JPH1063859A

JPH1063859A - 画質評価方法および装置

Info

Publication number: JPH1063859A
Application number: JP8239838A
Authority: JP
Inventors: Hidekiyo Tachibana; 英清立花
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1996-08-22
Filing date: 1996-08-22
Publication date: 1998-03-06

Abstract

(57)【要約】【課題】評価工数が少なく、より人間が感覚的に感じ
る画質の良さに対応した画質評価値を算出できるように
する。【解決手段】被験者が総合画質スコアを決定する際に
注目する画像上の位置を検出し、検出された位置の部分
画像情報を取り込む。取り込んだ部分画像の特徴を抽出
すると共に、その抽出した特徴に応じた画質評価値を算
出する。被験者が決定した総合画質スコアと、抽出され
た画像の特徴および算出された画質評価値との関係を学
習しておく。この学習結果に基づき、被評価画像につい
て、総合画質スコアを決定するのに必要となる画質評価
項目に関する評価を行うべき部分画像の位置を特定す
る。特定された位置の部分画像を取り込み、取り込んだ
部分画像情報に対して総合画質スコアを決定するのに必
要となる画質評価項目についての画質評価値を算出す
る。算出された画質評価値と、学習結果とに基づいて被
評価画像についての総合画質スコアを算出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、例えば紙などの
画像形成媒体上に形成された画像の画質を評価する方法
および装置に関する。

【０００２】

【従来の技術】紙などの画像形成媒体上に形成された画
像の画質の評価には、画質心理評価と、物理評価とがあ
る。画質心理評価は、人間が画像を目視して、心理的に
感じる「美しさ」や「好ましさ」の程度を数量化するこ
とによって行われるもので、いわゆる官能評価である。

【０００３】また、物理評価は、画質を左右する複数の
画質要因（画質評価項目）、例えば粒状性、階調性、鮮
鋭度、色再現域等のそれぞれに着目して、画像構造の性
質を客観的に測定した値で評価するものである。

【０００４】この場合、画質心理評価のための画像と、
物理評価のための画像は一般に異なり、画質心理評価で
は、例えば女性の顔の画像などの具体的な画像が評価用
に用いられ、物理評価では、テストチャートと呼ばれる
評価用画像が用いられる。

【０００５】そして、上記の物理評価結果と画質心理結
果とを結び付けて画質モデルとし、複写機やプリンタ等
の機器の物理的なパラメータを変化させたときに、その
変化後の画像が評価者にどれほどの心理的な反応、影響
を与えるかを予測し、複写機やプリンタ等の機器の設計
や改善効果の確認に用いていた。

【０００６】また、例えば特開平４−１６５３７２号公
報には、入力画像や複写機等の機器の物理的なパラメー
タを変化させたときの出力画像の状態を人手等により評
価した結果を教師値として学習しておき、その学習結果
を用いて、前記の物理的なパラメータを入力したとき、
その最終出力画像の品質を推定する機能を備えた画質評
価装置が示されている。

【０００７】

【発明が解決しようとする課題】しかしながら、上述し
た物理評価結果と画質心理評価結果とを結び付けた画質
モデルでは、評価する画像が、画質心理評価と物理評価
とで前述したように異なっているため、画質心理評価と
物理評価との対応関係が必ずしも良くなかった。また、
画質心理評価用の画像と、物理評価用の画像の２種の画
像を作成しておく必要があり、その上、両評価をそれぞ
れ行って結び付ける作業を行う必要があるため、評価に
時間がかかるという問題もあった。

【０００８】また、前記の公報に記載されている画質評
価装置は、複写機の物理的なパラメータと画質の関係が
得られるのみで、人間が画質を評価する画質心理評価の
要素が含まれていないという欠点があった。

【０００９】この発明は、以上の点にかんがみ、画質心
理評価と物理評価とを結び付けた画質評価を行う場合に
おいて、両評価結果の相関関係を良好なものとし、ま
た、評価用の画像が１種類の画像であっても両評価を結
び付けた評価をできるようにした画質評価方法および装
置を提供することを目的とする。

【００１０】

【課題を解決するための手段】上記課題を解決するた
め、この発明による画質評価方法（請求項１）は、画像
形成媒体上に形成された被評価画像の画質を評価する方
法であって、前記被験者が、総合画質スコアを決定する
際に注目する前記被評価画像上の位置を検出する検出工
程と、前記検出工程で検出された位置の部分画像情報を
取り込む画像情報取り込み工程と、前記画像情報取り込
み工程において取り込んだ部分画像情報に対して、当該
部分画像の特徴を抽出すると共に、その抽出した特徴に
応じた画質評価値を算出する特徴抽出および評価値算出
工程と、前記被験者が決定した総合画質スコアと、前記
特徴抽出および評価値算出工程において抽出された画像
の特徴および算出された画質評価値との関係を学習する
学習工程と、評価対象の被評価画像について、前記学習
工程での学習結果に基づき、総合画質スコアを決定する
のに必要となる画質評価項目に関する評価を行うべき部
分画像の位置を特定する位置特定工程と、前記被評価画
像中の前記位置特定工程で特定された位置の部分画像を
取り込む評価画像情報取り込み工程と、前記評価画像情
報取り込み工程で取り込んだ部分画像情報に対して、前
記総合画質スコアを決定するのに必要となる前記画質評
価項目についての画質評価値を算出する評価値算出工程
と、前記評価値算出工程で算出された前記画質評価値
と、前記学習結果とに基づいて前記被評価画像について
の総合画質スコアを算出する総合画質スコア算出工程
と、を有することを特徴とする。

【００１１】また、この発明による画質評価装置（請求
項３）は、画像形成媒体上に形成された被評価画像の画
質を評価する装置であって、被験者が、総合画質スコア
を決定する際に注目する前記被評価画像上の位置を検出
する位置検出手段と、前記位置検出手段で検出された位
置の部分画像情報を取り込む画像情報取り込み手段と、
前記画像情報取り込み手段において取り込んだ部分画像
情報に対して、当該部分画像の特徴を抽出すると共に、
その抽出した特徴に応じた画質評価値を算出する特徴抽
出および評価値算出手段と、前記被験者が決定した総合
画質スコアと、前記特徴抽出および評価値算出工程にお
いて抽出された画像の特徴および算出された画質評価値
との関係を学習する学習手段と、評価対象の被評価画像
について、前記学習工程での学習結果に基づき、総合画
質スコアを決定するのに必要となる画質評価項目に関す
る評価を行うべき部分画像の位置を特定する位置特定手
段と、前記被評価画像中の前記位置特定手段で特定され
た位置の部分画像を取り込む評価画像情報取り込み手段
と、前記評価画像情報取り込み手段で取り込んだ部分画
像情報に対して、前記総合画質スコアを決定するのに必
要となる前記画質評価項目についての画質評価値を算出
する評価値算出手段と、前記評価値算出手段で算出され
た画質評価値と、前記学習結果とに基づいて前記被評価
画像についての総合画質スコアを算出する総合画質スコ
ア算出手段と、を有することを特徴とする。

【００１２】

【作用】上述の構成のこの発明の画質評価方法において
は、まず、画像形成媒体に形成された、総合画質スコア
を決定するための被評価画像が被験者に提示される。被
験者は、評価対象となる画像中において、総合画質スコ
アを決定するべき画像部分を注目するので、検出工程に
おいて、その被験者が注目した画像部分が検出される。

【００１３】次に、画像情報取り込み工程において、前
記検出工程において検出された被験者が注目した画像部
分の画像情報が取り込まれ、特徴抽出および評価値算出
工程において、前記取り込まれた部分画像情報に対し
て、特徴を抽出するための画像処理が行われ、その部分
の特徴が抽出されると共に、前記取り込まれた部分の画
像情報に対して、その特徴に応じた画像処理が行われ、
その部分の画像評価値が算出される。

【００１４】以上の工程が複数の被験者に対して行わ
れ、学習工程において、被験者が総合画質スコアを決定
するために注目した画像部分の特徴および画像評価値と
総合画質スコアとの関係が学習される。学習が十分に行
われた後に、次のようにして、複写機やプリンタからの
出力画像である評価対象の画像、つまり被評価画像の評
価が行われる。

【００１５】すなわち、位置特定工程において、前記の
学習工程での学習結果を用いて、被評価画像中から総合
画質スコアを決定するために注目すべき画像特徴を有す
る部分画像の位置が特定される。例えば被評価画像を小
画像単位に分けて、各小画像単位の画像の特徴が抽出さ
れ、前記の学習した画像の特徴の結果が適用されて、そ
の特徴抽出された多数個の小画像の中から、総合画質ス
コアを評価するのに適した小画像の位置が特定される。

【００１６】次に、評価画像情報取り込み工程におい
て、特定された位置の部分画像が取り込まれ、次の評価
値算出工程において、取り込まれた部分画像情報に対し
て前記画像の特徴に応じた画像処理が行われ、前記被評
価画像の総合画質スコアを決定するべき画質評価値が算
出される。

【００１７】さらに、前記評価値算出工程において、算
出された前記画質評価値に対して、前記学習工程で学習
された、前記画質評価値と総合画質スコアとの関係を用
いて絵柄の総合画質スコアが算出される。

【００１８】以上のようにして、１種類の被評価画像を
評価するだけで、人間の画質心理評価に基づいた総合画
質スコアを得ることができる。

【００１９】

【発明の実施の形態】以下、この発明による画質評価方
法および装置の一実施の形態について、図を参照しなが
ら説明する。

【００２０】［第１の実施の形態］図１は、この発明に
よる画質評価装置の一実施の形態の概略構成を示すブロ
ック図である。この実施の形態の画質評価装置は、画質
評価開始指示手段１と、視線位置検出手段２と、撮像装
置３と、画像処理部４と、撮像装置移動手段５と、撮像
装置移動制御手段６と、ホストコンピュータ７とを備え
る。ホストコンピュータ７には、そのオペレータ用とし
てモニタ装置７Ｄと、マウス等の指示入力手段７Ｍとが
接続される。

【００２１】画質評価開始指示手段１は、この実施の形
態の画質評価装置が備える前述の一連の手段による画質
評価準備ができたことをホストコンピュータ７が被験者
１０に伝え、評価を開始させるためのものである。

【００２２】画質評価開始指示手段１は、図示しない
が、被験者用のディスプレイや、スピーカを備え、画質
評価の開始指示は、例えば前記ディスプレイの画面に表
示される指示メッセージにより、あるいは前記スピーカ
からの音声の指示メッセージにより、または、その両者
を併用して行われる。この指示メッセージは、例えば、
「被評価画像をよく見て、総合画質スコアを決定して下
さい」という内容である。

【００２３】視線位置検出手段２は、前記開始指示によ
って被験者１０が被評価画像８上で、注目している位置
を検出する。この視線位置検出手段２としては、この実
施の形態では、視線追跡装置を用いる。この視線追跡装
置は、被験者１０の眼部に装着されて、被験者１０の眼
の瞳孔の動きを検出する検出部２ｓからの検出データを
受けて、被験者１０の眼の瞳孔の動きを解析し、被評価
画像８に対応した座標データを出力するものである。

【００２４】この実施の形態の場合、被評価画像８は、
所定の大きさの小画像領域である複数個のセグメントに
分割され、前記座標データは、そのセグメントの被評価
画像８中の位置を示すものとされる。この実施の形態に
おいては、被評価画像８は、例えばＡ４サイズの画像の
場合で、図２に示すように、縦方向に５１２分割、ま
た、横方向に５１２分割されて、約２６万個のセグメン
トｓｇに分割される。

【００２５】そして、この実施の形態の場合、視線位置
検出手段２は、被験者１０の視線位置を示す前記座標デ
ータを一定時間間隔で、ホストコンピュータ７に出力す
る。

【００２６】撮像装置３は、例えば２次元ＣＣＤ撮像素
子と、適当な倍率を有する光学レンズとを備え、被評価
画像８のうちの、一つのセグメントｓｇを中心としたそ
の近傍の部分画像を撮像して、その撮像出力信号を画像
処理部４に出力する。その撮像領域としての前記部分画
像の領域の大きさは、例えば５ｍｍ×５ｍｍ〜２０ｍｍ
×２０ｍｍ程度が望ましい。

【００２７】この撮像装置３の撮像素子としては、被評
価画像８に応じて、例えばＣＣＤを用いた白黒撮像素子
またはカラー撮像素子が使用される。そして、撮像して
取り込んだ画像の画像信号は、Ａ／Ｄ変換した後に画像
処理部４に供給する。

【００２８】また、撮像装置３は、撮像装置移動手段５
に取り付けられており、被評価画像８上で、撮像する部
分画像位置を変更することができる。撮像装置移動手段
５は、撮像装置３を、被評価画像８上において、被評価
画像８の縦方向（Ｙ方向）および横方向（Ｘ方向）に移
動可能とする、いわゆるＸ−Ｙステージで構成される。
なお、撮像装置３を被評価画像８に対して移動可能とす
る代わりに、撮像装置３を固定とし、被評価画像８を移
動するようにしてもよい。

【００２９】画像処理部４は、画像情報記憶部（図示せ
ず）を備え、撮像装置３から取り込んだ画像および演算
処理された結果を格納する。この画像情報記憶部は、独
立の記憶部の構成としてもよいし、あるいは他の記憶部
の一部、例えばホストコンピュータ７の記憶部の一部で
構成してもよい。また、ディスクや半導体メモリを用い
た外部記憶装置であってもよい。

【００３０】画像処理部４は、撮像装置３の画素毎の感
度のばらつきや撮像時の照明ムラを除去するために、予
め、撮像装置３の画素毎の感度ばらつきや撮像時の照明
ムラを入力したときのデータにより、シェーディング補
正を行なう。

【００３１】また、画像処理部４は、入力画像信号が、
赤、緑、青の３原色信号Ｒ，Ｇ，Ｂによるカラー画像信
号である場合、後段の処理である画像特徴の抽出処理が
しやすいように、３原色信号Ｒ，Ｇ，Ｂから、ＣＩＥＬ
＊ａ＊ｂ＊信号（Ｌ^＊，ａ^＊，ｂ^＊と記載すべきである
が、便宜上、この明細書では、Ｌ＊，ａ＊，ｂ＊と記載
する。以下、同じ）への色度座標変換を行う。この色度
座標変換には、例えば図３に示すようなマトリックスを
用いる。

【００３２】画像処理部４は、さらに、取り込んだ画像
の特徴を数値化して特徴量を得る演算処理も行なう。画
像の特徴としては、例えばエッジ強度や濃度の変化を表
す濃度ＲＭＳなどが求められる。

【００３３】エッジ強度に関して、単色画像に対しては
微分オペレータが知られており、エッジ強度ｅは、次の
演算式、ｅ＝｛Δｆｘ(i，j)²＋Δｆｙ(i，j)²｝^1/2 …（１）により算出される。ここで、 Δｆｘ(i，j)²＝ｆ(i，j)−ｆ(i-1，j) …（２） Δｆｙ(i，j)²＝ｆ(i，j)−ｆ(i，j-1) …（３）であり、ｆ(i，j)はｉ（ｉ＝１，２，…，Ｉ）行、ｊ
（ｊ＝１，２，…，Ｊ）列の画素値である。

【００３４】カラー画像の場合には、エッジ強度は、例
えば前記画素値として、ＣＩＥＬ＊ａ＊ｂ＊の明度を表
すＬ＊を使用する方法や、色差ΔＥの算出式、 ΔＥ＝｛ΔＬ＊(i，j)²＋Δａ＊(i，j)²＋Δｂ＊(i，j)²｝^1/2…（４）を用いる。

【００３５】また、濃度の変化を表す濃度ＲＭＳは、次
の算出式、濃度ＲＭＳ＝｛Σ（ｆ(i，j)−ｆave ）²／（Ｉ×Ｊ） …（５）により求められる。ここで、ｆave はＩ×Ｊ個の画素値
の平均である。

【００３６】このようにして、画像処理部４では、画像
の特徴を数値化した特徴量として、複数個のパラメータ
が算出される。こうして特徴量が算出されると、画像処
理部４は、その特徴量から被験者が当該部分画像におい
て重視した画質評価項目が何であるか、例えば、粒状
性、階調性、先鋭度、色再現性等のうちの何であるか
を、予め与えられている判断基準にしたがって判断し、
特定する。この場合、判断結果として抽出する画質評価
項目は、一つに限られず、複数個であってもよく、通常
は、複数個となる。

【００３７】判断基準は、この実施の形態では、算出さ
れた特徴量を参照したときに、エッジ強度が大きい場合
は先鋭度、濃度ＲＭＳが小さい時は粒状性、ＣＩＥＬ＊
ａ＊ｂ＊の値が特定の値の場合は色再現性、といった判
断基準情報を、予め定めて与えておく。

【００３８】画像処理部４は、部分画像の画質評価項目
を特定すると、前記算出した特徴量と、この画質評価項
目とをホストコンピュータ７に送る。画像処理部４は、
また、部分画像情報に対してシェーディング補正等を施
した後、画質評価のための演算が施して、画質評価値を
算出するために、ホストコンピュータ７に送る。

【００３９】撮像装置移動制御手段６は、ホストコンピ
ュータ７からの制御信号を受けて、撮像装置移動手段５
にＸ方向およびＹ方向への移動駆動制御信号を供給す
る。撮像装置移動手段５は、撮像装置３を、前記被評価
画像８上の、この移動駆動制御信号により指定される部
分画像位置に移動させるようにする。

【００４０】ホストコンピュータ７は、上述のように、
この実施の形態の画質評価装置の全体を制御すると共
に、記憶しているプログラムにしたがって、画像処理部
４からの算出されたその特徴量と、特定された画質評価
項目とに基づいて、部分画像についての画質評価値を算
出する。

【００４１】ここで、画質評価値の算出方法の例を挙げ
る。例えば、画質評価項目の粒状性に関しては、文献
「“Noize Perception in Electrophotography”Journa
l of Applied Photographic Engineering V0l.5:Ｐ190-
196(1979) Roger P.Dooley andRodney Shaw」に記載さ
れている心理的粒状性（graininess）をウイナー・スペ
クトルと平均濃度の測定値より予測する「ショーとドー
リー（Shaw＆Dooley）のアルゴリズム」が用いられる。

【００４２】ウイナー・スペクトルＷＳ（ｆ）は、画像
をミクロ濃度計で走査して得られる平均濃度からの濃度
変動ΔＤ（ｘ）をフーリエ変換して得られるフーリエス
ペクトルの二乗値の集合平均であり、「ショーとドーリ
ー（Shaw＆Dooley）のアルゴリズム」では、次の数１に
示す算出式が用いられる。

【００４３】

【数１】また、このショーとドーリーのアルゴリズムでは、ウイ
ナー・スペクトルＷＳ（ｆ）、平均濃度Ｄave を使用し
た次の数２に示す式により心理的粒状性（graininess）
が予測される。

【００４４】

【数２】また、画質評価項目の鮮鋭度に関しては、この実施の形
態では、エッジ幅Ｅｗを画質評価値として算出する。図
４は、エッジ幅Ｅｗを算出するアルゴリズムを模式化し
たものである。すなわち、エッジ画像に直交する濃度断
面において、画像部（画素値＝Ｄmax ）と下地部（画素
値＝Ｄmin ）の濃度差を濃度域とするとき、その濃度域
の２０％のところから８０％のところまでの濃度勾配直
線２０を画像部濃度および下地濃度間で延長した幅Ｅｗ
として算出する。

【００４５】その他の画質評価項目としての、階調再現
性、解像度、色再現性、光沢感、文字判読性、質感、立
体感、色彩感、材料構成感、欠陥／ディフェクトについ
ての画質評価値の算出は、例えば次のようにすることが
できる。

【００４６】［階調再現性］には、[1] 入力カバレッジ
Ｃin＝０〜２０％以上におけるハイライト再現開始カバ
レッジのパーセンテージＣwashout 、[2] 入力カバレツ
ジＣin＝０〜２０％以上に対する色度データＬ＊、ａ
＊、ｂ＊の傾き γ_Ｌ＊＝ΔＬ＊／Ｃin γ_ａ＊＝Δａ＊／Ｃin γ_ｂ＊＝Δｂ＊／Ｃin のピーク値γ_ｐ、もしくは平均値γ_Av、もしくは最大値
と最小値の和の1/2 の値γ_1/2 [3] 入力カバレッジＣin＝８０％〜１００％におけるシ
ャドウ再現性のつぶれ発生開始カバレッジのパーセンテ
ージＣsaturation、[4] 背景部の色度データＬ_BKG＊、
ａ_BKG＊、ｂ_BKG＊、[5] 入力カバレッジＣin＝０〜１
００％における色度データＬ＊、ａ＊、ｂ＊の傾き γ_Ｌ＊＝ΔＬ＊／Ｃin γ_ａ＊＝Δａ＊／Ｃin γ_ｂ＊＝Δｂ＊／Ｃin のピーク値γ_ｐ´、もしくは平均値γ_Av´、もしくは最
大値と最小値の和の1/2の値γ_1/2´、[6] 入力階調総
数（階調としての入力量子化数）Ｔstep、[7] ｐ階調目
の再現の色データＬ＊ｐ、ａ＊ｐ、ｂ＊ｐを、この階調
再現の再現ゆらぎ量σ_Ｌ＊ｐ、σ_ａ＊ｐ、σ_ｂ＊ｐの自
乗和の平方根の２倍で加減算した値と、隣り合うｐ±１
階調目のＬ＊_ｐ±１、ａ＊_ｐ±１、ｂ＊_ｐ±１、をこの
階調再現の再現ゆらぎ量σ_{Ｌ＊ｐ±１}、σ_{ａ＊ｐ±１}、
σ_{ｂ＊ｐ±１}、の自乗和の平方根で加減算した値の２倍
で加減算した値とが交差しない場合を、「階調再現容
量」とカウントして得られるトータルの階調数Ｔcapaci
ty、[8] 隣り合う階調間のＣＩＥＬＡＢ色差ΔＥａｂの
標準偏差を、隣り合う階調間の平均ＣＩＥＬΑΒ色差Δ
Ｅａｂ（ａｖｅ）で除した値ＳＤＣＤ、[9] 前記[1] 〜
[8] で定義した物理量、およびその他の階調再現性を表
す物理量Ｘ２で構成されるｍ次元多項式、もしくは非線
形多項式、を使用する。

【００４７】［解像度］には、[1] 記録装置もしくは表
示装置における単位長さ当たりの画素密度Ｄpi、[2] 分
解可能な限界の空間周波数の値Ｃcycle 、を使用する。

【００４８】［色再現性］には、[1] Ｙ（黄）、Ｍ（マ
ゼンタ）、Ｃ（シアン）の色材の入力カバレッジ１００
％における単色Ｙ、Ｍ、Ｃと、２次色Ｒ、Ｇ、Βの色再
現ａ＊、ｂ＊のａ＊，ｂ＊面上の面積Ｓ_Gamut、[2]
Ｙ、Ｍ、Ｃの色材の入力カバレッジ０から１００％にお
ける単色Ｙ、Ｍ、Ｃと２次色Ｒ、Ｇ、Βと背景部の白と
Ｋ（黒）、もしくはＹ、Ｍ、Ｃ、３色による黒を結ぶ最
大色再現範囲（いわゆる色域）を表すＬ＊、ａ＊、ｂ＊
空間の３次元体積Ｖ_Gamut、[3] 理想色再現からの平均
のずれ量ＣＩＥＬＡＢ色差ΔＥ_ab(av)RMS、[4] 肌色、
空の色、草の色、もしくは注目する色の理想再現からの
平均のずれ量ＣＩＥＬＡＢ色差ΔＥ_ab(av)memory、[5]
背景部白色度Ｗ_BKG、[6] 上記[1] 〜[5] で定義した物
理量、およびその他の色再現性を表す物理量Ｘ４で構成
されるｍ次元多項式、もしくは非線形多項式、を使用す
る。

【００４９】［光沢（感）］には、[1] ２０゜、６０
゜、７５゜、８５゜または任意の角度の鏡面光沢度Ｇの
値、[2] 任意の角度のＤｉｓｔｉｎｃｔｎｅｓｓｏｆ
Ｉｍａｇｅｇｌｏｓｓ（鮮明度光沢感；Ｄ／Ｉ）の
値Ｇ_D/I、[3] Ｒ２゜光沢度の値Ｇ_Ｒ２゜、[4] 積分球
を用いて得られる波長３５０ｎｍ〜８００ｎｍの三剌激
値Ｙの値で鏡面光沢成分を含む場合（ＳＰＩＮ）と含ま
ない場合（ＳＰＥＸ）の差Ｙ_I-E、[5] 偏光フイルタの
ある場合と無い場合とにおける、任意の角度の微小鏡面
光沢度の差Ｇｐもしくはムラσ_GP、[6] 任意の角度のコ
ントラストグロスの値Ｇｃ、[7] 任意の角度のΑｂｓｅ
ｎｃｅｏｆｂｌｏｏｍｇｌｏｓｓの値Ｇａ、[8]
任意の角度のＳｕｒｆａｃｅＵｎｉｆｏｒｍｉｔｙ
ｇｌｏｓｓの値Ｇsu、[9] 前記[1] 〜[8] に記載の光沢
度の画像縦横方向のムラσ_GLS、[10] 前記[1] 〜[9]
で定義した物理量、およびその他の光沢感を表す物理量
Ｘ５で構成されるｍ次元多項式、もしくは非線形多項式
を使用する。

【００５０】［文字判読性］には、[1] 文字部の明度Ｌ
＊および色再現ａ＊、ｂ＊と文字周辺部の明度Ｌ＊およ
び色再現ａ＊、ｂ＊との差ΔＬ＊、ムａ＊、Δｂ＊、も
しくは色差ΔＥａｂ、[2] 文字の明度Ｌ＊および色再現
ａ＊、ｂ＊と文字周辺部の明度Ｌ＊および色再現ａ＊、
ｂ＊との差ΔＬ＊、Δａ＊、Δｂ＊、もしくは色差ΔＥ
ａｂを、濃度プロファイルから決定される前記文字部中
心と前記文字周辺部位置との距離で除した値Ｓｓ、[3]
文字のエッジの明度Ｌ＊変動もしくは色再現ａ＊、ｂ＊
変動の実効値Ｌ＊_RMS、ａ＊_RMS、ｂ＊_RMS、[4] 文字
の明度Ｌ＊および色再現ａ＊、ｂ＊のピークとボトムと
の間の位置の距離で定義されるエッジ部の幅Ｃｈｗ、
[5] 文字のエツジ部に平行に走査して得られる明度Ｌ＊
および色再現ａ＊、ｂ＊の微分をフーリエ変換した値Ｃ
ｈｓ、[6] 文字の明度Ｌ＊および色再現ａ＊、ｂ＊の
値、[7] [1] 〜[6] で定義した物理量、およびその他の
文字判読性を表す物理量Ｘ６で構成されるｍ次元多項
式、もしくは非線形多項式を使用する。

【００５１】［質感と、立体感］には、[1] ２０゜、６
０゜、７５゜、８５゜もしくは任意の角度の鏡面光沢度
Ｇ、もしくは、ＤｉｓｔｉｎｃｔｎｅｓｓｏｆＩｍ
ａｇｅｇｌｏｓｓ（Ｄ／Ｉ）の値Ｇ_D/I、もしくは、
Ｒ２゜光沢度Ｇ_Ｒ２゜、もしくは、積分球を用いて得ら
れる波長３５０ｎｍ〜８００ｎｍの三刺激値Ｙの値で鏡
面光沢成分を含む場合と含まない場合の差Ｙ_I-E、もし
くは、偏光フイルタのある場合と無い場合の任意の角度
の微小鏡面光沢度の差Ｇｐもしくはムラσ_GP、もしく
は、コントラストグロスＧｃ、もしくは、Ａｂｓｅｎｃ
ｅ０ｆｂｌｏｏｍｇｌｏｓｓＧａ、もしくは、
ＳｕｒｆａｃｅＵｎｉｆｏｒｍｉｔｙｇｌｏｓｓ
Ｇｓの各値の出力カバレッジＣout によるピーク値Ｇ_pp
とボトム値Ｇ_Bとの差Ｇ_pp−Ｇ_B、[2] この差Ｇ_pp−Ｇ
_Bの平均値Ｇ_Av、[3] 前記差Ｇ_pp−Ｇ_Bの標準偏差Ｇ
σ、[4] 前記差Ｇ_pp−Ｇ_Bの標準偏差Ｇσを平均値Ｇ_Av
で除した値Ｇｎ、[5] 総合カラー画質スコア予測対象画
像が構成する個々の画像の空間周波数と頻度の関係から
得られる頻度のピークを与える空間周波数Ｍｐ、[6] 前
記空間周波数Ｍｐの平均空間周波数Ｍ_Av、[7] 前記空間
周波数Ｍｐの空間周波数分布の標準偏差σ_Ｍ、[8] 前記
空間周波数Ｍｐの最大空間周波数差Ｍmax −Ｍmin 、
[9] 上記[1] 〜[8] で定義した物理量、およびその他の
質感、立体感を表す物理量Ｘ７で構成されるｍ次元多項
式、もしくは非線形多項式、を使用する。

【００５２】［色彩感］には、[1] 総合カラー画質スコ
ア予測対象画像が構成する個々の画像の彩度と頻度の関
係から得られるピークを与える彩度Ｃ＊ｐ（彩度Ｃ＊
は、Ｃ^＊と記載すべきであるが、便宜上、Ｃ＊と記載す
る。以下同じ）、[2] 前記彩度Ｃｐの平均彩度Ｃ＊_Av、
[3] 前記彩度Ｃｐの標準偏差σ＊_ｃ，[4] 前記彩度Ｃｐ
の最大彩度差Ｃ＊max 一Ｃ＊min 、[5] 上記[1] 〜[4]
で定義した物理量、およびその他の色彩感を表す物理量
Ｘ８で構成されるｍ次元多項式、もしくは非線形多項
式、を使用する。

【００５３】［材料構成感］には、[1] 画像形成基板材
料の平均表面粗さＲａ、もしくは画像形成基板材料上に
形成される色材の平均表面粗さＲ_ac、[2] 画像形成基板
材料の表面粗さの最大値Ｒmax 、もしくは画像形成基板
材料上に形成される色材の表面粗さの最大値Ｒmaxc、
[3] 画像形成基板材料の２次高調波成分の平均表面粗さ
Ｒ_2a、もしくは画像形成基板材料上に形成される色材の
２次高調波成分の平均表面粗さＲ_2ac、[4] 画像形成基
板材料上に形成される色材の単色もしくは２次色もしく
は３次色の厚さＴ、もしくは厚さのばらつきσ_Ｔ、もし
くは厚さの最大値Ｔmax 、[5] 画像形成基板材料の上と
画像形成基板材料の中に形成される色材の単色もしくは
２次色もしくは３次色の画像形成基板材料上の高さＨ、
もしくは高さのばらつきσ_Ｈ、もしくは高さの最大値Η
max 、もしくは画像形成基板材料中の色材の浸透深さＤ
_１、もしくは深さのばらつきσ_D1、もしくは深さの最大
値Ｄ_1max、[6] 画像形成基板材料の中に形成される色材
の単色もしくは２次色もしくは３次色の画像形成基板材
料中の浸透深さＤ_２、もしくは深さのばらつきσ_D2、も
しくは深さの最大値Ｄ_2max、[7] 画像形成基板材料の厚
さＴｐ、もしくは厚さのばらつきσ_TP、もしくは厚さの
最大値Ｔ_pmax、[8] 画像形成基板材料の白色度Ｗｐ、
[9] 画像形成基板材料もしくは色材の前記（６）の光沢
度Ｇ、[10] 画像形成後の画像形成基板材料のカール量
Ｋ、[11] 前記[1] 〜 [10] で定義した物理量、および
その他の材料構成感を表す物理量Ｘ９で構成されるｍ次
元多項式、もしくは非線形多項式、を使用する。

【００５４】［欠陥／ディフェクト］には、[1] 前記画
像パターンの黄色，マゼンタ，シアン，黒、もしくは
その他の単色からなる線画像の黄色，マゼンタ，シア
ン，黒、もしくはその他の単色に対するレジストレーシ
ョンずれ量Ｒｅ、[2] 前記画像パターンの均一色パタ
ーン中、もしくは背景部に存在する色抜け部、色しみ、
色筋、色点、色帯の大きさＤ_Dとその頻度Ｐ_D、[3] 前
記画像パターンの均一色パターン中に存在する色ムラ
の大きさΔＥabと大きさＤ_ΔＥabとその頻度Ｐ_ΔＥab、
[4] 彩度の高い画像部の色濁りＣ＊_ideal−Ｃ＊_real、
[5] 背景部の汚れＬ＊_BKG、ａ＊_BKG、ｂ＊_BKG、[6]
前記画像パターンに記載の線画像の歪み量Ｄ_ｉ、[7]
前記画像パターンに記載の線画像のジャギー量Ｊ、
[8] 上記[1] 〜[7] で定義した物理量、およびその他の
欠陥／ディフェクトを表す物理量Ｘ10で構成されるｍ次
元多項式、もしくは非線形多項式、を使用する。

【００５５】実際の画質評価値の算出にあたっては、上
述した各画質評価項目のそれぞれの画質心理物理量（最
大[1] 〜[11]）のすべてを求める必要はなく、そのうち
の一つ以上を画質評価値の算出のために使用するように
してもよい。

【００５６】ホストコンピュータ７は、上述のようにし
て、画質評価値を算出すると、被験者が決定した総合画
質スコアと、算出した画質評価値とを対応して記憶し、
総合画質スコアと画質評価値との対応を学習する。

【００５７】この実施の形態では、総合画質スコアは画
質評価値を変数とした多変量の関数として表現してお
り、ホストコンピュータ７での学習は、算出した画質評
価値を変数とした多変量関数からなる総合画質スコアの
値と、被験者の決定した総合画質スコアの値との誤差が
一定値以下になるように、前記多変量関数を決定するこ
とにより行う。すなわち、被評価画像について被験者の
画質心理評価を反映した総合画質スコアの多変量関数と
して、適切なものが得られるように学習する。

【００５８】この場合、複数の画質評価項目についての
画質評価値がすべて同じ重みを持って、総合画質スコア
に関与するのではなく、被評価画像８の絵柄に応じてそ
れぞれ異なる重みを持っている。

【００５９】なお、この場合、総合画質スコアは、被評
価画像に関して、複数の画質評価項目についての画質評
価値を変数とする多変量関数であるので、その変数であ
る複数の画質評価項目についても、ホストコンピュータ
７は、学習内容の一部として記憶している。さらに、前
記被評価画像に関して、各画質評価項目についての特徴
量のデータも保存される。そして、この保存される特徴
量としては、例えば、複数の被験者について求めた特徴
量の平均値とされる。

【００６０】図５は、学習処理手順を示すフローチャー
トである。すなわち、ホストコンピュータ７は、まず、
ステップ１０１で、画質評価開始指示手段１により、被
験者１０に画質評価開始を指示する。

【００６１】被験者１０は、この指示メッセージを受け
て、被評価画像８上で、総合画質スコアを決定するする
ために注目する画像部分を、例えば図６に示すように、
視線位置を移動させながら注視することになる。そし
て、このとき、視線位置検出手段２は、前述したよう
に、一定時間毎に、ホストコンピュータ７に、被験者１
０の視線位置の座標データを出力している。

【００６２】ホストコンピュータ７は、ステップ１０２
において、この視線位置検出手段２からの座標データを
元にして、被験者１０が注目している画像位置を検出す
る。なお、図６および図７において、ｍ（ｍ＝０〜５１
１）およびｎ（ｎ＝０〜５１１）は、図の左上を原点と
するＸ方向およびＹ方向のセグメント位置の座標値であ
る。

【００６３】この被験者１０が注目している画像位置の
検出は、次のようにして行なう。すなわち、この実施の
形態の場合には、セグメントｓｇ単位の座標データか
ら、図７に示すように、セグメントｓｇ単位の視線位置
の頻度のヒストグラムを作成し、最も多く視線が配られ
たセグメントｓｇの位置を、被験者１０の注目位置と判
断する。

【００６４】このとき、被験者１０の視線が１カ所に集
中せず、被験者１０の注目位置を検出できないときに
は、ホストコンピュータ７は、警告手段９により、被験
者１０に画像を注視してもらうように促す警告を発す
る。警告手段９は、音声により警告メッセージを被験者
１０に対して放音する、あるいはその音声警告メッセー
ジに代えて、または加えて被験者用のディスプレイ（図
示せず）に警告メッセージを表示することにより、警告
を発する。

【００６５】以上のようにして被験者１０の注目位置が
特定されると、ステップ１０３に進み、ホストコンピュ
ータ７は、撮像装置移動制御手段６に命令を出し、移動
手段５により撮像装置３を、その注目セグメント位置を
中心とした部分画像の取り込み位置に移動させる。

【００６６】次に、ステップ１０４に進んで、撮像装置
３からの当該注目位置の部分画像情報を画像処理部４に
取り込ませる。そして、ステップ１０５において、画像
処理部４において、前述したようなシェーディング補正
や色度座標変換処理等、必要な処理を行った後、前述し
たようにして、当該部分画像の特徴量の算出処理が行な
われる。そして、算出した特徴量から、注目位置の部分
画像の特徴に対応する画質評価項目を求める。

【００６７】この実施の形態の場合は、例えば、注目位
置の部分画像が、エッジ強度の大きい部分画像であり、
また、濃度ＲＭＳが小さい部分画像であるときには、被
験者１０は、被評価画像８に対して、画質評価項目とし
て、鮮鋭度と粒状性とを重視したと判断する。

【００６８】次に、ステップ１０６に進んで、ステップ
１０５で抽出した特徴に対応した画質評価演算を行う。
すなわち、ステップ１０５で判定した画質評価項目に対
応させて画質評価値を算出する。例えば、前述したよう
に、被評価画像８の総合画質スコアの評価に当たって、
鮮鋭度と粒状性とを重視したと判断したときには、鮮鋭
度に対するエッジ幅、および、粒状性に対するグレイニ
ネスを画質評価値として算出する。

【００６９】次に、ステップ１０７に進んで、被験者１
０が総合画質スコアを決定する際に注目する位置の画像
の特徴、および当該画像特徴に対する画質評価値と、被
験者１０が決定する総合画質スコアとの学習を行う。

【００７０】前述したように、この実施の形態では、総
合画質スコアは画質評価値を変数とした多変量の関数と
して表現しており、この学習は、算出した画質評価値を
変数とした多変量関数からなる総合画質スコアの値が、
被験者１０の決定した総合画質スコアの値に比べて、所
定の誤差範囲内に収まるように、前記多変量関数を求め
るものである。

【００７１】次に、ステップ１０８に進んで、被験者１
０が総合画質スコアを決定する際に注目する位置の画像
の特徴、および当該画像特徴に対する画質評価値と総合
画質スコアとの関係の学習が十分に行われた否かを判断
する。このステップ１０７の判断は、例えば、一定数以
上の複数人の被験者について学習を行なったかどうかに
加えて、被評価画像について、被験者の画質心理評価を
反映した総合画質スコアを画質評価値の多変量関数と表
したときの誤差が、一定値以下になったかどうかにより
行なう。

【００７２】このステップ１０８において、学習が十分
に行われていないと判断されると、ステップ１０１に戻
り、以上の処理を、多数の被験者について繰り返し行な
う。この学習は、適宜実施し、多くの被験者についての
情報を蓄積したほうがよいことは言うまでもない。

【００７３】そして、ステップ１０８で学習が十分に行
なわれたと判断されると、ステップ１０９において、学
習結果を、学習データベースとして記憶手段に記憶した
後、この学習の処理ルーチンは終了する。

【００７４】次に、以上のようにして作成された学習結
果にしたがって、ホストコンピュータ７は、複写装置や
印刷装置などの画像出力装置により画像形成媒体、例え
ば用紙に出力された画像の画質評価を実行する。

【００７５】図８は、この画質評価処理のフローチャー
トである。なお、この画質評価に先立ち、まず、画像形
成媒体上に形成された評価したい画像が被評価画像８と
して撮像装置３の撮像対象として設置される。この実施
の形態においては、被評価画像としては、学習時に使用
された絵柄のものと等しいものが使用される。

【００７６】画質評価の処理ルーチンが開始されると、
ステップ２０１で、学習が十分に行なわれているか否か
判断される。この判断は、前述のステップ１０８での判
断と同様にして行なわれる。学習が不十分であると判断
されると、ステップ２０２に進み、学習を行なうように
促すメッセージがモニタ装置７Ｄに表示され、この画質
評価の処理ルーチンが終了する。

【００７７】ステップ２０１で、学習が十分に行なわれ
ていると判断されたときには、ステップ２０３に進み、
学習データベースから総合画質スコアを決定するのに必
要となるすべての画質評価項目についての特徴量を取り
出す。この特徴量は、前述したように、複数の被験者に
ついて求められた特徴量の平均値とされている。

【００７８】次に、ステップ２０４に進み、撮像装置３
による被評価画像８の取り込みを行い、学習による部分
画像の特徴に最も近い特徴を有するセグメントｓｇをサ
ーチする。すなわち、移動制御手段６を介して移動手段
５を制御し、撮像装置３を被評価画像８のセグメントｓ
ｇごとに移動させ、セグメントｓｇごとに画像データを
取り込み、その特徴量の算出を行う。そして、算出した
特徴量と、学習データベースから取り出した特徴量とを
比較して、最も近いセグメントｓｇを見つけ、そのセグ
メントｓｇを、前記総合画質スコアを決定するのに必要
となる画質評価項目についての評価対象セグメントと決
定する。

【００７９】次に、ステップ２０５に進み、決定した評
価対象のセグメントｓｇの画像情報に対して、画像処理
部４において、シェーディング補正などが施された後、
ホストコンピュータ７において、画質評価のための演算
が施されて、画質評価値が算出される。そして、ステッ
プ２０６において、前記学習により得られた前記総合画
質スコアと画質評価値の多変量関数をもとに総合画質ス
コアが算出される。そして、次のステップ２０７におい
て、その算出された総合画質スコアが、モニタ装置７Ｄ
の画面に表示されるなどして出力される。そして、この
画質評価処理ルーチンを終了する。

【００８０】以上のようにして、この実施の形態によれ
ば、総合画質スコアを被験者が評価するときに注目する
部分画像の特徴を抽出し、その特徴量に基づいた画質評
価値を求め、その画質評価値と総合画質スコアとの関係
を学習しておき、その学習結果に基づき、実際に評価し
たい被評価画像中から、同様の特徴を備える評価画像部
分を抽出し、その抽出した画像部分について画質評価値
を算出し、学習により求めた関係をもとに、その算出し
た画質評価値から総合画質スコアを算出するようにした
ので、人間が感覚的に感じる画質の良さに対応した総合
画質スコアを算出することができる。

【００８１】そして、従来のように画質心理評価用の画
像に加えて画質物理量測定のための画像を用意する必要
がないので、評価工数の大幅な短縮が図れる。さらに、
学習結果を用いるものであるので、画質評価に際して、
被験者が必要ではなく、画質評価の効率が大幅に改善さ
れる。

【００８２】［第２の実施の形態］以上の実施の形態に
おいては、被験者の注目部分画像の特徴量が算出された
後に、その特徴量から被験者が当該部分画像において評
価しようとした画質評価項目が何であるかを判断する判
断基準は、その判断基準の情報を、予めユーザ等が設定
して与えるようにしたが、判断基準は、これに限られな
い。

【００８３】この第２の実施の形態においては、予め、
各画質評価項目ごとに、それがどのような特徴を呈する
かを、上述と同様の手順で学習しておき、その学習結果
の画質評価項目特徴の学習データベースを参照して、画
質評価項目が何であるかを判断するようにする。

【００８４】すなわち、図９は、画質評価項目について
の画像の特徴の学習のフローチャートである。

【００８５】まず、ステップ３０１で、評価開示指示の
ときに、例えば、「被評価画像において、指示された画
質評価項目についての特徴が最も良く現れている画像部
分を注視して下さい。」というようなメッセージを被験
者１０に与え、評価する画質評価項目を指示する。

【００８６】その後のステップ３０２〜３０４までは、
前述の図５のステップ１０２〜１０４までと同様の処理
である。そして、ステップ３０５で、被験者１０の注目
画像部分について、画像処理部４において、前述したよ
うなシェーディング補正や色度座標変換処理等、必要な
処理を行った後、当該部分画像の、指示された画質評価
項目についての特徴量を求める。

【００８７】次に、ステップ３０６に進んで、画質評価
項目に対応させて画像特徴の学習を行なう。すなわち、
前述した特徴、エッジ強度や濃度ＲＭＳの前記算出式
（１）、（４）による算出値についての、複数の被験者
についての平均値、分散、標準偏差等を求め、それをテ
ーブル化してゆく。

【００８８】次に、ステップ３０７に進んで、画質評価
項目と画像の特徴量との学習が十分に行なわれた否かを
判断する。このステップ３０７の判断においては、例え
ば、一定数以上の複数人の被験者について学習を行なっ
たかどうかに加えて、複数個の画質評価項目のすべてに
ついて、学習が十分に行なわれたかを判断する。

【００８９】そして、それぞれの画質評価項目について
の学習が十分か否かは、例えば、各画質評価項目と特徴
量との対応に関する標準偏差が一定の範囲内に入ったか
どうかにより行なう。

【００９０】ステップ３０７において、学習が十分に行
われていないと判断されると、ステップ３０１に戻り、
以上の処理を、多数の被験者について繰り返し行なう。
そして、ステップ３０７で学習が十分に行なわれたと判
断されると、ステップ３０８に進み、学習結果である画
質評価項目と特徴量との対応関係の情報テーブルを、デ
ータベースとして記憶手段に記憶する。以上で、この学
習処理ルーチンは終了する。

【００９１】この学習の結果、記憶手段にデータベース
として記憶される画質評価項目と特徴量との対応関係の
情報テーブルの例を、図１０に示す。この図１０の例
は、５０人の被験者について、学習を行ない、粒状性、
尖鋭度、階調性、…の各画質評価項目毎の特徴量のテー
ブルを作成したものである。

【００９２】この例の場合には、このような画質評価項
目ごとの特徴の学習を終了後、前述の図５に示したよう
な総合画質スコアを算出するための学習を行なう。そし
て、その際に、ステップ１０５において、画質評価項目
と特徴量との対応の学習結果のデータベースが用いられ
て、被験者が注目する部分画像から得られた特徴量か
ら、被評価画像について総合画質スコアを求めるときに
重視した画質評価項目を特定する。その他は、前述の実
施の形態の場合と同様に処理を行なう。

【００９３】この例の場合には、総合画質スコアを算出
するための多変量関数を決定する元となる画質評価項目
の決定についても、人間の画質心理評価を反映させるこ
とができ、より、人間が行なう画質評価に近くなるもの
である。

【００９４】［第３の実施の形態］上述の実施の形態で
は、被評価画像は、学習時と、評価時とで同じ絵柄のも
のとした。しかし、評価時に学習時と異なる絵柄の画像
の評価を行なえるようにすれば、便利である。

【００９５】前述したように、絵柄が変わると、複数個
の画質評価項目の総合画質スコアに対する重みが変わっ
てくる。例えば、文字画像であれば、画質評価項目の文
字判読性が重要となり、その重みが重くなる。一方、写
真などの画像の絵柄の場合には、解像度や、粒状性が重
要な画質評価項目となる。

【００９６】そこで、この第３の実施の形態では、絵柄
ごとに、各画質評価項目の特徴量についての重みの量を
定めた絵柄テーブルを用意しておくと共に、ユーザが画
質評価に先立ち、評価対象の絵柄を選択できるようにす
る。

【００９７】そして、この第３の実施の形態では、学習
結果に基づいて、評価対象の画像について、総合画質ス
コアを求めるとき、図８のフローチャートのステップ２
０５において、多変量関数としての総合画質スコアの演
算に当たって、選択された絵柄に応じて、前記絵柄テー
ブルに基づいて、多変量関数の各画質評価値の重みの量
を決定するようにする。

【００９８】このようにすれば、絵柄が異なる被評価画
像に対しても、上述と同様の手法により、総合画質スコ
アを、算出することができる。

【００９９】［その他の変形例］また、上述した実施の
形態においては、被験者１０の注目位置の検出手法とし
ては、視線が最も多く配られた位置を、そのヒストグラ
ムから求めるようにしたが、すべての視点の重心位置を
注目位置として検出するようにしてもよい。すなわち、
ｋ個の各視点の座標をＸｍ，Ｙｎとしたとき、注目位置Ｐ（ｘ，ｙ）＝（ΣＸｍ／ｋ，ΣＹｎ／ｋ）として求めてもよい。

【０１００】また、被験者１０自身が、注目位置を、マ
ウス等のポインティングデバイスまたはキーボード等に
よって、その位置を入力するようにして注目位置を決定
するようにしても、もちろんよい。

【０１０１】また、以上の説明では、学習時の注目位置
の検索を、画質評価時の撮像装置の移動単位であるセグ
メント単位で行なうようにしたが、学習時の注目位置の
検索と、画質評価時の撮像装置の移動単位とは無関係で
あるので、それぞれ独立の大きさの単位部分画像につい
て、処理を行なうようにすることもできる。

【０１０２】また、以上の実施の形態は、紙に形成され
た画像の評価について説明したが、紙ではなく、スクリ
ーンに表示された画像を評価する場合にも適用できる。

【０１０３】また、さらには、ＣＲＴや液晶ディスプレ
イに表示された画像についても同様にして、適用可能で
ある。その場合には、撮像装置は必要はなく、画面に表
示される画像に対応する画像データが記憶されるビデオ
ＲＡＭなどのメモリから、注目位置の画像を読み出し
て、それについて学習処理を行ない、また、セグメント
単位の小領域の画像データを順次に読み出し、それにつ
いて、上述と同様の処理を行なうことにより、画質評価
を行なうことができる。

【０１０４】

【発明の効果】以上説明したように、この発明によれ
ば、従来必要であった画質心理評価用の画像と画質物理
量測定のための画像との両方を用意する必要はなく、ま
た、その両評価用の画像についての評価結果から画質評
価をする必要がないので、評価工数の大幅な短縮が図れ
る。また、画質評価に際して、被験者が必要ではないの
で、画質評価の効率が大幅に改善される。

【０１０５】そして、より人間が感覚的に感じる画質の
良さに対応した総合画質スコアが算出できる。

【図面の簡単な説明】

【図１】この発明による画質評価装置の一実施形態のブ
ロック図である。

【図２】この発明による画質評価装置の一実施形態の説
明のために用いる図である。

【図３】この発明の一実施形態の一部の処理手段の処理
内容の例を説明するために用いる図である。

【図４】この発明の一実施形態における画質評価値の算
出方法の例を説明するための図である。

【図５】この発明の一実施形態の学習処理手順の例を示
すフローチャートである。

【図６】この発明の一実施形態における被験者の注目位
置検出方法を説明するために用いる図である。

【図７】この発明の一実施形態における被験者の注目位
置検出方法を説明するために用いる図である。

【図８】この発明の一実施形態の画質評価処理手順の例
を示すフローチャートである。

【図９】この発明の他の実施形態に用いる画像の特徴抽
出のために使用するデータを取得する学習のフローチャ
ートを示す図である。

【図１０】この発明の他の実施形態に用いる学習データ
の例を示す図である。

【符号の説明】

１画質評価項目指示手段２視線位置検出手段３撮像装置４画像処理部５撮像装置移動手段６撮像装置移動制御手段７ホストコンピュータ８被評価画像９警告手段１０被験者

Claims

【特許請求の範囲】

【請求項１】画像形成媒体上に形成された被評価画像の
画質を評価する方法であって、前記被験者が、総合画質スコアを決定する際に注目する
前記被評価画像上の位置を検出する検出工程と、前記検出工程で検出された位置の部分画像情報を取り込
む画像情報取り込み工程と、前記画像情報取り込み工程において取り込んだ部分画像
情報に対して、当該部分画像の特徴を抽出すると共に、
その抽出した特徴に応じた画質評価値を算出する特徴抽
出および評価値算出工程と、前記被験者が決定した総合画質スコアと、前記特徴抽出
および評価値算出工程において抽出された画像の特徴お
よび算出された画質評価値との関係を学習する学習工程
と、評価対象の被評価画像について、前記学習工程での学習
結果に基づき、総合画質スコアを決定するのに必要とな
る画質評価項目に関する評価を行うべき部分画像の位置
を特定する位置特定工程と、前記被評価画像中の前記位置特定工程で特定された位置
の部分画像を取り込む評価画像情報取り込み工程と、前記評価画像情報取り込み工程で取り込んだ部分画像情
報に対して、前記総合画質スコアを決定するのに必要と
なる前記画質評価項目についての画質評価値を算出する
評価値算出工程と、前記評価値算出工程で算出された前記画質評価値と、前
記学習結果とに基づいて前記被評価画像についての総合
画質スコアを算出する総合画質スコア算出工程と、を有することを特徴とする画質評価方法。
【請求項２】前記学習時の被評価画像と、前記総合画質
スコア算出工程で総合画質スコアを算出する被評価画像
とが異なる絵柄であるときには、前記総合画質スコア算
出工程では、絵柄に応じて前記評価値算出工程で算出さ
れた画質評価値に重み付けを行って、前記総合画質スコ
アを算出するようにしたことを特徴とする請求項１に記
載の画質評価方法。
【請求項３】画像形成媒体上に形成された被評価画像の
画質を評価する装置であって、被験者が、総合画質スコアを決定する際に注目する前記
被評価画像上の位置を検出する位置検出手段と、前記位置検出手段で検出された位置の部分画像情報を取
り込む画像情報取り込み手段と、前記画像情報取り込み手段において取り込んだ部分画像
情報に対して、当該部分画像の特徴を抽出すると共に、
その抽出した特徴に応じた画質評価値を算出する特徴抽
出および評価値算出手段と、前記被験者が決定した総合画質スコアと、前記特徴抽出
および評価値算出工程において抽出された画像の特徴お
よび算出された画質評価値との関係を学習する学習手段
と、評価対象の被評価画像について、前記学習工程での学習
結果に基づき、総合画質スコアを決定するのに必要とな
る画質評価項目に関する評価を行うべき部分画像の位置
を特定する位置特定手段と、前記被評価画像中の前記位置特定手段で特定された位置
の部分画像を取り込む評価画像情報取り込み手段と、前記評価画像情報取り込み手段で取り込んだ部分画像情
報に対して、前記総合画質スコアを決定するのに必要と
なる前記画質評価項目についての画質評価値を算出する
評価値算出手段と、前記評価値算出手段で算出された画
質評価値と、前記学習結果とに基づいて前記被評価画像
についての総合画質スコアを算出する総合画質スコア算
出手段と、を有することを特徴とする画質評価装置。