一种2d图像与3d图像的识别方法
【技术领域】
[0001]本发明涉及一种识别方法，尤其涉及一种2D图像与3D图像的识别方法。
【背景技术】
[0002] 3D图像、3D视频由于其独特的立体显示效果而越来越受到大众的欢迎。现有各种 图像浏览设备往往不能自动识别2D图像和3D图像，而需要用户进行手动切换，造成浏览图 像不便。
【发明内容】
[0003] 有鉴于此，确有必要提供一种可应用于各种图像浏览设备的自动识别2D图像与3D 图像的方法。
[0004] 本发明提供一种2D图像与3D图像的识别方法，其包括以下步骤：
[0005] (1)将多幅2D图像和多幅3D图像作为样本图像集；
[0006] (2)将所述样本图像集合中的每一幅图像分为大小相同的左半图样本和右半图样 本，并分别对所述左半图样本和右半图样本提取颜色自相关图特征；
[0007] (3)计算所述左半图样本的颜色自相关图特征和右半图样本的颜色自相关图特征 之间的差异性&，以及所述左半图样本、右半图样本之间的相关系数(： 2，并将&、(：2作为评价 指标；
[0008] (4)将评价指标CjPC2综合并构建决策模型，得到最优分类边界；以及
[0009] (5)通过提取待识别图像的左半图和右半图的颜色自相关图特征及相关系数特 征，以最优分类边界为依据对该待识别图像进行分类以及标记。
[0010]与现有技术相比较，本发明提供的2D图像与3D图像的识别方法具有以下优点：通 过对多幅2D图像和3D图像进行左、右半图样本的颜色自相关图特征分析，计算左、右半图样 本的颜色自相关图之间的差异性G，并进一步分析左、右半图样本的相关系数特征(^以心 和(： 2构建决策模型得到最优分类边界。以该最优分类边界作为参考来对待识别图像进行分 类。该方法可实现对2D图像和3D图像的自动识别，精确度较高，简单方便，大量减少了用户 的手动切换，为浏览图像提供了便利。该方法可应用于各种图像浏览设备中。
【附图说明】
[0011 ]图1为本发明所述2D图像与3D图像的识别方法的流程图。
[0012] 图2至图5为本实施例样本图像集中的2D图像以及3D图像。
[0013] 图6至图9分别为图2至图5的左、右半图样本的颜色自相关图的直方图（其中图6对 应于图2,图7对应于图3,图8对应于图4,图9对应于图5,图6至图9中"左"代表左半图样本， "右"代表右半图样本）。
[0014] 如下具体实施例将结合上述附图进一步说明本发明。
【具体实施方式】
[0015]以下将对本发明提供的2D图像与3D图像的识别方法作进一步说明。
[0016]本发明提供一种2D图像与3D图像的识别方法。该方法包括以下步骤：
[0017] S1，将多幅2D图像和多幅3D图像作为样本图像集；
[0018] S2,将所述样本图像集合中的每一幅图像分为大小相同的左半图样本和右半图样 本，分别对所述左半图样本和右半图样本提取颜色自相关图特征；
[0019] S3,计算所述左半图样本的颜色自相关图特征和右半图样本的颜色自相关图特征 之间的差异性&，同时计算所述左半图样本、右半图样本之间的相关系数&，并将作为 评价指标；
[0020] S4,将评价指标&和&综合并构建决策模型，得到最优分类边界；以及
[0021] S5,通过提取待识别图像的左半图和右半图的颜色自相关图特征及相关系数特 征，以最优分类边界为依据对该待识别图像进行分类以及标记。
[0022]在步骤S1中，将该样本图像集作为研究对象，以获得多幅图像的CjPC2,从而更好 的构建决策模型。
[0023]在步骤S1之后步骤S2之前还包括一对所述样本图像集合中的每一幅图像进行降 采样处理的步骤。具体来说，将所述样本图像集合中所有的图像降采样到固定大小。
[0024]在步骤S2中，相对于普通的2D图像，左右格式的3D图像明显的不同在于，左半图与 右半图具有相同的内容，只是存在一定的视差，因此本方法利用3D图像的这个特性来进行 特征提取，从而实现自动识别2D图像与3D图像。
[0025] 所述颜色自相关图特征是指利用相同颜色对的空间关系，将颜色和空间信息结合 起来对图像进行描述。具体的，将降采样后得到图像依中线分为左、右两部分，分别称为左 半图样本、右半图样本。对左、右半图样本分别用颜色自相关图特征进行描述，比较两者之 间的相似性。
[0026] 在步骤S3中，可用欧式距离衡量所述左半图样本的颜色自相关图特征和右半图样 本的颜色自相关图特征之间的差异性&，即所述左半图样本的颜色自相关图特征和右半图 样本的颜色自相关图特征之间的距离为&。将&、&共同作为评价指标的原因在于:&与&可 起到互补的作用，防止内容上相似的2D图像(如图3)以及颜色上具有对称性的2D图像(如图 4)对识别产生干扰。
[0027] 本实施例中，以图2至图5为例，计算得到的&和&值如下表1所示：
[0028] 表 1
[0030]图6至图9分别给出了图2至图5的左半图样本、右半图样本的颜色自相关图的直方 图。其中图4的左、右半图样本颜色自相关图特征(如图7)之间具有明显的相似性，但其左、 右半图样本的相关系数仅为0.3047(见表1);而图3的左、右半图样本之间的相关系数为 0.7767,但是通过左、右半图样本颜色自相关图特征，可以区分其并非左右格式图像。这说 明将Cl、C2同时作为评价指标这一方法对具有干扰性的图像有一定的鲁棒性(robustness)。 [0031]由表1、图6至图9可见，本方法中所述的&和&之间确实起到了互补的作用，将&和 C 2同时作为评价指标可以有效保证图像分类的正确率。
[0032]在步骤S4中，将评价指标CjPC2综合并构建决策模型具体为:将评价指标CjPC2综 合并通过决策树模型来构建所述决策模型或者通过支持向量机、人工神经网络或贝叶斯方 法构建所述决策模型。以决策树模型为例，将评价指标&、(： 2及其相应的类别属性输入决策 树模型，即可得到最优分类边界。将此决策树模型存储于图像浏览设备之中。
[0033] 本实施例中，所获取的最优分类边界为C!小于0.31，C2大于0.485，可识别出3D图 像，测试精度达到95.24%。经交叉验证，识别率均在90%以上。
[0034] 在步骤S5中，以最优分类边界为依据可对图像浏览设备中待浏览文件夹下所有待 识别图像进行标记。通过存储于图像浏览设备中的决策模型对该待识别图像进行自动标 记。具体的，将标记结果存储为当前待识别图像的图像信息的一部分;对待浏览文件夹进行 筛选以实现对未标记的图像进行分类以及标记，以避免重复标记;最终实现对待浏览文件 夹下所有图像的标记。
[0035] 为了应对识别错误的情形，在步骤S5之后还可包括一对待识别图像误标记时进行 更正的步骤。具体的对于错误标记的图像，其在浏览时以错误的浏览方式显示，用户可自行 更正当前图像的标记，此时只需将标记的接口开放给用户即可。
[0036]与现有技术相比较，本发明提供的2D图像与3D图像的识别方法具有以下优点：通 过对多幅2D图像和3D图像进行左、右半图样本的颜色自相关图特征分析，计算左、右半图样 本的颜色自相关图之间的差异性Q，并进一步分析左、右半图样本的相关系数特征(^，以心 和(： 2构建决策模型得到最优分类边界。以该最优分类边界作为参考来对待识别图像进行分 类。该方法可实现对2D图像和3D图像的自动识别，精确度较高，简单方便，大量减少了用户 的手动切换，为浏览图像提供了便利，从而保证了用户获得较高的体验满意度。
[0037]以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对 于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行 若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
[0038]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种2D图像与3D图像的识别方法，其包括以下步骤： (1) 将多幅2D图像和多幅3D图像作为样本图像集； (2) 将所述样本图像集合中的每一幅图像分为大小相同的左半图样本和右半图样本， 分别对所述左半图样本和右半图样本提取颜色自相关图特征； (3) 计算所述左半图样本的颜色自相关图特征和右半图样本的颜色自相关图特征之间 的差异性心，以及所述左半图样本、右半图样本之间的相关系数(： 2，并将作为评价指 标； (4) 将评价指标CjPC2综合并构建决策模型，得到最优分类边界；以及 (5) 通过提取待识别图像的左半图和右半图的颜色自相关图特征及相关系数特征，以 最优分类边界为依据对该待识别图像进行分类以及标记。2. 如权利要求1所述的识别方法，其特征在于，在步骤（1)之后步骤(2)之前还包括一对 所述样本图像集合中的每一幅图像进行降采样处理的步骤。3. 如权利要求1所述的识别方法，其特征在于，在步骤(4)中将评价指标&和(：2综合并构 建决策模型具体为:将评价指标&和(： 2综合并通过决策树模型来构建所述决策模型或者通 过支持向量机、人工神经网络或贝叶斯方法构建所述决策模型。4. 如权利要求1所述的识别方法，其特征在于，在步骤(5)中当待识别图像位于待浏览 文件夹中时，以最优分类边界为依据对该待识别图像进行分类以及标记之后并将该标记结 果储存，通过对待浏览文件夹的筛选以实现对未标记的图像进行分类以及标记。5. 如权利要求1所述的识别方法，其特征在于，在步骤(5)之后还包括一对待识别图像 误标记时进行更正的步骤。
【专利摘要】本发明涉及一种2D图像与3D图像的识别方法，其包括以下步骤：(1)将多幅2D图像和多幅3D图像作为样本图像集；(2)将所述样本图像集合中的每一幅图像分为大小相同的左、右半图样本，分别对所述左、右半图样本提取颜色自相关图特征；(3)计算所述左、右半图样本的颜色自相关图特征之间的差异性C1，及所述左半图样本、右半图样本之间的相关系数C2，并将C1、C2作为评价指标；(4)将C1和C2综合并构建决策模型，得到最优分类边界；以及(5)通过提取待识别图像的左半图和右半图的颜色自相关图特征及相关系数特征，并以最优分类边界为依据对该待识别图像进行分类以及标记。
【IPC分类】G06K9/62, G06K9/46
【公开号】CN105550706
【申请号】CN201510924850
【发明人】陆晶, 赵佳俊
【申请人】大巨龙立体科技有限公司
【公开日】2016年5月4日
【申请日】2015年12月13日