研究紹介

人、モノ、環境のセンシングに関して合理的な処理の方法、その情報を読み解く方法、映像表示など、画像を中心に基礎から応用まで研究しています。 画像編集や超解像の処理理論、画像を読み解くコンピュータビジョン、計算機による視覚の拡張強化など、生活社会やバイオ医用によく機能するよう取り組んでいます。

カラー画像処理

デジタルカメラやスマートフォンなどで撮影されたカラー画像に関して、画像の解像度を上げる超解像、画像を意味ある複数の領域に分割する領域分割、被写体を追跡する物体追跡などの研究に取り組んでいます。

画像の領域分割

画像を意味ある複数の領域に分割する領域分割の研究に取り組んでいます。 特に、スペクトラルクラスタリングと呼ばれる領域分割手法の理論的側面からの研究を進めています。

医用画像処理

MRIで得られた画像の超解像処理、2次元線量データの3次元分布推定、顕微鏡画像に対する細胞の検出・追跡のほか、 医療に役立つシステムに関する研究に取り組んでいます。

疎な2次元線量データからの密な3次元線量分布推定

医療機器を用いた検査における放射線などによる被ばくを抑えるためには、少ない測定回数や線量でデータを得ることが望ましいですが、そのようにして得られるデータはそのままでは検査を行うには十分な細かさが得られません。 そこで、疎に得られた2次元線量データから妥当なデータ補間を行うことで、密な3次元線量分布を推定する研究に取り組んでいます。

近赤外・熱画像処理

赤外線カメラや近赤外線カメラを用いて撮影される画像は、通常のカラーカメラでは得られない 被写体の「熱」に関する情報を取得できます。
この情報を利用した画像処理の応用研究や水中温度分布計測などの研究について取り組んでいます。

水中の3次元温度分布推定

近赤外光が水に吸収される程度が水温によって異なることを利用し、水温が変化する前後の近赤外透過光の強度を近赤外カメラで撮影することによって強度の変化量から温度変化量を測定することができます。

深層学習を用いた画像処理

深層学習は、データから特徴やパターンを見出して特定の課題を行う機械学習の一種であり、人工知能（AI）を支える技術として盛んに研究されています。 近年では画像処理においても深層学習を用いた処理が多く研究されています。
本研究室では、画像処理・コンピュータビジョンの課題について、深層学習を用いたアプローチでの解決に取り組んでいます。

深層学習を用いたライトフィールド画像の奥行き推定

コンピュータグラフィックス（CG）を用いることで、仮想的に撮影されたライトフィールド画像と奥行き情報を学習用データとして得ることができます。 この作られたデータを用いて、実際のライトフィールドカメラで撮影されたライトフィールド画像から撮影シーンの奥行きを推定するための推論ネットワークを学習できます。 より推定精度の高いネットワーク構成に関する研究を進めています。