JP4764531B1 - 画像検査装置 - Google Patents

Abstract

【課題】画像マッチングのパラメータの設定を支援する。
【解決手段】画像探索部１２２は、検査画像自体をその一部に含んで形成される自己画像と検査画像を比較することにより、複数の圧縮率それぞれについて自己画像と検査画像の画像類似度の分布を示す類似度マップ（自己類似度マップ）を生成する。圧縮率特定部１２６は、自己類似度マップから画像類似度の標準偏差を求め、検証幅Ｈを特定する。開始特定部１２８は検証幅Ｈが０．５以上となるときの圧縮率を開始圧縮率、１．５以上となるときの圧縮率を復元圧縮率として特定する。画像探索部１２２は、開始圧縮率以下の圧縮率にて圧縮された対象画像から画像マッチングを開始する。また、復元圧縮率以下の圧縮率であることを条件として、対象類似度マップの画像類似度を離散値から連続値に変換するための対象復元関数を利用する。
【選択図】図１１

Description

本発明は、画像マッチング技術、特に、ピラミッドアルゴリズムに基づく画像マッチング技術、に関する。

ある画像が別の画像のどの部分と類似しているかを検出するための画像マッチング技術は、工業計測分野においても広く利用されている。たとえば、半導体チップをプリント基板に接着するとき、半導体チップの裏面の端子配列画像とプリント基板の表面の端子配列画像を比較することにより両者の位置あわせを行う。以下、半導体チップの端子配列画像のような探索すべき画像を「検査画像」、プリント基板の端子配列画像のように検査画像の類似部分を探索されるべき画像を「対象画像」とよぶ。

画像マッチングにおいては、まず、対象画像の所定部分と検査画像を比較し、その画像類似度（相関値）を計算する。続いて、対象画像の別部分と検査画像の画像類似度を計算する。このような処理を繰り返し、画像類似度のマップ（以下、「類似度マップ」とよぶ）を作る。類似度マップを参照して画像類似度が最大となる位置を特定することにより、検査画像が対象画像のどの部分と最も類似しているか、いいかえれば、対象画像のどの部分に検査画像が含まれているかを特定する。通常、検査画像は対象画像に対して１画素ずつ移動されるため、高精細な画像の場合、計算量は膨大となる。

特開２００９−３０１１６１号公報 特開２００８−１１７４１６号公報 特開平７−３６９７３号公報 特開平８−１７３９６２号公報 特開平１０−２４８７８４号公報 特開２００３−１５８７７４号公報 特開２００２−２４０７６６号公報

画像マッチングを高速化するためのアルゴリズムとしてピラミッドアルゴリズム（Pyramid Algorithm）がある。ピラミッドアルゴリズムにおいては圧縮された対象画像と圧縮された検査画像の画像マッチングを行い、画像類似度が高い部分（以下、「候補領域」とよぶ）を特定する。その後、より圧縮率の低い画像（より高解像度の画像）について、候補領域の周辺領域を対象とした画像マッチングを行う。すなわち、低解像度画像において候補領域を特定し、高解像度画像では候補領域周辺に限定して画像マッチングを行う。高精細な対象画像全体をチェックする必要がなくなるため処理が高速化される。

しかし、圧縮率を高めすぎると画像情報量が低下するため、適切な候補領域を検出できなくなる可能性がある。どの程度の圧縮率まで許容できるかは、検査画像によって変化する。また、どの程度の画像類似度を閾値として候補領域を特定すべきかも検査画像や圧縮率によって変化する。ピラミッドアルゴリズムを正しく機能させるためには、さまざまなパラメータを適切に設定する必要がある。こういったパラメータ設定のための方法論は確立されておらず、従来は、検査画像ごとに試行錯誤的にパラメータを決めることが多かった。

本発明は、上記課題に鑑みて完成された発明であり、その主たる目的は、画像マッチングのパラメータの設定を支援するための技術、を提供することにある。

本発明のある態様における画像検査装置は、第１の圧縮率にて圧縮された対象画像と第１の圧縮率にて圧縮された検査画像の画像類似度が第１の閾値以上となる候補領域を対象画像から特定し、第１の圧縮率よりも低い第２の圧縮率にて圧縮された対象画像における候補領域の周辺領域と第２の圧縮率にて圧縮された検査画像を比較することにより第２の圧縮率の対象画像から更に候補領域を特定する処理を圧縮率を下げながら繰り返すことにより、対象画像中から検査画像に類似する部分を検出する画像探索部と、検査画像自体をその一部に含んで形成される自己画像と検査画像を比較することにより、複数の圧縮率それぞれについて自己画像と検査画像の画像類似度の分布を示す類似度マップを生成する分布計算部と、自己画像の類似度マップから画像類似度が第２の閾値以上となる検証領域を特定し、検証領域の大きさが第１の境界値以上となるときの自己画像の圧縮率を開始圧縮率として特定する圧縮率特定部を備える。画像探索部は、開始圧縮率以下の圧縮率にて圧縮された対象画像から候補領域を特定する処理を開始する。

本発明の別の態様における画像検査装置は、第１の圧縮率にて圧縮された対象画像と第１の圧縮率にて圧縮された検査画像の画像類似度が第１の閾値以上となる候補領域を対象画像から特定し、第１の圧縮率よりも低い第２の圧縮率にて圧縮された対象画像における候補領域の周辺領域と第２の圧縮率にて圧縮された検査画像を比較することにより第２の圧縮率の対象画像から更に候補領域を特定する処理を圧縮率を下げながら繰り返すことにより、対象画像中から検査画像に類似する部分を検出する画像探索部と、検査画像自体をその一部に含んで形成される自己画像と検査画像を比較することにより、複数の圧縮率それぞれについて自己画像と検査画像の画像類似度の分布を示す類似度マップを生成する分布計算部と、自己画像の類似度マップから画像類似度が第２の閾値以上となる検証領域を特定し、検証領域の大きさが第２の境界値以上となるときの自己画像の圧縮率を復元圧縮率として特定する圧縮率特定部を備える。画像探索部は、復元圧縮率以下の圧縮率にて圧縮された対象画像であることを条件として、対象画像についての画像類似度の分布を所定の対象復元関数により連続値に変換した上で候補領域を特定する。

本発明の更に別の態様における画像検査装置は、第１の圧縮率にて圧縮された対象画像と第１の圧縮率にて圧縮された検査画像の画像類似度が第１の閾値以上となる候補領域を対象画像から特定し、第１の圧縮率よりも低い第２の圧縮率にて圧縮された対象画像における候補領域の周辺領域と第２の圧縮率にて圧縮された検査画像を比較することにより第２の圧縮率の対象画像から更に候補領域を特定する処理を圧縮率を下げながら繰り返すことにより、対象画像中から検査画像に類似する部分を検出する画像探索部と、検査画像自体をその一部に含んで形成される自己画像と検査画像を比較することにより複数の圧縮率それぞれについて自己画像と検査画像の画像類似度の分布を示す類似度マップを生成する分布計算部と、自己画像の類似度マップにおいて画像類似度が最大となる第１の座標点から所定距離だけ離れた第２の座標点を特定し、自己画像の類似度マップを画像類似度の連続分布として表現するための自己復元関数により第２の座標点における画像類似度を算出し、第２の座標点における画像類似度を第１の閾値として設定する閾値特定部を備える。

なお、以上の構成要素の任意の組み合わせ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、画像マッチングにおけるパラメータの設定を合理的に設定しやすくなる。

画像マッチングを説明するための概念図である。 ピラミッドアルゴリズムを説明するための概念図である。 類似度マップの模式図である。 ピーク推定方法を説明するための模式図である。 画像類似度が閾値以上となるサンプリング点が多数検出された場合のグラフである。 画像類似度が閾値以上となるサンプリング点が少数検出された場合のグラフである。 画像類似度が閾値以上となるサンプリング点が検出できなかった場合のグラフである。 検査画像が格子模様を含むときの問題点を説明するための概念図である。 検査画像が線状模様を含むときの問題点を説明するための概念図である。 検査画像が線状模様を含むときの類似度マップである。 画像検査装置の機能ブロック図である。 自己画像の概念図である。 自己画像の類似度マップの模式図である。 検証幅を説明するための概念図である。 対象類似度マップにおいて最大値座標とサンプリング点が一致した場合のグラフである。 対象類似度マップにおいて最大値座標（第１座標）がサンプリング点からもっとも離れた場合のグラフである。 候補領域を特定するプロセスの第１段階を説明するための概念図である。 候補領域を特定するプロセスの第２段階を説明するための概念図である。 候補領域を特定するプロセスの第３段階を説明するための概念図である。 候補領域を特定するプロセスの第４段階を説明するための概念図である。

以下、添付図面を参照しながら、本発明の好ましい実施の形態について詳細に説明する。まず、図１から図４に関連し、ピラミッドアルゴリズムに基づく画像マッチング技術について説明する。次に、図５から図１０に関連してピラミッドアルゴリズムの問題点を指摘し、図１１以降において本実施形態における画像検査装置１００の構成および処理について説明する。

［技術的な前提に関する説明］
図１は、画像マッチングを説明するための概念図である。同図紙面右方向にｘ軸、紙面下方向にｙ軸を設定する。画像マッチングの目的は、対象画像１０４のどの部分が検査画像１０２と最も類似するかを特定することである。対象画像１０４のサイズは６４０ピクセル×４８０ピクセル（以下、単に、「６４０×４８０」と表記する）、検査画像１０２のサイズは６４×６４であるとする。

まず、対象画像１０４の左上隅の（ｘ，ｙ）＝（０，０）を頂点とする６４×６４の比較領域１０６と検査画像１０２を比較する。以下、座標も含めて指定するときには「比較領域１０６（０，０）」のように表記する。検査画像１０２と比較領域１０６をピクセル単位で比較し、画像類似度を求める。具体的には、いわゆる正規化相互相関式による相関値として画像類似度を求める。画像類似度の計算方法は他の既存技術を応用してもよい。画像類似度は０〜１の範囲に正規化される。画像類似度＝１は、画像の完全一致を示す。

次に、比較領域１０６をｘ方向に１ピクセルずらし、比較領域１０６（１，０）と検査画像１０２を比較する。このように比較領域１０６を１ピクセルずつずらしながら合計（６４０−６４）回移動させ、（６４０−６４＋１）個の画像類似度を計算する。ｘ方向への移動が完了すると、比較領域１０６のｙ座標を１ピクセルだけずらす。比較領域１０６（０，１）から再び比較を開始する。最終的には、（６４０−６４）×（４８０−６４）回の移動を行い、（６４０−６４＋１）×（４８０−６４＋１）個の画像類似度が計算される。

対象画像１０４にどの角度にて検査画像１０２が含まれているかもチェックする場合には複数の回転角に対応した複数の検査画像１０２についてチェックする必要がある。たとえば、検査画像１０２を１度ずつ計３６０度回転させる場合、計３６０枚の検査画像１０２を用意し、３６０枚の検査画像１０２それぞれについて対象画像１０４との比較が必要となる。このとき、画像類似度の計算回数は３６０倍になる。

このように画像マッチングは計算回数が非常に大きくなりやすい。コンピュータの処理能力の向上は続いているものの、画像の高精細化も進んでいるため、画像マッチングは時間のかかる処理であることに変わりはない。

図２は、ピラミッドアルゴリズムを説明するための概念図である。ピラミッドアルゴリズムは、画像マッチングにおける計算負荷を削減するために考案されたアルゴリズムである。ピラミッドアルゴリズムにおいては、検査画像１０２、対象画像１０４をそれぞれ１／２、１／４、１／８・・・に圧縮した画像を用意する。以下、１／ｎに圧縮された検査画像１０２や対象画像１０４のことを「検査画像１０２（ｎ）」、「対象画像１０４（ｎ）」のように表記する。検査画像１０２は、複数の回転角度に応じて複数用意する。１度ずつの回転なら、検査画像１０２（ｎ）は３６０枚となる。

圧縮方法は既知の技術の応用でよい。本実施形態においては、検査画像１０２をガウシアンフィルターによって平滑化したあと、２ピクセルあたり１ピクセルを間引くことにより検査画像１０２のサイズを１／２圧縮を実現している。１／４圧縮以降も同様である。対象画像１０４の圧縮方法も基本的に同様である。

ピラミッドアルゴリズムにおいては、オリジナルの画像ではなく、圧縮された画像を対象とした画像マッチングから開始する点に特徴がある。ここでは１／８圧縮から開始するとして説明する。まず、対象画像１０４（８）と検査画像１０２（８）の画像マッチングを行う。検査画像１０２（８）のサイズは８×８、対象画像１０４（８）のサイズは８０×６０なので、検査画像１０２（８）の移動回数は（８０−８）×（６０−８）である。また、画像類似度は（８０−８＋１）×（６０−８＋１）個算出される。

この画像類似度群から類似度マップ（詳しくは後述）を作る。そして、画像類似度が所定の閾値以上となる比較領域１０６を候補領域１０８（８）として特定する。候補領域１０８（８）は、その近辺において検査画像１０２ともっとも類似するとして検出されるべき領域（以下、「該当領域」とよぶ）が存在する可能性の高い領域である。この段階における候補領域１０８（８）は実際に該当領域の全部または一部を含むかもしれないしまったく含まないかもしれない。したがって、この段階で検出される候補領域１０８（８）は１つとは限らないが、ここでは説明を簡単にするため１つだけ候補領域１０８（８）が特定されたとして説明する。候補領域１０８（８）の左上頂点の座標を（ｘ，ｙ）＝（ｒｘ８，ｒｙ８）とする。

次に、圧縮率を１段階下げて、対象画像１０４（４）と検査画像１０２（４）の画像マッチング処理を行う。画像マッチングの対象となるのは、対象画像１０４（４）の全体ではなく候補領域１０８（８）の周辺領域に限定される。対象画像１０４（４）のサイズは１６０×１２０、検査画像１０２（４）のサイズは１６×１６である。

対象画像１０４（８）の８０×６０の座標系は、対象画像１０４（４）では２倍の１６０×１２０の座標系に拡大されている。したがって、対象画像１０４（８）の座標（ｒｘ８，ｒｙ８）は、対象画像１０４（４）の座標系では（ｘ，ｙ）＝（２×ｒｘ８，２×ｒｙ８）に対応する。対象画像１０４（４）において画像マッチングの対象となる周辺領域は比較領域１０６（４）の左上頂点座標（ｘ，ｙ）が２×ｒｘ８−ｓ＜ｘ＜２×ｒｘ８＋ｓ、２×ｒｙ８−ｓ＜ｙ＜２×ｒｙ８＋ｓを満たす領域である。ｓは任意に設定されればよい。こうして、対象画像１０４（４）では、１６０×１２０の領域の一部のみにおいて画像マッチングが実行されることになる。いいかえれば、対象画像１０４（８）による画像マッチングにより絞り込みが行われている。

以下、同様の処理を繰り返す。対象画像１０４（４）から候補領域１０８（４）を特定し、対象画像１０４（２）においてはその周辺領域を対象とした画像マッチングを行う。最終的にはオリジナルの対象画像１０４（１）から該当領域を特定する。

図３は、類似度マップの模式図である。ここでは説明のため、ピラミッドアルゴリズムを用いず、検査画像１０２（１）と対象画像１０４（１）を比較して画像類似度を算出したとして説明する。この場合、比較領域１０６（０，０）から比較領域１０６（６４０−６４，４８０−６４）までの合計（６４０−６４＋１）×（４８０−６４＋１）個の画像類似度が算出される。類似度マップ１１０は、画像類似度とサンプリング点の座標（比較領域１０６の左上頂点の座標）を対応づけて並べたものである。この類似度マップ１１０における最大の画像類似度は０．９５となっている。最大画像類似度に対応するサンプリング点の座標を（ｒｘ１，ｒｙ１）とする。なお、回転角度を考慮すれば検査画像１０２（１）は３６０枚となるので、類似度マップ１１０も実際には３６０枚となるが、ここでは説明を簡単にするためｘ座標、ｙ座標に絞って説明する。

図４は、ピーク推定方法を説明するための模式図である。横軸はｘ軸、縦軸は画像類似度を示す。ここではｘ軸方向に限定して説明する。類似度マップ１１０では、ｘ＝ｒｘ１のとき画像類似度は０．９５となっている。ｘ＝ｒｘ１の周辺の画像類似度をより詳細に見ると、ｘ＝ｒｘ１−１で０．８６、ｘ＝ｒｘ１＋１で０．９３、ｘ＝ｒｘ１＋２で０．８２であったとする。したがって、画像類似度は、実際にはｒｘ１＜ｘ＜ｒｘ１＋１で最大となる。画像類似度は、類似度マップ１１０に示すように離散値として求められる。そこで、これらの離散値から連続値を推定することにより、画像類似度が真に最大となる座標Ｐを求めることができる。このような処理方法により、解像度以上に高精度にて該当領域を特定する。

ピラミッドアルゴリズムによれば、対象画像１０４（１）の全体をチェックする必要がないため計算が高速化される。計算を高速化するためには圧縮率をなるべく高くすることが望ましい。しかし、圧縮しすぎると、画像の特徴が失われてしまうため、適切な候補領域１０８を特定できなくなるというジレンマがある。このようなピラミッドアルゴリズムの問題点については、図５から図１０に関連して説明する。

図５は、画像類似度が閾値以上となるサンプリング点が多数検出された場合のグラフである。ここでは、例として閾値を０．７に設定している。候補領域１０８として検出されるためには、候補領域１０８の左上頂点座標の画像類似度がこの閾値よりも高くなければならない。図５は、ある検査画像１０２（８）についての画像類似度を比較領域１０６の左上頂点であるサンプリング点ごとにプロットしたものである。図５の場合、対象画像１０４（８）の７つのサンプリング点（ｘ＝ｒ−２，ｒ−１，・・・，ｒ＋４）において閾値以上の画像類似度となっている。真のピークの近傍に位置するデータを７つも得られるため、真のピーク座標を高精度にて推定しやすくなる。

仮に、１／１６に圧縮した場合、サンプリング点は４つに減るが（ｘ＝ｒ−４，ｒ−２，ｒ，ｒ＋２，ｒ＋４）、それでも真のピーク座標を推定するのには充分である。したがって、図５に示す状態の場合、１／１６の圧縮であっても候補領域１０８を充分な精度で特定できる。

図６は、画像類似度が閾値以上となるサンプリング点が少数検出された場合のグラフである。図６は、図５とは異なる検査画像１０２（８）について画像類似度をプロットしたものである。図６によると、ｘ＝ｒ＋１のサンプリング点のみで閾値以上の画像類似度が検出されている。画像類似度が急峻に変化しているため閾値以上の画像類似度、いいかえれば、真のピークの近くのデータが不足しており、これだけのサンプリング点のデータから真のピーク座標を推定するのは難しくなっている。１／１６に圧縮した場合、閾値以上となるサンプリング点が存在しなくなるためこれ以上の圧縮は不適切である。

図７は、画像類似度が閾値以上となるサンプリング点が検出できなかった場合のグラフである。図７も１／８圧縮に対応するが、画像類似度は更に急峻に変化している。この結果、閾値以上の画像類似度を有するサンプリング点すら存在しなくなってしまう。この結果、ピークの存在すら検出できなくなってしまう。いいかえれば、しかるべき領域に対して候補領域１０８を検出できなくなる。１／８は圧縮しすぎであるといえる。

閾値を下げれば、ｘ＝ｒやｘ＝ｒ＋１等を候補領域１０８の座標として検出できるので、候補領域１０８の検出ミスを防ぐことができる。しかし、閾値を過度に低くすると候補領域１０８とすべきでない多くの領域まで候補領域１０８として特定されてしまうため、処理効率が悪化してしまう。圧縮率の限界値や適切な閾値は、検査画像１０２によって大きく変化することがわかっている。こういったパラメータを決定するための方法論は確立されておらず、従来、検査画像１０２ごとに試行錯誤的に決定していた。次に、図８から図１０に関連して、ピラミッドアルゴリズムが特に苦手とする検査画像１０２について２つ例示する。

図８は、検査画像１０２が格子模様を含むときの問題点を説明するための概念図である。このような格子模様は、半導体パッケージのＢＧＡ（Ball Grid Array）の画像で生じやすい。比較領域１０６（ｒ１）は検査画像１０２と完全一致する。ｘ方向に少しずれた比較領域１０６（ｒ２）では、対象画像１０４の濃淡と検査画像１０２の濃淡が反対に対応するため画像類似度は急に低くなる。更にｘ方向にずれた比較領域１０６（ｒ３）では、対象画像１０４の濃淡と検査画像１０２の濃淡が再び一致するため画像類似度も高くなる。この結果、画像類似度がｘ方向にもｙ方向にも高低を繰り返すような類似度マップ１１０が得られる。圧縮率を高くしすぎると格子模様のこのような微細な特徴が圧縮画像から失われやすい。したがって、格子模様を含む検査画像１０２の場合には、スループットを多少犠牲にしても、圧縮率はそれほど高めない方がよいことが経験則として知られている。

図９は、検査画像１０２が線状模様を含むときの問題点を説明するための模式図である。このような線状模様は、半導体の配線画像などで生じやすい。図９の場合、線状模様はｙ方向に延伸している。このような線状模様を含む対象画像１０４について高い圧縮率（低い解像度）から画像マッチングを開始し、類似度マップ１１０を作ると次の図１０のような結果となる。

図１０は、検査画像１０２が線状模様を含むときの類似度マップ１１０である。座標ｒは画像マッチングにより特定される該当領域の座標であり、座標Ｗは検査画像１０２が実際に含まれている真の位置の座標である。線状模様の場合、ｘ方向にほとんどずれはないが、ｙ方向には大きくずれる傾向がある。ｘ方向にはわずかにでもずれると画像類似度は大きく低下する一方、ｙ方向（延伸方向）へずれても画像類似度はそれほど低下しないため、このような検出誤差が生じるのではないかと考えられる。したがって、線状模様を含む検査画像１０２の場合にも、圧縮率をそれほど高めない方がよいといわれる。

［実施形態］
図１１は、画像検査装置１００の機能ブロック図である。画像検査装置１００は、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子で実現でき、ソフトウェア的にはデータ送受信機能のあるプログラム等によって実現されるが、図１１ではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できる。ここでは、各機能ブロックの構成を中心として説明する。

画像検査装置１００は、ＵＩ（ユーザインタフェース）部１５０、データ処理部１２０およびデータ保持部１４０を含む。ＵＩ部１５０は、ユーザインタフェース処理を担当する。データ処理部１２０は、ＵＩ部１５０やデータ保持部１４０から取得されたデータを元にして各種のデータ処理を実行する。データ保持部１４０は、ＵＩ部１５０とデータ保持部１４０の間のインタフェースの役割も果たす。データ保持部１４０は、各種データを保持するための記憶領域である。

ＵＩ部１５０は、このほかにもユーザの操作を受け付ける入力部１１２と、画面に各種情報を表示させる出力部１１４を含む。検査画像１０２や対象画像１０４は、入力部１１２により取得される。

データ処理部１２０は、画像探索部１２２、分布計算部１２４、圧縮率特定部１２６および閾値特定部１３２を含む。画像探索部１２２は、画像マッチング処理を実行する。分布計算部１２４は、対象画像１０４や後述する自己画像を対象として類似度マップ１１０を生成する。また、後述の対象復元関数や自己復元関数を特定するのも分布計算部１２４である。圧縮率特定部１２６は、画像マッチングのための適切な圧縮率を特定する。圧縮率特定部１２６は、開始特定部１２８と復元特定部１３０を含む。開始特定部１２８はピラミッドアルゴリズムを適用可能な最大圧縮率である開始圧縮率を特定し、復元特定部１３０は対象復元関数を適用可能な最大圧縮率である復元圧縮率を特定する。開始圧縮率と復元圧縮率については後に詳述する。閾値特定部１３２は、対象画像１０４から候補領域１０８を特定するための画像類似度の閾値（第１閾値）を特定する。閾値についても後に詳述する。

データ保持部１４０は、画像保持部１４２とマップ保持部１４４を含む。画像保持部１４２は、検査画像１０２、対象画像１０４、自己画像等の各種画像を保持する。マップ保持部１４４は、対象画像１０４や自己画像に対応する類似度マップ１１０を保持する。

図１２は、自己画像１５２の概念図である。自己画像１５２は、検査画像１０２そのものをその中央部にコピーした画像である。本実施形態においては、画像マッチング処理の下準備として、このような自己画像１５２を用意しておく。検査画像１０２のコピー領域以外は、コピー領域とその外周部との境界が目立たない色で埋めることが望ましい。複数の圧縮率の検査画像１０２に対応して、複数の自己画像１５２を用意する。

図１３は、自己画像１５２の類似度マップ１１０の模式図である。分布計算部１２４は、検査画像１０２と自己画像１５２の画像マッチングを行い、あらかじめ類似度マップ１１０を作っておく。複数の圧縮率および複数の回転角度に対応して複数の類似度マップ１１０が作られる。以下においては、対象画像１０４から作った類似度マップ１１０を「対象類似度マップ１５４」、自己画像１５２から作った類似度マップ１１０を「自己類似度マップ１５６」とよぶ。自己画像１５２は、検査画像１０２そのものを含むため、理論上、最大画像類似度はいずれの自己類似度マップ１５６においても「１」となる。この最大画像類似度となるサンプリング点Ｐを自己類似度マップ１５６の座標系において（ｘ，ｙ）＝（０，０）に設定する。回転角度ｑについても最大画像類似度となるときの回転角度を「０」に設定しておく。

自己類似度マップ１５６においても、画像類似度は離散値となってる。これらの離散値を連続値に変換するために自己復元関数を用意する。自己復元関数は、以下に示すガウス関数の形式にて表現される。

自己復元関数は、分布計算部１２４により特定される関数であり、（ｘ，ｙ，ｑ）＝（０，０，０）のとき、最大値１となる。（ｘ，ｙ，ｑ）＝（０，０，０）から離れるほど自己復元関数の値も小さくなる。ｘやｙは自己類似度マップ１５６上の座標である。ｘ＝ｋは、最大画像類似度となるサンプリング点Ｐ（以下、「第１座標点」ともよぶ）からｋ個隣りのサンプリング点に対応する。自己復元関数は、複数の圧縮率に対応して複数種類用意される。

非圧縮の検査画像１０２（１）を対象とした自己類似度マップ１５６（１）の場合、自己画像１５２（１）上で１ピクセル移動した先のサンプリング点における画像類似度は自己類似度マップ１５６（１）においては１つ隣りの画像類似度として示される。また、自己画像１５２（ｎ）上における１ピクセルの移動は、自己画像１５２（１）ではｎピクセル分の移動に相当する。

圧縮率が低いときには解像度が高いのでサンプリング点が多くなる。この結果、自己類似度マップ１５６における画像類似度の変化が緩やかになるので、画像類似度の標準偏差σは大きくなる。ここでいう標準偏差σは、自己画像１５２の座標系ではなく、自己類似度マップ１５６の座標系から特定される点であることに留意しておく必要がある。

圧縮率が高いときにはサンプリング点が少なくなるため、自己類似度マップ１５６における画像類似度は急峻に変化する。たとえば、自己類似度マップ１５６（８）において１つ隣りの画像類似度は、もともとの自己画像１５２（１）においては８ピクセル分離れた位置の画像類似度を示している。したがって、圧縮率が高いほど標準偏差σは小さくなる。自己類似度マップ１５６を作成する主目的は、複数の圧縮率それぞれについての自己類似度マップ１５６の標準偏差σｘ、σｙ、σｚを求めることであり、自己復元関数自体にはそれほどの意味はない。この標準偏差の大きさが、各圧縮率において本来の検査画像１０２（１）の画像上の特徴がどの程度維持できているか、の指標となる。標準偏差が大きいことは、画像類似度の変化が自己類似度マップ１５６のサンプリング点において精緻に捉えられていることを示している。

以下、各圧縮率の画像マッチングにおいて、検査画像１０２の１回あたりの移動量を「移動単位」とよぶことにする。たとえば、対象画像１０４（１）や自己画像１５２（１）の場合は、１移動単位＝１ピクセルである。対象画像１０４（８）の場合は、１移動単位は対象画像１０４（８）の座標系であれば１ピクセル分の移動であるが、オリジナルの対象画像１０４（１）の座標系であれば８ピクセル分に相当する。

図１４は、検証幅Ｈを説明するための概念図である。同図は、自己画像１５２に対するｘ方向の画像類似度を示している。圧縮率は１／８であるとする。ピラミッドアルゴリズムに基づく画像マッチングにおいては、
（１）最大圧縮率（開始圧縮率）をどのくらいに設定すべきか
（２）対象復元関数（後述）により画像類似度を連続値に変換可能な圧縮率（復元圧縮率）をどのくらいに設定すべきか
（３）閾値（第１閾値）をどのくらいに設定すべきか
の３点を決定することが重要である。ここで、（２）について説明する。

まず、対象画像１０４と検査画像１０２を比較して対象類似度マップ１５４を作る。対象類似度マップ１５４の画像類似度も離散値であるが、自己復元関数と同形式の対象復元関数により、これらの離散値を連続値に変換可能である。対象復元関数により連続値としての画像類似度分布を計算できれば、図４に関連して説明したように検査画像１０２の解像度以上の精度にて候補領域１０８を特定できる。この結果、離散化により失われた画像類似度の連続値が復元される。

しかし、圧縮率が高いとき、いいかえれば、解像度が低いときにはサンプリング点が少なくなる。圧縮率が高すぎると図６や図７に示したようにピーク推定が難しくなる。すなわち、サンプリング点が少ないとき、特に、閾値（第１閾値）以上の画像類似度となるサンプリング点、いいかえれば、ピーク近傍のサンプリング点が少ないときには、ピーク推定のための正確な対象復元関数を特定できなくなってしまう。したがって、対象復元関数を利用可能な圧縮率にも限界点がある。

本実施形態においては、上記（１）、（２）の判断のために以下の数式にて検証幅Ｈを計算する。

数２に含まれる標準偏差σは、自己復元関数の作成過程において特定されたものである。検証幅Ｈの算出にあたっては、標準偏差σｘ、σｙ、σｚのうちの最小値を利用する。標準偏差σが小さいことは、画像類似度が急峻に変化していることを示す。既に説明したように圧縮率が高くなるほど標準偏差σは小さくなる。検証幅Ｈは標準偏差σにより求められる値であるため、画像類似度がどの程度急峻に低下するかを示す指標値であるといえる。数２に含まれる変数Ｒは補正値であり、Ｒは変数ＴＨＵの関数である。ＴＨＵはユーザによる設定値（第１設定値）である。したがって、ユーザには検証幅Ｈを手動調整できる余地がある。

検証幅Ｈを模式的に表すと図１４のようになる。検証幅Ｈは、自己類似度マップ１５６における最大画像類似度に対応するサンプリング点Ｐからの距離を示している。図１４はｘ方向のみ記載しているが、ｙ方向、ｑ方向についても同様である。検証幅Ｈという考え方を導入することにより、自己類似度マップ１５６上に仮想的な領域（検証領域）が形成される。検証領域とは、いわば、自己類似度マップ１５６において画像類似度が所定の閾値（第２閾値）よりも大きくなる領域である。

ある圧縮率に対応する自己類似度マップ１５６から特定される検証幅Ｈが大きいときには、その圧縮率に対応する対象類似度マップ１５４に基づいて適切な候補領域１０８を検出できる可能性が高い。一方、検証幅Ｈが小さいときには、検出すべき候補領域１０８を検出し損なうリスクが高くなる。

より具体的に言えば、Ｐ−Ｈ＜ｘ＜Ｐ＋Ｈの区間にサンプリング点が１つも設定されないほど解像度が荒い場合には、図７に示したように最大画像類似度となるべき座標を検出し損なう可能性がある。圧縮率が高いほど検証幅Ｈは小さくなるため、このような検出ミスのリスクも高くなる。逆にいえば、Ｐ−Ｈ＜ｘ＜Ｐ＋Ｈの区間にサンプリング点が少なくとも１つ設定される場合には、必ずこの区間からサンプリング点を検出できるので、このような検出ミスは発生しない。

より具体的には、１移動単位が２Ｈ未満（２Ｈ＞１）となる圧縮率であれば、サンプリング点が少なくとも１つ設定される。すなわち、Ｈ＞０．５（Ｈ＞第１境界値）が成立していればそのときの圧縮率はピラミッドアルゴリズムに適用可能であるが、それ以上圧縮率を高めると検出ミスが発生する可能性が生じるため適用不可となる。このように検証幅Ｈは、適用可能な最大圧縮率（開始圧縮率）を特定するための指標として機能する。これは、検証幅Ｈの構成要素である自己類似度マップ１５６の標準偏差に基づいて、候補領域１０８の検出の判断基準となる第１閾値を決定していることにも関連する。詳細は後述する。

対象復元関数により連続値としての画像類似度分布を計算するためには、Ｐ−Ｈ＜ｘ＜Ｐ＋Ｈに最低でも３点はサンプリング点が欲しい。いいかえれば、連続値によるピーク推定のためには、ピークの近傍の画像類似度を示すサンプリング点が３点以上欲しい。この条件を検証幅Ｈをつかって表現すると、２Ｈ＞３となる。ある圧縮率についてＨ＞１．５（Ｈ＞第２境界値）が成立していればその圧縮率において対象復元関数を適用可能であるが、検証幅Ｈが１．５よりも小さいときには不正確な対象復元関数となってしまう可能性がある。このような判定方法により対象復元関数を適用可能な最大圧縮率（復元開始率）を特定できる。本実施形態としては３点としたが、安全のためには４点以上を設定してもよい。

まとめると、（１）Ｈ≦０．５となる圧縮率は不採用、（２）０．５＜Ｈ≦１．５となるときの圧縮率は採用されるが対象復元関数は適用除外、（３）１．５＜Ｈとなるときには対象復元関数も適用可能、となる。このような処理方法により、開始圧縮率と復元圧縮率を合理的に提案可能となる。

次に、対象画像１０４から候補領域１０８を特定するときの閾値である第１閾値の決定方法について述べる。既に説明したように、検証幅Ｈを判定基準とする以上、ｘ＝Ｐ−Ｈ、Ｐ＋Ｈの画像類似度が第１閾値を決定するが、本実施形態においては数３のように少しアレンジしている。

数３に示す関数値ＴＨが第１閾値に対応する。数３の標準偏差σは自己類似度マップ１５６から得られた画像類似度データに基づいて特定される。第１閾値ＴＨは、最大画像類似度となる第１座標Ｐ（０，０，０）から０．７移動単位だけ離れた第２座標における画像類似度を変数ＴＨＵ（第２設定値）により補正したものである。変数ＴＨＵは、数２に示した変数ＴＨＵと同一でもよいし、別でもよい。０．７は本実施形態における設定値であり、０．５〜１．０の範囲に設定されることが望ましい。その理由については図１５、図１６に関連して説明する。

図１５は、対象類似度マップ１５４において最大値座標（第１座標）とサンプリング点が一致した場合のグラフである。圧縮率は１／８であるとする。図１５の場合、対象類似度マップ１５４（８）のサンプリング点の座標が、対象画像１０４（１）の座標系でいえばｘ＝ｋ−８、ｋ、ｋ＋８・・・に対応している。偶然、サンプリング点（ｋ）が画像類似度が最大となる座標（第１座標）となっている。この場合には、サンプリング点（ｋ−８，ｋ＋８）における画像類似度を第１閾値に設定しても、いいかえれば、第１座標から１移動単位だけ離れた位置の画像類似度を第１閾値として設定しても、第１閾値以上の画像類似度に対応するサンプリング点を３つ検出できる。

図１６は、対象類似度マップ１５４において最大値座標（第１座標）がサンプリング点からもっとも離れた場合のグラフである。圧縮率は１／８とする。図１６の場合、サンプリング点ｘ＝ｋとｘ＝ｒ＋８のちょうど中間（ｘ＝ｒ＋４）で最大画像類似度となっている。１／８の圧縮率の場合、ｘ＝ｋ＋４における画像類似度は検出できない。ｘ＝ｋ＋４は、サンプリング点ｘ＝ｋ、ｋ＋８のいずれからも０．５移動単位だけ離れている。したがって、サンプリング点ｘ＝ｋ、ｋ＋８における画像類似度が第１閾値よりも大きくなければ、しかるべき候補領域１０８（８）を検出し損なう可能性がある。このような理由により、第１閾値は、第１座標から０．５移動単位だけ離れた第２座標（ｘ＝ｋ、ｋ＋８）における画像類似度よりも小さくする必要がある。本実施形態においてはノイズの影響も考慮して０．７移動単位における画像類似度に設定している。このような処理方法により、第１閾値を合理的に提案可能となる。
以下、本実施形態における候補領域１０８を特定するプロセスについてより具体的に説明する。

図１７は、候補領域１０８を特定するプロセスの第１段階を説明するための概念図である。検証幅Ｈをチェックした結果、圧縮率１／１６が開始圧縮率、圧縮率１／４が復元圧縮率として特定されたとする。まず、分布計算部１２４は自己画像１５２と検査画像１０２を比較し、自己類似度マップ１５６を作成する。画像探索部１２２は、自己類似度マップ１５６についての標準偏差を計算しておく。ここでは、ｘｙ方向のみについて説明するが回転方向の処理についても基本的に同様である。

分布計算部１２４は、対象類似度マップ１５４（１６）を参照し、第１閾値以上の画像類似度となり、かつ、ｘ方向における両脇のサンプリング点の画像類似度よりも大きな画像類似度となっているサンプリング点を特定する。このようなサンプリング点の座標が（ｘ，ｙ）＝（ｒｘ，ｒｙ）であったとする。座標（ｒｘ，ｒｙ）は、対象画像１０４（１６）の座標系における座標である。対象復元関数は適用できないので、座標（ｘ，ｙ）＝（ｒｘ，ｒｙ）の周辺が候補領域１０８（１６）となる。

画像探索部１２２は、候補領域１０８（１６）の周辺領域を対象として対象画像１０４（８）と検査画像１０２（８）の画像マッチングを行う。対象画像１０４（１６）における座標（ｘ，ｙ）＝（ｒｘ，ｒｙ）は、対象画像１０４（８）の座標系では（ｘ，ｙ）＝（２ｒｘ，２ｒｙ）となる。したがって、画像探索部１２２は、２ｒｘ−ｓ＜ｘ＜２ｒｘ＋ｓ、２ｒｙ−ｓ＜ｙ＜２ｒｙ＋ｓの範囲において画像マッチングを行う。

分布計算部１２４は、対象類似度マップ１５４（８）を参照し、上述の条件に該当するサンプリング点を特定する。このようなサンプリング点の座標が（ｘ，ｙ）＝（２ｒｘ＋ｓ１，２ｒｙ＋ｓ２）であったとする。対象復元関数は適用できないので、座標（ｘ，ｙ）＝（２ｒｘ＋ｓ１，２ｒｙ＋ｓ２）の周辺が候補領域１０８（８）となる。

以下同様であり、候補領域１０８（８）の周辺領域を対象として対象画像１０４（４）についての画像マッチングを行い、対象類似度マップ１５４（４）を作成する。圧縮率１／４からは対象復元関数を利用してより詳細に最大画像類似度となる座標を特定する。図１７は、自己類似度マップ１５６（４）の一部を示す。サンプリング点（ｘ，ｙ）＝（ｘ１＋２，ｙ１＋２）が画像類似度が最大となるサンプリング点（以下、「最大サンプリング点」とよぶ）である。分布計算部１２４は、最大サンプリング点周辺の８つのサンプリング点における画像類似度もチェックする。

図１８は、候補領域１０８を特定するプロセスの第２段階を説明するための概念図である。自己類似度マップ１５６（４）において、σｘ＜σｙの場合、検査画像１０２（４）の画像類似度はｙ方向よりもｘ方向に急峻に変化しているといえる。これは、図９に関連して説明したようにｙ方向に延伸するタイプの検査画像１０２（４）である可能性がある。このため、ｘ方向よりもｙ方向の検出誤差が発生しやすいためｙ方向については慎重にチェックする必要がある。以下、このような平面２方向のうち標準偏差が小さい側の方向（この例ではｘ方向）を「急峻方向」とよぶ。

ここに示す例では、σｘ＜σｙであったとして説明する。分布計算部１２４は、最大サンプリング点を含むｘ方向のライン（以下、「主ライン」とよぶ）とその両脇をｘ方向に並走する２本のライン（以下、「副ライン」とよぶ）それぞれをチェックし、ラインごとに最大サンプリング点をチェックする。図１８では、副ライン（ｙ＝ｙ１＋１）の最大サンプリング点は座標（ｘ１＋３，ｙ１＋１）、副ライン（ｙ＝ｙ１＋３）の最大サンプリング点は座標（ｘ１＋１，ｙ１＋３）に対応する。

図１９は、候補領域１０８を特定するプロセスの第３段階を説明するための概念図である。分布計算部１２４は、副ライン（ｙ１＋１）における座標（ｘ１＋２，ｙ１＋１）、座標（ｘ１＋３，ｙ１＋１）、座標（ｘ１＋４，ｙ１＋１）の３点の画像類似度とその座標値のデータから、対象復元関数を特定する。いいかえれば、副ライン（ｙ１＋１）における最大サンプリング点近傍の画像類似度を連続値として表現するための対象復元関数（ｙ１＋１）を特定する。この結果、ｘ＝ｘ１＋３．５の位置において画像類似度は最大の０．８５となったとする。同様にして、主ライン（ｙ１＋２）からは最大画像類似度０．８０、副ライン（ｙ１＋３）からは最大画像類似度０．７０が算出されたとする。

主ライン（ｙ１＋２）の最大画像類似度０．８０よりも副ライン（ｙ１＋１）の最大画像類似度０．８５の方が高い。この場合、分布計算部１２４は、副ライン（ｙ１＋１）を新たな主ラインとして設定する。そして、ｙ＝ｙ１のラインが新たな副ラインとして追加される。副ライン（ｙ１）の最大サンプリング点は（ｘ１＋３，ｙ１）であったとする。

図２０は、候補領域１０８を特定するプロセスの第４段階を説明するための概念図である。画像探索部１２２は、副ライン（ｙ１）についての対象復元関数を特定し、最大画像類似度を算出する。最大画像類似度は０．７５であったとする。この結果、副ライン（ｙ１）、主ライン（ｙ１＋１）、副ライン（ｙ１＋２）が確定する。

画像探索部１２２は、副ライン（ｙ１）におけるｘ＝ｘ１＋２、ｘ１＋３、ｘ１＋４、主ライン（ｙ１＋１）におけるｘ＝ｘ１＋２、ｘ１＋３、ｘ１＋４、副ライン（ｙ１＋２）におけるｘ＝ｘ１＋１、ｘ１＋２、ｘ１＋３の合計９点の画像類似度に基づき、２次元の対象復元関数を作る。分布計算部１２４は、これにより最大画像類似度となる座標を特定する。仮に、（ｘ，ｙ）＝（ｘ１＋３．２，ｙ１＋０．８）において最大画像類似度になったとする。この結果、（ｘ，ｙ）＝（ｘ１＋３．２，ｙ１＋０．８）を左上頂点座標とする候補領域１０８（４）が特定される。なお、画像類似度の最大値が第１閾値を超えられない場合には、候補領域１０８とはならないことはいうまでもない。

画像探索部１２２は、候補領域１０８（４）の周辺領域を対象として対象画像１０４（２）と検査画像１０２（２）の画像マッチングを行う。対象画像１０４（４）の座標系における座標（ｘ，ｙ）＝（ｘ１＋３．２，ｙ１＋０．８）は、対象画像１０４（２）の座標系における座標（ｘ，ｙ）＝（２ｘ１＋６．４，２ｙ１＋１．６）に対応する。小数点以下の数値は四捨五入され、結果的には、（ｘ，ｙ）＝（２ｘ１＋６，２ｙ１＋２）となる。分布計算部１２４は、対象類似度マップ１５４（２）を参照し、同様の処理を繰り返す。こうして、最終的には、対象画像１０４（１）から該当領域が特定される。

以上、実施形態に基づいて画像検査装置１００を説明した。画像検査装置１００は、自己画像１５２に基づいて自己類似度マップ１５６を作成し、さまざまな圧縮率における画像類似度の標準偏差σを求めている。標準偏差σにより、検査画像１０２がどのような画像上の特徴を有し、さまざまな圧縮率においてその画像上の特徴をどの程度維持できるかが特定される。いいかえれば、自己類似度マップ１５６から特定した標準偏差σ（あるいはその二乗の分散値）は、検査画像１０２自体の画像上の特徴と、その画像上の特徴の圧縮率に対する耐性の強さを示している。

標準偏差σが大きいことは画像類似度が緩やかに変化することを示し、このときには圧縮率を上げても画像上の特徴は失われにくい。一方、標準偏差σが小さいときには圧縮率をあまり上げない方がよい。標準偏差σに基づいて検証幅Ｈを定義することにより、開始圧縮率や復元圧縮率、第１閾値をシステムが合理的に提案できる。この結果、画像マッチング処理の精度とスループットを合理的に両立させることが可能となる。

格子模様を含む検査画像１０２の場合、標準偏差は非常に小さくなる。この結果、開始圧縮率は小さく設定されることになり、誤検出や検出ミスを防ぐことができる。なお、所定の圧縮率の自己画像１５２において第１閾値以上の画像類似度となる座標の近く、たとえば、３移動単位以内に第１閾値以上の画像類似度となる別の座標があるときには、それ以上の圧縮率を開始圧縮率として設定することを禁止しておけばより確実である。

線状模様を含む検査画像１０２の場合、急峻方向の標準偏差が小さくなる。この結果、開始圧縮率は小さく設定されることになり、誤検出や検出ミスを防ぐことができる。また、図１７以降に関連して説明したように、ずれが発生しやすいｙ方向（延伸方向）についてより精緻なチェックができるように、急峻方向のデータに基づいて対象復元関数を作成している。この結果、延伸方向のずれにも強い画像マッチングが実現されている。

以上、本発明を実施の形態をもとに説明した。実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

以上の実施の形態および変形例から把握される発明のいろいろな態様をすでに特許請求の範囲に記載したものも含むかたちにて以下に例示する。

Ａ１．第１の圧縮率にて圧縮された対象画像と前記第１の圧縮率にて圧縮された検査画像の画像類似度が第１の閾値以上となる候補領域を前記対象画像から特定し、前記第１の圧縮率よりも低い第２の圧縮率にて圧縮された対象画像における前記候補領域の周辺領域と前記第２の圧縮率にて圧縮された検査画像を比較することにより前記第２の圧縮率の対象画像から更に候補領域を特定する処理を圧縮率を下げながら繰り返すことにより、前記対象画像中から前記検査画像に類似する部分を検出する画像探索部と、
前記検査画像自体をその一部に含んで形成される自己画像と前記検査画像を比較することにより、複数の圧縮率それぞれについて前記自己画像と前記検査画像の画像類似度の分布を示す類似度マップを生成する分布計算部と、
前記自己画像の類似度マップから画像類似度が第２の閾値以上となる検証領域を特定し、前記検証領域の大きさが第２の境界値以上となるときの前記自己画像の圧縮率を復元圧縮率として特定する圧縮率特定部と、を備え、
前記画像探索部は、前記復元圧縮率以下の圧縮率にて圧縮された前記対象画像であることを条件として、前記対象画像についての画像類似度の分布を所定の対象復元関数により連続値に変換した上で前記候補領域を特定することを特徴とする画像検査装置。

Ａ２．前記分布算出部は、前記自己画像の類似度マップにおける画像類似度の分散値を算出し、
前記圧縮率特定部は、前記分散値により前記検証領域の大きさを示す検証幅を規定し、前記検証幅と前記第２の境界値を比較することを特徴とするＡ１に記載の画像検査装置。

Ａ３．前記圧縮率特定部は、前記検証領域の大きさが第１の境界値以上となるときの圧縮率を開始圧縮率として特定し、
前記画像探索部は、前記開始圧縮率以下の圧縮率にて圧縮された前記対象画像から前記候補領域を特定する処理を開始することを特徴とするＡ１に記載の画像検査装置。

Ａ４．前記自己画像の類似度マップにおいて画像類似度が最大となる第１の座標点から所定距離だけ離れた第２の座標点を特定し、前記自己画像の類似度マップを画像類似度の連続分布として表現する自己復元関数により前記第２の座標点における画像類似度を算出し、前記第２の座標点における画像類似度を前記第１の閾値として設定する閾値特定部、を更に備えることを特徴とするＡ１に記載の画像検査装置。

Ｂ１．第１の圧縮率にて圧縮された対象画像と前記第１の圧縮率にて圧縮された検査画像の画像類似度が第１の閾値以上となる候補領域を前記対象画像から特定し、前記第１の圧縮率よりも低い第２の圧縮率にて圧縮された対象画像における前記候補領域の周辺領域と前記第２の圧縮率にて圧縮された検査画像を比較することにより前記第２の圧縮率の対象画像から更に候補領域を特定する処理を圧縮率を下げながら繰り返すことにより、前記対象画像中から前記検査画像に類似する部分を検出する画像探索部と、
前記検査画像自体をその一部に含んで形成される自己画像と前記検査画像を比較することにより複数の圧縮率それぞれについて前記自己画像と前記検査画像の画像類似度の分布を示す類似度マップを生成する分布計算部と、
前記自己画像の類似度マップにおいて画像類似度が最大となる第１の座標点から所定距離だけ離れた第２の座標点を特定し、前記自己画像の類似度マップを画像類似度の連続分布として表現するための自己復元関数により前記第２の座標点における画像類似度を算出し、前記第２の座標点における画像類似度を前記第１の閾値として設定する閾値特定部と、を備えることを特徴とする画像検査装置。

Ｂ２．前記検査画像を前記対象画像の各部と比較するときの前記検査画像の１回あたりの移動量を１移動単位としたとき、
前記所定の距離は、前記自己画像の類似度マップにおいて０．５移動単位以上の距離であることを特徴とするＢ１に記載の画像検査装置。

Ｂ３．前記閾値特定部は、ユーザにより入力される第２の設定値に応じて前記第１の閾値を調整することを特徴とするＢ１に記載の画像検査装置。

Ｂ４．前記自己画像の類似度マップから画像類似度が第２の閾値以上となる検証領域を特定し、前記検証領域の大きさが第１の境界値以上となるときの前記自己画像の圧縮率を開始圧縮率として特定する圧縮率特定部、を更に備え、
前記画像探索部は、前記開始圧縮率以下の圧縮率にて圧縮された前記対象画像から前記候補領域を特定する処理を開始することを特徴とするＢ１に記載の画像検査装置。

Ｂ５．前記圧縮率特定部は、前記自己画像の類似度マップから画像類似度が第２の閾値以上となる検証領域を特定し、前記検証領域の大きさが第２の境界値以上となるときの前記自己画像の圧縮率を復元圧縮率として特定し、
前記画像探索部は、前記復元圧縮率以下の圧縮率にて圧縮された前記対象画像であることを条件として、前記対象画像についての画像類似度の分布を所定の対象復元関数により連続値に変換した上で前記候補領域を特定することを特徴とするＢ１に記載の画像検査装置。

１００ 画像検査装置、１０２ 検査画像、１０４ 対象画像、１０６ 比較領域、１０８ 候補領域、１１０ 類似度マップ、１１２ 入力部、１１４ 出力部、１２０ データ処理部、１２２ 画像探索部、１２４ 分布計算部、１２６ 圧縮率特定部、１２８ 開始特定部、１３０ 復元特定部、１３２ 閾値特定部、１４０ データ保持部、１４２ 画像保持部、１４４ マップ保持部、１５０ ＵＩ部、１５２ 自己画像、１５４ 対象類似度マップ、１５６ 自己類似度マップ。

Claims (10)

1. 第１の圧縮率にて圧縮された対象画像と前記第１の圧縮率にて圧縮された検査画像の画像類似度が第１の閾値以上となる候補領域を前記対象画像から特定し、前記第１の圧縮率よりも低い第２の圧縮率にて圧縮された対象画像における前記候補領域の周辺領域と前記第２の圧縮率にて圧縮された検査画像を比較することにより前記第２の圧縮率の対象画像から更に候補領域を特定する処理を圧縮率を下げながら繰り返すことにより、前記対象画像中から前記検査画像に類似する部分を検出する画像探索部と、
   前記検査画像自体をその一部に含んで形成される自己画像と前記検査画像を比較することにより、複数の圧縮率それぞれについて前記自己画像と前記検査画像の画像類似度の分布を示す類似度マップを生成する分布計算部と、
   前記自己画像の類似度マップから画像類似度が第２の閾値以上となる検証領域を特定し、前記検証領域の大きさが第１の境界値以上となるときの前記自己画像の圧縮率を開始圧縮率として特定する圧縮率特定部と、を備え、
   前記画像探索部は、前記開始圧縮率以下の圧縮率にて圧縮された前記対象画像から前記候補領域を特定する処理を開始することを特徴とする画像検査装置。
2. 前記分布算出部は、前記自己画像の類似度マップにおける画像類似度の分散値を算出し、
   前記圧縮率特定部は、前記分散値により前記検証領域の大きさを示す検証幅を規定し、前記検証幅と前記第１の境界値を比較することを特徴とする請求項１に記載の画像検査装置。
3. 前記分布算出部は、複数の座標軸方向それぞれについて前記分散値を算出し、複数の分散値のうちもっとも小さい分散値により前記検証幅を規定することを特徴とする請求項２に記載の画像検査装置。
4. 前記複数の座標軸方向には回転方向が含まれることを特徴とする請求項３に記載の画像検査装置。
5. 前記圧縮率特定部は、ユーザにより入力される第１の設定値により前記検証幅を調整可能であることを特徴とする請求項２に記載の画像検査装置。
6. 前記画像探索部は、前記検証幅が前記第１の境界値よりも大きい第２の境界値以上となる圧縮率であることを条件として、前記対象画像についての画像類似度の分布を所定の対象復元関数により連続値に変換することを特徴とする請求項１に記載の画像検査装置。
7. 前記画像探索部は、平面上の２方向それぞれについて算出された前記分散値のうち、前記分散値が低い方向を急峻方向として特定し、前記対象画像の類似度マップにおいて最大の画像類似度となる座標を前記急峻方向に走査する主ラインおよびその両脇を並行する２つの副ラインそれぞれについて前記対象復元関数により画像類似度の連続分布を算出し、２つの前記副ライン上よりも前記主ライン上から最大画像類似度が算出されたときには前記主ラインおよび２つの前記副ラインに対応して前記候補領域を特定し、前記主ライン上よりもいずれかの前記副ライン上から最大画像類似度が算出されたときにはその副ラインを新たな主ラインとして前記対象復元関数により画像類似度を再度算出することを特徴とする請求項６に記載の画像検査装置。
8. 前記自己画像の類似度マップにおいて画像類似度が最大となる第１の座標点から所定距離だけ離れた第２の座標点を特定し、前記自己画像の類似度マップを画像類似度の連続分布として表現する自己復元関数により前記第２の座標点における画像類似度を算出し、前記第２の座標点における画像類似度を前記第１の閾値として設定する閾値特定部、を更に備えることを特徴とする請求項１に記載の画像検査装置。
9. 前記検査画像を前記対象画像の各部と比較するときの前記検査画像の１回あたりの移動量を１移動単位としたとき、
   前記所定の距離は、前記自己画像の類似度マップにおいて０．５移動単位以上の距離であることを特徴とする請求項８に記載の画像検査装置。
10. 前記閾値特定部は、ユーザにより入力される第２の設定値に応じて前記第１の閾値を調整することを特徴とする請求項８に記載の画像検査装置。

Images