反射輝度情報 による色情報の特徴抽出と判別 景 山 陽

76

研 究 論 文

反射輝度情報 による色情報の特徴抽出と判別

景 山 陽 一, *西 田 虞, ^{* 小 溝 義 明 **}

Feat11reExtractionandDistinctionforColorsusingSpectralReflectancelnrormatiom YoichiKAGEYAMA†,MakotoNISHIDATandYoshlakiKoHAMA†T

Abstract

ThlSPaperanalyzesspectralreflectanceinformationinordertounderstandcolorfeatures.

Twenty‑three‑colorimagedataaretakenbyusingamonochromeCCD (ChargeCoupledDevice) camerathroughthreefllters:Ⅹ,Y andZfiltersonconditionthattherangeofilluminationis lOOOIxtollOOOIxateverylOOOIx,andthatalensopeningiseighttypes.Digitalnumber(lumi‑ nousIntensity)inimagedatalSmuchrelatedtobothbrillianceandilluminationatdataacqui‑ sitlOn.Therelationbetweenspectralreflectanceinformationandbrilliancewillhelpextract thedifferenceorcolors.Basedonthemeasurementsandtheresultlngrelations,weproposea colordistinctionapproachduetofuzzyreasoning.Thereliabilityoftheproposedapproachis demonstratedinanexperimentusingthecolorimagedatathattakeninaXYZspace.

KeyWol･ds:color,Spectralreflectanceinformation,brilliance,illumination,fuzzyreasoning,

ⅩYZspace

1. は じめ に

我々の目にす る物体の色 は,光源か らの照射光 (電磁波) が 物体表面で反射 した光である｡物体か らの反射光 は照明条件 に 影響 され るため,照明条件が変化す ると視覚系 に入射す る色信 号 も変化す

る 〔 1 )

一方,人間の視覚系 は物体の見え方を一定 に保持 しようとす るカラーコンスタンシー (色恒常性)の特性を有 している(2川)｡ すなわち,照明条件が変化 して も物体の見え方 は大 きく変化 し ないため,我々人間は物体表面固有の色を知覚す ることがで き る｡色情報 は形状情報 とともに物体を特徴づける重要な要素 で あ り,物体認識 に必要である(3)｡ しか しなが ら,例 えば,屋外 などの自然環境下で取得 したデータを解析 に用いる場合,デー タ取得時の天候,地域,時期 および時間などにより太陽光量 も 異なるため,観測す る対象の照明条件の特定 は困難であるのが 現状である｡ このため,同 じ物体で もデ‑夕の取得条件 によ っ ては異 なる色 と認識 され ることも起 こり得 る｡ これが物体を誤 認識す る原因の一つになっている｡

そ こで本研究では,異な る照明条件で取得 された物体 の色情 報の判別を目的 とし,CCD (ChargeCoupledDevice)カメ ラとⅩ,Y,Zフィルタによ り屋内で取得 された反射輝度情報 を用い,色の有す る特徴 について検討を加えた｡ さらに対象物

平成

年

日受付

*秋 田大学工学資源学部情報工学科

〒010‑8502

秋 田市手形学園町

**日本情報通信 システム株式会社

〒180‑0013

東京都武蔵野市西久保

TDepartmentofComputerSelenCeandEnglneerlng,

F

千千NipponTelecommunicationsSystem Co.,Ltd.ト6‑26,NIShlkubo

,

Musashino,Tokyo180‑0013Japan E‑mail:kageyama@ie.akita‑u.ac.jp

素材物性学雑誌

の明 るさを示す指標 として,デジタルスポッ トメーターによ り 取得 された輝度に着 目し,反射輝度情報 と輝度を用いたファジィ 推論 による色判別法 について も検討を加えたので報告す る｡

2. サ ンプルデ‑夕お よび画像 データの取得 2.1サ ンプルデータ

記録 ･表示 デバイスが異なると,同一画像 データを用いた場 合で も色や階調 などの異なる画像 デ‑夕として出力 され ること があるため,正確な色の再現 は困難である(4)｡ そ こで本研究 で は,論理的に作成 した23色 (シア ン ･マゼ ンタ ･責および各5 色か ら構成 される4種類の同系色 (無彩色 ･赤 ･緑 ･吉) のサ ンプルデータをカラープ リンタ (ェプソン社製PM‑5000C)杏 用 いて出力 し,解析 に用 いた｡サ ンプルデータの詳細 を表 1に 示す｡なお,作成 したデータの うち,cyan(シアン),magenta (マゼ ンタ),yellow(蛋),white(白),black(黒),redl(赤), greenl(緑),bluel(育)の8色を主要8色 とした｡また,white, grayl,gray2,gray3,blackの5色を同系色無彩色,redl〜red 5の5色を同系色赤,green1‑green5の5色を同系色緑,blue

l〜blue5の5色を同系色吉 とし,解析を行 った｡

2.2画像データの取得

全ての色 は3種類の異なる色を適当な割合で混色す ることに より表 され, これは ｢色の 3色性｣と呼ばれ る〔5)｡ しか し,CIE (国際照明委員会)の定め た RGB表色系 で は,3種類 の原刺 激 (R,G,B)のバ ランスを調整 して も等色 しない色 が あ る｡

そ こで,刺激値 に負の値を認めることにより色の3色性 を常 に 成立 させている｡ しか しなが ら,刺激値が波長 により負 にな る

ことは,計算 をす る時に誤 りを生む原因 となる'5)｡

一方,ⅩYZ表色系 で は,刺激値 が全 て正 にな るよ うにR, G,Bに対応す る仮想的な Ⅹ,Y,Zを定めている｡ さらに,Y

は比視感度曲線 に一致 しているため,ⅩYZ表色系 は実用的で ある｡

第

巻 第

号

年

月)

反射輝度情報 による色情報 の特徴抽 出 と判別

Color Red Green Bfue HuesaturationIntensity

そ こで本研究で は,ⅩYZ表色系 によ る色情 報 の特 徴 につ い て検討 を加 えた｡すなわち,CCD (ChargeCoupledDevice) カメラ (浜松 ホ トニクス社製C3077)にⅩ,Y,Zフ ィル タを 取 り付 け,サ ンプルデータの画像情 報 (256階調 グ レイスケ ー ル ;512画素×480画素 サイズ)を取得 した (以下,Ⅹ,Y,Zフィ ル タを用 いて取得 した画像 データをそれぞれ Ⅹ 画像,Y画像 , Z画像 と略記す る)｡サ ンプルデータとCCDカメラの距離 は60 cmに固定 し,光源 には写真用電球350W白色光 (4灯)を用い, 1000‑110001Ⅹ間の10段階 (10001Ⅹ刻 み) の照 度 で画像 デ ー タ を取得 した｡なお,照度 は電圧調整器 によ り光源 に加 え る電圧 を調整 し,設定 した｡ また, レンズの絞 り (カメラへ の入 射光 量)が画像情報 に与え る影響 を検討す るため, レンズの絞 りを 8段階 (F2,8,F4,F5.6,F8,Fll,F16,F22,F32)に設定 した場合 の画像 データをそれぞれ取得 した｡ さ らに,照度計 を

Sampledata personalcomputer Figure1 Camerasystem toobtainimagedata.

用 い,サ ンプルデータと同位置 の照度 (1Ⅹ)を測定す る と と も に,CCDカメラと同位置か らデ ジタル ス ポ ッ トメー ター (セ コニ ック社製DUALSPOTFL‑778)を用 いて輝 度 (cd/m

2 )

を測定 した｡デ ジタルスポ ッ トメー ターは0.25‑244000(cd/m2) の範囲で測定が可能であ り,受光角 は 1O に設定 した｡ デ ー タ 取得 システムの概要 を図 1に示す｡

3. 画 像情報 の解 析

3.1画像情報 と輝度 ･照度の関連

対象物が屋外 にある場合,その地点 にお ける照明条件 は未知 であ ることが多 いため,あ らか じめ遠隔か ら取得で きる情報 と 照明条件 との関連 を明 らかに してお く必要がある｡特 に色判別 を行 う場合,照明条件 によ り画像情報 も変化す るため,画 像情 報 と輝度 ･照度 との関連 について検討 を加 え る必要があ る｡

そ こで本研究 では,サ ンプルデー タの画像情報 (0‑255)と 輝度 (cd/m2)および画像情報 と照度 (1Ⅹ)の関連 につ いて検 討 を加 えた｡測定結果 の一例 (greenl,Ⅹ 画 像) を図2(a), (b)に示す｡画像情報 と輝度 および画像情 報 と照度 の間 に は, それぞれ強 い相関のある様子 が認 め られ る｡ この傾向 は他 の22 色 において も同様であ ることを確認 している｡なお,各 色 (23 色) について相関係数 を求 めた ところ,画像情報 と輝度 の問 に

は0.964‑1.000(平均0.996)の値が,画像情 報 と照度 の問 に は 0.971‑1.000(平均0.998)の値が得 られた｡ す なわ ち, 画 像情 報 と輝度 および画像情報 と照度 は相関の強 い ことが実験的 に明

らか とな った｡

以上 の結果 は,データ取得時の対象物 の輝度 または照度が定 まれば,画像情報 と輝度 ･照度 の関連 につ いて測定 された結 果 を用 いることによ り,異 な る照明条件下 における画像情報 の推 定がで きるため,対象物 の色推定が可能 になることを示唆 して

78

景山陽一 ･西 田 虞 ･小藩義明

3,2絞 りの相違 による画像情報 と輝度の関連

照明条件 は多種多様であるため,カメラ‑の入射光量 も多種 多様であることを考慮 し,画像情報 と輝度 ･照度の関連 を明 ら かに してお く必要がある｡そ こで, レンズの絞 りの値 (F2.8‑

F32)を変えて同一サ ンプルを撮影 し,Ⅹ 画像,Y 画像,Z画 像をそれぞれ取得 した｡得 られた結果の一例 (同系色赤,Ⅹ 画 像)を図3(a),(b)に示す｡絞 りがF2.8の結果 (図3 (a)) と比較 し,絞 りがF32の結果 (図3(b))で は画像情報 の値 の ば らつ き (図中の縦線)が大 きくな り,また,取 り得 る値 の範 囲 も狭 くなる様子が認 め られ る｡なお, この傾向は他の22色 に おいて も同様であることを確認 している｡

以上の結果 は,絞 りにより画像を暗 くす ると (入射光量 を絞 ると),画像情報 の値の取 り得 る範BfIが狭 くな るため,照 明条

一･一◆‑gT･een1̲f2.8‑x

一

^一

.一 一

00

50 的 50

2 1 1

｣むqLunulel!36

500 1000 BriEliance(cd/m2)

(a)Relationbetweenthedigitalnumberin imagedata andthebrilliance.

+ greenl̲f2BIX + greenl̲f4lX ‑ greenl̲f56lX greenl̲f8‑× ‑.

一

十 greenl̲f221X ^帆 ‑‑greenl̲f321X 250

0

0 0

5 0

2 1 1

L a q u J n u le T lB IC ]

丁∴■ .̲NT . 一一･･‑‑̲‑̲‑‑一一一一=

0 2000 4000 6000 8000 10000 iHummatl0n(lx)

(b)Relationbetweenthedigitalnumberin imagedata andtheillumination.

Figure2 Relationbetweenthedigitalnumberand the brilliance or iuumination for sample data, greenl"thatobtainedbyuslnganX filter.

素材物性学雑誌

件が異 なる場合の画像情報の差異抽出は困難 になることを示 し ている｡

3.3 画像情報 と輝度の関連 における色情報の相違

照明条件が変化 した際の各色の画像情報 (Ⅹ,Y,Z) の特徴 について検討を加え るため,画像情報 と輝度か ら構成 され る2 次元平面上 に主要8色 について測定 したデータをプロットした｡

得 られた結果の一例 (絞 りF2.8,Z,Ⅹ画像)を図4 (a), (b) に示す｡Z画像 (図4(a))で は,yellow (黄) とredl(赤) およびgreenl(縁) とbluel(育)の問には差異が認 め られ な い ものの,Ⅹ画像 (図4(b))で は両者 の判別 は容易 で あ る｡

このように複数のフィルタを用いて取得 した画像データを組み 合わせ ることにより,照明条件が変化 した場合で も主要8色 は 8種類の色 として判別が可能 と推測 される｡

5色か ら構成 される4種類 の同系色 (無彩色 ･赤 ･緑 ･吉) について も同様の検討を加えたところ,同系色無彩色は5種類, 同系色赤 は5種類,同系色縁 は2種類および同系色青 は4種類 の色 として判別で きることを確認 している｡

00000000864208211111LG)q∈nuleTIa云

60

‑ redl̲f28‑x

‑ red2ーf28‑x

‑ red3̲f281X red4̲f28‑x

‑ red5j2,8‑x

0 200 400 600 800 1000 Brilliance(cd/m2)

(a)MeasurementsusingalensopeningofF2.8.

545352423222222LG)q

Lu n

一e T l

4 ‑ ,edLf32‑x

‑ red2̲f32‑x

‑ red3f32‑x red4̲f32‑x

‑ red5f32‑×

0 200 400 600 800 1000 BrlHlanCe(cd/m2)

(b)MeasurementsusingalensopeningofF32.

Figure3 Relationbetweenthedigitalnumberand the brillianceforsimilarshadeofredthatobtained byusinganXfilter.

第

巻 第

号

年

月)

反射輝度情報 による色情報の特徴抽出 と判別

4. フ ァジィ推論 を用 いた色 の判別 4,1色判別アルゴリズム

照明条件の異なる環境で取得 された画像情報 には,観測誤差 やモデル誤差が包含 されている(4)(6)｡例えば,本研究 で取得 し た画像 データは印刷物上か ら色情報を取得 しているため,印刷 による色む ら,または照明による局所的 な色情報 の相違 な ど, 必ず しも正確な情報を抽出 しているとは限 らない｡

そ こで本研究で は,画像 データ中に含 まれ る各種外乱を ｢あ いまいさ｣ と考え,色空間 に存在す る取得画像情報をスペ ク ト ル特徴空間上の ｢ファジィ集合｣ と見な し, ファジィ推論 〔7)に よる色の判別を行 った｡

本研究で対象 とす る色 は,3種類の画像 デー タ (Ⅹ,Y,Z) を組 み合わせ ることによって表す ことがで きる｡そ こで,同一 条件下で取得 した Ⅹ画像,Y画像,Z画像を 1セットの画像デー タと見な し,解析 に用いた｡ さらに,対象物 (負) の明 るさを 示す指標 として輝度 に着 目し,画像情報 と輝度のデータを用い, 色判別を行 うメ ンバーシップ関数 に与え る教師データを絞 り別

に作成 した｡教師データの作成例を図5に示す｡

L

a q Lu n u

LB I凸 ｣

u 一

‑ redl̲f28‑Z

‑ greenl̲f28‑Z cyan̲f28‑Z

‑ magenta̲f28‑Z

‑ yeFLow̲f281Z

‑ whltej28‑Z

‑‑‑mblackf28‑Z

0 500 1000 1500 2000 2500 B

r

/m2 )

(a)M easurementsusingaZfilter

0 500 1000 1500 Bn"lance

( cd/m2 )

‑ redLf28‑x

‑ greenl̲f28‑x

‑ b】uel̲f28‑x cyanJ28‑x

‑ magenta̲f28‑x

‑ yellowj28‑x

‑ whlte̲f28‑x

(b)M easurementsusinganXfilter.

Figure4 Relation between thedigitalnumber and the brillianceformain eightcolorsthatobtained byusingalensopenlng OfF2.8.

始めに,画像情報 と輝度か ら構成 され る2次元平面上 に,各 照度 において測定 したデータをプロッ トした｡ さらに,画像情 報 と輝度 ･照度の間には比例関係があることか ら,隣 り合 う点 を直線で連結 した｡なお,同様 の処理を分散 にも施 している｡

次 に,任意のC色 ]成分 において輝度αが得 られた時,輝 度αと画像情報の直線 との交点を教師デー タの代表値 (mcJa)

とした｡また,輝度αと分散を表す直線 との交点を求め,得 ら れた値 とmeJ｡との差分を教師デ‑夕の尤度 (V｡〕a)と した｡ な お,本研究では照度を10段階 (1000‑ 110001Ⅹ)に設定 して画像 データを取得す るとともに,教師データ算出 も照度 との関連 を 考慮 して行 っているため,色推定 の際 に入力 され る輝度αの 値が,対象物を測定 した範囲に含 まれない事例 も存在 した｡ そ の場合 には取得データか ら求めた傾 きを用い,擬似的に直線 を 延長 して輝度αとの交点 (代表値,尤度)を算出 し,教師デー タを作成 した｡例えば,取得 データの端点 と比較 し,入力 され る輝度の値が大 きい場合,取得データの後半部分 (5点) の傾 きを直線の傾 きとして採用 した｡

さらに,教師データとして用いる各色 に類似す る色のスペ ク トル分布 は正規性を持つ と仮定 し,得 られた教師データの輝度 値,尤度 (mcja,Vcja)を用い,教師データ各色の確率密度 関数 fc(x,)を次式のように決定 した｡

1

ここで,

fc(x,):C色の確率密度関数,

mcj｡:C色,j成分 (Ⅹ,Y,Z),輝度 aの時の画素値, vc,α:mcJaの尤度,

Ⅹ｣:〕成分 (Ⅹ,Y,Z) の入力変数 である｡

また,未知色画素を判別す る確率密度 関数 の最大値 をmax fc(x,)とし,(1)式 に示 した確率密度関数fc(Ⅹ,) をその最大値 で割 り,正規な関数 FLc(ⅩJ)を定義 し, これをメンバ‑シップ 関数 とした｡

最後 に,各成分 (Ⅹ,y,Z)のメンバ ー シ ップ関数上 で,莱 知色画素の帰属度をそれぞれ求め,各色 の適合度を(2)式 によ り 算出 し,最大の値が得 られた色 に未知色画素を帰属 させた｡

/ Vcja

E‑‑'' 55

Figure5 Anexampleforextractingsuperviseddata.

80 景山陽一 ･西田 虞･小潰義明

Table2 Distinctionresultsformaineightcolorswiththeproposedapproach

C,a｡9‑･59‑･｡9‑･4m9‑･t8‑.6

e376745ー2仙99.9895928985716

en.98979084印9999.97.96.91.80.61.弧

red99･197･795･396･093･485･572･74LD

等剛相川:mm ;:I'::..汁.:I;:I:::.I:;:

magenta 95.5 89.6 92.6 91.4 86.8 80.8 62.1 41.4

ayerage 98.3 97.5 96.4 94.9 90.4 82.4 64.8 47.3

h

^w

^･fc

^x

)

･

( Ⅹ y )+ w

f c

xz

W ェ+wy

+

(2) ここで,

hc:C色の適合度,

f｡(Ⅹ】):C色,j成分 の帰属度,

w j:j

である

｡

4.2 シミュレー ションデータ

本研究で提案す る色判別法の有用性を検証す るため,主要8 色および各5色か ら構成 され る4種類の同系色 (無彩色 ･赤 ･ 緑 ･青)について,それぞれ色判別を行 った｡具体的には,教 師データ同様,取得条件の等 しい Ⅹ画像,Y 画像,Z画像 を1 セ ッ トの画像 データと見な し,その中か ら100画素 を ラ ンダム に抽出 した｡ この作業を各照度 のデータについて施 し,照度別 に取得 したデータ (各100画素)を用 いて シ ミュ レー シ ョンを 行 い,得 られた判別率の平均を各サ ンプル (色)についての判 別結果 とした｡

5.色判別 の推定結果 および検討 5.1重み係数の決定

未知色画素の判別 に用 いる(2)式 は,各成分 (Ⅹ,y,Z)の帰 属度 と重み係数の加重平均を求めているため,各成分の重み係 数を定める必要がある｡そ こで本研究では,氏,G,Bの特徴 が顕著 に表れる成分 の重み係数の値を高 く設定 して判別を行い, 得 られた結果を比較 した｡例えば,同系色赤の場合,赤色 の特 徴 はⅩ成分 に顕著 に表れ るため,重み係数を (Wェ,Wy,Wz)‑

(4,3,3), (2,1,1),(3,1,1),(14,3,3), (8,1,1), (18,1,1) の6段階 に設定 し,各重み係数を用 いて予備実験を行 った｡

その結果,最 も良 い判別率の得 られた (wx,wy,wl)‑ (4, 3,3)を同系色赤の重み係数 として設定 した｡ 同様 に同系色緑 および同系色舌 について も予備実験を行 い,最 も良 い判別結果 の得 られた (wx,wy,wz)‑ (3,4,3), (wX,Wy,Wz)‑(3,3, 14)を同系色縁および同系色青 の重み係数 としてそれぞれ設定

した｡なお,主要8色および同系色無彩色の判別 は特定成分 の 画像情報 に依存 しないため,重み係数 は

w x‑ W ,‑

z

5.2 ファジィ推論 による色の判別結果 (1)主要8色の判別結果

主要8色 について行 った色の判別結果を表 2に示す｡絞 りを 開 く程良好な判別結果が得 られ,例 えば,絞 りF2.8の場合 で は,95.5‑99.9% (平均98.3%)の結果 となった｡

判別結果を個別 に比較 したところ,cyan,magenta, white

素材物性学雑誌

Table3 Distinctionresultsforgroupofgray scalewith theproposedapproach.

I.;JT:....,.T=.:...:==

:

(%)

Table4 Distinctionresultsforsimilarshadeofredwith theproposedapproach.

redl red2 red3 red4 red5 Ayerage F28 98.0 100.0 98.8 99.9 97.5 98.8

F4 97.8 99.3 98.1 F5.6 94.4 97.4 92.5 F8 89.3 97.3 86.1 Fl1 794 92.0 79.4 F16 61.9 82.7 62.6 F22 58.4 65.9 43.3 F32 54.3 48.9 312

98.5 94.4 9T6 95.8 91.0 94.2 94.0 76.0 88.5 77.9 56.9 771 62.4 39,6 61.8 408 26.3 46.9 25.3 143 34.8 (%)

などの色では,絞 りを絞 った方が判別率の向上す る事例があ っ た｡例えば,cyanの場合,F5.6の判別結果 は99.4% とな り, F 2.8の判別結果 (98.5%)よりも良好な値が得 られている｡本研 究で用いたシステムでは,画像情報 は256階調 (0‑255)で表 されてお り,また,cyan,magenta,whiteな どの色 の場合, 光量の強 い条件下では反射輝度情報 も高い値を示 している｡従 っ て, このような事例で は本来の色情報が正 しく取得 されないた め,絞 りを絞 る (カメラへの入射光量を少な くす る) ことによ り,判別率が向上 したと推測 され る｡

判別結果の うち,誤判別 した色の傾向について検討を加えた ところ,本提案法では白,黄, シア ンの組み合わせで誤判別 さ れ ることが分か った｡なお, この3色 は緑 と他の色 との加法混 色である｡緑 は前述 したように,5色 の同系色 は2色 の色 と し て表現 され る｡従 って,縁を用 いた混色 で あ る3色 (白,黄,

シアン) も他の色 と比較 し,細かな色の差異 は表現 されに くい と推測 され る｡ このことが誤判別の生 じる要因の一つであると 考え る｡なお,縁 は白および黄 に誤判別 され る傾向のある こと

第

巻 第

号

年

月)