JP2002369216A - 色補正方法 - Google Patents

色補正方法

Info

Publication number
JP2002369216A
JP2002369216A JP2002104472A JP2002104472A JP2002369216A JP 2002369216 A JP2002369216 A JP 2002369216A JP 2002104472 A JP2002104472 A JP 2002104472A JP 2002104472 A JP2002104472 A JP 2002104472A JP 2002369216 A JP2002369216 A JP 2002369216A
Authority
JP
Japan
Prior art keywords
image
color correction
class
color
images
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.)
Pending
Application number
JP2002104472A
Other languages
English (en)
Inventor
Michael Schroeder
シュレーダー ミカエル
Stefan Moser
モーザー ステファン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gretag Imaging Trading AG
Original Assignee
Gretag Imaging Trading AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gretag Imaging Trading AG filed Critical Gretag Imaging Trading AG
Publication of JP2002369216A publication Critical patent/JP2002369216A/ja
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H04N1/6072—Colour correction or control adapting to different types of images, e.g. characters, graphs, black and white image portions

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Processing Of Color Television Signals (AREA)
  • Color Image Communication Systems (AREA)

Abstract

(57)【要約】 【課題】 様々な異なるタイプまたは種類の画像の色補
正を実施できる新規な方法を提供すること。 【解決手段】 本発明は、画像、特にデジタル・スチル
・カメラ画像の色補正の方法に関し、様々な画像クラス
に割り当てられた特定の特徴に関して画像が分析される
ステップを含み、各クラスが特定の特性を有し、前記分
析が前記画像のイメージ・データと前記画像を特定の画
像クラスに割り当てるためのデータを有するデータベー
スとの比較に基づき、前記特定画像クラスは割り当てら
れた前記画像クラスに関する色補正を実施するように適
応された少なくとも一つの色補正プロセスと関連する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、画像の色補正方法
に関する。
【０００２】
【従来の技術】従来の技術における多くの試みは、あら
ゆる種類の画像に属するデジタル・カラー・データの補
正に集中されてきた。詳細には、走査されたネガティブ
またはポジティブのフィルムはデジタル・データに変換
され、その後、これらのイメージ・カラー・データを補
正するため、いくつかの異なる処理または方法に向けら
れる。
【０００３】さらに、デジタル・スチル・カメラを用い
て消費者によって撮影された多くの映像（ピクチャ）は
カメラ自体のソフトウェアによって達成される特定の色
補正の適用に基づく色偏差問題もある。
【０００４】スチール・カメラによって撮影されたデジ
タル・イメージ・データに基づいて写真をプリントする
写真仕上げラボラトリでは、これらの画像をプリント・
アウトする以前にイメージの最大５０％までの色を手作
業で補正しなければならないことが知られている。そう
しない場合には、これらのプリントの色品質は顧客によ
って十分であるとみなされない。
【０００５】従って、色補正は手作業で完成されなけれ
ばならないので、デジタル・スチールカメラによって撮
影された特定画像をプリントするコストはかなり高いも
のとならざるを得ない。
【０００６】多くの色補正アルゴリズムが利用可能であ
る。ただし、これらの色補正アルゴリズムまたはプロセ
スのそれぞれは画像の極めて限定された範囲に関しての
み満足な結果を提供するに過ぎない。さらに、既知の色
補正処理は写真撮影には校正されたシステムが使用され
るという前提に基づくが、ただし、これに反して、デジ
タル・スチル・カメラは既に画像のカラー・データの自
動補正または適応を実施している。
【０００７】従って、一般的なデジタル・スチル・カメ
ラは、カラー・イメージを当該デジタル・スチル・カメ
ラのプロセッサにおける特定の色空間内に既に変換して
いるので、既知の色補正処理は一般的なデジタル・スチ
ル・カメラによって記録されたカラー・イメージ・デー
タを用いて作業することができない。
【０００８】
【発明が解決しようとする課題】既に概説したように、
通常の色補正処理のそれぞれはある特徴を持った、ある
タイプの画像に対して許容できる結果となるように適用
可能であるに過ぎない。他方において、同じ色補正処理
が別の特性を持つ他のタイプの画像には悪い結果をもた
らす。従って、全てのタイプの画像に対して既知の色補
正処理を使用することは不可能である。さらに、手作業
による色補正に関しては、訓練された経験豊かな、従っ
て非常に高価なオペレータのインタラクションなしには
達成不可能である。
【０００９】従って、本発明の目的は、既知の従来技術
および詳細には上述した従来の技術の欠点を解決でき
る、画像、さらに詳細にはデジタル・スチル・カメラの
画像の色補正方法を提供することにある。
【００１０】さらに詳細には、本発明の目的は、オペレ
ータのインタラクションなしに、様々な異なるタイプま
たは種類の画像に対する色補正を実施できる新規な方法
を提供することにある。
【００１１】
【課題を解決するための手段】本発明の利点は、デジタ
ル・スチル・カメラによって撮影された画像にとって特
に有用である方法に基づくことであり、一般に、つぎに
示すステップを含む。画像は、種々様々な画像クラスに
割り当てられた特定の特徴に関して分析され、各クラス
は特定の特性を有する。
【００１２】つぎに、前記画像のイメージ・データと前
記画像を特定の画像クラスに割当てるためのデータを含
むデータベースとの比較に基づく分析が実施され、前記
特定の画像クラスは、割当てられた画像クラス、従っ
て、特定の当該クラスに属するものとして識別される前
記画像に関する色補正を実施するように適合された少な
くとも一つの色補正処理と関連する。
【００１３】多くの簡単ではあるが、効果的な色補正ア
ルゴリズムまたはプロセスは特定の色欠陥に特化され、
他の色欠陥を処理できないので、デジタル・スチル・カ
メラによって撮影された欠陥のある画像を補正するため
には経験豊かな写真仕上げオペレータの支援を得ること
が必要である。これは時間を浪費し、ひいては高コスト
を招く。
【００１４】本発明によれば、この画像が特定の意味論
的または総称的特徴、または、一つまたはいくつかの簡
単ではあるが特化され、極めて効果的な色補正アルゴリ
ズムによって補正可能な特定の画像クラスに属するもの
として特定の画像を識別するための他の特徴を含むかど
うかを識別することが可能であるので、どの色補正処理
がどの画像にとって有望であるかを自動的に決定するこ
とは不可能である。
【００１５】本発明によれば、どの画像がどの色補正ア
ルゴリズムまたはプロセスによって処理されるべきかを
階層化方式によって自動的に決定することが可能であ
る。従って、ホワイト・パッチ、グレーワールド、また
は、レチネックスのような周知の色補正アルゴリズム、
および、他の周知の色補正プロセスは写真画像および詳
細にはデジタル・スチル・カメラによって撮影された画
像のデジタル・データに自動的に向けられる。
【００１６】換言すれば、本発明は、階層化方式を使用
する色補正の方法を目的としている。本方式によれば、
画像は先ず特定の特徴に関して分析される。これらの特
徴の一つまたは複数が画像内に存在することが決定され
ると、特定の画像が、ある特定の画像クラスに属するか
どうかが決定され、前記クラスは常に一つまたは複数の
特定の画像内に存在するものとして識別される特徴を含
む。
【００１７】つぎに、特定画像が所属する一つまたは複
数の画像クラスに割り当てられた一つまたは複数の色補
正プロセスは、画像の色を補正するために特定の画像へ
適用可能である。
【００１８】勿論、一旦、特定の画像クラス、従って特
定の一つまたは複数の色補正プロセスが決定されると、
選定された当該画像クラスにとって有用であると思われ
るいくつかの色補正プロセスの中の一つを選択すること
が可能である。また、特定画像の色を補正するために特
定の順序においていくつかの色補正プロセスを適用する
ことも可能である。
【００１９】選択された色補正プロセスの中のどれが補
正する特定の画像の色データに適するかどうかの判定
は、確率またはパラメータに依存することができる。た
とえば、特定の色補正アルゴリズムが特定の画像に適用
可能であり、かつ、他の色補正アルゴリズムまたはプロ
セスの適用可能な確率が非常に小さいと思われる場合に
は、先ず、確率が最も小さく、かつ小さいパラメータの
色補正プロセスを使用し、その後で、可能性尤度が大き
く、かつ大きい補正パラメータを適用し、その結果とし
て色を大きく変更するよう勧告する。
【００２０】色状況は、確率が大きくかつ変更パラメー
タの大きい色補正アルゴリズムによっては大きく変更さ
れないので、確率が小さくかつ変更パラメータが小さ
く、従って、変更結果も小さい、選定済み色補正プロセ
スが先ず適用されると有用である。ただし、この状況
は、特定の状況における特定の画像に関しては完全に異
なることもあり得る。
【００２１】勿論、特定の選定済み画像クラスに属する
特定の画像に関して最も適すると思われる色補正プロセ
スを適用することも有利である。場合によっては、処理
期間中に画像クラスが変更されたかどうか、および、さ
らなる画像クラス分析の後で、他の色欠陥を処理するた
めに、おそらく異なる色補正アルゴリズムまたはプロセ
スをさらに同じ画像に向けることが妥当であるかどうか
を決定するために、さらなる画像クラス分析を前記特定
画像の既に処理された画像データへ導くことは賢明なは
ずである。
【００２２】本発明の方法のさらなる変種は、特定の画
像にとって有用であると思われる様々な色補正プロセス
から一つまたは複数の色補正アルゴリズムまたはプロセ
スを選択するために用いられる確率しきい値に関係す
る。
【００２３】本発明の、さらなる有用な変種によれば、
画像のデジタルデータを前処理するため、または、一つ
または複数の選定された色補正プロセスを適応させるた
めに、さらなる画像情報を考慮することができる。従っ
て、色補正に方法に関する追加情報を得るために、たと
えば、日付、時刻、カメラのタイプ、特定のデジタル・
スチル・カメラに用いられる補正および記録アルゴリズ
ムのタイプ、フラッシュが用いられたか等々の追加デー
タをデジタル・スチル・カメラのメモリから読取ること
が可能である。
【００２４】ベイズデータ分析、従って、ベイズ推論を
本発明の階層化方式へ適用することは非常に重要な本発
明のさらなる態様である。この態様に関して、Ｄ．Ｓｉ
ｖｉａの「データ分析―ベイズ指導書」Ｃｌａｒｅｎｄ
ｏｎ Ｐｒｅｓｓ、オックスフォード、１９９６年が参
照され、引用によって本開示に組み込まれる。
【００２５】ベイズ推論に基づいて受け入れ可能な色補
正を達成するために、現在既知または未知であるにかか
わらず、あらゆる種類の色補正プロセスを組み合わせる
ことが追加的または代替的に可能である。
【００２６】本発明のさらなる態様によれば、特定の画
像クラスに属するものとして識別不可能な画像はオペレ
ータに向けられることが可能である。または時間と経費
を節約できる方法で自動的に進行することが一般に可能
であるように後でバッチにおいて処理されるべきこの種
の画像のイメージ・データを記憶することが可能であ
る。
【００２７】画像の色が利用可能な任意の色補正プロセ
スによって補正可能であると思われない場合に限り、色
補正用としてオペレータへ伝送されるためにこれらの補
正不可能画像の画像データが記憶され、または、色補正
のためにオペレータに直接伝送される。
【００２８】以上概説したように、本発明は、制御デー
タおよび（または）異なる画像クラスの特徴をもつデー
タベースを担持する物理的データ・キャリアにも向けら
れる。本発明による方法に従ったコンピュータを用いて
コンピュータまたはプリンタを操作することを可能にす
るために、この物理的データ・キャリアから制御データ
およびデータベースを読み取ることが可能である。
【００２９】さらに、本発明は上述の方法に従ったコン
ピュータを用いてコンピュータまたはプリンタを操作す
るために、制御データおよび（または）データベースを
サポートする電磁搬送波へも向けられる。
【００３０】
【発明の実施の形態】本発明の特徴を有する好適な実施
の形態について以下に説明する。いくつかのバリエーシ
ョンも開示する。以下に述べる実施の形態は図面を参照
しながら明らかにする。
【００３１】最初に、添付図面を参照することなく本発
明について概説する。本発明によれば、内容に基づく画
像検索の既知原理を利用可能である（ＣＢＩＲ；当該研
究の最近の概観に関しては、Ａ．Ｓｍｅｕｌｄｅｒｓ、
Ｍ． Ｗｏｒｒｉｎｇ、Ｓ．Ｓａｎｔｉｎｉ、Ａ．Ｇｕ
ｐｔａ、およびＲ．Ｊａｉｎによる「初期年代端におけ
る内容に基づく画像検索」ＩＥＥＥ ＰＡＭＩ、２２
（１２）：１３４９〜１３８０（２０００年１２月）参
照。この内容は本出願に引用によって組み込まれる）。
従って、画像の大型データベースは、大抵の場合、例示
画像を提供し、後続する探索結果からのフィードバック
を受け取ることによって、内容によってアクセス可能と
なる。
【００３２】内容に基づく「例による質問」質問に答え
るために、総称信号指向内容インデックスを作成し、ユ
ーザ例と比較しなければならない。類似度を計算するた
めに使用できる大型低レベル特徴ベクトルに帰着する、
たとえば、色、テクスチャ、形状などの低レベルの特徴
を用いて画像を簡単に描写することが可能である。ただ
し、これらの直截な方法は、さらに高い抽象レベルにお
いて内容を表現する能力を示すことができなかった。
【００３３】本発明によれば、さらに洗練された階層化
方式も使用可能である。第１の実施の態様において、た
とえば、自己編成化マップまたはベクトル量子化を用い
てコードブックまたは低レベルの特徴に基づく特性クラ
ス集合を決定する階層化方式を適用することが可能であ
る。つぎに、これらのクラスは意味的に有意義なラベル
とリンクされる。
【００３４】大部分の簡単な色補正アルゴリズム（ホワ
イト・パッチ／グレーワールド／レチネックス）は幾ら
かの画像には良好に作用し、他の画像には悪く作用す
る。従って、順調に扱うことのできる画像を自動的に検
出することが可能であるならば、簡単なアルゴリズムを
最適な方法において適用することが可能なはずである。
各特性画像クラスに関しては、各アルゴリズムの最適パ
ラメータが選択可能である。どのアルゴリズムまたはア
ルゴリズムのどの組合わせが最もよく作用するかを決定
するかを決定することは可能である。
【００３５】特性画像クラスを得るために、Ｍ．Ｓｃｈ
ｒｏｄｅｒ、Ｈ．Ｒｅｈｒａｕｅｒ、Ｋ．Ｓｅｉｄｅ
ｌ、および、Ｍ．Ｄａｔｃｕにおいて呈示された階層化
方式の改変バージョン「遠隔感知画像アーカイブにおけ
る対話型学習および確率的検索」ＩＥＥＥ Ｔｒａｎ
ｓ．、 Ｇｅｏｓｃｉｅｎｃｅ、およびＲｅｍｏｔｅ
Ｓｅｎｓｉｎｇ上で、２０００（発表のために提出済
み）が用いられる。この引例の開示は引例によって本出
願に組み込まれる。
【００３６】この改変によれば、画像内容記述は表１に
描写されているように階層的仕方ににおいて、および、
さらに詳細には図２の方式において実施されている。第
１に、局部的画像の特徴は種々のモデル２１（たとえ
ば、色、密度、テクスチャ）によって抽出される。つぎ
に、第１分類ステップにおいて、局部的特徴は特性局部
的クラス２２に分類され、これから、ブロック２３にお
ける特徴は全画像（たとえば、色の複雑さ、密度の複雑
さ）について計算可能である。元の画像のメタデータ
（たとえば、カメラ・モデル、露出設定）からの追加的
従来知識を組合わせることにより、画像は特性画像クラ
ス２４に分類され得る。
【００３７】つぎの表１を参照して改変について説明す
る。
【００３８】
【表１】
【００３９】自動色補正が適用される特定画像Ｉkに関
する確率である、
【数１】 が得られる。すなわち、所与の画像Ｉkに関する種々画
像クラスωiの確率である。
【００４０】同様に、監視されたシナリオにおいて、
【数２】 が得られる。
【００４１】十分な手作業による色正補正グラウンド真
理が利用可能であれば、あるアルゴリズムがいかに良好
にそれを再現することができるかについてモデルが作成
可能である（たとえば、ある特定のパラメータ設定を持
つ「グレーワールド」）。
【００４２】数学的には色補正に関するクラス依存モデ
ルは、つぎのように表現できる。
【数３】 ここで、所与画像（Ｉk）；ある特定画像クラス
（ωi）；ある特定の色変換（θ）、たとえば、各ｒｇ
ｂチャネルを線形に基準化するならば、θ＝（ｒf，
ｇf，ｂf）。
【００４３】特定画像Ｉkにおいて、色変換θの確率分
布ｐ（θ｜Ｉk）決定に関心が持たれる。この分布か
ら、適用されるべき変換は調査によって得られる。
【００４４】確率分布ｐ（θ｜Ｉk）は画像クラス｛ω
i,｝に関して、つぎのように表現可能である。
【数４】 ここで、ｉ全体に亙る合計が全ての画像クラスωiに亙
って伸延する。この合計のエレメントの個別係数は上述
のようにして得られる。要約すれば、後の画像クラス確
率ｐ（ωi，Ｉk）は上に概説したように、分類によって
決定可能である。色補正変換ｐ（θ｜ωi，Ｉk）の分布
は、既に詳細に述べたように、手作業による色補正によ
るトレーニング・データから導出され得る。
【００４５】要約すれば、あるクラスへの画像の分類を
包含するステップによって一つまたは複数の簡単な色補
正アルゴリズムの適用を先行させ、続いて、特定の画像
クラスに関して最適化された色補正アルゴリズムまたは
プロセスを適用することが提案される。これらの画像ク
ラスは意味論的クラス（ある主題、たとえば「室内の場
面」、「植物場面」、「山岳場面」）、または、信号指
向総称的クラス（たとえば（「高い色複雑性の場面」）
のいずれかであり得る。
【００４６】１組の簡単な色補正アルゴリズムのクラス
指定適用の後において、これらアルゴリズムの結果は、
各アルゴリズムまたはプロセスのクラス特定信頼性を考
慮するような方法で組合わされる。これは、さらなる利
用可能な情報（たとえば、カメラモデルまたは露出のメ
タデータ）を考慮することを可能にするベイズ推論を包
含するステップにおいて実施可能である。全体として、
これは、手作業による色補正を必要とする消費者画像の
個数を著しく減少させる自動色補正の階層化システムに
帰着する。
【００４７】１組の色補正が選定された後で、結果のベ
イズ融解が起きる。所与のクラスω iに関して、１組の
自動色補正アルゴリズム｛Ｖj｝が適用され、それらの
それぞれはある特定の色補正変換θＶj（Ｉk，ωi）を
提供する（表記法Ａ｜Bは「所与のＢに関するＡ」を意
味する）。各アルゴリズム／クラス組合わせに関する色
変換の正確度（可視検査によりヒトが「手作業」で決定
する変換と比較して）が決定可能であるので、実際の色
変換θと確率としての各自動色補正の結果との間の関係
をモデル化することが可能である。
【００４８】
【数５】 これは、たとえば、ガウスのマルチ変量として与えられ
る。この段階において、決定されなければならないのは
実際の色変換である。
【００４９】個別アルゴリズムが独立したものであると
仮定するならば、いくつかのアルゴリズムの結果を組み
合わせるために、個別確率積として与えられる全ての結
果の全体としての確率が使用できる。カラー変換の従来
分布は、つぎのように解釈される。
【数６】
【００５０】これに基づいて、色変換の事後分布をつぎ
に示す。
【数７】 ここで、ｊ全体に亙る合計は全てのアルゴリズムＶjに
亙って伸延する（記号∝は「に比例する」を表す）。つ
ぎに、式（７）を最大限化することによって最終色変換
（この画像クラスに関して）を得ることが可能である。
先のｐ（θ｜ω I，メタデータ）は現在分析された画像
Ｉkから独立し、現行画像クラスωiおよび利用可能なメ
タデータに関して予測される色補正をモデル化する。
【００５１】本発明は、つぎのとおりに構造化される。
最初に画像分析が実施され、当該画像の内容の信号指向
の記述を提供する。クラス指向の色補正決定の後で、種
々異なる結果がベイズ・フレーム・ワークにおいて処理
され、プリント・アウトされ得る色補正されたイメージ
・データ・ファイルを提供する。
【００５２】本発明の階層化システムは、消費者画像、
および、特にデジタル・スチル・カメラによって撮影さ
れた画像の自動色補正が必要とされる、たとえば、デジ
タル写真仕上げシステム（たとえば、Ｇｒｅｔａｇ Ｉ
ｍａｇｉｎｇの全てのデジタル・システム、Ｐｈｏｔｏ
ＣＤシステム、自立式または独立式画像強化ツール）
などのあらゆるデバイスへ適用可能である。
【００５３】本発明の好ましい実施の形態に従った基礎
的な作業の流れについて図１を参照しながら、つぎに説
明する。上述したように、先ず、ＣＢＩＲの方法を用い
て画像の内容が分析される。結果として、画像クラスに
関して得られる事後確率をつぎに示す。
【数８】
【００５４】本発明の概念は、監視されない信号指向ク
ラスωiに加えて、ある特定の写真の主題に対応するこ
ともあり得る監視された（「意味論的」）クラスＡvの
使用も可能にすることである。従って、結果は次式で示
される分類である。
【数９】 後のベイズ推論プロセスに関しては、全てのωiは単に
Ａvによって代置されなければならない。
【００５５】分類の後で、１組の自動色補正アルゴリズ
ムが適用され、上述したように、個別の結果は一つの最
終結果ｐ（ωi｜Ｉk）に融解される。
【００５６】最終的に、各クラスｐ（ωi｜Ｉk）に関す
る組合わされた色補正結果は、ｐ（θＩk）を得るため
に、各クラスの確率ｐ（ωi｜Ｉk）を用いて組合わされ
る。これは調査中の画像に関する色補正の確率分布であ
る。最終色補正はこの分布を最大限化することによって
求められ、この最終ステップは図１には示されていな
い。
【００５７】さらに、本発明の基礎的な作業の流れは、
まず分類２を含み、これに色補正アルゴリズム３のクラ
ス従属アプリケーションが後続し、つぎに、結果４のベ
イズ融解が後続する。
【００５８】さらに、図２は、階層的画像内容記述を示
す。最初に、局部的画像特徴が種々のモデル２１（たと
えば、色、密度、テクスチャ）を用いて抽出される。第
１分類ステップ２２において、局部的特徴は特性の局部
的クラスに分類され、それから画像全体の特徴２３（た
とえば、色の複雑さ、密度の複雑さ）が算定可能であ
る。元の画像のメタデータから得られる従来の追加的知
識（たとえば、カメラモデル、露出設定）と組合わせる
ことにより、画像は特性画像クラス２４に分類され得
る。
【００５９】図３において、１組の色補正アルゴリズム
３２のクラス従属アプリケーションには結果３３の集合
のベイズ融解３４が後続する。その結果、最終補正θは
参照番号３５において得られる。色補正アルゴリズムの
個数は、３個に限定されない。
【００６０】図４において、一般のデジタル・カメラ
（Ａ）および一つの特定モデル（Ｋｏｄａｋ ＤＣ ２
１０ Ｚｏｏｍ、Ｂ）に関する従来の分布ｐ（ｌｏｇ
（ｒf）、ｌｏｇ（ｇf））を比較のために示す。従っ
て、デジタル・スチル・カメラによって撮影された画像
に関する色補正は、本発明の原理に従って適応されなけ
ればならないことが理解できる。
【図面の簡単な説明】
【図１】 本発明の特徴を示す構成図である。
【図２】 図１に示した構成図の一部の変種またはさら
に詳細なバージョンを示す図である。
【図３】 画像分類を構成図としてさらに詳細に表現す
る図である。
【図４】 （Ａ）は一般のデジタル・カメラに関する分
布を示す図であり、（Ｂ）は特定のカメラ（Ｋｏｄａｋ
ＤＣ ２１０ Ｚｏｏｍ）に関する分布を示す図であ
る。
【符号の説明】
Ａv 意味論的画像クラス Ｉk 画像 ωi 総称的画像クラス θ 色変換 Ｐ 確率分布関数 Ｖj 自動色補正アルゴリズム
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5B057 BA02 CA01 CA08 CA12 CA16 CB01 CB08 CB12 CB16 CC01 CE17 CH08 5C066 AA01 BA01 CA05 CA17 EC01 GA01 GB01 KE01 LA02 5C077 LL19 MP08 PP37 PQ08 PQ12 TT09 5C079 LA31 LB01 MA11

Claims (9)

    【特許請求の範囲】
  1. 【請求項１】 画像、特に、デジタル・スチル・カメラ
    画像の色補正方法であって、 （ａ）各クラスが特定の特性を有し、様々な画像クラス
    に割り当てられた特定の特徴に関して画像が分析される
    ステップを含み、 （ｂ）前記分析が前記画像のイメージデータと前記画像
    を特定の画像クラスに割り当てるためのデータを有する
    データベースとの比較に基づき、 （ｃ）特定の前記画像クラスが割り当てられた前記画像
    クラスに関する色補正を実施するように適応された少な
    くとも一つの色補正プロセスと関連する、 ことを特徴とする色補正方法。
  2. 【請求項２】 一つまたは複数の確率可能性尤度が、特
    定の画像が一つまたは複数のクラスに属することを決定
    することを特徴とする請求項１に記載の色補正方法。
  3. 【請求項３】 最も確実らしい前記クラスが選定され、
    選定された前記クラスと関連した色補正プロセスが前記
    画像、またはそのデジタル・イメージ・データへ適用さ
    れることを特徴とする請求項２に記載の色補正方法。
  4. 【請求項４】 いくつかのクラスが前記画像に属しそう
    であって、前記対応する確率が特定の確率しきい値を越
    えるならば、前記クラスに属する前記色補正プロセス
    が、前記画像へ適用されることを特徴とする請求項２に
    記載の色補正方法。
  5. 【請求項５】 一つまたは複数の色補正アルゴリズムま
    たはプロセスが、選定および（または）ベイズ推論の原
    理に従って組合わされることを特徴とする請求項２に記
    載の色補正方法。
  6. 【請求項６】 前記色補正プロセスが、確率上昇または
    確率降下いずれかにおいて適用されることを特徴とする
    請求項２に記載の色補正方法。
  7. 【請求項７】 たとえば、特定のカメラ等に関する記録
    情報のような、さらなる画像情報が考慮されることを特
    徴とする請求項１に記載の色補正方法。
  8. 【請求項８】 請求項１に記載のステップ（ｂ）、およ
    び（または）、ステップ（ｃ）に対応する前記割当手順
    に従って、前記一つまたは複数の色補正を実施するため
    に一つまたは複数の知られている前記色補正プロセスが
    用いられることを特徴とする請求項１に記載の色補正方
    法。
  9. 【請求項９】 あらゆる前記色補正プロセスによって色
    補正が可能でないと識別された画像が、色補正のために
    オペレータに伝送されることを特徴とする請求項１に記
    載の色補正方法。
JP2002104472A 2001-04-05 2002-04-05 色補正方法 Pending JP2002369216A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20010108591 EP1248455A1 (en) 2001-04-05 2001-04-05 Automatic content-analysis based use of colour correction process
EP01108591.7 2001-04-05

Publications (1)

Publication Number Publication Date
JP2002369216A true JP2002369216A (ja) 2002-12-20

Family

ID=8177056

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002104472A Pending JP2002369216A (ja) 2001-04-05 2002-04-05 色補正方法

Country Status (4)

Country Link
US (1) US7020330B2 (ja)
EP (1) EP1248455A1 (ja)
JP (1) JP2002369216A (ja)
CA (1) CA2379726A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013510375A (ja) * 2009-11-06 2013-03-21 クゥアルコム・インコーポレイテッド データ通信のためのシステム、方法、および装置

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7194134B2 (en) * 2001-01-02 2007-03-20 Microsoft Corporation Hierarchical, probabilistic, localized, semantic image classifier
US7197158B2 (en) * 2002-06-28 2007-03-27 Microsoft Corporation Generation of metadata for acquired images
JP4375781B2 (ja) * 2002-11-29 2009-12-02 株式会社リコー 画像処理装置および画像処理方法並びにプログラムおよび記録媒体
JP2004234069A (ja) * 2003-01-28 2004-08-19 Konica Minolta Holdings Inc 画像処理方法、画像処理装置、及びプログラム
US7555165B2 (en) * 2003-11-13 2009-06-30 Eastman Kodak Company Method for semantic scene classification using camera metadata and content-based cues
US7457467B2 (en) * 2004-01-30 2008-11-25 Xerox Corporation Method and apparatus for automatically combining a digital image with text data
US20060206921A1 (en) * 2005-03-12 2006-09-14 Shuangbao Wang Intrusion-free computer architecture for information and data security
DE102008027690A1 (de) * 2008-06-11 2009-12-17 Valeo Schalter Und Sensoren Gmbh Verfahren zur adaptiven Abbildungskorrektur von Sensorbildern eines bildauswertenden Umfelderkennungssystems
US8194992B2 (en) * 2008-07-18 2012-06-05 Xerox Corporation System and method for automatic enhancement of seascape images
US20110113361A1 (en) * 2009-11-06 2011-05-12 Apple Inc. Adjustment presets for digital images
JP5833822B2 (ja) * 2010-11-25 2015-12-16 パナソニックＩｐマネジメント株式会社 電子機器
CN102768757B (zh) * 2012-06-28 2015-01-07 北京市遥感信息研究所 一种基于图像类型分析的遥感图像色彩校正方法
US9002109B2 (en) 2012-10-09 2015-04-07 Google Inc. Color correction based on multiple images
US9767386B2 (en) * 2015-06-23 2017-09-19 Adobe Systems Incorporated Training a classifier algorithm used for automatically generating tags to be applied to images
US9940577B2 (en) * 2015-07-07 2018-04-10 Adobe Systems Incorporated Finding semantic parts in images
US20180137391A1 (en) * 2016-11-13 2018-05-17 Imagry (Israel) Ltd. System and method for training image classifier
US10430649B2 (en) 2017-07-14 2019-10-01 Adobe Inc. Text region detection in digital images using image tag filtering

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0415648B1 (en) * 1989-08-31 1998-05-20 Canon Kabushiki Kaisha Image processing apparatus
FI107412B (fi) * 1995-06-20 2001-07-31 Teknillinen Korkeakoulu Graafi Menetelmä ja laite sähköisessä muodossa olevan kuvan visuaalisen laadun maksimoimiseksi
JP3457562B2 (ja) * 1998-04-06 2003-10-20 富士写真フイルム株式会社 画像処理装置及び方法
JP3649606B2 (ja) * 1998-11-26 2005-05-18 セイコーエプソン株式会社 画像処理方法及びその画像処理装置
US6396599B1 (en) * 1998-12-21 2002-05-28 Eastman Kodak Company Method and apparatus for modifying a portion of an image in accordance with colorimetric parameters
JP3264273B2 (ja) * 1999-09-22 2002-03-11 日本電気株式会社 自動色補正装置及び自動色補正方法並びにその制御プログラムを記録した記録媒体
US6377702B1 (en) * 1999-12-08 2002-04-23 Sony Corporation Color cast detection and removal in digital images
US6781724B1 (en) * 2000-06-13 2004-08-24 Eastman Kodak Company Image processing and manipulation system
US7092122B2 (en) * 2000-07-18 2006-08-15 Fuji Photo Film Co., Ltd. Image processing device and method
EP1203993A1 (en) * 2000-11-03 2002-05-08 Eastman Kodak Company Developer composition and method of development for photographic color negative films
US6873727B2 (en) * 2001-07-23 2005-03-29 Hewlett-Packard Development Company, L.P. System for setting image characteristics using embedded camera tag information

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013510375A (ja) * 2009-11-06 2013-03-21 クゥアルコム・インコーポレイテッド データ通信のためのシステム、方法、および装置

Also Published As

Publication number Publication date
EP1248455A1 (en) 2002-10-09
US7020330B2 (en) 2006-03-28
CA2379726A1 (en) 2002-10-05
US20020196973A1 (en) 2002-12-26

Similar Documents

Publication Publication Date Title
JP5431754B2 (ja) フォトガイドの自動生成
JP2002369216A (ja) 色補正方法
US8285059B2 (en) Method for automatic enhancement of images containing snow
US7486317B2 (en) Image processing method and apparatus for red eye correction
US8446494B2 (en) Automatic redeye detection based on redeye and facial metric values
US6952286B2 (en) Doubleprint photofinishing service with the second print having subject content-based modifications
US7852384B2 (en) Detecting red eye filter and apparatus using meta-data
US6940545B1 (en) Face detecting camera and method
US7953251B1 (en) Method and apparatus for detection and correction of flash-induced eye defects within digital images using preview or other reference images
US20030161506A1 (en) Face detection computer program product for redeye correction
EP1168245A2 (en) Method for varying the number, size and magnification of photographic prints based on image emphasis and appeal
CN1261170A (zh) 根据色度参数修改部分图像的方法和设备
WO2004070657A1 (ja) 画像処理装置
JP2005092759A (ja) 画像処理装置、画像処理方法、および赤目検出方法ならびにプログラム
US20090324069A1 (en) Image processing device, image processing method, and computer readable medium
JP2001331781A (ja) 画像データ保存方法、画像処理方法及びコンピュータ読み取り可能な記憶媒体
TW550518B (en) Classification of photos with sepia tones
US20050094894A1 (en) Image processing device, image processing method, and program therefor
JP2008109203A (ja) 撮影画像補正用変換テーブル作成方法とこの方法を実施する写真プリント装置
JP4001446B2 (ja) 画像背景色特定のための方法、装置及びコンピュータ読み取り可能な記録媒体
Schröder et al. Automatic color correction based on generic content based image analysis
JP4449619B2 (ja) 画像処理方法、画像処理装置及び画像処理プログラム
CN112800727B (zh) 给pdf文件加批注的方法及应用系统
JP2006039657A (ja) 画像処理方法、画像処理装置及び画像処理プログラム
JPH06308632A (ja) 露光制御方法