7. (a) (b) (c)
(d) (e) (f)
図5 (a) 理想ランプ(ramp)画像と波形表示,(b) 色変換画像と波形表示,(c) クリップされたデータを除外した場
合の 1 次式による色補正モデル,(d) 色補正モデル (c) による補正画像と波形表示,(e) レベル制約を課した多項式色補
正モデル,(f) 色補正モデル (e) の 4 次多項式モデルによる補正画像と波形表示.
実画像実験(再撮モニタ映像の色補正) 5 まとめ
図 6(a)の撮影画像は,スタジオ内にある液晶モニ
タを撮影したものである.スタジオ照明より色温度が 再撮モニタの色補正を行うために,既知の色レベル
高く,カラーチャートがやや青みがかって見える.画像 からなるカラーチャートをモニタに表示したものをカ
処理によりカラーチャートの色レベルを自動的に検出 メラで撮影して,撮影画像中のカラーチャートの色レ
する.理想カラーチャートの色レベルに揃えるための ベルを自動的に検出した.観測誤差やガマット誤差を
色補正パラメータを最適に推定して,撮影画像を色補 考慮した最適なパラメータ推定による色補正を行った.
正する. 今後の課題としては,ビデオ信号において標準的に
観測画像における特定の色レベル xa = (ra /f0 , ga /f0 , 用いられる輝度色差色空間における色補正モデルによ
ba /f0 , 1) がカラーチャート中の特定の色レベル xa = ¯ る色補正も検討することである.色補正モデルとして,
(¯a /f0 , ga /f0 , ¯a /f0 , 1) に色補正されるとする.3 次
r ¯ b 3 次元アフィン変換モデル,1 次元多項式モデルを用い
元アフィン変換により色補正される場合には,xa =
¯ たが,その他のモデルも検討したい.具体的な応用例
Z[HA xa ] が内部拘束になる. として,立体視映像の撮影への適用も検討したい.
図 6(b)はカラーチャート中の白レベルを拘束条件
として,多拘束拡張 FNS 法によりレベル制約付き最適 参考文献
推定した色補正パラメータによる色補正結果である.こ
[1] V. Cheung, S. Westland, D. Connah and C. Ripa-
こでは,モニタ映像だけでなく撮影画像全体を色補正
monti, A comparative study of the characterisation
している8 .カラーチャートの色レベルの RMS 誤差は of colour cameras by means of neural networks and
27.7 であり,厳密に白バランスが取れている.レベル polynomial transforms, Coloration Technology, Vol.
制約を課さずに多拘束 FNS 法により最適推定した場合 120, No. 1 (2004-1), 19–25.
の RMS 誤差は 19.3 であり,それよりはやや上回って [2] M. Chernov and C. Lesort, Statistical efficiency of
いるが,最小二乗推定した場合の 32.7 よりは下回って curve fitting algorithms, Computational Statistics
いる.図 6(c)は理想的なカラーチャート画像である.
and Data Analysis, Vol. 47, No. 4 (2004-4), 713–728.
[3] W. Chojnacki, M. J. Brooks, A. van den Hengel and
8 実際には,モニタに映す映像のみ色補正する. D. Gawley, On the fitting of surfaces to data with
8. (a) (b) (c)
図6 (a) モニタ撮影画像,(b) レベル制約付き最適推定による色補正画像,(c) 理想カラーチャート.
covariances, IEEE Transactions on Pattern Analysis [16] C. S. McCamy, H. Marcus and J. G. Davidson,
and Machine Intelligence, Vol. 22, No. 11 (2000-11), A color-rendition chart, Journal of Applied Photo-
1294–1303. graphic Engineering, Vol. 2, No. 3 (Summer 1976),
[4] G. D. Finlayson, S. D. Hordley and I. Tastl, Gamut 95–99. http://www.xrite.com/
constrained illuminant estimation, 9th IEEE Int. [17] J´n Moroviˇ, Color Gamut Mapping, John Wiley &
a c
Conf. Comput. Vision (ICCV’03) Vol. 2, 2003, 792– Sons Ltd., August 2008.
799. [18] 新妻 弘崇,金谷 健一,最適な射影変換の新しい計算アル
[5] A. Ilie and G. Welch, Ensuring color consistency ゴリズム,情報処理学会研究報告,2009-CVIM-169-37,
across multiple cameras, 10th IEEE Int. Conf. Com- (2009-11),金沢市 (金沢工業大学),1–8.
put. Vision (ICCV’05) Vol. 2, 2005, 1268–1275.
[6] 金澤 靖,金谷 健一,幾何学的 AIC による画像モザイク 付録 A 幾何学的当てはめと幾何学的 AIC /
生成の安定化,電子情報通信学会論文誌 A,Vol. J83-A,
幾何学的 MDL
No. 6 (2000-6),686–693.
[7] 金谷 健一, 「空間データの数理 – 3次元コンピューティ 「幾何学的当てはめ」とは「拘束式」
ングに向けて –」 ,朝倉書店,1995 年 3 月.
[8] K. Kanatani, Statistical Optimization for Geometric F (k) (ξ, u) = 0, k = 1, . . . , r, (A.1)
と変数 ξ の複数の実現値 {ξ α } からパラメータ u を推
Computation: Theory and Practice, Elsevier Science,
Amsterdam, The Netherlands, April 1996, reprinted
定する問題である [7, 8].誤差は正規分布に従い,各 ξ α
Dover Publications, New York, U.S.A., July 2005.
[9] K. Kanatani, Motion segmentation by subspace sep- の正規化共分散行列 V0 [ξ α ](一般には特異行列)は既
aration: Model selection and reliability evaluation, 知とする.この問題の「最尤推定」はマハラノビス距離
International Journal of Image and Graphics, Vol. 2, N
No. 2 (2002-4), 179–197. J= ¯ ¯
(ξ α − ξ α , V0 [ξ α ]− (ξ α − ξ α )) (A.2)
[10] K. Kanatani, Uncertainty modeling and model selec- α=1
tion for geometric inference, IEEE Transactions on を拘束式 F (k) (ξ α , u) = 0 のもとで未知数 {ξ α }, u に
¯ ¯
Pattern Analysis and Machine Intelligence, Vol. 26, 関して最小化することである.その残差(J の最小値)
No. 10 (2004-10), 1307–1319. を J とし,ノイズレベルを とすると J/ 2 は第 1 近
ˆ ˆ
金谷 健一, 「これなら分かる最適化数学 – 基礎原理から
似において自由度 rN − p の χ2 分布に従う [7, 8].た
[11]
計算手法まで –」 ,共立出版,2005 年 9 月.
だし,r は拘束条件(A.1)のランク(独立なものの数)
[12] 金谷 健一,菅谷 保之,制約付きパラメータ推定のため
の拡張 FNS 法,情報処理学会研究報告,2007-CVIM- であり,p は未知数 u の自由度である.これからノイ
158-4,(2007-3),鹿児島市 (鹿児島大),25–32. ズレベル の次の不偏推定量が得られる.
[13] 坂本 慶行,石黒 真木夫,北川 源四郎, 情報量統計学」 「 , Jˆ
共立出版,1993. ˆ2 = . (A.3)
rN − p
[14] 松永 力,金谷 健一,平面パタンを用いる移動カメラの
拘束式(A.1)がデータ空間(変数 ξ の空間)に d 次元
校正:最適計算,信頼性評価,および幾何学的 AIC に
モデル(多様体)S を定義するとき,その幾何学的 AIC
よる安定化,電子情報通信学会論文誌 A,Vol. J83-A,
No. 6 (2000-6),694–701. および幾何学的 MDL は次のように定義される [10, 8].
[15] C. Matsunaga and K. Kanatani, Calibration of a ˆ
G-AIC = J + 2(N d + p) 2 , (A.4)
moving camera using a planar pattern: Optimal com- 2
putation, reliability evaluation and stabilization by
ˆ
G-MDL = J − (N d + p)
. (A.5) 2
log
L
ここに L はある基準長であり,データ ξ α /L が O(1) と
model selection, Proc. 6th Euro. Conf. Comput. Vi-
sion, Dublin, Ireland, Vol. 2, 595–609, June.July
なるように選ぶ.ただし,ノイズレベルは一般モデル
2000.
により式(A.3)で推定する.