信号处理装置、信号处理方法、输出装置、输出方法及程序制造方法及图纸

本公开涉及信号处理装置、信号处理方法、输出装置、输出方法以及程序。根据本公开的信号处理装置包括学习单元，所述学习单元使用表明系数之间的对应关系的项的成本函数来学习系数变得稀疏的多个基底信号，使得通过所述多个基底信号的线性运算来表示信号。

【技术实现步骤摘要】
【专利摘要】本公开涉及信号处理装置、信号处理方法、输出装置、输出方法以及程序。根据本公开的信号处理装置包括学习单元，所述学习单元使用表明系数之间的对应关系的项的成本函数来学习系数变得稀疏的多个基底信号，使得通过所述多个基底信号的线性运算来表示信号。【专利说明】信号处理装置、信号处理方法、输出装置、输出方法及程序
本公开内容涉及信号处理装置、信号处理方法、输出装置、输出方法以及程序，具体涉及能够获得准确的基底信号的信号处理装置、信号处理方法、输出装置以及程序。
技术介绍
近来，对使用稀疏编码的各种图像复原技术进行了研究。稀疏编码是一种对人类视觉系统进行建模，将信号分解成基底信号并且表示信号的方法。具体地，在人类视觉系统中，在早期视觉阶段，视网膜捕获的图像不是按原样传输至上层识别机制，而是被分解成由以下表达式I表示的多个基底图像的线性和，然后被传输。(图像)=Σ—(I)在表达式I中，大量的系数变为O并且仅有少量的系数变为大的值。即，上述系数变得稀疏。因此，将对人类视觉系统进行建模，将信号分解成基底信号并且表示信号的方法称为稀疏编码。在稀疏编码中，首先，使用由以下表达式2表示的成本函数来学习由上面的表达式I建模的基底信号。在该情况下，假设变为系数编码对象的信号是图像。L=argmin { Da-Y 2+ μ | | a | |0}---(2) 在表达式2中，L表示成本函数，D表示以下矩阵(在下文中称为基底图像矩阵)，其中在列方向上的基底图像的各个像素的像素值的布置针对每个基底图像沿着行方向来设置。此外，a表示以下向量(在下文中称为基底图像系数向量)，其中各个基底图像的系数(在下文中称为基底图像系数)沿着列方向来设置；Y表示以下向量(在下文中称为学习图像向量)，其中学习图像的各个像素的像素值沿着列方向设置。此外，μ表示预先设置的参数。其次，在表达式2中，对当使用学习到的基底图像和稀疏编码对象图像而不是使用学习图像来计算的成本函数变为预定值或小于预定值时的基底图像系数进行计算。近来，设计了将稀疏编码对象图像划分成块并且以块为单位计算基底图像系数的方法(例如，参见:Michal Aharon, Michael Elad, and Aired Bruckstein, “K_SVD:AnAlgorithm for Designing Overcomplete Dictionaries for Sparse Representation，，，IEEE TRANSACTION ON SIGNAL PROCESSING，第 54 卷，第 11 期，2006 年 11 月，第 4311 页至4322 页)。作为对代价函数中的图像系数的限制，除了由表达式2表示的LO范数以外，还存在LI范数或LI范数的近似表达式(例如，参见Libo Ma和Liqing Zhang的“Overcompletetopographic independent component analysis，，, Neurocomputing, 2008 年 3 月 10 日，第2217页至第2223页)。当基底图像系数受LI范数限制时，成本函数由以下表达式3来表示；当基底图像系数受LI范数的近似表达式限制时，成本函数由以下表达式4来表示。L=argmin { ||D α -Y | |2+ μ|| α | |1---(3)L=argmin { ||Da-Y|| 2+pF(aTa)}【权利要求】1.一种信号处理装置，包括: 学习单元，其使用包括表明系数之间的对应关系的项的成本函数来学习系数变得稀疏的多个基底信号，使得通过所述多个基底信号的线性运算来表示信号。2.根据权利要求1所述的信号处理装置， 其中所述成本函数包括表明所述系数之间的空间对应关系的项。3.根据权利要求1所述的信号处理装置， 其中所述成本函数包括表明所述系数之间的时间对应关系的项。4.根据权利要求1所述的信号处理装置， 其中所述学习单元使用包括表明各个颜色通道的所述系数之间的对应关系的项的成本函数来学习各个颜色通道的所述多个基底信号，使得通过所述线性运算来表示各个颜色通道的所述信号。5.根据权利要求1所述的信号处理装置，进一步包括: 带划分单元，其划分所述信号的带并且生成各个带的信号， 其中所述学习单元使用包括表明各个带的所述系数之间的对应关系的项的成本函数来学习各个带的所述多个基底信号， 使得通过所述线性运算来表示所述带划分单元生成的各个带的信号。6.根据权利要求1所述的信号处理装置， 其中所述学习单元针对每个颜色通道使用所述成本函数来学习所述多个基底信号，使得通过所述线性运算来表示各个颜色通道的所述信号。7.一种由信号处理装置执行的信号处理方法，所述信号处理方法包括: 使用包括表明系数变得稀疏的多个基底信号的系数之间的对应关系的项的成本函数来学习所述多个基底信号，使得通过所述多个基底信号的线性运算来表示信号。8.一种用于使计算机用作学习单元的程序，所述学习单元使用包括表明系数之间的对应关系的项的成本函数来学习系数变得稀疏的多个基底信号，使得通过所述多个基底信号的线性运算来表示信号。9.一种输出装置，包括: 运算单元，其基于使得由系数变得稀疏的多个基底信号的线性运算表示信号那样来使用包括表明系数之间的对应关系的项的成本函数而学习的所述多个基底信号、预定信号以及所述成本函数，来对所述预定信号的所述系数进行运算。10.根据权利要求9所述的输出装置， 其中所述成本函数包括表明所述系数之间的空间对应关系的项。11.根据权利要求9所述的输出装置， 其中所述成本函数包括表明所述系数之间的时间对应关系的项。12.根据权利要求9所述的输出装置， 其中所述运算单元基于使得由所述线性运算表示各个颜色通道的所述信号那样来使用包括表明各个颜色通道的所述系数之间的对应关系的项的成本函数而学习的各个颜色通道的所述多个基底信号、各个颜色通道的所述预定信号以及所述成本函数，来对各个颜色通道的所述预定信号的所述系数进行运算。13.根据权利要求9所述的输出装置，进一步包括:带划分单元，其划分所述预定信号的带并且生成各个带的所述预定信号， 其中所述运算单元基于使得由所述线性运算表示各个带的所述信号那样来使用包括表明各个带的所述系数之间的对应关系的项的成本函数而学习的各个带的所述多个基底信号、所述带划分单元生成的各个带的所述预定信号以及所述成本函数，来对各个带的所述预定信号的所述系数进行运算。14.根据权利要求9所述的输出装置， 其中所述运算单元基于使得针对每个颜色通道由所述线性运算表示各个颜色通道的所述信号那样来使用所述成本函数而学习的各个颜色通道的所述多个基底信号、各个颜色通道的所述预定信号以及所述成本函数，针对每个颜色通道对所述预定信号的所述系数进行运算。15.根据权利要求9所述的输出装置，进一步包括: 生成单元，其使用所述运算单元运算的所述系数和所述多个基底信号来生成与所述预定信号对应的信号。16.根据权利要求15所述的输出装置，进一步包括: 识别单元，其基于所述生成单元生成的所述信号和所述预定信号之间的差来识别所述预定信号。17.—种由输出装置执行的输出方法,所述输出方本文档来自技高网...

【技术保护点】
一种信号处理装置，包括：学习单元，其使用包括表明系数之间的对应关系的项的成本函数来学习系数变得稀疏的多个基底信号，使得通过所述多个基底信号的线性运算来表示信号。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：罗俊，张丽清，招浩华，许伟志，孙振邦，施惟，名云武文，
申请(专利权)人：索尼公司，
类型：发明
国别省市：日本;JP