JPH04335136A - 粒度分布分画方法 - Google Patents

粒度分布分画方法

Info

Publication number
JPH04335136A
JPH04335136A JP3135979A JP13597991A JPH04335136A JP H04335136 A JPH04335136 A JP H04335136A JP 3135979 A JP3135979 A JP 3135979A JP 13597991 A JP13597991 A JP 13597991A JP H04335136 A JPH04335136 A JP H04335136A
Authority
JP
Japan
Prior art keywords
evaluation
value
feature parameter
particle size
size distribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
JP3135979A
Other languages
English (en)
Inventor
Kazuyuki Kanai
金井　一之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sysmex Corp
Original Assignee
Sysmex Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sysmex Corp filed Critical Sysmex Corp
Priority to JP3135979A priority Critical patent/JPH04335136A/ja
Priority to EP19920300168 priority patent/EP0512664A3/en
Priority to US07/823,975 priority patent/US5359906A/en
Publication of JPH04335136A publication Critical patent/JPH04335136A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution

Landscapes

  • Chemical & Material Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Complex Calculations (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、例えば種類の異なる粒
子が混在している状態で測定した得た、これら粒子の粒
度とその度数とを表す粒度分布データを、各粒子ごとの
分布に分ける、即ち分画する方法に関し、特にファジイ
推論を用いたものに関する。
【０００２】
【従来の技術】従来、上記のような複数の種類の粒子が
混在しているものには、例えば白血球がある。白血球は
、リンパ球、単球、顆粒球を含み、この白血球の粒度と
その度数とからなる粒度分布データを求めると、例えば
図７のようになる。リンパ球、単球、顆粒球それぞれの
個数を計数する場合、リンパ球と単球とを分けるために
分画線２、単球と顆粒球とを分けるために分画線４をそ
れぞれ引く必要がある。このような分画線２、４を引く
場合、図７から明らかなように、その分布の最も低い部
分、即ち谷の底の部分に引けばよい。しかし、粒度分布
データは、各粒子の粒度を検出した後、それをＡ／Ｄ変
換してから得るので、量子化誤差等の影響を受け、図８
に示すように、粒度分布データには、実際にはガタツキ
が生じている。このようなガタツキのあるデータを対象
として、コンピュータ等に最も度数の小さい粒度の位置
を求めさせ、かつその位置で自動的に分画させると、人
間が期待しているのとは全く異なる位置に分画線が引か
れることが多い。そこで、このようなガタツキを少なく
するため、分画する前に、その前処理として各粒度分布
データの移動平均をとる等のスムージング処理を行って
いる。
【０００３】
【発明が解決しようとする課題】しかし、スムージング
前処理を行っても、完全にガタツキをとることはできな
い。従って、たとえ前処理を行っていても、上述したよ
うな最も度数の小さい粒度の位置を求めるという単純な
ルールを使用している限り、同じような形状の粒度分布
データであっても、再現性が悪いという問題点があった
。即ち、図９に示すようにスムージング処理を行っても
、谷の部分にガタツキが残った場合、分画線の引かれる
位置が範囲Ａ内で変動する可能性がある。単にガタツキ
を少なくするには、スムージング処理を強化すればよい
が、スムージング処理は、電気信号処理の分野における
ローパスフィルターと同じような働きをするので、元の
粒度分布データの形状を変形させ、分布の特徴を失わせ
る可能性が強いので、強力なスムージング処理は行えな
い。
【０００４】本発明は、ガタツキのある粒度分布データ
であっても、常に安定した位置で分画することができる
粒度分布分画方法を提供することを目的とする。
【０００５】
【課題を解決するための手段】本発明は、ファジイ推論
を用いて、上記の問題点を解決している。即ち、図１に
示すように、まず混在している複数種類の粒子をそれぞ
れ検出し、これら粒子の粒度と度数との関係を表す一次
元粒度分布データを得る（ステップＳ２）。次に、評価
対象点である粒度ごとに、特徴パラメータ値を抽出して
いる（ステップＳ４）。この特徴パラメータ値としては
、その相対度数（第１の特徴パラメータ値）、評価対象
点を含む近傍小区間の度数和（第２の特徴パラメータ値
）、評価対象である点の度数が最大度数からどの程度離
れているかを表す離れ具合（第３の特徴パラメータ値）
が少なくとも使用される。この他に、各評価対象点ごと
の度数（第４の特徴パラメータ値）、各評価対象点を含
む近傍小区間の傾斜（第５の特徴パラメータ値）、各評
価対象点を挟む両側の小区間の度数和の差（第６の特徴
パラメータ値）も付加可能である。
【０００６】このようにして求めた各パラメータ値を評
価した評価値を決定する（ステップＳ６）。この決定は
、ファジイ推論のプロダクションルールに基づいて行わ
れる。例えば第１の特徴パラメータ値が小さければ評価
値が高いというプロダクションルール、第２の特徴パラ
メータ値が小さいならば評価値が高いというプロダクシ
ョンルール、第３の特徴パラメータ値が適度であるなら
評価値が高いというプロダクションルールが基本的に使
用される。また、第４乃至第６の特徴パラメータ値も使
用する場合には、第４の特徴パラメータ値が小さいなら
ば評価値が高いというプロダクションルール、第５の特
徴パラメータ値が小さいならば評価値が高いというプロ
ダクションルール、第６の特徴パラメータ値が小さけれ
ば評価値が高いというプロダクションルールも使用され
る。さらに、上記各プロダクションルールをそれぞれ裏
返しにしたプロダクションルールも使用されることがあ
る。このようにして得られた各評価値を合成し、合成評
価値を得る（ステップＳ８）。これら各合成評価値のう
ち最大値を求め、この最大値に対応する評価対象点を分
画点とする（ステップＳ１０）。
【０００７】
【作用】本発明では、ファジイ推論を使用しており、第
１の特徴パラメータである相対度数が小さければ、小さ
いほど分画点らしいと考えて、評価を高くし、第２の特
徴パラメータである、評価対象点を含む近傍小区間の度
数和が小さければ、ガタツキがあったとしても分画点ら
しいと考えて、評価を高くし、第３の特徴パラメータで
ある、評価対象点での度数が最大度数からどの程度離れ
ているかを表す離れ具合が、或る値に近いほど、適度で
あって、分画点らしいと考えて、評価を高くしてある。 そして、これらの評価値を合成する。このような作業を
各評価対象点ごとに行って、各合成評価値を求めれば、
これら合成評価値が最も大きいものが、最も分画点らし
いものとなる。従って、この合成評価値の最も大きい評
価対象点を分画点としている。他の特徴パラメータを付
加した場合も、同様であり、各プロダクションルールを
裏返しにしたものも用いると、さらに分画点らしさが向
上する。
【０００８】
【実施例】図２に本実施例に使用する機器のブロック図
を示す。同図において、一点鎖線で囲った部分が、粒度
分布データに対しファジイ推論を実施し、分画点を決定
する基本部分である。粒子計数装置（図示せず）等によ
って、複数種類の粒子を含む検体、例えば白血球の粒度
分布データを得て、これを特徴パラメータジェネレータ
１０に供給する。この特徴パラメータジェネレータ１０
は、粒度分布データより、後述するように各特徴パラメ
ータを抽出する。これら特徴パラメータは、ファジイ推
論エンジン１４に供給される。このファジイ推論エンジ
ン１４には、分画用知識ベース部１２から、ファジイ推
論の知識ベースとなるメンバーシップ関数が供給される
。ファジイ推論エンジン１４は、このメンバーシップ関
数に基づいて特徴パラメータにファジイ推論を施し、分
画点を決定する。この決定された分画点は、分画結果表
示部１６に表示される。なお、この分画結果表示部１６
には、分画点らしさの評価値の折れ線グラフも同時に表
示することができる。
【０００９】一点鎖線の外部は、付加機能部分であり、
上記基本部分によって得られた分画点と人間１８が選ん
だ分画点とを比較し、その差が小さくなるように、メン
バーシップ関数等を修正するための、知識獲得用ユーザ
インターフェース２０や、知識ベースとなるメンバーシ
ップ関数やプロダクションルールの初期設定、修正、追
加、削除等の作業を行う知識ベースエディタ２２からな
る。
【００１０】特徴パラメータジェネレータ１０は、例え
ば６つの特徴パラメータを図３に示すような一次元粒度
分布データから抽出する。なお、図３において、横軸は
粒子の大きさ（粒度）を表し、この実施例では２５６個
の異なる大きさを表している。また縦軸は各粒度の度数
を表している。実際の粒度分布データは、図８に示すよ
うにかなりガタツキがあるが、同図では説明の便宜上、
ガタツキは示していない。各特徴パラメータは、全ての
評価対象点、即ち各粒度から抽出してもよいが、例えば
今、図３における山ａとｂとの間で分画点を決定する場
合なら、山ａの度数がピークである評価対象点ｘｐ１と
、山ｂの度数がピークである評価対象点ｘｐ２との間の
各評価対象点ｘｉにおいて、特徴パラメータを抽出すれ
ばよい。
【００１１】特徴パラメータジェネレータ１０は、特徴
パラメータの１つとして各評価対象点ｘｉにおける度数
ｆ（ｘｉ）（絶対度数）をまず抽出する。谷の底らしい
点では、その絶対度数ｆ（ｘｉ）は小さくなるから、絶
対度数ｆ（ｘｉ）を、特徴パラメータとして使用してい
る。もっとも、ピークの絶対度数だけが極端に大きくて
、他の絶対度数が非常に小さく、かつ余り差がないよう
な場合には、この絶対度数だけでは特徴パラメータとし
ての信頼性が低くなる。そこで、相対度数も特徴パラメ
ータとして抽出している。ここで、相対度数とは、最大
絶対度数、図３で言えばｆｐに対する各評価対象点ｘｉ
の絶対度数ｆ（ｘｉ）の百分率である、ｆ（ｘｉ）×１
００／ｆｐである。なお、相対度数のみであると、例え
ばピークの絶対度数が１００で、評価対象点の絶対度数
が１０である場合も、ピークの絶対度数が１０００で、
評価対象点の絶対度数が１００である場合も、同じ相対
度数となり、同じ評価が与えられるので、好ましくなく
、そのため絶対度数との併用が望ましい。
【００１２】この他に、特徴パラメータジェネレータ１
０は、評価対象点ｘｉの近傍小区間の度数和（面積）も
特徴パラメータとして抽出している。即ち、評価対象点
ｘｉと、その前後ｎ（ｎは経験的に定められる値）個の
点の度数の和を数１のようにして求めている。
【数１】 この特徴パラメータは、粒度分布データがガタツイてい
るとしても、その値が小さいほど谷の底らしいことを表
しているので、特徴パラメータとして使用している。
【００１３】また、特徴パラメータジェネレータ１０は
、評価対象点ｘｉ近傍の小区間の平均の傾きも特徴パラ
メータとして求めている。即ち、評価対象点ｘｉとその
前後ｍ（ｍは経験的に定められる値である）個の点の傾
きを数２のようにして単純平均して求めている。
【数２】 この平均の傾きが小さいほど谷の底らしいことを表して
いるので、これも特徴パラメータとして使用している。
【００１４】また、特徴パラメータジェネレータ１０は
、評価対象点ｘｉとピーク点ｘｐ１との離れ具合も特徴
パラメータとして求めている。即ち、評価対象点ｘｉが
ピークを含む分布の半値幅Ｗ（図２参照）の何倍だけピ
ークから離れているかを数３によって算出している。
【数３】 この値が或る値、例えばαに近ければ近いほど谷の底に
近いということが経験的に知られており、従ってこの値
も特徴パラメータとして使用している。
【００１５】さらに、特徴パラメータジェネレータ１０
は、評価対象点ｘｉの両側の小区間の度数和の差を特徴
パラメータとして求めている。即ち、評価対象点と、そ
の左側におけるｐ（ｐは経験的に定めた値）個の点の度
数の和と、評価対象点と、その右側におけるｐ個の点の
度数の和とを求め、これらの差の絶対値を数４によって
求めたものである。
【数４　】 この特徴パラメータは、例えば山と山との間が平坦な直
線状となった場合に、分画点が一方の山に偏らないで、
その丁度中間点に来るようにするためのものである。
【００１６】このようにして求められた各評価対象点ｘ
ｉにおける各特徴パラメータ値は、ファジイ推論エンジ
ン１４に供給され、プロダクションルールをファジイ拡
張した推論方式によって評価される。即ち、各特徴パラ
メータごとにそれぞれ定めたプロダクションルールに基
づく前件メンバーシップ関数、後件メンバーシップ関数
が分画用知識ベース部１２に記憶されており、これに基
づいて評価される。例えば、特徴パラメータとして絶対
度数を用いる場合、プロダクションルールとして、「絶
対度数が小さいならば、評価値が高い」というものを使
用することができ、その場合の絶対度数が小さいという
知識を表す前件メンバーシップ関数としては、例えば図
４（ａ）に示すようなものを使用することができる。ま
た、評価値が高いという知識を表す後件メンバーシップ
関数としては、例えば図４（ｂ）に示すようなものを使
用することができる。なお、これら両メンバーシップ関
数は、例えば分画点の決定に熟練している人の経験を基
に決定する。
【００１７】例えば評価対象点ｘｉの絶対度数ｆ（ｘｉ
）が１５であるとすると、図４（ａ）から一致度合いが
０．１３が求まり、これによって同図（ｂ）の後件メン
バーシップ関数を頭切りすることによって、推論結果と
して使用するパターン３０が決定する。この頭切りによ
って推論結果として用いるパターンを決定することはフ
ァジイ推論技術として公知であるので、詳細な説明は省
略する。
【００１８】次に、先のプロダクションルールを裏返し
た、「絶対度数が大きいならば、評価値が低い」という
プロダクションルールに基づいても、絶対度数という特
徴パラメータを評価する。このように正反対のプロダク
ションルールを同時に使用するのは、矛盾するプロダク
ションルールに対しても同時に考慮することができるた
めである。この場合の絶対度数が大きいという知識を表
す前件メンバーシップ関数を例えば図５（ａ）に示し、
評価値が低いという知識を表す後件メンバーシップ関数
を図５（ｂ）に示す。この場合の両メンバーシップ関数
も、例えば分画点の決定に熟練している人の経験を基に
決定する。先の例と同様に、例えば評価対象点ｘｉの絶
対度数ｆ（ｘｉ）が１５であるとすると、図５（ａ）か
ら一致度合いが０．２５が求まり、これによって同図（
ｂ）の後件メンバーシップ関数を頭切りすることによっ
て、推論結果として使用するパターン３２が決定する。
【００１９】上述したのと同様にして、他の特徴パラメ
ータに対し、それぞれプロダクションルールを定めてあ
る。例えば「相対度数が小さいならば、評価値が高い」
、「相対度数が大きいならば、評価値が低い」、「近傍
小区間の度数和が小さいならば、評価値が高い」、「近
傍小区間の度数和が大きいならば、評価値が低い」、「
近傍小区間の平均傾きが小さいならば、評価値が高い」
、「近傍小区間の平均傾きが大きいならば、評価値が低
い」、「ピークからの離れ具合が適度ならば、評価が高
い」、「ピークからの離れ具合が適度でないなら、評価
値が低い」、「両側小区間の度数和の差が小さいならば
、評価値が高い」、「両側小区間の度数和の差が大きい
ならば、評価値が低い」という各プロダクションルール
を定めてある。そして、これらプロダクションルールに
従って、前件メンバーシップ関数、後件メンバーシップ
関数をそれぞれ定めてある。そして、各特徴パラメータ
の対応する前件メンバーシップ関数への一致度を求め、
この一致度によって対応する後件メンバーシップ関数を
頭切りする。
【００２０】このようにして求められた或る評価対象点
ｘｉの各頭切りされた後件メンバーシップ関数を合成し
て、合成メンバーシップ関数を求める。この合成は、例
えばプロダクションルールが「絶対度数が小さいならば
、評価値が高い」と、「絶対度数が大きいならば、評価
値が低い」の２つの場合、図６（ａ）に示す頭切りされ
た後件メンバーシップ関数３０と、同図（ｂ）に示す頭
切りされた後件メンバーシップ関数３２との論理和３４
を、同図（ｃ）に示すように求めることによって行う。 なお、この実施例では、プロダクションルールは合計１
２個あるので、実際には頭切りされた１２個のメンバー
シップ関数の論理和を求めることになる。また、論理和
の代わりに代数和を求めて、合成することもある。 このように論理和または代数和を求めることによって合
成することもファジイ推論において公知であるので詳細
な説明は省略する。
【００２１】このようにして合成した後、この合成され
たメンバーシップ関数の重心位置を求め、これをその評
価点ｘｉの合成評価値とする。重心位置を求めて、これ
を合成評価値とすることもファジイ推論において公知で
あるので、詳細な説明は省略する。図６（ｃ）には、頭
切りされた２つの後件メンバーシップ関数３０、３２の
合成値の重心位置、即ち合成評価値を示してある。
【００２２】このようにして各評価対象点ｘｉの合成評
価値をそれぞれ求め、最も合成評価値が高かった評価対
象点ｘｉが谷の底となる。この谷の底の位置は、分画結
果表示部１６に表示される。
【００２３】上記の実施例では、６つの特徴パラメータ
を使用したが、必ずしも全ての特徴パラメータを使用す
る必要はなく、例えば相対度数、評価対象点ｘｉ近傍小
区間の度数和、評価対象点ｘｉとピーク位置ｘｐ１との
離れ具合の３つを少なくとも使用していればよい。また
、合成されたメンバーシップ関数の重心位置を合成評価
値としたが、この他に中央値を採用したり、最大値を採
用したりする公知の種々の方法を採用することができる
。
【００２４】
【発明の効果】以上のように、本発明による分画方法に
よれば、少なくとも相対度数、評価対象点ｘｉ近傍小区
間の度数和、評価対象点ｘｉとピーク位置ｘｐ１との離
れ具合の３つの特徴パラメータを用い、これにファジイ
推論を適用して、分画点を決定しているので、粒度分布
データにかなりのガタツキがあっても、スムージング処
理を前処理として行わないで、あたかも人間が分画点を
決定したのと同様に、良好に分画することができる。
【図面の簡単な説明】
【図１】本発明による粒度分布分画方法の概略を示す図
である。
【図２】本発明による粒度分布分画方法の１実施例に使
用する装置のブロック図である。
【図３】同実施例において使用する粒度分布データを示
す図である。
【図４】同実施例において使用する「絶対度数が小さけ
れば評価が高い」というプロダクションルールに基づく
前件メンバーシップ関数と後件メンバーシップ関数とを
示す図である。
【図５】同実施例において使用する「絶対度数が大きけ
れば評価が低い」というプロダクションルールに基づく
前件メンバーシップ関数と後件メンバーシップ関数とを
示す図である。
【図６】同実施例における後件メンバーシップ関数の合
成状態を示す図である。
【図７】白血球の粒度と度数との関係を示す図である。
【図８】ガタツキのある粒度分布データを示す図である
。
【図９】図８の粒度分布データの谷の部分の拡大図であ
る。
【符号の説明】 １０　　特徴パラメータジェネレータ １２　　分画用知識ベース部 １４　　ファジイ推論エンジン １６　　分画結果表示部

Claims (8)

    【特許請求の範囲】
  1. 【請求項１】　　混在している複数種類の粒子をそれぞ
    れ検出し、これら粒子の粒度と度数との関係を表す一次
    元粒度分布データを得る工程と、各粒子の粒度である評
    価対象点ごとに、その相対度数を第１の特徴パラメータ
    値として抽出する工程と、上記各評価対象点ごとに、そ
    の評価対象点を含む近傍小区間の度数和をそれぞれ第２
    の特徴パラメータ値として抽出する工程と、上記各評価
    対象点ごとに、その評価対象点の度数が最大度数からど
    の程度離れているかを表す離れ具合を第３の特徴パラメ
    ータ値として抽出する段階と、各評価対象点ごとに、第
    １の特徴パラメータ値が小さければ評価値が高いという
    プロダクションルールに基づいて第１の特徴パラメータ
    値の評価値を求め、第２の特徴パラメータ値が小さいな
    らば評価値が高いというプロダクションルールに基づい
    て第２の特徴パラメータ値の評価値を求め、第３の特徴
    パラメータ値が適度であるなら評価値が高いというプロ
    ダクションルールに基づいて第３の特徴パラメータ値の
    評価値を求める工程と、これら各評価値を各評価対象点
    ごとに、合成する工程と、これら各合成評価値のうち最
    大値を求め、この最大値に対応する評価対象点を分画点
    とする工程と、を具備する粒度分布分画方法。
  2. 【請求項２】　　請求項１記載の粒度分布分画方法にお
    いて、各評価値を求める工程において、更に、第１のパ
    ラメータ値が大きければ評価値が低いというプロダクシ
    ョンルールに基づいて第１の特徴パラメータ値の評価値
    を求め、第２のパラメータ値が大きいならば評価値が低
    いというプロダクションルールに基づいて第２のパラメ
    ータ値の評価値を求め、第３の特徴パラメータ値が適度
    でないなら評価値が低いというプロダクションルールに
    基づいて第３の特徴パラメータ値の評価を求めることを
    特徴とする粒度分布分画方法。
  3. 【請求項３】　　請求項１または２記載の粒度分布分画
    方法において、各評価対象点ごとに、その度数を第４の
    特徴パラメータ値として、この度数が小さいならば評価
    値が高いというプロダクションルールに基づいて各評価
    対象点ごとに第４の特徴パラメータ値の評価値を求め、
    この評価値も他の評価値と合成することを特徴とする粒
    度分布分画方法。
  4. 【請求項４】　　請求項３記載の粒度分布分画方法にお
    いて、第４の特徴パラメータ値が大きいならば評価値が
    低いというプロダクションルールに基づいて第４の特徴
    パラメータ値の評価値を求め、この評価値も他の評価値
    と合成することを特徴とする粒度分布分画方法。
  5. 【請求項５】　　請求項１、２、３または４記載の粒度
    分布分画方法において、各評価対象点ごとに、各評価対
    象点を含む近傍小区間の傾斜を第５の特徴パラメータ値
    として抽出し、この第５の特徴パラメータ値が小さいな
    らば評価値が高いというプロダクションルールに基づい
    て各評価対象点ごとの第５の特徴パラメータの評価値を
    求め、この評価値も他の評価値と合成することを特徴と
    する粒度分布分画方法。
  6. 【請求項６】　　請求項５記載の粒度分布分画方法にお
    いて、第５の特徴パラメータ値が大きければ評価値が低
    いというプロダクションルールに基づいて各評価対象点
    ごとの第５の特徴パラメータの評価値を求め、この評価
    値も他の評価値と合成することを特徴とする粒度分布分
    画方法。
  7. 【請求項７】　　請求項１、２、３、４、５または６記
    載の粒度分布分画方法において、各評価対象点ごとに、
    各評価対象点を挟む両側の小区間の度数和の差をそれぞ
    れ第６の特徴パラメータ値として抽出し、この第６の特
    徴パラメータ値が小さければ評価値が高いというプロダ
    クションルールに基づいて各評価対象点ごとの第６の特
    徴パラメータ値の評価値を求め、この評価値も他の評価
    値と合成することを特徴とする粒度分布分画方法。
  8. 【請求項８】　　請求項７記載の粒度分布分画方法にお
    いて、第６の特徴パラメータ値が大きければ評価値が低
    いというプロダクションルールに基づいて各評価対象点
    ごとの第５の特徴パラメータの評価値を求め、この評価
    値も他の評価値と合成することを特徴とする粒度分布分
    画方法。
JP3135979A 1991-05-09 1991-05-09 粒度分布分画方法 Withdrawn JPH04335136A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP3135979A JPH04335136A (ja) 1991-05-09 1991-05-09 粒度分布分画方法
EP19920300168 EP0512664A3 (en) 1991-05-09 1992-01-09 Method of partitioning particle size distribution datum
US07/823,975 US5359906A (en) 1991-05-09 1992-01-23 Method of partitioning particle size distrubution datum

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3135979A JPH04335136A (ja) 1991-05-09 1991-05-09 粒度分布分画方法

Publications (1)

Publication Number Publication Date
JPH04335136A true JPH04335136A (ja) 1992-11-24

Family

ID=15164354

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3135979A Withdrawn JPH04335136A (ja) 1991-05-09 1991-05-09 粒度分布分画方法

Country Status (3)

Country Link
US (1) US5359906A (ja)
EP (1) EP0512664A3 (ja)
JP (1) JPH04335136A (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5974167A (en) * 1997-06-30 1999-10-26 M.A.Hannarubbercompounding System and method for measuring and controlling the quality of dispersion of filler particles in rubber compounds
US6535836B1 (en) * 2000-09-29 2003-03-18 Coulter International Corp. Method for the analysis of abnormal particle populations
US7140239B2 (en) * 2003-03-18 2006-11-28 Battelle Memorial Institute System and technique for ultrasonic characterization of settling suspensions
US7430931B2 (en) * 2003-08-08 2008-10-07 Konstandinos Zamfes Microgranulometry and methods of applications

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3449567A (en) * 1967-01-23 1969-06-10 Freeport Sulphur Co Apparatus and process for determining particle size by x-ray absorption analysis
US3515884A (en) * 1967-05-17 1970-06-02 Toa Electric Co Ltd Detecting and counting apparatus for particles suspended in a liquid
US3944797A (en) * 1974-08-06 1976-03-16 Coulter Electronics, Inc. Method and apparatus for determining the correct percentiles of the size distribution of a particulate system
GB1538225A (en) * 1975-02-28 1979-01-10 Nat Res Dev Methods and apparatus for analysing frequency distributions
US4817446A (en) * 1986-07-25 1989-04-04 Toa Medical Electronics Co. Ltd. Particle size distribution analysis
JP2676088B2 (ja) * 1988-12-15 1997-11-12 東亜医用電子株式会社 粒度分布処理装置

Also Published As

Publication number Publication date
EP0512664A3 (en) 1993-04-28
US5359906A (en) 1994-11-01
EP0512664A2 (en) 1992-11-11

Similar Documents

Publication Publication Date Title
Dunn et al. Optimal Gabor filters for texture segmentation
CA2625839A1 (en) Image texture retrieving method and apparatus thereof
EP1725975A2 (en) Method, apparatus and program for detecting an object
EP0806741A2 (en) Texture classification apparatus employing coarseness and directivity of patterns
JPH04335136A (ja) 粒度分布分画方法
Friel et al. A new thresholding technique based on random sets
JPH02194359A (ja) 白血球細胞ヒストグラムから３種の主要タイプの血液細胞を分離するための方法
JP2557039B2 (ja) Ｙ／ｃ分離フイルタ
KR100851038B1 (ko) 부분 방전 신호용 복합 잡음 제거 방법
EP0627696A2 (en) Image motion vector detection apparatus
JP2754937B2 (ja) 概略画像作成方法および装置
EP1118222B1 (en) Method for dominant color setting of video region and data structure and method of confidence measure extraction
Weldon et al. Multiscale Rician approach to Gabor filter design for texture segmentation
Murguia et al. Fuzzy adaptive edge definition based on the complexity of the image
JP2000513904A (ja) ヒストグラム演算装置
JPH02228569A (ja) デジタル化した波形のトップライン及びベースラインを求める方法
JPH08212342A (ja) 画像におけるテクスチャ領域の抽出方法
JP2761285B2 (ja) しきい値決定装置
JPH07184892A (ja) 超音波画像処理装置及び方法
JP2001236339A (ja) クラス分類装置
Farag et al. On empirical estimation of the parameters of edge enhancement filters
JPS6332345A (ja) 粒度分布解析法
Yuen et al. A coarse-to-fine approach for circle detection
JPH0783978A (ja) アナログ信号の類似性を判別する装置
JPH0475176A (ja) 画像処理装置

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 19980806