JPH11101944A

JPH11101944A - 光源装置

Info

Publication number: JPH11101944A
Application number: JP9279994A
Authority: JP
Inventors: Satoru Toyooka; 了豊岡; Wenjun Wan; ウェンジュンワン
Original assignee: Fuji Photo Optical Co Ltd
Current assignee: Fujinon Corp
Priority date: 1997-09-26
Filing date: 1997-09-26
Publication date: 1999-04-13

Abstract

(57)【要約】【目的】白色光を所定のスペクトル分布の光に変換し
出力する光源装置において、空間的に分散された光に所
望のスペクトル分布を与える空間光変調手段のコントロ
ール信号をニューラルネットワーク手段から出力させる
ことで、スペクトル分布の変更に対し迅速な対応を可能
とし、時間的、コスト的な効率化を図る。【構成】マイクロコンピュータ１６内のメモリには所
望される複数のスペクトル分布データが格納されてお
り、マイクロコンピュータ１６のメモリ内に構築された
ニューラルネットワーク１７に、選択されたスペクトル
分布データが入力されると、これが、所望のスペクトル
分布を有する光を実現するための液晶表示パネル制御用
のコントロール信号に変換される。この後、このコント
ロール信号は、パネルドライバ１８に送出され、パネル
ドライバ１８はこのコントロール信号に基づき所望のス
ペクトル分布を有する光を実現するべく液晶表示パネル
５を駆動する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術】本発明は、例えば顕微鏡や内視鏡
等のように、種々の検査や分析を行う機器において被検
体を照明するための光源装置に関し、特に、該被検体に
所望のスペクトル分布を有する光を照射して、精度の高
い分光画像解析を可能ならしめる光源装置に関するもの
である。

【０００２】

【従来の技術】例えば顕微鏡や内視鏡等のように、被検
体を照明して検査や分析を行う機器においては、その検
査精度や分析精度の向上を図るため、被検体の色情報の
忠実な再現が強く望まれ、照明光源のスペクトル分布を
自在に制御することが要求されるようになってきてい
る。

【０００３】これは、近年特に、顕微鏡や内視鏡におい
てもＣＣＤ等の光電変換手段を用いて被写体を撮像する
ことが多くなってきており、光源としてのランプの波長
特性、このランプの後段に配される各種フィルタ（固体
撮像素子の前段に配されるカラーフィルタやモザイクフ
ィルタ、赤外光をカットするためのフィルタ等）、ライ
トガイドの波長特性に加え固体撮像素子の感度特性等の
影響によって被写体の色情報を忠実に再現することが困
難となってきていることから、被検体に対し、光源とし
てのランプからの光をそのまま照射するのではなく、特
定のスペクトル分布を持った光を照射して被検体の色情
報の忠実な再現を確保しようというものである。

【０００４】勿論、特定の波長領域の光のみを透過させ
る光学フィルタは従来から広く知られているが、このよ
うな光学フィルタは特定の波長領域の光のみを選択的に
透過させるものであって、照明光に任意のスペクトル分
布を持たせて被検体の色情報の忠実な再現を行うことは
困難である。

【０００５】このような要求に応えるため、本願発明者
等は図１０に示す如き光源装置を既に開示している（特
開平4-297225号公報参照）。すなわち、この装置は光源
１０１から照射される白色照明光を任意のスペクトル分
布を持った光に変換して被検体に向けて照射することが
できるようにしたもので、光源１０１からの光をコリメ
ータレンズ１０２により平行光とし、回折格子１０３で
回折して各波長成分毎に空間的に分散させ、分散させた
光を結像レンズ１０４により液晶表示パネル１０５上に
結像させ、この液晶表示パネル１０５により波長領域毎
に透過率を制御して、白色光を目標とするスペクトル分
布を有する光に変換し、この後集光レンズ１０７を介
し、光混合用のファイババンドル１０８により各波長成
分の光を均一に混合して出力する。

【０００６】

【発明が解決しようとする課題】ところで、上述した液
晶パネル１０５により光の波長領域毎に透過率を制御す
るためには、コンピュータで演算して得られたコントロ
ール信号をＬＣＤドライバに入力し、これに基づき液晶
表示パネル１０５に所定の駆動信号を印加することにな
る。

【０００７】而して、上記コントロール信号を導出する
演算手法としては、１９９５年９月１５日発行のOptics
Communications 誌に掲載された Iterative Feedback
法（Iterative feedback method to make a spatial fi
lter on a liquid crystalspatial light modulator fo
r 2D spectroscopic pattern recognition;N.Hayasaka,
S.Toyooka,et al.参照）が知られている。この手法は、
液晶表示パネルに所定の関数の透過率分布を持たせたと
きに、この液晶表示パネルから出力された光のスペクト
ル分布が所望されるスペクトル分布に近づくように多数
回のフィードバックを繰り返し行うもので、この手法に
よれば目標とするスペクトル分布にかなり近づけること
が可能である。

【０００８】しかしながら、この手法によれば所望され
るスペクトル分布を有する光を作成する度に上記多数回
のフィードバックを同様に繰り返して行わなければなら
ず、所望されるスペクトル分布が頻繁に変化する場合に
は時間的およびコスト的な面で効率が悪かった。

【０００９】本発明はこのような事情に鑑みなされたも
ので、空間光変調手段により、所望されるスペクトル分
布を有する光を作成する場合に、この空間光変調手段の
変調特性を時間的およびコスト的な面で効率的に制御し
得る光源装置を提供することを目的とするものである。

【００１０】

【課題を解決するための手段】本発明の光源装置は、発
光源からの光を波長に応じて空間的に分散する分光手段
と、この分光手段により分散された光が全体として所定
のスペクトル分布を有するように、各波長領域毎の変調
量を制御する空間光変調手段と、この空間光変調手段か
ら出力された各波長成分毎の光を空間的に混合する光混
合手段と、前記空間光変調手段における前記各波長成分
毎の変調量を制御するためのコントロール信号を出力す
るニューラルネットワーク手段とを備えたことを特徴と
するものである。

【００１１】また、前記ニューラルネットワーク手段
は、前記光源装置の出力信号として所望される分光強度
分布を表す関数信号を入力され、この入力信号を所定の
伝達関数に基づいて演算し、前記コントロール信号を出
力するように構成される。また、前記伝達関数は線形関
数とすることが可能である。

【００１２】また、前記ニューラルネットワーク手段
は、関数ｆ（λ）で表される学習用の教師信号が前記空
間光変調手段に入力された際に、前記光源装置から出力
される分光強度分布に相当する関数ｇ（λ）で表される
信号を入力され、このとき該ニューラルネットワーク手
段から出力される信号ａ（λ）と前記関数ｆ（λ）で表
される教師信号との差が小さくなるように重み付け関数
ω（ｊ、ｉ）とバイアス値ｂ（ｊ）が修正され、この修
正操作が複数の前記教師信号に対して、繰り返し行われ
ることにより設定されることが望ましい。

【００１３】さらに、前記教師信号を正弦関数とするこ
とが可能である。また、前記空間光変調手段を、前記分
光手段で空間的に分散させた光の透過断面積を制御する
面積コード型のフィルタから構成することが可能であ
る。さらに、前記空間光変調手段を、前記分光手段で空
間的に分散させた光の透過率を制御する階調コード型の
フィルタから構成することが可能である。

【００１４】また、前記空間光変調手段は、液晶表示パ
ネルとすることが望ましい。また、前記分光手段が、光
源ランプからの光を平行光にするためのレンズと、この
平行光を各波長成分の光に分解する回折格子またはプリ
ズムとから構成されることが望ましい。さらに、前記光
混合手段が、回折格子、積分球または入射端に対して出
射端がランダムとなったファイババンドルから構成され
ることが望ましい。

【００１５】

【発明の実施の形態】以下、本発明の実施形態について
図面を用いて説明する。ここで、図１は光源装置全体の
構成を示す概略図である。同図において、白色光源ラン
プ１からの白色光はコリメータレンズ２によって平行光
とされて回折格子３に入射され、この回折格子３により
波長毎に異なる方向に回折される。回折された光は、シ
リンドリカルレンズ４を介することによって液晶表示パ
ネル５上に波長帯域によって空間的に分散した分光スペ
クトル像を作る。液晶表示パネル５は２枚の偏光板６
ａ、６ｂに挟まれ、その印加電圧に応じて各波長領域毎
に透過光量が変化するようになっている。偏光板６ａ、
液晶パネル５および偏光板６ｂを透過した光はシリンド
リカルレンズ７により回折格子８の同一領域に集光され
る。このようにして集光された光は、回折格子８によっ
て混合され、集光レンズ９によってライトガイド１１の
光入射部１０に集光され、ライトガイド１１により光伝
送されて、ライトガイド１１の光出射部１２から出射さ
れ、被検体１３の照明光となる。被検体１３の裏面から
入射し、この被検体１３を透過して被検体１３の像情報
を担持した光は顕微鏡１４によって拡大され、ＣＣＤカ
メラ１５の結像面上に結像される。

【００１６】このＣＣＤカメラ１５により撮像された被
検体画像データはマイクロコンピュータ１６に送出され
分光画像解析に供せられる。

【００１７】一方、マイクロコンピュータ１６内のメモ
リには所望される複数のスペクトル分布データ（ターゲ
ットデータＴ）が格納されており、マイクロコンピュー
タ１６のメモリ内に構築されたニューラルネットワーク
１７に、選択されたスペクトル分布データが入力される
と、これが、所望のスペクトル分布を有する光を実現す
るための液晶表示パネル制御用のコントロール信号に変
換される。この後、このコントロール信号は、パネルド
ライバ１８に送出され、パネルドライバ１８はこのコン
トロール信号に基づいて液晶表示パネル５を駆動する。

【００１８】なお、上記白色光源ランプ１とコリメータ
レンズ２との間には、白色光源ランプ１からの光により
線光源を作成するための集光レンズ１９およびスリット
２０が配されている。

【００１９】ここで、光源ランプ１としては白色光を照
射するもの、例えばキセノンランプ、ハロゲンランプ等
を用いる。この光源ランプ１からの白色光はコリメータ
レンズ２によって平行光とされ、回折格子３によって回
折せしめられ、シリンドリカルレンズ４によって液晶表
示パネル５の光透過領域に、可視光領域である約４００
ｎｍから約７００ｎｍの分散像を投影させる。液晶表示
パネル５は、例えば縦ストライプ状に光の透過率を制御
できるものを用い、この液晶表示パネル５に投射された
光を所定波長帯域毎に透過率を決定する。すなわち、図
１に示すように、液晶表示パネル５にパネルドライバ１
８を接続し、このパネルドライバ１８にニューラルネッ
トワーク１７を接続して、このニューラルネットワーク
１７からのコントロール信号に基づいて各波長帯域毎に
光透過率を制御する。これにより、液晶表示パネル５で
白色光を所望のスペクトル分布を持った光に変換させる
ことができる。

【００２０】このように、ニューラルネットワーク１７
を用いて液晶表示パネル５を制御することとしたのは、
ニューラルネットワーク１７によれば、液晶表示パネル
５を含む光源装置全系の伝達関数を一義的に特定でき、
所望とするスペクトル分布を有する光を作成するための
フィルタ関数を即座に生成でき、前述したIterativeFee
dback法等の従来技術のように、該フィルタ関数を生成
する度にフィードバックループを回すような繁雑な操作
を不要とし得るからである。

【００２１】ところで、上述した装置全系の伝達関数を
決定し、これに応じたニューラルネットワークを構築す
るためには、予めニューラルネットワーク１７に所定の
学習アルゴリズムを用いて学習させることが必要とな
る。以下、ニューラルネットワーク１７の具体的な学習
手法について説明する。

【００２２】図２は、ニューラルネットワーク１７に学
習を施す際の装置の構成を示すものであり、実際に装置
を稼働させる場合の図１に示す構成と対比すると、被検
体１３、顕微鏡１４およびＣＣＤカメラ１５の代わりに
モノクロメータ３１およびＡ−Ｄ変換器３２が挿入され
ている。以下、図２に示す装置を用いてニューラルネッ
トワーク１７を訓練する学習手法について説明する。な
お、本実施形態において使用する学習手法は Widrow-Ho
ff学習ルールと称されるものである。

【００２３】まず、図３によりニューラルネットワーク
１７のネットワークアーキテクチャを説明する。このネ
ットワークは入力ベクトル群ｐ（ｉ）が与えられたとき
に、それに対応する出力ベクトル群ａ（ｊ）を出力する
線形ネットワークであり（装置全体の伝達関数を線形関
数と仮定しているため）、重み付け関数ω（ｊ、ｉ）か
らなる行列を介してＲ個の入力ベクトルｐ（ｉ）に結合
されるＳ個のニューロンを有する層を一つ有している。
本実施形態では各ニューロンとして線形伝達関数が用い
られている。すなわち、ニューロンの各要素ｎ（ｊ）に
おいては、各入力ベクトルｐ（ｉ）に重み付け関数ω
（ｊ、ｉ）を乗じてその和をとったものに、さらにバイ
アスｂ（ｊ）が加えられ、これにニューロン固有の伝達
関数が乗じられて、出力ベクトル群ａ（ｊ）が出力され
る。

【００２４】学習時においては、この出力ベクトル群ａ
（ｊ）と、液晶表示パネル５のコントロール信号となる
教師関数Ｌが比較され、この出力ベクトル群ａ（ｊ）の
値が教師関数Ｌの値に近づくように重み付け関数ω
（ｊ、ｉ）とバイアスｂ（ｊ）のパラメータ値を修正し
ていく。そして、学習を対象とする多数の教師関数Ｌを
用いた同様の訓練を繰り返し行うことにより上記パラメ
ータを収束させ、実際の使用に際し直ちに所望の関数を
生成し得るニューラルネットワーク１７を構築すること
ができる。

【００２５】より具体的には、本実施形態では３０種類
の学習用の教師関数Ｌを選択してニューラルネットワー
ク１７の訓練を行っている。そのうちの３例を図４
（Ａ）、５（Ａ）、６（Ａ）に示す。すなわち、図４
（Ａ）は第１の教師関数Ｌ１を示すもので、横軸全位置
に置いて０となるものであり、図５（Ａ）は第２の教師
関数Ｌ２を示すもので、正弦波の半波長形状の特性を示
すものであり、さらに、図６（Ａ）は第３の教師関数Ｌ
３を示すもので、連続する正弦波形状の特性を示すもの
である。ここで、これら図４（Ａ）、５（Ａ）、６
（Ａ）に示されるグラフにおいて、横軸は液晶表示パネ
ル５の光分散方向の位置（本実施形態の液晶表示パネル
５では光分散方向に５１２本のストライプが並列する構
成とされているため、その一端側から数えた番号で示さ
れている）であり、縦軸は信号入力値である。なお、本
実施形態で教師信号Ｌとして正弦関数を選択したのは、
その後のフーリエ変換等の演算処理の便宜を図るためで
あるが、これに代えて、またはこれとともにその他の一
般的に用いられているバイナリ関数やチェビシェフ関数
等の種々の教師関数を用いることは勿論可能である。

【００２６】このような教師関数Ｌはマイクロコンピュ
ータ１６内に配されたメモリ（図示せず）に格納されて
おり、これがニューラルネットワーク１７の学習時にお
いて一つずつ出力され、パネルドライバ１８を介して液
晶表示パネル５に入力される。これにより、液晶表示パ
ネル５では、入力された教師関数Ｌに応じた透過率分布
が形成されるように、各ストライプ毎に透過率が設定さ
れることになる。

【００２７】このようにして、液晶表示パネル５の光分
散方向の位置に応じて各ストライプ毎の透過率が設定さ
れると、白色光源ランプ１からの、液晶表示パネル５を
透過した光は、この教師関数Ｌと同様のスペクトル分布
を有するのではなく、系の特性により大幅にひずんだも
のとなる。これは、前述したように光源のランプ特性や
各種フィルタの特性等の装置の全体の系の特性によって
変形が生じるものである。

【００２８】このようにして、得られた各教師関数Ｌ
１、Ｌ２、Ｌ３に各々対応する、モノクロメータ３１で
測定されたスペクトル分布を図４（Ｂ）、５（Ｂ）、６
（Ｂ）に示す。なお、これらの各図において、横軸は波
長（ｎｍ）を示し、縦軸は相対強度を示す。

【００２９】すなわち、図２に示す装置において、液晶
表示パネル５で変調されたスペクトル分布を有する光は
回折格子８により各波長領域の光が混合されライトガイ
ド１１を介してモノクロメータ３１に入力され、このモ
ノクロメータ３１において、再び各波長領域毎のレベル
信号に分離され、Ａ−Ｄ変換器３２でデジタル値に変換
されて、図４（Ｂ）、５（Ｂ）、６（Ｂ）に示す如き特
性を有する、ニューラルネットワーク１７への入力関数
ｇ（λ）を表す信号として出力される。

【００３０】この関数ｇ（λ）は前述したニューラルネ
ットワーク１７への入力ベクトル群ｐ（ｉ）を構成する
ものであり、また、このときの出力ベクトル群ａ（ｊ）
と、上記関数ｇ（λ）を得るためのマイクロコンピュー
タ１６から出力された教師関数Ｌが比較され、前述した
ようにその差を小さくするように重み付け関数ω（ｊ、
ｉ）とバイアスｂ（ｊ）が修正されることになる。以
後、前述したように、多数の教師関数Ｌを用いて上記訓
練を繰り返し、重み付け関数ω（ｊ、ｉ）とバイアスｂ
（ｊ）を最適な値に収束させるようにする。

【００３１】次に、このようにして学習が施されたニュ
ーラルネットワークを用い、学習データ以外の一般のテ
ストデータ（ターゲットデータＴ）をこのニューラルネ
ットワーク１７に入力したときに、図２に示す装置によ
り得られる出力信号がどの程度ターゲットデータＴに近
い値を示すかを検証した。図７（Ａ）、８（Ａ）、９
（Ａ）の点線は各々ニューラルネットワーク１７に入力
されるターゲットデータＴ（マンセル色標１２５７色を
表示するために最適化したフィルタ関数）を示すグラフ
であり、図７（Ｂ）、８（Ｂ）、９（Ｂ）は、各々ニュ
ーラルネットワーク１７から出力された出力信号（ター
ゲットデータＴに相当するスペクトル分布を実現するた
めの液晶表示パネルのコントロール信号）を示すグラフ
であり、図７（Ａ）、８（Ａ）、９（Ａ）の実線は各々
最終的に得られたスペクトル分布を示すグラフである。
なお、各図の（Ａ）において横軸は波長（ｎｍ）、縦軸
は規格化強度（各曲線と横軸（nm単位）、縦軸で囲まれ
た部分の面積で光強度を規格化している）を示すもので
あり、各図の（Ｂ）において横軸は液晶表示パネル５の
光分散方向の位置、縦軸は入力値を示すものである。

【００３２】ノルム誤差は、図７（Ａ）に示すターゲッ
トデータＴにおいては３．３６％、図８（Ａ）に示すタ
ーゲットデータＴにおいては７．７７％、図９（Ａ）に
示すターゲットデータＴにおいては４．３６％であり、
実用上問題のない程度まで一致したスペクトル分布が得
られた。図１に示す光源装置においては、所望とするス
ペクトル分布に相当するターゲットデータＴを、前述し
た如くして学習を施されたニューラルネットワーク１７
に入力するだけで所望とするスペクトル分布を有する光
を出力し、これを被検体の照明光とし得るので、顕微鏡
による分光画像解析を簡易かつ高精度で行うことがで
き、さらに、照明光のスペクトル分布の変更にも迅速に
対応することができる。

【００３３】なお、上記実施形態においては本発明の光
源装置を顕微鏡の照明光源に適用した場合について説明
したが、内視鏡等の照明光源に適用することで被写体画
像の色再現性を良好とすることも可能であり、さらに、
種々の検査用の光源に適用し、空間光変調手段の波長変
調特性を任意に制御することによって簡易かつ高精度の
検査結果を得ることができる。

【００３４】また、ニューラルネットワーク手段として
も上述した実施形態のものに限られるものではなく、非
線形ネットワークを用いることも可能であり、また、ニ
ューロン層を多層として目標とするスペクトル分布との
一致性をさらに高めることが可能である。また、ニュー
ラルネットワークの学習アルゴリズムとしても上述した
widrow-Hoff 学習ルールに限られるものではなく、そ
の他の種々の学習アルゴリズムを用いることが可能であ
る。なお、前述した実施形態においては、分光手段とし
て回折格子を用いるようにしているが、プリズムを用い
ても、光源ランプからの光を各波長成分毎に空間的に分
散させることができる。

【００３５】また、空間光変調手段として、各波長にお
ける光の透過率を制御する、いわゆる階調コード型の空
間フィルタとして液晶表示パネルを用いるようにしてい
るが、例えば分光手段で分散させた光を透過させる窓を
設け、この窓における各波長の光を透過させる断面積を
制御する、いわゆる面積コード型の空間フィルタを用い
ることもできる。また、この空間光変調手段としては光
の透過率を制御する空間フィルタに限られず、例えばＤ
ＭＤ（ディジタルマイクロミラーディバイス）等の、
所定方向への光の反射率を制御し得る光変調手段を用い
ることも可能である。

【００３６】さらに、光混合手段としては、上述した回
折格子に限られず、ファイババンドル、積分球、すりガ
ラス等を用いることも可能である。また、分光する波長
領域は、必ずしも可視光に限定されるものではなく、例
えば赤外線領域、紫外線領域等の波長領域の光による照
明を行う際においても、所望のスペクトル分布特性をも
たせることが可能である。

【００３７】

【発明の効果】以上説明したように、本発明の光源装置
よれば、白色光源からの白色光を各波長領域毎に空間的
に分散させ、この分散させた光を空間光変調手段を用い
各波長領域毎に所望の変調を施して所望の分光強度分布
を持たせ、必要とされる分光強度分布の光を生成する際
に、上記空間光変調手段の光変調をニューラルネットワ
ーク手段を用いてコントロールしており、ニューラルネ
ットワーク手段に予め学習を施しておけば、必要とされ
る分光強度分布が変化する度に繁雑なコントロール信号
の生成処理を行う必要がないので、照明すべき被検体が
変化し、必要とされる光の分光強度分布が変更された場
合等においても迅速な対応が可能となり、時間的および
コスト的な面において大幅な効率化を図ることができ
る。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る光源装置を示す概略
図

【図２】図１に示すニューラルネットワークに学習を施
す場合について説明するための図

【図３】図１に示すニューラルネットワークのアーキテ
クチャを示す概略図

【図４】ニューラルネットワークの学習時において空間
光変調手段に入力される教師関数Ｌ１を示すグラフ
（Ａ）、およびこの教師関数Ｌ１に対応して系から出力
される光のスペクトル分布を示すグラフ（Ｂ）

【図５】ニューラルネットワークの学習時において空間
光変調手段に入力される教師関数Ｌ２を示すグラフ
（Ａ）、およびこの教師関数Ｌ２に対応して系から出力
される光のスペクトル分布を示すグラフ（Ｂ）

【図６】ニューラルネットワークの学習時において空間
光変調手段に入力される教師関数Ｌ３を示すグラフ
（Ａ）、およびこの教師関数Ｌ３に対応して系から出力
される光のスペクトル分布を示すグラフ（Ｂ）

【図７】ニューラルネットワークに入力されるターゲッ
トデータＴ１と、これに対応する、系から出力される光
のスペクトル分布を示すグラフ（Ａ）、およびそのター
ゲットデータＴ１を入力されたニューラルネットワーク
から出力されて液晶表示パネルに印加される信号を示す
グラフ（Ｂ）

【図８】ニューラルネットワークに入力されるターゲッ
トデータＴ２と、これに対応する、系から出力される光
のスペクトル分布を示すグラフ（Ａ）、およびそのター
ゲットデータＴ２を入力されたニューラルネットワーク
から出力されて液晶表示パネルに印加される信号を示す
グラフ（Ｂ）

【図９】ニューラルネットワークに入力されるターゲッ
トデータＴ３と、これに対応する、系から出力される光
のスペクトル分布を示すグラフ（Ａ）、およびそのター
ゲットデータＴ３を入力されたニューラルネットワーク
から出力されて液晶表示パネルに印加される信号を示す
グラフ（Ｂ）

【図１０】従来技術に係る光源装置を示す概略図

【符号の説明】

１，１０１光源ランプ２，１０２コリメータレンズ３，８，１０３回折格子４，７，１０４，１０７シリンドリカルレンズ５，１０５液晶表示パネル６ａ，６ｂ，１０６ａ，１０６ｂ偏光板９，１０７集光レンズ１１ライトガイド１３被検体１４顕微鏡１５ＣＣＤカメラ１６マイクロコンピュータ１７ニューラルネットワーク１８パネルドライバ３１モノクロメータ３２Ａ−Ｄ変換器１０８ファイババンドル

Claims

【特許請求の範囲】

【請求項１】発光源からの光を波長に応じて空間的に
分散する分光手段と、この分光手段により分散された光が全体として所定のス
ペクトル分布を有するように、各波長領域毎の変調量を
制御する空間光変調手段と、この空間光変調手段から出力された各波長成分毎の光を
空間的に混合する光混合手段と、前記空間光変調手段における前記各波長成分毎の変調量
を制御するためのコントロール信号を出力するニューラ
ルネットワーク手段とを備えたことを特徴とする光源装
置。
【請求項２】前記ニューラルネットワーク手段は、前
記光源装置の出力信号として所望される分光強度分布を
表す関数信号を入力され、この入力信号を所定の伝達関
数に基づいて演算し、前記コントロール信号を出力する
ように構成されていることを特徴とする請求項１記載の
光源装置。
【請求項３】前記伝達関数が線形関数であることを特
徴とする請求項２記載の光源装置。
【請求項４】前記ニューラルネットワーク手段は、関
数ｆ（λ）で表される学習用の教師信号が前記空間光変
調手段に入力された際に、前記光源装置から出力される
分光強度分布に相当する関数ｇ（λ）で表される信号を
入力され、このとき該ニューラルネットワーク手段から
出力される信号ａ（λ）と前記関数ｆ（λ）で表される
教師信号との差が小さくなるように重み付け関数ω
（ｊ、ｉ）とバイアス値ｂ（ｊ）が修正され、この修正操作が複数の前記教師信号に対して、繰り返し
行われることにより設定されてなることを特徴とする請
求項１から３のうちいずれか１項記載の光源装置。
【請求項５】前記教師信号が正弦関数であることを特
徴とする請求項４記載の光源装置。
【請求項６】前記空間光変調手段が、前記分光手段で
空間的に分散させた光の透過断面積を制御する面積コー
ド型のフィルタから構成されてなることを特徴とする請
求項１記載の光源装置。
【請求項７】前記空間光変調手段が、前記分光手段で
空間的に分散させた光の透過率を制御する階調コード型
のフィルタから構成されてなることを特徴とする請求項
１記載の光源装置。
【請求項８】前記空間光変調手段が、液晶表示パネル
であることを特徴とする請求項１から７のうちいずれか
１項記載の光源装置。
【請求項９】前記分光手段が、光源ランプからの光を
平行光にするためのレンズと、この平行光を各波長成分
の光に分解する回折格子またはプリズムとから構成され
てなることを特徴とする請求項１記載の光源装置。
【請求項１０】前記光混合手段が、回折格子、積分球
または入射端に対して出射端がランダムとなったファイ
ババンドルから構成されてなることを特徴とする請求項
１記載の光源装置。