JP6715289B2 - 映像処理装置、映像処理方法、および映像処理プログラム - Google Patents
映像処理装置、映像処理方法、および映像処理プログラム Download PDFInfo
- Publication number
- JP6715289B2 JP6715289B2 JP2018099678A JP2018099678A JP6715289B2 JP 6715289 B2 JP6715289 B2 JP 6715289B2 JP 2018099678 A JP2018099678 A JP 2018099678A JP 2018099678 A JP2018099678 A JP 2018099678A JP 6715289 B2 JP6715289 B2 JP 6715289B2
- Authority
- JP
- Japan
- Prior art keywords
- foreground
- image
- unit
- pixel
- background
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 81
- 238000003672 processing method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims description 51
- 238000012937 correction Methods 0.000 claims description 50
- 238000000605 extraction Methods 0.000 claims description 36
- 238000013139 quantization Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 46
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000011410 subtraction method Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/02—Digital function generators
- G06F1/03—Digital function generators working, at least partly, by table look-up
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本発明の実施の形態では、特徴ベクトルが近い場合でも正確な識別ができるよう、特徴空間の変換を行った上で推定することが可能なニューラルネットワーク(NN)を利用して、入力画像と背景画像の画素の色の組み合わせを学習させ、各画素の前景らしさを推定する。さらに、構築したNNの演算処理をルックアップテーブル(LUT)参照処理に置き換えることで、動画像に対する実時間処理を可能としながら、抽出した領域の境界領域や前景か背景かが曖昧な領域の画素については、対象画素の色に近い周辺画素をスパースに探索し、1画素ずつ前景か背景かを再識別していくことで、被写体の境界を精緻に補正しつつ、高速な処理を可能とする。
図1は、本発明の実施の形態における学習処理(事前処理)の説明図である。この図に示すように、学習処理では以下の1−1〜1−6の処理を行う。
画像の特徴は、基本的に色情報を想定しているため、1画素で3次元の特徴ベクトルを持ち、具体的なバリエーションとしては、“8ビットのRGB画像の各画素値R,G,B”、“8ビットのHSV画像の各画素値H,S,V”、“10ビットのYUV画像の各画素値Y,U,V”などを挙げることができる。例えば、6次元の特徴ベクトルが0〜255(8ビット)の画素値を持つRt,Gt,Bt,Rb,Gb,Bbであるとする。この場合、全色の組み合わせは256^6通りであるが、このデータサイズのテーブルは昨今の一般的な計算機のメモリ上で扱うには大きすぎるため、各色の画素値を0〜31(6ビット)の32^6通りなどに量子化して、現実的に扱えるデータサイズのLUTを生成する。量子化の具体例としては、0〜255の256階調の画像であれば、全画素値を8で割り、0〜31の等間隔な32階調の画像にするというものがある。
図3は、本発明の実施の形態における抽出処理(実時間処理)の説明図である。この図に示すように、抽出処理では以下の2−1〜2−7の処理を行う。
図4は、本発明の実施の形態における映像処理装置の構成を示すブロック図である。この映像処理装置は、撮像部200と、画像処理部100と、画像編集部400と、表示部300とを備える。撮像部200は、対象を撮影するカメラ等である。画像処理部100は、撮像部200からの画像に画像処理を施すコンピュータ等である。画像編集部400は、画像処理部100からの画像を編集する外部アプリケーション等である。表示部300は、画像処理部100からの画像を表示する表示装置等である。
なお、画像記憶部106に記憶される背景画像は、撮像部200から出力された、前景(被写体)が写っていない過去のある一時点の画像である。入力画像は、撮像部200から今まさに出力されている画像である。前景以外画像とは、少なくとも抽出対象の前景は排除されている画像である。背景画像の具体例を図7(a)に、入力画像の具体例を図7(b)に、前景のみ画像の具体例を図7(c)に、前景以外画像の具体例を図7(d)に示す。
LUT生成部109では、図11のように、インデックスを学習によって構築したネットワークに順に入力し、これにより得られた出力を順に並べた行列(32^6行1列)が最終的なLUTである。
図12は、本発明の実施の形態における学習処理の流れを示すフローチャートである。このフローチャートのステップS61〜S65の動作主体は量子化器生成部131である。
図13は、本発明の実施の形態における抽出処理の流れを示すフローチャートである。このフローチャートのステップS201〜S205の動作主体は色補正部141、ステップS301〜S303の動作主体は量子化器生成部131、ステップS106〜S109の動作主体は前景領域推定部103、ステップS401〜S403の動作主体は境界補正部121である。
本発明の実施の形態のポイントとしては、以下の点を挙げることができる。
・最新の入力画像と、異なる時間に得られた入力画像における、同一座標画素の最大6次元の特徴ベクトルを1組の入力として、NNに学習させる点。
・NNによる前景画素推定時にTRIMAPを生成し、境界補正処理と組み合わせることで、より高精度な被写体領域の抽出を可能にしている点。
・NNの入出力の関係をLUT化することで、演算回数が大幅に削減されるため、動画像に対しても毎フレーム高速に適用することができる点。
4K解像度のカメラで撮影した柔道競技の映像を用いて、従来の背景差分を用いた被写体抽出、サポートベクタマシン(SVM)(線形の識別を行う機械学習アルゴリズム)を用いた被写体抽出、本発明の実施の形態(NNによる機械学習)の被写体抽出の精度比較実験を行った。各方法を用いて被写体を抽出した場合のエラー画素の総数を図14に示す。図14に示すように、本発明の実施の形態の精度が最も良い結果になった。特に、背景の色に近い被写体の頭部や、床の色に近い被写体の柔道着、足元に発生する影の領域においてもエラー画素が少なく、正確に識別できていることがわかった。これは、入力された特徴ベクトルがNNモデル内で適切な特徴空間に変換されたため識別できていると考えられる。また、本発明の実施の形態における抽出処理については、4K映像に対してリアルタイムに(30FPS以上のフレームレートで)処理ができることを確認している。
以上説明したように、本発明の実施の形態における映像処理装置は、入力画像と、異なる時間の入力画像から、画素ごとに特徴を抽出する特徴抽出部と、特徴抽出部によって抽出された特徴の階調数を削減する量子化部と、画素ごとの特徴の組み合わせを非線形の識別を行う機械学習アルゴリズム(例えば、NN)によって学習し、機械学習によるネットワークを構築する学習部107と、学習部107によって構築されたネットワークの演算を代替するLUTを生成するLUT生成部109と、LUT生成部109によって生成されたLUTを参照することによって、入力画像の各画素の前景らしさを高速に推定する前景領域推定部103と、前景領域推定部103によって推定された前景らしさを、前景、背景、前景と背景の境界画素を含む未分類領域に分類し、未分類領域に対してのみ境界補正を行う境界補正部121とを備える。これにより、入力画素と背景画素の特徴ベクトルが近い場合でも正確且つ高速な識別が可能となる。
上記のように、本発明の実施の形態によって記載したが、この開示の一部をなす論述および図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例および運用技術が明らかとなる。
101…画像入力部
102…量子化画像生成部
103…前景領域推定部
104…画像合成部
105…画像出力部
106…画像記憶部
107…学習部
108…インデックス生成部
109…LUT生成部
121…境界補正部
131…量子化器生成部
141…色補正部
200…撮像部
300…表示部
400…画像編集部
401…教師画像作成部
Claims (7)
- 入力画像と、異なる時間の入力画像から、画素ごとに特徴を抽出する特徴抽出部と、
前記特徴抽出部によって抽出された特徴の階調数を削減する量子化部と、
前記画素ごとの特徴の組み合わせを非線形の識別を行う機械学習アルゴリズムによって学習し、機械学習によるネットワークを構築する学習部と、
前記学習部によって構築されたネットワークの演算を代替するルックアップテーブル(LUT)を生成するLUT生成部と、
前記LUT生成部によって生成されたLUTを参照することによって、入力画像の各画素の前景らしさを推定する前景領域推定部と、
前記前景領域推定部によって推定された前景らしさを、前景、背景、前景と背景の境界画素を含む未分類領域に分類し、前記未分類領域に対してのみ境界補正を行う境界補正部と
を備えることを特徴とする映像処理装置。 - 前記量子化部は、入力画像の特徴に合わせて量子化方法を変えることを特徴とする請求項1に記載の映像処理装置。
- 前記境界補正部は、前記前景領域推定部によって推定された前景らしさを、前景、背景、前景と背景の境界画素を含む未分類領域に分類し、さらに、前記未分類領域を境界画素付近の特徴に合わせて2種類以上の補正対象領域に分類し、前記補正対象領域ごとに補正手法を変えることを特徴とする請求項1または2に記載の映像処理装置。
- 前記特徴抽出部は、入力画像と、異なる時間の入力画像のいずれかを自動あるいは半自動で補正、または、異なる時間の入力画像を編集した別の画像に切り替えることを特徴とする請求項1から3のいずれか1項に記載の映像処理装置。
- 前記学習部は、異なる機械学習アルゴリズム、または、異なる機械学習のパラメータ設定によって、異なる性質を持つ複数種類のネットワークを構築し、
前記LUT生成部は、前記複数種類のネットワークから複数種類のLUTを生成し、
前記前景領域推定部は、予め設定した画像の領域ごとに異なるLUTを参照する
ことを特徴とする請求項1から4のいずれか1項に記載の映像処理装置。 - コンピュータが、
入力画像と、異なる時間の入力画像から、画素ごとに特徴を抽出する特徴抽出ステップと、
前記特徴抽出ステップで抽出された特徴の階調数を削減する量子化ステップと、
前記画素ごとの特徴の組み合わせを非線形の識別を行う機械学習アルゴリズムによって学習し、機械学習によるネットワークを構築する学習ステップと、
前記学習ステップで構築されたネットワークの演算を代替するLUTを生成するLUT生成ステップと、
前記LUT生成ステップで生成されたLUTを参照することによって、入力画像の各画素の前景らしさを推定する前景領域推定ステップと、
前記前景領域推定ステップで推定された前景らしさを、前景、背景、前景と背景の境界画素を含む未分類領域に分類し、前記未分類領域に対してのみ境界補正を行う境界補正ステップと
を実行することを特徴とする映像処理方法。 - 請求項1乃至5のいずれか1項に記載した各機能部としてコンピュータを機能させることを特徴とする映像処理プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018099678A JP6715289B2 (ja) | 2018-05-24 | 2018-05-24 | 映像処理装置、映像処理方法、および映像処理プログラム |
US17/056,995 US11461903B2 (en) | 2018-05-24 | 2019-05-23 | Video processing device, video processing method, and video processing program |
PCT/JP2019/020423 WO2019225692A1 (ja) | 2018-05-24 | 2019-05-23 | 映像処理装置、映像処理方法、および映像処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018099678A JP6715289B2 (ja) | 2018-05-24 | 2018-05-24 | 映像処理装置、映像処理方法、および映像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019204333A JP2019204333A (ja) | 2019-11-28 |
JP6715289B2 true JP6715289B2 (ja) | 2020-07-01 |
Family
ID=68616831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018099678A Active JP6715289B2 (ja) | 2018-05-24 | 2018-05-24 | 映像処理装置、映像処理方法、および映像処理プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11461903B2 (ja) |
JP (1) | JP6715289B2 (ja) |
WO (1) | WO2019225692A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022153476A1 (ja) * | 2021-01-15 | 2022-07-21 | 日本電信電話株式会社 | 映像処理装置、映像処理方法、及び、映像処理プログラム |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11763433B2 (en) * | 2019-11-14 | 2023-09-19 | Samsung Electronics Co., Ltd. | Depth image generation method and device |
CN111160359A (zh) * | 2019-12-23 | 2020-05-15 | 潍坊科技学院 | 一种数字图像处理方法 |
WO2022185403A1 (ja) * | 2021-03-02 | 2022-09-09 | 日本電信電話株式会社 | 画像処理装置、画像処理方法、およびプログラム |
WO2022201318A1 (ja) * | 2021-03-23 | 2022-09-29 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP7480088B2 (ja) | 2021-04-27 | 2024-05-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム |
JPWO2022244135A1 (ja) * | 2021-05-19 | 2022-11-24 | ||
WO2023026464A1 (ja) * | 2021-08-27 | 2023-03-02 | 日本電信電話株式会社 | 映像処理装置、映像処理方法、およびプログラム |
CN116258725B (zh) * | 2023-05-16 | 2023-08-22 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3123587B2 (ja) | 1994-03-09 | 2001-01-15 | 日本電信電話株式会社 | 背景差分による動物体領域抽出方法 |
JP5615088B2 (ja) * | 2010-08-18 | 2014-10-29 | キヤノン株式会社 | 画像処理装置及びその方法、プログラム、並びに撮像装置 |
US11195057B2 (en) * | 2014-03-18 | 2021-12-07 | Z Advanced Computing, Inc. | System and method for extremely efficient image and pattern recognition and artificial intelligence platform |
JP6355346B2 (ja) * | 2014-01-29 | 2018-07-11 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム、及び記憶媒体 |
JP6161575B2 (ja) * | 2014-06-24 | 2017-07-12 | 日本電信電話株式会社 | 画像分割装置、方法、及びプログラム |
US11055828B2 (en) * | 2019-05-09 | 2021-07-06 | Adobe Inc. | Video inpainting with deep internal learning |
CN113822836A (zh) * | 2020-06-05 | 2021-12-21 | 英业达科技有限公司 | 标记图像的方法 |
JP2022046219A (ja) * | 2020-09-10 | 2022-03-23 | キヤノン株式会社 | 画像処理方法、画像処理装置、画像処理プログラム、学習方法、学習装置、学習プログラム |
-
2018
- 2018-05-24 JP JP2018099678A patent/JP6715289B2/ja active Active
-
2019
- 2019-05-23 US US17/056,995 patent/US11461903B2/en active Active
- 2019-05-23 WO PCT/JP2019/020423 patent/WO2019225692A1/ja active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022153476A1 (ja) * | 2021-01-15 | 2022-07-21 | 日本電信電話株式会社 | 映像処理装置、映像処理方法、及び、映像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210158534A1 (en) | 2021-05-27 |
JP2019204333A (ja) | 2019-11-28 |
US11461903B2 (en) | 2022-10-04 |
WO2019225692A1 (ja) | 2019-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6715289B2 (ja) | 映像処理装置、映像処理方法、および映像処理プログラム | |
US10853925B2 (en) | Methods, systems, and media for image processing | |
KR102138950B1 (ko) | 조합된 깊이 큐들에 기초하여 모노스코픽 이미지로부터 깊이 맵 생성 | |
JP5458905B2 (ja) | 画像におけるシャドーの検知装置および検知方法 | |
KR20050067438A (ko) | 템플릿 예측을 사용한 이미지 세그먼테이션 | |
CN111310768B (zh) | 基于鲁棒性背景先验和全局信息的显著性目标检测方法 | |
JP7152065B2 (ja) | 画像処理装置 | |
JP2015011585A (ja) | 画像処理装置、画像形成装置、画像形成システム、画像処理方法およびプログラム | |
KR102192016B1 (ko) | 의미 인식 기반의 이미지 보정 방법 및 그를 위한 장치 | |
Sazzad et al. | Establishment of an efficient color model from existing models for better gamma encoding in image processing | |
CN109166135B (zh) | 一种基于hsv颜色空间与色度键的蓝屏抠像方法 | |
CN113824945A (zh) | 一种基于深度学习的快速自动白平衡和颜色矫正方法 | |
US11082613B2 (en) | Image adjusting method and image adjusting device | |
EP3143549A1 (en) | Segmentation based image transform | |
Schaefer et al. | A hybrid color quantization algorithm incorporating a human visual perception model | |
JP2721107B2 (ja) | 映像特徴処理方法 | |
KR102097189B1 (ko) | 팔레트 기반 영상 재채색 방법 및 장치 | |
CN113095147A (zh) | 皮肤区域检测方法、系统、图像处理终端和存储介质 | |
CN112465715A (zh) | 一种基于大气传输矩阵迭代优化的图像去散射方法 | |
Sari et al. | Preprocessing of tomato images captured by smartphone cameras using color correction and V-channel Otsu segmentation for tomato maturity clustering | |
KR101706347B1 (ko) | 샷 경계 검출 방법, 그리고 이를 구현한 영상 처리 장치 및 방법 | |
JP2007316812A (ja) | 画像検索装置、画像検索方法、画像検索プログラム及び記録媒体 | |
JP2019128810A (ja) | 情報処理装置及びプログラム | |
CN110826446B (zh) | 无纹理场景视频的视场区域分割方法及装置 | |
KR101517805B1 (ko) | 영상 특성 기반 분할 기법을 이용한 물체 검출 방법 및 이를 적용한 영상 처리 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180605 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191029 |
|
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: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6715289 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |