JPH11505651A

JPH11505651A - フィルタ処理方法及びそれに対応するフィルタ処理システム

Info

Publication number: JPH11505651A
Application number: JP9532389A
Authority: JP
Inventors: アルバートオリフェラス; フィリップサレンビエール; ルイスガリド
Original assignee: フィリップスエレクトロニクスネムローゼフェンノートシャップ
Priority date: 1996-03-13
Filing date: 1997-02-25
Publication date: 1999-05-21
Also published as: EP0826189A1; DE69721913D1; DE69721913T2; WO1997034253A1; US5867605A; EP0826189B1; KR19990014752A

Abstract

(57)【要約】本発明は、画像シーケンスを処理するフィルタ処理方法に関するものであり、このフィルタ処理方法は、各画像に対する、背景（ＡＯ）に対応する親ノード（Ｅ２，Ｇ２）に対応する連するグレーレベルの２値化とく各画素要素のグレーレベル値の割当てとを具える。このタイプのフィルタ処理は、画像を簡単にするとともに輪郭を完全に保持するという利点を有し、決定は、種々の提案された簡単化された基準に基づき、それらの基準のうち、移動に適用した基準が特に好適である。用途：セグメンテーション装置及び特に移動に適合した装置。

Description

【発明の詳細な説明】フィルタ処理方法及びそれに対応するフィルタ処理システム本発明は、画像シーケンスのフィルタ処理方法に関するものである。また、本発明は、対応するフィルタ処理システムに関するものである。画像及びビデオ圧縮技術において、圧縮は、一般に、信号のデコレレーション (decorrelation)と、それに続く送信すべき情報の量子化及びエントロピー符号化によって行われる。デコレレーションは、通常、予測又は変換技術によって得られる。しかしながら、非常に高い圧縮に当たり、次に発生する画像圧縮技術において興味が増大する。また、これら技術は、余分な情報を除去するが、同時に人間の視覚システムの特性の利点を取り出そうとする。特に、例えば１９８９年１０月に刊行されたSignal Processing: Image Communication，vol.1,No.2の11 ７〜138頁のH.G.Musmann 等による論文“Object-0riented analysis-Synthesisc oding of moving images”に記載された領域に基づく圧縮法は、領域のセットすなわち区分に関する画像又はシーケンス及び画像を再構成するためにレシーバによって用いるべき各領域に対する所定の情報に関する画像又はシーケンスを記載している。領域に基づく符号化アプローチに当たり、信号の幾何学的な特性は重要な役割を果たす。オブジェクトは、その画素の相関だけでなく所定の幾何学的な特性によって特徴づけられる。従来の線形的な信号処理ツールは、幾何学的なアプローチに十分適合されてなく、非線形信号処理又はコンピュータビジョンに起因する他のツールは、この目的に好適となることができる。数学的な形態は、信号処理に対する幾何学的なアプローチとして発展され、符号化に対する形態的なツールの使用は、調査のアクティブな領域となっている。特別な形態ツール、接続されたオペレータが、近年規定されるとともに圧縮に有利であることがわかりだした。オペレータのこの分類は、簡単化されていない要素の輪郭情報を保持しながら画像の簡単かの問題を解決する。接続オペレータの輪郭保持特性は、線形フィルタ、中間フィルタ、ランクオーダ(rank order)フィルタ、及び従来の形態のフィルタより著しく良好である。それらを、符号化に当たり多数の目的で用いることができるが、それらはセグメンテーションに特に有利である。用途の一例は、例えば、１９９５年８月に刊行されたIEEE Transaction on Image Processing，vo l.4．No.8 の1153〜1160頁のP.Salembier 及びJ.Serra による論文“Flat zones filtering，connected operators，and filters by reconstruction”で与えられる。これらフィルタは、輪郭についての情報を失うことなく信号を簡単にする必要がある用途で好適である。代表的な例は、上記セグメンテーションを含むが、シーケンス分析、オブジェクト認識等も含む。接続オペレータの作動方法を理解するために、２値画像の例を説明することができる。上記文献で規定したように、２値接続オペレータψを、Ｘを付した任意の２値画像に対するＸ又はその補足Ｘ^cの接続要素のみを取り除くオペレータとする（再構成による十分既知の２値オープニングはこのようなオペレータの一例である。）。その後、大きくないオペレータの場合のみ考察することが提案される。この際、２値接続オペレータは、Ｘの接続補足のみを除去することができるオペレータとなる。２値画像の場合のフィルタ処理方法を、画像のツリー表示により簡単に説明することができる。このアプローチを、２値接続オペレータが作動する方法を示す図１に示す。元の２値画像Ｘを、三つの接続要素で構成する。それを４ノードのツリー構造で表すことができる。この元のツリーＯＧＴにおいて、ルートノード又は３）は、画像の三つの接続要素を表す。この表示において、フィルタ処理プこと（分析ステップＡＳ）にある。基準が、例えばノードに属する画素の数の係数にある場合、基準値を、各ノードに対して所定のしきい値λと比較し、基準がる（除去された接続要素ＲＣＣ）。その理由は、その区域が小さく、その画素が背景ノードＣ方向に移動されるからである（対応する接続要素が除去される。Ｃを具える。見てわかるように、ツリーリンクは、ノードを除去したときの（親の方への）画素の移動を表す。このプロセスにより、新たな輪郭の任意の基準なしで、出力２値画像ＯＢＩが簡単になる（ある接続要素が除去される。）とともに、残りの要素の輪郭情報が保持される（除去されていない要素が完全に保持される。）。全ての大きくない２値接続オペレータを、このプロセスによって説明することができ、アクセスされる基準が修正されるだけである。したがって、本発明の第１の目的は、グレーレベル画像に対する接続オペレータの用途を許容する向上したフィルタ処理方法を提案することである。このために、本発明は、画像のシーケンスをフィルタ処理するに当たり、考察された画像の各々について、（Ａ）その画像要素のグレーレベルのいずれかについて画像の並列な２値化を含み、この２値化を、局所的な背景を規定するために行い、背景の補足の解析後、対応する連続的な接続要素を、親ノード及び連続的な子ノードからなるツリー構造と、関連の画像のいわゆる最大ツリー表示とともに構成し、前記画像のグレーレベル関数の近似の再構成が続く分類ステップと、（Ｂ）特定のフィルタ処理基準に基づいてツリーのノードの除去又は保持を決定し、任意の除去されたノードの画像要素をその親ノードに割り当てるフィルタ処理ステップと、（Ｃ）前記画像の各画像要素にグレーレベル値を割り当てる画像復元ステップとを具えることを特徴とするフィルタ処理方法に関するものである。好適例において、情報フィルタ処理方法は、（Ａ）前記分類ステップは、（１）２値化サブステップを具え、このサブステップは、（ａ）２値基準の規定動作と、（ｂ）最初の２値化が局所的な背景の規定に起因し、他の（ｎ−１）の２値化が連続的な接続要素に対応する規定に起因するｎの並列な画像の２値化動作と、（ｃ）前記画像のグレーレベル関数の近似の前記再構成動作とを具え、（Ｂ）前記フィルタ処理ステップは、（３）フィルタ処理基準を規定し及び測定する分析サブステップと、（４）前記ノードの除去又は保持を決定する決定サブステップとを具え、（Ｃ）前記画像復元ステップは、（５）前記画像の各画像要素に、それが属するノードのグレーレベル値を割り当てる、算出サブステップを具えることを特徴とするものである。この方法の特徴によれば、前記接続要素を規定する前記２値化動作を、分水法を用いることによって実行し、この分水法は、先ず、以前の局所的な背景補償規定に起因する２値セットＸのいわゆる距離関数ＤＩＳＴ（Ｘ）の算出と、その後の（−ＤＩＳＴ（Ｘ））の分水の算出とを含む。更に、フィルタ処理方法の他の例では、前記分類ステップは、前記２値化サブステップの後に、（２）前記接続要素を規定する前記２値化動作を、分水法を用いることによって実行し、この分水法は、先ず、以前の局所的な背景補償規定に起因する２値セットＸのいわゆる距離関数ＤＩＳＴ（Ｘ）の算出と、その後の（−ＤＩＳＴ（Ｘ））の分水の算出とを含む。特に好適な例によれば、単一分岐を意味する簡単なツリーに対して、前記決定サブステップそれ自体は、（ａ）二つのあり得る決定「保持」及び「除去」に対応する二つの状態Ｐ_h する遷移を具える格子を創成し、前記遷移を、Ｒ_h→Ｒ_h-1，Ｒ_h→Ｐ_h-1，Ｐ_h→ Ｒ_h-1，及びＰ_h→Ｐ_h-1と称する第２の構成動作と、（ｃ）コストが各ノードに対する各決定の信頼性を反映し、経路の全体のコストを、その遷移のコストの和として規定した第３のコスト割当て動作と、（ｄ）最低の追加コストを決定するルールの選択の基準によりＰ_h及びＲ_hで終了する最適経路を選択する第４の局所的な決定動作と、（ｅ）選択した最適経路に関連する状態に基づいて各ノードに対して規定した決定を規定する第５の全体決定動作とを具える。上記例の変形によれば、複数分岐を意味するツリーに対して、前記決定サブステップそれ自体は、各分岐内で、（ａ）二つのあり得る決定「保持」及び「除去」に対応する二つの状態Ｐ_h する遷移を具える格子を創成し、前記遷移を、Ｒ_h→Ｒ_h-1，Ｒ_h→Ｐ_h-1，Ｐ_h→ Ｒ_h-1及びＰ_h→Ｐ_h-1と称する第２の構成動作と、（ｃ）コストが各ノードに対する各決定の信頼性を反映し、経路の全体のコストを、その遷移のコストの和として規定した第３のコスト割当て動作と、（ｄ）最低の追加コストを決定するルールの選択の基準によりＰ_h及びＲ_hで終了する最適経路を選択する第４の局所的な決定動作とを具え、各分岐に対して連続的に実現した後、前記第４の動作に、追加の全体決定動作を続け、この決定動作は、先ず、前記最適経路の各々とこれら最適経路の各コストの和に等しい関連の全体コストとの統合として全体的な最適動作を規定し、その後、選択した最適経路に関連する状態に基づいて各ノードに対して規定した決定を規定する。本発明の他の目的は、上記フィルタ処理方法を実施するシステムを提案することである。このために、本発明は、画像のシーケンスをフィルタ処理するフィルタ処理システムであって、このフィルタ処理システムは、（Ａ）分類装置を具え、この分類装置は、（１）最大ツリー基準段を具え、この段は、直列に、（ａ）２値化基準を規定する回路と、（ｂ）前記２値化基準に従って、局所的な背景の形態の考察される元の画像の簡単なバージョンと、親ノード及び連続的な子ノードからなるツリー構造並びに前記考察される元の画像のいわゆる最大ツリー表示を構成する関連の接続要素の簡単なバージョンを発生させるｎ個の並列な２値化回路と、（ｃ）前記考察される元の画像のグレーレベル関数の近似を発生させる回復回路とを含み、このフィルタ処理システムは、（Ｂ）フィルタ処理装置を更に具え、このフィルタ処理装置それ自体は、（３）特定のフィルタ処理基準に従って前記最大ツリーの各ノードを分析する分析段と、（４）前記フィルタ処理基準に基づいて前記最大ツリーのノードを除去し又は保持し、ノードを除去する度にその画像要素をその親ノードのものに併合する決定段とを具え、このフィルタ処理システムは、（Ｃ）画像要素の各々にそれが属するノードのグレーレベル値を割り当てることによりしかしながら画像を算出する画像復元装置を更に具えることを特徴とするフィルタ処理システムに関するものである。上記システムにおいて、前記分類装置は、前記最大ツリー基準段に直列に、（２）訂正段を具え、この訂正段は、直列に、（ｄ）背景補償規定に起因する２値セットのフィルタ処理されたバージョンの距離関数を算出する装置と、（ｅ）前記距離関数の逆の分水を算出する装置とを含む。上記フィルタ処理システムの特定例において、前記特定のフィルタ基準を複雑基準とし、前記分析段は、各接続要素に対してその周辺とその区域との間の比を測定する回路を具え、前記決定段は、長い周辺及び小さい区域を有するノードを除去するとともに除去したノードの各々の画像要素をその親ノードのものに併合する手段を具える。システムの他の例において、前記特定のフィルタ基準をエントロピー基準とし、前記分析段は、接続要素に属する画素のヒストグラムの算出後、各接続要素によって与えられる情報両を規定する測定動作を具え、前記決定段は、予め設定された値より低いエントロピーを有する全ての要素を除去する決定動作を具える。システムの他の好適例において、前記特定のフィルタ基準を移動基準とし、前記分析段は、前記考察された元の画像の各画像要素（ｉ，ｊ）の各々に対して偏位領域（Ｄ_i（ｉ，ｊ），Ｄ_j（ｉ，ｊ））を与える移動モデルを規定する回路を具え、前記決定段は、前記移動モデルに関連するパラメータによってノードを除去し又は保持する手段を具える。実際、このタイプのフィルタ処理基準は非常に有利である。一般に、移動情報が、画像構造について何ら知ることなく測定される。移動接続オペレータを用いることにより、移動情報を処理する種々の方法が提案される。それにより、オブジェクトが既知の移動に従う場合の画像のシーケンスを分析し、その後、この新たなタイプの画像の構造の分析に基づいて適切な決定を行うことができるようになる。（移動に適合したシーケンスのセグメントを許容する）これらオペレータの興味ある用途として、あらゆる種類の観察タスク（家庭の建物又は業務用の建物、オフィス．．．）に関するように思われる。本発明を、添付図面を参照して詳細に説明する。図１は、２値画像の場合の接続オペレータの作動方法を示す。図２は、複数のグレーレベルを有する元の画像の場合のツリー表示を示す。図３及び４は、本発明による方法に対応する一般的なフィルタ処理形態及び上記方法を実現するフィルタ処理システムの例をそれぞれ示す。図５及び６は、一つの移動パラメータに対する移動基準の実現及び移動範囲に対する移動基準の実現をそれぞれ示す。図７及び８は、決定サブステップのある態様を説明するために、単一分岐ツリー構造の場合及び複数分岐ツリー構造の場合の上記決定に対する格子構造をそれぞれ説明する。図９〜１６は、二つの移動フィルタ処理の例を示す。本発明の原理は、ツリー表示をグレーレベルケースに適用する際に向上した方法を実施することである。その概念は、全てのあり得るグレーレベルでしきい値を設けたバージョンを研究することにより、ツリーを繰り返し創成することにある。一例を図２に示す。オリジナル画像ＯＲＩは、文字｛Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ｝を付した七つの平坦区域（信号が一定のときの最大接続要素）からなる。各文字に続く番号は、平坦区域のグレーレベル値を規定する。本例では、三つのグレーレベル値は、０から２の範囲にある。上記基本原理を実行するために、第１ステップにおいて、最初のしきい値を、グレーレベル値０に固定する。この際、画像を２値化する。レベルｈ＝０の全て割り当てる（とともに、上記領域ＡにＡ０を付す。）。さらに、ｈ＝０より全くドに一時的に割り当てる。これは、２値画像に用いられるのと同様な手順に基づいて、（０と１との間のグレーレベルに対して）第１ツリーＦＴを創成する。第レベルｈ＝１のこのノードに属する全ての画素に、このノードを割り当てたままである。しかしながら、ｈより全く高いグレーレベル値の画素（ここでは｛Ｅ，レーレベル値がある場合、完全最終ツリーＣＦＴを、レベルｈの全てのノードｋ及び（０から最高グレーレベル値までの）全てのあり得るしきい値ｈに対してこのプロセスを反復することによって得る。レベル値の全ての画素を保持することによって規定するとともに、ｈよりも高いグレーレベル値の画素によって形成された種々の接続要素が、ツリーの子ノードを創成する。このような手順を、グレーレベル画像と視野によって完全にカバーされた地形的な表面の比較によって十分に理解することができる。視野のレベルを有し、より高い高度で、視野は独自のものとなる。視野レベルを下げるときに湖が展開するような全ての湖の相互接続を、ツリーとして表すことができる。ツリーのルートは、全区域をカバーする視野を表す。レベルが１段下がると、視野の展開は変わらないままであり、以前の高度のある平坦区域はカバーされなくなる。これらドライ区域のために、視野は、一つ又は複数の接続要素を分離しはじめる。新たなノードが、新たな高度の各湖に対して創成され、１レベル上の視野を表すルートノードに接続される。視野が一つの接続要素のままである場合には単一分岐が創成され、分離がある場合には分岐を有する複数ブランチを創成する。水のレベルが下がると、ツリーを拡張する同一繰り返し手順を、現在の高度でこの手順において、あるノードは空になる（すなわち、追加のブランチがなくなる。）。したがって、ツリー構成の終了時に、（例えば、図２の完全最終ツリ大を、単にツリーの葉とする。）とともに少数のオペレータの実行を意図する画像の構成を完全最終ツリーＣＦＴが表すという意味で、完全最終ツリーＣＦＴを最高ツリーと称する（多数のオペレータの実行に割り当てた最小ツリーを、単に二重性によって規定する。）。フィルタ処理ステップそれ自体は、２値の場合に対して用いられたものと同様である。基準を各ノードに対して仮定し、この値に基づいて、ノードが保持され又は取り除かれる。しかしながら、この最後の場合、ノードの画素がその親ノードに対して取り除かれ、したがって、出力ツリーＣてることによってグレーレベル画像に変換される。本発明による方法に対応する一般的なフィルタ処理形態を、より詳細に説明する。図３でわかるように、上記方法は、三つのメインステップ、すなわち第１の画素分類ステップ３１と、第２のフィルタ処理ステップ３２と、第３の画像回復ステップ３３とを具え、これらステップを、図４に示したフィルタ処理システムで実行する。第１ステップ３１により、フィルタ処理工程に対して適切な方法で現在の画像の各々の画素を構成することができる。この適切な方法は、以前に最高ツリーとノード間のリンクのセット）による画素の分類から成る。このプロセスを、画像の最低グレーレベル値から最高グレーレベル値まで繰り返す。第１の２値化サブして、局所的な背景に属する画素のセットを、規定し及び最高ツリーの上記ノー背景を規定する従来の方法は、上記グレーレベル値を有する全ての画素をとるこ，ｊ）から構成する、等々。）。したがって、画像の平坦区域を連続的に取り出す。しかしながら、実際には、各々を平坦グレーレベル値によって特徴づけるこれら基本的な視覚エンティティは、ノイズ又は構造によって多かれ少なかれ平坦になる。実際に実行される２値化プロセスはこの際相違する。局所的な背景の各々は、例えば、以下の基準に従うさほど厳格でない基準によって規定される。 − 固定されたしきい値：しきい値をノードのグレーレベルｈに正確に規定する代わりに、背景により多くの画素を含むより高いレベルを用いることができ、そい画素（ｉ，ｊ）によって構成される。 − 適合されたしきい値：固定されたしきい値ＴＤを規定する代わりに、すなわちこのような固定されたしきい値の先験的な規定が困難である場合、例えば関連の画素のヒストグラムに基づく可変のしきい値の規定を用いることができる（例えば、画素の平均値より下のグレーレベル値の画素を取り出す。）。実際には、選択された使用できる基準は、グレーレベル変動の境界Δの規定を信用する。この際、対応する適合した２値化ルールは次のようになる。ノードＣｉ，ｊ）から成り、ｉ’及びｊ’は、ｆ（ｉ，ｊ）＝ｈを満足する任意の画素ｉ，ｊの隣の任意の画素を規定する。それは、平坦区域が低グレーレベル変動の画素から成る場合、Δパラメータを、各平坦区域のこれら変動に対する境界を規定するために選択する（特定の場合Δ＝０は、区域が全く平坦であるときの状態に対応する。）。この解決の興味を、平坦区域の数を見ることによって予測することができ、それは、境界Δの値が増大するに従って減少する。厳密な２値化を用いる（すなわち、Δ＝０）場合、関連の画像の領域は、非常に多数の小平坦区域によって表され、単一の視覚エンティティとして処理されない。それに対して、柔軟な２値化を用いる場合、これら多数の小平坦区域がグループ化されて、接続オペレータによって互いに結びついて処理される最大エンティティを形成する。しかしながら、このように適合された２値化プロセスを用いると、最大ツリーの所定のノードに割り当てられた画素は、同一グレーレベル値を有しない。したがって、後に説明する第３の画像回復ステップ３３中、グレーレベルｈを、ノー対して提案される。そのとき及びそれに続いて、厳密な２値化プロセスの実現（すなわちΔ＝０）が暫定的に支持される。２値化サブステップ３１１の後、接続要素規定サブステップ３１２が発生する接続要素規定を実行する、すなわちレベル（ｈ＋１）の新たなノードを創成する必要がある。提案されたアプローチは、所定のタイプの接続を選択し及び接続ルールに従う局所的な背景に属さないノードの画素のセットのラベル付けすることにある（このサブステップは非常に重要である。その理由は、それがエンティティ−すなわち接続オペレータが動作するツリーのノードを規定するからである。）。実際には、接続オペレータには、大きなオブジェクト間に幾分薄い接続経路が存在するために創成された相違するオブジェクトの接続に起因するリーケージ (leakage)と称する欠点が存在することが既知である。厳密な接続を許容するこの問題の解決は、これら薄い接続を破壊することと、要素を、個別に処理される基本形状のセットにセグメント化することにある（接続されたオペレータは、各基本形状を個別に決定することができる。）。複数の方法が、このような厳密な接続を規定するために既知であり、提案されたものは、例えば、本願人によって以前に出願された欧州特許出願公開明細書第 0627693 号に記載された分水法(watershed method)のようなある形態ツールを用いることにあり、より正確には、以前の局所的な背景の規定に起因する２値セットＸのいわゆる距離関数ＤＩＳＴ（Ｘ）の算出及びこの距離関数の逆（−ＤＩＳＴ（Ｘ））の分水の算出にある。この場合、分水変換は、集水ばち(catchment b aslns)と称する（−ＤＩＳＴ（Ｘ））領域の最小に関連する（距離関数の最大であるこれら最小は、上記セットの最終的な浸食に相当する。）。最終的な浸食によって行われたセグメンテーションが非常に多くの接続要素を創成する場合、その規定数を、（−ＤＩＳＴ（Ｘ）Λｌ）を付した距離関数のしきい値を設けたバージョンのセグメンテーションを実行することにより簡単に規定することができ、この場合、パラメータｌ（ｌ＝浸食のサイズ）により、ｌ＝０のときのクラシックな接続からｌが無限値をとるときに接続要素の数が最終的な浸食の数によって規定される場合の最終的な場合まで順次進むことができる。例えばｌ＝１に対して分水セグメンテーションによって得られる最終結果は、本来のサイズに適合した簡単化に対応し、特にリーケージの問題（薄く接続した経路が二つの大きなオブジェクト間に現れたために創成された不所望な接続）を回避する。その後、この再セグメント化された画像を分析すると、一般に接続要素に小さい孔が存在することを示すので、訂正サブステップ３１３を設ける。これにより、距離関数は多数の領域最大を処理し、したがって多数の接続要素がセグメンテーションによって創成される。距離関数が元の２値画像Ｘ上ではなくφ（Ｘ）を付した再構成によるクロージング、すなわちエリアクロージングの結果上で算出される場合、少なくとも部分的にこの欠点を回避することができる。この動作の影響により、接続要素の内側の小さい孔を充填する。その結果、φ（Ｘ）の距離関数は、著しく簡単になり、特に領域最大の数の減少を伴う。ここで、この距離関数に起因するセグメンテーションは、接続要素のより自然な分解に対応し、説明したように簡単化した画像は、もはや誤った輪郭を伴わない。第２ステップ３２は、特定のフィルタ処理の基準を測定することにより最大ツリーの各ノードを先ず分析し、その後ノードの除去又は保存の決定を行うことができる。これら二つのサブステップ（分析サブステップ３２１，決定サブステップ３２２）を、後に詳細に説明する。第１分析サブステップ３２１において、複数の特定の基準を用いることができる。第１の基準を、例えば複雑基準とする必要があり、それは純粋に地理的な基準である。他の基準、例えば、グレーレベル分布を処理する基準、エントロピー基準、及び画像シーケンスに専念する基準すなわち移動基準が可能である。複雑基準の場合、基本的な概念は、例えば各接続要素に対してその周囲Ｐとその区域Ａとの間の比（Ｐ／Ａ又はＡ／Ｐ）を測定することにより複雑な接続要素を取り除くことができるオペレータを規定すること（オペレーション３２１１）である。接続要素が小さい領域を有するが非常に長い周囲を有する場合、それは、複雑なオブジェクトに対応すると考えられ（例えば、区域Ａの円の複雑さはＣ＝（２√π）／√Ａであり、同時に、同一区域Ａを有する方形に対してＣ＝４√ Ａである。円は方形より簡単である。）、それを除去する。より一般的には、このようなオペレータは、テキスト又は組織のようなパーツを（画面中で）除去し、それを、構造なしの線形形状又は区域の比較によって複雑であると一般に考えることができ、同時に、除去されないオブジェクトの輪郭を保持する（実際には、複雑及び明るいオブジェクトは、元の画像から取り除かれるが、２重すなわち交互のオペレータを、ダークオブジェクトの複雑さを取り扱うために規定することもできる。いずれの場合も、得られる効果は、サイズに適合しない。その理由は、大きなオブジェクト及び小さいなオブジェクトは、除去されず、また、コントラストに適合しないからである。）。複雑基準の興味を、セグメンテーションに基づく符号化用途で見ることができる。このような用途において、画像の特定の区域をセグメント化する必要があるか否かを決定する必要がしばしばある。第１の場合には、領域の輪郭が受信器に送られ、符号化コストの部分は、周辺のコードに対する輪郭の長さに比例する。第２の場合には、領域を構造情報と考え、その符号化コストは、一般にその区域に比例する。見てわかるように、複雑なオペレータにより、輪郭／構造コスト規格に従うオブジェクトを分類することができ、それは、符号化決定の問題を簡単にする。ネーム「複雑」を基準に割り当てる。その理由は、直観的には、既に説明したように、接続要素が小さい領域を有するが非常に大きい輪郭を有するか否か見ることができ、それは複雑なオブジェクトに対応する。エントロピー基準の場合には、基本的な概念は、サポートの内側の画素のグレーレベル分布のみに基づく要素の選択にある。各接続要素に対して、グレーレベル値のヒストグラムを算出し、特徴をヒストグラム上で決定して、接続要素を保持する必要があるか除去する必要があるかを決定する。以下説明するように、一例は、グレーレベル分布のエントロピーを測定することにある。エントロピーは、統計的な観点から各接続要素によって与えられた情報の量を測定する。一旦、接続要素に属する画素のヒストグラムを算出すると、各グレーレベル値の可能性上で見積もったようなグレーレベルｌの発生の可能性を表す場合、ビットで測定されたエントロピーは、式（１）によって規定される。一定値の区域のエントロピーは零に等しくなり、それに対して、エントロピーは、一様な確率密度関数のランダム構造に対して最大となる。例えば、エントロピーオペレータは、５ビットより低いエントロピーの全ての要素を除去する。移動基準の好適な場合において、基本的な概念は、先ず、所定の移動を行わない画像接続要素を除去することができるオペレータを規定することである。分析サブステップ３２１の第１動作３２１１は、この場合、各画素（ｉ，ｊ）に対する偏位領域（Ｄ_i（ｉ，ｊ），Ｄ_j（ｉ，ｊ））を与える移動モデルの規定にある。この領域は、変換に従う全てのオブジェクトを取り出したい場合にはｉ及びｊの値がどのようなものであっても一定（Ｄ_i（ｉ，ｊ）＝Ｄ_j及びＤ_j（ｉ，ｊ）＝Ｄ_i）であるが、偏位は、一般に、疑似モデル又は方形モデルのようなより複雑な移動モデルを処理するために、上記空間位置（ｉ，ｊ）に依存する。第２オペレーション３２１２は、シーケンス処理オペレーションであり、次のようにして実行される。各フレーム（連続的なフレームを考慮する。）を、それに対含まれる情報が移動領域（Ｄ_i（ｉ，ｊ），Ｄ_j（ｉ，ｊ））に従って移動するともに以前のフレームを有するこの領域の平均移動フレーム差（ＭＤＦＤ）の逆を算出するために選択し、それは、式（２）によって表される。ここで、ｆ_i（ｉ，ｊ）＝画像シーケンス（ｔ＝時間瞬時）ｉ，ｊ＝Ｃの画素の座標平均移動フレーム差の逆を用いて、領域を除去する必要があるときに、保持する必要がある領域に対する基準値を、対応する値より高くする。この第２オペレーション３２１２を一般化する。二つのフレームのみに基づく画像の一部の移動を説明することは、実際には信頼性のないことが時々ある。ある過去の決定の記憶を有することを決定し、これを、繰り返し加算することによって行うことができる。二つの平均ＤＦＤを測定し、（第１の平均を、現在のフレームｆ_tと以前のフレームｆ_t-1との間のものとし、第２の平均を、現在のフレームｆ_tとΨ（ｆ_t-1）を付した以前のフィルタ処理されたフレームとの間のものとし、Ψは、接続オペレータを示す。）。移動基準は、最終的には式（３）によって規定される。ここで、αを０と１との間とする。α＝１の場合、基準はメモリレスとなり（式（３）は式（２）になる。）、それに対してαの値が低くなると、決定プロセスの繰り返し要素を導入することができる。αに対する周辺値の選択は用途に依存する。任意の移動の変化を非常に速く検出したい場合には、基準は主にメモリレスとなり、それに対して、繰り返し部分は、多数のフレームの観察を伴うより信頼性のある決定が必要である場合に気付くことができる。より一般的な動作を行うとしても、パラメータαを、（少なくとも一つの）以前のフレームに影響を及ぼすオペレータを考慮することにより各フレームに適合させる。パラメータは、例えば式（４）によって与えられる。ここで、α、を０とα₀との間とする。式（２）及び（３）で表した移動は、移動パラメータの１セットを取り扱う。所定の移動に正確に従わないオブジェクトを除去する。ある用途では、所定の移動範囲（すなわち移動バンド幅）内のオブジェクトを保持するのが有効である。このために、式（２）に対応する基準を、以前のフレームの浸食ε及び拡張δを導入することにより修正することができる。平均移動フレーム差ＭＤＦＤの差｜ｆ_t−ｆ_t-1｜を、各ポイントに対して、ｆ_t＞δ（ｆ_t-1）の場合にはｆ_t−δ（ｆ_t-1）に、ｆ_t＞ε（ｆ_t-1）の場合にはε（ｆ_t-1）−ｆ_tに、δ（ｆ_t-1）≦ｆ_t ≦ε（ｆ_t-1）の場合には０にそれぞれ置き換える。このアプローチを図５及び６に示し、それは、一つの移動パラメータに対する移動基準の実現及び移動範囲に対する移動基準の実現をそれぞれ示す。見てわかるように、ｆ_t-1の浸食及び拡張は、関数ｆ_tが偏位フレーム差に貢献しない状態にすることができる「チューブ」を創成する。拡張及び浸食に用いられる構成要素のサイズは、移動バンド幅を規定する。除去を述べる。決定コストを、各ノードに対して、あり得る決定にそれぞれ割り当てる場合、決定問題を、ツリーの葉からルートノードまで下がる最低コスト経路のセットを見つけるように見ることができる。このアプローチを、単一ブランチを含む簡単なツリーの場合について詳細に説明する。図７に示すように、先ず二つの状態Ｐ_h及びＲ_hを割り当てる。次に、あるノードのあり得る決定とその親のあり得る決定とをリンクする遷移を創成することによって、格子を構成する _h→Ｒ_h-1，Ｐ_h→Ｐ_h-1が存在する。さらに、コストを各遷移に割り当てる。同一コストを、「保持」状態に行く二つの遷移に割り当てる。このコストは、そのノードに対する「保持」決定の信頼性を反映する（この信頼性を、例えば基準の所定の制限λと基準値Ｍ（Ｃ_h）との間の差によって測定することができる。信頼性が非常に高い場合、コストは非常に低い。）「除去」状態から出発し及び「除去」状態に行く遷移の場合、状況は類似しており、値Ｍ（Ｃ_h）−λを遷移コストとして割り当てることができる。しかしながら、これは、「保持」状態から出発し及び「保持」状態に行く遷移の場合には当てはまらない。実際、これら遷移を回避する必要がある。その理由は、莫大なコストをそれらに割り当てる場合に行うことができるように、全てのノードが除去されるより上であるとともに全てのノードが保持されるよりも下のレベルｈを規定するのが好適である。ここで、決定は、最大から開始してルートノード（少なくとも、ルートノードを保持する必要がある。）の「保持」状態で終了する最低コストの経路をこの格子内で見つけることにある。経路のコストを、その遷移のコストの和として規定する。この問題を、既知のビテルビ(Viterbi)アルゴリズムによって非常に有効に解決することができ、その主要概念を思い起こす。最高から開始してＰ_h+1及びＲ_h ₊₁ で終了する二つの最適な（最適コストの）経路が既知であると仮定する。こ適経路を、局所的な決定によって規定することができる。例えば、Ｒ_hで終了すこのルールは、単に、状態Ｒ_hで終了する最適経路が状態Ｒ_h+1又は状態Ｐ_h+1を経る必要があり、最適経路が最低加算コストとなるものであることを述べる。同様な決定ルールを、状態Ｐ_hで終了する最適経路に対して規定することができる。このプロセスを、ルートノードｈ＝０まで繰り返し、最適経路が局所的な決定に基づいて順次構成される。最後に、一旦最適経路が見つかると、それが通過する状態は、各ノードに対する決定を規定する。この幾分簡単な手順を拡張して、種々の分岐を持つツリーを処理する必要がある。図８は、二つの分岐の接合の場合に対応するが、この手順は一般的であり、この拡張は、任意の数の分岐に関するものである。例えば、状態Ｒ_hの場合を分析する。この状態で終了する一つでなく二つの最適経路が存在する。一つの経路は分岐１から生じ、それに対して他の経路は分岐２から生じる（これらは互いに依存しない。）。その結果、これら二つの経路を互いに依存することなく規定する必要がある。図８において、実戦及び破線で示した二組の遷移を見ることができる。（最適経路の規定に関する）上記ルール（５）によって規定された決定を、遷移の両セットに用いる。一旦、これら二つの最適経路を規定すると、それらの結合は、状態Ｒ_hで終了する「最適経路」と考えられ、そのコストは、二つの経路のコストの和に等しい。この決定法の関心は、それが非常に強固であることに頼る。実際には、強固さは、同様な入力画像により同様な出力結果となることを意味する。決定が全ツリー上で全体的であり、部分的でないために、この利点を得る。ビテルビアプローチの強固さも、決定が各遷移に割り当てられたコストに強く依存しないことによって反映される（例えば、実際には、以前に提案されたコストが符号（１又は− １）を置き換えられる場合には、同様な結果が得られる。）。決定サブステップ３２２は、コスト基準に基づいてあるノードを除去することにより、フィルタ処理された最大ツリーを創成する。ノードを除去する度に、その画素を親ノードの画素に併合する。第３ステップ３３は、出力画像を算出することにある。このステップは、一般に、画素（ｉ，ｊ）に、それが属するノード、特定の用途に対して変更することができる。決定がノード及びそれに対応する画素を二つのクラスに、すなわち除去すべきノード及び保持すべきノードに分類することがわかる。その後、相違する復元技術を各クラスに割り当てる。ノードを保持する必要がある場合、その成分を、接続オペレータによって変更しない。その結果、元のグレーレベル値を、保持したノードの画素に用いる。それに対して、除去すべきノードは、画像から消失する区域に対応する。あるアプローチは、この区域が実際に画像中に存在しない場合に見られるグレーレベル値を見積もることにある。次いで、三つの例を説明する。第１の解決は、非平坦２値化アプローチ（例えばΔ＝８で２値化サブステップ３１１に関して既に説明した適合性２値化ルール）による最大ツリー基準に従う従来のエリアオープニングを伴う。エリアオープニングを、最大ツリーに適用し、決定を各ノードに対して行う。結果的に得られる決定マップにおいて、暗（明）区域は、保持（除去）すべきノードを表す。最終的な結果の画像では、保持すべき画素がその元の値に等しく、除去すべき画像が、平坦アプローチを用いることによって有する値に設定される。本例では、この平坦アプローチの結果を、除去すべき区域の裏側の画像グレーレベル値の見積もりとして用いる。第２の解決は、除去すべき区域の画素の平均を算出することにある。しかしながら、実際には、このアプローチは、除去されたノードと保持されたノードとの間の遷移が非常によく見える場合に結果を与える。第３の解決は、移動に適合した接続オペレータを用いたシーケンスフィルタ処理とすることができる。この目的は、移動しない全ての画像要素を保持することである。移動する人がいる廊下を見せる固定シーンの例では、移動オペレータを従続して用いることにより、最終的にフィルタ処理した画像を、人が取り除かれるとともに、それを背景の平坦区域に置き換える。時間シーケンスを取り扱うので、この人の後ろの情報を、次のルールに従って以前のフレームから更に取り出すことができる。画素が、除去すべきノードに属する場合、出力グレーレベル値を、以前にフィルタ処理されたフレームの移動補償によって規定することができる（画素（ｉ，ｊ）に対して、出力グレーレベル値ｇ_t（ｉ，ｊ）を、ｇ_t（ｉ，ｊ）＝ｇ_t-1（ｉ−Δ_iｊ−Δ_j ）によって与える。）。既に説明したように、本発明は、上記フィルタ処理方法を実施するフィルタ処理システムにも関するものてある。図４に図示したフィルタ処理システムは、分類装置４１と、フィルタ処理装置４２と、復元装置４３とを従続して具える。分類装置４１は、最大ツリー基準段４１１を具え、接続要素に存在するおそれがある小さい孔を除去するために設けた訂正段４１２がこれに続く。上記段４１１は、先ず、例えば画像のあるグレーレベルに対応するしきい値を規定する場合に特定の２値化基準を規定する規定回路４１１１を具える。この回路４１１１に、これらグレーレベルに従う画像の連続的なしきい値を設けたバージョンを創成することができるｎ個の並列な２値化回路４１１２Ａ，４１１２Ｂ，．．．，４１１２Ｎと、グレーレベル関数の近似を再構成することができる２値化回路の出力を受信する再構成回路４１１３（再構成回路の関数は、図１を参照して説明したアプローチの場合の出力２値画像ＯＢＩの基準に対応する。）。訂正回路４１２は、所望の場合には、従来の分水法を実行する回路（４１２１，４１２２）を具え、距離関数を、以前の局所的な背景補足に起因する２値セットではなく、そのフィルタ処理された形態に対して、算出装置４１２１によって算出し、その算出を、算出装置４１２２で、上記関数距離の逆の算出に続ける。フィルタ処理装置４２は、分析段４２１を具え、この分析段４２１は、予め設定された規定、例えば複雑規定又は移動規定を満足しない接続要素を除去するオペレータ規定することができる。このフィルタ処理装置４２は、決定段４２２１を更に具え、この決定段４２２１は、上記基準によって規定されたルールに従って、あるノードを除去し又は保持することができる。行われたテストは、提案したフィルタ処理方法の有効性を示す。例えば、移動接続オペレータの場合、ある例を図９〜１６に図示する。第１の移動フィルタ処理の例を、図９，１１，１２及び１３に示し、それらは、固定オブジェクトを保持する移動接続オペレータの一例に対応する。オペレータの目的は、図９の元の画像から全ての移動オブジェクトを除去することである。移動モデルは、（Δ_i，Δ_j）＝（０，０）によって規定される。このシーケンスでは、全てのオブジェクトは、二人の話し手の後ろのバレリーナ及び話している左側の話し手を除いて静止している。既に説明したような移動接続オペレータ Ψ（ｆ）の用途は、全ての明移動オブジェクト（図１１）を除去し、そのデュアルオペレータの用途は、全ての暗移動オブジェクト（図１２）を除去する。（元の画像の差である）残余は、図１３に存在し、移動オペレータによって除去されたものを示す。見てわかるように、オペレータは、バレリーナ及び話し手の顔の移動の詳細を非常に正確に取り出している。第２の例を、図１０の元の画像及び関連の図１４〜１６に関して説明する。図１４〜１６は、移動適合分解の一例に対応する。この元の画像の分解を３ステップで行う。先ず、主要な変換を、追従移動モデル（Δ_i，Δ_j）＝（２，０）を与えることによって見積もる。この変換に従うオブジェクトを、そのデュアルオペレータに従う移動オペレータの用途によって得る（図１４）。その後、元のフレームとフィルタ処理されたフレームの差を算出し、この残余の上で静止オブジェクト（Δ_i，Δ_j）＝（０，０）を取り出す（図１５）。最後に、残りの要素を図１６に図示する。これは、三つのシーケンスの和が元のシーケンスを復元する意味で元のシーケンスの分解である。見てわかるように、フィルタ処理は、背景と二つの相違する方向に移動するボートとを明瞭に分解している。

───────────────────────────────────────────────────── フロントページの続き (31)優先権主張番号９６４０２９２５．０ (32)優先日 1996年12月31日 (33)優先権主張国フランス（ＦＲ） (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＪＰ，ＫＲ (72)発明者ガリドルイスオランダ国 5656 アーアーアインドーフェンプロフホルストラーン６

Claims

【特許請求の範囲】１．画像のシーケンスをフィルタ処理するに当たり、考察された画像の各々について、（Ａ）その画像要素のグレーレベルのいずれかについて画像の並列な２値化を含み、この２値化を、局所的な背景を規定するために行い、背景の補足の解析後、対応する連続的な接続要素を、親ノード及び連続的な子ノードからなるツリー構造と、関連の画像のいわゆる最大ツリー表示とともに構成し、前記画像のグレーレベル関数の近似の再構成が続く分類ステップと、（Ｂ）特定のフィルタ処理基準に基づいてツリーのノードの除去又は保持を決定し、任意の除去されたノードの画像要素をその親ノードに割り当てるフィルタ処理ステップと、（Ｃ）前記画像の各画像要素にグレーレベル値を割り当てる画像復元ステップとを具えることを特徴とするフィルタ処理方法。２．（Ａ）前記分類ステップは、（１）２値化サブステップを具え、このサブステップは、（ａ）２値基準の規定動作と、（ｂ）最初の２値化が局所的な背景の規定に起因し、他の（ｎ−１）の２値化が連続的な接続要素に対応する規定に起因するｎの並列な画像の２値化動作と、（ｃ）前記画像のグレーレベル関数の近似の前記再構成動作とを具え、（Ｂ）前記フィルタ処理ステップは、（３）フィルタ処理基準を規定し及び測定する分析サブステップと、（４）前記ノードの除去又は保持を決定する決定サブステップとを具え、（Ｃ）前記画像復元ステップは、（５）前記画像の各画像要素に、それが属するノードのグレーレベル値を割り当てる、算出サブステップを具えることを特徴とする請求の範囲１記載のフィルタ処理方法。３前記接続要素を規定する前記２値化動作を、分水法を用いることによって実行し、この分水法は、先ず、以前の局所的な背景補償規定に起因する２値セットＸのいわゆる距離関数ＤＩＳＴ（Ｘ）の算出と、その後の（−ＤＩＳＴ（Ｘ））の分水の算出とを含むことを特徴とする請求の範囲２記載のフィルタ処理方法。４．前記分類ステップは、前記２値化サブステップの後に、（２）前記接続要素を規定する前記２値化動作を、分水法を用いることによって実行し、この分水法は、先ず、以前の局所的な背景補償規定に起因する２値セットＸのいわゆる距離関数ＤＩＳＴ（Ｘ）の算出と、その後の（−ＤＩＳＴ（Ｘ））の分水の算出とを含むことを特徴とする請求の範囲２記載のフィルタ処理方法。５．単一分岐を意味する簡単なツリーに対して、前記決定サブステップそれ自体は、（ａ）二つのあり得る決定「保持」及び「除去」に対応する二つの状態Ｐ_h クする遷移を具える格子を創成し、前記遷移を、Ｒ_h→Ｒ_h-1，Ｒ_h→Ｐ_h-1，Ｐ_h →Ｒ_h-1及びＰ_h→Ｐ_h-1と称する第２の構成動作と、（ｃ）コストか各ノードに対する各決定の信頼性を反映し、経路の全体のコストを、その遷移のコストの和として規定した第３のコスト割当て動作と、（ｄ）最低の追加コストを決定するルールの選択の基準によりＰ_h及びＲ_h で終了する最適経路を選択する第４の局所的な決定動作と、（ｅ）選択した最適経路に関連する状態に基づいて各ノードに対して規定した決定を規定する第５の全体決定動作とを具えることを特徴とする請求の範囲２から４のうちのいずれかに記載のフィルタ処理方法。６．複数分岐を意味するツリーに対して、前記決定サブステップそれ自体は、各分岐内で、（ａ）二つのあり得る決定「保持」及び「除去」に対応する二つの状態Ｐ_h クする遷移を具える格子を創成し、前記遷移を、Ｒ_h→Ｒ_h-1，Ｒ_h→Ｐ_h-1，Ｐ_h →Ｒ_h-1及びＰ_h→Ｐ_h-1称する第２の構成動作と、（ｃ）コストが各ノードに対する各決定の信頼性を反映し、経路の全体のコストを、その遷移のコストの和として規定した第３のコスト割当て動作と、（ｄ）最低の追加コストを決定するルールの選択の基準によりＰ_h及びＲ_h で終了する最適経路を選択する第４の局所的な決定動作とを具え、各分岐に対して連続的に実現した後、前記第４の動作に、追加の全体決定動作を続け、この決定動作は、先ず、前記最適経路の各々とこれら最適経路の各コストの和に等しい関連の全体コストとの統合として全体的な最適動作を規定し、その後、選択した最適経路に関連する状態に基づいて各ノードに対して規定した決定を規定することを特徴とする請求の範囲２から４のうちのいずれかに記載のフィルタ処理方法。７．画像のシーケンスをフィルタ処理するフィルタ処理システムであって、このフィルタ処理システムは、（Ａ）分類装置を具え、この分類装置は、（１）最大ツリー基準段を具え、この段は、直列に、（ａ）２値化基準を規定する回路と、（ｂ）前記２値化基準に従って、局所的な背景の形態の考察される元の画像の簡単なバージョンと、親ノード及び連続的な子ノードからなるツリー構造並びに前記考察される元の画像のいわゆる最大ツリー表示を構成する関連の接続要素の簡単なバージョンを発生させるｎ個の並列な２値化回路と、（ｃ）前記考察される元の画像のグレーレベル関数の近似を発生させる回復回路とを含み、このフィルタ処理システムは、（Ｂ）フィルタ処理装置を更に具え、このフィルタ処理装置それ自体は、（３）特定のフィルタ処理基準に従って前記最大ツリーの各ノードを分析する分析段と、（４）前記フィルタ処理基準に基づいて前記最大ツリーのノードを除去し又は保持し、ノードを除去する度にその画像要素をその親ノードのものに併合する決定段とを具え、このフィルタ処理システムは、（Ｃ）画像要素の各々にそれが属するノードのグレーレベル値を割り当てることにより出力画像を算出する画像復元装置を更に具えることを特徴とするフィルタ処理システム。８．前記分類装置は、前記最大ツリー基準段に直列に、（２）訂正段を具え、この訂正段は、直列に、（ｄ）背景補償規定に起因する２値セットのフィルタ処理されたバージョンの距離関数を算出する装置と、（ｅ）前記距離関数の逆の分水を算出する装置とを含むことを特徴とする請求の範囲７記載のフィルタ処理システム。９．前記特定のフィルタ基準を複雑基準とし、前記分析段は、各接続要素に対してその周辺とその区域との間の比を測定する回路を具え、前記決定段は、長い周辺及び小さい区域を有するノードを除去するとともに除去したノードの各々の画像要素をその親ノードのものに併合する手段を具えることを特徴とする請求の範囲７記載のフィルタ処理システム。１０．前記特定のフィルタ基準をエントロピー基準とし、前記分析段は、接続要素に属する画素のヒストグラムの算出後、各接続要素によって与えられる情報量を規定する測定動作を具え、前記決定段は、予め設定された値より低いエントロピーを有する全ての要素を除去する決定動作を具えることを特徴とする請求の範囲７又は８記載のフィルタ処理システム。１１．前記特定のフィルタ基準を移動基準とし、前記分析段は、前記考察された元の画像の各画像要素（ｉ，ｊ）の各々に対して偏位領域（Ｄ_i（ｉ，ｊ），Ｄ_j （ｉ，ｊ））を与える移動モデルを規定する回路を具え、前記決定段は、前記移動モデルに関連するパラメータによってノードを除去し又は保持する手段を具えることを特徴とする請求の範囲７又は８記載のフィルタ処理システム。１２．前記パラメータを、関連の領域と以前のフレームとの間の平均偏位フレーム差とし、この差を、除去する必要がある領域に対するものよりも保持する必要がある領域に対するものよりも大きくすることを特徴とする請求の範囲１１記載のフィルタ処理システム。１３．前記パラメータを、前記平均偏位フレーム差の重み付けした和としたことを特徴とする請求の範囲１２記載のフィルタ処理システム。１４．前記パラメータを、少なくとも以前のフレームに対する同様なオペレータの影響を考慮することにより、各フレームに対して適合させるようにしたことを特徴とする請求の範囲１２記載のフィルタ処理システム。