JPH07160796A

JPH07160796A - ニューラルネットによる信号処理装置

Info

Publication number: JPH07160796A
Application number: JP5339433A
Authority: JP
Inventors: Kunio Yamada; 邦男山田
Original assignee: Victor Company of Japan Ltd
Current assignee: Victor Company of Japan Ltd
Priority date: 1993-12-03
Filing date: 1993-12-03
Publication date: 1995-06-23

Abstract

(57)【要約】【目的】精度を限定した小規模で、学習効率に優れた
なニューラルネットを構築して、信号処理（エンハンス
処理、ノイズ低減処理）をする。【構成】ニューラルネット（１）の構築の対象を、劣
化後の信号を劣化前の信号に処理する既存の信号処理装
置自体とすると共に、ニューラルネットの学習の対象
を、ランダムのデータを既存の信号処理装置で処理した
データとする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ニューラルネットによ
る信号処理装置（例えば、画像エンハンス・画像ノイズ
低減装置）に係り、特に、既存の信号処理装置よりは簡
易な構成で、しかも、現実的なニューラルネットの構築
が可能な、ニューラルネットを利用した信号処理装置に
関するものである。

【０００２】

【従来の技術】従来より、アナログ回路の線形フィルタ
や非線形フィルタを利用した画像エンハンス装置や画像
ノイズ低減装置がある。エンハンス処理では、画像の輪
郭を強調するために、フィルタで高域成分を強調してい
た。ノイズ低減処理では、フィルタで高域成分を除去し
てノイズを減少させていた。このように、アナログ回路
を利用した画像処理回路では、処理特性にあったフィル
タ装置を設計して、装置を製作調整する必要がある。

【０００３】また、デジタル回路によるデジタルデータ
の演算によって、画像処理するデジタル画像処理装置も
ある。例えば、図５に示すように、時間的に前後した９
箇所の画像データを基にして、エンハンス処理やノイズ
低減処理をしていた。点Ｙは処理対象の点で、周辺の点
Ｘ1 〜Ｘ8 はそれぞれ所定の画素期間、水平ライン期間
前後した信号である。ここで、点Ｙの輝度データ（レベ
ル）をｙ、周辺の点Ｘ1 〜Ｘ8 の輝度データ（レベル）
の総和をＳとして、偏差ｍをｍ＝９ｙ−Ｓとする。この
とき、点Ｙの輝度データ（レベル）をＳ／９として、周
辺の点Ｘ1 〜Ｘ8の輝度データ（レベル）の平均とすれ
ば、ノイズ低減処理となる。また、点Ｙの輝度データ
（レベル）をｙ＋ 0.3ｍとして、周辺の点に応じて強調
すれば、エンハンス処理となる。さらに、偏差ｍの大き
さが一定値以下のときは、点Ｙの輝度データ（レベル）
をＳ／９とし、偏差ｍの大きさが一定値以上のときは、
点Ｙの輝度データ（レベル）をｙ＋ 0.3ｍすれば、ノイ
ズ低減処理とエンハンス処理とを行う装置ともなる。デ
ジタル計算による画像処理装置では、処理特性にあった
アルゴリズムを構築して、そのアルゴリズムを実行する
ための大規模なデジタル信号処理装置が必要である。

【０００４】このように、既存の信号処理装置（前述し
たアナログ回路のフィルタやデジタル画像処理装置）で
は、図３（Ａ）及び（Ｂ）に示すように、伝送系で信号
劣化が生じた場合、製作・調整した信号処理装置装置で
劣化後の信号を処理して出力して対応していた。これに
対して、最近では、ニューラルネットを利用した信号処
理装置の開発が試みられている。ニューラルネットを利
用すれば、学習処理が必要となる反面、前述した既存の
信号処理装置のように、複雑な処理手順（アルゴリズ
ム）の解析やそれを実現するための装置の製作・調整が
不要である。

【０００５】図４に示すように、ニューラルネットを利
用した信号処理装置では、伝送前（劣化前）の原信号と
伝送された劣化後の信号とから、学習処理をしてニュー
ラルネットがあらかじめ構築される。伝送前（劣化前）
の原信号を教師信号とし、伝送された劣化後の信号を学
習に用いる信号とし、学習に用いる信号をニューラルネ
ットに入力したときのニューラルネットの出力と教師信
号との差が小さくなるように、ユニット間の重みが求め
られ、ニューラルネットが構築される。そして、学習処
理がなされて構築されたニューラルネットに劣化した信
号を入力すると、劣化前の原信号に近似した信号が出力
されることになる。

【０００６】また、ニューラルネットによって画像信号
を処理する場合では、伝送前（劣化前）の原信号として
は自然画、テストパターンなどの画像信号データが用い
られる。そして、伝送された劣化後の信号としては、例
えば、ＶＴＲ（ビデオテープレコーダ）への記録再生に
伴う画像劣化に対処する信号処理装置（エンハンスや画
像ノイズ低減）の場合では、ＶＴＲで実際に記録再生さ
れ、劣化した画像（画像信号データ）が用いらている。

【０００７】

【発明が解決しようとする課題】しかしながら、従来の
ニューラルネットによる信号処理装置では、ニューラル
ネットをある程度大きくしないと（後述する図２に示す
３層のニューラルネットにより画像信号を処理する場合
では、中間層のユニット数を大きくしないと）、学習が
うまくできず重みの計算処理が発散してしまったり、学
習のための回数が非常に大きな回数となって、現実的な
ニューラルネットを構築することができないことがあっ
た。

【０００８】また、自然画などの画像信号データで学習
させると、特定の画像については（構築されたニューラ
ルネットの）処理効果が良いが、学習の対象に偏りが生
じるので処理効果が極端に悪くなることがあった。さら
に、自然画などの画像信号データで学習させると、学習
されずに重みの計算処理が発散してしまったり、学習の
ための回数が非常に大きな回数となることもあった。

【０００９】そこで、本発明は、従来のニューラルネッ
トのように、高精度・大規模なニューラルネットの構築
をやめて、必要な精度のみを具備した小規模で、学習効
率に優れたなニューラルネットを構築して、信号処理を
試みたものである。

【００１０】

【課題を解決するための手段】本発明は上記課題を解決
するために、例えば図１及び図２に示すように、劣化後
の信号を劣化前の信号に処理する（例えば、ノイズ低減
処理とエンハンス処理する）ニューラルネット（１）を
利用した信号処理装置において、前記ニューラルネット
の構築の対象を、劣化後の信号を劣化前の信号に処理す
る既存の信号処理装置自体（例えば、ノイズ低減処理と
エンハンス処理とを行う、デジタル計算による画像処理
装置）とすると共に、前記ニューラルネットの学習の対
象を、ランダムのデータを前記既存の信号処理装置で処
理したデータとしたことを特徴とするニューラルネット
による信号処理装置を提供するものである。

【００１１】

【作用】上記のように構成されたニューラルネットによ
る信号処理装置によれば、ニューラルネットの構築の対
象が、信号の劣化が生じる直接的な系の逆特性ではな
く、構築の対象が既存の信号処理装置（の系）に限定さ
れる。さらに、ニューラルネットの学習の対象が、自然
画やテストパターンなどの偏ったデータに限定されず、
高範囲なものとなる。

【００１２】

【実施例】以下に、本発明になるニューラルネットによ
る信号処理装置の一実施例を添付図面に基づいて詳述す
る。前述したように、本発明になるニューラルネットに
よる信号処理装置のは、従来のニューラルネットのよう
に、高精度・大規模なニューラルネットの構築をやめ
て、必要な精度のみを具備した小規模で、学習効率に優
れたなニューラルネットを構築して、信号処理を試みた
ものであり、以下のような特徴を有する。

【００１３】第１にニューラルネット構築の対象を、信
号の劣化が生じる直接的な系の逆特性ではなく、すなわ
ち図４に示したように信号の劣化が生じる系の前後の信
号を教師信号・学習に用いる信号とすることなく、既存
の信号処理装置で実行される処理自体を学習の対象とす
るものであり、すなわち図１に示すように従来の装置で
実行処理された前後の信号を教師信号・学習に用いる信
号とする。第２に、ニューラルネットの学習の対象（学
習材料）を、実在する（例えば、自然画やテストパター
ン）のデータではなく、機械的に発生させたランダムデ
ータとする。

【００１４】ここで、エンハンス処理とノイズ低減処理
とをなす装置を例として、本ニューラルネットによる信
号処理装置を具体的に説明する。本装置は、前述した図
５に示すように、時間的に前後した９箇所の画像データ
を基にして、エンハンス処理やノイズ低減処理をするも
のである。最初に、ニューラルネットによる信号処理装
置の構成について説明する。図２に示すように、入力さ
れた画像データ（例えば、輝度信号データ）は、１水平
ライン期間の遅延量を有する遅延素子２と、１画素期間
の遅延量を有する遅延素子３とで遅延されて、図５に示
した位置（時間）間隔で、対象とする画素Ｙとこの対象
とする画素Ｙに対して時間的・空間的に異なる周辺画素
Ｘ1 〜Ｘ8 、総計９箇所の画像データとしてニューラル
ネット１に入力するように構成されている。

【００１５】ニューラルネット１は、例えばバックプロ
パゲーションを学習方法とする層状（例えば、入力層，
中間層，出力層の３層）の周知のニューラルネットであ
り、可変の重みで結ばれた多数のユニット（ニューロ
ン、大きな白丸で示す）の結合体である。ユニットは非
線形の入出力特性を有する変換系であり、ユニットには
前層からの出力値に独立した重み（小さな黒丸で示す）
が乗算して得られた前層からの総和が入力され、この総
和が非線形変換されて後層に出力されている。入力層は
９個のユニット、中間層は４個のユニット、出力層は１
個のユニットで構成されている。

【００１６】そして、ニューラルネット１の学習では、
図１に示すように、既存の信号処理装置（例えば、前述
したノイズ低減処理とエンハンス処理とを行う、デジタ
ル計算による画像処理装置）で実行される処理自体（ア
ルゴリズム）を構築の対象としている。すなわち従来の
装置で実行処理された前後の信号を学習に用いる信号・
教師信号とする。

【００１７】前述したように、既存のデジタル計算によ
る画像処理装置では、次のようなアルゴリズム処理でノ
イズ低減処理とエンハンス処理をしている。処理対象の
点Ｙの輝度データ（レベル）をｙ、周辺の点Ｘ1 〜Ｘ8
の輝度データ（レベル）の総和をＳ、偏差ｍをｍ＝９ｙ
−Ｓとして、偏差ｍの大きさが一定値以下のときは、点
Ｙの輝度データ（レベル）をＳ／９とし、偏差ｍの大き
さが一定値以上のときは、点Ｙの輝度データ（レベル）
をｙ＋ 0.3ｍとする。

【００１８】そこで、ニューラルネット１の学習は、処
理対象の点Ｙと周辺の点Ｘ1 〜Ｘ8の輝度データ（レベ
ル）を学習に用いる信号とし、この時の教師信号として
は、上記アルゴリズムで計算された値としている。ニュ
ーラルネット１の出力値と、教師信号との差が小さくな
るように、バックプロパゲーションを学習方法としてユ
ニット間の重みが可変されて、学習がなされる。

【００１９】このとき、ニューラルネットの学習の対象
（学習材料）である輝度データ（処理対象の点Ｙと周辺
の点Ｘ1 〜Ｘ8 の輝度データ）は、従来のように、実在
する（例えば、自然画やテストパターン）のデータでは
なく、機械的に発生させたランダムデータからなる画像
データが入力される。このランダムデータを学習に用い
る信号とし、このランダムデータをもとに上記アルゴリ
ズムで計算された値が教師信号とされる。

【００２０】なお、ランダムデータからなる画像データ
（学習に用いる信号）の生成、既存の装置で実行される
処理と同様なアルゴリズムに基づく教師信号の算出、バ
ックプロパゲーションによる重みの可変収束処理など
は、ワークステーション（図示せず）上で計算処理され
るものである。

【００２１】表１は、従来のニューラルネットによる信
号処理装置と、本発明になるニューラルネットによる信
号処理装置とによる、学習過程及び画像処理結果を比較
したものである。従来例１，２において、ニューラルネ
ット構築の対象は、信号の劣化が生じる直接的な系の逆
特性（すなわち信号の劣化が生じる系の前後の信号を教
師信号・学習に用いる信号としている）であり、ニュー
ラルネット学習の対象は、自然画のデータである。従来
例１は中間層のユニット数が８で、比較的大規模なニュ
ーラルネットである。従来例２は中間層のユニット数が
４で、比較的小規模なニューラルネットである。なお、
前述したように、本発明になる信号処理装置のニューラ
ルネットは中間層のユニット数が４で、比較的小規模な
ものである。従来例１，２において、ニューラルネット
構築の対象、学習の対象、中間層のユニット数以外は、
図２に示すニューラルネットによる信号処理装置と同一
である。

【００２２】

【表１】

【００２３】表１より明らかなように、本発明になるニ
ューラルネットによる信号処理装置によれば、構築の対
象を限定しているので、必要な精度のみを具備した小規
模で（中間層のユニット数が４程度）、学習効率に優れ
たなニューラルネットを構築が可能である。つまり、従
来例１のように、高精度ゆえに大規模（中間層のユニッ
ト数が８程度）なものとなり学習回数がふえたり、反対
に、従来例２のように、小規模（中間層のユニット数が
４程度）ゆえに構築（学習）が不能となることもない。

【００２４】また、本発明になるニューラルネットによ
る信号処理装置によれば、学習の対象をランダムデータ
などの高範囲なものとして偏りが生じないようにしたの
で、適切な処理効果（レベル４〜５）が程々の学習で得
られる。つまり、従来例１のように、学習に使用した自
然画に近いものでは処理効果が極めて良い（レベル７〜
８）が、学習に使用した自然画と大幅に異なるものでは
処理効果が極めて悪いということがない（レベル２〜
３）。

【００２５】また、中間層のユニット数が４程度のニュ
ーラルネットは、オペアンプ，抵抗などで構成でき、既
存のフィルタ，デジタル信号処理装置と比較して、わず
かな部品で構成できる。

【００２６】したがって、既存の信号処理装置よりは簡
易な構成で、しかも、現実的なニューラルネットの構築
が可能となり、ニューラルネットを利用して信号処理を
なすことができる。

【００２７】なお、本実施例では、ニューラルネット構
築の対象とする既存の装置としては、前述したノイズ低
減処理とエンハンス処理とを行う、デジタル計算による
画像処理アルゴリズム（デジタル信号処理装置）とした
が、アナログ回路による線形フィルタや非線形フィルタ
を利用した画像エンハンス装置や画像ノイズ低減装置を
ニューラルネット構築の対象として、フィルタの入出力
信号を学習に用いる信号・教師信号としても良い。すな
わち既存の装置で実行処理された前後の信号を学習に用
いる信号・教師信号とすれば良い。

【００２８】また、本実施例では、輝度信号（輝度デー
タ）を例として説明したが、ＲＧＢの色信号や色差信号
に実施しても同様な効果が得られる。なお、処理内容
も、ノイズ低減処理とエンハンス処理とに限られるもの
ではない。

【００２９】

【発明の効果】以上説明したように、本発明になるニュ
ーラルネットを利用した信号処理装置は、ニューラルネ
ットの構築の対象を、劣化後の信号を劣化前の信号に処
理する既存の信号処理装置自体とすると共に、前記ニュ
ーラルネットの学習の対象を、ランダムのデータを前記
既存の信号処理装置で処理したデータとしたものである
から、構築の対象が限定され、学習の対象が偏らずに高
範囲なものとなり、必要な精度のみを具備した小規模
で、学習効率に優れたなニューラルネットを構築が可能
となる。したがって、既存の信号処理装置よりは簡易な
構成で、しかも、現実的なニューラルネットの構築が可
能となり、ニューラルネットを利用して信号処理をなす
ことができる。

【図面の簡単な説明】

【図１】本発明になるニューラルネットを利用した信号
処理装置の一実施例を説明する原理図である。

【図２】本発明になるニューラルネットを利用した信号
処理装置を説明する具体的な構成図である。

【図３】既存の信号処理装置による信号処理の概念を説
明する図である。

【図４】従来のニューラルネットを利用した信号処理装
置を説明する原理図である。

【図５】信号処理を説明するための、時間（位置）的に
前後した９箇所の画像データを示す図である。

【符号の説明】

１ニューラルネット２，３遅延素子Ｘ1 〜Ｘ8 周辺の点Ｙ処理対象の点

Claims

【特許請求の範囲】

【請求項１】劣化後の信号を劣化前の信号に処理するニ
ューラルネットを利用した信号処理装置において、前記ニューラルネットの構築の対象を、劣化後の信号を
劣化前の信号に処理する既存の信号処理装置自体とする
と共に、前記ニューラルネットの学習の対象を、ランダムのデー
タを前記既存の信号処理装置で処理したデータとしたこ
とを特徴とするニューラルネットによる信号処理装置。
【請求項２】エンハンス処理、またはノイズ低減処理を
するようにしたことを特徴とする請求項１に記載のニュ
ーラルネットによる信号処理装置。