文字サイズ
TBGUポータルサイト

東北文化学園大学 Tohoku Bunka Gakuen University

工学部　知能情報システム学科
工学部　知能情報システム学科
TOP > 学部学科・大学院 > 　知能情報システム学科 > 教員紹介 > 講師　戸田 英治

講師　戸田 英治

戸田 英治
TODA Hideharu


学歴・学位・資格

学位・資格
修士（情報科学）
基本情報技術者
ソフトウェア開発技術者（応用情報技術者の前身）
第三級アマチュア無線技士

学歴
2007年4月 中京大学 情報理工学部 情報システム工学科 入学
2011年3月 中京大学 情報理工学部 情報システム工学科 卒業
2011年4月 中京大学大学院 情報科学研究科 情報科学専攻 博士課程前期 入学
2013年3月 中京大学大学院 情報科学研究科 情報科学専攻 博士課程前期 修了
2013年4月 中京大学大学院 情報科学研究科 情報認知科学専攻　博士課程後期　入学
2019年3月 中京大学大学院 情報科学研究科 情報認知科学専攻　博士課程後期　満期退学

職歴

2019年4月 中京大学 工学部 電気電子工学科 任期制助手
2024年4月 東北文化学園大学 工学部 知能情報システム学科 講師

所属学会・役割

情報処理学会
電子情報通信学会

担当科目

人工知能
オブジェクト指向プログラミング
知能情報システム実験
ネットワークシステム演習など

研究テーマ

　現在取り組んでいる研究テーマは、人間の網膜をモデル化したセルラーニューラルネットワーク（図１）を画像処理に応用することです。人間の網膜は非常に優れた視覚情報処理機構を有しています。これをモデル化したセルラーニューラルネットワークを用いることで高度な画像処理を実現できます。
サンプル画像
図１：人間の優れた資格情報処理機構をモデル化したセルラーニューラルネットワーク
　図２にセルラーニューラルネットワークを用いた画像処理の研究テーマ例を4つ示します。まず、圧縮データから圧縮前の画像を復号できる可逆圧縮技術（図2.A）です。次に、低い解像度の画像から高い解像度の画像を生成する超解像技術（図2.B）です。そして、画像に自動で着色を行うカラリゼーション技術（図2.C）です。最後に、入力画像に対してセルラーニューラルネットワークを用いて白黒画像を逐次出力し、その白黒画像群を足し合わせることで再構成する逐次画像伝送技術（図2.D）です。これらに加え，AIを支える要素技術の一つである機械学習を取り入れた画像処理にも着手しています。
図2：セルラーニューラルネットワークを用いた画像処理例
図2：セルラーニューラルネットワークを用いた画像処理例

主たる論文・著書

  1. H. Toda, S. Tajima, K. Nakashima, T. Otake, H. Aomori, “Hierarchical lossless color image coding method using cellular neural networks based predictors,” Nonlinear Theory and Its Applications, IEICE, vol. 15, no. 1, pp. 119-131, 2024.
  2. K. Nakashima, Y. Kawai, R. Nakazawa, H. Toda, H. Aomori, T. Otake, I. Matsuda, and S. Itoh, “Lifting-based lossless image coding using cellular neural network predictors and context estimators optimized by adaptive differential evolution,” Nonlinear Theory and Its Applications, IEICE, vol. 14, no. 3, pp. 609–627, 2023.
  3. H. Aomori, R. Mizutani, H. Toda and T. Otake, “Progressive image transmission based on image spatio-temporal decomposition by sigma-delta cellular neural network,” Nonlinear Theory and Its Applications, IEICE, vol. 13, no. 2, pp. 264-270, 2022.
  4. Y. Nagano, Y. Kawai, H. Toda, H. Aomori, M. Sato, T. Otake, I. Matsuda, S. Itoh, “Recompressible Hierarchical Lossless Image Compression Scheme Using Pel-Adaptive Cellular Neural Network Predictors Optimized by PSO with a Refractory Period,” Journal of Signal Processing, vol. 23, no. 4, pp. 185-188, 2019.
  5. 戸田 英治, 青森 久, 竹之内 星矢, 大竹 敢, 松田 一朗, 伊東 晋, “CNN予測器の形状と割当を交互に反復最適化する階層型可逆符号化方式,” 映情学誌, 73巻, 1号, pp. 190-198, 2019.
  6. 戸田 英治, 青森 久, 竹之内 星矢, 大竹 敢, 松田 一朗, 伊東 晋, “CNN予測器の適応的設計に基づく階層型可逆符号化方式,” 信学論, J101-A巻, 5号, pp.92-104, 2018.

趣味・特技

ゲーム（近年はモンスターハンターとスプラトゥーン）
スノーボード
オープンカーでのドライブ
音楽鑑賞（ハードロックかヘビィメタル）

受験生の皆さんへのメッセージ

　 高校までの勉強と違い、大学では「答えのない」研究を行います。そのため、最初はわからないことだらけです。しかし、取り組んでいる内に楽しくなってきたりもします。画像処理について興味が湧いたのであれば、共に研究してみませんか。

連絡先

E-mail：h-toda●ait.tbgu.ac.jp
ご連絡の際は、●を@に変更してください。