JP2011501308A - フィンガープリントにおける特異点の分析のための方法およびシステム - Google Patents
フィンガープリントにおける特異点の分析のための方法およびシステム Download PDFInfo
- Publication number
- JP2011501308A JP2011501308A JP2010530496A JP2010530496A JP2011501308A JP 2011501308 A JP2011501308 A JP 2011501308A JP 2010530496 A JP2010530496 A JP 2010530496A JP 2010530496 A JP2010530496 A JP 2010530496A JP 2011501308 A JP2011501308 A JP 2011501308A
- Authority
- JP
- Japan
- Prior art keywords
- point
- signal
- local
- vector
- gradient
- 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.)
- Ceased
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/008—Vector quantisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/52—Scale-space analysis, e.g. wavelet analysis
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Complex Calculations (AREA)
- Image Analysis (AREA)
Abstract
提案される方法は、信号における各ポイントについて、第1の隣接するものを含む環境を決定することと、信号における各ポイントについて再構築可能性測定または特異点測定を算出することと、上記ポイントにおける上記局所的環境の寄与に重み付けを行うことを含む。各ポイントにおける信号の値は、再構築の式を用いて局所的環境のポイントにおける信号の値から推論される。上記特異点測定は、ポイントにおける信号の値と、その局所的環境によって予測される値との間の差を含む。解像度の変化の下で制御的に変化するサンプルされたデジタル信号の振幅における独立した測定を得る目的で、対数変換が上記特異点測定について行われる。各ポイントについての上記特異点測定を得て、上記対数変換および他の計算を実行するための手段を有するシステムを提供する。
Description
〔技術分野〕
本発明は、デジタル信号の分析に関し、言い換えると、提案される方法の実行にウェーブレット分析を応用し、一定間隔でサンプルされる信号の分析に関し、他のものよりも、信号に対してより多くの情報を含むスケールおよび位置にまで、空間内の特定のポイントにおける様々なサブセットを特定することが可能となる。
本発明は、デジタル信号の分析に関し、言い換えると、提案される方法の実行にウェーブレット分析を応用し、一定間隔でサンプルされる信号の分析に関し、他のものよりも、信号に対してより多くの情報を含むスケールおよび位置にまで、空間内の特定のポイントにおける様々なサブセットを特定することが可能となる。
本発明は同様に、提案される方法の実行のためのシステムに関する。
本明細書を通して、デジタル信号は、位置が信号ポイントと称される多次元的なマトリックスによって表され得る、均一にサンプルされるデータの任意の構造化集合として理解されなければならない。
本発明は、信号の勾配(gradient)に関する部分的情報に基づいてデジタル信号を処理し、再構築(reconstruction)し、圧縮し、特に、有限増加を通して得られる勾配測定に基づいて作動する有効な技術とツールを提供する。上記技術およびツールは、計算環境において動作し得るコンピュータプログラムにおいて有利に実現される自動的アルゴリズムによって実行され得る。
主にデジタル信号再構築タスクにおいて、特に画像を表示するタスクにおいて実現される大きな効果を考慮すると、本発明は多くの分野に応用可能であり、当該分野の間では、特定の応用としてデジタル信号圧縮(画像圧縮)と、液体関連信号(物理現象を表す画像における流線の決定を含む)における流線の評価を挙げ得るし、より一般的な応用として、写真、地理的、生物医学的、および他の種類の画像など、実環境の画像における構造の検出およびパターンの認識を挙げ得る。
本発明は、任意の次元において規定される信号に関し、ある次元について(例えば2次元)上記方法が説明されているが、当業者にとっては、任意の次元において規定される信号に一般化することは極めて自明であろう。このような理由から、また、単純化のために、本明細書を通して示される式および導関数(derivative)の多くは2D用に書かれ、言い換えると、2次元信号が概ね画像のような要素を構成することとなる。しかしながら、有効な結果が他の次元において得られ、特に、株式の時系列など、1D信号の処理において有効な結果が得られた(参考文献〔16〕、〔17〕を参照)。
〔背景技術〕
特許US −A −5901249、US −A −6141452、およびUS −A −6865291は、ウェーブレット分析を用いるデジタル信号圧縮技術に関する。
特許US −A −5901249、US −A −6141452、およびUS −A −6865291は、ウェーブレット分析を用いるデジタル信号圧縮技術に関する。
特許US −A −6434261は、異なるスケールチャンネルに分解されるデジタル画像のウェーブレット分析を行うために、適用可能な閾値の決定に基づいて上記画像における目標の位置を見つけるために、デジタル画像の検出および細分化を行うための方法を記載している。
特許US −A −7181056は、生物学的組織の少なくとも一部を示すデジタル画像における目標領域を自動的に検出し、ウェーブレット表示が調査対象領域から生成される方法に関する。
特許US −A −7062085は、カラーデジタル画像の多解像度分析に基づいてウェーブレット変換から導かれる係数を通じて実現されるテクスチュア特性を参照するカラー画像の領域における側面を検出する方法に関する。
特許出願US −A −2005/0259889は、モチーフを有する画像への複素ウェーブレット変換の応用を含むX線画像のノイズ除去を行い、ノイズを低減するためにウェーブレット係数を用いて動作するための方法に関する。
特許出願WO −A −2004/068410は、サブサンプルされた画像と原画像とを関連させることによって、ウェーブレット変換を実行するデジタル画像における目標ポイントを検出するための方法に関する。
h(x)によって示される、いわゆるHolder特異点指数またはHurst指数に基づいて、それぞれのドメイン点xの周りにおけるRmにおいて予測され、Rdについて規定される関数f(x)の局所的挙動を示すという概念を実行する特異点(singularity)分析(参考文献〔14〕を参照)は、多くの信号処理タスクにとって非常に有効であり、特に、圧縮を行うという目的に非常に適しており、またパターン認識ツールとして適しており、内容にもよるが、複素信号の評価およびダイナミックに関する情報を示すために用いられ得る。
特許US −A −6745129は、現象の記録を時系列に表す処理に基づいて地震データにおける特異点分析を行うためのウェーブレットに基づく方法に関する。この特許の目的は、連続するウェーブレット変換を通じて地震記録についてHolder指数を算出することである。この方法を用いて、信号が分析されると(上記特許の図2bに示すように)、各点に対するHolder指数決定の質とともに、空間的解像度にも影響を及ぼす不安定さが発生する(参考文献〔11〕におけるこの問題の記載を参照)。実際、この問題によって、本発明の方法における提案とは異なり、デジタル信号再構築のタスクを行うためのUS −A −6745129が開示する方法を用いることができなくなる。本発明は、より正確に特異点指数(singularity exponent)を、それらの位置のみでなくそれらの値についても決定することを可能にする。本発明とUS −A −6745129との正確さの違いが生じるのは、勾配測定の使用によるからであり(勾配測定を行うと、複素ウェーブレットに関連付けられた望ましくない変動を取り除くことができる。参考文献〔17〕を参照)、また、上記測定が、再構築可能性(reconstructibility)の度合いを示す指標を含むからである。上記によれば、本発明はまた、特許US −A −6745129と異なり(参考文献〔11〕を参照)、部分的情報に基づいて高品質信号を再構築することを可能にする。
信号分析に基づくウェーブレットの分野の中では、特に、ウェーブレット投射の局所的極大値によって決定される、いわゆるウェーブレット変換最大係数法(WTMMとして知られている)が、最も一般的に用いられる方法の1つであるデジタル信号処理に応用される。MallatおよびZhong(参考文献〔4〕、〔5〕、および〔6〕を参照)は、このセットが信号を完全に再構築するために用いられ得ると要約している。続いて、上記セットは減衰した信号をもたらし、正確な信号振幅を再生できるように、様々な実験係数が導入されなければならないということが証明された。MallatおよびZhongによる文献の発表以来、WTMMに基づく高品質再構築を得るためのいくつかの試みがなされてきた。いずれの場合も、WTMM法について最も興味深いことは、画像の場合、最多数のラインが境界および輪郭に集中するということである。境界および輪郭は視覚的シーンについての情報を最も多く含んでいるということが長年知られてきているので(参考文献〔7〕を参照)、WTMMは、上記方法に基づいて自動的かつ標準的なアルゴリズムを用いて知覚情報(境界)を抽出する良い例であることが証明されている。
他の研究グループはまた、WTMMの使用に注目し、自らの研究を、乱流やカオス的システムなど、スケール普遍特性を示すものとして知られているシステムに中心を置き、マルチスケール信号を扱うためにWTMMの能力を認識していたArneodoおよびその協力者達はWTMMの使用を開始した。
全てのWTMM関連の提案が有する主な不便な点は、極大値が(位相的に)蓄積すると、これは参考文献〔17〕にも記載されているように実信号を扱う場合はいつでも起こる状態だが、システマティックに極大値を抽出することができない点である。参考文献〔10〕では、この問題が研究され、部分的な解決法が提案されている。
WTMMの使用とは別に、この技術分野ではA.Turielの最近の研究が注目されている。A.Turielの研究は、勾配測定に基づく特異点の分析に関する。これらの業績において、任意のセットAについて信号s(x)と関連付けられる勾配測定μは、上記セットについての勾配モジュールの積分として規定される。
A.Turielによるこの研究によると、実データを用いて作業を行い、打ち切りが発生し、ノイズが発生すると、以下のようにして測定のウェーブレット変換を用いて操作することが必要となる。ウェーブレットψが与えられると、スケールrおよびポイントxにおける勾配測定μのウェーブレット変換は、以下の式によって与えられる。ここで、dは信号次元である。
測定μのウェーブレット変換によると、rが小さいときの優位な項は指数法則としてrに依存するので(参考文献〔14〕を参照)、局所的特異点指数を決定することができる。
勾配測定を導入することによって、特異点の空間的解像度を向上させることができる(参考文献〔11〕および〔14〕を参照)。このように、10画素毎に特異点指数を有する代わりに、または、ウェーブレットのために振動の制御を必要とする代わりに、ポイントの最小分散を用いて各画素に特異点指数を割り当てることが可能である。異なるウェーブレットの解像度能力における違いが存在することが認識された。これは、打ち切られたデータを扱うにふさわしい最適化されたウェーブレットを見つけ出す必要性が認識されたことを意味する。
最適化された解像度のための能力を有するウェーブレットの構築における重要な要素は、信号の勾配に関する部分的情報を用いる信号を再構築するという概念である。勾配再構築アルゴリズムの理論的アプローチおよび実施は参考文献〔12〕に記載され、ここではマルチフラクタル信号の構造に関する議論が紹介されている(乱流のマルチフラクタル構造についての参考文献〔8〕および〔3〕を参照)。マルチフラクタル構造の信号について、階層の頂上と関連付けられるセットが少なくとも理論的な観点からよく知られており、最も特異的な(言い換えると最も陰性の)h(x)の値を有するポイントを含むセットである、最も特異な多様体(Most Singular Manifold)(MSM)として知られている。
上記の参考文献〔12〕は、任意の次元について上記式が有効であるが、画像の解像度を分析し、信号を完全に再構築するために、MSMは十分な情報を含んでいるという理論を維持している。無限に大きなドメインについて、参考文献〔12〕で得られる再構築の式は以下の通りである。
ここで、sは、任意の信号であり、
F∞は、上記信号sにおける最も特異な多様体またはMSMであり、
式(4b)は、sにおける基本的な勾配ベクトル、言い換えると、式(4c)の要素を有するMSMに限定される勾配であり、
式(4d)は、普遍的再構築のベクトルのカーネルであり、フーリエ空間においては以下の式(4e)で与えられ、
記号「・」は、たたみ込みスカラー積を意味し、言い換えると、式(4f)であり、星印は、関数における通常のたたみ込みの積を意味する。
F∞は、上記信号sにおける最も特異な多様体またはMSMであり、
式(4b)は、sにおける基本的な勾配ベクトル、言い換えると、式(4c)の要素を有するMSMに限定される勾配であり、
式(4d)は、普遍的再構築のベクトルのカーネルであり、フーリエ空間においては以下の式(4e)で与えられ、
記号「・」は、たたみ込みスカラー積を意味し、言い換えると、式(4f)であり、星印は、関数における通常のたたみ込みの積を意味する。
勾配測定を考慮に入れて本発明者によって行われる研究から(参考文献〔12〕を参照)、1つのものが存在すると、無限に大きなドメインにおけるMSMに基づいて勾配を用いて信号を再構築するためのアルゴリズムは1つしかあり得ないという結論にたどり着く。同様に、MSMはこのアルゴリズムを用いて非常に良好な再構築をもたらすということが知られている(画像については参考文献〔11〕および〔12〕を、時系列については参考文献〔15〕および〔16〕を参照)。
〔発明の概要〕
本発明は、デジタル信号における特異点の分析のための方法を提案し、該方法は、
a)信号における各ポイントについて第1隣接環境を決定する段階と、
b)信号xにおける各ポイントについて、環境によってもたらされる再構築可能性または再構築能力測定(以下、区別をつけずに「特異点測定」と称する)を、上記環境に基づいて算出する段階であって、上記再構築可能性は、参考文献〔12〕において説明され、上記式(4)で示される再構築関数を用いて信号値を推測することで構築されるが、上記ポイントにおいて測定される値と、その環境から推測される値との差を含む特異点測定が得られるように上記環境に適応される段階とを含む。
本発明は、デジタル信号における特異点の分析のための方法を提案し、該方法は、
a)信号における各ポイントについて第1隣接環境を決定する段階と、
b)信号xにおける各ポイントについて、環境によってもたらされる再構築可能性または再構築能力測定(以下、区別をつけずに「特異点測定」と称する)を、上記環境に基づいて算出する段階であって、上記再構築可能性は、参考文献〔12〕において説明され、上記式(4)で示される再構築関数を用いて信号値を推測することで構築されるが、上記ポイントにおいて測定される値と、その環境から推測される値との差を含む特異点測定が得られるように上記環境に適応される段階とを含む。
提案される方法はまた、第3段階c)を有利に含み、少なくとも1つの対数変換が上記再構築可能性測定において行われ、これは信号におけるトータルのポイント数に対する測定の依存性を抑制し、これによって信号における各ポイントのための特異点指数が得られる。
改良された実施形態では、提案される方法は以下の段階を含む。
a1)一定間隔でサンプルされるデジタル信号の安定した導関数を取得する段階と、
b1)上記デジタル信号における各ポイントについて、上記ポイントにおける関数の特異点測定を行い、(先に示すように再構築関数を用いて)ポイントにおける局所的環境と、上記局所的環境の全てのポイントにおける導関数の値の寄与とに重み付けを行う段階と、
c1)サンプルされるデジタル信号の振幅の独立した測定を行うための、また、解像度の変化の下で制御される状態で変化する上記特異点測定における少なくとも1つの対数変換を実行する段階とを含む。
a1)一定間隔でサンプルされるデジタル信号の安定した導関数を取得する段階と、
b1)上記デジタル信号における各ポイントについて、上記ポイントにおける関数の特異点測定を行い、(先に示すように再構築関数を用いて)ポイントにおける局所的環境と、上記局所的環境の全てのポイントにおける導関数の値の寄与とに重み付けを行う段階と、
c1)サンプルされるデジタル信号の振幅の独立した測定を行うための、また、解像度の変化の下で制御される状態で変化する上記特異点測定における少なくとも1つの対数変換を実行する段階とを含む。
本発明はまた、英語の頭文字でUPMと表される予測不可能なポイントのセットまたは多様体に基づいた新たな特異点測定を提案することによって、前述の背景技術の表題の下で説明されるような特異点測定を一般化することを含む。言い換えると、本発明は、予測可能な他のポイントに対するのと同様に、全ての予測不可能なポイントのグルーピングを考慮することによって始められる。
〔発明を実施するための形態〕
前の項目で示したように、本発明の目的は、デジタル信号の特異点指数を正確に算出するために再構築性測定の算出を含み、上記指数が高品質再構築を得られるようにすることである。予測不可能ポイント多様体UPM(unpredictable points manifold)に基づいて特異点測定μを規定するための基本的要件は以下の通りである。
i)測定μは、関数の局所的特異点挙動を意味しなければならない。
ii)測定μは、できるだけ予測不可能ポイント多様体に近く、より特異的な多様体MSMをもたらさなくてはならない。
前の項目で示したように、本発明の目的は、デジタル信号の特異点指数を正確に算出するために再構築性測定の算出を含み、上記指数が高品質再構築を得られるようにすることである。予測不可能ポイント多様体UPM(unpredictable points manifold)に基づいて特異点測定μを規定するための基本的要件は以下の通りである。
i)測定μは、関数の局所的特異点挙動を意味しなければならない。
ii)測定μは、できるだけ予測不可能ポイント多様体に近く、より特異的な多様体MSMをもたらさなくてはならない。
予測不可能ポイント多様体の測定は、以下の式に基づいてポイントの予測可能性のレベルを考慮に入れる特異点測定である。
ここで、FはUPMであり、上付き文字の「c」は、補完的セット、言い換えると予測可能ポイントを意味する。この式(5)は、参考文献〔12〕に示されるような式(4)の結論である。したがって、式(5)は、予測可能ポイントについてのみ用いられる勾配の発散がキャンセルされることを示す。
ここで本発明者は、特異点について作業を継続する最も良い方法は、標準的勾配測定のウェーブレット投射として、予測不可能ポイントのセットに基づいて測定を規定することであると提案する。この方法では、予測不可能なポイントのセットの測定は、予測不可能性を許さないように特別に設計される勾配測定のウェーブレット投射である。これは、ベクトル値を有するウェーブレット投射の実行を目的として、ウェーブレット投射の概念を一般化することを必然的に伴う。ベクトル値を用いるウェーブレット投射の使用は、従前からよく知られており、特別な複雑さは問題解決へのアプローチに導入されていない。
上記背景において説明される標準特異点分析に対する他の主な相違は、この発明の提案においては、式(3)に適用される対数回帰によって特異点指数を抽出するために、様々なスケールrにおける特異点測定のウェーブレット投射を行わないということである。
様々なスケールのウェーブレットにおける測定を投射することは演算時間においてコストがかかり、より特異的なものを悪化させるという犠牲を払うことで、特異でない構造の解像度を改良するに役立つのみである(参考文献〔17〕におけるこの点の議論を参照)。本発明に関する基本的目的が最も特異的な構造を抽出することであることを考慮に入れると、多数スケールにわたる投射を行うことは不利である。その代わり、特異点指数のポイント推定量を用いることが提案される(参考文献〔17〕および〔9〕を参照)。すなわち、以下の式(7)である。
ここで、{Tψμ(・、r0)}は、全信号にわたるウェーブレット投射測定であり、補正o(1/log r0)の相対的振幅を減少させるように機能する。式(7)を適用する際に、r0は、この補正を無視するために十分小さくなければならない。スケールr0は、最も利用しにくいもの、言い換えると、1つの画素のスケールとして規定される。従来、1のルベーグ測定は全空間ドメインに適用され、これは、N×M画素の画像の場合、r0の値が以下の式において設定されることを意味する。
したがって、式(7)の右辺の最初の項を特異点指数に対する良好な近似にするためには、一般的に、十分大きな画像が求められる。これは概して、当該方向のうちの1つにおける少なくとも100個の画素の画像を有することを意味する。
本発明の重要な側面は、予測不可能ポイント多様体に基づいて特異点測定を実行するためのデジタルウェーブレットに存在する。この種の予測不可能ポイント多様体に基づく測定の2つの実施を以下に示す。これらは実際的応用に良好な結果をもたらす。デジタル信号の処理において全体的に設計が方向付けられ、この結果、上記表記が理論に基づき、連続スキームに一般化しやすいが、数値的な重みによって上記ウェーブレットは(暗に)規定される。
提供される方法の他の重要な要素は、再構築が数的に安定するように勾配∇sの数的予測を規定する、および/または、確立する方法に存在する。これを行うために、2つの可能な選択肢が挙げられる。すなわち、右側に対する1つの画素またはポイントの差と、1つの画素の半分の差、言い換えると、第1例においては、位置1個分右側へ移動するときの値の差、または第2例においては、ポイントの左右に、位置の半個分だけずつ移動することによって得られる差に等しい補間である。どちらも、フーリエ空間において説明される導関数のコア(中心)によって規定される。
言い換えると、上記の方法における段階a1)の安定した導関数は、1つのポイントの右側への増加、またはポイントの半分の中央への増加に由来して得られる。
以下の式では、∂xについて説明するが、∂yについても説明は同様である。この演算子は、デジタル信号に対して、信号のフーリエ変換を導関数のコアで単純に乗することによって機能し、そして結果を逆変換する。x方向においてNx個の画素またはポイントがあり、y方向にはNy個の画素またはポイントがあることが仮定される。
右側への1つの画素/ポイントの差は式(9)であり、
画素/ポイントの半分の差は式(10)である。
提案される方法の他の基本的側面は、交差フーリエ変換の新しい概念を導入することからなる。任意の予想可能性のレベルを予測するために、再構築の式が用いられる。これは、そのポイントの隣接ポイントのうち、考え得る個数のなかで最も少ない個数のポイントについて、特にその最初の隣接ポイントについて、以下の式によって表される。
2D(dは信号次元を表すので、この場合はd=2)において、それは4つの隣接するポイントからなり、オリジナルポイントとともに交差を形成する。任意の量p(x)について、任意のポイントx0に隣接するものは、上記ポイントおよび最も近接する4つのものを含む5コンポーネントベクトルによって表される。これはここでの約束事として以下の図に示すように番号付けるものとし、この図は2Dの交差におけるポイントの指標化を概略的に示す。このように、中央ポイントには指標0が割り当てられ、その右側へのポイントには指標1が割り当てられ、左側へのポイントには指標2が割り当てられ、上側のポイントには指標3が割り当てられ、下側のポイントには指標4が割り当てられる。これによって、注目ポイントにおける第1隣接環境は、ベクトル(p0、p1、p2、p3、p4)となる。
言い換えると、交差の中央に対して、全ての他のポイントの位置は、(1つのポイントの単位における)±1のシフトに対応し、いずれもx方向またはy方向に位置する。この交差構成に特化される、または適用されるフーリエ変換を規定するために、各方向における基本ナイキスト周波数が2π/3であることを考慮しなくてはならない。表記を単純化するために、基本的複素要素ζが導入される。
本発明によると、任意の5コンポーネントベクトル式(12b)の直交フーリエ変換は、以下の式(13)から得られる複素Tコンポーネントベクトル式(12c)として規定される。
ここで、Fは以下の5×5の複素マトリックスである。
このマトリックスは、交差におけるシフトに関連付けられるハーモニクスの直線的組み合わせを示し、最も近いポイントに基づいて、交差の中央における組成をできるだけ忠実に表現するように設計されている。このマトリックスの逆行列は以下のように容易に算出し得る。
この式(15)のマトリックスは、交差逆フーリエ変換を実行するために必要である。
隣接するものによる中央ポイントの予想可能性のレベルを素早く判定するために、交差に限定される勾配および再構築の式の実施を規定する必要がある。このため、本発明は、交差フーリエ変換に基づいて、勾配と、上記勾配の再構築の式の適切な実施を提案する。
第1の実施は、局所的勾配演算子関数(local gradient operator function)における交差勾配演算子(cross gradient operator)によるものであり、これは演算子式(15b)である。上記演算子は、フーリエ空間において、座標xおよびyをそれぞれ得るために、関数式(15c)および式(15d)で任意の関数を単純に乗することによって機能する。
式(15c)は、交差環境について以下の式(16)のように規定される。
また同様に、
であり、画素の半分の差を表すために規定される。実際、√3=2sin(π/3)である。
第2の実施は、交差再構築演算子(cross reconstruction operator)によるものであって、交差勾配演算子の反転したものの1つである。勾配演算子は、隣接するものを表す5コンポーネントベクトルにおける各コンポーネントに付加される任意の定数を取り除くので、再構築は、該定数の変化によることを除いては十分に規定される。交差再構築演算子について我々が提案する実施は、結果として得られる3コンポーネントベクトルはゼロ平均を持つ、すなわち式(17)bであるということである。
このため、信号は、これら2つの演算子を適用する前に、その平均を減算されなければならない。この効果について、フーリエ変換の、1行目のマトリックス要素は、再構築演算子が適用されるときにハーモニクスが導入されないように、逆交差において適用される。上記1行目の要素の合計が(2×d)−1なので(その結果は2D信号の場合に3)、上記平均を減算するために、環境ベクトル(第1の隣接するもの)の値が加算され、((2×d)−1)で割り算され、その結果に対して環境ベクトルの第1コンポーネントが加えられ、他のコンポーネントが減算される。
交差再構築は、演算子式(17c)である。フーリエ空間では、式(17d)は2つの関数コンポーネントを有し、式(17e)である。上記演算子は、それが作用する勾配における対応するコンポーネント(xおよびy)を有する各コンポーネントの積の合計として作用する。
コンポーネント式(17f)は、以下の式(18)のように交差環境について規定される。
および、式(18b)についても同様に、以下の式(19)の通りである。
このように、本発明の方法の段階b1)において規定される特異点測定は、任意の次元dの空間において規定される一般的な信号について以下の工程によって説明し得る。
ベースポイントxの(2×d)個の第1の隣接するものの環境が抽出され、ポイントxの第1の隣接するものを取得し、続いて第1に、−1を加算し、そして+2を加算することによって上記ポイントxの座標における唯一のものを修正し、ポイントxにおける信号の値である第1コンポーネントを有する(2×d)+1個のコンポーネントのベクトルを形成し、第2に、−1を加算することを通じて第1座標を修正することによってポイントにおける信号の値が得られ、第3に、+1を加算することを通じて第1座標を修正することによってポイントにおける信号の値が得られ、第4に、連続して−1を加算することなどを通じて第2座標を修正することによってポイントにおける信号の値が得られ、
このベクトルの傾向が抽出され、これは((2×d)−1)で割り算される値の合計として規定され、この傾向はベクトルに適用され、ベースポイントxを参照するコンポーネントにそれを加算し、他のコンポーネントからそれを減算し、その結果、取得された新たなベクトルはこのようにゼロ平均を有し、
局所的勾配演算子は上記ゼロ平均ベクトルに適用され、これは(2×d)+1勾配ベクトルを戻し、d個のコンポーネントにおけるこれらのベクトルのそれぞれは局所的勾配を規定し、
ポイントxに関連付けられる上記局所的勾配のコンポーネントがキャンセルされ、
キャンセルされたコンポーネントを有する局所的勾配は、予測される信号と称される(2×d)+1個のコンポーネントを得る上記の局所的勾配演算子に明確に関連付けられる再構築演算子に適用され、
もう一度、局所的勾配演算子が(2×d)+1個のコンポーネントにおける上記ベクトルに適用され、d個のコンポーネントにおける予測される信号および(2×d)+1個のベクトルが取得され、これは上記予測される局所的勾配を規定し、
d個のコンポーネントの(2×d)+1個のベクトルが取得され、これは上記局所的勾配と上記予測される局所的勾配の間の勾配の差を表し、勾配の差におけるこれらの(2×d)+1個のベクトルから、ポイントxに関連付けられる特異点測定が行われる。
ベースポイントxの(2×d)個の第1の隣接するものの環境が抽出され、ポイントxの第1の隣接するものを取得し、続いて第1に、−1を加算し、そして+2を加算することによって上記ポイントxの座標における唯一のものを修正し、ポイントxにおける信号の値である第1コンポーネントを有する(2×d)+1個のコンポーネントのベクトルを形成し、第2に、−1を加算することを通じて第1座標を修正することによってポイントにおける信号の値が得られ、第3に、+1を加算することを通じて第1座標を修正することによってポイントにおける信号の値が得られ、第4に、連続して−1を加算することなどを通じて第2座標を修正することによってポイントにおける信号の値が得られ、
このベクトルの傾向が抽出され、これは((2×d)−1)で割り算される値の合計として規定され、この傾向はベクトルに適用され、ベースポイントxを参照するコンポーネントにそれを加算し、他のコンポーネントからそれを減算し、その結果、取得された新たなベクトルはこのようにゼロ平均を有し、
局所的勾配演算子は上記ゼロ平均ベクトルに適用され、これは(2×d)+1勾配ベクトルを戻し、d個のコンポーネントにおけるこれらのベクトルのそれぞれは局所的勾配を規定し、
ポイントxに関連付けられる上記局所的勾配のコンポーネントがキャンセルされ、
キャンセルされたコンポーネントを有する局所的勾配は、予測される信号と称される(2×d)+1個のコンポーネントを得る上記の局所的勾配演算子に明確に関連付けられる再構築演算子に適用され、
もう一度、局所的勾配演算子が(2×d)+1個のコンポーネントにおける上記ベクトルに適用され、d個のコンポーネントにおける予測される信号および(2×d)+1個のベクトルが取得され、これは上記予測される局所的勾配を規定し、
d個のコンポーネントの(2×d)+1個のベクトルが取得され、これは上記局所的勾配と上記予測される局所的勾配の間の勾配の差を表し、勾配の差におけるこれらの(2×d)+1個のベクトルから、ポイントxに関連付けられる特異点測定が行われる。
交差勾配および交差再構築演算子は、予測不可能なポイント多様体に基づく特異点測定の設計および算出について、計算環境において動作し得るコンピュータプログラムにおいて有利に実現される基本的アルゴリズムによって実行することが可能な、本発明に含まれる手順のうちの2つである。特に、このようなプログラムまたはその一部は、マイクロプロセッサまたはマイクロチップに記憶されるルーチンに含まれ得る。これらの演算子は、より速い数値的実行について、((2×d)+1)×((2×d)+1)のマトリックス形式に単純化し得る。
以下に、本発明の原理に基づいて設計される2つの特異点測定を説明する。
局所的相関特異点測定(lcsm)と、
大域的相関特異点測定(gcsm)である。
局所的相関特異点測定(lcsm)と、
大域的相関特異点測定(gcsm)である。
どちらの測定も、計算環境において動作し得るコンピュータプログラムにおいて優位に実現される特定アルゴリズムによって実行され得る。特に、このようなプログラムまたはその一部は、マイクロプロセッサまたはマイクロチップに記憶されるルーチンに含まれ得る。
局所的相関特異点測定は、任意のポイントにおいて平均のない状態の(言い換えると、一旦平均を取り除いた)信号の実際の値(real value)と、4つの隣接するもの(d=2のとき)に基づいて推測される値との間の差を単純に算出することによって、任意のポイントの予測不可能性を測定するために導き出されたものである。この測定の目的は、任意のポイントX0における以下の式(19b)
を評価することであり、d=2の場合、以下の工程を含む。
1.X0に隣接するものは、先に示した図の交差指数化スキームに従って、5コンポーネントベクトル式(19c)に変換される。
1.X0に隣接するものは、先に示した図の交差指数化スキームに従って、5コンポーネントベクトル式(19c)に変換される。
2.上記ベクトルは適切に修正される。最初の事例では、式(19d)
を取得し、修正されたベクトル式(19e)
は以下のように規定される。
3.交差勾配演算子は、ベクトル↑gxおよび↑gyを得るために、↑pに適用される(↑はベクトルを表す)。
4.上記ベクトルのインデックス0に関連付けられるコンポーネントの値は、後の使用のために保持される。Ax=gx、0、Ay=gy、0
5.上記2つのコンポーネントはゼロに調整される。gx、0=gy、0=0
6.交差再構築演算子は、再構築された信号↑rを得るために、その結果得られるベクトル↑gxおよび↑gyに適用される。
7.交差勾配演算子は、予測された勾配↑ρxおよび↑ρyを得るために、もう一度↑rに適用される。
8.局所的特異点測定は、上記交差の中央における交差勾配の差のモジュールとして規定される。すなわち、以下の式(21)の通りである。
4.上記ベクトルのインデックス0に関連付けられるコンポーネントの値は、後の使用のために保持される。Ax=gx、0、Ay=gy、0
5.上記2つのコンポーネントはゼロに調整される。gx、0=gy、0=0
6.交差再構築演算子は、再構築された信号↑rを得るために、その結果得られるベクトル↑gxおよび↑gyに適用される。
7.交差勾配演算子は、予測された勾配↑ρxおよび↑ρyを得るために、もう一度↑rに適用される。
8.局所的特異点測定は、上記交差の中央における交差勾配の差のモジュールとして規定される。すなわち、以下の式(21)の通りである。
実際、この最後の工程は、ベクトル値を有するウェーブレット投射のモジュールを保持することを意味するが、記述を単純化するためにそのままにしてある。
9.次に、式(7)を適用することによって特異点指数h(x0)が得られる。
9.次に、式(7)を適用することによって特異点指数h(x0)が得られる。
言い換えると、ポイントxに関連付けられる特異点測定は、
勾配における局所的な差の(2×d)+1個のベクトルから、ポイントxに関連付けられるd個のコンポーネントを差し引くことと、
これらのd個のコンポーネントの自乗の合計の平方根として特異点測定を行うことを含み、
任意のポイントの予測不可能性を測定するのに適している局所的相関特異点測定を行う。
勾配における局所的な差の(2×d)+1個のベクトルから、ポイントxに関連付けられるd個のコンポーネントを差し引くことと、
これらのd個のコンポーネントの自乗の合計の平方根として特異点測定を行うことを含み、
任意のポイントの予測不可能性を測定するのに適している局所的相関特異点測定を行う。
大域的相関特異点測定は、予測される信号と実際の信号との間の偏差の大きさだけでなく、取得した勾配の方向における差も考慮することによって、局所的相関特異点測定を向上させる。このため、初期データは信号s(↑x)だけでなく、勾配∇s(↑x)でもある。∇s(↑x)の安定した特徴づけを行うことは非常に重要である。この趣旨で、上記2つのコアが用いられる。1画素分進んだ場合の差のコアと、半画素分増加した場合のコアである。
大域的相関特異点測定はより複雑な構造を有している。しかしながら、本発明者は、特異点を評価し、同時に再構築における高品質を保証するためにはそれが最も効果的であることを実証した。この測定は、2つの段階で行われる。まず、全てのポイントについて勾配差が取得される。次に、各ポイントxにおける測定は、上記ポイントに関連付けられる勾配における差と、上記ポイントに隣接するものの各グループにおける勾配∇sとを組み合わせることによって行われる。
上記測定の目的は、任意のポイントx0において以下の式(21b)
を評価することであり、以下の工程を含む。
第1段階:各ポイントx0での勾配における差を取得すること。
1.x0に隣接するものは、先に示した図における交差指数化スキームに従って、5コンポーネントベクトル式(21c)に変換される。
第1段階:各ポイントx0での勾配における差を取得すること。
1.x0に隣接するものは、先に示した図における交差指数化スキームに従って、5コンポーネントベクトル式(21c)に変換される。
2.ベクトルは適切に修正される。第1の事例では、式(21d)
を取得し、上記修正されたベクトル式(21e)
は以下のように規定される。
3.ベクトル↑gxおよび↑gyを得るために、交差勾配演算子が↑pに適用される。
4.上記ベクトルの指標0に関連付けられるコンポーネントの値は、後の使用のために保持される。Ax=gx、0、Ay=gy、0
5.上記2つのコンポーネントはゼロに調整される。gx、0=gy、0=0
6.再構築された信号↑rを得るために、上記の結果得られるベクトル↑gxおよび↑gyに交差再構築演算子が適用される。
7.予測された勾配ベクトル↑ρxおよび↑ρyを得るために、もう一度交差勾配演算子が↑rに適用される。
8.中央ポイントに関連付けられる勾配における差が生成される。
4.上記ベクトルの指標0に関連付けられるコンポーネントの値は、後の使用のために保持される。Ax=gx、0、Ay=gy、0
5.上記2つのコンポーネントはゼロに調整される。gx、0=gy、0=0
6.再構築された信号↑rを得るために、上記の結果得られるベクトル↑gxおよび↑gyに交差再構築演算子が適用される。
7.予測された勾配ベクトル↑ρxおよび↑ρyを得るために、もう一度交差勾配演算子が↑rに適用される。
8.中央ポイントに関連付けられる勾配における差が生成される。
第2段階:以下の工程に基づいて、勾配における差と、各ポイントに隣接するもののグループの勾配とを組み合わせることによって、大域的相関特異点測定が評価される。
1.各ポイントx0について、そのポイントを中央とする3×3のウィンドウを考慮する。このウィンドウにおいて、各ポイントは座標x0+(dx、dy)を有し、dx、dyは値−1,0,1を有し得る。
2.このウィンドウの勾配における差の自動投射S(x0)が算出される。
1.各ポイントx0について、そのポイントを中央とする3×3のウィンドウを考慮する。このウィンドウにおいて、各ポイントは座標x0+(dx、dy)を有し、dx、dyは値−1,0,1を有し得る。
2.このウィンドウの勾配における差の自動投射S(x0)が算出される。
言い換えると、ポイントxに関連付けられる特異点測定は、
任意のポイントxを囲むd次元ハイパーキューブであって、座標に−1、0または+1が加算されるときに取得されるポイントによって形成され、3d個のポイントを与えるd次元ハイパーキューブを考えることと、
上記ハイパーキューブの各ポイントについて、上記ポイントの局所的勾配における差であるd次元ベクトルを保持することと、
d次元におけるこれらの3d個のベクトルを加算し、その結果得られるベクトルと、ポイントxに関連付けられる勾配の差におけるd次元ベクトルとのスカラー積を算出し、局所的勾配における差の配列指標を与えることとを含む。
勾配における差の配列指標によって、信号が再構築されるときの中央ポイントを削除することによって発生するエラーの間の空間的コヒーレンスの存在を推論することができ、これによって、ノイズ(ランダム配列のノイズ)とコヒーレント信号との間の区別をつけることができる。
3.このウィンドウに関連付けられる勾配のエネルギーE(x0)を取得する。
任意のポイントxを囲むd次元ハイパーキューブであって、座標に−1、0または+1が加算されるときに取得されるポイントによって形成され、3d個のポイントを与えるd次元ハイパーキューブを考えることと、
上記ハイパーキューブの各ポイントについて、上記ポイントの局所的勾配における差であるd次元ベクトルを保持することと、
d次元におけるこれらの3d個のベクトルを加算し、その結果得られるベクトルと、ポイントxに関連付けられる勾配の差におけるd次元ベクトルとのスカラー積を算出し、局所的勾配における差の配列指標を与えることとを含む。
勾配における差の配列指標によって、信号が再構築されるときの中央ポイントを削除することによって発生するエラーの間の空間的コヒーレンスの存在を推論することができ、これによって、ノイズ(ランダム配列のノイズ)とコヒーレント信号との間の区別をつけることができる。
3.このウィンドウに関連付けられる勾配のエネルギーE(x0)を取得する。
4.ポイントx0の勾配における差のエネルギーe(x0)を取得する。
5.最後に、大域的相関特異点測定は以下のように規定される。
この場合、ベクトル値を有するウェーブレット投射が考慮されたとしても、上記規定ははるかに複雑になり、線型性は完全に失われる。
上記ハイパーキューブの勾配エネルギーは、ハイパーキューブの各ポイントの勾配のモジュールの自乗の合計として得られたことが分かるだろう。
別の注目すべき点として、局所的勾配における差の配列指標の絶対値をハイパーキューブの勾配エネルギーで割り算したものの平方根から、大域的特異点測定が、上記のようにして得られる局所的相関特異点測定の積であることが分かる。
6.次に、式(7)を適用することによって特異点指数h(x0)が得られる。
上記ハイパーキューブの勾配エネルギーは、ハイパーキューブの各ポイントの勾配のモジュールの自乗の合計として得られたことが分かるだろう。
別の注目すべき点として、局所的勾配における差の配列指標の絶対値をハイパーキューブの勾配エネルギーで割り算したものの平方根から、大域的特異点測定が、上記のようにして得られる局所的相関特異点測定の積であることが分かる。
6.次に、式(7)を適用することによって特異点指数h(x0)が得られる。
本明細書において説明される発明は、演算または算出ユニット上で動作する計算技術によって実行可能である。上記方法の実行は、デジタル信号における特異点の分析のためのシステムを含み、これは基本部分において、
信号の各ポイントについて、第1の隣接するものを含む局所的環境を取得するための手段と、
信号の各ポイントxについて、以下の関数または再構築の計算式を用いて、各ポイントに関連付けられる対応する環境におけるポイントの値に基づいて、各ポイントの値の推論から構築される、上記対応する環境に基づいて、再構築可能性測定または特異点測定を算出するための手段を含むことを特徴とする。
信号の各ポイントについて、第1の隣接するものを含む局所的環境を取得するための手段と、
信号の各ポイントxについて、以下の関数または再構築の計算式を用いて、各ポイントに関連付けられる対応する環境におけるポイントの値に基づいて、各ポイントの値の推論から構築される、上記対応する環境に基づいて、再構築可能性測定または特異点測定を算出するための手段を含むことを特徴とする。
ここで、sは、任意の信号であり、
F∞は、上記信号sにおける最も特異な多様体またはMSMであり、
式(26b)
F∞は、上記信号sにおける最も特異な多様体またはMSMであり、
式(26b)
は、sの基本的勾配であり、
↑gは、普遍的再構築のカーネルであり、
記号「・」は、たたみ込みスカラー積を意味し、
上記特異点測定は、測定された値と、各ポイントについて推論された値との間の差を含む。
↑gは、普遍的再構築のカーネルであり、
記号「・」は、たたみ込みスカラー積を意味し、
上記特異点測定は、測定された値と、各ポイントについて推論された値との間の差を含む。
改良された実施形態によると、上記システムは、
信号におけるポイント数に対する依存性を抑制するように設計される上記再構築測定における少なくとも1つの対数変換を行うための手段であるとともに、また、信号における各ポイントについて特異点指数を与えるための手段とを、付加的に含み得るとともに、
また概して、
一定間隔でサンプルされるデジタル信号の安定した導関数を得るための手段と、
上記サンプルされたデジタル信号の各ポイントについて、該ポイントにおける関数の特異点測定を行って、ポイントにおける局所的環境と、上記局所的環境における全てのポイントにおける導関数の値との寄与に重み付けを行うための手段と、
サンプルされ、解像度の変化の下で制御的に変化するデジタル信号の振幅の独立した測定を行うという観点で、上記特異点測定における少なくとも1つの対数変換を行うための手段とを、付加的に含み得る。
信号におけるポイント数に対する依存性を抑制するように設計される上記再構築測定における少なくとも1つの対数変換を行うための手段であるとともに、また、信号における各ポイントについて特異点指数を与えるための手段とを、付加的に含み得るとともに、
また概して、
一定間隔でサンプルされるデジタル信号の安定した導関数を得るための手段と、
上記サンプルされたデジタル信号の各ポイントについて、該ポイントにおける関数の特異点測定を行って、ポイントにおける局所的環境と、上記局所的環境における全てのポイントにおける導関数の値との寄与に重み付けを行うための手段と、
サンプルされ、解像度の変化の下で制御的に変化するデジタル信号の振幅の独立した測定を行うという観点で、上記特異点測定における少なくとも1つの対数変換を行うための手段とを、付加的に含み得る。
上記手段は概して、システムにおいて統合される、または、集積回路または専用処理ユニットの形態で実現される、計算またはデータ処理ユニットを含み得る。上記方法の段階を実行するための命令は、演算ユニットにロードされ得るプログラムに記録されるか、または、電子回路に統合される。
以下に、いくつかの実施例を記載するが、異なる分野における発明に基づく方法の応用を限定するものと考えてはならない。以下の実施例において処理される全てのデジタル信号は、図5および図10に対応するものを除いて、公のデータベースから得られたものである。全ての信号は、発明者によってC言語で書かれたプログラムを用いて処理され、Linux演算システムを用いてパーソナルコンピュータ上で動作する。得られた特異点指数は、同じプログラムによってデジタル画像に変換された。
〔実施例1:構造の検出およびパターンの認識〕
特異点指数によって、一度見ただけでは検出が難しい非常にかすかな構造を認識することができる。これは、上記指数が実際の振幅とは関係のない各ポイントにおける信号変化の度合い(言い換えると、それらのぼやけ)を測定するからである。これは、媒体における小さな修正を検出し、画像における新しい構造の存在を証明するために用いられ得る。応用の範囲は、操作された写真の検出に加えて、医学用画像から遠隔検出に至るまで、画像についての全ての形態を含む。
特異点指数によって、一度見ただけでは検出が難しい非常にかすかな構造を認識することができる。これは、上記指数が実際の振幅とは関係のない各ポイントにおける信号変化の度合い(言い換えると、それらのぼやけ)を測定するからである。これは、媒体における小さな修正を検出し、画像における新しい構造の存在を証明するために用いられ得る。応用の範囲は、操作された写真の検出に加えて、医学用画像から遠隔検出に至るまで、画像についての全ての形態を含む。
図1は、MeteoSat衛星画像(参考文献〔14〕を参照)からの内部海洋波の検出を示す。左側の画像は、潜水艦Mascarene Ridgeの上方から、2004年12月27日に取得された、MeteoSat V衛星の可視チャンネルの一部を示している。上記画像は、およそ2.5キロメートル×2.5キロメートルの解像度を有し、500×500画素(1250km×1250kmの領域に対応)を含む。雲がぼやけた白い領域として表れ、一方、海は暗い背景となっている。右側の画像は、最も明るい色を最も低い値に割り当てるパレットを用いて示される、関連付けられた特異点指数を示す。1.8MHzで2つのCentrinoプロセッサを有するラップトップコンピュータにおいて上記特異点指数を得るために約10秒かかった(他の実施例における同様の時間は同じコンピュータを示す)。雲および大気の流れに関連付けられるより豊かな構造に加えて、500kmにのぼる同軸海洋前線の存在が示され、画像の中央はおそらく内部波である。ここで我々は、内部海洋波の十分な知識を有することが、海洋においてエネルギーおよび混合物(栄養分の混合、汚染物質の拡大など)の損失の過程を理解する上で鍵となることを知った。それにも関わらず、これらの波によって影響を及ぼされる惑星の領域についての情報は非常に少なく、あまりシステマティックなものではない。例えば、右側の画像で示されるものについて、それらが大きく伸びているにも関わらず(最大300kmによって分離される500kmにのぼる様々な前線がある)、現時点まで発表されていなかった。
図2では、頂上部分が、偽色彩のMendota湖(スイス)における藻の増殖の画像を、上記藻の増殖のコントラストを増加させるための様々なチャンネルの組み合わせとして示す。図の下の部分は、特異点指数を示し、該特異点指数は、最低値が最も明くなる灰色の影のパレットを用いて示され、わずか3秒の計算に基づいて得られる。
図3では、上の部分が、不特定の日時にLandSatのバンド8によって登録されたAlfacs湾(NE Spain、River Ebro Delta)の画像である。この画像の解像度は2.5メートルで、示されるゾーンは500×500画素をカバーする。この図の下の部分は、特異点指数(計算時間:10秒)を示す。上の画像においてかろうじて視認できるいくつかのボートが、下の画像ではくっきりとした輪郭で現れる。様々な波の前線も観察することができる。
左側の図4は、2008年10月10日にアクセスされたデジタル形式胸部スキャン(USF Digital Mammography Home Page,http://marathon.csee.usf.edu/Mammography/Database.html)の公文書から抽出された1976×4312画素の解像度を有するデジタル形式のマンモグラフィーを示す。この画像の右側は、関連付けられる特異点指数(計算時間:約4分)を示す。この分析は、胸部を形成する様々な組織の構造を明らかにする。この分析によれば、損傷の早期検出が可能となり得る。同時に、コントラストに関係のない特異線を検出する容量によって、パターンの検出に必要とされるx線への被爆を低減することができる。
図5では、上の画像は、光学顕微鏡で得られた、間期のたまねぎ細胞の核の200×200画素の画像を示す(Higher Council of Scientific Research、Molecular Biology Institute of Barcelona、Elisenda GendraおよびMonica Ponsの提供の画像)。この画像は、488nm波長におけるアルゴンレーザー光を用いて、透過モード(Nomarski)にて、Leica SP1共焦点顕微鏡から得られた。同じ図の下の部分は、関連付けられる特異点指数を示す(計算時間:約2分)。特異点の分析は、核の内側およびその周辺のコヒーレント線の存在を明らかにし、クロマチンなどの核および核膜における要素と関連する構造とおそらく関連付けられ、このような構造は、特にしみやマーキングの何らかの形態が存在しない場合、光学媒体を用いて解決または解明することが困難である、または不可能である。特異点指数は、例えば核の二重膜構造を周辺的に示しているように見え、核を満たすクロマチン繊維に関連付けられる構造も示しているように見える。
〔実施例2:画像圧縮およびノイズ除去〕
再構築の式によって、かなり高品質で最も特異なポイントのセットに基づいて画像を再生成することができる。上記セットはほとんど分散する傾向にあり、合計ポイントの20〜30%を占める。記述を完全にするために、上記ポイントについての勾配は記録および記憶される必要があり、コンパクトに符号化される必要がある。勾配が、最も特異な多様体MSMにおけるラインについてスムーズに変化することが観察され、それらをコンパクトに符号化できることが実現可能と考えられる。このため、最も特異な多様体MSMに基づく画像の再構築は、高品質画像のための圧縮コードを与えるための可能性を有することが証明された。
再構築の式によって、かなり高品質で最も特異なポイントのセットに基づいて画像を再生成することができる。上記セットはほとんど分散する傾向にあり、合計ポイントの20〜30%を占める。記述を完全にするために、上記ポイントについての勾配は記録および記憶される必要があり、コンパクトに符号化される必要がある。勾配が、最も特異な多様体MSMにおけるラインについてスムーズに変化することが観察され、それらをコンパクトに符号化できることが実現可能と考えられる。このため、最も特異な多様体MSMに基づく画像の再構築は、高品質画像のための圧縮コードを与えるための可能性を有することが証明された。
図6で、一番上の部分は、imk01020.imcとして参考文献〔18〕において特定されるvan Haterenの画像を示す。この画像は、28mmの焦点距離を有するCCDカメラを用いて得られ、1536×1024画素のマトリックスによって規定される。このデータは、12名目ビットの灰色の影として符号化される。特異点指数を得るために50秒かかった。この図の中央部分は、最も特異なポイントの30%を示す。最も下の部分では、中央部分で示されるMSMについての勾配に基づいて画像が再構築され、高品質であることを示す、37dBのピーク信号 −ノイズ比率(PSNR)を用いて測定される質を得る。
図7は、MSMを介した再構築によってどのように信号に存在するノイズを低減することができるかを示す。この図の上の部分は、200×200画素の解像度を有する原画像(Lenaの画像。画像処理におけるIEEE標準)を示す。下の部分は、関連するMSMに基づく再構築を示す。MSMに含まれる輪郭および境界は、再構築時に維持されるが、ノイズに関連付けられる遷移であってコヒーレント前線を形成しない遷移はほとんど取り除かれる。これは、再構築された画像において、面におけるいくつかの領域において特に顕著である。
〔実施例3:地球物理学的な、また他のタイプの画像における流れ線の判定〕
特異点指数の規定が確立される理論的根底を考えると、特異点指数は乱流において可変であるスカラーの画像を分析するために用いられるときに非常に有効である。この理論は、特異点は移流される(言い換えると、流体によって運ばれる)ことを予測しており、そのため、特異点は、カレントラインを追跡するために用いられ得る。本質的に、流れの通路は、温度、クロロフィル濃度、および同様の指標と関連付けられる画像を分析するだけで追跡することができる。ボード衛星Modis AcquaおよびTRMMのマイクロ波センサ(MW SST)によって検出される海面温度から導き出される特異点の結果は、高度計マップと比較される。
特異点指数の規定が確立される理論的根底を考えると、特異点指数は乱流において可変であるスカラーの画像を分析するために用いられるときに非常に有効である。この理論は、特異点は移流される(言い換えると、流体によって運ばれる)ことを予測しており、そのため、特異点は、カレントラインを追跡するために用いられ得る。本質的に、流れの通路は、温度、クロロフィル濃度、および同様の指標と関連付けられる画像を分析するだけで追跡することができる。ボード衛星Modis AcquaおよびTRMMのマイクロ波センサ(MW SST)によって検出される海面温度から導き出される特異点の結果は、高度計マップと比較される。
高度計データは生成することが非常に困難であり、非常に低い空間解像度を有し、低ステップフィルタを用いて行う濾過を必要とする。さらに、質の高い高度計マップを生成するために、様々な高度計を組み合わせる必要があるが、2003年から2基の衛星しか稼動状態になく、じきにそのうちの1つ、または全部が稼動しなくなってしまう。しかしながら、MW SSTははるかに安価であり、大きなゾーンに対して総括的に得られ、処理も容易である。上記比較で示されるように、特異点は循環パターンの輪郭をかなり良好に示し、それらが流れによってチャンネルとなることを示す。このため、特異点分析を用いて流れを判定することは、環境的リスクの管理のための操作可能な海洋システムとして浮上する。
図8において、下の部分は、上の部分で示されるマイクロ波(MW SST) −AMSR −E −TMIから得られる海面温度の画像から導き出される特異点指数を示し、2003年2月1日のものに対応する(遠隔探査システムからダウンロードした画像。http://www.ssmi.com/;特異点の分析のための計算時間:約5秒)。ここで示されるゾーンは、メキシコ湾における流れに対応する。温度マップは、1/4度の一定角度解像度を有する円柱状投射グリッドにおいて形成される。図9の上の部分は、同日、2003年2月1日について、4つの高度計衛星の内挿によって得られる地衡流の場を示し、この図の下の部分は、2つの場(前の図における温度の特異点指数と、この図の上の部分の地衡速度場)の重なりを示す。
〔実施例4:乱流における可変列の動態分析〕
最近、流体に対する数値的なシミュレーションは、天気および海洋予報などのタスクにおいて不可欠なツールであり、モデルの空気力学的なプロトタイプ化、または化学反応および燃焼反応の分析における様々な問題が産業上の関心を集めている。しかしながら、荒れた状態における流体の混沌とした性質を考慮すると、数値的なシミュレーションにおいて用いられる分散型グリッド(discretised grid)によって課されるもののような有限な自由度数によって限定される、正確な記述を作成することは不可能である。この問題は、特定のサイズのグリッドステップを用いて流体を記述するとき、より小さなスケールで発生する動きを分解することができず、このため流体の混沌とした性質が予測できないという事実の結果である。
最近、流体に対する数値的なシミュレーションは、天気および海洋予報などのタスクにおいて不可欠なツールであり、モデルの空気力学的なプロトタイプ化、または化学反応および燃焼反応の分析における様々な問題が産業上の関心を集めている。しかしながら、荒れた状態における流体の混沌とした性質を考慮すると、数値的なシミュレーションにおいて用いられる分散型グリッド(discretised grid)によって課されるもののような有限な自由度数によって限定される、正確な記述を作成することは不可能である。この問題は、特定のサイズのグリッドステップを用いて流体を記述するとき、より小さなスケールで発生する動きを分解することができず、このため流体の混沌とした性質が予測できないという事実の結果である。
これらの分解できないスケールを取り扱うための通常の方法は、エディ粘度およびエディ拡散率として知られる、(速度場についての)経験的粘度係数と、(シミュレーションにおいて考慮される各変数についての)経験的拡散率を導入することである。これらの係数は、これらの分解されないスケールにおいて考慮される変数における幾分かランダムで均一の分散を示す。上記係数は、ある状況では、シミュレーションを通じて、分解されないスケールが分解されたスケールに及ぼす影響をモデル化するのに役立つ。例えば、乱気流が十分に発達する場合や、分解されないスケールにおける典型的分散時間と比べて、シミュレーションの統合時間が十分に長い場合である。
流体におけるエディ粘度およびエディ分散率係数の表示は、十分な質を有する数値的モデルを用いて乱気流の発達を記述するためには不可欠である。これらの係数を良好に判定することは、これらの予報の有効性の時間範囲を延ばすために、また、数値的シミュレーションに伴う上記の変数についてより高い精度を得るために、極めて重要である。しかしながら、最近用いられるほとんどの数値的モデルにおいて、これらの係数は流体のドメイン全体にわたって定数と見なされる。この定数は、その値を常に動態的シーケンス分析の予測実験値と比較しながら、以下の式に基づいて各数値的実行について発見的な方法で推測される。
Κ0は大域的経験分散率係数であり、θ0は分析される変数であり、下付き文字の0は、処理が行われるスケールを意味し、三角括弧は流体における空間的ドメイン全体を通じての平均を意味する。θ0の代わりに流れ関数(current function)が用いられる場合、評価されるものは分散率の代わりに粘度である。
実際、上記の分散率の大域的予測から、ドメインにおける各ポイントについてのこの係数の局所的予測まで行うことができる。これを行うために、上記表現の時間導関数の平均や勾配の平均は、評価ポイントから離れるほど重みが減少するように重み付けされた平均と置き換えられる。しかしながら、上記の大域的評価の式はすでに幾分か不安定であり、局所的式は極めて不安定であり、あるポイントにおいて負の局所的分散率値を生み出し、物理的に受容不可能なものとなっている。本発明の方法の応用によって、より安定した変数(MSMの密度)を得ることが可能であり、これに基づいて、大域的な分散率の非常に安定した評価が得られ、局所的分散率の評価はいずれのポイントにおいても負ではない。
一例として、局所的分散率は、室内実験において分散される着色剤の画像を用いることによって評価されてきた。図10の一番上の列は、ある2つの時刻における実験室における2D乱流媒体において分散される着色剤を示し、左のコラムについてt=0sであり、右のコラムについてはt=10sである。(一番上の列の画像は、Paris、Ecole Normale Superieure、Patrick Tabelingからの提供)。同じ図の中央列では、局所的エディ分散率の評価は、上記一番上の列の図の灰色の影に基づいて評価される着色剤の濃度を変数θ0として用いることによって一番上の列の画像と同じモーメントにおける全てのポイントについて示される。こうして得られた局所的分散率の値は、ゼロに近い値についての中間色(白)を伴う、2つの極端な色(負について赤、負について青)のパレットを用いて示された。図の理解を促進するために、太い斜線の陰影部分が、大きなサイズの負の値を有するゾーンに覆いかぶさり、細い水平線の陰影部分が、最も高い正の値を有するゾーンに覆いかぶさる。これらの中央列の画像が示すように、濃度に基づく分散率の評価は、負の値を有する広い領域をもたらすもとである。加えて、この列が処理されると、ある領域における局所的分散率における評価される値が特定の時刻に突然変化するので、上記判定が非常に不安定になることが分かる。最後に、一番下の列は、本発明を用いて評価される特異点指数に基づいて算出されるMSMの密度関数に基づいて得られる、上記と同じ2つの時刻における局所的分散率評価を示す。この図が示すように、局所的分散率におけるこれらの評価は、負の値を有する領域を示さない。また、列全体を見ると、全てのポイントにわたって局所的分散率値が、なだらかに、かつ連続して展開していることが分かる。
次に、当該分野の状況に関する科学的発表についての一連の参考文献を示す。これらは本発明において説明される側面を反映する。
〔参考文献〕
[1]A.Arneodo。フラクタルのウェーブレット分析:数学的概念から実験的事実まで。In G.Erlebacher、M.Yousuff Hussaini、L.M.Jameson、ウェーブレット編集者。理論と応用、349ページ。オックスフォード大学出版部。計算科学および工学のICASE/LaRCシリーズ、オックスフォード、1996。(A.Arneodo.Wavelet analysis of fractals:from the mathematical concepts to experimental reality.In G.Erlebacher、M.Yousuff Hussaini、and L.M.Jameson、editors、Wavelets.Theory and applications、page 349.Oxford University Press.ICASE/LaRC Series in Computational Science and Engineering、Oxford、1996.)
[2]A.Arneodo,F.Argoul、E.Bacry、J.Elezgaray,and J.F.Muzy.Ondelettes,乱流におけるマルチフラクタル。Diderot Editeur、パリ、フランス、1995年。(A.Arneodo、F.Argoul、E.Bacry、J.Elezgaray、and J.F.Muzy.Ondelettes、multifractales et turbulence.Diderot Editeur、Paris、France、1995.)
[3]U.Frisch.Turbulence.ケンブリッジ大学出版部、ケンブリッジMA、1995年。(U.Frisch.Turbulence.Cambridge Univ.Press、Cambridge MA,1995.)
[4]S.Mallat.多解像信号分解の理論:ウェーブレット表示。パターン分析および人工知能におけるIEEE処理、11:67−93,1989年。(S.Mallat.A theory for multiresolution signal decomposition:the wavelet representation.IEEE Transaction on Pattern Analysis and Machine Intelligence、11:67−93、1989.)
[5]S.Mallat and W.L.Huang.特異点検出およびウェーブレットを用いた処理。IEEE Trans.in Inf.Th.,38:617−643,1992年。(S.Mallat and W.L.Huang.Singularity detection and processing with wavelets.IEEE Trans.in Inf.Th.、38:617−643,1992.)
[6]S. Mallat and S. Zhong.ウェーブレット変換最大値およびマルチスケールエッジ。In Ruskai M. B.et al、および編集者、ウェーブレットおよびその応用。JonesおよびBartlett,ボストン、1991年。(S.Mallat and S.Zhong.Wavelet transform maxima and multiscale edges.In Ruskai M.B.et al,editor,Wavelets and their applications.Jones and Bartlett,Boston、1991.)
[7]D. Marr.Vision.FreemanおよびCo.Nueva York,1982年。(D.Marr.Vision.Freeman and Co.Nueva York、1982.)
[8]G.ParisiおよびU.Frisch.十分発達した乱流の特異点構造について。In M.Ghil、R.BenziおよびG.Parisi、編集者、地球物理学的流体力学における乱流および予測可能性。Proc.Intl.物理学校E.Fermi、84−87ページ、アムステルダム、1985年。北ホランド。(G.Parisi and U.Frisch.On the singularity structure of fully developed turbulence.In M. Ghil,R.Benzi、and G.Parisi、editors、Turbulence and Predictability in Geophysical Fluid Dynamics. Proc.Intl.School of Physics E.Fermi、pages84−87,Amsterdam、1985.North Holland.)
[9]O.Pont,A.Turiel、およびC.Perez−Vicente。ミクロカノニカルマルチフラクタルフォナリズムのモノフラクタルシステムへの応用。物理概観E、74:061110、2006年。(O.Pont,A.Turiel、and C.Perez−Vicente.Application of the microcanonical multifractal fonnalism to monofractal systems.Physical Review E、74:061110、2006.)
[10]Z.R.Struzik。局所的特異点の強さおよびウェーブレット変換を伴うそれらのスペクトルの判定。フラクタルズ。8(2):163−179,2000年6月。(Z.R.Struzik.Determining local singularity strengths and their spectra with the wavelet transfonn.Fractals、8(2):163−179、June 2000.)
[11]A.Turiel。静止画像におけるマルチフラクタル組織の関連性。コンピュータビジョンおよびマルチフラクタル分析における電子文字。1(1):35−49,2003年。(A.Turiel.Relevance of multifractal textures in static images.Electronic Letters on Computer Vision and Image Analysis、1(1):35−49、2003.)
[12]A.TurielおよびA.del Pozo。最も特異なフラクタル多様体からの画像の再構築。IEEE Trans.Im.Proc.、11:345−350,2002年。(A.Turiel and A.del Pozo.Reconstructing images from their most singular fractal manifold.IEEE Trans.Im.Proc.、11:345−350、2002.)
[13]A.Turiel,J.Isern−Fontanet,E.Garcia−Ladona,およびJ.Young。地球静止軌道上の日光衛星画像からの、インド洋の波面の検出。Proxima aparicion en el遠隔探査に関する国際学術誌、2007年。(A.Turiel、J.Isern−Fontanet、E.Garcia−Ladona、and J.Young.Detection of wave fronts in the Indian Ocean from geostationary sunglint satellite imagery.Proxima aparicion en el International Journal of Remote Sensing、2007.)
[14]A.TurielおよびN.Parga。自然画像におけるコントラスト変化のマルチフラクタル構造:鋭利な先端から組織まで。神経演算、12:763−793,2000年。(A.Turiel and N.Parga.The multi−fractal structure of contrast changes in natural images:from sharp edges to textures.Neural Computation、12:763−793,2000.)
[15]A.TurielおよびC.Perez−Vicente。株式市場時系列におけるマルチフラクタル幾何学。Physica A、322:629−649、2003年5月。(A.Turiel and C.Perez−Vicente.Multifractal geometry in stock market time series.Physica A、322:629−649,May 2003.)
[16]A.TurielおよびC.Perez−Vicente。株式市場時系列の分析におけるマルチフラクタルソースの役割。Physica A、355:475−496、2005年9月。(A.Turiel and C.Perez−Vicente. Role of multifractal sources in the analysis of stock market time series.Physica A、355:475−496、September 2005.)
[17]A.Turiel、C.Perez−Vicente、およびJ.Grazzini。サンプルされたデータにおけるマルチフラクタル特異点スペクトルの予測のための数値的方法:比較研究。計算物理学誌、216(1):362−390、2006年7月。(A.Turiel、C.Perez−Vicente、and J.Grazzini.Numerical methods for the estimation of multifractal singularity spectra on sampled data: a comparative study. Journal of Computational Physics, 216(1):362−390, July 2006.)
[18]J.H.van HaterenおよびA.van der Schaaf。主要な視覚野における単純細胞と比較される自然画像における独立した成分フィルタ。Proc.R.Soc.Lond.、B265:359−366、1998年。(J.H.van Hateren and A.van der Schaaf.Independent component filters of natural images compared with simple cells in primary visual cortex.Proc.R.Soc.Lond.、B265:359−366,1998.)
[1]A.Arneodo。フラクタルのウェーブレット分析:数学的概念から実験的事実まで。In G.Erlebacher、M.Yousuff Hussaini、L.M.Jameson、ウェーブレット編集者。理論と応用、349ページ。オックスフォード大学出版部。計算科学および工学のICASE/LaRCシリーズ、オックスフォード、1996。(A.Arneodo.Wavelet analysis of fractals:from the mathematical concepts to experimental reality.In G.Erlebacher、M.Yousuff Hussaini、and L.M.Jameson、editors、Wavelets.Theory and applications、page 349.Oxford University Press.ICASE/LaRC Series in Computational Science and Engineering、Oxford、1996.)
[2]A.Arneodo,F.Argoul、E.Bacry、J.Elezgaray,and J.F.Muzy.Ondelettes,乱流におけるマルチフラクタル。Diderot Editeur、パリ、フランス、1995年。(A.Arneodo、F.Argoul、E.Bacry、J.Elezgaray、and J.F.Muzy.Ondelettes、multifractales et turbulence.Diderot Editeur、Paris、France、1995.)
[3]U.Frisch.Turbulence.ケンブリッジ大学出版部、ケンブリッジMA、1995年。(U.Frisch.Turbulence.Cambridge Univ.Press、Cambridge MA,1995.)
[4]S.Mallat.多解像信号分解の理論:ウェーブレット表示。パターン分析および人工知能におけるIEEE処理、11:67−93,1989年。(S.Mallat.A theory for multiresolution signal decomposition:the wavelet representation.IEEE Transaction on Pattern Analysis and Machine Intelligence、11:67−93、1989.)
[5]S.Mallat and W.L.Huang.特異点検出およびウェーブレットを用いた処理。IEEE Trans.in Inf.Th.,38:617−643,1992年。(S.Mallat and W.L.Huang.Singularity detection and processing with wavelets.IEEE Trans.in Inf.Th.、38:617−643,1992.)
[6]S. Mallat and S. Zhong.ウェーブレット変換最大値およびマルチスケールエッジ。In Ruskai M. B.et al、および編集者、ウェーブレットおよびその応用。JonesおよびBartlett,ボストン、1991年。(S.Mallat and S.Zhong.Wavelet transform maxima and multiscale edges.In Ruskai M.B.et al,editor,Wavelets and their applications.Jones and Bartlett,Boston、1991.)
[7]D. Marr.Vision.FreemanおよびCo.Nueva York,1982年。(D.Marr.Vision.Freeman and Co.Nueva York、1982.)
[8]G.ParisiおよびU.Frisch.十分発達した乱流の特異点構造について。In M.Ghil、R.BenziおよびG.Parisi、編集者、地球物理学的流体力学における乱流および予測可能性。Proc.Intl.物理学校E.Fermi、84−87ページ、アムステルダム、1985年。北ホランド。(G.Parisi and U.Frisch.On the singularity structure of fully developed turbulence.In M. Ghil,R.Benzi、and G.Parisi、editors、Turbulence and Predictability in Geophysical Fluid Dynamics. Proc.Intl.School of Physics E.Fermi、pages84−87,Amsterdam、1985.North Holland.)
[9]O.Pont,A.Turiel、およびC.Perez−Vicente。ミクロカノニカルマルチフラクタルフォナリズムのモノフラクタルシステムへの応用。物理概観E、74:061110、2006年。(O.Pont,A.Turiel、and C.Perez−Vicente.Application of the microcanonical multifractal fonnalism to monofractal systems.Physical Review E、74:061110、2006.)
[10]Z.R.Struzik。局所的特異点の強さおよびウェーブレット変換を伴うそれらのスペクトルの判定。フラクタルズ。8(2):163−179,2000年6月。(Z.R.Struzik.Determining local singularity strengths and their spectra with the wavelet transfonn.Fractals、8(2):163−179、June 2000.)
[11]A.Turiel。静止画像におけるマルチフラクタル組織の関連性。コンピュータビジョンおよびマルチフラクタル分析における電子文字。1(1):35−49,2003年。(A.Turiel.Relevance of multifractal textures in static images.Electronic Letters on Computer Vision and Image Analysis、1(1):35−49、2003.)
[12]A.TurielおよびA.del Pozo。最も特異なフラクタル多様体からの画像の再構築。IEEE Trans.Im.Proc.、11:345−350,2002年。(A.Turiel and A.del Pozo.Reconstructing images from their most singular fractal manifold.IEEE Trans.Im.Proc.、11:345−350、2002.)
[13]A.Turiel,J.Isern−Fontanet,E.Garcia−Ladona,およびJ.Young。地球静止軌道上の日光衛星画像からの、インド洋の波面の検出。Proxima aparicion en el遠隔探査に関する国際学術誌、2007年。(A.Turiel、J.Isern−Fontanet、E.Garcia−Ladona、and J.Young.Detection of wave fronts in the Indian Ocean from geostationary sunglint satellite imagery.Proxima aparicion en el International Journal of Remote Sensing、2007.)
[14]A.TurielおよびN.Parga。自然画像におけるコントラスト変化のマルチフラクタル構造:鋭利な先端から組織まで。神経演算、12:763−793,2000年。(A.Turiel and N.Parga.The multi−fractal structure of contrast changes in natural images:from sharp edges to textures.Neural Computation、12:763−793,2000.)
[15]A.TurielおよびC.Perez−Vicente。株式市場時系列におけるマルチフラクタル幾何学。Physica A、322:629−649、2003年5月。(A.Turiel and C.Perez−Vicente.Multifractal geometry in stock market time series.Physica A、322:629−649,May 2003.)
[16]A.TurielおよびC.Perez−Vicente。株式市場時系列の分析におけるマルチフラクタルソースの役割。Physica A、355:475−496、2005年9月。(A.Turiel and C.Perez−Vicente. Role of multifractal sources in the analysis of stock market time series.Physica A、355:475−496、September 2005.)
[17]A.Turiel、C.Perez−Vicente、およびJ.Grazzini。サンプルされたデータにおけるマルチフラクタル特異点スペクトルの予測のための数値的方法:比較研究。計算物理学誌、216(1):362−390、2006年7月。(A.Turiel、C.Perez−Vicente、and J.Grazzini.Numerical methods for the estimation of multifractal singularity spectra on sampled data: a comparative study. Journal of Computational Physics, 216(1):362−390, July 2006.)
[18]J.H.van HaterenおよびA.van der Schaaf。主要な視覚野における単純細胞と比較される自然画像における独立した成分フィルタ。Proc.R.Soc.Lond.、B265:359−366、1998年。(J.H.van Hateren and A.van der Schaaf.Independent component filters of natural images compared with simple cells in primary visual cortex.Proc.R.Soc.Lond.、B265:359−366,1998.)
Claims (21)
- デジタル信号における特異点の分析のための方法において、
a)信号における各ポイントxについて、第1の隣接するものの環境すなわち局所的環境を判定する段階と、
b)上記信号における各ポイントxについて、関連する局所的環境に基づいて、以下の再構築の式を用いて上記局所的環境のポイントの値に基づいて上記ポイントにおける信号の値を推測することから構築される再構築可能性測定すなわち特異点測定を計算する段階とを含み、再構築の式は、式(C1)で示され、
F∞は、上記信号における最も特異な多様体すなわちMSMであり、
式(C2)
↑gは、普遍的再構築のカーネルであり、
記号「・」は、たたみ込みスカラー積を意味し、
上記再構築の式は、特異点測定が、測定された値と再構築の式から推測された値との差を含むように、上記局所的環境に適用されることを特徴とする、方法。 - 上記測定の、信号におけるポイント数に対する依存性を抑制する、上記特異点測定における少なくとも1つの対数変換を行うことと、信号における各ポイントについての特異点指数を得ることを含む第3段階c)をまた含むことを特徴とする、請求項1に記載の方法。
- 段階a)を行う前に、一定間隔でサンプルされる上記デジタル信号における安定した導関数を得ることを含むことを特徴とし、
段階b)では、サンプルされた上記デジタル信号における各ポイントについて、上記ポイントの関数における特異点測定を得て、ポイントの局所的環境と、上記局所的環境における全てのポイントにおける導関数の値との寄与に重み付けを行うことを含むことを特徴とする、請求項2に記載の方法。 - 段階a)の前のデジタル信号における安定した導関数が、右への1ポイントの増加または中央の半ポイントの増加の導関数によって得られ、上記導関数は、どちらの場合にも、フーリエ空間において、対応する導関数のコアで信号を乗することによって規定され、導出されるポイントが座標方向xにNx個存在すると仮定すると、導関数のコアは以下のように示され、
右への1つのポイントの差:
dコンポーネントのそれぞれに関連付けられるコアで、上記信号のフーリエ変換のコピーを乗する段階と、
逆変換をこれらのd個のコンポーネントに適用する段階とを含むことを特徴とする、請求項3に記載の方法。 - 少なくとも1つの、段階c)における対数変換が行われる際、
サンプルされるデジタル信号における各ポイントについて、段階b)において得られた測定が、全ての点における測定の平均で割り算され、
上記割り算で得られた結果の対数が、上記信号におけるポイントの合計数のd乗根(d-nth root)として規定される、サンプルされた上記デジタル信号の最小スケールの対数で割り算され、dは、上記信号に固有の変数の次元または数であることを特徴とする、請求項2に記載の方法。 - 段階b)において規定される特異点測定の算出は、
ベースポイントxにおける(2×d)個の第1の隣接するものの環境ベクトルを算出し、上記ポイントxの座標におけるただ1つのそれぞれの値に、まず−1と、そして+1を連続して加えることによってポイントxにおける第1の隣接するものを得て、ポイントxにおける上記信号の値である第1コンポーネントと、xの第1座標に−1を加えることによって得られるポイントにおける信号の値である第2コンポーネントと、xの第1座標に+1を加えることによって得られるポイントにおける信号の値である第3コンポーネントと、xの第2座標に−1を加えることによって得られるポイントにおける信号の値である第4コンポーネントなどを連続して有する(2×d)+1の環境ベクトルを形成する工程と、
上記ベクトルのコンポーネントの合計を((2×d)−1)で割り算したものとして規定される、上記ベクトルの傾向を抽出し、この傾向を環境ベクトルに適用し、それを、ベースポイントxを参照するコンポーネントに加え、それを他のコンポーネントから差し引いて、それによって新たに得られた環境ベクトルがゼロ平均を有するようにする工程と、
ゼロ平均を有する上記ベクトルに局所的勾配演算子を適用し、d個のコンポーネントのそれぞれに(2×d)+1個の勾配ベクトルを戻し、この勾配ベクトルで局所的勾配を規定する工程と、
ポイントxに関連付けられる上記局所的勾配におけるコンポーネントをキャンセルする工程と、
キャンセルされた上記コンポーネントを用いて、上記局所的勾配に、予測される信号と称される、(2×d)+1個のコンポーネントのベクトルを得る上記局所的勾配演算子とはっきりと関連付けられる局所的再構築演算子を適用する工程と、
上記局所的勾配演算子をもう一度、(2×d)+1個のコンポーネントのベクトルすなわち上記予測される信号に適用し、d個のコンポーネントのそれぞれに対し、局所的環境の各ポイントのそれぞれについて(2×d)+1個のベクトルを得て、このベクトルで、上記環境についての予測局所的勾配を規定する工程と、
上記局所的勾配と、上記予測局所的勾配との間の勾配における差を示すd個のコンポーネントの(2×d)+1個のベクトルを得る工程と、
勾配差における上記(2×d)+1個のベクトルを用いて、ポイントxに関連付けられる特異点測定を得る工程と
を行うことによって行われることを特徴とする、請求項5に記載の方法。 - (2×d)+1個のコンポーネントのベクトルに適用される上記局所的勾配演算子は、ポイントxと、その(2×d)個の隣接するものとにおける信号の値を含む(2×d)+1個のコンポーネントによって規定されるポイントxの各環境について、この環境の考慮のみを行う局所的フーリエ変換を実行することを特徴とする、請求項6に記載の方法。
- 上記局所的フーリエ変換が((2×d)+1)×((2×d)+1)個のマトリックスとして構築され、このマトリックスの要素のうち、主となる対角線の要素および隣接する対角線の要素を除いて、全ての要素が1の値を有しており、主となる対角線の全ての要素が、1である左の最初のものを除いて、複素指数2×π×i/3であり、ここで、iは−1の平方根であり、隣接する対角線の要素は、上部左から下部右にかけて連続的に、1、−2×π×i/3の指数、1などであることを特徴とする、請求項7に記載の方法。
- 上記局所的フーリエ変換は、((2×d)+1))×((2×d)+1)個の上記マトリックスを、(2×d)+1個のコンポーネントの環境ベクトルに行列的に適用することによって算出されることを特徴とする、請求項8に記載の方法。
- 局所的逆フーリエ変換は、常に存在する、請求項8に記載の方法におけるマトリックスの逆行列を適用することによって算出されることを特徴とする、請求項9に記載の方法。
- (2×d)+1個のコンポーネントにおけるベクトル↑pによって規定されるポイントxにおける各環境について、上記局所的勾配演算子の↑pへの適用によって、ポイントxおよびその環境のポイントについての局所的勾配ベクトルによって表される結果が得られ、
局所的フーリエ変換を↑pに適用する段階と、
任意の座標方向全体を通した導関数を構築するにあたり、−1を上記座標方向の指標に加えることによってポイントxの座標を修正したときに得られるポイントに関連付けられるフーリエ変換ベクトル↑pのコンポーネントにi√3を乗し、+1を上記座標方向の指標に加えることによってポイントxの座標を修正したときに得られるポイントに関連付けられるフーリエ変換ベクトル↑pのコンポーネントに−i√3を乗し、残っているコンポーネントをキャンセルし、それによって、各座標について、座標方向全体を通したd個の導関数ベクトルを得る段階と、
(2×d)+1個のコンポーネントの上記d個のベクトルに局所的逆フーリエ変換を適用し、それによって、各ベクトルが、局所的環境の全てのポイントにおけるd個の座標方向のそれぞれを通じての導関数を表す段階と、
局所的環境のポイントのそれぞれについて、上記ポイントに関連付けられるd個の導関数を互いにグルーピングすることによって、これらのd個のベクトルのコンポーネントを記録し、d個のコンポーネントのそれぞれの、局所的環境の各ポイントにおける勾配を再生する(2×d)+1局所的勾配ベクトルを得る段階とを含むことを特徴とする、請求項10に記載の方法。 - 上記局所的勾配に適用される上記再構築演算子は、局所的演算子の反転として規定され、
(2×d)+1個のコンポーネントのそれぞれについて、各座標方向を通して局所的フーリエ変換をd個の導関数ベクトルに適用する段階と、
任意の座標方向全体を通した再構築ベクトルを構築するにあたり、−1を上記座標方向の指標に加えることによってポイントxの座標を修正したときに得られるポイントに関連付けられるフーリエ変換ベクトル↑pのコンポーネントをi√3で割り算し、+1を上記座標方向の指標に加えることによってポイントxの座標を修正したときに得られるポイントに関連付けられるフーリエ変換ベクトル↑pのコンポーネントを−i√3で割り算し、残っているコンポーネントをキャンセルし、それによって、各座標について、座標方向全体を通したd個の再構築ベクトルを得る段階と、
これらのd個の再構築ベクトルを加算し、
局所的逆フーリエ変換を、前の工程から得られた(2×d)+1個のベクトルに適用する段階とを含むことを特徴とする、請求項6に記載の方法。 - ポイントxに関連付けられる特異点測定が得られる段階b)の最終工程は、
得られた勾配の差である(2×d)+1個のベクトルから、ポイントxに関連付けられるd個のコンポーネントを差し引くことと、
これらのd個のコンポーネントの自乗の合計の平方根として特異点測定を得ることとを含み、
これによって、任意のポイントの予測不可能性を測定するのに適している局所的相関特異点測定が得られることを特徴とする、請求項6に記載の方法。 - ポイントxに関連付けられる特異点測定が得られる段階b)の最終工程は、
任意のポイントxを囲むd次元ハイパーキューブであって、座標指標に−1、0または+1が加算されるときに取得されるポイントによって形成され、3d個のポイントを与えるd次元ハイパーキューブを考えることと、
上記ハイパーキューブにおける各ポイントについて、勾配の差における(ベースポイントに関連付けられる)中央コンポーネントに関連付けられるd次元ベクトルを保持することと、
これらの3d個のベクトルを加え、その結果得られるベクトルと、ポイントxに関連付けられる勾配の差のd次元ベクトルとのスカラー積を算出することとを含み、
これによって勾配の差における配列指標が得られ、信号が再構築されるときに中央ポイントを省略することによって発生するエラーの間の空間的コヒーレンスの存在を推論することができ、(ランダムな向きの)ノイズとコヒーレントな信号との間の区別が可能であることを特徴とする、請求項6に記載の方法。 - 上記方法はさらに、
段階a)を行う前に、一定間隔でサンプルされた上記デジタル信号における安定した導関数を得て、段階b)において、サンプルされた上記デジタル信号の各ポイントについて、上記ポイントにおける関数の特異点測定を得て、上記ポイントの局所的環境と、上記局所的環境の全てのポイントにおける導関数の値の寄与に以下のように重み付けを行うことと、
上記ハイパーキューブの各ポイントの勾配におけるモジュールの自乗を加えることによって上記ハイパーキューブの勾配エネルギーを得ることと、
勾配の差における(2×d)+1ベクトルから、ポイントxに関連付けられるdコンポーネントを差し引く演算と、これらのdコンポーネントの自乗の合計の平方根として特異点測定を得る演算によってポイントxにおける局所的相関特異点測定を得ることとを含み、
局所的勾配における差の配列指標の絶対値をハイパーキューブの勾配エネルギーで割り算したものの平方根から得られる局所的相関特異点測定の積として、大域的特異点測定を得ることを特徴とする、請求項14に記載の方法。 - 段階a)の前のデジタル信号における安定した導関数が、右への1ポイントの増加または中央の半ポイントの増加の導関数によって得られ、上記導関数は、どちらの場合にも、フーリエ空間において、対応する導関数のコアで信号を乗することによって規定され、導出されるポイントが座標方向xにNx個存在すると仮定すると、導関数のコアは以下のように示され、
右への1つのポイントの差:
dコンポーネントのそれぞれに関連付けられるコアで、上記信号のフーリエ変換のコピーを乗する段階と、
逆変換をこれらのd個のコンポーネントに適用する段階とを含むことを特徴とする、請求項15に記載の方法。 - サンプルされた上記デジタル信号が、
d=1の場合、限定ではなく例として、温度、化学種の濃度、電気的強度、強度、圧力、および密度からなるグループから選択される物理的変数の時系列、トランセクト、
d=2の場合、限定ではなく例として、写真画像、生物医学的な画像(超音波スキャン、X線および放射線診断および核医学画像など、一般的にはガンマグラフ、CAT、PET、MRI、および他の任意の技術によって得られる画像など)、顕微鏡画像(光学的、電子的、および他の種類のもの)、地球物理学的画像、衛星から得られる画像または空気や地面によって伝えられるクラフト、埋もれたものの画像、または他の種類の画像、地面、海、空気、衛星、および他の媒体におけるセンサによって2次元に取得される分散変数を含む、実際の環境の画像、
d=3の場合、3次元体積における、前の場合の画像時間系列および2次元変数、
d=4の場合、体積における変数の時間系列、または
任意の次元において、数値的シミュレーションと、合成された信号の結果を示すことを特徴とする、請求項6に記載の方法。 - サンプルされた上記デジタル信号が、乱流体における変数を表すことを特徴とし、また、上記流体の動態分析を実行するために上記変数の安定化のための特異点指数を得ることと、上記変数のエディ分散率、上記流体のエディ粘度、上記流体の分解されないスケールにおける他の代表的な量など、新たな量を得ることを含むことを特徴とする、請求項6に記載の方法。
- デジタル信号における特異点の分析のためのシステムにおいて、
信号における各ポイントについて、第1の隣接するものを含む局所的環境を得るための手段と、
上記信号における各ポイントについて、関連する局所的環境に基づいて、以下の再構築の式を用いて上記局所的環境のポイントの値に基づいて上記ポイントにおける信号の値を推測することから構築される再構築可能性測定すなわち特異点測定を計算するための手段を含み、
F∞は、上記sにおける最も特異な多様体すなわちMSMであり、
↑gは、普遍的再構築のカーネルであり、
記号「・」は、たたみ込みスカラー積を意味し、
上記特異点測定は、測定された値と、各ポイントについて推測された値との間の差を含むことを特徴とする、システム。 - 上記システムはまた、上記信号におけるポイント数に対する依存性を抑制する上記再構築可能性測定における少なくとも1つの対数変換を行って、信号における各ポイントについての特異点指数を得る手段を含むことを特徴とする、請求項19に記載のシステム。
- 上記システムはさらに、
一定間隔でサンプルされたデジタル信号における安定した導関数を得るための手段と、
サンプルされた上記デジタル信号の各ポイントについて、上記ポイントにおける信号の特異点測定を得て、上記ポイントの局所的環境と、上記局所的環境の全てのポイントにおける安定した上記導関数の値の寄与に重み付けを行うための手段とを含むことを特徴とする、請求項20に記載のシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES200702829A ES2322120B1 (es) | 2007-10-26 | 2007-10-26 | Metodo y sistema para analisis de singularidades en señales digitales. |
PCT/ES2008/070195 WO2009053516A1 (es) | 2007-10-26 | 2008-10-24 | Método y sistema para el análisis de singularidades en señales digitales |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2011501308A true JP2011501308A (ja) | 2011-01-06 |
Family
ID=40579120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010530496A Ceased JP2011501308A (ja) | 2007-10-26 | 2008-10-24 | フィンガープリントにおける特異点の分析のための方法およびシステム |
Country Status (8)
Country | Link |
---|---|
US (1) | US20110075903A1 (ja) |
EP (1) | EP2214125B1 (ja) |
JP (1) | JP2011501308A (ja) |
CN (1) | CN101911099A (ja) |
BR (1) | BRPI0816572A2 (ja) |
ES (2) | ES2322120B1 (ja) |
RU (1) | RU2010119650A (ja) |
WO (1) | WO2009053516A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9228785B2 (en) | 2010-05-04 | 2016-01-05 | Alexander Poltorak | Fractal heat transfer device |
CN104968262B (zh) * | 2012-12-13 | 2019-07-23 | 伽甘·锡杜 | 处理多维信号 |
US10698918B2 (en) * | 2013-11-20 | 2020-06-30 | Qliktech International Ab | Methods and systems for wavelet based representation |
CN104035132B (zh) * | 2014-06-24 | 2017-07-07 | 西南石油大学 | 一种探测地下裂缝性储层中裂缝方位的方法 |
WO2018013668A1 (en) | 2016-07-12 | 2018-01-18 | Alexander Poltorak | System and method for maintaining efficiency of a heat sink |
CN111175681B (zh) | 2018-11-13 | 2022-08-30 | 西门子(深圳)磁共振有限公司 | 基于刀锋序列的磁共振成像方法、装置及其存储介质 |
CN109492610B (zh) * | 2018-11-27 | 2022-05-10 | 广东工业大学 | 一种行人重识别方法、装置及可读存储介质 |
CN110502801B (zh) * | 2019-07-25 | 2023-03-24 | 天津大学 | 海洋温度锋自动追踪和特征参数信息提取方法 |
CN112287752B (zh) * | 2020-09-22 | 2024-04-12 | 国家电网有限公司 | 一种水力发电机转轴早期故障特征的提取方法 |
CN113687421B (zh) * | 2021-08-23 | 2022-10-21 | 中国石油大学(北京) | 地震信号的数据处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995029462A1 (en) * | 1994-04-22 | 1995-11-02 | Sony Corporation | Method and device for encoding image signal and image signal decoding device |
JPH1099306A (ja) * | 1996-09-30 | 1998-04-21 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
JPH10269355A (ja) * | 1997-03-27 | 1998-10-09 | Monorisu:Kk | 多重解像度フィルタ処理方法およびその方法を利用することのできる画像マッチング方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2665601A1 (fr) * | 1990-07-31 | 1992-02-07 | Thomson Trt Defense | Procede et dispositif de caracterisation et de localisation en temps reel de singularites d'une image numerisee, notamment pour la reconnaissance de formes dans un traitement d'analyse de scene. |
JP3499254B2 (ja) | 1993-06-04 | 2004-02-23 | 富士写真フイルム株式会社 | 画像データ圧縮処理方法 |
US5377041A (en) * | 1993-10-27 | 1994-12-27 | Eastman Kodak Company | Method and apparatus employing mean preserving spatial modulation for transforming a digital color image signal |
US6141452A (en) | 1996-05-13 | 2000-10-31 | Fujitsu Limited | Apparatus for compressing and restoring image data using wavelet transform |
US6865291B1 (en) * | 1996-06-24 | 2005-03-08 | Andrew Michael Zador | Method apparatus and system for compressing data that wavelet decomposes by color plane and then divides by magnitude range non-dc terms between a scalar quantizer and a vector quantizer |
US6434261B1 (en) * | 1998-02-23 | 2002-08-13 | Board Of Regents, The University Of Texas System | Method for automatic detection of targets within a digital image |
US7062085B2 (en) * | 2001-09-13 | 2006-06-13 | Eastman Kodak Company | Method for detecting subject matter regions in images |
ITBO20010763A1 (it) | 2001-12-14 | 2003-06-16 | Renato Campanini | Metodo , e relativa apparecchiatura , per la ricerca automatica di zone di interesse in immagini digitali di tessuto biologico |
US6925438B2 (en) * | 2002-10-08 | 2005-08-02 | Motorola, Inc. | Method and apparatus for providing an animated display with translated speech |
US6745129B1 (en) * | 2002-10-29 | 2004-06-01 | The University Of Tulsa | Wavelet-based analysis of singularities in seismic data |
EP1579386A1 (fr) * | 2002-12-31 | 2005-09-28 | France Telecom | Procede et dispositif de detection de points d'interet dans une image numerique source, programme d'ordinateur et support de donees correspondants |
US7450779B2 (en) | 2004-05-21 | 2008-11-11 | Imaging Dynamics Company Ltd. | De-noising digital radiological images |
US8126275B2 (en) * | 2007-04-24 | 2012-02-28 | Microsoft Corporation | Interest point detection |
US7603238B2 (en) * | 2007-10-04 | 2009-10-13 | Schlumberger Technology Corporation | Analysis of time-series data using singularities |
-
2007
- 2007-10-26 ES ES200702829A patent/ES2322120B1/es not_active Expired - Fee Related
-
2008
- 2008-10-24 US US12/739,792 patent/US20110075903A1/en not_active Abandoned
- 2008-10-24 WO PCT/ES2008/070195 patent/WO2009053516A1/es active Application Filing
- 2008-10-24 CN CN2008801229788A patent/CN101911099A/zh active Pending
- 2008-10-24 BR BRPI0816572-6A2A patent/BRPI0816572A2/pt not_active IP Right Cessation
- 2008-10-24 JP JP2010530496A patent/JP2011501308A/ja not_active Ceased
- 2008-10-24 ES ES08842547T patent/ES2389982T3/es active Active
- 2008-10-24 EP EP08842547A patent/EP2214125B1/en not_active Not-in-force
- 2008-10-24 RU RU2010119650/08A patent/RU2010119650A/ru not_active Application Discontinuation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995029462A1 (en) * | 1994-04-22 | 1995-11-02 | Sony Corporation | Method and device for encoding image signal and image signal decoding device |
JPH1099306A (ja) * | 1996-09-30 | 1998-04-21 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
JPH10269355A (ja) * | 1997-03-27 | 1998-10-09 | Monorisu:Kk | 多重解像度フィルタ処理方法およびその方法を利用することのできる画像マッチング方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2214125A1 (en) | 2010-08-04 |
ES2322120A1 (es) | 2009-06-16 |
EP2214125A4 (en) | 2010-10-13 |
RU2010119650A (ru) | 2011-11-27 |
CN101911099A (zh) | 2010-12-08 |
EP2214125B1 (en) | 2012-06-20 |
BRPI0816572A2 (pt) | 2015-03-03 |
WO2009053516A1 (es) | 2009-04-30 |
ES2389982T3 (es) | 2012-11-05 |
US20110075903A1 (en) | 2011-03-31 |
ES2322120B1 (es) | 2010-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2011501308A (ja) | フィンガープリントにおける特異点の分析のための方法およびシステム | |
Ceyhun et al. | Remote sensing of water depths in shallow waters via artificial neural networks | |
Frankot et al. | A method for enforcing integrability in shape from shading algorithms | |
Anoop et al. | Retracted article: medical image enhancement by a bilateral filter using optimization technique | |
Sur et al. | Rendering deformed speckle images with a Boolean model | |
Simhadri et al. | Wavelet-based feature extraction from oceanographic images | |
US9501852B2 (en) | Method and apparatus for image fusion | |
Yoon et al. | Surface and normal ensembles for surface reconstruction | |
Moreno López et al. | Evaluation of MRI denoising methods using unsupervised learning | |
Yahia et al. | Motion analysis in oceanographic satellite images using multiscale methods and the energy cascade | |
Fablet et al. | Multimodal 4DVarNets for the reconstruction of sea surface dynamics from SST-SSH synergies | |
Sonogashira et al. | High-resolution bathymetry by deep-learning-based image superresolution | |
Farina et al. | A revised scheme to compute horizontal covariances in an oceanographic 3D-VAR assimilation system | |
Guillet et al. | Modelling spatially correlated observation errors in variational data assimilation using a diffusion operator on an unstructured mesh | |
Holmström et al. | Scale space multiresolution analysis of random signals | |
Qiu et al. | Void filling of digital elevation models with a terrain texture learning model based on generative adversarial networks | |
Du et al. | 3D time series analysis of cell shape using Laplacian approaches | |
Lei et al. | A low-complexity hyperspectral anomaly detection algorithm and its FPGA implementation | |
Kapoor et al. | Skiing on simplices: Kernel interpolation on the permutohedral lattice for scalable gaussian processes | |
Voutilainen et al. | A filtering approach for estimating lake water quality from remote sensing data | |
Chen et al. | Structure tensor-based interpolation for the derivation of accurate digital elevation models | |
CN116664596A (zh) | 港口区域遥感图像的分割方法、装置、电子设备和介质 | |
Holmström | BSiZer | |
Qiu et al. | Blind image deblurring using jump regression analysis | |
CN116309612A (zh) | 基于频率解耦监督的半导体硅晶圆检测方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110420 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120119 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120321 |
|
A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20120731 |