JPH03288976A - 点広がり関数決定装置 - Google Patents

点広がり関数決定装置

Info

Publication number
JPH03288976A
JPH03288976A JP9170290A JP9170290A JPH03288976A JP H03288976 A JPH03288976 A JP H03288976A JP 9170290 A JP9170290 A JP 9170290A JP 9170290 A JP9170290 A JP 9170290A JP H03288976 A JPH03288976 A JP H03288976A
Authority
JP
Japan
Prior art keywords
input
output
unit
weight value
weight
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.)
Pending
Application number
JP9170290A
Other languages
English (en)
Inventor
Koji Yamamoto
浩司 山本
Shigeo Sakagami
茂生 阪上
Toshiyuki Koda
敏行 香田
〆木 泰治
Taiji Shimeki
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.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
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
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP9170290A priority Critical patent/JPH03288976A/ja
Publication of JPH03288976A publication Critical patent/JPH03288976A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 産業上の利用分野 本発明は劣化画像の復元処理に使用される点広がり関数
決定装置に関するものである。
従来の技術 従来の点広がり関数決定装置としては、例えば「長尾真
監訳:デイジタル画像処理、p、212〜近代科学社」
に示されている装置が知られている。
第9図はこの従来の点広がり関数決定装置の構成図を示
すものであり、9001はある特定の画像データを取り
込む手段を有した画像データ入力部、9002は入力信
号をフーリエ変換するフーリエ変換部、9003は逆フ
ーリエ変換を行う逆フーリエ変換部、9004は出力を
決定する出力決定部である。
以上のように構成された従来の点広がり関数決定装置に
おいては、下記のようにして点広がり関数を決定する。
今、原画像データをf(x、y)、原画像データが点広
がり関数h(x、y)によってぼかされ・さらにノイズ
によって汚された劣化画像データをg(x*y)、ノイ
ズをn(x、y)とすると次式のように画像をモデル化
することができる。
g(x、y) = h(x−a、y−b)f(a、b)
dadb + n(x、y)・・・・(1) 画像入力部9001は画像データとしてf(x、y)、
g(x、y)を取り込み、その結果をフーリエ変換部9
002に出力する。ここで、(1)式の両辺をフーリエ
変換すると次式のようになる。
G(u、v) = )l(u、v)F(u、v) + 
N(u、v)さらに次式のように変形できる。
H(u、v) = G(u、v) / F(u、v) 
−N(u、v) / F(u、v)・・・・(2) 但し、F(u、v)、G(u、v)、N(u、v)は各
々、f(x、い、g(x、y)、n(x、y)をフーリ
エ変換した結果である。
フーリエ変換部9002は、入力された f(x、y)
g(x、y)及び、n(χ、y)をフーリエ変換し、(
2)式に従ってH(u ! V )を求め、逆フーリエ
変換部9003にその結果を出力する。逆フーリエ変換
部9003は、入力されたH(u、v)を逆フーリエ変
換し、h(x、y)を求め、出力決定部9004にその
結果を出力する。
出力決定部9004は、入力されたh(x、y)を点広
がり関数として出力する。
発明が解決しようとする課題 しかしながら上記のような構成では、n(x+y)≠0
0場合に(2)式において、F(u、v) = Oとな
る空間周波数(u 、 v)では、N(u、v) / 
F(u、v)は無限大となる。このために得られた点広
がり関数が、入力ノイズに大きく影響を受ける。従って
、この点広がり関数を用いた劣化画像の復元処理は、ノ
イズに対して弱いという課題を有していた。
本発明はかかる従来の劣化画像の復元処理の課題に鑑み
、ノイズに対して強い点広がり関数決定装置を提供する
ことを目的とする。
tlidを解決するための手段 本発明の第1の発明は、ある特定の画像入力を取り込む
手段を有した画像データ入力部と、前記画像データ入力
部からの信号を受けてパラメータを設定するパラメータ
設定部と、前記パラメータ設定部からの信号によって重
み乗算器の重み値を決定する重み値決定部と、一定の出
力を出しているバイアス部と、そのバイアス部からの信
号を入力するとともに、飽和入出力特性を持つ複数の多
入力ー出力の加算器が前記重み乗算器を介して相互に接
続されている信号算出部と、前記信号算出部からの入力
を受け、出力を決定する出力決定部とを備えたことを特
徴とする点広がり関数決定装置である。
本発明の第2の発明は、ある特定の画像入力を取り込む
手段を有した画像データ入力部と、前記画像データ入力
部からの信号を受けてパラメータを設定するパラメータ
設定部と、・前記パラメータ設定部からの信号によって
重み乗算器の重み値を決定する重み値決定部と、一定の
出力を出しているバイアス部と、そのバイアス部からの
信号を入力するとともに、飽和入出力特性を持つ複数の
多入力ー出力の加算器が前記重み乗算器を介して相互に
接続されている信号算出部と、前記信号算出部からの入
力を受け、出力を決定する出力決定部と、出力総和が一
定値になるように前記重み値を修正する重み値修正部と
を備えたことを特徴とする点広がり関数決定装置である
本発明の第3の発明は、ある特定の画像入力を取り込む
手段を有した画像データ入力部と、前記画像データ入力
部からの信号を受けてパラメータを設定するパラメータ
設定部と、前記パラメータ設定部からの信号によって重
み乗算器の重み値を決定する重み値決定部と、一定の出
力を出しているバイアス部と、そのバイアス部からの信
号を入力するとともに、飽和入出力特性を持つ複数の多
入力ー出力の加算器が前記重み乗算器を介して相互に接
続されている信号算出部と、前記信号算出部からの入力
を受け、出力を決定する出力決定部と、出力総和が一定
値になるように前記重み値を修正する第1重み値修正部
と、出力値の種類が一定になるように前記重み値を修正
する第2重み値修正部とを備えたことを特徴とする点広
がり関数決定装置である。
作用 本発明の第1の発明は、画像データ入力部がある特定の
画像入力を取り込み、パラメータ設定部が前記画像デー
タ入力部からの信号を受けてパラメータを設定し、重み
値決定部が前記パラメータ設定部からの信号によって重
み乗算器の重み値を決定し、バイアス部が一定の出方を
出し、信号算出部で飽和入出力特性を持つ複数の多入力
ー出方の加算器が前記重み乗算器を介して相互に接続さ
れ、出力決定部が前記信号算出部からの入力を受け、出
力を決定する。その結果、入力ノイズを最小化すること
によって入力ノイズによる影響が少ない点広がり関数を
求めることができ、ノイズに強い劣化画像の復元処理が
できる。
本発明の第2の発明は、画像データ入力部がある特定の
画像入力を取り込み、パラメータ設定部が前記画像デー
タ入力部からの信号を受けてパラメータを設定し、重み
値決定部が前記パラメータ設定部からの信号によって重
み乗算器の重み値を決定し、バイアス部が一定の出力を
出し、信号算出部では飽和入出力特性を持つ複数の多入
力ー出力の加算器が前記重み乗算器を介して相互に接続
され、出力決定部が前記信号算出部からの入力を受け、
出力を決定し、重み値修正部が出力総和が一定値になる
ように前記重み値を修正する。その結果、入力ノイズを
最小化することによって入力ノイズによる影響が少なく
、マトリクスの要素の総和が一定値の点広がり関数を求
めることができる。これにより点広がり関数のマトリク
スの要素の総和が既知である場合に、より正確に点広が
り関数を決定することができ、ノイズに強く、さらに正
確な劣化画像の復元処理ができる。
本発明の第3の発明は、画像データ入力部がある特定の
画像入力を取り込み、パラメータ設定部が前記画像デー
タ入力部からの信号を受けてパラメータを設定し、重み
値決定部が前記パラメータ設定部からの信号によって重
み乗算器の重み値を決定し、バイアス部が一定の出力を
出し、信号算出部では飽和入出力特性を持つ複数の多入
力−出力の加算器が前記重み乗算器を介して相互に接続
され、出力決定部が前記信号算出部からの入力を受け、
出力を決定し、第1重み値修正部が出力総和が一定値に
なるように前記重み値を修正し、第2重み値修正部が出
力値の種類が一定になるように前記重み値を修正する。
その結果、入力ノイズを最小化することによって入力ノ
イズによる影響が少なく、マトリクスの要素の総和が一
定値で中心要素について対称な点広がり関数を求めるこ
とができる。これにより点広がり関数のマトリクスの要
素の総和が既知であり、また中心要素に対して対称であ
る場合に、より正確に点広がり関数を決定することがで
き、ノイズに強く、さらに正確な劣化画像の復元処理が
できる。
実施例 以下に本発明の実施例を図面を参照して説明する。
第1図は本発明の第1実施例における点広がり関数決定
装置の構成図を示すものである。第1図において、lは
画像データ入力部、2はパラメ−夕設定部、3は重み値
決定部、4はバイアス部、5は信号算出部、6は出力決
定部であって、その詳細は、第2図に示されている。
第3図は、第1図における信号算出部5の乗算部II、
加算部12を具体的に表した図である。
第4[!Iは、第3図における加算器3002の入出力
特性を表した図である。
画像データ+ooiが、点広がり関数が未知のシステム
1003によって画像データ1002に変換された場合
、画像データ入力部lは、画像データ1001の中の最
初のNXN画素の画像データを、パラメータ設定部2の
メモリー1004の第1行に順次、蓄える手段である。
次に隣接するNXN画素の画像データは、第2行に順次
、蓄える。以下、同様にして画像データ1001をメモ
リー1004の各行に順次、蓄える。
また画像データ1002の中の最初のNXN画素で構成
される領域の中心画素の画像データを順次、符号を反転
してから、パラメータ設定部2のメモリー1005に蓄
える手段でもある。
重み値決定部3は、乗算器2001、二人カー出力の積
和器2002.2003から成る。第2図に示すように
、メモリー1004の各列に蓄えられたデータは、乗算
器2001を介して積和器2002の第1の入力とされ
る。乗算器2001は、入力に、信号算出部5の加算部
12内の加算器30020個数で割った値を出力するも
のである。また、メモリー1004の各行に蓄えられた
データは、乗算器2001を介して積和器2002の第
2の入力及び、積和器2003の第1の入力とされる。
メモリー1005に蓄えられたデータは、積和器200
3の入力とされる。積和器2002.2003は、第2
図に示すように、第1の入力と第2の入力の対応する各
データの積を計算し、さらにその結果の総和を信号算出
部5の乗算部11内の乗算器3001に出力する。
乗算器3001は、重み値決定部3の積和器2002か
らの信号値を重み値とし、入力を重み値倍した値を出力
する。多入力ー出力の加算器3002は、乗算器300
1から入力を受け、それらを総和し、第4図に示すよう
な出力特性で出力する。加算器3002からの出力は、
乗算器3001を介して全ての加算器3002に回帰す
るとともに、加算器13の入力となる(第1図参照)。
加算器13の出力は、第1図に示すように乗算器14の
入力となる。乗算器14は、入力値に一定の値をかけた
値を出力し、点広がり関数決定装置の出力とする。
以上のように構成された本実施例の点広がり関数決定装
置について、以下にその動作を図面を参照しながら説明
する。
今、メモリー1004の1行、j列成分をa(L、+)
かっa(i+j) :a(j、i)、メモリー1005
のi行成分をb(i)、乗算部11に含まれる加算器3
002の個数をnとすると、i番目の加算部12内のに
番目の加算器3002とj番目の加算部12内の1番目
の加算器30o2との間の乗算器3001に対する積和
器2002の出力”(1+に;Ill)、及びバイアス
部4とi番目の加算部12内のに番目の加算器3002
との閏の乗算器3001に対する積和器2003の出力
1(i、k)け、次式で表される。
T(I+に;、L+) = (1/n)2Σa(m、1
)a(lI、J)・・・・(3)1(i、k) ニー(
1/n)Σa(ol、1)b(Ill)・・・・(4)
またこの時、1番目の加算部12内のに@目の加算器3
002の出力値V(i、k)は前記加算器3002の入
力総和U(i、k)を用いて次式で表される。
■(1,k)=g(U(1,k))・・・・(5)・ 
・ ・ ・(6) ここで、Eなる値を次式で定義する。
ここて、a(i、j) : a(j、i)なので(3)
式よりT(+ +に;J、l) =T(J、に;冨、1
)が成り立つ。この時、(7)式で表せるEは単調に減
少することが例えば、  「ホグブフィールトー、シー
エイ、シーエイ :ニュウロ ライス−り1イテ゛クト
ー 12*6ンス 117− ]1/クティフ″]ン七
〇]−ショナル フ0ロバ0ティ ライク ソ〜つl”
  ツウ7jイト ニJつ0シ  (Hop−fiel
d、J、J、:Neurons  with  gra
ded  response  havecollec
tive  computational  prop
erties  1ikethose of  two
−state neurons)、Proc、Natl
、Acad。
Sci。USA 81.3088−3092 (198
4)J等に証明されている。
未知のシステム1003の点広がり関数のマトリクスを
■、画像データ1001のマトリクスをA、ノイズ成分
をNとする時、画像データ1002のマトリクスBは次
式のようにモデル化できる。
B = HA + N           ψ・・・
(8)(8)式は、未知なるシステム1003によって
画像データtoolがぼかされたものにノイズが加算さ
れたものが画像データ1002であるということを表し
ている。さらに、(8)式は次のように変形できる。
−1/2N’N = −1/2(HA −B)T(HA
 −8)=  −1/2H’)IA’A  +  BH
”A  −1/2B’B   ・  ・  ・  ・ 
(9)ここで、A(’−J) =a(+、j)、B(i
) ” b(i)であることを考えると(9)式は次の
ように変形できる。
+ ΣΣA(m、i)B(m)H(i)− 112ΣB
2(i)     立 −1/2(1/n)2ΣΣΣΣΣa(m、i)a(mt
、+)h(i+k)h(、+、I)」  k  1  
− −l/2Σb2(i) 但し、H(i) =(1/n)Σt+(i、k)とする
・ ・ ・ ・(lO) 式(3)、(4)より、さらに次のように変形できる。
− ΣΣI(i、k)h(i、k) −1/2Σb2(i) ・ ・ ・ ・(11) 画像データ1002は、既知であるから(11)式の最
後の項である一1/2Σb2(i)は、定数項となる。
従つて、h(i、k) =V(i、k)と考え、(7)
式と(11)式を比較すると(7)弐同様(11)式も
単調減少することがわかる。また(lO)式からH(i
) =(1/n)ΣV(i 、 k)となす、(9)、
(11)式は画像データ1002のノイズ成分のノルム
を表している。従って、画像データ1002に付加され
たノイズ成分であるNの影響を最小にした時の点広がり
関数の要素■(1)は、十分に時間が経過した後の加算
部12内の加算器3002の出力総和ΣV(i、k)を
加算部12内に含まれる加算器3002の総数nで割っ
たものに等しくなる。
乗算器14は、加算器13からの入力値を乗算部11内
の加算器3002の総数口で割った値を出力とする。
従ってこの時、未知のシステム1003が持つ点広がり
関数のマトリクスの要素H(i)は、乗算器14の出力
値で表される。
以上のように本実施例によれば、画像データ入力部1、
パラメータ設定部2及び、重み値決定部3によって重み
乗算器の重み値を決定された信号算出部5が、自分自身
からのフィードバック入力とバイアス部4からの入力を
受けることによって、入力されるデータのノイズの影響
を最小にした時の点広がり関数の要素に比例した値を出
力する。
出力決定部6によって、前記信号算出部の出力に比例定
数をかけることで入力されるデータのノイズの影響を最
小にした時の点広がり関数の要素の値を決定することが
できる。
次に出力総和が一定値になるように重み値を修正する重
み値修正部が付加される場合の−の実施例を説明する。
第5図は本発明の第2実施例における点広がり関数決定
装置の構成図を示すものである。
重み値修正部5001は、重み値決定部3に対しである
値を出力する。この場合、重み値決定部3は第6図に示
すものとなる。重み値修正部5001からの信号は、二
人カー出力の加算器6001の入力となり、また加算器
6001の一方の入力が積和器2002からの場合と積
和器2003から場合で異なる値である。
加算器6001は、積和器2002または2003から
の入力に重み値修正部5001からの入力を加算し、信
号算出部5に出力する。画像データ入力部l、パラメー
タ設定部2、信号算出部5及び、出力決定部6は第1図
、第2図及び、第3図に示すもので実現できる。
今、重み値修正部5001からの出力値が加算器600
1の一方の入力が積和器2002からの場合ではR1積
和器2003から場合ではSであるとすると、(3)、
(4)式から 1番目の加算器部12内のL番目の加算
器3002とj番目の加算部12内の1番目の加算器3
002との間の乗算器3001に対する積和器2002
の出力T(ijk;jl+)、及びバイアス部4と1番
目の加算部12内のに番目の加算器3002との間の乗
算器3001に対する積和器2003の出力1(i、k
)は、次式で表される。
T(itk;jet) = (1/n)2Σa(Ill
、i)a(m、j) + R・ ・ ・ ・(12) 1(i、k) =−(1/n)Σa(+w、i)b(m
) + S・ ・ ・ ・(13) ここで、点広がり関数のマトリクスの総和がある値αで
ある時に最小値をとる式は次式で与えられる。
−(1/2)CI(ΣH(i)−α)2     ・・
・・(14)但し、ciは定数とする。
さらに(9)式と(14)式の和νlを考える。
%l!1 = −1/2N■N −(1/2)CI(Σ
H(i)−α)2−172(Σ82(i) + C1α
2)   ・・・ ・(!5)ここで01は、画像デー
タ1002に付加されたノイズ成分のノルムが最小であ
る条件に対する点広がり関数のマトリクスの要素の総和
がαである条件を満たす度合を表す。従って、CIを適
当な値にし、Wlを最小化することによって、入力ノイ
ズによる影響が少なく、マトリクスの要素の総和が一定
値の点広がり関数を求めることができる。
ここで(15)式は、(9)式において次の置き換えが
成されたものであると考えられる。
A(+a、1)A(+w、j) →^(m、i)A(m
、j) + CIA(m、i)B(m)  −* A(
+n、i)B(m) + C1aΣB2(i)    
 → ΣB”(i)  + C1α2従って、(12)
、(13)式においてR,Sの値をR:(l/n)2C
I S = −(1/n)C1α と置けば、本発明の第1実施例と同様に本実施例は、(
15)式で表される讐lを最小化した時の点広がり関数
を決定することができる。
以上のように本実施例によれば、画像データ入力部1、
パラメータ設定部2及び、重み値決定部3によつて重み
乗算器の重み値を決定された信号算出部5は、出力総和
が一定の値になるように重みm修正部5001によって
重み値を修正される。信号算出部5は、自分自身からの
フィードバック入力とバイアス部4からの入力を受ける
ことによって、入力されるデータのノイズの影響を最小
にし、且つ出力総和が一定値になる時の点広がり関数の
要素に比例した値を出力する。
出力決定部6によって、前記信号算出部の出力に比例定
数をかけることで入力されるデータのノイズの影響を最
小にした時の点広がり関数の要素の値を決定することが
できる。
次に出力総和が一定値になるように重み値を修正する第
1重み値蜂正部と、出力値の種類が一定になるように重
み値を修正する第2重み値修正部が付加される場合の−
の実施例を説明する。
第7図は本発明の第3実施例における点広がり関数決定
装置の構成図を示すものである。
第1重み値修正部7001及び、第2重み値修正部70
02は、重み値決定部3に対しである値を出力する。こ
の場合、重み値決定部3は第8図に示すものとなる。三
人カー出力の加算器8001は、積和器2002からの
入力を第1入力、第1重み値修正部7001からの入力
を第2入力及び、第2重み値修正部7002からの入力
を第3入力とし、第1、第2、第3入力の総和を信号算
出部5に出力する。二人カー出力の加算器8002は、
積和器2003からの入力を第1入力とし、第1重み[
修正部7001からの入力を第2入力とし、第1、第2
入力の和を信号算出部5に出力する。第1重み値修正部
7001の出力値は、加算器800Iに対するのと加算
器8002に対するのとでは異なる値である。今、加算
器13の個数をr、メモリー1004の1行と1列の成
分の積和を行う積和器2002をSW(i 、 j )
とする。第2重み値修正部7002は、加算器8001
の第1入力となる積和器2002(S讐(i、j))の
1、jが 1:jと、 i+j=r、いずれの式も満た
さないの3通りの場合で各々異なる値を加算器8001
に出力する。画像データ入力部l、パラメータ設定部2
、信号算出部5及び、出力決定部6は第1図、第2図及
び、第3図に示すもので実現できる。
今、第1重み値修正部7001の出力値が加算器800
1に対する場合はR1加算器8002に対する場合では
Sであるとする。また第2重み値修正部7002の出力
値をZとする。この時、(3)、(4)式から 1番目
の加算器部12内のに番目の加算器3002と3番目の
加算部12内の1番目の加算器3002との間の乗算器
3001に対する積和器2002の出力T(*yk;j
、l)、及びバイアス部4と1番目の加算部12内のに
番目の加算器3002との間の乗算器3001に対する
積和器2003の出力1(i、k)は、次式で表される
T(i、に:j−1) =(1/n)”Σa(m、i)
a(w+、j) +  R+  Z・ ・ ・ ・(1
6) 1(i、k) =−(1/n)Σa(m、i)b(m)
+・ ・ ・ ・(17) ここで、点広がり関数のマトリクスが中心要素に対して
対称である時に最小値をとる式は次式で与えられる。
−(1/2)C2(Σ(H(i)−H(r−i)))”
   ・・・(18)但し、C2は定数とする。
さらに(9)式と04)式、(18)式の和%J2を考
える。
讐2 = −1/2NTN −(1/2)CI(ΣH(
i)−α)2(1/2)C2(Σ(H(i ) H(r−i))2) 一1/2C2(Σ)I2(i) −2ΣH(i)H(r
−i)+ΣH2(r−i>>成されたものであると考え
られる。
i=jの時 A(m+ i)A(m、j)→A(mti)A(m−j
) + CI + 2C2i=r−jの時 A(lflli)A(llj) + A(m、i)A(
m、j) + CI −2C2+ΣΣ(A(m、i)B
(m) +clα)l((i)−1/2(ΣB”(i)
 + CI(I2)1    ・・・・(19)ここで
CI、C2は、各々画像データ1002に付加されたノ
イズ成分のノルムが最小である条件に対する点広がり関
数のマトリクスの要素の総和がαである条件を満たす度
合及び、マトリクスが中心要素に対して対称である条件
を満たす度合を表す。
従って、C】、C2を適当な値にし、v2を最小化する
ことによって、入力ノイズによる影響が少なく、マトリ
クスの要素の総和が一定値で、マトリクスが中心要素に
対して対称な点広がり関数を求めることができる。
ここで(19)式は、(9)式において次の置き換えが
≠j、r −jの時 A(m、i)A(m、j) −+  A(m、i)A(
m、j) + CIA(m、i)B(m)   −+ 
 A(m、i)B(m) + C1aΣB2(i ) 
    → ΣB2(i)+ C1α2従フて、(12
)、(13)式においてR,S及び、Zの値を R=  (1/n)2CI S  ; −(1/n)C1α 1==j    の時: Z =  2(14n)2C
2=r−j  の時: Z =−2(1/n)2C2≠
j、  r−jの時:Z二〇 と置けば、本発明の第1実施例と同様に本実施例は、(
19)式で表されるす2を最小化した時の点広がり関数
を決定することができる。
以上のように本実施例によれば、画像データ入力部1、
パラメータ設定部2及び、重み値決定部3によつて重み
乗算器の重み値を決定された信号算出部5は、重み値修
正部5001によって出力総和が一定の値になるように
、さらに出力のマトリクスが中心要素に対して対称にな
るように重み値を修正される。信号算出部5は、自分自
身からのフィードバック入力とバイアス部4からの入力
を受けることによって、入力されるデータのノイズの影
響を最小にし、且つ出力総和が一定値で出力のマトリク
スが中心要素に対して対称になる時の点広がり関数の要
素に比例した値を出力する。
出力決定部6によって、前記信号算出部の出力に比例定
数をかけることで入力されるデータのノイズの影響を最
小にした時の点広がり関数の要素の値を決定することが
できる。
発明の詳細 な説明したように、本発明にかかる点広がり関数決定装
置によれば、入力さ1れるデータのノイズの影響を最小
にした時の点広がり関数を決定でき、その点広がり関数
を用いた劣化画像の復元処理がノイズに対して強くなり
、その実用的効果は大きい。
【図面の簡単な説明】
第1図は本発明における第1実施例の点広がり関数決定
装置の構成を示すブロック図、第2図は本発明の第1実
施例における画像データ入力部、パラメータ設定部及び
、重み値決定部の構成を説明するための回路図、第3図
は同実施例における信号算出部の構成を説明するための
回路図、第4図は同実施例における加算器の入出力特性
図、第5図は本発明における第2実施例の点広がり関数
決定装置の構成を示すブロック図、第6図は本発明の第
2実施例における重み値決定部と重み値修正部の構成を
説明するための回路図、第7図は本発明における第3実
施例の点広がり関数決定装置の構成を示すブロック図、
第8図は本発明の第3実施例における第1重み値修正部
、第2重みmw1正部及び、重み値決定部の構成を説明
するための回路図、第9図は従来の点広がり関数決定装
置の構成を示すブロック図である。 1・・・画像データ入力部、2・・・パラメータ設定部
、3・・・重み値決定部、4・・・バイアス部、5・・
・信号算出部、6・・・出力決定部、111・・・乗w
部、12・・・加算部、13.3002.6001. 
6002.5ooi。 8002・・・加算器、14.2001. 3001.
3002・・・乗算器、1001.1002・ψ・画像
データ、3003・・・システム、1004.1005
・・・メモリー 2002.2003・・・積和器、5
001・・・重み値修正部、7001・・・第1重みi
f1m正部、7002・・・第2重み値修正部。

Claims (3)

    【特許請求の範囲】
  1. (1)ある特定の画像入力を取り込む手段を有した画像
    データ入力部と、前記画像データ入力部からの信号を受
    けてパラメータを設定するパラメータ設定部と、前記パ
    ラメータ設定部からの信号によって重み乗算器の重み値
    を決定する重み値決定部と、一定の出力を出しているバ
    イアス部と、そのバイアス部からの信号を入力するとと
    もに、飽和入出力特性を持つ複数の多入力ー出力の加算
    器が前記重み乗算器を介して相互に接続されている信号
    算出部と、前記信号算出部からの入力を受け、出力を決
    定する出力決定部とを備えたことを特徴とする点広がり
    関数決定装置。
  2. (2)ある特定の画像入力を取り込む手段を有した画像
    データ入力部と、前記画像データ入力部からの信号を受
    けてパラメータを設定するパラメータ設定部と、前記パ
    ラメータ設定部からの信号によつて重み乗算器の重み値
    を決定する重み値決定部と、一定の出力を出しているバ
    イアス部と、そのバイアス部からの信号を入力するとと
    もに、飽和入出力特性を持つ複数の多入力ー出力の加算
    器が前記重み乗算器を介して相互に接続されている信号
    算出部と、前記信号算出部からの入力を受け、出力を決
    定する出力決定部と、出力総和が一定値になるように前
    記重み値を修正する重み値修正部とを備えたことを特徴
    とする点広がり関数決定装置。
  3. (3)ある特定の画像入力を取り込む手段を有した画像
    データ入力部と、前記画像データ入力部からの信号を受
    けてパラメータを設定するパラメータ設定部と、前記パ
    ラメータ設定部からの信号によって重み乗算器の重み値
    を決定する重み値決定部と、一定の出力を出しているバ
    イアス部と、そのバイアス部からの信号を入力するとと
    もに、飽和入出力特性を持つ複数の多入力ー出力の加算
    器が前記重み乗算器を介して相互に接続されている信号
    算出部と、前記信号算出部からの入力を受け、出力を決
    定する出力決定部と、出力総和が一定値になるように前
    記重み値を修正する第1重み値修正部と、出力値の種類
    が一定になるように前記重み値を修正する第2重み値修
    正部とを備えたことを特徴とする点広がり関数決定装置
JP9170290A 1990-04-05 1990-04-05 点広がり関数決定装置 Pending JPH03288976A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP9170290A JPH03288976A (ja) 1990-04-05 1990-04-05 点広がり関数決定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP9170290A JPH03288976A (ja) 1990-04-05 1990-04-05 点広がり関数決定装置

Publications (1)

Publication Number Publication Date
JPH03288976A true JPH03288976A (ja) 1991-12-19

Family

ID=14033853

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9170290A Pending JPH03288976A (ja) 1990-04-05 1990-04-05 点広がり関数決定装置

Country Status (1)

Country Link
JP (1) JPH03288976A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7525656B2 (en) 2005-08-24 2009-04-28 Canon Kabushiki Kaisha Exposure apparatus and device fabrication method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7525656B2 (en) 2005-08-24 2009-04-28 Canon Kabushiki Kaisha Exposure apparatus and device fabrication method

Similar Documents

Publication Publication Date Title
EP3816929A1 (en) Method and apparatus for restoring image
US9165219B2 (en) Image distortion correction method and image distortion correction device using the same
US20190243610A1 (en) Asymmetric quantization of multiple-and-accumulate operations in deep learning processing
CN108109121A (zh) 一种基于卷积神经网络的人脸模糊快速消除方法
Portilla et al. Efficient and robust image restoration using multiple-feature L2-relaxed sparse analysis priors
US11704543B2 (en) Neural network hardware acceleration with stochastic adaptive resource allocation
US20180005113A1 (en) Information processing apparatus, non-transitory computer-readable storage medium, and learning-network learning value computing method
US8089534B2 (en) Multi illuminant shading correction using singular value decomposition
US4736440A (en) Process for the processing of digitized signals representing an original image
CN110378961A (zh) 模型的优化方法、关键点检测方法、装置及存储介质
JPH03288976A (ja) 点広がり関数決定装置
CN111062279A (zh) 照片处理方法及照片处理装置
WO2022141094A1 (zh) 模型生成方法、图像处理方法、装置及可读存储介质
WO2023059215A1 (en) Apparatus and method for winograd convolution
US8666172B2 (en) Providing multiple symmetrical filters
Shen et al. Algorithmic versatility of SPF-regularization methods
US20240036816A1 (en) Systems and methods for identifying scaling factors for deep neural networks
CN113822809A (zh) 暗光增强方法及其系统
CN114662679B (zh) 一种基于神经网络的数据处理方法
WO2022141092A1 (zh) 模型生成方法、图像处理方法、装置及可读存储介质
JP7114321B2 (ja) データ処理装置及びその方法
Luo et al. FPGA implementation of an interval type-2 TSK fuzzy neural system for illuminant estimation and white balance
EP0321584A1 (en) System for calculating sum of products
CN116561496A (zh) 一种处理器、处理方法、芯片和电子设备
CN115830422A (zh) 图像处理方法、装置和电子设备