JP2004538555A - デジタル画像を分類する方法 - Google Patents
デジタル画像を分類する方法 Download PDFInfo
- Publication number
- JP2004538555A JP2004538555A JP2002590083A JP2002590083A JP2004538555A JP 2004538555 A JP2004538555 A JP 2004538555A JP 2002590083 A JP2002590083 A JP 2002590083A JP 2002590083 A JP2002590083 A JP 2002590083A JP 2004538555 A JP2004538555 A JP 2004538555A
- Authority
- JP
- Japan
- Prior art keywords
- image
- digital image
- sepia tone
- max
- 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.)
- Withdrawn
Links
- 241000238370 Sepia Species 0.000 claims abstract description 67
- 238000012549 training Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 8
- 239000003086 colorant Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Color Image Communication Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
セピア調デジタル画像(310)を分類する方法およびシステムを説明する。例示的な方法は、デジタル画像(310)のRGB値を色相・彩度・明度(HSV)値に変換すること(100)を含む。所定明度または彩度閾値(370)を上回らないデジタル画像(310)のピクセルを、画像(310)から除去する(110)。残りのピクセルを分析し(120)、分析の結果に基づいてセピア調画像として分類する(130)。さらに、セピア調画像を認識するようにシステムをトレーニングする方法を開示する。
Description
【技術分野】
【0001】
本発明は、デジタル画像データベースおよび分類システムに関し、特に、デジタルフォーマットに変換されたセピア調写真の分類に関する。
【背景技術】
【0002】
自動画像分類は、特に特別な種類の画像、すなわちセピア調の白黒写真を分類する際に、多くの重要な応用性を有する。これらの画像には、本来白黒であった古い写真からスキャンされたものもある。長年の間に、それらは、フィルム紙の化学反応により徐々に黄色または茶色になる。また、他のセピア調画像の多くは、見た目を古くするために化学的にかまたはデジタルに特別に製作されている。
【0003】
セピア調の写真の分類は、いくつかの適用において有用である。特別な色調であるために、多くの汎用カラー画像処理技術は、これらの画像に対してうまく作用しない。たとえば、画像形成システムにおける、単に皮膚の色に基づいて顔を検出する顔検出アルゴリズムは、皮膚の色が変化したためこれらの写真に対して正しい結果をもたらさない可能性がある。セピア調の画像を検出することにより、システムは、これらの画像をあり得る誤りを回避するように適切に処理することができる。たとえば、目尻等、色変化に対して変化しない特徴を使用する代替アルゴリズムを使用して、顔を検出することができる。したがって、画像認識システムの検出精度を、大幅に向上させることができる。
【0004】
また、セピア調画像は、自動色バランスまたは画質向上プロセスに問題をもたらす可能性もある。セピア調では色が狭く集中しているため、画像を、誤って色がアンバランスであるとみなす可能性がある。これらの画像に対する色補正は、望ましくないカラーアーティファクトをもたらす可能性がある。カラー画像形成プロセスは、いかなる種類の画像が処理されているかを事前に知る場合、適当に反応しより優れた結果に達することができる。
【0005】
セピア調画像分類の別の適用は、画像インデックス化にある。大型の画像データベースまたは集まりは、画像を有効に類別し、効率的に走査し、迅速に検索することができるように、優れたインデックス化機構が必要である。従来のシステムは、たとえば、ファイル作成日付、ファイル名、ファイル拡張等、画像ファイルに関する記述的情報を使用して、特定の情報をデータベースに格納しデータベースから検索する。画像分類のこの形態は、いかなる他のデジタル情報の分類とも大きくは異ならない。
【0006】
ファイル情報に依存することにより、ファイルに関するおおまかな情報のみを取得することができるが、本質的に画像に関する情報をまったく取得することができない。たとえば、画像ファイルは、画像のタイプまたは内容とは関係のない名前を有する場合があり、たとえば、白黒画像が「color_image(カラー画像)」というファイル名を有する可能性がある。花、犬等、画像の内容に基づく分類を提供する他のシステムもある。実際には、これは通常、キーワード注釈によって行われ、それは面倒な作業である。
【0007】
過去何年かの間に、画像データベースで使用するように設計された画像分類技術が提案されてきた。しかしながら、これらの従来技術のいずれも、セピア調画像を識別することを扱っていなかった。これらの従来技術の例には、以下の論文がある。
【非特許文献1】
S. F. Chang、W. ChenおよびH. Sundaram著「Semantic visual templates: linking visual features to semantics」Proc. of IEEE Intl. Conf. on Image Processing、vol.3、p.531-35、1998。
【非特許文献2】
S. PaekおよびS.-F. Chang著「A Knowledge engineering approach for image classification based on probabilistic reasoning systems」Proc. of Intl. Conf. On Multimedia & Expo、2000。R. Qian、N. Haering
【非特許文献3】
I. Sezan著「A computational approach to semantic event detection」Proc. of IEEE Conf. Computer Vision and Pattern Recognition、vol.1、p.200-06、1999。
【非特許文献4】
M. SzummerおよびR. W. Picard著「Indoor-outdoor image classification」Proc. of IEEE Workshop on Content-Based Access of Image and Video Libraries、p.42-51、1998。
【非特許文献5】
A.Vailaya、M.Figueiredo、A.JainおよびH.-J.Zhang著「A Bayesian framework for semantic classification of outdoor vacation images」Proc. of SPIE: Storage and Retrieval for Image and Video databases VII、vol. 3656、p.415-26、1999。
【非特許文献6】
A.VailayaおよびA.Jain著「Detecting sky and vegetation in outdoor images」Proc. of SPIE: Storage and Retrieval for Image and Video databases 2000、vol. 3972、p.411-20、2000。
【非特許文献7】
N.VasconcelosおよびA.Lippman著「A Bayesian framework for semantic content characterization」Proc. of IEEE Conf. on Computer Vision and Pattern Recognition、p.566-71、1999。
【発明の開示】
【発明が解決しようとする課題】
【0008】
画像データベースは、しばしば、色の解像度が異なるカラー画像(たとえば、16、256、16ビットおよび24ビット色)、グレイスケール画像、白黒画像、セピア調画像等、異なる特徴を有する画像を含む。従来の画像分類技術は、自動セピア調画像分類を扱わない。セピア調画像は、従来の画像処理技術で使用される場合に難題をもたらす可能性があり、多くのセピア調画像は価値のある古い写真であるため、画像自体の特性を分析し画像がセピア調画像であるか否かにしたがって画像を分類することができる画像分類システムを有することが望ましい。
【課題を解決するための手段】
【0009】
本発明は、セピア調を含むデジタル画像を分類する方法およびシステムに関する。例示的な方法は、デジタル画像の第1の色空間の値を色相・彩度・明度(HSV)値に変換すること、彩度閾値および明度閾値のうちの少なくとも1つを下回るデジタル画像のいかなるピクセルも除去すること、除去するステップの後で、デジタル画像の残りのピクセルを分析すること、デジタル画像の残りのピクセルの分析に基づいて、デジタル画像をセピア調画像として分類することとを含む。
【0010】
代替実施形態は、セピア調画像の所定色分布に基づいて残りのピクセルの各々がセピア調である確率を推定すること、デジタル画像がセピア調画像である確率を求めることとを提供する。
【0011】
セピア調画像を検出するようにシステムをトレーニングする例示的な方法は、複数のトレーニング画像の第1の色空間の値をHSV値に変換することであって、トレーニング画像はセピア調画像である、変換すること、複数のトレーニング画像の各々に対し彩度閾値および明度閾値のうちの少なくとも1つを下回るトレーニング画像のいかなるピクセルも除去すること、除去するステップの後に、複数のトレーニング画像に対し残りのピクセルに対するHSV値の色分布を推定することとを含む。
【0012】
本発明の上記特徴および利点、ならびに本発明の追加の特徴および利点は、図面を参照して本発明の以下の詳細な説明からより理解されよう。
【発明を実施するための最良の形態】
【0013】
図1は、セピア調画像を分類する例示的な方法のフローチャートを示す。ステップ100では、デジタル画像の第1の色空間の値を、色相・彩度・明度値(HSV)に変換する。当業者は、デジタル画像を、カラー画像、グレイスケール画像、セピア調画像からなるグループのうちの少なくとも1つを含む、画像データベースに格納された複数のデジタル画像から検索することができることを理解するであろう。さらに、第1の色空間は、色空間のいかなる既知の表現であってもよい。しかしながら、限定のためでなく説明のために、残りの説明では、第1の色空間を赤、緑、青(RGB)色空間と呼ぶ。したがって、説明した変換は、RGBからHSVである。
【0014】
例示的な方法では、RGB値を正規化する(すなわち、0〜1.0の範囲を有するようにする)。そして、変換式を次のように与えることができる。
【0015】
Max=Max(R,G,B)
Min=Min(R,G,B)
Val=Max
If(Val=0)Sat=0, else Sat=1−Min/Val
If(Sat=0)Hueは不確定、 else
Hue=
(G−B)/(Max−Min)×60 if(R=Max∧(G−B)≧0)
(G−B)/(Max−Min)×60+360 if(R=Max∧(G−B)<0)
(2.0+(B−R)/(Max−Min))×60 if(G=Max)
(4.0+(R−G)/(Max−Min))×60 if(B=Max)
ここで、Hの範囲は0〜360度であり、Sの範囲は0〜1.0であり、Vの範囲は0〜1.0である。しかしながら、当業者は、他の変換式を使用することができることを理解するであろう。さらに、白黒画像を、RGBからHSVへの色空間変換ステップにおいて直接識別することができ、それ以上考慮しなくてもよいことが理解されよう。
【0016】
ステップ110において、彩度閾値および明度閾値のうちの少なくとも1つを下回るデジタル画像のいかなるピクセルも除去する。彩度または明度の低いピクセルを考慮しないのは、それらがその色相値にかかわらずグレイとして見える傾向にあるためである。ピクセルを、以下の基準に基づいて除去する。
【0017】
(1−S)3+(1−V)3≧c3
ここで、cは0.94に設定された閾値であり、Sは0〜1.0の範囲の彩度値であり、Vは0〜1.0の範囲の明度値である。
【0018】
ステップ120において、除去するステップの後、デジタル画像の残りのピクセルを分析する。ステップ130において、デジタル画像の残りのピクセルの分析に基づいて、デジタル画像をセピア調画像として分類する。分類には、画像に対して実行することができる、検索、表示、タグ付け、格納等のうちの少なくとも1つが含まれる。たとえば、プロセスは、画像データベースのセピア調画像にタグ付けすることができ、それにより、別のプログラムがそのタグ付けされたセピア調画像に対して特別な画像処理手続きを実行することができ、あるいはそのセピア調タグに基づいて画像データベースから画像を検索することができる。
【0019】
任意に、ステップ122において、セピア調画像の所定の色分布に基づいて残りのピクセルの各々がセピア調であるという確率を求めることにより、分析を実行する。所定の色分布を、後述するトレーニング段階で求めることができる。そして、ステップ124において、デジタル画像がセピア調画像である確率を求める。ステップ126において、デジタル画像がセピア調画像である確率を、セピア調画像を識別するための所定閾値と比較する。たとえば、デジタル画像がセピア調画像である確率が所定閾値より大きい場合、画像がセピア調であると判定する。当業者は、セピア調画像を識別するための所定閾値を、トレーニング段階中に求めることも可能であることを理解するであろう。
【0020】
図2を参照して、セピア調画像を検出するようにシステムをトレーニングする方法のフローチャートを示す。ステップ200において、複数のトレーニング画像のRGB値を、HSV値に変換する。トレーニング画像は、好ましくはセピア調画像である。当業者は、トレーニング画像のセットにおいてセピア調画像ではない画像を使用してもよいことを理解するであろう。しかしながら、その場合、トレーニング画像を、セピア調であるか否か識別しなければならない。ステップ210において、複数のトレーニング画像の各々に対し、彩度閾値および明度閾値のうちの少なく1つを下回るトレーニング画像のいかなるピクセルも除去する。そして、ステップ230において、複数のトレーニング画像に対し、残りのピクセルのHSV値の色分布を推定する。任意に、ステップ240において、画像をセピア調画像として分類する際の閾値を確立する。当業者は、トレーニングプロセスのためのRGBからHSVへの変換、彩度閾値および明度閾値を、分類プロセスに対して上述したように求めることを理解するであろう。したがって、説明および式は繰返さない。
【0021】
本発明の理解を容易にするために、本発明の多くの態様を、コンピュータベースシステムの要素によって実行される動作のシーケンスに関して説明する。実施形態の各々において、専用回路(たとえば、専用機能を実行するために相互接続されたディスクリート論理ゲート)によるか、1つまたは複数のプロセッサによって実行されているプログラム命令によるか、またはその両方の組合せにより、あらゆる動作を実行することができることが理解されよう。さらに、本発明を、プロセッサに対し本明細書で説明した技術を実行させるコンピュータ命令の適当なセットが格納された、任意の形態のコンピュータ読取可能記憶媒体内で完全に具体化されるようにみなしてもよい。このため、本発明のあらゆる態様を、多くの異なる形態で具体化することができ、かかる形態のすべてが、本発明の範囲内にあるように企図される。本発明のあらゆる態様の各々に対し、実施形態のかかる形態のいずれも、本明細書では、説明する動作を実行する「ロジック」と呼ぶ。
【0022】
図3は、上述したトレーニングプロセスから取得された閾値を使用するコンピュータベースシステム300のブロック図である。たとえば、上述したように、ブロック320において、新たな入力画像310の各々に対し、デジタル画像の第1の色空間の値を色相・彩度・明度(HSV)値に変換するロジックを使用して、RGBからHSVへの色空間変換を施す。そして、ブロック340において、彩度閾値および明度閾値のうちの少なくとも1つを下回るデジタル画像のいかなるピクセルも除去するロジックを使用して、画像の彩度または明度が低いピクセルを除去する。残りのピクセルを使用することにより、最尤推定を使用してこの画像がセピア調である確率を推定する。各ピクセルを、入力データの独立したサンプルであるとみなす。ピクセルiがセピア調である確率を、ブロック350によって提供される所定の色分布(たとえば、図2のトレーニングプロセスから確定されるような)から直接推定することができる。そして、以下の式により、ブロック360において、デジタル画像の残りのピクセルを分析するロジックを使用して、画像全体に対して結合対数確率log(P)を計算することができる。
【数1】
【0023】
ここで、Nは残りのピクセルの総数であり、piはピクセルiがセピア調である確率であり、log(P)は、画像がセピア調である確率を示す。セピア調写真の計算された確率値は、概して、標準カラー写真よりずっと高い。したがって、ブロック370によって提供される単純な閾値を使用して、セピア調画像からカラー画像を分離することができる。たとえば、閾値を、−5.2に設定する。これにより、ブロック380において、log(P)が−5.2より大きい場合、デジタル画像の残りのピクセルの分析に基づいてデジタル画像をセピア調画像として分類するロジックを使用して、画像をセピア調であると判定する。
【0024】
図4は、本発明の別の実施形態によるコンピュータベースのトレーニングシステム400のブロック図である。たとえば、上述したように、ブロック420において、各トレーニング画像410に対してRGBからHSVへの色空間変換を施す。そして、ブロック440において、彩度または明度が低いピクセルを除去する。ブロック460において、HSV空間を、H、SおよびV次元に沿って均一に分割しセルにする。たとえば、H次元を36のセルに分割することができ、S次元を4つのセルに分割することができ、V次元を4つのセルに分割することができる。そして、トレーニング画像の残りのピクセルの各々を、そのHSV値に基づいてセルのうちの1つに割当てる。各セルに対する値を、各セルの残りのピクセルをカウントすることによって確立する。そして、各セルに対する値を、各セルに対する値を残りのピクセルの総数で除算することにより正規化する。結果は、ブロック480において、トレーニング画像の色分布を特徴付ける36×4×4次元ベクトルである。また、この色分布を、トレーニング画像における残りのピクセルに対する確立密度関数の概算と見ることも可能である。通常、セピア調画像の色は、大部分が黄色および赤色の周囲に集中する。したがって、これらの色に対応するセルは、残りのピクセルの大部分を含むことになる。
【0025】
上記の内容は、本発明の原理、好ましい実施形態および動作のモードを説明した。しかしながら、本発明は、上述した特定の実施形態に限定されない。たとえば、各セピア調画像を、その確率に基づいてさらに分類することができる。そして、閾値に非常に近かった画像に対し、手作業で見直すためにタグ付けすることができる。さらに、セピア調画像の大部分が閾値に近かった場合、これは、システムを再トレーニングするためにトレーニング画像の新たなセットが必要であることを指示するものとしての役割を果たすことができる。
【0026】
したがって、上述した実施形態を、限定的なものではなく例示的なものとしてみなすべきであり、添付の特許請求の範囲によって画定される本発明の範囲から逸脱することなく、当業者によりそれらの実施形態において変形を行うことができることが理解されるべきである。
【図面の簡単な説明】
【0027】
【図1】本発明の例示的な方法のフローチャート。
【図2】本発明のトレーニング方法のフローチャート。
【図3】本発明の例示的なシステムのブロック図。
【図4】本発明の例示的なトレーニングシステムのブロック図。
【0001】
本発明は、デジタル画像データベースおよび分類システムに関し、特に、デジタルフォーマットに変換されたセピア調写真の分類に関する。
【背景技術】
【0002】
自動画像分類は、特に特別な種類の画像、すなわちセピア調の白黒写真を分類する際に、多くの重要な応用性を有する。これらの画像には、本来白黒であった古い写真からスキャンされたものもある。長年の間に、それらは、フィルム紙の化学反応により徐々に黄色または茶色になる。また、他のセピア調画像の多くは、見た目を古くするために化学的にかまたはデジタルに特別に製作されている。
【0003】
セピア調の写真の分類は、いくつかの適用において有用である。特別な色調であるために、多くの汎用カラー画像処理技術は、これらの画像に対してうまく作用しない。たとえば、画像形成システムにおける、単に皮膚の色に基づいて顔を検出する顔検出アルゴリズムは、皮膚の色が変化したためこれらの写真に対して正しい結果をもたらさない可能性がある。セピア調の画像を検出することにより、システムは、これらの画像をあり得る誤りを回避するように適切に処理することができる。たとえば、目尻等、色変化に対して変化しない特徴を使用する代替アルゴリズムを使用して、顔を検出することができる。したがって、画像認識システムの検出精度を、大幅に向上させることができる。
【0004】
また、セピア調画像は、自動色バランスまたは画質向上プロセスに問題をもたらす可能性もある。セピア調では色が狭く集中しているため、画像を、誤って色がアンバランスであるとみなす可能性がある。これらの画像に対する色補正は、望ましくないカラーアーティファクトをもたらす可能性がある。カラー画像形成プロセスは、いかなる種類の画像が処理されているかを事前に知る場合、適当に反応しより優れた結果に達することができる。
【0005】
セピア調画像分類の別の適用は、画像インデックス化にある。大型の画像データベースまたは集まりは、画像を有効に類別し、効率的に走査し、迅速に検索することができるように、優れたインデックス化機構が必要である。従来のシステムは、たとえば、ファイル作成日付、ファイル名、ファイル拡張等、画像ファイルに関する記述的情報を使用して、特定の情報をデータベースに格納しデータベースから検索する。画像分類のこの形態は、いかなる他のデジタル情報の分類とも大きくは異ならない。
【0006】
ファイル情報に依存することにより、ファイルに関するおおまかな情報のみを取得することができるが、本質的に画像に関する情報をまったく取得することができない。たとえば、画像ファイルは、画像のタイプまたは内容とは関係のない名前を有する場合があり、たとえば、白黒画像が「color_image(カラー画像)」というファイル名を有する可能性がある。花、犬等、画像の内容に基づく分類を提供する他のシステムもある。実際には、これは通常、キーワード注釈によって行われ、それは面倒な作業である。
【0007】
過去何年かの間に、画像データベースで使用するように設計された画像分類技術が提案されてきた。しかしながら、これらの従来技術のいずれも、セピア調画像を識別することを扱っていなかった。これらの従来技術の例には、以下の論文がある。
【非特許文献1】
S. F. Chang、W. ChenおよびH. Sundaram著「Semantic visual templates: linking visual features to semantics」Proc. of IEEE Intl. Conf. on Image Processing、vol.3、p.531-35、1998。
【非特許文献2】
S. PaekおよびS.-F. Chang著「A Knowledge engineering approach for image classification based on probabilistic reasoning systems」Proc. of Intl. Conf. On Multimedia & Expo、2000。R. Qian、N. Haering
【非特許文献3】
I. Sezan著「A computational approach to semantic event detection」Proc. of IEEE Conf. Computer Vision and Pattern Recognition、vol.1、p.200-06、1999。
【非特許文献4】
M. SzummerおよびR. W. Picard著「Indoor-outdoor image classification」Proc. of IEEE Workshop on Content-Based Access of Image and Video Libraries、p.42-51、1998。
【非特許文献5】
A.Vailaya、M.Figueiredo、A.JainおよびH.-J.Zhang著「A Bayesian framework for semantic classification of outdoor vacation images」Proc. of SPIE: Storage and Retrieval for Image and Video databases VII、vol. 3656、p.415-26、1999。
【非特許文献6】
A.VailayaおよびA.Jain著「Detecting sky and vegetation in outdoor images」Proc. of SPIE: Storage and Retrieval for Image and Video databases 2000、vol. 3972、p.411-20、2000。
【非特許文献7】
N.VasconcelosおよびA.Lippman著「A Bayesian framework for semantic content characterization」Proc. of IEEE Conf. on Computer Vision and Pattern Recognition、p.566-71、1999。
【発明の開示】
【発明が解決しようとする課題】
【0008】
画像データベースは、しばしば、色の解像度が異なるカラー画像(たとえば、16、256、16ビットおよび24ビット色)、グレイスケール画像、白黒画像、セピア調画像等、異なる特徴を有する画像を含む。従来の画像分類技術は、自動セピア調画像分類を扱わない。セピア調画像は、従来の画像処理技術で使用される場合に難題をもたらす可能性があり、多くのセピア調画像は価値のある古い写真であるため、画像自体の特性を分析し画像がセピア調画像であるか否かにしたがって画像を分類することができる画像分類システムを有することが望ましい。
【課題を解決するための手段】
【0009】
本発明は、セピア調を含むデジタル画像を分類する方法およびシステムに関する。例示的な方法は、デジタル画像の第1の色空間の値を色相・彩度・明度(HSV)値に変換すること、彩度閾値および明度閾値のうちの少なくとも1つを下回るデジタル画像のいかなるピクセルも除去すること、除去するステップの後で、デジタル画像の残りのピクセルを分析すること、デジタル画像の残りのピクセルの分析に基づいて、デジタル画像をセピア調画像として分類することとを含む。
【0010】
代替実施形態は、セピア調画像の所定色分布に基づいて残りのピクセルの各々がセピア調である確率を推定すること、デジタル画像がセピア調画像である確率を求めることとを提供する。
【0011】
セピア調画像を検出するようにシステムをトレーニングする例示的な方法は、複数のトレーニング画像の第1の色空間の値をHSV値に変換することであって、トレーニング画像はセピア調画像である、変換すること、複数のトレーニング画像の各々に対し彩度閾値および明度閾値のうちの少なくとも1つを下回るトレーニング画像のいかなるピクセルも除去すること、除去するステップの後に、複数のトレーニング画像に対し残りのピクセルに対するHSV値の色分布を推定することとを含む。
【0012】
本発明の上記特徴および利点、ならびに本発明の追加の特徴および利点は、図面を参照して本発明の以下の詳細な説明からより理解されよう。
【発明を実施するための最良の形態】
【0013】
図1は、セピア調画像を分類する例示的な方法のフローチャートを示す。ステップ100では、デジタル画像の第1の色空間の値を、色相・彩度・明度値(HSV)に変換する。当業者は、デジタル画像を、カラー画像、グレイスケール画像、セピア調画像からなるグループのうちの少なくとも1つを含む、画像データベースに格納された複数のデジタル画像から検索することができることを理解するであろう。さらに、第1の色空間は、色空間のいかなる既知の表現であってもよい。しかしながら、限定のためでなく説明のために、残りの説明では、第1の色空間を赤、緑、青(RGB)色空間と呼ぶ。したがって、説明した変換は、RGBからHSVである。
【0014】
例示的な方法では、RGB値を正規化する(すなわち、0〜1.0の範囲を有するようにする)。そして、変換式を次のように与えることができる。
【0015】
Max=Max(R,G,B)
Min=Min(R,G,B)
Val=Max
If(Val=0)Sat=0, else Sat=1−Min/Val
If(Sat=0)Hueは不確定、 else
Hue=
(G−B)/(Max−Min)×60 if(R=Max∧(G−B)≧0)
(G−B)/(Max−Min)×60+360 if(R=Max∧(G−B)<0)
(2.0+(B−R)/(Max−Min))×60 if(G=Max)
(4.0+(R−G)/(Max−Min))×60 if(B=Max)
ここで、Hの範囲は0〜360度であり、Sの範囲は0〜1.0であり、Vの範囲は0〜1.0である。しかしながら、当業者は、他の変換式を使用することができることを理解するであろう。さらに、白黒画像を、RGBからHSVへの色空間変換ステップにおいて直接識別することができ、それ以上考慮しなくてもよいことが理解されよう。
【0016】
ステップ110において、彩度閾値および明度閾値のうちの少なくとも1つを下回るデジタル画像のいかなるピクセルも除去する。彩度または明度の低いピクセルを考慮しないのは、それらがその色相値にかかわらずグレイとして見える傾向にあるためである。ピクセルを、以下の基準に基づいて除去する。
【0017】
(1−S)3+(1−V)3≧c3
ここで、cは0.94に設定された閾値であり、Sは0〜1.0の範囲の彩度値であり、Vは0〜1.0の範囲の明度値である。
【0018】
ステップ120において、除去するステップの後、デジタル画像の残りのピクセルを分析する。ステップ130において、デジタル画像の残りのピクセルの分析に基づいて、デジタル画像をセピア調画像として分類する。分類には、画像に対して実行することができる、検索、表示、タグ付け、格納等のうちの少なくとも1つが含まれる。たとえば、プロセスは、画像データベースのセピア調画像にタグ付けすることができ、それにより、別のプログラムがそのタグ付けされたセピア調画像に対して特別な画像処理手続きを実行することができ、あるいはそのセピア調タグに基づいて画像データベースから画像を検索することができる。
【0019】
任意に、ステップ122において、セピア調画像の所定の色分布に基づいて残りのピクセルの各々がセピア調であるという確率を求めることにより、分析を実行する。所定の色分布を、後述するトレーニング段階で求めることができる。そして、ステップ124において、デジタル画像がセピア調画像である確率を求める。ステップ126において、デジタル画像がセピア調画像である確率を、セピア調画像を識別するための所定閾値と比較する。たとえば、デジタル画像がセピア調画像である確率が所定閾値より大きい場合、画像がセピア調であると判定する。当業者は、セピア調画像を識別するための所定閾値を、トレーニング段階中に求めることも可能であることを理解するであろう。
【0020】
図2を参照して、セピア調画像を検出するようにシステムをトレーニングする方法のフローチャートを示す。ステップ200において、複数のトレーニング画像のRGB値を、HSV値に変換する。トレーニング画像は、好ましくはセピア調画像である。当業者は、トレーニング画像のセットにおいてセピア調画像ではない画像を使用してもよいことを理解するであろう。しかしながら、その場合、トレーニング画像を、セピア調であるか否か識別しなければならない。ステップ210において、複数のトレーニング画像の各々に対し、彩度閾値および明度閾値のうちの少なく1つを下回るトレーニング画像のいかなるピクセルも除去する。そして、ステップ230において、複数のトレーニング画像に対し、残りのピクセルのHSV値の色分布を推定する。任意に、ステップ240において、画像をセピア調画像として分類する際の閾値を確立する。当業者は、トレーニングプロセスのためのRGBからHSVへの変換、彩度閾値および明度閾値を、分類プロセスに対して上述したように求めることを理解するであろう。したがって、説明および式は繰返さない。
【0021】
本発明の理解を容易にするために、本発明の多くの態様を、コンピュータベースシステムの要素によって実行される動作のシーケンスに関して説明する。実施形態の各々において、専用回路(たとえば、専用機能を実行するために相互接続されたディスクリート論理ゲート)によるか、1つまたは複数のプロセッサによって実行されているプログラム命令によるか、またはその両方の組合せにより、あらゆる動作を実行することができることが理解されよう。さらに、本発明を、プロセッサに対し本明細書で説明した技術を実行させるコンピュータ命令の適当なセットが格納された、任意の形態のコンピュータ読取可能記憶媒体内で完全に具体化されるようにみなしてもよい。このため、本発明のあらゆる態様を、多くの異なる形態で具体化することができ、かかる形態のすべてが、本発明の範囲内にあるように企図される。本発明のあらゆる態様の各々に対し、実施形態のかかる形態のいずれも、本明細書では、説明する動作を実行する「ロジック」と呼ぶ。
【0022】
図3は、上述したトレーニングプロセスから取得された閾値を使用するコンピュータベースシステム300のブロック図である。たとえば、上述したように、ブロック320において、新たな入力画像310の各々に対し、デジタル画像の第1の色空間の値を色相・彩度・明度(HSV)値に変換するロジックを使用して、RGBからHSVへの色空間変換を施す。そして、ブロック340において、彩度閾値および明度閾値のうちの少なくとも1つを下回るデジタル画像のいかなるピクセルも除去するロジックを使用して、画像の彩度または明度が低いピクセルを除去する。残りのピクセルを使用することにより、最尤推定を使用してこの画像がセピア調である確率を推定する。各ピクセルを、入力データの独立したサンプルであるとみなす。ピクセルiがセピア調である確率を、ブロック350によって提供される所定の色分布(たとえば、図2のトレーニングプロセスから確定されるような)から直接推定することができる。そして、以下の式により、ブロック360において、デジタル画像の残りのピクセルを分析するロジックを使用して、画像全体に対して結合対数確率log(P)を計算することができる。
【数1】
【0023】
ここで、Nは残りのピクセルの総数であり、piはピクセルiがセピア調である確率であり、log(P)は、画像がセピア調である確率を示す。セピア調写真の計算された確率値は、概して、標準カラー写真よりずっと高い。したがって、ブロック370によって提供される単純な閾値を使用して、セピア調画像からカラー画像を分離することができる。たとえば、閾値を、−5.2に設定する。これにより、ブロック380において、log(P)が−5.2より大きい場合、デジタル画像の残りのピクセルの分析に基づいてデジタル画像をセピア調画像として分類するロジックを使用して、画像をセピア調であると判定する。
【0024】
図4は、本発明の別の実施形態によるコンピュータベースのトレーニングシステム400のブロック図である。たとえば、上述したように、ブロック420において、各トレーニング画像410に対してRGBからHSVへの色空間変換を施す。そして、ブロック440において、彩度または明度が低いピクセルを除去する。ブロック460において、HSV空間を、H、SおよびV次元に沿って均一に分割しセルにする。たとえば、H次元を36のセルに分割することができ、S次元を4つのセルに分割することができ、V次元を4つのセルに分割することができる。そして、トレーニング画像の残りのピクセルの各々を、そのHSV値に基づいてセルのうちの1つに割当てる。各セルに対する値を、各セルの残りのピクセルをカウントすることによって確立する。そして、各セルに対する値を、各セルに対する値を残りのピクセルの総数で除算することにより正規化する。結果は、ブロック480において、トレーニング画像の色分布を特徴付ける36×4×4次元ベクトルである。また、この色分布を、トレーニング画像における残りのピクセルに対する確立密度関数の概算と見ることも可能である。通常、セピア調画像の色は、大部分が黄色および赤色の周囲に集中する。したがって、これらの色に対応するセルは、残りのピクセルの大部分を含むことになる。
【0025】
上記の内容は、本発明の原理、好ましい実施形態および動作のモードを説明した。しかしながら、本発明は、上述した特定の実施形態に限定されない。たとえば、各セピア調画像を、その確率に基づいてさらに分類することができる。そして、閾値に非常に近かった画像に対し、手作業で見直すためにタグ付けすることができる。さらに、セピア調画像の大部分が閾値に近かった場合、これは、システムを再トレーニングするためにトレーニング画像の新たなセットが必要であることを指示するものとしての役割を果たすことができる。
【0026】
したがって、上述した実施形態を、限定的なものではなく例示的なものとしてみなすべきであり、添付の特許請求の範囲によって画定される本発明の範囲から逸脱することなく、当業者によりそれらの実施形態において変形を行うことができることが理解されるべきである。
【図面の簡単な説明】
【0027】
【図1】本発明の例示的な方法のフローチャート。
【図2】本発明のトレーニング方法のフローチャート。
【図3】本発明の例示的なシステムのブロック図。
【図4】本発明の例示的なトレーニングシステムのブロック図。
Claims (10)
- デジタル画像の第1の色空間の値を色相・彩度・明度(HSV)値に変換すること、
彩度閾値および明度閾値のうちの少なくとも1つを下回る前記デジタル画像のいかなるピクセルも除去すること、
該除去するステップの後で、前記デジタル画像の残りのピクセルを分析すること、
前記デジタル画像の前記残りのピクセルの前記分析に基づいて、該デジタル画像をセピア調画像として分類すること、
とを含むデジタル画像を分類する方法。 - 前記分析することは、
セピア調画像の所定色分布に基づいて前記残りのピクセルの各々がセピア調である確率を求めること、
Nが前記残りのピクセルの総数であり、piが各残りのピクセルiがセピア調である確率であり、log(P)が、前記画像がセピア調である確率を示す場合に、前記デジタル画像がセピア調画像である確率を、log(P)=(1/N)Σlog(pi)によって求めること、
前記デジタル画像がセピア調画像である前記確率を、セピア調画像を識別するための所定閾値と比較することを含み、セピア調画像を識別するための前記所定閾値は−5.2であり、log(P)が−5.2より大きい場合、前記デジタル画像はセピア調画像として分類される、請求項1に記載のデジタル画像を分類する方法。 - 前記デジタル画像は、カラー画像、グレイスケール画像、セピア調画像からなるグループのうちの少なくとも1つを含む画像データベースの1つの画像である、請求項1に記載のデジタル画像を分類する方法。
- 前記分類することは、前記分類するステップに基づいて、前記画像を検索すること、表示すること、タグ付けすること、格納することのうちの少なくとも1つを実行することを含む、請求項1に記載のデジタル画像を分類する方法。
- セピア調画像を検出するようにシステムをトレーニングする方法であって、
複数のトレーニング画像の第1の色空間の値をHSV値に変換することを含み、該トレーニング画像はセピア調画像であり、
前記複数のトレーニング画像の各々に対し彩度閾値および明度閾値のうちの少なくとも1つを下回る該トレーニング画像のいかなるピクセルも除去すること、
該除去するステップの後に、前記複数のトレーニング画像に対し残りのピクセルに対するHSV値の色分布を推定すること、
を含むシステムをトレーニングする方法。 - 画像がセピア調画像として分類される際の閾値を確立すること
をさらに含む請求項5に記載のシステムをトレーニングする方法。 - H、S、V次元に沿ってHSV空間を均一にセルに分割すること、
前記トレーニング画像の前記残りのピクセルの各々を、各残りのピクセルの前記HSV値に基づいて前記セルのうちの1つに割当てること、
各セルの前記残りのピクセルをカウントすることにより各セルに対する値を確立すること、
前記残りのセルの総数で除算することにより、各セルに対する前記値を正規化することを含み、前記H次元には36のセルがあり、前記S次元には4つのセルがあり、前記V次元には4つのセルがある、請求項5に記載のシステムをトレーニングする方法。 - 彩度閾値および明度閾値のうちの少なくとも1つを、cが閾値であり、Sが彩度値であり、Vが明度値である場合に、(1−S)3+(1−V)3≧c3によって求め、ここで、cは約0.94であり、Sは0〜1.0までの範囲であり、Vは0〜1.0までの範囲である、請求項1または5に記載のシステムをトレーニングする方法。
- 前記第1の色空間はRGBであり、前記デジタル画像の前記RGB値を、0〜1.0までの範囲となるように正規化し、RGBからHSVへの前記変換を、
Max=Max(R,G,B)
Min=Min(R,G,B)
Val=Max
If(Val=0)Sat=0, else Sat=1−Min/Val
If(Sat=0)Hueは未定義, else
Hue=
(G−B)/(Max−Min)×60 if(R=Max∧(G−B)≧0)
(G−B)/(Max−Min)×60+360 if(R=Max∧(G−B)<0)
(2.0+(B−R)/(Max−Min))×60 if(G=Max)
(4.0+(R−G)/(Max−Min))×60 if(B=Max)
によって確定し、ここで、Hの範囲は0〜360度であり、Sの範囲は0〜1.0であり、Vの範囲は0〜1.0である、請求項1または5に記載のシステムをトレーニングする方法。 - 請求項1に記載の方法にしたがってデジタル画像を分類するコンピュータベースシステムであって、
デジタル画像の第1の色空間の値を色相・彩度・明度(HSV)値に変換するロジックと、
彩度閾値および明度閾値のうちの少なくとも1つを下回る前記デジタル画像のいかなるピクセルも除去するロジックと、
該除去するステップの後で、前記デジタル画像の残りのピクセルを分析するロジックと、
前記デジタル画像の前記残りのピクセルの前記分析に基づいて、前記デジタル画像をセピア調画像として分類するロジックと、
を備えるコンピュータベースシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/853,652 US6580824B2 (en) | 2001-05-14 | 2001-05-14 | Classification of photos with sepia tones |
PCT/US2002/015659 WO2002093484A1 (en) | 2001-05-14 | 2002-05-14 | Classification of photos with sepia tones |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004538555A true JP2004538555A (ja) | 2004-12-24 |
JP2004538555A5 JP2004538555A5 (ja) | 2005-12-22 |
Family
ID=25316576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002590083A Withdrawn JP2004538555A (ja) | 2001-05-14 | 2002-05-14 | デジタル画像を分類する方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6580824B2 (ja) |
EP (1) | EP1395953A1 (ja) |
JP (1) | JP2004538555A (ja) |
TW (1) | TW550518B (ja) |
WO (1) | WO2002093484A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015114822A (ja) * | 2013-12-11 | 2015-06-22 | 富士フイルム株式会社 | 画像利用商材作成装置、画像利用商材作成方法、画像利用商材作成プログラムおよびその記録媒体、ならびに加工画像判定装置、加工画像判定方法、加工画像判定プログラムおよびその記録媒体 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1311443B1 (it) * | 1999-11-16 | 2002-03-12 | St Microelectronics Srl | Metodo di classificazione di immagini digitali in base al lorocontenuto. |
US6937758B2 (en) * | 2001-08-07 | 2005-08-30 | Hewlett-Packard Development Company, L.P. | Method and apparatus for reproducing sepia-tone images |
US6947593B2 (en) * | 2001-10-05 | 2005-09-20 | Hewlett-Packard Development Company, Lp. | Digital image processing |
DE102005001224A1 (de) * | 2004-09-03 | 2006-03-09 | Betriebsforschungsinstitut VDEh - Institut für angewandte Forschung GmbH | Verfahren zur Zuordnung eines digitalen Bildes in eine Klasse eines Klassifizierungssystems |
US7542600B2 (en) * | 2004-10-21 | 2009-06-02 | Microsoft Corporation | Video image quality |
US7936919B2 (en) | 2005-01-18 | 2011-05-03 | Fujifilm Corporation | Correction of color balance of face images depending upon whether image is color or monochrome |
US7925083B2 (en) * | 2007-07-09 | 2011-04-12 | Eastman Kodak Company | Method for digital image class detection |
US9171075B2 (en) | 2010-12-30 | 2015-10-27 | Pelco, Inc. | Searching recorded video |
US8737727B2 (en) | 2010-12-30 | 2014-05-27 | Pelco, Inc. | Color similarity sorting for video forensics search |
US9681125B2 (en) | 2011-12-29 | 2017-06-13 | Pelco, Inc | Method and system for video coding with noise filtering |
US10026010B2 (en) | 2014-05-14 | 2018-07-17 | At&T Intellectual Property I, L.P. | Image quality estimation using a reference image portion |
US20240046415A1 (en) * | 2019-09-11 | 2024-02-08 | Covidien Lp | Systems and methods for neural-network based color restoration |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5253302A (en) * | 1989-02-28 | 1993-10-12 | Robert Massen | Method and arrangement for automatic optical classification of plants |
US5345320A (en) | 1990-11-29 | 1994-09-06 | Minolta Camera Kabushiki Kaisha | Color image data processing apparatus comprising monochrome pixel detector |
US5341226A (en) | 1993-04-22 | 1994-08-23 | Xerox Corporation | Automatic image segmentation for color documents |
US6282330B1 (en) * | 1997-02-19 | 2001-08-28 | Canon Kabushiki Kaisha | Image processing apparatus and method |
WO1999023600A1 (en) * | 1997-11-04 | 1999-05-14 | The Trustees Of Columbia University In The City Of New York | Video signal face region detection |
JP3748164B2 (ja) | 1998-02-06 | 2006-02-22 | 富士通株式会社 | パターン抽出装置 |
US6477269B1 (en) * | 1999-04-20 | 2002-11-05 | Microsoft Corporation | Method and system for searching for images based on color and shape of a selected image |
-
2001
- 2001-05-14 US US09/853,652 patent/US6580824B2/en not_active Expired - Fee Related
-
2002
- 2002-02-26 TW TW091103448A patent/TW550518B/zh not_active IP Right Cessation
- 2002-05-14 EP EP02769764A patent/EP1395953A1/en not_active Withdrawn
- 2002-05-14 JP JP2002590083A patent/JP2004538555A/ja not_active Withdrawn
- 2002-05-14 WO PCT/US2002/015659 patent/WO2002093484A1/en not_active Application Discontinuation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015114822A (ja) * | 2013-12-11 | 2015-06-22 | 富士フイルム株式会社 | 画像利用商材作成装置、画像利用商材作成方法、画像利用商材作成プログラムおよびその記録媒体、ならびに加工画像判定装置、加工画像判定方法、加工画像判定プログラムおよびその記録媒体 |
US9324013B2 (en) | 2013-12-11 | 2016-04-26 | Fujifilm Corporation | Image used commercial goods creating apparatus, image used commercial goods creating method, and non-transitory computer readable recording medium |
Also Published As
Publication number | Publication date |
---|---|
TW550518B (en) | 2003-09-01 |
US20020181767A1 (en) | 2002-12-05 |
EP1395953A1 (en) | 2004-03-10 |
US6580824B2 (en) | 2003-06-17 |
WO2002093484A1 (en) | 2002-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4139615B2 (ja) | 前景/背景セグメント化を用いた画像のイベント・クラスタリング | |
EP1700269B1 (en) | Detection of sky in digital color images | |
US7058224B2 (en) | Detecting multiple objects in digital image data | |
US7215828B2 (en) | Method and system for determining image orientation | |
US6738494B1 (en) | Method for varying an image processing path based on image emphasis and appeal | |
US7415165B2 (en) | Red-eye detection device, red-eye detection method, and red-eye detection program | |
CN102968637B (zh) | 一种复杂背景图像文字分割方法 | |
US8503792B2 (en) | Patch description and modeling for image subscene recognition | |
US6389417B1 (en) | Method and apparatus for searching a digital image | |
US20070196013A1 (en) | Automatic classification of photographs and graphics | |
CN109829914A (zh) | 检测产品缺陷的方法和装置 | |
US20060017825A1 (en) | Method and apparatus for effecting automatic red eye reduction | |
CN109685765B (zh) | 一种基于卷积神经网络的x光片肺炎结果预测装置 | |
JP2008097607A (ja) | 入力イメージを自動的に分類する方法 | |
CN107622280B (zh) | 基于场景分类的模块化处方式图像显著性检测方法 | |
US20090257662A1 (en) | System and method for image and video search, indexing and object classification | |
JP2004538555A (ja) | デジタル画像を分類する方法 | |
CN111583180B (zh) | 一种图像的篡改识别方法、装置、计算机设备及存储介质 | |
CN111027475A (zh) | 一种基于视觉的实时交通信号灯识别方法 | |
CN108921172A (zh) | 基于支持向量机的图像处理装置及方法 | |
CN114519689A (zh) | 图像篡改检测方法、装置、设备及计算机可读存储介质 | |
JP2000123173A (ja) | 画像特徴抽出方法及び類似画像検索システム、記録媒体 | |
Lee et al. | Detecting false captioning using common-sense reasoning | |
US7899255B2 (en) | Method for recognizing and indexing digital media | |
JPH10247246A (ja) | 物体検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050111 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050111 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20060224 |