Способ и устройство для классификации изображений

Изобретение относится к средствам для классификации изображений и к области обработки изображений. Техническим результатом является повышение эффективности просмотра текстовых изображений. Способ содержит: получение изображений, подлежащих классификации; определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений; классификацию изображений, в соответствии с классом каждого изображения; добавление каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или добавление каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений. 3 н. и 14 з.п. ф-лы, 12 ил.

 

ПЕРЕКРЕСТНАЯ ССЫЛКА НА СООТВЕТСТВУЮЩИЕ ЗАЯВКИ

[0001] Настоящая заявка основана на и заявляет о приоритете по китайской заявке на патент №201410851146.7, поданной 31 декабря 2014 г., полное содержание которой включено сюда посредством ссылки.

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

[0002] Настоящее изобретение в целом относится к области обработки изображений и, более конкретно, к способу и устройству для классификации изображений.

УРОВЕНЬ ТЕХНИКИ

[0003] Когда человек ходит на занятия или принимает участие в какой-либо деятельности, ему обычно требуется записывать важную текстовую информацию, например, важное содержание учебного курса, правила деятельности и контакты. Пользователь может сфотографировать текстовую информацию с помощью терминала, оснащенного камерой, для облегчения последующего просмотра.

[0004] Поскольку терминал отображает изображения в зависимости от времени сохранения изображений, если фотографии текста, которые необходимо просмотреть пользователю, отделены друг от друга нетекстовыми изображениями, эффективность просмотра будет снижена.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0005] Для преодоления проблемы разделения фотографий текста нетекстовыми изображениями, когда терминал отображает изображения в соответствии со временем их сохранения, что снижает эффективность просмотра текстовых изображений, настоящее изобретение предлагает способ и устройство для классификации изображений.

[0006] В соответствии с вариантами осуществления первого объекта настоящего изобретения, предлагается способ классификации изображений, включающий:

получение изображений, подлежащих классификации;

определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

классификация изображений, в соответствии с классом каждого изображения.

[0007] Альтернативно, способ дополнительно включает в себя:

если изображение относится к классу текстовых изображений, получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении;

обнаружение того, превышает ли время истечения срока пригодности изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени; и

если да, удаление изображения.

[0008] Альтернативно, получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении включает в себя:

считывание информации о времени пригодности из текста, записанного в изображении, или прием информации о времени пригодности, введенной при сохранении изображения;

получение информации о текущем времени.

[0009] Альтернативно, удаление изображения включает в себя:

создание и отображение сообщения с подсказкой, получение команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаление изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

передачу изображения в буфер переработки, получение времени хранения изображения в буфере переработки, и удаление изображения, если время хранения превышает второй заданный период времени; или

передачу изображения в буфер переработки, получение команды опустошения для опустошения буфера переработки и удаление изображения, в соответствии с командой опустошения.

[0010] Альтернативно, способ дополнительно включает в себя:

добавление каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или

добавление каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений.

[0011] Альтернативно, отображение серии сворачиваемых изображений включает в себя:

извлечение презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечение презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

отображение презентационного изображения серии сворачиваемых изображений без отображения других изображений в серии сворачиваемых изображений или отображение презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

[0012] Альтернативно, определение класса каждого изображения, в соответствии с пояснением признаков изображения, включает в себя:

извлечение пояснения признаков каждого пикселя в изображении;

оценку пояснения признаков в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;

определение класса изображения, в соответствии с результатом оценки.

[0013] Альтернативно, способ дополнительно включает в себя:

нормализацию разрешения выборочных изображений до заданного разрешения;

извлечение пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

вычисление гистограммы изображения каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

получение модели опорных векторов (Support Vector Machine), согласно типов выборочных изображений и гистограмм.

[0014] Альтернативно, пояснением признаков является значение признака Габора или значение направления градиента.

[0015] В соответствии с вариантами осуществления второго объекта настоящего изобретения, предлагается устройство для классификации изображений, включающее:

модуль получения изображений, сконфигурированный для получения изображений, подлежащих классификации;

модуль определения класса, сконфигурированный для определения класса каждого изображения, в соответствии с пояснением признаков изображения, полученного модулем получения изображений, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

модуль классификации изображений, сконфигурированный для классификации изображений, в соответствии с классом каждого изображения, определенным модулем определения класса.

[0016] Альтернативно, устройство дополнительно включает в себя:

модуль получения информации, сконфигурированный для получения информации о времени пригодности и информации о текущем времени текстовой информации в изображении, если изображение относится к классу текстовых изображений;

модуль определения длительности, сконфигурированный для обнаружения того, превышает ли время истечения изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени, полученной модулем получения данных;

модуль удаления изображений, сконфигурированный для удаления изображения, если модуль определения длительности обнаруживает, что время истечения изображения превышает первый заданный период времени.

[0017] Альтернативно, модуль получения данных сконфигурирован для:

считывания информации о времени пригодности из текста, записанной в изображении, или приема информации о времени пригодности, введенной при сохранении изображения; и

получения текущих данных времени.

[0018] Альтернативно, модуль удаления изображений включает в себя:

первый подмодуль удаления, сконфигурированный для создания и отображения сообщения с подсказкой, получения команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаления изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

второй подмодуль удаления, сконфигурированный для передачи изображения в буфер переработки, для получения времени хранения изображения в буфере переработки, и для удаления изображения, если время хранения превышает второй заданный период времени, или сконфигурированный для передачи изображения в буфер переработки, для получения команды опустошения для опустошения буфера переработки и удаления изображения, в соответствии с командой опустошения.

[0019] Альтернативно, устройство дополнительно включает в себя:

первый модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папки; или

второй модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений.

[0020] Альтернативно, второй модуль отображения включает в себя:

подмодуль извлечения изображений, сконфигурированный для извлечения презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечения презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

подмодуль отображения изображений, сконфигурированный для отображения презентационного изображения серии сворачиваемых изображений, извлеченного подмодулем извлечения изображений, без отображения других изображений в серии сворачиваемых изображений или отображения презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

[0021] Альтернативно, модуль определения класса включает в себя:

подмодуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в изображении;

подмодуль оценки признаков, сконфигурированный для оценки пояснений признаков, извлеченных подмодулем извлечения признаков, в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;

подмодуль определения класса, сконфигурированный для определения класса изображения, в соответствии с результатом оценки, выполненной подмодулем оценки признаков.

[0022] Альтернативно, устройство дополнительно включает в себя:

модуль нормализации разрешения, сконфигурированный для нормализации разрешения выборочных изображений до заданного разрешения;

модуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

модуль вычисления гистограмм, сконфигурированный для вычисления гистограммы каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

модуль определения модели, сконфигурированный для получения модели опорных векторов (Support Vector Machine), в соответствии с типами выборочных изображений и гистограмм, вычисленных модулем вычисления гистограмм.

[0023] Альтернативно, пояснением признаков является значение признака Габора или значение направления градиента.

[0024] В соответствии с вариантами осуществления третьего объекта настоящего изобретения, предлагается устройство для классификации изображений, включающее в себя процессор и память, сконфигурированную для хранения команд, исполняемых процессором, причем процессор сконфигурирован для:

получения изображений, подлежащих классификации;

определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

классификации изображений, в соответствии с классом каждого изображения.

[0025] Техническое решение, предлагаемое в вариантах осуществления настоящего изобретения, может иметь следующие преимущества: путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, при этом решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, чем повышается эффективность просмотра текстовых изображений.

[0026] Следует понимать, что предшествующее общее описание и последующее подробное описание являются только иллюстративными и пояснительными, и не ограничивают изобретения, как заявлено.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0027] Прилагаемые чертежи, включенные в документ и составляющие часть данного описания, иллюстрируют варианты осуществления в соответствии с изобретением, и вместе с описанием служат для объяснения принципов изобретения.

[0028] Фиг. 1 представляет собой блок-схему способа классификации изображений, в соответствии с примерным вариантом осуществления.

[0029] Фиг. 2А представляет собой блок-схему способа классификации изображений, в соответствии с другим примерным вариантом осуществления.

[0030] Фиг. 2В представляет собой принципиальную схему текстового изображения, в соответствии с другим примерным вариантом осуществления.

[0031] Фиг. 2С представляет собой принципиальную схему первой гистограммы выборочного изображения, в соответствии с другим примерным вариантом осуществления.

[0032] Фиг. 2D представляет собой принципиальную схему второй гистограммы выборочного изображения, в соответствии с другим примерным вариантом осуществления.

[0033] Фиг. 2Е представляет собой принципиальную схему первой классификации изображения, в соответствии с другим примерным вариантом осуществления.

[0034] Фиг. 2F представляет собой принципиальную схему второй классификации изображения, в соответствии с другим примерным вариантом осуществления.

[0035] Фиг. 2G представляет собой принципиальную схему отображения серий сворачиваемых изображений, в соответствии с другим примерным вариантом осуществления.

[0036] Фиг. 2Н представляет собой принципиальную схему установления действительных данных времени, в соответствии с другим примерным вариантом осуществления.

[0037] Фиг. 3 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления.

[0038] Фиг. 4 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления.

[0039] Фиг. 5 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления.

ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

[0040] Ниже будет приведено подробное описание примерных вариантов осуществления, примеры которых проиллюстрированы на прилагаемых чертежах. Следующее описание ссылается на прилагаемые чертежи, на которых одинаковые номера на разных чертежах представляют собой одинаковые или аналогичные элементы, если не указано иное. Реализации, изложенные в последующем описании примерных вариантов осуществления, не являются всеми реализациями, соответствующими изобретению. Они являются просто примерами устройств и способов, которые соответствуют аспектам, связанным с изобретением, как изложено в прилагаемой формуле изобретения.

[0041] Фиг. 1 представляет собой блок-схему способа классификации изображений, в соответствии с примерным вариантом осуществления. Способ классификации изображений применяется в терминале и, как показано на фиг. 1, способ включает в себя следующие этапы.

[0042] На этапе 101 происходит получение изображений, подлежащих классификации.

[0043] На этапе 102 происходит определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает класс текстовых изображений и класс нетекстовых изображений.

[0044] На этапе 103 происходит классификация изображений, в соответствии с классом каждого изображения.

[0045] В заключение, благодаря способу классификации изображений, предлагаемому настоящим изобретением, путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, чем решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, и повышается эффективность просмотра текстовых изображений.

[0046] Фиг. 2А представляет собой блок-схему способа классификации изображений, в соответствии с другим примерным вариантом осуществления. Как показано на фиг. 2А, способ классификации изображений применяется в терминале и включает в себя следующие этапы.

[0047] На этапе 201 происходит получение изображений, подлежащих классификации.

[0048] Изображениями являются изображения в терминале, и они включают в себя текстовые изображения и нетекстовые изображения. Текстовыми изображениями являются изображения, содержащие текстовую информацию, а нетекстовыми изображениями являются все изображения, помимо текстовых изображений.

[0049] См. принципиальную схему текстового изображения, показанного на фиг. 2В, которое представляет собой текстовое изображение, полученное путем фотографирования уведомления. Текстовое изображение включает в себя название «Уведомление», содержание «владельцы в районе х, техническое обслуживание линии будет осуществляться 26 ноября 2014 года, пожалуйста, подготовьтесь к нему» и издателя уведомления «компания по работе с недвижимостью х».

[0050] На этапе 202 происходит определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает класс текстовых изображений и класс нетекстовых изображений.

[0051] Так как текстовое изображение включает в себя текстовую информацию, а нетекстовое изображение включает в себя графическую информацию, терминал может определить класс изображения, согласно пояснению признаков текстовой информации и графической информации, причем пояснением признаков может быть значение признака Габора или значение направления градиента.

[0052] Этап определения класса изображения в соответствии с пояснением признаков изображения, включает в себя следующие этапы:

1) извлечение пояснения признаков каждого пикселя в изображении;

2) оценку пояснения признаков в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения включают в себя текстовые изображения и нетекстовые изображения;

3) определение класса изображения, в соответствии с результатом оценки.

[0053] Во время извлечения пояснения признаков, поскольку китайский символ формируется штрихами, такими как горизонтальный штрих, вертикальный штрих, откидная влево и откидная вправо, когда пояснением признака является значение признака Габора, толщину китайского символа можно разделить на пять классов, и направление штриха может быть разделено на восемь классов, и, таким образом, для каждого пикселя в изображении может быть вычислено 40-мерное значение признака Габора; когда пояснением признака является значение направления градиента, значение направления градиента каждого пикселя может быть рассчитано в соответствии с координатами пикселя.

[0054] Терминал может также получить модель опорных векторов (Support Vector Machine) и ввести извлеченное пояснение признаков в модель опорных векторов (Support Vector Machine) для оценки класса изображения с помощью модели опорных векторов (Support Vector Machine), согласно пояснению признаков, а затем вывести результат оценки. Результат оценки сконфигурирован для указания того, что изображение представляет собой текстовое изображение, или результат оценки сконфигурирован для указания того, что изображение является нетекстовым.

[0055] Терминал может получить модель опорных векторов (Support Vector Machine) заранее, а затем определить класс изображения в соответствии с моделью опорных векторов (Support Vector Machine) и пояснением признаков. Терминал может получить модель опорных векторов (Support Vector Machine) разными способами. Например, если терминал имеет высокую способность обработки, терминал может отработать выборочные изображения, чтобы получить модель опорных векторов (Support Vector Machine). В качестве другого примера, если терминал имеет низкую способность обработки, терминал может получить модель опорных векторов (Support Vector Machine) с сервера, причем модель опорных векторов (Support Vector Machine) получается после отработки выборочных изображений сервером. Альтернативно, терминал может не получать модель опорных векторов (Support Vector Machine), а отправить пояснение признаков на сервер для определения класса изображения на сервере, в соответствии с моделью опорных векторов (Support Vector Machine) и пояснением признаков, а затем терминал принимает класс, присылаемый обратно сервером, причем модель опорных векторов (Support Vector Machine) получается сервером после отработки выборочных изображений.

[0056] В этом варианте осуществления в качестве примера используется отработка выборочных изображений с помощью терминала, для получения модели опорных векторов (Support Vector Machine). Способ классификации изображений в данном варианте осуществления дополнительно включает в себя:

1) нормализацию разрешения выборочных изображений до заданного разрешения;

2) извлечение пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

3) вычисление гистограммы пояснения признаков каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

4) получение модели опорных векторов (Support Vector Machine), согласно типов выборочных изображений и гистограмм.

[0057] Во-первых, терминал должен получить первое число текстовых изображений и второе число нетекстовых изображений, и определить текстовые изображения и нетекстовые изображения в качестве выборочных изображений. Чем больше выборочных изображений, тем точнее будет модель опорных векторов (Support Vector Machine), полученная путем отработки, и тем больше ресурсов потребляется при отработке. Таким образом, количество выборочных изображений выбирается в соответствии с фактическими потребностями. Например, первым числом может быть пятьдесят тысяч, а вторым числом может быть сто тысяч.

[0058] Во-вторых, так как разрешение у выборочных изображений отличается, одни и те же блоки выборочных изображений включают в себя различное количество пикселей, и, таким образом, расчетная гистограмма не является точной. Таким образом, терминал должен нормализовать разрешение выборочных изображений до заданного разрешения. Заданное разрешение может быть установлено с помощью терминала, например, заданным разрешением может быть 300*300 DPI (точек на дюйм) или другое значение, которое не ограничивается в настоящем документе.

[0059] В-третьих, терминал извлекает пояснение признаков нормализованных выборочных изображений для получения значения признаков Габора каждого пикселя, или для получения значения направления градиента каждого пикселя.

[0060] В-четвертых, для каждого выборочного изображения терминал может вычислить пояснение признаков выборочного изображения, чтобы получить одну гистограмму, причем гистограмма сконфигурирована для представления распределения пояснения признаков в выборочном изображении.

[0061] Пояснением признаков в данном варианте осуществления является значение признака Габора или значение направления градиента. Так как наглядно представить значение признака Габора и значение направления градиента на чертежах не так просто, в данном варианте осуществления вычисление гистограммы иллюстрируется путем принятия уровней яркости пикселей в качестве пояснения признаков и предполагается, что разрешение выборочного изображения «а» является идентичным разрешению изображения «b». См. первую гистограмму выборочного изображения, показанную на фиг. 2С, в которой предполагается, что верхняя половина выборочного изображения «а» состоит из черных пикселей, нижняя половина выборочного изображения «а» состоит из белых пикселей, и каждый из двух черных пикселей в образце изображения «b» отделен друг от друга одним белым пикселем. Если предположить, что интервалами в гистограмме являются [0, 63], (63, 127], (127, 191] и (191, 255], то в гистограмме выборочного изображения «а» площадь интервала [0, 63] составляет 0,5 и площадь интервала (191, 255] составляет 0,5, а в гистограмме выборочного изображения «b» площадь интервал [0, 63] составляет 0,5 и площадь интервала (191, 255] составляет 0,5. То есть, гистограмма выборочного изображения «а» является такой же, как у выборочного изображения «b», но выборочное изображение «а» отличается от выборочного изображения «b». Таким образом, можно увидеть, что чем больше объем вычисленных пояснений признаков, тем более подобным являются распределения пояснений признаков.

[0062] Чтобы избежать проблемы схожести распределения пояснений признаков при слишком большом объеме пояснений признаков, терминал может разделить площадь выборочного изображения для получения блоков выборочного изображения, а затем вычислить гистограмму пояснения признаков в блоке выборочного изображения. Если предположить, что выборочное изображение разделено на четыре блока выборочного изображения одного размера, то для выборочного изображения «а» площадь интервала [0, 63] в первом блоке выборочного изображения составляет 1, площадь интервала [0, 63] во втором блоке выборочного изображения составляет 1, площадь интервала (192, 255] в третьем блоке выборочного изображения составляет 1, площадь интервала (192, 255] в четвертом блоке выборочного изображения составляет 1; для выборочного изображения «b» площадь интервала [0, 63] в каждом блоке выборочного изображения составляет 0,5 и площадь интервала (192, 255] в каждом блоке выборочного изображения составляет 0,5, как показано на второй гистограмме выборочных изображений на фиг. 2D. То есть, гистограмма выборочного изображения «а» отличается от гистограммы выборочного изображения «b».

[0063] Следует отметить, что на иллюстрации выше приведено разделение выборочного изображения на блоки выборочного изображения 2*2 в качестве примера, тем не менее, в практической реализации, количество блоков выборочного изображения может быть определено в соответствии с фактическими потребностями, что не ограничивается в настоящем документе.

[0064] Перед вычислением гистограммы должны быть определены интервалы гистограммы. В этом варианте осуществления для примера в качестве пояснения признаков используется значение направления градиента. Если предположить, что необходимо разделить на 360° на девять интервалов, то интервалами гистограммы могут быть [0, 40], (40, 80], (80, 120], (120, 160], (160, 200], (200, 240], (240, 280], (280, 320] и (320, 360]. Если координатой определенного пикселя является (5, 5), то значением направление градиента является арктангенс (у/х)=45°, а пиксель принадлежит интервалу (40, 80].

[0065] В-пятых, терминал создает один вектор согласно каждой гистограмме, а затем соединяет векторы всех блоков выборочного изображения в каждом выборочном изображении в заданном порядке, чтобы получить вектор выборочного изображения. Поскольку терминал знает тип каждого выборочного изображения, терминал может получить модель опорных векторов (Support Vector Machine) в соответствии с типами выборочных изображений и векторов выборочных изображений.

[0066] Например, если векторами четырех блоков выборочного изображения «а» являются [1, 0], [1, 0], [0, 1], [0, 1], соответственно, то вектором выборочного изображения «а» является [1, 0, 1, 0, 0, 1, 0, 1]; если векторами четырех блоков выборочного изображения «b» являются [0,5; 0,5], [0,5; 0,5], [0,5; 0,5], [0,5; 0,5], соответственно, то вектором выборочного изображения «b» является [0,5; 0,5; 0,5; 0,5; 0,5; 0,5; 0,5; 0,5].

[0067] На этапе 203 происходит классификация изображений, в соответствии с классом каждого изображения.

[0068] Терминал может добавить метку класса к изображению, чтобы реализовать классификацию. Например, после определения того, что изображение является текстовым изображением, терминал устанавливает метку «текстовое изображение» на изображение «а»; и после определения того, что изображение «b» является нетекстовым изображением, терминал устанавливает метку «нетекстовое изображение» на изображение «b». Альтернативно, терминал может добавлять метки только текстовым изображениям. То есть, после определения того, что изображение «b» является нетекстовым изображением, терминал не устанавливает метку на изображение «b», чтобы отличить его от изображения «а», которому была добавлена метка.

[0069] Альтернативно, терминал может переводить изображение в соответствующий класс, чтобы реализовать классификацию. Например, терминал устанавливает класс текстовых изображений и класс нетекстовых изображений, и после определения того, что изображение «а» является текстовым изображением, терминал переводит изображение «а» в класс текстовых изображений; после определения того, что изображение «b» является нетекстовым изображением, терминал переводит изображение «b» в класс нетекстовых изображений.

[0070] В одном варианте реализации терминал должен отображать классифицированные изображения; в этот момент терминал выполняет этап 204. Независимо от того, какой способ классификации используется терминалом, терминал должен отображать изображения в соответствии с классами. То есть, терминал отображает текстовые изображения как один класс, и отображает нетекстовые изображения как другой класс; таким образом, обеспечивается то, что текстовые изображения не отделяются друг от друга нетекстовыми изображениями, чем повышается эффективность просмотра текстовых изображений.

[0071] На этапе 204 каждое классифицированное изображение добавляется в папку, соответствующую классу изображения, и отображаются папки; или, каждое классифицированное изображение добавляется в серию сворачиваемых изображений, соответствующую классу изображений, и отображаются серии сворачиваемых изображений.

[0072] В соответствии с первым режимом отображения, терминал может создать папку, соответствующую классу текстовых изображений, и папку, соответствующую классу нетекстовых изображений, добавить текстовые изображения в папку, соответствующую классу текстовых изображений, добавить нетекстовые изображения в папку, соответствующую классу нетекстовых изображений, и отобразить эти две папки. Когда терминал принимает команду открытия, запущенную пользователем нажатием на определенную папку, терминал отображает изображения в папке, как показано на принципиальной схеме первого способа отображения классификации изображений на фиг. 2Е.

[0073] В соответствии со вторым режимом отображения, терминал может добавить текстовые изображения в серию сворачиваемых изображений, соответствующую классу текстовых изображений, добавить нетекстовые изображения в серию сворачиваемых изображений, соответствующую классу нетекстовых изображений, и отобразить эти две серии сворачиваемых изображений. Когда терминал принимает команду открытия, запущенную пользователем нажатием на определенную серию сворачиваемых изображений, терминал отображает изображения в серии сворачиваемых изображений, как показано на принципиальной схеме второго способа отображения классификации изображений на фиг. 2F.

[0074] Этап отображения серии сворачиваемых изображений включает в себя следующие этапы:

1) извлечение презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечение презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

2) отображение презентационного изображения серии сворачиваемых изображений без отображения других изображений в серии сворачиваемых изображений или отображение презентационного изображения серии сворачиваемых изображений и краевых участков других изображений в серии сворачиваемых изображений.

[0075] При отображении серии сворачиваемых изображений терминал может выбрать изображение по умолчанию из изображений вне серии сворачиваемых изображений, и использовать изображение по умолчанию в качестве презентационного изображения серии сворачиваемых изображений. Альтернативно, терминал может выбрать изображение из серии сворачиваемых изображений и использовать это изображение в качестве презентационного изображения серии сворачиваемых изображений; таким образом, пользователь может наглядно определить тип изображений, включенных в серию сворачиваемых изображений.

[0076] При выборе презентационного изображения из серии сворачиваемых изображений терминал может дополнительно выбрать любое изображение из серии сворачиваемых изображений, заданное в качестве презентационного изображения. Альтернативно, терминал может выбрать из серии сворачиваемых изображений изображение с самым лучшим качеством, заданное в качестве презентационного изображения, чтобы повысить степень отличия изображений. Альтернативно, терминал может выбрать из серии сворачиваемых изображений изображение с последним временем сохранения, заданное в качестве презентационного изображения, для повышения производительности серии сворачиваемых изображений в режиме реального времени.

[0077] Как показано на принципиальной схеме отображения серии сворачиваемых изображений на фиг. 2G, после выбора презентационного изображения терминал может отобразить только презентационное изображение, без отображения других изображений в серии сворачиваемых изображений. Альтернативно, терминал может отображать презентационное изображение и краевые участки других изображений, как показано на фиг. 2F.

[0078] Следует отметить, что перед отображением классификации изображения, терминал может также отображать информацию о выборе «Просмотр изображений в виде папок» и «Просмотр изображений в виде серии сворачиваемых изображений», и определять способ отображения классификации изображений согласно выбору пользователя.

[0079] После отображения классификации изображения терминал может также управлять изображениями в классе текстовых изображений, в соответствии с действиями пользователя. Например, терминал может принять команду удаления от пользователя для удаления изображения с истекшим сроком, и удалить изображение в соответствии с командой удаления. Изображение с истекшим сроком относится к изображению, в котором текстовая информация является недействительной. Как показано на фиг. 2В в качестве примера, временем пригодности текстовой информации в изображении является 26 ноября 2014, чтобы предложить пользователю подготовиться к обслуживанию линии в тот день. Когда текущее время превысит время пригодности, обслуживание линии будет завершено, и, таким образом, изображение теряет рекомендательное значение для пользователя и становится изображением с истекшим сроком.

[0080] Поскольку пользователю требуется много времени для удаления изображений с истекшим сроком действия по одному, терминал может также обнаруживать изображения с истекшим сроком и удалять их; в этот момент терминал выполняет этапы 205-207.

[0081] На этапе 205, если изображение относится к классу текстовых изображений, происходит получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении.

[0082] Терминал может получить информацию о времени пригодности из изображения, терминал может также получить информацию о текущем времени от системы, и обработать изображения в соответствии с информацией о времени пригодности и информацией о текущем времени. Информация о времени пригодности сконфигурирована для указания времени истечения, после которого текстовая информация в изображении не будет иметь рекомендательного значения для пользователя. Например, информацией о времени пригодности на фиг. 2 В является 26 ноября 2014 года.

[0083] Этап получения информации о времени пригодности и информации о текущем времени текстовой информации в изображении включает следующие этапы:

1) считывание информации о времени пригодности из текста, записанного в изображении, или прием информации о времени пригодности, введенной при сохранении изображения;

2) получение информации о текущем времени.

[0084] Терминал может извлекать текстовую информацию из изображения с помощью таких способов, как OCR (оптическое распознавание символов), а затем извлекать информацию о времени из текстовой информации, в соответствии с такими ключевыми словами, как «год», «месяц», «дата», «час», «минута» и «секунда», и определять информацию о времени как информацию о времени пригодности.

[0085] Альтернативно, при сохранении изображения терминал может отображать окно ввода настроек информации о времени пригодности для пользователя, получать информацию о времени, введенную пользователем в поле ввода, и определять информацию о времени как информацию о времени пригодности. Как показано на принципиальной схеме установки информации о времени пригодности на фиг. 2Н, после фотографирования уведомления, показанного на фиг. 2В, терминал отображает окно ввода «Задать информацию о времени пригодности» в пользовательском интерфейсе, и, если информацией о времени, введенной пользователем является «26 ноября 2014», терминал определяет полученную информацию о времени в качестве информации о времени пригодности.

[0086] На этапе 206 происходит обнаружение того, превышает ли время истечения срока пригодности изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени.

[0087] Терминал вычитает время пригодности, указанное в информации о времени пригодности, из текущего времени, указанного в информации о текущем времени, для получения значения разности, а затем сравнивает значение разности с первым заданным периодом времени. Если терминал обнаруживает, что значение разности превышает первый заданный период, терминал определяет, что время истечения срока пригодности изображения превышает первый заданный период времени, и выполняет этап 207. Если терминал обнаруживает, что значение разности не превышает первый заданный период, терминал определяет, что время истечения срока пригодности изображения не превышает первый заданный период времени, и останавливает процедуру сравнения. Первый заданный период времени является положительным, и может быть задан и изменен с помощью терминала.

[0088] На этапе 207 изображение удаляется, если было обнаружено, что время истечения срока пригодности изображения превышает первый заданный период времени.

[0089] В этом варианте осуществления терминал может непосредственно удалить изображение, время истечения которого превышает первый заданный период, чтобы сохранить пространство памяти терминала. Альтернативно, чтобы избежать удаления изображений без информирования пользователя, что приводит к потере важных изображений, терминал может запрашивать у пользователя разрешение на удаление изображений.

[0090] В этом случае удаление изображения включает в себя следующие этапы:

1) создание и отображение сообщения с подсказкой, получение команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаление изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

2) передача изображения в буфер переработки, получение времени хранения изображения в буфере переработки, и удаление изображения, если время хранения превышает второй заданный период времени; или передача изображения в буфер переработки, получение команды опустошения для опустошения буфера переработки и удаление изображения, в соответствии с командой опустошения.

[0091] В соответствии с первым способом удаления, терминал может создавать сообщение с подсказкой после определения того, что время истечения пригодности изображения превышает первый заданный период, и отображать сообщение с подсказкой. Когда пользователь видит сообщение с подсказкой и решает удалить снимок, он запускает команду удаления, а затем терминал удаляет изображение в соответствии с полученной командой удаления. Сообщением с подсказкой может быть «Время истечения изображения x превышает хх дней. Пожалуйста, удалите его».

[0092] В соответствии со вторым способом удаления, терминал может передавать изображение в буфер переработки после обнаружения того, что время истечения изображения превышает первый заданный период, и подсчитывать длительность хранения изображения в буфере переработки. Когда длительность хранения превышает второй заданный период времени, терминал удаляет изображение. Например, если второй заданный период времени составляет семь дней, а длительность хранения изображения в буфере переработки превышает семь дней, терминал удаляет изображение. Буфером переработки может быть корзина терминала.

[0093] Поскольку пользователь может восстановить изображение в буфере переработки в течение второго заданного периода, решается проблема утери важной информации, вызванная удалением важного изображения, чем повышается точность удаления изображений.

[0094] После переноса изображения в буфер переработки, терминал может обнаружить, была ли принята команда опустошения, запущенная пользователем для опустошения буфера переработки, и если терминал обнаруживает, что была принята команда опустошения, терминал удаляет изображение.

[0095] В заключение, благодаря способу классификации изображений, предлагаемому настоящим изобретением, путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, чем решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, и, таким образом, повышается эффективность просмотра текстовых изображений.

[0096] Кроме того, путем добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папок, или путем добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений, обеспечивается разнообразие способов отображения различных классов изображений, и тем самым повышается разнообразие отображения.

[0097] Кроме того, путем определения того, превышает ли время истечения срока пригодности изображения первый заданный период времени, в соответствии с информацией о времени пригодности и информацией о текущем времени, и удаления снимка, если время истечения срока пригодности изображения превышает первый заданный период, устаревшее изображение может быть автоматически удалено, благодаря чему экономится пространство памяти терминала.

[0098] Фиг. 3 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления. Устройство для классификации изображений применяется в терминале, и, как показано на фиг. 3, устройство для классификации изображений включает в себя модуль 301 получения изображений, модуль 302 определения класса и модуль 303 классификации изображений.

[0099] Модуль 301 получения изображений сконфигурирован для получения изображений, подлежащих классификации.

[00100] Модуль 302 определения класса сконфигурирован для определения класса каждого изображения, в соответствии с пояснением признаков изображения, полученного модулем 301 получения изображений, причем класс включает класс текстовых изображений и класс нетекстовых изображений.

[00101] Модуль 303 классификации изображений сконфигурирован для классификации изображений, в соответствии с классом каждого изображения, определенным модулем 302 определения класса.

[00102] В заключение, благодаря устройству классификации изображений, предлагаемому настоящим изобретением, путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, чем решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, и, таким образом, повышается эффективность просмотра текстовых изображений.

[00103] Фиг. 4 представляет собой структурную схему устройства для классификации изображений, в соответствии с примерным вариантом осуществления. Устройство для классификации изображений применяется в терминале, и, как показано на фиг. 4, устройство для классификации изображений включает в себя модуль 401 получения изображений, модуль 402 определения класса и модуль 403 классификации изображений.

[00104] Модуль 401 получения изображений сконфигурирован для получения изображений, подлежащих классификации.

[00105] Модуль 402 определения класса сконфигурирован для определения класса каждого изображения, в соответствии с пояснением признаков изображения, полученного модулем 401 получения изображений, причем класс включает класс текстовых изображений и класс нетекстовых изображений.

[00106] Модуль 403 классификации изображений сконфигурирован для классификации изображений, в соответствии с классом каждого изображения, определенным модулем 402 определения класса.

[00107] Альтернативно, устройство для классификации изображений, предлагаемое в данном варианте осуществления, дополнительно включает в себя модуль 404 получения информации, модуль 405 определения длительности и модуль 406 удаления изображений.

[00108] Модуль 404 получения информации сконфигурирован для получения информации о времени пригодности и информации о текущем времени из текстовой информации в изображении, если изображение относится к классу текстовых изображений.

[00109] Модуль 405 определения длительности сконфигурирован для обнаружения того, превышает ли время истечения изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени, полученной модулем 404 получения информации.

[00110] Модуль 406 удаления изображений сконфигурирован для удаления изображения, если модуль 405 определения длительности обнаруживает, что время истечения изображения превышает первый заданный период времени.

[00111] Альтернативно, модуль 404 получения информации сконфигурирован для: считывания информации о времени пригодности из текста, записанной в изображении, или приема информации о времени пригодности, введенной при сохранении изображения; и получения текущих данных времени.

[00112] Альтернативно, модуль 406 удаления изображений включает в себя первый подмодуль 4061 удаления или второй подмодуль 4062 удаления.

[00113] Первый подмодуль 4061 удаления сконфигурирован для создания и отображения сообщения с подсказкой, получения команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаления изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения.

[00114] Второй подмодуль 4062 удаления сконфигурирован для передачи изображения в буфер переработки, для получения времени хранения изображения в буфере переработки, и для удаления изображения, если время хранения превышает второй заданный период времени, или сконфигурированный для передачи изображения в буфер переработки, для получения команды опустошения для опустошения буфера переработки и удаления изображения, в соответствии с командой опустошения.

[00115] Альтернативно, устройство для классификации изображений, предлагаемое в данном варианте осуществления, дополнительно включает в себя первый модуль 407 отображения или второй модуль 408 отображения.

[00116] Первый модуль 407 отображения сконфигурирован для добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папки.

[00117] Второй модуль 408 отображения сконфигурирован для добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений.

[00118] Альтернативно, второй модуль 408 отображения включает в себя подмодуль 4081 извлечения изображений и подмодуль 4082 отображения изображений.

[00119] Подмодуль 4081 извлечения изображений сконфигурирован для извлечения презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечения презентационного изображения с последним временем сохранения из серии сворачиваемых изображений.

[00120] Подмодуль 4082 отображения изображений сконфигурирован для отображения презентационного изображения серии сворачиваемых изображений, извлеченного подмодулем 4081 извлечения изображений, без отображения других изображений в серии сворачиваемых изображений или отображения презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

[00121] Альтернативно, модуль 402 определения класса включает в себя помодуль 4021 извлечения признаков, подмодуль 4022 оценки признаков и подмодуль 4023 определения класса.

[00122] Подмодуль 4021 извлечения признаков сконфигурирован для извлечения пояснения признаков каждого пикселя в изображении.

[00123] Подмодуль 4022 оценки признаков сконфигурирован для оценки пояснений признаков, извлеченных подмодулем 4021 извлечения признаков, в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством отработки выборочных изображений, и выборочные изображения включают текстовые изображения и нетекстовые изображения.

[00124] Подмодуль 4023 определения класса сконфигурирован для определения класса изображения, в соответствии с результатом оценки, выполненной подмодулем 4022 оценки признаков.

[00125] Альтернативно, устройство для классификации изображений, предлагаемое в данном варианте осуществления, дополнительно включает в себя модуль 409 нормализации разрешения, модуль 410 извлечения признаков, модуль 411 вычисления гистограмм и модуль 412 определения модели.

[00126] Модуль 409 нормализации разрешения сконфигурирован для нормализации разрешения выборочных изображений до заданного разрешения.

[00127] Модуль 410 извлечения признаков сконфигурирован для извлечения пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении.

[00128] Модуль 411 вычисления гистограмм сконфигурирован для вычисления гистограммы пояснения признаков в каждом блоке выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения.

[00129] Модуль 412 определения модели сконфигурирован для получения модели опорных векторов (Support Vector Machine), в соответствии с типами выборочных изображений и гистограмм, вычисленных модулем 411 вычисления гистограмм.

[00130] Альтернативно, пояснением признаков является значение признака Габора или значение направления градиента.

[00131] В заключение, благодаря устройству классификации изображений, предлагаемому настоящим изобретением, путем получения изображений, подлежащих классификации, путем определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает в себя класс текстовых изображений и класс нетекстовых изображений, и путем классификации изображений, в соответствии с классом каждого изображения, изображения могут быть классифицированы в отношении класса текстовых изображений и класса нетекстовых изображений; таким образом, все изображения в классе текстовых изображений являются текстовыми изображениями, чем решается проблема низкой эффективности просмотра, вызванная разделением текстовых изображений нетекстовыми изображениями, когда терминал отображает изображения в соответствии с их временем сохранения, и, таким образом, повышается эффективность просмотра текстовых изображений.

[00132] Кроме того, путем добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папок, или путем добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений, обеспечивается разнообразие способов отображения различных классов изображений, и тем самым повышается разнообразие отображения.

[00133] Кроме того, путем определения того, превышает ли время истечения срока пригодности изображения первый заданный период времени, в соответствии с информацией о времени пригодности и информацией о текущем времени, и удаления снимка, если время истечения срока пригодности изображения превышает первый заданный период, устаревшее изображение может быть автоматически удалено, благодаря чему экономится пространство памяти терминала.

[00134] Что касается устройств в приведенных выше вариантах осуществления, конкретные режимы работы отдельных модулей были подробно описаны в вариантах осуществления, касающихся способов классификации изображений, которые не будут описаны в данном документе.

[00135] Примерные варианты осуществления настоящего изобретения предлагают устройство для классификации изображений, которое может осуществить способы классификации изображений, предусмотренные настоящим изобретением. Устройство для классификации изображений включает в себя процессор и память, сконфигурированную для хранения команд, исполняемых процессором. Процессор сконфигурирован для:

получения изображений, подлежащих классификации;

определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс включает класс текстовых изображений и класс нетекстовых изображений;

классификация изображений, в соответствии с классом каждого изображения.

[00136] Фиг. 5 представляет собой структурную схему устройства 500 для классификации изображений, в соответствии с примерным вариантом осуществления. Например, устройство 500 может быть мобильным телефоном, компьютером, цифровым терминалом вещания, приемопередатчиком сообщений, игровой консолью, планшетом, медицинским устройством, тренажерным оборудованием, персональным цифровым помощником и т.п.

[00137] Как показано на фиг. 5, устройство 500 может включать в себя один или более из следующих компонентов: компонент 502 обработки, память 504, компонент 506 питания, компонент 508 мультимедиа, компонент 510 аудио, интерфейс 512 ввода/вывода (I/O), компонент 514 датчика и компонент 516 связи.

[00138] Компонент 502 обработки обычно управляет всеми операциями устройства 500, такими как операции, связанные с дисплеем, телефонными звонками, передачей данных, работой камеры и операциями записи. Компонент 502 обработки может включать один или несколько процессоров 520 для выполнения команд для осуществления всех или части этапов из описанных выше способов. Кроме того, компонент 502 обработки может включать в себя один или несколько модулей, которые облегчают взаимодействие между компонентом 502 обработки и другими компонентами. Например, компонент 502 обработки может включать в себя мультимедийный модуль для облегчения взаимодействия между компонентом 508 мультимедиа и компонентом 502 обработки.

[00139] Память 504 сконфигурирована для хранения различных типов данных, чтобы поддерживать работу устройства 500. Примеры таких данных включают в себя инструкции для любых приложений или способов, используемых на устройстве 500, контактные данные, данные телефонной книги, сообщения, изображения, видео и т.д. Память 504 может быть реализована с использованием любого типа энергозависимых или энергонезависимых запоминающих устройств, или их сочетания, например, статического оперативного запоминающего устройства (SRAM), электрически стираемого программируемого постоянного запоминающего устройства (EEPROM), стираемого программируемого постоянного запоминающего устройства (EPROM), программируемого постоянного запоминающего устройства (PROM), постоянного запоминающего устройства (ПЗУ), магнитного запоминающего устройства, флэш-памяти, магнитного или оптического диска.

[00140] Компонент 506 питания обеспечивает питание различным компонентам устройства 500. Компонент 506 питания может включать в себя систему управления питанием, один или более источников питания, и любые другие компоненты, связанные с выработкой, управлением и распределением электроэнергии в устройстве 500.

[00141] Компонент 508 мультимедиа включает в себя экран, обеспечивающий выходной интерфейс между устройством 500 и пользователем. В некоторых вариантах осуществления экран может включать в себя жидкокристаллический дисплей (LCD) и сенсорную панель (TP). Если экран включает в себя сенсорную панель, экран может быть выполнен в виде сенсорного экрана для получения входных сигналов от пользователя. Сенсорная панель включает в себя один или несколько датчиков контакта для определения касаний, сдвигов и других жестов на сенсорной панели. Датчики касания могут не только ощущать границу касания или сдвига, но также продолжительность и силу нажима, связанные с касанием или сдвигом. В некоторых вариантах осуществления компонент 508 мультимедиа включает в себя фронтальную камеру и/или заднюю камеру. Фронтальная камера и задняя камера могут получать внешние мультимедийные данные, когда устройство 500 находится в рабочем режиме, например, в режиме фотографирования или режиме съемки видео. Фронтальная и задняя камеры могут быть снабжены системой фиксированных оптических линз или иметь возможность фокуса и оптического приближения.

[00142] Компонент 510 аудио сконфигурирован для вывода и/или ввода аудиосигналов. Например, компонент 510 аудио включает в себя микрофон (MIC), сконфигурированный для приема внешнего аудиосигнала, когда устройство 500 находится в рабочем режиме, например, режиме вызова, режиме записи и режиме распознавания голоса. Принятый аудиосигнал может в дальнейшем сохранаться в памяти 504 или передаваться через компонент 516 связи. В некоторых вариантах осуществления компонент 510 аудио дополнительно включает в себя динамик для вывода аудиосигналов.

[00143] Интерфейс 512 ввода/вывода обеспечивает интерфейс между компонентом 502 обработки и периферийными интерфейсными модулями, такими как клавиатура, колесо мыши, кнопки и тому подобное. Кнопки могут включать в себя, помимо прочего, кнопку начального узла, кнопку громкости, кнопку пуска и кнопку блокировки.

[00144] Компонент 514 датчика включает в себя один или несколько датчиков для обеспечения оценки состояния различных аспектов устройства 500. Например, компонент 514 датчика может обнаружить открытое/закрытое состояние устройства 500 и относительное позиционирование компонентов (например, дисплея и клавиатуры устройства 500). Компонент 514 датчика может также обнаруживать изменение в положении устройства 500 или компонента в устройстве 500, присутствие или отсутствие контакта пользователя с устройством 500, ориентацию или ускорение/замедление устройства 500 и изменение температуры устройства 500. Компонент 514 датчика может включать в себя датчик приближения, сконфигурированный для обнаружения присутствия близлежащих объектов без физического контакта. Компонент 514 датчика может также включать в себя датчик света, например, КМОП или датчик изображения ПЗС, для использования при получении изображений. В некоторых вариантах осуществления компонент 514 датчика может также включать датчик акселерометра, датчик гироскопа, магнитный датчик, датчик давления или датчик температуры.

[00145] Компонент 516 связи сконфигурирован для облегчения проводной или беспроводной связи между устройством 500 и другими устройствами. Устройство 500 может получать доступ к беспроводной сети на основе стандарта связи, например, WiFi, 2G или 3G, или их сочетания. В одном примерном варианте осуществления компонент 516 связи принимает широковещательный сигнал или транслируемую информацию от внешней системы управления посредством широковещательного канала. В одном примерном варианте осуществления компонент 516 связи дополнительно включает в себя модуль связи малого радиуса действия (NFC) для обеспечения связи ближнего радиуса действия. Например, модуль NFC может быть реализован на основе технологии радиочастотной идентификации (RFID), технологии ассоциации передачи данных в инфракрасном диапазоне (IrDA), сверхширокополосной технологии (UWB), технологии Bluetooth (ВТ) и других технологий.

[00146] В примерных вариантах осуществления устройство 500 может быть реализовано с одной или несколькими специализированными интегральными схемами (ASIC), цифровыми сигнальными процессорами (DSP), цифровыми устройствами обработки сигналов (DSPD), программируемыми логическими устройствами (PLD), массивами программируемых вентильных матриц (FPGA), контроллерами, микроконтроллерами, микропроцессорами или другими электронными компонентами для осуществления описанных выше способов.

[00147] В примерных вариантах осуществления также предлагается энергонезависимый машиночитаемый носитель данных, включающий команды, такой как память 504, включающая команды. Приведенные выше команды являются исполняемыми процессором 518 в устройстве 500 для осуществления описанных выше способов. Например, энергонезависимым машиночитаемым носителем данных может быть ROM, RAM, CD-ROM, магнитная лента, гибкий диск, оптическое устройство хранения данных и т.п..

[00148] Другие варианты осуществления изобретения будут очевидны для специалистов в данной области при рассмотрении описания и изучении изобретения. Предполагается, что эта заявка охватывает любые изменения, варианты применения или адаптацию изобретения, согласно изложенным общим принципам, и включая такие отклонения от настоящего изобретения, которые известны или являются обычной практикой в данной области. Предполагается, что описание и примеры будут рассматриваться только в качестве примера, с истинной сущностью и объемом изобретения, указанным в прилагаемой формуле изобретения.

[00149] Следует понимать, что настоящее изобретение не ограничивается точной конструкцией, описанной выше и проиллюстрированной на сопроводительных чертежах, и что различные модификации и изменения могут быть сделаны без отступления от объема изобретения. Предполагается, что объем изобретения ограничивается только прилагаемой формулой изобретения.

1. Способ классификации изображений, содержащий:

получение изображений, подлежащих классификации;

определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

классификацию изображений, в соответствии с классом каждого изображения;

добавление каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или

добавление каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений.

2. Способ по п. 1, дополнительно содержащий:

если изображение относится к классу текстовых изображений, получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении;

обнаружение того, превышает ли время истечения срока пригодности изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени; и

если да - удаление изображения.

3. Способ по п. 2, в котором получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении содержит:

считывание информации о времени пригодности из текста, записанного в изображении, или прием информации о времени пригодности, введенной при сохранении изображения;

получение информации о текущем времени.

4. Способ по п. 2, в котором процесс удаления изображения содержит:

создание и отображение сообщения с подсказкой, получение команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаление изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

передачу изображения в буфер переработки, получение времени хранения изображения в буфере переработки, и удаление изображения, если время хранения превышает второй заданный период времени; или

передачу изображения в буфер переработки, получение команды опустошения для опустошения буфера переработки и удаление изображения, в соответствии с командой опустошения.

5. Способ по п. 1, в котором отображение серии сворачиваемых изображений содержит:

извлечение презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечение презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

отображение презентационного изображения серии сворачиваемых изображений без отображения других изображений в серии сворачиваемых изображений или отображение презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

6. Способ по любому из пп. 1-5, в котором определение класса каждого изображения в соответствии с пояснением признаков изображения содержит:

извлечение пояснения признаков каждого пикселя в изображении;

оценку пояснения признаков в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;

определение класса изображения, в соответствии с результатом оценки.

7. Способ по п. 6, дополнительно содержащий:

нормализацию разрешения выборочных изображений до заданного разрешения;

извлечение пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

вычисление гистограммы изображения каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

получение модели опорных векторов (Support Vector Machine), согласно типов выборочных изображений и гистограмм.

8. Способ по п. 1, в котором пояснением признаков является значение признака Габора или значение направления градиента.

9. Устройство классификации изображений, содержащее:

модуль получения изображений, сконфигурированный для получения изображений, подлежащих классификации;

модуль определения класса, сконфигурированный для определения класса каждого изображения, в соответствии с пояснением признаков изображения, полученного модулем получения изображений, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

модуль классификации изображений, сконфигурированный для классификации изображений, в соответствии с классом каждого изображения, определенным модулем определения класса;

первый модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папки; или

второй модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений.

10. Устройство по п. 9, дополнительно содержащее:

модуль получения информации, сконфигурированный для получения информации о времени пригодности и информации о текущем времени текстовой информации в изображении, если изображение относится к классу текстовых изображений;

модуль определения длительности, сконфигурированный для обнаружения того, превышает ли время истечения изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени, полученной модулем получения данных;

модуль удаления изображений, сконфигурированный для удаления изображения, если модуль определения длительности обнаруживает, что время истечения изображения превышает первый заданный период времени.

11. Устройство по п. 10, в котором модуль получения информации сконфигурирован для:

считывания информации о времени пригодности из текста, записанной в изображении, или приема информации о времени пригодности, введенной при сохранении изображения; и

получения текущих данных времени.

12. Устройство по п. 10, в котором модуль удаления изображений содержит:

первый подмодуль удаления, сконфигурированный для создания и отображения сообщения с подсказкой, получения команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаления изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или

второй подмодуль удаления, сконфигурированный для передачи изображения в буфер переработки, для получения времени хранения изображения в буфере переработки, и для удаления изображения, если время хранения превышает второй заданный период времени, или сконфигурированный для передачи изображения в буфер переработки, для получения команды опустошения для опустошения буфера переработки и удаления изображения, в соответствии с командой опустошения.

13. Устройство по п. 9, в котором второй модуль отображения содержит:

подмодуль извлечения изображений, сконфигурированный для извлечения презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечения презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;

подмодуль отображения изображений, сконфигурированный для отображения презентационного изображения серии сворачиваемых изображений, извлеченного подмодулем извлечения изображений, без отображения других изображений в серии сворачиваемых изображений или отображения презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.

14. Устройство по любому из пп. 9-13, в котором модуль определения класса содержит:

подмодуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в изображении;

подмодуль оценки признаков, сконфигурированный для оценки пояснений признаков, извлеченных подмодулем извлечения признаков, в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;

подмодуль определения класса, сконфигурированный для определения класса изображения, в соответствии с результатом оценки, выполненной подмодулем оценки признаков.

15. Устройство по п. 14, дополнительно содержащее:

модуль нормализации разрешения, сконфигурированный для нормализации разрешения выборочных изображений до заданного разрешения;

модуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;

модуль вычисления гистограмм, сконфигурированный для вычисления гистограммы каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;

модуль определения модели, сконфигурированный для получения модели опорных векторов (Support Vector Machine), в соответствии с типами выборочных изображений и гистограмм, полученными модулем вычисления гистограмм.

16. Устройство по п. 9, в котором пояснением признаков является значение признака Габора или значение направления градиента.

17. Устройство классификации изображений, содержащее:

процессор;

память, сконфигурированную для хранения команд, исполняемых процессором;

где процессор сконфигурирован для:

получения изображений, подлежащих классификации;

определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;

классификации изображений, в соответствии с классом каждого изображения;

добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или

добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений.



 

Похожие патенты:

Изобретение относится к средствам для автоматического формирования рекомендации элемента p для пользователя u. Техническим результатом является расширение арсенала средств автоматического формирования рекомендации.

Изобретение относится к вычислительной технике, а именно к специализированным средствам электронного моделирования, и может быть использовано для исследования процессов функционирования наземных мобильных измерительных комплексов (НМИК) при эксплуатации с учетом их режимов и динамики применения, а также возникновения и устранения отказов при подготовке.

Изобретение относится к средствам моделирования процессов функционирования экранопланов при эксплуатации с учетом специфики и динамики их применения. Технический результат от использования изобретения заключается в повышении точности моделирования.

Группа изобретений относится к способу и системе прогнозирования операций технического обслуживания типовых двигателей летательных аппаратов. Технический результат – повышение точности прогнозирования операций технического обслуживания.

Изобретение относится к области определения принадлежности точки кривой в многомерном пространстве с помощью компьютерных систем. Технический результат заключается в реализации назначения заявленного решения.

Изобретение относится к горному делу и может быть применено для определения интервалов между трещинами в скважинах, дающих углеводородный флюид. Способ включает получение размера первой трещины, выбираемого из наименьшей длины или высоты первой трещины, и ожидаемый размер второй трещины выбирают из наименьшей ожидаемой длины или ожидаемой высоты второй трещины, подлежащей образованию.

Изобретение относится к области принудительной доставки сообщения посредством облегченного приложения. Техническим результатом является расширение функции принудительной доставки сообщений, чтобы облегченные приложения могли применяться в большом количестве сценариев для улучшения взаимодействия с пользователем.

Изобретение относится к способу компьютерной генерации управляемой данными модели технической системы, в частности газовой турбины или ветрогенератора. Управляемая данными модель обучается предпочтительно в областях тренировочных данных с низкой плотностью.

Изобретение относится к области автоматизированного управления и может быть использовано в автоматизированных системах управления (АСУ) войсками противовоздушной обороны (ПВО).

Изобретение относится к средствам информатики и вычислительной техники и может быть использовано для синтеза арифметико-логических устройств, для создания быстродействующих и производительных цифровых устройств суммирования и вычитания чисел в двоичной системе счисления в прямых кодах.

Изобретение относится к области цифрового телевидения. Технический результат – повышение достоверности выявления повторяющихся кадров в видео.

Группа изобретений относится к технологиям распознавания отпечатка пальца. Техническим результатом является повышение степени точности распознавания отпечатка пальца.

Изобретение относится к области радиотехники. Техническим результатом является ускорение распознавания и повышение вероятности правильного распознавания излучающих объектов в воздушно-космическом пространстве.

Изобретение относится к области обработки изображений. Технический результат – повышение общей точности распознавания документов.
Изобретение относится к биометрической аутентификации, верификации и идентификации человека и может быть использовано для определения или подтверждения личности пользователя в платежных системах, системах лояльности, системах контроля и управления доступа.

Изобретение относится к средствам анализа цифрового изображения документа в вычислительной системе. Технический результат заключается в расширении арсенала технических средств анализа цифрового изображения документа.

Изобретение относится к средствам выпрямления искривлений текстовых строк, содержащих текст цифровых изображений, включая содержащие текст цифровые изображения, полученные из двух страниц разворота книги.

Группа изобретений относится к технологиям обработки документов посредством систем оптического распознавания символов (OCR). Техническим результатом является расширение арсенала технических средств для анализа пригодности цифрового изображения для OCR.

Изобретение относится к средствам классификации изображений печатных копий документов и сортировки печатных копий документов. Технический результат заключается в обеспечении возможности автоматической классификации изображений печатных копий документов.
Изобретение относится к защите персональных данных. Технический результат – эффективная защита персональных данных.

Изобретение относится к способу и устройству для реализации сенсорной кнопки и идентификации отпечатка пальца, а также к терминальному устройству, которые используются для объединения сенсорной кнопки с идентификацией отпечатка пальца.

Изобретение относится к средствам для классификации изображений и к области обработки изображений. Техническим результатом является повышение эффективности просмотра текстовых изображений. Способ содержит: получение изображений, подлежащих классификации; определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений; классификацию изображений, в соответствии с классом каждого изображения; добавление каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или добавление каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений. 3 н. и 14 з.п. ф-лы, 12 ил.

Наверх