JP2010186288A - 顔画像の所定のテクスチャー特徴量を変更する画像処理 - Google Patents

Abstract

【課題】顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現する。
【解決手段】画像処理装置は、互いに異なる顔画像サイズに対応する複数の基準形状と互いに異なる顔画像サイズに対応する複数のテクスチャーモデルとを特定する情報を記憶する記憶部と、対象画像における顔の特徴部位の位置を特定する顔特徴位置特定部と、対象画像における顔画像サイズに基づき基準形状とテクスチャーモデルとを選択するモデル選択部と、対象画像における顔形状が選択基準形状と等しくなるようにて第１の変換を行う第１の画像変換部と、選択テクスチャーモデルを用いて第１の変換後の対象画像における所定のテクスチャー特徴量を変更する特徴量処理部と、特徴量変更後の対象画像に対して第１の変換の逆変換を行う第２の画像変換部と、を備える。
【選択図】図１７

Description

本発明は、顔画像における所定のテクスチャー特徴量を変更する画像処理に関する。

視覚的事象のモデル化手法として、アクティブアピアランスモデル（Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌ、略して「ＡＡＭ」とも呼ばれる）が知られている。ＡＡＭでは、例えば、複数のサンプル顔画像における所定の特徴部位（例えば目尻や鼻頭やフェイスライン）の位置（座標）や画素値（例えば輝度値）の統計的分析を通じて、上記特徴部位の位置により特定される顔の形状を表す形状モデルや、平均的な形状における「見え（Ａｐｐｅａｒａｎｃｅ）」を表すテクスチャーモデルが設定され、これらのモデルを用いて顔画像がモデル化される。ＡＡＭによれば、任意の顔画像のモデル化（合成）が可能であり、顔画像における上記特徴部位の位置の特定（検出）が可能である（例えば特許文献１参照）。

特開２００７−１４１１０７号公報

ＡＡＭを利用すれば、テクスチャーモデルの所定のテクスチャーパラメーターを変更することにより、顔画像における所定のテクスチャー特徴量を変更する画像処理（例えば影成分を低減する画像処理）を実行することができる。従来、顔画像における所定のテクスチャー特徴量を変更する画像処理においては、さらなる質の向上の余地があった。

なお、このような問題は、ＡＡＭを利用する場合に限らず、顔画像における所定のテクスチャー特徴量を変更する画像処理を行う際に共通の問題であった。

本発明は、上記の課題を解決するためになされたものであり、顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することを目的とする。

上記課題の少なくとも一部を解決するために、本発明は、以下の形態または適用例として実現することが可能である。

［適用例１］対象画像における顔画像の所定のテクスチャー特徴量を変更する画像処理装置であって、
基準となる顔形状である基準形状であって互いに異なる顔画像サイズに対応する複数の前記基準形状と、前記基準形状を有する顔画像の画素値により規定される顔テクスチャーを基準テクスチャーと少なくとも１つの前記テクスチャー特徴量とにより表すテクスチャーモデルであって互いに異なる顔画像サイズに対応する複数の前記テクスチャーモデルと、を特定する情報を記憶する記憶部と、
前記対象画像における顔の所定の特徴部位の位置を特定する顔特徴位置特定部と、
前記対象画像における顔画像サイズを取得し、前記取得された顔画像サイズに基づき１つの前記基準形状と１つの前記テクスチャーモデルとを選択するモデル選択部と、
前記対象画像における前記特徴部位の位置により規定される顔形状が選択された前記基準形状と等しくなるように、前記対象画像に対して第１の変換を行う第１の画像変換部と、
選択された前記テクスチャーモデルを用いて前記第１の変換後の前記対象画像における前記所定のテクスチャー特徴量を変更する特徴量処理部と、
前記所定のテクスチャー特徴量の変更後の前記対象画像に対して前記第１の変換の逆変換を行う第２の画像変換部と、を備える、画像処理装置。

この画像処理装置では、対象画像における顔画像サイズに基づき１つの基準形状と１つのテクスチャーモデルとが選択され、対象画像における顔形状が選択された基準形状と等しくなるように第１の変換が行われ、選択されたテクスチャーモデルを用いて第１の変換後の対象画像における所定のテクスチャー特徴量が変更され、特徴量の変更後の対象画像に対して第１の変換の逆変換が行われることにより、対象画像における顔画像の所定のテクスチャー特徴量の変更が実現される。この画像処理装置では、対象画像における顔画像サイズに基づき基準形状とテクスチャーモデルとが選択されるため、第１の変換およびその逆変換や、テクスチャーモデルを用いたテクスチャー特徴量の変更を行う際に、画像の情報量の低減を抑制することができる。従って、この画像処理装置では、顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例２］適用例１に記載の画像処理装置であって、
前記モデル選択部は、前記取得された顔画像サイズに最も近い顔画像サイズに対応する前記基準形状と前記テクスチャーモデルを選択する、画像処理装置。

この画像処理装置では、対象画像における顔画像サイズに最も近い顔画像サイズに対応する基準形状とテクスチャーモデルとが選択されるため、第１の変換およびその逆変換や、テクスチャーモデルを用いたテクスチャー特徴量の変更を行う際に、画像の情報量の低減を抑制することができ、顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例３］適用例１または適用例２に記載の画像処理装置であって、
前記特徴量処理部は、選択された前記テクスチャーモデルを用いて、前記第１の変換後の前記対象画像について顔テクスチャーを特定し、特定された顔テクスチャーにおいて前記所定のテクスチャー特徴量を変更する、画像処理装置。

この画像処理装置では、テクスチャーモデルを用いたテクスチャー特徴量の変更を行う際に、画像の情報量の低減を抑制することができ、顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例４］適用例１ないし適用例３のいずれかに記載の画像処理装置であって、
前記特徴量処理部は、影成分に実質的に対応する前記所定のテクスチャー特徴量を変更する、画像処理装置。

この画像処理装置では、顔画像における影成分に実質的に対応する所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例５］適用例１ないし適用例４のいずれかに記載の画像処理装置であって、
前記モデル選択部は、前記対象画像において特定された前記特徴部位の位置に基づき、前記対象画像における顔画像サイズを取得する、画像処理装置。

この画像処理装置では、対象画像において特定された特徴部位の位置に基づき対象画像における顔画像サイズが取得され、対象画像における顔画像サイズに基づき１つの基準形状と１つのテクスチャーモデルとが選択されるため、第１の変換およびその逆変換や、テクスチャーモデルを用いたテクスチャー特徴量の変更を行う際に、画像の情報量の低減を抑制することができ、顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例６］適用例１ないし適用例５のいずれかに記載の画像処理装置であって、
前記記憶部が記憶する前記情報は、顔形状を前記基準形状と少なくとも１つの形状特徴量とにより表す形状モデルであって互いに異なる顔画像サイズに対応する複数の前記形状モデルを特定する情報を含み、
前記顔特徴位置特定部は、前記形状モデルと前記テクスチャーモデルとを用いて、前記対象画像における前記特徴部位の位置を特定する、画像処理装置。

この画像処理装置では、形状モデルとテクスチャーモデルとを用いて対象画像における特徴部位の位置を特定し、特定結果を用いて顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例７］適用例６に記載の画像処理装置であって、
前記形状モデルおよび前記テクスチャーモデルは、前記特徴部位の位置が既知である複数のサンプル顔画像を対象とした統計的分析に基づき設定される、画像処理装置。

この画像処理装置では、形状モデルとテクスチャーモデルとを用いて対象画像における特徴部位の位置を精度良く特定することができる。

［適用例８］適用例７に記載の画像処理装置であって、
前記基準形状は、前記複数のサンプル顔画像における前記特徴部位の平均位置を表す平均形状であり、
前記基準テクスチャーは、前記平均形状に形状変換された前記複数のサンプル顔画像の前記特徴部位の位置における画素値の平均を表す平均テクスチャーである、画像処理装置。

この画像処理装置では、あらゆる画像を対象として実行される顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

［適用例９］対象画像における顔画像の所定のテクスチャー特徴量を変更する画像処理装置であって、
基準となる顔形状である基準形状と、前記基準形状を有する顔画像の画素値により規定される顔テクスチャーを基準テクスチャーと少なくとも１つの前記テクスチャー特徴量とにより表すテクスチャーモデルと、を特定する情報を記憶する記憶部と、
前記対象画像における顔の所定の特徴部位の位置を特定する顔特徴位置特定部と、
前記対象画像における前記特徴部位の位置により規定される顔形状が前記基準形状と等しくなるように、前記対象画像に対して第１の変換を行う第１の画像変換部と、
前記テクスチャーモデルを用いて前記第１の変換後の前記対象画像における前記所定のテクスチャー特徴量に対応するテクスチャー特徴量画像を生成する特徴量処理部と、
前記テクスチャー特徴量画像に対して前記第１の変換の逆変換を行う第２の画像変換部と、
前記対象画像から前記逆変換後の前記テクスチャー特徴量画像を減算する補正処理部と、を備える、画像処理装置。

この画像処理装置では、対象画像における顔形状が基準形状と等しくなるように第１の変換が行われ、テクスチャーモデルを用いて第１の変換後の対象画像における所定のテクスチャー特徴量に対応するテクスチャー特徴量画像が生成され、テクスチャー特徴量画像に対して第１の変換の逆変換が行われ、対象画像から逆変換後のテクスチャー特徴量画像が減算されることにより、対象画像における顔画像の所定のテクスチャー特徴量の変更が実現される。この画像処理装置では、最終的な減算に用いられる対象画像は、第１の変換や逆変換の対象とはならないため、画像の情報量の低減を抑制することができ、顔画像における所定のテクスチャー特徴量を変更する画像処理のさらなる質の向上を実現することができる。

なお、本発明は、種々の態様で実現することが可能であり、例えば、画像処理方法および装置、画像補正方法および装置、特徴量変更方法および装置、印刷方法および装置、これらの方法または装置の機能を実現するためのコンピュータープログラム、そのコンピュータープログラムを記録した記録媒体、そのコンピュータープログラムを含み搬送波内に具現化されたデータ信号、等の形態で実現することができる。

本発明の第１実施例における画像処理装置としてのプリンター１００の構成を概略的に示す説明図である。 第１実施例におけるＡＡＭ設定処理の流れを示すフローチャートである。 サンプル顔画像ＳＩの一例を示す説明図である。 サンプル顔画像ＳＩにおける特徴点ＣＰの設定方法の一例を示す説明図である。 サンプル顔画像ＳＩに設定された特徴点ＣＰの座標の一例を示す説明図である。 平均形状ｓ₀の一例を示す説明図である。 サンプル顔画像ＳＩのワープＷの方法の一例を示す説明図である。 平均顔画像Ａ₀（ｘ）の一例を示す説明図である。 第１実施例における顔特徴位置特定処理の流れを示すフローチャートである。 対象画像ＯＩにおける顔領域ＦＡの検出結果の一例を示す説明図である。 第１実施例における特徴点ＣＰの初期配置決定処理の流れを示すフローチャートである。 対象画像ＯＩにおける特徴点ＣＰの仮配置の一例を示す説明図である。 平均形状画像Ｉ（Ｗ（ｘ；ｐ））の一例を示す説明図である。 対象画像ＯＩにおける特徴点ＣＰの初期配置の一例を示す説明図である。 第１実施例における特徴点ＣＰ配置更新処理の流れを示すフローチャートである。 顔特徴位置特定処理の結果の一例を示す説明図である。 第１実施例における画像補正処理の流れを示すフローチャートである。 第１実施例における画像補正処理の概要を示す説明図である。 第２実施例における画像補正処理の流れを示すフローチャートである。

次に、本発明の実施の形態を実施例に基づいて以下の順序で説明する。
Ａ．第１実施例：
Ａ−１．画像処理装置の構成：
Ａ−２．ＡＡＭ設定処理：
Ａ−３．顔特徴位置特定処理：
Ａ−４．画像補正処理：
Ｂ．第２実施例：
Ｃ．変形例：

Ａ．第１実施例：
Ａ−１．画像処理装置の構成：
図１は、本発明の第１実施例における画像処理装置としてのプリンター１００の構成を概略的に示す説明図である。本実施例のプリンター１００は、メモリーカードＭＣ等から取得した画像データに基づき画像を印刷する、いわゆるダイレクトプリントに対応したインクジェット式カラープリンターである。プリンター１００は、プリンター１００の各部を制御するＣＰＵ１１０と、ＲＯＭやＲＡＭによって構成された内部メモリー１２０と、ボタンやタッチパネルにより構成された操作部１４０と、液晶ディスプレイにより構成された表示部１５０と、プリンターエンジン１６０と、カードインターフェース（カードＩ／Ｆ）１７０と、を備えている。プリンター１００は、さらに、他の機器（例えばデジタルスチルカメラやパーソナルコンピューター）とのデータ通信を行うためのインターフェースを備えているとしてもよい。プリンター１００の各構成要素は、バスを介して互いに接続されている。

プリンターエンジン１６０は、印刷データに基づき印刷を行う印刷機構である。カードインターフェース１７０は、カードスロット１７２に挿入されたメモリーカードＭＣとの間でデータのやり取りを行うためのインターフェースである。なお、本実施例では、メモリーカードＭＣに画像データを含む画像ファイルが格納されている。

内部メモリー１２０には、画像処理部２００と、表示処理部３１０と、印刷処理部３２０と、が格納されている。画像処理部２００は、所定のオペレーティングシステムの下で、顔特徴位置特定処理や画像補正処理を実行するためのコンピュータープログラムである。本実施例の顔特徴位置特定処理は、顔画像における所定の特徴部位（例えば目尻や鼻頭やフェイスライン）の位置を特定（検出）する処理である。本実施例の画像補正処理は、顔画像における影成分を低減する処理である。顔特徴位置特定処理および画像補正処理については、後に詳述する。

画像処理部２００は、プログラムモジュールとして、顔特徴位置特定部２１０と、モデル選択部２２０と、顔領域検出部２３０と、補正処理部２４０と、を含んでいる。顔特徴位置特定部２１０は、初期配置部２１１と、画像変換部２１２と、判定部２１３と、更新部２１４と、正規化部２１５と、を含んでいる。補正処理部２４０は、画像変換部２４１と、特徴量処理部２４２と、を含んでいる。なお、画像変換部２４１は、本発明における第１の画像変換部および第２の画像変換部に相当する。これら各部の機能については、後述の顔特徴位置特定処理および画像補正処理の説明において詳述する。

表示処理部３１０は、表示部１５０を制御して、表示部１５０上に処理メニューやメッセージ、画像等を表示させるディスプレイドライバである。印刷処理部３２０は、画像データから印刷データを生成し、プリンターエンジン１６０を制御して、印刷データに基づく画像の印刷を実行するためのコンピュータープログラムである。ＣＰＵ１１０は、内部メモリー１２０から、これらのプログラム（画像処理部２００、表示処理部３１０、印刷処理部３２０）を読み出して実行することにより、これら各部の機能を実現する。

内部メモリー１２０には、また、ＡＡＭ情報ＡＭＩが格納されている。ＡＡＭ情報ＡＭＩは、後述のＡＡＭ設定処理によって予め設定される情報であり、後述の顔特徴位置特定処理および画像補正処理において参照される。ＡＡＭ情報ＡＭＩの内容については、後述のＡＡＭ設定処理の説明において詳述する。

Ａ−２．ＡＡＭ設定処理：
図２は、第１実施例におけるＡＡＭ設定処理の流れを示すフローチャートである。ＡＡＭ設定処理は、ＡＡＭ（アクティブアピアランスモデル（Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌ））と呼ばれる画像のモデル化に用いられる形状モデルおよびテクスチャーモデルを設定する処理である。

ステップＳ１１０では、人物の顔を表す複数の画像がサンプル顔画像ＳＩとして設定される。図３は、サンプル顔画像ＳＩの一例を示す説明図である。図３に示すように、サンプル顔画像ＳＩは、個性、人種・性別、表情（怒り、笑い、困り、驚き等）、向き（正面向き、上向き、下向き、右向き、左向き等）といった種々の属性に関して互いに相違する画像が含まれるように設定される。サンプル顔画像ＳＩがそのように設定されれば、ＡＡＭによってあらゆる顔画像を精度良くモデル化することが可能となり、あらゆる顔画像を対象とした精度の良い顔特徴位置特定処理（後述）の実行が可能となる。なお、サンプル顔画像ＳＩは、学習顔画像とも呼ばれる。

ステップＳ１２０（図２）では、サンプル顔画像ＳＩのそれぞれにおいて、特徴点ＣＰが設定される。図４は、サンプル顔画像ＳＩにおける特徴点ＣＰの設定方法の一例を示す説明図である。特徴点ＣＰは、顔画像における所定の特徴部位の位置を示す点である。本実施例では、所定の特徴部位として、人物の顔における眉毛上の所定位置（例えば端点や４分割点等、以下同じ）、目の輪郭上の所定位置、鼻筋および小鼻の輪郭上の所定位置、上下唇の輪郭上の所定位置、顔の輪郭（フェイスライン）上の所定位置といった６８箇所の部位が設定されている。すなわち、本実施例では、人物の顔に共通して含まれる顔の器官（眉毛、目、鼻、口）および顔の輪郭における所定位置が、特徴部位として設定されている。図４に示すように、特徴点ＣＰは、各サンプル顔画像ＳＩにおいてオペレーターにより指定された６８個の特徴部位を表す位置に設定（配置）される。このように設定された各特徴点ＣＰは各特徴部位に対応しているため、顔画像における特徴点ＣＰの配置は顔の形状を規定していると表現することができる。

サンプル顔画像ＳＩにおける特徴点ＣＰの位置は、座標により特定される。図５は、サンプル顔画像ＳＩに設定された特徴点ＣＰの座標の一例を示す説明図である。図５において、ＳＩ（ｊ）（ｊ＝１，２，３・・・）は各サンプル顔画像ＳＩを示しており、ＣＰ（ｋ）（ｋ＝０，１，・・・，６７）は各特徴点ＣＰを示している。また、ＣＰ（ｋ）−Ｘは、特徴点ＣＰ（ｋ）のＸ座標を示しており、ＣＰ（ｋ）−Ｙは、特徴点ＣＰ（ｋ）のＹ座標を示している。特徴点ＣＰの座標としては、顔の大きさと顔の傾き（画像面内の傾き）と顔のＸ方向およびＹ方向の位置とのそれぞれについて正規化されたサンプル顔画像ＳＩにおける所定の基準点（例えば画像の左下の点）を原点とした座標が用いられる。また、本実施例では、１つのサンプル顔画像ＳＩに複数の人物の顔が含まれる場合が許容されており（例えばサンプル顔画像ＳＩ（２）には２人の顔が含まれている）、１つのサンプル顔画像ＳＩにおける各人物は人物ＩＤによって特定される。

ステップＳ１３０（図２）では、ＡＡＭの形状モデルが設定される。具体的には、各サンプル顔画像ＳＩにおける６８個の特徴点ＣＰの座標（Ｘ座標およびＹ座標）により構成される座標ベクトル（図５参照）に対する主成分分析が行われ、特徴点ＣＰの位置により特定される顔の形状ｓが下記の式（１）によりモデル化される。なお、形状モデルは、特徴点ＣＰの配置モデルとも呼ばれる。

上記式（１）において、ｓ₀は平均形状である。図６は、平均形状ｓ₀の一例を示す説明図である。図６（ａ）および（ｂ）に示すように、平均形状ｓ₀は、サンプル顔画像ＳＩの各特徴点ＣＰについての平均位置（平均座標）により特定される平均的な顔の形状を表すモデルである。なお、本実施例では、平均形状ｓ₀において、外周に位置する特徴点ＣＰ（フェイスラインおよび眉毛、眉間に対応する特徴点ＣＰ、図４参照）を結ぶ直線により囲まれた領域（図６（ｂ）においてハッチングを付して示す）を「平均形状領域ＢＳＡ」と呼ぶ。平均形状ｓ₀においては、図６（ａ）に示すように、特徴点ＣＰを頂点とする複数の三角形領域ＴＡが、平均形状領域ＢＳＡをメッシュ状に分割するように設定されている。

形状モデルを表す上記式（１）において、ｓ_iは形状ベクトルであり、ｐ_iは形状ベクトルｓ_iの重みを表す形状パラメーターである。形状ベクトルｓ_iは、顔の形状ｓの特性を表すベクトルであり、具体的には、主成分分析により得られる第ｉ主成分に対応する固有ベクトルである。すなわち、分散のより大きい主成分に対応する固有ベクトルから順に、累積寄与率に基づき設定された個数ｎの固有ベクトルが、形状ベクトルｓ_iとして採用される。本実施例では、最も分散の大きい第１主成分に対応する第１形状ベクトルｓ₁は顔の左右振りにほぼ相関するベクトルとなっており、２番目に分散の大きい第２主成分に対応する第２形状ベクトルｓ₂は顔の上下振りにほぼ相関するベクトルとなっている。また、３番目に分散の大きい第３主成分に対応する第３形状ベクトルｓ₃は顔の形状の縦横比にほぼ相関するベクトルとなっており、４番目に分散の大きい第４主成分に対応する第４形状ベクトルｓ₄は口の開きの程度にほぼ相関するベクトルとなっている。

上記式（１）に示すように、本実施例における形状モデルでは、特徴点ＣＰの配置を表す顔形状ｓが、平均形状ｓ₀とｎ個の形状ベクトルｓ_iの線形結合との和としてモデル化される。形状モデルにおいて形状パラメーターｐ_iを適切に設定することにより、あらゆる画像における顔の形状ｓを再現することが可能である。なお、形状モデル設定ステップ（図２のステップＳ１３０）において設定された平均形状ｓ₀および形状ベクトルｓ_iは、ＡＡＭ情報ＡＭＩ（図１）として内部メモリー１２０に格納される。平均形状ｓ₀は、本発明における基準形状に相当し、形状ベクトルｓ_iと形状パラメーターｐ_iとの積は、本発明における形状特徴量に相当する。

なお、本実施例では、互いに異なる顔画像サイズに対応する複数の形状モデルが設定される。すなわち、互いに異なる顔画像サイズに対応する複数の平均形状ｓ₀および複数組の形状ベクトルｓ_iが設定される。複数の形状モデルは、複数段階の顔のサイズを目標値としてサンプル顔画像ＳＩを正規化し、顔のサイズの段階毎にサンプル顔画像ＳＩにおける特徴点ＣＰの座標により構成される座標ベクトルに対する主成分分析を行うことにより設定される。

ステップＳ１４０（図２）では、ＡＡＭのテクスチャーモデルが設定される。具体的には、まず、各サンプル顔画像ＳＩに対して、サンプル顔画像ＳＩにおける特徴点ＣＰの配置が平均形状ｓ₀における特徴点ＣＰの配置と等しくなるように、画像変換（以下、「ワープＷ」とも呼ぶ）が行われる。

図７は、サンプル顔画像ＳＩのワープＷの方法の一例を示す説明図である。各サンプル顔画像ＳＩにおいては、平均形状ｓ₀と同様に、外周に位置する特徴点ＣＰにより囲まれた領域をメッシュ状に分割する複数の三角形領域ＴＡが設定されている。ワープＷは、複数の三角形領域ＴＡのそれぞれについてのアフィン変換の集合である。すなわち、ワープＷにおいては、サンプル顔画像ＳＩにおけるある三角形領域ＴＡの画像は、平均形状ｓ₀における対応する三角形領域ＴＡの画像へとアフィン変換される。ワープＷにより、特徴点ＣＰの配置が平均形状ｓ₀における特徴点ＣＰの配置と等しいサンプル顔画像ＳＩ（以下「サンプル顔画像ＳＩｗ」と表す）が生成される。

なお、各サンプル顔画像ＳＩｗは、平均形状領域ＢＳＡ（図７においてハッチングを付して示す）を内包する矩形枠を外周とし、平均形状領域ＢＳＡ以外の領域（以下「マスク領域ＭＡ」とも呼ぶ）がマスクされた画像として生成される。平均形状領域ＢＳＡとマスク領域ＭＡとを併せた画像領域を基準領域ＢＡと呼ぶ。上述したように、本実施例では、互いに異なる顔画像サイズに対応する複数の形状モデル（平均形状ｓ₀および複数組の形状ベクトルｓ_i）が設定されるため、サンプル顔画像ＳＩｗは、複数の形状モデル（平均形状ｓ₀）毎に生成される。例えば、各サンプル顔画像ＳＩｗは、５６画素×５６画素と、２５６画素×２５６画素と、５００画素×５００画素と、の３段階のサイズの画像として生成される。

次に、各サンプル顔画像ＳＩｗの画素群ｘのそれぞれにおける輝度値により構成される輝度値ベクトルに対する主成分分析が行われ、顔のテクスチャー（「見え」とも呼ぶ）Ａ（ｘ）が下記の式（２）によりモデル化される。なお、画素群ｘは、平均形状領域ＢＳＡに位置する画素の集合である。

上記式（２）において、Ａ₀（ｘ）は平均顔画像である。図８は、平均顔画像Ａ₀（ｘ）の一例を示す説明図である。平均顔画像Ａ₀（ｘ）は、ワープＷの後のサンプル顔画像ＳＩｗ（図７参照）の平均の画像である。すなわち、平均顔画像Ａ₀（ｘ）は、サンプル顔画像ＳＩｗの平均形状領域ＢＳＡ内の画素群ｘのそれぞれについて画素値（輝度値）の平均をとることにより算出される画像である。従って、平均顔画像Ａ₀（ｘ）は、平均的な顔の形状における平均的な顔のテクスチャー（見え）を表すモデルである。なお、平均顔画像Ａ₀（ｘ）は、サンプル顔画像ＳＩｗと同様に、平均形状領域ＢＳＡとマスク領域ＭＡとで構成される。また、平均顔画像Ａ₀（ｘ）においても、平均形状領域ＢＳＡとマスク領域ＭＡとを併せた画像領域を基準領域ＢＡと呼ぶ。

テクスチャーモデルを表す上記式（２）において、Ａ_i（ｘ）はテクスチャーベクトルであり、λ_iはテクスチャーベクトルＡ_i（ｘ）の重みを表すテクスチャーパラメーターである。テクスチャーベクトルＡ_i（ｘ）は、顔のテクスチャーＡ（ｘ）の特性を表すベクトルであり、具体的には、主成分分析により得られる第ｉ主成分に対応する固有ベクトルである。すなわち、分散のより大きい主成分に対応する固有ベクトルから順に、累積寄与率に基づき設定された個数ｍの固有ベクトルが、テクスチャーベクトルＡ_i（ｘ）として採用される。本実施例では、最も分散の大きい第１主成分に対応する第１テクスチャーベクトルＡ₁（ｘ）は、顔色の変化（性別の差とも捉えられる）にほぼ相関するベクトルとなっており、２番目に分散の大きい第２主成分に対応する第２テクスチャーベクトルＡ₂（ｘ）は、影成分の変化（光源位置の変化とも捉えられる）にほぼ相関するベクトルとなっている。

上記式（２）に示すように、本実施例におけるテクスチャーモデルでは、顔の見えを表す顔のテクスチャーＡ（ｘ）が、平均顔画像Ａ₀（ｘ）とｍ個のテクスチャーベクトルＡ_i（ｘ）の線形結合との和としてモデル化される。テクスチャーモデルにおいてテクスチャーパラメーターλ_iを適切に設定することにより、あらゆる画像における顔のテクスチャーＡ（ｘ）を再現することが可能である。なお、テクスチャーモデル設定ステップ（図２のステップＳ１４０）において設定された平均顔画像Ａ₀（ｘ）およびテクスチャーベクトルＡ_i（ｘ）は、ＡＡＭ情報ＡＭＩ（図１）として内部メモリー１２０に格納される。平均顔画像Ａ₀（ｘ）は、本発明における基準テクスチャーに相当し、テクスチャーベクトルＡ_i（ｘ）とテクスチャーパラメーターλ_iとの積は、本発明における所定のテクスチャー特徴量に相当する。

なお、本実施例では、上述したように、互いに異なる顔画像サイズに対応する複数の形状モデルが設定されるため、テクスチャーモデルについても互いに異なる顔画像サイズに対応する複数のテクスチャーモデルが設定される。すなわち、互いに異なる顔画像サイズに対応する複数の平均顔画像Ａ₀（ｘ）および複数組のテクスチャーパラメーターλ_iが設定される。複数のテクスチャーモデルは、複数の形状モデル毎に生成されたサンプル顔画像ＳＩｗの画素群ｘのそれぞれにおける輝度値により構成される輝度値ベクトルに対する主成分分析を行うことにより設定される。

以上説明したＡＡＭ設定処理（図２）により、顔の形状をモデル化する形状モデルと、顔のテクスチャーをモデル化するテクスチャーモデルが設定される。設定された形状モデルとテクスチャーモデルとを組み合わせることにより、すなわち合成されたテクスチャーＡ（ｘ）に対して平均形状ｓ₀から形状ｓへの変換（図７に示したワープＷの逆変換）を行うことにより、あらゆる顔画像の形状およびテクスチャーを再現することが可能である。

Ａ−３．顔特徴位置特定処理：
図９は、第１実施例における顔特徴位置特定処理の流れを示すフローチャートである。本実施例における顔特徴位置特定処理は、ＡＡＭを利用して対象画像における特徴点ＣＰの配置を決定することにより、対象画像における顔の特徴部位の位置を特定する処理である。上述したように、本実施例では、ＡＡＭ設定処理（図２）において、人物の顔の器官（眉毛、目、鼻、口）および顔の輪郭における計６８箇所の所定位置が、特徴部位として設定されている（図４参照）。そのため、本実施例の顔特徴位置特定処理では、人物の顔の器官および顔の輪郭における所定位置を示す６８個の特徴点ＣＰの配置が決定される。

なお、顔特徴位置特定処理によって対象画像における特徴点ＣＰの配置が決定されると、対象画像における人物の顔の器官の形状・位置や顔の輪郭形状の特定が可能となる。従って、顔特徴位置特定処理の処理結果は、特定の表情（例えば笑顔や目を閉じた顔）の顔画像を検出するための表情判定や、特定の向き（例えば右向きや下向き）の顔画像を検出するための顔向き判定、顔の形状を変形する顔変形等に利用可能である。

ステップＳ２１０（図９）では、画像処理部２００（図１）が、顔特徴位置特定処理の対象となる対象画像を表す画像データを取得する。本実施例のプリンター１００では、カードスロット１７２にメモリーカードＭＣが挿入されると、メモリーカードＭＣに格納された画像ファイルのサムネイル画像が表示部１５０に表示される。ユーザーは、表示されたサムネイル画像を参照しつつ、操作部１４０を介して処理の対象となる１つまたは複数の画像を選択する。画像処理部２００は、選択された１つまたは複数の画像に対応する画像データを含む画像ファイルをメモリーカードＭＣより取得して内部メモリー１２０の所定の領域に格納する。なお、取得された画像データを対象画像データと呼び、対象画像データの表す画像を対象画像ＯＩと呼ぶものとする。

ステップＳ２２０（図９）では、顔領域検出部２３０（図１）が、対象画像ＯＩにおける顔の画像の少なくとも一部を含む画像領域を顔領域ＦＡとして検出する。顔領域ＦＡの検出は、公知の顔検出手法を用いて行うことができる。公知の顔検出手法としては、例えば、パターンマッチングによる手法や肌色領域抽出による手法、サンプル顔画像を用いた学習（例えばニューラルネットワークを用いた学習や、ブースティングを用いた学習、サポートベクターマシーンを用いた学習等）により設定される学習データを用いる手法等がある。

図１０は、対象画像ＯＩにおける顔領域ＦＡの検出結果の一例を示す説明図である。図１０には、対象画像ＯＩにおいて検出された顔領域ＦＡが示されている。本実施例では、おおよそ、顔の上下方向は額から顎まで、左右方向は両耳の外側まで含む矩形の領域が顔領域ＦＡとして検出されるような顔検出手法が用いられている。

なお、図１０に示した想定基準領域ＡＢＡは、平均顔画像Ａ₀（ｘ）の全体領域である基準領域ＢＡ（図８参照）に対応すると想定される領域である。想定基準領域ＡＢＡは、検出された顔領域ＦＡに基づき、大きさ・傾き・上下および左右方向の位置のそれぞれについて顔領域ＦＡと所定の関係を有する領域に設定される。顔領域ＦＡと想定基準領域ＡＢＡとの所定の関係は、顔領域ＦＡに表された顔が平均的な顔である場合には想定基準領域ＡＢＡが基準領域ＢＡに対応することとなるように、顔領域ＦＡの検出に採用する顔検出手法の特性（どのような顔の範囲を顔領域ＦＡとして検出するか）を考慮して予め設定される。

なお、ステップＳ２２０（図９）において対象画像ＯＩから顔領域ＦＡが検出されなかった場合には、対象画像ＯＩに顔の画像が含まれていないとして顔特徴位置特定処理が終了されるか、あるいは顔領域ＦＡの検出処理が再度実行される。

ステップＳ２２２（図９）では、モデル選択部２２０（図１）が、対象画像ＯＩにおける顔画像サイズを取得し、取得された顔画像サイズに基づいて、互いに異なる顔画像サイズに対応するものとして複数設定された形状モデルおよびテクスチャーモデルの中から、１つの形状モデルおよび１つのテクスチャーモデルを選択する。具体的には、モデル選択部２２０は、設定された想定基準領域ＡＢＡのサイズを顔画像サイズとして取得し、想定基準領域ＡＢＡのサイズに最も近い画像サイズに対応する形状モデルおよびテクスチャーモデルを選択する。顔特徴位置特定処理（図９）の以降の処理には、選択された形状モデルおよびテクスチャーモデルが使用される。

ステップＳ２３０（図９）では、顔特徴位置特定部２１０（図１）が、対象画像ＯＩにおける特徴点ＣＰの初期配置を決定する。図１１は、第１実施例における特徴点ＣＰの初期配置決定処理の流れを示すフローチャートである。特徴点ＣＰ初期配置決定処理のステップＳ３１０では、初期配置部２１１（図１）が、グローバルパラメーターとしての大きさ、傾き、位置（上下方向の位置および左右方向の位置）の値を種々変更して、対象画像ＯＩ上に特徴点ＣＰの仮配置を設定する。

図１２は、対象画像ＯＩにおける特徴点ＣＰの仮配置の一例を示す説明図である。図１２（ａ）および図１２（ｂ）には、対象画像ＯＩにおける特徴点ＣＰの仮配置をメッシュによって示している。すなわち、メッシュの各交点が特徴点ＣＰである。初期配置部２１１は、図１２（ａ）および図１２（ｂ）の中央に示すように、対象画像ＯＩの想定基準領域ＡＢＡ（図１０参照）に平均顔画像Ａ₀（ｘ）（図８参照）を重ねた場合における平均顔画像Ａ₀（ｘ）の特徴点ＣＰにより特定される仮配置（以下、「基準仮配置」とも呼ぶ）を設定する。

初期配置部２１１は、また、基準仮配置に対して、グローバルパラメーターの値を種々変更した仮配置を設定する。グローバルパラメーター（大きさ、傾き、上下方向の位置および左右方向の位置）を変更することは、特徴点ＣＰの仮配置を特定するメッシュに対して拡大・縮小、傾きの変更、並行移動を行うことに相当する。従って、初期配置部２１１は、図１２（ａ）に示すように、基準仮配置のメッシュに対して所定倍率で拡大または縮小したメッシュにより特定される仮配置（基準仮配置の下および上に示す）や、所定角度だけ時計回りまたは半時計回りに傾きを変更したメッシュにより特定される仮配置（基準仮配置の右および左に示す）を設定する。また、初期配置部２１１は、基準仮配置のメッシュに対して拡大・縮小および傾きの変更を組み合わせた変換を行ったメッシュにより特定される仮配置（基準仮配置の左上、左下、右上、右下に示す）も設定する。

また、図１２（ｂ）に示すように、初期配置部２１１は、基準仮配置のメッシュを所定量だけ上または下に並行移動したメッシュにより特定される仮配置（基準仮配置の上および下に示す）や、左または右に並行移動したメッシュにより特定される仮配置（基準仮配置の左および右に示す）を設定する。また、初期配置部２１１は、基準仮配置のメッシュに対して、上下および左右の並行移動を組み合わせた変換を行ったメッシュにより特定される仮配置（基準仮配置の左上、左下、右上、右下に示す）も設定する。

さらに、初期配置部２１１は、図１２（ａ）に示す基準仮配置以外の８つの仮配置のそれぞれにおけるメッシュに対して図１２（ｂ）に示す上下左右の並行移動が実行されたメッシュにより特定される仮配置も設定する。従って、本実施例では、基準仮配置と、基準仮配置におけるメッシュに対して４つのグローバルパラメーター（大きさ、傾き、上下方向の位置、左右方向の位置）のそれぞれについての３段階の値の組み合わせに対応する合計８０種類（＝３×３×３×３―１）の変換を行うことにより設定される８０種類の仮配置と、の合計８１種類の仮配置が設定される。

なお、本実施例において、基準仮配置における平均顔画像Ａ₀（ｘ）と対象画像ＯＩの想定基準領域ＡＢＡとの対応関係を「基準対応関係」と呼ぶものとする。仮配置の設定は、基準対応関係を基準として平均顔画像Ａ₀（ｘ）と対象画像ＯＩとの一方に対する上述の合計８０種類の変換が行われた後の平均顔画像Ａ₀（ｘ）と対象画像ＯＩとの対応関係（以下、「変換対応関係」とも呼ぶ）が設定され、基準対応関係および変換対応関係における平均顔画像Ａ₀（ｘ）の特徴点ＣＰの配置を対象画像ＯＩにおける特徴点ＣＰの仮配置とすることにより実現されると表現できる。

ステップＳ３２０（図１１）では、画像変換部２１２（図１）が、設定された各仮配置に対応する平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出する。図１３は、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の一例を示す説明図である。平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、平均形状ｓ₀を有する顔画像である。平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、入力画像における特徴点ＣＰの配置が平均形状ｓ₀における特徴点ＣＰの配置と等しくなるような変換によって算出される。

平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出するための変換は、サンプル顔画像ＳＩｗ算出のための変換（図７参照）と同様に、三角形領域ＴＡ毎のアフィン変換の集合であるワープＷにより行われる。具体的には、対象画像ＯＩに配置された特徴点ＣＰ（図１２参照）によって対象画像ＯＩにおける平均形状領域ＢＳＡ（外周に位置する特徴点ＣＰにより囲まれた領域、図６参照）が特定され、平均形状領域ＢＳＡに対して三角形領域ＴＡ毎のアフィン変換が行われることにより、平均形状画像Ｉ（Ｗ（ｘ；ｐ））が算出される。本実施例では、平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、平均顔画像Ａ₀（ｘ）と同様に平均形状領域ＢＳＡおよびマスク領域ＭＡにより構成され、平均顔画像Ａ₀（ｘ）と同サイズの画像として算出される。図１３には、図１２（ａ）に示した９個の仮配置に対応する９個の平均形状画像Ｉ（Ｗ（ｘ；ｐ））の例を示している。

なお、上述したように、画素群ｘは、平均形状ｓ₀における平均形状領域ＢＳＡに位置する画素の集合である。ワープＷ実行後の画像（平均形状ｓ₀を有する顔画像）における画素群ｘに対応するワープＷ実行前の画像（対象画像ＯＩの平均形状領域ＢＳＡ）における画素群をＷ（ｘ；ｐ）と表す。平均形状画像は、対象画像ＯＩの平均形状領域ＢＳＡにおける画素群Ｗ（ｘ；ｐ）のそれぞれにおける輝度値により構成される画像であるため、Ｉ（Ｗ（ｘ；ｐ））と表される。

ステップＳ３３０（図１１）では、初期配置部２１１（図１）が、各平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との差分画像Ｉｅを算出する。特徴点ＣＰの仮配置は８１種類設定され、平均形状画像Ｉ（Ｗ（ｘ；ｐ））は８１個設定されているため、初期配置部２１１は８１個の差分画像Ｉｅを算出することとなる。

ステップＳ３４０（図１１）では、初期配置部２１１（図１）が、各差分画像Ｉｅのノルムを算出し、ノルムの値が最も小さい差分画像Ｉｅに対応する仮配置（以下「ノルム最小仮配置」とも呼ぶ）を、対象画像ＯＩにおける特徴点ＣＰの初期配置として設定する。ノルム最小仮配置は、平均顔画像Ａ₀（ｘ）との相違の程度が最も小さい（最も近い、最も似ている）平均形状画像Ｉ（Ｗ（ｘ；ｐ））に対応する仮配置である。なお、ノルム最小仮配置を選択することは、上述した基準対応関係および８０種類の変換対応関係の中から、正規化処理後の平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との相違の程度が最も小さい対応関係を選択し、選択された対応関係における仮配置を選択することと同義である。特徴点ＣＰの初期配置処理により、対象画像ＯＩにおいて、特徴点ＣＰの配置の全体的な大きさ、傾き、位置（上下方向の位置および左右方向の位置）を規定するグローバルパラメーターの概略値が設定されたこととなる。

図１４は、対象画像ＯＩにおける特徴点ＣＰの初期配置の一例を示す説明図である。図１４では、対象画像ＯＩにおいて決定された特徴点ＣＰの初期配置をメッシュによって表現している。すなわち、メッシュの各交点が特徴点ＣＰである。

特徴点ＣＰ初期配置決定処理（図９のステップＳ２３０）が完了すると、顔特徴位置特定部２１０（図１）は、対象画像ＯＩにおける特徴点ＣＰの配置更新を行う（ステップＳ２４０）。図１５は、第１実施例における特徴点ＣＰ配置更新処理の流れを示すフローチャートである。

特徴点ＣＰ配置更新処理（図１５）のステップＳ４１０では、画像変換部２１２（図１）が、対象画像ＯＩから平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出する。平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、平均形状ｓ₀を有する顔画像である。平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、入力画像における特徴点ＣＰの配置が平均形状ｓ₀における特徴点ＣＰの配置（図６参照）と等しくなるような変換によって算出される。

平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出するための変換は、サンプル顔画像ＳＩｗ算出のための変換（図７参照）と同様に、三角形領域ＴＡ毎のアフィン変換の集合であるワープＷにより行われる。具体的には、対象画像ＯＩに配置された特徴点ＣＰ（図１４参照）によって対象画像ＯＩにおける平均形状領域ＢＳＡ（外周に位置する特徴点ＣＰにより囲まれた領域、図６参照）が特定され、平均形状領域ＢＳＡに対して三角形領域ＴＡ毎のアフィン変換が行われることにより、平均形状画像Ｉ（Ｗ（ｘ；ｐ））が算出される。本実施例では、平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、平均顔画像Ａ₀（ｘ）と同様に平均形状領域ＢＳＡおよびマスク領域ＭＡにより構成され、平均顔画像Ａ₀（ｘ）と同サイズの画像として算出される。

ステップＳ４１２（図１５）では、正規化部２１５（図１）が、平均顔画像Ａ₀（ｘ）の輝度値分布を表す指標値を参照して、平均形状画像Ｉ（Ｗ（ｘ；ｐ））を正規化する。本実施例では、平均顔画像Ａ₀（ｘ）の平均形状領域ＢＳＡ（図８参照）における輝度値分布を表す指標値としての平均値および分散値を示す情報が、ＡＡＭ情報ＡＭＩに含まれている。正規化部２１５は、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の平均形状領域ＢＳＡにおける輝度値の平均値および分散値を算出し、算出された平均値および分散値が平均顔画像Ａ₀（ｘ）の輝度値の平均値および分散値に等しくなるように、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の平均形状領域ＢＳＡに対する画像変換（正規化処理）を行う。

ステップＳ４２０（図１５）では、顔特徴位置特定部２１０（図１）が、正規化処理後の平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との差分画像Ｉｅを算出する。ステップＳ４３０では、判定部２１３（図１）が、差分画像Ｉｅに基づき、特徴点ＣＰの配置更新処理が収束したか否かを判定する。判定部２１３は、差分画像Ｉｅのノルムを算出し、ノルムの値が予め設定された閾値より小さい場合には収束したと判定し、ノルムの値が閾値以上の場合には未だ収束していないと判定する。差分画像Ｉｅのノルムは、平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との相違の程度を表す指標値である。

なお、ステップＳ４３０の収束判定において、判定部２１３は、算出された差分画像Ｉｅのノルムの値が前回のステップＳ４３０において算出された値よりも小さい場合には収束したと判定し、前回値以上である場合には未だ収束していないと判定するものとしてもよい。あるいは、判定部２１３は、閾値による判定と前回値との比較による判定とを組み合わせて収束判定を行うものとしてもよい。例えば、判定部２１３は、算出されたノルムの値が、閾値より小さく、かつ、前回値より小さい場合にのみ収束したと判定し、それ以外の場合には未だ収束していないと判定するものとしてもよい。

ステップＳ４３０の収束判定において未だ収束していないと判定された場合には、更新部２１４（図１）が、パラメーター更新量ΔＰを算出する（ステップＳ４４０）。パラメーター更新量ΔＰは、４個のグローバルパラメーター（全体としての大きさ、傾き、Ｘ方向位置、Ｙ方向位置）およびｎ個の形状パラメーターｐ_i（式（１）参照）の値の変更量を意味している。なお、特徴点ＣＰの初期配置直後においては、グローバルパラメーターは、特徴点ＣＰ初期配置決定処理（図１１）において決定された値が設定されている。また、このときの特徴点ＣＰの初期配置と平均形状ｓ₀の特徴点ＣＰの配置との相違は、全体としての大きさ、傾き、位置の相違に限られるため、形状モデルにおける形状パラメーターｐ_iの値はすべてゼロである。

パラメーター更新量ΔＰは、下記の式（３）により算出される。すなわち、パラメーター更新量ΔＰは、アップデートマトリックスＲと差分画像Ｉｅとの積である。

式（３）におけるアップデートマトリックスＲは、差分画像Ｉｅに基づきパラメーター更新量ΔＰを算出するために予め学習により設定されたＭ行Ｎ列のマトリックスであり、ＡＡＭ情報ＡＭＩ（図１）として内部メモリー１２０に格納されている。本実施例では、アップデートマトリックスＲの行数Ｍは、グローバルパラメーターの数（４個）と形状パラメーターｐ_iの数（ｎ個）との和（（４＋ｎ）個）に等しく、列数Ｎは、平均顔画像Ａ₀（ｘ）（図８）の平均形状領域ＢＳＡ内の画素数に等しい。アップデートマトリックスＲは、下記の式（４）および（５）により算出される。

ステップＳ４５０（図１５）では、更新部２１４（図１）が、算出されたパラメーター更新量ΔＰに基づきパラメーター（４個のグローバルパラメーターおよびｎ個の形状パラメーターｐ_i）を更新する。これにより、対象画像ＯＩにおける特徴点ＣＰの配置が更新される。ステップＳ４５０のパラメーター更新の後には、再度、特徴点ＣＰの配置が更新された対象画像ＯＩからの平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出（ステップＳ４１０）、差分画像Ｉｅの算出（ステップＳ４２０）、差分画像Ｉｅに基づく収束判定（ステップＳ４３０）が行われる。再度の収束判定においても収束していないと判定された場合には、さらに、差分画像Ｉｅに基づくパラメーター更新量ΔＰの算出（ステップＳ４４０）、パラメーター更新による特徴点ＣＰの配置更新（ステップＳ４５０）が行われる。

図１５のステップＳ４１０からＳ４５０までの処理が繰り返し実行されると、対象画像ＯＩにおける各特徴部位に対応する特徴点ＣＰの位置は実際の特徴部位の位置（正解位置）に全体として近づいていき、ある時点で収束判定（ステップＳ４３０）において収束したと判定される。収束判定において収束したと判定されると、顔特徴位置特定処理が完了する（ステップＳ４６０）。このとき設定されているグローバルパラメーターおよび形状パラメーターｐ_iの値により特定される特徴点ＣＰの配置が、最終的な対象画像ＯＩにおける特徴点ＣＰの配置として決定される。

図１６は、顔特徴位置特定処理の結果の一例を示す説明図である。図１６には、対象画像ＯＩにおいて最終的に決定された特徴点ＣＰの配置が示されている。特徴点ＣＰの配置により、対象画像ＯＩにおける特徴部位（人物の顔の器官（眉毛、目、鼻、口）および顔の輪郭における所定位置）の位置が特定され、対象画像ＯＩにおける人物の顔の器官の形状・位置や顔の輪郭形状の特定が可能となる。

以上説明したように、本実施例の顔特徴位置特定処理（図９）では、対象画像ＯＩにおける特徴点ＣＰの初期配置が決定され、その後、対象画像ＯＩから算出された平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との比較結果に基づき対象画像ＯＩにおける特徴点ＣＰの配置が更新される。すなわち、特徴点ＣＰの初期配置決定処理（図１１）において、特徴点ＣＰの配置の全体的な大きさ、傾き、位置（上下方向の位置および左右方向の位置）を規定するグローバルパラメーターの概略値が決定され、その後の特徴点ＣＰ配置更新処理（図１５）において、差分画像Ｉｅに基づくパラメーター更新に伴い特徴点ＣＰの配置が更新されて、対象画像ＯＩにおける最終的な特徴点ＣＰの配置が決定される。このように、本実施例では、まず初期配置決定処理において特徴点ＣＰの配置全体の変動が大きい（分散が大きい）グローバルパラメーターの概略値を決定することにより、顔特徴位置特定処理の効率化・高速化および精度の向上（いわゆるローカルな最適解ではなくグローバルな最適解に基づく特徴点ＣＰの配置の最終決定）を実現することができる。

また、本実施例の特徴点ＣＰ配置更新処理（図１５）では、対象画像ＯＩから算出された平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との差分画像Ｉｅの算出（図１５のステップＳ４２０）の前に、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の平均形状領域ＢＳＡと平均顔画像Ａ₀（ｘ）の平均形状領域ＢＳＡとの間で輝度値の平均値および分散値が互いに等しくなるように、平均形状画像Ｉ（Ｗ（ｘ；ｐ））に対する画像変換（正規化処理）が行われる（ステップＳ４１２）。これにより、個々の対象画像ＯＩの輝度値分布の特徴が差分画像Ｉｅに与える影響が抑制され、差分画像Ｉｅに基づく収束判定（ステップＳ４３０）の精度が向上し、ひいては顔特徴位置特定処理の精度が向上する。また、収束判定において、上述したように、絶対閾値を用いた判定によっても高精度な判定が可能となる。従って、例えば差分画像Ｉｅのノルムの値について前回値と比較することにより収束判定を行う場合と比較して、処理の高速化を図ることができる。

Ａ−４．画像補正処理：
図１７は、第１実施例における画像補正処理の流れを示すフローチャートである。また、図１８は、第１実施例における画像補正処理の概要を示す説明図である。第１実施例における画像補正処理は、上述した顔特徴位置特定処理（図９）によって特徴点ＣＰの配置が特定された対象画像ＯＩに対して、顔画像上の影成分を所望の程度まで低減する補正（影補正）を行う処理である。画像補正処理（影補正）により、対象画像ＯＩの顔部分における斜光や逆光、部分影の影響を低減したり、完全に除去したりすることが可能である。図１８の左側上方には、顔の一部に影がかかった顔画像を含む対象画像ＯＩの例と、当該対象画像ＯＩにおいて特定された特徴点ＣＰの配置の例（メッシュの交点が特徴点ＣＰである）とが示されている。

ステップＳ６１０（図１７）では、モデル選択部２２０（図１）が、対象画像ＯＩにおける顔画像サイズを取得し、取得された顔画像サイズに基づいて、互いに異なる顔画像サイズに対応するものとして複数設定された形状モデルおよびテクスチャーモデルの中から、１つの形状モデルおよび１つのテクスチャーモデルを選択する。形状モデルおよびテクスチャーモデルの選択は、上述した顔特徴位置特定処理（図９）のステップＳ２２２における処理と同様に実行される。すなわち、モデル選択部２２０は、特徴点ＣＰの配置に基づき対象画像ＯＩにおける平均形状領域ＢＳＡ（外周に位置する特徴点ＣＰにより囲まれた領域、図６参照）を特定し、平均形状領域ＢＳＡの大きさを顔画像サイズとして取得する。そして、モデル選択部２２０は、取得された顔画像サイズに最も近い顔画像サイズに対応する形状モデルおよびテクスチャーモデルを選択する。図１８には、互いに異なる顔画像サイズに対応する複数の形状モデルおよびテクスチャーモデルの中から、顔画像サイズに基づき１つの形状モデル（平均形状ｓ₀）および１つのテクスチャーモデル（テクスチャーＡ（ｘ））が選択される様子を示している。画像補正処理（図１７）の以降の処理には、選択された形状モデルおよびテクスチャーモデルが使用される。

ステップＳ６２０（図１７）では、画像変換部２４１（図１）が、対象画像ＯＩから平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出する。平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出は、上述した特徴点ＣＰ配置更新処理（図１５）のステップＳ４１０における平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出と同様に実行される。すなわち、平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、上述した対象画像ＯＩの平均形状領域ＢＳＡに対して、対象画像ＯＩにおける特徴点ＣＰの配置が平均形状ｓ₀における特徴点ＣＰの配置（図６参照）と等しくなるような変換を行うことにより算出される。平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出するための変換は、三角形領域ＴＡ毎のアフィン変換の集合であるワープＷにより行われる。本実施例では、平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、平均顔画像Ａ₀（ｘ）（図８参照）と同様に平均形状領域ＢＳＡおよびマスク領域ＭＡにより構成される。また、平均形状画像Ｉ（Ｗ（ｘ；ｐ））は、選択された形状モデルの平均形状ｓ₀のサイズと同サイズの画像として算出される。対象画像ＯＩから平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出するための変換は、本発明における第１の変換に相当する。

ステップＳ６３０（図１７）では、特徴量処理部２４２（図１）が、平均形状画像Ｉ（Ｗ（ｘ；ｐ））をテクスチャー固有空間に射影して、テクスチャーＡ（ｘ）（上記式（２）参照）を算出する。テクスチャー固有空間への射影によるテクスチャーＡ（ｘ）の算出は、ステップＳ６１０で選択されたテクスチャーモデルを用いて実行される。

ステップＳ６４０（図１７）では、特徴量処理部２４２（図１）が、テクスチャーＡ（ｘ）の影成分を低減する。上述したように、本実施例では、テクスチャーＡ（ｘ）の第２主成分に対応する第２テクスチャーベクトルＡ₂（ｘ）が、影成分の変化（光源位置の変化とも捉えられる）にほぼ相関するベクトルとなっている。すなわち、第２テクスチャーベクトルＡ₂（ｘ）とそのテクスチャーパラメーターλ₂との積が、テクスチャーＡ（ｘ）における影成分に実質的に対応している。従って、特徴量処理部２４２は、第２テクスチャーベクトルＡ₂（ｘ）のテクスチャーパラメーターλ₂を変更することにより、テクスチャーＡ（ｘ）の影成分を低減する。例えば、テクスチャーパラメーターλ₂の値をゼロに変更すると、テクスチャーＡ（ｘ）の影成分が除去される。なお、影成分の低減の程度は、ユーザーによる指定に基づき設定される。あるいは、影成分の低減の程度は、予め所定の程度に設定されるとしてもよい。

ステップＳ６５０（図１７）では、特徴量処理部２４２（図１）が、影成分低減後のテクスチャーＡ（ｘ）を平均形状ｓ₀に展開して、平均形状画像Ｉ（Ｗ（ｘ；ｐ））を復元する。ステップＳ６６０では、画像変換部２４１が、復元された平均形状画像Ｉ（Ｗ（ｘ；ｐ））を対象画像ＯＩの形状に復元する。ステップＳ６６０における復元は、ステップＳ６２０における平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出に用いられた変換（第１の変換）の逆変換である。以上の処理により、対象画像ＯＩにおける顔画像上の影成分が所望の程度まで低減される（図１８の左下参照）。

以上説明したように、本実施例の画像補正処理では、対象画像ＯＩにおける顔画像上の影成分を所望の程度まで低減することができる。ここで、本実施例では、対象画像ＯＩにおける顔画像サイズ（平均形状領域ＢＳＡの大きさ）が取得され、取得された顔画像サイズに最も近い画像サイズに対応する形状モデル（平均形状ｓ₀）およびテクスチャーモデル（テクスチャーＡ（ｘ））が選択される。そして、選択された形状モデルおよびテクスチャーモデルが用いられて、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出（図１７のステップＳ６２０）やテクスチャー固有空間への射影（ステップＳ６３０）、平均形状ｓ₀への展開（ステップＳ６５０）、対象画像ＯＩの形状への復元（ステップＳ６６０）といったステップが実行される。従って、本実施例の画像補正処理では、処理負荷の増大を抑制しつつ、顔画像における所定のテクスチャー特徴量（例えば影成分の量）を変更する処理のさらなる質の向上を実現することができる。

すなわち、例えば、画像補正処理において、対象画像ＯＩにおける顔画像サイズと比較して非常に小さい顔画像サイズに対応する形状モデルおよびテクスチャーモデルが使用される場合、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出やテクスチャー固有空間への射影といったステップの際に画像の情報量が低減してしまい、その後の平均形状ｓ₀への展開や対象画像ＯＩの形状への復元といったステップによっても低減した情報量は復元されない。従って、処理後の画像がぼやけた画像となる恐れがある。また、反対に、画像補正処理において、対象画像ＯＩの顔画像サイズと比較して非常に大きい顔画像サイズに対応する形状モデルおよびテクスチャーモデルが使用される場合、画像補正処理の各ステップにおける処理負荷が増大してしまう。本実施例の画像補正処理では、対象画像ＯＩにおける顔画像サイズに最も近い顔画像サイズに対応する形状モデルおよびテクスチャーモデルが用いられるため、対象画像ＯＩの情報量の低減を抑制して処理の質を向上させることができると共に、処理負荷の増大を抑制することができる。

Ｂ．第２実施例：
図１９は、第２実施例における画像補正処理の流れを示すフローチャートである。第２実施例における画像補正処理は、第１実施例の画像補正処理（図１７）と同様に、上述した顔特徴位置特定処理（図９）によって特徴点ＣＰの配置が特定された対象画像ＯＩに対して、顔画像上の影成分を所望の程度まで低減する補正（影補正）を行う処理である。なお、第２実施例では、第１実施例のように、互いに異なる顔画像サイズに対応する複数の形状モデルおよびテクスチャーモデルが設定されている必要はなく、任意の顔画像サイズに対応する１つの形状モデルおよび１つのテクスチャーモデルが設定されていればよい。

ステップＳ７１０（図１９）では、画像変換部２４１（図１）が、対象画像ＯＩから平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出する。平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出は、第１実施例の画像補正処理（図１７）のステップＳ６２０と同様に実行される。

ステップＳ７２０（図１９）では、特徴量処理部２４２（図１）が、平均形状画像Ｉ（Ｗ（ｘ；ｐ））をテクスチャー固有空間に射影して、テクスチャーＡ（ｘ）（上記式（２）参照）を算出する。

ステップＳ７３０（図１９）では、特徴量処理部２４２（図１）が、テクスチャーＡ（ｘ）の影成分を算出する。上述したように、本実施例では、テクスチャーＡ（ｘ）の第２主成分に対応する第２テクスチャーベクトルＡ₂（ｘ）が、影成分の変化（光源位置の変化とも捉えられる）にほぼ相関するベクトルとなっている。すなわち、第２テクスチャーベクトルＡ₂（ｘ）とそのテクスチャーパラメーターλ₂との積が、テクスチャーＡ（ｘ）における影成分に実質的に対応している。従って、テクスチャーＡ（ｘ）の影成分は、テクスチャーＡ（ｘ）において第２テクスチャーベクトルＡ₂（ｘ）のテクスチャーパラメーターλ₂以外のテクスチャーパラメーターの値をすべてゼロに変更することにより算出される。

ステップＳ７４０（図１９）では、特徴量処理部２４２（図１）が、テクスチャーＡ（ｘ）の影成分を平均形状ｓ₀に展開して、平均形状ｓ₀を有する影成分画像を生成する。影成分画像は、影成分という所定のテクスチャー特徴量に対応する画像である。ステップＳ７５０では、画像変換部２４１が、生成された平均形状ｓ₀を有する影成分画像を対象画像ＯＩの形状に形状変更する。ステップＳ７５０における形状変更は、ステップＳ７１０における平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出に用いられた変換の逆変換である。ステップＳ７６０（図１９）では、特徴量処理部２４２（図１）が、対象画像ＯＩから、対象画像ＯＩの形状に形状変更された影成分画像を減算する。以上の処理により、対象画像ＯＩにおける顔画像上の影成分が除去される。

なお、ステップＳ７３０（図１９）におけるテクスチャーＡ（ｘ）の影成分の算出の後に、影成分に１未満の係数を乗ずることにより、低減された影成分が算出される。この低減された影成分を対象に、上述のステップＳ７４０〜Ｓ７６０の処理を実行することにより、対象画像ＯＩにおける顔画像上の影成分を除去するのではなく、影成分を所望の程度まで低減することが可能である。

以上説明したように、第２実施例の画像補正処理では、対象画像ＯＩにおける顔画像上の影成分を所望の程度まで低減することができる。ここで、第２実施例では、平均形状画像Ｉ（Ｗ（ｘ；ｐ））の算出（図１９のステップＳ７１０）や平均形状画像Ｉ（Ｗ（ｘ；ｐ））のテクスチャー固有空間への射影（ステップＳ７２０）は、テクスチャーＡ（ｘ）の影成分を算出するために実行される。第２実施例の画像補正処理では、いかなる処理の対象ともならない対象画像ＯＩから影成分画像を減算することにより、影成分を所望の程度まで低減する補正処理が実行される。従って、第２実施例の画像補正処理では、処理に伴って対象画像ＯＩの情報量が低減されることがなく、顔画像における所定のテクスチャー特徴量（例えば影成分の量）を変更する処理のさらなる質の向上を実現することができる。

Ｃ．変形例：
なお、この発明は上記の実施例や実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような変形も可能である。

Ｃ１．変形例１：
上記各実施例では、顔特徴位置特定処理（図９）において、顔画像サイズに基づく形状モデルおよびテクスチャーモデルの選択が行われるとしているが、顔特徴位置特定処理では、顔画像サイズに基づいて形状モデルおよびテクスチャーモデルの選択が行われる必要はなく、任意の形状モデルおよびテクスチャーモデルが選択されるものとしてもよい。

また、顔特徴位置特定処理（図９）において顔画像サイズに基づく形状モデルおよびテクスチャーモデルの選択が行われた場合には、画像補正処理（図１７）において、当該選択された形状モデルおよびテクスチャーモデルがそのまま選択されるものとしてもよい。

Ｃ２．変形例２：
上記各実施例の画像補正処理は、対象画像ＯＩにおける顔画像上の影成分を所望の程度まで低減する補正（影補正）を行う処理であるとしているが、本発明は対象画像ＯＩにおける顔画像の任意のテクスチャー特徴量を変更する画像補正処理に適用可能である。すなわち、テクスチャーＡ（ｘ）において、変更したいテクスチャー特徴量に対応するテクスチャーベクトルのテクスチャーパラメーターを変更することにより、顔画像の任意のテクスチャー特徴量を変更する画像補正処理が実現可能である。

Ｃ３．変形例３：
上記各実施例では、ＡＡＭを利用して顔特徴位置特定処理（図９）が実行されるとしているが、顔特徴位置特定処理は必ずしもＡＡＭを利用して実行される必要はなく、他の方法により実行されるとしてもよい。

また、特徴点ＣＰ配置更新処理（図１５）において正規化処理（ステップＳ４１２）が実行されるとしているが、正規化処理は必ずしも実行される必要はない。

Ｃ４．変形例４：
上記各実施例では、特徴点ＣＰ初期配置決定処理（図９のステップＳ２３０）において、平均顔画像群のそれぞれと対象画像ＯＩとの差分画像Ｉｅや、平均顔画像Ａ₀（ｘ）と複数の平均形状画像Ｉ（Ｗ（ｘ；ｐ））のそれぞれとの差分画像Ｉｅが算出され、差分画像Ｉｅに基づいて平特徴点ＣＰの配置全体の変動が大きい（分散が大きい）グローバルパラメーターの概略値が決定されるものとしているが、対象画像ＯＩにおける特徴点ＣＰの初期配置の決定の際には、必ずしも差分画像Ｉｅの算出やグローバルパラメーターの概略値の決定を行う必要はなく、予め定められた特徴点ＣＰの配置（例えば上述の基準対応関係における配置）を初期配置として決定するものとしてもよい。

Ｃ５．変形例５：
上記各実施例では、特徴点ＣＰ配置更新処理（図１５）の収束判定（ステップＳ４３０）における判定指標値として、平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との差分画像Ｉｅのノルムが用いられているが、判定指標値として、平均形状画像Ｉ（Ｗ（ｘ；ｐ））と平均顔画像Ａ₀（ｘ）との相違の程度を表す他の指標値が用いられるとしてもよい。

Ｃ６．変形例６：
上記各実施例の特徴点ＣＰ配置更新処理（図１５）では、対象画像ＯＩに基づき平均形状画像Ｉ（Ｗ（ｘ；ｐ））を算出することにより対象画像ＯＩの特徴点ＣＰの配置を平均顔画像Ａ₀（ｘ）の特徴点ＣＰの配置に整合させているが、平均顔画像Ａ₀（ｘ）に対して画像変換を行うことにより両者の特徴点ＣＰの配置を整合させるものとしてもよい。

Ｃ７．変形例７：
上記各実施例では、顔領域ＦＡの検出が行われ、顔領域ＦＡに基づき想定基準領域ＡＢＡが設定されるとしているが、顔領域ＦＡの検出は必ずしも実行される必要はない。例えば、ユーザーによる指定に従い直接、想定基準領域ＡＢＡが設定されるとしてもよい。

Ｃ８．変形例８：
上記各実施例におけるサンプル顔画像ＳＩ（図３）はあくまで一例であり、サンプル顔画像ＳＩとして採用する画像の数、種類は任意に設定可能である。また、上記各実施例において、特徴点ＣＰの位置で示される顔の所定の特徴部位（図４参照）はあくまで一例であり、実施例において設定されている特徴部位の一部を省略したり、特徴部位として他の部位を採用したりしてもよい。

また、上記各実施例では、サンプル顔画像ＳＩｗの画素群ｘのそれぞれにおける輝度値により構成される輝度値ベクトルに対する主成分分析によってテクスチャーモデルが設定されているが、顔画像のテクスチャー（見え）を表す輝度値以外の指標値（例えばＲＧＢ値）に対する主成分分析によってテクスチャーモデルが設定されるものとしてもよい。

また、上記各実施例において、平均顔画像Ａ₀（ｘ）のサイズは種々のサイズであってよい。また、平均顔画像Ａ₀（ｘ）は、マスク領域ＭＡ（図８）を含む必要はなく、平均形状領域ＢＳＡのみによって構成されるとしてもよい。また、平均顔画像Ａ₀（ｘ）の代わりに、サンプル顔画像ＳＩの統計的分析に基づき設定される他の基準顔画像が用いられるとしてもよい。

また、上記各実施例では、ＡＡＭを用いた形状モデルおよびテクスチャーモデルの設定が行われているが、他のモデル化手法（例えばＭｏｒｐｈａｂｌｅ Ｍｏｄｅｌと呼ばれる手法やＡｃｔｉｖｅ Ｂｌｏｂと呼ばれる手法）を用いて形状モデルおよびテクスチャーモデルの設定が行われるとしてもよい。

また、上記各実施例では、メモリーカードＭＣに格納された画像が対象画像ＯＩに設定されているが、対象画像ＯＩは例えばネットワークを介して取得された画像であってもよい。

また、上記各実施例における画像処理装置としてのプリンター１００の構成はあくまで一例であり、プリンター１００の構成は種々変更可能である。例えば、画像変換部２１２と画像変換部２４１とは互いに独立した構成である必要はなく、１つの共通の構成であってもよい。また、上記各実施例では、画像処理装置としてのプリンター１００による画像処理を説明したが、処理の一部または全部がパーソナルコンピューターやデジタルスチルカメラ、デジタルビデオカメラ等の他の種類の画像処理装置により実行されるものとしてもよい。また、プリンター１００はインクジェットプリンターに限らず、他の方式のプリンター、例えばレーザプリンターや昇華型プリンターであるとしてもよい。

上記各実施例において、ハードウェアによって実現されていた構成の一部をソフトウェアに置き換えるようにしてもよく、逆に、ソフトウェアによって実現されていた構成の一部をハードウェアに置き換えるようにしてもよい。

また、本発明の機能の一部または全部がソフトウェアで実現される場合には、そのソフトウェア（コンピュータープログラム）は、コンピューター読み取り可能な記録媒体に格納された形で提供することができる。この発明において、「コンピューター読み取り可能な記録媒体」とは、フレキシブルディスクやＣＤ−ＲＯＭのような携帯型の記録媒体に限らず、各種のＲＡＭやＲＯＭ等のコンピューター内の内部記憶装置や、ハードディスク等のコンピューターに固定されている外部記憶装置も含んでいる。

１００…プリンター
１１０…ＣＰＵ
１２０…内部メモリー
１４０…操作部
１５０…表示部
１６０…プリンターエンジン
１７０…カードインターフェース
１７２…カードスロット
２００…画像処理部
２１０…顔特徴位置特定部
２１１…初期配置部
２１２…画像変換部
２１３…判定部
２１４…更新部
２１５…正規化部
２２０…モデル選択部
２３０…顔領域検出部
２４０…補正処理部
２４１…画像変換部
２４２…特徴量処理部
３１０…表示処理部
３２０…印刷処理部

Claims (11)

1. 対象画像における顔画像の所定のテクスチャー特徴量を変更する画像処理装置であって、
   基準となる顔形状である基準形状であって互いに異なる顔画像サイズに対応する複数の前記基準形状と、前記基準形状を有する顔画像の画素値により規定される顔テクスチャーを基準テクスチャーと少なくとも１つの前記テクスチャー特徴量とにより表すテクスチャーモデルであって互いに異なる顔画像サイズに対応する複数の前記テクスチャーモデルと、を特定する情報を記憶する記憶部と、
   前記対象画像における顔の所定の特徴部位の位置を特定する顔特徴位置特定部と、
   前記対象画像における顔画像サイズを取得し、前記取得された顔画像サイズに基づき１つの前記基準形状と１つの前記テクスチャーモデルとを選択するモデル選択部と、
   前記対象画像における前記特徴部位の位置により規定される顔形状が選択された前記基準形状と等しくなるように、前記対象画像に対して第１の変換を行う第１の画像変換部と、
   選択された前記テクスチャーモデルを用いて前記第１の変換後の前記対象画像における前記所定のテクスチャー特徴量を変更する特徴量処理部と、
   前記所定のテクスチャー特徴量の変更後の前記対象画像に対して前記第１の変換の逆変換を行う第２の画像変換部と、を備える、画像処理装置。
2. 請求項１に記載の画像処理装置であって、
   前記モデル選択部は、前記取得された顔画像サイズに最も近い顔画像サイズに対応する前記基準形状と前記テクスチャーモデルを選択する、画像処理装置。
3. 請求項１または請求項２に記載の画像処理装置であって、
   前記特徴量処理部は、選択された前記テクスチャーモデルを用いて、前記第１の変換後の前記対象画像について顔テクスチャーを特定し、特定された顔テクスチャーにおいて前記所定のテクスチャー特徴量を変更する、画像処理装置。
4. 請求項１ないし請求項３のいずれかに記載の画像処理装置であって、
   前記特徴量処理部は、影成分に実質的に対応する前記所定のテクスチャー特徴量を変更する、画像処理装置。
5. 請求項１ないし請求項４のいずれかに記載の画像処理装置であって、
   前記モデル選択部は、前記対象画像において特定された前記特徴部位の位置に基づき、前記対象画像における顔画像サイズを取得する、画像処理装置。
6. 請求項１ないし請求項５のいずれかに記載の画像処理装置であって、
   前記記憶部が記憶する前記情報は、顔形状を前記基準形状と少なくとも１つの形状特徴量とにより表す形状モデルであって互いに異なる顔画像サイズに対応する複数の前記形状モデルを特定する情報を含み、
   前記顔特徴位置特定部は、前記形状モデルと前記テクスチャーモデルとを用いて、前記対象画像における前記特徴部位の位置を特定する、画像処理装置。
7. 請求項６に記載の画像処理装置であって、
   前記形状モデルおよび前記テクスチャーモデルは、前記特徴部位の位置が既知である複数のサンプル顔画像を対象とした統計的分析に基づき設定される、画像処理装置。
8. 請求項７に記載の画像処理装置であって、
   前記基準形状は、前記複数のサンプル顔画像における前記特徴部位の平均位置を表す平均形状であり、
   前記基準テクスチャーは、前記平均形状に形状変換された前記複数のサンプル顔画像の前記特徴部位の位置における画素値の平均を表す平均テクスチャーである、画像処理装置。
9. 対象画像における顔画像の所定のテクスチャー特徴量を変更する画像処理方法であって、
   （ａ）基準となる顔形状である基準形状であって互いに異なる顔画像サイズに対応する複数の前記基準形状と、前記基準形状を有する顔画像の画素値により規定される顔テクスチャーを基準テクスチャーと少なくとも１つの前記テクスチャー特徴量とにより表すテクスチャーモデルであって互いに異なる顔画像サイズに対応する複数の前記テクスチャーモデルと、を特定する情報を取得する工程と、
   （ｂ）前記対象画像における顔の所定の特徴部位の位置を特定する工程と、
   （ｃ）前記対象画像における顔画像サイズを取得し、前記取得された顔画像サイズに基づき１つの前記基準形状と１つの前記テクスチャーモデルとを選択する工程と、
   （ｄ）前記対象画像における前記特徴部位の位置により規定される顔形状が選択された前記基準形状と等しくなるように、前記対象画像に対して第１の変換を行う工程と、
   （ｅ）選択された前記テクスチャーモデルを用いて前記第１の変換後の前記対象画像における前記所定のテクスチャー特徴量を変更する工程と、
   （ｆ）前記所定のテクスチャー特徴量の変更後の前記対象画像に対して前記第１の変換の逆変換を行う工程と、を備える、画像処理方法。
10. 対象画像における顔画像の所定のテクスチャー特徴量を変更する画像処理のためのコンピュータープログラムであって、
    基準となる顔形状である基準形状であって互いに異なる顔画像サイズに対応する複数の前記基準形状と、前記基準形状を有する顔画像の画素値により規定される顔テクスチャーを基準テクスチャーと少なくとも１つの前記テクスチャー特徴量とにより表すテクスチャーモデルであって互いに異なる顔画像サイズに対応する複数の前記テクスチャーモデルと、を特定する情報を取得する機能と、
    前記対象画像における顔の所定の特徴部位の位置を特定する顔特徴位置特定機能と、
    前記対象画像における顔画像サイズを取得し、前記取得された顔画像サイズに基づき１つの前記基準形状と１つの前記テクスチャーモデルとを選択するモデル選択機能と、
    前記対象画像における前記特徴部位の位置により規定される顔形状が選択された前記基準形状と等しくなるように、前記対象画像に対して第１の変換を行う第１の画像変換機能と、
    選択された前記テクスチャーモデルを用いて前記第１の変換後の前記対象画像における前記所定のテクスチャー特徴量を変更する特徴量変更機能と、
    前記所定のテクスチャー特徴量の変更後の前記対象画像に対して前記第１の変換の逆変換を行う第２の画像変換機能と、を、コンピューターに実現させる、コンピュータープログラム。
11. 対象画像における顔画像の所定のテクスチャー特徴量を変更する印刷装置であって、
    基準となる顔形状である基準形状であって互いに異なる顔画像サイズに対応する複数の前記基準形状と、前記基準形状を有する顔画像の画素値により規定される顔テクスチャーを基準テクスチャーと少なくとも１つの前記テクスチャー特徴量とにより表すテクスチャーモデルであって互いに異なる顔画像サイズに対応する複数の前記テクスチャーモデルと、を特定する情報を記憶する記憶部と、
    前記対象画像における顔の所定の特徴部位の位置を特定する顔特徴位置特定部と、
    前記対象画像における顔画像サイズを取得し、前記取得された顔画像サイズに基づき１つの前記基準形状と１つの前記テクスチャーモデルとを選択するモデル選択部と、
    前記対象画像における前記特徴部位の位置により規定される顔形状が選択された前記基準形状と等しくなるように、前記対象画像に対して第１の変換を行う第１の画像変換部と、
    選択された前記テクスチャーモデルを用いて前記第１の変換後の前記対象画像における前記所定のテクスチャー特徴量を変更する特徴量処理部と、
    前記所定のテクスチャー特徴量の変更後の前記対象画像に対して前記第１の変換の逆変換を行う第２の画像変換部と、
    前記対象顔画像を印刷する印刷部と、を備える、印刷装置。

Images