[发明专利]处理图像的方法和用于处理图像的装置

说明书

这里公开的示例性实施例涉及处理图像的方法和用于处理图像的装置。根据处理图像的方法，通过聚类多个图像来生成至少一个图像模型，其中每个图像模型由所述图像中彼此相似的图像来表示。如果表示一个图像模型的图像的数目超过阈值，则根据表示所述图像模型的图像学习视觉词典，并且用所述视觉词典代替表示所述图像模型的图像来表示所述图像模型。

技术领域

这里公开的示例性实施例涉及图像处理。更具体地，示例性实施例涉及图像的自动分类或识别。

背景技术

随着数码产品、互联网等各个领域迅速发展，产生了大量亟待分析、识别、组织、分类和检索的图像内容。有效地的识别图像信息，成了图像处理、机器视觉、模式识别、人工智能、神经科学等多个领域的研究热点。图像分类是其中的重要研究内容。

图像分类是根据图像信息中所反映的不同特征将图像区分出不同类别的目标的图像处理方法。常见的图像分类方法可以分为监督分类方法和非监督分类方法。

监督分类方法和非监督分类方法的区别在于是否利用训练数据来获取先验的类别知识。监督分类方法根据训练数据集提供的样本选择特征参数，建立判别函数，对待分类图像进行分类。因此，监督分类方法依赖于选定的训练数据。相比之下，非监督分类方法不需要更多的先验知识，而是只根据图像数据的自然聚类特性进行分类。因此，非监督分类方法简单且具有较高的准确度。非监督分类方法的一个示例是K均值(K-means)方法。

发明内容

根据这里公开的一个示例性实施例，提供了一种处理图像的方法。根据该方法，通过聚类多个图像来生成至少一个图像模型，其中每个图像模型由所述图像中彼此相似的图像来表示。如果表示一个图像模型的图像的数目超过阈值，则根据表示所述图像模型的图像学习视觉词典，并且用所述视觉词典代替表示所述图像模型的图像来表示所述图像模型。

根据这里公开的另一个示例性实施例，提供了一种处理图像的方法。根据该方法，计算所述图像与至少一个图像模型之间的相似度，以及将高于相似度阈值的较高相似度所对应的图像模型识别为所述图像所属的图像模型。如果一个所述图像模型是由至少一个代表图像来表示的第一类型图像模型，则基于所述图像与所述代表图像之间的相似度来计算所述图像与所述图像模型之间的相似度。如果一个所述图像模型由视觉词典来表示的第二类型图像模型，则基于所述图像的特征与所述视觉词典的视觉单词之间的相似度来计算所述图像与所述图像模型之间的相似度。

根据这里公开的另一个示例性实施例，提供了一种用于处理图像的装置，包括至少一个处理器。该至少一个处理器被配置成执行如这里公开的示例性实施例的方法。

下面参考附图详细描述本发明的示例性实施例的进一步特性和优点，以及本发明的示例性实施例的结构和操作。应当注意，本发明不限于这里描述的具体实施例。在这里出现这样的实施例只是出于说明的目的。相关领域技术人员根据这里包含的指导会想到其它实施例。

附图说明

在附图中通过例子图解这里公开的示例性实施例，但这些例子不对本发明产生限制，图中用类似的附图标记表示类似的元素，其中：

图1是用于说明根据一个示例性实施例的生成图像模型的方法的流程图；

图2是用于说明根据一个示例性实施例的图像分类方法的流程图；

图3是用于说明根据一个示例性实施例的相似度计算方法的流程图；

图4是用于说明根据另一个示例性实施例的相似度计算方法的流程图；

图5是用于说明根据另一个示例性实施例的图像分类方法的流程图；

图6是用于说明根据一个示例性实施例的图像分类判断算法的伪码；

图7是用于说明根据一个示例性实施例的图像模型合并方法的流程图；