JPH07320059A - 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 - Google Patents
光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置Info
- Publication number
- JPH07320059A JPH07320059A JP6106716A JP10671694A JPH07320059A JP H07320059 A JPH07320059 A JP H07320059A JP 6106716 A JP6106716 A JP 6106716A JP 10671694 A JP10671694 A JP 10671694A JP H07320059 A JPH07320059 A JP H07320059A
- Authority
- JP
- Japan
- Prior art keywords
- color information
- color
- spectral reflectance
- neural network
- characteristic parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】観察光源に依存せず恒常的に色が同じに見える
様な完全等色を実現ことを主要な目的としている。 【構成】色情報値組を電気信号に変換する入力手段と、
入力手段からの信号を特徴パラメータ値に変換する変換
手段１と分光反射率の固有ベクトル，平均値ベクトル、
および学習後のニューラルネットワークの結合係数を保
存する記憶装置と変換手段１からの電気信号とその固有
ベクトル、平均値ベクトルを用いてKL展開によって、分
光反射率に変換する変換手段２と変換手段２からの出力
する出力手段とを備えたことを特徴としている。
様な完全等色を実現ことを主要な目的としている。 【構成】色情報値組を電気信号に変換する入力手段と、
入力手段からの信号を特徴パラメータ値に変換する変換
手段１と分光反射率の固有ベクトル，平均値ベクトル、
および学習後のニューラルネットワークの結合係数を保
存する記憶装置と変換手段１からの電気信号とその固有
ベクトル、平均値ベクトルを用いてKL展開によって、分
光反射率に変換する変換手段２と変換手段２からの出力
する出力手段とを備えたことを特徴としている。
Description
【０００１】
【産業上の利用分野】本発明は、例えばカラーDTP のデ
バイスインディペンデント色再現方法および装置に係わ
り、特にデバイスインディペンデントな色の表現法とし
て光源の種類に関係なく常に色の物理的な特性を正確に
表現することができる分光反射率を多変量解析して得ら
れる特徴パラメータを用いることによって、単にデバイ
スインディペンデントなだけでなく、光源にも依存する
ことなくいかなる色再現装置で再現した色であっても常
に再現色の見えが同じになるようにする色再現法に必要
な色情報処理方法および装置に関する。
バイスインディペンデント色再現方法および装置に係わ
り、特にデバイスインディペンデントな色の表現法とし
て光源の種類に関係なく常に色の物理的な特性を正確に
表現することができる分光反射率を多変量解析して得ら
れる特徴パラメータを用いることによって、単にデバイ
スインディペンデントなだけでなく、光源にも依存する
ことなくいかなる色再現装置で再現した色であっても常
に再現色の見えが同じになるようにする色再現法に必要
な色情報処理方法および装置に関する。
【０００２】
【従来の技術】従来から、再現色が装置に依存せず、ど
のような装置で再現しても同じ色を再現する方法とし
て、色情報を装置に依存しない表現に一度変換したのち
色修正を行なういわゆるデバイスインディペンデントな
色再現法がある。上記の色再現法では、色情報の中間表
現法としてCIE(Commission Internationale deI'Eclair
age)が規定した均等知覚色空間 CIE L*a*b* やCIE XYZ
値等の色彩値を用い、CMYK値等のデバイス値と色彩値と
の間の変換を行うことによって、装置に依存することな
しに常に同じ色を高い精度で再現する色修正法が用いら
れていた。しかしながら、CIE L*a*b*値やCIE XYZ 値
は、光源の分光分布と対象表面の分光反射率、及び等色
関数によって定義されるため、従来のデバイスインディ
ペンデントな色再現法では観察時の照明が、CIE L*a*b*
値導出の際に用いられた照明でなければ色が一致しない
という問題がある。
のような装置で再現しても同じ色を再現する方法とし
て、色情報を装置に依存しない表現に一度変換したのち
色修正を行なういわゆるデバイスインディペンデントな
色再現法がある。上記の色再現法では、色情報の中間表
現法としてCIE(Commission Internationale deI'Eclair
age)が規定した均等知覚色空間 CIE L*a*b* やCIE XYZ
値等の色彩値を用い、CMYK値等のデバイス値と色彩値と
の間の変換を行うことによって、装置に依存することな
しに常に同じ色を高い精度で再現する色修正法が用いら
れていた。しかしながら、CIE L*a*b*値やCIE XYZ 値
は、光源の分光分布と対象表面の分光反射率、及び等色
関数によって定義されるため、従来のデバイスインディ
ペンデントな色再現法では観察時の照明が、CIE L*a*b*
値導出の際に用いられた照明でなければ色が一致しない
という問題がある。
【０００３】
【発明が解決しようとする課題】以上のように、従来の
デバイスインディペンデントな色再現法においては、色
が同じに見える光源が制限されてしまい、非常に限られ
た環境下（照明下）でしかカラーマッチングが成立しな
いという問題がある。一方、通常色を観察する場合の照
明は、白熱電球照明下、蛍光灯照明下、太陽光下など種
々雑多であり従来のデバイスインディペンデントな色再
現法では、そうした光源下で常に再現色を一致させるこ
とは不可能であり問題であった。本発明は、上記のよう
な問題を解決するために成されたもので、その目的は観
察時の照明に関係なく、再現色と対象としているもとの
色との色の見えが一致することを保証することが可能な
極めて信頼性の高い色情報処理方法及び装置を提供する
ことにある。
デバイスインディペンデントな色再現法においては、色
が同じに見える光源が制限されてしまい、非常に限られ
た環境下（照明下）でしかカラーマッチングが成立しな
いという問題がある。一方、通常色を観察する場合の照
明は、白熱電球照明下、蛍光灯照明下、太陽光下など種
々雑多であり従来のデバイスインディペンデントな色再
現法では、そうした光源下で常に再現色を一致させるこ
とは不可能であり問題であった。本発明は、上記のよう
な問題を解決するために成されたもので、その目的は観
察時の照明に関係なく、再現色と対象としているもとの
色との色の見えが一致することを保証することが可能な
極めて信頼性の高い色情報処理方法及び装置を提供する
ことにある。
【０００４】
【課題を解決するための手段】色再現装置における少な
くとも３つの色情報値組を前記情報値組で再現される色
の分光反射率または分光透過率に対する多変量解析手法
により求められる前記色情報値組に対応する少なくとも
３つの特徴パラメータ値に変換する方法において、前記
変換を行うように学習させられたニューラルネットワー
クによって非線形的に色情報を変換し、求められた特徴
パラメータと分光反射率の固有ベクトル、平均値ベクト
ルを用いた線形多項式近似手法によって前記分光反射率
を推定するようにしている。
くとも３つの色情報値組を前記情報値組で再現される色
の分光反射率または分光透過率に対する多変量解析手法
により求められる前記色情報値組に対応する少なくとも
３つの特徴パラメータ値に変換する方法において、前記
変換を行うように学習させられたニューラルネットワー
クによって非線形的に色情報を変換し、求められた特徴
パラメータと分光反射率の固有ベクトル、平均値ベクト
ルを用いた線形多項式近似手法によって前記分光反射率
を推定するようにしている。
【０００５】ここで、上記の色情報値組はカラー画像を
構成する R、G 、B 値の加法混色の三原色、または、カ
ラー画像を構成する C、M 、Y 、K 値の減法混色の三原
色とするようにしている。さらに、上記多変量解析法と
して主成分分析を用い、前記主成分分析によって求めら
れる固有ベクトルと前記特徴パラメータを分光反射率の
推定に用いるようにしている。さらにまた、上記ニュー
ラルネットワークは３層から５層の多層フィードフォワ
ード型ニューラルネットワークであり、前記ニューラル
ネットワークは学習機能を有するようにしている。
構成する R、G 、B 値の加法混色の三原色、または、カ
ラー画像を構成する C、M 、Y 、K 値の減法混色の三原
色とするようにしている。さらに、上記多変量解析法と
して主成分分析を用い、前記主成分分析によって求めら
れる固有ベクトルと前記特徴パラメータを分光反射率の
推定に用いるようにしている。さらにまた、上記ニュー
ラルネットワークは３層から５層の多層フィードフォワ
ード型ニューラルネットワークであり、前記ニューラル
ネットワークは学習機能を有するようにしている。
【０００６】そしてまた、上記の線形多項式近似手法と
してＫＬ展開を用い、前記特徴パラメータとしてＫＬ展
開の係数を用いるようにしている。一方、請求項７に記
載の発明では、色再現装置における少なくとも３つの色
情報値組を前記情報値組で再現される色の分光反射率ま
たは分光透過率に対する多変量解析手法により求められ
る前記色情報値組に対応する少なくとも３つの特徴パラ
メータ値に変換する装置において、前記少なくとも３つ
の色情報値組を電気信号に変換する入力手段と、前記入
力手段からの電気信号を多変量解析によって求められる
特徴パラメータ値に対応する電気信号に変換する変換手
段１と分光反射率に対する主成分分析によって予め求め
られた固有ベクトルと分光反射率の平均値ベクトル、お
よび予め前記変換を学習させられているニューラルネッ
トワークの結合係数を保存しておく記憶装置と前記変換
手段１からの電気信号と前記記憶装置に予め蓄えられて
いる固有ベクトル、平均値ベクトルを用いてKL展開によ
って前記少なくとも３つの色情報値組で表される色の分
光反射率に変換する変換手段２と前記変換手段２から出
力される電気信号を任意の出力信号として出力する出力
手段を含み、前記変換手段１は３から５層の多層フィー
ドフォワード型のニューラルネットであり、前記ニュー
ラルネットワークは学習機能を有し、少なくとも３つの
色情報値組を前記色情報値組に対応する色の分光反射率
分布に変換することを学習させられている色情報処理装
置によって達成される。
してＫＬ展開を用い、前記特徴パラメータとしてＫＬ展
開の係数を用いるようにしている。一方、請求項７に記
載の発明では、色再現装置における少なくとも３つの色
情報値組を前記情報値組で再現される色の分光反射率ま
たは分光透過率に対する多変量解析手法により求められ
る前記色情報値組に対応する少なくとも３つの特徴パラ
メータ値に変換する装置において、前記少なくとも３つ
の色情報値組を電気信号に変換する入力手段と、前記入
力手段からの電気信号を多変量解析によって求められる
特徴パラメータ値に対応する電気信号に変換する変換手
段１と分光反射率に対する主成分分析によって予め求め
られた固有ベクトルと分光反射率の平均値ベクトル、お
よび予め前記変換を学習させられているニューラルネッ
トワークの結合係数を保存しておく記憶装置と前記変換
手段１からの電気信号と前記記憶装置に予め蓄えられて
いる固有ベクトル、平均値ベクトルを用いてKL展開によ
って前記少なくとも３つの色情報値組で表される色の分
光反射率に変換する変換手段２と前記変換手段２から出
力される電気信号を任意の出力信号として出力する出力
手段を含み、前記変換手段１は３から５層の多層フィー
ドフォワード型のニューラルネットであり、前記ニュー
ラルネットワークは学習機能を有し、少なくとも３つの
色情報値組を前記色情報値組に対応する色の分光反射率
分布に変換することを学習させられている色情報処理装
置によって達成される。
【０００７】
【作用】従って、本発明の光源に依存しない特徴パラメ
ータ値を用いた色情報処理方法および装置においては、
ニューラルネットワークの学習機能を有効に利用するこ
とにより、色がCMYK値で表現される場合にも、またRGB
値で表現される場合であっても、これらの色に関する情
報値から分光反射率を表現する特徴パラメータに高精度
に変換することができる。この変換によって求められた
特徴パラメータを用いたKL展開手法によって非常に高精
度な分光反射率の推定が可能となる。また、CMYK値、RG
B 値等の色情報値組から特徴パラメータへの変換に学習
機能を有するニューラルネットワークを用いるため、十
分に学習させられたニューラルネットはその汎化能力に
よって、入力に学習に用いなかった未知のデータが入力
された場合であっても、入力データに対する適切な出力
を得ることができる。
ータ値を用いた色情報処理方法および装置においては、
ニューラルネットワークの学習機能を有効に利用するこ
とにより、色がCMYK値で表現される場合にも、またRGB
値で表現される場合であっても、これらの色に関する情
報値から分光反射率を表現する特徴パラメータに高精度
に変換することができる。この変換によって求められた
特徴パラメータを用いたKL展開手法によって非常に高精
度な分光反射率の推定が可能となる。また、CMYK値、RG
B 値等の色情報値組から特徴パラメータへの変換に学習
機能を有するニューラルネットワークを用いるため、十
分に学習させられたニューラルネットはその汎化能力に
よって、入力に学習に用いなかった未知のデータが入力
された場合であっても、入力データに対する適切な出力
を得ることができる。
【０００８】さらに、主成分分析を用いることにより分
光反射率データを高効率で圧縮しているため、そのデー
タ量も分光反射率をそのまま使う場合に比べ極端に少な
くてすみ、そのため変換に要する時間の短縮を可能とし
ている。従って、従来技術では不可能であったCMYK値や
RGB 値のような色情報値組から分光測色なしに分光反射
率を推定することができ、また、カラーDTP の分野にお
いて、主成分分析で求められた特徴パラメータをCIE L*
a*b*値やCIE XYZ 値と同様に色の中間的な表現として用
いれば単にデバイスインディペンデントなだけでなく、
ライトソースインディペンデントな色再現法の実現が可
能となる。
光反射率データを高効率で圧縮しているため、そのデー
タ量も分光反射率をそのまま使う場合に比べ極端に少な
くてすみ、そのため変換に要する時間の短縮を可能とし
ている。従って、従来技術では不可能であったCMYK値や
RGB 値のような色情報値組から分光測色なしに分光反射
率を推定することができ、また、カラーDTP の分野にお
いて、主成分分析で求められた特徴パラメータをCIE L*
a*b*値やCIE XYZ 値と同様に色の中間的な表現として用
いれば単にデバイスインディペンデントなだけでなく、
ライトソースインディペンデントな色再現法の実現が可
能となる。
【０００９】従来から、分光反射率を主成分分析して得
られる固有ベクトルを用ると少ない特徴パラメータで分
光反射率が精度良く近似できることが知られており、多
くの研究が報告されている。中でも、人間やサルなどの
高等動物の色知覚における色恒常現象を説明するモデル
において、光学センサの一種である３種類の錘体の応答
量から物体表面の分光反射率を推定する色知覚モデルで
は、自然界に存在する色の分光反射率を３つの特徴ベク
トルで高精度に近似できるという仮定が用いられてお
り、そのモデルの推定結果が実際の分光反射率と良く一
致することから、現在ではそうした仮定が妥当であるこ
とが周知の事実として一般にとらえられている。
られる固有ベクトルを用ると少ない特徴パラメータで分
光反射率が精度良く近似できることが知られており、多
くの研究が報告されている。中でも、人間やサルなどの
高等動物の色知覚における色恒常現象を説明するモデル
において、光学センサの一種である３種類の錘体の応答
量から物体表面の分光反射率を推定する色知覚モデルで
は、自然界に存在する色の分光反射率を３つの特徴ベク
トルで高精度に近似できるという仮定が用いられてお
り、そのモデルの推定結果が実際の分光反射率と良く一
致することから、現在ではそうした仮定が妥当であるこ
とが周知の事実として一般にとらえられている。
【００１０】本発明は、そうした事実を実際に色再現の
分野において、CMYK値等のデバイス値から直接分光反射
率を推定する問題に適用し、人工的に分光反射率の推定
を実現しようとするものである。すなわち、本発明は、
色再現装置における CMYK 値、RGB 値のような情報値組
を再現された色の分光反射率または分光透過率に対する
多変量解析手法により求められる特徴パラメータ値に変
換すると共に、学習を終えたニューラルネットワークの
出力値を予め求められた分光反射率の平均値ベクトル、
固有ベクトルを用いた線形多項式近似手法によって対応
する分光反射率に変換する色情報処理方法及び装置であ
る。
分野において、CMYK値等のデバイス値から直接分光反射
率を推定する問題に適用し、人工的に分光反射率の推定
を実現しようとするものである。すなわち、本発明は、
色再現装置における CMYK 値、RGB 値のような情報値組
を再現された色の分光反射率または分光透過率に対する
多変量解析手法により求められる特徴パラメータ値に変
換すると共に、学習を終えたニューラルネットワークの
出力値を予め求められた分光反射率の平均値ベクトル、
固有ベクトルを用いた線形多項式近似手法によって対応
する分光反射率に変換する色情報処理方法及び装置であ
る。
【００１１】
【実施例】以下、本発明の実施例について図面を参照し
て詳細に説明する。図１は、本発明に従って色再現装置
における CMYK 値、RGB 値のような情報値組を再現され
た色の分光反射率または分光透過率に対する多変量解析
手法により求められる特徴パラメータ値に変換すると共
に、学習を終えたニューラルネットワークの出力値を予
め求められた分光反射率の平均値ベクトルを用いた線形
多項式近似手法によって対応する分光反射率に変換する
色情報処理方法及び装置を説明する概略図である。図示
の如くこの色情報処理方法あるいは色情報処理装置は、
入力手段１と、第１の変換手段２１及び第２の変換手段
２２と、記憶装置３と出力手段４から構成されている。
なお、第１の変換手段２１は、後述する変換機能を有し
ていると同時に、それを学習する学習機能をも有してい
る。
て詳細に説明する。図１は、本発明に従って色再現装置
における CMYK 値、RGB 値のような情報値組を再現され
た色の分光反射率または分光透過率に対する多変量解析
手法により求められる特徴パラメータ値に変換すると共
に、学習を終えたニューラルネットワークの出力値を予
め求められた分光反射率の平均値ベクトルを用いた線形
多項式近似手法によって対応する分光反射率に変換する
色情報処理方法及び装置を説明する概略図である。図示
の如くこの色情報処理方法あるいは色情報処理装置は、
入力手段１と、第１の変換手段２１及び第２の変換手段
２２と、記憶装置３と出力手段４から構成されている。
なお、第１の変換手段２１は、後述する変換機能を有し
ていると同時に、それを学習する学習機能をも有してい
る。
【００１２】ここで、入力手段１は、色に関する情報値
組の組み合わせをそれに対応する電気信号に変換するも
のである。また、第１の変換手段２１は、入力手段１か
らの電気信号を、分光反射率に対する多変量解析によっ
て得られる特徴パラメータへ変換するものである。この
第１の変換手段２１に用いられているニューラルネット
ワークは、図２に示すように中間層は入出力関係がシグ
モイド関数によって表される神経回路素子により構成さ
れ、入・出力層は線形の神経回路素子で構成されること
が望ましく、出力層については中間層と同様にシグモイ
ド特性を持つ神経回路素子で構成されてもよい。図２に
示すニューラルネットは、３から６個の出力ユニットU
1, U2, ・・・・U6を有し、この数は分光反射率に対す
る多変量解析によって得られる特徴パラメータのうち実
際に分光反射率を表現するために用いる特徴パラメータ
の数に対応しており、通常は４つが好ましい。
組の組み合わせをそれに対応する電気信号に変換するも
のである。また、第１の変換手段２１は、入力手段１か
らの電気信号を、分光反射率に対する多変量解析によっ
て得られる特徴パラメータへ変換するものである。この
第１の変換手段２１に用いられているニューラルネット
ワークは、図２に示すように中間層は入出力関係がシグ
モイド関数によって表される神経回路素子により構成さ
れ、入・出力層は線形の神経回路素子で構成されること
が望ましく、出力層については中間層と同様にシグモイ
ド特性を持つ神経回路素子で構成されてもよい。図２に
示すニューラルネットは、３から６個の出力ユニットU
1, U2, ・・・・U6を有し、この数は分光反射率に対す
る多変量解析によって得られる特徴パラメータのうち実
際に分光反射率を表現するために用いる特徴パラメータ
の数に対応しており、通常は４つが好ましい。
【００１３】さらに、第２の変換手段２２は、第１の変
換手段２１からの出力を、分光反射率の多変量解析によ
って得られた固有ベクトルと分光反射率の平均値ベクト
ルを用いて、KL展開によって分光反射率に変換するもの
である。一方、記憶装置３は予め分光反射率に対して多
変量解析することによって求めた固有ベクトルと分光反
射率の平均値ベクトル、学習を終えたニューラルネット
ワークの結合係数を記憶しておくためのものである。ま
た、出力手段４は、第２の変換手段２２からの出力を、
電気信号や光信号等の任意の出力信号として出力するも
のである。
換手段２１からの出力を、分光反射率の多変量解析によ
って得られた固有ベクトルと分光反射率の平均値ベクト
ルを用いて、KL展開によって分光反射率に変換するもの
である。一方、記憶装置３は予め分光反射率に対して多
変量解析することによって求めた固有ベクトルと分光反
射率の平均値ベクトル、学習を終えたニューラルネット
ワークの結合係数を記憶しておくためのものである。ま
た、出力手段４は、第２の変換手段２２からの出力を、
電気信号や光信号等の任意の出力信号として出力するも
のである。
【００１４】次に、以上のように構成した本実施例の色
情報処理装置の作用について、図を参照しながら説明す
る。図１において、入力手段１では、色に関する少なく
とも３つの情報値組の組み合わせがそれに対応する電気
信号に変換される。すなわち、色情報の変換を行うべき
もとの色のCMYK値あるいはRGB値のようなデバイス値が
データとして供給され、電気信号等の任意の信号として
出力される。次に、入力手段１において出力された値
は、第１の変換手段２１に導入される。第１の変換手段
２１では、CMYK値、RGB 値等のデバイス値がその入力と
して与えられると、ニューラルネットワークの中間層ユ
ニットの出力 Hi は以下の式に従って出力される。
情報処理装置の作用について、図を参照しながら説明す
る。図１において、入力手段１では、色に関する少なく
とも３つの情報値組の組み合わせがそれに対応する電気
信号に変換される。すなわち、色情報の変換を行うべき
もとの色のCMYK値あるいはRGB値のようなデバイス値が
データとして供給され、電気信号等の任意の信号として
出力される。次に、入力手段１において出力された値
は、第１の変換手段２１に導入される。第１の変換手段
２１では、CMYK値、RGB 値等のデバイス値がその入力と
して与えられると、ニューラルネットワークの中間層ユ
ニットの出力 Hi は以下の式に従って出力される。
【００１５】数式１
【００１６】
【数１】
【００１７】ここで、W(h)ijはｊ番目の入力ユニットと
ｉ番目の中間ユニットの結合係数を表し、またＩｊは中
間ユニットの出力、ｂiはバイアス値を表す。また、出
力層ユニットの出力 Oi も同様に次式に従って出力され
る。 数式２
ｉ番目の中間ユニットの結合係数を表し、またＩｊは中
間ユニットの出力、ｂiはバイアス値を表す。また、出
力層ユニットの出力 Oi も同様に次式に従って出力され
る。 数式２
【００１８】
【数２】
【００１９】ただし、W(o)ijはｊ番目の中間ユニットと
ｉ番目の出力ユニットの結合係数を表し、またHjは式１
で定義される j番目の中間ユニットの出力値である。ま
た、ｎ、ｍ、ｋはそれぞれ入力層、中間層、出力層のユ
ニット数である。このとき、入力層のユニットの特性は
入力をそのまま出力するような特性であり、また、中間
層ユニットの関数 f(x) は次式で定義される[0, 1]の間
で単調増加なシグモイド関数で表される特性である。 数式３
ｉ番目の出力ユニットの結合係数を表し、またHjは式１
で定義される j番目の中間ユニットの出力値である。ま
た、ｎ、ｍ、ｋはそれぞれ入力層、中間層、出力層のユ
ニット数である。このとき、入力層のユニットの特性は
入力をそのまま出力するような特性であり、また、中間
層ユニットの関数 f(x) は次式で定義される[0, 1]の間
で単調増加なシグモイド関数で表される特性である。 数式３
【００２０】
【数３】
【００２１】また、出力ユニットはシグモイド関数ある
いは線形関数で表される特性である。ただし、出力層は
バイアスユニットからの入力があってもよい。このニュ
ーラルネットの結合係数は、各出力ユニットの出力と分
光反射率の主成分分析によって求められた特徴パラメー
タである教師信号との２乗誤差を最小にするように予め
学習・修正される。学習には、Rumelhertが提案したバ
ックプロパゲーション学習則が用いられ、CMYK値、RGB
値から分光反射率の主成分分析によって得られた特徴パ
ラメータへの変換を学習する。ここで、主成分分析によ
って求められる固有ベクトルは種々の色の分光反射率の
共分散行列を用いて、次式で定義される固有方程式の解
として定義される。
いは線形関数で表される特性である。ただし、出力層は
バイアスユニットからの入力があってもよい。このニュ
ーラルネットの結合係数は、各出力ユニットの出力と分
光反射率の主成分分析によって求められた特徴パラメー
タである教師信号との２乗誤差を最小にするように予め
学習・修正される。学習には、Rumelhertが提案したバ
ックプロパゲーション学習則が用いられ、CMYK値、RGB
値から分光反射率の主成分分析によって得られた特徴パ
ラメータへの変換を学習する。ここで、主成分分析によ
って求められる固有ベクトルは種々の色の分光反射率の
共分散行列を用いて、次式で定義される固有方程式の解
として定義される。
【００２２】数式４
【００２３】
【数４】
【００２４】ただし、Φは共分散行列を表し次式で定義
され、また、λは固有値、νは固有ベクトルをそれぞれ
表している。 数式５
され、また、λは固有値、νは固有ベクトルをそれぞれ
表している。 数式５
【００２５】
【数５】
【００２６】また、特徴パラメータは式４から得られる
固有ベクトルを用いて次式で導出される。 数式６
固有ベクトルを用いて次式で導出される。 数式６
【００２７】
【数６】
【００２８】ここで、Yiは特徴パラメータを表してい
る。次に、このようにして、第１の変換手段２１におい
て学習を終えたニューラルネットワークにより変換され
た信号は、第２の変換手段２２に導入され、次式に従っ
て特徴パラメータから分光反射率に変換される。 数式７
る。次に、このようにして、第１の変換手段２１におい
て学習を終えたニューラルネットワークにより変換され
た信号は、第２の変換手段２２に導入され、次式に従っ
て特徴パラメータから分光反射率に変換される。 数式７
【００２９】
【数７】
【００３０】変換によって得られた分光反射率は、出力
手段４に送られ、電気信号や光信号等任意の信号に変換
される。次に、本実施例における照明光としては、CIE
が規定する A光源、D65光源、D50光源が用いられる。本
実施例では、上記３種類の光源の分光分布を用い、熱転
写型のプルーフィング用プリンタのCMYK値を用いた場合
について好ましい実施例として説明する。本実施例では
まず、CMYK値を０から１００％まで２０％間隔で作成し
た１２９６色のカラーチップの分光反射率を分光測色器
で測色し、その平均値ベクトルERおよび、このERを各色
の分光反射率から差し引たデータの共分散行列を式５を
用いて求める。そして式４の固有方程式を解いて主成分
分析を行う。主成分分析の結果から図３に示すような固
有ベクトル（主成分ベクトル）が得られる。ただし、図
３は第４主成分ベクトルまでが表示されている。ここで
導出された固有ベクトルと分光反射率の平均値ベクトル
は前述の記憶装置に予め記憶され、KL展開によって分光
反射率を推定する際に用いる。
手段４に送られ、電気信号や光信号等任意の信号に変換
される。次に、本実施例における照明光としては、CIE
が規定する A光源、D65光源、D50光源が用いられる。本
実施例では、上記３種類の光源の分光分布を用い、熱転
写型のプルーフィング用プリンタのCMYK値を用いた場合
について好ましい実施例として説明する。本実施例では
まず、CMYK値を０から１００％まで２０％間隔で作成し
た１２９６色のカラーチップの分光反射率を分光測色器
で測色し、その平均値ベクトルERおよび、このERを各色
の分光反射率から差し引たデータの共分散行列を式５を
用いて求める。そして式４の固有方程式を解いて主成分
分析を行う。主成分分析の結果から図３に示すような固
有ベクトル（主成分ベクトル）が得られる。ただし、図
３は第４主成分ベクトルまでが表示されている。ここで
導出された固有ベクトルと分光反射率の平均値ベクトル
は前述の記憶装置に予め記憶され、KL展開によって分光
反射率を推定する際に用いる。
【００３１】次に分光反射率を表すための特徴パラメー
タは、前記の主成分分析によって得られた固有ベクトル
を用いて式６によって導出され、CMYK値から特徴パラメ
ータへの変換を行うニューラルネットワークの学習に使
用され、学習後のニューラルネットの結合係数が記憶装
置に記憶される。このようにして得られた結果を用いて
実際の入力に入力された CMYK 値から分光反射率への変
換が行われる。入力された各色に対する CMYK 値は、変
換手段２１へ送られ、予め学習されたニューラルネット
ワークを用いて特徴パラメータに変換される。こうして
求められた特徴パラメータと記憶装置に記憶されている
固有ベクトル、平均値ベクトルを用いて式６によって分
光反射率に変換される。図４はこの処理の略図である。
タは、前記の主成分分析によって得られた固有ベクトル
を用いて式６によって導出され、CMYK値から特徴パラメ
ータへの変換を行うニューラルネットワークの学習に使
用され、学習後のニューラルネットの結合係数が記憶装
置に記憶される。このようにして得られた結果を用いて
実際の入力に入力された CMYK 値から分光反射率への変
換が行われる。入力された各色に対する CMYK 値は、変
換手段２１へ送られ、予め学習されたニューラルネット
ワークを用いて特徴パラメータに変換される。こうして
求められた特徴パラメータと記憶装置に記憶されている
固有ベクトル、平均値ベクトルを用いて式６によって分
光反射率に変換される。図４はこの処理の略図である。
【００３２】また、図５はもとの分光反射率と本実施例
で求めた分光反射率を重ね書きした結果であり、太実線
がもとの分光反射率を示し、細実線が推定結果を示して
いる。さらに、本実施例の結果推定された分光反射率の
推定精度を定量的に示すために、前記各光源を用い、特
徴パラメータを１個から６個まで増加させた時の全テス
トデータに対する平均色差を図６に示す。この結果をみ
ると明らかなように、４項近似でほぼ平均色差は一定と
なり、また、色差も十分に小さな値である。ただし、色
差は次式で定義される。
で求めた分光反射率を重ね書きした結果であり、太実線
がもとの分光反射率を示し、細実線が推定結果を示して
いる。さらに、本実施例の結果推定された分光反射率の
推定精度を定量的に示すために、前記各光源を用い、特
徴パラメータを１個から６個まで増加させた時の全テス
トデータに対する平均色差を図６に示す。この結果をみ
ると明らかなように、４項近似でほぼ平均色差は一定と
なり、また、色差も十分に小さな値である。ただし、色
差は次式で定義される。
【００３３】数式８
【００３４】
【数８】
【００３５】また、L*、a*、b*値 はそれぞれ次式で定
義される。 数式９
義される。 数式９
【００３６】
【数９】
【００３７】さらに、これは、全テストデータのうち２
１６色を選んで CIE L*a*b* 空間上にプロットした図
７、および図８に示す、全テストデータの近似誤差のヒ
ストグラムからも明らかである。上述したように、本実
施例の光源に依存しない特徴パラメータを用いた色情報
処理方法及び装置においては、学習機能を有するニュー
ラルネットワークを用いて、RGB 値、CMYK値等のデバイ
ス値から分光反射率に対する主成分分析によって得られ
る特徴パラメータへの変換を実現すると共に、その変換
によって得られた特徴パラメータを用いたKL展開によっ
て、対象としているもとの色の分光反射率とほぼ同じ分
光反射率をRGB値、CMYK値等のデバイス値から推定する
光源に依存しない特徴パラメータを用いた色情報処理を
行うことが可能となる。
１６色を選んで CIE L*a*b* 空間上にプロットした図
７、および図８に示す、全テストデータの近似誤差のヒ
ストグラムからも明らかである。上述したように、本実
施例の光源に依存しない特徴パラメータを用いた色情報
処理方法及び装置においては、学習機能を有するニュー
ラルネットワークを用いて、RGB 値、CMYK値等のデバイ
ス値から分光反射率に対する主成分分析によって得られ
る特徴パラメータへの変換を実現すると共に、その変換
によって得られた特徴パラメータを用いたKL展開によっ
て、対象としているもとの色の分光反射率とほぼ同じ分
光反射率をRGB値、CMYK値等のデバイス値から推定する
光源に依存しない特徴パラメータを用いた色情報処理を
行うことが可能となる。
【００３８】
【発明の効果】以上説明したように本発明によれば、色
に関する少なくとも３つの色情報値組を、それに対応す
る電気信号に変換する入力手段と、入力手段からの信号
を多変量解析によって求められる特徴パラメータ値に変
換する変換手段１と分光反射率に対する主成分分析によ
って予め求められた固有ベクトルと分光反射率の平均値
ベクトル、および予め学習させられているニューラルネ
ットワークの結合係数を保存しておく記憶装置と変換手
段１の出力と記憶装置に予め蓄えられていた固有ベクト
ル、平均値ベクトルを用いてKL展開によって、少なくと
も３つの色情報値組をそれに対応する色の分光反射率に
変換する変換手段２と変換手段２から出力を任意の出力
信号として出力する出力手段とを備えて構成し、色情報
の変換を行うに際して、学習機能を有するニューラルネ
ットワークを用いるため、十分に学習させられたニュー
ラルネットはその汎化能力によって、入力に学習に用い
られなかった未知のデータが入力された場合であって
も、入力データに対する適切な出力を得られるため、色
に関する情報値組から分光反射率を表現する特徴パラメ
ータに高精度に変換することができ、この変換によって
求められた特徴パラメータを用いKL展開を行うことによ
って非常に高精度な分光反射率の推定を実現できる色情
報処理装置を提供することができる。
に関する少なくとも３つの色情報値組を、それに対応す
る電気信号に変換する入力手段と、入力手段からの信号
を多変量解析によって求められる特徴パラメータ値に変
換する変換手段１と分光反射率に対する主成分分析によ
って予め求められた固有ベクトルと分光反射率の平均値
ベクトル、および予め学習させられているニューラルネ
ットワークの結合係数を保存しておく記憶装置と変換手
段１の出力と記憶装置に予め蓄えられていた固有ベクト
ル、平均値ベクトルを用いてKL展開によって、少なくと
も３つの色情報値組をそれに対応する色の分光反射率に
変換する変換手段２と変換手段２から出力を任意の出力
信号として出力する出力手段とを備えて構成し、色情報
の変換を行うに際して、学習機能を有するニューラルネ
ットワークを用いるため、十分に学習させられたニュー
ラルネットはその汎化能力によって、入力に学習に用い
られなかった未知のデータが入力された場合であって
も、入力データに対する適切な出力を得られるため、色
に関する情報値組から分光反射率を表現する特徴パラメ
ータに高精度に変換することができ、この変換によって
求められた特徴パラメータを用いKL展開を行うことによ
って非常に高精度な分光反射率の推定を実現できる色情
報処理装置を提供することができる。
【図１】本発明による光源に依存しない色情報処理装置
の１実施例を示す機能ブロック図。
の１実施例を示す機能ブロック図。
【図２】実施例における第１の変換手段に用いられるフ
ィードフォワード結合型のニューラルネットワークの構
成を示す概略図。
ィードフォワード結合型のニューラルネットワークの構
成を示す概略図。
【図３】実施例において導出された分光反射率の固有ベ
クトル（主成分）を示す図。
クトル（主成分）を示す図。
【図４】固有ベクトル、特徴パラメータを用いて分光反
射率を推定する流れを示す概略図。
射率を推定する流れを示す概略図。
【図５】推定された分光反射率ともとの分光反射率を比
較した１実施例。
較した１実施例。
【図６】特徴パラメータの数を１個から６個まで変えて
分光反射率を推定した場合の推定誤差を３種類の光源に
ついて比較した結果を示す図。
分光反射率を推定した場合の推定誤差を３種類の光源に
ついて比較した結果を示す図。
【図７】特徴パラメータを４個使った場合の分光反射率
の推定精度をCIE L*a*b*空間上でオリジナルと比較した
図。
の推定精度をCIE L*a*b*空間上でオリジナルと比較した
図。
【図８】分光反射率の推定結果を３種類の光源下での色
差で評価した結果を示すヒストグラム。
差で評価した結果を示すヒストグラム。
１・・・入力手段、 ２１・・・第１の変換手段 ２２・・・第２の変換手段 ３・・・記憶装置 ４・・・出力手段
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｈ０４Ｎ 1/46 Ｈ０４Ｎ 1/40 Ｄ 1/46 Ｚ
Claims (8)
- 【請求項１】色再現装置における少なくとも３つの色情
報値組で再現される色の分光反射率または分光透過率に
対する多変量解析手法により求められる色情報値組に対
応する少なくとも３つの特徴パラメータ値に変換する方
法において、変換を行うように学習させられたニューラ
ルネットワークによって非線形的に色情報を変換し、求
められた特徴パラメータと分光反射率の多変量解析によ
って得られる固有ベクトル及び分光反射率の平均値ベク
トルを用いた線形多項式近似手法によって分光反射率を
推定することを特徴とする色情報処理装置。 - 【請求項２】色再現装置における少なくとも３つの色情
報値組で再現される色の分光反射率または分光透過率に
対する多変量解析手法により求められる色情報値組に対
応する少なくとも３つの特徴パラメータ値に変換する方
法において、変換を行うように学習させられたニューラ
ルネットワークによって非線形的に色情報を変換し、求
められた特徴パラメータと分光反射率の多変量解析によ
って得られる固有ベクトル及び分光反射率の平均値ベク
トルを用いた線形多項式近似手法によって分光反射率を
推定することを特徴とする色情報処理方法。 - 【請求項３】色情報値組はカラー画像を構成するR 、G
、 B値の加法混色の三原色であることを特徴とする請
求項２記載の色情報処理方法。 - 【請求項４】色情報値組はカラー画像を構成するC 、M
、Y 、K 値の減法混色の三原色であることを特徴とす
る請求項２記載の色情報処理方法。 - 【請求項５】多変量解析法として主成分分析を用い、主
成分分析によって求められる固有ベクトルと特徴パラメ
ータを分光反射率の推定に用いることを特徴とする請求
項２ないし４いずれか記載の色情報処理方法。 - 【請求項６】ニューラルネットワークは３層から５層の
多層フィードフォワード型ニューラルネットワークであ
り、該ニューラルネットワークは学習機能を有すること
を特徴とする請求項２ないし５何れか記載の色情報処理
方法。 - 【請求項７】線形多項式近似手法としてＫＬ展開を用
い、特徴パラメータとしてＫＬ展開の係数を用いること
を特徴とする請求項２ないし６何れか記載の色情報処理
方法。 - 【請求項８】色再現装置における少なくとも３つの色情
報値組を前記情報値組で再現される色の分光反射率また
は分光透過率に対する多変量解析手法により求められる
前記色情報値組に対応する少なくとも３つの特徴パラメ
ータ値に変換する装置において、前記少なくとも３つの
色情報値組を電気信号に変換する入力手段と、前記入力
手段からの電気信号を多変量解析によって求められる特
徴パラメータ値に対応する電気信号に変換する変換手段
１と予め分光反射率分布の多変量解析手法によって求め
られた固有ベクトルと平均値ベクトル及び前記変換を予
め学習させられたニューラルネットワークの結合係数を
保存しておく記憶装置と前記変換手段１からの電気信号
と前記記憶装置に予め蓄えられている固有ベクトル、平
均値ベクトルを用いてKL展開によって前記少なくとも３
つの色情報値組で表される色の分光反射率に変換する変
換手段２と前記変換手段２から出力される電気信号を任
意の出力信号として出力する出力手段を含み、前記変換
手段１は３から５層の多層フィードフォワード型のニュ
ーラルネットであり、前記ニューラルネットワークは学
習機能を有し、少なくとも３つの色情報値組を前記色情
報値組に対応する色の分光反射率分布に変換することを
学習させられていることを特徴とする色情報処理装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10671694A JP3417051B2 (ja) | 1994-05-20 | 1994-05-20 | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 |
| US08/409,016 US5864834A (en) | 1994-05-20 | 1995-03-23 | Method and apparatus for estimating a special reflectance distribution or a spectral transmittance distribution using illuminant-independent characteristic parameters |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10671694A JP3417051B2 (ja) | 1994-05-20 | 1994-05-20 | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07320059A true JPH07320059A (ja) | 1995-12-08 |
| JP3417051B2 JP3417051B2 (ja) | 2003-06-16 |
Family
ID=14440688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10671694A Expired - Fee Related JP3417051B2 (ja) | 1994-05-20 | 1994-05-20 | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5864834A (ja) |
| JP (1) | JP3417051B2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007184378A (ja) * | 2006-01-05 | 2007-07-19 | Canon Inc | 露光装置における露光量および／または焦点合わせのための基板の位置を求める方法および装置 |
| JP2014059250A (ja) * | 2012-09-19 | 2014-04-03 | Seiko Epson Corp | 分光装置、波長可変干渉フィルター、光学フィルターデバイス、光学モジュール、及び電子機器 |
| JP2018124814A (ja) * | 2017-02-01 | 2018-08-09 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体 |
| KR101993752B1 (ko) * | 2018-02-27 | 2019-06-27 | 연세대학교 산학협력단 | 신경망을 이용한 영상 컬러 일치 방법 및 장치 |
| KR20200083119A (ko) * | 2018-12-31 | 2020-07-08 | 삼성전자주식회사 | 사용자 인증 장치 및 방법 |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6254385B1 (en) | 1997-01-02 | 2001-07-03 | Lj Laboratories, Llc | Apparatus and method for measuring optical characteristics of teeth |
| US6373573B1 (en) * | 2000-03-13 | 2002-04-16 | Lj Laboratories L.L.C. | Apparatus for measuring optical characteristics of a substrate and pigments applied thereto |
| US6307629B1 (en) * | 1997-08-12 | 2001-10-23 | Lj Laboratories, L.L.C. | Apparatus and method for measuring optical characteristics of an object |
| US6301004B1 (en) * | 2000-05-31 | 2001-10-09 | Lj Laboratories, L.L.C. | Apparatus and method for measuring optical characteristics of an object |
| US6501542B2 (en) * | 1998-06-30 | 2002-12-31 | Lj Laboratories, Llc | Apparatus and method for measuring optical characteristics of an object |
| US6870616B2 (en) * | 1998-06-30 | 2005-03-22 | Jjl Technologies Llc | Spectrometer apparatus for determining an optical characteristic of an object or material having one or more sensors for determining a physical position or non-color property |
| US6038339A (en) * | 1997-11-14 | 2000-03-14 | Hewlett-Packard Company | White point determination using correlation matrix memory |
| US6573984B2 (en) * | 1998-06-30 | 2003-06-03 | Lj Laboratories Llc | Apparatus and method for measuring optical characteristics of teeth |
| US6249348B1 (en) * | 1998-11-23 | 2001-06-19 | Lj Laboratories, L.L.C. | Integrated spectrometer assembly and methods |
| US6804390B2 (en) | 2001-02-07 | 2004-10-12 | Basf Corporation | Computer-implemented neural network color matching formulation applications |
| US6714924B1 (en) | 2001-02-07 | 2004-03-30 | Basf Corporation | Computer-implemented neural network color matching formulation system |
| US6993512B2 (en) | 2001-06-05 | 2006-01-31 | Basf Corporation | System and method for converting a color formula using an artificial intelligence based conversion model |
| US6892194B2 (en) * | 2001-06-05 | 2005-05-10 | Basf Corporation | System and method for organizing color values using an artificial intelligence based cluster model |
| US6999615B2 (en) * | 2001-06-05 | 2006-02-14 | Basf Corporation | Color management and solution distribution system and method |
| US20020184168A1 (en) * | 2001-06-05 | 2002-12-05 | Mcclanahan Craig J. | System and method for determining acceptability of proposed color solution using an artificial intelligence based tolerance model |
| US6973211B2 (en) * | 2001-06-05 | 2005-12-06 | Basf Corporation | Color management and solution distribution system and method |
| US7362357B2 (en) * | 2001-08-07 | 2008-04-22 | Signature Research, Inc. | Calibration of digital color imagery |
| JP3733094B2 (ja) * | 2002-08-22 | 2006-01-11 | トヨタ自動車株式会社 | 良否判定装置、良否判定プログラムおよび良否判定方法 |
| US20050219659A1 (en) * | 2004-03-31 | 2005-10-06 | Shuxue Quan | Reproduction of alternative forms of light from an object using digital imaging system |
| FR2871325B1 (fr) * | 2004-06-07 | 2006-09-15 | Lumiere Technology Sa | Scanner multispectral a etendue chromatique ou gamut elargi, notamment scanner a plat monopasse |
| JP4645581B2 (ja) * | 2006-11-30 | 2011-03-09 | 富士ゼロックス株式会社 | 画像処理装置、画像読取装置及び画像形成装置 |
| JP4687644B2 (ja) * | 2006-12-22 | 2011-05-25 | 富士ゼロックス株式会社 | 画像処理装置、画像読取装置及び画像形成装置 |
| US7940423B2 (en) * | 2007-11-30 | 2011-05-10 | Canon Kabushiki Kaisha | Generating a device independent interim connection space for spectral data |
| US20100231725A1 (en) * | 2009-03-16 | 2010-09-16 | Sony Corporation, A Japanese Corporation | Illuminant independent color calibration using colored rays approach |
| US8884980B2 (en) * | 2010-09-24 | 2014-11-11 | Taaz, Inc. | System and method for changing hair color in digital images |
| EP2701377A3 (en) | 2012-04-27 | 2014-12-10 | Esko Software Bvba | Calculating the spectral characteristics of the color resulting from overlaying colorants |
| JP6260442B2 (ja) * | 2014-05-02 | 2018-01-17 | 富士通株式会社 | 情報処理方法及びプログラム |
| EP3674974A1 (en) * | 2018-12-31 | 2020-07-01 | Samsung Electronics Co., Ltd. | Apparatus and method with user verification |
| CN110487403A (zh) * | 2019-09-02 | 2019-11-22 | 常州市武进区半导体照明应用技术研究院 | 一种led光谱功率分布的预测方法 |
| CN111860987B (zh) * | 2020-07-08 | 2024-05-31 | 江苏科慧半导体研究院有限公司 | 混合荧光材料发射光谱预测方法和装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0695723B2 (ja) * | 1989-03-15 | 1994-11-24 | 松下電器産業株式会社 | 色修正装置 |
| JP2575215B2 (ja) * | 1989-10-30 | 1997-01-22 | 富士写真フイルム株式会社 | カラー画像形成装置 |
| JPH0786433B2 (ja) * | 1990-05-22 | 1995-09-20 | 支朗 臼井 | 色覚情報変換方法及び装置 |
| US5386496A (en) * | 1991-02-15 | 1995-01-31 | Toyo Ink Mfg. Co., Ltd. | Method and device for nonlinear transformation of colour information by neural network |
| DE69329131T2 (de) * | 1992-05-15 | 2001-06-07 | Toyota Motor Co Ltd | Dreidimensionaler automatischer Gonio-Spektrophotometer |
| DE69414323T2 (de) * | 1993-08-06 | 1999-05-27 | Toyota Motor Co Ltd | Verfahren zur Reproduktion einer Farbe |
| US5559604A (en) * | 1993-09-27 | 1996-09-24 | Toyo Ink Manufacturing Co., Ltd. | Color matching apparatus for reproducing the same color under different illuminants |
-
1994
- 1994-05-20 JP JP10671694A patent/JP3417051B2/ja not_active Expired - Fee Related
-
1995
- 1995-03-23 US US08/409,016 patent/US5864834A/en not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007184378A (ja) * | 2006-01-05 | 2007-07-19 | Canon Inc | 露光装置における露光量および／または焦点合わせのための基板の位置を求める方法および装置 |
| JP2014059250A (ja) * | 2012-09-19 | 2014-04-03 | Seiko Epson Corp | 分光装置、波長可変干渉フィルター、光学フィルターデバイス、光学モジュール、及び電子機器 |
| JP2018124814A (ja) * | 2017-02-01 | 2018-08-09 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および、記憶媒体 |
| KR101993752B1 (ko) * | 2018-02-27 | 2019-06-27 | 연세대학교 산학협력단 | 신경망을 이용한 영상 컬러 일치 방법 및 장치 |
| KR20200083119A (ko) * | 2018-12-31 | 2020-07-08 | 삼성전자주식회사 | 사용자 인증 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3417051B2 (ja) | 2003-06-16 |
| US5864834A (en) | 1999-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3417051B2 (ja) | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 | |
| JP3287177B2 (ja) | カラーイメージング方法および装置 | |
| US5929906A (en) | Color correcting method and apparatus | |
| US7586642B2 (en) | Color-space transformation-matrix calculating system and calculating method | |
| EP1092323B1 (en) | Methods and apparatus for color device characterization | |
| CN101939997A (zh) | 采用与光源相关的色彩校正矩阵进行色彩校正的图像传感器装置及方法 | |
| US5559604A (en) | Color matching apparatus for reproducing the same color under different illuminants | |
| US20050046883A1 (en) | Color-space transformation-matrix calculating system and calculating method | |
| US5907629A (en) | Method of estimating chromaticity of illumination using neural networks | |
| US20070230774A1 (en) | Identifying optimal colors for calibration and color filter array design | |
| JP2978615B2 (ja) | カラーバランス調整装置及び方法 | |
| CN110736542A (zh) | 一种基于rgb值的光谱重建方法 | |
| JP4677699B2 (ja) | 画像処理方法、画像処理装置、撮影装置評価方法、画像情報保存方法および画像処理システム | |
| US5479524A (en) | Method and apparatus for identifying the color of an image | |
| JP3304740B2 (ja) | 色シミュレーション装置 | |
| JP2005045446A (ja) | 色変換マトリクス算出方法および色補正方法 | |
| CN110784709A (zh) | 基于感知色差最小化优化估计数码相机光谱灵敏度的方法 | |
| JP5097927B2 (ja) | 色変換マトリクス算出方法 | |
| Arai et al. | Color correction method based on the spectral reflectance estimation using a neural network | |
| JP4136820B2 (ja) | 色変換マトリクス算出方法および色補正方法 | |
| JPH07274019A (ja) | 画像評価方法およびカラー画像入力装置 | |
| KR970009063B1 (ko) | 색보정방법 및 이에 적합한 장치 | |
| JPH10173941A (ja) | 自然画像の色ずれ修正方法および装置 | |
| JPH09284581A (ja) | 色シミュレーション装置 | |
| JPH09233352A (ja) | 色シミュレーション装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |