CN105488526B - 群共享照片的自动筛选方法 - Google Patents

Abstract

提出了一种群共享照片的自动筛选方法，属于图像处理技术领域。包括步骤S1，创建摄影者因子表、比例因子表和位置因子表，所述摄影者因子表包括摄影者标识、摄影者相机指纹以及摄影因子三个表项，所述比例因子表包括摄像主体所占比例以及比例因子两个表项，所述位置因子表包括摄像主体所在位置以及位置因子两个表项；步骤S2，从处于群中各个用户接收共享的多幅图像，形成初始图像集合；步骤S3，对初始图像集合进行筛选；步骤S4，输出筛选出的图像，所述筛选出的图像为质量值高的图像。本方案能够免除用户过多繁复的操作，节省用户的时间和精力，自动从群共享的照片中挑选出优质照片并显示给群用户，节省了用户时间、网络资源以及存储资源。

Description

群共享照片的自动筛选方法

技术领域

本发明涉及图像处理技术领域，并具体涉及群共享照片的自动筛选方法。

背景技术

随着多媒体技术的飞速发展，特别是摄影器材的小型化和便携化，用户拍摄出照片的照片量越来越多。特别是在一个用户群体在外出旅游的过程中，每人都会拍摄出大量的照片，这样当旅游回来的时候都会经历将照片整理、分享的过程。但是，这一过程对于每位摄影者来说都是非常累人的，一方面是旅游回来后体力精力都会被大量消耗，另一方面是照片整理本身就是一个非常耗时、耗精力的事情。此外，对于最终的群共享照片来说，即使每位摄影者都精挑细选自己的照片并共享，但当摄影者很多，在群中共享的照片也是有很多重复的照片。例如摄影主体均为一座美丽的建筑物的照片可能有很多张，群用户在观看起来也会花费很多时间来观看重复的照片。实际无论从哪个角度来说，目前都没有自动对照片进行筛选的技术，这种一股脑将每位摄影者照片上传到一处并展示所有照片的方式的用户体验非常差，不仅浪费了存储、网络资源，而且还浪费了群用户的时间。

发明内容

为了解决上述技术问题，本发明提出了一种群共享照片的自动筛选方法，对于群用户来说，只需将自己拍摄的所有照片上传，不需要其他的操作就可以自动将优质照片筛选出来，并展示给群用户。

首先本发明提出了一种群共享照片的自动筛选方法，包括步骤S1，创建摄影者因子表、比例因子表和位置因子表，所述摄影者因子表包括摄影者标识、摄影者相机指纹以及摄影因子三个表项，所述比例因子表包括摄像主体所占比例以及比例因子两个表项，所述位置因子表包括摄像主体所在位置以及位置因子两个表项；步骤S2，从处于群中各个用户接收共享的多幅图像，形成初始图像集合；步骤S3，对初始图像集合进行筛选，包括：步骤S32，循环搜索图像，将图像进行聚类，形成多个图像分类；步骤S33，在每一个图像分类中，找出该图像分类中所有图像的重合部分作为摄像主体，获取该图像分类的每幅图像中所述摄像主体所占的比例和所处的位置，查找所述比例因子表和位置因子表，获得该图像相应的比例因子和位置因子；步骤S34，识别每一个图像分类中的图像的相机指纹，根据所述相机指纹查找所述摄影者因子表，获得该图像相应的摄影因子；步骤S35，根据在每一个图像分类中的图像的比例因子、位置因子和摄影因子，计算出该图像在该图像分类中的质量值；步骤S4，输 出筛选出的图像，所述筛选出的图像为质量值高的图像。

根据本发明的一个方面，在所述步骤S1中，所述摄影者因子表的创建包括：接收来自摄影者上传的他自己拍摄的多幅图像；获取摄影者的标识，诸如用户名、ip地址等，作为摄影者标识；从多幅图像中提取出相机指纹，所述相机指纹是所述摄影者所使用的摄像器材的标识。

根据本发明的一个方面，所述摄影因子对于所有摄影者的初始默认值是相同的值。

根据本发明的一个方面，在步骤S32之前还具有步骤S31，步骤S31包括从初始图像集合中筛选出清晰图像，形成第一图像集合，并且步骤S32在第一图像集合中循环搜索图像以形成多个图像分类。

根据本发明的一个方面，所述步骤S32包括形成图像聚类的过程以及根据图像聚类形成图像分类的过程，其中形成图像聚类的过程包括：步骤S321，选择第一幅图像作为要被搜索的搜索图像；步骤S322，将要被搜索的搜索图像加入被搜索图像集合；步骤S323，在第一图像集合中去掉被搜索图像集合以形成剩余图像集合，采用图像检索技术在所述剩余图像集合中检索所述要被搜索的搜索图像，将检索出来的图像和要被搜索的搜索图像组合为一个图像聚类；步骤S322，将下一幅图像作为要被搜索的搜索图像并返回步骤S322继续执行，直到最后一幅图像；形成图像分类的过程包括：步骤S333，从最后一个图像聚类开始，将最后一个图像聚类作为要被搜索的搜索聚类；步骤S334，将要被搜索的搜索聚类加入搜索聚类集合；步骤S335，在所有的图像聚类中去掉搜索聚类集合以形成剩余图像聚类，在剩余图像聚类中搜索以判断是否存在一个图像聚类包含要被搜索的搜索聚类，如果存在，则不将要被搜索的搜索聚类作为一个图像分类，如果不存在，则将要被搜索的搜索聚类作为一个图像分类。步骤S336，将上一个图像聚类作为要被搜索的搜索聚类并返回步骤S334继续执行，直到第一个图像聚类。

根据本发明的一个方面，步骤S35后还包括：步骤S36，对于每一个图像分类，将其中所包含的图像按照其质量值进行排序，将排名为前n位的图像加入第一筛选图像集，其中n为预设值，并将第一筛选图像集中的图像进行去重操作，生成第二筛选图像集作为筛选出的图像。

根据本发明的一个方面，所述步骤S36后包括步骤S37，根据图像的质量值的排名更新所述摄影因子，具体包括：查找到图像的相机指纹，当该图像的排名靠前时提高与该相机指纹对应的所述摄影因子，当该图像的排名靠后时降低与该相机指纹对应的所述摄影因子。

根据本发明的一个方面，步骤S4具体包括将筛选出的照片显示在群用户的共享空间内。

由此可见，本发明提出的技术方案能够免除用户过多繁复的操作，节省用户的时间和精 力，自动从群共享的照片中挑选出优质照片并显示给群用户，节省了用户时间、网络资源以及存储资源。

附图说明

图1是本发明提出的本发明提出的群共享照片的自动筛选方法的示意流程图；

图2是用于说明本发明所提出方法的一个照片集合的示例图。

具体实施方式

仅为说明的目的提出下述实施例，这些实施例并不限定本发明的保护范围。

步骤S1，创建摄影者因子表、比例因子表和位置因子表，所述摄影者因子表包括摄影者标识、摄影者相机指纹以及摄影因子三个表项，所述比例因子表包括摄像主体所占比例以及比例因子两个表项，所述位置因子表包括摄像主体所在位置以及位置因子两个表项；

所述摄影者因子表的创建包括：

接收来自摄影者上传的他自己拍摄的多幅图像；

获取摄影者的标识，诸如用户名、ip地址等，作为摄影者标识；

从多幅图像中提取出相机指纹，所述相机指纹是所述摄影者所使用的摄像器材的标识；

由于在之后的群共享时，上传者可能会上传多个用户的照片，所以单凭上传者的标识无法准确判断图像是否由该上传者拍摄，因此，这里引入了相机指纹技术，对拍摄者的摄像器材进行唯一标识，并且由于相机指纹可唯一标识一个摄像器材，比如虽然为同一型号的手机摄像头或者同一型号的照相机，但由于感光芯片不同，因此可以对摄像器材进行区分。相机指纹技术是用于识别捕获图像的摄像器材的技术，它的基本原理是对图像进行高通滤波，得到图像的噪声残差，该噪声残差即为摄像器材在该图像中留下的指纹，为了获得摄像器材的指纹，一般会采用多幅图像，将每幅图像经过高通滤波的噪声残差进行加和并取平均，便得到了PRNU(图像响应非均匀，Photo Response Non-Uniformity)噪声，作为该摄像器材的标识。通过这一标识，便可区分到底是哪位摄影者拍摄的照片。

将摄影因子设置为初始默认值，所述初始默认值对于所有摄影者都是相同的值。

摄影因子是表示相应的摄影者摄影技术的标识值，刚开始时对于所有摄影者可以设置为相同值，但随着筛选的进行，可根据筛选结果对摄影因子进行调整，例如当某个摄影者的照片在下文所述的步骤S37中排名靠后时，减少摄影因子值，当排名靠前时，增加摄影因子值。这样，可根据摄影者的摄影水平对具有相同摄影主体的多幅照片进行进一步筛选。也就是说，摄影因子是判断是否为优质照片的一个考量因素。

所述比例因子表的创建包括：

选择摄像主体所占比例和相应的比例因子。所述比例因子表例如为如下形式：

所占比例	比例因子
		＞4/5	1.4
4/5≤&≥2/3	1.2
		2/3＜&＞1/2	1.5
……

对于摄影主体来说，它在一幅图像中所占据的比例是评价这幅图像是否为优质照片的一个考量条件。一般来说，摄影主体不能过大，也不能过小，而应当处于一个合适的区间内，例如对于人物照片，如果该人物占据图片的面积过大，那么给观赏者的压迫感很强而影响观感，而太小会导致摄影主体不突出，当然，对于其他照片也是如此。

所述位置因子表的创建包括：

选择摄像主体所处的位置和相应的位置因子。所述位置因子表例如为如下形式：

所处位置	位置因子
		位于分割线上	1.3
位于分割线交点上	1.5
		其他	1.1

一般来说，当摄影主体位于井字形的分割线或者分割点上时，该照片会给人最舒服的观感，因此，摄影主体的所处位置是判断这幅图像是否为优质照片的另一个考量条件。

步骤S2，从处于群中各个用户接收共享的多幅图像，形成初始图像集合；

本文重点在于提出一种在用户群内共享照片时的筛选方法，因此，筛选之初会从多个用户处接收他们拍摄的多幅图像，这时，这多幅图像中可能具有多个相同的摄影主体，对于每一个摄影主体来说都会形成很多重复图像。下面就重点描述如何对多幅图像进行分类、筛选，从而从重复图像中自动挑选出优质照片的过程，即步骤S3所述的过程。

步骤S3，对初始图像集合进行筛选；

步骤S3包括：

步骤S31，从初始图像集合中筛选出清晰图像，形成第一图像集合；清晰图像的筛选可以采用无参考图像质量评价技术来实现，所述无参考图像质量评价技术是客观图像评价方法的一种，而且近年来得到了广泛的使用，本方案采用这一评价技术，可以从初始图像集合中筛除掉质量非常低的图像，从而形成第一图像集合。对于图2的示例，会将标号为8的图像从中排除，因为标号为8的图像是不清楚的。

步骤S32，循环搜索图像，将图像进行聚类，形成多个图像分类；

步骤S32的目的是将第一图像集合分成多个子集合(即图像分类)，其中每一个子集合中 的图像都有相同的摄影主体。步骤32包括以下步骤：

步骤S321，选择第一幅图像作为要被搜索的搜索图像；

步骤S322，将要被搜索的搜索图像加入被搜索图像集合；

步骤S323，在第一图像集合中去掉被搜索图像集合以形成剩余图像集合，采用图像检索技术在所述剩余图像集合中检索所述要被搜索的搜索图像，将检索出来的图像和要被搜索的搜索图像组合为一个图像聚类；图像检索技术例如可以通过提取图像的特征点以在图像库中进行检索的技术，当两幅图像匹配的特征点匹配较多时两幅图像归为一个图像聚类，图像检索技术属于公知技术，这里不再赘述具体的实现细节。

步骤S322，将下一幅图像作为要被搜索的搜索图像并返回步骤S322继续执行，直到最后一幅图像。

经过上述步骤，可获得数量与第一图像集合中的图像的数量相同的图像聚类，也就是说，每一个图像聚类中的多幅图像都有着相同的图像内容。下面，对图像聚类进行组合，以形成所述多个图像分类。

步骤S333，从最后一个图像聚类开始，将最后一个图像聚类作为要被搜索的搜索聚类；

步骤S334，将要被搜索的搜索聚类加入搜索聚类集合；

步骤S335，在所有的图像聚类中去掉搜索聚类集合以形成剩余图像聚类，在剩余图像聚类中搜索以判断是否存在一个图像聚类包含要被搜索的搜索聚类，如果存在，则不将要被搜索的搜索聚类作为一个图像分类，如果不存在，则将要被搜索的搜索聚类作为一个图像分类。

步骤S336，将上一个图像聚类作为要被搜索的搜索聚类并返回步骤S334继续执行，直到第一个图像聚类。

上述步骤的目的在于将图像聚类进行去重操作，即如果一个图像聚类属于另一个图像聚类的子集，那么将两者合并，也就相当于把作为子集的图像聚类去除，从而形成最终的图像分类，并从每个图像分类中找出真正的摄影主体，比如第一图像集合中如果有100幅图像，图像聚类可形成100个，但图像分类应当为摄影主体的个数或者说接近摄影主体的个数，例如100幅图像中按照摄影者的意愿应当有4个摄影主体，那么形成的图像分类最好的情况下为4个，或者为接近4个。例如对于图2，对于原有的7个图像聚类，经过去重操作，最后会剩下{1，2，3，4，5}和{5，6，7，8}两个图像分类。

步骤S33，在每一个图像分类中，找出该图像分类中所有图像的重合部分作为摄像主体，获取该图像分类的每幅图像中所述摄像主体所占的比例和所处的位置，查找所述比例因子表和位置因子表，获得该图像相应的比例因子和位置因子；

步骤S33描述了自动判断摄影主体的过程，在该过程中，可以利用图像registration技 术，即图像配准技术。该技术的目的是判断两幅或多幅图像中的相同内容，及时该相同内容在两幅或多幅图像中具有不同的尺寸、拍摄角度等。正如背景技术中所述，对于某个景物的拍摄可能会形成多幅图像，该景物在该多幅图像中都是摄影主体，但可能具有不同的位置、尺寸大小等，所以在已经以图像的相似度进行分类的图像分类中，应当提取出摄影主体以判断该摄影主体是否具有期望的位置和尺寸大小。图像配准技术能够获得两幅图像或多幅图像中的相同部分以用于图像拼接、几何校正等。本方案可以利用该技术来实现对摄影主体的提取，即利用图像配准技术将每一图像分类中多幅图像的相同部分进行提取以作为摄像主体，并判断该摄像主体在每幅图像中占据的比例和所处的位置，从而判断该幅图像是否为优质图像，图像配准技术由于是公知技术，这里不再赘述。对于图2来说，第一图像分类中的摄影主体为对象A，第二图像分类中的摄影主体为对象B。

步骤S34，识别每一个图像分类中的图像的相机指纹，根据所述相机指纹查找所述摄影者因子表，获得与该相机指纹对应的摄影因子；

如步骤S1所述，已经建立了与摄影者的摄影器材的相机指纹相关的摄像者因子表，那么即使摄像者用自己的账号或用户名上传了其他人的照片，也可以通过相机指纹技术轻易地判断出某幅图像出于哪个摄像者之手，因此，在步骤S34中，通过对每一个图像分类中的图像提取相机指纹，并与摄影者因子表中的相机指纹进行匹配，可获得相应的摄影因子。

步骤S35，根据在每一个图像分类中的图像的比例因子、位置因子和摄影因子，计算出该图像在该图像分类中的质量值；

自此，与每一个图像分类中的每幅图像相对应的摄影主体的比例、位置以及表示摄影者的摄像水平的摄影因子都被确定，就可以综合这些因子，得到每幅图像在该图像分类中的质量值。例如，将比例和位置因子相加，并乘以摄影因子，这是得到质量值的一种示例方式。为什么这里会说“每幅图像在该图像分类中的质量值”呢，这是因为在一幅图像可能出现在不同的图像分类中，例如一幅图像中包含两个摄影主体，那么它可能会出现在两个图像分类中，如果该幅图像重点在于捕获第一摄影主体而并不在乎第二摄影主体，则会出现它在一个图像分类中质量值较高(由于第一摄影主体位置、比例更好)，而在另一个图像中质量值较低的情况(第二摄影主体位置、比例较差)。当然，也可能在两个分类中质量值都很高或都很低的情况。

步骤S36，对于每一个图像分类，将其中所包含的图像按照其推荐值进行排序，将排名为前n位的图像加入第一筛选图像集，其中n为预设值。

其中步骤S36后包括步骤S37，根据图像的排名更新所述摄影因子，包括查找到图像的相机指纹，当该图像的排名靠前时提高与该相机指纹对应的所述摄影因子，当该图像的排名 靠后时降低与该相机指纹对应的所述摄影因子。

步骤S36中还包括对第一筛选图像集中的图像进行去重操作，生成第二筛选图像集作为筛选出的图像。这是因为如步骤S35所述，一幅图像可能在多个分类中都具有较高的质量值，这时可能在第一筛选图像集中包含相同的图像，因此加入去重步骤以保留一幅图像，从而不会为用户显示出两幅或多幅一样的图像。例如，图2中从第一图像分类中筛选出4，5，从第二图像分类中筛选出5，7，即第一筛选集为{4，5，5，7}，而经过去重后，最终仅输出4，5，7三幅图像，并不将5输出两次。

步骤S4，输出筛选出的图像。

对于群用户来说，将筛选出的照片显示在群用户的共享空间内，这样每一个群用户都可以看到最终筛选出的优质照片。

本发明所提出的上述实施例仅为对本发明的说明，并不作为对本发明保护范围的限制。本领域技术人员可基于上述说明对本发明作出修改，这些修改同样属于本发明公开的内容而落入本发明的保护范围内。

Claims (8)

1.一种群共享照片的自动筛选方法，其特征在于，所述方法包括：

步骤S1，创建摄影者因子表、比例因子表和位置因子表，所述摄影者因子表包括摄影者标识、摄影者相机指纹以及摄影因子三个表项，所述比例因子表包括摄像主体所占比例以及比例因子两个表项，所述位置因子表包括摄像主体所在位置以及位置因子两个表项；其中，所述摄影者相机指纹是所述摄影者所使用的摄像器材的标识，所述摄影因子是表示所述摄影者摄影技术的标识值；

步骤S2，从处于群中各个用户接收共享的多幅图像，形成初始图像集合；

步骤S3，对初始图像集合进行筛选，包括：

步骤S32，循环搜索图像，将图像进行聚类，形成多个图像分类；

步骤S33，在每一个图像分类中，找出该图像分类中所有图像的重合部分作为摄像主体，获取该图像分类的每幅图像中所述摄像主体所占的比例和所处的位置，查找所述比例因子表和位置因子表，获得该图像相应的比例因子和位置因子；

步骤S34，识别每一个图像分类中的图像的相机指纹，根据所述相机指纹查找所述摄影者因子表，获得该图像相应的摄影因子；

步骤S35，根据在每一个图像分类中的图像的比例因子、位置因子和摄影因子，计算出该图像在该图像分类中的质量值；

步骤S4，输出筛选出的图像，所述筛选出的图像为质量值高的图像。

2.根据权利要求1所述的方法，其特征在于：

在所述步骤S1中，所述摄影者因子表的创建包括：

接收来自摄影者上传的他自己拍摄的多幅图像；

获取摄影者的标识，所述摄影者的标识包括用户名或ip地址，作为摄影者标识；

从多幅图像中提取出所述相机指纹。

3.根据权利要求2所述的方法，其特征在于：

所述摄影因子对于所有摄影者的初始默认值是相同的值。

4.根据权利要求1所述的方法，其特征在于：

在步骤S32之前还具有步骤S31，步骤S31包括从初始图像集合中筛选出清晰图像，形成第一图像集合，并且步骤S32在第一图像集合中循环搜索图像以形成多个图像分类。

5.根据权利要求4所述的方法，其特征在于：

所述步骤S32包括形成图像聚类的过程以及根据图像聚类形成图像分类的过程，其中形成图像聚类的过程包括：

步骤S321，选择第一幅图像作为要被搜索的搜索图像；

步骤S322，将要被搜索的搜索图像加入被搜索图像集合；

步骤S323，在第一图像集合中去掉被搜索图像集合以形成剩余图像集合，采用图像检索技术在所述剩余图像集合中检索所述要被搜索的搜索图像，将检索出来的图像和要被搜索的搜索图像组合为一个图像聚类；

步骤S322，将下一幅图像作为要被搜索的搜索图像并返回步骤S322继续执行，直到最后一幅图像；

形成图像分类的过程包括：

步骤S333，从最后一个图像聚类开始，将最后一个图像聚类作为要被搜索的搜索聚类；

步骤S334，将要被搜索的搜索聚类加入搜索聚类集合；

步骤S335，在所有的图像聚类中去掉搜索聚类集合以形成剩余图像聚类，在剩余图像聚类中搜索以判断是否存在一个图像聚类包含要被搜索的搜索聚类，如果存在，则不将要被搜索的搜索聚类作为一个图像分类，如果不存在，则将要被搜索的搜索聚类作为一个图像分类；

步骤S336，将上一个图像聚类作为要被搜索的搜索聚类并返回步骤S334继续执行，直到第一个图像聚类。

6.根据权利要求1所述的方法，其特征在于：

步骤S35后还包括：

步骤S36，对于每一个图像分类，将其中所包含的图像按照其质量值进行排序，将排名为前n位的图像加入第一筛选图像集，其中n为预设值，并将第一筛选图像集中的图像进行去重操作，生成第二筛选图像集作为筛选出的图像。

7.根据权利要求6所述的方法，其特征在于：

所述步骤S36后包括步骤S37，根据图像的质量值的排名更新所述摄影因子，具体包括：查找到图像的相机指纹，当该图像的排名靠前时提高与该相机指纹对应的所述摄影因子，当该图像的排名靠后时降低与该相机指纹对应的所述摄影因子。

8.根据权利要求1所述的方法，其特征在于：

步骤S4具体包括将筛选出的照片显示在群用户的共享空间内。