[发明专利]影像场景辨识方法

说明书

技术领域

本发明涉及一种影像辨识方法，特别是涉及一种影像自动场景辨识方法。

背景技术

目前，一般数字影像获取器如数字相机等在摄影时容易受到使用者的技术与影像周围光源与背景的影响，而使得影像失真。因此，一般数字影像获取器如数字相机等多半使用许多场景模式以辅助使用者加强所拍摄的影像品质。一般常见的场景模式如山、海、花、雪地与人物等是事先设定好对焦、曝光、色彩调整或白平衡等参数，其都预设于数字影像获取器当中以供使用者依照摄影时的现实情况来选择使用。

然而，一般数字影像获取器虽具有诸多场景模式供使用者依现实情况选择较为适宜的模式来做拍摄，但是使用者必须手动调整场景模式才能选用，当使用者疏忽或者是无法自行判断适当的场景模式时，将造成拍摄影像品质无法有效提升，甚至使得影像品质更加不良。

如上所述，由于一般数字影像获取器无法自动辨识拍摄时的影像场景，使用者必须自行判断现实状况后手动选用适当的场景模式，因此造成使用者于拍摄上相当不便。

发明内容

本发明所要解决的技术问题在于提供一种影像场景辨识方法，以解决先前技术中的一般数字影像获取器无法自动辨识拍摄时的影像场景而使得使用者必须自行判断现实状况后手动选用适当的场景模式的问题。

为了解决上述技术问题，本发明提供一种影像场景辨识方法，其特点在于，该步骤包括：检测一影像；分割该影像以得到多个影像单元；取得每一该影像单元的一色彩特征与一结构特征；根据每一该影像单元的该色彩特征与该结构特征定义出每一该影像单元的一标的类别；以及分析该影像所包含的每一该影像单元的该标的类别以选定相应该影像的一场景模式。

上述影像场景辨识方法，其特点在于，该定义该标的类别的步骤包括：利用一数据库比较及定义出每一该影像单元的该标的类别。

上述影像场景辨识方法，其特点在于，还包括：利用一类神经网络建立该数据库。

上述影像场景辨识方法，其特点在于，建立该数据库的步骤，包括：提供大量的标准的该标的类别给该类神经网络；以及通过该类神经网络学习提供的该标准的该标的类别而建立该数据库。

上述影像场景辨识方法，其特点在于，选定相应该影像的该场景模式的步骤，包括：通过分析与统计所有该影像单元所属的该标的类别的数量与配置情形而选定该场景模式。

上述影像场景辨识方法，其特点在于，还包括：提供至少一标准的该标的类别给该类神经网络；以及通过该类神经网络学习提供的该标准的该标的类别而更新该数据库的内容。

通过本发明的技术手段，可达到自动辨识影像场景，进而增加数字摄影的便利性以及提高拍摄影像的品质。因此，使用者在使用应用本发明的数字影像获取器进行拍摄时，不必手动选用场景模式，可由数字影像获取器自动辨识并选定场景模式。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明一实施例的影像场景辨识方法流程图；

图2为本发明一实施例的影像场景辨识模型示意图；

图3为本发明一实施例的类神经网络数据库学习模型示意图；

图4为本发明一实施例的类神经网络数据库建立流程图；以及

图5为本发明一实施例的类神经网络数据库更新流程图。

其中，附图标记：

100  影像        110  影像单元

120  色彩特征    130  结构特征

200  数据库      250  类神经网络

300  标的类别    400  场景模式

具体实施方式

请参照图1，为根据本发明一实施例的影像场景辨识方法的流程图。

如图1所示，步骤10，一开始先对一影像进行检测。接着，步骤20，分割影像以得到多个影像单元。步骤30，跟着取得每一影像单元的一色彩特征与一结构特征。然后，步骤40，根据每一影像单元的色彩特征与结构特征定义出每一影像单元的标的类别。最后，步骤50，分析及统计影像所包含的每一影像单元的标的类别以选定相应影像的一场景模式，作为影像的场景模式。

请参照图2，为在根据本发明的影像场景辨识方法上，一实施例的影像场景辨识模型的示意图。如图2所示，首先检测一影像100并将影像100分割成九个影像单元110。

在此为了方便说明仅分割成九个影像单元110，然其并非用以限定本发明的实施方式，仅为示例性说明，在实施上还可分割成更多个影像单元110。