|
本研究では、入力アナログ濃淡値画像またはビット数が大きな入力多値画像から、画素ごとの最大輝度、ビット数、色表現能力を可変にできる解像度変換可能な離散時間型セルラーネットワーク(DTCNN)を提案した。
DTCNNは、各画素に配置されたinner cellsによる局所的ダイナミクス(local dynamics)によるニューロン的な2値量子化動作によって2値以上の多値量子化関数を空間集合として表現し、画素面積内のセル数を可変にすることによって、階調と解像度を制御してデジタル画像を得る。与えられた解像度に対する多様な画像処理は、量子化値とAテンプレートの重みとの積和演算と、入力値とBテンプレートの重みとの積和演算とから成る大局的ダイナミクス(global dynamics)によって得られる。すなわち、面積階調法(中間調(灰色)を画素面積あたりの黒(0)と白(1)の面積の割合で表現する方式)に従って出力表示するために、DTCNNでは、大局的ダイナミクスと局所的ダイナミクスの両方を階層的に使ってデジタル中間調画像を得ることになる。
本研究では、高位論理合成(Parthenon)を用いてデジタル回路でDTCNNを設計し、実際にそのチップを用いて動作することを確認した。さらに、テンプレートはDTCNNのエネルギー最小化法、すなわち、出力低ビット量子化画像(デジタル画像)を人間の視覚フィルタに通して得られる再生画像と原画像とのひずみ誤差が最小となるように設計する新しい最適設計を提案した。DTCNNでは、歪関数とエネルギー関数とを一致できるため、平均自乗誤差の最小化によって、人間が知覚したデジタル低ビット中間調画像が原画像に近くなるようにできることがわかった。画像がどのような解像度で与えらえても、各サンプル入力濃淡画像に最も近い量子化レベルで、しかも、そのレベル数ができるかぎり小さくなるようにパラメータを選択できるようにすることができた。
|
