セルラーニューラルネットワークによる領域分割を用いた画像符号化

点击翻译按钮获取中文摘要

本研究では,セル(ニューロン)が局所的に接続された離散時間型セルラーニューラルネットワーク(DT-CNN)の時空間ダイナミクスにより,画像の領域分割,画像圧縮,画像検索などを実現し,これらについて評価検討を行うことを目的とした.ここで利用するDT-CNNは,差分方程式の時空間ダイナミクスにより,高階調の入力画像を低ビット量子化画像に変換し,同時に,フィルタリングや特徴抽出,動き検出,画像認識などの様々な画像並列処理を可能とするものである.入力画像は,Aテンプレートの重みの積和演算と各画素値とBテンプレートの重みとの積和演算による量子化平滑化処理およびダウンサンプルに相当するDT-CNNの階層構造により,低解像度低階調の画像に変換され,様々な処理が適用される.特に,階層化DT-CNNを用いた画像符号化システムの性能を向上させるために,テンプレート最適化に関する研究を行った.符号化性能は,最適な補間を行うための変換係数を求めるためのAテンプレートと変換係数から最適な補間を行うためのBテンプレートにより決定される.この各テンプレートの次元数や大きさなどについて評価を行い,最適なテンプレート設計を行った.特に,従来のオクターブ分割を用いた符号化方式との比較のため,1次元のテンプレートを使用した方式についても検討を行った.また,周波数分割された画像ごとに,その特性を評価し,Aテンプレートを適応的に変化させる方式についても提案し,性能評価を行った.研究成果については,ISCAS, CNNA, NOLTA, NCSPなどの国際会議および回路とシステムワークショップで発表を行っている.