JP2020094985A - 分光画像推定システム、分光画像推定方法、及びプログラム - Google Patents
分光画像推定システム、分光画像推定方法、及びプログラム Download PDFInfo
- Publication number
- JP2020094985A JP2020094985A JP2018234716A JP2018234716A JP2020094985A JP 2020094985 A JP2020094985 A JP 2020094985A JP 2018234716 A JP2018234716 A JP 2018234716A JP 2018234716 A JP2018234716 A JP 2018234716A JP 2020094985 A JP2020094985 A JP 2020094985A
- Authority
- JP
- Japan
- Prior art keywords
- spectral
- light source
- basis vector
- imaging
- group
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
まず、第1の実施形態について説明する。
図1は、第1の実施形態による分光画像推定システム1の構成例を示すブロック図である。分光画像推定システム1は、同一の物体(以下、撮像対象物という)を撮像した、分光感度が異なる複数のRGB画像から、当該撮像対象物のハイパースペクトル画像を出力するシステムである。
また、基底ベクトル導出部104は、対象物データ取得部103により取得された分光反射率データ群から、主成分分析を用いて分光反射率基底ベクトル群を導出する。基底ベクトル導出部104は、導出した分光反射率基底ベクトルを分光情報推定部105に出力する。
非特許文献1によれば、光源の分光分布l(λ)は、分光分布基底ベクトルと、基底係数を用いて、以下の(2)式で定義される。ここで、ajはj番目の基底ベクトルに乗算する基底係数、ejはj番目の分光分布基底ベクトル、をそれぞれ示している。
光源データ取得部102は、第1分光分布データ群を取得する。光源データ取得部102により取得される第1分光分布データ群は、様々な種類の光源を含む光源の分光分布データ群である。
ステップS11:
次に、対象物データ取得部103は、分光反射率データ群を取得する。対象物データ取得部103により取得される分光反射率データ群は、例えば、様々な対象物を含む対象物の分光分布データ群である。
次に、基底ベクトル導出部104は、第1分光分布基底ベクトル群、及び分光反射率基底ベクトル群を導出する。第1分光分布基底ベクトル群は、光源データ取得部102により取得された第1分光分布データ群を主成分分析することにより導出される基底ベクトル群である。また、分光反射率基底ベクトル群は、対象物データ取得部103により取得された分光反射率データ群を主成分分析することにより導出される基底ベクトル群である。
次に、分光情報推定部105は、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、基底ベクトル導出部104により導出された第1分光分布基底ベクトル群、及び分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。ここで分光情報推定部105は、様々な種類の光源を含む光源の分光分布データ群(第1分光分布データ群)から導出された分光分布基底ベクトル群を用いて推定を行うため、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度は高いものではない。
次に、光源種類特定部106は、分光情報推定部105により推定された撮像光源の分光分布に基づいて、撮像光源の種類を特定する。
光源データ取得部102は、第2分光分布データ群を取得する。第2分光分布データ群は、光源種類特定部106により特定された撮像光源の種類の光源における分光分布データの集合である。
基底ベクトル導出部104は、第2分光分布基底ベクトル群を導出する。第2分光分布基底ベクトル群は、光源データ取得部102により取得された第2分光分布データ群を主成分分析することにより導出される基底ベクトル群である。
そして、分光情報推定部105は、再度、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、基底ベクトル導出部104により導出された第2分光分布基底ベクトル群、分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105による再度の推定で用いられる基底ベクトル群は、撮像光源として特定された種類の光源の分光分布データ群(第2分光分布データ)から導出された基底ベクトル群であり、撮像光源と同じ種類の分光分布データを豊富に備えているために、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度を向上させることが可能である。
これにより、第1の実施形態における分光画像推定システム1は、まず、様々な種類の光源の分光分布データ群を用いて大まかに推定した撮像光源の分光分布から撮像光源の種類を特定することができるため、その種類に特化した分光分布データ群から得られる基底ベクトル群を用いて、撮像光源の分光分布、及び撮像対象物の分光反射率を精度よく推定することが可能となる。
次に、第1の実施形態の変形例1について説明する。本変形例では、分光情報推定部105により推定された撮像対象物の分光反射率から、撮像対象物の種類を特定する点において、上述した実施形態と相違する。
図9は、第1の実施形態の変形例1による分光画像推定システム1の構成の例を示すブロック図である。本変形例では、分光画像推定システム1は、対象物データ取得部103と、分光情報推定部105と、対象物種類特定部110とを備える。
次に、分光情報推定部105は、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、基底ベクトル導出部104により導出された分光分布基底ベクトル群、及び第1分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。ここで分光情報推定部105は、様々な種類の対象物の分光反射率データ群(第1分光反射率データ群)から導出された分光反射率基底ベクトル群を用いて推定を行うため、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度は高いものではない。
次に、対象物種類特定部110は、分光情報推定部105により推定された撮像対象物の分光反射率に基づいて、撮像対象物の種類を特定する。
対象物データ取得部103は、第2分光反射率データ群を取得する。第2分光反射率データ群は、対象物種類特定部110により特定された撮像対象物の種類の対象物における分光分布データの集合である。
基底ベクトル導出部104は、第2分光反射率基底ベクトル群を導出する。第2分光反射率基底ベクトル群は、対象物データ取得部103により取得された第2分光反射率データ群を主成分分析することにより導出される基底ベクトル群である。
そして、分光情報推定部105は、再度、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、基底ベクトル導出部104により導出された分光分布基底ベクトル群、第2分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105による再度の推定で用いられる基底ベクトル群は、撮像対象物として特定された種類の対象物の分光反射率データ群(第2分光反射率データ)から導出された基底ベクトル群であり、撮像対象物と同じ種類の分光反射率データを豊富に備えているために、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度を向上させることが可能である。
これにより、第1の実施形態の変形例1における分光画像推定システム1は、まず、様々な種類の対象物の分光反射率データ群を用いて大まかに推定した撮像対象物の分光反射率から撮像対象物の種類を特定することができるため、その種類に特化した分光反射率データ群から得られる基底ベクトル群を用いて、撮像光源の分光分布、及び撮像対象物の分光反射率を精度よく推定することが可能となる。
次に、第1の実施形態の変形例2について説明する。本変形例では、分光情報推定部105により推定された撮像光源の分光分布から撮像光源の種類を特定し、且つ、分光情報推定部105により推定された撮像対象物の分光反射率から撮像対象物の種類を特定する点において、上述した実施形態と相違する。
次に、分光情報推定部105は、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、基底ベクトル導出部104により導出された第1分光分布基底ベクトル群、及び第1分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。ここで分光情報推定部105は、様々な種類の光源の分光分布データ群(第1分光分布データ群)から導出された分光分布基底ベクトル群、及び、様々な種類の対象物の分光反射率データ群(第1分光反射率データ群)から導出された分光反射率基底ベクトル群を用いて推定を行う。このため、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度は高いものではない。
分光情報推定部105は、再度、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、基底ベクトル導出部104により導出された第2分光分布基底ベクトル群、第2分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105による再度の推定で用いられる基底ベクトル群は、撮像光源として特定された種類の光源の分光分布データ群(第2分光分布データ)から導出された基底ベクトル群、及び、撮像対象物として特定された種類の対象物の分光反射率データ群(第2分光反射率データ)から導出された基底ベクトル群である。これらの基底ベクトル群は、撮像光源と同じ種類の分光分布データ、及び撮像対象物と同じ種類の分光反射率データを豊富に備えているために、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度を向上させることが可能である。
これにより、第1の実施形態の変形例2における分光画像推定システム1は、まず、様々な種類の光源の分光分布データ群、及び、様々な種類の対象物の分光反射率データ群を用いて大まかに、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。そして、推定した撮像光源の分光分布から撮像光源の種類を、推定した撮像対象物の分光反射率から撮像対象物の種類を、それぞれ特定することができる。このため、その特定された種類に特化した分光分布データ群から得られる基底ベクトル群、及び、特定された種類に特化した分光反射率データ群から得られる基底ベクトル群を用いて、撮像光源の分光分布、及び撮像対象物の分光反射率を精度よく推定することが可能となる。
次に、第2の実施形態について説明する。本実施形態では、既に導出済みの基底ベクトル群をデータベースに備える点、及び分光情報推定部105により推定された撮像光源の分光分布から、撮像光源の種類を特定する点において、上述した実施形態と相違する。
光源データ取得部102は、第1分光分布ベクトル群を取得する。光源データ取得部102により取得される第1分光分布ベクトル群は、様々な種類の光源を含む光源の分光分布データ群に基づいて導出された基底ベクトル群である。
ステップS51:
次に、対象物データ取得部103は、分光反射率ベクトル群を取得する。対象物データ取得部103により取得される分光反射率ベクトル群は、例えば、様々な対象物を含む対象物の分光分布データ群に基づいて導出された基底ベクトル群である。
次に、分光情報推定部105は、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、光源データ取得部102により取得された第1分光分布基底ベクトル群、及び対象物データ取得部103により取得された分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。ここで分光情報推定部105は、様々な種類の光源を含む光源の分光分布データ群(第1分光分布データ群)から導出された分光分布基底ベクトル群を用いて推定を行うため、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度は高いものではない。
光源データ取得部102は、第2分光分布ベクトル群を取得する。第2分光分布ベクトル群は、光源種類特定部106により特定された撮像光源の種類の光源における分光分布データ群に基づいて導出された基底ベクトル群である。
そして、分光情報推定部105は、再度、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、光源データ取得部102により取得された第2分光分布基底ベクトル群、対象物データ取得部103により取得された分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105による再度の推定で用いられる基底ベクトル群は、撮像光源として特定された種類の光源の分光分布データ群(第2分光分布データ)から導出された基底ベクトル群であり、撮像光源と同じ種類の分光分布データを豊富に備えているために、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度を向上させることが可能である。
これにより、第2の実施形態における分光画像推定システム1は、データ群に基づいて基底ベクトル群を導出する処理を行うことなく基底ベクトル群を取得することができるため、基底ベクトル群を導出する処理負荷をかけることなく、撮像光源の分光分布、及び撮像対象物の分光反射率を精度よく推定することが可能となる。
次に、第2の実施形態の変形例1について説明する。本変形例では、既に導出済みの基底ベクトル群をデータベースに備える点、及び分光情報推定部105により推定された撮像対象物の分光反射率から、撮像対象物の種類を特定する点において、上述した実施形態と相違する。
図15は、第2の実施形態の変形例1による分光画像推定システム1の動作の流れを示すフローチャートである。図15におけるフローチャートにおいてステップS60〜62に示す処理は、図14におけるフローチャートにおいてステップS50〜52に示す処理と同等であるため、その説明を省略する。図14におけるフローチャートにおいてステップS63に示す処理は、図10におけるフローチャートにおいてステップS24に示す処理と同等であるため、その説明を省略する。
対象物データ取得部103は、第2分光反射率ベクトル群を取得する。第2分光反射率ベクトル群は、対象物種類特定部110により特定された撮像対象物の種類における分光反射率データ群に基づいて導出された基底ベクトル群である。
そして、分光情報推定部105は、再度、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、光源データ取得部102により取得された分光分布基底ベクトル群、対象物データ取得部103により取得された第2分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105による再度の推定で用いられる基底ベクトル群は、撮像対象物として特定された種類の分光反射率データ群(第2分光反射率データ)から導出された基底ベクトル群であり、撮像対象物と同じ種類の分光反射率データを豊富に備えているために、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度を向上させることが可能である。
次に、第2の実施形態の変形例2について説明する。本変形例では、既に導出済みの基底ベクトル群をデータベースに備える点、及び分光情報推定部105により推定された撮像光源の分光分布から撮像光源の種類を特定し、且つ、分光情報推定部105により推定された撮像対象物の分光反射率から撮像対象物の種類を特定する点において、上述した実施形態と相違する。
分光情報推定部105は、再度、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105は、光源データ取得部102により取得された第2分光分布基底ベクトル群、対象物データ取得部103により取得された第2分光反射率基底ベクトル群、画像データ取得部101により取得された画像データに基づいて、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する。分光情報推定部105による再度の推定で用いられる基底ベクトル群は、撮像光源として特定された種類の分光分布データ群(第2分光分布データ)から導出された基底ベクトル群、及び撮像対象物として特定された種類の分光反射率データ群(第2分光反射率データ)から導出された基底ベクトル群である。このため、撮像光源と同じ種類の分光光源データ、及び撮像対象物と同じ種類の分光反射率データを豊富に備えている。このため、推定される撮像光源の分光分布、及び撮像対象物の分光反射率の精度を向上させることが可能である。
次に、第1の実施形態について説明する。本変形例では、複数のRGB画像における各々の撮像位置(視点)が同じの視点となるように画像を変換する点において、上述した実施形態と相違する。
そのため、本実施形態では、撮像光源の分光分布、及び撮像対象物の分光反射率を推定する前の前処理として、各RGB画像を同一視点で撮影された画像に変換する。これにより、各RGB画像で対応する画像座標の位置を一致させる。
101…画像データ取得部
102…光源データ取得部
103…対象物データ取得部
104…基底ベクトル導出部
105…分光情報推定部
106…光源種類特定部
107…画像データ記憶部
108…光源データ記憶部
109…対象物データ記憶部
110…対象物種類特定部
111…画像変換部
Claims (17)
- 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像における撮像時の撮像光源の分光分布を推定する分光画像推定システムであり、
複数の種類の光源における分光分布を示す分光分布データの集合である第1分光分布データ群を取得する光源データ取得部と、
複数の種類の対象物における分光反射率を示す分光反射率データの集合である分光反射率データ群を取得する対象物データ取得部と、
前記第1分光分布データ群から前記第1分光分布データ群を表現するための基底ベクトル群である第1分光分布基底ベクトル群を導出し、前記分光反射率データ群から前記分光反射率データ群を表現するための基底ベクトル群である分光反射率基底ベクトル群を導出する基底ベクトル導出部と、
前記第1分光分布基底ベクトル群、前記分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する分光情報推定部と、
前記分光情報推定部により推定された前記撮像光源の分光分布から、前記撮像光源の種類を特定する光源種類特定部と、
を備え、
前記光源データ取得部は、前記光源種類特定部により特定された前記撮像光源の種類に基づいて、特定種類の光源における前記分光分布データの集合である第2分光分布データ群を取得し、
前記基底ベクトル導出部は、前記第2分光分布データ群から、第2分光分布基底ベクトル群を導出し、
前記分光情報推定部は、前記第2分光分布基底ベクトル群、前記分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する、
ことを特徴とする分光画像推定システム。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像における撮像時の光源である撮像光源の分光分布を推定する分光画像推定システムであり、
複数の種類の光源における分光分布を示す分光分布データの集合である分光分布データ群を取得する光源データ取得部と、
複数の種類の対象物における分光反射率を示す分光反射率データの集合である第1分光反射率データ群を取得する対象物データ取得部と、
前記分光分布データ群から分光分布基底ベクトル群を導出し、前記第1分光反射率データ群から第1分光反射率基底ベクトル群を導出する基底ベクトル導出部と、
前記分光分布基底ベクトル群、前記第1分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する分光情報推定部と、
前記分光情報推定部により推定された前記撮像対象物の分光反射率から、前記撮像対象物の種類を特定する対象物種類特定部と、
を備え、
前記対象物データ取得部は、前記対象物種類特定部により特定された前記撮像対象物の種類に基づいて、特定種類の対象物における前記分光反射率データの集合である第2分光反射率データ群を取得し、
前記基底ベクトル導出部は前記第2分光反射率データ群から第2分光反射率基底ベクトル群を導出し、
前記分光情報推定部は、前記分光分布基底ベクトル群、前記第2分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する、
ことを特徴とする分光画像推定システム。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像における撮像時の撮像光源の分光分布を推定する分光画像推定システムであり、
複数の種類の光源における分光分布を示す分光分布データの集合である第1分光分布データ群を取得する光源データ取得部と、
複数の種類の対象物における分光反射率を示す分光反射率データの集合である第1分光反射率データ群を取得する対象物データ取得部と、
前記第1分光分布データ群から前記第1分光分布データ群を表現するための基底ベクトル群である第1分光分布基底ベクトル群を導出し、前記第1分光反射率データ群から前記第1分光反射率データ群を表現するための基底ベクトル群である第1分光反射率基底ベクトル群を導出する基底ベクトル導出部と、
前記第1分光分布基底ベクトル群、前記第1分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する分光情報推定部と、
前記分光情報推定部により推定された前記撮像光源の分光分布から、前記撮像光源の種類を特定する光源種類特定部と、
前記分光情報推定部により推定された前記撮像対象物の分光反射率から、前記撮像対象物の種類を特定する対象物種類特定部、
を備え、
前記光源データ取得部は、前記光源種類特定部により特定された前記撮像光源の種類に基づいて、特定種類の光源における前記分光分布データの集合である第2分光分布データ群を取得し、
前記対象物データ取得部は、前記対象物種類特定部により特定された前記撮像対象物の種類に基づいて、特定種類の対象物における前記分光反射率データの集合である第2分光反射率データ群を取得し、
前記基底ベクトル導出部は、前記第2分光分布データ群から、第2分光分布基底ベクトル群を導出すると共に、前記第2分光反射率データ群から第2分光反射率基底ベクトル群を導出し、
前記分光情報推定部は、前記第2分光分布基底ベクトル群、前記第2分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する、
ことを特徴とする分光画像推定システム。 - 前記基底ベクトル導出部は、主成分分析を用いて前記分光分布データの集合である分光分布データ群から当該分光分布データ群を表現するための分光分布基底ベクトル群を導出し、主成分分析を用いて前記分光反射率データの集合である分光反射率データ群から当該分光反射率データ群を表現するための分光反射率基底ベクトル群を導出する、
請求項1から請求項3の何れか一項に記載の分光画像推定システム。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像の撮像時における撮像光源の分光分布を推定する分光画像推定システムであり、
複数の種類の光源の分光分布を表現するための基底ベクトル群を示す第1分光分布基底ベクトル群を取得する光源データ取得部と、
複数の種類の対象物における分光反射率を表現するための基底ベクトル群を示す分光反射率基底ベクトル群を取得する対象物データ取得部と、
前記第1分光分布基底ベクトル群、前記分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する分光情報推定部と、
前記分光情報推定部により推定された前記撮像光源の分光分布から、前記撮像光源の種類を特定する光源種類特定部と、
を備え、
前記光源データ取得部は、前記光源種類特定部により特定された前記撮像光源の種類に基づいて、特定種類の光源の分光分布を表現するための基底ベクトル群を示す第2分光分布基底ベクトル群を取得し、
前記分光情報推定部は、前記第2分光分布基底ベクトル群、前記分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する、
ことを特徴とする分光画像推定システム。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像の撮像時における撮像光源の分光分布を推定する分光画像推定システムであり、
複数の種類の光源における分光分布を表現するための基底ベクトル群を示す分光分布基底ベクトル群を取得する光源データ取得部と、
複数の種類の対象物における分光反射率を表現するための基底ベクトル群を示す第1分光反射率基底ベクトル群を取得する対象物データ取得部と、
前記分光分布基底ベクトル群、前記第1分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する分光情報推定部と、
前記分光情報推定部により推定された前記撮像対象物の分光反射率から、前記撮像対象物の種類を特定する対象物種類特定部と、
を備え、
前記対象物データ取得部は、前記対象物種類特定部により特定された前記撮像対象物の種類に基づいて、特定種類の対象物における分光反射率を表現するための基底ベクトル群を示す第2分光反射率基底ベクトル群を取得し、
前記分光情報推定部は、前記分光分布基底ベクトル群、前記第2分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する、
ことを特徴とする分光画像推定システム。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像の撮像時における撮像光源の分光分布を推定する分光画像推定システムであり、
複数の種類の光源の分光分布を表現するための基底ベクトル群を示す第1分光分布基底ベクトル群を取得する光源データ取得部と、
複数の種類の対象物における分光反射率を表現するための基底ベクトル群を示す第1分光反射率基底ベクトル群を取得する対象物データ取得部と、
前記第1分光分布基底ベクトル群、前記第1分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する分光情報推定部と、
前記分光情報推定部により推定された前記撮像光源の分光分布から、前記撮像光源の種類を特定する光源種類特定部と、
前記分光情報推定部により推定された前記撮像対象物の分光反射率から、前記撮像対象物の種類を特定する対象物種類特定部と、
を備え、
前記光源データ取得部は、前記光源種類特定部により特定された前記撮像光源の種類に基づいて、特定種類の光源の分光分布を表現するための基底ベクトル群を示す第2分光分布基底ベクトル群を取得し、
前記対象物データ取得部は、前記対象物種類特定部により特定された前記撮像対象物の種類に基づいて、特定種類の対象物における分光反射率を表現するための基底ベクトル群を示す第2分光反射率基底ベクトル群を取得し、
前記分光情報推定部は、前記第2分光分布基底ベクトル群、前記第2分光反射率基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する、
ことを特徴とする分光画像推定システム。 - 前記光源種類特定部は、光源の種類と当該光源の分光分布とを対応付けて学習した学習済みモデルに、前記分光情報推定部により推定された前記撮像光源の分光分布を入力することにより前記撮像光源の種類を特定する、
請求項1、請求項3、請求項5、及び請求項7の何れか一項に記載の分光画像推定システム。 - 前記対象物種類特定部は、対象物の種類と当該対象物の分光反射率とを対応付けて学習した学習済みモデルに、前記分光情報推定部により推定された前記撮像対象物の分光反射率を入力することにより前記撮像対象物の種類を特定する、
請求項2、請求項3、請求項6、及び請求項7の何れか一項に記載の分光画像推定システム。 - 前記光源種類特定部は、光源の種類毎に当該光源の代表とする代表分光分布を算出し、前記分光情報推定部により推定された前記撮像光源の分光分布と前記代表分光分布との類似度を算出することにより前記撮像光源の種類を特定する、
請求項1、請求項3、請求項5、及び請求項7の何れか一項に記載の分光画像推定システム。 - 前記対象物種類特定部は、対象物の種類毎に当該対象物の代表的な分光反射率を算出し、前記分光情報推定部により推定された前記撮像対象物の分光反射率と前記代表的な分光反射率との類似度を算出することにより前記撮像対象物の種類を特定する、
請求項2、請求項3、請求項6、及び請求項7の何れか一項に記載の分光画像推定システム。 - 前記複数の画像は、分光感度の異なる複数の撮像装置により撮像された画像である、
ことを特徴とする請求項1から請求項11の何れか一項に記載の分光画像推定システム。 - 前記複数の画像は、撮像装置に分光透過特性の異なる複数のレンズフィルタの各々を装着させた状態で撮像された画像である、
ことを特徴とする請求項1から請求項11の何れか一項に記載の分光画像推定システム。 - 前記複数の画像を同一の視点から撮影された画像に変換する画像変換部、を更に備える、
ことを特徴とする請求項1から請求項13の何れか一項に記載の分光画像推定システム。 - 前記画像変換部は、前記複数の画像の各々における複数の対応点の座標を求め、前記複数の対応点座標に基づき推定された射影変換行列を用いて、前記複数の画像の各々を射影変換することで、前記複数の画像を同一の視点から撮影された画像に変換する、
ことを特徴とする請求項14のいずれか一項に記載の分光画像推定システム。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像における撮像時の撮像光源の分光分布を推定する分光画像推定システムであって、光源の分光分布を示す分光分布データを記憶する光源データ記憶部と、対象物の分光反射率を示す分光反射率データを記憶する対象物データ記憶部と、を備える分光画像推定システムにおける分光画像推定方法であり、
光源データ取得部が、前記光源データ記憶部から、複数の種類の光源における前記分光分布データの集合である第1分光分布データ群を取得する第1光源データ取得工程と、
対象物データ取得部が、前記対象物データ記憶部から、複数の種類の対象物における前記分光反射率データの集合である分光反射率データ群を取得する対象物データ取得工程と、
基底ベクトル導出部が、前記第1分光分布データ群、及び前記分光反射率データ群から、第1基底ベクトル群を導出する第1基底ベクトル群導出工程と、
分光情報推定部が、前記第1基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する第1分光情報推定工程と、
光源種類特定部が、前記分光情報推定部により推定された前記撮像光源の分光分布から、前記撮像光源の種類を特定する光源種類特定工程と、
前記光源データ取得部が、前記光源種類特定部により特定された前記撮像光源の種類に基づいて、前記光源データ記憶部から特定種類の光源における前記分光分布データの集合である第2分光分布データ群を取得する第2光源データ取得工程と、
前記基底ベクトル導出部が、前記第2分光分布データ群、及び前記分光反射率データ群から、第2基底ベクトル群を導出する第2基底ベクトル群導出工程と、
前記分光情報推定部が、前記第2基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する第1分光情報推定工程と、
を有することを特徴とする分光画像推定方法。 - 同一の撮像対象物を撮像した、分光感度が異なる複数の画像から、前記撮像対象物の分光反射率と、前記複数の画像における撮像時の撮像光源の分光分布を推定する分光画像推定システムであって、光源の分光分布を示す分光分布データを記憶する光源データ記憶部と、対象物の分光反射率を示す分光反射率データを記憶する対象物データ記憶部と、を備える分光画像推定システムに用いられるコンピュータを、
前記光源データ記憶部から、複数の種類の光源における前記分光分布データの集合である第1分光分布データ群を取得する第1光源データ取得手段と、
前記対象物データ記憶部から、複数の種類の対象物における前記分光反射率データの集合である分光反射率データ群を取得する対象物データ取得手段と、
前記第1分光分布データ群、及び前記分光反射率データ群から、第1基底ベクトル群を導出する第1基底ベクトル導出手段と、
前記第1基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する第1分光情報推定手段と、
前記第1分光情報推定手段により推定された前記撮像光源の分光分布から、前記撮像光源の種類を特定する光源種類特定手段と、
前記光源種類特定手段より特定された前記撮像光源の種類に基づいて、前記光源データ記憶部から特定種類の光源における前記分光分布データの集合である第2分光分布データ群を取得する第2光源データ取得手段と、
前記第2分光分布データ群、及び前記分光反射率データ群から、第2基底ベクトル群を導出する第2基底ベクトル群導出手段と、
前記第2基底ベクトル群、前記複数の画像、及び当該画像の各々における分光感度から、前記撮像光源の分光分布、及び前記撮像対象物の分光反射率を推定する第1分光情報推定手段と、
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 |
---|---|---|---|
JP2018234716A JP7206878B2 (ja) | 2018-12-14 | 2018-12-14 | 分光画像推定システム、分光画像推定方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018234716A JP7206878B2 (ja) | 2018-12-14 | 2018-12-14 | 分光画像推定システム、分光画像推定方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020094985A true JP2020094985A (ja) | 2020-06-18 |
JP7206878B2 JP7206878B2 (ja) | 2023-01-18 |
Family
ID=71085766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018234716A Active JP7206878B2 (ja) | 2018-12-14 | 2018-12-14 | 分光画像推定システム、分光画像推定方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7206878B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022107635A1 (ja) | 2020-11-17 | 2022-05-27 | 株式会社タナカ技研 | 撮影装置、画像の生産方法、および記録媒体 |
US11962921B2 (en) | 2021-10-22 | 2024-04-16 | Samsung Electronics Co., Ltd. | Device and method for processing spectrum data of image sensor |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022044A (ja) * | 2009-07-16 | 2011-02-03 | Canon Inc | 光源推定装置および光源推定方法 |
JP2012154711A (ja) * | 2011-01-25 | 2012-08-16 | Jvc Kenwood Corp | 分光スペクトル推定装置および学習スペクトル生成方法 |
JP2014132257A (ja) * | 2012-12-03 | 2014-07-17 | Ricoh Co Ltd | 類似度判定システム及び類似度判定方法 |
WO2016152900A1 (ja) * | 2015-03-25 | 2016-09-29 | シャープ株式会社 | 画像処理装置及び撮像装置 |
-
2018
- 2018-12-14 JP JP2018234716A patent/JP7206878B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022044A (ja) * | 2009-07-16 | 2011-02-03 | Canon Inc | 光源推定装置および光源推定方法 |
JP2012154711A (ja) * | 2011-01-25 | 2012-08-16 | Jvc Kenwood Corp | 分光スペクトル推定装置および学習スペクトル生成方法 |
JP2014132257A (ja) * | 2012-12-03 | 2014-07-17 | Ricoh Co Ltd | 類似度判定システム及び類似度判定方法 |
WO2016152900A1 (ja) * | 2015-03-25 | 2016-09-29 | シャープ株式会社 | 画像処理装置及び撮像装置 |
Non-Patent Citations (1)
Title |
---|
OH, SEOUNG WUG ET AL.: "Do it Yourself Hyperspectral Imaging with Everyday Digital Cameras", 2016 IEEE CONFERENCE ON COMPUTER VISION AND PTTERN RECOGNITION, JPN7022004468, 2016, pages 2461 - 2469, XP033021426, ISSN: 0004876541, DOI: 10.1109/CVPR.2016.270 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022107635A1 (ja) | 2020-11-17 | 2022-05-27 | 株式会社タナカ技研 | 撮影装置、画像の生産方法、および記録媒体 |
KR20230107272A (ko) | 2020-11-17 | 2023-07-14 | 다나카 엔지니어링 인크. | 촬영장치, 화상의 생산 방법 및 기록 매체 |
US11962921B2 (en) | 2021-10-22 | 2024-04-16 | Samsung Electronics Co., Ltd. | Device and method for processing spectrum data of image sensor |
Also Published As
Publication number | Publication date |
---|---|
JP7206878B2 (ja) | 2023-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nguyen et al. | Training-based spectral reconstruction from a single RGB image | |
US8743137B2 (en) | Method for electronic color matching | |
Mojsilovic | A computational model for color naming and describing color composition of images | |
CN108020519B (zh) | 一种基于颜色恒常性的虚拟多光源光谱重建方法 | |
Pietikainen et al. | Accurate color discrimination with classification based on feature distributions | |
KR20080045175A (ko) | 이미지 처리, 색상 분류, 및 피부 색 검출을 위한시스템들, 방법들, 및 장치 | |
Cointault et al. | In‐field Triticum aestivum ear counting using colour‐texture image analysis | |
CN114648594B (zh) | 一种基于图像识别的纺织品颜色检测方法及系统 | |
Gökmen et al. | A non-contact computer vision based analysis of color in foods | |
KR20140058674A (ko) | 본질 이미지들을 이용하는 디지털 이미지 신호 압축 시스템 및 방법 | |
Milotta et al. | Challenges in automatic Munsell color profiling for cultural heritage | |
Shrestha et al. | Quality evaluation in spectral imaging–quality factors and metrics | |
JP7206878B2 (ja) | 分光画像推定システム、分光画像推定方法、及びプログラム | |
Toylan et al. | A Real‐Time Apple Grading System Using Multicolor Space | |
CN113189021A (zh) | 基于光谱识别岩石颜色的方法 | |
US9189703B2 (en) | Systems and methods for colorimetric and spectral material estimation | |
Vazquez-Corral et al. | Color constancy algorithms: Psychophysical evaluation on a new dataset | |
Kikuchi et al. | Color-tone similarity on digital images | |
Crichton et al. | Skin chromaticity gamuts for illumination recovery | |
KR102350164B1 (ko) | 멀티스펙트럴 이미징 변환 방법 | |
CN110926608A (zh) | 一种基于光源筛选的光谱重建方法 | |
MacDonald et al. | Camera Colour Correction using Neural Networks | |
Bianco et al. | Empirical modeling for colorimetric characterization of digital cameras | |
Kwon et al. | Illumination Estimation Based on Valid Pixel Selection from CCD Camera | |
JP6023653B2 (ja) | 照明光色推定装置、照明光色推定方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211124 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220831 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220920 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221018 |
|
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: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7206878 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |