用于组织图像的方法和设备的制作方法

专利名称：用于组织图像的方法和设备的制作方法
技术领域：
本发明一般涉及数码照片的处理。
背景技术：
社交因特网站点的使用正在变得越来越普遍。全世界较大比例的人口使用例如Facebook、twitter和其它社交因特网站点等站点与朋友和家人交流并保持联系。许多这些因特网站点通常提供在不同照片库中上载大量照片的可能性。另外，数字摄像机的广泛使用使用户能够拍摄非常大量的图片，而无需考虑冲洗照片的成本，这是在过去使用包括要以每张照片一定成本冲洗的一卷胶片的摄像机时的情况。许多移动电话包括数字摄像机，由此允许移动电话的用户在任何机会拍摄照片。因为至少在世界某些部分有较大比例的人口拥有包括数字摄像机的移动电话，因此他们总是有数字摄像机在手边。 由于容易拍照片而不必担心质量、冲洗的成本等等，因此拍了非常大量的照片。一个缺点是，在某个时间点，用户可能想要以某种方式将所有他/她的数码照片都分类到类别或库中，并且还处置质量差的照片。因为要分类的照片量可能非常大，因此将它们分类并选择一些来保存和/或选择一些上载到因特网站点的任务可能非常麻烦并且耗时。只是举一个示例，家庭去度假一段时间。在假期期间，所有家庭成员可能在一天期间的不同时间拍了许多不同主题的不同照片等。当该家庭回到家时，这些照片要被分类，并且一些照片要被选择以上载到因特网站点，或存储在膝上型/个人计算机/CD或其它介质上的目录或文件夹中以显示给朋友和家庭。假设有5个家庭成员，并且该家庭在外一周，即7天。假设所有家庭成员在那周的每天都已经拍了平均20张照片。那么当该家庭返回家时，将有700张照片要整理。可能该家庭想要挑出大约50张照片代表假期，并且该家庭可能想要将它们显示给朋友。在另一示例中，数字摄像机的用户和/或包括数字摄像机的移动电话的用户可能以短间隔拍照片，诸如每天多个照片，但可能不经常对他/她的照片进行分类，可能每隔一个月一次。在这种情况下，要分类的照片数量可能在分类时刻之间大量堆积。已经提出并使用了各种方法来对数码照片进行分类。现有方法和技术采用用于分析这些照片并根据它们的内容(即它们描绘什么)来对它们进行分类的机制。与现有方法和技术相关联的一个缺点是用户需要人工选择感兴趣的照片，它们随后可能可选地被上载到因特网站点。换句话说，当这些照片已经例如被分类成组时，该用户需要整理这些不同组，并选择感兴趣的一个或多个照片。

发明内容
本发明的一个目的是解决至少一些上面概括的问题。具体地说，本发明的目的是提供用于使其用户能够以尽可能少的人工处理来组织多个数码照片的方法和设备。这些目的以及其它目的可通过提供根据如下独立权利要求的方法和设备来获得。
根据一个方面，定义了在图像组织设备中用于组织多个数码照片的方法。该方法包括如下步骤接收和/或保存所识别的数码照片组；接收定义要从该组中形成多少聚类(cluster)的数量；接收要用于将这些数码照片群集到该数量的聚类中的简档信息；根据该简档信息来群集该数码照片组；以及基于该简档信息从群集的数码照片中识别这些聚类的代表性数码照片。这具有如下优点该数码照片组将以最小人工输入被组织到聚类中，并且将向该用户呈现一个聚类、一些聚类或所有聚类的至少一个代表性照片，使他/她能够容易且快速地看到这些聚类中包括什么类型的照片。在一个示例中，该简档包括属性，这些属性代表照片的不同特性。根据一个实施例，这些属性包括照片的元数据和/或有关所述照片的外观的特性。这具有如下优点基于照片描绘什么或者照片的外观以及数码照片的特定元数据， 这些数码照片可被组织或分类到聚类中。根据另一实施例，该方法还包括将权重关联到一些或所有属性，从而定义每个属性的重要性。这具有如下优点可更精确地定义聚类，使得可以高精度或高准确度来执行这些数码照片的组织。在一个示例中，该简档信息包括定义对于特定用户有效的属性集合的用户简档，这些属性规定在群集该数码照片组时要考虑的不同特性。这具有如下优点赋予该方法的用户定义最佳地对应于他/她个人爱好和偏好的简档的能力。在另一示例中，该简档信息包括定义对于特定情形有效的属性集合的情形简档，所述属性规定在群集该数码照片组时要考虑的不同特性。这具有如下优点用户可根据谁将观看这些数码照片或根据不同数码照片描绘的特定情形来定义不同的简档。根据一个实施例，在接收要用于群集这些数码照片的简档信息的步骤中通过录入在群集所述数码照片组时要考虑的特定属性来创建该情形简档。这具有如下优点使该过程的用户能够或者录入特定简档，创建新简档，或者只是录入对于群集这些数码照片要使用一次的一些属性。根据另一实施例，该方法还包括在根据所述简档信息来群集所述数码照片组的步骤之前，相对于不同数码照片确定不同属性的确定性，并滤出对于特定属性具有不确定信息的数码照片。在一个示例中，根据所述简档信息来群集所述数码照片组的步骤包括按照一个或多个属性定义聚类，并根据所述聚类来群集所述数码照片组。在另一示例中，该方法还包括在基于所述简档信息从群集的数码照片中识别所述聚类的代表性数码照片的步骤之后将滤出的、具有不确定信息的数码照片添加到适当聚类。这具有如下优点滤出的数码照片未丢掉，在已经识别了代表性照片之后添加它们。它还确保难以群集的数码照片不能被识别为聚类的代表性数码照片。根据一个实施例，相对于不同数码照片确定不同属性的确定性包括确定这些属性的熵，其中高熵对应于不确定信息。根据另一实施例，识别代表性数码照片的步骤包括识别每个聚类中的照片，该照片最佳对应于在该简档信息中所定义的那个聚类的属性。根据又一实施例，如果录入了用户简档并且随后在根据该简档来群集所述数码照片组的步骤中使用该用户简档，则该方法还包括接收来自用户的、有关识别的代表性数码照片的反馈并根据接收的反馈来调整用户简档中每个属性的权重。这具有如下优点可“修整”或优化该用户简档以适合该用户的与该简档相关联的期望和偏好。在一个示例中，接收和/或保存所识别的数码照片组的步骤包括将所述数码照片组上载到数据存储装置。在另一示例中，接收和/或保存所识别的数码照片组的步骤包括将至少一个数码照片上载到包括已经存在的数码照片群集组的数据存储装置，并且其中所述根据所述简档群集所述数码照片组包括将至少一个上载的数码照片群集到已经存在的数码照片群集组中的聚类之一中。这具有如下优点用户可添加单个数码照片或几个数码照片，并将它们组织到数码照片的已经群集或组织的组中。根据另一方面，定义一种适合于组织多个数码照片的设备。
在一个实施例中，所述设备包括数据库，适合于接收和/或保存所识别的数码照片组；接收单元，适合于接收来自用户的输入，所述输入包括要从所述数码照片组中形成的聚类数量和要用于将所述数码照片群集到所述数量的聚类中的简档信息；群集单元，适合于根据所述简档信息来群集所述数码照片组；以及识别单元(520)，适合于基于所述简档信息从群集的数码照片中识别所述聚类的代表性数码照片。根据一个实施例，所述简档信息包括属性，所述属性代表数码照片的不同特性。在一个示例中，所述属性包括照片的元数据和/或有关照片的外观的特性。在另一示例中，将权重关联到一些或所有属性，从而定义每个属性的重要性。在又一示例中，接收的简档信息是定义对于特定用户有效的属性集合的用户简档，所述属性规定在所述群集所述数码照片组时要考虑的不同特性。在又一示例中，接收的简档信息是定义对于特定情形有效的属性集合的情形简档，所述属性规定在所述群集所述数码照片组时要考虑的不同特性。根据一个实施例，当接收单元接收到在所述群集所述数码照片组时要考虑的特定属性时创建所述情形简档。根据另一实施例，该设备还适合于在所述群集单元根据所述简档信息来群集所述数码照片组之前，相对于不同数码照片确定不同属性的确定性，并滤出对于特定属性具有不确定信息的照片。根据又一实施例，根据所述简档信息来群集所述数码照片组包括按照一个或多个属性定义聚类，并根据所述聚类来群集所述数码照片组。在一个示例中，该群集单元还适合于在基于所述简档信息从群集的数码照片中识别所述聚类的代表性数码照片之后将所述滤出的、具有不确定信息的数码照片添加到适当聚类。在另一个示例中，相对于不同数码照片确定不同属性的确定性包括确定这些属性的熵，其中高熵对应于不确定信息。在又一个示例中，识别所述代表性数码照片包括识别每个聚类中的照片，该照片最佳地对应于在该简档信息中所定义的那个聚类的属性。根据一个实施例，如果所述接收单元接收到用户简档(其随后由所述群集单元在根据所述简档群集所述数码照片组时使用)，则该接收单元还适合于接收来自用户的、有关识别的代表性数码照片的反馈，并且该群集单元还适合于根据接收的反馈来调整该用户简档中每个属性的权重。根据另一实施例，该数据库适合于保存已经群集的数码照片的组并接收至少一个数码照片，并且其中该群集单元还适合于将所述接收的至少一个数码照片群集到已经群集的数码照片的组中的一个或多个聚类中。根据又一实施例，所述设备是终端，诸如数字摄像机、移动电话或包括摄像机的任何其它终端。


现在将借助示范实施例并参考附图更详细地描述本发明，附图中
图I是例证过程实施例的流程图。 图2是例证过程另一实施例的流程图。图3是例证过程又一实施例的流程图。图4是例证简档的框图。图5是例证设备实施例的框图。图6是熵曲线。
具体实施例方式这个解决方案可用于解决至少一些上文概括的问题。具体地说，这个解决方案可用于使用户能够将多个数码照片自动组织成聚类(cluster)或组。在现有技术中，用户必须人工选择他/她想要放在影集或文件夹中的照片。他/她还需要在将图片上载到影集或文件夹之前人工识别不同的关键时刻，即，例如代表某一事件的图片。这里给出的解决方案将提供以最小人工干预来帮助用户根据不同属性将多个照片自动组织到不同聚类中的过程和设备。图I是流程图，该流程图例证用于组织多个数码照片的过程的实施例。这个过程包括接收和/或保存所识别的数码照片组的第一步骤100。这可用多种方式来进行。两个示例是将要组织的照片组上载到数据库，或识别包含在数据存储装置或存储器中的照片组。该过程的下一步骤110是接收定义要从该数码照片组中形成多少聚类的数量。该过程的一个特征是它将多个数码照片(这里称为数码照片组)组织或群集到更小的组(下文称为聚类)中。要组织的照片组可能非常大，其包括大量的数码照片。为了执行该过程的这个特征，即，将该数码照片组组织成聚类，有必要知道要从该数码照片组中形成多少聚类。图I还例证了该过程的下一步骤120，即，接收要用于群集这些数码照片的简档信息。这个步骤使该过程能够知道如何群集该数码照片组。为了能够执行将该数码照片组群集到聚类中，还有必要知道如何群集该照片组、每个聚类中应该包括什么类型的数码照片。该信息将由简档信息提供。可用不同方式来实现简档信息的录入。在一个示例中，该过程可提示用户220录入要用于群集这些数码照片的简档。将在下文结合图2更详细地对此进行说明。然后，该数码照片组的群集130可开始，并且根据在前一步骤120中录入的简档信息将数码照片群集在不同聚类中。到这时，该过程具有了它将该数码照片组群集或组织成聚类所需要的所有信息。向该过程提供了要群集的组、该数码照片组要群集/组织成的聚类数量、还有根据哪个标准或者如何执行该群集(如由该简档信息所给出的)。图I还例证了基于录入的简档信息从群集的这些数码照片中识别这些聚类的代表性照片的最后步骤140。当原始照片组被群集到不同聚类中时，这个步骤为聚类提供代表性照片。然后可向该方法的用户提供代表特定聚类的照片，使得他/她将知道或容易看到什么类别的照片被包含在那个特定聚类中。可能存在代表聚类的一个或多个照片。所有聚类或其中一些聚类可由代表性照片来代表。这具有多个优点。一个优点是该用户可自动将大量数码照片分类。仅需要由该用户规定聚类数量和简档信息，并且然后该数码照片组或多个数码照片被自动分类或组织。然后将向该用户呈现一个聚类、一些聚类或所有聚类的至少一个代表性照片，使他/她能够容易且快速地看到在这些聚类中包含什么类型的照片。该用户不必人工整理和选择大 量照片，和/或人工选择组织或群集这些数码照片时要使用的不同标准。另外，将向该用户提供聚类的代表性数码照片，使得该用户不必人工打开每个聚类来查看在这些不同聚类中包括什么类型的数码照片。被录入120并随后用于群集130这些数码照片以及识别140这些聚类的代表性照片的简档信息可包括属性，所述属性代表数码照片的不同特性。属性可以是可指示或定义数码照片描绘什么的任何类别特性。最经常期望将照片组织成聚类，其中聚类可包括公开类似情景和/或对象的照片。这些属性帮助定义在每个聚类中应该包括什么类别或类型的数码照片。这个特征的一个优点是用户可创建一个或多个简档，每个简档包括属性，该属性代表照片的不同特性。另一个优点是当录入该简档信息时，用户可录入要使用的简档，而无需每当他/她想要组织数码照片组时人工录入每一个属性。这些属性包括照片的元数据和/或有关照片的外观的特性。可能是有利的是当定义简档和/或在群集步骤和随后的识别步骤中要使用什么时，能够根据元数据和该照片描绘什么(照片的外观)两者来规定多个不同属性。元数据的一些示例是拍摄图片的时间和日期。可能期望将这些数码照片按照相关于何时它们被拍摄的某种顺序来分类，或按一天的时间(诸如白天或晚上)分类。属性的一些其它示例是照片显示什么，诸如人、笑脸、风景、山、建筑物等。一些其它示例是拍照片的地方以及沿哪个方向。另一个属性可以是该照片的锐度，可能期望不显示模糊照片。当然，可能存在照片描绘什么和可考虑什么元数据的许多不同示例。这些不同属性也可与不同权重相关联，从而定义每个属性的重要性。权重可与一些不同属性或所有不同属性相关联。这也具有多个优点。一些属性可能比其它属性更重要，并且应该在群集步骤和识别步骤中被特别考虑。这个特征使该过程的用户能够更好并且更精确地定义要使用的不同简档(以及这些简档内的聚类)。这也可改进该群集步骤以及特别是还有识别步骤的质量，使得聚类更有可能仅包括应该作为那个聚类的一部分的照片。在识别步骤中，被识别成代表特定聚类的数码照片更有可能最佳地对应于那个特定聚类的最重要属性，也就是具有最高权重的属性。
这些属性可表达为概率，其范围从O到I。将在下文对此进行更详细描述。可以组合不同属性。例如，可以组合属性“笑脸”、“地方”和“方向”以将描绘相同或类似对象的数码照片归类。当组织/群集这些数码照片时，这些属性的组合将充当选择标准的基础。数码照片P由其属性代表，使得P = Qtt2 f … J ο两张照片之间的相似性sim(Pl，p2)可表达为 sim(p1# p2) =
心靶K
其中ont是有关定义属性之间相似性度量的属性等级的本体，并且Wk是属性attk的权重。不同属性之间的相似性可根据该属性的值计算如下“数之间的相似性”:在O与I之间的标准化距离，或等效相似性；“二进制值之间的相似性”:如果它们相等，则为1，否则为0，或者等效相似性；“项目与列表之间的相似性”:给定操作集合(例如插入、删除等)时将第 一单元变换成第二单元或者将第二单元变换成第一单元所需的步骤数量；“分级列表之间的相似性”从根开始相似的步骤数量。这些权重被标准化，并且当群集这些照片时这些权重将反映每个属性的重要性。被录入120的简档信息可以是定义对于特定用户有效的属性集合的用户简档。这些属性规定在群集该数码照片组的步骤130中要考虑的不同特性。通过使用用户简档，赋予该过程的用户如下能力定义最佳地对应于他/她的个人爱好和偏好的简档。用户很可能关于他/她对什么感兴趣以及他/她更喜欢看什么具有一些偏好。因而，用户简档可以是为用户“进行的特制”。被录入120的简档可以是定义对于特定情形有效的属性集合的情形简档。这些属性规定在群集该数码照片组的步骤中要考虑的不同特性。通过具有情形简档，该过程的用户可录入不同情形简档。可能期望根据谁将观看这些数码照片或根据这些数码照片中描绘的特定情景来使用不同的简档。可能期望将不同类型的照片(情形)显示给朋友，并将其它类型的照片显示给家人和亲属。那么，这些情形简档将包括不同属性。也可能是如下情况一些数码照片可被上载到社交网络，并且一些数码照片将被存储在存储器上的特定文件夹或数据库中。变型有许多，并且因此对于具有不同简档的需要可能是基本的。该情形简档可被预先定义。但也可在录入要用于群集这些数码照片的简档信息的步骤中通过录入在群集该数码照片组的步骤中要考虑的特定属性来创建该情形简档。如果不存在对应于要用于该群集的期望属性的“良好”简档或匹配简档，则能够录入要用于群集这些数码照片的一些特定属性可能是期望的并且有利的。这使该过程的用户能够或者录入特定简档，创建新简档，或者只是录入对于群集这些数码照片要使用一次的一些属性。当然，它也使该过程的用户能够创建新简档，录入的这些属性例如可作为情形简档来存储。图2是例证该过程另一实施例的流程图，其中以提示用户录入简档220或特定属性作为简档信息的这种方式来实现该过程。如果该用户无法这么做，则在群集260和识别270步骤中，该过程自动检索并使用预先定义的用户简档240。图2中的步骤200和210对应于图I中的步骤100和110。
在该过程的一个实施例中，如图2中所例证的，有可能的是在根据录入的简档来群集该数码照片组的步骤260之前，确定不同属性的确定性并滤出250对于特定属性具有不确定信息的照片。图2的步骤260对应于图I的步骤130。这可具有多个优点。期望根据录入的简档信息或属性来群集该数码照片组。可能一些数码照片难以分类或群集，并且相对于不同属性存在某种不确定性。这些照片不应该被识别为聚类的代表性照片，并且这由此得以避免。该简档或该简档信息中的属性可被看作或表达为如下的概率照片描绘什么和/或元数据。一些数码照片将比其它照片更容易分类或群集。作为一个示例，对于数码照片，它描绘笑脸的概率是O. 5。这意味着，它未描绘笑脸的概率也是O. 5。因此，笑脸的属性的不确定性高。这种数码照片将被滤出150。另一方面假设对于数码照片，它描绘笑脸的概率是O. 8。这意味着，它未描绘笑脸的概率是O. 2。这张数码照片中笑脸的属性的不确定性低，并且该数码照片因此易于相对于属性“笑脸”进行群集。根据该简档信息来群集该数码照片组的步骤130、260包括按照一个或多个属性定义聚类，并根据所定义的聚类来群集该数码照片组。如上所述，该简档信息包括不同属性。该简档信息也定义不同聚类，这些聚类又各包括一组一个或多个属性。当根据该简档信息来群集130、260该数码照片组时，根据在该简档信息内定义的聚类来群集该数码照片组。在识别步骤270之后，当基于录入的简档信息从群集的这些数码照片中识别这些聚类的代表性照片时，该过程包括将滤出的、具有不确定信息的数码照片添加280到适当聚类的步骤。这具有如下优点滤出的数码照片未丢掉，而能在适当聚类中找到。适当聚类是根据那个聚类的属性该数码照片最紧密地对应的聚类。具有不确定信息的数码照片不意味着它是“坏”照片或不想要的照片。不确定信息指示它不能确定地被群集。例如，假设群集依照的属性是笑脸。该照片很可能包括笑脸，但该过程不能够确定无疑地确定这一点或以高概率来确定这一点。因此，这种照片被滤出，但未被丢弃。在识别代表性照片之后，该数码照片被添加到包括笑脸的数码照片聚类。结果，该数码照片仍可被该用户找到，但它不会是那个特定聚类的代表性照片。相对于不同数码照片确定不同属性的确定性包括确定这些属性的熵，其中高熵对应于不确定信息。参考上例，对于一张照片，其中它包括笑脸的概率是O. 5。在此示例中，属性“笑脸”的熵是高的。同样，对于其中它包括笑脸的概率是O. 8的照片，属性“笑脸”的熵是低的。·
熵可用作样本集合中不确定性的量度。它可被说成特征化示例的随机集合中的不纯度，其例如可表示为随机变量Y。期望自信息(HY)然后可表达为
H(Y) = SpCy = y)log(p(Y = y)
在该集合中仅2个值(正和负)并假设我们具有14个样本(其中9个正和5个负的19+, 5-1)的情况下,熵E变成:
￡■([9+, S —J) = -P^log2P* — P-Ioj2P-=-(B i￡) — (￡) (^)=脑補
如果该集合具有相等分布，例如[5+，5-]，则E(Y)=l。如果所有样本都属于同一类，例如[10+，O-]，则E(Y)=O。见图6中的图表，其公开了熵曲线。识别至少一个代表性数码照片的步骤270包括识别每个聚类中最佳地对应于在该简档信息中所定义的那个聚类的属性的照片。向该过程的用户呈现每个聚类的至少一个数码照片是有利的。照片最佳地对应于在该简档信息中所定义的那个聚类的属性的数码照片是最靠近质心的照片，该质心是100%对应于由其属性所定义的聚类的照片。如上面所说明的，属性可被看作数 码照片中存在那个属性的概率。100%对应于由其属性所定义的聚类的数码照片对于那个聚类中的每个属性都将具有I. O的概率。换言之，那个聚类中每一个属性的熵都将是O。对于那个聚类中的每一个属性都具有等于O的熵的这种数码照片可能不存在，它可被视为“假设”数码照片。聚类的代表性数码照片将是最靠近“假设”数码照片的照片，即对于定义该聚类的属性具有最低熵的数码照片。可在识别代表性数码照片的步骤280中考虑其它个人标准，诸如数码照片的质量、分辨率等等。当向该过程的用户呈现代表聚类的数码照片时，该用户也将具有看到那个聚类的更多照片的可能性。该用户将不限于只看到代表性照片。该过程可实现成使得该用户可选择在已经被呈现了特定聚类中的代表性数码照片之后被呈现特定聚类中任意数量的数码照片，或由该代表性数码照片代表的那个聚类中的所有数码照片。该过程还包括如下可能性该用户录入有关群集和所识别照片的反馈。这在图3中例证了。如果接收到用户简档并随后在根据录入的用户简档来群集该数码照片组的群集步骤130、260中使用300该用户简档，则该用户可录入有关所识别的代表性照片的反馈310。然后可根据接收的反馈来调整320该用户简档中每个属性的权重。这具有如下优点可“修整”或优化该用户简档以适合用户的与该简档相关联的期望和偏好。该用户简档代表用户的偏好，并且如果该简档可调整成使得该过程根据最可能的用户偏好来群集该数码照片组，则是有利的。当已经调整320这些权重时，然后存储330更新的用户简档。如何更新权重Wkl的一个示例是Wk (t + I) = 广’
其中V是当前观察。根据该过程，接收和/或保存所识别的、要组织的数码照片组的步骤100、200包括将该数码照片组上载到数据存储装置。当组织多个照片时需要做的首要事情其中之一是识别哪些照片要被组织。根据该方法的实现，如将在后面描述的那样，这可用多种方式来进行。这举例说明了识别要被组织和群集的数码照片组的一种方式。换言之，该过程的用户将要组织的照片组上载到在其上执行该过程的某种类型的数据存储装置。根据该过程的一个实施例，接收和/或保存所识别的、要组织的数码照片组的步骤100、200包括将至少一个数码照片上载到包括已经存在的照片群集组的数据存储装置。然后，根据该简档信息来群集该数码照片组的步骤130、260包括将至少一个上载的数码照片群集到已经存在的数码照片群集组中的聚类之一中。这构成了如何接收和/或保存所识别的、要组织的数码照片组100、200的另一示例。在这个示例中，要群集的该照片组包括已经存在的数码照片群集组加上至少一个上载的数码照片。然后，在该群集步骤130、260中，该过程仅必须将新上载的至少一个数码照片群集到已经存在的数码照片群集组中。换言之，这可被看作递增的群集，其中用户可简单地将数码照片添加到已经存在的数码照片群集组。这个示例的一个优点是所有已经存在的数码照片群集组不需要重新群集。仅新添加的至少一个数码照片需要被处理以便将它群集到适当聚类。当然，这仅在应该对于该群集使用相同简档信息的情况下才有效。如果该过程的用户选择其它简档信息用在群集步骤130、260中，则在根据新录入的简档信息进行群集时需要考虑所有这些数码照片。图4例证了用户简档400或情形简档400的示例。该简档包括不同属性AlrA2, A3f…,~和每个属性的对应权重W,, Wp W31…鳥。这意味着，通过向每个属性施加权重可赋予它或多或少的重要性。换言之，每个属性具有Ak*Wk的影响。
下面将参考图5描述适合于组织多个数码照片的设备。该设备具有与该方法相似或相同的优点，并且这些将不重复了。图5公开了例证设备实施例的框图。图5中例证的设备500包括适合于接收和/或保存所识别的数码照片组的数据库510、511。该数据库或者可以是设备500的一部分(如数据库510所例证的)，或者它可实现为外部数据库511。设备500还包括适合于接收来自用户的输入的接收单元540，该输入包括要从该数码照片组中形成的聚类的数量和要用于将数码照片群集到该数量个聚类中的简档信息。设备500还包括适合于根据该简档信息来群集该数码照片组的群集单元530，并且它还包括适合于基于该简档信息来从群集的数码照片中识别这些聚类的代表性数码照片的识别单元520。接收单元540从设备500的用户接收的简档信息包括属性，所述属性代表数码照片的不同特性。该简档信息可存储在该设备内，并且该用户仅录入对要使用的简档信息的参考。当设备500接收到该简档的参考时，它可检索所存储简档信息以便使用。备选地，该简档信息可由设备500的用户人工录入。该简档信息的属性包括照片的元数据和/或从分析数码照片中导出的特性。从分析数码照片中导出的特性的一些示例是笑脸、人、风景、建筑物、山、海滩、动
物等等。在一个实施例中，由接收单元540接收的简档信息的一些或所有属性与定义每个属性重要性的权重相关联。在一个示例中，由接收单元540从设备500的用户接收的简档信息是定义对于特定用户有效的属性集合的用户简档，这些属性规定在所述群集该数码照片组时要考虑的不同特性。在另一示例中，由接收单元540从设备500的用户接收的简档信息是定义对于特定情形有效的属性集合的情形简档，这些属性规定在所述聚类该数码照片组时要考虑的不同特性。在一个示例中，当接收单元540接收到在所述群集该数码照片组时要考虑的特定属性时，创建由接收单元540从设备500的用户接收的简档。设备500然后适合于根据接收的属性创建简档并存储所创建的简档。在一个实施例中，设备500的群集单元530还适合于在群集单元530根据该简档来群集该数码照片组之前，相对于不同数码照片确定不同属性的确定性，并滤出对于特定属性具有不确定信息的照片。在一个示例中，当群集单元530根据简档信息来群集该数码照片组时，按照一个或多个属性来定义聚类，并且群集单元530根据这些聚类来群集该数码照片组。换言之，群集单元530适合于当根据该简档信息群集该数码照片组时，按照一个或多个属性定义聚类，并根据这些聚类来群集该数码照片组。在一个实施例中，设备500的群集单元530还适合于在基于该简档信息从群集的数码照片中识别这些聚类的代表性数码照片之后将滤出的具有不确定信息的数码照片添加到适当聚类。·在一个实施例中，其中设备500的群集单元530相对于不同数码照片来确定不同属性的确定性，这包括确定这些属性的熵，其中高熵对应于不确定信息。识别单元520识别聚类的代表性数码照片。该识别包括识别每个聚类中最佳地对应于在该简档信息中所定义的那个聚类的属性的照片。如果接收单元540接收到用户简档(其随后由群集单元530在根据该简档来群集该数码照片组时使用)，则接收单元540在一个实施例中还适合于接收来自用户的、有关所识别的数码照片的反馈，并且群集单元530还适合于根据接收的反馈来调整该用户简档中每个属性的权重。在一个实施例中，设备500的数据库510、511还适合于保存已经存在的群集数码照片的组并接收至少一个数码照片。群集单元530然后还可适合于将至少一个接收的数码照片群集到所述已经存在的群集数码照片的组中的一个或多个适当聚类中。设备500可以是终端，诸如数字摄像机、移动电话或包括摄像机的任何其它终端。有利地，设备500可以是包括摄像机的任何终端。在这种情况下，将在该终端中实现如上所述的方法。包括摄像机的终端通常包括数据存储装置(诸如存储器)，以保存由其摄像机拍摄的数码照片。该终端的用户然后可在已经拍了多个照片之后利用该过程，并根据特定简档或根据特定属性在该终端内组织这些照片。该用户也可递增地将新拍的数码照片组织到适当的已经存在的聚类中。如果(诸如上面所描述的)终端的用户希望将数码照片上载到社交因特网站点，诸如例如Facebook，则他/她可容易地选择上载整个聚类、部分聚类或那个聚类的代表性数码照片。该设备也可在网络中的节点中实现以向社交因特网站点的用户提供对该方法的访问或使用。用户然后可将多个照片上载到社交因特网站点，并在该因特网站点中根据该方法组织这些照片。然后，可赋予该用户选择哪些照片发表并使其他人可看到的选项。还有，在此示例中，该因特网站点可能已经保存了已经群集的多个数码照片，并且该用户可将一个或多个数码照片上载到该因特网站点，并将它或它们组织到已经存在的聚类中。在另一个示例中，该设备可实现在个人计算机或膝上型计算机中。至于上面描述的其它示例，用户可上载多个照片并在该膝上型计算机中组织它们。如在其它示例中那样，该计算机或膝上型计算机可能已经保存了已经被群集的多个数码照片，并且该用户可将一个或多个数码照片上载到该计算机或膝上型计算机，并将它或它们组织到已经存在的聚类中。应该注意，图5仅在逻辑意义上例证了该设备中的各种功能单元。然而，本领域技术人员能够在实践中使用任何适当的软件和硬件构件自由地实现这些功能。因而，本发明一般不限于该设备和这些功能单元的所示结构。虽然已经参考特定示范实施例描述了本发明，但说明书一般仅打算例证发明概 念，并不应该被视为限制本发明的范围。本发明由所附权利要求书定义。
权利要求
1.一种在图像组织设备中用于组织多个数码照片的方法，所述方法包括如下步骤 -接收和/或保存(100，200)所识别的数码照片组， -接收(110，210)定义要从所述组中形成多少聚类的数量， -接收(120，230，240)要用于将所述数码照片群集到所述数量的聚类中的简档信息， -根据所述简档信息来群集(130，260)所述数码照片组，以及 -基于所述简档信息从群集的数码照片中识别(140，270)所述聚类的代表性数码照片。
2.如权利要求I所述的方法，其中所述简档包括属性，所述属性代表照片的不同特性。
3.如权利要求2所述的方法，其中所述属性包括照片的元数据和/或有关所述照片的外观的特性。
4.如权利要求1-3中任一项所述的方法，还包括将权重关联到一些属性或所有属性，从而定义每个属性的重要性。
5.如权利要求1-4中任一项所述的方法，其中所述简档信息包括定义对于特定用户有效的属性集合的用户简档，所述属性规定在所述群集所述数码照片组时要考虑的不同特性。
6.如权利要求1-4中任一项所述的方法，其中所述简档信息包括定义对于特定情形有效的属性集合的情形简档，所述属性规定在所述群集所述数码照片组时要考虑的不同特性。
7.如权利要求6所述的方法，其中在接收(120，230，340)要用于群集(130，260)所述数码照片的简档信息的所述步骤中，通过录入在所述群集(130，260)所述数码照片组时要考虑的特定属性，来创建所述情形简档。
8.如权利要求1-7中任一项所述的方法，还包括在根据所述简档信息群集所述数码照片组的所述步骤(130，260)之前，相对于不同数码照片确定不同属性的确定性，并滤出(250)对于特定属性具有不确定信息的数码照片。
9.如权利要求1-8中任一项所述的方法，其中根据所述简档信息群集所述数码照片组的所述步骤(130，260)包括按照一个或多个属性定义聚类，并根据所述聚类来群集所述数码照片组。
10.如权利要求8或9中任一项所述的方法，还包括在基于所述简档信息从群集的数码照片中识别所述聚类的代表性数码照片的所述步骤(270)之后将所述滤出的、具有不确定信息的数码照片添加(280)到适当聚类。
11.如权利要求8-10中任一项所述的方法，其中相对于不同数码照片确定不同属性的确定性包括确定所述属性的熵，其中高熵对应于不确定信息。
12.如权利要求1-11中任一项所述的方法，其中识别代表性数码照片的所述步骤(140，270)包括识别每个聚类中的照片，所述照片最佳地对应于在所述简档信息中所定义的那个聚类的属性。
13.如权利要求1-12中任一项所述的方法，如果录入了用户简档并且随后将所述用户简档用在根据所述简档来群集所述数码照片组的所述步骤(130，260)中，则所述方法还包括接收来自用户的、有关识别的代表性数码照片的反馈(310)并根据所接收的反馈来调整所述用户简档中每个属性的权重(320)。
14.如权利要求I所述的方法，其中接收和/或保存所识别的数码照片组的所述步骤(100, 200)包括将所述数码照片组上载到数据存储装置。
15.如权利要求I所述的方法，其中接收和/或保存所识别的数码照片组的所述步骤(100, 200)包括将至少一个数码照片上载到包括已经存在的数码照片群集组的数据存储装置，并且其中所述根据所述简档群集(130，260)所述数码照片组包括将所述至少一个上载的数码照片群集(130，260)到所述已经存在的数码照片群集组中的聚类之一中。
16.一种图像组织设备(500)，适合于组织多个数码照片，所述图像组织设备(500)包括 -数据库(510，511)，适合于接收和/或保存所识别的数码照片组， -接收单元(540)，适合于接收来自用户的输入，所述输入包括要从所述数码照片组中形成的聚类数量以及要用于将所述数码照片群集到所述数量的聚类中的简档信息， -群集单元(530)，适合于根据所述简档信息来群集所述数码照片组，以及 -识别单元(520)，适合于基于所述简档信息从群集的数码照片中识别所述聚类的代表性数码照片。
17.如权利要求16所述的设备(500)，其中所述简档信息包括属性，所述属性代表数码照片的不同特性。
18.如权利要求17所述的设备(500)，其中所述属性包括照片的元数据和/或有关所述照片的外观的特性。
19.如权利要求16-18中任一项所述的设备(500),其中将权重关联到一些属性或所有属性，从而定义每个属性的重要性。
20.如权利要求16-19中任一项所述的设备(500)，其中所述接收的简档信息是定义对于特定用户有效的属性集合的用户简档，所述属性规定在所述群集所述数码照片组时要考虑的不同特性。
21.如权利要求16-19中任一项所述的设备(500)，其中所述接收的简档信息是定义对于特定情形有效的属性集合的情形简档，所述属性规定在所述群集所述数码照片组时要考虑的不同特性。
22.如权利要求21所述的设备(500)，其中所述接收单元(540)适合于当所述接收单元(540)接收到在所述群集所述数码照片组时要考虑的特定属性时，创建所述情形简档。
23.如权利要求16-22中任一项所述的设备(500)，所述群集单元(530)还适合于在所述群集单元(530)根据所述简档信息来群集所述数码照片组之前，相对于不同数码照片确定不同属性的确定性并滤出对于特定属性具有不确定信息的照片。
24.如权利要求16-23中任一项所述的设备(500)，其中所述群集单元(530)还适合于当根据所述简档信息来群集所述数码照片组时，按照一个或多个属性定义聚类，并且根据所述聚类来群集所述数码照片组。
25.如权利要求23或24中任一项所述的设备(500)，其中所述群集单元(530)还适合于在基于所述简档信息从群集的数码照片中识别所述聚类的代表性数码照片之后，将所述滤出的、具有不确定信息的数码照片添加到适当聚类。
26.如权利要求23-25中任一项所述的设备(500),其中所述相对于不同数码照片确定不同属性的确定性包括确定所述属性的熵，其中高熵对应于不确定信息。
27.如权利要求26-25中任一项所述的设备(500)，其中所述识别代表性数码照片包括识别每个聚类中的照片，所述照片最佳地对应于在所述简档信息中所定义的那个聚类的属性。
28.如权利要求16-27中任一项所述的设备(500)，其中如果所述接收单元(540)接收到随后由所述群集单元(530)在根据所述简档来群集所述数码照片组时使用的用户简档，则所述接收单元(540)还适合于接收来自用户的、有关所识别的代表性数码照片的反馈，并且所述群集单元(530)还适合于根据接收的反馈来调整所述用户简档中每个属性的权重。
29.如权利要求16所述的设备(500)，其中所述数据库(510，511)适合于保存已经群集的数码照片的组并接收至少一个数码照片，并且其中所述群集单元(530)还适合于将所述接收的至少一个数码照片群集到已经群集的数码照片的所述组中的一个或多个聚类中。
30.如权利要求16-29中任一项所述的设备(500)，其中所述设备是终端，诸如数字摄像机、移动电话或包括摄像机的任何其它终端。
全文摘要
定义了用于组织多个数码照片的方法和设备。该方法包括如下步骤识别数码照片组；接收定义要从该组中形成多少聚类的数量；接收要用于将数码照片群集到该数量的聚类中的简档信息；根据该简档信息来群集该数码照片组；以及基于该简档信息从群集的数码照片中识别这些聚类的代表性数码照片。
文档编号G06F17/30GK102918526SQ201080067298
公开日2013年2月6日 申请日期2010年6月7日 优先权日2010年6月7日
发明者S.莫里茨, J.比约克, M.利德斯特伦, J.索德伯格 申请人:瑞典爱立信有限公司