JP2002158870A - 画像の顕著性及びアピール性に基づいて写真印画の数、寸法、及び、倍率を変更する方法 - Google Patents
画像の顕著性及びアピール性に基づいて写真印画の数、寸法、及び、倍率を変更する方法Info
- Publication number
- JP2002158870A JP2002158870A JP2001190242A JP2001190242A JP2002158870A JP 2002158870 A JP2002158870 A JP 2002158870A JP 2001190242 A JP2001190242 A JP 2001190242A JP 2001190242 A JP2001190242 A JP 2001190242A JP 2002158870 A JP2002158870 A JP 2002158870A
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- digital
- digital image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
Abstract
から印画を作成するときにインテリジェントな決定を行
なうことができる自動ディジタルイメージングアルゴリ
ズムを提供することを目的とする。 【解決手段】 ディジタル画像から作成される印画の1
つ以上の属性を変更する方法において、印刷属性値は画
像の重要度、関心度又は注目度の決定に基づいてディジ
タル画像について計算され、結果として得られる印刷属
性値は画像から作成される印画の印刷属性を制御するた
めに用いられる。印刷属性値は、顕著性又はアピール性
値から導出され、アピール性値はそれ自体によって得ら
れる各画像の評価であり、顕著性値はグループのうちの
他の画像に関連した各画像についての評価である。典型
的な実施例では、印刷属性は、画像から作成される印画
の数、画像から作成される印画の寸法、又は、画像のた
めに用いられる倍率である。
Description
野に係り、特定的には画像評価及び画像理解の分野に関
する。
力によれば容易に解決することが出来るが完全に自動化
されたコンピュータシステムでは解決することが非常に
困難な問題を扱う。写真技術アプリケーションにおいて
重要であると考えられる画像理解の問題には、主被写体
検出、シーン分類、空及び草の検出、人物の検出、向き
の自動検出等がある。一群の写真を扱う種々のアプリケ
ーションでは、画像を論理的な順序でランク付けし、画
像がその順序で処理されること又は取り扱われることを
可能とすることが重要である。興味深い写真技術アプリ
ケーションは、ディジタル画像のグループがディジタル
写真アルバムへ自動的に編成される自動アルバム作成で
ある。自動アルバム作成では、画像は別々の事象へクラ
スタ化し、可能であれば各事象は何らかの論理的な順序
でレイアウトされる。この順序は、画像の相対的な内容
について少なくともいくらか配慮され、幾つかの画像が
他の画像よりも好ましいという信念に基づいた配慮がさ
れることを意味する。
して、偽造品検出、事象検出、及び、ページレイアウト
アルゴリズムといった多数の公知のアルゴリズムが有用
である。偽造品検出は、複製画像及び質の悪い画像の除
去又は逆強調を行なうが、事象検出は、日付や時間とい
った一定の明確な規準によって画像を別々の事象へクラ
スタ化する。同じ事象に属する一組の画像が与えられて
いるとき、ページレイアウトは、例えば各ページ上の最
も見た目が良く空間効率の良い画像の表現を見つけるた
め、各事象を論理的且つ見た目の良い表現へレイアウト
することを目的とする。画像のグループのうちの最も重
要な画像、例えばページレイアウト中で最も注意を引く
に違いない画像を選択できることが望まれる。
は高水準の認知能力を備えた人間の(理解)過程を表わ
す結果を生じさせることが期待されるという性質がある
ため、評価システムの設計は難しい課題である。特定の
視覚的な印象を求めて文書を作成又は編集することを目
的として、テキスト及びグラフィックデータをその心理
学的な効果について評価する努力がされてきた(例え
ば、米国特許第5,875,265号及び第5,42
4,945号を参照のこと)。’265号特許では、シ
ステムは、必要であれば操作者の助けを借りて、視覚的
な特徴を、操作者による使用のために表示される微妙な
言葉に対応付けるために、画像を解析する。このシステ
ムにおける困難な点は、視覚的な特徴が主に、必ずしも
画像内容に関連付けられていない低水準特徴、即ち、色
及びテクスチャに基づく特徴であり、言葉による記述は
画像の相対的なランク付けのために使用するには難しい
ことである。’945号特許は、文書中のテキスト及び
グラフィックスの心理学的な効果を評価するためのシス
テムを開示する。’945号特許の問題点は、特定の内
容に関わらず文書の全体的な視覚的な印象を評価し、相
対的なランク付けを作成するための有用性が低下するこ
とである。これらのシステムは、複雑であり、且つ、心
理学的な効果の認識を指向するだけでなく、実在の画像
の評価及び利用よりもむしろ知覚的な印象の解析及び作
成を重要視したものである。
常は画像についての少なくとも幾らかの判定が必要であ
る。現在利用可能な幾つかの光学的及びディジタル印刷
システムは、1つの入力画像に対して1以上の印画を印
刷する能力がある。一般的には、店頭においてダブルプ
リントオプションが抱き合わせで注文され、注文を受け
た各画像に対して2の印画が生成される。幾つかの印刷
システムには、何らかの状況では画像を全体として受け
つけないよう、元のディジタル画像又は写真フィルムネ
ガから得られるディジタル画像の画素値を解析するディ
ジタル画像処理アルゴリズムも含まれる。この種のアル
ゴリズムは、画像を評価し、画像を印刷するか否かにつ
いての決定を行なう。しかしながら、評価試験を通った
全ての画像について同数の印画が作成される。
に含まれる全ての画像が同じ美的な値を有するわけでは
なく、従って同じ数だけ複製されなくともよいことが理
解されている。ディジタルイメージングアプリケーショ
ンについての幾つかの現行の解法は、画像でない画素情
報に、要求される印画の数を示すディジタル画像を入れ
ることによってこの問題を扱ってきた。この情報は、画
像1つにつき作成される印画の数を変化させるためにデ
ィジタルプリンタによって使用される。或いは、印刷機
器の操作者、又は、消費者が、一組の画像に含まれる特
定の画像を手で個々に選び、選ばれた特定の画像を特に
強調し、より好ましくし、最終的には更なる複製を作成
する価値のあるものとするために使用されうる。しかし
ながら、これらの技術はいずれもユーザの介入を必要と
する。幾つの印画が作成されねばならないかについての
ユーザ入力なしにインテリジェントな決定を行なうこと
ができる自動ディジタルイメージングアルゴリズムが必
要とされている。
上の問題を克服することを目的とする。簡単に概説する
と、本発明の1つの面によれば、ディジタル画像から作
成される印画の1つ以上の印刷属性を変化させる方法が
開示され、この方法は、(a)画像の重要度、関心度、
又は注目度の決定に基づいてディジタル画像についての
印刷属性値を計算する手順と、(b)画像から作成され
る印画の印刷属性を制御するために印刷属性値を使用す
る手順とを含む。典型的な実施例では、印刷属性は、画
像から作成される印画の数、画像から作成される印画の
寸法、又は、画像に対して用いられる倍率のいずれかで
ある。
タル画像から作成される印画の1つ以上の印刷属性を変
化させる方法に関連し、方法は、(a)画素から得られ
る決定に基づいてディジタル画像についての印刷属性値
を計算する段階と、(b)画像から作成される印画の
数、画像から作成される印画の寸法、又は画像に対して
用いられる倍率のいずれかを制御するために印刷属性値
を使用する段階を含む。
本質的な重要度、関心度、又は注目度から決定されるア
ピール性値に基づく。画像がディジタル画像のグループ
のうちの1つである他の実施例では、印刷属性値は画像
のグループのうちの他の画像に対する画像の重要度、関
心度、又は注目度から決定される顕著性値に基づく。
は、個々のディジタル画像の内容に関する1つ以上の特
徴を含む各ディジタル画像の1つ以上の特徴に関する1
つ以上の量が計算される幾つかの特徴についての画像の
評価に基づく。これらの量は1人以上の人間の観察者の
意見に従って学習される推論アルゴリズムで処理され、
各画像を評価する推論アルゴリズムから出力が得られ
る。本発明の従属した面では、ディジタル画像の内容に
関する特徴は、人間に関する特徴又は被写体に関する特
徴を含む。更に、ディジタル画像の1つ以上の客観的な
尺度に関連する追加的な量である例えば色彩の豊富さ
(即ちカラフルネス)や鮮明度が計算されうる。推論ア
ルゴリズムの結果は、一組の画像の各画像の質をランク
付けするために処理される。各ディジタル画像に適用さ
れる印刷属性は、それ自体として又はディジタル画像の
グループに関連付けられて決められる画像の重要度、関
心度、又は注目度に基づいて変化する。
代表特徴について画像のアピール性(アピール性は個々
の画像の重要度、関心度、又は注目度の評価)の決定に
基づき印刷パラメータ、例えば印画の数を変化させる方
法、又は、(b)或る特徴に関する画像の顕著性(顕著
性とは画像のグループ中における個々の画像の他の画像
に対する重要度、関心度、又は注目度の評価)の決定に
基づいてディジタル画像の同じ印刷パラメータを変化さ
せる方法として理解されうる。この点から、アピール性
及び顕著性の評価の両方について、 a. 人物関連特徴:人物の有無、肌領域又は顔領域の
量、顔の寸法に基づくクローズアップの程度 b. 客観的特徴:画像のカラフルネス及び鮮明度 c. 被写体関連特徴:主被写体の寸法と主被写体の位
置取り(マッピング)に基づく構図の良さといった自己
代表画像特徴が計算される。
が、アピール性評価については、以下の、 a. カラー内容に関する各画像の代表値 b. 各画像の写真アスペクト形式の独自性 といった追加的な自己代表画像特徴が考えられることが
望ましい。
受け入れ画像評価値を発生するよう学習されるベイズネ
ットワークといった推論エンジンによって得られる。こ
の評価は個々の画像について本質的な評価であってもよ
く、その場合、自己代表特徴は画像アピール性値を発生
するよう学習されたベイズネットワークによって処理さ
れ、或いは、評価は画像のグループについての相対的な
評価であってもよく、その場合、自己代表特徴、任意
に、相対代表特徴は、画像顕著性値を発生するよう学習
されたベイズネットワークによって処理される。
く、1つ以上の画像の評価を行ない、それによりディジ
タル画像から作成される印画の数、印画の寸法、印画の
倍率といった、しかしこれらに限られない属性値を変化
させることである。画像のグループを扱う種々の適用で
は、かかるアルゴリズムによる評価は画像処理の自動制
御を可能とし、それにより画像はランクの順序に従って
より効率的に処理及び印刷されうる。
特徴、及び利点については、以下の望ましい実施例及び
請求の範囲の記載を読むことにより、また、添付の図面
を参照することにより、更に明らかに理解されよう。以
下の説明では、本発明の望ましい実施例をソフトウエア
プログラムとして説明する。当業者はこのようなソフト
ウエアと同等のものがハードウエアとしても実施されう
ることを容易に認識するであろう。画像処理アルゴリズ
ム及びシステムは周知であるため、本願では特に本発明
による方法の一部をなす、又はより直接的に協働するア
ルゴリズム及びシステムについて説明する。本願に特に
図示又は説明しないアルゴリズム及びシステムの他の
面、及び、それに関連する画像を生成するか他の方法で
処理するためのハードウエア及び/又はソフトウエア
は、従来技術で公知のシステム、アルゴリズム、構成要
素、及び要素から選択される。以下のような本発明によ
る図示され説明された方法及びシステムが与えられてい
るとき、本発明の実施に有用であり本発明願に記載又は
提案されていないソフトウエアは、従来通りであり当業
者の通常の技術でなされうるものである。
ィジタル画像チャネルを含むものであると考えられる。
各ディジタル画像チャネルは、各画素値が画素の幾何学
的な領域に対応する画像捕捉装置が受けた光の量に関連
するような画素の2次元配列からなる。カラーイメージ
ングアプリケーションでは、ディジタル画像は、一般的
には赤、緑、及び青のディジタル画像チャネルからな
る。例えば、シアン、マゼンタ、及びイエローのディジ
タル画像チャネルといった他の形態もまた実施されう
る。単色アプリケーションでは、ディジタル画像は1つ
のディジタル画像チャネルからなる。動きイメージング
アプリケーションは、ディジタル画像の時間的なシーケ
ンスであると考えられる。当業者は、本発明が上述のい
ずれのアプリケーションのディジタル画像チャネルにも
適用されうるが、これに限られないことを認識するであ
ろう。
列に配置された画素値の2次元配列として説明される
が、当業者は本発明が同じ効果でモザイク(非直線的
な)配列に適用されうることを認識するであろう。更
に、各ディジタル画像チャネルを含む信号は、面積又は
線形アレイといった様々な捕捉装置から生じうる。
図11を参照するに、以下の説明は、1つ以上の画像捕
捉装置110、ディジタル画像プロセッサ120、1つ
以上の画像出力装置130、及び汎用制御コンピュータ
140を含むディジタルイメージングシステムに関す
る。典型的な実施例では、画像出力装置130は、イン
クジェット式、レーザ式、又は、他の形式の電子又はデ
ィジタルプリンタといった印刷装置である。当業者は、
本発明が、画像出力装置130が光学プリンタであるア
ナログ光学印刷システムで実施されうることを認識する
であろう。システムは、コンピュータコンソール又はペ
ーパープリンタ(図示せず)といったモニタ装置150
を含みうる。システムはまた、キーボード160a及び
/又はマウスポインタ160aといった操作者用の入力
装置制御装置160を含む。更に、本願で使用され開示
されるように、本発明は、コンピュータプログラムとし
て実施されえ、コンピュータメモリ装置170、即ち、
コンピュータ読み取り可能な記憶媒体に格納されうる。
コンピュータ読み取り可能な記録媒体は、例えば、磁気
ディスク(例えばフロッピー(登録商標)ディスク)又
は磁気テープといった磁気記憶媒体;光ディスク、光テ
ープ、又は機械読み取り可能なバーコードといった光学
記憶媒体;ランダムアクセスメモリ(RAM)又は読み
出し専用メモリ(ROM)といった固体電子記憶装置を
含みうる。本発明について説明する前に、本発明はパー
ソナルコンピュータといった任意の周知のコンピュータ
システム上で使用されることが望ましいことに留意する
と理解が容易となろう。
れるディジタル画像のために使用されうることを示すた
めに、多数の捕捉装置110が図示されている(図11
では別個の装置110a,110b,及び110cとし
て示されている)。例えば、図11は、画像捕捉装置1
10が、カラーネガ又はスライドフィルム透明ポジとい
った従来の写真画像を走査することによりディジタル画
像を生じさせるフィルムスキャナであるディジタル写真
仕上システムを表わす。ディジタル画像プロセッサ12
0は、意図される出力装置又は媒体上に満足のいく見た
目の画像(例えば特定の目的のために見た目がよいよ
う、又は他の方法で変更された画像)を生成するようデ
ィジタル画像を処理する手段を提供する。多数の画像出
力装置130は、本発明がディジタル写真プリンタ及び
/又はソフトコピーディスプレイを含む様々な出力装置
と共に使用されうることを示すため図示されている(装
置130a及び130bとして示される)。ディジタル
画像プロセッサ120は、画像出力装置130によって
満足のいく見え方の画像が生成されるよう、ディジタル
画像のソースディジタル画像を調整する。これらの処理
段階の間の相互作用については以下詳述する。
像プロセッサ120をより詳細に示す図である。本発明
によって用いられるディジタル画像プロセッサ120の
一般的な形式は、画像処理モジュール122(2つの別
々のモジュール122a及び122bとして示される)
の縦続チェーンを含む。各ソースディジタル画像はディ
ジタル画像プロセッサ120によって受け取られ、ディ
ジタル画像プロセッサ120は出力処理ディジタル画像
を生成する。ディジタル画像プロセッサ120に含まれ
る各画像処理モジュール122は、ディジタル画像を受
け取り、ディジタル画像を変更するか、又は、ディジタ
ル画像から何らかの情報を導出し、その出力処理ディジ
タル画像を次の画像処理モジュールへ与えるよう適応す
る。図12に示されるように、画像処理モジュール12
2は、プロセッサ120が他の画像処理モジュールと共
に使用されうることを示すために2つの強調変換モジュ
ール122a及び122bとして示されるが、これに限
られるものではない。強調変換モジュール122a及び
122bは、例えば、ディジタル画像の空間的な細部を
鮮明化し、ノイズを除去し、色を強調し、階調度を強調
するよう設計されたモジュールを含むが、これらに限ら
れるものではない。
ク10は、図11に示される画像捕捉装置110からの
ディジタル画像のグループ又は図12に示される顕著性
変換モジュール122aからの出力を受信する。画像評
価ネットワーク10は、各ディジタル画像の全体の重要
度、関心度、又は注目度を、それ自体によって又は画像
のグループのうちの他の画像に関連して示しディジタル
画像の画素から導出され望ましくは単一の数値である評
価値を計算する。アナログ光学印刷適用では、評価値は
フィルムネガから生成される個々の原画像の全体の重要
度、関心度、又は注目度示す。各画像に対応するそれ自
体の個々の評価値はアピール性値と称され、全ての画像
についてのその値はアピール性値の組と称される。画像
のグループのうちの他の画像に対する各画像に対応する
個々の評価値は顕著性値と称され、全ての画像について
のその値は顕著性値の組と称される。
ール性値の組を受信し、これらの値を解析し、ディジタ
ル画像のグループのうちの各ディジタル画像についての
印刷属性値を生成する。これらの印刷属性値は画像出力
装置130によって受信され、例えば印画の数、印画の
寸法、又は印画の倍率といった1つ以上の印刷属性を変
更又は制御するために使用されるが、これに限られるも
のではない。
れうる。この適用では、印刷属性値は、例えば印画の
数、印画の寸法、又は印画の倍率といった1つ以上の印
刷属性を変更又は制御するために印刷露光サブシステム
を制御するために使用されるが、これに限られるもので
はない。
テム]本発明は、例えばワールドワイドウェブを介して
アクセスされるインターネット、或いは、それ以外のコ
ンピュータネットワークを介して接続される多数のコン
ピュータを用いて実施されうる。本発明の実施に関係の
あるディジタル画像処理手順の一部として、2つの中央
処理機能、即ち(1)各ディジタル画像に含まれる画素
値から導出される評価(顕著性又はアピール性)値の計
算と(2)印刷属性値の計算とが含まれる。これらの中
央的要素のうちの片方又は両方は単一のコンピュータ内
で実現されうるが、評価値の計算と印刷属性値の計算が
異なるコンピュータ上で行なわれると共に第3のコンピ
ュータシステムが例えば印刷といった出力機能を実行し
てもよい。
コンピュータシステムをコンピュータネットワーク14
5を介して相互に接続されたものとして示す図である。
図13を参照するに、一方のコンピュータシステム19
0aは、そのディジタル画像プロセッサ120aに画像
捕捉装置110が接続されたものとして示され、他方の
コンピュータシステム190bはそのディジタル画像プ
ロセッサ120bに画像出力装置130が接続されたも
のとして示される。画像捕捉装置110は、接続された
ディジタル画像プロセッサ120aによって受信され処
理されるディジタル画像を生成する。評価値の組は、デ
ィジタル画像プロセッサ120aで計算される。ソース
ディジタル画像及び評価値は、コンピュータネットワー
ク145を介して第2のコンピュータシステム190b
へ送信される。第2のコンピュータシステム190bの
ディジタル画像プロセッサ120bはソースディジタル
画像を受信し、各画像についての印刷属性値を計算する
ために評価値を用い、画像出力装置130によって適切
な見た目の画像が生成されるようディジタル画像を変換
する。
90a及び190bが示されているが、本発明は2つ以
上のコンピュータシステムを用いても実施されうる。本
発明は、ソースディジタル画像を捕捉する第1のコンピ
ュータシステムを用いて実施することが可能であり、そ
の場合、ソースディジタル画像は評価値を計算する第2
のコンピュータシステムによって受信され、第3のコン
ピュータシステムは評価値とソースディジタル画像を受
信し、印刷属性値を計算し、第4のコンピュータシステ
ムは印刷属性値を受信し、印刷属性値に従って処理され
たディジタル画像の視覚的な表示及び/又はディジタル
画像の複製を生成する。
の例であり、即ちディジタル画像に関連する画素でない
情報の一部である。画像メタデータは、例えばディジタ
ル画像が捕捉された方法に関する情報の伝達、撮影者の
注釈付けのようなディジタル画像の意味に対する前後関
係の付加、又はディジタル画像についての解析情報の付
加などを目的として使用されうるが、これらに限られる
ものではない。本発明の1つの実施例では、これらの評
価値はコンピュータネットワークを介して画像メタデー
タとして送信され、異なるコンピュータシステムがディ
ジタル画像の印刷を制御するために画像メタデータを使
用することを可能とする。
む様々な画像処理アルゴリズム及びモジュールを使用し
てオンライン画像処理、注文、印刷を可能とするウェブ
ベースの処理アーキテクチャを示すものと理解されう
る。これに関しては、図13を参照して、ネットワーク
145(例えばインターネット)を介してクライアント
ホスト190aと相互接続されるサーバホスト190b
を含む、ウェブベースのアーキテクチャの典型的なクラ
イアント・サーバ構成について考えることが有用であ
る。クライアントホストとサーバホストの間の通信が適
切に確立されると、サーバコンピュータ140b上でウ
ェブサーバが実行され、クライアントコンピュータ14
0a上でウェブブラウザが実行され、モニタ装置150
a上に例えばアプレットによって発生される「要求」ウ
ェブページが表示される。クライアントアプリケーショ
ン機能は、例えば少なくとも画像顕著性ネットワーク1
0を含むアプレットへ組み込まれる。更に、クライアン
トアプリケーションは、図12に示される印刷属性制御
器180を含む(又はこの機能はウェブサーバ又はウェ
ブサーバに接続されたユーティリティによって与えられ
うる)。クライアントアプリケーションはこのようにし
てウェブブラウザにロードされ実行され、アプレット及
びウェブブラウザを介してディスプレイ150a上に表
示される。
ーザは、捕捉装置110(又は以下の画像記憶装置)を
介して特定の画像又は画像のグループを入力し、「要
求」ウェブページを介して特定の画像印刷オプションを
選択し、これはアプレットに対して評価値及び/又は属
性値を発生させ、ウェブブラウザに対して、ウェブサー
バに画像をアップロードし画像印刷を開始する要求を実
行するよう命令する。或いは、画像はユーザによってア
クセス可能な記憶装置(図示せず)からアップロードさ
れうるか、又はサーバホスト190bにアクセス可能な
様々な他のソースから与えられうる。サーバは画像処理
チェーンを含むディジタル画像プロセッサ120bとの
通信を開始する。画像出力装置130といった画像出力
機能もまたサーバホスト190bに含まれるか、又はサ
ーバホストから別個のユーティリティサービスとしてア
クセス可能である。ディジタル画像プロセッサ120b
は画像処理チェーン中で適当な機能を実行し、例えば変
更された画像といった適当な応答をウェブサーバに戻
し、ウェブサーバにアプレットへ応答を返す。アプレッ
トは、汎用制御コンピュータ140a上で実行されるウ
ェブブラウザに表示されるべき更なるウェブページを発
生する。上述のウェブに基づくアーキテクチャはアプレ
ットを介してウェブページを発生するが、例えばCGI
スクリプトを介したウェブページ発生のための他の手段
もまた本発明に従って使用されうることが理解されるべ
きである。
10は、評価値、即ち顕著性値及び/又はアピール性値
を発生する。1からnまでの番号が付されたディジタル
画像のグループは、画像顕著性ネットワーク10から受
信される対応する顕著性値Eの組を有するものとし、e
j項がj番目のディジタル画像についての個々の顕著性
値を指すものとすると、1からnまで番号が付された要
素は、 E={e1,e2,...,en} と表わされる。これに加えて、又は、これに変えて、や
はりnのディジタル画像に対応するアピール性値Aの組
が画像顕著性ネットワーク10から受信され、a j項が
j番目のディジタル画像についての個々の顕著性値を指
すものとすると、1からnまで番号が付された要素は、 A={a1,a2,...,an} と表わされる。顕著性値Eの組は、ディジタル画像のグ
ループのうちでのディジタル画像の相対的な重要性を表
わす。アピール性値Aの組は、各ディジタル画像の絶対
的な美的な質に関連する。印刷属性制御器180は、個
々の評価値を番号順にソートするランク順序づけ処理を
行なう。処理は、 R={r1,r2,...,rn} と表わされるランク指標Rの組を生じさせ、ここで、r
j項はディジタル画像のグループの中のj番目のディジ
タル画像の相対的な重要性を指す。例えば、Rは、以下
のような値、 R={5,2,...,3} を含みうる。この場合、ディジタル画像のグループのう
ちの第1のディジタル画像は5番目に重要なディジタル
画像であり、第2のディジタル画像は2番目に重要なデ
ィジタル画像であり、第nのディジタル画像はディジタ
ル画像のグループの中の3番目に重要なディジタル画像
である。
アピール性値Aの組は、pj項がディジタル画像のグル
ープのj番目のディジタル画像についての印刷属性値を
指すものとすると、 P={p1,p2,...,pn} と表わされる印刷属性値Pの組を決定するために使用さ
れる。印刷属性制御器180によって生成される個々の
印刷属性値は、図11に示される画像出力装置130に
よって受信される。印刷属性値は、例えば画像から作成
される印画の数、画像から作成される印画の寸法、画像
について用いられる倍率といった作成される印画の属性
を変化させるために画像出力装置によって使用される。
される印画の数を変化させるために使用されうる。一般
的には、商業用印刷サービスシステムでは、画像当たり
の印画の数は1又は2に決まっている。本発明の望まし
い実施例は、作成される画像当たりの印画の数を個々の
ディジタル画像についての対応する印刷属性値に基づい
て変化させる。例えば、ランク指標Rの組は4つの部分
集合又は四分の一ずつに分割される。上位の四分の一の
部分に対応する評価値ランク付けを有するディジタル画
像は印刷属性値3を受け取り、中位の2つの四分の一は
印刷属性値2を受け取り、下位の四分の一は印刷属性値
1を受け取る。次に、例えば、対応する印刷属性値3を
有する各ディジタル画像について、画像出力装置130
は3つの印画を作成するよう命令される。従って、印刷
属性値2の各ディジタル画像については、画像出力装置
130は2つの印画を作成するよう命令され、印刷属性
値1の各ディジタル画像については画像出力装置130
は1つの印画を作成するよう命令される。このように、
印刷属性値は個々の画像当たりの印画の数を直接制御す
る。ディジタル画像値の印画の数を制御する本発明の望
ましい実施例では、ディジタル画像のグループ当たりの
印画の数は一定である。
グループについての印画の総数が可変となるようにディ
ジタル画像当たりの印画の数を変化させるものである。
この方法では、印刷属性値は、評価値を所定の閾値と比
較することによって決定される。例えば、消費者画像を
用いた実験では、対応するアピール性値が0.7以上で
ある画像は、0.7よりも小さい対応するアピール性値
の画像と比較して、消費者にとってかなり楽しめるもの
である。従って、0.7以上の対応する顕著性値を有す
るディジタル画像のグループの全てのディジタル画像に
対して、印刷属性値2が割り当てられる。0.7よりも
小さい対応する顕著性値を有するディジタル画像のグル
ープの全てのディジタル画像に対して、印刷属性値1が
割り当てられる。従って、この実施例では、ディジタル
画像のグループについて作成される画像の総数は個々の
画像について計算された顕著性値に基づいてグループ毎
に異なり、例えば、画像出力装置130が画像当たりに
作成する印画の数は、印刷属性値2を受け取った印画に
ついては、印刷属性値1を受け取った印画よりも多くな
る。ディジタル画像の幾つかのグループについては、N
の印画のみが作成されるのに対して、他のグループでは
最大で2Nの印画が作成される。
される印画の寸法を変化させるために使用されうる。一
般的には、商業用の印刷サービスシステムでは、印画の
寸法は決められている。例えば、消費者の印画注文は、
7.62cm×12.7cm(3インチ×5インチ)の
寸法の印画を指定しうる。その他に、10.16cm×
15.24cm(4インチ×6インチ)や12.7cm
×17.78cm(5インチ×7インチ)といった寸法
が人気があるが、寸法はこれらに限られるものではな
い。本発明の望ましい実施例は、個々のディジタル画像
についての印刷属性値に基づいて個々の画像について作
成される印画の寸法を変化させる。最も高い対応する評
価値を有するディジタル画像はより大きい寸法で印刷さ
れる。例えば、対応するランク指標が1であるディジタ
ル画像は、12.7cm×17.78cm(5インチ×
7インチ)の寸法の紙に印刷される。全ての他のディジ
タル画像はより小さい寸法の10.16cm×15.2
4cm(4インチ×6インチ)の紙に印刷される。本発
明のこの実施例では、ディジタル画像のグループから作
成される印画の総数は一定である。
値の印画の数は、印画の総数が一定の数となるよう変化
される。この方法では、印刷属性値は、評価値を所定の
閾値と比較することによって決定される。0.7以上の
対応する評価値を有するディジタル画像のグループの中
の全てのディジタル画像に対して、印刷属性値2が割り
当てられる。0.7よりも小さい対応する評価値を有す
るディジタル画像のグループの中の全てのディジタル画
像に対して、印刷属性値1が割り当てられる。対応する
印刷属性値2を有するディジタル画像は10.16cm
×15.24cm(4インチ×6インチ)の寸法の紙に
印刷され、対応する印刷属性値1を有するディジタル画
像は7.62cm×12.7cm(3インチ×5イン
チ)の寸法の紙に印刷される。当業者によれば、望まし
い実施例と他の実施例の組合せは容易になされ、本発明
の範囲に含まれることが明らかである。
の倍率を変化させるために使用されうる。一般的には、
商業用の印刷サービスシステムでは、印画の倍率は1.
0に固定される。倍率が1.0のとき、元の写真の画像
内容の全て又は殆ど全てが写真紙上に結像される。画像
が1.0以上の倍率で印刷される場合、元の画像内容の
一部のみが印刷紙上に表現される。例えば、倍率2.0
では、画像領域の中央の四分の一が印刷される。これは
印画を作成するのに使用される紙の寸法には全く無関係
である。ディジタルイメージングプリンタでは、同等の
処理は、元のディジタル画像の部分集合の領域を補間す
ることを含む。例えば、倍率2.0では、画像領域の中
央の四分の一が補間され、出力画像装置によって受信さ
れる新しいディジタル画像が形成される。
るため、画像領域のどの部分集合を使用するかについて
選択せねばならない。本発明の望ましい実施例は、ディ
ジタル画像の中央部分を単純に選択する技術を用いる。
選択される画像領域の正確な量は、使用される紙の寸法
の横縦比と倍率に基づく。或いは、主被写体を中心とす
る画像領域が選択されうる。クロッピング及びズーミン
グに適した主被写体領域を測位するための方法の詳細な
説明については、ここに参照のため引用されたJiebo Lu
o及びRobert Grayによる2000年1月25日出願の
「Method for Automatically Creating Cropped and Zo
omed Versions of Photographic Images」なる名称の係
属中の米国特許出願第09/490,915号に記載さ
れている。
タル画像についての対応する印刷属性値に基づいて個々
の画像について作成される印画の倍率を変化させる。最
も高い対応する評価値を有する画像はより大きい倍率で
印刷される。消費者写真を用いた実験により、多くの消
費者写真は、撮影時に使用されるカメラレンズズーム倍
率が比較的低いため、あまり重要でないと考えられるこ
とが分かった。最も上上位の四分の一の部分に対応する
評価値を有するディジタル画像のグループに含まれるデ
ィジタル画像には印刷属性値1が割り当てられ、上から
二番目の四分の一の部分には印刷属性値2が割り当てら
れ、上から三番目の四分の一の部分には印刷属性値3が
割り当てられ、上から四番目の四分の一の部分には印刷
属性値4が割り当てられる。印刷属性値1、2、3、4
に関連付けられる対応する倍率は、夫々、1.3、1.
2、1.1、1.0である。或いは、あまり重要でない
と考えられる写真により高い倍率が適用される場合、こ
れらの数値は逆にされる。
値ランクを有するディジタル画像を選択し、倍率2.0
でそのディジタル画像の更なる印画を印刷する。従っ
て、ディジタル画像のグループの全てのディジタル画像
の10.16cm×15.24cm(4インチ×6イン
チ)の印画が倍率1.0で作成され、最も良いディジタ
ル画像の1つの追加的な印画が倍率2.0で作成され
る。
像を相対的な値及び/又は本質的な値についてランク付
けし、画像がこれらの値に従って処理又は扱われうるよ
うにすることが重要である。この論理ランク付けは、2
つの関連付けられた画像評価、即ち画像のアピール性と
画像の顕著性に基づく。画像のアピール性は個々のピク
チャの重要度、関心度、又は注目度の本質的な度合いで
あり、一方、画像の顕著性は、グループのうちの他の写
真に対する写真の相対的な重要度、関心度、又は注目度
である。評価アルゴリズムは、画像に対して動作し、各
画像に対して評価値(即ち顕著性値及び/又はアピール
性値)を割り当てることが期待される。評価値は、特定
のグループの各画像に関連付けられたメタデータとして
見なされ、上述の画像処理チェーンといった他のアルゴ
リズムによって利用されうる。
0は、Andreas E. Savakis及びStephen Etzにより19
99年12月14日に出願された「Method for Automat
ic Assessment of Emphasis and Appeal in Consumer I
mages」なる名称のここに参照のため引用された係属中
の米国特許出願第09/460,759号から採用され
る図1乃至10により詳細に示されている。まず、図1
を参照するに、顕著性値を計算するための画像評価ネッ
トワーク10は、2つの段階、即ち特徴抽出段階12と
分類段階14を含むものとして示されている。特徴抽出
段階12は、夫々が幾つかの画像特徴特性を測定するよ
う設計された多数のアルゴリズムを含み、特徴の定量的
な尺度がアルゴリズムの出力の値によって表わされる。
従って、特徴抽出段階12の出力は、幾つかの特徴の存
在(又は存在しないこと)の統計的な証拠を表わし、出
力は顕著性値を計算するために分類段階14によって積
分される。この値は、例えば0乃至100の範囲であり
え、処理された画像が重要画像であるという尤度又は信
念を示す。図4に示されるような別々の画像顕著性ネッ
トワーク10.1,10.2..10.N中の画像のグ
ループについて顕著性値が計算された後、顕著性値は比
較器段階16において比較され、夫々の正規化段階1
8.1,18.2..18.Nにおいて正規化される。
最も高い顕著性値を有する画像は、グループの顕著性画
像として選ばれる。
観察者の好みのグラウンド・トゥルース(ground trut
h)調査に基づいて選択された。グラウンド・トゥルー
ス調査によって、顕著性画像の選択に重要な特徴は、鮮
明度、コントラスト、フィルム粒状度、露出といった従
来の画質の計量と強い関連性の無いことが判明したが、
これらの従来型の計量のうちの1つ以上は評価値の計算
においても価値がある。選択された特徴は、一般的には
(a)人物関連特徴、(b)主被写体関連特徴、及び
(c)画像の客観的尺度関連特徴の3つのカテゴリへ分
けられる。図1を参照するに、人物関連特徴は、肌領域
検出器20、クローズアップ検出器22、及び人物検出
器24によって抽出される。入力画像iは一般的には、
人物関連特徴検出器20、22、24によって処理され
るのに適した中間値を発生するために肌検出器26及び
顔検出器28を通じて処理される。主被写体関連特徴
は、主被写体検出器34からの入力に基づいて、構図検
出器30及び被写体寸法検出器32によって抽出され
る。構図検出器30は、図3に示されるように、主被写
体分散性アルゴリズム30.1、主被写体中心性アルゴ
リズム30.2、及び主被写体コンパクト性アルゴリズ
ム30.3を含む。主被写体データはクラスタ化段31
においてクラスタ化され、構図関連アルゴリズム30.
2及び30.3と、被写体寸法アルゴリズム32に与え
られる。画像の客観的尺度関連特徴は、鮮明度検出器3
6、カラフルネス検出器38、及び独自フォーマット検
出器40によって抽出される。更に、画像の色内容が画
像のグループに対する色内容を表す程度に関連する客観
的尺度は、代表色検出器42によって抽出される。
性を表わす値を計算するために使用される。画像顕著性
は、グループのうちの他の画像に対する画像の相対的な
重要度、関心度、又は注目度として定義される。各画像
はグループのうちの他の画像に対して相対的に評価され
ねばならないため、画像顕著性計算は、画像を夫々の顕
著性値についてスコアリングする図4に示されるような
画像顕著性ネットワーク10.1,10.2..10.
Nのネットワークを含む。実際に、一連の画像の画像顕
著性値を決めるよう繰り返し使用される1つの画像顕著
性ネットワーク10がありうるが、この場合、順次に得
られる結果は比較器16への入力のための中間記憶(図
示せず)に格納されうる。図2に示される特徴の集まり
は、図1に示される特徴の集まりの部分集合であり、絶
対的に、即ち他の画像を参照することなく、画像の本質
的な重要度、関心度、又は注目度として定義される画像
のアピール性を表わす値を計算するために使用される。
図2に示される特徴は、これらの特徴が着目中の画像だ
けに基づいて画像を評価することができるので、自己代
表特徴と称される。これに対して、図1では、独自フォ
ーマット特徴と代表色特徴の2つの追加的な特徴が検出
され、これらの特徴は他の画像との関連付けに不可欠な
尺度であるため、相対代表特徴と称される。(しかしな
がらこれらの相対代表特徴は、顕著性の十分な尺度が自
己代表特徴のみから獲得されうる限りは任意である)。
従って、アピール性及び顕著性の両方の評価は自己代表
特徴に関連し、一方、顕著性の評価のみが相対代表特徴
に関連する。
は、以下に説明するように対応する特徴量の計算を含
む。
の特徴と比較して最も計算が簡単であり、かつ、最も矛
盾のない結果を与える。これらを計算するための方法が
既に利用可能であり、イメージング科学の殆どの技術は
客観的特徴の尺度に基づいている。多くの客観的特徴を
計算することが潜在的に可能であるが、画像の顕著性及
びアピール性(図1及び図2)の両方のためにはカラフ
ルネス及び鮮明度のみが考慮に入れられ、画像顕著性
(図1)のためには独自フォーマット及び代表色が追加
的に考慮される。コントラスト及びノイズといった他の
客観的尺度は、幾つかの状況において有用であるとさ
れ、本発明の範囲に含まれることが意図される。
は、カラフルなピクチャは様々な色相で高い飽和度を表
示する色を有するという観察に基づき、カラフルネスの
定量的な尺度を与える。これは、様々な色相について高
い飽和度の色の存在について調べることによってグラウ
ンド・トゥルース調査によって決定された。画像データ
は、sRGB色空間の画像データであると仮定した。特
に、図6に示されるように、カラフルネス検出器38
は、カラフルネスを計算するために以下の段階を実施す
る。最初に、ステップ60において、入力画像値iは輝
度/クロミナンス空間へ変換される。このような多くの
変換が当業者によって公知であり、本発明と組み合わせ
てうまく使用されうるが、望ましい変換は、以下の式、
緑−マゼンタと照度はクロミナンスの尺度である。ステ
ップ62において、各画素は、そのクロミナンス平面
(照度、緑−マゼンタ)は、図7に示されるような角度
欄と称される12の色度平面ウェッジへ分割され量子化
される。次に、ステップ64において、クロミナンス成
分が角度欄の境界に収まる場合、その角度欄のうちの1
つに関連付けられる。飽和度のレベル(原点からの距
離)は、ステップ66において各角度欄の各画素に対し
て計算される。ステップ68において各角度欄を占める
高い飽和度の画素の数が測定され、高い飽和度の画素と
はクロミナンス平面における原点からの距離が一定の閾
値Ts(例えばTs=0.33)を超える画素である。
各角度欄について、ステップ70において、高い飽和度
の画素の数がある閾値Tc(例えばTc=250画素)
を超える場合、その欄は有効であると決定される。ステ
ップ72において、カラフルネスは以下の式、
れば、12の欄のうちの10の欄が使用されていると、
カラフルネスは1.0であり、画像は最もカラフルであ
るとされる。
鮮明度特徴を見つけるために以下の段階を実施する。 (a)画像は境界線に沿って20%の水準で切り取ら
れ、緑チャネルを抽出することによりグレースケールへ
変換される。 (b)画像のエッジは、ノイズを減少させるために3×
3の平均化フィルタを適用した後にSobel演算子を
用いて緑チャネル中で検出される。 (c)エッジヒストグラムが形成され、エッジヒストグ
ラムの90番目の百分位数を超えるエッジが最も強いエ
ッジを含む領域であると同定される。 (d)最も強いエッジの領域はメジアンフィルタリング
によって洗練され、最も強いエッジの統計値が計算され
る。 (e)最も強いエッジの平均は鮮明度の推定値を与え
る。
に細かい点については、ここに参照のため引用された、
Andreas Savakis及びAlexander Louiによって1999
年3月23日に出願された「A Method for Automatical
ly Detecting Digital Images that are Undesirable f
or Placing in Albums」なる名称のた米国特許出願第0
9/274,645号に記載されている。
ルース調査の参加者は、APSの「パノラマ」モードで
撮影された写真は、顕著性がより必要であることを示し
た。グラウンド・トゥルースデータの予備分析は、その
写真がグループ中のただ1つのパノラマ写真であれば、
顕著性画像として選択される可能性を高めることを示し
た。相対的な特徴である「フォーマット独自性」はこの
性質を表わす。
中の各画像iについて以下のアルゴリズム、
liと短い画素寸法siに基づくものである。フォーマ
ット独自性Uは、
がどれだけ代表的であるかを決定するために以下の段階
を行なう。 1.各画像iについて、(RGB又は輝度/クロミナン
ス空間中で)カラーヒストグラムhi(R,G,B)を
計算する。 2.以下の式、
り、グループについての平均カラーヒストグラムを見つ
ける。 3.各画像iについて、画像のヒストグラムと平均カラ
ーヒストグラムとの間の距離(ユークリッド距離又はヒ
ストグラム交差距離)を、以下の式、
ける。 5.以下の式、
割り算することによって代表尺度rを得る。
著性を決定するときに重要であるが、例えば笑っている
人物、カメラを向いている人物等といった人物に関連す
る多くの明確な属性は計算するのが困難である。肌検出
方法は、人物が存在するか否か、肌面積の大きさ、及び
クローズアップの量といった幾つかの人物関連特徴を計
算する。
用いられる肌検出方法、及び顔検出器28によって用い
られる顔検出方法は、ここに参照のため引用されたH.
C. Lee及び及びH. Nicponskiにより1998年7月9日
に出願された「A Method for Detecting Human Faces i
n Digitized Images」なる名称の米国特許出願第09/
112,661号に開示される方法に基づく。
112,661号に開示される方法が概略的に示され
る。入力画像は、ステップS102において優勢な全体
照明を補償するためにカラーバランス調整される。カラ
ーバランス調整は、(r,g,b)値から(L,s,
t)値への変換を含む。(L,s,t)空間中、L軸は
色の明るさを表わし、s及びt軸はクロマ軸を表わす。
s成分は、昼光からタングステン光まで、青から赤まで
の光源の変化を近似的に表わす。t成分は、緑とマゼン
タの間の軸を表わす。この段階のためには、中間色への
平均化といった簡単な方法を含む多数の周知のカラーバ
ランスアルゴリズムが使用されうる。次に、ステップS
104において色セグメント化のためにkモードクラス
タ化アルゴリズムが使用される。このアルゴリズムは、
ここに参照として組み込まれる共通に譲渡された米国特
許第5,418,895号に含まれる。基本的に、
(L,s,t)空間中の3次元カラーヒストグラムは入
力カラー画像から形成され、クラスタ化アルゴリズムに
よって処理される。この段階の結果により、各連結され
た領域がユニークなラベルの付けられた領域マップが得
られる。各領域について、ステップS106において平
均化されたルミナンス及び色度が計算される。これらの
特徴は、条件付き確率及び適応閾値処理に基づいて可能
な肌領域(候補肌領域)を予測するために使用される。
ステップS108において、各肌領域に最もよい楕円を
当てはめることにより、各肌領域のスケール及び平面内
の回転ポーズの推定値が得られる。これらの推定値の近
傍のスケール及び平面内の回転ポーズの範囲を用いるこ
とにより、ステップS110において仮の顔特徴を同定
するために各顔領域に対して一連の線形フィルタリング
段階が適用される。ステップS112において、領域が
実際に顔特徴を表わす尤度と、領域が表わす顔特徴のタ
イプとを予測するために多数の確率計量が用いられる。
は、ステップS114において予想される顔についての
最初の特徴として使用される。投影幾何学を用いること
により、3つの最初の特徴の同定は、頭部の姿勢の可能
な範囲を定義する。顔の姿勢の各候補は、包括的な3次
元の頭部モデル及び顔特徴の位置の変化の範囲と共に、
残りの顔特徴の位置を予測するために使用されうる。予
測された特徴の位置が見つかるかどうか調べるために、
候補顔特徴のリストの探索を行なう。候補顔特徴がの位
置及び向きが予測された位置及び向きに近ければ、その
特徴の有効性の確率的な推定値に影響が与えられる。
す累積された証拠を理解するために、頭部のベイズネッ
トワーク確率モデルが使用される。ネットワークの事前
確率は、様々な向き及びスケールの頭部が含まれる大量
の学習画像の組から抽出される。ネットワークは候補顔
の予想特徴から始まり、ネットワークの推定された確率
は計算された計量とテンプレートに対する空間的な一致
度に基づく。次に、ネットワークは、これらの初期条件
から始めて、顔の存在の確率の大域的な推定値へ収束す
るまで、実行される。この確率は、厳しい閾値と比較さ
れ、或いは、2値評価が必要でなければ確率的な形式の
ままとされる。この肌及び顔検出方法の更なる詳細は、
ここに参照のため引用された米国特許出願第09/11
2,661号に記載されている。
その割合自体を特徴として得るために、或いは、人物検
出及びクローズアップ検出の予備段階として、肌面積検
出器20によって計算される。そのため、肌面積検出器
20の出力は分類段階14に接続されると共に、クロー
ズアップ検出器22及び人物検出器24へ入力される。
肌面積は、0乃至1の範囲の連続的な変数であり、人物
に関連する特徴の数に相関する。例えば、等距離から撮
影された写真に関しては、肌面積が増加するということ
は、写真に写っている人物が増えることを意味し、「集
合写真」であるという明確な標識と相関する。或いは、
2つの写真が同数の人物が写っている場合、肌面積が増
加することは倍率が大きくなることを示し、これは「ク
ローズアップ」という明確な属性と相関する。肌面積の
増加に関するその他の説明として、被写体の配置を理由
に挙げることも可能である。
22は、クローズアップを判定するために以下の手段を
使用する。 (a)肌検出が実行され、結果としてのマップが(境界
線から25%離れた)中央領域で調べられる。 (b)クローズアップは、画像の中央部分における肌面
積の割合として決められる。
ほうがクローズアップの判定に適している。
なりの量の肌面積が存在する場合は、人物検出器24に
よって検出される。画像中の肌画素の割合が計算され、
肌の割合が画素数の閾値Tf(例えばTf=20画素)
を超えるときに人物が存在すると想定される。人物の存
否は、人物が存在する場合に1、存在しない場合に0を
示す2進数で表される2値特徴である。
に重要な積極的な属性であり、悪い構図は一般的には消
極的な属性である。画像の構図の自動評価は非常に困難
であり、場合によっては主観的である。良い構図は、三
分の一の法則といった多数の一般的な周知の法則に従う
ものでありうるが、このような規則はしばしば撮影者の
視点を表現するため守られない。
って用いられる検出器は、J. Luo、S. Etz及びA. Singh
alによって1998年12月31日に出願された「Meth
od for Automatic Determination of Main Subjects in
Consumer Images」なる名称の共通に譲渡された米国特
許出願第09/223,860号に開示されている。図
9を参照するに、米国特許出願第09/223,860
号に開示された主被写体検出方法を概略的に表わすブロ
ック図が示される。まず、ステップS200において、
自然のシーンの入力画像が捕捉され、ディジタル形式で
記憶される。次に、ステップS202において画像は均
質な性質の幾つかの領域へセグメント化される。次に、
ステップS204において、領域セグメントは、目的の
ない無目的知覚グループ化を通じて類似性尺度に基づい
て、より大きい領域へグループ化され、ステップS20
6において目的のあるグループ化(合目的グループ化は
特定の物体に関連する)を通じて知覚的に一貫した物体
に対応するより大きい領域へ更にグループ化される。ス
テップS208において、領域は、構造的代表特徴と意
味論的代表特徴2つの独立した相補的な代表特徴につい
て評価される。ステップS208aにおいて、低レベル
早期視覚特徴の組及び幾何学的特徴の組を含む構造的代
表特徴が抽出され、これらの特徴は自己代表特徴の組及
び相対代表特徴の組を生成するために更に処理される。
ステップS208bにおいて、前景(例えば人物)又は
背景(例えば空、草)といったの一部である可能性の高
いキー被写体物の形式で意味論的代表特徴が検出され、
意味論的な手がかり及びシーン前後関係の手がかりを与
える。ステップ210において、両方のタイプの証拠が
ベイズネットに基づく推論エンジンを用いて統合され、
ステップ212で主被写体の最終信念マップが得られ
る。
規準では明らかに不十分である。人間の脳は、先験的な
知識と、実世界の被写体及びシナリオについての及び膨
大な記憶とを有しており、シーン中の興味深い被写体又
は主な被写体を評価するために異なる主観的な規準を組
み合わせる。拡張的な特徴リストに含まれる特徴、即
ち、場所、寸法、明るさ、カラフルネス、テクスチャフ
ルネス、主キー被写体物、形状、対称性、空間的関係
(包囲性/閉塞性)、境界性、屋内/屋外、向き、(適
用可能であれば)深度、及び(ビデオシーケンスについ
て適用可能であれば)動きは、主被写体検出といった多
少とも漠然としたタスクを実行するときに人間の脳に影
響を与えると考えられる。
及びテクスチャが含まれる。幾何学的特徴には、場所
(中心性)、空間的関係(境界性、隣接性、包囲性、オ
クルージョン)、寸法、形状、及び対称性が含まれる。
意味論的特徴には、肌、顔、空、草、及び他の緑の草木
が含まれる。当業者は、本発明の範囲を逸脱することな
くより多くの特徴を定義しうる。主被写体検出アルゴリ
ズムの更なる詳細は、ここに参照のため引用された米国
特許出願第09/223,860号に記載されている。
約的なアルゴリズムであり、被写体関連特徴のより小さ
い組に基づいて被写体検出を行なう他のアルゴリズムが
使用されうる。ここで考えられる全ての構図尺度は主被
写体信念マップに関するものであるため、最も計算的に
効率的な曲面、例えば、殆ど「中心性」尺度に関係する
曲面にシステムを集中させることが可能である。これら
の面は主被写体の判定の際に考慮に入れられ、幾らかの
精度を犠牲するが全体の計算上の複雑さを軽減する。ア
ルゴリズムを再び学習させることなくこのようにして特
徴が排除されうることは、主被写体検出アルゴリズムに
おいて使用されるベイズネットワークの有用な性質であ
る。第2に、主被写体検出器50に供給される画像が正
しい側が上向きであることが知られていれば有利であ
る。シーン中の領域の空間的な場所に関連する被写体に
関する特徴はこの知識を反映するよう変更されうる。例
えば、シーンの向きを知らない場合は、主被写体検出器
50は主被写体領域の中心が加重された分布を想定する
が、向きが知られていれば、底辺の中心が加重された分
布を想定しうる。
おいて主被写体信念マップが計算された後、主被写体信
念マップは、クラスタ化段階31において強度値のk平
均クラスタ化を用いて3つの領域へ分割される。3つの
領域は、主被写体の一部である可能性が高い画素、主被
写体の一部である可能性が低い画素、及び中間画素に対
応する。量子化されたマップに基づいて、以下図5A乃
至図5Dを参照して説明されるように、主被写体の寸
法、中心性、コンパクト性、関心(分散)の特徴が計算
される。
るための1つの方法は、写真の興味深さ、即ち、関心度
を示すことである。顕著性画像選択のために、以下の特
徴を有する画像は関心が高いものと考えられうる。 ・主被写体はフレーム内での配置によって関心度が高
い。 ・主被写体は、写真のかなり大きい面積を構成するが、
フレーム全体を構成するものではない。 ・背景は主被写体から注意をそらす孤立した物体を含ま
ない。
プ中の分散性を推定することによって計算される。この
特徴は、主に凡例として価値があり、即ち関心度の高く
ない画像は顕著性画像とするべきではない。特に、図5
Aに示されるように、主被写体分散性検出器30.1は
主被写体分散性を計算するために以下の段階を行なう。
最初に、ステップS10において全ての被写体信念マッ
プ値の統計的な分散vが計算される。ステップS12に
おいて、主被写体分散性特徴yは、以下の式、 y=min(1,2.5*sqrt(v)/127.
5) によって計算される。
量子化された主被写体信念マップ中の画像中心と高い確
率(或いは中間の確率)の領域の重心との間の距離とし
て計算される。特に、図5Bに示されるように、主被写
体中心性検出器30.2は主被写体中心性を計算するた
めに以下の段階を実行する。最初に、ステップS20に
おいて、最高値のクラスタの重心の画素座標が測位され
る。ステップS22において、画像中心から重心までの
ユークリッド距離jが計算される。ステップS24にお
いて、ユークリッド距離jを画像の短辺に沿った画素の
数で除算することにより正規化された距離kが計算され
る。ステップS26において、主被写体中心性特徴m
は、以下の式、 m=min(k,l) に従って計算される。
化された主被写体信念マップ中の高い確率(そして任意
には中間の確率の)領域の寸法によって決定される。こ
れは、高い確率(そして任意に中間の確率の)領域によ
って占められる中央面積(境界から25%)の割合とし
て表現される。特に、図5Cに示されるように、主被写
体寸法検出器32は主被写体の寸法を計算するために以
下の段階を行なう。最初に、ステップS30において、
最も高い値のクラスタと画像面積の矩形状の中心部の1
/4が交差する部分の画素数fが計数される。ステップ
S32において、主被写体寸法特徴gは、以下の式、 g=f/N に従って計算される。但しNは画素の総数を表す。
ンパクト性は、量子化された主被写体信念マップ中で高
い確率(そして任意に中間の確率)のための境界矩形を
計算し、次に主被写体によって占められる境界矩形の割
合を調べることによって推定される。特に、図5Dに示
されるように、主被写体コンパクト性検出器30.3
は、主被写体のコンパクト性を計算するために以下の段
階を行なう。まず、ステップS40において、最も高い
値のクラスタ中の画素数aが計数される。ステップS4
2において、最も高い値のクラスタ中の全ての画素を含
む最も小さいボックス(境界ボックス)が計算され、ス
テップS44において境界ボックスの面積bが画素単位
で計算される。ステップS46において、主被写体のコ
ンパクト性特徴eは、以下の式、 e=min(1,max(0,2*(a/b−0.
2))) によって計算され、但し、eは0乃至1(0及び1を含
む)の値となる。
生成される特徴量は、分類段14に適用される。分類段
14は、望ましくは自己代表特徴及び/又は相対代表特
徴を入力として受け入れ、画像評価(顕著性及びアピー
ル性)値を発生するよう学習される推論エンジンであ
る。異なる証拠は、人間の観察者による実際の画像の評
価であるグラウンド・トゥルース調査の結果から得られ
る知識に従って相互に競合し、或いは、相互に補強す
る。競合及び補強は、推論エンジンの推論ネットワーク
によって解決される。好適な推論エンジンはベイズネッ
トワークである。
ilistic Reasoning in IntelligentSystems, San Franc
isco, CA: Morgan Kaufmann, 1988を参照)グラフ内の
様々なエンティティ間の因果関係を表現する非循環性の
有効グラフである。リンクの向きはグラフ中の様々なエ
ンティティ間に因果関係を表わし、リンクの方向が因果
を表わす。評価は、様々なエンティティ間の結合確率分
布関数(PDF)についての知識に基づく。ベイズネッ
トの利点は、不確実性の特徴付けが明示的であること、
計算が効率的であること、構築及び保守が容易であるこ
と、学習が迅速であること、及び、ネットワーク構造及
びそのパラメータの変化に対し素早く適応することが含
まれる。ベイズネットは以下の4つの構成要素からな
る。 ・Priors:ベイズネット中の様々なノードについ
ての最初の信念。 ・条件付き確率行列(CPM):ベイズネット中の2つ
の連結されたノード間の関係についての専門知識。 ・証拠:ベイズネットに入力される特徴検出器からの観
察。 ・Posteriors:ベイズネットを通じて証拠が
伝播された後の最終的な計算された信念。
中、CPM段15.1...15.9(図2中、15.
1...15.7)として示されるCPMの組であり、
なぜならば、CPM段は利用可能な特定のアプリケーシ
ョンについてのドメイン知識を表わすからである。CP
Mの導出は、ベイズネットといった推論エンジンの分野
の当業者には周知であるが、以下においては典型的なC
PMの導出について考えるものとする。
ムにおいて単純な2階層ベイズネットが使用され、顕著
性(又はアピール性)スコアは根ノードにおいて決定さ
れ、全ての特徴検出器は葉ノードにある。各リンクは、
同じ階層の他のリンクから条件付きで独立であると仮定
され、各リンクを別々に学習することによって、即ち他
のものから独立した所与のリンクについてCPMを導出
することによって、ネット全体が都合良く学習されるこ
とに注意する必要がある。この仮定は、実際は破られる
ことが多いが、独立性による簡単化により、容易に実施
できるようになり、妥当な結果が得られる。これによ
り、他の分類器又は推論エンジンとの比較のための基準
が得られる。
によって統合され、顕著性値又はアピール性値が生ず
る。一方では、異なる証拠は他の証拠と競争するか矛盾
しうる。他方では、異なる証拠は一般的な写真シーンの
事前モデル又は知識に従って互いに補強し合う。競合及
び補強は共に、ベイズネットに基づく推論エンジンによ
って解かれる。
徴検出器間の条件的独立性を想定する2階層ベイズネッ
トが用いられる。顕著性又はアピール性値は根ノード4
4において決定され、全ての特徴検出器は葉ノード46
にある。各画像について1つの有効なベイズネットがあ
る。本発明は、本発明の範囲を逸脱することなく2つ以
上の階層を有するベイズネットにおいて使用されうると
理解される。
点の1つは、各リンクが同じ階層にある他のリンクとは
独立になることである。従って、ベイズネットは、各リ
ンクを別々に学習することにより、即ち他のリンクとは
独立の所与のリンクについてCPM15.1...1
5.9を導出することによってネット全体を学習させる
のに便利である。一般的に、根特徴ノード対毎にCPM
を得るために2つの方法が使用される。 1.専門知識を用いる。これはアドホックな方法であ
る。専門家は、アピール性の高い画像が与えられた場合
に、高出力又は低出力を生じる各特徴検出器の条件付き
確率を得るため助言を求められる。 2.偶然性テーブルを用いる これはサンプリング・相関方法である。各特徴検出器の
多数の観察結果は、顕著性又はアピール性とについての
情報と共に記録される。これらの観察結果は、偶然性テ
ーブルを作成するために一緒に集められ、偶然性テーブ
ルは正規化されたときはCPM15.1...15.9
として使用されうる。この方法は、ニューラルネットワ
ーク型の学習(習得)に似ている。本発明ではこの方法
が望ましい。
いて考える。この行列は、グラウンド・トゥルース及び
特徴検出器から導出された偶然性テーブルを用いて生成
される。特徴検出器は一般的には2値決定(テーブル1
を参照)を供給しないため、CPMを導出するときには
分数的な頻度計数が用いられる。CPMのエントリは、
以下の式、
の組であり、Riはグループi中の全ての画像組であ
り、niはグループiについての観察結果(観察者)の
数である。更に、Frは画像rについてのMラベル特徴
ベクトル、TrはLレベルグラウンド・トゥルースベク
トル、Pは正規化定数係数のL×Lの対角行列を表わ
す。例えば、表1における画像1、4、5、7は、表2
におけるボックス00、11、10、01に寄与する。
全ての信念値は適正な信念センサによって正規化されて
いる。中心性についてのCPMの第1の列の直感的な解
釈として、高い特徴値を有する画像は高い特徴値をもた
ない画像のアピール性の2倍になる可能性がある。
明されたが、ベイズネットの代わりに異なる推論エンジ
ンが使用されうる。例えば、B. D. Ripleyによる「Patt
ern Recognition and Neural Networks」(Cambridge Un
iversity Press, 1996)では、正しい特徴を有するとい
うことが通常は最も重要であるようなパターン認識問題
を解くために使用されうる様々な異なる分類器が記載さ
れている。このような分類器は、線形判別式解析方法、
柔軟な判別式、(フィードフォワード)ニューラルネッ
トワーク、ノン・パラメトリック方法、木構造分類器、
信念ネットワーク(例えばベイズネットワーク)を含
む。当業者によれば、これらの分類器のうちのいずれも
本発明を実施するための推論エンジンとして採用されう
ることが明らかとなろう。
るためにディジタル画像をディジタル式に処理し、それ
により人間が理解可能な対象、属性又は条件に対して有
用な意味を割り当て、ディジタル画像の更なる処理にお
いて得られる結果を用いるための技術を意味すると理解
されるディジタル画像理解技術に関する。
を示す図である。
ークを示す図である。
素をより詳細に示すブロック図である。
ネットワーク構造を示すブロック図である。
法を詳細に示す図である。
法を詳細に示す図である。
法を詳細に示す図である。
法を詳細に示す図である。
す図である。
ェッジを示す図である。
図である。
られる2レベルのベイズ網を示す図である。
を用いて本発明を実施するコンピュータシステムのブロ
ック図である。
システムの更なる詳細を示すブロック図である。
タ・インターネット画像処理システムを示すブロック図
である。
Claims (1)
- 【請求項1】 画素からなるディジタル画像から作成さ
れる印画の1つ以上の印刷属性を変更する方法であっ
て、 (a)上記画素から決定された情報に基づいて上記ディ
ジタル画像についての印刷属性値を計算する段階と、 (b)上記画像から作成される印画の印刷属性を制御す
るために上記印刷属性値を使用する段階とを含み、上記
印刷属性は、上記画像から作成される印画の数、上記画
像から作成される印画の寸法、及び、上記画像のために
用いられる倍率のうちの少なくとも1つである、方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US602872 | 2000-06-23 | ||
US09/602,872 US6748097B1 (en) | 2000-06-23 | 2000-06-23 | Method for varying the number, size, and magnification of photographic prints based on image emphasis and appeal |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002158870A true JP2002158870A (ja) | 2002-05-31 |
JP4335476B2 JP4335476B2 (ja) | 2009-09-30 |
Family
ID=24413124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001190242A Expired - Fee Related JP4335476B2 (ja) | 2000-06-23 | 2001-06-22 | 画像の顕著性及びアピール性に基づいて写真印画の数、寸法、及び、倍率を変更する方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US6748097B1 (ja) |
EP (1) | EP1168245A3 (ja) |
JP (1) | JP4335476B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006109879A1 (en) * | 2005-04-13 | 2006-10-19 | Fujifilm Corporation | Album creating apparatus, album creating method and program |
WO2014178105A1 (ja) * | 2013-04-30 | 2014-11-06 | Necソリューションイノベータ株式会社 | 属性推定装置 |
JP2017068333A (ja) * | 2015-09-28 | 2017-04-06 | 富士フイルム株式会社 | 画像評価システム,画像評価方法,画像評価プログラムおよびそのプログラムを格納した記録媒体 |
Families Citing this family (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPQ464099A0 (en) * | 1999-12-14 | 2000-01-13 | Canon Kabushiki Kaisha | Emotive editing system |
US7068841B2 (en) * | 2001-06-29 | 2006-06-27 | Hewlett-Packard Development Company, L.P. | Automatic digital image enhancement |
US7171618B2 (en) * | 2003-07-30 | 2007-01-30 | Xerox Corporation | Multi-versioned documents and method for creation and use thereof |
US7391885B2 (en) * | 2003-07-30 | 2008-06-24 | Xerox Corporation | Method for determining overall effectiveness of a document |
US7092551B2 (en) * | 2003-07-30 | 2006-08-15 | Xerox Corporation | System and method for measuring and quantizing document quality |
JP4279083B2 (ja) * | 2003-08-18 | 2009-06-17 | 富士フイルム株式会社 | 画像処理方法および装置、並びに画像処理プログラム |
US20050216283A1 (en) * | 2004-03-25 | 2005-09-29 | Squilla John R | Method for automatically associating an image with related content on an image product |
US7809197B2 (en) * | 2004-12-09 | 2010-10-05 | Eastman Kodak Company | Method for automatically determining the acceptability of a digital image |
WO2006064938A1 (ja) * | 2004-12-13 | 2006-06-22 | Canon Kabushiki Kaisha | 画像処理方法、画像処理装置、および画像処理装置の制御プログラム |
US7451140B2 (en) * | 2005-01-11 | 2008-11-11 | Xerox Corporation | System and method for proofing individual documents of variable information document runs using document quality measurements |
US7760372B2 (en) * | 2005-01-11 | 2010-07-20 | Xerox Corporation | Method for automated document selection |
WO2006079991A2 (en) * | 2005-01-28 | 2006-08-03 | Koninklijke Philips Electronics, N.V. | Dynamic photo collage |
JP2006295890A (ja) * | 2005-03-15 | 2006-10-26 | Fuji Photo Film Co Ltd | アルバム作成装置、アルバム作成方法、及びプログラム |
JP4588642B2 (ja) * | 2005-03-15 | 2010-12-01 | 富士フイルム株式会社 | アルバム作成装置、アルバム作成方法、及びプログラム |
JP2006293986A (ja) | 2005-03-15 | 2006-10-26 | Fuji Photo Film Co Ltd | アルバム作成装置、アルバム作成方法、及びプログラム |
JP2006293985A (ja) | 2005-03-15 | 2006-10-26 | Fuji Photo Film Co Ltd | アルバム作成装置、アルバム作成方法、及びプログラム |
GB2429093B (en) * | 2005-08-08 | 2011-04-13 | Inca Digital Printers Ltd | Inkjet printer control |
EP1785847B1 (en) * | 2005-10-27 | 2015-11-18 | Accenture Global Services Limited | Display apparatus for automatically visualizing an application landscape |
US7561722B2 (en) * | 2005-12-14 | 2009-07-14 | Xerox Corporation | System and method for interactive document layout |
US7467222B2 (en) * | 2006-05-12 | 2008-12-16 | Shutterfly, Inc. | Image ranking for imaging products and services |
JP2008061184A (ja) * | 2006-09-04 | 2008-03-13 | Sony Corp | 画像処理装置および方法、プログラム、並びに撮像装置 |
US9307122B2 (en) * | 2006-09-27 | 2016-04-05 | Core Wireless Licensing S.A.R.L. | Method, apparatus, and computer program product for providing motion estimation for video encoding |
US7877696B2 (en) * | 2007-01-05 | 2011-01-25 | Eastman Kodak Company | Multi-frame display system with semantic image arrangement |
US7882442B2 (en) * | 2007-01-05 | 2011-02-01 | Eastman Kodak Company | Multi-frame display system with perspective based image arrangement |
US20080165082A1 (en) * | 2007-01-05 | 2008-07-10 | Manico Joseph A | Function enhancing array for multi-frame display system |
US8132096B1 (en) * | 2007-03-26 | 2012-03-06 | Hewlett-Packard Development Company, L.P. | Image composition evaluation |
US20090016565A1 (en) * | 2007-07-11 | 2009-01-15 | Sriram Kulumani | Image analysis |
US8122356B2 (en) * | 2007-10-03 | 2012-02-21 | Eastman Kodak Company | Method for image animation using image value rules |
US9152292B2 (en) * | 2009-02-05 | 2015-10-06 | Hewlett-Packard Development Company, L.P. | Image collage authoring |
US8422794B2 (en) * | 2009-07-30 | 2013-04-16 | Intellectual Ventures Fund 83 Llc | System for matching artistic attributes of secondary image and template to a primary image |
US20110029860A1 (en) * | 2009-07-30 | 2011-02-03 | Ptucha Raymond W | Artistic digital template for image display |
US8849853B2 (en) * | 2009-07-30 | 2014-09-30 | Intellectual Ventures Fund 83 Llc | Method for matching artistic attributes of a template and secondary images to a primary image |
US8538986B2 (en) * | 2009-07-30 | 2013-09-17 | Intellectual Ventures Fund 83 Llc | System for coordinating user images in an artistic design |
US20110029635A1 (en) * | 2009-07-30 | 2011-02-03 | Shkurko Eugene I | Image capture device with artistic template design |
US8345057B2 (en) * | 2009-07-30 | 2013-01-01 | Eastman Kodak Company | Context coordination for an artistic digital template for image display |
US8332427B2 (en) * | 2009-07-30 | 2012-12-11 | Eastman Kodak Company | Method of generating artistic template designs |
US8289340B2 (en) * | 2009-07-30 | 2012-10-16 | Eastman Kodak Company | Method of making an artistic digital template for image display |
US20110029562A1 (en) * | 2009-07-30 | 2011-02-03 | Whitby Laura R | Coordinating user images in an artistic design |
US8274523B2 (en) * | 2009-07-30 | 2012-09-25 | Eastman Kodak Company | Processing digital templates for image display |
US8237819B2 (en) * | 2009-07-30 | 2012-08-07 | Eastman Kodak Company | Image capture method with artistic template design |
US8854395B2 (en) * | 2009-07-30 | 2014-10-07 | Intellectual Ventures Fund 83 Llc | Method for producing artistic image template designs |
US8212834B2 (en) * | 2009-07-30 | 2012-07-03 | Eastman Kodak Company | Artistic digital template for image display |
US20110029914A1 (en) * | 2009-07-30 | 2011-02-03 | Whitby Laura R | Apparatus for generating artistic image template designs |
US8390648B2 (en) * | 2009-12-29 | 2013-03-05 | Eastman Kodak Company | Display system for personalized consumer goods |
US9253447B2 (en) * | 2009-12-29 | 2016-02-02 | Kodak Alaris Inc. | Method for group interactivity |
US20110157218A1 (en) * | 2009-12-29 | 2011-06-30 | Ptucha Raymond W | Method for interactive display |
US9319640B2 (en) * | 2009-12-29 | 2016-04-19 | Kodak Alaris Inc. | Camera and display system interactivity |
US9179102B2 (en) * | 2009-12-29 | 2015-11-03 | Kodak Alaris Inc. | Group display system |
US8660378B2 (en) * | 2010-02-10 | 2014-02-25 | Panasonic Corporation | Image evaluating device for calculating an importance degree of an object and an image, and an image evaluating method, program, and integrated circuit for performing the same |
JP5990105B2 (ja) * | 2011-01-26 | 2016-09-07 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 画像管理装置、画像管理方法、プログラム、記録媒体、集積回路 |
US8660342B2 (en) * | 2012-01-24 | 2014-02-25 | Telefonica, S.A. | Method to assess aesthetic quality of photographs |
US8654398B2 (en) | 2012-03-19 | 2014-02-18 | Seiko Epson Corporation | Method for simulating impact printer output, evaluating print quality, and creating teaching print samples |
CN105491443A (zh) | 2014-09-19 | 2016-04-13 | 中兴通讯股份有限公司 | 图像处理、访问方法及装置 |
US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
CN107278318B (zh) * | 2017-02-07 | 2019-10-29 | 深圳前海达闼云端智能科技有限公司 | 一种导盲系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0695723B2 (ja) * | 1989-03-15 | 1994-11-24 | 松下電器産業株式会社 | 色修正装置 |
US5751854A (en) | 1992-08-03 | 1998-05-12 | Ricoh Company, Ltd. | Original-discrimination system for discriminating special document, and image forming apparatus, image processing apparatus and duplicator using the original-discrimination system |
US5418895A (en) | 1992-11-25 | 1995-05-23 | Eastman Kodak Company | Method for displaying a high quality digital color image on a limited color display |
US5424945A (en) | 1993-08-31 | 1995-06-13 | Xerox Corporation | System for evaluating a psychological effect of a document |
JP3528214B2 (ja) | 1993-10-21 | 2004-05-17 | 株式会社日立製作所 | 画像表示方法及び装置 |
WO1996009716A1 (fr) | 1994-09-21 | 1996-03-28 | Sony Corporation | Systeme d'images fixes |
US5694484A (en) | 1995-05-15 | 1997-12-02 | Polaroid Corporation | System and method for automatically processing image data to provide images of optimal perceptual quality |
US5835627A (en) * | 1995-05-15 | 1998-11-10 | Higgins; Eric W. | System and method for automatically optimizing image quality and processing time |
JP3063073B2 (ja) | 1995-06-30 | 2000-07-12 | 富士ゼロックス株式会社 | 画像解析表現付加装置 |
US6346998B2 (en) * | 1996-11-20 | 2002-02-12 | Fuji Photo Film Co., Ltd. | Picture image outputting method and photograph finishing system using the method |
JP3634556B2 (ja) * | 1997-05-12 | 2005-03-30 | キヤノン株式会社 | 画像処理方法及びそのシステム |
US6529630B1 (en) * | 1998-03-02 | 2003-03-04 | Fuji Photo Film Co., Ltd. | Method and device for extracting principal image subjects |
US6389169B1 (en) * | 1998-06-08 | 2002-05-14 | Lawrence W. Stark | Intelligent systems and methods for processing image data based upon anticipated regions of visual interest |
JP4329135B2 (ja) * | 1998-08-06 | 2009-09-09 | ソニー株式会社 | プリンタ装置 |
US6282317B1 (en) * | 1998-12-31 | 2001-08-28 | Eastman Kodak Company | Method for automatic determination of main subjects in photographic images |
US6671405B1 (en) | 1999-12-14 | 2003-12-30 | Eastman Kodak Company | Method for automatic assessment of emphasis and appeal in consumer images |
-
2000
- 2000-06-23 US US09/602,872 patent/US6748097B1/en not_active Expired - Lifetime
-
2001
- 2001-06-11 EP EP01202249A patent/EP1168245A3/en not_active Withdrawn
- 2001-06-22 JP JP2001190242A patent/JP4335476B2/ja not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006109879A1 (en) * | 2005-04-13 | 2006-10-19 | Fujifilm Corporation | Album creating apparatus, album creating method and program |
JP2006318449A (ja) * | 2005-04-13 | 2006-11-24 | Fujifilm Holdings Corp | アルバム作成装置、アルバム作成方法、及びプログラム |
JP4704253B2 (ja) * | 2005-04-13 | 2011-06-15 | 富士フイルム株式会社 | アルバム作成装置、アルバム作成方法、及びプログラム |
US8090196B2 (en) | 2005-04-13 | 2012-01-03 | Fujifilm Corporation | Album creating apparatus, album creating method and computer readable medium storing thereon program therefor |
WO2014178105A1 (ja) * | 2013-04-30 | 2014-11-06 | Necソリューションイノベータ株式会社 | 属性推定装置 |
JP5965057B2 (ja) * | 2013-04-30 | 2016-08-03 | Necソリューションイノベータ株式会社 | 属性推定装置 |
JP2017068333A (ja) * | 2015-09-28 | 2017-04-06 | 富士フイルム株式会社 | 画像評価システム,画像評価方法,画像評価プログラムおよびそのプログラムを格納した記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
US6748097B1 (en) | 2004-06-08 |
EP1168245A3 (en) | 2002-07-31 |
EP1168245A2 (en) | 2002-01-02 |
JP4335476B2 (ja) | 2009-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4335476B2 (ja) | 画像の顕著性及びアピール性に基づいて写真印画の数、寸法、及び、倍率を変更する方法 | |
US6738494B1 (en) | Method for varying an image processing path based on image emphasis and appeal | |
US6671405B1 (en) | Method for automatic assessment of emphasis and appeal in consumer images | |
US6832006B2 (en) | System and method for controlling image compression based on image emphasis | |
US6847733B2 (en) | Retrieval and browsing of database images based on image emphasis and appeal | |
Wong et al. | Saliency-enhanced image aesthetics class prediction | |
EP2481025B1 (en) | Estimating aesthetic quality of digital images | |
US6952286B2 (en) | Doubleprint photofinishing service with the second print having subject content-based modifications | |
US8238615B2 (en) | Method for comparing photographer aesthetic quality | |
US7215828B2 (en) | Method and system for determining image orientation | |
US8330826B2 (en) | Method for measuring photographer's aesthetic quality progress | |
EP1128316B1 (en) | Face detecting method | |
EP1886255B1 (en) | Using photographer identity to classify images | |
US7212668B1 (en) | Digital image processing system and method for emphasizing a main subject of an image | |
US20080285860A1 (en) | Studying aesthetics in photographic images using a computational approach | |
US20080019574A1 (en) | Machine-controlled image cropping with default | |
EP2238744A1 (en) | Automatic redeye detection | |
US20090257662A1 (en) | System and method for image and video search, indexing and object classification | |
JP4340842B2 (ja) | 画像処理方法および画像処理装置、画像処理プログラム、記憶媒体 | |
CN111950565B (zh) | 基于特征融合和朴素贝叶斯的抽象画图像方向识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090210 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090501 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090602 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090625 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120703 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4335476 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130703 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |