基于图像识别的照片分类方法

本发明的专利技术涉及图像处理领域，公开了一种基于图像识别的照片分类方法，可以更好地对照片进行分类，方便用户查找和管理照片. 本发明的专利技术包括以下步骤: 读取用户存储的待分类照片；使用图像识别技术识别并提取待分类照片的特征参数；将特征参数输入到照片分类器中，根据待分类的照片进行分类. 特征参数对待分类的照片进行分类. 分类成功后java图像识别技术，输出照片的分类结果. 本发明的专利技术适用于诸如移动电话和数码相机的图像拍摄设备. 用户拍摄一张或多张照片时，拍摄设备会自动对照片进行分类，以方便用户查找和管理照片.

本发明涉及图像处理领域，公开了一种基于图像识别的照片分类方法，可以更好地对照片进行分类，方便用户查找和管理照片. 本发明包括以下步骤: 读取用户存储的要分类的照片；以及使用图像识别技术来识别和提取要分类的图像特征；特征参数输入图片分类器，分类器根据特征参数对照片进行分类，对照片进行分类处理，得到分类结果；照片输出成功后. 本发明适用于手机，数码相机等摄像设备，当用户拍摄一张或多张照片时，照相部门自动对照片进行分类，方便用户查找和管理照片.

下载所有详细的技术信息

[技术实施步骤摘要]

基于图像识别的照片分类方法

该专利技术涉及图像处理领域，尤其涉及一种基于图像识别的照片分类方法.

技术简介

随着智能手机和数码相机的普及，照片拍摄变得越来越常规和定量. 面对手机中越来越多的照片，迫切需要一种自动和智能的照片管理软件和方法. 这项获得专利的技术结合了图像识别算法，可以对照片进行语义分类，实现按人​​物，事物和风景的类别浏览，并过滤出质量差异，过滤出重复的照片，从而为照片管理和方法的自动化和智能化提供了一个思路. 和方法.

技术实现思路

该专利技术要解决的技术问题是: 提供一种基于图像识别的照片分类方法，以更好地对照片进行分类，并方便用户查找和管理照片. 为了解决上述问题，本专利技术采用的技术方案是: 一种基于图像识别的照片分类方法，包括以下步骤: A.读取待分类的照片； B.利用图像识别技术识别并提取待分类照片的特征参数； C.将特征参数输入到照片分类器中，照片分类器根据待分类照片的特征参数对待分类照片进行分类. D.分类成功后输出照片的分类结果. 此外，在步骤C中使用照片分类器之前，需要获得照片分类器. 获取方法包括: C1. 从图像中选择两张图像，其中一部分用作图像训练集，另一部分用作图像测试集. C2. 提取训练集的图像特征参数，进行分类器训练，得到初始照片分类器； C3. 提取图像测试集的特征参数，并通过测试图像集的特征参数来优化初始照片分类器，以获得最终的照片分类器. 此外，BP神经网络用于分类器训练和优化. 此外，特征参数包括视觉特征和语义特征，并且照片分类器包括视觉分类器和语义分类器. 进一步地，所述步骤B中提取特征参数的步骤包括: B1. 使用图像识别技术识别和提取要分类的照片的基本视觉特征； B2. 基于潜在的视觉特征，提取海拔高度，提取要分类的照片的语义特征.

该专利技术的有益效果是: 该专利技术基于图像识别，提取照片的视觉和语义特征，并通过视觉和语义特征对照片进行分类，以便更好地对照片进行分类，以方便使用. 用户查找和管理照片. 附图说明图1是实施例的流程图. 具体实施方式实施例提供了一种基于图像识别的照片分类方法. 如图1所示. 参照图1，该方法包括以下步骤: A.读取用户存储的待分类照片. B.如果阅读不成功，请返回步骤A继续阅读；否则，请继续阅读. 如果读取成功，则使用图像识别技术来识别和提取特征参数. 特征参数包括视觉特征和语义特征. 特征参数提取包括以下步骤: B1. 使用图像识别技术来识别和提取要分类的照片的潜在视觉特征，例如人，物等； B2. 在提取基础特征的基础上，通过多层聚合分类对人的图像进行语义分类，对图片进行不同维度的标注（即语义特征），并逐步完善分类标准. 以事物为例，您还可以细分两个级别的标签，包括: 婴儿，会议，文本，室内，花卉，风景，天空，合影java图像识别技术，夜景，山脉，城市，乡村，卡通，表演，宴会，餐饮. C．首先得到照片分类器，方法包括: C1. 从图像中选择图像的两部分，一部分用作图像训练集，另一部分用作图像测试集. C2. 提取图像训练集的特征参数（即视觉特征和语义特征），并进行分类器训练，分别得到初始视觉分类器和语义特征分类器； C3. 提取图像测试集的特征参数（即视觉特征和语义特征），并传递测试图像集特征参数对. 优化初始照片分类器以获得最终的视觉分类器和语义特征分类器.

此处可以使用BP神经网络进行分类器训练和优化. 然后，将要分类的照片的视觉特征和语义特征分别输入到视觉分类器和语义特征分类器中，视觉分类器和语义特征分类器根据图片的视觉和语义特征对要分类的照片进行分类. 要分类的照片. 分类时，实际上是在重新优化两个分类器，因此整个过程类似于三层BP神经网络. 分类器本身具有不断学习和自我优化的能力. 进行分类时，您可以先根据字符（即视觉特征）进行划分，例如字符出现的频率降序，然后单击A的头像，该头像上按时间顺序排列有A的照片；其次，其次根据事物的次要标签（即语义特征），照片可以分为: 婴儿，会议，文本，室内，花卉，风景，天空，集体照，夜景，山脉，城市，村庄，卡通，表演，宴会，食物等. D.分类成功后，将输出照片的分类结果. 以上描述了专利技术的基本原理和主要特征. 说明书的描述仅说明了专利技术的原理. 在不改变专利技术的精神和范围的情况下，专利技术将有各种变化和改进. 这些更改和改进属于所要求保护的专利技术的范围.

【技术保护点】

基于图像识别的照片分类方法，包括以下步骤: A.读取要分类的照片； B.使用图像识别技术识别并提取待分类照片的特征参数； C.特征参数输入照片分类器，照片分类器根据待分类照片的特征参数对待分类照片进行分类. D.分类成功后，输出照片的分类结果.

【技术特点摘要】

1. 一种基于图像识别的照片分类方法，包括以下步骤: A.读取要分类的照片； B.使用图像识别技术识别并提取待分类照片的特征参数； C.将特征参数输入到照片分类器中，照片分类器根据待分类照片的特征参数对待分类照片进行分类. D.分类成功后输出照片的分类结果. 2.根据权利要求1所述的基于图像识别的照片分类方法，其特征在于，在步骤C中，在使用所述照片分类器之前需要一个照片分类器，所述获取方法包括: C1. 从图像中选择图像的两部分，一部分用作图像训练集，另一部分用作图像测试集；另一部分用作图像测试集. C2. 提取图像训练集的特征参数，进行分类器训练，得到初始照片分类器； C3. 提取图像测试...

【专利技术属性】

技术研发人员: 钟以满，杨超，王颖，何永军，张珂，

申请人（专利所有人）: 四川长虹电器，

类型: 发明

国家省市: 四川51

下载所有详细的技术信息. 我是该专利的所有者

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-238161-1.html