JP5033802B2 - タスク型画像化システム - Google Patents

Description

（関連出願の参照）
本出願は、２００５年９月１９日出願の米国仮特許出願第６０／７１８，５５２号（名称「Ｉｒｉｓ Ｒｅｃｏｇｉｎｉｔｉｏｎ ａｔ ａ Ｌａｒｇｅ Ｓｔａｎｄｏｆｆ Ｄｉｓｔａｎｃｅ」）および２００６年３月６日出願の米国仮特許出願第６０／７７９，７１２号（名称「Ｚｏｏｍ Ｌｅｎｓ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ｗａｖｅｆｒｏｎｔ Ｃｏｄｉｎｇ」）に対する優先権の利益を主張する。本出願はまた、２００５年９月１３日出願の共有に係る同時係属の米国仮特許出願第１１／２２５，７５３号（名称「Ｉｒｉｓ Ｉｍａｇｅ Ｃａｐｔｕｒｅ Ｄｅｖｉｃｅｓ ａｎｄ Ａｓｓｏｃｉａｔｅｄ Ｓｙｓｔｅｍｓ」）一部継続出願であり、該出願は、２００４年９月１３日に出願された米国仮特許出願第６０／６０９，４４５号（名称「Ｉｒｉｓ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｅｃｕｒｉｔｙ ｆｏｒ Ｃａｍｅｒａ Ｐｈｏｎｅｓ， Ｄｉｇｉｔａｌ Ｃａｍｅｒａｓ， ａｎｄ Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ」）に対する優先権を主張する。本出願はまた、２００４年１２月１日に出願された米国特許出願第１１／０００，８１９号（名称「Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｏｐｔｉｍｉｚｉｎｇ Ｏｐｔｉｃａｌ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍ Ｄｅｓｉｇｎｓ」）の一部継続出願であり、該出願は、２００３年１２月１日に出願された米国仮特許出願第６０／５２６，２１６号（名称「Ｄｅｓｉｇｎｉｎｇ Ｏｐｔｉｃａｌ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ｗａｖｅｆｒｏｎｔ Ｃｏｄｉｎｇ Ｅｌｅｍｅｎｔｓ」）に対する優先権を主張する。前述の特許出願のそれぞれは、本明細書において、それら全体が参照によって明白に援用される。

２００４年３月２５日出願の米国特許出願第１０／８１０，４４６号（名称「Ｍｅｃａｎｉｃａｌｌｙ−Ａｄｊｕｓｔａｂｌｅ Ｏｐｔｉｃａｌ Ｐｈａｓｅ Ｆｉｌｔｅｒｓ ｆｏｒ Ｍｏｄｉｆｙｉｎｇ Ｄｅｐｔｈ ｏｆ Ｆｉｅｌｄ， Ａｂｅｒｒａｔｉｏｎ−Ｔｏｌｅｒａｎｃｅ， Ａｎｔｉ−Ａｌｉａｓｉｎｇ ｉｎ Ｏｐｔｉｃａｌ Ｓｙｓｔｅｍｓ」）、および２００６年３月２０日に出願されたＰＣＴ特許出願ＰＣＴ／ＵＳ０６／０９９５８（名称「Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ｐｉｘｅｌａｔｅｄ Ｓｐａｔｉａｌ Ｌｉｇｈｔ Ｍｏｄｕｌａｔｏｒｓ」）は、それら全体が本明細書において参照によって明白に援用される。

以下の米国特許は、それら全体が本明細書において参照によって明白に援用される。上記特許とは、Ｃａｔｈｅｙ他に対する米国特許第５，７４８，３７１号（名称「Ｅｘｔｅｎｄｅｄ Ｄｅｐｔｈ ｏｆ Ｆｉｅｌｄ Ｏｐｔｉｃａｌ Ｓｙｓｔｅｍｓ」）；Ｄｏｗｓｋｉ，Ｊｒ．他に対する同第６，５２５，３０２号（名称「Ｗａｖｅｆｒｏｎｔ Ｃｏｄｉｎｇ Ｐｈａｓｅ Ｃｏｎｔｒａｓｔ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍｓ」）；Ｄｏｗｓｋｉ，Ｊｒ．に対する同第６，８４２，２９７号（名称「Ｃｏｍｂｉｎｅｄ Ｗａｖｅｆｒｏｎｔ Ｃｏｄｉｎｇ ａｎｄ Ａｍｐｌｉｔｕｄｅ Ｃｏｎｔｒａｓｔ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍｓ」）；Ｄｏｗｓｋｉ，Ｊｒ．に対する同第６，９１１，６２８号（名称「Ｗａｖｅｆｒｏｎｔ Ｃｏｄｉｎｇ Ｏｐｔｉｃｓ」）；Ｄｏｗｓｋｉ，Ｊｒ．他に対する同第６，９４０，６４９号（名称「Ｗａｖｅｆｒｏｎｔ Ｃｏｄｉｎｇ Ｚｏｏｍ Ｌｅｎｓ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍｓ」）；；Ｄｏｗｓｋｉ，Ｊｒ．に対する同第６，９４０，６４９号（名称「Ｗａｖｅｆｒｏｎｔ Ｃｏｄｅｄ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍｓ」）である。

（米国政府の権利）
本明細書において開示される実施形態の一部は、Ａｒｍｙ Ｒｅｓｅａｒｃｈ ＯｆｆｉｃｅによってＷａｋｅ Ｆｏｒｅｓｔ大学に対して与えられた奨学金番号ＤＡＡＤ１９−００−１−０５４０の契約の下で、政府援助によってなされた。合衆国政府は本明細書において一定の権利を有する。

タスク型画像化システムの１つの目標は、１つ以上の信号処理タスクのためにタスク特有の情報または画像データを提供することとすることができる。そのようなタスクは、生体虹彩認識、生体顔認識、アクセス制御用の生体認識、脅威識別用の生体認識、バーコード読取、組み立てラインにおける品質管理用の画像化、光学式文字認識、生体画像化、物体検出用の自動車用画像化、および自動アセンブリ中の物体の登録用の基準マーク認識を含むことができる。上記の生体認識タスクは、例えば、セキュリティまたはアクセス目的でタスク型画像化システムによって実行することができる。例として、そのようなタスク型画像化システムの光学およびデジタル部分が、十分に詳細であり、十分に高い信号対雑音比（「ＳＮＲ」）を有する画像データを提供すると、生体虹彩認識は、人物同定に非常に高い精度を提供することが可能である。

タスク型画像化の性能は、タスク完了の成功に必要とされる画像データのＳＮＲに直接関連することが知られている。言い換えれば、ＳＮＲは、画像化システムの特性に関連する。システム性能に影響する特性は、球面およびその他の収差、脱焦点、倍率の変動、被写界深度、色収差、位置合わせ許容差、動的振動、および温度変化を含む。これらの特性により該システムは、回折限界システムのものよりも小さいタスク特有のＳＮＲを有する可能性がある。

従来技術において説明されるあるシステムは、小さい絞りを使用して短距離で虹彩認識を行う。例えば、非特許文献１を参照のこと。しかし、そのようなシステムは短い孤立距離には有効である一方で、低信号レベル（つまり低ＳＮＲ）および比較的低い解像度をもたらす、小さいレンズ口径を使用することができ、そのようなシステムはより長い孤立距離には適さない場合がある。
Ｒ．Ｐｌｅｍｍｏｎｓら、「Ｃｏｍｐｕｔａｔｉｏｎａｌ ｉｍａｇｉｎｇ ｓｙｓｔｅｍｓ ｆｏｒ ｉｒｉｓ ｒｅｃｏｇｎｉｔｉｏｎ」、２００４年８月，Ｐｒｏｃ．ＳＰＩＥ

一実施形態において、あるタスクにおいて使用するためのシーンのデータを取得するためのタスク型画像化システムは、（ａ）該シーンからの電磁エネルギの波面を空間周波数の範囲にわたって中間像に画像化し、（ｂ）波面の位相を修正し、（ｃ）中間像を検出し、（ｄ）空間周波数の範囲にわたって画像データを生成するための画像データ収集装置を含む。タスク型画像化システムは、画像データを処理し、タスクを行うための画像データ処理装置も含む。画像データ収集および画像データ処理装置は、タスク型画像化システムの信号対雑音比（ＳＮＲ）が、空間周波数の範囲にわたる波面の位相修正のないタスク型画像化システムのＳＮＲよりも大きくなるように、協働する。

別の実施形態では、あるタスクにおいて使用するためのシーンのデータを取得するためのタスク型画像化システムは、（ａ）該シーンからの電磁エネルギの波面を中間像に画像化し、（ｂ）波面の位相を修正するための少なくとも１つの光学素子と、中間像を検出するため、および空間周波数の範囲にわたって画像データを生成するための検出器を含む。光学素子は、タスク型画像化システムのＳＮＲが、空間周波数の範囲にわたる波面の位相修正のないタスク型画像化システムのＳＮＲよりも大きくなるように、第１検出器と協働するために構成される。一実施形態において、タスクは、生体虹彩認識、生体顔認識、アクセス制御用の生体認識、脅威識別用の生体認識、バーコード読取、組み立てラインにおける品質管理用の画像化、光学式文字認識、生体画像化、および物体検出用の自動車用画像化のうちの少なくとも１つとして選択される。

さらなる実施形態では、タスク型画像化システムの検出器によって撮影されるシーンの出力画像を生成する方法が開示される。検出器は、複数のピクセルと、物体距離の範囲内で所与の物体距離に位置付けられる少なくとも１つの物体を含むシーンとを含み、物体距離は、物体とタスク型画像化システムとの間の距離として画定される。該方法は、空間周波数の範囲にわたってシーンの高解像度画像を撮影するステップと、高解像度画像をシーンの画像スペクトルに変換するステップと、物体距離の範囲にわたってタスク型画像化システムの脱焦点化光学的伝達関数（ＯＴＦ）を決定するステップと、検出器の複数のピクセルにわたってピクセル変調伝達関数（ＭＴＦ）を決定するステップとを含む。該方法は、シーンの修正画像スペクトルを生成するようにＯＴＦおよびＭＴＦにより画像スペクトルを乗算するステップと、修正画像スペクトルをシーンの修正画像に変換するステップと、修正画像から出力画像を生成するステップとをさらに含む。

なおも別の実施形態では、タスク型画像化システムを使用のための方法は、シーンからの電磁エネルギをタスク型画像化システムの中間像に画像化するステップと、電磁エネルギの波面の位相を修正するステップと、中間像を検出するステップと、タスク型画像化システムのＳＮＲが、空間周波数の範囲にわたる位相を修正するステップのないタスク型画像化システムのＳＮＲよりも大きくなるように、中間像に基づいて、空間周波数の範囲にわたって画像データを生成するステップとを含む。

さらに別の実施形態では、物体距離の範囲にわたってタスクにおいて使用するためのシーンのデータを取得するためのタスク型画像化システムを最適化するための方法が、開示される。該シーンは、物体距離の範囲内に位置付けられる少なくとも１つの物体を含み、物体距離は、物体とタスク型画像化システムとの間の距離として画定される。該方法は、１）タスク型画像化システムの標的ＳＮＲを決定するステップと、２）一組の瞳孔関数パラメータおよびメリット関数を指定するステップと、３）そのように指定されるメリット関数に基づいて新しい一組の瞳孔関数パラメータを生成するステップと、４）物体距離の範囲にわたってＳＮＲを決定するステップと、５）ＳＮＲを標的ＳＮＲと比較するステップと、６）ＳＮＲが標的ＳＮＲと少なくとも値が等しくなるまで、ステップ２）〜５）を繰り返すステップと、を含む。

さらなる実施形態では、タスクにおいて使用するためのシーンのデータを取得するためのタスク型画像化システムの改良が開示される。タスク型画像化システムは、シーンからの電磁エネルギの波面を中間像に画像化するための少なくとも１つの光学素子と、中間像を検出するため、および空間周波数の範囲にわたって画像データを生成するための検出器を含む。該改良は、タスク型画像化システムのＳＮＲが、位相修正素子のないタスク型画像化システムのＳＮＲよりも大きくなるように、波面の位相を修正するための位相修正素子を含む。

本発明は、下記で簡潔に説明される図面と関連させて記載される下記の詳細な説明を参照することにより、理解することができる。

波面コーディング（「ＷＦＣ」）は、脱焦点を含む光学収差の範囲にわたって高画質画像化を可能にし、例えば、ＷＦＣは、画像化システムが、孤立距離の広い範囲にわたって焦点が合っている画像を提供することを、可能にすることができる。ＷＦＣおよび手持ち式装置と虹彩との間の短い距離での生体虹彩認識の１つの組み合わせは、米国州特許出願第６０／６０９，４４５号、および米国特許出願第１１／２２５，７５３号に開示されている。

波面コーディングおよびあるコンピュータによる画像化方法などの関連方法は、球面および高次収差、脱焦点、倍率、被写界深度、色収差、位置合わせ許容差、動的振動、および温度変化などのシステム特性のある効果を軽減することができる。ＷＦＣでは、画像化システムの瞳孔関数は、これらの特性の変動の広い範囲にわたって画像を撮影するシステムの能力を維持する方法で、修正される。さらに、ＷＦＣは視覚的に容認できる（例えば、人間の閲覧者に）画像を供給する一方で、特定の信号処理タスクで使用される画像データを提供することができる。

例示的明確さの目的で、図面内のある素子は拡大縮小するよう描かれない場合があることは留意されたい。

図１は、タスク型画像化システムを使用することができる、セキュリティシーン１００を示す。本開示の範囲内で、画像化システムは、カメラ、カメラのシステム、１つ以上のカメラおよび制御器、関連光学素子（レンズなど）を備えたカメラ、および／またはタスク型画像化用途に必要とされるプロセッサ（例えば、任意でソフトウェアを備えて構成される、プロセッサまたはコンピュータ）の任意の組み合わせとして理解することができる。セキュリティシーン１００内では、対象１６０が、方向１５０（矢印で示される）から制御されたアクセスポイント（例えばドア）１１０に近づいている。対象１６０は、壁１１５内に画定される３つの区域１４０、１３０および１２０を通って、アクセスポイント１１０に到達しなければならない。各区域１２０、１３０および１４０内には、区域１２０内の画像データ収集装置１２５、区域１３０内の画像データ収集装置１３５、および区域１４０内の画像データ収集装置１４５などの１つ以上の画像化システムを設置することができる。各画像データ収集装置は、単一または複数の機能を実施することができ、あるいは、全ての画像化システムは同じ機能を実施することができる。画像データ収集装置のそれぞれ１つは、シーンからの電磁エネルギの波面を中間像に画像化し、波面の位相を修正し、中間像を検出し、関心空間周波数の範囲にわたって画像データを生成する。全ての画像化システムが実施することができる例示的な機能は、対象１６０を生体測定的に識別することである。そのような生体認証は、虹彩認識および／または顔認識を含むことができる。また、任意で、対象１６０は、テキストまたはバーコード認識によって識別することができるバッジまたは別の品目（図示せず）を携行することができる。セキュリティシーン１００および画像データ収集装置１２５、１３５および１４５は以降、特定種類の電磁エネルギ高感度センサ（赤外線（ＩＲ）、遠赤外線（ＬＷＩＲ）、三原色可視光線（ＲＧＢ）などであるが、それらに限定されない）に関して論じられるが、画像データ収集装置によって使用される電磁スペクトルの実際の波長は変わる場合があることが、当業者によって理解されることができる。例えば、概してＩＲシステムに指定されている画像データ収集装置は、可視光線、近赤外線（ＮＩＲ）、中赤外線（ＭＷＩＲ）、またはＬＷＩＲに対応することができる。また、画像化システムも、行われるタスクの要求に応じて、狭いまたは広い波長域を使用するよう指定することができる。画像化電磁エネルギが波長帯を含む場合、画像データ収集装置１２５、１３５および１４５のそれぞれの１つは、画像化および波長帯の様々な部分における位相の修正に適した画像化および波面コーディング光学系を含むことができる。

対象１６０が区域１４０内にいて、画像データ収集装置１２５に観察されている場合など、対象１６０が画像化システムから遠い場合、対象１６０は、その画像化システムの遠視野内にいると言われる。遠視野内では、対象１６０は、画像データ収集装置の虹彩から十分に離れているので、画像データ収集装置１２５によって撮影される対象１６０の画像は、波面収差エラーがほとんどなく、そのような場合、波面コーディングは、被写界深度を拡張するために必要とされなくてもよい。しかし、波面コーディングは、高倍率で画像データ収集装置を操作することによって潜在的に起こる収差を矯正するために、なおも画像データ収集装置に組み込むことができる。例えば、タスク型画像化システムにおける画像収差のうちの１つ以上が、変調素子のないタスクに基づいた画像化システムと比較して軽減されるように、波面の位相を修正するための変調素子（つまり波面コーディング）は、画像データ収集装置に組み込むことができる。矯正されない場合、そのような収差は、タスクの完了の成功に必要とされる関心空間周波数のＳＮＲを低下させる場合がある。場合によっては、セキュリティシーン１００のより広い画像化領域からの対象１６０の認識のために、高倍率（つまりズーム）が領域（例えば、目または顔）を選択することが必要とされてもよい。

近距離では、対象１６０の画像内の被写界深度は、波面収差エラーに非常に敏感となり、認識に必要とされる関心空間周波数において、良好な被写界深度およびＳＮＲを達成するために、ＷＦＣの使用によって恩恵を受けることができる。そのような状況の例は、対象１６０が、セキュリティシーン１００における画像データ収集装置１３５などの、画像データ収集装置の２から４メートル以内を通過する場合である。この場合、対象１６０を生体認証的に識別するために、画像データ収集装置１３５が、移動標的を追跡して倍率および被写界深度を自動的に調節し、認識に必要とされる関心空間周波数のＳＮＲを維持することが必要とされてもよい。

対象１６０と画像データ収集装置（例えば、画像化システム１２５、１３５および１４５のうちの１つ）との間の中距離において、近距離に対するよりも広い被写界深度および低い必要倍率があってもよい。これらの中距離は、認識のための関心空間周波数の必要ＳＮＲを維持するように波面コーディングの中等度を必要とすることができる。画像化システム１４５、１３５および１２５は、逐次的にまたは並行して協働し、顔または目を追跡、分離し、そして対象１６０を生体認証的に識別することができる。その後、アクセスポイント１１０は、１つ以上の画像化システム１４５、１３５および１２５による肯定的な生体認識に自動的に対応し、対象１６０によるアクセスを許可することができる。あるいは、アクセスポイント１１０は、脅威となるような対象１６０の肯定的生体認識に基づいて、アクセスを拒否することができる。

図２は、協調的で多機能性の、タスク型画像化システムを示すセキュリティシーン２００を示す。多重チャネルの多光学画像化システム２１０および２２０は、セキュリティシーン２００による対象２６０のプレビューおよび斜位像を提供することができる。画像化システム２１０および２２０は、例えば、ＲＧＢおよびＣＭＹ撮像装置などのカラー可視電磁エネルギ画像化装置とすることができる。画像化システム２１０および２２０によって提供されるプレビュー情報は、有線（または無線）経路２９０によって、集中データベース、通信および制御システム２７０へ通信することができる。制御システム２７０は、他のシステム（図示せず）への接続のための無線通信設備２８０を含むことができる。２２０などの画像化システムの代わりに、またはそれに加えて、制御システム２７０はアクセスを直接制御することができ、対象の時間が刻印された記録などのアクセスの記録を保持することができる。また、これらの制御システムおよび／または画像化システムは、アクセスの記録および人間が閲覧可能な画像などの情報を格納するためのデータ記憶装置を含む一方で、同時に認識データまたはその他の出力を提供することができる。

プレビュー情報は、アクセス制御イベント用の取り調べシステムを準備するために使用することができる。プレビュー情報は、対象２６０が物理的に位置付けられているが生体認証的に認識されていない、低解像度画像などのデータを含むことができるが、それに限定されない。プレビュー情報は、例えば、画像化システム２１０または２２０から、生体認識などのさらなる取り調べのための画像化システム２３０、２４０および２５０を含む多光学画像化システムアセンブリ２４５へ転送することができる。画像化システム２３０は、例えば、専門タスクを行うよう自動制御することができる（例えば、経路２９０を介して内部で通信する）画像化システムアセンブリ２４５の一部を形成する、多重チャネル画像化システムとすることができる。該タスクの一部として、画像化システム２３０、２４０および２５０は、経路２９０を介して互いへ、および／または互いから、画像データを転送することができる。画像化システム２３０は、例えば、可視ＲＧＢおよびＬＷＩＲなどの２つの別の電磁エネルギ波長域に対する光学系を含むことができる。画像化システムアセンブリ２４５は、ＩＲ（画像化システム２４０に対応する）およびグレースケール（画像化システム２５０に対応する）において動作するセンサを含むこともできる。

図３は、協調的で多機能性の、タスク型画像化システム３１０、３２０および３３０の非永久設置を示すセキュリティシーン３００を示す。ＲＧＢ画像化ステム３１０、ＣＭＹ画像化システム３２０およびＩＲ画像化システム３３０は、協働して対象３６０を生体認証的に識別することができる。例示的実施形態において、画像化システム３１０および３２０がプレビュー情報を提供する一方で、画像化システム３３０は虹彩認識を行う。有線（または無線）経路３９０は、画像化システム３１０、３２０および３３０に対する相互接続性を提供する。無線通信設備３８０は、該画像化システムを他のシステムに接続する。画像化システム３１０、３２０および３３０、経路３９０、および通信設備３８０によって形成されるような、無線、携帯用、多重チャンネル、多光学システムが、例えば一時的セキュリティなどの用途において、使用することができる。

図４は、手持ち式で多機能性の、タスク型画像化システム４１０および４２０を含むセキュリティシーン４００の概略図である。画像化システム４１０および４２０は、対象４６０を視認するように位置付けられる。画像化システム４１０は、例えば、低価格（例えば、使い捨てと考えられるのに十分に低い価格）用の手持ち式の携帯用単一チャネルユニットとすることができ、不安定な防犯設備に適用することができる。また、画像化システム４１０は、無線通信構造４８０を介した無線通信を許可することもできる。画像化システム４２０は、無線通信構造４８０による認識および記録用途のための、手持ち式の携帯型多重チャネル装置とすることができる。画像化システム４１０および４２０は、軽量、高耐久性、および使用および保存条件中の極端な温度に耐えるよう設計することができる。

図５〜１５と関連して、このすぐ後に論じられるのは、本開示に従ったタスク型画像化の複数の用途である。虹彩認識についての例示的なタスク型画像化用途は、図５および１６〜３９と関連して詳細に論じられる。虹彩認識に関して、本書で下記に論じられる方法、手順および装置は、図５〜１５と関連して論じられるものなどの、その他のタスク型画像化システムの設計、最適化および使用、つまり、生体顔認識、アクセス制御用の生体認識、脅威識別用の生体認識、バーコード読取、組み立てラインにおける品質管理用の画像化、光学式文字認識、生体画像化、および物体検出用の自動車用画像化に適合させることができる。

タスク型生体認証画像化の例として、人の目５００の一部の説明図である、図５に注意が向けられる。人の目５００は、瞳孔領域５１０、虹彩領域５２０、毛様筋領域５３０および脈絡膜領域５４０を含む。虹彩領域５２０は、人によって独特であることが知られており、高度の精度で個人を識別するために使用することができる。虹彩領域５２０は、波面コーディングを使用して選択的に増強することができる、生体認識に対する関心空間周波数を有する構成を含む。

タスク型生体画像化の別の例として、図６は、人の顔６００の一部の説明図を示す。人の顔は、一卵性双生児間でも、生体識別に使用することができる際立った特徴を有する場合がある。頭の幅６１０、目の間隔６２０、目の幅６３０、鼻の幅６４０、および口の幅６５０などの特徴は、本開示の詳細を使用して選択的に増強することができる特定空間周波数を提供することができる。顔認識の主題の近年の調査は、Ｗ．Ｚｈａｏら、「Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ：Ａ Ｌｉｔｅｒａｔｕｒｅ Ｓｕｒｖｅｙ」、ＡＣＭコンピューティング調査、第３５巻、第４号、２００３年１２月、ページ３９９〜４５８、およびＹ．Ｚａｎａら、「Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｐｏｌａｒ Ｆｒｅｑｕｅｎｃｙ Ｆｅａｔｕｒｅｓ」、応用認知についてのＡＣＭトランザクション、第３巻、第１号、２００６年１月、によって提供される。

生体認証画像化に加えて、その他のタスク型画像化の問題は、特定空間周波数を増強するための波面コーディングを含む画像化システムによって恩恵を受けることができる。そのようなタスク型画像化の問題の例は、バーコード読み取りである。１Ｄおよび２Ｄ両方のバーコードは、明確な周期性、すなわち特定空間周波数を有するパターン化された構成を有する。図７は、波面コーディングを伴う、および伴わない、画像化システムにより撮影される画像を比較する２Ｄバーコードの一連の画像を示す。画像７１０〜７１４は、波面コーディングのない画像化システムより収集された。画像７２０〜７２４は、波面コーディングを採用するシステムより収集された。波面コーディングを含む画像化システムによって撮影された画像は、有意に少ないぼやけ、すなわち最良焦点からの距離のより広い範囲にわたる識別のための関心空間周波数の保持を示す。

なおも図７を参照して、人以外の対象を論じる場合、「孤立距離」などの用語の代わりに、「最良焦点からの距離」などの用語を採用することが一般的である。用語の違いは、「孤立距離」は絶対距離であり、「最良焦点からの距離」は相対距離であるように、理解することができる。つまり、人以外の対象に対する同等の孤立距離は、最良焦点距離に最良焦点（以上の／以内の）距離を加える／引くことによって、決定することができる。画像７１０および７２０は、最良焦点距離において収集された。画像７１１および７２１は、最良焦点距離を１ｃｍ越えた距離において収集された。画像７１２および７２２は、最良焦点距離を２ｃｍ越えた距離において収集された。画像７１３および７２３は、最良焦点距離を３ｃｍ越えた距離において収集された。画像７１４および７２４は、最良焦点距離を４ｃｍ越えた距離において収集された。画像７２０〜７２４は、波面コーディングのない画像化システムにより撮影された画像７１０〜７１４と比較して、有意に少ないぼやけ、すなわち最良焦点からの距離の範囲にわたる識別のための関心空間周波数の保持を示す。

図８および９は、同じ一連の画像の２つのバージョンを示す。図８内の一組の画像８００は階調画像であり、図９内の一組の画像９００は二値画像である。これらの画像を比較するステップは、人の視覚と光学式文字認識との間のコントラストを示す。人の視覚は、色およびグレースケールを区別する。光学式文字認識（「ＯＣＲ」）については、画像は二値白黒画像に加工される。バーコードのように、印刷されたテキストは、フォント、フォントサイズ、および書式に関連する特定空間周波数を有する。画像８１０〜８１２および９１０〜９１２は、波面コーディングのない画像化システムを使用して収集された。画像８２０〜８２２および９２０〜９２２は、波面コーディングを採用する画像化システムを使用して収集された。画像の各縦列は、最良焦点からの様々な距離で撮影された関連類似画像を表示する。最上横列の画像８１０、８２０、９１０および９２０は、最良焦点距離の１０ｃｍ未満の距離において収集された。中央横列の画像８１１、８２１、９１１および９２１は、最良焦点距離において収集された。最下横列の画像８１２、８２２、９１２および９２２は、最良焦点距離の２０ｃｍ以上の距離において収集された。特に一組の二値画像９００において、波面コーディングを含む画像化システムによって撮影された画像は、波面コーディングなしで撮影された画像と比較して、テキストに関連する増強された空間周波数を示すことが、簡単に理解することができる。テキスト文字の空間周波数を維持するステップは、光学式文字認識のより高い確率を提供する。

また、図１０および１１も、波面コーディングのない画像化システム（図１０）および波面コーディングを採用した画像化システム（図１１）を使用して得られた画像を比較する。図１０および１１は、組み立てライン上の物体の階調画像１０００および１１００を含む。同様のサイズおよび形状の物体を認識するマシンビジョンシステムについて、空間周波数情報は、画像化システムによって有利に維持または増強される。波面コーディングのない画像化システムを使用して撮影された図１０の画像１０００では、中央領域１０２０は良好に焦点が合っているが、領域１０１０および１０３０は大幅に焦点がずれており、空間周波数情報がこれらの外側領域では失われたことを示す。対照的に、波面コーディングを含む画像化システムを使用して撮影された図１１の画像１１００では、画像１１００の全領域は焦点が合っており、空間周波数情報は、波面コーディングのない画像化システムのものに対して増強されている。

図１２は、画像化システム内の波面コーディングを含むことによって、認識のための関心空間周波数を増強または維持することによって恩恵を受けることができる、別の種類のタスク型画像化システムを示す。図１２は、自動車における画像化を介した物体検出専用の、タスク型画像化システムの用途のシーン１２００を示す。この例では、画像化システム１２４０は、自動車１２３０に組み込まれる。この種類の画像化システムは、例えば、夜間画像化能力を提供するために、ＮＩＲ、ＩＲまたはＬＷＩＲ電磁エネルギ波長を使用することができる。シーン１２００は、横断歩道１２２０の境界内を歩く歩行者１２１０を含む。画像化システム１２４０は、横断歩道１２２０を認識すると画像化システムが、歩行者１２１０が横断歩道内に存在するかどうかを決定することができるように、横断歩道１２２０を認識するよう設計することができる。横断歩道１２２０を認識する画像化システム１２４０の能力を増大すると、自動車１２３０が歩行者１２１０と接触するかもしれない機会が減少する。概して、横断歩道は、縞模様のペンキ、またはレンガまたは石のはめ込み配列によって示される。よって、横断歩道１２２０はその造りに起因する特定空間周波数を有するので、波面コーディングは、画像化システム１２４０による認識を補助するようにそれらの周波数を維持または増強するために、画像化システム１２４０に含むことができる。

関心空間周波数を増強することにより利益を得ることができるタスク型画像化用途の別の分類は、生体画像化である。生体画像化の例として、図１３は、有糸分裂中に微小管を示すよう同期分裂核が染色されているショウジョウバエ胚の蛍光画像である。該画像は、見えやすさのために反転されている。微小管は、画像内の複数の小さな黒い特徴である。微小管は細胞の小さな従属構成要素であり、直径２４から２５ナノメートルの長い管である。それらは、細胞骨格として知られる細胞組織の一部を形成する。有糸分裂中に、微小管は動的に束状構造を形成し、その上で染色体が動く紡錘体を作り出す。例示的な紡錘体構造は、ボックス１３１０に囲まれている。糸状紡錘体微小管は、光学顕微鏡を使用して解像し、それらの特徴的構造によって識別することが可能である。微小管は、物理的構造を提供し、細胞分裂の動的過程を仲介する。微小管の機能不全は、染色体の別離または分離欠損をもたらし得る。微小管およびその不整を適切に認識することにより、研究者に有糸分裂の詳細についての情報を提供することができる。有糸分裂中に微小管を監視するために使用されるもののような、画像化システムへの波面コーディングの追加は、関心空間周波数を増強または維持し、不整微小管の認識を補助することができる。

図１〜４を参照して論じられるように、画像化システムは、複数の異なるタスクまたは状況に適応することが必要とされてもよい。例えば、画像化システムは、顔認識のためのデータを提供することが最初に必要とされてもよく、そのような認識は限定された被写界深度のみを必要としてもよい。そして、後に、同システムは虹彩認識に使用することができ、さらなる被写界深度を必要とする。あるいは、画像化システムは、波面コーディングを利用しない従来の（人間が閲覧可能な）画像を撮影することが必要とされてもよい。そのような適応性画像化システムを達成するための２つの例示的な方法は、ここで説明されるように、焦点を変えることによる（ズーム能力）および適用される波面コーディングを変更することによるものである。

特に、図１４は、スライド可能光学素子構造の使用によって可変屈折力を、および二重回転位相フィルタの使用によって可変波面コーディングを提供する、画像化システムの一対の概略図１４００を示す。説明図１４０２では、画像化システムは第１の状態にあり、物体１４１０から反射または放射する電磁エネルギは、しぼり１４２０を通して検出器１４７０上に、中間像１４６５として画像化される。中間像に従って、検出器１４７０は、物体内に存在する空間周波数の範囲にわたって画像データ１４７５（矢印で表される）を生成する。スライド可能素子１４３０は、素子１４６０と協働して、物体１４１０の倍率を修正することができる。付加的素子１４４０および１４５０は、例えば、画像の波面コーディングを変えるための回転位相フィルタとすることができる。スライド可能素子１４３０、付加的素子１４４０および１４５０、および／または素子１４６０は、物体からの電磁エネルギの波面の位相を変調する（つまり波面コーディング）。検出器１４７０からの画像データは、所望のデータを出力するデジタル信号処理ユニット（ＤＳＰ）１４８０によってさらに処理することができる。あるいは、検出器１４７０からの画像データ１４７５は、データ１４９０として直接出力される。データ１４９０は、一方の経路によって、または両方の経路によって出力することができる。ＤＳＰ１４８０によって処理されるデータ１４９０は、最終的に人間が閲覧可能な画像を作り出すことができるが、ＤＳＰ１４８０によって処理されないデータ１４９０は、認識または他のタスクに使用することができる。電磁エネルギ波面の位相修正は、スライド可能素子１４３０のうちの１つ以上によって提供することができ、付加的素子１４４０および１４５０、および素子１４６０は、画像化システム１４００のＳＮＲが位相修正のない画像化システムのＳＮＲよりも大きくなるように、中間像の特性を変更する。あるいは、またはさらに、位相修正およびデジタル信号プロセッサがないが、同じ画像化システムと比較して、画像化システム内の少なくとも１つの画像化収差（例えば、温度依存性収差および衝撃誘発型収差）を軽減するように、位相修正はＤＳＰ１４８０と協働するよう構成することができる。説明図１４０４では、画像化システムは、拡大および波面コーディングの第２の状態にある。スライド可能素子１４３０ならびに回転位相フィルタ１４５０（異なる斜線で示される）は、説明図１４０２の同様の素子１４３０’および１４５０’に対して異なる位置にあり、それによって異なる中間像１４６５’、画像データ１４７５’およびデータ１４９０’を生成する。

回転位相素子と関連して論じられるが、可変波面コーディング素子は、液晶空間光変調器、可変鏡、液体レンズ、液晶変量器、スライド可能光学素子構造、スライディング変量器装置、スライディングしぼり変量器、または位相を変更するその他の電気機械（つまりデジタル光処理（ＤＬＰ））または電気光学手段などの、反射型または透過型光学素子から設計することができる。０から１０以上の波の範囲内の電磁エネルギ波面の位相変動が、特定用途によっては必要とされてもよい。あるいは、波面の振幅を修正する光学素子が、位相修正素子の変わりに採用されてもよい。さらに、適応性システムは、生体画像化用に設計されるものなどの、タスク型画像化システムにおいて使用してもよい。例えば図１３では、微小管は顕微鏡を利用して画像化されており、そのような用途では、同じ画像化システム内でより大きい、またはより小さい細胞構造を観察することが必要となる場合がある（例えば倍率を変えることによって）。さらに、波面コーディングは、タスク型画像化システムにおける画像化収差を矯正するために使用することができ、例えば、変調素子のないタスク型画像化システムと比較して、タスク型画像化システムにおける１つ以上の画像収差が軽減されるように、波面の位相を修正するための変調素子（つまり波面コーディング）は、スライド可能素子１４３０、付加的素子１４４０および１４５０、および素子１４６０のうちの１つ以上のうちの少なくとも１つにおける、画像データ収集装置に組み込むことができる。

図１５は、タスク型画像化システム１５１０を示すブロック図１５００である。画像化システム１５１０は、画像データ収集装置１５２０および画像化データ処理システム１５３０を含む。例示的な画像化システムは、例えば、図２の画像化システム２１０および２２０、およびシステム制御器２７０と協働して動作する画像化システムアセンブリ２４５である。

画像データ収集装置１５２０は、シーンから画像データを収集するための装置、システム、およびプロセスを含むことができるが、それに限定されない。システム１５２０に含むことができる部品は、例えば、照明光源、反射型、屈折性またはホログラフィック素子などの光学素子、図１６と関連して説明されるものなどの位相修正素子、図１４と関連して説明されるもののような可変光学素子、検出器（例えば、センサおよびカメラ）、および画像データ収集装置を支持するために必要とすることができるその他の付属ハードウェアである。

画像データ処理装置１５３０は、シーンから画像データ収集装置１５２０によって撮影された画像データを処理するための装置、システム、およびプロセスを含むことができるが、それに限定されない。システム１５３０に含むことができる部品は、カメラに基づいたプロセッサ、図２の２７０のようなシステム制御器、外部コンピュータ、ソフトウェアコード、オペレーティングシステム、画像処理ソフトウェア、波面コーディングフィルタ設計、タスク型ソフトウェアプログラム、および画像データを記録するためのデータ記憶装置である。

波面コーディングを採用することによって、タスク型画像化システム（上記のような）内の関心空間周波数を増強または維持するステップの例示的な詳細は、ここで説明されるように、広い孤立距離における虹彩認識に照らして、より明確に理解することができる。画像化される虹彩が広い孤立距離（例えば２メートル以上）にあると、生体虹彩認識の実施において、ある困難が生じる。画像化される虹彩が、画像化システムから約１メートル以上離れて位置していると、画像化システムは、１）虹彩の詳細を画像化するように高周波数情報を提供するため、および２）高品質の信号を出すのに十分な光をとらえるために、より広い絞りを有するべきである。画像化光学系のしぼりを増大させると、被写界深度の軽減をもたらし、物体が広い孤立距離にある場合に、波面コーディングの使用がより有益になる。また、関心空間周波数範囲、および関心脱焦点範囲にわたる高変調は、広い孤立距離用途に対して望まれ、そのような用途については、波面コーディングを使用して、波面コーディングなしで利用可能なもの以上の変調を増大させることが可能である。

ある虹彩認識システムにおける増大した視野および被写界深度は、例えば、全体的な画像化量をより小さな画像化量に分ける複数のカメラを使用することによって、達成することができる。そのような場合、関心視野は、鏡またはプリズムなどの機械装置を使用して１つ以上のカメラ内に導くことができる。しかし、そのような機械装置は付加的な力を必要とする場合があり、さらなるメンテナンスを必要とする場合があり、画像撮影プロセスの速度を低下させる場合があり、撮影された画像に雑音を導入する場合がある。被写界深度の増大、視野の増大、および画像化システムの解像度の増加は、広い孤立距離における虹彩認識を容易にする。現在利用可能な虹彩認識画像化システムは、広い視野および高解像度の両方を提供することができず、波面コーディングを画像化光学系に含めることは、これらの側面の両方における性能を向上することができる。

虹彩認識システムは、改善された虹彩画像コントラストのために、近赤外線の照明光源を使用することができる。これらの照明光源の照明レベルは、目への潜在的損害を防ぐために、画像化量全体にわたって安全なレベルに維持されるべきである。虹彩認識システムを改善することができる波面コーディングのいくつかの部類は、コサイン型、腐食性立方型、高次分離可能型、および高次分離不可能型を含む。関心空間周波数範囲、および関心脱焦点範囲にわたる高変調は、広い孤立距離用途に対して望まれる。

例示的なタスク型画像化システム１５１０は、虹彩画像認識のタスクで使用するためのシーンのデータを取得するための、ＩＨＯＮＳ１．１システムである。特に、ＩＨＯＮＳ１．１システムでは、画像データ収集装置１５２０は、シーンからの電磁エネルギの波面を中間像に画像化し、波面の位相を修正し（つまり波面コーディング）、中間像を検出し、空間周波数の範囲にわたって画像データを生成するための光学系を含む。例えば、画像データ収集装置１５２０は、１つ以上の画像化光学系および波面コーディング素子を含むことができ、あるいは、画像化光学系および波面コーディング素子は、単一の光学素子に組み込むことができるか、または波面コーディング効果は画像化光学系のうちの１つ以上にわたって分配することができる。また、中間像の検出および画像データの生成は、その上の電磁エネルギ入射を電子データに変換するために構成される単一検出器によって行うことができる。さらに、ＩＨＯＮＳ１．１システムの画像データ処理装置１５３０は、画像撮影システム１５２０と協働して、波面コーディング素子によってもたらされる波面の修正の主な原因となり、さらに虹彩画像認識のタスクを行う。ＩＨＯＮＳ１．１システムの仕様は、図１６〜３９および広い孤立距離における虹彩認識のタスクと関連して、この後すぐに詳しく説明される。

広い孤立距離における虹彩認識に役立つＷＦＣ設計は、虹彩高次分離不可能（「ＩＨＯＮＳ」）に指定される高次分離不可能多項式関数の部類である。この部類は、リスク最小化と性能との間の妥協を提供する。ＩＨＯＮＳ設計は、Ｒ．Ｎａｒａｙａｎｓｗａｍｙら、「Ｅｘｔｅｎｄｉｎｇ ｔｈｅ ｉｍａｇｉｎｇ ｖｏｌｕｍｅ ｆｏｒ ｂｉｏｍａｅｔｒｉｃ ｉｒｉｓ ｒｅｃｏｇｎｉｔｉｏｎ」、Ａｐｐｌ．Ｏｐ．、第４４巻、第５号、ページ７０１〜７１２に説明されているもののように、より短い孤立距離における虹彩認識のための波面コーディング用途で使用される虹彩高次分離可能（「ＩＨＯＳ」）設計との類似点を有する。ＩＨＯＳ設計は、波面コーディングに対する位相変更表面の使用を具体的に参照し、位相変更表面は、数学的に下記のように表現可能である。

式中、ｆ（ｘ）およびｆ（ｙ）は、高次多項式である。ＩＨＯＳ設計が小さい孤立距離における虹彩認識に適切である一方で、ＩＨＯＮＳ設計は、操作孤立距離範囲にわたる少数のフィルタによるＷＦＣ変調の実施を可能にする。

ＩＨＯＮＳ設計を特徴付ける瞳孔位相関数の部類の数学的記述は下記のとおりである。

式中、１）φは、それぞれの正規化された空間座標ｘおよびｙにおける位相関数であり、（つまり、空間域全体は、各次元ｘおよびｙにおける０〜１の範囲まで、入射瞳の半径（ｒ）による分割によって正規化される）、２）φは、エルミート、つまり、各係数α_ｉｊ＝α_ｊｉであり、３）ｉ＝０またはｊ＝０である場合に少なくともいくつかは｜α_ｉｊ｜≧１であり、ｘおよびｙにおける比較的高い変調伝達関数（ＭＴＦ）を提供し、４）ｉ≠０およびｊ≠０である場合のα_ｉｊに対する値は方程式３によって定義することができる。

図１７〜図４１の例で使用される例示的な「ＩＨＯＮＳ１．１」設計は、方程式１で定義されるＩＨＯＮＳ設計における特定のα_ｉｊ係数を利用する。α_ｉｊ項は下記のように定義される。最初の４つの項は、分離可能な項に対応する。

残りの４つの項は、分離不可能な項に対応する。

図１６は、例示的なＩＨＯＮＳ１．１の表面線図１６００を示し、図１５の画像化システム１５１０内の画像データ収集装置１５２０での使用に適切なフッ化カルシウム（ＣａＦ_２）ＷＦＣ素子である。例えば、ＩＨＯＮＳ１．１ＷＦＣ素子は、スライド可能素子１４３０、付加的素子１４４０および１４５０、および／または波面の位相を変調するための素子１４６０として、図１４に示される画像化システムに組み込むことができる。表面線図１６００は、横座標および縦座標としてのミリメートル単位の寸法を有する。表面線図の右側のグレースケールバーは、ミクロンの単位を有する。各等高線は、ゼロの中央領域１６１０の値から約２ミクロンの凹形曲線差異を表す。領域１６２０は、約１２ミクロンの凹形曲線値を有する。領域１６３０は、約−１２ミクロンの凹形曲線値を有する。λ＝８４０ｎｍにおける１９．３波の総経路長さ差異に対して、総ピーク対谷表面凹形曲線差異は２４．４ミクロンである。ＩＨＯＮＳ１．１ＷＦＣ素子は、例えば、高速サーボダイアモンド加工製造プロセスを使用して、製造することができる。レンズ素子間の小さな隙間を考えると、ＣａＦ_２が基板物質として選択された。代替的な物質である、ポリメチルメタクリレート（ＰＭＭＡ）は、大型要因（例えば、３０ｍｍ直径素子に対して５ｍｍ厚さ）を考えると、あまり費用がかからないが、潜在的により変形しやすい。一見したところ、表面線図１６００は、分離可能なＩＨＯＳ設計のものとはあまり異ならないように見えるかもしれないが、ここで示されるＩＨＯＮＳ１．１設計は、この後すぐにより詳細に説明されるように、極性ＳＮＲを増強する相当の軸外変調を提供する交差項係数を含む。

平均的な人の虹彩は、約１２ｍｍの直径を有することが知られている。虹彩認識を容易にするために、虹彩の質感は高空間周波数においてサンプリングされるべきである。よって、虹彩認識アルゴリズムは概して、虹彩直径の全域で推奨される最小数のピクセルを有する。図１７は、孤立距離の関数としての、虹彩の画像の範囲を定める画像センサ配列のピクセル数の図形線図１７００である。線図１７００は、横座標としての孤立距離、および縦座標上の虹彩の全域のピクセル数を有する。図１７は、孤立距離が減少するにつれて、画像が画像センサ配列のさらなるピクセルの範囲を定めるように、虹彩の画像がさらに大きくなることを示す。内挿プロセスが虹彩画像に情報を加えない一方で、内挿は認識のための虹彩画像データをより良い状態にし、それによって虹彩認識におけるより良い区別をもたらす。

図１８は、孤立距離範囲の関数としての、脱焦点の波の数を示す、図形線図１８００である。線図１８００は、横座標としての孤立距離、および縦座標上の脱焦点の波の数を有する。２．１および２．４メートル孤立距離における縦点線は、本開示の虹彩認識画像化システムの一例での使用に対して選択される孤立距離範囲を示す。距離範囲内の脱焦点の波の最大数を最小化する最良焦点位置を選択するよりもむしろ、対象がより近いとさらなる脱焦点があるように範囲が選択されている。虹彩が画像化システムからより遠くに離れていると、より高い周波数における画像化が必要とされるので、この選択は、孤立距離範囲全体にわたる利用可能なＳＮＲを均一にする一方で、波面コーディングを含む画像化システムに対する空間周波数により、ＭＴＦは単調に減少する。図１８が示すように、５つだけの脱焦点の波が、関心孤立距離範囲に対して修正される必要がある。

図１９〜２１を参照すると、ＩＨＯＮＳ１．１波面コーディング素子を含む模擬画像化システム（例えば、本書で下記に説明される図３３の画像化システム３３００）に起因するＰＳＦおよびＭＴＦは、計算的に解析されて予期されるシステム性能を決定する。ＰＳＦは、画像化量にわたる圧縮性および不変性について検討される。ＭＴＦは、上記に説明される所望の孤立距離範囲の全域の関心空間帯における変調強度について検討される。関心周波数における変調（コントラスト）およびＳＮＲは、図２１の極性ＭＴＦ線図によって描かれるように、孤立距離の関数として、および全角度方向にわたって、検討される。

図１９は、ＩＨＯＮＳ１．１画像化システムに対する、様々な孤立距離における（メートル単位で、各下位画像の左上の隅に記述される）一組の模擬の、焦点を通して正規化されたＰＳＦ１９００を示す。ＰＳＦは、対数的にグレースケール化され、明確な表現のために閾値化されている。図１８に示されるように、最良焦点は２．２７ｍである。画像化システムで使用されるレンズの１つにおいて測定されるように、コマ収差も含まれたが、この特性はＩＨＯＮＳ１．１画像化システム固有ではない。特に、ＩＨＯＮＳ１．１による図１９に示されるＰＳＦは、ＩＨＯＳによる長方形分離可能設計から予期されるものと同様である。つまり、望ましくは、ＩＨＯＮＳ１．１画像化システムに起因するＰＳＦは、孤立距離の関数として有意に変化せず、孤立距離の必要範囲にわたって少数のフィルタのみを使用して、広い孤立距離における虹彩認識の実施を可能にする。

図２０は、ＩＨＯＮＳ１．１画像化システムに対する、様々な孤立距離における（メートル単位で、各下位画像の左上の隅に記述される）一組の模擬の、焦点を通したＭＴＦ２０００を示す。ＭＴＦは、対数的にグレースケール化され、明確な表現のために閾値化されている。再度、測定されたコマ収差のサンプルは、完全なシミュレーションに含まれるが、コマ収差はＩＨＯＮＳ１．１画像化システムの固有特性ではない。図２０では、高変調が垂直および水平方向に存在するが、純粋に分離可能な設計（例えばＩＨＯＳ）に反して、さらなる変調が望まれる場合である、特に物体が最良焦点から離れるにつれて、対角および非対角変調はわずかに大きいことが、注目することができる。ＩＨＯＮＳ１．１画像化システムのＭＴＦのこの特徴は、図１９に示されるような低速ＰＳＦ変動と組み合わさって、広い孤立距離における虹彩認識システムへのこの特定応用におけるＩＨＯＳシステムよりも、ＩＨＯＮＳ１．１によって提供されるような、弱い分離不可能設計の利点を実証する。

図２１は、ＩＨＯＮＳ１．１システムの極性ＭＴＦ等高線図を示す。線図２１００は、横座標としてのメートル単位の孤立距離、および縦座標上のラジアン単位の極角を有する。この線図のグレースケール等高線は、方向の関数（縦軸）として、および孤立距離の関数（横軸）としての関心空間周波数（つまり、０．１ｍｍの決定的にサンプリングされた物体特徴と関連する周波数）の変調を表し、孤立距離の関数としての空間周波数変動を考慮する。

広い孤立距離における虹彩認識の実施に対して、全ての方向は、恐らく間違いなく、平等に重要である。図２２は、正確な性能測定を提供する、全方向にわたって平均化された平均コントラストの線図２２００である。線図２２００は、横座標としてのメートル単位の孤立距離、および縦座標上のコントラストを有する。図２２は、本開示に従ったＩＨＯＮＳ１．１システムに対する、全方向にわたって平均化される（−πから＋π）、孤立距離の関数としての、関心空間周波数における平均コントラストを示す。図２２に示されるように、関心最高周波数（０．１ｍｍの物体詳細に対応する）におけるコントラストが高い。図２３は、平均ＳＮＲ体孤立距離の関連線図２３００を示す。平均ＳＮＲは、平均コントラストよりも、システム性能の定量的測度として計算および使用することができる。

図２４は、本開示に従ったＩＨＯＮＳ１．１画像化システムを使用して、撮影されたＷＦＣ画像を処理するために使用されるフィルタの図解２４００を示す。該フィルタは、最良焦点位置の近くでとらえられる３つのＰＳＦの平均を使用したウィーナパラメトリック法を使用して、構築されている。ウィーナフィルタパラメータは、２５０の雑音パラメータおよび１．２の物体詳細を含む。結果として生じる雑音利得は０．５４であり、フィルタがスムースであることを示す。

画像シミュレーションは、虹彩認識などのタスク型画像化システムの設計プロセスにおける重要なステップである。図２５は、模擬画像を生成するためのプロセス２５００を図示するフロー図を示す。プロセス２５００は、例えば、図１５の画像データ処理装置１５３０内で行うことができ、例えば、画像データ処理装置１５３０は、プロセス２５００を行うためのソフトウェアまたはファームウェアを含むことができる。画像をシミュレーションするためのプロセス２５００は、その間にシステム初期化およびその他のタスクが行われる準備ステップ２５０５で始まる。空間周波数の範囲を含む高解像度入力画像データ２５１０は、ステップ２５１５でフーリエ変換され（例えば、高速フーリエ（ＦＦＴ）法によって）、フーリエ空間入力画像スペクトル２５２０を生じる。画像化システムの高解像度の脱焦点化ＯＴＦデータ２５２５、および高解像度ピクセルＭＴＦデータ２５３５が決定され、そしてステップ２５３０で入力画像スペクトル２５２０により増加され、高解像度画像の修正画像スペクトルを生成する。ピクセルサンプリングおよびローパスフィルタリングは、ピクセルＭＴＦによる増加によって考慮することができる。ＯＴＦデータは、サンプルレンズの測定された波面エラーを含むことができる。

脱焦点は孤立距離（ｄ_０）にしたがって変化するので、ＯＴＦは、高解像度画像のスペクトルと同じマトリクスサイズを有するように差し挟むことができる。このマトリクスサイズの知識も、逆フーリエ変換ステップ２５４５での画像データの実空間変換を行うために重要である場合がある。出力画像内のＳＮＲがＳＮＲのない他のシステムよりもさらに増大されるように、ＯＴＦは、例えば、画像化システム内の波面コーディング素子を変更することによって、修正することができる。ステップ２５４５では、ステップ２５３０からの修正画像スペクトルは、逆ＦＦＴによって修正画像に変換される。そして、この修正画像は、出力画像を生成するために使用することができる。ステップ２５５０では、画像は最終解像度までダウンサンプリングすることによってサイズを変更され、それによって可変拡大（例えば、物体距離の変動による）を考慮する。エイリアシングもまた、画像をローパスフィルタせずにダウンサンプリングによって考慮することができる。ダウンサンプリングは、あるいは、所与のダウンサンプリング始点および一般的に使用されるサンプリング製品に対して修正画像を処理するステップ、そしてダウンサンプリング期間内にダウンサンプリング始点を変えることによって、サイズ変更画像の多重エイリアス化バージョンを生成するステップを含むことができる。ダウンサンプリングおよび始点変動のプロセスは、図２８および２９に関する考察において、以降に適切な時点で論じられる。虹彩認識アルゴリズムは、特定サイズ（例えば６４０×４８０ピクセル）である画像を必要としてもよい。原画像が高倍率であるため、虹彩を含む領域は、このサイズよりも小さくてもよい。ステップ２５５５中、画像はゼロでパッドされてもよいが、このプロセスは結果として、画像の周りの非現実的なエッジを生じることができる。より現実的な画像を生じるために、模擬画像は代わりに、その外部境界線のコピーによりパッドすることができる。境界線は、画像の最上横列、最下横列、最左縦列、および最右縦列である。これらの境界線は、画像が６４０×４８０にまで満たされるまで複製することができ、よって結果として、境界の周囲の筋を生じる。図３０は、これらのエッジ効果の例を示す。

最後にステップ２５６０では、実際の検出器に存在する同じ雑音パラメータ（例えば、十分なカウントおよび読み取り雑音カウント）を使用して、ポアソン分布されたショット雑音およびガウス分布された読み取り雑音を画像に加えることができる。結果は、検出器飽和を表さないことを例外として、ＩＨＯＮＳ１．１システムによって実際に撮影される画像の忠実な複製物である出力画像２５６５である。そして出力画像は、選択されたフィルタカーネルによりフィルタをかけられ、図３０に示されるもののような画像を作り出す。シミュレーションプロセスは、瞳孔内部の正反射および画像内のその他の領域で生じるかもしれない検出飽和を考慮しない。図２５のシミュレーションアルゴリズムは、アルゴリズム認識を模擬画像について行うことができ、結果的に全体的なシステム性能の予測を可能とするように、脱焦点化画像に対する波面コーディングの効果を含む。

図２６は、タスク型画像化システムを最適化するために、極性ＳＮＲなどの所与のパラメータを使用することができる最適化法に対するブロック図２６００を表す。図２６は、上記で参照される米国特許出願第１１／０００，８１９号の図２と同一であり、光学およびデジタルシステム設計最適化に対する一般的方法を図示するために、ここで複製される。設計最適化システム２６１２は、光学系システム設計２６１４およびデジタルシステム設計２６１５の両方を含む、システム設計２６１３を最適化するために使用することができる。一例として、光学系設計２６１４は、図１６に示されるもののように、波面コーディング要素に対する初期光学規定とすることができ、デジタルシステム設計２６１５は、図２４に示されるもののように、該光学系からの信号処理画像に使用される、フィルタの初期設計とすることができる。設計最適化システム２６１２は、最適化されたシステム設計２６３０を生成するよう機能することができる。最適化されたシステム設計２６３０は、最適化された光学系設計２６３２および最適化されたデジタルシステム設計２６３４を含むことができる。例示的な最適化された設計は、本書で説明されるＩＨＯＮＳ１．１設計である。

システム設計２６１３は、設計最適化システム２６１２に入力され、システムモデル２６１６を作成する。システムモデル２６１６は、光学系設計２６１４およびデジタルシステム設計２６１５をそれぞれ表す光学系モデル２６１７およびデジタルシステムモデル２６１８を具体的に含む。設計最適化システム２６１２は、出力２６１９を生成するようシステムモデル２６１６の機能性をシミュレーションすることができる。出力２６１９は例えば、光学系モデル２６１７のシミュレーション、およびデジタルシステムモデル２６１８による処理に関連するビットストリーム情報によって生成される瞳孔マップを含むことができる。

設計最適化システム２６１２は、スコア２６２２を生成するよう出力２５１９を処理する解析器２６２０を含む。上記のように、解析器２６２０は、１つ以上の測定基準２６２１を利用してスコア２６２２を決定することができる。測定基準２６２１は、光学系モデル２６１７およびデジタルシステムモデル２６１８の両方に関連する。測定基準２６２１からの結果は、解析器２６２０によって加重および処理され、スコア２６２２を形成する。各測定基準２６２１に対する加重は、例えば、ユーザによって指定、および／またはアルゴリズム的に決定することができる。

最適化器２６２３は、スコア２６２２を処理し、最適化器２６２３への入力に対して再度ユーザによって指定することができる、目標２６２６（例えば、標的極性ＳＮＲ値などのユーザ定義目標２６２４）に対するシステムモデル２６１６の性能を決定する。システムモデル２６１６が最適化されない場合、設計最適化システム２６１２が最適化器２６２３からの出力２６２５に対応し、光学系モデル２６１７および／または最適化器２６２３からの出力２６３８を修正して、デジタルシステムモデル２６１８を修正する。システムモデル２６１７または２６１８のいずれかが修正される場合、システムモデル２６１６は再度、設計最適化システム２６１２によってシミュレーションされ、出力２６１９は解析器２６２０によって得点付けられて、新規スコア２６２２を生成する。よって最適化器２６２３は、設計目標２６２６が達成されるまで、システムモデル２６１７および２６１８を繰り返して修正し続ける。虹彩認識について、目標の例は、一組の関心空間周波数内の極性ＭＴＦの値を最適化することである。

設計目標２６２６が達成されると、設計最適化システム２６１２は、最適化器２６２３によって修正されるようなシステムモデル２６１６に基づいた最適化されたシステム設計２６３０を出力することができる。最適化されたシステム設計２６３０は、図示されるように、最適化された光学系設計２６３２および最適化されたデジタルシステム設計２６３４を含むことができる。よって、最適化されたシステム設計２６３０は、目標２６２６を満たす電気光学システムの設計対象を指定するパラメータを含むことができる。設計最適化システム２６１２は、例えば、最適化されたシステム設計２６３０の能力を要約する予測性能２６４０を出力することができる。

図２７に示されるフロー図は、タスク型画像化システムを最適化するために極性ＳＮＲを使用する例示的な最適化法２７００を説明する。最適化法２７００は、例えば、図１５の画像データ処理装置１５３０内の一部として行うことができ、例えば、画像データ処理装置１５３０は、画像データ収集システム１５２０と挙動して最適化法２７００を行うためのソフトウェアまたはファームウェアを含むことができる。最適化法２７００は、その間にシステム初期化およびその他のタスクが行われる準備ステップ２７０５で始まる。光学メリット関数の初期値２７１０はユーザによって決定され、修正された光学メリット関数の初期値２７１５になる。ステップ２７２５中、修正された光学メリット関数の値２７１５と共に瞳孔関数パラメータの初期値２７２０は、最適化のためにＺＥＭＡＸ（登録商標）、ＣＯＤＥ Ｖ（登録商標）またはＯＳＬＯ（登録商標）（または当技術分野で既知のその他のプログラム）などの光学設計ソフトウェアパッケージに入力される。そして瞳孔関数パラメータは光学設計ソフトウェアによって修正することができ、修正された瞳孔関数パラメータ２７３０を提供する。

ステップ２７３５および２７４５中、画像化システムのＯＴＦおよび極性ＳＮＲは、シーンにわたる物体距離（ｄ_０）２７４０の所望の範囲を考慮して計算することができる。次に、ステップ２７５５中、計算された極性ＳＮＲは、多くの応用にとっては非常に単純な関数であるかもしれない目標極性ＳＮＲ２７５０と比較される。例えば、目標極性ＳＮＲは、画像化システムの操作の範囲内で必要とされるＳＮＲの最小値を表す直線であってもよい。次に、計算されたＳＮＲが所望の目標極性ＳＮＲ２７５０に十分近い場合（設計者が、何が十分に近いと考えられるのかを決定する）、または計算されたＳＮＲが所望のＳＮＲよりも大きい場合、最適化は完了し、プロセスはステップ２７６０へ進んで終了する。そうでなければ、設計者が新規の修正された光学メリット関数２７２５を作成して、計算された極性ＳＮＲにおける欠陥を計上することができるように（例えば、所与の方向で画像化システムのＭＴＦの標的変調を増加させる）プロセスはループ経路２７６５を介して進む。最適化は、設計目標に達するまで繰り返される。

図２８は、画像化システムによって見られるような、原画像、ＰＳＦ、およびダウンサンプリングされた画像の相対位置を示す一連の概略図２８００である。原高解像度画像２８１０は、小さい四角の２Ｄ配列として示される。決定的にサンプリングされた場合、画像２８１０は、ソースシーンの理想的な表現と考えることができる。ダウンサンプリングされた低解像度画像（２８２０、２８２０’または２８２０”）は、ソースシーンの決定的にサンプリングされたデジタル化バージョン未満を表すことができる。ダウンサンプリングされた低解像度画像（２８２０、２８２０’または２８２０”）は、高解像度画像の９つのより小さい四角を取り囲む四角の２Ｄ配列として示される。ＰＳＦ２８３０は、放射状スポークおよび同心円状の輪を備える黒い中心点として示される。ＰＳＦ２８３０は、画像２８１０内の特定ピクセルと関連することができる。ダウンサンプリングされた場合のこの例では、２つの画像の相対始点は、９つの可能な位置のいずれにも移動することができる（３×３から１×１ダウンサンプリング）。この移動は、ＰＳＦ２８３０のマッピングを新規画像（２８２０、２８２０’または２８２０”）に変えることができる。また、該移動は、新規画像間および古い画像に対する異なる量のエイリアシングを引き起こすことができる。全てのエイリアス化位置は、最適化法の一部として図２６の解析器内で、または図２５のシミュレーションプロセスのステップ２５５０内で、計算および使用することができる。

図２９は、ダウンサンプリングの多様な視点に関するエイリアシングの効果を詳述する一組の線図２９００である。線図２９０２は、バーコード様パターン２９１０の２Ｄシミュレーションである。パターン２９１０は、パターン２９１０を形成する長方形の境界内で１の値を有する。他の全ての値は０である。点線２９２０は、線図２９０４用のデータを作成するようにサンプリングされる走査線である。線図２９０４は、３つの可変的に移動された走査線に関連する曲線を示す。破線（曲線２９３０）は０ピクセルの移動を表す。実線（曲線２９４０）は１ピクセルの移動を表す。点線（曲線２９５０）は２ピクセルの移動を表す。各曲線（２９３０、２９４０および２９５０）を生成するために、パターン２９１０のデータは例ＰＤＦを伴う適切な移動により旋回され、旋回された画像は走査線２９２０に沿ったサンプルである。曲線２９３０、２９４０および２９５０を比較することによって、パターン２９１０内の形状が修正されることが分かる。

図３０は、波面コーディング素子および関連処理の効果を組み込む、一組の模擬最終画像３０００を示す。最終画像は、最適化２７００を使用して抽出されるような、これらの同じ画像の中間バージョンから決定された最適化された一組のフィルタパラメータにより処理された。図３０の下位画像内の孤立距離は、図１９および２０にそれぞれ示されるＰＳＦおよびＭＴＦの画像内に示されるように、２から２．５メートルまで様々である。各下位画像に対する孤立距離は、その下位画像の左上の隅に記述される。そして撮影されたＷＦＣ画像は、虹彩認識によって処理され、フィルタ質の測定基準を提供する。最初に、孤立距離の範囲にわたって複数のフィルタが使用された。しかし、図２４に表されるフィルタを使用して、全ての画像化仕様を満たすことが可能であると決定した。フィルタの数のこの削減は、既存の技術にわたって重要な利点を提供する。

その後、シミュレーションによって得られるフィルタにかけられた画像は、虹彩認識アルゴリズムによって識別され、虹彩スコア（例えば、修正されたハミング距離（ＨＤ））が各虹彩画像に対して生成される。図３１は、波面コーディングのない模擬画像化システムに対する孤立距離の関数としての、結果として生じる虹彩スコアの線図３１００を示す。線図３１００は、横座標としてのメートル単位の孤立距離、および縦座標上のハミング距離を有する。０．３１に近いＨＤ値における水平実線は、肯定的識別に対する最小必要ＨＤを示す。約２．１７〜２．３６メートルからの孤立距離の値は、対象が虹彩識別システムによって正しく識別することができる領域を画定する。ＩＨＯＮＳ１．１システムの評価に対して、様々なテンプレートが作成された。テンプレートは、対象の虹彩の平均化された理想化である。

図３１は、同対象を識別するための２つのテンプレートに対するＨＤスコアを示す。テンプレートＡに関するデータは、線図内の塗りつぶしたダイヤモンド型の点として示される。テンプレートＢに関するデータは、円形の点として示される。両方に対するデータは、複数の測定にわたって平均化される。虹彩識別がわずかにより良い画像（つまり、より広い目に見える虹彩領域）に基づくため、テンプレートＢはわずかにより良い結果を提供すると思われる。波面コーディングのない模擬システムの識別領域は、約１８ｃｍである。

図３２は、模擬ＩＨＯＮＳ１．１システムの結果として生じる虹彩スコアの線図３２００を示す。線図３２００は、横座標としてのメートル単位の孤立距離、および縦座標上のＨＤを有する。テンプレートＡに関するデータは、線図内の塗りつぶしたダイヤモンド型の点として示される。テンプレートＢに関するデータは、円形の点として示される。両方に対するデータは、複数の測定にわたって平均化される。図３２は、虹彩識別は、ＩＨＯＮＳ１．１が使用される場合に単一フィルタを使用して、関心領域全体にわたって行うことができることを示す。そのような模擬結果は、選択された設計を検証するために設計プロセスの最後に使用され、フィルタおよびＷＦＣ素子を含むがそれに限定され、予期されるように機能する。

図３３は、ＩＨＯＮＳ１．１システムの検証に使用される実験装置３３００を示す。虹彩認識検証に対するプロトタイプのタスク型画像化システムにおいて、画像データ収集装置は、順にＩＨＯＮＳ波面コーディング素子（例えば、図１６に示されるもの）を含むレンズシステム３３２０、３０ｍｍ入射瞳直径および２１０ｍｍの有効焦点距離を備える広角レンズ、およびカメラ３３００（例えば、ＣＣＤ配列）を含む。レンズシステム３３２０およびカメラ３３３０は、自動レールシステム３３４０に搭載される。対象３３１０は、レールシステム３３４０から２．０５メートル離れた三脚にその頭を置く。カメラ３３３０は、２０４８×２０４８の解像度を備える１０ビットＣＣＤアレイである。レンズシステム３３２０は、２つの照明アセンブリを含む照明器をさらに含み、それぞれは８４０ｎｍの中心波長を備える４つのＬＥＤを含み、フレネルレンズを使用して平行にされて約２ｍＷ／ｃｍ^２の全放射照度を生じる。レンズシステム３３２０は、ＣＣＤ配列３３３０において、対象３３１０からの電磁エネルギの波面から中間像を画像化する一方で、波面の位相も修正する（つまり、波面コーディング）。波面コーディングを含む結果として生じるシステムのＳＮＲが、波面コーディングのない画像化システムのＳＮＲよりも大きくなるように、この位相修正は設計される。目は、ミニレールの最上部に搭載される光学ポストを使用して、画像化システムの視野に関して個別に整列される。レールシステム３３４０は、孤立距離を変えるために使用されるコンピュータ制御の同軸スクリューレールを含む。レールシステム３３４０は、２．０５〜２．４５メートルの２６の均等に間隔をあけられた位置における短配列で１０の画像を撮影するＭＡＴＬＡＢ（登録商標）スクリプトを作動するコンピュータ３３６０に応答する制御器３３５０によって、制御される。

図３３を引き続き参照して、画像データ処理装置はまた、コンピュータ３３６０によって制御される。別のＭＡＴＬＡＢ（登録商標）スクリプトは、図２４と関連して説明されるカーネルを使用して、画像の復号化を行う。市販のソフトウェアパッケージは、Ｄａｕｇｍａｎらによるアルゴリズムの変動を使用して、虹彩認識のタスクを行う（Ｊ．Ｇ．Ｄａｕｇｍａｎ、「Ｔｈｅ ｉｍｐｏｒｔａｎｃｅ ｏｆ ｂｅｉｎｇ ｒａｎｄｏｍ：ｓｔａｔｉｓｔｉｃａｌ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｉｒｉｓ ｒｅｃｏｇｎｉｔｉｏｎ」、Ｐａｔｔ．Ｒｅｃ．、３６、２７９〜２９１（２００３年））を参照）。画像はデータベースに保存され、そして、画像を処理して事前に記録された高解像度テンプレートに基づいて各画像にスコアを割り当てる別のＭＡＴＬＡＢ（登録商標）スクリプトによって解析される。実験装置３３００は、レンズを変え（波面コーディング効果のないものへと）、焦点を再び合わせることによって、波面コーディングを伴うものから、波面コーディングを伴わないものへと変換される。同様の装置はＰＳＦをとらえ、１つの違いは、物体が１０μｍピンホールに代替されることである。ピンホールは、近赤外線光を通過しながらその可視スペクトルを妨害するようにフィルタにかけられる白色光源によって、照射される。

図３４は、孤立距離の範囲に対する（メートル単位で、各下位画像の左上の隅に記述される）、本開示に従ったＩＨＯＮＳ１．１画像化システムを使用する、一連の実験的に測定されたＰＳＦ３４００を示す。光源の強度およびカメラの露光時間は、該システムの最大ダイナミックレンジを使用するように、ＰＳＦを飽和に近づけておくために調節した。雑音は、各位置において収集された１５のＰＳＦを平均化することによって軽減した。カメラは１０ビットセンサを使用し、１８の値以下の全てのピクセル値を０に減少させることによって、非線形雑音除去を採用した。ＰＳＦは、レールの全範囲内（２．０５ｍ〜２．４５ｍ）の２６の均等に離間した位置において収集された。２６のＰＳＦ位置は、図３４に示される９つの均等に離間したＰＳＦに要約される。これらの（図３４の）実験的ＰＳＦと（図１９の）模擬ＰＳＦとの間の類似点は、設計の良好な複製を示し、雑音除去平均化にはしばしば、ＰＳＦを円滑にするという望ましくない効果があることを、特に考慮する。

システム性能は、実験的ＰＳＦをフーリエ変換することによって計算される、一連の正規化された実験的ＭＴＦ３５００を示す図３５に、さらに図示される。図３５の実験的ＭＴＦは図２０の模擬ＭＴＦに似ており、高軸上変調は、範囲の遠端（２．４５ｍ）においてわずかに低下するだけで、孤立距離の範囲全体にわたって維持されることに留意することができる。

軸上変調におけるこの低下は、図３６の極性ＭＴＦ線図３６００においてより良く視覚化される。極性ＭＴＦ線図３６００は、最高関心空間周波数のみにおける距離の関数としての、全方向の変調を示し、範囲を伴う物体拡大の変動を考慮する。再度、図３６に示される図形線図と図２１に示される模擬極性ＭＴＦ線図との間には、顕著な類似点がある。線図２１００および３６００の細かい詳細は変化するが、強力な軸上応答（０、±π／２、および±π方向）ならびに軸外方向の必要な大きさは、図２１および３６の両方に存在する。

最後に、図３７は、最高関心空間周波数における全方向にわたる平均コントラストの図形線図３７００を示す。この線図は、全方向にわたって虹彩対象を解像する同等の必要性を与えられる、虹彩認識の場合に対する空間的関心である。図３７のこの線図は、遠方領域において対照的に望ましくない低下を明確に示す。幸いにも、この低下は標的範囲をすでに越えた範囲において生じ、（近い範囲の損害までではあるが）最良焦点をより遠くに移動することによって、部分的に相殺することが可能である。図３７の線図もまた、２つのピークをさらに離して移動させるようにＷＦＣ素子を構成することによって、将来的な設計を改善し、それによって（２．１７ｍの極小値を減少させることを犠牲にするが）全範囲を増大することができることを示す。図２２の模擬線図との図３７の比較はまた、コントラストピーク間の距離を狭くすることを除いて、際立った類似点を示す（模擬と実験的線図との間にスケールの小さな変化がある）。

虹彩認識における波面コーディングの使用の効果は、認識のより広い範囲に対してＨＤのトレードオフを可能にすることとして、要約することができる。このトレードオフは、ＷＦＣによって提供される脱焦点の関数としての変調（コントラスト）のより広い分布によって、説明することができる。このトレードオフを正確に評価するためには、ＨＤに影響するその他全てのパラメータを一定にすることが重要である。これらのパラメータは、１）照明、２）まぶたの位置、３）眼鏡、コンタクトレンズ、または光学経路内のその他の物体の存在、および４）物体の動きを含むが、それに限定されない。

そのような評価は、対象が静止し、画像撮影の継続時間中に目を大きく開いて直接カメラの方を向く、最適な画像化条件に対して行うことができる。活性化近赤外線照明を高強度で使用し、目の安全レベルによって制限した。これらのパラメータの任意の変動は、結果として測定のＳＮＲにおける低下となるか、またはそれどころか、結果として生じる画像外の虹彩位置を正しく分割する虹彩識別ソフトウェアの失敗となる。実験パラメータの分割の感度は、低ＳＮＲの場合（例えば、孤立距離範囲の端に近い）において特に高い。

ほとんどの虹彩認識アルゴリズムは、虹彩画像の全域において約２００ピクセルで動作することを好むことに留意されるべきである。実際の画像化条件における画像化パラメータを考えると、虹彩の全域のピクセル数は、図１７に示されるように、最遠方範囲において１５０未満に低下する。この効果を補うためには、全ての画像は、１．１８の補間因数によって、直線的に実験に差し挟まれる。実線において、虹彩認識システムが対象の虹彩までの正確な距離を備える可能性が低いため、全ての画像は均等に差し挟まれており、このことは、信号処理が範囲依存性であるべきことを意味する。補間因数は実験的に決定され、それはさらなる最適化の対象とすることができる。それにもかかわらず、該システムは補間を伴って、補間を伴わないよりも良い性能を常に示した。

図３８は、波面コーディングのない画像化システムに対する、虹彩までの距離（虹彩から画像化システムの第一のガラス表面までで測定される）の関数としての、ハミング距離の線図を示す。鋭い遷移領域を伴う狭いくぼみの存在は、図３８で顕著であり、図中、狭いくぼみは、脱焦点が認識アルゴリズムによって使用される空間周波数における変調（コントラスト）の低下を招く領域に対応する。最良焦点に近い平坦領域（２．２〜２．３ｍ）は、脱焦点が、該アルゴリズムによって使用される全ての空間周波数よりも高い空間周波数の低下を結果として生じる領域に対応する。各物体位置において、それぞれの目の１０の画像が撮影され、処理され、その目に対応する虹彩コードと比較され、線図３８００に示されるそれぞれの目に対する平均化されたＨＤを我々に提供する。実線によって繋がれる白丸は右目を指定し、破線によって繋がれる白い四角は左目を指定する。図３８の線図から、波面コーディングのない画像化システムは、０．２の最大ＨＤ（ＨＤにおける鎖線＝０．２）において１４．９ｃｍの認識範囲を生じる。図３８の線図はまた、図３１に示される模擬ハミング距離との比較によって、模擬画像の精度の検証を可能にする。

図３９は、波面コーディングを含む画像化システムに対する虹彩距離の関数としての、ＨＤの図形線図３９００を示す。図３９は、約４０ｃｍまでの認識範囲の倍増を示す、ＩＨＯＮＳ１．１画像化システムを使用して実験的に評価された虹彩認識システムに対する孤立距離範囲の関数としての、ハミング距離の線図を含む。実線によって繋がれる白丸は右目を指定し、破線によって繋がれる白い四角は左目を指定する。この場合、浅く広いくぼみが示され（２．０５〜２．４５メートルの孤立距離）、よって拡張された被写界深度に対する最低ＨＤのトレードオフを有効に実証する。このトレードオフは、ＳＮＲに関して説明すると、より良く理解することができる。余剰ＳＮＲが十分に高い場合、ＨＤに対する目立った影響なしに被写界深度を拡張するためにそれを低下させることが可能である。一方、ＷＦＣなしで設計されるシステムにしばしばあるように、ＳＮＲが正しい虹彩認識に対する最適値より上である場合、被写界深度の任意の拡張は、結果として最小ＨＤの低下となる。ＷＦＣを含む画像化システムは、０．２の最大ＨＤ（ＨＤにおける鎖線＝０．２）においてほぼ４０ｃｍの認識範囲を提供することに、注目することができる。また、所与の位置におけるハミング距離の分散は、波面コーディングのない画像化システムのものよりも、波面コーディングを含む画像化システムにおいて大幅に増加している。最後に、図３９の線図は、図３２に示される線図との比較による模擬画像の精度の検証を可能にし、それによって、模擬画像を使用する確信を提供し、将来的なＷＦＣ設計の性能を解析する。

上記のように、ＷＦＣは、手元のタスクのための拡張された範囲に対してＨＤ（またはＳＮＲ）を効果的にトレードオフするのに役立つことができる。このトレードオフは、該システムが余剰ＳＮＲを備える場合に特に魅力的となり、よって、例えば、ＨＤに目立った増加のない虹彩認識範囲の増加を可能にする。適切な状況下で、ＷＦＣを含む画像化システムにおける認識範囲は、波面コーディングのない画像化システムのものの二倍以上とすることができ、主な制限は、虹彩認識アルゴリズムが、ＷＦＣを使用して撮影される画像に対する虹彩画像を正しく分割するのに散発的に失敗することである。このような失敗は、例えば、瞳孔内に存在する正反射の形状に関するアルゴリズム想定が原因となることができる。このような反射は、最適性能が考慮されるべきであるＷＦＣを含む画像化システムを使用してとらえられる場合に、異なる形状を想定する。また、弱い分離不可能型の位相素子は、（分離不可能設計の特徴である）わずかにより大きい軸外変調を生じる一方で、（分離可能設計の特徴である）脱焦点にわたってほぼ不変のＰＳＦを維持する。この妥協は、純粋に分離可能な設計を使用して達成されるものよりも有利な解決策を生じ、設計範囲全体にわたって単一フィルタを使用して全ての設計目標を満たすことを可能にした。

前述の実施形態のそれぞれは、特定のそれぞれの方向性を有する様々な構成要素を伴って図示されているが、本開示で説明されるようなシステムは、様々な位置および相互方向性で位置付けられている様々な構成要素を備える様々な特定構造を呈し、なおも本発明の精神および範囲内にとどまることができることが、理解されるべきである。上記の変更、およびその他は、これに関する要旨を逸脱しない範囲で、本書で説明されるタスク型画像化システムにおいて行うことができる。よって、上記の説明に含まれる、または添付図面に示される事項は、限定する意味ではなく、実例として解釈されるべきであることに、注目するべきである。下記の請求項は、本書で説明される全ての一般的および特定の特徴、ならびに言語的にはその間に当てはまると言われる場合のある、本方法およびシステムの範囲の全記述を、対象とすることを目的とする。さらに、様々な構成要素の代わりに、またはそれに加えて、適切な同等物を使用することができ、そのような代用または追加構成要素の機能および使用は、当業者にとって周知であり、よって本開示の範囲内に当てはまると見なされる。例えば、前述の実施形態のそれぞれは、主に弱い分離可能位相機能の場合に対して論じられているが、その他の位相機能を提供するその他のＷＦＣ素子は、タスク型画像化システムで使用され、ＷＦＣのない現在利用可能なタスク型画像化システムを越える改良をなおも提供することができる。

よって、本例は、限定的ではなく実例として考えられるべきであり、本開示は、本書で挙げられる詳細に限定されないが、添付の請求項の範囲内で改良することができる。

図１は、タスク型画像化システムが本開示に従って使用することができる、セキュリティシーンを図示する。 図２は、本開示に従った、協調的で多機能性の、タスク型画像化システムを示すセキュリティシーンを図示する。 図３は、本開示に従った、協調的で多機能性の、タスク型画像化システムの非永久設置を示すセキュリティシーンを図示する。 図４は、本開示に従った、手持ち式で多機能性の、タスク型画像化システムを示すセキュリティシーンを図示する。 図５は、生体認識に対する関心特徴を含む、人の目の一部の説明図である。 図６は、生体認識に対する関心特徴を含む、人の顔の一部の説明図である。 図７は、波面コーディングを伴う、および伴わない、画像化システムにより撮影される画像を比較する２Ｄバーコードの一連の画像である。 図８は、波面コーディングを伴う、および伴わない、画像化システムにより撮影される画像を比較するテキストの一連の階調画像である。 図９は、波面コーディングを伴う、および伴わない、画像化システムにより撮影される画像を比較するテキストの一連の二値画像である。 図１０は、波面コーディングを伴わない画像化システムにより撮影される組み立てライン上の物体の階調画像である。 図１１は、波面コーディングを伴う画像化システムにより撮影される組み立てライン上の物体の階調画像である。 図１２は、自動車用画像化を介して物体を検出するために使用されるタスク型画像化システムは、本開示に従って使用することができる、シーンを示す。 図１３は、画像化および認識目的で、生物系内の空間周波数をどのように増強または維持することができるかを図示する、有糸分裂中に微小管に対して染色されたショウジョウバエ胚の画像である。 図１４は、スライド可能光学素子構造の使用によって可変屈折力を提供するため、および二重回転位相フィルタの使用による可変波面コーディングのための、第１および第２の状態の画像化システムの一対の概略図である。 図１５は、本開示に従った、タスク型画像化システムを示すブロック図である。 図１６は、本開示に従った、広い孤立距離での虹彩認識における使用に適切な例示的波面コーディング素子の表面凹形曲線の等高線図である。 図１７は、虹彩認識用の画像化システムまでの孤立距離の関数としての、虹彩の画像の範囲を定めるピクセル数の図形線図である。 図１８は、画像化システムに対する孤立距離範囲にわたる脱焦点の波の数の図形線図である。 図１９は、本開示に従った波面コーディングを含む画像化システムに対する、模擬の、焦点を通して正規化された点広がり関数（ＰＳＦ）の一連の図形線図である。 図２０は、本開示に従った波面コーディングを含む画像化システムに対する、模擬の、焦点を通したＭＴＦの一連の図形線図である。 図２１は、本開示に従った波面コーディングを含む例示的画像化システムに対する、極性ＭＴＦの等高線図である。 図２２は、本開示に従った波面コーディングを含む画像化システムに対する、全方向にわたって平均化される（−πから＋π）、孤立距離の関数としての、画像化システムに対する関心空間周波数における平均コントラストの図形線図である。 図２３は、本開示に従った波面コーディングを含む画像化システムに対する、全方向にわたって平均化される（−πから＋π）、孤立距離の関数としての、画像化システムに対する関心空間周波数における平均ＳＮＲの図形線図である。 図２４は、本開示に従った波面コーディングを含む画像化システムに対する、画像化システムによって撮影される画像を処理するために使用されるフィルタの図解である。 図２５は、一実施形態に従った波面コーディングを含む画像化システムによって撮影されるものに相当する、模擬画像の生成のためのプロセスを示すフロー図である。 図２６は、波面コーディングを含むタスク型画像化システムの最適化のためのシステムを示すブロック図である。 図２７は、一実施形態に従った、波面コーディングを含むタスク型画像化システムの最適化のためのプロセスを示すフロー図である。 図２８は、所与の画像化システムによって見られるような、原画像、ＰＳＦ、およびダウンサンプリングされた画像の相対位置を示す一連の概略図である。 図２９は、ダウンサンプリングの多様な視点に関するエイリアシングの効果を詳述する一対の線図である。 図３０は、本開示に従った波面コーディング素子および関連処理の効果を組み込む、一連の模擬虹彩画像を示す。 図３１は、波面コーディングのない画像化システムによって撮影される模擬画像に対する孤立距離（２ｍから２．５ｍ）の関数としての、ハミング距離の図形線図を示す。 図３２は、本開示に従った波面コーディング素子および関連処理の効果を組み込む、模擬虹彩画像に対する孤立距離（２ｍから２．５ｍ）の関数としての、ハミング距離の図形線図を示し、波面コーディングを含むことが、波面コーディングがないシステムより広い認識範囲を提供することを示したものである。 図３３は、虹彩画像を取得するために使用される実験装置の概略図である。 図３４は、本開示に従った波面コーディングを含む画像化システムに対する、実験的に得られた、正規化されたＰＳＦの一連の図形線図である。 図３５は、図３４に示される正規化されたＰＳＦに対応する、実験的に得られた、正規化されたＭＴＦの一連の図形線図である。 図３６は、波面コーディングを含む例示的画像化システムの実験的に得られた、極性ＭＴＦの等高線図である。 図３７は、全方向にわたって平均化される（−πから＋π）、孤立距離の関数としての、波面コーディングを含む画像化システムに対する関心空間周波数における、実験的に得られた平均コントラストの図形線図である。 図３８は、波面コーディングのない画像化システムを使用した虹彩認識のための、虹彩までの孤立距離の関数としての、ハミング距離の図形線図である。 図３９は、一実施形態に従った、波面コーディングを含む画像化システムを使用した虹彩認識のための、虹彩までの孤立距離の関数としての、ハミング距離の図形線図である。

Claims (18)

1. あるタスクにおいて使用されるシーンに関するデータを取得するタスク型画像化システムであって、前記タスク型画像化システムは、
   （ａ）前記シーンからの電磁エネルギの波面を中間像に画像化し、（ｂ）前記波面の位相を修正する少なくとも１つの光学素子であって、位相を修正することは、以下の形式
   の瞳孔関数によって特徴付けられ、ｘおよびｙは正規化された空間座標であり、ｒは入射瞳の半径であり、α（ｉ，ｊ）は指数ｉおよびｊに対する瞳孔関数の係数であり、
   を満たし、指数ｉおよびｊのうちの少なくとも１つが０に等しい場合に、係数α（ｉ，ｊ）のうちの少なくとも１つが少なくとも１の値を有する、少なくとも１つの光学素子と、
   空間周波数の範囲にわたって前記中間像を検出する第１検出器と
   を備え、
   前記少なくとも１つの光学素子は、前記タスク型画像化システムの信号対雑音比（ＳＮＲ）が、前記空間周波数の範囲にわたる前記波面の位相修正のないタスク型画像化システムのＳＮＲよりも大きくなるように、前記第１検出器と協働するように構成されている、タスク型画像化システム。
2. 前記瞳孔関数の係数は、α（０，３）＝α（３，０）＝２３．３９４、α（０，５）＝α（５，０）＝６０．１０８、α（０，７）＝α（７，０）＝−１２６．４２１、α（０，９）＝α（９，０）＝８２．１２８、α（３，３）＝５．０２１、α（５，５）＝−２１．４１８、α（７，７）＝−３１０．７４９、α（９，９）＝−１１００．３３６によって与えられる、請求項１に記載のタスク型画像化システム。
3. タスク型画像化システムの検出器によって捕捉されるシーンの出力画像をシミュレートする方法であって、前記検出器は、複数のピクセルを含み、前記シーンは、物体距離の範囲内で所与の物体距離に位置付けられる少なくとも１つの物体を含み、物体距離は、前記物体と前記タスク型画像化システムとの間の距離として定義され、
   前記方法は、
   空間周波数の範囲にわたって前記シーンの高解像度画像を捕捉することと、
   前記高解像度画像を前記シーンの画像スペクトルに変換することと、
   物体距離の範囲にわたって前記タスク型画像化システムの脱焦点化光学的伝達関数（ＯＴＦ）を決定することと、
   前記検出器の前記複数のピクセルにわたってピクセル変調伝達関数（ＭＴＦ）を決定することと、
   前記ＯＴＦおよび前記ＭＴＦと前記画像スペクトルとを乗算することにより、前記シーンの修正された画像スペクトルを生成することと、
   前記修正された画像スペクトルを前記シーンの修正された画像に変換することと、
   前記修正された画像から前記出力画像を生成することと
   を含む、方法。
4. 前記生成するステップは、前記修正された画像からサイズ変更された画像を形成することと、前記サイズ変更された画像から前記出力画像を形成することとを含む、請求項３に記載の方法。
5. 前記サイズ変更された画像を形成することは、前記所与の物体距離に従って、前記修正された画像を最終解像度にダウンサンプリングすることを含む、請求項４に記載の方法。
6. ダウンサンプリングすることは、ローパスフィルタリングなしで前記修正された画像のサイズを変更することを含む、請求項５に記載の方法。
7. ダウンサンプリングすることは、
   所与のダウンサンプリング始点およびダウンサンプリング期間に対して前記修正された画像を処理することと、
   前記ダウンサンプリング期間内で前記ダウンサンプリング始点を変えることによって、前記サイズ変更された画像の複数のエイリアス化バージョンを生成することと
   を含む、請求項５に記載の方法。
8. 前記検出器は、ショット雑音特性および読み取り雑音特性を有し、前記出力画像を形成することは、前記ショット雑音特性および前記読み取り雑音特性のうちの少なくとも一方を前記サイズ変更された画像に加えることを含む、請求項４に記載の方法。
9. 前記サイズ変更された画像は、少なくとも１つの境界線を含み、前記方法は、前記境界線を複製することによって前記サイズ変更された画像をパッドすることにより、所望の画像サイズを有するパッドされた画像を生成することをさらに含む、請求項４に記載の方法。
10. フィルタカーネルを用いて前記出力画像をフィルタ処理することにより、フィルタ処理された画像を生成することをさらに含む、請求項３に記載の方法。
11. 前記出力画像から、前記シーンにわたる信号対雑比（ＳＮＲ）を計算することと、
    前記出力画像内の前記ＳＮＲが、前記脱焦点化ＯＴＦを修正せずに前記出力画像から計算されるＳＮＲよりも大きくなるように、前記画像化システムの前記脱焦点化ＯＴＦを修正することと
    をさらに含む、請求項３に記載の方法。
12. 前記シーンにわたる方向の範囲にわたって前記ＳＮＲを平均化することにより、平均ＳＮＲを生成することと、
    前記出力画像内の前記平均ＳＮＲが、前記脱焦点化ＯＴＦを変更せずに前記出力画像から計算されるＳＮＲよりも大きくなるように、前記脱焦点化ＯＴＦを変更することと
    をさらに含む、請求項１１に記載の方法。
13. 前記ＳＮＲを平均化することは、前記シーンにわたる加重平均ＳＮＲを計算することを含む、請求項１２に記載の方法。
14. 前記加重平均ＳＮＲを平均化することは、信号強度の軽減および前記所与の物体距離の関数としてのインコヒーレント画像化システム変調の軽減のうちから選択された１つに少なくとも従って、前記ＳＮＲの重み係数を変えることを含む、請求項１３に記載の方法。
15. 物体距離の範囲内の最小および最大物体距離値に対し計算されるＳＮＲが等しい位置に対応する位置で、前記タスク型画像化システムの焦点を設定することをさらに含む、請求項１３に記載の方法。
16. 変更することは、以下の形式
    の瞳孔関数をもたらすように前記タスク型画像化システムを修正することを含み、ｘおよびｙは正規化された空間座標であり、ｒは入射瞳の半径であり、α（ｉ，ｊ）は指数ｉおよびｊに対する瞳孔関数の係数であり、
    であり、指数ｉおよびｊのうちの少なくとも１つが０に等しい場合に、係数α（ｉ，ｊ）のうちの少なくとも１つが少なくとも１の値を有する、請求項１２に記載の方法。
17. タスク型画像化システムで使用される方法であって、
    あるシーンからの電磁エネルギを、空間周波数の範囲にわたって前記タスク型画像化システムの中間像に画像化することと、
    前記電磁エネルギの波面の位相を修正することであって、前記波面の位相を修正することは、以下の形式
    の瞳孔関数を用いて前記位相を変更することを含み、ｘおよびｙは正規化された空間座標であり、ｒは入射瞳の半径であり、α（ｉ，ｊ）は指数ｉおよびｊに対する瞳孔関数の係数であり、
    を満たし、指数ｉおよびｊのうちの少なくとも１つが０に等しい場合に、係数α（ｉ，ｊ）のうちの少なくとも１つが少なくとも１の値を有する、ことと、
    前記中間像を検出することと、
    前記タスク型画像化システムの信号対雑音比（ＳＮＲ）が、前記空間周波数の範囲にわたる位相を修正のない前記タスク型画像化システムのＳＮＲよりも大きくなるように、前記中間像に基づいて、前記空間周波数の範囲にわたって画像データを生成することと
    を含む、方法。
18. 前記瞳孔関数の係数は、α（０，３）＝α（３，０）＝２３．３９４、α（０，５）＝α（５，０）＝６０．１０８、α（０，７）＝α（７，０）＝−１２６．４２１、α（０，９）＝α（９，０）＝８２．１２８、α（３，３）＝５．０２１、α（５，５）＝−２１．４１８、α（７，７）＝−３１０．７４９、α（９，９）＝−１１００．３３６によって与えられる、請求項１７に記載の方法。