0%，屬于風(fēng)景類別好圖片的概率是60%，屬于建筑類別好圖片的概率是20%，則備選圖片3的得分為130，且屬于風(fēng)景類別。
[0134]此時(shí)，可以將所有類別的備選圖片放在一起比較，只選擇得分最高的備選圖片。如果只選擇一張備選圖片，則備選圖片3的得分最高，選擇備選圖片3。或者，每個(gè)類別選擇一張備選圖片，則備選圖片I是人物類別中得分最高的，備選圖片3是風(fēng)景類別中得分最高的，所以選擇備選圖片I和備選圖片3。
[0135]還可以將備選圖片屬于類別的概率以及屬于類別的好圖片的概率綜合在一起，對(duì)該備選圖片的質(zhì)量進(jìn)行評(píng)價(jià)。以便更準(zhǔn)確的選擇出質(zhì)量好的備選圖片。
[0136]分別將每個(gè)備選圖片的特征信息與預(yù)設(shè)的各個(gè)類別的特征信息進(jìn)行匹配，得到每個(gè)備選圖片分別屬于各個(gè)類別的第一概率。
[0137]本實(shí)施例可以針對(duì)每個(gè)備選圖片，根據(jù)各類別第一概率，確定最大的第一概率對(duì)應(yīng)的類別為該備選圖片屬于的類別。然后，從各類別中選擇出第三概率最大的前幾位備選圖片?；蛘?，針對(duì)每個(gè)備選圖片，將各類別的第三概率和第一概率全部求和，將求和結(jié)果作為該備選圖片的得分。然后選擇得分最高的前幾位備選圖片。
[0138]本實(shí)施例綜合類別概率和類別好圖片的概率，以確定質(zhì)量好的圖片，可以更準(zhǔn)確的選擇出質(zhì)量好的圖片。
[0139]例如，有人物、動(dòng)物、風(fēng)景和建筑4個(gè)類別。備選圖片I屬于人物類別的概率是80%，屬于動(dòng)物類別的概率是20%，屬于風(fēng)景類別的概率是20%，屬于建筑類別的概率是20%，則備選圖片I屬于人物類別。備選圖片I屬于人物類別好圖片的概率是50%。備選圖片2屬于人物類別的概率是80%，屬于動(dòng)物類別的概率是20%，屬于風(fēng)景類別的概率是20%，屬于建筑類別的概率是20%，則備選圖片2屬于人物類別。備選圖片2屬于人物類別好圖片的概率是30%。備選圖片3屬于人物類別的概率是20%，屬于動(dòng)物類別的概率是20%，屬于風(fēng)景類別的概率是20%，屬于建筑類別的概率是80%，則備選圖片3屬于建筑類別。備選圖片3屬于建筑類別好圖片的概率是60%。
[0140]此時(shí)，每個(gè)類別選擇一張備選圖片，則備選圖片I是人物類別中得分最高的，備選圖片3是建筑類別中得分最高的，所以選擇備選圖片I和備選圖片3。
[0141]或者，繼續(xù)前面的例子，備選圖片I屬于人物類別好圖片的概率是50%，屬于動(dòng)物類別好圖片的概率是20%，屬于風(fēng)景類別好圖片的概率是30%，屬于建筑類別好圖片的概率是20%，則備選圖片I的總得分為260，也可以將得分最高的類別的概率與其對(duì)應(yīng)的好圖片的概率求和，得分為130。備選圖片2屬于人物類別好圖片的概率是40%，屬于動(dòng)物類別好圖片的概率是20%，屬于風(fēng)景類別好圖片的概率是30%，屬于建筑類別好圖片的概率是20%，則備選圖片2的總得分為250，也可以將得分最高的類別的概率與其對(duì)應(yīng)的好圖片的概率求和，得分為120。備選圖片3屬于人物類別好圖片的概率是20%，屬于動(dòng)物類別好圖片的概率是30%，屬于風(fēng)景類別好圖片的概率是60%，屬于建筑類別好圖片的概率是20%，則備選圖片3的得分為270，也可以將得分最高的類別的概率與其對(duì)應(yīng)的好圖片的概率求和，得分為140。
[0142]此時(shí)，將所有類別的備選圖片放在一起比較，只選擇得分最高的備選圖片。如果只選擇一張備選圖片，則備選圖片3的得分最高，選擇備選圖片3。
[0143]在一個(gè)實(shí)施例中，可以將第三概率作為第一概率的權(quán)重，這樣計(jì)算得到的得分更準(zhǔn)確，有助于更準(zhǔn)確的選擇出質(zhì)量好的圖片。
[0144]針對(duì)每個(gè)備選圖片，獲得該備選圖片在各個(gè)類別下第三概率與第一概率乘積。
[0145]將該備選圖片在各個(gè)類別下的概率乘積求和，得到第一概率和。該第一概率和即為第二概率。
[0146]從所述多個(gè)備選圖片中選擇出第一概率和最大的備選圖片。
[0147]例如，針對(duì)每個(gè)備選圖片，將備選圖片的特征信息與各類別的判別模型的特征信息進(jìn)行匹配，得到各類別的第一概率P1，其中i表示第i類，ie [I，n]，n表示類別總數(shù)。將備選圖片的特征信息與各類別好圖片的判別模型的特征信息進(jìn)行匹配，得到各類別的第三概率gi。
[0148]將第三概率與第一概率乘積再求和，則？=2$[1,?招4?^?表示第一概率和。？4目當(dāng)于是gl的權(quán)重。然后從多個(gè)備選圖片中選擇出P最大的備選圖片。
[0149]為了更準(zhǔn)確的選擇出質(zhì)量好的圖片，減少無關(guān)類別的干擾，可以對(duì)第一概率?1進(jìn)行篩選，選擇P1Hhresh的類別，thresh為預(yù)設(shè)的概率閾值。第一概率大于概率閾值的類別有j，j e [ I，k]，k〈n。參與計(jì)算的第三概率選擇類別j對(duì)應(yīng)的第三概率。則P = Σ je[i,k]gj*pj。然后從多個(gè)備選圖片中選擇出P最大的備選圖片。
[0150]在一個(gè)實(shí)施例中，可能多個(gè)備選圖片都是質(zhì)量好的圖片，但是多個(gè)備選圖片的取景基本相同。為了避免重復(fù)分享多個(gè)相似的圖片，本實(shí)施例可以從多個(gè)相似的圖片中選擇一張進(jìn)行分享。
[0151]對(duì)所述多個(gè)備選圖片進(jìn)行相似性聚類。
[0152]從同一聚類的多個(gè)備選圖片中選擇出匹配一致的備選圖片。
[0153]本實(shí)施例中的相似性包括兩方面，一方面是廣義相似性，廣義相似性是指前述的類別相似，如只分人物、動(dòng)物、風(fēng)景、建筑等幾大類。針對(duì)這些大類進(jìn)行相似性聚類。另一方面是狹義相似性，狹義相似性是指內(nèi)容基本相同的圖片?？赡苁菍?duì)同一景物拍攝了多張圖片。兩個(gè)方面采用不同的聚類算法，視實(shí)際需要而定。
[0154]在一個(gè)實(shí)施例中，如果一次選擇出多個(gè)備選圖片進(jìn)行分享，則可以按照備選圖片的得分由高到低的順序展示備選圖片。
[0155]下面通過幾個(gè)實(shí)施例詳細(xì)介紹選擇圖片的實(shí)現(xiàn)過程。
[0156]圖5是根據(jù)一示例性實(shí)施例示出的一種選擇圖片的方法的流程圖，如圖5所示，該方法可以由移動(dòng)終端實(shí)現(xiàn)，包括以下步驟:
[0157]在步驟501中，獲得備選圖片。
[0158]在步驟502中，對(duì)所述備選圖片的全局進(jìn)行特征提取，獲得全局特征信。
[0159]在步驟503中，確定所述備選圖片中的重點(diǎn)區(qū)域。
[0160]在步驟504中，對(duì)所述備選圖片中的重點(diǎn)區(qū)域進(jìn)行特征提取，獲得重點(diǎn)區(qū)域特征信息。
[0161]在步驟505中，分別將每個(gè)備選圖片的特征信息與預(yù)設(shè)的各個(gè)類別的好圖片的特征信息進(jìn)行匹配，得到每個(gè)備選圖片分別屬于各個(gè)類別好圖片的第三概率。
[0162]在步驟506中，針對(duì)每個(gè)備選圖片，獲得該備選圖片屬于各個(gè)類別好圖片的第三概率的第三概率和。
[0163]在步驟507中，從所述多個(gè)備選圖片中選擇出第三概率和最大的備選圖片。
[0164]本實(shí)施例通過多類別多維度來綜合評(píng)價(jià)備選圖片的質(zhì)量，可以較準(zhǔn)確的選擇出質(zhì)量好的圖片。
[0165]圖6是根據(jù)一示例性實(shí)施例示出的一種選擇圖片的方法的流程圖，如圖6所示，該方法可以由移動(dòng)終端實(shí)現(xiàn)，包括以下步驟:
[0166]在步驟601中，獲得備選圖片。
[0167]在步驟602中，對(duì)所述備選圖片的全局進(jìn)行特征提取，獲得全局特征信。
[0168]在步驟603中，確定所述備選圖片中的重點(diǎn)區(qū)域。
[0169]在步驟604中，對(duì)所述備選圖片中的重點(diǎn)區(qū)域進(jìn)行特征提取，獲得重點(diǎn)區(qū)域特征信息。
[0170]在步驟605中，分別將每個(gè)備選圖片的特征信息與預(yù)設(shè)的各個(gè)類別的好圖片的特征信息進(jìn)行匹配，得到每個(gè)備選圖片分別屬于各個(gè)類別好圖片的第三概率。
[0171]在步驟606中，分別將每個(gè)備選圖片的特征信息與預(yù)設(shè)的各個(gè)類別的特征信息進(jìn)行匹配，得到每個(gè)備選圖片分別屬于各個(gè)類別的第一概率。
[0172]在步驟607中，針對(duì)每個(gè)備選圖片，獲得該備選圖片在各個(gè)類別下第三概率與第一概率乘積。
[0173]在步驟608中，將該備選圖片在各個(gè)類別下的概率乘積求和，得到第一概率和。
[0174]在步驟609中，從所述多個(gè)備選圖片中選擇出第一概率和最大的備選圖片。
[0175]本實(shí)施例將備選圖片屬于類別的概率作為該類別好圖片的概率的權(quán)重，可以更準(zhǔn)確的選擇出質(zhì)量好的圖片。
[0176]圖7是根據(jù)一示例性實(shí)施例示出的一種選擇圖片的方法的流程圖，如圖7所示，該方法可以由移動(dòng)終端實(shí)現(xiàn)，包括以下步驟:
[0177]在步驟701中，獲得備選圖片。
[0178]在步驟702中，對(duì)所述備選圖片的全局進(jìn)行特征提取，獲得全局特征信。
[0179]在步驟703中，確定所述備選圖片中的重點(diǎn)區(qū)域。
[0180]在步驟704中，對(duì)所述備選圖片中的重點(diǎn)區(qū)域進(jìn)行特征提取，獲得重點(diǎn)區(qū)域特征信息。
[0181]在步驟705中，分別將每個(gè)備選圖片的特征信息與預(yù)設(shè)的各個(gè)類別的好圖片的特征信息進(jìn)行匹配，得到每個(gè)備選圖片分別屬于各個(gè)類別好圖片的第三概率。
[0182]在步驟706中，分別將每個(gè)備選圖片的特征信息與預(yù)設(shè)的各個(gè)類別的特征信息進(jìn)行匹配，得到每個(gè)備選圖片分別屬于各個(gè)類別的第一概率。
[0183]在步驟707中，針對(duì)每個(gè)備選圖片，獲得該備選圖片在各個(gè)類別下第三概率與第一概率乘積。
[0184]在步驟708中，將該備選圖片在各個(gè)類別下的概率乘積求和，得到第一概率和。
[0185]在步驟709中，對(duì)所述多個(gè)備選圖片進(jìn)行相似性聚類。
[0186]在步驟710中，從同一聚類的多個(gè)備選圖片中選擇出第一概率和最大的備選圖片。
[0187]本實(shí)施例中可以在步驟708之后執(zhí)行步驟709，也可以在步驟701或步驟704之后執(zhí)行步驟709。
[0188]通過以上介紹了解了選擇圖片的實(shí)現(xiàn)過程，該過程由移動(dòng)終端和計(jì)算機(jī)實(shí)現(xiàn)，下面分別針對(duì)兩個(gè)設(shè)備的內(nèi)部結(jié)構(gòu)和功能進(jìn)行介紹。
[0189]圖8是根據(jù)一示例性實(shí)施例示出的一種選擇圖片的裝置示意圖。參照?qǐng)D8，該裝置包括:獲取模塊801、提取模塊802、識(shí)別模塊803和確定模塊804。
[0190]獲取模塊801，用于獲得備選圖片。
[0191]提取模塊802，用于對(duì)所述備選圖片進(jìn)行特征提取，獲得特征信息;所述特征信息包括全局特征信息和重點(diǎn)區(qū)域特征信息。
[0192]識(shí)別模塊803，用于根據(jù)判別模型及所述備選圖片的特征信息對(duì)所述備選圖片進(jìn)行識(shí)別，獲得識(shí)別結(jié)果;其中，所述判別模型為預(yù)先根據(jù)樣本圖片的特征信息及所述樣本圖片的圖像質(zhì)量評(píng)價(jià)訓(xùn)練獲得的模型。
[0193]確定模塊804，用于當(dāng)根據(jù)所述識(shí)別結(jié)果確定所述備選圖片滿足預(yù)設(shè)條件時(shí)，確定所述備選圖片為目標(biāo)圖片。
[0194]在一個(gè)實(shí)施例中，所述特征信息包括:全局特征信息和重點(diǎn)區(qū)域特征信息。
[0195]如圖9所示，所述提取模塊802包括:全局提取子模塊8021、區(qū)域確定子模塊8022和區(qū)域提取子模塊8023。
[0196]全局提取子模塊8021，用于對(duì)所述備選圖片的全局進(jìn)行特征提取，獲得全局特征
?目O
[0197]區(qū)域確定子模塊8022，用于確定所述備選圖片中的重點(diǎn)區(qū)域。
[0198]區(qū)域提取子模塊8023，用于對(duì)所述備選圖片中的重點(diǎn)區(qū)域進(jìn)行特征提取，獲得重點(diǎn)區(qū)域特征信息。
[0199]在一個(gè)實(shí)施例中，如圖10所示，所述識(shí)別模塊803包括:類別子模塊8031和識(shí)別子模塊8032。
[0200]類別子模塊8031，用于對(duì)所述備選圖片進(jìn)行分類識(shí)別，確定所述備選圖片的圖片類別。
[0201]識(shí)別子模塊8032，用于根據(jù)所述圖片類別對(duì)應(yīng)的判別模型及所述備選圖片