2019 Fiscal Year Annual Research Report
単一画像に基づく高ダイナミックレンジ画像の生成法に関する研究
| Project/Area Number |
18J20326
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
木下 裕磨 首都大学東京, システムデザイン研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2018-04-25 – 2021-03-31
|
| Keywords | 高ダイナミックレンジ画像 / 画像処理 / 深層学習 / 色相 / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究は，平成30年度から3年間の計画であり，研究第2年度目では主に，(1)単一画像に基づく高ダイナミックレンジ(High Dynamic Range, HDR)画像生成法の開発，および(2)画像処理に起因する色歪み回避のための色相補正法の開発を実施した．
(1)では，単一画像に基づくHDR生成法の開発を行った．特に，深層学習を用いた画素値の線形化の実現によって，HDR画像生成法の精度を更に向上させることを目的に研究を遂行した．この目的を達成するため，低ダイナミックレンジ (Low Dynamic Range, LDR) 画像とHDR画像間の非線形な関係を考慮した損失関数を提案した．提案した損失関数は，可逆なトーンマッピングオペレータを用いて教師HDR画像を特殊なLDR画像に変換し，その後，このLDR画像と推定画像との距離を計算する．提案する損失関数を利用して学習された深層ニューラルネットワークにより推定される画像に対し，損失関数内で用いたトーンマッピングオペレータの逆関数を適用して画素値の線形化を行うことで，高精度のHDR画像生成が実現された．
(2)の画像処理に起因する色歪み回避のための色相補正法の開発は，(2)で開発したHDR画像生成法によって得られるHDR画像の色を制御する目的で実施した．深層学習を用いる画像処理法は，出力画像を制御することが困難であることから，入力画像の持つ色相に基づき出力画像の色相を補正する手法が必要とされる．開発した色相補正法は，CIELAB空間での色相の定義に従い，入力画像とある画像処理アルゴリズムで得られた画像間の色相が完全に一致するように補正処理を行う．開発した色相補正法は，深層学習を含む任意の画像処理アルゴリズムと組み合わせて利用することができる．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
深層学習技術の利用により，当初目的としていたより高い品質を持つ高ダイナミックレンジ画像の生成が既に実現したため．今後は，さらに高性能な高ダイナミックレンジ画像生成法の開発を目指し，深層学習アルゴリズムの改良を行う．
|
| Strategy for Future Research Activity |
本研究当初に予定していた単一画像に基づくHDR画像生成法の開発は順調に進んでおり，現在は，生成されるHDR画像のさらなる精度向上を目指す段階にある．第3年度は，深層学習そのものの性能を向上させることにより，高品質HDR画像の生成の実現を計画している．特に，深層学習アルゴリズムの一つである畳み込みニューラルネットワークは，チェス盤歪みと呼ばれるある種の歪みを引き起こすことが知られている．この歪みを抑制することが，深層学習の性能向上に寄与すると期待している．
|
