JP4795718B2 - 画像処理装置および方法並びにプログラム - Google Patents

Description

本発明は、入力画像に含まれる被写体の特徴を変更する画像処理装置および方法並びに画像処理方法をコンピュータに実行させるためのプログラムに関するものである。

指名手配中の人物のような特定の人物を発見するために、空港、駅、ショッピングセンター、街角等に監視用カメラを設置し、不特定多数の人物を撮影してその画像を記録するシステムが実用化されている。このようなシステムにおいて、従来は、撮影した画像をそのまま記録するか、あるいは撮影画像から顔画像のみを抜き出して記録している。しかしながら、これらの方法では特定人物以外の者の顔画像も記録されることになるため、肖像権に係る個人のプライバシーが保護されないという問題がある。

このため、画像中に予め定められた所定の顔以外の他の顔が含まれている場合には、画像中の他の顔にモザイク処理を施す手法が提案されている（特許文献１参照）。これにより、画像中において所定の人物以外の人物を特定する情報がなくなるため、特定の人物以外の人物について、プライバシーを保護することができる。
特開２００４−６２５６０号公報

しかしながら、画像にモザイク処理が施されていると、画像としての仕上がりが不自然なものとなる。

本発明は上記事情に鑑みなされたものであり、画像を自然に仕上げつつ、画像中の構造物を特定できないようにすることを目的とする。

本発明による画像処理装置は、複数の被写体について所定の構造物が表された複数の画像に対して所定の統計処理を行うことによって得られた、前記複数の被写体毎の前記構造物の特徴を表す統計的特徴量を含む１以上の統計的特徴量と、前記被写体毎の構造物の特徴に応じて前記統計的特徴量に対する重みづけをする重みづけパラメータとによって、前記構造物を表現するモデルに、入力画像中の前記構造物を適応させることによって、該入力画像中の被写体の構造物の特徴を表す統計的特徴量に対する重みづけパラメータを取得するパラメータ取得手段と、
前記重みづけパラメータの値を、前記入力画像中の被写体の構造物の特徴を表す前記統計的特徴量に対する重みづけが小さくなるように変更し、変更された重みづけパラメータに基づいて前記構造物を表す画像を再構成する再構成手段とを備えたことを特徴とするものである。

本発明による画像処理方法は、複数の被写体について所定の構造物が表された複数の画像に対して所定の統計処理を行うことによって得られた、前記複数の被写体毎の前記構造物の特徴を表す統計的特徴量を含む１以上の統計的特徴量と、前記被写体毎の構造物の特徴に応じて前記統計的特徴量に対する重みづけをする重みづけパラメータとによって、前記構造物を表現するモデルに、入力画像中の前記構造物を適応させることによって、該入力画像中の被写体の構造物の特徴を表す統計的特徴量に対する重みづけパラメータを取得し、
前記重みづけパラメータの値を、前記入力画像中の被写体の構造物の特徴を表す前記統計的特徴量に対する重みづけが小さくなるように変更し、変更された重みづけパラメータに基づいて前記構造物を表す画像を再構成することを特徴とするものである。

さらに、本発明による画像処理プログラムは、コンピュータに上記の画像処理方法を実行させる（上記各手段として機能させる）ものである。

次に、本発明による画像処理装置、方法およびプログラムの詳細について説明する。

本発明による「（所定の）構造物を表現するモデル」の具体的実現手法としては、ＡＡＭ(Active Appearance Models)の手法を利用することが考えられる。ＡＡＭは、モデルに基づいて画像の内容の解釈を試みるアプローチの１つであり、例えば、顔を解釈の対象とする場合、学習対象となる複数の画像中の顔部分の形状や、形状を正規化した後の輝度の情報に対して主成分分析を行うことによって顔の数学モデルを生成し、新たな入力画像中の顔部分を、数学モデルにおける各主成分と各主成分に対する重みづけパラメータで表現し、顔画像を再構成する手法である（Ｔ．Ｆ．クーツ(Cootes), Ｇ．Ｊ．エドワーズ(Edwards), Ｃ．Ｊ．テイラー(Taylor)、「動的見えモデル(Active Appearance Models)」、第５回計算機視覚欧州会議報(In Proc. 5th European Conference on Computer Vision)、ドイツ、シュプリンガー(Springer)、1998年、vol.2、p.p.484-498；以下、参考文献１とする）。

「所定の構造物」は、モデル化に適したもの、すなわち、その構造物の画像中における形状や色の変動が一定の範囲に収まるもの、特に、統計処理を行うことによって形状や色についての説明力のより高い統計的特徴量が得られるものであることが好ましい。また、画像中の主題部分であることが好ましい。具体例としては、被写体を人間とした場合、人間の顔が挙げられる。

「複数の被写体について所定の構造物が表された画像」は、複数の被写体について所定の構造物を実際に撮影することによって得られた画像であってもよいし、撮影された画像に基づくシミュレーションによって生成された画像であってもよい。

「所定の統計処理」としては、所定の構造物を、その構造物を表す画素の数よりも少ない次元数の統計的特徴量に圧縮して表すことができる次元圧縮処理が好ましい。具体例としては主成分分析等の多変量解析手法が考えられる。また、「所定の統計処理」として主成分分析を行った場合、「統計的特徴量」とは、主成分分析によって得られる複数の主成分を意味する。

なお、上記の説明力の高低とは、所定の統計処理が主成分分析である場合を例にすると、上位の主成分ほど説明力が高く、下位主成分ほど説明力が低いという意味になる。

「統計的特徴量」には、被写体毎の構造物の特徴を表す情報が表現されている必要がある。

また、「被写体毎の構造物の特徴を表す統計的特徴量」は、１つの統計的特徴量であってもよいし、複数の統計的特徴量であってもよい。

「入力画像中の被写体の構造物」は、自動的に検出するようにしてもよいし、手動で検出するようにしてもよい。また、本発明は、入力画像中の被写体の構造物を検出する処理（手段）をさらに有していてもよいし、入力画像から構造物の部分を予め検出しておいてもよい。

また、重みづけパラメータの変更のパターンとしては、１種類のみであってもよいし、男女別、年代別あるいは国籍別等、複数種類であってもよい。

また、本発明におけるモデルを所定の構造物の属性毎に複数準備しておき、入力画像中のその構造物の属性を表す情報を取得し、取得された属性に応じてモデルを選択する処理（手段）を付加し、選択されたモデルに入力画像中のその構造物を適応させることによって、重みづけパラメータを取得するようにしてもよい。

ここで、「属性」とは、例えば、所定の構造物が人間の顔の場合、性別や年齢、人種等が考えられる。また、個人を特定する情報であってもよい。この場合には、属性毎のモデルは個人毎のモデルを意味する。

この「属性」の具体的取得方法としては、画像に対する公知の認識処理（例えば、特開平１１−１７５７２４号公報記載）や、ＧＰＳ情報等の画像の付帯情報からの推定・取得が考えられる。

「その構造物を表現するモデルに、入力画像中のその構造物を適応させる」とは、入力画像中のこの構造物をモデルによって表現するための演算処理等を意味する。具体的には、上記のＡＡＭの手法を用いた場合を例にすると、数学モデルにおける各主成分に対する重みづけパラメータの値を求めることを意味する。

「取得された（光源条件を表す統計的特徴量に対する）重みづけパラメータの値を」「変更する」とは、取得された重みづけパラメータの値を小さくして、構造物毎の特徴が画像中に現れないようにすることである。

本発明の画像処理方法および装置並びにプログラムによれば、複数の被写体毎の構造物の特徴を表す統計的特徴量を含む統計的特徴量とその統計的特徴量に対する重みづけパラメータとによって画像中の所定の構造物を表現するモデルに、入力画像中のその構造物を適応させることによって、その入力画像中の被写体の構造物の特徴を表す統計的特徴量に対する重みづけパラメータを取得し、被写体の構造物の特徴を表す統計的特徴量に対する重みづけが小さくなるように重みづけパラメータの値を変更することができる。このため、被写体の構造物の特徴が入力画像中に現れないようにすることができ、その結果、モザイク処理のような不自然な模様を画像に出現させることなく、画像中の構造物の特徴を除去することができる。

なお、被写体を人間とし、所定の構造物を人間の顔とした場合には、顔が画像中の主題部分となっていることが多いため、その主題部分に不自然さを与えることなく、顔の特徴を除去することができる。

また、入力画像中のその構造物を検出する処理（手段）を付加した場合には、その構造物の自動検出が可能になり、操作性が向上する。

また、本発明におけるモデルを所定の構造物の属性毎に複数備えるとともに、入力画像中のその構造物の属性を取得し、取得された属性に応じたモデルを選択する処理（手段）を付加し、選択されたモデルに入力画像中のその構造物を適応させることによって、重みづけパラメータを取得するようにした場合、入力画像中のその構造物を、より適切なモデルに適応させることが可能になるため、処理精度が向上する。

以下、図面を参照しつつ、本発明の実施の形態について説明する。

図１は、本発明の実施形態となるデジタル写真プリンタのハードウェア構成を模式的に表したものである。図に示したように、このデジタル写真プリンタは、フィルムスキャナ５１、フラットヘッドスキャナ５２、メディアドライブ５３、ネットワークアダプタ５４、ディスプレイ５５、キーボード５６、マウス５７、ハードディスク５８、および写真プリント出力機５９が演算・制御装置５０に接続された構成となっている。

演算・制御装置５０は、ＣＤ−ＲＯＭ等の記憶媒体からインストールされたプログラムの実行により、この装置内のＣＰＵや主記憶装置、各種入出力インターフェースと連携して、画像の入力、補正、加工、出力のフローを制御したり、画像の補正や加工のための画像処理の演算を行ったりするものである。本発明による特徴除去処理はこの装置で行われる。

フィルムスキャナ５１は、現像機（図示なし）によって現像済みのＡＰＳネガフィルムや１３５ネガフィルムを光電的に読み取って、これらのネガフィルムに記録されている写真画像を表すデジタル画像データＰ０を取得するものである。

フラットヘッドスキャナ５２は、Ｌサイズ写真プリント等のハードコピーに表された写真画像を光電的に読み取って、デジタル画像データＰ０を取得するものである。

メディアドライブ５３は、メモリカードやＣＤ、ＤＶＤ等の記録媒体に記録された写真画像を表す画像データＰ０を取得するものである。また、これらの記録媒体に、出力対象の画像データＰ２を書き込むことも可能である。なお、このメモリカードには、例えば、デジタルカメラによって、撮影された画像の画像データが書き込まれている。また、ＣＤやＤＶＤ等には、例えば、前回のプリント注文時に、フィルムスキャナによって読み取られた画像の画像データが書き込まれている。

ネットワークアダプタ５４は、公知のネットワークフォトサービスシステムにおける注文受付機（図示なし）から画像データＰ０を取得するものである。この画像データＰ０は、ユーザからの写真プリントの注文に基づく画像データであり、ユーザのパソコンからインターネット経由で送信してきたものである。また、ラボ店の店頭に設置された写真注文受付機から送信されてきたものであってもよい。

ディスプレイ５５は、このデジタル写真プリンタにおける画像の入力、補正、加工、出力のための操作画面を表示するものであり、操作内容を選択するためのメニューや処理対象の画像等が表示される。また、キーボード５６やマウス５７は、処理内容を指示するものである。

ハードディスク５８には、このデジタル写真プリンタを制御するプログラムが記憶されている他、フィルムスキャナ５１、フラットヘッドスキャナ５２、メディアドライブ５３、ネットワークアダプタ５４において取得された画像データＰ０や、画像補正後の画像データＰ１、画像加工後の画像データ（出力対象の画像データ）Ｐ２も一時的に記憶される。

写真プリント出力機５９は、出力対象の画像を表す画像データＰ２に基づいたレーザーによる印画紙への走査露光、現像、乾燥を行うとともに、プリント情報等の裏印字、印画紙のプリント単位での切断や注文単位でのソート等を行うものである。なお、写真プリントの方式は、レーザー露光熱現像転写方式等であってもよい。

図２は、このデジタル写真プリンタの機能と処理の流れを示すブロック図である。図に示したように、機能の観点からは、このデジタル写真プリンタは、写真プリント対象の画像の画像データＰ０を入力する画像入力手段１と、画像データＰ０を入力として、所定の画像処理条件に基づく画像処理を行って、画像データＰ０による画像（以下、画像データとその画像データによる画像を同じ符号で表す）の画質の自動補正を行う画像補正手段２と、自動補正後の画像データＰ１を入力として、操作者からの指示に基づいた画像処理を行う画像加工手段３と、加工済みの画像データＰ２を入力として、写真プリントの出力や記録メディアへの出力を行う画像出力手段４とから構成されている。

画像補正手段２では、階調補正、濃度補正、色補正、シャープネス補正、ホワイトバランス調整、およびノイズ軽減・除去等の処理が行われる他、本発明による特徴除去処理も行われる。また、画像加工手段３では、画像補正手段２による処理結果の手作業による修正や、トリミング、拡大・縮小、セピア化、白黒化、装飾フレームとの合成等の画像の加工が行われる。

このデジタル写真プリンタの操作とこのプリンタで行われる処理の流れは以下のようになる。

まず、画像入力手段１による画像データＰ０の入力が行われる。操作者は、現像済みのフィルムに記録された画像からのプリント等の出力を行う場合には、そのフィルムをフィルムスキャナ５１にセットしておき、メモリカード等の記録メディアに記録された画像データからのプリント等の出力を行う場合には、その記録メディアをメディアドライブ５３にセットしておく。一方、ディスプレイ５５には、画像データの入力元を選択する画面が表示され、操作者はキーボード５６やマウス５７の操作によって、入力元の選択を行う。入力元としてフィルムが選択された場合には、フィルムスキャナ５１は、セットされたフィルムを光電的に読み取り、デジタル変換することによって、生成された画像データＰ０を演算・制御装置５０に送信する。写真プリント等のハードコピー原稿が選択された場合には、フラットヘッドスキャナ５２は、セットされた写真プリント等のハードコピー原稿を光電的に読み取り、デジタル変換することによって、生成された画像データＰ０を演算・制御装置５０に送信する。メモリカード等の記録メディアが選択された場合には、演算・制御装置５０は、メディアドライブ５３にセットされたメモリカード等の記録メディアに記憶されている画像データＰ０を読み込む。また、ネットワークフォトサービスシステムや店頭での写真受付注文機による注文の場合には、演算・制御装置５０が、ネットワークアダプタ５４経由で画像データＰ０を受信する。このようにして取得された画像データＰ０は、ハードディスク５８に一時的に記憶される。

次に、画像補正手段２が、画像データＰ０による画像に対する自動画質補正処理を行う。具体的には、演算・制御装置５０で実行される画像処理プログラムにより、予め、このデジタル写真プリンタに設定されているセットアップ条件に基づいて、公知の階調補正、濃度補正、色補正、シャープネス補正、ホワイトバランス調整、ノイズ軽減・除去等の処理の他、本発明の特徴除去処理が行われ、補正後の画像データＰ１が出力される。出力された画像データＰ１は演算・制御装置５０のメモリに格納される。なお、ハードディスク５８に一時的に記憶するようにしてもよい。

その後、画像加工手段３は、補正後の画像Ｐ１のサムネイル画像を生成し、ディスプレイ５５に表示させる。図３（ａ）は、ディスプレイ５５に表示される画面の一例である。操作者が、表示されたサムネイル画像を確認し、画質の手動補正が必要なものや、画像の加工の注文があるものを、マウス５７やキーボード５６の操作によって選択すると（図３（ａ）では左上の画像ＤＳＣＦ０００１を選択）、図３（ｂ）に一例を示すように、選択されたサムネイル画像が拡大されてディスプレイ５５に表示されるとともに、その画像に対する手動補正や加工の処理内容を選択するボタンが表示される。操作者は、表示されたボタンの中から所望のものをマウス５７やキーボード５６の操作によって選択し、必要に応じて、選択された処理内容のさらに詳細な設定等を行う。画像加工手段３は、選択された処理内容に応じた画像処理を行い、加工済みの画像データＰ２を出力する。出力された画像データＰ２は演算・制御装置５０のメモリに格納される。なお、ハードディスク５８に一時的に記憶するようにしてもよい。なお、以上の画像加工手段３による、ディスプレイ５５への画面表示、マウス５７やキーボード５６による入力の受付、手動補正や加工の画像処理等は、演算・制御装置５０で実行されているプログラムによって制御される。

最後に、画像出力手段４が、画像Ｐ２の出力を行う。ここでは、演算・制御装置５０が、ディスプレイ５５に出力先を選択する画面を表示させ、操作者は、マウス５７やキーボード５６の操作によって、所望の出力先を選択する。演算・制御装置５０は、選択された出力先に対して画像データＰ２を送信する。写真プリント出力を行う場合には、画像データＰ２は写真プリント出力機５９に送信され、画像Ｐ２が写真プリントとして出力される。ＣＤ等の記録メディアに出力を行う場合には、メディアドライブ５３にセットされたＣＤ等に画像データＰ２の書込みが行われる。

ここで、画像補正手段２によって行われる本発明による特徴除去処理の詳細について以下に説明する。図４は、特徴除去処理の詳細を表すブロック図である。図に示したように、画像Ｐ０中の顔部分を検出する顔検出部３１と、複数の人物について顔部分が表された複数のサンプル画像に基づいてＡＡＭ（前記の参考文献１参照）の手法によって生成された数学モデルＭに、検出された顔部分Ｐ０ｆを適応させることによって、顔部分Ｐ０ｆにおける特徴部分を表す主成分に対する重みづけパラメータＣ０を取得するパラメータ取得部３２と、取得されたパラメータＣ０の値を小さくなるように変更し、変更されたパラメータＣ１に基づいて顔部分Ｐ０ｆが再構成された画像Ｐ１′を取得する再構成部３３とによって、この特徴除去処理が実現される。ここで、画像Ｐ１′は特徴の除去のみが行われた画像であり、画像Ｐ１は上述した階調補正、ホワイトバランス調整等の等のすべての処理が施された後の画像である。なお、これらの処理の制御は演算・制御装置５０にインストールされたプログラムによって行われる。

この数学モデルＭは、図５のフローチャートに基づいて生成されたものであり、上記のプログラムとともに予めインストールされている。以下では、この数学モデルＭの生成過程について説明する。

まず、サンプルとなる複数の人物について顔部分が表された複数の顔画像（サンプル画像）の各々に対して、図６に示すように、顔形状を表す特徴点を設定する（ステップ＃１）。ここでは、特徴点の数は１２２箇所とする（ただし、図６では簡潔に表現するため６０箇所しか表していない）。各特徴点は、例えば、１番目の特徴点は左目の左端、３８番目の特徴点は眉の間の中央というように、顔のどの部位を示すものであるかが予め定められている。また、各特徴点は、手作業によって設定してもよいし、認識処理によって自動的に設定するようにしてもよいし、自動的に設定後、必要に応じて手作業で修正するようにしてもよい。

次に、各サンプル画像中に設定された特徴点に基づいて、顔の平均形状を算出する（ステップ＃２）。具体的には、各サンプル画像における、同じ部位を示す特徴点毎の位置座標の平均を求める。

さらに、各サンプル画像における顔形状を表す特徴点とその平均形状の位置座標に基づいて主成分分析を行う（ステップ＃３）。その結果、任意の顔形状は次式（１）によって近似することができる。

ここで、Ｓは顔形状の各特徴点の位置座標を並べて表現される形状ベクトル（ｘ１，ｙ１，・・・，ｘ１２２，ｙ１２２）であり、Ｓ０は平均顔形状における各特徴点の位置座標を並べて表現される平均顔形状ベクトル、ｐｉは主成分分析によって得られた顔形状についての第ｉ主成分を表す固有ベクトル、ｂｉは各固有ベクトルｐｉに対する重みづけ係数を表す。図７は、主成分分析によって得られた上位２つの主成分の固有ベクトルｐ１、ｐ２に対する重みづけ係数ｂ１、ｂ２の値を変化させた場合の顔形状の変化の様子を模式的に表したものである。変化の幅は、サンプル画像の各々の顔形状を上式（１）で表した場合における重みづけ係数ｂ１、ｂ２の値の標準偏差ｓｄに基づいて、−３ｓｄから＋３ｓｄまでの間であり、各主成分についての３つの顔形状の真ん中のものは平均値の場合である。この例では、主成分分析の結果、第１主成分としては顔の輪郭形状に寄与する成分が抽出されており、重みづけ係数ｂ１を変化させることによって、細長い顔（−３ｓｄ）から丸顔（＋３ｓｄ）まで顔形状が変化することがわかる。同様に、第２主成分としては口の開閉状態と顎の長さに寄与する成分が抽出されており、重みづけ係数ｂ２を変化させることによって、口が開いた状態で顎の長い顔（−３ｓｄ）から口が閉じられた状態で顎が短い顔（＋３ｓｄ）まで顔の形状が変化することがわかる。なお、ｉの値が小さいほど、形状に対する説明力が高い、すなわち、顔形状への寄与が大きいことを意味する。

次に、各サンプル画像をステップ＃２で得られた平均顔形状に変換（ワーピング）する（ステップ＃４）。具体的には、各特徴点について、各サンプル画像と平均顔形状との間でのシフト量を算出し、そのシフト量に基づいて、式（２）から（５）の２次元５次多項式により各サンプル画像の画素毎の平均顔形状へのシフト量を算出し、各サンプル画像を画素毎に平均顔形状へワーピングする。

ここで、ｘ，ｙは各サンプル画像中の各特徴点の座標、ｘ′，ｙ′はワーピングされる平均顔形状上の座標、Δｘ，Δｙは平均形状へのシフト量、ｎは次数、ａｉｊ，ｂｉｊは係数である。なお、多項式近似の係数は最小自乗法を用いて求める。このとき、ワーピング後の座標が整数ではなく小数点以下を含む位置に移動する画素については、４近傍から１次近似で画素値を求める。つまり、ワーピング後の座標を囲む４つの画素に対して、ワーピング後の座標から各画素の座標までの距離に比例して画素値をそれぞれ分配するようにする。図８は、２つのサンプル画像について、各々の画像中の顔形状を平均顔形状に変換した状態を表したものである。

さらに、平均顔形状に変換後のサンプル画像毎の各画素のＲ，Ｇ，Ｂ三原色の画素値を変数として主成分分析を行う（ステップ＃５）。その結果、任意の顔画像の平均顔形状下でのＲ，Ｇ，Ｂ三原色の画素値は次式（６）によって近似することができる。

ここで、Ａは平均顔形状下での各画素のＲ，Ｇ，Ｂ三原色の各々の画素値を並べて表現されるベクトル（ｒ１，ｇ１，ｂ１，ｒ２，ｇ２，ｂ２，・・・，ｒｍ，ｇｍ，ｂｍ）（ｒ、ｇ、ｂは各々Ｒ，Ｇ，Ｂの三原色の画素値、１からｍは各画素を識別する添え字、ｍは平均顔形状での総画素数）であるが、ベクトルの成分の並び順は上記の順に限定されず、例えば、（ｒ１，ｒ２，・・・，ｒｍ，ｇ１，ｇ２，・・・，ｇｍ，ｂ１，ｂ２，・・・，ｂｍ）のような順であってもよい。また、Ａ０は平均顔形状における各サンプル画像の画素毎のＲ，Ｇ，Ｂ三原色の各々の画素値の平均値を並べて表現される平均ベクトル、ｑｉは主成分分析によって得られた顔のＲ，Ｇ，Ｂ三原色の画素値についての第ｉ主成分を表す固有ベクトル、λｉは各固有ベクトルｑｉに対する重みづけ係数を表す。なお、主成分の順位ｉの値が小さいほど、Ｒ，Ｇ，Ｂ三原色の画素値に対する説明力が高い、すなわち、Ｒ，Ｇ，Ｂ三原色の画素値への寄与が大きいことを意味する。

図９は、主成分分析によって得られた主成分のうち第ｉ１、第ｉ２の主成分を表す固有ベクトルｑｉ１、ｑｉ２に対する重みづけ係数λｉ１、λｉ２の値を変化させた場合の顔の画素値の変化の様子を模式的に表したものである。変化の幅は、サンプル画像の各々の顔の画素値を上式（６）で表した場合における重みづけ係数λｉ１、λｉ２の値の標準偏差ｓｄに基づいて、−３ｓｄから＋３ｓｄまでの間であり、各主成分についての３つの顔画像の中央のものは平均値の場合である。この例では、主成分分析の結果、第ｉ１主成分としてはヒゲの有無に寄与する成分が抽出されており、重みづけ係数λｉ１を変化させることによって、ヒゲの濃い顔（−３ｓｄ）からヒゲのない顔（＋３ｓｄ）まで変化することがわかる。同様に、第ｉ２主成分としては顔にかかる影の状態に寄与する成分が抽出されており、重みづけ係数λｉ２を変化させることによって、顔の右側に影がかかった顔（−３ｓｄ）から左側に影がかかった顔（＋３ｓｄ）まで変化することがわかる。なお、各主成分がどのような要素に寄与しているかは人間の解釈によって決定される。

本実施形態では、サンプル画像として、複数の人物についての顔部分が表された複数の顔画像を用いているので、個人の特徴を表す主成分が第１主成分を含む順位ｉの値が小さい上位の主成分として抽出される。例えば、第１主成分としてヒゲの有無に寄与する成分が抽出されたとすると、第１主成分の固有ベクトルｑ１に対する重みづけ係数λ１の値を変化させた場合、例えば、画像Ｐ０中の顔部分Ｐ０ｆのヒゲの濃さが図９に示すように変化する。

なお、個人の特徴を表す主成分が必ずしも順位ｉの値が小さい上位の主成分として抽出されている必要はない。また、個人の特徴が複数の主成分によって表現される必要はなく、１つの主成分のみが個人の特徴を説明することもありうる。

以上のステップ＃１から＃５までの処理によって、顔の数学モデルＭが生成される。すなわち、この数学モデルＭは、顔形状を表す複数の固有ベクトルｐｉと、平均顔形状下での顔の画素値を表す固有ベクトルｑｉによって表現されるものであり、各固有ベクトルの合計数が、顔画像を形成する画素数よりも大幅に少ない、次元圧縮されたものとなっている。なお、上記参考文献１記載の実施例では、約１０，０００画素により形成される顔画像に対して１２２の特徴点を設定して上記の処理を行うことによって、顔形状についての２３の固有ベクトルと顔の画素値についての１１４の固有ベクトルで表される顔画像の数学モデルが生成され、各固有ベクトルに対する重みづけ係数を変化させることによって、約９８％の顔形状や画素値のバリエーションを表現できることが示されている。

次に、この数学モデルＭを利用したＡＡＭの手法に基づく特徴除去処理の流れについて、図４を参照しながら説明する。

まず、顔検出部３１が、画像データＰ０を読み込み、画像Ｐ０中の顔部分Ｐ０ｆを検出する。具体的には、特表２００４−５２７８６３号公報（参考文献２）に記載されているような固有顔表現と画像自体との相関スコアを用いる方法の他、知識ベース、特徴抽出、肌色検出，テンプレートマッチング、グラフマッチング、統計的手法（ニューラルネットワーク、ＳＶＭ、ＨＭＭ）等の様々な公知の手法を用いることができる。なお、画像Ｐ０がディスプレイ５５に表示された際に、マウス５７やキーボード５６の操作により、手作業で顔部分Ｐ０ｆを指定するようにしてもよいし、自動検出の結果を手作業で修正するようにしてもよい。

次に、パラメータ取得部３２は、顔部分Ｐ０ｆを数学モデルＭに適応させる処理を行う。具体的には、上記式（１）、（６）の上位の主成分の固有ベクトルｐｉ、ｑｉに対する重みづけ係数ｂｉ、λｉから順に係数の値を変化させながら、上記式（１）、（６）に基づいて画像を再構成し、再構成された画像と顔部分Ｐ０ｆとの差異が最小となるときの重みづけ係数ｂｉ、λｉを求める（詳細は、参考文献２参照）。このときの重みづけ係数λｉのうち個人の特徴を表す重みづけ係数λｉがパラメータＣ０である。ここで、個人の特徴を表す主成分が複数ある場合には、パラメータＣ０は複数の重みづけ係数λｉからなるものとなる。なお、重みづけ係数ｂｉ、λｉの値は、モデル生成時のサンプル画像を上記（１）、（６）で表したときのｂｉ、λｉの分布の標準偏差ｓｄに基づき、例えば−３ｓｄから＋３ｓｄまでの範囲の値のみを許容し、その範囲を超える場合には、上記の分布における平均値を設定するようにすることが好ましい。これにより、モデルの誤適応を回避することができる。

再構成部３３は、まず、求められたパラメータＣ０の値を小さくするように変更してパラメータＣ１を取得する。なお、パラメータＣ１は０であることが好ましい。

なお、個人の特徴を表す主成分が複数ある場合には、パラメータＣ０を次式（７）のように、各重みづけ係数の線形結合として求めるようにしてもよい（αｉは、重みづけ係数λｉに対応する主成分の個人の特徴の相違に対する寄与度を表す係数）。この場合、パラメータＣ１は個人の特徴に対応する重みづけ係数の線形結合となる。

次に、再構成部３３は、パラメータＣ１に基づいて顔部分Ｐ０ｆを再構成し、個人の特徴部分が除去された画像Ｐ１′を取得する。

以上のように、本発明の実施形態となる特徴除去処理によれば、パラメータ取得部３２が、顔検出部３１によって検出された画像Ｐ０中の顔部分Ｐ０ｆを、複数の人物についての顔部分が表された複数のサンプル画像に基づいてＡＡＭの手法によって生成された数学モデルＭに適応させることによって、顔部分Ｐ０ｆにおける個人の特徴を表す主成分に対する重みづけパラメータＣ０を取得し、再構成部３３が、取得されたパラメータＣ０の値をパラメータＣ１に変更し、変更されたパラメータＣ１に基づいて顔部分Ｐ０ｆを再構成するようにしたものである。このため、画像にモザイク等の不自然な模様を付与することなく顔の特徴部分を除去することができる。したがって、見た目に自然な画像において個人のプライバシーを保護することができる。

なお、上記の実施形態では、数学モデルＭが１つだけ存在するようにしていたが、人種別、年齢別、性別等の属性別に複数の数学モデルＭｉ（ｉ＝１，２，・・・）を生成しておいてもよい。図１０は、この場合の特徴除去処理の詳細を表すブロック図である。図に示したように、画像Ｐ０に基づいて、画像中の被写体の属性情報ＡＫを取得する属性取得部３４と、取得した属性情報ＡＫに基づいて、その属性を有する被写体を表すサンプル画像のみから生成された数学モデルＭＫを選択するモデル選択部３５とを有している点で、上記の実施形態（図４）とは異なる。

ここで、複数の数学モデルＭｉは、例えば、同じ人種、年代、性別等を有する被写体を表すサンプル画像のみから前述の方法（図５参照）に基づいて各々生成されたものであり、サンプル画像における共通の属性を表す属性情報Ａｉと関連づけられて記憶されている。

属性取得部３４は、画像Ｐ０に対する公知の認識処理（例えば、特開平１１−１７５７２４号公報記載）を行うことによって、被写体の属性を判定し、属性情報ＡＫを取得してもよいし、撮影時に被写体の属性を画像データＰ０の付帯情報としてヘッダ等に記録しておき、記録された情報を取得するようにしてもよい。また、付帯情報に基づいて被写体の属性を推定するようにしてもよい。例えば、撮影場所のＧＰＳ情報があれば、そのＧＰＳ情報に対応する国や地域を特定することができるので、撮影された被写体の人種をある程度推定することができることに着目し、ＧＰＳ情報と人種情報を関連づける参照テーブルを予め用意しておき、撮影時にＧＰＳ情報を取得して画像データＰ０のヘッダ領域に記録するデジタルカメラ（例えば、特開２００４−１５３４２８号公報記載）で得られた画像データＰ０を入力として、画像データＰ０のヘッダ領域に記録されているＧＰＳ情報を取得し、取得したＧＰＳ情報に基づいて前記の参照テーブルを参照し、そのＧＰＳ情報に関連づけられた人種情報を被写体の人種として推定することが考えられる。

モデル選択部３５は、属性取得部３４によって得られた属性情報ＡＫと関連づけられた数学モデルＭＫを取得し、パラメータ取得部３２は、画像Ｐ０の顔部分Ｐ０ｆを数学モデルＭＫに適応させる。

このように、複数の属性に応じた数学モデルＭｉを予め用意しておき、モデル選択部３５が、属性取得部３４で取得した属性ＡＫと関連づけられた数学モデルＭＫを選択し、パラメータ取得部３２が、選択された数学モデルＭＫに顔部分Ｐ０ｆを適応させるようにした場合には、数学モデルＭＫには属性ＡＫの違いに起因する顔形状や輝度のバリエーションを説明する固有ベクトルは存在しないので、顔形状や輝度を決定する他の要因を表す固有ベクトルにのみ基づいて、顔部分Ｐ０ｆを表現することが可能になり、処理精度が向上する。

また、上記の実施形態では、数学モデルは予めデジタル写真プリンタにインストールされているものとしているが、人種別の数学モデルを予め準備しておき、そのプリンタの出荷先の国や地域によって、インストールする数学モデルを変えることも処理精度の向上の観点からは好ましい。

さらに、この数学モデルを生成する機能をデジタル写真プリンタに実装するようにしてもよい。具体的には、図５のフローチャートに基づいて説明した処理を行わせるプログラムを演算・制御装置５０にインストールしておけばよい。また、出荷時にはデフォルトの数学モデルをインストールしておき、そのデジタル写真プリンタへの入力画像を用いて、その数学モデルをカスタマイズ（変更）できるようにしたり、デフォルトの数学モデルとは異なる新たなモデルを生成するようにしたりすることも考えられる。

また、上記の実施形態では、パラメータＣ０をパラメータＣ１に変更し、変更されたパラメータＣ１に基づいて顔部分Ｐ０ｆを再構成して特徴が除去された画像Ｐ１′を取得しているが、画像Ｐ０をディスプレイ５５に表示し、操作者がキーボード５６やマウス５７を操作することにより、画像Ｓ０上において顔の特徴が除去される状態を観察しつつ、パラメータＣ０を変更するようにしてもよい。この場合、操作者が所望とする画像が得られたときのパラメータＣ０を最終的なパラメータＣ１として、特徴が除去された画像Ｐ１′を取得するようにすればよい。

また、上記の実施形態では、顔形状とＲ，Ｇ，Ｂ三原色の画素値についての別個の重みづけ係数ｂｉ、λｉによって、個別の顔画像を表現していたが、顔形状とＲ，Ｇ，Ｂ三原色の画素値のバリエーションには相関性があることから、重みづけ係数ｂｉ、λｉを結合して得られるベクトル（ｂ１，ｂ２，・・・，ｂｉ，・・・，λ１，λ２，・・・，λｉ，・・・）に対してさらに主成分分析を行うことにより、次式（８）、（９）に示したように、顔形状とＲ，Ｇ，Ｂ三原色の画素値の両方を制御する新しいアピアランスパラメータｃを得ることができる。

ここで、アピアランスパラメータｃとベクトルＱＳによって平均顔形状からの形状の変動分が表現され、アピアランスパラメータｃとベクトルＱＡによって顔の画素値の平均からの画素値の変動分要素が表現される。

このモデルを用いた場合には、パラメータ取得部３２は、アピアランスパラメータｃの値を変化させながら、上記式（９）に基づいて平均顔形状下での顔の画素値を求め、さらに、上記式（８）に基づいて平均顔形状からの変換を行うことによって、顔画像を再構成し、再構成された画像と顔部分Ｐ０ｆとの差異が最小となるときのアピアランスパラメータｃを求めることになる。

本発明の他の実施形態としては、上記の特徴除去処理をデジタルカメラに実装することが考えられる。すなわち、デジタルカメラの画像処理機能として実装した場合である。図１１は、このようなデジタルカメラの構成を模式的に表したものである。図に示すように、このデジタルカメラは、レンズ、絞り、シャッター、ＣＣＤ等からなり、被写体の撮像を行う撮像部７１、撮像部７１のＣＣＤに蓄積された電荷によるアナログ信号をデジタル化して、デジタル画像データＰ０を得るＡ／Ｄ変換部７２、画像データＰ０等に対して各種画像処理を行う画像処理部７３、メモリカードに記録する画像データの圧縮処理やメモリカードから読み込んだ圧縮形式の画像データに対する伸長処理を行う圧縮／伸長部７４、ストロボ等からなり、ストロボ発光を行うストロボ部７５、各種操作ボタン等からなり、撮影条件や画像処理条件等の設定を行う操作部７６、画像データが記録されるメモリカードとのインターフェースとなるメディア記録部７７、液晶ディスプレイ等からなり、スルー画や撮影された画像、各種設定メニュー等を表示する表示部７８、前記各部による処理の制御を行う制御部７０、および制御プログラムや画像データ等を記憶する内部メモリ７９を有している。

ここで、図２の画像入力手段１は撮像部７１とＡ／Ｄ変換部７２、画像補正手段２は画像処理部７３、画像加工手段３は画像処理部７３と操作部７６と表示部７８、画像出力手段４はメディア記録部７７によって、制御部７０による制御の下で内部メモリ７９も使用しつつ、各々の機能が実現される。

次に、このデジタルカメラの操作と処理の流れについて説明する。

まず、撮影者によるシャッターの全押し操作によって、撮像部７１がレンズに入射した被写体光をＣＣＤの光電面に結像させ、光電変換の後、アナログ画像信号を出力し、Ａ／Ｄ変換部７２が、出力されたアナログ画像信号をデジタル画像信号に変換し、デジタル画像データＰ０として出力することによって、画像入力手段１として機能する。

次に、画像処理部７３が、階調補正処理、濃度補正処理、色補正処理、ホワイトバランス調整処理、およびシャープネス処理等を行うとともに、本発明の特徴除去処理も行い、補正後の画像データＰ１を出力することによって、画像補正手段２として機能する。ここで、特徴除去処理は、制御部７０が、内部メモリ７９に記憶されている特徴除去用プログラムを起動し、内部メモリ７９に予め記憶されている数学モデルＭを用いた前述の特徴除去処理（図４等参照）を画像処理部７３に行わせることによって実現される。

ここで、画像Ｐ１が表示部７８により液晶ディスプレイに表示される。表示レイアウトとしては、図３（ａ）に示したサムネイル形式による複数の画像の表示が考えられる。撮影者は、操作部７６の操作ボタンの操作により、加工対象の画像を選択して拡大表示し、メニュー選択によりさらなる画像の手動補正や加工を行い、加工済みの画像データＰ２を出力する。以上のようにして、画像加工手段３の機能が実現される。

そして、圧縮／伸長部７４が画像データＰ２をＪＰＥＧ等の圧縮形式に基づく圧縮処理を行い、メディア記録部７７経由でこのデジタルカメラに装填されたメモリカードに圧縮後の画像データを書き込むことによって、画像出力手段４の機能が実現される。

このように、本発明の特徴除去処理をデジタルカメラの画像処理機能として実装することによって、上記のデジタル写真プリンタの場合と同様の効果を得ることができる。

なお、手動補正や加工処理は、メモリカードに一旦記録された画像に対しても行えるようにしてもよい。具体的には、メモリカードに記憶されている画像データを圧縮／伸長部７４が伸長（解凍）した後、伸長済みの画像データによる画像を表示部７８の液晶ディスプレイに表示し、撮影者が、前記と同様の操作によって所望の画像処理を選択し、画像処理部７３が、選択された画像処理を行う。

また、図１０で説明した被写体の属性別の数学モデルをデジタルカメラに実装してもよいし、図５で示した数学モデルの生成処理を実装してもよい。

また、上記実施形態において、同一人物についてのモデルと、異なる複数の人物についてのモデルを生成しておき、両モデルの差分を求めることにより個人の特徴を表す成分を求め、求めた成分を入力された画像から除去するようにしてもよい。

上記の実施形態のほか、本発明の特徴除去処理をパソコン等に行わせるプログラムを、画像編集ソフトウェアに組み込むことも考えられる。これにより、ユーザは、このソフトウェアが記憶されているＣＤ−ＲＯＭ等の記憶媒体からパソコン等にインストールしたり、インターネット上の所定のサイトからこのソフトウェアをダウンロードしてインストールしたりすることによって、自分のパソコンでの画像の編集加工の１パターンとして、本発明の特徴除去処理を利用することが可能になる。

本発明の実施形態となるデジタル写真プリンタのハードウェア構成を模式的に示した図 本発明の実施形態となるデジタル写真プリンタおよびデジタルカメラの機能と処理の流れを示すブロック図 本発明の実施形態となるデジタル写真プリンタおよびデジタルカメラのディスプレイに表示される画面の一例を示す図 本発明の一態様となる特徴除去処理の詳細を表すブロック図 本発明における顔の数学モデルを生成する処理の流れを表すフローチャート 顔の特徴点の設定例を表す図 顔形状に対する主成分分析によって得られた主成分の固有ベクトルに対する重みづけ係数の値を変化させた場合の顔形状の変化の様子を模式的に表した図 サンプル画像中の顔形状を平均顔形状に変換し、平均顔形状下での輝度の様子を表した図 顔の画素値に対する主成分分析によって得られた主成分の固有ベクトルに対する重みづけ係数の値を変化させた場合の顔の画素値の変化の様子を模式的に表した図 本発明の一態様となる特徴除去処理の発展的態様を表すブロック図 本発明の他の実施形態となるデジタルカメラの構成を模式的に示した図

符号の説明

１ 画像入力手段
２ 画像補正手段
３ 画像加工手段
４ 画像出力手段
３１ 顔検出部
３２ パラメータ取得部
３３ 再構成部
３４ 属性取得部
３５ モデル選択部
５１ フィルムスキャナ
５２ フラットヘッドスキャナ
５３ メディアドライブ
５４ ネットワークアダプタ
５５ ディスプレイ
５６ キーボード
５７ マウス
５８ ハードディスク
５９ 写真プリント出力機
７０ 制御部
７１ 撮像部
７２ Ａ／Ｄ変換部
７３ 画像処理部
７４ 圧縮／伸長部
７５ ストロボ部
７６ 操作部
７７ メディア記録部
７８ 表示部
７９ 内部メモリ

Claims (5)

1. 人間である複数の被写体について、顔が所定の構造物として表された複数の画像に対して多変量解析を行うことによって得られた、前記複数の被写体毎の前記構造物の特徴を表す統計的特徴量を含む１以上の統計的特徴量と、前記被写体毎の構造物の特徴に応じて前記統計的特徴量に対する重みづけをする重みづけパラメータとによって、前記構造物を表現する、カスタマイズ可能なモデルに、入力画像中の前記構造物を適応させることによって、該入力画像中の被写体の構造物の特徴を表す統計的特徴量に対する重みづけパラメータを取得するパラメータ取得手段と、
   前記重みづけパラメータの値を、前記入力画像中の被写体の構造物の特徴を表す前記統計的特徴量に対する重みづけが小さくなるように変更し、変更された重みづけパラメータに基づいて前記構造物を表す画像を再構成する再構成手段であって、前記重みづけパラメータが最小となって、前記モデルに対する前記入力画像中の前記構造物の特徴が除去されるように、該入力画像中の前記構造物を表す画像を再構成する再構成手段と、
   前記入力画像中の前記構造物の性別、年齢、人種または個人を特定する情報を属性として取得し、前記所定の構造物の属性毎に該構造物が表現された複数の前記モデルから、取得された属性に応じた前記モデルを選択する選択手段とを備え、
   前記パラメータ取得手段が、選択されたモデルに前記構造物を適応させることによって、前記重みづけパラメータを取得するものであることを特徴とする画像処理装置。
2. 前記入力画像中の前記構造物を検出する検出手段をさらに備え、
   前記パラメータ取得手段が、前記モデルに、検出された前記構造物を適応させることによって、前記重みづけパラメータを取得するものであることを特徴とする請求項１記載の画像処理装置。
3. 前記多変量解析が主成分分析であることを特徴とする請求項１または２記載の画像処理装置。
4. 人間である複数の被写体について、顔が所定の構造物として表された複数の画像に対して多変量解析を行うことによって得られた、前記複数の被写体毎の前記構造物の特徴を表す統計的特徴量を含む１以上の統計的特徴量と、前記被写体毎の構造物の特徴に応じて前記統計的特徴量に対する重みづけをする重みづけパラメータとによって、前記構造物を表現する、カスタマイズ可能なモデルに、入力画像中の前記構造物を適応させることによって、該入力画像中の被写体の構造物の特徴を表す統計的特徴量に対する重みづけパラメータを取得し、
   前記重みづけパラメータの値を、前記入力画像中の被写体の構造物の特徴を表す前記統計的特徴量に対する重みづけが小さくなるように変更し、変更された重みづけパラメータに基づいて前記構造物を表す画像を再構成するに際し、前記重みづけパラメータが最小となって、前記モデルに対する前記入力画像中の前記構造物の特徴が除去されるように、該入力画像中の前記構造物を表す画像を再構成する画像処理方法であって、
   前記入力画像中の前記構造物の性別、年齢、人種または個人を特定する情報を属性として取得し、前記所定の構造物の属性毎に該構造物が表現された複数の前記モデルから、取得された属性に応じた前記モデルを選択し、
   前記選択されたモデルに前記構造物を適応させることによって、前記重みづけパラメータを取得することを特徴とする画像処理方法。
5. コンピュータを、
   人間である複数の被写体について、顔が所定の構造物として表された複数の画像に対して多変量解析を行うことによって得られた、前記複数の被写体毎の前記構造物の特徴を表す統計的特徴量を含む１以上の統計的特徴量と、前記被写体毎の構造物の特徴に応じて前記統計的特徴量に対する重みづけをする重みづけパラメータとによって、前記構造物を表現する、カスタマイズ可能なモデルに、入力画像中の前記構造物を適応させることによって、該入力画像中の被写体の構造物の特徴を表す統計的特徴量に対する重みづけパラメータを取得するパラメータ取得手段と、
   前記重みづけパラメータの値を、前記入力画像中の被写体の構造物の特徴を表す前記統計的特徴量に対する重みづけが小さくなるように変更し、変更された重みづけパラメータに基づいて前記構造物を表す画像を再構成する再構成手段であって、前記重みづけパラメータが最小となって、前記モデルに対する前記入力画像中の前記構造物の特徴が除去されるように、該入力画像中の前記構造物を表す画像を再構成する再構成手段と、
   前記入力画像中の前記構造物の性別、年齢、人種または個人を特定する情報を属性として取得し、前記所定の構造物の属性毎に該構造物が表現された複数の前記モデルから、取得された属性に応じた前記モデルを選択する選択手段として機能させる画像処理プログラムであって、
   前記パラメータ取得手段が、選択されたモデルに前記構造物を適応させることによって、前記重みづけパラメータを取得するものであることを特徴とする画像処理プログラム。

Images