JPH10301981A - 建物外観の色彩決定支援システム - Google Patents

Abstract

(57)【要約】 【目的】 イメージに合った建物の外壁の色彩（候補）
を推定・決定することができる建物外観の色彩決定支援
システムを提供すること 【構成】 ３０組の形容詞対のＳＤ尺度評価値からなる
イメージプロフィールを色彩候補算出部７内の信頼度算
出部８に与え各色相区分に対する信頼度を算出する。ま
た、そのイメージプロフィールは、前記各色相区分ごと
に並列的に設けられた明度・彩度決定部９に与えられ、
そこで明度・彩度が決定される。さらに、その決定部９
に接続される色相決定部１０にその明度・彩度並びにイ
メージプロフィールを与え、色相を求める。そして各部
８〜１０は、いずれもニューラルネットワークで構成
し、各部で求められた所定の色彩候補についての明度，
彩度，色相並びに信頼度を関連づけて表示装置５に出力
する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、建物外観の色彩決定支
援システムに関するもので、より具体的には、建物の外
壁の色彩を決定する際に、色彩に関する情報を与えるこ
とのできる支援システムに関する。

【０００２】

【発明の背景】建物の外壁が街路全体の印象評価に大き
な影響をもたらすことが知られている。特に、専有面積
の大きな中高層のオフィスビルなどの場合には、与える
影響も大きくなる。このように色彩の決定は、建築物の
設計の中でも重要な要因の一部をなしているが、従来係
る色彩の決定は設計者の才覚・感性に頼っているのが現
状である。

【０００３】一方、色彩の研究から、各色彩の持つイメ
ージ（ある色を見た人が持つ感情）もある程度統計立て
てわかってきている。しかし、色彩単独でそれ自体が持
つイメージと、それを大面積の外壁に塗ることにより形
成される外壁の色彩として生じるイメージが必ずしも一
致せず、係る色彩の研究結果をそのまま適用することは
できない。

【０００４】従来、建物の外壁の色彩のイメージを定量
化するため、いくつかの色彩について仮説として数学的
モデル式を仮定し、多変量解析（重回帰分析，数量化，
共分散分析など）により仮説を検証し、そのモデル式を
定量化モデルとしたものがある。しかし、係る方式で
は、仮説のモデル式を決定するまでの作業に試行錯誤を
要し、作業が煩雑である。しかも、色彩の種類は中間色
を含めると無限に存在し、係る無限の色彩すべてにモデ
ル式を決定するのは不可能である。よって、係る方式
は、実用に供し得ないものとなる。

【０００５】そこで本発明者は、あるイメージ（心理
量）が発揮するような色彩（物理量）を決定する際に、
ニューラルネットワークを用いることを考えた。つま
り、入力情報としては、ＳＤ法（ｓｅｍａｎｔｉｃ ｄ
ｉｆｆｅｒｅｎｔｉａｌ ｍｅｔｈｏｄ）による１６組
の形容詞対（ＳＤ尺度評価値）を用いた。ＳＤ法はよく
知られているように、図１に示すような反対の意味を表
す形容詞対（「明るい−暗い」等）を１組とし、それを
例えば７段階に分け、どちらにどれだけ近いかによりイ
メージを評価するもので、色彩を評価する際に使用する
形容詞対を１６組ピックアップし、使用するようにし
た。

【０００６】そして、ニューラルネットワークとして
は、代表的な入力層（形容詞対に対応してセル数は１６
個）と、中間層と出力層からなる３層構造のものを用
い、出力層としては色彩を特定する「色相」，「彩
度」，「明度」の３つとした。すると、未知（未定義）
のものについても定量化できるというメリットがあるも
のの、従来のモデル式を用いていたものと比べて色相で
若干好結果が得られたが、彩度並びに明度については従
来と同様であった。そして、このように単独のニューラ
ルネットワークを用いて決定した色彩と、実際の値（教
師値）とのずれを検証すると、従来のものよりはいい
が、依然として実用に供し得るほどのものはできなかっ
た。

【０００７】そこで本発明者らは、図２に示すように２
階層のニューラルネットワークを組むことを考えた。こ
こで、第２階層のニューラルネットワークは、Ｎ個のグ
ループに応じて並列的に配置されているが、個々のニュ
ーラルネットワークはそれぞれ上記した単独のニューラ
ルネットワークと同様の構成からなり、１６組の形容詞
対（ＳＤ尺度評価値）を入力し、色彩を特定する３つの
要素を決定し出力するものである。また、第１階層のニ
ューラルネットワークは、ＳＤ尺度評価値を入力し、第
２階層のどのネットワークが色彩を認識するのに適して
いるかを出力するネットワークである。よって、出力の
セル数は第２階層のニューラルネットワーク数の個数
（Ｎ個）となっている。

【０００８】そして、この２階層のネットワークでは、
まず第１階層で入力されたＳＤ尺度評価値で特定される
イメージにあった色彩がどのグループに属するものかを
判定させる。より具体的には、イメージにあった色彩が
各グループに属する可能性の指標を示す適合度・信頼度
を出力する。次に、第１階層に入力したものと同一のＳ
Ｄ尺度評価値を、第２階層の各ネットワークに入力し、
その第２階層にてそれぞれ自己のグループに属する色彩
の中の１つを特定し出力する。そして、その決定した色
彩情報と、上記信頼度を対にして出力する。これによ
り、信頼度の最も高いもののグループから出力される色
彩が最もそのイメージにあったものということになる。

【０００９】なお、グループは、各色彩のイメージ情報
に基づいてクラスター分析を行うことにより、相関の高
いもの同士をクラスタリングして分類した。これによ
り、１００色を５つのグループに分けることができたの
で、具体的には上記したＮは５である。

【００１０】このようにグループごとにネットワークを
分割することにより、個々のネットワークの学習空間が
狭まり、学習効果が向上するとともに認識精度も向上す
る。その結果、上記した単独のニューラルネットワーク
を用いて定量化（色彩の推定）した先行技術に比べ、認
識精度は向上したが、やはり実用化するためには十分な
精度が得られなかった。なお、上記した単独並びに２階
層のニューラルネットワークを用いてイメージ（ＳＤ尺
度評価値）にあった色彩を推定する技術は、本発明を創
案する際に提案された先行技術であり、公知技術ではな
い。

【００１１】本発明は、上記した背景に鑑みてなされた
もので、その目的とするところは、上記した問題を解決
し、イメージに合った建物の外壁の色彩（候補）を推定
・決定することができるようにし、さらに入力作業を容
易にすることができる建物外観の色彩決定支援システム
を提供するものである。また、ある色彩を外壁の色彩に
用いた場合に発揮されるイメージ情報を精度良く推定す
ることができ、設計者が決定した色彩の持つイメージの
確認などをすることができる建物外観の色彩決定支援シ
ステムを提供することを別の目的とする。

【００１２】

【課題を解決するための手段】上記した目的を達成する
ため、本発明に係る建物外観の色彩決定支援システムで
は、所定組数の形容詞対のＳＤ尺度評価値からなるイメ
ージプロフィールを入力し、そのイメージプロフィール
にあった建物外壁の色彩候補を推定し出力する建物外観
の色彩決定支援システムであって、各色相区分に対する
信頼度を算出するニューラルネットワークを備えた信頼
度算出手段と、前記各色相区分ごとに並列的に設けられ
た明度・彩度決定手段と、その明度・彩度決定手段の出
力を受け、色相を決定する色相決定手段と、前記各手段
で求められた所定の色彩候補についての明度，彩度，色
相並びに信頼度を関連づけて出力する出力手段とを備え
る。そして、前記明度・彩度決定手段は、前記イメージ
プロフィールを入力データとし、その色相区分の明度並
びに彩度を推定して出力するニューラルネットワークを
備える。また、前記色相決定手段は、前記イメージプロ
フィールと、対応する明度・彩度決定手段から出力され
る明度並びに彩度を入力データとし、ニューラルネット
ワークで色相に関する情報を推定する機能を含むように
構成した（請求項１）。

【００１３】すなわち、本発明では、まず信頼度算出手
段より色相区分ごとの信頼度が求められるので、各色相
区分ごとの明度・彩度決定手段並びに色相決定手段で決
定された色彩候補の信頼度を知ることができる。これに
より、どれくらい確からしいかがわかるので、出力され
た色彩候補を最終的に外壁の色彩に決定するか否か判断
を精度よく行える。

【００１４】また、各決定部は、ニューラルネットワー
クを用いて構成されるので、未知のデータが入力されて
も対応できる。しかも、各色相区分ごとに分割してそれ
ぞれニューラルネットワークを組んでいるので、学習す
る領域が狭くなり、効率的に精度よく学習が行え、良好
な学習結果が得られる。しかも、まず明度と彩度を求
め、色相を求める際にはイメージプロフィールとともに
先に求めた明度・彩度も入力データとして使用するた
め、より精度よく色相の決定が行える。

【００１５】また、前記色相決定手段におけるニューラ
ルネットワークは、以下に示す色相パラメータＭＡ，Ｍ
Ｂを推定するもので、 ＭＡ＝彩度×ｃｏｓ（色相角） ＭＢ＝彩度×ｓｉｎ（色相角） そのニューラルネットワークの出力ＭＡ，ＭＢに基づい
て色相を算出する手段をさらに備えて構成してもよい
（請求項２）。このようにすると、例えば色相角が０度
と３５５度というように色相角同士を比較すると離れて
いても実際には似た色相であるような場合にも、色相パ
ラメータを用いることにより似た色相は色相パラメータ
の数値も近くなり、より精度がよくなる。

【００１６】さらに、請求項１または２に記載のシステ
ムに入力するイメージプロフィールを作成するイメージ
プロフィール決定手段をさらに備え、前記決定手段は、
予め用意した色彩に関するイメージとそのイメージに対
応する各形容詞対についてのＳＤ尺度評価値を関連づけ
たテンプレートを格納した記憶手段をアクセスし、所定
のデータを表示手段に表示し、そのテンプレートを利用
して前記イメージプロフィールを決定する機能を備えて
構成してもよい（請求項３）。このようにすると、形容
詞対の組数が多くなっても、比較的簡単かつ正確にイメ
ージプロフィールを作成することができる。

【００１７】そして、上記した各システムを稼働する場
合に、例えば前記信頼度算出手段による算出結果に関係
なく、すべての色相区分に対する前記明度・彩度決定手
段と色相決定手段を動作させるようにしてもよい（請求
項４）。このようにすると、動作のアルゴリズムは一定
となるので制御が容易となる。

【００１８】一方、前記信頼度算出手段により求められ
た信頼度が所定の基準を満たす色相区分に対する前記明
度・彩度決定手段と色相決定手段を動作させるようにし
てもよい（請求項５）。このようにすると、実際に信頼
度の高いものについてのみ色彩候補を決定するため、無
駄な演算処理を実行することがなくなる。

【００１９】前記出力手段に表示する色彩候補は、前記
信頼度算出手段により算出された信頼度に基づいて決定
される複数色とすることができる（請求項６）。すなわ
ち、本発明では、各色相区分ごとにそれぞれニューラル
ネットワークからなる明度・彩度決定手段と色相決定手
段を設けているので、各手段で決定される色彩候補は１
つであっても全体としては最大色相区分の数だけ色彩候
補を求めることが可能となる（もちろん請求項５のよう
にした場合には、実際に動作する色相区分の数）。よっ
て、請求項５のようにすると、１つのイメージを入力し
た場合に、複数色の候補を出力することができ、選択の
幅が広がる。なお、「信頼度に基づいて」とは、例え
ば、信頼度の上位ｎ個（実施の形態では５個）とするよ
うな相対的に選択するものであったり、ある基準値以上
の信頼度とするような絶対的に選択するものであった
り、それらの組み合わせをするなど各種の方式をとるこ
とができる。

【００２０】上記した各発明は、いずれもイメージを入
力しそれに合致する色彩候補を決定して出力するための
ものであったが、これとは逆に色彩を入力しその色彩の
持つイメージを予測することにより自分の思っているイ
メージがあっているか否かの検証が行え、最終的に外壁
の色彩を決定する際の有効な参考資料となる。そして、
具体的な構成としては、４入力１出力のニューラルネッ
トワークをイメージプロフィールを構成する各形容詞対
の数だけ用意するとともにそれらを並列配置する。そし
て、各ニューラルネットワークに対して色彩を特定する
明度，彩度並びに色相パラメータＭＡ，ＭＢを入力デー
タとしてそれぞれ与え、各ニューラルネットワークは、
所定の形容詞対についてのＳＤ尺度評価値を算出し、か
つ、求められた各形容詞対のＳＤ尺度評価値を出力する
出力手段を備えて構成することができる。そしてこの
時、 ＭＡ＝彩度×ｃｏｓ（色相角），ＭＢ＝彩度×ｓｉｎ
（色相角） である（請求項７）。

【００２１】また、上記した発明を前提とし、入力手段
を介して与えられる色彩に関する情報に基づいて、前記
明度，彩度並びに色相パラメータＭＡ，ＭＢを決定する
色情報決定手段をさらに備え、その色情報決定手段で決
定されたデータを前記各ニューラルネットワークに与え
るようにしてもよい（請求項８）。

【００２２】前記色彩決定支援システムを構成するニュ
ーラルネットワークは、実際に建物の外観に所定の色彩
を施したサンプル画を複数種用意し、複数の人に対して
各サンプル画を見せることにより各サンプル画に対する
前記所定組数の形容詞対のＳＤ尺度評価値を求めたもの
を教師データとして学習させることにより構築できる
（請求項９）。

【００２３】すなわち、色彩そのものに対する形容詞対
のＳＤ尺度評価値は各種研究されているが、建物の外観
に色彩を施すと、色彩自体の持つＳＤ尺度評価値と異な
ることが多々ある。そこで、実際に建物の外観に各種の
色を塗ったサンプル画を複数種用意し、それを複数の人
に見せた時に各人からそれぞれＳＤ尺度評価値を聞き、
それに基づいて建物の色彩についてのＳＤ尺度評価値を
求めて教師データを作成する。そして、係る教師データ
を用いてニューラルネットワークを学習させることによ
り、サンプル画以外の色彩とイメージプロフィールの関
係付けを精度よく求めることができる。なお、サンプル
画は、コンピュータグラフィックなどを用いることによ
り簡単に多数種類のものを用意できる。

【００２４】

【発明の実施の形態】図３は、本発明に係る建物外観の
色彩決定支援システムの好適な一実施の形態を示してい
る。本形態では、３０組の形容詞対についてのＳＤ尺度
評価値により設計者等のユーザーが有する建物外壁に対
するイメージプロフィールを入力し、それに基づいて３
階層からなるニューラルネットワークを用いて最終的に
色相の候補を決定し出力するようになっている。

【００２５】つまり、同図に示すように、キーボードや
マウスなどの入力装置１を用いて各種の入力データをイ
メージプロフィール決定部２に与え、そこにおいて必要
に応じてイメージデータベース４より所定のデータを読
み出し、ユーザーが必要とする色彩のイメージプロフィ
ールを作成するようになっている。

【００２６】ここでまず入力データとなるイメージプロ
フィールの具体例を示すと、図４に示す３０組の形容詞
対からなるＳＤ尺度評価値を用いている。そしてこの３
０組の形容詞対を図示するように、評価因子（ｅｖａｌ
ｕａｔｉｏｎ）と潜在因子（ｐｏｔｅｎｃｙ）と活動因
子（ａｃｔｉｖｉｔｙ）の３つに分類し、各因子ごとに
入力できるようにしている。

【００２７】そして、入力の方式としては、まず図５に
示すようなイメージプロフィール入力画面を表示装置５
に表示する。この図５に示す入力画面がマスター画面で
あり、上方に因子選択キーＫ１があり、その下方に選択
された因子に属する形容詞対を表示する表示領域Ｒがあ
る。

【００２８】そして、マウスなどの入力装置１を操作し
てポインタＰを入力しようとする因子の表示部位に移動
させ、その状態でクリックすることにより選択された因
子（図示の例では活動因子）に属する形容詞対の一覧が
下方の表示領域Ｒに表示される。この表示領域Ｒ内に
は、各形容詞対についてのＳＤ尺度評価値を入力する評
価値入力キーＫ２が表示されており、その評価値入力キ
ーＫ２を移動することによりイメージにあった尺度の位
置に移動させたり、キーＫ２の両側に存在する空欄部分
をクリックすることによりクリックした側に１ずつキー
Ｋ２を移動させることにより各形容詞対についての評価
値を決定する。

【００２９】ところで、上記のようにして３０個の形容
詞対のそれぞれについてＳＤ尺度評価値を入力をイメー
ジしながら入力するのは煩雑でもある。さらに、例えば
「上品な」の評価値が最大（−３）で「低俗な」の評価
値が最大（３）になるようなイメージは、一般に矛盾す
るといえる。このように相互の形容詞対の評価値を矛盾
なく入力するのも煩雑となる。

【００３０】そこで本形態では、予め複数の代表的なイ
メージと各形容詞対のＳＤ尺度評価値を関連づけたテン
プレートを用意し、そのテンプレートを利用して３０組
の形容詞対のＳＤ尺度評価値を決定できるようにしてい
る。具体的には、上記した図５に示すマスター画面に表
示された「テンプレート」の部分Ｋ３を選択する。する
と、図６に示すようなテンプレート入力画面が表示され
る。なお、このテンプレート入力画面と上記したマスタ
ー画面は、マルチウインドウで両方とも表示するように
なっているが、テンプレート入力画面に表示を切り替え
るようにしてももちろん良い。

【００３１】そして、表示されたテンプレート候補の中
からイメージに合うものを選択し（「テンプレート名」
の欄に表示される）、それでよい場合には、「適用」の
部分Ｋ４を指示する。これにより、そのテンプレートに
関連づけられた各形容詞対のＳＤ尺度評価値が読み出さ
れ、図５に示すマスター画面の表示領域Ｒ内の各キーＫ
２の位置がその読み出されたＳＤ尺度評価値に応じた位
置に移動する。なお、図６に示す３つのテンプレートに
関連づけられた各形容詞対のＳＤ尺度評価値の一例を示
すと、図７〜図９に示すようになっている。

【００３２】そして、表示されたテンプレートとして記
憶されていたＳＤ尺度評価値をそのまま用いても良い
し、それを基準として所定の形容詞対について適宜修正
をするようにしてももちろん良い。また、仮に修正をし
た場合であっても、ひな型があるため最初からすべて設
定する場合に比べて簡単かつ短時間で目的とするイメー
ジプロフィールを作成することができる。このように、
テンプレートを用いることにより、簡単に自分が想定し
たイメージに対応するＳＤ尺度評価値を決定することが
でき、便利となる。

【００３３】なお、図６に示すように、「追加」・「削
除」・「名称変更」ボタンを適宜使用することにより、
新たにイメージプロフィールのテンプレートを追加した
り、不要なテンプレートを削除するなどのメンテナンス
ができるようになっている。上記したように、マスター
画面やイメージプロフィールのテンプレート入力画面並
びにそのテンプレートにより関連づけられる各形容詞対
のＳＤ尺度評価値データ等は、イメージデータベース４
に格納され、入力されたデータに応じて適宜のデータが
読み出されて表示装置５に表示したり、所定のデータが
イメージデータベース４に格納されたりするようになっ
ている。

【００３４】このようにして、３つの因子のすべてにつ
いてＳＤ尺度評価値を決定すると、その決定されたＳＤ
尺度評価値が色彩候補算出部７内の第１階層の信頼度算
出部８と、第２階層の明度・彩度決定部９等に与えられ
るようになっている。そして、色彩候補算出部７の具体
的な内部構成は、図１０に示すようになっている。

【００３５】まず、第１階層の信頼度算出部８では、与
えられたイメージプロフィール（ＳＤ尺度評価値）に基
づいて、色相ごとの信頼度を求めるようになっている。
すなわち、上記の発明の背景の欄で説明した２階層から
なるニューラルネットワークを用いた先行発明の場合に
は、第１階層でクラスタリングした結果得られた５つの
グループに対するそれぞれの信頼度を求めるようにした
が、本発明では、グループ分けを色相（色相区分）ごと
に行い、各色相についての適合度（信頼度）を求めるよ
うにした。

【００３６】つまり、色相区分は、「ＲＰ，Ｒ，ＹＲ，
Ｙ，ＧＹ，Ｇ，ＢＧ，Ｂ，ＰＢ，Ｐ」の１０種類に分類
でき、各色相区分はさらに所定数の段階（ＲＰで有れば
１ＲＰ〜１０ＲＰまで）に分類できる。そしてこの色相
区分は、曲座標系で示すと図１１のように３６０度を等
間隔（３６度ずつ）で十分割して表わせる。そこで、ニ
ューラルネットワークＡを用い、入力データ（ＳＤ尺度
評価値）に適した色彩が各色相区分に属する可能性の指
標を示す適合度・信頼度を算出し、出力する。なお、こ
こで求めた信頼度は、そのまま出力されるため、信頼度
の最も高い色相区分が、入力されたイメージにあった色
彩が属する可能性が最も高い色相候補と言うことにな
る。また、この信頼度算出部８で用いたニューラルネッ
トワークＡは、３０個のセル（形容詞対の数に対応）か
らなる入力層と、所定数の中間層及び１０個のセル（色
相区分の数に対応）を備えた出力層からなる一般的な構
成のものを用いる。

【００３７】また、図１１に示す曲座標系において、色
相の特定は上記通りであるが、中心からの距離が遠くな
るほど彩度が大きくなる。さらに図１１に示す曲座標系
のＺ軸方向が明度となる。つまり、図１１に示す円が明
度の数に応じた分だけ積層されて構成される立体空間内
のいずれかに各色彩が存在することになり、色彩を規定
することにより、円周方向のどの位置に存在するかが特
定され、彩度を規定することにより中心からの離反距離
がわかり、明度を規定することによりＺ軸方向（高さ方
向）の位置がわかる。これにより、１つの色彩が特定さ
れる。

【００３８】そこで、第２階層となる明度・彩度決定部
９では、１０種類の色相区分に対応して、１０個を並列
的に設け、各明度・彩度決定部９に対してそれぞれ第１
階層に入力したものと同一のＳＤ尺度評価値をニューラ
ルネットワークＢに入力し、各明度・彩度決定部９で
は、それぞれ自己の色相に属する色彩の中の明度Ｖと彩
度Ｃを特定し、次段の対応する色相についての色相決定
部１０に対して出力する。また、この明度・彩度決定部
９で用いたニューラルネットワークＢは、３０個のセル
（形容詞対の数に対応）からなる入力層と、所定数の中
間層及び２個のセル（明度及び彩度用）からなる出力層
を備えた一般的な構成のものを用いる。なお、第１階層
である信頼度算出部８で求められた各色相区分に対する
信頼度は、明度・彩度の決定には反映されずそのままス
ルーする。

【００３９】また、本形態では、処理の共通化を図るた
め、信頼度算出部８で求められた信頼度の大小に関係な
く、すべての色相ごとの明度・彩度決定部９を動作さ
せ、それぞれ明度と彩度を決定し出力するようにしてい
る。従って、例えば信頼度算出部８と明度・彩度決定部
９を並列的に動作させるようにしても良い。

【００４０】但し、本発明では必ずしも、このようにす
べての色相についての明度・彩度決定部９を動作させる
必要はなく、信頼度算出部８の結果に基づいて一定の基
準により選択された色相の明度・彩度決定部９について
のみ動作させるようにしても良い。そして、その場合の
一定の基準とは、信頼度の高いものから順に上位Ｎ個と
いうように相対的なものでもよく、或いは信頼度がＸ以
上というように絶対的なものでも良い。

【００４１】第３階層である色相決定部１０にて、最終
的に色相を決定する。ここで言う色相とは、信頼度算出
部で求めた１０種類の色相区分ではなく、各色相区分を
さらに所定数に分割して得られた最小単位のものであ
る。つまり、色相ＲＰの領域・区分でいえば１ＲＰ〜１
０ＲＰのどれかである。さらに本形態では、ある色相用
の色相決定部１０の出力が必ずしもその色相区分に属す
る色相になるとは限らず、他の色相区分に属する色相が
選択される可能性もある。一例を示すと、例えば色相Ｒ
用の色相決定部１０で算出され決定されたのがｍＲ（ｍ
は１〜１０の所定の数）ではなく、例えば７ＲＰなどに
なることもある。

【００４２】各色相決定部１０の内部構成は、図１０に
示すように、対応する明度・彩度決定部９で決定された
明度Ｖと彩度Ｃ並びにイメージプロフィール（対応する
明度・彩度決定部８を介して与えられたり、イメージプ
ロフィール決定部２から直接与えられたりする）の３種
類の計３２個の入力データをニューラルネットワークＣ
に与え、色相を特定するための２つのパラメータ（Ｍ
Ａ，ＭＢ）を算出して出力するようになる。さらに、そ
のパラメータ（ＭＡ，ＭＢ）に基づいて最終的に色相Ｈ
を決定する。そして、この色相決定部１０で決定した色
相Ｈと、明度・彩度決定部９で決定した明度Ｖならびに
彩度Ｃおよび信頼度算出部８で算出した信頼度を関連付
けて出力制御部１１に出力するようになる。

【００４３】ここで、色相Ｈを特定するためのパラメー
タ（ＭＡ，ＭＢ）について説明する。図１１に示す曲座
標系を簡略化すると、図１２のように表わすことができ
る。そして、１０ＲＰを０度とすると、ある色彩Ｑの色
相は、色相角θにより特定でき、さらに中心からの距離
Ｃにより彩度も特定される。つまり曲座標系では（θ，
Ｃ）でＱの座標が特定できる。このようにすると、例え
ば色相角θが０度の１０ＲＰと色相角θが３４２度の５
Ｒとでは、色としては近いが色相角で比較すると３４２
度も離れた非常に違う色相同士となってしまう。そこ
で、本形態では、色彩を規定する曲座標のグラフを図１
２に示すように直交座標系としてとらえ、色相角０度を
Ｘ軸とし、色相角９０度の位置をＹ軸とする。そして、
各パラメータＭＡ，ＭＢは、 ＭＡ＝Ｃ×ｃｏｓθ ＭＢ＝Ｃ×ｓｉｎθ 但し、Ｃは彩度，θは色相角で定義される値である。つ
まり、ある色彩Ｑの直交座標系における座標値のうちＸ
軸の座標値がＭＡとなりＹ軸の座標値がＭＢとなる。こ
れにより、彩度Ｃが同一で色相角が０度と３４２度の場
合には、前者が（Ｃ，０）となり、後者が（０．９５
Ｃ，−０．３１Ｃ）となり、比較的近い色相同士と判定
できる。

【００４４】なお、第２，第３階層のニューラルネット
ワークの学習は、同一の色相区分という狭い範囲で行わ
れるので、効率・精度がよくなり、しかも、学習する際
のサンプルとしては、その同一の色相区分とそれに隣接
する色相区分のうち近いものをあわせて行うようにした
ため、サンプル数も多くなり、より精度のよい学習が行
える。その結果、学習結果が良好となり、実際の使用に
際しても良好な認識結果が得られる。

【００４５】出力制御部１１では、色彩候補算出部７か
ら与えられた色彩候補データに基づいて、所定の表示型
式に従って表示装置５に出力する。その表示例を示す
と、図１３に示すように、信頼度の高いものから順に上
位５つまでを表示するようになっている。そして、各色
彩候補を表示するエリアの左上の１〜５までの数字が信
頼度の高い候補順位であり、各エリアの左上には、信頼
度を表示する領域候補Ｒ１を設け、右半分には色彩を特
定するための３つの要素（色相Ｈ，明度Ｖ，彩度Ｃ）を
数値化して表示する領域Ｒ２を設けている。各領域Ｒ
１，Ｒ２に表示する数値は、色彩候補算出部７から出力
される値を用いる（但し、信頼度は０〜１の値を採るた
め、その値を１００倍して％に変換するとともに、変換
後の小数点以下を四捨五入）。

【００４６】さらに３つの要素を単に数値で示しただけ
だとそれを見た人が実際の色を認識しにくいので、本形
態では、色変換部１２を設け、３つの要素（Ｈ，Ｖ，
Ｃ）で特定される色彩をＲＧＢデータに変換し、それに
基づいて色見本の表示領域Ｒ３に該当する色を表示する
ようにしている。これにより、使用者は、自分のイメー
ジに一致する色彩が信頼度の高いものから順に表示され
るので、それを見て最終的に建物外壁の色彩を決定する
際の情報として有効に利用できる。また、必要に応じて
出力制御部１１は、抽出した色彩候補に関するデータを
プリンタ１３を介してプリントアウトすることもできる
ようになっている。

【００４７】そして、信頼度算出部８で求めた信頼度
（０〜１）が０．３以上になったものについて最終的に
決定された明度・彩度・色相を求めた際に得られる色相
角と、実測値との関係を示すと、図１４のようになっ
た。そして、信頼度が０．９以上のものは○で囲んだ。
図から明らかなように、信頼度が高いものほど実測値と
算出結果とのずれが少なくなり、０．９以上のものはほ
とんど一致している。よって、未知の入力に対して色彩
候補の決定を行ってもその信頼度・確かさが保証され
る。

【００４８】図１５は、本発明に係る色彩決定支援シス
テムの第２の実施の形態を示している。同図に示すよう
に、本形態では、上記した第１の実施の形態とは逆に、
建物外壁の色彩を決定した場合に、その色彩のもつイメ
ージがどのようになっているかを予測し、それを表示す
ることにより、設計者が自分の想定したイメージ通り或
いはそれに近いものとなっているか否かを検証し、最終
的に色彩を決定する際の資料として用いるものである。

【００４９】具体的には、図示するようにマウス，キー
ボード等の入力装置１を用い、色情報決定部２０に対し
て各種の情報を与え、色情報決定部２０はデータベース
２１に格納された各種のテンプレートなどを表示装置５
に表示しながら色情報を決定するようになっている。一
例を示すと、ＪＩＳ標準色票による色彩の３要素（Ｈ，
Ｖ，Ｃ）を用いて入力する場合には、図１６に示すよう
な入力画面を表示装置５に表示する。そして、入力装置
１を使って色相，明度，彩度の３つの要素を直接入力し
ても良いし、或いは、下方に表示されたモデル色を選択
することにより色を決定することができる。なお、この
モデル色を用いた選択方法は、まず、色相用のモデルパ
ターンＭＰ１のうち所定のものを選択する。すると、そ
れに基づいて上方の色相の欄が数値化される。また、こ
れにともないその色相に応じた明度と彩度のモデルパタ
ーンＭＰ２が表示されるので、自分が想定する色を選択
する。すると、それに基づいて上方の明度と彩度の欄が
数値化される。

【００５０】また、別の入力方法としては、図１６に示
す画面のうち「色名で設定」の欄を選択する。するとこ
れに伴い図１７に示すような色名のリストが表示された
画面になる。そして、自分が決定した色を特定する色名
を探し、それを選択することによっても色の入力ができ
る。これにより、ＪＩＳ標準色票による３要素（ＨＶ
Ｃ）が知らなくても慣用的な色名に基づいて入力でき、
便利である。

【００５１】さらにまた別の入力方法としては、図１８
に示すようにＲＧＢデータで色を特定して入力すること
もできる。そして、この場合も「色名で設定」の欄を選
択することにより、図１７に示す画面を読み出すことが
できる。なお、ＲＧＢで特定する場合には、そのＲＧＢ
データを色変換部２２に送り、ＲＧＢデータから特定さ
れる色彩を示すＨＶＣデータを求め、それを色情報決定
部２０に返送するようになっている。

【００５２】さらにいずれの方法を採っても、その画面
の左上には、その時選択した色見本が表示されるように
なっており、自分が想定した色か否かの判断が簡単に確
認できるようになっている。そして、いずれの入力画面
においても、「イメージ予測」の欄を選択することによ
り、その時にその入力画面で指定した色情報がイメージ
予測部２４に転送されるようになる。なお、イメージ予
測部２４に転送するデータとしては、明度，彩度はその
ままでよいが、色相については、上記した２つのパラメ
ータ（ＭＡ，ＭＢ）を求めそのパラメータを与えるよう
になる。つまり、色相から色相角がわかるので、その色
相角と彩度Ｃに基づいてパラメータＭＡ，ＭＢを求める
ことができる。

【００５３】イメージ予測部２４は、４入力１出力のニ
ューラルネットワークを複数個用い、各ニューラルネッ
トワークで１つの形容詞対についてのＳＤ尺度評価値を
求めるようになっている。従って、本形態では、３０組
の形容詞対を用いたため、ニューラルネットワークも３
０個並列して設置する。

【００５４】そして、各ニューラルネットワークから出
力される各形容詞対のＳＤ尺度評価値を纏めてイメージ
プロフィールデータを作成し、出力制御部２５に転送す
る。出力制御部２５では、与えられたイメージプロフィ
ールデータを３つの因子ごとに分類し、たとえば図１９
に示すように、因子ごとに分類して所定数（図示の例で
は５組）ずつの形容詞対のＳＤ尺度評価値を出力するよ
うになっている。そして、入力装置１を介してスクロー
ルバーを操作することにより、同一因子に属する他の形
容詞対についてのＳＤ尺度評価値を表示することができ
る。また、因子の欄を切り替えることにより他の因子に
属する形容詞対についてのＳＤ尺度評価値を表示するこ
とができるようになっている。これにより、すべての形
容詞対についてのＳＤ尺度評価値を表示装置５の画面上
で確認できる。また、プリンター１３を用いて一括或い
は部分的にプリントアウトすることもできる。

【００５５】

【発明の効果】以上のように本発明に係る建物外観の色
彩決定支援システムでは、３階層のニューラルネットワ
ークを用いることによりイメージに合った建物の外壁の
色彩（候補）を推定・決定することができるようにな
る。さらに、請求項３に規定するように構成すると、入
力作業を容易にすることができる。

【００５６】また、請求項７，８に規定するように構成
した場合には、ある色彩を外壁の色彩に用いた場合に発
揮されるイメージ情報を精度良く推定することができ、
設計者が決定した色彩の持つイメージの確認などをする
ことができる。

【図面の簡単な説明】

【図１】ＳＤ法による形容詞対を説明する図である。

【図２】本発明者らが、本発明を創案するに至るまでに
開発した先行発明（公知ではない）を説明する図であ
る。

【図３】本発明に係る建物外観の色彩決定支援システム
の第１の実施の形態を示すブロック図である。

【図４】入力データとして使用する形容詞対のＳＤ尺度
評価値を説明する図である。

【図５】イメージプロフィール決定部の機能を説明する
図である。

【図６】イメージプロフィール決定部の機能を説明する
図である。

【図７】イメージプロフィール決定部の機能を説明する
図である。

【図８】イメージプロフィール決定部の機能を説明する
図である。

【図９】イメージプロフィール決定部の機能を説明する
図である。

【図１０】色彩候補算出部の内部構成を示す図である。

【図１１】色相を説明する図である。

【図１２】色相パラメータ（ＭＡ，ＭＢ）を説明する図
である。

【図１３】出力制御部の機能を説明する図である。

【図１４】第１の実施の形態の効果を立証する図であ
る。

【図１５】本発明に係る建物外観の色彩決定支援システ
ムの第２の実施の形態を示すブロック図である。

【図１６】色情報決定部の機能を説明する図である。

【図１７】色情報決定部の機能を説明する図である。

【図１８】色情報決定部の機能を説明する図である。

【図１９】色情報決定部の機能を説明する図である。

【符号の説明】

１ 入力装置 ２ イメージプロフィール決定部 ４ イメージデータベース ５ 表示装置 ７ 色彩候補算出部 ８ 信頼部算出部 ９ 明度・彩度決定部 １０ 色相決定部 １１ 出力制御部 １２ 色変換部 １３ プリンター ２０ 色情報決定部 ２１ データベース ２２ 色変換部 ２４ イメージ予測部 ２５ 出力制御部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 沢田 敏実 東京都中野区本町４丁目38番13号 株式会 社構造計画研究所内 (72)発明者 山本 大輔 東京都中野区本町４丁目38番13号 株式会 社構造計画研究所内

Claims (9)

【特許請求の範囲】
1. 【請求項１】 所定組数の形容詞対のＳＤ尺度評価値か
   らなるイメージプロフィールを入力し、そのイメージプ
   ロフィールにあった建物外壁の色彩候補を推定し出力す
   る建物外観の色彩決定支援システムであって、 各色相区分に対する信頼度を算出するニューラルネット
   ワークを備えた信頼度算出手段と、 前記各色相区分ごとに並列的に設けられた明度・彩度決
   定手段と、 その明度・彩度決定手段の出力を受け、色相を決定する
   色相決定手段と、 前記各手段で求められた所定の色彩候補についての明
   度，彩度，色相並びに信頼度を関連づけて出力する出力
   手段とを備え、 前記明度・彩度決定手段は、前記イメージプロフィール
   を入力データとし、その色相区分の明度並びに彩度を推
   定して出力するニューラルネットワークを備え、 前記色相決定手段は、前記イメージプロフィールと、対
   応する明度・彩度決定手段から出力される明度並びに彩
   度を入力データとし、ニューラルネットワークで色相に
   関する情報を推定する機能を含むものであることを特徴
   とする建物外観の色彩決定支援システム。
2. 【請求項２】 前記色相決定手段におけるニューラルネ
   ットワークは、以下に示す色相パラメータＭＡ，ＭＢを
   推定するもので、 ＭＡ＝彩度×ｃｏｓ（色相角） ＭＢ＝彩度×ｓｉｎ（色相角） そのニューラルネットワークの出力ＭＡ，ＭＢに基づい
   て色相を算出する手段をさらに備えたことを特徴とする
   請求項１に記載の建物外観の色彩決定支援システム。
3. 【請求項３】 請求項１または２に記載のシステムに入
   力するイメージプロフィールを作成するイメージプロフ
   ィール決定手段をさらに備え、 前記決定手段は、予め用意した色彩に関するイメージと
   そのイメージに対応する各形容詞対についてのＳＤ尺度
   評価値を関連づけたテンプレートを格納した記憶手段を
   アクセスし、所定のデータを表示手段に表示し、そのテ
   ンプレートを利用して前記イメージプロフィールを決定
   する機能を備えたものであることを特徴とする請求項１
   または２に記載の建物外観の色彩決定支援システム。
4. 【請求項４】 前記信頼度算出手段による算出結果に関
   係なく、すべての色相区分に対する前記明度・彩度決定
   手段と色相決定手段を動作させるようにしたことを特徴
   とする請求項１〜３のいずれか１項に記載の建物外観の
   色彩決定支援システム。
5. 【請求項５】 前記信頼度算出手段により求められた信
   頼度が所定の基準を満たす色相区分に対する前記明度・
   彩度決定手段と色相決定手段を動作させるようにしたこ
   とを特徴とする請求項１〜３のいずれか１項に記載の建
   物外観の色彩決定支援システム。
6. 【請求項６】 前記出力手段に表示する色彩候補は、前
   記信頼度算出手段により算出された信頼度に基づいて決
   定される複数色であることを特徴とする請求項１〜５の
   いずれか１項に記載の建物外観の色彩決定支援システ
   ム。
7. 【請求項７】 ４入力１出力のニューラルネットワーク
   をイメージプロフィールを構成する各形容詞対の数だけ
   用意するとともにそれらを並列配置し、 各ニューラルネットワークに対して色彩を特定する明
   度，彩度並びに色相パラメータＭＡ，ＭＢを入力データ
   としてそれぞれ与え、 各ニューラルネットワークは、所定の形容詞対について
   のＳＤ尺度評価値を算出し、 かつ、求められた各形容詞対のＳＤ尺度評価値を出力す
   る出力手段を備えたことを特徴とする建物外観の色彩決
   定支援システム。但し、 ＭＡ＝彩度×ｃｏｓ（色相角） ＭＢ＝彩度×ｓｉｎ（色相角）
8. 【請求項８】 入力手段を介して与えられる色彩に関す
   る情報に基づいて、前記明度，彩度並びに色相パラメー
   タＭＡ，ＭＢを決定する色情報決定手段をさらに備え、
   その色情報決定手段で決定されたデータを前記各ニュー
   ラルネットワークに与えるようにしたことを特徴とする
   請求項７に記載の建物外観の色彩決定支援システム。
9. 【請求項９】 前記色彩決定支援システムを構成するニ
   ューラルネットワークは、 実際に建物の外観に所定の色彩を施したサンプル画を複
   数種用意し、複数の人に対して各サンプル画を見せるこ
   とにより各サンプル画に対する前記所定組数の形容詞対
   のＳＤ尺度評価値を求めたものを教師データとして学習
   させたものであることを特徴とする請求項１〜８のいず
   れか１項に記載の建物外観の色彩決定支援システム。