JPH08305846A - ニューロフィルターと像域分割方法とフィルター装置 - Google Patents
ニューロフィルターと像域分割方法とフィルター装置Info
- Publication number
- JPH08305846A JPH08305846A JP7177747A JP17774795A JPH08305846A JP H08305846 A JPH08305846 A JP H08305846A JP 7177747 A JP7177747 A JP 7177747A JP 17774795 A JP17774795 A JP 17774795A JP H08305846 A JPH08305846 A JP H08305846A
- Authority
- JP
- Japan
- Prior art keywords
- filter
- image
- neurofilter
- processing
- image area
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 フィルターのパラメータ設計を誰もが容易に
行なえ、最適な結果が得られるようにする。 【構成】 学習機能を有するニューラルネットを画像処
理または信号処理におけるフィルターとして使用する。
また、従来型フィルター１１とニューラルネットの学習
機能を有するニューロフィルター１２とを並列に接続
し、従来型のフィルター１１の出力であるエラー部分の
みをニューロフィルター１２で補正するようにする。
行なえ、最適な結果が得られるようにする。 【構成】 学習機能を有するニューラルネットを画像処
理または信号処理におけるフィルターとして使用する。
また、従来型フィルター１１とニューラルネットの学習
機能を有するニューロフィルター１２とを並列に接続
し、従来型のフィルター１１の出力であるエラー部分の
みをニューロフィルター１２で補正するようにする。
Description
【０００１】
【産業上の利用分野】本発明は、ニューラルネットを非
線形フィルターとして用いたニューロフィルターおよび
それを利用した像域分割方法およびフィルター装置に関
するものである。
線形フィルターとして用いたニューロフィルターおよび
それを利用した像域分割方法およびフィルター装置に関
するものである。
【０００２】
【従来の技術】従来、信号／画像処理に用いられるフィ
ルター装置は、伝達関数の非線形性のため、線形近似関
数において最適に近い結果を得るためには、パラメータ
の設定は最終的にフィルター設計者の経験に頼ってい
た。
ルター装置は、伝達関数の非線形性のため、線形近似関
数において最適に近い結果を得るためには、パラメータ
の設定は最終的にフィルター設計者の経験に頼ってい
た。
【０００３】
【発明が解決しようとする課題】したがって、従来のフ
ィルター設計は、最適なフィルターパラメータの設定を
フィルター設計者の経験に依存していたため、誰にでも
容易に設計できるわけではなく、また伝達関数の非線形
性のため、最適な結果を得ることは殆ど不可能に近かっ
た。
ィルター設計は、最適なフィルターパラメータの設定を
フィルター設計者の経験に依存していたため、誰にでも
容易に設計できるわけではなく、また伝達関数の非線形
性のため、最適な結果を得ることは殆ど不可能に近かっ
た。
【０００４】本発明は、このような従来の問題を解決す
るものであり、誰もが容易に最適な結果を得ることので
きるニューロフィルターおよびフィルター装置を提供す
ることを目的とする。
るものであり、誰もが容易に最適な結果を得ることので
きるニューロフィルターおよびフィルター装置を提供す
ることを目的とする。
【０００５】
【課題を解決するための手段】本発明は、上記目的を達
成するために、学習機能を有するニューラルネットを画
像処理または信号処理におけるフィルターとして使用す
るようにしたものである。また本発明は、従来型のフィ
ルターとニューラルネットの学習機能を有するニューロ
フィルターとを並列に接続して、従来型のフィルターの
出力をニューロフィルターにより補正するようにしたも
のである。
成するために、学習機能を有するニューラルネットを画
像処理または信号処理におけるフィルターとして使用す
るようにしたものである。また本発明は、従来型のフィ
ルターとニューラルネットの学習機能を有するニューロ
フィルターとを並列に接続して、従来型のフィルターの
出力をニューロフィルターにより補正するようにしたも
のである。
【０００６】
【作用】したがって、本発明によれば、ニューラルネッ
トの持つ非線形関数学習効果を利用してフィルターのパ
ラメータを決定するので、誰もが容易に最適な結果を得
ることができる。本発明はまた、従来型のフィルターの
出力をニューロフィルターにより補正するようにしたの
で、従来型のフィルターのエラー部分のみをニューロフ
ィルターで補正することにより、効率的なシステムを構
築することができる。
トの持つ非線形関数学習効果を利用してフィルターのパ
ラメータを決定するので、誰もが容易に最適な結果を得
ることができる。本発明はまた、従来型のフィルターの
出力をニューロフィルターにより補正するようにしたの
で、従来型のフィルターのエラー部分のみをニューロフ
ィルターで補正することにより、効率的なシステムを構
築することができる。
【０００７】
【実施例】以下、本発明の一実施例におけるニューロフ
ィルターについて説明する。本実施例におけるニューロ
フィルターは、例えば図１に示すように、入力層１と中
間層２と出力層３とを備え、出力層３の結果を比較回路
４で教師信号と比較し、その誤差をもとにシナプス荷重
ΔＷを中間層２および出力層３に与えて、教師信号との
誤差がゼロになるように修正を繰り返して学習させる階
層型モデル（バックプロパゲーションモデル）を使用し
たものである。勿論、他のニューラルネットモデルも同
様に使用することができる。
ィルターについて説明する。本実施例におけるニューロ
フィルターは、例えば図１に示すように、入力層１と中
間層２と出力層３とを備え、出力層３の結果を比較回路
４で教師信号と比較し、その誤差をもとにシナプス荷重
ΔＷを中間層２および出力層３に与えて、教師信号との
誤差がゼロになるように修正を繰り返して学習させる階
層型モデル（バックプロパゲーションモデル）を使用し
たものである。勿論、他のニューラルネットモデルも同
様に使用することができる。
【０００８】ニューロフィルターを画像処理に応用する
場合、その教師信号は、ＭＴＦ補正の場合は、ぼけてい
ない画像が教師信号となる。また、画像と文字とが混在
した文書における像域分割の場合は、学習信号は文字と
画像を交互に学習させ、教師信号には、文字には１を画
像には０を与える。さらに、信号処理の場合は、入力信
号をｘ( ｔ) とすると、
場合、その教師信号は、ＭＴＦ補正の場合は、ぼけてい
ない画像が教師信号となる。また、画像と文字とが混在
した文書における像域分割の場合は、学習信号は文字と
画像を交互に学習させ、教師信号には、文字には１を画
像には０を与える。さらに、信号処理の場合は、入力信
号をｘ( ｔ) とすると、
【０００９】
【数１】 に対して、一般的には、教師信号ｄ( ｔ) は次のように
なる。
なる。
【００１０】
【数２】
【００１１】次に、ニューロフィルターによりＭＴＦ補
正を行なう場合の処理について説明する。画像処理にお
いて、ぼけ画像の修復にＭＴＦ補正が行なわれる。伝達
関数Ｈ（ｍ，ｎ）は次式で表わされる。 Ｈ（ｍ，ｎ）＝Ｇ（ｍ，ｎ）／Ｆ（ｍ，ｎ） Ｃ（ｍ，ｎ）＝１／Ｈ（ｍ，ｎ） ここで、Ｆ（ｍ，ｎ）はオリジナルイメージ（ｆ（ｉ，
ｊ））のフーリエ関数 Ｇ（ｍ，ｎ）は出力イメージ（ｇ（ｉ，ｊ））のフーリ
エ関数 Ｃ（ｍ，ｎ）はフィルターのフーリエ関数
正を行なう場合の処理について説明する。画像処理にお
いて、ぼけ画像の修復にＭＴＦ補正が行なわれる。伝達
関数Ｈ（ｍ，ｎ）は次式で表わされる。 Ｈ（ｍ，ｎ）＝Ｇ（ｍ，ｎ）／Ｆ（ｍ，ｎ） Ｃ（ｍ，ｎ）＝１／Ｈ（ｍ，ｎ） ここで、Ｆ（ｍ，ｎ）はオリジナルイメージ（ｆ（ｉ，
ｊ））のフーリエ関数 Ｇ（ｍ，ｎ）は出力イメージ（ｇ（ｉ，ｊ））のフーリ
エ関数 Ｃ（ｍ，ｎ）はフィルターのフーリエ関数
【００１２】すなわち、原信号ｆは、劣化信号ｇにフィ
ルターｃ（ｋ，ｌ）をコンボリューション（Convolutio
n)演算したもので、伝達係数によって劣化した空間周波
数特性を復元する操作である。階層型ニューラルネット
において、教師信号ｆ（ｉ，ｊ）、入力信号ｇ（ｉ，
ｊ）として学習させれば、ニューラルネットのウエイト
（シナプス荷重）が補正フィルターのパラメータであ
る。したがって、ウエイトを固定した状態のニューラル
ネットに任意の劣化信号ｇ’を入力すれば、最適に補正
された出力が得られる。
ルターｃ（ｋ，ｌ）をコンボリューション（Convolutio
n)演算したもので、伝達係数によって劣化した空間周波
数特性を復元する操作である。階層型ニューラルネット
において、教師信号ｆ（ｉ，ｊ）、入力信号ｇ（ｉ，
ｊ）として学習させれば、ニューラルネットのウエイト
（シナプス荷重）が補正フィルターのパラメータであ
る。したがって、ウエイトを固定した状態のニューラル
ネットに任意の劣化信号ｇ’を入力すれば、最適に補正
された出力が得られる。
【００１３】次に、ニューロフィルターにより像域分割
処理を行なう場合の処理について説明する。一般に、像
域分割処理は、画像および文字混在イメージに対して、
その特徴により単純２値化処理と疑似中間調処理を自動
で切り替え、疑似中間調画像の階調性と文字画像の解像
性を両立させるものである。その場合、混在イメージ
は、従来は分割周波数によって像域分割していたので、
分割がうまく行なわれずに文字が不鮮明になる場合が多
かった。また、混在イメージが一様に疑似中間調処理さ
れている場合に、文字領域を分割し画質を向上させる場
合は、階調性を持たない分だけ贈位機分割はさらに難し
くなる。
処理を行なう場合の処理について説明する。一般に、像
域分割処理は、画像および文字混在イメージに対して、
その特徴により単純２値化処理と疑似中間調処理を自動
で切り替え、疑似中間調画像の階調性と文字画像の解像
性を両立させるものである。その場合、混在イメージ
は、従来は分割周波数によって像域分割していたので、
分割がうまく行なわれずに文字が不鮮明になる場合が多
かった。また、混在イメージが一様に疑似中間調処理さ
れている場合に、文字領域を分割し画質を向上させる場
合は、階調性を持たない分だけ贈位機分割はさらに難し
くなる。
【００１４】本実施例では、処理対象画像が画像および
文字混在イメージでそれが一様に疑似中間調処理されて
いる場合に、ニューロフィルターを用いて像域分割処理
を行なうものである。その際、教師信号には文字に１、
画像には０をそれぞれ対応させて、文字と画像を交互に
学習させることにより、文字と画像を鮮明に分割するこ
とができる。
文字混在イメージでそれが一様に疑似中間調処理されて
いる場合に、ニューロフィルターを用いて像域分割処理
を行なうものである。その際、教師信号には文字に１、
画像には０をそれぞれ対応させて、文字と画像を交互に
学習させることにより、文字と画像を鮮明に分割するこ
とができる。
【００１５】このようにして像域分割された画像は、そ
の出力画像が平滑処理される。平滑化には、出力データ
によって局所単純平均化フィルターを用いるか、または
メディアンフィルターを用いる。局所単純平均化フィル
ターは、中心画素を含む局所領域の平均値を中心画素の
値とするものである。原画像をｆ，処理後の画像をｇと
すれば、このフィルターの処理は次式で表される。
の出力画像が平滑処理される。平滑化には、出力データ
によって局所単純平均化フィルターを用いるか、または
メディアンフィルターを用いる。局所単純平均化フィル
ターは、中心画素を含む局所領域の平均値を中心画素の
値とするものである。原画像をｆ，処理後の画像をｇと
すれば、このフィルターの処理は次式で表される。
【００１６】
【数３】 ここで、ｍ、ｎは平滑化するマトリクスサイズ、〔〕は
ガウス記号である。一方、メディアンフィルターは、局
所領域でのメディアン（中間値）を出力するものであ
り、局所領域でのヒストグラムを逐次更新することによ
って、各画素でのメディアンを高速に計算することがで
きる。
ガウス記号である。一方、メディアンフィルターは、局
所領域でのメディアン（中間値）を出力するものであ
り、局所領域でのヒストグラムを逐次更新することによ
って、各画素でのメディアンを高速に計算することがで
きる。
【００１７】次に、本発明によるニューロフィルターを
アダプティブフィルターとして用いたフィルター装置の
例について説明する。図２は本実施例におけるフィルタ
ー装置の構成を示すものである。図２において、１１は
従来型のフィルター、１２はニューラルネットを用いた
ニューロフィルター、１３は減算器、１４は加算器であ
る。Ｘは入力信号、Ｙは従来型フィルター１１の出力信
号、Ｄはこのシステム（フィルター装置）が求めている
最適出力であり、Ｄ−Ｙはニューロフィルター１２の出
力信号であり、従来型フィルター１１だけでは処理でき
なかったエラー部分に相当する。したがって、システム
が求めている最適出力Ｄになるように、減算器１３によ
り最適出力Ｄから従来型フィルター１１の出力Ｙを引い
たＤ−Ｙを、教師信号としてニューロフィルター１２に
入力して学習させることにより、従来型フィルター１１
の出力Ｙとニューロフィルター１２の出力Ｄ−Ｙを加算
器１４で加算した値を、システムの最適出力Ｄとするこ
とができる。
アダプティブフィルターとして用いたフィルター装置の
例について説明する。図２は本実施例におけるフィルタ
ー装置の構成を示すものである。図２において、１１は
従来型のフィルター、１２はニューラルネットを用いた
ニューロフィルター、１３は減算器、１４は加算器であ
る。Ｘは入力信号、Ｙは従来型フィルター１１の出力信
号、Ｄはこのシステム（フィルター装置）が求めている
最適出力であり、Ｄ−Ｙはニューロフィルター１２の出
力信号であり、従来型フィルター１１だけでは処理でき
なかったエラー部分に相当する。したがって、システム
が求めている最適出力Ｄになるように、減算器１３によ
り最適出力Ｄから従来型フィルター１１の出力Ｙを引い
たＤ−Ｙを、教師信号としてニューロフィルター１２に
入力して学習させることにより、従来型フィルター１１
の出力Ｙとニューロフィルター１２の出力Ｄ−Ｙを加算
器１４で加算した値を、システムの最適出力Ｄとするこ
とができる。
【００１８】一般に、フィルター設計のプロセスは、近
似問題とリアライゼイション問題という２つの側面を持
っている。前者は、最適なレスポンスに近い伝達関数の
パラメータや係数を選択する過程であり、しばしば周波
数応答についてなされる。後者は、伝達関数のインプリ
メントする構造についての問題を解決する過程である。
したがって、本実施例のように従来型フィルター１１と
ニューロフィルター１２とを並列に接続してハイブリッ
ド構造とすることにより、数学的モデルとして充分研究
されている従来型フィルター１１を利用して近似問題を
解決し、ニューロフィルター１２では、従来型フィルタ
ー１１だけでは構造や計算が複雑になってしまうことを
緩和するとともに、従来型フィルター１１のエラーを修
正するだけでよいという性質を利用して、リアライゼイ
ションの問題をうまく解決できる利点がある。
似問題とリアライゼイション問題という２つの側面を持
っている。前者は、最適なレスポンスに近い伝達関数の
パラメータや係数を選択する過程であり、しばしば周波
数応答についてなされる。後者は、伝達関数のインプリ
メントする構造についての問題を解決する過程である。
したがって、本実施例のように従来型フィルター１１と
ニューロフィルター１２とを並列に接続してハイブリッ
ド構造とすることにより、数学的モデルとして充分研究
されている従来型フィルター１１を利用して近似問題を
解決し、ニューロフィルター１２では、従来型フィルタ
ー１１だけでは構造や計算が複雑になってしまうことを
緩和するとともに、従来型フィルター１１のエラーを修
正するだけでよいという性質を利用して、リアライゼイ
ションの問題をうまく解決できる利点がある。
【００１９】
【発明の効果】以上のように、本発明によれば、学習機
能を有するニューラルネットを画像処理または信号処理
におけるフィルターとして使用するようにしたものであ
り、また、従来型のフィルターとニューラルネットの学
習機能を有するニューロフィルターとを並列に接続し
て、従来型のフィルターの出力をニューロフィルターに
より補正するようにしたものであり、ニューラルネット
の持つ非線形関数学習効果を利用してフィルターのパラ
メータを決定することにより、誰もが容易に最適な結果
を得ることができる。また、本発明によれば、従来型の
フィルターの出力をニューロフィルターで補正すること
により、従来型のフィルターのエラー部分のみをニュー
ロフィルターで補正することができ、効率的なシステム
を構築することができる。
能を有するニューラルネットを画像処理または信号処理
におけるフィルターとして使用するようにしたものであ
り、また、従来型のフィルターとニューラルネットの学
習機能を有するニューロフィルターとを並列に接続し
て、従来型のフィルターの出力をニューロフィルターに
より補正するようにしたものであり、ニューラルネット
の持つ非線形関数学習効果を利用してフィルターのパラ
メータを決定することにより、誰もが容易に最適な結果
を得ることができる。また、本発明によれば、従来型の
フィルターの出力をニューロフィルターで補正すること
により、従来型のフィルターのエラー部分のみをニュー
ロフィルターで補正することができ、効率的なシステム
を構築することができる。
【図１】本発明のニューロフィルターの実施例を示す概
略ブロック図
略ブロック図
【図２】本発明のフィルター装置の実施例を示す概略ブ
ロック図
ロック図
１ 入力層 ２ 中間層 ３ 出力層 ４ 比較回路 １１ 従来型フィルター １２ ニューロフィルター １３ 減算器 １４ 加算器
Claims (7)
- 【請求項１】 学習機能を有するニューラルネットを画
像処理または信号処理におけるフィルターとして使用す
ることを特徴とするニューロフィルター。 - 【請求項２】 画像処理におけるＭＴＦ補正を行なう請
求項１記載のニューロフィルター。 - 【請求項３】 画像処理における像域分割処理を行なう
請求項１記載のニューロフィルター。 - 【請求項４】 画像および文字混在イメージを像域分割
する際に、教師信号として文字には１、画像には０をそ
れぞれ対応させて、文字と画像を交互に学習させる請求
項３記載のニューロフィルターを用いた像域分割方法。 - 【請求項５】 請求項３記載のニューロフィルターによ
る像域分割イメージを局所単純平均化フィルターを用い
て平滑化処理する像域分割後処理方法。 - 【請求項６】 請求項３記載のニューロフィルターによ
る像域分割イメージをメディアンフィルターを用いて平
滑化処理する像域分割後処理方法。 - 【請求項７】 従来型のフィルターとニューラルネット
の学習機能を有するニューロフィルターとを並列に接続
して、従来型のフィルターの出力をニューロフィルター
により補正するようにしたフィルター装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7177747A JPH08305846A (ja) | 1995-03-07 | 1995-07-13 | ニューロフィルターと像域分割方法とフィルター装置 |
| US08/601,751 US6301381B1 (en) | 1995-03-07 | 1996-02-15 | Neurofilter, and method of training same to operate on image data such as to discriminate between text and picture regions of an image which is expressed by image data |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4764595 | 1995-03-07 | ||
| JP7-47645 | 1995-03-07 | ||
| JP7177747A JPH08305846A (ja) | 1995-03-07 | 1995-07-13 | ニューロフィルターと像域分割方法とフィルター装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08305846A true JPH08305846A (ja) | 1996-11-22 |
Family
ID=26387809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7177747A Pending JPH08305846A (ja) | 1995-03-07 | 1995-07-13 | ニューロフィルターと像域分割方法とフィルター装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6301381B1 (ja) |
| JP (1) | JPH08305846A (ja) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7436994B2 (en) * | 2004-06-17 | 2008-10-14 | Destiny Technology Corporation | System of using neural network to distinguish text and picture in images and method thereof |
| US7792359B2 (en) | 2006-03-02 | 2010-09-07 | Sharp Laboratories Of America, Inc. | Methods and systems for detecting regions in digital images |
| US8630498B2 (en) | 2006-03-02 | 2014-01-14 | Sharp Laboratories Of America, Inc. | Methods and systems for detecting pictorial regions in digital images |
| US7889932B2 (en) * | 2006-03-02 | 2011-02-15 | Sharp Laboratories Of America, Inc. | Methods and systems for detecting regions in digital images |
| US7864365B2 (en) * | 2006-06-15 | 2011-01-04 | Sharp Laboratories Of America, Inc. | Methods and systems for segmenting a digital image into regions |
| US8437054B2 (en) * | 2006-06-15 | 2013-05-07 | Sharp Laboratories Of America, Inc. | Methods and systems for identifying regions of substantially uniform color in a digital image |
| US7876959B2 (en) * | 2006-09-06 | 2011-01-25 | Sharp Laboratories Of America, Inc. | Methods and systems for identifying text in digital images |
| US20090041344A1 (en) * | 2007-08-08 | 2009-02-12 | Richard John Campbell | Methods and Systems for Determining a Background Color in a Digital Image |
| RU2431889C1 (ru) | 2010-08-06 | 2011-10-20 | Дмитрий Валерьевич Шмунк | Способ суперразрешения изображений и нелинейный цифровой фильтр для его осуществления |
| KR102499396B1 (ko) | 2017-03-03 | 2023-02-13 | 삼성전자 주식회사 | 뉴럴 네트워크 장치 및 뉴럴 네트워크 장치의 동작 방법 |
| CN109117938A (zh) * | 2018-10-25 | 2019-01-01 | 西南林业大学 | 一种基于人工神经网络的图像扫描方法及系统 |
| JP2022090536A (ja) * | 2020-12-07 | 2022-06-17 | キヤノン株式会社 | 画像処理システム、画像処理装置、制御方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0415648B1 (en) * | 1989-08-31 | 1998-05-20 | Canon Kabushiki Kaisha | Image processing apparatus |
| EP0447252B1 (en) * | 1990-03-15 | 1999-05-26 | Canon Kabushiki Kaisha | Image communication method and apparatus |
| JP3088010B2 (ja) * | 1990-05-25 | 2000-09-18 | 株式会社リコー | 線画分離方法および装置 |
| JPH04294466A (ja) * | 1991-03-22 | 1992-10-19 | Ricoh Co Ltd | 画像処理装置 |
| JPH0737087A (ja) * | 1993-07-19 | 1995-02-07 | Matsushita Electric Ind Co Ltd | 画像処理装置 |
-
1995
- 1995-07-13 JP JP7177747A patent/JPH08305846A/ja active Pending
-
1996
- 1996-02-15 US US08/601,751 patent/US6301381B1/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US6301381B1 (en) | 2001-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3184092B2 (ja) | 画像処理方法 | |
| EP0407213B1 (en) | Image processing apparatus | |
| JPH08305846A (ja) | ニューロフィルターと像域分割方法とフィルター装置 | |
| JPH05225332A (ja) | 空間的可変濾波の方法及び装置 | |
| JPH05502534A (ja) | ディジタル画像のノイズ除去システムおよび方法 | |
| KR20040043157A (ko) | 디지털 영상을 그 잡음을 고려하여 수정하기 위한 방법 및시스템 | |
| CN113066027B (zh) | 面向Raw域的屏摄图像摩尔纹去除方法 | |
| Son | Inverse halftoning through structure-aware deep convolutional neural networks | |
| CN111986275A (zh) | 一种多模态半色调图像的逆半色调化方法 | |
| CN113222856A (zh) | 一种逆半色调图像处理方法、终端设备及可读存储介质 | |
| CN107729885A (zh) | 一种基于多重残差学习的人脸增强方法 | |
| JP3378167B2 (ja) | 画像処理方法 | |
| Knox | Symmetric edge enhancement in error diffusion | |
| Zhang et al. | Image inverse halftoning and descreening: a review | |
| JPH0981723A (ja) | 画像処理装置 | |
| CN115619670A (zh) | 一种弱光图像增强的方法、系统与相关设备 | |
| Tanaka et al. | Locally adaptive learning for translation-variant MRF image priors | |
| Kasauka et al. | An architecture for real-time retinex-based image enhancement and haze removal and its FPGA implementation | |
| JP4019239B2 (ja) | 画像鮮鋭化方法および画像鮮鋭化装置 | |
| JPH11168628A (ja) | 画像データ処理方法及びシステム | |
| CN110415187A (zh) | 图像处理方法及图像处理系统 | |
| CN109842735B (zh) | 一种将扫描图转换为高清图的处理方法和装置 | |
| WO2023222209A1 (en) | Apparatus and method for factorized spatially adaptive dynamic convolution | |
| JPH05274430A (ja) | 画像情報処理方法 | |
| JP2000236451A (ja) | カラー印字装置 |