图像分类方法、服务器及存储介质技术

本发明专利技术公开了一种图像分类方法、服务器及存储介质，该方法包括：获取待分类图像；提取分类图像预设区域的特征信息，并将特征信息生成目标特征向量；将目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将预设分类类型作为待分类图像的目标分类类型。本发明专利技术通过对待分类图像提取出全局特征和局部特征，并与预设图库中的索引进行对比，根据对比结果确定分类类型，可通过对图像进行识别，实现对图像进行自动分类，从而提高图像分类准确性。

Image classification method, server and storage medium

The invention discloses an image classification method, a server and a storage medium. The method includes: obtaining the unclassified image, extracting the feature information of the preset region of the classified image, and generating the feature information by the feature information, and matching the target feature vector with the index vector data after the preset sample library. The preset categorization type corresponding to the index vector data is successfully matched, and the default classification type is used as the target classification type of the image to be classified. This invention can extract the global feature and local feature by treating the classified image, and compare with the index in the presupposition library, and determine the classification type according to the contrast result. By identifying the image, the image can be classified automatically, thus improving the accuracy of the image classification.

【技术实现步骤摘要】
图像分类方法、服务器及存储介质
本专利技术涉及图像处理
，尤其涉及一种图像分类方法、服务器及存储介质。
技术介绍
目前，在业务系统操作过程中，往往需要将大量资料扫描成图像并保存成电子资料，方便查询和使用，一般来说，这些资料有很多分类，比如说身份证、合同、个人征信等等，业务人员在扫描资料的时候，需要手动进行归类很不方便，可能误操作导致分类错误，也极为影响效率。
技术实现思路
本专利技术的主要目的在于提出一种图像分类方法、服务器及存储介质，旨在提高图像分类的效率及图像分类的准确性。为实现上述目的，本专利技术提供一种图像分类方法，所述图像分类方法包括以下步骤：获取待分类图像；提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量；将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型。优选地，所述提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量，具体包括：根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息；根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息；根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信息对应的视觉词直方图向量信息；将所述多维直方图向量信息、特征点向量信息和视觉词直方图向量信息生成目标特征向量。优选地，所述根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息，具体包括：根据颜色和边缘的方向性描述符提取所述待分类图像中全局区域的颜色信息和纹理信息，将所述颜色信息和纹理信息进行结合生成多维直方图向量信息。优选地，所述根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息，具体包括：根据加速稳健特征算法依据预设矩阵生成预设特征点信息，并根据所述预设特征点信息生成特征点向量信息。优选地，所述根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信息对应的视觉词直方图向量信息，具体包括：根据视觉词袋模型提取所述待分类图像局部区域的特征信息，通过所述特征信息与预设视觉词的映射关系生成所述特征信息对应的视觉词直方图向量信息。优选地，所述将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型之前，所述方法还包括：根据颜色和边缘的方向性描述符、加速稳健特征算法和视觉词袋模型提取样本图像数据中的向量信息，并根据所述向量信息生成索引向量数据。优选地，所述提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量之后，所述方法还包括：将所述特征向量与预设样品库中分类后的索引向量数据进行匹配，在匹配结果为匹配不成功时，将所述待分类图像设为预设分类类型。优选地，所述将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型之后，所述方法还包括：根据所述待分类图像的目标分类类型更新所述预设样品库，并接收查询和修改指令，对更新后的预设样品库中的图像进行查询和修改。此外，为实现上述目的，本专利技术还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像分类程序，所述图像分类程序配置为实现如上所述的图像分类方法的步骤。此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有图像分类程序，所述图像分类程序被处理器执行时实现如上所述的图像分类方法的步骤。本专利技术技术方案提出的图像分类方法，先对待分类图像进行特征信息提取，特征信息包括全局特征和局部特征，并将特征信息生成目标特征向量，再将目标特征向量与与预设图库中的索引向量数据进行对比，根据对比结果确定分类类型。本专利技术技术方案通过对图像进行识别，实现对图像进行自动分类，提高图像分类的效率及图像分类的准确性。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的服务器结构示意图；图2为本专利技术图像分类方法第一实施例的流程示意图；图3为本专利技术图像分类系统的结构示意图；图4为本专利技术图像分类方法第二实施例的流程示意图；图5为本专利技术CEDD工作原理的结构框图；图6为本专利技术图像分类方法第三实施例的流程示意图；图7为本专利技术图像分类方法第四实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的服务器结构示意图。如图1所示，该服务器可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏、输入单元比如键盘，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是非易失性存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像分类程序。在图1所示的服务器中，网络接口1004主要用于连接网络，与网络进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本专利技术服务器通过处理器1001调用存储器1005中存储的图像分类程序，并执行以下操作：获取待分类图像；提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量；将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型。进一步地，处理器1001可以调用存储器1005中存储的图像分类程序，还执行以下操作：根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息；根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息；根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信息对应的视觉词直方图向量信息；将所述多维直方图向量信息、特征点向量信息和视觉词直方图向量信息生成目标特征向量。进一步地，处理器1001可以调用存储器1005中存储的图像分类程序，还执行以下操作：根据颜色和边缘的方向性描述符提取所述待分类图像中全局区域的颜色信息和纹理信息，将所述颜色信息和纹理信息进行结合生成多维直方图向量信息本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，所述图像分类方法包括以下步骤：获取待分类图像；提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量；将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型。

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述图像分类方法包括以下步骤：获取待分类图像；提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量；将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型。2.如权利要求1所述的图像分类方法，其特征在于，所述提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量，具体包括：根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息；根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息；根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信息对应的视觉词直方图向量信息；将所述多维直方图向量信息、特征点向量信息和视觉词直方图向量信息生成目标特征向量。3.如权利要求2所述的图像分类方法，其特征在于，所述根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息，具体包括：根据颜色和边缘的方向性描述符提取所述待分类图像中全局区域的颜色信息和纹理信息，将所述颜色信息和纹理信息进行结合生成多维直方图向量信息。4.如权利要求2所述的图像分类方法，其特征在于，所述根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息，具体包括：根据加速稳健特征算法依据预设矩阵生成预设特征点信息，并根据所述预设特征点信息生成特征点向量信息。5.如权利要求2所述的图像分类方法，其特征在于，所述根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信...

【专利技术属性】
技术研发人员：吴楼，
申请(专利权)人：深圳前海大数金融服务有限公司，
类型：发明
国别省市：广东,44