KR101571440B1 - 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치 - Google Patents

디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치 Download PDF

Info

Publication number
KR101571440B1
KR101571440B1 KR1020140048050A KR20140048050A KR101571440B1 KR 101571440 B1 KR101571440 B1 KR 101571440B1 KR 1020140048050 A KR1020140048050 A KR 1020140048050A KR 20140048050 A KR20140048050 A KR 20140048050A KR 101571440 B1 KR101571440 B1 KR 101571440B1
Authority
KR
South Korea
Prior art keywords
display
forming
deriving
evaluation
elements
Prior art date
Application number
KR1020140048050A
Other languages
English (en)
Other versions
KR20150121885A (ko
Inventor
하영호
최봉석
성정민
Original Assignee
경북대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020140048050A priority Critical patent/KR101571440B1/ko
Publication of KR20150121885A publication Critical patent/KR20150121885A/ko
Application granted granted Critical
Publication of KR101571440B1 publication Critical patent/KR101571440B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Color Image Communication Systems (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

디스플레이 컬러 화질 평가 방법은, 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함하는 계층 구조의 의사결정 모델을 형성하는 단계; 디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 각 요소들의 쌍대비교를 수행하는 단계; 쌍대비교 결과로부터 요소들의 상대적인 가중치를 도출하는 단계; 및 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출하는 단계를 포함한다. 이에 따라, 디스플레이의 상대적 인지 컬러에 영향을 미치는 주요 요소를 찾아내고, 주요 요소를 정량적으로 평가할 수 있다.

Description

디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치{METHOD OF PERCEPTUAL COLOR ASSESSMENT ON DISPLAY, RECORDING MEDIUM AND DEVICE FOR PERFORMING THE METHOD}
본 발명은 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치에 관한 것으로서, 더욱 상세하게는 Analytic Hierarchy Process(AHP) 기반의 체계화된 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치에 관한 것이다.
영상 혹은 비디오의 화질 측정은 시스템의 성능을 평가하는 것뿐만 아니라 디스플레이 시스템 성능의 최적화를 위한 이미지, 비디오 처리 분야에서 중요하게 이용되고 있다. 특히, 최근에는 유무선 통신망을 통한 이미지 다운로드, 실시간 TV, 영화, 뮤직비디오를 포함한 각종 멀티미디어 기능이 확대되고 있어, 사용자 관점에서 전송된 영상에 대한 품질측정은 통신망의 품질을 향상시킬 수 있고, 제공된 영상의 품질을 확인할 수 있어 그 중요성이 매우 크다.
인간이 디스플레이를 인지하면서 느끼는 화질의 평가는 색 재현력, 대비, 블랙의 표현, 화이트 그리고 해상도 등 디스플레이가 표현하는 여러 요소들이 복합적으로 작용하여 개인의 인지 화질에 영향을 미치게 된다. 이러한 이유로 디스플레이 화질의 평가는 항상 객관적인 평가와 일치하지 않는다. 이로 인해 최근 인간의 인지 특성을 반영한 주관적인 평가 방법을 통해 디스플레이 화질을 평가하는 방법들이 많이 시도되고 있고, 인간이 느끼는 화질에 대해 정량화하는 것은 주로 통계적인 분석법으로 많이 정량화 되어 왔다.
특히, 디스플레이의 색 재현력을 평가하기 위해 종래의 방법들은 색역(gamut)의 넓이 및 부피를 측정하는 방법을 사용하였다. 가장 단순한 색 재현력의 평가는 해당 디스플레이가 표현할 수 있는 색역의 범위를 2차원 색도그림(chromaticity diagram)에 모두 표현한 후, 모든 2차원 좌표들을 포함할 수 있는 최대 크기의 삼각형 넓이를 측정하는 방법이다. 평가 대상인 디스플레이들 별로 표현하는 색역의 크기는 다르며, 그 결과 2차원 색도그림 내 삼각형 모양의 색도 넓이를 이용함으로써 디스플레이 별 상대적 색 재현력을 비교 평가할 수 있다.
그러나, 이러한 2차원 구조의 색도그림을 이용한 색 재현력의 정량화는 한계가 있다. 일반적으로, 각각의 디스플레이가 표현할 수 있는 색의 영역은 3차원 구조로 표현이 된다. 그러나, 종래의 2차원 색역의 넓이를 이용한 평가 척도는 3차원 구조의 색 정보들 중 한 차원의 정보를 배제하게 된다. 따라서, 이러한 척도는 정확한 색 재현력을 평가하기에는 다소 불안한 점을 가지고 있다.
이후, 종래의 척도가 가지는 단점을 보안한 3차원 구조의 색 재현력 평가 척도가 제안되었다. 2차원 구조의 척도와 달리 새롭게 제안된 척도는 3차원 구조의 색 좌표들 중 최외각 좌표들을 감싸는 입체의 부피를 측정하였다. 그 결과, 3차원 구조의 척도는 종래의 2차원 구조에서 배제된 하나의 차원이 고려되어짐으로써 보다 우수한 평가 결과를 도출하였다.
이로서, 색 재현력의 평가 척도가 2차원 구조에서 3차원 구조로 확장됨에 따라 디스플레이별 색 재현력의 비교 평가가 정확해졌다. 그러나, 이러한 2차원 및 3차원 구조의 척도는 모두 최외각 좌표들을 포함하는 최소의 폐곡선 혹은 최소 입체를 사용함으로 내부 좌표들에 대한 정보를 배제하는 문제가 있다.
KR 10-2009-0069681 A KR 10-2007-0049833 A
이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 인간의 인지체계를 반영하여 디스플레이 인지 컬러를 정량적으로 평가하는 방법을 제공하는 것이다.
본 발명의 다른 목적은 상기 디스플레이 인지 컬러 평가 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 기록 매체를 제공하는 것이다.
본 발명의 또 다른 목적은 상기 디스플레이 인지 컬러 평가 방법을 수행하기 위한 장치를 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 디스플레이 인지 컬러 평가 방법은, 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함하는 계층 구조의 의사결정 모델을 형성하는 단계; 디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 각 요소들의 쌍대비교를 수행하는 단계; 상기 쌍대비교 결과로부터 상기 요소들의 상대적인 가중치를 도출하는 단계; 및 상기 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출하는 단계를 포함한다.
본 발명의 실시예에서, 상기 의사결정 모델을 형성하는 단계 및 상기 각 요소들의 쌍대비교를 수행하는 단계는, 계층 분석법(Analytic Hierarchy Process; AHP)을 기반으로 할 수 있다.
본 발명의 실시예에서, 상기 디스플레이 인지 컬러 평가 방법은, 상기 중요 요소에 대한 평가를 정량화하는 단계를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 중요 요소는 색 재현력이고, 상기 색 재현력에 대한 평가를 정량화하는 단계는, 디스플레이가 표시하는 영상을 특성화하는 단계; 상기 영상의 화소별 CIEXYZ 값을 CIEL*a*b* 공간으로 전환하는 단계; 상기 CIEL*a*b* 공간 내에 표시된 화소들을 군집화하는 단계; 및 전체 군집의 개수를 카운트하여 상기 영상의 전체 색의 개수로 추정하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 상기 의사결정 모델을 형성하는 단계는, 의사 결정의 최종 목표를 설정하는 제1 계층을 형성하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 상기 의사결정 모델을 형성하는 단계는, Black 특성(Black), 휘도(Luminance) 특성, 대비(Contrast) 특성, 세밀감(Sharpness), 가독성(Readability), 색 재현력(Color reproduction), 채도(saturation), 및 계조표현(Gradation) 중 적어도 하나의 평가 요소를 포함하는 제2 계층을 형성하는 단계를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 의사결정 모델을 형성하는 단계는, 상기 제2 계층의 평가 요소들을 각각 상대적으로 비교 평가할 디스플레이들을 포함하는 제3 계층을 형성하는 단계를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 각 요소들의 쌍대비교를 수행하는 단계는, 상기 제2 계층의 각 요소들간 쌍 비교 행렬을 형성하는 단계; 및 상기 각 요소별로 디스플레이들간 쌍 비교 행렬을 형성하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 상기 요소들의 상대적인 가중치를 도출하는 단계는, 상기 쌍 비교 행렬에서 각 고유치에 해당하는 고유벡터들을 도출하는 단계; 및 상기 각 고유벡터의 최고값을 갖는 주고유벡터들을 도출하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 상기 중요 요소를 도출하는 단계는, 상기 주고유벡터들을 이용하여 하나의 초행렬을 형성하는 단계; 및 상기 초행렬로부터 최종 가중치를 도출하여, 상기 최종 가중치가 가장 큰 요소를 중요 요소로 도출하는 단계를 포함할 수 있다.
상기한 본 발명의 다른 목적을 실현하기 위한 일 실시예에 따른 컴퓨터로 판독 가능한 저장 매체에는, 디스플레이 인지 컬러 평가 방법을 수행하기 위한 컴퓨터 프로그램이 기록되어 있다.
상기한 본 발명의 또 다른 목적을 실현하기 위한 일 실시예에 따른 디스플레이 인지 컬러 평가를 수행하기 위한 장치는, 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함하는 계층 구조로 형성된 의사결정 모델을 형성하는 모델 형성부; 디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 각 요소들의 쌍대비교를 수행하는 행렬부; 상기 쌍대비교 결과로부터 상기 요소들의 상대적인 가중치를 도출하는 가중치 도출부; 및 상기 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출하는 중요 요소 도출부를 포함한다.
본 발명의 실시예에서, 상기 인지 컬러 평가를 수행하기 위한 장치는, 계층 분석법(Analytic Hierarchy Process; AHP)을 이용할 수 있다.
본 발명의 실시예에서, 상기 인지 컬러 평가를 수행하기 위한 장치는, 상기 중요 요소에 대한 평가를 정량화하는 정량화부를 더 포함할 수 있다.
본 발명의 실시예에서, 상기 중요 요소는 색 재현력이고, 상기 정량화부는, 디스플레이가 표시하는 영상을 특성화하는 특성화부; 상기 영상의 화소별 CIEXYZ 값을 CIEL*a*b* 공간으로 전환하는 전환부; 상기 CIEL*a*b* 공간 내에 표시된 화소들을 군집화하는 클러스터링부; 및 전체 군집의 개수를 카운트하여 상기 영상의 전체 색의 개수로 추정하는 추정부를 포함할 수 있다.
본 발명의 실시예에서, 상기 모델 형성부는, 가장 좋은 화질의 디스플레이 선택을 의사 결정의 최종 목표로 설정하여 제1 계층을 형성하는 제1 계층 형성부; Black 특성(Black), 휘도(Luminance) 특성, 대비(Contrast) 특성, 세밀감(Sharpness), 가독성(Readability), 색 재현력(Color reproduction), 채도(saturation), 및 계조표현(Gradation) 중 적어도 하나의 평가 요소를 포함하는 제2 계층을 형성하는 제2 계층 형성부; 및 상기 제2 계층의 평가 요소들을 각각 상대적으로 비교 평가할 디스플레이들을 포함하는 제3 계층을 형성하는 제3 계층 형성부를 포함할 수 있다.
본 발명의 실시예에서, 상기 행렬부는, 상기 제2 계층의 각 요소들간 쌍 비교 행렬을 형성하고, 상기 각 요소별로 디스플레이들간 쌍 비교 행렬을 형성할 수 있다.
본 발명의 실시예에서, 상기 가중치 도출부는, 상기 쌍 비교 행렬에서 각 고유치에 해당하는 고유벡터들을 도출하는 고유치 분석부; 및 상기 각 고유벡터의 최고값을 갖는 주고유벡터들을 도출하는 주고유벡터 추출부를 포함할 수 있다.
본 발명의 실시예에서, 상기 주고유벡터는 요소별 가중치와 일치할 수 있다.
본 발명의 실시예에서, 상기 중요 요소 도출부는, 상기 주고유벡터들을 이용하여 하나의 초행렬을 형성하는 초행렬 형성부; 및 상기 초행렬로부터 최종 가중치를 도출하여, 상기 최종 가중치가 가장 큰 요소를 중요 요소로 도출하는 결과 도출부를 포함할 수 있다.
이와 같은 본 발명에 따르면, 디스플레이 인지 컬러 평가에 인간의 인지체계를 반영한 Analytic Hierarchy Process(AHP) 방법을 도입하여, 다양한 디스플레이들의 상대적 인지 컬러 평가에 영향을 미치는 중요 요소들을 찾아내고, 중요 요소에 대한 주관적 평가를 통해 정량화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 디스플레이 인지 컬러 평가 장치의 블록도이다.
도 2는 본 발명의 다른 실시예에 따른 디스플레이 인지 컬러 평가 장치의 블록도이다.
도 3은 본 발명의 디스플레이 인지 컬러 평가 장치의 AHP 계층 구조의 개념도이다.
도 4는 AHP 계층 구조의 요소들을 평가하는 쌍 비교 행렬을 보여주는 도면이다.
도 5는 AHP 계층 구조의 각 요소별로 디스플레이간 선호도를 평가하는 쌍 비교 행렬을 보여주는 도면이다.
도 6은 본 발명의 디스플레이 인지 컬러 평가 장치의 가중치 도출부 및 분석부의 상세 블록도이다.
도 7은 쌍 비교 행렬에서 가중치를 도출하는 것을 설명하기 위한 도면이다.
도 8은 각 요소별 화질에 미치는 영향을 정량화한 도표이다.
도 9는 각 요소별 디스플레이의 선호도를 정량화한 도표이다.
도 10은 본 발명의 디스플레이 인지 컬러 평가 장치의 정량화부의 상세 블록도이다.
도 11은 본 발명에 따라 실험으로 도출된 정량화된 선호도를 보여주는 도면이다.
도 12는 본 발명의 일 실시예에 따른 디스플레이 인지 컬러 평가 방법을 보여주는 흐름도이다.
도 13은 색 재현력에 대한 정량화 방법을 보여주는 흐름도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 디스플레이 인지 컬러 평가 장치의 블록도이다. 도 2는 본 발명의 다른 실시예에 따른 디스플레이 인지 컬러 평가 장치의 블록도이다.
도 1을 참조하면, 본 실시예에 따른 디스플레이 인지 컬러 평가 장치(10, 이하, 장치)는 모델 형성부(110), 행렬부(130), 가중치 도출부(150) 및 중요 요소 도출부(170)를 포함한다. 또한, 도 2를 참조하면 상기 장치(30)는 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소에 대한 평가를 정량화하는 정량화부(190)를 더 포함할 수 있다.
본 발명의 상기 장치(10)는 디스플레이 인지 컬러 평가를 수행하기 위한 소프트웨어(애플리케이션)가 설치되어 실행될 수 있으며, 상기 모델 형성부(110) 등의 구성은 상기 장치(10)에서 실행되는 상기 디스플레이 인지 컬러 평가를 위한 소프트웨어에 의해 제어될 수 있다.
상기 장치(10)는 별도의 단말이거나 또는 단말의 일부 모듈일 수 있다. 상기 장치(10)는 이동성을 갖거나 고정될 수 있다. 상기 장치(10)는, 서버(server) 또는 엔진(engine) 형태일 수 있으며, 디바이스(device), 기구(apparatus), 단말(terminal), UE(user equipment), MS(mobile station), MT(mobile terminal), UT(user terminal), SS(subscriber station), 무선기기(wireless device), PDA(personal digital assistant), 무선 모뎀(wireless modem), 휴대기기(handheld device) 등 다른 용어로 불릴 수 있다.
상기 모델 형성부(110)는 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함하는 계층 구조로 형성된 의사결정 모델을 형성한다. 상기 의사결정 모델은 계층 분석법(Analytic Hierarchy Process; 이하, AHP) 모델이다.
본 발명은 주관적인 컬러 평가에 영향을 미치는 요소들을 찾아내고, 정량화 하기 위해 의사결정 방법인 AHP를 통해 디스플레이 컬러 평가에 영향을 미치는 요소를 중요도 정도에 따라 분류한다. 이는 인간의 두뇌에서 복잡한 프로세스를 통해 평가되는 디스플레이의 주관적인 평가에 대해 화질에 영향을 미치는 여러 요소들을 쌍대비교에 의한 상대평가에 근거하여 인지 컬러에 미치는 중요 요소들을 도출한다. 그 다음, AHP를 통해 도출한 중요 요소들에 대해 주관적인 평가의 정량화를 통해 디스플레이 인지 컬러의 평가를 정량화한다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 최종 AHP 계층 구조로서, 제1 계층 내지 제3 계층(level)으로 구성된다.
제1 계층은 의사결정의 최종 목표, 즉 가장 좋은 컬러의 디스플레이 선택이 설정되어 있다. 제2 계층은 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함한다.
본 실시예에서는, Black 특성(Black), 휘도(Luminance) 특성, 대비(Contrast) 특성, 세밀감(Sharpness), 가독성(Readability), 색 재현력(Color reproduction), 채도(saturation), 및 계조표현(Gradation)를 평가 요소들로 포함한다. 그러나, 필요에 따라 평가 요소를 추가, 삭제, 변경 등이 가능함은 물론이다.
제3 계층은 상기 제2 계층의 평가 요소들을 각각 상대적으로 비교 평가를 수행할 디스플레이들로 배정한다. 본 실시예에서는 디스플레이 시장에서 큰 비중을 차지하고 있는 LCD 타입의 디스플레이와 최근 각광을 받고 있는 OLED 타입의 디스플레이를 선정하였다.
상기 모델 형성부(110)에서 최종 AHP 계층 구조를 형성하면, 상기 행렬부(130)는 디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 각 요소들의 쌍대비교를 수행한다. 구체적으로, 상기 행렬부(130)는 상기 제2 계층의 각 요소들간 화질의 컬러 평가에 미치는 정도를 쌍대비교로 평가하고, 상기 각 요소별로 선호 디스플레이를 쌍대비교로 평가한다.
이를 위해, 상기 행렬부(130)는 상기 제2 계층의 각 요소들간 쌍 비교 행렬을 형성하고, 상기 각 요소별로 디스플레이들간 쌍 비교 행렬을 형성할 수 있다.
도 4를 참조하면, 제2 계층에서 각 요소들간 주관적 컬러 평가에 미치는 정도를 평가하기 위해 구성한 설문지의 예를 보여준다. 설문지는 각 요소별 쌍 비교 행렬로 구성하고, 이에 따라 각 요소별 비교 결과는 설문지의 가로축 요소에 대해 세로축 요소가 얼마나 좋은지 나쁜지에 대해 '아주나쁨', '나쁨', '똑같음', '좋음', '아주좋음'으로 평가한다. 예를 들어, '똑같음'의 수치에 1점을 기준으로, '좋음'과 '아주좋음'의 평가는 2와 4점을 주고, 반대로 '아주나쁨'과 '나쁨'의 평가에 대해선 역수를 주는 방식으로 평가할 수 있다.
도 5를 참조하면, 제3 계층에 대해 각 요소별 선호하는 디스플레이를 선택하는 계층으로 구성하고, 이에 따라 설문지를 각 요소별로 디스플레이 간의 선호도 정도를 제2 계층의 평가와 같은 방법으로 5단계의 기준으로 평가한다. 각각의 쌍 비교 행렬은 개개인의 설문조사를 통해 완성될 수 있다. 예를 들어, 각 계층별, 요소별 평가는 영상처리 전문가들에 의해 실시할 수 있으며, 평가 영상은 각 요소별 특징을 가지고 있는 복수개의 영상들로 구성할 수 있다.
상기 행렬부(130)에서 쌍 비교 행렬들의 쌍대비교가 완료되면, 상기 가중치 도출부(150)는 상기 요소들의 쌍대비교 결과로부터 상대적인 가중치를 도출하고, 상기 중요 요소 도출부(170)는 상기 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출한다.
도 6 및 도 7을 참조하면, 상기 가중치 도출부(150)는 상기 쌍 비교 행렬에서 각 고유치에 해당하는 고유벡터들을 도출하는 고유치 분석부(151) 및 상기 각 고유벡터의 최고값을 갖는 주고유벡터들을 도출하는 주고유벡터 추출부(153)를 포함할 수 있다.
상기 고유치 분석부(151)는 획득된 쌍 비교 행렬들로부터 고유치 분석을 수행한다. 하나의 쌍 비교 행렬 내의 요소별 상대적 가중치는 아래의 수학식 1에 의해 계산된다. 요소별 상대적 가중치는 수학식 1을 만족하는 고유치(eigenvalue)
Figure 112014038251682-pat00001
들 중, 최대 고유치
Figure 112014038251682-pat00002
에 해당하는 최대 고유벡터(eigen vector)
Figure 112014038251682-pat00003
와 일치한다.
[수학식 1]
Figure 112014038251682-pat00004
여기서,
Figure 112014038251682-pat00005
는 각 계층의 쌍 비교 행렬이며,
Figure 112014038251682-pat00006
는 고유치이다. 또한, 각
Figure 112014038251682-pat00007
에 대해 수학식 1을 만족하는
Figure 112014038251682-pat00008
는
Figure 112014038251682-pat00009
에 해당하는 고유벡터이며, 최대
Figure 112014038251682-pat00010
에 해당하는 고유벡터를
Figure 112014038251682-pat00011
의 주고유벡터(dominant eigen vector)라 한다. 상기 주고유벡터 추출부(153)는 상기 각 고유벡터의 주고유벡터를 추출한다.
상기 중요 요소 도출부(170)는 각 계층별로 도출된 주고유벡터들을 이용하여 하나의 초행렬(super matrix)을 구성하며, 이러한 초행렬(
Figure 112014038251682-pat00012
)은 아래의 수학식 2와 같이 배열되며, 디스플레이들에 대한 최종 선호도 혹은 최종 가중치(
Figure 112014038251682-pat00013
)는 수학식 3에 의해 도출한다. 디스플레이들에 대한 최종 선호도 혹은 최종 가중치(
Figure 112014038251682-pat00014
)는 항상 수렴한다.
[수학식 2]
Figure 112014038251682-pat00015
[수학식 3]
Figure 112014038251682-pat00016
여기서,
Figure 112014038251682-pat00017
는 계층
Figure 112014038251682-pat00018
의 주고유벡터이다.
이를 위해, 상기 분석부(170)는 상기 주고유벡터들을 이용하여 하나의 초행렬을 형성하는 초행렬 형성부(171) 및 상기 초행렬로부터 최종 가중치를 도출하여, 상기 최종 가중치가 가장 큰 요소를 중요 요소로 도출하는 결과 도출부(173)를 포함할 수 있다.
도 8을 참조하면, 제2 계층에서 각 요소별 화질이 컬러에 미치는 영향을 정량적으로 보여준다. 최종 가중치를 비교해보면, 제2 계층에서 각 요소별 인지 컬러에 영향을 미치는 정도는 색 재현력, 채도, 세밀감 순서로 나타난다. 이 중 최종 가중치가 가장 높은 수치를 갖는 색 재현력이 인지 컬러에 영향을 미치는 가장 중요 요소로 판별된다.
도 9를 참조하면, 각 요소별 디스플레이의 선호도를 정량적으로 보여준다. OLED가 LCD와 비교하여 휘도(Luminance) 특성을 제외한 다른 요소들의 상대적 가중치가 높으므로, OLED의 인지 컬러가 우수함을 알 수 있다.
상기와 같이, 디스플레이의 인지 컬러 평가에 있어서 인지 컬러 평가에 미치는 주요 요소로서, 색 재현력이 가장 많은 영향을 끼치는 요소로 도출되었다. 상기 정량화부(190)는 색 재현력 요소에 대해 정량화를 수행한다.
디스플레이의 색 재현력을 평가하기 위해 종래의 방법들은 색역(gamut)의 넓이 및 부피를 측정하는 방법을 사용하였다. 그러나, 종래의 2차원 색역의 넓이를 이용한 평가 척도는 3차원 구조의 색 정보들 중 한 차원의 정보를 배제하므로, 정확한 색 재현력을 평가하기에는 다소 불안한 점을 가지고 있다. 이후, 종래의 척도가 가지는 단점을 보안한 3차원 구조의 색 재현력 평가 척도가 제안되었으나, 이러한 2차원 및 3차원 구조의 척도는 모두 최외각 좌표들을 포함하는 최소의 폐곡선 혹은 최소 입체를 사용함으로 내부 좌표들에 대한 정보를 배제하는 문제가 있었다.
따라서, 본 발명에서는 3차원 구조의 색 좌표 정보들을 사용하되 내부 정보를 고려하는 보다 정확한 색 재현력 척도를 제시한다. 본 발명에서는 디스플레이가 표현할 수 있는 전체 색좌표 공간에서 인간이 인지 할 수 있는 색들의 집합 수를 계산한다. 즉, 해당 디스플레이의 3차원 색좌표들로부터 인간이 구별할 수 있는 최소 색차 내에 포함되는 색 좌표들을 하나의 그룹(group)으로 군집화한다. 그리고, 군집화된 그룹의 수를 해당 디스플레이가 표현할 수 있는 색 재현 능력으로 정의한다. 이러한 척도의 개발은 주관적 실험을 바탕으로 하고 있으며, 인간은 다양한 종류의 디스플레이들 간 색 재현력을 평가 시, 디스플레이 내 구별할 수 있는 색의 개수가 많을수록 보다 높은 점수를 배점한다.
본 발명에서는 색 재현력 평가 척도를 구현하기 위해 패턴인식 분야에서 사용되는 순차적 알고리즘을 도입하였다. 또한, 일반적으로 인간이 구별할 수 있는 색차 범위(
Figure 112014038251682-pat00019
) 중 최대값 5를 채택하고, 이를 각 군집의 분류 기준으로 활용하였다. 본 발명에서 제안된 색 재현력 척도의 적합성을 평가하기 위해 암실에서 두 대의 모바일 디스플레이 OLED(Samsun Galaxy S3, 1280x720)와 TFT-LCD(LG optimus VuⅡ, 1024x768)를 대상으로 제안된 방법을 적용하였다. 이후, 제안된 방법을 통해 정량화된 색 재현력 척도값과 설문조사를 통해 얻은 정보와의 상관관계를 분석하였다.
본 발명에서는 보다 객관적인 실험을 위하여 정상 시각을 가진 10명의 영상처리 전공자를 대상으로 두 대의 디스플레이에 대해 상대평가를 수행하였으며, 또한 주관적 평가치가 특정 분포에 편향이 되지 않도록 다양한 색 분포 및 내용(content)을 가진 51장의 영상들을 테스트(test) 집합으로 구성하여 실험을 수행하였다. 즉, 주관적 평가에 있어 영상들의 의존도를 낮추기 위하여 직선, 곡선, 다양한 사물 및 가시광 스펙트럼(spectrum) 대역대의 색을 전반적으로 가지는 51장의 영상들로 구성하였다.
도 10을 참조하면, 상기 정량화부(190)는 디스플레이가 표시하는 영상을 특성화하는 특성화부(191), 상기 영상의 화소별 CIEXYZ 값을 CIEL*a*b* 공간으로 전환하는 전환부(193), 상기 CIEL*a*b* 공간 내에 표시된 화소들을 군집화하는 클러스터링부(195) 및 전체 군집의 개수를 카운트하여 상기 영상의 전체 색의 개수로 추정하는 추정부(197)를 포함할 수 있다.
구체적으로, 상기 특성화부(191)는 주어진 디스플레이에 표현된 입력영상의 전체 색의 개수를 근사적으로 추정하기 위해 해당 디스플레이에 대해 특성화한다. 본 발명에서는 다양한 디스플레이 특성화 중 구현이 비교적 간단한 GOG(gain-offset gamma) 모델을 사용하였다.
디스플레이 특성화란, 특정 디스플레이 장치에 대하여 입력으로 들어가는 입력 RGB 값과 출력으로 나오는 표준 색 자극 사이의 관계를 도출하는 것이다. 특성화가 잘 이루어져 있으면 입력 RGB 값에 따라 출력되는 색 자극 값을 정확히 추정할 수 있고, 수직적으로 바로 역 과정이 존재할 경우 임의의 출력 색 자극 값에 해당하는 입력 RGB 값을 추정하는 역 특성화도 특성화와 거의 동일한 정확도로 추정할 수 있게 된다.
상기 전환부(193)는 GOG 모델을 기반으로 한 특성화를 통해 얻은 영상의 화소별
Figure 112014038251682-pat00020
값들을
Figure 112014038251682-pat00021
공간으로 전환한다. 상기 클러스터링부(195)는 인간의 구분할 수 있는 최소 색차(
Figure 112014038251682-pat00022
)를 기반으로
Figure 112014038251682-pat00023
공간 내에 표현된 화소들을 군집화(clustering) 한다. 상기 추정부(197)는 전체 군집의 개수를 카운트하여 이 수치를 해당 디스플레이에 표현된 입력 영상의 전체 색의 개수로 추정한다.
도 11을 참조하면, 51장의 영상들 중 전체 경향을 대표하는 4장의 영상에 대한 실험 결과이다. 도 11은 본 발명에 따라 도출된 수치와 설문조사를 통해 획득한 디스플레이 간 선호도를 나타낸다. 구체적으로, 실험 대상인 LCD(LG optimus VuⅡ, 1024x768) 및 OLED(Samsun Galaxy S3, 1280x720)의 각각에서 추정된 입력 영상의 전체 색의 개수 및 상기 개수들의 상대적 차이를 수치화한 상대적 수치비를 나타낸다.
그 결과, 본 발명에서 새롭게 제안된 척도는 주관적 설문조사를 통해 얻은 상대적 색 재현력 선호도와 유사한 경향을 보인다는 것을 알 수 있다.
도 12는 본 발명의 일 실시예에 따른 디스플레이 인지 컬러 평가 방법을 보여주는 흐름도이다. 도 13은 색 재현력에 대한 정량화 방법을 보여주는 흐름도이다.
본 실시예에 따른 디스플레이 인지 컬러 평가 방법은, 도 1의 장치(10) 또는 도 2의 장치(30)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 장치(10) 또는 도 2의 장치(30)와 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략한다. 또는, 본 실시예에 따른 디스플레이 인지 컬러 평가 방법은 디스플레이 인지 컬러 평가를 위한 소프트웨어(애플리케이션)에 의해 실행될 수 있다.
도 12를 참조하면, 디스플레이 인지 컬러 평가 방법은, 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함하는 계층 구조의 의사결정 모델을 형성한다(단계 S10). 본 발명에서, 상기 의사결정 모델은 계층 분석법(Analytic Hierarchy Process; AHP) 모델을 이용한다.
상기 AHP 모델은 예를 들어, 3개의 계층으로 구성될 수 있고, 이 경우, 제1 계층은 의사 결정의 최종 목표, 즉, 가장 좋은 화질의 디스플레이 선택으로 설정할 수 있다.
제2 계층은 Black 특성(Black), 휘도(Luminance) 특성, 대비(Contrast) 특성, 세밀감(Sharpness), 가독성(Readability), 색 재현력(Color reproduction), 채도(saturation), 및 계조표현(Gradation) 중 적어도 하나의 평가 요소를 포함할 수 있다. 제3 계층은 상대적으로 비교 평가할 디스플레이들을 포함할 수 있다.
이어, 디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 각 요소들의 쌍대비교를 수행한다(단계 S30). 상기 각 요소들의 쌍대비교를 수행하는 단계(단계 S30)는, 상기 제2 계층의 각 요소들간 쌍 비교 행렬을 형성하는 단계 및 상기 각 요소별로 디스플레이들간 쌍 비교 행렬을 형성하는 단계를 포함할 수 있다.
각 요소들의 쌍대비교가 완료되면, 상기 쌍대비교 결과로부터 상기 요소들의 상대적인 가중치를 도출한다(단계 S50). 이를 위해, 상기 쌍 비교 행렬에서 각 고유치에 해당하는 고유벡터들을 도출하고, 상기 각 고유벡터의 최고값을 갖는 주고유벡터들을 도출한다.
이후, 상기 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출한다(단계 S70). 상기 중요 요소를 도출하기 위해, 상기 주고유벡터들을 이용하여 하나의 초행렬을 형성하고, 상기 초행렬로부터 최종 가중치를 도출하여, 상기 최종 가중치가 가장 큰 요소를 중요 요소로 도출한다.
또한, 본 발명에 따른 디스플레이 인지 컬러 평가 방법은, 상기 중요 요소에 대한 평가를 정량화하는 단계(단계 S90)를 더 포함할 수 있다. 상기 중요 요소는 색 재현력일 수 있다.
도 13을 참조하면, 상기 색 재현력에 대한 평가를 정량화하는 단계는, 디스플레이가 표시하는 영상을 특성화하는 단계(단계 S91), 상기 영상의 화소별 CIEXYZ 값을 CIEL*a*b* 공간으로 전환하는 단계(단계 S92), 상기 CIEL*a*b* 공간 내에 표시된 화소들을 군집화하는 단계(단계 S93) 및 전체 군집의 개수를 카운트하여 상기 영상의 전체 색의 개수로 추정하는 단계(단계 S94)를 포함할 수 있다.
이로써, 다양한 디스플레이들의 상대적 인지 컬러 평가에 영향을 미치는 중요 요소들을 찾아내고, 중요 요소에 대해 정량적인 평가가 가능하다.
이와 같은, 디스플레이 인지 컬러 평가 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명에 따른 디스플레이 인지 컬러 평가는 주관적인 화질의 컬러 평가에 영향을 미치는 요소들을 찾아내고, 정량화를 하기 위해 의사결정 방법인 AHP를 통해 디스플레이 화질 평가에 영향을 미치는 요소를 중요도 정도에 따라 분류한다. 또한, AHP를 통해 나타난 중요 요소들에 대해 주관적인 평가를 통해 디스플레이의 인지 컬러의 평가를 정량화하였다. 이에 따라, 다양한 디스플레이의 성능을 최적화 하기 위한 자료로 활용되어, 디스플레이의 품질을 향상시킬 수 있다.
10: 장치 110: 모델 형성부
130: 행렬부 150: 가중치 도출부
151: 고유치 분석부 153: 주고유벡터 추출부
170: 중요 요소 도출부 171: 초행렬 형성부
173: 결과 도출부 190: 정량화부
191: 특성화부 193: 전환부
195: 클러스터링부 197: 추정부

Claims (20)

  1. 디스플레이의 인지 컬러 평가에 영향을 미치는 요소들을 포함하는 계층 구조의 의사결정 모델을 형성하는 단계;
    디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 각 요소들의 쌍대비교를 수행하는 단계;
    상기 쌍대비교 결과로부터 상기 요소들의 상대적인 가중치를 도출하는 단계;
    상기 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출하는 단계; 및
    상기 중요 요소에 대한 평가를 정량화하는 단계를 포함하고,
    상기 정량화하는 단계는,
    디스플레이가 표시하는 영상을 특성화하는 단계;
    상기 영상의 화소별 CIEXYZ 값을 CIEL*a*b* 공간으로 전환하는 단계;
    상기 CIEL*a*b* 공간 내에 표시된 화소들을 군집화하는 단계; 및
    전체 군집의 개수를 카운트하여 상기 영상의 전체 색의 개수로 추정하는 단계를 포함하는, 디스플레이 인지 컬러 평가 방법.
  2. 제1항에 있어서,
    상기 의사결정 모델을 형성하는 단계 및 상기 각 요소들의 쌍대비교를 수행하는 단계는,
    계층 분석법(Analytic Hierarchy Process; AHP)을 기반으로 하는, 디스플레이 인지 컬러 평가 방법.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 의사결정 모델을 형성하는 단계는,
    의사 결정의 최종 목표를 설정하는 제1 계층을 형성하는 단계를 포함하는, 디스플레이 인지 컬러 평가 방법.
  6. 제5항에 있어서,
    상기 의사결정 모델을 형성하는 단계는,
    Black 특성(Black), 휘도(Luminance) 특성, 대비(Contrast) 특성, 세밀감(Sharpness), 가독성(Readability), 색 재현력(Color reproduction), 채도(saturation), 및 계조표현(Gradation) 중 적어도 하나의 평가 요소를 포함하는 제2 계층을 형성하는 단계를 더 포함하는, 디스플레이 인지 컬러 평가 방법.
  7. 제6항에 있어서,
    상기 의사결정 모델을 형성하는 단계는,
    상기 제2 계층의 평가 요소들을 각각 상대적으로 비교 평가할 디스플레이들을 포함하는 제3 계층을 형성하는 단계를 더 포함하는, 디스플레이 인지 컬러 평가 방법.
  8. 제7항에 있어서,
    상기 각 요소들의 쌍대비교를 수행하는 단계는,
    상기 제2 계층의 각 요소들간 쌍 비교 행렬을 형성하는 단계; 및
    상기 각 요소별로 디스플레이들간 쌍 비교 행렬을 형성하는 단계를 포함하는, 디스플레이 인지 컬러 평가 방법.
  9. 제8항에 있어서,
    상기 요소들의 상대적인 가중치를 도출하는 단계는,
    상기 쌍 비교 행렬에서 각 고유치에 해당하는 고유벡터들을 도출하는 단계; 및
    상기 각 고유벡터의 최고값을 갖는 주고유벡터들을 도출하는 단계를 포함하는, 디스플레이 인지 컬러 평가 방법.
  10. 제9항에 있어서,
    상기 중요 요소를 도출하는 단계는,
    상기 주고유벡터들을 이용하여 하나의 초행렬을 형성하는 단계; 및
    상기 초행렬로부터 최종 가중치를 도출하여, 상기 최종 가중치가 가장 큰 요소를 중요 요소로 도출하는 단계를 포함하는, 디스플레이 인지 컬러 평가 방법.
  11. 제1항 내지 제2항, 제5항 내지 제10항 중 어느 하나의 항에 따른 디스플레이 인지 컬러 평가 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  12. 가장 좋은 화질의 디스플레이 선택을 의사 결정의 최종 목표로 설정하여 제1 계츨을 형성하는 제1 계층 형성부, Black 특성(Black), 휘도(Luminance) 특성, 대비(Contrast) 특성, 세밀감(Sharpness), 가독성(Readability), 색 재현력(Color reproduction), 채도(saturation) 및 계조표현(Gradation) 중 적어도 하나의 평가 요소를 포함하는 제2 계층을 형성하는 제2 계층 형성부 및 상기 제2 계층의 평가 요소들을 각각 상대적으로 비교 평가할 디스플레이들을 포함하는 제3 계층을 형성하는 제3 계층 형성부를 포함하는 의사결정 모델을 형성하는 모델 형성부;
    디스플레이의 인지 컬러 평가에 영향이 미치는 정도를 측정하기 위해 상기 제2 계층의 각 요소들간 쌍 비교 행렬과 상기 각 요소별로 디스플레이들간 쌍 비교 행렬을 형성하여, 각 요소들의 쌍대비교를 수행하는 행렬부;
    상기 쌍대비교 결과로부터 상기 요소들의 상대적인 가중치를 도출하되, 상기 쌍 비교 행렬에서 각 고유치에 해당하는 고유벡터들을 도출하는 고유치 분석부 및 상기 각 고유벡터의 최고값을 갖는 주고유벡터들을 도출하는 주고유벡터 추출부를 포함하는 가중치 도출부; 및
    상기 요소들의 상대적인 가중치에 따라 디스플레이의 인지 컬러 평가에 영향을 미치는 중요 요소를 도출하는 중요 요소 도출부를 포함하는 디스플레이 인지 컬러 평가 장치.
  13. 제12항에 있어서,
    계층 분석법(Analytic Hierarchy Process; AHP)을 이용하는, 디스플레이 인지 컬러 평가 장치.
  14. 제12항에 있어서,
    상기 중요 요소에 대한 평가를 정량화하는 정량화부를 더 포함하는, 디스플레이 인지 컬러 평가 장치.
  15. 제14항에 있어서,
    상기 중요 요소는 색 재현력이고, 상기 정량화부는,
    디스플레이가 표시하는 영상을 특성화하는 특성화부;
    상기 영상의 화소별 CIEXYZ 값을 CIEL*a*b* 공간으로 전환하는 전환부;
    상기 CIEL*a*b* 공간 내에 표시된 화소들을 군집화하는 클러스터링부; 및
    전체 군집의 개수를 카운트하여 상기 영상의 전체 색의 개수로 추정하는 추정부를 포함하는, 디스플레이 인지 컬러 평가 장치.
  16. 삭제
  17. 삭제
  18. 삭제
  19. 제12항에 있어서,
    상기 주고유벡터는 요소별 가중치와 일치하는, 디스플레이 인지 컬러 평가 장치.
  20. 제12항에 있어서,
    상기 중요 요소 도출부는,
    상기 주고유벡터들을 이용하여 하나의 초행렬을 형성하는 초행렬 형성부; 및
    상기 초행렬로부터 최종 가중치를 도출하여, 상기 최종 가중치가 가장 큰 요소를 중요 요소로 도출하는 결과 도출부를 포함하는, 디스플레이 인지 컬러 평가 장치.
KR1020140048050A 2014-04-22 2014-04-22 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치 KR101571440B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140048050A KR101571440B1 (ko) 2014-04-22 2014-04-22 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140048050A KR101571440B1 (ko) 2014-04-22 2014-04-22 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치

Publications (2)

Publication Number Publication Date
KR20150121885A KR20150121885A (ko) 2015-10-30
KR101571440B1 true KR101571440B1 (ko) 2015-11-24

Family

ID=54430873

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140048050A KR101571440B1 (ko) 2014-04-22 2014-04-22 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치

Country Status (1)

Country Link
KR (1) KR101571440B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298338A (zh) * 2020-10-19 2021-08-24 阿里巴巴集团控股有限公司 一种质量评价方法和装置
CN117710365B (zh) * 2024-02-02 2024-05-03 中国电建集团华东勘测设计研究院有限公司 缺陷管道图像的处理方法、装置及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Kuo et al. A framework of perceptual quality assessment on LCD-TV. Displays, 2007, Vol. 28, No. 1, pp. 35-43. 1부.*
Saaty et al. How to make a decision: the analytic hierarchy process. Interfaces, 1994, Vol. 24, No. 6, pp. 19-43.*
이승배 외 2명. OLED 화질 평가 기술. 전자공학회지, 2010, 제37권, 제2호 (제55면 내지 제64면)

Also Published As

Publication number Publication date
KR20150121885A (ko) 2015-10-30

Similar Documents

Publication Publication Date Title
Sun et al. SPSIM: A superpixel-based similarity index for full-reference image quality assessment
Gu et al. No-reference quality metric of contrast-distorted images based on information maximization
Gu et al. Blind quality assessment of tone-mapped images via analysis of information, naturalness, and structure
Ma et al. Objective quality assessment for color-to-gray image conversion
Song et al. Color to gray: Visual cue preservation
Lee et al. Towards a full-reference quality assessment for color images using directional statistics
Hadizadeh et al. Full-reference objective quality assessment of tone-mapped images
WO2018058090A1 (en) Method for no-reference image quality assessment
Zheng et al. UIF: An objective quality assessment for underwater image enhancement
Kottayil et al. Blind quality estimation by disentangling perceptual and noisy features in high dynamic range images
Jiang et al. Tone-mapped image quality assessment for electronics displays by combining luminance partition and colorfulness index
KR101571440B1 (ko) 디스플레이 인지 컬러 평가 방법, 이를 수행하기 위한 기록 매체 및 장치
Ortiz-Jaramillo et al. Evaluating color difference measures in images
Zhang et al. Perceptual quality assessment for fine-grained compressed images
Yang et al. No-reference quality assessment for contrast-distorted images based on gray and color-gray-difference space
US8744179B2 (en) Image processing apparatus, image processing method, and non-transitory computer readable medium that utilizes representative colors
CA2780309C (en) Image information processing method, image information processing apparatus, image processing apparatus, and recording medium
Yan et al. Blind image quality assessment based on natural redundancy statistics
Aldahdooh et al. Improving relevant subjective testing for validation: Comparing machine learning algorithms for finding similarities in VQA datasets using objective measures
Gu et al. Learning quality-aware filters for no-reference image quality assessment
Gu et al. Region of interest weighted pooling strategy for video quality metric
Kong et al. Full-reference IPTV image quality assessment by deeply learning structural cues
Charrier et al. Comparison of image quality assessment algorithms on compressed images
Wu et al. Effective quality metric for contrast-distorted images based on SVD
KR101515387B1 (ko) 디스플레이 인지 화질 평가 방법, 이를 수행하기 위한 기록 매체 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191022

Year of fee payment: 5