JPH1166309A - 画像感性特性評価装置 - Google Patents

Abstract

(57)【要約】 【課題】 画像の感性的特徴量と物理的特徴量との対応
関係を精度よく、しかも効率的に得ることのできる画像
感性特性評価装置を提供する。 【解決手段】 被評価画像Ｓ０を画像記憶部から呼び出
して画像領域分割部でメインモチーフ画像Ｓ１と背景画
像Ｓ２に領域分割する。被評価画像Ｓ０とメインモチー
フ画像Ｓ１および背景画像Ｓ２とを表示部５０に、同時
にまたは順次、呈示する。被験者は、被評価画像Ｓ０と
メインモチーフ画像Ｓ１および背景画像Ｓ２とを観察し
て、被評価画像Ｓ０について感性評価し、その評価結果
を入力する。装置の感性的特徴量算出部で、その感性評
価データＤ０を基に、被評価画像Ｓ０の感性的特徴量を
算出する。全ての画像の官能評価が終了したら、画像記
憶部から各被評価画像についての物理的特徴量と感性的
特徴量を呼び出し、感性・物理モデル算出部で、それら
の関係を多変量解析などの統計的手法によって導出す
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、人の感性に基づ
いて画像を検索、処理する上で必要となる、画像の感性
特性と物理特性との関係を導出する画像感性特性評価装
置に関する。

【０００２】

【従来の技術】近年、人の感性に基づいた画像処理や画
像検索の研究が盛んに行われており、なかでも、人の感
性を評価する感性評価装置や画像の物理的特徴を解析す
る画像解析装置の提案が数多くなされている。

【０００３】この感性評価装置における感性評価では、
主として心理学的評価法が用いられる。なかでもデザイ
ンの表現、特に意図を画像で表現するための色や形の組
み合わせなどが、どのようにユーザに受けとめられるか
を調べる場合には、心理学的評価法としてほぼ確立され
たセマンティック・ディファレンシャル法（以下、ＳＤ
法と称する）がよく用いられる。ＳＤ法は、多くの形容
詞対で構成された尺度を被験者に評価させることによっ
て評価対象（物や言葉）が与えるイメージを分析するた
めの方法である。

【０００４】しかしながら、ＳＤ法を適用する場合に問
題となるのは、図５または図１４に示すように、各評価
対象の評価の再現性があまり良くない点である。すなわ
ち、図５または図１４においては、被験者Ａと被験者Ｂ
とでは評価結果が大幅に異なり、例えば、評価対象がは
っきりした印象を持つのか、ぼんやりした印象を持つの
か、判断することができない。このことは、例えばデザ
インコンセプトを決定する際に、その評価の良否を判断
する場合には、非常に重大なこととなる。この再現性不
良のおもな原因としては、各被験者が評価を始める前に
設定した主観的判断基準が、人により異なることがあげ
られる。

【０００５】この対策として、評価に際して、予め評価
対象サンプル全体を被験者に見せたり、評価スケールを
用意しておき、その評価スケールに照らし合わせる方法
で評価を行わせる、などの手続きが一般にとられる。し
かし、評価対象サンプル群が感性特性上または物理特性
上、偏った分布をしていたり、評価対象サンプル群のサ
ンプル分布空間が狭く、評価対象サンプル群の間に大き
な違いが見られなかったりした場合には、上記の問題を
回避することは難しい。

【０００６】また、この問題に対しては、複数の心理学
的評価法を組み合わせて適用することによって精度の向
上を図る方法が用いられることがある。しかし、このよ
うな心理学的方法のみでは、被験者が何をどのように見
て評価を行っているかという評価の過程がほとんど分か
らないため、必ずしも精度を向上させうるとは限らな
い。

【０００７】この点を考えて、特開平５−１０８００２
号公報（発明の名称：「感性評価装置」）の発明では、
ＳＤ法と視点検出データとを組合わせることによって精
度の向上をはかっている。しかしながら、複数の心理学
的方法や他の生体特性を検出する実験を併用すること
は、多くの時間が必要となり、画像検索や画像処理のデ
ータベースを構築するのに適用するには、かなり困難を
伴う。

【０００８】一方、画像の物理特性の解析については、
コンピュータ技術を利用した画像解析装置が種々提案さ
れている。このような画像解析装置では、各画像データ
に対して、濃度値の変換、雑音の消去、ぼけの復元、輪
郭の検出強調、連結部分の抽出などの様々な画像処理が
加えられた後、その画像処理結果に基いて種々の特徴抽
出演算が行われて、境界線画素数、ホール数、曲線度、
色数、色分布、コントラスト、境界線画素分布などとい
った様々な物理的特徴量が求められる。

【０００９】ここで、ｋ枚の画像をｙ１，ｙ２，ｙ３，
…ｙｋとし、ｎ種類の物理的特徴量をｘ１，ｘ２，ｘ
３，…ｘｎとすると、各画像は、ｎ次元の特徴ベクトル
（ｘ１１，ｘ２１，ｘ３１，…ｘｎ１），（ｘ１２，ｘ
２２，ｘ３２，…ｘｎ２），…（ｘ１ｋ，ｘ２ｋ，ｘ３
ｋ，…ｘｎｋ）で表される。したがって、所望のデザイ
ンコンセプトに合致する画像ｙｐを上記の物理的特徴量
を用いてベクトル（ｘ１ｐ，ｘ２ｐ，ｘ３ｐ，…ｘｎ
ｐ）で表し、これと上記の各画像ｙ１，ｙ２，ｙ３，…
ｙｋに対応する特徴ベクトルとのユークリッド距離を求
めて、それらの中で最も距離の近いものを選択すれば、
所望の画像に最も類似する画像を機械的に分類すること
ができる。

【００１０】しかしながら、このような画像解析装置で
利用されている物理的特徴量は、与えられた画像データ
を画像処理した結果に対して、所定の特徴抽出演算を行
うことによって、機械的かつ一義的に抽出できる利点を
有する反面、その表現は、例えば、境界線画素数、ホー
ル数、曲線度、色数、色分布、コントラスト、境界線画
素分布などのように、任意のデザインコンセプトを表現
するには必ずしも適切ではない。

【００１１】これに対して、人の感性に基づいた画像処
理や画像検索は、感性的特徴量と物理的特徴量の両者を
統計的に対応させたものである。例えば、特開平５−６
４３７号公報（発明の名称：「画像特徴抽出装置、画像
特徴照合装置および画像検索装置」）には、人の感性的
な表現を利用して画像検索を行うことが示されている。

【００１２】この改良された画像検索装置では、暖かい
／冷たい、男性的／女性的、安定さ／不安定さ、対称的
／非対称的、単純さ／複雑さ、などのように、人（デザ
イナ）が任意の画像の印象を特定するのに用いる感性的
特徴量と、上述した物理的特徴量との相関関係を統計的
手法によって求めることによって、その相関関係を用い
た感性的特徴量による画像検索が可能となる。

【００１３】

【発明が解決しようとする課題】しかし、上述した特開
平５−６４３７号公報に示されているような改良された
画像検索装置では、感性的特徴量と物理的特徴量が統計
的手法により精度よく対応づけられていることが前提と
なる。すなわち、感性的特徴量が物理的特徴量で記述で
きていなければならない。

【００１４】しかしながら、感性的特徴量の導出には、
上述したように、被験者間のばらつきや、評価対象とな
る画像サンプル群の分布に大きく影響されるなど、精度
上問題が残る。また、感性的特徴量と物理的特徴量を対
応させる統計的手法は、数学的手法であることから、矛
盾が生じたり、適応範囲が極端に限られたり、相関の精
度が悪く実用に耐えられなかったりしている。これは、
画像の物理的特徴量が単なる数値データとして統計的に
扱われるのみで、実際に被評価画像のどの部分の特徴量
がどの感性的特徴量と関連があるのかという点に関して
は、ブラックボックスとされているからであるといえ
る。

【００１５】その一例として、『ブルーの風船』がモチ
ーフになった画像を考えてみる。この場合、風船のブル
ーという色に対しては、冷たい／堅い、などという感性
的特徴量が対応するが、反面、風船の丸い形状に対して
は、暖かい／やわらかい、という感性的特徴量が対応す
ると考えられる。

【００１６】これは、ブルーの風船の画像から受ける印
象が、冷たい場合も暖かい場合も、また堅い場合もやわ
らかい場合もあるということを意味する。したがって、
ただ単にＳＤ法などを用いて評価しても、ブルーの風船
に対する真の意味での感性的特徴量を抽出することはで
きないといえる。

【００１７】他の一例として、『赤い風船が山と青空を
バックに舞い上がる』シーンの写真画像を考えてみる。
この場合、メインモチーフである風船に対しては、赤と
いう色のインパクトが大きいため、暖かい／動的な、な
どという感性的特徴量が対応するが、反面、背景の青空
に対しては、冷たい／静的な、という感性的特徴量が対
応すると考えられる。

【００１８】これは、被験者がこの画像をどのように使
用することを想定して評価するかに依存するといえる。
例えば、メインモチーフの赤い風船をデザインに使用す
ることを前提に評価した場合には、暖かい／動的な、と
いう結果が得られるであろうし、背景の青空を中心にデ
ザインに使用することを前提に評価した場合には、冷た
い／静的な、という結果が得られることになる。すなわ
ち、上記の写真画像から受ける印象は、被験者の着目点
や想定するシチュエーションによって、暖かい場合も冷
たい場合も、また動的な場合も静的な場合もあるという
ことである。したがって、ただ単にＳＤ法などを用いて
評価しても、この写真画像に対する真の意味での感性的
特徴量を抽出することはできないといえる。

【００１９】また、上記の２つの例のような場合に、仮
に感性的特徴量が抽出できたとしても、物理的特徴量と
の対応においては、単に統計的手法のみで相関を算出し
ても、その際に用いた他の画像群の感性的特徴量ないし
物理的特徴量との関係によっては、どの物理的特徴量が
どの感性的特徴量と対応づけられるのかが明確になら
ず、結果的に高い相関が得られないことも考えられる。

【００２０】この場合、上記の『ブルーの風船』の例
で、風船の色と形状の物理的特性がそれぞれの感性的特
徴量と対応づけられるには、色の異なる風船の画像、ま
たは丸以外の形状をしたブルーのモチーフを含む画像
が、相関を求める際に用いられる他の画像群に含まれて
いればよいことになるが、必ずしもそれらが含まれてい
るとは限らない。

【００２１】以上のような問題を根本的に解決するに
は、画像に描かれているモチーフの意味やシーンの理解
にまで踏み込まなくてはならない。しかし、実世界には
モチーフは無限にあり、またその使われ方（シチュエー
ション）にも影響を受けることから、そのすべてに対応
することは不可能である。

【００２２】仮に適応範囲を限定したい場合でも、各モ
チーフの意味を理解するには、モチーフの物理的特徴量
とモチーフの持つ意味を統計的に対応させていく方法が
最も一般的なアプローチと考えられるが、これは上述し
た感性的特徴量と物理的特徴量との関係を統計的手法に
より導出していくことと等しく、結局は感性的特徴量な
いし物理的特徴量をいかに的確に精度よく把握するかが
ポイントとなるといえる。

【００２３】以上の点から、この発明の目的は、人の感
性に基づいて画像を検索、処理する際に必要となる、画
像の感性的特徴量と物理的特徴量との対応関係を精度よ
く、しかも効率的に得ることのできる画像感性特性評価
装置を提供することにある。

【００２４】

【課題を解決するための手段】請求項１の発明では、画
像に対して人がどのように感じるかを評価する画像感性
特性評価装置において、被評価画像についての複数の物
理的特徴量を抽出する物理的特徴量抽出手段と、前記被
評価画像、および前記物理的特徴量抽出手段により抽出
された物理的特徴量を、同時にまたは順次、可視的に表
示する表示手段と、この表示手段により表示された被評
価画像を被験者が感性的に評価して、その評価結果を入
力する感性評価入力手段と、この感性評価入力手段によ
り得られた感性評価データを基に、前記被評価画像につ
いての感性的特徴量を算出する感性的特徴量算出手段
と、前記物理的特徴量抽出手段により抽出された物理的
特徴量と、前記感性的特徴量算出手段により算出された
感性的特徴量とを基に、前記被評価画像の感性特性と物
理特性との関係を解析する解析手段と、を設ける。

【００２５】請求項２の発明では、画像に対して人がど
のように感じるかを評価する画像感性特性評価装置にお
いて、被評価画像についての複数の物理的特徴量を抽出
する物理的特徴量抽出手段と、前記被評価画像、および
前記物理的特徴量抽出手段により抽出された物理的特徴
量を、同時にまたは順次、可視的に表示する表示手段
と、この表示手段により表示された被評価画像および物
理的特徴量を、それぞれ被験者が感性的に評価して、そ
れぞれの評価結果を入力する感性評価入力手段と、この
感性評価入力手段により得られた感性評価データ群を基
に、前記被評価画像についての感性的特徴量を算出する
感性的特徴量算出手段と、前記物理的特徴量抽出手段に
より抽出された物理的特徴量と、前記感性的特徴量算出
手段により算出された感性的特徴量とを基に、前記被評
価画像の物理特性と感性特性との関係を解析する解析手
段と、を設ける。

【００２６】請求項３の発明では、画像に対して人がど
のように感じるかを評価する画像感性特性評価装置にお
いて、被評価画像を複数の領域に分割する画像領域分割
手段と、前記被評価画像についての複数の物理的特徴量
を抽出する物理的特徴量抽出手段と、前記被評価画像、
および前記画像領域分割手段により分割された領域分割
画像を、同時にまたは順次、可視的に表示する表示手段
と、この表示手段により表示された被評価画像を被験者
が感性的に評価して、その評価結果を入力する感性評価
入力手段と、この感性評価入力手段により得られた感性
評価データを基に、前記被評価画像についての感性的特
徴量を算出する感性的特徴量算出手段と、前記物理的特
徴量抽出手段により抽出された物理的特徴量と、前記感
性的特徴量算出手段により算出された感性的特徴量とを
基に、前記被評価画像の感性特性と物理特性との関係を
解析する解析手段と、を設ける。

【００２７】請求項４の発明では、画像に対して人がど
のように感じるかを評価する画像感性特性評価装置にお
いて、被評価画像を複数の領域に分割する画像領域分割
手段と、前記被評価画像についての複数の物理的特徴量
を抽出する物理的特徴量抽出手段と、前記被評価画像、
および前記画像領域分割手段により分割された領域分割
画像を、同時にまたは順次、可視的に表示する表示手段
と、この表示手段により表示された被評価画像および領
域分割画像を、それぞれ被験者が感性的に評価して、そ
れぞれの評価結果を入力する感性評価入力手段と、この
感性評価入力手段により得られた感性評価データ群を基
に、前記被評価画像についての感性的特徴量を算出する
感性的特徴量算出手段と、前記物理的特徴量抽出手段に
より抽出された物理的特徴量と、前記感性的特徴量算出
手段により算出された感性的特徴量とを基に、前記被評
価画像の感性特性と物理特性との関係を解析する解析手
段と、を設ける。

【００２８】請求項５の発明では、画像に対して人がど
のように感じるかを評価する画像感性特性評価装置にお
いて、被評価画像を複数の領域に分割する画像領域分割
手段と、前記被評価画像、および前記画像領域分割手段
により分割された領域分割画像の、それぞれ複数の物理
的特徴量を抽出する物理的特徴量抽出手段と、前記被評
価画像および領域分割画像と、前記物理的特徴量抽出手
段により抽出された物理的特徴量とを、同時にまたは順
次、可視的に表示する表示手段と、この表示手段により
表示された被評価画像および領域分割画像を、それぞれ
被験者が感性的に評価して、それぞれの評価結果を入力
する感性評価入力手段と、この感性評価入力手段により
得られた感性評価データ群を基に、前記被評価画像につ
いての感性的特徴量を算出する感性的特徴量算出手段
と、前記物理的特徴量抽出手段により抽出された、前記
被評価画像についての物理的特徴量と、前記感性的特徴
量算出手段により算出された感性的特徴量とを基に、前
記被評価画像の感性特性と物理特性との関係を解析する
解析手段と、を設ける。

【００２９】

【作用】上記のように構成した請求項１の発明の画像感
性特性評価装置においては、まず、物理的特徴量抽出手
段において、被評価画像についての複数の物理的特徴
量、例えば色成分分布および輪郭成分が抽出される。次
に、表示手段によって、被評価画像および抽出された物
理的特徴量が、同時にまたは順次、可視的に表示され
る。

【００３０】被験者は、その表示された被評価画像を観
察し、表示された物理的特徴量も参照して、被評価画像
を感性的に評価し、その評価結果を感性評価入力手段に
より入力する。

【００３１】これによって、感性的特徴量算出手段にお
いて、感性評価入力手段により得られた感性評価データ
を基に感性的特徴量が算出され、さらに解析手段におい
て、物理的特徴量抽出手段により抽出された物理的特徴
量と、感性的特徴量算出手段により算出された感性的特
徴量とを基に、被評価画像の感性特性と物理特性との関
係が解析される。

【００３２】したがって、例えば、被評価画像が上述し
た『ブルーの風船』の画像である場合、被験者は、風船
のブルーという色だけでなく、風船の丸い形状をも考慮
して、『ブルーの風船』の画像を感性的に評価すること
になり、被評価画像の感性的特徴量と物理的特徴量との
対応関係が精度よく得られる。

【００３３】上記のように構成した請求項２の発明の画
像感性特性評価装置においては、被評価画像と、被評価
画像についての複数の物理的特徴量、例えば色成分分布
および輪郭成分が、表示手段により表示されて、被験者
は、その被評価画像と物理的特徴量との両方を、それぞ
れ感性的に評価することになり、感性的特徴量算出手段
においては、被評価画像についての感性評価データと物
理的特徴量についての感性評価データとに基づいて、被
評価画像についての感性的特徴量が算出されることにな
る。したがって、被評価画像の感性的特徴量と物理的特
徴量との対応関係が精度よく得られる。

【００３４】上記のように構成した請求項３の発明の画
像感性特性評価装置においては、まず、画像領域分割手
段において、被評価画像が複数の領域、例えばメインモ
チーフ画像と背景画像とに分割され、また物理的特徴量
抽出手段において、被評価画像についての複数の物理的
特徴量、例えば色成分分布および輪郭成分が抽出され
る。

【００３５】そして、表示手段によって、被評価画像お
よび領域分割画像が、同時にまたは順次、可視的に表示
され、被験者は、その表示された被評価画像を観察し、
表示された領域分割画像も参照して、被評価画像を感性
的に評価し、その評価結果を感性評価入力手段により入
力する。

【００３６】これによって、感性的特徴量算出手段にお
いて、感性評価入力手段により得られた感性評価データ
を基に感性的特徴量が算出され、さらに解析手段におい
て、物理的特徴量抽出手段により抽出された物理的特徴
量と、感性的特徴量算出手段により算出された感性的特
徴量とを基に、被評価画像の感性特性と物理特性との関
係が解析される。

【００３７】したがって、例えば、被評価画像が上述し
た『赤い風船が山と青空をバックに舞い上がる』シーン
の画像である場合、被験者は、そのシーンの画像だけで
なく、『赤い風船』というメインモチーフ画像や『山と
青空』の背景画像をも考慮して、そのシーンの画像を感
性的に評価することになり、被評価画像の感性的特徴量
と物理的特徴量との対応関係が精度よく得られる。

【００３８】上記のように構成した請求項４の発明の画
像感性特性評価装置においては、請求項３の発明のよう
に、画像領域分割手段において、被評価画像が複数の領
域、例えばメインモチーフ画像と背景画像とに分割され
る場合に、被験者は、その被評価画像と領域分割画像の
両方を、それぞれ感性的に評価することになり、感性的
特徴量算出手段においては、被評価画像についての感性
評価データと領域分割画像についての感性評価データと
に基づいて、被評価画像についての感性的特徴量が算出
されることになる。したがって、被評価画像の感性的特
徴量と物理的特徴量との対応関係が精度よく得られる。

【００３９】上記のように構成した請求項５の発明の画
像感性特性評価装置においては、請求項４の発明のよう
に、被験者により被評価画像と領域分割画像の両方が感
性的に評価される場合に、被評価画像および領域分割画
像のそれぞれの物理的特徴量も参照して、被評価画像お
よび領域分割画像を感性的に評価することになる。した
がって、被評価画像の感性的特徴量と物理的特徴量との
対応関係が精度よく得られる。

【００４０】

【発明の実施の形態】

〔第１の実施形態〕図１および図２は、この発明の画像
感性特性評価装置の第１の実施形態の基本ハードウエア
構成および機能ブロック構成を示す。

【００４１】この実施形態の画像感性特性評価装置は、
全体としてコンピュータシステムとして構成され、基本
ハードウエア構成としては、演算処理部１０、画像入力
部２０、画像記憶部３０、表示部５０および感性評価入
力部６０を備える。

【００４２】演算処理部１０は、ＣＰＵないしＭＰＵ、
ＲＯＭおよびＲＡＭなどによって構成され、システムバ
スを介してシステム各部を統括制御するとともに、後述
する物理的特徴量抽出部１１、感性的特徴量算出部１２
および感性・物理モデル算出部１３を構成する。

【００４３】画像入力部２０は、ハードコピーなどのカ
ラー画像を読み取って画像データに変換するイメージス
キャナや、画像データを外部からビデオ信号の形式で取
り込むビデオインタフェースなどによって構成される。
イメージスキャナとしては、印刷画像などに代表される
反射型画像を読み取るものと、写真スライドなどに代表
される透過型画像を読み取るものとが、必要に応じて接
続される。ビデオインタフェースには、ＶＣＲやＴＶ受
像機などが、必要に応じて接続される。

【００４４】画像記憶部３０は、一般的なハードディス
ク装置をはじめとして、追記型光ディスク、書き替え型
光ディスクなどの大容量記憶装置によって構成され、こ
の画像記憶部３０には、後述するように、評価対象とな
る多数の画像や、その物理的特徴量が記憶され、また感
性・物理モデル生成用リファレンス画像が、その物理的
特徴量ないし感性的特徴量を付されて記憶される。

【００４５】表示部５０は、ＣＲＴやＬＣＤなどの表示
装置で、その表示画面上には、後述するように、入力さ
れた被評価画像およびその物理的特徴量が、同時にまた
は順次、カラー表示される。

【００４６】感性評価入力部６０は、演算処理部１０に
接続されたキーボードやマウスなどの入力装置で、表示
部５０に表示された評価項目につき、被験者が被評価画
像を感性的に評価して、その評価結果を入力するもので
ある。

【００４７】なお、評価項目は、全ての評価項目を一度
に表示するようにしてもよいし、感性評価入力部６０に
よる被験者または操作者の指示によって一つの評価項目
ごとに順次表示するようにしてもよい。また、評価結果
の入力は、被験者自身が表示部５０に表示された評価項
目を見て行ってもよいし、操作者が被験者に評価項目を
問いかけ、それに対する被験者の回答を受けて行うよう
にしてもよい。

【００４８】物理的特徴量抽出部１１は、被評価画像を
処理して、後述するような物理的特徴量を抽出するもの
で、画像処理のハードウエアないしソフトウエアによっ
て構成される。

【００４９】感性的特徴量算出部１２は、被評価画像が
与える感性的イメージを統計的手法によって分析するも
ので、この実施形態では、感性評価入力部６０により入
力された感性評価データ群から被評価画像の感性的特徴
量を算出するハードウエアないしソフトウエアによって
構成される。

【００５０】感性・物理モデル算出部１３は、物理的特
徴量抽出部１１で抽出された物理的特徴量、および感性
的特徴量算出部１２で算出された感性的特徴量から、多
変量解析などの統計的処理を行うハードウエアないしソ
フトウエアによって構成される。

【００５１】以上のコンピュータシステムで構成され
る、この実施形態の画像感性特性評価装置には、当然、
各種のオペレーティングシステムやアプリケーションソ
フトなどが組み込まれる。

【００５２】（第１の実施形態の実施例１）第１の実施
形態の実施例１では、図１および図２に示した構成で、
図３および図４に示す方法によって、画像感性特性を評
価する。

【００５３】まず初めに、画像入力部２０によって装置
内に取り込まれて画像記憶部３０に格納されている被評
価画像や感性・物理モデル生成用リファレンス画像が、
画像記憶部３０から呼び出されて物理的特徴量抽出部１
１に送られ、物理的特徴量抽出部１１で様々な画像処理
が施されて物理的特徴量が抽出される（図４のステップ
１０１）。抽出された物理的特徴量は一旦、画像記憶部
３０に格納される（図４のステップ１０２）。

【００５４】一通り物理的特徴量の抽出が終了したとこ
ろで、次に、これらの画像群を基に被験者による官能評
価が実施され、感性評価データが得られる。その官能評
価の方法について示すと、まず、図３に示すように、画
像記憶部３０に格納されている被評価画像Ｓ０が、画像
記憶部３０から呼び出されて表示部５０に送られ、被験
者に呈示される（図４のステップ１０３）。

【００５５】次に、同じく画像記憶部３０に格納されて
いる物理的特徴量Ｓａ，Ｓｂが、画像記憶部３０から呼
び出されて表示部５０に送られ、可視化されて被験者に
呈示される（図４のステップ１０４）。

【００５６】この場合、物理的特徴量が２，３種類程度
であれば、被評価画像Ｓ０と同時に一度に呈示し、それ
以上の場合には、２，３種類ずつに分けて、またはいく
つかのグループに分けて、被評価画像Ｓ０と同時に呈示
するのが望ましい。この例は、物理的特徴量として、色
成分分布特徴量Ｓａと色輪郭特徴量Ｓｂとが抽出表示さ
れる場合である。

【００５７】次いで、被験者は呈示された画像情報につ
いてＳＤ法による評価を行い、各評価項目に対する５段
階の感性評価値を感性評価入力部６０から入力する（図
４のステップ１０５）。被験者は、全ての評価項目につ
いて官能評価を行ったら、感性評価入力部６０のキーボ
ードの所定のキーを押すことによって、感性評価値の入
力を終了する。

【００５８】なお、この例は、簡便的に同一の表示部５
０に画像の呈示と評価項目の表示を行う場合であるが、
正確を期すという点からは、評価項目は他の表示部に表
示して、なるべく画像情報に影響を与えないようにする
ことが望ましい。

【００５９】次に、上述のようにして求められた感性評
価データＤを基に、感性的特徴量算出部１２において、
被評価画像Ｓ０の感性的特徴量が算出される（図４のス
テップ１０６）。その算出された感性的特徴量は、画像
記憶部３０に保管される（図４のステップ１０７）。

【００６０】以上のステップを、評価対象画像の枚数
分、繰り返し行う（図４のステップ１０８）。そして、
全ての画像の官能評価が終了したら、画像記憶部３０か
ら各被評価画像についての物理的特徴量と感性的特徴量
を呼び出し、感性・物理モデル算出部１３において、そ
れらの関係を多変量解析などの統計的手法によって導出
する（図４のステップ１０９）。

【００６１】この実施例１におけるＳＤ法による官能評
価結果の精度を、従来の一般的な評価法における官能評
価結果と比較して示す。

【００６２】図５は、前述した『ブルーの風船』の画像
につき、被評価画像（オリジナル画像）Ｓ０のみを観察
して感性的な評価を行う一般的なＳＤ法によって評価し
た結果の一部を示したものである。

【００６３】これに対して、図６は、実施例１に基づ
き、被評価画像（オリジナル画像）Ｓ０と、その物理的
特徴量である色成分分布特徴量Ｓａの画像および色輪郭
特徴量Ｓｂの画像との、３種の画像を被験者が観察し
て、同様にＳＤ法によって評価した結果の一部を示した
ものである。

【００６４】ここで、従来の方法による評価結果では、
２名の被験者Ａ，Ｂの評価値に大きな開きがあることが
分かる。この評価結果から見ると、この被評価画像Ｓ０
から受ける感性的印象は、例えば、ある人はモダンに感
じるが、別の人は非常にクラシックに感じることにな
る。また、同様に、「静的な／動的な」についても、
「個性的な／平凡な」についても、それぞれ相反する結
果となっている。

【００６５】これに対して、実施例１では、同じ２名の
被験者Ａ，Ｂの評価値に大きな差異は見られないことが
分かる。この結果から、物理的特徴量を表す画像をオリ
ジナル画像と同時に被験者に呈示することによって、Ｓ
Ｄ法による評価結果の個人差を低減することができると
いえる。また、実験では２名の被験者の評価結果の差異
を調べたが、実施例１によれば、同一の被験者が繰り返
し評価を行った際のばらつきも大幅に低減できると考え
られる。

【００６６】（第１の実施形態の実施例２）第１の実施
形態の実施例２では、図７および図８に示すように、被
評価画像の感性的特徴量を算出するに際して、被評価画
像自身についての感性評価データのほかに、その被評価
画像の物理的特徴量についての感性評価データをも考慮
する。すなわち、被評価画像の物理的特徴量に対しても
被評価画像と同様にＳＤ法による官能評価を行い、その
結果を考慮して被評価画像の感性的特徴量を算出する。

【００６７】まず初めに、実施例１と同様に、被評価画
像が画像記憶部３０から呼び出されて、物理的特徴量抽
出部１１において物理的特徴量が抽出され（図８のステ
ップ１０１）、その抽出された物理的特徴量が一旦、画
像記憶部３０に格納される（図８のステップ１０２）。

【００６８】次に、図７（Ａ）に示すように、画像記憶
部３０に格納されている被評価画像Ｓ０が、画像記憶部
３０から呼び出されて表示部５０に送られ、被験者に呈
示される（図８のステップ１０３）。

【００６９】被験者は、まず、その呈示された被評価画
像Ｓ０についてＳＤ法による評価を行い、各評価項目に
対する５段階の感性評価値を感性評価入力部６０から入
力する（図８のステップ１１１）。その得られた基本感
性評価データＤ０は一旦、画像記憶部３０に格納される
（図８のステップ１１２）。

【００７０】次に、図７（Ｂ）に示すように、被評価画
像Ｓ０の物理的特徴量の一つ、例えば色成分分布特徴量
Ｓａが、画像記憶部３０から呼び出されて表示部５０に
送られ、画像として被験者に呈示される（図８のステッ
プ１１３）。

【００７１】被験者は、次に、その呈示された色成分分
布特徴量ＳａについてＳＤ法による評価を行い、各評価
項目に対する５段階の感性評価値を感性評価入力部６０
から入力する（図８のステップ１１４）。その得られた
対特徴量感性評価データＤａは一旦、画像記憶部３０に
格納される（図８のステップ１１５）。

【００７２】被評価画像Ｓ０につき他の物理的特徴量が
あれば（図８のステップ１１６）、次に、図７（Ｃ）に
示すように、被評価画像Ｓ０の物理的特徴量の他の一
つ、例えば色輪郭特徴量Ｓｂが、画像記憶部３０から呼
び出されて表示部５０に送られ、画像として被験者に呈
示される（図８のステップ１１３）。

【００７３】被験者は、次に、その呈示された色輪郭特
徴量ＳｂについてＳＤ法による評価を行い、各評価項目
に対する５段階の感性評価値を感性評価入力部６０から
入力する（図８のステップ１１４）。その得られた対特
徴量感性評価データＤｂは一旦、画像記憶部３０に格納
される（図８のステップ１１５）。

【００７４】被評価画像Ｓ０につき、ほかに物理的特徴
量がなければ（図８のステップ１１６）、次に、上述の
ようにして求められた基本感性評価データＤ０および対
特徴量感性評価データＤａ，Ｄｂを基に、感性的特徴量
算出部１２において、被評価画像Ｓ０の感性的特徴量が
算出される（図８のステップ１１７）。以後は、実施例
１と同じである。

【００７５】この実施例２におけるＳＤ法による官能評
価結果と、感性的特徴量算出の考え方を、具体的な事例
を基に示す。

【００７６】図９は、前述した『ブルーの風船』の画像
につき、被評価画像（オリジナル画像）Ｓ０と、その物
理的特徴量である色成分分布特徴量Ｓａの画像および色
輪郭特徴量Ｓｂの画像との、３種の画像のＳＤ法による
評価結果の一部を示したものである。

【００７７】ここで、「シャープな／ソフトな」という
評価軸における評価結果を見てみると、オリジナル画像
に対しては、ソフトなイメージを受けるという結果が得
られていることが分かる。これを２つの物理的特徴量の
画像の評価結果で見てみると、まず、色輪郭特徴量画像
に対しては、オリジナル画像を上回るソフトなイメージ
を受けるという結果が得られているのに対して、色成分
分布特徴量画像に対しては、逆にシャープなイメージを
受けるという結果になっている。

【００７８】このことから、この被評価画像における
「シャープな／ソフトな」という評価軸での感性的特徴
量は、色輪郭特徴量画像に表される風船の楕円形がソフ
トなイメージを、また色成分であるブルーが逆にシャー
プなイメージを与えているが、全体的に見た場合には、
風船という丸みを帯びたモチーフから受ける印象が色味
より優先して、その結果として、ややソフトな印象を受
けることが理解できる。

【００７９】以上のような解析をその他の感性評価軸に
ついても行うことによって、被評価画像に対する感性的
特徴量を物理的特徴量と直接結び付いた形でとらえるこ
とができ、その結果、より確度の高い感性評価が可能と
なる。さらに、この実施例２で得られた感性的特徴量
は、上記のようにすでに主要な物理的特徴量と対応付け
られていることから、物理的特徴量で感性的特徴量を予
測するモデルなどの導出においても、より精度の高い感
性・物理モデルを導出することができるものである。

【００８０】また、この実施例２では、被評価画像から
生成した物理的特徴量画像は、被評価画像の感性的特徴
量を導出するために用いたが、例えば、感性・物理モデ
ルの導出を前提とした場合には、この物理的特徴量画像
自身も個別の被評価画像と位置づけてサンプルスペース
の一部を構成するようにすることによって、モデルの精
度を落とすことなくモデル生成のためのサンプル群の規
模を縮小することができるようになり、モデル生成の効
率化が図れる。

【００８１】〔第２の実施形態〕図１０および図１１
は、この発明の画像感性特性評価装置の第２の実施形態
の基本ハードウエア構成および機能ブロック構成を示
す。

【００８２】この実施形態の画像感性特性評価装置は、
図１および図２に示した第１の実施形態のそれに対し
て、画像処理部１０に画像領域分割部１４を付加したも
のである。

【００８３】この画像領域分割部１４は、被評価画像の
画像データをメインモチーフ領域や背景領域などの複数
の領域に分割する機能を有する演算処理部で、一般的に
はアドビ社製のフォトデザイン制作ソフトウェアＰｈｏ
ｔｏｓｈｏｐなどに代表されるようなリタッチャソフト
ウェア、ないしそれを操作するのに必要なユーザインタ
フェースなどによって構成され、操作者がディスプレイ
に表示された画像を見ながらマウスなどを用いて任意の
領域を選択し、分割するようになされているもの、また
はＫ平均アルゴリズムによるクラスタリングなどに代表
される画像領域分割アルゴリズムを適用した画像処理ハ
ードウエアないしソフトウエアによって構成され、画像
の特徴量に応じて自動的に領域分割が実行されるように
なっているものである。

【００８４】（第２の実施形態の実施例１）第２の実施
形態の実施例１では、図１０および図１１に示した構成
で、図１２および図１３に示す方法によって、画像感性
特性を評価する。

【００８５】まず初めに、画像入力部２０によって装置
内に取り込まれて画像記憶部３０に格納されている被評
価画像や感性・物理モデル生成用リファレンス画像が、
画像記憶部３０から呼び出されて画像領域分割部１４に
送られ、画像領域分割部１４においてメインモチーフ画
像と背景画像に領域分割される（図１３のステップ２０
１）。分割されたメインモチーフ画像および背景画像は
一旦、画像記憶部３０に格納される。

【００８６】次に、被評価画像や感性・物理モデル生成
用リファレンス画像が、画像記憶部３０から呼び出され
て物理的特徴量抽出部１１に送られ、物理的特徴量抽出
部１１で様々な画像処理が施されて物理的特徴量が抽出
される（図１３のステップ２０２）。抽出された物理的
特徴量は一旦、画像記憶部３０に格納される（図１３の
ステップ２０３）。

【００８７】一通り物理的特徴量の抽出が終了したとこ
ろで、次に、図１２に示すように、画像記憶部３０に格
納されている被評価画像Ｓ０とメインモチーフ画像Ｓ１
および背景画像Ｓ２とが、画像記憶部３０から呼び出さ
れて表示部５０に送られ、被験者に呈示される（図１３
のステップ２０４）。

【００８８】この場合、上記の例のように領域分割画像
が２，３種類程度であれば、被評価画像Ｓ０と同時に一
度に呈示し、それ以上の場合には、２，３種類ずつに分
けて、またはいくつかのグループに分けて、被評価画像
Ｓ０と同時に呈示するのが望ましい。

【００８９】次いで、被験者は呈示された画像情報につ
いてＳＤ法による評価を行い、各評価項目に対する５段
階の感性評価値を感性評価入力部６０から入力する（図
１３のステップ２０５）。被験者は、全ての評価項目に
ついて官能評価を行ったら、感性評価入力部６０のキー
ボードの所定のキーを押すことによって、感性評価値の
入力を終了する。

【００９０】なお、この例も、簡便的に同一の表示部５
０に画像の呈示と評価項目の表示を行う場合であるが、
正確を期すという点からは、評価項目は他の表示部に表
示して、なるべく画像情報に影響を与えないようにする
ことが望ましい。

【００９１】次に、上述のようにして求められた感性評
価データＤを基に、感性的特徴量算出部１２において、
被評価画像Ｓ０の感性的特徴量が算出される（図１３の
ステップ２０６）。その算出された感性的特徴量は、画
像記憶部３０に保管される（図１３のステップ２０
７）。

【００９２】以上のステップを、評価対象画像の枚数
分、繰り返し行う（図１３のステップ２０８）。そし
て、全ての画像の官能評価が終了したら、画像記憶部３
０から各被評価画像についての物理的特徴量と感性的特
徴量を呼び出し、感性・物理モデル算出部１３におい
て、それらの関係を多変量解析などの統計的手法によっ
て導出する（図１３のステップ２０９）。

【００９３】この実施例１におけるＳＤ法による官能評
価結果の精度を、従来の一般的な評価法における官能評
価結果と比較して示す。

【００９４】図１４は、前述した『赤い風船が山と青空
をバックに舞い上がる』シーンの写真画像につき、被評
価画像（オリジナル画像）Ｓ０のみを観察して感性的な
評価を行う一般的なＳＤ法によって評価した結果の一部
を示したものである。

【００９５】これに対して、図１５は、実施例１に基づ
き、被評価画像（オリジナル画像）Ｓ０と、その領域分
割画像であるメインモチーフ画像Ｓ１および背景画像Ｓ
２との、３種の画像を被験者が観察して、同様にＳＤ法
によって評価した結果の一部を示したものである。

【００９６】ここで、従来の方法による評価結果では、
２名の被験者Ａ，Ｂの評価値に大きな開きがあることが
分かる。この評価結果から見ると、この被評価画像Ｓ０
から受ける感性的印象は、例えば、ある人は暖かく感じ
るが、別の人は非常に冷たく感じることになる。また、
同様に、「静的な／動的な」についても、それぞれ相反
する結果となっている。これは、前述したように被評価
画像に幾つかの要素が含まれているような場合、どの部
分に着目するかが被験者により異なるためと考えられ
る。

【００９７】これに対して、実施例１では、同じ２名の
被験者Ａ，Ｂの評価値の差が小さくなったことが分か
る。この結果から、領域分割画像をオリジナル画像と同
時に被験者に呈示することによって、ＳＤ法による評価
結果の個人差を低減することができるといえる。また、
実験では２名の被験者の評価結果の差異を調べたが、実
施例１によれば、同一の被験者が繰り返し評価を行った
際のばらつきも大幅に低減できると考えられる。

【００９８】（第２の実施形態の実施例２）第２の実施
形態の実施例２では、図１６および図１７に示すよう
に、被評価画像の感性的特徴量を算出するに際して、被
評価画像自身についての感性評価データのほかに、その
被評価画像の領域分割画像についての感性評価データを
も考慮する。すなわち、被評価画像の領域分割画像に対
しても被評価画像と同様にＳＤ法による官能評価を行
い、その結果を考慮して被評価画像の感性的特徴量を算
出する。

【００９９】まず初めに、実施例１と同様に、被評価画
像が画像記憶部３０から呼び出されて、画像領域分割部
１４においてメインモチーフ画像と背景画像に領域分割
される（図１７のステップ２０１）。分割されたメイン
モチーフ画像および背景画像は一旦、画像記憶部３０に
格納される。

【０１００】次に、実施例１と同様に、被評価画像が画
像記憶部３０から呼び出されて、物理的特徴量抽出部１
１において物理的特徴量が抽出され（図１７のステップ
２０２）、その抽出された物理的特徴量が一旦、画像記
憶部３０に格納される（図１７のステップ２０３）。

【０１０１】次に、図１６（Ａ）に示すように、被評価
画像Ｓ０が、画像記憶部３０から呼び出されて表示部５
０に送られ、被験者に呈示される（図１７のステップ２
１１）。

【０１０２】被験者は、まず、その呈示された被評価画
像Ｓ０についてＳＤ法による評価を行い、各評価項目に
対する５段階の感性評価値を感性評価入力部６０から入
力する（図１７のステップ２１２）。その得られた基本
感性評価データＤ０は一旦、画像記憶部３０に格納され
る（図１７のステップ２１３）。

【０１０３】次に、図１６（Ｂ）に示すように、被評価
画像Ｓ０の領域分割画像の一つ、例えばメインモチーフ
画像Ｓ１が、画像記憶部３０から呼び出されて表示部５
０に送られ、被験者に呈示される（図１７のステップ２
１４）。

【０１０４】被験者は、次に、その呈示されたメインモ
チーフ画像Ｓ１についてＳＤ法による評価を行い、各評
価項目に対する５段階の感性評価値を感性評価入力部６
０から入力する（図１７のステップ２１５）。その得ら
れた領域分割画像についての感性評価データＤ１は一
旦、画像記憶部３０に格納される（図１７のステップ２
１６）。

【０１０５】被評価画像Ｓ０につき他の領域分割画像が
あれば（図１７のステップ２１７）、次に、図１６
（Ｃ）に示すように、被評価画像Ｓ０の領域分割画像の
他の一つ、例えば背景画像Ｓ２が、画像記憶部３０から
呼び出されて表示部５０に送られ、被験者に呈示される
（図１７のステップ２１４）。

【０１０６】被験者は、次に、その呈示された背景画像
Ｓ２についてＳＤ法による評価を行い、各評価項目に対
する５段階の感性評価値を感性評価入力部６０から入力
する（図１７のステップ２１５）。その得られた領域分
割画像についての感性評価データＤ２は一旦、画像記憶
部３０に格納される（図１７のステップ２１６）。

【０１０７】被評価画像Ｓ０につき、ほかに領域分割画
像がなければ（図１７のステップ２１７）、次に、上述
のようにして求められた基本感性評価データＤ０および
領域分割画像についての感性評価データＤ１，Ｄ２を基
に、感性的特徴量算出部１２において、被評価画像Ｓ０
の感性的特徴量が算出される（図１７のステップ２１
８）。以後は、実施例１と同じである。

【０１０８】この実施例２におけるＳＤ法による官能評
価結果と、感性的特徴量算出の考え方を、具体的な事例
を基に示す。

【０１０９】図１８は、前述した『赤い風船が山と青空
をバックに舞い上がる』シーンの写真画像につき、被評
価画像（オリジナル画像）Ｓ０と、その領域分割画像で
あるメインモチーフＳ１および背景画像Ｓ２との、３種
の画像のＳＤ法による評価結果の一部を示したものであ
る。

【０１１０】ここで、「暖かい／冷たい」という評価軸
における評価結果を見てみると、オリジナル画像に対し
ては、暖かいイメージを受けるという結果が得られてい
ることが分かる。これを２つの領域分割画像の評価結果
で見てみると、まず、メインモチーフ画像に対しては、
オリジナル画像を上回る暖かいイメージを受けるという
結果が得られているのに対して、背景画像に関しては、
逆に冷たいイメージを受けるという結果になっている。

【０１１１】このことから、この被評価画像における
「暖かい／冷たい」という評価軸での感性的特徴量は、
メインモチーフ画像に表される赤い風船が暖かいイメー
ジを、また背景画像に表される山と青空が逆に冷たいイ
メージを与えているが、全体的に見た場合には、メイン
モチーフである赤い風船から受ける印象が背景から受け
る印象より優先して、その結果として、やや暖かい印象
を受けることが理解できる。

【０１１２】以上のように、主観評価をオリジナル画像
に対してだけでなく、メインモチーフ画像および背景画
像に対しても実施し、それぞれについての個別の感性評
価データを得て、各感性評価軸について詳細な解析を行
うことによって、被評価画像に対する感性的特徴量が画
像のどの領域から受ける印象なのか、またメインモチー
フと背景とはどのようなバランスで構成されているの
か、などを知ることができ、その結果、より確度の高い
感性評価が可能となる。

【０１１３】（第２の実施形態の実施例３）第２の実施
形態の実施例３では、図１９〜図２２に示すように、実
施例２のように領域分割画像に対しても官能評価を行う
場合に、被験者は被評価画像および領域分割画像だけで
なく、それぞれの物理的特徴量をも観察して官能評価を
行うようにする。

【０１１４】まず初めに、実施例１，２と同様に、被評
価画像が画像記憶部３０から呼び出されて、画像領域分
割部１４においてメインモチーフ画像と背景画像に領域
分割される（図２２のステップ２０１）。分割されたメ
インモチーフ画像および背景画像は一旦、画像記憶部３
０に格納される。

【０１１５】次に、被評価画像とメインモチーフ画像お
よび背景画像が、画像記憶部３０から呼び出されて、物
理的特徴量抽出部１１において、それぞれの物理的特徴
量が抽出され（図２２のステップ２０２）、その抽出さ
れた物理的特徴量が一旦、画像記憶部３０に格納される
（図２２のステップ２０３）。

【０１１６】次に、図１９に示すように、被評価画像Ｓ
０と、その物理的特徴量である例えば色成分分布特徴量
Ｓ０ａおよび色輪郭特徴量Ｓ０ｂが、画像記憶部３０か
ら呼び出されて表示部５０に送られ、被験者に呈示され
る（図２２のステップ２１１）。

【０１１７】被験者は、まず、その呈示された被評価画
像Ｓ０と色成分分布特徴量Ｓ０ａおよび色輪郭特徴量Ｓ
０ｂを観察して、被評価画像Ｓ０についてＳＤ法による
評価を行い、各評価項目に対する５段階の感性評価値を
感性評価入力部６０から入力する（図２２のステップ２
１２）。その得られた基本感性評価データＤ０は一旦、
画像記憶部３０に格納される（図２２のステップ２１
３）。

【０１１８】次に、図２０に示すように、被評価画像Ｓ
０の領域分割画像の一つ、例えばメインモチーフ画像Ｓ
１と、その物理的特徴量である例えば色成分分布特徴量
Ｓ１ａおよび色輪郭特徴量Ｓ１ｂが、画像記憶部３０か
ら呼び出されて表示部５０に送られ、被験者に呈示され
る（図２２のステップ２１４）。

【０１１９】被験者は、次に、その呈示されたメインモ
チーフ画像Ｓ１と色成分分布特徴量Ｓ１ａおよび色輪郭
特徴量Ｓ１ｂを観察して、メインモチーフ画像Ｓ１につ
いてＳＤ法による評価を行い、各評価項目に対する５段
階の感性評価値を感性評価入力部６０から入力する（図
２２のステップ２１５）。その得られた領域分割画像に
ついての感性評価データＤ１は一旦、画像記憶部３０に
格納される（図２２のステップ２１６）。

【０１２０】被評価画像Ｓ０につき他の領域分割画像が
あれば（図２２のステップ２１７）、次に、図２１に示
すように、被評価画像Ｓ０の領域分割画像の他の一つ、
例えば背景画像Ｓ２と、その物理的特徴量である例えば
色成分分布特徴量Ｓ２ａおよび色輪郭特徴量Ｓ２ｂが、
画像記憶部３０から呼び出されて表示部５０に送られ、
被験者に呈示される（図２２のステップ２１４）。

【０１２１】被験者は、次に、その呈示された背景画像
Ｓ２と色成分分布特徴量Ｓ２ａおよび色輪郭特徴量Ｓ２
ｂを観察して、背景画像Ｓ２についてＳＤ法による評価
を行い、各評価項目に対する５段階の感性評価値を感性
評価入力部６０から入力する（図２２のステップ２１
５）。その得られた領域分割画像についての感性評価デ
ータＤ２は一旦、画像記憶部３０に格納される（図２２
のステップ２１６）。

【０１２２】被評価画像Ｓ０につき、ほかに領域分割画
像がなければ（図２２のステップ２１７）、次に、上述
のようにして求められた基本感性評価データＤ０および
領域分割画像についての感性評価データＤ１，Ｄ２を基
に、感性的特徴量算出部１２において、被評価画像Ｓ０
の感性的特徴量が算出される（図２２のステップ２１
８）。以後は、実施例１，２と同じである。

【０１２３】以上のように、オリジナル画像だけでな
く、その領域分割画像に対しても主観評価を行う場合
に、それぞれの物理的特徴量を被験者に呈示することに
よって、被験者の評価対象や評価基準が明確となり、そ
の結果、より確度の高い感性評価が可能となる。さら
に、この実施例３では、上記のように物理的特徴量を参
考に感性的特徴量を求めていることから、物理的特徴量
で感性的特徴量を予測するモデルなどの導出において
も、より精度の高い感性・物理モデルを導出することが
できるものである。

【０１２４】また、この実施例３では、被評価画像から
生成した物理的特徴量画像は、被評価画像の感性的特徴
量を導出するために用いたが、例えば、感性・物理モデ
ルの導出を前提とした場合には、この物理的特徴量画像
自身も個別の被評価画像と位置づけでサンプルスペース
の一部を構成するようにすることによって、モデルの精
度を落とすことなくモデル生成のためのサンプル群の規
模を縮小することができるようになり、モデル生成の効
率化が図れる。

【０１２５】

【発明の効果】上述したように、請求項１の発明によれ
ば、ＳＤ評価法などの官能評価を行う際に、被験者に被
評価画像とともに、その複数の物理的特徴量を呈示する
ことによって、感性評価値の被験者間のばらつきや繰り
返し誤差を低減させることができ、その結果、感性的特
徴量と物理的特徴量との関係を記述する精度の高い感性
・物理モデルの導出が可能となる。

【０１２６】請求項２の発明によれば、ＳＤ評価法など
の官能評価を、被評価画像に対してだけでなく、被評価
画像の複数の物理的特徴量に対しても行って、感性評価
データを得ることによって、被評価画像に対する感性的
特徴量を物理的特徴量と直接結び付いた形でとらえるこ
とができ、その結果、より確度の高い感性評価が可能と
なる。さらに、得られた感性的特徴量は、上記のように
すでに主要な物理的特徴量と対応付けられていることか
ら、物理的特徴量で感性的特徴量を予測するモデルなど
の導出においても、より精度の高い感性・物理モデルを
導出することができるようになる。

【０１２７】請求項３の発明によれば、ＳＤ評価法など
の官能評価を行う際に、被験者に被評価画像とともに、
そのメインモチーフ画像や背景画像などの複数の領域分
割画像を呈示することによって、感性評価値の被験者間
のばらつきや繰り返し誤差を低減させることができ、そ
の結果、感性的特徴量と物理的特徴量との関係を記述す
る精度の高い感性・物理モデルの導出が可能となる。

【０１２８】請求項４の発明によれば、ＳＤ評価法など
の官能評価を、被評価画像に対してだけでなく、被評価
画像の複数の領域分割画像に対しても行って、感性評価
データを得ることによって、被評価画像に対する感性的
特徴量が画像のどの領域から受ける印象なのか、またメ
インモチーフと背景とはどのようなバランスで構成され
ているのか、などを知ることができ、その結果、より確
度の高い感性評価が可能となる。

【０１２９】請求項５の発明によれば、ＳＤ評価法など
の官能評価を、被評価画像に対してだけでなく、被評価
画像の複数の領域分割画像に対しても行う場合に、被評
価画像や領域分割画像とともに、それぞれの物理的特徴
量をも被験者に呈示して、感性評価データを得ることに
よって、被評価画像に対する感性的特徴量を物理的特徴
量と直接結び付いた形でとらえることができ、その結
果、より確度の高い感性評価が可能となる。さらに、得
られた感性的特徴量は、上記のようにすでに主要な物理
的特徴量と対応付けられていることから、物理的特徴量
で感性的特徴量を予測するモデルなどの導出において
も、より精度の高い感性・物理モデルを導出することが
できるようになる。

【図面の簡単な説明】

【図１】この発明の画像感性特性評価装置の第１の実施
形態の基本ハードウエア構成を示す図である。

【図２】第１の実施形態の機能ブロック構成を示す図で
ある。

【図３】第１の実施形態の実施例１の場合の呈示画像を
示す図である。

【図４】第１の実施形態の実施例１の場合の処理を示す
フローチャートである。

【図５】従来の一般的なＳＤ法により、ある画像を評価
した結果を示す図である。

【図６】第１の実施形態の実施例１により、ある画像を
評価した結果を示す図である。

【図７】第１の実施形態の実施例２の場合の呈示画像を
示す図である。

【図８】第１の実施形態の実施例２の場合の処理を示す
フローチャートである。

【図９】第１の実施形態の実施例２により、ある画像を
評価した結果を示す図である。

【図１０】この発明の画像感性特性評価装置の第２の実
施形態の基本ハードウエア構成を示す図である。

【図１１】第２の実施形態の機能ブロック構成を示す図
である。

【図１２】第２の実施形態の実施例１の場合の呈示画像
を示す図である。

【図１３】第２の実施形態の実施例１の場合の処理を示
すフローチャートである。

【図１４】従来の一般的なＳＤ法により、ある画像を評
価した結果を示す図である。

【図１５】第２の実施形態の実施例１により、ある画像
を評価した結果を示す図である。

【図１６】第２の実施形態の実施例２の場合の呈示画像
を示す図である。

【図１７】第２の実施形態の実施例２の場合の処理を示
すフローチャートである。

【図１８】第２の実施形態の実施例２により、ある画像
を評価した結果を示す図である。

【図１９】第２の実施形態の実施例３の場合の呈示画像
を示す図である。

【図２０】第２の実施形態の実施例３の場合の呈示画像
を示す図である。

【図２１】第２の実施形態の実施例３の場合の呈示画像
を示す図である。

【図２２】第２の実施形態の実施例３の場合の処理を示
すフローチャートである。

【符号の説明】

１０ 演算処理部 １１ 物理的特徴量抽出部 １２ 感性的特徴量算出部 １３ 感性・物理モデル算出部 １４ 画像領域分割部 ２０ 画像入力部 ３０ 画像記憶部 ５０ 表示部 ６０ 感性評価入力部 Ｓ０ 被評価画像（オリジナル画像） Ｓ１ メインモチーフ画像 Ｓ２ 背景画像 Ｓａ，Ｓ０ａ，Ｓ１ａ，Ｓ２ａ 色成分分布特徴量 Ｓｂ，Ｓ０ｂ，Ｓ１ｂ，Ｓ２ｂ 色輪郭特徴量 Ｄ０，Ｄ１，Ｄ２，Ｄａ，Ｄｂ 感性評価値

Claims (10)

【特許請求の範囲】
1. 【請求項１】画像に対して人がどのように感じるかを評
   価する画像感性特性評価装置において、 被評価画像についての複数の物理的特徴量を抽出する物
   理的特徴量抽出手段と、 前記被評価画像、および前記物理的特徴量抽出手段によ
   り抽出された物理的特徴量を、同時にまたは順次、可視
   的に表示する表示手段と、 この表示手段により表示された被評価画像を被験者が感
   性的に評価して、その評価結果を入力する感性評価入力
   手段と、 この感性評価入力手段により得られた感性評価データを
   基に、前記被評価画像についての感性的特徴量を算出す
   る感性的特徴量算出手段と、 前記物理的特徴量抽出手段により抽出された物理的特徴
   量と、前記感性的特徴量算出手段により算出された感性
   的特徴量とを基に、前記被評価画像の感性特性と物理特
   性との関係を解析する解析手段と、 を備えることを特徴とする画像感性特性評価装置。
2. 【請求項２】画像に対して人がどのように感じるかを評
   価する画像感性特性評価装置において、 被評価画像についての複数の物理的特徴量を抽出する物
   理的特徴量抽出手段と、 前記被評価画像、および前記物理的特徴量抽出手段によ
   り抽出された物理的特徴量を、同時にまたは順次、可視
   的に表示する表示手段と、 この表示手段により表示された被評価画像および物理的
   特徴量を、それぞれ被験者が感性的に評価して、それぞ
   れの評価結果を入力する感性評価入力手段と、 この感性評価入力手段により得られた感性評価データ群
   を基に、前記被評価画像についての感性的特徴量を算出
   する感性的特徴量算出手段と、 前記物理的特徴量抽出手段により抽出された物理的特徴
   量と、前記感性的特徴量算出手段により算出された感性
   的特徴量とを基に、前記被評価画像の物理特性と感性特
   性との関係を解析する解析手段と、 を備えることを特徴とする画像感性特性評価装置。
3. 【請求項３】画像に対して人がどのように感じるかを評
   価する画像感性特性評価装置において、 被評価画像を複数の領域に分割する画像領域分割手段
   と、 前記被評価画像についての複数の物理的特徴量を抽出す
   る物理的特徴量抽出手段と、 前記被評価画像、および前記画像領域分割手段により分
   割された領域分割画像を、同時にまたは順次、可視的に
   表示する表示手段と、 この表示手段により表示された被評価画像を被験者が感
   性的に評価して、その評価結果を入力する感性評価入力
   手段と、 この感性評価入力手段により得られた感性評価データを
   基に、前記被評価画像についての感性的特徴量を算出す
   る感性的特徴量算出手段と、 前記物理的特徴量抽出手段により抽出された物理的特徴
   量と、前記感性的特徴量算出手段により算出された感性
   的特徴量とを基に、前記被評価画像の感性特性と物理特
   性との関係を解析する解析手段と、 を備えることを特徴とする画像感性特性評価装置。
4. 【請求項４】画像に対して人がどのように感じるかを評
   価する画像感性特性評価装置において、 被評価画像を複数の領域に分割する画像領域分割手段
   と、 前記被評価画像についての複数の物理的特徴量を抽出す
   る物理的特徴量抽出手段と、 前記被評価画像、および前記画像領域分割手段により分
   割された領域分割画像を、同時にまたは順次、可視的に
   表示する表示手段と、 この表示手段により表示された被評価画像および領域分
   割画像を、それぞれ被験者が感性的に評価して、それぞ
   れの評価結果を入力する感性評価入力手段と、 この感性評価入力手段により得られた感性評価データ群
   を基に、前記被評価画像についての感性的特徴量を算出
   する感性的特徴量算出手段と、 前記物理的特徴量抽出手段により抽出された物理的特徴
   量と、前記感性的特徴量算出手段により算出された感性
   的特徴量とを基に、前記被評価画像の感性特性と物理特
   性との関係を解析する解析手段と、 を備えることを特徴とする画像感性特性評価装置。
5. 【請求項５】画像に対して人がどのように感じるかを評
   価する画像感性特性評価装置において、 被評価画像を複数の領域に分割する画像領域分割手段
   と、 前記被評価画像、および前記画像領域分割手段により分
   割された領域分割画像の、それぞれ複数の物理的特徴量
   を抽出する物理的特徴量抽出手段と、 前記被評価画像および領域分割画像と、前記物理的特徴
   量抽出手段により抽出された物理的特徴量とを、同時に
   または順次、可視的に表示する表示手段と、 この表示手段により表示された被評価画像および領域分
   割画像を、それぞれ被験者が感性的に評価して、それぞ
   れの評価結果を入力する感性評価入力手段と、 この感性評価入力手段により得られた感性評価データ群
   を基に、前記被評価画像についての感性的特徴量を算出
   する感性的特徴量算出手段と、 前記物理的特徴量抽出手段により抽出された、前記被評
   価画像についての物理的特徴量と、前記感性的特徴量算
   出手段により算出された感性的特徴量とを基に、前記被
   評価画像の感性特性と物理特性との関係を解析する解析
   手段と、 を備えることを特徴とする画像感性特性評価装置。
6. 【請求項６】請求項３〜５のいずれかの画像感性特性評
   価装置において、 前記画像領域分割手段は、前記領域分割画像として少な
   くともメインモチーフ画像と背景画像が含まれるように
   前記被評価画像を領域分割することを特徴とする画像感
   性特性評価装置。
7. 【請求項７】請求項１〜５のいずれかの画像感性特性評
   価装置において、 前記物理的特徴量抽出手段および前記表示手段は、前記
   被評価画像の代表的な色成分分布を抽出し、その抽出結
   果を表示する機能を有することを特徴とする画像感性特
   性評価装置。
8. 【請求項８】請求項１〜５のいずれかの画像感性特性評
   価装置において、 前記物理的特徴量抽出手段および前記表示手段は、前記
   被評価画像の空間周波数的特徴成分を抽出し、その抽出
   結果を表示する機能を有することを特徴とする画像感性
   特性評価装置。
9. 【請求項９】請求項１〜５のいずれかの画像感性特性評
   価装置において、 前記物理的特徴量抽出手段および前記表示手段は、前記
   被評価画像の明度成分分布を抽出し、その抽出結果を２
   値階調または多値階調で表示する機能を有することを特
   徴とする画像感性特性評価装置。
10. 【請求項１０】請求項１〜５のいずれかの画像感性特性
    評価装置において、 前記物理的特徴量抽出手段および前記表示手段は、前記
    被評価画像の輪郭成分を抽出し、その抽出結果を線画で
    表示する機能を有することを特徴とする画像感性特性評
    価装置。