选择图片的方法及装置的制造方法
【技术领域】
[0001]本公开涉及通信及计算机处理领域，尤其涉及选择图片的方法及装置。
【背景技术】
[0002]随着电子技术的发展，手机、照相机等设备均具有拍照功能。用户可以随时随地拍摄大量照片。同时，很多应用提供了分享照片的功能。用户免不了需要从大量照片中选择照片进行分享。
【发明内容】
[0003]为克服相关技术中存在的问题，本公开提供一种选择图片的方法及装置。
[0004]根据本公开实施例的第一方面，提供一种选择图片的方法，包括:
[0005]获得备选图片；
[0006]对所述备选图片进行特征提取，获得特征信息;所述特征信息包括全局特征信息和重点区域特征信息；
[0007]根据判别模型及所述备选图片的特征信息对所述备选图片进行识别，获得识别结果;其中，所述判别模型为预先根据样本图片的特征信息及所述样本图片的图像质量评价训练获得的模型；
[0008]当根据所述识别结果确定所述备选图片满足预设条件时，确定所述备选图片为目标图片。
[0009]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例可自动帮助用户选择出质量较好的图片，简化了用户选择的过程。并且通过特征提取和匹配，选择的图片较为准确。
[0010]在一个实施例中，所述对所述备选图片进行特征提取，获得特征信息，包括:
[0011 ]对所述备选图片的全局进行特征提取，获得全局特征信；
[0012]确定所述备选图片中的重点区域；
[0013]对所述备选图片中的重点区域进行特征提取，获得重点区域特征信息。
[0014]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例中提取了全局特征和区域特征，有助于后续特征匹配得更全面，选择质量更好的图片，选择更准确。
[0015]在一个实施例中，所述根据判别模型及所述备选图片的特征信息对所述备选图片进行识别，获得识别结果，包括:
[0016]对所述备选图片进行分类识别，确定所述备选图片的图片类别；
[0017]根据所述图片类别对应的判别模型及所述备选图片的特征信息对所述备选图片进行识别，获得识别结果。
[0018]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例中通过概率匹配来综合分析备选图片在各个类别下的质量，有助于更准确的选择出质量好的图片。
[0019]在一个实施例中，所述对所述备选图片进行分类识别，确定所述备选图片的图片类别，包括:
[0020]计算所述备选图片属于各预设图片类别的概率；
[0021]选择所述概率大于概率阈值的图片类别作为所述备选图片的图片类别。
[0022]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例综合各个类别的概率，经过综合的概率分析，选择出质量好的图片，该选择更准确。
[0023]在一个实施例中，所述当根据所述识别结果确定所述备选图片满足预设条件时，确定所述备选图片为目标图片，包括:
[0024]根据第一概率及所述识别结果计算所述备选图片的第二概率，其中，所述第一概率为所述备选图片属于所述图片类别的概率；
[0025]当所述第二概率满足预设概率条件时，确定所述备选图片为目标图片。
[0026]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例综合备选图片在各个类别的概率以及在各个类别好图片的概率，综合分析并选择出质量好的图片，该选择结果更准确。
[0027]在一个实施例中，所述根据第一概率及所述识别结果计算所述备选图片的第二概率，包括:
[0028]当所述备选图片的图片类别至少有两种时，将各所述图片类别对应的第一概率进行加权求和获得所述第二概率，其中，所述第一概率的加权系数为与所述第一概率相对应的识别结果。
[0029]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例通过加权方式选择质量好的备选图片，选择更准确。
[0030]在一个实施例中，所述当所述第二概率满足预设概率条件时，确定所述备选图片为目标图片，包括:
[0031]确定所述备选图片所属的图片类簇，所述图片类簇为对图片进行聚类获得的，所述图片中包含所述备选图片；
[0032]当所述备选图片第二概率在第二概率序列中的排序满足预设概率条件时，确定所述备选图片为目标图片，其中，所述第二概率序列中包含所述图片类簇中图片的第二概率。
[0033]本公开的实施例提供的技术方案可以包括以下有益效果:本实施例可以对相似图片进行聚类，从相似图片中选择出质量好的图片，减少选择重复或相似的图片，使得选择结果更准确。
[0034]根据本公开实施例的第二方面，提供一种选择图片的装置，包括:
[0035]获取模块，用于获得备选图片；
[0036]提取模块，用于对所述备选图片进行特征提取，获得特征信息;所述特征信息包括全局特征信息和重点区域特征信息；
[0037]识别模块，用于根据判别模型及所述备选图片的特征信息对所述备选图片进行识另IJ，获得识别结果;其中，所述判别模型为预先根据样本图片的特征信息及所述样本图片的图像质量评价训练获得的模型；
[0038]确定模块，用于当根据所述识别结果确定所述备选图片满足预设条件时，确定所述备选图片为目标图片。
[0039]在一个实施例中，所述提取模块包括:
[0040]全局提取子模块，用于对所述备选图片的全局进行特征提取，获得全局特征信；
[0041]区域确定子模块，用于确定所述备选图片中的重点区域；
[0042]区域提取子模块，用于对所述备选图片中的重点区域进行特征提取，获得重点区域特征信息。
[0043]在一个实施例中，所述识别模块包括:
[0044]类别子模块，用于对所述备选图片进行分类识别，确定所述备选图片的图片类别；
[0045]识别子模块，用于根据所述图片类别对应的判别模型及所述备选图片的特征信息对所述备选图片进行识别，获得识别结果。
[0046]在一个实施例中，所述类别子模块计算所述备选图片属于各预设图片类别的概率;选择所述概率大于概率阈值的图片类别作为所述备选图片的图片类别。
[0047]在一个实施例中，所述确定模块还包括:
[0048]第二概率子模块，用于根据第一概率及所述识别结果计算所述备选图片的第二概率，其中，所述第一概率为所述备选图片属于所述图片类别的概率；
[0049]确定子模块，用于当所述第二概率满足预设概率条件时，确定所述备选图片为目标图片。
[0050]在一个实施例中，所述第二概率子模块当所述备选图片的图片类别至少有两种时，将各所述图片类别对应的第一概率进行加权求和获得所述第二概率，其中，所述第一概率的加权系数为与所述第一概率相对应的识别结果。
[0051]在一个实施例中，所述确定子模块确定所述备选图片所属的图片类簇，所述图片类簇为对图片进行聚类获得的，所述图片中包含所述备选图片；当所述备选图片第二概率在第二概率序列中的排序满足预设概率条件时，确定所述备选图片为目标图片，其中，所述第二概率序列中包含所述图片类簇中图片的第二概率。
[0052]根据本公开实施例的第三方面，提供一种选择图片的装置，包括:
[0053]处理器；
[0054]用于存储处理器可执行指令的存储器；
[0055]其中，所述处理器被配置为:
[0056]获得备选图片；
[0057]对所述备选图片进行特征提取，获得特征信息;所述特征信息包括全局特征信息和重点区域特征信息；
[0058]根据判别模型及所述备选图片的特征信息对所述备选图片进行识别，获得识别结果;其中，所述判别模型为预先根据样本图片的特征信息及所述样本图片的图像质量评价训练获得的模型；
[0059]当根据所述识别结果确定所述备选图片满足预设条件时，确定所述备选图片为目标图片。
[0060]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【附图说明】
[0061]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0062]图1是根据一示例性实施例示出的一种选择图片的方法的流程图。
[0063]图2是根据一示例性实施例示出的一种界面的示意图。
[0064]图3是根据一示例性实施例示出的一种界面的示意图。
[0065]图4是根据一示例性实施例示出的一种界面的示意图。
[0066]图5是根据一示例性实施例示出的一种选择图片的方法的流程图。
[0067]图6是根据一示例性实施例示出的一种选择图片的方法的流程图。
[0068]图7是根据一示例性实施例示出的一种选择图片的方法的流程图。
[0069]图8是根据一示例性实施例示出的一种选择图片的装置的框图。
[0070]图9是根据一示例性实施例示出的一种提取模块的框图。
[0071]图10是根据一示例性实施例示出的一种识别模块的框图。
[0072]图11是根据一示例性实施例示出的一种确定模块的框图。
[0073]图12是根据一示例性实施例示出的一种装置的框图。
[0074]图13是根据一示例性实施例示出的一种装置的框图。
【具体实施方式】
[0075]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0076]相关技术中，用户经常会在一些社交应用中分享自己的照片。分享照片之前免不了要从众多照片中选择照片，该选择照片的过程需要用户手动完成，并且如果照片较多，选择的过程较为繁琐。
[0077]本实施例中在用户需要选择照片时，自动从众多照片中筛选出质量好的照片，供用户分享。
[0078]图1是根据一示例性实施例示出的一种选择图片的方法的流程图，如图1所示，该方法可以由移动终端实现，包括以下步骤:
[0079]在步骤101中，获得备选图片。
[0080]在步骤102中，对所述备选图片进行特征提取，获得特征信息;所述特征信息包括全局特征信息和重点区域特征信息。
[0081]在步骤103中，根据判别模型及所述备选图片的特征信息对所述备选图片进行识另IJ，获得识别结果;其中，所述判别模型为预先根据样本图片的特征信息及所述样本图片的图像质量评价训练获得的模型。
[0082]在步骤104中，当根据所述识别结果确定所述备选图片满足预设条件时，确定所述备选图片为目标图片。
[0083]其中，识别结果可以是备选图片是否属于好图片的识别结果。
[0084]例如，获得多个备选图片。针对多个备选图片中的每个备选图片，对所述备选图片进行整个图片的特征提取，获得全局特征信息，并对图片中的重点区域进行特征提取获得重点区域特征信息。然后对每个备选图片的特征信息按照预先训练好的判别模型进行图片质量的评价，获得识别结果，该识别结果可以是备选图片是质量好的图片的概率值。当根据