ウェーブレットによる 信号処理と画像処理 宮崎大輔 2004年11月24日(水) PBVセミナー.

Slides:



Advertisements
Similar presentations
Absolute Orientation. Absolute Orientation の問題 二つの座標系の間における剛体 (rigid body) 変換を復元す る問題である。 例えば: 2 台のステレオカメラから得られた3次元情報の間の関 係を推定する問題。 2 台のステレオカメラから得られた3次元情報の間の関.
Advertisements

『わかりやすいパターン認 識』 第 5 章 特徴の評価とベイズ誤り確率 5.4 ベイズ誤り確率と最近傍決定則 発表日: 5 月 23 日(金) 発表者:時田 陽一.
土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
池内研究室 Computer Vision Laboratory 東京大学 The University of Tokyo 偏光レイトレーシング 宮崎大輔 2004 年 6 月 22 日(火) CVL セミナー.
Ruth Onn, Alfred Bruckstein (Int J Comp Vision 1990)
テンソル積展開 宮崎大輔.
量子化(Mid-riser型) 出力y 入力x 通信ネットワーク特論(量子化・符号化).
電子透かしにおける マスキング効果の主観評価
コンピュータビジョン特論 第8回対象追跡 2006年11月22日 加藤丈和.
復習.
10.時系列データの解析 time-series data
時間-周波数分解と圧縮伸長を 用いたシャント音の解析
音響尤度を用いた マルチスピーカ音響エコーキャンセラの検討
Bassモデルにおける 最尤法を用いたパラメータ推定
疫学概論 母集団と標本集団 Lesson 10. 標本抽出 §A. 母集団と標本集団 S.Harano,MD,PhD,MPH.
「データ学習アルゴリズム」 第3章 複雑な学習モデル 3.1 関数近似モデル ….. … 3層パーセプトロン
時空間データからのオブジェクトベース知識発見
上坂吉則 尾関和彦 文一総合出版 宮崎大輔2003年6月28日(土)
放射線の計算や測定における統計誤差 「平均の誤差」とその応用(1H) 2項分布、ポアソン分布、ガウス分布(1H) 最小二乗法(1H)
ウェーブレット変換と 非線形適応信号処理を用いた 電子透かしの研究
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
クラスター変分法と確率的情報処理 --Belief Propagation と画像処理アルゴリズム--
多重フォーカスカメラと符号化開口を用いた実時間距離画像計測
確率モデルによる 画像処理技術入門 --- ベイズ統計と確率的画像処理 ---
ディジタル信号処理 Digital Signal Processing
3次キュムラントのバイスペクトラムと PCAによる音声区間検出
実時間動画像マルチキャストのための フィルタリング手法の実装と評価
ガウス誤差関数を利用した 収束の速いヒルベルト変換ディジタルフィルタ
羽佐田葉子 2007年3月24日 アクロス研究会@静岡大学
周波数領域での非線形適応システムを用いた電子透かしの耐性評価
表紙 MATLAB 応用講習会(A) 情報アシスタント M1 山本幸司.
ガウス過程による回帰 Gaussian Process Regression GPR
線形フィルタと畳み込み積分 マスクによる画像のフィルタリング 1.入力画像中の関心の画素のまわりの画素値
画像処理 基礎.
7. 音声の認識:高度な音響モデル 7.1 実際の音響モデル 7.2 識別的学習 7.3 深層学習.
第9章 混合モデルとEM 修士2年 北川直樹.
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
モデルの逆解析 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
確率論の基礎 「ロジスティクス工学」 第3章 鞭効果 第4章 確率的在庫モデル 補助資料
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
音響伝達特性を用いた単一マイクロホンによる話者の頭部方向の推定
Image Analogies SIGGRAPH 2001 宮崎大輔
QRコードを用いたIDカードに 適した電子透かし
-画像処理(空間フィルタリング)- 画像処理(空間フィルタリング)のモデルとその基本操作 雑音除去・平滑化への適用
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
Thesis Supervisor: Katsushi Ikeuchi 池内克史
パターン認識特論 担当:和田 俊和 部屋 A513 主成分分析
FEM勉強会 (第3回).
部分的最小二乗回帰 Partial Least Squares Regression PLS
ノイズ.
文化財のデジタル保存のための 偏光を用いた透明物体形状計測手法
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
Wavelet係数の局所テクスチャ特徴量を用いたGraph Cutsによる画像セグメンテーション
わかりやすいパターン認識 第7章:部分空間法  7.1 部分空間法の基本  7.2 CLAFIC法                  6月13日(金)                  大城 亜里沙.
第3章 線形回帰モデル 修士1年 山田 孝太郎.
ベイズ最適化 Bayesian Optimization BO
最尤推定・最尤法 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
画像処理工学 2011年12月1日 担当教員 北川 輝彦.
HMM音声合成における 変分ベイズ法に基づく線形回帰
パターン認識 ークラスタリングとEMアルゴリズムー 担当:和田 俊和 部屋 A513
パターン認識 ークラスタリングとEMアルゴリズムー 担当:和田 俊和 部屋 A513
ポッツスピン型隠れ変数による画像領域分割
All images are compressed.
ガウス分布における ベーテ近似の理論解析 東京工業大学総合理工学研究科 知能システム科学専攻 渡辺研究室    西山 悠, 渡辺澄夫.
音響伝達特性を用いたシングルチャネル音源方向推定
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年8月1日 3.2 競合学習
ソースフィルタモデル.
自己縮小画像と混合ガウス分布モデルを用いた超解像
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

ウェーブレットによる 信号処理と画像処理 宮崎大輔 2004年11月24日(水) PBVセミナー

ウェーブレットによる信号処理と画像処理 中野宏毅,山本鎭男,吉田靖夫 1999 共立出版 ISBN4-320-08549-3 ソースコード 2004/Nov/24 11th Physics Based Vision Seminar ウェーブレットによる信号処理と画像処理 中野宏毅,山本鎭男,吉田靖夫 1999 共立出版 ISBN4-320-08549-3 ソースコード http://homepage3.nifty.com/wavelet/

第3章 信号処理への応用

不連続信号の検出 車のサス:急激な段差によるパルスを検出 f(t):加速度,x(t):車体の位置 2004/Nov/24 11th Physics Based Vision Seminar 不連続信号の検出 車のサス:急激な段差によるパルスを検出 f(t):加速度,x(t):車体の位置

2004/Nov/24 11th Physics Based Vision Seminar 短時間フーリエ解析は時間-周波数解析

ウェーブレット解析は動態解析(dynamical mode analysis) 2004/Nov/24 11th Physics Based Vision Seminar ウェーブレット解析は動態解析(dynamical mode analysis)

2004/Nov/24 11th Physics Based Vision Seminar フーリエ変換によるノイズの低減

ウェーブレット縮退(wavelet shrinkage)によるノイズの低減 2004/Nov/24 11th Physics Based Vision Seminar ウェーブレット縮退(wavelet shrinkage)によるノイズの低減

2004/Nov/24 11th Physics Based Vision Seminar ウェーブレット縮退によるノイズの低減

建築物の観測波形のウェーブレット変換によるシステムパラメータの同定 2004/Nov/24 11th Physics Based Vision Seminar 建築物の観測波形のウェーブレット変換によるシステムパラメータの同定 M:質量行列・既知, x:変位ベクトル・入力, Q:入力ベクトル, C:減衰行列・出力, K:剛性行列・出力 ウェーブレットを使うと,加速度だけからパラメータを同定できる m:質量, c:減衰, k:バネ, ψ:ウェーブレット

第4章 画像処理への応用

画像データの圧縮 ウェーブレット展開係数を求める 2004/Nov/24 11th Physics Based Vision Seminar 画像データの圧縮 ウェーブレット展開係数を求める 展開係数を絶対値の大きい順に並べ,絶対値が大きい順に上位α%の展開係数のみを残し,その他の展開係数を0にする

2004/Nov/24 11th Physics Based Vision Seminar ハールウェーブレットによる画像再構成

2004/Nov/24 11th Physics Based Vision Seminar ドベシィ(N=4)による画像再構成

2004/Nov/24 11th Physics Based Vision Seminar ブロックDCT(8x8)による画像再構成

2004/Nov/24 11th Physics Based Vision Seminar 拡大画像

表面欠陥検査 2次元ガボールウェーブレットを使う 分散固定,周波数固定(レベルが周波数の代わり) 4方向4レベル 2004/Nov/24 11th Physics Based Vision Seminar 表面欠陥検査 2次元ガボールウェーブレットを使う 分散固定,周波数固定(レベルが周波数の代わり) 4方向4レベル

テクスチャ画像の領域分割 2次元ガボールウェーブレットを使う L=J×R個の特徴量を使う ガボールウェーブレット展開係数の絶対値 2004/Nov/24 11th Physics Based Vision Seminar テクスチャ画像の領域分割 2次元ガボールウェーブレットを使う L=J×R個の特徴量を使う ガボールウェーブレット展開係数の絶対値 周波数を変化させたものをJ種類 回転方向を変化させたものをR種類

最尤(さいゆう)推定法 尤度p(g|Tk):特徴量gがクラスTkに属する確率密度関数→正規分布を仮定 例:1次元2クラス 2004/Nov/24 11th Physics Based Vision Seminar 最尤(さいゆう)推定法 尤度p(g|Tk):特徴量gがクラスTkに属する確率密度関数→正規分布を仮定 例:1次元2クラス p(g|T1)=ガウス分布(平均μ1,分散σ12) p(g|T2)=ガウス分布(平均μ2,分散σ22) 教師画像からμとσは既知とする L次元Kクラスも同様

最大事後確率(maximum aposteriori probability: MAP)推定 2004/Nov/24 11th Physics Based Vision Seminar 最大事後確率(maximum aposteriori probability: MAP)推定 1画素単位でクラス分けするのではなく,近傍の画素も使う 中心画素のクラスが周りの画素とできるだけ同じになるような制約をつける

領域分割結果 周波数2種類 回転6種類 周波数2種類 回転4種類 周波数5種類 回転4種類 2004/Nov/24 11th Physics Based Vision Seminar 領域分割結果 周波数2種類 回転6種類 周波数2種類 回転4種類 周波数5種類 回転4種類

劣化画像の復元 f:観測画像, G:2次元ガウス関数, I:原画像, w:雑音, K:拡散演算子 第2項は,雑音を大きくしてしまう 2004/Nov/24 11th Physics Based Vision Seminar 劣化画像の復元 f:観測画像, G:2次元ガウス関数, I:原画像, w:雑音, K:拡散演算子 第2項は,雑音を大きくしてしまう ここで,上の式の第1項KtIはwに比べると低周波であることを利用する

画像の多重解像度分解 G:ガウス関数, ∇2G:LOG(Laplacian of Gaussian)関数, fj:残差画像 2004/Nov/24 11th Physics Based Vision Seminar 画像の多重解像度分解 G:ガウス関数, ∇2G:LOG(Laplacian of Gaussian)関数, fj:残差画像 fはまず低周波だけを通すガウスフィルタに通され残差画像f1を生じる.f1はやや高周波を通すLOGフィルタに通され残差画像f2を生じる.f2はさらに少し高周波を通すLOGフィルタに通され残差画像f3を生じる.これをfJまで行い,全てのfjを足すとfになっている fJ+1は高周波成分なので棄てる

画像の逆拡散による復元 ガウス関数とLOG関数の逆拡散は,分散を小さくすることによって得られる(詳細は省略) 2004/Nov/24 11th Physics Based Vision Seminar 画像の逆拡散による復元 ガウス関数とLOG関数の逆拡散は,分散を小さくすることによって得られる(詳細は省略) つまり,この逆拡散演算子を適用すると,観測画像は高周波に移動し,シャープな画像になる G:ガウス関数の逆拡散, ∇2G:LOG関数の逆拡散, I^:復元画像, f:観測画像, fj:残差画像

2004/Nov/24 11th Physics Based Vision Seminar

終了

次回 3月? 発表者2名+宮崎 宮崎は以下のどれかをやる 変分法と有限要素法 外積展開 テンソル積展開 レベルセット リーマン幾何 2004/Nov/24 11th Physics Based Vision Seminar 次回 3月? 発表者2名+宮崎 宮崎は以下のどれかをやる 変分法と有限要素法 外積展開 テンソル積展開 レベルセット リーマン幾何

Daisuke Miyazaki 2004 Creative Commons Attribution 4 Daisuke Miyazaki 2004 Creative Commons Attribution 4.0 International License. http://www.cvl.iis.u-tokyo.ac.jp/