專利名稱：信息處理方法,信息處理設(shè)備和程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信息處理方法，信息處理設(shè)備和程序。
技術(shù)背景一些數(shù)字靜態(tài)攝像機具有模式設(shè)置轉(zhuǎn)盤，用于設(shè)置拍攝模式。當 用戶使用該轉(zhuǎn)盤設(shè)置拍攝模式時，數(shù)字靜態(tài)攝像機根據(jù)拍攝模式，確 定拍攝條件(諸如曝光時間)并進行拍攝。當拍攝了照片時，數(shù)字靜 態(tài)攝像機生成圖像文件。該圖像文件包含所拍攝的圖像的有關(guān)圖像數(shù) 據(jù)以及附加給該圖像數(shù)據(jù)的補充數(shù)據(jù)，例如，該補充數(shù)據(jù)是關(guān)于拍攝 該圖像時的拍攝條件。另一方面，根據(jù)該補充數(shù)據(jù)對圖像數(shù)據(jù)進行圖像處理也已經(jīng)在實 際中實施。例如，當印刷機根據(jù)該圖像文件執(zhí)行印刷時，根據(jù)由該補 充數(shù)據(jù)指示的拍攝條件校正圖像數(shù)據(jù)，并且根據(jù)該校正的圖像數(shù)據(jù)執(zhí) 行印刷。JP-A-2001-238177描述了背景技術(shù)的示例。在一些情況下，用戶忘記設(shè)置拍攝模式并己經(jīng)在仍然設(shè)置了不適 合拍攝條件的拍攝模式下拍攝了圖片。例如，可能設(shè)置了夜景模式來 拍攝白天場景。這導致的情況是，指示夜景模式的數(shù)據(jù)存儲在補充數(shù) 據(jù)中，盡管圖像文件中的圖像數(shù)據(jù)是白天場景的圖像。在這種情況中， 當根據(jù)由補充數(shù)據(jù)指示的夜景模式校正圖像數(shù)據(jù)時，可能無法適當?shù)匦Ｕ搱D像數(shù)據(jù)。這種問題不僅會由不適當?shù)霓D(zhuǎn)盤盤設(shè)置引起，還會 由圖像數(shù)據(jù)的內(nèi)容和補充數(shù)據(jù)的內(nèi)容之間的不匹配造成。發(fā)明內(nèi)容考慮到這些情況，設(shè)計了本發(fā)明，并且它的優(yōu)點是消除了由圖像 數(shù)據(jù)的內(nèi)容和補充數(shù)據(jù)的內(nèi)容之間的不匹配引起的問題。為了實現(xiàn)上述的優(yōu)點，本發(fā)明的主要方面針對一種信息處理方法， 包括從附加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取圖像數(shù)據(jù)的場景信息；根 據(jù)該圖像數(shù)據(jù)，識別由圖像數(shù)據(jù)表示的圖像的場景；以及當在由場景 信息指示的場景和通過識別圖像場景而識別的場景之間存在不匹配 時，在補充數(shù)據(jù)中存儲所識別的場景。本發(fā)明的其它特征通過在本說明書的解釋和附圖的描述將變得清楚。


為了更完整的了解本發(fā)明和它的優(yōu)點，現(xiàn)在將參考結(jié)合附圖進行 的下列說明，附圖中圖1是圖像處理系統(tǒng)的說明圖； 圖2是印刷機的配置的說明圖； 圖3是圖像文件的結(jié)構(gòu)的說明圖；圖4A是在IFD0中使用的標簽的說明圖；圖4B是在Exif SubIFD 中使用的標簽的說明圖；圖5是示出了模式設(shè)置轉(zhuǎn)盤的設(shè)置和數(shù)據(jù)之間的對應關(guān)系的對應 關(guān)系表；圖6是印刷機的自動校正功能的說明圖；圖7是圖像場景和校正細節(jié)之間的關(guān)系的說明圖；圖8是由場景識別部進行的場景識別處理的流程圖；圖9是場景識別部的功能的說明圖；圖IO是整體識別處理的流程圖；圖11是識別目標表的說明圖；圖12是整體識別處理中的肯定閾值的說明圖；圖13是回現(xiàn)度(Recall)和精確度(Precision)的說明圖； 圖14是第一否定閾值的說明圖； 圖15是第二否定閾值的說明圖；圖16A是風景識別部中的閾值的說明圖；圖16B是風景識別部進 行的處理的輪廓的說明圖；圖17是局部識別處理的流程圖；圖18是由傍晚局部識別部選擇局部圖像的順序的說明圖；圖19示出了在僅使用前十個局部圖像來識別夕景圖像時的回現(xiàn)度和精確度的圖；圖20A是使用線性支持向量機進行判別的說明圖；圖20B是使用核函數(shù)進行判別的說明圖；圖21是綜合識別處理的流程圖；圖22是實施例的場景信息校正處理的流程圖；以及圖23是將識別結(jié)果添加給補充數(shù)據(jù)時APP1段的配置的說明圖。
具體實施方式
通過本說明書的解釋和對附圖的描述，至少下列內(nèi)容將變得清楚。 信息處理方法將變得清楚，該方法包括從附加給圖像數(shù)據(jù)的補 充數(shù)據(jù)中獲取圖像數(shù)據(jù)的場景信息；根據(jù)圖像數(shù)據(jù)識別由圖像數(shù)據(jù)表 示的圖像的場景；以及當在由場景信息指示的場景和通過識別圖像的 場景而識別的場景之間存在不匹配時，在補充數(shù)據(jù)中存儲所識別的場旦 眾o根據(jù)該信息處理方法，由圖像數(shù)據(jù)的內(nèi)容和補充數(shù)據(jù)的內(nèi)容之間 不匹配所引起的問題可以被消除。此外，優(yōu)選地，在補充數(shù)據(jù)中存儲所識別的場景包括把由場景信息 指示的場景重寫成所識別的場景。利用這種配置，由圖像數(shù)據(jù)內(nèi)容和 補充數(shù)據(jù)內(nèi)容之間不匹配所引起的問題可以被消除。此外，優(yōu)選地，在補充數(shù)據(jù)中存儲所識別的場景包括在補充數(shù) 據(jù)中存儲所識別的場景，同時保持場景信息不變。利用這種配置，可 以不必擦除原始數(shù)據(jù)。此外，優(yōu)選地，在補充數(shù)據(jù)中存儲所識別的場景包括將根據(jù)識別結(jié)果的準確率的評估結(jié)果連同所識別的場景一起存儲在補充數(shù)據(jù) 中。利用這種配置，圖像文件具有可以減少錯誤識別影響的數(shù)據(jù)。此外，優(yōu)選地，識別由圖像數(shù)據(jù)表示的圖像的場景包括用于獲 取指示圖像特征的特性量的特征量獲??；以及用于根據(jù)特性量來識別 圖像的場景的場景識別。利用這種配置，識別的精確度得到了提高。此外，優(yōu)選地，特征量獲取包括獲取指示圖像整體特征的整體特征量以及獲取指示圖像中包含的局部圖像的特征的局部特征量；場景識別包括用于根據(jù)整體特性量來識別圖像的場景的整體識別以及用于 根據(jù)局部特征量來識別圖像的場景的局部識別。當無法在整體識別中 識別由圖像數(shù)據(jù)表示的圖像的場景時，執(zhí)行局部識別，以及當可以在 整體識別中識別圖像的場景可時，不執(zhí)行局部識別。利用這種配置， 處理速度提高了。此外，優(yōu)選地，整體識別包括基于整體特征量，計算根據(jù)圖像是特定的場景的概率的評估值；以及當評估值大于第一閾值時，識別 圖像為特定的場景。此外，局部識別包括基于局部特征量識別圖像 為特定的場景。當整體識別中的評估值小于第二閾值時，不執(zhí)行局部 識別。利用這種配置，處理速度提高了。此外，優(yōu)選地，場景識別包括用于基于特征量識別圖像為第一場 景的第一場景識別以及用于基于特征量識別圖像為不同于第一場景的 第二場景的第二場景識別，且第一場景識別包括基于特征量計算根據(jù)圖像是第一場景的概率的評估值；以及當評估值大于第一閾值時，識別圖像為第一場景。此外，在場景識別中，當?shù)谝蛔R別中的評估值 大于第三閾值時，不執(zhí)行第二場景識別。利用這種配置，處理速度提高了。此外，信息處理設(shè)備變得清楚，其包括場景信息獲取部，從附加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取指示圖像數(shù)據(jù)的場景的場景信息；場 景識別部，基于圖像數(shù)據(jù)，識別由圖像數(shù)據(jù)表示的圖像的場景；和補 充數(shù)據(jù)存儲部，當在由場景信息指示的場景和由場景識別部識別的場 景之間存在不匹配時，在補充數(shù)據(jù)中存儲所識別的場景。此外，程序也變得清楚，它使信息處理設(shè)備從附加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取指示圖像數(shù)據(jù)的場景的場景信息；根據(jù)圖像數(shù)據(jù)，識別由圖像數(shù)據(jù)表示的圖像的場景；以及當在由場景信息指示的場景 和通過識別圖像的場景識別的場景之間存在不匹配時，在補充數(shù)據(jù)中 存儲所識別的場景。整體配置圖1是圖像處理系統(tǒng)的說明圖。這個圖像處理系統(tǒng)包括數(shù)字靜態(tài)攝像機2和印刷機4。數(shù)字靜態(tài)攝像機2是通過在數(shù)字器件(諸如CCD)上形成對象的 圖像來捕獲數(shù)字圖像的攝像機。數(shù)字靜態(tài)攝像機2具有模式設(shè)置轉(zhuǎn)盤 2A。用戶可以根據(jù)拍攝條件，使用轉(zhuǎn)盤2A設(shè)置拍攝模式。例如，當 用轉(zhuǎn)盤2A設(shè)置"夜景"模式時，數(shù)字靜態(tài)攝像機2使快門速度變長或增 加ISO靈敏度，以在適合拍攝夜景的拍攝條件下拍攝圖片。數(shù)字靜態(tài)攝像機2在存儲卡6上依照文件格式標準保存通過拍攝 而生成的圖像文件。圖像文件不僅包含關(guān)于所拍攝圖像的數(shù)字數(shù)據(jù)(圖 像數(shù)據(jù))，而且包含關(guān)于例如拍攝圖像時的拍攝條件(拍攝數(shù)據(jù))的補 充數(shù)據(jù)。印刷機4是用于在紙上印刷由圖像數(shù)據(jù)表示的圖像的印刷設(shè)備。 印刷機4具有存儲卡6可以插入的槽21 。在用數(shù)字靜態(tài)攝像機2拍攝 之后，用戶可以從數(shù)字靜態(tài)攝像機2中移除存儲卡6，并且把存儲卡6 插入到槽21中。圖2是印刷機4的配置的說明圖。印刷機4包括印刷機構(gòu)10和用 于控制印刷機構(gòu)10的印刷機端控制器20。印刷機構(gòu)10具有用于噴射 墨水的印刷頭、用于控制印刷頭11的印刷頭控制部12、例如用于傳 送紙張的電動機13和傳感器14。印刷機端控制器20具有用于發(fā)送/ 接收數(shù)據(jù)到/從存儲卡6中的存儲槽21、 CPU22、存儲器23、用于控 制發(fā)動機13的控制單元24和用于生成驅(qū)動信號(驅(qū)動波形)的驅(qū)動 信號生成部25。當存儲卡6被插入槽21中時，印刷機端控制器20讀出在存儲卡 6上保存的圖像文件，并且在存儲器23中存儲圖像文件。然后，印刷 機端控制器20將圖像文件中的圖像數(shù)據(jù)轉(zhuǎn)換成為將被印刷機構(gòu)10印 刷的印刷數(shù)據(jù)，并且基于印刷數(shù)據(jù)來控制印刷機構(gòu)10在紙上印刷圖像。這些操作的序列被稱作"直接印刷"。應注意的是，"直接印刷"不僅通過將存儲卡6插入到槽21中來執(zhí)行，而且可以通過把數(shù)字靜態(tài)攝像機2經(jīng)由電纜(未示出)連接到印 刷機4來執(zhí)行。圖像文件的結(jié)構(gòu)圖像文件由圖像數(shù)據(jù)和補充數(shù)據(jù)構(gòu)成。圖像數(shù)據(jù)由多個像素數(shù)據(jù) 單元構(gòu)成。像素數(shù)據(jù)是指示每一個像素的顏色信息(色調(diào)值)的數(shù)據(jù)。 圖像由以矩陣形式排列的像素組成。因此，圖像數(shù)據(jù)是表示圖像的數(shù) 據(jù)。補充數(shù)據(jù)包括對圖像數(shù)據(jù)的屬性進行指示的數(shù)據(jù)、拍攝數(shù)據(jù)、縮 略像數(shù)據(jù)等等。在下文中，描述圖像文件的特定結(jié)構(gòu)。圖3是圖像文件的結(jié)構(gòu)的說明圖。圖像文件的整體配置在圖的左 側(cè)示出，APP1段的配置在圖的右側(cè)示出。圖像文件開始于指示SOI (圖像的開始)的標記，并且結(jié)束于指 示EOI (圖象的結(jié)束)的標記。指示SOI的標記后面是APP1標記， 用于指示APP1數(shù)據(jù)區(qū)域的開始。在APP1標記之后的APP1數(shù)據(jù)區(qū)域 包含補充數(shù)據(jù)，諸如拍攝數(shù)據(jù)和縮略像。此外，圖像數(shù)據(jù)包括在 指示SOS (流的開始)的標記之后。在APP1標記之后，放置指示APP1數(shù)據(jù)區(qū)域的大小的信息，其后 面是EXIF頭部、TIFF頭部、然后是IFD區(qū)域。每個IFD區(qū)域具有多個目錄項、指示下一個IFD區(qū)域的位置的鏈 接、以及數(shù)據(jù)區(qū)域。例如，第一IFD (IFD0 (主圖像的IFD))鏈接到 下一個IFD (IFD1 (縮略像的IFD))的位置。然而，在這里IFD1 旁沒有任何IFD，從而IFD1不鏈接到任何其它IFD。每個目錄項包含 標簽和數(shù)據(jù)段。當少量數(shù)據(jù)將被存儲時，數(shù)據(jù)段按照原樣存儲實際數(shù) 據(jù)，然而當大量數(shù)據(jù)將被存儲時，實際數(shù)據(jù)存儲在IFDO數(shù)據(jù)區(qū)域中， 而數(shù)據(jù)段存儲指示數(shù)據(jù)的存儲位置的指針。應注意的是，IFD0包含目 錄項，在其中存儲有表示Exif SubIFD的存儲位置的標簽(Exif IFD指 針)、以及指示ExifSubIFD的存儲位置的指針(偏移值)。Exif SubIFD區(qū)域具有多個目錄項。這些目錄項也包含標簽和數(shù)據(jù)段。當少量數(shù)據(jù)將被存儲時，數(shù)據(jù)段按照原樣存儲實際數(shù)據(jù)，然而當大量數(shù)據(jù)將被存儲時，實際數(shù)據(jù)存儲在ExifSubIFD數(shù)據(jù)區(qū)域中，而數(shù) 據(jù)段存儲指示數(shù)據(jù)的存儲位置的指針。應注意的是，ExifSubIFD存儲 表示Makernote IFD的存儲位置的標簽以及指示Makemote IFD的存儲位置的指針。Makemote IFD區(qū)域具有多個目錄項。這些目錄項也包含標簽和數(shù) 據(jù)段。當少量數(shù)據(jù)將被存儲時，數(shù)據(jù)段按照原樣存儲實際數(shù)據(jù)，然而 當大量數(shù)據(jù)將被存儲時，實際數(shù)據(jù)存儲在Makemote IFD數(shù)據(jù)區(qū)域中， 而數(shù)據(jù)段存儲指示數(shù)據(jù)的存儲位置的指針。然而，對于Makemote IFD 區(qū)域，數(shù)據(jù)存儲格式可以被自由地定義，數(shù)據(jù)沒有必要以這個格式存 儲。在下列描述中，在Makemote IFD區(qū)域中存儲的數(shù)據(jù)稱為 "MakerNote數(shù)據(jù)"。圖4A是在IFDO中使用的標簽的說明圖。如圖中所示，IFDO存 儲一般數(shù)據(jù)(指示圖像數(shù)據(jù)的屬性的數(shù)據(jù))，而沒有詳細的拍攝數(shù)據(jù)。圖4B是在Exif SubIFD中使用的標簽的說明圖。如圖中所示，Exif SubIFD存儲詳細的拍攝數(shù)據(jù)。應注意的是，在場景識別處理期間提取 的大多數(shù)拍攝數(shù)據(jù)是存儲在ExifSublFD中的拍攝數(shù)據(jù)。場景捕獲類型 標簽(場景捕獲類型)是指示所拍攝的場景的類型的標簽。此外， Makemote標簽是指示Makernote IFD的存儲位置的標簽。當與Exif SubIFD中的場景捕獲類型標簽相對應的數(shù)據(jù)段(場景捕 獲類型數(shù)據(jù))是"零"時，意味著"標準"，'T'意味著"風景"，"2"意味著" 肖像"，以及"3"意味著"夜景"。應注意的是，因為存儲在Exif SubIFD 中的數(shù)據(jù)是標準化的，所以任何人可以知道這個場景捕獲類型數(shù)據(jù)的 內(nèi)容。在本實施例中，MakerNote數(shù)據(jù)包括拍攝模式數(shù)據(jù)。該拍攝模式 數(shù)據(jù)指示與用該模式設(shè)置轉(zhuǎn)盤2A設(shè)置的不同模式相對應的不同的值。 然而，因為MakerNote數(shù)據(jù)的格式隨制造商不同而不同，所以不可能 知道拍攝模式數(shù)據(jù)的內(nèi)容，除非知道MakerNote數(shù)據(jù)的格式。圖5是示出了模式設(shè)置轉(zhuǎn)盤2A的設(shè)置和數(shù)據(jù)之間的對應關(guān)系的 對應關(guān)系表。在Exif SubIFD中使用的場景捕獲類型標簽符合文件格式 標準，以便限制可以指定的場景，由此用于指定諸如"夕景"之類的場景的數(shù)據(jù)不能存儲在數(shù)據(jù)段中。另一方面，MakerNote數(shù)據(jù)可以被自 由地定義，從而可以使用拍攝模式標簽將用于指定模式設(shè)置轉(zhuǎn)盤2A 的拍攝模式的數(shù)據(jù)存儲在數(shù)據(jù)段中，該標簽包括在MakerNote數(shù)據(jù)中。 在根據(jù)模式設(shè)置轉(zhuǎn)盤2A的設(shè)置的拍攝條件下拍攝圖片之后，上 述數(shù)字靜態(tài)攝像機2創(chuàng)建諸如上述的圖像文件，并且在存儲卡6上存 儲圖像文件。這個圖像文件包含場景捕獲類型數(shù)據(jù)和根據(jù)模式設(shè)置轉(zhuǎn) 盤2A的拍攝模式數(shù)據(jù)，它們分別存儲在Exif SubIFD和Makernote IFD 中，作為附加給圖像數(shù)據(jù)的場景信息。自動校正功能的概述當印刷"肖像"圖片時，存在對美麗膚色的需求。此外，當印刷"風 景"圖片時，有需求應該將天空的藍色加強，并將樹和植物的綠色加強。 這樣，本實施例的印刷機4具有分析圖像文件并自動地執(zhí)行適當?shù)男?正處理的自動校正功能，。圖6是印刷機4的自動校正功能的說明圖。圖中的印刷機端控制 器20的每個組件以軟件和硬件實現(xiàn)。存儲部31以存儲器23的某一區(qū)域和CPU22實現(xiàn)。在存儲部31 的圖像存儲部31A中對已經(jīng)從存儲卡6中讀出的整個或局部圖像文件 進行擴展。由印刷機端控制器20的組件執(zhí)行的操作結(jié)果存儲在存儲部 30的結(jié)果存儲部31B中。人臉識別部32以CPU22和存儲在存儲器23中的人臉識別程序?qū)?現(xiàn)。人臉識別部32分析存儲在圖像存儲部31A中的圖像數(shù)據(jù)，并且 識別是否有人臉。當人臉識別部32識別有人臉時，將待識別的圖像識 別為屬于"肖像"場景。在這種情況下，場景識別部33不執(zhí)行場景識別 處理。因為由人臉識別部32執(zhí)行的人臉識別處理類似于已廣泛應用的 處理，這里省略對其的詳細說明。場景識別部33分析存儲在圖像存儲部31A中的圖像文件，并且 識別由圖像數(shù)據(jù)表示的圖像的場景。當人臉識別部32識別沒有人臉 時，場景識別部33執(zhí)行場景識別處理。如隨后描述的，場景識別部 33識別出待識別的圖像是"風景"，"夕景"，"夜景"，"花朵"，"秋日"和 "其它"圖像中的哪一個。圖7是圖像的場景和校正細節(jié)之間的關(guān)系的說明圖。圖像增強部34以CPU22和存儲在存儲器23中的圖像校正程序?qū)?現(xiàn)。圖像增強部34根據(jù)識別結(jié)果(由人臉識別部32或場景識別部33 執(zhí)行的識別結(jié)果)校正圖像存儲部31A中的圖像數(shù)據(jù)，其中識別結(jié)果 是已存儲在存儲部31的結(jié)果存儲部31B中的。例如，當場景識別部 33的識別結(jié)果是"風景"時，校正圖像數(shù)據(jù)，以加重藍色和綠色。應注 意的是，圖像增強部34可以不僅根據(jù)關(guān)于場景的識別結(jié)果來校正圖像 數(shù)據(jù)，而且校正圖像文件中的反映拍攝數(shù)據(jù)內(nèi)容的圖像數(shù)據(jù)。例如， 當應用負曝光補償時，圖像數(shù)據(jù)可以得到校正，以便阻止暗色的圖像 變亮。印刷機控制部35以CPU22、驅(qū)動信號生成部25，控制單元24和 存儲在存儲器23中的印刷機控制程序?qū)崿F(xiàn)。印刷機控制部35把校正 后的圖像數(shù)據(jù)轉(zhuǎn)換成為印刷數(shù)據(jù)，并且使印刷機構(gòu)10印刷圖像。場景識別處理圖8是由場景識別部33執(zhí)行的場景識別處理的流程圖。圖9是場 景識別部33的功能的說明圖。圖中所示的場景識別部33的每個組件 以軟件和硬件實現(xiàn)。首先，特征量獲取部40分析在存儲部31的圖像存儲部31A中擴 展的圖像數(shù)據(jù)，并且獲取局部特征量(S101)。具體地，特征量獲取部 40把圖像數(shù)據(jù)劃分成為8x8=64塊，計算這些塊的顏色均值和方差， 并且獲取所計算的顏色均值和方差作為局部特征量。應注意的是，這 里每個像素具有YCC顏色空間中的關(guān)于色調(diào)值的數(shù)據(jù)，并且為每個塊 計算Y的均值、Cb的均值和Cr的均值，以及為每個塊計算Y的方差、 Cb的方差和Cr的方差。就是說，計算三個顏色均值和三個方差作為 每個塊的局部特征量。所計算的顏色均值和方差指示了每個塊中的局 部圖像的特征。應注意的是，也可以計算RGB顏色空間中的均值和方 差。因為為每個塊計算顏色均值和方差，特征量獲取部40在不擴展圖 像存儲部31A中的所有圖像數(shù)據(jù)的情況下，逐塊地依次擴展與各個塊 相對應的圖像數(shù)據(jù)部分。由此，圖像存儲部31A可以不必具有與可以擴展所有的圖像數(shù)據(jù)一樣大的容量。其次，特征量獲取部40獲取整體特征量(S102)。具體地，特征 量獲取部40獲取整個圖像數(shù)據(jù)的顏色均值和方差、質(zhì)心和拍攝信息，作為整體特征量。應注意的是，顏色均值和方差指示整個圖像的特征。 使用預先獲取的局部特征量來計算整個圖像數(shù)據(jù)的顏色均值、方差和 質(zhì)心。由此，不必在計算整體特征量時再一次擴展圖像數(shù)據(jù)，從而提高了計算整體特征量的速度。這是因為以如下方式提高了計算速度 在局部特征量之后獲得整體特征量，盡管在局部識別處理(稍后描述) 之前執(zhí)行整體識別處理(稍后描述)。應注意的是，拍攝信息從圖像文 件中的拍攝數(shù)據(jù)中提取。具體地，將諸如光圈值、快門速度和閃光燈 是否發(fā)光之類的信息用作整體特征量。然而，不是將圖像文件中的所 有拍攝數(shù)據(jù)都用作整體特征量。接下來，整體識別部50執(zhí)行整體識別處理(S103)。整體識別處 理是根據(jù)整體特征量來識別(估計)由圖像數(shù)據(jù)表示的圖像場景的處 理。稍后提供對整體識別處理的詳細說明。當可以通過整體識別處理識別場景時(在S104中的"是")，場景 識別部33通過在存儲部31的結(jié)果存儲部31B中存儲識別結(jié)果來確定 場景(S109),并且終止場景識別處理。就是說，當可以通過整體識別 處理來識別場景時(S104中的"是")，局部識別處理和綜合識別處理被 省略。這樣，場景識別處理的速度提高了。當不能通過整體識別處理來識別場景時(S104中的"否")，局部識 別部60執(zhí)行局部識別處理(S105)。局部識別處理是根據(jù)局部特征量 來識別由圖像數(shù)據(jù)表示的整個圖像的場景的處理。稍后提供對局部識 別處理的詳細說明。當可以通過局部識別處理來識別場景時(在S106中的"是")，場 景識別部33通過在存儲部31的結(jié)果存儲部31B中存儲識別結(jié)果來確 定場景(S109)，并且終止場景識別處理。就是說，當可以通過局部識 別處理來識別場景時(S106中的"是")，綜合識別處理被省略。這樣， 場景識別處理的速度提高了。當不能通過局部識別處理來識別場景時(S106中的"否")，綜合識 別部70執(zhí)行綜合識別處理(S107)。稍后提供對綜合識別處理的詳細說明。當可以通過綜合識別處理來識別場景時(S108中的"是")，場景識 別部33通過在存儲部31的結(jié)果存儲部31B中存儲識別結(jié)果來確定場 景(S109)，并且終止場景識別處理。另一方面，當不能通過綜合識別 處理來識別場景時(S108中的"否")，把由圖像數(shù)據(jù)表示的圖像是"其 它"場景(除"風景"，"夕景"，"夜景"，"花朵"或"秋日"以外的場景)的 識別結(jié)果存儲在結(jié)果存儲部31B中(S110)。整體識別處理圖IO是整體識別處理的流程圖。這里，也參考圖9描述整體識別 處理。首先，整體識別部50從多個子識別部51中選擇一個子識別部51 (S201)。整體識別部50具有五個子識別部51，用于識別用作識別目 標的圖像(待識別的圖像)是否屬于特定場景。五個子識別部51分別 識別風景、夕景、夜景、花朵和秋日場景。這里，整體識別部50按照 風景一夕景一夜景一花朵一秋日的順序選擇子識別部51。由此，開始 時，選擇用于識別待識別的圖像是否屬于風景場景的子識別部51 (風 景識別部51L)。其次，整體識別部50參考識別目標表，并且確定是否使用所選擇 的子識別部51來識別場景(S202)。圖11是識別目標表的說明圖。這個識別目標表存儲在存儲部31 的結(jié)果存儲部31B中。在第一階段，把識別目標表中所有的字段設(shè)置 為零。在S202步驟中，參考"否定"字段，當這個字段是零時，確定" 是"，而當這個字段是l時，確定"否"。這里，整體識別部51參考"風 景"欄下面的"否定"字段，找出這個字段是零，并且由此確定"是"。接下來，子識別部51基于整體特征量，計算根據(jù)待識別的圖像屬 于特定場景的概率的值(評估值)(S203)。本實施例的子識別部51 采用使用了支持向量機(SVM)的識別方法。稍后提供對支持向量機 的描述。當待識別的圖像屬于特定場景時，子識別部51的判別式很可 能是正值。當待識別的圖像不屬于特定場景時，子識別部51的判別式 很可能是負值。此外，待識別的圖像屬于特定場景的概率越高，判別式的值越大。因此，判別式的較大值指示待識別的圖像屬于特定場景 的概率較高，判別式的較小值指示待識別的圖像屬于特定場景的概率 較低。因此，判別式的值(評估值)指示確定性因子，即待識別的圖像 可能屬于特定場景的程度。應注意的是，在下列描述中使用的術(shù)語" 確定性因子"可以指判別式的值本身或可以指從判別式的值獲得的正 確率(稍后描述)。判別式的值本身或可以從判別式的值獲得的正確率(稍后描述)也是根據(jù)待識別的圖像屬于特定場景的概率的"評估值"(評估結(jié)果)。接下來，子識別部51確定判別式的值(確定性因子)是否大于肯定閾值(S204)。當判別式的值大于肯定閾值時，子識別部51確定待 識別的圖像屬于特定場景。圖12是整體識別處理中的肯定閾值的說明圖。在這個圖中，縱軸 表示肯定閾值，并且橫軸表示回現(xiàn)度或精確度的概率。圖B是回現(xiàn)度 和精確度的說明圖。當判別式的值等于或大于肯定閾值時，識別結(jié)果 為肯定，并且當判別式的值不等于或不大于肯定閾值時，識別結(jié)果為 否定。回現(xiàn)度指示了再現(xiàn)率或檢出率?；噩F(xiàn)度是被識別為屬于特定場景 的圖像的數(shù)目在特定場景的圖像總數(shù)中的比例。換句話說，回現(xiàn)度指 示了當子識別部51識別特定場景的圖像時子識別部51的識別為肯定 的概率(將特定場景的圖像識別為屬于特定場景的概率)。例如，回現(xiàn) 度指示了當風景識別部51L識別風景圖像時風景識別部51L識別圖像 為屬于風景場景的概率。精確度指示了正確率或準確率。精確度是特定場景的圖像的數(shù)目 在被識別為肯定的圖像的總數(shù)中的比例。換句話說，精確度指示了當 用于識別特定場景的子識別部51識別圖像為肯定時待識別的圖像是 特定場景的概率。例如，精確度指示了當風景識別部51L識別圖像為 屬于風景場景時所識別的圖像實際上是風景圖像的概率?？梢詮膱D12中看出，肯定閾值越大，精確度越高。這樣，肯定閾 值越大，被識別為屬于例如風景場景的圖像是風景圖像的概率越高。 也就是說，肯定閾值越大，錯誤識別的概率越低。另一方面，肯定閾值越大，回現(xiàn)度越小。因而，例如，即使在通 過風景識別部51L識別風景圖像的時候，也難以正確地識別圖像屬于風景場景。當待識別的圖像可以被識別為屬于風景場景時(S204中的"是")，不再執(zhí)行相對于其它場景的識別(諸如夕景)，從而提高整體 識別處理的速度。因此，肯定閾值越大，整體識別處理的速度越低。 此外，因為當場景識別可以通過整體識別處理實現(xiàn)時，場景識別處理的速度通過省略局部識別處理而提高了 (S104)，所以肯定閾值越大， 場景識別處理的速度越低。也就是說，肯定閾值太小會導致錯誤識別的概率較高，而肯定閾 值太大會導致處理速度降低。在本實施例中，風景的肯定閾值設(shè)置為 1.72，以將正確率(精確度)設(shè)置到97.5%。當判別式的值大于肯定閾值時(S204中的"是")，子識別部51確 定待識別的圖像屬于特定場景，并且設(shè)置肯定標志(S205)。"設(shè)置肯 定標志"是指將圖11中的"肯定"字段設(shè)置為1。在這種情況下，整體識 別部50在后續(xù)子識別部51沒有執(zhí)行識別的情況下，終止整體識別處 理。例如，當圖像可以被識別為風景圖像時，整體識別部50在不執(zhí)行 關(guān)于夕景等等的識別的情況下終止整體識別處理。在這種情況下，整 體識別處理的速度可以得到提高，這是因為后續(xù)子識別部51的識別被 省略。當判別式的值不大于肯定閾值時(S204中的"否")，子識別部51 不能確定待識別的圖像屬于特定場景，并且執(zhí)行后續(xù)S206的處理。然后，子識別部51比較判別式的值和否定閾值(S206)?；谶@ 個比較，子識別部51確定待識別的圖像是否屬于預定場景。用兩種方 式進行這種確定。第一，當子識別部51相對于某一特定場景的判別式 的值小于第一否定閾值時，確定待識別的圖像不屬于那個特定場景。 例如，當風景識別部51L的判別式的值小于第一否定閾值時，確定待 識別的圖像不屬于風景場景。第二，當子識別部51相對于某一特定場 景的判別式的值大于第二否定閾值時，確定將被確定的圖像不屬于不 同于那個特定場景的場景。例如，當風景識別部51L的判別式的值大 于第二否定閾值時，確定待識別的圖像不屬于夜景。圖14是第一否定閾值的說明圖。在這個圖中，橫軸表示第一否定閾值，而縱軸表示概率。由粗線示出的曲線表示真否定回現(xiàn)度，并且 指示將非風景圖像的圖像正確地識別為不是風景圖像的概率。由細線 示出的曲線表示假否定回現(xiàn)度，并且指示將風景圖像錯誤識別為不是 風景圖像的概率?？梢詮膱D14中看出，第一否定閾值越小，假否定回現(xiàn)度就越小。 這樣，第一否定閾值越小，被識別為不屬于例如風景場景的圖像實際 上是風景圖像的概率變得越低。換句話說，錯誤識別的概率降低。另一方面，第一否定閾值越小，真否定回現(xiàn)度也越小。因而，不 是風景圖像的圖像被識別為風景圖像的可能性較小。同時，當待識別 的圖像可以被識別為不是特定場景時，由相對于該特定場景的子局部識別部61的處理在局部識別處理期間被省略，從而提供了場景識別處 理的速度(稍后描述，在圖17中的S302)。因此，第一否定閾值越小， 場景識別處理的速度越低。也就是說，第一否定閾值太大會導致錯誤識別的概率較高，并且 第一否定閾值太小會導致處理速度降低。在本實施例中，第一否定閾 值被設(shè)置為-1.01，以將假否定回現(xiàn)度設(shè)置到2.5%。當某一圖像屬于風景場景的概率較高時，這個圖像屬于夜景的概 率不可避免地很低。這樣，當風景識別部51L的判別式的值較大時， 也許有可能將圖像識別為不是夜景。為了執(zhí)行這種識別，提供第二否 定閾值。圖15是第二否定閾值的說明圖。在這個圖中，橫軸表示相對于風 景的判別式的值，并且縱軸表示概率。除了圖12中所示的回現(xiàn)度和精 確度的曲線之外，這個圖還顯示了相對于夜景的回現(xiàn)度曲線，其由虛 線畫出。當查看由虛線畫出的該曲線時，發(fā)現(xiàn)當相對于風景的判別式 的值大于-0.44時，待識別的圖像是夜景圖像的概率是2.5%。換句話說， 即使在相對于風景的判別式的值大于-0.44時待識別的圖像被識別為 不是夜景圖像，錯誤識別的概率也只是2.5%。在本實施例中，第二否 定閾值因此設(shè)置為-0.44。當判別式的值小于第一否定閾值時，或當判別式的值大于第二否 定閾值時(S206中的"是")，子識別部51確定待識別的圖像不屬于預 定場景，并且設(shè)置否定標志(S207)。"設(shè)置否定標志"是指在圖11中設(shè)置"否定"字段為1。例如，當基于第一否定閾值而確定待識別的圖像 不屬于風景場景時，在"風景"欄下面的"否定"字段被設(shè)置為1。此外， 當基于第二否定閾值而確定待識別的圖像不屬于夜景時，在"夜景"欄 下面的"否定"字段被設(shè)置為1。圖16A是如上所述的風景識別部51L中的閾值的說明圖。在風景 識別部51L中，預先設(shè)置肯定閾值和否定閾值?？隙ㄩ撝翟O(shè)置為1.72。 否定閾值包括第一否定閾值和第二否定閾值。第一否定閾值設(shè)置為 -1.01。針對除風景以外的場景，將第二否定閾值設(shè)置為相應的值。圖16B是如上所述的風景識別部51L處理的概述的說明圖。這里， 為了簡化描述起見，僅僅相對于夜景描述第二否定閾值。當判別式的 值大于1.72時(S204中的"是")，風景識別部51L確定待識別的圖像 屬于風景場景。當判別式的值不大于1.72 (S204中的"否")并且大于 -0.44時(S206中的"是")，風景識別部51L確定待識別的圖像不屬于 夜景。當判別式的值小于-1.01時(S206中的"是")，風景識別部51L 確定待識別的圖像不屬于風景場景。應注意的是，風景識別部51L也 相對于關(guān)于夕景和秋日，基于第二否定閾值來確定待識別的圖像是否 不屬于這些場景。然而，因為相對于花朵的第二否定閾值大于肯定閾 值，風景識別部51L無法確定待識別的圖像不屬于花朵的場景。當在S202中是"否"時、當在S206中是"否"時、或當S207的處理 結(jié)束時，整體識別部50確定是否存在后續(xù)子識別部51 (S208)。這里， 由風景識別部51L進行的處理己經(jīng)結(jié)束，從而整體識別部50在S208 中確定存在后續(xù)子識別部51 (夕景識別部51S)。然后，當S205的處理結(jié)束時(當確定待識別的圖像屬于特定場景 時)，或當在S208中確定沒有后續(xù)子識別部51時(當不能確定待識別 的圖像屬于特定場景時)，整體識別部50終止整體識別處理。正如上面已經(jīng)描述的，當整體識別處理終止時，場景識別部33確 定場景識別是否可以通過整體識別處理實現(xiàn)(圖8中的S104)。在這 時候，場景識別部33參考圖11中所示的識別目標表，并且確定在"肯 定"字段中是否存在1。當場景識別可以通過整體識別處理實現(xiàn)時(S104中的"是")，局部 識別處理和綜合識別處理被省略。這樣，場景識別處理的速度提高了。局部識別處理圖n是局部識別處理的流程圖。當場景識別不能通過整體識別處理實現(xiàn)時，執(zhí)行局部識別處理(圖8中的S104中的"否")。如下列描 述的，通過單獨地識別待識別的圖像所劃分成的局部圖像的場景，進 行局部識別處理，以識別整個圖像的場景。這里，也參考圖9描述局 部識別處理。首先，局部識別部60從多個子局部識別部61中選擇一個子局部 識別部61 (S301)。局部識別部60具有三個子局部識別部61。每一子 局部識別部61識別待識別的圖像劃分成的8x8=64塊的局部圖像是否 屬于特定場景。這里，三個子局部識別部61分別識別夕景、花朵額場 景和秋日場景。局部識別部60按照夕景一花朵一秋日的順序選擇子局 部識別部61。這樣，開始時，選擇子局部識別部61 (夕景局部識別部 61S)用于識別局部圖像是否屬于夕景。其次，局部識別部60參考識別目標表(圖11)，并且確定場景識 別是否使用選擇的子局部識別部61來執(zhí)行(S302)。這里，局部識別 部60參考識別目標表中"夕景"欄下面的"否定"字段，并且當存在零時， 確定"是"，以及當存在1時，確定"否"。應注意的是，當在整體識別處 理期間時，夕景識別部51S基于第一否定閾值來設(shè)置否定標志，或另 一子識別部51基于第二否定閾值來設(shè)置否定標志時，在這個步驟S302中確定"否"。如果確定"否"，相對于夕景的局部識別處理被省略，從而 提高局部識別處理的速度。然而，為了方便描述起見，假定這里的確 定結(jié)果是"是"。接著，子局部識別部61從待識別的圖像劃分成的8x8=64塊的局 部圖像中選擇一個局部圖像(S303)。圖18是夕景局部識別部61S選擇局部圖像的順序的說明圖。在整 個圖像的場景基于局部圖像而識別的情況下，優(yōu)選的是被用于識別的 局部圖像是其中存在對象的部分。由于這個緣故，在本實施例中，準 備了數(shù)千個樣本夕景圖像，每一個晚景圖像被劃分為8x8 = 64塊，提 取包含夕景部分圖像的塊(夕景的太陽和天空部分的局部圖像)，并且 基于所提取的塊的位置，計算夕景部分圖像在每個塊中存在的概率。在本實施例中，按照塊的存在概率的遞減次序，選擇局部圖像。應注 意的是，與圖中所示的選擇順序有關(guān)的信息存儲在存儲器23中，作為程序的一部分。應注意的是，在夕景圖像的情況中，夕景的天空經(jīng)常從中心部分 周圍延伸到圖像的上半部分，從而增大了在位于從中心部分周圍到上 半部分的區(qū)域中的塊中的存在概率。此外，在夕景圖像的情況中，由 于背光，圖像下部1/3部分經(jīng)常變暗，并且不可能基于單個局部圖像來確定圖像是夕景還是夜景，因此位于下部1/3部分中的塊中的存在概率減小。在花朵的圖像的情況中，花朵經(jīng)常定位在圖像中心部分周 圍，因此花朵的部分圖像存在在中心部分周圍的概率增加。接著，子局部識別部61基于已經(jīng)選擇的局部圖像的局部特征量， 確定所選擇的局部圖像是否屬于特定場景(S304)。子局部識別部61 采用使用了支持向量機(SVM)的判別方法，正如整體識別部50的子 識別部51—樣。稍后提供對支持向量機的描述。當判別式的值是正值 時，確定局部圖像屬于特定場景，并且子局部識別部61使肯定計數(shù)值 遞增。當判別式的值是負值時，確定局部圖像不屬于特定場景，并且 子局部識別部61使否定計數(shù)值遞增。接下來，子局部識別部61確定肯定計數(shù)值是否大于肯定閾值 (S305)?？隙ㄓ嫈?shù)值指示了己經(jīng)被確定為屬于特定場景的局部圖像的 數(shù)目。當肯定計數(shù)值大于肯定閾值時(S305中的"是")，子局部識別部 61確定待識別的圖像屬于特定場景，并且設(shè)置肯定標志(S306)。在 這種情況下，局部識別部60在后續(xù)子局部識別部61不執(zhí)行識別的情 況下終止局部識別處理。例如，當待識別的圖像可以被識別為夕景圖 像時，局部識別部60在不執(zhí)行相對于花朵的和秋日的識別的情況下終 止局部識別處理。在這種情況下，局部識別處理的速度可以得到提高， 因為后續(xù)子識別部61的識別被省略。當肯定計數(shù)值不大于肯定閾值時(S305中的"否")，子局部識別部 61不能確定待識別的圖像屬于特定場景，并且執(zhí)行后續(xù)步驟S307的 處理。當肯定計數(shù)值和剩余的局部圖像的數(shù)目之和小于肯定閾值時 (S307中的"是")，子局部識別部61前進到S309的處理。當肯定計數(shù)值和剩余的局部圖像的數(shù)目之和小于肯定閾值時，即使所有剩余的 局部圖像使肯定計數(shù)值遞增時，肯定計數(shù)值也不可能大于肯定閾值， 因此處理前進到S309，省略使用支持向量機的關(guān)于剩余局部圖像的識 別。由此，局部識別處理的速度可以得到提高。當S307中子局部識別部61確定"否"時，子局部識別部61確定是 否存在后續(xù)局部圖像(S308)。在本實施例中，不是順序地選擇待識別 的圖像劃分成的所有的64個局部圖像。僅僅通過圖18中粗線勾勒的 前十個局部圖像被順序地選擇。由于這個緣故，當?shù)谑畟€局部圖像的 識別結(jié)束時，子局部識別部61在S308中確定沒有后續(xù)局部圖像。(考 慮到這一點，"剩余局部圖像的數(shù)目"也被確定。)圖19示出了在只基于前十個局部圖像來執(zhí)行夕景圖像的識別的 時回現(xiàn)度和精確度的圖。當肯定閾值設(shè)置為如該圖所示時，正確率(精 確度)可以設(shè)置為大約80%，以及回現(xiàn)度率(回現(xiàn)度)可以設(shè)置為大 約90%，因此可以執(zhí)行高精確度的識別。在本實施例中，只基于十個局部圖像來執(zhí)行夕景圖像的識別。因 此，在本實施例中，局部識別處理的速度可以高于使用所有64個局部 圖像來執(zhí)行夕景圖像的識別的情況。此外，在本實施例中，使用夕景部分圖像的存在概率較高的前十 個局部圖像來執(zhí)行夕景圖像的識別。因此，在本實施例中，可以將回 現(xiàn)度和精確度兩者設(shè)置在比在使用不考慮存在概率而被提取的十個局 部圖像來執(zhí)行夕景圖像的識別的情況高的級別。此外，在本實施例中，按照夕景部分圖像的存在概率的遞減次序 選擇局部圖像。因而，更加可能在S305中的較早階段確定"是"。因此， 局部識別處理的速度可能高于以與存在概率的程度無關(guān)的次序選擇局 部圖像的情況。當S307中確定"是"時，或當在S308中確定沒有后續(xù)局部圖像時， 子局部識別部61確定否定計數(shù)值是否大于否定閾值(S309)。這個否定閾值具有與在上述整體識別處理中的否定閾值幾乎相同的功能(圖 10中的S206)，并且因此省略對其的詳細說明。當在S309中確定"是" 時，與圖10中的S207的情況一樣設(shè)置否定標志。當在S302中是"否"時，當在S309中是"否"時，或當S310的處理結(jié)束時，局部識別部60確定是否存在后續(xù)子局部識別部61 (S311)。當通過夕景局部識別部61S的處理已經(jīng)結(jié)束時，存在剩余的子局部識 別部61，即花朵局部識別部61F和秋日局部識別部61R，因此局部識 別部60在S311中確定存在后續(xù)子局部識別部61。然后，當S306的處理結(jié)束時(當確定待識別的圖像屬于特定場景 時)，或當在S311中確定沒有后續(xù)子局部識別部61時(當不能確定待 識別的圖像屬于特定場景時)，局部識別部60終止局部識別處理。與如上己經(jīng)所述的一樣，當局部識別處理終止時，場景識別部33 確定場景識別是否能夠通過局部識別處理實現(xiàn)(圖8中的S106)。在 這時候，場景識別部33參考圖11中所示的識別目標表，并且確定在" 肯定"字段中是否存在1。當場景識別能夠通過局部識別處理實現(xiàn)時(S106中的"是")，省略 綜合識別處理。因此，場景識別處理的速度提高了。支持向量機在描述綜合識別處理之前，描述由子識別部51在整體識別處理中 和子局部識別部61在局部識別處理中使用的支持向量機(SVM)。圖20A是線性支持向量機的判別的說明圖。這里，學習樣本在由 兩種特征量xl和x2定義的二維空間中示出。學習樣本被分成兩類A 和B。在圖中，屬于A類的樣本由圓形表示，屬于B類的樣本由正方 形表示。作為使用學習樣本的學習結(jié)果，定義將二維空間劃分成兩部分的 邊界。邊界定義為〈w x>+b=0 (其中x-(xl， x2)， w表示權(quán)重矢量， 以及〈w，x〉表示w和x的內(nèi)積)。然而，邊界被定義為使用學習樣本 的學習結(jié)果，以最大化裕度(margin)。也就是說，在這個圖中，邊界 不是粗體虛線而是粗體實線。使用判別式f(x)-〈w'x〉+b執(zhí)行判別。當某個輸入x (這個輸入 x是與學習樣本相分離的)滿足f(x)〉0時，確定輸入x屬于A類，并 且當f(x)O時，確定輸入x屬于B類。這里，使用二維空間來描述判別。然而，這不是要進行限制(即， 可以使用多于兩個的特征量)。在這種情況下，邊界被定義為超平面。存在兩類之間的分離不能通過使用線性函數(shù)來實現(xiàn)的情況。在此 情況下，當執(zhí)行使用線性支持向量機的判別時，判別結(jié)果的精確度降 低。為了解決這個問題，對輸入空間中的特征量進行非線性變換，或 換句話說，從輸入空間到某個特征空間的非線性映射，并且因此能夠 通過使用線性函數(shù)來實現(xiàn)特征空間中的分離。非線性支持向量機使用 這種方法。圖20B是使用核函數(shù)的判別的說明圖。這里，學習樣本在由兩個 特征量xl和x2定義的二維空間中示出。當來自圖20B所示的輸入空 間的非線性映射是如圖20A所示的特征空間時，能夠通過使用線性函 數(shù)來實現(xiàn)兩類之伺的分離。當邊界被定義以便最大化這個特征空間中 的裕度時，該特征空間中的邊界的逆映射是圖20B中所示的邊界。因 此，邊界是如圖20B中所示的非線性的。因為本實施例中使用高斯核，所以用下列公式表達判別式f(x)-公式1其中M表示特征量的數(shù)目，N表示學習樣本的數(shù)目(或?qū)吔缬?貢獻的學習樣本的數(shù)目)，Wi表示權(quán)重因子，yj表示學習樣本的特征量，以及Xj表示輸入X的特征量。當某個輸入x (這個輸入x是與學習樣本相分離的)滿足f(x)>0 時，確定輸入x屬于A類，并且當f(x)O時，確定輸入x屬于B類。 此外，判別式f (x)的值越大，輸入x (這個輸入x是與學習樣本相 分離的)屬于A類的概率越高。相反地，判別式f (x)的值越小，輸 入x (這個輸入x是與學習樣本相分離的〉屬于A類的概率越低。如 上所述，子識別部51在整體識別處理中以及子局部識別部61在局部 識別處理中采用以上描述的支持向量機的判別式f (x)的值。應注意的是，評估樣本是與學習樣本相分離地準備的。以上描述 的回現(xiàn)度和精確度的曲線是基于相對于評估樣本的識別結(jié)果的。綜合識別處理在以上描述的整體識別處理和局部識別處理中，將子識別部51和子局部識別部61中的肯定閾值設(shè)置為相對較高的值，以將精確度(準 確率)設(shè)置為相當高的級別。這是因為，當例如整體識別部的風景識別部51L的準確率設(shè)置為低級別時，出現(xiàn)的問題在于，風景識別部51L 錯誤識別秋日圖像為風景圖像，并且在由秋日識別部51R執(zhí)行識別之 前終止整體識別處理。在本實施例中，將精確度(準確率)設(shè)置為相 當高的級別，并且因此屬于特定場景的圖像由相對于該特定場景的子 識別部51 (或子局部識別部61)識別(例如，秋日圖像由秋日識別部 51R (或秋日局部識別部61R)識別)。然而，當整體識別處理和局部識別處理的精確度(準確率)被設(shè) 置為相當高的級別時，場景識別不能由整體識別處理和局部識別處理 實現(xiàn)的可能性增加。為了解決這個問題，在本實施例中，當場景識別 不能由整體識別處理和局部識別處理實現(xiàn)時，執(zhí)行在下文中描述的綜 合識別處理。圖21是綜合識別處理的流程圖。如下文描述的，綜合識別處理是 基于整體識別處理中的每個子識別部51的判別式的值來選擇具有最 高確定性因子的場景的處理。首先，綜合識別部70基于五個子識別部51的判別式的值，提取 判別式的值為正的場景(S401)。在這時候，使用由每一個子識別部 51在整體識別處理期間計算的判別式的值。接著，綜合識別部70確定是否存在判別式的值為正的場景 (S402)。當存在判別式的值為正的場景時(S402中的"是")，在具有最大值 的場景的欄下面設(shè)置肯定標志(S403)，并且終止綜合識別處理。因此， 確定待識別的圖像屬于具有最大值的場景。另一方面，當沒有判別式的值為正的場景時(S402中的"否")，在 不設(shè)置肯定標志的情況下終止綜合識別處理。因此，仍然沒有在圖11 中所示的識別目標表的"肯定"字段中設(shè)置1的場景。也就是說，無法 識別待識別的圖像屬于哪一個場景。如以上所述的，當綜合識別處理終止時，場景識別部33確定場景 識別是否能夠通過綜合識別處理來實現(xiàn)(圖8中的S108)。在這時候， 場景識別部33參考圖11中所示的識別目標表，并且確定是否在"肯定"字段中存在l。當在S402中確定"否"時，也在S108中確定"否"。 場景信息校正概述如上所述，用戶能夠使用模式設(shè)置轉(zhuǎn)盤2A設(shè)置拍攝模式。然后， 數(shù)字靜態(tài)攝像機2基于例如設(shè)置的拍攝模式和光度測量來確定拍攝條 件(曝光時間，ISO靈敏度等等)，同時以確定的拍攝條件拍照和拍攝 對象時。在拍攝之后，數(shù)字靜態(tài)攝像機2將對拍攝時的拍攝條件進行 指示的拍攝數(shù)據(jù)連同圖像數(shù)據(jù)一起存儲在存儲卡6中，作為圖像文件。一些情況下，用戶忘記設(shè)置拍攝模式，因而在不適合拍攝條件的 拍攝模式仍然設(shè)置時進行了拍攝。例如，也許在夜景模式仍然設(shè)置時 拍攝了白天場景。因此，在這種情況下，盡管圖像文件中的圖像數(shù)據(jù) 是白天場景的圖像，指示夜景模式的數(shù)據(jù)存儲在拍攝數(shù)據(jù)中(例如， 圖5中所示的場景捕獲類型數(shù)據(jù)被設(shè)置為"3")。另一方面， 一些印刷機不具有以上描述的場景識別處理功能，而 是基于圖像文件中的拍攝數(shù)據(jù)執(zhí)行圖像數(shù)據(jù)的自動校正。如果由這種 印刷機印刷在不適合的拍攝模式下拍攝的圖片的圖像文件，則會基于 錯誤的拍攝數(shù)據(jù)來校正圖像數(shù)據(jù)。為了解決這個問題，在本實施例中，當場景識別處理結(jié)果與由圖 像文件中的場景信息(場景捕獲類型數(shù)據(jù)和拍攝模式數(shù)據(jù))指示的場 景不匹配時，將場景識別處理結(jié)果的場景存儲為圖像文件中的補充數(shù) 據(jù)。關(guān)于在圖像文件中存儲場景識別處理結(jié)果的場景的方法，可以使 用改變原始場景信息的方法、以及添加場景識別處理結(jié)果的場景并同 時保留原始場景信息不變的方法。因此，當用戶使用另一印刷機執(zhí)行印刷時，即使在使用不具有場 景識別處理功能而是執(zhí)行自動校正處理的印刷機的時候，也適當?shù)匦?正圖像數(shù)據(jù)。圖22是本實施例的場景信息校正處理的流程圖。該場景信息校正 處理由CPU22通過執(zhí)行存儲在存儲器23中的場景信息校正程序來實 現(xiàn)。場景信息校正處理是在以上描述的場景識別處理之后執(zhí)行的。然 而，場景信息校正處理也可以在由印刷機4印刷之前、在由印刷機4印刷期間或在由印刷機4印刷之后執(zhí)行。首先，印刷機端控制器20獲取圖像文件中的拍攝數(shù)據(jù)(S501)。 具體地，印刷機端控制器20獲取場景捕獲類型數(shù)據(jù)(Exif SubIFD區(qū) 域)和拍攝模式數(shù)據(jù)(Makemote IFD區(qū)域)，這些是圖像文件中的補 充數(shù)據(jù)。因而，印刷機端控制器20能夠分析由圖像文件中的補充數(shù)據(jù) 指示的場景。接著，印刷機端控制器20獲取識別結(jié)果(S502)。識別結(jié)果包括 由以上描述的人臉識別部32獲得的人臉識別結(jié)果和由以上描述的場 景識別部33獲得的場景識別結(jié)果。因而，印刷機端控制器20能夠估 計圖像文件中的圖像數(shù)據(jù)屬于場景"肖像"，"風景"，"夕景"，"夜景"， "花朵"，"秋日"和"其它"中的哪一個。接下來，印刷機端控制器20將補充數(shù)據(jù)指示的場景與估計的場景 相比較(S503)。當兩個場景之間無不匹配時(S503中的"否")，場景 信息校正處理終止。當兩個場景之間存在不匹配時(S503中的"是")，印刷機端控制器 20校正存儲卡6中圖像文件的拍攝數(shù)據(jù)(S504)。因而，當用戶從本 實施例的印刷機4中移除存儲卡6，并且把存儲卡6插入到另一印刷 機中時，即使在該印刷機是不具有場景識別處理功能而是執(zhí)行自動校 正處理的印刷機時，也適當?shù)匦Ｕ龍D像數(shù)據(jù)。如上所述的S503和S504的處理存在各種可能的形式。在下文中， 描述S503和S504的處理示例。示例l:場景捕獲類型數(shù)據(jù)的改變在下列描述中，印刷機端控制器20改變圖像文件中的場景捕獲類 型數(shù)據(jù)。在上面的S503中，印刷機端控制器20將場景捕獲類型數(shù)據(jù)(作 為圖像文件中的補充數(shù)據(jù))與場景識別處理結(jié)果相比較。當在S501 中獲取的場景捕獲類型數(shù)據(jù)指示"肖像"、"風景"或"夜景"，以及在S502 中獲取的識別結(jié)果是"肖像"、"風景"或"夜景"時，可以確定在兩個場景 之間是否存在不匹配。當在S501中獲取的場景捕獲類型數(shù)據(jù)不是"肖像"、"風景"和"夜景"中的任何一個時，例如，當場景捕獲類型數(shù)據(jù)是"0"(見圖5)時，不 可能基于場景捕獲類型數(shù)據(jù)來指定場景，因此不可能確定在兩個場景之間是否存在不匹配，從而在S503中確定為"否"。因為場景捕獲類型數(shù)據(jù)是標準化數(shù)據(jù)，能夠被指定的場景是有限的，因而場景捕獲類型 數(shù)據(jù)可能趨向于不是"肖像"、"風景"和"夜景"中的任何一個。此外，當在S502中獲取的識別結(jié)果不是"肖像"、"風景"和"夜景" 中的任何一個時，沒有與識別結(jié)果相對應的場景捕獲類型數(shù)據(jù)，因此 不可能確定是否在兩個場景之間存在不匹配，因而在S503中確定為" 否"。例如，當識別結(jié)果是"夕景"時，沒有相應的場景捕獲類型數(shù)據(jù)， 因此不可能確定是否在兩個場景之間存在不匹配，因而在S503中確定 為"否"。此外，在這種情況下(例如，在識別結(jié)果是"夕景"的情況中)， 沒有必要確定是否存在不匹配，因為不可能根據(jù)識別結(jié)果來改變場景 捕獲類型數(shù)據(jù)。當在S501中獲取的場景捕獲類型數(shù)據(jù)指示"肖像"、"風景"或"夜景 "，以及在S502中獲取的識別結(jié)果是"肖像"、"風景"或"夜景"時，印刷 機端控制器20確定兩個場景是否匹配。然后，當兩個場景匹配時(S503 中的"否")，場景信息校正處理終止。另一方面，當兩個場景不匹配時， 印刷機端控制器20改變圖像文件中的場景捕獲類型數(shù)據(jù)。例如，當場 景捕獲類型數(shù)據(jù)指示"風景"，而識別結(jié)果是"夜景"時，印刷機端控制器 20把場景捕獲類型數(shù)據(jù)從"風景"改變?yōu)?夜景"(把場景捕獲類型數(shù)據(jù) 從"1"改變?yōu)?3")。根據(jù)這個示例，基于場景捕獲類型數(shù)據(jù)確定兩個場景之間的不匹 配。因為場景捕獲類型數(shù)據(jù)是標準化數(shù)據(jù)，印刷機4能夠確定場景捕 獲類型數(shù)據(jù)的內(nèi)容，而與用于拍攝的數(shù)字靜態(tài)攝像機2的制造商無關(guān)。 因而，這個示例具有多功能性。然而，因為能夠用場景捕獲類型數(shù)據(jù) 表示的場景是有限的，所以能夠進行校正的程度也受到限制。示例2:拍攝模式數(shù)據(jù)的改變也可以基于拍攝模式數(shù)據(jù)來確定兩個場景之間的不匹配，拍攝模 式數(shù)據(jù)是MakerNote數(shù)據(jù)。在這種情況下，印刷端控制器20改變拍攝 模式數(shù)據(jù)，在上面的S503中，印刷機端控制器20比較拍攝模式數(shù)據(jù)(其是 圖像文件中的補充數(shù)據(jù))和場景識別處理結(jié)果。當在S501中獲取的拍 攝模式數(shù)據(jù)指示"肖像"、"風景"、"夕景"或"夜景"，以及在S502中獲 取的識別結(jié)果是"肖像"、"風景"、"夕景"或"夜景"時，可以確定在兩個 場景之間是否存在不匹配。應注意的是，當在S501中獲取的拍攝模式數(shù)據(jù)指示不是"肖像"、 "風景"、"夕景"和"夜景"中的任何一個時，例如，當拍攝模式數(shù)據(jù)是"3 (特寫鏡頭)"(見圖5)時，無法執(zhí)行和識別結(jié)果的比較，因此不可 能確定在兩個場景之間是否存在不匹配，因而在S503中確定為"否"。此外，當在S502中獲取的識別結(jié)果不是"肖像"、"風景"、"夕景" 和"夜景"中的任何一個時，沒有與識別結(jié)果相對應的拍攝模式數(shù)據(jù)， 因此不可能確定在兩個場景之間是否存在不匹配，因而在S503中確定 為"否"。例如，當識別結(jié)果是"花朵"時，沒有相應的拍攝模式數(shù)據(jù)，因 此不可能確定是否在兩個場景之間存在不匹配，因而在S503中確定為 "否"。此外，當識別結(jié)果是"花朵"或"秋日"時，沒有必要確定是否存在 不匹配，因為不可能將拍攝模式數(shù)據(jù)改變?yōu)?花朵"或"秋日"。當在S501中獲取的拍攝模式數(shù)據(jù)指示"肖像"、"風景"、"夕景"或" 夜景"，以及在S502中獲取的識別結(jié)果是"肖像"、"風景"、"夕景"或" 夜景"時，印刷機端控制器20確定兩個場景是否匹配。然后，當兩個 場景匹配時(S503中的"否")，場景信息校正處理終止。另一方面，當 兩個場景不匹配時，印刷機端控制器20改變圖像文件中的拍攝模式數(shù) 據(jù)。例如，當識別結(jié)果是"夕景"時，盡管拍攝模式數(shù)據(jù)指示"風景"，印 刷機端控制器20把拍攝模式數(shù)據(jù)從"風景"改變?yōu)?夕景"。根據(jù)這個示例，基于拍攝模式數(shù)據(jù)確定兩個場景之間的不匹配。 因為拍攝模式數(shù)據(jù)是MakerNote數(shù)據(jù)，數(shù)據(jù)類型能夠由制造商自由地 定義，因此存在許多能夠被指定的場景類型。由于這個緣故，在這個 示例中，也可以相對于"夕景"執(zhí)行比較和校正，而在上面描述的示例 中無法執(zhí)行對于"夕景"的比較和校正。然而，因為拍攝模式數(shù)據(jù)是 MakerNote數(shù)據(jù)，印刷機端控制器20需要用于分析Makernote IFD區(qū) 域的數(shù)據(jù)存儲格式的分析程序。此外，MakemoteIFD區(qū)域的數(shù)據(jù)存儲 格式隨制造商的不同而不同，因而需要準備多種分析程序，以支持各種存儲格式。示例3:考慮到確定性因子的場景信息的改變場景識別通過整體識別處理而實現(xiàn)的情況與場景識別通過局部識 別處理而實現(xiàn)的情況之間的比較指示了前一情況產(chǎn)生高確定性因子， 而后一情況產(chǎn)生低確定性因子。具體地，在圖像由整體識別處理識別 為"風景"的情況和圖像由綜合識別處理識別為"風景"的情況之間的比 較指示了前一情況提供更低的錯誤識別概率。原因在于，在整體識別 處理中將精確度(準確率)設(shè)置為相當高的級別，而綜合識別處理是 在場景識別不能由整體識別處理和局部識別處理實現(xiàn)的情況下被執(zhí)行 的。也就是說，即使當識別結(jié)果是相同的，即"風景"，確定性因子也 可能彼此不同。當由圖像文件中的補充數(shù)據(jù)指示的場景和識別結(jié)果的場景之間存 在不匹配時，如果改變補充數(shù)據(jù)，而不考慮低確定性因子，則如果發(fā) 生錯誤識別，則會造成較大影響。為了解決這個問題，可以在上面描述的圖22的S503中，只有當 確定性因子高于預定閾值時，才確定為"是"。示例4:添加場景信息在上述兩個示例中，己經(jīng)存儲在圖像文件中的場景捕獲類型數(shù)據(jù) 或拍攝模式數(shù)據(jù)被改變(重寫)。然而，可以不采用改變原始數(shù)據(jù)，而 將場景信息添加到圖像文件中，同時保留原始數(shù)據(jù)不變。也就是說， 當S503中為"是"時，印刷機端控制器20可以將識別結(jié)果添加到圖像文件中的補充數(shù)據(jù)。圖23是將識別結(jié)果添加給補充數(shù)據(jù)時APP1段的配置的說明圖。 在圖23中，由粗線指示不同于那些圖3中所示的圖像文件的部分。當與圖3中所示的圖像文件相比較時，圖23中所示的圖像文件包 含添加的Makemote IFD 。與識別結(jié)果有關(guān)的信息存儲在該第二 Makernote IFD中。此外，新建目錄項也被添加到ExifSubIFD中。添加的目錄項由指示第二 Makernote IFD的標簽和指示第二 Makernote IFD的存儲位置的 指針構(gòu)成。此外，由于添加新建目錄項到Exif SubIFD， Exif SubIFD數(shù)據(jù)區(qū) 域的存儲位置發(fā)生移位，所以指示ExifSubIFD數(shù)據(jù)區(qū)域的存儲位置的指針改變。此外，由于添加了第二 Makemote IFD， IFD1區(qū)域發(fā)生移位，所 以位于IFD0中并指示IFD1的位置的鏈接也改變了。此外，由于添加 第二 Makemote IFD， APP1數(shù)據(jù)區(qū)域的大小變化，所以APP1數(shù)據(jù)區(qū) 域的大小也改變了。根據(jù)這個示例，可以不必擦除原始拍攝數(shù)據(jù)。此外，與"花朵"和" 秋曰"場景有關(guān)的信息也能夠存儲在圖像文件中的補充數(shù)據(jù)中。示例5:添加確定性因子數(shù)據(jù)因為數(shù)據(jù)可以以任何格式存儲在Makemote IFD區(qū)域中，除了與 場景有關(guān)的信息外，與確定性因子有關(guān)的信息也可以存儲在其中。因 而，當印刷機4基于補充數(shù)據(jù)來校正圖像數(shù)據(jù)時，印刷機4可以考慮 確定性因子，來校正圖像數(shù)據(jù)。當校正"風景"圖像數(shù)據(jù)時，優(yōu)選的是以加重藍色和綠色的方式來 校正圖像數(shù)據(jù)。另一方面，當校正"秋日"圖像數(shù)據(jù)時，優(yōu)選的是以加 重紅色和黃色的方式來校正圖像數(shù)據(jù)。這里，如果秋日圖像被錯誤識 別為"風景"，實際要加重的色彩的補色被加重，因而該校正可能導致 質(zhì)量非常差的圖像。由于這個緣故，優(yōu)選的是在低確定性因子的情況 下減小校正程度。因此，當關(guān)于確定性因子的數(shù)據(jù)(確定性因子數(shù)據(jù))被添加給圖 像文件時，印刷機可以根據(jù)該確定性因子來調(diào)整要加重的色彩的校正 程度。因此，可以在錯誤識別發(fā)生時，防止輸出質(zhì)量非常差的圖像。應注意的是，可以將判別式的值原樣不變地用作確定性因子數(shù)據(jù)， 或者可以將與判別式的值相對應的精確度值用作確定性因子數(shù)據(jù)。在 后一情況中，需要準備給定了判別式的值和精確度值之間的關(guān)系的表。其它實施例在上文中，例如使用印刷機描述實施例。然而，上文實施例用于 闡明本發(fā)明的目的，并且不是要解釋為限制本發(fā)明。很明顯本發(fā)明能 夠在不脫離其要旨情況下得到改變和改進，并且包括功能性的等同物。 具體來講，本發(fā)明也包括下文中說明的實施例。關(guān)于印刷機在以上描述的實施例中，印刷機4執(zhí)行場景識別處理、場景信息 校正處理等等。然而，數(shù)字靜態(tài)攝像機2也可以執(zhí)行場景識別處理、 場景信息校正處理等等。此外，執(zhí)行上述場景識別處理和場景信息校正處理的信息處理設(shè)備不局限于印刷機4和數(shù)字靜態(tài)攝像機2。例如，諸如用于保持大量圖像文件的相片存儲裝置之類的信息處理設(shè)備可以 執(zhí)行上述場景識別處理和場景信息校正處理。自然，位于因特網(wǎng)上的 個人計算機或服務(wù)器可以執(zhí)行上述場景識別處理和場景信息校正處理。關(guān)于圖像文件以上描述的圖像文件是Exif格式文件。然而，圖像文件格式不局 限于這個格式。此外，以上描述的圖像文件是靜止圖像文件。然而， 圖像文件也可以是運動圖像文件。實際上，只要圖像文件包含圖像數(shù) 據(jù)和補充數(shù)據(jù)，就可以執(zhí)行如上所述的場景信息校正處理。關(guān)于支持向量機以上描述的子識別部51和子局部識別部61采用使用了支持向量 機(SVM)的識別方法。然而，用于識別待識別的圖像是否屬于特定 場景的方法不局限于使用支持向量機的方法。例如，也可以采用模式 識別技術(shù)，諸如神經(jīng)網(wǎng)絡(luò)?？偨Y(jié)(1)在上文實施例中，印刷機端控制器20從附加給圖像數(shù)據(jù)的 補充數(shù)據(jù)中獲取場景捕獲類型數(shù)據(jù)和拍攝模式數(shù)據(jù)(它們是場景信息) (S501)。此外，印刷機端控制器20獲取場景識別處理的識別結(jié)果(看圖8) (S502)。由場景捕獲類型數(shù)據(jù)和拍攝模式數(shù)據(jù)指示的場景可能與場景識別 處理的識別結(jié)果的場景不匹配。這種情況很可能發(fā)生在例如當用戶使 用數(shù)字靜態(tài)攝像機2進行拍攝而忘記設(shè)置拍攝模式時。在這種情況下，當由不具有場景識別處理功能而是執(zhí)行圖像數(shù)據(jù)的自動校正處理的印 刷機執(zhí)行直接印刷時，基于錯誤的拍攝數(shù)據(jù)而校正圖像數(shù)據(jù)。為了解決這個問題，在上文實施例中，當在兩個場景之間存在不 匹配時，印刷機端控制器20在圖像文件中存儲場景識別處理結(jié)果的場 景作為補充數(shù)據(jù)。(2) 在上述的示例1和示例2中，當由場景捕獲類型數(shù)據(jù)或拍攝 模式數(shù)據(jù)指示的場景與場景識別處理的識別結(jié)果的場景不匹配時，場 景捕獲類型數(shù)據(jù)或拍攝模式數(shù)據(jù)被改變(重寫)。因此，當用戶使用另 一印刷機執(zhí)行印刷時，即使使用不具有場景識別處理功能而是執(zhí)行自 動校正處理的印刷機，也適當?shù)匦Ｕ藞D像數(shù)據(jù)。(3) 應注意的是，如上述示例4中描述的，可以不采用改變原始 數(shù)據(jù)的方法，而是添加場景識別處理結(jié)果的場景，同時保留原始場景 不變。這種方法不必擦除原始數(shù)據(jù)。(4) 在上述示例5中，在將場景識別處理結(jié)果的場景存儲在圖像 文件中作為補充數(shù)據(jù)時，確定性因子數(shù)據(jù)(評估結(jié)果)也存儲在其中。 因此，圖像文件具有可以用于在錯誤識別發(fā)生時防止輸出質(zhì)量非常差 的圖像的數(shù)據(jù)。(5) 在以上描述的場景識別處理中，在S101和S102中獲取對由 圖像數(shù)據(jù)表示的圖像特征進行指示的特征量(見圖8)。應注意的是， 特征量包括顏色均值、方差等等。然后，在以上描述的場景識別處理 中，基于S103到S108中的特征量執(zhí)行場景識別。(6) 在以上描述的場景識別處理中，當場景識別不能由整體識別 處理實現(xiàn)時(S105中的"否")，執(zhí)行局部識別處理(S106)。另一方面， 當場景識別能夠通過整體識別處理實現(xiàn)時(S105中的"是")，不執(zhí)行局 部識別處理。因此，場景識別處理的速度提高了。(7) 在以上描述的整體識別處理中，子識別部51計算判別式的 值(對應于評估值)，并且當這個值大于肯定閾值(對應于第一閾值)時(S204中的"是")，待識別的圖像被識別為特定場景(S205)。另一 方面，當判別式的值小于第一否定閾值(對應于第二閾值)時(S206 中的"是")，設(shè)置否定標志(S207)，而在局部識別處理中，省略相對 于那些特定場景的局部識別處理(S302)。例如，在整體識別處理期間，當夕景識別部51S的判別式的值小 于第一否定閾值時(S206中的"是")，待識別的圖像是夕景圖像的概率 已經(jīng)很低，因此在局部識別處理期間使用夕景局部識別部61S是沒有 意義的。因而，在整體識別處理期間，當夕景識別部51S的判別式的 值小于第一否定閾值時(S206中的"是")，圖11中"夕景"欄下面的"否 定"字段被設(shè)置為1 (S207)，并且在局部識別處理期間省略由夕景局 部識別部61S進行的處理(S302中的"否")。因此，場景識別處理的 速度提高了 (也參照圖16A和圖16B)。(8)在以上描述的整體識別處理中，執(zhí)行使用風景識別部51L 的識別處理(對應于第一場景識別步驟)和使用夜景識別部51N的識 別處理(對應于第二場景識別步驟)。某個圖像屬于風景場景的較高概率不可避免地意味著，該圖像屬 于夜景的概率較低。因此，當風景識別部L的判別式的值(對應于評 估值)較大時，也許可以識別圖像不是夜景。因而，在上文實施例中，提供第二否定閾值(對應于第三閾值)(見圖16B)。當風景識別部51L的判別式的值大于針對夜景的否定閾 值(-0.44)時(在S206的"是")，圖11中"夜景"欄下面的"否定"字段 被設(shè)置為1 (S207),并且在整體識別處理期間省略由夜景識別部51N 進行的處理(S202中的"否")。因此，場景識別處理的速度提高了。
(9)以上描述的印刷機4 (對應于信息處理設(shè)備)包括印刷機 端控制器20 (見圖2)。印刷機端控制器20從附加給圖像數(shù)據(jù)的補充 數(shù)據(jù)中獲取場景捕獲類型數(shù)據(jù)和拍攝模式數(shù)據(jù)(它們是場景信息)(S501)。此外，印刷機端控制器20獲取場景識別處理的識別結(jié)果(看 圖8) (S502)。當由場景捕獲類型數(shù)據(jù)和拍攝模式數(shù)據(jù)指示的場景與 場景識別處理的識別結(jié)果的場景不匹配時，印刷機端控制器20在圖像 文件中存儲場景識別處理結(jié)果的場景，作為補充數(shù)據(jù)。因此，當用戶使用另一印刷機執(zhí)行印刷時，即使使用不具有場景識別處理功能而是執(zhí)行自動校正處理的印刷機的時候，也適當?shù)匦Ｕ?了圖像數(shù)據(jù)。(10)以上描述的存儲器23中存儲有程序，該程序使印刷機4執(zhí) 行圖8中所示的處理。也就是說，這個程序具有如下代碼用于從附 加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取指示圖像數(shù)據(jù)的場景的場景信息，用 于基于圖像數(shù)據(jù)來識別由圖像數(shù)據(jù)表示的圖像的場景以及用于在由場 景信息指示的場景和識別的場景之間存在不匹配時在補充數(shù)據(jù)中存儲 所識別的場景。盡管對本發(fā)明的最佳實施例進行了詳細說明，應當理解的是，可 以在沒有脫離由所附權(quán)利要求書定義的本發(fā)明的精神和范圍的情況 下，對本發(fā)明進行各種改變、替換和修改。
權(quán)利要求
1. 一種信息處理方法，包括從附加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取所述圖像數(shù)據(jù)的場景信息；基于所述圖像數(shù)據(jù)，識別由所述圖像數(shù)據(jù)表示的圖像的場景；以及當在由所述場景信息指示的場景和通過識別所述圖像的場景而識別的場景之間存在不匹配時，在所述補充數(shù)據(jù)中存儲所識別的場景。
2. 根據(jù)權(quán)利要求1所述的信息處理方法，其中在所述補充數(shù)據(jù)中存儲所識別的場景包括把由所述場景信 息指示的場景重寫成所識別的場景。
3. 根據(jù)權(quán)利要求1所述的信息處理方法，其中在所述補充數(shù)據(jù)中存儲所識別的場景包括在所述補充數(shù)據(jù) 中存儲所識別的場景，同時保持所述場景信息不變。
4. 根據(jù)權(quán)利要求1到3中的任何一項所述的信息處理方法， 其中在所述補充數(shù)據(jù)中存儲所識別的場景包括將根據(jù)識別結(jié)果的準確率的評估結(jié)果連同所識別的場景一起存儲在所述補充數(shù)據(jù)中。
5. 根據(jù)權(quán)利要求1所述的信息處理方法，其中識別由所述圖像數(shù)據(jù)表示的圖像的場景包括特征量獲取，用于獲取對所述圖像的特征進行指示的特征量；以及場景識別，用于基于所述特征量，識別所述圖像的場景。
6. 根據(jù)權(quán)利要求5所述的信息處理方法， 其中特征量獲取包括獲取對所述圖像整體的特征進行指示的整體特征量，以及 獲取對所述圖像中包含的局部圖像的特性進行指示的局部特征量；以及場景識別包括整體識別，用于基于所述整體特征量，識別所述圖像的場景，以及局部識別，用于基于所述局部特征量，識別所述圖像的場景；以及其中當無法在所述整體識別中識別由所述圖像數(shù)據(jù)表示的所述圖 像的場景時，執(zhí)行所述局部識別，以及當能夠在所述整體識別中識別所述圖像的場景時，不執(zhí)行所述局 部識別。
7. 根據(jù)權(quán)利要求6所述的信息處理方法， 其中所述整體識別包括-基于所述整體特征量，計算根據(jù)所述圖像是特定場景的概率的評 估值，以及當所述評估值大于第一閾值時，識別所述圖像為所述特定場景；以及所述局部識別包括基于所述局部特征量，識別所述圖像為所述 特定場景；以及其中當所述整體識別中的評估值小于第二閾值時，不執(zhí)行所述局 部識別。
8. 根據(jù)權(quán)利要求5所述的信息處理方法，其中所述場景識別包括第一場景識別，用于基于所述特征量，識別所述圖像為第一場景，以及第二場景識別，用于基于所述特征量，識別所述圖像為不同于第一場景的第二場景；以及所述第一場景識別包括基于所述特征量,計算根據(jù)所述圖像是第一場景的概率的評估值，以及當所述評估值大于第一閾值時，識別所述圖像為第一場景；以及 其中在所述場景識別中，當?shù)谝粓鼍白R別中的評估值大于第三閾 值時，不執(zhí)行第二場景識別。
9. 一種信息處理設(shè)備，包括場景信息獲取部，用于從附加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取對所 述圖像數(shù)據(jù)的場景進行指示的場景信息；場景識別部，用于基于所述圖像數(shù)據(jù)，識別由所述圖像數(shù)據(jù)表示3的圖像的場景；以及補充數(shù)據(jù)存儲部，當在由所述場景信息指示的場景和由場景識別 部識別的場景之間存在不匹配時，在所述補充數(shù)據(jù)中存儲所識別的場景.
10. —種程序，包括第一程序代碼，用于使信息處理設(shè)備從附加給圖像數(shù)據(jù)的補充數(shù) 據(jù)中獲取對所述圖像數(shù)據(jù)的場景進行指示的場景信息；第二程序代碼，用于使信息處理設(shè)備基于所述圖像數(shù)據(jù)來識別由 所述圖像數(shù)據(jù)表示的圖像的場景；以及第三程序代碼，用于使信息處理設(shè)備在由所述場景信息指示的場 景和通過識別所述圖像的場景而識別的場景之間存在不匹配時，在所 述補充數(shù)據(jù)中存儲所識別的場景。
全文摘要
本發(fā)明的信息處理方法包括從附加給圖像數(shù)據(jù)的補充數(shù)據(jù)中獲取圖像數(shù)據(jù)的場景信息、基于圖像數(shù)據(jù)識別由圖像數(shù)據(jù)表示的圖像的場景、以及在由場景信息指示的場景和識別的場景之間存在不匹配時在補充數(shù)據(jù)中存儲識別的場景。
文檔編號H04N1/00GK101277394SQ20081009515
公開日2008年10月1日 申請日期2008年2月19日 優(yōu)先權(quán)日2007年2月19日
發(fā)明者河西庸雄, 笠原廣和, 鍬田直樹 申請人:精工愛普生株式會社