JPWO2017047494A1 - 画像処理装置 - Google Patents
画像処理装置 Download PDFInfo
- Publication number
- JPWO2017047494A1 JPWO2017047494A1 JP2017539866A JP2017539866A JPWO2017047494A1 JP WO2017047494 A1 JPWO2017047494 A1 JP WO2017047494A1 JP 2017539866 A JP2017539866 A JP 2017539866A JP 2017539866 A JP2017539866 A JP 2017539866A JP WO2017047494 A1 JPWO2017047494 A1 JP WO2017047494A1
- Authority
- JP
- Japan
- Prior art keywords
- image
- disturbance
- correction
- processing apparatus
- information
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 91
- 238000001514 detection method Methods 0.000 claims abstract description 99
- 238000012937 correction Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims description 17
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 230000006872 improvement Effects 0.000 claims description 4
- 238000003702 image correction Methods 0.000 abstract description 30
- 239000004071 soot Substances 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 description 40
- 230000037303 wrinkles Effects 0.000 description 35
- 230000006870 function Effects 0.000 description 20
- 238000003384 imaging method Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 238000003707 image sharpening Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
また、他の先行技術文献としては、例えば、特許文献2に全体的又は部分的に画像のコントラストが低下した画像に対し階調補正を施すことで安定して物体を検知する発明が開示されている。また、特許文献3及び4に時間平滑化をベースとした陽炎補正の発明が開示されている。
本発明は、前提となるハードウェアを用いて画像からの事象検知をするために、前処理を適切に行うことを目的とする。
なお、外乱には、例えば霞によるコントラストの低下、陽炎による被写体の歪み、低照度下のゲインアップが原因となるノイズの強調などがあげられるが、これらに限定されず、撮影対象や環境の変化に伴いカメラが間接的に受ける影響を含みうる。
検知部は、畳み込みニューラルネットによっても実装することができ、動作中に学習してもよい。
図1は一実施例に係る画像処理装置 1のブロック図である。画像処理装置 1は、外乱検出部 102、画像補正部103、事象検知部 104で構成されている。
画像処理装置 1は、撮像部 101からの入力画像(画像信号) 111から事象を検知して出力する。画像処理装置 1は、例えば、機能の一部を撮像部 101に持たせて分散的に処理したり、複数の撮像部 101からの入力画像を1つの統合サーバ等で集中的に処理したりする様態で実現することもできる。
外乱検出部 102は、入力画像 111を解析し、入力画像 111が受けた外乱の影響を検出し、外乱情報 113として画像補正部 103と事象検知部 104に出力する。
出力される外乱情報 113は、例えば、外乱の強さ(入力画像111の劣化の度合い)を3段階のレベル(高・中・低)等で表すものである。
補正処理には霞補正や陽炎補正などの外乱の影響を軽減する処理や、鮮鋭化(超解像)などの画質の向上を図る技術を使用する。必要な画像補正処理の処理量がリアルタイム化のための許容処理量を超える場合は、外乱情報 113を元に処理に優先順位をつけて、優先順位の高いもののみを処理する。優先順位は、例えば、外乱が強いほど高くなるように決定される。
補正情報 115は、その入力映像111に対して実際に為された補正処理を示す情報であり、補正の有無だけでなく、補正の強度或いは改善の程度、適用された領域範囲等の情報も含みうる。
まず、事象検知部 104は、外乱情報 113と補正情報 115から、補正画像に残留した外乱の影響を推定する。推定した結果に応じて、検知処理もしくはそれらのパラメータを適応的に切り替える。
図2は本例の画像処理装置 1の外乱検出部 102のブロック図である。
図2において、外乱検出部 102は、解析画像抽出部 201と、霞の影響検出部 202と、陽炎の影響検出部 203と、外乱レベル判定部 204で構成されている。
解析画像抽出部 201は、入力画像 111から霞と陽炎の影響を検出するための画像ブロックを抽出し、霞解析対象画像 211と陽炎解析対象画像 212として出力する。
入力画像のノイズの影響は、撮像部 101の設定パラメータ112によって推定できる。撮像部 101のSN比(Signal to Noise ratio)は、撮像センサ自体の性能などに依存し、NMVA1288によれば、測定可能なパラメータを用いて以下の様に計算される。
図3(a)は、そのブロックの一つ(左上隅)を、時刻t−1時の解析対象画像(時刻t−1)に用いることを示している。図3(b)は、時刻t−1に用いたブロックとは別のブロック(例えば右隣り)を、時刻tの解析対象画像(時刻t)に用いることを示している。図3(c)は、更に別のブロック(例えば右隣り)を、時刻t+1時の解析対象画像(時刻t+1)に用いることを示している。
図4において、解析画像抽出部 201は、処理を開始し(Start)、入力画像 111を取得し(S401)、入力画像 111を所定数のブロックに分割し(S402)、解析対象ブロックを抽出し(S403)、図示していない画像メモリ内に記憶している比較用ブロックを取得し(読み出し)(S404)、解析対象ブロックと過去ブロック(比較用ブロック)を解析画像として出力し(S405)、次の入力画像 111の解析対象ブロックと同じ位置のブロックを比較用ブロックとして図示していない画像メモリに保存し(書き込む)(S406)、処理を終了(End)する。
その場合、解析画像抽出部 201は、例えば、図示していない画像メモリ等に、次の入力フレームで解析を行う画像ブロックの位置と同位置の画像ブロックを保存してもよい。
霞の影響検出部 202は、解析画像抽出部 201から与えられた霞解析対象画像 211のコントラストの偏りから霞の影響を検出して、その影響を霞検出結果 213として出力する。
霞の影響検出部 202は、霞補正処理部 301と画像比較部 302と霞影響算出部 303で構成される。
画像比較部 302は、霞解析対象画像 211と霞補正画像 312の比較を行い、その差分情報 312を出力する。差分情報 312は、例えば、SAD(Sum of Absolute Difference)等の処理結果で良い。
霞影響算出部 303は、入力した差分情報 312から霞検出結果 213を算出し出力する。差分情報 312が大きい値を持つということは、霞補正処理が強くかかったことを意味し、霞解析対象画像 211がコントラストの低下による劣化を受けていることを表す。なお、霞検出結果 213は上記で得られるものに限らず、霞解析対象画像 211の画素輝度値のヒストグラム上での偏り或いは統計学的な分散であったり、空間周波数スペクトル分析に基づいて算出してもよい。
陽炎の影響検出部 203は、特許文献3や4の技術と同様に、入力した陽炎解析対象画像 212から動体が存在しない背景領域の揺らぎを検出することにより陽炎の影響を検出して、陽炎検出結果 214として出力する。
陽炎の影響検出部 203は、揺らぎにロバストな動体検出部401と背景領域比較部 402と陽炎影響算出部 403で構成される。
例えば、揺らぎにロバストな動体検出部 401は、陽炎解析対象画像 212を32x32画素のサブブロックに分割し、そのそれぞれのサブブロックに対してk階調で量子化したヒストグラムh1、h2を作成する。二つの入力サブブロック間で下記の式の比較を行い、C>Tの領域を動体として判定する。
陽炎影響算出部 403は、入力された背景領域差分情報 412を平均化するなどし、陽炎の影響を算出し、陽炎検出結果 214として出力する。なお、全ての領域で導体が存在する場合、背景領域差分情報 412は一時的に利用できない。
図7は、外乱レベル判定部204による外乱レベルの決定法を説明するフローチャートである。
図7の手順は、ブロック数の閾値X、外乱値の閾値Tを適切に設定することにより、陽炎と霞のどちらの判定も行うことができる。
外乱レベル判定部 204は、全ブロック分の外乱検出結果を保持しており、S701で取得した外乱検出を用いて更新し(S702)、外乱が検出されたブロックを数える(S703)。なお外乱検出結果が取得できなかったときは更新しない。また、事象検知部 104が行う検知でマスク領域を適用している場合、そのマスク領域に該当する位置のブロックの外乱検出結果は保持する必要が無い。
S704の処理では、外乱が検出されたブロックがX以上であるか否かを判定し、X以上である場合(YES)にはS705の処理に進み、X未満の場合(NO)にはS709の処理に進む。
S708の処理では、外乱レベルを“中”に設定して処理を終了(End)する。
S709の処理では、外乱レベルを“低”に設定して処理を終了(End)する。
本例の画像補正部 103は、上述したように、霞補正、陽炎補正、鮮鋭化(超解像)の処理を行う能力を有しており、少なくとも1種類の処理で有ればリアルタイムでフルフレーム映像について処理できる。霞補正は霞に限らず鮮鋭化(超解像)は遠方の小さな被写体などから事象検知を行う際に有用であり、
画像補正部 103は、入力された外乱情報 113に含まれる霞、陽炎、ノイズの外乱レベルから、補正の重要度を導き出し、重要度が高い順にソートして、重要度が高い順に処理量の許す範囲で処理を行う。画像処理装置 1は、例えば、霞の外乱レベルから霞補正処理の重要度を算出する関数gFog()と、陽炎の外乱レベルから霞補正処理の重要度を算出する関数gHeatHaze()と、ノイズの外乱レベルから鮮鋭化(超解像)処理の重要度を算出する関数gSharpen()と、を用いることができ、3段階の外乱レベルに対しては、以下の表の様にも定義できる。
図8は画像処理装置 1の事象検知部 104のブロック図である。
事象検知部 104は、残留外乱レベル算出部 501と画像解析部 502と検知処理部 503で構成されている。
残留外乱情報 511は、例えば、霞、陽炎等のノイズの影響をそれぞれ“高”、“中”、“小”の3段階で表してもよい。
陽炎の影響は、画像補正部 103で霞補正が行われた場合は“小” 、或いは、元のレベルから1段階下げたレベルにする。陽炎補正が行われなかった場合は、外乱情報 113の陽炎レベルをそのまま用いれば良い。
ノイズの影響は、画像補正部 103で鮮鋭化処理が行われた場合、外乱情報 113のノイズレベルが“小”である場合は“小”、外乱情報 113のノイズレベルが“中”か“高”であった場合は“高”を出力し、画像補正部で鮮鋭化処理が行われていなかった場合、外乱情報 113のノイズレベルをそのまま出力する。
或いは、外乱情報 113が連続量の外乱レベルを示し、補正情報 115が連続量の外乱除去量(補正による改善の程度)を示している場合、それぞれの残留外乱レベルは、それらの差によっても算出することができる。
検知処理部 503は、残留外乱情報 511に応じて解析情報 512から事象の検知を行い、検知結果 116を出力する。例えば、検知処理部 503は下記(式2)の式が成り立つときに事象を検知する。
画像解析部 502が出力する特徴量xは、特徴量空間上に分布する。特に計量空間として最適化されている場合、ある事象Aに該当する特徴量xは、ある狭い領域に密集する。そして、外乱レベルが大きくなるほど、特徴量xは散乱されて、より広い領域に分布すると考えられる。本例では、残留外乱が小さい時に、小さな閾値T()に対応する小さな領域531が適用され、その内部の特徴量が事象Aと判定される。同様に、外乱レベルが中程度のときは中程度の領域532が、外乱レベルが大きいときは大きな領域533が適用される。
また、画像処理装置 1は、外乱のレベルに応じた処理を記憶する、いわゆる学習機能を付加することにより、最適な特徴量を用いた検知が可能となる。
本例では、画像補正部が撮像部の中にあり、かつその動作を自由に制御できない場合を想定して説明する。
図9は第2の実施例に係る画像補正部 130及びその周辺の構成を示すブロック図である。
撮像部 131は、画像補正部 133を内蔵した点で撮像部 101と異なる。撮像部 131は、露光時間、絞り、ズーム倍率、光学フィルタの挿抜等の撮影パラメータやAGCゲイン値を含む設定パラメータ 112を出力する 画像補正部 133は、撮像部 131への設定や、撮影状況などから、撮像画像に自動的に適切な画像処理を施して、補正画像 114として出力する。また画像補正部 133は、撮像部 131の撮像素子から読み出されたRAW画像に対して施された全ての補正処理を記述する完全な補正情報 115を出力する。なお、補正情報 115は、解像度やSN比等に影響を与える主要な補正処理に関するものに絞ってもよく、コントラスト補正の一種である逆光補正や霞霧補正、画角揺れ補正、陽炎補正、超解像処理などの他、魚眼レンズ等の画像歪み補正などが含まれ得る。
画像補正部133が霧霞や陽炎等の必要とされる補正能力を有している場合、外乱推定部 132は、補正画像114からそれらを検出する必要はなく、設定パラメータ 112と補正情報 115を、単純にパーセプトロン等に入力すればよい。
パーセプトロン等は、予め学習されているものとし、更に、カメラの設置状況や撮影環境に対する汎化能力を向上させるために、オンライン学習を行ってもよい。オンライン学習は、残留外乱情報 531の各成分に対応する外乱レベルを、別の方法、例えば補正画像 114から霞の影響検出部 202のような手段で算出したり、人が補正画像 114を評価して与えたりし、それらを教師データに用いて行う。
図10に示されるように、本例の事象検知部 134は、畳み込みニューラルネットワーク(CNN)151と、サポートベクターマシン(SVM)識別器152と、危険率制御器153と、を有する。
111:入力画像、 112:設定パラメータ、 113:画像劣化情報、 114:補正画像、 115:補正情報、 116:解析結果、
201:解析画像抽出部、 202:霧の影響検出部、 203:陽炎の影響検出部、 204:外乱レベル判定部、
211:霧解析対象画像、 212:陽炎解析対象画像、 213:霧検出結果、 214:陽炎検出結果、
301:霧補正処理部、 302:画像比較部、 303:霧影響算出部、 311:霧補正画像、 312:差分情報、
401:揺らぎにロバストな動体検出部、 402:背景領域比較部、 403:陽炎影響算出部、
411:動体領域情報、 412:背景領域差分情報、
501:残留外乱レベル算出部、 502:画像解析部、 503:検知処理部、 511:残留外乱情報、 512:解析情報。
Claims (6)
- 画像から特定の事象を検知する画像処理装置において、
入力画像を解析し、前記入力画像が受けた複数の外乱の影響を検出し、外乱情報として出力する外乱検出器と、
前記外乱情報に応じて前記入力画像に補正処理を施し、補正された画像と実際に施された補正処理を示す補正情報とを出力する画像補正器と、
前記外乱情報と補正情報とから、前記補正された画像に残留する複数の外乱の度合いを推定し、前記外乱の度合いに応じて選択した検知処理を用いて前記特定の事象を検知する事象検知器と、を備えた画像処理装置。 - 請求項1に記載の画像処理装置において、
前記外乱検出器は、前記入力画像が入力されるごとに、位置を変えながら抽出した部分領域の範囲内で、複数の外乱の影響を検出して更新し、前記入力画像の全体が受けている複数の外乱の影響のそれぞれを、多段階に評価することを特徴とする画像処理装置。 - 請求項2に記載の画像処理装置において、
前記画像補正器は、前記多段階に評価されたそれぞれの前記外乱の影響を、補正の重要度に変換し、前記複数の外乱に対応する補正処理を、前記重要度の高い順に処理量の許す範囲で実行するものであり、
前記重要度は、補正を行った場合の改善効果を考慮して定められることを特徴とする画像処理装置。 - 請求項3に記載の画像処理装置において、前記事象検知部は、
前記外乱情報と前記補正情報とから、前記残留する複数の外乱の度合いを算出する残留外乱レベル算出器と、
前記補正された画像から特徴量を抽出する画像解析器と、
前記残留する複数の外乱の度合いの関数であって、特徴量空間上で前記特定の事象が検出されるべき領域を変化させる前記関数を用いて、前記特徴量から前記特定の事象を判定する検知処理器と、を備えたことを特徴とする画像処理装置。 - 前記関数は、前記残留するいずれかの外乱の度合いが大きいほど、前記検出されるべき領域を広げるように作用し、外乱の度合いに関わらず前記検知処理器の見逃し率を小さく維持することを特徴とする画像処理装置。
- 請求項5に記載の画像処理装置において、
前記検知処理器はサポートベクターマシンであり、前記関数は前記サポートベクターマシンの識別関数の中のしきい値を変化させることを特徴とする画像処理装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015185427 | 2015-09-18 | ||
JP2015185427 | 2015-09-18 | ||
PCT/JP2016/076445 WO2017047494A1 (ja) | 2015-09-18 | 2016-09-08 | 画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017047494A1 true JPWO2017047494A1 (ja) | 2018-07-12 |
JP6505237B2 JP6505237B2 (ja) | 2019-04-24 |
Family
ID=58289272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539866A Active JP6505237B2 (ja) | 2015-09-18 | 2016-09-08 | 画像処理装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180352177A1 (ja) |
JP (1) | JP6505237B2 (ja) |
SG (1) | SG11201801781RA (ja) |
WO (1) | WO2017047494A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107872608B (zh) * | 2016-09-26 | 2021-01-12 | 华为技术有限公司 | 图像采集设备及图像处理方法 |
JP7002912B2 (ja) * | 2017-10-25 | 2022-01-20 | 株式会社東芝 | 画像センサ、人物検知方法、プログラムおよび制御システム |
JP7286747B2 (ja) * | 2017-10-25 | 2023-06-05 | 株式会社東芝 | 画像センサ、動体検知方法、プログラムおよび制御システム |
JP7146461B2 (ja) * | 2018-06-06 | 2022-10-04 | キヤノン株式会社 | 画像処理方法、画像処理装置、撮像装置、プログラム、および、記憶媒体 |
JP7246900B2 (ja) * | 2018-11-26 | 2023-03-28 | キヤノン株式会社 | 画像処理装置、画像処理システム、撮像装置、画像処理方法、プログラム、および、記憶媒体 |
JP7292123B2 (ja) * | 2019-06-20 | 2023-06-16 | キヤノン株式会社 | 撮像装置及びその制御方法、プログラム、記憶媒体 |
JP7406886B2 (ja) * | 2019-08-02 | 2023-12-28 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
CN113553937A (zh) * | 2021-07-19 | 2021-10-26 | 北京百度网讯科技有限公司 | 目标检测方法、装置、电子设备以及存储介质 |
CN115115907B (zh) * | 2022-06-29 | 2024-03-29 | 桂林电子科技大学 | 一种基于cqd蒸馏的低照度目标检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346160A (ja) * | 2002-05-29 | 2003-12-05 | Matsushita Electric Ind Co Ltd | 移動物体検出装置および移動物体検出方法 |
JP2012084009A (ja) * | 2010-10-13 | 2012-04-26 | Secom Co Ltd | 画像センサ |
JP2013186635A (ja) * | 2012-03-07 | 2013-09-19 | Hitachi Kokusai Electric Inc | 物体検知装置、物体検知方法及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5374220B2 (ja) * | 2009-04-23 | 2013-12-25 | キヤノン株式会社 | 動きベクトル検出装置およびその制御方法、ならびに撮像装置 |
US9451165B2 (en) * | 2013-02-14 | 2016-09-20 | Hitachi Kokusai Electric Inc. | Image processing apparatus |
JP5908174B2 (ja) * | 2013-07-09 | 2016-04-26 | 株式会社日立国際電気 | 画像処理装置及び画像処理方法 |
-
2016
- 2016-09-08 SG SG11201801781RA patent/SG11201801781RA/en unknown
- 2016-09-08 WO PCT/JP2016/076445 patent/WO2017047494A1/ja active Application Filing
- 2016-09-08 US US15/757,933 patent/US20180352177A1/en not_active Abandoned
- 2016-09-08 JP JP2017539866A patent/JP6505237B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346160A (ja) * | 2002-05-29 | 2003-12-05 | Matsushita Electric Ind Co Ltd | 移動物体検出装置および移動物体検出方法 |
JP2012084009A (ja) * | 2010-10-13 | 2012-04-26 | Secom Co Ltd | 画像センサ |
JP2013186635A (ja) * | 2012-03-07 | 2013-09-19 | Hitachi Kokusai Electric Inc | 物体検知装置、物体検知方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2017047494A1 (ja) | 2017-03-23 |
US20180352177A1 (en) | 2018-12-06 |
JP6505237B2 (ja) | 2019-04-24 |
SG11201801781RA (en) | 2018-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017047494A1 (ja) | 画像処理装置 | |
JP5908174B2 (ja) | 画像処理装置及び画像処理方法 | |
US9330446B2 (en) | Method and apparatus for processing image | |
Kim et al. | Optimized contrast enhancement for real-time image and video dehazing | |
KR101633377B1 (ko) | 다중 노출에 의한 프레임 처리 방법 및 장치 | |
WO2018136373A1 (en) | Image fusion and hdr imaging | |
KR100791391B1 (ko) | 노이즈 저감 방법 및 장치 | |
CN109829859B (zh) | 图像处理方法及终端设备 | |
US10614554B2 (en) | Contrast adaptive video denoising system | |
TW201445454A (zh) | 提升人臉辨識率的影像處理系統及影像處理方法 | |
US20120155764A1 (en) | Image processing device, image processing method and program | |
CN107395991B (zh) | 图像合成方法、装置、计算机可读存储介质和计算机设备 | |
TW201310389A (zh) | 使用影像對比增進的移動物件偵測方法 | |
CN109035167B (zh) | 对图像中的多个人脸进行处理的方法、装置、设备和介质 | |
US10972676B2 (en) | Image processing method and electronic device capable of optimizing hdr image by using depth information | |
CN114240789A (zh) | 一种基于优化的保持亮度的红外图像直方图均衡增强方法 | |
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
KR101336240B1 (ko) | 저장된 영상을 이용한 영상 처리 방법 및 장치 | |
JP6365355B2 (ja) | 画像生成装置および画像生成方法 | |
US9355435B2 (en) | Method and system for adaptive pixel replacement | |
JP2008005365A (ja) | 撮像装置 | |
CN107424134B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN105184747B (zh) | 低照度图像对比度的提升方法 | |
US11631183B2 (en) | Method and system for motion segmentation | |
KR20190072643A (ko) | 얼굴 검출 장치 및 그 제어 방법, 그리고 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180305 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180305 |
|
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: 20190228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190326 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6505237 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |