特開 2024-18149 画像処理シーケンスの生成方法、生成装置、および、コンピュータープログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024018149

(43)【公開日】2024-02-08

(54)【発明の名称】画像処理シーケンスの生成方法、生成装置、および、コンピュータープログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240201BHJP

   G06N 20/00 20190101ALI20240201BHJP

【ＦＩ】

G06T7/00 350B

G06N20/00

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022121277

(22)【出願日】2022-07-29

(71)【出願人】

【識別番号】000002369

【氏名又は名称】セイコーエプソン株式会社

(74)【代理人】

【識別番号】110000028

【氏名又は名称】弁理士法人明成国際特許事務所

(72)【発明者】

【氏名】金井 政史

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096EA43

5L096FA32

5L096GA01

5L096GA51

5L096GA55

(57)【要約】

【課題】基準条件を満たす画像処理シーケンスを特定するまでの処理時間が長くなることを抑制する。
【解決手段】画像処理シーケンスの生成方法は、次ルーチンシーケンスセットを今回のルーチンにおけるシーケンスセットとして用いる場合、記憶装置に記憶された参照シーケンスと、シーケンスセットを構成する複数の画像処理シーケンスのそれぞれを比較し、画像処理シーケンスのうちで、参照シーケンスと同じシーケンスであって画像入力層と画像入力層から連続して接続されたシーケンス要素とによって構成されたシーケンスについては、参照シーケンスに関連付けられた処理後画像を用いて、画像処理シーケンスの出力画像を生成する。
【選択図】図８

【特許請求の範囲】

【請求項1】

画像処理シーケンスの生成方法であって、
（ａ）シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成する工程と、
（ｂ）前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する工程と、
（ｃ）前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する工程と、
（ｄ）前記評価値を算出する前記工程（ｃ）の前に、前記工程（ａ）によって生成した前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する工程と、
（ｅ）前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成する工程と、
（ｆ）前記工程（ａ）によって生成した前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる工程と、
（ｇ）前記複数の画像処理シーケンスのそれぞれに対応する複数の前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する工程と、を備え、
前記工程（ａ）～前記工程（ｇ）の前記ルーチンは、前記基準条件を満たす前記画像処理シーケンスが特定されるまで繰り返し実行され、
前記工程（ｆ）において、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、
前記工程（ｂ）は、前記次ルーチンシーケンスセットを今回の前記ルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する、画像処理シーケンスの生成方法。

【請求項2】

請求項１に記載の画像処理シーケンスの生成方法であって、
前記工程（ｄ）において、初回の前記ルーチンでは、ランダムな値を前記仮評価値に設定することと、過去に実行した前記画像処理シーケンスの生成方法において前記工程（ｃ）によって算出した前記評価値としての過去評価値を前記仮評価値に設定すること、のいずれか一方によって前記仮評価値を算出する、画像処理シーケンスの生成方法。

【請求項3】

請求項１に記載の画像処理シーケンスの生成方法であって、
前記工程（ｄ）において、２回目以降の前記ルーチンでは、前回の前記ルーチンにおける前記工程（ｃ）によって算出した前記評価値として前回評価値と、前記前回評価値の算出元である前記画像処理シーケンスとしての前回画像処理シーケンスと、前記仮評価値の算出対象である前記画像処理シーケンスとの一致率と、を用いて前記仮評価値を算出する、画像処理シーケンスの生成方法。

【請求項4】

請求項３に記載の画像処理シーケンスの生成方法であって、
前記工程（ｂ）において、前記複数の画像処理シーケンスはそれぞれ、前記画像入力層および前記画像処理層のそれぞれに対応した複数の遺伝子を配列した個体と、前記シーケンス要素の接続関係を規定した遺伝子テーブルと、によって表され、
前記工程（ｅ）において、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることは、前記仮条件を満たす前記画像処理シーケンスを表す現世代の前記個体に対して、交叉と突然変異との少なくとも一つによって次世代の前記個体を生成することで実行され、
前記一致率は、前記現世代の前記個体と、前記現世代の前記個体を用いて生成された前記次世代の前記個体と、の一致率である、画像処理シーケンスの生成方法。

【請求項5】

請求項３または請求項４に記載の画像処理シーケンスの生成方法であって、
前記工程（ｄ）において、前記２回目以降の前記ルーチンでは、前記前回評価値と前記一致率とを用いて算出した値に、ランダムな値を加算することで前記仮評価値を算出する、画像処理シーケンスの生成方法。

【請求項6】

請求項１に記載の画像処理シーケンスの生成方法であって、
前記工程（ｅ）において、前記仮条件は、（ｉ）前記類似の程度が予め定めた仮閾値以上であるという条件と、（ｉｉ）前記類似の程度が上位Ｍ個（Ｍは、１以上の整数）以内であるという条件と、のいずれかである、画像処理シーケンスの生成方法。

【請求項7】

画像処理シーケンスの生成装置であって、
シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成するシーケンス生成部と、
前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する画像処理部と、
前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する評価値算出部と、
前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する仮評価値算出部と、を備え、
前記シーケンス生成部は、前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成し、
前記生成装置は、さらに、
前記シーケンス生成部によって生成した前記シーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる登録部と、
前記複数の画像処理シーケンスのそれぞれに対応する前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する特定部と、を備え、
前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、
前記画像処理部は、前記次ルーチンシーケンスセットを今回のルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する、画像処理シーケンスの生成装置。

【請求項8】

コンピュータープログラムであって、
（ａ）シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成する機能と、
（ｂ）前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する機能と、
（ｃ）前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する機能と、
（ｄ）前記評価値を算出する前記機能（ｃ）を実行する前に、前記機能（ａ）によって生成した前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する機能と、
（ｅ）前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成する機能と、
（ｆ）前記機能（ａ）によって生成した前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる機能と、
（ｇ）前記複数の画像処理シーケンスのそれぞれに対応する複数の前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する機能と、をコンピューターに実行させ、
前記機能（ａ）～前記機能（ｇ）の前記ルーチンは、前記基準条件を満たす前記画像処理シーケンスが特定されるまで繰り返し実行され、
前記機能（ｆ）において、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、
前記機能（ｂ）は、前記次ルーチンシーケンスセットを今回の前記ルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する、コンピュータープログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、画像処理シーケンスを生成する技術に関する。

【背景技術】

【0002】

従来、遺伝的プログラミングを用いることにより、個体を木構造のように構造的に表現する技術が知られている（特許文献１）。また、従来、遺伝的アルゴリズムによって画像処理シーケンスを表す個体を生成する技術において、個体の中で他の個体と共通したフィルター列を抽出して登録する技術が知られている（特許文献２）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００７－８７０５５号公報

【特許文献2】特開２００７－３４７１９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１の技術では、遺伝的プログラミングを用いることにより、複数の画像処理シーケンスを生成し、画像処理シーケンスの評価を世代ごとに繰り返し行うことで、基準条件を満たす画像処理シーケンスを特定している。しかしながら、従来の技術では、所望とする画像処理シーケンスを特定するまでに何世代にもわたって個体を生成する必要が生じる可能性があり、基準条件を満たす画像処理シーケンスを特定するまでの処理時間が長くなる場合が生じる。特に、画像処理シーケンスにおいて使用する画像フィルターの種類が増えたり、遺伝子長が長くなったりした場合に、基準条件を満たす画像処理シーケンスを特定するまでの処理時間が長くなる。また、特許文献２の技術において、同じフィルター列がある場合には、予め登録したフィルター列を用いて画像処理を実行しているが、画像ごとに画像処理を行う必要があるため、基準条件を満たす画像処理シーケンスを特定するまでの処理時間が長くなる場合が生じる。このような課題は、複数の画像処理シーケンスの中から基準条件を満たす画像処理シーケンスを特定する技術に共通する。

【課題を解決するための手段】

【0005】

本開示の第１形態によれば、画像処理シーケンスの生成方法が提供される。この画像処理シーケンスの生成方法は、（ａ）シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成する工程と、（ｂ）前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する工程と、（ｃ）前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する工程と、（ｄ）前記評価値を算出する前記工程（ｃ）の前に、前記工程（ａ）によって生成した前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する工程と、（ｅ）前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成する工程と、（ｆ）前記工程（ａ）によって生成した前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる工程と、（ｇ）前記複数の画像処理シーケンスのそれぞれに対応する複数の前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する工程と、を備え、前記工程（ａ）～前記工程（ｇ）の前記ルーチンは、前記基準条件を満たす前記画像処理シーケンスが特定されるまで繰り返し実行され、前記工程（ｆ）において、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、前記工程（ｂ）は、前記次ルーチンシーケンスセットを今回の前記ルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する。

【0006】

本開示の第２形態によれば、画像処理シーケンスの生成装置が提供される。この生成装置は、シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成するシーケンス生成部と、前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する画像処理部と、前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する評価値算出部と、前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する仮評価値算出部と、を備え、前記シーケンス生成部は、前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成し、前記生成装置は、さらに、前記シーケンス生成部によって生成した前記シーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる登録部と、前記複数の画像処理シーケンスのそれぞれに対応する前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する特定部と、を備え、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、前記画像処理部は、前記次ルーチンシーケンスセットを今回のルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する。

【0007】

本開示の第３形態によれば、コンピュータープログラムが提供される。このコンピュータープログラムは、（ａ）シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成する機能と、（ｂ）前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する機能と、（ｃ）前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する機能と、（ｄ）前記評価値を算出する前記機能（ｃ）を実行する前に、前記機能（ａ）によって生成した前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する機能と、（ｅ）前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成する機能と、（ｆ）前記機能（ａ）によって生成した前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる機能と、（ｇ）前記複数の画像処理シーケンスのそれぞれに対応する複数の前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する機能と、をコンピューターに実行させ、前記機能（ａ）～前記機能（ｇ）の前記ルーチンは、前記基準条件を満たす前記画像処理シーケンスが特定されるまで繰り返し実行され、前記機能（ｆ）において、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、前記機能（ｂ）は、前記次ルーチンシーケンスセットを今回の前記ルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する。

【図面の簡単な説明】

【0008】

【図1】実施形態の生成システムを説明するための図。

【図2】記憶装置を説明するための図。

【図3】学習データの一例を示す図。

【図4】遺伝子テーブルを説明するための図。

【図5】一つのルーチンにおいて生成される個体群データを説明するための図。

【図6】木構造の画像処理シーケンスを示す図。

【図7】参照テーブルを示す図。

【図8】仮評価値の算出方法と、参照データの生成方法を説明するための図。

【図9】生成装置が実行する処理を示すフローチャート。

【図10】ステップＳ１０の生成処理工程の詳細なフローチャート。

【図11】利用処理工程のフローチャート。

【発明を実施するための形態】

【0009】

Ａ．実施形態：
図１は、実施形態の生成システム１０を説明するための図である。生成システム１０は、生成装置２０と撮像装置２００とを備える。生成装置２０と撮像装置２００とは、有線や無線によってデータを送受信可能である。撮像装置２００は、カメラであり、対象物を撮像して撮像画像を取得する。撮像装置２００によって取得された撮像画像は、生成装置２０に送信される。

【0010】

生成装置２０は、画像処理後の所望とする画像を得るための特定画像処理シーケンスＤＳｑを生成するシーケンス生成処理機能と、シーケンス生成処理機能によって生成した特定画像処理シーケンスＤＳｑによって画像を画像処理して処理後画像を出力する画像処理機能と、を有する。本実施形態の生成装置２０は、撮像画像を元に、所望の目的を達成するための画像を得るための特定画像処理シーケンスＤＳｑを自動で生成する。例えば、生成装置２０は、撮像装置２００によって撮像された工業製品である回路基板の画像を、特定画像処理シーケンスＤＳｑを用いて画像処理することで、欠陥部分が黒画像、それ以外の部分が白画像で表された二値化画像を処理後画像として出力する。この二値化画像を元に、欠陥部分の有無や位置がユーザーや装置によって特定されることで、工業製品の検査が行われる。

【0011】

シーケンス生成処理機能は、複数の画像処理シーケンスＳｑを、遺伝的プログラミングを用いて生成する。また、シーケンス生成処理機能は、生成した複数の画像処理シーケンスＳｑの中から所望とする画像処理後の画像を得るための特定画像処理シーケンスＤＳｑを特定する。本実施形態では、シーケンス生成処理機能と画像処理機能とは、一つの生成装置２０に搭載されているが、これに限定されるものではない。他の実施形態では、シーケンス生成処理機能と画像処理機能とは、別々の装置に搭載されていてもよいし、クラウド上に存在していてもよい。

【0012】

生成装置２０は、パーソナルコンピューターなどの電子計算機である。生成装置２０は、プロセッサー２５と、記憶装置７０と、入力部１５０と、表示部１６０とを備える。プロセッサー２５は、記憶装置７０に記憶された各種プログラムを実行することで、生成装置２０の動作を制御する。プロセッサー２５の詳細な機能は後述する。記憶装置７０は、ＲＡＭやＲＯＭなどのメモリーにより構成されている。記憶装置７０には、プロセッサー２５の各機能を実現するための各種プログラムと、画像処理シーケンスＳｑの生成のために用いる各種データとが記憶されている。記憶装置７０の詳細は後述する。入力部１５０は、外部からの情報を受け付けるインターフェースである。入力部１５０は、例えば、撮像装置２００からの撮像画像の入力を受け付けたり、ユーザーが他の装置を用いて生成した画像の入力を受け付けたりする。表示部１６０は、各種情報を表示する。表示部１６０は、例えば、液晶モニターである。

【0013】

プロセッサー２５は、記憶装置７０の各種プログラムを実行することで、シーケンス生成部３０と、画像処理部４０と、評価判定部４６と、特定部４９と、登録部５５と、表示制御部６０として機能する。なお、プロセッサー２５によって実行される機能の一部は、ハードウェア回路によって実現されてもよい。ここで、本開示において、「プロセッサー」は、ＣＰＵやＧＰＵを包含する用語である。

【0014】

シーケンス生成部３０は、個体ＩＶによって示された遺伝子の配列を木構造のように構造的に表現することで、シーケンス要素の組み合わせが異なる複数の画像処理シーケンスＳｑによって構成されるシーケンスセットを生成する。画像処理シーケンスＳｑは、複数のシーケンス要素の組み合わせによって表されている。シーケンス要素としては、（ｉ）画像を入力するノードである画像入力層と、（ｉｉ）画像入力層と画像出力層との間の中間のノードである、画像処理フィルターとしての画像処理層と、（ｉｉｉ）画像処理後、すなわち最終的な画像処理後の画像である出力画像ＰＭを出力するノードである画像出力層とがある。

【0015】

シーケンス生成部３０は、個体生成部３２と、遺伝子翻訳部３４とを備える。個体生成部３２は、一次元または二次元に配列された複数の遺伝子によって構成される個体ＩＶを生成する。個体ＩＶを構成する各遺伝子は、画像入力層と、画像処理層の種類、本実施形態では画像処理フィルターとをそれぞれ表す数値である。数値範囲ごとに、画像入力層や異なる画像処理フィルターが割り当てられる。つまり、個体ＩＶは、画像入力層および画像処理層のそれぞれに対応した遺伝子を配列することで生成される。個体生成部３２は、一つの世代Ｇごとに、予め定めた数の個体ＩＶを生成する。

【0016】

本実施形態では、個体生成部３２は、一次元に遺伝子を配列することで、予め定めた遺伝子長の個体ＩＶを生成する。一つの世代Ｇごとにおいて、複数の画像処理シーケンスＳｑのシーケンス要素の組み合わせは異なる。個体生成部３２は、特定画像処理シーケンスＤＳｑの生成処理における１つのルーチンにおいて、複数の個体ＩＶから構成された個体群としての第１種個体群ＩＶＧａと、複数の個体ＩＶから構成された個体群としての第２種個体群ＩＶＧｂとを生成する。第１種個体群ＩＶＧａは、後述する評価値ＥＶを算出するための複数の画像処理シーケンスＳｑから構成されたシーケンスセットを表す個体群である。第２種個体群ＩＶＧｂは、次のルーチンにおいて評価値ＥＶを算出するために用いる複数の画像処理シーケンスＳｑから構成されたシーケンスセットとしての次ルーチンシーケンスセットを表す個体群である。第２種個体群ＩＶＧｂは、次のルーチンにおいては、第１種個体群ＩＶＧａとして取り扱われる。以上のように、個体生成部３２は、１つのルーチンにおいて、現世代Ｇｍの個体群ＩＶＧである第１種個体群ＩＶＧａと、次世代Ｇｎの個体群ＩＶＧである第２種個体群ＩＶＧｂとの２世代分の個体群ＩＶＧを生成する。

【0017】

ここで、特定画像処理シーケンスＤＳｑを生成する生成処理において繰り返されるルーチンごとにおいて、第１種個体群ＩＶＧａの各個体ＩＶによって表された画像処理シーケンスＳｑを評価対象画像処理シーケンスＳｑａとも呼び、第２種個体群ＩＶＧｂによって表された画像処理シーケンスＳｑを次ルーチン用画像処理シーケンスＳｑｂとも呼ぶ。

【0018】

個体生成部３２は、初回のルーチンである一番初めの１世代目における第１種個体群ＩＶＧａについては、以下に記載する第１方法と第２方法とのいずれかを用いる。第１方法は、個体ＩＶの各遺伝子座に、０から１までの小数点第３位までの数値を遺伝子としてランダムに配置することで、複数の個体ＩＶから構成される個体群データ８４を生成する方法である。第２方法は、過去に特定画像処理シーケンスＤＳｑの生成処理の際に生成した複数の画像処理シーケンスＳｑを示す複数の個体ＩＶを個体群データ８４とする方法である。

【0019】

初回のルーチンや２回目以降における第２種個体群ＩＶＧｂは、同じルーチンにおいて生成された第１種個体群ＩＶＧａを元に生成される。具体的には、個体生成部３２は、第１種個体群ＩＶＧａを構成する個体ＩＶに対して、交叉と突然変異との少なくとも一つの手法と、複製とを用いて個体ＩＶを新たに生成することで、第２種個体群ＩＶＧｂの各個体ＩＶを生成する。つまり、第２種個体群ＩＶＧｂによって表される次ルーチンシーケンスセットを構成する複数の画像処理シーケンスＳｑはそれぞれ、第１種個体群ＩＶＧａによって表されたシーケンスセットを構成する複数の評価対象画像処理シーケンスＳｑａを元に、複製や交叉や突然変異によって生成される。

【0020】

遺伝子翻訳部３４は、記憶装置７０に記憶された後述する遺伝子テーブル８２を参照することで、個体ＩＶの各遺伝子を翻訳して木構造で表された画像処理シーケンスＳｑを生成する。遺伝子テーブル８２は、遺伝子である数値の数値範囲ごとに対応する画像処理フィルターと、各シーケンス要素の接続関係を規定したテーブルである。

【0021】

画像処理部４０は、遺伝子翻訳部３４が生成した第１種個体群ＩＶＧａにおける複数の評価対象画像処理シーケンスＳｑａのそれぞれによって、記憶装置７０に記憶された後述する学習データ７４が有する複数の学習画像ＬＭをそれぞれ画像入力層に入力して画像処理する。そして画像処理部４０は、複数の評価対象画像処理シーケンスＳｑごとに画像処理後の画像である出力画像ＰＭを画像出力層から出力することで生成する。また画像処理部４０は、記憶装置７０に記憶された特定画像処理シーケンスＤＳｑを用いて、検査対象である画像を画像入力層に入力して画像処理し、画像処理後の画像である出力画像ＰＭを画像出力層から出力することで生成する。

【0022】

評価判定部４６は、評価値算出部４７と、仮評価値算出部４８とを有する。評価値算出部４７は、第１種個体群ＩＶＧａにおける複数の評価対象画像処理シーケンスＳｑａごとに、画像処理部４０によって生成された出力画像ＰＭと、出力画像ＰＭの元となる学習画像ＬＭに関連付けられた目標画像ＴＭとを比較する。そして評価値算出部４７は、出力画像ＰＭと目標画像ＴＭとを比較した結果として、類似の程度ＳＤを示す評価値ＥＶを算出する。評価値算出部４７は、１つの評価対象画像処理シーケンスＳｑａによって複数の学習画像ＬＭが画像処理されて、複数の出力画像ＰＭが生成される場合には、各出力画像ＰＭに対応する評価値ＥＶを算出して、各評価値ＥＶの統計量を最終的な評価値ＥＶとして算出する。各評価値ＥＶの統計量としては、平均値や中央値などの値が用いられる。本実施形態では、統計量として平均値が用いられる。

【0023】

評価値ＥＶとしては、２つの画像の類似の程度ＳＤを表す指標値であればよく、例えば、平均二乗誤差（MSE:Mean Squared Error）や、ピーク信号対雑音比（PSNR:Peak signal-to-noise ratio）や、構造的類似度（SSIM:Structural Similarity）の一つを用いることができる。ＭＳＥが評価値ＥＶとして用いられる場合、ＭＳＥの値が小さい程、出力画像ＰＭと目標画像ＴＭとの類似の程度ＳＤは高い。つまり、ＭＳＥの逆数が、類似の程度ＳＤを示す。ＰＳＮＲが評価値ＥＶとして用いられる場合には、ＰＳＮＲが大きい程、出力画像ＰＭと目標画像ＴＭとの類似の程度ＳＤは高い。つまり、ＰＳＮＲは類似の程度ＳＤを示す。ＳＳＩＭが用いられる場合には、例えば、画像を小領域に分割して、小領域ごとに算出されたＳＳＩＭの平均値であるＭＳＳＩＭ（Mean SSIM）が評価値ＥＶとして用いられる。ＭＳＳＩＭが評価値ＥＶとして用いられる場合、ＭＳＳＩＭが大きい程、類似の程度ＳＤは高い。つまり、ＭＳＳＩＭは類似の程度ＳＤを示す。なお、「類似の程度ＳＤ」は「類似度ＳＤ」とも呼ぶ。

【0024】

仮評価値算出部４８は、複数の評価対象画像処理シーケンスＳｑａを用いて学習画像ＬＭの画像処理が実行される前に、複数の評価対象画像処理シーケンスＳｑａごとに、評価値ＥＶの推定値としての仮評価値ＰＥＶを算出する。仮評価値算出部４８は、評価対象画像処理シーケンスＳｑａによって出力画像ＰＭを生成することなく、予測される出力画像ＰＭと、目標画像ＴＭとの類似の程度ＳＤを示す仮評価値ＰＥＶを予測して算出する。仮評価値算出部４８は、特定画像処理シーケンスＤＳｑを生成する生成処理の初回のルーチン、すなわち最初の世代Ｇにおける評価対象画像処理シーケンスＳｑａにおける仮評価値ＰＥＶを算出する場合には、以下の第１算出方法と、第２算出方法とのいずれか一方の方法によって、仮評価値ＰＥＶを算出する。これにより、初回のルーチンにおける仮評価値ＰＥＶを容易に設定できる。
第１算出方法：予め定めた範囲内におけるランダムな値を仮評価値ＰＥＶに設定する。予め定めた範囲は、評価値ＥＶが取り得る範囲に設定される。なお、第１算出方法が用いられる場合には、シーケンス生成部３０は初回のルーチンにおいて、第１種個体群ＩＶＧａの各個体ＩＶの各遺伝子座に、０から１までの小数点第３位までの数値を遺伝子としてランダムに配置する第１方法を用いて、ランダムに評価対象画像処理シーケンスＳｑａを生成する。
第２算出方法：過去に実行した特定画像処理シーケンスＤＳｑのシーケンス生成方法による生成処理において評価値算出部４７が算出した評価値ＥＶとしての過去評価値ＬＥＶを仮評価値ＰＥＶに設定する。この場合、シーケンス生成部３０は、初回のルーチンにおいて、過去に特定画像処理シーケンスＤＳｑを生成する際に実行した生成処理において、過去評価値ＬＥＶが算出された画像処理シーケンスＳｑを示す各個体ＩＶを生成する第２方法を用いて、第１種個体群ＩＶＧａを生成する。

【0025】

また、仮評価値算出部４８は、特定画像処理シーケンスＤＳｑを生成するための生成方法において実行する生成処理の２回目以降のルーチンにおける、第１種個体群ＩＶＧａの個体ＩＶによって表された評価対象画像処理シーケンスＳｑａにおける仮評価値ＰＥＶを算出する場合には、以下の算出処理を実行する。すなわち、算出処理では、前回のルーチンにおける各評価対象画像処理シーケンスＳｑａを元に評価値算出部４７によって算出された評価値ＥＶを用いて、仮評価値算出部４８は、仮評価値ＰＥＶを算出する。例えば、仮評価値算出部４８は、（ｉ）前回のルーチンにおいて算出された評価値ＥＶとしての前回評価値ＥＶＭと、（ｉｉ）前回のルーチンにおいて算出された評価値ＥＶの算出元である評価対象画像処理シーケンスＳｑａとしての前回画像処理シーケンスＳｑａｍと、仮評価値ＰＥＶの算出対象である評価対象画像処理シーケンスＳｑａである今回画像処理シーケンスＳｑａｎとの一致率と、を用いて仮評価値ＰＥＶを算出する。この具体的な算出式については後述する。

【0026】

また、仮評価値算出部４８は、２回目以降のルーチンにおいて、算出した仮評価値ＰＥＶにランダムな値を加算することで最終的な仮評価値ＰＥＶを算出してもよい。ランダムな値は、予め定めた範囲の中から選択される。ランダムな値を加算することで、仮評価値ＰＥＶと評価値ＥＶとの乖離を抑制できる。

【0027】

特定部４９は、複数の評価対象画像処理シーケンスＳｑａのそれぞれに対応する複数の評価値ＥＶを用いて、予め定めた登録条件を満たす評価対象画像処理シーケンスＳｑａを特定画像処理シーケンスＤＳｑとして特定する。各評価対象画像処理シーケンスＳｑａについて、複数の学習セットＳＭに対して評価値ＥＶが算出された場合には、評価値ＥＶの統計量を最終的な評価値ＥＶとする。統計量としては、平均値や中央値や最頻値や最大値などが挙げられる。本実施形態では、評価値ＥＶの統計量は、平均値である。また特定部４９は、統計量である最終的な評価値ＥＶが示す類似の程度ＳＤが予め定めた閾値以上である場合に、基準条件を満たすと判定する。具体的には、特定部４９は、類似の程度ＳＤが閾値以上となる最終的な評価値ＥＶの値であれば、基準条件を満たすと判定する。本実施形態では、特定部４９は、最終的な評価値ＥＶが評価基準値以上であれば、類似の程度ＳＤが閾値以上であるため、基準条件を満たすと判定する。

【0028】

登録部５５は、評価対象画像処理シーケンスＳｑａと、次ルーチン用画像処理シーケンスＳｑｂとを比較することで、参照データを生成して、参照テーブル８８へ登録する。登録部５５は、評価対象画像シーケンスＳｑａを表す個体ＩＶと、次ルーチン用画像処理シーケンスＳｑｂを表す個体ＩＶとを比較することで参照データを生成してもよいし、遺伝子翻訳部３４で翻訳した、画像処理シーケンスＳｑａ，Ｓｑｂ同士を比較することで参照データを生成してもよい。参照テーブル８８は、次のルーチンにおいて、前回のルーチンにおける次ルーチン用画像処理シーケンスＳｑｂを評価対象画像処理シーケンスＳｑａとして学習画像ＬＭを画像処理する場合に、利用されるデータを記憶する。参照テーブル８８は、例えば、学習画像ＬＭごとに規定されている。参照テーブル８８の詳細は後述する。

【0029】

表示制御部６０は、各種情報を表示部１６０に表示させる。表示制御部６０は、例えば、特定画像処理シーケンスＤＳｑや、個体ＩＶによって表された画像処理シーケンスＳｑによって画像処理された処理後画像や、目標画像ＴＭや、評価値ＥＶを表示部１６０に表示させる。

【0030】

図２は、記憶装置７０を説明するための図である。記憶装置７０は、学習データ７４と、画像フィルター群８０と、遺伝子テーブル８２と、個体群データ８４と、参照テーブル８８と、特定画像処理シーケンスＤＳｑと、各種プログラム９４とを記憶する。特定画像処理シーケンスＤＳｑは、評価値算出部４７によって予め定めた基準条件を満たすと判定された画像処理シーケンスＳｑである。特定画像処理シーケンスＤＳｑは、例えば、複数の画像処理層である複数の画像処理フィルターを識別する層識別子と、層識別子の順番、すなわち接続関係とによって表される。各種プログラム９４は、プロセッサー２５によって実行されるプログラムである。

【0031】

図３は、学習データ７４の一例を示す図である。学習データ７４は、（ｉ）画像処理シーケンスＳｑによる画像処理対象である学習画像ＬＭと、（ｉｉ）学習画像ＬＭに関連付けられた所望とする目標画像ＴＭと、によって構成された学習セットＳＭを複数セット有する。学習画像ＬＭは、例えば、工業製品である回路基板の画像である。目標画像ＴＭは、欠陥部分ＤＡが黒画像、それ以外の部分が白画像で表された二値化画像である。目標画像ＴＭは、例えば、予め欠陥部分の箇所が特定できている学習画像ＬＭを参考に、ユーザーが欠陥部分ＤＡを黒画像に設定し、それ以外の部分を白画像に設定することで生成される。なお、複数の学習セットＳＭは、欠陥部分ＤＡを有する学習画像ＬＭを有する複数の学習セットＳＭと、欠陥部分ＤＡが含まれない画像である良品を示す学習画像ＬＭを有する複数の学習セットＳＭとから構成される。複数の学習画像ＬＭはそれぞれ、製造番号が異なる同種の回路基板を撮像装置２００で撮像した画像である。各学習セットＳＭには識別番号ＴＩＤが付与されている。なお、図３に示す学習セットＳＭには、識別番号ＴＩＤとして、「Ｔ０１」が付与されている。

【0032】

図２に示す画像フィルター群８０は、画像処理シーケンスＳｑにおいてシーケンス要素の候補となる複数の画像フィルターの集合である。画像フィルターとしては、平均値フィルター、最大値フィルター、最小値フィルター、二値化フィルター、移動平均フィルター、ラプラシアンフィルター、ガウシアンフィルター、ソーベルフィルター、ガンマ補正フィルター、２つの画像を一つの画像に合成するフィルターなどが挙げられる。なお、画像処理フィルターは、同じ種類のフィルターであっても、カーネルサイズや係数が異なる場合には、異なる画像処理フィルターとして画像フィルター群８０に記憶される。

【0033】

遺伝子テーブル８２は、画像処理シーケンスＳｑの候補となるシーケンス要素の接続関係と、遺伝子が示す数値に対応する画像処理フィルターの種別との対応関係とを示すテーブルである。

【0034】

図４は、遺伝子テーブル８２を説明するための図である。以下では、理解の容易の為に、画像フィルター群８０は、５つの画像処理フィルターＦｔＡ～ＦｔＥで構成されているとする。実際には、５つよりも多い数の画像処理フィルターが、画像処理フィルター群に記憶されている。遺伝子テーブル８２は、画像処理フィルターの種別を示すフィルター種別ごとに、入力数と出力数と出現範囲とが規定されている。フィルター種別は、画像フィルター群８０の各画像処理フィルターや、画像入力層を識別する識別子である。図４では、画像入力層は、フィルター種別が「ｉｎ」で表されている。入力数は、画像処理フィルターや画像入力層の入力側に接続されるシーケンス要素の数を示す。入力数が「２」である場合には、２つのシーケンス要素から出力されたデータが、画像処理フィルターに入力される。出力数は、画像処理フィルターの出力側に接続されるシーケンス要素の数を示す。本実施形態では、出力数は全て「１」であり、画像処理層や画像入力層は、一つの出力側のシーケンス要素に接続される。

【0035】

遺伝子テーブル８２の出現範囲には、遺伝子の数値ＶＧの範囲が規定されている。本実施形態では、各画像処理フィルターが概ね均等な確率でランダムに画像処理シーケンスＳｑ中に出現するように、０～１の数値を６等分している。例えば、遺伝子の数値ＶＧが０以上０．１６７未満の値である場合には、この遺伝子には画像処理フィルターＦｔＡが割り当てられる。

【0036】

図２に示す個体群データ８４は、個体生成部３２によって生成された１つのルーチンにおける第１種個体群ＩＶＧａおよび第２種個体群ＩＶＧｂを有する。図５は、一つのルーチンにおいて生成される個体群データ８４を説明するための図である。本実施形態では、１つの世代Ｇで５個の個体ＩＶが生成される例を説明する。各個体ＩＶ１～ＩＶ１０は、遺伝子を配置する複数の遺伝子座が一次元的に配列されている。各個体ＩＶ１～ＩＶ１０の遺伝子長は同じであり、各個体ＩＶ１～ＩＶ１０はＮｏ．１～Ｎｏ．１０の遺伝子座に遺伝子を順に配列することで構成されている。個体生成部３２は、各遺伝子座に、０から１までの小数点第３位までの数値で表された遺伝子を配置する。つまり、本実施形態では、各遺伝子座で遺伝子が取りうる値は、０以上１以下の小数点第３位までの数値である。

【0037】

図２のさらなる説明を行う前に、図６を用いて、遺伝子翻訳部３４による画像処理シーケンスＳｑの生成処理を説明する。図６は、遺伝子翻訳部３４によって生成された木構造の画像処理シーケンスＳｑを示す図である。図６に示す画像処理シーケンスＳｑは、図５に示す個体ＩＶ１を元に生成された画像処理シーケンスＳｑ１である。

【0038】

遺伝子翻訳部３４は、個体ＩＶと、遺伝子テーブル８２と、画像フィルター群８０とを用いて、画像出力層ｏｕｔ側から順に木構造の画像処理シーケンスＳｑを生成する。まず遺伝子翻訳部３４は、画像出力層ｏｕｔを終端ノードに設定し、個体ＩＶの遺伝子の配列順にシーケンス要素を接続していく。シーケンス要素の接続は、予め定めた接続ルールに従い実行される。本実施形態では、遺伝子の配列順に、終端ノード側から優先して配置すると共に、図６に示す左側の接続先を右側の接続先よりも優先して配置するというルールに従って、画像処理シーケンスＳｑが生成される。つまり、遺伝子の配列順に、画像出力層ｏｕｔ側から画像処理層または画像入力層ｉｎを配置すると共に、入力側が複数に分かれている場合には、左側のシーケンスが画像入力層ｉｎとなるまで、左側を優先させる。なお、本実施形態では、画像出力層ｏｕｔの入力数は、「１」に予め設定されている。

【0039】

遺伝子翻訳部３４は、個体ＶＩ１のＮｏ．１の遺伝子の数値ＶＧである「０．５３４」と、遺伝子テーブル８２とを参照して、「０．７２３」が画像処理フィルターＦｔＥの出現範囲内にあることを特定する。これにより、画像出力層ｏｕｔの入力側に、画像処理フィルターＦｔＥを接続する。次に、遺伝子翻訳部３４は、遺伝子テーブル８２を参照して画像処理フィルターＦｔＥの入力数が「２」であることを特定することで、画像処理フィルターＦｔＥの入力側に２つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、個体ＶＩ１のＮｏ．２の遺伝子に対応するシーケンス要素を図６に示す左側の入力側接続先に配置する。つまり、遺伝子翻訳部３４は、Ｎｏ．２の遺伝子の数値ＶＧである「０．２９２」と、遺伝子テーブル８２とを参照して、「０．２９２」が画像処理フィルターＦｔＢの出現範囲内であることを特定する。これにより、画像処理フィルターＦｔＤの左側の入力側接続先に画像処理フィルターＦｔＢを配置する。

【0040】

次いで、遺伝子翻訳部３４は、Ｎｏ．２の遺伝子が表す画像処理フィルターＦｔＢと、遺伝子テーブル８２とを参照して、画像処理フィルターＦｔＢの入力数が「１」であることを特定することで、画像処理フィルターＦｔＢの入力側に１つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、Ｎｏ．３の遺伝子の数値ＶＧである「０．４６２」と、遺伝子テーブル８２とを参照して、「０．４６２」が画像処理フィルターＦｔＣの出現範囲内であることを特定する。これにより、Ｎｏ．３の遺伝子が示す画像処理フィルターＦｔＢの入力側接続先に画像処理フィルターＦｔＣを配置する。

【0041】

次に、遺伝子翻訳部３４は、Ｎｏ．３の遺伝子が表す画像処理フィルターＦｔＣと、遺伝子テーブル８２とを参照して、画像処理フィルターＦｔＣの入力数が「１」であることを特定することで、画像処理フィルターＦｔＣの入力側に１つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、Ｎｏ．４の遺伝子の数値ＶＧである「０．８５６」と、遺伝子テーブル８２とを参照して、「０．８５６」が画像入力層ｉｎの出現範囲内であることを特定する。これにより、Ｎｏ．３の遺伝子が示す画像処理フィルターＦｔＣの入力側接続先に画像入力層ｉｎを配置する。これにより、図６の画像処理シーケンスＳｑの左側のシーケンスの生成は終了する。

【0042】

ついで、遺伝子翻訳部３４は、個体ＶＩ１のＮｏ．５の遺伝子に対応するシーケンス要素を図６に示す右側の入力側接続先に配置する。つまり、遺伝子翻訳部３４は、Ｎｏ．５の遺伝子の数値ＶＧである「０．１３８」と、遺伝子テーブル８２とを参照して、「０．１３８」が画像処理フィルターＦｔＡの出現範囲内であることを特定する。これにより、画像処理フィルターＦｔＤの右側の入力側接続先に画像処理フィルターＦｔＡを配置する。

【0043】

また、遺伝子翻訳部３４は、Ｎｏ．５の遺伝子が表す画像処理フィルターＦｔＡと、遺伝子テーブル８２とを参照して、画像処理フィルターＦｔＡの入力数が「１」であることを特定することで、画像処理フィルターＦｔＡの入力側に１つのシーケンス要素を配置する。具体的には、遺伝子翻訳部３４は、Ｎｏ．６の遺伝子の数値ＶＧである「０．９３２」と、遺伝子テーブル８２とを参照して、「０．９３２」が画像入力層ｉｎの出現範囲内であることを特定する。これにより、Ｎｏ．５の遺伝子が示す画像処理フィルターＦｔＡの入力側接続先に画像入力層ｉｎを配置する。これにより、図６の画像処理シーケンスＳｑの右側のシーケンスの生成は終了する。以上のように、遺伝子翻訳部３４は、出力側シーケンス要素に接続される入力側接続先である入力側シーケンス要素が、全て画像入力層ｉｎになった場合には、個体ＩＶ１の全ての遺伝子を用いていない場合であっても、画像処理シーケンスＳｑの生成処理を終了する。なお、遺伝子翻訳部３４は、個体ＩＶ１の全ての遺伝子を用いた場合において、入力側接続先である入力側シーケンス要素が全て画像入力層ｉｎになっていない場合には、残りの未接続の入力側シーケンス要素に画像入力層ｉｎを設定することで、画像処理シーケンスＳｑの生成を終了する。

【0044】

個体ＶＩ１で表される画像処理シーケンスＳｑ１は、２つの画像入力層ｉｎを有する。一方の画像入力層ｉｎに入力された画像は、画像処理フィルターＦｔＣによって画像処理された後に、次いで画像処理フィルターＦｔＢによって画像処理され、第１処理画像が生成される。他方の画像入力層ｉｎに入力された画像は、画像処理フィルターＦｔＡによって画像処理されて第２処理画像が生成される。第１処理画像と第２処理画像とは、画像処理フィルターＦｔＤによって画像処理されて、画像出力層ｏｕｔによって最終的な処理後画像が出力される。

【0045】

上記のごとく、複数の画像処理シーケンスＳｑを個体ＩＶと遺伝子テーブル８２とによって容易に表すことができる。

【0046】

図７は、参照テーブル８８を示す図である。参照テーブル８８は、学習画像ＬＭごとに設けられている。図７には、複数の学習画像ＬＭのうちで、第１学習画像ＬＭ１に対応する参照テーブル８８を示している。参照テーブル８８は、参照データを識別するための識別番号と、参照データとを有する。参照データは、評価対象画像処理シーケンスＳｑａの少なくとも一部である候補シーケンスＣＳｑのうちで予め定めた登録条件を満たす候補シーケンスＣＳｑである参照シーケンスＲＳｑと、参照シーケンスＲＳｑによって学習画像ＬＭが画像処理された処理後画像ＰＩＭとを有する。処理後画像ＰＩＭは、参照シーケンスＲＳｑに関連付けられており、参照シーケンスＲＳｑのうちで最終段のノードから出力された画像である。候補シーケンスＣＳｑは、画像入力層ｉｎと画像入力層ｉｎから連続して接続された画像処理層とを含む画像処理シーケンスである。参照シーケンスＲＳｑは、シーケンス要素とシーケンス要素の接続関係とによって表されており、例えば、個体ＩＶまたは個体ＩＶの一部と、遺伝子テーブル８２とによって表されている。予め定めた登録条件とは、候補シーケンスＣＳｑが、次ルーチンシーケンスセットを構成する画像処理シーケンスとしての次ルーチン用画像処理シーケンスＳｑｂの少なくとも一部である次ルーチン候補シーケンスＰＳｑｂと同じシーケンスであるという条件である。次ルーチン候補シーケンスＰＳｑｂは、画像入力層ｉｎと画像入力層ｉｎから連続して接続された画像処理層とを含むシーケンスである。登録条件を満たすか否かは、登録部５５にとって判定される。

【0047】

図８は、仮評価値の算出方法と、参照テーブル８８に記録する参照データの生成方法を説明するための図である。図８において、説明の容易のために、個体ＩＶの遺伝子座の数および第１種個体群ＩＶＧａや第２種個体群ＩＶＧｂの個体ＩＶ数は実際の数よりも少ない。また、図８に示す個体ＩＶの遺伝子座には、本来であれば数値が割り当てられるが、理解の容易のためにシーケンス要素を示している。また、図９の個体ＩＶ１～ＩＶ９は、図５に示す各個体ＩＶ１～ＩＶ１０とは別の個体である。「ｉｎ」が画像入力層ｉｎを示す、「Ａ」～「Ｅ」は、画像処理層である画像処理フィルターＦｔＡ～ＦｔＥを示す。また、各個体ＩＶ１～ＩＶ９に示す「ｓｑ」は、翻訳された画像処理シーケンスＳｑとして用いられた遺伝子の範囲を示している。例えば、個体ＩＶ１では、全ての遺伝子を用いて評価対象画像処理シーケンスＳｑａ１が生成されている。一方で、個体ＩＶ２では、４つ目までの遺伝子を用いて評価対象画像処理シーケンスＳｑａ２が生成されている。また、図８では、特定画像処理シーケンスＤＳｑの生成処理において、Ｇ回目のルーチンと、（Ｇ＋１）回目のルーチンの処理過程を示している。ここでは「Ｇ」は、２以上の整数である。

【0048】

仮評価値算出部４８は、（Ｇ－１）回目のルーチンにおける評価対象画像処理シーケンスＳｑａの評価値ＥＶを元に、Ｇ回目のルーチンにおける評価対象画像処理シーケンスＳｑａの仮評価値ＰＥＶを算出している。

【0049】

個体生成部３２は、後述する仮評価値算出部４８によって算出された評価対象画像処理シーケンスＳｑａの仮評価値ＰＥＶが示す類似の程度ＳＤが、予め定めた仮条件を満たす評価対象画像処理シーケンスＳｑａを表す個体ＩＶを複製することで、次ルーチン用画像処理シーケンスＳｑｂとして維持する。また、個体生成部３２は、仮評価値ＰＥＶが仮条件を満たさない評価対象画像処理シーケンスＳｑａを、仮条件を満たす評価対象画像処理シーケンスＳｑａが表す個体ＩＶに対して交叉と突然変異との少なくとも一つによって次世代の個体ＩＶを生成することで新たな次ルーチン用画像処理シーケンスＳｑｂに置き換える。こうすることで、仮評価値ＰＥＶが示す類似の程度ＳＤが高い画像処理シーケンスＳｑを維持することで、特定画像処理シーケンスＤＳｑを特定するまでの処理時間をより短縮できる。また、仮条件を満たさない画像処理シーケンスＳｑは、仮条件を満たす画像処理シーケンスＳｑを表す個体ＩＶに対して交叉と突然変異との少なくとも一つによって次世代の個体ＩＶとして生成されるので、特定画像処理シーケンスＤＳｑを特定するまでの処理時間をより短縮できる。

【0050】

仮条件は、仮評価値ＰＥＶが示す類似の程度ＳＤが仮閾値以上であるという第１条件と、仮評価値ＰＥＶが示す類似の程度ＳＤが上位Ｍ個（Ｍは、１以上の整数）以内であるという第２条件と、のいずれかである。図８に示す例では、仮条件は、第２条件であり、第１種個体群ＩＶＧａから第２種個体群ＩＶＧｂを生成する場合には、上位２個以内の仮評価値ＰＥＶが示す個体ＩＶ１，ＩＶ２が複製され、第２種個体群ＩＶＧｂの個体ＩＶ６，ＩＶ７として維持されている。また、個体生成部３２は、個体ＩＶ１と個体ＩＶ２とを一点交叉によって第２種個体群ＩＶＧｂの個体ＩＶ８を生成している。また、個体生成部３２は、個体ＩＶ１に対して突然変異を行うことで、第２種個体群ＩＶＧｂの個体ＩＶ９を生成している。

【0051】

登録部５５は、評価対象画像処理シーケンスＳｑａ１～Ｓｑａ４と、次ルーチン用画像処理シーケンスＳｑｂ１～Ｓｑｂ４とを比較して、予め定めた登録条件を満たす評価対象画像処理シーケンスＳｑａの少なくとも一部である参照シーケンスＲＳｑを特定する。図８に示す例では、評価対象画像処理シーケンスＳｑａ１と次ルーチン用画像処理シーケンスＳｑｂ１とは同じ画像処理シーケンスであるため、登録部５５は、評価対象画像処理シーケンスＳｑａ１を参照シーケンスＲＳｑ１として参照テーブル８８に登録する。また、登録部５５は、同様に、評価対象画像処理シーケンスＳｑａ２を参照シーケンスＲＳｑ２として参照テーブル８８に登録する。さらに登録部５５は、評価対象画像処理シーケンスＳｑａ２のうちで、画像入力層ｉｎから連続して接続された画像処理フィルターＦｔＡ、ＦｔＤによって構成された候補シーケンスＣＳｑが、次ルーチン用画像処理シーケンスＳｑｂ３の画像入力層ｉｎから連続して接続された画像処理フィルターＦｔＡ、ＦｔＤによって構成された次ルーチン候補シーケンスＰＳｑｂと同じであると判定する。これにより、登録部５５は、評価対象画像処理シーケンスＳｑａ２の候補シーケンスＣＳｑを参照シーケンスＲＳｑ３として参照テーブル８８に登録する。

【0052】

また登録部５５は、画像処理部４０によって第１種個体群ＩＶＧａの評価対象画像処理シーケンスＳｑａ１～Ｓｑａ４を用いて学習画像ＬＭを画像処理する過程において、参照シーケンスＲＳｑ１～ＲＳｑ３の最終段のノードから出力された画像を処理後画像ＰＩＭ１～ＰＩＭ３として参照シーケンスＲＳｑ１～ＲＳｑ３と関連付けて参照テーブル８８に記憶する。

【0053】

第２種個体群ＩＶＧｂを第１種個体群ＩＶＧａとする（Ｇ＋１）回目のルーチンにおいて、評価値ＥＶを算出する前に、仮評価値算出部４８は、第１種個体群ＩＶＧａの各個体ＩＶ６～ＩＶ９が示す画像処理シーケンスＳｑの仮評価値ＰＥＶを以下の式（１）を用いて算出する。

【数1】

ここで、Ｗｉは前世代の個体ＩＶを構成する遺伝子の継承率、すなわち前回画像処理シーケンスＳｑａｍと、今回画像処理シーケンスＳｑａｎとの一致率であり、ＥＶｉは、前世代の個体ＩＶの評価値ＥＶである。一致率は、画像処理シーケンスＳｑを表す個体ＩＶの遺伝子を比較することで行われ、画像処理シーケンスＳｑとして用いられていない遺伝子も含む。つまり、一致率は、現世代Ｇｍの個体ＩＶのシーケンス要素を表す遺伝子と、現世代Ｇｍの個体ＩＶを用いて生成された次世代Ｇｎの個体ＩＶのシーケンス要素を表す遺伝子との一致率である。

【0054】

例えば、今回画像処理シーケンスＳｑａｎである画像処理シーケンスＳｑｂ３は、画像処理シーケンスＳｑａ１と画像処理シーケンスＳｑａ２とを交叉して生成されている。この場合、画像処理シーケンスＳｑｂ３の仮評価値ＰＥＶは、以下の式（２）から「０．８４」となる。

【数2】

【0055】

また例えば、今回画像処理シーケンスＳｑａｎである画像処理シーケンスＳｑｂ４は、画像処理シーケンスＳｑａ１について１つの遺伝子を突然変異することで生成されている。この場合、画像処理シーケンスＳｑｂ４の仮評価値ＰＥＶは、以下の式（３）から「０．８７」となる。すなわち、突然変異によって生成したが画像処理シーケンスＳｑｂ４の仮評価値は、生成元の画像処理シーケンスＳｑａ１の評価値ＥＶと同じになる。

【数3】

【0056】

上記のごとく、前回画像処理シーケンスＳｑａｍと、今回画像処理シーケンスＳｑａｎとの一致率を用いて２回目以降のルーチンにおける仮評価値ＰＥＶが算出されることで、仮評価値ＰＥＶと評価値ＥＶとの乖離を少なくできるので、特定画像処理シーケンスＤＳｑを特定するまでの処理時間をより短縮できる。また上記のごとく、現世代Ｇｍの個体ＩＶと次世代Ｇｎの個体ＩＶとを用いて容易に一致率を算出できる。

【0057】

図９は、生成装置２０が実行する処理を示すフローチャートである。この処理は、ステップＳ１０の特定画像処理シーケンスＤＳｑの生成処理工程と、ステップＳ１０の後に実行されるステップＳ１８０の特定画像処理シーケンスＤＳｑを利用した利用処理工程とを有する。特定画像処理シーケンスＤＳｑの生成処理工程は、生成装置２０が有するシーケンス生成処理機能によって実行される。また、利用処理工程は、生成装置２０が有する画像処理機能によって実行される。

【0058】

図１０は、ステップＳ１０の生成処理工程の詳細なフローチャートである。図１０に示すように、記憶装置７０は、ステップＳ９０において、複数の画像処理フィルターを画像フィルター群８０として記憶する。ステップＳ９０は、ユーザーが、特定画像処理シーケンスＤＳｑで用いる候補となる複数の画像処理フィルターを生成装置２０に入力することで実行される。ステップＳ９２において、学習画像ＬＭと目標画像ＴＭとを学習セットＳＭとする複数の学習セットＳＭから構成される学習データ７４が準備されて、記憶装置７０に記憶される。ステップＳ９２は、ユーザーが、複数の学習セットＳＭを生成装置２０に入力することで実行される。なお、ステップＳ９０とステップＳ９２の順序はこれに限定されるものではない。

【0059】

次に、ステップＳ９４において、個体生成部３２は、評価値ＥＶの算出対象である評価対象画像処理シーケンスＳｑａを表す第１種個体群ＩＶＧａを生成する。第１種個体群ＩＶＧａは、シーケンス要素の組み合わせが異なる複数の画像処理シーケンスＳｑによって構成されるシーケンスセットである。初回のルーチンにおけるステップＳ９４では、個体生成部３２は、上述のごとく、ランダムに画像処理シーケンスＳｑを生成する第１方法と、過去の特定画像処理シーケンスＤＳｑを用いる第２方法とのいずれかを用いる。本実施形態では、初回のルーチンにおけるステップＳ９４では、個体生成部３２は、個体ＩＶの各遺伝子座に、０から１までの小数点第３位までの数値を遺伝子としてランダムに配置する第１方法を採用することで、複数の個体ＩＶを生成する。また、２回目以降のルーチンにおけるステップＳ９４では、個体生成部３２は、後述するステップＳ９８で生成された第２種個体群ＩＶＧｂを第１種個体群ＩＶＧａとして用いることで、第１種個体群ＩＶＧａを生成する。

【0060】

次に、ステップＳ９６において、仮評価値算出部４８は、評価値ＥＶを算出する前に、第１種個体群ＩＶＧａが表す複数の評価対象画像処理シーケンスＳｑａごとに、仮評価値ＰＥＶを算出する。初回のルーチンにおけるステップＳ９６では、仮評価値算出部４８は、上述の第１算出方法と第２算出方法とのいずれか一方によって仮評価値ＰＥＶを算出する。本実施形態では、ステップＳ９４において、ランダムに評価対象画像処理シーケンスＳｑａを生成する第１方法が用いられているため、仮評価値算出部４８は、評価対象画像処理シーケンスＳｑａに対してランダムな値を仮評価値ＰＥＶに設定する。また、２回目以降のルーチンにおけるステップＳ９６では、仮評価値算出部４８は、上述のごとく前回評価値ＥＶＭと、一致率とを用いて、仮評価値ＰＥＶを算出する。

【0061】

次に個体生成部３２は、ステップＳ９８において、仮評価値ＰＥＶが示す類似の程度ＳＤを用いて、上述のごとく、次世代の複数の個体ＩＶから構成される第２種個体群ＩＶＧｂを生成することで、新たな次ルーチン用画像処理シーケンスＳｑｂを生成する。

【0062】

次に登録部５５は、ステップＳ１００において、参照テーブル８８へ参照データを構成する参照シーケンスＲＳｑを登録する。参照シーケンスＲＳｑの登録方法は、図８を用いて上述したとおりである。

【0063】

次に遺伝子翻訳部３４は、ステップＳ９４で生成した第１種個体群ＩＶＧａの各個体ＩＶを翻訳して、複数の評価対象画像処理シーケンスＳｑａを生成する。なお、ステップＳ９４は、ステップＳ９４の後であればよく、例えば、ステップＳ９４のすぐ後に実行されてもよい。

【0064】

次に画像処理部４０は、ステップＳ１０５において、参照テーブル８８を参照して、評価対象画像シーケンスＳｑａの少なくとも一部と同じ参照シーケンスＲＳｑがあるか否かを判定する。なお、このステップＳ１０５は、初回のルーチンでは省略してもよい。２回目以降のルーチン、つまり、次ルーチンシーケンスセットを表す第２種個体群ＩＶＧｂを今回のルーチンにおける評価値ＥＶの算出対象であるシーケンスセットを表す第１種個体群ＩＶＧａとして用いる場合、画像処理部４０は、記憶装置７０に記憶された参照テーブル８８の参照シーケンスＲＳｑと、シーケンスセットを構成する複数の評価対象画像処理シーケンスＳｑａのそれぞれを比較する。そして画像処理部４０は、評価値ＥＶの算出対象である評価対象画像処理シーケンスＳｑａのうちで、参照シーケンスＲＳｑと同じシーケンスであって、画像入力層ｉｎと画像入力層ｉｎから連続して接続されたシーケンス要素とによって構成されたシーケンスを特定する。また、画像処理部４０は、特定したシーケンスと同じ参照シーケンスＲＳｑに関連付けられた処理後画像ＰＩＭを特定する。

【0065】

例えば、図８において、個体ＩＶ６，ＩＶ７で表された画像処理シーケンスＳｑｂ１，Ｓｑｂ２を評価値ＥＶの算出対象とした場合では、画像処理部４０は、個体ＩＶ６，ＩＶ７が参照シーケンスＲＳｑ１，ＲＳｑ２として参照テーブル８８に登録された個体ＩＶ１，ＩＶ２と同じであるため、個体ＩＶ６，ＩＶ７の画像処理シーケンスＳｑｂ１，Ｓｑｂ２が参照シーケンスＲＳｑ１，ＲＳｑ２と同じであることと、参照シーケンスＲＳｑ１，ＲＳｑ２に関連付けられた処理後画像ＰＩＭ１，ＰＩＭ２とを特定する。また、例えば、図８において、個体ＩＶ８で表された画像処理シーケンスＳｑｂ３を評価値ＥＶの算出対象とした場合では、画像処理部４０は、個体ＩＶ８が表す画像処理シーケンスＳｑｂ３の一部である「画像入力層ｉｎ，画像処理フィルターＦｔＡ，画像処理フィルターＦｔＤ」が、参照シーケンスＲＳｑ３と同じであることと、参照シーケンスＲＳｑ３に関連付けられた処理後画像ＰＩＭ３を特定する。

【0066】

次に図１０に示すように、画像処理部４０は、ステップＳ１０６において、複数の評価対象画像処理シーケンスＳｑａのそれぞれによって学習画像ＬＭを画像処理し、複数の評価対象画像処理シーケンスＳｑａごとに画像処理後の画像である出力画像ＰＭを生成する。ステップＳ１０６では、画像処理部４０は、評価対象画像処理シーケンスＳｑａのうちでステップＳ１０５において特定した参照シーケンスＲＳｑと同じシーケンスについては、参照シーケンスＲＳｑに関連付けられた処理後画像ＰＩＭを用いて、画像処理シーケンスＳｑの出力画像ＰＭを生成する。つまり、参照シーケンスＲＳｑと同じシーケンスについては、画像処理を行うことなく処理後画像ＰＩＭをシーケンスの最終段から出力された画像として用いる。例えば、図８に示す画像処理シーケンスＳｑｂ１によって学習画像ＬＭを画像処理する場合には、画像処理シーケンスＳｑｂ１は参照シーケンスＲＳｑ１と同じであるため、参照シーケンスＲＳｑ１に関連付けられた処理後画像ＰＩＭ１を出力画像ＰＭとして用いる。また例えば、図８に示す画像処理シーケンスＳｑｂ３によって学習画像ＬＭを画像処理する場合には、参照シーケンスＲｓｑ３と同じシーケンスついては、画像処理を行うことなく参照シーケンスＲｓｑ３に関連付けられた処理後画像ＰＩＭ３を用いて、残りの画像処理を行う。すなわち、画像処理シーケンスＳｑｂ３において、画像処理部４０は、処理後画像ＰＩＭ３を画像処理フィルターＦｔＥに入力する。また、画像処理シーケンスＳｑｂ３において、画像処理部４０は、学習画像ＬＭを右側のシーケンスの画像入力層ｉｎに入力する。

【0067】

図１０に示すように、ステップＳ１０６の後に、登録部５５はステップＳ１０７において、ステップＳ１００で登録した参照シーケンスＲＳｑと同じ、画像処理シーケンスＳｑの少なくとも一部から出力された画像を処理後画像ＰＩＭとして参照データとして記憶することで参照テーブル８８を更新する。

【0068】

次にステップＳ１０８において評価値算出部４７は、ステップＳ１０６で出力された出力画像ＰＭと学習画像ＬＭに関連付けられた目標画像ＴＭとを比較して評価値ＥＶを算出する。次にステップＳ１１０において、特定部４９は、複数の最終的な評価値ＥＶを用いて予め定めた基準条件を満たす評価対象画像処理シーケンスＳｑａを特定する。予め定めた基準条件を満たす評価対象画像処理シーケンスＳｑａが無い場合には、予め定めた基準条件を満たす評価対象画像処理シーケンスＳｑａが特定できるまで、ステップＳ９４以降の処理が繰り返し実行される。

【0069】

一方、ステップＳ１１０において、予め定めた基準条件を満たす評価対象画像処理シーケンスＳｑａを特定できた場合には、ステップＳ１１１において、特定部４９は、基準条件を満たす評価対象画像処理シーケンスＳｑａを特定画像処理シーケンスＤＳｑとして出力する。出力された特定画像処理シーケンスＤＳｑは、記憶装置７０に記憶される。

【0070】

図１１は、利用処理工程のフローチャートである。利用処理工程は、図１０の生成工程によって、特定画像処理シーケンスＤＳｑが特定された後に実行される。まず記憶装置７０は、ステップＳ２００において、入力部１５０によって受け付けた複数の画像処理フィルターを画像フィルター群８０として記憶する。利用処理工程において記憶される画像フィルター群８０の複数の画像処理フィルターは、特定画像処理シーケンスＤＳｑで用いられる画像処理フィルターのみであってもよい。なお、利用処理工程と、図１０の生成工程とが同じ生成装置２０で実行される場合には、ステップＳ２００は省略でき、図１０に示すステップＳ９０によって記憶装置７０に記憶された画像フィルター群８０を用いることができる。

【0071】

次に、ステップＳ２０１において、記憶装置７０は、図８のステップＳ１１１で出力された特定画像処理シーケンスＤＳｑを記憶する。なお、ステップＳ２００とステップＳ２０１の順番は上記に限定されるものではない。

【0072】

次に、ステップＳ２０３において、画像処理部４０は、入力部１５０を介して記憶装置７０に記憶された画像であって特定画像処理シーケンスＤＳｑの画像処理の対象となる画像を読み出すことで取得する。ステップＳ２０３によって取得される画像は、例えば、学習画像ＬＭと同種の対象物を撮像した画像である。なお、画像処理部４０は、画像処理の対象となる画像が複数ある場合には、記憶装置７０に予め記憶された複数の画像のうちの一つを読み出すことで画像を取得してもよいし、後述する画像処理を実行するタイミングで対象となる画像を撮像装置２００からその都度取得してもよい。

【0073】

次に、画像処理部４０は、ステップＳ２０４において、ステップＳ２０３によって取得された画像に対して特定画像処理シーケンスＤＳｑを用いた画像処理を実行する。つまり、画像に対して、特定画像処理シーケンスＤＳｑが示す順番に従って、記憶装置７０の画像フィルター群８０に記憶された画像処理フィルターを適用して画像処理を実行する。

【0074】

次に、ステップＳ２０５において、特定画像処理シーケンスＤＳｑを用いた画像処理後の画像である出力画像ＰＭが出力される。ステップＳ２０５は、例えば、出力画像ＰＭが記憶装置７０に記憶されることで実行されたり、表示部１６０に表示されたりすることで実行される。

【0075】

次に、画像処理部４０は、ステップＳ２０６において、特定画像処理シーケンスＤＳｑを用いた画像処理を継続するかどうかを判定する。例えば、画像処理部４０は、ユーザーから画像処理の継続を示す情報が入力された場合や、画像処理の対象となる未処理の画像が記憶装置７０にまだ残っている場合に、画像処理を継続すると判定する。画像処理を継続する場合には、再びステップＳ２０３以降の処理が実行される。一方で、画像処理部４０は、ユーザーから画像処理の終了を示す情報が入力された場合や、画像処理の対象となる未処理の画像が記憶装置７０に残っていない場合には、利用処理工程を終了する。

【0076】

上記実施形態によれば、図８に示すように、仮評価値ＰＥＶを用いて次のルーチンで用いる次ルーチンセットを生成し、次ルーチンセットで用いる画像処理シーケンスＳｑの少なくとも一部と同じ参照シーケンスＲＳｑと、参照シーケンスＲＳｑによって画像処理された処理後画像ＰＩＭとを記憶装置７０に記憶することで、次ルーチンセットの画像処理シーケンスによって画像処理を行う場合に、処理後画像ＰＩＭを用いることができる。これにより、画像処理の処理時間を短縮できるので特定画像処理シーケンスＤＳｑを特定するまでの処理時間を短縮できる。また、仮評価値ＰＥＶを用いて次ルーチンセットを生成することで、次のルーチンで画像処理に用いる画像処理シーケンスＳｑを特定できるので、次のルーチンで利用する処理後画像ＰＩＭを効率良く記憶装置７０に記憶できる。これにより、次のルーチンで利用されない画像を記憶装置７０に記憶させることを抑制できる。

【0077】

Ｂ．他の実施形態：
Ｂ－１．他の実施形態１：
上記実施形態では、一つの世代Ｇに属する複数の個体ＩＶが示す複数の画像処理シーケンスＳｑによる学習画像ＬＭの画像処理は、一つの生成装置２０で順次行っていたが、複数の生成装置２０を用いて並列に行ってもよい。

【0078】

Ｂ－２．他の実施形態２：
上記実施形態では、画像処理シーケンスＳｑは、個体ＩＶと遺伝子テーブル８２とによって表されていていたが、これに限定されるものではない。例えば、画像処理シーケンスＳｑは、複数のシーケンス要素と、各シーケンス要素の接続関係を規定したテーブルによって表されていてもよい。

【0079】

Ｂ－３．他の実施形態３：
上記実施形態における、次ルーチン用画像処理シーケンスＳｑｂを生成するための仮条件は、仮評価値ＰＥＶが示す類似の程度ＳＤが仮閾値以上であるという第１条件と、仮評価値ＰＥＶが示す類似の程度ＳＤが上位Ｍ個（Ｍは、１以上の整数）以内であるという第２条件と、のいずれかである。この仮閾値と上位Ｍ個の数値Ｍは、通常の遺伝的アルゴリズムによって現世代Ｇｍから次世代Ｇｎを生成する際に用いる値よりも小さい値に設定することが好ましい。こうすることで、実際に画像処理した結果を用いて算出した評価値ＥＶが高い画像処理シーケンスＳｑが次世代Ｇｎに複製されない可能性を低減できる。

【0080】

Ｃ．他の形態：
本開示は、上述した実施形態に限られるものではなく、その趣旨を逸脱しない範囲において種々の形態で実現することができる。例えば、本開示は、以下の形態（aspect）によっても実現可能である。以下に記載した各形態中の技術的特徴に対応する上記実施形態中の技術的特徴は、本開示の課題の一部又は全部を解決するために、あるいは、本開示の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することが可能である。

【0081】

（１）本開示の第１形態によれば、画像処理シーケンスの生成方法が提供される。この画像処理シーケンスの生成方法は、（ａ）シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成する工程と、（ｂ）前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する工程と、（ｃ）前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する工程と、（ｄ）前記評価値を算出する前記工程（ｃ）の前に、前記工程（ａ）によって生成した前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する工程と、（ｅ）前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成する工程と、（ｆ）前記工程（ａ）によって生成した前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる工程と、（ｇ）前記複数の画像処理シーケンスのそれぞれに対応する複数の前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する工程と、を備え、前記工程（ａ）～前記工程（ｇ）の前記ルーチンは、前記基準条件を満たす前記画像処理シーケンスが特定されるまで繰り返し実行され、前記工程（ｆ）において、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、前記工程（ｂ）は、前記次ルーチンシーケンスセットを今回の前記ルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する。この形態によれば、仮評価値を用いて次のルーチンで用いる次ルーチンセットを生成し、次ルーチンセットで用いる画像処理シーケンスの少なくとも一部と、同じ参照シーケンスと参照シーケンスによって画像処理された処理後画像とを記憶装置に記憶することで、次ルーチンセットの画像処理シーケンスによって画像処理を行う場合に、処理後画像を用いることができる。これにより、画像処理の処理時間を短縮できるので特定画像処理シーケンスを特定するまでの処理時間を短縮できる。また、仮評価値を用いて次ルーチンセットを生成することで、次のルーチンで画像処理に用いる画像処理シーケンスを特定できるので、次のルーチンで利用する処理後画像を効率良く記憶装置に記憶できる。これにより、次のルーチンで利用されない画像を記憶装置に記憶させることを抑制できる。

【0082】

（２）上記形態において、前記工程（ｄ）において、初回の前記ルーチンでは、ランダムな値を前記仮評価値に設定することと、過去に実行した前記画像処理シーケンスの生成方法において前記工程（ｃ）によって算出した前記評価値としての過去評価値を前記仮評価値に設定すること、のいずれか一方によって前記仮評価値を算出してもよい。この形態によれば、初回のルーチンにおける仮評価値を容易に設定できる。

【0083】

（３）上記形態において、前記工程（ｄ）において、２回目以降の前記ルーチンでは、前回の前記ルーチンにおける前記工程（ｃ）によって算出した前記評価値として前回評価値と、前記前回評価値の算出元である前記画像処理シーケンスとしての前回画像処理シーケンスと、前記仮評価値の算出対象である前記画像処理シーケンスとの一致率と、を用いて前記仮評価値を算出してもよい。この形態によれば、仮評価値と評価値との乖離を少なくできるので、特定画像処理シーケンスを特定するまでの処理時間をより短縮できる。

【0084】

（４）上記形態において、前記工程（ｂ）において、前記複数の画像処理シーケンスはそれぞれ、前記画像入力層および前記画像処理層のそれぞれに対応した複数の遺伝子を配列した個体と、前記シーケンス要素の接続関係を規定した遺伝子テーブルと、によって表され、前記工程（ｅ）において、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることは、前記仮条件を満たす前記画像処理シーケンスを表す現世代の前記個体に対して、交叉と突然変異との少なくとも一つによって次世代の前記個体を生成することで実行され、前記一致率は、前記現世代の前記個体と、前記現世代の前記個体を用いて生成された前記次世代の前記個体と、の一致率であってもよい。この形態によれば、仮条件を満たさない画像処理シーケンスは、仮条件を満たす画像処理シーケンスを表す個体に対して交叉と突然変異との少なくとも一つによって次世代の個体として生成されるので、特定画像処理シーケンスを特定するまでの処理時間をより短縮できる。またこの形態によれば、現世代の個体と次世代の個体とを用いて容易に一致率を算出できる。

【0085】

（５）上記形態において、前記工程（ｄ）において、前記２回目以降の前記ルーチンでは、前記前回評価値と前記一致率とを用いて算出した値に、ランダムな値を加算することで前記仮評価値を算出してもよい。この形態によれば、ランダムな値を加算することで、仮評価値と評価値との乖離を抑制できる。

【0086】

（６）本開示の第２形態によれば、画像処理シーケンスの生成装置が提供される。この生成装置は、シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成するシーケンス生成部と、前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する画像処理部と、前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する評価値算出部と、前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する仮評価値算出部と、を備え、前記シーケンス生成部は、前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成し、前記生成装置は、さらに、前記シーケンス生成部によって生成した前記シーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる登録部と、前記複数の画像処理シーケンスのそれぞれに対応する前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する特定部と、を備え、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、前記画像処理部は、前記次ルーチンシーケンスセットを今回のルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する。この形態によれば、仮評価値を用いて次のルーチンで用いる次ルーチンセットを生成し、次ルーチンセットで用いる画像処理シーケンスの少なくとも一部と、同じ参照シーケンスと参照シーケンスによって画像処理された処理後画像とを記憶装置に記憶することで、次ルーチンセットの画像処理シーケンスによって画像処理を行う場合に、処理後画像を用いることができる。これにより、画像処理の処理時間を短縮できるので特定画像処理シーケンスを特定するまでの処理時間を短縮できる。また、仮評価値を用いて次ルーチンセットを生成することで、次のルーチンで画像処理に用いる画像処理シーケンスを特定できるので、次のルーチンで利用する処理後画像を効率良く記憶装置に記憶できる。これにより、次のルーチンで利用されない画像を記憶装置に記憶させることを抑制できる。

【0087】

（７）本開示の第３形態によれば、コンピュータープログラムが提供される。このコンピュータープログラムは、（ａ）シーケンス要素としての、（ｉ）画像を入力する画像入力層、（ｉｉ）複数の画像処理層の少なくとも一つ、および（ｉｉｉ）画像処理後の前記画像を出力する画像出力層、の組み合わせを示す複数の画像処理シーケンスであって、前記組み合わせが異なる複数の画像処理シーケンスによって構成されるシーケンスセットを生成する機能と、（ｂ）前記複数の画像処理シーケンスのそれぞれによって学習画像を画像処理し、前記複数の画像処理シーケンスごとに前記画像処理後の画像である出力画像を生成する機能と、（ｃ）前記複数の画像処理シーケンスごとに、前記出力画像と、前記学習画像に関連付けられた目標となる目標画像とを比較して、前記出力画像と前記目標画像との類似の程度を示す評価値を算出する機能と、（ｄ）前記評価値を算出する前記機能（ｃ）を実行する前に、前記機能（ａ）によって生成した前記複数の画像処理シーケンスごとに、前記評価値の推定値としての仮評価値を算出する機能と、（ｅ）前記仮評価値が示す前記類似の程度が予め定めた仮条件を満たす前記画像処理シーケンスを維持し、前記仮条件を満たさない前記画像処理シーケンスを新たな前記画像処理シーケンスに置き換えることで、次のルーチンで用いる前記シーケンスセットとしての次ルーチンシーケンスセットを生成する機能と、（ｆ）前記機能（ａ）によって生成した前記画像処理シーケンスの少なくとも一部である候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む候補シーケンスのうちで、予め定めた登録条件を満たす前記候補シーケンスである参照シーケンスと、前記参照シーケンスによって画像処理された処理後画像と、を関連付けて記憶装置に記憶させる機能と、（ｇ）前記複数の画像処理シーケンスのそれぞれに対応する複数の前記評価値を用いて、予め定めた基準条件を満たす前記画像処理シーケンスを特定する機能と、をコンピューターに実行させ、前記機能（ａ）～前記機能（ｇ）の前記ルーチンは、前記基準条件を満たす前記画像処理シーケンスが特定されるまで繰り返し実行され、前記機能（ｆ）において、前記登録条件は、前記次ルーチンシーケンスセットを構成する前記画像処理シーケンスの少なくとも一部である次ルーチン候補シーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記画像処理層とを含む次ルーチン候補シーケンスと、同じシーケンスであるという条件であり、前記機能（ｂ）は、前記次ルーチンシーケンスセットを今回の前記ルーチンにおける前記シーケンスセットとして用いる場合、前記記憶装置に記憶された前記参照シーケンスと、前記シーケンスセットを構成する前記複数の画像処理シーケンスのそれぞれを比較し、前記画像処理シーケンスのうちで、前記参照シーケンスと同じシーケンスであって前記画像入力層と前記画像入力層から連続して接続された前記シーケンス要素とによって構成されたシーケンスについては、前記参照シーケンスに関連付けられた前記処理後画像を用いて、前記画像処理シーケンスの前記出力画像を生成する。この形態によれば、仮評価値を用いて次のルーチンで用いる次ルーチンセットを生成し、次ルーチンセットで用いる画像処理シーケンスの少なくとも一部と、同じ参照シーケンスと参照シーケンスによって画像処理された処理後画像とを記憶装置に記憶することで、次ルーチンセットの画像処理シーケンスによって画像処理を行う場合に、処理後画像を用いることができる。これにより、画像処理の処理時間を短縮できるので特定画像処理シーケンスを特定するまでの処理時間を短縮できる。また、仮評価値を用いて次ルーチンセットを生成することで、次のルーチンで画像処理に用いる画像処理シーケンスを特定できるので、次のルーチンで利用する処理後画像を効率良く記憶装置に記憶できる。これにより、次のルーチンで利用されない画像を記憶装置に記憶させることを抑制できる。

【0088】

本開示は、上記以外の種々の形態で実現することも可能である。例えば、コンピュータープログラムを記録した一時的でない記録媒体（non-transitory storage medium）の形態で実現することができる。

【符号の説明】

【0089】

１０…生成システム、２０…生成装置、２５…プロセッサー、３０…シーケンス生成部、３２…個体生成部、３４…遺伝子翻訳部、４０…画像処理部、４６…評価判定部、４７…評価値算出部、４８…仮評価値算出部、４９…特定部、５５…登録部、６０…表示制御部、７０…記憶装置、７４…学習データ、８０…画像フィルター群、８２…遺伝子テーブル、８４…個体群データ、８８…参照テーブル、９４…各種プログラム、１５０…入力部、１６０…表示部、２００…撮像装置、ＣＳｑ…候補シーケンス、ＤＡ…欠陥部分、ＤＳｑ…特定画像処理シーケンス、ＥＶ…評価値、ＥＶＭ…前回評価値、ＦｔＡ～ＦｔＥ…画像処理フィルター、ＩＶ，ＩＶ１～ＩＶ１０…個体、ＩＶＧ…個体群、ＩＶＧａ…第１種個体群、ＩＶＧｂ…第２種個体群、ＬＥＶ…過去評価値、ＬＭ…学習画像、ＰＥＶ…仮評価値、ＰＩＭ，ＰＩＭ１～ＰＩＭ３…処理後画像、ＰＭ…出力画像、ＰＳｑｂ…次ルーチン候補シーケンス、ＲＳｑ，ＲＳｑ１～ＲＳｑ３…参照シーケンス、ＳＭ…学習セット、Ｓｑ…画像処理シーケンス、Ｓｑａ…評価対象画像シーケンス、Ｓｑｂ…次ルーチン用画像処理シーケンス、ＴＭ…目標画像、ｉｎ…画像入力層、ｏｕｔ…画像出力層

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】