JP2006267539A - 歪除去装置及びこれを用いたホログラムデータ再生装置 - Google Patents

Abstract

【課題】周辺画素から受ける干渉による雑音を効果的に除去できる雑音除去装置を提供する。
【解決手段】読み出したデジタルイメージから注目画素と、注目画素の周辺画素を抽出する画素抽出器１０１と、注目画素と周辺画素を入力し、注目画素の雑音を除去するためのフィルタリングを行うフィルタ１０２と、仮判定を行った２値化データのパターンに基づいて、フィルタ１０２のフィルタ係数を第１の係数メモリ１０４から選択し、フィルタ１０２に入力する第１の係数選択器１０５とを備え、フィルタ１０２が周辺の２値化データのパターンに応じたフィルタリングを行うことにより、周辺画素から受ける干渉による雑音を除去することができる
【選択図】図１

Description

本発明は、デジタルイメージの雑音除去に係り、特にホログラフィック・データ・ストレージに好適に利用できるものである。

ボリューム・ホログラフィック・データ・ストレージの概念図を図１７に示す。ボリューム・ホログラフィック・データ・ストレージでは、図１７に示すように記録時には第１のレーザー光を、２次元データを用いて空間変調した光（物体光）と第２のレーザー光（参照光）との干渉をホログラムメディアに書き込み、再生時には第２のレーザー光（参照光）のみをホログラムメディアに照射し情報を記録する。記録された情報を取り出す際には、ホログラムメディアに記録された干渉パターンによって得られる回折光をＣＣＤ（Ｃｈａｒｇｅ−Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）のようなイメージセンサーで光電変換してデジタルイメージを得る。このデジタルイメージは、適切なＸＹ位置でリサンプリングするために位置合わせ器に入力され、位置合わせ器はデジタルイメージ中のマーカーを検出し、そのマーカーを基準としてデジタルイメージの定められた位置からデータの読取りを行えるように読取り位置を合わせる。読み取られたデータは２値化装置に入力され復調回路に送られる。

図１６に従来の２値化方法の手順を示す。ステップＳ１１は読取りデータを取り込む。ステップＳ１２は読取りデータのレベルと所定の閾値との大小比較を行いその結果に従って、“１”または“０”判定を行う。ステップＳ１３は“１”の判定データ群に対応する読取りデータから“１”の判定データに対応する読取りデータのレベルの平均値と、“０”の判定データに対応する読取りデータのレベルの平均値とを算出する。ステップＳ１４は２つの平均値から最も読取りデータの読取り誤りが小さくなるような閾値（スライスレベル）を新たに決定する。ステップＳ１５は新たな閾値と読取りデータとを大小比較し、再度“１”／“０”の判定を行い、“１”または“０”を担う判定データを新しく得る。ステップＳ１６は閾値を変更すべきか否かを判別する。このときの判別する条件として、データの読取り誤りが小さくなり得ると判別される場合に閾値を変更する。ステップＳ１７は最終的に得られた判定データを時系列の再生データとして出力する（例えば、特許文献１参照）。

しかしながら、読み出したデジタルイメージをそのまま２値化しただけでは、迷光等の影響を受け雑音が大きい場合には、２値化しようとするデータが閾値を飛び越えて“１”に判定しなければならないデータが“０”に判定され、または“０”に判定しなければならないデータが“１”に判定されてしまうので誤りが頻繁に発生し、十分なエラーレートが得られない。

そこで、２値化を行う前に雑音の影響を軽減させる方法が提案されている。２値化を行う前に雑音の影響を軽減させる従来のデータ再生装置の構成図を図１８に示す。図１８のように、イメージセンサー１２０１で光電変換されたデジタルイメージは位置合わせ器１２０６に入力され、位置合わせ器１２０６は定められた位置から読取りを行う。位置合わせ器１２０６と２値化装置１２０８の間に線形２次元フィルタ（線形フィルタ１３０１）を挿入し２値化を行う前にデジタルイメージのフィルタリングを行い、雑音の影響を減少させる。（例えば、非特許文献１参照。）
この線形フィルタ１３０１の構成はＦＩＲ型のものであり、その係数は図示しない係数設定手段によって設定される。係数設定手段から線形フィルタ１３０１に設定するフィルタ係数は線形平均２乗誤差法ＬＭＭＳＥ（Ｌｉｎｅａｒ Ｍｉｎｉｍｕｍ Ｍｅａｎ−Ｓｑｕａｒｅｄ−Ｅｒｒｏｒ）により算出される。この方法は入力の自己相関と、入力と目標値との相互相関を利用し、出力と目標値との平均二乗誤差を最小にするようにフィルタ係数を算出する。ここで、入力は線形フィルタ１３０１入力データ、出力は線形フィルタ１３０１によりフィルタリングされた後のデータ、目標値は既知の２次元データを雑音の影響を受けていない場合を想定して作成した理想的なデータとする。
特開平１１−２７２１５１号公報（第２−９頁、第１４図） Ｖｏｌ．３８，Ｎｏ．２０／ＡＰＰＬＩＥＤ ＯＰＴＩＣＳ（第４３８７−４３９３頁）

しかしながら、迷光以外に符号間干渉による雑音も無視できない。この雑音はイメージセンサーの出力が光の強度を１画素の空間面積で積分した値に比例する性質により、前述の積分の影響で、隣接する画素の干渉を受けることで発生する。この干渉は、隣接画素のデータが“１”（明るい）の場合に、データが“０”（暗い）の場合に比べて大きな影響を受ける。図３はＣＣＤの１画素の光電変換を表した図である。図３の電界振幅および光の強度は光電変換を理解しやすくするために１次元で表している。２次元符号によって空間変調された光をＣＣＤカメラなどのイメージセンサーで観測するとき、光の強度をＣＣＤの１画素の面積で積分した値に比例した値が、その画素の輝度として出力される。光の強度は２次元符号によって空間変調された光の振幅である電界振幅の２乗に比例する。

２次元符号化されたデータの“１”の周りに同じく“１”のデータがある時の電界振幅、光の強度は図３の（ａ）の様になる。また、２次元符号化されたデータの“１”の周りに同じく“１”のデータが無い時（周りが“０”のみの時）の電界振幅及び光の強度は図３の（ｂ）の様になる。前述したようにＣＣＤの１画素の輝度は光の強度を１画素の面積で積分した値に対応した値になる。よって、周りに“１”がある時（図３の（ａ））の方が、周りに“１”が無いとき（図３の（ｂ））より、ＣＣＤから出力される輝度は大きくなる。これは、周りの“１”の影響によるものである。

すなわち、同じ“１”に対応する輝度であっても、周りのデータが“１”であるか“０”であるかによって、ＣＣＤの１画素の面積で積分による誤差が生まれるので、出力される輝度が変化する。この変化は、“１”に対応する輝度を読み出す時の方が“０”に対応する輝度を読み出す時より大きくなり、ＣＣＤの出力で見た場合、“１”に対応する輝度のＳ／Ｎ比が悪化する。このような符号間干渉による歪を雑音と考えると、隣接画素のデータに依存した雑音は、隣接画素の“１”または“０”の組み合わせパターンによって変化する。ところが、従来の線形なフィルタは、この隣接画素の組み合わせパターンを利用したフィルタ機能をでは無いため、効果的な雑音除去ができないという課題を有していた。

本発明は、前記従来の課題を解決するもので、周辺画素から受ける干渉による雑音を効果的に除去できる雑音除去装置を提供することを目的とする。

従来の課題を解決するために、本発明の歪除去装置及びこれを用いたホログラムデータ再生装置は、ホログラフィック記録媒体から読み出された格子状の画素からなる画像データから注目画素と前記注目画素の上下左右の画素を周辺画素として抽出する画素抽出手段と、前記画素抽出手段で通出された注目画素と周辺画素を入力し所定のフィルタ係数に従って前記注目画素の補正を行うフィルタと、前記周辺画素を２値化し所定の配列パターンで出力する周辺画素仮判定手段と、前記配列パターン毎に指定された格納場所に前記フィルタ係数が格納されている第１の係数メモリと、前記周辺画素仮判定手段から出力された配列パターンに応じたフィルタ係数を前記第１の係数メモリから選択して前記フィルタに出力する第１の係数選択手段とからなることを特徴としたものである。

さらに本発明の歪除去装置及びこれを用いたホログラムデータ再生装置は、ホログラフィック記録媒体から読み出された格子状の画素からなる画像データから注目画素と前記注目画素の上下左右の画素を周辺画素として抽出する画素抽出手段と、前記画素抽出手段で抽出された注目画素と前記注目画素の歪を予測した注目画素予測歪を用いて前記注目画素の補正を行う演算手段と、前記周辺画素を２値化し所定の配列パターンで出力する周辺画素仮判定手段と、前記画像抽出手段から出力された周辺画素と前記配列パターンとを用いて周辺画素誤差を演算する周辺誤差演算手段と、前記周辺画素誤差を入力し所定のフィルタ係数に従って注目画素予測歪を生成する予測歪生成手段と、前記配列パターン毎に指定された格納場所に前記フィルタ係数が格納されている第２の係数メモリと、前記周辺画素仮判定手段から出力された配列パターンに応じたフィルタ係数を前記第１の係数メモリから選択して前記予測歪生成手段に出力する第２の係数選択手段とからなる事を特徴としたものである。

さらに本発明の歪除去装置及びこれを用いたホログラムデータ再生装置は、ホログラフィック記録媒体から格子状の画素からなる画像データを取得する撮像手段と、前記撮像手段から出力される画像データを増幅する増幅手段と、前記増幅手段の出力を二値化するＡＤ変換手段と、前記ＡＤ変換手段の出力を第１の格納場所に格納する記憶手段と、前記第１の格納場所から画像データを読み出し、前記画像データに含まれる基準マークを利用してリサンプリングし、リサンプルした画像データを前記記憶手段の第２の格納場所に格納する位置合わせ手段と、前記第２の格納場所から前記リサンプルされた画像データを読みだし画像データの歪除去を行う請求項１から１４に記載の歪除去装置と、前記歪除去装置の出力を２値化し、前記記憶手段の第３の格納場所に格納する２値化手段と、からなることを特徴としたものである。

本発明の雑音除去装置によれば、周辺の画素輝度値の仮判定結果に基づきフィルタの係数を変化させることにより、周辺画素のデータからの干渉による雑音を効果的に除去することとなり復号誤りを改善することができる。

以下に、本発明の雑音除去装置及びそれを用いたデジタルデータ再生装置の実施の形態を図面とともに詳細に説明する。

図１は、本発明の第１の実施例における雑音除去装置のブロック図を示す。図１において、画素抽出器１０１は読み出したデジタルイメージから注目画素と、注目画素の周辺画素を抽出する。フィルタ１０２は注目画素と周辺画素を入力し、注目画素の雑音を除去するためのフィルタリングを行う。周辺画素仮判定器１０３は周辺画素を２値化し２値化データを出力する。第１の係数メモリ１０４は周辺画素仮判定器１０３の出力である２値化データが採り得る全てのパターン毎のフィルタ係数を記憶している。第１の係数選択器１０５は周辺画素仮判定器１０３が出力する２値化データのパターンに基づいて、フィルタ１０２のフィルタ係数を第１の係数メモリ１０４から選択し、フィルタ１０２に入力する。

まず、デジタルイメージについて説明する。デジタルイメージは２次元データに対応するイメージである。図２ａに２次元データを示す。黒がデータ“０”、白がデータ“１”を示している。デジタルイメージは雑音や符号間干渉が無いときには図２の２次元データとほぼ同じイメージになる。図２の２次元データを用いてデジタルイメージを説明すると、例えば、黒が暗い輝度１０（ｄｅｃｉｍａｌ）、白が明るい輝度２００（ｄｅｃｉｍａｌ）のイメージとなる。しかし、実際にはＣＣＤの画素の面積積分による符号間干渉による歪、光雑音、電気雑音によって、デジタルイメージの輝度はばらつく。これらの雑音の中で本実施例に最も関係のある符号間干渉による歪は周辺画素が注目画素に影響を及ぼす現象である。本実施例では周辺画素の仮判定結果を利用して注目画素の等化を行うことにより周辺画素が注目画素に及ぼす符号間干渉による歪の軽減を図る。

画素抽出器１０１は輝度情報をサンプリングした各画素の輝度を多ビットのデジタルデータに変換されたデジタルイメージから、図２ｂに示すように５セルずつ画素を抽出する。（以下、この抽出した５セルからなる画素を抽出画素と称す。）抽出画素の中央にある注目画素は現在復号を行おうとしている画素で、注目画素の隣接にある周辺画素１〜周辺画素４は注目画素の周辺にある画素である。図２ａの４角にはマーカーと呼ばれる基準セルが配置されている。また、４辺にはマージンとしてデータ“０”である黒を配置している。

本実施例のデジタルイメージから注目画素を抽出する順番を図４に示す。図４では、デジタルイメージの有効画素領域の大きさがｎ×ｎで、有効画素領域の左上を原点として、横方向をｘ軸、縦方向をｙ軸とした場合、各画素の座標は（ｘ，ｙ）となり、左上の原点の座標は（０，０）、右下の原点から最も離れた座標は（ｎ，ｎ）となる。図３に示すように、注目画素の座標が（０，０）、（１，０）・・・（ｎ，０）、（０，１）・・・（ｎ，１）・・・（０，ｎ）・・・（ｎ，ｎ）を通るようにする。つまり行方向を走査し、列が最終のｎ番目になると１行改行を行って次の行を走査するようにしている。

次にフィルタ１０２について説明する。図６にフィルタ１０２のブロック図を示す。

フィルタ１０２は注目画素と周辺画素を入力し、注目画素の雑音を除去するためのフィルタリングを行う。このフィルタ１０２のフィルタ係数は後述する第１の係数選択器１０５によって変化するので、周辺画素のパターンと相関を持った注目画素の雑音を除去することができる。パターンについては後述する。

図６において、フィルタ１０２は、乗算器５０１〜５０５と、加算器５０６とから構成される。入力は周辺画素１〜周辺画素４と注目画素の５つあり、各画素は各乗算器に入力される。例えば周辺画素１では１の乗算器５０１に入力、周辺画素２では２の乗算器５０２に入力されるようになる。乗算器５０１〜５０５は各画素とフィルタ係数との乗算を行う。各タップのフィルタ係数は第１の係数選択器１０５から入力されるフィルタ係数を用い、そのフィルタ係数はフィルタ入力の数だけ用意されており、注目画素、周辺画素の合計数が５の場合は５個用意される。さらに本実施例では周辺画素のパターン毎にフィルタ係数を変更しているので５個で１組のフィルタ係数がパターンの組み合わせの数である１６組用意される。加算器５０６は５個の乗算器５０１〜５０５の和を求め、出力する。このようにしてフィルタリングすることで注目画素の雑音を削減できる。

次に周辺画素仮判定器１０３を説明する。本実施例では周辺画素仮判定器１０３は閾値検出を用いている。図７に閾値検出方法を示す。ここで図７にプロットされているデータは周辺画素の多ビットで表される輝度情報をレベル０〜１に規格化したデータである。値は注目画素に対する各周辺画素であり、周辺画素の各プロットの値が閾値よりレベルが大であれば“１”に復号し、閾値よりレベルが小であれば“０”に判定している。この場合、座標（ｉ，ｊ）の注目画素に注目すると周辺画素１は閾値より大であるので“１”に判定され、同じように周辺画素２は“０”、周辺画素３は“０”、周辺画素４は“１”に判定される。閾値の定め方については“１”に復号されたデータの平均分布レベルと“０”に復号されたデータの平均レベルの中間値としている。例えば“１”に復号されたデータの平均分布レベルが０．７、“０”に復号されたデータの平均分布レベルが０．３だとすると中間値は０．５であるので、閾値は０．５としている。周辺画素仮判定器１０３には同時に４つの周辺画素が入力されるので、平行して４つずつの仮判定を行っている。周辺画素仮判定器１０３からの出力結果は１６組存在する。

第１の係数メモリ１０４はパターン毎のフィルタ係数を記憶している。このときのパターンについて組み合わせを図５に示す。図５のように、本実施例では隣接した周辺画素４つを考慮しており、また周辺画素仮判定器１０３の判定結果は“０”、“１”の２通りあるので、“周辺画素１〜周辺画素４”の順で組み合わせると“００００”〜“１１１１”で合計１６組の組み合わせが存在することになる。パターンが１６組あるので第１の係数メモリ１０４は５個のフィルタ係数が１６組記憶されている。図５中の係数１〜係数１６にはそれぞれ５個のフィルタ係数の集合を示しており、“周辺画素１〜周辺画素４”の順でのパターンが“００００”では係数１が記憶されている。ここでのフィルタ係数はあらかじめ、後述するＬＭＳアルゴリズム等を、ソフトウェアでパターンごとに演算して決定したものを用いている。

第１の係数選択器１０５は周辺画素のパターンに基づいて、フィルタ１０２で用いるフィルタ係数を第１の係数メモリ１０４から選択し、フィルタに入力する。例えば、パターン“０００１”のとき注目画素が周辺画素から受ける雑音が雑音Ａとして、パターン“００１０”のとき注目画素が周辺画素から受ける雑音が雑音Ｂだとする。ここで雑音Ａを効果的に除去するフィルタ係数を係数Ａとし、雑音Ｂを効果的に除去するフィルタ係数を係数Ｂとする。第１の係数選択器１０５がパターン“０００１”のときには係数Ａを選択してフィルタリングをして雑音Ａを除去し、次にパターン“００１０”のときには係数Ｂを選択しフィルタリングして雑音Ｂを除去する。他のパターンのときも同様にすることで注目画素が周辺画素から受ける雑音を効果的に除去する。こうすることにより周辺画素のパターンの変化に伴って変化する注目画素の雑音を軽減する。

次に本実施例１において、適応的にフィルタ係数を算出する方法を示す。図８に、本発明の第１の実施例における雑音除去装置の適応的にフィルタ係数を算出する場合のブロック図を示す。図８において、画素抽出器１０１、フィルタ１０２、周辺画素仮判定器１０３、第１の係数メモリ１０４、第１の係数選択器１０５は前述したものと同様である。これから説明する注目誤差演算器７０１、第１の係数演算器７０２、第１の係数書き込み選択器７０３は適応的にフィルタ係数を学習するために用いている。注目誤差演算器７０１はフィルタ１０２が出力するフィルタリングされた注目画素の仮判定を行い、フィルタリングされた注目画素と仮判定値から等化誤差を出力する。第１の係数演算器７０２は第１の係数選択器１０５が出力するフィルタ係数と、注目誤差演算器７０１が出力する等化誤差と、画素抽出器１０１が出力する周辺画素を入力し、フィルタ係数を算出する。第１の係数書き込み選択器７０３は周辺画素仮判定器１０３が出力する２値化データのパターンに基づいて、第１の係数演算器７０２が出力するフィルタ係数を第１の係数メモリ１０４へパターン毎に記憶する。

注目誤差演算器７０１の構造を図９に示す。注目誤差演算器７０１はフィルタリングされた注目画素を入力し、等化誤差を算出し出力する。フィルタリングされた注目画素は注目画素仮判定器８０１によって“０”、“１”の２値化データに変換される。このときの仮判定の方法は周辺画素仮判定器１０３と同様に閾値検出を用いている。周辺画素仮判定器１０３は入力が周辺画素４つだったのに対し、注目画素仮判定器８０１では入力データが注目画素１つなので、仮判定は１つずつ行う。第１の目標値変換器８０２は仮判定を行った２値化データを等化目標値に変換する。等化目標値の例として平均分布レベルを用いる。“１”に復号されたデータの平均分布レベルが０．７、“０”に復号されたデータの平均分布レベルが０．３だとすると、“１”の仮判定結果に対する目標値は０．７、“０”の仮判定結果に対する目標値は０．３としている。第１の減算器８０３は注目画素仮判定器８０１と第１の目標値変換器８０２で生じる遅延を考慮し、フィルタリングされた注目画素と等化目標値との差を求め、等化誤差を出力する。

第１の係数演算器７０２は第１の係数選択器１０５が出力するフィルタ係数と、注目誤差演算器７０１が出力する等化誤差と、画素抽出器１０１が出力する注目画素と周辺画素を入力し、新たなフィルタ係数を算出する。本実施例ではフィルタ係数を算出する例としてＬＭＳアルゴリズムを用いたときの構成を示している。

次にＬＭＳアルゴリズムについて説明する。ＬＭＳアルゴリズムはフィルタ１０２の誤差が小さくなるように、適応的にフィルタ係数を更新する。ＬＭＳアルゴリズムの式は、目標値を等化目標値（誤差演算器７０１で説明したものと同様）、入力を注目画素と周辺画素とすると、数１で表される。

このときｈ（ｎ）は前の時間のフィルタ係数ベクトル、ｈ（ｎ＋１）は次の時間のフィルタ係数ベクトル、μはステップサイズパラメータ、ｅ（ｎ）はｎ番目の繰り返し時の等化誤差、ｕ（ｎ）はｎ番目の繰り返し時における過去の入力ベクトルを表す。また等化誤差は注目誤差演算器７０１出力に相当し、数２で表される。

ここでｄ（ｎ）は等化目標値、ｖ（ｎ）は周辺画素の転置ベクトル、ｖ（ｎ）ｈ（ｎ）はフィルタ出力である等化された注目画素を表す。ＬＭＳアルゴリズムを用いると等化誤差ｅ（ｎ）が小さくなるように、フィルタ係数ベクトルｈ（ｎ）が最適値ｈ０に近づいていく。

第１の係数書き込み選択器７０３は周辺画素仮判定器１０３が出力するパターンに基づいて、第１の係数演算器７０２が出力するフィルタ係数を第１の係数メモリ１０４へパターン毎に記憶する。例えば前述したパターン“０００１”に対する係数Ａと、パターン“００１０”に対する係数Ｂの場合を説明する。まず、パターン“０００１”のときに係数Ａを適応してフィルタリングを行い、第１の係数演算器７０２によって新たなフィルタ係数Ａ’を演算し、第１の係数書き込み選択器７０３で、第１の係数メモリ１０４に記憶されているパターン“０００１”に対する係数Ａを係数Ａ’に更新する。次にパターン“００１０”のときに係数Ｂを適応してフィルタリングを行い、第１の係数演算器７０２によって新たなフィルタ係数Ｂ’を演算し、第１の係数書き込み選択器７０３で、第１の係数メモリ１０４に記憶されているパターン“００１０”に対する係数Ｂを係数Ｂ’に更新する。このように第１の係数メモリ１０４内で係数Ａが記憶されていたところに係数Ａ’、係数Ｂが記憶されていたところに係数Ｂ’を上書きしながら学習を行っていくことでパターンごとの学習を行う。こうすることによってフィルタ係数のパターン毎の学習が行える。

以上のように、本実施例１においては周辺の画素輝度値の仮判定結果に基づきフィルタの係数を変化させることにより、周辺画素のデータからの干渉による雑音を効果的に除去することとなり復号誤りを改善することができる。また、適応的にフィルタ係数を算出する方法ではパターンごとのフィルタ係数をそれぞれ適応的に学習しているので画素輝度の変化に対応したフィルタリングができる。

なお、本実施例では隣接画素の場合のみを説明しているが、隣接とさらにその周辺の画素を用いた場合でも実施できる。この場合では、より多くの波形干渉を考慮した等化を行うことができる。

なお、適応的にフィルタ係数を算出する方法において、あらかじめフィルタ係数を学習してからパターン毎のフィルタ係数の初期値を適切にしてフィルタリングを開始することもできる。この場合学習期間と学習ページを設け、学習期間に学習ページを読むことで学習を行う。学習ページに記録されているデータは既知のデータとしているので、こうすることによってフィルタ係数の初期値を適切な値にすることができるので、フィルタ係数の学習開始時から適切なフィルタリングができる。

図１０は、本発明の第２の実施例における雑音除去装置のブロック図を示す。図１０において、画素抽出器１０１は読み出したデジタルイメージから注目画素と、注目画素の周辺画素を抽出する。演算器９０１は注目画素と注目画素の予測歪を入力し、注目画素の雑音を除去する。ここで予測歪とは、周辺画素の誤差から注目画素の歪を主とする雑音を予測した予測値であり、周辺画素の誤差をフィルタリングすることで生成される。予測歪生成器９０２はフィルタ係数と周辺画素の誤差から予測歪を生成する。周辺画素仮判定器１０３は周辺画素を２値化し２値化データを出力する。周辺誤差演算器９０３は周辺画素仮判定器１０３が出力する２値化データのパターンと、周辺画素とから周辺画素の誤差を出力する。第２の係数メモリ９０４は周辺画素仮判定器１０３の出力である２値化データが採り得る全てのパターン毎のフィルタ係数を記憶している。第２の係数選択器９０５は周辺画素仮判定器１０３が出力する２値化データのパターンに基づいて、予測歪生成器９０２のフィルタ係数を第２の係数メモリ９０４から選択し、予測歪生成器９０２に入力する。

まず、デジタルイメージと、画素抽出器１０１が行うデジタルイメージの抽出方法は実施例１と同様である。雑音についても実施例１と同様に符号間干渉による歪の軽減を図っている。周辺画素は注目画素に影響を及ぼしている。また、逆に注目画素も周辺画素に影響を及ぼしている。このことより本実施例では周辺画素の誤差より注目画素の雑音を予測し、除去を行う。画素抽出器１０１の出力ついて、画素抽出器１０１は演算器９０１には注目画素のみを出力し、周辺画素仮判定器１０３、周辺誤差演算器９０３には周辺画素のみを出力する。

次に演算器９０１と予測歪生成器９０２について説明する。演算器９０１は画素抽出器１０１から注目画素を入力し、予測歪生成器９０２から予測歪を入力する。そして、注目画素と予測歪の差を出力することにより雑音除去を行う。このとき、予測歪は周辺画素の誤差から注目画素の雑音を予測したものであり、予測歪生成器９０２から出力される。予測歪生成器９０２は周辺画素のパターンに応じてフィルタ係数を変更しているので周辺画素のパターンに応じて変化する雑音を除去することができる。このときのパターンについては実施例１の場合と同様である。

次に予測歪生成器９０２のブロック図を図１２に示す。図１２において、予測歪生成器９０２は、乗算器１００１〜１００４と、加算器１００５とから構成される。入力は周辺画素１〜周辺画素４の４つあり、各画素は各乗算器に入力される。例えば周辺画素１では１の乗算器１００１に入力、周辺画素２では２の乗算器１００２に入力されるようになる。乗算器１００１〜１００４は各画素とフィルタ係数との乗算を行う。フィルタ係数は周辺画素の数分用意されており、周辺画素の数が４の場合は４個用意される。さらに本実施例では周辺画素のパターン毎にフィルタ係数を変更しているので４個で１組のフィルタ係数がパターンの組み合わせの数である合計１６組用意される。加算器１００５は４個存在する乗算器１００１〜１００４の出力の和を求め、出力する。このようにして周辺画素の誤差から注目画素の雑音を予測している。

次に周辺画素仮判定器１０３、周辺誤差演算器９０３を説明する。本実施例では周辺画素仮判定器１０３は閾値検出を用いている。閾値検出方法については実施例１と同様である。周辺誤差演算器９０３の構成図を図１１に示す。周辺誤差演算器９０３は周辺画素仮判定器１０３によって仮判定された“０”、“１”の２値化データを第２の目標値変換器９０６によって目標値に変換する。第２の減算器９０７は周辺画素仮判定器１０３と第２の目標値変換器９０６で生じる遅延を考慮して周辺画素と目標値との差を算出し、周辺画素の誤差として出力する。ここで目標値は平均分布レベルを用いる。“１”に復号されたデータの平均分布レベルが０．７、“０”に復号されたデータの平均分布レベルが０．３だとすると、“１”の仮判定結果に対する目標値は０．７、“０”の仮判定結果に対する目標値は０．３としている。周辺画素仮判定器１０３には同時に４つの周辺画素が入力されるので、平行して４つの仮判定を行っている。周辺画素仮判定器１０３からの出力結果は１６組存在する。周辺誤差演算器９０３でも同時に４つの周辺画素と２値化データが入力されるので平行して４つの処理を行っている。

第２の係数メモリ９０４はパターン毎のフィルタ係数を記憶している。パターンが１６組あるので４個のフィルタ係数が１６組記憶されている。ここでのフィルタ係数はあらかじめ、後述するＬＭＳアルゴリズム等を、ソフトウェアでパターンごとに演算して決定したものを用いている。

第２の係数選択器９０５は周辺画素のパターン基づいて、予測歪生成器９０２のフィルタ係数を第２の係数メモリ９０４から選択し、予測歪生成器９０２に入力する。こうすることにより周辺画素のパターンの変化に伴って変化する注目画素の予測歪を生成する。例えば、パターン“０００１”のとき注目画素が周辺画素から受ける雑音が雑音Ｃとして、パターン“００１０”のとき注目画素が周辺画素から受ける雑音が雑音Ｄだとする。ここで雑音Ｃから注目画素の予測歪を生成するフィルタ係数を係数Ｃとし、雑音Ｄから注目画素の予測歪を生成するフィルタ係数を係数Ｄとする。第２の係数選択器９０５がパターン“０００１”のときには係数Ｃを選択してフィルタリングをして注目画素の雑音を生成し、次にパターン“００１０”のときには係数Ｄを選択しフィルタリングして注目画素の雑音を生成する。他のパターンのときも同様にすることで周辺画素から注目画素の予測歪を生成する。

次に本実施例２において、適応的にフィルタ係数を算出する方法を示す。図１３に、本発明の第２の実施例における雑音除去装置の適応的にフィルタ係数を算出する場合のブロック図を示す。図１３において、画素抽出器１０１、演算器９０１、予測歪生成器９０２、周辺画素仮判定器１０３、周辺誤差演算器９０３、第２の係数メモリ９０４、第２の係数選択器９０５は前述したものと同様である。これから説明する注目誤差演算器７０１、第２の係数演算器１１０１、第２の係数書き込み選択器１１０２は適応的にフィルタ係数を学習するために用いている。注目誤差演算器７０１は演算器９０１が出力する雑音除去を行った注目画素の仮判定を行い、雑音除去を行った注目画素と仮判定値から誤差を算出し出力する。第２の係数演算器１１０１は第２の係数選択器９０５が出力するフィルタ係数と、注目誤差演算器７０１が出力する雑音予測誤差と、画素抽出器１０１が出力する周辺画素を入力し、フィルタ係数を算出する。第２の係数書き込み選択器１１０２は周辺画素仮判定器１０３が出力する２値化データのパターンに基づいて、第２の係数演算器１１０１が出力するフィルタ係数を第２の係数メモリ９０４へパターン毎に記憶する。注目誤差演算器７０１は雑音除去を行った注目画素を入力し、誤差を算出し出力する。この誤差は雑音を予測して除去を行った後に生じた誤差なので雑音予測誤差とする。ここで注目誤差演算器７０１の構造、行われる処理は実施例１と同様である。実施例１では注目誤差演算器７０１の出力は等化誤差であったのに対し、本実施例ではフィルタリングの違いから雑音予測誤差である。

第２の係数演算器１１０１は第２の係数選択器９０５が出力するフィルタ係数と、注目誤差演算器７０１が出力する雑音予測誤差と、周辺誤差演算器９０３が出力する周辺画素を入力し、新たなフィルタ係数を算出する。本実施例ではフィルタ係数を算出する例としてＬＭＳアルゴリズムを用いたときの構成を示している。

次にＬＭＳアルゴリズムについて説明する。ＬＭＳアルゴリズムは実施例１で説明したが実施例２では入出力が実施例１の場合と異なっているため、実施例１の式を用いて入出力と各パラメータに注目して説明する。ＬＭＳアルゴリズムはフィルタ係数を更新しながらフィルタ処理を繰り返して誤差小さくするように学習を行っている。このときＬＭＳアルゴリズムの式は第１式で与えられ、目標値を注目画素の雑音、入力を周辺画素の誤差とすると、実施例１で用いた式１のパタメータは次のようになる。ｈ（ｎ）は前の時間のフィルタ係数ベクトル、ｈ（ｎ＋１）は次の時間のフィルタ係数ベクトル、μはステップサイズパラメータ、ｅ（ｎ）はｎ番目の繰り返し時の雑音予測誤差、ｕ（ｎ）はｎ番目の繰り返し時における過去の入力ベクトルを表す。また雑音予測誤差は注目誤差演算器７０１出力に相当し、数３で与えられる。

ｄ（ｎ）は注目画素の目標値、ｙ（ｎ）は注目画素、ｖ（ｎ）は周辺画素の誤差の転置ベクトル、ｖ（ｎ）ｈ（ｎ）は予測歪生成器９０２の出力である予測歪を表す。ＬＭＳアルゴリズムを用いると雑音予測誤差ｅ（ｎ）が小さくなるように、フィルタ係数ベクトルｈ（ｎ）が最適値ｈ０に近づいていく。
第２の係数書き込み選択器１１０２は周辺画素仮判定器１０３が出力するパターンに基づいて、第２の係数演算器１１０１が出力するフィルタ係数を第２の係数メモリ９０４へパターン毎に記憶する。こうすることによってフィルタ係数のパターン毎の学習が行える。例えば前述したパターン“０００１”に対する雑音Ｃ、係数Ｃの場合と、パターン“００１０”に対する雑音Ｄ、係数Ｄの場合を説明する。まず、パターン“０００１”のときに係数Ｃを適応してフィルタリングを行い、第２の係数演算器１１０１によって新たなフィルタ係数Ｃ’を演算し、第２の係数書き込み選択器１１０２で、第２の係数メモリ９０４に記憶されているパターン“０００１”に対する係数Ｃを係数Ｃ’に更新する。次にパターン“００１０”のときに係数Ｄを適応してフィルタリングを行い、第２の係数演算器１１０１によって新たなフィルタ係数Ｄ’を演算し、第２の係数書き込み選択器１１０２で、第２の係数メモリ９０４に記憶されているパターン“００１０”に対する係数Ｄを係数Ｄ’に更新する。このように第２の係数メモリ９０４内で係数Ｃが記憶されていたところに係数Ｃ’、係数Ｄが記憶されていたところに係数Ｄ’を上書きしながら学習を行っていくことでパターン毎の学習を行う。

以上のように、本実施例２においては周辺の画素輝度値の仮判定結果に基づきフィルタ係数を変化させることにより、周辺画素のデータからの干渉による雑音を効果的に除去することとなり復号誤りを改善することができる。また、適応的にフィルタ係数を算出する方法ではパターンごとのフィルタ係数をそれぞれ適応的に学習しているので画素輝度の変化に対応したフィルタリングができる。

なお、本実施例では隣接画素の場合のみを説明しているが、隣接とさらにその周辺の画素を用いた場合でも実施できる。この場合では、より多くの波形干渉を考慮した雑音除去を行うことができる。また、適応的にフィルタ係数を算出する方法において、あらかじめフィルタ係数を学習してからパターン毎のフィルタ係数の初期値を適切にしてフィルタリングを開始することもできる。この場合学習期間と学習ページを設け、学習期間に学習ページを読むことで学習を行う。学習ページに記録されているデータは既知のデータとしているので、こうすることによってフィルタ係数の初期値を適切な値にすることができるので、フィルタ係数の学習開始時から適切なフィルタリングができる。

図１４は、本実施例におけるデータ再生装置の構成図を示す。図１４において、イメージセンサー１２０１によって撮影されたイメージは、アンプ１２０２によって増幅される。増幅されたイメージはＡＤ変換手段１２０３によってサンプリングされ、メモリＩ／Ｆ１２０４を介してメモリ１２０５のデジタルイメージ領域１２０５１へ記憶される。デジタルイメージ領域１２０５１へ記憶されたデジタルイメージはメモリＩ／Ｆ１２０４を介して位置合わせ器１２０６に入力される。位置合わせ器１２０６は、デジタルイメージを適切なＸＹ位置でリサンプリングすることで平面座標の補正を行う。リサンプリングされたデジタルイメージはメモリＩ／Ｆ１２０４を介してワーク領域１２０５２へ記憶される。リサンプリングされたデジタルイメージは、ワーク領域１２０５２からメモリＩ／Ｆ１２０４を介して雑音除去装置１２０７へ入力される。

雑音除去装置１２０７は、実施例１若しくは実施例２で開示したものを用い、リサンプリングされたデジタルイメージのフィルタリングを行う。フィルタリングされたデジタルイメージは２値化装置１２０８へ入力される。２値化装置１２０８は、閾値検出を用いて“０”、“１”のデータに２値化する。２値化データはメモリＩ／Ｆ１２０４を介して２値データ領域１２０５３へ記憶される。２値データ領域１２０５３へ記憶された２値データは、図示しない記録符号復号手段で復号し、図示しない誤り訂正手段で誤り訂正を行ったあと、図示しないホストＩ／Ｆを介してホストへ転送される。

まず、イメージセンサー１２０１、アンプ１２０２、ＡＤ変換手段１２０３について説明する。イメージセンサー１２０１は図示しないレンズなどを介して撮像面に当たった光を光電変換するＣＣＤである。アンプ１２０２は、イメージセンサー１２０１によって撮影されたイメージの輝度情報を増幅するためのものである。これは、ＡＤ変換手段１２０３のサンプリング時に十分なダイナミックレンジを確保するためである。ＡＤ変換手段１２０３は、輝度情報をサンプリングして各画素の輝度を多ビットのデジタルデータ（デジタルイメージ）に変換する。

次に、メモリＩ／Ｆ１２０４とメモリ１２０５について説明する。メモリＩ／Ｆ１２０４は後述するメモリ１２０５へアクセスするためのインターフェイスである。メモリ１２０５は例えばＳＤＲＡＭ（Ｓｙｎｃｈｒｏｎｏｕｓ Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を用いる。メモリ１２０５にはデジタルイメージ領域１２０５１、ワーク領域１２０５２、２値データ領域１２０５３の３つの領域が構成されている。デジタルイメージ領域１２０５１はイメージセンサーで撮影されＡＤ変換手段１２０３でサンプリングされたデジタルイメージを記憶する領域であって、撮影されたイメージはこの領域に記憶され管理される。ワーク領域１２０５２は、信号処理を行うときに一時的に処理中のデジタルイメージを記憶する領域である。信号処理については後述する。２値データ領域１２０５３は、２値化されたデータを記憶する領域であ る。

次に位置合わせ器１２０６について説明する。位置合わせ器１２０６は、デジタルイメージを正確に２値化するため、デジタルイメージを適切なＸＹ位置でリサンプリングするものである。デジタルイメージはイメージセンサーの回転や記録媒体の傾きなどよって歪みや回転が発生する場合がある。そのため、この歪みや回転を考慮し、正確に２値化するため、適切なサンプル位置でリサンプリングする必要がある。これらの歪みや回転を補正する方法は多く開示されているが、ここでは一般的な２次元バーコードリーダーで用いられる手法により補正を行う。例えば、図２ａのデジタルイメージには４隅に特定のパターンであるマーカーがある。このマーカーはデータを記録媒体に書き込むときに付加したデータである。このマーカーが存在する位置を検出することで、デジタルイメージがどのように歪んでいるか検出する方法がある。例えば、デジタルイメージを（ｍ，ｎ）行列とし、左上のマーカーが（１２，１０）の位置にあり、右上のマーカーが（１７，２０３）の位置にあり、左下のマーカーが（１８０，１４）の位置にあり、右下のマーカーが（１８７，１８６）の位置にそれぞれ存在し、２次元符号化データのマーカーの間隔が１００セル毎に存在するデータフォーマットである時、左上と右上とのマーカー間距離、左上と左下とのマーカー間距離、同様に右上と右下、左下と右下とのマーカー間距離が全て１００画素になるように２次元補間をする。適切なＸＹ位置でリサンプリングされたデジタルイメージはメモリＩ／Ｆ１２０４を介して、ワーク領域１２０５２へ記憶される。

次に雑音除去装置１２０７について説明する。雑音除去装置１２０７は実施例１、若しくは実施例２で説明ものを用いてリサンプリングされたデジタルイメージを２値化し易いように、雑音除去を行う。実施例１、実施例２ともに周辺画素のパターンに応じた雑音除去を行っているので、周辺画素から受ける干渉による雑音の影響を効果的に軽減している。

２値化装置１２０８について説明する。２値化装置１２０８は、デジタルイメージからデータを読み出すために２値化するものであって、実施例１で開示した閾値検出方式を用いる。２値化装置１２０８から出力される２値データはメモリＩ／Ｆ１２０４を介して２値データ領域１２０５３へ記憶される。２値データ領域１２０５３へ記憶された２値データは、図示しない記録符号復号手段で復号し、図示しない誤り訂正手段で誤り訂正を行ったあと、図示しないホストＩ／Ｆを介してホストへ転送される。以上のように、２値化装置１２０８で２値化を行う前に雑音除去装置１２０７でデジタルイメージからパターンに応じた雑音を除去することで、正確なデータの再生ができる。

なお、本実施例では図１５のように雑音除去装置１２０７を用いる前に線形フィルタ１３０１を用いてリサンプリングされたデジタルイメージを２値化し易いように、望みの特性にフィルタリングしてもよい。このときの線形フィルタ１３０１の例としてＦＩＲ（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）構成のフィルタを用いる。フィルタ係数は、例えば、既知の２次元データを本願発明のデータ再生装置に入力したデジタルデータと、元となる雑音の無いデジタルイメージとを用いてウィーナー解を求め、それに基づいてフィルタ係数を決定する。このように雑音除去装置１２０７を用いる前に線形フィルタ１３０１を用いることで、雑音除去装置１２０７の各仮判定器の判定誤りを軽減できるため、誤ったパターンでフィルタ係数を選択することが少なくなるので雑音除去装置１２０７の雑音除去する能力が向上する。また、本実施例ではイメージセンサーとして、ＣＣＤを用いて説明を行ったがＣＭＯＳ（Ｃｏｍｐｌｉｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）素子を利用しても良く本実施例に限定されるものではない。

なお、本実施例ではハードウェアの構成を説明したが、同等の機能を持ったソフトウェア、または同等の機能を持ったプログラムを記憶する媒体でも良い。

本発明にかかる歪除去装置及びこれを用いたホログラムデータ再生装置は、周辺画素仮判定手段を有し、周辺の画素輝度値の仮判定結果に基づき、フィルタの係数を変化させることにより周辺画素のデータからの干渉による歪を効果的に除去することが出来るので、ホログラム記録を行う記録媒体の再生装置として有用である。

本発明の実施例１における雑音除去装置の構成図 （ａ）本発明の実施例１におけるデジタルイメージのイメージ図（ｂ）抽出画素とその周辺の拡大図 本発明の実施例１における光電変換を説明する図 本発明の実施例１におけるデジタルイメージを読み出す順番を説明する図 本発明の実施例１における周辺画素のパターンを説明する図 本発明の実施例１におけるフィルタの構成図 本発明の実施例１における閾値検出を説明する図 本発明の実施例１における雑音除去装置の別の構成図 本発明の実施例１における注目誤差演算器の構成図 本発明の実施例２における雑音除去装置の別の構成図 本発明の実施例２における周辺誤差演算器の構成図 本発明の実施例２における予測歪生成器の構成図 本発明の実施例２における雑音除去装置の別の構成図 本発明の実施例３におけるデータ再生装置の構成図 本発明の実施例３におけるデータ再生装置の別の構成図 従来の２値化装置の処理を示すフローチャート 従来のボリューム・ホログラフィック・データ・ストレージの概念図 従来のホログラムデータ再生装置の構成図

符号の説明

１０１ 画素抽出器
１０２ フィルタ
１０３ 周辺画素仮判定器
１０４ 第１の係数メモリ
１０５ 第１の係数選択器
５０１〜５０５ 乗算器
５０６ 加算器
７０１ 注目誤差演算器
７０２ 第１の係数演算器
７０３ 第１の係数書き込み選択器
８０１ 注目画素仮判定器
８０２ 第１の目標値変換器
８０３ 第１の減算器
９０１ 演算器
９０２ 予測歪生成器
９０３ 周辺誤差演算器
９０４ 第２の係数メモリ
９０５ 第２の係数選択器
９０６ 第２の目標値変換器
９０７ 第２の減算器
１００１〜１００４ 乗算器
１００５ 加算器
１１０１ 第２の係数演算器
１１０２ 第２の係数書き込み選択器
１２０１ イメージセンサー
１２０２ アンプ
１２０３ ＡＤ変換手段
１２０４ メモリＩ／Ｆ
１２０５ メモリ
１２０５１ デジタルイメージ領域
１２０５２ ワーク領域
１２０５３ ２値データ領域
１２０６ 位置合わせ器
１２０７ 雑音除去装置
１２０８ ２値化装置
１３０１ 線形フィルタ

Claims (16)

1. ホログラフィック記録媒体から読み出された格子状の画素からなる画像データから注目画素と前記注目画素の上下左右の画素を周辺画素として抽出する画素抽出手段と、
   前記画素抽出手段で通出された注目画素と周辺画素を入力し所定のフィルタ係数に従って前記注目画素の補正を行うフィルタと、
   前記周辺画素を２値化し所定の配列パターンで出力する周辺画素仮判定手段と、
   前記配列パターン毎に指定された格納場所に前記フィルタ係数が格納されている第１の係数メモリと、
   前記周辺画素仮判定手段から出力された配列パターンに応じたフィルタ係数を前記第１の係数メモリから選択して前記フィルタに出力する第１の係数選択手段と
   からなる歪除去装置。
2. 前記フィルタより出力された注目画素の等化誤差を演算する注目誤差演算手段と、
   前記第１の係数選択手段より出力されたフィルタ係数と前記注目誤差演算手段より出力された等化誤差と前記画素抽出器より出力された注目画素及び周辺画素を用いて前記フィルタのフィルタ係数を算出する第１の係数演算手段と、
   前記周辺画素仮判定手段から出力された配列パターンを入力し、前記配列パターンに応じた前記第１の係数メモリの格納場所に前記第１の係数演算手段で算出されたフィルタ係数を格納する第１の係数書き込み選択手段を備えた請求項１に記載の歪除去装置。
3. 前記フィルタは、
   前記周辺画素の画素毎に前記画素と所定のフィルタ係数とを乗算する周辺画素乗算手段と、
   前記注目画素と所定のフィルタ係数とを乗算する注目画素乗算手段と、
   前記周辺画素乗算手段と前記注目画素乗算手段との出力の全てを加算しその加算結果を出力する加算手段と、
   からなる請求項１に記載の歪除去装置。
4. 前記周辺画素仮判定手段は、前記注目画素の上画素、左画素、右画素、下画素の順にデータを並べた配列パターンを出力する請求項１に記載の歪除去装置。
5. 前記注目誤差演算手段は、
   前記フィルタ出力を所定の閾値で２値化した仮判定値を演算する注目画素仮判定手段と、
   前記仮判定値を所定の分布レベルに応じた目標値に変換する演算を行う第１の目標値変換手段と、
   前記フィルタの出力から前記目標値を減算し出力する前記第１の減算手段からなる請求項２に記載の歪除去装置。
6. 前記第１の係数演算手段は、前記第１の係数選択手段より出力されたフィルタ係数と前記注目誤差演算手段より出力された等化誤差と前記画素抽出器より出力された注目画素及び周辺画素を用いて所定の学習アルゴリズムに従って適応的に演算し、その演算結果を前記フィルタのフィルタ係数として出力する請求項２に記載の歪除去装置。
7. ホログラフィック記録媒体から読み出された格子状の画素からなる画像データから注目画素と前記注目画素の上下左右の画素を周辺画素として抽出する画素抽出手段と、
   前記画素抽出手段で抽出された注目画素と前記注目画素の歪を予測した注目画素予測歪を用いて前記注目画素の補正を行う演算手段と、
   前記周辺画素を２値化し所定の配列パターンで出力する周辺画素仮判定手段と、
   前記画像抽出手段から出力された周辺画素と前記配列パターンとを用いて周辺画素誤差を演算する周辺誤差演算手段と、
   前記周辺画素誤差を入力し所定のフィルタ係数に従って注目画素予測歪を生成する予測歪生成手段と、
   前記配列パターン毎に指定された格納場所に前記フィルタ係数が格納されている第２の係数メモリと、
   前記周辺画素仮判定手段から出力された配列パターンに応じたフィルタ係数を前記第１の係数メモリから選択して前記予測歪生成手段に出力する第２の係数選択手段と
   からなる歪除去装置。
8. 前記演算手段から出力された注目画素の誤差を演算する注目誤差演算手段と、
   前記第２の係数選択手段が出力するフィルタ係数と前記注目誤差演算器が演算された誤差と前記周辺誤差演算器により演算された周辺画素誤差を用いて前記予測歪生成手段のフィルタ係数を演算する第２の係数演算手段と、
   前記周辺画素仮判定手段から出力された配列パターンを入力し、前記配列パターンに応じた前記第２の係数メモリの格納場所に前記第２の係数演算手段で算出されたフィルタ係数を格納する第２の係数書き込み選択手段を備えた請求項７に記載の歪除去装置。
9. 前記周辺画素仮判定手段は、前記注目画素の上画素、左画素、右画素、下画素の順にデータを並べた配列パターンを出力する請求項７に記載の歪除去装置。
10. 前記演算手段は、前記注目画素から前記注目画素予測歪を減算し、その減算結果を出力する請求項７に記載の歪除去装置。
11. 前記周辺誤差演算手段は、
    前記配列パターンを所定の分布レベルに応じた目標値に変換する演算を行う第２の目標値変換手段と、
    前記周辺画素から前記目標値を減算して出力する前記第２の減算手段と、
    からなる請求項７に記載の歪除去装置。
12. 前記予測歪生成手段は、
    前記周辺画素の画素毎に前記画素と所定のフィルタ係数とを乗算する周辺画素乗算手段と、
    前記周辺画素乗算手段の出力の全てを加算しその加算結果を出力する加算手段とからなる請求項７に記載の歪除去装置。
13. 前記注目誤差演算手段は、
    前記フィルタ出力を所定の閾値で２値化した仮判定値を演算する注目画素仮判定手段と、
    前記仮判定値を所定の分布レベルに応じた目標値に変換する演算を行う第１の目標値変換手段と、
    前記フィルタの出力から前記目標値を減算し出力する前記第１の減算手段からなる請求項８に記載の歪除去装置。
14. 前記第２の係数演算手段は、前記第２の係数選択手段が出力するフィルタ係数と前記注目誤差演算器が演算された誤差と前記周辺誤差演算器により演算された周辺画素誤差を用いて
    用いて所定の学習アルゴリズムに従って適応的に演算し、その演算結果を前記予測歪生成手段のフィルタ係数として出力する請求項８に記載の歪除去装置。
15. ホログラフィック記録媒体から格子状の画素からなる画像データを取得する撮像手段と、
    前記撮像手段から出力される画像データを増幅する増幅手段と、
    前記増幅手段の出力を二値化するＡＤ変換手段と、
    前記ＡＤ変換手段の出力を第１の格納場所に格納する記憶手段と、
    前記第１の格納場所から画像データを読み出し、前記画像データに含まれる基準マークを利用してリサンプリングし、リサンプルした画像データを前記記憶手段の第２の格納場所に格納する位置合わせ手段と、
    前記第２の格納場所から前記リサンプルされた画像データを読みだし、前記画像データの歪除去を行う請求項１から１４に記載の歪除去装置と、
    前記歪除去装置の出力を２値化し、前記記憶手段の第３の格納場所に格納する２値化手段と、
    からなるホログラムデータ再生装置。
16. 前記第２の格納場所から前記リサンプルされた画像データを読みだし、前記画像データの波形等化を行い前記第２の格納場所に格納する前記線形フィルタと
    前記第２の格納場所から前記波形等化された画像データを読みだし、前記画像データの歪除去を行う請求項１から１４に記載の歪除去装置とからなる
    請求項１５に記載のホログラムデータ再生装置。

Images