画像処理装置及び方法

発明者： , , , , ,
出願人/特許権者：
代理人 (2件)：山田卓二 , 岡部博史
公報種別：公開公報
出願番号（国際出願番号）：特願2019-110453
公開番号（公開出願番号）：特開2019-220176
出願日： 2019年06月13日
公開日（公表日）： 2019年12月26日
要約：

【課題】スペクトル復元又はクラスタリングのための分光透過特性の最適化を行う。【解決手段】画像処理装置は、複数次元のハイパースペクトル画像データを、フィルタの分光透過特性に対応する応答関数を用いて、より低い複数次元のカラー空間の画像データに変換して出力する畳み込み層をそれぞれ有する複数の第1のニューラルネットワークと、複数の第1のニューラルネットワークからの画像データを複数次元のハイパースペクトル画像データに再構成するように変換して出力する第2のニューラルネットワークと、複数次元のハイパースペクトル画像データである学習画像データを用いて、第1及び第2のニューラルネットワークを、学習画像データと再構成された画像データとの誤差が最小になるように学習することで複数の第1のニューラルネットワークの各フィルタの分光透過特性に対応しかつ光学フィルタを形成するための応答関数を計算する制御手段とを備える。【選択図】図1

請求項（抜粋）：

複数次元のハイパースペクトル画像データを、少なくとも1つの光学フィルタの分光透過特性に対応する応答関数を用いて、前記ハイパースペクトル画像データの次元数よりも少ない複数次元のカラー空間の画像データに変換して出力する畳み込み層をそれぞれ有する複数の第1のニューラルネットワークと、前記複数の第1のニューラルネットワークからの画像データを、前記複数の第1のニューラルネットワークの前記光学フィルタの分光透過特性に対応する応答関数を学習するための変換データに変換して出力する第2のニューラルネットワークと、所定の学習データを用いて、前記第1及び第2のニューラルネットワークを、前記学習データと前記変換データとの誤差が最小になるように学習することにより、前記複数の第1のニューラルネットワークの前記光学フィルタの分光透過特性に対応しかつ前記光学フィルタを形成するための応答関数を計算する制御手段とを備えたことを特徴とする画像処理装置。

IPC (7件)：

G06T 1/00 , G01J 3/51 , H04N 9/04 , G06T 1/40 , G06N 3/04 , G02B 5/28 , G02B 5/20

FI (7件)：

G06T1/00 510 , G01J3/51 , H04N9/04 B , G06T1/40 , G06N3/04 154 , G02B5/28 , G02B5/20

Fターム (34件)：

2G020AA04 , 2G020AA08 , 2G020CC28 , 2G020CD38 , 2G020CD60 , 2G020DA13 , 2G020DA33 , 2G020DA34 , 2G020DA65 , 2H148AA12 , 2H148AA18 , 2H148GA04 , 2H148GA12 , 2H148GA18 , 2H148GA24 , 2H148GA33 , 2H148GA61 , 5B057CA01 , 5B057CA08 , 5B057CA12 , 5B057CA16 , 5B057CB01 , 5B057CB08 , 5B057CB12 , 5B057CB16 , 5B057CE17 , 5B057CE18 , 5B057CH11 , 5B057CH16 , 5B057DA16 , 5B057DC25 , 5B057DC40 , 5C065BB30 , 5C065EE03

引用特許：

出願人引用 (2件)

撮像分光法用のコンパクトな多機能システム
公報種別：公表公報出願番号：特願2017-503852 出願人：エコール・ポリテクニーク・フェデラル・ドゥ・ローザンヌ(ウ・ペ・エフ・エル)
画像内の生物学的構造及び/又はパターンの検出のためのシステム及び方法
公報種別：公表公報出願番号：特願2016-567906 出願人：ベンタナメディカルシステムズ,インコーポレイテッド

引用文献：

出願人引用 (2件)

HSCNN: CNN-Based Hyperspectral Image Recovery from Spectrally Undersampled Projections
観測波長とフィルタ配置を考慮したマルチスペクトルフィルタアレイの最適化手法

前のページに戻る