JP6525707B2 - 画像処理装置、その制御方法及びプログラム、並びに撮像装置 - Google Patents
画像処理装置、その制御方法及びプログラム、並びに撮像装置 Download PDFInfo
- Publication number
- JP6525707B2 JP6525707B2 JP2015088501A JP2015088501A JP6525707B2 JP 6525707 B2 JP6525707 B2 JP 6525707B2 JP 2015088501 A JP2015088501 A JP 2015088501A JP 2015088501 A JP2015088501 A JP 2015088501A JP 6525707 B2 JP6525707 B2 JP 6525707B2
- Authority
- JP
- Japan
- Prior art keywords
- resizing
- image
- noise reduction
- unit
- target frame
- 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
Images
Description
例えば特許文献1では、電子ズーム及び手ぶれ補正機能を動作させているときは、巡回型のノイズリデュース回路の入力とフィールドメモリ出力とでデータの相関性が損なわれるので、ノイズリデューサの動作を止める構成が開示されている。この方法は、残像や尾引きといった巡回型ノイズ低減処理の誤作動を防ぐことができるが、ノイズ低減効果が得られなくなってしまう。
<第1の実施形態>
第1の実施形態では、動画撮影を行うデジタルカメラにおいて、連続的に画像中央の切り出し領域の大きさを変える電子ズーム処理と、時間方向の相関性を用いた合成型のノイズ低減処理を行うことを提案する。
図1は、第1の実施形態に係るデジタルカメラの構成を模式的に示すブロック図である。本実施形態では、デジタルカメラが、本発明を適用した画像処理装置として機能する。
デジタルカメラにおいて、絞り、レンズ等の光学系1を通った光はCOMSやCCD等で構成される撮像素子2で光電変換され、画素単位のアナログ画像信号として第1の信号処理部3に供給される。
第1の信号処理部3は、撮像素子2から供給されるアナログ画像信号に対してA/D変換やゲインコントロール等を行い、デジタル画像信号としてリサイズ部4に供給する。
NR処理部5は、リサイズ部4から供給されるリサイズ処理がなされたデジタル画像信号に対して時間方向の相関性を用いたノイズ低減処理を行い、第2の信号処理部6に供給する。
出力部7は、第2の信号処理部6から供給されるデジタル画像信号のHDMI(登録商標)等の出力インタフェースへの出力、半導体メモリカード等の記録メディアへの記録、デジタルカメラの表示装置(図示せず)への出力のうち少なくともいずれか1つ以上を行う。
以上のようにしたデジタルカメラの各構成要素は、バス8を介して互いに通信可能に接続されている。
図2は、リサイズ部4の構成例を示すブロック図である。以下、図2を参照して、リサイズ部4の構成及び動作について説明する。
切り出し部402は、第1の信号処理部3から画像入力端子401を介して入力されるデジタル画像信号に対して切り出し処理を行い、ズーム補間部403に供給する。切り出し処理は、入力端子406を介して入力される現フレームの切り出し領域に従って行われる。
ズーム補間部403は、切り出し部402で切り出されたデジタル画像信号に対してズーム補間処理を行い、画像出力端子410に供給する。ズーム補間処理は、入力端子406を介して入力される現フレームのズーム倍率に従って行われる。
切り出し部404は、第1の信号処理部3から画像入力端子401を介して入力されるデジタル画像信号に対して切り出し処理を行い、ズーム補間部405に供給する。切り出し処理は、入力端子406を介して入力される次のフレームの切り出し領域に従って行われる。
ズーム補間部405は、切り出し部404で切り出されたデジタル画像信号に対してズーム補間処理を行い、画像出力端子411に供給する。ズーム補間処理は、入力端子406を介して入力される次のフレームのズーム倍率に従って行われる。このように、切り出し部404及びズーム補間部405は、次のフレームに対して時間方向の相関性を用いたノイズ低減処理を行う際に用いられる画像を生成する。
画像出力端子410は、ズーム補間部403から供給されるデジタル画像信号を、リサイズ部4の出力としてNR処理部5に供給する。画像出力端子411は、ズーム補間部405から供給されるデジタル画像信号を、リサイズ部4の出力としてNR処理部5に供給する。
図3は、NR処理部5の構成例を示すブロック図である。以下、図3を参照して、NR処理部5の構成及び動作について説明する。
空間的NR部502は、リサイズ部4の画像出力端子410から画像入力端子501を介して入力されるデジタル画像信号に対して2次元的(空間的)なノイズ低減処理を行い、LPF(ローパスフィルタ)503及び混合部510に供給する。
空間的NR部505は、リサイズ部4の画像出力端子411から画像入力端子504を介して入力されるデジタル画像信号に対して2次元的(空間的)なノイズ低減処理を行い、フレームメモリ508に供給する。
フレームメモリ508は、入力されるデジタル画像信号を1フレーム時間遅延させて、LPF509及び混合部510に供給する。
LPF509は、入力される遅延されたデジタル画像信号に対してローパスフィルタ処理を行い、差分絶対値算出部506に供給する。
差分絶対値算出部506は、LPF503でローパスフィルタ処理がなされたデジタル画像信号と、LPF509でローパスフィルタ処理がなされた遅延されたデジタル画像信号との差分絶対値を算出して、時間的NR係数算出部507に供給する。
時間的NR係数算出部507は、差分絶対値算出部506で算出された差分絶対値に基づいて、時間的NR係数を設定して、混合部510に供給する。
混合部510は、空間的NR部502でノイズ低減処理がなされたデジタル画像信号と、空間的NR部505でノイズ低減処理がなされ、かつ、遅延されたデジタル画像信号とを時間的NR係数に基づいて混合する。そして、混合して得られた画像出力端子511に供給する。
画像出力端子511は、混合部510から供給されるデジタル画像信号を、NR処理部5の出力として第2の信号処理部6に供給する。
以下、リサイズ部4によるリサイズ処理、及びNR処理部5によるノイズ低減処理の具体例を説明する。
リサイズ部4には、画像入力端子401を介して、動画像がフレーム単位で順次入力される。例えば入力解像度は4096画素×2160画素であり、出力解像度は1920画素×1080画素であるとする。また、撮像感度(ISO感度)は、3200であるとする。
切り出し部402は、現フレームに対して、現フレームの切り出し領域に従って切り出し処理を行う。例えば現フレームの切り出し領域は、画像中央の2880画素×1620画素であるとする。
ズーム補間部403は、バイキュービックフィルタを用いてズーム補間処理を行う。本例では、入力解像度が2880画素×1620画素で、出力解像度が1920画素×1080画素であるため、前フレームに適用するズーム倍率は水平及び垂直共に0.66倍である。
また、切り出し部404は、現フレームに対して、次のフレームの切り出し領域に従って切り出し処理を行う。例え次のフレームの切り出し領域は、画像中央の3200画素×1800画素であるとする。
ズーム補間部403は、バイキュービックフィルタを用いてズーム補間処理を行う。本例では、入力解像度が3200画素×1800画素で、出力解像度が1920画素×1080画素であるため、現フレームに適用するズーム倍率は水平及び垂直共に0.60倍である。
空間的NR部502及び505は、ε−フィルタを用いてノイズ低減処理を行う。図4に示すように、注目画素をxnとした場合、注目画素及びその周辺の画素xn-5〜xn+5の画素値を用いて平滑化を行うことによりノイズ低減を図る。このとき、注目画素xnの画素値に対して±εの範囲内にある画素値だけで平滑化を行う。図4の例では、注目画素xnの画素値に対して画素xn-5、xn-2、xn+4の画素値は±εの範囲内にない。そこで、画素xn-5、xn-2、xn+4の画素値をそれぞれ注目画素xnの画素値と置き換えて、画素xn-5〜xn+5の画素値の加重平均を行う。以下に、計算式(1)、(2)を示す。akは各画素における重みを示しており、注目画素xnから幾何学的に遠いほど小さく、近いほど大きく設定する。また、タップ数はここでは11としているが、これに限らない。
LPF509も同様に、フレームメモリから読み出した1フレーム分遅延したフレームに対して、3×3領域内でのメディアンフィルタを適用する。
差分絶対値算出部506は、LPF503から供給される現フレームの各画素と、LPF509から供給される遅延されたフレームの各画素との差分絶対値dnを算出する。LPF509から供給されるフレームは、1フレーム分遅延されたフレームであるので、現フレームのサイズに合わせて切り出しとリサイズが行われた1つ前のフレームである。以下に、計算式(3)を示す。現フレームの画素値をln、前フレームの画素値をpnとする。
dn=|pn−ln| ・・・(3)
K0=1
K10=1
K20=1
K30=1
K40=0.9
K50=0.45
K60=0.4
K70=0.3
K120=0.25
K150=0.2
K180=0
on=K*pn+(1−K)*yn ・・・(4)
なお、本実施形態では、画像中央の切り出し領域の大きさを一定の割合で変える電子ズーム処理を例に説明したが、これに限定されるものではない。例えば連続的に切り出し領域の位置を変えることによって電気的にパンニングのような効果を得ることができる。この場合でも、前後フレーム間で切り出し領域の位置及びサイズがどのように変わるのかが分かっていれば、本発明を適用することは可能である。
第2の実施形態では、動画撮影を行うデジタルカメラにおいて、電子ズーム処理と、時間方向の相関性を用いたノイズ低減処理(以下、時間的NRとも称する)を行う際に、撮影条件によってノイズ低減の効果とフレームメモリ量を制御することを提案する。以下では、第1の実施形態と共通する内容の説明は省略し、第1の実施形態との相違点と中心に説明する。
(デジタルカメラの構成)
図7は、第2の実施形態に係るデジタルカメラの構成を模式的に示すブロック図である。第1の実施形態で説明した図1の構成に対して、NR判定部11、及びNR処理部5の後段のリサイズ部12を追加している。
NR判定部11は、動画像の撮影条件に基づいて、リサイズ処理及びノイズ低減処理の方式を判定し、リサイズ部4、NR処理部5、及びリサイズ部12に制御信号を供給する。なお、図7ではNR判定部11を独立のブロックとして示すが、例えば制御部10がNR判定部として機能する形態としてもかまわない。
リサイズ部12は、NR処理部5から供給されるノイズ低減処理がなされたデジタル画像信号に対して切り出し及びズーム補間処理によってリサイズ処理を行い、信号処理部6に供給する。リサイズ部12の構成は、リサイズ部4と同様である。
図8は、NR処理部5の構成例を示すブロック図である。第1の実施形態で説明した図3の構成に対して、入力端子512及び選択部513を追加している。
時間的NR係数算出部507は、入力端子512から入力される制御信号と、差分絶対値算出部506で算出された差分絶対値とに基づいて、時間的NR係数を設定して、混合部510に供給する。
選択部513は、空間的NR部505の出力又は混合部510の出力を選択し、フレームメモリ508に供給する。フレームメモリ508への供給元の選択は、入力端子512を介して入力される制御信号に従って行われる。
図9は、NR判定部11によるリサイズ処理及びノイズ低減処理の方式の判定処理を示すフローチャートである。
本実施形態では、入力解像度と出力解像度は、例えばUI部9から入力されて設定される。例えば入力解像度は4096画素×2160画素であり、出力解像度は1920画素×1080画素であるとする。
また、撮像フレームレートは、例えばUI部9から入力されて設定される。例えば60fps、1fpsから選択可能であるとする。
また、撮像感度(ISO感度)は、例えばUI部9から入力されて設定される。例えば400、3200、25600から選択可能であるとする。
また、電子ズーム処理における現フレーム及び前フレームの切り出し領域は、例えば制御部10から入力されて設定される。
(ステップS5での制御)
ステップS5では、第1の実施形態で説明した合成型のノイズ低減処理を行う。
具体的には、NR処理部5の選択部513に対して、入力端子512を介して制御信号を入力して、空間的NR部505の出力をフレームメモリ508に供給するように制御する。
また、リサイズ部12に対して、切り出し領域を画像中心の4096画素×2160画素、リサイズ率を1倍とするよう制御信号を入力して、リサイズ処理が行われないように制御する。
これにより、第1の実施形態と同等の構成になり、第1の実施形態で説明したように、現フレームと混合する前フレームの切り出し領域の位置及びサイズを現フレームに合わせることができる。これにより、電子ズーム出力画素数分のフレームメモリを用意しておくだけで、部品コストの増加や計算量の増大を避けながら、電子ズーム処理と併用して合成型のノイズ低減処理を実現することができる。
ステップS6では、リサイズ前に巡回型のノイズ低減処理を行う。
具体的には、リサイズ部4の切り出し部402及び404と、ズーム補間部403及び405に対して、切り出し領域を画像中心の4096画素×2160画素、リサイズ率を1倍とするよう制御信号を入力して、リサイズ処理が行われないように制御する。
また、NR処理部5の選択部513に対して、入力端子512を介して制御信号を入力して、混合部510の出力をフレームメモリ508に供給するように制御する。すなわち、フレームメモリ508では、巡回型のノイズ低減処理がなされたフレームが保持されることになる。
リサイズ部4には、画像入力端子401を介して動画像がフレーム単位で順次入力されるが、リサイズ部4は実質的にリサイズ動作を行わないため、画像出力端子410から、第1の信号処理部3の出力と同等の画像信号を出力する。
画像入力端子501には、画像出力端子410から供給される画像信号が入力される。
空間的NR部502は、第1の実施形態で説明した動作を行う。
選択部513は、混合部510の出力をフレームメモリ508に供給する。
LPF503、差分絶対値算出部506、及び時間的NR係数算出部507は、それぞれ第1の実施形態で説明した動作を行う。
混合部510は、空間的NR部502の出力である現フレームと、フレームメモリ508からの出力である前フレームとを、第1の実施形態で説明したのと同様に混合する。これにより、画像出力端子511及び選択部513に巡回型のノイズ低減処理がなされた画像信号を供給する。
リサイズ部12は、画像出力端子511から供給される巡回型のノイズ低減処理がなされた画像信号に対して、リサイズする。
ステップS7では、リサイズ後に巡回型のノイズ低減処理を行う。
NR処理部5の選択部513に対して、入力端子512を介して制御信号を入力して、混合部510の出力をフレームメモリ508に供給するように制御する。すなわち、フレームメモリ508では、巡回型のノイズ低減処理がなされたフレームが保持されることになる。
また、リサイズ部12に対して、リサイズ処理が行われないように制御する。
切り出し部402は、画像入力端子401から入力されるフレームのいずれに対しても、切り出し領域は共に画像中央の1920画素×1080画素であるとして、切り出し処理を行う。
ズーム補間部403は、バイキュービックフィルタを用いてズーム補間処理を行うが、入力解像度と出力解像度が共に1920画素×1080画素で等しいため、実質的にズーム処理は行われない。
画像入力端子501には、画像出力端子410から供給される画像信号が入力される。
空間的NR部502は、第1の実施形態で説明した動作を行う。
選択部513は、混合部510の出力をフレームメモリ508に供給する。
LPF503、差分絶対値算出部506、及び時間的NR係数算出部507は、それぞれ第1の実施形態で説明した動作を行う。
混合部510は、空間的NR部502の出力である現フレームと、フレームメモリ508からの出力である前フレームとを、第1の実施形態で説明したのと同様に混合する。これにより、画像出力端子511及び選択部513に巡回型のノイズ低減処理がなされた画像信号を供給する。
リサイズ部12には、動画像がフレーム単位で順次入力されるが、リサイズ部12は実質的にリサイズ動作を行わないため、NR処理部5の出力と同等の画像信号を出力する。
ステップS8では、時間方向の相関性を用いたノイズ低減処理を無効として、リサイズ処理のみを行う。
具体的には、リサイズ部4に対して、切り出し領域を画像中心の4096画素×2160画素、リサイズ率を1倍とするよう制御信号を入力して、リサイズ処理が行われないように制御する。
また、NR処理部5の時間的NR係数算出部507に対して、入力端子512を介して制御信号を入力して、係数K=0を出力するように制御する。
リサイズ部4には、画像入力端子401を介して動画像がフレーム単位で順次入力されるが、リサイズ部4は実質的にリサイズ動作を行わないため、画像出力端子410から、第1の信号処理部3の出力と同等の画像信号を出力する。
画像入力端子501には、画像出力端子410から供給される画像信号が入力される。
空間的NR部502は、第1の実施形態で説明した動作を行う。
差分絶対値算出部506は、時間的NR係数K=0を混合部510に供給する。
混合部510は、式(4)に基づいて時間的NR係数Kを用いて加重平均するが、K=0が供給されるため、空間的NR部502の出力をそのまま画像出力端子511に出力する。
リサイズ部12は、画像出力端子511から供給される画像信号に対して、第1の実施形態で説明したリサイズ部4と同等の動作を行い、リサイズする。
(その他の実施形態)
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
4、12:リサイズ部
5:NR処理部
10:制御部
11:NR判定部
402、404:切り出し部
403、405:ズーム補間部
507:時間的NR係数算出部
508:フレームメモリ
510:混合部
513:選択部
Claims (6)
- 動画像に対して、時間方向の相関性を用いるノイズ低減処理を行う画像処理装置であって、
動画像を構成する対象フレームの画像を、前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第1のリサイズ手段と、
前記対象フレームの前フレームの画像を、前記前フレームに対する電子ズームの倍率ではなく前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第2のリサイズ手段と、
前記第1のリサイズ手段から供給されるリサイズ後の前記対象フレームの画像の画素と、前記第2のリサイズ手段から供給されるリサイズ後の前記前フレームの画像の画素とを混合することにより、前記第1のリサイズ手段から供給されるリサイズ後の画像に対してノイズ低減処理を行うノイズ低減処理手段とを備え、
前記第2のリサイズ手段は、前記ノイズ低減処理が行われる前の前記前フレームの画像をリサイズすることを特徴とする画像処理装置。 - 前記ノイズ低減処理手段から出力された画像を保持する保持手段と、
前記ノイズ低減処理手段から出力された画像をリサイズする第3のリサイズ手段を有し、
予め定められた条件を満たす場合には、前記ノイズ低減処理手段が、前記第1のリサイズ手段によるリサイズが行われていない前記対象フレームの画像の画素と、前記保持手段に保持された前記前フレームの画像の画素とを混合することにより、前記第1のリサイズ手段によるリサイズが行われていない前記対象フレームの画像に対して前記ノイズ低減処理を行い、前記第3のリサイズ手段が、前記ノイズ低減処理が行われた前記対象フレームの画像を、前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズすることを含むことを特徴とする請求項1に記載の画像処理装置。 - 前記ノイズ低減処理手段から出力された画像を保持する保持手段を有し、
予め定められた条件を満たす場合には、前記ノイズ低減処理手段が、前記第1のリサイズ手段から供給されるリサイズ後の前記対象フレームの画像の画素と、前記保持手段に保持された前記前フレームの画像の画素とを混合することにより、前記第1のリサイズ手段から供給されるリサイズ後の画像に対して前記ノイズ低減処理を行うことを特徴とする請求項1に記載の画像処理装置。 - 撮像素子と、前記撮像素子で生成された動画像に対して、時間方向の相関性を用いるノイズ低減処理を行う撮像装置であって、
動画像を構成する対象フレームの画像を、前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第1のリサイズ手段と、
前記対象フレームの前フレームの画像を、前記前フレームに対する電子ズームの倍率ではなく前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第2のリサイズ手段と、
前記第1のリサイズ手段から供給されるリサイズ後の前記対象フレームの画像の画素と、前記第2のリサイズ手段から供給されるリサイズ後の前記前フレームの画像の画素とを混合することにより、前記第1のリサイズ手段から供給されるリサイズ後の画像に対してノイズ低減処理を行うノイズ低減処理手段とを備え、
前記第2のリサイズ手段は、前記ノイズ低減処理が行われる前の前記前フレームの画像をリサイズすることを特徴とする撮像装置。 - 動画像に対して、時間方向の相関性を用いるノイズ低減処理を行う画像処理装置の制御方法であって、
動画像を構成する対象フレームの画像を、前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第1のリサイズステップと、
前記対象フレームの前フレームの画像を、前記前フレームに対する電子ズームの倍率ではなく前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第2のリサイズステップと、
前記第1のリサイズステップにより供給されるリサイズ後の前記対象フレームの画像の画素と、前記第2のリサイズステップにより供給されるリサイズ後の前記前フレームの画像の画素とを混合することにより、前記第1のリサイズステップにより供給されるリサイズ後の画像に対してノイズ低減処理を行うステップとを有し、
前記第2のリサイズステップでは、前記ノイズ低減処理が行われる前の前記前フレームの画像をリサイズすることを特徴とする画像処理装置の制御方法。 - 動画像に対して、時間方向の相関性を用いるノイズ低減処理を行う画像処理装置の制御するためのプログラムであって、
動画像を構成する対象フレームの画像を、前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第1のリサイズ処理と、
前記対象フレームの前フレームの画像を、前記前フレームに対する電子ズームの倍率ではなく前記対象フレームに対する電子ズームの倍率に対応する切り出し領域に合わせてリサイズする第2のリサイズ処理と、
前記第1のリサイズ処理により供給されるリサイズ後の前記対象フレームの画像の画素と、前記第2のリサイズ処理により供給されるリサイズ後の前記前フレームの画像の画素とを混合することにより、前記第1のリサイズ処理により供給されるリサイズ後の画像に対してノイズ低減処理を行う処理とをコンピュータに実行させ、
前記第2のリサイズ処理では、前記ノイズ低減処理が行われる前の前記前フレームの画像をリサイズすることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015088501A JP6525707B2 (ja) | 2015-04-23 | 2015-04-23 | 画像処理装置、その制御方法及びプログラム、並びに撮像装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015088501A JP6525707B2 (ja) | 2015-04-23 | 2015-04-23 | 画像処理装置、その制御方法及びプログラム、並びに撮像装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016208307A JP2016208307A (ja) | 2016-12-08 |
JP6525707B2 true JP6525707B2 (ja) | 2019-06-05 |
Family
ID=57488096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015088501A Expired - Fee Related JP6525707B2 (ja) | 2015-04-23 | 2015-04-23 | 画像処理装置、その制御方法及びプログラム、並びに撮像装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6525707B2 (ja) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11403069B2 (en) | 2017-07-24 | 2022-08-02 | Tesla, Inc. | Accelerated mathematical engine |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US11487288B2 (en) | 2017-03-23 | 2022-11-01 | Tesla, Inc. | Data synthesis for autonomous control systems |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11665108B2 (en) | 2018-10-25 | 2023-05-30 | Tesla, Inc. | QoS manager for system on a chip communications |
US11681649B2 (en) | 2017-07-24 | 2023-06-20 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11734562B2 (en) | 2018-06-20 | 2023-08-22 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
US11748620B2 (en) | 2019-02-01 | 2023-09-05 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11790664B2 (en) | 2019-02-19 | 2023-10-17 | Tesla, Inc. | Estimating object properties using visual image data |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11841434B2 (en) | 2018-07-20 | 2023-12-12 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US11893774B2 (en) | 2018-10-11 | 2024-02-06 | Tesla, Inc. | Systems and methods for training machine models with augmented data |
US11983630B2 (en) | 2023-01-19 | 2024-05-14 | Tesla, Inc. | Neural networks for embedded devices |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000278592A (ja) * | 1999-01-22 | 2000-10-06 | Canon Inc | 撮像装置、その制御方法および記憶媒体 |
JP2002252793A (ja) * | 2000-12-21 | 2002-09-06 | Matsushita Electric Ind Co Ltd | ノイズ除去装置およびノイズ除去方法 |
JP2009010896A (ja) * | 2007-06-29 | 2009-01-15 | Sanyo Electric Co Ltd | 画像処理装置、画像処理方法、及び撮像装置 |
JP2012054911A (ja) * | 2010-08-05 | 2012-03-15 | Panasonic Corp | 撮像装置 |
JP5694732B2 (ja) * | 2010-10-15 | 2015-04-01 | シャープ株式会社 | 表示装置および表示方法 |
JP5927053B2 (ja) * | 2012-06-11 | 2016-05-25 | オリンパス株式会社 | 画像処理装置、画像処理方法及びプログラム |
-
2015
- 2015-04-23 JP JP2015088501A patent/JP6525707B2/ja not_active Expired - Fee Related
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11487288B2 (en) | 2017-03-23 | 2022-11-01 | Tesla, Inc. | Data synthesis for autonomous control systems |
US11403069B2 (en) | 2017-07-24 | 2022-08-02 | Tesla, Inc. | Accelerated mathematical engine |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US11681649B2 (en) | 2017-07-24 | 2023-06-20 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
US11797304B2 (en) | 2018-02-01 | 2023-10-24 | Tesla, Inc. | Instruction set architecture for a vector computational unit |
US11734562B2 (en) | 2018-06-20 | 2023-08-22 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
US11841434B2 (en) | 2018-07-20 | 2023-12-12 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
US11893774B2 (en) | 2018-10-11 | 2024-02-06 | Tesla, Inc. | Systems and methods for training machine models with augmented data |
US11665108B2 (en) | 2018-10-25 | 2023-05-30 | Tesla, Inc. | QoS manager for system on a chip communications |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11908171B2 (en) | 2018-12-04 | 2024-02-20 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
US11748620B2 (en) | 2019-02-01 | 2023-09-05 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US11790664B2 (en) | 2019-02-19 | 2023-10-17 | Tesla, Inc. | Estimating object properties using visual image data |
US11983630B2 (en) | 2023-01-19 | 2024-05-14 | Tesla, Inc. | Neural networks for embedded devices |
Also Published As
Publication number | Publication date |
---|---|
JP2016208307A (ja) | 2016-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6525707B2 (ja) | 画像処理装置、その制御方法及びプログラム、並びに撮像装置 | |
US8072511B2 (en) | Noise reduction processing apparatus, noise reduction processing method, and image sensing apparatus | |
JP5792990B2 (ja) | 画像処理装置およびその制御方法 | |
JP5043635B2 (ja) | 撮像装置 | |
JPWO2006082967A1 (ja) | 撮像装置 | |
US20140362258A1 (en) | Image processing apparatus, image processing method, and computer readable recording medium | |
US9172870B2 (en) | Real-time image processing method and device enhancing the resolution of successive images | |
US9462189B2 (en) | Piecewise perspective transform engine | |
JP2014096749A (ja) | 撮像装置及び画像処理方法 | |
JP2014119997A (ja) | 画像処理装置およびその制御方法 | |
US9007479B2 (en) | Imaging apparatus and evaluation value generation apparatus | |
JP6541501B2 (ja) | 画像処理装置、撮像装置、及び画像処理方法 | |
JP7297406B2 (ja) | 制御装置、撮像装置、制御方法およびプログラム | |
US10171733B2 (en) | Image processing apparatus and method, and program and recording medium | |
JP5455728B2 (ja) | 撮像装置、画像処理装置、及び画像処理方法 | |
JP2018061130A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2018191178A (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2009065519A (ja) | 画像処理装置 | |
JP7442989B2 (ja) | 撮像装置、該撮像装置の制御方法、及びプログラム | |
JP2019016893A (ja) | 画像処理装置およびその制御方法及びプログラム | |
JP7183015B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US20200090311A1 (en) | Image processing apparatus and image processing method | |
JP6762843B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP6746390B2 (ja) | 画像処理方法および画像処理装置 | |
JP6708490B2 (ja) | 画像処理方法および画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180416 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190322 |
|
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: 20190402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190507 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6525707 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |