WEKO3
アイテム
ニューラルネットワークとイルミネーションプランニングを用いた濃淡画像からの曲面の分類
https://nitech.repo.nii.ac.jp/records/4794
https://nitech.repo.nii.ac.jp/records/47941911689b-fb88-4143-a040-5c22eb70b8e3
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright(c)2000 IEICE http://search.ieice.org/index.html
|
Item type | 学術雑誌論文 / Journal Article(1) | |||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
公開日 | 2012-11-07 | |||||||||||||||
タイトル | ||||||||||||||||
タイトル | ニューラルネットワークとイルミネーションプランニングを用いた濃淡画像からの曲面の分類 | |||||||||||||||
言語 | ja | |||||||||||||||
言語 | ||||||||||||||||
言語 | jpn | |||||||||||||||
資源タイプ | ||||||||||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||||||
資源タイプ | journal article | |||||||||||||||
その他(別言語等)のタイトル | ||||||||||||||||
その他のタイトル | ニューラル ネットワーク ト イルミネーション プランニング オモチイタ ノウタン ガゾウ カラノ キョクメン ノ ブンルイ | |||||||||||||||
言語 | ja-Kana | |||||||||||||||
その他(別言語等)のタイトル | ||||||||||||||||
その他のタイトル | Classification of Surface Curvature from Shading Images Using Neural Network and Illumination Planning | |||||||||||||||
言語 | en | |||||||||||||||
著者 |
福井, 真二
× 福井, 真二
× 岩堀, 祐之
× Robert, J. Woodham
× 岩田, 彰
|
|||||||||||||||
著者別名 | ||||||||||||||||
姓名 | Iwata, Akira | |||||||||||||||
bibliographic_information |
ja : 電子情報通信学会論文誌. D-2, 情報・システム. 2, パターン処理 巻 J83-D2, 号 2, p. 610-622, 発行日 2000-02-20 |
|||||||||||||||
出版者 | ||||||||||||||||
出版者 | Institute of Electronics, Information and Communication Engineers | |||||||||||||||
言語 | en | |||||||||||||||
ISSN | ||||||||||||||||
収録物識別子タイプ | ISSN | |||||||||||||||
収録物識別子 | 0915-1923 | |||||||||||||||
item_10001_source_id_32 | ||||||||||||||||
収録物識別子タイプ | NCID | |||||||||||||||
収録物識別子 | AA11340957 | |||||||||||||||
出版タイプ | ||||||||||||||||
出版タイプ | VoR | |||||||||||||||
出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||||||
内容記述 | ||||||||||||||||
内容記述タイプ | Other | |||||||||||||||
内容記述 | 本論文ではニューラルネットワークとイルミネーションプランニングを用いて複数枚の濃淡画像から対象物体の局所的な曲面の曲率符号を復元する新しい手法を提案している.光源方向が互いに近い場合において,球の各点の画像濃度の分布を主成分分析による特徴抽出と次元圧縮の変換を行った後,変換後の情報と座標の関係を,RBFニューラルネットワークを用いて学習する.曲率の特徴は6種類存在し,それらは,テスト物体の濃淡画像上の任意の点の近傍4点をそれらの点と同じ画像濃度をもつ球上の点にニューラルネットを用いて写像したときに,各々の曲率の種類に依存して写像されるパターンの特徴を利用して,ガウス曲率の符号のみならず,濃淡画像から直接的に6種類の曲面に分類を行うことができる.提案する手法はイルミネーションプランニングによりテスト物体の各点ごとにcast shadowを生じない光源の組合せを考えて,3光源照度差ステレオの問題であるcast shadow領域を取り除くことができるとともに,よりロバストな結果を得ることが可能である.本方法では,複数光源の光源方向の情報を既知とせず,かつ,面の反射特性に対する何らかの関数を仮定することなく,物理的な入出力の関係をニューラルネットワークによって直接学習し,高次のノンパラメトリック関数近似を行う照度差ステレオを採用している.本手法を計算機実験により検証・評価を行うとともに,その有効性を確認した. | |||||||||||||||
言語 | ja |