專(zhuān)利名稱(chēng)：基于圖像屬性將圖像分類(lèi)的方法、介質(zhì)和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明的一個(gè)或多個(gè)實(shí)施例涉及圖像處理技術(shù)，更具體地說(shuō)，涉及一種 在顏色校正(color calibration)中將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像 中的一個(gè)的方法、介質(zhì)和系統(tǒng)。
背景技術(shù)：
顏色校正通常被執(zhí)行用于調(diào)整顯示裝置的輸出特征以匹配參考顏色或其 他裝置的參考顏色，并且在嘗試精確顯示將被打印的顏色中被廣泛使用。例 如，由于使用RGB(紅、綠和藍(lán))顏色在監(jiān)視器上顯示顏色，因此通常需要 執(zhí)行這樣的顏色校正以通過(guò)使用CMYK (青色、品紅色、黃色和黑色)墨水 的打印機(jī)來(lái)打印在監(jiān)視器上顯示的圖像?；陬伾檎冶韥?lái)執(zhí)行該顏色校正。一般來(lái)說(shuō)，表現(xiàn)顏色的顏色輸入/輸出裝置(諸如監(jiān)視器、掃描儀、相機(jī)、 打印機(jī)等)根據(jù)其各自的應(yīng)用而使用不同的顏色空間或不同的顏色模型。在 彩色圖像的情況下，打印裝置通常使用CMY或CMYK顏色空間，彩色CRT (陰極射線管)監(jiān)視器或計(jì)算機(jī)圖形裝置可使用RGB顏色空間，處理顏色、 飽和度和亮度的裝置可使用HIS顏色空間。此外，CIE顏色空間用于定義可 以在任何裝置上按要求精確顯示的所謂裝置無(wú)關(guān)(device independent)顏色。 例如，CIEXYZ、 CIELab和C正Luv顏色空間可以是這樣的裝置無(wú)關(guān)顏色空 間。除了不同的顏色空間，每個(gè)顏色輸入/輸出裝置還可使用不同的可表現(xiàn)顏 色范圍，即色域(color gamut )。因此，由于在色域中的這樣的潛在差異，相 同的彩色圖像在不同的顏色輸入Z輸出裝置上可能看起來(lái)仍不相同。CIELab顏色模型基于由CIE (國(guó)際照明委員會(huì))提出的作為顏色測(cè)量的 國(guó)際標(biāo)準(zhǔn)的初始顏色模型。CIELab顏色模型是裝置無(wú)關(guān)的。也就是說(shuō)，無(wú)論 用于形成或輸出圖像的裝置是什么裝置(諸如監(jiān)視器、打印機(jī)和計(jì)算機(jī))都可顯示相同的顏色。CIELab顏色模型由發(fā)光度(即亮度分量L以及兩個(gè)色調(diào) 分量a和b)構(gòu)成。色調(diào)分量a存在于綠色和紅色之間，色調(diào)分量b存在于藍(lán) 色和黃色之間。此外，由于最近已經(jīng)出現(xiàn)Windows Vista ,除了現(xiàn)有CIELab顏色空間 之外，已經(jīng)提出了 CIECAM02顏色空間作為用于顏色匹配的顏色空間。與 CIELab顏色空間相比，CIECAM02顏色空間嘗試對(duì)人類(lèi)的視覺(jué)特征進(jìn)行精確 建模并反映觀察環(huán)境。也就是說(shuō)，在操作系統(tǒng)的現(xiàn)有顏色管理系統(tǒng)(以下， 稱(chēng)為"CMS")中，例如為了顯示器和打印機(jī)的顏色匹配，用于觀察的光源可 能被限制到D50。然而，由于Windows VistaTM支持CIECAM02顏色空間，在 這樣的操作系統(tǒng)中可以在除了 D50光源之外的各種類(lèi)型的照明(諸如D65光 源、F光源和A光源)下比較和觀察圖像。同時(shí)，國(guó)際顏色協(xié)會(huì)(ICC;http:〃www.color.org)也已經(jīng)提出根據(jù)渲染意 圖的不同色域映射技術(shù)的應(yīng)用。例如，這些渲染意圖可包括感知意圖、相對(duì) 比色意圖和飽和意圖。為了根據(jù)圖像自適應(yīng)地應(yīng)用相對(duì)比色意圖之外的兩種 意圖，首先，有必要判斷圖像是商業(yè)圖形圖像還是普通照片圖像。當(dāng)然，在 相對(duì)比色意圖的情況下，可能需要上述判斷以獲取用于最小化色度的預(yù)期的 視覺(jué)優(yōu)化圖像。圖1示出通過(guò)圖像分類(lèi)單元將給定圖像分類(lèi)為商業(yè)圖形圖像或照片圖像 并將適當(dāng)?shù)纳蛴成浼夹g(shù)應(yīng)用于分類(lèi)的圖像。如圖1所示，輸入圖像可由圖 像分類(lèi)單元分類(lèi)為商業(yè)圖形圖像或照片圖像。其后，可通過(guò)根據(jù)圖像分類(lèi)應(yīng) 用最優(yōu)色域映射技術(shù)來(lái)獲得具有預(yù)期的優(yōu)化圖像質(zhì)量的輸出圖像。也就是， 可將ICC飽和度色域映射技術(shù)應(yīng)用于分類(lèi)為商業(yè)圖形圖像的輸入圖像，并將 ICC感知色域映射技術(shù)應(yīng)用于分類(lèi)為照片圖像的輸入圖像。然而，為了通過(guò)應(yīng)用適當(dāng)?shù)纳蛴成浼夹g(shù)來(lái)改善輸出圖像，需要圖像分 類(lèi)單元執(zhí)行適當(dāng)?shù)膱D像分類(lèi)。因此，需要能夠通過(guò)從圖像信息進(jìn)行各種分析 (諸如亮度分布分析、飽和度分析和邊緣分析)對(duì)輸入圖像的特征分類(lèi)的技 術(shù)/處理/系統(tǒng)，這將在下面更詳細(xì)地描述。發(fā)明內(nèi)容本發(fā)明的 一個(gè)或多個(gè)實(shí)施例的一方面在于提供一種精確地將輸入圖像分 類(lèi)為商業(yè)圖形圖像或照片圖像的方法、介質(zhì)和系統(tǒng)。將在描述中部分地闡述另外的方面和/或優(yōu)點(diǎn)，部分地，通過(guò)描述將是清 楚的，或可通過(guò)本發(fā)明的實(shí)踐而得知。為了實(shí)現(xiàn)上述和/或其他方面和優(yōu)點(diǎn)，本發(fā)明的實(shí)施例包括將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的至少一個(gè)的系統(tǒng)，所述系統(tǒng)包括亮度分 析單元，計(jì)算輸入圖像的亮度分量的亮度頻率分布；飽和度分析單元，計(jì)算 輸入圖像的飽和度分量中的飽和度分量平均值；以及圖像分類(lèi)單元，根據(jù)計(jì) 算的亮度頻率分布、飽和度分量的平均值和閾值，基于評(píng)估函數(shù)的比較將輸 入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的一個(gè)，并輸出分類(lèi)的結(jié)果。為了實(shí)現(xiàn)上述和/或其他方面和優(yōu)點(diǎn)，本發(fā)明的實(shí)施例包括一種將輸入圖 像分類(lèi)為商業(yè)圖形圖像和照片圖像中的至少一個(gè)的方法，所述方法包括計(jì) 算輸入圖像的亮度分量的亮度頻率分布；計(jì)算輸入圖像的飽和度分量平均值； 以及根據(jù)計(jì)算的亮度頻率分布、飽和度分量的平均值和閾值，基于評(píng)估函數(shù) 的比較將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的 一個(gè)，并輸出分類(lèi)的 結(jié)果。為了實(shí)現(xiàn)上述和/或其他方面和優(yōu)點(diǎn)，本發(fā)明的實(shí)施例包括至少一種介 質(zhì)，所述介質(zhì)包括用于控制至少 一個(gè)處理部件以實(shí)現(xiàn)將輸入圖像分類(lèi)為商業(yè) 圖形圖像和照片圖像中的至少一個(gè)的方法的計(jì)算機(jī)可讀代碼，所述方法包括 計(jì)算輸入圖像的亮度分量的亮度頻率分布；計(jì)算輸入圖像的飽和度分量平均 值；以及根據(jù)計(jì)算的亮度頻率分布、飽和度分量的平均值和闞值，基于評(píng)估 函數(shù)的比較將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的 一個(gè)，并輸出分 類(lèi)的結(jié)果。


通過(guò)下面結(jié)合附圖對(duì)實(shí)施例的描述，本發(fā)明的上述和/或其他方面將會(huì)變得清楚和更容易理解，其中圖1示出對(duì)輸入圖像分類(lèi)以及將色域映射應(yīng)用于分類(lèi)的圖像； 圖2示出根據(jù)本發(fā)明實(shí)施例的基于圖像屬性的圖像分類(lèi)系統(tǒng)； 圖3示出根據(jù)本發(fā)明實(shí)施例的將輸入圖像的RGB數(shù)據(jù)轉(zhuǎn)換為CIELab顏色空間的數(shù)據(jù)的處理；圖4示出根據(jù)本發(fā)明實(shí)施例的將輸入圖像的RGB數(shù)據(jù)轉(zhuǎn)換為CIECAM02顏色空間的數(shù)據(jù)的處理；圖5示出根據(jù)本發(fā)明實(shí)施例的多層感知器的基本構(gòu)思；以及 圖6示出根據(jù)本發(fā)明實(shí)施例的基于圖像屬性對(duì)圖像分類(lèi)的方法。
具體實(shí)施方式
現(xiàn)在將詳細(xì)描述實(shí)施例，實(shí)施例的示例在附圖中示出，其中，相同的標(biāo) 號(hào)始終表示相同的部件。為此，本發(fā)明的實(shí)施例可以以多種不同形式被實(shí)現(xiàn)， 并且不應(yīng)被理解為限制于在此闡述的實(shí)施例。因此，以下通過(guò)參照附圖描述 實(shí)施例僅用于解釋本發(fā)明的各方面。圖2示出根據(jù)本發(fā)明實(shí)施例的基于圖像屬性的圖像分類(lèi)系統(tǒng)100。例如， 圖像分類(lèi)系統(tǒng)100可包括顏色空間轉(zhuǎn)換單元105、亮度分析單元IIO、飽和 度分析單元120、邊緣分析單元130和圖像分類(lèi)單元140。例如，顏色空間轉(zhuǎn)換單元105可將輸入圖像的RGB數(shù)據(jù)轉(zhuǎn)換為由亮度和 飽和度分量構(gòu)成的顏色空間。在實(shí)施例中，可將上述CIELab或CIECAM02 顏色空間作為顏色空間的示例。圖3示出將輸入圖像的RGB數(shù)據(jù)轉(zhuǎn)換為CIELab顏色空間的數(shù)據(jù)的處理。 RGB數(shù)據(jù)通常不能直接轉(zhuǎn)換為L(zhǎng)ab數(shù)據(jù)，并且通常需要進(jìn)行XYZ數(shù)據(jù)(關(guān) 于CIEXYZ顏色空間的數(shù)據(jù))的轉(zhuǎn)換處理。也就是說(shuō)，將RGB數(shù)據(jù)轉(zhuǎn)換為 Lab數(shù)據(jù)的轉(zhuǎn)換處理可包括在操作S31將RGB數(shù)據(jù)轉(zhuǎn)換為XYZ數(shù)據(jù)的轉(zhuǎn)換 以及在操作S32將XYZ數(shù)據(jù)轉(zhuǎn)換為L(zhǎng)ab數(shù)據(jù)。這里，例如可通過(guò)測(cè)量將由色 度裝置顯示的RGB斑點(diǎn)來(lái)執(zhí)行操作S31,從而獲取XYZ數(shù)據(jù)。或者，在操 作S31，可通過(guò)sRGB模型將RGB數(shù)據(jù)轉(zhuǎn)換為XYZ數(shù)據(jù)，注意任一選擇都 是可行的。在"Color Management Default RGB Color Space sRGB" (IEC TC-100, IEC 61966-2-1, 1999)中進(jìn)一步描述了這種技術(shù)的細(xì)節(jié)。這里，RGB 數(shù)據(jù)被轉(zhuǎn)換為rR、rG和rB分量，并隨后通過(guò)特定轉(zhuǎn)換矩陣轉(zhuǎn)換為XYZ數(shù)據(jù)。在操作S32，例如可根據(jù)以下等式1將XYZ數(shù)據(jù)轉(zhuǎn)換為L(zhǎng)ab數(shù)據(jù)等式l<formula>formula see original document page 8</formula>這里，參考符號(hào)L表示亮度，參考符號(hào)a表示紅綠色(紅色和綠色之間的顏色)，參考符號(hào)b表示黃藍(lán)色(藍(lán)色和黃色之間的顏色)。同時(shí)，圖4示出將輸入圖像的RGB數(shù)據(jù)轉(zhuǎn)換為CIECAM02顏色空間的 數(shù)據(jù)(JCh數(shù)據(jù))的處理。該處理包括在操作S31,將輸入圖像的RGB數(shù) 據(jù)轉(zhuǎn)換為XYZ數(shù)據(jù)；在操作S41,將XYZ數(shù)據(jù)轉(zhuǎn)換為JCh數(shù)據(jù)。在JCh數(shù) 據(jù)中，參考符號(hào)J表示亮度，參考符號(hào)C表示飽和度，參考符號(hào)h表示顏色。 這里，操作S31可以與圖3中示出的S31相同或相似。然而，在操作S41, 可使用在"The CIECAM02 Color Appearance Model" (Nathan Moroney， Mark Fairchild, Robert Hunt, Changjun Li， Ronnier Luo and Todd Newman, IS&T/SID 10th Color Imaging Conference)中描述的技術(shù)。將XYZ數(shù)據(jù)轉(zhuǎn)換為Jch數(shù)據(jù)的 步驟包括使用參考白色的CIEXYZ、參考條件下的參考白色、適應(yīng)字段的照 片亮度、背景亮度因素、周?chē)鷧?shù)和背景參數(shù)。再次參照?qǐng)D2，例如，顏色空間轉(zhuǎn)換單元105可將亮度-飽和度空間的轉(zhuǎn) 換的數(shù)據(jù)(例如Lab數(shù)據(jù)或Jch數(shù)據(jù))提供給亮度分析單元110、飽和度分析 單元120和邊緣分析單元130。例如，亮度分析單元110可使用從顏色空間轉(zhuǎn)換單元105提供的亮度分 量來(lái)計(jì)算輸入圖像的亮度頻率分布(以下稱(chēng)為"LFD")。 LFD是指示亮度分 量如何連續(xù)分布在整個(gè)范圍中的指標(biāo)(index )。例如，可使用下面的等式2 計(jì)算這樣的LFD:等式2<formula>formula see original document page 9</formula>這里，參考符號(hào)Lj表示Lab圖像的第i個(gè)亮度分量，參考符號(hào)num一L, 表示參考符號(hào)Li的頻率。當(dāng)假設(shè)i在0到N的范圍內(nèi)，Lo與最暗的亮度分量 值對(duì)應(yīng)，Lw與最亮的亮度分量值對(duì)應(yīng)。根據(jù)等式2，相似(相鄰)亮度分量 L,和L,w之間的出現(xiàn)頻率越相似，LFD變得越小。否則，LFD增加。也就是 說(shuō)，LFD在普通照片圖像中相對(duì)較小而在商業(yè)圖形圖像中相對(duì)較大。飽和度分析單元120可計(jì)算例如從顏色空間轉(zhuǎn)換單元105提供的飽和度 分量的平均值A(chǔ)vg—C。例如，該平均值與Lab圖像中的所有像素的飽和度的 平均值或從Lab圖像采樣的圖像的像素的飽和度的平均值對(duì)應(yīng)。例如，通常 可通過(guò)以下的等式3計(jì)算Lab圖像的飽和度等式3一般來(lái)說(shuō)，照片圖像的飽和度分量的平均值A(chǔ)vg—C高于商業(yè)圖形圖像的 飽和度分量的平均值。因此,例如可使用飽和度分量來(lái)評(píng)估輸入圖像的特征。邊緣分析單元130可計(jì)算例如從顏色空間轉(zhuǎn)換單元105提供的亮度分量 的頻率分布。具體地說(shuō)，例如，邊緣分析單元130可使用從顏色空間轉(zhuǎn)換單 元105提供的亮度分量來(lái)計(jì)算輸入圖像的傅立葉頻率分布(以下稱(chēng)為"FFD")。 這里，例如所述頻率分布與通過(guò)對(duì)亮度分量表示的圖像執(zhí)行頻率變換(例如， 余弦變換)獲得的圖像的分布對(duì)應(yīng)。 一般來(lái)說(shuō)，在商業(yè)圖形圖像中存在相對(duì) 較多的高頻分量而在照片圖像中存在相對(duì)較多的低頻分量。因此，在通過(guò)對(duì) 輸入圖像執(zhí)行頻率變換而獲得的頻率分布中，照片圖像通常顯示包括低頻分 量的各種頻率分量，但是商業(yè)圖形圖像通常主要顯示高頻分量。例如，可通過(guò)下面的等式4計(jì)算對(duì)上述屬性分類(lèi)的FFD:等式4y (w畫(huà) 爿.—wwm d )2 〉乂服m —4)這里，參考符號(hào)A,表示Lab圖像的第i個(gè)頻率分量(例如，關(guān)于L的頻 率分量)，參考符號(hào)num—A,表示^的頻率。當(dāng)假設(shè)i在O到M的范圍內(nèi)時(shí)， Ao與最低頻率分量值對(duì)應(yīng)，AM與最高頻率分量值對(duì)應(yīng)。根據(jù)等式4，相似(相 鄰)頻率分量A,和Ai+1之間的出現(xiàn)頻率越相似，F(xiàn)FD變得越小。否則，F(xiàn)FD 變得較大。因此，當(dāng)輸入圖像是照片圖像時(shí)，F(xiàn)FD通常變得相對(duì)較小，當(dāng)輸 入圖像是商業(yè)圖形圖像時(shí)，F(xiàn)FD變得相對(duì)較大。在實(shí)施例中，圖像分類(lèi)單元140可將計(jì)算的LFD、平均值A(chǔ)vg_C和FFD 與預(yù)定閾值進(jìn)行比較，以最終判斷應(yīng)將輸入圖像分類(lèi)為商業(yè)圖形圖像或是照 片圖像中的哪一個(gè)。然而，例如如果為三個(gè)參數(shù)對(duì)應(yīng)地設(shè)置閾值，則可執(zhí)行 不同的判斷。例如，通過(guò)三個(gè)參數(shù)，可要求組合所述三個(gè)參數(shù)并設(shè)置一個(gè)閾 值。為此，在實(shí)施例中，例如圖像分類(lèi)單元140可使用神經(jīng)網(wǎng)絡(luò)算法計(jì)算一 個(gè)包括三個(gè)參數(shù)的評(píng)估函數(shù)，并對(duì)評(píng)估函數(shù)設(shè)置一個(gè)閾值。因此，在此示例 中，圖像分類(lèi)單元140可通過(guò)判斷評(píng)估函數(shù)是否超過(guò)或達(dá)到閾值來(lái)將輸入圖 像分類(lèi)為商業(yè)圖形圖像或照片圖像中的 一 個(gè)。多層感知器神經(jīng)網(wǎng)絡(luò)是不同的神經(jīng)網(wǎng)絡(luò)算法中最廣泛使用的神經(jīng)網(wǎng)絡(luò)算法，并且至少可以在本發(fā)明實(shí)施例中類(lèi)似地使用。這里，圖5示出多層感知 器的基本構(gòu)思。如所示，輸入矢量具有n個(gè)參數(shù)x,至Xn以及作為偏置項(xiàng)的動(dòng) 量常數(shù)(例如定義為1)。然后各個(gè)輸入值乘以加權(quán)Wi并通過(guò)加法器51相加。 然后例如可應(yīng)用簡(jiǎn)單函數(shù)f(x) 52。該簡(jiǎn)單函數(shù)可被稱(chēng)為執(zhí)行函數(shù)或評(píng)估函數(shù)。例如，通過(guò)上述處理計(jì)算的結(jié)果神經(jīng)元y可通過(guò)下面的等式5表示等式5與本發(fā)明的此實(shí)施例相似，如果使用三個(gè)參數(shù)LFD、 Avg—C和FFD，則 n=3, x,至X3分別對(duì)應(yīng)于LFD、 Avg_C和FFD。此外，例如可通過(guò)各種方式 (諸如在下面的等式6中示出的sigmoid函數(shù))來(lái)定義等式5的評(píng)估函數(shù)f(x): 等式6f(u)=l/(l+ O因此，可通過(guò)調(diào)整加權(quán)關(guān)于多個(gè)輸入圖像訓(xùn)練多層感知器神經(jīng)網(wǎng)絡(luò)。在 這樣的訓(xùn)練中，例如可將神經(jīng)網(wǎng)絡(luò)的輸出與期望的輸出、用于調(diào)整加權(quán)的兩 個(gè)信號(hào)之間的差以及由學(xué)習(xí)速率控制的調(diào)整比率進(jìn)行比較?？纱嬖谕ㄟ^(guò)學(xué)習(xí)收斂的評(píng)估函數(shù)，例如，在0和1之間。例如如果用戶(hù) 指定O作為照片圖像，指定l作為商業(yè)圖形圖像，則可使用0.5作為關(guān)于評(píng) 估函數(shù)的閾值對(duì)輸入圖像進(jìn)行分類(lèi)。也就是說(shuō)，例如如果收斂的評(píng)估函數(shù)等 于或小于0.5，則輸入圖像可被分類(lèi)為照片圖像，而又例如如果收斂的評(píng)估函 數(shù)大于0.5，則輸入圖像可被分類(lèi)為商業(yè)圖形圖像。圖6示出根據(jù)本發(fā)明實(shí)施例的基于圖像屬性對(duì)圖像分類(lèi)的方法。例如，在操作S61,可通過(guò)顏色空間轉(zhuǎn)換單元105將輸入RGB圖像轉(zhuǎn)換 為亮度-飽和度顏色空間的分量。這里，例如亮度-飽和度顏色空間與可以表示 亮度和飽和度的顏色空間(諸如CIELab顏色空間或CIECAM02顏色空間) 對(duì)應(yīng)，注意另外的顏色空間同樣可行。在操作S62，例如，可通過(guò)亮度分析單元110計(jì)算由顏色空間轉(zhuǎn)換單元 105轉(zhuǎn)換的分量中亮度分量的亮度頻率分布分量。此時(shí)，如上面相關(guān)的等式2 所述，可使用相鄰亮度分量之間的頻率差來(lái)計(jì)算亮度頻率分布。此外，在操作S63,例如可通過(guò)飽和度分析單元120計(jì)算由顏色空間轉(zhuǎn) 換單元105轉(zhuǎn)換的分量中的飽和度分量的平均值。在實(shí)施例中，當(dāng)輸入RGB 圖像被轉(zhuǎn)換為CIELab顏色空間時(shí)，例如可根據(jù)等式3找出飽和度。在操作S64，例如還可通過(guò)邊緣分析單元130計(jì)算由顏色空間轉(zhuǎn)換單元 105轉(zhuǎn)換的分量中的亮度分量的頻率分布。具體地說(shuō)，在實(shí)施例中，例如可 將轉(zhuǎn)換的分量中的亮度分量轉(zhuǎn)換為頻率區(qū)，并且如上面相關(guān)的等式4所述， 可計(jì)算頻率區(qū)中的相鄰頻率分量之間的頻率差。例如，在操作S65，還可通過(guò)圖像分類(lèi)單元140使用計(jì)算的亮度頻率分 布、飽和度分量的平均值和頻率分布來(lái)計(jì)算評(píng)估函數(shù)。在實(shí)施例中，為了計(jì) 算評(píng)估函數(shù)，可應(yīng)用神經(jīng)網(wǎng)絡(luò)算法。此外，在操作S66，可判斷評(píng)估函數(shù)是 否超過(guò)或達(dá)到預(yù)定閾值，從而在操作S67將輸入圖像分類(lèi)為商業(yè)圖形圖像， 或者在操作S68分類(lèi)為照片圖像。件部件(諸如任務(wù)、類(lèi)、子程序、進(jìn)程、對(duì)象、執(zhí)行線程或程序)、硬件部件 (諸如現(xiàn)場(chǎng)可編程門(mén)陣列(FPGA )或?qū)Ｓ眉呻娐?ASIC ))或軟件和/或硬 件部件的組合來(lái)實(shí)現(xiàn)。另外，示例流程圖的每個(gè)方框可表示包括一個(gè)或多個(gè)能夠?qū)崿F(xiàn)特定邏輯 功能的可執(zhí)行指令的模塊、分段或部分代碼。還應(yīng)注意在一些可選的實(shí)現(xiàn)方 式中，在方框中提到的操作可不按順序出現(xiàn)。例如，根據(jù)有關(guān)的操作，連續(xù) 顯示的兩個(gè)方框?qū)嶋H上可纟皮同時(shí)執(zhí)行和/或所述方框有時(shí)可按照相反順序被 執(zhí)行。考慮到此，除了上述實(shí)施例之外，還可通過(guò)介質(zhì)(例如計(jì)算機(jī)可讀介質(zhì)) 中/上的計(jì)算機(jī)可讀代碼/指令來(lái)實(shí)現(xiàn)本發(fā)明的實(shí)施例，以控制至少一個(gè)處理組 件來(lái)實(shí)現(xiàn)任意的上述實(shí)施例。所述介質(zhì)可對(duì)應(yīng)于任意允許存儲(chǔ)和/或傳輸計(jì)算 機(jī)可讀代碼的介質(zhì)，并且實(shí)際上可以是至少一個(gè)處理組件。所述介質(zhì)還可是 系統(tǒng)實(shí)施例的示例。計(jì)算機(jī)可讀代碼能夠以各種方式被記錄/傳送到介質(zhì)上，介質(zhì)的示例包 括諸如磁存儲(chǔ)介質(zhì)的記錄介質(zhì)(例如，ROM、軟盤(pán)、硬盤(pán)等)、光學(xué)記錄 介質(zhì)(例如，CD-ROM或DVD )和傳輸介質(zhì)(諸如介質(zhì)承載或包括載波的介 質(zhì))，以及互聯(lián)網(wǎng)組件。因此，根據(jù)本發(fā)明的實(shí)施例，介質(zhì)可以是包括或承載 信號(hào)或信息的限定的并且可測(cè)量的結(jié)構(gòu)，諸如承載比特流的裝置。介質(zhì)還可 以是分布式網(wǎng)絡(luò)，從而以分布的方式存儲(chǔ)/傳送以及執(zhí)行計(jì)算機(jī)可讀代碼。另 外，僅作為示例，處理組件可包括處理器或計(jì)算機(jī)處理器，并且處理組件可 分布和/或包括在單個(gè)裝置中。根據(jù)本發(fā)明的一個(gè)或多個(gè)實(shí)施例，可通過(guò)從圖像信息進(jìn)行亮度分布、飽 和度和邊緣分析將給定的圖像自動(dòng)分類(lèi)為商業(yè)圖形圖像和照片圖像中的一 個(gè)。此外，所述分類(lèi)可作為輸出裝置/系統(tǒng)(諸如打印機(jī)等)的集成部分應(yīng)用 于圖像處理技術(shù)或優(yōu)化顏色再現(xiàn)(例如，上述系統(tǒng)可以是打印機(jī))。在一個(gè)實(shí) 施例中，在實(shí)驗(yàn)中發(fā)現(xiàn)可能更優(yōu)選的是在系統(tǒng)中包括亮度分布分析和飽和度 分析，并且如果需要，可選擇性地增加邊緣分析。雖然已經(jīng)參照本發(fā)明的不同實(shí)施例具體地示出和描述了本發(fā)明，但是應(yīng) 理解這些示例性實(shí)施例應(yīng)被認(rèn)為是描述性的，并不是作為限制目的。縮小或 擴(kuò)大在 一個(gè)實(shí)施例中的 一方面的功能或性能不應(yīng)被認(rèn)為是對(duì)不同實(shí)施例中的 相似特征的對(duì)應(yīng)擴(kuò)大或縮小，即，每個(gè)實(shí)施例的特征或各方面的描述應(yīng)通常 被認(rèn)為是對(duì)于其余實(shí)施例的其他相似特征或方面也是可行的。因此，雖然已經(jīng)示出和描述了若干實(shí)施例，但是本領(lǐng)域的技術(shù)人員將理 解，在不脫離本發(fā)明的原理和精神的情況下，可以對(duì)這些實(shí)施例做出改變， 本發(fā)明的范圍在權(quán)利要求及其等同物中限定。
權(quán)利要求
1、一種將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的至少一個(gè)的系統(tǒng)，所述系統(tǒng)包括亮度分析單元，計(jì)算輸入圖像的亮度分量的亮度頻率分布；飽和度分析單元，計(jì)算輸入圖像的飽和度分量中的飽和度分量平均值；以及圖像分類(lèi)單元，根據(jù)計(jì)算的亮度頻率分布和飽和度分量平均值以及閾值，基于評(píng)估函數(shù)的比較將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的一個(gè)，并輸出分類(lèi)的結(jié)果。
2、 如權(quán)利要求l所述的系統(tǒng)，還包括顏色空間轉(zhuǎn)換單元，將輸入圖像 轉(zhuǎn)換為亮度-飽和度顏色空間的分量，以至少產(chǎn)生輸入圖像的亮度分量和輸入 圖像的飽和度分量。
3、 如權(quán)利要求l所述的系統(tǒng)，還包括邊緣分析單元，計(jì)算輸入圖像的 亮度分量的頻率分布，并且其中，圖像分類(lèi)單元將輸入圖像分類(lèi)的步驟還基于計(jì)算的頻率分布。
4、 如權(quán)利要求3所述的系統(tǒng)，其中，邊緣分析單元將輸入圖像的亮度分 量轉(zhuǎn)換為頻率區(qū)域，并計(jì)算所述頻率區(qū)域中的相鄰頻率分量之間的頻率差。
5、 如權(quán)利要求l所述的系統(tǒng)，其中，輸入圖像是RGB圖像。
6、 如權(quán)利要求5所述的系統(tǒng)，其中，通過(guò)將RGB圖像轉(zhuǎn)換到亮度-飽和 度顏色空間得到輸入圖像的亮度分量和輸入圖像的飽和度分量，所述亮度-飽 和度顏色空間是CIELab顏色空間或CIECAM02顏色空間。
7、 如權(quán)利要求l所述的系統(tǒng)，其中，亮度分析單元計(jì)算輸入圖像的相鄰 亮度分量之間的頻率差。
8、 如權(quán)利要求1所述的系統(tǒng)，其中，基于通過(guò)將CIELab顏色空間的Lab 數(shù)據(jù)的"a"分量的平方以及"b，，分量的平方相加所得的值的平方根來(lái)計(jì)算 輸入圖像的飽和度分量。
9、 如權(quán)利要求l所述的系統(tǒng)，其中，圖4象分類(lèi)單元通過(guò)應(yīng)用神經(jīng)網(wǎng)絡(luò)算 法來(lái)識(shí)別評(píng)估函數(shù)。
10、 一種將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的至少一個(gè)的方 法，所述方法包括計(jì)算輸入圖像的亮度分量的亮度頻率分布； 計(jì)算輸入圖像的飽和度分量平均值；以及根據(jù)計(jì)算的亮度頻率分布和飽和度分量平均值以及閾值，基于評(píng)估函數(shù) 的比較將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中"一個(gè)，并輸出分類(lèi)的結(jié)果。
11、 如權(quán)利要求10所述的方法，還包括將輸入圖像轉(zhuǎn)換為亮度-飽和 度顏色空間的分量，以至少產(chǎn)生輸入圖像的亮度分量和輸入圖像的飽和度分量。
12、 如權(quán)利要求IO所述的方法，還包括計(jì)算輸入圖像的亮度分量的頻 率分布，并且其中，將輸入圖像分類(lèi)的步驟還基于計(jì)算的頻率分布。
13、 如權(quán)利要求12所述的方法，其中，計(jì)算頻率分布的步驟包括 將輸入圖像的亮度分量轉(zhuǎn)換為頻率區(qū)域，以及 計(jì)算所述頻率區(qū)域中的相鄰頻率分量之間的頻率差。
14、 如權(quán)利要求IO所述的方法，其中，輸入圖像是RGB圖像。
15、 如權(quán)利要求14所述的方法，其中，通過(guò)將RGB圖像轉(zhuǎn)換到亮度-飽和度顏色空間得到輸入圖像的亮度分量和輸入圖像的飽和度分量，所述亮 度-飽和度顏色空間是CIELab顏色空間或CIECAM02顏色空間。
16、 如權(quán)利要求IO所述的方法，其中，計(jì)算亮度頻率分布的步驟包括 計(jì)算輸入圖像的相鄰亮度分量之間的頻率差。
17、 如權(quán)利要求IO所述的方法，其中，基于通過(guò)將CIELab顏色空間的 Lab數(shù)據(jù)的"a"分量的平方以及"b"分量的平方相加所得的值的平方根來(lái) 計(jì)算輸入圖像的飽和度分量。
18、 如權(quán)利要求IO所述的方法，其中，在將輸入圖像分類(lèi)的步驟中，通 過(guò)應(yīng)用神經(jīng)網(wǎng)絡(luò)算法來(lái)識(shí)別評(píng)估函數(shù)。
19、 至少一種介質(zhì)，包括控制至少一個(gè)處理組件以實(shí)現(xiàn)將輸入圖像分類(lèi) 為商業(yè)圖形圖像和照片圖像中的至少 一 個(gè)的方法的計(jì)算機(jī)可讀代碼，所述方 法包括計(jì)算輸入圖像的亮度分量的亮度頻率分布； 計(jì)算輸入圖像的飽和度分量平均值；以及根據(jù)計(jì)算的亮度頻率分布和飽和度分量平均值以及閾值，基于評(píng)估函數(shù)的比較將輸入圖像分類(lèi)為商業(yè)圖形圖像和照片圖像中的 一個(gè)，并輸出分類(lèi)的結(jié)果。
20、如權(quán)利要求19所述的介質(zhì)，其中，所述方法還包括將輸入圖像轉(zhuǎn) 換為亮度-飽和度顏色空間的分量，以至少產(chǎn)生輸入圖像的亮度分量和輸入圖 像的飽和度分量。
全文摘要
一種基于圖像屬性將圖像分類(lèi)的方法、介質(zhì)和系統(tǒng)，具體地說(shuō)，公開(kāi)了一種在諸如圖像的圖像校正中將圖像分類(lèi)為商業(yè)圖形圖像或照片圖像的方法、介質(zhì)和系統(tǒng)。將輸入圖像分類(lèi)為商業(yè)圖形圖像或照片圖像中的至少一個(gè)的系統(tǒng)包括顏色空間轉(zhuǎn)換單元，將輸入圖像轉(zhuǎn)換為亮度-飽和度顏色空間的分量；亮度分析單元，計(jì)算轉(zhuǎn)換的分量中的亮度分量的亮度頻率分布；飽和度分析單元，計(jì)算轉(zhuǎn)換的分量中的飽和度分量的平均值；以及圖像分類(lèi)單元，使用計(jì)算的亮度頻率分布和飽和度分量平均值以及閾值對(duì)評(píng)估函數(shù)進(jìn)行比較，從而將輸入圖像分類(lèi)。
文檔編號(hào)H04N1/60GK101222575SQ20081000164
公開(kāi)日2008年7月16日 申請(qǐng)日期2008年1月7日 優(yōu)先權(quán)日2007年1月9日
發(fā)明者姜炳豪, 曹熺根, 羅尼爾·羅, 趙敏起 申請(qǐng)人:三星電子株式會(huì)社