JPWO2022163440A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2022163440A5 JPWO2022163440A5 JP2022578269A JP2022578269A JPWO2022163440A5 JP WO2022163440 A5 JPWO2022163440 A5 JP WO2022163440A5 JP 2022578269 A JP2022578269 A JP 2022578269A JP 2022578269 A JP2022578269 A JP 2022578269A JP WO2022163440 A5 JPWO2022163440 A5 JP WO2022163440A5
- Authority
- JP
- Japan
- Prior art keywords
- image
- signal
- weight
- processing
- inference
- 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 description 47
- 238000000034 method Methods 0.000 description 31
- 238000012937 correction Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 238000009795 derivation Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Description
特開2020-184300号公報には、少なくとも1つの命令語を保存するメモリと、メモリと電気的に接続され、命令語を実行することで、入力イメージから入力イメージの品質を示すノイズマップを獲得し、入力イメージ及びノイズマップを複数のレイヤを含む学習ネットワークモデルに適用し、入力イメージの品質の改善された出力イメージを獲得するプロセッサと、を含み、プロセッサは、複数のレイヤのうち少なくとも一つの中間レイヤにノイズマップを提供し、学習ネットワークモデルは、複数のサンプルイメージ、各サンプルイメージに対するノイズマップ及び各サンプルイメージに対する原本イメージの関係を人工知能アルゴリズムを通じて学習して獲得された学習済み人工知能モデルである電子装置が開示されている。
本開示の技術に係る第6の態様は、重みが、第1画像に対して付与される第1重みと、第2画像に対して付与される第2重みとに類別され、プロセッサが、第1重み及び第2重みを用いた重み付け平均を行うことで第1画像及び第2画像を合成する、第5の態様に係る情報処理装置である。
本開示の技術に係る第18の態様は、撮像画像が、推論用画像であり、第1パラメータが、学習用画像が入力されたニューラルネットワークに関連付けられており、学習用画像が入力されることで学習が行われたニューラルネットワークに、第2撮像装置によって撮像されることで得られた第2RAW画像が推論用画像として入力される場合、プロセッサが、学習用画像が入力されたニューラルネットワークに関連付けられている第1パラメータと、第2RAW画像のビット数及びオフセット値のうちの少なくとも1つの第2パラメータとを用いて第2RAW画像を正規化する、第17の態様に係る情報処理装置である。
入出力インタフェース70には、画像処理エンジン12、画像メモリ46、UI系デバイス48、外部I/F50、光電変換素子ドライバ54、及びA/D変換器74が接続されている。また、入出力インタフェース70には、交換レンズ18の制御装置36も接続されている。
システムコントローラ44は、CPU(図示省略)、NVM(図示省略)、及びRAM(図示省略)を備えている。システムコントローラ44において、NVMは、非一時的記憶媒体であり、各種パラメータ及び各種プログラムを記憶している。システムコントローラ44のNVMは、例えば、EEPROMである。但し、これは、あくまでも一例に過ぎず、EEPROMに代えて、又は、EEPROMと共に、HDD、及び/又はSSD等をシステムコントローラ44のNVMとして適用してもよい。また、システムコントローラ44のRAMは、各種情報を一時的に記憶し、ワークメモリとして用いられる。システムコントローラ44において、CPUは、NVMから必要なプログラムを読み出し、読み出した各種プログラムをRAM上で実行することで撮像装置10の全体を制御する。すなわち、図2に示す例では、画像処理エンジン12、画像メモリ46、UI系デバイス48、外部I/F50、通信I/F52、光電変換素子ドライバ54、及び制御装置36がシステムコントローラ44によって制御される。
学習実行装置88は、NN90に入力された学習用RAW画像75A1に対応付けられている正解データ75Cと画像94との誤差96を算出する。学習実行装置88は、誤差96を最小にする複数の調整値98を算出する。そして、学習実行装置88は、複数の調整値98を用いてNN90内の複数の最適化変数を調整する。ここで、複数の最適化変数とは、例えば、NN90に含まれる複数の結合荷重及び複数のオフセット値等を指す。
一例として図5に示すように、AI方式処理部62Aには、推論用RAW画像75A2が入力される。AI方式処理部62Aは、推論用RAW画像75A2に対してAI方式ノイズ調整処理を行う。AI方式ノイズ調整処理は、推論用RAW画像75A2に含まれるノイズをAI方式で調整する処理である。AI方式処理部62Aは、AI方式ノイズ調整処理として、学習済みNN82を用いた処理を行う。
非AI方式処理部62Bにも、AI方式処理部62Aと同様に、推論用RAW画像75A2が入力される。非AI方式処理部62Bは、推論用RAW画像75A2に対して非AI方式ノイズ調整処理を行う。非AI方式ノイズ調整処理は、推論用RAW画像75A2に含まれるノイズを、NNを用いない非AI方式で調整する処理である。
デモザイク処理部62F3は、ホワイトバランス補正処理が行われた合成画像75Fに対してデモザイク処理を行う。デモザイク処理は、合成画像75FをR、G、及びBに3板化する処理である。すなわち、デモザイク処理部62F3は、R信号、G信号、及びB信号に色補間処理を施すことにより、Rに対応する画像を示すR画像データ、Bに対応する画像を示すB画像データ、及びGに対応する画像を示すG画像データを生成する。ここで、色補間処理とは、各画素が有さない色を周辺画素から補間する処理を指す。すなわち、光電変換素子72の各感光画素においては、R信号、G信号、又はB信号(すなわち、R、G、及びBのうちの1色の画素値)しか得られないため、デモザイク処理部62F3は、各画素において得られない他の色について、周辺の画素の画素値を用いて補間する。なお、以下では、R画像データ、B画像データ、及びG画像データを、「RGB画像データ」とも称する。
色補正部62F4は、デモザイク処理が行われることで得られたRGB画像データに対して色補正処理(ここでは、一例として、リニアマトリクスによる色補正(すなわち、混色補正))を行う。色補正処理は、色相及び色飽和特性を調整する処理である。色補正処理の一例としては、RGB画像データに対して色再現係数(例えば、リニアマトリクス係数)を乗じることで色再現性を変化させる処理が挙げられる。なお、色再現係数は、R、G、及びBの分光特性を人間の視感度特性に近付けるように定められた係数である。
色空間変換部62F6は、ガンマ補正処理が行われたRGB画像データに対して色空間変換処理を行う。色空間変換処理は、ガンマ補正処理が行われたRGB画像データの色空間をRGB色空間からYCbCr色空間に変換する処理である。すなわち、色空間変換部62F6は、RGB画像データを輝度・色差信号に変換する。輝度・色差信号は、Y信号、Cb信号、及びCr信号である。Y信号は、輝度を示す信号である。以下、Y信号を輝度信号と記載する場合もある。Cb信号は、B信号から輝度成分を減じた信号を調整することで得られた信号である。Cr信号は、R信号から輝度成分を減じた信号を調整することで得られた信号である。以下、Cb信号及びCr信号を色差信号と記載する場合もある。
このように、本第3変形例では、推論用RAW画像75A2に写り込んでいる被写体が検出され、検出された被写体に応じて第1重み104及び第2重み106が変更される。従って、本構成によれば、推論用RAW画像75A2に写り込んでいる被写体とは全く無関係な情報のみに依拠して定められた一定の重みが用いられる場合に比べ、推論用RAW画像75A2に写り込んでいる被写体に起因する画質の低下を抑制することができる。
このように、本第4変形例では、推論用RAW画像75A2に写り込んでいる被写体の部位が検出され、検出された部位に応じて第1重み104及び第2重み106が変更される。従って、本構成によれば、推論用RAW画像75A2に写り込んでいる被写体の部位とは全く無関係な情報のみに依拠して定められた一定の重みが用いられる場合に比べ、推論用RAW画像75A2に写り込んでいる被写体の部位に起因する画質の低下を抑制することができる。
[第5変形例]
CPU62は、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度に応じて第1重み104及び第2重み106を変更するようにしてもよい。一例として図14に示すように、重み導出部62Cは、第1画像75Dの特徴値として第1画像75Dの分割エリア75D1毎の画素平均値を算出し、第2画像75Eの特徴値として第2画像75Eの分割エリア75E1毎の画素平均値を算出する。重み導出部62Cは、互いの位置が対応している分割エリア75D1及び75E1毎に、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度として画素平均値の差分(以下、単に「差分」とも称する)を算出する。
CPU62は、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度に応じて第1重み104及び第2重み106を変更するようにしてもよい。一例として図14に示すように、重み導出部62Cは、第1画像75Dの特徴値として第1画像75Dの分割エリア75D1毎の画素平均値を算出し、第2画像75Eの特徴値として第2画像75Eの分割エリア75E1毎の画素平均値を算出する。重み導出部62Cは、互いの位置が対応している分割エリア75D1及び75E1毎に、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度として画素平均値の差分(以下、単に「差分」とも称する)を算出する。
このように、本第5変形例では、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度に応じて第1重み104及び第2重み106が変更される。従って、本構成によれば、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度とは全く無関係な情報のみに依拠して定められた一定の重みが用いられる場合に比べ、第1画像75Dの特徴値と第2画像75Eの特徴値との相違度に起因する画質の低下を抑制することができる。
[第7変形例]
CPU62は、既定の画像特性パラメータについて、学習済みNN82に入力される推論用RAW画像75A2を正規化するようにしてよい。画像特性パラメータは、学習済みNN82に入力される推論用RAW画像75A2を得る撮像で用いられるイメージセンサ20及び撮像条件に応じて定まるパラメータである。本第7変形例では、一例として図18に示すように、画像特性パラメータは、各画素のビット数(以下、「画像特性ビット数」とも称する)、及びオプティカルブラックに関するオフセット値(以下、「OBオフセット値」とも称する)である。例えば、画像特性ビット数は、14ビットであり、OBオフセット値は、1024LSBである。
CPU62は、既定の画像特性パラメータについて、学習済みNN82に入力される推論用RAW画像75A2を正規化するようにしてよい。画像特性パラメータは、学習済みNN82に入力される推論用RAW画像75A2を得る撮像で用いられるイメージセンサ20及び撮像条件に応じて定まるパラメータである。本第7変形例では、一例として図18に示すように、画像特性パラメータは、各画素のビット数(以下、「画像特性ビット数」とも称する)、及びオプティカルブラックに関するオフセット値(以下、「OBオフセット値」とも称する)である。例えば、画像特性ビット数は、14ビットであり、OBオフセット値は、1024LSBである。
正規化処理部128は、記憶装置86から学習用RAW画像75A1を取得し、取得した学習用RAW画像75A1を画像特性パラメータについて正規化する。例えば、正規化処理部128は、記憶装置86から取得した学習用RAW画像75A1の画像特性ビット数を14ビットに合わせ、学習用RAW画像75A1のOBオフセット値を1024LSBに合わせる。正規化処理部128は、画像特性パラメータについて正規化した学習用RAW画像75A1をNN90に入力する。これにより、図4に示す例と同様に学習済みNN82が生成される。学習済みNN82には、正規化に用いられた画像特性パラメータ、すなわち、画像特性ビット数の14ビット及びOBオフセット値の1024LSBが関連付けられている。なお、画像特性ビット数の14ビット及びOBオフセット値の1024LSBは、本開示の技術に係る「第1パラメータ」の一例である。以下では、説明の便宜上、学習済みNN82に関連付けられている画像特性ビット数及びOBオフセット値を区別して説明する必要がない場合、第1パラメータと称する。
第1重み104が“0”よりも大きく“1”未満の場合、パラメータ調整部62Gは、上記実施形態で説明したように、重み導出部62Cによって導出された第1重み104及び第2重み106に応じて輝度フィルタパラメータを変更する。
輝度処理部62H2gは、輝度フィルタパラメータに従って、Y信号に対して輝度フィルタを用いたフィルタリングを行う。第2画像用重み付与部62jは、重み導出部62Cから第1重み104を取得し、取得した第1重み104を、輝度処理部62H2gから出力されるY信号に対して設定する。これにより、第2画像用重み付与部62jは、第1画像75DのY信号(図22及び図24参照)よりも信号レベルが高いY信号を生成する。
第2画像用重み付与部62jは、重み導出部62Cから第2重み106を取得し、取得した第2重み106を色差処理部62H2hから出力されるCb信号及び色差処理部62H2iから出力されるCr信号に設定する。これにより、第2画像用重み付与部62jは、第1画像75DのCb信号(図22及び図24参照)よりも信号レベルが低いCb信号を生成し、第1画像75DのCr信号(図22及び図24参照)よりも信号レベルが低いCr信号を生成する。
なお、本第9変形例では、Y信号の信号レベルについては第1画像75Dよりも第2画像75Eを高くし、Cb信号及びCr信号の信号レベルについては第2画像75Eよりも第1画像75Dを高くするように第1画像75D及び第2画像75Eに対して信号処理が行われる形態例を挙げたが、本開示の技術はこれに限定されない。例えば、Y信号の信号レベルについて第1画像75Dよりも第2画像75Eを低くする第1処理、及びCb信号及びCr信号の信号レベルについて第2画像75Eよりも第1画像75Dを低くする第2処理のうち、第1処理のみが行われるようにしてもよい。
また、本第9変形例では、第2画像用重み付与部62jから得られたY信号、Cb信号、及びCr信号が第2画像75Eとして用いられる形態例を挙げて説明したが、本開示の技術はこれに限定されない。例えば、合成処理で合成対象とされる第2画像75Eとして、推論用RAW画像75A2に対してAI方式ノイズ調整処理が行われず得られたY信号により示される画像が用いられるようにしてもよい。この場合、色差処理部62H2hから出力される信号に対する重みを“0”とし、かつ、色差処理部62H2iから出力される信号に対する重みも“0”とすればよい。従って、本構成によれば、第2画像75EとしてCb信号及びCr信号が含まれる画像と第1画像75Dとが合成されることで得られる合成画像75Fに比べ、第1画像75Dと第2画像75Eとが合成されることで得られる合成画像75Fの微細構造の鮮鋭度の低下を抑制することができる。
更に、本第9変形例では、第1画像用重み付与部62iから得られたY信号、Cb信号、及びCr信号が第1画像75Dとして用いられ、かつ、第2画像用重み付与部62jから得られたY信号、Cb信号、及びCr信号が第2画像75Eとして用いられる形態例を挙げて説明したが、本開示の技術はこれに限定されない。例えば、合成処理で合成対象とされる第1画像75Dとして、推論用RAW画像75A2に対してAI方式ノイズ調整処理が行われることで得られたCb信号及びCr信号により示される画像が用いられ、かつ、合成処理で合成対象とされる第2画像75Eとして、推論用RAW画像75A2に対してAI方式ノイズ調整処理が行われず得られたY信号により示される画像が用いられるようにしてもよい。この場合、例えば、輝度処理部62H1gから出力される信号に対する重みを“0”とし、色差処理部62H2hから出力される信号に対する重みを“0”とし、かつ、色差処理部62H2iから出力される信号に対する重みも“0”とすればよい。従って、本構成によれば、第1画像75DとしてY信号、Cb信号、及びCr信号が用いられ、かつ、第2画像75EとしてY信号、Cb信号、及びCr信号が用いられる場合に比べ、画像に含まれるノイズの除去不足の抑制と、画像のシャープネス不足の抑制との両立を図ることができる。
NVM142には、画質調整処理プログラム80及び学習済みNN82が記憶されている。CPU140は、RAM144で画質調整処理プログラム80を実行する。CPU140は、RAM144上で実行する画質調整処理プログラム80に従って、上述した画質調整処理を行う。CPU140は、画質調整処理を行う場合に、上記の各例で説明したように学習済みNN82を用いて推論用RAW画像75A2を処理する。推論用RAW画像75A2は、例えば、撮像装置10からネットワーク150を介して外部装置138に送信される。外部装置138の通信I/F146は、推論用RAW画像75A2を受信する。CPU140は、通信I/F146によって受信された推論用RAW画像75A2に対して画質調整処理を行う。CPU140は、画質調整処理を行うことで合成画像75Fを生成し、生成した合成画像75Fを撮像装置10に送信する。撮像装置10は、外部装置138から送信された合成画像75を通信I/F52(図2参照)で受信する。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021013874 | 2021-01-29 | ||
JP2021013874 | 2021-01-29 | ||
PCT/JP2022/001631 WO2022163440A1 (ja) | 2021-01-29 | 2022-01-18 | 情報処理装置、撮像装置、情報処理方法、及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022163440A1 JPWO2022163440A1 (ja) | 2022-08-04 |
JPWO2022163440A5 true JPWO2022163440A5 (ja) | 2023-03-15 |
JP7476361B2 JP7476361B2 (ja) | 2024-04-30 |
Family
ID=82653400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022578269A Active JP7476361B2 (ja) | 2021-01-29 | 2022-01-18 | 情報処理装置、撮像装置、情報処理方法、及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230020328A1 (ja) |
JP (1) | JP7476361B2 (ja) |
CN (1) | CN115428435A (ja) |
WO (1) | WO2022163440A1 (ja) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150063718A1 (en) * | 2013-08-30 | 2015-03-05 | Qualcomm Incorported | Techniques for enhancing low-light images |
CN106056562B (zh) | 2016-05-19 | 2019-05-28 | 京东方科技集团股份有限公司 | 一种人脸图像处理方法、装置及电子设备 |
JP7169094B2 (ja) * | 2017-06-01 | 2022-11-10 | 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 |
JP7282487B2 (ja) | 2018-06-07 | 2023-05-29 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置 |
CN109035163B (zh) * | 2018-07-09 | 2022-02-15 | 南京信息工程大学 | 一种基于深度学习的自适应图像去噪方法 |
JP7258604B2 (ja) | 2019-03-05 | 2023-04-17 | キヤノン株式会社 | 画像処理方法、画像処理装置、プログラム、および学習済みモデルの製造方法 |
CN111008943B (zh) * | 2019-12-24 | 2023-04-14 | 广州柏视医疗科技有限公司 | 低剂量dr图像降噪方法及系统 |
CN111192226B (zh) * | 2020-04-15 | 2020-07-31 | 苏宁云计算有限公司 | 一种图像融合去噪方法及装置、系统 |
CN112215780B (zh) * | 2020-10-28 | 2024-03-19 | 浙江工业大学 | 基于类特征修复融合的图像取证对抗性攻击防御方法 |
-
2022
- 2022-01-18 WO PCT/JP2022/001631 patent/WO2022163440A1/ja active Application Filing
- 2022-01-18 CN CN202280003561.XA patent/CN115428435A/zh active Pending
- 2022-01-18 JP JP2022578269A patent/JP7476361B2/ja active Active
- 2022-09-28 US US17/954,338 patent/US20230020328A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4837365B2 (ja) | 画像処理システム、画像処理プログラム | |
JP5527448B2 (ja) | 画像入力装置 | |
US8184181B2 (en) | Image capturing system and computer readable recording medium for recording image processing program | |
JP4837503B2 (ja) | 画像処理システム、画像処理プログラム | |
JP5144202B2 (ja) | 画像処理装置およびプログラム | |
JP4465002B2 (ja) | ノイズ低減システム、ノイズ低減プログラム及び撮像システム。 | |
US7630573B2 (en) | Noise reduction apparatus and method | |
EP1367837A1 (en) | Image processing method, image processing program, and image processor | |
JP4869653B2 (ja) | 画像処理装置 | |
JP5034003B2 (ja) | 画像処理装置 | |
JP4979595B2 (ja) | 撮像システム、画像処理方法、画像処理プログラム | |
CN105049680A (zh) | 进行图像恢复处理的图像处理设备和图像处理方法 | |
JP5165300B2 (ja) | 映像処理装置および映像処理プログラム | |
CN104869380A (zh) | 图像处理设备和图像处理方法 | |
EP1089552A2 (en) | Color correction apparatus and method | |
JP3972816B2 (ja) | 画像処理装置および表色系変換方法 | |
WO2006134923A1 (ja) | 画像処理装置、コンピュータプログラム製品および画像処理方法 | |
JP5052189B2 (ja) | 映像処理装置及び映像処理プログラム | |
JP2012244449A (ja) | 画像処理装置および画像処理方法、学習装置および学習方法、プログラム、並びに記録媒体 | |
JP4321064B2 (ja) | 画像処理装置および画像処理プログラム | |
JP6282123B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP5479187B2 (ja) | 画像処理装置及びそれを用いた撮像装置 | |
US8441543B2 (en) | Image processing apparatus, image processing method, and computer program | |
JP6415093B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JPWO2022163440A5 (ja) |