JP3371373B2 - 画像生成方法および画像生成神経回路 - Google Patents
画像生成方法および画像生成神経回路Info
- Publication number
- JP3371373B2 JP3371373B2 JP18983493A JP18983493A JP3371373B2 JP 3371373 B2 JP3371373 B2 JP 3371373B2 JP 18983493 A JP18983493 A JP 18983493A JP 18983493 A JP18983493 A JP 18983493A JP 3371373 B2 JP3371373 B2 JP 3371373B2
- Authority
- JP
- Japan
- Prior art keywords
- circuit
- value
- stochastic
- selection circuit
- image
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Description
【0001】
【産業上の利用分野】本発明は、縮小変換をなす非線形
なしきい値関数を用いて画像生成を行う画像生成方式お
よび画像生成神経回路に関する。
なしきい値関数を用いて画像生成を行う画像生成方式お
よび画像生成神経回路に関する。
【0002】
【従来の技術】コンピュータグラフィックス(CG)画
像は線分、曲線、面、円、円弧、等の図形素片を合成し
て生成される。このようなCG画像は建築物、車、等の
人工物等の幾何学図形を生成するのに適する。一方、C
Gを用いて、雲、植物、等の自然を対象とする自然画像
を生成しようとすると、図形素片ではうまく近似できな
い、あるいは現実感のある画像表現ができない、等の問
題がある。このため、表示対象を撮像して画像とし、こ
れを構成する画素を単位として処理されるが、データが
膨大となるという欠点がある。
像は線分、曲線、面、円、円弧、等の図形素片を合成し
て生成される。このようなCG画像は建築物、車、等の
人工物等の幾何学図形を生成するのに適する。一方、C
Gを用いて、雲、植物、等の自然を対象とする自然画像
を生成しようとすると、図形素片ではうまく近似できな
い、あるいは現実感のある画像表現ができない、等の問
題がある。このため、表示対象を撮像して画像とし、こ
れを構成する画素を単位として処理されるが、データが
膨大となるという欠点がある。
【0003】一方、フラクタルの考え方をもとにする
と、非常に少ないパラメータで、複雑な画像が生成でき
る。フラクタル画像は高度な繰り返し的構造を持ち、雲
や植物のような自然界の対象と良く似た画像が生成でき
るとされている。
と、非常に少ないパラメータで、複雑な画像が生成でき
る。フラクタル画像は高度な繰り返し的構造を持ち、雲
や植物のような自然界の対象と良く似た画像が生成でき
るとされている。
【0004】まず、フラクタル画像生成について述べ
る。縮小変換{f1,f2,・・・,f N}を繰り返し行
なうと、その極限では変換によらない不変な図形が得ら
れる。これを不変集合と呼び、
る。縮小変換{f1,f2,・・・,f N}を繰り返し行
なうと、その極限では変換によらない不変な図形が得ら
れる。これを不変集合と呼び、
【0005】
【数1】
と表わす。今、簡単のため、1次元の線分xの縮小変換
を考える。2つの縮小変換を、それぞれf1(x)=x
/3,f2(x)=x/3+2/3とする。これを繰り
返すと、図8に示すように、自分自身Fが、2つの自分
の縮小コピーf1(F),F2(F)からなる図形が得ら
れる。これは、自己相似性を持つ図形で、カントール集
合と呼ばれる。
を考える。2つの縮小変換を、それぞれf1(x)=x
/3,f2(x)=x/3+2/3とする。これを繰り
返すと、図8に示すように、自分自身Fが、2つの自分
の縮小コピーf1(F),F2(F)からなる図形が得ら
れる。これは、自己相似性を持つ図形で、カントール集
合と呼ばれる。
【0006】次に、この考えかたを2次元に拡張する。
変換として、移動,回転,拡大または縮小の組み合わせ
からなるアフィン変換、
変換として、移動,回転,拡大または縮小の組み合わせ
からなるアフィン変換、
【0007】
【数2】
を考える。この変換{W1,W2,・・・,WN}が縮小
変換ならば、同じく不変集合が存在する。このような変
換をアフィン縮小変換と言う。図9(a)〜(f)に示
すように、矩形領域に対する3つの変換をw1(F),
w2(F),w3(F)とする。前と同じく、縮小変換を
繰り返すと、自分自身Fが3つの自分の縮小コピーw1
(F),w2(F),w3(F)からなる図形が得られ
る。これはシェルピンスキーのガスケットと呼ばれる集
合である。
変換ならば、同じく不変集合が存在する。このような変
換をアフィン縮小変換と言う。図9(a)〜(f)に示
すように、矩形領域に対する3つの変換をw1(F),
w2(F),w3(F)とする。前と同じく、縮小変換を
繰り返すと、自分自身Fが3つの自分の縮小コピーw1
(F),w2(F),w3(F)からなる図形が得られ
る。これはシェルピンスキーのガスケットと呼ばれる集
合である。
【0008】上記のようなアフィン変換等の縮小変換は
線形変換によって構成され、縮小、移動、回転、斜行変
換からなる。このため、生成される画像に制限があり、
画像対象の自然性が十分に表現できない、という問題点
がある。
線形変換によって構成され、縮小、移動、回転、斜行変
換からなる。このため、生成される画像に制限があり、
画像対象の自然性が十分に表現できない、という問題点
がある。
【0009】
【発明が解決しようとする課題】上述した従来のアフィ
ン変換等の線形変換からなる縮小変換により生成される
画像は、縮小、移動、回転、斜行変換の組み合わせとな
るため、画像表現に制限があり、生成画像が自然性を十
分に表現できないという問題点がある。
ン変換等の線形変換からなる縮小変換により生成される
画像は、縮小、移動、回転、斜行変換の組み合わせとな
るため、画像表現に制限があり、生成画像が自然性を十
分に表現できないという問題点がある。
【0010】本発明は上述したような従来の技術が有す
る問題点に鑑みてなされたものであって、非線形なしき
い値関数を持ち、確率的に重み係数を選択する巡回的な
神経回路のダイナミクスにより、自然性を十分に表現す
ることのできる線形変換を含む広範囲の画像生成神経回
路及び画像生成方式を提供することを目的とする。
る問題点に鑑みてなされたものであって、非線形なしき
い値関数を持ち、確率的に重み係数を選択する巡回的な
神経回路のダイナミクスにより、自然性を十分に表現す
ることのできる線形変換を含む広範囲の画像生成神経回
路及び画像生成方式を提供することを目的とする。
【0011】
【課題を解決するための手段】本発明の画像生成方法
は、帰還値a、シフト値b、オフセット値cを結合係数
として持つ神経回路で行なわれる画像生成方法であっ
て、 前記神経回路は、N個(i=1,2,3,・・・,
N)の異なる値を持つ帰還値ai、シフト値bi、オフセ
ット値ciを確率piで選択し、ある時刻の出力信号zを
帰還値ai、シフト値biと重み付け結合してaiz+bi
なる加算信号を得、前記加算信号について非線形関数g
からなるしきい値処理g(aiz+bi)を行い、オフセ
ット値ciを加算して、次の時点の出力信号z=g(ai
z+bi)+ciを得る縮小変換を巡回的に行って点列
(z)を生成し、該点列(z)が画像形成を行う微小区
間又は領域に入る数を計数した値に比例して濃淡などの
強度レベルを表現することを特徴とする。
は、帰還値a、シフト値b、オフセット値cを結合係数
として持つ神経回路で行なわれる画像生成方法であっ
て、 前記神経回路は、N個(i=1,2,3,・・・,
N)の異なる値を持つ帰還値ai、シフト値bi、オフセ
ット値ciを確率piで選択し、ある時刻の出力信号zを
帰還値ai、シフト値biと重み付け結合してaiz+bi
なる加算信号を得、前記加算信号について非線形関数g
からなるしきい値処理g(aiz+bi)を行い、オフセ
ット値ciを加算して、次の時点の出力信号z=g(ai
z+bi)+ciを得る縮小変換を巡回的に行って点列
(z)を生成し、該点列(z)が画像形成を行う微小区
間又は領域に入る数を計数した値に比例して濃淡などの
強度レベルを表現することを特徴とする。
【0012】本発明の画像生成神経回路は、シフト値の
値を確率的に選択する確率的シフト値選択回路と、入力
値に対して重み付ける帰還値の値を確率的に選択する確
率的帰還値選択回路と、オフセット値の値を確率的に選
択する確率的オフセット値選択回路と、前記確率的シフ
ト値選択回路出力および確率的帰還値選択回路出力を入
力してこれらの信号の総和をとる第1の加算回路と、前
記第1の加算回路出力に対して縮小変換をなす連続の非
線形関数からなるしきい値処理を施すしきい値回路と、
前記しきい値回路出力と確率的オフセット値選択回路出
力とを入力し、これらの信号の総和をとって前記確率的
帰還値選択回路への出力とする第2の加算回路と、から
なり、点列を生成する神経回路と、画像生成を行う微小
区間又は領域に入る点の数を計数する計数回路と、前記
計数回路により計数された数に比例した濃淡など強度レ
ベルを形成する画像形成回路、とを有することを特徴と
する。
値を確率的に選択する確率的シフト値選択回路と、入力
値に対して重み付ける帰還値の値を確率的に選択する確
率的帰還値選択回路と、オフセット値の値を確率的に選
択する確率的オフセット値選択回路と、前記確率的シフ
ト値選択回路出力および確率的帰還値選択回路出力を入
力してこれらの信号の総和をとる第1の加算回路と、前
記第1の加算回路出力に対して縮小変換をなす連続の非
線形関数からなるしきい値処理を施すしきい値回路と、
前記しきい値回路出力と確率的オフセット値選択回路出
力とを入力し、これらの信号の総和をとって前記確率的
帰還値選択回路への出力とする第2の加算回路と、から
なり、点列を生成する神経回路と、画像生成を行う微小
区間又は領域に入る点の数を計数する計数回路と、前記
計数回路により計数された数に比例した濃淡など強度レ
ベルを形成する画像形成回路、とを有することを特徴と
する。
【0013】この場合、神経回路を複数相互に結合した
神経回路網により、点列を生成してもよい。
神経回路網により、点列を生成してもよい。
【0014】
【作用】本発明は、縮小変換をなす非線形なしきい値関
数を持ち、確率的に重み係数を選択する巡回的な神経回
路のダイナミクスにより、線形変換を含む広範囲の画像
を生成することを最も主要な特徴とする。従来技術がア
フィン変換等の線形変換からなる縮小変換が、縮小、移
動、回転、斜行変換の組み合わせからなる画像を生成す
るのに対し、非線形の変換を行うことができるので、よ
り広い範囲の画像を生成できる点が異なる。
数を持ち、確率的に重み係数を選択する巡回的な神経回
路のダイナミクスにより、線形変換を含む広範囲の画像
を生成することを最も主要な特徴とする。従来技術がア
フィン変換等の線形変換からなる縮小変換が、縮小、移
動、回転、斜行変換の組み合わせからなる画像を生成す
るのに対し、非線形の変換を行うことができるので、よ
り広い範囲の画像を生成できる点が異なる。
【0015】
【実施例】次に、本発明の実施例について図面を参照し
て説明する。
て説明する。
【0016】図1は、帰還値a、シフト値b、オフセッ
ト値cを結合係数として持つ本発明による最も単純な神
経回路例である。この回路は、ある時刻の出力信号zを
帰還値a、シフト値bと重み付け結合して(az+b)
なる加算信号を得、これを非線形関数gからなるしきい
値処理g(az十b)を行い、オフセット値cを加算し
て、次の時点の出力信号z=g(az+b)+cを得る
処理を巡回的に行うことで、点列(z)を生成し、この
点列(z)の微小領域に入る数が、濃淡と比例する画像
を生成する。
ト値cを結合係数として持つ本発明による最も単純な神
経回路例である。この回路は、ある時刻の出力信号zを
帰還値a、シフト値bと重み付け結合して(az+b)
なる加算信号を得、これを非線形関数gからなるしきい
値処理g(az十b)を行い、オフセット値cを加算し
て、次の時点の出力信号z=g(az+b)+cを得る
処理を巡回的に行うことで、点列(z)を生成し、この
点列(z)の微小領域に入る数が、濃淡と比例する画像
を生成する。
【0017】帰還値a、シフト値bが一定で、オフセッ
ト値ciが確率的に選択される場合について動作を説明
する。
ト値ciが確率的に選択される場合について動作を説明
する。
【0018】非線形のしきい値関数gを、以下のシグモ
イド関数とする。
イド関数とする。
【0019】g(z)=1/(1+exp[z])
また、{z=z(x,y);x=f(x),y=f
(y)},{a=3,b=0,pi=1/3;i=1,
2,3}なる場合を考え,{x=fi(x)=g(x)
+cx i,y=fi(y)=g(y)+cy i}と表す。
(y)},{a=3,b=0,pi=1/3;i=1,
2,3}なる場合を考え,{x=fi(x)=g(x)
+cx i,y=fi(y)=g(y)+cy i}と表す。
【0020】オフセット値を{(cx i,cy i);(−
0.5,−0.5),(0,−0.5),(−0.2
5,0)}とすると、縮小関数はxに対して、 f1(x)=1/(1+e-3x)−0.5, f2(x)=1/(1+e-3x), f3(x)=1/(1+e-3x)−0.25 となる。同じくyに対しても同様の関数が得られる。
0.5,−0.5),(0,−0.5),(−0.2
5,0)}とすると、縮小関数はxに対して、 f1(x)=1/(1+e-3x)−0.5, f2(x)=1/(1+e-3x), f3(x)=1/(1+e-3x)−0.25 となる。同じくyに対しても同様の関数が得られる。
【0021】図2は、図1の神経回路を等価的に表した
図であり、図3は、そのダイナミクスを示す図である。
図であり、図3は、そのダイナミクスを示す図である。
【0022】この動作を以下に述べる。適当な初期値x
0を選び、fi1を{f1,f2,・・・,fN}から確率p
iで選択し、x1=f(x0)とする。以下同様に、fik
を{f1,f2,・・・,fN}から確率piで選択し、 xk=f(xk−1) とする。このようにして、k=1,2,3,・・・に対
応する点列{xk}が得られる。この点列{xk}は、不
変集合の中にランダムに現われるので、これを順次プロ
ットする。この点列が微小領域に入る数が濃淡に対応す
ることとなる。
0を選び、fi1を{f1,f2,・・・,fN}から確率p
iで選択し、x1=f(x0)とする。以下同様に、fik
を{f1,f2,・・・,fN}から確率piで選択し、 xk=f(xk−1) とする。このようにして、k=1,2,3,・・・に対
応する点列{xk}が得られる。この点列{xk}は、不
変集合の中にランダムに現われるので、これを順次プロ
ットする。この点列が微小領域に入る数が濃淡に対応す
ることとなる。
【0023】図4に、上記のようにして得られた画像を
示す。ただし、選択確率は、(pi=1/3;i=1,
2,3)とした。
示す。ただし、選択確率は、(pi=1/3;i=1,
2,3)とした。
【0024】これまで、x,yの変換関数に相互作用が
ない場合について述べたが、相互作用を導入すること
で、非線形の変換が実現できる。例えば、 {x=g(ax)+g(by)+e,y=g(cx)+
g(dy)+f} とすることでよい。これは、図5に示すような神経回路
を複数相互に結合した神経回路網を構成することで実現
できる。ただし、結合係数(a,b,c,d,e,f)
は確率的にその値が決定される。
ない場合について述べたが、相互作用を導入すること
で、非線形の変換が実現できる。例えば、 {x=g(ax)+g(by)+e,y=g(cx)+
g(dy)+f} とすることでよい。これは、図5に示すような神経回路
を複数相互に結合した神経回路網を構成することで実現
できる。ただし、結合係数(a,b,c,d,e,f)
は確率的にその値が決定される。
【0025】図6は上記のような神経回路を実現するた
めの回路構成の一例を示すブロック図である。
めの回路構成の一例を示すブロック図である。
【0026】本実施例は、図1および図2に示したよう
な最も簡単な神経回路の構成例を示すものであり、図6
中、10はシフト値を入力するシフト信号入力端子、1
1は重み付き帰還信号を入力する帰還入力端子、12は
オフセット値を入力するオフセット信号入力端子、13
は出力信号を重み付けて入力端子に帰還する信号線、2
0は入力信号の総和をとる第1の加算回路、30は縮小
変換をなすシグモイド関数など連続の非線形関数gから
なるしきい値処理を第1の加算回路出力bに対して行う
しきい値回路、40はしきい値信号とオフセット値を加
算する第2の加算回路、50a〜50cは、複数のシフ
ト値、帰還信号値、オフセット値からなるテーブルをそ
れぞれ有し、これらのうちのいずれかを確率的に選択す
る確率的シフト値選択回路、確率的帰還信号値選択回路
および確率的オフセット値選択回路である。
な最も簡単な神経回路の構成例を示すものであり、図6
中、10はシフト値を入力するシフト信号入力端子、1
1は重み付き帰還信号を入力する帰還入力端子、12は
オフセット値を入力するオフセット信号入力端子、13
は出力信号を重み付けて入力端子に帰還する信号線、2
0は入力信号の総和をとる第1の加算回路、30は縮小
変換をなすシグモイド関数など連続の非線形関数gから
なるしきい値処理を第1の加算回路出力bに対して行う
しきい値回路、40はしきい値信号とオフセット値を加
算する第2の加算回路、50a〜50cは、複数のシフ
ト値、帰還信号値、オフセット値からなるテーブルをそ
れぞれ有し、これらのうちのいずれかを確率的に選択す
る確率的シフト値選択回路、確率的帰還信号値選択回路
および確率的オフセット値選択回路である。
【0027】本回路は第2の加算回路40の出力信号に
対して処理を行うものである。加算回路40の出力信号
zkは、確率的帰還値選択回路50bに入力される。確
率的帰還値選択回路50bは、内部に設けられたテーブ
ルを構成する複数の帰還値a 1,a2,・・・,aNのい
ずれかを確率piによって決定し、信号zkに重み付けた
値aizkを出力する。該出力は帰還入力端子11を介し
て第1の加算回路20に入力される。第1の加算回路2
0には、確率的帰還値選択回路50b出力であるaizk
のほかに、シフト信号入力端子10を介して確率的シフ
ト値選択回路50a出力が入力されている。
対して処理を行うものである。加算回路40の出力信号
zkは、確率的帰還値選択回路50bに入力される。確
率的帰還値選択回路50bは、内部に設けられたテーブ
ルを構成する複数の帰還値a 1,a2,・・・,aNのい
ずれかを確率piによって決定し、信号zkに重み付けた
値aizkを出力する。該出力は帰還入力端子11を介し
て第1の加算回路20に入力される。第1の加算回路2
0には、確率的帰還値選択回路50b出力であるaizk
のほかに、シフト信号入力端子10を介して確率的シフ
ト値選択回路50a出力が入力されている。
【0028】確率的シフト値選択回路50aは、内部に
設けられたテーブルを構成する複数のシフト値b1,
b2,・・・,bNのいずれかを確率piによって決定
し、該シフト値biを出力している。
設けられたテーブルを構成する複数のシフト値b1,
b2,・・・,bNのいずれかを確率piによって決定
し、該シフト値biを出力している。
【0029】第1の加算回路20は上記の各入力を加算
した値aizk+biをしきい値回路30へ出力する。し
きい値回路30では入力値aizk+biを非線形関数g
によってしきい値処理を行い、第2の加算回路40へ出
力する。第2の加算回路40にはしきい値回路30出力
のほかにオフセット信号入力端子12を介して確率的オ
フセット値選択回路50c出力が入力されている。
した値aizk+biをしきい値回路30へ出力する。し
きい値回路30では入力値aizk+biを非線形関数g
によってしきい値処理を行い、第2の加算回路40へ出
力する。第2の加算回路40にはしきい値回路30出力
のほかにオフセット信号入力端子12を介して確率的オ
フセット値選択回路50c出力が入力されている。
【0030】確率的オフセット値選択回路50cは、内
部に設けられたテーブルを構成する複数のオフセット値
c1,c2,・・・,cNのいずれかを確率piによって決
定し、該シフト値ciを出力している。第2の加算回路
40は上記の各入力を加算した値をzkとして出力し、
以後上記の動作が巡回的に行われる。
部に設けられたテーブルを構成する複数のオフセット値
c1,c2,・・・,cNのいずれかを確率piによって決
定し、該シフト値ciを出力している。第2の加算回路
40は上記の各入力を加算した値をzkとして出力し、
以後上記の動作が巡回的に行われる。
【0031】なお、上記の実施例では、図1および図2
に示したような最も簡単な神経回路の構成例について説
明したが、図5に示したような複雑な神経回路にも複数
段の構成とすることにより適用することができる。第1
の加算回路20および第2の加算回路40として、図6
に示すようにさらに複数の入力を加算可能な加算回路を
用いることにより、図6に示した回路構成を用いること
により、本発明による様々な形態の神経回路を実現する
ことができる。
に示したような最も簡単な神経回路の構成例について説
明したが、図5に示したような複雑な神経回路にも複数
段の構成とすることにより適用することができる。第1
の加算回路20および第2の加算回路40として、図6
に示すようにさらに複数の入力を加算可能な加算回路を
用いることにより、図6に示した回路構成を用いること
により、本発明による様々な形態の神経回路を実現する
ことができる。
【0032】図7は画像形成回路の一例を示す図であっ
て、上記神経回路により点列を生成し、微小区間又は領
域に入る点の数を計数する計数回路60と、この数に比
例して濃淡など強度レベルを構成する画像表示回路70
により点列から濃淡画像を生成する回路を示すブロック
図である。
て、上記神経回路により点列を生成し、微小区間又は領
域に入る点の数を計数する計数回路60と、この数に比
例して濃淡など強度レベルを構成する画像表示回路70
により点列から濃淡画像を生成する回路を示すブロック
図である。
【0033】画像表示回路の解像度Nが、計数回路に入
力され、微小区間(1/N)又は領域{(1/N)×
N}が設定され、この部分に入る点の数を計数し、この
数に比例して濃淡など強度レベルが構成されて画像が表
示される。
力され、微小区間(1/N)又は領域{(1/N)×
N}が設定され、この部分に入る点の数を計数し、この
数に比例して濃淡など強度レベルが構成されて画像が表
示される。
【0034】なお、以上の説明中における確率piは、
画像生成等の場合には、特に設定される必要はないが、
例えば、与えられた画像の濃淡を本発明による2値のド
ットの密度で近似する画像処理、画像符号化では、画像
領域の濃度に応じて確率piを設定することにより、生
成画像の適性の度合いを調節することができる。
画像生成等の場合には、特に設定される必要はないが、
例えば、与えられた画像の濃淡を本発明による2値のド
ットの密度で近似する画像処理、画像符号化では、画像
領域の濃度に応じて確率piを設定することにより、生
成画像の適性の度合いを調節することができる。
【0035】
【発明の効果】本発明は、縮小変換をなす非線形なしき
い値関数を持ち、確率的に重み係数を選択する巡回的な
神経回路(PRN:Probabilistic recurrent neural m
odel)のダイナミクスにより画像等を生成する点が従来
の技術と大きく異なり、任意の解像度で高精細画像が得
られる、ダイナミクスを定める関数z=g(aiz+
bi)+ciの係数(ai,bi,ci)と確率piで画像記
述できるので加工処理が容易である、等の利点がある。
い値関数を持ち、確率的に重み係数を選択する巡回的な
神経回路(PRN:Probabilistic recurrent neural m
odel)のダイナミクスにより画像等を生成する点が従来
の技術と大きく異なり、任意の解像度で高精細画像が得
られる、ダイナミクスを定める関数z=g(aiz+
bi)+ciの係数(ai,bi,ci)と確率piで画像記
述できるので加工処理が容易である、等の利点がある。
【0036】巡回的な神経回路を相互に複数結合するこ
とによりn次元画像生成、あるいは色成分(R,G,
B)毎の巡回的な神経回路を構成する神経回路網によ
り、カラー画像生成に容易に拡張でき、コンピュータグ
ラフィックス(CG;Computer Graphics)、画像デー
タ圧縮、画像表示、画像記録等情報処理、画像通信、記
録装置等の産業分野で利用できる効果がある。
とによりn次元画像生成、あるいは色成分(R,G,
B)毎の巡回的な神経回路を構成する神経回路網によ
り、カラー画像生成に容易に拡張でき、コンピュータグ
ラフィックス(CG;Computer Graphics)、画像デー
タ圧縮、画像表示、画像記録等情報処理、画像通信、記
録装置等の産業分野で利用できる効果がある。
【図1】画像生成神経回路を示す図である。
【図2】等価神経回路網を示す図である。
【図3】神経回路網のダイナミクスを示す図である。
【図4】本発明により生成された画像例を示す図であ
る。
る。
【図5】神経回路を複数相互に結合した神経回路網を示
す図である。
す図である。
【図6】画像生成回路を示す図である。
【図7】画像形成回路を示す図である。
【図8】1次元図形の生成例を示す図である。
【図9】(a)〜(f)のそれぞれは、2次元フラクタ
ル画像の生成例を示す図である。
ル画像の生成例を示す図である。
10 シフト信号入力端子
11 帰還入力端子
12 オフセット信号入力端子
13 信号線
20 第1の加算回路
30 しきい値回路
40 第2の加算回路
50a 確率的シフト値選択回路
50b 確率的帰還信号値選択回路
50c 確率的オフセット値選択回路
フロントページの続き
(72)発明者 中根 一成
東京都千代田区内幸町一丁目1番6号
日本電信電話株式会社内
(56)参考文献 特開 平6−76052(JP,A)
特開 平6−83948(JP,A)
特開 平6−233119(JP,A)
曽根原登、中根一成,フラクタルで画
像を生成・圧縮,エレクトロニクス、日
本,1993年 3月,Vol.38 No.
3,p.79−83
曽根原登、中根一成,IFS(Ite
rated Function Sys
tem)による並列画像生成と濃淡画像
の適応的IFS推定,画像電子学会誌,
日本,1992年,Vol.21 No.5,
p.486−493
(58)調査した分野(Int.Cl.7,DB名)
G06N 1/00 - 7/08
H04N 7/12 - 7/137
JICSTファイル(JOIS)
Claims (3)
- 【請求項1】 帰還値a、シフト値b、オフセット値c
を結合係数として持つ神経回路で行なわれる画像生成方
法であって、 前記神経回路は、 N個(i=1,2,3,・・・,N)
の異なる値を持つ帰還値ai、シフト値bi、オフセット
値ciを確率piで選択し、ある時刻の出力信号zを帰還
値ai、シフト値biと重み付け結合してaiz+biなる
加算信号を得、 前記加算信号について非線形関数gからなるしきい値処
理g(aiz+bi)を行い、オフセット値ciを加算し
て、次の時点の出力信号z=g(aiz+bi)+ciを
得る縮小変換を巡回的に行って点列(z)を生成し、該
点列(z)が画像形成を行う微小区間又は領域に入る数
を計数した値に比例して濃淡などの強度レベルを表現す
ることを特徴とする画像生成方法。 - 【請求項2】 シフト値の値を確率的に選択する確率的
シフト値選択回路と、入力値に対して重み付ける帰還値
の値を確率的に選択する確率的帰還値選択回路と、オフ
セット値の値を確率的に選択する確率的オフセット値選
択回路と、前記確率的シフト値選択回路出力および確率
的帰還値選択回路出力を入力してこれらの信号の総和を
とる第1の加算回路と、前記第1の加算回路出力に対し
て縮小変換をなす連続の非線形関数からなるしきい値処
理を施すしきい値回路と、前記しきい値回路出力と確率
的オフセット値選択回路出力とを入力し、これらの信号
の総和をとって前記確率的帰還値選択回路への出力とす
る第2の加算回路と、からなり、点列を生成する神経回
路と、 画像生成を行う微小区間又は領域に入る点の数を計数す
る計数回路と、 前記計数回路により計数された数に比例した濃淡など強
度レベルを形成する画像形成回路、 とを有することを特徴とする画像生成神経回路。 - 【請求項3】 シフト値の値を確率的に選択する確率的
シフト値選択回路と、入力値に対して重み付ける帰還値
の値を確率的に選択する確率的帰還値選択回路と、オフ
セット値の値を確率的に選択する確率的オフセット値選
択回路と、前記確率的シフト値選択回路出力および確率
的帰還値選択回路出力を入力してこれらの信号の総和を
とる第1の加算回路と、前記第1の加算回路出力に対し
て縮小変換をなす連続の非線形関数からなるしきい値処
理を施すしきい値回路と、前記しきい値回路出力と確率
的オフセット値選択回路出力とを入力し、これらの信号
の総和をとって前記確率的帰還値選択回路への出力とす
る第2の加算回路と、からなる神経回路が複数相互に結
合された、点列を生成する神経回路網と、 画像生成を行う微小区間又は領域に入る点の数を計数す
る計数回路と、 前記計数回路により計数された数に比例した濃淡など強
度レベルを形成する画像形成回路、 とを有することを特徴とする画像生成神経回路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP18983493A JP3371373B2 (ja) | 1993-07-30 | 1993-07-30 | 画像生成方法および画像生成神経回路 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP18983493A JP3371373B2 (ja) | 1993-07-30 | 1993-07-30 | 画像生成方法および画像生成神経回路 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0744521A JPH0744521A (ja) | 1995-02-14 |
JP3371373B2 true JP3371373B2 (ja) | 2003-01-27 |
Family
ID=16247994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP18983493A Expired - Fee Related JP3371373B2 (ja) | 1993-07-30 | 1993-07-30 | 画像生成方法および画像生成神経回路 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3371373B2 (ja) |
-
1993
- 1993-07-30 JP JP18983493A patent/JP3371373B2/ja not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
曽根原登、中根一成,IFS(Iterated Function System)による並列画像生成と濃淡画像の適応的IFS推定,画像電子学会誌,日本,1992年,Vol.21 No.5,p.486−493 |
曽根原登、中根一成,フラクタルで画像を生成・圧縮,エレクトロニクス、日本,1993年 3月,Vol.38 No.3,p.79−83 |
Also Published As
Publication number | Publication date |
---|---|
JPH0744521A (ja) | 1995-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5832132A (en) | Image processing using neural network | |
JP3210248B2 (ja) | 画像処理装置及びその方法 | |
JPH07288689A (ja) | 画像信号2値化処理装置および方法 | |
CN110634103A (zh) | 基于生成对抗网络的图像去马赛克方法 | |
US4858018A (en) | Image processing apparatus | |
JP3371373B2 (ja) | 画像生成方法および画像生成神経回路 | |
JP2001134750A (ja) | 画像の確率分布生成による画像処理のための方法及び装置 | |
JPH0981723A (ja) | 画像処理装置 | |
JPH0662255A (ja) | 画像圧縮方法 | |
US7268783B2 (en) | Image alias rejection using shaped statistical filtering | |
JP2860039B2 (ja) | 擬似中間調画像縮小装置 | |
JP2024077434A (ja) | 画像処理装置及び画像処理方法、プログラム、記憶媒体 | |
JP2621868B2 (ja) | 画像特徴抽出装置 | |
JP3058951B2 (ja) | 画像パターン認識装置 | |
JPS62239667A (ja) | 画像処理装置 | |
KR0154006B1 (ko) | 3차원 컬러 그래픽 처리를 위한 아핀변환 장치 | |
JP2024077435A (ja) | 画像処理装置及び画像処理方法、プログラム、記憶媒体 | |
JPH11185036A (ja) | 画像処理装置 | |
JPS61208363A (ja) | 画像の拡大・縮小装置 | |
JPH06187456A (ja) | ニューラルネットワーク画像認識方法および装置 | |
KR0181057B1 (ko) | 3차원 그래픽 처리를 위한 아핀변환 장치 | |
JPS63102467A (ja) | 画像デ−タ解像度変換装置 | |
KR0181053B1 (ko) | 3차원 컬러 그래픽 병렬처리를 위한 아핀 변환 장치 | |
JPH06164902A (ja) | ニューラルネットワークによる画像の圧縮再生 | |
RU2321946C1 (ru) | Устройство для обработки изображений |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |