JP2010511241A - 動きに対する繰り返しセグメンテーション - Google Patents
動きに対する繰り返しセグメンテーション Download PDFInfo
- Publication number
- JP2010511241A JP2010511241A JP2009538761A JP2009538761A JP2010511241A JP 2010511241 A JP2010511241 A JP 2010511241A JP 2009538761 A JP2009538761 A JP 2009538761A JP 2009538761 A JP2009538761 A JP 2009538761A JP 2010511241 A JP2010511241 A JP 2010511241A
- Authority
- JP
- Japan
- Prior art keywords
- image
- subject
- parameter
- hidden
- learning
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Separation By Low-Temperature Treatments (AREA)
- Studio Devices (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Medicines Containing Material From Animals Or Micro-Organisms (AREA)
Abstract
Description
Chris Stauffer and Eric Grimson, "Adaptive Background Mixture Models for Real-time Tracking," IEEE ComputerSociety Conference ComputerVision and Pattern Recognition, pp.246-252, 1999 John Winn and Andrew Blake, "Generative Affine Localisation and Tracking", Neural Information Processing Systems, No.17, pp.1505-1512,2004 John Winn and Christopher Bishop, "Variational Message Passing", Journal of Machine Learning Research, Vol. 6, pp. 661-694, 2005
としたものであり、画素が異なる領域に属する場合と同じ領域に属する場合で異なる拘束が隠れパラメータに与えられるので、複数の被写体をより効率よく分離して抽出することが可能になる。
図1は、実施の形態1における画像処理装置の構成を示す図である。図1の画像処理装置は、複数枚の画像から隠れパラメータとして定義された背景画像と少なくとも2つ以上の被写体画像と各被写体画像の形状と各被写体画像の動きとを同時かつ安定に抽出する装置であり、画像入力部101、隠れパラメータ推定部102、拘束条件パラメータ学習部103、相補学習部104及び出力部105を備える。
次に、S202にて、、隠れパラメータ推定部102は、隠れパラメータを推定する。ここで、隠れパラメータについて図3を用いて説明する。入力画像x301は、ノイズβ302、背景b303、被写体1画像f1304、被写体2画像f2305、被写体1の動きT1306、被写体2の動きT2307、被写体1らしさπ1308、被写体1らしさπ2309、被写体1の形状m1310、被写体2の形状m2311によって構成されていると仮定する。すなわち、ノイズβ302、背景b303、被写体1画像f1304、被写体2画像f2305、被写体1の動きT1306、被写体2の動きT2307、被写体1らしさπ1308、被写体1らしさπ2309、被写体1の形状m1310、被写体2の形状m2311は、それぞれ隠れパラメータである。また、3つ以上の被写体へ拡張するには、被写体画像fi、被写体らしさπi、被写体の動きTi、被写体の形状miを追加すれば良い。また、カメラの動きを考慮する場合には、被写体数が増えた時と同様に考えることができる。図4に示すように、図3の構造に加えてカメラ動きTb401、背景らしさπb402、背景形状mb403を隠れパラメータとして加えれば良い。次に、隠れパラメータを求める方法について図3に沿って詳しく説明する。ここでは、変分近似手法の一つである、非特許文献2の手法を用いて隠れパラメータを推定する方法について説明するが、隠れパラメータを推定する途中段階の結果が得られれば良いため、繰り返し学習法を用いた隠れパラメータ推定方法であれば何でも良い。
を求めても良い。
ここで、(数28)および(数29)において、拘束条件パラメータを求める時に用いる入力ベクトルΨの具体例について説明する。例えば、被写体の大きさを表現するためのピクセル位置情報を用いる場合は、次式のように表せる。
Andrew Webb "Statistical Pattern Recognition Second Edition" JOHN WILEY&SONS,LTD
Jianbo Shi and Carlo Tomasi, "Good Features to Track", IEEE Conference on Computer Vision and Pattern Recognition, p593−600, 1994
次に、S1001にて、合成画像生成部901は、背景b303と被写体1画像シーケンス601、被写体2画像シーケンス602から次のように合成画像stを生成する。図12に示すように、背景b303に、被写体1画像シーケンス601を用いて上書きすることで合成画像シーケンスA1201を生成する。ここで上書きとは、背景画像と被写体1画像シーケンス601の1枚の画像において同じ位置にあるピクセルは、被写体1画像シーケンス601の画像の画素値で置き換えることを意味する。次に、被写体2画像シーケンス602を用いて上書きすることで、合成画像シーケンスB1202を生成する。ここでの上書きは、合成画像シーケンスA1201と被写体2画像シーケンス602のそれぞれ1枚の画像において、同じ一にあるピクセルは被写体2画像シーケンス602の画像の画素値で置き換えられることを意味する。なお、上書きの順番は、(数3)の定義に従う。また、被写体数が増えた場合や図4のようにカメラ動きを含む場合も同様に取り扱うことが可能である。
本実施の形態では、実施の形態1で説明した画像処理方法を用いて、隠れパラメータとして抽出した被写体画像と被写体画像の形状と被写体の動きから、入力画像間の中間時間における被写体画像を生成し、中間時間における被写体画像をその時間における背景画像に上書きすることによって、中間時間画像を生成する方法について説明する。
この画像処理装置は、実施の形態1の画像処理装置の機能に加えて、中間時間画像を生成する機能をもつ装置であり、画像入力部101、隠れパラメータ推定部102、拘束条件パラメータ学習部103、相補学習部104、出力部105及び中間時間画像生成部1301を備える。画像入力部101は、時系列に並んだ複数枚の画像を受け付ける。なお、隠れパラメータ推定部102から相補学習部104までは実施の形態1と同じであるため省略する。
次にS1401にて、図15に示すように、被写体中間時間画像生成部1501は、S206にて得られた背景b303、被写体1画像f1304、被写体2画像f2305、被写体1の動きT1306、被写体2の動きT2307を用いて中間時間における被写体画像を生成する。ここでは、図16に示すように、時間解像度をn倍するための被写体1の中間時間画像f'1 t+i、f'1 t+jを生成する方法について説明する。なお、時間的に隣り合う入力画像に対応する被写体画像をf1 t、f1 t+n、f1 t+2nと表記することとする。まず、時刻tにおける被写体画像f1 t1601と時刻t+nにおける被写体画像f1 t+n1602と時刻t+2nにおける被写体画像f1 t+2n1603は、実施の形態1の図6で説明したとおり、被写体1画像f1304の各画素を被写体1の動きT1306を用いて動かすことによって生成することができる。そして、被写体1の中間時間画像f' 1 t+i1604は、次式のように中間時間における被写体1の動きT' 1 t+iを推定し、推定した被写体1の動きT' 1 t+iと被写体1画像f1304とを用いて被写体画像f1 t1601等の生成と同様の方法で生成可能である。
本実施の形態では、実施の形態1で説明した画像処理方法を用いて、隠れパラメータとして抽出した前記被写体画像もしくは前記被写体画像の形状をモニタ等に表示し、表示された前記被写体をユーザが選択することができるようにして、ユーザが選択した前記被写体画像を消去し、消去した被写体領域を背景画像で埋めた画像を生成する方法について説明する。
本実施の形態では、実施の形態1から3において、抽出した背景画像と各被写体画像の画素値が不定である場合や信頼性が低い場合に、その画素値を近傍領域の画素値を用いて補間することによって、よりノイズの少ない背景画像と各被写体画像を抽出したり、中間時間画像を生成することが可能な手法について説明する。ここでは、中間時間画像の生成を例に説明するが、実施の形態1から3のすべての例において適用可能である。
本実施の形態では、実施の形態1から4において、隠れパラメータの1つとして画像のボケ具合を表す点拡がり関数(Point Spread Function)のパラメータを定義し、入力画像の画質を復元した背景画像と各被写体画像を抽出する方法について説明する。
本実施の形態では、実施の形態1で説明したS204における拘束条件パラメータ学習部103の学習を実施の形態1とは異なる方法を用いて行う例について説明する。
Claims (16)
- 複数枚の画像から隠れパラメータとして定義された背景画像と少なくとも2つ以上の被写体画像と前記各被写体画像の形状と前記各被写体画像の動きとを同時に抽出する画像処理方法であって、
複数枚の画像の入力を受け付ける画像入力ステップと、
繰り返し学習法を用いて、前記複数枚の画像と前記隠れパラメータの少なくとも1つの条件を示す拘束条件パラメータとから隠れパラメータを推定する隠れパラメータ推定ステップと、
前記隠れパラメータ推定ステップでの推定結果を教師信号として、前記隠れパラメータに関する前記拘束条件パラメータの学習を行う拘束条件パラメータ学習ステップと、
前記拘束条件パラメータ学習ステップによる前記拘束条件パラメータの学習結果を用いた前記隠れパラメータ推定ステップによる前記隠れパラメータの推定と、前記隠れパラメータ推定ステップによる前記隠れパラメータの推定結果を用いた前記拘束条件パラメータ学習ステップによる前記拘束条件パラメータの学習とを繰り返す制御をする相補学習ステップと、
前記相補学習ステップによる学習の繰り返し後において前記隠れパラメータ推定ステップで推定された隠れパラメータを出力する出力ステップと
を含む画像処理方法。 - 請求項1に記載の方法において、
前記拘束条件パラメータは、各被写体画像領域の大きさ、各被写体画像の色、各被写体画像に含まれる画素の動きのうち、少なくともいずれか1つの条件に関するパラメータであることを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記拘束条件パラメータ学習ステップでは、画像からペアとなる近傍画素を選択し、それぞれの画素が背景画像領域もしくは各被写体画像領域のいずれに属するかを判定し、それぞれの画素が異なる領域に属する場合と同じ領域に属する場合に、それぞれ異なる拘束を隠れパラメータに与えることを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記拘束条件パラメータ学習ステップでは、隠れパラメータ推定ステップの推定結果を教師信号として、エネルギー極小化法を用いて拘束条件パラメータを学習することを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記隠れパラメータは確率分布で表現されることを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記出力ステップで出力された隠れパラメータである背景画像と各被写体画像とを受け取り、受け取った前記背景画像に対して前記各被写体画像を上書きすることによって新たに画像を生成する合成画像生成ステップと、
前記合成画像生成ステップで生成された画像と前記入力画像との誤差を算出する誤差算出ステップと、
前記誤差算出ステップで算出された誤差が規定値以上の場合に入力画像枚数を増やして前記隠れパラメータ推定ステップと前記拘束条件パラメータ学習ステップとの繰り返しによる再度の処理を行うかもしくはユーザに対して入力画像枚数が不足していることを提示する画像枚数判定ステップと
をさらに含む画像処理方法。 - 請求項1に記載の方法において、
前記出力ステップは、前記隠れパラメータである背景画像と各被写体画像を、それぞれ別々に保存もしくは出力する画像データ分割ステップをさらに含むことを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記画像入力ステップでは、時系列に並んだ複数枚の画像の入力を受け付け、
前記出力ステップで出力された隠れパラメータである背景画像と被写体画像と前記被写体画像の形状と前記被写体の動きとを受け取り、受け取った前記背景画像と前記被写体画像と前記被写体画像の形状と前記被写体の動きから、入力画像間の中間時間における前記被写体画像を生成し、中間時間における被写体画像をその時間における背景画像に上書きすることによって中間時間画像を生成する中間時間画像生成ステップをさらに含む画像処理方法。 - 請求項1に記載の方法において、
前記隠れパラメータ推定ステップでは、さらに、前記隠れパラメータの1つとして、画像の劣化過程を表現する点拡がり関数(Point Spread Function)のパラメータを保持し、その逆関数を推定することによって入力画像よりも高画質化された前記背景画像と前記被写体画像を生成することを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記出力ステップで出力された隠れパラメータである背景画像と各被写体画像とを受け取り、受け取った前記背景画像と前記各被写体画像の画素値の信頼性が小さい場合に、その画素値を近傍領域の画素値を用いて補間する画素値補間ステップ
をさらに含むことを特徴とする画像処理方法。 - 請求項1に記載の方法において、
前記出力ステップで出力された隠れパラメータである前記被写体画像もしくは前記被写体画像の形状をモニタ等に表示し、表示された前記被写体のうち少なくとも1つをユーザが選択することができるようにした被写体表示ステップと、
背景画像にユーザが選択した前記被写体画像もしくは前記被写体画像の形状に該当しない被写体画像を上書きすることによって、ユーザが選択した被写体を消去し、消去した被写体領域を背景画像で埋めた画像を生成する画像生成ステップと
をさらに含む画像処理方法。 - 請求項1に記載の方法において、
前記隠れパラメータとしてカメラの動きに起因する背景画像の動きをさらに含む画像処理方法。 - 複数枚の画像から隠れパラメータとして定義された背景画像と少なくとも2つ以上の被写体画像と前記各被写体画像の形状と前記各被写体画像の動きとを同時に抽出する画像処理装置であって、
複数枚の画像の入力を受け付ける画像入力部と、
繰り返し学習法を用いて、前記複数枚の画像と前記隠れパラメータの少なくとも1つの条件を示す拘束条件パラメータとから隠れパラメータを推定する隠れパラメータ推定部と、
前記隠れパラメータ推定部による推定結果を教師信号として、前記隠れパラメータに関する前記拘束条件パラメータの学習を行う拘束条件パラメータ学習部と、
前記拘束条件パラメータ学習部による前記拘束条件パラメータの学習結果を用いた前記隠れパラメータ推定部による前記隠れパラメータの推定と、前記隠れパラメータ推定部による前記隠れパラメータの推定結果を用いた前記拘束条件パラメータ学習部による前記拘束条件パラメータの学習とを繰り返す制御をする相補学習部と、
前記相補学習部による学習の繰り返し後において前記隠れパラメータ推定部で推定された隠れパラメータを出力する出力部と
を備える画像処理装置。 - 請求項13に記載の装置において、
前記出力部から出力された隠れパラメータである背景画像と被写体画像と前記被写体画像の形状と前記被写体の動きとを受け取り、受け取った前記背景画像と前記被写体画像と前記被写体画像の形状と前記被写体の動きから、入力画像間の中間時間における前記被写体画像を生成し、中間時間における被写体画像をその時間に対応する背景画像に上書きすることによって中間時間画像を生成する中間時間画像生成部をさらに備えることを特徴とする画像処理装置。 - 請求項13に記載の装置において、
前記出力ステップで出力された隠れパラメータである前記被写体画像もしくは前記被写体画像の形状をモニタ等に表示し、表示された前記被写体のうち少なくとも1つをユーザが選択することができるようにした被写体表示部と、
背景画像にユーザが選択した前記被写体画像もしくは前記被写体画像の形状に該当しない被写体画像を上書きすることによって、ユーザが選択した被写体を消去し、消去した被写体領域を背景画像で埋めた画像を生成する画像生成部と
をさらに備えることを特徴とする画像処理装置。 - 複数枚の画像から隠れパラメータとして定義された背景画像と少なくとも2つ以上の被写体画像と前記各被写体画像の形状と前記各被写体画像の動きとを同時に抽出する画像処理プログラムであって、
複数枚の画像の入力を受け付ける画像入力ステップと、
繰り返し学習法を用いて、前記複数枚の画像と前記隠れパラメータの少なくとも1つの条件をす拘束条件パラメータとから隠れパラメータを推定する隠れパラメータ推定ステップと、
前記隠れパラメータ推定ステップでの推定結果を教師信号として、前記隠れパラメータに関する前記拘束条件パラメータの学習を行う拘束条件パラメータ学習ステップと、
前記拘束条件パラメータ学習ステップによる前記拘束条件パラメータの学習結果を用いた前記隠れパラメータ推定ステップによる前記隠れパラメータの推定と、前記隠れパラメータ推定ステップによる前記隠れパラメータの推定結果を用いた前記拘束条件パラメータ学習ステップによる前記拘束条件パラメータの学習とを繰り返す制御をする相補学習ステップと、
前記相補学習ステップによる学習の繰り返し後において前記隠れパラメータ推定ステップで推定された隠れパラメータを出力する出力ステップと
をコンピュータに実行させる画像処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/GB2006/004502 WO2008065319A1 (en) | 2006-12-01 | 2006-12-01 | Iterative motion segmentation |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010202393A Division JP4637275B2 (ja) | 2010-09-09 | 2010-09-09 | 画像処理方法及び画像処理装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2010511241A true JP2010511241A (ja) | 2010-04-08 |
JP2010511241A5 JP2010511241A5 (ja) | 2010-10-28 |
JP4643741B2 JP4643741B2 (ja) | 2011-03-02 |
Family
ID=38122004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009538761A Active JP4643741B2 (ja) | 2006-12-01 | 2006-12-01 | 画像処理方法及び画像処理装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US7970205B2 (ja) |
EP (2) | EP2061009B1 (ja) |
JP (1) | JP4643741B2 (ja) |
CN (1) | CN101292264B (ja) |
AT (2) | ATE469407T1 (ja) |
DE (2) | DE602006014602D1 (ja) |
WO (1) | WO2008065319A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019198200A1 (ja) * | 2018-04-12 | 2019-10-17 | 日本電気株式会社 | 学習用画像生成装置、学習用画像生成方法及びプログラム |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8254626B2 (en) * | 2006-12-22 | 2012-08-28 | Fujifilm Corporation | Output apparatus, output method and program for outputting a moving image including a synthesized image by superimposing images |
CN102096936B (zh) * | 2009-12-14 | 2013-07-24 | 北京中星微电子有限公司 | 一种图像生成方法及装置 |
JP2011176542A (ja) * | 2010-02-24 | 2011-09-08 | Nikon Corp | カメラおよび画像合成プログラム |
US20120050316A1 (en) * | 2010-08-31 | 2012-03-01 | Nokia Corporation | Methods and apparatuses for enhancing wallpaper display |
WO2014155877A1 (ja) | 2013-03-26 | 2014-10-02 | ソニー株式会社 | 画像処理装置、画像処理方法およびプログラム |
US9476837B2 (en) * | 2013-04-21 | 2016-10-25 | Nova Measuring Instruments Ltd. | Method and system for improving optical measurements on small targets |
MA41117A (fr) | 2014-12-05 | 2017-10-10 | Myfiziq Ltd | Imagerie d'un corps |
US11055580B2 (en) * | 2017-06-05 | 2021-07-06 | Siemens Aktiengesellschaft | Method and apparatus for analyzing an image |
DE102019132514B3 (de) * | 2019-11-29 | 2021-02-04 | Carl Zeiss Meditec Ag | Optisches Beobachtungsgerät sowie Verfahren und Datenverarbeitungssystem zum Ermitteln von Informationen zum Unterscheiden zwischen Gewebeflüssigkeitszellen und Gewebezellen |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06253197A (ja) * | 1993-02-23 | 1994-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 映像切り出し方法 |
JP2002352248A (ja) * | 2001-05-25 | 2002-12-06 | Nhk Engineering Services Inc | 映像オブジェクト抽出支援装置 |
US6826292B1 (en) * | 2000-06-23 | 2004-11-30 | Sarnoff Corporation | Method and apparatus for tracking moving objects in a sequence of two-dimensional images using a dynamic layered representation |
JP2005276149A (ja) * | 2004-03-24 | 2005-10-06 | Win Animate:Kk | 移動ベクトル検出装置,移動ベクトル検出プログラム,中間画像作成装置および中間画像作成プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4403937B2 (ja) | 2004-09-29 | 2010-01-27 | カシオ計算機株式会社 | カメラ装置、情報処理装置、被写体識別方法 |
-
2006
- 2006-12-01 CN CN2006800240013A patent/CN101292264B/zh active Active
- 2006-12-01 DE DE602006014602T patent/DE602006014602D1/de active Active
- 2006-12-01 EP EP09152112A patent/EP2061009B1/en active Active
- 2006-12-01 AT AT09152112T patent/ATE469407T1/de not_active IP Right Cessation
- 2006-12-01 DE DE602006015085T patent/DE602006015085D1/de active Active
- 2006-12-01 EP EP06820390A patent/EP1946269B1/en active Active
- 2006-12-01 WO PCT/GB2006/004502 patent/WO2008065319A1/en active Application Filing
- 2006-12-01 AT AT06820390T patent/ATE472143T1/de not_active IP Right Cessation
- 2006-12-01 US US11/994,748 patent/US7970205B2/en active Active
- 2006-12-01 JP JP2009538761A patent/JP4643741B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06253197A (ja) * | 1993-02-23 | 1994-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 映像切り出し方法 |
US6826292B1 (en) * | 2000-06-23 | 2004-11-30 | Sarnoff Corporation | Method and apparatus for tracking moving objects in a sequence of two-dimensional images using a dynamic layered representation |
JP2002352248A (ja) * | 2001-05-25 | 2002-12-06 | Nhk Engineering Services Inc | 映像オブジェクト抽出支援装置 |
JP2005276149A (ja) * | 2004-03-24 | 2005-10-06 | Win Animate:Kk | 移動ベクトル検出装置,移動ベクトル検出プログラム,中間画像作成装置および中間画像作成プログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019198200A1 (ja) * | 2018-04-12 | 2019-10-17 | 日本電気株式会社 | 学習用画像生成装置、学習用画像生成方法及びプログラム |
JPWO2019198200A1 (ja) * | 2018-04-12 | 2021-04-08 | 日本電気株式会社 | 学習用画像生成装置、学習用画像生成方法及びプログラム |
US11429814B2 (en) | 2018-04-12 | 2022-08-30 | Nec Corporation | Learning image generation apparatus, learning image generation method, and non-transitory storage medium |
Also Published As
Publication number | Publication date |
---|---|
EP1946269B1 (en) | 2010-06-23 |
EP2061009B1 (en) | 2010-05-26 |
JP4643741B2 (ja) | 2011-03-02 |
CN101292264B (zh) | 2013-06-12 |
CN101292264A (zh) | 2008-10-22 |
WO2008065319A1 (en) | 2008-06-05 |
EP2061009A1 (en) | 2009-05-20 |
US7970205B2 (en) | 2011-06-28 |
ATE472143T1 (de) | 2010-07-15 |
DE602006014602D1 (de) | 2010-07-08 |
DE602006015085D1 (de) | 2010-08-05 |
US20100128926A1 (en) | 2010-05-27 |
EP1946269A1 (en) | 2008-07-23 |
ATE469407T1 (de) | 2010-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4643741B2 (ja) | 画像処理方法及び画像処理装置 | |
JP2010511241A5 (ja) | ||
Kumar et al. | Videoflow: A flow-based generative model for video | |
Li et al. | Unscented Kalman filter for visual curve tracking | |
KR20180105876A (ko) | 색상과 형태를 동시에 고려한 실시간 영상 추적 방법 및 이를 위한 장치 | |
US20060126928A1 (en) | Method and system for cleaning motion capture data | |
JP2006260527A (ja) | 画像マッチング方法およびこれを用いた画像補間方法 | |
CN107610069B (zh) | 基于共享k-svd字典的dvs可视化视频去噪方法 | |
WO2015186341A1 (ja) | 画像処理システム、画像処理方法及びプログラム記憶媒体 | |
CN103139490A (zh) | 图像处理装置、图像处理方法和程序 | |
CN111028166B (zh) | 一种基于迭代神经网络的视频去模糊方法 | |
KR101671391B1 (ko) | 레이어 블러 모델에 기반한 비디오 디블러링 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
JP4972016B2 (ja) | 動画像処理方法、動画像処理装置および動画像処理プログラム | |
Wang et al. | Underwater self-supervised monocular depth estimation and its application in image enhancement | |
JP2010257267A (ja) | 物体領域検出装置、物体領域検出方法および物体領域検出プログラム | |
Jung et al. | Multi-task learning framework for motion estimation and dynamic scene deblurring | |
JP4637275B2 (ja) | 画像処理方法及び画像処理装置 | |
Xiang et al. | Temporal up-sampling for asynchronous events | |
Shafiee et al. | Model-based tracking: Temporal conditional random fields | |
Bareja et al. | An improved iterative back projection based single image super resolution approach | |
JP2010141668A (ja) | 移動対象追跡装置、移動対象追跡方法及び移動対象追跡プログラム | |
CN108257156B (zh) | 一种从视频中自动追踪目标物体的方法 | |
Sreegeethi et al. | Online Video Stabilization using Mesh Flow with Minimum Latency | |
Kumar | Enhancement of Camera Blur Image Using Optimization Techniques | |
JP2004252714A (ja) | 空間情報獲得方法、装置、空間情報獲得プログラム、および該プログラムを記録した記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100909 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20100909 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20100927 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20101102 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4643741 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131210 Year of fee payment: 3 |