JP5326776B2 - Image processing apparatus, image processing method, and image processing program - Google Patents
Image processing apparatus, image processing method, and image processing program Download PDFInfo
- Publication number
- JP5326776B2 JP5326776B2 JP2009106976A JP2009106976A JP5326776B2 JP 5326776 B2 JP5326776 B2 JP 5326776B2 JP 2009106976 A JP2009106976 A JP 2009106976A JP 2009106976 A JP2009106976 A JP 2009106976A JP 5326776 B2 JP5326776 B2 JP 5326776B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- filter
- selection
- generation unit
- region
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 6
- 238000012545 processing Methods 0.000 title claims description 60
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 21
- 235000019557 luminance Nutrition 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 230000002068 genetic effect Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 6
- 230000006854 communication Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000012546 transfer Methods 0.000 description 7
- 230000035772 mutation Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
Description
本発明は、画像処理装置、画像処理方法、および画像処理プログラムに関する。 The present invention relates to an image processing apparatus, an image processing method, and an image processing program.
遺伝的アルゴリズムまたは遺伝的プログラミングといった進化的計算を用いた画像フィルタの生成方法が知られている。この方法では、画像フィルタに対して、交叉、突然変異および選択等の操作を複数回繰り返すことにより、新たな画像フィルタを生成していく。このような進化的計算を用いれば、それぞれの事例に対して最適であって、解析的に得ることが困難な複雑な構造の画像フィルタを、より少ない労力で設計することができる。 Methods for generating image filters using evolutionary computation such as genetic algorithms or genetic programming are known. In this method, a new image filter is generated by repeating operations such as crossover, mutation, and selection for an image filter a plurality of times. By using such evolutionary calculation, it is possible to design an image filter having a complicated structure that is optimal for each case and difficult to obtain analytically with less effort.
ところで、このように進化的計算により画像フィルタを生成する場合、目的の画像フィルタが得られるまでに画像フィルタの世代交代を繰り返す。各世代においては、変換対象画像を複数の画像フィルタのそれぞれにより変換して複数の出力画像を生成し、出力画像と目標画像とを比較する。そして、より目標画像と近似した出力画像が得られる画像フィルタを選択して、次世代へ生存させる。 By the way, when the image filter is generated by the evolutionary calculation in this way, the generation change of the image filter is repeated until the target image filter is obtained. In each generation, the conversion target image is converted by each of a plurality of image filters to generate a plurality of output images, and the output image and the target image are compared. Then, an image filter from which an output image closer to the target image can be obtained is selected and survived to the next generation.
ここで、画像内から特定の対象物を抽出する画像フィルタを選択する場合、目標画像を容易に設定できることが望ましい。また、外部（例、ユーザ）から目標画像を設定する場合に、外部から入力される情報を活用して効率よく画像フィルタを生成することが望ましい。 Here, when selecting an image filter for extracting a specific object from the image, it is desirable that the target image can be easily set. Further, when setting a target image from the outside (for example, a user), it is desirable to efficiently generate an image filter by using information input from the outside.
そこで本発明は、上記の課題を解決することのできる画像処理装置、画像処理方法、および画像処理プログラムを提供することを目的とする。この目的は特許請求の範囲における独立項に記載の特徴の組み合わせにより達成される。また従属項は本発明の更なる有利な具体例を規定する。 SUMMARY An advantage of some aspects of the invention is that it provides an image processing apparatus, an image processing method, and an image processing program capable of solving the above-described problems. This object is achieved by a combination of features described in the independent claims. The dependent claims define further advantageous specific examples of the present invention.
上記課題を解決するために、本発明の第１の態様においては、学習用入力画像における抽出すべき対象物を含む領域の選択を受け付ける受付部と、学習用入力画像における選択された領域に基づく選択領域用目標画像と、学習用入力画像における非選択の領域に基づく非選択領域用目標画像とを生成する目標画像生成部と、学習用入力画像、選択領域用目標画像、および非選択領域用目標画像に基づいて、学習用入力画像から対象物を抽出する抽出用画像フィルタを生成するフィルタ生成部とを備える画像処理装置、並びに当該画像処理装置に関する画像処理方法、および画像処理プログラムを提供する。 In order to solve the above-described problem, in the first aspect of the present invention, a reception unit that accepts selection of a region including an object to be extracted in a learning input image and a selected region in the learning input image are used. A target image generating unit that generates a target image for a selection region and a target image for a non-selection region based on a non-selection region in the learning input image; an input image for learning; a target image for a selection region; Provided are an image processing device including a filter generation unit that generates an image filter for extraction that extracts an object from a learning input image based on a target image, an image processing method related to the image processing device, and an image processing program. .
なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。 It should be noted that the above summary of the invention does not enumerate all the necessary features of the present invention. In addition, a sub-combination of these feature groups can also be an invention.
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。 Hereinafter, the present invention will be described through embodiments of the invention, but the following embodiments do not limit the invention according to the claims. In addition, not all the combinations of features described in the embodiments are essential for the solving means of the invention.
図１は、本実施形態に係る画像処理装置１０の構成を示す。画像処理装置１０は、学習用入力画像における、選択された領域に基づいて生成した選択領域用目標画像および非選択の領域に基づいて生成した非選択領域用目標画像から、学習用入力画像内のユーザが選択した対象物を抽出する抽出用画像フィルタを学習により生成する。画像処理装置１０は、受付部１００と、目標画像生成部１１０と、フィルタ生成部１２０と、重み画像生成部１３０と、フィルタ格納部１４０を備える。
FIG. 1 shows a configuration of an
受付部１００は、ユーザが撮影した画像、外部の装置から入力された画像、または画像処理装置１０内に設けられた若しくは画像処理装置１０に装着された記録媒体に格納された画像を、学習用入力画像として取得する。また、受付部１００は、学習用入力画像における抽出すべき対象物を含む領域の選択を受け付ける。受付部１００は、一例として、モニタに表示した学習用入力画像から、マウスによる範囲入力、またはキーボードによる座標入力等によってユーザが選択した領域を、選択領域情報として受け付ける。また、受付部１００は、複数の領域から選択した情報を、選択領域情報として受け付けてもよい。
The
目標画像生成部１１０は、学習用入力画像における選択された領域であって、受付部１００で受け付けた該選択された領域に基づく選択領域用目標画像を生成する。また、目標画像生成部１１０は、学習用入力画像における非選択の領域であって、受付部１００で受け付けた該非選択の領域に基づく非選択領域用目標画像を生成する。
The target
フィルタ生成部１２０は、学習用入力画像と、目標画像生成部１１０が生成した選択領域用目標画像および非選択領域用目標画像とに基づいて、学習用入力画像から対象物を抽出する抽出用の画像フィルタ２０を生成する。フィルタ生成部１２０は、選択領域用フィルタ生成部１２００と、非選択領域用フィルタ生成部１２１０と、抽出用画像フィルタ生成部１２２０とを有する。
The
選択領域用フィルタ生成部１２００は、学習用入力画像を変換した出力画像と選択領域用目標画像との類似度がより大きくなる選択領域用の画像フィルタ２０を生成する。非選択領域用フィルタ生成部１２１０は、学習用入力画像を変換した出力画像と非選択領域用目標画像との類似度がより大きくなる非選択領域用の画像フィルタ２０を生成する。抽出用画像フィルタ生成部１２２０は、選択領域用の画像フィルタ２０および非選択領域用の画像フィルタ２０に基づいて、抽出用の画像フィルタ２０を生成する。この場合、抽出用画像フィルタ生成部１２２０は、選択領域用フィルタ生成部１２００が生成した選択領域用の画像フィルタ２０および非選択領域用フィルタ生成部１２１０が生成した非選択領域用の画像フィルタ２０を含む画像フィルタ群を遺伝的処理により進化させて、抽出用の画像フィルタ２０を生成する。
The selection region
重み画像生成部１３０は、学習用入力画像における選択された領域の重みを非選択の領域の重みより大きくした選択領域用重み画像と、学習用入力画像における非選択の領域の重みを選択された領域の重みより大きくした非選択領域用重み画像とを生成する。ここで、重み画像生成部１３０は、各ピクセルの値（例えば輝度値）によって当該ピクセル位置の重みを表わす重み画像を、重みデータとして生成してもよい。
The weight
また、重み画像生成部１３０は、複数の出力画像のうち少なくとも１つの出力画像と、選択領域用目標画像および／または非選択領域用目標画像との差分がより大きい領域の重みを、当該差分がより小さい領域の重みより大きくした重みデータを生成してもよい。さらに、重み画像生成部１３０は、一例として、世代毎に記憶している重みデータにおける、差分がより大きい領域の重みを差分がより小さい領域の重みより大きくして更新する。
Further, the weight
フィルタ格納部１４０は、既に生成された互いに異なる複数の選択領域用の画像フィルタ２０、非選択領域用の画像フィルタ２０および抽出用の画像フィルタ２０、または、フィルタ生成部１２０が新たに生成した選択領域用の画像フィルタ２０、非選択領域用の画像フィルタ２０および抽出用の画像フィルタ２０を格納する。そして、このような画像処理装置１０は、フィルタ生成部１２０による処理を複数回（例えば複数世代）繰り返す。これによって、画像処理装置１０は、学習用入力画像から選択された対象物を抽出する適切な抽出用の画像フィルタ２０を生成することができる。
The
図２は、本実施形態に係るフィルタ部品２２を直列に組み合わせた構成の画像フィルタ２０の一例を示す。図３は、本実施形態に係るフィルタ部品２２を木構造に組み合わせた構成の画像フィルタ２０の一例を示す。
FIG. 2 shows an example of the
画像フィルタ２０は、受け取った学習用入力画像に対してフィルタ演算処理を施して、出力画像を出力する。画像フィルタ２０は、一例として、画像データに対して演算を施すプログラムとする。また、画像フィルタ２０は、画像データに対して施すべき演算内容を表わす演算式であってもよい。さらに、画像フィルタ２０は、複数のフィルタ部品２２を組み合わせた構成を有する。画像フィルタ２０は、図２に示されるように、フィルタ部品２２を直列に組み合わせた構成を有してよい。また、画像フィルタ２０は、図３に示されるように、フィルタ部品２２を木構造に組み合わせた構成を有してよい。
The
なお、フィルタ部品２２が木構造に組み合わされた構成の画像フィルタ２０は、木構造の末端（最下位）のフィルタ部品２２のそれぞれに、同一の学習用入力画像が与えられ、木構造の最上位のフィルタ部品２２から出力画像を出力する。これに代えて、このような画像フィルタ２０は、複数の末端のフィルタ部品２２のそれぞれに互いに異なる学習用入力画像が与えられてもよい。
Note that the
本実施形態において、フィルタ生成部１２０は、入力画像を出力画像にそれぞれ変換する複数のフィルタ部品２２を組み合わせて、抽出用の画像フィルタ２０を生成する。ここで、画像フィルタ２０は、データに対して演算を施すプログラムであるフィルタ部品２２を組み合わせた構成であってもよい。また、画像フィルタ２０は、データに対して施すべき演算内容を表わす演算式であるフィルタ部品２２を組み合わせた構成であってもよい。
In the present embodiment, the
複数のフィルタ部品２２のそれぞれは、前段に配置されたフィルタ部品２２から出力された画像データを受け取り、受け取った画像データに演算を施して後段に配置されたフィルタ部品２２に与える。複数のフィルタ部品２２のそれぞれは、プログラムモジュールおよび演算式等であってよく、受け取った画像データに対して２値化演算、ヒストグラム演算、平滑化演算、エッジ検出演算、モルフォロジ演算、及び／または周波数空間での演算（例えば、ローパスフィルタリング演算およびハイパスフィルタリング演算）等の単項演算を施してもよい。
Each of the plurality of
また、複数のフィルタ部品２２のそれぞれは、受け取った画像データに対して平均演算、差分演算及び／またはファジー演算（例えば論理和演算、論理積演算、代数和、代数積、限界和、限界積、激烈和および激烈積等）等の二項演算を施してもよい。
In addition, each of the plurality of
図４は、本実施形態に係るフィルタ部品２２を直列に組み合わせた構成の画像フィルタ２０に対して行われる遺伝的な操作の一例を示す。図５は、本実施形態に係るフィルタ部品２２を木構造に組み合わせた構成の画像フィルタ２０に対して行われる交叉操作の一例を示す。図６は、本実施形態に係るフィルタ部品２２を木構造に組み合わせた構成の画像フィルタ２０に対して行われる突然変異操作の一例を示す。
FIG. 4 shows an example of a genetic operation performed on the
フィルタ生成部１２０は、一例として、２個またはそれ以上の画像フィルタ２０に対して、遺伝的な操作の一例である交叉操作を行って新たな２個またはそれ以上の画像フィルタ２０を生成する。フィルタ生成部１２０は、一例として、図４および図５に示されるように、既に生成された少なくとも１つの一の画像フィルタ２０Ａの一部のフィルタ部品群２４Ａを、既に生成された他の画像フィルタ２０Ｂの少なくとも一部のフィルタ部品群２４Ｂと置換して、新たな画像フィルタ２０Ｅおよび２０Ｆを生成する。なお、フィルタ部品群２４は、１または複数のフィルタ部品２２を組み合わせた部材であってもよい。
As an example, the
また、フィルタ生成部１２０は、一例として、一の画像フィルタ２０に対して、遺伝的な操作の一例である突然変異操作を行って新たな一の画像フィルタ２０を生成する。フィルタ生成部１２０は、一例として、図４および図６に示されるように、既に生成された一の画像フィルタ２０Ｃの一部のフィルタ部品群２４Ｃを、ランダムに選択された他のフィルタ部品群２４Ｇに置換して、新たな画像フィルタ２０Ｇを生成する。
For example, the
また、フィルタ生成部１２０は、現世代の画像フィルタ２０をそのまま次世代の画像フィルタ２０として残してもよい。フィルタ生成部１２０は、一例として、図４に示されるように、画像フィルタ２０Ｄのフィルタ部品２２の構成をそのまま含む次世代の画像フィルタ２０Ｈを生成する。
Further, the
また、フィルタ生成部１２０は、フィルタ生成部１２０によって生成された複数の画像フィルタ２０に対して生物の自然淘汰をモデル化した手法により１または複数の画像フィルタ２０を選択する。フィルタ生成部１２０は、複数の画像フィルタ２０の中の適合度がより高い画像フィルタ２０を優先的に選択してもよい。フィルタ生成部１２０は、一例として、複数の画像フィルタ２０のそれぞれの適合度に基づき、エリート選択およびルーレット選択といった手法に応じて、画像フィルタ２０を選択してよい。そして、フィルタ生成部１２０は、選択した画像フィルタ２０を次世代へ生存させるべく当該画像フィルタ２０をフィルタ格納部１４０内に保存し、選択されなかった画像フィルタ２０を死滅させるべくフィルタ格納部１４０内から削除する。
In addition, the
図７は、本実施形態に係る学習用入力画像７００からそれぞれの目標画像および重み画像を生成する場合の一例を示す。目標画像生成部１１０は、受付部１００が受け付けた選択領域に基づいて学習用入力画像７００から、選択領域用目標画像７１０および非選択領域用目標画像７２０を生成する。
FIG. 7 shows an example of generating each target image and weight image from the learning
この場合、目標画像生成部１１０は、一例として、学習用入力画像７００における選択された領域を残して他の領域を一様とした画像を選択領域用目標画像７１０として生成する。ここで、目標画像生成部１１０は、一例として、学習用入力画像７００における、選択領域の部分の重みより低い重みの白色画像等を非選択領域に設定した画像を選択領域用目標画像７１０として生成する。また、目標画像生成部１１０は、選択された領域および非選択の領域を異なる輝度として区別した画像を非選択領域用目標画像７２０として生成する。ここで、目標画像生成部１１０は、一例として、学習用入力画像７００における、選択領域の部分の重みを非選択領域の重みより低くまたは０に設定した画像を非選択領域用目標画像７２０として生成する。
In this case, the target
また、重み画像生成部１３０は、目標画像生成部１１０が生成した選択領域用目標画像７１０における、選択領域の重みを非選択の領域の重みより大きくした画像を、選択領域用重み画像７１５として生成する。ここで、重み画像生成部１３０は、一例として、選択領域用目標画像７１０における、非選択領域の部分の重みを０に設定した画像を、選択領域用重み画像７１５として生成する。これに代えて、重み画像生成部１３０は、選択領域用目標画像７１０における、非選択領域の部分の重みを選択領域の１／２の重みに設定した画像を、選択領域用重み画像７１５として生成してもよい。
Further, the weight
さらに、重み画像生成部１３０は、目標画像生成部１１０が生成した非選択領域用目標画像７２０における、非選択の領域の重みを選択された領域の重みより大きくした画像を、非選択領域用重み画像７２５として生成する。ここで、重み画像生成部１３０は、一例として、非選択領域用目標画像７２０における、選択領域の部分の重みを０に設定した画像を、非選択領域用重み画像７２５として生成する。これに代えて、重み画像生成部１３０は、非選択領域用目標画像７２０における、選択領域の部分の重みを非選択領域の１／２の重みに設定した画像を、非選択領域用重み画像７２５として生成してもよい。
Further, the weight
図８は、本実施形態に係る画像フィルタ２０の適合度を表わすパラメータの一例である類似度の算出方法の一例を示す。本実施形態において、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、当該画像フィルタ２０により学習用入力画像を変換させることにより生成された出力画像と、選択領域用目標画像および非選択領域用目標画像とがどれだけ類似しているかを表わす類似度を算出する。この類似度は、画像フィルタ２０の適合度を表わすパラメータの一例であって、値がより大きいほど、当該出力画像を生成した画像フィルタ２０がより適切であることを示す評価値または指標として用いられる。
FIG. 8 shows an example of a similarity calculation method that is an example of a parameter that represents the degree of matching of the
選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、出力画像の各領域の値と選択領域用目標画像および非選択領域用目標画像のそれぞれ対応する各領域の値とを比較した比較値を算出し、領域毎の比較値に対して重みデータにより指定される重みを乗じる。そして、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、重みが乗じられた領域毎の比較値を全領域について平均または合計した値を算出し、算出した値を当該出力画像の類似度として出力する。
The selection region
選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、一例として、出力画像のピクセル毎の輝度値と、選択領域用目標画像および非選択領域用目標画像の対応するピクセルの輝度値との差分または比率を算出する。そして、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、一例として、算出したピクセル毎の差分または比率のそれぞれに、重みデータにより指定される対応する重みを乗じ、重みが乗じられたピクセル毎の差分または比率を合計または平均して、類似度を算出する。
For example, the selection region
例えば、重みデータが選択領域用重み画像および非選択領域用重み画像により表わされている場合、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、下記式（数１）に示される演算をして、類似度を算出する。なお、この場合において、出力画像、選択領域用目標画像、非選択領域用目標画像、選択領域用重み画像および非選択領域用重み画像のサイズは、同一とされる。
For example, when the weight data is represented by a selection area weight image and a non-selection area weight image, the selection area
式（数１）において、ｆは、類似度を表わす。Ｙｍａｘは、輝度の最大値を表わす。また、ｘは、画像の水平方向のピクセル位置を示す変数である。ｙは、画像の垂直方向のピクセル位置を示す変数である。ｘｍａｘは、画像の水平方向のピクセル数を示す定数である。ｙｍａｘは、画像の垂直方向のピクセル数を示す定数である。 In the formula (Equation 1), f represents the similarity. Y max represents the maximum luminance value. X is a variable indicating the pixel position in the horizontal direction of the image. y is a variable indicating the pixel position in the vertical direction of the image. xmax is a constant indicating the number of pixels in the horizontal direction of the image. ymax is a constant indicating the number of pixels in the vertical direction of the image.
Ｉｗｅｉｇｈｔ（ｘ，ｙ）は、選択領域用重み画像および非選択領域用重み画像における（ｘ，ｙ）位置のピクセルの輝度値を表わす。Ｉｔａｒｇｅｔ（ｘ，ｙ）は、選択領域用目標画像および非選択領域用目標画像における（ｘ，ｙ）位置のピクセルの輝度値を表わす。Ｉｆｉｌｔｅｒ（ｘ，ｙ）は、出力画像における（ｘ，ｙ）位置のピクセルの輝度値を表わす。 I weight (x, y) represents the luminance value of the pixel at the (x, y) position in the selected region weight image and the non-selected region weight image. I target (x, y) represents the luminance value of the pixel at the position (x, y) in the target image for the selected area and the target image for the non-selected area. I filter (x, y) represents the luminance value of the pixel at the (x, y) position in the output image.
すなわち、式（１）の中カッコ内の分子部分に示されるように、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、選択領域用目標画像および非選択領域用目標画像の輝度値から出力画像の輝度値の差の絶対値に対して、選択領域用重み画像および非選択領域用重み画像の輝度値を乗じた重み付き差分値を、画面内の全てのピクセル毎に算出し、算出した重み付き差分値を全ピクセルについて合計した合計重み付け差分値を算出する。さらに、式（１）の中カッコ内の分母部分に示されるように、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、重み画像の輝度値を全ピクセルについて合計した合計重みを算出する。
That is, as shown in the numerator part in the curly braces of the expression (1), the selection area
さらに、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、合計重み付け差分値を合計重みで除算した除算値（式（１）の中カッコ内）に、輝度値の最大値の逆数（１／Ｙｍａｘ）を乗じて正規化値（式（１）の２番目の項）を算出する。そして、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、１から、正規化値を減じた値を、類似度ｆとして算出する。このようにして、選択領域用フィルタ生成部１２００および非選択領域用フィルタ生成部１２１０は、出力画像と選択領域用目標画像および非選択領域用目標画像との差分を領域毎に重み付けして類似度を算出することができる。
Furthermore, the selection region
図９は、本実施形態に係る画像処理装置１０の動作フローの一例を示す。受付部１００は、学習用入力画像を取得して（ステップＳ９００）、ユーザが選択した抽出対象物の領域を受け付ける（Ｓ９１０）。目標画像生成部１１０は、受付部１００が受け付けた選択領域情報に基づいて、選択領域用目標画像および非選択領域用目標画像を生成する（Ｓ９２０）。また、重み画像生成部１３０は、受付部１００が受け付けた選択領域情報に基づいて、選択領域用重み画像および非選択領域用重み画像を生成する（Ｓ９３０）。
FIG. 9 shows an example of an operation flow of the
そして、選択領域用フィルタ生成部１２００は、ステップＳ９２０で生成された目標画像およびステップＳ９３０で生成された重み画像に基づいて、選択領域用の画像フィルタ２０を生成する（Ｓ９４０）。非選択領域用フィルタ生成部１２１０は、ステップＳ９２０で生成された目標画像およびステップＳ９３０で生成された重み画像に基づいて、非選択領域用の画像フィルタ２０を生成する（Ｓ９４５）。抽出用画像フィルタ生成部１２２０は、ステップＳ９４０で生成された選択領域用の画像フィルタ２０、ステップＳ９４５で生成された非選択領域用の画像フィルタ２０、およびステップＳ９３０で生成された重み画像に基づいて、抽出用の画像フィルタ２０を生成する（Ｓ９５０）。
The selection region
図１０は、図９のステップＳ９４０の選択領域用画像フィルタ生成における画像処理装置１０の処理フローの一例を示す。画像処理装置１０は、ステップＳ１２〜ステップＳ１６の各処理を、複数回（例えば複数世代）繰返して実行する（Ｓ１１、Ｓ１６）。
FIG. 10 shows an example of the processing flow of the
各世代の処理において、フィルタ生成部１２０は、前世代から残存した複数の画像フィルタ２０に対して、交叉操作および突然変異操作等の遺伝的な操作を行って、少なくとも一部のフィルタ部品２２を他のフィルタ部品２２に置換した新たな複数の画像フィルタ２０を生成する（Ｓ１２）。なお、フィルタ生成部１２０は、一例として、学習用入力画像を出力画像に変換する画像フィルタ２０を生成するための初期の画像フィルタ２０として、ランダムに生成したまたは既に生成した画像フィルタ２０を、予めフィルタ格納部１４０に格納しておく。
In each generation process, the
続いて、フィルタ生成部１２０は、前世代から残存した複数の画像フィルタ２０およびステップＳ１２で新たに生成された複数の画像フィルタ２０のそれぞれにより、学習用入力画像をフィルタ処理して出力画像を生成する（Ｓ１３）。これにより、フィルタ生成部１２０は、複数の画像フィルタ２０に対応した複数の出力画像を生成することができる。
Subsequently, the
フィルタ生成部１２０は、学習用入力画像を抽出用に生成中の画像フィルタ２０により変換した変換画像および選択領域用目標画像を重み画像生成部１３０が生成した選択領域用重み画像により重み付けして比較する。そして、フィルタ生成部１２０は、出力画像と選択領域用目標画像との類似度を算出し、類似度がより高い出力画像に対応する複数の画像フィルタ２０を選択する（Ｓ１４）。なお、フィルタ生成部１２０は、最後の世代においては、類似度の最も高い１個の出力画像に対応する１個の画像フィルタ２０を選択してもよい。
The
さらに、フィルタ生成部１２０は、ステップＳ１４において選択された１または複数の画像フィルタ２０を次世代に残存させ、ステップＳ１４において選択されなかった出力画像を生成した画像フィルタ２０を、フィルタ格納部１４０内における選択領域用画像フィルタのフィルタ群から削除することにより淘汰する（Ｓ１５）。また、フィルタ生成部１２０は、新たに生成した複数の画像フィルタ２０をフィルタ格納部１４０に戻して、既に生成された複数の画像フィルタ２０に加えて格納させてもよい。
Further, the
画像処理装置１０は、以上の処理を複数の世代（例えば数十世代または数百世代）繰返して実行して、第Ｎ世代（Ｎは２以上の整数）または類似度の上昇が収束したら、当該フローを抜ける（Ｓ１６）。このようにして、画像処理装置１０は、学習用入力画像を選択領域用目標画像への変換に適した画像フィルタ２０を、進化的計算を用いて生成することができる。
The
なお、図１０の処理フローは、図９のステップＳ９４５の非選択領域用画像フィルタの生成および図９のステップＳ９５０の抽出用画像フィルタの生成においても、同様に適用される。この場合、非選択領域用画像フィルタの生成におけるステップＳ１４において、非選択領域用フィルタ生成部１２１０は、一例として、学習用入力画像を抽出用に生成中の画像フィルタ２０により変換した変換画像および非選択領域用目標画像を重み画像生成部１３０が生成した非選択領域用重み画像により重み付けして比較する。
The processing flow of FIG. 10 is similarly applied to the generation of the non-selection region image filter in step S945 in FIG. 9 and the generation of the extraction image filter in step S950 in FIG. In this case, in step S14 in the generation of the non-selection region image filter, for example, the non-selection region
また、抽出用画像フィルタの生成におけるステップＳ１４において、抽出用画像フィルタ生成部１２２０は、一例として、選択領域用フィルタ生成部１２００が生成した選択領域用の画像フィルタ２０および非選択領域用フィルタ生成部１２１０が生成した非選択領域用の画像フィルタ２０を含む画像フィルタ群を、初期の画像フィルタ２０として遺伝的処理を行う。そして、抽出用画像フィルタ生成部１２２０は、学習用入力画像を、学習用目標画像へ変換するのに適した画像フィルタ２０を生成する。
Further, in step S14 in the generation of the extraction image filter, the extraction image
抽出用画像フィルタ生成部１２２０は、学習用目標画像として、選択領域用フィルタ生成部１２００の選択用目標画像を用いてよい。これに代えて、抽出用画像フィルタ生成部１２２０は、学習用目標画像として、選択領域に基づいて生成した他の目標画像を用いてもよい。この場合において、抽出用画像フィルタ生成部１２２０は、重み画像として、均一の重み画像、選択領域用重み画像、非選択領域用重み画像またはこれらの少なくとも２つを反映した重み画像を用いてもよい。
The extraction image
以上において、抽出用画像フィルタ生成部１２２０は、選択領域用フィルタ生成部１２００が選択領域用の画像フィルタ２０を生成および非選択領域用フィルタ生成部１２１０が非選択領域用の画像フィルタ２０を生成した後に、それぞれの画像フィルタ２０を初期の画像フィルタ群に含めて遺伝的処理を行って抽出用の画像フィルタ２０を生成する。これに代えて、フィルタ生成部１２０は、選択領域用目標画像および非選択領域用目標画像を用いて、抽出用画像フィルタを直接生成してもよい。この場合、フィルタ生成部１２０は、図９のステップＳ９５０において、学習用入力画像を現世代以前の抽出用の画像フィルタ２０により変換した出力画像および選択領域用目標画像の類似度と、出力画像および非選択領域用目標画像の類似度の和がより大きくなる次世代の抽出用の画像フィルタ２０を生成してもよい。
In the above, in the extraction image
図１１は、図１０のステップＳ１４の選択領域用画像フィルタ生成における画像処理装置１０の処理フローの一例を示す。画像処理装置１０は、図１０に示されるステップＳ１４において、以下の処理を実行する。
FIG. 11 shows an example of the processing flow of the
まず、重み画像生成部１３０は、世代毎に適切な選択領域用重み画像を生成するべく、選択領域用重み画像を更新する（ステップＳ２１）。なお、選択領域用重み画像の生成処理については、後述の図１２において詳細を説明する。
First, the weight
続いて、フィルタ生成部１２０は、フィルタ格納部１４０に格納された複数の画像フィルタ２０のそれぞれにより生成された複数の出力画像のそれぞれ毎に、以下のステップＳ２３の処理を実行する（Ｓ２２、Ｓ２４）。ステップＳ２３において、フィルタ生成部１２０は、当該出力画像と選択領域用目標画像とを選択領域用重み画像に応じた重み付けをして比較し、当該出力画像と選択領域用目標画像との類似度を算出する。フィルタ生成部１２０は、複数の出力画像の全てについて処理を終えると、処理をステップＳ２５に進める（Ｓ２４）。
Subsequently, the
続いて、フィルタ生成部１２０は、複数の出力画像のそれぞれの類似度に基づき、複数の出力画像の中から選択領域用目標画像により近い出力画像を選択する（Ｓ２５）。フィルタ生成部１２０は、一例として、複数の画像フィルタ２０により変換された複数の出力画像のうち、類似度がより高い出力画像を優先的に選択する。フィルタ生成部１２０は、一例として、類似度が基準類似度より高い出力画像を選択する。また、フィルタ生成部１２０は、類似度が上位から予め定められた範囲の選出力画像を選択してもよい。また、フィルタ生成部１２０は、類似度がより高い出力画像がより高い確率で選択されるように設定がされている条件下で、ランダムに出力画像を選択してもよい。
Subsequently, the
続いて、フィルタ生成部１２０は、フィルタ生成部１２０により選択された出力画像を生成する画像フィルタ２０を、学習用入力画像を選択領域用目標画像により類似する画像に変換する画像フィルタ２０として選択する（Ｓ２６）。このステップＳ２６の処理を終えると、画像処理装置１０は、当該フローを終了する。
Subsequently, the
なお、図１１の処理フローは、図９のステップＳ９４５の非選択領域用画像フィルタの生成および図９のステップＳ９５０の抽出用画像フィルタの生成においても、同様に適用される。この場合、非選択領域用画像フィルタの生成において、非選択領域用フィルタ生成部１２１０は、一例として、出力画像と非選択領域用目標画像とを非選択領域用重み画像に応じた重み付けをして比較し、出力画像と非選択領域用目標画像との類似度を算出する。そして、非選択領域用フィルタ生成部１２１０は、複数の出力画像のそれぞれの類似度に基づき、複数の出力画像の中から非選択領域用目標画像により近い出力画像を選択する。
The processing flow of FIG. 11 is similarly applied to the generation of the non-selection region image filter in step S945 of FIG. 9 and the generation of the extraction image filter of step S950 of FIG. In this case, in the generation of the non-selection region image filter, for example, the non-selection region
また、抽出用画像フィルタの生成において、抽出用画像フィルタ生成部１２２０は、一例として、選択領域用フィルタ生成部１２００が生成した選択領域用の画像フィルタ２０および非選択領域用フィルタ生成部１２１０が生成した非選択領域用の画像フィルタ２０を含む画像フィルタ群に基づいて、抽出用の画像フィルタ２０を選択する。そして、抽出用画像フィルタ生成部１２２０は、学習用入力画像を、学習用目標画像へ変換するのに適した画像フィルタ２０を生成する。抽出用画像フィルタ生成部１２２０は、学習用目標画像として、選択領域用フィルタ生成部１２００の選択用目標画像、または選択領域に基づいて生成した他の目標画像を用いてもよい。この場合において、抽出用画像フィルタ生成部１２２０は、重み画像として、均一の重み画像、選択領域用重み画像、非選択領域用重み画像またはこれらの少なくとも２つを反映した重み画像を用いてもよい。
Further, in the generation of the extraction image filter, the extraction image
以上において、抽出用画像フィルタ生成部１２２０は、選択領域用フィルタ生成部１２００が生成した選択領域用の画像フィルタ２０および非選択領域用フィルタ生成部１２１０が生成した非選択領域用の画像フィルタ２０を含む画像フィルタ群を用いて、抽出用の画像フィルタ２０を選択する。ここで、抽出用画像フィルタ生成部１２２０は、学習用入力画像を現世代以前の抽出用の画像フィルタ２０により変換した出力画像および選択領域用目標画像の類似度と、出力画像および非選択領域用目標画像の類似度の和がより大きくなる画像フィルタ２０を、抽出用の画像フィルタ２０として選択してもよい。
In the above, the extraction image
図１２は、図１１のステップＳ２１の選択領域用画像フィルタ生成における重み画像生成部１３０の処理フローの一例を示す。重み画像生成部１３０は、図１１に示されたステップＳ２１における選択領域用重み画像の更新処理において、以下のステップＳ３１〜Ｓ３３の処理を実行する。
FIG. 12 shows an example of the processing flow of the weight
まず、重み画像生成部１３０は、前世代から残存した複数の画像フィルタ２０および図１０のステップＳ１２において新たに生成された複数の画像フィルタ２０のそれぞれにより生成された複数の出力画像のうち、少なくとも１つの出力画像を、選択領域用重み画像更新に用いる出力画像として選択する（Ｓ３１）。重み画像生成部１３０は、一例として、複数の画像フィルタ２０のうち、前世代において算出された類似度が最も高かった画像フィルタ２０により生成された出力画像を抽出する。また、重み画像生成部１３０は、前世代において算出された類似度が所定値以上の画像フィルタ２０により生成された１または複数の出力画像を抽出してもよい。また、重み画像生成部１３０は、一例として、複数の画像フィルタ２０のうち任意の一個の画像フィルタ２０により生成された出力画像を抽出する。
First, the weight
続いて、重み画像生成部１３０は、ステップＳ３１において選択された少なくとも１つの出力画像と選択領域用目標画像との領域毎の差分を算出する（Ｓ３２）。重み画像生成部１３０は、一例として、ステップＳ３１において選択された少なくとも１つの出力画像と、選択領域用目標画像とのピクセル毎の差分を算出する。
Subsequently, the weight
なお、ステップＳ３１において複数の出力画像を抽出した場合には、重み画像生成部１３０は、一例として、ステップＳ３１において選択された複数の出力画像のそれぞれと一の選択領域用目標画像との複数個の差分のうち、最も大きい１個の差分またはこれら複数個の差分の平均値を、領域毎（例えばピクセル毎）に選択する。
When a plurality of output images are extracted in step S31, the weight
続いて、重み画像生成部１３０は、重み画像生成部１３０に記憶された選択領域用重み画像、すなわち、前世代において用いられた選択領域用重み画像を、ステップＳ３２において算出された領域毎の差分に基づき変更する（Ｓ３３）。より具体的には、重み画像生成部１３０は、差分がより大きい領域の重みを当該差分がより小さい領域の重みより大きくするべく、重み画像生成部１３０に記憶された重みデータを更新する。なお、重み画像生成部１３０は、一例として、初期の世代の選択領域用重み画像として、領域毎の重みが同一として生成した、または既に生成した選択領域用重み画像を、予め記憶しておく。
Subsequently, the weight
なお、図１２の処理フローは、図９のステップＳ９４５の非選択領域用画像フィルタの生成および図９のステップＳ９５０の抽出用画像フィルタの生成においても、同様に適用される。この場合、重み画像生成部１３０は、一例として、非選択領域用画像フィルタの生成においては、非選択領域用重み画像を更新する。また、重み画像生成部１３０は、抽出用画像フィルタの生成において、重み画像として、均一の重み画像、選択領域用重み画像、非選択領域用重み画像またはこれらの少なくとも２つを反映した重み画像を用いてもよい。
The processing flow of FIG. 12 is similarly applied to the generation of the non-selection region image filter in step S945 of FIG. 9 and the generation of the extraction image filter of step S950 of FIG. In this case, as an example, the weight
以上において、重み画像生成部１３０は、学習入力画像を、学習用目標画像に、より類似する画像に変換する重み画像を生成して、更新する。
In the above, the weight
図１３は、本実施形態に係る世代毎に更新される重み画像の一例を示す。図１２の選択領域用画像フィルタ生成において説明したように、重み画像生成部１３０は、世代毎に適切な重み画像を生成することができる。
FIG. 13 shows an example of a weight image updated for each generation according to this embodiment. As described in the selection area image filter generation in FIG. 12, the weight
図１３に示されるように、重み画像生成部１３０は、一例として、出力画像と選択領域用目標画像とのピクセル毎の差分を表わす差分画像を生成する。そして、重み画像生成部１３０は、一例として、生成した差分画像に予め定められた係数を乗じて重み画像生成部１３０に記憶された選択領域用重み画像に加算することにより、重みデータを更新してよい。このようにして、重み画像生成部１３０は、差分がより大きい領域の重みをより大きくし、差分がより小さい領域の重みをより小さくするように、選択領域用重み画像を更新することができる。
As illustrated in FIG. 13, as an example, the weight
このような本実施形態に係る画像処理装置１０によれば、画面の領域毎に適切な重み付けをして出力画像と選択領域用目標画像との類似度を算出することができる。これにより、画像処理装置１０によれば、複数の出力画像の中から選択領域用目標画像に類似した出力画像を適切に選択することができる。
According to such an
例えば、本実施形態に係る画像処理装置１０によれば、次世代に残存させるべき画像フィルタ２０を選択することを目的として、複数の画像フィルタ２０により生成された複数の出力画像の中から選択領域用目標画像に類似した出力画像を選択する処理において、出力画像と選択領域用目標画像との類似度の算出に用いる重みデータを、世代毎に適切な値に更新することができる。
For example, according to the
従って、例えば、世代が進んで、複数の画像フィルタ２０により生成された複数の出力画像のほとんどが選択領域用目標画像と近くなり、複数の出力画像の間の差が微小となった場合であっても、画像処理装置１０によれば、選択領域用目標画像により近い出力画像を適切に判別させることができる。この結果、画像処理装置１０によれば、適切な画像フィルタ２０を高速に生成することができる。
Therefore, for example, when the generation has progressed, most of the plurality of output images generated by the plurality of image filters 20 have become close to the target image for the selected region, and the difference between the plurality of output images has become minute. However, according to the
また、本実施形態の変形例として、重み画像生成部１３０は、出力画像と選択領域用目標画像との差分に基づき重みデータを生成することに代えて、複数の出力画像のうち何れか２以上の出力画像同士の差分がより大きい領域の重みを、当該差分がより小さい領域の重みより大きくした重みデータを生成してよい。
As a modification of the present embodiment, the weight
重み画像生成部１３０は、一例として、複数の出力画像のうちの２個の出力画像同士の差分がより大きい領域の重みを、当該差分がより小さい領域の重みより大きくした重みデータを生成する。より具体的には、重み画像生成部１３０は、第１の出力画像と第２の出力画像とのピクセル毎の差分を表わす差分画像を生成し、生成した差分画像に予め定められた係数を乗じて重み画像生成部１３０に記憶された選択領域用重み画像に加算することにより、重みデータを更新してもよい。
For example, the weight
このような変形例に係る画像処理装置１０によれば、例えば、世代が進んで、複数の画像フィルタ２０により生成された複数の出力画像のほとんどが選択領域用目標画像と近くなり、複数の出力画像の間の差が微小となった場合であっても、複数の出力画像間の差が強調されるので、選択領域用目標画像により近い出力画像を適切に判別させることができる。この結果、画像処理装置１０によれば、適切な画像フィルタ２０を高速に生成することができる。
According to the
図１４は、本実施形態に係るコンピュータ１９００のハードウェア構成の一例を示す。本実施形態に係るコンピュータ１９００は、ホスト・コントローラ２０８２により相互に接続されるＣＰＵ２０００、ＲＡＭ２０２０、グラフィック・コントローラ２０７５、及び表示装置２０８０を有するＣＰＵ周辺部と、入出力コントローラ２０８４によりホスト・コントローラ２０８２に接続される通信インターフェイス２０３０、ハードディスク・ドライブ２０４０、及びＤＶＤドライブ２０６０を有する入出力部と、入出力コントローラ２０８４に接続されるＲＯＭ２０１０、フレキシブルディスク・ドライブ２０５０、及び入出力チップ２０７０を有するレガシー入出力部とを備える。
FIG. 14 shows an example of a hardware configuration of a
ホスト・コントローラ２０８２は、ＲＡＭ２０２０と、高い転送レートでＲＡＭ２０２０をアクセスするＣＰＵ２０００及びグラフィック・コントローラ２０７５とを接続する。ＣＰＵ２０００は、ＲＯＭ２０１０及びＲＡＭ２０２０に格納されたプログラムに基づいて動作し、各部の制御を行う。グラフィック・コントローラ２０７５は、ＣＰＵ２０００等がＲＡＭ２０２０内に設けたフレーム・バッファ上に生成する画像データを取得し、表示装置２０８０上に表示させる。これに代えて、グラフィック・コントローラ２０７５は、ＣＰＵ２０００等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。
The
入出力コントローラ２０８４は、ホスト・コントローラ２０８２と、比較的高速な入出力装置である通信インターフェイス２０３０、ハードディスク・ドライブ２０４０、ＤＶＤドライブ２０６０を接続する。通信インターフェイス２０３０は、ネットワークを介して他の装置と通信する。ハードディスク・ドライブ２０４０は、コンピュータ１９００内のＣＰＵ２０００が使用するプログラム及びデータを格納する。ＤＶＤドライブ２０６０は、ＤＶＤ２０９５からプログラム又はデータを読み取り、ＲＡＭ２０２０を介してハードディスク・ドライブ２０４０に提供する。
The input /
また、入出力コントローラ２０８４には、ＲＯＭ２０１０と、フレキシブルディスク・ドライブ２０５０、及び入出力チップ２０７０の比較的低速な入出力装置とが接続される。ＲＯＭ２０１０は、コンピュータ１９００が起動時に実行するブート・プログラム、及び／又は、コンピュータ１９００のハードウェアに依存するプログラム等を格納する。フレキシブルディスク・ドライブ２０５０は、フレキシブルディスク２０９０からプログラム又はデータを読み取り、ＲＡＭ２０２０を介してハードディスク・ドライブ２０４０に提供する。入出力チップ２０７０は、フレキシブルディスク・ドライブ２０５０を入出力コントローラ２０８４へと接続すると共に、例えばパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を入出力コントローラ２０８４へと接続する。
The input /
ＲＡＭ２０２０を介してハードディスク・ドライブ２０４０に提供されるプログラムは、フレキシブルディスク２０９０、ＤＶＤ２０９５、又はＩＣカード等の記録媒体に格納されて利用者によって提供される。プログラムは、記録媒体から読み出され、ＲＡＭ２０２０を介してコンピュータ１９００内のハードディスク・ドライブ２０４０にインストールされ、ＣＰＵ２０００において実行される。
A program provided to the
コンピュータ１９００にインストールされ、コンピュータ１９００を画像処理装置１０の制御用コンピュータとして機能させるプログラムは、受付モジュールと、目標画像生成モジュールと、フィルタ生成モジュールと、重み画像生成モジュールとを備える。これらのプログラム又はモジュールは、ＣＰＵ２０００等に働きかけて、コンピュータ１９００を、受付部１００と、目標画像生成部１１０と、フィルタ生成部１２０と、重み画像生成部１３０としてそれぞれ機能させる。
A program that is installed in the
これらのプログラムに記述された情報処理は、コンピュータ１９００に読込まれることにより、ソフトウェアと上述した各種のハードウェア資源とが協働した具体的手段である受付部１００と、目標画像生成部１１０と、フィルタ生成部１２０と、重み画像生成部１３０として機能する。そして、これらの具体的手段によって、本実施形態におけるコンピュータ１９００の使用目的に応じた情報の演算又は加工を実現することにより、使用目的に応じた特有の画像処理装置１０が構築される。
The information processing described in these programs is read into the
一例として、コンピュータ１９００と外部の装置等との間で通信を行う場合には、ＣＰＵ２０００は、ＲＡＭ２０２０上にロードされた通信プログラムを実行し、通信プログラムに記述された処理内容に基づいて、通信インターフェイス２０３０に対して通信処理を指示する。通信インターフェイス２０３０は、ＣＰＵ２０００の制御を受けて、ＲＡＭ２０２０、ハードディスク・ドライブ２０４０、フレキシブルディスク２０９０、又はＤＶＤ２０９５等の記憶装置上に設けた送信バッファ領域等に記憶された送信データを読み出してネットワークへと送信し、もしくは、ネットワークから受信した受信データを記憶装置上に設けた受信バッファ領域等へと書き込む。このように、通信インターフェイス２０３０は、ＤＭＡ（ダイレクト・メモリ・アクセス）方式により記憶装置との間で送受信データを転送してもよく、これに代えて、ＣＰＵ２０００が転送元の記憶装置又は通信インターフェイス２０３０からデータを読み出し、転送先の２０３０又は記憶装置へとデータを書き込むことにより送受信データを転送してもよい。
As an example, when communication is performed between the
また、ＣＰＵ２０００は、ハードディスク・ドライブ２０４０、ＤＶＤドライブ２０６０（ＤＶＤ２０９５）、フレキシブルディスク・ドライブ２０５０（フレキシブルディスク２０９０）等の外部記憶装置に格納されたファイルまたはデータベース等の中から、全部または必要な部分をＤＭＡ転送等によりＲＡＭ２０２０へと読み込ませ、ＲＡＭ２０２０上のデータに対して各種の処理を行う。そして、ＣＰＵ２０００は、処理を終えたデータを、ＤＭＡ転送等により外部記憶装置へと書き戻す。このような処理において、ＲＡＭ２０２０は、外部記憶装置の内容を一時的に保持するものとみなせるから、本実施形態においてはＲＡＭ２０２０および外部記憶装置等をメモリ、記憶部、または記憶装置等と総称する。本実施形態における各種のプログラム、データ、テーブル、データベース等の各種の情報は、このような記憶装置上に格納されて、情報処理の対象となる。なお、ＣＰＵ２０００は、ＲＡＭ２０２０の一部をキャッシュメモリに保持し、キャッシュメモリ上で読み書きを行うこともできる。このような形態においても、キャッシュメモリはＲＡＭ２０２０の機能の一部を担うから、本実施形態においては、区別して示す場合を除き、キャッシュメモリもＲＡＭ２０２０、メモリ、及び／又は記憶装置に含まれるものとする。
In addition, the
また、ＣＰＵ２０００は、ＲＡＭ２０２０から読み出したデータに対して、プログラムの命令列により指定された、本実施形態中に記載した各種の演算、情報の加工、条件判断、情報の検索・置換等を含む各種の処理を行い、ＲＡＭ２０２０へと書き戻す。例えば、ＣＰＵ２０００は、条件判断を行う場合においては、本実施形態において示した各種の変数が、他の変数または定数と比較して、大きい、小さい、以上、以下、等しい等の条件を満たすかどうかを判断し、条件が成立した場合（又は不成立であった場合）に、異なる命令列へと分岐し、またはサブルーチンを呼び出す。
In addition, the
また、ＣＰＵ２０００は、記憶装置内のファイルまたはデータベース等に格納された情報を検索することができる。例えば、第１属性の属性値に対し第２属性の属性値がそれぞれ対応付けられた複数のエントリが記憶装置に格納されている場合において、ＣＰＵ２０００は、記憶装置に格納されている複数のエントリの中から第１属性の属性値が指定された条件と一致するエントリを検索し、そのエントリに格納されている第２属性の属性値を読み出すことにより、所定の条件を満たす第１属性に対応付けられた第２属性の属性値を得ることができる。
Further, the
以上に示したプログラム又はモジュールは、外部の記録媒体に格納されてもよい。記録媒体としては、フレキシブルディスク２０９０、ＤＶＤ２０９５の他に、ＤＶＤ又はＣＤ等の光学記録媒体、ＭＯ等の光磁気記録媒体、テープ媒体、ＩＣカード等の半導体メモリ等を用いることができる。また、専用通信ネットワーク又はインターネットに接続されたサーバシステムに設けたハードディスク又はＲＡＭ等の記憶装置を記録媒体として使用し、ネットワークを介してプログラムをコンピュータ１９００に提供してもよい。
The program or module shown above may be stored in an external recording medium. As the recording medium, in addition to the
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。 As mentioned above, although this invention was demonstrated using embodiment, the technical scope of this invention is not limited to the range as described in the said embodiment. It will be apparent to those skilled in the art that various modifications or improvements can be added to the above-described embodiment. It is apparent from the scope of the claims that the embodiments added with such changes or improvements can be included in the technical scope of the present invention.
特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。 The order of execution of each process such as operations, procedures, steps, and stages in the apparatus, system, program, and method shown in the claims, the description, and the drawings is particularly “before” or “prior to”. It should be noted that the output can be realized in any order unless the output of the previous process is used in the subsequent process. Regarding the operation flow in the claims, the description, and the drawings, even if it is described using “first”, “next”, etc. for convenience, it means that it is essential to carry out in this order. It is not a thing.
１０ 画像処理装置、２０ 画像フィルタ、２２ フィルタ部品、２４ フィルタ部品群、１００ 受付部、１１０ 目標画像生成部、１２０ フィルタ生成部、１３０ 重み画像生成部、１４０ フィルタ格納部、７００ 学習用入力画像、７１０ 選択領域用目標画像、７１５ 選択領域用重み画像、７２０ 非選択領域用目標画像、７２５ 非選択領域用重み画像、１２００ 選択領域用フィルタ生成部、１２１０ 非選択領域用フィルタ生成部、１２２０ 抽出用画像フィルタ生成部、１９００ コンピュータ、２０００ ＣＰＵ、２０１０ ＲＯＭ、２０２０ ＲＡＭ、２０３０ 通信インターフェイス、２０４０ ハードディスク・ドライブ、２０５０ フレキシブルディスク・ドライブ、２０６０ ＤＶＤドライブ、２０７０ 入出力チップ、２０７５ グラフィック・コントローラ、２０８０ 表示装置、２０８２ ホスト・コントローラ、２０８４ 入出力コントローラ、２０９０ フレキシブルディスク、２０９５ ＤＶＤ
DESCRIPTION OF
Claims (8)
前記学習用入力画像における選択された領域に基づく選択領域用目標画像と、前記学習用入力画像における非選択の領域に基づく非選択領域用目標画像とを生成する目標画像生成部と、
前記学習用入力画像、前記選択領域用目標画像、および前記非選択領域用目標画像に基づいて、前記学習用入力画像から前記対象物を抽出する抽出用画像フィルタを生成するフィルタ生成部と、
を備え、
前記フィルタ生成部は、前記学習用入力画像を前記抽出用画像フィルタにより変換した出力画像および前記選択領域用目標画像の類似度と、前記出力画像および前記非選択領域用目標画像の類似度の和がより大きくなる前記抽出用画像フィルタを生成する画像処理装置。 A reception unit for receiving selection of an area including an object to be extracted in the learning input image;
A target image generating unit that generates a target image for a selected region based on a selected region in the input image for learning and a target image for a non-selected region based on a non-selected region in the input image for learning;
A filter generation unit configured to generate an extraction image filter that extracts the target object from the learning input image based on the learning input image, the selection region target image, and the non-selection region target image;
Equipped with a,
The filter generation unit is a sum of the similarity between the output image obtained by converting the learning input image using the extraction image filter and the selection area target image, and the similarity between the output image and the non-selection area target image. An image processing apparatus that generates the image filter for extraction with a larger value .
請求項１に記載の画像処理装置。 The image processing apparatus according to claim 1, wherein the filter generation unit generates the extraction image filter by combining a plurality of filter components that respectively convert an input image into an output image.
請求項１または２に記載の画像処理装置。 The target image generation unit uses an image of a selected area in the learning input image as the selection area target image, and distinguishes the selected area and the non-selected area as different luminances for the non-selection area. The image processing apparatus according to claim 1, wherein the image processing apparatus is a target image.
前記学習用入力画像を変換した出力画像および前記選択領域用目標画像の類似度がより大きくなる選択領域用画像フィルタを生成する選択領域用フィルタ生成部と、
前記学習用入力画像を変換した出力画像および前記非選択領域用目標画像の類似度がより大きくなる非選択領域用画像フィルタを生成する非選択領域用フィルタ生成部と、
前記選択領域用画像フィルタおよび前記非選択領域用画像フィルタに基づいて、前記抽出用画像フィルタを生成する抽出用画像フィルタ生成部と、
を有する
請求項１から３のいずれか１項に記載の画像処理装置。 The filter generation unit
A selection region filter generation unit that generates a selection region image filter in which the similarity between the output image obtained by converting the learning input image and the selection region target image is greater;
A non-selection region filter generation unit for generating a non-selection region image filter in which the similarity between the output image obtained by converting the learning input image and the non-selection region target image is greater;
An extraction image filter generation unit for generating the extraction image filter based on the selection region image filter and the non-selection region image filter;
The image processing apparatus according to any one of claims 1 3 having.
請求項４に記載の画像処理装置。 Said extracting image filter generation unit according to claim 4 for generating the image for extracting filter evolved by genetic processes an image filter group including the selected area image filter and the non-selected area for an image filter Image processing device.
前記フィルタ生成部は、前記学習用入力画像を前記抽出用画像フィルタにより変換した変換画像および前記選択領域用目標画像を前記選択領域用重み画像により重み付けして比較し、前記変換画像および前記非選択領域用目標画像を前記非選択領域用重み画像により重み付けして比較する
請求項１から５のいずれか１項に記載の画像処理装置。 In the learning input image, a selection area weight image in which the weight of the selected area is larger than that in the non-selection area, and a non-selection area weight image in which the weight of the non-selection area is larger than that in the selected area. Further comprising a weight image generation unit for generating,
The filter generation unit weights and compares the converted image obtained by converting the learning input image with the extraction image filter and the selection region target image with the selection region weight image, and the converted image and the non-selected the image processing apparatus according to any one of 5 the target image area from claim 1 and comparing weighted by the non-selected area for the weighted image.
前記学習用入力画像における選択された領域に基づく選択領域用目標画像と、前記学習用入力画像における非選択の領域に基づく非選択領域用目標画像とを生成する目標画像生成ステップと、
前記学習用入力画像、前記選択領域用目標画像、および前記非選択領域用目標画像に基づいて、前記学習用入力画像から前記対象物を抽出する抽出用画像フィルタを生成するフィルタ生成ステップと、
を備え、
前記フィルタ生成ステップは、前記学習用入力画像を前記抽出用画像フィルタにより変換した出力画像および前記選択領域用目標画像の類似度と、前記出力画像および前記非選択領域用目標画像の類似度の和がより大きくなる前記抽出用画像フィルタを生成する画像処理方法。 An accepting step for accepting selection of a region including an object to be extracted in the learning input image;
A target image generation step of generating a selection area target image based on a selected area in the learning input image and a non-selection area target image based on a non-selected area in the learning input image;
A filter generation step of generating an extraction image filter for extracting the object from the learning input image based on the learning input image, the selection region target image, and the non-selection region target image;
Equipped with a,
The filter generation step includes a sum of a similarity between the output image obtained by converting the learning input image by the extraction image filter and the selection area target image, and a similarity between the output image and the non-selection area target image. An image processing method for generating the image filter for extraction in which becomes larger .
前記コンピュータを、
学習用入力画像における抽出すべき対象物を含む領域の選択を受け付ける受付部と、
前記学習用入力画像における選択された領域に基づく選択領域用目標画像と、前記学習用入力画像における非選択の領域に基づく非選択領域用目標画像とを生成する目標画像生成部と、
前記学習用入力画像、前記選択領域用目標画像、および前記非選択領域用目標画像に基づいて、前記学習用入力画像から前記対象物を抽出する抽出用画像フィルタを生成するフィルタ生成部と、
して機能させ、
前記フィルタ生成部は、前記学習用入力画像を前記抽出用画像フィルタにより変換した出力画像および前記選択領域用目標画像の類似度と、前記出力画像および前記非選択領域用目標画像の類似度の和がより大きくなる前記抽出用画像フィルタを生成する画像処理プログラム。 An image processing program for causing a computer to function as an image processing apparatus,
The computer,
A reception unit for receiving selection of an area including an object to be extracted in the learning input image;
A target image generating unit that generates a target image for a selected region based on a selected region in the input image for learning and a target image for a non-selected region based on a non-selected region in the input image for learning;
A filter generation unit configured to generate an extraction image filter that extracts the target object from the learning input image based on the learning input image, the selection region target image, and the non-selection region target image;
To function ,
The filter generation unit is a sum of the similarity between the output image obtained by converting the learning input image using the extraction image filter and the selection area target image, and the similarity between the output image and the non-selection area target image. An image processing program for generating the image filter for extraction in which becomes larger .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009106976A JP5326776B2 (en) | 2009-04-24 | 2009-04-24 | Image processing apparatus, image processing method, and image processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009106976A JP5326776B2 (en) | 2009-04-24 | 2009-04-24 | Image processing apparatus, image processing method, and image processing program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010257256A JP2010257256A (en) | 2010-11-11 |
| JP5326776B2 true JP5326776B2 (en) | 2013-10-30 |
Family
ID=43318081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009106976A Expired - Fee Related JP5326776B2 (en) | 2009-04-24 | 2009-04-24 | Image processing apparatus, image processing method, and image processing program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5326776B2 (en) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006178857A (en) * | 2004-12-24 | 2006-07-06 | Yokohama National Univ | Image processor |
| JP2007087306A (en) * | 2005-09-26 | 2007-04-05 | Yokohama National Univ | Target image designating and generating system |
| JP2007241945A (en) * | 2006-03-13 | 2007-09-20 | Yokohama National Univ | Image processor and image processing determination device |
| US20070230793A1 (en) * | 2006-04-03 | 2007-10-04 | Kabushiki Kaisha Toshiba | Method and apparatus for pattern matching processing |
| JP4814679B2 (en) * | 2006-04-05 | 2011-11-16 | 富士重工業株式会社 | Image processing device |
| JP4961161B2 (en) * | 2006-04-27 | 2012-06-27 | 株式会社日立ハイテクノロジーズ | Inspection device |
| JP4910090B2 (en) * | 2007-02-19 | 2012-04-04 | 国立大学法人横浜国立大学 | Image processing system |
-
2009
- 2009-04-24 JP JP2009106976A patent/JP5326776B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2010257256A (en) | 2010-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5408128B2 (en) | Image processing apparatus, image processing method, processing apparatus, and program | |
| EP3428856A1 (en) | Information processing method and information processing device | |
| JP2011014051A (en) | Generating device, generating method, and generation program | |
| JP5181825B2 (en) | Image processing apparatus, image processing method, and program | |
| JP5304401B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP2016031629A (en) | Feature selection device, feature selection system, feature selection method and feature selection program | |
| JP5396977B2 (en) | Data processing apparatus, data processing method and program | |
| JP5326776B2 (en) | Image processing apparatus, image processing method, and image processing program | |
| JP5417967B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP5326881B2 (en) | Image processing apparatus, image processing method, and image processing program | |
| JP5359622B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
| JP6835407B2 (en) | Image processing equipment, image processing methods and programs | |
| JP5417972B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
| JP5418052B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP5417950B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP5181826B2 (en) | Image processing apparatus, image processing method, and program | |
| JP5453937B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
| JP5365328B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
| JP5359531B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP5181821B2 (en) | Image processing apparatus, image processing method, and program | |
| JP5359479B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP2010257067A (en) | Apparatus and method for processing hereditary, and program | |
| JP5444822B2 (en) | Genetic processing apparatus, genetic processing method and program | |
| JP5088228B2 (en) | Image processing apparatus, image processing method, and program | |
| JP5471105B2 (en) | Image processing apparatus, image processing method, and image processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120420 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130307 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130326 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130510 |
|
| 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: 20130625 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130708 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5326776 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |