[发明专利]对于缺乏时间信息的图像的添加性聚类

说明书

技术领域

本发明涉及对图像进行自动分类的数字图像处理，更特别地涉及对于缺乏个别化的捕获日期-时间信息的图像的添加性聚类(additiveclustering)。

背景技术

随着数字消费电子捕获设备(比如数字照相机和照相机电话)的广泛使用，消费者的图像集合的尺寸持续非常快速地增大。自动的图像管理和组织对于这些大集合的容易的访问、搜索、检索和浏览来说是非常重要的。

在授予Loui和Pavie的美国专利No.6,606,411 B1(其被结合在此以作参考)中描述了一种基于日期-时间信息和图像之间的颜色相似性而把图像自动分组成事件和子事件的方法。一种事件聚类算法使用捕获日期-时间信息来确定事件。块级颜色直方图相似性被用来确定子事件。该方法的缺点在于，对非常大的图像组进行聚类会花费大量的时间。如果每当把新图像添加到消费者的图像集合中时都需要重新计算事件和子事件，则上述缺点是非常成问题的，这是因为所述添加每次发生几下，但是却发生得相对较为频繁。另一个问题是为了允许进行无缝访问，消费者需要能够合并在多个个人计算机、移动设备、图像装置、网络服务器和在线存储库中分布的图像集合。在每次合并之后重新计算事件和子事件是低效的。

在美国专利No.6,606,411 B1中描述的所述事件聚类算法的局限性在于，它使用来自数字照相机捕获元数据的日期-时间信息。这在将被添加到数据中的图像缺乏正确的日期-时间信息的情况下是成问题的。这种图像的例子包括扫描图像、来自胶片捕获的数字图像CD、来自视频摄录机的静止图像或者来自具有不正确的日期-时间设置的数字照相机的图像。在许多情况下，所述图像所具有的相关联的日期-时间涉及到在扫描或其他处理之后的数字文件的产生，而不是图像捕获的日期-时间。

对于其中没有元数据可用的图像已经提出了以基于内容的图像分类为基础的许多方法。在2001年5月25日公布的PCT专利申请WO01/37131 A2中，突出的图像区域的视觉属性被用来分类图像。除了对于视觉属性的数值测量之外，神经网络被用来利用诸如“天空”和“皮肤”之类的语义项对一些区域进行分类。对于所述集合中的图像的基于区域的特性进行索引，以便能够容易地找到与给定的查询图像的特性相匹配的其他图像。2001年5月29日发布的美国专利No.6,240,424 B1公开了一种利用图像中的主对象作为聚类中心来分类和查询图像的方法。通过基于给定图像中的主对象制定适当的查询来找到与给定的未分类图像相匹配的图像。2002年11月5日发布的美国专利No.6,477,269B1公开了一种允许用户通过使用示例查询来基于颜色或形状找到类似图像的方法。已经知道使用多种技术来从图像数据库中检索图像。2002年11月12日发布的授予Zhu和Mehrotra的美国专利No.6,480,840公开了利用低级别特征(比如颜色、纹理和颜色组成)的基于内容的图像检索。

这些基于内容的方法的缺点在于没有考虑到通常可与图像一起获得的另一种信息，即时间顺序。图像通常按时间顺序被存储在介质上。例如，从胶片捕获导出的Kodak PictureCD^TM上的图像具有捕获的顺序。通常使用导致时间排序的数值序列或其他序列来为图像产生文件名。例如，一些所捕获的数字图像在文件名中具有表明生成顺序的数值后缀。

因此，将希望提供在数据库中对新图像进行添加性聚类而无需对整个数据库进行重新聚类的方法和系统。

还希望提供可以在添加性聚类的过程中考虑到时间顺序的方法和系统。

发明内容

本发明由权利要求书来限定。在更广的方面，本发明提供一种用于把新图像组合到数据库中的方法和系统，该数据库具有按时间排序的图像，所述按时间排序的图像基于时间差阈值被分类到各事件组中，并且基于相似性量度被分类到各子组中。在所述方法和系统中，基于所评估的图像特征把新图像排序到各群集(cluster)中。在每一个群集中选择一个代表性图像。指定在时间顺序上与所述新图像重叠的数据库段，并且在该段中识别出类似于每个代表性图像的一组数据库图像。把包括一个或多个所检索的图像的不同子组与每一个群集相关联，以便提供匹配的子组。所述新图像被分配给与相应的群集相关联的匹配的子组。

本发明的一个有利效果在于提供改进的方法和系统，其中在数据库中对新图像进行添加性聚类而无需对整个数据库进行重新聚类。

本发明的另一个有利效果在于提供改进的方法和系统，其中在添加性聚类的过程中保持了时间顺序，即使在缺少捕获日期/时间信息时也是如此。