脸图像的纹理特征值。
[0127]可选地，分别提取两个聚类集合中的各幅人脸图像的纹理特征值，可以包括:
[ΟΙ28] 对一幅人脸图像采用局部二值模式(Local Binary Patterns，简称LBP)算子计算各像素与其周围像素的关系，并将形成的特征向量作为该幅人脸图像的纹理特征值。
[0129]需要说明的是，分别对两个聚类集合中的各幅人脸图像按照上述两种方式中的任意一种提取纹理特征值，即可提取两个聚类集合中的所有人脸图像的纹理特征值。在实际应用中，也可以采用其它特征提取算法分别提取各幅人脸图像的纹理特征值，在此不再一一列举。
[0130]可选地，根据提取的纹理特征值，计算两个聚类集合中的各幅人脸图像之间的距离，可以包括:
[0131]将提取的纹理特征值带入欧式距离公式中，计算一个聚类集合中的一幅人脸图像与另一个聚类集合中的一幅人脸图像之间的距离。
[0132]可选地，根据提取的纹理特征值，计算两个聚类集合中的各幅人脸图像之间的距离，可以包括:
[0133]将提取的纹理特征值带入余弦相似度公式中，将1-余弦相似度的值作为一个聚类集合中的一幅人脸图像与另一个聚类集合中的一幅人脸图像之间的距离。
[0134]需要说明的是，分别对两个聚类集合中的各幅人脸图像按照上述两种方式中的任意一种计算距离，即可计算出一个聚类集合中的各幅人脸图像与另一个聚类集合中的各幅人脸图像之间的距离。在实际应用中，也可以采用其它距离计算方式计算两幅人脸图像之间的距离，在此不再一一列举。
[0135]在步骤S206中，将两个聚类集合合并为一个聚类集合，并对合并后的聚类集合再次执行步骤S205。
[0136]例如，执行步骤S206之前，一个聚类集合包括人脸图像A和人脸图像B，另一个聚类集合包括人脸图像C和人脸图像D，又一个聚类集合包括人脸图像E和人脸图像F。执行步骤S206之后，一个聚类集合包括人脸图像A、人脸图像B、人脸图像C和人脸图像D，另一个聚类集合包括人脸图像E和人脸图像F。此时再执行步骤S205，确定是否将人脸图像A、人脸图像B、人脸图像C、人脸图像D，与人脸图像E、人脸图像F合并为一个聚类集合。
[0137]在步骤S207中，将当前的若干聚类集合输出。
[0138]例如，如图1b所示，移动终端可以以相册的形式将若干聚类集合输出。
[0139]在本实施例中，各个聚类集合包括至少一幅人脸图像，且同一个聚类集合中的各幅人脸图像之间的距离不大于第一设定阈值。
[0140]可选地，该步骤S207可以包括:
[0141]从当前的若干聚类集合中确定人脸图像的数量不小于设定数量的聚类集合；
[0142]输出确定的聚类集合。
[0143]在实际应用中，用户关注的人的人脸图像的数量通常较多，利用该特点从若干聚类集合中选出不小于设定数量(如3幅)的聚类集合输出，可以减少用户标记聚类集合时查看的聚类集合的数量。
[0144]需要说明的是，上述步骤S204-步骤S207只是根据人脸图像的距离对人脸图像进行聚类，在实际应用中，还可以根据人脸图像的性别、年龄、种族、衣服、眼镜信息、人脸图像在照片中的位置、照片的拍摄时间等信息辅助实现对人脸图像进行聚类。
[0145]在步骤S208中，接收对应聚类集合输入的标识信息，使若干聚类集合中的至少一个聚类集合具有标识信息。
[0146]在本实施例中，标识信息用于指示用于关注的人的聚类集合，如用户自己的聚类集合、用户孩子的聚类集合、用户父母的聚类集合、用户死党的聚类集合等。本实施例将具有标识信息的聚类集合称为第一聚类集合，不具有标识信息的聚类集合称为第二聚类集合，因此步骤S208中输入标识信息的聚类集合成为第一聚类集合。
[0147]在实际应用中，移动终端可以设置接口接收用户对应聚类集合所作的标识信息，如用户点击图5所示的相册，即可在相册上显示星星，以表示该相册具有标识信息。
[0148]移动终端还可以根据用户输入的聚类集合的名称，通过对比聚类集合的名称是否包括设定名称，确定聚类集合是否属于用户关注的人，如图5中名称中出现“爸”、“妈”、“宝贝，，等。
[0149]在步骤S209中，获取至少两个聚类集合。
[0150]在本实施例中，至少两个聚类集合包括第一聚类集合和第二聚类集合。如前所述，第一聚类集合为具有标识信息的聚类集合，第二聚类集合为不具有标识信息的聚类集合。容易知道，该步骤S209中获取的至少两个聚类集合来自于步骤S208执行之后的若干聚类集入口 ο
[0151]在步骤S210中，确定各个第二聚类集合与各个第一聚类集合之间的距离。
[0152]在本实施例中，该步骤S210可以包括:
[0153]计算一个第一聚类集合中的各幅人脸图像与一个第二聚类集合中的各幅人脸图像之间的距离；
[0154]根据计算出的所有距离，确定第一聚类集合与第二聚类集合之间的距离。
[0155]容易知道，分别按照上述方式计算各个第二聚类集合与各个第一聚类集合之间的距离，即可完成步骤S208。
[0156]可选地，计算一个第一聚类集合中的各幅人脸图像与一个第二聚类集合中的各幅人脸图像之间的距离，包括:
[0157]分别提取一个第一聚类集合中的一幅人脸图像的纹理特征值、以及一个第二聚类集合中的一幅人脸图像的纹理特征值；
[0158]根据提取的纹理特征值，计算第一聚类集合中的一幅人脸图像与第二聚类集合中的一幅人脸图像之间的距离。
[0159]在具体实现中，提取纹理特征值可以采用如步骤S205中的Gabor小波变换、LBP算子实现，计算图像距离可以采用如步骤S205中的欧式距离、余弦相似度实现，在此不再详述。
[0160]可选地，根据计算出的所有距离，确定第一聚类集合与第二聚类集合之间的距离，可以包括:
[0161]选择计算出的所有距离中的最小值，作为第一聚类集合与第二聚类集合之间的距离。
[0162]例如，一个聚类集合包括人脸图像A和人脸图像B，另一个聚类集合包括人脸图像C和人脸图像D，计算出人脸图像A与人脸图像C之间的距离为0.3，人脸图像A与人脸图像D之间的距离为0.7，人脸图像B与人脸图像C之间的距离为0.5，人脸图像B与人脸图像D之间的距离为0.1，则将0.1作为第一聚类集合与第二聚类集合之间的距离。
[0163]可选地，根据计算出的所有距离，确定第一聚类集合与第二聚类集合之间的距离，可以包括:
[0164]选择计算出的所有距离的平均值，作为第一聚类集合与第二聚类集合之间的距离。
[0165]还是以上例为例，此时将(0.3+0.7+0.5+0.1)/4 = 0.4作为第一聚类集合与第二聚类集合之间的距离。
[0166]可选地，根据计算出的所有距离，确定第一聚类集合与第二聚类集合之间的距离，可以包括:
[0167]选择计算出的所有距离中的最大值，作为第一聚类集合与第二聚类集合之间的距离。
[0168]还是以上例为例，此时将0.7作为第一聚类集合与第二聚类集合之间的距离。
[0169]在步骤S211中，将距离不大于第二设定阈值的第二聚类集合和第一聚类集合合并为一个聚类集合。
[0170]在本实施例中，第二设定阈值大于第一设定阈值。例如，第一设定阈值为Θ，第二设定阈值为(θ+α)，θ>0、α>0
[0171]优选地，以一个第二聚类集合为例，当至少两个聚类集合包括至少两个第一聚类集合时，该步骤S211可以包括:
[0172]当第二聚类集合与第三聚类集合之间的距离不大于第二设定阈值，且第二聚类集合与第四聚类集合之间的距离大于第二设定阈值时，将第二聚类集合与第三聚类集合合并，第三聚类集合为至少两个第一聚类集合中的任意一个，第四聚类集合包括至少两个第一聚类集合中，除第三聚类集合之外的所有聚类集合。
[0173]容易知道，将判断两个聚类集合是否合并的标准从第一设定阈值增加到第二设定阈值，可能会造成将不是同一个人的两个聚类集合合并为一个聚类集合的问题，虽然利用用户关注的人的人脸图像在所有人脸图像中所占比例高的特点，使用户关注的人的聚类集合具有标识信息，仅对具有标识信息的聚类集合(即第一聚类集合)将合并标准增加到第二设定阈值，可以降低将不是同一个人的两个聚类集合合并为一个聚类集合的可能性，但还是可能会造成聚类的准确性降低。上述实现方式通过进一步将条件限定为一个不具有标识信息的聚类集合(即第二聚类集合)与一个具有标识信息的聚类集合(即第一聚类集合)之间的距离不大于第二设定阈值，且与其它具有标识信息的聚类集合之间的距离大于第二设定阈值，可以进一步降低将不是同一个人的两个聚类集合合并为一个聚类集合的可能性。而且一个不具有标识信息的聚类集合只与一个具有标识信息的聚类集合之间的距离不大于第二设定阈值，说明这个不具有标识信息的聚类集合跟其中一个具有标识信息的聚类集合的相似度是比较高的，很可能是由于人脸姿态、表情、光照等条件不同造成两者的距离大于第一设定阈值，此时将两者合并，既提高了聚类的召回率和压缩率，还可以将降低聚类的准确率的可能性降到最低。
[0174]需要说明的是，本实施例仅对人脸图像的聚类进行了介绍，在实际应用中，移动终端在聚类之后，会将同一个聚类集合的所有人脸图像归类到一个相册中，同时由于人脸图像来自于照片，因此将同一个聚类集合中的所有人脸图像所在的照片也归类到该相册中，为用户提供人脸图像和照片两种显示方式，其中人脸图像的显示方式可以如图1d所示，照片的显示方式可以如图1c所示。
[0175]本公开实施例通过将具有标识信息的聚类集合中的各幅人脸图像之间的距离从第一设定阈值增大到第二设定阈值，利用用户关注的人的人脸图像在所有人脸图像中所占比例高的特点，使用户关注的人的聚类集合具有标识信息，在对聚类的准确率影响较小的情况下，增大归类为具有标识信息的聚类集合的概率，避免由于人脸姿态、表情、光照等条件不同造成将属于同一个人的两张照片归类到不同的聚类集合中，提高了聚类的召回率(归类到一个聚类集合中的照片数量/属于同一个人的照片数量)和压缩率(I/属于同一个人的照片归类到的聚类集合的数量)。
[0176]图6是根据一示例性实施例示出的一种图像处理的装置的框图，参照图6，该装置包括获取模块301、确定模块302和合并模块303。
[0177]该获取模块301被配置为获取至少两个聚类集合，至少两个聚类集合包括第一聚类集合和第二聚类集合，第一聚类集合为具有标识信息的聚类集合，第二聚类集合为不具有标识信息的聚类集合，每个聚类集合均包括至少一幅人脸图像，且同一个聚类集合中的各幅人脸图像之间的距离不大于第一设定阈值。
[0178]该确定模块302被配置为确定第二聚类集合与第一聚类集合之间的