專利名稱：用于相對顏色質(zhì)量的自然語言評價的系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本公開涉及圖片質(zhì)量分析并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(zhì)量的系統(tǒng)。
背景技術(shù)：
視頻經(jīng)常從原始視頻流改變成修改的視頻流。改變的動力經(jīng)常與如下目標(biāo)介質(zhì)的帶寬有關(guān)，將通過該目標(biāo)介質(zhì)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(yè)對修改的視頻中的顏色再現(xiàn)施加限制。換而言之，行業(yè)建立所得視頻為了可接受而必須通過的標(biāo)準(zhǔn)。經(jīng)常出現(xiàn)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(shù)視頻處理中是常見的并且難以在經(jīng)驗(yàn)上評價，因?yàn)轭伾拇_定是基于生理的 并且因此必然主觀。用于檢測這樣有問題的顏色改變的先前方法已經(jīng)需要a)直接查看之前和之后的視頻，這耗費(fèi)時間并且有時之前和之后的視頻源不是同時可用于查看);b)使用矢量顯示器(vectorscope)或者“顏色”，這需要受訓(xùn)練人員解釋，并且甚至然后可能由于缺乏人類視覺模型被誤導(dǎo)，即顏色的亮度遺漏，因此黑色經(jīng)常在矢量顯示器上顯現(xiàn)為亮色；c)“顏色”(基于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(zhì)量分析產(chǎn)品(諸如TEKTRONIX PQA300質(zhì)量分析器)可以確定可感知的顏色改變是否已經(jīng)發(fā)生，但是它缺乏為了準(zhǔn)確預(yù)測顏色如何不同(并且在一些情況下對于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(jī)制；或者e)使用更高級的人類視覺模型技術(shù)，諸如在2009 年 12 月 10 日提交、標(biāo)題為 METHOD AND APPARATUS FOR IMPLEMENTING MOVING IMAGECOLOR APPEARANCE MODEL FOR VIDEO QUALITY RATINGS PREDICTION 并且通過引用而結(jié)合于此的美國專利申請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(xùn)練的操作者解釋并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(fā)明的實(shí)施例解決現(xiàn)有技術(shù)中的這些和其他限制。

發(fā)明內(nèi)容
在本發(fā)明的一些方面中，提供一種用于生成對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)。該系統(tǒng)可以包括接收在參考圖像與源圖像之間的差值測量并且基于差值測量來確定顏色屬性改變的顏色轉(zhuǎn)換器。顏色屬性可以例如包括色調(diào)偏移、飽和度改變和顏色變化。此外，量值指數(shù)設(shè)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并且生成顏色屬性改變和顏色屬性改變的量值的報告。然后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(fā)明的其他方面中，提供用于產(chǎn)生對在參考圖像與源圖像之間的相對顏色質(zhì)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并且將顏色比較差值測量轉(zhuǎn)換成二維顏色空間差值。根據(jù)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于比較為用戶生成報告。


圖I是根據(jù)本發(fā)明實(shí)施例的自然語言評價系統(tǒng)的框圖。圖2是根據(jù)CIECAM02標(biāo)準(zhǔn)的用于描述顏色的二維框架的常規(guī)圖。圖3是圖I的自然語言生成器系統(tǒng)的部件的示例實(shí)施例的框圖。
圖4是根據(jù)本發(fā)明實(shí)施例的用于測量色調(diào)偏移并且用自然語言表現(xiàn)的示例過程的流程圖。圖5是根據(jù)本發(fā)明實(shí)施例的用于測量飽和度偏移并且用自然語言表現(xiàn)的示例過程的流程圖。圖6是根據(jù)本發(fā)明實(shí)施例的用于測量顏色多樣性(variety)和/或顏色變化并且用自然語言表現(xiàn)的示例過程的流程圖。
具體實(shí)施例方式圖I是根據(jù)本發(fā)明實(shí)施例的自然語言評價系統(tǒng)10的框圖。對于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(diào)的總體偏移，一般經(jīng)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(diào)總體偏移的組合。本發(fā)明的實(shí)施例生成這樣的比較的自然語言輸出，視頻生產(chǎn)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(tǒng)10包括上文介紹的MICAM的實(shí)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(yīng)圖像系列)作為向單獨(dú)可選格式轉(zhuǎn)換器20、21中的單獨(dú)輸入。格式轉(zhuǎn)換器20、21轉(zhuǎn)換用于顯不模型24、25的輸入,這些模型又將相應(yīng)輸入轉(zhuǎn)換成用于向相應(yīng)查看和感知模型28、29、30和31輸入的模擬光。相應(yīng)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(yīng)顏色響應(yīng)。CIECAM02 是 CIE 技術(shù)委員會 8-01 于 2002 年發(fā)行的公知 Color Appearance Modelingfor Color Management Systems。這些相應(yīng){a, b}視頻響應(yīng)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(tǒng)添加諸如在TEKTRONIX PQA 500/600質(zhì)量分析器中發(fā)現(xiàn)的認(rèn)知模型。在選擇器42中選擇圖像內(nèi)感興趣的區(qū)域，其可以是空間或時間或兩者中的區(qū)域。在一些實(shí)施例中，感興趣的默認(rèn)區(qū)域是用于(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(tǒng)計摘要。盡管國際標(biāo)準(zhǔn)團(tuán)體推薦將顏色建模用于靜態(tài)圖像顏色塊，但是使用CIECAM02作為用于構(gòu)建對于視頻而言充分準(zhǔn)確的顏色視覺模型的基礎(chǔ)。設(shè)計、校準(zhǔn)和驗(yàn)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(shè)計成(除了 PQR、圖片質(zhì)量評級、預(yù)測之外還)預(yù)測視頻質(zhì)量摘要分?jǐn)?shù)(諸如差值平均意見分?jǐn)?shù)(D0MS))。盡管MICAM 12產(chǎn)生用于(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(biāo)，這又潛在地實(shí)現(xiàn)測試和參考顏色差除了 DMOS和PQR度量之外的統(tǒng)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(jù)CIECAM02標(biāo)準(zhǔn)的用于描述顏色的二維框架的常規(guī)圖。用直角坐標(biāo)(諸如圖2中所示坐標(biāo))表達(dá)CIECAM02標(biāo)準(zhǔn)的Lab?？蚣?0沿著“a”軸描述“微紅”到“微綠”并且沿著“b”軸描述“微黃”到“微藍(lán)”。{a, b}平面的橫向描述照度?！癮”和“b”軸兩者在正和負(fù)方向上延伸。將顏色描述為在{a，b}平面中的從原點(diǎn)(“a”和“b”軸的交點(diǎn))以某一角度延伸的線上。沿著該線的顏色位于不同飽和度水平。然而CIECAM02未針對任何特定顏色區(qū)在侵占(encroach)另一顏色之前有多寬歸因于容差。另外，盡管CIECAM02包括用于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?；仡檲D1，MICAM 12的輸出是向自然語言創(chuàng)建器系統(tǒng)50的輸入，該系統(tǒng)50對數(shù)據(jù)執(zhí)行下文描述的各種過程并且比較輸入數(shù)據(jù)與用于色調(diào)、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(xì)節(jié)和示例例子。圖3是圖I的自然語言生成器系統(tǒng)50的部件的示例實(shí)施例100的框圖。圖3的自然語言生成器系統(tǒng)100包括屬性測量部分110，該部分包括三個子系統(tǒng)一色調(diào)測量設(shè)施112、飽和度測量設(shè)施114和顏色多樣性/變化測量設(shè)施116。這些設(shè)施112、114、116根據(jù)從圖I的MICAM 12接收的輸入生成輸出。色調(diào)測量設(shè)施112生成對測試圖像從參考圖像的色調(diào)偏移(圖I)的測量?？傮w色調(diào)偏移
平均測試和參考差值數(shù)據(jù){a，b}(平均值差值或者優(yōu)選實(shí)施例為差值平均){meanaDiff, mean bDiff}取自于MICAM 12的輸出并且用來確定總體色調(diào)偏移。使用CIECAMO 2色調(diào)角度函數(shù)h(a，b)來計算色調(diào)偏移角度
平均色調(diào)差值角度=h (mean aDiff, mean bDiff)
=atan ( mean bDiff, mean aDiff),
其中atan函數(shù)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(nèi)的唯一角度。這在圖4中圖示為流程400的過程410。然后在過程420中比較平均色調(diào)差值角度或者色調(diào)角度與主顏色(cardinalcolor)的限制，主顏色的限制如基于如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(xué)協(xié)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(xiàn)和相似研究的數(shù)據(jù)是用于確定用于描述色調(diào)改變的主色調(diào)以及用于每個主色調(diào)的極端色調(diào)角度的基礎(chǔ)。這些研究使用來自不同文化的對象和不同語言的對應(yīng)說母語人士 (盡管Boynton參考文獻(xiàn)主要聚焦于說英語和日語人士)并且標(biāo)識d的顏色空間的如下大部分，基本顏色類別基本上駐留于這些部分。例如Boynton參考文獻(xiàn)包括粉紅色、紅色、棕色、橙色、黃色、綠色、藍(lán)色和紫色的OSA (美國光學(xué)協(xié)會)gjL (通用圖像庫)顏色空間中的繪圖。由于棕色在色調(diào)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(qū)分)，所以未使用它。這留下粉紅色、紅色、棕色、橙色、黃色、綠色、藍(lán)色和紫色作為主顏色。可以在對應(yīng)名稱之間使用連字符或者斜線來系統(tǒng)地命名在連續(xù)主顏色之間的顏色。例如落在綠色與黃色區(qū)域之間的顏色稱為“綠-黃色”或者“綠/黃色”。通過窮舉地采樣跨OSA顏色空間的顏色并且在主顏色類別中對每個顏色分類(或者未分類)來標(biāo)識Boynton參考文獻(xiàn)的主顏色的界限。使用在CIECAM02文檔中描述的方法將用于每個主顏色類別的一組顏色從OSA gjL轉(zhuǎn)換成xyY并且然后進(jìn)一步轉(zhuǎn)換成CIECAM02{ab}空間和對應(yīng)色調(diào)角度h (a, b)?？傃灾?，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(chǎn)品中的目前常見/標(biāo)準(zhǔn)))包括來自CIE的諸多改進(jìn)，包括Luv、Lab (包括CIECAM02)和CIE顏色差模型。這些改進(jìn)中的諸多改進(jìn)具有如下關(guān)聯(lián)表，這些表具有數(shù)以百計到數(shù)以千計的顏色名稱和向顏色空間坐標(biāo)的映射的條目。一種使用準(zhǔn)顏色命名慣例 作為顏色空間坐標(biāo)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(shù)/標(biāo)準(zhǔn)無一可以用來如在前述PQA和MICAM系統(tǒng)中那樣直接評估視頻。另外盡管PQA和MICAM系統(tǒng)的輸出使用每幀每個像素的標(biāo)準(zhǔn)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于總體顏色偏移分析、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并且未考慮顏色量化，該顏色量化往往在形成如在Boynton參考文獻(xiàn)中那樣歸類的一起獲得的顏色意見時發(fā)生?；仡檲D4，過程420圖示了顏色比較和量化，這里參照表I描述該過程的實(shí)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(diào)表113，該色調(diào)表在色調(diào)測量設(shè)施112內(nèi)或者耦合到色調(diào)測量設(shè)施112。表I (色調(diào)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(lán)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(diào)角度與在過程410中確定的色調(diào)角度進(jìn)行比較以將色調(diào)量化成主色調(diào)或者“在主色調(diào)之間的”色調(diào)之一。可以在對應(yīng)名稱之間使用連字符或者斜線來系統(tǒng)地命名在連續(xù)主顏色之間的顏色。例如落在綠顏色與黃顏色區(qū)域之間的顏色稱為“綠-黃色”或者“綠/黃色”。因此可以建立色調(diào)類別。回顧圖3，色調(diào)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(zhuǎn)換成CIECAM02 {a, b}的來自Boynton參考文獻(xiàn)的數(shù)據(jù)，可以通過相對于每個主顏色的區(qū)域內(nèi)的顏色質(zhì)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中列舉用于歸一化的參考量值并且可以在量值確定器120內(nèi)包括這些量值作為量值表121。表2 (相反色調(diào)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(lán)0.475
藍(lán)0.497
藍(lán)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(diào)差值角度為13 (將落在來自表I的“紅”n內(nèi))，則相反色調(diào)顏色落為來自表2的“綠藍(lán)”。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后從量值確定器120傳遞到自然語言選擇器130以根據(jù)用于色調(diào)和相反色調(diào)的一組類別量化閾值從自然語言表131選擇適當(dāng)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中圖示了用于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(yán)重
一旦圖3的色調(diào)測量設(shè)施112、量值確定器120和自然語言選擇器130已經(jīng)分別確定色調(diào)、相反色調(diào)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(diào)的自然語言句子如下
總言之，視頻看來{最高級1}更{色調(diào)} ( {最高級2}不太{相反色調(diào)}。
這使用來自上例I的數(shù)據(jù)變成
“總言之，視頻看來有些更紅(有些不太藍(lán)綠)?！?br> 將這圖示為圖4的過程460。飽和度的總體改變
現(xiàn)在參照圖2和圖5描述飽和度測量設(shè)施114 (圖2)的功能。飽和度測量設(shè)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|) }并且使用它確定在(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。首先如下文并且如在圖5的示例流程500的示例過程510中所示確定這些相應(yīng)值的測試與參考值之間的差
diffOfMeanAbs_a = meanAbsTest_a - meanAbsRef—a
其中diffOfMeanAbs—a對應(yīng)于圖I的“mean Abs(a)Diff”。注意平均比對差值的運(yùn)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后分別在圖5的過程520中用來根據(jù)一組類別量化閾值從自然語言表131 (圖3)選擇適當(dāng)定量最高級詞語或者短語，而相應(yīng)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(shè)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。然后在過程520中確定相應(yīng)距離的量化倉，這意味著確定哪個指數(shù)值對應(yīng)于每個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中所示生成用于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(shù)據(jù)變成
“總言之，視頻顏色看來略微不飽和?！崩?
如果以下值是向飽和度測量設(shè)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這里不同于例2，當(dāng)用于“a”和“b”的量化倉根據(jù)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(lán)色和/或黃色。這使用來自例3的數(shù)據(jù)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(lán)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(shè)施116 (圖2)根據(jù)MICAM 12的輸出確定(一個或多個)測試和參考圖像的標(biāo)準(zhǔn)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(biāo)準(zhǔn)偏差之差如下
diffStdev_a = stdevTest_a - stdevRef_a其中 diffStdev_a 對應(yīng)于圖 I 的"stdev (a)Diff"。每個diffStdev_b的絕對值中的每個然后分別用來根據(jù)一組分類量化閾值例如從圖3的自然語言表131選擇適當(dāng)定量最高級詞匯或者短語。圖3的自然語言選擇器130使用比較的相應(yīng)符號在“更”或者“不太”之間選擇
下例進(jìn)一步舉例說明這一用于總體色調(diào)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(shè)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(biāo)準(zhǔn)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(yīng)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中所示生成用于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中由于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?！?br> 例5
如果以下值是向顏色多樣性/變化測量設(shè)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(biāo)準(zhǔn)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(yīng)量化倉。當(dāng)diffStdev_b均量化成不同值時，圖3的自然語言選擇器130然后如在圖6的過程630和640中所示生成用于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(lán)色和/或黃色多樣性。這在例5中由于diffStdev_a量化到倉2并且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(lán)色和/或黃色多
樣性?！?br> 回顧圖I和圖3，雖然已經(jīng)參照文本書面語言評價來說明上述示例，但是本發(fā)明的某些實(shí)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(gòu)造成從自然語言創(chuàng)建器系統(tǒng)50、130接受自然語言評價并且生成評價的音頻消息。這些實(shí)施例可能在不便讀取文本消息的實(shí)例中是重要的。例如視頻編輯者可以在觀看視頻之時實(shí)時編輯修改的視頻，而本發(fā)明的實(shí)施例定期給予實(shí)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于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(fā)明的實(shí)施例包括一種用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)。該系統(tǒng)可以包括如下顏色轉(zhuǎn)換器，該顏色轉(zhuǎn)換器接收在參考圖像與源圖像之間的差值測量并且基于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(diào)偏移、飽和度改變和顏色變化。此外，量值指數(shù)設(shè)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并且生成顏色屬性改變和顏色屬性改變的量值的報告。然后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(jīng)描述具體實(shí)施例，但是將清楚本發(fā)明的原理并不限于那些實(shí)施例。可以進(jìn)行變化和修改而未脫離如在以下權(quán)利要求書中限定的本發(fā)明原理。
權(quán)利要求
1.一種用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，包括 顏色轉(zhuǎn)換器，被構(gòu)造成接收在所述參考圖像與源圖像之間的差值測量并且基于所述差值測量來確定顏色屬性改變； 量值指數(shù)設(shè)施，被構(gòu)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(gòu)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(gòu)造成向所述系統(tǒng)的用戶傳送所述自然語言報告。
2.根據(jù)權(quán)利要求I所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述顏色轉(zhuǎn)換器是色調(diào)偏移確定設(shè)施，并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(diào)偏移。
3.根據(jù)權(quán)利要求I所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述顏色轉(zhuǎn)換器是飽和度確定設(shè)施，并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(jù)權(quán)利要求I所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述顏色轉(zhuǎn)換器是顏色變化確定設(shè)施，并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(jù)權(quán)利要求I所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述輸出模塊是被構(gòu)造成接受所述自然語言報告并且生成向所述系統(tǒng)的所述用戶的音頻報告的語音合成模塊。
6.根據(jù)權(quán)利要求I所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，還包括感興趣區(qū)域選擇器，被構(gòu)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(jù)權(quán)利要求6所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述感興趣區(qū)域選擇器是空間選擇器。
8.根據(jù)權(quán)利要求6所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述感興趣區(qū)域選擇器是時間選擇器。
9.根據(jù)權(quán)利要求I所述的用于提供對在參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)，其中所述參考圖像和所述源圖像是相應(yīng)視頻圖像。
10.一種用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)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(zhuǎn)換成二維顏色空間差值； 基于二維顏色空間內(nèi)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(jù)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；并且 輸出所述自然語言評價。
11.根據(jù)權(quán)利要求10所述的用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)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(jù)權(quán)利要求10所述的用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)量的自然語言評價的方法，其中基于所述二維顏色空間內(nèi)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(diào)偏移。
13.根據(jù)權(quán)利要求10所述的用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)量的自然語言評價的方法，其中基于所述二維顏色空間內(nèi)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(jù)權(quán)利要求10所述的用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)量的自然語言評價的方法，其中基于所述二維顏色空間內(nèi)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(jù)權(quán)利要求10所述的用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)量的自然語言評價的方法，還包括選擇相應(yīng)參考圖像和測試圖像的待評價的感興趣區(qū)域。
16.根據(jù)權(quán)利要求10所述的用于提供對在參考圖像與源圖像之間的相對顏色質(zhì)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(fā)明涉及用于相對顏色質(zhì)量的自然語言評價的系統(tǒng)。本發(fā)明的實(shí)施例包括一種用于提供對參考與源圖像之間的相對顏色質(zhì)量的自然語言客觀評價的系統(tǒng)。該系統(tǒng)可以包括接收在參考圖像與源圖像之間的差值測量并且基于差值測量來確定顏色屬性改變的顏色轉(zhuǎn)換器。顏色屬性可以例如包括色調(diào)偏移、飽和度改變和顏色變化。此外，量值指數(shù)設(shè)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并且生成顏色屬性改變和顏色屬性改變的量值的報告。然后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(yōu)先權(quán)日2011年4月15日
發(fā)明者K.M.費(fèi)爾古森 申請人:特克特朗尼克公司