JPH05260370A - オートアイリス回路 - Google Patents
オートアイリス回路Info
- Publication number
- JPH05260370A JPH05260370A JP4250071A JP25007192A JPH05260370A JP H05260370 A JPH05260370 A JP H05260370A JP 4250071 A JP4250071 A JP 4250071A JP 25007192 A JP25007192 A JP 25007192A JP H05260370 A JPH05260370 A JP H05260370A
- Authority
- JP
- Japan
- Prior art keywords
- output
- circuit
- iris
- neural network
- brightness value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Exposure Control For Cameras (AREA)
- Image Processing (AREA)
- Control Of Amplification And Gain Control (AREA)
Abstract
(57)【要約】
【目的】 被写体の様々な輝度パターンに対して、十分
なアイリス制御を可能とする。 【構成】 撮像領域はブロック積分回路12によってm
×n個のブロックに分割されて各輝度値が求められる。
各輝度値は平均値回路14および規格化回路16によっ
て規格化され、ニューラルネットワーク18に与えられ
る。ニューラルネットワーク18は、予め入力される輝
度パターンに対して適性な出力を得るように学習が完了
しており、ニューラルネットワーク18の出力は平均値
によって規格化されたうえで比較回路22で基準輝度電
圧と比較されその結果でアイリス24又はAGC回路1
1又はその双方が制御される。
なアイリス制御を可能とする。 【構成】 撮像領域はブロック積分回路12によってm
×n個のブロックに分割されて各輝度値が求められる。
各輝度値は平均値回路14および規格化回路16によっ
て規格化され、ニューラルネットワーク18に与えられ
る。ニューラルネットワーク18は、予め入力される輝
度パターンに対して適性な出力を得るように学習が完了
しており、ニューラルネットワーク18の出力は平均値
によって規格化されたうえで比較回路22で基準輝度電
圧と比較されその結果でアイリス24又はAGC回路1
1又はその双方が制御される。
Description
【0001】
【産業上の利用分野】この発明はカメラ一体型VTR
(ビデオテープレコーダ)などの撮像装置に関し、特
に、被写体からの入射光量を規制するアイリスおよび所
望のレベルの輝度信号を得るためのAGC(自動利得制
御)回路を制御するためのオートアイリス回路に関す
る。
(ビデオテープレコーダ)などの撮像装置に関し、特
に、被写体からの入射光量を規制するアイリスおよび所
望のレベルの輝度信号を得るためのAGC(自動利得制
御)回路を制御するためのオートアイリス回路に関す
る。
【0002】
【従来の技術】図14は、従来のオートアイリス回路9
0およびこのオートアイリス回路90が用いられるカメ
ラ一体型VTRの一部のブロック図である。図14を参
照して、このカメラ一体型VTRは、被写体からの入射
光を集光して所定の結像面上に被写体の像を結ぶための
レンズ26と、レンズ26の結像面上に受光面が位置す
るように配置され、被写体の光学像を電気信号に変換す
るためのCCD(電荷結合素子)10と、レンズ26と
CCD10との間に配置され、レンズ26を通過してC
CD10上に入射する光線の量を規制するためのアイリ
ス24と、CCD10から出力する輝度信号に基づいて
この輝度信号が所望のレベルとなるようにアイリス24
を制御するための従来のオートアイリス回路90とを含
む。
0およびこのオートアイリス回路90が用いられるカメ
ラ一体型VTRの一部のブロック図である。図14を参
照して、このカメラ一体型VTRは、被写体からの入射
光を集光して所定の結像面上に被写体の像を結ぶための
レンズ26と、レンズ26の結像面上に受光面が位置す
るように配置され、被写体の光学像を電気信号に変換す
るためのCCD(電荷結合素子)10と、レンズ26と
CCD10との間に配置され、レンズ26を通過してC
CD10上に入射する光線の量を規制するためのアイリ
ス24と、CCD10から出力する輝度信号に基づいて
この輝度信号が所望のレベルとなるようにアイリス24
を制御するための従来のオートアイリス回路90とを含
む。
【0003】従来のオートアイリス回路90は、CCD
10に高輝度の光が入射した際に入射光量がアイリス2
4によって極端に絞られ、それによって極端な輝度低下
が発生することを防ぐために高輝度信号をクリップする
ための高輝度クリップ回路92と、CCD10によって
撮影される画面の下部からの輝度信号に大きな重み付け
を行なって輝度レベルを表わす信号として出力するため
の下方重点測光回路94と、画面の中央に大きな重み付
けを行なって輝度レベルを表わす信号として出力するた
めの中央重点測光回路96と、下方重点測光回路94お
よび中央重点測光回路96の出力の加重平均を取るため
の検波回路98と、一定の基準輝度信号を出力するため
の基準輝度発生回路38と、検波回路98と基準輝度発
生回路38とに接続され、検波回路98の出力する信号
を基準輝度信号と比較し、比較結果に基づいて検波回路
98の出力する信号が基準輝度信号と等しくなる方向に
変化するようにアイリス24を制御するための比較回路
22とを含む。
10に高輝度の光が入射した際に入射光量がアイリス2
4によって極端に絞られ、それによって極端な輝度低下
が発生することを防ぐために高輝度信号をクリップする
ための高輝度クリップ回路92と、CCD10によって
撮影される画面の下部からの輝度信号に大きな重み付け
を行なって輝度レベルを表わす信号として出力するため
の下方重点測光回路94と、画面の中央に大きな重み付
けを行なって輝度レベルを表わす信号として出力するた
めの中央重点測光回路96と、下方重点測光回路94お
よび中央重点測光回路96の出力の加重平均を取るため
の検波回路98と、一定の基準輝度信号を出力するため
の基準輝度発生回路38と、検波回路98と基準輝度発
生回路38とに接続され、検波回路98の出力する信号
を基準輝度信号と比較し、比較結果に基づいて検波回路
98の出力する信号が基準輝度信号と等しくなる方向に
変化するようにアイリス24を制御するための比較回路
22とを含む。
【0004】下方重点測光とは、画面の下方に大きな重
み付けを行なう測光方式である。この測光方式がよく採
用されるのは以下のような理由による。カメラ一体型V
TRによって撮影される映像には、一般に上方に空が含
まれる。空から入射する光の光量は多い。一方、被写体
は地上にあることが多く、この場合には画面の下半分に
被写体が存在することになる。地上から入射する光の量
は少ない。したがって画面全体の輝度に基づいてアイリ
ス制御を行なえば、アイリス24が過度に絞り込まれて
しまい、地上の被写体が十分明るく撮影されない恐れが
ある。下方重点測光方式は、画面の下方から発生される
輝度信号に大きな重み付けを与えることにより、地上に
ある被写体を十分な明るさで撮影することができるよう
にアイリス24を制御するためのものである。
み付けを行なう測光方式である。この測光方式がよく採
用されるのは以下のような理由による。カメラ一体型V
TRによって撮影される映像には、一般に上方に空が含
まれる。空から入射する光の光量は多い。一方、被写体
は地上にあることが多く、この場合には画面の下半分に
被写体が存在することになる。地上から入射する光の量
は少ない。したがって画面全体の輝度に基づいてアイリ
ス制御を行なえば、アイリス24が過度に絞り込まれて
しまい、地上の被写体が十分明るく撮影されない恐れが
ある。下方重点測光方式は、画面の下方から発生される
輝度信号に大きな重み付けを与えることにより、地上に
ある被写体を十分な明るさで撮影することができるよう
にアイリス24を制御するためのものである。
【0005】一方、中央重点測光方式は、画面の中央に
大きな重み付けを行なって測光を行なう方式である。こ
れは、通常の撮影時には被写体が画面の中央に存在する
ことが多いことから採用された方式である。中央部分に
大きな重み付けをすることにより、中央部分に存在する
被写体が適度な明るさで撮影されるようにアイリス24
が制御される。
大きな重み付けを行なって測光を行なう方式である。こ
れは、通常の撮影時には被写体が画面の中央に存在する
ことが多いことから採用された方式である。中央部分に
大きな重み付けをすることにより、中央部分に存在する
被写体が適度な明るさで撮影されるようにアイリス24
が制御される。
【0006】図14に示される従来のオートアイリス回
路90およびカメラ一体型VTRは以下のように動作す
る。レンズ26は被写体からの入射光を集光し、結像面
上に被写体の光学像を結ばせる。CCD10は、受光面
上に結ばれた被写体の光学像を光電変換により電気信号
に変換し、輝度信号を出力する。この信号は図示されな
い映像信号回路に与えられ所定の映像信号処理が行なわ
れる。このとき、レンズ26からCCD10上に入射す
る光の量はアイリス24によって規制されている。
路90およびカメラ一体型VTRは以下のように動作す
る。レンズ26は被写体からの入射光を集光し、結像面
上に被写体の光学像を結ばせる。CCD10は、受光面
上に結ばれた被写体の光学像を光電変換により電気信号
に変換し、輝度信号を出力する。この信号は図示されな
い映像信号回路に与えられ所定の映像信号処理が行なわ
れる。このとき、レンズ26からCCD10上に入射す
る光の量はアイリス24によって規制されている。
【0007】高輝度クリップ回路92には、CCD10
の出力する輝度信号が与えられる。高輝度クリップ回路
92は、CCD10上に高輝度光が入射して輝度が高レ
ベルとなった場合にこれをクリップし、下方重点測光回
路94および中央重点測光回路96に与えられる輝度信
号のレベルを一定値以下に抑える。このように輝度レベ
ルを一定値以下に抑えることにより、高輝度光が入射し
た場合にアイリス24が過度に絞り込まれ、輝度レベル
が極端に落ちることが防止できる。
の出力する輝度信号が与えられる。高輝度クリップ回路
92は、CCD10上に高輝度光が入射して輝度が高レ
ベルとなった場合にこれをクリップし、下方重点測光回
路94および中央重点測光回路96に与えられる輝度信
号のレベルを一定値以下に抑える。このように輝度レベ
ルを一定値以下に抑えることにより、高輝度光が入射し
た場合にアイリス24が過度に絞り込まれ、輝度レベル
が極端に落ちることが防止できる。
【0008】下方重点測光回路94および中央重点測光
回路96は、それぞれの測光方式に従って輝度レベルを
表わす信号を出力し、検波回路98に与える。検波回路
98は下方重点測光回路94および中央重点測光回路9
6の出力する信号を加重平均し、検波して比較器22に
与える。比較器22は、検波回路98の出力する信号レ
ベルと基準輝度発生回路38から与えられる基準輝度信
号とを比較し、検波回路98の出力が基準輝度信号と同
一レベルに近づく方向に変化するようにアイリス24を
制御する。
回路96は、それぞれの測光方式に従って輝度レベルを
表わす信号を出力し、検波回路98に与える。検波回路
98は下方重点測光回路94および中央重点測光回路9
6の出力する信号を加重平均し、検波して比較器22に
与える。比較器22は、検波回路98の出力する信号レ
ベルと基準輝度発生回路38から与えられる基準輝度信
号とを比較し、検波回路98の出力が基準輝度信号と同
一レベルに近づく方向に変化するようにアイリス24を
制御する。
【0009】下方重点測光回路94および中央重点測光
回路96の2つの回路を用いたいわゆるデュアル測光方
式を用いることにより、画面の上方に高輝度光が入った
場合、および画面の周囲に高輝度光が入った場合に画面
が極端に輝度低下を起こすことが防止できる。
回路96の2つの回路を用いたいわゆるデュアル測光方
式を用いることにより、画面の上方に高輝度光が入った
場合、および画面の周囲に高輝度光が入った場合に画面
が極端に輝度低下を起こすことが防止できる。
【0010】また、アイリス28が開放しきってしまっ
たとき、すなわちアイリス28でCCD8に入射する光
量を抑制しないときであってかつCCD8から出力され
る輝度信号レベルが所望のレベルに達していない場合も
ある。その様な場合には、図15に示されるようなオー
トアイリス回路91が用いられる。
たとき、すなわちアイリス28でCCD8に入射する光
量を抑制しないときであってかつCCD8から出力され
る輝度信号レベルが所望のレベルに達していない場合も
ある。その様な場合には、図15に示されるようなオー
トアイリス回路91が用いられる。
【0011】図15に示されるオートアイリス回路91
が図14に示されるオートアイリス回路90と異なるの
は、高輝度クリップ回路92の入力が、CCD10の出
力が所定レベル以下である場合に、所望のレベルまで輝
度信号を増幅するように自動利得制御を行なうためのA
GC回路11の出力に接続されていることと、第2の基
準輝度信号を発生するための第2の基準輝度発生回路3
9と、検波回路98と基準輝度発生回路39とに接続さ
れ、検波回路98の出力する信号を基準輝度信号と比較
し、比較結果に基づいて検波回路98の出力する信号が
基準輝度信号と等しくなる方向に変化するようにAGC
回路11を制御するための比較回路23とをさらに含む
こととである。
が図14に示されるオートアイリス回路90と異なるの
は、高輝度クリップ回路92の入力が、CCD10の出
力が所定レベル以下である場合に、所望のレベルまで輝
度信号を増幅するように自動利得制御を行なうためのA
GC回路11の出力に接続されていることと、第2の基
準輝度信号を発生するための第2の基準輝度発生回路3
9と、検波回路98と基準輝度発生回路39とに接続さ
れ、検波回路98の出力する信号を基準輝度信号と比較
し、比較結果に基づいて検波回路98の出力する信号が
基準輝度信号と等しくなる方向に変化するようにAGC
回路11を制御するための比較回路23とをさらに含む
こととである。
【0012】図15に示されるオートアイリス回路91
の動作は、図14に示されるオートアイリス回路90の
動作とほぼ同様である。異なるのは、AGC回路11の
動作が、比較回路23によって制御される点である。こ
のため、アイリス28が開放しきってしまった時でも、
AGC回路11の出力する輝度信号のレベルを所望レベ
ルに近づけることが可能であり、図14に示されるオー
トアイリス回路90よりも、低照度の被写体に対して所
望のレベルの輝度信号を得ることができる。ただし、C
CD10の出力する輝度信号が所定レベル以上である場
合にはAGC回路11は動作しない。すなわち、CCD
10の出力がそのままオートアイリス回路91に与えら
れる。
の動作は、図14に示されるオートアイリス回路90の
動作とほぼ同様である。異なるのは、AGC回路11の
動作が、比較回路23によって制御される点である。こ
のため、アイリス28が開放しきってしまった時でも、
AGC回路11の出力する輝度信号のレベルを所望レベ
ルに近づけることが可能であり、図14に示されるオー
トアイリス回路90よりも、低照度の被写体に対して所
望のレベルの輝度信号を得ることができる。ただし、C
CD10の出力する輝度信号が所定レベル以上である場
合にはAGC回路11は動作しない。すなわち、CCD
10の出力がそのままオートアイリス回路91に与えら
れる。
【0013】
【発明が解決しようとする課題】しかし上述の従来技術
のオートアイリス回路90,91によれば、次のような
問題点がある。たとえば海やスキー場などで撮影が行な
われる場合を考える。この場合、画面の下方からCCD
10に入射する光は、通常の地上撮影の場合と比べて大
きくなる。一方で、被写体は人間であることが多く、下
方重点測光方式を用いた場合には画面下部の背景(海や
雪など)からの入射光が高輝度であるために、被写体が
極端に暗くなってしまうという問題がある。また、撮影
したい被写体が画面の中央ではなく周辺部分にある場合
や、被写体が中央部にあったとしても、中央部の背景部
分に逆光があったり、スポット光など輝度レベルの高い
被写体が入った場合などには、その高輝度光によりアイ
リスの制御が重点的に行なわれてしまう。その結果、被
写体が十分な明るさで撮影されないという問題点が生じ
る。これは、AGC回路による利得制御でも克服できな
い問題である。
のオートアイリス回路90,91によれば、次のような
問題点がある。たとえば海やスキー場などで撮影が行な
われる場合を考える。この場合、画面の下方からCCD
10に入射する光は、通常の地上撮影の場合と比べて大
きくなる。一方で、被写体は人間であることが多く、下
方重点測光方式を用いた場合には画面下部の背景(海や
雪など)からの入射光が高輝度であるために、被写体が
極端に暗くなってしまうという問題がある。また、撮影
したい被写体が画面の中央ではなく周辺部分にある場合
や、被写体が中央部にあったとしても、中央部の背景部
分に逆光があったり、スポット光など輝度レベルの高い
被写体が入った場合などには、その高輝度光によりアイ
リスの制御が重点的に行なわれてしまう。その結果、被
写体が十分な明るさで撮影されないという問題点が生じ
る。これは、AGC回路による利得制御でも克服できな
い問題である。
【0014】それゆえに請求項1ないし4に記載の発明
の目的は、撮影される画面上の様々な輝度パターンに対
しても、望ましいレベルの輝度信号を得ることができる
様にアイリス制御を行なうことができるオートアイリス
回路を提供することである。
の目的は、撮影される画面上の様々な輝度パターンに対
しても、望ましいレベルの輝度信号を得ることができる
様にアイリス制御を行なうことができるオートアイリス
回路を提供することである。
【0015】また、請求項5ないし8に記載の発明の目
的は、撮影される画面上の様々な輝度パターンに対して
も、望ましいレベルの輝度信号を得ることができる様に
アイリス制御及びAGC制御を行なうことができるオー
トアイリス回路を提供することである。
的は、撮影される画面上の様々な輝度パターンに対して
も、望ましいレベルの輝度信号を得ることができる様に
アイリス制御及びAGC制御を行なうことができるオー
トアイリス回路を提供することである。
【0016】
【課題を解決するための手段】請求項1に記載のオート
アイリス回路は、アイリスにより入射光量の規制される
撮像装置の出力する輝度信号に応答して、撮像装置の出
力を所望のレベルに調整するようにアイリスを制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、所定の基準にしたがって規格化された輝
度値を取得するための規格化輝度値取得手段と、規格化
された輝度値を入力とするニューラルネットワークと、
ニューラルネットワークの出力に応答してアイリスを制
御するためのアイリス制御手段とを含む。
アイリス回路は、アイリスにより入射光量の規制される
撮像装置の出力する輝度信号に応答して、撮像装置の出
力を所望のレベルに調整するようにアイリスを制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、所定の基準にしたがって規格化された輝
度値を取得するための規格化輝度値取得手段と、規格化
された輝度値を入力とするニューラルネットワークと、
ニューラルネットワークの出力に応答してアイリスを制
御するためのアイリス制御手段とを含む。
【0017】請求項2に記載のオートアイリス回路は、
請求項1に記載のオートアイリス回路であって、規格化
輝度値取得手段は、輝度信号に基づいて、各部分領域の
輝度値を取得するための輝度値取得手段と、輝度値取得
手段の出力する部分領域の輝度値の平均値を求めるため
の輝度値平均手段と、各部分領域の輝度値を、輝度値平
均手段の出力に基づいてそれぞれ規格化するための輝度
値規格化手段とを含む。またアイリス制御手段は、ニュ
ーラルネットワークの出力を、輝度値平均手段の出力に
基づいて規格化するための出力規格化手段と、出力規格
化手段の出力を予め定める基準信号と比較し、比較結果
に基づいてアイリスを制御するための比較手段とを含
む。
請求項1に記載のオートアイリス回路であって、規格化
輝度値取得手段は、輝度信号に基づいて、各部分領域の
輝度値を取得するための輝度値取得手段と、輝度値取得
手段の出力する部分領域の輝度値の平均値を求めるため
の輝度値平均手段と、各部分領域の輝度値を、輝度値平
均手段の出力に基づいてそれぞれ規格化するための輝度
値規格化手段とを含む。またアイリス制御手段は、ニュ
ーラルネットワークの出力を、輝度値平均手段の出力に
基づいて規格化するための出力規格化手段と、出力規格
化手段の出力を予め定める基準信号と比較し、比較結果
に基づいてアイリスを制御するための比較手段とを含
む。
【0018】請求項3に記載のオートアイリス回路は、
請求項1に記載のオートアイリス回路であって、規格化
輝度値取得手段から出力された部分領域の規格化された
輝度値に基づき、各部分領域を予め定める複数の輝度区
間のいずれか1つに分類し、度数分布情報を出力するた
めの分類手段をさらに含む。ニューラルネットワーク
は、分類手段の出力を入力とする。
請求項1に記載のオートアイリス回路であって、規格化
輝度値取得手段から出力された部分領域の規格化された
輝度値に基づき、各部分領域を予め定める複数の輝度区
間のいずれか1つに分類し、度数分布情報を出力するた
めの分類手段をさらに含む。ニューラルネットワーク
は、分類手段の出力を入力とする。
【0019】請求項4に記載のオートアイリス回路は、
請求項3に記載のオートアイリス回路であって、撮像装
置は、各々が1または複数個の部分領域を含む1または
複数個の部分領域群に区分される撮像領域を有する。こ
のオートアイリス回路は、規格化輝度値取得手段により
出力された各部分領域の輝度値を、各部分領域群ごとに
分類して各部分領域群ごとに1つの統合輝度値を出力す
るための輝度値統合手段をさらに含む。ニューラルネッ
トワークは、分類手段の出力に加えて輝度値統合手段の
出力をも入力とする。アイリス制御手段は、撮像領域を
予め定める複数個の測光領域に区分し、各測光領域ごと
に輝度信号を所定の係数で重み付けすることにより所定
の重点測光信号を出力するための重点測光信号出力手段
と、ニューラルネットワークの出力を、重点測光信号に
より規格化するための出力規格化手段と、出力規格化手
段の出力を予め定める基準信号と比較し、比較結果に基
づいてアイリスを制御するための比較手段とを含む。
請求項3に記載のオートアイリス回路であって、撮像装
置は、各々が1または複数個の部分領域を含む1または
複数個の部分領域群に区分される撮像領域を有する。こ
のオートアイリス回路は、規格化輝度値取得手段により
出力された各部分領域の輝度値を、各部分領域群ごとに
分類して各部分領域群ごとに1つの統合輝度値を出力す
るための輝度値統合手段をさらに含む。ニューラルネッ
トワークは、分類手段の出力に加えて輝度値統合手段の
出力をも入力とする。アイリス制御手段は、撮像領域を
予め定める複数個の測光領域に区分し、各測光領域ごと
に輝度信号を所定の係数で重み付けすることにより所定
の重点測光信号を出力するための重点測光信号出力手段
と、ニューラルネットワークの出力を、重点測光信号に
より規格化するための出力規格化手段と、出力規格化手
段の出力を予め定める基準信号と比較し、比較結果に基
づいてアイリスを制御するための比較手段とを含む。
【0020】請求項5に記載のオートアイリス回路は、
アイリスにより入射光量の規制される撮像装置が出力
し、自動利得制御回路によりレベル調整が行なわれる輝
度信号に応答して、撮像装置の出力を所望のレベルに調
整するようにアイリス及び自動利得制御回路を制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、所定の基準にしたがって規格化された輝
度値を取得するための規格化輝度値取得手段と、規格化
された輝度値を入力とするニューラルネットワークと、
ニューラルネットワークの出力に応答してアイリス及び
自動利得制御回路を制御するための制御手段とを含む。
アイリスにより入射光量の規制される撮像装置が出力
し、自動利得制御回路によりレベル調整が行なわれる輝
度信号に応答して、撮像装置の出力を所望のレベルに調
整するようにアイリス及び自動利得制御回路を制御する
ためのオートアイリス回路であって、輝度信号に基づい
て、撮像装置の撮像領域の予め定める複数個の部分領域
のそれぞれの、所定の基準にしたがって規格化された輝
度値を取得するための規格化輝度値取得手段と、規格化
された輝度値を入力とするニューラルネットワークと、
ニューラルネットワークの出力に応答してアイリス及び
自動利得制御回路を制御するための制御手段とを含む。
【0021】請求項6に記載のオートアイリス回路は、
請求項5に記載のオートアイリス回路であって、規格化
輝度値取得手段は、輝度信号に基づいて、各部分領域の
輝度値を取得するための輝度値取得手段と、輝度値取得
手段の出力する部分領域の輝度値の平均値を求めるため
の輝度値平均手段と、各部分領域の輝度値を、輝度値平
均手段の出力に基づいてそれぞれ規格化するための輝度
値規格化手段とを含む。制御手段は、ニューラルネット
ワークの出力を、輝度値平均手段の出力に基づいて規格
化するための出力規格化手段と、出力規格化手段の出力
を予め定める第一の基準信号と比較し、比較結果に基づ
いてアイリスを制御するための第一の比較手段と、出力
規格化手段の出力を予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御するた
めの第二の比較手段とを含む。
請求項5に記載のオートアイリス回路であって、規格化
輝度値取得手段は、輝度信号に基づいて、各部分領域の
輝度値を取得するための輝度値取得手段と、輝度値取得
手段の出力する部分領域の輝度値の平均値を求めるため
の輝度値平均手段と、各部分領域の輝度値を、輝度値平
均手段の出力に基づいてそれぞれ規格化するための輝度
値規格化手段とを含む。制御手段は、ニューラルネット
ワークの出力を、輝度値平均手段の出力に基づいて規格
化するための出力規格化手段と、出力規格化手段の出力
を予め定める第一の基準信号と比較し、比較結果に基づ
いてアイリスを制御するための第一の比較手段と、出力
規格化手段の出力を予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御するた
めの第二の比較手段とを含む。
【0022】請求項7に記載のオートアイリス回路は、
請求項5に記載のオートアイリス回路であって、規格化
輝度値取得手段から出力された部分領域の規格化された
輝度値に基づき、各部分領域を予め定める複数の輝度区
間のいずれか1つに分類し、度数分布情報を出力するた
めの分類手段をさらに含む。ニューラルネットワーク
は、分類手段の出力を入力とする。
請求項5に記載のオートアイリス回路であって、規格化
輝度値取得手段から出力された部分領域の規格化された
輝度値に基づき、各部分領域を予め定める複数の輝度区
間のいずれか1つに分類し、度数分布情報を出力するた
めの分類手段をさらに含む。ニューラルネットワーク
は、分類手段の出力を入力とする。
【0023】請求項8に記載のオートアイリス回路は、
請求項7に記載のオートアイリス回路であって、撮像装
置は、各々が1または複数個の部分領域を含む1または
複数個の部分領域群に区分される撮像領域を有する。こ
のオートアイリス回路は、規格化輝度値取得手段により
出力された各部分領域の輝度値を、各部分領域群ごとに
分類して各部分領域群ごとに1つの統合輝度値を出力す
るための輝度値統合手段をさらに含む。ニューラルネッ
トワークは、分類手段の出力に加えて輝度値統合手段の
出力をも入力とする。制御手段は、撮像領域を予め定め
る複数個の測光領域に区分し、各測光領域ごとに輝度信
号を所定の係数で重み付けすることにより所定の重点測
光信号を出力するための重点測光信号出力手段と、ニュ
ーラルネットワークの出力を、重点測光信号により規格
化するための出力規格化手段と、出力規格化手段の出力
を予め定める第一の基準信号と比較し、比較結果に基づ
いてアイリスを制御するための第一の比較手段と、出力
規格化手段の出力を予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御するた
めの第二の比較手段とを含む。
請求項7に記載のオートアイリス回路であって、撮像装
置は、各々が1または複数個の部分領域を含む1または
複数個の部分領域群に区分される撮像領域を有する。こ
のオートアイリス回路は、規格化輝度値取得手段により
出力された各部分領域の輝度値を、各部分領域群ごとに
分類して各部分領域群ごとに1つの統合輝度値を出力す
るための輝度値統合手段をさらに含む。ニューラルネッ
トワークは、分類手段の出力に加えて輝度値統合手段の
出力をも入力とする。制御手段は、撮像領域を予め定め
る複数個の測光領域に区分し、各測光領域ごとに輝度信
号を所定の係数で重み付けすることにより所定の重点測
光信号を出力するための重点測光信号出力手段と、ニュ
ーラルネットワークの出力を、重点測光信号により規格
化するための出力規格化手段と、出力規格化手段の出力
を予め定める第一の基準信号と比較し、比較結果に基づ
いてアイリスを制御するための第一の比較手段と、出力
規格化手段の出力を予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御するた
めの第二の比較手段とを含む。
【0024】
【作用】請求項1に記載のオートアイリス回路において
は、アイリスにより入射光量の規制される撮像装置の出
力する輝度信号に基づいて、撮像装置の撮像領域の部分
領域のそれぞれの、所定の基準にしたがって規格化され
た輝度値が取得され、各部分領域の位置とは無関係にニ
ューラルネットワークに与えられる。このニューラルネ
ットワークの出力に応答してアイリス制御手段によりア
イリスの制御が行なわれる。ニューラルネットワークの
入力が各部分領域の位置とは無関係に行なわれるため
に、被写体の輝度分布によるアイリス制御への影響は少
なくなる。また、輝度値が規格化されているために、ニ
ューラルネットワークへの入力データのパターン変化が
少なくなり、ニューラルネットワークの負担が少なくな
る。
は、アイリスにより入射光量の規制される撮像装置の出
力する輝度信号に基づいて、撮像装置の撮像領域の部分
領域のそれぞれの、所定の基準にしたがって規格化され
た輝度値が取得され、各部分領域の位置とは無関係にニ
ューラルネットワークに与えられる。このニューラルネ
ットワークの出力に応答してアイリス制御手段によりア
イリスの制御が行なわれる。ニューラルネットワークの
入力が各部分領域の位置とは無関係に行なわれるため
に、被写体の輝度分布によるアイリス制御への影響は少
なくなる。また、輝度値が規格化されているために、ニ
ューラルネットワークへの入力データのパターン変化が
少なくなり、ニューラルネットワークの負担が少なくな
る。
【0025】請求項2に記載のオートアイリス回路の規
格化輝度値取得手段では、輝度値取得手段によって各部
分領域の輝度値が取得され、輝度値平均手段によってこ
れら部分領域の輝度値の平均値が求められる。そして、
この平均値によって、各部分領域の輝度値が規格化され
る。さらにニューラルネットワークの出力が、輝度値平
均手段の出力に基づいて規格化される。この規格化され
た出力が比較手段によって予め定める基準信号と比較さ
れ、比較結果に基づいてアイリスが制御される。輝度値
がその平均値で規格化されるため、輝度レベルの変化に
よるニューラルネットワークへの入力データのパターン
変化が少なくなる。
格化輝度値取得手段では、輝度値取得手段によって各部
分領域の輝度値が取得され、輝度値平均手段によってこ
れら部分領域の輝度値の平均値が求められる。そして、
この平均値によって、各部分領域の輝度値が規格化され
る。さらにニューラルネットワークの出力が、輝度値平
均手段の出力に基づいて規格化される。この規格化され
た出力が比較手段によって予め定める基準信号と比較さ
れ、比較結果に基づいてアイリスが制御される。輝度値
がその平均値で規格化されるため、輝度レベルの変化に
よるニューラルネットワークへの入力データのパターン
変化が少なくなる。
【0026】請求項3に記載のオートアイリス回路の分
類手段では、規格化輝度値取得手段から出力された部分
領域の規格化された輝度値に基づき、各部分領域が予め
定める複数の輝度区間のいずれか1つに分類される。そ
して、その度数分布情報がニューラルネットワークに入
力される。すなわち輝度分布の特徴が、度数分布情報と
してニューラルネットワークに与えられる。
類手段では、規格化輝度値取得手段から出力された部分
領域の規格化された輝度値に基づき、各部分領域が予め
定める複数の輝度区間のいずれか1つに分類される。そ
して、その度数分布情報がニューラルネットワークに入
力される。すなわち輝度分布の特徴が、度数分布情報と
してニューラルネットワークに与えられる。
【0027】請求項4に記載のオートアイリス回路の輝
度値統合手段は、規格化輝度値取得手段により出力され
た各部分領域の輝度値を、各部分領域群ごとに分類して
各部分領域群ごとに1つの統合輝度値を出力する。この
統合輝度値は、分類手段の出力とともにニューラルネッ
トワークに入力される。重点測光信号出力手段は、撮像
領域の各測光領域ごとに輝度信号を所定の係数で重み付
けすることにより所定の重点測光信号を出力する。この
重点測光信号はニューラルネットワークに入力され、ニ
ューラルネットワークの出力は、出力規格化手段によっ
て重点測光信号を基準として規格化される。比較手段は
出力規格化手段の出力を予め定める基準信号と比較し、
比較結果に基づいてアイリスを制御する。これにより、
従来の重点測光方式による制御を行なったうえ、輝度分
布のパターンに従ったニューラルネットワークの出力で
補正できる。
度値統合手段は、規格化輝度値取得手段により出力され
た各部分領域の輝度値を、各部分領域群ごとに分類して
各部分領域群ごとに1つの統合輝度値を出力する。この
統合輝度値は、分類手段の出力とともにニューラルネッ
トワークに入力される。重点測光信号出力手段は、撮像
領域の各測光領域ごとに輝度信号を所定の係数で重み付
けすることにより所定の重点測光信号を出力する。この
重点測光信号はニューラルネットワークに入力され、ニ
ューラルネットワークの出力は、出力規格化手段によっ
て重点測光信号を基準として規格化される。比較手段は
出力規格化手段の出力を予め定める基準信号と比較し、
比較結果に基づいてアイリスを制御する。これにより、
従来の重点測光方式による制御を行なったうえ、輝度分
布のパターンに従ったニューラルネットワークの出力で
補正できる。
【0028】請求項5に記載のオートアイリス回路の規
格化輝度値取得手段は、アイリスにより入射光量の規制
される撮像装置が出力し、自動利得制御回路によりレベ
ル調整が行なわれる輝度信号に基づいて、撮像装置の部
分領域のそれぞれの、所定の基準にしたがって規格化さ
れた輝度値を取得し、ニューラルネットワークに与え
る。制御手段は、ニューラルネットワークの出力に応答
してアイリス及び自動利得制御回路を制御する。ニュー
ラルネットワークの入力が各部分領域の位置とは無関係
に行なわれるために、被写体の輝度分布によるアイリス
制御および自動利得制御回路の制御への影響が少なくな
る。また、輝度値が規格化されているために、ニューラ
ルネットワークへの入力データのパターン変化が少なく
なり、ニューラルネットワークの負担が少なくなる。
格化輝度値取得手段は、アイリスにより入射光量の規制
される撮像装置が出力し、自動利得制御回路によりレベ
ル調整が行なわれる輝度信号に基づいて、撮像装置の部
分領域のそれぞれの、所定の基準にしたがって規格化さ
れた輝度値を取得し、ニューラルネットワークに与え
る。制御手段は、ニューラルネットワークの出力に応答
してアイリス及び自動利得制御回路を制御する。ニュー
ラルネットワークの入力が各部分領域の位置とは無関係
に行なわれるために、被写体の輝度分布によるアイリス
制御および自動利得制御回路の制御への影響が少なくな
る。また、輝度値が規格化されているために、ニューラ
ルネットワークへの入力データのパターン変化が少なく
なり、ニューラルネットワークの負担が少なくなる。
【0029】請求項6に記載のオートアイリス回路の規
格化輝度値取得手段では、輝度値取得手段によって各部
分領域の輝度値が取得される。輝度値平均手段により、
輝度値取得手段の出力する部分領域の輝度値の平均値が
求められ、輝度値規格化手段によって、各部分領域の輝
度値が、輝度値平均手段の出力に基づいてそれぞれ規格
化される。ニューラルネットワークの出力は、出力規格
化手段によって、輝度値平均手段の出力に基づいて規格
化される。第一の比較手段は、出力規格化手段の出力
を、予め定める第一の基準信号と比較し、比較結果に基
づいてアイリスを制御する。第二の比較手段は、出力規
格化手段の出力を、予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御する。
輝度値がその平均値で規格化されるため、輝度レベルの
変化によるニューラルネットワークへの入力データのパ
ターン変化が少なくなる。
格化輝度値取得手段では、輝度値取得手段によって各部
分領域の輝度値が取得される。輝度値平均手段により、
輝度値取得手段の出力する部分領域の輝度値の平均値が
求められ、輝度値規格化手段によって、各部分領域の輝
度値が、輝度値平均手段の出力に基づいてそれぞれ規格
化される。ニューラルネットワークの出力は、出力規格
化手段によって、輝度値平均手段の出力に基づいて規格
化される。第一の比較手段は、出力規格化手段の出力
を、予め定める第一の基準信号と比較し、比較結果に基
づいてアイリスを制御する。第二の比較手段は、出力規
格化手段の出力を、予め定める第二の基準信号と比較
し、比較結果に基づいて自動利得制御回路を制御する。
輝度値がその平均値で規格化されるため、輝度レベルの
変化によるニューラルネットワークへの入力データのパ
ターン変化が少なくなる。
【0030】請求項7に記載のオートアイリス回路の分
類手段は、規格化輝度値取得手段から出力された部分領
域の規格化された輝度値に基づき、各部分領域を予め定
める複数の輝度区間のいずれか1つに分類する。さら
に、その度数分布情報がニューラルネットワークに与え
られる。すなわち、輝度分布の特徴が、度数分布情報と
してニューラルネットワークに与えられる。
類手段は、規格化輝度値取得手段から出力された部分領
域の規格化された輝度値に基づき、各部分領域を予め定
める複数の輝度区間のいずれか1つに分類する。さら
に、その度数分布情報がニューラルネットワークに与え
られる。すなわち、輝度分布の特徴が、度数分布情報と
してニューラルネットワークに与えられる。
【0031】請求項8に記載のオートアイリス回路の輝
度値統合手段は、規格化輝度値取得手段により出力され
た各部分領域の輝度値を、各部分領域群ごとに分類して
各部分領域群ごとに1つの統合輝度値を出力する。この
統合輝度値は、分類手段の出力とともにニューラルネッ
トワークに与えられる。重点測光信号出力手段は、各測
光領域ごとに輝度信号を所定の係数で重み付けすること
により所定の重点測光信号を出力する。出力規格化手段
は、ニューラルネットワークの出力を、重点測光信号に
より規格化する。第一の比較手段は出力規格化手段の出
力を予め定める第一の基準信号と比較し、比較結果に基
づいてアイリスを制御する。第二の比較手段は、出力規
格化手段の出力を予め定める第二の基準信号と比較し、
比較結果に基づいて自動利得制御回路を制御する。これ
により、従来の重点測光方式によるアイリス制御を行な
うとともに、このアイリス制御を輝度分布のパターンに
従ったニューラルネットワークの出力によって補正でき
る。
度値統合手段は、規格化輝度値取得手段により出力され
た各部分領域の輝度値を、各部分領域群ごとに分類して
各部分領域群ごとに1つの統合輝度値を出力する。この
統合輝度値は、分類手段の出力とともにニューラルネッ
トワークに与えられる。重点測光信号出力手段は、各測
光領域ごとに輝度信号を所定の係数で重み付けすること
により所定の重点測光信号を出力する。出力規格化手段
は、ニューラルネットワークの出力を、重点測光信号に
より規格化する。第一の比較手段は出力規格化手段の出
力を予め定める第一の基準信号と比較し、比較結果に基
づいてアイリスを制御する。第二の比較手段は、出力規
格化手段の出力を予め定める第二の基準信号と比較し、
比較結果に基づいて自動利得制御回路を制御する。これ
により、従来の重点測光方式によるアイリス制御を行な
うとともに、このアイリス制御を輝度分布のパターンに
従ったニューラルネットワークの出力によって補正でき
る。
【0032】
【実施例】図1は、本発明の第1の実施例に係るオート
アイリス回路およびこのアイリスオート回路を含むカメ
ラ一体型VTRの一部のブロック図である。図1を参照
してこのカメラ一体型VTRは、レンズ26と、アイリ
ス24と、CCD10と、CCD10の出力する輝度信
号に基づきアイリス24を制御するためのオートアイリ
ス回路2とを含む。
アイリス回路およびこのアイリスオート回路を含むカメ
ラ一体型VTRの一部のブロック図である。図1を参照
してこのカメラ一体型VTRは、レンズ26と、アイリ
ス24と、CCD10と、CCD10の出力する輝度信
号に基づきアイリス24を制御するためのオートアイリ
ス回路2とを含む。
【0033】オートアイリス回路2は、CCD10の出
力するアナログの輝度信号をデジタル信号に変換するた
めのA/D(アナログ─デジタル)変換回路28と、A
/D変換回路28の出力するデジタルの輝度信号に基づ
き、CCD10の撮像画面を縦m等分、横n等分の複数
個のブロック(部分領域)に分割して、各ブロックごと
の輝度値を積分により取得するためのm×nブロック積
分回路12と、ブロック積分回路12から出力される複
数個のブロックの輝度値の平均値を求めるための平均値
回路14と、ブロック積分回路12と平均値回路14と
に接続され、ブロック積分回路12から出力される各ブ
ロックの輝度値を、平均値回路14から与えられる平均
値を用いて規格化するための規格化回路16と、規格化
回路16によって規格化された、m×n個のブロックの
輝度値を入力とするニューラルネットワーク18と、平
均値回路14およびニューラルネットワーク18に接続
され、ニューラルネットワーク18の出力を平均値回路
14から与えられる平均値を用いて規格化するための規
格化回路20と、基準輝度信号を発生するための基準輝
度発生回路38と、基準輝度信号と規格化回路20の出
力とを比較し、アイリス24を制御するための信号を出
力する比較器22とを含む。
力するアナログの輝度信号をデジタル信号に変換するた
めのA/D(アナログ─デジタル)変換回路28と、A
/D変換回路28の出力するデジタルの輝度信号に基づ
き、CCD10の撮像画面を縦m等分、横n等分の複数
個のブロック(部分領域)に分割して、各ブロックごと
の輝度値を積分により取得するためのm×nブロック積
分回路12と、ブロック積分回路12から出力される複
数個のブロックの輝度値の平均値を求めるための平均値
回路14と、ブロック積分回路12と平均値回路14と
に接続され、ブロック積分回路12から出力される各ブ
ロックの輝度値を、平均値回路14から与えられる平均
値を用いて規格化するための規格化回路16と、規格化
回路16によって規格化された、m×n個のブロックの
輝度値を入力とするニューラルネットワーク18と、平
均値回路14およびニューラルネットワーク18に接続
され、ニューラルネットワーク18の出力を平均値回路
14から与えられる平均値を用いて規格化するための規
格化回路20と、基準輝度信号を発生するための基準輝
度発生回路38と、基準輝度信号と規格化回路20の出
力とを比較し、アイリス24を制御するための信号を出
力する比較器22とを含む。
【0034】ブロック積分回路12は、図4を参照し
て、CCD10(図1)の撮像画面82を、前述のよう
に縦m個、横n個のm×n個のブロックに区分し、各ブ
ロックの輝度を、各ブロックごとに輝度信号を積分する
ことにより取得する。
て、CCD10(図1)の撮像画面82を、前述のよう
に縦m個、横n個のm×n個のブロックに区分し、各ブ
ロックの輝度を、各ブロックごとに輝度信号を積分する
ことにより取得する。
【0035】図2を参照して、ニューラルネットワーク
18は、階層型のニューラルネットワークであり、m×
nブロック積分回路12から出力され、規格化回路16
によって規格化されたm×n個の輝度データを入力とす
る入力層40と、入力層40の出力を入力とする中間層
42と、中間層42の出力を入力とし、出力を規格化回
路20(図1参照)に与えるための出力層44とを含
む。
18は、階層型のニューラルネットワークであり、m×
nブロック積分回路12から出力され、規格化回路16
によって規格化されたm×n個の輝度データを入力とす
る入力層40と、入力層40の出力を入力とする中間層
42と、中間層42の出力を入力とし、出力を規格化回
路20(図1参照)に与えるための出力層44とを含
む。
【0036】入力層40は、S+1個のニューロン46
を含む。このニューロン46のうち、1〜S番目のニュ
ーロンには、それぞれ規格化回路16の出力する各ブロ
ックの規格化された輝度データが1つずつ入力される。
すなわち、S=m×nが成立する。S+1番目のニュー
ロン46は、入力を持たず、常に−1を出力する。S+
1番目のこのニューロンは、抑制性のニューロンと呼ば
れる。
を含む。このニューロン46のうち、1〜S番目のニュ
ーロンには、それぞれ規格化回路16の出力する各ブロ
ックの規格化された輝度データが1つずつ入力される。
すなわち、S=m×nが成立する。S+1番目のニュー
ロン46は、入力を持たず、常に−1を出力する。S+
1番目のこのニューロンは、抑制性のニューロンと呼ば
れる。
【0037】中間層42は、H+1個(H≧1)のニュ
ーロン48を含む。このニューロン48のうち、1〜H
番目のニューロン48の入力は、入力層40のS+1個
のニューロンのそれぞれに接続されている。H+1番目
のニューロンは、入力層40のS+1番目のニューロン
と同様に入力を持たず、抑制性のニューロンであって常
に−1を出力する。
ーロン48を含む。このニューロン48のうち、1〜H
番目のニューロン48の入力は、入力層40のS+1個
のニューロンのそれぞれに接続されている。H+1番目
のニューロンは、入力層40のS+1番目のニューロン
と同様に入力を持たず、抑制性のニューロンであって常
に−1を出力する。
【0038】出力層44は、1つのニューロン50を含
む。ニューロン50の入力には、中間層42のH+1個
のニューロン48の出力がそれぞれ接続されている。ニ
ューロン50は、中間層42のニューロン48の出力に
基づき1つの信号を出力する。
む。ニューロン50の入力には、中間層42のH+1個
のニューロン48の出力がそれぞれ接続されている。ニ
ューロン50は、中間層42のニューロン48の出力に
基づき1つの信号を出力する。
【0039】図3を参照して、たとえば中間層42の1
番目ないしH番目の各ニューロン48は、N個の入力を
持つ。i番目の入力値がyi であるとすれば、各入力値
には重み係数wi が乗算され、ニューロン48は次の式
に従う値zを出力する。
番目ないしH番目の各ニューロン48は、N個の入力を
持つ。i番目の入力値がyi であるとすれば、各入力値
には重み係数wi が乗算され、ニューロン48は次の式
に従う値zを出力する。
【0040】
【数1】
【0041】式(1)において、ωi は、このニューロ
ン48の、i番目の入力を与える前層のニューロンとの
結合係数(重み係数)を表わす(i=1、…、N)。ま
た、関数sig(x)(シグモイド関数)は0≦sig
(x)≦1を満たす増加関数である。sig(x)の例
として、次の式(2)で挙げられるものがある。
ン48の、i番目の入力を与える前層のニューロンとの
結合係数(重み係数)を表わす(i=1、…、N)。ま
た、関数sig(x)(シグモイド関数)は0≦sig
(x)≦1を満たす増加関数である。sig(x)の例
として、次の式(2)で挙げられるものがある。
【0042】
【数2】
【0043】式(2)をグラフに表わせば、図10に示
される曲線になる。本実施例のアイリス制御回路2のニ
ューラルネットワーク18は、予め幾つかの輝度パター
ン(入力パターン)と、それに対応する望ましいアイリ
ス制御信号(教師信号)を与えることにより学習を終了
しているものとする.学習過程では各ニューロンには、
与えられた輝度パターンに対して出力層44が出力する
データと、望ましい出力値とが与えられ、その誤差を用
いて各ニューロンの間の結合の強さが変えられていく。
これを繰返し複数個の輝度パターンについて行なうこと
により、各輝度パターンの分離が行なわれ、学習が終了
した後には、ニューラルネットワーク18は、学習を行
なっていない輝度パターンについても望ましいアイリス
制御を行なうことができるように各ニューロン間の結合
の強さが調整されている。すなわち、学習が完了するこ
とにより、ニューラルネットワーク18は、入力される
輝度パターンを幾つかのカテゴリに分類したこととな
り、学習をしていない輝度パターンが入力された際に
も、この入力パターンをあるカテゴリに分類し、望まし
い出力値を得ることができるようになる。
される曲線になる。本実施例のアイリス制御回路2のニ
ューラルネットワーク18は、予め幾つかの輝度パター
ン(入力パターン)と、それに対応する望ましいアイリ
ス制御信号(教師信号)を与えることにより学習を終了
しているものとする.学習過程では各ニューロンには、
与えられた輝度パターンに対して出力層44が出力する
データと、望ましい出力値とが与えられ、その誤差を用
いて各ニューロンの間の結合の強さが変えられていく。
これを繰返し複数個の輝度パターンについて行なうこと
により、各輝度パターンの分離が行なわれ、学習が終了
した後には、ニューラルネットワーク18は、学習を行
なっていない輝度パターンについても望ましいアイリス
制御を行なうことができるように各ニューロン間の結合
の強さが調整されている。すなわち、学習が完了するこ
とにより、ニューラルネットワーク18は、入力される
輝度パターンを幾つかのカテゴリに分類したこととな
り、学習をしていない輝度パターンが入力された際に
も、この入力パターンをあるカテゴリに分類し、望まし
い出力値を得ることができるようになる。
【0044】図1〜図4を参照して、この第1の実施例
のオートアイリス回路2は以下のように動作する。レン
ズ26によって結像面上に結ばれた被写体の光学像は、
CCD10により輝度信号に変換される。この信号は図
示されない映像信号処理回路に与えられ、所定の映像信
号処理が施される。この輝度信号はまた、オートアイリ
ス回路2のA/D変換回路28でデジタル化され、ブロ
ック積分回路12に与えられる。ブロック積分回路12
は、CCD10の画面を図4に示されるようにm×n個
のブロックに分割し、各ブロックごとにその輝度値を得
て、平均値回路14および規格化回路16に与える。平
均値回路14は、ブロック積分回路12から与えられる
m×n個の各ブロックごとの輝度値の平均値を算出し、
規格化回路16、20に与える。規格化回路16は、ブ
ロック積分回路12から与えられる各ブロックの輝度値
を、平均値回路14から与えられる平均値で規格化し、
ニューラルネットワーク18にm×n個の入力として与
える。
のオートアイリス回路2は以下のように動作する。レン
ズ26によって結像面上に結ばれた被写体の光学像は、
CCD10により輝度信号に変換される。この信号は図
示されない映像信号処理回路に与えられ、所定の映像信
号処理が施される。この輝度信号はまた、オートアイリ
ス回路2のA/D変換回路28でデジタル化され、ブロ
ック積分回路12に与えられる。ブロック積分回路12
は、CCD10の画面を図4に示されるようにm×n個
のブロックに分割し、各ブロックごとにその輝度値を得
て、平均値回路14および規格化回路16に与える。平
均値回路14は、ブロック積分回路12から与えられる
m×n個の各ブロックごとの輝度値の平均値を算出し、
規格化回路16、20に与える。規格化回路16は、ブ
ロック積分回路12から与えられる各ブロックの輝度値
を、平均値回路14から与えられる平均値で規格化し、
ニューラルネットワーク18にm×n個の入力として与
える。
【0045】ニューラルネットワーク18の入力層40
の1〜S(=m×n)番目のニューロン46には、規格
化回路16からm×n個の規格化された輝度値のうち所
定の1つがそれぞれ与えられる。ニューロン46は、予
め学習によって得ていた、入力に対する出力の変化のパ
ターンに従って出力を中間層42の各ニューロン48に
与える。中間層42の各ニューロン48は、入力層40
のS+1個のニューロンからの入力を受け、予め学習に
より与えられていたニューロン間の結合強さに従って出
力を得、それぞれ出力を出力層44のニューロン50に
与える。出力層44のニューロン50は、中間層42の
H+1個のニューロン48から与えられるデータに対し
て、予め学習により得ていた入力に対する出力変化のパ
ターンに従って変化する電圧を出力する。
の1〜S(=m×n)番目のニューロン46には、規格
化回路16からm×n個の規格化された輝度値のうち所
定の1つがそれぞれ与えられる。ニューロン46は、予
め学習によって得ていた、入力に対する出力の変化のパ
ターンに従って出力を中間層42の各ニューロン48に
与える。中間層42の各ニューロン48は、入力層40
のS+1個のニューロンからの入力を受け、予め学習に
より与えられていたニューロン間の結合強さに従って出
力を得、それぞれ出力を出力層44のニューロン50に
与える。出力層44のニューロン50は、中間層42の
H+1個のニューロン48から与えられるデータに対し
て、予め学習により得ていた入力に対する出力変化のパ
ターンに従って変化する電圧を出力する。
【0046】このようにニューラルネットワーク18
は、予め完了していた学習結果に従い、入力される輝度
パターンを幾つかのカテゴリに分類し、学習していない
輝度パターンを入力された場合にも或るカテゴリに分類
を行ない、望ましい出力値を得ることができる。
は、予め完了していた学習結果に従い、入力される輝度
パターンを幾つかのカテゴリに分類し、学習していない
輝度パターンを入力された場合にも或るカテゴリに分類
を行ない、望ましい出力値を得ることができる。
【0047】図1を参照して、ニューラルネットワーク
18の出力が規格化回路20によって平均値回路14か
ら与えられる平均値で規格化され、比較器22に与えら
れる。比較器22は、規格化回路20の出力と基準輝度
信号とを比較し、規格化回路20からの電圧が基準輝度
信号と等しくなるような方向に変化するようにアイリス
24を制御する。
18の出力が規格化回路20によって平均値回路14か
ら与えられる平均値で規格化され、比較器22に与えら
れる。比較器22は、規格化回路20の出力と基準輝度
信号とを比較し、規格化回路20からの電圧が基準輝度
信号と等しくなるような方向に変化するようにアイリス
24を制御する。
【0048】このようにこの第1の実施例のオートアイ
リス回路2では、画面の位置に対して重み付けがなされ
ず、画面を複数個のブロックに分割してニューラルネッ
トワークによりアイリス制御を行なう。そのため従来技
術では困難であった、逆光時やスポット光が入射した場
合のアイリス制御信号の補正を行なうことができる。ま
た、本実施例ではニューラルネットワークの入力値およ
び出力値がそれぞれ平均値によって規格化されている。
CCD10の出力する輝度信号の輝度レベルの変化に対
しても、ニューラルネットワーク18に与えられる入力
データのパターンに生ずる変化は少ない。そのため、輝
度レベルの変化に対してもニューラルネットワークのパ
ターン分離の負担が少なくてすむ。
リス回路2では、画面の位置に対して重み付けがなされ
ず、画面を複数個のブロックに分割してニューラルネッ
トワークによりアイリス制御を行なう。そのため従来技
術では困難であった、逆光時やスポット光が入射した場
合のアイリス制御信号の補正を行なうことができる。ま
た、本実施例ではニューラルネットワークの入力値およ
び出力値がそれぞれ平均値によって規格化されている。
CCD10の出力する輝度信号の輝度レベルの変化に対
しても、ニューラルネットワーク18に与えられる入力
データのパターンに生ずる変化は少ない。そのため、輝
度レベルの変化に対してもニューラルネットワークのパ
ターン分離の負担が少なくてすむ。
【0049】図5は、本発明の第2の実施例に係るオー
トアイリス回路4のブロック図である。この第2の実施
例のオートアイリス回路4も、図1に示されるオートア
イリス回路2と同様にカメラ一体型VTRのCCD10
に接続され、CCD10から与えられる輝度信号に応じ
てアイリス24を制御するためのものである。レンズ2
6、アイリス24、CCD10は図1に示されるものと
同様のものである。
トアイリス回路4のブロック図である。この第2の実施
例のオートアイリス回路4も、図1に示されるオートア
イリス回路2と同様にカメラ一体型VTRのCCD10
に接続され、CCD10から与えられる輝度信号に応じ
てアイリス24を制御するためのものである。レンズ2
6、アイリス24、CCD10は図1に示されるものと
同様のものである。
【0050】オートアイリス回路4は、CCD10の出
力に接続され、CCD10から出力されるアナログの輝
度信号をA/D(アナログ−デジタル)変換するための
A/D変換回路28と、A/D変換回路28によってデ
ジタル信号に変換された輝度信号に基づき、図4に示さ
れるようにCCD10の撮像画面82をm×n個のブロ
ックに分割し、各ブロックごとに輝度信号を積分して積
分値を取得するためのブロック積分回路12と、ブロッ
ク積分回路12の出力に接続され、m×n個のブロック
の輝度値の平均値を算出するための平均値回路14と、
ブロック積分回路12および平均値回路14の出力に接
続され、ブロック積分回路12から出力されるm×n個
の各ブロックの輝度値を、平均値回路14から与えられ
る平均値を用いて規格化するための規格化回路16と、
規格化回路16から出力される、各ブロックの規格化さ
れた輝度値に基づき、m×n個のブロックを、h段階に
分類し、分類結果を各段階に属するブロックの個数(度
数分布情報)として出力するためのヒストグラム回路3
0と、ヒストグラム回路30の出力を入力とする、階層
型のニューラルネットワーク32と、ニューラルネット
ワーク32および平均値回路14の出力に接続され、ニ
ューラルネットワーク32の出力を平均値回路14から
の平均値で規格化するための規格化回路20と、基準輝
度信号を出力するための基準輝度発生回路38と、基準
輝度発生回路38および規格化回路20の出力に入力が
それぞれ接続され、規格化回路20の出力電圧と基準輝
度信号の電圧とを比較し、規格化回路20からの出力電
圧レベルが基準輝度信号の電圧レベルと等しくなる方向
に変化するようにアイリス24を制御するための比較器
22とを含む。
力に接続され、CCD10から出力されるアナログの輝
度信号をA/D(アナログ−デジタル)変換するための
A/D変換回路28と、A/D変換回路28によってデ
ジタル信号に変換された輝度信号に基づき、図4に示さ
れるようにCCD10の撮像画面82をm×n個のブロ
ックに分割し、各ブロックごとに輝度信号を積分して積
分値を取得するためのブロック積分回路12と、ブロッ
ク積分回路12の出力に接続され、m×n個のブロック
の輝度値の平均値を算出するための平均値回路14と、
ブロック積分回路12および平均値回路14の出力に接
続され、ブロック積分回路12から出力されるm×n個
の各ブロックの輝度値を、平均値回路14から与えられ
る平均値を用いて規格化するための規格化回路16と、
規格化回路16から出力される、各ブロックの規格化さ
れた輝度値に基づき、m×n個のブロックを、h段階に
分類し、分類結果を各段階に属するブロックの個数(度
数分布情報)として出力するためのヒストグラム回路3
0と、ヒストグラム回路30の出力を入力とする、階層
型のニューラルネットワーク32と、ニューラルネット
ワーク32および平均値回路14の出力に接続され、ニ
ューラルネットワーク32の出力を平均値回路14から
の平均値で規格化するための規格化回路20と、基準輝
度信号を出力するための基準輝度発生回路38と、基準
輝度発生回路38および規格化回路20の出力に入力が
それぞれ接続され、規格化回路20の出力電圧と基準輝
度信号の電圧とを比較し、規格化回路20からの出力電
圧レベルが基準輝度信号の電圧レベルと等しくなる方向
に変化するようにアイリス24を制御するための比較器
22とを含む。
【0051】図6を参照して、ニューラルネットワーク
32は、ヒストグラム回路30から与えられるh個のヒ
ストグラム分類済みデータを入力とする入力層58と、
入力層58の出力を入力とする中間層60と、中間層6
0の出力を入力とする出力層62とを含む。
32は、ヒストグラム回路30から与えられるh個のヒ
ストグラム分類済みデータを入力とする入力層58と、
入力層58の出力を入力とする中間層60と、中間層6
0の出力を入力とする出力層62とを含む。
【0052】入力層58は、h(h≧2)個のニューロ
ン52を含む。任意のi番目のニューロン52は、ヒス
トグラム回路30から与えられるi段階目のヒストグラ
ム分類データを入力とする。すなわち、i番目のニュー
ロン52には、規格化された輝度がi段階目の区間に属
するブロックが幾つあるかを示す情報がヒストグラム回
路30から与えられる。
ン52を含む。任意のi番目のニューロン52は、ヒス
トグラム回路30から与えられるi段階目のヒストグラ
ム分類データを入力とする。すなわち、i番目のニュー
ロン52には、規格化された輝度がi段階目の区間に属
するブロックが幾つあるかを示す情報がヒストグラム回
路30から与えられる。
【0053】中間層60は、H個のニューロン54を含
む。各ニューロン54は、入力層58に含まれるh個の
ニューロン52のすべての出力を入力とし、1つの出力
を出力層62に与える。出力層62は、1つのニューロ
ン56を含む。ニューロン56は、中間層60に含まれ
るすべてのニューロン54の出力を入力とし、入力され
る信号のパターンに応じて定まる出力を規格化回路20
に与える。
む。各ニューロン54は、入力層58に含まれるh個の
ニューロン52のすべての出力を入力とし、1つの出力
を出力層62に与える。出力層62は、1つのニューロ
ン56を含む。ニューロン56は、中間層60に含まれ
るすべてのニューロン54の出力を入力とし、入力され
る信号のパターンに応じて定まる出力を規格化回路20
に与える。
【0054】図7を参照して、たとえば中間層60に含
まれるニューロン54は、N(=h)個の入力y1 〜y
N を有する。各入力y1 〜yN は、それぞれに前の層の
各ニューロンとの結合度を定める重み係数ω1 〜ωN に
よって重み付けされる。この重み係数ω1 〜ωN は、前
述の学習の過程で様々な入力パターンに対するニューラ
ルネットワーク32の出力パターンと、望ましい出力パ
ターンとの誤差に基づいて変更されていく。そしてこの
ニューロン54の出力zは、次の式(3)に従って定め
られる。
まれるニューロン54は、N(=h)個の入力y1 〜y
N を有する。各入力y1 〜yN は、それぞれに前の層の
各ニューロンとの結合度を定める重み係数ω1 〜ωN に
よって重み付けされる。この重み係数ω1 〜ωN は、前
述の学習の過程で様々な入力パターンに対するニューラ
ルネットワーク32の出力パターンと、望ましい出力パ
ターンとの誤差に基づいて変更されていく。そしてこの
ニューロン54の出力zは、次の式(3)に従って定め
られる。
【0055】
【数3】
【0056】式(3)において、yi はニューロン54
のi番目の入力値、ωi はこのニューロン54の、前の
層のi番目のニューロンとの結合度を定める結合係数
(重み係数)(ただしi=1、…、N=h)、θはニュ
ーロン54のしきい値をそれぞれ表わす。シグモイド関
数sig(x)の例としては次の式(4)で示されるも
のが挙げられる。
のi番目の入力値、ωi はこのニューロン54の、前の
層のi番目のニューロンとの結合度を定める結合係数
(重み係数)(ただしi=1、…、N=h)、θはニュ
ーロン54のしきい値をそれぞれ表わす。シグモイド関
数sig(x)の例としては次の式(4)で示されるも
のが挙げられる。
【0057】
【数4】
【0058】ニューラルネットワーク32の各ニューロ
ン内の重み係数ω1 〜ωN は、ニューラルネットワーク
32の学習過程でそれぞれその値が決定される。この値
は、前述のようにニューラルネットワーク32に何通り
かの入力パターンを与え、各入力パターンに対するニュ
ーラルネットワーク32の出力値と望ましい出力値との
誤差に基づき変化される。この繰返しを行なうことによ
り学習がされ、各輝度パターンの分離が行なわれる。学
習が終了した後には、ニューラルネットワーク32は、
学習を行なっていない輝度パターンに対しても望ましい
アイリス制御を行なうことができるようなニューロン間
の結合強さを有するようになっている。
ン内の重み係数ω1 〜ωN は、ニューラルネットワーク
32の学習過程でそれぞれその値が決定される。この値
は、前述のようにニューラルネットワーク32に何通り
かの入力パターンを与え、各入力パターンに対するニュ
ーラルネットワーク32の出力値と望ましい出力値との
誤差に基づき変化される。この繰返しを行なうことによ
り学習がされ、各輝度パターンの分離が行なわれる。学
習が終了した後には、ニューラルネットワーク32は、
学習を行なっていない輝度パターンに対しても望ましい
アイリス制御を行なうことができるようなニューロン間
の結合強さを有するようになっている。
【0059】図5〜図7に示される第2の実施例のオー
トアイリス回路は以下のように動作する。レンズ26に
よって結ばれた被写体の光学像は、CCD10によって
輝度信号に変換される。この輝度信号は図示されない映
像信号処理回路に与えられる。輝度信号はまたA/D変
換回路28に与えられ、デジタル信号に変換される。ブ
ロック積分回路12は、入力されるデジタル信号を、図
4に示されるようにm×n個のブロックごとに積分する
ことにより、各ブロックの輝度値を取得し、平均値回路
14および規格化回路16に与える。平均値回路14
は、m×n個の輝度値の平均値を算出し、規格化回路1
6、20に与える。規格化回路16はブロック積分回路
12から出力されるm×n個のブロックの各輝度値を、
平均値回路14から与えられる平均値で規格化し、ヒス
トグラム回路30に与える。
トアイリス回路は以下のように動作する。レンズ26に
よって結ばれた被写体の光学像は、CCD10によって
輝度信号に変換される。この輝度信号は図示されない映
像信号処理回路に与えられる。輝度信号はまたA/D変
換回路28に与えられ、デジタル信号に変換される。ブ
ロック積分回路12は、入力されるデジタル信号を、図
4に示されるようにm×n個のブロックごとに積分する
ことにより、各ブロックの輝度値を取得し、平均値回路
14および規格化回路16に与える。平均値回路14
は、m×n個の輝度値の平均値を算出し、規格化回路1
6、20に与える。規格化回路16はブロック積分回路
12から出力されるm×n個のブロックの各輝度値を、
平均値回路14から与えられる平均値で規格化し、ヒス
トグラム回路30に与える。
【0060】ヒストグラム回路30は、規格化回路16
から与えられるm×n個の各ブロックの輝度値を、その
レベルに応じてh段階に分類する。このh個の度数分布
情報はヒストグラム回路30によってニューラルネット
ワーク32に入力される。
から与えられるm×n個の各ブロックの輝度値を、その
レベルに応じてh段階に分類する。このh個の度数分布
情報はヒストグラム回路30によってニューラルネット
ワーク32に入力される。
【0061】ニューラルネットワーク32の入力層58
のたとえばi番目のニューロン52には、i段階目の度
数がヒストグラム分類済みデータとしてヒストグラム回
路30から入力される。ニューロン52は、予め学習し
ていた重み付けに従って入力値を加工し、中間層60に
含まれる各ニューロン54に与える。中間層60に含ま
れる各ニューロン54は、入力層58の各ニューロン5
2からの入力に対し、予め学習済みの重み付けを行なっ
て演算し、それぞれ1つの出力を出力層62のニューロ
ン56に与える。出力層62のニューロン56は、中間
層60の各ニューロン54から入力される信号に対し、
予め学習済みの重み付けを行なって演算し、1つの出力
を得て規格化回路20に与える。
のたとえばi番目のニューロン52には、i段階目の度
数がヒストグラム分類済みデータとしてヒストグラム回
路30から入力される。ニューロン52は、予め学習し
ていた重み付けに従って入力値を加工し、中間層60に
含まれる各ニューロン54に与える。中間層60に含ま
れる各ニューロン54は、入力層58の各ニューロン5
2からの入力に対し、予め学習済みの重み付けを行なっ
て演算し、それぞれ1つの出力を出力層62のニューロ
ン56に与える。出力層62のニューロン56は、中間
層60の各ニューロン54から入力される信号に対し、
予め学習済みの重み付けを行なって演算し、1つの出力
を得て規格化回路20に与える。
【0062】ニューラルネットワーク32の出力は、値
の適正化を保つために、平均値回路14から与えられる
平均値に従って規格化され比較器22に与えられる。比
較器22は、基準輝度発生回路38からの基準輝度信号
の電圧レベルと規格化回路20から与えられる信号の電
圧レベルとを比較し、規格化回路20の出力する信号の
電圧レベルが基準輝度信号の電圧レベルと等しい方向に
変化するようにアイリス24を制御する。
の適正化を保つために、平均値回路14から与えられる
平均値に従って規格化され比較器22に与えられる。比
較器22は、基準輝度発生回路38からの基準輝度信号
の電圧レベルと規格化回路20から与えられる信号の電
圧レベルとを比較し、規格化回路20の出力する信号の
電圧レベルが基準輝度信号の電圧レベルと等しい方向に
変化するようにアイリス24を制御する。
【0063】この第2の実施例に係るオートアイリス回
路においては、CCD10の撮像画面82が、位置によ
り重み付けのされない複数個のブロックに分割されたう
え、各ブロックごとの輝度が求められ、その輝度に基づ
いてアイリスの制御が行なわれる。したがって従来のよ
うに、被写体内の高輝度の部分がどの位置にあるかに従
ってアイリス24が不適切に制御されてしまうという恐
れはない。また、ブロック積分回路12によって得られ
た各ブロックごとの輝度値をその平均値を用いて一旦規
格化するため、ヒストグラム回路30による分類では、
輝度レベルとは無関係に輝度の分布パターンによって特
徴をもったヒストグラムが得られる。したがって、様々
な入力輝度パターンに対してヒストグラムを求め、ヒス
トグラムによる分類結果をニューラルネットワーク32
に入力させてその出力を得、望ましい出力との誤差によ
ってニューラルネットワーク32を予め学習させておけ
ば、ニューラルネットワーク32は、ヒストグラム回路
30の出力に現われる特徴に応じて適切な態様でアイリ
ス24を制御することができる。しかも、ヒストグラム
を用いることで、ニューラルネットワーク32に与えら
れるデータのパターンはヒストグラムを用いない場合よ
り減少し、輝度パターンを判別するうえでニューラルネ
ットワーク32にかかる負担が少なくてすむという効果
がある。
路においては、CCD10の撮像画面82が、位置によ
り重み付けのされない複数個のブロックに分割されたう
え、各ブロックごとの輝度が求められ、その輝度に基づ
いてアイリスの制御が行なわれる。したがって従来のよ
うに、被写体内の高輝度の部分がどの位置にあるかに従
ってアイリス24が不適切に制御されてしまうという恐
れはない。また、ブロック積分回路12によって得られ
た各ブロックごとの輝度値をその平均値を用いて一旦規
格化するため、ヒストグラム回路30による分類では、
輝度レベルとは無関係に輝度の分布パターンによって特
徴をもったヒストグラムが得られる。したがって、様々
な入力輝度パターンに対してヒストグラムを求め、ヒス
トグラムによる分類結果をニューラルネットワーク32
に入力させてその出力を得、望ましい出力との誤差によ
ってニューラルネットワーク32を予め学習させておけ
ば、ニューラルネットワーク32は、ヒストグラム回路
30の出力に現われる特徴に応じて適切な態様でアイリ
ス24を制御することができる。しかも、ヒストグラム
を用いることで、ニューラルネットワーク32に与えら
れるデータのパターンはヒストグラムを用いない場合よ
り減少し、輝度パターンを判別するうえでニューラルネ
ットワーク32にかかる負担が少なくてすむという効果
がある。
【0064】図8は、本発明の第3の実施例に係るオー
トアイリス回路6のブロック図である。このオートアイ
リス回路6は、第1、第2の実施例と同様にレンズ2
6、アイリス24、CCD10を有するカメラ一体型V
TRで用いられ、CCD10の出力する輝度信号に基づ
いてアイリス24を制御するためのものである。
トアイリス回路6のブロック図である。このオートアイ
リス回路6は、第1、第2の実施例と同様にレンズ2
6、アイリス24、CCD10を有するカメラ一体型V
TRで用いられ、CCD10の出力する輝度信号に基づ
いてアイリス24を制御するためのものである。
【0065】図8を参照して、オートアイリス回路6
は、CCD10の出力に接続され、CCD10の出力す
る輝度信号をA/D変換するためのA/D変換回路28
と、A/D変換回路28によりデジタル信号に変換され
た輝度信号を、図4に示される、撮像領域82のm×n
等分された各ブロックごとに積分することにより各ブロ
ックの輝度値を算出するためのブロック積分回路12
と、ブロック積分回路12の出力に入力が接続され、各
ブロックの輝度値に基づき、従来行なわれていた中央重
点測光方式と同様に、中央付近の各ブロックの輝度値に
対しては大きな重み付けを行なうことにより、アイリス
24を制御するための測光信号を出力するための中央重
点測光回路34とを含む。
は、CCD10の出力に接続され、CCD10の出力す
る輝度信号をA/D変換するためのA/D変換回路28
と、A/D変換回路28によりデジタル信号に変換され
た輝度信号を、図4に示される、撮像領域82のm×n
等分された各ブロックごとに積分することにより各ブロ
ックの輝度値を算出するためのブロック積分回路12
と、ブロック積分回路12の出力に入力が接続され、各
ブロックの輝度値に基づき、従来行なわれていた中央重
点測光方式と同様に、中央付近の各ブロックの輝度値に
対しては大きな重み付けを行なうことにより、アイリス
24を制御するための測光信号を出力するための中央重
点測光回路34とを含む。
【0066】オートアイリス回路6はさらに、ブロック
積分回路12の出力するm×n個のブロックの輝度値の
平均値を算出するための平均値回路18と、ブロック積
分回路12の出力するm×n個のブロックの各輝度値
を、平均値回路18から与えられる平均値によって規格
化するための規格化回路16と、規格化回路16から出
力される、m×n個の各ブロックの規格化された輝度値
を、そのレベルに応じて分類し、各輝度レベルに属する
ブロックをヒストグラムを用いて分類し、度数分布情報
を出力するためのヒストグラム回路30と、規格化回路
16から出力されるm×n個の各ブロックの輝度値を、
各ブロックをその位置に応じて幾つかのエリアにまと
め、統合した輝度値の形で各エリアごとに出力するため
のエリア分割回路34と、ヒストグラム回路30および
エリア分割回路34の出力を入力とするニューラルネッ
トワーク36と、ニューラルネットワーク36の出力を
中央重点測光回路34の出力で規格化するための規格化
回路20と、基準輝度信号を発生するための基準輝度発
生回路38と、基準輝度発生回路38からの基準輝度信
号の電圧レベルと規格化回路20から与えられる信号の
電圧レベルとを比較し、比較結果に基づき、規格化回路
20の出力する信号の電圧レベルが基準輝度信号の電圧
レベルと等しい方向に変化するようにアイリス24を制
御するための比較器22とを含む。
積分回路12の出力するm×n個のブロックの輝度値の
平均値を算出するための平均値回路18と、ブロック積
分回路12の出力するm×n個のブロックの各輝度値
を、平均値回路18から与えられる平均値によって規格
化するための規格化回路16と、規格化回路16から出
力される、m×n個の各ブロックの規格化された輝度値
を、そのレベルに応じて分類し、各輝度レベルに属する
ブロックをヒストグラムを用いて分類し、度数分布情報
を出力するためのヒストグラム回路30と、規格化回路
16から出力されるm×n個の各ブロックの輝度値を、
各ブロックをその位置に応じて幾つかのエリアにまと
め、統合した輝度値の形で各エリアごとに出力するため
のエリア分割回路34と、ヒストグラム回路30および
エリア分割回路34の出力を入力とするニューラルネッ
トワーク36と、ニューラルネットワーク36の出力を
中央重点測光回路34の出力で規格化するための規格化
回路20と、基準輝度信号を発生するための基準輝度発
生回路38と、基準輝度発生回路38からの基準輝度信
号の電圧レベルと規格化回路20から与えられる信号の
電圧レベルとを比較し、比較結果に基づき、規格化回路
20の出力する信号の電圧レベルが基準輝度信号の電圧
レベルと等しい方向に変化するようにアイリス24を制
御するための比較器22とを含む。
【0067】ヒストグラム回路30は、規格化回路16
によって規格化された各ブロックの規格値を、その輝度
レベルに応じてp段階(p≧1)に分類し、各段階の度
数分布情報をニューラルネットワーク36に与えるため
のものである。エリア分割回路34は、m×n個のブロ
ックの各々を、q個のエリアの1つに属するように分類
し、各エリアごとに輝度データをまとめてニューラルネ
ットワーク36に与えるためのものである。qは1≦q
≦m×nを満足するように選ばれる。
によって規格化された各ブロックの規格値を、その輝度
レベルに応じてp段階(p≧1)に分類し、各段階の度
数分布情報をニューラルネットワーク36に与えるため
のものである。エリア分割回路34は、m×n個のブロ
ックの各々を、q個のエリアの1つに属するように分類
し、各エリアごとに輝度データをまとめてニューラルネ
ットワーク36に与えるためのものである。qは1≦q
≦m×nを満足するように選ばれる。
【0068】図9を参照して、ニューラルネットワーク
36は、ヒストグラム回路30およびエリア分割回路3
4の出力を入力とする入力層64と、入力層64の出力
を入力とする中間層66と、中間層66の出力を入力と
する出力層68とを含む。
36は、ヒストグラム回路30およびエリア分割回路3
4の出力を入力とする入力層64と、入力層64の出力
を入力とする中間層66と、中間層66の出力を入力と
する出力層68とを含む。
【0069】入力層64は、それぞれヒストグラム回路
30の出力を入力とするp個のニューロン70(H1 〜
Hp )と、それぞれエリア分割回路34の出力を入力と
するq個のニューロン72(A1 〜Aq )と、入力を持
たず、常に−1を出力するための抑制性ニューロン74
とを含む。すなわち、入力層64はp+q+1個のニュ
ーロンを含み、入力の個数はp+qである。このうち、
i番目のニューロン70(Hi)には、ヒストグラム回
路30から、i段階目の輝度レベルに属するブロックの
度数を表わす信号が入力される。またj番目のニューロ
ン72(Aj )には、エリア分割回路34から、j番目
のエリアに分類されたブロックの輝度値の統合された信
号が入力される。
30の出力を入力とするp個のニューロン70(H1 〜
Hp )と、それぞれエリア分割回路34の出力を入力と
するq個のニューロン72(A1 〜Aq )と、入力を持
たず、常に−1を出力するための抑制性ニューロン74
とを含む。すなわち、入力層64はp+q+1個のニュ
ーロンを含み、入力の個数はp+qである。このうち、
i番目のニューロン70(Hi)には、ヒストグラム回
路30から、i段階目の輝度レベルに属するブロックの
度数を表わす信号が入力される。またj番目のニューロ
ン72(Aj )には、エリア分割回路34から、j番目
のエリアに分類されたブロックの輝度値の統合された信
号が入力される。
【0070】中間層66は、それぞれが入力層64のp
+q+1個のニューロンと結合されたR個のニューロン
76と、入力を持たない抑制性のニューロン78とを含
む。すなわち、中間層66はR+1個のニューロンを含
む。このうちニューロン76の各々は、入力層64のニ
ューロン70、72、74のすべてと結合される。そし
て、各ニューロン76は、入力値に対してそれぞれ予め
学習により得られた重み付けを行なったうえで所定の演
算をし、1つの出力を出力層68に与える。
+q+1個のニューロンと結合されたR個のニューロン
76と、入力を持たない抑制性のニューロン78とを含
む。すなわち、中間層66はR+1個のニューロンを含
む。このうちニューロン76の各々は、入力層64のニ
ューロン70、72、74のすべてと結合される。そし
て、各ニューロン76は、入力値に対してそれぞれ予め
学習により得られた重み付けを行なったうえで所定の演
算をし、1つの出力を出力層68に与える。
【0071】出力層68は、1つのニューロン80を含
む。ニューロン80は、中間層66に含まれるR+1個
のすべてのニューロン76、78の出力をその入力とす
る。ニューロン80は、R+1個の入力に対して、予め
学習によって得られた重み付けを行ない所定の演算を行
なうことにより1つの信号を出力する。
む。ニューロン80は、中間層66に含まれるR+1個
のすべてのニューロン76、78の出力をその入力とす
る。ニューロン80は、R+1個の入力に対して、予め
学習によって得られた重み付けを行ない所定の演算を行
なうことにより1つの信号を出力する。
【0072】図9に示されるニューラルネットワーク3
6に使用されているニューロンは、図3に示される、第
1の実施例に用いられるニューロン48と同種のもので
ある。各ニューロンが行なう非線形変換としては、第1
の実施例と同様に図10に示されるようなシグモイド関
数が用いられる。
6に使用されているニューロンは、図3に示される、第
1の実施例に用いられるニューロン48と同種のもので
ある。各ニューロンが行なう非線形変換としては、第1
の実施例と同様に図10に示されるようなシグモイド関
数が用いられる。
【0073】この第3の実施例のオートアイリス回路は
以下のように動作する。ニューラルネットワーク36に
は、予めヒストグラム分類済みデータおよびエリア分割
により得られたデータが入力された場合のニューラルネ
ットワーク36の出力値と望ましい出力値との差に基づ
き各ニューロン内の重み付け係数を変更する、という学
習過程が、様々な入力パターンに対して繰返し行なわれ
ている。この学習が完了することにより、ニューラルネ
ットワーク36は、入力されるヒストグラム分類済みデ
ータおよびエリア分割により得られたデータの様々なパ
ターンに対し、学習済みのパターン以外のものであって
も望ましい出力値を得ることができるように各重み付け
係数が調整され、その結果様々な入力パターンに対して
も望ましい出力値を得ることができるようになってい
る。
以下のように動作する。ニューラルネットワーク36に
は、予めヒストグラム分類済みデータおよびエリア分割
により得られたデータが入力された場合のニューラルネ
ットワーク36の出力値と望ましい出力値との差に基づ
き各ニューロン内の重み付け係数を変更する、という学
習過程が、様々な入力パターンに対して繰返し行なわれ
ている。この学習が完了することにより、ニューラルネ
ットワーク36は、入力されるヒストグラム分類済みデ
ータおよびエリア分割により得られたデータの様々なパ
ターンに対し、学習済みのパターン以外のものであって
も望ましい出力値を得ることができるように各重み付け
係数が調整され、その結果様々な入力パターンに対して
も望ましい出力値を得ることができるようになってい
る。
【0074】レンズ26で結ばれた被写体の光学像はC
CD10によって輝度信号に変換され、図示されない映
像信号処理回路に与えられる。輝度信号はまたA/D変
換回路28によってデジタル信号に変換され、ブロック
積分回路12に与えられる。ブロック積分回路12は、
CCD10の撮像画面を図4に示されるようにm×n個
のブロックに分割し、入力されるデジタルの輝度信号を
各ブロックごとに積分することにより、各ブロックの輝
度値を取得して出力する。各ブロックごとの輝度値は中
央重点測光回路34に与えられ、中央重点測光回路34
は、各ブロックの輝度値に対して、中央部分のブロック
に大きな重み付けが行なわれるような、従来の中央重点
測光方式と同様の処理を行なうことにより測光信号を出
力し、規格化回路20に与える。
CD10によって輝度信号に変換され、図示されない映
像信号処理回路に与えられる。輝度信号はまたA/D変
換回路28によってデジタル信号に変換され、ブロック
積分回路12に与えられる。ブロック積分回路12は、
CCD10の撮像画面を図4に示されるようにm×n個
のブロックに分割し、入力されるデジタルの輝度信号を
各ブロックごとに積分することにより、各ブロックの輝
度値を取得して出力する。各ブロックごとの輝度値は中
央重点測光回路34に与えられ、中央重点測光回路34
は、各ブロックの輝度値に対して、中央部分のブロック
に大きな重み付けが行なわれるような、従来の中央重点
測光方式と同様の処理を行なうことにより測光信号を出
力し、規格化回路20に与える。
【0075】一方、平均値回路18は、ブロック積分回
路12から出力されるm×n個のブロックの輝度値の平
均値を求め、規格化回路16に与える。規格化回路16
は、ブロック積分回路12から与えられるm×n個の各
ブロックの輝度値を、平均値回路18から与えられる平
均値を用いて規格化し、ヒストグラム回路30およびエ
リア分割回路34に与える。
路12から出力されるm×n個のブロックの輝度値の平
均値を求め、規格化回路16に与える。規格化回路16
は、ブロック積分回路12から与えられるm×n個の各
ブロックの輝度値を、平均値回路18から与えられる平
均値を用いて規格化し、ヒストグラム回路30およびエ
リア分割回路34に与える。
【0076】ヒストグラム回路30は、規格化回路16
から与えられる、規格化されたm×n個の各ブロックの
輝度値を、その輝度レベルに基づいてp段階に分類し、
ヒストグラムを用いて各段階に属するブロックの個数を
表わす信号(度数分布情報)をニューラルネットワーク
36に与える。エリア分割回路34は、規格化されたm
×n個のブロックの輝度値を、各ブロックが画面上のq
個のエリアのどれに属するかに従って各エリアごとにそ
の輝度値を統合し、q個のデータとしてニューラルネッ
トワーク36に与える。
から与えられる、規格化されたm×n個の各ブロックの
輝度値を、その輝度レベルに基づいてp段階に分類し、
ヒストグラムを用いて各段階に属するブロックの個数を
表わす信号(度数分布情報)をニューラルネットワーク
36に与える。エリア分割回路34は、規格化されたm
×n個のブロックの輝度値を、各ブロックが画面上のq
個のエリアのどれに属するかに従って各エリアごとにそ
の輝度値を統合し、q個のデータとしてニューラルネッ
トワーク36に与える。
【0077】ニューラルネットワーク36は、ヒストグ
ラム回路30から与えられるヒストグラム分類済みデー
タおよびエリア分割回路34から与えられるエリア分割
により得られたデータのパターンに対し、予め学習によ
って得られた重み付けに従った演算を行なって1つの出
力を得、これを規格化回路20に与える。規格化回路2
0は、ニューラルネットワーク36の出力を中央重点測
光回路34からの出力で規格化して出力する。
ラム回路30から与えられるヒストグラム分類済みデー
タおよびエリア分割回路34から与えられるエリア分割
により得られたデータのパターンに対し、予め学習によ
って得られた重み付けに従った演算を行なって1つの出
力を得、これを規格化回路20に与える。規格化回路2
0は、ニューラルネットワーク36の出力を中央重点測
光回路34からの出力で規格化して出力する。
【0078】比較器22は、基準輝度発生回路38から
与えられる基準輝度信号の電圧レベルと規格化回路20
の出力する信号の電圧レベルとを比較し、比較結果に基
づき、規格化回路20の出力する信号の電圧レベルが基
準輝度信号の電圧レベルと等しい方向に変化するように
アイリス24を制御する。
与えられる基準輝度信号の電圧レベルと規格化回路20
の出力する信号の電圧レベルとを比較し、比較結果に基
づき、規格化回路20の出力する信号の電圧レベルが基
準輝度信号の電圧レベルと等しい方向に変化するように
アイリス24を制御する。
【0079】この第3の実施例に示されるオートアイリ
ス回路においては、A/D変換回路28と、ブロック積
分回路12と、中央重点測光回路34と比較器22とに
よってアイリス24を制御するためのメインループが形
成される。このメインループによるアイリス24の制御
自体は、従来の中央重点測光方式のそれと同様である。
しかし、前述のように従来の方式のみでは、被写体の輝
度分布によってはこのようなメインループのみではアイ
リス24を適正に制御することができない場合がある。
平均値回路18と、規格化回路16と、ヒストグラム回
路30と、エリア分割回路34と、ニューラルネットワ
ーク36とは、このメインループのみでは制御し切れな
いような場合に、アイリス制御を補正するための補助ル
ープを構成する。
ス回路においては、A/D変換回路28と、ブロック積
分回路12と、中央重点測光回路34と比較器22とに
よってアイリス24を制御するためのメインループが形
成される。このメインループによるアイリス24の制御
自体は、従来の中央重点測光方式のそれと同様である。
しかし、前述のように従来の方式のみでは、被写体の輝
度分布によってはこのようなメインループのみではアイ
リス24を適正に制御することができない場合がある。
平均値回路18と、規格化回路16と、ヒストグラム回
路30と、エリア分割回路34と、ニューラルネットワ
ーク36とは、このメインループのみでは制御し切れな
いような場合に、アイリス制御を補正するための補助ル
ープを構成する。
【0080】各ブロックの輝度値は平均値回路18およ
び規格化回路16によって規格化されるため、輝度レベ
ルの変動に対してニューラルネットワーク36に与えら
れる入力パターンが変化することは少なく、ニューラル
ネットワーク36にかかる負担が少なくなる。また、規
格化された輝度値をそのままニューラルネットワーク3
6の入力とせず、ヒストグラム分類による度数分布およ
びエリア分割により各エリアごとに分類され統合された
輝度値データをニューラルネットワーク36に与える。
そのため輝度レベルの分布と、輝度レベルの位置との情
報がニューラルネットワークに入力パターンの特徴的な
情報として与えられ、ニューラルネットワーク36によ
る入力パターンの分離が容易となるという効果がある。
び規格化回路16によって規格化されるため、輝度レベ
ルの変動に対してニューラルネットワーク36に与えら
れる入力パターンが変化することは少なく、ニューラル
ネットワーク36にかかる負担が少なくなる。また、規
格化された輝度値をそのままニューラルネットワーク3
6の入力とせず、ヒストグラム分類による度数分布およ
びエリア分割により各エリアごとに分類され統合された
輝度値データをニューラルネットワーク36に与える。
そのため輝度レベルの分布と、輝度レベルの位置との情
報がニューラルネットワークに入力パターンの特徴的な
情報として与えられ、ニューラルネットワーク36によ
る入力パターンの分離が容易となるという効果がある。
【0081】このように、この第3の実施例によれば、
メインループのみでは十分なアイリス制御が困難であっ
た被写体に対しても、ニューラルネットワークを用いた
補助ループによって補正を行なうことができ、適正なア
イリス制御を行なうことができる。
メインループのみでは十分なアイリス制御が困難であっ
た被写体に対しても、ニューラルネットワークを用いた
補助ループによって補正を行なうことができ、適正なア
イリス制御を行なうことができる。
【0082】なお、この第3の実施例ではメインループ
を構成する回路として中央重点測光回路を用いたが、中
央重点測光回路のみではなく従来の技術でも述べたよう
な下方重点測光方式とのデュアル測光方式を用いてもよ
いし、他の方式の重点測光方式を用いてもよい。
を構成する回路として中央重点測光回路を用いたが、中
央重点測光回路のみではなく従来の技術でも述べたよう
な下方重点測光方式とのデュアル測光方式を用いてもよ
いし、他の方式の重点測光方式を用いてもよい。
【0083】図11は、本発明の第4の実施例に係るオ
ートアイリス回路3と、このオートアイリス回路3を含
むカメラ一体型VTRの一部のブロック図である。この
第4の実施例のオートアイリス回路3は、本発明の第1
の実施例のオートアイリス回路2を、図15に示される
従来のオートアイリス回路91に対して適用したもので
ある。
ートアイリス回路3と、このオートアイリス回路3を含
むカメラ一体型VTRの一部のブロック図である。この
第4の実施例のオートアイリス回路3は、本発明の第1
の実施例のオートアイリス回路2を、図15に示される
従来のオートアイリス回路91に対して適用したもので
ある。
【0084】図11を参照して、このオートアイリス回
路3は、CCD10によって出力されAGC回路11に
よって所定の輝度レベルまで増幅された輝度信号に基づ
き、アイリス24とAGC回路11とを制御するための
ものである。このオートアイリス回路3は、図1に示さ
れる第1の実施例のオートアイリス回路2と同様に、A
/D変換回路28と、m×nブロック積分回路12と、
平均値回路14と、輝度値の規格化回路16と、ニュー
ラルネットワーク18と、出力の規格化回路20と、基
準輝度発生回路38と、比較器22とを含む。この第4
の実施例のオートアイリス回路3が第1の実施例のオー
トアイリス回路2と異なるのは、A/D変換回路28の
入力がCCD10の出力ではなく、AGC回路11の出
力に接続されていることと、第2の基準輝度信号を発生
するための基準輝度発生回路39と、基準輝度発生回路
39の出力する基準輝度信号と規格化回路20の出力と
を比較し、AGC回路11を制御するための信号を出力
する比較器23とをさらに含むこととである。
路3は、CCD10によって出力されAGC回路11に
よって所定の輝度レベルまで増幅された輝度信号に基づ
き、アイリス24とAGC回路11とを制御するための
ものである。このオートアイリス回路3は、図1に示さ
れる第1の実施例のオートアイリス回路2と同様に、A
/D変換回路28と、m×nブロック積分回路12と、
平均値回路14と、輝度値の規格化回路16と、ニュー
ラルネットワーク18と、出力の規格化回路20と、基
準輝度発生回路38と、比較器22とを含む。この第4
の実施例のオートアイリス回路3が第1の実施例のオー
トアイリス回路2と異なるのは、A/D変換回路28の
入力がCCD10の出力ではなく、AGC回路11の出
力に接続されていることと、第2の基準輝度信号を発生
するための基準輝度発生回路39と、基準輝度発生回路
39の出力する基準輝度信号と規格化回路20の出力と
を比較し、AGC回路11を制御するための信号を出力
する比較器23とをさらに含むこととである。
【0085】この第4の実施例のオートアイリス回路3
のニューラルネットワーク18は、予めいくつかの輝度
パターン(入力パターン)と、それに対応する望ましい
アイリス制御信号およびAGC制御信号を教師信号とし
て与えることにより学習を終了しているものとする。こ
のとき、アイリス24を開放しても所望の輝度信号が得
られないときにのみAGC回路11が動作するので、ニ
ューラルネットワーク18に与える教師信号としては、
1つの入力パターンに対して1つの教師信号で十分であ
る。
のニューラルネットワーク18は、予めいくつかの輝度
パターン(入力パターン)と、それに対応する望ましい
アイリス制御信号およびAGC制御信号を教師信号とし
て与えることにより学習を終了しているものとする。こ
のとき、アイリス24を開放しても所望の輝度信号が得
られないときにのみAGC回路11が動作するので、ニ
ューラルネットワーク18に与える教師信号としては、
1つの入力パターンに対して1つの教師信号で十分であ
る。
【0086】前述のように学習過程では、入力パターン
と望ましい出力値との誤差を用いて各ニューロンの間の
結合の強さが変えられていく。これを繰返し複数個の輝
度パターンについて行なうことにより、各輝度パターン
の分離が行なわれる。学習が終了した後には、ニューラ
ルネットワーク18は、学習を行なっていない輝度パタ
ーンについても望ましいアイリス制御信号およびAGC
信号制御信号を出力することができるように、各ニュー
ロン間の結合の強さが調整されている。すなわち、学習
が完了することによりニューラルネットワーク18は、
入力される輝度パターンをいくつかのカテゴリに分類し
たこととなり、学習をしていない輝度パターンが入力さ
れた際にも、この入力パターンをあるカテゴリに分類
し、望ましい出力値を得ることができるようになる。
と望ましい出力値との誤差を用いて各ニューロンの間の
結合の強さが変えられていく。これを繰返し複数個の輝
度パターンについて行なうことにより、各輝度パターン
の分離が行なわれる。学習が終了した後には、ニューラ
ルネットワーク18は、学習を行なっていない輝度パタ
ーンについても望ましいアイリス制御信号およびAGC
信号制御信号を出力することができるように、各ニュー
ロン間の結合の強さが調整されている。すなわち、学習
が完了することによりニューラルネットワーク18は、
入力される輝度パターンをいくつかのカテゴリに分類し
たこととなり、学習をしていない輝度パターンが入力さ
れた際にも、この入力パターンをあるカテゴリに分類
し、望ましい出力値を得ることができるようになる。
【0087】図11および図1において、同一の部品に
は同一の参照符号および名称が与えられている。それら
の機能も同一である。したがってここではそれらについ
ての詳しい説明は繰返さない。
は同一の参照符号および名称が与えられている。それら
の機能も同一である。したがってここではそれらについ
ての詳しい説明は繰返さない。
【0088】図11に示される第4の実施例のオートア
イリス回路3のうち、アイリス24を制御する部分の動
作は第1の実施例のそれと同様である。したがってここ
ではそれを繰返すことは行なわない。
イリス回路3のうち、アイリス24を制御する部分の動
作は第1の実施例のそれと同様である。したがってここ
ではそれを繰返すことは行なわない。
【0089】アイリス24の制御のみでは所望の輝度信
号レベルを得られないときには、AGC回路11がオー
トアイリス回路3によって制御されて、輝度信号レベル
を上げるように動作する。以下この動作について説明す
る。比較器23は、規格化回路20の出力と基準輝度発
生回路39から与えられる基準輝度信号とを比較し、規
格化回路20からの電圧がこの基準輝度信号と等しくな
るような方向に変化するようにAGC回路11を制御す
る。したがって、アイリス24を開放してもCCD10
の出力する輝度信号が所定のレベルに達していない場合
に、AGC回路11が比較器23によって制御され、こ
の輝度信号を所望のレベルまで増幅する。
号レベルを得られないときには、AGC回路11がオー
トアイリス回路3によって制御されて、輝度信号レベル
を上げるように動作する。以下この動作について説明す
る。比較器23は、規格化回路20の出力と基準輝度発
生回路39から与えられる基準輝度信号とを比較し、規
格化回路20からの電圧がこの基準輝度信号と等しくな
るような方向に変化するようにAGC回路11を制御す
る。したがって、アイリス24を開放してもCCD10
の出力する輝度信号が所定のレベルに達していない場合
に、AGC回路11が比較器23によって制御され、こ
の輝度信号を所望のレベルまで増幅する。
【0090】このように、この第4の実施例のオートア
イリス回路3では、画面上の各部分につき、その画面上
の位置による重み付けがなされない。そうではなく、画
面を複数のブロックに分割して、各ブロック毎の輝度を
すべてのブロックの輝度の平均値で規格化してニューラ
ルネットワークに与え、ニューラルネットワークの出力
に従ってアイリス制御およびAGC制御を行なう。その
ため、従来技術では困難であった、逆光時やスポット光
が入射した場合のアイリス制御信号の補正を行なうこと
ができる。また、AGC制御信号の補正もオートアイリ
ス回路3で行なっているために、この第4の実施例では
暗いところなどのように照度の低い被写体でも、所望の
輝度レベルの輝度信号を得ることができる。また、この
第4の実施例でも前述のニューラルネットワークの入力
値および出力値がそれぞれ全ブロックの輝度の平均値に
よって規格化されている。そのため、CCD10の出力
する輝度レベルが変化しても、ニューラルネットワーク
18に与えられる入力データのパターンに生ずる変化は
少ない。したがって、輝度レベルの変化に対しても入力
ニューラルネットワーク18にかかるパターン分離のた
めの負担が少なくて済むという効果がある。
イリス回路3では、画面上の各部分につき、その画面上
の位置による重み付けがなされない。そうではなく、画
面を複数のブロックに分割して、各ブロック毎の輝度を
すべてのブロックの輝度の平均値で規格化してニューラ
ルネットワークに与え、ニューラルネットワークの出力
に従ってアイリス制御およびAGC制御を行なう。その
ため、従来技術では困難であった、逆光時やスポット光
が入射した場合のアイリス制御信号の補正を行なうこと
ができる。また、AGC制御信号の補正もオートアイリ
ス回路3で行なっているために、この第4の実施例では
暗いところなどのように照度の低い被写体でも、所望の
輝度レベルの輝度信号を得ることができる。また、この
第4の実施例でも前述のニューラルネットワークの入力
値および出力値がそれぞれ全ブロックの輝度の平均値に
よって規格化されている。そのため、CCD10の出力
する輝度レベルが変化しても、ニューラルネットワーク
18に与えられる入力データのパターンに生ずる変化は
少ない。したがって、輝度レベルの変化に対しても入力
ニューラルネットワーク18にかかるパターン分離のた
めの負担が少なくて済むという効果がある。
【0091】図12は、本発明の第5の実施例のオート
アイリス回路5およびこのオートアイリス回路5を用い
たカメラ一体型VTRの一部のブロック図である。この
第5の実施例のオートアイリス回路5は、図5に示され
る第2の実施例のオートアイリス回路4を、図15に示
される従来のオートアイリス回路91に対して適用した
ものである。この第5の実施例のオートアイリス回路5
も、図5に示されるオートアイリス回路4と同様に、A
/D変換回路28と、m×nブロック積分回路12と、
平均値回路14と、輝度値の規格化回路16と、ヒスト
グラム回路30と、ニューラルネットワーク32と、出
力の規格化回路20と、基準輝度発生回路38と、比較
器22とを含む。さらにこのオートアイリス回路5は、
図11に示されるオートアイリス回路3と同様に、第2
の基準輝度発生回路39と、第2の基準輝度発生回路3
9の出力する第2の基準輝度信号と、出力規格化回路2
0の出力とを比較し、比較結果に基づいてAGC回路1
1を制御する信号を出力するための比較器23とをさら
に含む。またA/D変換回路28の入力は、CCD10
の出力ではなくAGC回路11の出力に接続されてい
る。
アイリス回路5およびこのオートアイリス回路5を用い
たカメラ一体型VTRの一部のブロック図である。この
第5の実施例のオートアイリス回路5は、図5に示され
る第2の実施例のオートアイリス回路4を、図15に示
される従来のオートアイリス回路91に対して適用した
ものである。この第5の実施例のオートアイリス回路5
も、図5に示されるオートアイリス回路4と同様に、A
/D変換回路28と、m×nブロック積分回路12と、
平均値回路14と、輝度値の規格化回路16と、ヒスト
グラム回路30と、ニューラルネットワーク32と、出
力の規格化回路20と、基準輝度発生回路38と、比較
器22とを含む。さらにこのオートアイリス回路5は、
図11に示されるオートアイリス回路3と同様に、第2
の基準輝度発生回路39と、第2の基準輝度発生回路3
9の出力する第2の基準輝度信号と、出力規格化回路2
0の出力とを比較し、比較結果に基づいてAGC回路1
1を制御する信号を出力するための比較器23とをさら
に含む。またA/D変換回路28の入力は、CCD10
の出力ではなくAGC回路11の出力に接続されてい
る。
【0092】この第5の実施例のオートアイリス回路5
の動作のうち、アイリス24を制御する部分の動作は、
既に説明した第2の実施例のそれと同様である。また、
出力の規格化回路20の出力に基づきAGC回路11を
制御する部分の動作は、図11を参照して、既に説明し
た第4の実施例のそれと同様である。したがってここで
は、それらについての詳しい説明は繰返さない。
の動作のうち、アイリス24を制御する部分の動作は、
既に説明した第2の実施例のそれと同様である。また、
出力の規格化回路20の出力に基づきAGC回路11を
制御する部分の動作は、図11を参照して、既に説明し
た第4の実施例のそれと同様である。したがってここで
は、それらについての詳しい説明は繰返さない。
【0093】この第5の実施例に係るオートアイリス回
路5によれば、CCD10の撮像画面82(図4参照)
が、位置によって重み付けのされないm×n個の複数個
のブロックに分割された上、各ブロック毎の輝度が求め
られ、その輝度に基づいてアイリスの制御が行なわれ
る。従来のように被写体内の高輝度の部分がどの位置に
あるかのみに従ってアイリス24が不適切に制御されて
しまうという恐れはない。
路5によれば、CCD10の撮像画面82(図4参照)
が、位置によって重み付けのされないm×n個の複数個
のブロックに分割された上、各ブロック毎の輝度が求め
られ、その輝度に基づいてアイリスの制御が行なわれ
る。従来のように被写体内の高輝度の部分がどの位置に
あるかのみに従ってアイリス24が不適切に制御されて
しまうという恐れはない。
【0094】また、ブロック積分回路12によって得ら
れた各ブロック毎の輝度値を、そのすべてのブロックの
輝度値の平均値を用いて一旦規格化するため、ヒストグ
ラム回路30による分類では、輝度レベルのみの変化と
は無関係に、輝度の分布パターンによって特徴的な形状
を有するヒストグラムが得られる。様々な入力輝度パタ
ーンに対してヒストグラムによる分類結果をニューラル
ネットワーク32に入力させて、その出力と望ましい出
力との誤差によってニューラルネットワーク32を学習
させておけば、ニューラルネットワーク32は、ヒスト
グラム回路30の出力に現われる輝度分布の特徴に応じ
て適切な態様で、アイリス24を制御することができ
る。しかも、ニューラルネットワーク32への入力デー
タとしてヒストグラムを用いることで、入力データのパ
ターンはヒストグラムを用いない場合よりも減少し、輝
度パターンを判別する上でニューラルネットワーク32
にかかる負担が少なくて済むという効果がある。
れた各ブロック毎の輝度値を、そのすべてのブロックの
輝度値の平均値を用いて一旦規格化するため、ヒストグ
ラム回路30による分類では、輝度レベルのみの変化と
は無関係に、輝度の分布パターンによって特徴的な形状
を有するヒストグラムが得られる。様々な入力輝度パタ
ーンに対してヒストグラムによる分類結果をニューラル
ネットワーク32に入力させて、その出力と望ましい出
力との誤差によってニューラルネットワーク32を学習
させておけば、ニューラルネットワーク32は、ヒスト
グラム回路30の出力に現われる輝度分布の特徴に応じ
て適切な態様で、アイリス24を制御することができ
る。しかも、ニューラルネットワーク32への入力デー
タとしてヒストグラムを用いることで、入力データのパ
ターンはヒストグラムを用いない場合よりも減少し、輝
度パターンを判別する上でニューラルネットワーク32
にかかる負担が少なくて済むという効果がある。
【0095】またこの第5の実施例ではさらに、AGC
回路11の制御の補正もニューラルネットワーク32の
出力を用いて行なうことにより、暗いところなど照度の
低い被写体の輝度パターンに対しても、適切な輝度レベ
ルを有する輝度信号をAGC回路11の出力として得る
ことができる。
回路11の制御の補正もニューラルネットワーク32の
出力を用いて行なうことにより、暗いところなど照度の
低い被写体の輝度パターンに対しても、適切な輝度レベ
ルを有する輝度信号をAGC回路11の出力として得る
ことができる。
【0096】図13は、本発明の第6の実施例に係るオ
ートアイリス回路7およびこのオートアイリス回路7を
用いるカメラ一体型VTRの一部のブロック図である。
この第6の実施例のオートアイリス回路7は、図8に示
される第3の実施例のオートアイリス回路6を、図15
に示される従来のオートアイリス回路91に対して適用
した実施例である。
ートアイリス回路7およびこのオートアイリス回路7を
用いるカメラ一体型VTRの一部のブロック図である。
この第6の実施例のオートアイリス回路7は、図8に示
される第3の実施例のオートアイリス回路6を、図15
に示される従来のオートアイリス回路91に対して適用
した実施例である。
【0097】オートアイリス回路7は、図8のオートア
イリス回路6と同様に、A/D変換回路28と、m×n
ブロック積分回路12と、中央重点測光回路34と、平
均値回路18と、輝度値の規格化回路16と、ヒストグ
ラム回路30と、エリア分割回路34と、ニューラルネ
ットワーク36と、出力の規格化回路20と、基準輝度
発生回路38と、比較器22とを含む。このオートアイ
リス回路7はさらに、図11に示される第4の実施例の
オートアイリス回路3および図12に示される第5の実
施例のオートアイリス回路5と同様に、第2の基準輝度
信号を発生するための第2の基準輝度発生回路39と、
第2の基準輝度発生回路39から与えられる第2の基準
輝度信号の電圧レベルと、出力規格化回路20の出力す
る信号の電圧レベルとを比較し、比較結果に基づいて、
規格化回路20の出力する信号の電圧レベルが、第2の
基準輝度信号の電圧レベルと等しい方向に変化するよう
にAGC回路11を制御するための比較器23とをさら
に含む。またA/D変換回路28の入力は、CCD10
の出力ではなくAGC回路11の出力に接続されてい
る。
イリス回路6と同様に、A/D変換回路28と、m×n
ブロック積分回路12と、中央重点測光回路34と、平
均値回路18と、輝度値の規格化回路16と、ヒストグ
ラム回路30と、エリア分割回路34と、ニューラルネ
ットワーク36と、出力の規格化回路20と、基準輝度
発生回路38と、比較器22とを含む。このオートアイ
リス回路7はさらに、図11に示される第4の実施例の
オートアイリス回路3および図12に示される第5の実
施例のオートアイリス回路5と同様に、第2の基準輝度
信号を発生するための第2の基準輝度発生回路39と、
第2の基準輝度発生回路39から与えられる第2の基準
輝度信号の電圧レベルと、出力規格化回路20の出力す
る信号の電圧レベルとを比較し、比較結果に基づいて、
規格化回路20の出力する信号の電圧レベルが、第2の
基準輝度信号の電圧レベルと等しい方向に変化するよう
にAGC回路11を制御するための比較器23とをさら
に含む。またA/D変換回路28の入力は、CCD10
の出力ではなくAGC回路11の出力に接続されてい
る。
【0098】図13と、図8、図11、図12とにおい
て、同一の部品には同一の参照符号および名称が与えら
れている。それらの機能も同一である。したがって、こ
こではそれらについての詳しい説明は繰返さない。
て、同一の部品には同一の参照符号および名称が与えら
れている。それらの機能も同一である。したがって、こ
こではそれらについての詳しい説明は繰返さない。
【0099】第6の実施例のオートアイリス回路7のう
ち、アイリス24を制御するための部分の動作は図8を
参照して既に説明したオートアイリス回路6のそれと同
様である。またAGC回路11を制御する部分の動作
は、図11を参照して既に説明した第4の実施例のオー
トアイリス回路3のそれと同様である。したがって、こ
こではそれらについての詳しい説明を繰返すことは行な
わない。
ち、アイリス24を制御するための部分の動作は図8を
参照して既に説明したオートアイリス回路6のそれと同
様である。またAGC回路11を制御する部分の動作
は、図11を参照して既に説明した第4の実施例のオー
トアイリス回路3のそれと同様である。したがって、こ
こではそれらについての詳しい説明を繰返すことは行な
わない。
【0100】この第6の実施例に示されるオートアイリ
ス回路7においては、A/D変換回路28と、m×nブ
ロック積分回路12と、中央重点測光回路34と、比較
器22と、比較器23とによって、アイリス24および
AGC回路11を制御するためのメインループが形成さ
れる。このメインループによるアイリス24およびAG
C回路11の制御自体は、従来の中央重点測光方式のそ
れと同様である。
ス回路7においては、A/D変換回路28と、m×nブ
ロック積分回路12と、中央重点測光回路34と、比較
器22と、比較器23とによって、アイリス24および
AGC回路11を制御するためのメインループが形成さ
れる。このメインループによるアイリス24およびAG
C回路11の制御自体は、従来の中央重点測光方式のそ
れと同様である。
【0101】しかし、前述のようにこのようなメインル
ープのみでは、被写体の輝度分布によってはアイリス2
4およびAGC回路11を適正に制御することができな
い。この制御を適正に補正するために、平均値回路18
と輝度値の規格化回路16と、ヒストグラム回路30
と、エリア分割回路34と、ニューラルネットワーク3
6とでアイリス制御およびAGC制御を補正するための
補助ループを構成している。この補助ループの出力を用
いて、出力規格化回路20によって中央重点測光回路3
4の出力を補正しているために、被写体の輝度分布のよ
り広い範囲に対して適正な制御を行なうことができる。
ープのみでは、被写体の輝度分布によってはアイリス2
4およびAGC回路11を適正に制御することができな
い。この制御を適正に補正するために、平均値回路18
と輝度値の規格化回路16と、ヒストグラム回路30
と、エリア分割回路34と、ニューラルネットワーク3
6とでアイリス制御およびAGC制御を補正するための
補助ループを構成している。この補助ループの出力を用
いて、出力規格化回路20によって中央重点測光回路3
4の出力を補正しているために、被写体の輝度分布のよ
り広い範囲に対して適正な制御を行なうことができる。
【0102】各ブロックの輝度値は平均値回路18の出
力および輝度値規格化回路16によって一旦規格化され
る。輝度レベルの変動に対してニューラルネットワーク
36に与えられる入力パターンが変化することが少なく
なり、ニューラルネットワーク36に係るパターン分離
の負担が少なくなる。
力および輝度値規格化回路16によって一旦規格化され
る。輝度レベルの変動に対してニューラルネットワーク
36に与えられる入力パターンが変化することが少なく
なり、ニューラルネットワーク36に係るパターン分離
の負担が少なくなる。
【0103】またこの実施例では、規格化された各ブロ
ック毎の輝度値がそのままニューラルネットワーク36
に入力されているわけではない。輝度値はヒストグラム
回路30によってヒストグラム分類され、度数分布デー
タの形でニューラルネットワーク36に与えられる。ま
た、各ブロックの輝度値は各ブロックが属するエリア毎
に分類される。そして、各エリア毎に輝度値データが統
合され、統合された輝度値データがニューラルネットワ
ーク36に与えられる。輝度レベルの分布、輝度レベル
の位置の情報が、ともに、ニューラルネットワーク36
に、入力パターンの特徴を表わす情報として与えられ
る。そのために、ニューラルネットワーク36による入
力パターンの分離が容易となるという効果がある。した
がってニューラルネットワーク36として小さなものを
用いても十分な効果が得られる。
ック毎の輝度値がそのままニューラルネットワーク36
に入力されているわけではない。輝度値はヒストグラム
回路30によってヒストグラム分類され、度数分布デー
タの形でニューラルネットワーク36に与えられる。ま
た、各ブロックの輝度値は各ブロックが属するエリア毎
に分類される。そして、各エリア毎に輝度値データが統
合され、統合された輝度値データがニューラルネットワ
ーク36に与えられる。輝度レベルの分布、輝度レベル
の位置の情報が、ともに、ニューラルネットワーク36
に、入力パターンの特徴を表わす情報として与えられ
る。そのために、ニューラルネットワーク36による入
力パターンの分離が容易となるという効果がある。した
がってニューラルネットワーク36として小さなものを
用いても十分な効果が得られる。
【0104】このように第6の実施例によれば、メイン
ループのみでは不十分なアイリス制御およびAGC制御
が困難であった被写体に対しても、ニューラルネットワ
ーク36を用いた補助ループによって制御の補正を行な
うことができる。したがって、適正なアイリス制御およ
びAGC制御を、より多様な被写体に対しても行なうこ
とができる。
ループのみでは不十分なアイリス制御およびAGC制御
が困難であった被写体に対しても、ニューラルネットワ
ーク36を用いた補助ループによって制御の補正を行な
うことができる。したがって、適正なアイリス制御およ
びAGC制御を、より多様な被写体に対しても行なうこ
とができる。
【0105】この第6の実施例では、メインループを構
成する回路として、中央重点測光方式を用いたものを示
した。しかし本発明はそれには限定されず、従来の技術
でも述べたような下方重点測光方式とのデュアル測光方
式を用いてもよいし、他の方式の重点測光方式を用いて
もよい。
成する回路として、中央重点測光方式を用いたものを示
した。しかし本発明はそれには限定されず、従来の技術
でも述べたような下方重点測光方式とのデュアル測光方
式を用いてもよいし、他の方式の重点測光方式を用いて
もよい。
【0106】
【発明の効果】以上のように請求項1に記載の発明によ
れば、撮像装置の撮像領域を複数個の部分領域に分割
し、各部分領域の輝度値をその撮像領域上の位置に関係
なくニューラルネットワークへの入力としている。した
がって従来のような撮像領域上の位置による重点測光方
式を用いた場合よりも、被写体の輝度分布から受けるア
イリス制御への影響は少なくなる。また、各部分領域の
輝度値はそのままではなく、所定の基準によって規格化
されたうえでニューラルネットワークの入力とされるた
め、入力データのパターン変化が少ない。ニューラルネ
ットワークの負担が少なく、適正なアイリス制御を行な
うことができる。その結果、どのような被写体の輝度分
布に対しても適正なアイリス制御を行なうことができる
オートアイリス回路を提供することできる。
れば、撮像装置の撮像領域を複数個の部分領域に分割
し、各部分領域の輝度値をその撮像領域上の位置に関係
なくニューラルネットワークへの入力としている。した
がって従来のような撮像領域上の位置による重点測光方
式を用いた場合よりも、被写体の輝度分布から受けるア
イリス制御への影響は少なくなる。また、各部分領域の
輝度値はそのままではなく、所定の基準によって規格化
されたうえでニューラルネットワークの入力とされるた
め、入力データのパターン変化が少ない。ニューラルネ
ットワークの負担が少なく、適正なアイリス制御を行な
うことができる。その結果、どのような被写体の輝度分
布に対しても適正なアイリス制御を行なうことができる
オートアイリス回路を提供することできる。
【0107】請求項2に記載の発明によれば、各部分領
域の輝度値は、部分領域の輝度値の平均値によって規格
化されてニューラルネットワークに与えられる。またニ
ューラルネットワークの出力も同じ基準によって規格化
される。したがって、請求項1に記載の発明の効果に加
えて、輝度レベルのみの変化による入力データのパター
ン変化が少なく、ニューラルネットワークの負担が少な
くなるという効果がある。
域の輝度値は、部分領域の輝度値の平均値によって規格
化されてニューラルネットワークに与えられる。またニ
ューラルネットワークの出力も同じ基準によって規格化
される。したがって、請求項1に記載の発明の効果に加
えて、輝度レベルのみの変化による入力データのパター
ン変化が少なく、ニューラルネットワークの負担が少な
くなるという効果がある。
【0108】請求項3に記載の発明によれば、撮像装置
の撮像領域が複数個の部分領域に分割され、各部分領域
ごとに得られた輝度値がニューラルネットワークに入力
されてその出力でアイリスが制御される。したがって従
来の重点測光方式と異なり、輝度分布が変則的になった
場合にアイリス制御が不適正に行なわれる恐れが少な
い。また、各部分領域の輝度値は、ヒストグラム分類が
行なわれて、その度数分布情報がニューラルネットワー
クへの入力とされる。ヒストグラム分類を行なうため
に、被写体の輝度パターンによって輝度分布に現われる
特徴を明確に抽出することができ、輝度パターンに対す
るアイリス制御を行ううえでのニューラルネットワーク
の負担を少なくすることができる。その結果、被写体の
様々な輝度パターンに対しても適正にアイリス制御を行
なうことができるオートアイリス回路を提供することが
できる。
の撮像領域が複数個の部分領域に分割され、各部分領域
ごとに得られた輝度値がニューラルネットワークに入力
されてその出力でアイリスが制御される。したがって従
来の重点測光方式と異なり、輝度分布が変則的になった
場合にアイリス制御が不適正に行なわれる恐れが少な
い。また、各部分領域の輝度値は、ヒストグラム分類が
行なわれて、その度数分布情報がニューラルネットワー
クへの入力とされる。ヒストグラム分類を行なうため
に、被写体の輝度パターンによって輝度分布に現われる
特徴を明確に抽出することができ、輝度パターンに対す
るアイリス制御を行ううえでのニューラルネットワーク
の負担を少なくすることができる。その結果、被写体の
様々な輝度パターンに対しても適正にアイリス制御を行
なうことができるオートアイリス回路を提供することが
できる。
【0109】請求項4に記載の発明によれば、撮像領域
を複数個の部分領域に分割したうえで、従来と同様の重
点測光方式を用いて基本的なアイリス制御が行なわれ
る。また、各部分領域の輝度値に基づき、ニューラルネ
ットワークを用いて重点測光方式によるアイリス制御の
補正を行なうことができる。したがって従来の重点測光
方式では不十分な制御しか行なえなかったような被写体
の輝度パターンに対しても、適正なアイリス制御を行な
うことができる。規格化された各部分領域の輝度値がヒ
ストグラム分類され、その結果がニューラルネットワー
クへの入力とされるため、輝度パターンの特徴がヒスト
グラムによって明確に抽出される。ニューラルネットワ
ークによるアイリス制御の補正のための負担は少なくて
すむ。同様に各部分領域の規格化された輝度値は、各部
分領域が属する部分領域群ごとに統合され、まとめられ
た形でニューラルネットワークへの入力とされる。輝度
分布の位置変化による特徴を抽出してニューラルネット
ワークへの入力とすることができ、アイリス制御を補正
する際のニューラルネットワークへの負担が少なくてす
む。したがって、小さなニューラルネットワークを用い
て十分なアイリス制御を行なうことが可能である。その
結果、被写体の様々な輝度パターンに対しても正確なア
イリス制御を行なうことができるオートアイリス回路を
提供できる。
を複数個の部分領域に分割したうえで、従来と同様の重
点測光方式を用いて基本的なアイリス制御が行なわれ
る。また、各部分領域の輝度値に基づき、ニューラルネ
ットワークを用いて重点測光方式によるアイリス制御の
補正を行なうことができる。したがって従来の重点測光
方式では不十分な制御しか行なえなかったような被写体
の輝度パターンに対しても、適正なアイリス制御を行な
うことができる。規格化された各部分領域の輝度値がヒ
ストグラム分類され、その結果がニューラルネットワー
クへの入力とされるため、輝度パターンの特徴がヒスト
グラムによって明確に抽出される。ニューラルネットワ
ークによるアイリス制御の補正のための負担は少なくて
すむ。同様に各部分領域の規格化された輝度値は、各部
分領域が属する部分領域群ごとに統合され、まとめられ
た形でニューラルネットワークへの入力とされる。輝度
分布の位置変化による特徴を抽出してニューラルネット
ワークへの入力とすることができ、アイリス制御を補正
する際のニューラルネットワークへの負担が少なくてす
む。したがって、小さなニューラルネットワークを用い
て十分なアイリス制御を行なうことが可能である。その
結果、被写体の様々な輝度パターンに対しても正確なア
イリス制御を行なうことができるオートアイリス回路を
提供できる。
【0110】請求項5に記載の発明によれば、撮像装置
の撮像領域を複数個の部分領域に分割し、各部分領域の
輝度値をその撮像領域上の位置に関係なくニューラルネ
ットワークへの入力としている。したがって従来のよう
な撮像領域上の位置による重点測光方式を用いた場合よ
りも、被写体の輝度分布から受けるアイリス制御および
自動利得制御回路の制御への影響は少なくなる。また、
各部分領域の輝度値はそのままではなく、所定の基準に
よって規格化されたうえでニューラルネットワークの入
力とされるため、入力データのパターン変化が少ない。
ニューラルネットワークの負担が少なく、ひろい範囲の
輝度レベルにわたり、適正なアイリスおよび自動利得制
御回路の制御を行なうことができる。
の撮像領域を複数個の部分領域に分割し、各部分領域の
輝度値をその撮像領域上の位置に関係なくニューラルネ
ットワークへの入力としている。したがって従来のよう
な撮像領域上の位置による重点測光方式を用いた場合よ
りも、被写体の輝度分布から受けるアイリス制御および
自動利得制御回路の制御への影響は少なくなる。また、
各部分領域の輝度値はそのままではなく、所定の基準に
よって規格化されたうえでニューラルネットワークの入
力とされるため、入力データのパターン変化が少ない。
ニューラルネットワークの負担が少なく、ひろい範囲の
輝度レベルにわたり、適正なアイリスおよび自動利得制
御回路の制御を行なうことができる。
【0111】請求項6に記載の発明によれば、各部分領
域の輝度値は、部分領域の輝度値の平均値によって規格
化されてニューラルネットワークに与えられる。またニ
ューラルネットワークの出力も同じ基準によって規格化
される。したがって、請求項1に記載の発明の効果に加
えて、輝度レベルのみの変化による入力データのパター
ン変化が少なく、ニューラルネットワークの負担を少な
くしつつアイリスと自動利得制御回路の制御が行なえる
という効果がある。その結果、広い範囲の輝度レベルに
わたり、被写体の様々な輝度パターンに対しても適正に
アイリスと自動利得制御回路の制御を行なうことができ
るオートアイリス回路を提供することができる。
域の輝度値は、部分領域の輝度値の平均値によって規格
化されてニューラルネットワークに与えられる。またニ
ューラルネットワークの出力も同じ基準によって規格化
される。したがって、請求項1に記載の発明の効果に加
えて、輝度レベルのみの変化による入力データのパター
ン変化が少なく、ニューラルネットワークの負担を少な
くしつつアイリスと自動利得制御回路の制御が行なえる
という効果がある。その結果、広い範囲の輝度レベルに
わたり、被写体の様々な輝度パターンに対しても適正に
アイリスと自動利得制御回路の制御を行なうことができ
るオートアイリス回路を提供することができる。
【0112】請求項7に記載の発明によれば、撮像装置
の撮像領域が複数個の部分領域に分割され、各部分領域
ごとに得られた輝度値がニューラルネットワークに入力
されてその出力でアイリスおよび自動利得制御回路が制
御される。したがって従来の重点測光方式と異なり、輝
度分布が変則的になった場合にアイリスと自動利得制御
回路の制御が不適正に行なわれる恐れが少ない。また、
各部分領域の輝度値は、ヒストグラム分類が行なわれ
て、その度数分布情報がニューラルネットワークへの入
力とされる。ヒストグラム分類を行なうために、被写体
の輝度パターンに現われる特徴を明確に抽出することが
でき、輝度パターンに対するアイリスと自動利得制御回
路の制御を行ううえでのニューラルネットワークの負担
を少なくすることができる。その結果、広い範囲の輝度
レベルにわたり、被写体の様々な輝度パターンに対して
も適正にアイリスと自動利得制御回路の制御を行なうこ
とができるオートアイリス回路を提供することができ
る。
の撮像領域が複数個の部分領域に分割され、各部分領域
ごとに得られた輝度値がニューラルネットワークに入力
されてその出力でアイリスおよび自動利得制御回路が制
御される。したがって従来の重点測光方式と異なり、輝
度分布が変則的になった場合にアイリスと自動利得制御
回路の制御が不適正に行なわれる恐れが少ない。また、
各部分領域の輝度値は、ヒストグラム分類が行なわれ
て、その度数分布情報がニューラルネットワークへの入
力とされる。ヒストグラム分類を行なうために、被写体
の輝度パターンに現われる特徴を明確に抽出することが
でき、輝度パターンに対するアイリスと自動利得制御回
路の制御を行ううえでのニューラルネットワークの負担
を少なくすることができる。その結果、広い範囲の輝度
レベルにわたり、被写体の様々な輝度パターンに対して
も適正にアイリスと自動利得制御回路の制御を行なうこ
とができるオートアイリス回路を提供することができ
る。
【0113】請求項8に記載の発明によれば、撮像領域
を複数個の部分領域に分割したうえで、従来と同様の重
点測光方式を用いて基本的なアイリスと自動利得制御回
路の制御が行なわれる。また、各部分領域の輝度値に基
づき、ニューラルネットワークを用いて重点測光方式に
よるアイリスと自動利得制御回路の制御の補正を行なう
ことができる。したがって従来の重点測光方式では不十
分な制御しか行なえなかったような被写体の輝度パター
ンに対しても、適正なアイリスと自動利得制御回路の制
御を行なうことができる。規格化された各部分領域の輝
度値がヒストグラム分類され、その結果がニューラルネ
ットワークへの入力とされるため、輝度パターンの特徴
がヒストグラムによって明確に抽出される。ニューラル
ネットワークによるアイリスおよび自動利得制御回路の
制御の補正のための負担は少なくてすむ。同様に各部分
領域の規格化された輝度値は、各部分領域が属する部分
領域群ごとに統合され、まとめられた形でニューラルネ
ットワークへの入力とされる。したがって、輝度分布の
位置変化による特徴を抽出してニューラルネットワーク
への入力とすることができ、アイリスおよび自動利得制
御回路の制御を補正する際のニューラルネットワークへ
の負担が少なくてすむ。したがって、小さなニューラル
ネットワークを用いて十分なアイリスと自動利得制御回
路の制御を行なうことが可能である。その結果、広い範
囲の輝度レベルにわたり、被写体の様々な輝度パターン
に対しても正確なアイリスと自動利得制御回路の制御を
行なうことができるオートアイリス回路を提供できる。
を複数個の部分領域に分割したうえで、従来と同様の重
点測光方式を用いて基本的なアイリスと自動利得制御回
路の制御が行なわれる。また、各部分領域の輝度値に基
づき、ニューラルネットワークを用いて重点測光方式に
よるアイリスと自動利得制御回路の制御の補正を行なう
ことができる。したがって従来の重点測光方式では不十
分な制御しか行なえなかったような被写体の輝度パター
ンに対しても、適正なアイリスと自動利得制御回路の制
御を行なうことができる。規格化された各部分領域の輝
度値がヒストグラム分類され、その結果がニューラルネ
ットワークへの入力とされるため、輝度パターンの特徴
がヒストグラムによって明確に抽出される。ニューラル
ネットワークによるアイリスおよび自動利得制御回路の
制御の補正のための負担は少なくてすむ。同様に各部分
領域の規格化された輝度値は、各部分領域が属する部分
領域群ごとに統合され、まとめられた形でニューラルネ
ットワークへの入力とされる。したがって、輝度分布の
位置変化による特徴を抽出してニューラルネットワーク
への入力とすることができ、アイリスおよび自動利得制
御回路の制御を補正する際のニューラルネットワークへ
の負担が少なくてすむ。したがって、小さなニューラル
ネットワークを用いて十分なアイリスと自動利得制御回
路の制御を行なうことが可能である。その結果、広い範
囲の輝度レベルにわたり、被写体の様々な輝度パターン
に対しても正確なアイリスと自動利得制御回路の制御を
行なうことができるオートアイリス回路を提供できる。
【図1】図1は、この発明の第1の実施例のオートアイ
リス回路およびその周辺部分を示すブロック図である。
リス回路およびその周辺部分を示すブロック図である。
【図2】図2は、図1に示されるニューラルネットワー
クのブロック図である。
クのブロック図である。
【図3】図3は、図2に示されるニューラルネットワー
クのニューロンモデルの図である。
クのニューロンモデルの図である。
【図4】図4は、本発明の実施例による、撮像領域のブ
ロック分割を模式的に示す図である。
ロック分割を模式的に示す図である。
【図5】図5は、本発明の第2の実施例に係るアイリス
制御回路およびその周辺を示すブロック図である。
制御回路およびその周辺を示すブロック図である。
【図6】図6は、図5に示されるニューラルネットワー
クのブロック図である。
クのブロック図である。
【図7】図7は、図6に示されるニューラルネットワー
クで用いられるニューロンモデルを模式的に示す図であ
る。
クで用いられるニューロンモデルを模式的に示す図であ
る。
【図8】図8は、本発明の第3の実施例に係るオートア
イリス回路およびその周辺を示すブロック図である。
イリス回路およびその周辺を示すブロック図である。
【図9】図9は、図8に示されるニューラルネットワー
クのブロック図である。
クのブロック図である。
【図10】図10は、シグモイド関数の一例のグラフで
ある。
ある。
【図11】図11は、本発明の第4の実施例に係るオー
トアイリス回路およびその周辺を示すブロック図であ
る。
トアイリス回路およびその周辺を示すブロック図であ
る。
【図12】図12は、本発明の第5の実施例に係るオー
トアイリス回路およびその周辺を示すブロック図であ
る。
トアイリス回路およびその周辺を示すブロック図であ
る。
【図13】図13は、本発明の第6の実施例に係るオー
トアイリス回路およびその周辺を示すブロック図であ
る。
トアイリス回路およびその周辺を示すブロック図であ
る。
【図14】図14は、従来のオートアイリス回路および
その周辺のブロック図である。
その周辺のブロック図である。
【図15】図15は、AGC回路の制御も行なう従来の
オートアイリス回路およびその周辺のブロック図であ
る。
オートアイリス回路およびその周辺のブロック図であ
る。
2〜7 オートアイリス回路 10 CCD 11 AGC回路 12 ブロック積分回路 14 平均値回路 16 規格化回路 18,32,36 ニューラルネットワーク 20 規格化回路 22,23 比較器 24 アイリス 26 レンズ 28 A/D変換回路 30 ヒストグラム回路 34 エリア分割回路
Claims (8)
- 【請求項1】 アイリスにより入射光量の規制される撮
像装置の出力する輝度信号に応答して、前記撮像装置の
出力を所望のレベルに調整するように前記アイリスを制
御するためのオートアイリス回路であって、 前記輝度信号に基づいて、前記撮像装置の撮像領域の予
め定める複数個の部分領域のそれぞれの、所定の基準に
したがって規格化された輝度値を取得するための規格化
輝度値取得手段と、 前記規格化された輝度値を入力とするニューラルネット
ワークと、 前記ニューラルネットワークの出力に応答して前記アイ
リスを制御するためのアイリス制御手段とを含む、オー
トアイリス回路。 - 【請求項2】 前記規格化輝度値取得手段は、 前記輝度信号に基づいて、各前記部分領域の輝度値を取
得するための輝度値取得手段と、 前記輝度値取得手段の出力する前記部分領域の輝度値の
平均値を求めるための輝度値平均手段と、 各前記部分領域の輝度値を、前記輝度値平均手段の出力
に基づいてそれぞれ規格化するための輝度値規格化手段
とを含み、 前記アイリス制御手段は、 前記ニューラルネットワークの出力を、前記輝度値平均
手段の出力に基づいて規格化するための出力規格化手段
と、 前記出力規格化手段の出力を予め定める基準信号と比較
し、比較結果に基づいて前記アイリスを制御するための
比較手段とを含む、請求項1に記載のオートアイリス回
路。 - 【請求項3】 前記規格化輝度値取得手段から出力され
た前記部分領域の規格化された輝度値に基づき、各前記
部分領域を予め定める複数の輝度区間のいずれか1つに
分類し、度数分布情報を出力するための分類手段をさら
に含み、 前記ニューラルネットワークは、前記分類手段の出力を
入力とする、請求項1に記載のオートアイリス回路。 - 【請求項4】 前記撮像装置は、各々が1または複数個
の前記部分領域を含む1または複数個の部分領域群に区
分される撮像領域を有し、 前記オートアイリス回路は、前記規格化輝度値取得手段
により出力された各前記部分領域の輝度値を、各前記部
分領域群ごとに分類して各前記部分領域群ごとに1つの
統合輝度値を出力するための輝度値統合手段をさらに含
み、 前記ニューラルネットワークは、前記分類手段の出力に
加えて前記輝度値統合手段の出力をも入力とし、 前記アイリス制御手段は、 前記撮像領域を予め定める複数個の測光領域に区分し、
各前記測光領域ごとに前記輝度信号を所定の係数で重み
付けすることにより所定の重点測光信号を出力するため
の重点測光信号出力手段と、 前記ニューラルネットワークの出力を、前記重点測光信
号により規格化するための出力規格化手段と、 前記出力規格化手段の出力を予め定める基準信号と比較
し、比較結果に基づいて前記アイリスを制御するための
比較手段とを含む、請求項3に記載のオートアイリス回
路。 - 【請求項5】 アイリスにより入射光量の規制される撮
像装置が出力し、自動利得制御回路によりレベル調整が
行なわれる輝度信号に応答して、前記撮像装置の出力を
所望のレベルに調整するようにアイリス及び前記自動利
得制御回路を制御するためのオートアイリス回路であっ
て、 前記輝度信号に基づいて、前記撮像装置の撮像領域の予
め定める複数個の部分領域のそれぞれの、所定の基準に
したがって規格化された輝度値を取得するための規格化
輝度値取得手段と、 前記規格化された輝度値を入力とするニューラルネット
ワークと、 前記ニューラルネットワークの出力に応答して前記アイ
リス及び前記自動利得制御回路を制御するための制御手
段とを含む、オートアイリス回路。 - 【請求項6】 前記規格化輝度値取得手段は、 前記輝度信号に基づいて、各前記部分領域の輝度値を取
得するための輝度値取得手段と、 前記輝度値取得手段の出力する前記部分領域の輝度値の
平均値を求めるための輝度値平均手段と、 各前記部分領域の輝度値を、前記輝度値平均手段の出力
に基づいてそれぞれ規格化するための輝度値規格化手段
とを含み、 前記制御手段は、 前記ニューラルネットワークの出力を、前記輝度値平均
手段の出力に基づいて規格化するための出力規格化手段
と、 前記出力規格化手段の出力を、予め定める第一の基準信
号と比較し、比較結果に基づいて前記アイリスを制御す
るための第一の比較手段と、 前記出力規格化手段の出力を、予め定める第二の基準信
号と比較し、比較結果に基づいて前記自動利得制御回路
を制御するための第二の比較手段とを含む、請求項5に
記載のオートアイリス回路。 - 【請求項7】 前記規格化輝度値取得手段から出力され
た前記部分領域の規格化された輝度値に基づき、各前記
部分領域を予め定める複数の輝度区間のいずれか1つに
分類し、度数分布情報を出力するための分類手段をさら
に含み、 前記ニューラルネットワークは、前記分類手段の出力を
入力とする、請求項5に記載のオートアイリス回路。 - 【請求項8】 前記撮像装置は、各々が1または複数個
の前記部分領域を含む1または複数個の部分領域群に区
分される撮像領域を有し、 前記オートアイリス回路は、前記規格化輝度値取得手段
により出力された各前記部分領域の輝度値を、各前記部
分領域群ごとに分類して各前記部分領域群ごとに1つの
統合輝度値を出力するための輝度値統合手段をさらに含
み、 前記ニューラルネットワークは、前記分類手段の出力に
加えて前記輝度値統合手段の出力をも入力とし、 前記制御手段は、 前記撮像領域を予め定める複数個の測光領域に区分し、
各前記測光領域ごとに前記輝度信号を所定の係数で重み
付けすることにより所定の重点測光信号を出力するため
の重点測光信号出力手段と、 前記ニューラルネットワークの出力を、前記重点測光信
号により規格化するための出力規格化手段と、 前記出力規格化手段の出力を予め定める第一の基準信号
と比較し、比較結果に基づいて前記アイリスを制御する
ための第一の比較手段と、 前記出力規格化手段の出力を予め定める第二の基準信号
と比較し、比較結果に基づいて前記自動利得制御回路を
制御するための第二の比較手段とを含む、請求項7に記
載のオートアイリス回路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP25007192A JP3367975B2 (ja) | 1992-01-14 | 1992-09-18 | オートアイリス回路 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4-4912 | 1992-01-14 | ||
JP491292 | 1992-01-14 | ||
JP25007192A JP3367975B2 (ja) | 1992-01-14 | 1992-09-18 | オートアイリス回路 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH05260370A true JPH05260370A (ja) | 1993-10-08 |
JP3367975B2 JP3367975B2 (ja) | 2003-01-20 |
Family
ID=26338767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP25007192A Expired - Fee Related JP3367975B2 (ja) | 1992-01-14 | 1992-09-18 | オートアイリス回路 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3367975B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7259894B2 (en) | 1997-06-09 | 2007-08-21 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
JP2008060989A (ja) * | 2006-08-31 | 2008-03-13 | Noritsu Koki Co Ltd | 撮影画像補正方法及び撮影画像補正モジュール |
WO2012002742A3 (en) * | 2010-06-30 | 2012-04-26 | Lg Innotek Co., Ltd. | Camera module and method for driving the same |
KR20120048815A (ko) * | 2010-11-08 | 2012-05-16 | 엘지이노텍 주식회사 | 카메라 모듈의 이미지 처리 방법 |
WO2023000878A1 (zh) * | 2021-07-22 | 2023-01-26 | 中兴通讯股份有限公司 | 拍摄方法、装置、控制器、设备和计算机可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180084178A1 (en) * | 2016-09-16 | 2018-03-22 | Qualcomm Incorporated | Smart camera flash system |
-
1992
- 1992-09-18 JP JP25007192A patent/JP3367975B2/ja not_active Expired - Fee Related
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8681380B2 (en) | 1997-06-09 | 2014-03-25 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
US7508548B2 (en) | 1997-06-09 | 2009-03-24 | Seiko Epson Corporation | Image processing method and image processing apparatus |
US7755801B2 (en) | 1997-06-09 | 2010-07-13 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
US7940426B2 (en) | 1997-06-09 | 2011-05-10 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
US8553285B2 (en) | 1997-06-09 | 2013-10-08 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
US7259894B2 (en) | 1997-06-09 | 2007-08-21 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
US8867099B2 (en) | 1997-06-09 | 2014-10-21 | Seiko Epson Corporation | Image processing apparatus, an image processing method, a medium on which an image processing control program is recorded, an image evaluation device, an image evaluation method and a medium on which an image evaluation program is recorded |
JP2008060989A (ja) * | 2006-08-31 | 2008-03-13 | Noritsu Koki Co Ltd | 撮影画像補正方法及び撮影画像補正モジュール |
WO2012002742A3 (en) * | 2010-06-30 | 2012-04-26 | Lg Innotek Co., Ltd. | Camera module and method for driving the same |
CN102972020A (zh) * | 2010-06-30 | 2013-03-13 | Lg伊诺特有限公司 | 相机模块和驱动相机模块的方法 |
CN102972020B (zh) * | 2010-06-30 | 2016-08-03 | Lg伊诺特有限公司 | 相机模块和驱动相机模块的方法 |
KR20120048815A (ko) * | 2010-11-08 | 2012-05-16 | 엘지이노텍 주식회사 | 카메라 모듈의 이미지 처리 방법 |
WO2023000878A1 (zh) * | 2021-07-22 | 2023-01-26 | 中兴通讯股份有限公司 | 拍摄方法、装置、控制器、设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP3367975B2 (ja) | 2003-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4240023B2 (ja) | 撮像装置、撮像方法および撮像プログラム、ならびに、画像処理装置、画像処理方法および画像処理プログラム | |
US7825955B2 (en) | Image pickup apparatus, exposure control method, and computer program installed in the image pickup apparatus | |
US8094211B2 (en) | Method and apparatus for obtaining image using entropy | |
CN101800858B (zh) | 摄像设备及其控制方法 | |
US6583820B1 (en) | Controlling method and apparatus for an electronic camera | |
US20030001958A1 (en) | White balance adjustment method, image processing apparatus and electronic camera | |
US20120249830A1 (en) | Image processing apparatus and control method thereof | |
US20060268151A1 (en) | Imaging device, camera, and imaging method | |
US7889274B2 (en) | Image input apparatus | |
CN102300049A (zh) | 图像信号处理装置 | |
KR20080041118A (ko) | 화상 처리 장치 및 화상 처리 방법, 및 프로그램 | |
US20030223009A1 (en) | Photographing apparatus | |
US7283667B2 (en) | Image processing unit, image processing method, and image processing program | |
JP3367975B2 (ja) | オートアイリス回路 | |
JP2899031B2 (ja) | 自動露出制御装置 | |
KR20070078995A (ko) | 촬상장치, 촬상장치의 제어방법, 촬상장치의 제어방법의프로그램, 촬상장치의 제어방법의 프로그램이 기록된기록매체 | |
JP2007166028A (ja) | 露出量制御装置および露出量制御方法 | |
JP3378601B2 (ja) | 画像処理装置 | |
JP2003087646A (ja) | 撮像装置 | |
JP3092397B2 (ja) | 撮像装置 | |
JPH09149317A (ja) | 撮像装置 | |
JP4889225B2 (ja) | 電子カメラ | |
JP3700207B2 (ja) | 自動露出制御装置、自動露出制御方法、及び撮像装置 | |
JP2001249374A (ja) | カメラ信号処理装置及びその方法 | |
JP3033102B2 (ja) | 電子撮像機用露出制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20021022 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081108 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091108 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091108 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101108 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |