CN100403770C - 对具有至少一个识别特征的材料进行定性判定的方法 - Google Patents
对具有至少一个识别特征的材料进行定性判定的方法 Download PDFInfo
- Publication number
- CN100403770C CN100403770C CNB2004800147354A CN200480014735A CN100403770C CN 100403770 C CN100403770 C CN 100403770C CN B2004800147354 A CNB2004800147354 A CN B2004800147354A CN 200480014735 A CN200480014735 A CN 200480014735A CN 100403770 C CN100403770 C CN 100403770C
- Authority
- CN
- China
- Prior art keywords
- signal
- recognition feature
- accordance
- value
- described method
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 177
- 239000000463 material Substances 0.000 title claims abstract description 102
- 238000011156 evaluation Methods 0.000 title abstract description 10
- 238000007639 printing Methods 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012937 correction Methods 0.000 claims description 81
- 230000011664 signaling Effects 0.000 claims description 72
- 239000013598 vector Substances 0.000 claims description 64
- 230000006870 function Effects 0.000 claims description 62
- 239000003086 colorant Substances 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000001228 spectrum Methods 0.000 claims description 29
- 238000013500 data storage Methods 0.000 claims description 27
- 230000003044 adaptive effect Effects 0.000 claims description 26
- 230000004075 alteration Effects 0.000 claims description 23
- 238000007689 inspection Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 15
- 230000035945 sensitivity Effects 0.000 claims description 11
- 238000006116 polymerization reaction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 230000001537 neural effect Effects 0.000 claims description 2
- 238000010924 continuous production Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 10
- 230000004456 color vision Effects 0.000 description 18
- 238000003384 imaging method Methods 0.000 description 10
- 241001062009 Indigofera Species 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000012925 reference material Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 230000006735 deficit Effects 0.000 description 2
- 238000013152 interventional procedure Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- PLXMOAALOJOTIY-FPTXNFDTSA-N Aesculin Natural products OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](O)[C@H]1Oc2cc3C=CC(=O)Oc3cc2O PLXMOAALOJOTIY-FPTXNFDTSA-N 0.000 description 1
- 206010016322 Feeling abnormal Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000007383 nerve stimulation Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 201000005111 ocular hyperemia Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/06—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency using wave or particle radiation
- G07D7/12—Visible light, infrared or ultraviolet radiation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41F—PRINTING MACHINES OR PRESSES
- B41F33/00—Indicating, counting, warning, control or safety devices
- B41F33/0036—Devices for scanning or checking the printed matter for quality control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/603—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer
- H04N1/6033—Colour correction or control controlled by characteristics of the picture signal generator or the picture reproducer using test pattern analysis
-
- 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
- G06T2207/30144—Printing quality
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Toxicology (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Spectrometry And Color Measurement (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
Abstract
本发明涉及一种用于对具有至少一个识别特征的材料进行定性判定的方法，其中用电子图像传感器对至少一个至少识别特征摄取彩色图像，其中由图像传感器间接或直接地产生一与彩色图像相关的第一电信号，其中一与图像传感器连接的评价装置对第一电信号进行评价，其中根据至少一基准图像产生第二电信号和存储在一数据存储器内，其中表示基准图像的至少两个不同的特性的第二电信号分别具有一个对第一电信号的额定值，其中第一信号与至少两个在第二电信号内含有的额定值进行比较，其中在比较时至少对识别特征的彩色图像与基准图像的色差和对识别特征对识别特征的特定分类的属性或对其特定的几何轮廓或对其与材料上的至少另一识别特征的相对设置进行检查，其中在印刷机的连续的生产过程中或在一对材料处理机器的连续的工作过程中进行所述的检查。
Description
本发明涉及一种根据权利要求1、2或3的前序部分所述的用于对具有至少一个识别特征的材料进行定性判定的方法。
在印刷工业中大量地采用摄像***用于不同的应用，例如用于检查***、纸带观察***或套准测量***，其中这些***设置在印刷机中或在一对承印材料进行加工的机器上。另外要求这些***应实施其“在线”功能，即与印刷机或对承印材料加工的机器的工作过程结合在一起，由于摄像***提供的数据量很大和印刷机或对承印材料加工的机器的加工过程很迅速，此点对相应的摄像***将意味着很大的挑战，以便例如在进行质量检查时，甚至对利用分光光度计很难识别的识别特征进行检查时，尽管材料的输送速度很高，但在短暂的用于判定的时间内仍能实现可靠的判定，优选可以实现对每个识别特征可靠的判定。为实现图像的摄取这种摄像***大多采用电子图像传感器，特别是具有由CCD芯片构成的图像传感器的彩色摄像机，其光敏像素根据在观察范围内摄取的颜色提供一个输出信号，例如在三个单独的大多表示红、绿和蓝颜色的信号通道内的输出信号。
已知的摄像***在对彩色材料，特别是对彩色印刷的材料检查时的问题在于，彩色摄像机提供的图像数据常常与肉眼的色觉不相符。这种彩色摄像机的未经处理的图像数据就色平衡、亮度、对比度和色调再现方面针对与人肉眼的色觉相符的色协调是不足的。除了物镜和照明装置的缺陷外，该问题的主要原因在于所采用的彩色摄像机的光谱敏感度分布。当所采用的彩色摄像机的敏感度分布与人的肉眼的敏感度分布不一致时，将导致由彩色摄像机提供的图像数据在后续的继续处理时，例如在彩色监视器上显示时将会导致错误的视觉印象，从而在检查时出于此原因几乎不可能对印刷的材料进行适度的定性判定。
基于在先的生产过程的原因将会在检查过程中出现有待判定的识别特征的位置在特定的容限范围定义的预期范围内变化的现象。例如窗线的位置，例如在纸币或有价证券上采用的窗线的位置由于制造窗线的生产工艺的特性将对应于印帖上的纸币或有价证券的印刷图像发生变化。由于在对一个作为额定值定义的印刷样品与实时的印刷图像比较时将进行逐图像位置位置顺序比较，从而在检查***中这种基本上是容许的识别特征的位置偏差将会产生干扰信号，以致识别特征的位置偏差被判定为差错，而实际上此差错并不存在。
例如在DE19613082A1中披露了一种方法，其中印刷的材料，例如对印刷有纸币的具有银线、全息防伪标识(Hologramm)或Kinegramm防伪标识的印帖用照明装置进行照明，使被印刷的材料反射的光线落在光电传感器上。接着在一评价装置，例如在一具有相应的评价软件的标准计算机中对被光电传感器摄取的图像进行评价和检查印刷差错。但在此评价的前提是，位置变化的识别特征必须具有充分高的反射能力，其中例如识别特征是闪光的银线。但因此的缺点是，用评价装置对那些其图像特性在利用光电传感器摄取后不能充分明显的与其余的印刷图像的图像特性区分开的识别特征不能充分可靠地进行识别，例如彩色的窗线就是这种情况。
在DE10132589A1中披露了一种用于对具有至少一个识别特征的印刷材料进行定性判定的方法，其中用图像传感器对有待判定的材料的图像进行摄取和在评价装置中对图像的几何轮廓和/或多个识别特征的相对设置进行评价。
在在后公开的DE10234086A1中披露了一种在对检查体的图像内容进行样品识别时对电子图像传感器的信号评价的方法，其中对检查体的对特定的检查体的分类的属性进行判定。
在DE19802781A1中披露了一种采用数字图像分析的方式对贵重目的物进行识别的测量装置，其中窄带的激励光源，例如可调谐的激光器用窄的频率范围的光线在选定的位置范围内对目的物进行照射，其中被目的物反射的光线或一在目的物上通过对其的照射感生的放射被一个具有多个像素的光度校准的CCD摄像机摄取、数字化和作为对每个像素加以说明的数据组被输送给计算机和存储在一个存储器内，其中可以对摄取的目的物附加进行测量，从而可以对数据组加入有关不同的目的物的几何设置、其相互的间隔或其凸起结构的深度的信息。根据该图像采集提出的数据组例如可以通过互联网分别用于该数据组与对另一个目的物提出的数据组的比较，以便对在异地的另一目的物与第一目的物是否吻合，即与原始物是否吻合进行检查，和随之对其真伪进行检查。
在CH684222A5中披露了一种用于对样品，例如纸币或硬币进行分类的装置，其中一多级学习分类***在样品上通过对特征矢量与矢量的额定值的比较顺序地进行至少三种检查，其中光源对样品进行辐射和传感器在离散的时间点对被样品反射的光线进行测量。
通常用于对样品进行识别的特定的方法对诸如多元目的物的间隔尺寸等相同性加以确定，或所述方法用于计算整体的阈值分布。这些方法建立在平移不变的输出光谱的基础之上。但实际上经常会出现如下情况：例如在摄像***下面的目的物出现移动、摄取时背景不同或混淆效应，从而在许多情况下不能进行对这些输出光谱与存储的额定值的直接比较。
本发明的目的在于提出一种在印刷工业中采用的用于对具有至少一个识别特征的材料进行定性判定的方法。
根据本发明所述目的采用权利要求1、2或3的特征得以实现。
本发明的优点尤其在于，在对材料摄取的彩色图像，特别是识别特征具有光学特性，所述的光学特性仅采用光分度方法不能可靠的进行识别的情况下，也可以对材料，特别是对具有至少一个识别特征的印刷材料进行可靠的定性判定。由于本发明推荐的方法不以被定性判定的材料必须具有明显的反射能力为前提条件，所以在实际上可以判定作为识别特征的任何可以进行光学辨识的材料特性或特征，因而明显增大了本发明方法的应用范围。因此与应用相关可以判定识别特征所在的位置。检查仅针对在识别特征与其周边之间是否存在一个可光学辨识的差别。对此差别加以考虑，以便对材料进行定性判定，其中也包括对其进行识别或对其真伪进行检查。
另外本发明还以识别特征在一被容限范围决定的预期范围内变化为出发点，因此本发明推荐的方法可以实现特别良好的结果。另外被图像传感器采集的色彩的色调、饱和和亮度充分精确地设置在色空间内，所述色空间与肉眼的色觉相符，从而显示装置，例如彩色监视器以彩色图像的方式就像直接用肉眼对材料的检查那样，色彩逼真地对材料再现，从而对照彩色图像可以实现对材料和其识别特征的可靠的定性判定。
其中例如在印刷领域普遍应用的所谓的CIELAB(国际照明委员会Lab表色系)色空间适用于作为色空间。在CIELAB色空间内通过额定值与对CIELAB色空间的参数L，a和b加以说明的实际值之间的色差ΔE给定出色差的重要的特性参数，其中参数L表示亮度，a表示红/绿值和b表示黄/蓝值。这些参数也被称作CIE值。其它的特性参数是色调差ΔH和饱和差ΔC，其中在多色印刷时特别是色调差ΔH是重要的特性参数，这是因为就色泽而言在主观上感觉到的干扰要大于对亮度差加以说明的饱和差ΔC。例如小于或等于1的色差ΔE意味着一看不出来的色差，等于2的色差ΔE意味着有微弱的色差，等于3的色差ΔE意味着一可以识别出的色差，等于4的色差ΔE意味着明显的色差和大于5的色差ΔE意味着存在剧烈的色差。CIE值a和b的数值范围从绿或蓝色的-100到红或黄色的+100，亮度L的数值范围从0(黑色；完全吸收)到100(白色；完全反射)。三数值L＝50，a＝0，b＝0表示中性的平均灰色。
在人的肉眼内的视网膜上存在三种锥体(S；M；L)，所述锥体对不同的光谱波段入射的光线进行吸收。S锥体的最大吸收在蓝色的波段内，即420nm。M锥体的最大吸收在绿色的波段内，即534nm。L锥体的最大吸收在黄色/红色的波段内，即564nm。人们把这种利用三种锥体的观视称作三基色观视。通过对各种锥体的不同的强刺激引起色印象。当对所有种类的锥体的刺激强度相同时，则导致得出白色的色印象。
但用这种三基色观视模型并不能对诸如颜色相克作用和颜色恒定等色觉现象加以解释。颜色相克作用意味着，特定的颜色之间没有过渡，即在这些颜色之间的颜色过渡是不可能的。具有颜色相克作用的颜色被称作补色或互补色。例如颜色对红/绿、蓝/黄以及黑/白。就颜色恒定而言，光线的不同的光谱分布得到补偿，例如所述不同的光谱分布取决于气候或日照条件。
在1920年赫林提出了补色理论，以便不同于经典的三基色模型对这些色觉现象加以解释。补色模型的出发点在于，锥体设置在感受区内，即在蓝/黄和红/绿区内。所述感受区系指神经以及通过神经刺激锥体进一步处理的方式。主要有两种感受区负责色觉。第一感受区由L和M锥体获得输入，第二感受区由S锥体连同对L和M锥体的不同加权的刺激获得输入。其出发点是，在神经或感受区层上进行相减的颜色混合对锥体进行刺激。
在技术上大多采用三基色模型对相加的彩色成像加以说明，所述模型是RGB(红、绿、蓝)模型。在RGB模型中用三基色-红、绿和蓝说明色空间。但这种模型的缺点特别在于，用RGB模型进行的说明与肉眼的色觉是不相符的，这是因为其中并未对人的感受特性和感觉器官的感觉加以考虑。
电子图像传感器，特别是彩色摄像机的CCD芯片通常具有多个例如矩阵形设置的光敏像素，例如有一百万个或一百万以上的光敏像素，通常这些像素中的每一个像素根据在观察范围内摄取的彩色光线产生一个与彩色图像相关的第一电信号，所述信号例如被分配给三条相互独立的信号通道，其中每个信号通道在观察的时间点大多提供一个与基色红、绿和蓝相对应的第一电信号的部分。人们把这种信号称作RGB信号。优选将每条信号通道(R；G；B)的光谱敏感度调整到人的肉眼的光谱敏感度上，例如R＝红色，在564nm上，G＝绿色，在534nm上和B＝蓝色，在420nm上。而且还对整个第一电信号就色调、饱和和亮度与人的肉眼的色觉进行适配调整。因此，一个采用这种摄像机摄取的彩色图像由多个像点构成。
本发明的方法的特征在于，从至少一个基准图像获得第二电信号并存储在数据存储器内，其中第二电气信号至少构成第一电信号的额定值，分别通过第一信号与第二信号就是否达到额定值或与额定值一致的比较对至少识别特征的彩色图像与基准图像的的色差和/或识别特征对识别特征的特定分类的属性和/或特定的几何轮廓和/或与材料的至少另一个识别特征的相对设置进行检查。为了提高检查的可靠性对材料和/或其识别特征优选同时始终针对至少两个上述的标准进行检查。为此同时在平行的和相互独立进行的检查过程中对彩色图像进行至少两种检查，特别是对识别特征与基准图像的的色差和识别特征对识别特征的特定分类的属性或特定的几何轮廓或与材料的至少另一个识别特征的相对设置进行检查。采用推荐的方法，基于对检查安全和实施本方法实现的检查速度的考虑，即使在印刷机的连续的印刷过程中或在对印刷材料继续加工的机器的连续的工作过程中也可以实现对印刷材料的判定，进行对材料的质量检查。所述材料特别系指高级的印刷产品，所述印刷查品出于对安全的考虑需要进行认真的检查和对所述产品例如考虑到印刷特性的稳定性提出的要求很高，所述产品尤其是纸币或有价证券。
对彩色图像与基准图像的色差的检查的优选方式如下：利用第一计算规则对在第一信号通道提供的属于彩色图像的第一信号的部分与在第二信号通道提供的部分进行逻辑连接，从而产生第一对照色通道的输出信号，利用第二计算规则对属于彩色图像的第一信号的在第三信号通道提供的部分与在第一和第二信号通道中的部分逻辑连接，从而产生第二对照色通道的输出信号，和通过与额定值的比较对对照色通道的输出信号进行分类。
以如下方式进行识别特征对识别特征的特定分类的属性进行检查，利用至少一个计算规则将由图像传感器提供的第一电信号变换成具有至少一个特征值的平移不变的信号，用至少一个模糊的属性函数对特征值进行加权，利用由至少一个规则构成的计算规则通过对所有属性函数的逻辑连接产生上层的模糊的属性函数，根据上层模糊的属性函数求出一个赞同值(Sympathiewert)，将赞同值与阈值进行比较和根据该比较的结果对识别特征对识别特征的特定分类的属性进行判定。
优选采用如下方式对识别特征的特定的几何轮廓或与材料的至少另一识别特征的相对设置进行检查，将至少一背景额定值和至少一个掩膜额定值存储在数据存储器内，其中背景额定值表示在环围识别特征的预期范围的至少一个部分上的有待判定的材料的至少一个特性和其中掩膜额定值表示识别特征的几何轮廓或多个识别特征相互之间的相对设置，在对材料进行检查时由图像传感器提供的第一电信号和背景额定值得出至少预期范围内的差值，通过对差值与掩膜额定值的比较推导出识别特征的实时位置和在对材料进行定性判定时将有待判定的材料的根据识别特征的实时位置得出的范围进行析出。
采用如下方式对第一电信号与人的肉眼的色觉进行适配调整，在每个观察时刻点由图像传感器提供的RGB信号作为矢量的输出信号，其中RGB信号矢量的系数与一特别是平方的修正矩阵相乘，从而使第一电信号的所有表示信号通道的部分接近于人的肉眼的色觉。通过RGB信号矢量与修正矩阵相乘一方面实现所有印刷色在一原则上是任意的色空间的相对精确的设置，另外通过与修正矩阵相乘可以采用数据技术简单地实现对RGB信号的适配调整，从而即使在图像传感器的多个像素同时提供大量的RGB信号的情况下也能在一个实际的***中加以实现。
当然修正矩阵的修正系数对实现所推荐的对RGB信号修正的质量是特别重要的，这是因为分别根据对该系数的选择可以对RGB信号矢量进行不同方式的变换。修正矩阵参数例如可以由经验值构成，和存储在数据存储器内。
推荐一种迭代近似算法，以便对修正矩阵的修正系数可变地对不同的边界条件，例如针对所采用的彩色摄像机、照明条件或所采用的光学器件进行适配调整。在实施该近似算法时预给定一个基准色图表，例如具有288个色区的IT8图表。在色区内示出不同的基准色。另外，已知将不同的基准色设置在相应的色空间内，例如设置在CIELAB色空间内。通过已知的变换可以根据基准色图表的不同的基准色的预定的CIBLAB值计算出三个信号通道的额定值。因此基准色图表是近似算法的输入参数和针对每个基准色对每个信号通道给出一个具有额定值的矢量作为所需要的换算结果。在实施近似算法确定修正矩阵的系数时，用彩色摄像机的图像传感器摄取基准色图表和为每个色区求出一个RGB信号矢量。彩色摄像机的RGB信号矢量与具有额定值的矢量之间的差与人肉眼的色觉和彩色摄像机的敏感度分布之间的差相等。
为了在采用相应的摄像***时不必将照射源校准到标准光源上，可以进行另一修正步骤。在该修正步骤中对RGB信号矢量的系数进行换算，使其结果与在用标准光线对观察范围照明得出的某个RGB信号矢量相等。最好按如下方式对用于RGB矢量对不同的照明源的适配调整的色修正值和修正值的变化进行计算。
在印刷领域目前仍采用标准光D50。通过对白色点D50的预给定可以通过换算将Rec.709与D50适配，从而使非线性的RGB信号矢量的情况就好象用D50照明的待检查的目的物一样，而不必采用标准光照明。这种发法的优点是，在标准光的预给定预期将发生变化时，立刻可以进行适配调整。
迭代的基础是修正矩阵，修正矩阵的系数作为初始值。对该初始值可以随机选择或根据特定的经验值进行选择。在第一迭代步骤中将该修正矩阵与所有由图像传感器提供的RGB信号矢量相乘和将由此获得的修正后的RGB信号矢量中间存储在数据存储器内。接着对修正矩阵的系数略加改变和重新相乘。只有当修正后的信号矢量接近与具有预定的额定值的矢量时，才接受修正矩阵系数的变化。
在每个迭代步骤对修正后的RGB信号矢量与具有预定额定值的矢量的近似程度进行评价，以便根据此评价做出关于在该迭代步骤中进行的修正矩阵系数的变化接受或放弃的决定。一种有益的评价方法是，对基准色图表的每个色区求出经修正的RGB信号矢量与具有该色区的预定额定值的矢量之间的差值和将所有这些差值累加。只有当在该实时的迭代步骤中所有差值的总和小于在在先的迭代步骤中的所有差值的总和时，才在实时的迭代步骤中接受修正矩阵的修正系数的变化。与此相反，当通过对修正矩阵系数的变化所有差值的总和大于在先的迭代步骤中的所有差值的总和时，则此系数的变化将被放弃。通过对有关所有基准色的差值的相加的观察可以增大在迭代步骤中针对具体的基准色的差。但总体上讲仍可以可靠地保证所有信号通道的差值的最小化。
摄像***的另一问题是对色平衡的正确的调整，即对不同的信号通道的正确的加权。为了实现各个信号通道的色平衡相互之间的调整可以将每个RGB信号矢量的系数分别与一个取决于信号通道的修正系数相乘。同时对每个RGB信号矢量加入一个修正矢量。每个RGB信号适量的的信号通道的修正与RGB信号矢量的各个系数的线性移动相符。
当对修正矢量和取决于信号通道的修正系数的选择使通过采用修正矢量和修正系数进行的修正获得的修正后对两个具有基准灰度值黑和白的RGB信号矢量精确地与这两个色区的具有预定的额定值的矢量相符时，则可以实现非常好的色平衡。即换句话说，RGB信号矢量的线性移动的选择应对两个基准灰度值黑和白得出修正的结果，所述结果与人的肉眼的对比度敏感度相符。该线性移动优选用于所有的RGB信号矢量，从而使亮度和对比度在色谱中自动地一并被修正。
在采用彩色摄像机时会出现颜色失真和特别是在摄取的图像边缘上会出现强度减弱的的现象。该色失真是由于所采用的光学***，例如所采用的透镜造成的。为实现对这种强度降低的修正可以采用所谓的图像斑点修正。为此对图像传感器的每个像素预定取决于信号通道的修正系数。通过用RGB信号矢量的系数与取决于像素的修正系数相乘可以实现对像素特有的色失真或在图像传感器的不同的范围内结构造成的强度降低进行补偿。
例如可以采用简单的方式通过实验求出这些像素特有的取决于信号通道的修正系数，其中用一种均匀的材料，特别是用一种均匀的白色材料对彩色摄像机的观察范围进行设计和用摄像机求出每个像素的RGB信号矢量。然后从所有这些RGB信号矢量滤出那些具有最大数值的系数和因此表示观察范围内的最亮的位置的RGB信号矢量。但由于观察范围具有均匀色的材料，所以所有像素提供的基本相同一致的RGB信号矢量。即相应的差的原因在于色失真或结构造成的强度降低。为了对此点加以补偿，这时为每个单独的像素的每个信号通道选择相应的修正系数，所述修正系数用于使在对均匀的色材料进行摄取时所有的RGB信号矢量与在观察范围内的在亮的位置上的RGB信号矢量相符。
信号失真特别是大大取决于在观察范围内的照明条件。为了消除因变换照明条件而产生的差错源，在对像素特有的取决于信号通道的修正系数进行实验确定时的照明必须与摄像***在最后一次使用时的照明相符。
在应用对第一电气信号与人肉眼的色觉进行适配调整的许多应用情况下将修正后的RGB信号矢量，所述RGB信号矢量是通过对原始由彩色摄像机提供的RGB信号矢量的修正获得的，用于对色监视器的独立的信号通道进行控制。在彩色显示器进行彩色显示同样会出现问题，大多数彩色显示器的显示特性与人肉眼的色觉是不相符的。此点特别是由于彩色监视器的亮度特性通常是非线性的，即在彩色监视器上再现的光线的强度是加在彩色监视器上的电气输入信号，在此为RGB信号矢量的非线性函数。换句话说，根据人的肉眼的色觉进行修正的RGB信号矢量直接被传递给彩色监视器和在彩色监视器上在没有考虑到彩色监视器的亮度特性的非线性的情况下被显示出，因此在彩色显示器上将会出现彩色图像上的失真。因此对在彩色显示器上显示的材料，特别是具有识别特征的材料进行可靠的定性判定客观上是不可能的。
为了避免在彩色显示器进行显示时出现色失真，可以分别用系数γ求出作为基础的修正的RGB信号矢量的系数的幂。通过采用这种对修正的RGB信号矢量的系数的非线性换算可以实现大多数彩色监视器的亮度特性的非线性的补偿。对大多数彩色监视器的系数γ的值可以在0.3-0.5之间，特别是大约0.45进行选择。
在采用检查彩色图像与基准图像色差的方法时对人的色觉对刺激的处理进行模拟。为了对具有不同的光谱敏感度的人的肉眼的三种锥体进行模拟，如上所述对由图像传感器摄取的每个像素的彩色图像提供一个信号矢量，所述信号矢量的系数优选表示三个相互独立的信号通道。这三个信号通道的每一个信号通道具有特性的光谱的敏感度。通过对三个相互独立的信号通道的相应的逻辑连接实现两个构成人的视觉的的两级彩色处理的感受区的模拟。人的色觉的红/绿区构成技术模型中第一对照色通道。通过在第一信号通道中的信号矢量的部分与在第二信号通道中的信号矢量的部分的逻辑连接产生第一对照色通道的输出信号。利用由至少一个演算规则构成的计算规则进行逻辑连接。通过在技术模型中在第三信号通道中的信号矢量的部分与在第一和第二信号通道中的部分的组合的逻辑连接产生蓝/黄区。通过上述的逻辑连接产生第二对照色通道的输出信号。用第二计算规则进行逻辑连接，所述计算规则由至少一个演算规则构成。为了对被检查的像素的信号矢量进行打分，在下面的步骤中对两个对比色通道的输出信号进行分类。依次可以判定被检查的像素的信号矢量和色区是否符合一特定的类别，从而实现好/坏的分类。
只要涉及的是具有不同的光谱灵敏度的信号通道，则本方法的信号通道在哪个光谱范围内工作对于本发明的原理并不重要。最好信号通道与RGB模型的三基色，即红、绿和蓝相对应，因此可以回溯到普及的色模型。最好每个信号通道的光谱灵敏度与肉眼的视网膜的三种锥体的光谱灵敏度适配。
以何种方式产生对照色通道的两个输出信号对本发明的原理不太重要。一种方式是，根据第一计算规则的一演算法则求出第二信号通道中的信号矢量的部分与第一信号通道中的信号矢量的部分之间的加权的差和/或根据第二计算规则的一演算法则求出第一和第二信号通道的部分的加权的和与第三信号通道中的部分之间的加权的差。
优选对在至少一个对照色通道内的至少一个信号在逻辑连接之后和/或之前实施变换，特别是实施非线性变换。进行变换的优点尤其在于，考虑到了电子产生的彩色图像的数字特性。同样通过变换实现了信号从色空间向一可以对锥体的刺激加以说明的空间的变换。最好对两个对照色通道内的信号进行变换。
由于用低通滤波特性对人的视觉的感受区加以说明，所以最好利用低通滤波器对在至少一个对照色通道内的至少一个信号进行滤波。优选利用低通滤波器对每个对照色通道的输出信号进行滤波。
所述方法优选具有一个学习方式和一个工作方式。特别是一个对图像传感器的信号进行处理的评价装置可以在两种工作方式，即在学习方式和工作方式之间转换。在学习方式时对至少一个基准图像进行逐像素地检查，例如对至少一个单独的印帖进行摄取和通过基准图像产生的两个对照色通道的输出信号作为构成额定值电气信号被存储在数据存储器内。具体地说，这意味着，为例如三个信号通道提供基准图像的信号矢量，对在每个信号通道提供的信号矢量的部分根据敏感度进行适配调整和接着将这些部分根据对照色模型相互逻辑连接。每个对照色通道的输出信号然后被逐像素地被存储在数据存储器内。在下面的工作方式时相应的像素通过被检查的彩色图像产生的输出信号与相应的分别作为额定值存储在数据存储器内的值进行比较和接着进行分类判定。
为了对彩色图像的色波动，也包括在摄取图像时的条件波动加以考虑，最好由多个基准数据组形成存储在数据存储器内的值，从而为数据存储器内的每个值确定一个容许的容限窗，对照色通道的在进行图像检查时产生的输出信号值可以在所述容限窗内变化。其中例如通过算术求出的各个值的中间值求出对照色通道的输出信号的额定值，其中由基准数据组得出各个值。例如可以通过最小和最大值或通过对照色通道的通过被检查的基准图像产生的每个像素的对照色通道的输出信号的标准偏差对容限窗加以确定。
优选以如下方法步骤实施对识别特征对识别特征的特定类别的属性检查的方法：生成特征、模糊化、干涉、去模糊化和对分类属性的判定。
在生成特征时，利用至少一个计算规则将由图像传感器提供的第一电气信号转换成在特征空间内的平移不变的信号。特征生成的目的在于对那些对彩色图像的典型的信号特性加以说明的参量加以确定。用所谓的特征表示彩色图像的典型的信号特性。其中可以用特征空间内的数值或通过语言变量表示特征。通过第一电气信号向特征空间的转换产生一个信号，所述信号由一个特征值或多个特征值构成。
通过至少一模糊的属性函数对特征值对一个特征的属性加以说明。其中涉及的是一个软的或甚至模糊的归属，其中根据特征值的数值特征值对特征的属性在一标准化的间隔0和1之间。属性函数的方案导致一特征值不再是完全属于或完全不属于一个特征，确切地说是一个模糊属性，所述模糊属性在布尔概率值1和0之间。所述的步骤被称作模糊化。在模糊化过程中主要是将一个精确的特征值转换成一个或多个模糊的属性。
在干涉过程中利用一个计算规则产生上层的属性函数，所述计算规则由至少一个法则构成，其中所有属性函数被相互逻辑连接。从而为每个窗获得一个上层的属性函数。
在去模糊化过程中根据在干涉过程中形成的上层的属性函数求出一个数值，该数值也被称作赞同值(Sympathiewert)。在对分类属性判定时进行赞同值与在先确定的阈值进行比较，根据所述阈值判定窗对一特定的类别的属性。其中阈值构成另一个在第二电气信号内含有的额定值。
特征值以何种方式在特征空间内对于本发明的方法的基本过程是不太重要的。例如时间信号的平均值或变量可以被确定为特征值。如果对用于检查识别特征对识别特征的特定类别的属性进行检查的方法提出如下要求，彩色图像应与分别在先的信号强度无关被完美地处理，另外彩色图像的微小的但容许的波动不会导致干扰，最好采用两维光谱变换由两维位置空间对第一电气信号进行转换。例如相应的光谱变换是两维的傅立叶或沃尔什或哈达码或循环变换。通过两维的光谱变换获得平移不变的特征值。优选采用通过光谱变换获得的光谱系数作为特征值。
优选属性函数是单模势函数。上层的属性函数优选是多模的势函数。
最好将至少一个属性函数参数化。当属性函数具有正的和负的增长时，最好可以分别对正增长和负增长加以确定。从而保证了参数与待调查的数据组的适配。
根据一特别优选的实施例，本发明的方法重新被分成两个不同的作业方式，即学习方式和工作方式。在属性函数被参数化时，可以在学习方式根据测量出的数据组求出属性函数的参数。在学习方式时，属性函数的参数与所谓的基准图像相适应，即在学习方式时利用属性函数及其参数由基准图像得出的特征值推导出相应的特征。在下面的工作方式时对由接着测出的数据组得出的利用属性函数及其参数在学习方式求出的特征值加权，从而建立这时测出的数据组的特征值对相应特征的属性。通过将方法分成学习方式和工作方式对照测出的基准数据可以求出属性函数的参数。在工作方式时用在学习方式时确定的属性函数对被检查的数据组加权和打分。
另外最好优选至少一个将属性函数相互逻辑连接的法则是“如果...则”逻辑连接意义上的逻辑法则。
优选上层模糊属性函数的生成分成如下分步骤：前提评价、激活和聚合。在进行前提评价时对法则的每个如果部分确定一个属性值。接着在进行聚合时通过所有在激活时产生的属性函数生成上层的属性函数。
最好特别是根据重点方法和/或最大值方法求出赞同值。
对识别特征的特定的集合轮廓和/或与材料的至少另一个识别特征的相对设置建立在如下基本构思的基础上，在对位置变化的识别特征进行评价时，所述的识别特征的光学特性，例如反射能力不足以充分可靠地进行识别，需附加将已知的有关识别特征的信息输入评价装置中。其前提是，位置变化的识别特征，例如彩色窗线的光学特性，例如灰度值至少在部分范围内与其余的被检查材料，例如环围识别特征的印刷图像相区别，其区别程度应至少使识别特征与印刷图像之间不存在完全一致的现象。因此确定位置变化的识别特征的位置时对有关已知的识别特征的几何轮廓或多个在印刷图像上存在的识别特征的相对设置的附加信息进行评价。其中该附加的信息是在对每个被评价的材料在数据存储器内作为掩膜额定值被存储的掩膜基准，所述掩膜基准表示相应方式的几何数据。
另外在数据存储器内作为基准存储有一个背景额定值，所述背景额定值表示对识别特征环围的至少一部分环围范围内的印刷图像的光学特性。背景额定值的光学特性必须至少与被检查的识别特征的光学特性有微弱的区别。在对材料进行检查时由图像传感器提供的实时第一电气信号和背景额定值求出一个表示至少预期范围的差分图像的差分值。
在差分图像中采用减法将其光学特性与背景额定值相符的基本上印刷图像的所有的特征进行遮蔽。仅识别特征和诸如印刷差错或边棱偏差等其它因素的位置可变的范围基于其对应于背景基准值的偏差在差分图像上成像，其中位置变化的识别特征的范围具有高的幅度。
一旦存在差分值，则将对差分值与掩膜基准的掩膜额定值进行比较和根据比较的结果重新获得识别特征的实时位置。该方法步骤的考虑是，差分图像主要由位置变化的识别特征的成像确定，从而根据掩膜基准与差分图像之间在很大程度上的重叠可以重新获得位置变化的识别特征的实际位置。如果由于其它差错的影响不能求出掩膜额定值与差分值之间的充分的重叠。由于此点例如仅导致在印刷图像控制台上对差错的显示和导致将相应的印帖的剔除，所以并没有危险。
优选在在后的对材料进行判定时，对由识别特征的实时位置得出的印刷图像的范围进行析出，从而通过对识别特征的位置可变的设置可以避免在对印刷图像进行检查时的干扰。
在实施本发明的方法时可以采用如下方式实现对位置变化的识别特征的识别的进一步改善，二值化的门限被存储在数据存储器内。在根据实时的第一电器信号和背景额定值求出差分图像之后，可以从差分图像中滤掉其值低于二值化的门限的所有图像数据。即在差分图像中仅保留那些充分明显地有别于其余的印刷图像的像点，从而从差分图像中对诸如印刷差错和边棱偏差等绝大部分其它的偏差进行遮蔽。
在对实时印刷图像中的位置变化的识别特征进行定位时对掩膜基准进行移动，直至实现掩膜基准和差分图像之间的最大的重叠。其中可以采用不同的数学的打分方法，以便对掩膜基准与差分图像之间的重叠的程度进行打分和实现相应的最大重叠。当然可以由接受过充分训练的检验人员的光学观察对重叠进行判定，但此点由于很高的人员费用和在大多数情况下处理速度很慢，因而很不经济。所以在采用相应的数学运算的情况下尽可能采用电子数据处理的方法对差分图像与掩膜基准的重叠进行计算。
用于对掩膜基准和差分图像之间的重叠的评价的方案在于，根据在差分图像中的像点的光学分布对重点进行计算和将这些重点与掩膜基准的重点进行比较。当掩膜基准与差分图像之间的重点差的总和被减小到最小的程度时，则得出最大的重叠。
实施这种用于检查识别特征的特定的几何轮廓和/或与材料的另一识别特征的相对设置的方法的前提是将相应的背景额定值存储在数据存储器内。原则上将可以简单地作为方法参数，例如根据一个或多个经验值对背景额定值进行预给定。但最好专门在一学习方式时根据被检查材料的相应的印刷图像对背景额定值加以确定。为此在下面对两种方案加以说明。
根据用于确定背景额定值的第一方案在学习方式时采用基准材料，所述材料不含有位置变化的识别特征。例如为此可以采用印刷有纸币或有价证券的印帖，其中没有窗线。通过对没有识别特征的基准材料的评价可以推导出背景额定值。
如果没有不具有识别特征的基准材料供使用，也可以用具有包含有位置变化的识别特征的基准材料实施学习方式。当在对基准材料的印刷图像进行评价时位置变化的识别特征与周边的范围相比突出地亮，这时选择与识别特征的最暗的像点的值相符的阈值作为背景额定值。在对材料进行在后的检查时根据阈值设定至少在预期范围内的暗于背景额定值的所有像点不属于位置变化的识别特征。与上述相反如果识别特征与周边范围相比较暗，则选择其值与识别特征的最亮的像点相对应的阈值作为背景额定值。
只要基于印刷图像的光学特性是必要的，当然也可以对材料的不同的范围对不同的背景额定值进行定义，以便位置变化的识别特征在差分图像中充分明显地成像。
下面将对照附图中示出的实施例对本发明做进一步说明。图中示出：
图1为具有与本发明方法相关的功能单元的方框图；
图2示出实施检查彩色图像与基准图像的色差的方法时的方法步骤；
图3为用于检查摄取的彩色图像与对照色模型的色差的方法的示意图；
图4为学习方式和工作方式以及分类的过程图；
图5为用于检查识别特征对一特定的识别特征分类的属性的方法的流程图；
图6为差分图像俯视示意图；
图7示出在进行二值化后的图6的差分图像；
图8示出在图7的差分图像中用于对位置相关的识别特征进行位置确定的掩膜基准；
图9示出图7的差分图像与图8的掩膜基准之间的重叠；
图10第二掩膜基准的侧视示意图；
图11第二差分图像的侧视示意图。
图1示出具有功能单元的方框图，所述功能单元与用于对具有至少一个识别特征的印刷材料19进行定性判定的方法相关。彩色摄像机01例如位置固定地设置在印刷机上，利用图像传感器02对从彩色摄像机01旁边移动过的有待判定的材料19的彩色图像优选在连续的印刷过程中进行摄取，所述彩色摄像机01与评价装置03连接。由彩色摄像机01摄取的在评价装置03内被评价的图像数据根据需要在彩色监视器04上显示出，其中彩色监视器04可以设置在属于印刷机的控制台上。图中在三个平行的信号电路中示出与评价装置03结合的用于对印刷材料19进行定性判定的检查方法，其中在相应的信号电路上的检查过程最好在同一评价装置03内相互独立地进行。优选检查大致同时地进行，即检查过程至少在同一时间点开始。在具有至少两种工作方式的评价装置03从学习方式48转换到工作方式49之后，开始检查过程。信号电路涉及一个用于检查至少识别特征的彩色图像与基准图像的色差的功能单元06、一个用于检查识别特征对识别特征的特定分类的属性的功能单元07和一个用于检查识别特征的特定的几何轮廓或与材料19的至少另一识别特征的相对设置的功能单元08，其中每个检查包括一个在设置在相应的信号电路上的比较点1；12；13进行的对由彩色摄像机01的图像传感器02提供的和相应处理的第一信号09分别与相应固定额定值16；17；18的比较，其中额定值16；17；18存储在一属于评价装置03的数据存储器14内。各个信号电路中的相应的检查结果重新被传送给评价装置03，以便在评价装置内进行存储。与对具有至少一个识别特征的印刷材料19进行定性判定的方法相关的功能单元也可以在一个对材料进行加工的机器上实现，其中该机器例如优选设置在印刷机，优选单张纸印刷机，特别是单张纸轮转印刷机的后面，但也可以设置在前面。材料19，例如具有多个识别特征的印帖19在单张纸印刷机上以例如18000张/小时的速度被印刷和/或接着以该速度在一对印帖19进行加工的机器上继续被加工。在采用材料带19作为材料19的情况下，印刷速度或继续加工速度例如为15m/s。虽然对被印刷机或对材料19进行加工的机器的材料的质量进行判定的检验过程需要大量的运算和材料19的移动速度很高，但采用本发明建议的的方法可以实现可靠的判定。由于与对具有至少一个识别特征的印刷材料19进行定性判定的方法相关的功能单元设置在印刷机或对材料19进行加工的机器上，所以基准信号的提供位置和检查的位置是相同的。可以用同一功能单元，特别是用同一彩色摄像机01在同一位置对彩色图像和基准图像进行摄取和在同一评价装置03内进行评价。
下面将对照图2-11举例对印刷材料19进行定性判定的下述方法步骤加以说明。
用彩色摄像机01对一设置在观察范围21内的彩色印刷材料19的彩色图像进行摄取。彩色摄像机01优选具有一个作为CCD芯片的图像传感器02，所述图像传感器将在观察范围21内采集到的图像信息转换成电子图像数据，所述图像数据构成由彩色摄像机21或其图像传感器02提供的第一电气信号09。在进行该转换时由CCD芯片02的每个光敏的像素产生一个信号矢量22。根据CCD芯片02的像素的数量由彩色摄像机01将相应多个用计数标引表示的信号矢量22提供给评价装置03继续进行处理。
每个信号矢量22优选具有三个系数R、G和B。系数R、G和B与三个信号通道红、绿和蓝的色值相对应，其中用在观察范围21内的相应的位置上摄取的印刷材料19的颜色对被像素输出的矢量的第一电气信号09进行修正。
信号矢量22的计数标引用于说明相应像素在CCD芯片02的设置，所述信号矢量构成用于对色平衡、亮度和对比度进行适配调整的第一修正模块23的原始数据。为此信号矢量22的每个系数R；G；B与取决于信号通道的修正系数K1，K2，K3相乘。另外，对由此产生的结果矢量加入具有固定值系数a1、a2、a3的修正矢量24。通过该计算运算产生第一修正后的信号矢量26，所述第一修正后的信号矢量将改善图像数据的色平衡、亮度和对比度。采用如下方式实现此目的，对取决于信号通道的修正系数K1，K2，K3以及修正矢量24的修正系数a1、a2、a3进行选择，从而在摄取基准灰度值黑和白时彩色摄像机01产生的信号矢量22被变换，使获得的修正后的信号矢量26与通过对已知的CIELAB色值的换算得出的在矢量中的额定值相同的额定值相等。
接着将第一修正后的信号矢量26输送给第二修正模块27。在第二修正模块27内将每个第一修正后的信号矢量26与一平方的i×i修正矩阵28相乘，其中i等于修正后的信号矢量26的系数的数量和在此情况下i＝3。通过相乘得出第二修正后的信号矢量29。其中预先在一相应的迭代过程中求出修正矩阵28的系数K4至K12，使在第一修正后的信号矢量26中获得的图像信息与肉眼的色觉接近。
接着将第二修正后的信号矢量29传递给第三修正模块31。在第三修正模块31中在数据存储器4内存储对每个像素取决于信号通道的修正系数，为实现与取决于相应像素的位置的强度值的适配用系数R、G和B对取决于信号通道的修正系数相乘。将第一像素的第二修正后的信号矢量29与修正系数K13，K14和K15相乘，以便由此为第一像素计算出第三修正后的信号矢量32。优选对图像传感器02的所有像素进行该对第二修正后的信号矢量29的修正。
然后将第三修正后的信号矢量传递给第四修正模块33。在第四修正模块33内，求出第三修正后的信号矢量32的系数R；G；B的系数γ次幂和由此计算出第四修正后的信号矢量34。通过用系数γ求幂的方式对彩色监视器04的非线性传输作了考虑，其中第四修正后的信号矢量34被传递给所述彩色监视器04，进行显示。
通过在修正模块23、27、31和33中对信号矢量22的修正实现了在彩色监视器04上显示的彩色图像与肉眼的视觉的适配，对彩色监视器04上显示的观察得出的视觉印象良好地与对印刷材料19的直接观察产生的色觉相同。
如上所述，通过在相互独立的信号通道R；G；B上的图像传感器02实现对图像信号的摄取。在本实施例中所述的信号通道R；G；B是三个信号通道红R、绿G和蓝B。每个信号通道R；G；B具有一个可调整的光谱敏感度。其优点在于每个信号通道R；G；B的光谱敏感度与肉眼的视网膜的相应的锥体的光谱敏感度适配。
在实施用于检查对彩色图像与基准图像的色差进行检查的方法时对图像的光谱范围逐像素进行分析。为实现肉眼的两个感受的区红/绿和蓝/黄的模型化根据图3在本发明的方法中将信号通道R；G；B的图像传感器信号相互逻辑连接。在与计算规则的固有的逻辑连接之前对对照色通道38；39内的每个图像传感器信号进行非线性变换41。以此对电子产生的图像的特性加以考虑。接着用系数Ki(i＝1...4)42对每个信号加权。以此实现了输出图像的纯强度变化对对照色通道38；39的输出信号43；44没有影响。对照色通道38；39的输出信号43；44的生成与人的视网膜的感受区上信号的生成相同。即与人的视网膜的锥体的逻辑连接相同利用信号通道R；G；B的计算规则36，37进行逻辑连接。为获得红/绿对照色通道38的输出信号43利用第一计算规则36将红色的信号通道R和绿色的信号通道G相互逻辑连接。为生成蓝/黄对照色通道的输出信号44在本实施例中利用计算规则37将蓝色的信号通道B的图像传感器信号与红色信号通道R和绿色信号通道G的图像传感器信号的最小值46逻辑连接。用低通特性对人的视网膜的感受区加以说明。与此相应在本实施例中对通过逻辑连接获得的信号进行低通滤波47，例如用高斯低通滤波器进行低通滤波。
图4示出对印刷材料19的固有的检查，所述检查分两级进行，即分为学习方式48和在后的工作方式49。学习方式48的目的在于以像素方式生成作为基准数据值的额定值，所述基准数值在接着的工作方式49时与相应的像素的对照色通道38；39的输出信号43；44进行比较。在学习方式时48以如下方式对基准图像52或多个基准图像52的图像内容进行分析，在三个信号通道R；G；B内对每个像素的图像内容进行摄取和进行接着根据感受对每个信号R；G；B的图像信号的适配和接着根据上述的对照色方法对图像传感器信号继续进行处理。接着将为每个像素获得的对照色通道38；39的输出信号43；44存储在数据存储器14内。为了一并对基准图像52的允许的变化加以考虑，最好在学习方式48时对多个基准图像加以考虑。因此每个图像的存储的额定值具有一定的允许波动容限。可以用最小值/最大值或与根据获得的每个像素的基准图像52的图像内容的数据的标准偏差对波动容限加以确定。
在工作方式49时然后对检查图像53的对照色通道38；39的输出值43；44与来自数据存储器14的额定值进行逐个像素的比较。利用线性或非线性的分类器54，特别是利用阈值分类器、欧几里德间隔分类器、贝叶斯分类器、模糊分类器或人工神经网络进行比较。然后作出好/坏判定。
图5示出在实施用于检查识别特征对识别特征的特定分类的属性的方法时进行信号评价的流程图。
首先将由M×N个窗56构成的栅格设置在整个被检查的彩色图像上，其中M，N＞1。每个窗56最好由m×n个像素构成，其中m；n＞1。优选选用由N×N个窗56构成的平方的栅格，其中每个窗56由n×n个像素构成。在检查过程中对每个窗56的信号分别进行检查。
通过对一个或多个光谱变换58局部空间的两维彩色图像被转换成频率空间内的两维图像。所获得的谱被称作频谱。由于在本实施例中涉及的是离散的谱，所以频谱也是离散的。频谱也被称作光谱值59的光谱系数59构成。
在下一个方法步骤中进行光谱值59的数值生成61。光谱值59的数值被称作谱幅值62。在本实施例中谱幅值62构成特征值62，即谱幅值与特征值62相同。
作为接着的方法步骤进行特征选择63。特征选择63的目的是对那些对说明被检查的彩色图像的图像内容的特征64进行选择。通过其在频率空间内的位置和通过其幅度对特征64加以定义的谱幅值63和诸如“灰”、“黑”或“白”等语言变量都可以作为特征64。
在下面的方法步骤-模糊化66中由一个软的或模糊的属性函数67对每个谱幅值62对特征64的属性加以确定；即进行加权。
如果在学习方式时属性函数67应与作为基准数据组存储的额定值适配，最好属性函数67作为参数化的单模的，即单维的势函数，其中正的和负的增长的参数分别对被检查的额定值进行适配。由图像内容的数据组得出被检查的彩色图像的特征值，然后在在学习方式后面进行的工作方式时用相应的属性函数67对图像内容的数据组进行加权，所述属性函数的参数在在先的学习方式中求出。即对每个特征在基准数据组与被检查的彩色图像的数据组之间进行额定值/实际值比较，属性函数67的参数表示所述的基准函数组。通过属性函数67建立相应的特征值62与特征64之间的软的或模糊的归属关系。
在下一个方法步骤-聚合68中主要进行特征64的所有的属性函数67的逻辑连接67，所述聚合也被称作干涉，从而产生上层的属性函数。
下一个方法步骤-去模糊化72由上层的属性函数71求出具体的属性值73或赞同值73。在分类74时所述赞同值73与在先调整的阈值76进行比较，从而作出分类说明。可以人工或自动地对阈值76进行调整。在学习方式时同样可以对阈值76进行调整。
用于检查识别特征的特定的几何轮廓和/或与材料的至少另一个识别特征的相对设置的主要步骤如下。
如图6所示，在检查印刷有纸币19的印帖时形成差分图像77，其中在图6中仅示出纸币19的范围内的差分图像77的一部分。从图6中可以看出，在差分图像77中对纸币19的正常的印刷图像进行遮蔽和仅那些明显地不同于背景基准值的印刷图像的范围作为差分图像中的暗区成像。在用虚线示出的带状的预期范围78内例如嵌入印帖内的识别特征79，特别是一个嵌入的窗线的位置会出现变化，所述窗线在差分图像77中与其断线相对应分别在五个暗区79内成像。
除了根据窗线79成像得出的五个暗区79外在差分图像中还成像有作为不相关的暗区81的其它印刷图像特征，所述特征例如是由于印刷差错81产生的。
图7示出在相应的二值化后的差分图像77，通过二值化不相关的印刷图像区81被滤除。在差分图像77中作为结果仅由于窗线79导致的暗区79是非常突出的。
图8示出掩膜基准82的几何形状。在掩膜基准82中存储有窗线段79的宽度83和长度84。另外在掩膜基准82中还存储有窗线段79之间的间隔86和每个纸币19窗线断线79的数量。
图9示意示出，在评价时通过对数据的运算对掩膜基准82对应于差分图像77进行相对移动，直至掩膜基准82与差分图像77中的暗区79之间实现最大的重合。当实现该最大重合时，可以根据例如掩膜基准82在X和Y向上与纸币19的边棱的实际位置得出的间隔87；88确定出窗线79在印刷图像上的实际位置，从而在后续的对印刷图像的检查中可以对窗线断线79的范围进行析出。
图10示出第二掩膜基准89，所述掩膜基准在对凸起弯曲的贴合面上的纸币19进行检查时表示与八个窗线断线91相应的暗区91。
图11示意示出差分图像92，其中窗线段91在暗区93内，例如在窗线93上成像。其中暗区94是由于印刷差错94，并不是由窗线断线91造成的。另外在中间的窗线断线91由于在背景与窗线93之间的色差不足，所以没有在差分图像92上成像。
为了便于掩膜基准89和差分图像92之间的比较，实现定位，掩膜基准89被投影在投影线96上和由此产生的明/暗分布与由差分图像92在投影线97上的投影产生的明/暗分布进行比较。通过对明/暗分布的单维比较可以确定出在一个方向上的窗线93的位置。
附图标记对照表
01 彩色摄像机
02 图像传感器，CCD芯片
03 评价装置
04 彩色监视器
05 -
06 功能单元
07 功能单元
08 功能单元
09 第一电气信号
10 -
11 比较位置
12 比较位置
13 比较位置
14 数据存储器
15 -
16 额定值
17 额定值
18 额定值
19 材料，纸币，有价证券，印帖，材料带
20 -
21 观察范围
22 信号矢量
23 第一修正模块
24 修正矢量
25 -
26 第一修正后的信号矢量
27 第二修正模块
28 修正矩阵
29 第二修正后的信号矢量
30 -
31 第三修正矢量
32 第三修正后的信号矢量
33 第四修正模块
34 第四修正后的信号矢量
35 -
36 计算规则
37 计算规则
38 对照色通道
39 对照色通道
40 -
41 变换
42 系数Ki(i＝1...4)
43 输出信号(38)
44 输出信号(39)
45 -
46 最小值
47 低通滤波器
48 学习方式
49 工作方式
50 -
51 -
52 基准图像
53 检查图像
54 分类器
55 -
56 窗，图像窗
57 -
58 光谱变换
59 光谱系数，光谱值
60 -
61 数值生成
62 谱幅值，特征值
63 特征选择
64 特征
65 -
66 模糊化
67 属性函数
68 干涉
69 逻辑连接，聚合，逻辑计算规则
70 -
71 上层的属性函数
72 去模糊化
73 属性值，赞同值
74 分类
75 -
76 阈值
77 差分图像
78 预期范围
79 暗区，窗线，识别特征，窗线断线
80 -
81 暗区，印刷差错
82 掩膜基准
83 宽度
84 长度
85 -
86 间隔
87 间隔
88 间隔
89 第二掩膜基准
90 -
91 窗线断线，暗区
92 差分图像
93 暗区，窗线
94 暗区，印刷差错
95 -
96 投影线
97 投影线
R，G，B 系数，信号通道
K1，K2，K3 修正系数
K4-K12 系数
K13，K14，K15 修正系数
a1，a2，a3 固定值系数
γ 幂指数
Claims (81)
1.一种用于对具有至少一个识别特征(79)的材料(19)进行定性判定的方法，其中用电子图像传感器(02)对至少一个识别特征(79)摄取彩色图像，其中由图像传感器(02)间接或直接地产生一与彩色图像相关的第一电信号(09)，其中一与图像传感器(02)连接的评价装置(03)对第一电信号(09)进行评价，其中根据至少一基准图像产生第二电信号和存储在一数据存储器(14)内，其中表示基准图像的至少两个不同的特性的第二电信号分别具有一个对第一电信号(09)的额定值(16；17；18)，其中第一信号(09)与至少两个在第二电信号内含有的额定值(16；17；18)进行比较，其中在比较时至少对识别特征(79)的彩色图像与基准图像的色差和对识别特征(79)对识别特征(79)特定分类的属性或对其特定的几何轮廓或对其与材料(19)上的至少另一识别特征(79)的相对设置进行检查，其特征在于，在平行的检查过程中相互独立地进行至少两种检查，在印刷机的连续的生产过程中或在一对材料(19)处理机器的连续的工作过程中进行所述检查，其中材料(19)在观察范围(21)内在位置固定设置的图像传感器(02)旁移动通过，其中识别特征(79)的位置在一由容许范围决定的预期的范围(78)内变化，其中在平行的信号通路中的一个信号通路对位置变化的识别特征(79)的位置加以确定。
2.按照权利要求1所述的方法，其特征在于，同时地实施相互独立进行的检查。
3.按照权利要求1所述的方法，其特征在于，在同一个评价装置(03)内实施相互独立进行的检查。
4.按照权利要求1所述的方法，其特征在于，在各个信号通路中获得的检查结果被存储在评价装置(03)中。
5.按照权利要求1所述的方法，其特征在于，在从学习方式(48)转换到工作方式(49)之后，在评价装置(03)内对照评价装置(03)在学习方式(48)时存储在属于评价装置(03)的数据存储器(14)内的基准图像对彩色图像进行检查。
6.按照权利要求5所述的方法，其特征在于，在学习方式(48)时对单独的基准图像或多个基准图像进行摄取。
7.按照权利要求1所述的方法，其特征在于，对材料(19)实施判定，进行质量检查。
8.按照权利要求1所述的方法，其特征在于，材料(19)是纸币(19)或有价证券(19)。
9.按照权利要求1所述的方法，其特征在于，作为印帖(19)的材料(19)用达18000印帖(19)/小时的速度在图像传感器(02)旁边移动通过。
10.按照权利要求1所述的方法，其特征在于，作为材料带(19)的材料(19)用达15m/s的速度在图像传感器(02)旁边移动通过。
11.按照权利要求1所述的方法，其特征在于，图像传感器(02)具有多个光敏像素。
12.按照权利要求11所述的方法，其特征在于，针对每个像素提供一第一电信号(09)。
13.按照权利要求1所述的方法，其特征在于，第一电信号(09)被分成多个信号通道(R；G；B)。
14.按照权利要求13所述的方法，其特征在于，第一电信号(09)是RGB信号，从而使每个信号通道(R；G；B)提供与三种基色红、绿和蓝中的一种基色相对应第一信号(09)的信号部分。
15.按照权利要求13所述的方法，其特征在于，每个信号通道(R；G；B)的光谱敏感度被调整到肉眼特定的光谱的敏感度上。
16.按照权利要求1所述的方法，其特征在于，对第一信号(09)就色调、饱和和亮度进行与肉眼的色敏适配的调整。
17.按照权利要求16所述的方法，其特征在于，采用如下方式对彩色图像与基准图像的色差进行检查，利用第一计算规则(36)对属于彩色图像的第一信号(09)的在第一信号通道(R)内提供的部分与在第二信号通道(G)内提供的部分进行逻辑连接，从而生成第一对照色通道(38)的输出信号(43)，利用第二计算规则(37)对属于彩色图像的第一信号(09)的在第三信号通道(B)内提供的部分与在第一和第二信号通道(R；G)内提供的部分进行逻辑连接，从而生成第二对照色通道(39)的输出信号(44)，和通过与额定值的比较对对照色通道(38；39)的输出信号(43；44)进行分类。
18.按照权利要求17所述的方法，其特征在于，将每个对照色通道(38；39)的输出信号(43；44)存储在数据存储器(14)内。
19.按照权利要求17所述的方法，其特征在于，第一计算规则(36)规定对在第二信号通道(G)内提供的第一电信号(09)的部分与第一信号通道(R)内的相应部分的差分图像进行加权，和/或第二计算规则(37)规定对在第一、第二信号通道(R；G)内的部分的加权的和与第三信号通道(B)内的相应部分的差加权。
20.按照权利要求17所述的方法，其特征在于，利用计算规则(36；37)对至少一个在信号通道(R；G；B)内提供的第一电信号(09)部分中的一个部分在其逻辑连接之前和/或之后进行变换(41)。
21.按照权利要求20所述的方法，其特征在于，采用非线性变换(41)。
22.按照权利要求17所述的方法，其特征在于，在变换之前和/或之后用系数(42)对每个在逻辑连接时加以考虑的第一电信号(09)的部分加权。
23.按照权利要求17所述的方法，其特征在于，利用一个低通滤波器(47)对至少一个对照色通道(38；39)的输出信号(43；44)进行滤波。
24.按照权利要求23所述的方法，其特征在于，低通滤波器(47)是高斯低通滤波器。
25.按照权利要求17所述的方法，其特征在于，在学习方式(48)时将两个对照色通道(38；39)的通过至少一个基准图像产生的输出信号(43；44)作为额定值存储在数据存储器(14)内和其中在工作方式(49)时将两个对照色通道(38；39)的由被检查的识别特征(79)产生的输出信号(43；44)与在数据存储器(14)内存储的额定值进行比较。
26.按照权利要求17所述的方法，其特征在于，针对图像传感器(02)的每个像素将两个对照色通道(38；39)的由被检查的识别特征(79)产生的输出信号(43；44)与在数据存储器(14)内存储的额定值进行比较。
27.按照权利要求26所述的方法，其特征在于，通过对多个基准图像的输出信号(43；44)的存储形成在数据存储器(14)内为每个像素存储的额定值，从而针对额定值确定容限窗。
28.按照权利要求17所述的方法，其特征在于，利用分类***对对照色通道(38；39)的输出信号(43；44)进行分类(54)。
29.按照权利要求28所述的方法，其特征在于，采用线性和/或非线性的分类***、阈值分类器、欧几里得间隔分类器、贝叶斯分类器、模糊分类器或人工神经网络。
30.按照权利要求1所述的方法，其特征在于，采用如下方式对识别特征(79)对识别特征(79)的特定的分类的属性进行检查，利用至少一个计算规则将由图像传感器提供的第一电信号(09)转换成具有至少一个特征值(62)的平移不变的信号，用至少一个模糊的属性函数(67)对特征值(62)采用如下方式进行加权，通过属性函数(67)对每个特征值(62)对一个针对被检查的彩色图像的图像内容进行说明的特征(64)的属性加以确定，利用由至少一个规则构成的计算规则通过对所有属性函数(67)的逻辑连接生成上层的模糊的属性函数(67)，根据上层的模糊的属性函数(71)求出一个赞同值(Sympathiewert)(73)，将赞同值(73)与阈值(76)进行比较和根据该比较的结果对识别特征(79)对识别特征(79)的特定分类的属性进行判定。
31.按照权利要求30所述的方法，其特征在于，在彩色图像上设置一个由多个图像窗(56)构成的栅格，其中每个图像窗(56)由多个像素构成。
32.按照权利要求31所述的方法，其特征在于，彩色图像被分成M×N个图像窗(56)，每个图像窗分别具有m×n个像素，其中M；N；m；n＞1。
33.按照权利要求30所述的方法，其特征在于，属性函数(67)与特征值(62)的数值范围具有函数关系。
34.按照权利要求33所述的方法，其特征在于，属性函数(67)具有至少一个参数，和求出该参数。
35.按照权利要求30所述的方法，其特征在于，用于将图像传感器(02)的第一电信号(09)变换成平移不变的特征值(62)的计算规则是两维数学光谱变换方法(58)。
36.按照权利要求35所述的方法，其特征在于，计算规则是两维的傅立叶或沃尔什或哈达码或循环变换。
37.按照权利要求35所述的方法，其特征在于，用光谱系数(59)数值表示特征值(62)。
38.按照权利要求31所述的方法，其特征在于，对每个光窗(56)根据图像传感器(02)为每个像素提供的第一电信号(09)对两维光谱加以确定。
39.按照权利要求38所述的方法，其特征在于，根据两维光谱计算出光谱幅值(62)和为每个图像窗(56)相互逻辑连接成唯一一个赞同值(73)。
40.按照权利要求30所述的方法，其特征在于，属性函数(67)是单模函数。
41.按照权利要求30所述的方法，其特征在于，上层的属性函数(71)是多模函数。
42.按照权利要求30所述的方法，其特征在于，属性函数(67)和/或上层的属性函数(71)是势函数。
43.按照权利要求30所述的方法，其特征在于，在学习方式(48)时对至少一个参数进行均衡或对至少一个阈值(76)加以确定和其中在工作方式(49)时对照学习方式(48)的结果对图像传感器(02)提供的第一电信号进行判定。
44.按照权利要求30所述的方法，其特征在于，将属性函数(67)相互逻辑连接的计算规则是“如果...则”逻辑连接意义上的逻辑计算规则。
45.按照权利要求30所述的方法，其特征在于，通过对前提评价、激活和聚合的分步骤处理产生上层的模糊的属性函数(71)，其中在对计算规则的每个“如果”部分进行前提评价时确定赞同值(73)，和其中在激活时为每个“如果...则”计算规则确定属性函数(67)和其中在聚合时通过对所有在激活时产生的属性函数(67)生成上层的属性函数(71)。
46.按照权利要求30所述的方法，其特征在于，根据重点和/或最大值方法求出赞同值(73)。
47.按照权利要求1所述的方法，其特征在于，采用如下方式对识别特征(79)的特定的几何轮廓或与材料(19)的至少另一识别特征(79)的相对设置进行检查，将至少一背景额定值和至少一个掩膜额定值存储在数据存储器(14)内，其中背景额定值表示在环围识别特征(79)的预期范围(78)的至少一个部分上的有待判定的材料(19)的至少一个特性和其中掩膜额定值表示识别特征(79)的几何轮廓或多个识别特征(79)相互之间的相对设置，在对材料(19)进行检查时由图像传感器(02)提供的第一电信号(09)和背景额定值求出至少预期范围(78)内的差值，通过对差值与掩膜额定值的比较推导出识别特征(79)的实时位置和在对材料(19)进行定性判定时对有待判定的材料(19)的根据识别特征(79)的实时位置得出的范围进行析出。
48.按照权利要求47所述的方法，其特征在于，背景额定值表示环围识别特征(79)的预期范围(78)的灰度值。
49.按照权利要求47所述的方法，其特征在于，在数据存储器(14)中存储有一个二值化阈值，其中根据差值将所有由图像传感器(02)提供的低于二值化阈值的第一电信号(09)滤出。
50.按照权利要求47所述的方法，其特征在于，在对识别特征(79)进行定位时对掩膜额定值进行适配调整，直至实现掩膜额定值与差值之间最大限度的吻合。
51.按照权利要求47所述的方法，其特征在于，在对识别特征(79)进行定位时对掩膜额定值的重点与差值的重点进行比较。
52.按照权利要求51所述的方法，其特征在于，取相应的位置值作为识别特征(79)实时的位置，在所述相应的位置值时在掩膜额定值的重点与差值的重点进行比较时应整体上得出最小的偏差。
53.按照权利要求47所述的方法，其特征在于，识别特征是条带状的或条带段。
54.按照权利要求47所述的方法，其特征在于，识别特征(79)是纸币(19)或有价证券(19)的防伪标志。
55.按照权利要求47所述的方法，其特征在于，识别特征(79)是窗线(79)、窗线断线(79；91)、全息(Hologramm)防伪标识或Kinegramm防伪标识。
56.按照权利要求47所述的方法，其特征在于，在学习方式时采用没有识别特征(79)的材料(19)对背景额定值进行确定。
57.按照权利要求47所述的方法，其特征在于，在学习方式时(48)采用具有识别特征(79)的材料对背景额定值加以确定，其中在与预期范围进行比较出现明显亮的识别特征时将从识别特征(79)的最暗的图像点的数值推导出作为阈值的背景额定值，和其中在与预期范围进行比较出现明显暗的识别特征时将从识别特征(79)的最亮的图像点的数值推导出作为阈值的背景额定值。
58.按照权利要求47所述的方法，其特征在于，对材料(19)的不同范围确定出不同的背景额定值。
59.按照权利要求47所述的方法，其特征在于，掩膜额定值和差值被分别投影到至少一个投影线(96；97)上，其中从掩膜额定值和差值的投影数据的比较推导出在投影线(96；97)的纵向上的识别特征(79)的实时位置。
60.按照权利要求47所述的方法，其特征在于，通过对数字化的输入数据的相应的数学运算实现对识别特征(79)的检查。
61.按照权利要求13所述的方法，其特征在于，第一电信号(09)是信号矢量(22)，所述信号矢量的系数(R；G；B)表示在不同的信号通道(R；G；B)内的由图像传感器(02)提供的第一电信号(09)的部分，系数(R；G；B)与修正矩阵(28)相乘，将由此获得的经修正的信号矢量(29)输送给彩色监视器(06)和在彩色监视器(04)上对彩色图像进行显示，以便对照修正后的信号矢量进行定性判定。
62.按照权利要求61所述的方法，其特征在于，修正矩阵(28)的列和行分别具有与信号矢量(22)相同数量的系数(i)。
63.按照权利要求61所述的方法，其特征在于，用迭代近似算法求出修正矩阵(28)的系数(K4-K12)，其中预给定出基准比色图表，在基准比色图表上的多个色区内示出不同的基准色，其中对基准比色图表的每个色区用额定值预给定一个矢量，其中用图像传感器(02)从基准比色图表中摄取一个彩色图像，其中为每个色区求出一个信号矢量(22)，其中在第一迭代步骤中将所有色区的信号矢量与修正矩阵(28)相乘和其中在后续的每个迭代步骤中以如下方式改变修正矩阵(28)的系数(K4-K12)，使修正后的信号矢量(29)被迭代地接近于具有预定额定值的矢量。
64.按照权利要求63所述的方法，其特征在于，在每个迭代步骤中对修正后的信号矢量(29)与具有额定值的矢量的接近程度采用如下方式进行评价，为基准比色图表的每个色区求出修正后的信号矢量(29)与具有预定额定值的矢量之间的差值和对所有差值累加求和，其中只有当在实时的迭代步骤中所有差值的和小于在先的迭代步骤中所有差值的和时，才在下一个迭代步骤中接受实时的迭代步骤的修正矩阵(28)的系数(K4-K12)的变化。
65.按照权利要求61所述的方法，其特征在于，除了采用修正矩阵(28)进行修正外，在另一个修正步骤中为了对色平衡、亮度和对比度进行适配调整还对信号矢量(22)以如下方式加以变化，用取决于信号通道的修正系数(K1；K2；K3)与每个信号矢量(22)的系数(R；G；B)相乘和对每个信号矢量(22)加入一个修正矢量(24)。
66.按照权利要求65所述的方法，其特征在于，采用如下方式求出修正矢量(24)的修正系数(a1；a2；a3)和取决于信号通道的修正系数(K1；K2；K3)，预给定出基准比色图表，在基准比色图表上的多个色区内示出不同的基准色，其中对基准比色图表的每个色区预给定一个具有额定值的矢量，其中用图像传感器(02)从基准比色图表中摄取一个彩色图像，其中为每个色区求出一个信号矢量(22)，其中对修正矢量(24)和修正系数(K1；K2；K3)的选择应使具有基准灰度值黑和白的两个色区的通过与修正矢量相应相加和通过与取决于信号通道的修正系数(K1；K2；K3)相乘获得的修正后的信号矢量(26)与这两个色区的具有预给定的额定值的矢量吻合。
67.按照权利要求65或66所述的方法，其特征在于，在与修正矩阵(28)相乘之前进行用于对色平衡、亮度和对比度适配的修正步骤。
68.按照权利要求61所述的方法，其特征在于，图像传感器(02)具有多个成平面或行状设置的像素，其中每个像素至少提供一个信号矢量(22)。
69.按照权利要求68所述的方法，其特征在于，除了用修正矩阵(28)进行修正外，在另一个用于对强度值进行适配调整的修正步骤中对信号矢量以如下方式加以变化，分别用为每个像素专门预先给定的取决于信号通道的修正系数(K13；K14；K15；K16；K17；K18)与修正后的信号矢量(26；29)或未修正的信号矢量(22)的为每个像素求出的系数(R；G；B)相乘。
70.按照权利要求69所述的方法，其特征在于，采用如下方式求出像素专用的取决于信号通道的修正系数(K13；K14；K15；K16；K17；K18)，采用一种具有均匀的彩色材料，特别是具有均匀的白色材料作为图像传感器(02)的观察范围(21)，用图像传感器(02)摄取一彩色图像和因此为每个像素求出一个信号矢量(22)，以便对表示在观察范围内的最亮点的相应的信号矢量(22)加以确定，和为每个像素对像素专用的取决于信号通道的修正系数(K13；K14；K15；K16；K17；K18)进行选择，使该修正系数(K13；K14；K15；K16；K17；K18)与相应的信号矢量(22)的系数(R；G；B)相乘的结果与在观察范围内的最亮的点上的信号矢量(22)的系数(R；G；B)吻合。
71.按照权利要求70所述的方法，其特征在于，在确定像素专用的取决于信号通道的修正系数(K13；K14；K15；K16；K17；K18)时的在观察范围(21)内的照明与在对材料(19)进行定性判定的图像传感器(02)的照明相同。
72.按照权利要求69所述的方法，其特征在于，在与修正矩阵(28)相乘后进行用于对强度值适配调整的修正步骤。
73.按照权利要求62所述的方法，其特征在于，修正后的信号矢量(32)的作为基础的系数(R；G；B)在传输给彩色监视器(04)之前分别用指数(γ)求幂。
74.按照权利要求73所述的方法，其特征在于，选用0.3与0.5之间的一个值作为指数(γ)。
75.按照权利要求73所述的方法，其特征在于，选用的指数(γ)为0.45。
76.按照权利要求61所述的方法，其特征在于，除了用修正矩阵(28)对信号矢量(22)进行修正外，在另一对照明条件适配调整的修正步骤中对信号矢量(22)加以变化，使修正后的信号矢量的系数与在用标准光对观察范围照明时获得的结果相同。
77.按照权利要求61所述的方法，其特征在于，以具有288个色区的IT8-图表格式形成基准比色图表。
78.按照权利要求61所述的方法，其特征在于，通过对基准比色图表的色区已知的CIELAB(国际照明委员会Lab表色系)色值向信号通道的相应的系数的换算实现具有额定值的矢量的预先给定。
79.按照权利要求64所述的方法，其特征在于，除了用修正矩阵(28)对信号矢量(22)进行修正外，在另一对照明条件适配调整的修正步骤中对信号矢量(22)加以变化，使修正后的信号矢量的系数与在用标准光对观察范围照明时获得的结果相同。
80.按照权利要求64所述的方法，其特征在于，以具有288个色区的IT8-图表格式形成基准比色图表。
81.按照权利要求64所述的方法，其特征在于，通过对基准比色图表的色区已知的CIELAB(国际照明委员会Lab表色系)色值向信号通道的相应的系数换算实现具有额定值的矢量的预先给定。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE10314071.9 | 2003-03-28 | ||
| DE10314071A DE10314071B3 (de) | 2003-03-28 | 2003-03-28 | Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1795467A CN1795467A (zh) | 2006-06-28 |
| CN100403770C true CN100403770C (zh) | 2008-07-16 |
Family
ID=32921144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2004800147354A Expired - Fee Related CN100403770C (zh) | 2003-03-28 | 2004-03-26 | 对具有至少一个识别特征的材料进行定性判定的方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7447353B2 (zh) |
| EP (3) | EP1610270A3 (zh) |
| JP (1) | JP4364239B2 (zh) |
| CN (1) | CN100403770C (zh) |
| DE (1) | DE10314071B3 (zh) |
| WO (1) | WO2004086291A2 (zh) |
Families Citing this family (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7502116B2 (en) * | 2003-09-09 | 2009-03-10 | Hewlett-Packard Development Company, L.P. | Densitometers and methods for measuring optical density |
| US7460737B2 (en) * | 2004-02-12 | 2008-12-02 | Hoshiko Llc | Method and apparatus for photograph finding |
| DE102004019978B3 (de) | 2004-04-23 | 2005-08-04 | Koenig & Bauer Ag | Verfahren zur Beurteilung einer Qualität einer von einer Druckmaschine produzierten Drucksache |
| DE102004021047B3 (de) * | 2004-04-29 | 2005-10-06 | Koenig & Bauer Ag | Verfahren zum Vergleich eines Bildes mit mindestens einem Referenzbild |
| DE102005001091B3 (de) * | 2005-01-06 | 2006-04-06 | Lpcon Gmbh | Verfahren und Anordnung zur Fehlererkennung an Druckbildern während der Bahnbeobachtung von gedrucktem Material |
| DE102005031957B4 (de) | 2005-07-08 | 2007-03-22 | Koenig & Bauer Ag | Vorrichtung zur Inspektion eines Bedruckstoffes mit uneinheitlich reflektierenden Oberflächen |
| JP4273108B2 (ja) * | 2005-09-12 | 2009-06-03 | キヤノン株式会社 | 色処理方法、色処理装置及び記憶媒体 |
| US8717647B2 (en) | 2005-10-13 | 2014-05-06 | Hewlett-Packard Development Company, L.P. | Imaging methods, imaging device calibration methods, imaging devices, and hard imaging device sensor assemblies |
| US7894677B2 (en) * | 2006-02-09 | 2011-02-22 | Microsoft Corporation | Reducing human overhead in text categorization |
| US7756289B2 (en) * | 2006-03-22 | 2010-07-13 | Ancestry.Com Operations Inc. | Image watermarking systems and methods |
| DE102006022529B4 (de) | 2006-05-15 | 2009-05-20 | Koenig & Bauer Aktiengesellschaft | Rollenrotationsdruckmaschine mit mindestens einem Farbwerk und mit einem Inline-Inspektionssystem |
| US7840060B2 (en) * | 2006-06-12 | 2010-11-23 | D&S Consultants, Inc. | System and method for machine learning using a similarity inverse matrix |
| US8542094B2 (en) | 2006-09-19 | 2013-09-24 | Verichk Global Technology Inc. | Apparatus and method for secure detection of an item and a method of securing access to information associated with the item |
| WO2008129540A2 (en) * | 2007-04-19 | 2008-10-30 | Eyecue Vision Technologies Ltd. | Device and method for identification of objects using color coding |
| DE102008064389A1 (de) * | 2008-12-22 | 2010-06-24 | Giesecke & Devrient Gmbh | Verfahren und Vorrichtung zur Erfassung optischer Eigenschaften eines Wertdokuments |
| US8134717B2 (en) * | 2010-05-21 | 2012-03-13 | LTS Scale Company | Dimensional detection system and associated method |
| JP5423702B2 (ja) * | 2011-02-15 | 2014-02-19 | 株式会社デンソー | 画像処理装置及びその調整方法 |
| DE102011016509A1 (de) | 2011-04-08 | 2012-10-11 | Giesecke & Devrient Gmbh | Verfahren zur Prüfung von Wertdokumenten |
| DE102011121877A1 (de) | 2011-12-21 | 2013-06-27 | Giesecke & Devrient Gmbh | Verfahren und Vorrichtung zur Bestimmung von Klassifizierungsparametern für die Klassifizierung von Banknoten |
| US9830523B2 (en) | 2012-05-31 | 2017-11-28 | Korea Institute Of Science And Technology | Method and apparatus for recognizing object material using spatial image and spatial radar information |
| US9407776B2 (en) * | 2013-08-13 | 2016-08-02 | Technology Watch, LLC | Method for evaluation of printing and imaging systems that grade attributes of an image evaluation document produced by such systems |
| JP6403391B2 (ja) | 2014-01-27 | 2018-10-10 | グローリー株式会社 | 紙幣処理装置及び紙幣処理方法 |
| JP6396066B2 (ja) * | 2014-04-10 | 2018-09-26 | 株式会社東芝 | 画質改善システム、画質改善方法及びプログラム |
| DE102014015746A1 (de) * | 2014-10-24 | 2016-04-28 | Giesecke & Devrient Gmbh | Vorrichtung und Verfahren zur Prüfung von Wertdokumenten, insbesondere Banknoten, sowie Wertdokumentbearbeitungssystem |
| US9582739B2 (en) * | 2014-11-18 | 2017-02-28 | Harry Friedbert Padubrin | Learning contour identification system using portable contour metrics derived from contour mappings |
| CN104732644B (zh) | 2015-01-19 | 2017-10-31 | 广州广电运通金融电子股份有限公司 | 纸币鉴别的质量控制方法及其*** |
| CN104574642B (zh) * | 2015-01-30 | 2017-04-26 | 广州广电运通金融电子股份有限公司 | 一种基于Lab色彩空间的人民币变色油墨检测方法和装置 |
| US10838376B2 (en) * | 2015-09-10 | 2020-11-17 | I.Systems Automação Industrial S.A | Method of generating fuzzy knowledge base for a programmable fuzzy controller |
| TWI576533B (zh) * | 2016-08-04 | 2017-04-01 | Chung Hua Univ | Intelligent adaptive lighting system |
| US11425281B1 (en) * | 2016-09-07 | 2022-08-23 | Google Llc | Color image processing using models of overlapped response spectra for retinal cone cells |
| CN108415915A (zh) * | 2017-02-10 | 2018-08-17 | 深圳怡化电脑股份有限公司 | 一种基于纸币数据的算法验证方法及装置 |
| US10769817B2 (en) * | 2017-08-07 | 2020-09-08 | Samsung Display Co., Ltd. | Measures for image testing |
| JP6842177B2 (ja) * | 2018-04-06 | 2021-03-17 | 旭精工株式会社 | 硬貨識別方法、硬貨識別システム及び硬貨識別プログラム |
| CN109016864B (zh) * | 2018-09-11 | 2020-02-21 | 大连理工大学 | 一种精准定位静电打印***和方法 |
| US11748874B2 (en) * | 2018-10-15 | 2023-09-05 | 3M Innovative Properties Company | Automated inspection for sheet parts of arbitrary shape from manufactured film |
| WO2020189189A1 (ja) * | 2019-03-15 | 2020-09-24 | オムロン株式会社 | 検査装置及び方法 |
| DE102019120938B4 (de) * | 2019-08-02 | 2023-12-21 | Bundesdruckerei Gmbh | Druckinspektionsvorrichtung und Verfahren zur optischen Inspektion eines Druckbildes eines Druckobjekts |
| US11017265B1 (en) * | 2020-01-29 | 2021-05-25 | ReportsNow, Inc. | Systems, methods, and devices for image processing |
| JP7482662B2 (ja) * | 2020-03-25 | 2024-05-14 | 東京エレクトロン株式会社 | 異常検出装置及び異常検出方法 |
| US11158031B1 (en) | 2021-05-24 | 2021-10-26 | ReportsNow, Inc. | Systems, methods, and devices for image processing |
| DE102022133947A1 (de) | 2022-12-19 | 2024-06-20 | Manroland Goss Web Systems Gmbh | Verfahren zur Positionsbestimmung von Spektralmessungen |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5384859A (en) * | 1991-08-12 | 1995-01-24 | Koenig & Bauer, Akteingesellschaft | Method for quality control of printed sheets |
| WO1998039627A2 (en) * | 1997-03-03 | 1998-09-11 | Meat And Livestock Australia Limited | Calibration of imaging systems |
| JPH1141478A (ja) * | 1997-07-24 | 1999-02-12 | Canon Inc | 画像処理方法、装置および記録媒体 |
| US6069973A (en) * | 1998-06-30 | 2000-05-30 | Xerox Corporation | Method and apparatus for color correction in a multi-chip imaging array |
| EP1059800A2 (en) * | 1999-06-09 | 2000-12-13 | Xerox Corporation | Digital imaging method and apparatus for detection of document security marks |
| JP2001016607A (ja) * | 1999-06-29 | 2001-01-19 | Minolta Co Ltd | デジタル撮影装置およびデジタル撮影方法 |
| DE19940879A1 (de) * | 1999-08-27 | 2001-03-08 | Innomess Elektronik Gmbh | Verfahren und Vorrichtung zum automatisierten Vergleich von Druckbildern an Druckmaschinen |
| DE10132589A1 (de) * | 2001-07-05 | 2003-01-23 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung von Material |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3639636C2 (de) * | 1986-11-20 | 1996-04-18 | Robert Prof Dr Ing Massen | Automatische Inspektion von Textilbahnen |
| DE4136461C2 (de) | 1991-11-06 | 1999-04-08 | Roland Man Druckmasch | Vorrichtung und Verfahren zur großflächigen Bildinspektion |
| JPH07117498B2 (ja) * | 1991-12-11 | 1995-12-18 | インターナショナル・ビジネス・マシーンズ・コーポレイション | 検査システム |
| CH684222A5 (de) * | 1992-03-10 | 1994-07-29 | Mars Inc | Einrichtung zur Klassifizierung eines Musters, insbesondere von einer Banknote oder von einer Münze. |
| WO1994003997A1 (en) * | 1992-08-03 | 1994-02-17 | Ricoh Company, Ltd. | Document identifier which can also identify special ticket, image forming apparatus using the identifier, image processor, and copying machine |
| US5845008A (en) * | 1994-01-20 | 1998-12-01 | Omron Corporation | Image processing device and method for identifying an input image, and copier scanner and printer including same |
| US5602938A (en) | 1994-05-20 | 1997-02-11 | Nippon Telegraph And Telephone Corporation | Method of generating dictionary for pattern recognition and pattern recognition method using the same |
| DE19613082C2 (de) | 1996-04-02 | 1999-10-21 | Koenig & Bauer Ag | Verfahren und Vorrichtung zur qualitativen Beurteilung von bearbeitetem Material |
| DE69835638T2 (de) | 1997-07-09 | 2006-12-28 | Canon K.K. | Farbbildverarbeitungsgerät und -verfahren |
| JP3862374B2 (ja) * | 1997-09-04 | 2006-12-27 | キヤノン株式会社 | 画像処理装置及び方法 |
| DE19802781A1 (de) * | 1998-01-26 | 1999-07-29 | Peter L Prof Dr Andresen | Schnelle Identifizierung von wertvollen Objekten durch digitale Bildanalytik |
| DE19817878A1 (de) * | 1998-04-22 | 1999-11-04 | Juerg Paul Haller | Verfahren zur Herstellung von Drucksendungen, Einrichtung zur Herstellung von Drucksendungen, Umhüllung für eine nach dem Verfahren hergestellte Drucksendung sowie ein zur Verwendung bei einem solchen Verfahren hergestelltes Kuvert |
| US6594392B2 (en) | 1999-05-17 | 2003-07-15 | Intel Corporation | Pattern recognition based on piecewise linear probability density function |
| US6516078B1 (en) * | 1999-07-29 | 2003-02-04 | Hewlett-Packard Company | Multi-level detection and deterrence of counterfeiting of documents with reduced false detection |
| IL131282A (en) * | 1999-08-05 | 2009-02-11 | Orbotech Ltd | Apparatus and methods for inspection of objects |
| JP2001129985A (ja) * | 1999-08-24 | 2001-05-15 | Canon Inc | プリント位置調整方法並びに該方法を用いるプリント装置およびプリントシステム |
| DE20010920U1 (de) | 2000-06-20 | 2000-09-14 | Roland Man Druckmasch | Druckmaschine, insbesondere Bogenoffsetdruckmaschine |
| JP4006224B2 (ja) * | 2001-11-16 | 2007-11-14 | キヤノン株式会社 | 画像品質判定方法、判定装置、判定プログラム |
| DE10234086B4 (de) * | 2002-07-26 | 2004-08-26 | Koenig & Bauer Ag | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
| DE20303574U1 (de) | 2003-03-06 | 2003-04-30 | Roland Man Druckmasch | Bildinspektionssystem für eine Druckmaschine |
-
2003
- 2003-03-28 DE DE10314071A patent/DE10314071B3/de not_active Withdrawn - After Issue
-
2004
- 2004-03-26 US US10/550,889 patent/US7447353B2/en not_active Expired - Fee Related
- 2004-03-26 EP EP05108365A patent/EP1610270A3/de not_active Ceased
- 2004-03-26 JP JP2006505497A patent/JP4364239B2/ja not_active Expired - Fee Related
- 2004-03-26 CN CNB2004800147354A patent/CN100403770C/zh not_active Expired - Fee Related
- 2004-03-26 EP EP04723616A patent/EP1609119A2/de not_active Ceased
- 2004-03-26 WO PCT/EP2004/050378 patent/WO2004086291A2/de active Search and Examination
- 2004-03-26 EP EP05108368A patent/EP1625936A3/de not_active Ceased
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5384859A (en) * | 1991-08-12 | 1995-01-24 | Koenig & Bauer, Akteingesellschaft | Method for quality control of printed sheets |
| WO1998039627A2 (en) * | 1997-03-03 | 1998-09-11 | Meat And Livestock Australia Limited | Calibration of imaging systems |
| JPH1141478A (ja) * | 1997-07-24 | 1999-02-12 | Canon Inc | 画像処理方法、装置および記録媒体 |
| US6069973A (en) * | 1998-06-30 | 2000-05-30 | Xerox Corporation | Method and apparatus for color correction in a multi-chip imaging array |
| EP1059800A2 (en) * | 1999-06-09 | 2000-12-13 | Xerox Corporation | Digital imaging method and apparatus for detection of document security marks |
| JP2001016607A (ja) * | 1999-06-29 | 2001-01-19 | Minolta Co Ltd | デジタル撮影装置およびデジタル撮影方法 |
| DE19940879A1 (de) * | 1999-08-27 | 2001-03-08 | Innomess Elektronik Gmbh | Verfahren und Vorrichtung zum automatisierten Vergleich von Druckbildern an Druckmaschinen |
| DE10132589A1 (de) * | 2001-07-05 | 2003-01-23 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung von Material |
Non-Patent Citations (2)
| Title |
|---|
| "Methods for characterizing colour scanners and digital cameras". Tony Johson.Elsevier Science B.V. Displays,Vol.16 No.4. 1996 |
| "Methods for characterizing colour scanners and digital cameras". Tony Johson.Elsevier Science B.V. Displays,Vol.16 No.4. 1996 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1610270A3 (de) | 2010-09-01 |
| CN1795467A (zh) | 2006-06-28 |
| EP1609119A2 (de) | 2005-12-28 |
| EP1625936A3 (de) | 2010-09-08 |
| US7447353B2 (en) | 2008-11-04 |
| DE10314071B3 (de) | 2004-09-30 |
| EP1625936A2 (de) | 2006-02-15 |
| US20060251320A1 (en) | 2006-11-09 |
| WO2004086291A2 (de) | 2004-10-07 |
| EP1610270A2 (de) | 2005-12-28 |
| JP2006524378A (ja) | 2006-10-26 |
| EP1610270A8 (de) | 2010-07-28 |
| EP1625936A8 (de) | 2010-07-28 |
| JP4364239B2 (ja) | 2009-11-11 |
| WO2004086291A3 (de) | 2005-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100403770C (zh) | 对具有至少一个识别特征的材料进行定性判定的方法 | |
| Wang et al. | An optimized tongue image color correction scheme | |
| Zhang et al. | Color image quality metric S-CIELAB and its application on halftone texture visibility | |
| US7940994B2 (en) | Multi-scale image fusion | |
| CN103430208A (zh) | 图像处理装置、图像处理方法以及控制程序 | |
| CN103268499A (zh) | 基于多光谱成像的人体皮肤检测方法 | |
| DE102009029391A1 (de) | Bildverarbeitungsgerät und Bildverarbeitungsverfahren | |
| US6040905A (en) | Fiber color grading system | |
| CN111784780B (zh) | 基于深度学习的彩色摄像机的颜色标定方法 | |
| US6115492A (en) | Multiple purpose composite target for digital imaging test and calibration | |
| US7609878B2 (en) | Method for analyzing the color deviations in images using an image sensor | |
| Shams-Nateri et al. | Computer vision techniques for measuring and demonstrating color of textile | |
| Novak et al. | Supervised color constancy using a color chart | |
| CN107079072B (zh) | 成像器的交叉校准 | |
| EP1741060A2 (de) | Verfahren zum vergleich eines bildes mit mindestens einem referenzbild | |
| Ding et al. | Application of color mixing for safety and quality inspection of agricultural products | |
| CN116597029B (zh) | 一种针对色盲的图像重着色方法 | |
| Zhao | Camera Based Display Image Quality Assessment | |
| Vergara Villegas et al. | Radial Basis Function Neural Network for the Evaluation of Image Color Quality Shown on Liquid Crystal Displays | |
| Lafon et al. | Color images | |
| Liu et al. | An Application for Color Feature Recognition from Plant Images | |
| Sokolowski | Colour Scanning Calibration–a Comparison of Different Methods | |
| Shams-Nateri et al. | * University of Guilan, Rasht, Iran,† Center of Excellence for Color Science and Technology, Tehran, Iran | |
| Muthusamy et al. | Underwater Image Enhancement Using MIRNet | |
| Thamarai et al. | Underwater Image Enhancement Using MIRNet |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080716 Termination date: 20150326 |
|
| EXPY | Termination of patent right or utility model |