JP7350208B2 - Image processing device, image processing method, and program - Google Patents

Image processing device, image processing method, and program Download PDF

Info

Publication number
JP7350208B2
JP7350208B2 JP2023099538A JP2023099538A JP7350208B2 JP 7350208 B2 JP7350208 B2 JP 7350208B2 JP 2023099538 A JP2023099538 A JP 2023099538A JP 2023099538 A JP2023099538 A JP 2023099538A JP 7350208 B2 JP7350208 B2 JP 7350208B2
Authority
JP
Japan
Prior art keywords
image
learning
area
estimation
unit
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
Application number
JP2023099538A
Other languages
Japanese (ja)
Other versions
JP2023115104A (en
Inventor
雅人 青葉
浩一 馬養
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2017132259A external-priority patent/JP7026456B2/en
Application filed by Canon Inc filed Critical Canon Inc
Priority to JP2023099538A priority Critical patent/JP7350208B2/en
Publication of JP2023115104A publication Critical patent/JP2023115104A/en
Application granted granted Critical
Publication of JP7350208B2 publication Critical patent/JP7350208B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Automatic Focus Adjustment (AREA)
  • Studio Devices (AREA)

Description

本発明は、画像処理装置、学習装置、フォーカス制御装置、露出制御装置、画像処理方法、学習方法、及びプログラムに関する。 The present invention relates to an image processing device, a learning device, a focus control device, an exposure control device, an image processing method, a learning method, and a program.

近年、画像を領域分割する研究も広く行われている。例えば、画像から人物の領域、自動車の領域、道路の領域、建物の領域、又は空の領域等を切り出すことができる。これは意味的領域分割(Semantic Segmentation)と呼ばれ、分割結果は被写体の種類に対応した画像補正又はシーン解釈等に応用可能である。 In recent years, research on segmenting images into regions has also been widely conducted. For example, a person area, a car area, a road area, a building area, a sky area, or the like can be extracted from an image. This is called semantic segmentation, and the segmentation results can be applied to image correction or scene interpretation depending on the type of subject.

意味的領域分割方法としては、画像を事前にいくつかの領域に分割し、分割された各領域をクラス分類する方法がある。例えば、画像を複数の矩形ブロックに分割し、それぞれのブロックをクラス分類することができる。画像をクラス分類する方法としては、非特許文献1に記載のように、深層学習を用いた分類が広く研究されている。また、例えば非特許文献2に記載の方法を用いて画像を不定形の小領域(superpixel)に分割し、その領域の特徴量及び領域周辺のコンテクスト特徴量を用いて領域をクラス分類することもできる。クラス分類には、学習画像を用いて学習が行われた推定器を用いることができる。 As a semantic region division method, there is a method in which an image is divided into several regions in advance and each divided region is classified into classes. For example, an image can be divided into a plurality of rectangular blocks and each block can be classified into classes. As a method for classifying images, classification using deep learning has been widely studied, as described in Non-Patent Document 1. Alternatively, an image may be divided into irregularly shaped small regions (superpixels) using the method described in Non-Patent Document 2, and the regions may be classified into classes using the feature amount of the region and the context feature amount around the region. can. For class classification, an estimator trained using learning images can be used.

近年では、深層学習を利用した領域分割も研究されている。非特許文献3は、CNN(Convolutional Neural Network)の中間層出力を特徴量として利用し、複数の中間層特徴による画素ごとのクラス判定結果を統合する。この方法では、小領域分割結果を利用することなく、画素ごとに直接クラス判定を行うことができる。 In recent years, region segmentation using deep learning has also been studied. Non-Patent Document 3 uses the intermediate layer output of a CNN (Convolutional Neural Network) as a feature quantity, and integrates the class determination results for each pixel based on a plurality of intermediate layer features. With this method, class determination can be performed directly for each pixel without using the results of subregion division.

A. Krizhevsky et al. "ImageNet Classification with Deep Convolutional Neural Networks", Proc. Advances in Neural Information Processing Systems 25 (NIPS 2012).A. Krizhevsky et al. "ImageNet Classification with Deep Convolutional Neural Networks", Proc. Advances in Neural Information Processing Systems 25 (NIPS 2012). R. Achanta et al. "SLIC Superpixels", EPFL Technical Report 149300, 2010.R. Achanta et al. "SLIC Superpixels", EPFL Technical Report 149300, 2010. J. Long et al. "Fully Convolutional Networks for Semantic Segmentation", The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2015.J. Long et al. "Fully Convolutional Networks for Semantic Segmentation", The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2015.

従来の方法によれば、画像上のそれぞれの小領域を、被写体の種類に基づいてクラス分類することができた。例えば、各領域の特徴量に基づいて、領域が空を表す領域であるか前景(空以外)の領域であるかを判定することができた。一方、異なる種類の被写体が混在している領域については、適切な判定を行うことが困難であった。例えば、たくさんの木の枝の隙間に空が見えるような複数の領域について判定を行うと、テクスチャが類似しているために、全ての領域について前景であると判定するか、全ての領域について空であると判定してしまう可能性が高かった。 According to the conventional method, each small area on an image could be classified into classes based on the type of subject. For example, based on the feature amount of each region, it was possible to determine whether the region represents the sky or the foreground (other than the sky). On the other hand, it has been difficult to make appropriate determinations in areas where different types of subjects coexist. For example, when determining multiple areas where the sky can be seen between the branches of many trees, it may be determined that all areas are in the foreground because the textures are similar, or all areas are determined to be empty. There was a high possibility that it would be determined that

本発明は、分類結果を用いた処理の精度を向上できるように、画像の各領域のクラス分類を行うことを目的とする。 An object of the present invention is to classify each region of an image into classes so as to improve the accuracy of processing using classification results.

本発明の目的を達成するために、例えば、本発明の画像処理装置は以下の構成を備える。すなわち、
入力画像を取得する取得手段と、
前記入力画像から特徴を抽出する抽出手段と、
前記抽出手段で抽出された前記特徴が入力されると、前記入力画像における特定のクラスに属する領域の面積に対応する情報を推定する推定手段と、を備え、
前記推定手段は、学習画像を使用して学習されたパラメータを用いて推定することを特徴とする。
In order to achieve the object of the present invention, for example, an image processing apparatus of the present invention has the following configuration. That is,
an acquisition means for acquiring an input image;
extraction means for extracting features from the input image;
an estimating means for estimating information corresponding to the area of a region belonging to a specific class in the input image when the feature extracted by the extracting means is input;
The estimation means is characterized in that the estimation is performed using parameters learned using learning images .

本発明によれば、分類結果を用いた処理の精度を向上できるように、画像の各領域のクラス分類を行うことができる。 According to the present invention, each region of an image can be classified into classes so that the accuracy of processing using classification results can be improved.

各実施形態に係る装置の構成例を示すブロック図。FIG. 1 is a block diagram illustrating a configuration example of a device according to each embodiment. 各実施形態に係る処理を説明するフローチャート。5 is a flowchart illustrating processing according to each embodiment. 学習画像及びクラスラベルを説明する図。FIG. 3 is a diagram illustrating learning images and class labels. 2クラス識別時のクラスラベル及び混合状態を説明する図。FIG. 6 is a diagram illustrating class labels and mixed states when two classes are identified. 3クラス識別時のクラスラベル及び混合状態を説明する図。FIG. 6 is a diagram illustrating class labels and mixed states when identifying three classes. 3クラス識別時の混合状態を説明する図。FIG. 3 is a diagram illustrating a mixed state when three classes are identified. 混合状態のマッピングの説明図。An explanatory diagram of mapping of a mixed state. 各実施形態に係る学習部又は推定部の構成例を示す図。The figure which shows the example of a structure of the learning part or estimation part based on each embodiment. 混在領域におけるクラスラベル詳細化を説明する図。FIG. 3 is a diagram illustrating class label detailing in a mixed area. 各実施形態を実現可能なコンピュータの構成例を示す図。1 is a diagram illustrating an example of the configuration of a computer that can implement each embodiment; FIG.

本発明の一実施形態によれば、入力画像上の識別単位となる所定領域における、複数のクラスの混ざり方(以下、混合状態と呼ぶ)を推定することができる。以下では、推定対象となる領域内の画像のことを対象画像と呼ぶことがある。より具体的には、本発明の一実施形態によれば、対象画像における、互いに異なる属性を持つ領域の混合状態が判定される。それぞれの属性の領域は、同じクラスに属する被写体が占める領域である。すなわち、この属性の領域の1つは、特定のクラスに属する被写体の領域であり、この属性の領域の別の1つは、特定のクラスとは別のクラスに属する被写体の領域である。 According to an embodiment of the present invention, it is possible to estimate how a plurality of classes are mixed (hereinafter referred to as a mixed state) in a predetermined region that is a classification unit on an input image. Below, an image within a region to be estimated may be referred to as a target image. More specifically, according to one embodiment of the present invention, a mixed state of regions having mutually different attributes in a target image is determined. The area of each attribute is an area occupied by subjects belonging to the same class. That is, one of the regions with this attribute is a region of a subject belonging to a specific class, and another one of the regions with this attribute is a region of a subject belonging to a class different from the specific class.

一実施形態によれば、例えばたくさんの木の枝(前景)の隙間に空が見えるような領域について、前景部分と空部分との混合状態(例えば面積比、エッジ面積、又は配置パターン等)を推定することができる。従来の方法で得られるような各領域のクラス情報(例えば前景領域であるか空領域であるかを示す情報)だけでなく、このような混合状態を示す情報を用いることにより、後に画像に対して行う処理の精度を向上させることができる。具体例については各実施形態において詳しく説明する。 According to one embodiment, for example, for an area where the sky is visible between many tree branches (foreground), the mixing state of the foreground part and the sky part (for example, area ratio, edge area, or placement pattern) is determined. It can be estimated. By using not only the class information of each region (for example, information indicating whether it is a foreground region or a sky region) that can be obtained with conventional methods, but also information indicating such a mixed state, it is possible to later apply information to the image. The accuracy of the processing performed can be improved. Specific examples will be described in detail in each embodiment.

以下、本発明の実施形態を図面に基づいて説明する。ただし、本発明の範囲は以下の実形態に限定されるものではない。以下の実施形態においては、図1等に示される各処理部は、コンピュータにより実現してもよいし、専用のハードウェアによって実現してもよい。 Embodiments of the present invention will be described below based on the drawings. However, the scope of the present invention is not limited to the following embodiments. In the following embodiments, each processing unit shown in FIG. 1 and the like may be realized by a computer or by dedicated hardware.

図10は、各実施形態を実現可能なコンピュータの基本構成を示す図である。図10においてプロセッサ101は、例えばCPUであり、コンピュータ全体の動作をコントロールする。メモリ102は、例えばRAMであり、プログラム及びデータ等を一時的に記憶する。コンピュータが読み取り可能な記憶媒体103は、例えばハードディスク又はCD-ROM等であり、プログラム及びデータ等を長期的に記憶する。本実施形態においては、記憶媒体103が格納している、各部の機能を実現するプログラムが、メモリ102へと読み出される。そして、プロセッサ101が、メモリ102上のプログラムに従って動作することにより、各部の機能が実現される。 FIG. 10 is a diagram showing the basic configuration of a computer that can implement each embodiment. In FIG. 10, a processor 101 is, for example, a CPU, and controls the operation of the entire computer. The memory 102 is, for example, a RAM, and temporarily stores programs, data, and the like. The computer-readable storage medium 103 is, for example, a hard disk or a CD-ROM, and stores programs, data, etc. for a long period of time. In this embodiment, a program stored in the storage medium 103 that implements the functions of each part is read into the memory 102. The functions of each part are realized by the processor 101 operating according to the program on the memory 102.

図10において、入力インタフェース104は外部の装置から情報を取得するためのインタフェースである。また、出力インタフェース105は外部の装置へと情報を出力するためのインタフェースである。バス106は、上述の各部を接続し、データのやりとりを可能とする。 In FIG. 10, an input interface 104 is an interface for acquiring information from an external device. Further, the output interface 105 is an interface for outputting information to an external device. A bus 106 connects the above-mentioned units and enables data exchange.

[実施形態1]
図1(A)及び(B)に沿って、実施形態1に係る画像処理装置及び学習装置の基本的な構成を説明する。
[Embodiment 1]
The basic configurations of an image processing device and a learning device according to the first embodiment will be explained along FIGS. 1(A) and 1(B).

最初に、図1(A)に従って、学習装置の装置構成の概要を説明する。本実施形態において学習装置は、後述する画像処理装置が混合状態を認識する処理を行う際に利用する推定器を、事前に用意された学習画像から生成する。学習処理の詳細については後述する。学習データ記憶部5100には、あらかじめ用意された学習データを記憶している。学習データは、学習画像と教師情報とを含む。データ取得部2100は、学習データ記憶部5100から、学習画像と教師情報とを取得する。学習部2200は、特徴抽出部610を用いて、学習画像の所定領域にある、推定器の学習に用いる識別画像の特徴量を抽出する。また、学習部2200は、特徴量から混合状態を推定する推定器の学習を、識別画像の特徴量と教師情報との組み合わせを用いて行う。例えば、学習部2200は、特徴量を入力されると混合状態を示す情報を出力する推定器の学習を行うことができる。ここで、教師情報は、識別画像における、互いに異なる属性の領域間の混合状態を示す情報である。学習により得られた推定器は、推定器記憶部5200に記憶される。具体的には、推定器記憶部5200は、学習により決定された推定器のパラメータを記憶することができる。 First, the outline of the device configuration of the learning device will be explained according to FIG. 1(A). In this embodiment, the learning device generates an estimator that is used when an image processing device (described later) performs a process of recognizing a mixed state, from a training image prepared in advance. Details of the learning process will be described later. The learning data storage unit 5100 stores learning data prepared in advance. The learning data includes learning images and teacher information. The data acquisition unit 2100 acquires learning images and teacher information from the learning data storage unit 5100. The learning unit 2200 uses the feature extracting unit 610 to extract the feature amount of the identification image used for learning the estimator, which is located in a predetermined region of the learning image. Further, the learning unit 2200 performs learning of an estimator that estimates a mixed state from the feature amount using a combination of the feature amount of the identification image and the teacher information. For example, the learning unit 2200 can perform learning of an estimator that outputs information indicating a mixed state when a feature quantity is input. Here, the teacher information is information indicating a mixing state between regions of mutually different attributes in the identification image. The estimator obtained through learning is stored in the estimator storage unit 5200. Specifically, the estimator storage unit 5200 can store estimator parameters determined through learning.

次に、図1(B)に従って、画像処理装置の装置構成の概要を説明する。本実施形態において画像処理装置は、未知の入力画像における混合状態を推定する処理を行う。処理内容の詳細は後述する。画像取得部1100は、入力画像を取得する。推定部1200は、特徴抽出部610を用いて、入力画像の所定領域にある、混合状態の識別対象となる対象画像から特徴量を抽出する。推定部1200が用いる特徴抽出部610は、学習部2200が用いる特徴抽出部610と同様に動作できる。また、推定部1200は、特徴量に基づいて、対象画像における互いに異なる属性を持つ領域の混合状態を推定する。例えば、推定部1200は、あらかじめ学習が行われた推定器620を推定器記憶部5200から読み込み、推定器に特徴量を入力することにより得られた、対象画像における互いに異なる属性の領域間の混合状態を示す情報を、出力部1300に出力する。推定器620は、学習部2200による学習により得られたものでありうる。出力部1300は、推定部1200による推定結果を出力する。 Next, the outline of the device configuration of the image processing device will be explained according to FIG. 1(B). In this embodiment, the image processing device performs a process of estimating a mixing state in an unknown input image. The details of the processing will be described later. The image acquisition unit 1100 acquires an input image. The estimation unit 1200 uses the feature extraction unit 610 to extract a feature amount from a target image that is a mixed state identification target in a predetermined region of the input image. The feature extraction unit 610 used by the estimation unit 1200 can operate in the same manner as the feature extraction unit 610 used by the learning unit 2200. Furthermore, the estimation unit 1200 estimates a mixed state of regions having mutually different attributes in the target image based on the feature amount. For example, the estimation unit 1200 loads the estimator 620 that has been trained in advance from the estimator storage unit 5200, and inputs feature amounts to the estimator to obtain a mixture between regions of different attributes in the target image. Information indicating the state is output to the output unit 1300. The estimator 620 may be obtained through learning by the learning unit 2200. The output unit 1300 outputs the estimation result by the estimation unit 1200.

学習装置のデータ取得部2100及び学習部2200は、同じ計算機上で実現されてもよいし、それぞれ独立したモジュールとして構成されていてもよいし、計算機上で動作するプログラムとして実装されてもよい。学習装置の学習データ記憶部5100及び推定器記憶部5200は、計算機の内部又は外部にあるストレージを用いて実現することができる。 The data acquisition unit 2100 and the learning unit 2200 of the learning device may be realized on the same computer, may be configured as independent modules, or may be implemented as a program running on the computer. The learning data storage unit 5100 and estimator storage unit 5200 of the learning device can be realized using storage inside or outside the computer.

画像処理装置の画像取得部1100及び推定部1200は、同じ計算機上で実現されてもよいし、それぞれ独立したモジュールとして構成されていてもよいし、計算機上で動作するプログラムとして実装されてもよい。また、これらはカメラ等の撮影装置内部に回路又はプログラムとして実装されてもよい。 The image acquisition unit 1100 and the estimation unit 1200 of the image processing device may be realized on the same computer, may be configured as independent modules, or may be implemented as a program running on the computer. . Further, these may be implemented as a circuit or a program inside a photographing device such as a camera.

画像処理装置は、学習装置と同じ計算機上で実現されてもよいし、別々の計算機上で実現されてもよい。学習装置及び画像処理装置が備える推定器記憶部5200は、同じストレージであってもよいし、異なるストレージであってもよい。異なるストレージを用いる場合、学習装置により推定器記憶部5200に格納された推定器を、画像処理装置が備える推定器記憶部5200にコピー又は移動することができる。 The image processing device may be realized on the same computer as the learning device, or may be realized on a separate computer. The estimator storage unit 5200 included in the learning device and the image processing device may be the same storage or different storages. When using a different storage, the estimator stored in the estimator storage unit 5200 by the learning device can be copied or moved to the estimator storage unit 5200 included in the image processing device.

以下に、本実施形態に係る処理を詳細に説明する。まず、学習装置が行う学習時の処理に関して図2(A)のフローに従って説明する。S2100においてデータ取得部2100は、学習データ記憶部5100から、学習画像と、混合状態の教師情報と、を学習データとして取得する。 The processing according to this embodiment will be described in detail below. First, the processing during learning performed by the learning device will be described according to the flow shown in FIG. 2(A). In S2100, the data acquisition unit 2100 acquires the learning image and the teacher information of the mixed state from the learning data storage unit 5100 as learning data.

学習データ記憶部5100には、あらかじめ複数の学習画像と混合状態の教師情報が記憶されている。学習画像とは、推定器の学習に用いられる画像のことを指す。学習画像は、例えば、デジタルカメラ等で撮影された画像データでありうる。画像データの形式は特に限定されず、例えばJPEG、PNG、又はBMP等でありうる。以下では、用意された学習画像の枚数をN枚とし、n番目の学習画像をI(n=1・・・N)と表す。 The learning data storage unit 5100 stores in advance a plurality of learning images and mixed state teacher information. A training image refers to an image used for learning the estimator. The learning image may be, for example, image data taken with a digital camera or the like. The format of the image data is not particularly limited, and may be, for example, JPEG, PNG, or BMP. In the following, the number of prepared learning images is N, and the n-th learning image is expressed as I n (n=1...N).

混合状態の教師情報は、学習画像の所定領域における混合状態を示す。この教師情報は予め用意されており、例えば人間が学習画像を見ながら作成することができる。本実施形態においては、学習画像には識別単位となる複数の領域が設定されており、それぞれの領域について教師情報が用意されている。以下、1つの識別単位となる、学習画像中の所定領域の画像を、識別画像と呼ぶ。 The mixed state teacher information indicates the mixed state in a predetermined region of the learning image. This teacher information is prepared in advance and can be created, for example, by a person while looking at the learning images. In this embodiment, a plurality of regions serving as identification units are set in the learning image, and teacher information is prepared for each region. Hereinafter, an image of a predetermined area in a learning image, which serves as one identification unit, will be referred to as an identification image.

領域の設定方法は特に限定されない。例えば、所定の領域設定パターンに従って、入力画像中に複数の領域を設定することができる。具体例としては、学習画像を所定サイズ(例えば16×16ピクセル)の複数の矩形領域に分割し、それぞれの矩形領域を識別単位として扱うことができる。また、非特許文献2に記載の手法で得られた小領域を識別単位の領域として扱うことができる。一方、学習画像の一部にのみ所定サイズの矩形領域を設定してもよい。なお、学習データ記憶部5100には、所定サイズの識別画像が学習データとして記憶されていてもよい。 The method of setting the area is not particularly limited. For example, multiple regions can be set in the input image according to a predetermined region setting pattern. As a specific example, a learning image can be divided into a plurality of rectangular areas of a predetermined size (for example, 16×16 pixels), and each rectangular area can be treated as an identification unit. Further, the small area obtained by the method described in Non-Patent Document 2 can be treated as an identification unit area. On the other hand, a rectangular area of a predetermined size may be set only in a part of the learning image. Note that the learning data storage unit 5100 may store identification images of a predetermined size as learning data.

以下に、教師情報が示す混合状態について説明する。画像上の被写体は、複数のクラスに分類することができる。図3は、このようなクラス分類の例を示す。図3(A)には、学習画像500の例を示す。学習画像500には、空、人物、及び植物が写っており、それぞれを異なるクラスに分類することができる。すなわち、図3(B)に示すように、領域541に含まれる画素には「空」のクラスラベルを、領域542に含まれる画素には「人物」のクラスラベルを、領域543に含まれる画素には「植物」のクラスラベルを、それぞれ与えることができる。 The mixed state indicated by the teacher information will be explained below. Objects on images can be classified into multiple classes. FIG. 3 shows an example of such class classification. FIG. 3A shows an example of a learning image 500. The learning image 500 includes the sky, people, and plants, and each can be classified into different classes. That is, as shown in FIG. 3B, pixels included in area 541 are assigned a class label of "empty," pixels included in area 542 are assigned a class label of "person," and pixels included in area 543 are assigned a class label of "person." can each be given a class label of ``plant''.

クラス及びクラスラベルの定義は様々であり、クラス分類の方法は特に限定されない。図3の例では、被写体の種類に応じてクラス分類を行った。別のクラスラベルの例としては、肌領域又は髪領域、犬又は猫等の動物、及び自動車又は建物等の人工物、等が挙げられる。工場で用いられる部品A又は部品Bといったような、特定物体を示すクラスラベルを用いることもできる。一方、各画素を主被写体領域と背景領域にクラス分類してもよい。また、光沢面又はマット面といった表面性状の違いや、金属面又はプラスチック面のような素材の違いに応じて、クラス分類を行ってもよい。以下では、クラスは全部でM種類あるものとする。 There are various definitions of classes and class labels, and the method of class classification is not particularly limited. In the example of FIG. 3, class classification was performed according to the type of subject. Examples of other class labels include skin or hair regions, animals such as dogs or cats, and man-made objects such as cars or buildings. A class label indicating a specific object, such as part A or part B used in a factory, can also be used. On the other hand, each pixel may be classified into a main subject area and a background area. Further, classification may be performed according to differences in surface properties such as glossy surfaces or matte surfaces, or differences in materials such as metal surfaces or plastic surfaces. In the following, it is assumed that there are M types of classes in total.

クラスの混合状態とは、対象画像における互いに異なる属性の領域間の混合状態のことである。それぞれの属性の領域は、同じ特定のクラスに属する被写体が占める領域である。互いに異なる属性の領域の一方は、特定のクラスに属する被写体の領域であり、他方は、特定のクラスとは別のクラスに属する被写体の領域である。以下では、あるクラスに属する被写体が占める属性の領域のことを、単にそのクラスに属する領域と呼ぶことがある。また、各画素に写っている被写体のクラスのことを、以下では画素の属性又はクラスと呼ぶことがある。 The mixed state of classes is a mixed state between regions of mutually different attributes in the target image. The area of each attribute is an area occupied by subjects belonging to the same specific class. One of the regions with mutually different attributes is a region of a subject belonging to a specific class, and the other is a region of a subject belonging to a class different from the specific class. Below, an attribute area occupied by a subject belonging to a certain class may be simply referred to as an area belonging to that class. Further, the class of the subject reflected in each pixel may be referred to as the attribute or class of the pixel below.

混合状態の定義はさまざまなものが考えられる。本実施形態では、以下のように混合状態を数値で表すものとする。一実施形態において、混合状態を示す情報は、対象画像における属性の領域の分布に依存して定まる情報である。例えば、混合状態を示す情報は、対象画像における属性の領域のそれぞれの比率を表す情報である。具体例として、混合状態を示す情報は、対象画像において各クラスに属する領域の面積比でありうる。クラスが「空」と「非空」の2クラスである場合について、図4の例を参照して説明する。図4には、学習画像510と、そのクラスラベル520が表されている。クラスラベル520は、クラスが「空」である画素を白で、クラスが「非空」である画素を黒で表す。図4には、学習画像510中の識別画像515に対応するクラスラベル520上の領域525を拡大した、拡大図(526)が示されている。拡大図(526)には、非空領域511と、空領域522とが示されている。このとき、識別画像515の混合状態を、対応する領域525における空領域と非空領域との面積比rで表すことができる。例えば、16×16pixelの矩形領域において、空領域画素が192pixel、非空領域画素が64pixelであった場合には、r=192/256=0.75となる。 There are various possible definitions of mixed state. In this embodiment, the mixed state is expressed numerically as follows. In one embodiment, the information indicating the mixed state is information determined depending on the distribution of attribute regions in the target image. For example, the information indicating the mixed state is information indicating the ratio of each attribute area in the target image. As a specific example, the information indicating the mixed state may be the area ratio of regions belonging to each class in the target image. A case where there are two classes, "empty" and "non-empty", will be described with reference to the example of FIG. 4. FIG. 4 shows a learning image 510 and its class label 520. The class label 520 represents pixels whose class is "empty" in white, and pixels whose class is "non-empty" in black. FIG. 4 shows an enlarged view (526) of an area 525 on the class label 520 corresponding to the identification image 515 in the learning image 510. The enlarged view (526) shows a non-empty area 511 and an empty area 522. At this time, the mixed state of the identification image 515 can be expressed by the area ratio r between the sky area and the non-sky area in the corresponding area 525. For example, in a rectangular area of 16×16 pixels, if the number of empty area pixels is 192 pixels and the number of non-empty area pixels is 64 pixels, r=192/256=0.75.

上の例では2クラスの面積比について説明したが、3つ以上のクラスの面積比を表すこともできる。図5には、学習画像530と、学習画像530中の識別画像535と、識別画像535についてのクラスラベル536が示されている。この例では、学習画像530の各画素は「空」、「植物」、及び「人工物」の3クラスに分類されている。この場合の混合状態は、植物領域531、空領域532、及び人工物領域533の面積比に応じて定めることができる。一例として、この場合に面積比を示す点545を、それぞれのクラスの面積比に応じて、図6(A)に示す座標空間中の単体540(図5の場合三角形)上にプロットすることができる。この点545は、単体の二つの辺を内分する内分比t及びtを用いて一意に表すことができるため、このときの面積比を、r=(t,t)というベクトルで表すことができる。これは一般M次元においても同様であるため、クラス数Mのときの面積比は、r=(t,t,・・・tM-1)というM-1次元のベクトルで一意に表すことができる。なお、前述のような2クラスの場合の面積比は、この一般化された形式においてM=2と設定した場合と同値である。 Although the above example describes the area ratio of two classes, it is also possible to represent the area ratio of three or more classes. FIG. 5 shows a learning image 530, an identification image 535 in the learning image 530, and a class label 536 for the identification image 535. In this example, each pixel of the learning image 530 is classified into three classes: "sky", "plant", and "artificial object". The mixed state in this case can be determined according to the area ratio of the plant area 531, the sky area 532, and the artificial object area 533. As an example, in this case, points 545 indicating the area ratio can be plotted on the simplex 540 (triangle in the case of FIG. 5) in the coordinate space shown in FIG. 6(A) according to the area ratio of each class. can. This point 545 can be uniquely expressed using the internal division ratios t 1 and t 2 that internally divide the two sides of the simplex, so the area ratio at this time is expressed as r = (t 1 , t 2 ). It can be expressed as a vector. This is the same in general M dimensions, so the area ratio when the number of classes is M is uniquely expressed by an M-1 dimension vector r = (t 1 , t 2 ,...t M-1 ). be able to. Note that the area ratio in the case of two classes as described above is the same as in the case of setting M=2 in this generalized format.

また、上記のように表されるMクラスの面積比を、低次の空間にマッピングして扱ってもよい。例えば、識別画像における面積比をM次元空間にプロットし、SOM(Self-Organizing Map)やLLE(Locally Linear Embedding)を用いて低次の空間にマッピングすることができる。図6(B)は、上記の3クラスの混合比の空間を1次元のSOM550で量子化した例を示す。551はSOM550の始端ノードを表し、552はSOM550の終端ノードを表す。図6(C)は、これらを1次元空間にマッピングすることにより得られる。始端ノードの位置を0、終端ノードの位置を1とし、ノードを均等に配置すると、マップ上の位置を表すスカラ値により面積比を示す点545を表現することができる。例えば、図6(B)に示す面積比を示す点545は、図6(C)上の点546として近似することができ、そして点546のマップ上の位置(この例ではr=0.37)を用いて面積比を表すことができる。マッピング後の次元数は、図6(C)に示すように1次元には限られず、一般的にMの値が大きい場合には1以上の次元RのSOMで近似することができ、その場合rはR次元のベクトルで表すことができる。例えば、クラス数M=5のとき、2次元のSOMで面積比空間を量子化した場合には、rは2次元ベクトルで表すことができる。 Furthermore, the area ratio of the M class expressed as above may be handled by being mapped to a lower-order space. For example, the area ratio in the identification image can be plotted in an M-dimensional space and mapped to a lower-order space using SOM (Self-Organizing Map) or LLE (Locally Linear Embedding). FIG. 6(B) shows an example in which the space of the above three classes of mixture ratios is quantized using a one-dimensional SOM 550. 551 represents the start node of the SOM 550, and 552 represents the end node of the SOM 550. FIG. 6(C) is obtained by mapping these onto a one-dimensional space. When the position of the start node is set to 0, the position of the end node is set to 1, and the nodes are arranged evenly, a point 545 indicating the area ratio can be expressed by a scalar value representing the position on the map. For example, point 545 indicating the area ratio shown in FIG. 6(B) can be approximated as point 546 on FIG. 6(C), and the location of point 546 on the map (in this example r=0.37 ) can be used to express the area ratio. The number of dimensions after mapping is not limited to one dimension as shown in FIG. r can be expressed as an R-dimensional vector. For example, when the number of classes M=5 and the area ratio space is quantized using a two-dimensional SOM, r can be expressed as a two-dimensional vector.

また、Mクラスの面積比を、複数の基底ベクトルの合成ベクトルとして表現してもよい。例えば、さまざまな識別画像から得られたクラス面積比を、主成分分析又はスパースコーディング等を用いて複数の基底ベクトルに分解し、寄与度の大きい少数のベクトルでこれを近似することができる。この場合、面積比空間における面積比は、これら基底ベクトルの合成ベクトルとして表現することができ、そのときの各基底ベクトルに対する重み係数を用いて面積比を表すことができる。 Furthermore, the area ratio of the M class may be expressed as a composite vector of a plurality of basis vectors. For example, class area ratios obtained from various identification images can be decomposed into a plurality of basis vectors using principal component analysis, sparse coding, etc., and this can be approximated by a small number of vectors with a large degree of contribution. In this case, the area ratio in the area ratio space can be expressed as a composite vector of these basis vectors, and the area ratio can be expressed using the weighting coefficient for each basis vector at that time.

別の例として、混合状態を示す情報は、対象画像における互いに異なる属性の領域間の境界に係る情報、例えば対象画像中におけるこの境界を表す画素の比率を表す情報でありうる。一例として、各画素のクラス(例えば空領域又は非空領域)を示す二値画像に対してエッジ検出を行い、得られたエッジ画素数をカウントし、所定領域の画素数とエッジ画素数との比eを用いて混合状態を表すことができる。図4には、クラスラベル526に対するエッジ検出結果527が示されており、検出されたエッジ画素523が表されている。16×16pixelの矩形領域におけるエッジ画素のカウント結果が64である場合、エッジ画素率はe=64/256=0.25と表すことができる。 As another example, the information indicating the mixed state may be information regarding a boundary between regions of mutually different attributes in the target image, for example, information representing the ratio of pixels representing this boundary in the target image. As an example, edge detection is performed on a binary image indicating the class of each pixel (e.g. sky area or non-sky area), the number of obtained edge pixels is counted, and the number of pixels in a predetermined area is compared with the number of edge pixels. The ratio e can be used to represent the mixed state. FIG. 4 shows an edge detection result 527 for a class label 526, and a detected edge pixel 523 is represented. When the count result of edge pixels in a 16×16 pixel rectangular area is 64, the edge pixel ratio can be expressed as e=64/256=0.25.

さらなる別の例として、混合状態を示す情報は、対象画像における属性の領域の配置を表す情報でありうる。例えば、所定領域内における各クラスの画素の配置パターンに従って混合状態を表すことができる。クラス数がM、所定領域の画素数がKである場合、所定領域内の各画素のクラスを、M×K次元の二値ベクトルで表すことができる。例えば、「空」「非空」の2クラスが定義されており、所定領域のサイズが16×16pixelである場合、所定領域内のクラスラベル配置パターンを、2×16×16=512次元の二値ベクトルとして表現することができる。このように識別画像から得られたさまざまな二値ベクトルをベクトル空間上にプロットし、SOM若しくはLLE等を用いて量子化することにより、所定領域におけるクラスラベル配置パターンをベクトルpとして表現することができる。また、識別画像から得られたさまざまな二値ベクトルを主成分分析若しくはスパースコーディング等を用いて基底ベクトルで表現する方法を用いることもできる。 As yet another example, the information indicating the mixed state may be information indicating the arrangement of attribute regions in the target image. For example, a mixed state can be expressed according to the arrangement pattern of pixels of each class within a predetermined area. When the number of classes is M and the number of pixels in a predetermined region is K, the class of each pixel in the predetermined region can be represented by an M×K-dimensional binary vector. For example, if two classes "empty" and "non-empty" are defined and the size of the predetermined area is 16 x 16 pixels, the class label arrangement pattern within the predetermined area is set to a 2 x 16 x 16 = 512-dimensional It can be expressed as a value vector. By plotting various binary vectors obtained from the identification image in this way on a vector space and quantizing them using SOM, LLE, etc., it is possible to express the class label arrangement pattern in a predetermined region as a vector p. can. Alternatively, a method may be used in which various binary vectors obtained from identification images are expressed as basis vectors using principal component analysis, sparse coding, or the like.

図7は、所定領域におけるクラスラベル配置パターンを2次元のSOMを用いてマッピングすることにより得られたマップ900を示す。マップ900において、各四角形はSOMのノードであって、量子化されたクラスラベル配置パターンをそれぞれ表す。SOMの特性上、類似したパターンがマップ上で近い位置に配置される。識別画像におけるクラスラベル配置パターンを、各ノードのパターンとの近さに基づいて、マップ上の位置座標pで表すことができる。例えば図7の2次元SOMの例では、マップ上の位置をp=(p,p)の2次元ベクトルで表すことができる。 FIG. 7 shows a map 900 obtained by mapping the class label arrangement pattern in a predetermined area using a two-dimensional SOM. In the map 900, each rectangle is a node of the SOM and represents a quantized class label arrangement pattern. Due to the characteristics of SOM, similar patterns are placed close to each other on the map. The class label arrangement pattern in the identification image can be represented by position coordinates p on the map based on the proximity of each node to the pattern. For example, in the example of the two-dimensional SOM shown in FIG. 7, the position on the map can be represented by a two-dimensional vector p=(p 1 , p 2 ).

このように、混合状態はさまざまな方法で表現することができる。混合状態は、これらの表現のうちいずれか一つを用いて表してもよい。例えば、混合状態を面積比だけで表すのであれば、C=rと定義すればよく、エッジ画素率だけで表わすのであればC=eと表わせばよく、クラスラベル配置パターンだけで表すのであればC=pと定義すればよい。また、混合状態は複数の表現を組み合わせて表してもよい。例えば、混合状態を面積比とエッジ画素率との組み合わせC=(r,e)と定義してもよいし、面積比、エッジ画素率、及びクラスラベル配置パターンの組み合わせC=(r,e,p)と定義してもよい。本発明において、混合状態の表現方法は特に限定されない。 Thus, a mixed state can be expressed in various ways. A mixed state may be expressed using any one of these expressions. For example, if the mixed state is expressed only by the area ratio, it can be defined as C=r, if it is expressed only by the edge pixel ratio, it can be expressed as C=e, and if it is expressed only by the class label arrangement pattern, it can be defined as C=r. It is sufficient to define C=p. Further, a mixed state may be expressed by combining a plurality of expressions. For example, a mixed state may be defined as a combination of area ratio and edge pixel rate C = (r, e), or a combination of area ratio, edge pixel rate, and class label arrangement pattern C = (r, e, p). In the present invention, the method of expressing the mixed state is not particularly limited.

上記のように、混合状態Cは1つ以上の数値で表されるベクトルとして表現することができる。すなわち、一実施形態において得られる混合状態を表す情報は、所定領域における混合状態を表す特徴量であるといえる。混合状態Cを表すベクトルの次元数をLとする。以下では、画像I上の所定領域iにおける混合状態ベクトルをCniと表し、混合状態ベクトルCniのl(l=1,……,L)番目の要素をc(n,i,l)と表す。なお、混合状態は、所定領域において各クラスの画素がどのように混合されているかだけでなく、所定領域が特定の1つのクラスの画素で構成されることを示してもよい。 As mentioned above, the mixed state C can be expressed as a vector represented by one or more numerical values. That is, it can be said that the information representing the mixed state obtained in one embodiment is a feature amount representing the mixed state in a predetermined area. Let L be the number of dimensions of the vector representing the mixed state C. In the following, the mixed state vector in a predetermined area i on the image I n is expressed as C ni , and the l (l=1, ..., L)th element of the mixed state vector C ni is expressed as c (n, i, l). Expressed as Note that the mixed state may indicate not only how the pixels of each class are mixed in the predetermined region, but also that the predetermined region is composed of pixels of one specific class.

本実施形態においては、各学習画像の各画素について図3(B)に示すようにクラスラベルが与えられているものとする。そして、このクラスラベルに基づいて、学習画像から得られるそれぞれの識別画像について、上記のようにスカラ値又はベクトル値として表される混合状態Cが教師情報として予め算出され、学習データ記憶部5100に予め格納されているものとする。しかしながら、データ取得部2100は、識別画像の各画素の属性を示す情報を取得し、各画素の属性を示す情報を用いて混合状態を示す情報を生成することにより、教師情報を取得してもよい。例えば、データ取得部2100は、学習データ記憶部5100に格納されている学習画像の各画素のクラスラベルに基づいて、上記のようにそれぞれの識別画像の混合状態Cを算出することができる。さらに、各学習画像の各画素について図3(B)に示すようにクラスラベルが与えられていることは必須ではない。例えば、学習画像から得られる識別画像を見ながら作業者が入力したこの識別画像の混合状態、又は作業者が入力した情報(エッジ情報など)に基づいて自動的に算出されたこの識別画像の混合状態が、学習データ記憶部5100に予め格納されていてもよい。 In this embodiment, it is assumed that a class label is given to each pixel of each learning image as shown in FIG. 3(B). Then, based on this class label, for each identified image obtained from the learning images, the mixture state C expressed as a scalar value or a vector value as described above is calculated in advance as teacher information, and is stored in the learning data storage unit 5100. It is assumed that this is stored in advance. However, the data acquisition unit 2100 acquires information indicating the attributes of each pixel of the identification image, and generates information indicating the mixed state using the information indicating the attributes of each pixel, thereby acquiring the teacher information. good. For example, the data acquisition unit 2100 can calculate the mixture state C of each identified image as described above based on the class label of each pixel of the learning image stored in the learning data storage unit 5100. Furthermore, it is not essential that each pixel of each learning image be given a class label as shown in FIG. 3(B). For example, the mixture state of this identification image input by the worker while looking at the identification image obtained from the learning image, or the mixture of this identification image automatically calculated based on information (edge information, etc.) input by the worker. The state may be stored in the learning data storage unit 5100 in advance.

ステップS2200で、学習部2200は、データ取得部2100から識別画像及び混合状態の教師情報を取得して、混合状態を推定する推定器の学習を行う。以下では、推定器としてCNN(Convolutional Neural Network)を利用する場合について説明する。CNNの構成としては従来既知のものを用いることができる。典型的には、CNNは、畳み込み層とプーリング層とを繰り返すことにより入力信号の局所的な特徴を次第にまとめていき、変形や位置ずれに対してロバストな特徴を得ることにより、認識タスクを行うニューラルネットワークである。 In step S2200, the learning unit 2200 acquires the identification image and the teacher information of the mixture state from the data acquisition unit 2100, and performs learning of the estimator for estimating the mixture state. Below, a case will be described in which a CNN (Convolutional Neural Network) is used as an estimator. A conventionally known configuration can be used as the CNN configuration. Typically, CNNs perform recognition tasks by gradually combining local features of the input signal by repeating convolution and pooling layers to obtain features that are robust to deformations and misalignments. It is a neural network.

CNNを用いた推定処理の例を、図8(A)を参照しながら説明する。学習部2200は、特徴抽出部610を用いて、推定器の学習に用いる識別画像の特徴量を抽出する。また、学習部2200は、特徴量を入力されると混合状態を示す情報を出力する推定器の学習を、識別画像の特徴量と教師情報との組み合わせを用いて行う。図8(A)は、学習部2200が処理のために用いることができるCNNの一例を示す。図8(A)には、特徴抽出部610が行う処理に相当する部分が示されており、これは特徴抽出を行うCNNの畳み込み層に相当する。また、図8(A)には、学習を行う推定器620に相当する部分が示されており、これはパターン推定を行うCNNの完全結合層に相当する。 An example of estimation processing using CNN will be described with reference to FIG. 8(A). The learning unit 2200 uses the feature extraction unit 610 to extract the feature amount of the identification image used for learning the estimator. Further, the learning unit 2200 performs learning of an estimator that outputs information indicating a mixed state when a feature amount is input, using a combination of the feature amount of the identification image and the teacher information. FIG. 8A shows an example of a CNN that the learning unit 2200 can use for processing. FIG. 8A shows a portion corresponding to the processing performed by the feature extraction unit 610, which corresponds to the convolution layer of the CNN that performs feature extraction. Further, FIG. 8A shows a portion corresponding to an estimator 620 that performs learning, and this corresponds to a fully connected layer of a CNN that performs pattern estimation.

畳み込み層は、学習画像の部分画像である識別画像630の各位置における畳み込み演算結果を信号として受け取る入力層611を有する。入力層611からの信号は、畳み込み層とプーリング層とが配置され、畳み込み演算とプーリングによる信号の選択とが繰り返される複数の中間層612,613を介して、最終層615へと送られる。特徴抽出部610の最終層615からの出力信号は、推定器620へと送られる。以下では、特徴抽出部610の出力信号をXとする。完全結合層では、各層の素子が前後の層と全結合しており、特徴抽出部610から入力された信号は、重み係数を用いた積和演算を介して出力層640へと送られる。出力層640は、混合状態ベクトルCの次元数Lと同数の出力素子を有している。 The convolution layer has an input layer 611 that receives convolution calculation results at each position of the identification image 630, which is a partial image of the learning image, as a signal. The signal from the input layer 611 is sent to the final layer 615 via a plurality of intermediate layers 612 and 613, in which a convolution layer and a pooling layer are arranged, and convolution operations and signal selection by pooling are repeated. The output signal from the final layer 615 of the feature extractor 610 is sent to an estimator 620. In the following, the output signal of the feature extraction unit 610 is assumed to be X. In the fully connected layer, the elements of each layer are fully connected to the previous and succeeding layers, and the signal input from the feature extraction unit 610 is sent to the output layer 640 through a sum-of-products operation using weighting coefficients. The output layer 640 has the same number of output elements as the number of dimensions L of the mixed state vector C.

学習部2200は、推定器の学習を行う際に、学習画像Iの所定領域iから得られた識別画像をCNNに入力した際に、出力層640で得られる出力信号の値を、教師情報と比較する。ここで、学習画像Iの所定領域iを特徴抽出部610に入力して得られた特徴量をX 、これを推定器620に入力した結果得られた出力層640におけるl番目の素子の出力信号をy(X )とする。また、出力層640のうちl番目の出力素子における教師信号は、混合状態Cniのl番目の要素c(n,i,l)で表される。この場合、出力信号と教師情報との誤差は下記のように計算される。

Figure 0007350208000001
When learning the estimator, the learning unit 2200 uses the value of the output signal obtained in the output layer 640 as the teacher information when inputting the identification image obtained from the predetermined region i of the learning image In to the CNN. Compare with. Here, the feature amount obtained by inputting a predetermined region i of the learning image I n to the feature extraction unit 610 is X n i , and the l-th element in the output layer 640 obtained as a result of inputting this to the estimator 620 Let the output signal of y l (X n i ) be y l (X n i ). Further, the teacher signal at the l-th output element in the output layer 640 is represented by the l-th element c(n, i, l) of the mixed state C ni . In this case, the error between the output signal and the teacher information is calculated as follows.
Figure 0007350208000001

誤差逆伝搬法を用いて、このように得られた誤差を出力層から入力層へと順次逆伝搬することにより、CNNの学習を行うことができる。例えば、確率的勾配降下法等を用いてCNNにおける各層の重み係数を更新することができる。CNNの重み係数の初期値としては、ランダムな値を用いることもできるし、何らかのタスクに関する学習により得られた重み係数を用いてもよい。例えば、画像分類タスクにおいては画像ごとにクラスラベルが与えられた学習画像を用いるが、領域分割タスクにおいては画素ごとにクラスラベルが与えられた学習画像を用いるため、領域分割タスク用の学習画像を人間が用意するための負荷は大きい。一方、画像分類タスク用の学習画像は一般に公開されており、簡単に入手することができる。例えばILSVRC(ImageNet Large-scale Visual Recognition Challenge)では120万枚の画像分類タスク用の学習画像が公開されている。よって、このような画像分類タスクのためにCNNの学習を行い、この学習により得られた重み係数を初期値として用いて、本実施形態のような混合状態推定タスクのための学習を行ってもよい。 CNN learning can be performed by sequentially backpropagating the errors obtained in this way from the output layer to the input layer using the error backpropagation method. For example, the weighting coefficients of each layer in the CNN can be updated using stochastic gradient descent or the like. As the initial value of the CNN weighting coefficient, a random value may be used, or a weighting coefficient obtained by learning regarding a certain task may be used. For example, an image classification task uses a training image in which a class label is assigned to each image, but a region segmentation task uses a training image in which a class label is assigned to each pixel. The burden on humans to prepare is heavy. On the other hand, training images for image classification tasks are publicly available and can be easily obtained. For example, the ILSVRC (ImageNet Large-scale Visual Recognition Challenge) has released 1.2 million learning images for image classification tasks. Therefore, even if CNN is trained for such an image classification task and the weighting coefficients obtained by this learning are used as initial values, learning for a mixed state estimation task as in this embodiment is performed. good.

ここではCNNを用いた推定器について説明したが、推定器の構成は特に限定されない。図8(B)には、推定部1200が処理のために用いることができる構成の別の一例を示す。図8(B)には、特徴抽出部610が行う処理に相当する部分、及び推定器650が行う処理に相当する部分が示されている。推定器650は、特徴抽出部610における各層の出力信号を連結して得られた一つの特徴量に対する回帰値を与える。推定器650が用いる手法としては、例えばSVR(Support Vector Reggression)やロジスティック回帰等が挙げられるが、特に限定されない。そして、学習画像を用いて、この推定器650が用いる回帰関数の学習を行うことができる。例えば、上記の出力信号と教師情報との誤差に基づく誤差関数を最小化するように、回帰関数の学習を行うことができる。また、図8(A)のような構成を用いてCNNの学習をあらかじめ行っておき、その後にCNNの各層の出力信号に基づく特徴量を使って推定器650のみの学習を行ってもよい。ここで、推定器650を完全結合の多層ニューラルネットワークで構成すれば、図8(A)の構成と同様に、誤差逆伝搬法を用いてCNNと推定器650との学習を同時に行うこともできる。 Although an estimator using CNN has been described here, the configuration of the estimator is not particularly limited. FIG. 8B shows another example of a configuration that can be used by the estimation unit 1200 for processing. FIG. 8B shows a portion corresponding to the processing performed by the feature extraction unit 610 and a portion corresponding to the processing performed by the estimator 650. The estimator 650 provides a regression value for one feature obtained by connecting the output signals of each layer in the feature extractor 610. Examples of methods used by the estimator 650 include SVR (Support Vector Regression) and logistic regression, but are not particularly limited. Then, the regression function used by this estimator 650 can be trained using the learning images. For example, the regression function can be trained to minimize the error function based on the error between the output signal and the teacher information. Alternatively, the CNN may be trained in advance using the configuration shown in FIG. 8A, and then only the estimator 650 may be trained using feature amounts based on the output signals of each layer of the CNN. Here, if the estimator 650 is configured with a fully connected multilayer neural network, the learning of the CNN and the estimator 650 can be performed simultaneously using the error backpropagation method, similar to the configuration of FIG. 8(A). .

また、特徴抽出部610は、HOG又はSIFTのような別の特徴抽出手法を用いて特徴量を抽出することができる。また、推定器は、SVR、ロジスティック回帰、又は多層ニューラルネットワーク等の識別関数を用いて、混合状態の推定を行うことができる。このように、一実施形態においては、特徴抽出手法と推定手法との任意の組み合わせを用いることができる。このような場合にも、従来の方法に従って推定器の学習を行うことができる。ステップS2200における学習により得られた推定器のパラメータは、推定器記憶部5200に記憶される。 Further, the feature extraction unit 610 can extract the feature amount using another feature extraction method such as HOG or SIFT. Additionally, the estimator can perform mixed state estimation using a discriminant function such as SVR, logistic regression, or a multilayer neural network. Thus, in one embodiment, any combination of feature extraction techniques and estimation techniques may be used. Even in such a case, the estimator can be trained according to the conventional method. The estimator parameters obtained through learning in step S2200 are stored in estimator storage unit 5200.

このようにして学習が行われた推定器を用いて、入力画像の混合状態を識別する方法について、図2(B)のフローチャートを参照して説明する。S1100において、画像取得部1100は、混合状態の識別対象となる入力画像を取得する。画像取得部1100は、撮像装置から得られた現像前の画像データを取得することもできる。 A method for identifying a mixed state of an input image using the estimator trained in this manner will be described with reference to the flowchart in FIG. 2(B). In S1100, the image acquisition unit 1100 acquires an input image to be classified as a mixed state. The image acquisition unit 1100 can also acquire undeveloped image data obtained from an imaging device.

以下で、入力画像の所定領域にある混合状態の推定対象となる画像を対象画像と呼ぶ。画像取得部1100は、所定の領域設定パターンに従って、入力画像中に複数の領域を設定することができる。設定された領域のそれぞれに含まれる入力画像の部分画像が、対象画像となる。対象画像は、識別単位に従う所定サイズの部分画像であり、その設定方法は特に限定されない。例えば、学習時と同様、入力画像を所定サイズ(例えば16×16ピクセル)の複数の矩形領域に分割し、それぞれの矩形領域にある複数の対象画像について判定を行うことができる。一方、入力画像の一部領域にある対象画像に対して判定を行ってもよい。 In the following, an image whose mixed state is to be estimated in a predetermined region of the input image will be referred to as a target image. The image acquisition unit 1100 can set a plurality of regions in the input image according to a predetermined region setting pattern. A partial image of the input image included in each of the set areas becomes a target image. The target image is a partial image of a predetermined size according to the identification unit, and the setting method thereof is not particularly limited. For example, as in the case of learning, the input image can be divided into a plurality of rectangular regions of a predetermined size (for example, 16×16 pixels), and determination can be made for a plurality of target images in each rectangular region. On the other hand, the determination may be made on a target image located in a partial area of the input image.

ステップS1200において、推定部1200は、特徴抽出部610を用いて、S1100で得られた入力画像の所定領域にある対象画像から特徴量を抽出する。また、推定部1200は、学習された推定器620を推定器記憶部5200から読み込み、推定器620に特徴量を入力することにより、対象画像における互いに異なる属性の領域間の混合状態を示す情報を生成する。こうして、推定部1200は、ステップS1100で取得した入力画像中の対象画像について混合状態を推定する。図8(A)は、推定部1200が処理のために用いることができるCNNの一例を示す。図8(A)には、特徴抽出部610が行う処理に相当する部分が示されており、ここでは入力画像中の所定領域における信号が各層に順伝搬され、対象画像の特徴量Xが抽出される。また、図8(A)には、推定器620に相当する部分が示されており、ここでは得られた特徴量Xから、混合状態ベクトルの各要素に割り当てられた出力素子621における出力信号が生成される。各素子lの出力信号の値は、混合状態ベクトルの各要素y(X)の値となる。 In step S1200, the estimation unit 1200 uses the feature extraction unit 610 to extract a feature amount from the target image in a predetermined region of the input image obtained in S1100. Furthermore, the estimating unit 1200 reads the learned estimator 620 from the estimator storage unit 5200 and inputs the feature amount to the estimator 620, thereby obtaining information indicating the mixing state between regions with different attributes in the target image. generate. In this way, the estimation unit 1200 estimates the mixed state of the target image among the input images acquired in step S1100. FIG. 8(A) shows an example of a CNN that the estimation unit 1200 can use for processing. FIG. 8A shows a part corresponding to the processing performed by the feature extraction unit 610, in which signals in a predetermined area in the input image are sequentially propagated to each layer, and the feature amount X i of the target image is Extracted. Further, FIG. 8A shows a part corresponding to the estimator 620, and here, from the obtained feature amount X i , an output signal at the output element 621 assigned to each element of the mixed state vector is generated. The value of the output signal of each element l becomes the value of each element y l (X i ) of the mixed state vector.

ステップS1300において、出力部1300は、ステップS1200で得られた推定結果を出力する。出力部1300が行う処理は、識別結果の利用方法に依存し、特に限定されない。混合状態を示す情報を用いた処理例を以下に挙げる。 In step S1300, output unit 1300 outputs the estimation result obtained in step S1200. The processing performed by the output unit 1300 depends on how the identification result is used and is not particularly limited. An example of processing using information indicating a mixed state is given below.

例えば、入力画像の各領域に対する画像処理を、その領域における混合状態に応じて変更することができる。この場合、出力部1300は画像補正アプリケーションに対して各領域の混合状態を出力することができる。 For example, image processing for each region of the input image can be changed depending on the mixing state in that region. In this case, the output unit 1300 can output the mixed state of each region to the image correction application.

また、別の例として、混合状態に応じたカメラのフォーカス制御を行うこともできる。例えば、複数の測距点を備える撮像装置のためのフォーカス制御装置は、取得部と、制御部とを備えることができる。取得部は、撮像装置により得られた画像のうち複数の測距点のそれぞれに対応する領域について、領域に占める特定の属性の領域の面積比を示す情報を取得する。そして、制御部は、面積比に応じて複数の測距点を重み付けし、撮像装置のフォーカス制御を行う。より具体的には、多点測距AFを行う場合に、フォーカスを合わせる対象となる被写体成分がより多い測距点の重みを大きくすることができる。例えば、前景に重点を置くフォーカス制御を行う場合、前景成分がより多い測距点の重みを大きくすることができ、特定の被写体に重点を置くフォーカス制御を行う場合、特定の被写体成分がより多い測距点の重みを大きくすることができる。このようなフォーカス制御装置は、上記の情報処理装置から混合状態を示す情報を取得してもよいし、上記の情報処理装置が備える上記の各構成を有していてもよいし、本実施形態とは異なる方法で生成された混合状態を示す情報を取得してもよい。 Furthermore, as another example, it is also possible to perform focus control of the camera according to the mixing state. For example, a focus control device for an imaging device including a plurality of distance measurement points can include an acquisition section and a control section. The acquisition unit acquires information indicating an area ratio of a region of a specific attribute to the region corresponding to each of the plurality of ranging points in the image obtained by the imaging device. Then, the control unit weights the plurality of distance measurement points according to the area ratio and performs focus control of the imaging device. More specifically, when performing multi-point distance measurement AF, it is possible to increase the weight of a distance measurement point that has more subject components to be focused. For example, when performing focus control that places emphasis on the foreground, you can increase the weight of the focusing point that has more foreground components, and when performing focus control that places emphasis on a specific subject, the weight of the focusing point that has more foreground components can be increased. The weight of the distance measurement point can be increased. Such a focus control device may acquire information indicating a mixed state from the above information processing device, may have each of the above configurations included in the above information processing device, or may have the above configurations included in the above information processing device. Information indicating a mixed state generated by a method different from the method may be obtained.

さらなる別の例として、混合状態に応じたカメラの露出制御を行うこともできる。例えば、撮像装置のための露出制御装置は、取得部と、算出部と、選択部と、制御部とを備えることができる。取得部は、撮像装置により得られた画像と、画像の各領域について、領域に占める特定の属性の領域の面積比を示す情報を取得することができる。算出部は、画像全体に占める特定の属性の領域の面積比を算出することができる。選択部は、算出された面積比に応じて、露出制御アルゴリズムを選択することができる。制御部は、選択された露出制御アルゴリズムを用いて、撮像装置の露出制御を行うことができる。より具体的には、視野における空の面積に応じて異なる露出制御を行う場合に、混合状態に基づいて空の面積を算出することができる。この場合、従来技術のように、空と枝が混ざっている領域について、ほとんどの領域を前景であると判定したり、ほとんどの領域について空であると判定したりすることにより、空の面積が実際の値と大きく異なってしまう可能性を減らせることが期待できる。 As yet another example, camera exposure control may be performed depending on the mixing state. For example, an exposure control device for an imaging device can include an acquisition section, a calculation section, a selection section, and a control section. The acquisition unit can acquire information indicating an area ratio of a region of a specific attribute to the image obtained by the imaging device and each region of the image. The calculation unit can calculate the area ratio of a region of a specific attribute to the entire image. The selection unit can select an exposure control algorithm according to the calculated area ratio. The control unit can control the exposure of the imaging device using the selected exposure control algorithm. More specifically, when performing different exposure controls depending on the area of the sky in the field of view, the area of the sky can be calculated based on the mixed state. In this case, as in the conventional technology, the area of the sky is reduced by determining that most of the area where the sky and branches are mixed is in the foreground or determining that most of the area is the sky. It can be expected that the possibility of the value differing greatly from the actual value can be reduced.

ここでは静止画像を学習画像及び入力画像として用いる場合について説明したが、動画像を学習画像及び入力画像として用いることもできる。この場合、混合状態の定義は時間方向に拡張される。例えば、16×16pixelの所定領域及び5フレームを識別単位とする場合、16×16×5のボクセルに関して混合状態を定義することができる。例えば、面積比を用いて混合状態を表す上記の例を拡張することにより、体積比を用いて混合状態を表すことが可能である。 Although the case where a still image is used as a learning image and an input image has been described here, a moving image can also be used as a learning image and an input image. In this case, the definition of mixed state is extended in the time direction. For example, when a 16×16 pixel predetermined area and 5 frames are used as identification units, a mixed state can be defined for 16×16×5 voxels. For example, by extending the above example of representing a mixed state using an area ratio, it is possible to represent a mixed state using a volume ratio.

本実施形態では、それぞれが複数の画素を含む複数の領域へと入力画像(及び学習画像)が分割され、この領域内の混合状態が推定された。このような処理によれば、全ての画素のそれぞれについてクラスを推定する場合と比較して、推定処理の回数が少なくなるため、処理の高速化が期待できる。一方、入力画像のそれぞれの画素について混合状態を推定することもできる。すなわち、1つの画素に異なるクラスに属する複数の被写体が写っていることがあり、この1つの画素に対応する被写体領域における、それぞれのクラスの被写体の混合状態を推定することもできる。 In this embodiment, the input image (and learning image) was divided into multiple regions each including multiple pixels, and the mixed state within this region was estimated. According to such processing, the number of times of estimation processing is reduced compared to the case where the class is estimated for each of all pixels, so it can be expected that the processing speed will be increased. On the other hand, it is also possible to estimate the mixing state for each pixel of the input image. That is, one pixel may contain a plurality of subjects belonging to different classes, and it is also possible to estimate the mixed state of subjects of each class in the subject area corresponding to this one pixel.

本実施形態では、混合状態を示す情報はスカラ値又は複数のスカラ値で構成されるベクトルとして得られた。一方で、混合状態を示す情報は、3つ以上の値から選択される情報でありうる。例えば、所定領域におけるクラス「空」及び「非空」の混合状態を示す情報は、所定領域が「空」で構成されることを示す値、所定領域が「非空」で構成されることを示す値、又は所定領域において「空」及び「非空」が混合されていることを示す値でありうる。このような混合状態を示す情報も、上述の処理例及び後述する実施形態4,5において利用可能である。 In this embodiment, the information indicating the mixed state is obtained as a scalar value or a vector composed of a plurality of scalar values. On the other hand, the information indicating the mixed state may be information selected from three or more values. For example, information indicating a mixed state of classes "empty" and "non-empty" in a predetermined area may include a value indicating that the predetermined area is composed of "empty" and a value indicating that the predetermined area is composed of "non-empty". or a value indicating that a predetermined region is a mixture of "empty" and "non-empty." Information indicating such a mixed state can also be used in the processing example described above and in the fourth and fifth embodiments described later.

[実施形態2]
実施形態1では、学習画像の各画素に対してクラスラベルが設定されていることを前提にして説明した。しかしながら、画素毎にクラスラベルを設定するには時間がかかる。実施形態2では、学習画像に対してクラスラベルを入力するユーザ作業を軽減する方法を説明する。本実施形態においては、学習画像の各領域に対して入力されたクラスラベルに基づいて、データ取得部2100は、画素ごとのクラスラベルを自動的に算出する。
[Embodiment 2]
The first embodiment has been described on the assumption that a class label is set for each pixel of a learning image. However, setting a class label for each pixel takes time. In the second embodiment, a method for reducing the user's work of inputting class labels for learning images will be described. In this embodiment, the data acquisition unit 2100 automatically calculates a class label for each pixel based on the class label input for each region of the learning image.

以下、図1(C)を参照して、本実施形態における学習装置の基本的な構成を説明する。本実施形態における画像処理装置の構成は実施形態1と同様であり、説明を省略する。本実施形態において学習データ記憶部5100には、識別画像の他に、識別画像における第1の属性の領域、第2の属性の領域、及び第1の属性の領域と第2の属性の領域とが混在している混在領域を示す情報が格納されている。例えば、学習データ記憶部5100は、学習画像と、学習画像上の各領域に対して付与されたクラスラベルと、を含む学習データが記憶する。ここで、複数のクラスが混在している領域には、混在領域であることを示すクラスラベルが与えられている。 The basic configuration of the learning device in this embodiment will be described below with reference to FIG. 1(C). The configuration of the image processing apparatus in this embodiment is the same as that in Embodiment 1, and the description thereof will be omitted. In this embodiment, the learning data storage unit 5100 stores, in addition to the identification image, an area of the first attribute, an area of the second attribute, and an area of the first attribute and the second attribute in the identification image. Contains information indicating a mixed area where . For example, the learning data storage unit 5100 stores learning data including a learning image and a class label assigned to each region on the learning image. Here, an area in which a plurality of classes coexist is given a class label indicating that it is a mixed area.

データ取得部2100は、学習データ記憶部5100から学習データを読み込む。すなわち、データ取得部2100は、識別画像の他に、識別画像における第1の属性の領域、第2の属性の領域、及び第1の属性の領域と第2の属性の領域とが混在している混在領域を示す情報を取得する。 The data acquisition unit 2100 reads learning data from the learning data storage unit 5100. That is, in addition to the identification image, the data acquisition unit 2100 detects a region of the first attribute, a region of the second attribute, and a region of the first attribute and the second attribute in the identification image. Obtain information indicating the mixed area in which the

詳細化部2300は、第1の属性の領域に含まれる画素の画素値、及び前記第2の属性の領域に含まれる画素の画素値に基づいて、混在領域の各画素の属性を判定する。例えば、詳細化部2300は、混在領域であることを示すクラスラベルが与えられている領域について、混合状態を示す教師情報を算出する。詳細については後述する。学習部2200は、学習画像と混合状態の教師情報とを用いて、実施形態1と同様に推定器の学習を行う。 The detailing unit 2300 determines the attribute of each pixel in the mixed area based on the pixel value of the pixel included in the first attribute area and the pixel value of the pixel included in the second attribute area. For example, the detailing unit 2300 calculates teacher information indicating a mixed state for an area that is given a class label indicating that it is a mixed area. Details will be described later. The learning unit 2200 performs learning of the estimator similarly to the first embodiment using the learning image and the teacher information of the mixed state.

本実施形態において学習装置が行う処理のフローを、図2(C)に従って説明する。ステップS2100においてデータ取得部2100は、学習データ記憶部5100から、学習画像とクラスラベルデータとを学習データとして読み込む。学習データ記憶部5100には、あらかじめ複数の学習画像とそれぞれについてのクラスラベルデータとが用意されている。 The flow of processing performed by the learning device in this embodiment will be described with reference to FIG. 2(C). In step S2100, the data acquisition unit 2100 reads the learning image and class label data as learning data from the learning data storage unit 5100. A plurality of learning images and class label data for each are prepared in advance in the learning data storage unit 5100.

ここで、本実施形態におけるクラスラベルデータについて説明する。図9(A)には学習画像500が示されており、図9(B)には学習画像500についてのクラスラベルデータ400が示されている。この例では、学習画像500は空領域410、非空領域420、及び混在領域430から構成されており、それぞれの領域の画素には「空」、「非空」、及び「混在」がそれぞれクラスラベルとして付されている。このように、学習画像500には、単一クラスの領域と、複数クラスが混在している領域と、が設定されている。 Here, class label data in this embodiment will be explained. FIG. 9(A) shows a learning image 500, and FIG. 9(B) shows class label data 400 regarding the learning image 500. In this example, the learning image 500 is composed of a sky region 410, a non-sky region 420, and a mixed region 430, and the pixels in each region have classes of "sky", "non-sky", and "mixed", respectively. It is attached as a label. In this way, the learning image 500 has a single class region and a region where multiple classes coexist.

これらのクラスラベルは、ツール等を介して予め人間が入力することができる。例えば作業者は、学習画像の空領域及び非空領域を決定することができる。その際、前景の木の枝が細かく複雑になっている箇所においては、空領域と非空領域とを正確に切り分けることは、作業者に対する大きな作業負荷を要求する。そこで、作業者は、このように複数のクラスが混在している領域に対しては、「混在」というクラスラベルを与えることができる。 These class labels can be input in advance by a human using a tool or the like. For example, an operator can determine sky and non-sky regions of the training images. At this time, in areas where the branches of the tree in the foreground are fine and complicated, accurately separating the sky area from the non-sky area requires a large workload on the operator. Therefore, the operator can give a class label of "mixed" to an area where a plurality of classes coexist in this way.

ここでは、「空」と「非空」が混在している領域について説明したが、実施形態1で説明したように、クラス定義はこのようなものに限定されない。また、クラスが3クラス以上ある場合には、クラスの組み合わせの数だけ混在領域の種類を定義することができる。例えば、図5に示すように「空」、「植物」、「人工物」の3クラスが定義されている場合には、「空と植物の混在領域」、「空と人工物の混在領域」、「植物と人工物の混在領域」、「空と植物と人工物の混在領域」、の4種類の混在領域クラスを定義できる。以下では、「空」と「非空」の2クラスが定義されている場合を例にして説明する。 Here, a region in which "empty" and "non-empty" are mixed has been described, but as described in the first embodiment, the class definition is not limited to such a region. Furthermore, when there are three or more classes, it is possible to define as many types of mixed areas as there are combinations of classes. For example, as shown in Figure 5, if three classes are defined: "Sky", "Plant", and "Artificial Object", then "Sky and Plant Mixed Area" and "Sky and Artificial Mixed Area" are defined. Four types of mixed area classes can be defined: , "mixed area of plants and artificial objects", and "mixed area of sky, plants, and artificial objects". In the following, an example will be explained in which two classes, "empty" and "non-empty", are defined.

ステップS2300において、詳細化部2300は、混在領域に関してクラスラベルの詳細化を行う。具体的には、詳細化部2300は、混在領域の各画素についてクラスラベルを設定する。ここで、詳細化部2300は、第1の属性の領域に含まれる画素の画素値、及び第2の属性の領域に含まれる画素の画素値に基づいて、混在領域の各画素の属性を判定する。例えば、詳細化部2300は、各クラスの色情報を参考に、混在領域のクラスラベルを判定することができる。具体例として、詳細化部2300は、学習画像Iにおける、空領域と非空領域とのそれぞれについて、各画素のRGB値を抽出してRGB色空間にプロットする。混在領域以外の空領域及び非空領域は、学習データに示されている。そして、詳細化部2300は、空領域と非空領域とのそれぞれについて、混合ガウス分布を推定する。すると、混合領域の各画素について、そのRGB値及び空領域の混合ガウス分布に基づいて空領域の尤度を求めることができ、またそのRGB値及び非空領域の混合ガウス分布に基づいて非空領域にある尤度を推定することができる。詳細化部2300は、そして、「空」「非空」のうち尤度が高い方のクラスラベルを画素に割り当てることができる。こうして、詳細化部2300は、混在領域内のクラスラベルを詳細化することができる。図9(C)は、このようにして詳細化されたクラスラベルデータ450を示し、ここには詳細化された空領域460及び非空領域470が表されている。 In step S2300, the detailing unit 2300 refines the class label regarding the mixed area. Specifically, the detailing unit 2300 sets a class label for each pixel in the mixed area. Here, the detailing unit 2300 determines the attribute of each pixel in the mixed area based on the pixel value of the pixel included in the area of the first attribute and the pixel value of the pixel included in the area of the second attribute. do. For example, the detailing unit 2300 can determine the class label of the mixed area with reference to the color information of each class. As a specific example, the detailing unit 2300 extracts the RGB values of each pixel for each of the sky region and the non-sky region in the learning image In , and plots them in the RGB color space. Sky areas and non-sky areas other than the mixed area are shown in the training data. The detailing unit 2300 then estimates a Gaussian mixture distribution for each of the sky region and the non-sky region. Then, for each pixel in the mixed region, the likelihood of the sky region can be determined based on its RGB values and the Gaussian mixture distribution of the sky region, and the likelihood of the sky region can be determined for each pixel of the mixed region based on its RGB values and the Gaussian mixture distribution of the non-sky region. It is possible to estimate the likelihood in a region. The detailing unit 2300 can then assign a class label of "empty" or "non-empty" with a higher likelihood to the pixel. In this way, the detailing unit 2300 can refine the class labels in the mixed area. FIG. 9C shows the class label data 450 detailed in this manner, in which detailed empty areas 460 and non-empty areas 470 are represented.

このようにして詳細化されたクラスラベルデータを基に、詳細化部2300は、識別単位となる識別領域について混合状態を表す教師情報を算出する。識別領域、並びに混合状態を示す教師情報の定義及び算出方法に関しては、実施形態1で詳しく説明したとおりであるため、ここでは詳細な説明は省く。なお、詳細化部2300がクラスラベルの詳細化を行うことは必須ではない。例えば、識別領域内の混在領域にある画素のRGB値分布と、空領域及び非空領域の混合ガウス分布とに基づいて、混在領域における混合状態を推定することが可能であり、これに基づいて識別領域における混合状態を表す教師情報を算出してもよい。 Based on the class label data detailed in this manner, the detailing unit 2300 calculates teacher information representing a mixed state for the identification area serving as the identification unit. The definition and calculation method of the identification area and the teacher information indicating the mixed state are as described in detail in Embodiment 1, so detailed explanation will be omitted here. Note that it is not essential that the detailing unit 2300 refines the class label. For example, it is possible to estimate the mixing state in the mixed area based on the RGB value distribution of pixels in the mixed area in the identification area and the mixed Gaussian distribution of the sky area and non-sky area, and based on this, Teacher information representing the mixed state in the identification area may be calculated.

変形例として、学習データにおいて、複数のクラスが混在している領域に対しては混合状態が設定されていてもよい。例えば、作業者は、特定の領域について、「非空領域の割合は30%」というような、クラスの面積比を示す情報を入力することができる。この場合、詳細化部2300は、各画素についてのクラスラベルを推定することなく、識別単位となる識別領域について混合状態を表す教師情報を算出することができる。一方、詳細化部2300は、混合状態を参照して、入力画像の各画素のクラスラベルを推定することもできる。この場合には、後述する実施形態5と同様に、学習データから計算可能な混合状態を表す情報と、推定された各画素の属性に基づいて計算される混合状態を示す情報と、の類似度が大きいほど高くなる評価値を用いて、推定を行うことができる。 As a modification, a mixed state may be set for an area in which a plurality of classes coexist in the learning data. For example, the operator can input information indicating the area ratio of a class, such as "the ratio of non-empty areas is 30%" for a specific area. In this case, the detailing unit 2300 can calculate the teacher information representing the mixed state for the identification area serving as the identification unit without estimating the class label for each pixel. On the other hand, the detailing unit 2300 can also estimate the class label of each pixel of the input image by referring to the mixed state. In this case, similar to Embodiment 5 described later, the similarity between information representing a mixture state that can be calculated from learning data and information representing a mixture state calculated based on the estimated attributes of each pixel is determined. Estimation can be performed using an evaluation value that increases as the value increases.

[実施形態3]
実施形態1,2では、識別単位となる識別領域は、あらかじめ矩形領域又は小領域として設定されているという前提で説明を行った。一方で、識別領域の大きさや切り方を、さまざまな撮影情報に基づいて変えることができる。例えば、ボケの強い領域では、細かいテクスチャが情報として失われるため、より広い識別領域に対して推定を行うことにより、混合状態の推定精度を向上できる可能性がある。
[Embodiment 3]
In the first and second embodiments, the description has been made on the assumption that the identification area serving as the identification unit is set in advance as a rectangular area or a small area. On the other hand, the size and cutting method of the identification area can be changed based on various photographic information. For example, in areas with strong blur, detailed texture information is lost, so by performing estimation over a wider identification area, it is possible to improve the accuracy of estimating the mixed state.

撮影情報は、撮像装置固有の情報と、撮影された画像固有の情報を含む。撮像装置固有の情報としては、センサのサイズ若しくは許容錯乱円径、及び光学系の明るさ若しくは焦点距離等が挙げられる。撮影された画像固有の情報としては、絞り値、合焦距離、Bv値、RAW画像、露出時間、ゲイン(ISO感度)、ホワイトバランス係数、距離情報、GPS等による位置情報、日時等の時間情報、等が挙げられる。他にも、撮影された画像固有の情報としては、撮影時における、重力センサ値、加速度、地磁気方向、温度、湿度、気圧、又は高度等が挙げられる。また、可視光以外に、赤外光や紫外光の情報を得ることができる撮像系もある。撮像装置の仕様により、得られる撮影情報はそれぞれ異なる。撮影情報は、入力画像の撮影時に入力画像に関連付けて付された情報、入力画像の撮影時における撮像装置の状態を示す情報、又は入力画像の撮影時に撮像装置によって測定された情報でありうる。また、撮影情報は、入力画像の撮影時に撮像装置によって検知された入力画像の特性を表す情報でありうる。また、撮影情報は、入力画像自体のデータとは異なる情報である。 The photographing information includes information unique to the imaging device and information unique to the photographed image. Information specific to the imaging device includes the size of the sensor or the diameter of the permissible circle of confusion, the brightness or focal length of the optical system, and the like. Information unique to the photographed image includes aperture value, focusing distance, Bv value, RAW image, exposure time, gain (ISO sensitivity), white balance coefficient, distance information, location information such as GPS, and time information such as date and time. , etc. In addition, the information unique to the photographed image includes the gravity sensor value, acceleration, geomagnetic direction, temperature, humidity, atmospheric pressure, altitude, etc. at the time of photographing. There are also imaging systems that can obtain information from infrared light and ultraviolet light in addition to visible light. The obtained imaging information differs depending on the specifications of the imaging device. The photographing information may be information attached in association with the input image when the input image was photographed, information indicating the state of the imaging device at the time of photographing the input image, or information measured by the imaging device at the time of photographing the input image. Further, the photographing information may be information representing the characteristics of the input image detected by the imaging device when the input image was photographed. Further, the photographing information is information different from the data of the input image itself.

図1(D)に沿って、実施形態3に係る学習装置の基本的な構成を説明する。学習データ記憶部5100には、あらかじめ学習データが記憶されている。本実施形態において学習データは、学習画像と、各学習画像に対応する撮影情報と、学習画像上のさまざまな大きさの領域に対して付与された混合状態の教師情報と、を含む。データ取得部2100は、学習データ記憶部5100から、学習画像、撮影情報、及び教師情報を読み込む。学習部2200は、学習画像と混合状態の教師情報を用いて、混合状態を推定する推定器の学習を行い、得られた推定器を推定器記憶部5200に記憶する。ここで、学習部2200は、第1の領域設定パターンに従って設定された所定領域にある識別画像を用いた学習により第1の推定器を生成し、第2の領域設定パターンに従って設定された所定領域にある識別画像を用いた学習により第2の推定器を生成する。評価部2400は、確認データ記憶部5400から読み込んだ確認データを使って、学習により得られたそれぞれの推定器の推定精度を評価する。そして、評価部2400は、撮影情報と推定精度とに基づいて領域設定器を生成し、設定器記憶部5300に記憶する。 The basic configuration of the learning device according to the third embodiment will be explained along FIG. 1(D). The learning data storage unit 5100 stores learning data in advance. In this embodiment, the learning data includes learning images, photographic information corresponding to each learning image, and mixed state teacher information assigned to regions of various sizes on the learning images. The data acquisition unit 2100 reads learning images, shooting information, and teacher information from the learning data storage unit 5100. The learning unit 2200 performs learning of an estimator for estimating the mixed state using the learning image and the teacher information of the mixed state, and stores the obtained estimator in the estimator storage unit 5200. Here, the learning unit 2200 generates a first estimator by learning using identification images in a predetermined region set according to a first region setting pattern, and generates a first estimator in a predetermined region set according to a second region setting pattern. A second estimator is generated by learning using the identified images in . The evaluation unit 2400 uses the confirmation data read from the confirmation data storage unit 5400 to evaluate the estimation accuracy of each estimator obtained through learning. The evaluation unit 2400 then generates a region setter based on the imaging information and the estimation accuracy, and stores it in the setter storage unit 5300.

次に図1(E)に沿って、画像処理装置の装置構成の概要を説明する。画像取得部1100は、入力画像と撮影情報とを取得する。領域設定部1400は、撮影情報に応じて、複数の領域設定パターンの中から、対象画像の設定に用いる領域設定パターンを選択する。本実施形態において領域設定部1400は、領域設定器を設定器記憶部5300から読み込み、撮影情報に従って識別単位となる領域を設定する。推定部1200は、推定器を推定器記憶部5200から読み込み、設定された識別単位に従って設定された所定領域にある対象画像について、推定器を使って混合状態を推定する。 Next, the outline of the device configuration of the image processing device will be explained along FIG. 1(E). The image acquisition unit 1100 acquires an input image and photographing information. The area setting unit 1400 selects an area setting pattern to be used for setting a target image from among a plurality of area setting patterns according to the imaging information. In this embodiment, the area setting unit 1400 reads the area setting device from the setting device storage unit 5300 and sets the area to be the identification unit according to the imaging information. The estimating unit 1200 reads the estimator from the estimator storage unit 5200, and uses the estimator to estimate the mixed state of the target image in a predetermined area set according to the set identification unit.

本実施形態における処理の詳細な説明を以下に記す。まず、学習時の処理に関して図2D)のフローチャートを参照して説明する。ステップS2100において、データ取得部2100は、学習データ記憶部5100から、学習画像、撮影情報、及び混合状態の教師情報を、学習データとして読み込む。 A detailed explanation of the processing in this embodiment will be described below. First, processing during learning will be described with reference to the flowchart in FIG. 2D. In step S2100, the data acquisition unit 2100 reads the learning image, the shooting information, and the teacher information of the mixed state from the learning data storage unit 5100 as learning data.

ステップS2200において、学習部2200は、データ取得部2100が取得した学習画像と混合状態の教師情報とを用いて、混合状態を推定する推定器の学習を行う。上述のように、本実施形態においては複数種類の領域設定パターンのそれぞれに従って識別単位が設定される。すなわち、識別単位となる領域としては、さまざまなものが用意されている。例えば、3×3、9×9、及び15×15の矩形領域など、サイズの異なる複数パターンの識別単位を用意することができる。実施形態1でも説明したように、識別単位は矩形領域には限られない。例えば、実施形態1で説明したように、複数の領域設定パターンとして、領域分割により小領域を設定する際に用いるパラメータを複数用意することができる。 In step S2200, the learning unit 2200 uses the learning image acquired by the data acquisition unit 2100 and the teacher information of the mixture state to train an estimator for estimating the mixture state. As described above, in this embodiment, identification units are set according to each of a plurality of types of area setting patterns. That is, various areas are prepared as identification units. For example, it is possible to prepare a plurality of patterns of identification units having different sizes, such as 3×3, 9×9, and 15×15 rectangular areas. As described in the first embodiment, the identification unit is not limited to a rectangular area. For example, as described in the first embodiment, a plurality of parameters used when setting small regions by region division can be prepared as a plurality of region setting patterns.

領域設定パターンの違いにより、画像上の同じ位置であっても、混合状態の教師情報は変化しうる。図3(C)には、学習画像の同じ位置にあるさまざまなサイズの矩形領域551、552、及び553が示されている。最も小さい矩形領域551においては、空:非空の面積比はr=1である。一方、矩形領域552及び553は、それぞれ非空領域を含むため、面積比はそれぞれr=0.9及びr=0.8となる。 Due to differences in area setting patterns, the teacher information of the mixed state may change even at the same position on the image. FIG. 3C shows rectangular areas 551, 552, and 553 of various sizes located at the same position in the learning image. In the smallest rectangular region 551, the empty:non-empty area ratio is r=1. On the other hand, since the rectangular areas 552 and 553 each include a non-empty area, the area ratios are r=0.9 and r=0.8, respectively.

学習部2200は、それぞれの領域設定パターンに対応する推定器の学習を行う。すなわち、学習部2200は、着目領域設定パターンに従って設定された識別領域と、この識別領域について与えられた教師情報とに基づき、着目領域設定パターンに対応する推定器の学習を行う。この結果、学習部2200は、複数の領域設定パターンのそれぞれに対応する推定器を生成する。例えば、領域設定パターンのインデックスをqとし、領域設定パターンの総数をQとすると、学習によってQ種類の推定器yqを得ることができる。推定器の学習は実施形態1と同様に行うことができる。一例として、それぞれの推定器yqは、回帰関数fq(X)(q=1,……,Q)に従って混合状態の推定を行うことができる。学習により得られた推定器は、推定器記憶部5200に記憶される。 The learning unit 2200 performs learning of an estimator corresponding to each area setting pattern. That is, the learning unit 2200 performs learning of the estimator corresponding to the region of interest setting pattern based on the identification region set according to the region of interest setting pattern and the teacher information given for this identification region. As a result, the learning unit 2200 generates an estimator corresponding to each of the plurality of area setting patterns. For example, if the index of a region setting pattern is q and the total number of region setting patterns is Q, Q types of estimators yq can be obtained by learning. Learning of the estimator can be performed in the same manner as in the first embodiment. As an example, each estimator yq may perform mixed state estimation according to a regression function fq(X) (q=1,...,Q). The estimator obtained through learning is stored in the estimator storage unit 5200.

ステップS2300において評価部2400は、ステップS2200で得られた推定器の識別精度を、撮影情報とともに評価し、領域設定器を生成する。例えば、評価部2400は、教師情報及び撮影情報が関連付けられている検証画像を用いて、それぞれの推定器の識別精度を評価することができる。そして、評価部2400は、所定の撮影情報が関連付けられている識別画像の判定を行う際に良好な識別精度が得られるように、特定の撮影情報に対応する推定器を示す情報を生成することができる。 In step S2300, the evaluation unit 2400 evaluates the identification accuracy of the estimator obtained in step S2200 together with the imaging information, and generates a region setter. For example, the evaluation unit 2400 can evaluate the identification accuracy of each estimator using a verification image with which teacher information and photographic information are associated. Then, the evaluation unit 2400 generates information indicating an estimator corresponding to specific imaging information so that good identification accuracy can be obtained when determining an identification image associated with predetermined imaging information. I can do it.

撮影情報の中には、学習画像の画素ごとに得られる情報がある。また、撮影情報の組み合わせにより新たな撮影情報を得ることもできる。例えば、画素位置pにおけるレンズ面から被写体までの距離Z(p)と、光学系の焦点距離fと、が撮影情報として得られた場合、像倍率S(p)を算出することができる。

Figure 0007350208000002
Among the photographic information, there is information obtained for each pixel of the learning image. Furthermore, new photographic information can be obtained by combining photographic information. For example, if the distance Z(p) from the lens surface to the subject at the pixel position p and the focal length f of the optical system are obtained as photographic information, the image magnification S(p) can be calculated.
Figure 0007350208000002

また、光学系のF値、焦点距離f、撮影時の合焦距離Z、及び画素位置pにおける被写体までの距離Z(p)が撮影情報として得られた場合、各画素位置におけるボケ量B(p)を得ることができる。

Figure 0007350208000003
In addition, when the F value of the optical system, focal length f, focusing distance Z f at the time of shooting, and distance Z (p) to the subject at pixel position p are obtained as shooting information, the amount of blur B at each pixel position (p) can be obtained.
Figure 0007350208000003

さらに、RAW画像の各画素位置pにおける値r(p)、g(p)、及びb(p)、露出時間T、ゲインG、並びに絞り量Fが撮影情報として得られた場合、画素位置pにおける入射光量BV(p)の絶対値を得ることができる。

Figure 0007350208000004
Furthermore, if the values r(p), g(p), and b(p) at each pixel position p of the RAW image, the exposure time T, the gain G, and the aperture amount F are obtained as shooting information, then the pixel position p It is possible to obtain the absolute value of the incident light amount BV(p) at .
Figure 0007350208000004

以下、撮影情報として画素位置pにおけるボケ量B(p)を用いて、領域設定器を生成する場合について説明する。もっとも、用いる撮影情報はこれには限定されず、像倍率S(p)又は入射光量BV(p)等の他の撮影情報を用いてもよい。また、複数の撮影情報を組み合わせてもよく、例えばボケ量B(p)と入射光量BV(p)を組み合わせて用いてもよい。 Hereinafter, a case will be described in which a region setter is generated using the amount of blur B(p) at pixel position p as photographic information. However, the photographing information to be used is not limited to this, and other photographing information such as the image magnification S(p) or the amount of incident light BV(p) may be used. Further, a plurality of photographic information may be combined, for example, the amount of blur B(p) and the amount of incident light BV(p) may be used in combination.

まず、評価部2400は、ボケ量Bを複数のビンに区切り、領域設定パターンqに関するテーブルを生成する。この例では、ボケ量Bが2未満、2以上3未満、3以上4未満、4以上、の4つのビンに区切られている。また、領域設定パターンqとしては3×3、9×9、及び15×15の3種類が用いられており、3×4のテーブルが得られる。 First, the evaluation unit 2400 divides the amount of blur B into a plurality of bins and generates a table regarding the area setting pattern q. In this example, the blur amount B is divided into four bins: less than 2, 2 or more and less than 3, 3 or more and less than 4, and 4 or more. Furthermore, three types of area setting patterns q are used: 3×3, 9×9, and 15×15, and a 3×4 table is obtained.

次に、評価部2400は、確認データを確認データ記憶部5400から読み込む。確認データは、学習データと同様、複数の確認画像、それぞれの確認画像についてのクラスラベルデータ、及び撮影情報を含む。ここでは、確認画像の総枚数をNと表し、v番目の確認画像をI(v=1,……,N)と表す。 Next, evaluation section 2400 reads confirmation data from confirmation data storage section 5400. The confirmation data, like the learning data, includes a plurality of confirmation images, class label data for each confirmation image, and photographing information. Here, the total number of confirmation images is expressed as Nv , and the v-th confirmation image is expressed as Iv ( v =1,..., Nv ).

評価部2400は、領域設定パターンqのそれぞれに従って、確認画像中の識別単位となる領域iにおける特徴量を抽出し、対応する推定器に入力する。こうして、領域設定パターンqを用いた場合の確認画像Iν中の領域iの混合状態の推定値y(Xν )を得ることができる。このとき、混合状態教師情報c(ν,i)に対する二乗誤差は下記のように表すことができる。

Figure 0007350208000005
The evaluation unit 2400 extracts the feature amount in the region i that is the identification unit in the confirmation image according to each of the region setting patterns q, and inputs it to the corresponding estimator. In this way, it is possible to obtain the estimated value y q (X ν i ) of the mixing state of the region i in the confirmation image Iν when the region setting pattern q is used. At this time, the square error for the mixed state teacher information c q (ν, i) can be expressed as follows.
Figure 0007350208000005

また、ボケ量Bと領域設定パターンqとの組み合わせに対するビン(B,q)における二乗誤差平均MSE(B,q)は下記のように表される。

Figure 0007350208000006
ここでδ(ν,i)は、確認画像Iνの領域iの中心位置におけるボケ量がビンBの範囲内であるときに1、そうでないときに0を返すものとする。 Further, the mean square error MSE (B, q) in the bin (B, q) for the combination of the amount of blur B and the area setting pattern q is expressed as follows.
Figure 0007350208000006
Here, δ B (ν, i) returns 1 when the amount of blur at the center position of area i of confirmation image Iν is within the range of bin B, and returns 0 otherwise.

そして、ビン(B,q)に関する信頼度T(B,q)は、1から二乗平均平方根誤差を減じた値として定義できる。

Figure 0007350208000007
The reliability T(B, q) regarding the bin (B, q) can be defined as a value obtained by subtracting the root mean square error from 1.
Figure 0007350208000007

このようにして、評価部2400は、各ビン(B,q)に対する信頼度T(B,q)のテーブルを得ることができる。こうして得られたテーブルの例を下に示す。評価部2400は、このようにして得られたテーブルを、領域設定器として設定器記憶部5300に記憶する。

Figure 0007350208000008
In this way, the evaluation unit 2400 can obtain a table of reliability T(B, q) for each bin (B, q). An example of the table thus obtained is shown below. The evaluation unit 2400 stores the table obtained in this way in the setter storage unit 5300 as a region setter.
Figure 0007350208000008

本実施形態では、得られたテーブルが領域設定器として設定器記憶部5300に格納された。一方、評価部2400は、信頼度T(B,q)の値を教師情報として、ボケ量Bに対する信頼度Tを回帰値として出力する回帰関数g(B)を各領域設定パターンqに対して生成し、これを領域設定器として用いてもよい。 In this embodiment, the obtained table is stored in the setter storage unit 5300 as an area setter. On the other hand, the evaluation unit 2400 uses the value of the reliability T(B, q) as training information and calculates a regression function g q (B) that outputs the reliability T for the amount of blur B as a regression value for each area setting pattern q. It is also possible to generate a region using the same method and use it as a region setter.

このように得られた混合状態推定器及び領域設定器を用いて、入力画像の混合状態を推定する処理について、図2(E)のフローチャートを用いて説明する。ステップS1100において画像取得部1100は、撮像装置により得られた画像データと撮影情報とを取得する。 The process of estimating the mixture state of an input image using the mixture state estimator and region setter obtained in this way will be explained using the flowchart of FIG. 2(E). In step S1100, the image acquisition unit 1100 acquires image data and photographing information obtained by the imaging device.

ステップS1400において領域設定部1400は、設定器記憶部5300から領域設定器を読み込み、撮影情報に従って使用する領域設定パターンを決定する。例えば、領域設定部1400は、下式に従って、入力画像Iの各領域iに対して、撮影情報として得られたボケ量B(i)から得られる信頼度Tが最も大きくなる領域設定パターンqwinを選ぶことができる。なお、ボケ量B(i)は、入力画像Iの領域iの中心位置におけるボケ量を指す。具体的な処理は特に限定されないが、例えば、1つの領域設定パターンに従って入力画像Iを複数の領域に分割し、1つの領域を別の領域設定パターンに従って細分化した方が信頼度が高くなる場合に、この細分化を行うことができる。別の例としては、ボケ量が類似している領域を連結し、それぞれの連結領域についてボケ量に従う領域設定パターンを用いて領域分割を行うことができる。

Figure 0007350208000009
In step S1400, the area setting unit 1400 reads the area setting device from the setting device storage unit 5300, and determines the area setting pattern to be used according to the imaging information. For example, the area setting unit 1400 determines, for each area i of the input image I, an area setting pattern q win that maximizes the reliability T obtained from the amount of blur B(i) obtained as the shooting information, according to the following formula. You can choose. Note that the amount of blur B(i) refers to the amount of blur at the center position of area i of input image I. Although the specific processing is not particularly limited, for example, if the reliability is higher if the input image I is divided into multiple regions according to one region setting pattern and one region is subdivided according to another region setting pattern. This subdivision can be done in As another example, regions with similar amounts of blur can be connected, and each connected region can be divided into regions using a region setting pattern according to the amount of blur.
Figure 0007350208000009

ステップS1200において、推定部1200は、推定器記憶部5200から推定器を読み込み、入力画像の各位置における混合状態を推定する。具体的には、推定部1200は、各位置pにおいて設定された所定領域の画像の特徴量を抽出し、抽出された特徴量を推定器に入力することにより、この位置pにおける混合状態を推定することができる。ここで、各位置pについての所定領域は、ステップS1400で決定された領域設定パターンqwinに従って設定される。上述のように、本実施形態においては、複数の領域設定パターンのそれぞれに対応する推定器が生成されている。したがって、推定部1200は、ステップS1400で決定された領域設定パターンに従って複数の推定器から選択された推定器を用いることができる。例えば、位置pにおける推定器としてはyqwinが選択され、位置pにおける所定領域の混合状態の推定値は、yqwin(X)として得られる。図3(D)は、画像上の位置によって領域設定方法を変えた場合の例を示し、それぞれの矩形が推定器に入力される1つの領域を示す。 In step S1200, the estimation unit 1200 reads the estimator from the estimator storage unit 5200 and estimates the mixing state at each position of the input image. Specifically, the estimation unit 1200 estimates the mixing state at this position p by extracting the feature amount of the image of a predetermined region set at each position p and inputting the extracted feature amount to the estimator. can do. Here, the predetermined area for each position p is set according to the area setting pattern q win determined in step S1400. As described above, in this embodiment, estimators corresponding to each of a plurality of area setting patterns are generated. Therefore, the estimator 1200 can use an estimator selected from a plurality of estimators according to the region setting pattern determined in step S1400. For example, y qwin is selected as the estimator at position p, and the estimated value of the mixing state of the predetermined region at position p is obtained as y qwin (X i ). FIG. 3(D) shows an example in which the region setting method is changed depending on the position on the image, and each rectangle represents one region input to the estimator.

ステップS1300に係る処理は実施形態1と同様であるため、説明は省略する。本実施形態のように、撮影情報を利用して混合状態を推定する識別単位となる領域の設定方法を変ることにより、より誤差の少ない混合状態の推定を行うことができる。 The processing related to step S1300 is the same as that in the first embodiment, so a description thereof will be omitted. As in this embodiment, by changing the method of setting the area that is the identification unit for estimating the mixed state using photographic information, it is possible to estimate the mixed state with less error.

[実施形態4]
実施形態1~3では、識別単位となる所定領域における混合状態を推定した。実施形態4では、得られた混合状態の推定結果を用いて、領域を細分化することにより、詳細な領域分割結果を得る方法について説明する。学習装置及び画像処理装置の基本的な構成は実施形態1と同様であり、説明を省略する。
[Embodiment 4]
In Embodiments 1 to 3, the mixed state in a predetermined region serving as an identification unit was estimated. In the fourth embodiment, a method will be described in which a detailed region segmentation result is obtained by subdividing the region using the obtained mixed state estimation result. The basic configurations of the learning device and the image processing device are the same as those in Embodiment 1, and the description thereof will be omitted.

以下、学習時の処理について図2(A)のフローチャートに従って説明する。ステップS2100においてデータ取得部2100は、学習データ記憶部5100から、学習画像と混合状態の教師情報と学習データとして読み込む。 The processing during learning will be described below according to the flowchart of FIG. 2(A). In step S2100, the data acquisition unit 2100 reads the learning image, teacher information of the mixed state, and learning data from the learning data storage unit 5100.

ステップS2200で学習部2200は、実施形態3と同様の処理を行う。すなわち、識別単位としては様々な大きさの領域が用意される。例えば、複数の領域設定パターンのそれぞれに従って、1×1、3×3、9×9、及び15×15等、異なるサイズの矩形領域を複数パターン用意することができる。そして、学習部2200は、それぞれの領域サイズに対応する推定器の学習を、実施形態3と同様にそれぞれの領域サイズについて得られた混合状態の教師情報を用いて行うことができる。すなわち、領域サイズのインデックスをqとし、領域サイズの総数をQとすると、学習によってQ種類の推定器yq(q=1,……,Q)を得る事ができる。一例として、それぞれの推定器yqは、回帰関数fq(X)に従って混合状態の推定を行うことができる。学習により得られた推定器yqは、推定器記憶部5200に書きこまれる。 In step S2200, the learning unit 2200 performs the same process as in the third embodiment. That is, areas of various sizes are prepared as identification units. For example, a plurality of patterns of rectangular areas of different sizes such as 1×1, 3×3, 9×9, and 15×15 can be prepared according to each of the plurality of area setting patterns. Then, the learning unit 2200 can perform learning of the estimator corresponding to each region size using the teacher information of the mixed state obtained for each region size, similarly to the third embodiment. That is, if the region size index is q and the total number of region sizes is Q, Q types of estimators yq (q=1, . . . , Q) can be obtained by learning. As an example, each estimator yq may perform mixed state estimation according to a regression function fq(X). The estimator yq obtained through learning is written into the estimator storage section 5200.

次に、判定時の処理に関して、図2(F)のフローチャートに従って説明する。ステップS1100において、画像取得部1100は入力画像を取得する。ステップS1200において、推定部1200は、推定器を用いて入力画像中の所定領域における混合状態を推定する。ここで、推定部1200は、複数の領域設定パターンのうちの第1の領域設定パターンを用いて領域設定を行う。すなわち、推定部1200は、第1の領域設定パターンに従う大きさの第1の対象画像について混合状態を判定する。本実施形態において、識別単位としては、Q種類の領域サイズのうち最も大きいサイズが用いられる。前述の例では、識別単位として15×15pixelが選択され、また推定器としては15×15pixelに対応する推定器が用いられる。 Next, the process at the time of determination will be explained according to the flowchart of FIG. 2(F). In step S1100, the image acquisition unit 1100 acquires an input image. In step S1200, the estimator 1200 estimates the mixing state in a predetermined region in the input image using an estimator. Here, the estimation unit 1200 performs region setting using the first region setting pattern among the plurality of region setting patterns. That is, the estimation unit 1200 determines the mixing state of the first target image having the size according to the first area setting pattern. In this embodiment, the largest size among the Q types of area sizes is used as the identification unit. In the above example, 15×15 pixels are selected as the identification unit, and an estimator corresponding to 15×15 pixels is used as the estimator.

そして、推定部1200は、入力画像の第1の部分にある第1の対象画像について推定された混合状態を示す情報に従って、第1の部分の混合状態を再判定するか否かを判定する。例えば、推定部1200は、混合状態の推定を行った所定領域について混合状態の再判定を行うか否かを判定する。例えば、推定部1200は、クラス純度が閾値以上である領域については、このクラス推定結果を採用する。 Then, the estimating unit 1200 determines whether to re-determine the mixing state of the first portion according to information indicating the estimated mixing state of the first target image in the first portion of the input image. For example, the estimating unit 1200 determines whether or not to re-determine the mixed state of a predetermined region in which the mixed state has been estimated. For example, the estimation unit 1200 employs this class estimation result for a region where the class purity is equal to or higher than the threshold value.

一方、推定部1200は、クラス純度が閾値よりも低い領域については、この領域について混合状態の再判定を行う。再判定を行うとの判定に応じて、推定部1200は、第1の部分にある、第2の領域設定パターンに従う大きさの第2の対象画像の混合状態を示す情報を出力する。ここで、第2の対象画像は第1の対象画像よりも小さい。すなわち、推定部1200は、クラス純度が閾値よりも低い領域について、より小さい識別単位に従って領域を再分割し、再分割された領域のそれぞれについて、再び推定器を用いて混合状態の推定を行う。推定部1200は、例えば、一段階小さい領域サイズを用いて再分割を行うことができる。上述のように、本実施形態においては、複数の領域設定パターンのそれぞれに対応する推定器が生成されている。したがって、推定部1200は、再分割に用いた領域設定パターンに従って複数の推定器から選択された推定器を用いることができる。 On the other hand, the estimation unit 1200 re-determines the mixed state of a region where the class purity is lower than the threshold value. In response to the determination to perform re-determination, the estimating unit 1200 outputs information indicating the mixed state of the second target image in the first portion and having a size according to the second area setting pattern. Here, the second target image is smaller than the first target image. That is, the estimating unit 1200 re-divides the region in accordance with smaller identification units for the region where the class purity is lower than the threshold, and estimates the mixed state of each of the re-divided regions using the estimator again. For example, the estimation unit 1200 can perform re-division using a region size that is one step smaller. As described above, in this embodiment, estimators corresponding to each of a plurality of area setting patterns are generated. Therefore, the estimation unit 1200 can use an estimator selected from a plurality of estimators according to the region setting pattern used for re-segmentation.

ここで、クラス純度とは、領域内における同一クラスラベルが割り振られている画素の割合を示す。例えば、実施形態1に示した面積比rの値が0.8以上又は0.2以下である場合に、クラス純度が高いと定義することができる。図7に示すマップを用いる場合、p1≧0.9かつp2≦0.8の場合にクラス純度が高いと定義することもできる。 Here, class purity indicates the ratio of pixels to which the same class label is assigned within a region. For example, when the value of the area ratio r shown in Embodiment 1 is 0.8 or more or 0.2 or less, it can be defined that the class purity is high. When using the map shown in FIG. 7, class purity can also be defined as high when p1≧0.9 and p2≦0.8.

このように、クラス純度が低い領域については細分化及び混合状態の再推定を行うことにより、詳細な領域分割を行うことができる。領域が細分化できなくなるか、すべての領域のクラス純度が閾値以上になると、処理はステップS1300へと進むことができる。ステップS1300における処理は実施形態1と同様であるため、説明は省略する。このようにして得られた詳細な領域分割結果は、領域別のトーンマッピング又はホワイトバランス調整等の高画質化処理に利用することができる。 In this way, detailed region segmentation can be performed by subdividing regions with low class purity and re-estimating the mixing state. If the region cannot be subdivided or the class purity of all regions exceeds the threshold, the process can proceed to step S1300. The processing in step S1300 is the same as that in the first embodiment, so a description thereof will be omitted. The detailed region division results obtained in this way can be used for high image quality processing such as tone mapping or white balance adjustment for each region.

[実施形態5]
実施形態4では、識別単位を細分化していくことによって詳細な領域分割結果を算出したが、領域分割の方法はこの方法には限定されない。実施形態5では、各領域についての混合状態の推定結果を利用して、画素単位のクラス判定を行うことにより、詳細な領域分割結果を得る方法について説明する。
[Embodiment 5]
In the fourth embodiment, detailed region division results are calculated by subdividing the identification unit, but the method of region division is not limited to this method. In the fifth embodiment, a method will be described in which detailed region segmentation results are obtained by performing class determination on a pixel-by-pixel basis using the mixed state estimation results for each region.

本実施形態に係る画像処理装置の基本構成を図1(F)に示す。画像取得部1100及び推定部1200の機能は実施形態1と同様であるため説明を省略する。判定部1500は、対象画像の各画素の属性を判定する。判定部1500は、評価値に基づいて各画素の属性を決定し、この評価値が示す評価は、各画素の属性に基づいて計算される混合状態を示す情報と、推定部1200により得られた混合状態を示す情報と、の類似度が大きいほど高くなる。本実施形態においては、判定部1500は、混合状態推定結果及び画像情報に基づいて、入力画像の各画素のクラスラベルを推定する。出力部1300は、入力画像の各画素について推定されたクラスラベルを示す情報を出力する。 The basic configuration of the image processing device according to this embodiment is shown in FIG. 1(F). The functions of the image acquisition unit 1100 and the estimation unit 1200 are the same as those in the first embodiment, so the description thereof will be omitted. The determination unit 1500 determines the attribute of each pixel of the target image. The determination unit 1500 determines the attribute of each pixel based on the evaluation value, and the evaluation indicated by this evaluation value is determined based on the information indicating the mixed state calculated based on the attribute of each pixel and the information obtained by the estimation unit 1200. The greater the similarity between the information indicating the mixed state and the information indicating the mixed state, the higher the similarity. In this embodiment, the determination unit 1500 estimates the class label of each pixel of the input image based on the mixture state estimation result and image information. The output unit 1300 outputs information indicating the class label estimated for each pixel of the input image.

本実施形態に係る判定処理の詳細を図2(G)に従って説明する。ステップS1100及びS1200における処理は、実施形態1と同様であるため説明を省略する。ステップS1500において判定部1500は、ステップS1200にて推定された各領域の混合状態を利用して、入力画像の各画素についてクラスを推定する。例えば、推定された各画素のクラスに従って求められる混合状態が、ステップS1200にて推定された混合状態に近くなるように、各画素のクラスの推定を行うことができる。各画素のクラスの推定には、さらに各画素の色情報を用いて、例えば同じクラスに属する画素の色が類似するように、又は異なるクラスに属する画素の色が類似しないように、行うことができる。 Details of the determination process according to this embodiment will be explained with reference to FIG. 2(G). The processing in steps S1100 and S1200 is the same as that in the first embodiment, so the description thereof will be omitted. In step S1500, the determination unit 1500 estimates the class for each pixel of the input image using the mixed state of each region estimated in step S1200. For example, the class of each pixel can be estimated so that the mixed state obtained according to the estimated class of each pixel is close to the mixed state estimated in step S1200. The class of each pixel can be estimated using the color information of each pixel, for example, so that the colors of pixels belonging to the same class are similar, or the colors of pixels belonging to different classes are dissimilar. can.

入力画像の各画素のクラスを推定する方法の一例として、CRF(Conditional Random Field、条件付き確率場)のような繰り返し処理を利用する場合について以下説明する。CRFは、複数のノードからなるグラフに対して、対となるノード間の類似度によるpairwise potentialと、各ノードの持つunary potentialを考慮して、各ノードの状態を安定した状態まで逐次推移させていく方法である。画像の画素判別にCRFを使う場合は、各ノードが画像の各画素に対応するCRFモデルを使うことができる。 As an example of a method for estimating the class of each pixel of an input image, a case will be described below in which repetitive processing such as CRF (Conditional Random Field) is used. CRF sequentially transitions the state of each node to a stable state for a graph consisting of multiple nodes, taking into account the pairwise potential based on the similarity between paired nodes and the unary potential of each node. This is the way to go. When using CRF to discriminate pixels of an image, a CRF model can be used in which each node corresponds to each pixel of the image.

入力画像I上の画素iのクラスラベルciの条件付き確率は、下式で表すことができる。

Figure 0007350208000010
ここで、右辺第一項のψはunary potential、右辺第二項のφはpairwise potentialを表す。θψ及びθφはそれぞれのパラメータであり、後述する学習処理において算出される。εは、画素iの近傍画素の集合である。gijは画素iと画素jとの相互関係を表す関数であり、Zは正規化項である。判定部1500は、このモデル式に従って各画素のクラスラベルを更新していくことによって、画像全体のポテンシャルが高い状態へと判定結果を収束させていく。 The conditional probability of class label ci of pixel i on input image I can be expressed by the following formula.
Figure 0007350208000010
Here, ψ in the first term on the right side represents a unary potential, and φ in the second term on the right side represents a pairwise potential. θ ψ and θ φ are respective parameters, and are calculated in a learning process described later. ε i is a set of neighboring pixels of pixel i. g ij is a function representing the mutual relationship between pixel i and pixel j, and Z is a normalization term. The determination unit 1500 updates the class label of each pixel according to this model formula, thereby converging the determination results to a state where the potential of the entire image is high.

pairwise potentialは下式で表すことができる。

Figure 0007350208000011
ここで、x及びxはそれぞれ画素i及び画素jの色情報であり、RGB値を持つ3次元ベクトルで表わされる。βはユーザの定義するハイパーパラメータであって、β=1などと設定することができる。このように、pairwise potentialは、時刻tにおいて違うクラスに属する画素の色が類似する場合に評価が低くなるように設定することができる。 The pairwise potential can be expressed by the following formula.
Figure 0007350208000011
Here, x i and x j are color information of pixel i and pixel j, respectively, and are represented by three-dimensional vectors having RGB values. β is a hyperparameter defined by the user, and can be set as β=1. In this way, the pairwise potential can be set so that the evaluation becomes low when the colors of pixels belonging to different classes at time t are similar.

unary potentialは下記で表すことができる。

Figure 0007350208000012
ここでy(X)は、画素位置iにおけるクラスcに関する混合状態推定値である。y(X)は、画素位置iが含まれる所定領域について推定部1200が推定した混合状態に基づいて算出することができ、例えば所定領域内における、クラスcの面積比、エッジ画素率、又はクラスラベル配置パターン等でありうる。このように、unary potentialは、時刻tにおいて各画素の属性に基づいて計算される混合状態と、推定部1200により得られた混合状態と、の類似度が大きいほど評価が高くなる。 The unary potential can be expressed as below.
Figure 0007350208000012
Here y c (X i ) is the mixed state estimate for class c at pixel location i. y c (X i ) can be calculated based on the mixture state estimated by the estimation unit 1200 for a predetermined region including pixel position i, and for example, the area ratio of class c, edge pixel ratio, Alternatively, it may be a class label arrangement pattern, etc. In this way, the evaluation of the unary potential becomes higher as the degree of similarity between the mixed state calculated based on the attributes of each pixel at time t and the mixed state obtained by the estimation unit 1200 is greater.

(t)は、CRFに従って画素単位のクラスラベルが遷移していったときの、時刻tにおける、画素iが含まれる所定領域のクラスcの混合状態である。L (t)は、推定部1200が推定する混合状態と同種の情報であり、推定部1200が時刻tにおいて所定領域内の各画素について推定されているクラスを参照して算出できる。実施形態1で説明した混合状態の例に従って、以下に具体的な例を挙げる。例えば、遷移途中の時刻tにおいて、画素iが含まれる所定領域内におけるクラスラベルcが割り当てられている画素をカウントすることにより、クラスcの面積比r(t)を求めることができる。また、所定領域内におけるクラスラベルの配置に従ってエッジ画素を抽出してカウントすることにより、エッジ画素率e(t)を求めることができる。さらに、所定領域内におけるクラスラベルの配置を、図7に示されるマップのどれに最も近いかを判定することにより、クラスラベル配置パターンp(t)を求めることができる。実施形態1で説明したように、L (t)は、これら時刻tにおける混合状態の組み合わせによって表すこともできる。 L i c (t) is the mixed state of class c in a predetermined area including pixel i at time t when the class label of each pixel changes according to the CRF. L i c (t) is the same type of information as the mixed state estimated by the estimation unit 1200, and can be calculated by the estimation unit 1200 with reference to the class estimated for each pixel in the predetermined area at time t. A specific example will be given below according to the example of the mixed state described in Embodiment 1. For example, at time t during the transition, the area ratio r(t) of class c can be determined by counting the pixels to which class label c is assigned within a predetermined region including pixel i. Further, by extracting and counting edge pixels according to the arrangement of class labels within a predetermined region, the edge pixel ratio e(t) can be determined. Further, by determining which of the maps shown in FIG. 7 the class label arrangement within the predetermined area is closest to, the class label arrangement pattern p(t) can be determined. As described in the first embodiment, L i c (t) can also be expressed by a combination of these mixed states at time t.

このように、推移中の時刻tにおける画素レベルでのクラスラベル配置に基づいて決定された時刻tにおける所定領域内の混合状態と、所定領域についての混合状態推定値と、の類似度を、unary potentialとして表現することができる。具体的には、時刻tにおける所定領域内の混合状態と、所定領域についての混合状態推定値と、の類似度が大きいほど評価が高くなるように、unary potentialを表現することができる。 In this way, the degree of similarity between the mixed state in a predetermined region at time t determined based on the class label arrangement at the pixel level at time t during transition and the mixed state estimated value for the predetermined region is calculated as unary It can be expressed as potential. Specifically, the unary potential can be expressed such that the greater the similarity between the mixed state within the predetermined region at time t and the estimated mixed state value for the predetermined region, the higher the evaluation.

本実施形態における学習処理について、図2(A)に従って説明する。ステップS2100でデータ取得部2100は、学習画像と教師データとを取得する。ステップS2200で学習部2200は、実施形態1と同様に推定器の学習を行う。また、学習部2200は、入力画像の各画素のクラスを推定する際に用いるパラメータ(例えば上述のθψ及びθφ)の値を決定する。学習部2200は、複数の学習画像と、学習画像の各画素のクラスを示すクラスラベルのデータを用いて、この処理を行うことができる。クラスラベルのデータとしては、例えば、実施形態2に従って図9(C)のように作成されたものを用いることができる。本実施形態において学習部2200は、全学習画像に対するポテンシャルが最大となるようにθψ及びθφの値を算出することができる。すなわち、下式をそれぞれ最大化するθψとθφの値を、勾配法等によって求めることができる。

Figure 0007350208000013
The learning process in this embodiment will be explained with reference to FIG. 2(A). In step S2100, the data acquisition unit 2100 acquires a learning image and teacher data. In step S2200, the learning unit 2200 performs estimator learning similarly to the first embodiment. Further, the learning unit 2200 determines the values of parameters (for example, θ ψ and θ φ described above) used when estimating the class of each pixel of the input image. The learning unit 2200 can perform this process using a plurality of learning images and class label data indicating the class of each pixel in the learning images. As the class label data, for example, data created as shown in FIG. 9C according to the second embodiment can be used. In this embodiment, the learning unit 2200 can calculate the values of θ ψ and θ φ so that the potential for all learning images is maximized. That is, the values of θ ψ and θ φ that maximize the following expressions can be found by the gradient method or the like.
Figure 0007350208000013

学習部2200は、得られたパラメータを、推定器とともに推定器記憶部5200に格納する。本実施形態ではθψ及びθφの値が推定器記憶部5200に記憶され、判定部1500によって上述のように用いられる。こうして得られた画素ごとのクラスラベルのデータは、実施形態4と同様にして、領域ごとに高画質化処理を行う場合等に利用することができる。 The learning unit 2200 stores the obtained parameters together with the estimator in the estimator storage unit 5200. In this embodiment, the values of θ ψ and θ φ are stored in the estimator storage unit 5200 and used by the determination unit 1500 as described above. The class label data for each pixel obtained in this way can be used when performing image quality enhancement processing for each area, as in the fourth embodiment.

混合状態の推定結果を利用して画素単位のクラス判定を行う方法は、上記の方法には限定されない。例えば、実施形態2と同様に、クラスが確定している領域を用いて求められた各クラスの混合ガウス分布と、上記の混合状態の類似度と、に基づいて、画素単位のクラス判定を行うこともできる。 The method of performing pixel-by-pixel class determination using the mixed state estimation result is not limited to the above method. For example, as in Embodiment 2, pixel-by-pixel class determination is performed based on the Gaussian mixture distribution of each class obtained using a region where the class has been determined and the similarity of the mixture state described above. You can also do that.

本実施形態に係る処理は、混合状態として、面積比、エッジ画素率、及びクラスラベル配置パターンのいずれを用いても可能であるし、利用可能な混合状態がこれらに限られるわけでもない。また、複数の表現を組み合わせて表現された混合状態を用いることにより、判定精度を向上させることができる。例えば、面積比に加えてエッジ画素率を用いることにより、建物と空との境界のように輪郭が単純な場合と、枝と空との境界のように輪郭が複雑な場合と、を区別することが可能となる。 The processing according to this embodiment can be performed using any of the area ratio, edge pixel ratio, and class label arrangement pattern as the mixed state, and the usable mixed states are not limited to these. Further, by using a mixed state expressed by combining a plurality of expressions, it is possible to improve the determination accuracy. For example, by using the edge pixel ratio in addition to the area ratio, we can distinguish between cases where the contour is simple, such as the boundary between a building and the sky, and cases where the contour is complex, such as the boundary between a branch and the sky. becomes possible.

本実施形態において、混合状態を示す情報は推定部1200の処理により得られた。しかしながら、判定部1500は、異なる方法により得られた混合状態を示す情報を取得し、同様の方法で各画素の属性を判定することもできる。 In the present embodiment, information indicating the mixed state is obtained through processing by the estimation unit 1200. However, the determination unit 1500 can also acquire information indicating a mixed state obtained by a different method and determine the attribute of each pixel using a similar method.

(その他の実施例)
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。
(Other examples)
The present invention provides a system or device with a program that implements one or more of the functions of the embodiments described above via a network or a storage medium, and one or more processors in the computer of the system or device reads and executes the program. This can also be achieved by processing. It can also be realized by a circuit (for example, ASIC) that realizes one or more functions.

1100:画像取得部、1200:推定部、1300:出力部、1400:領域設定部、1500:判定部、2100:データ取得部、2200:学習部、2300:詳細化部 1100: Image acquisition unit, 1200: Estimation unit, 1300: Output unit, 1400: Area setting unit, 1500: Determination unit, 2100: Data acquisition unit, 2200: Learning unit, 2300: Detailing unit

Claims (14)

入力画像を取得する取得手段と、 an acquisition means for acquiring an input image;
前記入力画像から特徴を抽出する抽出手段と、 extraction means for extracting features from the input image;
前記抽出手段で抽出された前記特徴が入力されると、前記入力画像における特定のクラスに属する領域の面積に対応する情報を推定する推定手段と、を備え、 an estimating means for estimating information corresponding to the area of a region belonging to a specific class in the input image when the feature extracted by the extracting means is input;
前記推定手段は、学習画像を使用して学習されたパラメータを用いて推定することを特徴とする、画像処理装置。 The image processing apparatus is characterized in that the estimation means performs estimation using parameters learned using learning images.
前記推定手段は、前記特定のクラスに属する領域の比率を特定する情報を出力することを特徴とする、請求項1に記載の画像処理装置。 The image processing apparatus according to claim 1, wherein the estimating means outputs information specifying a ratio of regions belonging to the specific class. 前記推定手段による推定結果に基づいて、撮像手段による撮像を制御する制御手段をさらに備えることを特徴とする、請求項1に記載の画像処理装置。 The image processing apparatus according to claim 1, further comprising a control unit that controls imaging by the imaging unit based on the estimation result by the estimation unit. 前記制御手段は、前記推定手段による推定結果に基づいて、露出、フォーカス、又はホワイトバランスに関して、前記撮像手段による前記撮像を制御することを特徴とする請求項3に記載の画像処理装置。 4. The image processing apparatus according to claim 3, wherein the control means controls the imaging by the imaging means with respect to exposure, focus, or white balance based on the estimation result by the estimation means. 前記推定手段によって推定された前記比率は、(1)前記特定のクラスに属する前記領域の画素数の、(2)前記入力画像の全画素数に対する比率であることを特徴とする請求項2に記載の画像処理装置。 3. The ratio estimated by the estimation means is a ratio of (1) the number of pixels of the region belonging to the specific class to (2) the total number of pixels of the input image. The image processing device described. 前記入力画像は、撮像手段によって撮像された全体画像のうちの部分画像であることを特徴とする請求項1に記載の画像処理装置。 The image processing apparatus according to claim 1, wherein the input image is a partial image of the entire image captured by an imaging means. 前記部分画像を対象に、前記推定手段が推定した結果を統合して、前記撮像手段による撮像を制御する制御手段をさらに備えることを特徴とする請求項6に記載の画像処理装置。 7. The image processing apparatus according to claim 6, further comprising a control unit that integrates the results estimated by the estimation unit for the partial image and controls imaging by the imaging unit. 前記推定手段は、(a)学習画像から抽出された特徴、及び(b)前記学習画像において特定のクラスに属する領域の面積に対応する情報を表す教師情報に基づいて学習されたパラメータを有し、 The estimation means has parameters learned based on (a) features extracted from the learning image, and (b) teacher information representing information corresponding to an area of a region belonging to a specific class in the learning image. ,
前記教師情報が、前記学習画像において前記特定のクラスに属する複数の領域の合計領域面積に対応する情報を表すことを特徴とする請求項1に記載の画像処理装置。 The image processing apparatus according to claim 1, wherein the teacher information represents information corresponding to a total area of a plurality of areas belonging to the specific class in the learning image.
入力画像を分割した分割画像を取得する取得手段と、 acquisition means for acquiring divided images obtained by dividing the input image;
前記分割画像から特徴を抽出する抽出手段と、 Extracting means for extracting features from the divided images;
前記抽出手段で抽出された前記特徴が入力されると、前記分割画像における特定のクラスに属する領域の面積に対応する情報を推定する推定手段と、を備え、 an estimating means for estimating information corresponding to an area of a region belonging to a specific class in the divided image when the feature extracted by the extracting means is input;
前記推定手段は、学習画像を使用して学習されたパラメータを用いて推定することを特徴とする、画像処理装置。 The image processing apparatus is characterized in that the estimation means performs estimation using parameters learned using learning images.
前記推定手段は、前記特定のクラスに属する領域の比率を特定する情報を出力することを特徴とする、請求項1に記載の画像処理装置。 The image processing apparatus according to claim 1, wherein the estimating means outputs information specifying a ratio of regions belonging to the specific class. 前記推定手段による推定結果に基づいて、撮像手段による撮像を制御する制御手段をさらに備えることを特徴とする、請求項9に記載の画像処理装置。 The image processing apparatus according to claim 9, further comprising a control means for controlling imaging by the imaging means based on the estimation result by the estimation means. 入力画像を取得する取得工程と、 an acquisition step of acquiring an input image;
前記入力画像から特徴を抽出する抽出工程と、 an extraction step of extracting features from the input image;
前記抽出工程で抽出された前記特徴が入力されると、前記入力画像における特定のクラスに属する領域の面積に対応する情報を推定する推定工程と、を備え、 an estimation step of estimating information corresponding to the area of a region belonging to a specific class in the input image when the feature extracted in the extraction step is input;
前記推定工程では、学習画像を使用して学習されたパラメータを用いて推定することを特徴とする、画像処理方法。 An image processing method, wherein in the estimation step, estimation is performed using parameters learned using a learning image.
入力画像を分割した分割画像を取得する取得工程と、 an acquisition step of acquiring divided images obtained by dividing the input image;
前記分割画像から特徴を抽出する抽出工程と、 an extraction step of extracting features from the divided images;
前記抽出工程で抽出された前記特徴が入力されると、前記分割画像における特定のクラスに属する領域の面積に対応する情報を推定する推定工程と、を備え、 an estimation step of estimating information corresponding to an area of a region belonging to a specific class in the divided image when the feature extracted in the extraction step is input;
前記推定工程では、学習画像を使用して学習されたパラメータを用いて推定することを特徴とする、画像処理方法。 An image processing method, wherein in the estimation step, estimation is performed using parameters learned using a learning image.
コンピュータを、請求項1から11のいずれか1項に記載の画像処理装置として動作させるためのプログラム。 A program for causing a computer to operate as the image processing apparatus according to claim 1.
JP2023099538A 2017-07-05 2023-06-16 Image processing device, image processing method, and program Active JP7350208B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023099538A JP7350208B2 (en) 2017-07-05 2023-06-16 Image processing device, image processing method, and program

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017132259A JP7026456B2 (en) 2017-07-05 2017-07-05 Image processing device, learning device, focus control device, exposure control device, image processing method, learning method, and program
JP2022022303A JP7300027B2 (en) 2017-07-05 2022-02-16 Image processing device, image processing method, learning device, learning method, and program
JP2023099538A JP7350208B2 (en) 2017-07-05 2023-06-16 Image processing device, image processing method, and program

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2022022303A Division JP7300027B2 (en) 2017-07-05 2022-02-16 Image processing device, image processing method, learning device, learning method, and program

Publications (2)

Publication Number Publication Date
JP2023115104A JP2023115104A (en) 2023-08-18
JP7350208B2 true JP7350208B2 (en) 2023-09-25

Family

ID=86900720

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2022022303A Active JP7300027B2 (en) 2017-07-05 2022-02-16 Image processing device, image processing method, learning device, learning method, and program
JP2023099538A Active JP7350208B2 (en) 2017-07-05 2023-06-16 Image processing device, image processing method, and program

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2022022303A Active JP7300027B2 (en) 2017-07-05 2022-02-16 Image processing device, image processing method, learning device, learning method, and program

Country Status (1)

Country Link
JP (2) JP7300027B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116193682B (en) * 2023-04-19 2023-07-04 江西惜能照明有限公司 Classroom lighting lamp control method and device
CN117349027B (en) * 2023-12-04 2024-02-23 环球数科集团有限公司 Multi-mode large model construction system and method for reducing calculation force demand

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110224542A1 (en) 2010-03-12 2011-09-15 Sushil Mittal Method and System for Automatic Detection and Classification of Coronary Stenoses in Cardiac CT Volumes
JP2013257843A (en) 2012-06-14 2013-12-26 Canon Inc Image processing apparatus, image processing method, program, and storage medium
KR20150018759A (en) 2014-12-29 2015-02-24 재단법인 아산사회복지재단 Automatic calorie caculation method using food image and feeding behavior managing system using thereof
JP2015207212A (en) 2014-04-22 2015-11-19 サクサ株式会社 Vehicle detection device and system, and program
JP2015215372A (en) 2014-05-07 2015-12-03 キヤノン株式会社 Focus adjustment unit, control method therefor, control program therefor, and storage medium
JP2017117019A (en) 2015-12-21 2017-06-29 キヤノン株式会社 Image processing device, image processing method, and program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110224542A1 (en) 2010-03-12 2011-09-15 Sushil Mittal Method and System for Automatic Detection and Classification of Coronary Stenoses in Cardiac CT Volumes
JP2013257843A (en) 2012-06-14 2013-12-26 Canon Inc Image processing apparatus, image processing method, program, and storage medium
JP2015207212A (en) 2014-04-22 2015-11-19 サクサ株式会社 Vehicle detection device and system, and program
JP2015215372A (en) 2014-05-07 2015-12-03 キヤノン株式会社 Focus adjustment unit, control method therefor, control program therefor, and storage medium
KR20150018759A (en) 2014-12-29 2015-02-24 재단법인 아산사회복지재단 Automatic calorie caculation method using food image and feeding behavior managing system using thereof
JP2017117019A (en) 2015-12-21 2017-06-29 キヤノン株式会社 Image processing device, image processing method, and program

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
北本朝展他,ミクセル密度を含む混合密度推定を用いたミクセルの面積占有率推定,電子情報通信学会論文誌,日本,社団法人電子情報通信学会,1998年06月25日,第J81-D-II巻 第6号,pp.1160-1172

Also Published As

Publication number Publication date
JP2022068282A (en) 2022-05-09
JP7300027B2 (en) 2023-06-28
JP2023115104A (en) 2023-08-18

Similar Documents

Publication Publication Date Title
JP7026456B2 (en) Image processing device, learning device, focus control device, exposure control device, image processing method, learning method, and program
CN108182441B (en) Parallel multichannel convolutional neural network, construction method and image feature extraction method
JP7350208B2 (en) Image processing device, image processing method, and program
JP7417555B2 (en) Human body pose analysis system and method
JP6664163B2 (en) Image identification method, image identification device, and program
CN107273905B (en) Target active contour tracking method combined with motion information
JP6192271B2 (en) Image processing apparatus, image processing method, and program
JP6497579B2 (en) Image composition system, image composition method, image composition program
JP6397379B2 (en) CHANGE AREA DETECTION DEVICE, METHOD, AND PROGRAM
CN107944403B (en) Method and device for detecting pedestrian attribute in image
JP7142420B2 (en) Image processing device, learning method, trained model, image processing method
CN106157330B (en) Visual tracking method based on target joint appearance model
CN107767358B (en) Method and device for determining ambiguity of object in image
CN114565675B (en) Method for removing dynamic feature points at front end of visual SLAM
CN107622280B (en) Modularized processing mode image saliency detection method based on scene classification
CN111488766A (en) Target detection method and device
CN112329662B (en) Multi-view saliency estimation method based on unsupervised learning
Schulz et al. Object-class segmentation using deep convolutional neural networks
CN108154107B (en) Method for determining scene category to which remote sensing image belongs
CN114724190A (en) Mood recognition method based on pet posture
Poma et al. Improving edge detection in RGB images by adding NIR channel
Riaz et al. Visibility restoration using generalized haze-lines
JP2017207960A (en) Image analysis device, image analysis method, and program
WO2012005242A1 (en) Image processing device and image segmenting method
Shende et al. Layout detection using computer vision

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230718

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230718

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20230718

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: 20230814

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230912

R151 Written notification of patent or utility model registration

Ref document number: 7350208

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151