研究課題/領域番号 |
19H01801
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分12020:数理解析学関連
|
研究機関 | 早稲田大学 |
研究代表者 |
新井 仁之 早稲田大学, 教育・総合科学学術院, 教授 (10175953)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
10,400千円 (直接経費: 8,000千円、間接経費: 2,400千円)
2022年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2021年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2020年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
キーワード | フレームレット / 応用調和解析 / 非線形画像処理 / ディジタルフィルタ / かざぐるまフレームレット / 離散調和解析 / 2次元ディジタル・フィルタ / 画像処理 / 錯視 / 調和解析 / 窓関数 / 非線形的画像処理 / 画像の鮮鋭化 / フィルタリング / 2Dフィルタ / ウェーブレット / 多重解像度解析 / 視覚情報処理 / 錯視アート / ディジタル・フィルタ |
研究開始時の研究の概要 |
本研究では,調和解析学の方法を用いた画像処理の研究を行う.また必要に応じて画像処理に関連した調和解析学そのものの研究も行う.画像処理としては,例えば各種画像処理用のディジタル・フィルタの新しい設計法に関する研究,非線形的な画像処理の研究などを行う.本研究では,従来の方法とは異なった視点,すなわち調和解析学に基づいた方法,特に調和解析で研究されてきたウェーブレットを進化させたフレームレットの一つである「かざぐるまフレームレット」(新井・新井)とそれを用いた脳内の視覚情報処理の数理モデル(新井・新井)を基礎にした研究を行う.またかざぐるまフレームレットなどを用いた視覚アート作品の創出と解析も行う.
|
研究実績の概要 |
2021年度の研究は,新型コロナウイルス感染症拡大のために方針を変更する必要性があった。そのため2022年度に繰り越して研究を行った。この変更により,繰り越し延長した2022年度は,ディジタル・フィルタの設計や各種の非線形的な画像処理の研究に,人工知能,特にたたみ込みニューラルネットワークを構築して応用することについて研究を進めた。 具体的には2次元ディジタル・フィルタや非線形的な画像処理への応用ならびに検証をどのようにすればよいかを検討した。そして,今回のニューラルネットワークの使用用途から,特定のデータを準備して,それをゼロから学習させるためのたたみ込みニューラルネットワークの構築をすることにした。そのため既存のものを参考にしつつ,本研究用のたたみ込みニューラルネットワークの構築を行った。さらに,これに関するプログラミングも何通りか行った。デバッグに時間がかかったが,それも行った。プログラミング言語としては,MATLABを使用した。その理由は,MATLABは本研究の基盤となる視知覚の数理モデリングならびにその各種画像処理への応用に関する研究代表者による研究でこれまで使用してきたものであり,そのプログラムやノウハウを援用できるからである。今回の繰り越し延長により,2022年度分の研究の実施のためのたたみ込みニューラルネットワークに関する基盤を作ることができた。また機械学習の学習用のデータの構築など2022年度の研究を行うための基盤を準備した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究方針変更のため,新たにたたみ込みニューラルネットワークの構築を行った。また機械学習用のデータ構築の基盤を準備した。
|
今後の研究の推進方策 |
2021年度分の研究を2022年に繰り越して行った成果に基づき,(繰り越しでない)2022年度分の研究において,ディジタル・フィルタおよび非線形的な画像処理に関する研究を行っていく予定である。(なおその2022年度分の研究において判明したこと,およびそれに関する検討・対処については,2022年度分の研究実績報告書において報告予定である。)
|