JP3367975B2 - オートアイリス回路 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明はカメラ一体型ＶＴＲ
（ビデオテープレコーダ）などの撮像装置に関し、特
に、被写体からの入射光量を規制するアイリスおよび所
望のレベルの輝度信号を得るためのＡＧＣ（自動利得制
御）回路を制御するためのオートアイリス回路に関す
る。

【０００２】

【従来の技術】図１４は、従来のオートアイリス回路９
０およびこのオートアイリス回路９０が用いられるカメ
ラ一体型ＶＴＲの一部のブロック図である。図１４を参
照して、このカメラ一体型ＶＴＲは、被写体からの入射
光を集光して所定の結像面上に被写体の像を結ぶための
レンズ２６と、レンズ２６の結像面上に受光面が位置す
るように配置され、被写体の光学像を電気信号に変換す
るためのＣＣＤ（電荷結合素子）１０と、レンズ２６と
ＣＣＤ１０との間に配置され、レンズ２６を通過してＣ
ＣＤ１０上に入射する光線の量を規制するためのアイリ
ス２４と、ＣＣＤ１０から出力する輝度信号に基づいて
この輝度信号が所望のレベルとなるようにアイリス２４
を制御するための従来のオートアイリス回路９０とを含
む。

【０００３】従来のオートアイリス回路９０は、ＣＣＤ
１０に高輝度の光が入射した際に入射光量がアイリス２
４によって極端に絞られ、それによって極端な輝度低下
が発生することを防ぐために高輝度信号をクリップする
ための高輝度クリップ回路９２と、ＣＣＤ１０によって
撮影される画面の下部からの輝度信号に大きな重み付け
を行なって輝度レベルを表わす信号として出力するため
の下方重点測光回路９４と、画面の中央に大きな重み付
けを行なって輝度レベルを表わす信号として出力するた
めの中央重点測光回路９６と、下方重点測光回路９４お
よび中央重点測光回路９６の出力の加重平均を取るため
の検波回路９８と、一定の基準輝度信号を出力するため
の基準輝度発生回路３８と、検波回路９８と基準輝度発
生回路３８とに接続され、検波回路９８の出力する信号
を基準輝度信号と比較し、比較結果に基づいて検波回路
９８の出力する信号が基準輝度信号と等しくなる方向に
変化するようにアイリス２４を制御するための比較回路
２２とを含む。

【０００４】下方重点測光とは、画面の下方に大きな重
み付けを行なう測光方式である。この測光方式がよく採
用されるのは以下のような理由による。カメラ一体型Ｖ
ＴＲによって撮影される映像には、一般に上方に空が含
まれる。空から入射する光の光量は多い。一方、被写体
は地上にあることが多く、この場合には画面の下半分に
被写体が存在することになる。地上から入射する光の量
は少ない。したがって画面全体の輝度に基づいてアイリ
ス制御を行なえば、アイリス２４が過度に絞り込まれて
しまい、地上の被写体が十分明るく撮影されない恐れが
ある。下方重点測光方式は、画面の下方から発生される
輝度信号に大きな重み付けを与えることにより、地上に
ある被写体を十分な明るさで撮影することができるよう
にアイリス２４を制御するためのものである。

【０００５】一方、中央重点測光方式は、画面の中央に
大きな重み付けを行なって測光を行なう方式である。こ
れは、通常の撮影時には被写体が画面の中央に存在する
ことが多いことから採用された方式である。中央部分に
大きな重み付けをすることにより、中央部分に存在する
被写体が適度な明るさで撮影されるようにアイリス２４
が制御される。

【０００６】図１４に示される従来のオートアイリス回
路９０およびカメラ一体型ＶＴＲは以下のように動作す
る。レンズ２６は被写体からの入射光を集光し、結像面
上に被写体の光学像を結ばせる。ＣＣＤ１０は、受光面
上に結ばれた被写体の光学像を光電変換により電気信号
に変換し、輝度信号を出力する。この信号は図示されな
い映像信号回路に与えられ所定の映像信号処理が行なわ
れる。このとき、レンズ２６からＣＣＤ１０上に入射す
る光の量はアイリス２４によって規制されている。

【０００７】高輝度クリップ回路９２には、ＣＣＤ１０
の出力する輝度信号が与えられる。高輝度クリップ回路
９２は、ＣＣＤ１０上に高輝度光が入射して輝度が高レ
ベルとなった場合にこれをクリップし、下方重点測光回
路９４および中央重点測光回路９６に与えられる輝度信
号のレベルを一定値以下に抑える。このように輝度レベ
ルを一定値以下に抑えることにより、高輝度光が入射し
た場合にアイリス２４が過度に絞り込まれ、輝度レベル
が極端に落ちることが防止できる。

【０００８】下方重点測光回路９４および中央重点測光
回路９６は、それぞれの測光方式に従って輝度レベルを
表わす信号を出力し、検波回路９８に与える。検波回路
９８は下方重点測光回路９４および中央重点測光回路９
６の出力する信号を加重平均し、検波して比較器２２に
与える。比較器２２は、検波回路９８の出力する信号レ
ベルと基準輝度発生回路３８から与えられる基準輝度信
号とを比較し、検波回路９８の出力が基準輝度信号と同
一レベルに近づく方向に変化するようにアイリス２４を
制御する。

【０００９】下方重点測光回路９４および中央重点測光
回路９６の２つの回路を用いたいわゆるデュアル測光方
式を用いることにより、画面の上方に高輝度光が入った
場合、および画面の周囲に高輝度光が入った場合に画面
が極端に輝度低下を起こすことが防止できる。

【００１０】また、アイリス２８が開放しきってしまっ
たとき、すなわちアイリス２８でＣＣＤ８に入射する光
量を抑制しないときであってかつＣＣＤ８から出力され
る輝度信号レベルが所望のレベルに達していない場合も
ある。その様な場合には、図１５に示されるようなオー
トアイリス回路９１が用いられる。

【００１１】図１５に示されるオートアイリス回路９１
が図１４に示されるオートアイリス回路９０と異なるの
は、高輝度クリップ回路９２の入力が、ＣＣＤ１０の出
力が所定レベル以下である場合に、所望のレベルまで輝
度信号を増幅するように自動利得制御を行なうためのＡ
ＧＣ回路１１の出力に接続されていることと、第２の基
準輝度信号を発生するための第２の基準輝度発生回路３
９と、検波回路９８と基準輝度発生回路３９とに接続さ
れ、検波回路９８の出力する信号を基準輝度信号と比較
し、比較結果に基づいて検波回路９８の出力する信号が
基準輝度信号と等しくなる方向に変化するようにＡＧＣ
回路１１を制御するための比較回路２３とをさらに含む
こととである。

【００１２】図１５に示されるオートアイリス回路９１
の動作は、図１４に示されるオートアイリス回路９０の
動作とほぼ同様である。異なるのは、ＡＧＣ回路１１の
動作が、比較回路２３によって制御される点である。こ
のため、アイリス２８が開放しきってしまった時でも、
ＡＧＣ回路１１の出力する輝度信号のレベルを所望レベ
ルに近づけることが可能であり、図１４に示されるオー
トアイリス回路９０よりも、低照度の被写体に対して所
望のレベルの輝度信号を得ることができる。ただし、Ｃ
ＣＤ１０の出力する輝度信号が所定レベル以上である場
合にはＡＧＣ回路１１は動作しない。すなわち、ＣＣＤ
１０の出力がそのままオートアイリス回路９１に与えら
れる。

【００１３】

【発明が解決しようとする課題】しかし上述の従来技術
のオートアイリス回路９０，９１によれば、次のような
問題点がある。たとえば海やスキー場などで撮影が行な
われる場合を考える。この場合、画面の下方からＣＣＤ
１０に入射する光は、通常の地上撮影の場合と比べて大
きくなる。一方で、被写体は人間であることが多く、下
方重点測光方式を用いた場合には画面下部の背景（海や
雪など）からの入射光が高輝度であるために、被写体が
極端に暗くなってしまうという問題がある。また、撮影
したい被写体が画面の中央ではなく周辺部分にある場合
や、被写体が中央部にあったとしても、中央部の背景部
分に逆光があったり、スポット光など輝度レベルの高い
被写体が入った場合などには、その高輝度光によりアイ
リスの制御が重点的に行なわれてしまう。その結果、被
写体が十分な明るさで撮影されないという問題点が生じ
る。これは、ＡＧＣ回路による利得制御でも克服できな
い問題である。

【００１４】それゆえに請求項１〜３に記載の発明の目
的は、撮影される画面上の様々な輝度パターンに対して
も、望ましいレベルの輝度信号を得ることができる様に
アイリス制御を行なうことができるオートアイリス回路
を提供することである。

【００１５】また、請求項４〜６に記載の発明の目的
は、撮影される画面上の様々な輝度パターンに対して
も、望ましいレベルの輝度信号を得ることができる様に
アイリス制御及びＡＧＣ制御を行なうことができるオー
トアイリス回路を提供することである。

【００１６】

【課題を解決するための手段】請求項１に記載のオート
アイリス回路は、アイリスにより入射光量の規制される
撮像装置の出力する輝度信号に応答して、撮像装置の出
力を所望のレベルに調整するようにアイリスを制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、規格化された輝度値を取得するための規
格化輝度値取得手段と、規格化された輝度値を入力とす
るニューラルネットワークと、ニューラルネットワーク
の出力に応答してアイリスを制御するためのアイリス制
御手段とを含む。規格化輝度値取得手段は、輝度信号に
基づいて、各部分領域の輝度値を取得するための輝度値
取得手段と、輝度値取得手段の出力する部分領域の輝度
値の平均値を求めるための輝度値平均手段と、各部分領
域の輝度値を、輝度値平均手段の出力に基づいてそれぞ
れ規格化するための輝度値規格化手段とを含む。アイリ
ス制御手段は、ニューラルネットワークの出力を、輝度
値平均手段の出力に基づいて規格化するための出力規格
化手段と、出力規格化手段の出力を予め定める基準信号
と比較し、比較結果に基づいてアイリスを制御するため
の比較手段とを含む。

【００１７】

【００１８】請求項２に記載のオートアイリス回路は、
アイリスにより入射光量の規制される撮像装置の出力す
る輝度信号に応答して、撮像装置の出力を所望のレベル
に調整するようにアイリスを制御するためのオートアイ
リス回路であって、輝度信号に基づいて、撮像装置の撮
像領域の予め定める複数個の部分領域のそれぞれの、所
定の基準にしたがって規格化された輝度値を取得するた
めの規格化輝度値取得手段と、規格化輝度値取得手段か
ら出力された部分領域の規格化された輝度値に基づき、
各部分領域を予め定める複数の輝度区間のいずれか１つ
に分類し、度数分布情報を出力するための分類手段と、
度数分布情報を入力とするニューラルネットワークと、
ニューラルネットワークの出力に応答してアイリスを制
御するためのアイリス制御手段とを含む。

【００１９】請求項３に記載のオートアイリス回路は、
請求項２に記載のオートアイリス回路であって、撮像装
置は、各々が１または複数個の部分領域を含む１または
複数個の部分領域群に区分される撮像領域を有する。こ
のオートアイリス回路は、規格化輝度値取得手段により
出力された各部分領域の輝度値を、各部分領域群ごとに
分類して各部分領域群ごとに１つの統合輝度値を出力す
るための輝度値統合手段をさらに含む。ニューラルネッ
トワークは、分類手段の出力に加えて輝度値統合手段の
出力をも入力とする。アイリス制御手段は、撮像領域を
予め定める複数個の測光領域に区分し、各測光領域ごと
に輝度信号を所定の係数で重み付けすることにより所定
の重点測光信号を出力するための重点測光信号出力手段
と、ニューラルネットワークの出力を、重点測光信号に
より規格化するための出力規格化手段と、出力規格化手
段の出力を予め定める基準信号と比較し、比較結果に基
づいてアイリスを制御するための比較手段とを含む。

【００２０】請求項４に記載のオートアイリス回路は、
アイリスにより入射光量の規制される撮像装置が出力
し、自動利得制御回路によりレベル調整が行なわれる輝
度信号に応答して、撮像装置の出力を所望のレベルに調
整するようにアイリス及び自動利得制御回路を制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、規格化された輝度値を取得するための規
格化輝度値取得手段と、規格化された輝度値を入力とす
るニューラルネットワークと、ニューラルネットワーク
の出力に応答してアイリス及び自動利得制御回路を制御
するための制御手段とを含む。規格化輝度値取得手段
は、輝度信号に基づいて、各部分領域の輝度値を取得す
るための輝度値取得手段と、輝度値取得手段の出力する
部分領域の輝度値の平均値を求めるための輝度値平均手
段と、各部分領域の輝度値を、輝度値平均手段の出力に
基づいてそれぞれ規格化するための輝度値規格化手段と
を含む。制御手段は、ニューラルネットワークの出力
を、輝度値平均手段の出力に基づいて規格化するための
出力規格化手段と、出力規格化手段の出力を、予め定め
る第一の基準信号と比較し、比較結果に基づいてアイリ
スを制御するための第一の比較手段と、出力規格化手段
の出力を、予め定める第二の基準信号と比較し、比較結
果に基づいて自動利得制御回路を制御するための第二の
比較手段とを含む。

【００２１】

【００２２】請求項５に記載のオートアイリス回路は、
アイリスにより入射光量の規制される撮像装置が出力
し、自動利得制御回路によりレベル調整が行なわれる輝
度信号に応答して、撮像装置の出力を所望のレベルに調
整するようにアイリス及び自動利得制御回路を制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、所定の基準にしたがって規格化された輝
度値を取得するための規格化輝度値取得手段と、規格化
輝度値取得手段から出力された部分領域の規格化された
輝度値に基づき、各部分領域を予め定める複数の輝度区
間のいずれか１つに分類し、度数分布情報を出力するた
めの分類手段と、度数分布情報を入力とするニューラル
ネットワークと、ニューラルネットワークの出力に応答
してアイリス及び自動利得制御回路を制御するための制
御手段とを含む。

【００２３】請求項６に記載のオートアイリス回路は、
請求項５に記載のオートアイリス回路であって、撮像装
置は、各々が１または複数個の部分領域を含む１または
複数個の部分領域群に区分される撮像領域を有する。こ
のオートアイリス回路は、規格化輝度値取得手段により
出力された各部分領域の輝度値を、各部分領域群ごとに
分類して各部分領域群ごとに１つの統合輝度値を出力す
るための輝度値統合手段をさらに含む。ニューラルネッ
トワークは、分類手段の出力に加えて輝度値統合手段の
出力をも入力とする。制御手段は、撮像領域を予め定め
る複数個の測光領域に区分し、各測光領域ごとに輝度信
号を所定の係数で重み付けすることにより所定の重点測
光信号を出力するための重点測光信号出力手段と、ニュ
ーラルネットワークの出力を、重点測光信号により規格
化するための出力規格化手段と、出力規格化手段の出力
を予め定める第一の基準信号と比較し、比較結果に基づ
いてアイリスを制御するための第一の比較手段と、出力
規格化手段の出力を予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御するた
めの第二の比較手段とを含む。

【００２４】

【作用】請求項１に記載のオートアイリス回路において
は、アイリスにより入射光量の規制される撮像装置の出
力する輝度信号に基づいて、撮像装置の撮像領域の部分
領域の輝度値の平均値が求められる。そして、部分領域
のそれぞれの、この平均値によって規格化された輝度値
が取得され、各部分領域の位置とは無関係にニューラル
ネットワークに与えられる。このニューラルネットワー
クの出力に応答してアイリス制御手段によりアイリスの
制御が行なわれる。さらにニューラルネットワークの出
力が、輝度値平均手段の出力に基づいて規格化される。
この規格化された出力が比較手段によって予め定める基
準信号と比較され、比較結果に基づいてアイリスが制御
される。ニューラルネットワークの入力が各部分領域の
位置とは無関係に行なわれるために、被写体の輝度分布
によるアイリス制御への影響は少なくなる。また、輝度
値がその平均値で規格化されるため、輝度レベルの変化
によるニューラルネットワークへの入力データのパター
ン変化が少なくなり、ニューラルネットワークの負担が
少なくなる。

【００２５】

【００２６】請求項２に記載のオートアイリス回路の分
類手段では、規格化輝度値取得手段から出力された部分
領域の規格化された輝度値に基づき、各部分領域が予め
定める複数の輝度区間のいずれか１つに分類される。そ
して、その度数分布情報がニューラルネットワークに入
力される。すなわち輝度分布の特徴が、度数分布情報と
してニューラルネットワークに与えられる。

【００２７】請求項３に記載のオートアイリス回路の輝
度値統合手段は、規格化輝度値取得手段により出力され
た各部分領域の輝度値を、各部分領域群ごとに分類して
各部分領域群ごとに１つの統合輝度値を出力する。この
統合輝度値は、分類手段の出力とともにニューラルネッ
トワークに入力される。重点測光信号出力手段は、撮像
領域の各測光領域ごとに輝度信号を所定の係数で重み付
けすることにより所定の重点測光信号を出力する。この
重点測光信号はニューラルネットワークに入力され、ニ
ューラルネットワークの出力は、出力規格化手段によっ
て重点測光信号を基準として規格化される。比較手段は
出力規格化手段の出力を予め定める基準信号と比較し、
比較結果に基づいてアイリスを制御する。これにより、
従来の重点測光方式による制御を行なったうえ、輝度分
布のパターンに従ったニューラルネットワークの出力で
補正できる。

【００２８】請求項４に記載のオートアイリス回路の規
格化輝度値取得手段は、アイリスにより入射光量の規制
される撮像装置が出力し、自動利得制御回路によりレベ
ル調整が行なわれる輝度信号に基づいて、撮像装置の部
分領域の輝度値の平均値が求められる。この平均値によ
って規格化された部分領域のそれぞれの輝度値を取得
し、ニューラルネットワークに与える。制御手段は、ニ
ューラルネットワークの出力に応答してアイリス及び自
動利得制御回路を制御する。ニューラルネットワークの
入力が各部分領域の位置とは無関係に行なわれるため
に、被写体の輝度分布によるアイリス制御および自動利
得制御回路の制御への影響が少なくなる。また、輝度値
がその平均値に基づいて規格化されているために、ニュ
ーラルネットワークへの入力データのパターン変化が少
なくなり、ニューラルネットワークの負担が少なくな
る。

【００２９】

【００３０】請求項５に記載のオートアイリス回路の分
類手段は、規格化輝度値取得手段から出力された部分領
域の規格化された輝度値に基づき、各部分領域を予め定
める複数の輝度区間のいずれか１つに分類する。さら
に、その度数分布情報がニューラルネットワークに与え
られる。すなわち、輝度分布の特徴が、度数分布情報と
してニューラルネットワークに与えられる。

【００３１】請求項６に記載のオートアイリス回路の輝
度値統合手段は、規格化輝度値取得手段により出力され
た各部分領域の輝度値を、各部分領域群ごとに分類して
各部分領域群ごとに１つの統合輝度値を出力する。この
統合輝度値は、分類手段の出力とともにニューラルネッ
トワークに与えられる。重点測光信号出力手段は、各測
光領域ごとに輝度信号を所定の係数で重み付けすること
により所定の重点測光信号を出力する。出力規格化手段
は、ニューラルネットワークの出力を、重点測光信号に
より規格化する。第一の比較手段は出力規格化手段の出
力を予め定める第一の基準信号と比較し、比較結果に基
づいてアイリスを制御する。第二の比較手段は、出力規
格化手段の出力を予め定める第二の基準信号と比較し、
比較結果に基づいて自動利得制御回路を制御する。これ
により、従来の重点測光方式によるアイリス制御を行な
うとともに、このアイリス制御を輝度分布のパターンに
従ったニューラルネットワークの出力によって補正でき
る。

【００３２】

【実施例】図１は、本発明の第１の実施例に係るオート
アイリス回路およびこのアイリスオート回路を含むカメ
ラ一体型ＶＴＲの一部のブロック図である。図１を参照
してこのカメラ一体型ＶＴＲは、レンズ２６と、アイリ
ス２４と、ＣＣＤ１０と、ＣＣＤ１０の出力する輝度信
号に基づきアイリス２４を制御するためのオートアイリ
ス回路２とを含む。

【００３３】オートアイリス回路２は、ＣＣＤ１０の出
力するアナログの輝度信号をデジタル信号に変換するた
めのＡ／Ｄ（アナログ─デジタル）変換回路２８と、Ａ
／Ｄ変換回路２８の出力するデジタルの輝度信号に基づ
き、ＣＣＤ１０の撮像画面を縦ｍ等分、横ｎ等分の複数
個のブロック（部分領域）に分割して、各ブロックごと
の輝度値を積分により取得するためのｍ×ｎブロック積
分回路１２と、ブロック積分回路１２から出力される複
数個のブロックの輝度値の平均値を求めるための平均値
回路１４と、ブロック積分回路１２と平均値回路１４と
に接続され、ブロック積分回路１２から出力される各ブ
ロックの輝度値を、平均値回路１４から与えられる平均
値を用いて規格化するための規格化回路１６と、規格化
回路１６によって規格化された、ｍ×ｎ個のブロックの
輝度値を入力とするニューラルネットワーク１８と、平
均値回路１４およびニューラルネットワーク１８に接続
され、ニューラルネットワーク１８の出力を平均値回路
１４から与えられる平均値を用いて規格化するための規
格化回路２０と、基準輝度信号を発生するための基準輝
度発生回路３８と、基準輝度信号と規格化回路２０の出
力とを比較し、アイリス２４を制御するための信号を出
力する比較器２２とを含む。

【００３４】ブロック積分回路１２は、図４を参照し
て、ＣＣＤ１０（図１）の撮像画面８２を、前述のよう
に縦ｍ個、横ｎ個のｍ×ｎ個のブロックに区分し、各ブ
ロックの輝度を、各ブロックごとに輝度信号を積分する
ことにより取得する。

【００３５】図２を参照して、ニューラルネットワーク
１８は、階層型のニューラルネットワークであり、ｍ×
ｎブロック積分回路１２から出力され、規格化回路１６
によって規格化されたｍ×ｎ個の輝度データを入力とす
る入力層４０と、入力層４０の出力を入力とする中間層
４２と、中間層４２の出力を入力とし、出力を規格化回
路２０（図１参照）に与えるための出力層４４とを含
む。

【００３６】入力層４０は、Ｓ＋１個のニューロン４６
を含む。このニューロン４６のうち、１〜Ｓ番目のニュ
ーロンには、それぞれ規格化回路１６の出力する各ブロ
ックの規格化された輝度データが１つずつ入力される。
すなわち、Ｓ＝ｍ×ｎが成立する。Ｓ＋１番目のニュー
ロン４６は、入力を持たず、常に−１を出力する。Ｓ＋
１番目のこのニューロンは、抑制性のニューロンと呼ば
れる。

【００３７】中間層４２は、Ｈ＋１個（Ｈ≧１）のニュ
ーロン４８を含む。このニューロン４８のうち、１〜Ｈ
番目のニューロン４８の入力は、入力層４０のＳ＋１個
のニューロンのそれぞれに接続されている。Ｈ＋１番目
のニューロンは、入力層４０のＳ＋１番目のニューロン
と同様に入力を持たず、抑制性のニューロンであって常
に−１を出力する。

【００３８】出力層４４は、１つのニューロン５０を含
む。ニューロン５０の入力には、中間層４２のＨ＋１個
のニューロン４８の出力がそれぞれ接続されている。ニ
ューロン５０は、中間層４２のニューロン４８の出力に
基づき１つの信号を出力する。

【００３９】図３を参照して、たとえば中間層４２の１
番目ないしＨ番目の各ニューロン４８は、Ｎ個の入力を
持つ。ｉ番目の入力値がｙ_i であるとすれば、各入力値
には重み係数ｗ_i が乗算され、ニューロン４８は次の式
に従う値ｚを出力する。

【００４０】

【数１】

【００４１】式（１）において、ω_i は、このニューロ
ン４８の、ｉ番目の入力を与える前層のニューロンとの
結合係数（重み係数）を表わす（ｉ＝１、…、Ｎ）。ま
た、関数ｓｉｇ（ｘ）（シグモイド関数）は０≦ｓｉｇ
（ｘ）≦１を満たす増加関数である。ｓｉｇ（ｘ）の例
として、次の式（２）で挙げられるものがある。

【００４２】

【数２】

【００４３】式（２）をグラフに表わせば、図１０に示
される曲線になる。本実施例のアイリス制御回路２のニ
ューラルネットワーク１８は、予め幾つかの輝度パター
ン（入力パターン）と、それに対応する望ましいアイリ
ス制御信号（教師信号）を与えることにより学習を終了
しているものとする．学習過程では各ニューロンには、
与えられた輝度パターンに対して出力層４４が出力する
データと、望ましい出力値とが与えられ、その誤差を用
いて各ニューロンの間の結合の強さが変えられていく。
これを繰返し複数個の輝度パターンについて行なうこと
により、各輝度パターンの分離が行なわれ、学習が終了
した後には、ニューラルネットワーク１８は、学習を行
なっていない輝度パターンについても望ましいアイリス
制御を行なうことができるように各ニューロン間の結合
の強さが調整されている。すなわち、学習が完了するこ
とにより、ニューラルネットワーク１８は、入力される
輝度パターンを幾つかのカテゴリに分類したこととな
り、学習をしていない輝度パターンが入力された際に
も、この入力パターンをあるカテゴリに分類し、望まし
い出力値を得ることができるようになる。

【００４４】図１〜図４を参照して、この第１の実施例
のオートアイリス回路２は以下のように動作する。レン
ズ２６によって結像面上に結ばれた被写体の光学像は、
ＣＣＤ１０により輝度信号に変換される。この信号は図
示されない映像信号処理回路に与えられ、所定の映像信
号処理が施される。この輝度信号はまた、オートアイリ
ス回路２のＡ／Ｄ変換回路２８でデジタル化され、ブロ
ック積分回路１２に与えられる。ブロック積分回路１２
は、ＣＣＤ１０の画面を図４に示されるようにｍ×ｎ個
のブロックに分割し、各ブロックごとにその輝度値を得
て、平均値回路１４および規格化回路１６に与える。平
均値回路１４は、ブロック積分回路１２から与えられる
ｍ×ｎ個の各ブロックごとの輝度値の平均値を算出し、
規格化回路１６、２０に与える。規格化回路１６は、ブ
ロック積分回路１２から与えられる各ブロックの輝度値
を、平均値回路１４から与えられる平均値で規格化し、
ニューラルネットワーク１８にｍ×ｎ個の入力として与
える。

【００４５】ニューラルネットワーク１８の入力層４０
の１〜Ｓ（＝ｍ×ｎ）番目のニューロン４６には、規格
化回路１６からｍ×ｎ個の規格化された輝度値のうち所
定の１つがそれぞれ与えられる。ニューロン４６は、予
め学習によって得ていた、入力に対する出力の変化のパ
ターンに従って出力を中間層４２の各ニューロン４８に
与える。中間層４２の各ニューロン４８は、入力層４０
のＳ＋１個のニューロンからの入力を受け、予め学習に
より与えられていたニューロン間の結合強さに従って出
力を得、それぞれ出力を出力層４４のニューロン５０に
与える。出力層４４のニューロン５０は、中間層４２の
Ｈ＋１個のニューロン４８から与えられるデータに対し
て、予め学習により得ていた入力に対する出力変化のパ
ターンに従って変化する電圧を出力する。

【００４６】このようにニューラルネットワーク１８
は、予め完了していた学習結果に従い、入力される輝度
パターンを幾つかのカテゴリに分類し、学習していない
輝度パターンを入力された場合にも或るカテゴリに分類
を行ない、望ましい出力値を得ることができる。

【００４７】図１を参照して、ニューラルネットワーク
１８の出力が規格化回路２０によって平均値回路１４か
ら与えられる平均値で規格化され、比較器２２に与えら
れる。比較器２２は、規格化回路２０の出力と基準輝度
信号とを比較し、規格化回路２０からの電圧が基準輝度
信号と等しくなるような方向に変化するようにアイリス
２４を制御する。

【００４８】このようにこの第１の実施例のオートアイ
リス回路２では、画面の位置に対して重み付けがなされ
ず、画面を複数個のブロックに分割してニューラルネッ
トワークによりアイリス制御を行なう。そのため従来技
術では困難であった、逆光時やスポット光が入射した場
合のアイリス制御信号の補正を行なうことができる。ま
た、本実施例ではニューラルネットワークの入力値およ
び出力値がそれぞれ平均値によって規格化されている。
ＣＣＤ１０の出力する輝度信号の輝度レベルの変化に対
しても、ニューラルネットワーク１８に与えられる入力
データのパターンに生ずる変化は少ない。そのため、輝
度レベルの変化に対してもニューラルネットワークのパ
ターン分離の負担が少なくてすむ。

【００４９】図５は、本発明の第２の実施例に係るオー
トアイリス回路４のブロック図である。この第２の実施
例のオートアイリス回路４も、図１に示されるオートア
イリス回路２と同様にカメラ一体型ＶＴＲのＣＣＤ１０
に接続され、ＣＣＤ１０から与えられる輝度信号に応じ
てアイリス２４を制御するためのものである。レンズ２
６、アイリス２４、ＣＣＤ１０は図１に示されるものと
同様のものである。

【００５０】オートアイリス回路４は、ＣＣＤ１０の出
力に接続され、ＣＣＤ１０から出力されるアナログの輝
度信号をＡ／Ｄ（アナログ−デジタル）変換するための
Ａ／Ｄ変換回路２８と、Ａ／Ｄ変換回路２８によってデ
ジタル信号に変換された輝度信号に基づき、図４に示さ
れるようにＣＣＤ１０の撮像画面８２をｍ×ｎ個のブロ
ックに分割し、各ブロックごとに輝度信号を積分して積
分値を取得するためのブロック積分回路１２と、ブロッ
ク積分回路１２の出力に接続され、ｍ×ｎ個のブロック
の輝度値の平均値を算出するための平均値回路１４と、
ブロック積分回路１２および平均値回路１４の出力に接
続され、ブロック積分回路１２から出力されるｍ×ｎ個
の各ブロックの輝度値を、平均値回路１４から与えられ
る平均値を用いて規格化するための規格化回路１６と、
規格化回路１６から出力される、各ブロックの規格化さ
れた輝度値に基づき、ｍ×ｎ個のブロックを、ｈ段階に
分類し、分類結果を各段階に属するブロックの個数（度
数分布情報）として出力するためのヒストグラム回路３
０と、ヒストグラム回路３０の出力を入力とする、階層
型のニューラルネットワーク３２と、ニューラルネット
ワーク３２および平均値回路１４の出力に接続され、ニ
ューラルネットワーク３２の出力を平均値回路１４から
の平均値で規格化するための規格化回路２０と、基準輝
度信号を出力するための基準輝度発生回路３８と、基準
輝度発生回路３８および規格化回路２０の出力に入力が
それぞれ接続され、規格化回路２０の出力電圧と基準輝
度信号の電圧とを比較し、規格化回路２０からの出力電
圧レベルが基準輝度信号の電圧レベルと等しくなる方向
に変化するようにアイリス２４を制御するための比較器
２２とを含む。

【００５１】図６を参照して、ニューラルネットワーク
３２は、ヒストグラム回路３０から与えられるｈ個のヒ
ストグラム分類済みデータを入力とする入力層５８と、
入力層５８の出力を入力とする中間層６０と、中間層６
０の出力を入力とする出力層６２とを含む。

【００５２】入力層５８は、ｈ（ｈ≧２）個のニューロ
ン５２を含む。任意のｉ番目のニューロン５２は、ヒス
トグラム回路３０から与えられるｉ段階目のヒストグラ
ム分類データを入力とする。すなわち、ｉ番目のニュー
ロン５２には、規格化された輝度がｉ段階目の区間に属
するブロックが幾つあるかを示す情報がヒストグラム回
路３０から与えられる。

【００５３】中間層６０は、Ｈ個のニューロン５４を含
む。各ニューロン５４は、入力層５８に含まれるｈ個の
ニューロン５２のすべての出力を入力とし、１つの出力
を出力層６２に与える。出力層６２は、１つのニューロ
ン５６を含む。ニューロン５６は、中間層６０に含まれ
るすべてのニューロン５４の出力を入力とし、入力され
る信号のパターンに応じて定まる出力を規格化回路２０
に与える。

【００５４】図７を参照して、たとえば中間層６０に含
まれるニューロン５４は、Ｎ（＝ｈ）個の入力ｙ₁ 〜ｙ
_N を有する。各入力ｙ₁ 〜ｙ_N は、それぞれに前の層の
各ニューロンとの結合度を定める重み係数ω₁ 〜ω_N に
よって重み付けされる。この重み係数ω₁ 〜ω_N は、前
述の学習の過程で様々な入力パターンに対するニューラ
ルネットワーク３２の出力パターンと、望ましい出力パ
ターンとの誤差に基づいて変更されていく。そしてこの
ニューロン５４の出力ｚは、次の式（３）に従って定め
られる。

【００５５】

【数３】

【００５６】式（３）において、ｙ_i はニューロン５４
のｉ番目の入力値、ω_i はこのニューロン５４の、前の
層のｉ番目のニューロンとの結合度を定める結合係数
（重み係数）（ただしｉ＝１、…、Ｎ＝ｈ）、θはニュ
ーロン５４のしきい値をそれぞれ表わす。シグモイド関
数ｓｉｇ（ｘ）の例としては次の式（４）で示されるも
のが挙げられる。

【００５７】

【数４】

【００５８】ニューラルネットワーク３２の各ニューロ
ン内の重み係数ω₁ 〜ω_N は、ニューラルネットワーク
３２の学習過程でそれぞれその値が決定される。この値
は、前述のようにニューラルネットワーク３２に何通り
かの入力パターンを与え、各入力パターンに対するニュ
ーラルネットワーク３２の出力値と望ましい出力値との
誤差に基づき変化される。この繰返しを行なうことによ
り学習がされ、各輝度パターンの分離が行なわれる。学
習が終了した後には、ニューラルネットワーク３２は、
学習を行なっていない輝度パターンに対しても望ましい
アイリス制御を行なうことができるようなニューロン間
の結合強さを有するようになっている。

【００５９】図５〜図７に示される第２の実施例のオー
トアイリス回路は以下のように動作する。レンズ２６に
よって結ばれた被写体の光学像は、ＣＣＤ１０によって
輝度信号に変換される。この輝度信号は図示されない映
像信号処理回路に与えられる。輝度信号はまたＡ／Ｄ変
換回路２８に与えられ、デジタル信号に変換される。ブ
ロック積分回路１２は、入力されるデジタル信号を、図
４に示されるようにｍ×ｎ個のブロックごとに積分する
ことにより、各ブロックの輝度値を取得し、平均値回路
１４および規格化回路１６に与える。平均値回路１４
は、ｍ×ｎ個の輝度値の平均値を算出し、規格化回路１
６、２０に与える。規格化回路１６はブロック積分回路
１２から出力されるｍ×ｎ個のブロックの各輝度値を、
平均値回路１４から与えられる平均値で規格化し、ヒス
トグラム回路３０に与える。

【００６０】ヒストグラム回路３０は、規格化回路１６
から与えられるｍ×ｎ個の各ブロックの輝度値を、その
レベルに応じてｈ段階に分類する。このｈ個の度数分布
情報はヒストグラム回路３０によってニューラルネット
ワーク３２に入力される。

【００６１】ニューラルネットワーク３２の入力層５８
のたとえばｉ番目のニューロン５２には、ｉ段階目の度
数がヒストグラム分類済みデータとしてヒストグラム回
路３０から入力される。ニューロン５２は、予め学習し
ていた重み付けに従って入力値を加工し、中間層６０に
含まれる各ニューロン５４に与える。中間層６０に含ま
れる各ニューロン５４は、入力層５８の各ニューロン５
２からの入力に対し、予め学習済みの重み付けを行なっ
て演算し、それぞれ１つの出力を出力層６２のニューロ
ン５６に与える。出力層６２のニューロン５６は、中間
層６０の各ニューロン５４から入力される信号に対し、
予め学習済みの重み付けを行なって演算し、１つの出力
を得て規格化回路２０に与える。

【００６２】ニューラルネットワーク３２の出力は、値
の適正化を保つために、平均値回路１４から与えられる
平均値に従って規格化され比較器２２に与えられる。比
較器２２は、基準輝度発生回路３８からの基準輝度信号
の電圧レベルと規格化回路２０から与えられる信号の電
圧レベルとを比較し、規格化回路２０の出力する信号の
電圧レベルが基準輝度信号の電圧レベルと等しい方向に
変化するようにアイリス２４を制御する。

【００６３】この第２の実施例に係るオートアイリス回
路においては、ＣＣＤ１０の撮像画面８２が、位置によ
り重み付けのされない複数個のブロックに分割されたう
え、各ブロックごとの輝度が求められ、その輝度に基づ
いてアイリスの制御が行なわれる。したがって従来のよ
うに、被写体内の高輝度の部分がどの位置にあるかに従
ってアイリス２４が不適切に制御されてしまうという恐
れはない。また、ブロック積分回路１２によって得られ
た各ブロックごとの輝度値をその平均値を用いて一旦規
格化するため、ヒストグラム回路３０による分類では、
輝度レベルとは無関係に輝度の分布パターンによって特
徴をもったヒストグラムが得られる。したがって、様々
な入力輝度パターンに対してヒストグラムを求め、ヒス
トグラムによる分類結果をニューラルネットワーク３２
に入力させてその出力を得、望ましい出力との誤差によ
ってニューラルネットワーク３２を予め学習させておけ
ば、ニューラルネットワーク３２は、ヒストグラム回路
３０の出力に現われる特徴に応じて適切な態様でアイリ
ス２４を制御することができる。しかも、ヒストグラム
を用いることで、ニューラルネットワーク３２に与えら
れるデータのパターンはヒストグラムを用いない場合よ
り減少し、輝度パターンを判別するうえでニューラルネ
ットワーク３２にかかる負担が少なくてすむという効果
がある。

【００６４】図８は、本発明の第３の実施例に係るオー
トアイリス回路６のブロック図である。このオートアイ
リス回路６は、第１、第２の実施例と同様にレンズ２
６、アイリス２４、ＣＣＤ１０を有するカメラ一体型Ｖ
ＴＲで用いられ、ＣＣＤ１０の出力する輝度信号に基づ
いてアイリス２４を制御するためのものである。

【００６５】図８を参照して、オートアイリス回路６
は、ＣＣＤ１０の出力に接続され、ＣＣＤ１０の出力す
る輝度信号をＡ／Ｄ変換するためのＡ／Ｄ変換回路２８
と、Ａ／Ｄ変換回路２８によりデジタル信号に変換され
た輝度信号を、図４に示される、撮像領域８２のｍ×ｎ
等分された各ブロックごとに積分することにより各ブロ
ックの輝度値を算出するためのブロック積分回路１２
と、ブロック積分回路１２の出力に入力が接続され、各
ブロックの輝度値に基づき、従来行なわれていた中央重
点測光方式と同様に、中央付近の各ブロックの輝度値に
対しては大きな重み付けを行なうことにより、アイリス
２４を制御するための測光信号を出力するための中央重
点測光回路３４とを含む。

【００６６】オートアイリス回路６はさらに、ブロック
積分回路１２の出力するｍ×ｎ個のブロックの輝度値の
平均値を算出するための平均値回路１８と、ブロック積
分回路１２の出力するｍ×ｎ個のブロックの各輝度値
を、平均値回路１８から与えられる平均値によって規格
化するための規格化回路１６と、規格化回路１６から出
力される、ｍ×ｎ個の各ブロックの規格化された輝度値
を、そのレベルに応じて分類し、各輝度レベルに属する
ブロックをヒストグラムを用いて分類し、度数分布情報
を出力するためのヒストグラム回路３０と、規格化回路
１６から出力されるｍ×ｎ個の各ブロックの輝度値を、
各ブロックをその位置に応じて幾つかのエリアにまと
め、統合した輝度値の形で各エリアごとに出力するため
のエリア分割回路３４と、ヒストグラム回路３０および
エリア分割回路３４の出力を入力とするニューラルネッ
トワーク３６と、ニューラルネットワーク３６の出力を
中央重点測光回路３４の出力で規格化するための規格化
回路２０と、基準輝度信号を発生するための基準輝度発
生回路３８と、基準輝度発生回路３８からの基準輝度信
号の電圧レベルと規格化回路２０から与えられる信号の
電圧レベルとを比較し、比較結果に基づき、規格化回路
２０の出力する信号の電圧レベルが基準輝度信号の電圧
レベルと等しい方向に変化するようにアイリス２４を制
御するための比較器２２とを含む。

【００６７】ヒストグラム回路３０は、規格化回路１６
によって規格化された各ブロックの規格値を、その輝度
レベルに応じてｐ段階（ｐ≧１）に分類し、各段階の度
数分布情報をニューラルネットワーク３６に与えるため
のものである。エリア分割回路３４は、ｍ×ｎ個のブロ
ックの各々を、ｑ個のエリアの１つに属するように分類
し、各エリアごとに輝度データをまとめてニューラルネ
ットワーク３６に与えるためのものである。ｑは１≦ｑ
≦ｍ×ｎを満足するように選ばれる。

【００６８】図９を参照して、ニューラルネットワーク
３６は、ヒストグラム回路３０およびエリア分割回路３
４の出力を入力とする入力層６４と、入力層６４の出力
を入力とする中間層６６と、中間層６６の出力を入力と
する出力層６８とを含む。

【００６９】入力層６４は、それぞれヒストグラム回路
３０の出力を入力とするｐ個のニューロン７０（Ｈ₁ 〜
Ｈ_p ）と、それぞれエリア分割回路３４の出力を入力と
するｑ個のニューロン７２（Ａ₁ 〜Ａ_q ）と、入力を持
たず、常に−１を出力するための抑制性ニューロン７４
とを含む。すなわち、入力層６４はｐ＋ｑ＋１個のニュ
ーロンを含み、入力の個数はｐ＋ｑである。このうち、
ｉ番目のニューロン７０（Ｈｉ）には、ヒストグラム回
路３０から、ｉ段階目の輝度レベルに属するブロックの
度数を表わす信号が入力される。またｊ番目のニューロ
ン７２（Ａ_j ）には、エリア分割回路３４から、ｊ番目
のエリアに分類されたブロックの輝度値の統合された信
号が入力される。

【００７０】中間層６６は、それぞれが入力層６４のｐ
＋ｑ＋１個のニューロンと結合されたＲ個のニューロン
７６と、入力を持たない抑制性のニューロン７８とを含
む。すなわち、中間層６６はＲ＋１個のニューロンを含
む。このうちニューロン７６の各々は、入力層６４のニ
ューロン７０、７２、７４のすべてと結合される。そし
て、各ニューロン７６は、入力値に対してそれぞれ予め
学習により得られた重み付けを行なったうえで所定の演
算をし、１つの出力を出力層６８に与える。

【００７１】出力層６８は、１つのニューロン８０を含
む。ニューロン８０は、中間層６６に含まれるＲ＋１個
のすべてのニューロン７６、７８の出力をその入力とす
る。ニューロン８０は、Ｒ＋１個の入力に対して、予め
学習によって得られた重み付けを行ない所定の演算を行
なうことにより１つの信号を出力する。

【００７２】図９に示されるニューラルネットワーク３
６に使用されているニューロンは、図３に示される、第
１の実施例に用いられるニューロン４８と同種のもので
ある。各ニューロンが行なう非線形変換としては、第１
の実施例と同様に図１０に示されるようなシグモイド関
数が用いられる。

【００７３】この第３の実施例のオートアイリス回路は
以下のように動作する。ニューラルネットワーク３６に
は、予めヒストグラム分類済みデータおよびエリア分割
により得られたデータが入力された場合のニューラルネ
ットワーク３６の出力値と望ましい出力値との差に基づ
き各ニューロン内の重み付け係数を変更する、という学
習過程が、様々な入力パターンに対して繰返し行なわれ
ている。この学習が完了することにより、ニューラルネ
ットワーク３６は、入力されるヒストグラム分類済みデ
ータおよびエリア分割により得られたデータの様々なパ
ターンに対し、学習済みのパターン以外のものであって
も望ましい出力値を得ることができるように各重み付け
係数が調整され、その結果様々な入力パターンに対して
も望ましい出力値を得ることができるようになってい
る。

【００７４】レンズ２６で結ばれた被写体の光学像はＣ
ＣＤ１０によって輝度信号に変換され、図示されない映
像信号処理回路に与えられる。輝度信号はまたＡ／Ｄ変
換回路２８によってデジタル信号に変換され、ブロック
積分回路１２に与えられる。ブロック積分回路１２は、
ＣＣＤ１０の撮像画面を図４に示されるようにｍ×ｎ個
のブロックに分割し、入力されるデジタルの輝度信号を
各ブロックごとに積分することにより、各ブロックの輝
度値を取得して出力する。各ブロックごとの輝度値は中
央重点測光回路３４に与えられ、中央重点測光回路３４
は、各ブロックの輝度値に対して、中央部分のブロック
に大きな重み付けが行なわれるような、従来の中央重点
測光方式と同様の処理を行なうことにより測光信号を出
力し、規格化回路２０に与える。

【００７５】一方、平均値回路１８は、ブロック積分回
路１２から出力されるｍ×ｎ個のブロックの輝度値の平
均値を求め、規格化回路１６に与える。規格化回路１６
は、ブロック積分回路１２から与えられるｍ×ｎ個の各
ブロックの輝度値を、平均値回路１８から与えられる平
均値を用いて規格化し、ヒストグラム回路３０およびエ
リア分割回路３４に与える。

【００７６】ヒストグラム回路３０は、規格化回路１６
から与えられる、規格化されたｍ×ｎ個の各ブロックの
輝度値を、その輝度レベルに基づいてｐ段階に分類し、
ヒストグラムを用いて各段階に属するブロックの個数を
表わす信号（度数分布情報）をニューラルネットワーク
３６に与える。エリア分割回路３４は、規格化されたｍ
×ｎ個のブロックの輝度値を、各ブロックが画面上のｑ
個のエリアのどれに属するかに従って各エリアごとにそ
の輝度値を統合し、ｑ個のデータとしてニューラルネッ
トワーク３６に与える。

【００７７】ニューラルネットワーク３６は、ヒストグ
ラム回路３０から与えられるヒストグラム分類済みデー
タおよびエリア分割回路３４から与えられるエリア分割
により得られたデータのパターンに対し、予め学習によ
って得られた重み付けに従った演算を行なって１つの出
力を得、これを規格化回路２０に与える。規格化回路２
０は、ニューラルネットワーク３６の出力を中央重点測
光回路３４からの出力で規格化して出力する。

【００７８】比較器２２は、基準輝度発生回路３８から
与えられる基準輝度信号の電圧レベルと規格化回路２０
の出力する信号の電圧レベルとを比較し、比較結果に基
づき、規格化回路２０の出力する信号の電圧レベルが基
準輝度信号の電圧レベルと等しい方向に変化するように
アイリス２４を制御する。

【００７９】この第３の実施例に示されるオートアイリ
ス回路においては、Ａ／Ｄ変換回路２８と、ブロック積
分回路１２と、中央重点測光回路３４と比較器２２とに
よってアイリス２４を制御するためのメインループが形
成される。このメインループによるアイリス２４の制御
自体は、従来の中央重点測光方式のそれと同様である。
しかし、前述のように従来の方式のみでは、被写体の輝
度分布によってはこのようなメインループのみではアイ
リス２４を適正に制御することができない場合がある。
平均値回路１８と、規格化回路１６と、ヒストグラム回
路３０と、エリア分割回路３４と、ニューラルネットワ
ーク３６とは、このメインループのみでは制御し切れな
いような場合に、アイリス制御を補正するための補助ル
ープを構成する。

【００８０】各ブロックの輝度値は平均値回路１８およ
び規格化回路１６によって規格化されるため、輝度レベ
ルの変動に対してニューラルネットワーク３６に与えら
れる入力パターンが変化することは少なく、ニューラル
ネットワーク３６にかかる負担が少なくなる。また、規
格化された輝度値をそのままニューラルネットワーク３
６の入力とせず、ヒストグラム分類による度数分布およ
びエリア分割により各エリアごとに分類され統合された
輝度値データをニューラルネットワーク３６に与える。
そのため輝度レベルの分布と、輝度レベルの位置との情
報がニューラルネットワークに入力パターンの特徴的な
情報として与えられ、ニューラルネットワーク３６によ
る入力パターンの分離が容易となるという効果がある。

【００８１】このように、この第３の実施例によれば、
メインループのみでは十分なアイリス制御が困難であっ
た被写体に対しても、ニューラルネットワークを用いた
補助ループによって補正を行なうことができ、適正なア
イリス制御を行なうことができる。

【００８２】なお、この第３の実施例ではメインループ
を構成する回路として中央重点測光回路を用いたが、中
央重点測光回路のみではなく従来の技術でも述べたよう
な下方重点測光方式とのデュアル測光方式を用いてもよ
いし、他の方式の重点測光方式を用いてもよい。

【００８３】図１１は、本発明の第４の実施例に係るオ
ートアイリス回路３と、このオートアイリス回路３を含
むカメラ一体型ＶＴＲの一部のブロック図である。この
第４の実施例のオートアイリス回路３は、本発明の第１
の実施例のオートアイリス回路２を、図１５に示される
従来のオートアイリス回路９１に対して適用したもので
ある。

【００８４】図１１を参照して、このオートアイリス回
路３は、ＣＣＤ１０によって出力されＡＧＣ回路１１に
よって所定の輝度レベルまで増幅された輝度信号に基づ
き、アイリス２４とＡＧＣ回路１１とを制御するための
ものである。このオートアイリス回路３は、図１に示さ
れる第１の実施例のオートアイリス回路２と同様に、Ａ
／Ｄ変換回路２８と、ｍ×ｎブロック積分回路１２と、
平均値回路１４と、輝度値の規格化回路１６と、ニュー
ラルネットワーク１８と、出力の規格化回路２０と、基
準輝度発生回路３８と、比較器２２とを含む。この第４
の実施例のオートアイリス回路３が第１の実施例のオー
トアイリス回路２と異なるのは、Ａ／Ｄ変換回路２８の
入力がＣＣＤ１０の出力ではなく、ＡＧＣ回路１１の出
力に接続されていることと、第２の基準輝度信号を発生
するための基準輝度発生回路３９と、基準輝度発生回路
３９の出力する基準輝度信号と規格化回路２０の出力と
を比較し、ＡＧＣ回路１１を制御するための信号を出力
する比較器２３とをさらに含むこととである。

【００８５】この第４の実施例のオートアイリス回路３
のニューラルネットワーク１８は、予めいくつかの輝度
パターン（入力パターン）と、それに対応する望ましい
アイリス制御信号およびＡＧＣ制御信号を教師信号とし
て与えることにより学習を終了しているものとする。こ
のとき、アイリス２４を開放しても所望の輝度信号が得
られないときにのみＡＧＣ回路１１が動作するので、ニ
ューラルネットワーク１８に与える教師信号としては、
１つの入力パターンに対して１つの教師信号で十分であ
る。

【００８６】前述のように学習過程では、入力パターン
と望ましい出力値との誤差を用いて各ニューロンの間の
結合の強さが変えられていく。これを繰返し複数個の輝
度パターンについて行なうことにより、各輝度パターン
の分離が行なわれる。学習が終了した後には、ニューラ
ルネットワーク１８は、学習を行なっていない輝度パタ
ーンについても望ましいアイリス制御信号およびＡＧＣ
信号制御信号を出力することができるように、各ニュー
ロン間の結合の強さが調整されている。すなわち、学習
が完了することによりニューラルネットワーク１８は、
入力される輝度パターンをいくつかのカテゴリに分類し
たこととなり、学習をしていない輝度パターンが入力さ
れた際にも、この入力パターンをあるカテゴリに分類
し、望ましい出力値を得ることができるようになる。

【００８７】図１１および図１において、同一の部品に
は同一の参照符号および名称が与えられている。それら
の機能も同一である。したがってここではそれらについ
ての詳しい説明は繰返さない。

【００８８】図１１に示される第４の実施例のオートア
イリス回路３のうち、アイリス２４を制御する部分の動
作は第１の実施例のそれと同様である。したがってここ
ではそれを繰返すことは行なわない。

【００８９】アイリス２４の制御のみでは所望の輝度信
号レベルを得られないときには、ＡＧＣ回路１１がオー
トアイリス回路３によって制御されて、輝度信号レベル
を上げるように動作する。以下この動作について説明す
る。比較器２３は、規格化回路２０の出力と基準輝度発
生回路３９から与えられる基準輝度信号とを比較し、規
格化回路２０からの電圧がこの基準輝度信号と等しくな
るような方向に変化するようにＡＧＣ回路１１を制御す
る。したがって、アイリス２４を開放してもＣＣＤ１０
の出力する輝度信号が所定のレベルに達していない場合
に、ＡＧＣ回路１１が比較器２３によって制御され、こ
の輝度信号を所望のレベルまで増幅する。

【００９０】このように、この第４の実施例のオートア
イリス回路３では、画面上の各部分につき、その画面上
の位置による重み付けがなされない。そうではなく、画
面を複数のブロックに分割して、各ブロック毎の輝度を
すべてのブロックの輝度の平均値で規格化してニューラ
ルネットワークに与え、ニューラルネットワークの出力
に従ってアイリス制御およびＡＧＣ制御を行なう。その
ため、従来技術では困難であった、逆光時やスポット光
が入射した場合のアイリス制御信号の補正を行なうこと
ができる。また、ＡＧＣ制御信号の補正もオートアイリ
ス回路３で行なっているために、この第４の実施例では
暗いところなどのように照度の低い被写体でも、所望の
輝度レベルの輝度信号を得ることができる。また、この
第４の実施例でも前述のニューラルネットワークの入力
値および出力値がそれぞれ全ブロックの輝度の平均値に
よって規格化されている。そのため、ＣＣＤ１０の出力
する輝度レベルが変化しても、ニューラルネットワーク
１８に与えられる入力データのパターンに生ずる変化は
少ない。したがって、輝度レベルの変化に対しても入力
ニューラルネットワーク１８にかかるパターン分離のた
めの負担が少なくて済むという効果がある。

【００９１】図１２は、本発明の第５の実施例のオート
アイリス回路５およびこのオートアイリス回路５を用い
たカメラ一体型ＶＴＲの一部のブロック図である。この
第５の実施例のオートアイリス回路５は、図５に示され
る第２の実施例のオートアイリス回路４を、図１５に示
される従来のオートアイリス回路９１に対して適用した
ものである。この第５の実施例のオートアイリス回路５
も、図５に示されるオートアイリス回路４と同様に、Ａ
／Ｄ変換回路２８と、ｍ×ｎブロック積分回路１２と、
平均値回路１４と、輝度値の規格化回路１６と、ヒスト
グラム回路３０と、ニューラルネットワーク３２と、出
力の規格化回路２０と、基準輝度発生回路３８と、比較
器２２とを含む。さらにこのオートアイリス回路５は、
図１１に示されるオートアイリス回路３と同様に、第２
の基準輝度発生回路３９と、第２の基準輝度発生回路３
９の出力する第２の基準輝度信号と、出力規格化回路２
０の出力とを比較し、比較結果に基づいてＡＧＣ回路１
１を制御する信号を出力するための比較器２３とをさら
に含む。またＡ／Ｄ変換回路２８の入力は、ＣＣＤ１０
の出力ではなくＡＧＣ回路１１の出力に接続されてい
る。

【００９２】この第５の実施例のオートアイリス回路５
の動作のうち、アイリス２４を制御する部分の動作は、
既に説明した第２の実施例のそれと同様である。また、
出力の規格化回路２０の出力に基づきＡＧＣ回路１１を
制御する部分の動作は、図１１を参照して、既に説明し
た第４の実施例のそれと同様である。したがってここで
は、それらについての詳しい説明は繰返さない。

【００９３】この第５の実施例に係るオートアイリス回
路５によれば、ＣＣＤ１０の撮像画面８２（図４参照）
が、位置によって重み付けのされないｍ×ｎ個の複数個
のブロックに分割された上、各ブロック毎の輝度が求め
られ、その輝度に基づいてアイリスの制御が行なわれ
る。従来のように被写体内の高輝度の部分がどの位置に
あるかのみに従ってアイリス２４が不適切に制御されて
しまうという恐れはない。

【００９４】また、ブロック積分回路１２によって得ら
れた各ブロック毎の輝度値を、そのすべてのブロックの
輝度値の平均値を用いて一旦規格化するため、ヒストグ
ラム回路３０による分類では、輝度レベルのみの変化と
は無関係に、輝度の分布パターンによって特徴的な形状
を有するヒストグラムが得られる。様々な入力輝度パタ
ーンに対してヒストグラムによる分類結果をニューラル
ネットワーク３２に入力させて、その出力と望ましい出
力との誤差によってニューラルネットワーク３２を学習
させておけば、ニューラルネットワーク３２は、ヒスト
グラム回路３０の出力に現われる輝度分布の特徴に応じ
て適切な態様で、アイリス２４を制御することができ
る。しかも、ニューラルネットワーク３２への入力デー
タとしてヒストグラムを用いることで、入力データのパ
ターンはヒストグラムを用いない場合よりも減少し、輝
度パターンを判別する上でニューラルネットワーク３２
にかかる負担が少なくて済むという効果がある。

【００９５】またこの第５の実施例ではさらに、ＡＧＣ
回路１１の制御の補正もニューラルネットワーク３２の
出力を用いて行なうことにより、暗いところなど照度の
低い被写体の輝度パターンに対しても、適切な輝度レベ
ルを有する輝度信号をＡＧＣ回路１１の出力として得る
ことができる。

【００９６】図１３は、本発明の第６の実施例に係るオ
ートアイリス回路７およびこのオートアイリス回路７を
用いるカメラ一体型ＶＴＲの一部のブロック図である。
この第６の実施例のオートアイリス回路７は、図８に示
される第３の実施例のオートアイリス回路６を、図１５
に示される従来のオートアイリス回路９１に対して適用
した実施例である。

【００９７】オートアイリス回路７は、図８のオートア
イリス回路６と同様に、Ａ／Ｄ変換回路２８と、ｍ×ｎ
ブロック積分回路１２と、中央重点測光回路３４と、平
均値回路１８と、輝度値の規格化回路１６と、ヒストグ
ラム回路３０と、エリア分割回路３４と、ニューラルネ
ットワーク３６と、出力の規格化回路２０と、基準輝度
発生回路３８と、比較器２２とを含む。このオートアイ
リス回路７はさらに、図１１に示される第４の実施例の
オートアイリス回路３および図１２に示される第５の実
施例のオートアイリス回路５と同様に、第２の基準輝度
信号を発生するための第２の基準輝度発生回路３９と、
第２の基準輝度発生回路３９から与えられる第２の基準
輝度信号の電圧レベルと、出力規格化回路２０の出力す
る信号の電圧レベルとを比較し、比較結果に基づいて、
規格化回路２０の出力する信号の電圧レベルが、第２の
基準輝度信号の電圧レベルと等しい方向に変化するよう
にＡＧＣ回路１１を制御するための比較器２３とをさら
に含む。またＡ／Ｄ変換回路２８の入力は、ＣＣＤ１０
の出力ではなくＡＧＣ回路１１の出力に接続されてい
る。

【００９８】図１３と、図８、図１１、図１２とにおい
て、同一の部品には同一の参照符号および名称が与えら
れている。それらの機能も同一である。したがって、こ
こではそれらについての詳しい説明は繰返さない。

【００９９】第６の実施例のオートアイリス回路７のう
ち、アイリス２４を制御するための部分の動作は図８を
参照して既に説明したオートアイリス回路６のそれと同
様である。またＡＧＣ回路１１を制御する部分の動作
は、図１１を参照して既に説明した第４の実施例のオー
トアイリス回路３のそれと同様である。したがって、こ
こではそれらについての詳しい説明を繰返すことは行な
わない。

【０１００】この第６の実施例に示されるオートアイリ
ス回路７においては、Ａ／Ｄ変換回路２８と、ｍ×ｎブ
ロック積分回路１２と、中央重点測光回路３４と、比較
器２２と、比較器２３とによって、アイリス２４および
ＡＧＣ回路１１を制御するためのメインループが形成さ
れる。このメインループによるアイリス２４およびＡＧ
Ｃ回路１１の制御自体は、従来の中央重点測光方式のそ
れと同様である。

【０１０１】しかし、前述のようにこのようなメインル
ープのみでは、被写体の輝度分布によってはアイリス２
４およびＡＧＣ回路１１を適正に制御することができな
い。この制御を適正に補正するために、平均値回路１８
と輝度値の規格化回路１６と、ヒストグラム回路３０
と、エリア分割回路３４と、ニューラルネットワーク３
６とでアイリス制御およびＡＧＣ制御を補正するための
補助ループを構成している。この補助ループの出力を用
いて、出力規格化回路２０によって中央重点測光回路３
４の出力を補正しているために、被写体の輝度分布のよ
り広い範囲に対して適正な制御を行なうことができる。

【０１０２】各ブロックの輝度値は平均値回路１８の出
力および輝度値規格化回路１６によって一旦規格化され
る。輝度レベルの変動に対してニューラルネットワーク
３６に与えられる入力パターンが変化することが少なく
なり、ニューラルネットワーク３６に係るパターン分離
の負担が少なくなる。

【０１０３】またこの実施例では、規格化された各ブロ
ック毎の輝度値がそのままニューラルネットワーク３６
に入力されているわけではない。輝度値はヒストグラム
回路３０によってヒストグラム分類され、度数分布デー
タの形でニューラルネットワーク３６に与えられる。ま
た、各ブロックの輝度値は各ブロックが属するエリア毎
に分類される。そして、各エリア毎に輝度値データが統
合され、統合された輝度値データがニューラルネットワ
ーク３６に与えられる。輝度レベルの分布、輝度レベル
の位置の情報が、ともに、ニューラルネットワーク３６
に、入力パターンの特徴を表わす情報として与えられ
る。そのために、ニューラルネットワーク３６による入
力パターンの分離が容易となるという効果がある。した
がってニューラルネットワーク３６として小さなものを
用いても十分な効果が得られる。

【０１０４】このように第６の実施例によれば、メイン
ループのみでは不十分なアイリス制御およびＡＧＣ制御
が困難であった被写体に対しても、ニューラルネットワ
ーク３６を用いた補助ループによって制御の補正を行な
うことができる。したがって、適正なアイリス制御およ
びＡＧＣ制御を、より多様な被写体に対しても行なうこ
とができる。

【０１０５】この第６の実施例では、メインループを構
成する回路として、中央重点測光方式を用いたものを示
した。しかし本発明はそれには限定されず、従来の技術
でも述べたような下方重点測光方式とのデュアル測光方
式を用いてもよいし、他の方式の重点測光方式を用いて
もよい。

【０１０６】

【発明の効果】以上のように請求項１に記載の発明によ
れば、撮像装置の撮像領域を複数個の部分領域に分割
し、各部分領域の輝度値をそのままではなく、部分領域
の輝度値の平均値によって規格化して、その撮像領域上
の位置に関係なくニューラルネットワークへの入力とし
ている。したがって従来のような撮像領域上の位置によ
る重点測光方式を用いた場合よりも、被写体の輝度分布
から受けるアイリス制御への影響は少なくなる。またニ
ューラルネットワークの出力も同じ部分領域の輝度値の
平均値によって規格化される。そのため、輝度レベルの
みの変化による入力データのパターン変化が少ない。ニ
ューラルネットワークの負担が少なく、適正なアイリス
制御を行なうことができる。その結果、どのような被写
体の輝度分布に対しても適正なアイリス制御を行なうこ
とができるオートアイリス回路を提供することができ
る。

【０１０７】

【０１０８】請求項２に記載の発明によれば、撮像装置
の撮像領域が複数個の部分領域に分割され、各部分領域
ごとに得られた輝度値には、ヒストグラム分類が行なわ
れて、その度数分布情報がニューラルネットワークへの
入力とされる。したがって従来の重点測光方式と異な
り、輝度分布が変則的になった場合にアイリス制御が不
適正に行なわれる恐れが少ない。また、各部分領域の輝
度値のヒストグラム分類を行なうために、被写体の輝度
パターンによって輝度分布に現われる特徴を明確に抽出
することができ、輝度パターンに対するアイリス制御を
行ううえでのニューラルネットワークの負担を少なくす
ることができる。その結果、被写体の様々な輝度パター
ンに対しても適正にアイリス制御を行なうことができる
オートアイリス回路を提供することができる。

【０１０９】請求項３に記載の発明によれば、撮像領域
を複数個の部分領域に分割したうえで、従来と同様の重
点測光方式を用いて基本的なアイリス制御が行なわれ
る。また、各部分領域の輝度値に基づき、ニューラルネ
ットワークを用いて重点測光方式によるアイリス制御の
補正を行なうことができる。したがって従来の重点測光
方式では不十分な制御しか行なえなかったような被写体
の輝度パターンに対しても、適正なアイリス制御を行な
うことができる。規格化された各部分領域の輝度値がヒ
ストグラム分類され、その結果がニューラルネットワー
クへの入力とされるため、輝度パターンの特徴がヒスト
グラムによって明確に抽出される。ニューラルネットワ
ークによるアイリス制御の補正のための負担は少なくて
すむ。同様に各部分領域の規格化された輝度値は、各部
分領域が属する部分領域群ごとに統合され、まとめられ
た形でニューラルネットワークへの入力とされる。輝度
分布の位置変化による特徴を抽出してニューラルネット
ワークへの入力とすることができ、アイリス制御を補正
する際のニューラルネットワークへの負担が少なくてす
む。したがって、小さなニューラルネットワークを用い
て十分なアイリス制御を行なうことが可能である。その
結果、被写体の様々な輝度パターンに対しても正確なア
イリス制御を行なうことができるオートアイリス回路を
提供できる。

【０１１０】請求項４に記載の発明によれば、撮像装置
の撮像領域を複数個の部分領域に分割し、各部分領域の
輝度値をそのままではなく、部分領域の輝度値の平均値
によって規格化して、その撮像領域上の位置に関係なく
ニューラルネットワークへの入力としている。したがっ
て従来のような撮像領域上の位置による重点測光方式を
用いた場合よりも、被写体の輝度分布から受けるアイリ
ス制御および自動利得制御回路の制御への影響は少なく
なる。またニューラルネットワークの出力も同じ部分領
域の輝度値の平均値によって規格化される。したがっ
て、輝度レベルのみの変化による入力データのパターン
変化が少なく、ニューラルネットワークの負担を少なく
しつつアイリスと自動利得制御回路の制御が行なえると
いう効果がある。その結果、広い範囲の輝度レベルにわ
たり、被写体の様々な輝度パターンに対しても適正なア
イリスおよび自動利得制御回路の制御を行なうことがで
きる。

【０１１１】

【０１１２】請求項５に記載の発明によれば、撮像装置
の撮像領域が複数個の部分領域に分割され、各部分領域
ごとに得られた輝度値にヒストグラム分類が行なわれ
て、その度数分布情報がニューラルネットワークに入力
されてその出力でアイリスおよび自動利得制御回路が制
御される。したがって従来の重点測光方式と異なり、輝
度分布が変則的になった場合にアイリスと自動利得制御
回路の制御が不適正に行なわれる恐れが少ない。ヒスト
グラム分類を行なうために、被写体の輝度パターンに現
われる特徴を明確に抽出することができ、輝度パターン
に対するアイリスと自動利得制御回路の制御を行ううえ
でのニューラルネットワークの負担を少なくすることが
できる。その結果、広い範囲の輝度レベルにわたり、被
写体の様々な輝度パターンに対しても適正にアイリスと
自動利得制御回路の制御を行なうことができるオートア
イリス回路を提供することができる。

【０１１３】請求項６に記載の発明によれば、撮像領域
を複数個の部分領域に分割したうえで、従来と同様の重
点測光方式を用いて基本的なアイリスと自動利得制御回
路の制御が行なわれる。また、各部分領域の輝度値に基
づき、ニューラルネットワークを用いて重点測光方式に
よるアイリスと自動利得制御回路の制御の補正を行なう
ことができる。したがって従来の重点測光方式では不十
分な制御しか行なえなかったような被写体の輝度パター
ンに対しても、適正なアイリスと自動利得制御回路の制
御を行なうことができる。規格化された各部分領域の輝
度値がヒストグラム分類され、その結果がニューラルネ
ットワークへの入力とされるため、輝度パターンの特徴
がヒストグラムによって明確に抽出される。ニューラル
ネットワークによるアイリスおよび自動利得制御回路の
制御の補正のための負担は少なくてすむ。同様に各部分
領域の規格化された輝度値は、各部分領域が属する部分
領域群ごとに統合され、まとめられた形でニューラルネ
ットワークへの入力とされる。したがって、輝度分布の
位置変化による特徴を抽出してニューラルネットワーク
への入力とすることができ、アイリスおよび自動利得制
御回路の制御を補正する際のニューラルネットワークへ
の負担が少なくてすむ。したがって、小さなニューラル
ネットワークを用いて十分なアイリスと自動利得制御回
路の制御を行なうことが可能である。その結果、広い範
囲の輝度レベルにわたり、被写体の様々な輝度パターン
に対しても正確なアイリスと自動利得制御回路の制御を
行なうことができるオートアイリス回路を提供できる。

【図面の簡単な説明】

【図１】図１は、この発明の第１の実施例のオートアイ
リス回路およびその周辺部分を示すブロック図である。

【図２】図２は、図１に示されるニューラルネットワー
クのブロック図である。

【図３】図３は、図２に示されるニューラルネットワー
クのニューロンモデルの図である。

【図４】図４は、本発明の実施例による、撮像領域のブ
ロック分割を模式的に示す図である。

【図５】図５は、本発明の第２の実施例に係るアイリス
制御回路およびその周辺を示すブロック図である。

【図６】図６は、図５に示されるニューラルネットワー
クのブロック図である。

【図７】図７は、図６に示されるニューラルネットワー
クで用いられるニューロンモデルを模式的に示す図であ
る。

【図８】図８は、本発明の第３の実施例に係るオートア
イリス回路およびその周辺を示すブロック図である。

【図９】図９は、図８に示されるニューラルネットワー
クのブロック図である。

【図１０】図１０は、シグモイド関数の一例のグラフで
ある。

【図１１】図１１は、本発明の第４の実施例に係るオー
トアイリス回路およびその周辺を示すブロック図であ
る。

【図１２】図１２は、本発明の第５の実施例に係るオー
トアイリス回路およびその周辺を示すブロック図であ
る。

【図１３】図１３は、本発明の第６の実施例に係るオー
トアイリス回路およびその周辺を示すブロック図であ
る。

【図１４】図１４は、従来のオートアイリス回路および
その周辺のブロック図である。

【図１５】図１５は、ＡＧＣ回路の制御も行なう従来の
オートアイリス回路およびその周辺のブロック図であ
る。

【符号の説明】

２〜７ オートアイリス回路 １０ ＣＣＤ １１ ＡＧＣ回路 １２ ブロック積分回路 １４ 平均値回路 １６ 規格化回路 １８，３２，３６ ニューラルネットワーク ２０ 規格化回路 ２２，２３ 比較器 ２４ アイリス ２６ レンズ ２８ Ａ／Ｄ変換回路 ３０ ヒストグラム回路 ３４ エリア分割回路

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平３−32173（ＪＰ，Ａ) 特開 平２−96724（ＪＰ，Ａ) 特開 昭63−354871（ＪＰ，Ａ) 特開 平５−34762（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) H04N 5/222 - 5/257

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】 アイリスにより入射光量の規制される撮
   像装置の出力する輝度信号に応答して、前記撮像装置の
   出力を所望のレベルに調整するように前記アイリスを制
   御するためのオートアイリス回路であって、 前記輝度信号に基づいて、前記撮像装置の撮像領域の予
   め定める複数個の部分領域のそれぞれの、規格化された
   輝度値を取得するための規格化輝度値取得手段と、 前記規格化された輝度値を入力とするニューラルネット
   ワークと、 前記ニューラルネットワークの出力に応答して前記アイ
   リスを制御するためのアイリス制御手段とを含み、 前記規格化輝度値取得手段は、 前記輝度信号に基づいて、各前記部分領域の輝度値を取
   得するための輝度値取得手段と、 前記輝度値取得手段の出力する前記部分領域の輝度値の
   平均値を求めるための輝度値平均手段と、 各前記部分領域の輝度値を、前記輝度値平均手段の出力
   に基づいてそれぞれ規格化するための輝度値規格化手段
   とを含み、 前記アイリス制御手段は、 前記ニューラルネットワークの出力を、前記輝度値平均
   手段の出力に基づいて規格化するための出力規格化手段
   と、 前記出力規格化手段の出力を予め定める基準信号と比較
   し、比較結果に基づいて前記アイリスを制御するための
   比較手段とを含む、オートアイリス回路。
2. 【請求項２】 アイリスにより入射光量の規制される撮
   像装置の出力する輝度信号に応答して、前記撮像装置の
   出力を所望のレベルに調整するように前記アイリスを制
   御するためのオートアイリス回路であって、 前記輝度信号に基づいて、前記撮像装置の撮像領域の予
   め定める複数個の部分領域のそれぞれの、所定の基準に
   したがって規格化された輝度値を取得するための規格化
   輝度値取得手段と、前記規格化輝度値取得手段から出力された前記部分領域
   の規格化された輝度値 に基づき、各前記部分領域を予め
   定める複数の輝度区間のいずれか１つに分類し、度数分
   布情報を出力するための分類手段と、 前記度数分布情報を入力とするニューラルネットワーク
   と、 前記ニューラルネットワークの出力に応答して前記アイ
   リスを制御するためのアイリス制御手段とを含む、オー
   トアイリス回路。
3. 【請求項３】 前記撮像装置は、各々が１または複数個
   の前記部分領域を含む１または複数個の部分領域群に区
   分される撮像領域を有し、 前記オートアイリス回路は、前記規格化輝度値取得手段
   により出力された各前記部分領域の輝度値を、各前記部
   分領域群ごとに分類して各前記部分領域群ごとに１つの
   統合輝度値を出力するための輝度値統合手段をさらに含
   み、 前記ニューラルネットワークは、前記分類手段の出力に
   加えて前記輝度値統合手段の出力をも入力とし、 前記アイリス制御手段は、 前記撮像領域を予め定める複数個の測光領域に区分し、
   各前記測光領域ごとに前記輝度信号を所定の係数で重み
   付けすることにより所定の重点測光信号を出力するため
   の重点測光信号出力手段と、 前記ニューラルネットワークの出力を、前記重点測光信
   号により規格化するための出力規格化手段と、 前記出力規格化手段の出力を予め定める基準信号と比較
   し、比較結果に基づいて前記アイリスを制御するための
   比較手段とを含む、請求項２に記載のオートアイリス回
   路。
4. 【請求項４】 アイリスにより入射光量の規制される撮
   像装置が出力し、自動利得制御回路によりレベル調整が
   行なわれる輝度信号に応答して、前記撮像装置の出力を
   所望のレベルに調整するようにアイリス及び前記自動利
   得制御回路を制御するためのオートアイリス回路であっ
   て、 前記輝度信号に基づいて、前記撮像装置の撮像領域の予
   め定める複数個の部分領域のそれぞれの、規格化された
   輝度値を取得するための規格化輝度値取得手段と、 前記規格化された輝度値を入力とするニューラルネット
   ワークと、 前記ニューラルネットワークの出力に応答して前記アイ
   リス及び前記自動利得制御回路を制御するための制御手
   段とを含み、 前記規格化輝度値取得手段は、 前記輝度信号に基づいて、各前記部分領域の輝度値を取
   得するための輝度値取得手段と、 前記輝度値取得手段の出力する前記部分領域の輝度値の
   平均値を求めるための輝度値平均手段と、 各前記部分領域の輝度値を、前記輝度値平均手段の出力
   に基づいてそれぞれ規格化するための輝度値規格化手段
   とを含み、 前記制御手段は、 前記ニューラルネットワークの出力を、前記輝度値平均
   手段の出力に基づいて規格化するための出力規格化手段
   と、 前記出力規格化手段の出力を、予め定める第一の基準信
   号と比較し、比較結果に基づいて前記アイリスを制御す
   るための第一の比較手段と、 前記出力規格化手段の出力を、予め定める第二の基準信
   号と比較し、比較結果に基づいて前記自動利得制御回路
   を制御するための第二の比較手段とを含む、オートアイ
   リス回路。
5. 【請求項５】 アイリスにより入射光量の規制される撮
   像装置が出力し、自動利得制御回路によりレベル調整が
   行なわれる輝度信号に応答して、前記撮像装置の出力を
   所望のレベルに調整するようにアイリス及び前記自動利
   得制御回路を制御するためのオートアイリス回路であっ
   て、 前記輝度信号に基づいて、前記撮像装置の撮像領域の予
   め定める複数個の部分領域のそれぞれの、所定の基準に
   したがって規格化された輝度値を取得するための規格化
   輝度値取得手段と、前記規格化輝度値取得手段から出力された前記部分領域
   の規格化された輝度値に基づき、各前記部分領域を予め
   定める複数の輝度区間のいずれか１つに分類し、度数分
   布情報を出力するための分類手段と、 前記度数分布情報を入力とするニューラルネットワーク
   と、 前記ニューラルネットワークの出力に応答して前記アイ
   リス及び前記自動利得制御回路を制御するための制御手
   段とを含む、オートアイリス回路。
6. 【請求項６】 前記撮像装置は、各々が１または複数個
   の前記部分領域を含む１または複数個の部分領域群に区
   分される撮像領域を有し、 前記オートアイリス回路は、前記規格化輝度値取得手段
   により出力された各前記部分領域の輝度値を、各前記部
   分領域群ごとに分類して各前記部分領域群ごとに１つの
   統合輝度値を出力するための輝度値統合手段をさらに含
   み、 前記ニューラルネットワークは、前記分類手段の出力に
   加えて前記輝度値統合手段の出力をも入力とし、 前記制御手段は、 前記撮像領域を予め定める複数個の測光領域に区分し、
   各前記測光領域ごとに前記輝度信号を所定の係数で重み
   付けすることにより所定の重点測光信号を出力するため
   の重点測光信号出力手段と、 前記ニューラルネットワークの出力を、前記重点測光信
   号により規格化するための出力規格化手段と、 前記出力規格化手段の出力を予め定める第一の基準信号
   と比較し、比較結果に基づいて前記アイリスを制御する
   ための第一の比較手段と、 前記出力規格化手段の出力を予め定める第二の基準信号
   と比較し、比較結果に基づいて前記自動利得制御回路を
   制御するための第二の比較手段とを含む、請求項５に記
   載のオートアイリス回路。