[发明专利]快速图像分类

说明书

技术领域

本发明涉及搜索引擎领域，更具体地说，涉及用于分析图像的设备和方法。

背景技术

图像分析可用于许多不同的应用，包括基于内容的图像存储和检索。用户可使用搜索引擎来搜索计算机中的图像。搜索引擎能以硬件和软件的组合的形式实现。但是，快速图像分类难以有效、高效且一致地执行，尤其是在实时环境中更是如此。

发明内容

根据本发明的一方面，本发明涉及一种方法，包括：

获取图像；

将所述图像数字化；

从所述图像的一部分中选择行；

执行对所述行的行扫描；

检索参考扫描；

将所述行扫描与所述参考扫描进行比较；

识别特征；以及

将所述图像分类。

所述行选自所述图像的最上四分位。

所述行选自所述图像的最下四分位。

所述图像包括颜色，并且所述行包括像素。

所述方法还包括显示作为所述行中的位置的函数的每个像素的RGB值。

识别所述特征涉及运用规则。

所述规则是从试验导出的。

所述规则是从建模导出的。

所述规则是从仿真导出的。

根据本发明的另一方面，本发明涉及一种方法，包括：

选择图像的一部分；

选择参数的值来描述所述图像的所述部分；以及

识别所述图像中的特征。

所述部分包括最上四分位中的行。

所述部分包括最下四分位中的行。

用户选择所述图像的所述部分。

用户选择所述参数的所述值。

用户选择所述图像中的所述特征。

根据本发明的又一方面，本发明涉及一种设备，包括：

图像获取模块，用于获取图像；

图像数字化器模块，用于将所述图像数字化；

行采样器模块，用于从所述图像的不同部分中选择行；

行扫描模块，用于沿所述行执行行扫描；

库模块，用于检索参考扫描；

扫描比较器模块，用于将所述行扫描与所述参考扫描进行比较；

特征识别器模块，用于隔离由所述行扫描所遍历的特征；以及

特征分类器模块，用于促进所述图像的快速分类。

所述设备还包括图形用户接口。

所述设备还包括包含规则的机器可读介质。

所述设备还包括用于学习之前的行扫描以识别未来行扫描中的特征的部件。

所述部件包括人工智能模块。

附图说明

图1A-1E示出根据本发明一个实施例包括可识别特征的行扫描。

图2示出依据本发明一个实施例的方法。

图3示出依据本发明一个实施例的设备。

图4示出依据本发明另一个实施例的方法。

具体实施方式

在以下描述中，阐述了众多细节、实例和实施例以充分理解本发明。但是，对于本领域技术人员来说清楚且显而易见的是，本发明不限于所阐述的细节、实例和实施例，并且在没有所描述的其中一些特定细节、实例和实施例的情况下也可实践本发明。在其它情况下，本领域技术人员还将意识到，没有特别描述公知的某些细节、实例和实施例，以免使本发明晦涩难懂。

本发明公开一种用于将图像快速分类的方法和一种快速图像分类器。

本发明的一个实施例设想一种用于在执行有限图像分析之后将图像快速分类的方法。提前确定图像的属性。然后，对图像进行表征、辨识并基于预定义属性进行分类。在一些情况下，在只扫描图像的很小一部分之后便以高置信度辨识图像。

图2示出依据本发明一个实施例的方法。参考图2，在块202，获取图像。在块204，将所述图像数字化。在块206，从所述图像的一部分中选择行。在块208，执行对所述行的行扫描。在块210，检索参考扫描。在块212，将所述行扫描与所述参考扫描进行比较。在块214，识别特征。在块216，将所述图像分类。

在一个实施例中，在图2所示的方法中，所述行选自所述图像的最上四分位。依据另一个实施例，所述行选自所述图像的最下四分位。在该方法的上述实施例的再一个实施例中，所述图像包括颜色，并且所述行包括像素。依据该方法的又一个实施例，该方法还包括显示作为所述行中的位置的函数的每个像素的RGB值。依据该方法的上述实施例中的还有一个实施例，识别所述特征涉及运用规则。其中，所述规则是从试验导出的。依据另一个实施例，所述规则是从建模导出的。依据再一个实施例，所述规则是从仿真导出的。