１．はじめに

近年、偏光を利用した画像計測は、フラットパネルディスプレイ分野の製品検査を中心に、必須の技術となっている。これらの分野においては、高性能化および高機能化に加えて、製品製造現場での検査ラインに組み込むためのモジュール化の研究開発が望まれており、新規の検出原理から実践投入までを視野に入れたアプローチが必要となっている。
 本稿では、まず前半に我々が開発した「高速・高解像の2次元複屈折プロファイラ―」に関して紹介する。これは、偏光計測の分野でしばしば問題となる機械的な回転操作を排除した、ユニークな複屈折位相差のイメージング技術であり、高分子材料を用いた製品の検査等に有望であると考えられる。後半には、当該分野の更なる技術発展を目指して、我々が近年開発した2種類の偏光機能性素子に関して、その応用展開等を含めて紹介する。

２．回転操作不要の偏光顕微鏡「複屈折プロファイラ―」

２．１　複屈折プロファイラ―の原理

 一般的に偏光状態の測定とは、任意の偏光状態の楕円軌跡と回転方向を決定することに相当する。そして、その楕円の軌跡を特定するためには、少なくとも3つの方位角における光強度を測定する必要がある。しかしながら、同時にこの3つの方位角成分を抽出する検光子は存在しない為、結果として何らかの回転操作が必要となり、同時に測定時間が長くなる。この問題を解決するために、被測定光を分割したり¹⁾、検光子の配置を工夫する²⁾などの多様なアプローチが提案されており、それぞれの方式の長所・短所を踏まえて、適材適所の応用が進んでいるのが実態と言える。我々は、偏光顕微鏡の原理に基づいた複屈折位相差の測定方式における、煩雑な回転操作と後段の情報処理の排除を目的とし、回転操作不要の偏光顕微鏡といえる、「複屈折プロファイラ―」を開発した。以下にその原理を示す。
 図１(a)に示す様に、分子配向やサブ波長格子等が発現する屈折率の異方性(複屈折Δn)において、その方向が面内で回転しながら周期性を形成するとき、これは特殊な偏光回折格子となる。これらの偏光回折格子は、主として光誘起異方性媒質中での偏光ホログラム形成として研究されている^3,4)。この回折格子は、図１(b)に示す様に、入射光の偏光状態に依存した非対称な回折を生じる。例えば、＋1次光に注目すると、左回り円偏光が入射した場合には回折光強度が最小となる。この状態から、入射光の位相差(あるいは楕円率)が変化すると、その変化量に応じて回折光強度が増加する。このとき回折効率は、入射光の楕円率のみに依存し、楕円の向きには依存しない。図１(c)のように、2枚のレンズを用いた結像系を構築し、レンズ系中央にこの回折格子を配置することで、その偏光特性を複屈折測定に応用することができる。

具体的には、まずレーザー光の偏光状態を左回り円偏光調整する。サンプル位置に何も置かない場合や等方性の媒質が置かれている場合には、偏光状態に変化は無いため、デジタルカメラで検出される像は暗いままである。一方で、サンプル位置に複屈折分布を持つ試料が置かれた場合には、図１(b)の特性に基づいて回折光強度が変化し、その複屈折位相差の分布に応じた回折像がデジタルカメラによって検出されることになる。即ち、複屈折の2次元分布を、光強度の2次元分布に変換して検出できることとなる。回折特性が楕円偏光の向きに依存しないことと、入射光に円偏光を用いていることから、試料面内のいかなる方向を向いた複屈折も、その複屈折位相差の大きさに対応した光強度として検出されるため、まさに「回転操作不要の偏光顕微鏡」であり、図１(b)の特性に基づいて定量的に位相差を測定可能な、高速・高解像の2次元複屈折イメージング技術となる⁵⁾。

２．２　複屈折プロファイラ―構成

前述の光学系をより実践的に構築すると、例えば顕微鏡タイプの場合、図２のような構成が可能となる。この時、空間分解能は10µm程度であり、微小領域を高解像で観察できる。他にも多様な構成が利用できるが、ここで特筆すべきは、LEDのようなインコヒーレントな光源とカメラレンズによる結像系も利用可能な点であり⁶⁾、これにより利用用途や適用分野は大きく拡大できると予想される。

 また、図３(a)に示すようなフィルム検査向け用途を考えた場合には、スリット状の光源を備えた、図３(b)のような構成が可能となる。更に、前述のスリット状の光源を用いる場合には、偏光回折格子の回折角における波長分散を利用して、多波長同時計測が可能となる。複屈折の波長分散が無視できる測定対象の場合には、使用波長が、検出可能な位相差(リタデーション)のダイナミックレンジに直接的に関係する。結果として、短い波長の光による高感度測定と、長い波長の光による広ダイナミックレンジ測定が選択あるいは併用可能となり、全面に及ぶ機能的かつ高精度なフィルム検査が可能となる。

２．３　複屈折プロファイラ―のよる観察例

 身の回りには複屈折を有する多くの物質やこれによる製品があり、それらを観察あるいは検査する装置として複屈折プロファイラ―は有効的なツールの一つとなる。例えば、フィルムの検査においては、キズ・ブツおよび厚さのムラなどを検出可能である。また、近年のコロナ感染拡大で、必須の身の回り品となったマスクを構成する不織布も、繊維質の組み合わせやバインダーの有無に至るまで、鮮明なイメージングが可能となる(図４(a))。このほかにも、図４(b)に示す機能性繊維や、その他食品および結晶体など、実に多様な対象物を、高速・高解像にイメージング可能である^7-9)。

また、高速性を生かして、材料変化のダイナミクスを追跡する物性研究等にも適用可能と思われる。実際に我々は、図５に示す様に、グルタミン酸ナトリウムの高濃度溶液において、時間変化に伴って晶析が進行する過程を、in-situで追跡して実証している。本例は、比較的ゆっくりと進行する反応であるが、図１(c)に示した装置構成の通り、応答速度はデジタルカメラの撮像速度によって直接的に決まるため、高速カメラと組み合わせることで、多様なダイナミクスを捉えることが可能と考えられる。

２．４　まとめ

 特殊な偏光素子の回折特性を利用して、2次元の複屈折分布を2次元の光強度分布に変換する「高速・高解像の複屈折プロファイラ―」に関する概要を紹介した。簡便な構成で、顕微鏡のように直感的な観察・イメージングが可能となるため、高精度測定に限らず生産現場での品質管理等、多様な応用展開が期待できる。今後は、対応波長を拡張し更なる用途拡大を検討する予定である。
 最後に、本研究の一部は、著者の前所属である同志社大学と産業技術総合研究所との共同研究によるものであり、共同研究者および協力者の皆様に感謝の意を申し上げます。

次回に続く－

【著者紹介】
江本　顕雄（えもと　あきら）
徳島大学 ポストLEDフォトニクス研究所(pLED)　特任講師
https://www.pled.tokushima-u.ac.jp/

■略歴
2006年長岡技術科学大学博士後期課程修了。博士（工学）。
物質・材料研究機構NIMSポスドク研究員、産業技術総合研究所特別研究員、同志社大学理工学部准教授等を経て、2019年4月より現職。

専門分野は、応用光学。偏光や分光等の光学物理と、液晶や高分子などの有機材料の相互作用を利用した、光計測・センシング技術・デバイス開発などの研究に従事。

【著者紹介】
福田　隆史（ふくだ　たかし）
国立研究開発法人産業技術総合研究所　センシングシステム研究センター
バイオ物質センシング研究チーム

■略歴
1996年 東京工業大学 理工学研究科 博士修了、博士（工学）。 日本学術振興会特別研究員、物質工学工業技術研究所 研究員、産業技術総合研究所 主任研究員、新エネルギー産業技術総合開発機構 主任研究員（転籍出向）等を経て、2021年4月より現職。過去に、応用物理学会 代議員、有機分子バイオエレクトロニクス分科会 常任幹事、日本光学会 理事などを歴任。

専門分野は、バイオセンシング・応用光学・光計測・光機能性材料/デバイス。近年では、工業分野以外にも、農業・医学・環境などの各分野における学際研究や企業連携を推進しており、社会で実際に活用される技術の開発に専念している。

１．はじめに

自動車の自動運転が話題に上る中、イメージセンサを利用した画像認識や画像計測が、そのための重要技術として注目されている。イメージセンサというと、CCDやCMOS、あるいはそれらを使ったカメラを思い浮かべるのが通常であるが、イメージセンサは外界の光情報（色・明るさ、など）を電気信号に変換する部分である。それは文字通り外界を「写す」機能を有する部分といえる。それだけでは、画像認識や画像計測を実現したことにはならない。人間はセンサとしての目の他に脳を持っており、これが外界の認識や理解に中心的な役割を果たしている [D．マッケイ，V．マッケイ編, 1993]。ここでは、その脳に相当する部分の実現方法のいくつかを紹介することにする。

２．自動車と画像センシング

自動運転をモチーフに自動車でのセンサ応用を問題にする際、画像が適しているかどうかを考えることは重要である。画像以外に、電波、超音波、レーザー、などのさまざまなセンサを利用することが可能である。距離の計測に目的を限定したとすると、それぞれのセンサで精度もコストも異なる。簡単な長所短所の比較を表1に示す。

画像センシングはどこが良いのかを考えてみることにする。最大のメリットは、画像センシングで得られる情報が人間の得ている情報に近いという点である。人間はいわゆる五感をセンサとして持っているが、得られる情報の大半は視覚情報であると言われている。人間はそのように進化しており、また世界の人工物も人間に便利なように作られている。

実例として図1に示すような道路を想定してみる。前方に電柱やガードレールや車が見えるため、このまま直進するとどれかにぶつかる可能性がある状況である。仮にレーダーで障害物を検知したとすると、前方に電波を反射するものが検知されることだろう。そこで警告を出すかということが問題となる。画像であれば前方の車線がカーブしているので、道なりに進めば障害物は問題とならないことがわかる。これが画像センシングのメリットである。

図2に監視領域を示す。それぞれの監視領域の目的は、概ね以下の通りである。
 • 前方：障害物、飛び出し、などの検知
 • 後方：バック時、車線変更時の障害物の検知
 • 側方：車線変更時や狭い場所での障害物の検知
 • 車内：運転手の状況の把握（今回は省略）

３．対象物の識別

対象物の識別は、画像センシングが最も得意とするところである。最近では深層学習（Deep Learning）と呼ばれる技術が主流となっている。ここでは深層学習の概略と応用の例を紹介する。

深層学習は、機械学習の一種で、その中でもニューラルネットワーク（Neural Network）というモデルを使うものである。さらに詳しく述べると、ニューラルネットワークの中でも階層型ニューラルネットワーク（図3参照）という構造に関するものである。

細かな部分を省略すると、深層学習は、大きく次の二つの要素からなる。
• 誤差逆伝播による学習
  o 希望する出力が出るように結合の重みを調整
• 多層ネットワーク
  o 最少4層以上で、多い場合は100層以上からなる「深い」ネットワーク

(1) 誤差逆伝播による学習
簡単化のため、3層のニューラルネットワークを考えることとする。また、出力も1個であるとする（図4参照）。

細かな計算は省略するが、学習は出力zと正解tとの誤差Eを少なくするように結合重みvとWとを順次修正する。この方法を最初に提案したのは甘利であり、確率的勾配降下法（Stochastic Gradient Descendent）と呼ばれていた [Amari, 1967]。

(2) 多層ネットワーク
ニューラルネットワークにはいろいろな構造が考えられているが、ここで使われているのは、信号が一方向に流れる階層型ニューラルネットワークである。流れる方向に沿ってニューロン素子が層状に並んでいるのが特徴である。この構造を最初に導入したのはRosenbrattであり、それを「単純」パーセプトロン（Perceptron）と呼んだ [Rosenbratt, 1958]。
深層学習で使われる階層は、最低でも4層である。よく使われるのは、たたみ込みニューラルネットワーク（Convolutional Neural Network: CNN）と呼ばれる構造で、図5に示すように、特徴抽出をするConvolution層（C層）とまとめるSubsampling層（S層あるいはPooling層）とが順に並ぶ構成になっている。

こういう仕組みを実際に利用した例を紹介する。以下はケンブリッジ大学で開発されたSegNetである [Badrinarayanan, etal, 2017]。深層学習と呼ぶのに相応しく、数多くの層が左右対称形に配置されている（図6参照）。左側がエンコーダで、Convolution、Batch Normalisation、ReLU、Poolingと多くの層が並んでいる。右側はデコーダで、検出された特徴をUpsamplingすることで元の画像の各点をラベル付けしている。この構造は、一般的にはU-Netと呼ばれる、セマンティックセグメンテーション（画像から同じ領域を切り出す仕組み）を実現するための方法である。

図7に実際の入力画像と切り出された結果を示す。

ここで紹介したのは一例にすぎないが、深層学習は一般的に物体認識で最も高い精度を達成している方式である。

４．動きの計測

自動車に必要な外界の情報として、対象物体の認識や切り出し以外に、外界物体の動きの情報がある。場合によっては対象物の認識以上に動きの情報は重要である。

自動車自身も動いており、外界にも動いているものがある。ここでの問題点は、自動車自身の動きによって止まっている外界の物体までもが動いて見えることにある。必要なことは、自動車自身の動きによって見かけ上動いて見えるものと、物体自体が動いているものとを区別するということである。

ここで使われる有力な方法として、オプティカルフロー（Optical Flow）がある [二宮芳樹，太田充彦, 1997]。オプティカルフローとは、画面の各点の動きベクトルである。簡単に言えば、画面の各点が比較的短い時間にどのように動くかという情報ということになる。計算方法は何通りかあり、ブロックマッチングによる追跡法、勾配法、Lucas-Kanade法、などが知られている [藤吉弘亘，他, 2013]

ここで車の前方をカメラで撮影しているシーンを想定してみる。そこに、右側から別の車が横切っているとする。その様子を模式的に図8に示す。

この場合、背景の動きベクトル（オプティカルフロー）は、画面の中心から湧き出してくる方向である（図中の破線で表示）。それに対して横切る車のオプティカルフローは、画面の右から左に向かう方向となる（図中の実線で表示）。

別の例として、高速道路を走行中に自車の広報をカメラで撮影しているシーンを想定してみる。複数車線あるので、追い越すことも追い越されることもある。隣の車線に追い越してくる車がいるとする。その様子を図9に模式的に描く。

この場合、背景のオプティカルフローは、画面の中央に吸い込まれる方向である（図中の破線で表示）。それに対して、追い越してくる車のオプティカルフローは、逆に中央から湧き出す方向となる（図中の実線で表示）。

ここに示したように、オプティカルフローの状態によって、進行する際や車線変更する際に障害となり得る別の車を検出することが可能となる。ここで重要だったのは物体の種別ではなく、動きの情報であった。

次回に続く－

【著者紹介】
前田　賢一（まえだ　けんいち）
一般社団法人 次世代センサ協議会 理事、技術委員

■略歴
1976年 東京工業大学大学院修士課程修了
1976年 東京芝浦電機株式会社（株式会社 東芝）入社
総合研究所（研究開発センター）所属
1989年～1991年 英国エジンバラ大学 客員研究員
1999年～2000年 東芝 関西研究センター長
2000年～2002年 電子情報通信学会 和文論文誌D 編集委員長
2002年～2004年 電子情報通信学会 情報・システムソサイエティ副会長（技術担当）
2004年～2011年 東芝 研究開発センター 技監
2004年～現在IEEE Senior Member
2005年～2008年 Treasurer, Japan Chapter of Computational Intelligence Society, IEEE
2007年 東京工業大学大学院博士課程修了（博士（工学））
2009年～現在 電子情報通信学会フェロー
2012年 Award Chair, ICPR 2012
2012年 Guest Editor, Special Issue, Pattern Recognition Letters
2016年 株式会社 東芝退職
フリーランスのコンサルタント（現職）
2017年～2020年 中央大学 客員研究員
2017年～現在一般社団法人 次世代センサ協議会 技術委員
2019年～現在一般社団法人 次世代センサ協議会 理事

1．はじめに

 近年，人工知能 (artificial intelligence: AI) 技術は様々な場面で用いられ，われわれの生活の中で実用化されようとしている．そのような時代背景の中，AI を一般化する中で生じる種々の問題に対して，ガイドラインなどが発表されている．例えば，米国では AI 政策の整備に向けた動きを近年急速に進めている．また，欧州連合では法律と倫理を具体化させようとしている．具体的には，2020 年 2 月に欧州委員会が “AI 白書 ¹ ” と “AI・IoT・ロボット工学に関する安全・賠償責任レポート ² ” を発表し，人間中心の AI ルールに向け，6 つの要件や認証制度，賠償責任について提案した．更に，2021 年 6 月には世界保健機関 (World Health Organization: WHO) が今後の WHO の活動指針となる “WHO issues first global report on Artificial Intelligence (AI) in health and six guiding principles for its design and use ³ ” を発表した．その中で WHO は，AI が人の自由や人権を侵害するものであってはならないことや，世界中のすべての人々が AI の恩恵を受けられるようにする必要性を訴えている．

2．医用画像領域の人工知能技術

 医療領域での AI 技術に着目すると，近年 AI 技術が搭載されている医用機器が多く販売されている．これは，平成 30 年 12 月 19 日に出された “厚生労働省医政局医事課長通知文書 ⁴ 「人工知能 (AI) を用いた診断，治療等の支援を行うプログラムの利用と医師法第 17 条の規定との関係について」” が切っ掛けだと考える．
 この通知文書には，”AI を用いた診断・治療支援を行うプログラムを利用して診療を行う場合についても，診断，治療等を行う主体は医師であり，医師はその最終的な判断の責任を負うこととなり，当該診療は医師法 第 17 条の医業として行われるものであるので，十分ご留意をいただきたい．” と記載されており AI を用いた技術を使った場合の責任の所在を医師と定義した．このように責任の所在が定義されたことより，企業による開発が活発になり，商品化が進んだ結果だと考える．

3．放射線画像

 医用画像は，画像情報・検査情報およびそれらを通信・印刷・保存・検索するため digital imaging and communications in medicine (DICOM) 規格 ⁵ によりの国際標準規格として定められている．DICOM 規格中でも放射線検査により得られる画像 (放射線画像) は，DICOM 規格では画像を生成した医用機器により computed radiography: CR, computed tomography: CT, magnetic resonance: MR, nuclear medicine: NM，positron emission tomography: PT, x-ray angiographic: XA など，大まかな検査種別の分類を行っている．
 一般論になるが，所謂，通常の写真などの画像 (自然画像) に比べて放射線画像は，撮影装置の幾何学的制約や被ばく線量低減のため，低解像度かつ統計ノイズが多い画像となっている ⁶．放射線画像の画質を向上させるためには，自然画像と同じ様に検出器に入射される光子の数を増加させることで統計ノイズの影響を低減することができるが，入射される光子数の増加は被ばく線量が増加するため，診断可能な画質の画像を得るために必要な撮影線量を診断参考レベル (日本の診断参考レベル: Japan DRLs ⁷ ) として公表している．
 近年，半導体技術の進歩により高性能な画像センサが登場している．こう言った画像センサを用い，画質は同等だがより被ばく線量を低減できる様に工夫されている．そのため，同一の医療機器による分類であっても，施設により画質が大きく異なる特性が放射線画像ある．少し古いデータになるが，放射線医療機器の更新サイクルは年を追うごとに遅くなる傾向があり，施設間格差を生む一因である ^8-10．

4．人工知能技術を導入する場合の問題点

 AI の基本的な問題点としてドメインシフトが挙げられる．これはモデルを構築したデータと実際に扱うデータが異なることで性能が発揮できない現象で，AI 技術は厳密解ではなく統計的に最適解を導く性質が原因である．AI モデルを実装する際に問題となる自施設で扱うデータを使用して，実用に適したAIモデルを構築できれば解決の可能性があるが，医薬品医療機器法上，施設毎にカスタマイズされたモデルを使用できない．“3．放射線画像” で触れたように，医用画像は施設間格差が大きく，他施設で作成した AI モデルを臨床適用させにくい理由の一つである．
 AI 技術のなかでも頻用されている深層学習の特徴として，End-to-End Training が挙げられる．End-to-End Training とは，今までは入力データが与えられてから結果を出力するまで多段の処理を必要としていた機械学習を，様々な処理を行う複数の層・モジュールを備えた一つの大きな Neural Network に置き換えて学習を行うことであり，医療画像の中でも放射線画像診断領域の AI で End-to-End Training を考えると各装置から出力された画像と確定診断となる．確定診断を可能とする AI モデルを考えた時，ドメインシフトは非常に大きな問題となる．放射線画像診断領域で用いられている AI 技術の中には画像処理なども含まれるが，画像処理の目的は診断を行いやすい画像の生成であり，診断医による診断の補助や AI を用いた確定診断の前処理に用いられている．
 以上より，AI モデルの臨床への商用利用や将来的に確定診断を可能とする AI モデルの実現を考えた時，ドメインシフトを改善する必要がある．ドメインシフトを改善するには “学習データを増加させる” や “課題に応じたネットワークに変更する” ことで実現可能であるが，バリエーションの範囲が不明確であり，すべての施設で普遍的に扱える AI モデルの作成は困難である．実際に AI を応用できるのは，一貫した基準で継続的に大量の学習用データを集めることができる施設でのみ実現できる．ドメインシフトを低減する研究 ¹¹ や少数の教師データから AI モデルを作成する手法 ¹² も考案されているが，医療画像領域での検証報告は少なく，医療画像領域の AI 技術を実現させるためには大量の教師データが必要である．

次回に続く－

【著者紹介】
片山　豊（かたやま　ゆたか）
大阪市立大学医学部附属病院　中央放射線部

■著者略歴
2003 年 大阪大学医学部附属病院，
2004 年 りんくう総合医療センター，
2006 年 北摂総合病院，
2007 年 大阪市立大学医学部附属病院に勤務．放射線技術学会，核医学技術学会に所属．スパースコーディングを用いた医用画像処理の研究開発を 2014年頃より始め，その後，深層学習を用いた医用画像処理の研究開発に 2017 年頃より従事．

１．はじめに

 これまで画像計測は、輝度や色の面分布情報を利用することが一般的であったが、近年はこれらに加えて光の波の振動方向の情報、即ち偏光情報を画像情報として取得し、これを利用する偏光画像計測の応用への機運が高まってきている。
 その要因として、偏光をイメージング情報として取得可能な偏光カメラが開発され、その入手性が向上してきたことが挙げられる。その一方で、得られた情報の光学的な意味や活用方法についての知見の不足から、偏光カメラを有効に活用できない場合も多い。
本稿では、偏光カメラとその種類、応用分野を紹介するとともに、偏光の理解に有効なツールを紹介することで、偏光情報の有効活用と市場拡大に繋がることを期待する。

２．偏光カメラとその応用分野

 本稿では、偏光カメラを『面分布の偏光情報を(比較的短時間に)取得できるカメラ』と定義する。通常のカメラは、光に含まれる基本情報としての輝度分布、色分布を取得しているが、そのままでは偏光情報を取得することはできない。そこで、次章に紹介する様々な工夫により、2000年代に入って、偏光情報を取得できるカメラが実用化されてきた。
 偏光カメラが市場に登場した当初は、偏光イメージングの可能性に多くの期待が寄せられたが、現在でもその応用分野は極めて限定的である。その主な理由は、二つ挙げられる。
 一つ目の理由は、「偏光情報の理解のしにくさ」である。先に記した通常のカメラで扱う輝度分布や色分布は直感的に理解することが容易であり、その応用範囲も広い。しかし、偏光は実体験として触れる機会が少ない。例えば、偏光の最大の応用市場とも言える液晶ディスプレイも、最終的には輝度と色の情報を映し出すのが機能であり、その原理を理解せずに恩恵にあずかる場合がほとんどである。理解が広まりにくい技術の市場拡大に時間がかかることは当然とも言える。
 もう一つの理由は。「偏光カメラで得られる情報のロバスト性確保の難しさ」である。偏光情報には、撮影対象である物体の面の向き、材質だけではなく、物質の表面粗さ、光源の位置や偏光状態などの影響を強く受ける。この為、偏光カメラの応用として挙げられてきた、立体形状の認識や、ガラス表面の映り込みの低減や、偏光に特徴的な特性を持つ物体の特定など(図１)は、限定的な条件下では有効に機能するものの、異なる環境下で同じ性能を発揮することは困難である。特に屋外環境の様に、朝、昼、夜の太陽の位置や有無の違いあり、更に雨や雪が降る場合も想定される環境下、偏光カメラの有効活用への困難さは高まる。
 このため、偏光カメラの主な用途は、光源の位置や偏光状態を固定でき、測定対象も限定できる、屋内の計測用途である。例えば、透明な測定対象の分子配向や応力などにより発生する光学異方性(複屈折)は、透過光の偏光状態を変化させる。従って、測定対象を透過する前後の偏光情報を偏光カメラで取得し、これらを比較演算することで複屈折の定量評価装置が実現し、その適用範囲は広がってきている。また、レーザー光の偏光分布などをリアルタイムに計測する用途にも有用性が高い。

３．偏光カメラの種類

3.1　偏光カメラの基本構造での分類

 偏光情報の定量計測の基本は、回転する偏光フィルターを含む光学系の透過光量を、光量センサで計測し(図2)、これを演算することである。従来は、一般的には光量センサには点計測用のセンサが用いられた。その主な理由は、点計測センサの代わりにイメージセンサを用いた場合、回転する偏光フィルターにより生じる光軸のブレが、イメージセンサの画素レベル以下に抑えることが難しく、透過光量の変化が、計測する偏光情報に基づいて変化したのか、画像の明暗分布により変化したのか区別がつかなくなってしまう問題があった為である。

 そこで近年では、偏光フィルターを実際に回転させることなく、しかし光学的には偏光フィルターを回転させたことと等価な情報を得る様々な工夫により、面分布の偏光情報を計測できる装置が開発された。その手法は、大きく3つの種類がある(図3)。
 一つ目の手法は、可変な光学特性を持つデバイスを用いて、偏光フィルターを回した場合と同様な情報を得る手法である(図3(a))。このデバイスには、液晶やＰＥＭ（光弾性変調器）が用いられる。こうした、可変デバイスを組み込んだシステムは、計測装置として実用化されている。欠点としては、高い精度や安定性を維持する為に可変デバイスのキャリブレーションの手間が欠かせないこと、手軽に屋外に持ち出して計測するような用途には不向きなこととに加えて、複数フレームのデータを比較する必要がある為、超高速な測定は原理上不可能な点が挙げられる。
 二つ目の手法は、画像全体をプリズムなどで分離し、それぞれを複数枚のイメージセンサで取得する方法である（図3(b)）。この手法には、プリズム自体に偏光分離機能を持たせたタイプと、出来るだけ偏光依存性の小さなプリズムを用いてイメージセンサの直前に偏光フィルターを配置するタイプがある。しかし、偏光情報を定量計測する為には、少なくても3つ以上の偏光情報に分離する必要があり、これを実現するプリズムの構成が複雑になりやすく、且つこれらのセンサを画素レベルで正確に位置決めする必要があることなどにより、コストや性能の安定面などの課題がある。このため、現時点では、プリズムで2方向のみに分離した偏光画像を比較した情報を出力する簡易的な製品だけが市場に見られる。
 三つ目の手法は、偏光フィルターを回す代わりに、向きの異なる微細な偏光フィルターが多数集積された集積偏光フィルターを用いる手法である(図3(c))。集積偏光フィルターはイメージセンサと一体化され、その一領域のサイズは、イメージセンサの画素サイズに合わせて決められる。この手法の利点は、駆動部や精密な制御装置なしに、通常のデジタルカメラと程同等の手軽さで偏光計測が可能になる点である。更に、1フレームの画像情報から偏光情報を演算できることから、高速度センサとの組み合わせにより、超高速な偏光計測が可能になる点も大きな利点である。一方で、一つの偏光情報の演算に複数画素の情報を用いる原理上、これらの画素には同一の偏光情報が入射していることを仮定する必要がある。従って、解像度に近い細かな偏光の空間変化がある情報を撮影した場合、モアレと呼ばれる疑似情報が発生する、という欠点がある。とはいえ、総合的には利点の方が勝る場合が多く、現在市場にある偏光カメラの多くはこのタイプである。

3.2 集積偏光フィルター内蔵タイプの分類

 上記の3つ目の方式である集積偏光フィルターを内蔵した偏光センサは、偏光フィルターの機能によって2種類に大別される。一方は偏光フィルターの機能が偏光子のタイプであり、他方は波長板のタイプである。それぞれが、偏光子と波長板を回転させたときに得られる情報を取得することから、実際に回転動作は行われていないが、便宜上前者を「偏光子回転型」、後者を「波長板回転型」とよぶ。
 偏光子は、一方向の振動成分を吸収する機能を有し、一般的な偏光フィルムと基本的に同じと考えてよい。但し、偏光フィルムで集積フィルターを作ることは困難であり、ワイヤーグリッド偏光子やフォトニック結晶偏光子を内蔵した偏光センサが製品化されている。
 もう一方の波長板は、透過光の偏光状態を変化させる機能を持ち、その集積フィルターとイメージセンサの間には一様な偏光フィルターが挿入され、集積波長板/一様偏光子/イメージセンサの3層構造になる。波長板回転型の偏光センサは、フォトニック結晶波長板を内蔵したものが製品化されている。
 これら2種類の偏光センサの機能は異なる。「偏光子回転型」の偏光計測機能は限定的であり、偏光情報の半分を残りの半分と区別がつかないことや、偏光変化に感度が0になる偏光状態があるほか、無偏光成分が混入する環境では、正しい偏光計測は不可能になるなどの欠点を原理的に有する。一方の「波長板回転型」は、あらゆる偏光情報を検出可能で、無偏光成分の混入量も把握できるという強みがあり、あらゆる偏光情報の検出が必要な計測装置には、「波長板回転型」の偏光センサを選ぶ必要がある。これらのセンサの違いは、次章でも紹介する。

次回に続く－

【著者紹介】
井上　喜彦（いのうえ　よしひこ）
株式会社フォトニックラティス　取締役

■略歴
1993年3月京都大学工学部金属系学科卒。
1993年4月ソニー株式会社入社。磁性薄膜のプロセス開発、材料開発に従事。
2008年4月株式会社フォトニックラティス入社。フォトニック結晶の作製プロセス開発、応用製品開発及びにそれらの営業・販売に従事。
2010年4月同社取締役就任。マーケティング、営業担当。フォトニック結晶応用製品の一つである複屈折計測装置の市場拡大と機能向上とを実現してきた。近年ではアジア圏を中心とした海外マーケティングにも重点を置いた活動に従事。