特許

J-GLOBAL ID：202003010805913923

画像処理装置及び方法

発明者： ニエ・シジェ ,  グー・リン ,  鄭 銀強 ,  佐藤 いまり ,  アントニー・ラム ,  小野 順貴
出願人/特許権者： 大学共同利用機関法人情報・システム研究機構
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