JPH06233186A - 映像合成装置 - Google Patents
映像合成装置Info
- Publication number
- JPH06233186A JPH06233186A JP5014329A JP1432993A JPH06233186A JP H06233186 A JPH06233186 A JP H06233186A JP 5014329 A JP5014329 A JP 5014329A JP 1432993 A JP1432993 A JP 1432993A JP H06233186 A JPH06233186 A JP H06233186A
- Authority
- JP
- Japan
- Prior art keywords
- image
- light receiving
- video data
- data
- synthesizing
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/111—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation
- H04N13/117—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation the virtual viewpoint locations being selected by the viewers or determined by viewer tracking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/156—Mixing image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/167—Synchronising or controlling image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/189—Recording image signals; Reproducing recorded image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/194—Transmission of image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Studio Circuits (AREA)
Abstract
(57)【要約】
【目的】本発明は複数の受光位置に置かれた撮像手段に
よって撮像された映像を擬似的な受光位置に関する係数
に基づき合成することにより、擬似的な受光位置におけ
る映像を得ることができる。 【構成】被写体の取手付き板１７に対して左右１５度の
方向に２台のカメラ６２、６４を配置し、カメラ６２、
６４でとらえた被写体の映像信号Ａ、Ｂから背景の信号
を除去する。映像合成装置１０では、取手付き板１７の
正面に置かれたカメラ６６の教師信号Ｃを使ってバック
プロパゲーション法によるニューラルネットワークのシ
ナプス荷重値Ｗijを学習し、学習されたシナプス荷重値
Ｗijを使って背景除去された映像信号Ａ、Ｂを基に取手
付き板１７の正面の擬似的な映像を得る。
よって撮像された映像を擬似的な受光位置に関する係数
に基づき合成することにより、擬似的な受光位置におけ
る映像を得ることができる。 【構成】被写体の取手付き板１７に対して左右１５度の
方向に２台のカメラ６２、６４を配置し、カメラ６２、
６４でとらえた被写体の映像信号Ａ、Ｂから背景の信号
を除去する。映像合成装置１０では、取手付き板１７の
正面に置かれたカメラ６６の教師信号Ｃを使ってバック
プロパゲーション法によるニューラルネットワークのシ
ナプス荷重値Ｗijを学習し、学習されたシナプス荷重値
Ｗijを使って背景除去された映像信号Ａ、Ｂを基に取手
付き板１７の正面の擬似的な映像を得る。
Description
【０００１】
【産業上の利用分野】本発明は映像合成装置に関し、特
に映像データから擬似的な受光位置での映像データを合
成する装置に関する。
に映像データから擬似的な受光位置での映像データを合
成する装置に関する。
【０００２】
【従来技術】テレビニュースなどでアナウンサがカメラ
に向かって話をする際に、アナウンサは表示装置に写し
出された文章を読んでいるところを撮影されるので、な
るべくカメラに目を向けながら表示画面上の文字に視点
を合わせようと努力する。カメラは表示装置の上に置か
れることが多いので、視聴者からは遠目で見ればアナウ
ンサの目がこちらを向いて話をしているように見える。
に向かって話をする際に、アナウンサは表示装置に写し
出された文章を読んでいるところを撮影されるので、な
るべくカメラに目を向けながら表示画面上の文字に視点
を合わせようと努力する。カメラは表示装置の上に置か
れることが多いので、視聴者からは遠目で見ればアナウ
ンサの目がこちらを向いて話をしているように見える。
【０００３】
【発明が解決しようとする課題】しかしながら、視聴者
が凝視すればアナウンサの目はやはりカメラの下の文字
を読んでいることがわかり、こちらを見て話をしていな
いことに気づいてしまう。また、テレビ電話でも同様の
ことがあり、相手が自分の目を見てしゃべっていないこ
とに不自然さを感じることがある。あるいはまた、単に
物を撮影するだけの場合においても、撮影場所によって
は撮影できないカメラアングルがあるために被写体を特
定の方向から撮影できないといったことが起こる。
が凝視すればアナウンサの目はやはりカメラの下の文字
を読んでいることがわかり、こちらを見て話をしていな
いことに気づいてしまう。また、テレビ電話でも同様の
ことがあり、相手が自分の目を見てしゃべっていないこ
とに不自然さを感じることがある。あるいはまた、単に
物を撮影するだけの場合においても、撮影場所によって
は撮影できないカメラアングルがあるために被写体を特
定の方向から撮影できないといったことが起こる。
【０００４】本発明は、上述した課題を解決するために
なされたものであり、表示装置とカメラとを同時に使用
したテレビニュースなどにおいてカメラがＣＲＴやＬＣ
Ｄなどの表示装置の中に組み込めないために起こる視線
の違いをなくし、自然な向きの映像を得ること目的と
し、さらに撮影場所によらず自由なカメラアングルから
の映像を得ることができるようにすることを目的とす
る。
なされたものであり、表示装置とカメラとを同時に使用
したテレビニュースなどにおいてカメラがＣＲＴやＬＣ
Ｄなどの表示装置の中に組み込めないために起こる視線
の違いをなくし、自然な向きの映像を得ること目的と
し、さらに撮影場所によらず自由なカメラアングルから
の映像を得ることができるようにすることを目的とす
る。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に、本発明は、被写体に対して複数の受光位置に配置さ
れた撮像手段によって撮像された映像データから擬似的
な受光位置での映像データを合成することを要旨とす
る。
に、本発明は、被写体に対して複数の受光位置に配置さ
れた撮像手段によって撮像された映像データから擬似的
な受光位置での映像データを合成することを要旨とす
る。
【０００６】
【作用】これにより、複数の受光位置に置かれた撮像手
段を用いて撮像された映像データは映像データ記憶手段
に記憶され、それらの映像データを係数記憶手段に記憶
された係数によって対応付けすることによって擬似的な
受光位置での映像データを得る。
段を用いて撮像された映像データは映像データ記憶手段
に記憶され、それらの映像データを係数記憶手段に記憶
された係数によって対応付けすることによって擬似的な
受光位置での映像データを得る。
【０００７】
【実施例】１．全体構成 図１は映像合成装置１０の構成を示す。映像合成装置１
０はテレビ電話などに搭載され、被写体の撮像や表示を
行うものである。本実施例の映像合成装置１０は映像信
号を入力とするニューラルネットワークで構成され、中
央処理装置（以下、ＣＰＵという）２５のバス３２に接
続されたＲＯＭ３４、ＲＡＭ３７、ＣＲＴ表示装置４
５、モデム４８およびＩ／Ｏインターフェース４９ａ、
４９ｂ、４９ｃ、４９ｄを有する。さらに、これらのＩ
／Ｏインターフェース４９ａ、４９ｂ、４９ｃ、４９ｄ
を介して複数のニューロボード５２、５３、５４や３台
のカメラ６２、６４、６６あるいはカメラ６６の角度を
検出する角度スイッチ７６などが接続される。
０はテレビ電話などに搭載され、被写体の撮像や表示を
行うものである。本実施例の映像合成装置１０は映像信
号を入力とするニューラルネットワークで構成され、中
央処理装置（以下、ＣＰＵという）２５のバス３２に接
続されたＲＯＭ３４、ＲＡＭ３７、ＣＲＴ表示装置４
５、モデム４８およびＩ／Ｏインターフェース４９ａ、
４９ｂ、４９ｃ、４９ｄを有する。さらに、これらのＩ
／Ｏインターフェース４９ａ、４９ｂ、４９ｃ、４９ｄ
を介して複数のニューロボード５２、５３、５４や３台
のカメラ６２、６４、６６あるいはカメラ６６の角度を
検出する角度スイッチ７６などが接続される。
【０００８】ＲＯＭ３４には映像信号処理プログラムが
格納されておりその処理内容については後述するが、そ
の処理において使用されるシナプス荷重値テーブル、シ
グモイド関数テーブルはそれぞれバス３２に接続された
ＲＡＭ７３、ＲＯＭ７４に記憶される。また、ＲＡＭ３
７には映像信号記憶領域３７ａ、背景信号記憶領域３７
ｂおよび合成信号記憶領域３７ｃが割り当てられてお
り、各領域に対応する映像信号が記憶される。
格納されておりその処理内容については後述するが、そ
の処理において使用されるシナプス荷重値テーブル、シ
グモイド関数テーブルはそれぞれバス３２に接続された
ＲＡＭ７３、ＲＯＭ７４に記憶される。また、ＲＡＭ３
７には映像信号記憶領域３７ａ、背景信号記憶領域３７
ｂおよび合成信号記憶領域３７ｃが割り当てられてお
り、各領域に対応する映像信号が記憶される。
【０００９】２．撮像セット 図２は３台のカメラ６２、６４、６６のセッティングの
様子を示す。被写体である取手付き板１７に対し左右１
５度方向の受光位置にそれぞれカメラ６２、６４がセッ
トされる。被写体である取手付き板１７の中心は各カメ
ラ６２、６４、６６の光学系の各中心線の交差地点に位
置する。カメラ６２、６４は電荷結合素子（ＣＣＤ）を
内蔵する。ＣＣＤは受光した映像信号を画素単位に直列
に出力するインターライン転送型のもので、その出力は
内蔵された増幅器により次段に合わせて調節される。Ｃ
ＣＤの画素数ｎは水平画素６４×垂直画素６４の合計４
０９６画素で構成された比較的粗い解像度のものであ
る。
様子を示す。被写体である取手付き板１７に対し左右１
５度方向の受光位置にそれぞれカメラ６２、６４がセッ
トされる。被写体である取手付き板１７の中心は各カメ
ラ６２、６４、６６の光学系の各中心線の交差地点に位
置する。カメラ６２、６４は電荷結合素子（ＣＣＤ）を
内蔵する。ＣＣＤは受光した映像信号を画素単位に直列
に出力するインターライン転送型のもので、その出力は
内蔵された増幅器により次段に合わせて調節される。Ｃ
ＣＤの画素数ｎは水平画素６４×垂直画素６４の合計４
０９６画素で構成された比較的粗い解像度のものであ
る。
【００１０】カメラ６２、６４の上には映像と同時に音
声を集録するためのマイク１３ａ、１３ｂが設けられて
いる。また、カメラ６２、６４の中間にはＣＲＴ表示装
置４５が設けられているが、これは合成処理された映像
信号を表示したり他の映像合成装置１０からモデム４８
を介して転送された映像信号を表示するのに使用され
る。さらに、ＣＲＴ表示装置４５の前方には後述する学
習処理の際に一時的に使用されるカメラ６６がセットさ
れる。
声を集録するためのマイク１３ａ、１３ｂが設けられて
いる。また、カメラ６２、６４の中間にはＣＲＴ表示装
置４５が設けられているが、これは合成処理された映像
信号を表示したり他の映像合成装置１０からモデム４８
を介して転送された映像信号を表示するのに使用され
る。さらに、ＣＲＴ表示装置４５の前方には後述する学
習処理の際に一時的に使用されるカメラ６６がセットさ
れる。
【００１１】これらのカメラ６２、６４、６６によって
撮像された１フレーム分の映像信号Ａ、Ｂ、Ｃは映像信
号記憶領域３７ａに区分けされて記憶される。また、背
景信号記憶領域３７ｂには被写体が置かれていないとき
に撮像された映像信号Ａ０、Ｂ０が記憶される。合成信
号記憶領域には合成処理された映像信号が記憶される。
合成処理される映像の擬似的な受光位置は角度スイッチ
７６によって特定され、その高さはカメラ６２、６４で
撮影される映像と同じで、被写体に対する角度が正面か
ら０度、左右の５度のいずれかに選択される。
撮像された１フレーム分の映像信号Ａ、Ｂ、Ｃは映像信
号記憶領域３７ａに区分けされて記憶される。また、背
景信号記憶領域３７ｂには被写体が置かれていないとき
に撮像された映像信号Ａ０、Ｂ０が記憶される。合成信
号記憶領域には合成処理された映像信号が記憶される。
合成処理される映像の擬似的な受光位置は角度スイッチ
７６によって特定され、その高さはカメラ６２、６４で
撮影される映像と同じで、被写体に対する角度が正面か
ら０度、左右の５度のいずれかに選択される。
【００１２】３．ニューラルネットワーク 図３は本実施例で用いられるニューラルネットワークの
モデルを示す。図３（Ａ）に示すように、入力層のニュ
ーロン数はカメラ６２、６４のＣＣＤの画素数４０９６
の和に等しい。中間層は一段のニューロン層から構成さ
れており、そのニューロン数ｍは入力層に比べて多く設
定される。出力層のニューロン数はＣＣＤの画素数と同
じ４０９６である。各ニューロンは図３（Ｂ）に示すモ
デルからなる。このモデルから本実施例のニューラルネ
ットワークを説明する。ここで、各ニューロンの出力信
号をｖで示し、ニューロン内で積和演算、しきい値処理
された信号をｕで示すとそれらの関係は次式で表され
る。
モデルを示す。図３（Ａ）に示すように、入力層のニュ
ーロン数はカメラ６２、６４のＣＣＤの画素数４０９６
の和に等しい。中間層は一段のニューロン層から構成さ
れており、そのニューロン数ｍは入力層に比べて多く設
定される。出力層のニューロン数はＣＣＤの画素数と同
じ４０９６である。各ニューロンは図３（Ｂ）に示すモ
デルからなる。このモデルから本実施例のニューラルネ
ットワークを説明する。ここで、各ニューロンの出力信
号をｖで示し、ニューロン内で積和演算、しきい値処理
された信号をｕで示すとそれらの関係は次式で表され
る。
【００１３】 ｕi(k)＝Σ Ｗij(k) ・ｖj(k-1)−θi(k) …（５Ａ） ｖi(k)＝ｆ（ｕi(k)） …（５Ｂ） ここで、Σはｊ＝１からｊ＝ｎまでの累算を行うことを
示す記号である。Ｗijは前段のｋ−１層のｊ番目のニュ
ーロンから出力信号ｖj(k-1)を受けるこのｋ層のｉ番目
のニューロンのシナプス荷重値を示す。ｎは前段のｋ−
１層のニューロン数である。θi はこのｋ層のｉ番目の
ニューロンのしきい値である。関数ｆはニューロンの入
出力関数で一般的につぎのシグモイド関数で与えられ
る。
示す記号である。Ｗijは前段のｋ−１層のｊ番目のニュ
ーロンから出力信号ｖj(k-1)を受けるこのｋ層のｉ番目
のニューロンのシナプス荷重値を示す。ｎは前段のｋ−
１層のニューロン数である。θi はこのｋ層のｉ番目の
ニューロンのしきい値である。関数ｆはニューロンの入
出力関数で一般的につぎのシグモイド関数で与えられ
る。
【００１４】 ｆ＝１／｛１＋ｅｘｐ（−ｕi(k)／λ）｝ …（５Ｃ） ニューラルネットワークはニューロボード５２、５３、
５４を主体にしたＣＰＵ２５の演算処理によって構成さ
れる。入力層のニューロンは１入力タイプのニューロボ
ード５２を中心に構成され、中間層および出力層のニュ
ーロンは多入力タイプのニューロボード５３、５４用い
て構成される。
５４を主体にしたＣＰＵ２５の演算処理によって構成さ
れる。入力層のニューロンは１入力タイプのニューロボ
ード５２を中心に構成され、中間層および出力層のニュ
ーロンは多入力タイプのニューロボード５３、５４用い
て構成される。
【００１５】４．ニューロボード５２、５３、５４ 図４および図５はそれぞれ入力層および中間層のニュー
ロボード５２、５３の構成を示す。出力層のニューロボ
ード５４は中間層のニューロボード５３と同様の構成で
あるので省略する。始めに中間層のニューロボード５３
について説明する。ニューロボード５３はラッチ９１、
シフトレジスタ９２、乗算器９３および加算器９４から
積和演算回路を構成する。この回路はデジタルシグナル
プロセッサで代用してもよい。４０９６×２個並列に設
けられた各ラッチ９１には画素単位の映像信号がバス３
２を経由してそれぞれ入力される。
ロボード５２、５３の構成を示す。出力層のニューロボ
ード５４は中間層のニューロボード５３と同様の構成で
あるので省略する。始めに中間層のニューロボード５３
について説明する。ニューロボード５３はラッチ９１、
シフトレジスタ９２、乗算器９３および加算器９４から
積和演算回路を構成する。この回路はデジタルシグナル
プロセッサで代用してもよい。４０９６×２個並列に設
けられた各ラッチ９１には画素単位の映像信号がバス３
２を経由してそれぞれ入力される。
【００１６】また、各シフトレジスタ９２にはシナプス
荷重値テーブル７３に格納されているシナプス荷重値Ｗ
ijがバス３２を経由して入力されるが、入力されるシナ
プス荷重値Ｗijは図６に示すように例えばＷ1,1 〜Ｗ1,
4096というように４０９６個のデータがまとまって１個
のシフトレジスタ９２ａに格納されることになる。格納
されたシフトレジスタ９２のデータはアドレスカウンタ
９５からのシフト指令にしたがって順次出力側にシフト
される。各ラッチ９１に入力層からの出力信号ｖ1(1)、
ｖ2(1)、…、ｖm(1)のデータが順番にセットされると、
それぞれの乗算器９３で、ｖ1(1)×Ｗ1,1 、ｖ2(1)×Ｗ
1,2…ｖm(1)×Ｗ1,mと乗算処理が行われ、加算器９４で
乗算処理された値が累積的に加算される。
荷重値テーブル７３に格納されているシナプス荷重値Ｗ
ijがバス３２を経由して入力されるが、入力されるシナ
プス荷重値Ｗijは図６に示すように例えばＷ1,1 〜Ｗ1,
4096というように４０９６個のデータがまとまって１個
のシフトレジスタ９２ａに格納されることになる。格納
されたシフトレジスタ９２のデータはアドレスカウンタ
９５からのシフト指令にしたがって順次出力側にシフト
される。各ラッチ９１に入力層からの出力信号ｖ1(1)、
ｖ2(1)、…、ｖm(1)のデータが順番にセットされると、
それぞれの乗算器９３で、ｖ1(1)×Ｗ1,1 、ｖ2(1)×Ｗ
1,2…ｖm(1)×Ｗ1,mと乗算処理が行われ、加算器９４で
乗算処理された値が累積的に加算される。
【００１７】加算処理されたΣ Ｗ1,j×ｖj(1)（Σはｊ
＝１からｊ＝ｍまでを累算することを示す記号である）
の値は次段のラッチ９７ａに格納される。同様にして、
ΣＷ2,j×ｖj(1) （Σはｊ＝１からｊ＝ｍまでを累算す
ることを示す記号である）の値はラッチ９７ｂに格納さ
れる。また、しきい値θはニューロン毎に固有の値でＲ
ＯＭ３４に格納されており、前述のシナプス荷重値Ｗij
のデータ転送に引き続いて各ラッチ９６に転送される。
これにより、例えばラッチ９６ａ、９６ｂにはそれぞれ
θ1、θ2が格納される。減算器９８により、Σ Ｗ1,j×
ｖj(1)−θ1（Σはｊ＝１からｊ＝ｍまでを累算するこ
とを示す記号である）の減算処理が実行されると、その
結果データｕ1(2)は出力ラッチ９９ａに格納される。
＝１からｊ＝ｍまでを累算することを示す記号である）
の値は次段のラッチ９７ａに格納される。同様にして、
ΣＷ2,j×ｖj(1) （Σはｊ＝１からｊ＝ｍまでを累算す
ることを示す記号である）の値はラッチ９７ｂに格納さ
れる。また、しきい値θはニューロン毎に固有の値でＲ
ＯＭ３４に格納されており、前述のシナプス荷重値Ｗij
のデータ転送に引き続いて各ラッチ９６に転送される。
これにより、例えばラッチ９６ａ、９６ｂにはそれぞれ
θ1、θ2が格納される。減算器９８により、Σ Ｗ1,j×
ｖj(1)−θ1（Σはｊ＝１からｊ＝ｍまでを累算するこ
とを示す記号である）の減算処理が実行されると、その
結果データｕ1(2)は出力ラッチ９９ａに格納される。
【００１８】出力ラッチ９９にそれぞれに格納されたデ
ータｕi(2)はＣＰＵ２５のタイミングに応じてＩ／Ｏイ
ンターフェース４９ｂおよびバス３２を介して一旦ＲＡ
Ｍ３７に取り込まれる。この後、シグモイド関数テーブ
ル７４を参照して前述の式（５Ｃ）に示したシグモイド
変換が実行される。このようにしてニューロンの演算を
終了する。図３（Ｂ）に示した１個のニューロンは図５
の一点鎖線で囲まれた積和演算およびしきい値処理の部
分１１０とシグモイド関数テーブル７４とから構成され
ることがわかる。
ータｕi(2)はＣＰＵ２５のタイミングに応じてＩ／Ｏイ
ンターフェース４９ｂおよびバス３２を介して一旦ＲＡ
Ｍ３７に取り込まれる。この後、シグモイド関数テーブ
ル７４を参照して前述の式（５Ｃ）に示したシグモイド
変換が実行される。このようにしてニューロンの演算を
終了する。図３（Ｂ）に示した１個のニューロンは図５
の一点鎖線で囲まれた積和演算およびしきい値処理の部
分１１０とシグモイド関数テーブル７４とから構成され
ることがわかる。
【００１９】つぎに入力層のニューロボード５２を説明
する。入力層のニューロンは１入力なので、入力層のニ
ューロボード５２は中間層のニューロボード５３から加
算器９４を除いた構成となる。すなわち、乗算器１２３
の出力は他の乗算器の出力と加算されることなくラッチ
１２７にそのまま格納されることになる。また、シナプ
ス荷重値テーブル７３から転送されるシナプス荷重値Ｗ
ijのデータはシフトレジスタでなくラッチ１２２に記憶
することができ、そのデータもＷ1、Ｗ2、…、Ｗ4096と
それぞれ１つである。以上示したニューラルネットワー
クを用いて、映像の合成を行うのであるが、始めに比較
的簡単なパーセプトロンモデルによる映像合成の概略を
示し、つぎにより一般的なバックプロパゲーションモデ
ルによる映像の合成を示すこととする。
する。入力層のニューロンは１入力なので、入力層のニ
ューロボード５２は中間層のニューロボード５３から加
算器９４を除いた構成となる。すなわち、乗算器１２３
の出力は他の乗算器の出力と加算されることなくラッチ
１２７にそのまま格納されることになる。また、シナプ
ス荷重値テーブル７３から転送されるシナプス荷重値Ｗ
ijのデータはシフトレジスタでなくラッチ１２２に記憶
することができ、そのデータもＷ1、Ｗ2、…、Ｗ4096と
それぞれ１つである。以上示したニューラルネットワー
クを用いて、映像の合成を行うのであるが、始めに比較
的簡単なパーセプトロンモデルによる映像合成の概略を
示し、つぎにより一般的なバックプロパゲーションモデ
ルによる映像の合成を示すこととする。
【００２０】５．像合成処理 図７は被写体として板材１５を用いた場合を示す。簡単
のために左右８個分のＣＣＤ画素だけを対象とし、学習
なしのパーセプトロンモデルで合成映像を出力すること
とする。すなわち、入力層の左右のニューロンをそれぞ
れＬ１〜Ｌ８、Ｒ１〜Ｒ８と、中間層のニューロンをＭ
１〜Ｍ８と、および出力層のニューロンをＯ１〜Ｏ８と
記号付けして示す。また、中間層のニューロンＭi のシ
ナプス荷重値Ｗijは入力層のニューロンＬi-1、Ｒi-1、
Ｌi、Ｒi、Ｌi+1、Ｒi+1の合計６個のニューロンに対し
ては論理的に値「１」を有し、その他の入力層のニュー
ロンに対しては値「０」を有する。
のために左右８個分のＣＣＤ画素だけを対象とし、学習
なしのパーセプトロンモデルで合成映像を出力すること
とする。すなわち、入力層の左右のニューロンをそれぞ
れＬ１〜Ｌ８、Ｒ１〜Ｒ８と、中間層のニューロンをＭ
１〜Ｍ８と、および出力層のニューロンをＯ１〜Ｏ８と
記号付けして示す。また、中間層のニューロンＭi のシ
ナプス荷重値Ｗijは入力層のニューロンＬi-1、Ｒi-1、
Ｌi、Ｒi、Ｌi+1、Ｒi+1の合計６個のニューロンに対し
ては論理的に値「１」を有し、その他の入力層のニュー
ロンに対しては値「０」を有する。
【００２１】図７において、板材１５を撮像できた画素
に対応する入力層のニューロンは「●」で示し、そうで
ないニューロンは「○」で示している。また、中間層の
しきい値θiはどれも値「３」に設定し、出力層のしき
い値θiはどれも値「１」である。また、式（５Ｃ）の
シグモイド関数はλ→０に近い値とした論理関数であ
り、ΣＷij・ｖj−θiが値「１」を越えるとき値
「１」、値「１」以下のとき値「０」を出力する。
に対応する入力層のニューロンは「●」で示し、そうで
ないニューロンは「○」で示している。また、中間層の
しきい値θiはどれも値「３」に設定し、出力層のしき
い値θiはどれも値「１」である。また、式（５Ｃ）の
シグモイド関数はλ→０に近い値とした論理関数であ
り、ΣＷij・ｖj−θiが値「１」を越えるとき値
「１」、値「１」以下のとき値「０」を出力する。
【００２２】このように設定されたパーセプトロンモデ
ルでは、板材１５を撮像した画素に対応する入力層のニ
ューロンＲ２、Ｒ３、Ｒ４、Ｒ５、Ｒ６、Ｒ７、Ｌ４お
よびＬ５は値「１」を出力する。この入力層のニューロ
ンの出力信号ｖi を受けて、例えば中間層のニューロン
Ｍ６はＬ５＋Ｌ６＋Ｌ７＋Ｒ５＋Ｒ６＋Ｒ７＝４の積和
演算値を有し、しきい値θの値「３」を越えるので値
「１」を出力する。出力層のニューロンＯiは中間層の
ニューロンＭiと１対１のニューロンからのシナプス荷
重値Ｗiiだけを値「１」とするがそれ以外は値「０」な
ので、中間層のニューロンＭi の値がそのまま出力層の
ニューロンＯi 値となる。この結果、図７の表に示すよ
うにほぼ板材１５を正面から撮像したとされる映像信号
が出力層のニューロンＯ３〜Ｏ６から得られる。
ルでは、板材１５を撮像した画素に対応する入力層のニ
ューロンＲ２、Ｒ３、Ｒ４、Ｒ５、Ｒ６、Ｒ７、Ｌ４お
よびＬ５は値「１」を出力する。この入力層のニューロ
ンの出力信号ｖi を受けて、例えば中間層のニューロン
Ｍ６はＬ５＋Ｌ６＋Ｌ７＋Ｒ５＋Ｒ６＋Ｒ７＝４の積和
演算値を有し、しきい値θの値「３」を越えるので値
「１」を出力する。出力層のニューロンＯiは中間層の
ニューロンＭiと１対１のニューロンからのシナプス荷
重値Ｗiiだけを値「１」とするがそれ以外は値「０」な
ので、中間層のニューロンＭi の値がそのまま出力層の
ニューロンＯi 値となる。この結果、図７の表に示すよ
うにほぼ板材１５を正面から撮像したとされる映像信号
が出力層のニューロンＯ３〜Ｏ６から得られる。
【００２３】また、上下方向においても同様の処理を行
うことができる。この場合、図７のＭ１〜Ｍ８の中間層
と同じ構成、同じしきい値θi のもう１つの中間層を入
力層Ｌ１〜Ｌ８、Ｒ１〜Ｒ８に対して設け、この２つの
中間層Ｍ１〜Ｍ８から出力層Ｏ１〜Ｏ８へデータが出力
される。そして、出力層のしきい値は「１」または
「０」とされる。さらに、図７の中間層の１つのニュー
ロンＭi は、入力層のニューロンＬi-1,j、Ｌi,j、Ｌi+
1,j、Ｌi,j-1、Ｌi,j+1、Ｒi-1,j、Ｒi,j、Ｒi+1,j、Ｒ
i,j-1、Ｒi,j+1の入力データ、これに加えてＬi-1,j-
1、Ｌi+1,j-1、Ｌi-1,j+1、Ｌi+1,j+1、Ｒi-1,j-1、Ｒi
+1,j-1、Ｒi-1,j+1、Ｒi+1,j+1の入力データ、さらにこ
れに加えてＬi-2,j-2〜Ｌi+2,j+2、Ｒi-2,j-2〜Ｒi+2,j
+2…加算してもよい。ｉは水平方向の座標を示し、ｊは
垂直方向の座標を示す。この場合、しきい値θi は
「５」、「９」、「２５」…となる。
うことができる。この場合、図７のＭ１〜Ｍ８の中間層
と同じ構成、同じしきい値θi のもう１つの中間層を入
力層Ｌ１〜Ｌ８、Ｒ１〜Ｒ８に対して設け、この２つの
中間層Ｍ１〜Ｍ８から出力層Ｏ１〜Ｏ８へデータが出力
される。そして、出力層のしきい値は「１」または
「０」とされる。さらに、図７の中間層の１つのニュー
ロンＭi は、入力層のニューロンＬi-1,j、Ｌi,j、Ｌi+
1,j、Ｌi,j-1、Ｌi,j+1、Ｒi-1,j、Ｒi,j、Ｒi+1,j、Ｒ
i,j-1、Ｒi,j+1の入力データ、これに加えてＬi-1,j-
1、Ｌi+1,j-1、Ｌi-1,j+1、Ｌi+1,j+1、Ｒi-1,j-1、Ｒi
+1,j-1、Ｒi-1,j+1、Ｒi+1,j+1の入力データ、さらにこ
れに加えてＬi-2,j-2〜Ｌi+2,j+2、Ｒi-2,j-2〜Ｒi+2,j
+2…加算してもよい。ｉは水平方向の座標を示し、ｊは
垂直方向の座標を示す。この場合、しきい値θi は
「５」、「９」、「２５」…となる。
【００２４】尚、ｊ−１、ｊ、ｊ−２…の各列ごとに式
（５Ｃ）のシグモイド関数のλの値を変えて各列に重み
付けを行ってもよい。このほか、ｊ列３つの画素の入力
データについての処理データがしきい値θi に等しけれ
ば、さらにこの３つの画素のまわりの一部または全部の
画素の入力データについて処理を行い、この処理データ
もしきい値θi に依然等しければ、さらにこのまわりの
画素の入力データについて処理を行ってもよい。
（５Ｃ）のシグモイド関数のλの値を変えて各列に重み
付けを行ってもよい。このほか、ｊ列３つの画素の入力
データについての処理データがしきい値θi に等しけれ
ば、さらにこの３つの画素のまわりの一部または全部の
画素の入力データについて処理を行い、この処理データ
もしきい値θi に依然等しければ、さらにこのまわりの
画素の入力データについて処理を行ってもよい。
【００２５】また、カラーの例では、１つのニューロン
に記憶される画像データはブラック以外に、シアン、マ
ゼンダ、イエローについても記憶され、各色について上
記処理が行われる。さらに、色の諧調は「０」、「１」
の１ビット２段階以上の場合、例えば、「００」〜「１
１」の２ビット４段階、「０００」〜「１１１」の３ビ
ット８段階…の場合には以下のようになる。すなわち、
上記図７のニューロボードは階調の各ビットごとに構成
され、ニューロ処理された各ビットが各ニューロボード
ごとに出力され、１つのデータとして合成される。これ
により、入力データの各諧調の各値のうち、最大多数を
占めるモード値が選び出されて出力される。つぎに、ニ
ューラルネットワークにおいて一般的に用いられるバッ
クプロパゲーションモデルの場合を示す。
に記憶される画像データはブラック以外に、シアン、マ
ゼンダ、イエローについても記憶され、各色について上
記処理が行われる。さらに、色の諧調は「０」、「１」
の１ビット２段階以上の場合、例えば、「００」〜「１
１」の２ビット４段階、「０００」〜「１１１」の３ビ
ット８段階…の場合には以下のようになる。すなわち、
上記図７のニューロボードは階調の各ビットごとに構成
され、ニューロ処理された各ビットが各ニューロボード
ごとに出力され、１つのデータとして合成される。これ
により、入力データの各諧調の各値のうち、最大多数を
占めるモード値が選び出されて出力される。つぎに、ニ
ューラルネットワークにおいて一般的に用いられるバッ
クプロパゲーションモデルの場合を示す。
【００２６】６．映像信号処理 図８は映像信号処理のフローチャートを示す。図１０に
示すように、本実施例では被写体として取手付き板１７
を用い、これを左１５度、正面、右１５度に置いて撮像
した場合を示す。フローチャートにしたがってこれらの
合成処理を説明すると、始めにＣＰＵ２５は合成される
映像の擬似的な受光位置を角度スイッチ７６から検出す
る（ステップＳ２００）。つぎに、学習時のカメラ６６
を用いて取手付き板１７を撮像しその映像信号Ｃをバス
３２を介してＲＡＭ３７の映像信号記憶領域３７ａに記
憶する（ステップＳ２１０、Ｓ２２０、Ｓ２３０）。
示すように、本実施例では被写体として取手付き板１７
を用い、これを左１５度、正面、右１５度に置いて撮像
した場合を示す。フローチャートにしたがってこれらの
合成処理を説明すると、始めにＣＰＵ２５は合成される
映像の擬似的な受光位置を角度スイッチ７６から検出す
る（ステップＳ２００）。つぎに、学習時のカメラ６６
を用いて取手付き板１７を撮像しその映像信号Ｃをバス
３２を介してＲＡＭ３７の映像信号記憶領域３７ａに記
憶する（ステップＳ２１０、Ｓ２２０、Ｓ２３０）。
【００２７】本実施例ではバス３２を介してデータ転送
を行っているが、応答性を高めるためにバスを解放する
ＤＭＡ転送やチャネル制御によるデータ転送にしてもよ
い。つぎに、取手付き板１７の正面に対し左右１５度の
方向を受光位置として配置された２台のカメラ６２、６
４を交互に起動して取手付き板１７を撮像し、それらの
映像１７ａ、１７ｂの映像信号Ａ、ＢをＲＡＭ３７の映
像信号記憶領域３７ａに記憶する（ステップＳ２４０〜
Ｓ２７０）。尚、前述したように背景信号記憶領域３７
ｂには取手付き板１７が置かれていない状態の背景映像
信号Ａ0 、Ｂ0があらかじめ記憶されているので、これ
らの背景映像信号Ａ0 、Ｂ0 を映像信号Ａ、Ｂから除去
して取手付き板１７だけの映像信号Ａ、Ｂを抽出する
（ステップＳ２８０）。抽出された映像信号Ａ、ＢはＲ
ＡＭ３７の映像信号記憶領域３７ａに上書きされる。
を行っているが、応答性を高めるためにバスを解放する
ＤＭＡ転送やチャネル制御によるデータ転送にしてもよ
い。つぎに、取手付き板１７の正面に対し左右１５度の
方向を受光位置として配置された２台のカメラ６２、６
４を交互に起動して取手付き板１７を撮像し、それらの
映像１７ａ、１７ｂの映像信号Ａ、ＢをＲＡＭ３７の映
像信号記憶領域３７ａに記憶する（ステップＳ２４０〜
Ｓ２７０）。尚、前述したように背景信号記憶領域３７
ｂには取手付き板１７が置かれていない状態の背景映像
信号Ａ0 、Ｂ0があらかじめ記憶されているので、これ
らの背景映像信号Ａ0 、Ｂ0 を映像信号Ａ、Ｂから除去
して取手付き板１７だけの映像信号Ａ、Ｂを抽出する
（ステップＳ２８０）。抽出された映像信号Ａ、ＢはＲ
ＡＭ３７の映像信号記憶領域３７ａに上書きされる。
【００２８】つぎに、抽出された映像信号Ａ、Ｂを用い
て信号合成処理のサブルーチン（ステップＳ２９０）が
実行される。このサブルーチンでは、ＣＰＵ２５は図６
に示すシナプス荷重値Ｗijをシナプス荷重値テーブル７
３からバス３２および各Ｉ／Ｏインターフェースを４９
ａ、４９ｂ、４９ｃを介してそれぞれのニューロボード
５２、５３、５４の各シフトレジスタ９２、１２２にデ
ータ転送する（ステップＳ３００）。さらに、ＲＡＭ３
７の映像信号記憶領域３７ａに記憶された左右の映像信
号Ａ、Ｂをバス３２およびＩ／Ｏインターフェース４９
ｂを介して入力層のニューロボード５２のラッチ１２１
に画素単位にデータ転送する（ステップＳ３１０）。
て信号合成処理のサブルーチン（ステップＳ２９０）が
実行される。このサブルーチンでは、ＣＰＵ２５は図６
に示すシナプス荷重値Ｗijをシナプス荷重値テーブル７
３からバス３２および各Ｉ／Ｏインターフェースを４９
ａ、４９ｂ、４９ｃを介してそれぞれのニューロボード
５２、５３、５４の各シフトレジスタ９２、１２２にデ
ータ転送する（ステップＳ３００）。さらに、ＲＡＭ３
７の映像信号記憶領域３７ａに記憶された左右の映像信
号Ａ、Ｂをバス３２およびＩ／Ｏインターフェース４９
ｂを介して入力層のニューロボード５２のラッチ１２１
に画素単位にデータ転送する（ステップＳ３１０）。
【００２９】ニューロボード５２では、前述したように
各ラッチ１２１に入力された画素単位のデータｖi が乗
算処理、しきい値処理されると、そのデータｕi(1)がラ
ッチ１２９に一時記憶される。ＣＰＵ２５はラッチ１２
９のデータｕi(1)をＲＡＭ３７に転送し、さらにシグモ
イド関数テーブル７４を参照して前述の式（５Ｃ）に示
したシグモイド変換を実行する（ステップＳ３２０）。
シグモイド関数の変換は演算式をＣＰＵ２５がそのまま
実行することで求めてもよいが、本実施例のように限ら
れた範囲の値であればテーブルにして参照する方が高速
処理できる。
各ラッチ１２１に入力された画素単位のデータｖi が乗
算処理、しきい値処理されると、そのデータｕi(1)がラ
ッチ１２９に一時記憶される。ＣＰＵ２５はラッチ１２
９のデータｕi(1)をＲＡＭ３７に転送し、さらにシグモ
イド関数テーブル７４を参照して前述の式（５Ｃ）に示
したシグモイド変換を実行する（ステップＳ３２０）。
シグモイド関数の変換は演算式をＣＰＵ２５がそのまま
実行することで求めてもよいが、本実施例のように限ら
れた範囲の値であればテーブルにして参照する方が高速
処理できる。
【００３０】つぎに、ＣＰＵ２５はシグモイド変換され
たデータｖi(2)を中間層のニューロボード５３の各ラッ
チ９１に順次転送する（ステップＳ３３０）。転送され
たデータｖi(2)は積和演算およびしきい値処理されて同
様に各ラッチ９９に一時記憶される。同じように、シグ
モイド変換されたデータｖi(3)は出力層のニューロボー
ド５４の各ラッチに転送されて同様の処理をくりかえす
（ステップＳ３４０、Ｓ３５０、Ｓ３６０）。このよう
にして出力層の各ニューロンから出力期待値としてのデ
ータｖi(3)がＲＡＭ３７の合成信号記憶領域３７ｃに記
憶される（ステップＳ３７０）。
たデータｖi(2)を中間層のニューロボード５３の各ラッ
チ９１に順次転送する（ステップＳ３３０）。転送され
たデータｖi(2)は積和演算およびしきい値処理されて同
様に各ラッチ９９に一時記憶される。同じように、シグ
モイド変換されたデータｖi(3)は出力層のニューロボー
ド５４の各ラッチに転送されて同様の処理をくりかえす
（ステップＳ３４０、Ｓ３５０、Ｓ３６０）。このよう
にして出力層の各ニューロンから出力期待値としてのデ
ータｖi(3)がＲＡＭ３７の合成信号記憶領域３７ｃに記
憶される（ステップＳ３７０）。
【００３１】つづいて、ＣＰＵ２５は学習時における評
価演算を行う。バックプロパゲーションモデルに基づく
評価演算では、カメラ６６を用いて撮像される被写体の
映像信号Ｃを教師信号のデータｖ′i(3) として各ニュ
ーロンのシナプス荷重値Ｗijを学習する。評価演算は出
力期待値としてのデータｖi(3)と教師信号としてのデー
タｖ′i(3) との一致の程度を評価し、その結果に応じ
てシナプス荷重値Ｗijを修正することでなされる。すな
わち、教師信号Ｃのデータｖ′i(3) に対するデータｖi
(3)の２乗誤差として定義される次の評価関数Ｅが最小
値に収束するように各シナプス荷重値Ｗijの演算が実行
される。
価演算を行う。バックプロパゲーションモデルに基づく
評価演算では、カメラ６６を用いて撮像される被写体の
映像信号Ｃを教師信号のデータｖ′i(3) として各ニュ
ーロンのシナプス荷重値Ｗijを学習する。評価演算は出
力期待値としてのデータｖi(3)と教師信号としてのデー
タｖ′i(3) との一致の程度を評価し、その結果に応じ
てシナプス荷重値Ｗijを修正することでなされる。すな
わち、教師信号Ｃのデータｖ′i(3) に対するデータｖi
(3)の２乗誤差として定義される次の評価関数Ｅが最小
値に収束するように各シナプス荷重値Ｗijの演算が実行
される。
【００３２】 Ｅ＝１／２Σ（ｖ′i(k) − ｖi(k)）2 …（１０Ａ） この演算の実行に際して、出力層のニューロンのシナプ
ス荷重値Ｗij(3) に続いて中間層のニューロンのシナプ
ス荷重値Ｗij(2) を修正するわけであるが、その学習則
における式を示せば次の通りである。
ス荷重値Ｗij(3) に続いて中間層のニューロンのシナプ
ス荷重値Ｗij(2) を修正するわけであるが、その学習則
における式を示せば次の通りである。
【００３３】 △Ｗij(k)＝ηγi(k)ｖj(k) γi(3)＝（ｖ′i(3)−ｖi(3)）ｆ′(ｕi) …（１０Ｂ） γi(k)＝（ΣＷij(k+1)・γj(k+1)）ｆ′(ｕi(k)) …（１０Ｃ） ここで、ηは収束の速さを決める学習パラメータであ
る。γi(k)はｋ層が出力層(3) の場合には式（１０
Ｂ）、ｋ層が出力層以外の中間層の場合には式（１０
Ｃ）である。バックプロパゲーションモデルにおける修
正信号△Ｗij(k) は信号の流れと反対に後の層の修正信
号△Ｗij(k+1) から再帰的に計算されることが分かる。
る。γi(k)はｋ層が出力層(3) の場合には式（１０
Ｂ）、ｋ層が出力層以外の中間層の場合には式（１０
Ｃ）である。バックプロパゲーションモデルにおける修
正信号△Ｗij(k) は信号の流れと反対に後の層の修正信
号△Ｗij(k+1) から再帰的に計算されることが分かる。
【００３４】ｆ′(ｕi(k)) はシグモイド関数の導関数
である。評価演算によって学習された出力層および中間
層の修正信号△Ｗij(3)、△Ｗij(2)に従ってシナプス荷
重値テーブル７３に格納されているシナプス荷重値Ｗij
を修正する。前述した式（１０Ａ）の評価関数を最小に
するようにシナプス荷重値Ｗijの評価が行われる。シナ
プス荷重値の修正量△Ｗijは前述の式（１０Ｂ）、（１
０Ｃ）に則って演算される。演算されたシナプス荷重値
の変化分△ＷijはＣＰＵ２５によってシナプス荷重値テ
ーブル７３のＷijに加算処理して上書きされる。
である。評価演算によって学習された出力層および中間
層の修正信号△Ｗij(3)、△Ｗij(2)に従ってシナプス荷
重値テーブル７３に格納されているシナプス荷重値Ｗij
を修正する。前述した式（１０Ａ）の評価関数を最小に
するようにシナプス荷重値Ｗijの評価が行われる。シナ
プス荷重値の修正量△Ｗijは前述の式（１０Ｂ）、（１
０Ｃ）に則って演算される。演算されたシナプス荷重値
の変化分△ＷijはＣＰＵ２５によってシナプス荷重値テ
ーブル７３のＷijに加算処理して上書きされる。
【００３５】このようにシナプス荷重値テーブル７３の
修正を一巡したところでひとまず学習を終えてメインル
ーチンに戻る（ステップＳ３８０、Ｓ３９０、Ｓ４０
０）。一方、学習なしのときには、出力層の各ニューロ
ンからの出力期待値としてのデータｖi(3)をＲＡＭ３７
の合成信号記憶領域３７ｃに記憶してメインルーチンに
戻る。メインルーチンでは学習時であったかどうかを問
わず、ＲＡＭ３７に記憶された合成映像信号ｖi(3)をＣ
ＲＴ４５に表示する（ステップＳ４１０）。
修正を一巡したところでひとまず学習を終えてメインル
ーチンに戻る（ステップＳ３８０、Ｓ３９０、Ｓ４０
０）。一方、学習なしのときには、出力層の各ニューロ
ンからの出力期待値としてのデータｖi(3)をＲＡＭ３７
の合成信号記憶領域３７ｃに記憶してメインルーチンに
戻る。メインルーチンでは学習時であったかどうかを問
わず、ＲＡＭ３７に記憶された合成映像信号ｖi(3)をＣ
ＲＴ４５に表示する（ステップＳ４１０）。
【００３６】このとき合成映像信号ｖi(3)をモデム４８
を介して電話回線により他の映像処理装置に転送するよ
うにしてもよい。また、１回目の映像信号処理ルーチン
を終えたらくりかえすことにより学習の効果は高まる。
この学習のくりかえしはＣＲＴ表示装置４５に表示され
た取手付き板１７ｃの映像から判断してもよいし、ある
いはあらかじめ所定回数設定しておくことでもよい。こ
のように学習を終えたらカメラ６６を取り除いても２台
のカメラ６２、６４からの映像信号Ａ、Ｂだけで擬似的
な受光位置における合成映像を表示できるようになる。
を介して電話回線により他の映像処理装置に転送するよ
うにしてもよい。また、１回目の映像信号処理ルーチン
を終えたらくりかえすことにより学習の効果は高まる。
この学習のくりかえしはＣＲＴ表示装置４５に表示され
た取手付き板１７ｃの映像から判断してもよいし、ある
いはあらかじめ所定回数設定しておくことでもよい。こ
のように学習を終えたらカメラ６６を取り除いても２台
のカメラ６２、６４からの映像信号Ａ、Ｂだけで擬似的
な受光位置における合成映像を表示できるようになる。
【００３７】図１０の（Ａ）、（Ｂ）、（Ｃ）は取手付
き板１７を左１５度、正面、右１５度に置いた場合の合
成映像を示す。また、被写体が取手付き板材１７でな
く、人の顔の輪郭である場合には、図１１に示すように
左方向のカメラ６２から撮像した顔の輪郭の映像１６
ａ、および右方向のカメラ６４から撮像した顔の輪郭の
映像１６ｂを実線で示すと、合成される顔の輪郭の映像
１６ｃが点線で示すように得られる。
き板１７を左１５度、正面、右１５度に置いた場合の合
成映像を示す。また、被写体が取手付き板材１７でな
く、人の顔の輪郭である場合には、図１１に示すように
左方向のカメラ６２から撮像した顔の輪郭の映像１６
ａ、および右方向のカメラ６４から撮像した顔の輪郭の
映像１６ｂを実線で示すと、合成される顔の輪郭の映像
１６ｃが点線で示すように得られる。
【００３８】７．変形例 図１３は変形例の映像合成装置１２５を示す。映像合成
装置１２５はカメラ６６を合成予定の擬似的な受光位置
に配置して撮像した映像を多数格納する学習データベー
ス１１５を新たに設ける。学習データベース１１５はこ
の他に、左右の１５度方向からカメラ６２、６４によっ
て撮像された映像、カメラ６６によって撮像されたさま
ざまな角度の映像信号を教師信号として学習されたとき
のシナプス荷重値Ｗijも格納されている。したがって、
この学習データベース１１５からシナプス荷重値Ｗijを
各ニューロボード５２、５３、５４にデータ転送するだ
けで学習作業は終了する。
装置１２５はカメラ６６を合成予定の擬似的な受光位置
に配置して撮像した映像を多数格納する学習データベー
ス１１５を新たに設ける。学習データベース１１５はこ
の他に、左右の１５度方向からカメラ６２、６４によっ
て撮像された映像、カメラ６６によって撮像されたさま
ざまな角度の映像信号を教師信号として学習されたとき
のシナプス荷重値Ｗijも格納されている。したがって、
この学習データベース１１５からシナプス荷重値Ｗijを
各ニューロボード５２、５３、５４にデータ転送するだ
けで学習作業は終了する。
【００３９】本発明は上記実施例に限定されず、本発明
の趣旨を逸脱しない範囲で種々変更可能である。例え
ば、図１２に示すようにシグモイド変換まで含めた専用
のディジタルニューロチップ７０を用いて構成してもよ
い。このニューロチップ７０はインターフェース７５を
介して他のニューロンから出力値７２を受け付け、シナ
プス荷重値テーブル７３に格納されているシナプス荷重
値Ｗijを用いて乗算器７６および加算器７７を用いて積
和演算を施してからシグモイド関数７８の変換までを行
う。このようにチップの中でシグモイド変換まで行うこ
とでＣＰＵ２５の負担を軽減することができる。
の趣旨を逸脱しない範囲で種々変更可能である。例え
ば、図１２に示すようにシグモイド変換まで含めた専用
のディジタルニューロチップ７０を用いて構成してもよ
い。このニューロチップ７０はインターフェース７５を
介して他のニューロンから出力値７２を受け付け、シナ
プス荷重値テーブル７３に格納されているシナプス荷重
値Ｗijを用いて乗算器７６および加算器７７を用いて積
和演算を施してからシグモイド関数７８の変換までを行
う。このようにチップの中でシグモイド変換まで行うこ
とでＣＰＵ２５の負担を軽減することができる。
【００４０】また、本実施例では左右の角度のみ違う１
次元の擬似的な受光位置に映像を合成するようにした
が、高さ方向も含めた２次元の擬似的な受光位置に映像
を合成するようにしてもよい。さらに、本実施例におけ
る中間層は１段のニューロン層から構成されているが、
２〜３段のニューロン層で構成してもよい。また、各ニ
ューロンは本実施例のように一部にニューロボードを使
用する構成でもよいが、全く専用のボードあるいはチッ
プを使用せずにノイマン型のコンピュータにＣ言語など
のプログラミング言語を用いて記述した仮想的なニュー
ロンであっても応答が遅くなるだけで一向に構わない。
さらに、学習の方法は本実施例の教師つき学習に限定さ
れるものではなく、成績評価つき学習、自己組織化とい
った手法でもよい。
次元の擬似的な受光位置に映像を合成するようにした
が、高さ方向も含めた２次元の擬似的な受光位置に映像
を合成するようにしてもよい。さらに、本実施例におけ
る中間層は１段のニューロン層から構成されているが、
２〜３段のニューロン層で構成してもよい。また、各ニ
ューロンは本実施例のように一部にニューロボードを使
用する構成でもよいが、全く専用のボードあるいはチッ
プを使用せずにノイマン型のコンピュータにＣ言語など
のプログラミング言語を用いて記述した仮想的なニュー
ロンであっても応答が遅くなるだけで一向に構わない。
さらに、学習の方法は本実施例の教師つき学習に限定さ
れるものではなく、成績評価つき学習、自己組織化とい
った手法でもよい。
【００４１】
【発明の効果】以上詳述したように、本発明は複数台の
撮像手段を使って撮像された映像を合成することにより
違った方向からの擬似的な映像を得ることができるとい
った優れた効果を奏する。したがって、ＣＲＴ表示装置
とカメラとを同時に使用したテレビニュースなどにおい
てカメラがＣＲＴあるいはＬＣＤ表示装置の中に組み込
めないために起こる視線の違いをなくし、自然な向きの
映像を得ることができ、あたかもＣＲＴあるいはＬＣＤ
表示装置の中にカメラがあるような映像信号を合成でき
る。さらに、場所に応じて撮影することができないカメ
ラアングルからの映像を得ることができる。
撮像手段を使って撮像された映像を合成することにより
違った方向からの擬似的な映像を得ることができるとい
った優れた効果を奏する。したがって、ＣＲＴ表示装置
とカメラとを同時に使用したテレビニュースなどにおい
てカメラがＣＲＴあるいはＬＣＤ表示装置の中に組み込
めないために起こる視線の違いをなくし、自然な向きの
映像を得ることができ、あたかもＣＲＴあるいはＬＣＤ
表示装置の中にカメラがあるような映像信号を合成でき
る。さらに、場所に応じて撮影することができないカメ
ラアングルからの映像を得ることができる。
【図１】映像合成装置１０の構成を示すブロック図であ
る。
る。
【図２】カメラの撮像セットを示す図である。
【図３】（Ａ）は多層型ニューラルネットワークを示
し、（Ｂ）はニューロンを示す図である。
し、（Ｂ）はニューロンを示す図である。
【図４】入力層のニューロボ−ド５２のブロック図であ
る。
る。
【図５】中間層のニューロボード５３のブロック図であ
る。
る。
【図６】シナプス荷重値テーブルを示す図である。
【図７】板材１５の合成映像を示す図である。
【図８】映像信号処理のフローチャートを示す。
【図９】信号合成処理のフローチャートを示す。
【図１０】取手付き板１７の映像を示し、（Ａ）は左１
５度の方向に取手付き板１７を置いたときの合成映像を
示し、（Ｂ）は右１５度の方向に取手付き板１７を置い
たときの合成映像を示し、（Ｃ）は正面に取手付き板１
７を置いたときの合成映像を示す図である。
５度の方向に取手付き板１７を置いたときの合成映像を
示し、（Ｂ）は右１５度の方向に取手付き板１７を置い
たときの合成映像を示し、（Ｃ）は正面に取手付き板１
７を置いたときの合成映像を示す図である。
【図１１】顔の合成映像を示す図である。
【図１２】ディジタルニューロチップ７０の構成を示す
ブロック図である。
ブロック図である。
【図１３】変形例の映像合成装置１２５の構成を示すブ
ロック図である。
ロック図である。
【符号の説明】 １０…映像合成装置、１７…取手付き板、２５…ＣＰ
Ｕ、５２、５３、５４…ニューロボード、７０…ニュー
ロチップ、６２、６４、６６…カメラ、７３…シナプス
荷重値テーブル、７４…シグモイド関数テーブル、１１
５…学習データベース。
Ｕ、５２、５３、５４…ニューロボード、７０…ニュー
ロチップ、６２、６４、６６…カメラ、７３…シナプス
荷重値テーブル、７４…シグモイド関数テーブル、１１
５…学習データベース。
Claims (6)
- 【請求項１】被写体に対して複数の受光位置に配置され
た複数の撮像手段と、 前記各受光位置にて前記各撮像手段が撮像した映像デー
タを記憶する映像データ記憶手段と、 前記複数の受光位置における各映像データから、各受光
位置に挟まれる擬似的な受光位置での映像データに対応
付けするための係数を記憶する係数記憶手段と、 該係数に基づき、前記擬似的な受光位置での映像データ
を前記複数の受光位置における各映像データから合成す
る映像データ合成手段とを有することを特徴とする映像
合成装置。 - 【請求項２】前記映像データ合成手段は、前記映像デー
タ記憶手段に記憶されたある画素とこの画素付近の画素
の映像データ群の各値の中で、最大多数を占める値の映
像データを選び出して出力する手段であることを特徴と
する請求項１に記載の映像合成装置。 - 【請求項３】前記映像データ合成手段はニューラルネッ
トワークを有し、各シナプス荷重値はあらかじめ前記受
光位置の映像データを入力とし、前記擬似的な受光位置
の映像データを出力期待値とした学習により得られたも
のであることを特徴とする請求項１に記載の映像合成装
置。 - 【請求項４】前記被写体は前記各撮像手段の光学系の各
中心線の交差地点に位置していることを特徴とする請求
項１に記載の映像合成装置。 - 【請求項５】前記映像合成手段は、前記複数の受光位置
における各映像データを複数の色に分解し、各色につい
て前記擬似的な受光位置での映像データを合成すること
を特徴とする請求項１または２に記載の映像合成装置。 - 【請求項６】前記映像合成手段は、前記複数の受光位置
における各映像データの階調を示すデータの各ビットご
とに映像データを合成することを特徴とする請求項１ま
たは２に記載の映像合成装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5014329A JP3058774B2 (ja) | 1993-01-29 | 1993-01-29 | 映像合成装置及び映像合成方法 |
| US08/187,548 US5424773A (en) | 1993-01-29 | 1994-01-28 | Apparatus and method for generating a pseudo camera position image from a plurality of video images from different camera positions using a neural network |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5014329A JP3058774B2 (ja) | 1993-01-29 | 1993-01-29 | 映像合成装置及び映像合成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06233186A true JPH06233186A (ja) | 1994-08-19 |
| JP3058774B2 JP3058774B2 (ja) | 2000-07-04 |
Family
ID=11858034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5014329A Expired - Lifetime JP3058774B2 (ja) | 1993-01-29 | 1993-01-29 | 映像合成装置及び映像合成方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5424773A (ja) |
| JP (1) | JP3058774B2 (ja) |
Families Citing this family (56)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07222202A (ja) * | 1994-02-02 | 1995-08-18 | Rohm Co Ltd | 立体ビジョンカメラ |
| JPH07287761A (ja) * | 1994-04-19 | 1995-10-31 | Canon Inc | 画像処理装置及び画像処理方法 |
| EP0684585B1 (en) * | 1994-04-22 | 2003-02-05 | Canon Kabushiki Kaisha | Image forming method and apparatus |
| JP3192875B2 (ja) * | 1994-06-30 | 2001-07-30 | キヤノン株式会社 | 画像合成方法および画像合成装置 |
| EP1494476A1 (en) * | 1994-09-09 | 2005-01-05 | Canon Kabushiki Kaisha | Image processing method and apparatus |
| WO1997003416A1 (en) * | 1995-07-10 | 1997-01-30 | Sarnoff Corporation | Method and system for rendering and combining images |
| EP0866606B1 (en) * | 1996-10-04 | 2004-12-29 | Nippon Telegraph And Telephone Corporation | Method for temporally and spatially integrating and managing a plurality of videos, device used for the same, and recording medium storing program of the method |
| US6552744B2 (en) | 1997-09-26 | 2003-04-22 | Roxio, Inc. | Virtual reality camera |
| US7015951B1 (en) * | 1998-05-08 | 2006-03-21 | Sony Corporation | Picture generating apparatus and picture generating method |
| US6671421B1 (en) * | 1999-04-13 | 2003-12-30 | Matsushita Electric Industrial Co., Ltd. | Method of adjusting image reading position, method of reading image and image reading apparatus |
| US7015954B1 (en) * | 1999-08-09 | 2006-03-21 | Fuji Xerox Co., Ltd. | Automatic video system using multiple cameras |
| US7292261B1 (en) * | 1999-08-20 | 2007-11-06 | Patrick Teo | Virtual reality camera |
| US6968081B1 (en) * | 1999-11-15 | 2005-11-22 | Luminus Systems, Inc. | System, method, and apparatus for orienting images |
| EP1287684A4 (en) * | 2000-04-27 | 2006-07-12 | Litton Systems Inc | METHOD AND SYSTEM FOR MERRYING IMAGES |
| US20020188772A1 (en) * | 2001-04-02 | 2002-12-12 | Mark Radcliffe | Media production methods and systems |
| KR100433625B1 (ko) * | 2001-11-17 | 2004-06-02 | 학교법인 포항공과대학교 | 스테레오 카메라의 두영상과 양안차도를 이용한 다시점영상 합성 장치 |
| US6740118B2 (en) * | 2002-01-09 | 2004-05-25 | Sdgi Holdings, Inc. | Intervertebral prosthetic joint |
| US6793678B2 (en) | 2002-06-27 | 2004-09-21 | Depuy Acromed, Inc. | Prosthetic intervertebral motion disc having dampening |
| US7310442B2 (en) * | 2003-07-02 | 2007-12-18 | Lockheed Martin Corporation | Scene analysis surveillance system |
| US20100013917A1 (en) * | 2003-08-12 | 2010-01-21 | Keith Hanna | Method and system for performing surveillance |
| US20050149192A1 (en) * | 2003-11-20 | 2005-07-07 | St. Francis Medical Technologies, Inc. | Intervertebral body fusion cage with keels and implantation method |
| US7837732B2 (en) * | 2003-11-20 | 2010-11-23 | Warsaw Orthopedic, Inc. | Intervertebral body fusion cage with keels and implantation methods |
| KR100579135B1 (ko) * | 2004-11-11 | 2006-05-12 | 한국전자통신연구원 | 수렴형 3차원 다시점 영상 획득 방법 |
| US20060276902A1 (en) * | 2005-06-03 | 2006-12-07 | Zipnick Richard I | Minimally invasive apparatus to manipulate and revitalize spinal column disc |
| US8736672B2 (en) * | 2006-08-24 | 2014-05-27 | Reald Inc. | Algorithmic interaxial reduction |
| US11395626B2 (en) | 2006-12-07 | 2022-07-26 | DePuy Synthes Products, Inc. | Sensor for intervertebral fusion indicia |
| WO2008070863A2 (en) | 2006-12-07 | 2008-06-12 | Interventional Spine, Inc. | Intervertebral implant |
| US8900307B2 (en) | 2007-06-26 | 2014-12-02 | DePuy Synthes Products, LLC | Highly lordosed fusion cage |
| CN101909548B (zh) | 2008-01-17 | 2014-07-30 | 斯恩蒂斯有限公司 | 可膨胀椎间植入件以及制造它的相关方法 |
| CN102036623A (zh) | 2008-04-05 | 2011-04-27 | 斯恩蒂斯有限公司 | 可膨胀的椎间植入体 |
| ES2361099B1 (es) * | 2008-05-26 | 2012-05-08 | Rudolf Morgenstern Lopez | "prótesis intervertebral" |
| US9526620B2 (en) | 2009-03-30 | 2016-12-27 | DePuy Synthes Products, Inc. | Zero profile spinal fusion cage |
| US9393129B2 (en) | 2009-12-10 | 2016-07-19 | DePuy Synthes Products, Inc. | Bellows-like expandable interbody fusion cage |
| US8979860B2 (en) | 2010-06-24 | 2015-03-17 | DePuy Synthes Products. LLC | Enhanced cage insertion device |
| US8845733B2 (en) | 2010-06-24 | 2014-09-30 | DePuy Synthes Products, LLC | Lateral spondylolisthesis reduction cage |
| US8623091B2 (en) | 2010-06-29 | 2014-01-07 | DePuy Synthes Products, LLC | Distractible intervertebral implant |
| US9402732B2 (en) | 2010-10-11 | 2016-08-02 | DePuy Synthes Products, Inc. | Expandable interspinous process spacer implant |
| WO2014018098A1 (en) | 2012-07-26 | 2014-01-30 | DePuy Synthes Products, LLC | Expandable implant |
| US20140067069A1 (en) | 2012-08-30 | 2014-03-06 | Interventional Spine, Inc. | Artificial disc |
| US9717601B2 (en) | 2013-02-28 | 2017-08-01 | DePuy Synthes Products, Inc. | Expandable intervertebral implant, system, kit and method |
| US9522070B2 (en) | 2013-03-07 | 2016-12-20 | Interventional Spine, Inc. | Intervertebral implant |
| US11426290B2 (en) | 2015-03-06 | 2022-08-30 | DePuy Synthes Products, Inc. | Expandable intervertebral implant, system, kit and method |
| US9913727B2 (en) | 2015-07-02 | 2018-03-13 | Medos International Sarl | Expandable implant |
| EP3474783B1 (en) | 2016-06-28 | 2023-05-03 | Eit Emerging Implant Technologies GmbH | Expandable, angularly adjustable intervertebral cages |
| US11596523B2 (en) | 2016-06-28 | 2023-03-07 | Eit Emerging Implant Technologies Gmbh | Expandable and angularly adjustable articulating intervertebral cages |
| US10537436B2 (en) | 2016-11-01 | 2020-01-21 | DePuy Synthes Products, Inc. | Curved expandable cage |
| US10888433B2 (en) | 2016-12-14 | 2021-01-12 | DePuy Synthes Products, Inc. | Intervertebral implant inserter and related methods |
| EP3564864A4 (en) * | 2016-12-30 | 2020-04-15 | Shanghai Cambricon Information Technology Co., Ltd | DEVICES FOR COMPRESSION / DECOMPRESSION, SYSTEM, CHIP AND ELECTRONIC DEVICE |
| US10398563B2 (en) | 2017-05-08 | 2019-09-03 | Medos International Sarl | Expandable cage |
| US11344424B2 (en) | 2017-06-14 | 2022-05-31 | Medos International Sarl | Expandable intervertebral implant and related methods |
| US10940016B2 (en) | 2017-07-05 | 2021-03-09 | Medos International Sarl | Expandable intervertebral fusion cage |
| US11446156B2 (en) | 2018-10-25 | 2022-09-20 | Medos International Sarl | Expandable intervertebral implant, inserter instrument, and related methods |
| US11426286B2 (en) | 2020-03-06 | 2022-08-30 | Eit Emerging Implant Technologies Gmbh | Expandable intervertebral implant |
| US11850160B2 (en) | 2021-03-26 | 2023-12-26 | Medos International Sarl | Expandable lordotic intervertebral fusion cage |
| US11752009B2 (en) | 2021-04-06 | 2023-09-12 | Medos International Sarl | Expandable intervertebral fusion cage |
| US12090064B2 (en) | 2022-03-01 | 2024-09-17 | Medos International Sarl | Stabilization members for expandable intervertebral implants, and related systems and methods |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01320584A (ja) * | 1988-06-22 | 1989-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 連続視域画像再生法 |
| JPH03214369A (ja) * | 1990-01-19 | 1991-09-19 | Fujitsu Ltd | ニューロコンピュータを用いた形状記憶方式 |
| JPH0472986A (ja) * | 1990-07-13 | 1992-03-06 | Fujitsu Ltd | テレビ電話機撮像方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4897811A (en) * | 1988-01-19 | 1990-01-30 | Nestor, Inc. | N-dimensional coulomb neural network which provides for cumulative learning of internal representations |
| US5086479A (en) * | 1989-06-30 | 1992-02-04 | Hitachi, Ltd. | Information processing system using neural network learning function |
| US5235440A (en) * | 1989-11-06 | 1993-08-10 | Teledyne Industries, Inc. | Optical interconnector and highly interconnected, learning neural network incorporating optical interconnector therein |
-
1993
- 1993-01-29 JP JP5014329A patent/JP3058774B2/ja not_active Expired - Lifetime
-
1994
- 1994-01-28 US US08/187,548 patent/US5424773A/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01320584A (ja) * | 1988-06-22 | 1989-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 連続視域画像再生法 |
| JPH03214369A (ja) * | 1990-01-19 | 1991-09-19 | Fujitsu Ltd | ニューロコンピュータを用いた形状記憶方式 |
| JPH0472986A (ja) * | 1990-07-13 | 1992-03-06 | Fujitsu Ltd | テレビ電話機撮像方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3058774B2 (ja) | 2000-07-04 |
| US5424773A (en) | 1995-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3058774B2 (ja) | 映像合成装置及び映像合成方法 | |
| CN111741211B (zh) | 图像显示方法和设备 | |
| JPH03131965A (ja) | ニューラルネットワーク用二次元収縮アレイ及びその方法 | |
| US10929955B2 (en) | Scene-based nonuniformity correction using a convolutional recurrent neural network | |
| CN113076685B (zh) | 图像重建模型的训练方法、图像重建方法及其装置 | |
| CN111767866B (zh) | 一种人体模型创建方法、装置、电子设备及存储介质 | |
| CN111402130A (zh) | 数据处理方法和数据处理装置 | |
| CN111835983B (zh) | 一种基于生成对抗网络的多曝光图高动态范围成像方法及系统 | |
| JP4458678B2 (ja) | 高速視覚センサ装置 | |
| WO2023151511A1 (zh) | 模型训练方法、图像去摩尔纹方法、装置及电子设备 | |
| CN114885144B (zh) | 基于数据融合的高帧率3d视频生成方法及装置 | |
| JPH1040392A (ja) | 局所領域画像追跡装置 | |
| US20220215617A1 (en) | Viewpoint image processing method and related device | |
| JPH07222202A (ja) | 立体ビジョンカメラ | |
| CN114885112B (zh) | 基于数据融合的高帧率视频生成方法及装置 | |
| CN113658091A (zh) | 一种图像评价方法、存储介质及终端设备 | |
| CN115049783A (zh) | 模型的确定方法、场景重建模型、介质、设备及产品 | |
| JP4302212B2 (ja) | 高速視覚センサ装置 | |
| CN115908850A (zh) | 机器学习模型训练方法和装置、场景图生成方法和装置 | |
| JPH04297189A (ja) | 周期的ノイズを生じるセンサからの像を補正する方法及び該方法を実施する装置 | |
| CN113674383B (zh) | 生成文本图像的方法及装置 | |
| CN117274392A (zh) | 相机内参标定方法及相关设备 | |
| Blasinski et al. | Real-time, color image barrel distortion removal | |
| JPH04200081A (ja) | 撮像装置 | |
| CN111464755B (zh) | 星载相机短曝光图像序列信噪比实时处理方法及系统 |