JP2002008004A - デコンボリューション処理装置 - Google Patents
デコンボリューション処理装置Info
- Publication number
- JP2002008004A JP2002008004A JP2000185428A JP2000185428A JP2002008004A JP 2002008004 A JP2002008004 A JP 2002008004A JP 2000185428 A JP2000185428 A JP 2000185428A JP 2000185428 A JP2000185428 A JP 2000185428A JP 2002008004 A JP2002008004 A JP 2002008004A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- deconvolution
- deconvolution processing
- data
- mask
- 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.)
- Pending
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 デコンボリューション処理による虚像を低減
し、画像取得装置における分解能を向上する。 【解決手段】 デコンボリューション処理部４１は、原
画像データに対し、反復法によりデコンボリューション
処理を行う。マスク処理部５３は各反復演算ステップに
おける演算結果に対して、原画像データに基づいて生成
されたマスクデータに基づいてマスク処理を行い、虚像
の発生が抑制される。デコンボリューション処理された
画像データはゲイン補正部４２においてゲインを補正さ
れ、また境界補正部４３において目標境界近傍において
生じた虚像が除去される。
し、画像取得装置における分解能を向上する。 【解決手段】 デコンボリューション処理部４１は、原
画像データに対し、反復法によりデコンボリューション
処理を行う。マスク処理部５３は各反復演算ステップに
おける演算結果に対して、原画像データに基づいて生成
されたマスクデータに基づいてマスク処理を行い、虚像
の発生が抑制される。デコンボリューション処理された
画像データはゲイン補正部４２においてゲインを補正さ
れ、また境界補正部４３において目標境界近傍において
生じた虚像が除去される。
Description
【０００１】
【発明の属する技術分野】本発明は、画像取得装置、特
に物体を探知するための画像取得装置例えばレーダ装置
あるいは超音波診断装置等により取得された原画像デー
タに対してデコンボリューション処理を行うデコンボリ
ューション処理装置に関する。
に物体を探知するための画像取得装置例えばレーダ装置
あるいは超音波診断装置等により取得された原画像デー
タに対してデコンボリューション処理を行うデコンボリ
ューション処理装置に関する。
【０００２】
【従来の技術】画像取得装置では分解能の向上は重要な
課題である。物体を探知するための画像取得装置の一つ
であるレーダ装置においては、距離方向の分解能を向上
させるには、送信パルス幅を縮小すれば良く、また角度
方向の分解能を向上させるには、空中線の大型化により
ビーム幅を縮小すれば良い。しかしながら、送信パルス
幅の縮小には伝送損失上の制約が生じ、また空中線の大
型化には設置スペース上の制約が生じる。
課題である。物体を探知するための画像取得装置の一つ
であるレーダ装置においては、距離方向の分解能を向上
させるには、送信パルス幅を縮小すれば良く、また角度
方向の分解能を向上させるには、空中線の大型化により
ビーム幅を縮小すれば良い。しかしながら、送信パルス
幅の縮小には伝送損失上の制約が生じ、また空中線の大
型化には設置スペース上の制約が生じる。
【０００３】このような制約のもとで分解能を改善する
技術として、従来より、画像取得装置により取得された
原画像データに対してデコンボリューション処理を行う
手法が知られている。
技術として、従来より、画像取得装置により取得された
原画像データに対してデコンボリューション処理を行う
手法が知られている。
【０００４】
【発明が解決しようとする課題】しかしながら、デコン
ボリューション処理は、取得された信号あるいは原画像
データにおけるノイズ成分が少ない場合には有効である
が、画像取得装置の使用環境によってはこれらにノイズ
成分が多く含まれる場合もあり、このような場合にはデ
コンボリューション処理によって逆にノイズ成分に起因
した虚像が発生するなど、分解能を有効に改善すること
ができなかった。また、特にデコンボリューション処理
を反復法により行う場合には、反復演算により誤差が累
積し、これによる虚像が生じる場合があった。
ボリューション処理は、取得された信号あるいは原画像
データにおけるノイズ成分が少ない場合には有効である
が、画像取得装置の使用環境によってはこれらにノイズ
成分が多く含まれる場合もあり、このような場合にはデ
コンボリューション処理によって逆にノイズ成分に起因
した虚像が発生するなど、分解能を有効に改善すること
ができなかった。また、特にデコンボリューション処理
を反復法により行う場合には、反復演算により誤差が累
積し、これによる虚像が生じる場合があった。
【０００５】
【課題を解決するための手段】上記課題に鑑み、本発明
によれば、画像取得装置において取得された原画像デー
タに対してデコンボリューション処理を行うデコンボリ
ューション処理装置は、原画像データに基づいてマスク
データを生成するマスクデータ生成部と、原画像データ
に対して反復法により前記画像取得装置の画像取得特性
に基づいたデコンボリューション処理を行いデコンボリ
ューション画像データを生成するデコンボリューション
処理部と、を備え、前記デコンボリューション処理部
は、反復演算ステップにおいて算出されたデコンボリュ
ーション処理途中の画像データに対して前記マスクデー
タによりマスク処理を行う。
によれば、画像取得装置において取得された原画像デー
タに対してデコンボリューション処理を行うデコンボリ
ューション処理装置は、原画像データに基づいてマスク
データを生成するマスクデータ生成部と、原画像データ
に対して反復法により前記画像取得装置の画像取得特性
に基づいたデコンボリューション処理を行いデコンボリ
ューション画像データを生成するデコンボリューション
処理部と、を備え、前記デコンボリューション処理部
は、反復演算ステップにおいて算出されたデコンボリュ
ーション処理途中の画像データに対して前記マスクデー
タによりマスク処理を行う。
【０００６】このような構成によれば、デコンボリュー
ション処理においてマスク処理を行い不要な領域の画像
データに基づく虚像の発生を抑制することができるた
め、より精度良く分解能を改善することができる。ま
た、このマスクデータを原画像データに基づいて生成す
るため、さらに精度良く分解能を改善することができ
る。
ション処理においてマスク処理を行い不要な領域の画像
データに基づく虚像の発生を抑制することができるた
め、より精度良く分解能を改善することができる。ま
た、このマスクデータを原画像データに基づいて生成す
るため、さらに精度良く分解能を改善することができ
る。
【０００７】また本発明では、前記マスクデータは、連
続的にゲインの変化するマスク境界帯域を有するのが好
適である。
続的にゲインの変化するマスク境界帯域を有するのが好
適である。
【０００８】デコンボリューション処理における虚像に
は、その演算過程における計算結果の発散に起因するも
のがあり、このような虚像は画像データのゲイン変化の
大きい場所で発生しやすい。このためマスク境界におい
て不連続な部分を有するマスクによりマスク処理を行っ
た場合には、マスク境界において画像データのゲインの
変化が大きくなり、虚像が発生しやすい。このような構
成によれば、マスクの境界におけるゲイン変化を低減し
て虚像の発生を抑制し、より精度良く分解能を改善する
ことができる。
は、その演算過程における計算結果の発散に起因するも
のがあり、このような虚像は画像データのゲイン変化の
大きい場所で発生しやすい。このためマスク境界におい
て不連続な部分を有するマスクによりマスク処理を行っ
た場合には、マスク境界において画像データのゲインの
変化が大きくなり、虚像が発生しやすい。このような構
成によれば、マスクの境界におけるゲイン変化を低減し
て虚像の発生を抑制し、より精度良く分解能を改善する
ことができる。
【０００９】また、本発明によれば、画像取得装置にお
いて取得された原画像データに対してデコンボリューシ
ョン処理を行うデコンボリューション処理装置は、原画
像データに基づいてゲイン指標データを生成するゲイン
指標生成部と、原画像データに対して前記画像取得装置
の画像取得特性に基づいたデコンボリューション処理を
行いデコンボリューション画像データを生成するデコン
ボリューション処理部と、前記デコンボリューション画
像データのゲインを前記ゲイン指標データに基づいて補
正するゲイン補正部と、を備える。
いて取得された原画像データに対してデコンボリューシ
ョン処理を行うデコンボリューション処理装置は、原画
像データに基づいてゲイン指標データを生成するゲイン
指標生成部と、原画像データに対して前記画像取得装置
の画像取得特性に基づいたデコンボリューション処理を
行いデコンボリューション画像データを生成するデコン
ボリューション処理部と、前記デコンボリューション画
像データのゲインを前記ゲイン指標データに基づいて補
正するゲイン補正部と、を備える。
【００１０】デコンボリューション処理では、その演算
処理過程において、原画像データからゲインが変化して
しまう場合がある。特に、デコンボリューション処理を
反復法により行う場合、反復演算による誤差の累積によ
りゲインが変化しやすい。このような構成によれば、原
画像データに基づいてゲインを復元することができるの
で、より精度良く分解能を改善することができる。
処理過程において、原画像データからゲインが変化して
しまう場合がある。特に、デコンボリューション処理を
反復法により行う場合、反復演算による誤差の累積によ
りゲインが変化しやすい。このような構成によれば、原
画像データに基づいてゲインを復元することができるの
で、より精度良く分解能を改善することができる。
【００１１】また本発明では、前記ゲイン指標生成部
は、マスクされた原画像データをゲイン指標データとし
て生成するのが好適である。
は、マスクされた原画像データをゲイン指標データとし
て生成するのが好適である。
【００１２】このような構成によれば、ゲイン指標デー
タにより虚像の要因となる可能性の高い不要な領域をマ
スクするので、より精度良く分解能を改善することがで
きる。またデコンボリューション画像データに対しては
目標領域において原画像データにおけるゲインのプロフ
ァイルを反映させることができるため、目標領域全域に
おいてより精度良く分解能を改善することができる。
タにより虚像の要因となる可能性の高い不要な領域をマ
スクするので、より精度良く分解能を改善することがで
きる。またデコンボリューション画像データに対しては
目標領域において原画像データにおけるゲインのプロフ
ァイルを反映させることができるため、目標領域全域に
おいてより精度良く分解能を改善することができる。
【００１３】また、本発明によれば、画像取得装置にお
いて取得された原画像データに対してデコンボリューシ
ョン処理を行うデコンボリューション処理装置は、原画
像データにおける目標の境界を検出する境界検出部と、
原画像データに対して前記画像取得装置の画像取得特性
に基づいたデコンボリューション処理を行いデコンボリ
ューション画像データを生成するデコンボリューション
処理部と、前記検出された境界の内側において前記デコ
ンボリューション画像データを補正する境界補正部と、
を備える。
いて取得された原画像データに対してデコンボリューシ
ョン処理を行うデコンボリューション処理装置は、原画
像データにおける目標の境界を検出する境界検出部と、
原画像データに対して前記画像取得装置の画像取得特性
に基づいたデコンボリューション処理を行いデコンボリ
ューション画像データを生成するデコンボリューション
処理部と、前記検出された境界の内側において前記デコ
ンボリューション画像データを補正する境界補正部と、
を備える。
【００１４】前述したように、デコンボリューション処
理における虚像は、画像データのゲイン変化の大きい場
所で発生しやすい。目標の境界では画像データのゲイン
の変化が大きくなるため、虚像が発生しやすい。すなわ
ちこのような構成によれば、目標の境界において虚像が
発生した場合にも適切にこれを補正することができるた
め、より精度良く分解能を改善することができる。
理における虚像は、画像データのゲイン変化の大きい場
所で発生しやすい。目標の境界では画像データのゲイン
の変化が大きくなるため、虚像が発生しやすい。すなわ
ちこのような構成によれば、目標の境界において虚像が
発生した場合にも適切にこれを補正することができるた
め、より精度良く分解能を改善することができる。
【００１５】
【発明の実施の形態】まず、原画像データに対するデコ
ンボリューション処理について説明する。画像取得装置
による観測信号ベクトルｙは、目標分布ベクトルｘとコ
ンボリューション行列Ｈとの畳み込み演算値と、ノイズ
成分ベクトルｎとの和として表すことができる。すなわ
ち、観測信号ベクトルｙは、 ｙ＝Ｈｘ＋ｎ ・・・ （１） となる。なお、コンボリューション行列Ｈは、画像取得
装置の画像取得特性（例えばレーダ装置の伝達関数、ア
ンテナのビームパターン等）に基づいて定められる。ノ
イズ成分ｎが充分に小さい場合には、目標分布ｘは、式
（１）の両辺にコンボリューション行列の逆行列Ｈ−１
を乗じて、 Ｈ−１ｙ＝Ｈ−１Ｈｘ＝ｘ ・・・ （２） として求めることができる。しかしノイズ成分ｎが無視
できない値である場合には、式（２）により目標分布ｘ
を精度良く求めることはできない。このため、デコンボ
リューション処理では反復法が用いられる。反復法で
は、観測信号ｙと、復元信号ｇ、およびコンボリューシ
ョン行列Ｈの畳み込み演算値の差分値との２乗平均誤差
Ｅ（２乗ノルム） Ｅ＝｜ｙ−Ｈｇ｜２ ・・・ （３） を最小とする復元信号ｇを目標分布ｘとして求める。こ
の２乗平均誤差Ｅを最小とする復元信号ｇが、目標分布
ｘに最も近い。式（３）を最小にするには、
ンボリューション処理について説明する。画像取得装置
による観測信号ベクトルｙは、目標分布ベクトルｘとコ
ンボリューション行列Ｈとの畳み込み演算値と、ノイズ
成分ベクトルｎとの和として表すことができる。すなわ
ち、観測信号ベクトルｙは、 ｙ＝Ｈｘ＋ｎ ・・・ （１） となる。なお、コンボリューション行列Ｈは、画像取得
装置の画像取得特性（例えばレーダ装置の伝達関数、ア
ンテナのビームパターン等）に基づいて定められる。ノ
イズ成分ｎが充分に小さい場合には、目標分布ｘは、式
（１）の両辺にコンボリューション行列の逆行列Ｈ−１
を乗じて、 Ｈ−１ｙ＝Ｈ−１Ｈｘ＝ｘ ・・・ （２） として求めることができる。しかしノイズ成分ｎが無視
できない値である場合には、式（２）により目標分布ｘ
を精度良く求めることはできない。このため、デコンボ
リューション処理では反復法が用いられる。反復法で
は、観測信号ｙと、復元信号ｇ、およびコンボリューシ
ョン行列Ｈの畳み込み演算値の差分値との２乗平均誤差
Ｅ（２乗ノルム） Ｅ＝｜ｙ−Ｈｇ｜２ ・・・ （３） を最小とする復元信号ｇを目標分布ｘとして求める。こ
の２乗平均誤差Ｅを最小とする復元信号ｇが、目標分布
ｘに最も近い。式（３）を最小にするには、
【数１】 を満たす復元信号ｇを求めればよい。ここで、ｋ番目の
反復演算ステップにおける復元信号ｇｋを、 ｇｋ＝ｇｋ−１＋ωｄｋ ・・・ （５） とする。ここに、ｄｋ：勾配ベクトル，ω：係数であ
る。２乗平均誤差Ｅを最も減少させるためには、勾配ベ
クトルｄｋを、
反復演算ステップにおける復元信号ｇｋを、 ｇｋ＝ｇｋ−１＋ωｄｋ ・・・ （５） とする。ここに、ｄｋ：勾配ベクトル，ω：係数であ
る。２乗平均誤差Ｅを最も減少させるためには、勾配ベ
クトルｄｋを、
【数２】 とすればよい。最初のステップ（ｋ＝１）では復元信号
ｇｋ−１（＝ｇ０）を原画像データとする。ｋ番目のス
テップでは、まず式（６）により勾配ベクトルｄ ｋを算
出し、この勾配ベクトルｄｋを用いて復元信号ｇｋを算
出する。そして、この復元信号ｇｋを代入した式（４）
の左辺の値Ｌ＝−２Ｈｔ（ｙ−Ｈｇｋ）と閾値ｔｈと比
較して収束判別を行う。より具体的には、左辺値Ｌが閾
値ｔｈより大きい場合（すなわちＬ＞ｔｈ）には復元信
号ｇｋをｋ−１番目のステップの復元信号ｇｋ−１とし
て、次の反復ステップの計算を行い、左辺値Ｌが閾値ｔ
ｈ以下（すなわちＬ≦ｔｈ）となるまでこれを繰り返
す。そしてＬ≦ｔｈとなったステップでの復元信号ｇｋ
をデコンボリューション画像データｇとする。
ｇｋ−１（＝ｇ０）を原画像データとする。ｋ番目のス
テップでは、まず式（６）により勾配ベクトルｄ ｋを算
出し、この勾配ベクトルｄｋを用いて復元信号ｇｋを算
出する。そして、この復元信号ｇｋを代入した式（４）
の左辺の値Ｌ＝−２Ｈｔ（ｙ−Ｈｇｋ）と閾値ｔｈと比
較して収束判別を行う。より具体的には、左辺値Ｌが閾
値ｔｈより大きい場合（すなわちＬ＞ｔｈ）には復元信
号ｇｋをｋ−１番目のステップの復元信号ｇｋ−１とし
て、次の反復ステップの計算を行い、左辺値Ｌが閾値ｔ
ｈ以下（すなわちＬ≦ｔｈ）となるまでこれを繰り返
す。そしてＬ≦ｔｈとなったステップでの復元信号ｇｋ
をデコンボリューション画像データｇとする。
【００１６】以下、本発明の実施の形態であるレーダ装
置について図面を参照しながら説明する。図１は、レー
ダ装置のブロック図を、図２は、デコンボリューション
処理を行う出力画像データ生成部のブロック図を、図３
は、マスク生成の説明図を、図４は、マスクされた原画
像データ生成の説明図を、図５は、ゲイン補正ならびに
境界補正の説明図を示す。
置について図面を参照しながら説明する。図１は、レー
ダ装置のブロック図を、図２は、デコンボリューション
処理を行う出力画像データ生成部のブロック図を、図３
は、マスク生成の説明図を、図４は、マスクされた原画
像データ生成の説明図を、図５は、ゲイン補正ならびに
境界補正の説明図を示す。
【００１７】レーダ装置１０は、図示しない空中線より
受信した信号に基づいて原画像データを生成するレーダ
センサ１１と、原画像データを処理して出力画像データ
を生成する画像データ処理器１２と、出力画像を表示す
る出力部１３例えばレーダ指示器のディスプレイとを備
える。
受信した信号に基づいて原画像データを生成するレーダ
センサ１１と、原画像データを処理して出力画像データ
を生成する画像データ処理器１２と、出力画像を表示す
る出力部１３例えばレーダ指示器のディスプレイとを備
える。
【００１８】画像データ処理器１２は、原画像データを
Ａ／Ｄ変換するＡ／Ｄ変換器２１と、画像処理器各部の
制御を司るとともに原画像データの処理を行う制御部２
２例えばＣＰＵと、画像データ（例えば原画像データあ
るいは出力画像データ）を保存する記憶部２３例えばＲ
ＡＭと、出力画像データをＤ／Ａ変換するＤ／Ａ変換器
２４と、を備える。画像データ処理器１２をこのように
構成することにより、従来のレーダ装置に対してこの処
理器１２を付加して分解能を向上させることができる。
Ａ／Ｄ変換するＡ／Ｄ変換器２１と、画像処理器各部の
制御を司るとともに原画像データの処理を行う制御部２
２例えばＣＰＵと、画像データ（例えば原画像データあ
るいは出力画像データ）を保存する記憶部２３例えばＲ
ＡＭと、出力画像データをＤ／Ａ変換するＤ／Ａ変換器
２４と、を備える。画像データ処理器１２をこのように
構成することにより、従来のレーダ装置に対してこの処
理器１２を付加して分解能を向上させることができる。
【００１９】制御部２２は、原画像データに基づいて出
力画像データを生成する出力画像データ生成部３１と、
出力部１３例えばレーダ指示器のディスプレイにおける
画像データの出力タイミングの調整を行う画像データ出
力制御部３２とを有する。このうち出力画像データ生成
部３１は、図２に示すように、原画像データに対してデ
コンボリューション処理を行うデコンボリューション処
理部４１と、デコンボリューション処理された原画像デ
ータ（デコンボリューション画像データ）に対してその
ゲインを補正するゲイン補正部４２と、目標の境界にお
いてデコンボリューション画像データを補正する境界補
正部４３とを備える。
力画像データを生成する出力画像データ生成部３１と、
出力部１３例えばレーダ指示器のディスプレイにおける
画像データの出力タイミングの調整を行う画像データ出
力制御部３２とを有する。このうち出力画像データ生成
部３１は、図２に示すように、原画像データに対してデ
コンボリューション処理を行うデコンボリューション処
理部４１と、デコンボリューション処理された原画像デ
ータ（デコンボリューション画像データ）に対してその
ゲインを補正するゲイン補正部４２と、目標の境界にお
いてデコンボリューション画像データを補正する境界補
正部４３とを備える。
【００２０】デコンボリューション処理部４１は、前述
の式（６）および式（５）の演算を行うステップ演算部
５１と、前述の収束判別を行う収束判別部５２とを備え
る。反復演算の最初のステップ（すなわちｋ＝１）で
は、原画像データを復元信号ｇ ｋ−１すなわちｇ０とす
る。その後、前述したように左辺値Ｌが閾値ｔｈ以下と
なるまで演算が反復して行われ、デコンボリューション
画像データｇが生成される。なお、デコンボリューショ
ン処理演算にかかるパラメータ例えばコンボリューショ
ン行列Ｈ、係数ω等は、記憶部２３に記憶される。
の式（６）および式（５）の演算を行うステップ演算部
５１と、前述の収束判別を行う収束判別部５２とを備え
る。反復演算の最初のステップ（すなわちｋ＝１）で
は、原画像データを復元信号ｇ ｋ−１すなわちｇ０とす
る。その後、前述したように左辺値Ｌが閾値ｔｈ以下と
なるまで演算が反復して行われ、デコンボリューション
画像データｇが生成される。なお、デコンボリューショ
ン処理演算にかかるパラメータ例えばコンボリューショ
ン行列Ｈ、係数ω等は、記憶部２３に記憶される。
【００２１】本実施形態では、反復演算ステップにおい
て算出されたデコンボリューション処理途中の画像デー
タ、すなわち復元信号ｇｋに対してマスク処理を行う。
このマスク処理に用いるマスクデータは、出力画像デー
タ生成部３１のマスク生成部４４において、原画像デー
タに基づいて生成される。図３は、距離方向（ｒ方向）
１次元の原画像データｆ（ｒ）に対するマスクデータｍ
１（ｒ）の生成の一例について示す説明図である。図３
（ａ）は原画像データｆ（ｒ）のプロファイルを、また
図３（ｂ）は原画像データｆ（ｒ）により生成されたマ
スクデータｍ１（ｒ）を示す。図に示すようにマスク生
成の閾値をＴｈとして、原画像データｆ（ｒ）が閾値Ｔ
ｈ以上（すなわちｆ（ｒ）≧Ｔｈ）の領域すなわち目標
領域ではマスクデータｍ１（ｒ）を１と、また原画像デ
ータｆ（ｒ）が閾値Ｔｈより小さい領域ではマスクデー
タｍ１（ｒ）を０とする。
て算出されたデコンボリューション処理途中の画像デー
タ、すなわち復元信号ｇｋに対してマスク処理を行う。
このマスク処理に用いるマスクデータは、出力画像デー
タ生成部３１のマスク生成部４４において、原画像デー
タに基づいて生成される。図３は、距離方向（ｒ方向）
１次元の原画像データｆ（ｒ）に対するマスクデータｍ
１（ｒ）の生成の一例について示す説明図である。図３
（ａ）は原画像データｆ（ｒ）のプロファイルを、また
図３（ｂ）は原画像データｆ（ｒ）により生成されたマ
スクデータｍ１（ｒ）を示す。図に示すようにマスク生
成の閾値をＴｈとして、原画像データｆ（ｒ）が閾値Ｔ
ｈ以上（すなわちｆ（ｒ）≧Ｔｈ）の領域すなわち目標
領域ではマスクデータｍ１（ｒ）を１と、また原画像デ
ータｆ（ｒ）が閾値Ｔｈより小さい領域ではマスクデー
タｍ１（ｒ）を０とする。
【００２２】デコンボリューション処理部４１にはマス
ク処理部５３が設けられ、反復演算ステップにおいて算
出された復元信号ｇｋに対してマスク処理を行う。より
具体的には、各反復演算ステップ毎に復元信号ｇｋに、
マスク生成部４４において生成したマスクデータｍ１
（ｒ）を乗算する。すなわちマスク生成の閾値Ｔｈを用
いて値の小さい部分を計算対象から除外し、この部分に
起因する虚像の発生を抑制することができる。またこの
ようにマスク処理を各反復演算ステップ毎に行うことに
より、反復演算による誤差の累積を防止して虚像の発生
をより効果的に抑制することができる。なお、本実施形
態では出力画像データ生成部３１には原画像データを平
滑化処理する平滑化処理部４７が設けられ、マスクデー
タは、平滑化処理部４７において平滑化された原画像デ
ータより生成される。これによりマスクデータに対する
ノイズ成分の影響をより低減することができる。また各
反復演算ステップにおける収束判別は、マスクデータｍ
１（ｒ）を乗算した復元信号ｇｋにより行う。
ク処理部５３が設けられ、反復演算ステップにおいて算
出された復元信号ｇｋに対してマスク処理を行う。より
具体的には、各反復演算ステップ毎に復元信号ｇｋに、
マスク生成部４４において生成したマスクデータｍ１
（ｒ）を乗算する。すなわちマスク生成の閾値Ｔｈを用
いて値の小さい部分を計算対象から除外し、この部分に
起因する虚像の発生を抑制することができる。またこの
ようにマスク処理を各反復演算ステップ毎に行うことに
より、反復演算による誤差の累積を防止して虚像の発生
をより効果的に抑制することができる。なお、本実施形
態では出力画像データ生成部３１には原画像データを平
滑化処理する平滑化処理部４７が設けられ、マスクデー
タは、平滑化処理部４７において平滑化された原画像デ
ータより生成される。これによりマスクデータに対する
ノイズ成分の影響をより低減することができる。また各
反復演算ステップにおける収束判別は、マスクデータｍ
１（ｒ）を乗算した復元信号ｇｋにより行う。
【００２３】また本実施形態では、デコンボリューショ
ン画像データに対してゲインの補正を行う。デコンボリ
ューション処理された画像データのゲインは、図５
（ａ）にその一例を示すように、原画像データのゲイン
から変化してしまう場合がある。（図５（ａ）は、図３
（ａ）に示した原画像データｆ（ｒ）に基づいて生成さ
れたデコンボリューション画像データｇ（ｒ）のプロフ
ァイルを示す。）このため本実施形態ではデコンボリュ
ーション処理前の原画像データに基づいてゲイン指標デ
ータを生成し、このゲイン指標データに基づいてデコン
ボリューション画像データのゲインを補正する。
ン画像データに対してゲインの補正を行う。デコンボリ
ューション処理された画像データのゲインは、図５
（ａ）にその一例を示すように、原画像データのゲイン
から変化してしまう場合がある。（図５（ａ）は、図３
（ａ）に示した原画像データｆ（ｒ）に基づいて生成さ
れたデコンボリューション画像データｇ（ｒ）のプロフ
ァイルを示す。）このため本実施形態ではデコンボリュ
ーション処理前の原画像データに基づいてゲイン指標デ
ータを生成し、このゲイン指標データに基づいてデコン
ボリューション画像データのゲインを補正する。
【００２４】ゲイン指標データは、出力画像データ生成
部３１のゲイン指標生成部４５により、平滑化処理部４
７において平滑化された原画像データに基づいて、この
原画像データをマスクしたゲイン指標データとして生成
する。図４は、図３に示した原画像データｆ（ｒ）に対
するマスクデータｍ２（ｒ）の生成の一例について示す
説明図である。図４（ａ）は原画像データｆ（ｒ）のプ
ロファイルを、また図４（ｂ）は原画像データｆ（ｒ）
に基づいて生成されたマスクデータｍ２（ｒ）を示す。
この例では、原画像データｆ（ｒ）が閾値Ｔｈ以上の領
域（ｆ（ｒ）≧Ｔｈ２）すなわち目標領域では、マスク
データｍ２（ｒ）を原画像データｆ（ｒ）そのものとし
（ｍ２（ｒ）＝ｆ（ｒ））、それ以外の領域（ｆ（ｒ）
＜Ｔｈ）では、マスクデータｍ２（ｒ）を０とする。
部３１のゲイン指標生成部４５により、平滑化処理部４
７において平滑化された原画像データに基づいて、この
原画像データをマスクしたゲイン指標データとして生成
する。図４は、図３に示した原画像データｆ（ｒ）に対
するマスクデータｍ２（ｒ）の生成の一例について示す
説明図である。図４（ａ）は原画像データｆ（ｒ）のプ
ロファイルを、また図４（ｂ）は原画像データｆ（ｒ）
に基づいて生成されたマスクデータｍ２（ｒ）を示す。
この例では、原画像データｆ（ｒ）が閾値Ｔｈ以上の領
域（ｆ（ｒ）≧Ｔｈ２）すなわち目標領域では、マスク
データｍ２（ｒ）を原画像データｆ（ｒ）そのものとし
（ｍ２（ｒ）＝ｆ（ｒ））、それ以外の領域（ｆ（ｒ）
＜Ｔｈ）では、マスクデータｍ２（ｒ）を０とする。
【００２５】そしてデコンボリューション画像データ
は、正規化処理部５４とゲイン指標データ乗算部５５と
を含むゲイン補正部４２により補正される。図５（ａ）
および図５（ｂ）を参照してこれを説明する。図５
（ｂ）は、図５（ａ）のデコンボリューション画像デー
タｇ（ｒ）のゲイン補正後のプロファイルの一例を示
す。まずデコンボリューション画像データｇは、正規化
処理部５４により正規化される。より具体的には、例え
ば、デコンボリューション画像データｇの代表値例えば
ピーク部ｐを除いた最大値ｇｍａｘを取得し、デコンボ
リューション画像データｇを、この代表値（すなわち最
大値ｇｍａｘ）で除算して正規化する。次いで、ゲイン
指標データ乗算部５５において、正規化されたデコンボ
リューション画像データｇにゲイン指標データｍ２
（ｒ）を乗算する。これにより、デコンボリューション
画像データｇのゲインを原画像データｆ（ｒ）のゲイン
のレベルに復元することができる。
は、正規化処理部５４とゲイン指標データ乗算部５５と
を含むゲイン補正部４２により補正される。図５（ａ）
および図５（ｂ）を参照してこれを説明する。図５
（ｂ）は、図５（ａ）のデコンボリューション画像デー
タｇ（ｒ）のゲイン補正後のプロファイルの一例を示
す。まずデコンボリューション画像データｇは、正規化
処理部５４により正規化される。より具体的には、例え
ば、デコンボリューション画像データｇの代表値例えば
ピーク部ｐを除いた最大値ｇｍａｘを取得し、デコンボ
リューション画像データｇを、この代表値（すなわち最
大値ｇｍａｘ）で除算して正規化する。次いで、ゲイン
指標データ乗算部５５において、正規化されたデコンボ
リューション画像データｇにゲイン指標データｍ２
（ｒ）を乗算する。これにより、デコンボリューション
画像データｇのゲインを原画像データｆ（ｒ）のゲイン
のレベルに復元することができる。
【００２６】また本実施形態では、デコンボリューショ
ン画像データに対して目標の境界補正を行う。目標の境
界ではゲイン変化率が大きく、デコンボリューション処
理により虚像が発生する場合がある。図５（ａ）にその
一例を示す。（目標の境界部ｅ１，ｅ２において虚像の
ピークｐが発生している。）このため本実施形態ではデ
コンボリューション処理前の原画像データに基づいて目
標の境界を検出し、この境界におけるデコンボリューシ
ョン画像データを補正する。境界は、平滑化処理された
原画像データより、出力画像データ生成部３１の境界検
出部４６において検出される。より具体的には、図３
（ａ）にその一例を示すように、原画像データｆ（ｒ）
が閾値Ｔｈと等しくなる点を境界ｅ１，ｅ２として検出
する。なお、この例のように、閾値Ｔｈはマスク生成時
に用いたものと同一とすることができる。すなわち、マ
スク生成部４４を境界検出部４６として用いることがで
きる。
ン画像データに対して目標の境界補正を行う。目標の境
界ではゲイン変化率が大きく、デコンボリューション処
理により虚像が発生する場合がある。図５（ａ）にその
一例を示す。（目標の境界部ｅ１，ｅ２において虚像の
ピークｐが発生している。）このため本実施形態ではデ
コンボリューション処理前の原画像データに基づいて目
標の境界を検出し、この境界におけるデコンボリューシ
ョン画像データを補正する。境界は、平滑化処理された
原画像データより、出力画像データ生成部３１の境界検
出部４６において検出される。より具体的には、図３
（ａ）にその一例を示すように、原画像データｆ（ｒ）
が閾値Ｔｈと等しくなる点を境界ｅ１，ｅ２として検出
する。なお、この例のように、閾値Ｔｈはマスク生成時
に用いたものと同一とすることができる。すなわち、マ
スク生成部４４を境界検出部４６として用いることがで
きる。
【００２７】そして境界補正は、境界補正部４３におい
て、デコンボリューション画像データに対して行われ
る。より具体的には、境界内側の境界近傍においてデコ
ンボリューション画像データｇのゲインの値を補正例え
ば小さくする。この一例を図５（ｃ）に示す。図５
（ｃ）は、図５（ｂ）のデコンボリューション画像デー
タｇ（ｒ）に対して行った境界処理の一例を示す。この
例の場合、境界ｅ１，ｅ２から距離δの範囲において、
デコンボリューション画像データｇ（ｒ）を０としてい
る。この図からも明らかなように、これにより目標の境
界近傍における虚像を低減することができる。
て、デコンボリューション画像データに対して行われ
る。より具体的には、境界内側の境界近傍においてデコ
ンボリューション画像データｇのゲインの値を補正例え
ば小さくする。この一例を図５（ｃ）に示す。図５
（ｃ）は、図５（ｂ）のデコンボリューション画像デー
タｇ（ｒ）に対して行った境界処理の一例を示す。この
例の場合、境界ｅ１，ｅ２から距離δの範囲において、
デコンボリューション画像データｇ（ｒ）を０としてい
る。この図からも明らかなように、これにより目標の境
界近傍における虚像を低減することができる。
【００２８】前述の実施形態にかかるレーダ装置による
出力画像の一例を図６に示す。図６（ａ）は、海上の漁
船２艘を探知目標として取得した画像を、本発明の実施
形態にかかる処理を施さずに出力した従来装置による画
像を示し、また図６（ｂ）は、図６（ａ）と同じ目標を
同じ条件で取得した画像に対し、本発明の実施形態にか
かる処理を施した出力画像を示す。図から明らかなよう
に、従来装置による画像では解像度が低く、漁船２艘が
繋がっているかのように見えるとともに、その大きさお
よび位置の特定が難しい。これに対し、本実施形態にか
かる処理を施した画像では、漁船２艘がより鮮明に区別
されて映し出されており、目標の大きさおよび位置の特
定を容易に行うことができる。
出力画像の一例を図６に示す。図６（ａ）は、海上の漁
船２艘を探知目標として取得した画像を、本発明の実施
形態にかかる処理を施さずに出力した従来装置による画
像を示し、また図６（ｂ）は、図６（ａ）と同じ目標を
同じ条件で取得した画像に対し、本発明の実施形態にか
かる処理を施した出力画像を示す。図から明らかなよう
に、従来装置による画像では解像度が低く、漁船２艘が
繋がっているかのように見えるとともに、その大きさお
よび位置の特定が難しい。これに対し、本実施形態にか
かる処理を施した画像では、漁船２艘がより鮮明に区別
されて映し出されており、目標の大きさおよび位置の特
定を容易に行うことができる。
【００２９】なお、本発明は前述の実施形態には限られ
ない。前述の実施形態では、マスクデータｍ１（ｒ）は
０と１との２値をとっていたが、これに替えて、図３
（ｃ）に示すように連続的にゲインの変化するマスク境
界帯域Ｗを有するマスクデータｍ１１（ｒ）を生成して
もよい。このマスクデータｍ１１（ｒ）では、その値の
変化する境界（＝マスク境界）の帯域において、連続的
にゲインが変化している。これにより、このマスクデー
タを作用させる反復演算画像データのゲイン変化率を低
減することができ、目標境界における虚像の発生を抑制
することができる。
ない。前述の実施形態では、マスクデータｍ１（ｒ）は
０と１との２値をとっていたが、これに替えて、図３
（ｃ）に示すように連続的にゲインの変化するマスク境
界帯域Ｗを有するマスクデータｍ１１（ｒ）を生成して
もよい。このマスクデータｍ１１（ｒ）では、その値の
変化する境界（＝マスク境界）の帯域において、連続的
にゲインが変化している。これにより、このマスクデー
タを作用させる反復演算画像データのゲイン変化率を低
減することができ、目標境界における虚像の発生を抑制
することができる。
【００３０】また、前述の実施形態ではゲイン指標デー
タとしてマスクされた原画像データ（ｍ２（ｒ））を用
いたが、ゲイン指標データを原画像データのゲインの代
表値（例えば最大値、平均値など）としてもよい。ま
た、前述の実施形態ではマスク生成、ゲイン指標生成、
境界検出の際の閾値（Ｔｈ）を全て同一としたが、これ
らをそれぞれ異なる値としてもよい。また、ゲイン補正
処理および境界補正処理を、目標の境界の近傍（例えば
検出した境界から所定距離の範囲）においてマスクされ
た原画像データの値を０とすることにより、同時に行う
ようにしてもよい。
タとしてマスクされた原画像データ（ｍ２（ｒ））を用
いたが、ゲイン指標データを原画像データのゲインの代
表値（例えば最大値、平均値など）としてもよい。ま
た、前述の実施形態ではマスク生成、ゲイン指標生成、
境界検出の際の閾値（Ｔｈ）を全て同一としたが、これ
らをそれぞれ異なる値としてもよい。また、ゲイン補正
処理および境界補正処理を、目標の境界の近傍（例えば
検出した境界から所定距離の範囲）においてマスクされ
た原画像データの値を０とすることにより、同時に行う
ようにしてもよい。
【００３１】
【発明の効果】以上説明したように、本発明によれば、
デコンボリューション処理における虚像の発生を低減
し、分解能を向上することができる。
デコンボリューション処理における虚像の発生を低減
し、分解能を向上することができる。
【図１】 本発明の実施形態にかかるレーダ装置のブロ
ック図である。
ック図である。
【図２】 本発明の実施形態にかかる出力画像データ生
成部のブロック図である。
成部のブロック図である。
【図３】 本発明の実施形態にかかる出力画像データ生
成部におけるマスク生成の一例を示す説明図である。
成部におけるマスク生成の一例を示す説明図である。
【図４】 本発明の実施形態にかかる出力画像データ生
成部におけるマスク生成の別の一例を示す説明図であ
る。
成部におけるマスク生成の別の一例を示す説明図であ
る。
【図５】 本発明の実施形態にかかる出力画像データ生
成部におけるゲイン補正および境界補正の一例を示す説
明図である。
成部におけるゲイン補正および境界補正の一例を示す説
明図である。
【図６】 従来の装置による出力画像（ａ）と本発明の
実施形態にかかるレーダ装置による出力画像（ｂ）との
一例を示す図である。
実施形態にかかるレーダ装置による出力画像（ｂ）との
一例を示す図である。
１０ レーダ装置、３１ 出力画像データ生成部、４１
デコンボリューション処理部、４２ ゲイン補正部、
４３ 境界補正部、４４ マスク生成部、４５ゲイン指
標生成部、４６ 境界検出部。
デコンボリューション処理部、４２ ゲイン補正部、
４３ 境界補正部、４４ マスク生成部、４５ゲイン指
標生成部、４６ 境界検出部。
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 2G005 DA01 4C301 EE01 EE07 EE11 JC07 JC20 5B057 AA14 BA30 CA08 CA12 CA16 CB08 CB12 CB16 CE03 CE05 CE06 DA06 DA16 DB02 DB09 DC16 5J070 AB01 AH14 AH19 AH31 AJ13 AJ20 AK13 AK22 AK37 AK39 5L096 EA06 FA06 GA10
Claims (5)
- 【請求項１】 画像取得装置において取得された原画像
データに対してデコンボリューション処理を行うデコン
ボリューション処理装置であって、 原画像データに基づいてマスクデータを生成するマスク
データ生成部と、 原画像データに対して反復法により前記画像取得装置の
画像取得特性に基づいたデコンボリューション処理を行
いデコンボリューション画像データを生成するデコンボ
リューション処理部と、 を備え、 前記デコンボリューション処理部は、反復演算ステップ
において算出されたデコンボリューション処理途中の画
像データに対して前記マスクデータによりマスク処理を
行うことを特徴とするデコンボリューション処理装置。 - 【請求項２】 前記マスクデータは、連続的にゲインの
変化するマスク境界帯域を有することを特徴とする請求
項１に記載のデコンボリューション処理装置。 - 【請求項３】 画像取得装置において取得された原画像
データに対してデコンボリューション処理を行うデコン
ボリューション処理装置であって、 原画像データに基づいてゲイン指標データを生成するゲ
イン指標生成部と、 原画像データに対して前記画像取得装置の画像取得特性
に基づいたデコンボリューション処理を行いデコンボリ
ューション画像データを生成するデコンボリューション
処理部と、 前記デコンボリューション画像データのゲインを前記ゲ
イン指標データに基づいて補正するゲイン補正部と、 を備えるデコンボリューション処理装置。 - 【請求項４】 前記ゲイン指標生成部は、マスクされた
原画像データをゲイン指標データとして生成することを
特徴とする請求項３に記載のデコンボリューション処理
装置。 - 【請求項５】 画像取得装置において取得された原画像
データに対してデコンボリューション処理を行うデコン
ボリューション処理装置であって、 原画像データにおける目標の境界を検出する境界検出部
と、 原画像データに対して前記画像取得装置の画像取得特性
に基づいたデコンボリューション処理を行いデコンボリ
ューション画像データを生成するデコンボリューション
処理部と、 前記検出された境界の内側において前記デコンボリュー
ション画像データを補正する境界補正部と、 を備えるデコンボリューション処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000185428A JP2002008004A (ja) | 2000-06-20 | 2000-06-20 | デコンボリューション処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000185428A JP2002008004A (ja) | 2000-06-20 | 2000-06-20 | デコンボリューション処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002008004A true JP2002008004A (ja) | 2002-01-11 |
Family
ID=18685750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000185428A Pending JP2002008004A (ja) | 2000-06-20 | 2000-06-20 | デコンボリューション処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002008004A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006090730A (ja) * | 2004-09-21 | 2006-04-06 | Secom Co Ltd | センシング装置 |
| JP2008524623A (ja) * | 2004-12-21 | 2008-07-10 | ウニヴェルシテテート・イ・オスロ | チャンネルインパルス応答の推定方法 |
| JP2009022342A (ja) * | 2007-07-17 | 2009-02-05 | Aloka Co Ltd | 超音波診断装置及び画像処理プログラム |
| JP2009240667A (ja) * | 2008-03-31 | 2009-10-22 | Fujifilm Corp | 超音波撮像装置及び超音波撮像方法 |
| US9039620B2 (en) | 2007-07-17 | 2015-05-26 | Hitachi Aloka Medical, Ltd. | Ultrasound diagnostic apparatus |
| JP2020119501A (ja) * | 2019-01-25 | 2020-08-06 | 株式会社ストラドビジョン | エッジロスを利用して歩行者イベント、自動車イベント、フォーリングイベント、フォールンイベントを含むイベントを検出するにおいて利用されるセグメンテーション性能向上のための学習方法及び学習装置、並びにそれを利用したテスト方法及びテスト装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09269370A (ja) * | 1996-04-01 | 1997-10-14 | Furuno Electric Co Ltd | 探知画像データ処理方法、物体探知装置、超音波診断装置、およびレーダ |
-
2000
- 2000-06-20 JP JP2000185428A patent/JP2002008004A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09269370A (ja) * | 1996-04-01 | 1997-10-14 | Furuno Electric Co Ltd | 探知画像データ処理方法、物体探知装置、超音波診断装置、およびレーダ |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006090730A (ja) * | 2004-09-21 | 2006-04-06 | Secom Co Ltd | センシング装置 |
| JP4624046B2 (ja) * | 2004-09-21 | 2011-02-02 | セコム株式会社 | センシング装置 |
| JP2008524623A (ja) * | 2004-12-21 | 2008-07-10 | ウニヴェルシテテート・イ・オスロ | チャンネルインパルス応答の推定方法 |
| US8305843B2 (en) | 2004-12-21 | 2012-11-06 | Elliptic Laboratories As | Channel impulse response estimation |
| US8531916B2 (en) | 2004-12-21 | 2013-09-10 | Elliptic Laboratories As | Channel impulse response estimation |
| JP2009022342A (ja) * | 2007-07-17 | 2009-02-05 | Aloka Co Ltd | 超音波診断装置及び画像処理プログラム |
| US9039620B2 (en) | 2007-07-17 | 2015-05-26 | Hitachi Aloka Medical, Ltd. | Ultrasound diagnostic apparatus |
| JP2009240667A (ja) * | 2008-03-31 | 2009-10-22 | Fujifilm Corp | 超音波撮像装置及び超音波撮像方法 |
| US9645118B2 (en) | 2008-03-31 | 2017-05-09 | Fujifilm Corporation | Ultrasonic imaging apparatus and ultrasonic imaging method |
| JP2020119501A (ja) * | 2019-01-25 | 2020-08-06 | 株式会社ストラドビジョン | エッジロスを利用して歩行者イベント、自動車イベント、フォーリングイベント、フォールンイベントを含むイベントを検出するにおいて利用されるセグメンテーション性能向上のための学習方法及び学習装置、並びにそれを利用したテスト方法及びテスト装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240127043A1 (en) | Image processing system and medical information processing system | |
| EP1766574B1 (en) | Method and apparatus for image processing | |
| Bhatnagar et al. | Scale sensitive deconvolution of interferometric images-I. Adaptive Scale Pixel (Asp) decomposition | |
| US8290061B2 (en) | Method and apparatus for adaptive frame averaging | |
| EP2357784B1 (en) | Adaptive edge enhancement using directional components from non-linear filtering | |
| KR100463461B1 (ko) | 얻어진자기공명영상에서공간세기의비균질성을보정하는방법 | |
| US20060020203A1 (en) | Method and apparatus of image processing to detect and enhance edges | |
| US7450780B2 (en) | Similarity measures | |
| WO2022247202A1 (zh) | 基于阵列测量和稀疏先验信息的声源辨识方法、系统 | |
| US6049623A (en) | Directional adaptive noise reduction | |
| JPWO2008139530A1 (ja) | 車両周辺監視装置、車両周辺監視用プログラム、車両周辺監視方法 | |
| US11263774B2 (en) | Three-dimensional position estimation device and program | |
| WO2001031495A1 (en) | Recursive state estimation by matrix factorization | |
| JP2002269558A (ja) | 色の相互相関統計量を利用した、デジタル画像から雑音を計算する方法。 | |
| JP2002008004A (ja) | デコンボリューション処理装置 | |
| US20050114103A1 (en) | System and method for sequential kernel density approximation through mode propagation | |
| JP2007292531A (ja) | Ｓａｒ搭載機速度測定装置、画像鮮明化装置、ｓａｒ搭載機速度測定プログラム、画像鮮明化プログラム及びｓａｒ搭載機速度測定方法 | |
| EP1136948A1 (en) | Method of multitime filtering coherent-sensor detected images | |
| JP2000232384A (ja) | データ処理装置およびデータ処理方法 | |
| CN111028241B (zh) | 一种多尺度血管增强的水平集分割系统与方法 | |
| CN111562584A (zh) | 被动声纳方位历程图处理方法和装置及设备 | |
| KR101862490B1 (ko) | 영상 보정 프로세서 및 컴퓨터 판독가능 기록 매체 | |
| JP2648110B2 (ja) | 信号検出方法及び装置 | |
| JP7409606B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
| JP3793039B2 (ja) | 画像処理方法、画像処理装置、放射線画像処理装置、画像処理システム及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070516 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20070516 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100308 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100316 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100706 |