CN103971134A - 图像分类、检索和校正方法，以及相应装置 - Google Patents

Abstract

本申请公开一种图像分类、检索及校正方法、以及相应的装置，在所述图像分类方法中，首先获取待处理图像中，各个像素点的亮度参数和颜色参数，然后基于所述颜色参数，获取所述待处理图像对应的颜色散布范围；然后通过所述颜色散布范围，以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，基于所述参考白点的光照色度，获取所述待处理图像的光照色度；利用所述待处理图像的光照色度，从所述训练图像集合中获取其光照色度满足匹配条件的训练图像的类别，实现对待处理图像的分类。本申请公开的图像分类方法，能够根据待处理图像的光照色度对其进行分类，提高图像分类的准确性。

Description

图像分类、检索和校正方法,以及相应装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像分类、检索和校正方法，以及相应装置。

背景技术

随着多媒体等技术的发展，图像资源日益丰富，而且，相对于文本资源，图像中包含的信息往往能够为用户提供更多的数据量，因此，对图像进行分析管理，成为目前研究的一个热点。目前，在对图像分析管理的过程中，经常需要对图像分类，即根据图像信息中所反映的不同特征，把图像划分为相应的类别。

目前在对图像分类时，主要采用基于图像的视觉特征的分类方法。按照该方法，首先提取需要分类的图像的视觉特征，如图像梯度、形状和颜色等，然后通过分类算法，对提取到的视觉特征进行训练，将具有不同视觉特征的图像划分至不同的类别，获取相应的图像分类结果。通过该方法，能够根据视觉特征，实现图像的分类。

但是，发明人在本申请的研究过程中发现，采用上述图像分类方法，只能根据图像的视觉特征实现对图像的分类，而在某些应用场景下，各种干扰会造成图像失真，这时，仅依据视觉特征对其进行分类，会降低图像分类的准确性。

发明内容

本发明实施例提供了一种图像分类、检索和校正方法，以及相应装置，以一定程度上解决现有技术中在依据视觉特征对图像进行分类时，图像分类的准确性低的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

第一方面，提供一种图像分类方法，所述方法包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取满足其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

结合第一方面，在第一方面的第一种可能的实现方式中，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

结合第一方面，在第一方面的第二种可能的实现方式中，依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

结合第一方面，以及第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

结合第一方面的第四种可能的实现方式，或第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

结合第一方面，第一方面的第二种可能的实现方式，第一方面的第三种可能的实现方式，第一方面的第四种可能的实现方式，第一方面的第五种可能的实现方式，以及第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述基于所述参考白点的光照色度，获取所述待处理图像的光照色度，包括：

当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度；

计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度；

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；

当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

第二方面，提供一种图像检索方法，所述方法包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

结合第二方面，在第二方面的第一种可能的实现方式中，所述匹配条件包括：

所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

结合第二方面，以及第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述方法还包括：

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；

或者，将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系保存在图像集合中。

结合第二方面，以及第二方面的第一种可能的实现方式，在第二方面的第三种可能的实现方式中，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者，各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，所述方法还包括：

接收用户输入的图像类别信息；

根据所述图像类别信息，从所述图像集合中查询所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

结合第二方面，在第二方面的第四种可能的实现方式中，依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

结合第二方面，或第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

结合第二方面的第五种可能的实现方式，在第二方面的第六种可能的实现方式中，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

结合第二方面的第六种可能的实现方式，在第二方面的第七种可能的实现方式中，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

结合第二方面的第六种可能的实现方式，或结合第二方面的第七种可能的实现方式，在第二方面的第八种可能的实现方式中，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

第三方面，本申请公开了一种图像校正方法，所述方法包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

结合第三方面，在第三方面的第一种可能的实现方式中，所述对所述待处理图像进行颜色校正是通过如下方法实现的：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u$

其中，f^u(R^u,G^u,B^u)为所述待处理图像在RGB颜色空间下的光照色度，标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度。

结合第三方面，在第三方面的第二种可能的实现方式中，所述依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

结合第三方面，或第三方面的第二种可能的实现方式，在第三方面的第三种可能的实现方式中，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

结合第三方面的第三种可能的实现方式，在第三方面的第四种可能的实现方式中，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

结合第三方面的第四种可能的实现方式，在第三方面的第五种可能的实现方式中，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

结合第三方面的第四种可能的实现方式，或第三方面的第五种可能的实现方式，在第三方面的第六种可能的实现方式中，

所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

第四方面，本申请公开了一种图像分类装置，所述装置包括：

参数获取模块，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

颜色散布范围获取模块，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

参考白点确定模块，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

光照色度获取模块，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

类别获取模块，用于利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

结合第四方面，在第四方面的第一种可能的实现方式中，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

结合第四方面，在第四方面的第二种可能的实现方式中，所述参考白点确定模块具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

结合第四方面，或第四方面的第二种可能的实现方式，在第四方面的第三种可能的实现方式中，所述颜色散布范围获取模块包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

结合第四方面的第三种可能的实现方式，在第四方面的第四种可能的实现方式中，所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

结合第四方面的第四种可能的实现方式，在第四方面的第五种可能的实现方式中，所述偏离值计算单元具体用于通过如下方法计算所述待处理图像对应的颜色参数的偏离值：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

结合第四方面的第四种可能的实现方式，或第四方面的第五种可能的实现方式，在第四方面的第五种可能的实现方式中，所述参考白点确定模块包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

结合第四方面，结合第四方面的第一种可能的实现方式，结合第四方面的第二种可能的实现方式，结合第四方面的第三种可能的实现方式，结合第四方面的第四种可能的实现方式，以及结合第四方面的第五种可能的实现方式，在第四方面的第六种可能的实现方式中，所述光照色度获取模块包括：

参数获取单元，用于当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度；

光照色度计算单元，用于计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度；

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；

当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

第五方面，本申请公开了一种图像检索装置，所述装置包括：

参数获取模块，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

颜色散布范围获取模块，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

参考白点确定模块，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

光照色度获取模块，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

目标图像获取模块，用于利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

结合第五方面，在第五方面的第一种可能的实现方式中，所述匹配条件包括：

所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

结合第五方面，或第五方面的第一种可能的实现方式中，在第五方面的第二种可能的实现方式中，所述装置还包括：

类别获取模块，用于利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

图像集合管理模块，用于将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；或者，用于将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系进保存在图像集合中。

结合第五方面，或第五方面的第一种可能的实现方式中，在第五方面的第三种可能的实现方式中，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，所述装置还包括：

接收模块，用于接收用户输入的图像类别信息；

查询模块，用于根据所述图像类别信息，从所述图像集合中查询与所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

结合第五方面，在第五方面的第四种可能的实现方式中，所述参考白点确定模块具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

结合第五方面，或结合第五方面的第四种可能的实现方式中，在第五方面的第五种可能的实现方式中，所述颜色散布范围获取模块包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

结合第五方面的第五种可能的实现方式中，在第五方面的第六种可能的实现方式中，所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

结合第五方面的第六种可能的实现方式中，在第五方面的第七种可能的实现方式中，所述偏离值计算单元具体用于基于所述颜色参数的均值以及所述各个像素点的颜色参数通过如下方法计算所述待处理图像对应的颜色参数的偏离值：：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

结合第五方面的第六种可能的实现方式中，或结合第五方面的第七种可能的实现方式中，在第五方面的第八种可能的实现方式中，所述参考白点确定模块包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

第六方面，本申请公开一种图像校正装置，所述装置包括：

参数获取模块，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

颜色散布范围获取模块，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

参考白点确定模块，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

光照色度获取模块，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

图像校正模块，用于根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

结合第六方面，在第六方面的第一种可能的实现方式中，所述图像校正模块具体用于通过如下方法对所述待处理图像进行颜色校正：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u$

其中，f^u(R^u,G^u,B^u)为所述待处理图像在RGB颜色空间下的光照色度，标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度。

结合第六方面，在第六方面的第二种可能的实现方式中，所述参考白点确定模块具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

结合第六方面，或结合第六方面的第二种可能的实现方式，在第六方面的第三种可能的实现方式中，所述颜色散布范围获取模块包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

结合第六方面的第三种可能的实现方式，在第六方面的第四种可能的实现方式中，所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

结合第六方面的第四种可能的实现方式，在第六方面的第五种可能的实现方式中，所述偏离值计算单元具体用于基于所述颜色参数的均值以及所述各个像素点的颜色参数通过如下方法计算所述待处理图像对应的颜色参数的偏离值：：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

结合第六方面的第四种可能的实现方式，或结合第六方面的第五种可能的实现方式中，在第六方面的第六种可能的实现方式中，所述参考白点确定模块包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

第七方面，本申请公开了一种终端设备，所述终端设备包括：包括处理器、存储器和屏幕组件，

其中，所述存储器用于存储对待处理图像进行图像分类的程序；

所述处理器用于读取所述存储器中存储的程序，并根据所述程序执行图像分类的操作，所述图像分类的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

所述屏幕组件用于显示待处理图像，以及所述待处理图像的类别信息。

结合第七方面，在第七方面的第一种可能的实现方式中，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

第八方面，本申请公开了一种终端设备，所述终端设备包括：包括处理器、存储器和屏幕组件，其中，所述存储器用于存储对待处理图像进行图像检索的程序；

所述处理器用于读取所述存储器中存储的程序，并根据所述程序执行图像检索的操作，所述图像检索的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系；

所述屏幕组件用于显示所述待处理图像和目标图像。

结合第八方面，在第八方面的第一种可能的实现方式中，所述匹配条件包括：所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

第九方面，本申请公开了一种终端设备，所述终端设备包括：包括处理器、存储器和屏幕组件，其中，所述存储器用于存储对待处理图像进行图像校正的程序；

所述处理器用于读取所述存储器中存储的程序，并根据所述程序执行图像校正的操作，所述图像校正的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色；

所述屏幕组件用于显示经过图像校正后的待处理图像。

第十方面，本申请公开一种智能相册的管理系统，包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

第十一方面，本申请公开一种智能相册的管理系统，包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

第十二方面，本申请公开一种智能相册的管理系统，包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

本申请公开的图像分类方法，当需要对图像进行分类时，首先获取待处理图像中，各个像素点的亮度参数和颜色参数，然后基于所述颜色参数，获取所述待处理图像对应的颜色散布范围；然后通过所述颜色散布范围，以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，基于所述参考白点的光照色度，获取所述待处理图像的光照色度；利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别，实现对待处理图像的分类。

现有技术中，利用视觉特征对图像进行分类时，容易受到干扰，导致图像分类准确度低。而本申请公开的图像分类方法，基于待处理图像中各个像素点的亮度参数和颜色参数确定参考白点，并通过所述参考白点获取待处理图像的光照色度，待处理图像的光照色度的计算方法鲁棒性较强，分类过程中有效利用了图像的光照信息，从而提高了图像分类的准确性。

进一步的，本申请还公开了一种图像检索方法和图像校正方法。所述图像检索方法中，在获取待处理图像的光照色度后，从图像集合中获取目标图像，所述目标图像的光照色度与所述待处理图像的光照色度满足匹配条件，从而能够满足用户的检索需求。所述图像校正方法，在获取待处理图像的光照色度后，根据标准白光下的图像的光照色度对所述待处理图像进行颜色校正，能够使待处理图像的颜色趋近于标准白光下的图像的颜色，提高待处理图像的成像质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明公开的图像分类方法的一个实施例流程图；

图2为本发明公开的图像分类方法的原理示例图；

图3为本发明公开的图像分类方法中，获取待处理图像对应的颜色散布范围的一个实施例流程图；

图4为本发明公开的图像分类方法中，确定待处理图像的参考白点的一个实施例流程图；

图5为本发明公开的图像分类方法中，获取待处理图像的光照色度的一个实施例流程图；

图6为本发明公开的图像检索方法的一个实施例流程图；

图7为本发明公开的图像检索方法的原理示例图；

图8为本发明公开的图像检索校正的一个实施例流程图；

图9为本发明公开的图像分类装置的一个实施例框图；

图10为本发明公开的图像分类装置中，颜色散布范围获取模块的一个实施例框图；

图11为本发明公开的图像分类装置中，参考白点确定模块的一个实施例框图；

图12为本发明公开的图像分类装置中，光照色度获取模块的一个实施例框图；

图13为本发明公开的图像检索装置的一个实施例框图；

图14为本发明公开的图像校正装置的一个实施例框图；

图15a为本发明公开的终端设备的一个实施例框图；

图15b为本发明公开的终端设备的又一个实施例框图；

图15c为本发明公开的终端设备的又一个实施例框图；

图16为本发明公开的图像分类、检索和校正方法的应用场景示例图；

图17为本发明公开的又一种图像分类、检索和校正方法的应用场景示例图。

具体实施方式

本发明如下的实施例提供一种图像分类、检索及校正方法，以及相应的装置。

为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明实施例中技术方案作进一步详细的说明。

参见图1，为本申请提供的一种图像分类方法的一个实施例流程图：

步骤101、获取待处理图像中，各个像素点的亮度参数和颜色参数。

本申请公开的实施例中，在对图像进行处理时，通常需要将所述待处理图像转换至YCbCr颜色空间的图像，以便对所述待处理图像中各个像素点的亮度和颜色进行分析。当待处理图像为YCbCr颜色空间的图像时，所述各个像素点的亮度参数为亮度分量Y，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr，以便通过所述各个像素点的亮度参数的值，反映所述待处理图像的光照情况，通过各个像素点的颜色参数的值，反映所述像素点的蓝色和红色浓度偏移量。

步骤102、基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围。

本实施例中，在获取所述待处理图像中各个像素点的颜色参数的值后，能够据此计算所述待处理图像对应于各个色度通道的均值，并将所述均值，与所述各个像素点的颜色参数的值相对比，从而获取该待处理图像的颜色散布范围。

步骤103、依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点。

步骤104、基于所述参考白点的光照色度，获取所述待处理图像的光照色度。

本实施例中，参考白点能够反映所述待处理图像的光照变化，通过参考白点，能够计算获取所述待处理图像的光照色度。

通常所述待处理图像的参考白点为多个，并且所述待处理图像的光照色度包括多种表现形式。例如，当所述待处理图像处于YCbCr颜色空间时，可计算多个所述参考白点分别在亮度参数、蓝色色度分量参数和红色色度分量的均值，并将上述三个维度下的均值作为光照色度；另外，还可以将所述待处理图像转化为RGB颜色空间下的图像，这种情况下，则计算多个所述参考白点分别对应红、绿和蓝三个颜色通道的均值，并将上述三个维度下的均值作为光照色度。

步骤105、利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别。

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

在一种实现方式下，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。其中，当所述训练图像的光照色度与所述待处理图像的光照色度的差值为零时，则说明所述训练图像的光照色度与所述待处理图像的光照色度相同。

所述训练图像集合中，存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。获取所述待处理图像的光照色度后，通常是根据匹配程度从训练图像集合中获取与所述待处理图像的光照色度最匹配的光照色度（为了方便描述，这里将“与所述待处理图像的光照色度最匹配的光照色度”简称为第一光照色度，应当理解的是，这里的“第一”只是为了区分描述而已，不作其他限定），从而得到与该第一光照色度对应的第一图像类别，这里的第一图像类别作为所述待处理图像的类别。这种情况下，当所述待处理图像的光照色度与某一类别的训练图像的光照色度之间的差值最小，或者两者间的差值在预设的差值阈值内，通常可认为所述待处理图像的类别与该训练图像的类别相同，应当理解的是，“所述待处理图像的光照色度处于某一类别的训练图像的光照色度范围内”的情况被包括在“所述待处理图像的光照色度与某一类别的训练图像的光照色度之间的差值最小”的范围内。

例如，可预先将训练图像光照色度划分为几个不同的范围，每个范围对应一种类别，建立如表1所示的光照色度与类别的对应关系表。当所述待处理图像的光照色度属于某一范围内时，所述待处理图像的光照色度与该类别对应的光照色度的差值最小，则确定所述待处理图像的光照色度与该类别对应的光照色度匹配程度最高，相应地，所述待处理图像的类别与该范围对应的类别匹配程度最高，所述待处理图像的类别为该匹配程度最高的类别。

表1图像的光照色度与类别的对应关系表

光照色度	类别
		光照色度范围1	类别1
光照色度范围2	类别2
		光照色度范围3	类别3
光照色度范围4	类别4

另外，还可根据训练图像的光照色度的值与其类别的对应关系，建立如表2所示的对应关系表。当所述待处理图像的光照色度与表2中的某一光照色度的差值最小，或者与某一光照色度之间的差值在预设的差值阈值内，则确定所述待处理图像的光照色度与该光照色度的匹配程度最高，相应的，所述待处理图像的类别与该光照色度对应的类别匹配程度最高，所述待处理图像的类别为该匹配程度最高的类别。

表2图像的光照色度与类别的对应关系表

光照色度	类别
		光照色度1	类别1
光照色度2	类别2
		光照色度3	类别3
光照色度4	类别4

本申请公开的图像分类方法，当需要对图像进行分类时，首先获取待处理图像中，各个像素点的亮度参数和颜色参数，然后基于所述颜色参数，获取所述待处理图像对应的颜色散布范围；然后通过所述颜色散布范围，以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，基于所述参考白点的光照色度，获取所述待处理图像的光照色度；利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别，从而实现对待处理图像的分类。

现有技术中，利用视觉特征对图像进行分类时，容易受到干扰，导致图像分类准确度低。而本申请公开的图像分类方法，基于待处理图像中各个像素点的亮度参数和颜色参数确定参考白点，并通过所述参考白点获取待处理图像的光照色度，待处理图像的光照色度的计算方法鲁棒性较强，分类过程中有效利用了图像的光照信息，从而提高了图像分类的准确性。

本申请的实施例中，所述待处理图像的类别通常包括：混合光图像和非混合光图像。其中，混合光图像指的是，因单个或多个光照颜色投射，而造成大面积拍摄物体颜色失真的图像。另外，还可以根据光照色度对混合光图像进一步分类，以便根据所述类别确定图像失真的程度。当然，还可以根据光照色度进行其他形式的分类，本申请对此不做限定。

训练图像指的是预先经过人眼识别后，已经划分为相应类别的图像。本实施例中，将所述训练图像作为判定模型，用于对待处理图像进行分类。并且，获取所述训练图像的光照色度时，采用的方法通常与获取待处理图像的光照色度的方法相同，即首先获取训练图像中各个像素点的亮度参数和颜色参数，然后基于所述各个像素点的颜色参数，获取所述训练图像对应的颜色散布范围，最后通过所述颜色散布范围，以及所述各个像素点的亮度参数和颜色参数，确定所述训练图像的参考白点，并通过所述参考白点，获取所述训练图像的光照色度。

参见图2所示的基于光照色度的图像分类的原理示例图，该方法中，训练图像即为已知类别的图像，在获取训练图像的光照色度后，根据本次分类需求对应的图像类别，如混合光图像和非混合光图像，对其进行训练，会得到相应的判定模型；并且根据本申请的实施例提供的方法计算待处理图像的光照色度，通过所述判定模型对所述待处理图像进行分类，即可获取所述待处理图像的类别。

根据训练图像，获取判定模型的方式包括多种，如支持向量机算法、神经网络算法和K近邻算法等方法等。以支持向量机算法为例，该方法中，首先对训练图像进行人工标注，以标注各个训练图像所属的类别，然后将属于同一类别的训练图像划分至同一个集合。当所述类别包括混合光图像和非混合光图像时，可将各混合光图像划分为一个集合，作为正样本，将各非混合光图像划分为一个集合，作为负样本，然后通过支持向量机算法对两个集合中的各训练图像的光照色度进行训练，建立正样本和负样本特征空间上的最优分类面模型。在获取所述待处理图像的光照色度后，将其与所述最优分类面模型进行对比，设定所述最优分类面模型为H，当待处理图像的光照色度到H的距离大于零时，则确定图像类别为混合光，当该距离小于零时，则确定图像类别为非混合光。

进一步的，上述实施例中公开了依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点的步骤，该步骤包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

另外，上述实施例的步骤102中公开了基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围的步骤，参见图3，该步骤包括：

步骤1021、基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值。

步骤1022、基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

其中，所述颜色参数的均值，通常需要获取所述待处理图像中，各个像素点不同维度下的颜色参数，然后分别对不同维度下的颜色参数求平均的方式获取。

当所述待处理图像为YCbCr颜色空间下的图像时，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。这种情况下，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

本实施例中，通过上述公式，即可根据待处理图像中各个像素点的颜色参数的均值，以及所述各个像素点的颜色参数，获取所述待处理图像对应的颜色参数的偏离值，通过所述偏离值，即可表征所述待处理图像对应的颜色散布范围。

在获取所述待处理图像对应的颜色散布范围后，需根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，参见图4，该步骤包括：

步骤1031，将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比。

步骤1032，确定满足所述预设条件的像素点为参考白点。

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

该预设条件中，s和t为根据工作人员的分类精度需求预先设定的，其中，s的取值决定了选择参考白点时的色度范围，s越大，所选择的参考白点在图像中的散布范围越广，s越小，参考白点的散布范围越小，根据分类需求可选[0.2,3.0]范围内的常数,通常可取值为0.5；t代表所述参考白点的亮度阈值范围，用来过滤混合光图像中过曝光的像素点，t越大，参考白点中高亮度的像素点越多，t越小，参考白点中高亮度的像素点越少，根据分类需求可选[200，245]范围内的常数，通常可取值为210，当然，在不同的分类需求下，s和t可设定为其他值，满足上述预设条件的像素点p(y_p,cb_p,cr_p)，即为所述待处理图像的参考白点。

另外，以上实施例的步骤105中，公开了基于所述参考白点的光照色度，获取所述待处理图像的光照色度的步骤，参见图5，该步骤包括：

步骤1051、当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度。

步骤1052、计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度。

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

所述待处理图像的光照色度可以多种形式表达，例如，所述待处理图像的光照色度可以为RGB颜色空间下的光照色度，或者，为YCbCr颜色空间下的光照色度。当所述待处理图像的光照色度为RGB颜色空间下的光照色度时，需要分别获取各个参考白点在红色通道分量、绿色通道分量和蓝色通道分量这三个维度的均值，这三个维度组成的均值即为所述待处理图像的光照色度；当所述待处理图像的光照色度为YCbCr颜色空间下的光照色度时，需要分别获取各个参考白点在亮度分量、蓝色色度分量和红色色度分量这三个维度的均值，这三个维度组成的均值即为所述待处理图像的光照色度。

另外，本申请还公开了一种图像检索方法。

参见图6，为本申请提供的一种图像检索方法的一个实施例流程图：

步骤201、获取待处理图像中，各个像素点的亮度参数和颜色参数。

步骤202、基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围。

步骤203、依据所述颜色散步范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点。

步骤204、基于所述参考白点的光照色度，获取所述待处理图像的光照色度。

本实施例的步骤201至步骤204，公开了获取待处理图像的光照色度的方法，其执行过程和步骤101至步骤104的执行过程相同，可相互参照。

步骤205、利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上。

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

在进行图像检索时，用户通常需要获取图像集合中，光照色度与所述待处理图像的光照色度相接近的目标图像，这种情况下，所述匹配条件包括：所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。其中，当所述目标图像的光照色度与所述待处理图像的光照色度的差值为零时，则说明所述目标图像的光照色度与所述待处理图像的光照色度相同。

在对图像进行处理时，有时需要获取与待处理处理图像的光照色度接近的图像，例如，可在某些图像管理软件中添加搜索引擎，所述搜索引擎需具备图像检索功能，通过所述图像检索功能，能够查询获取光照程度相似的图像。这种情况下，需要对图像进行检索。

进行图像检索时，需要计算待处理图像的光照色度，在获取所述待处理图像的光照色度后，根据所述光照色度对图像集合进行搜索。当所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系时，根据待处理图像的光照色度，从图像集合中搜索与待处理图像的光照色度满足匹配条件的光照色度，然后对图像集合进行查询，即可获取存储在所述光照色度对应的存储位置的目标图像；当所述图像集合中存储有各个图像的光照色度与各个图像的存储顺序之间的对应关系时，这种情况下，图像集合中包含的各个图像通常按照一定顺序进行存储，如按照光照色度由小到大，或者光照色度由大到小的顺序进行存储，当从图像集合中搜索与待处理图像的光照色度满足匹配条件的光照色度后，对图像集合进行查询，即可获取存储在所述光照色度对应的存储顺序的目标图像。

参见图7所示的基于光照色度的图像检索原理示例图，当需要对图像进行检索时，设定待处理图像为查询图像，且所述查询图像的光照色度按照步骤201至步骤204公开的方案计算获取，而且图像集合中的各个图像的光照色度也通过计算获取，并且图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。利用所述待处理图像的光照色度，对图像集合进行相似性查询，即可获取所述图像集合中，与所述待处理图像的光照色度相接近的图像。

所述图像集合中存储的各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系，可以以索引结构的方式实现，另外，可利用现有技术提供的索引方法，根据光照色度为图像集合中的图像建立索引结构，如视觉词典、局部敏感哈希和ANN(Approximate nearest neighbor，近邻算法)等方法。在建立索引结构时，通常将图像集合中各个图像的光照色度作为索引节点，建立各个图像的光照色度与存储位置，或者存储顺序之间的对应关系。

以ANN算法为例，说明根据图像集合中各个图像的光照色度建立索引结构的方法。该方法中，在获取各个图像的光照色度后，首先针对光照色度的每一维，依次进行空间划分，划分方式可选择以中值、均值或随机数等作为阈值进行二值划分；在划分的过程中，将大于阈值的光照色度作为左子结点，将小于阈值的光照色度作为右子结点，并据此建立树结构，直到建立的树结构满足树的高度，或者叶子结点的数目达到用户指定的范围时，停止划分，并存储所述树结构中各子节点的光照色度与相应图像的存储位置或存储顺序之间的对应关系。

当需要进行相似性查询，获取图像集合中与所述待处理图像的光照程度相似的图像时，利用所述索引结构对所述数据查询即可。以ANN算法为例，查询方法包括：首先，在获取待处理图像的光照色度之后，从根结点开始查询，当所述光照色度大于阈值时，则遍历左子树，当小于阈值时，则遍历右子树，直到遍历至叶子结点，通过该叶子结点的光照色度与图像的存储位置之间的对应关系，或者与图像的存储顺序之间的对应关系，能够获取本次查询所需的目标图像。

上述实施例中，描述了利用ANN算法建立索引结构并查询的方法，当然，还可以采用其他方法建立索引结构及进行相似性的查询，本申请对此不做限定。

进一步的，本申请公开的图像检索方法还包括：

首先，利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；另外，所述相匹配的训练图像的类别对应的光照色度与所述待处理图像的光照色度的差值最小，或者，所述相匹配的训练图像的类别对应的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

然后，将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；或者，将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系保存在图像集合中。

利用待处理图像的光照色度，获取所述待处理图像的类别的方法，可参照步骤105公开的方案。在获取待处理图像的类别后，将所述待处理图像的光照色度、类别和存储位置或存储顺序之间的对应关系保存在图像集合中，便于后续进行图像检索。

进一步的，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者，各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，本申请公开的图像检索方法还包括：首先，接收用户输入的图像类别信息；然后，根据所述图像类别信息，从所述图像集合中查询所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

在所述图像集合中，存储有各个图像的光照色度与各个图像的存储位置，或存储顺序之间的对应关系之外，还可以存储各个图像的光照色度、类别与各个图像的存储位置之间的对应关系，或者，存储各个图像的光照色度、类别与各个图像的存储顺序之间的对应关系。这种情况下，在进行图像检索时，当接收到用户输入的图像类别信息后，能够获取与所述图像类别信息对应的存储位置或存储顺序上的图像。

例如，当用户需要获取混合光图像时，可输入“混合光图像”这一类别信息，然后根据图像集合中存储的图像类别与存储位置，或者存储顺序之间的对应关系，即可检索到图像集合中的混合光图像。

另外，在上述实施例中，分别公开了训练图像集合和图像集合，所述训练图像集合和图像集合可以是相互独立的两个不同的集合，另外，所述训练图像集合和图像集合还可以同属于一个图像信息集合中。

可选的，所述依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

本申请上述实施例公开的图像检索方法中，在图像集合中存储有各个图像的光照色度与各个图像的存储位置，或存储顺序之间的对应关系，在进行图像检索时，首先获取待处理图像的光照色度，然后利用所述待处理图像的光照色度，从图像集合中获取光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，从而通过检索，能够获取所述图像集合中，与所述待处理图像的光照色度相接近的图像。

进一步的，本申请公开的图像检索方法中，在图像集合中还存储有各个图像的类别与各个图像的存储位置，或存储顺序之间的对应关系，根据接收到的用户输入的图像类别信息，对所述图像集合进行查询，能够获取所述图像类别信息对应的图像，从而满足用户多方面的检索需求。

另外，本申请还公开了一种图像校正方法。

参见图8，为本申请提供的一种图像校正方法的一个实施例流程图：

步骤301、获取待处理图像中，各个像素点的亮度参数和颜色参数。

步骤302、基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围。

步骤303、依据所述颜色散步范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点。

步骤304、基于所述参考白点的光照色度，获取所述待处理图像的光照色度。

本实施例的步骤301至步骤304，公开了获取待处理图像的光照色度的方法，其执行过程和步骤101至步骤104的执行过程相同，可相互参照。

步骤305、根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

在对图像进行处理时，有些情况下需要对图像进行校正的操作。例如，在进行图像编辑时，可进行图像校正，提高图像质量。

在对待处理图像的光照色度进行校正时，可采用Von Kries模型将图像校正到标准白光下，这种方法下，需要获取待处理图像在RGB颜色空间下的光照色度f^u(R^u,G^u,B^u)，设定标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度，则采用以下公式计算较正后的图像的光照色度：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u.$

通过上述实施例公开的图像校正方法，则可实现图像校正，获取高质量的图像。

可选的，所述依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

以上通过不同的实施例，分别介绍了对待处理图像进行分类、检索和校正三种操作的方法，各方法中，首先获取待处理图像中各个像素点的亮度参数和颜色参数，基于所述像素点的亮度参数和颜色参数，确定待处理图像的参考白点，根据所述参考白点，获取所述待处理图像的光照色度；然后分别利用所述待处理图像的光照色度，实现对图像的分类、检索和校正。

另外，在某些应用场景中，需要对待处理图像进行任意两项以上的操作，例如，需要对所述待处理图像进行分类后，检索图像集合，获取图像集合与其光照色度接近的图像，或者，在对所述待处理图像进行分类后，还对其进行校正。

这种情况下，需预先设置一个图像信息集合，所述图像信息集合中设置有训练图像集合，和/或图像集合，和/或标准白光下的图像的光照色度(R^c,G^c,B^c)。其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。当获取到待处理图像的光照色度后，若需要对待处理图像进行分类，则调用所述图像信息集合中设置的训练图像集合；当需要对待处理图像进行检索时，则调用所述图像信息集合中的图像集合；当需要对待处理图像进行校正时，则调用所述图像信息集合中标准白光下的图像的光照色度(R^c,G^c,B^c)。

参见图9，为本申请公开的图像分类装置1的实施例：

该装置包括：参数获取模块110、颜色散布范围获取模块120、参考白点确定模块130、光照色度获取模块140和类别获取模块150。

其中，所述参数获取模块110，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

所述颜色散布范围获取模块120，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

所述参考白点确定模块130，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

所述光照色度获取模块140，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

所述类别获取模块150，用于利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

其中，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

可选的，所述参考白点确定模块130具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，参见图10，所述颜色散布范围获取模块120包括：

均值计算单元121，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元122，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，在所述偏离值计算单元122中，具体用于通过如下方法计算所述待处理图像对应的颜色参数的偏离值：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，参见图11，所述参考白点确定模块130包括：

对比单元131，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元132，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

可选的，参见图12，所述光照色度获取模块140包括：

参数获取单元141，用于当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度；

光照色度计算单元142，用于计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度；

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；

当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

现有技术中，利用视觉特征对图像进行分类时，容易受到干扰，导致图像分类准确度低。而本申请公开的图像分类装置，基于待处理图像中各个像素点的亮度参数和颜色参数确定参考白点，并通过所述参考白点获取待处理图像的光照色度，待处理图像的光照色度的计算方法鲁棒性较强，分类过程中有效利用了图像的光照信息，从而提高了图像分类的准确性。

参见图13，为本申请公开的图像检索装置2的实施例：

该装置包括：参数获取模块210、颜色散布范围获取模块220、参考白点确定模块230、光照色度获取模块240和目标图像获取模块250。

其中，所述参数获取模块210，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

所述颜色散布范围获取模块220，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

所述参考白点确定模块230，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

所述光照色度获取模块240，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

所述目标图像获取模块250，用于利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

可选的，所述匹配条件包括：所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值；

可选的，所述图像检索装置还包括：类别获取模块和图像集合管理模块。

所述类别获取模块，用于利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。另外，所述相匹配的训练图像的类别对应的光照色度与所述待处理图像的光照色度的差值最小，或者，所述相匹配的训练图像的类别对应的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

所述图像集合管理模块用于将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；或者，用于将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系保存在图像集合中。

可选的，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，所述图像检索装置还包括：

接收模块，用于接收用户输入的图像类别信息；

查询模块，用于根据所述图像类别信息，从所述图像集合中查询与所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

可选的，所述参考白点确定模块130具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述颜色散布范围获取模块120包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述偏离值计算单元具体用于基于所述颜色参数的均值以及所述各个像素点的颜色参数通过如下方法计算所述待处理图像对应的颜色参数的偏离值：：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述参考白点确定模块130包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

参见图14，为本申请公开的图像校正装置3的实施例：

该装置包括：参数获取模块310、颜色散布范围获取模块320、参考白点确定模块330、光照色度获取模块340和图像校正模块350。

其中，所述参数获取模块310，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

所述颜色散布范围获取模块320，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

所述参考白点确定模块330，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

所述光照色度获取模块340，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

所述图像校正模块350，用于根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

可选的，所述图像校正模块350具体用于通过如下方法对所述待处理图像进行颜色校正：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u;$

其中，f^u(R^u,G^u,B^u)为所述待处理图像在RGB颜色空间下的光照色度，标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度。

可选的，所述参考白点确定模块130具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述颜色散布范围获取模块120包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述偏离值计算单元具体用于基于所述颜色参数的均值以及所述各个像素点的颜色参数通过如下方法计算所述待处理图像对应的颜色参数的偏离值：：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述参考白点确定模块130包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

相应的，参见图15a，本申请还公开了一种终端设备，所述终端设备包括：处理器10、存储器11和屏幕组件12。

其中，所述存储器11用于存储对待处理图像进行图像分类的程序；

所述处理器10用于读取所述存储器中存储的程序，并根据所述程序执行图像分类的操作，所述图像分类的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

所述屏幕组件12用于显示待处理图像，以及所述待处理图像的类别信息。

其中，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

应当理解的是，本发明实施例的终端设备的其他功能参见前述方法实施例的介绍，这里不再赘述。

上述实施例公开的终端设备，能够基于存储器中存储的图像分类的程序，由处理器对待处理图像进行分类，并通过屏幕组件显示待处理图像，以及待处理图像的类别信息，便于用户查看分类结果。

参见图15b，本申请还公开了一种终端设备，所述终端设备包括：处理器20、存储器21和屏幕组件22。

其中，所述存储器21用于存储对待处理图像进行图像检索的程序；

所述处理器20用于读取所述存储器中存储的程序，并根据所述程序执行图像检索的操作，所述图像检索的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系；

所述屏幕组件22用于显示所述待处理图像和目标图像。

其中，所述匹配条件包括：所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

应当理解的是，本发明实施例的终端设备的其他功能参见前述方法实施例的介绍，这里不再赘述。

上述实施例公开的终端设备，能够基于存储器中存储的图像分类的程序，由处理器对待处理图像进行检索，并通过屏幕组件显示待处理图像，以及满足匹配条件的目标图像，实现图像检索功能。

参见图15c，本申请还公开了一种终端设备，所述终端设备包括：处理器30、存储器31和屏幕组件32。

其中，所述存储器31用于存储对待处理图像进行图像校正的程序；

所述处理器30用于读取所述存储器中存储的程序，并根据所述程序执行图像校正的操作，所述图像校正的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色；

所述屏幕组件32用于显示经过图像校正后的待处理图像。

应当理解的是，本发明实施例的终端设备的其他功能参见前述方法实施例的介绍，这里不再赘述。

上述实施例公开的终端设备，能够基于存储器中存储的图像校正的程序，由处理器对待处理图像进行校正，并通过屏幕组件显示校正后的待处理图像，提高待处理图像的成像质量。

以上三个不同实施例，分别公开了一种终端设备，能够进行图像分类、检索和校正，所述终端设备可以为手机、计算机和平板电脑等，本申请对此不作限定。应当理解的是，本发明实施例也提供一种终端设备，具有前述三个实施例的三种功能，即图像分类、检索和校正，这种具有三种功能的终端设备的功能描述参见前述三个实施例的介绍，这里不再赘述。

本申请公开的图像分类、检索和校正方法，能够应用于多个应用场景。

参见图16所示的应用场景示例图，在应用场景一中，由客户端执行本申请公开的图像分类、检索和校正方法，所述客户端包括：手机、计算机和平板电脑等。在执行操作时，用户会把拍摄的照片，或者已经保存的图像导入至所述客户端的管理软件中，所述管理软件包括智能相册等，并由所述管理软件进行图像处理。

其中，所述客户端中包括如上述实施例中所述的图像分类装置1、图像检索装置2和图像校正装置3，且导入图像为待处理图像。另外，所述客户端还包括图像查询模块4，所述图像查询模块4与所述图像检索装置2相连接。

所述图像分类装置1按照上述实施例中步骤101至步骤105提供的方法，计算导入图像的光照色度，基于所述光照色度，对所述导入图像进行分类，获取所述导入图像的图像类别，进一步的，在所述图像分类装置1确定所述导入图像的类别后，可将图像类别的信息输入至图像检索装置2中。

所述图像校正装置3按照上述实施例中，步骤301至步骤305提供的方法对导入图像进行校正。

所述图像检索装置2按照上述实施例中，步骤201至步骤205提供的方法对导入图像进行检索，获取与所述导入图像的光照色度相接近的图像，另外，当需要查询某一类别下的图像时，用户可将当前所需的图像类别的相关信息输入至图像查询模块4，由图像查询模块4将输入的图像类别的相关信息传输至图像检索装置2，以便所述图像检索装置2返回与输入的图像类别对应的图像。

参见图17所示的应用场景示例图，在应用场景二中，由客户端连接的服务器端执行本申请公开的图像分类、检索和校正方法，其中，客户端通常包括手机终端、平板电脑和计算机等，所述客户端连接的服务器端为服务器或云服务器等。在执行操作时，用户会把拍摄的照片，或者已经保存的图像导入至所述客户端，所述客户端将其传输至服务器端，由所述服务器端中设置的管理软件对图像进行处理，其中，所述智能软件包括智能相册等。

其中，所述服务器端中包括如上述实施例中所述的图像分类装置1、图像检索装置2和图像校正装置3，且通过客户端导入的图像为待处理图像。另外，所述服务器端还包括图像查询模块4，所述图像查询模块4与所述图像检索装置2相连接。

所述图像分类装置1按照上述实施例中步骤101至步骤105提供的方法，计算导入图像的光照色度，基于所述光照色度，对所述导入图像进行分类，获取所述导入图像的图像类别，进一步的，在所述图像分类装置1确定所述导入图像的类别后，可将图像类别的信息输入至图像检索装置2中。

所述图像校正装置3按照上述实施例中，步骤301至步骤305提供的方法对导入图像进行校正。

所述图像检索装置2按照上述实施例中，步骤201至步骤205提供的方法对导入图像进行检索，获取与所述导入图像的光照色度相接近的图像，另外，当需要查询某一类别下的图像时，用户可将当前所需的图像类别的相关信息输入至图像查询模块4，由图像查询模块4将输入的图像类别的相关信息传输至图像检索装置2，以便所述图像检索装置2返回与输入的图像类别对应的图像，并将由客户端获取并显示所述对应的图像。

相应的，本申请还公开了一种智能相册的管理系统，所述管理系统包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

可选的，所述匹配条件包括：所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

可选的，所述智能相册服务器端依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点的方案包括以下步骤：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述智能相册服务器端基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围的方案包括以下步骤：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述智能相册服务器端中，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述智能相册服务器端中，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

可选的，所述智能相册服务器端中，所述基于所述参考白点的光照色度，获取所述待处理图像的光照色度包括：

当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度；

计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度；

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；

当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

通过上述公开的智能相册的管理系统，能够基于待处理图像的光照色度，实现对待出来图像的分类。

相应的，本申请还公开了一种智能相册的管理系统，所述管理系统包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

其中，所述匹配条件为：所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

可选的，所述智能相册服务器端执行的方法还包括：利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；另外，所述相匹配的训练图像的类别对应的光照色度与所述待处理图像的光照色度的差值最小，或者，所述相匹配的训练图像的类别对应的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；

或者，将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系保存在图像集合中。

另外，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者，各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，所述智能相册服务器端执行的方法还包括：

接收用户输入的图像类别信息；

根据所述图像类别信息，从所述图像集合中查询所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

可选的，所述智能相册服务器端依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点的方案包括以下步骤：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述智能相册服务器端基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围的方案包括以下步骤：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述智能相册服务器端中，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述智能相册服务器端中，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

通过上述公开的智能相册的管理系统，能够利用待处理图像的光照色度，检索获取与所述待处理图像的光照色度相接近的图像。

相应的，本申请还公开了一种智能相册的管理系统，所述管理系统包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

其中，所述对所述待处理图像进行颜色校正是通过如下方法实现的：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u;$

其中，f^u(R^u,G^u,B^u)为所述待处理图像在RGB颜色空间下的光照色度，标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度。

可选的，所述智能相册服务器端依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点的方案包括以下步骤：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

可选的，所述智能相册服务器端基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围的方案包括以下步骤：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

可选的，所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

可选的，所述智能相册服务器端中，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

可选的，所述智能相册服务器端中，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

通过上述公开的智能相册的管理系统，能够对待处理图像进行校正，提高待处理图像的成像质量。

需要说明的是，前述实施例描述中所采用的第一的说法，没有限定顺序的意思，仅为方便区分而已。

本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备，具体可以是计算机设备中的处理器）执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (56)

1.一种图像分类方法，其特征在于，所述方法包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

2.根据权利要求1所述的方法，其特征在于，所述匹配条件包括：

所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

3.根据权利要求1所述的方法，其特征在于，依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

4.根据权利要求1或3所述的方法，其特征在于，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

5.根据权利要求4所述的方法，其特征在于，

所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

6.根据权利要求5所述的方法，其特征在于，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

7.根据权利要求5或6所述的方法，其特征在于，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述基于所述参考白点的光照色度，获取所述待处理图像的光照色度，包括：

当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度；

计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度；

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；

当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

9.一种图像检索方法，其特征在于，所述方法包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

10.根据权利要求9所述的方法，其特征在于，所述匹配条件包括：

所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

11.根据权利要求9或10所述的方法，其特征在于，所述方法还包括：

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；

或者，将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系保存在图像集合中。

12.根据权利要求9或10所述的方法，其特征在于，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者，各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，所述方法还包括：

接收用户输入的图像类别信息；

根据所述图像类别信息，从所述图像集合中查询所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

13.根据权利要求9所述的方法，其特征在于，依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

14.根据权利要求9或13所述的方法，其特征在于，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

15.根据权利要求14所述的方法，其特征在于，

所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

16.根据权利要求15所述的方法，其特征在于，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

17.根据权利要求15或16所述的方法，其特征在于，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

18.一种图像校正方法，其特征在于，所述方法包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

19.根据权利要求18所述的方法，其特征在于，所述对所述待处理图像进行颜色校正是通过如下方法实现的：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u$

其中，f^u(R^u,G^u,B^u)为所述待处理图像在RGB颜色空间下的光照色度，标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度。

20.根据权利要求18所述的方法，其特征在于，所述依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点，包括：

根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

21.根据权利要求18或20所述的方法，其特征在于，所述基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围，包括：

基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

22.根据权利要求21所述的方法，其特征在于，

所述颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

23.根据权利要求22所述的方法，其特征在于，所述待处理图像对应的颜色参数的偏离值是通过如下方法计算得到：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

24.根据权利要求22或23所述的方法，其特征在于，所述根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点，包括：

将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

25.一种图像分类装置，其特征在于，所述装置包括：

参数获取模块，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

颜色散布范围获取模块，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

参考白点确定模块，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

光照色度获取模块，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

类别获取模块，用于利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

26.根据权利要求25所述的装置，其特征在于，所述匹配条件包括：

所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

27.根据权利要求25所述的装置，其特征在于，所述参考白点确定模块具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

28.根据权利要求25或27所述的装置，其特征在于，所述颜色散布范围获取模块包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

29.根据权利要求28所述的装置，其特征在于，

所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

30.根据权利要求29所述的装置，其特征在于，所述偏离值计算单元具体用于通过如下方法计算所述待处理图像对应的颜色参数的偏离值：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

31.根据权利要求29或30所述的装置，其特征在于，所述参考白点确定模块包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

32.根据权利要求25至31任一项所述的装置，其特征在于，所述光照色度获取模块包括：

参数获取单元，用于当所述参考白点的个数为多个时，获取各个所述参考白点在颜色空间下的参数，所述参数对应三个维度；

光照色度计算单元，用于计算同一维度下的各个参数的均值，得到所述三个维度的均值，其中所述三个维度的均值为所述待处理图像的光照色度；

其中，当所述颜色空间为RGB颜色空间时，所述参数为：红色通道分量、绿色通道分量和蓝色通道分量；

当所述颜色空间为YCbCr颜色空间时，所述参数为：亮度分量、蓝色色度分量和红色色度分量。

33.一种图像检索装置，其特征在于，所述装置包括：

参数获取模块，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

颜色散布范围获取模块，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

参考白点确定模块，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

光照色度获取模块，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

目标图像获取模块，用于利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

34.根据权利要求33所述的装置，其特征在于，所述匹配条件包括：

所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

35.根据权利要求33或34所述的装置，其特征在于，所述装置还包括：

类别获取模块，用于利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度相匹配的训练图像的类别，其中，所述相匹配的训练图像的类别为所述待处理图像的类别；其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

图像集合管理模块，用于将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储位置之间的对应关系保存在图像集合中；或者，用于将所述待处理图像的光照色度、所述待处理图像的类别和所述待处理图像的存储顺序之间的对应关系进保存在图像集合中。

36.根据权利要求33或34所述的装置，其特征在于，所述图像集合中具体存储有各个图像的光照色度、各个图像的类别与各个图像的存储位置之间的对应关系，或者各个图像的光照色度、各个图像的类别与各个图像的存储顺序之间的对应关系，所述装置还包括：

接收模块，用于接收用户输入的图像类别信息；

查询模块，用于根据所述图像类别信息，从所述图像集合中查询与所述图像类别信息对应的图像，得到存储在与所述图像类别信息对应的存储位置或存储顺序上的图像。

37.根据权利要求33所述的装置，其特征在于，所述参考白点确定模块具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

38.根据权利要求33或37所述的装置，其特征在于，所述颜色散布范围获取模块包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

39.根据权利要求38所述的装置，其特征在于，

所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

40.根据权利要求39所述的装置，其特征在于，所述偏离值计算单元具体用于基于所述颜色参数的均值以及所述各个像素点的颜色参数通过如下方法计算所述待处理图像对应的颜色参数的偏离值：：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

41.根据权利要求39或40所述的装置，其特征在于，所述参考白点确定模块包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

42.一种图像校正装置，其特征在于，所述装置包括：

参数获取模块，用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

颜色散布范围获取模块，用于基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

参考白点确定模块，用于依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

光照色度获取模块，用于基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

图像校正模块，用于根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。

43.根据权利要求42所述的装置，其特征在于，所述图像校正模块具体用于通过如下方法对所述待处理图像进行颜色校正：

$f^m=\left[\begin{array}{ccc}{R}^c/R^u& 0& 0\\ 0& G^c/G^u& 0\\ 0& 0& B^c/B^u\end{array}\right]f^u$

其中，f^u(R^u,G^u,B^u)为所述待处理图像在RGB颜色空间下的光照色度，标准白光下的图像的光照色度为(R^c,G^c,B^c)，f^m为校正后的图像的光照色度。

44.根据权利要求42所述的装置，其特征在于，所述参考白点确定模块具体用于根据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，与颜色散布范围阈值和亮度阈值的比较结果，确定所述待处理图像的参考白点。

45.根据权利要求42或44所述的装置，其特征在于，所述颜色散布范围获取模块包括：

均值计算单元，用于基于所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的均值；

偏离值计算单元，用于基于所述颜色参数的均值以及所述各个像素点的颜色参数，计算所述待处理图像对应的颜色参数的偏离值，所述颜色参数的偏离值用于表征所述待处理图像对应的颜色散布范围。

46.根据权利要求45所述的装置，其特征在于，

所述参数获取模块获取的颜色参数包括：蓝色色度分量cb和红色色度分量cr；

所述均值计算单元计算的颜色参数的均值包括：蓝色色度分量的均值Mb和红色色度分量的均值Mr；

所述偏离值计算单元计算的颜色参数的偏离值包括：偏离蓝色色度分量的偏离值Db，和偏离红色色度分量的偏离值Dr。

47.根据权利要求46所述的装置，其特征在于，所述偏离值计算单元具体用于基于所述颜色参数的均值以及所述各个像素点的颜色参数通过如下方法计算所述待处理图像对应的颜色参数的偏离值：

$\mathrm{Db}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cb}}_i-\mathrm{Mb}|}{N};$

$\mathrm{Dr}=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{|{\mathrm{cr}}_i-\mathrm{Mr}|}{N};$

其中，1≤i≤N，N表示所述待处理图像总的像素点个数，cb_i为所述待处理图像中的第i个像素点的蓝色色度分量，cr_i为所述待处理图像中的第i个像素点的红色色度分量，Db为所述待处理图像对应的偏离蓝色色度分量的偏离值，Dr为所述待处理图像对应的偏离红色色度分量的偏离值，Mb为所述待处理图像对应的蓝色色度分量的均值，Mr为所述待处理图像对应的红色色度分量的均值。

48.根据权利要求46或47所述的装置，其特征在于，所述参考白点确定模块包括：

对比单元，用于将所述待处理图像对应的颜色散布范围、所述各个像素点的亮度参数和颜色参数，以及所述各个像素点蓝色色度分量的均值和红色色度分量的均值与预设条件相对比；

确定单元，用于确定满足所述预设条件的像素点为参考白点；

所述预设条件包括：

-s×Db<cb_p-Mb<s×Db；

-s×Dr<cr_p-Mr<s×Dr；

y_p≤t；

其中，cb_p为所述确定为参考白点的像素点的蓝色色度分量，cr_p为所述确定为参考白点的像素点的红色色度分量，y_p为所述确定为参考白点的像素点的亮度分量，s为预设的颜色散布范围阈值，t为预设的亮度阈值。

49.一种终端设备，其特征在于，包括处理器、存储器和屏幕组件，

其中，所述存储器用于存储对待处理图像进行图像分类的程序；

所述处理器用于读取所述存储器中存储的程序，并根据所述程序执行图像分类的操作，所述图像分类的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系；

所述屏幕组件用于显示待处理图像，以及所述待处理图像的类别信息。

50.根据权利要求49所述的终端设备，其特征在于，所述匹配条件包括：

所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述满足匹配条件的训练图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

51.一种终端设备，其特征在于，包括处理器、存储器和屏幕组件，

其中，所述存储器用于存储对待处理图像进行图像检索的程序；

所述处理器用于读取所述存储器中存储的程序，并根据所述程序执行图像检索的操作，所述图像检索的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系；

所述屏幕组件用于显示所述待处理图像和目标图像。

52.根据权利要求51所述的终端设备，其特征在于，所述匹配条件包括：

所述目标图像的光照色度与所述待处理图像的光照色度的差值最小，或者，所述目标图像的光照色度与所述待处理图像的光照色度的差值小于预设的差值阈值。

53.一种终端设备，其特征在于，包括处理器、存储器和屏幕组件，

其中，所述存储器用于存储对待处理图像进行图像校正的程序；

所述处理器用于读取所述存储器中存储的程序，并根据所述程序执行图像校正的操作，所述图像校正的操作包括：

获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色；

所述屏幕组件用于显示经过图像校正后的待处理图像。

54.一种智能相册的管理系统，其特征在于，包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从训练图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的训练图像的类别，其中，所述满足匹配条件的训练图像的类别为所述待处理图像的类别；

其中，所述训练图像集合中存储有各个训练图像的光照色度与各个训练图像的类别之间的对应关系。

55.一种智能相册的管理系统，其特征在于，包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

利用所述待处理图像的光照色度，从图像集合中获取其光照色度与所述待处理图像的光照色度满足匹配条件的目标图像，其中，所述目标图像存储在其光照色度所对应的存储位置或存储顺序上；

其中，所述图像集合中存储有各个图像的光照色度与各个图像的存储位置之间的对应关系，或者各个图像的光照色度与各个图像的存储顺序之间的对应关系。

56.一种智能相册的管理系统，其特征在于，包括：智能相册客户端和智能相册服务器端，

其中，所述智能相册客户端用于向所述智能相册服务器端传输待处理的图像；

所述智能相册服务器端用于获取待处理图像中，各个像素点的亮度参数和颜色参数；

基于所述各个像素点的颜色参数，获取所述待处理图像对应的颜色散布范围；

依据所述颜色散布范围以及所述各个像素点的亮度参数和颜色参数，确定所述待处理图像的参考白点；

基于所述参考白点的光照色度，获取所述待处理图像的光照色度；

根据标准白光下的图像的光照色度和所述待处理图像的光照色度，对所述待处理图像进行颜色校正，以使校正后的待处理图像的颜色趋近于标准白光下的图像的颜色。