事例１ 光学フィルタ
屈折率の異なる誘電体薄膜を積層することで、特定の波長域だけを透過させたり遮蔽させることが可能です。材料の選択や膜厚制御により任意の光学フィルタを設計・製造できます。また、特性の異なる光学フィルタでパターンを形成することも可能です。例えば、イメージセンサの画素サイズのパターンを形成することで、モノクロセンサをRGBカラーセンサやマルチバンドセンサにアップグレードすることができます。
事例２ SWIR：反射画像
SWIR（Short-Wave Infrared）技術は、近赤外線（NIR）と赤外線（IR）の間の波長帯域で、1.4〜3 µmの範囲を指します。この波長帯域の光は、人間の目では見ることができないため、カメラやセンサを使用して検出する必要があります。SWIR技術は、様々な分野で使用されています。例えば、工業分野では、金属やプラスチックなどの材料の検査に使用されます。また、農業分野では、植物の状態や育成段階を把握するために使用されます。さらに、防衛分野では、濃霧や夜間において、視認性を高めるために使用されます。SWIR技術の最大の利点は、NIR技術に比べて、透過率が高いことです。すなわち、霧や煙、水蒸気、大気中の微粒子なSWIR（Short-Wave Infrared）技術は、近赤外線（NIR）と赤外線（IR）の間の波長帯域で、1.4〜3 µmの範囲を指します。この波長帯域の光は、人間の目では見ることができないため、カメラやセンサを使用して検出する必要があります。
事例３ SWIR：医療への応用
医療用機器メーカーと画像処理ソフト開発企業が協力することで、医療現場での診断に必要な高品質な画像を提供することができます。これらの開発は、患者さんの健康と医療現場の向上に大きく貢献します。
事例４ Deep Learning 応用
残像低減技術は、動画の連続フレーム間で発生する残像を減少させる技術です。残像は、オブジェクトが急速に動く場合に特に発生します。残像低減技術は、オブジェクトを追跡し、その位置を正確に予測することで、残像を削減します。これにより、動画の品質が向上し、動きが滑らかになります。
ゴースト除去技術は、映像の重ね合わせで発生する二重像を除去する技術です。これは、光学系やセンサによって異なる光の進み方によって発生します。ゴースト除去技術は、ゴースト画像の特徴を分析することで実現されます。その後、ゴースト画像を削除するための適切なアルゴリズムを適用します。
不要画像消去技術は、映像から不要な部分を削除する技術です。不要な部分は、カメラが描写する背景や、顔の自動認識で不要とされる部分などです。この技術は、ストレージや帯域幅を節約し、映像処理の効率を向上させることができます。
事例５ 機械学習画像処理
超解像技術は、低解像度の画像から高解像度画像を生成する技術です。一般的に、超解像技術は、複数の低解像度画像を組み合わせて、より高解像度の画像を生成します。超解像技術は、画像解析、医療、防衛、監視などの分野で広く使用されています。