用於相對顏色質量的自然語言評價的系統的製作方法

2023-10-06 02:12:44 3

專利名稱：用於相對顏色質量的自然語言評價的系統的製作方法
技術領域：
本公開涉及圖片質量分析並且更具體地涉及一種提供使用自然語言來評價在參考與源圖像之間的相對顏色質量的系統。
背景技術：
視頻經常從原始視頻流改變成修改的視頻流。改變的動力經常與如下目標介質的帶寬有關，將通過該目標介質來傳輸修改的視頻流的。但是存在修改視頻的多種原因。處理視頻的其他原始因例如包括針對不同顯示器的編輯、壓縮和解壓、重新格式化、視頻插入和疊加、傳輸差錯的最小化以及修改顏色。視頻行業對修改的視頻中的顏色再現施加限制。換而言之，行業建立所得視頻為了可接受而必須通過的標準。經常出現的一個問題是從原始到修改的視頻的顏色偏移。顏色偏移在多數視頻處理中是常見的並且難以在經驗上評價，因為顏色的確定是基於生理的 並且因此必然主觀。用於檢測這樣有問題的顏色改變的先前方法已經需要a)直接查看之前和之後的視頻，這耗費時間並且有時之前和之後的視頻源不是同時可用於查看);b)使用矢量顯示器(vectorscope)或者「顏色」，這需要受訓練人員解釋，並且甚至然後可能由於缺乏人類視覺模型被誤導，即顏色的亮度遺漏，因此黑色經常在矢量顯示器上顯現為亮色；c)「顏色」(基於YUV的UV或者RGB)峰值信號噪聲比(PSNR)測量，這可以是自動化的，但是也如矢量顯示器解決方案那樣遭受缺乏人類視覺模型方面的問題；d)人類視覺模型類型的視頻質量分析產品(諸如TEKTRONIX PQA300質量分析器)可以確定可感知的顏色改變是否已經發生，但是它缺乏為了準確預測顏色如何不同(並且在一些情況下對於特定查看條件而言即使顏色顯得不同)而需要的許多重要適配機制；或者e)使用更高級的人類視覺模型技術，諸如在2009 年 12 月 10 日提交、標題為 METHOD AND APPARATUS FOR IMPLEMENTING MOVING IMAGECOLOR APPEARANCE MODEL FOR VIDEO QUALITY RATINGS PREDICTION 並且通過引用而結合於此的美國專利申請12/635，456、中描述的Moving Image Color Appearance Model(MICAM)。然而MICAM的輸出可能難以讓未受訓練的操作者解釋並且修改的視頻中的一些差別可能甚至讓專家也難以察覺。本發明的實施例解決現有技術中的這些和其他限制。

發明內容
在本發明的一些方面中，提供一種用於生成對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統。該系統可以包括接收在參考圖像與源圖像之間的差值測量並且基於差值測量來確定顏色屬性改變的顏色轉換器。顏色屬性可以例如包括色調偏移、飽和度改變和顏色變化。此外，量值指數設施確定已確定的顏色屬性改變的量值。另外，自然語言選擇器將顏色屬性改變和該改變的量值映射到自然語言並且生成顏色屬性改變和顏色屬性改變的量值的報告。然後可以用文本或者音頻形式或者用文本和音頻形式兩者向用戶傳送輸出。在本發明的其他方面中，提供用於產生對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法。這些方法可以包括接受在參考圖像與源圖像之間的顏色比較差值測量並且將顏色比較差值測量轉換成二維顏色空間差值。根據值確定顏色屬性改變以及顏色屬性改變的量值，將顏色屬性改變和顏色屬性改變的量值映射到自然語言詞語集合以基於比較為用戶生成報告。


圖I是根據本發明實施例的自然語言評價系統的框圖。圖2是根據CIECAM02標準的用於描述顏色的二維框架的常規圖。圖3是圖I的自然語言生成器系統的部件的示例實施例的框圖。
圖4是根據本發明實施例的用於測量色調偏移並且用自然語言表現的示例過程的流程圖。圖5是根據本發明實施例的用於測量飽和度偏移並且用自然語言表現的示例過程的流程圖。圖6是根據本發明實施例的用於測量顏色多樣性(variety)和/或顏色變化並且用自然語言表現的示例過程的流程圖。
具體實施例方式圖I是根據本發明實施例的自然語言評價系統10的框圖。對於觀看修改或者處理的視頻比對未處理的視頻的人類，視頻的總體印象可以概括為1)顏色飽和度的改變，諸如增加的飽和度或者減飽和度(desaturation);或者2)顏色色調的總體偏移，一般經由白色偏移變得最明顯(即不同色溫或者色彩(tint)改變(諸如白顏色顯得更綠或者更品紅/紫));或者3)飽和度改變與色調總體偏移的組合。本發明的實施例生成這樣的比較的自然語言輸出，視頻生產人員可以在評價修改的視頻時更容易使用該輸出。自然語言評價系統10包括上文介紹的MICAM的實施例12。在MICAM 12中，接收測試圖像和參考圖像(這些圖像也可以是相應圖像系列)作為向單獨可選格式轉換器20、21中的單獨輸入。格式轉換器20、21轉換用於顯不模型24、25的輸入,這些模型又將相應輸入轉換成用於向相應查看和感知模型28、29、30和31輸入的模擬光。相應感知模型30、31以CIECAM02 {a, b}為單位輸出每個空間(例如像素)和時間(例如幀)樣本的相應顏色響應。CIECAM02 是 CIE 技術委員會 8-01 於 2002 年發行的公知 Color Appearance Modelingfor Color Management Systems。這些相應{a, b}視頻響應用來估計在(一個或多個)參考圖像與(一個或多個)修改(測試)圖像之間的感知差值。除了感知模型30、31之外，可以向系統添加諸如在TEKTRONIX PQA 500/600質量分析器中發現的認知模型。在選擇器42中選擇圖像內感興趣的區域，其可以是空間或時間或兩者中的區域。在一些實施例中，感興趣的默認區域是用於(一個或多個)測試和參考圖像的整個長度的(一個或多個)全部幀。MICAM 12的輸出是如圖I中所示的測試與參考圖像之間比較的一組統計摘要。儘管國際標準團體推薦將顏色建模用於靜態圖像顏色塊，但是使用CIECAM02作為用於構建對於視頻而言充分準確的顏色視覺模型的基礎。設計、校準和驗證CIECAM02以確定顏色差的閾值、方向和量值。然而如在上文提到的『456申請中描述的MICAM的最終輸出被設計成(除了 PQR、圖片質量評級、預測之外還)預測視頻質量摘要分數(諸如差值平均意見分數(D0MS))。儘管MICAM 12產生用於(一個或多個)測試和參考圖像的在CIECAM02顏色空間中的{a, b}坐標，這又潛在地實現測試和參考顏色差除了 DMOS和PQR度量之外的統計分析，但是它未直接向用戶通知有價值的直接顏色評價。圖2是根據CIECAM02標準的用於描述顏色的二維框架的常規圖。用直角坐標(諸如圖2中所示坐標)表達CIECAM02標準的Lab。框架80沿著「a」軸描述「微紅」到「微綠」並且沿著「b」軸描述「微黃」到「微藍」。{a, b}平面的橫向描述照度。「a」和「b」軸兩者在正和負方向上延伸。將顏色描述為在{a，b}平面中的從原點(「a」和「b」軸的交點)以某一角度延伸的線上。沿著該線的顏色位於不同飽和度水平。然而CIECAM02未針對任何特定顏色區在侵佔(encroach)另一顏色之前有多寬歸因於容差。另外，儘管CIECAM02包括用於確定個別顏色的飽和度的方法，但是它既未解決多個顏色的趨勢也未解決顏色改變 的自然語言評價。回顧圖1，MICAM 12的輸出是向自然語言創建器系統50的輸入，該系統50對數據執行下文描述的各種過程並且比較輸入數據與用於色調、量化最高級(superlative)和增加比對減少指示分類的閾值。參照下圖給出細節和示例例子。圖3是圖I的自然語言生成器系統50的部件的示例實施例100的框圖。圖3的自然語言生成器系統100包括屬性測量部分110，該部分包括三個子系統一色調測量設施112、飽和度測量設施114和顏色多樣性/變化測量設施116。這些設施112、114、116根據從圖I的MICAM 12接收的輸入生成輸出。色調測量設施112生成對測試圖像從參考圖像的色調偏移(圖I)的測量。總體色調偏移
平均測試和參考差值數據{a，b}(平均值差值或者優選實施例為差值平均){meanaDiff, mean bDiff}取自於MICAM 12的輸出並且用來確定總體色調偏移。使用CIECAMO 2色調角度函數h(a，b)來計算色調偏移角度
平均色調差值角度=h (mean aDiff, mean bDiff)
=atan ( mean bDiff, mean aDiff),
其中atan函數計算遍及圖2的{a，b}圖形的所有4個象限(S卩，從0到360度)內的唯一角度。這在圖4中圖示為流程400的過程410。然後在過程420中比較平均色調差值角度或者色調角度與主顏色(cardinalcolor)的限制，主顏色的限制如基於如R. M. Boynton和R. E. MacLaury和K. Uchikawa在 Centroids of Color Categories Compared by Two Methods , Color Research andApplication 14(1), 6-15, 1989 (「Boynton」)中描述的美國光學協會(OSA) jgL 相等感知遞增顏色空間生成。更具體而言，來自這一參考文獻和相似研究的數據是用於確定用於描述色調改變的主色調以及用於每個主色調的極端色調角度的基礎。這些研究使用來自不同文化的對象和不同語言的對應說母語人士 (儘管Boynton參考文獻主要聚焦於說英語和日語人士)並且標識d的顏色空間的如下大部分，基本顏色類別基本上駐留於這些部分。例如Boynton參考文獻包括粉紅色、紅色、棕色、橙色、黃色、綠色、藍色和紫色的OSA (美國光學協會)gjL (通用圖像庫)顏色空間中的繪圖。由於棕色在色調角度上與紅色和橙色大量重合(主要通過L軸代表的亮度/照度來區分)，所以未使用它。這留下粉紅色、紅色、棕色、橙色、黃色、綠色、藍色和紫色作為主顏色。可以在對應名稱之間使用連字符或者斜線來系統地命名在連續主顏色之間的顏色。例如落在綠色與黃色區域之間的顏色稱為「綠-黃色」或者「綠/黃色」。通過窮舉地採樣跨OSA顏色空間的顏色並且在主顏色類別中對每個顏色分類(或者未分類)來標識Boynton參考文獻的主顏色的界限。使用在CIECAM02文檔中描述的方法將用於每個主顏色類別的一組顏色從OSA gjL轉換成xyY並且然後進一步轉換成CIECAM02{ab}空間和對應色調角度h (a, b)。總言之，CIE的顏色空間和顏色差模型(包括CIE 1931 xyY顏色空間(在諸多照片/譜分析產品中的目前常見/標準))包括來自CIE的諸多改進，包括Luv、Lab (包括CIECAM02)和CIE顏色差模型。這些改進中的諸多改進具有如下關聯表，這些表具有數以百計到數以千計的顏色名稱和向顏色空間坐標的映射的條目。一種使用準顏色命名慣例 作為顏色空間坐標的部分的顏色空間是Munsell顏色空間，其具有向CIE xyY的示例映射，如在 Gunter Wyszecki 和 W. S. Stiles 的Science: Concepts and Methods,Quantitative Data and Formulas,第 2 版，1982，John Wiley & Sons, NY 中描述的。然而這些技術/標準無一可以用來如在前述PQA和MICAM系統中那樣直接評估視頻。另外儘管PQA和MICAM系統的輸出使用每幀每個像素的標準單位(即輸出單位分別是每個空間和時間位置的CIE {u，v}和CIECAM02 {a, b})，但是向顏色名稱的映射太具體而無法用於總體顏色偏移分析、往往使用如下文化特有語言，該語言未很好地翻譯成其他語言並且未考慮顏色量化，該顏色量化往往在形成如在Boynton參考文獻中那樣歸類的一起獲得的顏色意見時發生。回顧圖4，過程420圖示了顏色比較和量化，這裡參照表I描述該過程的實施例。表I是如使用圖2中所示CIECAM02 {ab}空間通過照最大和最小角度測量的主顏色的確定界限。表(諸如表I)可以被存儲為如下色調表113，該色調表在色調測量設施112內或者耦合到色調測量設施112。表I (色調顏色)
最小角度最大角度 紅9. 76120. 549
橙22. 54939. 399
黃75. 15990.000
綠101. 780164. 250
藍216.551237.530
紫291.772317.314
粉紅337.46413. 290
在圖4的過程430中將這些主色調角度與在過程410中確定的色調角度進行比較以將色調量化成主色調或者「在主色調之間的」色調之一。可以在對應名稱之間使用連字符或者斜線來系統地命名在連續主顏色之間的顏色。例如落在綠顏色與黃顏色區域之間的顏色稱為「綠-黃色」或者「綠/黃色」。因此可以建立色調類別。回顧圖3，色調類別與下文描述的飽和度測量和顏色變化測量一起傳遞到量值確定器120。使用與上文描述的方法相似的方法，再次使用轉換成CIECAM02 {a, b}的來自Boynton參考文獻的數據，可以通過相對於每個主顏色的區域內的顏色質心歸一化{meanaDiff, mean bDiff}的矢量長度來確定顏色改變的相對量值。在表2中列舉用於歸一化的參考量值並且可以在量值確定器120內包括這些量值作為量值表121。表2 (相反色調顏色)
m參考暈倌.
紅0.941
紅橙0.948
橙0.956
橙黃0.930
黃0.904
黃綠0.678
綠0.453
綠藍0.475
藍0.497
藍紫0.444
紫0. 392
紫粉紅0. 512
粉紅0.633
桃紅(PinkRed)0. 787
例I :
角度=13 量值=紅.12
參考量值=紅 相對量值=量值/參考量值 相對量值=0. 12。例如，如果確定色調差值角度為13 (將落在來自表I的「紅」n內)，則相反色調顏色落為來自表2的「綠藍」。另外如在上式中所示確定量值為.12。將這一過程圖示為圖4中的440。顏色改變的歸一化量值然後從量值確定器120傳遞到自然語言選擇器130以根據用於色調和相反色調的一組類別量化閾值從自然語言表131選擇適當定量最高級詞語或者短語。將這圖示為圖4的過程450。在表3中圖示了用於特定顏色偏移閾值的示例自然語言表131。表3 (最高級閾值和量化倉)
量化倉最小閾值最大閾值自然語言最高級
000.008否10.0090.048略微
20.0490.168明顯
30. 1690. 368有些
40. 3690.648可觀
50.6491.000嚴重
一旦圖3的色調測量設施112、量值確定器120和自然語言選擇器130已經分別確定色調、相反色調和最高級，自然語言選擇器就可以生成比較(一個或多個)參考圖像與(一個或多個)測試圖像的色調的自然語言句子如下
總言之，視頻看來{最高級1}更{色調} ( {最高級2}不太{相反色調}。
這使用來自上例I的數據變成
「總言之，視頻看來有些更紅(有些不太藍綠)。」
將這圖示為圖4的過程460。飽和度的總體改變
現在參照圖2和圖5描述飽和度測量設施114 (圖2)的功能。飽和度測量設施114 (圖2)接受來自MICAM 12 (圖I)的平均絕對測試和參考{mean(|a|),mean(|b|) }並且使用它確定在(一個或多個)參考圖像與(一個或多個)測試圖像之間的總體飽和度改變。首先如下文並且如在圖5的示例流程500的示例過程510中所示確定這些相應值的測試與參考值之間的差
diffOfMeanAbs_a = meanAbsTest_a - meanAbsRef—a
其中diffOfMeanAbs—a對應於圖I的「mean Abs(a)Diff」。注意平均比對差值的運算順序可互換而a或者b的絕對值居首。每個diffOfMeanAbs_a和diffOfMeanAbs_b的絕對值中的每個然後分別在圖5的過程520中用來根據一組類別量化閾值從自然語言表131 (圖3)選擇適當定量最高級詞語或者短語，而相應符號用來在「更」或者「不太」之間選擇
例2
如果以下值是向飽和度測量設施114的輸入meanAbsTest_a:=. I meanAbsRef—a:= 11meanAbsTest—b:=. 08 meanAbsRef—b:= I則 diffOfMeanAbs—a:=meanAbsTest—a - meanAbsRef—a = -0. 01diffOfMeanAbs—b:=meanAbsTest—b - meanAbsRef—b = -0.02首先如描述為圖5的過程510那樣，如上文給定的那樣確定在(一個或多個)測試與參考圖像之間的距離。然後在過程520中確定相應距離的量化倉，這意味著確定哪個指數值對應於每個diffOfMeanAbs_a和diffOfMeanAbs_b。如果兩個距離量化到相同倉(表3的相同閾值水平)，則圖3的自然語言選擇器130可以如在圖5的過程530和540中所示生成用於描述特定條件的以下文本
總言之，視頻顏色看來{最高級1} {更飽和/更不飽和}
這使用來自例2的數據變成
「總言之，視頻顏色看來略微不飽和。」例3
如果以下值是向飽和度測量設施114的輸入 meanAbsTest_a:=. 3meanAbsRef—a:= 11
meanAbsTest—b:=. 08 meanAbsRef—b:=. I則 diffOfMeanAbs—a:=meanAbsTest—a - meanAbsRef—a = 0. 19diffOfMeanAbs—b:=meanAbsTest—b - meanAbsRef—b = -0.02這裡不同於例2，當用於「a」和「b」的量化倉根據表3不同時，圖3的自然語言選擇器130可以生成以下文本
總言之，視頻具有{最高級1} {更飽和/更不飽和}紅色和/或綠色以及{最高級2}{更飽和/更不飽和}藍色和/或黃色。這使用來自例3的數據變成 「總言之，視頻具有明顯更飽和紅色和/或綠色以及略微不飽和藍色和/或黃色。」 顏色多樣性/變化的總體改變
顏色多樣性/變化測量設施116 (圖2)根據MICAM 12的輸出確定(一個或多個)測試和參考圖像的標準偏差{ stdev(a), stdev(b) }。首先如圖6中所示流程600的過程610中所示，確定(一個或多個)測試與參考圖像的標準偏差之差如下
diffStdev_a = stdevTest_a - stdevRef_a其中 diffStdev_a 對應於圖 I 的"stdev (a)Diff"。每個diffStdev_b的絕對值中的每個然後分別用來根據一組分類量化閾值例如從圖3的自然語言表131選擇適當定量最高級詞彙或者短語。圖3的自然語言選擇器130使用比較的相應符號在「更」或者「不太」之間選擇
下例進一步舉例說明這一用於總體色調偏移測量翻譯成自然語言的方法
例4
如果以下值是向顏色多樣性/變化測量設施116的輸入 stdevTest_a:=. IstdevRev_a:=. 11
stdevTest_b:=. 08stdevRev_b:=. I
JjllJ diffStdev_a: =stdevTest_a - stdevRef_a = '01diffStdev_b: =stdevTest_b - stdevRef_b = '02比較每個diffStdev_b的標準偏差的差值與自然語言表131 (圖3)中的閾值以選擇每個值的對應量化倉。如果diffStdev_b均量化成相同值,則圖3的自然語言選擇器130如在圖6的過程630和640中所示生成用於描述特定條件的以下文本
總言之，視頻具有{最高級1} {更多/更少}顏色多樣性。這在例4中由於diffStdev_a和diffStdev_b均量化到倉I而變成
「總言之，視頻具有略微更少顏色多樣性。」
例5
如果以下值是向顏色多樣性/變化測量設施116的輸入 stdevTest_a:=. 3stdevRev_a:=. 11stdevTest_b:=. 08 stdevRev_b:=. I則 diffStdev_a:=stdevTest_a - stdevRef_a = . 19
diffStdev_b: =stdevTest_b - std evRef_b = '02比較每個diffStdev_b的標準偏差的差值與自然語言表131 (圖3)中的閾值以選擇每個值的對應量化倉。當diffStdev_b均量化成不同值時，圖3的自然語言選擇器130然後如在圖6的過程630和640中所示生成用於描述特定條件的以下文本
總言之，視頻具有{最高級1} {更多/更少}紅色和/或綠色多樣性以及{最高級2}{更多/更少}藍色和/或黃色多樣性。這在例5中由於diffStdev_a量化到倉2並且diffStdev_b量化到倉I而變成 「總言之，視頻具有明顯更多紅色和/或綠色多樣性以及略微更少的藍色和/或黃色多
樣性。」
回顧圖I和圖3，雖然已經參照文本書面語言評價來說明上述示例，但是本發明的某些實施例還包括口語模塊60、140。口語模塊60、140可以包括如下語音處理器，該處理器被構造成從自然語言創建器系統50、130接受自然語言評價並且生成評價的音頻消息。這些實施例可能在不便讀取文本消息的實例中是重要的。例如視頻編輯者可以在觀看視頻之時實時編輯修改的視頻，而本發明的實施例定期給予實時測量屬性的口頭提示。以這一方式，視頻編輯者可以保持他的或者她的目光聚焦於處理的視頻流而無需在編輯過程期間讀取可變顏色屬性的報告、也無需注視原始視頻。如上文描述的那樣，本發明的實施例包括一種用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統。該系統可以包括如下顏色轉換器，該顏色轉換器接收在參考圖像與源圖像之間的差值測量並且基於差值測量來確定顏色屬性改變。顏色屬性可以例如包括色調偏移、飽和度改變和顏色變化。此外，量值指數設施確定已確定的顏色屬性改變的量值。另外，自然語言選擇器將顏色屬性改變和該改變的量值映射到自然語言並且生成顏色屬性改變和顏色屬性改變的量值的報告。然後可以用文本或者音頻形式或者以文本和音頻形式兩者向用戶傳送輸出。雖然已經描述具體實施例，但是將清楚本發明的原理並不限於那些實施例。可以進行變化和修改而未脫離如在以下權利要求書中限定的本發明原理。
權利要求
1.一種用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，包括 顏色轉換器，被構造成接收在所述參考圖像與源圖像之間的差值測量並且基於所述差值測量來確定顏色屬性改變； 量值指數設施，被構造成確定已確定的顏色屬性改變的量值； 自然語言選擇器，被構造成生成所述顏色屬性改變和所述顏色屬性改變的所述量值的自然語言報告；以及 輸出模塊，被構造成向所述系統的用戶傳送所述自然語言報告。
2.根據權利要求I所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述顏色轉換器是色調偏移確定設施，並且其中所述顏色屬性改變是在所述參考圖像與所述源圖像之間的色調偏移。
3.根據權利要求I所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述顏色轉換器是飽和度確定設施，並且其中所述顏色屬性改變是在所述參考圖像與所述源圖像之間的飽和度差值。
4.根據權利要求I所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述顏色轉換器是顏色變化確定設施，並且其中所述顏色屬性改變是在所述參考圖像與所述源圖像之間的顏色多樣性變化。
5.根據權利要求I所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述輸出模塊是被構造成接受所述自然語言報告並且生成向所述系統的所述用戶的音頻報告的語音合成模塊。
6.根據權利要求I所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，還包括感興趣區域選擇器，被構造成接受用戶輸入以描繪所述參考和源圖像的將在所述評價中包括的部分的邊界。
7.根據權利要求6所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述感興趣區域選擇器是空間選擇器。
8.根據權利要求6所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述感興趣區域選擇器是時間選擇器。
9.根據權利要求I所述的用於提供對在參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統，其中所述參考圖像和所述源圖像是相應視頻圖像。
10.一種用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，所述方法包括 接受在所述參考圖像與所述源圖像之間的顏色比較差值測量的輸入； 將所述顏色比較差值測量轉換成二維顏色空間差值； 基於二維顏色空間內的差值確定顏色屬性改變； 確定所述顏色屬性改變的量值； 將所述顏色屬性改變的所述量值映射到自然語言詞語集合中的一個； 根據映射的量值和所述二維顏色空間差值生成所述自然語言評價；並且 輸出所述自然語言評價。
11.根據權利要求10所述的用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，其中所述二維顏色空間遵循CIECAM02。
12.根據權利要求10所述的用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，其中基於所述二維顏色空間內的差值確定顏色屬性改變包括確定在所述參考圖像與所述源圖像之間的色調偏移。
13.根據權利要求10所述的用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，其中基於所述二維顏色空間內的差值確定顏色屬性改變包括確定在所述參考圖像與所述源圖像之間的飽和 度測量。
14.根據權利要求10所述的用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，其中基於所述二維顏色空間內的差值確定顏色屬性改變包括確定在所述參考圖像與所述源圖像之間的顏色變化測量。
15.根據權利要求10所述的用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，還包括選擇相應參考圖像和測試圖像的待評價的感興趣區域。
16.根據權利要求10所述的用於提供對在參考圖像與源圖像之間的相對顏色質量的自然語言評價的方法，還包括生成所述自然語言評價的音頻報告。
全文摘要
本發明涉及用於相對顏色質量的自然語言評價的系統。本發明的實施例包括一種用於提供對參考與源圖像之間的相對顏色質量的自然語言客觀評價的系統。該系統可以包括接收在參考圖像與源圖像之間的差值測量並且基於差值測量來確定顏色屬性改變的顏色轉換器。顏色屬性可以例如包括色調偏移、飽和度改變和顏色變化。此外，量值指數設施確定已確定的顏色屬性改變的量值。另外，自然語言選擇器將顏色屬性改變和該改變的量值映射到自然語言並且生成顏色屬性改變和顏色屬性改變的量值的報告。然後可以用文本或者音頻形式或者用文本和音頻形式兩者向用戶傳送輸出。
文檔編號H04N9/73GK102740118SQ20121010794
公開日2012年10月17日 申請日期2012年4月13日 優先權日2011年4月15日
發明者K.M.費爾古森 申請人:特克特朗尼克公司