构建装置和方法、图像分类装置和方法以及电子设备制造方法及图纸

本发明专利技术提供了构建装置和方法、图像分类装置和方法以及电子设备，以克服传统的图像分类技术由于未考虑图像的图像级特征和区域级特征之间的联系而导致分类结果不准确的问题。上述构建装置包括：将训练图像分割为多个区域的训练图像分割单元；提取训练图像的图像级特征和区域的区域级特征的第一提取单元；及构建包括图像级支持向量机分类器和区域级支持向量机分类器的图像分类器的构建单元，其在训练过程中考虑了第一约束：针对训练图像集全集或子集中的每个训练图像，令区域级支持向量机分类器对该训练图像的多个区域的分类结果中的最大值和图像级支持向量机分类器对该训练图像的分类结果尽量接近。本发明专利技术的上述技术能够应用于图像处理领域。

【技术实现步骤摘要】
构建装置和方法、图像分类装置和方法以及电子设备
本专利技术涉及图像处理领域，尤其涉及构建装置和方法、图像分类装置和方法以及电子设备。
技术介绍
随着数字图像数目的急剧增长，需要研究开发有效的自动图像分类技术。一般而言，为了对待测图像进行分类，先要基于给定的训练图像（包括正例和负例图像）构建有效的分类器，然后根据分类器的输出确定待测图像所属的类别。图像分类技术可以应用于人们生活的很多方面，比如个人照片管理、图像图书馆、在线购物等等。一般而言，描述图像的特征可以分为图像级特征和区域级特征。图像级特征表现的是图像的整体特性，而在图像分割的基础上抽取的区域级特征更加关注图像的局部特性。为了综合考虑两方面的信息，传统的方法通常首先分别基于两种特征独立地构建两个基本分类器，然后将两个基本分类器的输出进行组合。可以看到，传统的方法在构建基本分类器的过程中，对两种特征分别进行处理。也就是说，当基于图像级特征构建分类器的时候，没有利用基于区域级特征构建的分类器提供的任何信息；同样的，当基于区域级特征构建分类器的时候，也没有利用基于图像级特征构建的分类器提供的任何信息。实际上，两种特征从不同角度对同一图像进行描述，往往可以互相提供更多的信息。显然，传统的图像分类方法由于在构建基本分类器的过程中没有利用上述有用的信息，从而影响了最终的分类性能。
技术实现思路
在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。鉴于此，本专利技术提供了构建装置和方法、图像分类装置和方法以及电子设备，以至少解决传统的图像分类技术由于没有考虑图像的图像级特征和区域级特征之间的联系而导致分类结果不准确的问题。根据本专利技术的一个方面，提供了一种图像分类器的构建装置，该构建装置包括：训练图像分割单元，其被配置用于将训练图像集中的每个训练图像分割为多个区域；第一提取单元，其被配置用于提取训练图像集中每个训练图像的图像级特征，以及提取每个训练图像的多个区域中的每一个的区域级特征；以及构建单元，其被配置用于基于训练图像集中每个训练图像的图像级特征和每个训练图像中的多个区域的区域级特征对图像级支持向量机分类器和区域级支持向量机分类器进行训练，以构建包括图像级支持向量机分类器和区域级支持向量机分类器的图像分类器；其中，构建单元在进行训练的过程中考虑了如下的第一约束：针对训练图像集的全集或子集中的每个训练图像，令区域级支持向量机分类器对该训练图像的多个区域的分类结果中的最大值和图像级支持向量机分类器对该训练图像的分类结果尽量接近。根据本专利技术的另一个方面，还提供了一种图像分类装置，该图像分类装置包括：待测图像分割单元，其被配置用于将待测图像分割为多个区域；第二提取单元，其被配置用于提取待测图像的图像级特征和待测图像的多个区域中的每一个的区域级特征；分类单元，其被配置用于基于待测图像的图像级特征获得图像级支持向量机分类器对待测图像的分类结果，以及基于待测图像的多个区域的区域级特征获得区域级支持向量机分类器对待测图像中多个区域中的每一个的分类结果；以及结果确定单元，其被配置用于根据区域级支持向量机分类器对待测图像中多个区域的分类结果中的最大值和图像级支持向量机分类器对待测图像的分类结果，确定待测图像的最终分类结果；其中，图像级支持向量机分类器和区域级支持向量机分类器通过如上所述的构建装置构建而得。根据本专利技术的另一个方面，还提供了一种图像分类器的构建方法，该构建方法包括：将训练图像集中的每个训练图像分割为多个区域；提取训练图像集中每个训练图像的图像级特征，以及提取每个训练图像的多个区域中的每一个的区域级特征；以及基于训练图像集中每个训练图像的图像级特征和每个训练图像中的多个区域的区域级特征对图像级支持向量机分类器和区域级支持向量机分类器进行训练，以构建包括图像级支持向量机分类器和区域级支持向量机分类器的图像分类器；其中，在训练的过程中考虑了如下的第一约束：针对训练图像集的全集或子集中的每个训练图像，令区域级支持向量机分类器对该训练图像的多个区域的分类结果中的最大值和图像级支持向量机分类器对该训练图像的分类结果尽量接近。根据本专利技术的另一个方面，还提供了一种图像分类方法，该图像分类方法包括：将待测图像分割为多个区域；提取待测图像的图像级特征和待测图像的多个区域中的每一个的区域级特征；基于待测图像的图像级特征获得图像级支持向量机分类器对待测图像的分类结果，以及基于待测图像的多个区域的区域级特征获得区域级支持向量机分类器对待测图像中多个区域中的每一个的分类结果；以及根据区域级支持向量机分类器对待测图像中多个区域的分类结果中的最大值和图像级支持向量机分类器对待测图像的分类结果，确定待测图像的最终分类结果；其中，图像级支持向量机分类器和区域级支持向量机分类器通过如上所述的构建方法构建而得。根据本专利技术的另一个方面，还提供了一种电子设备，该电子设备包括如上所述的构建装置或如上所述的图像分类装置。根据本专利技术的又一个方面，还提供了一种存储有机器可读取的指令代码的程序产品，上述程序产品在执行时能够使上述机器执行如上所述的构建方法或如上所述的图像分类方法。此外，根据本专利技术的其他方面，还提供了一种计算机可读存储介质，其上存储有如上所述的程序产品。上述根据本专利技术实施例的构建装置、图像分类装置、构建方法、图像分类方法以及电子设备，其在构建图像分类器的过程中或者在利用上述图像分类器进行分类的过程中，由于考虑了图像的图像级特征和区域级特征之间的联系，能够有效地克服传统方法的不足，使得利用该构建装置所构建的图像分类器进行图像分类的结果较为准确、精度较高。通过以下结合附图对本专利技术的最佳实施例的详细说明，本专利技术的这些以及其他优点将更加明显。附图说明本专利技术可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本专利技术的优选实施例和解释本专利技术的原理和优点。在附图中：图1A是示意性地示出根据本专利技术的实施例的构建装置的一种示例结构的框图；图1B是示出传统的标准SVM分类器的原理的示意图；图1C是示出根据本专利技术的实施例的图像级SVM分类器的原理的示意图；图1D是示出根据本专利技术的实施例的区域级SVM分类器的原理的示意图；图2是示意性地示出根据本专利技术的实施例的图像分类装置的一种示例结构的框图；图3是示意性地示出根据本专利技术的实施例的构建方法的一种示例性处理的流程图；图4是示意性地示出如图3所示的步骤S340的一种可能的示例性处理的流程图；图5是示意性地示出根据本专利技术的实施例的图像分类方法的一种示例性处理的流程图；以及图6是示出了可用来实现根据本专利技术的实施例的构建装置和构建方法、或者根据本专利技术的实施例的图像分类装置和图像分类方法的一种可能的信息处理设备的硬件配置的结构简图。本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比本文档来自技高网...

【技术保护点】
一种图像分类器的构建装置，包括：训练图像分割单元，其被配置用于将训练图像集中的每个训练图像分割为多个区域；第一提取单元，其被配置用于提取所述训练图像集中每个所述训练图像的图像级特征，以及提取每个所述训练图像的所述多个区域中的每一个的区域级特征；以及构建单元，其被配置用于基于所述训练图像集中每个所述训练图像的图像级特征和每个所述训练图像中的所述多个区域的区域级特征对图像级支持向量机分类器和区域级支持向量机分类器进行训练，以构建包括所述图像级支持向量机分类器和所述区域级支持向量机分类器的图像分类器；其中，所述构建单元在进行所述训练的过程中考虑了如下的第一约束：针对所述训练图像集的全集或子集中的每个训练图像，令所述区域级支持向量机分类器对该训练图像的多个区域的分类结果中的最大值和所述图像级支持向量机分类器对该训练图像的分类结果尽量接近。

【技术特征摘要】
1.一种图像分类器的构建装置，包括：训练图像分割单元，其被配置用于将训练图像集中的每个训练图像分割为多个区域；第一提取单元，其被配置用于提取所述训练图像集中每个所述训练图像的图像级特征，以及提取每个所述训练图像的所述多个区域中的每一个的区域级特征；以及构建单元，其被配置用于基于所述训练图像集中每个所述训练图像的图像级特征和每个所述训练图像中的所述多个区域的区域级特征对图像级支持向量机分类器和区域级支持向量机分类器进行训练，以构建包括所述图像级支持向量机分类器和所述区域级支持向量机分类器的图像分类器；其中，所述构建单元在进行所述训练的过程中考虑了如下的第一约束：针对所述训练图像集的全集或子集中的每个训练图像，令所述区域级支持向量机分类器对该训练图像的多个区域的分类结果中的最大值和所述图像级支持向量机分类器对该训练图像的分类结果尽量接近，其中，所述第一约束包括：针对所述训练图像集的全集或子集中的每个训练图像，令该训练图像到表示所述图像级支持向量机分类器的第一超平面的函数间隔与该训练图像到表示所述区域级支持向量机分类器的第二超平面的函数间隔尽量接近，其中，该训练图像到所述第二超平面的函数间隔是所述区域级支持向量机分类器对该训练图像的多个区域的分类结果中的最大值所对应的区域到所述第二超平面的函数间隔。2.根据权利要求1所述的构建装置，其中，所述子集不包括所述训练图像集中的离群样本，所述离群样本是满足以下条件的训练图像：其到所述第一超平面的函数间隔小于第一预定阈值，和/或其到所述第二超平面的函数间隔小于第二预定阈值；其中，所述第一预定阈值和所述第二预定阈值均为正数。3.根据权利要求2所述的构建装置，其中，所述构建单元被配置用于：在考虑所述第一约束和第二约束的情况下构建以所述图像级支持向量机分类器和所述区域级支持向量机分类器的支持向量机参数为未知量的代价函数；以及通过求解所述代价函数的最优问题来获得所述图像级支持向量机分类器和所述区域级支持向量机分类器的支持向量机参数的最优值；其中，所述第二约束包括：使得到所述第一超平面的函数间隔为所述第一预定阈值的训练图像到所述第一超平面的几何间隔尽量大，以及使得到所述第二超平面的函数间隔为所述第二预定阈值的训练图像到所述第二超平面的几何间隔尽量大。4.根据权利要求3所述的构建装置，其中，所述构建单元被配置用于在所述训练的过程中还考虑如下的第三约束：针对所述图像级支持向量机分类器，使得所述训练图像集中的、到所述第一超平面的函数间隔小于所述第一预定阈值的训练图像所对应的第一松弛变量的加权和尽量小；以及针对所述区域级支持向量机分类器，使得所述训练图像集中的、到所述第二超平面的函数间隔小于所述第二预定阈值的训练图像所对应的第二松弛变量的加权和尽量小。5.一种图像分类装置，包括：待测图像分割单元，其被配置用于将待测图像分割为多个区域；第二提取单元，其被配置用于提取所述待测图像的图像级特征和所述待测图像的所述多个区域中的每一个...

【专利技术属性】
技术研发人员：李斐，刘汝杰，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP