JP2015148979A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2015148979A5 JP2015148979A5 JP2014022034A JP2014022034A JP2015148979A5 JP 2015148979 A5 JP2015148979 A5 JP 2015148979A5 JP 2014022034 A JP2014022034 A JP 2014022034A JP 2014022034 A JP2014022034 A JP 2014022034A JP 2015148979 A5 JP2015148979 A5 JP 2015148979A5
- Authority
- JP
- Japan
- Prior art keywords
- image
- linear combination
- dictionary
- training
- coefficient
- 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
- 239000000203 mixture Substances 0.000 claims description 67
- 230000000875 corresponding Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims 2
- 239000011159 matrix material Substances 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
Description
本発明の一側面としての画像処理方法は、第1の画像を第2の画像に変換する。該画像処理方法は、辞書学習により生成された複数の第1の辞書および該複数の第1の辞書のそれぞれに対応する複数の第2の辞書を用意し、第1の画像を第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を複数の第1の辞書のそれぞれについて行って複数の線形結合係数を求め、該複数の線形結合係数のそれぞれに対して、絶対値が2番目に大きな係数要素に対する絶対値が最大の係数要素の比の値を算出して、該比の値が最大となる特定線形結合係数を選択し、複数の第2の辞書のうち、特定線形結合係数が生成された第1の辞書に対応する特定辞書を選択し、特定線形結合係数と特定辞書の要素との線形結合を用いて第2の画像を生成することを特徴とする。
また、本発明の他の一側面としての画像処理装置は、第1の画像を第2の画像に変換する画像処理を行う。該画像処理装置は、辞書学習により生成された複数の第1の辞書および該複数の第1の辞書のそれぞれに対応する複数の第2の辞書を用意する用意手段と、第1の画像を第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を複数の第1の辞書のそれぞれについて行って複数の線形結合係数を求める係数算出手段と、複数の線形結合係数のそれぞれに対して、絶対値が2番目に大きな係数要素に対する絶対値が最大の係数要素の比の値を算出して、該比の値が最大となる特定線形結合係数を選択する係数選択手段と、複数の第2の辞書のうち、特定線形結合係数が生成された第1の辞書に対応する特定辞書を選択する辞書選択手段と、特定線形結合係数と特定辞書の要素との線形結合を用いて第2の画像を生成する画像生成手段とを有することを特徴とする。
ステップS208では、画像処理装置101は、ステップS207において選択した線形結合係数が生成された第1の辞書と、これに対応する第2の辞書(特定辞書)を選択する。すなわち、i番目の線形結合係数を選択した場合には、この線形結合係数を生成したのはi番目の第1の辞書であるので、これに対応するi番目の第2の辞書を選択する。
ステップS305では、画像処理装置101は、実施例1のステップS205にて説明した方法によって、各クラスタに対して辞書学習を行い、クラスタごとに第1および第2の辞書を生成する。実施例1でも説明したように、クラスタをM個生成した場合にはM組の第1および第2の辞書を生成する。本実施例では、例として10個のクラスタを生成する。第1および第2の辞書の全要素数が多いほど画像処理精度は高くなることは知られている。しかし、全要素数が多いほどそれらを生成するための計算時間が必要となり、処理が遅くなる。このため、本実施例においては、例として、第1および第2の辞書の全要素数をそれぞれ1024個とする。
次に、ステップS702では、画像処理装置は、ステップS302と同様に、第1の訓練画像から複数の第1の訓練小領域を抽出する。なお、ここで抽出する第1の訓練小領域のサイズもステップS302で抽出した訓練小領域のサイズと同じである。
次に、ステップS705では、画像処理装置は、第1の画像の任意の場所から入力小領域を抽出し、抽出した入力小領域のAC成分を第1の辞書の要素の線形結合で近似して1つの線形結合係数を求める。線形結合近似の方法は実施例1のステップS206にて説明した方法と同じである。また、抽出する入力小領域のサイズは、ステップS702で定めた第1の訓練小領域のサイズと同じである。
Claims (9)
- 第1の画像を第2の画像に変換する画像処理方法であって、
辞書学習により生成された複数の第1の辞書および該複数の第1の辞書のそれぞれに対応する複数の第2の辞書を用意し、
前記第1の画像を前記第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を前記複数の第1の辞書のそれぞれについて行って複数の線形結合係数を求め、
前記複数の線形結合係数のそれぞれに対して、絶対値が2番目に大きな係数要素に対する絶対値が最大の係数要素の比の値を算出して、該比の値が最大となる特定線形結合係数を選択し、
前記複数の第2の辞書のうち、前記特定線形結合係数が生成された前記第1の辞書に対応する特定辞書を選択し、
前記特定線形結合係数と前記特定辞書の要素との線形結合を用いて前記第2の画像を生成することを特徴とする画像処理方法。 - 前記第1および第2の辞書を用意するために、
前記第1の画像と前記第2の画像のそれぞれに応じた訓練画像である第1の訓練画像と第2の訓練画像を用意し、
前記第1の訓練画像から複数の第1の訓練部分画像を抽出し、
前記第2の訓練画像のうち、前記複数の第1の訓練部分画像のそれぞれに対応する複数の場所から複数の第2の訓練部分画像を抽出し、
前記複数の第1および第2の訓練部分画像のそれぞれの画素値の分布から該画素値の平均値を減算してAC成分を生成し、
前記各第1の訓練部分画像の前記AC成分および前記各第2の訓練部分画像の前記AC成分をそれぞれベクトルに変換してACベクトルを生成し、
互いに対応する前記第1および第2の訓練部分画像の前記ACベクトル同士を連結して訓練ベクトルを生成する処理を前記複数の第1および第2の訓練部分画像に対して行って複数の訓練ベクトルを生成し、
前記複数の訓練ベクトルをクラスタリングして、それぞれ類似の訓練ベクトルを含む複数のクラスタを生成し、
前記クラスタから辞書学習アルゴリズムによって辞書行列を生成する処理を前記複数のクラスタに対して行って複数の辞書行列を生成し、
前記複数の辞書行列のそれぞれから前記第1および第2の辞書を生成することを特徴とする請求項1に記載の画像処理方法。 - 前記第2の画像は、前記第1の画像に含まれる複数種類の物体像を分類した結果を示す画像であり、
前記第1の画像に対応する第1の訓練画像と前記複数の物体像のそれぞれの種類を表す第2の訓練画像としての複数のベクトルデータとを用いた辞書学習により生成された前記複数の第1および第2の辞書を用意し、
前記複数の線形結合係数を、前記第1の画像から抽出した部分画像を前記第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を前記複数の第1の辞書のそれぞれについて行うことにより求め、該複数の線形結合係数から前記特定線形結合係数を選択し、
前記特定線形結合係数と前記特定辞書の要素との線形結合を用いて分類ベクトルを生成して、該分類ベクトルを用いて前記部分画像における物体像の種類を判別し、
前記特定線形結合係数の選択および前記分類ベクトルと前記複数のベクトルデータとを用いた前記物体像の種類の判別を前記第1の画像の全域から抽出した複数の前記部分画像のそれぞれに対して行い、
前記複数の部分画像において判別された前記物体像の種類に応じて前記第2の画像を生成することを特徴とする請求項1に記載の画像処理方法。 - 前記物体像の種類の判別において、前記複数のベクトルデータのうち前記分類ベクトルの類似度が最も高いベクトルデータが表す種類と判別することを特徴とする請求項3に記載の画像処理方法。
- 前記第1および第2の辞書を用意するために、
前記第1の訓練画像から複数の訓練部分画像を抽出し、
前記複数の訓練部分画像のそれぞれの画素値の分布から該画素値の平均値を減算した成分であるAC成分を生成し、
前記各訓練部分画像のAC成分をベクトルに変換してACベクトルを生成し、
前記ACベクトルと該ACベクトルを生成した前記訓練部分画像の前記物体像の種類を示す前記ベクトルデータとを連結して訓練ベクトルを生成する処理を前記複数の訓練部分画像に対して行って複数の訓練ベクトルを生成し、
前記複数の訓練ベクトルをクラスタリングして、それぞれ類似の訓練ベクトルを含む複数のクラスタを生成し、
前記クラスタから辞書学習アルゴリズムによって辞書行列を生成する処理を前記複数のクラスタに対して行って複数の辞書行列を生成し、
前記複数の辞書行列のそれぞれから前記第1および第2の辞書を生成することを特徴とする請求項3または4に記載の画像処理方法。 - コンピュータに、第1の画像を第2の画像に変換する画像処理を実行させるコンピュータプログラムとしての画像処理プログラムであって、
前記画像処理は、
辞書学習により生成された複数の第1の辞書および該複数の第1の辞書のそれぞれに対応する複数の第2の辞書を用意し、
前記第1の画像を前記第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を前記複数の第1の辞書のそれぞれについて行って複数の線形結合係数を求め、
前記複数の線形結合係数のそれぞれに対して、絶対値が2番目に大きな係数要素に対する絶対値が最大の係数要素の比の値を算出して、該比の値が最大となる特定線形結合係数を選択し、
前記複数の第2の辞書のうち、前記特定線形結合係数が生成された前記第1の辞書に対応する特定辞書を選択し、
前記特定線形結合係数と前記特定辞書の要素との線形結合を用いて前記第2の画像を生成する処理であることを特徴とする画像処理プログラム。 - 前記第2の画像は、前記第1の画像に含まれる複数種類の物体像を分類した結果を示す画像であり、
前記画像処理は、
前記第1の画像に対応する第1の訓練画像と前記複数の物体像のそれぞれの種類を表す第2の訓練画像としての複数のベクトルデータとを用いた辞書学習により生成された前記複数の第1および第2の辞書を用意し、
前記複数の線形結合係数を、前記第1の画像から抽出した部分画像を前記第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を前記複数の第1の辞書のそれぞれについて行うことにより求め、該複数の線形結合係数から前記特定線形結合係数を選択し、
前記特定線形結合係数と前記特定辞書の要素との線形結合を用いて分類ベクトルを生成して、該分類ベクトルを用いて前記部分画像における物体像の種類を判別し、
前記特定線形結合係数の選択および前記分類ベクトルと前記複数のベクトルデータとを用いた前記物体像の種類の判別を前記第1の画像の全域から抽出した複数の前記部分画像のそれぞれに対して行い、
前記複数の部分画像において判別された前記物体像の種類に応じて前記第2の画像を生成する処理であることを特徴とする請求項6に記載の画像処理プログラム。 - 第1の画像を第2の画像に変換する画像処理を行う画像処理装置であって、
辞書学習により生成された複数の第1の辞書および該複数の第1の辞書のそれぞれに対応する複数の第2の辞書を用意する用意手段と、
前記第1の画像を前記第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を前記複数の第1の辞書のそれぞれについて行って複数の線形結合係数を求める係数算出手段と、
前記複数の線形結合係数のそれぞれに対して、絶対値が2番目に大きな係数要素に対する絶対値が最大の係数要素の比の値を算出して、該比の値が最大となる特定線形結合係数を選択する係数選択手段と、
前記複数の第2の辞書のうち、前記特定線形結合係数が生成された前記第1の辞書に対応する特定辞書を選択する辞書選択手段と、
前記特定線形結合係数と前記特定辞書の要素との線形結合を用いて前記第2の画像を生成する画像生成手段とを有することを特徴とする画像処理装置。 - 前記第2の画像は、前記第1の画像に含まれる複数種類の物体像を分類した結果を示す画像であり、
前記用意手段は、前記第1の画像に対応する第1の訓練画像と前記複数の物体像のそれぞれの種類を表す第2の訓練画像としての複数のベクトルデータとを用いた辞書学習により生成された前記複数の第1および第2の辞書を用意し、
前記係数算出手段は、前記複数の線形結合係数を、前記第1の画像から抽出した部分画像を前記第1の辞書の要素の線形結合により近似して線形結合係数を生成する処理を前記複数の第1の辞書のそれぞれについて行うことにより求め、
前記画像生成手段は、
前記特定線形結合係数と前記特定辞書の要素との線形結合を用いて分類ベクトルを生成して、該分類ベクトルを用いて前記部分画像における物体像の種類を判別し、
前記特定線形結合係数の選択および前記分類ベクトルと前記複数のベクトルデータとを用いた前記物体像の種類の判別を前記第1の画像の全域から抽出した複数の前記部分画像のそれぞれに対して行い、
前記複数の部分画像において判別された前記物体像の種類に応じて前記第2の画像を生成することを特徴とする請求項8に記載の画像処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014022034A JP6292911B2 (ja) | 2014-02-07 | 2014-02-07 | 画像処理方法、画像処理プログラムおよび画像処理装置 |
US14/612,756 US9443287B2 (en) | 2014-02-07 | 2015-02-03 | Image processing method and apparatus using trained dictionary |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014022034A JP6292911B2 (ja) | 2014-02-07 | 2014-02-07 | 画像処理方法、画像処理プログラムおよび画像処理装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2015148979A JP2015148979A (ja) | 2015-08-20 |
JP2015148979A5 true JP2015148979A5 (ja) | 2017-03-09 |
JP6292911B2 JP6292911B2 (ja) | 2018-03-14 |
Family
ID=53775214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014022034A Expired - Fee Related JP6292911B2 (ja) | 2014-02-07 | 2014-02-07 | 画像処理方法、画像処理プログラムおよび画像処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9443287B2 (ja) |
JP (1) | JP6292911B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105453132B (zh) * | 2013-08-15 | 2019-04-05 | 日本电气株式会社 | 实施图像处理的信息处理设备和图像处理方法 |
GB2534790B (en) * | 2013-12-03 | 2020-06-03 | Mitsubishi Electric Corp | Image processing apparatus and image processing method |
WO2017160829A1 (en) | 2016-03-15 | 2017-09-21 | The Trustees Of Columbia University In The City Of New York | Method and apparatus to perform local de-noising of a scanning imager image |
CN106778811B (zh) * | 2016-11-21 | 2020-12-25 | 西安电子科技大学 | 一种图像字典生成方法、图像处理方法及装置 |
JP7132701B2 (ja) | 2017-08-10 | 2022-09-07 | 株式会社ブリヂストン | タイヤ画像の認識方法及びタイヤ画像の認識装置 |
JP6381768B1 (ja) * | 2017-11-20 | 2018-08-29 | ヤフー株式会社 | 学習装置、学習方法、学習プログラムおよび動作プログラム |
CN109214997A (zh) * | 2018-08-30 | 2019-01-15 | 中国科学院遥感与数字地球研究所 | 一种基于增量字典学习的遥感图像去噪方法 |
CN109241981B (zh) * | 2018-09-03 | 2022-07-12 | 哈尔滨工业大学 | 一种基于稀疏编码的特征检测方法 |
CN110070494B (zh) * | 2018-12-21 | 2021-09-17 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和电子设备 |
CN115564680B (zh) * | 2022-10-17 | 2023-03-28 | 陕西师范大学 | 基于二维多路径匹配追踪算法的图像去噪方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5345536A (en) * | 1990-12-21 | 1994-09-06 | Matsushita Electric Industrial Co., Ltd. | Method of speech recognition |
US6671404B1 (en) * | 1997-02-14 | 2003-12-30 | Hewlett-Packard Development Company, L.P. | Method and apparatus for recognizing patterns |
JP3701197B2 (ja) * | 2000-12-28 | 2005-09-28 | 松下電器産業株式会社 | 分類への帰属度計算基準作成方法及び装置 |
JP4161659B2 (ja) * | 2002-02-27 | 2008-10-08 | 日本電気株式会社 | 画像認識システム及びその認識方法並びにプログラム |
US20140037199A1 (en) * | 2005-04-04 | 2014-02-06 | Michal Aharon | System and method for designing of dictionaries for sparse representation |
US7450032B1 (en) * | 2005-12-27 | 2008-11-11 | At & T Intellectual Property Ii, L.P. | System and method for encoding a signal using compressed sensor measurements |
WO2007142227A1 (ja) * | 2006-06-07 | 2007-12-13 | Nec Corporation | 画像方向判定装置、画像方向判定方法、および画像方向判定用プログラム |
US8290251B2 (en) * | 2008-08-21 | 2012-10-16 | Adobe Systems Incorporated | Image stylization using sparse representation |
JP2010249940A (ja) * | 2009-04-13 | 2010-11-04 | Sony Corp | ノイズ低減装置、ノイズ低減方法 |
US8744196B2 (en) * | 2010-11-26 | 2014-06-03 | Hewlett-Packard Development Company, L.P. | Automatic recognition of images |
US8693771B2 (en) * | 2011-11-18 | 2014-04-08 | Mitsubishi Electric Research Laboratories, Inc. | Method for pan-sharpening panchromatic and multispectral images using dictionaries |
WO2013089261A1 (ja) * | 2011-12-12 | 2013-06-20 | 日本電気株式会社 | 画像処理システム及び画像処理方法 |
US9324133B2 (en) * | 2012-01-04 | 2016-04-26 | Sharp Laboratories Of America, Inc. | Image content enhancement using a dictionary technique |
US9700276B2 (en) * | 2012-02-28 | 2017-07-11 | Siemens Healthcare Gmbh | Robust multi-object tracking using sparse appearance representation and online sparse appearance dictionary update |
US9589190B2 (en) * | 2012-12-21 | 2017-03-07 | Robert Bosch Gmbh | System and method for detection of high-interest events in video data |
KR102103984B1 (ko) * | 2013-07-15 | 2020-04-23 | 삼성전자주식회사 | 깊이 영상 처리 방법 및 장치 |
-
2014
- 2014-02-07 JP JP2014022034A patent/JP6292911B2/ja not_active Expired - Fee Related
-
2015
- 2015-02-03 US US14/612,756 patent/US9443287B2/en active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2015148979A5 (ja) | ||
JP2014232533A5 (ja) | ||
JP2014179971A5 (ja) | ||
TWI532014B (zh) | 圖像相似度判斷系統及方法 | |
JP2011134115A5 (ja) | ||
JP2018022216A5 (ja) | ||
JP6292911B2 (ja) | 画像処理方法、画像処理プログラムおよび画像処理装置 | |
JP2014016819A5 (ja) | ||
US20180137343A1 (en) | Facial image generating method, facial image generating apparatus, and facial image generating device | |
JP2012216191A5 (ja) | 周波数特徴を選択する方法およびシステム | |
RU2008152075A (ru) | Извлечение изображений на основе содержания | |
JP2014137756A5 (ja) | ||
KR20160053749A (ko) | 얼굴 영상의 다양성에 강인한 얼굴 표정 특징 분류 방법 및 시스템 | |
CN105809182B (zh) | 一种图像分类的方法及装置 | |
JP2018045302A5 (ja) | ||
JP2015135318A5 (ja) | ||
JP2016151932A5 (ja) | ||
JP2016045884A5 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
JP2019096222A5 (ja) | ||
CN111666965B (zh) | 改进图像识别的多级别深度特征和多匹配器融合 | |
JP2015109024A (ja) | 画像辞書生成装置、画像辞書生成方法及びコンピュータプログラム | |
JP6427480B2 (ja) | 画像検索装置、方法、及びプログラム | |
JP2016092651A5 (ja) | 画像処理装置、画像処理方法。およびプログラム | |
JP6017005B2 (ja) | 画像検索装置、画像検索方法及びプログラム | |
JP6460520B2 (ja) | 特徴記述装置、方法及びプログラム |