亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

圖像修正方法、圖像修正設(shè)備以及程序的制作方法

文檔序號:6478769閱讀:173來源:國知局
專利名稱:圖像修正方法、圖像修正設(shè)備以及程序的制作方法
技術(shù)領(lǐng)域
本發(fā)明主張基于日本專利申請?zhí)卦?007-278992號(2007年10月26日申請)的 優(yōu)先權(quán),并將該申請的全部記載內(nèi)容以引用的方式記載在本說明書中。 本發(fā)明涉及為了提高圖像質(zhì)量而修正顏色或灰度的圖像修正方法和圖像修正設(shè) 備以及程序。
背景技術(shù)
近年來,具備數(shù)碼相機(jī)功能的便攜式電話機(jī)已普及,并且以各種方式被使用,例如 在便攜式電話機(jī)的屏幕上欣賞所拍攝的圖像、或者傳送到個(gè)人計(jì)算機(jī)等計(jì)算機(jī)設(shè)備上進(jìn)行 顯示、或者進(jìn)行照片打印等。這里,用數(shù)碼相機(jī)拍攝的圖像由于拍攝時(shí)的曝光調(diào)整不完全等 而有時(shí)不適于作為欣賞圖像,在這種情況下,利用設(shè)置在便攜式電話機(jī)或計(jì)算機(jī)設(shè)備、打印 機(jī)等設(shè)備上的圖像修正設(shè)備來進(jìn)行顏色修正或灰度修正等圖像修正。該顏色修正或灰度修正等圖像修正中的修正量需要依據(jù)圖像來設(shè)定為最佳的值, 該最佳值不僅與圖像內(nèi)容相關(guān),還與觀看的人的喜好相關(guān)。從而,為了進(jìn)行理想的圖像修 正,需要用戶一張一張手動(dòng)調(diào)整修正量,但手動(dòng)地進(jìn)行大量的圖像修正需要巨大的工作量。 因此,提出了在設(shè)備側(cè)自動(dòng)控制圖像修正的方法,例如在下述的非專利文獻(xiàn)1中提出了利 用柱狀圖(histogram)分析的自動(dòng)圖像修正方法。然而,在上述的圖像修正方法中,由于無法識別如肖像(人物照片)、風(fēng)景、花、夜 景這樣的對象并將其自動(dòng)分類,因此對于場景來說存在被過度修正的情況。例如存在以下 情況盡管是肖像,還過分強(qiáng)調(diào)彩度而導(dǎo)致皮膚顏色過紅。因此,近年來提出了通過識別場 景來動(dòng)態(tài)改變圖像修正量的方法。例如,在下述的專利文獻(xiàn)1、2中公開了以下方法從圖像 中識別臉部區(qū)域,通過分析該部分的顏色分布來計(jì)算適于肖像的修正量,并按照算出的修 正量修正圖像。這里,場景的識別處理通常通過從輸入圖像中計(jì)算邊緣或顏色等特征量并基于這 些特征量進(jìn)行模式識別處理來執(zhí)行,但在模式識別處理中誤識別的概率并不為零。然而,專 利文獻(xiàn)1、2中公開的圖像修正方法由于沒有考慮場景識別錯(cuò)誤的情況,因此當(dāng)場景識別處 理發(fā)生了錯(cuò)誤時(shí),會(huì)出現(xiàn)修正量變得不合適從而損害圖像質(zhì)量的問題。另外,所拍攝的圖像中的對象不限于一個(gè),而是多個(gè)對象混合存在的情況較多。例 如,人物和草坪、人物和花、人物和夜景等情況。在這樣的多個(gè)對象混合存在的情況下,如果 進(jìn)行適于一個(gè)對象的修正,則有可能對其他對象的圖像造成不利影響。因此,在下述的專利文獻(xiàn)3中公開了以下方法為了解決多個(gè)對象混合存在時(shí)的 問題,生成多張與被拍攝的多個(gè)對象的每一個(gè)對應(yīng)的修正圖像,并按照對象的位置合成該 多張修正圖像。然而,生成多張修正圖像需要大量的工作存儲器,因此存在處理成本增大的 問題。并且,由于也沒有考慮對象的誤識別,因此在誤識別的情況下,同樣存在損害圖像質(zhì) 量的問題。專利文獻(xiàn)1 日本專利文獻(xiàn)特開平11-283025號公報(bào);
專利文獻(xiàn)2 日本專利文獻(xiàn)特開2000-182043號公報(bào);專利文獻(xiàn)3 日本專利文獻(xiàn)特開平11-205583號公報(bào);非專利文獻(xiàn) 1 :A. Inoue and J. Tajima, "Adaptive Quality ImprovementMethod for Color Images, "Proc.of SPIE,Vol.2179,pp.429-439,1994.

發(fā)明內(nèi)容
將上述專利文獻(xiàn)和非專利文獻(xiàn)的所有公開內(nèi)容以引用的方式記載在本說明書中。 以下的分析是根據(jù)本發(fā)明給出的。如上所述,在上述的圖像修正方法中存在以下的問題。第一個(gè)問題是無法對多個(gè)對象混合存在的圖像進(jìn)行合適的修正。其理由是,如果 進(jìn)行適于某一個(gè)對象的修正,則可能會(huì)出現(xiàn)惡化其他對象的圖像質(zhì)量的情況。第二個(gè)問題是如果采用識別多個(gè)對象的位置、生成與各對象對應(yīng)的修正圖像并 依據(jù)對象的位置來合成這些修正圖像的方法,則處理成本就會(huì)增大。其理由是,需要用于存 儲與各對象對應(yīng)的修正圖像的工作存儲器。第三個(gè)問題是當(dāng)在場景識別處理中發(fā)生了誤識別時(shí),會(huì)損害圖像質(zhì)量。其理由 是,沒有考慮發(fā)生誤識別的情況。本發(fā)明就是鑒于上述的問題而完成的,其主要目的在于,提供能夠在不增加處理 成本的情況下對包含多個(gè)對象的圖像進(jìn)行合適的修正的圖像修正方法、圖像修正設(shè)備以及程序。涉及本發(fā)明第一方面的圖像修正方法的特征在于,包括以下步驟場景歸屬率計(jì) 算步驟,用于從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸屬率規(guī)定屬于各 種類的場景的概率;修正參數(shù)計(jì)算步驟,用于使用所述多個(gè)場景歸屬率和未知場景歸屬率 來計(jì)算合成修正參數(shù),其中,所述未知場景歸屬率規(guī)定屬于未知場景的概率,所述合成修正 參數(shù)是按場景的修正參數(shù)的加權(quán)平均;以及圖像修正步驟,用于使用所述合成修正參數(shù)對 所述輸入圖像實(shí)施圖像修正處理。涉及本發(fā)明第二方面的圖像修正設(shè)備的特征在于,包括場景歸屬率計(jì)算裝置,其 從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸屬率規(guī)定屬于各種類的場景的 概率;未知場景歸屬率指定裝置,其指定未知場景歸屬率,所述未知場景歸屬率規(guī)定屬于未 知場景的概率;按場景的修正參數(shù)的存儲裝置,其存儲按場景的修正參數(shù);修正參數(shù)合成 裝置,其使用所述多個(gè)場景歸屬率和所述未知場景歸屬率來計(jì)算合成修正參數(shù),所述合成 修正參數(shù)是所述修正參數(shù)的加權(quán)平均;圖像修正裝置,其利用所述合成修正參數(shù)對所述輸 入圖像實(shí)施圖像修正處理。涉及本發(fā)明第三方面的程序的特征在于,使計(jì)算機(jī)起到以下裝置的功能場景歸 屬率計(jì)算裝置,其從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸屬率規(guī)定屬 于各種類的場景的概率;以及修正參數(shù)合成裝置,其使用所述多個(gè)場景歸屬率和未知場景 歸屬率來計(jì)算合成修正參數(shù),所述未知場景歸屬率規(guī)定屬于未知場景的概率,所述合成修 正參數(shù)是按場景的修正參數(shù)的加權(quán)平均。在第一展開方式的圖像修正方法中,優(yōu)選在所述修正參數(shù)計(jì)算步驟中,還利用對 于按場景的誤分類的權(quán)重值來計(jì)算所述合成修正參數(shù)。
在第二展開方式的圖像修正方法中,所述修正參數(shù)優(yōu)選為彩度強(qiáng)調(diào)量。在第三展開方式的圖像修正方法中,優(yōu)選誤識別對于圖像質(zhì)量的影響越大,所述 權(quán)重值就取越大的值。在第四展開方式的圖像修正設(shè)備中,優(yōu)選還包括按場景的誤分類權(quán)重的存儲裝 置,其存儲對于按場景的誤分類的權(quán)重值,并且所述修正參數(shù)合成裝置還使用所述權(quán)重值 來計(jì)算所述合成修正參數(shù)。
在第五展開方式的程序中,優(yōu)選使計(jì)算機(jī)在所述修正參數(shù)合成裝置中起到以下功 能還使用對于按場景的誤分類的權(quán)重值來計(jì)算所述合成修正參數(shù)。根據(jù)本發(fā)明的圖像修正方法和圖像修正設(shè)備以及程序,獲得下述的效果。本發(fā)明的第一效果是通過設(shè)置多個(gè)場景歸屬率計(jì)算裝置,并基于對多個(gè)場景種 類的場景歸屬率控制修正參數(shù),能夠適當(dāng)?shù)匦拚鄠€(gè)對象混合存在的圖像。另外,本發(fā)明的第二效果是通過依據(jù)場景歸屬率來合成修正參數(shù)而不是合成修 正圖像本身,能夠抑制工作存儲器的消耗,從而能夠降低處理成本。另外,本發(fā)明的第三效果是通過設(shè)置多個(gè)場景歸屬率計(jì)算裝置,求出對于多個(gè)場 景種類的場景歸屬率,能夠分散對特定場景的分類錯(cuò)誤的影響。另外,本發(fā)明的第四效果是除了設(shè)置多個(gè)場景歸屬率計(jì)算裝置之外,還設(shè)置未知 歸屬率指定裝置,從而考慮不屬于任何種類的概率來控制修正參數(shù),由此即使對未知種類 的對象混合存在的圖像也能夠進(jìn)行沒有損害的適當(dāng)?shù)膱D像修正。


圖1是示出本發(fā)明第1實(shí)施方式的圖像修正設(shè)備的結(jié)構(gòu)的框圖;圖2是表示按場景的修正參數(shù)的例子的圖;圖3是示出本發(fā)明第2實(shí)施方式的圖像修正設(shè)備的結(jié)構(gòu)的框圖。標(biāo)號說明1場景歸屬率計(jì)算裝置2未知場景歸屬率指定裝置3按場景的修正參數(shù)的存儲裝置4、7修正參數(shù)合成裝置5圖像修正裝置6按場景的修正參數(shù)8按場景的分類權(quán)重的存儲裝置
具體實(shí)施例方式在背景技術(shù)所示的圖像修正方法中存在以下問題無法對混合存在多個(gè)對象的圖 像進(jìn)行合適的修正,如果采用生成與多個(gè)對象中的每一個(gè)對應(yīng)的修正圖像并進(jìn)行合成的方 法,處理成本就會(huì)增大,并且當(dāng)在場景識別處理中發(fā)生了誤識別時(shí)會(huì)損害圖像質(zhì)量。因此,在本發(fā)明中,為了對混合存在多個(gè)對象的圖像進(jìn)行合適的修正,對圖像修正 設(shè)備設(shè)置與各種場景種類相對應(yīng)的多個(gè)場景歸屬率計(jì)算裝置。另外,為了降低處理成本,設(shè) 置修正參數(shù)合成裝置,所述修正參數(shù)合成裝置合成修正參數(shù)而非合成修正圖像。并且,為了防止場景的誤識別,除了上述多個(gè)場景歸屬率計(jì)算裝置之外還設(shè)置未知場景歸屬率指定裝 置。以下,參照附圖進(jìn)行詳細(xì)說明。本實(shí)施方式的圖像修正設(shè)備被安裝到便攜式電話機(jī)或數(shù)碼相機(jī)、計(jì)算機(jī)設(shè)備、打 印機(jī)等進(jìn)行圖像修正的任意的設(shè)備中進(jìn)行動(dòng)作,但下面只對作為本發(fā)明的特征部分的圖像 修正設(shè)備進(jìn)行說明。[實(shí)施方式1]
首先,參照圖1和圖2,對涉及本發(fā)明第1實(shí)施方式的圖像修正方法和圖像修正設(shè) 備以及程序進(jìn)行說明。圖1是示出本實(shí)施方式的圖像修正設(shè)備的結(jié)構(gòu)的框圖,圖2是示出 按場景的修正參數(shù)的例子的表格。參照圖1,本實(shí)施方式的圖像修正設(shè)備包括場景歸屬率計(jì)算裝置1,其分析輸入 圖像并計(jì)算規(guī)定屬于各類場景的概率的值(稱作“場景歸屬率”);未知場景歸屬率指定裝 置2,其指定規(guī)定屬于未知場景的概率的值(稱作“未知場景歸屬率”);按場景的修正參數(shù) 的存儲裝置3,其存儲按場景種類的修正參數(shù);修正參數(shù)合成裝置4,其合成按場景的修正 參數(shù);圖像修正裝置5,其基于合成的修正參數(shù)來執(zhí)行圖像修正。另外,場景歸屬率計(jì)算裝 置1包含η個(gè)場景歸屬率計(jì)算裝置la。以下,詳述各裝置。場景歸屬率計(jì)算裝置1計(jì)算對于多個(gè)場景種類的場景歸屬率pc (c = 1,2,…η)。 作為該場景歸屬率計(jì)算裝置1的例子例如有利用了線性判別式的場景分類方法。用于將輸 入圖像分成η個(gè)種類的線性判別式如式(1)所述。[數(shù)學(xué)式1]少二(1)
i=lxi是m維的特征量,y被定義成屬于任意場景種類c時(shí)為1、其他情況為_1。首先, 準(zhǔn)備多個(gè)校準(zhǔn)圖像(teach image)并手動(dòng)賦予y值,通過最小二乘法來求解式(1),由此求 出最佳的系數(shù)ai。接下來,對輸入圖像計(jì)算出特征量xi,通過將系數(shù)ai和特征量xi代入 式(1),能夠獲得對于輸入圖像的y值。如果該y值接近1,則能夠判斷出輸入圖像屬于場 景種類c,如果接近-1,則能夠判斷出不屬于場景種類C。也可以將該場景歸屬率歸一化,以使得例如y值為1時(shí)成為1. 0,y值為_1時(shí)成為 0. 0。式⑵示出了判別式為yc(_l ^ yc ^ 1)時(shí)的場景歸屬率pc的計(jì)算方法的一個(gè)例子。[數(shù)學(xué)式2]Pc = (yc+l)/2 (2)并且,通過預(yù)先對多個(gè)場景種類c (c = 1,2,…η)計(jì)算系數(shù)ai,能夠計(jì)算對于多 個(gè)場景種類的場景歸屬率。由此,場景歸屬率計(jì)算裝置1計(jì)算出對于η個(gè)場景種類的場景 歸屬率pc(c = 1,2,…η)。未知場景歸屬率指定裝置2是指定輸入圖像不屬于所假定的任意的場景種類的 概率(未知場景歸屬率)的裝置。該未知場景歸屬率用于補(bǔ)償場景歸屬率計(jì)算裝置1的誤 識別,其既可以由用戶手動(dòng)指定,也可以預(yù)先被指定為固定值。按場景的修正參數(shù)的存儲裝置3由R0M(Read Only Memory,只讀存儲器)或 RAM (Random Access Memory,隨機(jī)存取存儲器)等存儲器、HDD (Hard Disk Drive,硬盤驅(qū)動(dòng) 器)等構(gòu)成,用于存儲按場景種類的最佳的修正參數(shù)。
圖2示出了存儲在按場景的修正參數(shù)的存儲裝置3中的數(shù)據(jù)的一個(gè)例子。圖2是 保存了包括未知場景在內(nèi)的0至4的5個(gè)場景種類中的彩度強(qiáng)調(diào)量k作為按場景的修正參 數(shù)6的例子。該彩度強(qiáng)調(diào)量k是強(qiáng)調(diào)通過式(3)被修正的顏色的彩度的參數(shù)。[數(shù)學(xué)式3] 修正參數(shù)合成裝置4利用輸入圖像的多個(gè)場景歸屬率pc和未知場景歸屬率來合 成按場景的修正參數(shù)6,從而計(jì)算出適于輸入圖像的修正參數(shù)。這里,式(5)示出了包括未 知場景在內(nèi)的場景歸屬率矢量。P0是由未知場景歸屬率指定裝置2指定的未知場景歸屬 率,Pi pn是由場景歸屬率計(jì)算裝置1計(jì)算出的對于n個(gè)場景種類的場景歸屬率。[數(shù)學(xué)式5] 當(dāng)將對于場景種類c的修正參數(shù)設(shè)為kc時(shí),可通過下式(6)計(jì)算出新的合成后的 修正參數(shù)k’。將其稱作合成修正參數(shù)。[數(shù)學(xué)式6] 圖像修正裝置5利用由修正參數(shù)合成裝置4計(jì)算出的合成修正參數(shù)k’來進(jìn)行圖 像修正處理。作為圖像修正裝置5的一個(gè)例子,有執(zhí)行式(3)的圖像處理裝置。如上所述,使用輸入圖像的多個(gè)場景歸屬率pc和未知場景歸屬率來求出按場景 的修正參數(shù)的加權(quán)平均、即合成修正參數(shù),并基于該合成修正參數(shù)來執(zhí)行圖像修正處理,由 此,即使對于混合存在多個(gè)對象的圖像也能夠進(jìn)行合適的修正,并且由于沒有必要存儲中 間處理圖像,因此能夠抑制消耗多余的工作存儲器,能夠降低處理成本,并且能夠防止場景 識別處理的誤識別。場景歸屬率計(jì)算裝置1和修正參數(shù)合成裝置4也可以被構(gòu)成為硬件。另外,也可 以被構(gòu)成為使計(jì)算機(jī)作為場景歸屬率計(jì)算裝置1和修正參數(shù)合成裝置4發(fā)揮功能的程序, 并且構(gòu)成為使該程序在由CPUKentralProcessing Unit,中央處理器)和存儲器構(gòu)成的控制裝置上動(dòng)作。以下,舉具體示例進(jìn)行說明?,F(xiàn)在,假設(shè)對場景種類A、B、C這3個(gè)進(jìn)行場景分類。在歸類到場景種類A是正確的情況下,通常只有對于A的場景歸屬率高,而對于場景種類B、C的場景歸屬率相對低。在 這種情況下,由于認(rèn)為被歸類到場景種類A是正確的,因此修正參數(shù)也利用場景種類A的修 正參數(shù)既可。然而,在對于場景種類A的歸屬率高且對于場景種類B的歸屬率也高的情況下,輸 入圖像為場景種類A的可靠性變低。得到這種結(jié)果的情況可以想到圖像中混合存在場景種 類A和B兩者的對象的情況。這種情況下的修正量優(yōu)選不僅考慮場景種類A的修正參數(shù)還 考慮場景種類B的修正參數(shù)。在這種情況下,本實(shí)施方式的圖像修正設(shè)備利用了其他場景 種類的場景歸屬率,因此能夠防止對單一場景歸屬率的過度信任。另外,還存在場景種類A、B、C的歸屬率均為中等程度、或者均為低值的情形。這經(jīng) 常發(fā)生在輸入圖像不屬于場景種類A、B、C中的任一個(gè)的情況。在這種圖像的情況下,優(yōu)選 抑制為未知場景的修正參數(shù)、或者場景種類A、B、C的修正參數(shù)的中間值。在這種情況下,本 實(shí)施方式的圖像修正設(shè)備由于利用了未知場景歸屬率,因此能夠進(jìn)行沒有損害的合適的圖 像修正。[實(shí)施方式2]接下來,參照圖3,對涉及本發(fā)明第2實(shí)施方式的圖像修正方法和圖像修正設(shè)備以 及程序進(jìn)行說明。圖3是示出本實(shí)施方式的圖像修正設(shè)備的結(jié)構(gòu)的框圖。在上述的第1實(shí)施方式中,示出了同等對待多個(gè)場景歸屬率的情況,但根據(jù)輸入 圖像而對場景歸屬率進(jìn)行加權(quán)的做法能夠能抑制給誤識別造成不利影響。因此,在本實(shí)施 方式中,如圖3所示,圖像修正設(shè)備包括場景歸屬率計(jì)算裝置1,其分析輸入圖像并計(jì)算多 個(gè)場景歸屬率;未知場景歸屬率指定裝置2,其指定輸入圖像為未知場景的概率值(稱作 “未知場景歸屬率”);按場景的修正參數(shù)的存儲裝置3,其存儲按場景的修正參數(shù);按場景 的誤分類權(quán)重的存儲裝置7,其存儲對于按場景的誤分類的權(quán)重值(稱作“按照場景的誤分 類權(quán)重”),修正參數(shù)合成裝置8,其合成按場景的修正參數(shù);以及圖像修正裝置5,其基于合 成的修正參數(shù)來執(zhí)行圖像修正。并且,修正參數(shù)合成裝置8基于輸入圖像的各場景種類的場景歸屬率pc、未知場 景歸屬率、按場景的修正參數(shù)、按場景的誤分類權(quán)重來計(jì)算出適于輸入圖像的修正參數(shù)。下面具體說明。用式(5)表示包括未知場景在內(nèi)的場景歸屬率矢量,用式(7)表 示按場景的誤分類權(quán)重。在式(7)中,wO是未知場景中的誤分類權(quán)重。wl wn是η個(gè)場 景中的每一個(gè)的誤分類權(quán)重。[數(shù)學(xué)式7]W= {w0, W1, w2, w3. . . wn] (7)當(dāng)將對于場景c的修正參數(shù)設(shè)為kc、誤分類系數(shù)設(shè)為rc時(shí),合成修正參數(shù)可通過 式⑶來計(jì)算。[數(shù)學(xué)式8]
誤分類系數(shù)rc是反映按場景種類的、給誤識別造成的不利影響的系數(shù)。式(9)示 出了誤分類系數(shù)rc的計(jì)算方法的一個(gè)例子。[數(shù)學(xué)式9]rc = l-wc(l-pc) (9)具體來說,例如進(jìn)行了如下設(shè)定當(dāng)將風(fēng)景誤認(rèn)為夜景時(shí)輸出圖像質(zhì)量變得極差, 但是當(dāng)將夜景誤認(rèn)為風(fēng)景時(shí)沒有太大影響。在該情況下,由于對夜景場景的分類錯(cuò)誤對圖 像質(zhì)量的影響更大,因此需要盡量降低夜景分類的誤識別的影響。在這樣的情況下,通過增 大對夜景場景的誤分類權(quán)重wc,在場景歸屬率低的情況下rc變小,從而能夠降低對合成參 數(shù)計(jì)算的影響。如此,將按場景的誤分類權(quán)重存儲在圖像修正設(shè)備中,并利用場景歸屬率pc、未知 場景歸屬率以及按場景的誤分類權(quán)重來合成按場景的修正參數(shù),由此能夠利用誤分類權(quán)重 值來降低由于場景種類的誤分類導(dǎo)致的不利影響。另外,本發(fā)明不限于上述的記載,可在不脫離本發(fā)明主旨的范圍內(nèi)進(jìn)行適當(dāng)?shù)母淖?。產(chǎn)業(yè)上的實(shí)用性本發(fā)明可以應(yīng)用于將輸入的圖像修正后輸出的任意的設(shè)備,例如帶相機(jī)功能的便 攜式電話機(jī)、數(shù)碼相機(jī)、計(jì)算機(jī)設(shè)備、打印機(jī)等。在本發(fā)明的所有公開(包括權(quán)利要求書)范圍內(nèi),可基于其基本技術(shù)構(gòu)思對實(shí)施 例或?qū)嵤┓绞竭M(jìn)行變更或調(diào)整。另外,可在本發(fā)明的權(quán)利要求書的范圍內(nèi),對各種公開要素 進(jìn)行多種組合或選擇。即,本發(fā)明當(dāng)然包含本領(lǐng)域技術(shù)人員按照包括權(quán)利要求書在內(nèi)的所 有公開內(nèi)容以及技術(shù)構(gòu)思可得到的各種變形和修改。
權(quán)利要求
一種圖像修正方法,其特征在于,包括以下步驟場景歸屬率計(jì)算步驟,用于從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸屬率規(guī)定屬于各種類的場景的概率;修正參數(shù)計(jì)算步驟,用于使用所述多個(gè)場景歸屬率和未知場景歸屬率來計(jì)算合成修正參數(shù),其中,所述未知場景歸屬率規(guī)定屬于未知場景的概率,所述合成修正參數(shù)是按場景的修正參數(shù)的加權(quán)平均;以及圖像修正步驟,用于使用所述合成修正參數(shù)對所述輸入圖像實(shí)施圖像修正處理。
2.如權(quán)利要求1所述的圖像修正方法,其特征在于,在所述修正參數(shù)計(jì)算步驟中,還使 用對于按場景的誤分類的權(quán)重值來計(jì)算所述合成修正參數(shù)。
3.如權(quán)利要求1或2所述的圖像修正方法,其特征在于,所述修正參數(shù)為彩度強(qiáng)調(diào)量。
4.如權(quán)利要求1至3中任一項(xiàng)所述的圖像修正方法,其特征在于,誤識別對于圖像質(zhì)量 的影響越大,所述權(quán)重值就取越大的值。
5.一種圖像修正設(shè)備,其特征在于,包括場景歸屬率計(jì)算裝置,其從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸 屬率規(guī)定屬于各種類的場景的概率;未知場景歸屬率指定裝置,其指定未知場景歸屬率,所述未知場景歸屬率規(guī)定屬于未 知場景的概率;按場景的修正參數(shù)的存儲裝置,其存儲按場景的修正參數(shù);修正參數(shù)合成裝置,其利用所述多個(gè)場景歸屬率和所述未知場景歸屬率來計(jì)算合成修 正參數(shù),所述合成修正參數(shù)是所述修正參數(shù)的加權(quán)平均;圖像修正裝置,其使用所述合成修正參數(shù)對所述輸入圖像實(shí)施圖像修正處理。
6.如權(quán)利要求5所述的圖像修正設(shè)備,其特征在于,還包括按場景的誤分類權(quán)重的存儲裝置,其存儲對于按場景的誤分類的權(quán)重值, 所述修正參數(shù)合成裝置還利用所述權(quán)重值來計(jì)算所述合成修正參數(shù)。
7.一種程序,使計(jì)算機(jī)起到以下裝置的功能場景歸屬率計(jì)算裝置,其從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸 屬率規(guī)定屬于各種類的場景的概率;以及修正參數(shù)合成裝置,其使用所述多個(gè)場景歸屬率和未知場景歸屬率來計(jì)算合成修正參 數(shù),所述未知場景歸屬率規(guī)定屬于未知場景的概率,所述合成修正參數(shù)是按場景的修正參 數(shù)的加權(quán)平均。
8.如權(quán)利要求7所述的程序,其特征在于,使計(jì)算機(jī)在所述修正參數(shù)合成裝置中起到 以下功能還使用對于按場景的誤分類的權(quán)重值來計(jì)算所述合成修正參數(shù)。
全文摘要
本發(fā)明提供一種對包含多個(gè)對象的圖像能夠在不增加處理成本的情況下進(jìn)行合適的修正的圖像修正設(shè)備。所述圖像修正設(shè)備,其特征在于,包括場景歸屬率計(jì)算裝置,其從輸入圖像的特征量求出多個(gè)場景歸屬率,所述多個(gè)場景歸屬率規(guī)定屬于各種類的場景的概率;未知場景歸屬率指定裝置,其指定未知場景歸屬率,所述未知場景歸屬率規(guī)定屬于未知場景的概率;按場景的修正參數(shù)存儲裝置,其存儲按場景的修正參數(shù);修正參數(shù)合成裝置,其利用所述多個(gè)場景歸屬率和所述未知場景歸屬率來計(jì)算出作為所述修正參數(shù)的加權(quán)平均的合成修正參數(shù);以及圖像修正裝置,其利用所述合成修正參數(shù),對所述輸入圖像實(shí)施圖像修正處理。
文檔編號G06T7/00GK101842805SQ20088011316
公開日2010年9月22日 申請日期2008年10月17日 優(yōu)先權(quán)日2007年10月26日
發(fā)明者井上晃, 加藤聰 申請人:日本電氣株式會(huì)社
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
1