RU2017105475A - Способ и устройство для идентификации типа изображения - Google Patents

Способ и устройство для идентификации типа изображения Download PDF

Info

Publication number
RU2017105475A
RU2017105475A RU2017105475A RU2017105475A RU2017105475A RU 2017105475 A RU2017105475 A RU 2017105475A RU 2017105475 A RU2017105475 A RU 2017105475A RU 2017105475 A RU2017105475 A RU 2017105475A RU 2017105475 A RU2017105475 A RU 2017105475A
Authority
RU
Russia
Prior art keywords
image
identified
pixels
identifying
module
Prior art date
Application number
RU2017105475A
Other languages
English (en)
Other versions
RU2669511C2 (ru
RU2017105475A3 (ru
Inventor
Гошэн ЛИ
Линь ДАЙ
Цзянтао ХУАН
Original Assignee
Бейджин Сяоми Мобайл Софтвэар Ко., Лтд.
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 Бейджин Сяоми Мобайл Софтвэар Ко., Лтд. filed Critical Бейджин Сяоми Мобайл Софтвэар Ко., Лтд.
Publication of RU2017105475A publication Critical patent/RU2017105475A/ru
Publication of RU2017105475A3 publication Critical patent/RU2017105475A3/ru
Application granted granted Critical
Publication of RU2669511C2 publication Critical patent/RU2669511C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation 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
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Claims (42)

1. Способ идентификации типа изображения, содержащий этапы, на которых:
получают гистограммы соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации;
вычисляют соотношения между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами;
если соотношение удовлетворяет предварительно установленному условию, определяют изображение, подлежащее идентификации, как естественное изображение; и
если соотношение не удовлетворяет предварительно определенному условию, определяют изображение, подлежащее идентификации, как комбинированное изображение.
2. Способ идентификации типа изображения по п.1, в котором предварительно установленное цветовое пространство содержит цветовое пространство красный-зеленый-синий RGB, а предварительно установленное условие содержит: количество десятичных разрядов соотношения, превышающее 5.
3. Способ идентификации типа изображения по п.1, в котором вычисление соотношений между количествами пикселей смежных полутонов в соответствующих каналах содержит этап, на котором:
по отношению к отдельным каналам соответственно вычисляют соотношение между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона, и соотношение между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем
Figure 00000001
,
Figure 00000002
 и, как i, так и n -являются целыми числами.
4. Способ идентификации типа изображения по п.1, дополнительно содержащий этапы, на которых:
выполняют статистику относительно количества соотношений, которые не удовлетворяют предварительно установленному условию; и
если количество соотношений превышает предварительно установленное число, определяют изображение, подлежащее идентификации, как комбинированное изображение.
5. Способ идентификации типа изображения по п.1, дополнительно содержащий этап, на котором:
до получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, фильтруют шум в изображении, подлежащем идентификации.
6. Способ идентификации типа изображения по п.1, дополнительно содержащий этапы, на которых:
получают информацию признаков изображения, подлежащего идентификации;
определяют, совпадает ли информация признаков изображения, подлежащего идентификации, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков содержит информацию признаков, принадлежащую к комбинированному изображению; и
если они совпадают, определяют изображение, подлежащее идентификации, как комбинированное изображение.
7. Устройство для идентификации типа изображения, содержащее:
модуль получения, выполненный с возможностью получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации;
модуль вычисления, выполненный с возможностью вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами, полученными модулем получения;
первый модуль определения, выполненный с возможностью, если соотношение, вычисленное модулем вычисления, удовлетворяет предварительно установленному условию, определения изображения, подлежащего идентификации, как естественного изображения; и
второй модуль определения, выполненный с возможностью, если соотношение, вычисленное модулем вычисления, не удовлетворяет предварительно определенному условию, определения изображения, подлежащего идентификации, как комбинированного изображения.
8. Устройство для идентификации типа изображения по п.7, в котором предварительно установленное цветовое пространство содержит цветовое пространство красный-зеленый-синий RGB, а предварительно установленное условие содержит: количество десятичных разрядов соотношения, превышающее 5.
9. Устройство для идентификации типа изображения по п.7, в котором модуль вычисления выполнен с возможностью:
по отношению к отдельным каналам, соответственного вычисления соотношения между количеством пикселей i-го полутона и количеством пикселей (i-n)-го полутона, и соотношения между количеством пикселей i-го полутона и количеством пикселей (i+n)-го полутона в текущем канале, причем
Figure 00000001
,
Figure 00000002
 и, как i, так и n -являются целыми числами.
10. Устройство для идентификации типа изображения по п.7, дополнительно содержащее:
статистический модуль, выполненный с возможностью выполнения статистики относительно количества соотношений, которые не удовлетворяют предварительно установленному условию; и
третий модуль определения, выполненный с возможностью если количество соотношений, полученных статистическим модулем, превышает предварительно установленное число, определения изображения, подлежащего идентификации, как комбинированного изображения.
11. Устройство для идентификации типа изображения по п.7, дополнительно содержащее:
модуль фильтрации, выполненный с возможностью, до получения модулем получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации, фильтрации шума в изображении, подлежащем идентификации.
12. Устройство для идентификации типа изображения по п.7, дополнительно содержащее:
модуль получения информации признаков, выполненный с возможностью получения информации признаков изображения, подлежащего идентификации;
модуль определения, выполненный с возможностью определения, совпадает ли информация признаков изображения, подлежащего идентификации, полученная модулем получения информации признаков, с информацией признаков в предварительно созданной библиотеке признаков, причем библиотека признаков содержит информацию признаков, принадлежащую к комбинированному изображению; и
четвертый модуль определения, выполненный с возможностью, если модуль определения определяет, что они совпадают, определения изображения, подлежащего идентификации, как комбинированного изображения.
13. Устройство для идентификации типа изображения, содержащее:
процессор; и
память для хранения инструкций, выполняемых процессором;
причем процессор выполнен с возможностью:
получения гистограмм соответствующих каналов в предварительно установленном цветовом пространстве изображения, подлежащего идентификации;
вычисления соотношений между количествами пикселей смежных полутонов в соответствующих каналах в соответствии с гистограммами;
если соотношение удовлетворяет предварительно установленному условию, определения изображения, подлежащего идентификации, как естественного изображения; и
если соотношение не удовлетворяет предварительно установленному условию, определения изображения, подлежащего идентификации, как комбинированного изображения.
RU2017105475A 2016-02-22 2016-09-28 Способ и устройство для идентификации типа изображения RU2669511C2 (ru)

Applications Claiming Priority (3)

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

Publications (3)

Publication Number Publication Date
RU2017105475A true RU2017105475A (ru) 2018-08-21
RU2017105475A3 RU2017105475A3 (ru) 2018-08-21
RU2669511C2 RU2669511C2 (ru) 2018-10-11

Family

ID=56331005

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017105475A RU2669511C2 (ru) 2016-02-22 2016-09-28 Способ и устройство для идентификации типа изображения

Country Status (7)

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

Families Citing this family (10)

* 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
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
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
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
US12026458B2 (en) 2022-11-11 2024-07-02 State Farm Mutual Automobile Insurance Company Systems and methods for generating document templates from a mixed set of document types
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
WO2002103617A1 (en) * 2001-06-15 2002-12-27 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
JP4577621B2 (ja) * 2004-09-01 2010-11-10 日本電気株式会社 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
EP2913795B1 (en) * 2012-10-25 2019-04-24 Mitsubishi Electric Corporation Image processing device and image processing method
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
KR102004079B1 (ko) 2019-07-25
JP6328275B2 (ja) 2018-05-23
EP3208745A1 (en) 2017-08-23
EP3208745B1 (en) 2020-08-19
CN105760884A (zh) 2016-07-13
CN105760884B (zh) 2019-09-10
US20170243338A1 (en) 2017-08-24
US10181184B2 (en) 2019-01-15
RU2669511C2 (ru) 2018-10-11
JP2018509663A (ja) 2018-04-05
WO2017143776A1 (zh) 2017-08-31
KR20170139089A (ko) 2017-12-18
RU2017105475A3 (ru) 2018-08-21

Similar Documents

Publication Publication Date Title
RU2017105475A (ru) Способ и устройство для идентификации типа изображения
US10204424B2 (en) Color identifying system, color identifying method and display device
CN106067177B (zh) Hdr场景侦测方法和装置
WO2019011195A1 (en) CONTROL METHOD, TERMINAL EQUIPMENT, AND COMPUTER-READABLE NON-TRANSITORY STORAGE MEDIUM FOR AUTOMATIC EXPOSURE CONTROL OF A REGION OF INTEREST
US10461859B2 (en) Method of outputting color code for data communication to display screen and method of transmitting data using color code
JP2016521890A5 (ru)
CN105283902A (zh) 图像处理装置、图像处理方法、以及图像处理程序
RU2015104783A (ru) Усовершенствованные способы и устройства для кодирования и декодирования hdr изображений
JP2018527687A5 (ru)
US20150278605A1 (en) Apparatus and method for managing representative video images
US8356114B2 (en) Region of interest-based image transfer
US20160073004A1 (en) Detection of object in digital image
US20140140620A1 (en) Image processing apparatus, image processing method and computer readable medium
CN107392841B (zh) 人脸区域中黑眼圈消除方法、装置及终端
EP3879821A1 (en) Color adjustment method, color adjustment device, electronic device and computer-readable storage medium
CN114719966A (zh) 光源确定方法、装置、电子设备及存储介质
CN111260604A (zh) 补光灯故障检测方法、装置、电子设备及可读存储介质
JP6274876B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP2019087962A (ja) 情報処理装置、情報処理方法、プログラム及びカラーチャート
JP2004538555A5 (ru)
JP5615344B2 (ja) 色特徴を抽出するための方法および装置
EP2731055A1 (en) Method and apparatus for ambient lighting color determination
KR20150051084A (ko) 선택적 정제를 이용한 계층적 중요점 영상 생성 방법, 상기 방법을 기록한 컴퓨터 판독 가능 저장매체 및 중요점 영상 생성 장치.
EP4216151A1 (en) Oral detection method, oral detection apparatus and computer-readable storage medium
JP2014090416A (ja) ビデオ検出器及びブラックフレーム検出方法