本發(fā)明涉及用于根據(jù)第1特征矢量來(lái)預(yù)測(cè)第2特征矢量的系統(tǒng)、方法以及程序。
背景技術(shù):
可能有如下情況:學(xué)習(xí)2個(gè)信息之間的關(guān)系,利用該學(xué)習(xí)結(jié)果而針對(duì)處理對(duì)象信息預(yù)測(cè)新的信息。例如在超分辨技術(shù)中,由低分辨率的原圖像生成高分辨率的圖像。這種超分辨技術(shù)隨著顯示器裝置的高分辨率化而受到注目,逐漸被各種設(shè)備等采用。在這種超分辨技術(shù)中,類(lèi)推失去的高頻成分。例如在將某個(gè)圖像數(shù)據(jù)的像素尺寸沿橫向和縱向放大的情況下,計(jì)算相鄰的2個(gè)像素的中間值,用該中間值的像素來(lái)填補(bǔ)這些像素之間。在該計(jì)算方法中,失去的高頻成分不再現(xiàn),放大圖像的邊界線變得模糊。另一方面,在超分辨技術(shù)中,分析像素的圖案,計(jì)算認(rèn)為適當(dāng)?shù)南袼兀糜?jì)算出的像素填補(bǔ)原圖像的相鄰的像素彼此之間,從而類(lèi)推高頻成分。
在超分辨技術(shù)中,將補(bǔ)片超分辨率和高頻成分預(yù)測(cè)結(jié)合(例如參照非專(zhuān)利文獻(xiàn)1)。在該文獻(xiàn)中記載的技術(shù)中,作為從低頻成分預(yù)測(cè)高頻成分的方法,將低頻和高頻使用pca降低維度,使用回歸分析來(lái)預(yù)測(cè)高分辨圖像。在這種情況下,作為后處理而采用雙向過(guò)濾器。
另外,使用較少的硬件資源來(lái)高速地進(jìn)行處理的技術(shù)也正在研究(例如,參照專(zhuān)利文獻(xiàn)1)。在該文獻(xiàn)中記載的技術(shù)中,首先將作為處理對(duì)象的圖像分為場(chǎng)面。使用適合場(chǎng)面的字典表,對(duì)字典進(jìn)行樹(shù)檢索,從而類(lèi)推失去的高頻成分。為了使字典表的檢索高速化,使用主成分分析,將作為檢索關(guān)鍵而使用的序號(hào)位表(indexbitmap)變換成作為標(biāo)量值的第一主成分以及第二主成分,并且由第一主成分和第二主成分進(jìn)行分組,計(jì)算其平均值。
現(xiàn)有技術(shù)文獻(xiàn)
專(zhuān)利文獻(xiàn)
專(zhuān)利文獻(xiàn)1:日本特開(kāi)2013-26659號(hào)公報(bào)
非專(zhuān)利文獻(xiàn)
非專(zhuān)利文獻(xiàn)1:columbiauniversity,weiliu1,其他,「hallucinatingfaces:tensorpatchsuper-resolutionandcoupledresiduecompensation」、[online]、columbiauniversity、2014年9月23日検索、互聯(lián)網(wǎng)<http://www.ee.columbia.edu/-wliu/cvpr05_liuwei1.pdf>
技術(shù)實(shí)現(xiàn)要素:
發(fā)明所要解決的課題
如上所述,在超分辨技術(shù)中,進(jìn)行了用于高速化、高畫(huà)質(zhì)化的各種嘗試。但是,在非專(zhuān)利文獻(xiàn)1所述的技術(shù)中,雖然進(jìn)行主成分分析,但是高分辨率圖像是通過(guò)回歸分析進(jìn)行預(yù)測(cè)。在這種情況下,當(dāng)針對(duì)每個(gè)主成分系數(shù)獨(dú)立地回歸學(xué)習(xí)低分辨率和高分辨率之間的關(guān)系時(shí),良好精度的主成分系數(shù)和較差的精度的主成分系數(shù)混在一起,所以有時(shí)整體精度出現(xiàn)問(wèn)題。
另外,在專(zhuān)利文獻(xiàn)1所述的技術(shù)中,為了削減字典數(shù)據(jù)的數(shù)據(jù)量和檢索高速化而進(jìn)行主成分分析,但是沒(méi)有考慮主成分系數(shù)的方差。
本發(fā)明的目的在于提供一種用于根據(jù)第1信息、即特征矢量來(lái)有效地預(yù)測(cè)第2信息、即特征矢量的系統(tǒng)、方法以及程序。
用于解決課題的手段
在本發(fā)明的一個(gè)方式中,提供用于預(yù)測(cè)信息的系統(tǒng)。該系統(tǒng)具備:存儲(chǔ)學(xué)習(xí)對(duì)象的學(xué)習(xí)對(duì)象存儲(chǔ)部;存儲(chǔ)學(xué)習(xí)結(jié)果的學(xué)習(xí)結(jié)果存儲(chǔ)部;以及與輸入部連接的控制部。所述控制部執(zhí)行學(xué)習(xí)處理,在該學(xué)習(xí)處理中,針對(duì)被存儲(chǔ)于所述學(xué)習(xí)對(duì)象存儲(chǔ)部的每個(gè)學(xué)習(xí)對(duì)象計(jì)算第1特征矢量以及第2特征矢量,將所述第1特征矢量的主成分系數(shù)矢量和第2特征矢量的主成分系數(shù)矢量除以表示所述主成分系數(shù)矢量的偏差的指標(biāo),從而生成行矢量,使用所有的學(xué)習(xí)對(duì)象的所述行矢量進(jìn)行主成分分析,從而由第1特征矢量的主成分系數(shù)矢量和第2特征矢量的主成分系數(shù)矢量生成主成分基礎(chǔ)矢量,將所述主成分基礎(chǔ)矢量與所述第1特征矢量的平均矢量以及第2特征矢量的平均矢量一起存儲(chǔ)于所述學(xué)習(xí)結(jié)果存儲(chǔ)部。另外,所述控制部執(zhí)行預(yù)測(cè)處理,在該預(yù)測(cè)處理中,計(jì)算被所述輸入部指定的處理對(duì)象的第1特征矢量的主成分系數(shù)矢量,使用被存儲(chǔ)于所述學(xué)習(xí)結(jié)果存儲(chǔ)部的所述主成分基礎(chǔ)矢量,計(jì)算第2特征矢量的主成分系數(shù)矢量,使用所述第2特征矢量的主成分系數(shù)矢量,計(jì)算所述處理對(duì)象的第2特征矢量。由此,能有效地且準(zhǔn)確地預(yù)測(cè)第2特征矢量。
在一個(gè)實(shí)施方式中,所述控制部能將所述主成分基礎(chǔ)矢量和所述第1特征矢量的成分正交化,并存儲(chǔ)于所述學(xué)習(xí)結(jié)果存儲(chǔ)部。由此,利用正交化,能使計(jì)算高速化。
在一個(gè)實(shí)施方式中,所述控制部執(zhí)行后處理,在所述后處理中,將計(jì)算出的高分辨率信息(第2特征矢量)壓縮,計(jì)算已壓縮的高分辨率信息和所述處理對(duì)象的低分辨率信息(第1特征矢量)的差分,將所述差分與基準(zhǔn)值進(jìn)行比較,在所述差分大于所述基準(zhǔn)值的情況下,將所述差分放大,從所述高分辨率信息減去放大的差分。由此,能糾正預(yù)測(cè)時(shí)產(chǎn)生的誤差。
在一個(gè)實(shí)施方式中,表示所述偏差的指標(biāo)能設(shè)定成所述主成分系數(shù)矢量的標(biāo)準(zhǔn)偏差。由此,各系數(shù)的尺度變得相等,能有效地利用主成分分析的優(yōu)點(diǎn)。
在其他方式中,提供用于使用所述系統(tǒng)預(yù)測(cè)信息的方法。
此外,在其他方式中,提供存儲(chǔ)有用于使用所述系統(tǒng)來(lái)預(yù)測(cè)信息的程序的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
發(fā)明效果
根據(jù)本發(fā)明,能根據(jù)第1特征矢量來(lái)有效地預(yù)測(cè)第2特征矢量。
附圖說(shuō)明
圖1是本實(shí)施方式的圖像處理系統(tǒng)的說(shuō)明圖。
圖2是圖1的系統(tǒng)的處理步驟的說(shuō)明圖,圖2(a)是第1學(xué)習(xí)處理的說(shuō)明圖,圖2(b)是第2學(xué)習(xí)處理的說(shuō)明圖。
圖3是圖1的系統(tǒng)的處理步驟的說(shuō)明圖。
圖4是圖1的系統(tǒng)的處理步驟的說(shuō)明圖。
圖5是圖1的系統(tǒng)的超分辨率處理的處理步驟的概要說(shuō)明圖。
圖6是圖1的系統(tǒng)的處理步驟的說(shuō)明圖。
圖7是圖1的系統(tǒng)的處理步驟的說(shuō)明圖。
圖8是圖1的系統(tǒng)的處理步驟的說(shuō)明圖。
圖9是圖1的系統(tǒng)的處理步驟的說(shuō)明圖。
圖10是圖1的系統(tǒng)的優(yōu)點(diǎn)的說(shuō)明圖。
圖11是圖1的系統(tǒng)的優(yōu)點(diǎn)的說(shuō)明圖。
圖12是圖1的系統(tǒng)的優(yōu)點(diǎn)的說(shuō)明圖。
圖13是圖1的系統(tǒng)的優(yōu)點(diǎn)的說(shuō)明圖。
圖14是圖1的系統(tǒng)的優(yōu)點(diǎn)的說(shuō)明圖。
具體實(shí)施方式
以下,參照?qǐng)D1-圖14說(shuō)明將本發(fā)明具體化的系統(tǒng)的一個(gè)實(shí)施方式。在本實(shí)施方式中,對(duì)適用到提高面部圖像的分辨率的超分辨技術(shù)的情況進(jìn)行說(shuō)明。
如圖1所示,在本實(shí)施方式中,采用圖像處理系統(tǒng)20。在該圖像處理系統(tǒng)20連接有輸入部10和輸出部15。輸入部10由鍵盤(pán)、指示器構(gòu)成,取得由負(fù)責(zé)人輸入的信息。輸出部15由顯示器構(gòu)成,輸出各種信息。
圖像處理系統(tǒng)20是用于進(jìn)行超分辨率處理的計(jì)算機(jī)系統(tǒng)。該圖像處理系統(tǒng)20具備:控制部21;作為學(xué)習(xí)對(duì)象存儲(chǔ)部的面部圖像存儲(chǔ)部22;以及學(xué)習(xí)結(jié)果存儲(chǔ)部23。
控制部21具備控制單元(cpu、ram、rom等),進(jìn)行后述的處理(學(xué)習(xí)階段、超分辨率階段、第1預(yù)測(cè)階段、第2預(yù)測(cè)階段、后處理階段、特征點(diǎn)抽出階段、網(wǎng)格劃分階段、正規(guī)化階段、特征圖像抽出階段、主成分分析階段等的各種處理等)。通過(guò)執(zhí)行上述程序,如圖1所示,控制部21作為學(xué)習(xí)部210、超分辨率部215、第1預(yù)測(cè)部216、第2預(yù)測(cè)部217、后處理部218、特征點(diǎn)抽出部21a、網(wǎng)格劃分部21b、正規(guī)化部21c、特征圖像抽出部21d、主成分分析部21e而發(fā)揮作用。
學(xué)習(xí)部210執(zhí)行使用高分辨率圖像和與該高分辨率圖像對(duì)應(yīng)的低分辨率圖像,來(lái)生成超分辨率處理所需要的信息的處理。
超分辨率部215執(zhí)行提高處理對(duì)象圖像(輸入圖像)的分辨率的超分辨率處理。超分辨率部215具備存儲(chǔ)器,在存儲(chǔ)器中存儲(chǔ)有處理對(duì)象圖像以及計(jì)算中的圖像。
第1預(yù)測(cè)部216在主成分矢量正交化的情況下,執(zhí)行計(jì)算高分辨率補(bǔ)片的最優(yōu)解的處理。
第2預(yù)測(cè)部217在主成分矢量沒(méi)有正交化的情況下,進(jìn)行檢索高分辨率補(bǔ)片的最優(yōu)解的處理。第2預(yù)測(cè)部217保持有與檢索主成分系數(shù)的最優(yōu)解時(shí)輕微移動(dòng)的擺動(dòng)寬度相關(guān)的數(shù)據(jù)。
后處理部218執(zhí)行使用生成的超分辨率圖像來(lái)調(diào)整誤差的處理。在本實(shí)施方式中,采用ibp(iterativebackprojection:迭代反投影)法。該后處理部218保持有與用于判斷超分辨率結(jié)果的妥當(dāng)性的閾值相關(guān)的數(shù)據(jù)。
特征點(diǎn)抽出部21a執(zhí)行在處理對(duì)象圖像中抽出特征點(diǎn)的處理。在本實(shí)施方式中,通過(guò)圖案識(shí)別來(lái)抽出代表面部圖像的特征點(diǎn)(例如,面部的輪廓、面部的要素位置)。
網(wǎng)格劃分部21b執(zhí)行基于抽出的特征點(diǎn),將處理對(duì)象圖像劃分為規(guī)定形狀的網(wǎng)格的處理。在本實(shí)施方式中,采用三角剖分(delaunay)法,生成三角形狀的網(wǎng)格。該三角剖分法是將空間內(nèi)的點(diǎn)連結(jié)而生成三角形的組,使相對(duì)于該三角形的所有的角度的最小角度變得最大的方法。
正規(guī)化部21c執(zhí)行以處理對(duì)象圖像中的特征點(diǎn)配置在預(yù)先規(guī)定的位置的方式使網(wǎng)格變形的處理。在本實(shí)施方式中,作為預(yù)先規(guī)定的位置,采用平均面部的配置。因此,正規(guī)化部21c預(yù)先保持有與平均面部的配置圖案相關(guān)的數(shù)據(jù)。此外,正規(guī)化部21c執(zhí)行使變形的網(wǎng)格復(fù)原的復(fù)原處理。因此,正規(guī)化部21c存儲(chǔ)有為了正規(guī)化而變形時(shí)的變換信息。
特征圖像抽出部21d執(zhí)行抽出為了從正規(guī)化的處理對(duì)象圖像生成超分辨率圖像所需要的特征量的處理。在本實(shí)施方式中,作為特征量,采用圖像的高頻成分。另外,如后述的那樣,也可以采用處理對(duì)象圖像本身(原圖像),作為特征量。
主成分分析部21e執(zhí)行主成分分析處理,在主成分分析處理中,在多個(gè)數(shù)據(jù)中以具有大方差的方向的順序計(jì)算正交矢量。主成分分析部21e通過(guò)進(jìn)行主成分分析處理,從而計(jì)算固有值和固有矢量(基礎(chǔ)矢量)。在此,固有值表示方差。另外,基礎(chǔ)矢量以具有大方差的方向的順序排列。由于越是下級(jí)的主成分信息就越少,所以在達(dá)到規(guī)定的累計(jì)貢獻(xiàn)率(正規(guī)化固有值的累計(jì))的時(shí)刻舍去之后的矢量,也就是說(shuō)從考慮中排除,從而對(duì)維度進(jìn)行限定以減輕計(jì)算負(fù)荷。
接著,說(shuō)明各存儲(chǔ)部所存儲(chǔ)的信息。
面部圖像存儲(chǔ)部22存儲(chǔ)與用于學(xué)習(xí)的面部圖像(學(xué)習(xí)對(duì)象)相關(guān)的學(xué)習(xí)用圖像數(shù)據(jù)。該學(xué)習(xí)圖像數(shù)據(jù)在登記為了超分辨率處理而進(jìn)行的學(xué)習(xí)中使用的數(shù)據(jù)的情況下被存儲(chǔ)。在該面部圖像數(shù)據(jù)中,與數(shù)據(jù)號(hào)碼進(jìn)行關(guān)聯(lián)地存儲(chǔ)有多個(gè)面部圖像。
學(xué)習(xí)結(jié)果存儲(chǔ)部23存儲(chǔ)有通過(guò)耦合學(xué)習(xí)而生成的主成分基礎(chǔ)矢量和平均矢量。在此,第i個(gè)的耦合補(bǔ)片矢量的平均矢量可以表示為如下。
(式1)
另外,第i個(gè)的耦合補(bǔ)片矢量(patchvector)的、第n個(gè)的主成分的主成分基礎(chǔ)矢量可以表示為如下。
(式2)
以下,說(shuō)明在上述圖像處理系統(tǒng)20中生成超分辨率圖像的處理。該處理由學(xué)習(xí)處理和超分辨率處理構(gòu)成。
(學(xué)習(xí)處理)
首先,使用圖2說(shuō)明學(xué)習(xí)處理。該學(xué)習(xí)處理包括第1學(xué)習(xí)處理和第2學(xué)習(xí)處理。在第1學(xué)習(xí)處理中,生成以調(diào)整尺寸、面部要素(parth)的位置的方式正規(guī)化的高分辨率和低分辨率的一對(duì)面部圖像。在第2學(xué)習(xí)處理中,將高分辨率和低分辨率的一對(duì)面部圖像分別劃分成規(guī)定形狀(例如,四角形)的要素(補(bǔ)片)。以補(bǔ)片單位通過(guò)主成分分析來(lái)耦合學(xué)習(xí)“低分辨率、高分辨率”的關(guān)系。
(第1學(xué)習(xí)處理)
首先,使用圖2(a)說(shuō)明第1學(xué)習(xí)處理。
在此,圖像處理系統(tǒng)20的控制部21在被存儲(chǔ)于面部圖像存儲(chǔ)部22的面部圖像數(shù)據(jù)中,依次確定處理對(duì)象的數(shù)據(jù),反復(fù)進(jìn)行以下處理。
首先,控制部21執(zhí)行特征點(diǎn)抽出處理(步驟s1-1)。具體地講,控制部21的學(xué)習(xí)部210利用特征點(diǎn)抽出部21a,來(lái)確定面部的輪廓、面部要素的特征點(diǎn)。在本實(shí)施方式中,采用主要用于面部表情的跟蹤、面部的識(shí)別等的aam(activeappearancemodels:主動(dòng)外觀模型)法的自動(dòng)抽出。在該aam法中,將對(duì)象物體(人的面部)以有限個(gè)頂點(diǎn)模型化,將該模型擬合到輸入圖像,從而抽出對(duì)象物體的特征點(diǎn)。
接著,控制部21執(zhí)行網(wǎng)格劃分處理(步驟s1-2)。具體地講,學(xué)習(xí)部210利用網(wǎng)格劃分部21b將配置了已抽出的特征點(diǎn)的面部圖像進(jìn)行網(wǎng)格劃分。
接著,控制部21執(zhí)行正規(guī)化處理(步驟s1-3)。具體地講,學(xué)習(xí)部210利用正規(guī)化部21c使各網(wǎng)格的方格移動(dòng)到預(yù)先規(guī)定的網(wǎng)格位置(例如、平均面部),使由網(wǎng)格構(gòu)成的三角形變形。由此,能生成所有的面部圖像的特征點(diǎn)的位置一致的面部圖像數(shù)據(jù)。
如上,針對(duì)被存儲(chǔ)于面部圖像存儲(chǔ)部22的所有的面部圖像數(shù)據(jù)反復(fù)進(jìn)行第1學(xué)習(xí)處理,直到結(jié)束為止。
(第2學(xué)習(xí)處理)
接著,使用圖2(b)說(shuō)明第2學(xué)習(xí)處理。
在此,首先,控制部21確定處理對(duì)象的分辨率(低分辨率、高分辨率),并針對(duì)每個(gè)分辨率反復(fù)進(jìn)行以下處理。
在此,在被存儲(chǔ)于面部圖像存儲(chǔ)部22的面部圖像數(shù)據(jù)中依次確定處理對(duì)象的數(shù)據(jù),反復(fù)進(jìn)行以下處理。
首先,控制部21對(duì)目標(biāo)圖像執(zhí)行調(diào)整大小處理(步驟s2-1)。具體地講,控制部21將目標(biāo)圖像變換為用于后述的耦合學(xué)習(xí)的圖像尺寸(低分辨率圖像、高分辨率圖像)。
接著,控制部21執(zhí)行特征量抽出處理(步驟s2-2)。具體地講,學(xué)習(xí)部210利用特征圖像抽出部21d從正規(guī)化的目標(biāo)圖像抽出超分辨率所需要的特征量。后面詳細(xì)敘述該處理。
接著,控制部21執(zhí)行補(bǔ)片分割處理(步驟s2-3)。具體地講,學(xué)習(xí)部210將目標(biāo)圖像劃分為預(yù)先規(guī)定的個(gè)數(shù)(規(guī)定個(gè)數(shù))的補(bǔ)片。在本實(shí)施方式中,例如生成(25*25)像素的補(bǔ)片。
接著,控制部21確定處理對(duì)象的補(bǔ)片,針對(duì)每個(gè)補(bǔ)片反復(fù)進(jìn)行以下處理。
在此,控制部21執(zhí)行矩陣的生成處理(步驟s2-4)。具體地講,學(xué)習(xí)部210針對(duì)處理對(duì)象的補(bǔ)片,生成2維補(bǔ)片數(shù)據(jù)。在此,生成將處理對(duì)象補(bǔ)片中的rgb值按每個(gè)像素排列的2維補(bǔ)片數(shù)據(jù)。學(xué)習(xí)部210將生成的2維補(bǔ)片數(shù)據(jù)變換為一維行補(bǔ)片矢量(pij)。在此,“i”是補(bǔ)片位置,“j”是確定面部圖像數(shù)據(jù)的變量。學(xué)習(xí)部210將一維行補(bǔ)片矢量(pij)儲(chǔ)存于矩陣di。
在此,與低分辨率補(bǔ)片相關(guān)的數(shù)據(jù)矩陣dli可以表現(xiàn)為如下。
(式3)
另外,與高分辨率補(bǔ)片相關(guān)的數(shù)據(jù)矩陣dhi可以表現(xiàn)為如下。
(式4)
直到針對(duì)處理對(duì)象的面部圖像數(shù)據(jù)中的所有的補(bǔ)片的處理結(jié)束為止反復(fù)執(zhí)行。
將以上的處理反復(fù)執(zhí)行,直到針對(duì)所有的面部圖像數(shù)據(jù)的處理結(jié)束為止。
接著,控制部21執(zhí)行主成分分析處理(步驟s2-5)。具體地講,學(xué)習(xí)部210利用主成分分析部21e針對(duì)每個(gè)補(bǔ)片,使用數(shù)據(jù)矩陣(dli、數(shù)據(jù)矩陣dhi)進(jìn)行主成分分析。
在這種情況下,針對(duì)低分辨率,計(jì)算出以下的主成分系數(shù)、主成分基礎(chǔ)矢量。
(式5)
(式6)
另外,針對(duì)每個(gè)高分辨率,計(jì)算出以下的主成分系數(shù)、主成分基礎(chǔ)矢量。
(式7)
(式8)
在此,將補(bǔ)片矢量的平均矢量可以表現(xiàn)為如下。
(式9)
(式10)
在這種情況下,低分辨率的面部圖像數(shù)據(jù)“j”的第“i”個(gè)補(bǔ)片矢量可以表現(xiàn)為如下。
(式11)
另外,高分辨率的面部圖像數(shù)據(jù)“j”的第“i”個(gè)補(bǔ)片矢量可以表示為如下。
(式12)
另外,nmax(i)通過(guò)限制為累計(jì)貢獻(xiàn)率98%程度的主成分,從而能將維數(shù)減少到100左右。
直到針對(duì)所有的分辨率(低分辨率圖像、高分辨率圖像)的處理結(jié)束為止反復(fù)執(zhí)行。
接著,控制部21執(zhí)行耦合學(xué)習(xí)處理(步驟s2-6)。具體地講,學(xué)習(xí)部210針對(duì)將低分辨率補(bǔ)片和高分辨率補(bǔ)片的主成分系數(shù)合并的矢量,再次針對(duì)每個(gè)補(bǔ)片進(jìn)行主成分分析,從而學(xué)習(xí)相關(guān)關(guān)系。后面詳細(xì)敘述該處理。
(特征量抽出處理)
接著,使用圖3說(shuō)明特征量抽出處理(步驟s2-2)。
首先,控制部21執(zhí)行原圖像的縮小處理(步驟s3-1)。具體地講,控制部21的特征圖像抽出部21d將處理對(duì)象的面部圖像壓縮而將尺寸縮小化。由此,面部圖像的高頻成分被除去。
接著,控制部21執(zhí)行低頻成分的計(jì)算處理(步驟s3-2)。具體地講,特征圖像抽出部21d將縮小化的面部圖像數(shù)據(jù)放大成原來(lái)的尺寸。在這種情況下,以原來(lái)的尺寸生成由低頻成分構(gòu)成的圖像數(shù)據(jù)(低頻成分圖像)。
接著,控制部21執(zhí)行高頻成分的計(jì)算處理(步驟s3-3)。具體地講,特征圖像抽出部21d從原來(lái)的面部圖像刪除低頻成分圖像,從而抽出高頻成分。
(耦合學(xué)習(xí)處理)
接著,使用圖4說(shuō)明耦合學(xué)習(xí)處理。在此,將低分辨率補(bǔ)片的主成分系數(shù)和高分辨率補(bǔ)片的主成分系數(shù)耦合而生成一個(gè)行矢量(一維矢量)。將生成的行矢量存儲(chǔ)于矩陣,再次進(jìn)行主成分分析。通過(guò)將低分辨率補(bǔ)片的信息和高分辨率補(bǔ)片的信息耦合而進(jìn)行主成分分析,從而學(xué)習(xí)低分辨率補(bǔ)片和高分辨率補(bǔ)片之間的關(guān)系。
首先,控制部21執(zhí)行行矢量的生成處理(步驟s4-1)。具體地講,學(xué)習(xí)部210生成將低分辨率補(bǔ)片的主成分系數(shù)和高分辨率補(bǔ)片的主成分系數(shù)耦合的矢量p(m)ij。
(式13)
在此,“sin”是以下的比例因數(shù)。
(式14)
(式15)
該比例因數(shù)sin使用第i個(gè)的低分辨率補(bǔ)片矢量的第n個(gè)主成分系數(shù)cijn的標(biāo)準(zhǔn)偏差。
接著,控制部21執(zhí)行矩陣的生成處理(步驟s4-2)。具體地講,學(xué)習(xí)部210使用一維行補(bǔ)片矢量pij,生成耦合補(bǔ)片矢量的數(shù)據(jù)矩陣dmi。該數(shù)據(jù)矩陣dmi可以表示為如下。
(式16)
接著,控制部21執(zhí)行對(duì)每個(gè)補(bǔ)片的主成分分析處理(步驟s4-3)。具體地講,控制部21的主成分分析部21e使用數(shù)據(jù)矩陣dmi,進(jìn)行主成分分析。
在這種情況下,計(jì)算以下的主成分系數(shù)、主成分基礎(chǔ)矢量。
(式17)
(式18)
在此,主成分基礎(chǔ)矢量uin可以表示為如下。
(式19)
(式20)
(式21)
接著,控制部21執(zhí)行正交化處理(步驟s4-4)。具體地講,學(xué)習(xí)部210通過(guò)革欄-施密特法將低分辨率成分(〔式20〕)正交化。在這種情況下,高分辨率成分(〔式21〕)也使用低分辨率成分中的正交化系數(shù)進(jìn)行變換。
接著,控制部21執(zhí)行是否能利用正交化矢量的判斷處理(步驟s4-5)。具體地講,學(xué)習(xí)部210確認(rèn)即使進(jìn)行正交化而將主成分矢量的個(gè)數(shù)限定為「nmax(l,i)」個(gè),在精度上是否有問(wèn)題。具體地講,計(jì)算在將主成分矢量的個(gè)數(shù)限定為「nmax(l,i)」個(gè)的情況下的高分辨率主成分矢量的累計(jì)貢獻(xiàn)率。在該累計(jì)貢獻(xiàn)率到達(dá)規(guī)定值(例如,98%)時(shí),判斷為能利用正交化矢量。
在判斷為精度上沒(méi)有問(wèn)題且能利用正交化矢量的情況下(在步驟s4-5為“是”的情況下),控制部21執(zhí)行正交化的耦合矢量、平均矢量的存儲(chǔ)處理(步驟s4-6)。具體地講,學(xué)習(xí)部210將正交化的耦合矢量、平均矢量存儲(chǔ)到學(xué)習(xí)結(jié)果存儲(chǔ)部23。
另一方面,在判斷為精度上有問(wèn)題且不能利用正交化矢量的情況下(在步驟s4-5中為“否”的情況下),控制部21執(zhí)行原來(lái)的耦合矢量、平均矢量的存儲(chǔ)處理(步驟s4-7)。具體地講,學(xué)習(xí)部210將原來(lái)的耦合矢量、平均矢量存儲(chǔ)到學(xué)習(xí)結(jié)果存儲(chǔ)部23。
在此,耦合補(bǔ)片矢量的平均矢量可以表示為以下式。
(式22)
在這種情況下,數(shù)據(jù)“j”的第“i”個(gè)一維行補(bǔ)片矢量pij可以表示為如下。
(式23)
(式24)
(超分辨率處理)
接著,使用圖5-圖9說(shuō)明超分辨率處理。
首先,使用圖5說(shuō)明超分辨率處理的概要。
從輸入圖像取得由低分辨率補(bǔ)片的主成分系數(shù)構(gòu)成的補(bǔ)片矢量v10。從學(xué)習(xí)結(jié)果存儲(chǔ)部23取得耦合補(bǔ)片矢量的主成分基礎(chǔ)矢量的低分辨率部分v21和耦合補(bǔ)片矢量的平均矢量的低分辨率部分v22。計(jì)算主成分系數(shù)cij,主成分系數(shù)cij用于用平均矢量的低分辨率部分v22、主成分基礎(chǔ)矢量的低分辨率部分v21來(lái)表示補(bǔ)片矢量v10。
從學(xué)習(xí)結(jié)果存儲(chǔ)部23取得耦合補(bǔ)片矢量的主成分基礎(chǔ)矢量的高分辨率部分v31和耦合補(bǔ)片矢量的平均矢量的高分辨率部分v32。使用計(jì)算出的主成分系數(shù)cij、主成分基礎(chǔ)矢量的高分辨率部分v31以及平均矢量的高分辨率部分v32,來(lái)生成輸入圖像的超分辨率。
接著,使用圖6具體地說(shuō)明超分辨率處理。
首先,控制部21執(zhí)行面部圖像輸入處理(步驟s5-1)。具體地講,控制部21的超分辨率部215取得由輸入部10指定的輸入圖像。
接著,控制部21執(zhí)行面部特征點(diǎn)抽出處理(步驟s5-2)。具體地講,超分辨率部215利用特征圖像抽出部21d與步驟s1-1同樣地抽出特征點(diǎn)。
接著,控制部21執(zhí)行網(wǎng)格劃分處理(步驟s5-3)。具體地講,超分辨率部215利用網(wǎng)格劃分部21b與步驟s1-2同樣地網(wǎng)格劃分面部圖像。
接著,控制部21執(zhí)行正規(guī)化處理(步驟s5-4)。具體地講,與步驟s1-3同樣地,超分辨率部215使各網(wǎng)格的格子移動(dòng)到預(yù)先規(guī)定的網(wǎng)格位置(例如,平均面部),變形由網(wǎng)格構(gòu)成的三角形。
接著,控制部21執(zhí)行特征量抽出處理(步驟s5-5)。具體地講,超分辨率部215通過(guò)特征圖像抽出部21d,與步驟s2-2同樣地,從正規(guī)化的輸入圖像抽出超分辨率所需的特征量。
接著,控制部21執(zhí)行補(bǔ)片分割處理(步驟s5-6)。具體地講,超分辨率部215與步驟s2-3同樣地,分割為預(yù)先規(guī)定的個(gè)數(shù)。
接著,控制部21確定處理對(duì)象的補(bǔ)片,針對(duì)每個(gè)補(bǔ)片反復(fù)進(jìn)行以下處理。
在此,控制部21執(zhí)行超分辨率補(bǔ)片的預(yù)測(cè)處理(步驟s5-7)。具體地講,超分辨率部215針對(duì)超分辨率補(bǔ)片進(jìn)行第1預(yù)測(cè)處理或者第2預(yù)測(cè)處理。在此,在主成分矢量被正交化的情況下進(jìn)行第1預(yù)測(cè)處理,在主成分矢量沒(méi)有被正交化的情況下進(jìn)行第2預(yù)測(cè)處理。后面詳細(xì)敘述該處理。
反復(fù)地執(zhí)行上述處理,直到針對(duì)處理對(duì)象圖像的所有的補(bǔ)片的處理結(jié)束為止。
接著,控制部21執(zhí)行后處理(步驟s5-8)。后面詳細(xì)敘述該處理。
接著,控制部21執(zhí)行將正規(guī)化圖像恢復(fù)到原圖像形狀的處理(步驟s5-9)。具體地講,超分辨率部215是通過(guò)使各網(wǎng)格的格子向與步驟s5-4的移動(dòng)方向相反的方向移動(dòng),從而復(fù)原各網(wǎng)格格子的配置。
(第1預(yù)測(cè)處理)
使用圖7,說(shuō)明針對(duì)超分辨率補(bǔ)片的第1預(yù)測(cè)處理。該處理在主成分矢量被正交化且想要更高速地進(jìn)行處理的情況下進(jìn)行。
首先,控制部21執(zhí)行內(nèi)積處理(步驟s6-1)。具體地講,控制部21的第1預(yù)測(cè)部216使用以下式計(jì)算內(nèi)積。
(式25)
在此,uin、pit為如下。
(式26)
(式27)
接著,控制部21執(zhí)行高分辨率補(bǔ)片的計(jì)算處理(步驟s6-2)。具體地講,第1預(yù)測(cè)部216使用以下式在各補(bǔ)片中生成高分辨率補(bǔ)片系數(shù)矢量,將其存儲(chǔ)于超分辨率部215的存儲(chǔ)器。
(式28)
(第2預(yù)測(cè)處理)
使用圖8說(shuō)明針對(duì)超分辨率補(bǔ)片的第2預(yù)測(cè)處理。該處理在主成分矢量沒(méi)有被正交化的情況或者在需要考慮nmax(l,i)以上的主成分矢量的情況下進(jìn)行。
首先,執(zhí)行基于主成分分析的低分辨率補(bǔ)片系數(shù)矢量的計(jì)算處理(步驟s7-1)。具體地講,超分辨率部215使用主成分分析部21e計(jì)算低分辨率補(bǔ)片系數(shù)矢量。
(式29)
接著,控制部21執(zhí)行主成分系數(shù)的臨時(shí)設(shè)定處理(步驟s7-2)。具體地講,控制部21的第2預(yù)測(cè)部217與步驟s6-1同樣地計(jì)算出內(nèi)積,從而計(jì)算輸入圖像(數(shù)據(jù)號(hào)碼:t)的主成分系數(shù)ci、t、n。另外,由于主成分矢量沒(méi)有被正交化,所以將計(jì)算出的主成分系數(shù)ci、t、n設(shè)定為初始值,進(jìn)行后述的最優(yōu)解檢索。
接著,控制部21執(zhí)行基于臨時(shí)設(shè)定的主成分系數(shù)的低分辨率補(bǔ)片系數(shù)矢量的計(jì)算處理(步驟s7-3)。具體地講,第2預(yù)測(cè)部217從學(xué)習(xí)結(jié)果存儲(chǔ)部23取得以下的平均矢量、主成分基礎(chǔ)矢量。
(式30)
(式31)
在這種情況下,輸入圖像(數(shù)據(jù)號(hào)碼:t)的低分辨率圖像的各補(bǔ)片中的耦合矢量的低分辨率成分(低分辨率補(bǔ)片系數(shù)矢量)使用臨時(shí)設(shè)定的主成分系數(shù)ci、t、n,表示為如下。
(式32)
(式33)
耦合的矢量中的前半部分的低分辨率部分
接著,控制部21執(zhí)行差分的計(jì)算處理(步驟s7-4)。具體地講,第2預(yù)測(cè)部217使用以下式計(jì)算在步驟s7-1中計(jì)算的低分辨率補(bǔ)片系數(shù)矢量和在步驟s7-3中計(jì)算的低分辨率補(bǔ)片系數(shù)矢量的差分。
(式34)
第2預(yù)測(cè)部217將計(jì)算出的差分與臨時(shí)設(shè)定的低分辨率補(bǔ)片系數(shù)矢量進(jìn)行關(guān)聯(lián),并存儲(chǔ)于存儲(chǔ)器。
接著,控制部21執(zhí)行對(duì)反復(fù)是否結(jié)束進(jìn)行判斷的判斷處理(步驟s7-5)。具體地講,第2預(yù)測(cè)部217在差分成為最小值的情況下,判定為反復(fù)結(jié)束。
在判斷為差分具有減少傾向且反復(fù)還未結(jié)束的情況下(在步驟s7-5中為“否”的情況下),控制部21使臨時(shí)設(shè)定的主成分系數(shù)在斜度低的方向上以微小的擺動(dòng)寬度移動(dòng)位置,反復(fù)進(jìn)行步驟s7-3之后的處理。
另一方面,在判斷為差分反轉(zhuǎn)為增加傾向且反復(fù)結(jié)束的情況下(在步驟s7-5中為“是”的情況下),控制部21執(zhí)行確定差分的最小值的主成分系數(shù)的確定處理(步驟s7-6)。具體地講,第2預(yù)測(cè)部217確定差分成為最小值的主成分系數(shù)。
接著,控制部21執(zhí)行高分辨率補(bǔ)片的計(jì)算處理(步驟s7-7)。具體地講,第2預(yù)測(cè)部217從學(xué)習(xí)結(jié)果存儲(chǔ)部23取得以下的平均矢量、主成分基礎(chǔ)矢量。
(式35)
(式36)
第2預(yù)測(cè)部217將差分成為最小值的主成分系數(shù)適用到以下式,計(jì)算出高分辨率補(bǔ)片系數(shù)矢量,并存儲(chǔ)于超分辨率部215的存儲(chǔ)器。
(式37)
(后處理)
使用圖9說(shuō)明后處理。在此,使用ibp(iterativebackprojection:迭代反投影)法,減小將計(jì)算出的超分辨率縮小為輸入圖像的尺寸時(shí)的圖像和輸入圖像的誤差。
首先,控制部21執(zhí)行取得超分辨率結(jié)果的取得處理(步驟s8-1)。具體地講,超分辨率部215通過(guò)后處理部218調(diào)出由被存儲(chǔ)于超分辨率部215的存儲(chǔ)器的高分辨率補(bǔ)片系數(shù)矢量構(gòu)成的圖像。
接著,控制部21執(zhí)行超分辨率結(jié)果的縮小處理(步驟s8-2)。具體地講,控制部21的后處理部218生成將調(diào)出的超分辨率圖像縮小為輸入圖像的尺寸的壓縮圖像。
接著,控制部21執(zhí)行計(jì)算壓縮圖像和原圖像的差分的計(jì)算處理(步驟s8-3)。具體地講,后處理部218將壓縮圖像和輸入圖像進(jìn)行比較,計(jì)算出差分。
接著,控制部21執(zhí)行判斷差分是否為閾值以下的判斷處理(步驟s8-4)。具體地講,后處理部218將計(jì)算出的差分與能容許的閾值進(jìn)行比較。
在判定出差分為閾值以下的情況下(在步驟s8-4中“是”的情況下),控制部21執(zhí)行超分辨率結(jié)果的輸出處理(步驟s8-5)。具體地講,后處理部218將被存儲(chǔ)于存儲(chǔ)器的超分辨率圖像作為超分辨率處理結(jié)果而輸出。
另一方面,在判定為差分不是閾值以下的情況下(在步驟s8-4中“否”的情況下),控制部21執(zhí)行差分的放大處理(步驟s8-6)。具體地講,后處理部218生成將計(jì)算出的差分放大為超分辨率圖像的分辨率的差分圖像。
接著,控制部21執(zhí)行超分辨率結(jié)果的補(bǔ)正處理(步驟s8-7)。具體地講,后處理部218生成從被存儲(chǔ)于存儲(chǔ)器的圖像刪除差分圖像后的圖像,存儲(chǔ)于存儲(chǔ)器并進(jìn)行更新。
控制部21反復(fù)進(jìn)行超分辨率結(jié)果的縮小處理(步驟s8-2)之后的處理。
以上,根據(jù)本實(shí)施方式,能得到以下所示的效果。
(1)在本實(shí)施方式中,使用低分辨率圖像和高分辨率圖像,進(jìn)行基于主成分分析的耦合學(xué)習(xí)。在通過(guò)針對(duì)每個(gè)主成分系數(shù)獨(dú)立地進(jìn)行回歸分析而學(xué)習(xí)了低分辨率和高分辨率之間的關(guān)系的情況下,由于高精度的主成分系數(shù)和低精度的主成分系數(shù)混在一起,所以有時(shí)整體的精度產(chǎn)生問(wèn)題。另一方面,在本實(shí)施方式中,由于以系數(shù)矢量單位進(jìn)行學(xué)習(xí),所以主成分系數(shù)整體的精度一致,能實(shí)現(xiàn)整體精度的提高。
與進(jìn)行圖像數(shù)據(jù)基礎(chǔ)檢索的手法相比,排除累計(jì)貢獻(xiàn)率低的主成分矢量,將維度設(shè)定得小,從而能高速地生成高分辨率圖像。此外,與進(jìn)行圖像數(shù)據(jù)基礎(chǔ)檢索的方法相比,能特別減少數(shù)據(jù)容量。另外,由于采用多個(gè)圖像進(jìn)行學(xué)習(xí)處理,所以能生成高畫(huà)質(zhì)的高分辨率圖像。
如圖10所示,在放大輸入圖像的情況下,產(chǎn)生鋸齒現(xiàn)象,但是在進(jìn)行了本實(shí)施方式的超分辨率處理的超分辨率結(jié)果中能再現(xiàn)高分辨率。能實(shí)現(xiàn)接近于低分辨率的輸入圖像的原圖像(高分辨率)、即“正解”的分辨率。
(2)在本實(shí)施方式中,控制部21執(zhí)行特征量抽出處理(步驟s2-2)。在此,使用高頻成分來(lái)計(jì)算出特征量,從而能實(shí)現(xiàn)比較良好的超分辨率。
如圖11所示,對(duì)在抽出特征量時(shí)采用“原圖像”的情況和采用“高頻成分”的情況進(jìn)行比較。在低分辨率特征量、高分辨率特征量的計(jì)算中,在均采用“原圖像”的情況下,在輪廓部分產(chǎn)生塊噪聲。另一方面,在低分辨率特征量、高分辨率特征量的計(jì)算中,在某一個(gè)采用“高頻成分”的情況下,能實(shí)現(xiàn)良好的超分辨率。(3)在本實(shí)施方式中,比例因數(shù)sin采用第i個(gè)低分辨率補(bǔ)片矢量的第n個(gè)主成分系數(shù)cijn的標(biāo)準(zhǔn)偏差。通常,在將不同的2個(gè)信息(特征矢量)耦合而進(jìn)行主成分分析的情況下,較多地吸收耦合前的2個(gè)特征矢量的維度的不同(尺度不同),所以在一個(gè)特征矢量乘以比例因數(shù)。在此,當(dāng)使用固定值的比例因數(shù)進(jìn)行主成分分析時(shí),號(hào)碼大的高頻成分的主成分系數(shù)cijn被號(hào)碼小的低頻成分的主成分系數(shù)cijn的方差掩蓋。另一方面,通過(guò)除以標(biāo)準(zhǔn)偏差后進(jìn)行主成分分析,從而各主成分系數(shù)的尺度相等,能有效地利用主成分分析的優(yōu)點(diǎn)。
如圖12所示,在沒(méi)有采用比例因數(shù)的以前的方法中,產(chǎn)生超分辨率圖像的劣化,但是在本實(shí)施方式中,能實(shí)現(xiàn)良好的超分辨率。
(4)在本實(shí)施方式中,控制部21針對(duì)超分辨率補(bǔ)片執(zhí)行第1預(yù)測(cè)處理或者第2預(yù)測(cè)處理。由此,能夠根據(jù)正交化的情況,分開(kāi)使用2個(gè)預(yù)測(cè)處理。
在圖13中示出采用第1預(yù)測(cè)處理(最優(yōu)解檢索)的情況和采用第2預(yù)測(cè)處理(正交化)的情況的比較例。在兩者中,正解圖像和超分辨率圖像的區(qū)別幾乎不產(chǎn)生。另一方面,計(jì)算時(shí)間通過(guò)正交化而被短縮,能實(shí)現(xiàn)與回歸分析相等的高速處理。
(5)在本實(shí)施方式中,控制部21執(zhí)行后處理。由此,能抑制誤差。
如圖14所示,即使在產(chǎn)生塊噪聲的情況下,通過(guò)后處理也能降低影響。
另外,上述實(shí)施方式也可以變更為以下方式。
·在上述實(shí)施方式中,作為第1特征矢量采用低分辨率矢量,作為第2特征矢量采用高分辨率矢量,從而進(jìn)行面部圖像的超分辨率處理。超分辨率處理的對(duì)象并不限定為面部圖像,能適用到將具有形狀圖案的對(duì)象物變換為高畫(huà)質(zhì)的超分辨率。在該情況下,采用具有特定圖案的低分辨率圖像和高分辨率圖像來(lái)進(jìn)行學(xué)習(xí)處理。
并且,本發(fā)明的方法不僅是超分辨率,還能適用于從第1矢量數(shù)據(jù)推定第2矢量數(shù)據(jù)的各種用途。例如,在細(xì)分過(guò)程中,從表面化的信息抽出潛在化的信息。
在二維圖像特征點(diǎn)識(shí)別中,作為第1特征矢量采用對(duì)象二維圖像,作為第2特征矢量采用對(duì)象圖像的特征點(diǎn)。
在二維圖像的細(xì)分過(guò)程中,作為第1特征矢量采用對(duì)象二維圖像,作為第2特征矢量采用對(duì)象圖像的細(xì)分。
在三維圖像特征點(diǎn)識(shí)別中,作為第1特征矢量采用對(duì)象三維圖像,作為第2特征矢量采用對(duì)象圖像的特征點(diǎn)。
在三維圖像的細(xì)分過(guò)程中,作為第1特征矢量采用對(duì)象三維圖像,作為第2特征矢量采用對(duì)象圖像的細(xì)分。
以下,列舉信息預(yù)測(cè)的具體例。
例如在去除圖像的殘影·模糊過(guò)程中,作為第1特征矢量采用“包括殘影·模糊的圖像矢量”,作為第2特征矢量采用“去除了殘影·模糊的圖像矢量”。
另外,在安全攝像機(jī)動(dòng)畫(huà)分析(動(dòng)作預(yù)測(cè))中,作為第1特征矢量采用“預(yù)測(cè)開(kāi)始時(shí)為止的時(shí)間序列的人物動(dòng)作數(shù)據(jù)”,作為第2特征矢量采用“預(yù)測(cè)開(kāi)始后的人物的時(shí)間序列的人物動(dòng)作數(shù)據(jù)”。
另外,能應(yīng)用到除圖像以外的信息預(yù)測(cè)。
例如,在語(yǔ)音的高音質(zhì)化中,作為第1特征矢量采用“低音質(zhì)的聲音信號(hào)”,作為第2特征矢量采用“高音質(zhì)的聲音信號(hào)”。在此,采用聲音信號(hào)的信號(hào)本身、或者將高頻成分為要素的矢量。
另外,在氣象預(yù)測(cè)中,作為第1特征矢量采用“預(yù)測(cè)開(kāi)始時(shí)為止的時(shí)間序列的氣象數(shù)據(jù)”,作為第2特征矢量采用“預(yù)測(cè)開(kāi)始后的時(shí)間序列的氣象數(shù)據(jù)”。在此,采用將各種氣象數(shù)據(jù)(天氣、氣壓、氣溫、濕度、風(fēng)向、風(fēng)速等)設(shè)為要素的矢量。
另外,在經(jīng)濟(jì)預(yù)測(cè)中,作為第1特征矢量采用“預(yù)測(cè)開(kāi)始時(shí)為止的時(shí)間序列的股價(jià)·經(jīng)濟(jì)指標(biāo)數(shù)據(jù)”,作為第2特征矢量采用“預(yù)測(cè)開(kāi)始后的時(shí)間序列的股價(jià)·經(jīng)濟(jì)指標(biāo)數(shù)據(jù)”。在此,采用將股價(jià)·經(jīng)濟(jì)指標(biāo)數(shù)據(jù)(各種品種的股價(jià)、利息、景氣、雇傭統(tǒng)計(jì)、物價(jià)上升率、貿(mào)易等)設(shè)為要素的矢量。
另外,在健康預(yù)測(cè)中,作為第1特征矢量采用“預(yù)測(cè)開(kāi)始時(shí)為止的時(shí)間序列的生物體指標(biāo)數(shù)據(jù)”,作為第2特征矢量采用“預(yù)測(cè)開(kāi)始后的時(shí)間序列的生物體指標(biāo)數(shù)據(jù)”。在此,采用將各種生物體指標(biāo)(體重、身高、各健康診斷值速等)為要素的矢量。
另外,在交通量預(yù)測(cè)中,作為第1特征矢量采用“關(guān)于預(yù)測(cè)開(kāi)始時(shí)為止的時(shí)間序列的交通量的指標(biāo)數(shù)據(jù)”,作為第2特征矢量采用“預(yù)測(cè)開(kāi)始后的時(shí)間序列的交通量數(shù)據(jù)”。在此,采用將各交通量數(shù)據(jù)(計(jì)測(cè)點(diǎn)、車(chē)輛數(shù)量、車(chē)型、車(chē)速、目的地等)為要素的矢量。
另外,在消費(fèi)行為預(yù)測(cè)中,作為第1特征矢量采用“預(yù)測(cè)開(kāi)始時(shí)為止的時(shí)間序列的消費(fèi)行為數(shù)據(jù)”,作為第2特征矢量采用“預(yù)測(cè)開(kāi)始后的人物的時(shí)間序列的消費(fèi)行為數(shù)據(jù)”。在此,采用人物行為數(shù)據(jù)(品名、消耗量、各種經(jīng)濟(jì)指標(biāo)等)為要素的矢量。
·在上述實(shí)施方式中,進(jìn)行線形的主成分分析,但是也可以進(jìn)行非線形的核心主成分分析。
·上述實(shí)施方式中,比例因數(shù)sin采用了第i個(gè)低分辨率補(bǔ)片矢量的第n個(gè)主成分系數(shù)cijn的標(biāo)準(zhǔn)偏差。比例因數(shù)sin不限定為標(biāo)準(zhǔn)偏差,可以采用表示主成分系數(shù)cijn的偏差的指標(biāo)。
·在上述實(shí)施方式中,比例因數(shù)sin采用了第i個(gè)低分辨率補(bǔ)片矢量的第n個(gè)主成分系數(shù)cijn的標(biāo)準(zhǔn)偏差。在此,比例因數(shù)sin不限定為標(biāo)準(zhǔn)偏差,也可以采用表示主成分系數(shù)cijn的方差的統(tǒng)計(jì)變量。