相対カラー品質の自然言語評価システム及び方法
【課題】基準及びソース・イメージの間の相対カラー品質の客観的評価の自然言語を提供する。
【解決手段】カラー変換器１１０が基準イメージ及びソース・イメージの間の差測定値を受け、差測定値に基づいてカラー・アトリビュート変化を求める。カラー・アトリビュートは、例えば、色相シフト、彩度変化、カラー多様性を含む。マグニチュード・インデックス・ファシリティ１２０は、求めたカラー・アトリビュート変化のマグニチュードを求める。自然言語選択器１３０は、カラー・アトリビュート変化及びこの変化のマグニチュードを自然言語に割り当て、カラー・アトリビュート変化及びこの変化のマグニチュードのレポートを行う。出力は、テキスト又はオーディオ形式若しくはテキスト及びオーディオ形式の両方にてユーザに伝達される。
【解決手段】カラー変換器１１０が基準イメージ及びソース・イメージの間の差測定値を受け、差測定値に基づいてカラー・アトリビュート変化を求める。カラー・アトリビュートは、例えば、色相シフト、彩度変化、カラー多様性を含む。マグニチュード・インデックス・ファシリティ１２０は、求めたカラー・アトリビュート変化のマグニチュードを求める。自然言語選択器１３０は、カラー・アトリビュート変化及びこの変化のマグニチュードを自然言語に割り当て、カラー・アトリビュート変化及びこの変化のマグニチュードのレポートを行う。出力は、テキスト又はオーディオ形式若しくはテキスト及びオーディオ形式の両方にてユーザに伝達される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、一般に、画像品質分析に関し、特に、自然言語を用いて基準イメージ及びソース・イメージの間の相対カラー品質の評価を行うシステムに関する。
【背景技術】
【０００２】
ビデオは、しばしばオリジナルのビデオ・ストリームから変調ビデオ・ストリームに変化される。変化の要因は、変調ビデオ・ストリームが伝送されるターゲット媒体の帯域幅にしばしば関連するが、ビデオの変調には種々の理由がある。ビデオを処理する他の理由には、例えば、編集、圧縮及び復元、再フォーマット、ビデオ挿入及びオーバーレイ、伝送エラーの最小化、異なる表示用のカラー変調がある。
【０００３】
ビデオ業界は、変調ビデオのカラー再現の限界に直面している。すなわち、ビデオ業界は、結果として生じるビデオが許容される標準を定めている。規則正しく現れる１つの問題は、オリジナルのビデオから変調ビデオへのカラー・シフト（色ずれ）である。カラー・シフトは、ほとんどのビデオ処理にて一般的であり、また、カラーの判断が生理学に基づくので必然的に主観となるため、経験的に評価するのが困難である。
【０００４】
カラーのかかる問題のある変化を検出する従来方法は、次のａ〜ｅのいずれかが必要である。すなわち、ａ）ビデオの前後の直接観察であるが、これには、時間がかかり、しばしばビデオ・ソースの前後の両方を同時に観察することができない。ｂ）解釈するために熟練した操作者を必要とするベクトルスコープ又は「カラー」を用いるが、その場合にも、ヒューマン・ビジョン（人間の視覚）モデル・アスペクトの不足のために操作者がミスをするかもしれない、即ち、カラーの輝度が足らないためにベクトルスコープ上で黒がしばしば明るいカラーとして現れる。ｃ）「カラー」（ＹＵＶのＵＶ又はＲＧＢベース）のピーク信号対ノイズ比（ＰＳＮＲ）自動化測定であるが、ベクトルスコープでの問題解決のように、ヒューマン・ビジョン・モデル・アスペクトの不足による課題をある。ｄ）テクトロニクス社製ＰＱＡ３００型品質アナライザの如きヒューマン・ビジョン・モデル形式のビデオ品質分析製品は、カラーでの知覚が可能なチャンスが生じるかを判断できるが、特定の観察条件に対するいくつかの場合においては、たとえカラーが異なって現れても、カラーがどの様に異なるかを正確に予測するのに必要である重要な調節メカニズムの多くが不足している。ｅ）動画カラー状況モデル（ＭＩＣＡＭ：Moving Image Color Appearance Model）の如く進歩したヒューマン・ビジョン・モデル技術を用いる。なお、この技術は、２００９年１２月１０日出願の米国特許出願第１２／６３５４５６号（米国特許出願公開第２０１０／０１４９３４４号明細書）「ビデオ品質評価予測のための動画カラー状況モデルを実現する方法及び装置」（特開２０１０−１４１８９７号に対応）に記載されている。しかし、熟練していない操作者にとってはＭＩＣＡＭの出力を解釈するのが困難であり、また、変調ビデオのいくつかの区別を正しく認識することは専門家でも困難である。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２０１０−１４１８９７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
そこで、本発明は、従来技術の上述及びその他の制限を解決するものである。
【課題を解決するための手段】
【０００７】
本発明の態様は、以下の通りである。
（１）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価するシステムであって；上記基準イメージ及び上記ソース・イメージの間の差測定値（差の測定値）を受けると共に、上記差測定値に基づいてカラー・アトリビュート変化を求めるカラー変換器と；求めた上記カラー・アトリビュート変化のマグニチュード（大きさ）を求めるマグニチュード・インデックス・ファシリティ（手段）と；上記カラー・アトリビュート変化及び該カラー・アトリビュート変化の上記マグニチュードに関する自然言語のレポートを発生する自然言語選択器と；上記自然言語のレポートを上記システムのユーザに伝達する出力モジュールとを具えている。
（２）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記カラー変換器が色相シフト決定ファシリティ（手段）であり、上記カラー・アトリビュート変化が上記基準イメージ及び上記ソース・イメージの間の色相シフトである。
（３）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記カラー変換器が彩度（飽和）決定ファシリティ（手段）であり、上記カラー・アトリビュート変化が上記基準イメージ及び上記ソース・イメージの間の彩度差である。
（４）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記カラー変換器がカラー変動決定ファシリティ（手段）であり、上記カラー・アトリビュート変化が上記基準イメージ及び上記ソース・イメージの間のカラー多様性変動である。
（５）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記出力モジュールは、上記自然言語のレポートを受けると共に上記システムのユーザにオーディオのレポートを発生する音声合成モジュールである。
（６）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；ユーザ入力を受けて、上記評価に含まれる上記基準イメージ及び上記ソース・イメージの部分の境界を定める関心領域選択器を更に具える。
（７）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様６のシステムであって；上記関心領域選択器が空間選択器である。
（８）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様６のシステムであって；上記関心領域選択器が時間選択器である。
（９）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記基準イメージ及び上記ソース・イメージの各々がビデオ・イメージである。
（１０）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する方法であって；上記基準イメージ及び上記ソース・イメージの間のカラー比較差の測定値（カラーを比較した結果の差の測定値）の入力を受け；上記カラー比較差の測定値を２次元カラー空間差（２次元カラー空間での差）に変換し；上記２次元カラー空間内で上記差に基づいてカラー・アトリビュート変化を求め；上記カラー・アトリビュート変化のマグニチュードを求め；上記カラー・アトリビュート変化のマグニチュードを自然言語ワードの集合の１つに割り当て；上記割り当てたマグニチュード及び上記２次元カラー空間差から上記自然言語での評価を行い、上記自然言語での評価を出力する。
（１１）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間がＣＩＥＣＡＭ０２と一致する。
（１２）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間内の上記差に基づくカラー・アトリビュート変化を求めることは、上記基準イメージ及び上記ソース・イメージの間の色相シフトを求めることである。
（１３）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間内の上記差に基づくカラー・アトリビュート変化を求めることは、上記基準イメージ及び上記ソース・イメージの間の彩度測定値を求めることである。
（１４）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間内の上記差に基づくカラー・アトリビュート変化を求めることは、上記基準イメージ及び上記ソース・イメージの間のカラー変動測定値を求めることである。
（１５）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；更に、上記基準イメージ及び評価対象試験イメージの各々の関心領域を選択する。
（１６）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；更に、上記自然言語評価の音声レポートを発生する。
【図面の簡単な説明】
【０００８】
【図１】本発明の実施例による自然言語評価システムのブロック図である。
【図２】ＣＩＥＣＡＭ０２標準によるカラー記述のための２次元フレームワークの従来図である。
【図３】図１の自然言語発生器システムの構成要素を例示する実施例のブロック図である。
【図４】本発明の実施例により自然言語にて色相シフト及びレンダリングを測定する処理例の流れ図である。
【図５】本発明の実施例により自然言語にて彩度シフト及びレンダリングを測定する処理例の流れ図である。
【図６】本発明の実施例により自然言語にてカラー多様性及び／又はカラー変動並びにレンダリングを測定する処理例の流れ図である。
【発明を実施するための形態】
【０００９】
本発明の概念においては、基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価するシステムを提供する。このシステムは、カラー変換器を含んでおり、このカラー変換器は、基準イメージ及びソース・イメージの間の差の測定値を受け、この差測定値に基づいてカラー・アトリビュートの変化を求める。カラー・アトリビュートは、例えば、色相シフト、彩度変化、カラー変動を含んでいる。よって、マグニチュード・インデックス・ファシリティは、求めたカラー・アトリビュート変化のマグニチュードを求める。さらに、自然言語選択器は、カラー・アトリビュート変化及びこの変化のマグニチュードを自然言語に割り当て、カラー・アトリビュート変化及びこのカラー・アトリビュート変化のマグニチュードのレポートを発生する。次に、この出力は、テキスト又はオーディオのいずれかの形式、又はテキスト及びオーディオの両方の形式でユーザに伝達される。
【００１０】
本発明の他の概念においては、基準イメージ及びソース・イメージの間の相対カラー品質の評価を自然言語で提供する。これら方法は、基準イメージ及びソース・イメージの間のカラーを比較した差の測定値を受け、このカラー比較差測定値を２次元カラー空間での差に変換する。この差から、カラー・アトリビュートの変化を求め、このカラー・アトリビュート変化とそのマグニチュードとを自然言語ワードの集合に割り当てて、この比較によるユーザ用レポートを発生する。
【実施例】
【００１１】
図１は、本発明の実施例による自然言語評価システム１０のブロック図である。
【００１２】
変調又は処理済みビデオと未処理ビデオとの関係を人間が観察するために、ビデオの全体的な印象は、次の１〜３に要約できる。１）増加した飽和又は非飽和の如きカラー彩度の変化。２）カラーの色相の全体的なシフトであるが、一般的には白のシフトが最も明瞭になる（即ち、より緑又はよりマゼンタ／紫を帯びた白の如く、異なるカラー温度又は色合いの変化）。３）彩度の変化と色相における全体的なシフトとの組合せ。本発明の実施例は、かかる比較を自然言語で表す出力を発生する。これにより、変調ビデオの評価の際に、ビデオ作成担当者が一層容易に比較結果を使用できる。
【００１３】
自然言語評価システム１０は、上述のＭＩＣＡＭの例１２を含んでいる。ＭＩＣＡＭ１２において、夫々一連のイメージでもよい試験イメージ（ソース・イメージ）及び基準イメージが、オプションである別々のフォーマット変換器２０、２１への入力として受信される。フォーマット変換器２０、２１は、入力を表示モジュール（モデル）２４、２５用のフォーマットに変換する。次に、これら表示モジュール２４、２５は、夫々の入力を変換して、ビュー・モデル手段２８、２９及び知覚モデル手段３０、３１の各々の入力用に光をシミュレーションする。知覚モデル手段３０、３１の各々は、ＣＩＥＣＡＭ０２｛ａ，ｂ｝の単位で、空間的（例えば、ピクセル）及び時間的（例えば、フレーム）のサンプル毎に各カラー応答を出力する。ＣＩＥＣＡＭ０２は、ＣＩＥテクニカル・コミティー８−０１が２００２年に発行した周知のカラー・マネージメント・システム用カラー・アピアランス・モデリングである。知覚差予測手段４０は、これら各｛ａ，ｂ｝ビデオ応答を用いて、基準イメージ（単数／複数）及び変調（試験）イメージ（単数／複数）の間の知覚した差を見積る。
【００１４】
知覚モデル手段３０、３１の他に、テクトロニクス社製ＰＱＡ５００／６００型品質アナライザの如き認知モデル手段をシステムに追加することができる。イメージ内の関心領域を選択器４２により選択できる。この関心領域は、空間又は時間のいずれか若しくは空間及び時間の両方における領域でもよい。いくつかの実施例において、ディフォルトの関心領域は、試験イメージ及び基準イメージの全長にわたる全フレーム（単数／複数）である。ＭＩＣＡＭ１２の出力は、図１に示すように、統計的概要手段４４の出力である。この統計的概要手段４４は、選択器４２の出力を受け、試験イメージ（単数／複数）及び基準イメージ（単数／複数）の間における比較の１組の統計的概略を出力する。国際的な標準は、静的なイメージ・カラー・パッチ用の推奨カラー・モデリングを実現するが、ビデオに十分正確なカラー視覚モデルを作る基本としてＣＩＥＣＡＭ０２を用いる。ＣＩＥＣＡＭ０２をデザインし、校正し、確認して、色差のしきい値、方向及びマグニチュード（大きさ）を決定する。
【００１５】
しかし、上述の米国特許出願公開第２０１０／０１４９３４４号明細書に記載された如く、ＭＩＣＡＭの最終出力は、（ＰＱＲ、即ち、ピクチャ品質評価、予測に加えて）差平均オピニオン・スコア（ＤＭＯＳ：Difference Mean Opinion Score）の如きビデオ品質概要スコアを予測するように設計されている。ＭＩＣＡＭ１２が試験イメージ（単数／複数）及び基準イメージ（単数／複数）用のＣＩＥＣＡＭ０２カラー空間での｛ａ，ｂ｝座標を作成し、次に、ＤＭＯＳ及びＰＱＲメトリクス（尺度）以上に試験及び基準の色差の統計的分析を潜在的にエネーブルするが、これは、ユーザに価値のあるカラーの直接的評価を直接的に伝達しない。
【００１６】
図２は、ＣＩＥＣＡＭ０２標準によりカラーを記述するための２次元フレームワークの従来の図である。図２に示す如き直角座標にＣＩＥＣＡＭ０２のＬａｂを示す。フレームワーク８０は、「ａ」軸に沿って「赤色がかった」から「緑色がかった」を記述すると共に、「ｂ」軸に沿って「黄色がかった」から「青色がかった」を記述する。｛ａ，ｂ｝面と垂直な軸は、ルミナンスを記述する。「ａ」及び「ｂ」の両方の軸は、正方向及び負方向に延びる。「ａ」軸及び「ｂ」軸の合流点である原点からある角度で延びる｛ａ，ｂ｝面でのライン上でカラーを記述する。このラインに沿うカラーは、異なる彩度（飽和）レベルにある。しかし、ＣＩＥＣＡＭ０２は、他のカラーに侵入する前に、任意の特定のカラー・ゾーンがどのくらい広いかについて、許容誤差のせいにしない。また、ＣＩＥＣＡＭ０２が個別のカラーの彩度を求める方法を含んでいるが、これは、多数のカラーの傾向を扱うのでもなく、カラー変化の自然言語で評価するのでもない。
【００１７】
再び図１を参照する。ＭＩＣＡＭ１２の出力が自然言語生成システム５０に入力する。この自然言語生成システム５０は、後述のように、データの種々の処理を行い、色相の分類と、最上の量子化と、増加対減少指示とのために入力データをしきい値と比較する。更に図を参照して、詳細及び実例を説明する。
【００１８】
図３は、図１の自然言語生成システム５０の構成要素の実施例１００のブロック図である。図３の自然言語生成システム１００は、カラー変換器としてのアトリビュート測定部１１０を含んでおり、このアトリビュート測定部１１０は、３個のサブシステムを含んでいる。これらサブシステムは、色相測定ファシリティ（色相シフト決定ファシリティ）１１２と、彩度測定ファシリティ（彩度決定ファシリティ）１１４と、カラー多様性／変動測定ファシリティ（カラー変動決定ファシリティ）１１６とである。これらファシリティ（手段）１１２、１１４、１１６は、図１のＭＩＣＡＭ１２から入力を受けて、出力を発生する。
【００１９】
色相測定ファシリティ１１２は、基準イメージからの試験イメージの色相シフト（図１）の測定値を発生する。
【００２０】
［総合色相シフト］
色相測定ファシリティ１１２は、試験及び基準差データ｛ａ，ｂ｝の平均（平均値の差、又は差値の平均の好適実施例のいずれか）である{mean aDiff, mean bDiff}をＭＩＣＡＭ１２の出力から得て、総合色相シフトを求める。色相シフト角度は、ＣＩＥＣＡＭ０２色相角度関数ｈ（ａ，ｂ）を用いて計算する。
平均色相差角度＝h(mean aDiff, mean bDiff)
＝atan(mean bDiff, mean aDiff)
ここで、atan関数は、図２の｛ａ，ｂ｝グラフの４象限全て（即ち、０度から３６０度）の通じての固有の角度を計算する。これを図４の流れ４００の処理４１０として示す。
【００２１】
次に、処理４２０にて、平均色差角度又は色相角度をカージナル（基本）カラーの限界と比較する。これは、１９８９年発行のカラー・リサーチ・アンド・アプリケーション１４（１）の６−１５のアール・エム・ボイントン、アール・イー・マクロウリィ及びケイ・ウチカワによる論文「２つの方法により計算したカラー・カテゴリーのセントロイド（Centroids of Color Categories Computed by Two Methods）」（以下、単に「ボイントン論文」という）に記載の如く、知覚増分カラー空間に等しいオプティカル・ソサイエティ・オブ・アメリカ（Optical Society of America：ＯＳＡ）のｇｊＬ（包括的なイメージ・ライブラリ：generic image library）に基づいて発生される如きものである。
【００２２】
より詳細には、このボイントン論文及び類似の論文からのデータに基づいて、色相の変化を記述するカージナル色相と共に各カージナル色相の最大色相角度を求める。使用したこれら論文は、異なる文化及び対応する異なる言語のネイティブ・スピーカの影響を受けているが、ボイントン論文は、主に英語及び日本語を母国語とする人々に焦点を合わせ、根本的に基本カラーの分類が存するカラー空間の広い部分を識別する。例えば、ボイントン論文は、ＯＳＡ（Optical Society of America）ｇｊＬカラー空間におけるピンク、赤、茶色、オレンジ、黄色、緑、青及び紫のプロットを含んでいる。茶色は、赤及びオレンジと色相角度にて充分に一致するので（Ｌ軸で表す明るさ／ルミナンスにより主に区別する）、用いない。これは、ピンク、赤、茶色、オレンジ、黄色、緑、青及び紫をカージナル・カラーとして残す。連続的なカージナル・カラーの間のカラーは、対応する名称の間にハイフォン又はスラッシュを付けて系統的に名付けることができる。例えば、緑及び黄色の領域の間にあるカラーは、「緑黄色」又は「緑／黄色」と呼ぶ。
【００２３】
ボイントン論文のカージナル・カラーの境界は、ＯＳＡカラー空間にわたってカラーを完全にサンプリングし、カージナル・カラー分類にて各々を分類することにより識別される（又は行わない）。各カージナル・カラー分類の１組のカラーは、ＯＳＡのｇｊＬからｘｙＹに変換され、更に、ＣＩＥＣＡＭ０２ドキュメントに要約された方法を用いてＣＩＥＣＡＭ０２｛ａｂ｝空間及び対応する色相角度ｈ（ａ，ｂ）に変換される。
【００２４】
ＣＩＥ１９３１ｘｙＹカラー空間を含むＣＩＥの総合的なカラー空間及び色差モデル（多くの写真／スペクトラム分析製品における現在の共有／標準）は、Ｌｕｖ、Ｌａｂを含むＣＩＥからの多くの改良（ＣＩＥＣＡＭ０２を含む）と、ＣＩＥ色差モデルとを含む。これらの多くは、数百から数千のカラー名称のエントリとカラー空間座標への割り当てとの関連テーブル（表）を有する。カラー空間座標の一部として準命名規則を用いる１つのカラー空間は、マンセル表色尺度である。これは、米国ニューヨークのジョン・ウィリー・アンド・サンズが１９８２年に出版したガンター・ウズテッキ及びダブリュ・エス・スタイルズによる定量的データ及び公式集の第２版「カラー・サイエンス：概念及び方法」に記載のように、ＣＩＥｘｙＹに割り当てる例である。しかし、これら技術／標準には、上述のＰＱＡ及びＭＩＣＡＭシステムの如くビデオを直接評価するのに使用できるものがない。さらに、ＰＱＡ及びＭＩＣＡＭシステムの出力は、フレーム毎のピクチャ毎に標準ユニットを用いる（即ち、空間及び時間でのロケーション当たり、出力ユニットが夫々ＣＩＥ｛ｕ，ｖ｝及びＣＩＥＣＡＭ０２｛ａ，ｂ｝である）。一方、カラー名称への割り当ては、総合カラー・シフト分析に対して用いるには特殊であり、他の言語にうまく翻訳できない特定文化の言語を用いる傾向がある。また、ボイントン論文のように分類するのと一緒に、カラーのオピニオンを形成するときに、カラー量子化が行われる点を考慮していない。
【００２５】
再び図４を参照する。処理４２０は、カラー比較及び量子化を示しており、表１（色相カラー）を参照してこの実施例を説明する。表１は、図２に示すＣＩＥＣＡＭ０２｛ａ，ｂ｝空間を用いて最大及び最小の角度により測定されたカージナル・カラーの決定済み境界である。表１の如きテーブルは、色相測定ファシリティ１１２内の、又はこのファシリティ１１２に結合された色相テーブル１１３として蓄積できる。
【００２６】
【表１】
【００２７】
図４の処理４３０にて、これらカージナル色相角度を、処理４１０で求めた色相角度と比較して、この色相をカージナルの１つ、即ち、「中間カージナル」色相に量子化する。連続したカージナル・カラーの間のカラーは、対応する名称の間にハイフォン又はスラッシュを用いて系統的に命名できる。例えば、緑及び黄色の間にあるカラーを「緑黄色」又は「緑／黄色」と呼ぶ。よって、色相分類を確立できる。
【００２８】
再び図３を参照する。色相分類は、後述の彩度測定及びカラー多様性の測定とは別に、マグニチュード決定器（マグニチュード・インデックス・ファシリティ）１２０に進む。
【００２９】
各カージナル・カラーの領域内のカラーの重心（centroid）に対して{mean aDiff, mean bDiff}のベクトル長を正規化し、ＣＩＥＣＡＭ０２｛ａ，ｂ｝に変換されたボイントン論文からのデータを再び用い、上述と同様な方法を用いて、カラー変化の相対マグニチュードを求めることができる。正規化に用いる基準マグニチュードを表２（対向する色相カラー）に示すが、これは、マグニチュード・テーブル１２１のように、マグニチュード決定器１２０内に含むことができる。
【００３０】
【表２】
【００３１】
［例１］
例１は、次のようになる。
角度:=13
mag:=赤0.12
refMag:=赤
relMag:=mag/refMag
relMag=0.12
なお、magがマグニチュード、refMagが基準マグニチュード、relMagが相対マグニチュードを夫々表す。
【００３２】
例えば、色差角度が１３に決まり表１から「赤」になると、対向色相が表２から「緑青」になる。さらに、マグニチュードが上述の式に示すように０．１２と求まる。この処理を図４の処理４４０に示す。
【００３３】
カラーの変化の正規化したマグニチュードをマグニチュード決定器１２０から自然言語選択器１３０に渡して、色相及び対向色相の両方に対する分類量子化の１組のしきい値に応じて、自然言語テーブル１３１から適切な量的最上ワード（語）又はフレーズ（句）を選択する。これを図４の処理４５０に示す。
【００３４】
特定の色彩シフトしきい値用の自然言語テーブルの例を表３（最上のしきい値及び量子化ビン）に示す。
【００３５】
【表３】
【００３６】
色相、対向色相及び最上が図３の色相測定ファシリティ１１２、マグニチュード決定器１２０及び自然言語選択器１３０により夫々求まると、基準イメージ（単数／複数）の色相を試験イメージ（単数／複数）と比較する自然言語センテンス（文）が次のように自然言語選択器１３０により発生する。
【００３７】
全体的に、ビデオは、｛色相｝（｛最上２｝）より大きく｛対向する色相｝よりも小さい｛最上１｝に見える。
これは、上述の例１からのデータを用いて次のようになる。
「全体的に、ビデオは、赤よりも幾分大きく（青緑よりも幾分小さく）見える。」
これを図４の処理４６０に示す。その処理結果を出力モジュールにより出力する。
【００３８】
［飽和の総合変化］
図３及び図５を参照して、彩度測定ファシリティ１１４（図３）の機能を説明する。
【００３９】
彩度測定ファシリティ１１４（図３）は、ＭＩＣＡＭ１２（図１）から試験及び規準の絶対値の平均{mean(|a|), mean(|b|)}を受け、これを用いて、基準イメージ（単数／複数）及び試験イメージ（単数／複数）の間の総合彩度（飽和）変化を求める。
【００４０】
まず、これらの各値の試験及び基準の間の差を次のように求めるが、これを図５の例示する流れ５００の処理５１０に示す。
diffOfMeanAbs_a = meanAbsTest_a - meanAbsRef_a
なお、diffOfMeanAbs_a（ａの絶対値の平均の差）は、図１の「mean Abs(a)Diff」（絶対値ａの差の平均）に対応する。また、meanAbsTest_aが試験ａの絶対値の平均を表し、meanAbsRef_aが基準ａの絶対値の平均を表す。動作にて平均と差を求める順序は交換可能であるが、ａ又はｂの絶対値を求めることが最初である点に留意されたい。
【００４１】
図５の処理５２０にてdiffOfMeanAbs_a及びdiffOfMeanAbs_bの各々の絶対値を夫々用い、分類量子化用の１組のしきい値に応じて、自然言語テーブル１３１（図３）から適切な量的な最上のワード又はフレーズを選択する。ここで、各符号を用いて、「より大きい」又は「より小さい」の間で選択する。
【００４２】
［例２］
例２は、次のようになる。次の値
meanAbsTest_a:=0.1
meanAbsRef_a:=0.11
meanAbsTest_b:=0.08
meanAbsRef_b:=0.1
が彩度測定ファシリティ１１４に入力すると、
diffOfMeanAbs_a: = meanAbsTest_a - meanAbsRef_a = -0.01
diffOfMeanAbs_b: = meanAbsTest_b - meanAbsRef_b = -0.02
となる。
【００４３】
まず、図５の処理５１０で説明するように、試験イメージ（単数／複数）及び基準イメージ（単数／複数）の間の距離（差）を上述のように求める。次に、処理５２０において、各距離の量子化ビンを求める。これは、どのインデックス値がdiffOfMeanAbs_a及びdiffOfMeanAbs_bの各々に対応するかを求めることを意味する。両方の距離を同じビン（テーブル３の同じしきい値レベル）に量子化すると、図３の自然言語選択器１３０は、図５の処理５３０及び５４０に示す如き特定の条件を記述するために次のテキストを発生する。
総合的に、ビデオ・カラーは、｛最上１｝｛飽和／非飽和より大きい｝に見える。
これは、例２からのデータを用いて、
「総合的に、ビデオ・カラーは、わずかに非飽和に見える」となる。この処理５４０の処理結果を出力モジュールにより出力する。
【００４４】
［例３］
例３は、次のようになる。
以下の値
meanAbsTest_a:=0.3
meanAbsRef_a:=0.11
meanAbsTest_b:=0.08
meanAbsRef_b:=0.1
が彩度測定ファシリティ１１４に入力すると、
diffOfMeanAbs_a := meanAbsTest_a - meanAbsRef_a = 0.19
diffOfMeanAbs_b := meanAbsTest_b - meanAbsRef_b =- 0.02
となる。
【００４５】
ここでは、例２と異なり、「ａ」及び「ｂ」用の量子化ビンがテーブル３により異なっているとき、図３の自然言語選択器１３０が次のテキストを発生する。
総合的に、ビデオは、｛最上１｝｛より飽和／非飽和｝赤及び／又は緑と、｛最上２｝｛より飽和／非飽和｝青及び／又は黄色とを有する。
これは、例３からのデータを用いて、次のようになる。
総合的に、ビデオは、｛最上１｝｛より飽和／非飽和｝赤及び／又は緑と、｛最上２｝｛より飽和／非飽和｝青及び／又は黄色とを有する。
これは、例３からのデータを用いて、
「総合的に、ビデオは、目立つ、より飽和の赤及び／又は緑と、わずかに非飽和の青及び／又は黄色とを有する」となる。
【００４６】
［カラー多様性／変動における総合変化］
カラー多様性／変動測定ファシリティ１１６（図３）は、ＭＩＣＡＭ１２の出力から試験及び基準イメージ（単数／複数）の標準偏差を求める。
まず、図６に示す流れ６００の処理６１０に示すように、試験イメージ（単数／複数）の標準偏差（stdevTest_a）及び基準イメージ（単数／複数）の標準偏差（stdevRef_a）の間の差（diffStdev_a）を次のように求める。
diffStdev_a = stdevTest_a - stdevRef_a
ここで、diffStdev_aは、図１のstdev(a)Diffに対応する。
【００４７】
次に、diffStdev_a及びdiffStdev_bの各々の絶対値を夫々用いて、例えば、分類量子化用の１組のしきい値に応じて、図３の自然言語テーブル１３１から適切な量的最上ワード又はフレーズを選択する。図３の自然言語選択器１３０は、比較の各符号を用いて、「より大きい」又は「より小さい」の間の選択を行う。
【００４８】
以下の例は、自然言語への総合色相シフト測定変換の方法を更に示す。
【００４９】
［例４］
例４は、次のようになる。
次の値
stdevTest_a:=0.1
stdevRev_a:=0.11
stdevTest_b:=0.08
stdevRev_b:=0.1
をカラー多様性／変動測定ファシリティ１１６に入力すると、
diffStdev_a := stdevTest_a - stdevRef_a = -0.01
diffStdev_b := stdevTest_b - stdevRef_b = -0.02
となる。
【００５０】
diffStdev_a及びdiffStdev_bの各々の標準偏差での差を自然言語テーブル１３１（図３）内のしきい値と比較して、各値の対応量子化ビンを選択する。
【００５１】
diffStdev_a及びdiffStdev_bの両方が同じ値に量子化をすると、図６の処理６３０及び６４０に示すように、図３の自然言語選択器１３０は、特定の条件を記述するために次のテキストを発生する。
総合的に、ビデオは、｛最上１｝｛より大きい／より小さい｝から多様性を有する。
これは、例４において、diffStdev_a及びdiffStdev_bが共にビン１に量子化されるので、
「総合的に、ビデオは、わずかに小さいカラー多様性を有する」
となる。この処理６４０の処理結果を出力モジュールにより出力する。
【００５２】
［例５］
例５は，次のようになる。
次の値
stdevTest_a:=0.3
stdevRev_a:=0.11
stdevTest_b:=0.08
stdevRev_b:=0.1
がカラー多様性／変動測定ファシリティ１１６に入力すると、
diffStdev_a := stdevTest_a - stdevRef_a = -0.19
diffStdev_b := stdevTest_b - stdevRef_b = -0.02
となる。
【００５３】
diffStdev_a及びdiffStdev_bの各々の標準偏差での差を自然言語テーブル１３１（図３）内のしきい値と比較して、各値の対応量子化ビンを選択する。
【００５４】
diffStdev_a及びdiffStdev_bの両方が異なる値に量子化されると、図６の処理６３０及び６４０にて特定条件を記述するために、図３の自然言語選択器１３０は、次のテキストを発生する。
総合的に、ビデオは、赤及び／又は緑での｛最上１｝｛より大きい／より小さい｝多様性と、青及び／又は黄色での｛最上２｝｛より大きい／より小さい｝多様性とを有する。
これは、例５において、diffStdev_aがビン２に量子化され、diffStdev_bがビン１に量子化されるので、
「総合的に、ビデオは、赤及び／又は緑にて目立つより大きい多様性と、青及び／又は黄色にてわずかに小さい多様性とを有する」
となる。
【００５５】
再び図１及び図３を参照する。上述では、出力モジュールがテキストに書いた自然言語を発生する例を説明したが、本発明の別の実施例では、出力モジュールとして音声モジュール６０、１４０を追加的に含んでいる。音声モジュール（音声合成モジュール）６０及び１４０は、音声プロセッサを含んでおり、この音声プロセッサは、自然言語生成システム５０、自然言語選択器１３０からの自然言語評価を受けて、この評価のオーディオ・メッセージを発生する。これら実施例は、テキスト・メッセージを読取るのが不便ないくつかの場合に重要である。例えば、ビデオ・エディタは、ビデオを観察しながら、変調されたビデオを実時間で編集できる一方、本発明の実施例は、測定したアトリビュートの音声プロンプト（指示メッセージ）を実時間で周期的に提供する。この方法にて、ビデオ・エッジは、操作者の目線が処理済みビデオ・ストリームに集中できるようにし、編集処理期間中に変化するカラー・アトリビュートのレポートを操作者が読む必要もなく、オリジナル・ビデオを調べる必要もない。
【００５６】
上述の如く、本発明の実施例は、基準及びソース（試験）イメージの間の相対カラー品質の自然言語の客観的な評価を行うシステムを含む。このシステムは、カラー変換器を含んでおり、このカラー変換器は、基準イメージ及びソース・イメージの間の差測定値を受けて、この差測定値に基づいてカラー・アトリビュート変化を求める。カラー・アトリビュートは、例えば、色相シフト、彩度変化及びカラー変動を含んでいる。さらに、マグニチュード・インデックス・ファシリティは、求めたカラー・アトリビュート変化のマグニチュードを求める。さらに、自然言語選択器は、カラー・アトリビュート変化と、この変化のマグニチュードを自然言語に割り当て、カラー・アトリビュート変化とこのカラー・アトリビュート変化のマグニチュードとのレポートを行う。この出力は、テキスト又はオーディオ形式で、若しくはテキスト及びオーディオの両方の形式でユーザに伝達される。
【００５７】
本発明の特定実施例について上述したが、本発明の要旨がこれら実施例に限定されないことは明らかである。本発明の要旨を逸脱することなく種々の変形変更が可能である。
【符号の説明】
【００５８】
１０ 自然言語評価システム
１２ ＭＩＣＡＭ
２０、２１ フォーマット変換器
２４、２５ 表示モジュール
２８、２９ ビュー・モデル
３０、３１ 知覚モデル
４０ 知覚差予測手段
４２ 関心領域選択器
４４ 統計的概要手段
５０ 自然言語生成システム
６０ 音声（合成）モジュール（出力モジュール）
８０ フレームワーク
１００ 自然言語生成システム
１１０ アトリビュート測定部（カラー変換器）
１１２ 位相測定ファシリティ（位相シフト決定ファシリティ）
１１３ 色相テーブル
１１４ 彩度測定ファシリティ（彩度決定ファシリティ）
１１５ 彩度テーブル
１１６ カラー多様性／変動測定ファシリティ（カラー変動決定ファシリティ）
１１７ カラー・テーブル
１２０ マグニチュード決定器（マグニチュード・インデックス・ファシリティ）
１２１ マグニチュード・テーブル
１３０ 自然言語選択器
１３１ 自然言語テーブル
１４０ 音声モジュール（出力モジュール）
【技術分野】
【０００１】
本発明は、一般に、画像品質分析に関し、特に、自然言語を用いて基準イメージ及びソース・イメージの間の相対カラー品質の評価を行うシステムに関する。
【背景技術】
【０００２】
ビデオは、しばしばオリジナルのビデオ・ストリームから変調ビデオ・ストリームに変化される。変化の要因は、変調ビデオ・ストリームが伝送されるターゲット媒体の帯域幅にしばしば関連するが、ビデオの変調には種々の理由がある。ビデオを処理する他の理由には、例えば、編集、圧縮及び復元、再フォーマット、ビデオ挿入及びオーバーレイ、伝送エラーの最小化、異なる表示用のカラー変調がある。
【０００３】
ビデオ業界は、変調ビデオのカラー再現の限界に直面している。すなわち、ビデオ業界は、結果として生じるビデオが許容される標準を定めている。規則正しく現れる１つの問題は、オリジナルのビデオから変調ビデオへのカラー・シフト（色ずれ）である。カラー・シフトは、ほとんどのビデオ処理にて一般的であり、また、カラーの判断が生理学に基づくので必然的に主観となるため、経験的に評価するのが困難である。
【０００４】
カラーのかかる問題のある変化を検出する従来方法は、次のａ〜ｅのいずれかが必要である。すなわち、ａ）ビデオの前後の直接観察であるが、これには、時間がかかり、しばしばビデオ・ソースの前後の両方を同時に観察することができない。ｂ）解釈するために熟練した操作者を必要とするベクトルスコープ又は「カラー」を用いるが、その場合にも、ヒューマン・ビジョン（人間の視覚）モデル・アスペクトの不足のために操作者がミスをするかもしれない、即ち、カラーの輝度が足らないためにベクトルスコープ上で黒がしばしば明るいカラーとして現れる。ｃ）「カラー」（ＹＵＶのＵＶ又はＲＧＢベース）のピーク信号対ノイズ比（ＰＳＮＲ）自動化測定であるが、ベクトルスコープでの問題解決のように、ヒューマン・ビジョン・モデル・アスペクトの不足による課題をある。ｄ）テクトロニクス社製ＰＱＡ３００型品質アナライザの如きヒューマン・ビジョン・モデル形式のビデオ品質分析製品は、カラーでの知覚が可能なチャンスが生じるかを判断できるが、特定の観察条件に対するいくつかの場合においては、たとえカラーが異なって現れても、カラーがどの様に異なるかを正確に予測するのに必要である重要な調節メカニズムの多くが不足している。ｅ）動画カラー状況モデル（ＭＩＣＡＭ：Moving Image Color Appearance Model）の如く進歩したヒューマン・ビジョン・モデル技術を用いる。なお、この技術は、２００９年１２月１０日出願の米国特許出願第１２／６３５４５６号（米国特許出願公開第２０１０／０１４９３４４号明細書）「ビデオ品質評価予測のための動画カラー状況モデルを実現する方法及び装置」（特開２０１０−１４１８９７号に対応）に記載されている。しかし、熟練していない操作者にとってはＭＩＣＡＭの出力を解釈するのが困難であり、また、変調ビデオのいくつかの区別を正しく認識することは専門家でも困難である。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２０１０−１４１８９７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
そこで、本発明は、従来技術の上述及びその他の制限を解決するものである。
【課題を解決するための手段】
【０００７】
本発明の態様は、以下の通りである。
（１）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価するシステムであって；上記基準イメージ及び上記ソース・イメージの間の差測定値（差の測定値）を受けると共に、上記差測定値に基づいてカラー・アトリビュート変化を求めるカラー変換器と；求めた上記カラー・アトリビュート変化のマグニチュード（大きさ）を求めるマグニチュード・インデックス・ファシリティ（手段）と；上記カラー・アトリビュート変化及び該カラー・アトリビュート変化の上記マグニチュードに関する自然言語のレポートを発生する自然言語選択器と；上記自然言語のレポートを上記システムのユーザに伝達する出力モジュールとを具えている。
（２）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記カラー変換器が色相シフト決定ファシリティ（手段）であり、上記カラー・アトリビュート変化が上記基準イメージ及び上記ソース・イメージの間の色相シフトである。
（３）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記カラー変換器が彩度（飽和）決定ファシリティ（手段）であり、上記カラー・アトリビュート変化が上記基準イメージ及び上記ソース・イメージの間の彩度差である。
（４）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記カラー変換器がカラー変動決定ファシリティ（手段）であり、上記カラー・アトリビュート変化が上記基準イメージ及び上記ソース・イメージの間のカラー多様性変動である。
（５）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記出力モジュールは、上記自然言語のレポートを受けると共に上記システムのユーザにオーディオのレポートを発生する音声合成モジュールである。
（６）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；ユーザ入力を受けて、上記評価に含まれる上記基準イメージ及び上記ソース・イメージの部分の境界を定める関心領域選択器を更に具える。
（７）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様６のシステムであって；上記関心領域選択器が空間選択器である。
（８）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様６のシステムであって；上記関心領域選択器が時間選択器である。
（９）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価する態様１のシステムであって；上記基準イメージ及び上記ソース・イメージの各々がビデオ・イメージである。
（１０）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する方法であって；上記基準イメージ及び上記ソース・イメージの間のカラー比較差の測定値（カラーを比較した結果の差の測定値）の入力を受け；上記カラー比較差の測定値を２次元カラー空間差（２次元カラー空間での差）に変換し；上記２次元カラー空間内で上記差に基づいてカラー・アトリビュート変化を求め；上記カラー・アトリビュート変化のマグニチュードを求め；上記カラー・アトリビュート変化のマグニチュードを自然言語ワードの集合の１つに割り当て；上記割り当てたマグニチュード及び上記２次元カラー空間差から上記自然言語での評価を行い、上記自然言語での評価を出力する。
（１１）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間がＣＩＥＣＡＭ０２と一致する。
（１２）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間内の上記差に基づくカラー・アトリビュート変化を求めることは、上記基準イメージ及び上記ソース・イメージの間の色相シフトを求めることである。
（１３）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間内の上記差に基づくカラー・アトリビュート変化を求めることは、上記基準イメージ及び上記ソース・イメージの間の彩度測定値を求めることである。
（１４）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；上記２次元カラー空間内の上記差に基づくカラー・アトリビュート変化を求めることは、上記基準イメージ及び上記ソース・イメージの間のカラー変動測定値を求めることである。
（１５）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；更に、上記基準イメージ及び評価対象試験イメージの各々の関心領域を選択する。
（１６）基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する態様１０方法であって；更に、上記自然言語評価の音声レポートを発生する。
【図面の簡単な説明】
【０００８】
【図１】本発明の実施例による自然言語評価システムのブロック図である。
【図２】ＣＩＥＣＡＭ０２標準によるカラー記述のための２次元フレームワークの従来図である。
【図３】図１の自然言語発生器システムの構成要素を例示する実施例のブロック図である。
【図４】本発明の実施例により自然言語にて色相シフト及びレンダリングを測定する処理例の流れ図である。
【図５】本発明の実施例により自然言語にて彩度シフト及びレンダリングを測定する処理例の流れ図である。
【図６】本発明の実施例により自然言語にてカラー多様性及び／又はカラー変動並びにレンダリングを測定する処理例の流れ図である。
【発明を実施するための形態】
【０００９】
本発明の概念においては、基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価するシステムを提供する。このシステムは、カラー変換器を含んでおり、このカラー変換器は、基準イメージ及びソース・イメージの間の差の測定値を受け、この差測定値に基づいてカラー・アトリビュートの変化を求める。カラー・アトリビュートは、例えば、色相シフト、彩度変化、カラー変動を含んでいる。よって、マグニチュード・インデックス・ファシリティは、求めたカラー・アトリビュート変化のマグニチュードを求める。さらに、自然言語選択器は、カラー・アトリビュート変化及びこの変化のマグニチュードを自然言語に割り当て、カラー・アトリビュート変化及びこのカラー・アトリビュート変化のマグニチュードのレポートを発生する。次に、この出力は、テキスト又はオーディオのいずれかの形式、又はテキスト及びオーディオの両方の形式でユーザに伝達される。
【００１０】
本発明の他の概念においては、基準イメージ及びソース・イメージの間の相対カラー品質の評価を自然言語で提供する。これら方法は、基準イメージ及びソース・イメージの間のカラーを比較した差の測定値を受け、このカラー比較差測定値を２次元カラー空間での差に変換する。この差から、カラー・アトリビュートの変化を求め、このカラー・アトリビュート変化とそのマグニチュードとを自然言語ワードの集合に割り当てて、この比較によるユーザ用レポートを発生する。
【実施例】
【００１１】
図１は、本発明の実施例による自然言語評価システム１０のブロック図である。
【００１２】
変調又は処理済みビデオと未処理ビデオとの関係を人間が観察するために、ビデオの全体的な印象は、次の１〜３に要約できる。１）増加した飽和又は非飽和の如きカラー彩度の変化。２）カラーの色相の全体的なシフトであるが、一般的には白のシフトが最も明瞭になる（即ち、より緑又はよりマゼンタ／紫を帯びた白の如く、異なるカラー温度又は色合いの変化）。３）彩度の変化と色相における全体的なシフトとの組合せ。本発明の実施例は、かかる比較を自然言語で表す出力を発生する。これにより、変調ビデオの評価の際に、ビデオ作成担当者が一層容易に比較結果を使用できる。
【００１３】
自然言語評価システム１０は、上述のＭＩＣＡＭの例１２を含んでいる。ＭＩＣＡＭ１２において、夫々一連のイメージでもよい試験イメージ（ソース・イメージ）及び基準イメージが、オプションである別々のフォーマット変換器２０、２１への入力として受信される。フォーマット変換器２０、２１は、入力を表示モジュール（モデル）２４、２５用のフォーマットに変換する。次に、これら表示モジュール２４、２５は、夫々の入力を変換して、ビュー・モデル手段２８、２９及び知覚モデル手段３０、３１の各々の入力用に光をシミュレーションする。知覚モデル手段３０、３１の各々は、ＣＩＥＣＡＭ０２｛ａ，ｂ｝の単位で、空間的（例えば、ピクセル）及び時間的（例えば、フレーム）のサンプル毎に各カラー応答を出力する。ＣＩＥＣＡＭ０２は、ＣＩＥテクニカル・コミティー８−０１が２００２年に発行した周知のカラー・マネージメント・システム用カラー・アピアランス・モデリングである。知覚差予測手段４０は、これら各｛ａ，ｂ｝ビデオ応答を用いて、基準イメージ（単数／複数）及び変調（試験）イメージ（単数／複数）の間の知覚した差を見積る。
【００１４】
知覚モデル手段３０、３１の他に、テクトロニクス社製ＰＱＡ５００／６００型品質アナライザの如き認知モデル手段をシステムに追加することができる。イメージ内の関心領域を選択器４２により選択できる。この関心領域は、空間又は時間のいずれか若しくは空間及び時間の両方における領域でもよい。いくつかの実施例において、ディフォルトの関心領域は、試験イメージ及び基準イメージの全長にわたる全フレーム（単数／複数）である。ＭＩＣＡＭ１２の出力は、図１に示すように、統計的概要手段４４の出力である。この統計的概要手段４４は、選択器４２の出力を受け、試験イメージ（単数／複数）及び基準イメージ（単数／複数）の間における比較の１組の統計的概略を出力する。国際的な標準は、静的なイメージ・カラー・パッチ用の推奨カラー・モデリングを実現するが、ビデオに十分正確なカラー視覚モデルを作る基本としてＣＩＥＣＡＭ０２を用いる。ＣＩＥＣＡＭ０２をデザインし、校正し、確認して、色差のしきい値、方向及びマグニチュード（大きさ）を決定する。
【００１５】
しかし、上述の米国特許出願公開第２０１０／０１４９３４４号明細書に記載された如く、ＭＩＣＡＭの最終出力は、（ＰＱＲ、即ち、ピクチャ品質評価、予測に加えて）差平均オピニオン・スコア（ＤＭＯＳ：Difference Mean Opinion Score）の如きビデオ品質概要スコアを予測するように設計されている。ＭＩＣＡＭ１２が試験イメージ（単数／複数）及び基準イメージ（単数／複数）用のＣＩＥＣＡＭ０２カラー空間での｛ａ，ｂ｝座標を作成し、次に、ＤＭＯＳ及びＰＱＲメトリクス（尺度）以上に試験及び基準の色差の統計的分析を潜在的にエネーブルするが、これは、ユーザに価値のあるカラーの直接的評価を直接的に伝達しない。
【００１６】
図２は、ＣＩＥＣＡＭ０２標準によりカラーを記述するための２次元フレームワークの従来の図である。図２に示す如き直角座標にＣＩＥＣＡＭ０２のＬａｂを示す。フレームワーク８０は、「ａ」軸に沿って「赤色がかった」から「緑色がかった」を記述すると共に、「ｂ」軸に沿って「黄色がかった」から「青色がかった」を記述する。｛ａ，ｂ｝面と垂直な軸は、ルミナンスを記述する。「ａ」及び「ｂ」の両方の軸は、正方向及び負方向に延びる。「ａ」軸及び「ｂ」軸の合流点である原点からある角度で延びる｛ａ，ｂ｝面でのライン上でカラーを記述する。このラインに沿うカラーは、異なる彩度（飽和）レベルにある。しかし、ＣＩＥＣＡＭ０２は、他のカラーに侵入する前に、任意の特定のカラー・ゾーンがどのくらい広いかについて、許容誤差のせいにしない。また、ＣＩＥＣＡＭ０２が個別のカラーの彩度を求める方法を含んでいるが、これは、多数のカラーの傾向を扱うのでもなく、カラー変化の自然言語で評価するのでもない。
【００１７】
再び図１を参照する。ＭＩＣＡＭ１２の出力が自然言語生成システム５０に入力する。この自然言語生成システム５０は、後述のように、データの種々の処理を行い、色相の分類と、最上の量子化と、増加対減少指示とのために入力データをしきい値と比較する。更に図を参照して、詳細及び実例を説明する。
【００１８】
図３は、図１の自然言語生成システム５０の構成要素の実施例１００のブロック図である。図３の自然言語生成システム１００は、カラー変換器としてのアトリビュート測定部１１０を含んでおり、このアトリビュート測定部１１０は、３個のサブシステムを含んでいる。これらサブシステムは、色相測定ファシリティ（色相シフト決定ファシリティ）１１２と、彩度測定ファシリティ（彩度決定ファシリティ）１１４と、カラー多様性／変動測定ファシリティ（カラー変動決定ファシリティ）１１６とである。これらファシリティ（手段）１１２、１１４、１１６は、図１のＭＩＣＡＭ１２から入力を受けて、出力を発生する。
【００１９】
色相測定ファシリティ１１２は、基準イメージからの試験イメージの色相シフト（図１）の測定値を発生する。
【００２０】
［総合色相シフト］
色相測定ファシリティ１１２は、試験及び基準差データ｛ａ，ｂ｝の平均（平均値の差、又は差値の平均の好適実施例のいずれか）である{mean aDiff, mean bDiff}をＭＩＣＡＭ１２の出力から得て、総合色相シフトを求める。色相シフト角度は、ＣＩＥＣＡＭ０２色相角度関数ｈ（ａ，ｂ）を用いて計算する。
平均色相差角度＝h(mean aDiff, mean bDiff)
＝atan(mean bDiff, mean aDiff)
ここで、atan関数は、図２の｛ａ，ｂ｝グラフの４象限全て（即ち、０度から３６０度）の通じての固有の角度を計算する。これを図４の流れ４００の処理４１０として示す。
【００２１】
次に、処理４２０にて、平均色差角度又は色相角度をカージナル（基本）カラーの限界と比較する。これは、１９８９年発行のカラー・リサーチ・アンド・アプリケーション１４（１）の６−１５のアール・エム・ボイントン、アール・イー・マクロウリィ及びケイ・ウチカワによる論文「２つの方法により計算したカラー・カテゴリーのセントロイド（Centroids of Color Categories Computed by Two Methods）」（以下、単に「ボイントン論文」という）に記載の如く、知覚増分カラー空間に等しいオプティカル・ソサイエティ・オブ・アメリカ（Optical Society of America：ＯＳＡ）のｇｊＬ（包括的なイメージ・ライブラリ：generic image library）に基づいて発生される如きものである。
【００２２】
より詳細には、このボイントン論文及び類似の論文からのデータに基づいて、色相の変化を記述するカージナル色相と共に各カージナル色相の最大色相角度を求める。使用したこれら論文は、異なる文化及び対応する異なる言語のネイティブ・スピーカの影響を受けているが、ボイントン論文は、主に英語及び日本語を母国語とする人々に焦点を合わせ、根本的に基本カラーの分類が存するカラー空間の広い部分を識別する。例えば、ボイントン論文は、ＯＳＡ（Optical Society of America）ｇｊＬカラー空間におけるピンク、赤、茶色、オレンジ、黄色、緑、青及び紫のプロットを含んでいる。茶色は、赤及びオレンジと色相角度にて充分に一致するので（Ｌ軸で表す明るさ／ルミナンスにより主に区別する）、用いない。これは、ピンク、赤、茶色、オレンジ、黄色、緑、青及び紫をカージナル・カラーとして残す。連続的なカージナル・カラーの間のカラーは、対応する名称の間にハイフォン又はスラッシュを付けて系統的に名付けることができる。例えば、緑及び黄色の領域の間にあるカラーは、「緑黄色」又は「緑／黄色」と呼ぶ。
【００２３】
ボイントン論文のカージナル・カラーの境界は、ＯＳＡカラー空間にわたってカラーを完全にサンプリングし、カージナル・カラー分類にて各々を分類することにより識別される（又は行わない）。各カージナル・カラー分類の１組のカラーは、ＯＳＡのｇｊＬからｘｙＹに変換され、更に、ＣＩＥＣＡＭ０２ドキュメントに要約された方法を用いてＣＩＥＣＡＭ０２｛ａｂ｝空間及び対応する色相角度ｈ（ａ，ｂ）に変換される。
【００２４】
ＣＩＥ１９３１ｘｙＹカラー空間を含むＣＩＥの総合的なカラー空間及び色差モデル（多くの写真／スペクトラム分析製品における現在の共有／標準）は、Ｌｕｖ、Ｌａｂを含むＣＩＥからの多くの改良（ＣＩＥＣＡＭ０２を含む）と、ＣＩＥ色差モデルとを含む。これらの多くは、数百から数千のカラー名称のエントリとカラー空間座標への割り当てとの関連テーブル（表）を有する。カラー空間座標の一部として準命名規則を用いる１つのカラー空間は、マンセル表色尺度である。これは、米国ニューヨークのジョン・ウィリー・アンド・サンズが１９８２年に出版したガンター・ウズテッキ及びダブリュ・エス・スタイルズによる定量的データ及び公式集の第２版「カラー・サイエンス：概念及び方法」に記載のように、ＣＩＥｘｙＹに割り当てる例である。しかし、これら技術／標準には、上述のＰＱＡ及びＭＩＣＡＭシステムの如くビデオを直接評価するのに使用できるものがない。さらに、ＰＱＡ及びＭＩＣＡＭシステムの出力は、フレーム毎のピクチャ毎に標準ユニットを用いる（即ち、空間及び時間でのロケーション当たり、出力ユニットが夫々ＣＩＥ｛ｕ，ｖ｝及びＣＩＥＣＡＭ０２｛ａ，ｂ｝である）。一方、カラー名称への割り当ては、総合カラー・シフト分析に対して用いるには特殊であり、他の言語にうまく翻訳できない特定文化の言語を用いる傾向がある。また、ボイントン論文のように分類するのと一緒に、カラーのオピニオンを形成するときに、カラー量子化が行われる点を考慮していない。
【００２５】
再び図４を参照する。処理４２０は、カラー比較及び量子化を示しており、表１（色相カラー）を参照してこの実施例を説明する。表１は、図２に示すＣＩＥＣＡＭ０２｛ａ，ｂ｝空間を用いて最大及び最小の角度により測定されたカージナル・カラーの決定済み境界である。表１の如きテーブルは、色相測定ファシリティ１１２内の、又はこのファシリティ１１２に結合された色相テーブル１１３として蓄積できる。
【００２６】
【表１】
【００２７】
図４の処理４３０にて、これらカージナル色相角度を、処理４１０で求めた色相角度と比較して、この色相をカージナルの１つ、即ち、「中間カージナル」色相に量子化する。連続したカージナル・カラーの間のカラーは、対応する名称の間にハイフォン又はスラッシュを用いて系統的に命名できる。例えば、緑及び黄色の間にあるカラーを「緑黄色」又は「緑／黄色」と呼ぶ。よって、色相分類を確立できる。
【００２８】
再び図３を参照する。色相分類は、後述の彩度測定及びカラー多様性の測定とは別に、マグニチュード決定器（マグニチュード・インデックス・ファシリティ）１２０に進む。
【００２９】
各カージナル・カラーの領域内のカラーの重心（centroid）に対して{mean aDiff, mean bDiff}のベクトル長を正規化し、ＣＩＥＣＡＭ０２｛ａ，ｂ｝に変換されたボイントン論文からのデータを再び用い、上述と同様な方法を用いて、カラー変化の相対マグニチュードを求めることができる。正規化に用いる基準マグニチュードを表２（対向する色相カラー）に示すが、これは、マグニチュード・テーブル１２１のように、マグニチュード決定器１２０内に含むことができる。
【００３０】
【表２】
【００３１】
［例１］
例１は、次のようになる。
角度:=13
mag:=赤0.12
refMag:=赤
relMag:=mag/refMag
relMag=0.12
なお、magがマグニチュード、refMagが基準マグニチュード、relMagが相対マグニチュードを夫々表す。
【００３２】
例えば、色差角度が１３に決まり表１から「赤」になると、対向色相が表２から「緑青」になる。さらに、マグニチュードが上述の式に示すように０．１２と求まる。この処理を図４の処理４４０に示す。
【００３３】
カラーの変化の正規化したマグニチュードをマグニチュード決定器１２０から自然言語選択器１３０に渡して、色相及び対向色相の両方に対する分類量子化の１組のしきい値に応じて、自然言語テーブル１３１から適切な量的最上ワード（語）又はフレーズ（句）を選択する。これを図４の処理４５０に示す。
【００３４】
特定の色彩シフトしきい値用の自然言語テーブルの例を表３（最上のしきい値及び量子化ビン）に示す。
【００３５】
【表３】
【００３６】
色相、対向色相及び最上が図３の色相測定ファシリティ１１２、マグニチュード決定器１２０及び自然言語選択器１３０により夫々求まると、基準イメージ（単数／複数）の色相を試験イメージ（単数／複数）と比較する自然言語センテンス（文）が次のように自然言語選択器１３０により発生する。
【００３７】
全体的に、ビデオは、｛色相｝（｛最上２｝）より大きく｛対向する色相｝よりも小さい｛最上１｝に見える。
これは、上述の例１からのデータを用いて次のようになる。
「全体的に、ビデオは、赤よりも幾分大きく（青緑よりも幾分小さく）見える。」
これを図４の処理４６０に示す。その処理結果を出力モジュールにより出力する。
【００３８】
［飽和の総合変化］
図３及び図５を参照して、彩度測定ファシリティ１１４（図３）の機能を説明する。
【００３９】
彩度測定ファシリティ１１４（図３）は、ＭＩＣＡＭ１２（図１）から試験及び規準の絶対値の平均{mean(|a|), mean(|b|)}を受け、これを用いて、基準イメージ（単数／複数）及び試験イメージ（単数／複数）の間の総合彩度（飽和）変化を求める。
【００４０】
まず、これらの各値の試験及び基準の間の差を次のように求めるが、これを図５の例示する流れ５００の処理５１０に示す。
diffOfMeanAbs_a = meanAbsTest_a - meanAbsRef_a
なお、diffOfMeanAbs_a（ａの絶対値の平均の差）は、図１の「mean Abs(a)Diff」（絶対値ａの差の平均）に対応する。また、meanAbsTest_aが試験ａの絶対値の平均を表し、meanAbsRef_aが基準ａの絶対値の平均を表す。動作にて平均と差を求める順序は交換可能であるが、ａ又はｂの絶対値を求めることが最初である点に留意されたい。
【００４１】
図５の処理５２０にてdiffOfMeanAbs_a及びdiffOfMeanAbs_bの各々の絶対値を夫々用い、分類量子化用の１組のしきい値に応じて、自然言語テーブル１３１（図３）から適切な量的な最上のワード又はフレーズを選択する。ここで、各符号を用いて、「より大きい」又は「より小さい」の間で選択する。
【００４２】
［例２］
例２は、次のようになる。次の値
meanAbsTest_a:=0.1
meanAbsRef_a:=0.11
meanAbsTest_b:=0.08
meanAbsRef_b:=0.1
が彩度測定ファシリティ１１４に入力すると、
diffOfMeanAbs_a: = meanAbsTest_a - meanAbsRef_a = -0.01
diffOfMeanAbs_b: = meanAbsTest_b - meanAbsRef_b = -0.02
となる。
【００４３】
まず、図５の処理５１０で説明するように、試験イメージ（単数／複数）及び基準イメージ（単数／複数）の間の距離（差）を上述のように求める。次に、処理５２０において、各距離の量子化ビンを求める。これは、どのインデックス値がdiffOfMeanAbs_a及びdiffOfMeanAbs_bの各々に対応するかを求めることを意味する。両方の距離を同じビン（テーブル３の同じしきい値レベル）に量子化すると、図３の自然言語選択器１３０は、図５の処理５３０及び５４０に示す如き特定の条件を記述するために次のテキストを発生する。
総合的に、ビデオ・カラーは、｛最上１｝｛飽和／非飽和より大きい｝に見える。
これは、例２からのデータを用いて、
「総合的に、ビデオ・カラーは、わずかに非飽和に見える」となる。この処理５４０の処理結果を出力モジュールにより出力する。
【００４４】
［例３］
例３は、次のようになる。
以下の値
meanAbsTest_a:=0.3
meanAbsRef_a:=0.11
meanAbsTest_b:=0.08
meanAbsRef_b:=0.1
が彩度測定ファシリティ１１４に入力すると、
diffOfMeanAbs_a := meanAbsTest_a - meanAbsRef_a = 0.19
diffOfMeanAbs_b := meanAbsTest_b - meanAbsRef_b =- 0.02
となる。
【００４５】
ここでは、例２と異なり、「ａ」及び「ｂ」用の量子化ビンがテーブル３により異なっているとき、図３の自然言語選択器１３０が次のテキストを発生する。
総合的に、ビデオは、｛最上１｝｛より飽和／非飽和｝赤及び／又は緑と、｛最上２｝｛より飽和／非飽和｝青及び／又は黄色とを有する。
これは、例３からのデータを用いて、次のようになる。
総合的に、ビデオは、｛最上１｝｛より飽和／非飽和｝赤及び／又は緑と、｛最上２｝｛より飽和／非飽和｝青及び／又は黄色とを有する。
これは、例３からのデータを用いて、
「総合的に、ビデオは、目立つ、より飽和の赤及び／又は緑と、わずかに非飽和の青及び／又は黄色とを有する」となる。
【００４６】
［カラー多様性／変動における総合変化］
カラー多様性／変動測定ファシリティ１１６（図３）は、ＭＩＣＡＭ１２の出力から試験及び基準イメージ（単数／複数）の標準偏差を求める。
まず、図６に示す流れ６００の処理６１０に示すように、試験イメージ（単数／複数）の標準偏差（stdevTest_a）及び基準イメージ（単数／複数）の標準偏差（stdevRef_a）の間の差（diffStdev_a）を次のように求める。
diffStdev_a = stdevTest_a - stdevRef_a
ここで、diffStdev_aは、図１のstdev(a)Diffに対応する。
【００４７】
次に、diffStdev_a及びdiffStdev_bの各々の絶対値を夫々用いて、例えば、分類量子化用の１組のしきい値に応じて、図３の自然言語テーブル１３１から適切な量的最上ワード又はフレーズを選択する。図３の自然言語選択器１３０は、比較の各符号を用いて、「より大きい」又は「より小さい」の間の選択を行う。
【００４８】
以下の例は、自然言語への総合色相シフト測定変換の方法を更に示す。
【００４９】
［例４］
例４は、次のようになる。
次の値
stdevTest_a:=0.1
stdevRev_a:=0.11
stdevTest_b:=0.08
stdevRev_b:=0.1
をカラー多様性／変動測定ファシリティ１１６に入力すると、
diffStdev_a := stdevTest_a - stdevRef_a = -0.01
diffStdev_b := stdevTest_b - stdevRef_b = -0.02
となる。
【００５０】
diffStdev_a及びdiffStdev_bの各々の標準偏差での差を自然言語テーブル１３１（図３）内のしきい値と比較して、各値の対応量子化ビンを選択する。
【００５１】
diffStdev_a及びdiffStdev_bの両方が同じ値に量子化をすると、図６の処理６３０及び６４０に示すように、図３の自然言語選択器１３０は、特定の条件を記述するために次のテキストを発生する。
総合的に、ビデオは、｛最上１｝｛より大きい／より小さい｝から多様性を有する。
これは、例４において、diffStdev_a及びdiffStdev_bが共にビン１に量子化されるので、
「総合的に、ビデオは、わずかに小さいカラー多様性を有する」
となる。この処理６４０の処理結果を出力モジュールにより出力する。
【００５２】
［例５］
例５は，次のようになる。
次の値
stdevTest_a:=0.3
stdevRev_a:=0.11
stdevTest_b:=0.08
stdevRev_b:=0.1
がカラー多様性／変動測定ファシリティ１１６に入力すると、
diffStdev_a := stdevTest_a - stdevRef_a = -0.19
diffStdev_b := stdevTest_b - stdevRef_b = -0.02
となる。
【００５３】
diffStdev_a及びdiffStdev_bの各々の標準偏差での差を自然言語テーブル１３１（図３）内のしきい値と比較して、各値の対応量子化ビンを選択する。
【００５４】
diffStdev_a及びdiffStdev_bの両方が異なる値に量子化されると、図６の処理６３０及び６４０にて特定条件を記述するために、図３の自然言語選択器１３０は、次のテキストを発生する。
総合的に、ビデオは、赤及び／又は緑での｛最上１｝｛より大きい／より小さい｝多様性と、青及び／又は黄色での｛最上２｝｛より大きい／より小さい｝多様性とを有する。
これは、例５において、diffStdev_aがビン２に量子化され、diffStdev_bがビン１に量子化されるので、
「総合的に、ビデオは、赤及び／又は緑にて目立つより大きい多様性と、青及び／又は黄色にてわずかに小さい多様性とを有する」
となる。
【００５５】
再び図１及び図３を参照する。上述では、出力モジュールがテキストに書いた自然言語を発生する例を説明したが、本発明の別の実施例では、出力モジュールとして音声モジュール６０、１４０を追加的に含んでいる。音声モジュール（音声合成モジュール）６０及び１４０は、音声プロセッサを含んでおり、この音声プロセッサは、自然言語生成システム５０、自然言語選択器１３０からの自然言語評価を受けて、この評価のオーディオ・メッセージを発生する。これら実施例は、テキスト・メッセージを読取るのが不便ないくつかの場合に重要である。例えば、ビデオ・エディタは、ビデオを観察しながら、変調されたビデオを実時間で編集できる一方、本発明の実施例は、測定したアトリビュートの音声プロンプト（指示メッセージ）を実時間で周期的に提供する。この方法にて、ビデオ・エッジは、操作者の目線が処理済みビデオ・ストリームに集中できるようにし、編集処理期間中に変化するカラー・アトリビュートのレポートを操作者が読む必要もなく、オリジナル・ビデオを調べる必要もない。
【００５６】
上述の如く、本発明の実施例は、基準及びソース（試験）イメージの間の相対カラー品質の自然言語の客観的な評価を行うシステムを含む。このシステムは、カラー変換器を含んでおり、このカラー変換器は、基準イメージ及びソース・イメージの間の差測定値を受けて、この差測定値に基づいてカラー・アトリビュート変化を求める。カラー・アトリビュートは、例えば、色相シフト、彩度変化及びカラー変動を含んでいる。さらに、マグニチュード・インデックス・ファシリティは、求めたカラー・アトリビュート変化のマグニチュードを求める。さらに、自然言語選択器は、カラー・アトリビュート変化と、この変化のマグニチュードを自然言語に割り当て、カラー・アトリビュート変化とこのカラー・アトリビュート変化のマグニチュードとのレポートを行う。この出力は、テキスト又はオーディオ形式で、若しくはテキスト及びオーディオの両方の形式でユーザに伝達される。
【００５７】
本発明の特定実施例について上述したが、本発明の要旨がこれら実施例に限定されないことは明らかである。本発明の要旨を逸脱することなく種々の変形変更が可能である。
【符号の説明】
【００５８】
１０ 自然言語評価システム
１２ ＭＩＣＡＭ
２０、２１ フォーマット変換器
２４、２５ 表示モジュール
２８、２９ ビュー・モデル
３０、３１ 知覚モデル
４０ 知覚差予測手段
４２ 関心領域選択器
４４ 統計的概要手段
５０ 自然言語生成システム
６０ 音声（合成）モジュール（出力モジュール）
８０ フレームワーク
１００ 自然言語生成システム
１１０ アトリビュート測定部（カラー変換器）
１１２ 位相測定ファシリティ（位相シフト決定ファシリティ）
１１３ 色相テーブル
１１４ 彩度測定ファシリティ（彩度決定ファシリティ）
１１５ 彩度テーブル
１１６ カラー多様性／変動測定ファシリティ（カラー変動決定ファシリティ）
１１７ カラー・テーブル
１２０ マグニチュード決定器（マグニチュード・インデックス・ファシリティ）
１２１ マグニチュード・テーブル
１３０ 自然言語選択器
１３１ 自然言語テーブル
１４０ 音声モジュール（出力モジュール）
【特許請求の範囲】
【請求項１】
基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価するシステムであって、
上記基準イメージ及び上記ソース・イメージの間の差測定値を受けると共に、上記差測定値に基づいてカラー・アトリビュート変化を求めるカラー変換器と、
求めた上記カラー・アトリビュート変化のマグニチュードを求めるマグニチュード・インデックス・ファシリティと、
上記カラー・アトリビュート変化及び該カラー・アトリビュート変化の上記マグニチュードに関する自然言語のレポートを発生する自然言語選択器と、
上記自然言語のレポートを上記システムのユーザに伝達する出力モジュールと
を具えた相対カラー品質の自然言語評価システム。
【請求項２】
基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する方法であって、
上記基準イメージ及び上記ソース・イメージの間のカラー比較差の測定値を入力として受け、
上記カラー比較差の測定値を２次元カラー空間差に変換し、
上記２次元カラー空間内で上記差に基づいてカラー・アトリビュート変化を求め、
上記カラー・アトリビュート変化のマグニチュードを求め、
上記カラー・アトリビュート変化のマグニチュードを自然言語ワードの集合の１つに割り当て、
上記割り当てたマグニチュード及び上記２次元カラー空間差から上記自然言語での評価を行い、
上記自然言語での評価を出力する
ことを特徴とする相対カラー品質の自然言語評価方法。
【請求項１】
基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で客観的に評価するシステムであって、
上記基準イメージ及び上記ソース・イメージの間の差測定値を受けると共に、上記差測定値に基づいてカラー・アトリビュート変化を求めるカラー変換器と、
求めた上記カラー・アトリビュート変化のマグニチュードを求めるマグニチュード・インデックス・ファシリティと、
上記カラー・アトリビュート変化及び該カラー・アトリビュート変化の上記マグニチュードに関する自然言語のレポートを発生する自然言語選択器と、
上記自然言語のレポートを上記システムのユーザに伝達する出力モジュールと
を具えた相対カラー品質の自然言語評価システム。
【請求項２】
基準イメージ及びソース・イメージの間の相対カラー品質を自然言語で評価する方法であって、
上記基準イメージ及び上記ソース・イメージの間のカラー比較差の測定値を入力として受け、
上記カラー比較差の測定値を２次元カラー空間差に変換し、
上記２次元カラー空間内で上記差に基づいてカラー・アトリビュート変化を求め、
上記カラー・アトリビュート変化のマグニチュードを求め、
上記カラー・アトリビュート変化のマグニチュードを自然言語ワードの集合の１つに割り当て、
上記割り当てたマグニチュード及び上記２次元カラー空間差から上記自然言語での評価を行い、
上記自然言語での評価を出力する
ことを特徴とする相対カラー品質の自然言語評価方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２０１２−２２７９１４（Ｐ２０１２−２２７９１４Ａ）
【公開日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願番号】特願２０１２−６１８９２（Ｐ２０１２−６１８９２）
【出願日】平成２４年３月１９日（２０１２．３．１９）
【出願人】（３９１００２３４０）テクトロニクス・インコーポレイテッド (234)
【氏名又は名称原語表記】ＴＥＫＴＲＯＮＩＸ，ＩＮＣ．
【Ｆターム（参考）】
【公開日】平成２４年１１月１５日（２０１２．１１．１５）
【国際特許分類】
【出願日】平成２４年３月１９日（２０１２．３．１９）
【出願人】（３９１００２３４０）テクトロニクス・インコーポレイテッド (234)
【氏名又は名称原語表記】ＴＥＫＴＲＯＮＩＸ，ＩＮＣ．
【Ｆターム（参考）】
[ Back to top ]