デジタル画像の露出補正
デジタル画像の露出を補正する手法について開示する。グランドトゥルースデータが既知である画像の集合に基づいて、露出予測子が生成され得る。最適な特徴の集合を識別した後において、選択された最適な特徴の値を画像から抽出し、予測子を用いて画像に対する所望の露出補正を予測し、予測された所望量により画像の露出を補正することにより、デジタル画像の露出が補正され得る。露出補正は、ワールドの光の強度をデジタル画像のＲＧＢ値に関連付けるモデルに基づく。そのモデルは、典型的なモニタの応答をモデル化するガンマ関数と、ワールドの広いダイナミックレンジをＲＧＢ値空間の狭いダイナミックレンジに圧縮するＳ字型曲線とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、デジタル画像処理に関し、より詳しくは、デジタル画像の露出補正に関する。
【背景技術】
【０００２】
適切にデジタル画像を露出することにより、モニタまたはプリンタなどの出力装置上に元のシーンの高品質な映しを得ることは重要である。デジタル画像の「露出」とは、画像キャプチャ用センサーに作用し得る光の量を指す。露出は、センサーに当たる光の強度（口径と照明の強度とにより制御される）と、時間（シャッタースピードにより制御される）との積である。露出の値が大きい場合にはより明るい画像が生じ、その逆も同様である。種々の理由により、通常、入力装置（例えば、デジタルカメラ）により設定された元の露出を基にすることによっては、最上品質はもたらされない。例えば、画像取得の条件およびシーンの成分がいろいろとあるために、元の露出は極めて変わりやすく、好適な露出と異なり得る。さらに、入力装置は、通常、ダイナミックレンジが制限されており、それ故に、クリッピングによる画像内の情報の損失を避けるために画像の露出を不十分にする。露出の足りない画像は所望されるよりも暗く見え得るが、その画像は、露出しすぎた画像よりも多くの情報を保持する傾向にあり、それ故に、画像は、印刷または出力装置上への表示にさらに適するようにするための取得後の露出補正に耐え得る。
【０００３】
好適には、出力装置は、種々の（あるいは不明である）画像取得装置を用いて取得された画像から適切に露出された映しを生成するように備えられる。例えば、卓上型デジタルフォトプリンタまたはフォト販売キオスクは、広範囲にわたるデジタルカメラ、またはスキャナ、または別の入力装置のうちの任意の装置を用いて広範な条件下において取得されたデジタル画像を受け取ることができ得る。好適には、そのようなプリンタまたはキオスクは、そのプリンタまたはキオスクが受け取る任意の画像の露出を補正することができ、それ故に、そのような画像が最適な露出に印刷され得る。
【０００４】
従って、デジタル画像の露出を補正する改良された手法が必要とされる。
【発明の開示】
【課題を解決するための手段】
【０００５】
デジタル画像の露出を補正するための手法を開示する。グラウンドトゥルースデータが既知である画像の集合（ｓｅｔ）に基づいて、露出予測子が生成され得る。広範な画像全てに対して、予測誤差の最小化と優れた結果の生成とのバランスを引き起こす最適な特徴の集合が識別され得る。画像に対する所望の露出補正を予測する予測子を用いて、画像から、選択された最適な特徴の値を抽出することと、予測された所望量により画像の露出を補正することとにより、画像の露出が補正され得る。露出補正を容易にするために、ワールドの光の強度をデジタル画像のＲＧＢ値に関連付けるモデルを提案する。このモデルは、典型的なモニタの応答をモデル化するガンマ関数と、ＲＧＢ値空間の狭いダイナミックレンジへのワールドの広いダイナミックレンジの圧縮を可能にするＳ字形の曲線とを備える。次いで、画像をワールドの対数的な強度に変換する、このモデルの逆のモデルを用い、かつ、画像からオフセット（所望の露出補正により与えられる）を加算または減算し、かつ、次いで上記モデルを用いて画像をＲＧＢ値空間に再びマッピングすることにより、画像の露出が補正され得る。例えば、本発明の一局面において、ソース画像の露出を補正する方法が提供される。この方法は、（Ａ）画像キャプチャ空間のソース画像を非線形性の強度空間に変換することにより、第１の変換済み画像を生成する工程と、（Ｂ）非線形性の強度空間において変換済み画像の露出を補正することにより、補正された変換済み画像を生成する工程と、（Ｃ）補正された変換済み画像を画像キャプチャ空間に変換することにより、第２の変換済み画像を生成する工程とを包含する。工程（Ｃ）は、（Ｃ）（１）Ｓ字形の曲線を用いて、補正された変換済み画像を第３の変換済み画像に変換する工程と、（Ｃ）（２）ガンマ関数を用いて、第３の変換済み画像を第２の変換済み画像に変換する工程とを包含し得る。
【０００６】
ｉが非線形性の強度空間における強度を表す場合において、工程（Ｃ）は、
式：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γを用いて、補正された変換済み画像を第２の変換済み画像に変換する工程を包含し得て、工程（Ａ）は、ソース画像のグレイレベルｇに関数Ｔ−１（ｇ）を適用してグレイレベルを変換することにより、変換済み強度を生成し得て、工程（Ｂ）は、変換済み強度に露出オフセットΔｅを加算することにより、補正された変換済み強度を生成する工程を包含し得る。
【０００７】
本発明の別の局面において、画像を処理する方法が提供される。この方法は、（Ａ）画像のサムネイルと、画像の輝度チャネルと、画像において着目領域と、アクティビティスレッショルドを満たす複数のピクセルを含む画像の部分集合とを含む特徴の集合から選択された少なくとも１つの特徴の値を画像から抽出する工程と、（Ｂ）抽出された特徴の値に基づいて画像の所望の露出補正を予測する工程と、（Ｃ）予測された露出補正により画像の露出を補正することによって、露出補正のなされた画像を生成する工程とを包含する。その特徴の集合は、列挙した特徴に代えて別の特徴を、または列挙した特徴に加えて別の特徴を含み得る。
【０００８】
その着目領域は、（１）その領域内のアクティビティの平均が、所定の最小アクティビティスレッショルドを越えるという性質と、（２）その領域を含まない画像の部分の輝度の平均に対するその領域の輝度の平均の比の対数の絶対値が、画像内の所定の複数の領域に対するその比の対数の絶対値の中で最大であるという性質とを有し得る。その着目領域は、画像の大きさに比例したベースサイズを有し得る。また、その着目領域の大きさは、ベースサイズに画像内のアクティビティの平均の測定値を乗じたものに比例し得る。
【０００９】
本発明の別の局面において、画像の露出を調節するためのシステムに用いられる特徴の集合を選択する方法が提供される。その方法は、（Ａ）特徴の集合を特徴の主集合（ｍａｓｔｅｒ ｓｅｔ）Ｍにセットする工程と、（Ｂ）特徴の現集合Ｃをヌル値に初期化する工程と、（Ｃ）主集合Ｍの各特徴Ｆに対して、（１）特徴の現集合Ｃと特徴Ｆとを組み合わせたものを特徴の仮集合Ｓにセットする工程と、（２）集合Ｓを特徴の集合として用いて、複数の画像に対してｌｅａｖｅ−ｎ−ｏｕｔ誤差Ｅを算出する工程と、（３）誤差Ｅが最小誤差ＥＭＩＮ未満である場合において、ＥＭＩＮにＥの値を指定し、変数ＦＭＩＮに特徴Ｆの識別を記録する工程とを行う工程と、（Ｄ）ＥＭＩＮがグローバル誤差ＥＧ未満である場合において、ＥＧにＥＭＩＮの値を指定し、ＦＭＩＮに記録された特徴Ｆを集合Ｃに加え、ＦＭＩＮに記録された特徴Ｆを集合Ｍから除去する工程と、（Ｅ）集合Ｍが空集合でない場合において、工程（Ｃ）に戻る工程と、（Ｆ）集合Ｍが空集合であるか、またはＥＭＩＮの値がＥＧの値よりも大きい場合において、画像の露出を調節するシステムに用いられる特徴の集合として集合Ｃを選択する工程とを包含する。
【００１０】
本発明の種々の局面および実施形態における別の特徴および有利な点は、以下の記載および特許請求の範囲から明らかになる。
【発明を実施するための最良の形態】
【００１１】
概して、本明細書に開示する露出補正アルゴリズムは、２つの部分に分割され得る。第１の部分は、入力画像から、画像の露出に最も関連のある情報を含む特徴の集合の値を抽出する。第２の部分は、抽出された特徴に作用することにより、画像に適用される予測された露出補正を生成する予測子を検出する。予測された露出補正を画像に適用することにより、露出補正のなされた画像が生成される。予測子は、例えば、予測された露出と画像の所望の露出との誤差が最小二乗の意味において最小化されるように選択された線形予測子であり得る。最適な線形予測子を生成する理論は統計上および信号処理の技術において周知であるために、本明細書の開示では、所望の露出に極めて良く相関する優れた特徴を識別する手法と、グランドトゥルース（ｇｒｏｕｎｄ ｔｒｕｔｈ）データを考え、最適な線形予測子を生じる最適な特徴の集合を決定する手法とに重点を置く。
【００１２】
図１Ａを説明すると、本発明の一実施形態による、画像の露出を補正する方法１００のフローチャートが示されている。図２Ａを説明すると、図１Ａに示される方法１００により実行されたオペレーションを図示するデータフロー図２００が示されている。
【００１３】
方法１００では、種々のソース（例えば、デジタルカメラまたはスキャナ）から受け取られ得る入力画像２０２（図２Ａ）に作用する。入力画像２０２は、デジタル画像を表す種々の規格（例えば、ＪＰＥＧ規格）のいずれかにおいて表され得る。
【００１４】
方法１００では、選択された特徴２１８の集合の値２０８を画像２０２から抽出する（工程１０６）。選択された特徴２１８は、例えば、工程１０６において抽出される特定の特徴を識別する識別子または別の記述子であり得る。工程１０６において抽出され得る特徴の例と、それらを抽出する手法の例について、図１Ｂ、１Ｃ、２Ｃ、３、および４に関連して以下に記載する。特徴２１８の集合を選択するために用いられ得る手法について、図９に関連して以下に記載する。
【００１５】
方法１００では、グランドトゥルース画像の集合に対するグランドトゥルースデータ２１０に基づいて、予測子２１６を生成する（工程１０８）。方法１００を実行するたびに工程１０８を実行する必要はないということに留意されたい。それよりはむしろ、方法１００を実行する前に、予測子２１６は一回生成され得る。次いで、方法１００を実行するたびに、工程１０８を実行する必要なしに、生成された予測子２１６が用いられ得る。予測子２１６の生成に用いられ得る手法について、図５〜９に関連して以下に記載する。方法１００では、予測子２１６を用いることにより、抽出された特徴の値２０８に基づいて、予測の露出オフセット２１２を生成する（工程１１０）。
【００１６】
方法１００では、予測の露出オフセット２１２により入力画像２０２の露出を変更することによって、入力画像２０２の露出を補正し、それにより、露出の補正のなされた画像２１４が生成される（工程１１２）。露出補正の実行に用いられ得る手法について、図１１に関連して以下に記載する。
【００１７】
種々の手法をオプションとして適用することにより、画像２０２のコントラストが改善され得る。例えば、画像２０２における強度の範囲は、下記のとおり、利用可能な強度の範囲（例えば、［０，２５５］）にわたるように伸ばされ得る。入力画像２０２の赤チャネルＲは線形化され得る。それにより、式ＲＬ＝（Ｒ／２５５）γを用いて、線形化された赤チャネルＲＬが生成される。線形化された緑チャネルＧＬおよび青チャネルＢＬも同様に生成され得る。ＲＧＢ空間の画像２０２にガンマ関数を適用することにより、画像２０２を、画像２０２の元のダイナミックレンジをより正確に反映する線形性の強度空間に変換する。本明細書における用語「ＲＧＢ空間」は、画像が取り込まれ得る全ての空間（本明細書において、この空間を「画像キャプチャ空間」と称する）を指す。
【００１８】
式ｍｎ＝ｍｉｎ（ＲＬ，ＧＬ，ＢＬ）、および、式ｍｘ＝ｍａｘ（ＲＬ，ＧＬ，ＢＬ）を用いて、画像２０２に対する強度の最小値ｍｎおよび最大値ｍｘが得られ得る。線形化された赤チャネルＲＬは伸ばされ得る。それにより、式ＲＬ’＝（ＲＬ−ｍｎ）／（ｍｘ−ｍｎ）を用いて、伸ばされた線形化済み赤チャネルＲＬ’が生成される。伸ばされた線形化済み緑チャネルＧＬ’および青チャネルＢＬ’も同様に生成され得る。以下に記載する、後に続くオペレーション（例えば、特徴の抽出）は、チャネルＲＬ’、ＧＬ’、およびＢＬ’上において行われ得る。
【００１９】
式Ｒ＝２５５（ＲＬ’）１／γを用いて、チャネルＲＬ’は、チャネルＲ’に再変換され得る。チャネルＧ’およびＢ’も、同様の態様でチャネルＧＬ’およびＢＬ’から得られうる。以下の記載において、チャネルＲＬ、ＧＬ、およびＢＬ上、またはＲ、Ｇ、およびＢ上において実行されるように記載されるオペレーションは、もしくはチャネルＲＬ’、ＧＬ’、およびＢＬ’上、またはＲ’、Ｇ’、およびＢ’上において実行され得る。
【００２０】
本発明は、全ての個々の特徴、および特徴の全ての組み合わせとともに用いられ得る。最初の特徴の集合から、抽出のための最適な特徴の集合の選択に用いられ得る手法の例について、図９に関連して以下に説明する。上記のような手法を用いて特定の特徴の集合が選択さると、選択された特徴２１８の値２０８が画像２０２から抽出され得る（工程１０６）。本発明の実施形態とともに用いられ得る特徴の個々の例、およびそのような特徴の値を抽出する手法について、以下に記載する。
【００２１】
本発明の一実施形態において、入力画像２０２の大きさは、特徴抽出の割合と同程度低減される。通常、個々の画像は全て、所望の露出と無関係な多量の情報を有し得るために、入力画像２０２は低減され得る。例えば、カラー画像のクロミナンスチャネルは画像の露出に依存せず、それ故に、所望の露出に関するいかなる情報も生じない。以下により詳しく記載するように、そのような無関係な情報を放棄することにより、本明細書に記載の露出補正手法の計算上の複雑さが低減され得、かつ、予測子２１６の係数５２６（図６）が正確に推定され得る。そのような無関係な情報を排除しないことにより、係数の推定の精度が減少し得る。それは、実際には、所望の露出（グランドトゥルース）が既知である、制限されたトレーニング画像の集合のみしかないためである。このことにより、トレーニング集合７１６（図７Ｄ）の画像の数が、特徴の集合２０８の選択された特徴の数に適切に対応し得ない場合において、予測子の係数５２６の推定にバイアスがかかりやすくなる。特徴の最適な数を決定することは、重要かつ困難な問題であり、図９に関連して以下により詳しく記載する。
【００２２】
図１Ｂを説明すると、本発明の一実施形態による、画像２０２を低減するために用いられ得る方法のフローチャートが示されている。図２Ｂを説明すると、図１Ｂに示される方法１０２により実行されたオペレーションを図示するデータフロー図２２０が示されている。方法１０２では、入力画像２０２のサムネイル２２２を生成する（工程１２２）。通常、画像のサムネイルは、あるダウンサンプリングの方法により生成された、画像の大きさが低減されたものである。サムネイルを生成する手法は、当業者には周知である。
【００２３】
本発明の一実施形態において、入力画像２０２の大抵の露出情報は画像２０２の輝度チャネルに含まれるということを想定する。したがって、方法１０２では、サムネイル２２２から線形性の輝度チャネル２２４を抽出し（工程１２４）、サムネイル２２２から非線形性の輝度チャネル２２６を抽出し（工程１２６）、それにより、線形性の輝度チャネル２２４上のみ、および非線形性の輝度チャネル２２６上のみにおいて、後に続く処理が実行される。例えば、入力画像２０２のＲチャネルがチャネルＲＬへと、ＧチャネルがチャネルＧＬへと、ＢチャネルがチャネルＢＬへと線形化された場合において、下記のとおりに、線形性の輝度チャネル２２４、および非線形性の輝度チャネル２２６が生成され得る。線形化された輝度チャネル２２４はＬＬにより表され、式ＬＬ＝ａＲＬ＋ｂＧＬ＋ｃＢＬを用いて生成され得る。ここで、ａ、ｂ、およびｃは定数である。非線形性の輝度チャネル２２６はＬにより表され、式Ｌ＝２５５（ＬＬ）１／γにより、線形化された輝度チャネル２２４ ＬＬから生成され得る。
【００２４】
図１Ｃを説明すると、本発明の一実施形態による、入力画像２０２からさらなる特徴を抽出するために用いられ得る方法のフローチャートが示されている。図２Ｃを説明すると、図１Ｃに示される方法１４０により実行されたオペレーションを図示するデータフロー図２４０が示されている。図１Ｂおよび２Ｂに関連して上述した手法を用いて、入力画像２０２を低減することにより線形性の輝度チャネル２２４および非線形性の輝度チャネル２２６が生成される（工程１０２）。
【００２５】
非線形性の輝度チャネル２２６の部分集合を分離することにより、予測子２１６の性能が改善され得る。通常の場合、画像の全ての部分が画像の好適な露出の主観による判断に等しく影響を及ぼすわけではないという知見に基づいて、例えば、非線形性の輝度チャネル２２６全てではなく非線形性の輝度チャネル２２６の部分集合が露出の補正に用いられ得る。例えば、被写体が平坦でありかつ模様の少ない壁の前に位置する画像の所望の露出は、おそらく、壁の輝度の値によっては決定されない。従って、壁のピクセルを用いずに、以下に記載するヒストグラムを算出することにより、予測子２１６の性能が改善され得る。露出に影響を及ぼす要素は極めて主観によるものであるが、「アクティビティ（ａｃｔｉｖｉｔｙ）」がほとんどないか、または全くない物体は、通常、露出に影響を及ぼさないということが判明した。従って、まず、アクティビティに対して非線形性の輝度チャネル２２６をスクリーニングすることにより、アクティビティスレッショルドを満たす非線形性の輝度チャネル２２６におけるピクセルの位置を識別するアクティブ画像マップ２０６が生成され得る（工程１０４）。
【００２６】
アクティブ画像マップ２０６に基づいて、アクティブかつ非線形性の輝度画像２０９が、非線形性の輝度チャネル２２６から抽出され得る２０７。入力画像２０２の非線形性の輝度チャネル２２６にのみ作用する実施形態において、アクティブな画像２０９は、「アクティブ輝度チャネル」とも称され得る。アクティビティを測定するために用いられ得る手法は、発明者Ｂｏｙａｃｋらによるタイトルが「Ｂｒｉｇｈｔｎｅｓｓ Ａｄｊｕｓｔｍｅｎｔ ｏｆ Ｉｍａｇｅｓ Ｕｓｉｎｇ Ｄｉｇｉｔａｌ Ｓｃｅｎｅ Ａｎａｌｙｓｉｓ」（１９９８年３月３日公表）である共有の米国特許番号第５，７２４，４５６号においてより詳しく記載されており、その特許文献は本明細書において援用される。
【００２７】
方法１４０では、アクティブな画像２０９に基づいてヒストグラム２４４（「アクティブヒストグラム」と称されるか、または、輝度チャネルのみが用いられる実施形態において「アクティブ輝度ヒストグラム」（ＡＬＨ）と称される）を生成する（工程１３０）。アクティブヒストグラム２４４は、工程１０６において自身の値が抽出され得る特徴の一例である。
しかし、特徴として全てのアクティブヒストグラム２４４を用いることは、被写体が屋外において明るい背景に対して撮影される画像、または屋内においてカメラのフラッシュを用いて撮影される画像を処理するには不適切であり得る。そのような画像は、被写体と背景との露出が互いに有意に異なるという事実により区別される。画像において被写体が占める部分が小さく、背景のアクティビティが多い場合において、全てのアクティブヒストグラム２４４を用いて生成された露出予測子は背景に有利に働く。それにより、屋外の場合における被写体の露出は不十分になり、屋内の場合における被写体の露出は過度になる。
【００２８】
この問題に対処するために、着目領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ：ＲＯＩ）（元の入力画像２０２の露出を決定する可能性が最も高い、低減された画像２０４の領域）の概念を導入する。方法１４０では、線形性の輝度チャネル２２４およびアクティブ画像マップ２０６を用いて着目領域２４２を識別し得る（工程１３２）。次いで、方法１４０では、識別された着目領域２４２内にあるアクティブな画像２０９の部分のヒストグラム２４６を生成し得る（工程１３４）。アクティブヒストグラム２４４およびＲＯＩヒストグラム２４６はともに、工程１０６において抽出され得る特徴の例である。
【００２９】
方法１４０では、ＲＯＩヒストグラム２４６とアクティブヒストグラム２４４との加重平均をとることにより、平均ヒストグラム２４８も生成し得る（工程１３６）。この平均ヒストグラムは、工程１０６において抽出され得る特徴の別の例である。平均ヒストグラム２４８を生成する手法について、図４に関連して以下に記載する。
【００３０】
大きさが可変な長方形のウィンドウを用いて、手法の例について以下に説明する。そのウィンドウは、サムネイル画像２２２のＲＯＩ ２４２を探し、識別する（工程１３２）。本発明の一実施形態において、ＲＯＩ ２４２は、（１）ＲＯＩ ２４２内のアクティビティの平均（ＲＯＩ内の総ピクセル数に対するＲＯＩ内のアクティブなピクセル数の比として定義される）が、指定された最小アクティビティスレッショルドＡＭＩＮよりも大きいという条件と、（２）残りの画像（換言すると、ＲＯＩ ２４２が含まれない、線形化された輝度チャネル２２４の部分）の線形性の輝度の平均に対するＲＯＩ内の線形性の輝度の平均の比の対数の絶対値がサムネイル画像２２２において最大であるという条件とを満たす長方形のウィンドウとして定義される。
この実施形態において、輝度の平均は、アクティブな画像２０６内のピクセルのみならず、線形化された輝度チャネル２２４における全てのピクセルにわたって算出される。
【００３１】
条件（１）により、ＲＯＩ ２４２が、サムネイル画像２２２の重要な内容の幾ばくかを含むということが保証される。条件（２）は、屋内においてフラッシュを用いたシーンにおける被写体、および屋外における逆光のシーンにおける被写体の識別の役目を果たす。線形化された輝度チャネル２２４における任意の一部分と、残りの線形化された輝度チャネル２２４との輝度に有意な差がないシーンに対して、ＲＯＩ ２４２は、条件（１）および（２）をともに満たす輝度チャネル２２６の任意の領域を含む。しかし、この場合において、ＲＯＩ ２４２は、露出補正のなされた最終画像２１４の露出に有意な寄与はしない。その性質は、以下の記載から明らかになる。
【００３２】
図３を説明すると、着目領域２４２を識別する（工程１３２）ために用いられ得る手法のフローチャートが示されている。まず、着目領域２４２の大きさＤＲ（例えば、幅、および高さ）を選択する。着目領域２４２のアスペクト比は、サムネイル２２２のアスペクト比と同じであり得る。着目領域２４２のベースの大きさは、サムネイル２２２の大きさの一定の割合と等しくあり得る。例えば、ＤＩがサムネイル２２２の大きさを表し（工程３０２）、Ｆが所定の割合の乗数である（工程３０４）場合において、着目領域２４２のベースサイズＢＲは、Ｆ＊ＤＩと等しく設定され得る（工程３０６）。
【００３３】
着目領域２４２の実際の大きさＤＲは、非線形性の輝度チャネル２２６の平均アクティビティを用いてベースの大きさＢＲを線形にスケールしたものである。換言すると、ＡＩが全てのアクティブ画像マップ２０６の平均アクティビティである（工程３０８）場合において、着目領域２４２の大きさＤＲはＢＲ＊ＡＩと等しい（工程３１０）。直感によると、希薄なアクティビティの画像における着目領域は小さく、その逆も同様である。工程３１０に表されるスケーリングの性質も、着目領域２４２が条件（１）を満たす助けをする。
【００３４】
着目領域２４２の大きさＤＲを選択すると、上述した条件（１）および（２）をともに満たす領域は、着目領域２４２として選択され得る。再度図３を説明すると、着目領域２４２は、下記のとおりに選択され得る。
【００３５】
変数ＬＯＧＭＡＸを０に初期化し、変数ｒＲＯＩを１に初期化する（工程３１２）。ＬＯＧＭＡＸおよびｒＲＯＩの意味は、以下の記載から明らかになる。方法１３２では、変数ＲＯＩ＿ｆｏｕｎｄの値をＦＡＬＳＥに設定する（工程３１３）。その名称が暗示するように、ＲＯＩ＿ｆｏｕｎｄは、方法１３２により着目領域が検出されたか否かを表す。
【００３６】
方法１３２は、サムネイル２２２における各候補領域Ｃにわたるループに移る（工程３１４）。領域Ｃの平均アクティビティＡＣを算出する（工程３１６）。方法１３２では、ＡＣ≧ＡＭＩＮであるか否かを決定し（工程３１８）、それにより、条件（１）が満たされたか否かが決定される。ＡＣ＜ＡＭＩＮである場合において、方法１３２は、次の領域に対して継続する（工程３３４）。
【００３７】
方法１３２では、ＡＣ≧ＡＭＩＮである場合において、線形性の輝度チャネル２２４の領域Ｃの平均輝度ＬＣを算出し（工程３２２）、線形性の輝度チャネル２２４の残りの部分（換言すると、領域Ｃを含まない線形性の輝度チャネル２２４の部分）の線形輝度の平均ＬＩを算出する（工程３２４）。ＬＩに対するＬＣの比を変数ｒＲＯＩに指定し、ｒＲＯＩの対数の絶対値（換言すると、｜ｌｏｇ２ＬＣ／ＬＩ｜）を算出し、ｒＲＯＩをＬＯＧＣＵＲと命名する変数に指定する（工程３２６）。
【００３８】
方法１３２では、ＬＯＧＣＵＲの値がＬＯＧＭＡＸの値よりも大きいか否かを決定する（工程３２８）。換言すると、方法１３２では、現段階において、線形性の輝度チャネル２２４の残りの領域における輝度の平均に対する領域Ｃにおける輝度の平均の比の対数の絶対値が線形性の輝度チャネル２２４において最大であるか否かを決定する。ＬＯＧＣＵＲがＬＯＧＭＡＸよりも大きい場合において、変数ＲＯＩにＣの値を指定し（工程３３０）、変数ＬＯＧＭＡＸにＬＯＧＣＵＲの値を指定する（工程３３２）。着目領域が検出されたために、ＲＯＩ＿ｆｏｕｎｄの値をＴＲＵＥに設定する（工程３３３）。サムネイル２２２内の残りの領域Ｃに対して、工程３１６〜３３３を繰り返す（工程３３４）。
【００３９】
そのループが完結したときに、方法１３２では、ＲＯＩ＿ｆｏｕｎｄの値がＴＲＵＥと等しいか否かを決定する（工程３３６）。等しい場合において、方法１３２は終了する。そうでない場合において、着目領域は検出されておらず、方法１３２では、全ての入力画像２０２を含むように変数ＲＯＩを設定する（工程３３８）。
方法１３２が完了したときにおいて、変数ＲＯＩの値は、条件（１）および（２）をともに満たす画像２０２内の領域を識別する。そのような領域が存在する場合において、その領域は、着目領域２４２として用いられ得る。
図４を説明すると、アクティブＲＯＩヒストグラム２４６およびアクティブヒストグラム２４４からさらなる特徴を抽出するために用いられ得る方法のフローチャートが示されている。着目領域２４２が画像２０２の所望の露出に影響を及ぼす確率を表す確率数は、背景を介して、着目領域２４２に関連し得る。ｒＲＯＩを残りの画像の線形性の輝度の平均に対するＲＯＩ線形輝度の平均の比（換言すると、ＬＣ／ＬＩ、ここで、Ｃ＝ＲＯＩ）とする。その結果、着目領域２４２に関連した確率は、（１）式により与えられる（図４、工程４０２）。
【００４０】
【数３】
ここで、ｓおよびｏは、調節可能なパラメータである。パラメータｏは、着目領域２４２に関連した確率が０．５である場合における、着目領域２４２と残りの画像との絞り（ｓｔｏｐ）における輝度の差を表す。パラメータｓは、｜ｌｏｇ２ｒＲＯＩ｜＝ｏにおける確率関数の傾きに比例する。｜ｌｏｇ２ｒＲＯＩ｜→∞のときに、ｐ（ＲＯＩ）→１．０となるために、着目領域２４２の線形性の輝度の平均と線形性の輝度チャネル２２４の残りの線形性の輝度の平均との差が大きいということは、着目領域２４２が画像２０２の最終露出に影響を及ぼす確率が高いということを意味し、その逆も同様である。ＲＯＩの確率ｐ（ＲＯＩ）が特徴値２０８の最終ベクトルへのＲＯＩの寄与に重みをかける態様を決定する手法について、以下に記載する。
【００４１】
ＨＲＯＩ（・）が、アクティブＲＯＩ輝度ヒストグラム２４６を指すものとする（図４、工程４０４）。ＨＩ（・）が、アクティブ輝度ヒストグラム２４４を指すものとする（工程４０６）。その結果、全体の平均ヒストグラムＨ（・）２４８が、（２）式により与えられる（工程４０８）。
Ｈ（・）＝（１−ｐ（ＲＯＩ））ＨＩ（・）＋ｐ（ＲＯＩ）ＨＲＯＩ（・） （２）
ヒストグラムＨ（・）２４８は、工程１０６において抽出され得る特徴の一例である。しかし、ヒストグラムＨ（・）２４８から線形性の特徴および非線形性の特徴を幾つか抽出することにより（工程４１０および４１２）、特徴空間の大きさは、さらに低減されうる。そのような特徴は、工程１０６において抽出され得る特徴の例である。抽出され得る非線形性の特徴の例には、ヒストグラムＨ（・）２４８の異なったパーセンタイル値が含まれ得る。抽出され得る線形性の特徴の例には、ヒストグラムＨ（・）２４８の異なったモーメントが含まれ得る。
【００４２】
上述したように、グランドトゥルース画像の集合５２２に対するグランドトゥルースデータ２１０に基づいて予測子２１６が生成され得る（工程１０８）。本発明の一実施形態において、予測子２１６は線形予測子である。
【００４３】
Ｎを特徴値２０８の総数とし、ｆｉを特徴値ベクトルのｉ番目の特徴値を表すものとする。ｘｉを予測子２１６の係数５２６（図６）を表すものとする。その結果、（３）式において示されるように、工程１１０において、露出シフト予測
【００４４】
【数４】
が生成され得る。
【００４５】
【数５】
ここで、ｆは特徴値ベクトル２０８であり、ｘは係数ベクトル５２６である。
【００４６】
図５を説明すると、本発明の一実施形態による、予測子２１６を生成する（工程１０８）方法５００のフローチャートが示されている。図６を説明すると、図５に示される方法１０８により実行されるオペレーションを図示するデータフロー図５２０が示されている。方法１０８では、グランドトゥルース画像の集合５２２における全ての画像に対して、グランドトゥルースデータ２１０を得る（工程５０２）。グランドトゥルースデータ２１０を取得する手法の例について、図７Ｂに関連して以下に記載する。方法１０８では、グランドトゥルースデータ２１０に基づいて最適な特徴の集合２１８を選択する（工程５０４）。特徴の集合２１８を選択する手法の例について、図９に関連して以下に記載する。方法１０８では、グランドトゥルースデータ２１０と選択された特徴２１８とに基づいて予測子２１６の係数５２６を算出する（工程５０６）。図６を説明すると、例えば、選択された特徴２１８に基づいてトレーニング画像の集合５２８からトレーニング特徴の集合５３４を抽出すること５３２と、グランドトゥルースデータ２１０とトレーニング特徴５３４とに基づいて予測子の係数を生成すること（工程５０６）とにより、工程５０６が実行され得る。トレーニング集合５２８は、予測子２１６をトレーニングし、かつグランドトゥルース集合５２２の部分集合である画像の任意の集合であり得る。方法１０８では、選択された特徴２１８と選択された係数５２６とに基づいて予測子２１６を生成する（工程５０８）。
【００４７】
図５に示される方法１０８について、以下により詳しく記載する。図７Ａを説明すると、グランドトゥルースデータ２１０を生成するために用いられ（図５、工程５０２）得る方法７００のフローチャートが示されている。図７Ｂを説明すると、図７Ａに示される方法７００により実行されるオペレーションを図示するデータフロー図７５０が示されている。
【００４８】
グランドトゥルースデータ２１０は、心理物理的尺度構成法を行うことにより、得られ得る。その心理物理的尺度構成法では、人間主体が、グランドトゥルース集合５２２の画像５２２ａ〜ｄの各々に対して最適な露出を決定するよう求められる。図７Ｂには４つの画像５２２ａ〜ｄのみが示されているが、実際には、さらに多数のグランドトゥルース画像があり得る。
【００４９】
方法７００は、グランドトゥルース集合２１０の各画像にわたるループに移り得る（工程７０２）。図７Ｃを説明すると、グランドトゥルース集合５２２の単一画像５２２ａに対するグランドトゥルースデータ７３６ａの生成を例として図示するデータフロー図７２０が示されている。方法７００では、複数人の人間主体７２２ａ〜ｄにおける各人間主体Ｓに対して（工程７０４）、画像Ｉに対する所望の露出の主体からの指示を受ける（工程７０６）。例えば、図１０を説明すると、露出調節曲線のファミリーのグラフ１０００が示されており、その曲線の個々の特徴について、以下により詳しく記載する。そのような曲線の各々を画像に適用することにより、その画像に対して特定の露出補正が行われ得る。
【００５０】
本発明の一実施形態において、グラフ１０００に示される露出調節曲線の各々を画像Ｉに適用し、その結果の露出調節のなされた画像が主体Ｓに表示される。単一数Δｅｉは、露出調節曲線の各々に関連し、単一数Δｅｉは、その曲線に関連した特定の露出調節を反映する。主体Ｓは、露出調節のなされた画像から特定の１つを選択するが、その画像は、露出調節がなされた全画像のうちから最適な露出を有すると主体が考える画像である。工程７０６において、主体Ｓが選択した画像に対応する露出調節曲線に関連した露出補正Δｅｉが、所望の露出の指示として提供される。
【００５１】
例えば、図７Ｃに示されるように、主体７２２ａは、最適な露出を有するものとして、露出調節のなされた画像のうちの特定の１つを選択することにより、所望の露出７２４ａを指示する。同様に、方法７００では、残りの主体からの所望の露出の指示を受ける（工程７０８）。例えば、図７Ｃに示されるように、主体７２２ｂは所望の露出７２４ｂを指示し、主体７２２ｃは所望の露出７２４ｃを指示し、主体７２２ｄは所望の露出７２４ｄを指示する。
【００５２】
方法７００では、工程７０４〜７０８のループにおいて受けた露出の全指示の平均をとることにより、単一露出補正数Δｅを生成する（工程７１０）。単一露出補正数Δｅは、画像Ｉに対する「グランドトゥルースデータ」と称される。例えば、図７Ｃに示されるように、画像５２２ａに対してグランドトゥルースデータ７３６ａが生成される。主体７２２ａ〜ｄに指示された所望の露出７２４ａ〜ｄの分散の逆数は、予測子２１６の設計における平均二乗誤差の重みに用いられ得る。これにより、画像Ｉの最適露出に関する意見が主体間で大きく異なる場合において、予測の重みの決定における任意の画像の影響を低減することができる。
【００５３】
方法７００では、同一の手法を用いて、グランドトゥルース集合５２２の残りの画像に対するグランドトゥルースデータを生成する（工程７１２）。例えば、図７Ｂに示されるように、トレーニング集合の画像５２２ｂに対してグランドトゥルースデータ７３６ｂが生成され得て、グランドトゥルース集合の画像５２２ｃに対してグランドトゥルースデータ７３６ｃが生成され得て、グランドトゥルース集合の画像５２２ｄに対してグランドトゥルースデータ７３６ｄが生成され得る。
【００５４】
特徴の選択（工程５０４）の実行の態様について記載する前に、特定の特徴の集合が与えられた場合における予測子の係数５２６を生成する手法について記載する。例えば、ｅを、グランドトゥルース集合５２２の全ての画像５２２ａ〜ｄに対するグランドトゥルースデータ２１０を含む列ベクトルを示すものとする。グランドトゥルース集合５２２の各画像５２２ａ〜ｄの特徴ベクトルは、行列Ｆの行を形成するものとする。その結果、（４）式を用いて、予測子の係数ｘ ５２６が生成され（工程５０６）得る。
ｘ＝（ＦＴＦ）−１ＦＴｅ （４）
もしくは、Ｗがグランドトゥルースデータ２１０の分散の逆数を用いて算出した重み付き対角行列である場合において、係数ｘ５２６は（５）式を用いて生成され得る（工程５０６）。ｘ＝（ＦＴＷＦ）−１ＦＴＷｅ （５）
どちらの場合においても、特徴の数および型が決定されると（図９）、（４）式または（５）式の閉じた形態の表現を用いて、係数ｘ ５２６が生成され得る。残りの問題は、選択された特徴２１８として選択されるべき特徴を決定することである。
【００５５】
選択された特徴の集合２１８の算入に最適な特徴を決定する手法およびその特徴の数を決定する手法の例について、以下に記載する。本発明の一実施形態において、グランドトゥルース画像の集合５２２は、２つの部分集合、トレーニング集合（例えば、図７Ｄに示されるトレーニング集合７１６）およびテスト集合（図示せず）に分けられる。トレーニング集合は、トレーニング予測子７２６（図７Ｄ）を設計するために用いられる。テスト集合は、予測子７２６をテストし、予測の誤差を算出するために用いられる。
【００５６】
実際には、グランドトゥルース集合５２２におけるグランドトゥルース画像の数は制限される。グランドトゥルース集合５２２の画像を部分集合に分けることにより、設計またはテストサンプルの数がさらに制限され、それによって、予測子２１６の品質が潜在的に低減される。図８を説明すると、この問題に対処するために用いられ得る方法８００のフローチャートが示されている。
【００５７】
通常、方法８００では、全てのグランドトゥルース画像の集合５２２を介してｎ個の画像を同時に回帰するｌｅａｖｅ−ｎ−ｏｕｔアプローチを用いる。図８に示される特殊な方法８００において、ｎ＝１である。各サイクルにおいて、テスト画像に対してグランドトゥルース集合５２２から一画像のみを選択し、グランドトゥルース集合５２２の残りの画像は予測子７２６を設計するために用いられる。次いで、テスト集合の単一画像に対して予測の誤差を算出する。全手順をグランドトゥルース集合５２２内の次の画像に対して繰り返し、以下も同様である。この方法の有利な点は、予測子７２６の設計に１つを除いて全ての画像が用いられ、予測子７２６のテストに全ての画像が用いられるということである。これにより、予測子７２６の設計におけるバイアスおよびテスト誤差とが最小化される。しかし、この手順の不利な点は、設計手順をグランドトゥルース集合５２２の画像の数と同数回繰り返す必要があるということである。
【００５８】
概略を記載した手順について、以下により詳しく記載する。図８を説明すると、ループはグランドトゥルース画像の集合Ｇ ５２２の各画像Ｉへと移される（工程８０２）。テスト集合に単一画像Ｉを配置し（工程８０４）、トレーニング集合に画像Ｉを除く全てのグランドトゥルース画像５２２ａ〜ｄを配置する（工程８０６）。
【００５９】
図７Ｄを説明すると、テスト集合の画像Ｉ ７６２と現トレーニング集合７１６とに基づいた、方法８００による予測の誤差７６６ａの算出を図示するデータフロー図７６０が示されている。方法８００では、例えば（４）式または（５）式を用いて、トレーニング集合に基づいてトレーニング予測子の係数７４４を生成する（工程８０８）。特に、方法８００では、特徴の現集合７３４に基づいて、トレーニング集合７１６から特徴７２８を抽出７１８し得る。方法８００では、トレーニング集合７１６および抽出されたトレーニング集合の特徴７２８に対するグランドトゥルースデータ７７０に基づいてトレーニング係数７４４を生成し得る。
【００６０】
方法８００では、特徴識別子の現集合７３４およびトレーニング予測子の係数７４４（（３）式の構造に基づく）に基づいてトレーニング予測子７２６を生成する（工程８１０）。図９に関連して以下に記載するように、特徴の現集合７３４が選択され得る。
【００６１】
方法８００では、テスト集合の画像Ｉ ７６２から、選択された現特徴７３４を抽出することにより、テスト集合の画像の特徴７４６が生成される（工程８１２）。方法８００では、トレーニング予測子７２６を用いることにより、（３）式を用いて、抽出された特徴７４６に基づいてテスト集合の画像７６２に対する予測の露出シフト７６８が生成される（工程８１４）。方法８００では、テスト集合の画像Ｉ ７６２に対するグランドトゥルースデータ７６４から、予測の露出シフト７６８を取り去ることにより、テスト集合の画像７６２に対する予測誤差ＥＩ ７６６ａを算出する（工程８１６）。グランドトゥルース集合Ｇ ５２２の残りの画像に対して、予測誤差が同じ態様で生成される（工程８１８）。
【００６２】
図７Ｅを説明すると、例えば、１つがグランドトゥルース集合５２２内の各画像５２２ａ〜ｄに対するものである複数の予測誤差７６６の生成を図示するデータフロー図７５４が示されている。グランドトゥルース画像５２２ａ〜ｄの各々がテスト集合の画像７６２として用いられるために、対応する予測誤差が生成される。例えば、予測誤差７６６ａは画像５２２ａに対して生成され、予測誤差７６６ｂは画像５２２ｂに対して生成され、予測誤差７６６ｃは画像５２２ｃに対して生成され、予測誤差７６６ｄは画像５２２ｄに対して生成される。予測誤差ＥＩ ７６６ａ〜ｄがグランドトゥルース集合５２２の各画像に対して生成されると、予測誤差ＥＩ ７６６ａ〜ｄの二乗平均（ＲＭＳ）をとることにより、グランドトゥルース集合５２２に対する予測誤差の平均Ｅ ７５８が生成される（工程８２０）。以下により詳しく記載するように、予測誤差の平均Ｅ ７５８は、選択された特徴２１８として用いられる特徴の最適数および特徴の最適な組み合わせを選択するために用いられ得る。
【００６３】
図９を説明すると、選択された特徴２１８として用いられる特徴の最適数および特徴の最適な組み合わせを選択するために用いられ得る方法９００のフローチャートが示されている。利用可能な全ての特徴を特徴の主集合Ｍに配置する（工程９０２）。特徴の主集合は任意の態様で選択され得る。特徴の主集合Ｍに配置され得る特徴の例には、ＲＯＩヒストグラム２４６と、アクティブヒストグラム２４４と、平均ヒストグラム２４８と、列挙した特徴から抽出された線形性の特徴および非線形性の特徴とが含まれる。特徴の現集合Ｃを空集合に初期化し（工程９０４）、グローバル誤差値ＥＧを無限大に初期化し（工程９０６）、最小誤差値ＥＭＩＮを無限大に初期化する（工程９０８）。
【００６４】
主集合Ｍの各特徴Ｆにわたるループに移る（工程９１０）。集合Ｓは、特徴の現集合Ｃに特徴Ｆを加えることにより形成される（工程９１２）。図８に示される方法８００を用いることにより、集合Ｓを選択された特徴の現集合７３４として用いてグランドトゥルース画像の集合５２２の画像５２２ａ〜ｄに対してｌｅａｖｅ−ｎ−ｏｕｔ誤差の平均Ｅが算出される（工程８００）。
【００６５】
誤差の平均Ｅが最小誤差ＥＭＩＮ未満である場合において（工程９１４）、最小誤差ＥＭＩＮにＥの値を指定し（工程９１６）、変数ＦＭＩＮにＦの値（現特徴）を指定する（工程９１８）。そのループは工程９１０においてはじまり、現集合Ｃの各特徴Ｆに対して繰り返される（工程９２０）。
【００６６】
工程９１０〜９２０において実行されるループが完了すると、ＥＭＩＮには、そのループの全ての反復において得られた最小ｌｅａｖｅ−ｎ−ｏｕｔ予測誤差が含まれ、ＦＭＩＮは、最小誤差ＥＭＩＮを生じた特徴を示す。方法９００では、最小誤差ＥＭＩＮがグローバル誤差ＥＧよりも大きいか否かを決定する（工程９２２）。ＥＭＩＮ＞ＥＧである場合において、特徴の現集合Ｃは、選択された特徴の集合２１８として提供される。ＥＭＩＮ≦ＥＧである場合において、ＥＧにＥＭＩＮの値を指定し（工程９２４）、特徴の現集合Ｃに特徴ＦＭＩＮを追加し、主集合Ｍから特徴ＦＭＩＮを取り除く（工程９２６）。
【００６７】
方法９００では、主集合Ｍが空集合であるか否かを決定する（工程９２８）。主集合Ｍが空集合でない場合において、更新済み主集合Ｍおよび現集合Ｃを用いて、工程９１０〜９２６に関連して上述した手順を再度実行する。主集合Ｍが空集合である場合において、特徴の現集合Ｃは、選択された特徴の集合２１８として提供される。
【００６８】
要約すると、方法９００では、工程９１０において始まるループの第１の反復において、最小平均予測誤差を生じる単一の最適な特徴を識別する。そのループの第２の反復において、方法９００では、第１の特徴とともに最小誤差を生じる次の最適な特徴を識別する。特徴を追加することにより最小平均予測誤差ＥＭＩＮがついに増加しだすまで、この態様で方法９００を続ける。その時点において、方法９００を終了する。方法９００が終了するときにおいて現集合Ｃにある特徴は、選択された特徴２１８として提供され得る最適な特徴の集合を表す。
【００６９】
図５および６に関連して上述したように、選択された特徴２１８が選択されると（図９）、例えば（４）式または（５）式を用いて、グランドトゥルースデータ２１０と特徴識別子２１８とに基づいて予測子の係数５２６が生成され得て（工程５０６）、例えば（３）式の構造を用いて、特徴２１８と係数５２６とに基づいて予測子２１６が生成され得る（工程５０８）。
【００７０】
全てのグランドトゥルース集合５２２を予測子２１６の設計およびテストに用いる場合において、現集合Ｃに新たな特徴を追加すると、最小誤差ＥＭＩＮは常に減少するということに留意されたい。実際には、グランドトゥルース集合５２２にｍ個の画像がある場合において、ｍ個の独立な特徴を選択することにより、最小誤差ＥＭＩＮは正確に０になる。それは、Ｆの列空間がグランドトゥルースベクトルｅに及んでいるという事実に基づく。そのような場合において、生成された予測子は最適でなくあり得る。より正確に記載すると、生成された予測子はグランドトゥルース集合５２２のｍ個の画像を単に完全に予測し得るが、別の画像の性能は特定され得ない。実際には、この態様で設計された予測子のこの領域における動作は不良であり得る。それは、その態様では、予測子の予測が、グランドトゥルース集合外の画像に対して十分に一般化され得ないためである。トレーニング集合と独立な集合を用いたテストを行うことにより、別の画像に対して良く概括する特徴のみを特徴の最終集合２１８に加え、ノイズにまさに適合する特徴を排除するということが保証される。
【００７１】
予測子２１６の生成方法について記載したが、以下では、画像２０２の露出を所望の値に変化（補正）させる（工程１１２）手法について開示する。露出を変化させるアルゴリズムでは、そのプロセスにおいて画像の色のバランスを変化させてはならない。これは、輝度／クロミナンス空間における画像の輝度チャネルのみに作用することにより、達成され得る。もしくは、ＲＧＢ空間において露出補正アルゴリズムを用いる場合においては、画像の色のバランスを変化させないようにするために、全てのチャネルに同一の変換を適用する必要がある。後者のアプローチを用いた手法について、以下に記載する。その理由は、少なくとも１つの画像チャネルが全グレイスケールを占めるように画像を変換することが望ましく、その変換を行うことはＲＧＢ空間において特に容易であることにある。
【００７２】
予測子２１６が生成されると、（３）式を用いて、抽出された特徴値２０８に基づいて画像２０２に対する予測の露出オフセット２１２が生成され得る（工程１１０）。図１１を説明すると、本発明の一実施形態による、露出オフセット２１２を入力画像２０２に適用することにより露出補正のなされた画像２１４を生成する（工程１１２）方法のフローチャートが示されている。方法１１２では、入力画像２０２をＲＧＢ空間から元のシーンにおける強度（すなわち、ワールド強度空間）に再変換する（工程１１０２）。方法１１２では、変換済み画像に対して露出補正を行う（工程１１０４）。方法１１００では、露出補正のなされた画像をワールド強度空間からＲＧＢ空間に再変換することにより、露出補正のなされた画像２１４を生成する（工程１１０６）。
【００７３】
本発明の一実施形態において、ワールド対数的な強度空間からＲＧＢ空間へと前変換すること（工程１１０６）は、明るい領域および暗い領域に色調を圧縮する役割をするＳ字型の曲線によりモデル化される。この後に、典型的なモニタの逆応答をモデル化するように設計されたガンマ関数が続く。Ｓ字型の色調を複製する曲線とガンマとを組み合わせることにより、本明細書においてＴ（・）として表される完全な前変換が形成される。
【００７４】
ｉをワールド対数的な強度を指すものとする。それにより、Ｔ（ｉ）は（６）式により定義される。
Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γ （６）
ここで、Ａ、Ｂ、ｓ、およびｏは、Ｓ字型の色調を複製する曲線のパラメータであり、γはモニタのガンマである。（６）式におけるパラメータｓおよびｏが、（１）式におけるパラメータｓおよびｏと同一でないことは理解されるべきである。
【００７５】
従って、ＲＧＢ空間の特定のグレイレベルｇに対してＲＧＢ空間からワールド対数的な強度空間に逆変換すること（工程１１０２）は、Ｔ−１（ｇ）として表され得る。従って、ワールド強度空間における所望の露出オフセットΔｅ（絞りにおける測定値）によるグレイレベルｇの露出補正（工程１１０２および１１０４）は、Ｔ−１（ｇ）＋Δｅにより表され得る。逆変換および前変換を含めたＲＧＢ空間のグレイレベルｇの完全な露出補正は、図１１に示される露出補正方法１１００により実行され、（７）式により表され得る。
ｇ’＝Ｔ（Ｔ−１（ｇ）＋Δｅ） （７）
ここで、ｇ’は、ＲＧＢ空間における露出補正のなされたグレイレベルである。図１０のグラフ１０００は、各々の曲線が値の異なったΔｅに対応する、曲線のファミリーを示す。
【００７６】
予測の露出オフセットΔｅ ２１２が生成されると、全てのグレイレベルに対して（７）式の結果が算出され得て、グレイレベルとそれに対応する補正されたグレイレベルのペアがルックアップテーブル（ＬＵＴ）に格納され得る。その後、画像の各ピクセルまたはグレイレベルに対して（７）式の結果を算出するよりもむしろ、ルックアップテーブルを用いて、画像の各チャネルに対して露出補正が行われ得る。それにより、露出補正が行われ得るスピードが有意に増加する。
【００７７】
上記の手法の一つの有利な点は、ワールド強度空間から、取り込まれた画像２０２の強度空間（例えばＲＧＢ空間）へのマッピングをモデル化するモデルに基づいて、露出補正を実行するということである。上述したように、そのモデルには、典型的なモニタの応答をモデル化するガンマ関数と、ワールドの広いダイナミックレンジを画像キャプチャ（例えばＲＧＢ）空間の狭いダイナミックレンジに圧縮するＳ字型の曲線とが含まれる。上記のようなモデルを用いることにより、そのモデルの逆のモデルを用いることにより画像２０２の露出が補正され得て、画像からオフセット（所望の露出補正により与えられる）を加算または減算し、次いで上記モデルを用いてＲＧＢ値空間にその画像を再マッピングすることにより、画像をワールド対数的な強度に変換する。上記のようなモデルを用いることの一つの有利な点は、それを用いることにより、ワールド強度空間に露出補正を適用することができるということであり、そのモデルが画像２０２を取り込むために用いられる伝送関数を適度に反映すると想定すると、そのような補正の意図した効果は強度の全範囲にわたる可能性が高い。
【００７８】
本発明の実施形態は、プリンタなどのレンダリング装置に出力されるときにおいて、通常デジタル画像に行うカラーマッピングプロセスと一体化され得る。例えば、図１２を説明すると、本発明の一実施形態による、カラーマッピングと露出補正とを一体化する方法１２００のフローチャートが示されている。方法１２００では、デジタルカメラなどのソースから画像を受け取り（工程１２０２）、画像にＪＰＥＧ復元を行う（工程１２０４）。方法１２００では、図１Ｂおよび２Ｂと関連して上述した手法を用いて画像を低減する（工程１０２）。次いで、方法１２００では、一体化されたプロセスを用いて、画像に対して、自動カラーバランシングおよび自動露出補正を行う。カラーバランシングは、例えば、多くの場合ＲＧＢ空間において３つの一次元ルックアップテーブルを用いて行われる。上記のようなルックアップテーブルを上述した露出補正用ルックアップテーブルと組み合わせることにより、一次元ルックアップの単一集合を用いてカラーバランシングと露出補正とをともに行う３つの一次元ルックアップテーブルが生成され得る。
【００７９】
例えば、本明細書において開示した手法を用いて露出補正の推定を行うことにより（工程１２１８）、３つの一次元露出補正用ルックアップテーブルが生成され得る（工程１２１９）。３つの一次元カラーバランシング用ルックアップテーブルも算出され得て（工程１２２０）、工程１２１９において生成された露出補正用ルックアップテーブルと組み合わせられ得る（工程１２２２）。方法１２００では、復元された画像に対して、種々の画像処理工程（例えば画像の回転（工程１２０６）および画像の鮮鋭化（工程１２０８））が行われ得る。この特定の画像処理工程は、例示を目的としてのみ示されたものであり、本発明の制限を構成するものではない。
【００８０】
方法１２００では、画像に対してカラーマッピングを行う（工程１２１０）。カラーマッピングには、多くの場合、一次元のプレルックアップテーブルと、三次元の行列または三次元のルックアップと、一次元のポストルックアップテーブルとを含めた種々のオペレーションが含まれる。３つの一次元ルックアップテーブルの単一集合（工程１２２２において生成される）を用いて、露出補正が一次元のプレルックアップテーブルオペレーションに一体化され得る。その３つの一次元ルックアップテーブルは、露出補正と、カラーバランスと、カラーマッピングの一次元プレルックアップテーブル部分との組み合せの機能を行う。
【００８１】
その方法では、画像を拡大することにより（工程１２１４）、画像の印刷（または別の出力）の用意をする。次いで、方法１２００では、画像を印刷する（工程１２１６）。方法１２００の種々の工程（例えば、工程１２０４、１２０６、１２０８、１２１４、および１２１６）は、入力画像２０２の処理とともに行われ得る工程の例としてのみ提供したものであり、本発明の制限を構成するものではないということが理解されるべきである。
【００８２】
本明細書において開示した手法の一つの有利な点は、その手法がＲＧＢ空間において行われ得て、それにより、列挙したカラーマッピングとの一体化が可能になるということである。カラーマッピングと露出補正を一体化することにより、画像の印刷への最適化に必要とされる工程の数が低減し、それ故に、輝度−クロミナンス空間または別の非線形性の空間において画像の露出を補正する別の方法と比べて、上記のような処理をよりはやく実行することが可能になる。
【００８３】
特定の実施形態に関して本発明について開示してきたが、上記の実施形態は例示としてのみ提供したものであり、本発明の範囲を制限または定義するものではないということが理解されるべきである。下記の事項を含むがそれには制限されない種々の別の実施形態も、特許請求の範囲の範囲内である。
【００８４】
本明細書において記載された要素および成分は、さらなる成分に分割され得るか、または結合されて同一の機能を行うより少ない成分を形成し得る。
【００８５】
上述した手法は、例えば、ハードウェア、またはソフトウェア、またはファームウェア、またはそれらの組み合わせにおいて実行され得る。上述した手法は、プロセッサと、プロセッサにより読み込み可能な記憶媒体（例えば、揮発性および不揮発性メモリおよび／または記憶要素）と、少なくとも１つの入力装置と、少なくとも１つの出力装置とを備えたプログラム可能なコンピュータにおいて実行する１つまたは複数のコンピュータプログラムにおいて実行され得る。入力装置を用いてプログラムコードを入力された入力に適用することにより、上記の機能が行われ得て、出力が生成され得る。出力は、１つまたは複数の出力装置に提供され得る。
【００８６】
添付の特許請求の範囲の範囲内の各コンピュータプログラムは、任意のプログラム言語（例えば、アッセンブリ言語、機械語、ハイレベルな手続き型プログラム言語、またはオブジェクト指向のプログラム言語）において実行され得る。プログラム言語は、例えば、コンパイルされたプログラム言語またはインタープリタ型プログラム言語であり得る。
【００８７】
上記のようなコンピュータプログラムの各々は、コンピュータプロセッサにより実行される機械読取り可能記憶装置において明白に具体化されるコンピュータプログラム製品において実行され得る。本発明の方法工程は、コンピュータ読取り可能媒体において明白に具体化されたプログラムを実行するコンピュータプロセッサにより実行され得て、それにより、入力に作用し出力を生成することによって本発明の機能が実行される。例えば、適切なプロセッサには、汎用マイクロプロセッサと特殊用途マイクロプロセッサとがともに含まれる。概して、プロセッサは、読み込み専用のメモリおよび／またはランダムアクセスメモリから、指示およびデータを受け取る。コンピュータプログラムの指示を明白に具体化するに適した記憶装置には、例えば、全種類の不揮発性メモリ（例えば、ＥＰＲＯＭと、ＥＥＰＲＯＭと、フラッシュメモリ装置とを含めた半導体メモリデバイス）と、内部ハードディスクおよびリムーバブルディスクなどの磁気ディスクと、光磁気ディスクと、ＣＤ−ＲＯＭとが含まれる。前述のいずれかは、特殊に設計されたＡＳＩＣ（特殊用途向け集積回路）により補われ得るか、または、特殊に設計されたＡＳＩＣに組み込まれ得る。コンピュータは、通常、内部ディスク（図示せず）またはリムーバブルディスクなどの記憶媒体から、プログラムおよびデータを受け取ることができる。従来のデスクトップコンピュータまたはワークステーションコンピュータと同様に、本明細書において記載した方法を実行するコンピュータプログラムの実行に適した別のコンピュータにおいて、その要素は見出され得る。それらは、デジタルプリントエンジンもしくはマーキングエンジン、またはディスプレイモニタ、または、紙、もしくはフィルム、もしくはディスプレイスクリーン、もしくは別の出力媒体上に色ピクセルもしくはグレイスケールピクセルを生成することができる別のレーザー出力装置のいずれかとともに用いられ得る。
【図面の簡単な説明】
【００８８】
【図１Ａ】本発明の一実施形態による、画像の露出を補正する方法のフローチャートである。
【図１Ｂ】本発明の一実施形態による、画像を低減する方法のフローチャートである。
【図１Ｃ】本発明の一実施形態による、画像から特徴を抽出する方法のフローチャートである。
【図２Ａ】図１Ａに示される方法により実行されたオペレーションを図示するデータフロー図である。
【図２Ｂ】図１Ｂに示される方法により実行されたオペレーションを図示するデータフロー図である。
【図２Ｃ】図１Ｃに示される方法により実行されたオペレーションを図示するデータフロー図である。
【図３】本発明の一実施形態による、画像における着目領域を識別する方法のフローチャートである。
【図４】本発明の一実施形態による、画像から特徴を抽出する方法のフローチャートである。
【図５】本発明の一実施形態による、所望の画像の露出を予測する予測子を生成する方法のフローチャートである。
【図６】図５に示される方法により実行されたオペレーションを図示するデータフロー図である。
【図７Ａ】本発明の一実施形態による、グランドトゥルース画像の集合のためのグランドトゥルースデータを生成する方法のフローチャートである。
【図７Ｂ】本発明の一実施形態による、図７Ａの方法により実行されたオペレーションを図示するデータフロー図である。
【図７Ｃ】本発明の一実施形態による、画像のグランドトゥルース集合における画像のためのグランドトゥルースデータの生成を図示するデータフロー図である。
【図７Ｄ】本発明の一実施形態による、テスト集合の画像に対する誤差の予測の算出を図示するデータフロー図である。
【図７Ｅ】本発明の一実施形態による、グランドトゥルース画像の集合における複数の画像に対する予測誤差の平均の算出を図示するデータフロー図である。
【図８】本発明の一実施形態による、グランドトゥルース画像の集合における複数の画像に対する予測誤差の平均を算出する方法のフローチャートである。
【図９】本発明の一実施形態による、最適数を選択し、露出補正に用いられる特徴を組み合わせる方法のフローチャートである。
【図１０】本発明の一実施形態による、露出補正に用いられる露出調節曲線のファミリーを図示するグラフである。
【図１１】本発明の一実施形態による、画像に露出補正を適用することにより露出の補正された画像を生成する方法のフローチャートである。
【図１２】本発明の一実施形態による、カラーマッピングおよび露出補正が一体化された方法のフローチャートである。
【技術分野】
【０００１】
本発明は、デジタル画像処理に関し、より詳しくは、デジタル画像の露出補正に関する。
【背景技術】
【０００２】
適切にデジタル画像を露出することにより、モニタまたはプリンタなどの出力装置上に元のシーンの高品質な映しを得ることは重要である。デジタル画像の「露出」とは、画像キャプチャ用センサーに作用し得る光の量を指す。露出は、センサーに当たる光の強度（口径と照明の強度とにより制御される）と、時間（シャッタースピードにより制御される）との積である。露出の値が大きい場合にはより明るい画像が生じ、その逆も同様である。種々の理由により、通常、入力装置（例えば、デジタルカメラ）により設定された元の露出を基にすることによっては、最上品質はもたらされない。例えば、画像取得の条件およびシーンの成分がいろいろとあるために、元の露出は極めて変わりやすく、好適な露出と異なり得る。さらに、入力装置は、通常、ダイナミックレンジが制限されており、それ故に、クリッピングによる画像内の情報の損失を避けるために画像の露出を不十分にする。露出の足りない画像は所望されるよりも暗く見え得るが、その画像は、露出しすぎた画像よりも多くの情報を保持する傾向にあり、それ故に、画像は、印刷または出力装置上への表示にさらに適するようにするための取得後の露出補正に耐え得る。
【０００３】
好適には、出力装置は、種々の（あるいは不明である）画像取得装置を用いて取得された画像から適切に露出された映しを生成するように備えられる。例えば、卓上型デジタルフォトプリンタまたはフォト販売キオスクは、広範囲にわたるデジタルカメラ、またはスキャナ、または別の入力装置のうちの任意の装置を用いて広範な条件下において取得されたデジタル画像を受け取ることができ得る。好適には、そのようなプリンタまたはキオスクは、そのプリンタまたはキオスクが受け取る任意の画像の露出を補正することができ、それ故に、そのような画像が最適な露出に印刷され得る。
【０００４】
従って、デジタル画像の露出を補正する改良された手法が必要とされる。
【発明の開示】
【課題を解決するための手段】
【０００５】
デジタル画像の露出を補正するための手法を開示する。グラウンドトゥルースデータが既知である画像の集合（ｓｅｔ）に基づいて、露出予測子が生成され得る。広範な画像全てに対して、予測誤差の最小化と優れた結果の生成とのバランスを引き起こす最適な特徴の集合が識別され得る。画像に対する所望の露出補正を予測する予測子を用いて、画像から、選択された最適な特徴の値を抽出することと、予測された所望量により画像の露出を補正することとにより、画像の露出が補正され得る。露出補正を容易にするために、ワールドの光の強度をデジタル画像のＲＧＢ値に関連付けるモデルを提案する。このモデルは、典型的なモニタの応答をモデル化するガンマ関数と、ＲＧＢ値空間の狭いダイナミックレンジへのワールドの広いダイナミックレンジの圧縮を可能にするＳ字形の曲線とを備える。次いで、画像をワールドの対数的な強度に変換する、このモデルの逆のモデルを用い、かつ、画像からオフセット（所望の露出補正により与えられる）を加算または減算し、かつ、次いで上記モデルを用いて画像をＲＧＢ値空間に再びマッピングすることにより、画像の露出が補正され得る。例えば、本発明の一局面において、ソース画像の露出を補正する方法が提供される。この方法は、（Ａ）画像キャプチャ空間のソース画像を非線形性の強度空間に変換することにより、第１の変換済み画像を生成する工程と、（Ｂ）非線形性の強度空間において変換済み画像の露出を補正することにより、補正された変換済み画像を生成する工程と、（Ｃ）補正された変換済み画像を画像キャプチャ空間に変換することにより、第２の変換済み画像を生成する工程とを包含する。工程（Ｃ）は、（Ｃ）（１）Ｓ字形の曲線を用いて、補正された変換済み画像を第３の変換済み画像に変換する工程と、（Ｃ）（２）ガンマ関数を用いて、第３の変換済み画像を第２の変換済み画像に変換する工程とを包含し得る。
【０００６】
ｉが非線形性の強度空間における強度を表す場合において、工程（Ｃ）は、
式：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γを用いて、補正された変換済み画像を第２の変換済み画像に変換する工程を包含し得て、工程（Ａ）は、ソース画像のグレイレベルｇに関数Ｔ−１（ｇ）を適用してグレイレベルを変換することにより、変換済み強度を生成し得て、工程（Ｂ）は、変換済み強度に露出オフセットΔｅを加算することにより、補正された変換済み強度を生成する工程を包含し得る。
【０００７】
本発明の別の局面において、画像を処理する方法が提供される。この方法は、（Ａ）画像のサムネイルと、画像の輝度チャネルと、画像において着目領域と、アクティビティスレッショルドを満たす複数のピクセルを含む画像の部分集合とを含む特徴の集合から選択された少なくとも１つの特徴の値を画像から抽出する工程と、（Ｂ）抽出された特徴の値に基づいて画像の所望の露出補正を予測する工程と、（Ｃ）予測された露出補正により画像の露出を補正することによって、露出補正のなされた画像を生成する工程とを包含する。その特徴の集合は、列挙した特徴に代えて別の特徴を、または列挙した特徴に加えて別の特徴を含み得る。
【０００８】
その着目領域は、（１）その領域内のアクティビティの平均が、所定の最小アクティビティスレッショルドを越えるという性質と、（２）その領域を含まない画像の部分の輝度の平均に対するその領域の輝度の平均の比の対数の絶対値が、画像内の所定の複数の領域に対するその比の対数の絶対値の中で最大であるという性質とを有し得る。その着目領域は、画像の大きさに比例したベースサイズを有し得る。また、その着目領域の大きさは、ベースサイズに画像内のアクティビティの平均の測定値を乗じたものに比例し得る。
【０００９】
本発明の別の局面において、画像の露出を調節するためのシステムに用いられる特徴の集合を選択する方法が提供される。その方法は、（Ａ）特徴の集合を特徴の主集合（ｍａｓｔｅｒ ｓｅｔ）Ｍにセットする工程と、（Ｂ）特徴の現集合Ｃをヌル値に初期化する工程と、（Ｃ）主集合Ｍの各特徴Ｆに対して、（１）特徴の現集合Ｃと特徴Ｆとを組み合わせたものを特徴の仮集合Ｓにセットする工程と、（２）集合Ｓを特徴の集合として用いて、複数の画像に対してｌｅａｖｅ−ｎ−ｏｕｔ誤差Ｅを算出する工程と、（３）誤差Ｅが最小誤差ＥＭＩＮ未満である場合において、ＥＭＩＮにＥの値を指定し、変数ＦＭＩＮに特徴Ｆの識別を記録する工程とを行う工程と、（Ｄ）ＥＭＩＮがグローバル誤差ＥＧ未満である場合において、ＥＧにＥＭＩＮの値を指定し、ＦＭＩＮに記録された特徴Ｆを集合Ｃに加え、ＦＭＩＮに記録された特徴Ｆを集合Ｍから除去する工程と、（Ｅ）集合Ｍが空集合でない場合において、工程（Ｃ）に戻る工程と、（Ｆ）集合Ｍが空集合であるか、またはＥＭＩＮの値がＥＧの値よりも大きい場合において、画像の露出を調節するシステムに用いられる特徴の集合として集合Ｃを選択する工程とを包含する。
【００１０】
本発明の種々の局面および実施形態における別の特徴および有利な点は、以下の記載および特許請求の範囲から明らかになる。
【発明を実施するための最良の形態】
【００１１】
概して、本明細書に開示する露出補正アルゴリズムは、２つの部分に分割され得る。第１の部分は、入力画像から、画像の露出に最も関連のある情報を含む特徴の集合の値を抽出する。第２の部分は、抽出された特徴に作用することにより、画像に適用される予測された露出補正を生成する予測子を検出する。予測された露出補正を画像に適用することにより、露出補正のなされた画像が生成される。予測子は、例えば、予測された露出と画像の所望の露出との誤差が最小二乗の意味において最小化されるように選択された線形予測子であり得る。最適な線形予測子を生成する理論は統計上および信号処理の技術において周知であるために、本明細書の開示では、所望の露出に極めて良く相関する優れた特徴を識別する手法と、グランドトゥルース（ｇｒｏｕｎｄ ｔｒｕｔｈ）データを考え、最適な線形予測子を生じる最適な特徴の集合を決定する手法とに重点を置く。
【００１２】
図１Ａを説明すると、本発明の一実施形態による、画像の露出を補正する方法１００のフローチャートが示されている。図２Ａを説明すると、図１Ａに示される方法１００により実行されたオペレーションを図示するデータフロー図２００が示されている。
【００１３】
方法１００では、種々のソース（例えば、デジタルカメラまたはスキャナ）から受け取られ得る入力画像２０２（図２Ａ）に作用する。入力画像２０２は、デジタル画像を表す種々の規格（例えば、ＪＰＥＧ規格）のいずれかにおいて表され得る。
【００１４】
方法１００では、選択された特徴２１８の集合の値２０８を画像２０２から抽出する（工程１０６）。選択された特徴２１８は、例えば、工程１０６において抽出される特定の特徴を識別する識別子または別の記述子であり得る。工程１０６において抽出され得る特徴の例と、それらを抽出する手法の例について、図１Ｂ、１Ｃ、２Ｃ、３、および４に関連して以下に記載する。特徴２１８の集合を選択するために用いられ得る手法について、図９に関連して以下に記載する。
【００１５】
方法１００では、グランドトゥルース画像の集合に対するグランドトゥルースデータ２１０に基づいて、予測子２１６を生成する（工程１０８）。方法１００を実行するたびに工程１０８を実行する必要はないということに留意されたい。それよりはむしろ、方法１００を実行する前に、予測子２１６は一回生成され得る。次いで、方法１００を実行するたびに、工程１０８を実行する必要なしに、生成された予測子２１６が用いられ得る。予測子２１６の生成に用いられ得る手法について、図５〜９に関連して以下に記載する。方法１００では、予測子２１６を用いることにより、抽出された特徴の値２０８に基づいて、予測の露出オフセット２１２を生成する（工程１１０）。
【００１６】
方法１００では、予測の露出オフセット２１２により入力画像２０２の露出を変更することによって、入力画像２０２の露出を補正し、それにより、露出の補正のなされた画像２１４が生成される（工程１１２）。露出補正の実行に用いられ得る手法について、図１１に関連して以下に記載する。
【００１７】
種々の手法をオプションとして適用することにより、画像２０２のコントラストが改善され得る。例えば、画像２０２における強度の範囲は、下記のとおり、利用可能な強度の範囲（例えば、［０，２５５］）にわたるように伸ばされ得る。入力画像２０２の赤チャネルＲは線形化され得る。それにより、式ＲＬ＝（Ｒ／２５５）γを用いて、線形化された赤チャネルＲＬが生成される。線形化された緑チャネルＧＬおよび青チャネルＢＬも同様に生成され得る。ＲＧＢ空間の画像２０２にガンマ関数を適用することにより、画像２０２を、画像２０２の元のダイナミックレンジをより正確に反映する線形性の強度空間に変換する。本明細書における用語「ＲＧＢ空間」は、画像が取り込まれ得る全ての空間（本明細書において、この空間を「画像キャプチャ空間」と称する）を指す。
【００１８】
式ｍｎ＝ｍｉｎ（ＲＬ，ＧＬ，ＢＬ）、および、式ｍｘ＝ｍａｘ（ＲＬ，ＧＬ，ＢＬ）を用いて、画像２０２に対する強度の最小値ｍｎおよび最大値ｍｘが得られ得る。線形化された赤チャネルＲＬは伸ばされ得る。それにより、式ＲＬ’＝（ＲＬ−ｍｎ）／（ｍｘ−ｍｎ）を用いて、伸ばされた線形化済み赤チャネルＲＬ’が生成される。伸ばされた線形化済み緑チャネルＧＬ’および青チャネルＢＬ’も同様に生成され得る。以下に記載する、後に続くオペレーション（例えば、特徴の抽出）は、チャネルＲＬ’、ＧＬ’、およびＢＬ’上において行われ得る。
【００１９】
式Ｒ＝２５５（ＲＬ’）１／γを用いて、チャネルＲＬ’は、チャネルＲ’に再変換され得る。チャネルＧ’およびＢ’も、同様の態様でチャネルＧＬ’およびＢＬ’から得られうる。以下の記載において、チャネルＲＬ、ＧＬ、およびＢＬ上、またはＲ、Ｇ、およびＢ上において実行されるように記載されるオペレーションは、もしくはチャネルＲＬ’、ＧＬ’、およびＢＬ’上、またはＲ’、Ｇ’、およびＢ’上において実行され得る。
【００２０】
本発明は、全ての個々の特徴、および特徴の全ての組み合わせとともに用いられ得る。最初の特徴の集合から、抽出のための最適な特徴の集合の選択に用いられ得る手法の例について、図９に関連して以下に説明する。上記のような手法を用いて特定の特徴の集合が選択さると、選択された特徴２１８の値２０８が画像２０２から抽出され得る（工程１０６）。本発明の実施形態とともに用いられ得る特徴の個々の例、およびそのような特徴の値を抽出する手法について、以下に記載する。
【００２１】
本発明の一実施形態において、入力画像２０２の大きさは、特徴抽出の割合と同程度低減される。通常、個々の画像は全て、所望の露出と無関係な多量の情報を有し得るために、入力画像２０２は低減され得る。例えば、カラー画像のクロミナンスチャネルは画像の露出に依存せず、それ故に、所望の露出に関するいかなる情報も生じない。以下により詳しく記載するように、そのような無関係な情報を放棄することにより、本明細書に記載の露出補正手法の計算上の複雑さが低減され得、かつ、予測子２１６の係数５２６（図６）が正確に推定され得る。そのような無関係な情報を排除しないことにより、係数の推定の精度が減少し得る。それは、実際には、所望の露出（グランドトゥルース）が既知である、制限されたトレーニング画像の集合のみしかないためである。このことにより、トレーニング集合７１６（図７Ｄ）の画像の数が、特徴の集合２０８の選択された特徴の数に適切に対応し得ない場合において、予測子の係数５２６の推定にバイアスがかかりやすくなる。特徴の最適な数を決定することは、重要かつ困難な問題であり、図９に関連して以下により詳しく記載する。
【００２２】
図１Ｂを説明すると、本発明の一実施形態による、画像２０２を低減するために用いられ得る方法のフローチャートが示されている。図２Ｂを説明すると、図１Ｂに示される方法１０２により実行されたオペレーションを図示するデータフロー図２２０が示されている。方法１０２では、入力画像２０２のサムネイル２２２を生成する（工程１２２）。通常、画像のサムネイルは、あるダウンサンプリングの方法により生成された、画像の大きさが低減されたものである。サムネイルを生成する手法は、当業者には周知である。
【００２３】
本発明の一実施形態において、入力画像２０２の大抵の露出情報は画像２０２の輝度チャネルに含まれるということを想定する。したがって、方法１０２では、サムネイル２２２から線形性の輝度チャネル２２４を抽出し（工程１２４）、サムネイル２２２から非線形性の輝度チャネル２２６を抽出し（工程１２６）、それにより、線形性の輝度チャネル２２４上のみ、および非線形性の輝度チャネル２２６上のみにおいて、後に続く処理が実行される。例えば、入力画像２０２のＲチャネルがチャネルＲＬへと、ＧチャネルがチャネルＧＬへと、ＢチャネルがチャネルＢＬへと線形化された場合において、下記のとおりに、線形性の輝度チャネル２２４、および非線形性の輝度チャネル２２６が生成され得る。線形化された輝度チャネル２２４はＬＬにより表され、式ＬＬ＝ａＲＬ＋ｂＧＬ＋ｃＢＬを用いて生成され得る。ここで、ａ、ｂ、およびｃは定数である。非線形性の輝度チャネル２２６はＬにより表され、式Ｌ＝２５５（ＬＬ）１／γにより、線形化された輝度チャネル２２４ ＬＬから生成され得る。
【００２４】
図１Ｃを説明すると、本発明の一実施形態による、入力画像２０２からさらなる特徴を抽出するために用いられ得る方法のフローチャートが示されている。図２Ｃを説明すると、図１Ｃに示される方法１４０により実行されたオペレーションを図示するデータフロー図２４０が示されている。図１Ｂおよび２Ｂに関連して上述した手法を用いて、入力画像２０２を低減することにより線形性の輝度チャネル２２４および非線形性の輝度チャネル２２６が生成される（工程１０２）。
【００２５】
非線形性の輝度チャネル２２６の部分集合を分離することにより、予測子２１６の性能が改善され得る。通常の場合、画像の全ての部分が画像の好適な露出の主観による判断に等しく影響を及ぼすわけではないという知見に基づいて、例えば、非線形性の輝度チャネル２２６全てではなく非線形性の輝度チャネル２２６の部分集合が露出の補正に用いられ得る。例えば、被写体が平坦でありかつ模様の少ない壁の前に位置する画像の所望の露出は、おそらく、壁の輝度の値によっては決定されない。従って、壁のピクセルを用いずに、以下に記載するヒストグラムを算出することにより、予測子２１６の性能が改善され得る。露出に影響を及ぼす要素は極めて主観によるものであるが、「アクティビティ（ａｃｔｉｖｉｔｙ）」がほとんどないか、または全くない物体は、通常、露出に影響を及ぼさないということが判明した。従って、まず、アクティビティに対して非線形性の輝度チャネル２２６をスクリーニングすることにより、アクティビティスレッショルドを満たす非線形性の輝度チャネル２２６におけるピクセルの位置を識別するアクティブ画像マップ２０６が生成され得る（工程１０４）。
【００２６】
アクティブ画像マップ２０６に基づいて、アクティブかつ非線形性の輝度画像２０９が、非線形性の輝度チャネル２２６から抽出され得る２０７。入力画像２０２の非線形性の輝度チャネル２２６にのみ作用する実施形態において、アクティブな画像２０９は、「アクティブ輝度チャネル」とも称され得る。アクティビティを測定するために用いられ得る手法は、発明者Ｂｏｙａｃｋらによるタイトルが「Ｂｒｉｇｈｔｎｅｓｓ Ａｄｊｕｓｔｍｅｎｔ ｏｆ Ｉｍａｇｅｓ Ｕｓｉｎｇ Ｄｉｇｉｔａｌ Ｓｃｅｎｅ Ａｎａｌｙｓｉｓ」（１９９８年３月３日公表）である共有の米国特許番号第５，７２４，４５６号においてより詳しく記載されており、その特許文献は本明細書において援用される。
【００２７】
方法１４０では、アクティブな画像２０９に基づいてヒストグラム２４４（「アクティブヒストグラム」と称されるか、または、輝度チャネルのみが用いられる実施形態において「アクティブ輝度ヒストグラム」（ＡＬＨ）と称される）を生成する（工程１３０）。アクティブヒストグラム２４４は、工程１０６において自身の値が抽出され得る特徴の一例である。
しかし、特徴として全てのアクティブヒストグラム２４４を用いることは、被写体が屋外において明るい背景に対して撮影される画像、または屋内においてカメラのフラッシュを用いて撮影される画像を処理するには不適切であり得る。そのような画像は、被写体と背景との露出が互いに有意に異なるという事実により区別される。画像において被写体が占める部分が小さく、背景のアクティビティが多い場合において、全てのアクティブヒストグラム２４４を用いて生成された露出予測子は背景に有利に働く。それにより、屋外の場合における被写体の露出は不十分になり、屋内の場合における被写体の露出は過度になる。
【００２８】
この問題に対処するために、着目領域（ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ：ＲＯＩ）（元の入力画像２０２の露出を決定する可能性が最も高い、低減された画像２０４の領域）の概念を導入する。方法１４０では、線形性の輝度チャネル２２４およびアクティブ画像マップ２０６を用いて着目領域２４２を識別し得る（工程１３２）。次いで、方法１４０では、識別された着目領域２４２内にあるアクティブな画像２０９の部分のヒストグラム２４６を生成し得る（工程１３４）。アクティブヒストグラム２４４およびＲＯＩヒストグラム２４６はともに、工程１０６において抽出され得る特徴の例である。
【００２９】
方法１４０では、ＲＯＩヒストグラム２４６とアクティブヒストグラム２４４との加重平均をとることにより、平均ヒストグラム２４８も生成し得る（工程１３６）。この平均ヒストグラムは、工程１０６において抽出され得る特徴の別の例である。平均ヒストグラム２４８を生成する手法について、図４に関連して以下に記載する。
【００３０】
大きさが可変な長方形のウィンドウを用いて、手法の例について以下に説明する。そのウィンドウは、サムネイル画像２２２のＲＯＩ ２４２を探し、識別する（工程１３２）。本発明の一実施形態において、ＲＯＩ ２４２は、（１）ＲＯＩ ２４２内のアクティビティの平均（ＲＯＩ内の総ピクセル数に対するＲＯＩ内のアクティブなピクセル数の比として定義される）が、指定された最小アクティビティスレッショルドＡＭＩＮよりも大きいという条件と、（２）残りの画像（換言すると、ＲＯＩ ２４２が含まれない、線形化された輝度チャネル２２４の部分）の線形性の輝度の平均に対するＲＯＩ内の線形性の輝度の平均の比の対数の絶対値がサムネイル画像２２２において最大であるという条件とを満たす長方形のウィンドウとして定義される。
この実施形態において、輝度の平均は、アクティブな画像２０６内のピクセルのみならず、線形化された輝度チャネル２２４における全てのピクセルにわたって算出される。
【００３１】
条件（１）により、ＲＯＩ ２４２が、サムネイル画像２２２の重要な内容の幾ばくかを含むということが保証される。条件（２）は、屋内においてフラッシュを用いたシーンにおける被写体、および屋外における逆光のシーンにおける被写体の識別の役目を果たす。線形化された輝度チャネル２２４における任意の一部分と、残りの線形化された輝度チャネル２２４との輝度に有意な差がないシーンに対して、ＲＯＩ ２４２は、条件（１）および（２）をともに満たす輝度チャネル２２６の任意の領域を含む。しかし、この場合において、ＲＯＩ ２４２は、露出補正のなされた最終画像２１４の露出に有意な寄与はしない。その性質は、以下の記載から明らかになる。
【００３２】
図３を説明すると、着目領域２４２を識別する（工程１３２）ために用いられ得る手法のフローチャートが示されている。まず、着目領域２４２の大きさＤＲ（例えば、幅、および高さ）を選択する。着目領域２４２のアスペクト比は、サムネイル２２２のアスペクト比と同じであり得る。着目領域２４２のベースの大きさは、サムネイル２２２の大きさの一定の割合と等しくあり得る。例えば、ＤＩがサムネイル２２２の大きさを表し（工程３０２）、Ｆが所定の割合の乗数である（工程３０４）場合において、着目領域２４２のベースサイズＢＲは、Ｆ＊ＤＩと等しく設定され得る（工程３０６）。
【００３３】
着目領域２４２の実際の大きさＤＲは、非線形性の輝度チャネル２２６の平均アクティビティを用いてベースの大きさＢＲを線形にスケールしたものである。換言すると、ＡＩが全てのアクティブ画像マップ２０６の平均アクティビティである（工程３０８）場合において、着目領域２４２の大きさＤＲはＢＲ＊ＡＩと等しい（工程３１０）。直感によると、希薄なアクティビティの画像における着目領域は小さく、その逆も同様である。工程３１０に表されるスケーリングの性質も、着目領域２４２が条件（１）を満たす助けをする。
【００３４】
着目領域２４２の大きさＤＲを選択すると、上述した条件（１）および（２）をともに満たす領域は、着目領域２４２として選択され得る。再度図３を説明すると、着目領域２４２は、下記のとおりに選択され得る。
【００３５】
変数ＬＯＧＭＡＸを０に初期化し、変数ｒＲＯＩを１に初期化する（工程３１２）。ＬＯＧＭＡＸおよびｒＲＯＩの意味は、以下の記載から明らかになる。方法１３２では、変数ＲＯＩ＿ｆｏｕｎｄの値をＦＡＬＳＥに設定する（工程３１３）。その名称が暗示するように、ＲＯＩ＿ｆｏｕｎｄは、方法１３２により着目領域が検出されたか否かを表す。
【００３６】
方法１３２は、サムネイル２２２における各候補領域Ｃにわたるループに移る（工程３１４）。領域Ｃの平均アクティビティＡＣを算出する（工程３１６）。方法１３２では、ＡＣ≧ＡＭＩＮであるか否かを決定し（工程３１８）、それにより、条件（１）が満たされたか否かが決定される。ＡＣ＜ＡＭＩＮである場合において、方法１３２は、次の領域に対して継続する（工程３３４）。
【００３７】
方法１３２では、ＡＣ≧ＡＭＩＮである場合において、線形性の輝度チャネル２２４の領域Ｃの平均輝度ＬＣを算出し（工程３２２）、線形性の輝度チャネル２２４の残りの部分（換言すると、領域Ｃを含まない線形性の輝度チャネル２２４の部分）の線形輝度の平均ＬＩを算出する（工程３２４）。ＬＩに対するＬＣの比を変数ｒＲＯＩに指定し、ｒＲＯＩの対数の絶対値（換言すると、｜ｌｏｇ２ＬＣ／ＬＩ｜）を算出し、ｒＲＯＩをＬＯＧＣＵＲと命名する変数に指定する（工程３２６）。
【００３８】
方法１３２では、ＬＯＧＣＵＲの値がＬＯＧＭＡＸの値よりも大きいか否かを決定する（工程３２８）。換言すると、方法１３２では、現段階において、線形性の輝度チャネル２２４の残りの領域における輝度の平均に対する領域Ｃにおける輝度の平均の比の対数の絶対値が線形性の輝度チャネル２２４において最大であるか否かを決定する。ＬＯＧＣＵＲがＬＯＧＭＡＸよりも大きい場合において、変数ＲＯＩにＣの値を指定し（工程３３０）、変数ＬＯＧＭＡＸにＬＯＧＣＵＲの値を指定する（工程３３２）。着目領域が検出されたために、ＲＯＩ＿ｆｏｕｎｄの値をＴＲＵＥに設定する（工程３３３）。サムネイル２２２内の残りの領域Ｃに対して、工程３１６〜３３３を繰り返す（工程３３４）。
【００３９】
そのループが完結したときに、方法１３２では、ＲＯＩ＿ｆｏｕｎｄの値がＴＲＵＥと等しいか否かを決定する（工程３３６）。等しい場合において、方法１３２は終了する。そうでない場合において、着目領域は検出されておらず、方法１３２では、全ての入力画像２０２を含むように変数ＲＯＩを設定する（工程３３８）。
方法１３２が完了したときにおいて、変数ＲＯＩの値は、条件（１）および（２）をともに満たす画像２０２内の領域を識別する。そのような領域が存在する場合において、その領域は、着目領域２４２として用いられ得る。
図４を説明すると、アクティブＲＯＩヒストグラム２４６およびアクティブヒストグラム２４４からさらなる特徴を抽出するために用いられ得る方法のフローチャートが示されている。着目領域２４２が画像２０２の所望の露出に影響を及ぼす確率を表す確率数は、背景を介して、着目領域２４２に関連し得る。ｒＲＯＩを残りの画像の線形性の輝度の平均に対するＲＯＩ線形輝度の平均の比（換言すると、ＬＣ／ＬＩ、ここで、Ｃ＝ＲＯＩ）とする。その結果、着目領域２４２に関連した確率は、（１）式により与えられる（図４、工程４０２）。
【００４０】
【数３】
ここで、ｓおよびｏは、調節可能なパラメータである。パラメータｏは、着目領域２４２に関連した確率が０．５である場合における、着目領域２４２と残りの画像との絞り（ｓｔｏｐ）における輝度の差を表す。パラメータｓは、｜ｌｏｇ２ｒＲＯＩ｜＝ｏにおける確率関数の傾きに比例する。｜ｌｏｇ２ｒＲＯＩ｜→∞のときに、ｐ（ＲＯＩ）→１．０となるために、着目領域２４２の線形性の輝度の平均と線形性の輝度チャネル２２４の残りの線形性の輝度の平均との差が大きいということは、着目領域２４２が画像２０２の最終露出に影響を及ぼす確率が高いということを意味し、その逆も同様である。ＲＯＩの確率ｐ（ＲＯＩ）が特徴値２０８の最終ベクトルへのＲＯＩの寄与に重みをかける態様を決定する手法について、以下に記載する。
【００４１】
ＨＲＯＩ（・）が、アクティブＲＯＩ輝度ヒストグラム２４６を指すものとする（図４、工程４０４）。ＨＩ（・）が、アクティブ輝度ヒストグラム２４４を指すものとする（工程４０６）。その結果、全体の平均ヒストグラムＨ（・）２４８が、（２）式により与えられる（工程４０８）。
Ｈ（・）＝（１−ｐ（ＲＯＩ））ＨＩ（・）＋ｐ（ＲＯＩ）ＨＲＯＩ（・） （２）
ヒストグラムＨ（・）２４８は、工程１０６において抽出され得る特徴の一例である。しかし、ヒストグラムＨ（・）２４８から線形性の特徴および非線形性の特徴を幾つか抽出することにより（工程４１０および４１２）、特徴空間の大きさは、さらに低減されうる。そのような特徴は、工程１０６において抽出され得る特徴の例である。抽出され得る非線形性の特徴の例には、ヒストグラムＨ（・）２４８の異なったパーセンタイル値が含まれ得る。抽出され得る線形性の特徴の例には、ヒストグラムＨ（・）２４８の異なったモーメントが含まれ得る。
【００４２】
上述したように、グランドトゥルース画像の集合５２２に対するグランドトゥルースデータ２１０に基づいて予測子２１６が生成され得る（工程１０８）。本発明の一実施形態において、予測子２１６は線形予測子である。
【００４３】
Ｎを特徴値２０８の総数とし、ｆｉを特徴値ベクトルのｉ番目の特徴値を表すものとする。ｘｉを予測子２１６の係数５２６（図６）を表すものとする。その結果、（３）式において示されるように、工程１１０において、露出シフト予測
【００４４】
【数４】
が生成され得る。
【００４５】
【数５】
ここで、ｆは特徴値ベクトル２０８であり、ｘは係数ベクトル５２６である。
【００４６】
図５を説明すると、本発明の一実施形態による、予測子２１６を生成する（工程１０８）方法５００のフローチャートが示されている。図６を説明すると、図５に示される方法１０８により実行されるオペレーションを図示するデータフロー図５２０が示されている。方法１０８では、グランドトゥルース画像の集合５２２における全ての画像に対して、グランドトゥルースデータ２１０を得る（工程５０２）。グランドトゥルースデータ２１０を取得する手法の例について、図７Ｂに関連して以下に記載する。方法１０８では、グランドトゥルースデータ２１０に基づいて最適な特徴の集合２１８を選択する（工程５０４）。特徴の集合２１８を選択する手法の例について、図９に関連して以下に記載する。方法１０８では、グランドトゥルースデータ２１０と選択された特徴２１８とに基づいて予測子２１６の係数５２６を算出する（工程５０６）。図６を説明すると、例えば、選択された特徴２１８に基づいてトレーニング画像の集合５２８からトレーニング特徴の集合５３４を抽出すること５３２と、グランドトゥルースデータ２１０とトレーニング特徴５３４とに基づいて予測子の係数を生成すること（工程５０６）とにより、工程５０６が実行され得る。トレーニング集合５２８は、予測子２１６をトレーニングし、かつグランドトゥルース集合５２２の部分集合である画像の任意の集合であり得る。方法１０８では、選択された特徴２１８と選択された係数５２６とに基づいて予測子２１６を生成する（工程５０８）。
【００４７】
図５に示される方法１０８について、以下により詳しく記載する。図７Ａを説明すると、グランドトゥルースデータ２１０を生成するために用いられ（図５、工程５０２）得る方法７００のフローチャートが示されている。図７Ｂを説明すると、図７Ａに示される方法７００により実行されるオペレーションを図示するデータフロー図７５０が示されている。
【００４８】
グランドトゥルースデータ２１０は、心理物理的尺度構成法を行うことにより、得られ得る。その心理物理的尺度構成法では、人間主体が、グランドトゥルース集合５２２の画像５２２ａ〜ｄの各々に対して最適な露出を決定するよう求められる。図７Ｂには４つの画像５２２ａ〜ｄのみが示されているが、実際には、さらに多数のグランドトゥルース画像があり得る。
【００４９】
方法７００は、グランドトゥルース集合２１０の各画像にわたるループに移り得る（工程７０２）。図７Ｃを説明すると、グランドトゥルース集合５２２の単一画像５２２ａに対するグランドトゥルースデータ７３６ａの生成を例として図示するデータフロー図７２０が示されている。方法７００では、複数人の人間主体７２２ａ〜ｄにおける各人間主体Ｓに対して（工程７０４）、画像Ｉに対する所望の露出の主体からの指示を受ける（工程７０６）。例えば、図１０を説明すると、露出調節曲線のファミリーのグラフ１０００が示されており、その曲線の個々の特徴について、以下により詳しく記載する。そのような曲線の各々を画像に適用することにより、その画像に対して特定の露出補正が行われ得る。
【００５０】
本発明の一実施形態において、グラフ１０００に示される露出調節曲線の各々を画像Ｉに適用し、その結果の露出調節のなされた画像が主体Ｓに表示される。単一数Δｅｉは、露出調節曲線の各々に関連し、単一数Δｅｉは、その曲線に関連した特定の露出調節を反映する。主体Ｓは、露出調節のなされた画像から特定の１つを選択するが、その画像は、露出調節がなされた全画像のうちから最適な露出を有すると主体が考える画像である。工程７０６において、主体Ｓが選択した画像に対応する露出調節曲線に関連した露出補正Δｅｉが、所望の露出の指示として提供される。
【００５１】
例えば、図７Ｃに示されるように、主体７２２ａは、最適な露出を有するものとして、露出調節のなされた画像のうちの特定の１つを選択することにより、所望の露出７２４ａを指示する。同様に、方法７００では、残りの主体からの所望の露出の指示を受ける（工程７０８）。例えば、図７Ｃに示されるように、主体７２２ｂは所望の露出７２４ｂを指示し、主体７２２ｃは所望の露出７２４ｃを指示し、主体７２２ｄは所望の露出７２４ｄを指示する。
【００５２】
方法７００では、工程７０４〜７０８のループにおいて受けた露出の全指示の平均をとることにより、単一露出補正数Δｅを生成する（工程７１０）。単一露出補正数Δｅは、画像Ｉに対する「グランドトゥルースデータ」と称される。例えば、図７Ｃに示されるように、画像５２２ａに対してグランドトゥルースデータ７３６ａが生成される。主体７２２ａ〜ｄに指示された所望の露出７２４ａ〜ｄの分散の逆数は、予測子２１６の設計における平均二乗誤差の重みに用いられ得る。これにより、画像Ｉの最適露出に関する意見が主体間で大きく異なる場合において、予測の重みの決定における任意の画像の影響を低減することができる。
【００５３】
方法７００では、同一の手法を用いて、グランドトゥルース集合５２２の残りの画像に対するグランドトゥルースデータを生成する（工程７１２）。例えば、図７Ｂに示されるように、トレーニング集合の画像５２２ｂに対してグランドトゥルースデータ７３６ｂが生成され得て、グランドトゥルース集合の画像５２２ｃに対してグランドトゥルースデータ７３６ｃが生成され得て、グランドトゥルース集合の画像５２２ｄに対してグランドトゥルースデータ７３６ｄが生成され得る。
【００５４】
特徴の選択（工程５０４）の実行の態様について記載する前に、特定の特徴の集合が与えられた場合における予測子の係数５２６を生成する手法について記載する。例えば、ｅを、グランドトゥルース集合５２２の全ての画像５２２ａ〜ｄに対するグランドトゥルースデータ２１０を含む列ベクトルを示すものとする。グランドトゥルース集合５２２の各画像５２２ａ〜ｄの特徴ベクトルは、行列Ｆの行を形成するものとする。その結果、（４）式を用いて、予測子の係数ｘ ５２６が生成され（工程５０６）得る。
ｘ＝（ＦＴＦ）−１ＦＴｅ （４）
もしくは、Ｗがグランドトゥルースデータ２１０の分散の逆数を用いて算出した重み付き対角行列である場合において、係数ｘ５２６は（５）式を用いて生成され得る（工程５０６）。ｘ＝（ＦＴＷＦ）−１ＦＴＷｅ （５）
どちらの場合においても、特徴の数および型が決定されると（図９）、（４）式または（５）式の閉じた形態の表現を用いて、係数ｘ ５２６が生成され得る。残りの問題は、選択された特徴２１８として選択されるべき特徴を決定することである。
【００５５】
選択された特徴の集合２１８の算入に最適な特徴を決定する手法およびその特徴の数を決定する手法の例について、以下に記載する。本発明の一実施形態において、グランドトゥルース画像の集合５２２は、２つの部分集合、トレーニング集合（例えば、図７Ｄに示されるトレーニング集合７１６）およびテスト集合（図示せず）に分けられる。トレーニング集合は、トレーニング予測子７２６（図７Ｄ）を設計するために用いられる。テスト集合は、予測子７２６をテストし、予測の誤差を算出するために用いられる。
【００５６】
実際には、グランドトゥルース集合５２２におけるグランドトゥルース画像の数は制限される。グランドトゥルース集合５２２の画像を部分集合に分けることにより、設計またはテストサンプルの数がさらに制限され、それによって、予測子２１６の品質が潜在的に低減される。図８を説明すると、この問題に対処するために用いられ得る方法８００のフローチャートが示されている。
【００５７】
通常、方法８００では、全てのグランドトゥルース画像の集合５２２を介してｎ個の画像を同時に回帰するｌｅａｖｅ−ｎ−ｏｕｔアプローチを用いる。図８に示される特殊な方法８００において、ｎ＝１である。各サイクルにおいて、テスト画像に対してグランドトゥルース集合５２２から一画像のみを選択し、グランドトゥルース集合５２２の残りの画像は予測子７２６を設計するために用いられる。次いで、テスト集合の単一画像に対して予測の誤差を算出する。全手順をグランドトゥルース集合５２２内の次の画像に対して繰り返し、以下も同様である。この方法の有利な点は、予測子７２６の設計に１つを除いて全ての画像が用いられ、予測子７２６のテストに全ての画像が用いられるということである。これにより、予測子７２６の設計におけるバイアスおよびテスト誤差とが最小化される。しかし、この手順の不利な点は、設計手順をグランドトゥルース集合５２２の画像の数と同数回繰り返す必要があるということである。
【００５８】
概略を記載した手順について、以下により詳しく記載する。図８を説明すると、ループはグランドトゥルース画像の集合Ｇ ５２２の各画像Ｉへと移される（工程８０２）。テスト集合に単一画像Ｉを配置し（工程８０４）、トレーニング集合に画像Ｉを除く全てのグランドトゥルース画像５２２ａ〜ｄを配置する（工程８０６）。
【００５９】
図７Ｄを説明すると、テスト集合の画像Ｉ ７６２と現トレーニング集合７１６とに基づいた、方法８００による予測の誤差７６６ａの算出を図示するデータフロー図７６０が示されている。方法８００では、例えば（４）式または（５）式を用いて、トレーニング集合に基づいてトレーニング予測子の係数７４４を生成する（工程８０８）。特に、方法８００では、特徴の現集合７３４に基づいて、トレーニング集合７１６から特徴７２８を抽出７１８し得る。方法８００では、トレーニング集合７１６および抽出されたトレーニング集合の特徴７２８に対するグランドトゥルースデータ７７０に基づいてトレーニング係数７４４を生成し得る。
【００６０】
方法８００では、特徴識別子の現集合７３４およびトレーニング予測子の係数７４４（（３）式の構造に基づく）に基づいてトレーニング予測子７２６を生成する（工程８１０）。図９に関連して以下に記載するように、特徴の現集合７３４が選択され得る。
【００６１】
方法８００では、テスト集合の画像Ｉ ７６２から、選択された現特徴７３４を抽出することにより、テスト集合の画像の特徴７４６が生成される（工程８１２）。方法８００では、トレーニング予測子７２６を用いることにより、（３）式を用いて、抽出された特徴７４６に基づいてテスト集合の画像７６２に対する予測の露出シフト７６８が生成される（工程８１４）。方法８００では、テスト集合の画像Ｉ ７６２に対するグランドトゥルースデータ７６４から、予測の露出シフト７６８を取り去ることにより、テスト集合の画像７６２に対する予測誤差ＥＩ ７６６ａを算出する（工程８１６）。グランドトゥルース集合Ｇ ５２２の残りの画像に対して、予測誤差が同じ態様で生成される（工程８１８）。
【００６２】
図７Ｅを説明すると、例えば、１つがグランドトゥルース集合５２２内の各画像５２２ａ〜ｄに対するものである複数の予測誤差７６６の生成を図示するデータフロー図７５４が示されている。グランドトゥルース画像５２２ａ〜ｄの各々がテスト集合の画像７６２として用いられるために、対応する予測誤差が生成される。例えば、予測誤差７６６ａは画像５２２ａに対して生成され、予測誤差７６６ｂは画像５２２ｂに対して生成され、予測誤差７６６ｃは画像５２２ｃに対して生成され、予測誤差７６６ｄは画像５２２ｄに対して生成される。予測誤差ＥＩ ７６６ａ〜ｄがグランドトゥルース集合５２２の各画像に対して生成されると、予測誤差ＥＩ ７６６ａ〜ｄの二乗平均（ＲＭＳ）をとることにより、グランドトゥルース集合５２２に対する予測誤差の平均Ｅ ７５８が生成される（工程８２０）。以下により詳しく記載するように、予測誤差の平均Ｅ ７５８は、選択された特徴２１８として用いられる特徴の最適数および特徴の最適な組み合わせを選択するために用いられ得る。
【００６３】
図９を説明すると、選択された特徴２１８として用いられる特徴の最適数および特徴の最適な組み合わせを選択するために用いられ得る方法９００のフローチャートが示されている。利用可能な全ての特徴を特徴の主集合Ｍに配置する（工程９０２）。特徴の主集合は任意の態様で選択され得る。特徴の主集合Ｍに配置され得る特徴の例には、ＲＯＩヒストグラム２４６と、アクティブヒストグラム２４４と、平均ヒストグラム２４８と、列挙した特徴から抽出された線形性の特徴および非線形性の特徴とが含まれる。特徴の現集合Ｃを空集合に初期化し（工程９０４）、グローバル誤差値ＥＧを無限大に初期化し（工程９０６）、最小誤差値ＥＭＩＮを無限大に初期化する（工程９０８）。
【００６４】
主集合Ｍの各特徴Ｆにわたるループに移る（工程９１０）。集合Ｓは、特徴の現集合Ｃに特徴Ｆを加えることにより形成される（工程９１２）。図８に示される方法８００を用いることにより、集合Ｓを選択された特徴の現集合７３４として用いてグランドトゥルース画像の集合５２２の画像５２２ａ〜ｄに対してｌｅａｖｅ−ｎ−ｏｕｔ誤差の平均Ｅが算出される（工程８００）。
【００６５】
誤差の平均Ｅが最小誤差ＥＭＩＮ未満である場合において（工程９１４）、最小誤差ＥＭＩＮにＥの値を指定し（工程９１６）、変数ＦＭＩＮにＦの値（現特徴）を指定する（工程９１８）。そのループは工程９１０においてはじまり、現集合Ｃの各特徴Ｆに対して繰り返される（工程９２０）。
【００６６】
工程９１０〜９２０において実行されるループが完了すると、ＥＭＩＮには、そのループの全ての反復において得られた最小ｌｅａｖｅ−ｎ−ｏｕｔ予測誤差が含まれ、ＦＭＩＮは、最小誤差ＥＭＩＮを生じた特徴を示す。方法９００では、最小誤差ＥＭＩＮがグローバル誤差ＥＧよりも大きいか否かを決定する（工程９２２）。ＥＭＩＮ＞ＥＧである場合において、特徴の現集合Ｃは、選択された特徴の集合２１８として提供される。ＥＭＩＮ≦ＥＧである場合において、ＥＧにＥＭＩＮの値を指定し（工程９２４）、特徴の現集合Ｃに特徴ＦＭＩＮを追加し、主集合Ｍから特徴ＦＭＩＮを取り除く（工程９２６）。
【００６７】
方法９００では、主集合Ｍが空集合であるか否かを決定する（工程９２８）。主集合Ｍが空集合でない場合において、更新済み主集合Ｍおよび現集合Ｃを用いて、工程９１０〜９２６に関連して上述した手順を再度実行する。主集合Ｍが空集合である場合において、特徴の現集合Ｃは、選択された特徴の集合２１８として提供される。
【００６８】
要約すると、方法９００では、工程９１０において始まるループの第１の反復において、最小平均予測誤差を生じる単一の最適な特徴を識別する。そのループの第２の反復において、方法９００では、第１の特徴とともに最小誤差を生じる次の最適な特徴を識別する。特徴を追加することにより最小平均予測誤差ＥＭＩＮがついに増加しだすまで、この態様で方法９００を続ける。その時点において、方法９００を終了する。方法９００が終了するときにおいて現集合Ｃにある特徴は、選択された特徴２１８として提供され得る最適な特徴の集合を表す。
【００６９】
図５および６に関連して上述したように、選択された特徴２１８が選択されると（図９）、例えば（４）式または（５）式を用いて、グランドトゥルースデータ２１０と特徴識別子２１８とに基づいて予測子の係数５２６が生成され得て（工程５０６）、例えば（３）式の構造を用いて、特徴２１８と係数５２６とに基づいて予測子２１６が生成され得る（工程５０８）。
【００７０】
全てのグランドトゥルース集合５２２を予測子２１６の設計およびテストに用いる場合において、現集合Ｃに新たな特徴を追加すると、最小誤差ＥＭＩＮは常に減少するということに留意されたい。実際には、グランドトゥルース集合５２２にｍ個の画像がある場合において、ｍ個の独立な特徴を選択することにより、最小誤差ＥＭＩＮは正確に０になる。それは、Ｆの列空間がグランドトゥルースベクトルｅに及んでいるという事実に基づく。そのような場合において、生成された予測子は最適でなくあり得る。より正確に記載すると、生成された予測子はグランドトゥルース集合５２２のｍ個の画像を単に完全に予測し得るが、別の画像の性能は特定され得ない。実際には、この態様で設計された予測子のこの領域における動作は不良であり得る。それは、その態様では、予測子の予測が、グランドトゥルース集合外の画像に対して十分に一般化され得ないためである。トレーニング集合と独立な集合を用いたテストを行うことにより、別の画像に対して良く概括する特徴のみを特徴の最終集合２１８に加え、ノイズにまさに適合する特徴を排除するということが保証される。
【００７１】
予測子２１６の生成方法について記載したが、以下では、画像２０２の露出を所望の値に変化（補正）させる（工程１１２）手法について開示する。露出を変化させるアルゴリズムでは、そのプロセスにおいて画像の色のバランスを変化させてはならない。これは、輝度／クロミナンス空間における画像の輝度チャネルのみに作用することにより、達成され得る。もしくは、ＲＧＢ空間において露出補正アルゴリズムを用いる場合においては、画像の色のバランスを変化させないようにするために、全てのチャネルに同一の変換を適用する必要がある。後者のアプローチを用いた手法について、以下に記載する。その理由は、少なくとも１つの画像チャネルが全グレイスケールを占めるように画像を変換することが望ましく、その変換を行うことはＲＧＢ空間において特に容易であることにある。
【００７２】
予測子２１６が生成されると、（３）式を用いて、抽出された特徴値２０８に基づいて画像２０２に対する予測の露出オフセット２１２が生成され得る（工程１１０）。図１１を説明すると、本発明の一実施形態による、露出オフセット２１２を入力画像２０２に適用することにより露出補正のなされた画像２１４を生成する（工程１１２）方法のフローチャートが示されている。方法１１２では、入力画像２０２をＲＧＢ空間から元のシーンにおける強度（すなわち、ワールド強度空間）に再変換する（工程１１０２）。方法１１２では、変換済み画像に対して露出補正を行う（工程１１０４）。方法１１００では、露出補正のなされた画像をワールド強度空間からＲＧＢ空間に再変換することにより、露出補正のなされた画像２１４を生成する（工程１１０６）。
【００７３】
本発明の一実施形態において、ワールド対数的な強度空間からＲＧＢ空間へと前変換すること（工程１１０６）は、明るい領域および暗い領域に色調を圧縮する役割をするＳ字型の曲線によりモデル化される。この後に、典型的なモニタの逆応答をモデル化するように設計されたガンマ関数が続く。Ｓ字型の色調を複製する曲線とガンマとを組み合わせることにより、本明細書においてＴ（・）として表される完全な前変換が形成される。
【００７４】
ｉをワールド対数的な強度を指すものとする。それにより、Ｔ（ｉ）は（６）式により定義される。
Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γ （６）
ここで、Ａ、Ｂ、ｓ、およびｏは、Ｓ字型の色調を複製する曲線のパラメータであり、γはモニタのガンマである。（６）式におけるパラメータｓおよびｏが、（１）式におけるパラメータｓおよびｏと同一でないことは理解されるべきである。
【００７５】
従って、ＲＧＢ空間の特定のグレイレベルｇに対してＲＧＢ空間からワールド対数的な強度空間に逆変換すること（工程１１０２）は、Ｔ−１（ｇ）として表され得る。従って、ワールド強度空間における所望の露出オフセットΔｅ（絞りにおける測定値）によるグレイレベルｇの露出補正（工程１１０２および１１０４）は、Ｔ−１（ｇ）＋Δｅにより表され得る。逆変換および前変換を含めたＲＧＢ空間のグレイレベルｇの完全な露出補正は、図１１に示される露出補正方法１１００により実行され、（７）式により表され得る。
ｇ’＝Ｔ（Ｔ−１（ｇ）＋Δｅ） （７）
ここで、ｇ’は、ＲＧＢ空間における露出補正のなされたグレイレベルである。図１０のグラフ１０００は、各々の曲線が値の異なったΔｅに対応する、曲線のファミリーを示す。
【００７６】
予測の露出オフセットΔｅ ２１２が生成されると、全てのグレイレベルに対して（７）式の結果が算出され得て、グレイレベルとそれに対応する補正されたグレイレベルのペアがルックアップテーブル（ＬＵＴ）に格納され得る。その後、画像の各ピクセルまたはグレイレベルに対して（７）式の結果を算出するよりもむしろ、ルックアップテーブルを用いて、画像の各チャネルに対して露出補正が行われ得る。それにより、露出補正が行われ得るスピードが有意に増加する。
【００７７】
上記の手法の一つの有利な点は、ワールド強度空間から、取り込まれた画像２０２の強度空間（例えばＲＧＢ空間）へのマッピングをモデル化するモデルに基づいて、露出補正を実行するということである。上述したように、そのモデルには、典型的なモニタの応答をモデル化するガンマ関数と、ワールドの広いダイナミックレンジを画像キャプチャ（例えばＲＧＢ）空間の狭いダイナミックレンジに圧縮するＳ字型の曲線とが含まれる。上記のようなモデルを用いることにより、そのモデルの逆のモデルを用いることにより画像２０２の露出が補正され得て、画像からオフセット（所望の露出補正により与えられる）を加算または減算し、次いで上記モデルを用いてＲＧＢ値空間にその画像を再マッピングすることにより、画像をワールド対数的な強度に変換する。上記のようなモデルを用いることの一つの有利な点は、それを用いることにより、ワールド強度空間に露出補正を適用することができるということであり、そのモデルが画像２０２を取り込むために用いられる伝送関数を適度に反映すると想定すると、そのような補正の意図した効果は強度の全範囲にわたる可能性が高い。
【００７８】
本発明の実施形態は、プリンタなどのレンダリング装置に出力されるときにおいて、通常デジタル画像に行うカラーマッピングプロセスと一体化され得る。例えば、図１２を説明すると、本発明の一実施形態による、カラーマッピングと露出補正とを一体化する方法１２００のフローチャートが示されている。方法１２００では、デジタルカメラなどのソースから画像を受け取り（工程１２０２）、画像にＪＰＥＧ復元を行う（工程１２０４）。方法１２００では、図１Ｂおよび２Ｂと関連して上述した手法を用いて画像を低減する（工程１０２）。次いで、方法１２００では、一体化されたプロセスを用いて、画像に対して、自動カラーバランシングおよび自動露出補正を行う。カラーバランシングは、例えば、多くの場合ＲＧＢ空間において３つの一次元ルックアップテーブルを用いて行われる。上記のようなルックアップテーブルを上述した露出補正用ルックアップテーブルと組み合わせることにより、一次元ルックアップの単一集合を用いてカラーバランシングと露出補正とをともに行う３つの一次元ルックアップテーブルが生成され得る。
【００７９】
例えば、本明細書において開示した手法を用いて露出補正の推定を行うことにより（工程１２１８）、３つの一次元露出補正用ルックアップテーブルが生成され得る（工程１２１９）。３つの一次元カラーバランシング用ルックアップテーブルも算出され得て（工程１２２０）、工程１２１９において生成された露出補正用ルックアップテーブルと組み合わせられ得る（工程１２２２）。方法１２００では、復元された画像に対して、種々の画像処理工程（例えば画像の回転（工程１２０６）および画像の鮮鋭化（工程１２０８））が行われ得る。この特定の画像処理工程は、例示を目的としてのみ示されたものであり、本発明の制限を構成するものではない。
【００８０】
方法１２００では、画像に対してカラーマッピングを行う（工程１２１０）。カラーマッピングには、多くの場合、一次元のプレルックアップテーブルと、三次元の行列または三次元のルックアップと、一次元のポストルックアップテーブルとを含めた種々のオペレーションが含まれる。３つの一次元ルックアップテーブルの単一集合（工程１２２２において生成される）を用いて、露出補正が一次元のプレルックアップテーブルオペレーションに一体化され得る。その３つの一次元ルックアップテーブルは、露出補正と、カラーバランスと、カラーマッピングの一次元プレルックアップテーブル部分との組み合せの機能を行う。
【００８１】
その方法では、画像を拡大することにより（工程１２１４）、画像の印刷（または別の出力）の用意をする。次いで、方法１２００では、画像を印刷する（工程１２１６）。方法１２００の種々の工程（例えば、工程１２０４、１２０６、１２０８、１２１４、および１２１６）は、入力画像２０２の処理とともに行われ得る工程の例としてのみ提供したものであり、本発明の制限を構成するものではないということが理解されるべきである。
【００８２】
本明細書において開示した手法の一つの有利な点は、その手法がＲＧＢ空間において行われ得て、それにより、列挙したカラーマッピングとの一体化が可能になるということである。カラーマッピングと露出補正を一体化することにより、画像の印刷への最適化に必要とされる工程の数が低減し、それ故に、輝度−クロミナンス空間または別の非線形性の空間において画像の露出を補正する別の方法と比べて、上記のような処理をよりはやく実行することが可能になる。
【００８３】
特定の実施形態に関して本発明について開示してきたが、上記の実施形態は例示としてのみ提供したものであり、本発明の範囲を制限または定義するものではないということが理解されるべきである。下記の事項を含むがそれには制限されない種々の別の実施形態も、特許請求の範囲の範囲内である。
【００８４】
本明細書において記載された要素および成分は、さらなる成分に分割され得るか、または結合されて同一の機能を行うより少ない成分を形成し得る。
【００８５】
上述した手法は、例えば、ハードウェア、またはソフトウェア、またはファームウェア、またはそれらの組み合わせにおいて実行され得る。上述した手法は、プロセッサと、プロセッサにより読み込み可能な記憶媒体（例えば、揮発性および不揮発性メモリおよび／または記憶要素）と、少なくとも１つの入力装置と、少なくとも１つの出力装置とを備えたプログラム可能なコンピュータにおいて実行する１つまたは複数のコンピュータプログラムにおいて実行され得る。入力装置を用いてプログラムコードを入力された入力に適用することにより、上記の機能が行われ得て、出力が生成され得る。出力は、１つまたは複数の出力装置に提供され得る。
【００８６】
添付の特許請求の範囲の範囲内の各コンピュータプログラムは、任意のプログラム言語（例えば、アッセンブリ言語、機械語、ハイレベルな手続き型プログラム言語、またはオブジェクト指向のプログラム言語）において実行され得る。プログラム言語は、例えば、コンパイルされたプログラム言語またはインタープリタ型プログラム言語であり得る。
【００８７】
上記のようなコンピュータプログラムの各々は、コンピュータプロセッサにより実行される機械読取り可能記憶装置において明白に具体化されるコンピュータプログラム製品において実行され得る。本発明の方法工程は、コンピュータ読取り可能媒体において明白に具体化されたプログラムを実行するコンピュータプロセッサにより実行され得て、それにより、入力に作用し出力を生成することによって本発明の機能が実行される。例えば、適切なプロセッサには、汎用マイクロプロセッサと特殊用途マイクロプロセッサとがともに含まれる。概して、プロセッサは、読み込み専用のメモリおよび／またはランダムアクセスメモリから、指示およびデータを受け取る。コンピュータプログラムの指示を明白に具体化するに適した記憶装置には、例えば、全種類の不揮発性メモリ（例えば、ＥＰＲＯＭと、ＥＥＰＲＯＭと、フラッシュメモリ装置とを含めた半導体メモリデバイス）と、内部ハードディスクおよびリムーバブルディスクなどの磁気ディスクと、光磁気ディスクと、ＣＤ−ＲＯＭとが含まれる。前述のいずれかは、特殊に設計されたＡＳＩＣ（特殊用途向け集積回路）により補われ得るか、または、特殊に設計されたＡＳＩＣに組み込まれ得る。コンピュータは、通常、内部ディスク（図示せず）またはリムーバブルディスクなどの記憶媒体から、プログラムおよびデータを受け取ることができる。従来のデスクトップコンピュータまたはワークステーションコンピュータと同様に、本明細書において記載した方法を実行するコンピュータプログラムの実行に適した別のコンピュータにおいて、その要素は見出され得る。それらは、デジタルプリントエンジンもしくはマーキングエンジン、またはディスプレイモニタ、または、紙、もしくはフィルム、もしくはディスプレイスクリーン、もしくは別の出力媒体上に色ピクセルもしくはグレイスケールピクセルを生成することができる別のレーザー出力装置のいずれかとともに用いられ得る。
【図面の簡単な説明】
【００８８】
【図１Ａ】本発明の一実施形態による、画像の露出を補正する方法のフローチャートである。
【図１Ｂ】本発明の一実施形態による、画像を低減する方法のフローチャートである。
【図１Ｃ】本発明の一実施形態による、画像から特徴を抽出する方法のフローチャートである。
【図２Ａ】図１Ａに示される方法により実行されたオペレーションを図示するデータフロー図である。
【図２Ｂ】図１Ｂに示される方法により実行されたオペレーションを図示するデータフロー図である。
【図２Ｃ】図１Ｃに示される方法により実行されたオペレーションを図示するデータフロー図である。
【図３】本発明の一実施形態による、画像における着目領域を識別する方法のフローチャートである。
【図４】本発明の一実施形態による、画像から特徴を抽出する方法のフローチャートである。
【図５】本発明の一実施形態による、所望の画像の露出を予測する予測子を生成する方法のフローチャートである。
【図６】図５に示される方法により実行されたオペレーションを図示するデータフロー図である。
【図７Ａ】本発明の一実施形態による、グランドトゥルース画像の集合のためのグランドトゥルースデータを生成する方法のフローチャートである。
【図７Ｂ】本発明の一実施形態による、図７Ａの方法により実行されたオペレーションを図示するデータフロー図である。
【図７Ｃ】本発明の一実施形態による、画像のグランドトゥルース集合における画像のためのグランドトゥルースデータの生成を図示するデータフロー図である。
【図７Ｄ】本発明の一実施形態による、テスト集合の画像に対する誤差の予測の算出を図示するデータフロー図である。
【図７Ｅ】本発明の一実施形態による、グランドトゥルース画像の集合における複数の画像に対する予測誤差の平均の算出を図示するデータフロー図である。
【図８】本発明の一実施形態による、グランドトゥルース画像の集合における複数の画像に対する予測誤差の平均を算出する方法のフローチャートである。
【図９】本発明の一実施形態による、最適数を選択し、露出補正に用いられる特徴を組み合わせる方法のフローチャートである。
【図１０】本発明の一実施形態による、露出補正に用いられる露出調節曲線のファミリーを図示するグラフである。
【図１１】本発明の一実施形態による、画像に露出補正を適用することにより露出の補正された画像を生成する方法のフローチャートである。
【図１２】本発明の一実施形態による、カラーマッピングおよび露出補正が一体化された方法のフローチャートである。
【特許請求の範囲】
【請求項１】
（Ａ）画像キャプチャ空間のソース画像を非線性の強度空間に変換することにより、第１の変換済み画像を生成する工程と、
（Ｂ）該非線形性の強度空間において該変換済み画像の露出を補正することにより、補正された変換済み画像を生成する工程と、
（Ｃ）該補正された変換済み画像を該画像キャプチャ空間に変換することにより、第２の変換済み画像を生成する工程と
を包含する、ソース画像の露出を補正する方法。
【請求項２】
前記工程（Ｃ）が、
（Ｃ）（１）Ｓ字型の曲線を用いることにより、前記補正された変換済み画像を第３の変換済み画像に変換する工程と、
（Ｃ）（２）ガンマ関数を用いることにより、該第３の変換済み画像を前記第２の変換済み画像に変換する工程とを包含する、請求項１に記載の方法。
【請求項３】
ｉが前記非線形性の強度空間における強度を表し、前記工程（Ｃ）が、
式：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））1／γを用いることにより、前記補正された変換済み画像を前記第２の変換済み画像に変換する工程を包含する、請求項２に記載の方法。
【請求項４】
関数：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γが、前記非線形性の強度空間の強度ｉを前記画像キャプチャ空間におけるグレイレベルに変換し、前記工程（Ａ）が、前記ソース画像のグレイレベルｇに関数Ｔ−１（・）を適用することにより該グレイレベルを変換することによって、変換済み強度を生成する工程を包含する、請求項１に記載の方法。
【請求項５】
前記工程（Ｂ）が、前記変換済み強度に露出オフセットΔｅを加算することにより、シフトされた変換済み強度を生成する工程を包含する、請求項４に記載の方法。
【請求項６】
前記工程（Ａ）〜（Ｃ）が、工程（Ａ）〜（Ｃ）に従って前記画像キャプチャ空間における強度を該画像キャプチャ空間における変換済み強度に変換する少なくとも１つのルックアップテーブルを用いて実行される、請求項１に記載の方法。
【請求項７】
前記少なくとも１つのルックアップテーブルがさらに、前記ソース画像にカラーマッピングを行う、請求項６に記載の方法。
【請求項８】
画像キャプチャ空間のソース画像を非線性の強度空間に変換することにより、第１の変換済み画像を生成する第１の変換手段と、
該非線形性の強度空間において該変換済み画像の露出を補正することにより、補正された変換済み画像を生成する補正手段と、
該補正された変換済み画像を該画像キャプチャ空間に変換することにより、第２の変換済み画像を生成する第２の変換手段と
を備える、ソース画像の露出を補正する装置。
【請求項９】
前記第２の変換手段が、
Ｓ字型の曲線を用いることにより、前記補正された変換済み画像を第３の変換済み画像に変換する手段と、
ガンマ関数を用いることにより、該第３の変換済み画像を前記第２の変換済み画像に変換する手段とを備える、請求項８に記載の装置。
【請求項１０】
ｉが前記非線形性の強度空間における強度を表し、前記第２の変換手段が、
式：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））1／γを用いることにより、前記補正された変換済み画像を前記第２の変換済み画像に変換する手段を備える、請求項９に記載の装置。
【請求項１１】
関数：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γが、前記非線形性の強度空間の強度ｉを前記画像キャプチャ空間におけるグレイレベルに変換し、前記第１の変換手段が、前記ソース画像のグレイレベルｇに関数Ｔ−１（ｇ）を適用することにより該グレイレベルを変換することによって、変換済み強度を生成する手段を備える、請求項８に記載の装置。
【請求項１２】
前記補正手段が、前記変換済み強度に露出オフセットΔｅを加算することにより、シフトされた変換済み強度を生成する手段を備える、請求項１１に記載の装置。
【請求項１３】
前記第１の変換手段と、前記補正手段と、前記第２の変換手段とが、前記画像キャプチャ空間における強度を該画像キャプチャ空間における変換済み強度にマッピングする少なくとも１つのルックアップテーブルにおいて実現される、請求項８に記載の装置。
【請求項１４】
前記少なくとも１つのルックアップテーブルがさらに、前記ソース画像にカラーマッピングを行う、請求項１３に記載の装置。
【請求項１５】
（Ａ）特徴の集合から選択された少なくとも１つの特徴の値を画像から抽出する工程であって、該特徴の集合が、該画像のサムネイルと、該画像の輝度チャネルと、該画像におけるアクティブな着目領域と、アクティビティスレッショルドを満たす複数のピクセルを含む該画像の部分集合とから得られた特徴からなる、工程と、
（Ｂ）該抽出された特徴の値に基づいて該画像の所望の露出補正を予測する工程と、
（Ｃ）該予測された露出補正により該画像の露出を補正することにより、露出補正のなされた画像を生成する工程と
を包含する、画像を処理する方法。
【請求項１６】
前記着目領域が、（１）該領域内のアクティビティの平均が所定の最小アクティビティスレッショルドを超えるという性質と、（２）該領域を含まない前記画像の部分の輝度の平均に対する該領域の輝度の平均の比の対数の絶対値が、該画像内の所定の複数の領域に対するその比の対数の絶対値の中で最大であるという性質とを有する、請求項１５に記載の方法。
【請求項１７】
前記着目領域のベースサイズが前記画像の大きさに比例し、該着目領域の大きさが該ベースサイズに該画像内のアクティビティの平均の測定値を乗じたものに比例する、請求項１５に記載の方法。
【請求項１８】
前記工程（Ａ）が、
（Ａ）（１） 前記画像内の前記アクティブな着目領域を識別する工程と、
（Ａ）（２） アクティビティに対して該画像をスクリーニングすることにより、アクティブな画像を生成する工程と、
（Ａ）（３） 該アクティブな着目領域のヒストグラムと該アクティブな画像のヒストグラムとの加重平均として平均ヒストグラムを生成する工程と、
（Ａ）（４） 該平均ヒストグラムから特徴の値を抽出する工程とを包含する、請求項１５に記載の方法。
【請求項１９】
前記工程（Ａ）（３）が、
（Ａ）（３）（ａ） 前記着目領域が前記画像の所望な露出のシフトに影響を及ぼす可能性を算出する工程と、
（Ａ）（３）（ｂ） 前記アクティブな着目領域のヒストグラムと前記アクティブな画像のヒストグラムとに該可能性の重みをつけた平均として前記平均ヒストグラムを生成する工程とを包含する、請求項１８に記載の方法。
【請求項２０】
前記工程（Ａ）（３）（ａ）が、式：
【数１】
を用いて前記確率を算出する工程を包含し、ｏが、該確率が０．５である場合における、前記着目領域と該着目領域を含まない前記画像の部分との絞りにおける輝度の差を表し、ｓが、｜ｌｏｇ２ｒＲＯＩ｜＝ｏにおける該式の傾きに比例し、ｒＲＯＩが、該着目領域を含まない該画像の部分における線形性の輝度の平均に対する該着目領域における線形性の輝度の平均の比である、請求項１９に記載の方法。
【請求項２１】
前記工程（Ａ）（４）が、前記平均ヒストグラムから線形性の特徴の値を抽出する工程を包含する、請求項１８に記載の方法。
【請求項２２】
前記工程（Ａ）（４）が、前記平均ヒストグラムから少なくとも１つのモーメントを抽出する工程を包含する、請求項２１に記載の方法。
【請求項２３】
前記工程（Ａ）（４）が、前記平均ヒストグラムから非線形性の特徴の値を抽出する工程を包含する、請求項１８に記載の方法。
【請求項２４】
前記工程（Ａ）（４）が、前記平均ヒストグラムから少なくとも１つのパーセンタイル値を抽出する工程を包含する、請求項２３に記載の方法。
【請求項２５】
特徴の集合から選択された少なくとも１つの特徴の値を画像から抽出する抽出手段であって、該特徴の集合が、該画像のサムネイルと、該画像の輝度チャネルと、該画像におけるアクティブな着目領域と、アクティビティスレッショルドを満たす複数のピクセルを含む該画像の部分集合とから得られた特徴からなる、抽出手段と、
該抽出された特徴の値に基づいて該画像の所望の露出補正を予測する予測手段と、
該予測された露出補正により該画像の露出を補正することにより、露出補正のなされた画像を生成する補正手段と
を備える、画像を処理する装置。
【請求項２６】
前記着目領域が、（１）該領域内のアクティビティの平均が所定の最小アクティビティスレッショルドを超えるという性質と、（２）該領域を含まない前記画像の部分の輝度の平均に対する該領域の輝度の平均の比の対数の絶対値が、該画像内の所定の複数の領域に対するその比の対数の絶対値の中で最大であるという性質とを有する、請求項２５に記載の装置。
【請求項２７】
前記着目領域のベースサイズが前記画像の大きさに比例し、該着目領域の大きさが該ベースサイズに該画像内のアクティビティの平均の測定値を乗じたものに比例する、請求項２５に記載の装置。
【請求項２８】
前記抽出手段が、
前記画像内の前記着目領域を識別する手段と、
アクティビティに対して該画像をスクリーニングすることにより、アクティブな画像を生成する手段と、
該アクティブな着目領域のヒストグラムと該アクティブな画像のヒストグラムとの加重平均として平均ヒストグラムを生成する手段と、
該平均ヒストグラムから特徴の値を抽出する手段とを備える、請求項２５に記載の装置。
【請求項２９】
前記生成する手段が、
前記着目領域が前記画像の所望な露出のシフトに影響を及ぼす可能性を算出する手段と、
前記アクティブな着目領域のヒストグラムと前記アクティブな画像のヒストグラムとに該可能性の重みをつけた平均として前記平均ヒストグラムを生成する手段とを備える、請求項２８に記載の装置。
【請求項３０】
前記算出する手段が、式：
【数２】
を用いて前記確率を算出する手段を備え、ｏが、該確率が０．５である場合における、前記着目領域と該着目領域を含まない前記画像の部分との絞りにおける輝度の差を表し、ｓが、｜ｌｏｇ２ｒＲＯＩ｜＝ｏにおける該式の傾きに比例し、ｒＲＯＩが、該着目領域を含まない該画像の部分における線形性の輝度の平均に対する該着目領域における線形性の輝度の平均の比である、請求項２９に記載の装置。
【請求項３１】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから線形性の特徴の値を抽出する手段を備える、請求項２８に記載の装置。
【請求項３２】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから少なくとも１つのモーメントを抽出する手段を備える、請求項３１に記載の装置。
【請求項３３】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから非線形性の特徴の値を抽出する手段を備える、請求項２８に記載の装置。
【請求項３４】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから少なくとも１つのパーセンタイル値を抽出する手段を備える、請求項３３に記載の装置。
【請求項３５】
画像の露出を調節するシステムに用いられる特徴の集合を選択する方法であって、
（Ａ）特徴の集合を特徴の主集合Ｍにセットする工程と、
（Ｂ）特徴の現集合Ｃをヌル値に初期化する工程と、
（Ｃ）特徴の現集合Ｃをヌル値に初期設定する工程であって、
（１）該特徴の現集合Ｃと特徴Ｆとを特徴の仮集合Ｓにセットし、
（２）集合Ｓを特徴の集合として用いることにより、複数の画像に対してｌｅａｖｅ−ｎ−ｏｕｔ誤差Ｅを算出し、
（３）該誤差Ｅが最小誤差ＥＭＩＮよりも小さい場合において、ＥＭＩＮにＥの値を指定し、変数ＦＭＩＮに特徴Ｆの識別を記録する、工程と、
（Ｄ）ＥＭＩＮがグローバル誤差ＥＧよりも小さい場合において、ＥＧにＥＭＩＮの値を指定し、ＦＭＩＮに記録された該特徴Ｆを該集合Ｃに加え、ＦＭＩＮに記録された該特徴Ｆを該集合Ｍから除去する工程と、
（Ｅ）該集合Ｍが空集合でない場合において、工程（Ｃ）に戻る工程と、
（Ｆ）該集合Ｍが空集合であり、または該ＥＭＩＮの値が該ＥＧの値よりも大きい場合において、該画像の露出を調節するシステムに用いられる特徴の集合として該集合Ｃを選択する工程と
を包含する、方法。
【請求項３６】
画像の露出を調節するシステムに用いられる、特徴の集合を選択する装置であって、
特徴の集合を特徴の主集合Ｍにセットする手段と、
特徴の現集合Ｃをヌル値に初期化する手段と、
反復手段であって
該主集合Ｍの各特徴Ｆに対して、
該特徴の現集合Ｃと該特徴Ｆとを特徴の仮集合Ｓにセットする手段と、
集合Ｓを特徴の集合として用いることにより、複数の画像に対してｌｅａｖｅ−ｎ−ｏｕｔ誤差Ｅを算出する手段と、
該誤差Ｅが最小誤差ＥＭＩＮよりも小さい場合において、ＥＭＩＮにＥの値を指定し、変数ＦＭＩＮに特徴Ｆの識別を記録する手段とを備えた、反復手段と、
ＥＭＩＮがグローバル誤差ＥＧよりも小さい場合において、ＥＧにＥＭＩＮの値を指定し、ＦＭＩＮに記録された該特徴Ｆを該集合Ｃに加え、ＦＭＩＮに記録された該特徴Ｆを該集合Ｍから除去する手段と、
該集合Ｍが空集合でない場合において、該反復手段を作動させる手段と、
該集合Ｍが空集合であり、または該ＥＭＩＮの値が該ＥＧの値よりも大きい場合において、該画像の露出を調節するシステムに用いられる特徴の集合として該集合Ｃを選択する手段と
を備える、装置。
【請求項１】
（Ａ）画像キャプチャ空間のソース画像を非線性の強度空間に変換することにより、第１の変換済み画像を生成する工程と、
（Ｂ）該非線形性の強度空間において該変換済み画像の露出を補正することにより、補正された変換済み画像を生成する工程と、
（Ｃ）該補正された変換済み画像を該画像キャプチャ空間に変換することにより、第２の変換済み画像を生成する工程と
を包含する、ソース画像の露出を補正する方法。
【請求項２】
前記工程（Ｃ）が、
（Ｃ）（１）Ｓ字型の曲線を用いることにより、前記補正された変換済み画像を第３の変換済み画像に変換する工程と、
（Ｃ）（２）ガンマ関数を用いることにより、該第３の変換済み画像を前記第２の変換済み画像に変換する工程とを包含する、請求項１に記載の方法。
【請求項３】
ｉが前記非線形性の強度空間における強度を表し、前記工程（Ｃ）が、
式：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））1／γを用いることにより、前記補正された変換済み画像を前記第２の変換済み画像に変換する工程を包含する、請求項２に記載の方法。
【請求項４】
関数：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γが、前記非線形性の強度空間の強度ｉを前記画像キャプチャ空間におけるグレイレベルに変換し、前記工程（Ａ）が、前記ソース画像のグレイレベルｇに関数Ｔ−１（・）を適用することにより該グレイレベルを変換することによって、変換済み強度を生成する工程を包含する、請求項１に記載の方法。
【請求項５】
前記工程（Ｂ）が、前記変換済み強度に露出オフセットΔｅを加算することにより、シフトされた変換済み強度を生成する工程を包含する、請求項４に記載の方法。
【請求項６】
前記工程（Ａ）〜（Ｃ）が、工程（Ａ）〜（Ｃ）に従って前記画像キャプチャ空間における強度を該画像キャプチャ空間における変換済み強度に変換する少なくとも１つのルックアップテーブルを用いて実行される、請求項１に記載の方法。
【請求項７】
前記少なくとも１つのルックアップテーブルがさらに、前記ソース画像にカラーマッピングを行う、請求項６に記載の方法。
【請求項８】
画像キャプチャ空間のソース画像を非線性の強度空間に変換することにより、第１の変換済み画像を生成する第１の変換手段と、
該非線形性の強度空間において該変換済み画像の露出を補正することにより、補正された変換済み画像を生成する補正手段と、
該補正された変換済み画像を該画像キャプチャ空間に変換することにより、第２の変換済み画像を生成する第２の変換手段と
を備える、ソース画像の露出を補正する装置。
【請求項９】
前記第２の変換手段が、
Ｓ字型の曲線を用いることにより、前記補正された変換済み画像を第３の変換済み画像に変換する手段と、
ガンマ関数を用いることにより、該第３の変換済み画像を前記第２の変換済み画像に変換する手段とを備える、請求項８に記載の装置。
【請求項１０】
ｉが前記非線形性の強度空間における強度を表し、前記第２の変換手段が、
式：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））1／γを用いることにより、前記補正された変換済み画像を前記第２の変換済み画像に変換する手段を備える、請求項９に記載の装置。
【請求項１１】
関数：Ｔ（ｉ）＝（Ａ＋Ｂｔａｎｈ（−ｓ（ｉ＋ｏ）））１／γが、前記非線形性の強度空間の強度ｉを前記画像キャプチャ空間におけるグレイレベルに変換し、前記第１の変換手段が、前記ソース画像のグレイレベルｇに関数Ｔ−１（ｇ）を適用することにより該グレイレベルを変換することによって、変換済み強度を生成する手段を備える、請求項８に記載の装置。
【請求項１２】
前記補正手段が、前記変換済み強度に露出オフセットΔｅを加算することにより、シフトされた変換済み強度を生成する手段を備える、請求項１１に記載の装置。
【請求項１３】
前記第１の変換手段と、前記補正手段と、前記第２の変換手段とが、前記画像キャプチャ空間における強度を該画像キャプチャ空間における変換済み強度にマッピングする少なくとも１つのルックアップテーブルにおいて実現される、請求項８に記載の装置。
【請求項１４】
前記少なくとも１つのルックアップテーブルがさらに、前記ソース画像にカラーマッピングを行う、請求項１３に記載の装置。
【請求項１５】
（Ａ）特徴の集合から選択された少なくとも１つの特徴の値を画像から抽出する工程であって、該特徴の集合が、該画像のサムネイルと、該画像の輝度チャネルと、該画像におけるアクティブな着目領域と、アクティビティスレッショルドを満たす複数のピクセルを含む該画像の部分集合とから得られた特徴からなる、工程と、
（Ｂ）該抽出された特徴の値に基づいて該画像の所望の露出補正を予測する工程と、
（Ｃ）該予測された露出補正により該画像の露出を補正することにより、露出補正のなされた画像を生成する工程と
を包含する、画像を処理する方法。
【請求項１６】
前記着目領域が、（１）該領域内のアクティビティの平均が所定の最小アクティビティスレッショルドを超えるという性質と、（２）該領域を含まない前記画像の部分の輝度の平均に対する該領域の輝度の平均の比の対数の絶対値が、該画像内の所定の複数の領域に対するその比の対数の絶対値の中で最大であるという性質とを有する、請求項１５に記載の方法。
【請求項１７】
前記着目領域のベースサイズが前記画像の大きさに比例し、該着目領域の大きさが該ベースサイズに該画像内のアクティビティの平均の測定値を乗じたものに比例する、請求項１５に記載の方法。
【請求項１８】
前記工程（Ａ）が、
（Ａ）（１） 前記画像内の前記アクティブな着目領域を識別する工程と、
（Ａ）（２） アクティビティに対して該画像をスクリーニングすることにより、アクティブな画像を生成する工程と、
（Ａ）（３） 該アクティブな着目領域のヒストグラムと該アクティブな画像のヒストグラムとの加重平均として平均ヒストグラムを生成する工程と、
（Ａ）（４） 該平均ヒストグラムから特徴の値を抽出する工程とを包含する、請求項１５に記載の方法。
【請求項１９】
前記工程（Ａ）（３）が、
（Ａ）（３）（ａ） 前記着目領域が前記画像の所望な露出のシフトに影響を及ぼす可能性を算出する工程と、
（Ａ）（３）（ｂ） 前記アクティブな着目領域のヒストグラムと前記アクティブな画像のヒストグラムとに該可能性の重みをつけた平均として前記平均ヒストグラムを生成する工程とを包含する、請求項１８に記載の方法。
【請求項２０】
前記工程（Ａ）（３）（ａ）が、式：
【数１】
を用いて前記確率を算出する工程を包含し、ｏが、該確率が０．５である場合における、前記着目領域と該着目領域を含まない前記画像の部分との絞りにおける輝度の差を表し、ｓが、｜ｌｏｇ２ｒＲＯＩ｜＝ｏにおける該式の傾きに比例し、ｒＲＯＩが、該着目領域を含まない該画像の部分における線形性の輝度の平均に対する該着目領域における線形性の輝度の平均の比である、請求項１９に記載の方法。
【請求項２１】
前記工程（Ａ）（４）が、前記平均ヒストグラムから線形性の特徴の値を抽出する工程を包含する、請求項１８に記載の方法。
【請求項２２】
前記工程（Ａ）（４）が、前記平均ヒストグラムから少なくとも１つのモーメントを抽出する工程を包含する、請求項２１に記載の方法。
【請求項２３】
前記工程（Ａ）（４）が、前記平均ヒストグラムから非線形性の特徴の値を抽出する工程を包含する、請求項１８に記載の方法。
【請求項２４】
前記工程（Ａ）（４）が、前記平均ヒストグラムから少なくとも１つのパーセンタイル値を抽出する工程を包含する、請求項２３に記載の方法。
【請求項２５】
特徴の集合から選択された少なくとも１つの特徴の値を画像から抽出する抽出手段であって、該特徴の集合が、該画像のサムネイルと、該画像の輝度チャネルと、該画像におけるアクティブな着目領域と、アクティビティスレッショルドを満たす複数のピクセルを含む該画像の部分集合とから得られた特徴からなる、抽出手段と、
該抽出された特徴の値に基づいて該画像の所望の露出補正を予測する予測手段と、
該予測された露出補正により該画像の露出を補正することにより、露出補正のなされた画像を生成する補正手段と
を備える、画像を処理する装置。
【請求項２６】
前記着目領域が、（１）該領域内のアクティビティの平均が所定の最小アクティビティスレッショルドを超えるという性質と、（２）該領域を含まない前記画像の部分の輝度の平均に対する該領域の輝度の平均の比の対数の絶対値が、該画像内の所定の複数の領域に対するその比の対数の絶対値の中で最大であるという性質とを有する、請求項２５に記載の装置。
【請求項２７】
前記着目領域のベースサイズが前記画像の大きさに比例し、該着目領域の大きさが該ベースサイズに該画像内のアクティビティの平均の測定値を乗じたものに比例する、請求項２５に記載の装置。
【請求項２８】
前記抽出手段が、
前記画像内の前記着目領域を識別する手段と、
アクティビティに対して該画像をスクリーニングすることにより、アクティブな画像を生成する手段と、
該アクティブな着目領域のヒストグラムと該アクティブな画像のヒストグラムとの加重平均として平均ヒストグラムを生成する手段と、
該平均ヒストグラムから特徴の値を抽出する手段とを備える、請求項２５に記載の装置。
【請求項２９】
前記生成する手段が、
前記着目領域が前記画像の所望な露出のシフトに影響を及ぼす可能性を算出する手段と、
前記アクティブな着目領域のヒストグラムと前記アクティブな画像のヒストグラムとに該可能性の重みをつけた平均として前記平均ヒストグラムを生成する手段とを備える、請求項２８に記載の装置。
【請求項３０】
前記算出する手段が、式：
【数２】
を用いて前記確率を算出する手段を備え、ｏが、該確率が０．５である場合における、前記着目領域と該着目領域を含まない前記画像の部分との絞りにおける輝度の差を表し、ｓが、｜ｌｏｇ２ｒＲＯＩ｜＝ｏにおける該式の傾きに比例し、ｒＲＯＩが、該着目領域を含まない該画像の部分における線形性の輝度の平均に対する該着目領域における線形性の輝度の平均の比である、請求項２９に記載の装置。
【請求項３１】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから線形性の特徴の値を抽出する手段を備える、請求項２８に記載の装置。
【請求項３２】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから少なくとも１つのモーメントを抽出する手段を備える、請求項３１に記載の装置。
【請求項３３】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから非線形性の特徴の値を抽出する手段を備える、請求項２８に記載の装置。
【請求項３４】
前記平均ヒストグラムを生成する手段が、該平均ヒストグラムから少なくとも１つのパーセンタイル値を抽出する手段を備える、請求項３３に記載の装置。
【請求項３５】
画像の露出を調節するシステムに用いられる特徴の集合を選択する方法であって、
（Ａ）特徴の集合を特徴の主集合Ｍにセットする工程と、
（Ｂ）特徴の現集合Ｃをヌル値に初期化する工程と、
（Ｃ）特徴の現集合Ｃをヌル値に初期設定する工程であって、
（１）該特徴の現集合Ｃと特徴Ｆとを特徴の仮集合Ｓにセットし、
（２）集合Ｓを特徴の集合として用いることにより、複数の画像に対してｌｅａｖｅ−ｎ−ｏｕｔ誤差Ｅを算出し、
（３）該誤差Ｅが最小誤差ＥＭＩＮよりも小さい場合において、ＥＭＩＮにＥの値を指定し、変数ＦＭＩＮに特徴Ｆの識別を記録する、工程と、
（Ｄ）ＥＭＩＮがグローバル誤差ＥＧよりも小さい場合において、ＥＧにＥＭＩＮの値を指定し、ＦＭＩＮに記録された該特徴Ｆを該集合Ｃに加え、ＦＭＩＮに記録された該特徴Ｆを該集合Ｍから除去する工程と、
（Ｅ）該集合Ｍが空集合でない場合において、工程（Ｃ）に戻る工程と、
（Ｆ）該集合Ｍが空集合であり、または該ＥＭＩＮの値が該ＥＧの値よりも大きい場合において、該画像の露出を調節するシステムに用いられる特徴の集合として該集合Ｃを選択する工程と
を包含する、方法。
【請求項３６】
画像の露出を調節するシステムに用いられる、特徴の集合を選択する装置であって、
特徴の集合を特徴の主集合Ｍにセットする手段と、
特徴の現集合Ｃをヌル値に初期化する手段と、
反復手段であって
該主集合Ｍの各特徴Ｆに対して、
該特徴の現集合Ｃと該特徴Ｆとを特徴の仮集合Ｓにセットする手段と、
集合Ｓを特徴の集合として用いることにより、複数の画像に対してｌｅａｖｅ−ｎ−ｏｕｔ誤差Ｅを算出する手段と、
該誤差Ｅが最小誤差ＥＭＩＮよりも小さい場合において、ＥＭＩＮにＥの値を指定し、変数ＦＭＩＮに特徴Ｆの識別を記録する手段とを備えた、反復手段と、
ＥＭＩＮがグローバル誤差ＥＧよりも小さい場合において、ＥＧにＥＭＩＮの値を指定し、ＦＭＩＮに記録された該特徴Ｆを該集合Ｃに加え、ＦＭＩＮに記録された該特徴Ｆを該集合Ｍから除去する手段と、
該集合Ｍが空集合でない場合において、該反復手段を作動させる手段と、
該集合Ｍが空集合であり、または該ＥＭＩＮの値が該ＥＧの値よりも大きい場合において、該画像の露出を調節するシステムに用いられる特徴の集合として該集合Ｃを選択する手段と
を備える、装置。
【図１Ａ】
【図１Ｂ】
【図１Ｃ】
【図２Ａ】
【図２Ｂ】
【図２Ｃ】
【図３】
【図４】
【図５】
【図６】
【図７Ａ】
【図７Ｂ】
【図７Ｃ】
【図７Ｄ】
【図７Ｅ】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１Ｂ】
【図１Ｃ】
【図２Ａ】
【図２Ｂ】
【図２Ｃ】
【図３】
【図４】
【図５】
【図６】
【図７Ａ】
【図７Ｂ】
【図７Ｃ】
【図７Ｄ】
【図７Ｅ】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公表番号】特表２００６−５１５１３６（Ｐ２００６−５１５１３６Ａ）
【公表日】平成１８年５月１８日（２００６．５．１８）
【国際特許分類】
【出願番号】特願２００５−５１８５８３（Ｐ２００５−５１８５８３）
【出願日】平成１６年２月１９日（２００４．２．１９）
【国際出願番号】ＰＣＴ／ＵＳ２００４／００４９６４
【国際公開番号】ＷＯ２００４／０７７８１６
【国際公開日】平成１６年９月１０日（２００４．９．１０）
【出願人】（５９１１９３３４７）ポラロイド コーポレイション (27)
【Ｆターム（参考）】
【公表日】平成１８年５月１８日（２００６．５．１８）
【国際特許分類】
【出願日】平成１６年２月１９日（２００４．２．１９）
【国際出願番号】ＰＣＴ／ＵＳ２００４／００４９６４
【国際公開番号】ＷＯ２００４／０７７８１６
【国際公開日】平成１６年９月１０日（２００４．９．１０）
【出願人】（５９１１９３３４７）ポラロイド コーポレイション (27)
【Ｆターム（参考）】
[ Back to top ]