[发明专利]一种照片分类方法

权利要求书

1.一种照片分类方法，其特征在于，包括以下步骤：

S1训练过程：

S1.1采集用于训练的样本照片，由用户将样本照片分成正样本和负样本；

S1.2对样本照片进行主题区域提取；

所述主题区域提取具体包括以下步骤：

S1.2.1将照片从RGB色彩空间转换成灰度色彩空间；

S1.2.2对转换后的照片进行分块处理后，对每一个块计算功率谱斜度S₁(x)；

S1.2.3使用阈值T₁对S₁(x)进行二值化处理：将S₁(x)与阈值T₁比较，S₁(x)≥T₁的区域为清楚区域；S₁(x)<T₁的区域为模糊区域；其中T₁由用户根据需要确定；

S1.2.4对步骤S1.2.3得到的清楚区域进行最大联通区域检测，确定照片的主题区域，除主题区域外的图像区域定义为背景区域；

S1.3对样本照片的主题区域，背景区域以及全局区域的特征进行提取，得到主题区域特征、背景区域特征和全局区域特征；

S1.4采用支持向量机对正样本的特征和负样本的特征进行训练，建立支持向量机分类器的正样本和负样本特征空间上的分界面模型；

S2自动分类过程：

S2.1对待识别照片进行主题区域提取：

S2.2对待识别照片的主题区域，背景区域以及全局区域的进行特征提取；

S2.3使用步骤S1.4得到的分界面模型对步骤S2.2得到的特征进行分类，保留分类器分类为正类的分类图像结果，删除分类器分类为负类的分类图像结果。

2.根据权利要求1所述的照片分类方法，其特征在于，所述主题区域特征包括主题区域HSV直方图和主题区域的大小。

3.根据权利要求1所述的照片分类方法，其特征在于，所述背景区域特征为背景区域HSV直方图。

4.根据权利要求1所述的照片分类方法，其特征在于，所述全局区域特征包括中心区域内功率谱斜度图的直方图、中心区域内的功率谱斜度图的平均值、中心区域内清晰像素点个数、非中心区域的功率谱斜度图平均值、非中心区域内清晰像素点个数、整张照片的功率谱斜度图的平均值、整张照片的HSV直方图、整张照片的对比度；

所述中心区域及非中心区域的定义为：将照片在水平和垂直方向上都等分成三份，得到九个区域，其中位于照片中心的区域为中心区域，其余八个区域为非中心区域。

5.根据权利要求1所述的照片分类方法，其特征在于，步骤S2.3所述使用步骤S1.4得到的分界面模型对步骤S2.2得到的特征进行分类，具体为：

使用C-SVC类型的支持向量机对步骤S2.2得到的特征进行分类，损失函数cost为1.0，允许的终止判据eps为0.001，使用的RBF核函数表达式如下：

exp(-gamma×|u-v|²)

其中比例系数gamma=0.5，u，v为支持向量机的两个特征矢量。

6.根据权利要求1所述的照片分类方法，其特征在于，所述对每一个块计算功率谱斜度S₁(x)，具体为：

首先计算块内像素的对比度

l(x)=(b+kx)^γ

其中b＝0.7656,k＝0.0364,γ＝2.2，x表示当前像素的亮度值；

如果当前块内的所有像素对比度的最大值与最小值之差小于阈值T₂，且当前块内像素对比度l(x)的均值μ₁(x)小于阈值T₃，则设定当前块的对比度为0，否则设定块的对比度为1；

对于已设定对比度为1的块，计算其二维傅里叶变换y_x(f,θ)，其中f表示频率，而θ表示方向，计算公式如下：

f=[(u/(m/2))²+(v/(m/2))²]^0.5

θ=arctan(v/u)

u∈[-m/2,m/2]

v∈[-m/2,m/2]

其中m=32表示块的大小，u、v分别表示当前像素点的横纵坐标值；

然后，对相同的频率不同方向上的y_x(f,θ)进行求和，计算公式如下：

zx(f)=Σθ|yx(f,θ)|]]>

其中z_x(f)表示频率为f、所有方向上的二维傅里叶变换的和；

最后，log(z_x(f))和log(f)进行线性拟合，得到拟合直线的斜率α_x；利用拟合直线的斜率计算功率谱斜度，计算公式如下：

S1(x)=1-11+eτ1(αx-τ2)]]>

其中τ₁=-3、τ₂=2；

对于对比度为0的情况，设定S₁(x)=0。