JPWO2016052489A1 - 画像解析装置、画像解析方法及びプログラム - Google Patents

画像解析装置、画像解析方法及びプログラム Download PDF

Info

Publication number
JPWO2016052489A1
JPWO2016052489A1 JP2016552053A JP2016552053A JPWO2016052489A1 JP WO2016052489 A1 JPWO2016052489 A1 JP WO2016052489A1 JP 2016552053 A JP2016552053 A JP 2016552053A JP 2016552053 A JP2016552053 A JP 2016552053A JP WO2016052489 A1 JPWO2016052489 A1 JP WO2016052489A1
Authority
JP
Japan
Prior art keywords
yarn
image
fiber bundle
orientation
region
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.)
Granted
Application number
JP2016552053A
Other languages
English (en)
Other versions
JP6152488B2 (ja
Inventor
寛之 菱田
寛之 菱田
宏一 稲垣
宏一 稲垣
中村　武志
武志 中村
悠 長谷川
悠 長谷川
宏正 鈴木
宏正 鈴木
隆士 道川
隆士 道川
豊 大竹
豊 大竹
近藤　俊
俊 近藤
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.)
IHI Corp
University of Tokyo NUC
Original Assignee
IHI Corp
University of Tokyo NUC
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 IHI Corp, University of Tokyo NUC filed Critical IHI Corp
Publication of JPWO2016052489A1 publication Critical patent/JPWO2016052489A1/ja
Application granted granted Critical
Publication of JP6152488B2 publication Critical patent/JP6152488B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06H—MARKING, INSPECTING, SEAMING OR SEVERING TEXTILE MATERIALS
    • D06H3/00—Inspecting textile materials
    • D06H3/08—Inspecting textile materials by photo-electric or television means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8444—Fibrous material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Materials Engineering (AREA)
  • Textile Engineering (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Image Analysis (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

【課題】ＣＭＣの３次元画像から繊維束の配向を容易に解析し得る画像解析装置、画像解析方法及びプログラムを提案する。【解決手段】Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像からＸ糸及びＹ糸の繊維束の配向を解析する画像解析装置において、３次元画像を２値化する２値化部と、２値化された画像からＸ糸及びＹ糸が垂直に立体交差する重なり領域を抽出する重なり領域抽出部と、重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定するリファレンス方向決定部と、リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、２値化された画像からＺ糸を除去するＺ糸除去部と、Ｚ糸が除去された画像に対してリファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、Ｘ糸及びＹ糸の繊維束の配向を推定する繊維束配向推定部とを備えることを特徴とする。

Description

本発明は、画像解析装置、画像解析方法及びプログラムに関し、特に繊維強化複合材料に含まれる繊維束の配向を解析する画像解析装置、画像解析方法及びプログラムに適用して好適なものである。
近年、繊維強化複合材料の一種であるセラミック基複合材料（CMC : Ceramic Matrix Composites）の開発が進められている。ＣＭＣは、セラミックの繊維を母材（マトリクス）で強化した複合材料であり、軽量かつ耐熱性に優れるという特徴を有する。この特徴を利用して、例えばＣＭＣを航空機用エンジン部材に用いることが検討されており、現在実用化が進められている。ＣＭＣを航空機用エンジン部材として用いることで、大幅な燃費向上を期待することができる。
ＣＭＣの一般的な形成プロセスは、次の通りである。まず数百本程度のセラミックの繊維を束ねて繊維束を作製し、この繊維束を編み込んで織物を作製する。繊維束の編み込み手法には、例えば３次元織り又は平織りがある。３次元織りは、ＸＹＺ方向の３方向から繊維束を編み込んで織物を作製する手法であり、平織りは、ＸＹ方向の２方向から繊維束を編み込んで織物を作製する手法である。
織物を作製した後はＣＶＩ（Chemical Vapor Infiltration）及びＰＩＰ（Polymer Impregnation and Pyrolysis）によりマトリクスを形成し、最後に機械加工及び表面コーティング等を行うことにより、ＣＭＣが形成される。ここで、このとき形成されたＣＭＣにおける繊維束の配向がＣＭＣの強度に大きく影響する。
すなわち繊維束が本来直線であるべき箇所で蛇行していたり、本来配置されるべき基準軸から全体的にずれて偏向していたり、或いは途中で断裂していたりする場合、ＣＭＣの強度が低下する。これに対し繊維束が蛇行、偏向又は断裂せずに一定の方向に向きをそろえて適切に配列している場合、強度が高く耐熱性に優れる。よって形成されたＣＭＣの強度が十分であるか否かを確認するためには、繊維束の配向を評価することが重要となる。
特許文献１には、樹脂成形品のスライス画像を２値化して２値画像を取得し、この２値画像をフーリエ変換してパワースペクトル画像を取得し、このパワースペクトル画像により描かれる楕円と直交する楕円の主軸方向を樹脂成形品に含まれる充填剤（繊維）の配向方向とする配向解析方法が開示されている。
また非特許文献１には、繊維束を編み込んだ織物をＸ線ＣＴ装置により撮像してＸ線ＣＴ画像を取得し、このＸ線ＣＴ画像に対して特殊なフィルタ関数を用いて計算することにより、繊維束を構成する繊維の一本一本の配向を解析する技術が開示されている。
特開２０１２‐２５４７号公報
T. Shinohara, J. Takayama, S. Ohyama, and A. Kobayashi, "Extractionof Yarn Positional Information from a Three‐dimensional CT Image of Textile Fabricusing Yarn Tracingwith a Filament Model for Structure Analysis",Textile Research Journal , Vol. 80, No. 7, pp.623-630 (2010)
しかし特許文献１に記載の技術では、スライス画像に含まれる充填剤（繊維）の配向について、一方向しか解析結果として得ることができない。従って例えば３次元織りや平織りのように繊維束が複数の方向に配列している場合、それぞれの繊維束の配向を解析結果として得ることはできない。また繊維束が蛇行、偏向又は断裂せずに一定の方向に向きをそろえて適切に配列しているか否かを解析することはできない。
また非特許文献１に記載の技術では、繊維束を構成する繊維の一本一本が識別できる程度の高解像度のＸ線ＣＴ画像を取得する必要がある。この場合、Ｘ線ＣＴ画像を得るための撮像時間が長くなり、製品検査に利用することができないため実用的ではない。また断面が円形である繊維に対して有効な技術であり、断面が扁平である繊維束の配向を解析する技術としてそのまま利用することはできない。更にはＸ線ＣＴ画像内の各繊維の開始点を入力する必要があり操作が煩雑になるという問題がある。
本発明の開示は以上の点を考慮してなされたもので、ＣＭＣの３次元画像から繊維束の配向を容易に解析し得る画像解析装置、画像解析方法及びプログラムを提案するものである。
かかる課題を解決するために、本発明の開示においては、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像からＸ糸及びＹ糸の繊維束の配向を解析する画像解析装置において、３次元画像を２値化する２値化部と、２値化された画像からＸ糸及びＹ糸が垂直に立体交差する重なり領域を抽出する重なり領域抽出部と、重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定するリファレンス方向決定部と、リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、２値化された画像からＺ糸を除去するＺ糸除去部と、Ｚ糸が除去された画像に対してリファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、Ｘ糸及びＹ糸の繊維束の配向を推定する繊維束配向推定部とを備えることを特徴とする。
またかかる課題を解決するために、本発明の開示においては、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像からＸ糸及びＹ糸の繊維束の配向を解析する画像解析方法において、コンピュータが、３次元画像を２値化する第１のステップと、２値化された画像からＸ糸及びＹ糸が垂直に立体交差する重なり領域を抽出する第２のステップと、重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定する第３のステップと、リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、２値化された画像からＺ糸を除去する第４のステップと、Ｚ糸が除去された画像に対してリファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、Ｘ糸及びＹ糸の繊維束の配向を推定する第５のステップとを備えることを特徴とする。
またかかる課題を解決するために、本発明の開示においては、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像からＸ糸及びＹ糸の繊維束の配向を解析するプログラムにおいて、コンピュータに、３次元画像を２値化する第１のステップと、２値化された画像からＸ糸及びＹ糸が垂直に立体交差する重なり領域を抽出する第２のステップと、重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定する第３のステップと、リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、２値化された画像からＺ糸を除去する第４のステップと、Ｚ糸が除去された画像に対してリファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、Ｘ糸及びＹ糸の繊維束の配向を推定する第５のステップとを実行させることを特徴とする。
またかかる課題を解決するために、本開示の画像解析装置は、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化する２値化部と、前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が立体交差する重なり領域を抽出する重なり領域抽出部と、前記抽出された重なり領域の形態を解析する重なり領域形態解析部とを備えることを特徴とする。
またかかる課題を解決するために、本開示の画像解析方法は、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化するステップと、前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が立体交差する重なり領域を抽出するステップと、前記抽出された重なり領域の形態を解析するステップと、を備えることを特徴とする。
またかかる課題を解決するために、本開示のプログラムは、コンピュータに、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化するステップと、前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が立体交差する重なり領域を抽出するステップと、前記抽出された重なり領域の形態を解析するステップとを実行させるためのプログラムである。
本発明の開示によれば、ＣＭＣの３次元画像から繊維束の配向を容易に解析することができる。
画像解析装置の全体構成図である。 ３次元織りの織物の概念図である。 画像解析処理の全体フローチャートである。 ２値化処理の詳細フローチャートである。 ２値化処理により作成される処理画像である。 重なり領域抽出処理の詳細フローチャートである。 重なり領域抽出処理により作成される処理画像である。 リファレンス方向決定処理の詳細フローチャートである。 通常の方向距離法を適用して方向距離を推定する処理の概要図である。 リファレンス方向決定処理により作成される処理画像である。 Ｚ糸除去処理の詳細フローチャートである。 通常の方向距離法を適用した場合の概念図である。 リファレンス付き方向距離法の概念図である。 リファレンス付き方向距離法を適用した場合の概念図である。 条件付き方向距離を推定する処理の概要図である。 Ｘ糸又はＹ糸の領域とＺ糸の領域とを示す概念図である。 繊維束配向推定処理の詳細フローチャートである。 入力画像が模擬画像である場合の解析結果である。 入力画像が高解像度のＸ線ＣＴ画像である場合の解析結果である。 入力画像が低解像度のＸ線ＣＴ画像である場合の解析結果である。 入力画像が欠陥模擬画像である場合の解析結果である。 入力画像が曲面模擬画像である場合の解析結果である。 画像解析装置の全体構成図である。 画像解析処理の全体フローチャートである。 ピラーの体積の算出の例について示す図である。 ピラーが伸長する方向の算出の例について示す図である。 ピラー折れ曲がっている場合の画像処理について示す図である。 ピラーの一部が不規則に並んでいる例について示す図である。 Ｘ糸及びＹ糸の繊維束の理想的な配置についてＸＹ平面で示す図である。 図２９の繊維束の配置におけるＸＺ平面（又はＹＺ平面）における重なり領域抽出画像を模式的に表す図である。 図２９の繊維束の配置におけるＸＹ平面における重なり領域抽出画像を模式的に表す図である。 ＸＹ平面において、繊維束の一部が延伸すべき方向とは別のＸＹ平面内の方向に伸びている状態について示す図である。 図３２の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。 図３２の繊維束の状態における、ＸＹ平面の重なり領域抽出画像を模式的に示す図である。 ＸＹ平面において、繊維束の一部が延伸すべき方向とは別のＺ方向に伸びている状態について示す図である。 図３５の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。 ＸＹ平面において、繊維束の一部が延伸すべき方向とは別の、ＸＹ平面内の方向成分及びＺ方向成分を共に有する方向に伸びている状態について示す図である。 図３７の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。 ＸＹ平面において、それぞれ繊維束が全体として傾いた方向に伸びている状態について示す図である。 ＸＹ平面において、それぞれ繊維束が全体として傾いた方向に伸びている状態について示す図である。 図３９又は４０に示される繊維束の状態における、ＸＹ平面の重なり領域抽出画像を模式的に示す図である。 ＸＹ平面において、繊維束の一部（例えばＸ糸）がない状態について示す図である。 ＸＹ平面において、繊維束の一部の太さが他の繊維束より太く又は細くなっている場合について示す図である。 図４２又は図４３の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。 ＸＹ平面において、繊維束の一部（例えばＸ糸）が折り返されている状態について示す図である。 図４５の繊維束の状態における、ＸＹ平面の重なり領域抽出画像を模式的に示す図である。 画像解析装置の全体構成図である。 画像解析処理の全体フローチャートである。
以下図面について、本発明の一実施の形態を詳述する。
（１）画像解析装置１の全体構成
図１は、本実施の形態における画像解析装置１の全体構成を示す。画像解析装置１は、ＣＰＵ（Central Processing Unit）１１、入力部１２、記憶部１３、表示部１４及びメモリ１５を備えて構成されるコンピュータである。
ＣＰＵ１１は、メモリ１５に格納されている各種プログラムと協働して、画像解析装置１の動作を統括的に制御するプロセッサである。入力部１２は、ユーザからの入力を受け付けるインタフェースであり、例えばキーボードやマウスである。本実施の形態における入力部１２は、ＣＭＣ（Ceramic Matrix Composites）を構成する織物のＸ線ＣＴ画像Ｇ１０を入力するインタフェースでもある。
ここでＣＭＣとは、数百本程度のセラミックの繊維を束ねて繊維束を作製し、この繊維束を編み込んで織物を作製した後、繊維表面をカーボン等で被覆し、マトリクスを形成するためのＣＶＩ（Chemical Vapor Infiltration）プロセス及びＰＩＰ（Polymer Impregnation and Pyrolysis）プロセス等を経て形成される繊維強化複合材料である。
織物を作製する際の編み込み手法には、３次元織り又は平織りと呼ばれるものがある。３次元織りは、ＸＹＺ方向の３方向から繊維束を編み込んで織物を作製する手法であり、平織りは、ＸＹ方向の２方向から繊維束を編み込んで織物を作製する手法である。
図２は、３次元織りの織物の概念図を示す。本実施の形態においては、特に複雑な３次元織りにより作製された織物又はこの織物から形成されるＣＭＣをＸ線ＣＴ装置で撮像し、得られたＸ線ＣＴ画像Ｇ１０から繊維束の配向を自動解析しようとするものである。
図２に示すように３次元織りの織物は、等間隔に配列したＸ糸の繊維束からなる繊維層と、等間隔に配列したＹ糸の繊維束からなる繊維層とを交互に積層し、積層した多数の繊維層がＣＭＣの形成過程で剥離しないようにＺ糸の繊維束により固定して形成される。
この織物により形成されるＣＭＣは、通常Ｘ糸方向又はＹ糸方向に伸縮することを想定して設計される。よってＸ糸及びＹ糸に略垂直に編み込まれるＺ糸は、ＣＭＣの強度に直接的に影響しない。一方でＺ糸の存在は、Ｘ糸及びＹ糸の配向を解析する際、精度不良を及ぼす場合がある。
そこで本実施の形態においては、３次元織りの織物のＸ線ＣＴ画像Ｇ１０からＺ糸を除去し、Ｘ糸及びＹ糸の繊維束の配向を精度良く解析しようとするものである。
なお一般に配向とは、一定の方向に向きをそろえて配列すること又は配列した状態を意味する用語であり、本実施の形態においても同様の意味で用いる。蛇行、偏向又は断裂して配列した状態であっても、一定の方向に向きをそろえて配列した状態であれば配向と呼ぶものとする。
図１に戻り、記憶部１３は、入力部１２から入力されたＸ線ＣＴ画像Ｇ１０及びこのＸ線ＣＴ画像Ｇ１０に各種画像処理を施した処理画像を記憶する記憶媒体である。表示部１４は、Ｘ線ＣＴ画像Ｇ１０画像及び処理画像を表示するＬＣＤ（Liquid Crystal Display）等の表示装置である。例えば表示部１４は、Ｘ線ＣＴ画像Ｇ１０から繊維束の配向を自動解析し、繊維束配向推定画像Ｇ１００を表示画面上に表示する。
メモリ１５は、ＣＰＵ１１と協働して画像解析処理を実行するための各種プログラムを格納する記憶媒体である。各種プログラムには、２値化部１５１、重なり領域抽出部１５２、リファレンス方向決定部１５３、Ｚ糸除去部１５４及び繊維束配向推定部１５５がある。これら各種プログラムにより実行される画像解析処理（図３）については後述する。
（２）画像解析処理のフローチャート
図３は、本実施の形態における画像解析処理Ｐ１の全体フローチャートを示す。この画像解析処理は、ユーザからの実行指示を入力部１２が受け付けたことを契機として、ＣＰＵ１１とメモリ１５に格納されている各種プログラムとの協働により実行される。以下説明の便宜上、処理主体を各種プログラムとして説明する。
まず２値化部１５１は、入力部１２を介してＸ線ＣＴ画像Ｇ１０を入力すると（ＳＰ１）、入力したＸ線ＣＴ画像Ｇ１０を所定の閾値に基づいて２値化し、前景にＸ糸、Ｙ糸及びＺ糸の各繊維束が示される２値画像を作成する（ＳＰ２）。
次いで重なり領域抽出部１５２は、Ｘ糸とＹ糸とが垂直に立体交差する重なり領域を抽出し（ＳＰ３）、リファレンス方向決定部１５３は、抽出された重なり領域の重なり方向をリファレンス方向として決定する（ＳＰ４）。
ここで重なり領域を抽出する理由は、抽出した重なり領域に対して通常の方向距離法を適用し、重なり方向を推定するためである。通常の方向距離法については後述する。
また重なり方向をリファレンス方向として決定する理由は、このリファレンス方向に垂直な平面上で２次元の通常の方向距離法を適用し、繊維束の配向を推定するためである。
リファレンス方向に垂直な平面をリファレンス平面と呼び、リファレンス平面上で２次元の通常の方向距離法を適用する手法をリファレンス付き方向距離法と呼ぶ。
リファレンス平面上にはＸ糸又はＹ糸が存在するため、リファレンス付き方向距離法を適用することにより、Ｘ糸及びＹ糸の繊維束の配向を精度良く推定することができる。リファレンス付き方向距離法については後述する。
次いでＺ糸除去部１５４は、２値画像に対してリファレンス付き方向距離法を適用し、Ｘ糸、Ｙ糸及びＺ糸の繊維束の配向を推定する。そしてＺ糸除去部１５４は、推定した配向に基づいて２値画像に含まれるＺ糸を除去する（ＳＰ５）。
次いで繊維束配向推定部１５５は、Ｚ糸を除去した２値画像に対して再びリファレンス付き方向距離法を適用し、Ｘ糸及びＹ糸の繊維束の配向を推定する（ＳＰ６）。
そして繊維束配向推定部１５５は、繊維束配向推定画像Ｇ１００を作成し、表示部１４により表示して（ＳＰ７）、この画像解析処理を終了する。
（３）各処理の詳細
以下図４〜図１７を参照して、また計算式（式１〜式３）を用いて、図３で説明した各処理（ＳＰ２〜ＳＰ６）の詳細について説明する。なおＸ線ＣＴ画像Ｇ１０の入力処理（ＳＰ１）及び繊維束配向推定画像Ｇ１００の表示処理（ＳＰ７）については、一般的な手法によるものであるため説明を省略する。
（３−１）２値化処理
図４は、２値化処理の詳細なフローチャートを示す。２値化部１５１は、まず入力部１２を介して入力したＸ線ＣＴ画像Ｇ１０を所定の閾値に基づいて２値化し、２値画像を作成する（ＳＰ２１）。作成された２値画像は、繊維束内の繊維の密度にムラがあることを原因とした黒抜けが生じる場合がある。すなわち本来背景であるはずのボクセルが前景ボクセルとされた個所が存在する。
この本来背景であるはずの前景ボクセルを背景ボクセルに戻すため、２値化部１５１はモルフォロジー処理のうちのクロージング処理を実行する（ＳＰ２２）。クロージング処理を実行することにより、２値画像に生じた黒抜けを除去することができる。２値化部１５１は、黒抜けを除去してクリーニングした２値画像を作成して、本処理を終了する。
図５は、２値化処理により作成される処理画像を示す。具体的にはクロージング処理前の２値画像Ｇ２１と、クロージング処理後の２値画像Ｇ２２とを示す。
図５に示すように２値画像Ｇ２１には本来背景であるはずのボクセルが前景ボクセルとされた個所がある。クロージング処理を実行することで、黒抜けを除去したクロージング処理後の２値画像Ｇ２２を得ることができる。
（３−２）重なり領域抽出処理
図６は、重なり領域抽出処理の詳細なフローチャートを示す。重なり領域抽出部１５２は、Ｘ糸とＹ糸とが立体交差する重なり領域を抽出するため、モルフォロジー処理のうちのオープニング処理を実行する（ＳＰ３１）。
オープニング処理を実行することにより、大まかな重なり領域を抽出することができる。オープニング処理後の２値画像の形状は変化しており、本来重なり領域であるはずの前景ボクセルが重なり領域ではない背景ボクセルとされた個所が存在する。
この本来重なり領域である背景ボクセルを前景ボクセルに戻すため、重なり領域抽出部１５２は、モルフォロジー処理のうちの膨張処理を実行する（ＳＰ３２）。
次いで重なり領域抽出部１５２は、膨張処理後の２値画像とオープニング処理前の２値画像との積集合を計算して、正確な重なり領域を抽出する（ＳＰ３３）。重なり領域抽出部１５２は、重なり領域を抽出した重なり領域抽出画像を作成して、本処理を終了する。
図７は、重なり領域抽出処理により作成される処理画像を示す。具体的にはオープニング処理前の２値画像Ｇ３、オープニング処理後の２値画像Ｇ３１、膨張処理後の２値画像Ｇ３２及び重なり領域抽出画像Ｇ３３を示す。
図７に示すようにオープニング処理前の２値画像Ｇ３と、膨張処理後の２値画像Ｇ３２との積集合を計算することで、正確な重なり領域が抽出された重なり領域抽出画像Ｇ３３を得ることができる。
（３−３）リファレンス方向決定処理
図８は、リファレンス方向決定処理の詳細なフローチャートを示す。リファレンス方向決定部１５３は、重なり領域抽出画像Ｇ３３（図７）に対して通常の方向距離法を適用し、重なり領域における各ボクセルについて重なり方向を推定する（ＳＰ４１）。
図９は、通常の方向距離法を適用して注目ボクセルの方向距離を推定する処理の概要を示す。２値化された入力画像Ｇ４１１が入力された場合、注目ボクセルについて、背景までの方向距離を計算する。注目ボクセルに近接するボクセルへの方向は、２次元の場合には８方向、３次元の場合には２６方向となる。
ここでは２次元の場合について説明する。向きが逆方向のベクトルを除いたものをｖｓｉとすると、４方向に画像上を進行して背景に到達した時点で進行を停止する。−ｖｓｉについても同様に４方向に画像上を進行して背景に到達した時点で進行を停止する。
このときｖｓｉ方向に進んだ距離をｄ（ｖｓｉ）、−ｖｓｉ方向に進んだ距離をｄ（−ｖｓｉ）とすると、±ｖｓｉ方向の方向距離ｄ（±ｖｓｉ）は、下記式１により示される。
また方向ベクトルＰｉ及び方向テンソルＭをそれぞれ下記式２及び３により定義する。方向テンソルＭを固有値分解した場合に最大の固有値に対する固有ベクトルが繊維束の配向を示す。また２番目に大きい固有値に対する固有ベクトルが繊維束の幅方向を示す。３次元の場合には最小の固有値に対する固有ベクトルが厚さ方向を示す。
図８に戻り、ステップＳＰ４１で推定した重なり方向は、方向距離法の性質上、重なり領域と背景との境界部分のボクセルについては正しく計算されない。この正しく計算されない境界部分のボクセルを取り除くため、リファレンス方向決定部１５３は、モルフォロジー処理のうちの収縮処理を実行し、重なり領域から中心領域を抽出する（ＳＰ４２）。
次いでリファレンス方向決定部１５３は、重なり領域のそれぞれが独立した連結成分を構成していることから、抽出した各中心領域に対して６近傍のラベリング処理を実行して領域分割し、重なり領域を分離する（ＳＰ４３）。
次いでリファレンス方向決定部１５３は、ステップＳＰ４１で推定した重なり方向のうち、中心領域の各ボクセルにおける重なり方向を平均化し、平均化して得られた方向をリファレンス方向として決定して（ＳＰ４４）、本処理を終了する。
図１０は、リファレンス方向決定処理により作成される処理画像を示す。具体的には重なり方向推定画像Ｇ４１、中心領域抽出画像Ｇ４２、ラベリング画像Ｇ４３及びリファレンス方向画像Ｇ４４を示す。
図１０に示すように重なり領域抽出画像Ｇ３３（図７）に対し、通常の方向距離法を適用することで重なり方向推定画像Ｇ４１を得ることができる。また重なり方向推定画像Ｇ４１に対し、収縮処理を実行することで中心領域抽出画像Ｇ４２を得ることができる。
また中心領域抽出画像Ｇ４２に対し、ラベリング処理を実行することでラベリング画像Ｇ４３を得ることができる。また中心領域における重なり方向を平均化することでリファレンス方向画像Ｇ４４を得ることができる。
（３−４）Ｚ糸除去処理
図１１は、Ｚ糸除去処理の詳細なフローチャートを示す。Ｚ糸除去部１５４は、ステップＳＰ２で得られた２値画像Ｇ２２（図５）に対してリファレンス付き方向距離法を適用し、方向距離を計算する（ＳＰ５１）。
リファレンス付き方向距離法とは、方向距離を計算する平面をリファレンス方向に垂直な平面（リファレンス平面）に回転させて、このリファレンス平面上で２次元の通常の方向距離法により方向距離を計算する手法である。
図１２は、通常の方向距離法を適用して方向距離を計算する場合の概念図を示す。Ｘ糸とＹ糸とが立体交差する重なり領域において通常の方向距離法を適用して方向距離を計算すると、正確な方向距離を計算することができないという問題がある。
具体的には繊維束の配向に近い方向は、Ｘ糸及びＹ糸の繊維束の厚みが薄いためにすぐに背景に到達して距離が短くなる一方で、リファレンス方向に近い方向は、重なり領域の断面が太いためなかなか背景に到達せずに距離が長くなる。
従って繊維束の配向に近い方向の距離よりも、リファレンス方向に近い方向の距離の方が長くなる。この結果、リファレンス方向に近い方向の方向距離が重なり領域における方向距離として計算されるという問題がある。そこで本実施の形態においてはリファレンス付き方向距離法を適用して方向距離を計算するようにしている。
図１３は、リファレンス付き方向距離法の概念図を示す。リファレンス付き方向距離法とは、方向距離の計算対象となる平面を回転させて、回転させた後の平面上で２次元の方向距離法を適用して方向距離を計算する手法である。
具体的には方向±ｖｓ０をリファレンス方向に一致させるように回転させ、±ｖｓ０を回転させた分だけ、±ｖｓ０に垂直な他の方向±ｖｓ１及び±ｖｓ２も回転させる。回転させた後の方向をそれぞれ±ｖｓ０´、±ｖｓ１´及び±ｖｓ２´とすると、Ｘ糸又はＹ糸は、±ｖｓ１´及び±ｖｓ２´により定義される平面（リファレンス平面）上に存在する。
このリファレンス平面上で２次元の方向距離法を適用して方向距離を計算することにより、重なり領域の影響を受けずに繊維束の配向を推定することができる。
図１４は、リファレンス付き方向距離法を適用してリファレンス平面上のＸ糸又はＹ糸の方向距離を計算する場合の概念図を示す。重なり領域内に位置する注目ボクセルについて方向距離を計算する場合、リファレンス付き方向距離法を適用して方向距離を計算する。
具体的には上記の通り、方向±ｖｓ０をリファレンス方向に一致させるように回転させ、±ｖｓ０と垂直な他の方向±ｖｓ１、±ｖｓ２、±ｖｓ３及び±ｖｓ４も同程度回転させる。
回転させた後の方向をそれぞれ±ｖｓ０´±ｖｓ１´、±ｖｓ２´、±ｖｓ３´及び±ｖｓ４´とすると、±ｖｓ１´、±ｖｓ２´、±ｖｓ３´及び±ｖｓ４´により定義されるリファレンス平面上で２次元の方向距離法を適用して方向距離を計算する。
リファレンス付き方向距離法を適用して方向距離を計算する場合についても、上記式１〜３に示す関係が成立する。すなわち方向テンソルＭを固有値分解した場合に最大の固有値に対する固有ベクトルが繊維束の配向を示す。また２番目に大きい固有値に対する固有ベクトルが繊維束の幅方向を示す。３次元の場合には最小の固有値に対する固有ベクトルが厚さ方向を示す。
図１１に戻り、Ｚ糸除去部１５４は、リファレンス付き方向距離法の計算の際に得られる２番目に大きい固有値に対する固有ベクトルを用いて、条件付き方向距離を計算する（ＳＰ５２）。そしてＺ糸除去部１５４は、条件付き方向距離に基づいて、Ｘ糸又はＹ糸の領域と、Ｚ糸の領域とを分離する（ＳＰ５３）。
条件付き方向距離とは、注目ボクセルから画像上を進行して背景に到達した時点又は次に進行する位置にあるボクセルの固有ベクトルが示す方向と、進行方向とのなす角が所定の閾値よりも大きい時点で、進行を停止するとの条件下で計算される方向距離である。
図１５は、条件付き方向距離を推定する処理の概要を示す。位置ｘにある注目ボクセルを起点として、注目ボクセルの固有ベクトルｖ２（ｘ）が示す方向に画像上を進行し、背景に到達した時点で進行を停止する。最後に到達したボクセルから注目ボクセルまでの距離をｘｅ１とする。
一方で逆方向のベクトル−ｖ２（ｘ）の方向についても画像上を進行し、次に進行する位置ｘ´にあるボクセルの固有ベクトルｖ２（ｘ´）が示す方向と、−ｖ２（ｘ）が示す方向とのなす角が所定の閾値よりも大きい時点で進行を停止する。最後に到達したボクセルから注目ボクセルまでの距離をｘｅ２とする。そして距離ｘｅ１及びｘｅ２の絶対値の合計を条件付き方向距離ｄｃ（ｘ）とする。
図１６は、条件付き方向距離に基づいてＸ糸又はＹ糸の領域とＺ糸の領域とを分離した概念図を示す。Ｘ糸又はＹ糸の幅Ｗｘｙは、Ｚ糸の断面の対角線距離Ｗｚよりも大きいことから、Ｘ糸又はＹ糸の領域におけるボクセルｐの条件付き方向距離ｄｃ（ｐ）は、Ｚ糸の領域におけるボクセルｑの条件付き方向距離ｄｃ（ｑ）よりも大きい。
例えばＺ糸の断面の対角線距離Ｗｚよりも大きく、かつ、Ｘ糸又はＹ糸の幅Ｗｘｙよりも小さい値を閾値として、この閾値よりも大きい条件付き方向距離のボクセルをＸ糸又はＹ糸の領域に含め、閾値よりも小さい条件付き方向距離のボクセルをＺ糸の領域に含めることができる。
図１１に戻り、Ｚ糸除去部１５４は、Ｚ糸の領域に含まれるボクセルを削除することにより、２値画像Ｇ２２（図５）からＺ糸を除去する（ＳＰ５４）。Ｚ糸を除去するとＸ糸又はＹ糸の領域の一部も除去される場合がある。
そこでＺ糸除去部１５４は、Ｚ糸除去後の画像に対してモルフォロジー処理のうちの膨張処理を実行し（ＳＰ５５）、膨張処理後の画像と膨張処理前の画像との積集合を計算してＸ糸及びＹ糸を抽出し（ＳＰ５６）、本処理を終了する。
（３−５）繊維束配向推定処理
図１７は、繊維束配向推定処理の詳細なフローチャートを示す。繊維束配向推定部１５５は、Ｘ糸及びＹ糸を抽出した画像に対して再度リファレンス付き方向距離法を適用し、Ｘ糸及びＹ糸の繊維方向を推定する（ＳＰ６１）。
次いで繊維束配向推定部１５５は、繊維方向を推定したボクセルのうち、比較的精度が良いとされる中心部近傍のボクセルだけを残して他のボクセルを削除し、中心部近傍のボクセルを抽出する（ＳＰ６２）。
次いで繊維束配向推定部１５５は、中心部近傍のボクセルについて、同程度の方向のボクセルを繋いでいき、繋がったボクセル群を同一クラスタに所属させ、繊維束の途中でベクトルが急激に変化しているボクセルは異なるクラスタに所属させるクラスタリング処理を実行する。
繊維束の配向は数ボクセル単位の短い距離で急激に変化することはない。よって繊維束の途中でベクトルが急激に変化しているボクセルはノイズであると判断することができる。そこで繊維束配向推定部１５５は、所属するボクセルが少ないクラスタを削除してノイズを除去して（ＳＰ６３）、本処理を終了する。
（４）解析結果
以下図１８〜図２１を参照して、各種入力画像に対して上記説明してきた本実施の形態における画像解析処理を実行した場合に得られる処理画像について説明する。
図１８は、入力画像が模擬画像Ｇ１１である場合に画像解析処理を実行して得られる処理画像を示す。模擬画像Ｇ１１は、Ｘ糸及びＹ糸の繊維束の長さ、幅、厚さ、Ｘ糸の繊維層及びＹ糸の繊維層の積層数、繊維束同士の間隔並びにＺ糸の断面形状等を設定して作成される３次元画像である。すなわち各種情報が既知の画像である。
この模擬画像Ｇ１１に対して本実施の形態における画像解析処理を実行した場合、３次元画像Ｇ１１０、Ｘ糸断面画像Ｇ１１１及びＹ糸断面画像Ｇ１１２を得ることができる。３次元画像Ｇ１１０は、Ｘ糸及びＹ糸の繊維束の配向を示す３次元画像である。
またＸ糸断面画像Ｇ１１１は、Ｘ糸の繊維束の配向を示す２次元画像であり、Ｙ糸断面画像Ｇ１１２は、Ｙ糸の繊維束の配向を示す２次元画像である。
これらの処理画像Ｇ１１０〜Ｇ１１２を得る際に計算された繊維束の方向と、模擬画像Ｇ１１の作成の際に設定された繊維束の方向とのなす角を誤差として計算した結果、誤差の最大値は８９．９度、平均値は４．９度であった。
なお一般に方向距離法自体の平均誤差は、４．３度であることが知られている。また全ボクセルのうち、９４．７％のボクセルの誤差が６度以内であった。以上の結果から本実施の形態における画像解析処理の有効性を確認することができる。
図１９は、入力画像がＸ線ＣＴ画像Ｇ１０である場合に画像解析処理を実行して得られる処理画像を示す。Ｘ線ＣＴ画像Ｇ１０は、実際の織物をＸ線ＣＴ装置で撮影して得られる３次元画像である。またＸ線ＣＴ画像Ｇ１０は、図２０に示すＸ線ＣＴ画像Ｇ１２と比較して高解像度である。
このＸ線ＣＴ画像Ｇ１０に対して本実施の形態における画像解析処理を実行した場合、３次元画像Ｇ１００（繊維束配向推定画像Ｇ１００）、Ｘ糸断面画像Ｇ１０１及びＹ糸断面画像Ｇ１０２を得ることができる。３次元画像Ｇ１００は、Ｘ糸及びＹ糸の繊維束の配向を示す３次元画像である。
またＸ糸断面画像Ｇ１０１は、Ｘ糸の繊維束の配向を示す２次元画像であり、Ｙ糸断面画像Ｇ１０２は、Ｙ糸の繊維束の配向を示す２次元画像である。これらの処理画像Ｇ１００〜Ｇ１０２を参照することにより、Ｘ糸及びＹ糸の繊維束の配向を容易に確認することができる。
また計算時間は２４３．８秒程度であった。従来同程度のボクセル数の画像を解析しようとすると、２０倍程度の時間が必要であったことから、本実施の形態における画像解析処理を実行することで、計算時間の短縮化を図ることができる。
図２０は、入力画像がＸ線ＣＴ画像Ｇ１２である場合に画像解析処理を実行して得られる処理画像を示す。Ｘ線ＣＴ画像Ｇ１２は、図１９に示すＸ線ＣＴ画像Ｇ１０と比較して低解像度である点で異なる。
このＸ線ＣＴ画像Ｇ１２に対して本実施の形態における画像解析処理を実行した場合、３次元画像Ｇ１２０、Ｘ糸断面画像Ｇ１２１及びＹ糸断面画像Ｇ１２２を得ることができる。これらの処理画像Ｇ１２０〜Ｇ１２２を参照すると、一部の繊維束が欠落しているものの、おおよその繊維束の配向を容易に確認することができる。
図２１は、入力画像が欠陥模擬画像Ｇ１３である場合に画像解析処理を実行して得られる処理画像を示す。欠陥模擬画像Ｇ１３は、図１８に示す模擬画像Ｇ１１と比較してＸ糸の繊維束が途中で１０度折れ曲がっている欠陥を有する点で異なる。
この欠陥模擬画像Ｇ１３に対して本実施の形態における画像解析処理を実行した場合、３次元画像Ｇ１３０及びＸ糸断面画像Ｇ１３１を得ることができる。これらの処理画像Ｇ１３０及びＧ１３１を参照すると、多少の誤差はあるものの、折れ曲がり地点からＸ糸の繊維束が折れ曲がっていることを容易に確認することができる。
図２２は、入力画像が曲面模擬画像Ｇ１４である場合に画像解析処理を実行して得られる処理画像を示す。曲面模擬画像Ｇ１４は、図１８に示す模擬画像Ｇ１１と比較して円弧上に変形した曲面部分を有する点で異なる。
この曲面模擬画像Ｇ１４に対して本実施の形態における画像解析処理を実行した場合、３次元画像Ｇ１４０及びＸ糸断面画像Ｇ１４１を得ることができる。これらの処理画像Ｇ１４０及びＧ１４１を参照すると、繊維束が円弧上に配向していることを容易に確認することができる。
（５）本実施の形態による効果
以上のように本実施の形態における画像解析装置、画像解析方法及びプログラムによれば、３次元織りにより作製された織物のＸ線ＣＴ画像に対してリファレンス付き方向距離法を適用してＺ糸を除去し、Ｚ糸を除去した画像に対して再度リファレンス付き方向距離法を適用してＸ糸及びＹ糸の繊維束の配向を推定するようにしたので、Ｚ糸の影響を除去して繊維束の配向を精度良く短時間で推定することができる。また曲面形状を有する織物のＸ線ＣＴ画像についても繊維束の配向を推定することができる。よって実際の製品検査に利用することができる。
次に、本発明の一実施の形態である画像解析装置２について図２３〜図４６を参照して説明する。
（１）画像解析装置２の全体構成
この実施形態における画像解析装置２は、図２３に示されるように、図１の画像解析装置１と同様のＣＰＵ１１、入力部１２、記憶部１３、表示部１４及びメモリ１５を備え、メモリ１５は２値化部１５１及び重なり領域抽出部１５２を有している。これらの構成は、図１において同一の名称及び符号を有する構成と同様であり、同様の処理をおこなうものであるため、重複する説明を省略する。ここで、本実施形態の画像解析装置２では、メモリ１５内に更に、重なり領域形態解析部２５３を有している。重なり領域形態解析部２５３は、重なり領域抽出部１５２の処理により得られた重なり領域抽出画像Ｇ３３における「重なり領域」の形態を解析する。ここで、重なり領域の形態には、一つの重なり領域の形態だけでなく、複数の点在する重なり領域を組み合わせた形態も含むものとする。また、図面において、画像解析装置２は、表示部１４を有しているが、表示は行わずに解析を行うこととした表示部１４を有さない構成であってもよい。
（２）画像解析処理Ｐ２のフローチャート
図２４には、画像解析装置２で行われる画像解析処理Ｐ２のフローチャートが示されている。このフローチャートに示されるように、画像解析処理Ｐ２では、まず、Ｘ線ＣＴ画像の入力（ＳＰ１）、２値化処理（ＳＰ２）、及び重なり領域抽出処理（ＳＰ３）が行われる。これらの処理は、上述の図３に示されたＳＰ１〜ＳＰ３の処理と同様であるため、説明を省略する。次に、重なり領域形態解析処理（ＳＰ１４）において、重なり領域形態解析部２５３により、重なり領域抽出処理により得られた重なり領域抽出画像Ｇ３３（図７参照）を用いて重なり領域２１の形態解析の処理を行う。ここで、本実施形態においては、以降、重なり領域抽出画像Ｇ３３における個々の重なり領域２１を「ピラー２１」と呼ぶこととする。
（３）重なり領域形態解析処理の例
重なり領域形態解析部２５３は、例えば、３次元画像のピラー２１に含まれるボクセル数を数える等により各ピラー２１の体積を算出することとしてもよい。図２５においては、２次元画像において黒点でしめされるピラー２１内のピクセルを例示的に示しているが、３次元画像においても同様にボクセル数を数えることができる。この場合には、例えば、複数のピラー２１の体積の平均を参照値として、特定のピラー２１の体積と比較することにより、特定のピラー２１の体積が適当であるかどうかを判定することとしてもよい。ここで体積の参照値には、複数のピラー２１の平均だけでなく、設計上の基準値その他の値を用いることができる。また、ピラー２１の体積を算出することとしたが、２次元画像を用いて解析する場合には面積を算出することとしてもよい。このような体積を算出する処理により、周囲のピラー２１の体積と比較して異なる体積である等、繊維束の配向異常の検出に有用な情報を提供することができる。また提供された情報に基づいて、例えば、立体交差すべきＸ糸又はＹ糸の数の不足の検出等の繊維束の配向異常を検出することができる。
また、重なり領域形態解析部２５３は、ピラー２１が伸長する方向を算出することとしてもよい。ピラー２１が伸長する方向は、例えば図２６に示されるように、モルフォロジー画像処理の収縮処理を用いて伸長方向を顕在化し（Ｓ２１の斜線部）、ベクトル化してもよいし（Ｓ２２）、その他の画像処理を用いて伸長する方向を求めることができる。また、例えば、重なり領域形態解析部２５３は、複数のピラー２１の伸長する方向の平均を参照値として、特定のピラー２１の伸長する方向と比較することにより、ピラー２１の伸長する方向が適当であるかどうかを判定することができる。ここで伸長する方向の参照値には、複数のピラー２１の伸長する方向の平均だけでなく、設計上の基準値等その他の値を用いることができる。また、ピラー２１の伸長する方向とは別に、ピラー２１の中立軸の形状を求めることとしてもよい。中立軸は、例えば、図２７の斜線部に示されるように、モルフォロジー画像処理の収縮処理を用いて抽出することができる。この場合には、ピラー２１がある一定方向に伸長することなく、折れ曲がっている場合等についても検出することができ、更に参照形状と比較することにより、適当な形状かどうか判定することができる。このようなピラー２１の伸長する方向や中立軸を算出する処理により、例えば、積層にずれが生じている部分等その他の繊維束の配向の異常の検出に有用な情報を提供することができる。また提供された情報に基づいて繊維束の配向異常を検出することができる。
また、重なり領域形態解析部２５３は、複数のピラー２１の重心位置を算出することとしてもよい。隣り合うピラー２１の重心位置を結ぶ線は、理想的には、Ｘ糸及びＹ糸の伸びる方向となるため、ＸＹ平面において、これらが滑らかな線上に並ばない等を検出し、不規則な重心位置を求めることにより、重心位置が適当であるかどうか判定することができる。図２８は、斜線で示されるピラー２１の重心Ｇが、周囲のピラー２１の重心Ｇと比較して滑らかに並んでいない様子を示している。また、ある領域を定め、それに含まれる重心Ｇの数を数えること等により、領域内に重心Ｇが適当な数だけ存在するかどうかを求めることにより、不規則な配置のピラー２１が存在するかどうかを判定することとしてもよい。このような重心位置を算出する処理により、繊維束の配向の異常の検出に有用な情報を提供することができる。また提供された情報に基づいて繊維束の配向異常を検出することができる。
上述の重なり領域形態解析処理の例では、繊維束の配向異常の検出の処理を含む場合についても記載したが、重なり領域形態解析部２５３の処理には、このような検出を含まずに、ピラー２１の体積を算出、ピラー２１の伸長する方向を算出、又はピラー２１の重心位置を算出等の重なり領域形態解析の処理のみを行うこととし、例えば、表示部１４に出力する、又は他の装置に算出されたデータを送信する等により、処理された情報を提供することのみであってもよい。このような処理により、繊維束の配向異常の検出に有用な情報を提供することができる。
（４）繊維束の配向異常の具体例
以下、図２９〜４６を用いてピラー２１の形態解析により検出される繊維束の配向異常の具体例について説明する。繊維束の配向異常の検出の具体例においては、重なり領域形態解析部２５３により行われる重なり領域形態解析処理において、繊維束の配向異常の検出を含む場合についても記載するが、重なり領域形態解析部２５３の処理には、このような判定を含まずに、ピラー２１の形態解析により得られた繊維束の配向についての情報を提供することのみでもよい。なお、図３０，３３，３６，３８，４０，４１，４３，４４及び４６は、ＦＡＡ（Federal Aviation Administration）発行のレポート”DOT/FAA/AR-06/10” を参考に記載している。
図２９は、Ｘ糸及びＹ糸の繊維束の理想的な配置の例について、ＸＹ平面で示す図であり、図３０及び３１は、それぞれ、図２９のような理想的な繊維束の配置における、ＸＺ平面（又はＹＺ平面）及びＸＹ平面における重なり領域抽出画像を模式的に表す図である。図３０に示されるように、Ｘ糸及びＹ糸の繊維束の理想的な配置においては、ピラー２１はＸ糸及びＹ糸の繊維束の積層方向（Ｚ方向）に途切れなく伸び、図３１に示されるように、ピラー２１（又はピラー２１の重心Ｇ）は規則性を有して並んでいる。
図３２（−Ｙ方向）は、ＸＹ平面において、繊維束の一部が延伸すべき方向とは別のＸＹ平面内の方向に伸びている状態について示す図である。図３３及び３４は、それぞれ図３２の繊維束の状態における、ＹＺ平面及びＸＹ平面の重なり領域抽出画像を模式的に示す図である。これらの図に示されるように、図３３の重なり領域抽出画像においては、−Ｙ方向に伸びる繊維束（斜線部）の影響により、それを有するピラー２１１の重心位置Ｇが−Ｙ方向に移動している。図３４の重なり領域抽出画像においては、ピラー２１１の重心位置Ｇが、近傍のピラー２１の重心位置Ｇの規則性から外れている。したがって、重なり領域形態解析部２５３は、例えば、重なり領域抽出画像におけるそれぞれのピラー２１の重心位置Ｇを解析し、繊維束の一部が延伸すべき方向とは別のＸＹ平面内の方向に伸びている領域を検出することができる。
図３５は、ＸＹ平面において、繊維束の一部が延伸すべき方向とは別のＺ方向に伸びている状態について示す図である。図３６は、図３５の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。この図に示されるように、図３６の重なり領域抽出画像においては、Ｚ方向に伸びる繊維束（斜線部）の影響により、ピラー２１２が複数に分割されている。したがって、重なり領域形態解析部２５３は、重なり領域抽出画像を用いて、繊維束の一部が延伸すべき方向とは別のＺ方向に伸びている領域を検出することができる。
図３７は、ＸＹ平面において、繊維束の一部が延伸すべき方向とは別の、ＸＹ平面内の方向成分及びＺ方向成分を共に有する方向に伸びている状態について示す図である。図３８は、図３７の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。この図に示されるように、図３８の重なり領域抽出画像においては、−Ｚ方向及び−Ｙ方向に伸びる繊維束（斜線部）の影響により、ピラー２１３が、複数に分割されている。また、分割されたピラー２１３の一方の重心位置Ｇは、＋Ｙ方向に移動している。したがって、重なり領域形態解析部２５３は、重なり領域抽出画像を用いて、繊維束の一部が延伸すべき方向とは別のＸＹ平面内の方向成分及びＺ方向成分を共に有する方向に伸びている領域を検出することができる。
図３９及び４０は、ＸＹ平面において、それぞれ繊維束が全体として傾いた方向に伸びている状態について示す図である。図４１は、図３９又は４０に示される繊維束の状態における、ＸＹ平面の重なり領域抽出画像を模式的に示す図である。この図に示されるように、図４１の重なり領域抽出画像においては、規則的に並ぶピラー２１の並びの一部の列であるピラー２１４が、ずれて配置されている。したがって、重なり領域形態解析部２５３は、重なり領域抽出画像を用いて、例えば、ピラー２１４の重心位置Ｇの並びが、所定の規則性から外れること等を検出することにより、繊維束が全体として傾いた方向に伸びている領域を検出することができる。
図４２は、ＸＹ平面において、繊維束の一部（例えばＸ糸）がない状態について示す図である。図４３は、ＸＹ平面において、繊維束の一部の太さが他の繊維束より太く又は細くなっている場合について示す図である。図４４は、図４２又は図４３の繊維束の状態における、ＹＺ平面の重なり領域抽出画像を模式的に示す図である。図４４の重なり領域抽出画像においては、一部のピラー２１５が、複数に分割され、分割された複数のピラー２１５の体積を合わせても、通常のピラー２１の体積よりも小さくなっている。したがって、重なり領域形態解析部２５３は、重なり領域抽出画像を用いて、繊維束の一部がない場合、及び繊維束の一部の太さが他の繊維束より太く又は細くなっている領域について検出することができる。
図４５は、ＸＹ平面において、繊維束の一部（例えばＸ糸）が折り返されている状態について示す図である。図４６は、図４５の繊維束の状態における、ＸＹ平面の重なり領域抽出画像を模式的に示す図である。図４６の重なり領域抽出画像においては、繊維束の一部の折り返しにより、折り返しの周囲のピラー２１６が押しのけられ、その周りのピラー２１の規則性のある重心位置Ｇと比較して、ピラー２１６の重心位置Ｇに乱れが生じている。したがって、重なり領域形態解析部２５３は、重なり領域抽出画像を用いて、これらの重心位置Ｇの乱れを解析することにより、繊維束の一部が折り返されている領域について検出することができる。
（５）本実施の形態の効果
以上のように本実施の形態の画像解析装置２では、２値化部１５１が、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化し、重なり領域抽出部１５２が、２値化された画像からＸ糸及びＹ糸が立体交差する重なり領域を抽出し、重なり領域形態解析部２５３が、抽出された重なり領域の形態を解析する。これにより処理時間の短い画像処理の組み合わせのみで解析を行うため、より簡易に短時間でＸ糸及びＹ糸の繊維束の配向についての情報を提供することができる。
また、重なり領域形態解析部２５３が、更に繊維束の配向異常を検出する場合には、より簡易に短時間で繊維束の配向異常の箇所を見つけることができる。また、繊維束の配向異常について詳細な解析が必要な場合であっても、検出された配向異常を含む領域についてのみ別途詳細な解析を行うこととすればよいため、全体として解析時間の短縮を図ることができる。
また、本実施の形態における重なり領域の形態を解析は、繊維束全体の形状が平面である場合、曲面である場合に関わらず、用いることができる。重なり領域は、繊維束全体がどのような形状であっても抽出することができるため、重なり領域の形態の解析処理を適用することができる。また、ピラー２１は、繊維束全体の形状に沿って規則的に配置されるため、繊維束全体の形状が平面である場合、曲面である場合に関わらず、繊維束の配向の異常等についても、重なり領域の形態を解析することにより検出することができる。
また、重なり領域形態解析部２５３は、重なり領域の体積を算出してもよい。この場合に、重なり領域の「体積の参照値」と比較することができ、更にこの「体積の参照値」は、複数の重なり領域の体積の平均値とすることができる。
また、重なり領域形態解析部２５３は、重なり領域が伸長する方向を算出してもよい。この場合に、重なり領域の「向きの参照値」と比較することができ、この「向きの参照値」は、複数の前記重なり領域の方向の平均値とすることができる。
また、重なり領域形態解析部２５３は、複数の重なり領域の重心位置を算出してもよい。この場合に、重心位置の配置が不規則である領域を検出することができる。例えば重心位置が並ぶ参照線を求め、その参照線からどの程度離れているかを算出、又はある領域において含まれる重心位置の数を算出する等により、重心位置の配置が不規則である領域を検出することとしてもよい。
また、重なり領域形態解析部２５３は、重なり領域の中立軸を算出し、参照形状と比較してもよい。この場合に、中立軸の算出には、モルフォロジーの収縮処理を用いることができる。
また、本実施の形態の画像解析方法は、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化するステップと、前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が立体交差する重なり領域を抽出するステップと、前記抽出された重なり領域の形態を解析するステップと、を備えることを特徴とする画像解析方法である。
また、本実施の形態のプログラムは、コンピュータに、Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化するステップと、前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が立体交差する重なり領域を抽出するステップと、前記抽出された重なり領域の形態を解析するステップとを実行させるためのプログラムである。
（６）他の実施の形態
上述の各実施の形態においては、図１に示される画像解析装置１による画像解析処理（図３）、及び図２３に示される画像解析装置２による画像解析処理Ｐ２（図２４）を別々に使用する場合について述べたが、これらが関連して動作するものとすることができる。図４７には、これらの処理を組み合わせて行う実施の形態の一つである画像解析装置３の構成が示されている。画像解析装置３は、上述の画像解析装置１又は２と同様に、ＣＰＵ１１、入力部１２、記憶部１３、表示部１４及びメモリ１５を備えており、メモリ１５は、２値化部１５１、重なり領域抽出部１５２、リファレンス方向決定部１５３、Ｚ糸除去部１５４、繊維束配向推定部１５５及び重なり領域形態解析部２５３を有している。各構成は、上述した対応する構成の処理と同様の処理を行う。
図４８には、この画像解析装置３の画像解析処理Ｐ３のフローチャートが示されている。画像解析処理Ｐ３は、まず、図２４の画像解析処理Ｐ２と同様に、Ｘ線ＣＴ画像の入力（ＳＰ１）、２値化処理（ＳＰ２）、重なり領域抽出処理（ＳＰ３）及び重なり領域形態解析処理（ＳＰ１４）を行う。ここで重なり領域形態解析処理では、重なり領域の形態を解析だけでなく、繊維束の配向異常の検出まで行う。次に、検出された繊維束の配向異常を含む領域について、図３の画像解析処理Ｐ１における対応する処理と同様に、リファレンス方向決定処理（ＳＰ４）、Ｚ糸除去処理（ＳＰ５）、繊維束配向推定処理（ＳＰ６）を行う。
このように、処理時間の短い画像解析処理Ｐ２を、例えば検査対象となるＸ線ＣＴ画像に対して適用し、画像解析処理Ｐ２で検出された、繊維束の配向異常を含む領域について、比較的処理時間が長く、詳細な解析を行う画像解析処理Ｐ１を適用することにより、より効率的にかつ詳細に繊維束の配向の異常について解析することができる。
１ 画像解析装置
１１ ＣＰＵ
１２ 入力部
１３ 記憶部
１４ 表示部
１５ メモリ
１５１ ２値化部
１５２ 重なり領域抽出部
１５３ リファレンス方向決定部
１５４ Ｚ糸除去部
１５５ 繊維束配向推定部
２ 画像解析装置
２１ ピラー
２５３ 重なり領域形態解析部
３ 画像解析装置

Claims (16)

  1. Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像から前記Ｘ糸及び前記Ｙ糸の繊維束の配向を解析する画像解析装置において、
    前記３次元画像を２値化する２値化部と、
    前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が垂直に立体交差する重なり領域を抽出する重なり領域抽出部と、
    前記重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定するリファレンス方向決定部と、
    前記リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、前記２値化された画像から前記Ｚ糸を除去するＺ糸除去部と、
    前記Ｚ糸が除去された画像に対して前記リファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、前記Ｘ糸及び前記Ｙ糸の繊維束の配向を推定する繊維束配向推定部と
    を備えることを特徴とする画像解析装置。
  2. 前記２値化部は、
    前記３次元画像を所定の閾値に基づいて２値化し、
    前記２値化後の画像に対してクロージング処理を実行する
    ことを特徴とする請求項１に記載の画像解析装置。
  3. 前記重なり領域抽出部は、
    前記クロージング処理後の画像に対してオープニング処理を実行し、
    前記オープニング処理後の画像に対して膨張処理を実行し、
    前記膨張処理後の画像と、前記クロージング処理後の画像との積集合を計算して、前記重なり領域を抽出する
    ことを特徴とする請求項２に記載の画像解析装置。
  4. 前記リファレンス方向決定部は、
    前記重なり領域に対して方向距離法を適用し、適用時に計算される各ボクセルの方向距離に基づいて、前記重なり領域に含まれる各ボクセルの重なり方向を推定し、
    前記重なり領域に対して収縮処理を実行して中心領域を抽出し、
    前記中心領域に含まれる各ボクセルの前記重なり方向を平均化し、平均化した方向を前記リファレンス方向として決定する
    ことを特徴とする請求項１〜３の何れか一項に記載の画像解析装置。
  5. 前記Ｚ糸除去部は、
    前記リファレンス平面上で方向距離法を適用し、適用時に計算される各ボクセルの方向距離に基づいて、方向テンソルの２番目に大きい固有値に対する固有ベクトルを計算し、
    前記固有ベクトルに基づいて、前記２値化された画像を前記Ｘ糸又は前記Ｙ糸の領域と、前記Ｚ糸の領域とに分離し、
    前記Ｚ糸の領域に含まれるボクセルを除去することにより前記２値化された画像から前記Ｚ糸を除去する
    ことを特徴とする請求項１〜４の何れか一項に記載の画像解析装置。
  6. 前記Ｚ糸除去部は、
    注目ボクセルの方向距離を計算する際、前記注目ボクセルの固有ベクトルが示す方向及び前記固有ベクトルが示す方向とは逆方向にボクセルを進行し、背景に到達した場合又は次に進行するボクセルの固有ベクトルが示す方向とのなす角が所定の閾値よりも大きい場合に進行を停止し、最後に到達したボクセル間の距離を条件付き方向距離として計算し、
    前記条件付き方向距離に基づいて、前記２値化された画像を前記Ｘ糸又は前記Ｙ糸の領域と、前記Ｚ糸の領域とに分離する
    ことを特徴とする請求項５に記載の画像解析装置。
  7. 前記Ｚ糸除去部は、
    前記２値化された画像から前記Ｚ糸を除去した後、膨張処理を実行し、
    前記膨張処理後の画像と、前記膨張処理前の画像との積集合を計算する
    ことを特徴とする請求項１〜６の何れか一項に記載の画像解析装置。
  8. 前記繊維束配向推定部は、
    前記Ｚ糸が除去された画像に対して前記リファレンス平面上で方向距離法を再度適用し、前記Ｘ糸及び前記Ｙ糸の繊維束の配向を推定し、
    前記繊維束の配向を推定したボクセルのうち、中心部近傍のボクセルを抽出し、
    前記中心部近傍のボクセルについてクラスタリング処理を実行し、
    所属するボクセルが最小のクラスタを削除してノイズを除去する
    ことを特徴とする請求項１〜７の何れか一項に記載の画像解析装置。
  9. 前記Ｘ糸及び前記Ｙ糸の繊維束の配向を示す画像を表示する表示部を備える
    ことを特徴とする請求項１〜８の何れか一項に記載の画像解析装置。
  10. Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像から前記Ｘ糸及び前記Ｙ糸の繊維束の配向を解析する画像解析方法において、
    コンピュータが、
    前記３次元画像を２値化する第１のステップと、
    前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が垂直に立体交差する重なり領域を抽出する第２のステップと、
    前記重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定する第３のステップと、
    前記リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、前記２値化された画像から前記Ｚ糸を除去する第４のステップと、
    前記Ｚ糸が除去された画像に対して前記リファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、前記Ｘ糸及び前記Ｙ糸の繊維束の配向を推定する第５のステップと
    を備えることを特徴とする画像解析方法。
  11. Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像から前記Ｘ糸及び前記Ｙ糸の繊維束の配向を解析するプログラムにおいて、
    コンピュータに、
    前記３次元画像を２値化する第１のステップと、
    前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が垂直に立体交差する重なり領域を抽出する第２のステップと、
    前記重なり領域に含まれる各ボクセルの重なり方向を平均化し、平均化した方向をリファレンス方向として決定する第３のステップと、
    前記リファレンス方向に対して垂直なリファレンス平面上で方向距離法を適用し、前記２値化された画像から前記Ｚ糸を除去する第４のステップと、
    前記Ｚ糸が除去された画像に対して前記リファレンス平面上で方向距離法を再度適用し、適用時に計算される方向距離に基づいて、前記Ｘ糸及び前記Ｙ糸の繊維束の配向を推定する第５のステップと
    を実行させるためのプログラム。
  12. Ｘ糸、Ｙ糸及びＺ糸の繊維束からなる織物の３次元画像を２値化する２値化部と、
    前記２値化された画像から前記Ｘ糸及び前記Ｙ糸が立体交差する重なり領域を抽出する重なり領域抽出部と、
    前記抽出された重なり領域の形態を解析する重なり領域形態解析部と
    を備えることを特徴とする画像解析装置。
  13. 前記重なり領域形態解析部は、更に、前記重なり領域の形態の解析の結果に基づいて、前記Ｘ糸又は前記Ｙ糸の繊維束の配向異常を検出する
    ことを特徴とする請求項１２に記載の画像解析装置。
  14. 前記重なり領域形態解析部は、前記重なり領域の体積を算出する
    ことを特徴とする請求項１２又は１３に記載の画像解析装置。
  15. 前記重なり領域形態解析部は、前記重なり領域が伸長する方向を算出する
    ことを特徴とする請求項１２乃至１４のいずれか一項に記載の画像解析装置。
  16. 前記重なり領域形態解析部は、複数の前記重なり領域の重心位置を算出する
    ことを特徴とする請求項１２乃至１５のいずれか一項に記載の画像解析装置。
JP2016552053A 2014-09-29 2015-09-29 画像解析装置、画像解析方法及びプログラム Active JP6152488B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014199406 2014-09-29
JP2014199406 2014-09-29
PCT/JP2015/077472 WO2016052489A1 (ja) 2014-09-29 2015-09-29 画像解析装置、画像解析方法及びプログラム

Publications (2)

Publication Number Publication Date
JPWO2016052489A1 true JPWO2016052489A1 (ja) 2017-04-27
JP6152488B2 JP6152488B2 (ja) 2017-06-21

Family

ID=55630516

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016552053A Active JP6152488B2 (ja) 2014-09-29 2015-09-29 画像解析装置、画像解析方法及びプログラム

Country Status (6)

Country Link
US (1) US10068349B2 (ja)
EP (1) EP3203218B1 (ja)
JP (1) JP6152488B2 (ja)
CN (1) CN107148569B (ja)
CA (1) CA2961455C (ja)
WO (1) WO2016052489A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7154535B2 (ja) * 2018-07-04 2022-10-18 国立大学法人 東京大学 Ｘ線ｃｔ装置により得られる投影像を用いた寸法測定方法
JP7230368B2 (ja) * 2018-08-20 2023-03-01 富士フイルムビジネスイノベーション株式会社 符号化装置、復号装置及びプログラム
JP7157322B2 (ja) * 2018-09-28 2022-10-20 澁谷工業株式会社 物品検査装置および物品検査方法
IT201800009746A1 (it) * 2018-10-24 2020-04-24 Vision Device Srl Metodo di riconoscimento di punti di riferimento in un tessuto
CN111986143B (zh) * 2020-07-06 2021-09-21 南京航空航天大学 一种陶瓷基复合材料的细观结构表征方法
JP7425423B2 (ja) 2020-08-18 2024-01-31 株式会社Ihi 繊維強化材において繊維束の分布を評価するシステム
EP4206663A1 (en) 2020-12-28 2023-07-05 IHI Corporation Identification device, identification method, and identification program for identifying fiber layer in fiber-reinforced material
JP7188644B2 (ja) * 2021-01-06 2022-12-13 東洋紡株式会社 繊維を含む製品の画像の解析方法、そのプログラムおよび解析装置
WO2023133416A1 (en) * 2022-01-04 2023-07-13 Ohio State Innovation Foundation Detecting 3d model clones in mobile games
CN114693680A (zh) * 2022-05-31 2022-07-01 季华实验室 织物纤维的检测方法、电子设备及计算机可读存储介质
WO2024101098A1 (ja) * 2022-11-09 2024-05-16 株式会社Ihi 複合材料に含まれる構造要素を識別する識別装置、識別方法、及び、識別プログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015046534A1 (ja) * 2013-09-30 2015-04-02 株式会社Ihi 画像解析装置及びプログラム

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6526305B1 (en) * 1998-11-25 2003-02-25 The Johns Hopkins University Method of fiber reconstruction employing data acquired by magnetic resonance imaging
CA2354301A1 (en) * 2001-07-27 2003-01-27 Djamel Yahia Meddah Geometric hashing for model-based recognition of an object
JP4172941B2 (ja) * 2002-03-01 2008-10-29 日立ソフトウエアエンジニアリング株式会社 土地区画データ作成方法および装置
DE602006008113D1 (de) * 2005-02-11 2009-09-10 Philips Intellectual Property Verfahren zur automatischen extraktion des lungenarterienbaums aus medizinischen 3d-bildern
US7983462B2 (en) * 2005-11-22 2011-07-19 Purdue Research Foundation Methods and systems for improving quality of an image
US7822254B2 (en) * 2006-04-21 2010-10-26 Siemens Medical Solutions Usa, Inc. Automatic positioning of matching multi-planar image reformatting (MPR) views of multiple 3D medical images
US7639253B2 (en) * 2006-07-13 2009-12-29 Inus Technology, Inc. System and method for automatic 3D scan data alignment
US7949162B2 (en) * 2006-08-14 2011-05-24 Siemens Medical Solutions Usa, Inc. System and method for solid component evaluation in mixed ground glass nodules
JP4972751B2 (ja) * 2006-11-27 2012-07-11 株式会社日立製作所 神経線維束計測システム及び画像処理システム
GB0708621D0 (en) * 2007-05-04 2007-06-13 Univ Manchester Image processing method
US20090034810A1 (en) * 2007-08-03 2009-02-05 Fujifilm Corporation Abnormal tissue pattern detection apparatus, method and program
US8275194B2 (en) * 2008-02-15 2012-09-25 Microsoft Corporation Site modeling using image data fusion
CA2724031A1 (en) * 2008-05-23 2009-11-26 The Australian National University Image data processing
US8885926B2 (en) * 2009-04-15 2014-11-11 Massachusetts Institute Of Technology Image and data segmentation
JP5538868B2 (ja) * 2009-12-22 2014-07-02 キヤノン株式会社 画像処理装置、その画像処理方法及びプログラム
US20110304619A1 (en) * 2010-06-10 2011-12-15 Autodesk, Inc. Primitive quadric surface extraction from unorganized point cloud data
JP5475561B2 (ja) 2010-06-14 2014-04-16 ポリプラスチックス株式会社 充填材の配向解析方法
WO2013040673A1 (en) * 2011-09-19 2013-03-28 The University Of British Columbia Method and systems for interactive 3d image segmentation
WO2013099256A1 (ja) * 2011-12-27 2013-07-04 昭和電工株式会社 炭素繊維の製造方法
US20130167374A1 (en) * 2011-12-29 2013-07-04 General Electric Company Process of producing ceramic matrix composites and ceramic matrix composites formed thereby
WO2014037013A1 (en) * 2012-09-07 2014-03-13 Region Nordjylland, Aalborg Sygehus System for detecting blood vessel structures in medical images
CN103900503B (zh) * 2012-12-27 2016-12-28 清华大学 提取形状特征的方法、安全检查方法以及设备
CN103903298B (zh) * 2012-12-27 2017-03-01 同方威视技术股份有限公司 三维数据处理和识别方法
US9443297B2 (en) * 2013-07-10 2016-09-13 Cognex Corporation System and method for selective determination of point clouds
JP6118699B2 (ja) * 2013-09-30 2017-04-19 株式会社Ihi 画像解析装置及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015046534A1 (ja) * 2013-09-30 2015-04-02 株式会社Ihi 画像解析装置及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
山内雄太，外: "Ｘ線ＣＴ画像による繊維状構造の認識に関する基礎研究", 精密工学会大会学術講演会講演論文集, JPN6014050620, 1 September 2012 (2012-09-01), pages ROMBUNNO.D38 *
篠原寿広，外: "Ｘ線ＣＴ画像による３次元ボクセルデータを利用した編物構造の分析", 計測自動制御学会論文集, vol. Ｖｏｌ．４１，Ｎｏ．１１, JPN6014050618, 30 November 2005 (2005-11-30), pages Ｐ．８７９−８８５ *

Also Published As

Publication number Publication date
JP6152488B2 (ja) 2017-06-21
CA2961455C (en) 2019-09-24
CA2961455A1 (en) 2016-04-07
EP3203218A4 (en) 2018-06-06
EP3203218B1 (en) 2022-02-23
US20170213357A1 (en) 2017-07-27
US10068349B2 (en) 2018-09-04
EP3203218A1 (en) 2017-08-09
CN107148569B (zh) 2020-01-03
CN107148569A (zh) 2017-09-08
WO2016052489A1 (ja) 2016-04-07

Similar Documents

Publication Publication Date Title
JP6152488B2 (ja) 画像解析装置、画像解析方法及びプログラム
JP6118698B2 (ja) 画像解析装置及びプログラム
Melenka et al. Micro-computed tomography analysis of tubular braided composites
Blanc et al. Fiber orientation measurements in composite materials
Bale et al. Characterizing three‐dimensional textile ceramic composites using synchrotron X‐ray micro‐computed‐tomography
US8433115B2 (en) System and method for multi-image based stent visibility enhancement
JP6118699B2 (ja) 画像解析装置及びプログラム
Mendoza et al. The correlation framework: Bridging the gap between modeling and analysis for 3D woven composites
US10139353B2 (en) Apparatus and method for examining components comprising laid fiber composite fabrics or woven fiber composite fabrics
Wang et al. Novel 4-D open-curve active contour and curve completion approach for automated tree structure extraction
US20130070996A1 (en) Method and System for Up-Vector Detection for Ribs in Computed Tomography Volumes
JP2006198411A (ja) 心筋層の損傷の可視化方法
US20080123958A1 (en) Computer-implemented method for efficient image segmentation using automated saddle-point detection
Amjad et al. Computationally efficient method of tracking fibres in composite materials using digital image correlation
Tabiai et al. Hybrid image processing approach for autonomous crack area detection and tracking using local digital image correlation results applied to single-fiber interfacial debonding
JP6681221B2 (ja) 構造解析装置、構造解析方法及び三次元織繊維素材製造方法
CN106233126B (zh) 用于表征零件的方法
CN113269732B (zh) 一种基于特征扫描图像的线性物体检测方法
Zhu et al. In-situ quantitative tracking of micro-crack evolution behavior inside CMCs under load at high temperature: A deep learning method
Fourrier et al. Automated conformal mesh generation chain for woven composites based on CT-scan images with low contrasts
Azizmohammadi et al. Patient-specific cardio-respiratory motion prediction in x-ray angiography using LSTM networks
JP6187036B2 (ja) 画像解析装置及びプログラム
Straumit et al. Quantification of micro-CT images of textile reinforcements
Bauer et al. Avoiding mesh folding in 3d optimal surface segmentation
CN108780587A (zh) 通过校正进行的无损检测方法

Legal Events

Date Code Title Description
AA64 Notification of invalidation of claim of internal priority (with term)

Free format text: JAPANESE INTERMEDIATE CODE: A241764

Effective date: 20161220

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170119

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20170119

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170502

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170529

R150 Certificate of patent or registration of utility model

Ref document number: 6152488

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250