JP2010286959A - 顔画像高解像度化方法、顔画像高解像度化装置、及びそのプログラム - Google Patents
顔画像高解像度化方法、顔画像高解像度化装置、及びそのプログラム Download PDFInfo
- Publication number
- JP2010286959A JP2010286959A JP2009139006A JP2009139006A JP2010286959A JP 2010286959 A JP2010286959 A JP 2010286959A JP 2009139006 A JP2009139006 A JP 2009139006A JP 2009139006 A JP2009139006 A JP 2009139006A JP 2010286959 A JP2010286959 A JP 2010286959A
- Authority
- JP
- Japan
- Prior art keywords
- image
- resolution
- face
- enlarged
- generating
- 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
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 title claims description 48
- 230000001965 increasing effect Effects 0.000 claims description 34
- 230000000877 morphologic effect Effects 0.000 claims description 26
- 230000001815 facial effect Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 abstract description 50
- 210000000056 organ Anatomy 0.000 description 11
- 235000002673 Dioscorea communis Nutrition 0.000 description 7
- 241000544230 Dioscorea communis Species 0.000 description 7
- 208000035753 Periorbital contusion Diseases 0.000 description 7
- 239000000284 extract Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 208000029152 Small face Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
【課題】ノイズを強調することなく、顔画像を鮮鋭化させた高解像度画像を得る。
【解決手段】1枚の顔画像からこの顔画像の解像度を高くした画像を生成する顔画像高解像度化装置1である。顔画像高解像度化装置1は、入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成手段2と、拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔の特徴部位を抽出した画像である演算画像を生成するモルフォロジー演算手段3と、演算画像に基づいて、前記抽出された特徴部位においてエッジを強調する箇所を決めるマスク画像を生成するマスク画像生成手段4と、マスク画像に基づいて、拡大画像のエッジを強調するエッジ強調手段5とを備える。
【選択図】図1
【解決手段】1枚の顔画像からこの顔画像の解像度を高くした画像を生成する顔画像高解像度化装置1である。顔画像高解像度化装置1は、入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成手段2と、拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔の特徴部位を抽出した画像である演算画像を生成するモルフォロジー演算手段3と、演算画像に基づいて、前記抽出された特徴部位においてエッジを強調する箇所を決めるマスク画像を生成するマスク画像生成手段4と、マスク画像に基づいて、拡大画像のエッジを強調するエッジ強調手段5とを備える。
【選択図】図1
Description
本発明は、1枚の低解像度の顔画像から高解像度な顔画像を生成する顔画像高解像度化方法、及びその装置に関するものである。さらに、前記顔画像高解像度化装置としてコンピュータを機能させるためのプログラムに関するものである。
情報技術の発達に伴い、様々な用途でデジタル画像が扱われている。しかしながら、画像取得システムにコスト、サイズ、消費電力等の制限があり、必ずしも望む解像度の画像を得ることができない場合がある。
そこで、低解像度の画像から高周波情報を復元した高解像度画像を推定する画像の高解像度化手法が注目を集めている。
画像の高解像度化手法には、共一次内挿法などの補間フィルタを用いることにより画素数を増やす手法がある。さらに、他の画像の高解像度化手法には以下の手法がある。
非特許文献1に記載の画像の高解像度化手法は、予め鮮鋭な画像とそれをぼかした画像を用意し、その局所的周波数特性をベクトル量子化器に学習させることにより輪郭強調に関する既知情報を得る。そして、ウェーブレット展開により画像の局所的周波数特性を抽出し、それをベクトル量子化器によって分類・加工することによって輪郭強調を行うことで画像を高解像度化している。
非特許文献2に記載の画像の高解像度化手法は、複数枚の画像を用いて画像の高解像度化を行うものである。
動画像で撮影した場合、動画像のフレームを高解像度化する際に前後のフレームを参照する。そして、カメラや被写体にわずかでも動きがあれば、前記参照フレームの画素値は現処理フレームとは異なる位置で同じ被写体の同じ輝度変化を標本化した値になっている。
そこで、フレーム間の動きを検出し、その動きに合わせて前記参照フレームの画素値を現処理フレームの標本値として追加する。このようにして、現処理フレームにおける標本点の密度を高めた後に、再構成処理によって高解像度画像の画素値を算出することで画像を高解像度化している。
片山真太郎、呂健明、関屋大雄、谷萩隆嗣、「空間可変な加重係数を用いた学習型超解像処理」、平成19年度電子情報通信学会東京支部学生会研究発表会
田中正行、奥富正敏、「再構成型超解像処理の高速化アルゴリズム」、情処研究報告、社団法人情報処理学会、平成16年11月12日、2004−CVIM−146
社団法人映像情報メディア学会編、「ディジタル映像処理」、株式会社オーム社、平成12年4月25日、第1版、pp.110
田村秀行、「コンピュータ画像処理」、株式会社オーム社、平成14年12月20、第1版、pp.162
しかしながら、上記従来技術において、共一次内挿法など補間フィルタを用いた手法では、高い周波数成分は生成されず、出力画像はぼやけたものになってしまう。
また、非特許文献1に記載の画像の高解像度化手法では、学習用データが必要となり、対象とする物体のたくさんのサンプルが必要となるうえ、学習用データ内に入力画像と似たデータがない場合には高解像度化がうまく機能しないといった問題がある。
一方、非特許文献2に記載の画像の高解像度化手法のように、複数枚の画像を用いた画像の高解像度化手法では、動きを正確に検出できれば高周波成分を復元することが可能である。
しかし、この手法は、高解像度化に多くのフレームが必要となり、また多くのフレーム間で動き検出を行うために膨大な演算とメモリが必要となる。よって、リアルタイムに顔認識処理を施したい場合など不向きであった。
そこで、本発明は、顔器官の位置はおおよそ決まっていることを利用し、目といった顔の特徴部位の輪郭にのみ注目してエッジ強調することで、ノイズを強調することなく必要な箇所のみ鮮鋭化し、顔認識などにも有効な高解像度画像を生成するものである。
また、マスク画像をモルフォロジー演算により作成することにより、照明変動を受けずに顔の特徴部位の輪郭を選択することができ、影などへの耐久性を強くする効果がある。
すなわち、上記課題を解決する本発明の顔画像高解像度化方法は、1枚の顔画像に基づいて、前記顔画像の解像度が高い画像を生成する顔画像高解像度化方法であって、拡大画像生成手段が、入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成ステップと、モルフォロジー演算手段が、前記拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔の特徴部位を抽出した演算画像を生成するモルフォロジー演算ステップと、マスク画像生成手段が、前記演算画像に基づいて、前記抽出された特徴部位においてエッジを強調する箇所を決めるマスク画像を生成するマスク画像生成ステップと、エッジ強調手段が、前記マスク画像に基づいて、前記拡大画像のエッジを強調するエッジ強調ステップとを有することを特徴としている。
また、上記課題を解決する顔画像高解像度化装置は、1枚の顔画像に基づいて、前記顔画像の解像度が高い画像を生成する顔画像高解像度化装置であって、入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成手段と、前記顔の拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔の特徴部位を抽出した演算画像を生成するモルフォロジー演算手段と、前記演算画像に基づいて、前記抽出された特徴部位においてエッジを強調する箇所を決めるマスク画像を生成するマスク画像生成手段と、前記マスク画像に基づいて、前記拡大画像のエッジを強調するエッジ強調手段と、を備えたことを特徴としている。
以上述べた顔画像高解像度化方法及び、顔画像高解像度化装置はコンピュータとプログラムによっても実現でき、前記プログラムを記録媒体に記録して提供する、又は、ネットワークを通じて提供することもできる。
以上の発明によれば、1枚の画像に基づいて画像を高解像度化することができる。
本発明に係る顔画像高解像度化装置及び、この装置による顔画像高解像度化方法、そして前記顔画像高解像度化装置としてコンピュータを機能させるためのプログラムは、1枚の顔画像のみを用いて、当該顔画像を高解像度化する技術に関するものである。つまり、特徴抽出した顔の特徴部位についてマスク処理を行い、顔の特徴部位の輪郭に着目してエッジ強調することにより、ノイズにロバストな顔画像の鮮鋭化を実現するものである。
以下、具体的な実施例を挙げて、本発明に係る顔画像高解像度化装置について詳細に説明する。
本発明の実施形態に係る顔画像高解像度化装置の構成について図1を参照して説明する。
本発明の実施形態に係る顔画像高解像度化装置1は、通常のコンピュータのハードウェアリソース、例えばCPU、メモリ(RAM)、ハードディスクドライブ、通信デバイス等を備える。
このハードウェアリソースとソフトウェアリソース(OS、アプリケーション)との協働の結果、顔画像高解像度化装置1は、入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成手段2と、前記拡大画像に対してモルフォロジー演算を施し、モルフォロジー演算画像(演算画像)を生成するモルフォロジー演算手段3と、前記モルフォロジー演算画像に基づきマスク画像を生成するマスク画像生成手段4と、前記マスク画像に基づき前記拡大画像にエッジ強調フィルタをかけるエッジ強調手段5と、前記エッジ強調を行った顔画像を高解像度画像として出力する出力手段6とを実装する。
拡大画像生成手段2は、図示省略の画像入力手段によって入力された顔画像を近隣の画素の情報を用いて補間することにより拡大する。補間の手法には、最近傍補間法や線形補間法(例えば、非特許文献3)などがあり、どの補間手法を用いて拡大を行ってもよい。
なお、拡大画像生成手段2に入力される画像は、記録媒体に格納された画像ファイル、カメラ等の撮像装置により撮影された画像、監視カメラからの動画からの1フレーム等である。
そして、拡大画像生成手段2に入力される画像の入力形態は、ハードディスク、CD−ROM等の記録媒体を利用する形態、又はネットワークを介してリモートなデータ資源を利用する形態でもどちらでもよい。さらに、処理の必要に応じてリアルタイムで画像を取得する方法も可能であり、本発明は必ずしも記憶装置を必要としない。
モルフォロジー演算手段3は、モルフォロジー演算(例えば、非特許文献4)により拡大画像生成手段2で生成された顔の拡大画像から特徴部位(顔器官)の抽出を行う。
モルフォロジーは、与えられた2値画像または濃淡画像からの特徴抽出を目的とした集合的操作からなる対象図形の変形手法の理論体系であり、その演算は処理対象画像と構造要素との間の集合演算で定義されている。
主に、モルフォロジー演算の、Dilation、Erosion、Opening、Closingの基本演算と、それらを組み合わせたモルフォロジーグラジエント(Dailationした画像からErosionした画像を減算することで、エッジを検出する)、トップハット変換(元画像からOpeningした画像を減算する)、ブラックハット変換(Closingした画像から元画像を減算する)の7種類の演算があるが、必要に応じて使い分けても良い。
マスク画像生成手段4は、モルフォロジー演算手段3により生成された画像を用いて、前記拡大画像において輪郭を強調する処理(鮮鋭化処理)を施す箇所を決めるためのマスク画像を生成する。
輪郭を強調するために用いるフィルタ(鮮鋭化フィルタ)をかける箇所ごとに2値や3値画像あるいは多値画像を生成し、それぞれのマスク画像の画素値に合わせて施す鮮鋭化フィルタを決める。
エッジ強調手段5は、マスク画像生成手段4により生成されたマスク画像に基づいて、拡大画像生成手段2で作成された拡大画像において、濃度値の変化を強調(その部分を微分)することで鮮明な画像を得る。例えば、2値化画像をマスクとした場合、画素値が0にあたる部分のみにエッジ強調フィルタをかけるなどの処理を行う。
出力手段6は、上記の鮮鋭化された画像を高解像度画像として、表示手段(図示省略)に出力する。なお、出力手段6は印刷手段を備え、鮮鋭化された画像を印刷して出力してもよい。
以上説明した顔画像高解像度化装置1による顔画像の高解像度化の過程(ステップS1〜S5)について図2を参照して説明する。
S1:拡大画像生成手段2が、入力された顔画像を用いて補間処理を行い、拡大画像を生成する。
拡大画像生成手段2は、入力された顔画像から近隣の画素の情報を用いて補間することにより拡大画像を生成する。生成された拡大画像は、図示省略のメモリに保存される。なお、画素の表色系は、RGB、YCbCr等、任意のものでよい。
S2:モルフォロジー演算手段3が、ステップS1で生成された拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔器官(特徴部位)を抽出した演算画像を生成する。
ステップS2では、モルフォロジー演算手段3がトップハット処理を行う場合について説明する。
まず、3×3のマスク内の最大値にそのマスク内の画素すべて置き換える処理を画像全部に施し膨張処理を行い、膨張処理を施した画像において3×3のマスク内の画素すべてをマスク内の最小値に置き換える処理を施す。その処理画像と入力画像との差分をとりモルフォロジー演算画像を生成する。
図3にモルフォロジー演算により生成された画像7を示す。本実施形態では顔の目鼻口といった顔器官(特徴部位)の輪郭部分を選択したいので、トップハット処理を行い、顔の特徴部位の輪郭部分を黒く表示した。
このとき、黒目の箇所は顔領域の中で最も暗くなる場合が多いので、例えば2画素×2画素の4画素四方ずつの画素値の合計を算出し、最も値が小さくなる2箇所を黒目と決定する。
S3:マスク画像生成手段4が、ステップS2で生成された演算画像に基づいて、ステップ1で生成されメモリに記憶された拡大画像においてエッジ強調フィルタをかける箇所を決めるためのマスク画像を生成する。
図4(a)に、2値のマスク画像8を示す。マスク画像が2値の場合は、前記モルフォロジー演算画像においてある閾値以下の画素値を0とし2値画像を作成する。あるいは、モルフォロジー演算画像中のある閾値以上の画素値を255としてもよい。
また、図4(b)に3値のマスク画像9を示す。3値化する場合には、画素値の閾値で3つの領域に分割してもよく、また3値各々のとる画素数を決めて、決められた画素数に基づいて3つに分割してもよい。
画素値の閾値で分割する場合は、例えば、256色のグレースケールの平均顔画像を対象とした場合、画素値100未満、100以上200未満、200以上256未満の領域というように分割する。
画素数により決める場合は、例えば、画素値が暗い方(小さいもの)から100個の画素領域をすべて画素値0、画素値が明るい方(大きいもの)から200個の画素領域をすべて画素値255、残りを画素値128とし3値化を行ってもよい。
目の輪郭に着眼して鮮鋭化を行いたいときは、さらに、目の輪郭情報をマスクとして取得してもよい。
この場合、マスク画像生成手段4は、ステップS2で生成された演算画像に2値化処理を施す2値化処理手段(図示省略)、前記2値化処理手段において2値化された顔画像より顔の特徴部位の領域を抽出する領域抽出手段(図示省略)、及び前記領域抽出手段により抽出された特徴部位の領域から前記特徴部位の輪郭を抽出する輪郭抽出手段(図示省略)を備える。
ただし、領域抽出手段、輪郭抽出手段が抽出する情報は、目に限定するものではなく、顔の特徴部位であれば鼻、口等でもよい。
これら、2値化処理手段、領域抽出手段、輪郭抽出手段が目の輪郭を抽出する処理方法を図5参照して説明する。
目の輪郭情報をマスクとして取得する処理方法は、2値化処理手段による2値化処理ステップS11、領域抽出手段による目領域抽出ステップS12、輪郭抽出手段による目の輪郭情報抽出ステップS13からなる。
2値化処理ステップS11は、上記マスク画像生成手段4の2値化処理と同様に行えばよい。
目の領域抽出処理ステップS12は、2値化処理ステップS11で作成された2値化画像から目領域の抽出を行う。
次に、図6を参照して、目の領域抽出処理ステップS13について説明する。
例えば、上記に説明したようにトップハット処理を施した画像10中の4画素の画素値の合計が小さい2箇所を黒目11とした場合(図6(a))、トップハット処理を施したモルフォロジー演算画像を2値化した2値化画像12中の黒目が含まれる領域を目の領域13とする(図6(b))。
以上のように目の領域を決定してもよいし、予め目にあたる部分がわかっている場合は、指定された領域内にありかつトップハット処理を施した画像中の2値化した際に画素値が0になる領域を目の領域と決定してもよい。
そして、目の輪郭情報抽出処理ステップS13は、目の領域抽出処理ステップS12で決定された目の領域から、目の輪郭情報を抽出する。
例えば、目の輪郭情報は各目の領域から4点を選択し、その点に基づいて輪郭を決定する。
具体的には、図6(c)に示すように、黒目領域よりx座標が小さくかつy座標が目の領域内で最小値を示す点の中でx座標が最小な点14、黒目領域よりx座標が小さくかつ目の領域内でy座標が最大値を示す点の中でx座標が最小の点15、同様に、黒目領域よりx座標が大きくかつy座標が目の領域内で最小値を示す点の中でx座標が最大な点16、黒目領域よりx座標が大きくかつ目の領域内でy座標が目の領域内で最大値を示す点の中でx座標が最大な点17を選択する。
次に上記4点から目の輪郭情報を取得する。4点に基づいてペジエ曲線を描いてもよいし、その他の曲線を描いてもよい。
ペジエ曲線を描く場合は、点15の座標を(x1、y1)、点14の座標を(x2、y2)、点16の座標を(x3、y3)、点17の座標を(x4、y4)とすると、
x=(1−t)3x1+3(1−t2)tx2+3(1−t)t2x3+t3x4
y=(1−t)3y1+3(1−t2)ty2+3(1−t)t2y3+t3y4
0≦t≦1
で表される。図6(d)に、4点に基づいてペジエ曲線を描いた例18を示す。
x=(1−t)3x1+3(1−t2)tx2+3(1−t)t2x3+t3x4
y=(1−t)3y1+3(1−t2)ty2+3(1−t)t2y3+t3y4
0≦t≦1
で表される。図6(d)に、4点に基づいてペジエ曲線を描いた例18を示す。
S4:エッジ強調手段5が、ステップS3で生成されたマスク画像に基づいて、ステップ1で生成されメモリに記憶されている拡大画像にエッジ強調フィルタをかける。
図7にエッジ強調フィルタ19〜21を例示する。エッジ強調フィルタは公知のものを用いればよい。
例えば、マスク部分は、本来、顔器官等の輪郭にあたり、その部分の濃淡変化がゆるやかだとぼけたような画像になる。そこで、マスク部分に鮮鋭化フィルタ(エッジ強調フィルタ)を施し、顔器官などの輪郭にあたるエッジ箇所を強調することにより鮮鋭化された画像を得ることができる。また、マスク部分を選択することにより、雑音などは強調しないというメリットがある。
図8に元の顔画像22、全体に鮮鋭化フィルタを施した場合の顔画像23、顔器官を選択して鮮鋭化フィルタを施した場合の顔画像24を示す。
全体に鮮鋭化フィルタを施した場合の顔画像23と比較して、顔器官を選択して鮮鋭化フィルタを施した場合の顔画像24では、頬などの雑音が強調されず、ノイズによる高周波がのらないので、認識などに適した画像となっている。
マスク画像が3値又は多値の場合は、それぞれの画素値に応じた鮮鋭化フィルタをかけるとよい。
さらに、マスク画像の3値あるいは多値の値により、図7の鮮鋭化フィルタ21のkの値を決定してもよい。
マスクを3値化した場合の顔画像の例を図9に示す。3値化することにより、エッジがよりぼけてしまっているところにより強い鮮鋭化フィルタ(例えば、図7の鮮鋭化フィルタ21のkの値を大きくしたフィルタ)をかけるなどの調節を行うことができる。
図9に、2値(画素値を0か255で表現)の顔の口部分のマスク25、2値のマスク(口の部分)による鮮鋭化の結果26、3値(画素値を0、128、255で表現)の口の部分のマスク27、に3値のマスク(口の部分)による鮮鋭化の結果28、高解像度の原画(口部分)29を示す。
3値のマスクでは、画素値が128の画素にはより強い鮮鋭化フィルタを施している。このように3値にすることにより、よりくっきり口の輪郭が現れる場合もある。
同様に、鼻部分も3値にし、鮮鋭化の強さを調節することにより、弱いエッジでも輪郭線として表現できる場合がある。
また、上記にペジエ曲線を例示して説明した場合のように、目の輪郭情報がわかっている場合は、目の輪郭に沿って鮮鋭化フィルタを施しても良い。
ペジエ曲線に基づいて目の輪郭情報を取得した場合の鮮鋭化の結果を図10に示す。
図10に、線形補間処理で拡大した場合の目の画像30、目の輪郭に沿って(ペジエ曲線上の画素に)鮮鋭化フィルタを施した場合の目の画像31、高解像度の元画像の目部分32を示す。
ペジエ曲線上の画素に鮮鋭化フィルタを施した場合の画像31では、目の輪郭が線形補間処理で拡大した場合の画像30にくらべくっきり現れ、かつ余計な雑音がのっていないことがわかる。
顔認識処理等を行う場合は、目の輪郭に着眼することも多い。そこで、目の輪郭の高解像度化が高精度に行われていれば、認識率の向上につながる。
S5:出力手段6が、ステップS4で鮮鋭化された画像を高解像度画像として、表示手段に出力する。
ステップS5では、出力手段6が、エッジ強調手段5で鮮鋭化された画像を高解像度画像として、表示手段(図示省略)に出力する。
なお、上記各ステップで得られた画像を適宜表示装置に表示して、変換された画像を確認できるようにしてもよい。
さらに、本発明に係る顔画像高解像度化装置1は、エッジ強調手段5で鮮鋭化された画像を再度、前記画像入力手段により、拡大画像生成手段2に入力して、目的とする解像度になるまで高解像度変換処理を段階的に行ってもよい。
入力された低解像度画像の解像度と目的とする高解像度画像の解像度が2倍程度ならばステップS1〜S4に示した高解像度化処理を行い、ステップS5に示した方法で高解像度画像を出力する。
目的とする高解像度画像の解像度が大きい場合は、顔画像高解像化装置1は、20×20をまずステップS1〜S4に示した高解像度化処理により40×40の高解像度画像を作成する。
さらに、作成された40×40の高解像度画像にステップS1〜S4に示した高解像度化処理を施し、80×80の高解像度画像を得、ステップS5に示した方法で高解像度画像を出力する。
このように多段階にわけて高解像度化処理することにより、拡大画像にモルフォロジー演算を施した場合に顔器官の輪郭等の位置をマスク画像として作成できる精度があがり、より鮮鋭化処理の効果があがる。
以上に述べたように、本発明に係る顔画像高解像度化装置によれば、学習や複数枚の画像を用意する必要なく、適切に顔器官部分を抽出することが可能である。
したがって、目といった顔器官の輪郭にのみ注目してエッジ強調することが可能となり、余計なノイズを強調することなく、必要な箇所のみ鮮鋭化することができる。
さらに、学習画像を用意する必要もなく、処理内に繰り返し演算などの煩雑な処理も含まれないため、簡易に所望の顔画像の解像度を変換することができ、携帯電話などやゲーム機等に組み込むことが可能である。
このように、高解像度化を可能にしたことにより、監視カメラなどに写された小さな顔領域を鮮鋭化(高解像度化)することができ、顔認識などの処理が可能となり防犯対策等にも有効である。
また、近年、ストレージ等に私用の画像や映像を蓄積することも多くなってきているが、顔画像を高解像度化し認識することができれば、顔画像を検索等のメタデータとして付与することもでき、画像や映像の検索・編集を簡易にするといった効果もある。
なお、本発明は、上述の実施形態に限定されるものでなく、顔画像高解像度化装置1を構成する各手段2〜5の一部もしくは全部として、コンピュータを機能させるプログラムとして構成することもできる。このプログラムは、S1〜S5(S11〜S13も含む)の全ステップあるいは一部のステップをコンピュータに実行させる。
このプログラムは、Webサイトや電子メールなどネットワークを通じて提供することができる。また、前記プログラムは、CD−ROM、DVD−ROM、CD−R、CD−RW、DVD−R、DVD−RW、MO、HDD、Blu−ray Disk(登録商標)などの記録媒体に記録して、保存・配布することも可能である。この記録媒体は、記録媒体駆動装置を利用して読み出され、そのプログラムコード自体が前記実施形態の処理を実現するので、該記録媒体も本発明を構成する。
1…顔画像高解像度化装置
2…拡大画像生成手段
3…モルフォロジー演算手段
4…マスク画像生成手段
5…エッジ強調手段
2…拡大画像生成手段
3…モルフォロジー演算手段
4…マスク画像生成手段
5…エッジ強調手段
Claims (9)
- 1枚の顔画像に基づいて、前記顔画像の解像度が高い画像を生成する顔画像高解像度化方法であって、
拡大画像生成手段が、入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成ステップと、
モルフォロジー演算手段が、前記拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔の特徴部位を抽出した演算画像を生成するモルフォロジー演算ステップと、
マスク画像生成手段が、前記演算画像に基づいて、前記抽出された特徴部位においてエッジを強調する箇所を決めるマスク画像を生成するマスク画像生成ステップと、
エッジ強調手段が、前記生成されたマスク画像に基づいて、前記拡大画像のエッジを強調するエッジ強調ステップと、
を有する
ことを特徴とする顔画像高解像度化方法。 - 前記マスク画像生成ステップは、
前記演算画像を2値化し、2値演算画像を生成するステップと、
前記2値演算画像中から顔の特徴部位にあたる領域を抽出する特徴領域抽出ステップと、
この抽出された特徴領域中から前記特徴部位の輪郭にあたる部分を抽出する輪郭抽出ステップ、
からなることを特徴とする請求項1に記載の顔画像高解像度化方法。 - 前記エッジ強調手段ステップは、
前記抽出された特徴部位の輪郭に沿って、前記拡大画像にエッジ強調フィルタをかけるステップ、
からなる
ことを特徴とする請求項2に記載の顔画像高解像度化方法。 - 画像入力手段が、前記エッジ強調手段により生成された画像を、再度、前記入力画像として、前記拡大画像生成手段に入力する画像入力ステップ
を有する
ことを特徴とする請求項1から請求項3のいずれか1項に記載の顔画像高解像度化方法。 - 1枚の顔画像に基づいて、前記顔画像の解像度が高い画像を生成する顔画像高解像度化装置であって、
入力された顔画像を用いて補間処理を行い、拡大画像を生成する拡大画像生成手段と、
前記顔の拡大画像に対してモルフォロジー演算を施し、前記拡大画像から顔の特徴部位を抽出した演算画像を生成するモルフォロジー演算手段と
前記演算画像に基づいて、前記抽出された特徴部位においてエッジを強調する箇所を決めるマスク画像を生成するマスク画像生成手段と、
前記マスク画像に基づいて、前記拡大画像のエッジを強調するエッジ強調手段と、
を備えた
ことを特徴とする顔画像高解像度化装置。 - 前記マスク画像生成手段は、
前記演算画像を2値化し、2値演算画像を生成する2値演算画像生成手段と、
前記2値演算画像中から顔の特徴部位にあたる領域を抽出する特徴領域抽出手段と、
この抽出された特徴領域中から前記特徴部位の輪郭にあたる部分を抽出する輪郭抽出手段と、
を備えた
ことを特徴とする請求項5に記載の顔画像高解像度化装置。 - 前記エッジ強調手段が、前記抽出された特徴部位の輪郭に沿って、前記拡大画像にエッジ強調フィルタをかける
ことを特徴とする請求項6に記載の顔画像高解像度化装置。 - 前記エッジ強調手段により生成された画像が、再度、前記入力画像として、前記拡大画像生成手段に入力される
ことを特徴とする請求項5から請求項7のいずれか1項に記載の顔画像高解像度化装置。 - コンピュータを、請求項5から請求項8に記載の顔画像高解像度化装置の各手段として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009139006A JP2010286959A (ja) | 2009-06-10 | 2009-06-10 | 顔画像高解像度化方法、顔画像高解像度化装置、及びそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009139006A JP2010286959A (ja) | 2009-06-10 | 2009-06-10 | 顔画像高解像度化方法、顔画像高解像度化装置、及びそのプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010286959A true JP2010286959A (ja) | 2010-12-24 |
Family
ID=43542624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009139006A Pending JP2010286959A (ja) | 2009-06-10 | 2009-06-10 | 顔画像高解像度化方法、顔画像高解像度化装置、及びそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010286959A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012156839A (ja) * | 2011-01-27 | 2012-08-16 | Nec Engineering Ltd | 像域分離方法、それを実行させるためのプログラム及び像域分離装置 |
JP2014517265A (ja) * | 2011-04-18 | 2014-07-17 | コンパニー ゼネラール デ エタブリッスマン ミシュラン | タイヤの外面のディジタル画像の分析及び偽測定箇所の処理 |
CN111179156A (zh) * | 2019-12-23 | 2020-05-19 | 北京中广上洋科技股份有限公司 | 一种基于人脸检测的视频美化方法 |
WO2020115873A1 (ja) * | 2018-12-06 | 2020-06-11 | 三菱電機株式会社 | 顔検出装置、顔検出方法、および、顔検出システム |
CN112348783A (zh) * | 2020-10-27 | 2021-02-09 | 基建通(三亚)国际科技有限公司 | 基于图像的人物识别方法、装置及计算机可读存储介质 |
WO2022208681A1 (ja) | 2021-03-30 | 2022-10-06 | 日本電気株式会社 | 情報処理装置、情報処理方法及び記録媒体 |
WO2022269963A1 (ja) * | 2021-06-23 | 2022-12-29 | ソニーグループ株式会社 | 情報処理装置、情報処理方法およびプログラム |
-
2009
- 2009-06-10 JP JP2009139006A patent/JP2010286959A/ja active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012156839A (ja) * | 2011-01-27 | 2012-08-16 | Nec Engineering Ltd | 像域分離方法、それを実行させるためのプログラム及び像域分離装置 |
JP2014517265A (ja) * | 2011-04-18 | 2014-07-17 | コンパニー ゼネラール デ エタブリッスマン ミシュラン | タイヤの外面のディジタル画像の分析及び偽測定箇所の処理 |
WO2020115873A1 (ja) * | 2018-12-06 | 2020-06-11 | 三菱電機株式会社 | 顔検出装置、顔検出方法、および、顔検出システム |
CN111179156A (zh) * | 2019-12-23 | 2020-05-19 | 北京中广上洋科技股份有限公司 | 一种基于人脸检测的视频美化方法 |
CN111179156B (zh) * | 2019-12-23 | 2023-09-19 | 北京中广上洋科技股份有限公司 | 一种基于人脸检测的视频美化方法 |
CN112348783A (zh) * | 2020-10-27 | 2021-02-09 | 基建通(三亚)国际科技有限公司 | 基于图像的人物识别方法、装置及计算机可读存储介质 |
CN112348783B (zh) * | 2020-10-27 | 2022-08-05 | 基建通(三亚)国际科技有限公司 | 基于图像的人物识别方法、装置及计算机可读存储介质 |
WO2022208681A1 (ja) | 2021-03-30 | 2022-10-06 | 日本電気株式会社 | 情報処理装置、情報処理方法及び記録媒体 |
WO2022269963A1 (ja) * | 2021-06-23 | 2022-12-29 | ソニーグループ株式会社 | 情報処理装置、情報処理方法およびプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Engin et al. | Cycle-dehaze: Enhanced cyclegan for single image dehazing | |
US20220222786A1 (en) | Image processing method, smart device, and computer readable storage medium | |
US7149355B2 (en) | Image processing apparatus, image processing method, image processing program, and computer-readable record medium storing image processing program | |
JP4423298B2 (ja) | デジタル画像におけるテキスト状エッジの強調 | |
RU2469403C2 (ru) | Устройство, способ и программа обработки изображения | |
US9639956B2 (en) | Image adjustment using texture mask | |
JP2023539691A (ja) | 人物画像修復方法、装置、電子機器、記憶媒体及びプログラム製品 | |
JP2010286959A (ja) | 顔画像高解像度化方法、顔画像高解像度化装置、及びそのプログラム | |
CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
JP2004166007A (ja) | 画像処理装置及び画像処理方法、画像処理プログラム、記憶媒体 | |
Steffens et al. | Cnn based image restoration: Adjusting ill-exposed srgb images in post-processing | |
CN111183630B (zh) | 一种智能终端的照片处理方法及处理装置 | |
JP4441300B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよびこのプログラムを記憶した記録媒体 | |
US8705134B2 (en) | Method of processing an image to clarify text in the image | |
Parekh et al. | A survey of image enhancement and object detection methods | |
JP5892592B2 (ja) | 超解像画像処理装置及び超解像画像処理用コードブック作成装置 | |
JP5737387B2 (ja) | 画像処理装置 | |
KR20230086996A (ko) | 노이즈 추가 프로세스를 수행하는 컴퓨터 프로그램 | |
KR20230086999A (ko) | 가상 인물 콘텐츠 생성 프로그램을 기록한 기록매체 | |
Jagdale et al. | A novel algorithm for video super-resolution | |
CN113689333A (zh) | 一种图像增强的方法及装置 | |
de Torres et al. | An efficient approach to automatic generation of time-lapse video sequences | |
Intaniyom et al. | Enhancement of Anime Imaging Enlargement using Modified Super-Resolution CNN | |
Xu | Content Understanding for Imaging Systems: Page Classification, Fading Detection, Emotion Recognition, and Saliency Based Image Quality Assessment and Cropping | |
Bui et al. | Illumination Invariant Face Tracking on Smart Phones using Skin Locus based CAMSHIFT |