画像処理プロセッサ
【課題】画像処理プロセッサを形成するためのシステムと手法を提供する。
【解決手段】 画像処理システムは、目標画像生成要素と、当該目標画像生成要素に連なる歪曲画像算出要素と、当該歪曲画像算出要素に連なる偏心推定器と、前記歪曲画像算出要素に連なる偏心補償器と、当該偏心補償器に連なる歪曲中心窩画像モデラーと、偏心補償器に連なるログポーラ画像生成器と、前記偏心補償器に連なり、信頼性の低い特徴を除去する特徴除去器とを含む。前記システムを形成するための手法も記載される。
【解決手段】 画像処理システムは、目標画像生成要素と、当該目標画像生成要素に連なる歪曲画像算出要素と、当該歪曲画像算出要素に連なる偏心推定器と、前記歪曲画像算出要素に連なる偏心補償器と、当該偏心補償器に連なる歪曲中心窩画像モデラーと、偏心補償器に連なるログポーラ画像生成器と、前記偏心補償器に連なり、信頼性の低い特徴を除去する特徴除去器とを含む。前記システムを形成するための手法も記載される。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、一般に信号処理装置に関し、特に、光学的な画像処理プロセッサに関する。
【背景技術】
【0002】
ログポーラマッピングは、霊長類の視覚系の大脳マッピングの解析的定式化による生物学的な知見によるものであり、データ数を劇的に減少させるだけなく、回転・拡大縮小不変(RS不変)の性質を付与するための手法として存在する。それは、回転と拡大縮小を直交2軸方向の移動に変換する。この性質は、カメラがその視線方向を変えるためにモータによって制御されるアクティブビジョンシステムに利用できる。つまり、このようなシステムでは、回転・拡大縮小・移動不変(RST不変)の画像マッチングを行うためにログポーラ画像を利用し、この際、目標へのカメラの注視位置の制御を移動と等価とみなす。ログポーラ画像を得るために、特殊なCCDやCMOSログポーラチップ等、視野の周辺に行くに従って受光素子の結合サイズが大きくなる網膜状の中心窩センサがある。この中心窩センサは、画像マッチングを目的としたアクティブ視覚センサに組み込まれてきた。別の中心窩センサとしては、幾何学的に投影像を歪曲させてログポーラ画像を獲得する広角中心窩レンズがある。
【0003】
広角中心窩(WAF)レンズのような、投影像を幾何学的に歪曲させる特殊光学系が存在する。この特殊レンズは、受光素子が一様に配置された市販の線形な座標系を有するビジョンチップと組み合わされる。
【発明の概要】
【発明が解決しようとする課題】
【0004】
本開示の実施態様は、画像処理プロセッサを製作するためのシステムと手法を提供することを目的とする。
【課題を解決するための手段】
【0005】
簡潔に述べると、構造的に、システムの一例及び他の例は、以下の通りに実施可能である。
【0006】
画像処理システムは、目標画像処理要素と、当該目標画像処理要素に連なる歪曲画像算出要素と、当該歪曲画像算出要素に連なる偏心推定器と、前記歪曲画像算出要素に連なる偏心補償器と、当該偏心補償器に連なる歪曲中心窩画像モデラーと、前記偏心補償器に連なるログポーラ画像生成器と、前記偏心補償器に連なり、信頼性の低い特徴を除去する特徴除去器とを含むことが好ましい。
【0007】
本開示は、画像処理方法の提供とみることもできる。当該方法は、目標画像を提供し、当該目標画像から歪曲画像を算出し、前記目標画像と前記歪曲画像との間の偏心度を推定し、前記目標画像と前記歪曲画像と間の偏心度を補償し、歪曲中心窩画像をモデリングし、ログポーラ画像を生成し、信頼性の低い特徴を除去することを含むと良い。
【0008】
本発明における他のシステム、方法、特徴、及び効果は、以下の図面と発明の詳細な説明により、本技術分野における通常の技術を有する者に対して明らか、或いは、明らかにされる。本明細書に含まれる全ての付加的システム、方法、特徴及び効果は、本開示の範囲内にあり、付随する請求の範囲により保護される。
【図面の簡単な説明】
【0009】
本開示の多くの態様は、以下の図面を参照すると容易に理解可能である。図面中の構成要素は、必ずしも本発明の原理をはっきりと図示することや、それを強調するものではない。更に、図面中において言及されている数値は、幾つかの図の至る所で対応部分を指定している。
【0010】
【図1】本開示の実施例における画像の座標系の説明図である。
【図2】改良した広角中心窩(AdWAF)画像と線形な座標系を有する画像とを説明するための図である。
【図3】(a)から(f)は、一部における各画像を説明するための図であり、(a)は、目標画像(I)であり、(b)は、歪曲中心窩画像(DF)であり、(c)は、極画像P1であり、(d)は、極画像P2であり、(e)は、補償ログポーラ画像(CLP)であり、(f)は、非歪曲中心窩画像(UDF)であり、左からそれぞれ、偏心度θε=0(°)、18.69(°)、34.08(°)である。
【図4】モデルログポーラ画像(LP)とログポーラ画像の座標系を説明するための図である。
【図5】θεに対するP1、P2、CLP間の平均二乗平方根誤差(RMSE)Eを説明するための図である。
【図6】画像CLPの離散化誤差Δη(左)、Δξ(右)の分布を説明するための図である。
【図7】白色ガウス雑音(WGN)がある場合の信頼性の低い特徴の除去(UFO)前後のRMSEを説明するための図である。
【図8】調節変数Mfが変化したときのRMSEを説明するための図である。
【図9】(a)から(i)は、左からそれぞれ、θε=0(°)、18.69(°)、34.08(°)となる場合のUFO前後の画像CLPを説明するための図である。
【図10】(a)、(b)は、射影fCFによる画像CFを説明するための図である。
【図11】空間解像度が非一様な画像からのRST不変の特徴を獲得するためのフローチャートである。
【図12】FMTの処理の流れを説明するための図である。
【図13】Nη×Nξ=256×128、128×64、64×32のときの再構成画像freとfm_reの間のRMSEを説明するための図である。
【図14】fm_reからのUDF、U、UDFのfre、UのfreのRMSEを説明するための図である。
【図15】(a)から(f)は、左からそれぞれ、θε=0(°)、18.69(°)、34.08(°)となる場合のUDF、U、UDFのfre、Uのfreを説明するための図である。
【図16】本開示の手法のフローチャートである。
【図17】本開示のシステムの代表実施例のブロックダイアグラムである。
【発明を実施するための形態】
【0011】
本開示は、画像処理プロセッサを作成するためのシステムと方法に関する。
【0012】
当該技術分野における通常の技術を有する者が理解するように、ブロックに入る矢印や記号は入力を示し、ブロックから出る矢印や記号は出力を示す。同様に、以下に記述される接続は、電気、光学、放射線及び磁気等を含むあらゆる電磁的なものを適用できる。
【0013】
本開示は、回転・拡大縮小・移動不変の特徴から画像や信号が抽出されることをについて説明する。
【0014】
1.偏心補償器
A.広角歪曲中心窩画像の算出
【0015】
図1は、本開示の実施例における画像の座標系を表している。歪曲中心窩(DF)画像は、目標画像Iから算出される。前記DFは、中心窩センサからの入力画像をシミュレートしている。以下の定義は、前記画像Iがφε方向で偏心度θεを有する物面上に存在すると仮定している。つまり、図1に示されるように、前記θεは、光軸と、光学中心から目標画像中心への直線との間の角度である。また、目標画像中心は、画像Iの原点である。画像Iの離散座標(xd,yd)は、画素サイズ(δx,δy)を用い、連続座標(x,y)から算出される。
【数1】
【0016】
点(x,y)から光学中心Ocへの方向(θ,φ)は、式(2)で表される。
【数2】
ここで、Lは光学中心から物面への距離であり、ε は物面上の偏心位置である。
【数3】
【0017】
画像DFの連続座標(x’,y’)は、以下のように表される。
【数4】
【0018】
ここで、r(θ)は、入射角度θに対する像高を示しており、当該像高は、中心窩モデルによって決定される。また、α1は、画像の拡大率であり、(θε,φε)は、目標画像中心から光学中心への方向を示している。このように,座標系(x’,y’)の原点は、前記方向(θε,φε)に対応している。画像DFの離散座標(x’d,y’d)は、画素サイズ(δ’x,δ’y)により、前記(x’,y’)から算出される。
【数5】
【0019】
本開示では、ログポーラ画像を得ることができる前記画像DFを算出するために、改良広角中心窩(AdWAF)モデルのような中心窩モデルを使用している。AdWAFモデルは、線形な座標と対数座標の両方を平面投影と球面投影で用いている。視野(FOV)は、4つの領域、すなわち、中心窩(0≦θ≦θ0)、傍中心窩(θ0≦θ≦θ1)、近周辺視野(θ1≦θ≦θ2)、及び周辺視野(θ2≦θ≦θmax)に分割される。図2では、シミュレートされたAdWAF画像と、はピンホールカメラ(PHC)線形な座標系を有するレンズモデルによる画像とを比較している。図2において、FOVの境界線、すなわち、θ0、θ1、θ2、θmaxは、それぞれ、9.826(°)、19.107(°)、34.715(°)、60.0(°)である。ここでは、各境界線を見易くするために輝度が変更されている。AdWAFモデルの像高r(θ)は、以下のように定義される。
【0020】
AdWAFモデル:
【数6】
【0021】
ここで、rmaxは、θ=θmaxのときの最大像高であり、ci(i=0,1,2,3)は、像高を調節するためのスケール調整係数である。di(i=1,2,3)は、像高と拡大率の連続性により算出される。
【0022】
PHCレンズ:
【数7】
【0023】
B.補償ログポーラ画像のモデリング
【0024】
図3に示されるように、前記画像DFは大きく歪曲している。非歪曲中心窩画像UDFの連続座標(x’’,y’’)(すなわち、線形な座標を有する)は、式(12)によって計算される。前記(x’’,y’’)の原点は、画像Iの原点に対応する。
【数8】
【0025】
ここで、α2は拡大率である。前記画像UDFの離散座標(x’’d,y’’d)は、画素サイズ(δ’’x,δ’’y)により、前記(x’’,y’’)から算出される。
【数9】
【0026】
ここで、(δ’’x,δ’’y)は、ここでの画像の画素サイズである。
【0027】
補償ログポーラ画像CLP(すなわち、偏心により引き起こされた歪みを補正した後に再マッピングされた画像)の連続座標(η,ξ)は、式(14)により、前記座標(x’’,y’’)から計算される。
【数10】
【0028】
ここで、r0は、前記ログポーラ画像が始まる半径であり、α3は前記画像の拡大率であり、Θは、次のように定義される。
【数11】
【0029】
ここで、L’’=α2Lである。前記CLPの離散座標(ηd,ξd)は、
【数12】
【0030】
ここで、(δη,δξ)は、極画像の画素サイズであり、ηdの最大の整数は0とされる。すなわち、離散値ηdは、0≦η≦2πに対応する。
【0031】
補償中心窩画像CFのデカルト座標(x’’’,y’’’)は、次のように表される。
【数13】
【0032】
ここで、α4は前記画像の拡大率であり、前記画像CFの離散座標は、
【数14】
【0033】
ここで、(δ’’’x,δ’’’y)は、ここでの画像の画素サイズである。
【0034】
C.離散空間における画像シミュレータ
【0035】
離散空間において、本提案の補償器の画像シミュレータは、以下の2つの写像fとfCLPを用いて前記画像CLPを出力する。
【数15】
【0036】
ここで、Nは集合Sの元の数であり、座標(x’d,y’d)は対応する座標(xdi,ydi)
【数16】
から、式(1)から(5)を用いて算出される。なお、Nは、各座標(x’d,y’d)において一定ではない。
【数17】
【0037】
ここで、NCLPは集合SCLPの元の数であり、(ηd,ξd)は、対応する座標(x’di,y’di)
【数18】
から算出される。
【0038】
写像fは中心窩マッピングであり、fCLPは大脳マッピングの一種である。なお、本提案の画像処理シミュレータは、対応するN個の点から各点の輝度をも算出するようになっている。
【0039】
D.評価
以下のシミュレーションとして、中心窩と傍中心窩の間の境界線は、前記AdWAFモデルを用い、
【数19】
により定義される。図3(a)は、512×512(pixels)の目標画像Iを示している。また、図3(b)は、写像fを用いて画像Iからシミュレートされた128×128(pixels)の歪曲中心窩画像DFを示している。ここでは、3通りの偏心度、すなわち、θε=0(°)、18.69(°)、34.08(°)(δ=δX=δY,φε=0の条件で)について、前記AdWAFモデルでrmax=36(pixels)としている。前記補償器をテストするために、図3(c)と(d)において、それぞれ、128×64(pixels)の2種類の極画像P1とP2が比較のために用いられている。前記P1は、画像DFの原点周りの極座標(r’,φ’)を有している。前記画像P1は、 画像DF上の中心窩センサの光軸周りの極座標(r(θ),φ)を有している。図3(e)は、θ1=9.826(°)、θ2=19.107(°)のときの式(7)による傍中心窩に対応する128×64(pixels)の補償ログポーラ画像CLPを表している.画像CLPの空間解像度は放射相称に分布しないが、前記補償器は、各偏心度θεにおいて、ログポーラ画像の変形を補正している。この比較は、中心窩レンズやログポーラチップのような中心窩センサの実利用を想定している点に注目すべきである。特に、前記画像P2の場合、アクティブビジョンにおける注視位置の誤差を示している。前記補償器の働きをより理解するために、非歪曲中心窩画像UDFも図3(f)に示されている。前記UDFの空間解像度は、偏心度が大きくなるにつれて減少するだけでなく、空間に対して非一様となる。
【0040】
前記画像CLPは、画像Iから獲得されたモデルログポーラ画像LPからの平均二乗平方根誤差(RMSE)用いて評価される(図4)。前記RMSE「E」は、次のように表される。
【数20】
ここで、NηとNξは、前記ログポーラ画像のサイズを表している。
【0041】
図5は、φε =0のときにおける極画像P1(破線)、P2(点線)、前記CLP(実線)との間の偏心度θεに対するRMSEの比較を示している。画像CLPのRMSEは、すべての入射角度で極画像P1、P2よりも小さく、徐々に増加する。このことは、前記補償器が、前記画像P1、P2に比べ、歪みをより良く補正できることを意味している。しかしながら、前記画像CLPのより多くのピクセルの輝度は、低解像度部分(例えば、画像DFの周辺視野)から決定されるので、偏心度が増すに従ってRMSEは増加する。前記画像CLPのRMSEは、偏心度34。08(°)以内で、最大2.54(%)の変化に留まっている。
【0042】
前記画像Iのような一様な解像度を有する画像から獲得されたログポーラ画像は、本質的に空間で一様ではない。ところが、その解像度は、放射相称に変化する(つまり、η方向には変化せずに、ξ方向のみに変化する)。ノイズを除去するため、空間解像度が非一様となる画像にローパスフィルタが用いられるとき、ノイズだけでなく必要な情報までがオリジナル画像から失われる。加えて、偏心があるとき、画像CLPの空間解像度は、前記空間で非一様なだけでなく放射非相称となる。図6は、画像CLPの離散化誤差Δη、Δξの分布を示している。これは、θε=0(°)、18.69(°)、34.08(°)(φε=0)のときのη方向及びξ方向の空間解像度を意味する。前記誤差Δη、Δξは、画像DFの半径方向と円周方向の離散化誤差Δθ、Δφからそれぞれ算出される。これらは次のように定義される。
【数21】
【0043】
2.信頼性の低い特徴の除去器
A.定義
【0044】
信頼性の低い特徴を有する特徴除去器(UFO)について、以下に記載する。前記画像CLPが前記画像DFの低解像度部分からアップサンプリングされると(サンプリング定義を満たさずに)、エイリアスがノイズとして発生する。このノイズは、ある周波数成分以上に現れる。前記UFOは、離散ウェーブレット変換(DWT)を用いてこのような成分を除去する。DWTは、空間非一様な解像度を有する画像から局所ノイズを低減するために適しているからである。UFOは、前述したように、偏心により引き起こされた放射非相称で空間非一様な解像度に適用可能である。前記UFOは次のように定義される。
【0045】
1)前記画像CLPのDWTをωとすると、その係数は、ωcjk,iで表される。ここで、jは解像度レベル、cは、それぞれ、対角成分d,水平成分h,垂直成分vを表す。
【0046】
2)各係数ωcjk,iに対応する画像の中の点が、c=d、h、vの各場合で、それぞれ、
【数22】
の条件を満たすならば、ウェーブレット係数の行列vを決定するために、その係数を切り捨てる(0にする)。
【数23】
【0047】
ここで、Mfは、サブピクセルオーダーで離散化誤差の精度を調節するパラメータである。mとnは、解像度レベルjにより決定される整数である。
【0048】
3)vの逆離散ウェーブレット変換(IDWT)により画像Uを定義する。
【0049】
B.評価
【0050】
前記画像CLPは、白色ガウス雑音(WGN)eが前記画像DFに加えられたとき、
【数24】
のように表される。図7は、φε=0のときの偏心度θεに対するRMSE、すなわち、UFO前の画像のRMSE(破線)、HaarウェーブレットによるUFO後の前記画像UのRMSE(実線)、及びDaubechies(7,9)の双対ウェーブレットによるUFO後の画像UのRMSE(円付実線)を示している(RMSEは前記画像LPから算出される)。このシミュレーションでは、Nη=2Nη=128、Mf=1.0の条件が用いられている。図7(a)、(b)、(c)は、前記WGNが、それぞれ、0(%)5(%)10(%)の場合を示している。前記RMSEは、100回の繰返しの平均値として算出される。結果として、Daubechies(7,9)のウェーブレットによるUFOがRMSEを減少させる。前記WGNが加えられていない場合でさえ、偏心度が34.08(°)以内のとき、RMSEは最大0.40(%)低減する。この結果は、UFOが、空間解像度が非一様となる画像の固有の解像度に基づき、オリジナル信号とノイズを局所的に分離するのに有効に作用することを意味する。UFOは、WGNが大きくなるに従い大きくRMSEを大きく減少させる。これは、UFOの望ましい性質である。
【0051】
Haarウェーブレットの場合、WGNが0(%)のとき、UFO後のRMSEは、UFO前に比べて僅かに大きい。このことは、UFOにより除去された高いレベルの係数には、ノイズだけでなく原信号の一部も含まれることを意味する。これは、以下の2つの理由が考えられる。1つ目は、前記誤差Δη、Δξの分布は、単なる2の累乗のピラミッドを用いるので十分に近似できないからである。また、2つ目は、画像CLPは、式(20)に定義されるように、前記画像DFから再マッピングされるとき移動平均の一種を用いるため、実際の誤差Δη、Δξが推定誤差(式(22)による)よりも小さくなるからである。図9は、調整変数Mfが1.0から1.5で変わるときのRMSEを示している。Mf=1.5のときのRMSEは、UFO前のRMSEより小さくならないが、Mf=1.0のときよりもUFO前のRMSEに近くなる。この結果は、上記の数値化された可能性をもつ行中にある。
【0052】
中心窩センサと補償器の組合せにつき、以下に述べる。中心窩センサと補償器の組合せを考慮し、前記画像DFから前記補償中心窩画像CFへの写像f’CFと、前記画像Iから画像CFへの写像fCFとが、以下のように定義される。
【数25】
【0053】
ここで、NCFは集合S’CFの元の数であり、座標(x’’’d,y’’’d)は、対応する座標
(x’di,y’di)
【数26】
から算出される。
【0054】
【数27】
【0055】
ここで、NCFは集合SCFの元の数であり、座標(x’’’d,y’’’d)は、対応する座標
(xdi,ydi)
【数28】
から算出される。
【0056】
図10は、φε=0のときに偏心度θε(=0,18.69,34.08(°))を変えることでこれら2つの写像を比較している。前記写像f’CFによる画像CFは、放射非相称で空間非一様な解像度を有する。一方、写像fCFは、右側の境界線が僅かに変化するけれども(本シミュレーションは、中心窩センサが、固定された120度の視野を有することを仮定しているため)、すべての偏心度でほぼ同じ外見の画像となっている。前記写像fCFは、前記画像CFが非歪曲な広角画像から直接獲得される特別なケースである点に注目すべきである。このように、写像fCFは、移動後の中心窩マッピングと等価である。これらの2つの写像の比較は、前記補償器が、よりロバストなRST不変(回転・拡大縮小・移動不変)な特徴を得るために、中心窩センサとどのように組み合わせるべきかを示している。
【0057】
3.偏心推定器
A.歪曲中心窩画像からの偏心推定
【0058】
偏心推定器(EE)は、回転・拡大縮小・移動不変(RST不変)の特徴を抽出するための方法を用い、前記画像DFから前記偏心度θεを推定する。フーリエ・メリン変換(FMT)は、線形な座標系を有する画像、すなわちデカルト座標系を有する画像から、このような特徴を抽出する手法としてよく知られている。FMTは、フーリエ変換(FT)の理論に基づいている。このことは、画像のFTの振幅(移動不変の性質を有する)のログポーラマッピング(RS不変の性質を有する)のFTに等価となる。
【0059】
FMTが前記画像DFに適用されるとき、画像の歪みが除去される必要がある。図3(f)は、各偏心度における128×128(pixels)のデカルト座標系を有する非歪曲中心窩画像UDFを示している。画像UDFは、画像DFから歪みを除去することで求められる(式(12)及び式(13)参照)。
【0060】
前記離散画像UDFは、以下のように、写像fUDFによりシミュレートされる。
【数29】
【0061】
ここで、Nは集合SUDFの元の数であり、座標(x’’d,y’’d)は、対応する座標
(x’di,y’di)
【数30】
から算出される。
【0062】
B.FMTのUDFへの適用
【0063】
前記画像DFは、空間解像度が一様であり、歪んでいる。そのため、歪みが除去されたとき、波紋状のエイリアスが図3(f)の画像UDFにみられるようになる。このことは、偏心度が大きくなるにつれ顕著になる。このようなエイリアスは、画像が、低解像度部分(例えば、前記画像DFの周辺視野)から、高解像度部分(前記画像UDFの高密度空間)にアップサンプリングされた場合に生じる。
【0064】
図11は、前記画像DFから、RST不変の特徴を得るためのフローチャートを示している。
【0065】
図12は、Nx×Nyの画像信号fから、Nη×NξのFMT「M」を得る際のFMTの処理の流れを示している。再構成画像freは、ログポーラ空間におけるDFT(離散フーリエ変換)Flpから算出される。図12では、モデル再構成画像fm_reが画像Iの中心部分から算出される場合を示している。
【0066】
モデルFMT Mmは、画像Iの中心部分から獲得される。
【0067】
前記偏心度θεは、式(3)を用い、MとMmから算出された移動量から推定される。
【0068】
C.評価
【0069】
画像DFの空間解像度は非一様であるが、光軸周りに放射相称に変化する。つまり、同一の入射角度θの場合、円周方向には変化せずに半径方向にのみ変化する。前記θεが変化するとき、前記画像UDFの空間解像度は、以下の性質を生じる。
【0070】
1)前記解像度は、θεに対して大きく変化する(すなわち、解像度は、θεが大きくなるに従い、θε=0の場合よりもかなり低くなる)。
【0071】
2)空間解像度は非一様になる。すなわち、空間解像度は画像全体で一様にならない。また、θεが存在するならば、目標画像中心に対応する画像UDFの中心周りに放射非相称となる。
【0072】
画像UDFのFMTは、同じ画像サイズNx×Nyを有する前記再構成画像freと前記モデル再構成画像fm_reとの間で平均二乗平方根誤差(RMSE)用いて評価される。前記RMSE「E」は、次のように表される。
【数31】
【0073】
図13は、Nη×Nξ=256×128、128×64、64×32の3通りのケースにおいて、φε=0の場合の偏心度θεに対する前記RMSEを示している。当該RMSEは、100回の繰返しの平均値で計算される。本シミュレーションでは、前記画像DFは、rmax=36(pixel)、θmax=60.0(°)、θ0=9.826(°)、θ1=19.107(°)、θ2=34.715(°)の条件で算出されている。画像UDFは、Nx×Ny=128のとき、rmax=128(pixel)の条件で画像DFからマッピングされる。3通りのケース全てのRMSEは、|θε|が大きくなるにつれて増加する。このことは、1)の性質に起因する。すなわち、画像中のより多くのピクセルの輝度は、低解像度部分から決定されるからである。偏心度が34.08(°)以内のとき、前記RMSEは、前記3ケースで、それぞれ最大で、3.17(%)、3.07(%)、2.43(%)までしか変化しない。これに加え、θε=0であっても(すなわち、2)の性質によって)、前記RMSEは、0にならない(それぞれ、4.07(%)、3.14(%)、2.08(%)になる)。前記RMSEは、Nη×Nξ=64×32のとき最小になる。このことは、小さな離散空間Nη×Nξを有するFMTがローパスフィルタとして作用することを意味する。換言すると、この場合はロバストであるが、詳細な情報を与えることには向かない。
【0074】
4.UFOの偏心推定(EE)への適用
【0075】
信頼性の低い特徴を除去する特徴除去器(UFO)は、前記画像UDFのエイリアスに関する局所ノイズの低減に適用される。この場合、UFOを次のように適用する。
【0076】
各ウェーブレット係数ωcjk,iに対応する画像の中の点が、c=d、h、vの各ケースで、条件X∧Y,X,Yを満たすならば、ウェーブレット係数となる行列vを決定するために、その係数を切り捨てる(0にする)。そして、vの逆離散化ウェーブレット変換(IDWT)により、前記画像Uが算出される。
【数32】
【0077】
ここで、Δx(x,y)とΔy(x,y)は、前記画像UDFの離散化誤差であり、ΔθとΔφ、すなわち、式(29)により前記画像DFから決定された離散化誤差から計算される。Mfは、サブピクセルオーダーで離散化誤差の精度を調節するパラメータである。mとnは、前記解像度レベルjから決定される整数値である。
【数33】
【0078】
図14は、前記θεに対する前記RMSEを示している(φε=0の場合)。ここでのRMSEは、前記画像UDF(破線)、前記画像U(実線)、前記画像UDFの再構成画像fre(四角形付破線)、及び前記画像Uの再構成画像fre(円付実線)についてである。RMSEは100回の繰返しの平均値である。ここで、前記画像DFは、rmax=36(pixel)、θmax=60.0(°)、θ0=9.826(°)、θ1=19.107(°)、θ2=34.715(°)の条件とされている。前記画像UDFは、Nx=Ny=128のとき、rmax=128(pixel)の条件で画像DFからマッピングされる。UFOは、Nx=Ny=128及びMf=1.0の条件でDaubechies(7,9)双対ウェーブレットを用いている。FMTに関して、Nη×Nξ=256×128と、Nη×Nξ=64×32との2通りのケースが図14(a)と図14(b)で比較されている。以下に記載する。
【0079】
1)前記UのRMSEは、前記画像UDFよりも常に小さい。このことは、UFOが、放射相称でない空間解像度非一様な画像から局所ノイズを除去するアンチエイリアスフィルタとして良く機能することを意味している(図14(a)と(b)を比較したとき、波紋状のエイリアスが低減されている)。RMSEは、Nη×Nξ=256×128と、Nη×Nξ=64×32との2通りのケースで、それぞれ、最大0.58(%)、最大0.65(%)低減されている。
【0080】
2)図14(a)は、UFOがFMTの性能を改善することを証明している。UFOは、この条件で最大0.47(%)RMSEを低減させる。加えて、前記画像Uの再構成画像freのRMSEは、最大2.93(%)変化する。なお、この値は、UFO前の3.17(%)よりも小さい。このことは、UFOが、空間非一様な解像度を有する画像から局所的にエイリアスを良好に除去することも示している(図15(c)及び(d)参照)。
【0081】
3)図14(b)は、ログポーラ空間が小さすぎると、UFOが同様に機能しないことを示している。図15(e)と(f)に示されるように、FMTのローパスフィルタ効果は、エイリアスを低減させるだけでなく、画像UDFとUの原信号の高周波成分も除去する。
【0082】
FMTは、拡大縮小不変の特徴を抽出する性質をもつため、本質的に解像度の変化にロバストである。ところが、前記空間解像度が非一様性であれば、すなわち、解像度が画像全体で一様でなければ、性能に影響が出る。全体的に、UFOは、アンチエイリアスフィルタとしてFMTに良く作用する。UFOは、必要以上に原信号を低減させないので、画像全体に影響を与える全体型のローパスフィルタと比較して、例えば、FMTのログポーラ空間を小さくする等により、できる限りロバストに精細さを維持して特徴を保存することに適している。
【0083】
図16は、本開示の方法1600のフローチャートを表している。当該方法1600は、目標画像を提供し(ブロック1602)、当該目標画像から歪曲画像を算出し(ブロック1604)、前記目標画像と前記歪曲画像との間の偏心度を推定し(ブロック1606)、前記目標画像と前記歪曲画像との間の偏心度を補償し(ブロック1608)、歪曲中心窩画像をモデリングし(ブロック1610)、ログポーラ画像を生成し(ブロック1612)、信頼性の低い特徴を除去する(ブロック1614)ことを含むことができる。
【0084】
前記方法1600において、歪曲中心窩画像のモデリングは、視野を複数領域に分割することを含むと良い。当該複数領域は、少なくとも中心窩領域、傍中心窩領域、近周辺視野領域、及び周辺視野領域とすると良い。
【0085】
前記方法1600において、ログポーラ画像の生成は、少なくとも1つを離散化座標で算出することを含むことができる。また、ログポーラ画像の生成は、少なくとも1つをデカルト座標で算出することを含むと良い。更に、偏心度の補償は、マッピングを実行することを含むと良い。
【0086】
前記方法1600において、マッピングの実行は、目標画像から歪曲中心窩画像をマッピングすることと、歪曲中心窩画像から補償ログポーラ画像をマッピングすることから選択された少なくとも1のマッピングを含むと良い。また、歪曲中心窩画像の補償ログポーラ画像へのマッピングは、平均二乗平方根誤差を評価することを含むことができる。更に、信頼性の低い特徴の除去は、離散ウェーブレット変換を生成することを含むことが好ましく、信頼性の低い特徴の除去は、離散化誤差の精度を調節するパラメータと、解像度レベルを表す整数とからなる群より選択された少なくとも1の数に基づいて閾値を生成することを含むことも可能である。
【0087】
また、信頼性の低い特徴の除去は、逆ウェーブレット変換を生成することが好ましい。更に、信頼性の低い特徴の除去は、フーリエ・メリン変換を適用することも含むと良い。
【0088】
前述の方法1700若しくは方法1700の要素は、これらを実行するためのコンピュータで実行可能な命令として、コンピュータで読込可能な記憶媒体に蓄積することも可能である。
【0089】
当該技術分野における通常の技術を有する者が察するように、前述の手法における要素やブロックは、同時に行うことが可能で、或いは、記載された順序とは異なる順序で行うこともできる。
【0090】
図17は、本開示のシステム1700の代表実施例のブロックダイアグラムを表している。前記システム1700は、目標画像処理要素1702と、当該目標画像処理要素1702に連なる歪曲画像算出要素1704と、当該歪曲画像算出要素1704に連なる偏心推定器1706と、前記歪曲画像算出要素1704に連なる偏心補償器1708と、当該偏心補償器1708に連なる歪曲中心窩画像モデラー1710と、前記偏心補償器1708に連なるログポーラ画像生成器1712と、前記偏心補償器1708に連なり、信頼性の低い特徴を除去する特徴除去器1714とを含むことが好ましい。
【0091】
システム1700において、前記歪曲中心窩画像モデラー1710は、視野を複数領域に分割可能に構成すると良い。このような複数領域は、中心窩領域、傍中心窩絵領域、近周辺視野領域、及び周辺視野領域から選択すると良い。また、システム1700において、ログポーラ画像生成器1712は、少なくとも1つの離散座標を算出可能に構成すると良い。更に、ログポーラ画像生成器1712は、少なくとも1つのデカルト座標を算出可能に構成することができる。また、ログポーラ画像生成器1712に付随するように、偏心補償器1708は、マッピングを実行可能に構成すると良い。このようなマッピングは、目標画像から歪曲中心窩画像へのマッピングと、歪曲中心窩画像から補償ログポーラ画像へのマッピングとから選択される少なくとも1つのマッピングであることを含むと良い。また、歪曲中心窩画像から補償ログポーラ画像へのマッピングは、平均二乗平方根誤差による評価を含むことが可能である。
【0092】
前記特徴除去器1714は、離散ウェーブレット変換を生成可能に構成すると良い。前記特徴除去器1714は、離散化誤差の精度を調節するパラメータと、解像度レベルを表す整数とから選択された少なくとも1の数に基づいて閾値を生成可能に構成することが好ましい。
【0093】
前記特徴除去器1714は、逆ウェーブレット変換を生成可能に構成できる。また、特徴除去器1714は、フーリエ・メリン変換を適用可能に構成できる。
【0094】
本明細書と添付された請求項で用いられるように、「a」、「an」、「the」等の単数形で表現される用語は、明細書中に明示しない限り、複数形対象をも含んでいる。「複数(plurality)」なる用語は、明細書中に明示しない限り、2又はより多くの対象を含んでいる。更に、他に記載されない限り、ここで用いられる全ての技術用語と科学用語は、本発明が関連する技術分野における通常の技術を有する者に共通して理解される意味を有する。
【0095】
まとめると、本発明の各実施例に従って、画像処理プロセッサを形成するためのシステムと方法が記載されている。画像処理システムは、目標画像生成要素と、当該目標画像生成要素に連なる歪曲画像算出要素と、当該歪曲画像算出要素に連なる偏心推定器と、歪曲画像算出要素に連なる偏心補償器と、当該偏心補償器に連なる歪曲中心窩画像モデラーと、前記偏心補償器に連なるログポーラ画像生成器と、前記偏心補償器に連なり、信頼性の低い特徴を除去する特徴除去器とを含むことが好ましい。前記システムを形成するための手法も記載されている。
【0096】
前述した実施例は、本発明の原理を明確に理解するための単なる実施可能例であることを強調する。本発明の本質から実質的に逸脱しない限り、本発明の前述の実施例に対し、多くの変形や改良が可能である。これらすべての変形や改良は、本開示及び本発明の範囲に含まれるものであり、次の請求の範囲により保護される。
【技術分野】
【0001】
本開示は、一般に信号処理装置に関し、特に、光学的な画像処理プロセッサに関する。
【背景技術】
【0002】
ログポーラマッピングは、霊長類の視覚系の大脳マッピングの解析的定式化による生物学的な知見によるものであり、データ数を劇的に減少させるだけなく、回転・拡大縮小不変(RS不変)の性質を付与するための手法として存在する。それは、回転と拡大縮小を直交2軸方向の移動に変換する。この性質は、カメラがその視線方向を変えるためにモータによって制御されるアクティブビジョンシステムに利用できる。つまり、このようなシステムでは、回転・拡大縮小・移動不変(RST不変)の画像マッチングを行うためにログポーラ画像を利用し、この際、目標へのカメラの注視位置の制御を移動と等価とみなす。ログポーラ画像を得るために、特殊なCCDやCMOSログポーラチップ等、視野の周辺に行くに従って受光素子の結合サイズが大きくなる網膜状の中心窩センサがある。この中心窩センサは、画像マッチングを目的としたアクティブ視覚センサに組み込まれてきた。別の中心窩センサとしては、幾何学的に投影像を歪曲させてログポーラ画像を獲得する広角中心窩レンズがある。
【0003】
広角中心窩(WAF)レンズのような、投影像を幾何学的に歪曲させる特殊光学系が存在する。この特殊レンズは、受光素子が一様に配置された市販の線形な座標系を有するビジョンチップと組み合わされる。
【発明の概要】
【発明が解決しようとする課題】
【0004】
本開示の実施態様は、画像処理プロセッサを製作するためのシステムと手法を提供することを目的とする。
【課題を解決するための手段】
【0005】
簡潔に述べると、構造的に、システムの一例及び他の例は、以下の通りに実施可能である。
【0006】
画像処理システムは、目標画像処理要素と、当該目標画像処理要素に連なる歪曲画像算出要素と、当該歪曲画像算出要素に連なる偏心推定器と、前記歪曲画像算出要素に連なる偏心補償器と、当該偏心補償器に連なる歪曲中心窩画像モデラーと、前記偏心補償器に連なるログポーラ画像生成器と、前記偏心補償器に連なり、信頼性の低い特徴を除去する特徴除去器とを含むことが好ましい。
【0007】
本開示は、画像処理方法の提供とみることもできる。当該方法は、目標画像を提供し、当該目標画像から歪曲画像を算出し、前記目標画像と前記歪曲画像との間の偏心度を推定し、前記目標画像と前記歪曲画像と間の偏心度を補償し、歪曲中心窩画像をモデリングし、ログポーラ画像を生成し、信頼性の低い特徴を除去することを含むと良い。
【0008】
本発明における他のシステム、方法、特徴、及び効果は、以下の図面と発明の詳細な説明により、本技術分野における通常の技術を有する者に対して明らか、或いは、明らかにされる。本明細書に含まれる全ての付加的システム、方法、特徴及び効果は、本開示の範囲内にあり、付随する請求の範囲により保護される。
【図面の簡単な説明】
【0009】
本開示の多くの態様は、以下の図面を参照すると容易に理解可能である。図面中の構成要素は、必ずしも本発明の原理をはっきりと図示することや、それを強調するものではない。更に、図面中において言及されている数値は、幾つかの図の至る所で対応部分を指定している。
【0010】
【図1】本開示の実施例における画像の座標系の説明図である。
【図2】改良した広角中心窩(AdWAF)画像と線形な座標系を有する画像とを説明するための図である。
【図3】(a)から(f)は、一部における各画像を説明するための図であり、(a)は、目標画像(I)であり、(b)は、歪曲中心窩画像(DF)であり、(c)は、極画像P1であり、(d)は、極画像P2であり、(e)は、補償ログポーラ画像(CLP)であり、(f)は、非歪曲中心窩画像(UDF)であり、左からそれぞれ、偏心度θε=0(°)、18.69(°)、34.08(°)である。
【図4】モデルログポーラ画像(LP)とログポーラ画像の座標系を説明するための図である。
【図5】θεに対するP1、P2、CLP間の平均二乗平方根誤差(RMSE)Eを説明するための図である。
【図6】画像CLPの離散化誤差Δη(左)、Δξ(右)の分布を説明するための図である。
【図7】白色ガウス雑音(WGN)がある場合の信頼性の低い特徴の除去(UFO)前後のRMSEを説明するための図である。
【図8】調節変数Mfが変化したときのRMSEを説明するための図である。
【図9】(a)から(i)は、左からそれぞれ、θε=0(°)、18.69(°)、34.08(°)となる場合のUFO前後の画像CLPを説明するための図である。
【図10】(a)、(b)は、射影fCFによる画像CFを説明するための図である。
【図11】空間解像度が非一様な画像からのRST不変の特徴を獲得するためのフローチャートである。
【図12】FMTの処理の流れを説明するための図である。
【図13】Nη×Nξ=256×128、128×64、64×32のときの再構成画像freとfm_reの間のRMSEを説明するための図である。
【図14】fm_reからのUDF、U、UDFのfre、UのfreのRMSEを説明するための図である。
【図15】(a)から(f)は、左からそれぞれ、θε=0(°)、18.69(°)、34.08(°)となる場合のUDF、U、UDFのfre、Uのfreを説明するための図である。
【図16】本開示の手法のフローチャートである。
【図17】本開示のシステムの代表実施例のブロックダイアグラムである。
【発明を実施するための形態】
【0011】
本開示は、画像処理プロセッサを作成するためのシステムと方法に関する。
【0012】
当該技術分野における通常の技術を有する者が理解するように、ブロックに入る矢印や記号は入力を示し、ブロックから出る矢印や記号は出力を示す。同様に、以下に記述される接続は、電気、光学、放射線及び磁気等を含むあらゆる電磁的なものを適用できる。
【0013】
本開示は、回転・拡大縮小・移動不変の特徴から画像や信号が抽出されることをについて説明する。
【0014】
1.偏心補償器
A.広角歪曲中心窩画像の算出
【0015】
図1は、本開示の実施例における画像の座標系を表している。歪曲中心窩(DF)画像は、目標画像Iから算出される。前記DFは、中心窩センサからの入力画像をシミュレートしている。以下の定義は、前記画像Iがφε方向で偏心度θεを有する物面上に存在すると仮定している。つまり、図1に示されるように、前記θεは、光軸と、光学中心から目標画像中心への直線との間の角度である。また、目標画像中心は、画像Iの原点である。画像Iの離散座標(xd,yd)は、画素サイズ(δx,δy)を用い、連続座標(x,y)から算出される。
【数1】
【0016】
点(x,y)から光学中心Ocへの方向(θ,φ)は、式(2)で表される。
【数2】
ここで、Lは光学中心から物面への距離であり、ε は物面上の偏心位置である。
【数3】
【0017】
画像DFの連続座標(x’,y’)は、以下のように表される。
【数4】
【0018】
ここで、r(θ)は、入射角度θに対する像高を示しており、当該像高は、中心窩モデルによって決定される。また、α1は、画像の拡大率であり、(θε,φε)は、目標画像中心から光学中心への方向を示している。このように,座標系(x’,y’)の原点は、前記方向(θε,φε)に対応している。画像DFの離散座標(x’d,y’d)は、画素サイズ(δ’x,δ’y)により、前記(x’,y’)から算出される。
【数5】
【0019】
本開示では、ログポーラ画像を得ることができる前記画像DFを算出するために、改良広角中心窩(AdWAF)モデルのような中心窩モデルを使用している。AdWAFモデルは、線形な座標と対数座標の両方を平面投影と球面投影で用いている。視野(FOV)は、4つの領域、すなわち、中心窩(0≦θ≦θ0)、傍中心窩(θ0≦θ≦θ1)、近周辺視野(θ1≦θ≦θ2)、及び周辺視野(θ2≦θ≦θmax)に分割される。図2では、シミュレートされたAdWAF画像と、はピンホールカメラ(PHC)線形な座標系を有するレンズモデルによる画像とを比較している。図2において、FOVの境界線、すなわち、θ0、θ1、θ2、θmaxは、それぞれ、9.826(°)、19.107(°)、34.715(°)、60.0(°)である。ここでは、各境界線を見易くするために輝度が変更されている。AdWAFモデルの像高r(θ)は、以下のように定義される。
【0020】
AdWAFモデル:
【数6】
【0021】
ここで、rmaxは、θ=θmaxのときの最大像高であり、ci(i=0,1,2,3)は、像高を調節するためのスケール調整係数である。di(i=1,2,3)は、像高と拡大率の連続性により算出される。
【0022】
PHCレンズ:
【数7】
【0023】
B.補償ログポーラ画像のモデリング
【0024】
図3に示されるように、前記画像DFは大きく歪曲している。非歪曲中心窩画像UDFの連続座標(x’’,y’’)(すなわち、線形な座標を有する)は、式(12)によって計算される。前記(x’’,y’’)の原点は、画像Iの原点に対応する。
【数8】
【0025】
ここで、α2は拡大率である。前記画像UDFの離散座標(x’’d,y’’d)は、画素サイズ(δ’’x,δ’’y)により、前記(x’’,y’’)から算出される。
【数9】
【0026】
ここで、(δ’’x,δ’’y)は、ここでの画像の画素サイズである。
【0027】
補償ログポーラ画像CLP(すなわち、偏心により引き起こされた歪みを補正した後に再マッピングされた画像)の連続座標(η,ξ)は、式(14)により、前記座標(x’’,y’’)から計算される。
【数10】
【0028】
ここで、r0は、前記ログポーラ画像が始まる半径であり、α3は前記画像の拡大率であり、Θは、次のように定義される。
【数11】
【0029】
ここで、L’’=α2Lである。前記CLPの離散座標(ηd,ξd)は、
【数12】
【0030】
ここで、(δη,δξ)は、極画像の画素サイズであり、ηdの最大の整数は0とされる。すなわち、離散値ηdは、0≦η≦2πに対応する。
【0031】
補償中心窩画像CFのデカルト座標(x’’’,y’’’)は、次のように表される。
【数13】
【0032】
ここで、α4は前記画像の拡大率であり、前記画像CFの離散座標は、
【数14】
【0033】
ここで、(δ’’’x,δ’’’y)は、ここでの画像の画素サイズである。
【0034】
C.離散空間における画像シミュレータ
【0035】
離散空間において、本提案の補償器の画像シミュレータは、以下の2つの写像fとfCLPを用いて前記画像CLPを出力する。
【数15】
【0036】
ここで、Nは集合Sの元の数であり、座標(x’d,y’d)は対応する座標(xdi,ydi)
【数16】
から、式(1)から(5)を用いて算出される。なお、Nは、各座標(x’d,y’d)において一定ではない。
【数17】
【0037】
ここで、NCLPは集合SCLPの元の数であり、(ηd,ξd)は、対応する座標(x’di,y’di)
【数18】
から算出される。
【0038】
写像fは中心窩マッピングであり、fCLPは大脳マッピングの一種である。なお、本提案の画像処理シミュレータは、対応するN個の点から各点の輝度をも算出するようになっている。
【0039】
D.評価
以下のシミュレーションとして、中心窩と傍中心窩の間の境界線は、前記AdWAFモデルを用い、
【数19】
により定義される。図3(a)は、512×512(pixels)の目標画像Iを示している。また、図3(b)は、写像fを用いて画像Iからシミュレートされた128×128(pixels)の歪曲中心窩画像DFを示している。ここでは、3通りの偏心度、すなわち、θε=0(°)、18.69(°)、34.08(°)(δ=δX=δY,φε=0の条件で)について、前記AdWAFモデルでrmax=36(pixels)としている。前記補償器をテストするために、図3(c)と(d)において、それぞれ、128×64(pixels)の2種類の極画像P1とP2が比較のために用いられている。前記P1は、画像DFの原点周りの極座標(r’,φ’)を有している。前記画像P1は、 画像DF上の中心窩センサの光軸周りの極座標(r(θ),φ)を有している。図3(e)は、θ1=9.826(°)、θ2=19.107(°)のときの式(7)による傍中心窩に対応する128×64(pixels)の補償ログポーラ画像CLPを表している.画像CLPの空間解像度は放射相称に分布しないが、前記補償器は、各偏心度θεにおいて、ログポーラ画像の変形を補正している。この比較は、中心窩レンズやログポーラチップのような中心窩センサの実利用を想定している点に注目すべきである。特に、前記画像P2の場合、アクティブビジョンにおける注視位置の誤差を示している。前記補償器の働きをより理解するために、非歪曲中心窩画像UDFも図3(f)に示されている。前記UDFの空間解像度は、偏心度が大きくなるにつれて減少するだけでなく、空間に対して非一様となる。
【0040】
前記画像CLPは、画像Iから獲得されたモデルログポーラ画像LPからの平均二乗平方根誤差(RMSE)用いて評価される(図4)。前記RMSE「E」は、次のように表される。
【数20】
ここで、NηとNξは、前記ログポーラ画像のサイズを表している。
【0041】
図5は、φε =0のときにおける極画像P1(破線)、P2(点線)、前記CLP(実線)との間の偏心度θεに対するRMSEの比較を示している。画像CLPのRMSEは、すべての入射角度で極画像P1、P2よりも小さく、徐々に増加する。このことは、前記補償器が、前記画像P1、P2に比べ、歪みをより良く補正できることを意味している。しかしながら、前記画像CLPのより多くのピクセルの輝度は、低解像度部分(例えば、画像DFの周辺視野)から決定されるので、偏心度が増すに従ってRMSEは増加する。前記画像CLPのRMSEは、偏心度34。08(°)以内で、最大2.54(%)の変化に留まっている。
【0042】
前記画像Iのような一様な解像度を有する画像から獲得されたログポーラ画像は、本質的に空間で一様ではない。ところが、その解像度は、放射相称に変化する(つまり、η方向には変化せずに、ξ方向のみに変化する)。ノイズを除去するため、空間解像度が非一様となる画像にローパスフィルタが用いられるとき、ノイズだけでなく必要な情報までがオリジナル画像から失われる。加えて、偏心があるとき、画像CLPの空間解像度は、前記空間で非一様なだけでなく放射非相称となる。図6は、画像CLPの離散化誤差Δη、Δξの分布を示している。これは、θε=0(°)、18.69(°)、34.08(°)(φε=0)のときのη方向及びξ方向の空間解像度を意味する。前記誤差Δη、Δξは、画像DFの半径方向と円周方向の離散化誤差Δθ、Δφからそれぞれ算出される。これらは次のように定義される。
【数21】
【0043】
2.信頼性の低い特徴の除去器
A.定義
【0044】
信頼性の低い特徴を有する特徴除去器(UFO)について、以下に記載する。前記画像CLPが前記画像DFの低解像度部分からアップサンプリングされると(サンプリング定義を満たさずに)、エイリアスがノイズとして発生する。このノイズは、ある周波数成分以上に現れる。前記UFOは、離散ウェーブレット変換(DWT)を用いてこのような成分を除去する。DWTは、空間非一様な解像度を有する画像から局所ノイズを低減するために適しているからである。UFOは、前述したように、偏心により引き起こされた放射非相称で空間非一様な解像度に適用可能である。前記UFOは次のように定義される。
【0045】
1)前記画像CLPのDWTをωとすると、その係数は、ωcjk,iで表される。ここで、jは解像度レベル、cは、それぞれ、対角成分d,水平成分h,垂直成分vを表す。
【0046】
2)各係数ωcjk,iに対応する画像の中の点が、c=d、h、vの各場合で、それぞれ、
【数22】
の条件を満たすならば、ウェーブレット係数の行列vを決定するために、その係数を切り捨てる(0にする)。
【数23】
【0047】
ここで、Mfは、サブピクセルオーダーで離散化誤差の精度を調節するパラメータである。mとnは、解像度レベルjにより決定される整数である。
【0048】
3)vの逆離散ウェーブレット変換(IDWT)により画像Uを定義する。
【0049】
B.評価
【0050】
前記画像CLPは、白色ガウス雑音(WGN)eが前記画像DFに加えられたとき、
【数24】
のように表される。図7は、φε=0のときの偏心度θεに対するRMSE、すなわち、UFO前の画像のRMSE(破線)、HaarウェーブレットによるUFO後の前記画像UのRMSE(実線)、及びDaubechies(7,9)の双対ウェーブレットによるUFO後の画像UのRMSE(円付実線)を示している(RMSEは前記画像LPから算出される)。このシミュレーションでは、Nη=2Nη=128、Mf=1.0の条件が用いられている。図7(a)、(b)、(c)は、前記WGNが、それぞれ、0(%)5(%)10(%)の場合を示している。前記RMSEは、100回の繰返しの平均値として算出される。結果として、Daubechies(7,9)のウェーブレットによるUFOがRMSEを減少させる。前記WGNが加えられていない場合でさえ、偏心度が34.08(°)以内のとき、RMSEは最大0.40(%)低減する。この結果は、UFOが、空間解像度が非一様となる画像の固有の解像度に基づき、オリジナル信号とノイズを局所的に分離するのに有効に作用することを意味する。UFOは、WGNが大きくなるに従い大きくRMSEを大きく減少させる。これは、UFOの望ましい性質である。
【0051】
Haarウェーブレットの場合、WGNが0(%)のとき、UFO後のRMSEは、UFO前に比べて僅かに大きい。このことは、UFOにより除去された高いレベルの係数には、ノイズだけでなく原信号の一部も含まれることを意味する。これは、以下の2つの理由が考えられる。1つ目は、前記誤差Δη、Δξの分布は、単なる2の累乗のピラミッドを用いるので十分に近似できないからである。また、2つ目は、画像CLPは、式(20)に定義されるように、前記画像DFから再マッピングされるとき移動平均の一種を用いるため、実際の誤差Δη、Δξが推定誤差(式(22)による)よりも小さくなるからである。図9は、調整変数Mfが1.0から1.5で変わるときのRMSEを示している。Mf=1.5のときのRMSEは、UFO前のRMSEより小さくならないが、Mf=1.0のときよりもUFO前のRMSEに近くなる。この結果は、上記の数値化された可能性をもつ行中にある。
【0052】
中心窩センサと補償器の組合せにつき、以下に述べる。中心窩センサと補償器の組合せを考慮し、前記画像DFから前記補償中心窩画像CFへの写像f’CFと、前記画像Iから画像CFへの写像fCFとが、以下のように定義される。
【数25】
【0053】
ここで、NCFは集合S’CFの元の数であり、座標(x’’’d,y’’’d)は、対応する座標
(x’di,y’di)
【数26】
から算出される。
【0054】
【数27】
【0055】
ここで、NCFは集合SCFの元の数であり、座標(x’’’d,y’’’d)は、対応する座標
(xdi,ydi)
【数28】
から算出される。
【0056】
図10は、φε=0のときに偏心度θε(=0,18.69,34.08(°))を変えることでこれら2つの写像を比較している。前記写像f’CFによる画像CFは、放射非相称で空間非一様な解像度を有する。一方、写像fCFは、右側の境界線が僅かに変化するけれども(本シミュレーションは、中心窩センサが、固定された120度の視野を有することを仮定しているため)、すべての偏心度でほぼ同じ外見の画像となっている。前記写像fCFは、前記画像CFが非歪曲な広角画像から直接獲得される特別なケースである点に注目すべきである。このように、写像fCFは、移動後の中心窩マッピングと等価である。これらの2つの写像の比較は、前記補償器が、よりロバストなRST不変(回転・拡大縮小・移動不変)な特徴を得るために、中心窩センサとどのように組み合わせるべきかを示している。
【0057】
3.偏心推定器
A.歪曲中心窩画像からの偏心推定
【0058】
偏心推定器(EE)は、回転・拡大縮小・移動不変(RST不変)の特徴を抽出するための方法を用い、前記画像DFから前記偏心度θεを推定する。フーリエ・メリン変換(FMT)は、線形な座標系を有する画像、すなわちデカルト座標系を有する画像から、このような特徴を抽出する手法としてよく知られている。FMTは、フーリエ変換(FT)の理論に基づいている。このことは、画像のFTの振幅(移動不変の性質を有する)のログポーラマッピング(RS不変の性質を有する)のFTに等価となる。
【0059】
FMTが前記画像DFに適用されるとき、画像の歪みが除去される必要がある。図3(f)は、各偏心度における128×128(pixels)のデカルト座標系を有する非歪曲中心窩画像UDFを示している。画像UDFは、画像DFから歪みを除去することで求められる(式(12)及び式(13)参照)。
【0060】
前記離散画像UDFは、以下のように、写像fUDFによりシミュレートされる。
【数29】
【0061】
ここで、Nは集合SUDFの元の数であり、座標(x’’d,y’’d)は、対応する座標
(x’di,y’di)
【数30】
から算出される。
【0062】
B.FMTのUDFへの適用
【0063】
前記画像DFは、空間解像度が一様であり、歪んでいる。そのため、歪みが除去されたとき、波紋状のエイリアスが図3(f)の画像UDFにみられるようになる。このことは、偏心度が大きくなるにつれ顕著になる。このようなエイリアスは、画像が、低解像度部分(例えば、前記画像DFの周辺視野)から、高解像度部分(前記画像UDFの高密度空間)にアップサンプリングされた場合に生じる。
【0064】
図11は、前記画像DFから、RST不変の特徴を得るためのフローチャートを示している。
【0065】
図12は、Nx×Nyの画像信号fから、Nη×NξのFMT「M」を得る際のFMTの処理の流れを示している。再構成画像freは、ログポーラ空間におけるDFT(離散フーリエ変換)Flpから算出される。図12では、モデル再構成画像fm_reが画像Iの中心部分から算出される場合を示している。
【0066】
モデルFMT Mmは、画像Iの中心部分から獲得される。
【0067】
前記偏心度θεは、式(3)を用い、MとMmから算出された移動量から推定される。
【0068】
C.評価
【0069】
画像DFの空間解像度は非一様であるが、光軸周りに放射相称に変化する。つまり、同一の入射角度θの場合、円周方向には変化せずに半径方向にのみ変化する。前記θεが変化するとき、前記画像UDFの空間解像度は、以下の性質を生じる。
【0070】
1)前記解像度は、θεに対して大きく変化する(すなわち、解像度は、θεが大きくなるに従い、θε=0の場合よりもかなり低くなる)。
【0071】
2)空間解像度は非一様になる。すなわち、空間解像度は画像全体で一様にならない。また、θεが存在するならば、目標画像中心に対応する画像UDFの中心周りに放射非相称となる。
【0072】
画像UDFのFMTは、同じ画像サイズNx×Nyを有する前記再構成画像freと前記モデル再構成画像fm_reとの間で平均二乗平方根誤差(RMSE)用いて評価される。前記RMSE「E」は、次のように表される。
【数31】
【0073】
図13は、Nη×Nξ=256×128、128×64、64×32の3通りのケースにおいて、φε=0の場合の偏心度θεに対する前記RMSEを示している。当該RMSEは、100回の繰返しの平均値で計算される。本シミュレーションでは、前記画像DFは、rmax=36(pixel)、θmax=60.0(°)、θ0=9.826(°)、θ1=19.107(°)、θ2=34.715(°)の条件で算出されている。画像UDFは、Nx×Ny=128のとき、rmax=128(pixel)の条件で画像DFからマッピングされる。3通りのケース全てのRMSEは、|θε|が大きくなるにつれて増加する。このことは、1)の性質に起因する。すなわち、画像中のより多くのピクセルの輝度は、低解像度部分から決定されるからである。偏心度が34.08(°)以内のとき、前記RMSEは、前記3ケースで、それぞれ最大で、3.17(%)、3.07(%)、2.43(%)までしか変化しない。これに加え、θε=0であっても(すなわち、2)の性質によって)、前記RMSEは、0にならない(それぞれ、4.07(%)、3.14(%)、2.08(%)になる)。前記RMSEは、Nη×Nξ=64×32のとき最小になる。このことは、小さな離散空間Nη×Nξを有するFMTがローパスフィルタとして作用することを意味する。換言すると、この場合はロバストであるが、詳細な情報を与えることには向かない。
【0074】
4.UFOの偏心推定(EE)への適用
【0075】
信頼性の低い特徴を除去する特徴除去器(UFO)は、前記画像UDFのエイリアスに関する局所ノイズの低減に適用される。この場合、UFOを次のように適用する。
【0076】
各ウェーブレット係数ωcjk,iに対応する画像の中の点が、c=d、h、vの各ケースで、条件X∧Y,X,Yを満たすならば、ウェーブレット係数となる行列vを決定するために、その係数を切り捨てる(0にする)。そして、vの逆離散化ウェーブレット変換(IDWT)により、前記画像Uが算出される。
【数32】
【0077】
ここで、Δx(x,y)とΔy(x,y)は、前記画像UDFの離散化誤差であり、ΔθとΔφ、すなわち、式(29)により前記画像DFから決定された離散化誤差から計算される。Mfは、サブピクセルオーダーで離散化誤差の精度を調節するパラメータである。mとnは、前記解像度レベルjから決定される整数値である。
【数33】
【0078】
図14は、前記θεに対する前記RMSEを示している(φε=0の場合)。ここでのRMSEは、前記画像UDF(破線)、前記画像U(実線)、前記画像UDFの再構成画像fre(四角形付破線)、及び前記画像Uの再構成画像fre(円付実線)についてである。RMSEは100回の繰返しの平均値である。ここで、前記画像DFは、rmax=36(pixel)、θmax=60.0(°)、θ0=9.826(°)、θ1=19.107(°)、θ2=34.715(°)の条件とされている。前記画像UDFは、Nx=Ny=128のとき、rmax=128(pixel)の条件で画像DFからマッピングされる。UFOは、Nx=Ny=128及びMf=1.0の条件でDaubechies(7,9)双対ウェーブレットを用いている。FMTに関して、Nη×Nξ=256×128と、Nη×Nξ=64×32との2通りのケースが図14(a)と図14(b)で比較されている。以下に記載する。
【0079】
1)前記UのRMSEは、前記画像UDFよりも常に小さい。このことは、UFOが、放射相称でない空間解像度非一様な画像から局所ノイズを除去するアンチエイリアスフィルタとして良く機能することを意味している(図14(a)と(b)を比較したとき、波紋状のエイリアスが低減されている)。RMSEは、Nη×Nξ=256×128と、Nη×Nξ=64×32との2通りのケースで、それぞれ、最大0.58(%)、最大0.65(%)低減されている。
【0080】
2)図14(a)は、UFOがFMTの性能を改善することを証明している。UFOは、この条件で最大0.47(%)RMSEを低減させる。加えて、前記画像Uの再構成画像freのRMSEは、最大2.93(%)変化する。なお、この値は、UFO前の3.17(%)よりも小さい。このことは、UFOが、空間非一様な解像度を有する画像から局所的にエイリアスを良好に除去することも示している(図15(c)及び(d)参照)。
【0081】
3)図14(b)は、ログポーラ空間が小さすぎると、UFOが同様に機能しないことを示している。図15(e)と(f)に示されるように、FMTのローパスフィルタ効果は、エイリアスを低減させるだけでなく、画像UDFとUの原信号の高周波成分も除去する。
【0082】
FMTは、拡大縮小不変の特徴を抽出する性質をもつため、本質的に解像度の変化にロバストである。ところが、前記空間解像度が非一様性であれば、すなわち、解像度が画像全体で一様でなければ、性能に影響が出る。全体的に、UFOは、アンチエイリアスフィルタとしてFMTに良く作用する。UFOは、必要以上に原信号を低減させないので、画像全体に影響を与える全体型のローパスフィルタと比較して、例えば、FMTのログポーラ空間を小さくする等により、できる限りロバストに精細さを維持して特徴を保存することに適している。
【0083】
図16は、本開示の方法1600のフローチャートを表している。当該方法1600は、目標画像を提供し(ブロック1602)、当該目標画像から歪曲画像を算出し(ブロック1604)、前記目標画像と前記歪曲画像との間の偏心度を推定し(ブロック1606)、前記目標画像と前記歪曲画像との間の偏心度を補償し(ブロック1608)、歪曲中心窩画像をモデリングし(ブロック1610)、ログポーラ画像を生成し(ブロック1612)、信頼性の低い特徴を除去する(ブロック1614)ことを含むことができる。
【0084】
前記方法1600において、歪曲中心窩画像のモデリングは、視野を複数領域に分割することを含むと良い。当該複数領域は、少なくとも中心窩領域、傍中心窩領域、近周辺視野領域、及び周辺視野領域とすると良い。
【0085】
前記方法1600において、ログポーラ画像の生成は、少なくとも1つを離散化座標で算出することを含むことができる。また、ログポーラ画像の生成は、少なくとも1つをデカルト座標で算出することを含むと良い。更に、偏心度の補償は、マッピングを実行することを含むと良い。
【0086】
前記方法1600において、マッピングの実行は、目標画像から歪曲中心窩画像をマッピングすることと、歪曲中心窩画像から補償ログポーラ画像をマッピングすることから選択された少なくとも1のマッピングを含むと良い。また、歪曲中心窩画像の補償ログポーラ画像へのマッピングは、平均二乗平方根誤差を評価することを含むことができる。更に、信頼性の低い特徴の除去は、離散ウェーブレット変換を生成することを含むことが好ましく、信頼性の低い特徴の除去は、離散化誤差の精度を調節するパラメータと、解像度レベルを表す整数とからなる群より選択された少なくとも1の数に基づいて閾値を生成することを含むことも可能である。
【0087】
また、信頼性の低い特徴の除去は、逆ウェーブレット変換を生成することが好ましい。更に、信頼性の低い特徴の除去は、フーリエ・メリン変換を適用することも含むと良い。
【0088】
前述の方法1700若しくは方法1700の要素は、これらを実行するためのコンピュータで実行可能な命令として、コンピュータで読込可能な記憶媒体に蓄積することも可能である。
【0089】
当該技術分野における通常の技術を有する者が察するように、前述の手法における要素やブロックは、同時に行うことが可能で、或いは、記載された順序とは異なる順序で行うこともできる。
【0090】
図17は、本開示のシステム1700の代表実施例のブロックダイアグラムを表している。前記システム1700は、目標画像処理要素1702と、当該目標画像処理要素1702に連なる歪曲画像算出要素1704と、当該歪曲画像算出要素1704に連なる偏心推定器1706と、前記歪曲画像算出要素1704に連なる偏心補償器1708と、当該偏心補償器1708に連なる歪曲中心窩画像モデラー1710と、前記偏心補償器1708に連なるログポーラ画像生成器1712と、前記偏心補償器1708に連なり、信頼性の低い特徴を除去する特徴除去器1714とを含むことが好ましい。
【0091】
システム1700において、前記歪曲中心窩画像モデラー1710は、視野を複数領域に分割可能に構成すると良い。このような複数領域は、中心窩領域、傍中心窩絵領域、近周辺視野領域、及び周辺視野領域から選択すると良い。また、システム1700において、ログポーラ画像生成器1712は、少なくとも1つの離散座標を算出可能に構成すると良い。更に、ログポーラ画像生成器1712は、少なくとも1つのデカルト座標を算出可能に構成することができる。また、ログポーラ画像生成器1712に付随するように、偏心補償器1708は、マッピングを実行可能に構成すると良い。このようなマッピングは、目標画像から歪曲中心窩画像へのマッピングと、歪曲中心窩画像から補償ログポーラ画像へのマッピングとから選択される少なくとも1つのマッピングであることを含むと良い。また、歪曲中心窩画像から補償ログポーラ画像へのマッピングは、平均二乗平方根誤差による評価を含むことが可能である。
【0092】
前記特徴除去器1714は、離散ウェーブレット変換を生成可能に構成すると良い。前記特徴除去器1714は、離散化誤差の精度を調節するパラメータと、解像度レベルを表す整数とから選択された少なくとも1の数に基づいて閾値を生成可能に構成することが好ましい。
【0093】
前記特徴除去器1714は、逆ウェーブレット変換を生成可能に構成できる。また、特徴除去器1714は、フーリエ・メリン変換を適用可能に構成できる。
【0094】
本明細書と添付された請求項で用いられるように、「a」、「an」、「the」等の単数形で表現される用語は、明細書中に明示しない限り、複数形対象をも含んでいる。「複数(plurality)」なる用語は、明細書中に明示しない限り、2又はより多くの対象を含んでいる。更に、他に記載されない限り、ここで用いられる全ての技術用語と科学用語は、本発明が関連する技術分野における通常の技術を有する者に共通して理解される意味を有する。
【0095】
まとめると、本発明の各実施例に従って、画像処理プロセッサを形成するためのシステムと方法が記載されている。画像処理システムは、目標画像生成要素と、当該目標画像生成要素に連なる歪曲画像算出要素と、当該歪曲画像算出要素に連なる偏心推定器と、歪曲画像算出要素に連なる偏心補償器と、当該偏心補償器に連なる歪曲中心窩画像モデラーと、前記偏心補償器に連なるログポーラ画像生成器と、前記偏心補償器に連なり、信頼性の低い特徴を除去する特徴除去器とを含むことが好ましい。前記システムを形成するための手法も記載されている。
【0096】
前述した実施例は、本発明の原理を明確に理解するための単なる実施可能例であることを強調する。本発明の本質から実質的に逸脱しない限り、本発明の前述の実施例に対し、多くの変形や改良が可能である。これらすべての変形や改良は、本開示及び本発明の範囲に含まれるものであり、次の請求の範囲により保護される。
【特許請求の範囲】
【請求項1】
目標画像を提供し、
前記目標画像から歪曲画像を算出し、
前記目標画像と前記歪曲画像の間の偏心度を推定することを特徴とする画像処理方法。
【請求項2】
前記目標画像と前記歪曲画像との間の偏心度を補償することを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項3】
歪曲中心窩画像をモデリングすることを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項4】
ログポーラ画像を生成することを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項5】
信頼性の低い特徴を除去することを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項6】
前記歪曲中心窩画像のモデリングは、視野を複数領域に分割することを更に含むことを特徴とする請求項3記載の画像処理方法。
【請求項7】
前記複数領域への視野の分割は、
中心窩領域と、
傍中心窩領域と、
近周辺視野領域と、
周辺視野領域と、
からなる群より選択された少なくとも1の領域に視野を分割すること更に含むことを特徴とする請求項6記載の画像処理方法。
【請求項8】
前記ログポーラ画像の生成は、少なくとも1つの離散座標を算出することを含むことを特徴とする請求項4記載の画像処理方法。
【請求項9】
前記ログポーラ画像の生成は、少なくとも1つのデカルト座標を算出することを含むことを特徴とする請求項8記載の画像処理方法。
【請求項10】
前記偏心度の補償は、マッピングを実行することを含むことを特徴とする請求項2記載の画像処理方法。
【請求項11】
前記マッピングの実行は、
目標画像から歪曲中心窩画像へのマッピングと、
歪曲中心窩画像から補償ログポーラ画像へのマッピングと、
からなる群より選択された少なくとも1のマッピングを含むことを特徴とする請求項10記載の画像処理方法。
【請求項12】
前記少なくとも1つの歪曲中心窩画像から補償ログポーラ画像へのマッピングは、平均二乗平方根誤差を評価することを含むことを特徴とする請求項11記載の画像処理方法。
【請求項13】
前記信頼性の低い特徴の除去は、離散ウェーブレット変換を生成することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項14】
前記信頼性の低い特徴の除去は、
離散化誤差の精度を調節するパラメータと、
解像度レベルを表す整数と、
からなる群より選択された少なくとも1の数に基づいて閾値を生成することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項15】
前記信頼性の低い特徴の除去は、逆離散ウェーブレット変換を生成することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項16】
前記信頼性の低い特徴の除去は、フーリエ・メリン変換を適用することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項17】
目標画像処理要素と、
前記目標画像処理要素に連なる歪曲画像算出要素と、
前記歪曲画像算出要素に連なる偏心推定器と、
を備えたことを特徴とする画像処理システム。
【請求項18】
前記歪曲画像算出要素に連なる偏心補償器を更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項19】
前記偏心推定器に連なる歪曲中心窩画像モデラーを更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項20】
前記偏心推定器に連なるログポーラ画像生成器を更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項21】
前記偏心推定器に連なり、信頼性の低い特徴を除去する特徴除去器を更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項22】
前記歪曲中心窩画像モデラーは、視野を複数領域に分割可能に構成されることを特徴とする請求項19記載の画像処理システム。
【請求項23】
前記複数領域の1つは、
中心窩領域と、
傍中心窩領域と、
近周辺視野領域と、
周辺視野領域と、
からなる群より選択されるうちの1つであることを特徴とする請求項22記載の画像処理システム。
【請求項24】
前記ログポーラ画像生成器は、少なくとも1つの離散座標を算出可能に構成されることを特徴とする請求項20記載の画像処理システム。
【請求項25】
前記ログポーラ画像生成器は、1つのデカルト座標を算出可能に構成されることを特徴とする請求項24記載の画像処理システム。
【請求項26】
前記偏心補償器は、マッピングを実行可能に構成されることを特徴とする請求項18記載の画像処理システム。
【請求項27】
前記マッピングは、
目標画像から歪曲中心窩画像へのマッピングと、
歪曲中心窩画像から補償ログポーラ画像へのマッピングと、
からなる群より選択されるうちの1つのマッピングであることを特徴とする請求項26記載の画像処理システム。
【請求項28】
前記歪曲中心窩画像から補償ログポーラ画像へのマッピングの少なくとも1つは、平均二乗平方根誤差の評価を含むことを特徴とする請求項27記載の画像処理システム。
【請求項29】
前記特徴除去器は、離散ウェーブレット変換を生成可能に構成されることを特徴とする請求項21記載の画像処理システム。
【請求項30】
前記特徴除去器は、
離散化誤差の精度を調節するパラメータと、
解像度レベルを表す整数と、
からなる群より選択された少なくとも1の数に基づいて閾値を生成可能に構成されていることを特徴とする請求項21記載の画像処理システム。
【請求項31】
前記特徴除去器は、逆離散ウェーブレット変換を生成可能に構成されることを特徴とする請求項21記載の画像処理システム。
【請求項32】
前記特徴除去器は、フーリエ・メリン変換を適用可能に構成されることを特徴とする請求項21記載の画像処理システム。
【請求項33】
目標画像を供給し、
前記目標画像から歪曲画像を算出し、
前記目標画像と前記歪曲画像の間の偏心度を推定するように、
コンピュータを実行させる命令を有することを特徴とするコンピュータで読込可能な記憶媒体。
【請求項1】
目標画像を提供し、
前記目標画像から歪曲画像を算出し、
前記目標画像と前記歪曲画像の間の偏心度を推定することを特徴とする画像処理方法。
【請求項2】
前記目標画像と前記歪曲画像との間の偏心度を補償することを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項3】
歪曲中心窩画像をモデリングすることを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項4】
ログポーラ画像を生成することを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項5】
信頼性の低い特徴を除去することを更に含むことを特徴とする請求項1記載の画像処理方法。
【請求項6】
前記歪曲中心窩画像のモデリングは、視野を複数領域に分割することを更に含むことを特徴とする請求項3記載の画像処理方法。
【請求項7】
前記複数領域への視野の分割は、
中心窩領域と、
傍中心窩領域と、
近周辺視野領域と、
周辺視野領域と、
からなる群より選択された少なくとも1の領域に視野を分割すること更に含むことを特徴とする請求項6記載の画像処理方法。
【請求項8】
前記ログポーラ画像の生成は、少なくとも1つの離散座標を算出することを含むことを特徴とする請求項4記載の画像処理方法。
【請求項9】
前記ログポーラ画像の生成は、少なくとも1つのデカルト座標を算出することを含むことを特徴とする請求項8記載の画像処理方法。
【請求項10】
前記偏心度の補償は、マッピングを実行することを含むことを特徴とする請求項2記載の画像処理方法。
【請求項11】
前記マッピングの実行は、
目標画像から歪曲中心窩画像へのマッピングと、
歪曲中心窩画像から補償ログポーラ画像へのマッピングと、
からなる群より選択された少なくとも1のマッピングを含むことを特徴とする請求項10記載の画像処理方法。
【請求項12】
前記少なくとも1つの歪曲中心窩画像から補償ログポーラ画像へのマッピングは、平均二乗平方根誤差を評価することを含むことを特徴とする請求項11記載の画像処理方法。
【請求項13】
前記信頼性の低い特徴の除去は、離散ウェーブレット変換を生成することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項14】
前記信頼性の低い特徴の除去は、
離散化誤差の精度を調節するパラメータと、
解像度レベルを表す整数と、
からなる群より選択された少なくとも1の数に基づいて閾値を生成することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項15】
前記信頼性の低い特徴の除去は、逆離散ウェーブレット変換を生成することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項16】
前記信頼性の低い特徴の除去は、フーリエ・メリン変換を適用することを含むことを特徴とする請求項5記載の画像処理方法。
【請求項17】
目標画像処理要素と、
前記目標画像処理要素に連なる歪曲画像算出要素と、
前記歪曲画像算出要素に連なる偏心推定器と、
を備えたことを特徴とする画像処理システム。
【請求項18】
前記歪曲画像算出要素に連なる偏心補償器を更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項19】
前記偏心推定器に連なる歪曲中心窩画像モデラーを更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項20】
前記偏心推定器に連なるログポーラ画像生成器を更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項21】
前記偏心推定器に連なり、信頼性の低い特徴を除去する特徴除去器を更に含むことを特徴とする請求項17記載の画像処理システム。
【請求項22】
前記歪曲中心窩画像モデラーは、視野を複数領域に分割可能に構成されることを特徴とする請求項19記載の画像処理システム。
【請求項23】
前記複数領域の1つは、
中心窩領域と、
傍中心窩領域と、
近周辺視野領域と、
周辺視野領域と、
からなる群より選択されるうちの1つであることを特徴とする請求項22記載の画像処理システム。
【請求項24】
前記ログポーラ画像生成器は、少なくとも1つの離散座標を算出可能に構成されることを特徴とする請求項20記載の画像処理システム。
【請求項25】
前記ログポーラ画像生成器は、1つのデカルト座標を算出可能に構成されることを特徴とする請求項24記載の画像処理システム。
【請求項26】
前記偏心補償器は、マッピングを実行可能に構成されることを特徴とする請求項18記載の画像処理システム。
【請求項27】
前記マッピングは、
目標画像から歪曲中心窩画像へのマッピングと、
歪曲中心窩画像から補償ログポーラ画像へのマッピングと、
からなる群より選択されるうちの1つのマッピングであることを特徴とする請求項26記載の画像処理システム。
【請求項28】
前記歪曲中心窩画像から補償ログポーラ画像へのマッピングの少なくとも1つは、平均二乗平方根誤差の評価を含むことを特徴とする請求項27記載の画像処理システム。
【請求項29】
前記特徴除去器は、離散ウェーブレット変換を生成可能に構成されることを特徴とする請求項21記載の画像処理システム。
【請求項30】
前記特徴除去器は、
離散化誤差の精度を調節するパラメータと、
解像度レベルを表す整数と、
からなる群より選択された少なくとも1の数に基づいて閾値を生成可能に構成されていることを特徴とする請求項21記載の画像処理システム。
【請求項31】
前記特徴除去器は、逆離散ウェーブレット変換を生成可能に構成されることを特徴とする請求項21記載の画像処理システム。
【請求項32】
前記特徴除去器は、フーリエ・メリン変換を適用可能に構成されることを特徴とする請求項21記載の画像処理システム。
【請求項33】
目標画像を供給し、
前記目標画像から歪曲画像を算出し、
前記目標画像と前記歪曲画像の間の偏心度を推定するように、
コンピュータを実行させる命令を有することを特徴とするコンピュータで読込可能な記憶媒体。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【公表番号】特表2010−530087(P2010−530087A)
【公表日】平成22年9月2日(2010.9.2)
【国際特許分類】
【出願番号】特願2009−543198(P2009−543198)
【出願日】平成19年12月19日(2007.12.19)
【国際出願番号】PCT/US2007/088233
【国際公開番号】WO2008/077134
【国際公開日】平成20年6月26日(2008.6.26)
【新規性喪失の例外の表示】特許法第30条第1項適用申請有り
【出願人】(509315700)
【出願人】(509314758)
【Fターム(参考)】
【公表日】平成22年9月2日(2010.9.2)
【国際特許分類】
【出願日】平成19年12月19日(2007.12.19)
【国際出願番号】PCT/US2007/088233
【国際公開番号】WO2008/077134
【国際公開日】平成20年6月26日(2008.6.26)
【新規性喪失の例外の表示】特許法第30条第1項適用申請有り
【出願人】(509315700)
【出願人】(509314758)
【Fターム(参考)】
[ Back to top ]