[發明專利]濾鏡類別識別方法及裝置

在審

• 申請號: 201510634596.5
• 申請日: 2015-09-29
• 公開（公告）號: CN105224950A
• 公開（公告）日: 2016-01-06
• 發明（設計）人: 王百超;張濤;陳志軍
• 申請（專利權）人: 小米科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 滕一斌

技術領域

本公開涉及圖像處理技術領域，尤其涉及一種濾鏡類別識別方法及裝置。

背景技術

目前，各種終端中都有圖像處理應用，隨著圖像處理技術的發展，這些圖像處理應用也具有越來越多的功能，例如濾鏡功能，濾鏡功能可以用于實現多種具有不同效果的圖像。

為了獲得更豐富的濾鏡效果，終端除了提供一些固有濾鏡外，還提供了濾鏡參數調節選項，使得用戶可以通過調節濾鏡參數獲得自定義濾鏡，進而通過該自定義濾鏡獲得對應的效果圖像。

但是，在現有的圖像處理應用中，由于不同濾鏡效果的名稱多是編號或者與濾鏡效果無關的字詞，如“生動”“唯美”等，且經過濾鏡處理過的圖像沒有標識出是經過哪種濾鏡處理得到，從而導致難以從大量的濾鏡中找到對應的濾鏡以復現效果。

發明內容

為克服相關技術中存在的問題，本公開提供一種濾鏡類別識別方法及裝置。

根據本公開實施例的第一方面，提供一種濾鏡類別識別方法，包括：

提取待識別圖像的圖像特征，該待識別圖像為經過濾鏡處理后的圖像；

根據濾鏡類別數據庫和該待識別圖像的圖像特征，獲取該待識別圖像與該濾鏡類別數據庫中各濾鏡類別的匹配度，該濾鏡類別數據庫至少用于保存多個濾鏡類別以及采用該多個濾鏡類別處理后圖像的圖像特征；

將該匹配度符合預設標準的濾鏡類別確定為該待識別圖像對應的濾鏡類別。

在本公開的第一方面的第一種可能實現方式中，該方法還包括：

搜集學習樣本，該學習樣本為經過多個濾鏡類別處理后的圖像；

提取該學習樣本中每一幅圖像的圖像特征；

根據該每一幅圖像的圖像特征與對應濾鏡類別，建立該濾鏡類別數據庫。

在本公開的第一方面的第二種可能實現方式中，該濾鏡類別數據庫還包括用于描述各個濾鏡類別的圖像效果的關鍵字詞；

該方法還包括：

根據該濾鏡類別數據庫和該待識別圖像的圖像特征，獲取與該待識別圖像對應的關鍵字詞；

將該待識別圖像對應的關鍵字詞確定為該待識別圖像對應的濾鏡名稱。

在本公開的第一方面的第三種可能實現方式中，該根據濾鏡類別數據庫和該待識別圖像的圖像特征，獲取與該待識別圖像對應的關鍵字詞之前，該方法還包括：

構造備選名稱集合，該備選名稱集合用于存儲關鍵字詞；

根據該備選名稱集合中的關鍵字詞，收集與每個關鍵字詞匹配的預設數量的圖像；

提取該與每個關鍵字詞匹配的圖像的圖像特征；

根據該備選名稱集合中的關鍵字詞和該與每個關鍵字詞匹配的圖像的圖像特征，建立該濾鏡類別數據庫。

在本公開的第一方面的第四種可能實現方式中，該方法還包括：

當該待識別圖像的圖像特征與任一濾鏡類別的匹配度均不符合該預設標準時，確定該待識別圖像為未經過濾鏡處理的圖像。

根據本公開實施例的第二方面，提供一種濾鏡類別識別裝置，包括：

特征提取模塊，用于提取待識別圖像的圖像特征，該待識別圖像為經過濾鏡處理后的圖像；

匹配度獲取模塊，用于根據濾鏡類別數據庫和該待識別圖像的圖像特征，獲取該待識別圖像與該濾鏡類別數據庫中各濾鏡類別的匹配度，該濾鏡類別數據庫至少用于保存多個濾鏡類別以及采用該多個濾鏡類別處理后圖像的圖像特征；

確定模塊，用于將該匹配度符合預設標準的濾鏡類別確定為該待識別圖像對應的濾鏡類別。

在本公開的第二方面的第一種可能實現方式中，該裝置還包括：

搜集模塊，用于搜集學習樣本，該學習樣本為經過多個濾鏡類別處理后的圖像；

該特征提取模塊還用于提取該學習樣本中每一幅圖像的圖像特征；

第一建立模塊，用于根據該每一幅圖像的圖像特征與對應濾鏡類別，建立該濾鏡類別數據庫。

在本公開的第二方面的第二種可能實現方式中，該濾鏡類別數據庫還包括用于描述各個濾鏡類別的圖像效果的關鍵字詞；

該裝置還包括：

關鍵字詞獲取模塊，用于根據該濾鏡類別數據庫和該待識別圖像的圖像特征，獲取與該待識別圖像對應的關鍵字詞；

該確定模塊還用于將該待識別圖像對應的關鍵字詞確定為該待識別圖像對應的濾鏡名稱。

在本公開的第二方面的第三種可能實現方式中，該裝置還包括：

構造模塊，用于構造備選名稱集合，該備選名稱集合用于存儲關鍵字詞；

收集模塊，用于根據該備選名稱集合中的關鍵字詞，收集與每個關鍵字詞匹配的預設數量的圖像；