專利名稱：圖像處理的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理。
背景技術(shù)：
目前已經(jīng)開(kāi)發(fā)出了用于對(duì)文本信息項(xiàng)或者至少對(duì)具有一些文本內(nèi)
容的項(xiàng)目(item)進(jìn)行索引和搜索的技術(shù)。作為此類技術(shù)的一個(gè)例子來(lái) 講，可以由文本項(xiàng)(例如，字分布)生成特4正數(shù)據(jù)，并且可以以特征數(shù) 據(jù)的比較為基礎(chǔ)實(shí)施項(xiàng)目之間的比較。
但是，就圖像項(xiàng)而言，只有少數(shù)幾種有用的技術(shù)。 一種簡(jiǎn)單的技術(shù)是使某些文本與圖像相關(guān)。該技術(shù)的簡(jiǎn)單情況可以 是標(biāo)題，或者該技術(shù)可以涉及更為詳細(xì)的"元數(shù)據(jù)"，例如，說(shuō)明書(shū)的 段落、圖像中的項(xiàng)目或人的清單、圖像的俘獲時(shí)間、其俘獲所涉及的項(xiàng) 目的清單等。之后，可以采用基于文本的搜索技術(shù)識(shí)別似的圖像。當(dāng) 然，提供精確、有用的元數(shù)據(jù)既耗費(fèi)時(shí)間，又代價(jià)昂貴。
其他技術(shù)基于圖像自身建立特征數(shù)據(jù)。這些特征數(shù)據(jù)可以包括顏色 特性、紋理特性等。但是，這仍然是有限的，因?yàn)閷?duì)于觀察者而言表現(xiàn) 相同事物的兩幅圖像可能具有迥然不同的圖像特性。簡(jiǎn)單地計(jì)量特定亮 度或顏色值的出現(xiàn)未必能夠提供有用的圖像比較措施。

發(fā)明內(nèi)容
本發(fā)明提供了一種圖像處理方法，其包括的步驟有
檢測(cè)處于測(cè)試當(dāng)中的圖像的至少 一 部分內(nèi)的由預(yù)定數(shù)量的像素構(gòu) 成的連續(xù)集合當(dāng)中的像素特性的排列的統(tǒng)計(jì)分布，從而針對(duì)所述的處于 測(cè)試當(dāng)中的圖像的至少一部分導(dǎo)出特征數(shù)據(jù)；以及
將針對(duì)所述的處于測(cè)試當(dāng)中的圖像導(dǎo)出的特征數(shù)據(jù)與從一幅或多 幅其他圖像的至少相應(yīng)部分導(dǎo)出的特征數(shù)據(jù)進(jìn)行比較，以檢測(cè)處于測(cè)試 當(dāng)中的圖像與所述的一幅或多幅其他圖像之間的相似度。
本發(fā)明通過(guò)新的特征檢測(cè)技術(shù)解決了上文所述的問(wèn)題，所述新的特 征檢測(cè)技術(shù)涉及檢測(cè)處于測(cè)試當(dāng)中的圖像的至少 一 部分內(nèi)的由預(yù)定數(shù)量的像素構(gòu)成的連續(xù)集合當(dāng)中的像素特性的排列的統(tǒng)計(jì)分布。因而，不 再筒單地單獨(dú)檢測(cè)像素特性，而是檢測(cè)像素的連續(xù)集合(例如， 一對(duì)相 鄰像素)的像素特性。并且，跨越整幅圖像或者圖像的一部分，確立各 組像素特性的統(tǒng)計(jì)學(xué)分布。已經(jīng)發(fā)現(xiàn)，這樣可以為圖像比較提供尤為有 用的特征數(shù)據(jù)組。
在優(yōu)選實(shí)施例中，所述的由預(yù)定數(shù)量的像素構(gòu)成的連續(xù)集合可以是 兩個(gè)相鄰像素的集合。像素特性的排列是指所述集合中的一個(gè)像素的像 素特性與所述集合中的另 一 像素的特性的排列，等等。
權(quán)利要求中限定了本發(fā)明的其他各個(gè)方面和特征。


現(xiàn)在將參考附圖，僅通過(guò)舉例的方式描述本發(fā)明的實(shí)施例，在附圖
中
圖1示意性地示出了一種圖像處理系統(tǒng)； 圖2a和2b示意性地示出了將圖像劃分成多個(gè)圖像部分； 圖3是示出了圖像劃分過(guò)程的示意性流程圖； 圖4示意性地示出了帶有黑邊界的圖像； 圖5示意性地示出了圖像內(nèi)的搜索區(qū)域； 圖6示意性地示出了在圖像內(nèi)生成簇的早期階段； 圖7示意性地示出了主要部分過(guò)濾處理； 圖8是示出了特征矢量的生成的示意性流程圖； 圖9示意性地示出了量化的RGB空間； 圖IO示意性地示出了量化邊界； 圖11示意性地示出了特征直方圖的生成； 圖12示意性地示出了隨機(jī)映射處理； 圖13示意性地示出了加權(quán)顏色量化處理； 圖14示意性地示出了加權(quán)馬爾可夫模型的生成； 圖15示意性地示出了作為視頻獲取和/或處理設(shè)備的例子的便攜式 攝像機(jī)；以及
圖16示意性地示出了作為便攜式數(shù)據(jù)處理設(shè)備的個(gè)人數(shù)字助理。
具體實(shí)施方式
圖1是基于通用計(jì)算機(jī)10的圖像處理系統(tǒng)的示意圖，所述通用計(jì)
算機(jī)10具有包括用于程序和數(shù)據(jù)的磁盤存儲(chǔ)器30的處理器單元20、連 接至諸如Ethernet或Internet的網(wǎng)絡(luò)50的網(wǎng)絡(luò)接口卡40、諸如陰極射線 管或液晶顯示裝置的顯示裝置60、鍵盤70和諸如鼠標(biāo)的用戶輸入裝置 80。所述系統(tǒng)在程序控制下工作，所述程序存儲(chǔ)在磁盤存儲(chǔ)器30內(nèi)， 并且(例如)通過(guò)網(wǎng)絡(luò)50、可拆卸磁盤(未示出)或石茲盤存儲(chǔ)器30上 的預(yù)安裝提供。
一般而言，將圖像處理設(shè)備設(shè)置為將圖像劃分為各個(gè)圖像部分。之 后，根據(jù)所述部分導(dǎo)出所謂的特征數(shù)據(jù)。這樣能夠?qū)崿F(xiàn)在部分級(jí)上進(jìn)行 圖Y象比較，也就是說(shuō)，可以將測(cè)試圖像的一個(gè)或多個(gè)部分的(由特征數(shù) 據(jù)表示的)特性與該圖像中，或者(在更普遍的情況下)與其他圖像中 的其他部分的特性進(jìn)行比較，以檢測(cè)出可認(rèn)為與測(cè)試中的圖像或者與測(cè) 試中的圖像的所選部分"類似"的基準(zhǔn)圖像。
圖2a示意性地示出了示例圖像，圖2b示意性地示出了由圖2a的圖 像導(dǎo)出的圖像部分(例如，部分75)的樣本集合。 一般地，圖2b所示 的部分由黑色邊界包圍，但是，其目的僅在于能夠?qū)⑺霾糠址奖愕乇?現(xiàn)在紙上。所述黑色邊界未必存在于(有可能未存在于)實(shí)際的經(jīng)劃分 的圖像中。
所述系統(tǒng)可以使特征數(shù)據(jù)與所述部分中的每者相關(guān)——例如，采用 單個(gè)值表示該部分的圖像(例如，顏色)特性，或者將多值特征數(shù)據(jù)統(tǒng) 稱為表示該部分的各種不同的圖像特性的"特征矢量"。
所述圖像處理系統(tǒng)可以在不同的操作模式下工作。在第 一種模式 中，將一組圖像匯集到磁盤存儲(chǔ)器30或者通過(guò)網(wǎng)絡(luò)50連接的網(wǎng)絡(luò)磁盤 驅(qū)動(dòng)器上，并對(duì)其進(jìn)行劃分，排序和索引，以供搜索操作之用。第二種 模式是實(shí)際搜索，所述實(shí)際搜索涉及當(dāng)前圖像與經(jīng)索引和排序的數(shù)據(jù)的 比較。另一種操作模式是準(zhǔn)實(shí)時(shí)搜索或比較操作。對(duì)此而言，未必要對(duì) 圖像數(shù)據(jù)進(jìn)行預(yù)劃分、索引和排序；相反，可以根據(jù)對(duì)此類信息的需求 而從所要比較的圖像導(dǎo)出特征數(shù)據(jù)。
因此，應(yīng)當(dāng)認(rèn)識(shí)到，在下述實(shí)施例中，可以"預(yù)先"扭^亍諸如，劃 分圖像和推導(dǎo)特征數(shù)據(jù)的操作，從而實(shí)現(xiàn)后續(xù)的圖像或者圖像部分之間 的特征數(shù)據(jù)的比較?；蛘?，可以根據(jù)需要執(zhí)行所述操作。還應(yīng)當(dāng)認(rèn)識(shí)到， 可以通過(guò)一個(gè)系統(tǒng)生成(部分或全部)特征數(shù)據(jù)，并在另一個(gè)系統(tǒng)上采用所述特征數(shù)據(jù)進(jìn)行比較。
通過(guò)常規(guī)的方式將圖像加載到磁盤存儲(chǔ)器30上。優(yōu)選將其作為數(shù)
據(jù)庫(kù)結(jié)構(gòu)的部分存儲(chǔ)，其能夠?qū)崿F(xiàn)更為簡(jiǎn)單的項(xiàng)目檢索和索引，但這不 是必須的。
還應(yīng)當(dāng)認(rèn)識(shí)到，未必將特征數(shù)據(jù)和/或圖像存儲(chǔ)到本地磁盤驅(qū)動(dòng)器
30上。可以將數(shù)據(jù)存儲(chǔ)到經(jīng)由網(wǎng)絡(luò)50連接至系統(tǒng)10的遠(yuǎn)程驅(qū)動(dòng)器上。 或者，可以按照分布方式存儲(chǔ)信息，例如，可以將信息存儲(chǔ)到跨越網(wǎng)絡(luò) 的各個(gè)站點(diǎn)中。如果將信息存儲(chǔ)到不同的internet站點(diǎn)或網(wǎng)絡(luò)站點(diǎn)中， 那么可以采用第二級(jí)信息存儲(chǔ)器對(duì)任選具有相關(guān)概述的與遠(yuǎn)程信息的 "鏈接"(例如，URL)、摘要和與該鏈接相關(guān)的元數(shù)據(jù)進(jìn)行本地存儲(chǔ)。 因此，除非用戶選擇了相關(guān)鏈接，否則無(wú)法訪問(wèn)遠(yuǎn)程保存的信息。
在另一個(gè)例子中，可以跨越諸如研究組、報(bào)紙發(fā)行商、醫(yī)療業(yè)務(wù)體 系的網(wǎng)絡(luò)化工作組存儲(chǔ)圖像和/或特征數(shù)據(jù)。 一種混合的方案可能涉及一 些本地存儲(chǔ)的項(xiàng)目和/或一些跨越局域網(wǎng)存儲(chǔ)的項(xiàng)目和/或一些跨越廣域 網(wǎng)存儲(chǔ)的項(xiàng)目。在這種情況下，所述系統(tǒng)可以在對(duì)他人俘獲或準(zhǔn)備的類 似圖像進(jìn)行定位方面發(fā)揮作用?；蛘?，在正在準(zhǔn)備新的電視節(jié)目的情況 下，可以采用本系統(tǒng)檢測(cè)以前的具有類似內(nèi)容的節(jié)目，由此檢驗(yàn)其原創(chuàng) 性。
還應(yīng)當(dāng)認(rèn)識(shí)到，圖1的系統(tǒng)10只是能夠采用從劃分后的圖像導(dǎo)出 的特征數(shù)據(jù)的可能系統(tǒng)中的一個(gè)例子。盡管設(shè)想采用 一般為非便攜式計(jì) 算機(jī)(也可能是具有信號(hào)處理功能的便攜式計(jì)算機(jī))的功能相當(dāng)強(qiáng)大的 計(jì)算機(jī)執(zhí)行初始(劃分)階段，但是可以在便攜式設(shè)備上，例如，在"個(gè) 人數(shù)字助理，，(具有顯示器和用戶輸入裝置的，通常與人的一只手相匹 配的數(shù)據(jù)處理裝置)、筆記本電腦等便攜式計(jì)算機(jī)乃至移動(dòng)電話、視頻 編輯設(shè)備或攝像機(jī)等裝置上執(zhí)行后面的信息訪問(wèn)階段。 一般來(lái)講，實(shí)際 上可以采用任何具有顯示器的裝置實(shí)施操作的信息訪問(wèn)階段。在下文 中，將參考圖10和11說(shuō)明其他合適的裝置的例子。
所述處理不局限于圖像或部分的具體數(shù)量。
圖3示出了圖像劃分處理的流程圖。將參考圖4到圖7說(shuō)明圖3的 處理步驟。
在圖3中，在步驟100中，檢測(cè)所要?jiǎng)澐值膱D像周圍是否存在黑色 邊界。出現(xiàn)這種邊界的原因通常是圖像俘獲格式與圖像存儲(chǔ)/傳輸格式不匹配。例如，如果在寬屏模式中俘獲圖像，但是按照非寬屏模式存儲(chǔ)， 那么如圖4所示，就會(huì)在圖像中插入黑色邊界。這里，在前面的某處理
階段中，向圖像270施加了上方和下方黑色邊界280。如果在步驟100 中檢測(cè)到了這樣的黑色邊界，那么在步驟110中，將所述邊界刪除。其 涉及避免相關(guān)像素參與隨后的處理，即圖像剪切(cropping),以便在 隨后的處理中不會(huì)將所述邊界區(qū)域作為截然不同的圖像部分檢測(cè)出來(lái)。 設(shè)置一個(gè)標(biāo)志，其表示(a)已經(jīng)執(zhí)行了剪切，(b)已經(jīng)剪切的區(qū)域的 尺寸。這樣允許在下文所述的步驟230中恢復(fù)所述邊界。
如果畫(huà)面整體上都非常黑，那么可以預(yù)先確定(例如)50像素的最 大邊界寬度，以避免剪切掉整幅圖像。
在步驟110中去除邊界之后，或者在步驟100中未;f全測(cè)到邊界的存 在之后，控制轉(zhuǎn)到步驟120,在該步驟中，從處于測(cè)試當(dāng)中的圖像提取 所謂的"特征"。其執(zhí)行過(guò)程如下。參考圖5,在處于測(cè)試當(dāng)中的圖像 270，的每一像素位置290上，確定圍繞所述像素位置的像素塊。在圖5 中，將示例塊示意性地表示為塊285。典型地，所述塊可以是9x9像素。 對(duì)于每一個(gè)這樣的塊而言，確定顏色特性R (紅色)、G (綠色)和B (藍(lán)色)的中值，以及Cb和Cr(色差值)。通過(guò)這種方式，使每一像 素位置具有相關(guān)的由五個(gè)值(R、 G、 B、 Cb、 Cr)構(gòu)成的組，但是這 些值不代表像素的實(shí)際顏色特性，而是代表圍繞所述像素位置的塊的中 值。這些針對(duì)每一像素位置的由五個(gè)顏色特性值構(gòu)成的組表示在步驟 120中提取的特征。
在步驟130中，使所述特征歸一化。在本實(shí)施例中執(zhí)行所述操作的 方式是使跨越與單個(gè)圖像相關(guān)的整個(gè)像素組的R值歸一化，從而使之具 有平均值0，和標(biāo)準(zhǔn)偏差l。所述條件同樣適用于跨越所述圖像的G值， 等等。
在步驟140中，開(kāi)始將像素集簇到一起的處理。具體而言，步驟140 涉及對(duì)所述簇的集合的中心初始化。
在多維(R, G, B, Cb, Cr)顏色(或特征)空間內(nèi)表示所述簇， 而不是(在這一階段內(nèi))在圖像空間內(nèi)通過(guò)聯(lián)系相鄰區(qū)域來(lái)表示所述簇。 因此，其目的在于將具有類似顏色特性的像素集結(jié)起來(lái)，而不是(必須) 將圖像空間域內(nèi)靠在一起的像素集結(jié)起來(lái)。
按照下述說(shuō)明設(shè)置簇的中心。設(shè)置由2nUmbel-。f-VanaWes個(gè)簇，即，32個(gè)簇構(gòu)成的初始組。在(R, G,
B, Cb, Cr)空間內(nèi)，將這些簇的中心設(shè)置為對(duì)應(yīng)于各個(gè)變量R、 G、 B、 Cb、 Cr具有最小值或最大值的位置的集合。初始的32個(gè)簇中心在顏色 空間內(nèi)的坐標(biāo)的例子如下
(Rmin，Gmin，Bmin,Crmit!，Cbmin) (Rmax,Gmin，Bmin,Crmin,Cbmin)
由此完成了步驟140,即，蔟中心的初始化。之后，控制轉(zhuǎn)到步驟 150,在該步驟中，將每一像素分配給在顏色空間中與該像素最近的簇 中心。采用常規(guī)數(shù)學(xué)方法計(jì)算顏色空間內(nèi)的像素位置與簇中心之間的距 離，所述數(shù)學(xué)方法包括^r測(cè)顏色空間內(nèi)的兩個(gè)位置之間的歐幾里德距 離。在步驟150結(jié)束時(shí)，將處于測(cè)試當(dāng)中的圖像中的所有像素都分配給 了簇中心。
在步驟160中，去除所有空的簇。因此，每次重復(fù)執(zhí)行步驟150到 200時(shí)，簇的數(shù)量都傾向于減少。
在步驟170中，將彼此靠近程度(在五維顏色空間內(nèi))超過(guò)了簇合 并闊值的所有簇合并到 一起。
在步驟180中，重新計(jì)算簇中心。如上所述，將簇中心初始化為五 個(gè)變量值在顏色空間內(nèi)的極值。在步驟180中，重新計(jì)算簇中心，使之 成為該簇內(nèi)的所有像素(在顏色空間內(nèi))的平均位置。因而，(例如)， 結(jié)合簇內(nèi)的所有像素的R值形成平均R值，所述平均R值形成了該簇 的簇中心的新的R坐標(biāo)。
在步驟190中，針對(duì)每一簇計(jì)算被稱為"簇內(nèi)距離"(wcd)的變 量。用于推導(dǎo)wcd的^^式如下
Wcc^S距離(像素，簇中心)
相應(yīng)地，wcd表示(在顏色空間內(nèi))像素與相應(yīng)的簇中心之間的位 移的總和。
在步驟200中，通過(guò)扭^亍測(cè)試才企-瞼所有wcd值的和(總wcd )自上 次計(jì)算之后是否發(fā)生了變化。當(dāng)然，第一次經(jīng)過(guò)步驟150到200構(gòu)成的 環(huán)將產(chǎn)生第一個(gè)wcd值，因而步驟200中的測(cè)試結(jié)果將是肯定的，并且 控制將返回至步驟150。因此，在新計(jì)算的總wcd值與前一重復(fù)過(guò)程中計(jì)算的對(duì)應(yīng)值之間進(jìn)行比較。
步驟200中的測(cè)試可以是絕對(duì)的，即，"總wed發(fā)生了任何改變 嗎？"，或者可以應(yīng)用閾值測(cè)試，即，"總wcd的變化小于閾值量嗎？"
在適當(dāng)數(shù)量的重復(fù)之后，步驟200將探測(cè)到自上次重復(fù)之后總wed 未發(fā)生變化，并且控制轉(zhuǎn)到步驟210，在步驟210中集簇操作結(jié)束。
至此，可以認(rèn)為在由五個(gè)變量(R, G,B, Cb, Cr)表示的特征空間(顏 色空間)內(nèi)將像素集簇到了一起?，F(xiàn)在將考慮使像素在圖像空間域內(nèi)集 結(jié)，其目的在于形成少量的圖像部分，所述圖像部分各個(gè)相連，并且表 示圖像的類似部分，至少其顏色特性是類似的。這里，對(duì)所期望的"少" 量沒(méi)有明確的定義，其完全取決于圖像內(nèi)容。
如果在圖像域內(nèi)表示一直執(zhí)行到步驟210的集簇過(guò)程，從而在圖像 的顯示版本中將同一簇內(nèi)的像素集結(jié)到一起，那么結(jié)果的例子可以如圖 6所示，其中，圖像270，，的連續(xù)像素組300來(lái)自相同的簇。注意，在圖 6中，可以通過(guò)幾個(gè)截然不同的圖像區(qū)域表示(顏色空間內(nèi)的)一個(gè)簇。
在將圖6中每一帶邊界的區(qū)域300看作一個(gè)圖像區(qū)域的情況下，在 步驟220中，實(shí)施所謂的主要部分過(guò)濾，以消除細(xì)小區(qū)域。圖7示意性 地示出了所述主要部分過(guò)濾，其中，在中心像素310的周圍存在像素陣 列。像素310實(shí)際上落在由大的區(qū)域330包圍的小區(qū)域320內(nèi)。主要部 分過(guò)濾的作用在于檢查包圍像素310的像素陣列，并將像素310分配給 在所述像素陣列當(dāng)中具有最大表示的區(qū)域。在圖7的例子中，可以看出， 所述操作涉及將^f象素310分配給區(qū)域330。所述方法同樣適用于小區(qū)域 320內(nèi)的其他像素，因而實(shí)際上區(qū)域320將消失。在實(shí)踐當(dāng)中，主要部 分過(guò)濾步驟一般采用9x9像素陣列。
在步驟230中，如有必要，可以重新添加在步驟110中去除的黑色 邊界。
在步驟240中，執(zhí)行連接部分分析，以確定每一簇內(nèi)的哪些像素是 相連的。連接部分分析涉及對(duì)像素進(jìn)行水平和垂直掃描，以檢驗(yàn)(圖像 域內(nèi)的)相鄰像素是否屬于相同的簇。為屬于同一簇的相連像素提供相 同的區(qū)域編號(hào)。為屬于同一簇的不相連的像素提供單獨(dú)的區(qū)域編號(hào)。在 這一處理之后，至少存在與處理之前一樣多的區(qū)域，通常會(huì)多出一個(gè)區(qū) 域。注意，如果認(rèn)為存在一些不相連的區(qū)域是可以接受的，那么可以 省略這一階段。在步驟250中，重新設(shè)置簇的數(shù)量，使之等于當(dāng)前的圖像區(qū)域的數(shù) 量，其中，在簇和區(qū)域之間具有——對(duì)應(yīng)關(guān)系。按照上述說(shuō)明計(jì)算每一 最新建立的簇的簇中心。
最后，在步驟260中，使所有留下的小區(qū)域(小于500個(gè)像素的區(qū) 域)與最近的相鄰區(qū)域合并。其執(zhí)行過(guò)程如下。
對(duì)于小于IOO個(gè)像素的區(qū)域而言，與所對(duì)應(yīng)的簇中心最接近所要合 并的區(qū)域的蔟中心的相鄰區(qū)域合并。
對(duì)于介于100和500像素之間的區(qū)域而言，按照下屬說(shuō)明計(jì)算"合 并代價(jià)"
合并代價(jià)=(像素的數(shù)量)1/2+與任何空間相鄰區(qū)域的最小簇間距離 如果合并代價(jià)小于預(yù)定閾值，那么合并所述區(qū)域。
否則不合并所述區(qū)域。
在下文中將描述這樣一種系統(tǒng)，其中，借助所述系統(tǒng)，可以采用經(jīng) 劃分的圖像作為基礎(chǔ)，利用特征矢量來(lái)比較所述圖像的部分和其他圖像 中的圖像部分。圖像劃分的其他應(yīng)用包括
1. 基于區(qū)域的視頻編碼(例如，在低比特率上)?？梢酝ㄟ^(guò)描述每 一區(qū)域覆蓋的面積以及描述其顏色和/或紋理對(duì)區(qū)域(部分)進(jìn)行編碼。 對(duì)于移動(dòng)電話、手提裝置、IP上視頻等采用的比特率非常低的視頻編碼 而言，這種方法尤為有用，因?yàn)樵谶@些應(yīng)用當(dāng)中，屏幕分辨率一般較低， 而且將圖像區(qū)域顯示為單一的顏色/紋理也不會(huì)對(duì)感受到的主觀質(zhì)量造 成太大影響。
2. 基于區(qū)域活躍性的視頻編碼。將圖像劃分成各個(gè)區(qū)域，并釆用基 于對(duì)象的編碼方案對(duì)其進(jìn)行編碼。在量化過(guò)程中，平滑(低活躍性)區(qū) 域的處理比帶有紋理(高活躍性)區(qū)域的處理更難，因?yàn)榧y理一般更易 于隱藏量化噪聲。
3. 圖像/視頻合成。將圖像/視頻劃分成對(duì)象。其允許在不需要常規(guī) 的"藍(lán)屏"色度鍵控的情況下選擇所要提取或插入到其他視頻/圖像中的 對(duì)象。
4. CCTV(閉合電路TV)分析。將CCTV圖像劃分成對(duì)象，從而使用 戶能夠在.自動(dòng)監(jiān)視過(guò)程中(例如，在人群計(jì)數(shù)、可疑行為分析、車輛跟 蹤、交通分析、運(yùn)動(dòng)探測(cè)等計(jì)算機(jī)監(jiān)視操作過(guò)程中)選擇所要忽略的或 者所要予以特殊關(guān)注的圖像的對(duì)象或區(qū)域。5. 設(shè)備視覺(jué)觀察應(yīng)用，例如，對(duì)傳送帶上的(可能未知)的對(duì)象等 計(jì)數(shù)。
6. 醫(yī)療圖^象劃分和"^斷，例如，細(xì)月包斥全測(cè)。
7. 航空攝影分析，例如，劃分成不同的均質(zhì)區(qū)域，以及將所述區(qū)域 劃分成不同的土地應(yīng)用。
至此描述的處理實(shí)現(xiàn)了將圖像劃分成相應(yīng)的圖像部分?，F(xiàn)在，為了 能夠使所述部分相互比較， 一種合適的做法是從每一部分推導(dǎo)特征數(shù)據(jù) (例如，所謂的"特征矢量，，)。現(xiàn)在，將說(shuō)明一種從每一圖像部分推 導(dǎo)特征矢量的技術(shù)。
相應(yīng)地，下述說(shuō)明可能涉及處于通過(guò)上述處理標(biāo)識(shí)的部分內(nèi)的像 素?；蛘撸梢詫⑾率鎏幚響?yīng)用于整幅圖^f象。也就是說(shuō)，盡管所述處理 在對(duì)圖像進(jìn)行劃分的情況下尤為有效，但是不對(duì)圖像進(jìn)行劃分的情況 下，也可以應(yīng)用所述處理。
圖8是示出了特征矢量的生成的示意性流程圖。為了避免對(duì)圖8的 本質(zhì)造成混淆，所述流程圖僅包括四個(gè)步驟(步驟405、415、425和435 )。 在這些步驟之間，示意性地示出了相應(yīng)的輸入/輸出(作為數(shù)據(jù)400、 410、 420、 430和440)。
所述處理從輸入圖像400中的(按照上述說(shuō)明標(biāo)識(shí)的)區(qū)域402開(kāi) 始。如上所述，可以將所要說(shuō)明的處理應(yīng)用于整幅圖像，或者應(yīng)用于圖 像內(nèi)的區(qū)域。
首先，在步驟405中，對(duì)于R、 G、 B(在這一處理中未采用Cr和 Cb )顏色特性中的每者，將部分內(nèi)的像素的顏色特性量化成四個(gè)不同的值。
所述三個(gè)變量的四個(gè)值給出了 64個(gè)可能的級(jí)別。圖9中示出了 64 級(jí)色立方體(colour cube)的示意性表示。這里，黑點(diǎn)(為了圖示的清 晰起見(jiàn)，4艮多黑點(diǎn)都沒(méi)有示出)表示RGB空間內(nèi)的可能的量化點(diǎn)。將R、 G和B值均量化成最近的所述點(diǎn)。
在這一實(shí)施例中，通過(guò)三個(gè)8位值表示原始RGB值，因此R、 G和 B可以具有處于0和255之間的值。通過(guò)iS:置量化邊界給出處于32、 96、 160和224上的量4t子范圍的中心。這表示將0到255的總范圍劃分成 了四個(gè)基本相等的子范圍。
由步驟405的量化處理得到了量化的圖像數(shù)據(jù)410。顏色空間的量化是所述系統(tǒng)的重要部分，因?yàn)樵继卣魇噶康某叽?br> (參考下文)是顏色調(diào)色板尺寸的平方。例如，如果顏色調(diào)色板由24 位RGB空間內(nèi)的所有離散點(diǎn)構(gòu)成，那么調(diào)色板尺寸為2563,原始特征 矢量尺寸為2566,在很多種情況下所述值是不實(shí)用的。通過(guò)對(duì)色度-飽 和度-純度(HSV)空間的非線性量化和對(duì)24位RGB空間的線性量化 的試驗(yàn)表明，24位RGB空間的量化因量化誤差而導(dǎo)致的問(wèn)題較少，當(dāng) 然也可以采用其他量化方案。
在步驟415中生成了馬爾可夫模型。
對(duì)于每一像素而言，所述處理標(biāo)識(shí)出圍繞該像素的3x3方陣列中 的8個(gè)相鄰像素。這里，所述的相鄰像素僅限于當(dāng)前區(qū)內(nèi)的像素，如果 像素處于當(dāng)前區(qū)域的邊緣上，那么認(rèn)為其相鄰像素少于8個(gè)。
建立一個(gè)二維的64 x 64bin (即4096bin )直方圖作為所述區(qū)域的所 謂的馬爾可夫模型。
按照下述說(shuō)明建立直方圖。
對(duì)于每一像素而言，其自身的量化像素值(處于64值范圍內(nèi)，并 且按照預(yù)定順序編號(hào)為值1到64)沿直方圖的一個(gè)軸形成了一個(gè)位置。 同樣在值1到64的范圍內(nèi)表述的每一相鄰像素的值沿直方圖的另一軸 形成了一個(gè)位置。相應(yīng)地，對(duì)于特定的中心像素而言，可能存在多達(dá)8 個(gè)不同的bin,所述bin由對(duì)應(yīng)的相鄰像素值標(biāo)識(shí)。累力卩(increment)這 些bin中的每者，其中，每一 bin表示相應(yīng)的像素的排列(permutation ) 和相鄰像素特性。更一般而言，每一bin表示連續(xù)像素組內(nèi)的特性的排 列，在本實(shí)施例中，所述連續(xù)像素組包括兩個(gè)^f象素，但是其可以包括更 多的像素。從一個(gè)角度來(lái)講，可以認(rèn)為所述馬爾可夫模型表示圖像部分 的紋理。
之后，針對(duì)下一像素的中心像素值及其八個(gè)相鄰像素值重復(fù)所述處 理。由此，在正在考慮的整個(gè)區(qū)域上，將產(chǎn)生一個(gè)64 x 64bin二維直方圖。
圖11示意性地示出了特征直方圖的生成，但是其參考了極為簡(jiǎn)化 的情況，即僅有3個(gè)(而不是64個(gè))量化RGB值0、 1、 2。在局部圖 像區(qū)域450內(nèi)，將3x3像素掃描窗口 455布置在中心像素460的周圍。 (在這一簡(jiǎn)化的例子中，3值顏色空間內(nèi)的)中心像素的顏色定義 了處于圖11的底部的直方圖中的行。每一相鄰像素的顏色定義了列。在行和列的交叉處，累加所述bin。在所示的例子中，掃描窗口中心傳— 素具有顏色指數(shù)1。其總共具有8個(gè)相鄰像素，其中，5個(gè)具有顏色指 數(shù)0, 2個(gè)具有顏色指數(shù)1， 1個(gè)具有顏色指數(shù)2。 其導(dǎo)致了，在所述 bin中的第l行，第0列處使馬爾可夫模型增加5,在所述bin中的第l 行，第l列處，使其增加2，在所述bin中的第l行，第2列處，使其 增力口 1。
之后，使所述直方圖歸一化?？梢栽谥饏^(qū)域的基礎(chǔ)上，和/或跨越與 整幅圖像相關(guān)的直方圖的集合執(zhí)行所述操作。通過(guò)所述歸一化處理，使 得一行內(nèi)的所有值的和等于1。參考下述歸一化方程，所述方程是指附 圖中簡(jiǎn)化的3x3的例子<formula>formula see original document page 14</formula>
在圖8中給出了舉例的歸一化馬爾可夫模型數(shù)據(jù)的示意性表示，并 將其表示為數(shù)據(jù)420。
之后，在步驟425中生成特征矢量。
通過(guò)連結(jié)(對(duì)應(yīng)于圖像或者對(duì)應(yīng)于特定的圖像區(qū)域的)二維歸一化 馬爾可夫直方圖中的所有的642個(gè)值形成4096值矢量，由此形成了所述 特征矢量。所述連結(jié)根據(jù)預(yù)定的但是任意的順序發(fā)生。在圖8中提供了 所述特征矢量的示范性例子，并將其作為數(shù)據(jù)430,其中，將所述特征 矢量稱為"原始"特征矢量。注意，為了圖示的清晰起見(jiàn)，并未示出所 有的4096個(gè)值。
之后，在步驟435中，通過(guò)主要部分分析或隨機(jī)映射將4096值矢
<formula>formula see original document page 14</formula>量減為200值矢量。在其他部分將對(duì)所述隨機(jī)映射技術(shù)進(jìn)行詳細(xì)說(shuō)明， 該技術(shù)涉及采用200 x 4096隨機(jī)矩陣乘以所述4096值矢量，可以按照 預(yù)先設(shè)置的形式存儲(chǔ)所述隨機(jī)矩陣，以供本技術(shù)之用。圖12提供了這 一隨機(jī)映射處理的示意性表示，其中，通過(guò)使1xN矢量與由隨機(jī)數(shù)構(gòu) 成的NxM矩陣進(jìn)行矩陣相乘將1 xN矢量減為1 xM矢量。前面公開(kāi) 的工作表明，盡管所得的矢量可以短得多，但是在隨機(jī)映射處理之后它 們的點(diǎn)積基本保持相同。
所述隨機(jī)映射處理的輸出為200值"減少"的特征矢量，其指示圖 像或每一圖像部分的顏色特性。在圖8中示出了作為數(shù)據(jù)440的示意性 例子，但是為了清晰起見(jiàn)，這里也沒(méi)有示出所有的200個(gè)值。這一示意 性表示的要點(diǎn)在于認(rèn)識(shí)到所減少后的特征矢量短于原始特征矢量。
當(dāng)然，應(yīng)當(dāng)認(rèn)識(shí)到，減少后的特征矢量未必是200個(gè)值的長(zhǎng)度。這 一數(shù)量是一種合理的折中選擇，其兼顧了縮短的要求(為了便于存儲(chǔ)和 應(yīng)用于其他處理)和具有足以精確地表示顏色特性的長(zhǎng)度的要求。但是， 也可以采用其他長(zhǎng)度。
為了比較兩個(gè)圖像部分(或者至少比較釆用基準(zhǔn)特征數(shù)據(jù)導(dǎo)出的特 征數(shù)據(jù))，要確立其特征矢量之間的距離。較短的距離意味著較大的相 似性。
采用這種技術(shù)的一個(gè)例子是，用戶從諸如圖2B所示的經(jīng)劃分的圖 4象中選4奪一個(gè)或多個(gè)部分。例如，用戶可以選擇附圖標(biāo)記為75的部分。 從該部分導(dǎo)出特征矢量，并將其與來(lái)自同一圖像內(nèi)的其他部分的特征矢 量以及來(lái)自其他圖像中的部分(即位于用于檢驗(yàn)相似圖像部分的數(shù)據(jù)庫(kù) 中)的特征矢量進(jìn)行比較。注意，歸一化處理意味著，如果具有不同尺 寸的圖像部分的顏色特性是相似的，那么仍然可以將其檢測(cè)為彼此相 似。
可以預(yù)先針對(duì)所有的部分生成特征矢量，或者可以按照需要生成特 征矢量。在保存圖像的數(shù)據(jù)庫(kù)的混合方案中，可以針對(duì)所存儲(chǔ)的圖像預(yù) 先生成特征矢量。在使新圖像與所述數(shù)據(jù)庫(kù)進(jìn)行比較時(shí)，由該圖像單獨(dú) (或者由該圖像的部分)生成特征矢量。
如果用戶選擇了不止一個(gè)部分，那么存在各種不同的方式來(lái)處理這 一情況?？梢詥为?dú)處理所述部分，并針對(duì)每一所選部分導(dǎo)出對(duì)應(yīng)的結(jié)果 組(相似的部分)?；蛘?，可以將用戶選擇的部分結(jié)合處理，從而合并用戶選擇的部分與處于測(cè)試當(dāng)中的部分之間的距離，并導(dǎo)出具有最小的 合并距離的結(jié)果組。通常通過(guò)使兩個(gè)或更多的距離相乘來(lái)完成兩個(gè)(或 多個(gè))用戶選擇部分與處于測(cè)試當(dāng)中的部分之間的距離的合并。還可能 使所述距離與 一 個(gè)以上的處于測(cè)試當(dāng)中的部分相關(guān)，只要所有的處于測(cè) 試當(dāng)中的部分都屬于同一圖像即可。在這種情況下，在所述乘法當(dāng)中采 用測(cè)試圖像中的部分與每一用戶選擇部分的最小距離。之后，所述系統(tǒng) 返回具有最小總體距離的測(cè)試圖像。
現(xiàn)在將說(shuō)明一種能夠?yàn)樯鲜黾夹g(shù)帶來(lái)提高的改進(jìn)。在一些情況下，
采用少量的量化級(jí)(64個(gè)量化級(jí))意味著量化級(jí)之間的邊界過(guò)于明顯。
顏色特性中的小的變化就可能導(dǎo)致分配給像素的量化級(jí)的劇烈變化。因 而(例如)稍微亮一些的天空區(qū)域在其內(nèi)的量化級(jí)的變化的影響下就可 能導(dǎo)致與其他天空區(qū)域之間具有非常差的相關(guān)性。
對(duì)于這一特點(diǎn)的解決方案是將來(lái)自圖11中的每一相鄰像素的貢獻(xiàn)
(contribution)分配給各個(gè)bin。因而，像以前一樣，在垂直軸上設(shè)置 每一中心像素值(對(duì)于所述中心像素值可能存在幾個(gè)貢獻(xiàn))，但是，對(duì) 于每一相鄰像素而言，根據(jù)該相鄰^f象素(在顏色空間內(nèi))與最近的量化 級(jí)之間的距離將非整數(shù)貢獻(xiàn)加到多個(gè)bin中?，F(xiàn)在，將參考圖13和14 說(shuō)明所述方案的例子。
圖13和14的方案提供的主要差異在于降低了量化誤差的影響。所 述變化將影響顏色量化步驟405和馬爾可夫才莫型生成步驟415。下文中 將說(shuō)明加權(quán)將怎樣影響前述算法。
按照與上文相同的方式劃分24位RGB空間。但是，這里并非將特 定像素顏色量化成一個(gè)調(diào)色板顏色，而是將其量化成幾個(gè)調(diào)色板顏色， 并記錄對(duì)每一調(diào)色寺反顏色的貢獻(xiàn)。
圖13示意性地示出了圖9的量化點(diǎn)的子集。每一點(diǎn)C1,.C12表示3 維RGB空間中的量化RGB顏色。實(shí)際的(非量化)像素不太可能直接 落在一個(gè)量化點(diǎn)上， 一般都落在量化點(diǎn)之間。在圖13中，正在考慮的 像素落在RGB空間中的位置480上。將RGB空間中像素位置480與量 化點(diǎn)Cn之間距離示為L(zhǎng)n。
可以說(shuō)，實(shí)際的顏色由最近的調(diào)色板顏色的貢獻(xiàn)構(gòu)成。要想計(jì)算每 一調(diào)色板顏色的貢獻(xiàn)，則獲取最大距離Dmax(在圖13中將其示為量化 點(diǎn)C4與量化點(diǎn)C10之間的線，其表示量化網(wǎng)格中的最大距離)，并減去調(diào)色板顏色和實(shí)際顏色之間的距離。由此得到了相應(yīng)的權(quán)重值wn。
如果權(quán)重wn〉0,那么在下述處理中采用調(diào)色板顏色；否則棄用該 值，或?qū)⑵湓O(shè)為零。
因此，對(duì)于每一實(shí)際顏色而言，將形成發(fā)揮作用的調(diào)色板顏色及其 權(quán)重的集合。使每一所述集合歸一化，從而使每一集合的權(quán)重的和為1。
從原理上，按照與上文所述的相同的方式形成馬爾可夫模型，但是 這里并非采用 一種調(diào)色板顏色表示每一像素，而是采用帶有權(quán)重的調(diào)色 板顏色的集合表示每一像素。
圖14示意性地示出了這種情況，其中，該圖示出了處于掃描窗口 455'內(nèi)的中心^象素460'和周圍的8個(gè)^f象素的4又重w0、 wl和w2構(gòu)成的 組。如前所述，采用僅有三種顏色的調(diào)色板(量化顏色空間)。
在確定相鄰像素對(duì)所述^t型作出的貢獻(xiàn)時(shí)，所述二維直方圖中的幾 個(gè)單元都受到影響，而不是只有一個(gè)單元受到影響。將中心像素的權(quán)重 的列矢量與相鄰像素的權(quán)重的行矩陣相乘，以形成與馬爾可夫模型矩陣 具有相同維度的矩陣，由此找到對(duì)直方圖的適當(dāng)?shù)呢暙I(xiàn)。將這些矩陣中 的每者添加至所述模型矩陣。
例如，考慮圖15中的中心像素460，和相鄰像素"n"之一之間的變 換，可以看出，對(duì)于每一個(gè)這樣的關(guān)系而言，存在對(duì)馬爾可夫模型的9 個(gè)貢獻(xiàn)。注意，這里的示意性例子提供了具有3種顏色的調(diào)色板和尺寸 為3x3的馬爾可夫模型，因此具有9個(gè)貢獻(xiàn)。實(shí)際應(yīng)用中的調(diào)色板具 有64種顏色和尺寸為64 x 64的馬爾可夫矩陣，因此對(duì)每一相鄰卩象素而 言，其貢獻(xiàn)是尺寸為64 x 64 (如果將權(quán)重wnO的顏色設(shè)為零，參考上 文)或高達(dá)64 x 64 (如果棄用了所述顏色)的矩陣。
如前所述，在掃描了整個(gè)區(qū)域的情況下，使馬爾可夫模型矩陣歸一 化，從而使每一行的和等于l。
圖15示意性地示出了作為視頻獲取和/或處理設(shè)備的例子的便攜式 攝像機(jī)500,所述便攜式攝像機(jī)包括帶有相關(guān)鏡頭520的圖像俘獲裝置 510、數(shù)據(jù)/信號(hào)處理器530、磁帶存儲(chǔ)器540、磁盤或其他隨機(jī)存取存儲(chǔ) 器550、用戶控制裝置560和帶有取景器580的顯示裝置570。常規(guī)便 攜式攝像機(jī)或其他備選裝置的其他特征(例如，不同的存儲(chǔ)介質(zhì)或者不 同的顯示屏裝置)對(duì)于本領(lǐng)域技術(shù)人員而言是顯而易見(jiàn)的。在使用當(dāng)中， 可以將與所俘獲的視頻材料相關(guān)的元數(shù)據(jù)存儲(chǔ)到存儲(chǔ)器550上，并在顯示裝置570上觀看與所存儲(chǔ)的數(shù)據(jù)相關(guān)的SOM,并采用用戶控制裝置 560對(duì)其進(jìn)行上述控制。
圖16示意性地示出了作為便攜式數(shù)據(jù)處理設(shè)備的例子的個(gè)人數(shù)字 助理(PDA) 600，其具有顯示屏610連同數(shù)據(jù)處理和存儲(chǔ)裝置(未示 出)，其中，所述顯示屏610具有顯示區(qū)域620和提供用戶控制的觸摸 敏感區(qū)域630。本領(lǐng)域技術(shù)人員同樣清楚這一領(lǐng)域中的各種替代選擇。 如上所述，可以結(jié)合圖1的系統(tǒng)使用所述PDA。
可以采用通過(guò)上述處理導(dǎo)出的特征矢量訓(xùn)練和/或填充(populate ) 用于顯示的自組織圖(map),例如，GB-A-2393275中7>開(kāi)的圖。
可以通過(guò)集合將圖像或材料劃分成某一分類，在所述分類中，所有 的圖像或部分具有處于分類特征矢量的閾值距離內(nèi)的特征矢量?？梢园?照解析的方式設(shè)置所述分類特征矢量，或者將其作為經(jīng)用戶判斷以共同 的概念(例如，海灘景觀)為聯(lián)系紐帶的一組圖像或部分的平均特征矢 量加以推導(dǎo)。
總之，提供了一種作為旋轉(zhuǎn)、平移和縮放不變量的基于顏色的特征 矢量?？梢圆捎盟鎏卣魇噶?，利用圖像的全部或部分搜索圖像數(shù)據(jù)庫(kù)。 所述特征矢量以馬爾可夫模型為基礎(chǔ)，所述馬爾可夫模型描述了圖像內(nèi) 的顏色變換。為了能夠使用基于顏色特性的馬爾可夫模型，開(kāi)發(fā)出了這 樣一種技術(shù)，其將RGB顏色空間量化為表示馬爾可夫模型中的狀態(tài)的 調(diào)色^1顏色空間。
權(quán)利要求
1.一種圖像處理方法，其包括步驟檢測(cè)處于測(cè)試當(dāng)中的圖像的至少一部分內(nèi)的由預(yù)定數(shù)量的像素構(gòu)成的連續(xù)集合當(dāng)中的像素特性的排列的統(tǒng)計(jì)分布，從而針對(duì)所述的處于測(cè)試當(dāng)中的圖像的至少一部分導(dǎo)出特征數(shù)據(jù)；以及將針對(duì)所述的處于測(cè)試當(dāng)中的圖像導(dǎo)出的特征數(shù)據(jù)與從一幅或多幅其他圖像的至少相應(yīng)部分導(dǎo)出的特征數(shù)據(jù)進(jìn)行比較，以檢測(cè)處于測(cè)試當(dāng)中的圖像與所述的一幅或多幅其他圖像之間的相似度。
2. 根據(jù)權(quán)利要求1所述的方法，其中，所述像素特性為顏色特性。
3. 根據(jù)權(quán)利要求2所述的方法，其包括步驟 在檢測(cè)步驟之前，使所述的處于測(cè)試當(dāng)中的圖像的至少一部分中的像素的顏色特性量化。
4. 根據(jù)權(quán)利要求3所述的方法，其包括步驟 檢測(cè)像素特性對(duì)量化像素特性值的貢獻(xiàn)；以及 根據(jù)所檢測(cè)到的貢獻(xiàn)為所檢測(cè)到的像素特性排列加權(quán)。
5. 根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方法，其中，所述檢測(cè) 步驟用于檢測(cè)所述的處于測(cè)試當(dāng)中的圖像的至少 一 部分內(nèi)的所有可能 的由預(yù)定數(shù)量的像素構(gòu)成的連續(xù)集合當(dāng)中的像素特性的排列。
6. 根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方法，其中，所述的預(yù) 定數(shù)量為2,因而所述的像素的集合包括相鄰像素構(gòu)成的對(duì)。
7. 根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方法，其中，將所述檢 測(cè)步驟設(shè)置為針對(duì)集合像素特性的可能的排列生成出現(xiàn)頻率數(shù)據(jù)，所述 方法包括步驟連結(jié)所述出現(xiàn)頻率數(shù)據(jù)，以生成特征矢量。
8. 根據(jù)權(quán)利要求7所述的方法，其包括通過(guò)使所述特征矢量與隨 機(jī)數(shù)矩陣相乘來(lái)降低所述特征矢量的尺寸的步驟。
9. 根據(jù)權(quán)利要求7所述的方法，其包括通過(guò)主要部分分析來(lái)降低 所述特征矢量尺寸的步驟。
10. 根據(jù)權(quán)利要求7到9中的任何一項(xiàng)所述的方法，其中，所述比 較特征數(shù)據(jù)的步驟包括檢測(cè)相應(yīng)特征矢量之間的矢量距離。
11. 根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方法，其包括步驟 根據(jù)所導(dǎo)出的特征數(shù)據(jù)導(dǎo)出和/或填充一組圖像數(shù)據(jù)的自組織圖表
12. 根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方法，其包括步驟 如果兩個(gè)或更多個(gè)圖像或圖像部分的特征數(shù)據(jù)表明大于預(yù)定相似度，那么將所述兩個(gè)或更多個(gè)圖像或圖像部分集合到一起。
13. 包括程序代碼的計(jì)算機(jī)軟件，當(dāng)在計(jì)算機(jī)上執(zhí)行時(shí)，所述程序 代碼執(zhí)行根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方法。
14. 一種提供根據(jù)權(quán)利要求13所述的計(jì)算機(jī)軟件的介質(zhì)。
15. 根據(jù)權(quán)利要求14所述的介質(zhì)，所述介質(zhì)為存儲(chǔ)介質(zhì)。
16. 根據(jù)權(quán)利要求14所述的介質(zhì)，所述介質(zhì)為傳輸介質(zhì)。
17. —種圖像處理設(shè)備，包括用于4企測(cè)處于測(cè)試當(dāng)中的圖像的至少 一 部分內(nèi)的由預(yù)定數(shù)量的像 素構(gòu)成的連續(xù)集合當(dāng)中的像素特性的排列的統(tǒng)計(jì)分布，從而針對(duì)所述的 處于測(cè)試當(dāng)中的圖像的至少 一部分導(dǎo)出特征數(shù)據(jù)的檢測(cè)器；以及用于將針對(duì)所述的處于測(cè)試當(dāng)中的圖像導(dǎo)出的特征數(shù)據(jù)與從 一 幅 或多幅其他圖像的至少相應(yīng)部分導(dǎo)出的特征數(shù)據(jù)進(jìn)行比較，以檢測(cè)處于 測(cè)試當(dāng)中的圖像與所述的一幅或多幅其他圖像之間的相似度的比較器。
18. —種包括根據(jù)權(quán)利要求17所述的圖像處理設(shè)備的圖像俘獲設(shè)
全文摘要
一種圖像處理方法，其包括的步驟有檢測(cè)處于測(cè)試當(dāng)中的圖像的至少一部分內(nèi)的由預(yù)定數(shù)量的像素構(gòu)成的連續(xù)集合當(dāng)中的像素特性的排列的統(tǒng)計(jì)分布，從而針對(duì)所述的處于測(cè)試當(dāng)中的圖像導(dǎo)出特征數(shù)據(jù)；以及將針對(duì)所述的處于測(cè)試當(dāng)中的圖像導(dǎo)出的特征數(shù)據(jù)與從一幅或多幅其他圖像的至少相應(yīng)部分導(dǎo)出的特征數(shù)據(jù)進(jìn)行比較，以檢測(cè)處于測(cè)試當(dāng)中的圖像與所述的一幅或多幅其他圖像之間的相似度。
文檔編號(hào)G06F17/30GK101300576SQ200680040940
公開(kāi)日2008年11月5日 申請(qǐng)日期2006年10月27日 優(yōu)先權(quán)日2005年10月31日
發(fā)明者M·C·朗, R·M·S·波特 申請(qǐng)人:索尼英國(guó)有限公司