す 局所領域 ωk において 線形変換に用いる係数 (ak 画素の係数 (ak bk ) を算出し 入力画像の信号成分を bk ) は次式のコスト関数 E を最小化するように最適化 有さない画素に対して 式 (2) より画素値を算出する される これにより 低解像度な画像から補間によるアップサ E(
|
|
|
- かずまさ にばし
- 5 years ago
- Views:
Transcription
1 IR Abstract IR RGB ( ) IR IR IR RGB RGB PSNR 1 Time-Of- Flight(TOF)[1] Kinect [2] TOF LED TOF [3] [6] [4][5] 2 [6] RGB ( ) Infrared(IR) IR
2 す 局所領域 ωk において 線形変換に用いる係数 (ak 画素の係数 (ak bk ) を算出し 入力画像の信号成分を bk ) は次式のコスト関数 E を最小化するように最適化 有さない画素に対して 式 (2) より画素値を算出する される これにより 低解像度な画像から補間によるアップサ E(ak bk ) = 1 ((ak Ii + bk pi )2 + a2 ) ωk i (1) ンプリングが可能となる 図 3 に 画素の距 離画像をガイデットフィルタにより 画素に アップサンプリングした例を示す ここで は平滑化係数 ω は局所領域 Ii はガイド画 像の画素値を表し pi は入力画像の画素値を表す 求 められた係数 (ak bk ) を用いて式 (2) の線形変換により 出力画像の画素 qi を推定する qi = 1 a k Ii + b k ω (2) k:i ωk 図3 ガイデットフィルタによるアップサンプリ ング 2.4 ガイデットフィルタの問題点 ガイデットフィルタは エッジを保持したフィルタ処 理が可能であるが RGB 画像をガイド画像とした際 図 4 に示すように距離画像にはないテクスチャによる 影響を受けるという問題がある これは 距離画像に 図1 ガイデットフィルタの処理 本来存在しないテクスチャ情報を用いてフィルタリン グするからである 2.2 デノイジング ガイデットフィルタは バイラテラルフィルタと同 様にエッジを保持したノイズ除去が可能である バイ ラテラルフィルタでは入力画像のみからの情報を用い てノイズ除去を行う 一方 ガイデットフィルタはノイ ズのないガイド画像の情報を加えることで より効果 的なノイズ除去を可能とする 図 2 にノイズを含む距 離画像を入力した際のデノイジング例を示す 図4 RGB ガイド画像を用いたガイデットフィ ルタの処理結果 3 図2 2.3 ガイデットフィルタによるデノイジング アップサンプリング IR 反射強度画像を用いたガイデットフィ ルタ 本研究では IR 反射強度画像をガイドとして用いる ガイデットフィルタは 入力画像よりも解像度が高 ことで 不要なテクスチャ情報の影響による距離画像 い画像をガイドとして用いることでアップサンプリン の劣化を防ぐ 本章では まず赤外光の特性について グが可能となる 低解像度の入力画像を拡大して得ら 調査し 提案手法である IR 反射強度画像の導入につい れたスパースな入力画像に対して ガイド画像から全 て述べる
3 3.1 赤外光の特性 IR 反射強度は 対象物までの距離 反射面の向き 材質によって変化する 本節では IR 反射強度の特性 について調査する 材質の特性 光の反射は 物体の材質が持つ反射特性により変化 する 図 7 に同一距離に反射面の向きが 0 となるよう に配置した材質の異なる IR 反射強度値を示す 距離変化の特性 IR 反射強度画像の画素値は赤外光の反射値であるた め カメラから対象物体までの距離により変化する 図 5 に距離変化に対する IR 反射強度値の変化を示す 図 5 から IR 反射強度値は 2m を超えると小さくなるため 対象物体を画像上で判別できなくなる これをガイド 画像として用いると カメラから遠方の物体を捉えた 画素はフィルタリングの効果が得られないことになる 図7 IR 反射強度画像の材質による変化 図 7 から 物体の材質によって IR 反射強度値が変化 していることがわかる しかし 材質の推定は一般に 困難な問題であるため 本研究では材質の変化につい ては考慮しないこととする 3.2 IR 反射強度画像の利用 IR 反射強度画像を用いてガイデットフィルタを施す ことで 距離画像を高品質化する IR 反射強度画像は RGB 画像に含まれる模様のテクスチャがなく 距離画 像との相関が高いため ガイデットフィルタのガイド 画像に適していると考えられる しかし IR 反射強度 図5 距離と反射強度値の関係 画像は 3.1 に示す特性により RAW データをそのまま ガイド画像として扱うことができない そこで IR 反 反射面の向きの特性 対象物体の反射面の向きが変化すると 光の反射量 も大きく変化する 図 6 に同一距離に配置した対象物 射強度画像に特性を考慮した正規化を施す 光源から の光 L の物体表面での照度 E は 図 8 に示すように物 体との距離 d と光の角度 θ により減衰することが知ら れている 体の反射面の角度による IR 反射強度値の変化を示す E= 図 6 から 反射面の向きの角度が大きくなるほど IR 反 L cos θ (2 d)2 (3) 射強度値が減衰していることがわかる これをガイド 本研究では 距離と反射面の角度を用いて IR 反射強度 画像として用いると 反射面の角度が大きい画素はフィ 画像を正規化する ルタリングの効果が得られないことになる 図8 図6 反射面の角度と反射強度値の関係 物体との距離と光の角度による光の減衰
4 3.2.1 TOF (3) IR IR I (4) G(i, j) = I(i, j) (2 d(i, j)) 2 (4) d(i, j) (i, j) G IR (4) IR 9 (4) IR IR IR (3) (i, j) (5) IR G(i, j) = I(i, j) (2 d(i, j))2 cos θ x cos θ y (5) 1 d(i + 1, j) d(i 1, j) θ x (i, j) = tan (i + 1) (i 1) 1 d(i, j + 1) d(i, j 1) θ y (i, j) = tan (j + 1) (j 1) (6) (7) θ x, θ y IR x y (5) d(i, j) θ x, θ y 10 IR IR 10 4 IR 4.1 RGB (RGB ) (IR ) PSNR(Peak Signal-to-Noise Ratio) ( ) MAX P SNR = 20 log 10 [db] (8) MSE MSE = 1 mn m 1 i=0 n 1 (X(i, j) X (i, j)) 2 (9) j=0 MAX (m n ) MSE X X (Mean Square Error) / PSNR 1 IR PSNR RGB IR IR PSNR θ x, θ y IR RGB
![[db] ガイド画像 テクスチャ](/docs-images/91/105090391/images/5-1.jpg "構造変化 メディアンフィルタ RGB")
5 図 11 表1 評価用データセット デノイジングにおける各手法の PSNR [db] ガイド画像 テクスチャ 構造変化 メディアンフィルタ RGB 画像 無 少 有 少 無 多 有 多 ガイドと比較して物体表面のテクスチャの影響を抑え つつノイズを除去できていることが確認できる 4.3 IR 反射強度画像 正規化なし 距離 距離+向き アップサンプリング効果の評価 表 2 にアップサンプリングにおける各手法の PSNR を示す デノイジングと同様に 従来用いられている RGB 画像よりも正規化した IR 反射強度画像の方が高 い PSNR 値であることがわかる また 距離と反射面 の向きを併用して正規化した IR 反射強度画像は 距離 のみで正規化した IR 反射強度画像と同等以上の PSNR 値である これは ノイズの影響が少ない入力画像の 場合 物体反射面の角度 θx, θy の推定が安定したため 反射面の向きの正規化を加えることで PSNR が向上し たと考えられる 図 13 に 低解像度の距離画像とガイ デットフィルタによるアップサンプリング例を示す 図 13 から 1/4 のサイズの画像を元の画像サイズに復元 できていることがわかる また RGB 画像をガイドに 用いる場合 アップサンプリングした画像に物体表面 のテクスチャが残っているが IR 反射強度画像ではテ クスチャの影響をほとんど受けないことがわかる 図 12 ガイデットフィルタによるノイズ除去例
![2 PSNR [db] RGB IR + 19.76 8.43 20.64 20.67 19.62 8.37 20.60 20.62 19.48 8.26 20.18 20.23 19.27 8.19 20.18 20.16 [3] C.](/docs-images/91/105090391/images/6-0.jpg "Tomasi, Bilateral Filtering for Gray and Color Images, IEEE International Conference on Computer Vision, pp. 839-846, 1998 [4] J. Petschnigg, R. Szeliski, M. Agrawala, M. F. Cohen, H.Hoppe and K.")
6 2 PSNR [db] RGB IR [3] C. Tomasi, Bilateral Filtering for Gray and Color Images, IEEE International Conference on Computer Vision, pp , 1998 [4] J. Petschnigg, R. Szeliski, M. Agrawala, M. F. Cohen, H.Hoppe and K. Toyama, Digital photography with flash and no-flash image pairs, ACM Transactions on Graphics, vol. 23, No.3, pp , 2004 [5] M. F. Cohen, M. T. Uyttendaele, D. Lischinski and J. Kopf, Joint bilateral upsampling, ACM Transactions on Graphics, vol. 26, No.96, 2007 [6] H. Kaiming, S. Jian and T. Xiaoou, Guided Image Filtering, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.35, No.6, pp , IR IR RGB IR RGB IR [1] R.Lange, and P. Seitz, Solid-State Time-of-Flight Range Camera, IEEE Journal of Quantum Electronics, vol. 37, No.3, pp , 2001 [2] J. Shotton, A. Fitzgibbon, M. Cook, T. Sharp, M. Finocchio, R. Moore, A. Kipman and A. Blake, Real- Time Human Pose Recognition in Parts from Single Depth Images, Computer Vision and Pattern Recognition, vol. 2, pp , 2011.
[1] SBS [2] SBS Random Forests[3] Random Forests ii
![[1] SBS [2] SBS Random Forests[3] Random Forests ii](/thumbs/74/70333192.jpg "[1] SBS [2] SBS Random Forests[3] Random Forests ii")
Random Forests 2013 3 A Graduation Thesis of College of Engineering, Chubu University Proposal of an efficient feature selection using the contribution rate of Random Forests Katsuya Shimazaki [1] SBS
(MIRU2008) HOG Histograms of Oriented Gradients (HOG)
(MIRU2008) 2008 7 HOG - - E-mail: katsu0920@me.cs.scitec.kobe-u.ac.jp, {takigu,ariki}@kobe-u.ac.jp Histograms of Oriented Gradients (HOG) HOG Shape Contexts HOG 5.5 Histograms of Oriented Gradients D Human
図 2: 高周波成分を用いた超解像 解像度度画像とそれらを低解像度化して得られる 低解像度画像との差により低解像度の高周波成分 を得る 高解像度と低解像度の高周波成分から位 置関係を保ったままパッチ領域をそれぞれ切り出 し 高解像度パッチ画像と低解像度パッチ画像の ペアとしてデータベースに登録する
Exemplar-Based Super-Resolution of Human Body Image in Surveillance Video 1 1,2 1 1 1 Kento Nishibori 1, Tomokazu TAKAHASHI 1,2, Daisuke DEGUCHI 1, Ichiro IDE 1 and Hiroshi MURASE 1 1 2 nishiborik@murase.m.is.nagoya-u.ac.jp
(4) ω t(x) = 1 ω min Ω ( (I C (y))) min 0 < ω < C A C = 1 (5) ω (5) t transmission map tmap 1 4(a) 2. 3 2. 2 t 4(a) t tmap RGB 2 (a) RGB (A), (B), (C)
(MIRU2011) 2011 7 890 0065 1 21 40 105-6691 1 1 1 731 3194 3 4 1 338 8570 255 346 8524 1836 1 E-mail: {fukumoto,kawasaki}@ibe.kagoshima-u.ac.jp, ryo-f@hiroshima-cu.ac.jp, fukuda@cv.ics.saitama-u.ac.jp,
1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +
![1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +](/thumbs/81/83701592.jpg "1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +")
3 3D 1,a) 1 1 Kinect (X, Y) 3D 3D 1. 2010 Microsoft Kinect for Windows SDK( (Kinect) SDK ) 3D [1], [2] [3] [4] [5] [10] 30fps [10] 3 Kinect 3 Kinect Kinect for Windows SDK 3 Microsoft 3 Kinect for Windows
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生まれ, コンピューテーショナルフォトグラフィ ( 計算フォトグラフィ ) と呼ばれている.3 次元画像認識技術の計算フォトグラフィへの応用として,
Microsoft Word - 卒業論文.doc
006 年度卒業研究 画像補間法を用いた拡大画像の比較 岡山理科大学総合情報学部情報科学科 澤見研究室 I03I04 兼安俊治 I03I050 境永 目次 はじめに ラスタ画像 3 画像補間法 3. ニアレストネイバー法 3. バイリニア法 3.3 バイキュービック法 4 DCT を用いた拡大画像手法 5 FIR 法 6 評価 6. SNR 6. PSNR 7 実験 7. 主観評価 7. 客観評価
2 Fig D human model. 1 Fig. 1 The flow of proposed method )9)10) 2.2 3)4)7) 5)11)12)13)14) TOF 1 3 TOF 3 2 c 2011 Information
1 1 2 TOF 2 (D-HOG HOG) Recall D-HOG 0.07 HOG 0.16 Pose Estimation by Regression Analysis with Depth Information Yoshiki Agata 1 and Hironobu Fujiyoshi 1 A method for estimating the pose of a human from
Microsoft PowerPoint - ip02_01.ppt [互換モード]
![Microsoft PowerPoint - ip02_01.ppt [互換モード]](/thumbs/96/127250376.jpg "Microsoft PowerPoint - ip02_01.ppt [互換モード]")
空間周波数 周波数領域での処理 空間周波数 (spatial frquncy) とは 単位長さ当たりの正弦波状の濃淡変化の繰り返し回数を表したもの 正弦波 : y sin( t) 周期 : 周波数 : T f / T 角周波数 : f 画像処理 空間周波数 周波数領域での処理 波形が違うと 周波数も違う 画像処理 空間周波数 周波数領域での処理 画像処理 3 周波数領域での処理 周波数は一つしかない?-
PowerPoint プレゼンテーション
空間フィルタリング (spatal lterng) 入力画像の対応する画素値だけではなく その周囲 ( 近傍領域 ) の画素も含めた領域内の画素値を用いて 出力画像の対応する画素値を計算する処理 入力画像出力画像入力画像出力画像 画素ごとの濃淡変換 ( 階調処理 ) 領域に基づく濃淡変換 ( 空間フィルタリング ) 空間フィルタ (spatal lter) 線形フィルタ (lnear lter) w
KinecV2 2.2 Kinec Kinec [8] Kinec Kinec [9] KinecV1 3D [10] Kisikidis [11] Kinec Kinec Kinec 3 KinecV2 PC 1 KinecV2 Kinec PC Kinec KinecV2 PC KinecV2
![KinecV2 2.2 Kinec Kinec [8] Kinec Kinec [9] KinecV1 3D [10] Kisikidis [11] Kinec Kinec Kinec 3 KinecV2 PC 1 KinecV2 Kinec PC Kinec KinecV2 PC KinecV2](/thumbs/91/104918347.jpg "KinecV2 2.2 Kinec Kinec [8] Kinec Kinec [9] KinecV1 3D [10] Kisikidis [11] Kinec Kinec Kinec 3 KinecV2 PC 1 KinecV2 Kinec PC Kinec KinecV2 PC KinecV2")
Kinec Developmen of Moion Capure Sysem using Muliple Kinecs 1 1 1 Miyaake Jumpei 1 Ohubo Masakazu 1 Yoshida Kaori 1 1 1 Graduae School of Life Science and Sysems Enginnering, Kyushu Insiue of echnology
色の類似性に基づいた形状特徴量CS-HOGの提案
IS3-04 第 18 回 画 像 センシングシンポジウム, 横 浜, 2012 年 6 月 CS-HOG CS-HOG : Color Similarity-based HOG feature Yuhi Goto, Yuji Yamauchi, Hironobu Fujiyoshi Chubu University E-mail: yuhi@vision.cs.chubu.ac.jp Abstract
IPSJ SIG Technical Report 1,a) 1,b) 1,c) 1,d) 2,e) 2,f) 2,g) 1. [1] [2] 2 [3] Osaka Prefecture University 1 1, Gakuencho, Naka, Sakai,
![IPSJ SIG Technical Report 1,a) 1,b) 1,c) 1,d) 2,e) 2,f) 2,g) 1. [1] [2] 2 [3] Osaka Prefecture University 1 1, Gakuencho, Naka, Sakai,](/thumbs/94/119099134.jpg "IPSJ SIG Technical Report 1,a) 1,b) 1,c) 1,d) 2,e) 2,f) 2,g) 1. [1] [2] 2 [3] Osaka Prefecture University 1 1, Gakuencho, Naka, Sakai,")
1,a) 1,b) 1,c) 1,d) 2,e) 2,f) 2,g) 1. [1] [2] 2 [3] 1 599 8531 1 1 Osaka Prefecture University 1 1, Gakuencho, Naka, Sakai, Osaka 599 8531, Japan 2 565 0871 Osaka University 1 1, Yamadaoka, Suita, Osaka
,,.,.,,.,.,.,.,,.,..,,,, i
22 A person recognition using color information 1110372 2011 2 13 ,,.,.,,.,.,.,.,,.,..,,,, i Abstract A person recognition using color information Tatsumo HOJI Recently, for the purpose of collection of
芸術科学会論文誌 Vol. 14, No. 6, pp (2015) 1 はじめに 1 枚の人物写真に対して半透明化処理を行う場合 人 物領域を切り抜いて空となった背景部分の補間を行うこ とが考えられるが 画像 被写体人物の遮蔽によって背景部分の情報は画像中 には存在しない 補間す
1) ( ) 2) 1) 1) 1) 2) Expression Technique of Semi-Transparent Process of Human using Interpolating Background Method in a Human Image Takeshi Okuya 1) Daiki Okuya 2) Ken Yabuno 1) Shigekazu Sakai 1) 1)
IS1-09 第 回画像センシングシンポジウム, 横浜,14 年 6 月 2 Hough Forest Hough Forest[6] Random Forest( [5]) Random Forest Hough Forest Hough Forest 2.1 Hough Forest 1 2.2
![IS1-09 第 回画像センシングシンポジウム, 横浜,14 年 6 月 2 Hough Forest Hough Forest[6] Random Forest( [5]) Random Forest Hough Forest Hough Forest 2.1 Hough Forest 1 2.2](/thumbs/91/106196100.jpg "IS1-09 第 回画像センシングシンポジウム, 横浜,14 年 6 月 2 Hough Forest Hough Forest[6] Random Forest( [5]) Random Forest Hough Forest Hough Forest 2.1 Hough Forest 1 2.2")
IS1-09 第 回画像センシングシンポジウム, 横浜,14 年 6 月 MI-Hough Forest () E-mail: ym@vision.cs.chubu.ac.jphf@cs.chubu.ac.jp Abstract Hough Forest Random Forest MI-Hough Forest Multiple Instance Learning Bag Hough Forest
Vol1-CVIM-172 No.7 21/5/ Shan 1) 2 2)3) Yuan 4) Ancuti 5) Agrawal 6) 2.4 Ben-Ezra 7)8) Raskar 9) Image domain Blur image l PSF b / = F(
Vol1-CVIM-172 No.7 21/5/27 1 Proposal on Ringing Detector for Image Restoration Chika Inoshita, Yasuhiro Mukaigawa and Yasushi Yagi 1 A lot of methods have been proposed for restoring blurred images due
IPSJ SIG Technical Report Vol.2015-CVIM-196 No /3/6 1,a) 1,b) 1,c) U,,,, The Camera Position Alignment on a Gimbal Head for Fixed Viewpoint Swi
1,a) 1,b) 1,c) U,,,, The Camera Position Alignment on a Gimbal Head for Fixed Viewpoint Swiveling using a Misalignment Model Abstract: When the camera sets on a gimbal head as a fixed-view-point, it is
2. 時空間フィルタ 2.1 バイラテラルフィルタによる画質改善法画像信号のエッジ成分を保存しつつ, 雑音を除去する非線形フィルタとして, バイラテラルフィルタ [5] が知られている. 一般的なバイラテラルフィルタは, 図 1 のように近傍画素値に対してガウス関数に基づいた重み付けを行う. この際
![2. 時空間フィルタ 2.1 バイラテラルフィルタによる画質改善法画像信号のエッジ成分を保存しつつ, 雑音を除去する非線形フィルタとして, バイラテラルフィルタ [5] が知られている. 一般的なバイラテラルフィルタは, 図 1 のように近傍画素値に対してガウス関数に基づいた重み付けを行う. この際](/thumbs/89/99505982.jpg "2. 時空間フィルタ 2.1 バイラテラルフィルタによる画質改善法画像信号のエッジ成分を保存しつつ, 雑音を除去する非線形フィルタとして, バイラテラルフィルタ [5] が知られている. 一般的なバイラテラルフィルタは, 図 1 のように近傍画素値に対してガウス関数に基づいた重み付けを行う. この際")
動き補償と時空間フィルタによる低照度映像の画質改善 水田辰也 松田一朗 深井寛修 伊東晋 近年, 屋外の監視カメラやドライブレコーダなどの普及に伴い, 照明が適切ではない環境下でビデオ映像の撮影が必要となる機会が増えている. 一般的なカメラを使用した場合, 照度不足によって暗くなってしまった映像をゲインコントロールなどで補正しようとしても, 信号成分と同時に雑音成分まで強調されてしまうため, 十分な画質を得ることが困難である.
2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]
![2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]](/thumbs/39/20193688.jpg "2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]")
Walking Person Recognition by Matching Video Fragments Masashi Nishiyama, Mayumi Yuasa, Tomokazu Wakasugi, Tomoyuki Shibata, Osamu Yamaguchi ( ), Corporate Research and Development Center, TOSHIBA Corporation
PSF SN 2 DFD PSF SN PSF PSF PSF 2 2 PSF 2 PSF PSF 2 3 PSF 4 DFD PSF PSF 3) DFD Levin 4) PSF DFD KL KL PSF DFD 2 Zhou 5) 2 DFD DFD DFD DFD Zhou 2
DFD that uses focus changes during an image integration time for engineering the PSF. We can capture higher SNR input images, since we can control the PSF with wide aperture setting unlike coded aperture.
Visual班
Multimedia(Visual) 班 早稲田大学基幹理工学部情報通信学科甲藤研究室 1 Multimedia 班とは 画像処理の研究を中心に扱っています 主な研究分野 動画像圧縮符号化 圧縮動画像の画質推定 画像認識 4K, 8K, HDR 車載画像処理 画像信号処理からコンピュータビジョンまで 動画像に関する研究を幅広く扱っています 動画像に関係するものであれば 何でも研究できる! 2 動画像圧縮符号化
(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b
![(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b](/thumbs/91/105641706.jpg "(a) (b) 2 2 (Bosch, IR Illuminator 850 nm, UFLED30-8BD) ( 7[m] 6[m]) 3 (PointGrey Research Inc.Grasshopper2 M/C) Hz (a) (b")
(MIRU202) 202 8 AdrianStoica 89 0395 744 89 0395 744 Jet Propulsion Laboratory 4800 Oak Grove Drive, Pasadena, CA 909, USA E-mail: uchino@irvs.ait.kyushu-u.ac.jp, {yumi,kurazume}@ait.kyushu-u.ac.jp 2 nearest
画像処理工学
画像処理工学 画像の空間周波数解析とテクスチャ特徴 フーリエ変換の基本概念 信号波形のフーリエ変換 信号波形を周波数の異なる三角関数 ( 正弦波など ) に分解する 逆に, 周波数の異なる三角関数を重ねあわせることにより, 任意の信号波形を合成できる 正弦波の重ね合わせによる矩形波の表現 フーリエ変換の基本概念 フーリエ変換 次元信号 f (t) のフーリエ変換 変換 ( ω) ( ) ωt F f
xx/xx Vol. Jxx A No. xx 1 Fig. 1 PAL(Panoramic Annular Lens) PAL(Panoramic Annular Lens) PAL (2) PAL PAL 2 PAL 3 2 PAL 1 PAL 3 PAL PAL 2. 1 PAL
PAL On the Precision of 3D Measurement by Stereo PAL Images Hiroyuki HASE,HirofumiKAWAI,FrankEKPAR, Masaaki YONEDA,andJien KATO PAL 3 PAL Panoramic Annular Lens 1985 Greguss PAL 1 PAL PAL 2 3 2 PAL DP
(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s
![(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s](/thumbs/75/72066128.jpg "(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s")
1 1 1, Extraction of Transmitted Light using Parallel High-frequency Illumination Kenichiro Tanaka 1 Yasuhiro Mukaigawa 1 Yasushi Yagi 1 Abstract: We propose a new sharpening method of transmitted scene
4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q
![4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q](/thumbs/92/110416683.jpg "4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q")
x-means 1 2 2 x-means, x-means k-means Bayesian Information Criterion BIC Watershed x-means Moving Object Extraction Using the Number of Clusters Determined by X-means Clustering Naoki Kubo, 1 Kousuke
平成 28 年 6 月 3 日 報道機関各位 東京工業大学広報センター長 岡田 清 カラー画像と近赤外線画像を同時に撮影可能なイメージングシステムを開発 - 次世代画像センシングに向けオリンパスと共同開発 - 要点 可視光と近赤外光を同時に撮像可能な撮像素子の開発 撮像データをリアルタイムで処理する
平成 28 年 6 月 3 日 報道機関各位 東京工業大学広報センター長 岡田 清 カラー画像と近赤外線画像を同時に撮影可能なイメージングシステムを開発 - 次世代画像センシングに向けオリンパスと共同開発 - 要点 可視光と近赤外光を同時に撮像可能な撮像素子の開発 撮像データをリアルタイムで処理する画像処理システムの開発 カラー画像と近赤外線画像を同時に撮影可能なプロトタイプシステムの開発 概要 国立大学法人東京工業大学工学院システム制御系の奥富正敏教授らと
14 2 5
14 2 5 i ii Surface Reconstruction from Point Cloud of Human Body in Arbitrary Postures Isao MORO Abstract We propose a method for surface reconstruction from point cloud of human body in arbitrary postures.
2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni
![2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni](/thumbs/86/94686225.jpg "2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient Feature Transform (SIFT) Bay [1] Speeded Up Robust Features (SURF) SIFT 128 SURF 64 Visual Words Ni")
DEIM Forum 2012 B5-3 606 8510 E-mail: {zhao,ohshima,tanaka}@dl.kuis.kyoto-u.ac.jp Web, 1. Web Web TinEye 1 Google 1 http://www.tineye.com/ 1 2. 3. 4. 5. 6. 2. 30 Visual Words TF-IDF Lowe [4] Scale-Invarient
情報処理学会研究報告 IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/22 AR マーカ除去のための実時間背景画像変形 *1 1 1 Abstract 本稿では, 拡張現実感で用いられる AR マーカの違和感のない視覚的除去を実現するた
AR マーカ除去のための実時間背景画像変形 *1 1 1 Abstract 本稿では, 拡張現実感で用いられる AR マーカの違和感のない視覚的除去を実現するための, 背景画像の実時間変形手法を提案する. 従来,AR マーカの実時間除去は, マーカが平面上に存在するという仮定のもと, カメラ位置姿勢に基づく単一の射影変換行列を用いて, 背景画像を変形し, マーカ上に重畳することで実現していた. しかし,
光学
Range Image Sensors Using Active Stereo Methods Kazunori UMEDA and Kenji TERABAYASHI Active stereo methods, which include the traditional light-section method and the talked-about Kinect sensor, are typical
SICE東北支部研究集会資料(2013年)
280 (2013.5.29) 280-4 SURF A Study of SURF Algorithm using Edge Image and Color Information Yoshihiro Sasaki, Syunichi Konno, Yoshitaka Tsunekawa * *Iwate University : SURF (Speeded Up Robust Features)
2005 1
2005 1 1 1 2 2 2.1....................................... 2 2.2................................... 5 2.3 VSWR................................. 6 2.4 VSWR 2............................ 7 2.5.......................................
4 4 2 RAW 4 4 4 (PCA) 4 4 4 4 RAW RAW [5] 4 RAW 4 Park [12] Park 2 RAW RAW 2 RAW y = Mx + n. (1) y RAW x RGB M CFA n.. R G B σr 2, σ2 G, σ2 B D n ( )
![4 4 2 RAW 4 4 4 (PCA) 4 4 4 4 RAW RAW [5] 4 RAW 4 Park [12] Park 2 RAW RAW 2 RAW y = Mx + n. (1) y RAW x RGB M CFA n.. R G B σr 2, σ2 G, σ2 B D n ( )](/thumbs/40/20574692.jpg "4 4 2 RAW 4 4 4 (PCA) 4 4 4 4 RAW RAW [5] 4 RAW 4 Park [12] Park 2 RAW RAW 2 RAW y = Mx + n. (1) y RAW x RGB M CFA n.. R G B σr 2, σ2 G, σ2 B D n ( )")
RAW 4 E-mail: hakiyama@ok.ctrl.titech.ac.jp Abstract RAW RAW RAW RAW RAW 4 RAW RAW RAW 1 (CFA) CFA Bayer CFA [1] RAW CFA 1 2 [2, 3, 4, 5]. RAW RAW RAW RAW 3 [2, 3, 4, 5] (AWGN) [13, 14] RAW 2 RAW RAW RAW
左カメラ左光源 Z Y 書籍 右カメラ 右光源 X-Y Z X 1: 2 [9 12] [12] NURBS 1 NURBS X-Y [13,14] Hough [15] [13, 14] [15] Structure from motion NURB
![左カメラ左光源 Z Y 書籍 右カメラ 右光源 X-Y Z X 1: 2 [9 12] [12] NURBS 1 NURBS X-Y [13,14] Hough [15] [13, 14] [15] Structure from motion NURB](/thumbs/91/105231415.jpg "左カメラ左光源 Z Y 書籍 右カメラ 右光源 X-Y Z X 1: 2 [9 12] [12] NURBS 1 NURBS X-Y [13,14] Hough [15] [13, 14] [15] Structure from motion NURB")
Correction of Distorted Document Images Using a Stereo Vision System,, Yusuke SUZUKI Atsushi YAMASHITA and Toru KANEKO : {f0630042,tayamas,tmtkane}@ipc.shizuoka.ac.jp 1 [4,5] [1] 3 1 OCR 3 2 3 3 Shape
「霧」や「もや」などをクリアにする高速画像処理技術
Fas Single-Image Defogging 谭志明 白向晖 王炳融 東明浩 あらまし CPU GPU720 48050 fps Absrac Bad weaher condiions such as fog, haze, and dus ofen reduce he performance of oudoor cameras. In order o improve he visibiliy
スライド 1
5.5.2 画像の間引き 5.1 線形変換 5.2 アフィン変換 5.3 同次座標 5.4 平面射影変換 5.5 再標本化 1. 画素数の減少による表現能力の低下 画像の縮小 変形を行う際 結果画像の 画素数 < 入力画像の 画素数 ( 画素の密度 ) ( 画素の密度 ) になることがある この場合 結果画像の表現力 < 入力画像の表現力 ( 情報量 ) ( 情報量 ) 結果的に 情報の損失が生じる!
2. Hašan [2] Dong [3] 3D Papas [4] Brunton [5] 3D [6] UV 3. UV LUT: Lookup Table LUT LUT 計測系 出力系 半透明材質の計測 UV インクの計測 要求材質の設計 ルックアップテーブル逆引き 印刷 2 印刷時の半透明
![2. Hašan [2] Dong [3] 3D Papas [4] Brunton [5] 3D [6] UV 3. UV LUT: Lookup Table LUT LUT 計測系 出力系 半透明材質の計測 UV インクの計測 要求材質の設計 ルックアップテーブル逆引き 印刷 2 印刷時の半透明](/thumbs/86/93151916.jpg "2. Hašan [2] Dong [3] 3D Papas [4] Brunton [5] 3D [6] UV 3. UV LUT: Lookup Table LUT LUT 計測系 出力系 半透明材質の計測 UV インクの計測 要求材質の設計 ルックアップテーブル逆引き 印刷 2 印刷時の半透明")
UV 1,a) 1,b) 1,c) 1,d) 1,e) UV UV UV UV UV 1. 3D 3D 3D [1] 3D UV 1 UV UV UV: Ultraviolet 1 a) takatani.tsuyoshi.to2@is.naist.jp b) fujita.koki.fg9@is.naist.jp c) ktanaka@is.naist.jp d) funatomi@is.naist.jp
untitled
主成分分析 (Prncpal Component Analy) で情報を集約する マルチスペクトル画像 なし が情報を集約する 69.68 77.97 85.73 96.7 98.8 画像 : NASA 除去できる一部に集約 あり.24.35 4.63 7.65 3.9 分散の比率 最大を 255, 最小を に正規化して表示 3 つの成分から画像を再生した 信号処理の手順 行列 A 共分散行列に対する
スライド 1
超解像技術とは? 動画や静止画連写などで得られる複数の低解像度 (= 小さな ) 画像を組み合わせ 演算により高解像度の (= 大きな ) 画像を作り出す技術の事を一般に 超解像 技術と呼びます 超解像処理 高解像処理 (1 枚超解像 ) 超解像 のように複数の画像を用いるのではなく 1 枚の画像が持つ情報を深く解析する事で 高解像度の画像を得る最新技術です では 最新の画像処理技術により この高解像処理を実現しました
大分工業高等専門学校紀要第 51 号 ( 平成 26 年 11 月 ) ノンフォトリアリスティックレンダリングのための 逆バイラテラルフィルタによる墨絵風画像 平岡透 1 1 情報工学科 We introduce a non-photorealistic rendering technique fo
ノンフォトリアリスティックレンダリングのための 逆バイラテラルフィルタによる墨絵風画像 平岡透 1 1 情報工学科 We introuce a non-photorealistic renering technique for generating inian-ink rawing-like images from photographs. Inian-ink rawing-like images
IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/23 RGB-D RGB 3 1,a) RGB-D RGB-D 3. RGB CG RGB DTAM[1] MonoFusi
![IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/23 RGB-D RGB 3 1,a) RGB-D RGB-D 3. RGB CG RGB DTAM[1] MonoFusi](/thumbs/104/162872164.jpg "IPSJ SIG Technical Report Vol.2015-CVIM-195 No /1/23 RGB-D RGB 3 1,a) RGB-D RGB-D 3. RGB CG RGB DTAM[1] MonoFusi")
RGB-D RGB 3 1,a) 1 1 1 1 RGB-D 3. 3. RGB-D 3. RGB 3 3 1. 3 CG 3 3 3 3 RGB DTAM[1] MonoFusion[2] KinectFusion[3] 3 3 3 1 NAIST, Ikoma, Nara 630 0192, Japan a) takehara.hikari.tz9@is.naist.jp 3 3 3 3 [4],
学生 23 省メモリ指向一枚超解像 アーキテクチャとその FPGA 実装 北海道大学大学院情報科学研究科 大平貴徳 真田祐樹 築田聡史 五十嵐正樹 池辺将之 浅井哲也 本村真人 1
学生 23 省メモリ指向一枚超解像 アーキテクチャとその FPGA 実装 北海道大学大学院情報科学研究科 大平貴徳 真田祐樹 築田聡史 五十嵐正樹 池辺将之 浅井哲也 本村真人 1 研究背景 映像機器の高機能化に伴う映像の高解像化 ーレティナディスプレイー 4K ハイビジョンテレビ 低解像度の映像コンテンツが数多く存在 4K テレビ 解像度を高める研究 ( 超解像 ) ー高速ー低コストー解像度の精度
基礎輪講2週目 Kinectの話
基礎輪講 2 週目 Kinect の話 3D Computer Vision カメラから 3 次元の情報を取得 3 次元再構築 :2 次元の画像から 3 次元形状の復元 多視点画像群 3 次元再構築結果 3 次元の情報を持つ画像ってないの? 2 距離画像 Depth( 距離 ) の情報を持った画像 各画素の部分に距離の値が入る. 距離画像 距離画像を取得する機器が必要 3 距離画像センサ 実世界の距離情報を取得できる.
Microsoft PowerPoint - comprog11.pptx
Outline プログラミング演習第 回エッジを検出する on 3..4 電気通信大学情報理工学部知能機械工学科長井隆行 画像の本質 輝度の境目に情報あり! 画像の微分と 階微分 エッジ検出 画像をぼかす 本日の課題 画像の本質 エッジ抽出 画像の情報は境目にあり! エッジ 輝度が大きく変化しているところ ( 境界 ) 画像の情報はエッジにあり 輝度 人間の視覚系でも特定のエッジの方向に発火するニューロンが見つかっている
ｽﾗｲﾄﾞ ﾀｲﾄﾙなし
次元フーリエ変換 講義内容 空間周波数の概念 次元フーリエ変換代表的な 次元フーリエ変換対 次元離散フーリエ変換 フーリエ変換と逆変換 F.T. j F } ep{ 連続系離散系 } / ep{ N N N j N F F I. F.T. F ただし ここでは絶対値をとって画像化 } / ep{ N N N j F N 順変換逆変換 3 次元フーリエ変換の具体的なイメージ } / ep{ N N N
1 6 1.1............................. 6 1.2.............................. 6 2 8 2.1 (Digital Watermark).................... 8 2.1.1....................
2004 2005 2 2 1G01P095-6 1 6 1.1............................. 6 1.2.............................. 6 2 8 2.1 (Digital Watermark).................... 8 2.1.1........................ 8 2.1.2........................
1 P2 P P3P4 P5P8 P9P10 P11 P12
1 P2 P14 2 3 4 5 1 P3P4 P5P8 P9P10 P11 P12 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 & 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1! 3 2 3! 4 4 3 5 6 I 7 8 P7 P7I P5 9 P5! 10 4!! 11 5 03-5220-8520
untitled
KLT はエネルギを集約する カルーネンレーベ変換 (KLT) で 情報を集約する 要点 分散 7. 9. 8.3 3.7 4.5 4.0 KLT 前 集約 分散 0.3 0.4 4.5 7.4 3.4 00.7 KLT 後 分散 = エネルギ密度 エネルギ と表現 最大を 55, 最小を 0 に正規化して表示した 情報圧縮に応用できないか? エネルギ集約 データ圧縮 分散 ( 平均 ) KLT 前
IPSJ SIG Technical Report iphone iphone,,., OpenGl ES 2.0 GLSL(OpenGL Shading Language), iphone GPGPU(General-Purpose Computing on Graphics Proc
iphone 1 1 1 iphone,,., OpenGl ES 2.0 GLSL(OpenGL Shading Language), iphone GPGPU(General-Purpose Computing on Graphics Processing Unit)., AR Realtime Natural Feature Tracking Library for iphone Makoto
線形システム応答 Linear System response
画質が異なる画像例 コントラスト劣 コントラスト優 コントラスト普 鮮鋭性 普 鮮鋭性 優 鮮鋭性 劣 粒状性 普 粒状性 劣 粒状性 優 医用画像の画質 コントラスト, 鮮鋭性, 粒状性の要因が互いに密接に関わり合って形成されている. 比 鮮鋭性 コントラスト 反 反 粒状性 増感紙 - フィルム系での 3 要因の関係 ディジタル画像処理系でもおよそ成り立つ WS u MTFu 画質に影響する因子
インターリーブＡＤＣでのタイミングスキュー影響のデジタル補正技術
1 インターリーブADCでのタイミングスキュー影響のデジタル補正技術 浅見幸司 黒沢烈士 立岩武徳 宮島広行 小林春夫 ( 株 ) アドバンテスト 群馬大学 2 目次 1. 研究背景 目的 2. インターリーブADCの原理 3. チャネル間ミスマッチの影響 3.1. オフセットミスマッチの影響 3.2. ゲインミスマッチの影響 3.3. タイミングスキューの影響 4. 提案手法 4.1. インターリーブタイミングミスマッチ補正フィルタ
Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],
![Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],](/thumbs/92/110933465.jpg "Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],")
1 1 1 Structure from Motion - 1 Ville [1] NAC EMR-9 [2] 1 Osaka University [3], [4] 1 1(a) 1(c) 9 9 9 c 216 Information Processing Society of Japan 1 Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b)
DEIM Forum 2012 E Web Extracting Modification of Objec
DEIM Forum 2012 E4-2 670 0092 1 1 12 E-mail: nd11g028@stshse.u-hyogo.ac.jp, {dkitayama,sumiya}@shse.u-hyogo.ac.jp Web Extracting Modification of Objects for Supporting Map Browsing Junki MATSUO, Daisuke
IPSJ SIG Technical Report Vol.2010-CVIM-170 No /1/ Visual Recognition of Wire Harnesses for Automated Wiring Masaki Yoneda, 1 Ta
1 1 1 1 2 1. Visual Recognition of Wire Harnesses for Automated Wiring Masaki Yoneda, 1 Takayuki Okatani 1 and Koichiro Deguchi 1 This paper presents a method for recognizing the pose of a wire harness
1. HNS [1] HNS HNS HNS [2] HNS [3] [4] [5] HNS 16ch SNR [6] 1 16ch 1 3 SNR [4] [5] 2. 2 HNS API HNS CS27-HNS [1] (SOA) [7] API Web 2
![1. HNS [1] HNS HNS HNS [2] HNS [3] [4] [5] HNS 16ch SNR [6] 1 16ch 1 3 SNR [4] [5] 2. 2 HNS API HNS CS27-HNS [1] (SOA) [7] API Web 2](/thumbs/91/106048225.jpg "1. HNS [1] HNS HNS HNS [2] HNS [3] [4] [5] HNS 16ch SNR [6] 1 16ch 1 3 SNR [4] [5] 2. 2 HNS API HNS CS27-HNS [1] (SOA) [7] API Web 2")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. 657 8531 1 1 E-mail: {soda,matsubara}@ws.cs.kobe-u.ac.jp, {masa-n,shinsuke,shin,yosimoto}@cs.kobe-u.ac.jp,
Real AdaBoost HOG 2009 3 A Graduation Thesis of College of Engineering, Chubu University Efficient Reducing Method of HOG Features for Human Detection based on Real AdaBoost Chika Matsushima ITS Graphics
A Graduation Thesis of College of Engineering, Chubu University Pose Estimation by Regression Analysis with Depth Information Yoshiki Agata
2011 3 A Graduation Thesis of College of Engineering, Chubu University Pose Estimation by Regression Analysis with Depth Information Yoshiki Agata CG [2] [3][4] 3 3 [1] HOG HOG TOF(Time Of Flight) iii
IPSJ SIG Technical Report Vol.2013-CVIM-188 No /9/2 1,a) D. Marr D. Marr 1. (feature-based) (area-based) (Dense Stereo Vision) van der Ma
,a) D. Marr D. Marr. (feature-based) (area-based) (Dense Stereo Vision) van der Mark [] (Intelligent Vehicle: IV) SAD(Sum of Absolute Difference) Intel x86 CPU SSE2(Streaming SIMD Extensions 2) CPU IV
WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp
![WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp](/thumbs/91/107555259.jpg "WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp")
Query-by-Dancing: WISS 2018. Query-by-Dancing Query-by-Dancing 1 OpenPose [1] Copyright is held by the author(s). DJ DJ DJ WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. UWB UWB
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. UWB -1 E-mail: seki@aso.cce.i.koto-u.ac.jp UWB SEABED SEABED SEABED,,, SEABED Application of fast imaging
画像類似度測定の初歩的な手法の検証
画像類似度測定の初歩的な手法の検証 島根大学総合理工学部数理 情報システム学科 計算機科学講座田中研究室 S539 森瀧昌志 1 目次 第 1 章序論第 章画像間類似度測定の初歩的な手法について.1 A. 画素値の平均を用いる手法.. 画素値のヒストグラムを用いる手法.3 C. 相関係数を用いる手法.4 D. 解像度を合わせる手法.5 E. 振れ幅のヒストグラムを用いる手法.6 F. 周波数ごとの振れ幅を比較する手法第
FIT2016( 第 15 回情報科学技術フォーラム ) RI 出力の畳み込みニューラルネットワークを用いた超解像 Super-Resolution with Four Output Convolutional Neural Networks 加藤裕 大谷真也 黒木修隆 廣瀬哲也 沼昌宏
RI-005 4 出力の畳み込みニューラルネットワークを用いた超解像 Super-Resolution with Four Output Convolutional Neural Networks 加藤裕 大谷真也 黒木修隆 廣瀬哲也 沼昌宏 Yu Kato Shinya Ohtani Nobutaka Kuroki Tetsuya Hirose Masahiro Numa. はじめに 近年, ディジタルカメラ,
一方, 物体色 ( 色や光を反射して色刺激を起こすもの, つまり印刷物 ) の表現には, 減法混色 (CMY) が用いられる CMY の C はシアン (Cyn),M はマゼンタ (Mgent),Y はイエロー (Yellow) であり, これらは色の 3 原色と呼ばれるものである なお, 同じシア
第 4 章デジタル画像の処理 デジタル画像処理の基礎について理解し,Jv によるフィルタリング処理や座標変換のプログラムを作成する 4.1 RGB 表色系と CMY 表色系 TV やコンピュータのディスプレイ, デジタルカメラでの色の表現には, 加法混色 (RGB) が用いられる RGB の R は赤 (Red),G は緑 (Green),B は青 (Blue) であり, これらは光の 3 原色と呼ばれるものである
コンピュータグラフィックス第8回
コンピュータグラフィックス 第 8 回 レンダリング技法 1 ~ 基礎と概要, 隠面消去 ~ 理工学部 兼任講師藤堂英樹 レポート提出状況 課題 1 の選択が多い (STAND BY ME ドラえもん ) 体験演習型 ( 課題 3, 課題 4) の選択も多い 内訳 課題 1 課題 2 課題 3 課題 4 課題 5 2014/11/24 コンピュータグラフィックス 2 次回レポートの体験演習型 メタセコイア,
1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -
![1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -](/thumbs/89/100816452.jpg "1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -")
Vol216-CVIM-22 No18 216/5/12 1 1 1 Structure from Motion - 1 8% Tobii Pro TX3 NAC EMR ACTUS Eye Tribe Tobii Pro Glass NAC EMR-9 Pupil Headset Ville [1] EMR-9 [2] 1 Osaka University Gaze Head Eye (a) deg
arctan 1 arctan arctan arctan π = = ( ) π = 4 = π = π = π = =
arctan arctan arctan arctan 2 2000 π = 3 + 8 = 3.25 ( ) 2 8 650 π = 4 = 3.6049 9 550 π = 3 3 30 π = 3.622 264 π = 3.459 3 + 0 7 = 3.4085 < π < 3 + 7 = 3.4286 380 π = 3 + 77 250 = 3.46 5 3.45926 < π < 3.45927
Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷
熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている
SSII原稿v5.doc
ステレオ計測と多項式曲面表現を利用した歪曲形状書籍画像の歪み補正 Restoration of Distorted Document Images by Using Stereo Measurement and Polynomial Surface Representation 田中友 鈴木優輔 山下淳 金子透 uu Tanaka, usuke Suzuki, Atushi amashita and
IPSJ SIG Technical Report Vol.2012-CG-149 No.13 Vol.2012-CVIM-184 No /12/4 3 1,a) ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransa
3,a) 3 3 ( ) DB 3D DB 2D,,,, PnP(Perspective n-point), Ransac. DB [] [2] 3 DB Web Web DB Web NTT NTT Media Intelligence Laboratories, - Hikarinooka Yokosuka-Shi, Kanagawa 239-0847 Japan a) yabushita.hiroko@lab.ntt.co.jp
Vol. 44 No. SIG 9(CVIM 7) ) 2) 1) 1 2) 3 7) 1) 2) 3 3) 4) 5) (a) (d) (g) (b) (e) (h) No Convergence? End (f) (c) Yes * ** * ** 1
Vol. 44 No. SIG 9(CVIM 7) July 2003, Robby T. Tan, 1 Estimating Illumination Position, Color and Surface Reflectance Properties from a Single Image Kenji Hara,, Robby T. Tan, Ko Nishino, Atsushi Nakazawa,
LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R
![LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R](/thumbs/86/93333816.jpg "LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R")
DEIM Forum 24 F5-4 Local Binary Pattern 6 84 E-mail: {tera,kida}@ist.hokudai.ac.jp Local Binary Pattern (LBP) LBP 3 3 LBP 5 5 5 LBP improved LBP uniform LBP.. Local Binary Pattern, Gradient Local Auto-Correlations,,,,
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS IEICE Technical Report IN ( ),
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS IEICE Technical Report IN215-96 (216-1), 5 8585 27 1 E-mail: 122422@mmm.muroran-it.ac.jp, hattori@csse.muroran-it.ac.jp Web Web Web
3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]
![3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]](/thumbs/94/118738978.jpg "3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]")
3 E-mail: {akizuki}@isl.sist.chukyo-u.ac.jp Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2] Shape Index [3] [4][5] 3 SHOT [6] [7] Point Pair Feature
Optical Flow t t + δt 1 Motion Field 3 3 1) 2) 3) Lucas-Kanade 4) 1 t (x, y) I(x, y, t)
http://wwwieice-hbkborg/ 2 2 4 2 -- 2 4 2010 9 3 3 4-1 Lucas-Kanade 4-2 Mean Shift 3 4-3 2 c 2013 1/(18) http://wwwieice-hbkborg/ 2 2 4 2 -- 2 -- 4 4--1 2010 9 4--1--1 Optical Flow t t + δt 1 Motion Field
28 Horizontal angle correction using straight line detection in an equirectangular image
28 Horizontal angle correction using straight line detection in an equirectangular image 1170283 2017 3 1 2 i Abstract Horizontal angle correction using straight line detection in an equirectangular image
VRSJ-SIG-MR_okada_79dce8c8.pdf
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. 630-0192 8916-5 E-mail: {kaduya-o,takafumi-t,goshiro,uranishi,miyazaki,kato}@is.naist.jp,.,,.,,,.,,., CG.,,,
「産業上利用することができる発明」の審査の運用指針（案）
1 1.... 2 1.1... 2 2.... 4 2.1... 4 3.... 6 4.... 6 1 1 29 1 29 1 1 1. 2 1 1.1 (1) (2) (3) 1 (4) 2 4 1 2 2 3 4 31 12 5 7 2.2 (5) ( a ) ( b ) 1 3 2 ( c ) (6) 2. 2.1 2.1 (1) 4 ( i ) ( ii ) ( iii ) ( iv)
IPSJ SIG Technical Report Vol.2012-CVIM-182 No /5/ RGB [1], [2], [3], [4], [5] [6], [7], [8], [9] 1 (MSFA: Multi-Spectrum Filt
![IPSJ SIG Technical Report Vol.2012-CVIM-182 No /5/ RGB [1], [2], [3], [4], [5] [6], [7], [8], [9] 1 (MSFA: Multi-Spectrum Filt](/thumbs/104/162109798.jpg "IPSJ SIG Technical Report Vol.2012-CVIM-182 No /5/ RGB [1], [2], [3], [4], [5] [6], [7], [8], [9] 1 (MSFA: Multi-Spectrum Filt")
1 1 1 1 1. 4 3 RGB [1], [2], [3], [4], [5] [6], [7], [8], [9] 1 (MSFA: Multi-Spectrum Filter Array) 1 [8], [9] RGB 1 Tokyo Institute of Technology 1 [10], [11], [12], [13], [14] [15] Parmar Wiener RGB
第 4 週コンボリューションその 2, 正弦波による分解 教科書 p. 16~ 目標コンボリューションの演習. 正弦波による信号の分解の考え方の理解. 正弦波の複素表現を学ぶ. 演習問題 問 1. 以下の図にならって,1 と 2 の δ 関数を図示せよ δ (t) 2
第 4 週コンボリューションその, 正弦波による分解 教科書 p. 6~ 目標コンボリューションの演習. 正弦波による信号の分解の考え方の理解. 正弦波の複素表現を学ぶ. 演習問題 問. 以下の図にならって, と の δ 関数を図示せよ. - - - δ () δ ( ) - - - 図 δ 関数の図示の例 δ ( ) δ ( ) δ ( ) δ ( ) δ ( ) - - - - - - - -
Microsoft PowerPoint - CV04.ppt [互換モード]
![Microsoft PowerPoint - CV04.ppt [互換モード]](/thumbs/101/149709049.jpg "Microsoft PowerPoint - CV04.ppt [互換モード]")
コンピュータビジョン特論 Advanced Computer Vision 第 4 回 画像特徴 ( 点 直線 領域 ) の検出と識別 -1 画質の改善エッジの検出 濃度ヒストグラム (Histogram) 画素数 8 6 4 2 濃度ヒストグラム (Histogram) は 画像の濃度値を横軸に その濃度値を持つ画素数を縦軸に取った ヒストグラム 19 38 57 76 95 114 133 152
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. TRECVID2012 Instance Search {sak
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. TRECVID2012 Instance Search 599 8531 1 1 E-mail: {sakata,matozaki}@m.cs.osakafu-u.ac.jp, {kise,masa}@cs.osakafu-u.ac.jp
l10
ノイズ除去と画像の強調 画質改善 第4章 pp.101~136 入力画像にはさまざまな 雑音 と 歪み が含まれている 画質劣化 の要因を取り除く 画像を見やすくする 有用な情報を抽出しやすく強調する ことは 画像処理の最も重要な役割の一つ 目的 人間にとって見やすい画像を作る 画像の解析や認識にとって 特徴抽出が容易に行えるための 前処理 preprocessing) ノイズ除去と画像の強調 ノイズ除去と画像の強調
1. 概要この文書は Raposo, C., Barreto, J. P., & Nunes, U. (2013). Fast and Accurate Calibration of a Kinect Sensor. International Conference on 3D Vision. につ
Fast and Accurate Calibration of a Kinect Sensor 日本語解説 2016 年 04 月 29 日 ビジョン &IT ラボ皆川卓也 1. 概要この文書は Raposo, C., Barreto, J. P., & Nunes, U. (2013). Fast and Accurate Calibration of a Kinect Sensor. International
27 24 24115059 i 1 1 2 4 2.1...................... 4 2.1.1.............................. 5 2.1.2...................... 7 2.2............................ 9 2.2.1.................................. 10 2.2.2...............................
No. 3 Oct The person to the left of the stool carried the traffic-cone towards the trash-can. α α β α α β α α β α Track2 Track3 Track1 Track0 1
ACL2013 TACL 1 ACL2013 Grounded Language Learning from Video Described with Sentences (Yu and Siskind 2013) TACL Transactions of the Association for Computational Linguistics What Makes Writing Great?
Silhouette on Image Object Silhouette on Images Object 1 Fig. 1 Visual cone Fig. 2 2 Volume intersection method Fig. 3 3 Background subtraction Fig. 4
Image-based Modeling 1 1 Object Extraction Method for Image-based Modeling using Projection Transformation of Multi-viewpoint Images Masanori Ibaraki 1 and Yuji Sakamoto 1 The volume intersection method
3 3 3 Knecht (2-3fps) AR [3] 2. 2 Debevec High Dynamic Range( HDR) [4] HDR Derek [5] 2. 3 [6] 3. [6] x E(x) E(x) = 2π π 2 V (x, θ i, ϕ i )L(θ
![3 3 3 Knecht (2-3fps) AR [3] 2. 2 Debevec High Dynamic Range( HDR) [4] HDR Derek [5] 2. 3 [6] 3. [6] x E(x) E(x) = 2π π 2 V (x, θ i, ϕ i )L(θ](/thumbs/91/105641694.jpg "3 3 3 Knecht (2-3fps) AR [3] 2. 2 Debevec High Dynamic Range( HDR) [4] HDR Derek [5] 2. 3 [6] 3. [6] x E(x) E(x) = 2π π 2 V (x, θ i, ϕ i )L(θ")
(MIRU212) 212 8 RGB-D 223 8522 3 14 1 E-mail: {ikeda,charmie,saito}@hvrl.ics.keio.ac.jp, sugimoto@ics.keio.ac.jp RGB-D Lambert RGB-D 1. Augmented Reality AR [1] AR AR 2 [2], [3] [4], [5] [6] RGB-D RGB-D
Computer Security Symposium October ,a) 1,b) Microsoft Kinect Kinect, Takafumi Mori 1,a) Hiroaki Kikuchi 1,b) [1] 1 Meiji U
![Computer Security Symposium October ,a) 1,b) Microsoft Kinect Kinect, Takafumi Mori 1,a) Hiroaki Kikuchi 1,b) [1] 1 Meiji U](/thumbs/101/150229680.jpg "Computer Security Symposium October ,a) 1,b) Microsoft Kinect Kinect, Takafumi Mori 1,a) Hiroaki Kikuchi 1,b) [1] 1 Meiji U")
Computer Security Symposium 017 3-5 October 017 1,a) 1,b) Microsoft Kinect Kinect, Takafumi Mori 1,a) Hiroaki Kikuchi 1,b) 1. 017 5 [1] 1 Meiji University Graduate School of Advanced Mathematical Science
Microsoft PowerPoint - CEDEC_HorizonBasedAmbientOcclusiony_J.pptx [Read-Only]
![Microsoft PowerPoint - CEDEC_HorizonBasedAmbientOcclusiony_J.pptx [Read-Only]](/thumbs/103/160674918.jpg "Microsoft PowerPoint - CEDEC_HorizonBasedAmbientOcclusiony_J.pptx [Read-Only]")
Image-Space Horizon- Based Ambient Occlusion Bryan Dudash 空からの光 最も簡単なアンビエントオクルージョン (AO) 光源 = 空 ( 球体光源 ) AO 二つの定義 AO = 空の照明による拡散光 [Landis 02] [Christensen 03] AO = 空の照明による影 (sky illumination) [Pharr and
スライド 1
知能制御システム学 画像追跡 (1) 特徴点の検出と追跡 東北大学大学院情報科学研究科鏡慎吾 swk(at)ic.is.tohoku.ac.jp 2008.07.07 今日の内容 前回までの基本的な画像処理の例を踏まえて, ビジュアルサーボシステムの構成要素となる画像追跡の代表的手法を概説する 画像上の ある点 の追跡 オプティカルフローの拘束式 追跡しやすい点 (Harris オペレータ ) Lucas-Kanade
IPSJ SIG Technical Report Vol.2009-CVIM-167 No /6/10 Real AdaBoost HOG 1 1 1, 2 1 Real AdaBoost HOG HOG Real AdaBoost HOG A Method for Reducing
Real AdaBoost HOG 1 1 1, 2 1 Real AdaBoost HOG HOG Real AdaBoost HOG A Method for Reducing number of HOG Features based on Real AdaBoost Chika Matsushima, 1 Yuji Yamauchi, 1 Takayoshi Yamashita 1, 2 and
情報処理学会研究報告 方向の組み合わせを変えながら反射光の強度を計測する この方法は単純であるが入射方向と反射方向の組み合わせ を同時に 1 つしか計測できないため すべての方向を計 測するには膨大な計測回数が必要となる問題がある その ため 計測を効率的に行う方法がこれまでに提案されてい る [3
1,a) 1,b) 1,c) 1,d) 1. CG 1 1 630 0192 8916 5 a) kushida.takahiro.kh3@is.naist.jp b) funatomi@is.naist.jp c) hkubo@is.naist.jp d) mukaigawa@is.naist.jp 散乱なし 散乱あり 1 2. c 2017 Information Processing Society
2007/8 Vol. J90 D No. 8 Stauffer [7] 2 2 I 1 I 2 2 (I 1(x),I 2(x)) 2 [13] I 2 = CI 1 (C >0) (I 1,I 2) (I 1,I 2) Field Monitoring Server
![2007/8 Vol. J90 D No. 8 Stauffer [7] 2 2 I 1 I 2 2 (I 1(x),I 2(x)) 2 [13] I 2 = CI 1 (C >0) (I 1,I 2) (I 1,I 2) Field Monitoring Server](/thumbs/91/107223763.jpg "2007/8 Vol. J90 D No. 8 Stauffer [7] 2 2 I 1 I 2 2 (I 1(x),I 2(x)) 2 [13] I 2 = CI 1 (C >0) (I 1,I 2) (I 1,I 2) Field Monitoring Server")
a) Change Detection Using Joint Intensity Histogram Yasuyo KITA a) 2 (0 255) (I 1 (x),i 2 (x)) I 2 = CI 1 (C>0) (I 1,I 2 ) (I 1,I 2 ) 2 1. [1] 2 [2] [3] [5] [6] [8] Intelligent Systems Research Institute,
BDH Cao BDH BDH Cao Cao Cao BDH ()*$ +,-+.)*$!%&'$!"#$ 2. 1 Weng [4] Metric Learning Weng DB DB Yang [5] John [6] Sparse Coding sparse coding DB [7] K
![BDH Cao BDH BDH Cao Cao Cao BDH ()*$ +,-+.)*$!%&'$!#$ 2. 1 Weng [4] Metric Learning Weng DB DB Yang [5] John [6] Sparse Coding sparse coding DB [7] K](/thumbs/93/114210200.jpg "BDH Cao BDH BDH Cao Cao Cao BDH ()*$ +,-+.)*$!%&'$!#$ 2. 1 Weng [4] Metric Learning Weng DB DB Yang [5] John [6] Sparse Coding sparse coding DB [7] K")
Bucket Distance Hashing Metric Learning 1,a) 1,b) 1,c) 1,d) (DB) [1] DB Cao [2] Cao Metric Learning Cao Cao Cao Cao Cao 100 DB 10% 1. m DB DB DB 1 599 8531 1 1 Graduate School of Engineering, Osaka Prefecture
08_研究速報_3校_1002.indd
196 MEDICAL IMAGING TECHNOLOGY Vol. 36 No. 4 September 2018 MRI 1 2 2 1 3 4 1 MRI MRI ScSR MRI T1 T2 FLAIR TOF ScSR PSNR SSIM T1 T1 T2 FLAIR ScSR PSNR SSIM Bilinear Bicubic Lanczos p
0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌
0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 スペクトルデータの特徴 1 波 ( 波数 ) が近いと 吸光度 ( 強度 ) の値も似ている ノイズが含まれる 吸光度 ( 強度 ) の極大値 ( ピーク ) 以外のデータも重要 時系列データの特徴 2 時刻が近いと プロセス変数の値も似ている ノイズが含まれる プロセス変数の極大値
ダイポールアンテナ標準：校正の実際と不確かさ
ダイポールアンテナ標準 校正の実際と不確かさ ( 独 ) 産業技術総合研究所 森岡健浩 概要 アンテナ係数 3アンテナ法 ( 半自由空間と自由空間 ) 置換法 不確かさ積算 異なるアンテナ校正によるアンテナ係数の一意性 まとめ アンテナ係数の定義 z 波源 V 付属回路 受信アンテナ図 アンテナ係数の定義 V 測定量 : アンテナ係数 ( 水平偏波.0 m 高 または自由空間 ) 校正方法 : 3アンテナ法