CN101256597B - 识别颜色单调缩略图的方法、装置及在搜索引擎中的应用 - Google Patents
识别颜色单调缩略图的方法、装置及在搜索引擎中的应用 Download PDFInfo
- Publication number
- CN101256597B CN101256597B CN2008101030935A CN200810103093A CN101256597B CN 101256597 B CN101256597 B CN 101256597B CN 2008101030935 A CN2008101030935 A CN 2008101030935A CN 200810103093 A CN200810103093 A CN 200810103093A CN 101256597 B CN101256597 B CN 101256597B
- Authority
- CN
- China
- Prior art keywords
- color
- thumbnail
- dull
- main
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了识别颜色单调缩略图的方法及装置,解决缩略图中存在颜色单调缩略图而影响图像质量的问题。所述方法包括:分析缩略图内容,获取图像的颜色特征;将颜色特征符合预置条件的缩略图确定为颜色单调缩略图;对所述颜色单调缩略图进行识别处理。本发明还将所述方法应用到搜索引擎中,提供在搜索结果中去除颜色单调缩略图的方法,在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图。由于在前几页搜索结果中去除了颜色单调缩略图,增加了搜索结果与用户查询请求的相关程度,因此提高了查准率,从而增强了搜索引擎的搜索性能;而且,还显著提升了用户的使用体验。
Description
技术领域
本发明涉及网络技术领域,特别是涉及识别颜色单调缩略图的方法、装置及在搜索引擎中的应用。
背景技术
缩略图即为一个缩小的图片,通过这个图片可以粗略地了解原图片。缩略图较多地应用于图片或视频搜索中,是搜索结果页中最直观的展现形式。
目前,缩略图数据一般是通过“网络爬虫”抓取或由专门的网站提供,但以上数据获取方式很难保证缩略图的图像质量,导致视频或图片搜索的前几页结果中经常出现“黑图”、“单色图”、“色彩贫乏图”和“残图”等“颜色单调缩略图”。
上述“颜色单调缩略图”泛指颜色单一或色彩贫乏的缩略图,此类缩略图所携带的信息量十分有限,并且对用户的吸引力也十分有限。其中,“黑图”是指大部分像素为黑色,且用户不能从图中获得任何信息的缩略图;“单色图”是指绝大部分像素为某单一颜色(非黑色),且用户不能从图中获得任何信息的缩略图,如蓝图、白图等;“色彩贫乏图”是指用户能够辨识出来的有效颜色数目较少的缩略图;“残图”是指图像残缺不全的缩略图。
由于上述“颜色单调缩略图”的存在,使得目前的图片或视频搜索存在以下问题:
其一,导致较低的查准率。由于从“颜色单调缩略图”中,用户几乎不能获得任何关于该图片或视频的有用信息。所以,针对某个查询请求,首页返回结果中可能存在的“颜色单调缩略图”会被认为是“不相关”的搜索结果,因此降低了搜索引擎的查准率。
其二,导致较差的用户体验。因为当用户提交某查询请求后,如果首页返回结果中存在若干“黑图”或“蓝图”等“颜色单调缩略图”,会造成用户的厌烦心理,导致较差的用户体验。
综上所述,缩略图的图像质量在很大程度上影响着搜索引擎的检索性能和用户的使用感受。
发明内容
本发明所要解决的技术问题是提供一种识别颜色单调缩略图的方法及装置,以解决缩略图中存在颜色单调缩略图而影响图像质量的问题。
本发明的另一个目的是将所述识别颜色单调缩略图的方法及装置应用到搜索引擎中,提供一种在搜索结果中去除颜色单调缩略图的方法及装置,以解决图片或视频等搜索中由于颜色单调缩略图,导致查准率低、用户体验差的问题。
为解决上述技术问题,根据本发明提供的具体实施例,本发明公开了以下技术方案:
识别颜色单调缩略图的方法,包括:分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图;对所述颜色单调缩略图进行删除或者降权处理。
所述分析缩略图内容,获取图像的主颜色编号和主颜色率的步骤包括:量化颜色空间模型的颜色数;根据所述颜色数,计算缩略图的归一化颜色直方图;遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
优选的,所述方法还包括:在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
识别颜色单调缩略图的方法,包括:分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图;对所述颜色单调缩略图进行删除或者降权处理。
所述分析缩略图内容,获取图像的颜色多样性的步骤包括:量化颜色空间模型的颜色数;根据所述颜色数,计算缩略图的归一化颜色直方图;遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
优选的,所述方法还包括:在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
在搜索结果中去除颜色单调缩略图的方法,包括:分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图;在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
优选的,所述方法还包括:将缩略图的颜色特征添加到搜索引擎的索引数据中;根据搜索关键词查询时,读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
优选的,在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。
所述分析缩略图内容,获取图像的主颜色编号和主颜色率的步骤包括:量化颜色空间模型的颜色数;根据所述颜色数,计算缩略图的归一化颜色直方图;遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
优选的,所述方法还包括:在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
在搜索结果中去颜色单调缩略图的方法,包括:分析缩略图内容,获取图像的颜色特征,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图;在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
优选的,所述方法还包括:将缩略图的颜色特征添加到搜索引擎的索引数据中;根据搜索关键词查询时,读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
所述分析缩略图内容,获取图像的颜色多样性的步骤包括:量化颜色空间模型的颜色数;根据所述颜色数,计算缩略图的归一化颜色直方图;遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
优选的,所述方法还包括:在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
识别颜色单调缩略图的装置,包括:缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,并对所述颜色单调缩略图进行删除或者降权处理,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图。
所述缩略图分析单元通过量化颜色空间模型的颜色数,根据所述颜色数计算缩略图的归一化颜色直方图,遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识,所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
识别颜色单调缩略图的装置,包括:缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,并对所述颜色单调缩略图进行删除或者降权处理,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图。
所述缩略图分析单元量化颜色空间模型的颜色数,根据所述颜色数,计算缩略图的归一化颜色直方图,遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
优选的,所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识;所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
在搜索结果中去除颜色单调缩略图的装置,包括:缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图;查询单元,用于在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
优选的,所述装置还包括:数据制作单元,用于将缩略图的颜色特征添加到搜索引擎的索引数据中;根据搜索关键词查询时,所述颜色单调缩略图识别单元读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
优选的,所述查询单元在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。
其中,所述缩略图分析单元通过量化颜色空间模型的颜色数,根据所述颜色数计算缩略图的归一化颜色直方图,并根据所述颜色直方图获得图像的颜色特征,
遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
优选的,所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识;所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
在搜索结果中去除颜色单调缩略图的装置,包括:缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图;查询单元,用于在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
优选的,所述装置还包括:数据制作单元,用于将缩略图的颜色特征添加到搜索引擎的索引数据中;根据搜索关键词查询时,所述颜色单调缩略图识别单元读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
所述查询单元在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。
所述缩略图分析单元量化颜色空间模型的颜色数,根据所述颜色数,计算缩略图的归一化颜色直方图,遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识;所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
首先,本发明提供了一种识别颜色单调缩略图的方法及装置,通过提取缩略图的颜色特征,并根据所述颜色特征来判断该图是否为颜色单调缩略图。所述方法能够从大量的缩略图中识别出颜色单调缩略图,提高缩略图的整体图像质量。
其次,本发明将上述方法应用到图片、视频等搜索中,还提供了一种在搜索结果中去除颜色单调缩略图的方法及装置,在识别出搜索结果中的颜色单调缩略图之后,将所述颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除,即将这些影响用户体验的颜色单调缩略图排到搜索结果的最后几页。这样,既保证用户在前几页搜索结果中看不到各种颜色单调缩略图,也不会减少搜索结果数。当然,也可以把这些颜色单调缩略图从搜索结果中删除,本发明对颜色单调缩略图的处理不作限定。上述“去除”一词同时包含所述两种处理方式,但第一种方式更优。
在搜索引擎中应用所述方法后,由于在前几页搜索结果中去除了颜色单调缩略图,增加了搜索结果与用户查询请求的相关程度,因此提高了查准率,从而增强了搜索引擎的搜索性能;而且,结果页面给人一种轻快鲜亮、丰富多彩的视觉感受,显著提升了用户的体验和搜索引擎的整体形象。
附图说明
图1是本发明实施例一所述识别颜色单调缩略图的方法流程图;
图2是本发明实施例一中分析缩略图获取颜色特征的步骤流程图;
图3是本发明实施例一所述识别颜色单调缩略图的装置结构图;
图4是本发明实施例二所述在搜索结果中去除颜色单调缩略图的方法流程图;
图5是本发明实施例二所述在搜索结果中去除颜色单调缩略图的装置结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一:
针对缩略图中存在颜色单调缩略图的问题,本发明实施例一提供了一种识别颜色单调缩略图的方法,通过提取缩略图的颜色特征,并根据所述颜色特征来判断该图是否为颜色单调缩略图。
参照图1,是本发明实施例一所述识别颜色单调缩略图的方法流程图。
步骤101,分析缩略图内容,获取图像的颜色特征。
本实施例使用颜色空间模型对缩略图的颜色属性进行分析。颜色通常由三个相互独立的变量来描述,这三个独立变量就构成颜色空间模型,颜色空间中的每个三维空间坐标对应着一种颜色。典型的颜色空间包括RGB空间(Red分量+Green分量+Blue分量,即红色+绿色+蓝色),HSI空间(Hue分量+Saturation分量+Intensity分量,即色调+饱和度+亮度)和YCbCr空间(一种亮度分量+两种色度分量)等,不同颜色空间之间可以相互转化。本实施例可以采用所述任意一种颜色空间模型,在此不作限定。
利用颜色空间模型分析得到图像的颜色特征,本实施例中,所述颜色特征可以包括主颜色编号、主颜色率、颜色多样性。其中,主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色。例如,在256色的颜色空间中,颜色编号为0~255,主颜色编号即为缩略图对应的主色调编号。主颜色率表示主颜色对应的像素占整幅图像总像素数的比例。颜色多样性表示缩略图中的有效颜色数目,所述有效颜色是指能够被识别出来的颜色。除此,颜色特征还可以包括次主颜色、次主颜色率等其他表征颜色属性的参数。
参照图2,是本发明实施例一中分析缩略图获取颜色特征的步骤流程图。本实施例以RGB空间模型为例进行说明。
步骤201,量化颜色空间。
量化颜色空间是指用几个比特(bit)来表示一个颜色分量。例如,Windows真彩位图就是用8bit表示一个颜色分量,也就是说真彩位图可分辨的颜色数为256×256×256。量化过程如下:
首先,确定一种颜色空间如RGB空间;其次,确定量化尺度,例如使用x比特表示颜色空间的一个分量,即R、G、B各分量分别量化为2x种颜色,整个颜色空间就被量化为2x×2x×2x种颜色。
在量化颜色空间时需要考虑三个因素:其一,实现各分量的均匀量化,即每个分量量化为同样大小;其二,满足普通用户辨识颜色的需求;其三,具有较小的空间复杂度。即如果所用bit太多,会大大增加算法的空间复杂度;如果所用bit太少,则可分辨的颜色又太少。因此,根据实际应用情况不同,应选择合适的量化尺度。
步骤202,根据上述量化颜色空间得到的颜色数,计算归一化颜色直方图。
颜色直方图为图像处理领域广泛使用的图像颜色特征,其描述了不同色彩的像素在整幅图像中所占的比例。归一化颜色直方图H[256]表示一个256维的特征向量,各分量表示属于此颜色的像素比例,例如H[0]表示图像中颜色为第0号颜色的像素所占的比例。归一化颜色直方图为一个中间结果,用于计算后续的颜色特征。
步骤203,根据所述直方图获取颜色特征。
如果颜色特征包括主颜色编号、主颜色率,则遍历所述颜色直方图的各个分量,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
颜色多样性表示某幅图像中能被用户辨识出来的有效颜色数目,用户能够辨识出来的颜色越多,用户体验越好。如果颜色特征包括颜色多样性,则遍历所述颜色直方图的各个分量,当直方图的某一分量大于(或大于等于)预先设定的阈值(即该颜色像素占据一定比例,比如0.005,表示占整幅图像像素总数的0.5%)时,将该分量对应的颜色确定为缩略图有效颜色,有效颜色总数即颜色多样性。
本实施例中,有效颜色不包括灰度颜色,因为灰度颜色没有色彩,此处不算作有效颜色。
经过图2的处理,就可以得到主颜色编号、主颜色率、颜色多样性这三种颜色特征。
步骤102,将颜色特征符合预置条件的缩略图确定为颜色单调缩略图。
根据图像的颜色特征判断缩略图是否为颜色单调缩略图,下面分别以颜色单调缩略图是黑图、单色图、色彩贫乏图、残图为例说明如何识别。
黑图:是大部分像素为黑色的缩略图,用户从图中不能获得任何有用信息。因此识别黑图的阈值条件是:主颜色编号标识黑色,并且相应的主颜色率大于(或大于等于)预设阈值。如果满足所述阈值条件,则确定为颜色单调缩略图中的黑图。
单色图:是绝大部分像素为某单一颜色(非黑色)的缩略图,用户从图中不能获得任何有用信息。因此识别单色图的阈值条件是:主颜色编号标识非黑色,并且相应的主颜色率大于(或大于等于)预设阈值。如果满足所述阈值条件,则确定为颜色单调缩略图中的单色图。
色彩贫乏图:用户能够辨识出来的有效颜色数目较少,用户能从这类缩略图中获得一些信息但会觉得较为单调。因此识别色彩贫乏图的阈值条件是:颜色多样性小于(或小于等于)预设阈值。如果满足所述阈值条件,则确定为颜色单调缩略图中的色彩贫乏图。
上述判断黑图、单色图、色彩贫乏图的过程中都涉及到阈值的设定,由于每种图的定义不同,因此各个阈值通常不同,但不排除相同的可能性,因为黑图也可视为单色图的一种,但由于黑图情况出现较多,所以单独提出。
残图:是指图像残缺不全的缩略图,残图的判断方法与上述三种图不同,通常不需要依据颜色特征来判断,而是根据残图的定义,通过缩略图的数据大小来判断。具体如下:
首先读取缩略图的预定义大小,再读取实际的图像数据,然后将所述图像数据与预定义大小进行比较;如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
其中,缩略图的大小由缩略图的长×宽表示,即由图像的像素数表示数据大小。由于缩略图在存储时都会定义图像大小,如果图像残缺,则图像的实际像素将少于定义的像素数。
需要说明的是,上述判断缩略图是否为颜色单调缩略图的方式是通过阈值判断的,而每个阈值都是经过多次尝试的经验值。由于这种阈值判断的方式有时可能与人眼的感觉不同,因此本实施例中也允许将更符合人眼习惯的阈值条件也作为判断标准。
步骤103,对所述颜色单调缩略图进行识别处理。
根据实际应用情况,对识别出的颜色单调缩略图进行相应处理。例如,直接从数据库中删除所述颜色单调缩略图,或者降低颜色单调缩略图的权重,等等。
经过上述处理,就能够从大量的缩略图中识别出颜色单调缩略图,从而提高缩略图的整体图像质量。
针对上述方法,本发明提供了相应的处理装置。参照图3,是本发明实施例一所述识别颜色单调缩略图的装置结构图。所述装置主要包括缩略图分析单元31和颜色单调缩略图识别单元32。
其中,缩略图分析单元31用于分析缩略图内容,获取图像的颜色特征,具体分析过程如下:首先确定一种颜色空间,其次确定量化尺度,然后计算归一化颜色直方图,并根据所述直方图获取颜色特征。经过缩略图分析单元31处理,可获取的颜色特征包括主颜色编号、主颜色率、颜色多样性、次主颜色编号、次主颜色率等。
颜色单调缩略图识别单元32用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,并对所述颜色单调缩略图进行识别处理。根据图像的颜色特征,颜色单调缩略图识别单元32将主颜色编号标识黑色,并且相应的主颜色率大于(或大于等于)预设阈值的缩略图确定为黑图;将主颜色编号标识非黑色,并且相应的主颜色率大于(或大于等于)预设阈值的缩略图确定为单色图;将颜色多样性小于(或小于等于)预设阈值的缩略图确定为色彩贫乏图。
颜色单调缩略图识别单元32对残图的识别不同于上述三种图,是根据残图的定义,首先调用缩略图分析单元31获得残图的颜色属性,然后进行判断。即缩略图分析单元31分别读取缩略图的预定义大小和实际的图像数据,将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则对该缩略图进行标识,。然后,颜色单调缩略图识别单元32根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。由于在正常情况下,缩略图无论是黑图、单色图、色彩贫乏图还是正常缩略图,都不会出现三个属性都为零的情况,因此本实施例将三个属性全设为零来标识残图。当然,本发明不限定使用其他方法来标识残图。
根据实际应用情况,颜色单调缩略图识别单元32还用于对识别出的颜色单调缩略图进行相应处理。例如,直接从数据库中删除所述颜色单调缩略图,或者降低颜色单调缩略图的权重,等等。
图3所示装置中未详述的部分可以参见图1、图2所示方法的相关部分,为了篇幅考虑,在此不再详述。
实施例二:
针对由于缩略图中存在颜色单调缩略图,导致图像或视频搜索的查准率低、用户体验较差的问题,本发明将上述识别颜色单调缩略图的方法应用到搜索引擎中,提供了一种在搜索结果中去除颜色单调缩略图的方法,大大改善了搜索引擎的检索性能,给用户带来更好的使用体验。
参照图4,是本发明实施例二所述在搜索结果中去除颜色单调缩略图的方法流程图。
步骤401,分析搜索引擎系统中的缩略图内容,获取图像的颜色特征。具体分析过程可参照图2所示流程,在此不再详述。
需要补充的一点是,本步骤在获取主颜色编号、主颜色率、颜色多样性三种颜色特征后,还需要识别出残图所具有的颜色属性,这是为了方便后续过程的处理。
识别残图的方法如前所述,首先读取缩略图的预定义大小,再读取实际的图像数据,然后将所述图像数据与预定义大小进行比较;如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。此时,对残图进行标识,例如将残图的三个颜色特征都设为零,方便后续处理。由于在正常情况下,缩略图无论是黑图、单色图、色彩贫乏图还是正常缩略图,都不会出现三个属性都为零的情况,因此本实施例将三个属性全设为零来标识残图。当然,本发明不限定其他方法来标识残图。
优选步骤402,将缩略图的颜色特征添加到搜索引擎的索引数据中。
所述索引数据用于搜索引擎在进行查询词检索时提供相关的索引功能,所述索引数据包括历史数据和新数据。对于历史数据,在索引数据中增加三个字段用于保存三种颜色特征,并将通过上述步骤得到的颜色特征添加到索引数据的相应字段。
所述新数据是指搜索引擎每天增加的新数据,这些新数据是搜索引擎通过网络爬虫等工具抓取或从专业网站直接获取的。在新数据入库时,需要按照步骤401分析新的缩略图得到其颜色特征,保证对新数据的过滤处理。
本步骤是本实施例的优选步骤,即将缩略图的颜色特征以索引方式存储。当然,本发明不限定其他存储方式。
步骤403,根据搜索关键词查询时,读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
具体判断方法如前述步骤102,即将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,在此不再详述。
需要说明的是,在判断残图时,根据上述步骤401的处理,将索引数据中主颜色编号、主颜色率、颜色多样性全为零的缩略图,确定为残图。
优选步骤404,在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图。
本实施例对搜索结果中包含的颜色单调缩略图的处理方式是,进行降权排序处理,将这些影响用户体验的颜色单调缩略图排到搜索结果的最后几页。这样,既保证用户在前几页搜索结果中看不到各种颜色单调缩略图,也不会减少搜索结果数。当然,也可以把这些颜色单调缩略图从搜索结果中删除,本发明对颜色单调缩略图的处理不作限定。上述“去除”一词同时包含所述两种处理方式,但第一种方式更优。
优选的,本实施例在对各种颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。例如,对于黑图和单色图,用户从图中不能获得任何有用信息,因此将其权重进行大幅度降低;而对于色彩贫乏图,则进行小幅度降低;同时,对残图的权重也进行大幅度降低。
在搜索引擎中应用所述方法后,由于在前几页搜索结果中去除了颜色单调缩略图,增加了搜索结果与用户查询请求的相关程度,因此提高了查准率,从而增强了搜索引擎的搜索性能;而且,结果页面给人一种轻快鲜亮、丰富多彩的视觉感受,显著提升了用户的体验和搜索引擎的整体形象。
本发明还提供了一种在搜索结果中去除颜色单调缩略图的装置实施例。参照图5,是所述在搜索结果中去除颜色单调缩略图的装置结构图。所述装置主要包括缩略图分析单元51、颜色单调缩略图识别单元52、查询单元53。
其中,缩略图分析单元51和颜色单调缩略图识别单元52的功能与图3中的缩略图分析单元31、颜色单调缩略图识别单元32相同,在此不再详述。
查询单元53用于搜索引擎的查询功能,当用户输入搜索关键词进行查询时,查询单元53调用所述颜色单调缩略图识别单元52将搜索结果中的颜色单调缩略图识别出来,然后查询单元53将这些颜色单调缩略图进行降权排序处理,并从排序靠前的搜索结果中去除颜色单调缩略图,即将这些影响用户体验的颜色单调缩略图排到搜索结果的最后几页,或者从搜索结果中删除。
优选的,查询单元53在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。例如,对于黑图、单色图和残图,将其权重进行大幅度降低;而对于色彩贫乏图,则进行小幅度降低。
优选的,本实施例还设置了数据制作单元54,用于将缩略图的颜色特征添加到搜索引擎的索引数据中。搜索引擎的索引数据增加三个字段用于保存三种颜色特征,数据制作单元54将通过缩略图分析单元51处理的颜色特征添加到索引数据的相应字段。颜色单调缩略图识别单元52在进行识别处理时,读取索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
图5所示装置中未详述的部分可以参见图4所示方法的相关部分,为了篇幅考虑,在此不再详述。
上述装置大幅度减少了搜索结果前几页中的颜色单调缩略图,提高了图像或视频等搜索引擎的搜索性能,并提升了用户体验。而且,本发明提供的方法和装置不限于图片和视频搜索,也可应用于其他搜索方面或其他网络应用。
以上对本发明所提供的识别颜色单调缩略图的方法、装置及在搜索引擎中的应用,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (31)
1.识别颜色单调缩略图的方法,其特征在于,包括:
分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;
将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图;
对所述颜色单调缩略图进行删除或者降权处理。
2.根据权利要求1所述的方法,其特征在于,所述分析缩略图内容,获取图像的主颜色编号和主颜色率的步骤包括:
量化颜色空间模型的颜色数;
根据所述颜色数,计算缩略图的归一化颜色直方图;
遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
3.根据权利要求1所述的方法,其特征在于,还包括:
在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;
在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
4.识别颜色单调缩略图的方法,其特征在于,包括:
分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;
将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图;
对所述颜色单调缩略图进行删除或者降权处理。
5.根据权利要求4所述的方法,其特征在于,所述分析缩略图内容,获取图像的颜色多样性的步骤包括:
量化颜色空间模型的颜色数;
根据所述颜色数,计算缩略图的归一化颜色直方图;
遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
6.根据权利要求4所述的方法,其特征在于,还包括:
在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;
在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
7.在搜索结果中去除颜色单调缩略图的方法,其特征在于,包括:
分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;
将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图;
在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
8.根据权利要求7所述的方法,其特征在于,还包括:
将缩略图的颜色特征添加到搜索引擎的索引数据中;
根据搜索关键词查询时,读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
9.根据权利要求7所述的方法,其特征在于:
在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。
10.根据权利要求7所述的方法,其特征在于,所述分析缩略图内容,获取图像的主颜色编号和主颜色率的步骤包括:
量化颜色空间模型的颜色数;
根据所述颜色数,计算缩略图的归一化颜色直方图;
遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
11.根据权利要求7所述的方法,其特征在于,还包括:
在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;
在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
12.在搜索结果中去颜色单调缩略图的方法,其特征在于,包括:
分析缩略图内容,获取图像的颜色特征,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;
将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图;
在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
13.根据权利要求12所述的方法,其特征在于,还包括:
将缩略图的颜色特征添加到搜索引擎的索引数据中;
根据搜索关键词查询时,读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
14.根据权利要求12所述的方法,其特征在于,所述分析缩略图内容,获取图像的颜色多样性的步骤包括:
量化颜色空间模型的颜色数;
根据所述颜色数,计算缩略图的归一化颜色直方图;
遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
15.根据权利要求12所述的方法,其特征在于,还包括:
在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据;
在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则确定为颜色单调缩略图中的残图。
16.识别颜色单调缩略图的装置,其特征在于,包括:
缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;
颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,并对所述颜色单调缩略图进行删除或者降权处理,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图。
17.根据权利要求16所述的装置,其特征在于:
所述缩略图分析单元通过量化颜色空间模型的颜色数,根据所述颜色数计算缩略图的归一化颜色直方图,遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
18.根据权利要求16所述的装置,其特征在于,
所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识,所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
19.识别颜色单调缩略图的装置,其特征在于,包括:
缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;
颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,并对所述颜色单调缩略图进行删除或者降权处理,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图。
20.根据权利要求19所述的装置,其特征在于,
所述缩略图分析单元量化颜色空间模型的颜色数,根据所述颜色数,计算缩略图的归一化颜色直方图,遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
21.根据权利要求19所述的装置,其特征在于:
所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识;所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
22.在搜索结果中去除颜色单调缩略图的装置,其特征在于,包括:
缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征包括主颜色编号和主颜色率,所述主颜色编号用于唯一标识缩略图在颜色空间模型中的主要颜色,主颜色率用于表示主颜色对应的像素占整幅图像总像素数的比例;
颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述主颜色编号标识黑色,并且相应的主颜色率大于等于第一阈值的缩略图,确定为颜色单调缩略图中的黑图,或者,将所述主颜色编号标识非黑色,并且相应的主颜色率大于等于第二阈值的缩略图,确定为颜色单调缩略图中的单色图;
查询单元,用于在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
23.根据权利要求22所述的装置,其特征在于,还包括:
数据制作单元,用于将缩略图的颜色特征添加到搜索引擎的索引数据中;
根据搜索关键词查询时,所述颜色单调缩略图识别单元读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
24.根据权利要求22所述的装置,其特征在于:
所述查询单元在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。
25.根据权利要求22所述的装置,其特征在于:
所述缩略图分析单元通过量化颜色空间模型的颜色数,根据所述颜色数计算缩略图的归一化颜色直方图,并根据所述颜色直方图获得图像的颜色特征,
遍历所述颜色直方图,将所述颜色直方图中的峰值分量确定为主颜色率,并将峰值对应的序号确定为主颜色编号。
26.根据权利要求22所述的装置,其特征在于:
所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识;所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
27.在搜索结果中去除颜色单调缩略图的装置,其特征在于,包括:
缩略图分析单元,用于分析缩略图内容,获取图像的颜色特征,其中,所述颜色特征为颜色多样性,所述颜色多样性用于表示图像中的有效颜色数目;
颜色单调缩略图识别单元,用于将颜色特征符合预置条件的缩略图确定为颜色单调缩略图,其中,所述将颜色特征符合预置条件的缩略图确定为颜色单调缩略图包括将所述颜色多样性小于等于第四阈值的缩略图,确定为颜色单调缩略图中的色彩贫乏图;
查询单元,用于在搜索结果中将颜色单调缩略图进行降权排序处理,从排序靠前的搜索结果中去除颜色单调缩略图,其中,所述去除颜色单调缩略图包括将所述颜色单调缩略图排到搜索结果的最后几页或者把所述颜色单调缩略图从搜索结果中删除。
28.根据权利要求27所述的装置,其特征在于,还包括:
数据制作单元,用于将缩略图的颜色特征添加到搜索引擎的索引数据中;
根据搜索关键词查询时,所述颜色单调缩略图识别单元读取所述索引数据中的颜色特征,然后根据所述颜色特征判断是否为颜色单调缩略图。
29.根据权利要求27所述的装置,其特征在于,
所述查询单元在对颜色单调缩略图进行降权处理时,根据颜色单调缩略图的不同类型,分别降低不同的权重。
30.根据权利要求27所述的装置,其特征在于,
所述缩略图分析单元量化颜色空间模型的颜色数,根据所述颜色数,计算缩略图的归一化颜色直方图,遍历所述颜色直方图,将直方图的分量大于等于第三阈值的颜色,确定为缩略图的有效颜色,有效颜色的总数为颜色多样性。
31.根据权利要求27所述的装置,其特征在于:
所述缩略图分析单元通过在分析所述缩略图的内容时分别读取缩略图的预定义大小和实际的图像数据,在确定所述颜色单调缩略图时将所述图像数据与预定义大小进行比较,如果图像数据小于预定义大小,则将该缩略图进行标识;所述颜色单调缩略图识别单元根据所述标识将相应的缩略图确定为颜色单调缩略图中的残图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101030935A CN101256597B (zh) | 2008-03-31 | 2008-03-31 | 识别颜色单调缩略图的方法、装置及在搜索引擎中的应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101030935A CN101256597B (zh) | 2008-03-31 | 2008-03-31 | 识别颜色单调缩略图的方法、装置及在搜索引擎中的应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101256597A CN101256597A (zh) | 2008-09-03 |
CN101256597B true CN101256597B (zh) | 2010-06-16 |
Family
ID=39891416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101030935A Active CN101256597B (zh) | 2008-03-31 | 2008-03-31 | 识别颜色单调缩略图的方法、装置及在搜索引擎中的应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101256597B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033937A (zh) * | 2010-12-20 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 视频搜索结果的展示方法及其系统 |
CN105574854B (zh) * | 2015-12-10 | 2019-02-12 | 小米科技有限责任公司 | 确定图像单一性的方法及装置 |
CN105631902B (zh) * | 2015-12-21 | 2018-09-04 | 小米科技有限责任公司 | 图像单一性分析方法及装置 |
CN110019907B (zh) * | 2017-12-01 | 2021-07-16 | 北京搜狗科技发展有限公司 | 一种图像检索方法及装置 |
US10897564B1 (en) | 2019-06-17 | 2021-01-19 | Snap Inc. | Shared control of camera device by multiple devices |
US11340857B1 (en) | 2019-07-19 | 2022-05-24 | Snap Inc. | Shared control of a virtual object by multiple devices |
US11558593B2 (en) * | 2020-02-10 | 2023-01-17 | Gopro, Inc. | Scene-based automatic white balance |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025740A (zh) * | 2006-02-21 | 2007-08-29 | 腾讯科技(深圳)有限公司 | 图片搜索结果自动播放方法 |
US7304754B1 (en) * | 1999-07-22 | 2007-12-04 | Fujifilm Corporation | Image inputting and outputting apparatus which judges quality of an image |
-
2008
- 2008-03-31 CN CN2008101030935A patent/CN101256597B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7304754B1 (en) * | 1999-07-22 | 2007-12-04 | Fujifilm Corporation | Image inputting and outputting apparatus which judges quality of an image |
CN101025740A (zh) * | 2006-02-21 | 2007-08-29 | 腾讯科技(深圳)有限公司 | 图片搜索结果自动播放方法 |
Non-Patent Citations (1)
Title |
---|
JP特开2004-120175A 2004.04.15 |
Also Published As
Publication number | Publication date |
---|---|
CN101256597A (zh) | 2008-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101256597B (zh) | 识别颜色单调缩略图的方法、装置及在搜索引擎中的应用 | |
CN101290634B (zh) | 一种识别重复缩略图的方法、装置及在搜索引擎中的应用 | |
US7630545B2 (en) | Method and apparatus for representing a group of images | |
CN104636759B (zh) | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统 | |
EP1038269B1 (en) | A histogram method for characterizing video content | |
Marcial-Basilio et al. | Detection of pornographic digital images | |
CN109657715B (zh) | 一种语义分割方法、装置、设备及介质 | |
JP2003153007A (ja) | 画像重要度に基づく画像圧縮制御システム及び方法 | |
CN103971134A (zh) | 图像分类、检索和校正方法,以及相应装置 | |
CN104410867A (zh) | 改进的视频镜头检测方法 | |
CN106415596A (zh) | 基于分割的图像变换 | |
CN114567798B (zh) | 一种针对互联网短视频变种的溯源方法 | |
KR100243351B1 (ko) | 와이.유.브이(yuv) 공간에서 컬러 특성 분포를 이용한 유사도 측정 방법 | |
Zhang et al. | Feature based segmentation and clustering on forest fire video | |
Dai et al. | Imagery-based digital collection retrieval on web using compact perception features | |
KR100304370B1 (ko) | 억제 색 히스토그램을 이용한 객체의 대표색과 그의 부가정보추출, 색인화 및 검색 방법 | |
Zhang et al. | A multi-view fusion method for image retrieval | |
Belmamoun et al. | On selection and combination of relevant color components for edge detection | |
CN113609325A (zh) | 一种快速搜索近似rgb颜色图片方法 | |
Chiang et al. | An efficient indexing method for content-based image retrieval | |
KR19990053172A (ko) | 칼라 특징벡터를 이용한 영상정보 검색방법 | |
Serafim | Segmentation of objects in images of natural colored surfaces | |
Dai | Extraction of Individual Perception Features for imagery-based Image Retrieval | |
Chang et al. | Image Retrieval by Auto Weight Regulation PCA Algorithm | |
Boumbarov et al. | Face extraction using 2D color histograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |