし
て、Ｓ３１で抽出した特徴量から必要なものを代入し、
予測特性値を算出する。Ｓ３３において、Ｓ３２で計算
された予測特性値と、予め設定されている判定基準とを
比較し、良、不良１、不良２の３つの群のどれに属する
かを予測する。

【００３２】一方、Ｓ３４において、予め設定されてい
る２群に分類するための判別関数の説明変量として、Ｓ
３１で抽出した特徴量から必要なものを代入し、２群判
別スコアを算出する。このとき、良を抽出するための判
別関数と、不良２を判別するための判別関数の２つの独
立した判別関数を用い、それぞれの判別スコアを算出す
る。Ｓ３５において、Ｓ３４で計算された２つの２群判
別スコアの正負から、良とそれ以外の２つの群のどちら
に属するか、および、不良２とそれ以外の２つの群のど
ちらに属するかを予測する。この２つの判別により、良
と不良２が分類され、その他を不良１とすればよい。ま
た、Ｓ３６において、予め設定されている３群に分類す
るための２つの判別関数の説明変量として、Ｓ３１で抽
出した特徴量から必要なものを代入し、２つの３群判別
スコアを算出する。Ｓ３７において、Ｓ３６で計算され
た２つの３群判別スコアに基づき、良、不良１、不良２
のどの群に属するかを予測する。

【００３３】Ｓ３８において、Ｓ３３で予測特性値から
予測した群と、Ｓ３５で２つの２群判別スコアから予測
した群と、Ｓ３７で３群判別スコアから予測した群を比
較し、すべて一致した群予測がなされていれば、判定は
確かであるものとして、Ｓ３９で再検査の必要のないも
のと判定して、群予測を出力する。それ以外の場合に
は、再検査を要するものと判定し、Ｓ４０で群予測を出
力して、検査員による目視検査を行なう。このとき、目
視検査による不良１と不良２の区分けが必要なければ、
不良１と不良２の間の群予測の不一致による再検査を要
する判定を行なわないように構成することもできる。

【００３４】このように、不良の群を更に区分けしてき
め細かく判定することが可能であり、逆に、良品を区分
けして等級に分けるなど、種々の分類が可能である。ま
た、上述のように、重回帰式と、２群判別関数、３群判
別関数の３つを用いることにより、個別の正答率を有す
る３つの判定結果を相互に補うことができる。このよう
に重回帰式による予測測定値と判別関数による群予測
は、各々の能力に従った正当率を有しているので、各々
の予測値に重み付け処理を行なって、判定を行なうよう
に構成することも可能である。

【００３５】実際に、上述の図３に示した処理にしたが
って、感光体ドラムの欠陥を良、不良１、不良２の３群
に判別し、更に各群予測ごとに再検査の必要性の有無を
判別した。判定基準は、最終品質特性である感光体ドラ
ムで複写された画像上の欠陥の大きさとし、特徴抽出部
１１で得る欠陥の特徴量は、コントラスト変化点数、横
サイズ、縦サイズ、明るさ、平均サイズ、面積、縦横比
等１３項目とした。

【００３６】画像上の欠陥の大きさを目的変量、特徴抽
出部１１で得る欠陥の特徴量を説明変量とした重回帰式
を予め用意するため、重回帰式の信頼度が得られる良、
不良１、不良２の標本を、例えば、３００〜４００程度
用意して、重回帰分析により求めた。また、良、不良
１、不良２の３つの群に区分けするための判別関数も、
判別分析により求めた。

【００３７】図４は、重回帰式及び判別関数の係数の説
明図である。求められた重回帰式および判別関数は、１
３項目の特徴量を説明変量とするｙ_i＝ａ_iｘ₁＋ｂ_iｘ₂＋・・・＋ｍ_iｘ₁₃（ｉ＝
１，・・・，５）で表わせる。ここで、ｙ₁は重回帰式の目的変量であ
り、画像上の欠陥の大きさを示す量である。また、
ｙ₂，ｙ₃は２群判別関数の判別スコアであり、それぞ
れ、良の判別スコア、不良２の判別スコアである。
ｙ₄，ｙ₅は３群判別関数の判別スコアであり、それぞ
れ、良と不良１、不良１と不良２を判別するための判別
スコアである。このとき、各係数を図４に示すように設
定し、群予測に用いる重回帰式及び２群判別関数、３群
判別関数を得る。図４において、空欄は係数が０、すな
わち、その特徴量を使用しないことを示している。特徴
抽出部１１で抽出した特徴量はすべて用いる必要はな
く、寄与率の高い説明変量を使用すればよい。特徴量の
中には、ある判別に対しては誤差を生じる可能性のある
ものもあり、このような特徴量を使用しないように、係
数を設定することが可能である。これらの係数を求める
ための計算手段を設けて構成することも可能である。こ
のようにして設定された重回帰式、２群判別関数、３群
判別関数は、個別に正当率８４％から９５％の能力を確
保している。

【００３８】図１に示した構成の欠陥検査装置により、
感光体ドラム２の欠陥信号を検出し、欠陥の特徴を抽出
した後、上述のようにして求めた判定式を使用し、図３
に示したフローチャートにしたがって、実際の判定を行
なった。このとき、重回帰式、判別関数に対する重み付
け処理は行なわず、重回帰式による予測特性値を判定基
準と比較したときの群予測と、２群判別関数と３群判別
関数による群予測の３者の判定の１００％一致の状態の
ときに、再検査の必要がないものと判定し、他の場合に
再検査の必要ありと判定させた。

【００３９】この判定の結果、従来の方式では検出され
た欠陥の母集団の６０％を目視による再検査に回さなけ
ればならなかったが、本発明により１０％未満の再検査
となり、従来の約１／６を再検査すれば良いことが確認
できた。

【００４０】上述の実施例では、被検査体として感光体
ドラムを例として説明したが、本発明はこれに限らな
い。他の一般の工業製品の表面に存在する傷、欠け、ゴ
ミ等の欠陥の存在検査や欠陥の分類分け等に適用するこ
とができる。また、種々の物品の形状判定や、各部の異
常監視などにも適用可能であり、画像による判定を行な
う用途であれば、本発明を適用することができる。

【００４１】

【発明の効果】以上の説明から明らかなように、本発明
によれば、種々の特徴量相互の関係をも考慮して、簡単
に、しかも精度良く、被検査体の検査項目の判定を行な
うことができる。また、本発明を欠陥検査に適用した場
合には、良、不良とともに、再検査の必要性の有無をも
判定することにより、再検査処理数を最小限に押さえ込
むことができ、工程の合理化、検査員の削減を図ること
が可能となる等の効果がある。

【図面の簡単な説明】

【図１】本発明の画像判定装置の一実施例を示す概略
構成図である。

【図２】欠陥判定部における処理の一例を示すフロー
チャートである。

【図３】欠陥判定部における処理の別の例を示すフロ
ーチャートである。

【図４】重回帰式及び判別関数の係数の説明図であ
る。

【符号の説明】

１…検出エリア、２…感光体ドラム、３…感光体ドラム
回転用モータ、４…パルス信号発生器、５…光源、６…
ＣＣＤカメラ、７…カメラ移動用モータ、８…信号処理
部、９…欠陥判定部、１１…特徴抽出部、１２…計算
部、１３…重回帰式記憶部、１４…判別関数記憶部、１
５…判定部。

───────────────────────────────────────────────────── フロントページの続き (72)発明者鈴木孝尚神奈川県南足柄市竹松1600番地富士ゼロックス株式会社内 (56)参考文献特開昭63−76072（ＪＰ，Ａ) 特開平２−101591（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G01N 21/84 - 21/958 G06T 1/00 - 9/40

Claims

(57)【特許請求の範囲】

【請求項１】感光体ドラムの表面の画像から該感光体
ドラムの表面欠陥の判定を行なう画像判定装置におい
て、感光体ドラムの表面の画像を取り込む画像入力手段
と、該画像入力手段で取り込んだ画像からコントラスト
変化点数、縦長さ、横長さ、明暗、平均サイズ、面積、
縦横比のうちの少なくとも２つの特徴量を抽出する特徴
抽出手段と、該特徴抽出手段で抽出した複数の特徴量を
説明変量とし判別分析により複数の群に分類するための
判別関数を１つまたは複数記憶する判別関数記憶手段
と、前記特徴抽出手段で抽出した複数の特徴量を説明変
量とし判定特性値を目的変量とした重回帰分析のための
重回帰式を１つまたは複数記憶する重回帰式記憶手段
と、前記特徴抽出手段で抽出した複数の特徴量を説明変
量として前記判別関数記憶手段に記憶されている判別関
数および前記重回帰式記憶手段に記憶されている重回帰
式を計算して１つまたは複数の群予測値および１つまた
は複数の目的変量を計算する計算手段と、該計算手段に
より計算された１つまたは複数の群予測値と１つまたは
複数の目的変量に基づき分類される群とを比較し少なく
とも良、不良とともに再検査の必要性を判定する判定手
段を有することを特徴とする画像判定装置。
【請求項２】感光体ドラムの表面の画像から該感光体
ドラムの表面欠陥の判定を行なう画像判定方法におい
て、感光体ドラムの表面の画像を取り込み、取り込んだ
画像からコントラスト変化点数、縦長さ、横長さ、明
暗、平均サイズ、面積、縦横比のうちの少なくとも２つ
の特徴量を抽出し、抽出した複数の特徴量を説明変量と
し予め設定されている１つまたは複数の判別関数を計算
することにより判別分析を行なって１つまたは複数の群
予測値を得るとともに、抽出した複数の特徴量を説明変
量とし判定特性値を目的変量として予め設定されている
１つまたは複数の重回帰式を計算することにより重回帰
分析を行なって１つまたは複数の目的変量を得て、得ら
れた１つまたは複数の群予測値と、得られた１つまたは
複数の目的変量から分類される群とを比較し、少なくと
も良、不良とともに再検査の必要性を判定することを特
徴とする画像判定方法。