【技术实现步骤摘要】
本专利技术属于计算机信息
,尤其涉及一种图像分类的方法及装置。
技术介绍
图像分类技术旨在通过计算机处理来实现对图片所属类别的判定,因此,图像的表示方法直接影响到最终的判定准确率。目前常用的是利用局部特征来实现图像表示,该方法在图像识别、图像检索、物体分类、场景分析等
都有广泛的应用。传统局部特征通常只描述了图像密集采样之后块的边缘信息,这种边缘信息对应神经视觉里的形状信息,然而,人的视觉信息是由形状和相对性颜色两部分组成的,而传统局部特征缺少了对相对性颜色信息的描述,对图像的描述不完整,这会直接导致后续对图像进行编码时丢失更多的信息,使得图像分类的准确性降低。在专利技术本实施例中,通过图像的相对特征来对图像进行分类,能够在分类过程中很好地保留了图像的相对性颜色信息,提高了对图像描述的完整性,从而提高了图像分类的准确性。
技术实现思路
本专利技术实施例的目的在于提供一种图像分类的方法及装置,旨在解决现有技术中缺少对图像相对性颜色信息的描述,导致对图像进行分类的准确性降低的问题。本专利技术实施例是这样实现的,一种图像分类的方法,包括:将图像分解成多个通道的子图像,将每个所述子图像分割成大小相同的n个图像块,所述n为大于1的整数;基于所述图像块计算所述的图像的相对特征,所述相对特征用于描述所述图像的局部相对性,所述局部相对性包括颜色的相对性;对所述相对特 ...
【技术保护点】
一种图像分类的方法,其特征在于,包括:将图像分解成多个通道的子图像,将每个所述子图像分割成大小相同的n个图像块,所述n为大于1的整数;基于所述图像块计算所述的图像的相对特征,所述相对特征用于描述所述图像的局部相对性,所述局部相对性包括颜色的相对性;对所述相对特征进行编码和池化,构建所述图像的全局表示;将所述图像的全局表示送入预设的分类器,以对所述图像进行分类。
【技术特征摘要】
1.一种图像分类的方法,其特征在于,包括:
将图像分解成多个通道的子图像,将每个所述子图像分割成大小相同的n
个图像块,所述n为大于1的整数;
基于所述图像块计算所述的图像的相对特征,所述相对特征用于描述所述
图像的局部相对性,所述局部相对性包括颜色的相对性;
对所述相对特征进行编码和池化,构建所述图像的全局表示;
将所述图像的全局表示送入预设的分类器,以对所述图像进行分类。
2.如权利要求1所述的方法,其特征在于,所述相对特征包括空间相对特
征,所述基于所述图像块计算所述的图像的相对特征包括:
用一个由m×m个所述图像块大小的块组成的滑动窗口滑过整张所述子图
像,所述滑动窗口的滑动步长为1,所述m大于1且所述m×m小于n;
在所述滑动窗口滑过的所述子图像的每个覆盖区域,计算所述滑动窗口的
每个中心块覆盖区域P与剩余(m×m-1)个块覆盖区域Q的f-divergence特征
值;
将每个所述通道的所述子图像的f-divergence特征值进行合并,生成所述
图像的所述空间相对特征。
3.如权利要求2所述的方法,其特征在于,所述计算所述滑动窗口的每个
中心块覆盖区域P与剩余(m×m-1)个块覆盖区域Q的f-divergence特征值包
括:
通过计算所述滑动窗口的每个中心块覆
盖区域P与剩余(m×m-1)个块覆盖区域Q的f-divergence特征值,所述Q=(Q1,
Q2,……,Qm-1),所述P为所述中心块覆盖区域P的特征值的概率密度函数,
所述Q为剩余(m×m-1)个块覆盖区域Q的特征值的概率密度函数。
4.如权利要求1所述的方法,其特征在于,所述相对特征包括通道间相对
\t特征,所述基于所述图像块计算所述的图像的相对特征包括:
根据f(PA(i),PB(i))=∫RPA(i)f(PA(x)PB(x))dx]]>计算每两个通道所述子图像之
间同一位置的相对特征,其中,所述为A通道上每个所述
图像块的特征值的概率密度函数,所述为B通道上每个所
述图像块的特征值的概率密度函数,所述(A,B)为(R,B)、(R、G)或
者(G,B);
分别将计算得到的每两个通道所述子图像的所有相对特征串联起来,生成
所述图像的每两个通道之间的通道间相对特征。
5.如权利要求1所述的方法,其特征在于,在所述将所述图像的全局表示
送入预设的分类器之前,所述方法还包括:
将通过尺度不变特征转换SIFT算法提取的SIFT特征进行编码和池化;
将编码和池化后的所述SIFT特征和所述相对特征进行串联;
利用串联生成的特征训练所述预设的分类器。
6.一种...
【专利技术属性】
技术研发人员:乔宇,郭胜,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。