JP7446797B2 - 画像処理装置、撮像装置、画像処理方法およびプログラム - Google Patents
画像処理装置、撮像装置、画像処理方法およびプログラム Download PDFInfo
- Publication number
- JP7446797B2 JP7446797B2 JP2019218950A JP2019218950A JP7446797B2 JP 7446797 B2 JP7446797 B2 JP 7446797B2 JP 2019218950 A JP2019218950 A JP 2019218950A JP 2019218950 A JP2019218950 A JP 2019218950A JP 7446797 B2 JP7446797 B2 JP 7446797B2
- Authority
- JP
- Japan
- Prior art keywords
- inference
- image
- parameter
- image processing
- inference parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 118
- 238000003384 imaging method Methods 0.000 title claims description 108
- 238000003672 processing method Methods 0.000 title claims description 3
- 238000000034 method Methods 0.000 claims description 49
- 238000013528 artificial neural network Methods 0.000 claims description 42
- 230000006866 deterioration Effects 0.000 claims description 30
- 238000012937 correction Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 2
- 230000015556 catabolic process Effects 0.000 description 35
- 238000006731 degradation reaction Methods 0.000 description 35
- 238000011156 evaluation Methods 0.000 description 23
- 230000035945 sensitivity Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Studio Devices (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Description
図1は、画像処理装置100の構成例を示すブロック図である。画像処理装置100は、RAW復号部101、メタデータ取得部102、劣化復元処理部103および推論パラメータ決定部104を含む。画像処理装置100は、撮像部(撮像手段)を有する撮像装置(以下、カメラ)に内蔵されるものとして説明するが、画像処理装置100は他の任意の装置(例えば、情報処理装置、復号装置)に適用されてもよい。画像処理装置100は、プロセッサおよびメモリを有していてもよい。この場合、メモリに記憶されているプログラムをプロセッサが実行することにより、各実施形態の処理が実現されてもよい。また、画像処理装置100は、所定のプログラミング回路で実現されてもよい。後述する劣化復元処理部103による推論処理は、例えば、グラフィックス・プロセッシング・ユニットにより実行されてもよい。
次に、第2実施形態について説明する。第2実施形態の画像処理装置100は、撮像条件に起因するノイズを考慮した符号化劣化の復元を行う例である。一般的に、高感度撮像したRAW画像は、画素値の増幅と共にノイズ成分(高周波成分)も増幅されるため、空間周波数が高まる。高感度画像と低感度画像とでは、空間周波数の分布が大きく異なる。従って、高感度画像と低感度画像とを、同一の推論パラメータが適用されたニューラルネットワークに対して入力したとしても、高い復元効果を得ることは難しい。画像の復元効果を向上させるためには、ノイズに影響する撮像条件に応じた学習用画像を用いて個別的に学習を行い、推論パラメータを最適化することが望ましい。第2実施形態の画像処理装置は、撮像感度を表すISO値に応じて最適化した推論パラメータを適用して符号化劣化の復元を行う。
「T2=T1×(復元対象RAW画像の画素ピッチ/学習用画像の画素ピッチ)2」
次に、第3実施形態について説明する。第3実施形態の画像処理装置100は、被写界深度の範囲外に生みだされるボケを考慮した符号化劣化の復元を行う。一般的に、被写体までの距離が同一の場合、焦点距離を長く、絞り値を小さく設定して撮像した方が被写界深度は浅くなるため、ボケが発生しやすい。ボケが発生する画像とボケが発生しない画像とでは、同じ被写体であっても空間周波数の分布が異なる。従って、ボケが発生する画像とボケが発生しない画像と同一の推論パラメータが適用されたニューラルネットワークに対して入力されたとしても、高い復元効果を得ることは難しい。画像の復元効果を向上させるためには、ボケに影響する撮像条件に応じた学習用画像を用いて個別的に学習を行い、推論パラメータを最適化することが望ましい。第3実施形態の画像処理装置100は、絞り値、焦点距離およびAF合焦点数に基づき最適化した推論パラメータをニューラルネットワークに適用して、符号化劣化の復元を行う。
より小さいかを判定する(S503)。
次に、第4実施形態について説明する。第4実施形態の画像処理装置100は、複数の撮像条件の組み合わせを考慮した符号化劣化の復元を行う。ここで、カメラの撮像条件の組み合わせを全て網羅するように推論パラメータを生成すると、各推論パラメータを生成するための学習時間が非常に長くなる。第4実施形態の画像処理装置100は、カメラの全ての撮像条件の組み合わせごとに学習を行うのではなく、撮像条件の組み合わせを絞って学習を行い、推論パラメータを生成する。これにより、符号化劣化を高い精度で復元することが図られる。第4実施形態で用いられる撮像条件は、露出補正値、ISO値、絞り値および焦点距離である。これらの撮像条件は、第1実施形態、第2実施形態および第3実施形態で説明した撮像条件である。第4実施形態の画像処理装置100は、第1実施形態、第2実施形態および第3実施形態の画像処理装置100と同様の構成であるため、説明を省略する。また、ニューラルネットワークの学習方法も同様であるため、説明を省略する。
上述した第1実施形態から第4実施形態では、符号化データに含まれるメタデータが示す撮像条件に応じて推論パラメータを適用することで、符号化劣化を復元する。第5実施形態では、復元対象RAW画像のPSNR(ピーク信号対雑音比:Peak Signal to Noise Ratio)が、符号化データのメタデータとして新たに記録される。そして、PSNRに応じて最適化した推論パラメータを適用して符号化劣化が復元される。PSNRについて説明する。符号化分野では、画像再現性の尺度としてPSNRと称される指標値が用いられている。PSNRは、値が大きいほど画像の再現性が高く、値が小さいほど画像の再現性が低いことを表す。すなわち、PSNRが低い画像は符号化の過程でデータが欠損し、画質が大きく低下している可能性が高い。従って、画像の復元効果を高めるためには、画質劣化の度合いを示すPSNRに応じた学習用画像を用いて個別的に学習を行って推論パラメータを最適化することが望ましい。
101 RAW復号部
102 メタデータ取得部
103 劣化復元処理部
104 推論パラメータ決定部
201 RAW符号化部
202 画質比較部
203 推論パラメータ更新部
703 PSNR算出部
Claims (20)
- 符号化された画像を復号した復号画像に対して推論パラメータに基づく推論を実行することによって前記符号化による劣化を復元した画像を取得するために、前記推論パラメータを決定する決定手段と、
前記画像の撮像条件を取得する取得手段と、を備え、
前記決定手段は、前記取得手段により取得した前記撮像条件に応じて、前記推論パラメータを決定することを特徴とする画像処理装置。 - 前記決定手段は、前記撮像条件と閾値とを比較した結果に基づいて、前記推論パラメータを決定することを特徴とする請求項1に記載の画像処理装置。
- さらに、前記画像を撮影した撮像手段の画像ピッチに関する情報を取得する第2の取得手段を有し、前記決定手段は、前記撮像手段の画像ピッチに関する情報に応じて、前記閾値としてISO閾値を決定することを特徴とする請求項2に記載の画像処理装置。
- 前記決定手段により決定された推論パラメータと、前記復号画像とに基づいて、前記符号化による劣化を復元した画像を推論する推論手段と、を有することを特徴とする請求項1ないし3のいずれか1項に記載の画像処理装置。
- 前記符号化された画像を復号する複号手段を有することを特徴とする請求項1乃至4のうち何れか1項に記載の画像処理装置。
- 前記撮像条件は、露出補正値を含み、
複数の前記推論パラメータは、露出アンダー用の第1の推論パラメータ、適正露出用の第2の推論パラメータおよび露出オーバー用の第3の推論パラメータを含み、
前記決定手段は、前記露出補正値に応じて、前記第1の推論パラメータと前記第2の推論パラメータと前記第3の推論パラメータとのうち何れかを決定することを特徴とする請求項1乃至5のうち何れか1項に記載の画像処理装置。 - 前記撮像条件は、ISO値を含み、
複数の前記推論パラメータは、ISO値が所定値より小さい場合に用いられる第4の推論パラメータおよびISO値が前記所定値以上である場合に用いられる第5の推論パラメータを含み、
前記決定手段は、前記撮像条件に含まれるISO値に応じて、前記第4の推論パラメータと前記第5の推論パラメータとのうち何れかを決定することを特徴とする請求項1乃至6のうち何れか1項に記載の画像処理装置。 - 前記所定値は、撮像素子の画素数と前記撮像素子のサイズとにより算出される画素ピッチに基づいて更新されることを特徴とする請求項7に記載の画像処理装置。
- 前記撮像条件は、絞り値、焦点距離およびAF合焦点数を含み、
複数の前記推論パラメータは、ボケが生じている面積が所定面積より小さい場合に用いられる第6の推論パラメータおよびボケが生じている面積が所定面積以上である場合に用いられる第7の推論パラメータを含み、
前記決定手段は、前記撮像条件に含まれる絞り値と焦点距離とAF合焦点数とに応じて、前記第6の推論パラメータと前記第7の推論パラメータとのうち何れかを決定することを特徴とする請求項1乃至8のうち何れか1項に記載の画像処理装置。 - 前記決定手段は、画質に及ぼす影響度が高い撮像条件から順に、対応する推論パラメータを決定することを特徴とする請求項1乃至9のうち何れか1項に記載の画像処理装置。
- 前記画質に及ぼす影響度が所定の度合いより低い撮像条件についての推論パラメータは個別的に生成されないことを特徴とする請求項10に記載の画像処理装置。
- 前記画質に及ぼす影響度が前記所定の度合いより低い撮像条件についての推論パラメータは、複数の撮像条件が混在した学習用画像を用いて学習されることを特徴とする請求項11に記載の画像処理装置。
- 前記決定手段は、前記撮像条件に応じて、露出アンダー用の推論パラメータと、ISO値が所定値以上である場合に用いられる推論パラメータと、ボケが生じている面積が所定面積以上である場合に用いられる推論パラメータと、前記複数の撮像条件が混在した学習用画像を用いて学習された推論パラメータとのうち何れかを決定することを特徴とする請求項12に記載の画像処理装置。
- 前記決定手段は、前記ISO値が所定値以上である場合に用いられる推論パラメータ、前記露出アンダー用の推論パラメータ、前記ボケが生じている面積が所定面積以上である場合に用いられる推論パラメータの順に優先的に推論パラメータを決定することを特徴とする請求項13に記載の画像処理装置。
- 前記決定手段は、画質を定量化する指標値に応じて、学習モデルに前記推論パラメータを適用するか否かを決定することを特徴とする請求項1乃至14のうち何れか1項に記載の画像処理装置。
- 前記推論は、ニューラルネットワークにより行われ、
前記推論パラメータは、前記ニューラルネットワークの学習により得られる重みおよびバイアスであることを特徴とする請求項1乃至15のうち何れか1項に記載の画像処理装置。 - 符号化される前記画像は、RAW画像であることを特徴とする請求項1乃至16のうち何れか1項に記載の画像処理装置。
- 撮像部と、
請求項1乃至17のうち何れか1項に記載の画像処理装置と、
を備えることを特徴とする撮像装置。 - 符号化された画像を復号した復号画像に対して推論パラメータに基づく推論を実行することによって前記符号化による劣化を復元した画像を取得するために、前記推論パラメータを決定する工程と、
前記画像の撮像条件を取得する取得工程と、を備え、
取得された前記撮像条件に応じて、前記推論パラメータが決定されることを特徴とする画像処理方法。 - 請求項1乃至17のうち何れか1項に記載の画像処理装置をコンピュータに実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019218950A JP7446797B2 (ja) | 2019-12-03 | 2019-12-03 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019218950A JP7446797B2 (ja) | 2019-12-03 | 2019-12-03 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021090129A JP2021090129A (ja) | 2021-06-10 |
JP7446797B2 true JP7446797B2 (ja) | 2024-03-11 |
Family
ID=76220772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019218950A Active JP7446797B2 (ja) | 2019-12-03 | 2019-12-03 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7446797B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7479137B2 (ja) * | 2019-12-03 | 2024-05-08 | キヤノン株式会社 | 信号処理装置および信号処理方法、システム並びにプログラム |
WO2023067920A1 (ja) * | 2021-10-19 | 2023-04-27 | LeapMind株式会社 | 画像処理装置、画像処理システム、画像処理方法及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018056969A (ja) | 2016-09-30 | 2018-04-05 | キヤノン株式会社 | 画像処理装置 |
JP2018206382A (ja) | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
WO2019093268A1 (ja) | 2017-11-08 | 2019-05-16 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 画像処理装置及び画像処理方法 |
-
2019
- 2019-12-03 JP JP2019218950A patent/JP7446797B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018056969A (ja) | 2016-09-30 | 2018-04-05 | キヤノン株式会社 | 画像処理装置 |
JP2018206382A (ja) | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
WO2019093268A1 (ja) | 2017-11-08 | 2019-05-16 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 画像処理装置及び画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021090129A (ja) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5398156B2 (ja) | ホワイトバランス制御装置およびその制御方法並びに撮像装置 | |
JP7362284B2 (ja) | 画像処理方法、画像処理装置、プログラム、画像処理システム、および、学習済みモデルの製造方法 | |
CN1316427C (zh) | 产生与装置链的装置的缺陷相关的格式化信息的方法和系统 | |
JP2019121252A (ja) | 画像処理方法、画像処理装置、画像処理プログラム、および、記憶媒体 | |
JP5980294B2 (ja) | データ処理装置、撮像装置、およびデータ処理方法 | |
JP4415188B2 (ja) | 画像撮影装置 | |
JP5243477B2 (ja) | ブラー補正装置およびブラー補正方法 | |
US11508038B2 (en) | Image processing method, storage medium, image processing apparatus, learned model manufacturing method, and image processing system | |
CN111835983B (zh) | 一种基于生成对抗网络的多曝光图高动态范围成像方法及系统 | |
JP2010041064A (ja) | 画像処理装置、画像処理方法、プログラム | |
JP7446797B2 (ja) | 画像処理装置、撮像装置、画像処理方法およびプログラム | |
JP2020144488A (ja) | 画像処理方法、画像処理装置、プログラム、画像処理システム、および、学習済みモデルの製造方法 | |
JP2017010092A (ja) | 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体 | |
KR20150035315A (ko) | 하이 다이나믹 레인지 영상 생성 방법 및, 그에 따른 장치, 그에 따른 시스템 | |
JP5765893B2 (ja) | 画像処理装置、撮像装置および画像処理プログラム | |
CN110677557B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
JP7403995B2 (ja) | 情報処理装置、制御方法およびプログラム | |
JP5543280B2 (ja) | 画像処理装置、画像処理方法 | |
JP2012003454A (ja) | 画像処理装置、撮像装置および画像処理プログラム | |
JP7191588B2 (ja) | 画像処理方法、画像処理装置、撮像装置、レンズ装置、プログラム、および、記憶媒体 | |
JP7309520B2 (ja) | 画像処理方法、画像処理装置、撮像装置、プログラム、記憶媒体、画像処理システム、および、学習済みモデルの製造方法 | |
EP3629284A1 (en) | Image processing method, image processing apparatus, imaging apparatus, program, and storage medium | |
JP2022045567A (ja) | 撮像制御装置、撮像制御方法、及びプログラム | |
CN117726542B (zh) | 基于扩散模型的可控噪声去除方法及系统 | |
JP6486120B2 (ja) | 符号化装置、符号化装置の制御方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221114 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231017 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231129 |
|
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: 20240130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240228 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7446797 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |