• 2018年11月13日(火) 10:30 ~ 17:30

１．フィルタ処理の基礎

　　（１）．基礎的な平滑化フィルタ（ボックスフィルタ、ガウシアンフィルタ、メディアンフィルタ）

　　（２）．先鋭化（アンシャープマスク処理）

　　（３）．異物抽出への応用例（DoG：Difference of Gaussian フィルタ）

　　（４）．基礎的な微分フィルタ（１階微分、２階微分、ラプラシアンフィルタ）

　　（５）．エッジ抽出

　　（６）．先鋭化（ラプラシアンフィルタを介しての）

２．高度な平滑化

　　（１）．エッジ保護機能を持つフィルタの紹介（バイラテラルフィルタ、WLS、Guided Image Filter、L0平滑化）

　　（２）．バイラテラルフィルタ

　　（３）．先鋭化の拡張（ハイダイナミックレンジ画像処理）

３．複数枚の画像を用いた平滑化法

　　（１）．全画像の平均値・メディアンなどを用いたノイズ除去

　　（２）．複数枚画像を用いたクロスフィルタリング

　　（３）．固有画像分解（特異値分解を用いた主成分となる画像の取得方法）

４．ノイズ除去への応用

　　（１）．縮退処理（閾値処理による微小値の削除、ソフト／ハード閾値処理）

　　（２）．画像の綺麗さを表す全変動（TV: Total Variation）

　　（３）．全変動最小化法（数理最適化に基づく画像復元処理でのTV や縮退処理 の用い方の紹介）

　　（４）．スイッチング・メディアンフィルタ

　　（５）．高性能手法の紹介（K－SVD、BM3D、深層学習）

５．高速化法の紹介（高性能なフィルタも遅ければ実用に向かない）

　　（１）．フーリエ変換を用いたフィルタリング（サイズの大きな線形フィルタの高速化）

　　（２）．範囲総和テーブルを用いたフィルタリング（ボックスフィルタの高速化）

　　（３）．メディアンフィルタの高速化（ヒストグラムを用いたメジアン（中央値）の高速な計算方法）

　　（４）．バイラテラルフィルタの高速化（輝度範囲の分割を活用した計算方法）

　　（５）．その他の高速化についての取り組みの紹介

６．色の変化を考慮した異物検出への活用法

　　（１）．色差の利用

　　（２）．色の分布を考慮した輝度・色差の計算法（主成分分析、マハラノビス距離、主成分軸からの距離）

　　（３）．線形判別分析を用いた色ムラ判別

講師PCによるMATLABデモを行います

日本テクノセンター研修室