JP6328275B2 - 画像タイプ識別方法、装置、プログラム及び記録媒体 - Google Patents

画像タイプ識別方法、装置、プログラム及び記録媒体 Download PDF

Info

Publication number
JP6328275B2
JP6328275B2 JP2016570049A JP2016570049A JP6328275B2 JP 6328275 B2 JP6328275 B2 JP 6328275B2 JP 2016570049 A JP2016570049 A JP 2016570049A JP 2016570049 A JP2016570049 A JP 2016570049A JP 6328275 B2 JP6328275 B2 JP 6328275B2
Authority
JP
Japan
Prior art keywords
image
identification
ratio
waiting
module
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
Application number
JP2016570049A
Other languages
English (en)
Other versions
JP2018509663A (ja
Inventor
国盛 李
国盛 李
琳 代
琳 代
江涛 黄
江涛 黄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Publication of JP2018509663A publication Critical patent/JP2018509663A/ja
Application granted granted Critical
Publication of JP6328275B2 publication Critical patent/JP6328275B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758Involving statistics of pixels or of feature values, e.g. histogram matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/50Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Description

本願は、出願番号がCN201610097153.1であって、出願日が2016年02月22日である中国特許出願に基づいて優先権を主張し、当該中国特許出願のすべての内容を援用する。
本発明は、通信技術分野に関し、特に、画像タイプ識別方法装置、プログラム及び記録媒体に関する。
表示デバイスに表示させる画像は、一般的に、二種がある。その中、一種は、人工的に合成した画像であって、合成画像とよばれ、もう一種は、自然界に存在する画像であって、自然画像と呼ばれる。合成画像は、一般的に、表示デバイスの特性によって、表示デバイスの特性により合う内容を人工的に制作して得る画像である。例えば、表示デバイスが表示できるビット深度、色域及びコントラストに従って、より美しい画像を制作する。自然画像は、一般的に、自然界に真実に存在するものであり、特定の表示デバイスの特性に従って、処理したことがない画像である。それで、自然画像に対して、特定の画像処理技術を使用して処理を行って、自然画像がもっと美しくなるようにすることができる。しかし、もし、合成画像に対して処理を行うと、合成画像の美しさに影響を与えるおそれがある。
それで、画像に対して後処理を行う前に、その画像のタイプを識別して、画像タイプに応じて画像に対して後処理等の操作を行うか否かを決定して、画像の美しさを維持する必要がある。
従来は、画像エントロピーを算出する方法を採用して、画像タイプを識別した。具体的には、画像エントロピーが所定の閾値以上であると、上記画像を自然画像として特定し、画像エントロピーが所定の閾値未満であると、上記画像を合成画像として特定する。しかし、このような識別方法は、計算するデータの量が巨大であるため、携帯電話等のモバイル端末上の画像タイプの識別には、適していない。
本発明は、関連技術に存在する問題を解決するために、画像タイプ識別方法装置、プログラム及び記録媒体を提供する。
本発明の実施例に係る第1の態様によると、画像タイプ識別方法を提供する。
上記方法は、
識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得するステップと、
上記ヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出するステップと、
上記比率が所定の条件を満たすと、上記識別待ちの画像を自然画像として特定するステップと、
上記比率が所定の条件を満たさないと、上記識別待ちの画像を合成画像として特定するステップと
を含む。
一実施例において、上記所定の色空間は、RGB色空間を含み、上記所定の条件は、上記比率の小数点以下の桁数が5を越えることを含む。
一実施例において、上記各チャンネルの隣接するグレースケールピクセル数の比率を算出するステップは、
上記各チャンネル毎に、現在チャンネルの第iのグレースケールピクセル数と第i−nのグレースケールピクセル数との比率、及び、第iのグレースケールピクセル数と第i+nのグレースケールピクセル数との比率を、それぞれ、算出するステップを含み、ただし、n≦i≦255−nであり、1≦n≦10であり、且つ、iとnとはともに整数である。
一実施例において、上記方法は、
上記所定の条件を満たさない比率の数を統計するステップと、
上記比率の数が所定の数を超えると、上記識別待ちの画像を合成画像として特定するステップと
をさらに含む。
一実施例において、上記方法は、
上記識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得するステップの前に、上記識別待ちの画像内のノイズをフィルタリングするステップ
をさらに含む。
一実施例において、上記方法は、
上記識別待ちの画像の特徴情報を取得するステップと、
上記識別待ちの画像の特徴情報が、合成画像に属する特徴情報が含まれた予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断するステップと、
両方が一致すると、上記識別待ちの画像を合成画像として特定するステップと
をさらに含む。
本発明の実施例に係る第2の態様によると、画像タイプ識別装置を提供する。
上記装置は、
識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する取得モジュールと、
上記取得モジュールが取得した上記ヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出する算出モジュールと、
上記算出モジュールが算出した上記比率が所定の条件を満たすと、上記識別待ちの画像を自然画像として特定する第1特定モジュールと、
上記算出モジュールが算出した上記比率が所定の条件を満たさないと、上記識別待ちの画像を合成画像として特定する第2特定モジュールと
を備える。
一実施例において、上記所定の色空間は、RGB色空間を含み、上記所定の条件は、上記比率の小数点以下の桁数が5を越えることを含む。
一実施例において、上記算出モジュールは、
上記各チャンネル毎に、現在チャンネルの第iのグレースケールピクセル数と第i−nのグレースケールピクセル数との比率、及び、第iのグレースケールピクセル数と第i+nのグレースケールピクセル数との比率を、それぞれ、算出するステップを含み、ただし、n≦i≦255−nであり、1≦n≦10であり、且つ、iとnとはともに整数である。
一実施例において、上記装置は、
上記所定の条件を満たさない比率の数を統計する統計モジュールと、
上記統計モジュールが統計した上記比率の数が所定の数を超えると、上記識別待ちの画像を合成画像として特定する第3特定モジュールと
をさらに備える。
一実施例において、上記装置は、
上記取得モジュールが識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する前に、上記識別待ちの画像内のノイズをフィルタリングするフィルタリングモジュール
をさらに備える。
一実施例において、上記装置は、
上記識別待ちの画像の特徴情報を取得する特徴情報取得モジュールと、
上記特徴情報取得モジュールが取得した上記識別待ちの画像の特徴情報が、合成画像に属する特徴情報が含まれた予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断する判断モジュールと、
上記判断モジュールによって両方が一致することが判断された場合、上記識別待ちの画像を合成画像として特定する第4特定モジュールと
をさらに備える。
本発明の実施例に係る第3の態様によると、画像タイプ識別装置を提供する。
上記装置は、
プロセッサと、
上記プロセッサが実行可能な命令を記憶するためのメモリと
を備え、
上記プロセッサは、
識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得し、
上記ヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出し、
上記比率が所定の条件を満たすと、上記識別待ちの画像を自然画像として特定し、
上記比率が所定の条件を満たさないと、上記識別待ちの画像を合成画像として特定する
ように構成される。
本発明の実施例に係る第4の態様によると、プログラムを提供し、当該プログラムは、プロセッサに実行されることにより、上記の方法を実現する。
本発明の実施例に係る第5の態様によると、記録媒体を提供し、当該記録媒体には、上記プログラムが記録されている。
本発明の実施例が提供する構成による有益な効果は以下のとおりである。識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得し、取得したヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出し、続いて、比率が所定の条件を満たすか否かによって識別待ちの画像のタイプを特定することにより、識別過程において大量に計算する必要がなくなって、携帯電話等のモバイル端末上の画像タイプの識別に応用できて、応用性を改善した。
以上の統括な記述と以下の細部記述は、ただ例示的なものであり、本発明を制限するものではないと、理解するべきである。
ここでの図面は、明細書に合併されて本明細書の一部を構成して本発明に合致する実施例を示し、明細書とともに本発明の原理の説明するに用いられる。
例示的な一実施例に係る画像タイプ識別方法を示すフローチャートである。 例示的な一実施例に係る識別待ちの画像の赤色のチャンネルのヒストグラムを示す一模式図である。 例示的な一実施例に係る識別待ちの画像の緑色のチャンネルのヒストグラムを示す一模式図である。 例示的な一実施例に係る識別待ちの画像の青色のチャンネルのヒストグラムを示す一模式図である。 例示的な一実施例に係る識別待ちの画像の赤色のチャンネルのヒストグラムを示すもう一模式図である。 例示的な一実施例に係る識別待ちの画像の緑色のチャンネルのヒストグラムを示すもう一模式図である。 例示的な一実施例に係る識別待ちの画像の青色のチャンネルのヒストグラムを示すもう一模式図である。 例示的なもう一実施例に係る画像タイプ識別方法を示すフローチャートである。 例示的なもう一実施例に係る画像タイプ識別方法を示すフローチャートである。 例示的な一実施例に係る画像タイプ識別装置を示すブロック図である。 例示的なもう一実施例に係る画像タイプ識別装置を示すブロック図である。 例示的なもう一実施例に係る画像タイプ識別装置を示すブロック図である。 例示的なもう一実施例に係る画像タイプ識別装置を示すブロック図である。 例示的な一実施例に係る画像タイプ識別装置を示すブロック図である。
ここで、例示的な実施例を詳細に説明する。また、説明中の例は、図面に示している。以下の記述において、図面を説明する際に特に説明しない場合、異なる図面中の同一の符号は、同一或は同様な要素を意味する。以下の例示的な実施例において記述する実施方法は、本発明に合致するすべての実施方法を代表するわけではない。逆に、それらは、添付の特許請求の範囲において詳細に記述された、本発明のいくつかの態様と合致する装置、及び方法の例に過ぎない。
図1は、例示的な一実施例に係る画像タイプ識別方法を示すフローチャートである、図1に示したように、上記画像タイプ識別方法は、モバイル端末に利用される。上記モバイル端末は、携帯電話、タブレットPC(PAD)等のような端末デバイスを含むが、これらに限定されない。上記方法は、以下のステップS101〜S104を含む。
ステップS101において、識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する。
上記実施例において、互いに異なるタイプの画像は、所定の色空間内の各チャンネルのヒストグラムに、互いに異なる特徴がある。それで、ヒストグラムの特徴を分析することにより、画像のタイプを識別できる。
その中、所定の色空間は、赤‐緑‐青(RGB)の色空間であってもよいし、明度色(LAB)の色空間等であってもよい。
例えば、識別待ちの画像のRGB色空間内の各チャンネルのヒストグラムを取得してもよい。識別待ちの画像のRGBの三つのチャンネルのヒストグラムは、図2a〜2cに示したような例であってもよい。さらに、識別待ちの画像のRGBの三つのチャンネルのヒストグラムは、図3a〜3cに示したような例であってもよい。
その中、ヒストグラムの横軸は、0〜255のグレースケールの数値を示し、縦軸は、対応されるグレースケールのピクセルの数量を示す。
ステップS102において、取得したヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出する。
上記実施例において、取得したヒストグラムに基づいて、画像各チャンネルの隣接するグレースケールピクセル数の比率を算出できる。
例えば、図2a〜図2cに示したヒストグラム、又は、図3a〜図3cに示したヒストグラムに基づいて、赤‐緑‐青の三つのチャンネルの隣接するグレースケールピクセル数の比率を算出する。
上記実施例において、各チャンネルの隣接するグレースケールピクセル数の比率を算出する方法は、以下のとおりである。
各チャンネル毎に、現在チャンネルの第iのグレースケールピクセル数と第i−nのグレースケールピクセル数との比率、及び、第iのグレースケールピクセル数と第i+nのグレースケールピクセル数との比率を、それぞれ、算出する。ただし、n≦i≦255−nであり、1≦n≦10であり、且つ、iとnとはともに整数である。好ましくは、nの値は、1〜5である。
例えば、赤色チャンネルの第1のグレースケールピクセル数と第0のグレースケールピクセル数との比率、及び、第1のグレースケールピクセル数と第2のグレースケールピクセル数との比率、第2のグレースケールピクセル数と第1のグレースケールピクセル数との比率、及び、第2のグレースケールピクセル数と第3のグレースケールピクセル数との比率、第3のグレースケールピクセル数と第2のグレースケールピクセル数との比率、及び、第3のグレースケールピクセル数と第4のグレースケールピクセル数の比率、……、第254のグレースケールピクセル数と第253のグレースケールピクセル数との比率、及び、第254のグレースケールピクセル数と第255のグレースケールピクセル数の比率を、それぞれ、算出する。
もし、図3aに示した赤色のチャンネルのヒストグラムにおいて、第89のグレースケールに1624個のピクセルがあり、第90のグレースケールに1609個のピクセルあり、第91のグレースケールに1554個のピクセルがあると、第90のグレースケールと第89のグレースケールとの比率は、0.9907635であり、第90のグレースケールと第91のグレースケールとの比率は、1.03539253である。
ステップS103において、算出した比率が所定の条件を満たすと、識別待ちの画像を自然画像として特定する。
上記実施例において、所定の色空間がRGBである場合、所定の条件は、比率の小数点以下の桁数が5を越えることを含む。
算出した比率が所定の条件を満たすと、即ち、算出した比率の小数点以下の桁数が5を越えると、上記識別待ちの画像は、自然画像である。
続いて説明すると、第90のグレースケールと第89のグレースケールとの比率が0.9907635であり、第90のグレースケールと第91グレースケールとの比率が1.03539253であるため、両方の小数点以下の桁数はともに5を越える。それで、図3aに対応される画像が自然画像であると、仮に判断できる。もし、図3b〜3cに示したヒストグラム中の隣接するグレースケールピクセル数の比率の小数点以下の桁数も、5を越えると、図3a〜3cに対応される画像が自然画像であると、特定できる。
ステップS104において、算出した比率が所定の条件を満たさないと、識別待ちの画像を合成画像として特定できる。
上記実施例において、算出した比率が所定の条件を満たさないと、即ち、算出した比率が整数であるか、或いは、小数点以下の桁数が5を越えないと、上記識別待ちの画像は合成画像である。
図2aに示した赤色のチャンネルのヒストグラムの中で、第1のグレースケールと第0のグレースケールとの比率が0.01であり、第1グレースケールと第2グレースケールとの比率が100であると仮定すると、算出した比率が所定の条件を満たさないため、図2aに対応される画像が合成画像であると、仮に判定できる。もし、図2b〜2cに示したヒストグラムの中の隣接するグレースケールピクセル数の比率も、所定の条件を満たさないと、図2a〜2cに対応される画像を合成画像として特定できる。
上記実施例において、画像タイプの識別の精度を高めるために、所定の条件を満たさない比率の数を統計して、比率の数が所定の数を超えると、識別待ちの画像を合成画像として特定してもよい。その中、所定の数は、必要によって設定したものであってもよく、例えば、6個、8個等であってもよい。
もし、図2a〜図2cに示した三つのチャンネルヒストグラムの中で、所定の条件を満たさない比率の数がともに508個であると、さらに、図2a〜図2cに対応される画像を合成画像として特定できる。
上記の画像タイプ識別方法の実施例によると、識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得し、取得したヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出し、続いて、比率が所定の条件を満たすか否かによって識別待ちの画像のタイプを特定することにより識別過程において大量に計算する必要がなくなって、携帯電話等のモバイル端末上の画像タイプの識別に応用できて、応用性を改善した。
図4は、例示的なもう一実施例に係る画像タイプ識別方法を示すフローチャートである。図4に示したように、上記方法は、上記のステップS101の前に、さらに、以下のステップを含む。
ステップS100において、識別待ちの画像内のノイズをフィルタリングする。
その中、画像内のノイズは、主に、カメラのセンサが光を受信信号として受信してから、また、出力する過程において、発生した画像内の粗い部分であるか、或いは、画像内で出現すべきでない、電子妨害によって発生した外部のピクセルである。
上記実施例において、識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得するステップの前に、まず、識別待ちの画像内のノイズをフィルタリングして、取得したヒストグラムの精度をもっと高めることにより、画像タイプの識別の精度を高めることができる。
上記の画像タイプ識別方法の実施例は、識別待ちの画像内のノイズをフィルタリングすることにより、取得したヒストグラムの精度を高めて、画像タイプの識別の精度を高める。
図5は、例示的なもう一実施例に係る画像タイプ識別方法を示すフローチャートである、図5に示したように、上記方法は、さらに、以下のステップを含む。
ステップS501において、識別待ちの画像の特徴情報を取得する。
上記実施例において、合成画像の特徴ライブラリを予め構築してもよい。上記特徴ライブラリ中には、合成画像に属する特徴情報が含まれている。それで、識別待ちの画像の特徴情報を取得し、また、取得した特徴情報と特徴ライブラリとを比較することにより、識別待ちの画像が合成画像であるか否かを識別できる。
その中、特徴ライブラリは、以下の特徴情報中の一つ以上を含むが、これらに限定されない。即ち、合成画像のRGBの三つのチャンネルのピクセルの数量の特徴情報、合成画像の単色の画像特徴情報、等を含む。
上記実施例において、特徴ライブラリ中の特徴情報を比較するために、識別待ちの画像のRGB三つのチャンネルのピクセルの数量の特徴情報を取得してもよいし、識別待ちの画像の赤色の画像特徴情報を取得してもよい。
ステップS502において、識別待ちの画像の特徴情報と、予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断して、両方が一致すると、ステップS503を実行し、一致しないと、ステップS504を実行する。
ステップS503において、識別待ちの画像を合成画像として特定し、処理を終了する。
もし、図2a〜2cが識別待ちの画像のRGBの三つのチャンネルのヒストグラムであると仮定すると、図2a〜2cから、識別待ちの画像のRGBの三つのチャンネルのヒストグラムが、完全に同一であることが分かる。それで、識別待ちの画像のRGBの三つのチャンネルのピクセルの数量が同一であると判断して、即ち、特徴ライブラリ中の特徴情報と一致すると判断して、識別待ちの画像を合成画像として特定できる。
ステップS504において、識別待ちの画像を合成画像でないと特定する。
上記実施例において、識別待ちの画像の特徴情報と、予め構築した特徴ライブラリ中の特徴情報とが一致しないと、識別待ちの画像を合成画像でないと特定できる。
上記の方法を採用して画像タイプを識別するほか、さらに、上記方法によって既に識別された画像タイプを修正してもよい。例えば、この前に識別された現在の画像が合成画像であると、上記画像の特徴情報を取得し、また、上記特徴情報と特徴ライブラリ中の特徴情報とを比較することにより、さらに、上記画像が合成画像であるか否かを特定して、識別の精度を、大幅に高めることができることを説明する必要がある。
上記の画像タイプ識別方法の実施例によると、取得した識別待ちの画像の特徴情報が、予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断することにより、識別待ちの画像が合成画像であるか否かを特定する。このようにして、合成画像の識別するためのもう一種の方法を提供して、画像タイプの識別方法を豊富にした。また、既に識別した画像タイプを修正できて、識別の精度を大幅に高めた。
本発明は、前述の画像タイプ識別方法の実施例に対応して、画像タイプ識別装置の実施例をさらに提供する。
図6は、例示的な一実施例に係る画像タイプ識別装置を示すブロック図である。図6に示したように、画像タイプ識別装置は、取得モジュール61、算出モジュール62、第1特定モジュール63及び第2特定モジュール64を備える。
取得モジュール61は、識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する。
上記実施例において、互いに異なるタイプの画像は、所定の色空間内の各チャンネルのヒストグラムに、互いに異なる特徴がある。それで、ヒストグラムの特徴を分析することにより、画像のタイプを識別できる。
その中、所定の色空間は、赤‐緑‐青(RGB)の色空間であってもよいし、明度色(LAB)の色空間等であってもよい。
例えば、識別待ちの画像のRGB色空間内の各チャンネルのヒストグラムを取得してもよい。識別待ちの画像のRGBの三つのチャンネルのヒストグラムは、図2a〜2cに示したような例であってもよい。さらに、識別待ちの画像のRGBの三つのチャンネルのヒストグラムは、図3a〜3cに示したような例であってもよい。
その中、ヒストグラムの横軸は、0〜255のグレースケールの数値を示し、縦軸は、対応されるグレースケールのピクセルの数量を示す。
算出モジュール62は、取得モジュール61が取得したヒストグラムに基づいて、各チャンネルの隣接するグレースケールピクセル数の比率を算出する。
上記実施例において、取得したヒストグラムに基づいて、画像各チャンネルの隣接するグレースケールピクセル数の比率を算出できる。
例えば、図2a〜図2cに示したヒストグラム、又は、図3a〜図3cに示したヒストグラムに基づいて、赤‐緑‐青の三つのチャンネルの隣接するグレースケールピクセル数の比率を算出する。
上記実施例において、各チャンネルの隣接するグレースケールピクセル数の比率を算出する方法は、以下のとおりである。
各チャンネル毎に、現在チャンネルの第iのグレースケールピクセル数と第i−nのグレースケールピクセル数との比率、及び、第iのグレースケールピクセル数と第i+nのグレースケールピクセル数との比率を、それぞれ、算出する。ただし、n≦i≦255−nであり、1≦n≦10であり、且つ、iとnとはともに整数である。好ましくは、nの値は、1〜5である。
例えば、赤色チャンネルの第1のグレースケールピクセル数と第0のグレースケールピクセル数との比率、及び、第1のグレースケールピクセル数と第2のグレースケールピクセル数との比率、第2のグレースケールピクセル数と第1のグレースケールピクセル数との比率、及び、第2のグレースケールピクセル数と第3のグレースケールピクセル数との比率、第3のグレースケールピクセル数と第2のグレースケールピクセル数との比率、及び、第3のグレースケールピクセル数と第4のグレースケールピクセル数の比率、……、第254のグレースケールピクセル数と第253のグレースケールピクセル数との比率、及び、第254のグレースケールピクセル数と第255のグレースケールピクセル数の比率を、それぞれ、算出する。
もし、図3aに示した赤色のチャンネルのヒストグラムにおいて、第89のグレースケールに1624個のピクセルがあり、第90のグレースケールに1609個のピクセルあり、第91のグレースケールに1554個のピクセルがあると、第90のグレースケールと第89のグレースケールとの比率は、0.9907635であり、第90のグレースケールと第91のグレースケールとの比率は、1.03539253である。
第1特定モジュール63は、算出モジュール62が算出した比率が所定の条件を満たすと、識別待ちの画像を自然画像として特定する。
上記実施例において、所定の色空間がRGBである場合、所定の条件は、比率の小数点以下の桁数が5を越えることであってもよい。
算出した比率が所定の条件を満たすと、即ち、算出した比率の小数点以下の桁数が5を越えると、上記識別待ちの画像は、自然画像である。
続いて説明すると、第90のグレースケールと第89のグレースケールとの比率が0.9907635であり、第90のグレースケールと第91グレースケールとの比率が1.03539253であるため、両方の小数点以下の桁数はともに5を越える。それで、図3aに対応される画像が自然画像であると、仮に判断できる。もし、図3b〜3cに示したヒストグラム中の隣接するグレースケールピクセル数の比率の小数点以下の桁数も、5を越えると、図3a〜3cに対応される画像が自然画像であると、特定できる。
第2特定モジュール64は、算出モジュール62が算出した比率が所定の条件を満たさないと、識別待ちの画像を合成画像として特定する。
上記実施例において、算出した比率が所定の条件を満たさないと、即ち、算出した比率が整数であるか、或いは、小数点以下の桁数が5を越えないと、上記識別待ちの画像は合成画像である。
図2aに示した赤色のチャンネルのヒストグラムの中で、第1のグレースケールと第0のグレースケールとの比率が0.01であり、第1グレースケールと第2グレースケールとの比率が100であると仮定すると、算出した比率が所定の条件を満たさないため、図2aに対応される画像が合成画像であると、仮に判定できる。もし、図2b〜2cに示したヒストグラムの中の隣接するグレースケールピクセル数の比率も、所定の条件を満たさないと、図2a〜2cに対応される画像を合成画像として特定できる。
図6に示した装置は、上記の図1に示した方法を実現するためのものである、関連内容の記載と同様であるため、ここでは、繰り返して説明しない。
上記の画像タイプ識別装置の実施例によると、識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得し、取得したヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出し、続いて、比率が所定の条件を満たすか否かによって識別待ちの画像のタイプを特定することにより識別過程において大量に計算する必要がなくなって、携帯電話等のモバイル端末上の画像タイプの識別に応用できて、応用性を改善した。
図7は、例示的なもう一実施例に係る画像タイプ識別装置を示すブロック図である。上記装置は、図7に示したように、上記の図6に示した実施例を基に、統計モジュール65及び第3特定モジュール66をさらに備える。
統計モジュール65は、所定の条件を満たさない比率の数を統計する。
第3特定モジュール66は、統計モジュール65が統計した比率の数が所定の数を超えると、識別待ちの画像を合成画像として特定する。
上記実施例において、画像タイプの識別の精度を高めるために、所定の条件を満たさない比率の数を統計して、比率の数が所定の数を超えると、識別待ちの画像を合成画像として特定してもよい。その中、所定の数は、必要によって設定したものであってもよく、例えば、6個、8個等であってもよい。
もし、図2a〜図2cに示した三つのチャンネルヒストグラムの中で、所定の条件を満たさない比率の数がともに508個であると、さらに、図2a〜図2cに対応される画像を合成画像として特定できる。
図7に示した装置は、上記の図1に示した方法を実現するためのものである、関連内容の記載と同様であるため、ここでは、繰り返して説明しない。
上記の画像タイプ識別装置の実施例によると、統計した比率の数が所定の数を超えると、識別待ちの画像を合成画像として特定して、画像タイプの識別の精度を高めることができる。
図8は、例示的なもう一実施例に係る画像タイプ識別装置を示すブロック図である。上記装置は、図8に示したように、上記の図6に示した実施例を基に、フィルタリングモジュール60をさらに備える。
フィルタリングモジュール60は、取得モジュール61によって識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する前に、識別待ちの画像内のノイズをフィルタリングする。
その中、画像内のノイズは、主に、カメラのセンサが光を受信信号として受信してから、また、出力する過程において、発生した画像内の粗い部分であるか、或いは、画像内で出現すべきでない、電子妨害によって発生した外部のピクセルである。
上記実施例において、識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得するステップの前に、まず、識別待ちの画像内のノイズをフィルタリングして、取得したヒストグラムの精度をもっと高めることにより、画像タイプの識別の精度を高めることができる。
図8に示した装置は、上記の図4に示した方法を実現するためのものである、関連内容の記載と同様であるため、ここでは、繰り返して説明しない。
上記の画像タイプ識別装置の実施例によると、識別待ちの画像内のノイズをフィルタリングして、取得したヒストグラムの精度をもっと高めることにより、画像タイプの識別の精度を高めることができる。
図9は、例示的なもう一実施例に係る画像タイプ識別装置を示すブロック図である。上記装置は、図9に示したように、上記の図6に示した実施例の基に、特徴情報取得モジュール91、判断モジュール92及び第4特定モジュール93をさらに備える。
特徴情報取得モジュール91は、識別待ちの画像の特徴情報を取得する。
上記実施例において、合成画像の特徴ライブラリを予め構築してもよい。上記特徴ライブラリ中には、合成画像に属する特徴情報が含まれている。それで、識別待ちの画像の特徴情報を取得し、また、取得した特徴情報と特徴ライブラリとを比較することにより、識別待ちの画像が合成画像であるか否かを識別できる。
その中、特徴ライブラリは、以下の特徴情報中の一つ以上を含むが、これらに限定されない。即ち、合成画像のRGBの三つのチャンネルのピクセルの数量の特徴情報、合成画像の単色の画像特徴情報、等を含む。
上記実施例において、特徴ライブラリ中の特徴情報を比較するために、識別待ちの画像のRGB三つのチャンネルのピクセルの数量の特徴情報を取得してもよいし、識別待ちの画像の赤色の画像特徴情報を取得してもよい。
判断モジュール92は、特徴情報取得モジュール91が取得した識別待ちの画像の特徴情報が、合成画像に属する特徴情報が含まれた予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断する。
第4特定モジュール93は、判断モジュール92によって、両方が一致すると判断されると、識別待ちの画像を合成画像として特定する。
もし、図2a〜2cが識別待ちの画像のRGBの三つのチャンネルのヒストグラムであると仮定すると、図2a〜2cから、識別待ちの画像のRGBの三つのチャンネルのヒストグラムが、完全に同一であることが分かる。それで、識別待ちの画像のRGBの三つのチャンネルのピクセルの数量が同一であると判断して、即ち、特徴ライブラリ中の特徴情報と一致すると判断して、識別待ちの画像を合成画像として特定できる。
上記実施例において、識別待ちの画像の特徴情報と、予め構築した特徴ライブラリ中の特徴情報とが一致しないと、識別待ちの画像を合成画像でないと特定できる。
上記の方法を採用して画像タイプを識別するほか、さらに、上記方法によって既に識別された画像タイプを修正してもよい。例えば、この前に識別された現在の画像が合成画像であると、上記画像の特徴情報を取得し、また、上記特徴情報と特徴ライブラリ中の特徴情報とを比較することにより、さらに、上記画像が合成画像であるか否かを特定して、識別の精度を、大幅に高めることができることを説明する必要がある。
図9に示した装置は、上記の図5に示した方法を実現するためのものである、関連内容の記載と同様であるため、ここでは、繰り返して説明しない。
上記の画像タイプ識別方法の実施例によると、取得した識別待ちの画像の特徴情報が、予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断することにより、識別待ちの画像が合成画像であるか否かを特定する。このようにして、合成画像の識別するためのもう一種の方法を提供して、画像タイプの識別方法を豊富にした。また、既に識別した画像タイプを修正できて、識別の精度を大幅に高めた。
上記の実施例の装置について、その各モジュールが実行する操作の具体的な形態は既に当該方法に関する実施例において詳細に説明したため、ここでは詳細に説明しない。
図10は、例示的な一実施例に係る装置1000を示すブロック図である。例えば、装置1000は、携帯電話、コンピューター、デジタル放送端末、メッセージ送受信デバイス、ゲームコンソール、タブレットデバイス、医療機器、フィットネス機器、パーソナルデジタルアシスタント等であってもよい。
図10を参照して、装置1000は、プロセスアセンブリ1002、メモリ1004、電源アセンブリ1006、マルチメディアアセンブリ1008、オーディオアセンブリ1010、入出力(I/O)インターフェイス1012、センサアセンブリ1014、及び通信アセンブリ1016のような一つ以上のアセンブリを含んでよい。
プロセスアセンブリ1002は、一般的には装置1000の全体の動作を制御するものであり、例えば、表示、電話呼び出し、データ通信、カメラ動作、及び記録動作と関連する動作を制御する。プロセスアセンブリ1002は、一つ以上のプロセッサ1020を含み、これらによって命令を実行することにより、上記の方法の全部、或は一部のステップを実現するようにしてもよい。なお、プロセスアセンブリ1002は、一つ以上のモジュールを含み、これらによってプロセスアセンブリ1002と他のアセンブリの間のインタラクションを容易にするようにしてもよい。例えば、プロセスアセンブリ1002は、マルチメディアモジュールを含み、これらによってマルチメディアアセンブリ1008とプロセスアセンブリ1002の間のインタラクションを容易にするようにしてもよい。
メモリ1004は、各種類のデータを記憶することにより装置1000の動作を支援するように構成される。これらのデータの例は、装置1000において動作するいずれのアプリケーションプログラム又は方法の命令、連絡対象データ、電話帳データ、メッセージ、画像、ビデオ等を含む。メモリ1004は、いずれの種類の揮発性メモリ、不揮発性メモリ記憶デバイスまたはそれらの組み合わせによって実現されてもよく、例えば、SRAM(StaticRandomAccessMemory)EEPROM(Electrically Erasable Programmable Read−Only Memory)、EPROM(Erasable Programmable Read Only Memory)、PROM( Programmable ROM)、ROM(Read Only Memory)、磁気メモリ、フラッシュメモリ(登録商標)、磁気ディスク、或いは光ディスクである。
電源アセンブリ1006は、装置1000の多様なアセンブリに電力を供給する。電源アセンブリ1006は、電源管理システム、一つ以上の電源、及び装置1000のための電力の生成、管理及び割り当てに関連付けられている他のアセンブリを含んでもよい。
マルチメディアアセンブリ1008は、前記装置1000とユーザの間に一つの出力インターフェイスを提供するスクリーンを含む。上記の実施例において、スクリーンは液晶モニター(LCD)とタッチパネル(TP)を含んでもよい。スクリーンがタッチパネルを含むことにより、スクリーンはタッチスクリーンを実現することができ、ユーザからの入力信号を受信することができる。タッチパネルは一つ以上のタッチセンサを含んでおり、タッチ、スワイプ、及びタッチパネル上のジェスチャを検出することができる。前記タッチセンサは、タッチ、或はスワイプの動作の境界だけでなく、前記のタッチ、或はスワイプ操作に係る継続時間及び圧力も検出できる。上記の実施例において、マルチメディアアセンブリ1008は、一つのフロントカメラ、及び/又はリアカメラを含む。装置1000が、例えば撮影モード、或はビデオモード等の動作モードにある場合、フロントカメラ、及び/又はリアカメラは外部からマルチメディアデータを受信できる。フロントカメラとリアカメラのそれぞれは、一つの固定型の光レンズ系、或は可変焦点距離と光学ズーム機能を有するものであってもよい。
オーディオアセンブリ1010は、オーディオ信号を入出力するように構成されてもよい。例えば、オーディオアセンブリ1010は、一つのマイク(MIC)を含み、装置1000が、例えば呼出しモード、記録モード、及び音声認識モード等の動作モードにある場合、マイクは外部のオーディオ信号を受信することができる。受信されたオーディオ信号は、さらにメモリ1004に記憶されたり、通信アセンブリ1016を介して送信されたりされる。上記の実施例において、オーディオアセンブリ1010は、オーディオ信号を出力するための一つのスピーカーをさらに含む。
I/Oインターフェイス1012は、プロセスアセンブリ1002と周辺インターフェイスモジュールの間にインターフェイスを提供するものであり、上記周辺インターフェイスモジュールは、キーボード、クリックホイール、ボタン等であってもよい。これらのボタンは、ホームボタン、ボリュームボタン、作動ボタン、ロッキングボタンを含んでもよいが、これらに限定されない。
センサアセンブリ1014は、装置1000に各種の状態に対する評価を提供するための一つ以上のセンサを含む。例えば、センサアセンブリ1014は、装置1000のON/OFF状態、装置1000のディスプレイとキーパッドのようなアセンブリの相対的な位置決めを検出できる。また、例えば、センサアセンブリ1014は、装置1000、或は装置1000の一つのアセンブリの位置変更、ユーザと装置1000とが接触しているか否か、装置1000の方位、又は加速/減速、装置1000の温度の変化を検出できる。センサアセンブリ1014は、何れの物理的接触がない状態にて付近の物体の存在を検出するための近接センサを含んでもよい。センサアセンブリ1014は、撮影アプリケーションに適用するため、CMOS、又はCCD画像センサのような光センサを含んでもよい。上記の実施例において、当該センサアセンブリ1014は、加速度センサ、ジャイロスコープセンサ、磁気センサ、圧力センサ、及び温度センサをさらに含んでもよい。
通信アセンブリ1016は、装置1000と他の機器の間に有線、又は利便性のよい形態の通信を提供する。装置1000は、例えばWiFi(登録商標)、2G、3G、或はこれらの組み合わせのような、通信規格に基づいた無線ネットワークに接続されてもよい。一つの例示的な実施例において、通信アセンブリ1016は、放送チャンネルを介して外部の放送管理システムからの放送信号、又は放送に関連する情報を受信する。一つの例示的な実施例において、前記通信アセンブリ1016は、近距離無線通信(NFC)モジュールをさらに含むことにより、近距離通信を可能にする。例えば、NFCモジュールは、RFID(Radio Frequency IDentification)技術、IrDA(Infrared Data Association)技術、UWB(Ultra Wide Band)技術、BT(Bluetooth(登録商標))技術、他の技術に基づいて実現できる。
例示的な実施例において、装置1000は、一つ以上のASIC(ApplicationSpecific Integrated Circuit)、DSP(Digital Signal Processor)、DSPD(Digital Signal Processing Device)、PLD(Programmable Logic Device)、FPGA(Field−Programmable Gate Array)、コントローラ、マイクロコントローラ、マイクロプロセッサ、または他の電子部品によって実現されるものであり、上記方法を実行する。
例示的な実施例において、さらに、命令を含むコンピュータ読取り可能な非一時的な記録媒体、例えば命令を含むメモリ1004を提供しており、装置1000のプロセッサ1020により上記命令を実行して上記方法を実現する。例えば、前記コンピュータ読取り可能な非一時的な記録媒体は、ROM、RAM、CD-ROM、磁気テープ、フロッピーディスク(登録商標)、光データ記憶デバイス等である。
当業者は、明細書を検討して本発明を実施した後、本発明の他の実施例を容易に考え出すことができる。本願は、本発明のいずれの変形、用途、又は適応的な変更をカバーすることを意図しており、これらの変形、用途、又は適応的な変更は、本発明の一般的な原理に従い、また、本発明に公開されていない当該技術分野の公知の知識又は通常の技術手段を含む。明細書と実施例はただ例示として考慮され、本発明の本当の範囲と趣旨は以下の特許請求の範囲に記載される。
本発明は上記に記述され、また図面で示した厳密な構成に限定されず、その範囲を逸脱しない限り多様な置換えと変更を行うことができると、理解されるべきである。本発明の範囲は添付の特許請求の範囲のみにより限定される。

Claims (15)

  1. 識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得するステップと、
    上記ヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出するステップと、
    上記比率が所定の条件を満たすと、上記識別待ちの画像を自然画像として特定するステップと、
    上記比率が所定の条件を満たさないと、上記識別待ちの画像を合成画像として特定するステップと
    を含むことを特徴とする画像タイプ識別方法。
  2. 上記所定の色空間は、RGB色空間を含み、上記所定の条件は、上記比率の小数点以下の桁数が5を越えることを含む
    ことを特徴とする請求項1に記載の画像タイプ識別方法。
  3. 上記各チャンネルの隣接するグレースケールピクセル数の比率を算出するステップは、
    上記各チャンネル毎に、現在チャンネルの第iのグレースケールピクセル数と第i−nのグレースケールピクセル数との比率、及び、第iのグレースケールピクセル数と第i+nのグレースケールピクセル数との比率を、それぞれ、算出するステップ
    を含み、
    ただし、n≦i≦255−nであり、1≦n≦10であり、且つ、iとnとはともに整数である
    ことを特徴とする請求項1に記載の画像タイプ識別方法。
  4. 上記所定の条件を満たさない比率の数を統計するステップと、
    上記比率の数が所定の数を超えると、上記識別待ちの画像を合成画像として特定するステップと
    をさらに含むことを特徴とする請求項1に記載の画像タイプ識別方法。
  5. 上記識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得するステップの前に、
    上記識別待ちの画像内のノイズをフィルタリングするステップ
    をさらに含むことを特徴とする請求項1に記載の画像タイプ識別方法。
  6. 上記識別待ちの画像の特徴情報を取得するステップと、
    上記識別待ちの画像の特徴情報が、合成画像に属する特徴情報が含まれた予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断するステップと、
    両方が一致すると、上記識別待ちの画像を合成画像として特定するステップと
    をさらに含むことを特徴とする請求項1に記載の画像タイプ識別方法。
  7. 識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する取得モジュールと、
    上記取得モジュールが取得した上記ヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出する算出モジュールと、
    上記算出モジュールが算出した上記比率が所定の条件を満たすと、上記識別待ちの画像を自然画像として特定する第1特定モジュールと、
    上記算出モジュールが算出した上記比率が所定の条件を満たさないと、上記識別待ちの画像を合成画像として特定する第2特定モジュールと
    を備えることを特徴とする画像タイプ識別装置。
  8. 上記所定の色空間は、RGB色空間を含み、
    上記所定の条件は、上記比率の小数点以下の桁数が5を越えることを含む
    ことを特徴とする請求項7に記載の画像タイプ識別装置。
  9. 上記算出モジュールは、
    上記各チャンネル毎に、現在チャンネルの第iのグレースケールピクセル数と第i−nのグレースケールピクセル数との比率、及び、第iのグレースケールピクセル数と第i+nのグレースケールピクセル数との比率を、それぞれ、算出し、
    ただし、n≦i≦255−nであり、1≦n≦10であり、且つ、iとnとはともに整数である
    ことを特徴とする請求項7に記載の画像タイプ識別装置。
  10. 上記所定の条件を満たさない比率の数を統計する統計モジュールと、
    上記統計モジュールが統計した上記比率の数が所定の数を超えると、上記識別待ちの画像を合成画像として特定する第3特定モジュールと
    をさらに備えることを特徴とする請求項7に記載の画像タイプ識別装置。
  11. 上記取得モジュールが識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得する前に、上記識別待ちの画像内のノイズをフィルタリングするフィルタリングモジュール
    をさらに備えることを特徴とする請求項7に記載の画像タイプ識別装置。
  12. 上記識別待ちの画像の特徴情報を取得する特徴情報取得モジュールと、
    上記特徴情報取得モジュールが取得した上記識別待ちの画像の特徴情報が、合成画像に属する特徴情報が含まれた予め構築した特徴ライブラリ中の特徴情報と、一致するか否かを判断する判断モジュールと、
    上記判断モジュールによって両方が一致することが判断された場合、上記識別待ちの画像を合成画像として特定する第4特定モジュールと
    をさらに備えることを特徴とする請求項7に記載の画像タイプ識別装置。
  13. プロセッサと、
    上記プロセッサが実行可能な命令を記憶するためのメモリと
    を備え、
    上記プロセッサは、
    識別待ちの画像の所定の色空間内の各チャンネルのヒストグラムを取得し、
    上記ヒストグラムに基づいて各チャンネルの隣接するグレースケールピクセル数の比率を算出し、
    上記比率が所定の条件を満たすと、上記識別待ちの画像を自然画像として特定し、
    上記比率が所定の条件を満たさないと、上記識別待ちの画像を合成画像として特定する
    ように構成されることを特徴とする画像タイプ識別装置。
  14. プロセッサに実行されることにより、請求項1から請求項6のいずれか1項に記載の情報フィルタリング方法を実現することを特徴とするプログラム。
  15. 請求項14に記載のプログラムが記録された記録媒体。
JP2016570049A 2016-02-22 2016-09-28 画像タイプ識別方法、装置、プログラム及び記録媒体 Active JP6328275B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610097153.1A CN105760884B (zh) 2016-02-22 2016-02-22 图片类型的识别方法及装置
CN201610097153.1 2016-02-22
PCT/CN2016/100456 WO2017143776A1 (zh) 2016-02-22 2016-09-28 图片类型的识别方法及装置

Publications (2)

Publication Number Publication Date
JP2018509663A JP2018509663A (ja) 2018-04-05
JP6328275B2 true JP6328275B2 (ja) 2018-05-23

Family

ID=56331005

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016570049A Active JP6328275B2 (ja) 2016-02-22 2016-09-28 画像タイプ識別方法、装置、プログラム及び記録媒体

Country Status (7)

Country Link
US (1) US10181184B2 (ja)
EP (1) EP3208745B1 (ja)
JP (1) JP6328275B2 (ja)
KR (1) KR102004079B1 (ja)
CN (1) CN105760884B (ja)
RU (1) RU2669511C2 (ja)
WO (1) WO2017143776A1 (ja)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105760884B (zh) 2016-02-22 2019-09-10 北京小米移动软件有限公司 图片类型的识别方法及装置
CN106210446B (zh) * 2016-07-18 2019-08-30 北京小米移动软件有限公司 饱和度增强方法及装置
CN106331427B (zh) * 2016-08-24 2019-12-03 北京小米移动软件有限公司 饱和度增强方法及装置
CN106339224B (zh) * 2016-08-24 2020-03-17 北京小米移动软件有限公司 可读性增强方法及装置
US10277859B2 (en) * 2016-09-14 2019-04-30 Canon Kabushiki Kaisha Devices, systems, and methods for generating multi-modal images of a synthetic scene
CN109102467A (zh) * 2017-06-21 2018-12-28 北京小米移动软件有限公司 图片处理的方法及装置
CN108920700B (zh) * 2018-07-17 2021-04-27 中国联合网络通信集团有限公司 一种虚假图片识别方法及装置
CN117351243B (zh) * 2023-12-05 2024-04-02 广东金志利科技股份有限公司 一种铸件冷铁种类数量识别方法及系统
CN117390600B (zh) * 2023-12-08 2024-02-13 中国信息通信研究院 用于深度合成信息的检测方法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6450177A (en) * 1987-08-20 1989-02-27 Hitachi Ltd Digital picture coding system
JP3664395B2 (ja) * 1997-01-24 2005-06-22 セイコーエプソン株式会社 画像処理装置及び画像処理方法並びに画像処理プログラムを記録した媒体
EP1402463A1 (en) * 2001-06-15 2004-03-31 Koninklijke Philips Electronics N.V. Automatic natural content detection in video information
US6983068B2 (en) * 2001-09-28 2006-01-03 Xerox Corporation Picture/graphics classification system and method
KR100453038B1 (ko) * 2001-12-24 2004-10-15 삼성전자주식회사 컬러 영상의 채도 조절 장치 및 방법
US6996277B2 (en) * 2002-01-07 2006-02-07 Xerox Corporation Image type classification using color discreteness features
JP4244584B2 (ja) * 2002-08-01 2009-03-25 ソニー株式会社 重要画像検出装置、重要画像検出方法、プログラム及び記録媒体並びに重要画像検出システム
US7116838B2 (en) * 2002-10-25 2006-10-03 Eastman Kodak Company Enhancing the tonal and spatial characteristics of digital images using selective spatial filters
ITMI20031449A1 (it) * 2003-07-15 2005-01-16 St Microelectronics Srl Metodo per classificare una immagine digitale
US7263208B1 (en) * 2003-08-04 2007-08-28 United States Of America As Represented By The Secretary Of The Navy Automated threshold selection for a tractable alarm rate
US7333656B2 (en) * 2003-11-26 2008-02-19 Matsushita Electric Industrial Co., Ltd. Image processing method and image processing apparatus
JP4547921B2 (ja) * 2004-01-21 2010-09-22 セイコーエプソン株式会社 印刷装置、印刷方法、及び印刷システム
WO2006025486A1 (ja) * 2004-09-01 2006-03-09 Nec Corporation 画像補正処理システム及び画像補正処理方法
US20060204086A1 (en) * 2005-03-10 2006-09-14 Ullas Gargi Compression of palettized images
CN101131365A (zh) * 2006-08-23 2008-02-27 宝山钢铁股份有限公司 烧结矿主要矿物相自动识别方法
RU2400815C2 (ru) * 2006-10-09 2010-09-27 Самсунг Электроникс Ко., Лтд. Способ повышения качества цифрового фотоизображения
US9020263B2 (en) * 2008-02-15 2015-04-28 Tivo Inc. Systems and methods for semantically classifying and extracting shots in video
TWI381321B (zh) * 2009-04-30 2013-01-01 Ind Tech Res Inst 重組多張影像與辨識方法以及影像擷取與辨識系統
CN102663451A (zh) * 2012-03-29 2012-09-12 天津科技大学 一种基于色彩空间特征的图形图像分类方法
ES2727862T3 (es) * 2012-10-25 2019-10-21 Mitsubishi Electric Corp Dispositivo de procesamiento de imágenes y método de procesamiento de imágenes
US8903186B2 (en) * 2013-02-28 2014-12-02 Facebook, Inc. Methods and systems for differentiating synthetic and non-synthetic images
CN104200431A (zh) * 2014-08-21 2014-12-10 浙江宇视科技有限公司 图像灰度化的处理方法及处理装置
US9652688B2 (en) * 2014-11-26 2017-05-16 Captricity, Inc. Analyzing content of digital images
CN105118026A (zh) * 2015-07-28 2015-12-02 小米科技有限责任公司 色域模式切换方法及装置
CN105282531B (zh) * 2015-11-11 2017-08-25 深圳市华星光电技术有限公司 控制低灰阶白平衡的方法及装置
CN105760884B (zh) * 2016-02-22 2019-09-10 北京小米移动软件有限公司 图片类型的识别方法及装置

Also Published As

Publication number Publication date
US10181184B2 (en) 2019-01-15
US20170243338A1 (en) 2017-08-24
KR102004079B1 (ko) 2019-07-25
JP2018509663A (ja) 2018-04-05
KR20170139089A (ko) 2017-12-18
WO2017143776A1 (zh) 2017-08-31
CN105760884B (zh) 2019-09-10
RU2669511C2 (ru) 2018-10-11
EP3208745B1 (en) 2020-08-19
RU2017105475A (ru) 2018-08-21
EP3208745A1 (en) 2017-08-23
RU2017105475A3 (ja) 2018-08-21
CN105760884A (zh) 2016-07-13

Similar Documents

Publication Publication Date Title
JP6328275B2 (ja) 画像タイプ識別方法、装置、プログラム及び記録媒体
KR101831077B1 (ko) 색역 모드 스위칭 방법 및 장치
CN109345485B (zh) 一种图像增强方法、装置、电子设备及存储介质
JP6186094B2 (ja) ファームウェア圧縮方法、ファームウェア圧縮解除方法、装置、プログラム及び記録媒体
JP6336206B2 (ja) 動画ファイルの識別子を処理する方法、装置、プログラム及び記録媒体
JP2017525078A (ja) アイコンバッジ表示方法、装置、プログラム及び記録媒体
JP2017525078A5 (ja)
JP6461107B2 (ja) ピクチャ表示方法および装置
CN112954251B (zh) 视频处理方法、视频处理装置、存储介质与电子设备
CN110619610B (zh) 图像处理方法及装置
CN106792255B (zh) 视频播放窗口框体显示方法及装置
CN106775235B (zh) 屏幕壁纸展示方法和装置
JP2016532947A (ja) 構図変更方法、構図変更装置、端末、プログラム及び記録媒体
KR102082365B1 (ko) 이미지 처리 방법 및 그 전자 장치
CN111050202A (zh) 视频处理方法、装置、电子设备及介质
CN105677352B (zh) 应用图标颜色的设置方法和装置
CN105472228B (zh) 图像处理方法、装置及终端
EP3396940A1 (en) Method and apparatus for sorting filter options
CN106375787B (zh) 视频播放的方法及装置
CN111861942A (zh) 一种降噪方法及装置、电子设备和存储介质
CN111275641A (zh) 图像处理方法及装置、电子设备和存储介质
CN110784721A (zh) 一种图片数据压缩方法、装置、电子设备及存储介质
CN110648373B (zh) 图像处理方法及装置
CN118018835A (zh) 图像拍摄方法、装置、摄像设备及存储介质
CN117369615A (zh) 电子设备控制方法、装置、存储介质以及电子设备

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20161128

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20161128

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180403

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180417

R150 Certificate of patent or registration of utility model

Ref document number: 6328275

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250