图像分类方法及装置制造方法及图纸

本公开关于一种图像分类方法及装置，属于图像处理领域。所述方法包括：获取待分类的图像；确定所述图像中每个对象的类别信息和每两个对象之间的位置信息；根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；按照所述图像的场景对所述图像进行分类。本公开可以从全局的角度对图像进行分类，解决了根据图像的局部纹理特征对图像进行分类，导致对图像的分类不准确的问题，达到了提高图像的分类准确性的效果。

Image classification method and device

The invention discloses an image classification method and a device, belonging to the field of image processing. The method comprises: acquiring the position information of the image to be classified; determine the image of each object in each of the two categories of information and objects; the image is determined according to the position information of scene category information and each of the two objects of each object; according to the image of the scene on the image classification. The public can classify images from a global perspective, to solve the image according to the classification of local image texture features for image classification, resulting in inaccurate problem, to improve the classification accuracy of the image effect.

【技术实现步骤摘要】

本公开涉及图像处理领域，特别涉及一种图像分类方法及装置。
技术介绍
随着智能终端的普及，使用智能终端随时随地的记录生活已经成为用户的生活常态。随着用户保存在智能终端中的图像越来越多，图像的分类整理成为人们研究的热点问题。相关技术中采用Bag-of-Words(词袋)模型对图像进行分类，其中，Bag-of-Words模式以图像的局部纹理特征来表示图像，可以取得较好的图像分类的效果。
技术实现思路
为解决相关技术中的问题，本公开提供了一种图像分类方法及装置。根据本公开实施例的第一方面，提供一种图像分类方法，所述方法包括：获取待分类的图像；确定所述图像中每个对象的类别信息和每两个对象之间的位置信息；根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；按照所述图像的场景对所述图像进行分类。可选的，所述确定所述图像中每个对象的类别信息和每两个对象之间的位置信息，包括：对于从所述图像中选取的n个滑动窗口中的每个滑动窗口中的对象，读取根据预设算法对所述对象进行计算得到的m维的第一向量，将所述第一向量作为所述对象的类别信息，所述第一向量包括所述对象分别属于预设的m个类别中的每个类别的概率；对于筛选出的p个第一向量所对应的p个对象中的每个对象，计算所述对象在所述图像中的绝对位置；对于所述p个对象中的每两个对象，根据所述两个对象在所述图像中的绝对位置计算所述两个对象的位置关系是预设的q种位置关系中的每种位置关系的概率，得到q维的第二向量，将所述第二向量作为所述两个对象之间的位置信息，n、m、p和q均为正整数。可选的，所述计算所述对象在所述图像中的绝对位置，包括：读取所述对象所在的滑动窗口的原始坐标；读取根据所述预设算法对所述对象进行计算得到的调整坐标，所述调整坐标用于对所述原始坐标进行调整；根据所述调整坐标对所述原始坐标进行调整，将调整结果确定为所述对象在所述图像中的绝对位置。可选的，所述方法还包括：按照预设的卷积窗口对所述图像进行卷积，得到全局矩阵；从所述图像中选取n个滑动窗口；对于所述n个滑动窗口中的每个滑动窗口，在所述全局矩阵中查找与所述滑动窗口具有映射关系的局部矩阵；对查找到的n个局部矩阵进行池化处理；对池化处理得到的n个局部矩阵进行全连接处理，得到所述图像中每个对象的所述第一向量；筛选满足预设条件的每个第一向量所对应的对象，得到所述p个对象，所述预设条件是所述第一向量中存在至少一个概率值大于预设阈值；计算所述p个对象中每个对象所在的滑动窗口的所述调整坐标。可选的，所述根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景，包括：将所述图像中每个对象的第一向量相接合，得到m×p维的第三向量；将所述图像中每两个对象对应的第二向量相接合，得到q×p×(p-1)/2维的第四向量；将所述第三向量和所述第四向量相接合，得到m×p+q×p×(p-1)/2维的第五向量；将所述第五向量输入到预设的SVM(Support Vector Machine，支持向量机)中，将所述SVM的输出作为所述图像的场景。根据本公开实施例的第二方面，提供一种图像分类装置，所述装置包括：图像获取模块，被配置为获取待分类的图像；信息确定模块，被配置为确定所述图像获取模块得到的所述图像中每个对象的类别信息和每两个对象之间的位置信息；场景确定模块，被配置为根据所述信息确定模块确定的每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；图像分类模块，被配置为按照所述场景确定模块确定的所述图像的场景对所述图像进行分类。可选的，所述信息确定模块，包括：第一确定子模块，被配置为对于从所述图像中选取的n个滑动窗口中的每个滑动窗口中的对象，读取根据预设算法对所述对象进行计算得到的m维的第一向量，将所述第一向量作为所述对象的类别信息，所述第一向量包括所述对象分别属于预设的m个类别中的每个类别的概率；位置计算子模块，被配置为对于筛选出的p个第一向量所对应的p个对象中的每个对象，计算所述对象在所述图像中的绝对位置；第二确定子模块，被配置为对于所述p个对象中的每两个对象，根据所述位置计算子模块得到的所述两个对象在所述图像中的绝对位置计算所述两个对象的位置关系是预设的q种位置关系中的每种位置关系的概率，得到q维的第二向量，将所述第二向量作为所述两个对象之间的位置信息，n、m、p和q均为正整数。可选的，所述位置计算子模块，还被配置为：读取所述对象所在的滑动窗口的原始坐标；读取根据所述预设算法对所述对象进行计算得到的调整坐标，所述调整坐标用于对所述原始坐标进行调整；根据所述调整坐标对所述原始坐标进行调整，将调整结果确定为所述对象在所述图像中的绝对位置。可选的，所述装置还包括：卷积计算模块，被配置为按照预设的卷积窗口对所述图像进行卷积，得到全局矩阵；窗口选取模块，被配置为从所述图像中选取n个滑动窗口；矩阵查找模块，被配置为对于所述窗口选取模块得到的所述n个滑动窗口中的每个滑动窗口，在所述卷积计算模块得到的所述全局矩阵中查找与所述滑动窗口具有映射关系的局部矩阵；第一处理模块，被配置为对所述矩阵查找模块查找到的n个局部矩阵进行池化处理；第二处理模块，被配置为对所述第一处理模块池化处理得到的n个局部矩阵进行全连接处理，得到所述图像中每个对象的所述第一向量；对象筛选模块，被配置为筛选满足预设条件的每个第一向量所对应的对象，得到所述p个对象，所述预设条件是所述第一向量中存在至少一个概率值大于预设阈值；第三处理模块，被配置为计算所述对象筛选模块得到的所述p个对象中每个对象所在的滑动窗口的所述调整坐标。可选的，所述场景确定模块，包括：第一接合子模块，被配置为将所述图像中每个对象的第一向量相接合，得到m×p维的第三向量；第二接合子模块，被配置为将所述图像中每两个对象对应的第二向量相接合，得到q×p×(p-1)/2维的第四向量；第三接合子模块，被配置为将所述第一接合子模块得到的所述第三向量和所述第二接合子模块得到的所述第四向量相接合，得到m×p+q×p×(p-1)/2维的第五向量；场景确定子模块，被配置为将所述第三接合子模块得到的所述第五向量输入到预设的SVM中，将所述SVM的输出作为所述图像的场景。根据本公开实施例的第三方面，提供一种图像分类装置，所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取待分类的图像；确定所述图像中每个对象的类别信息和每两个对象之间的位置信息；根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；按照所述图像的场景对所述图像进行分类。本公开的实施例提供的技术方案可以包括以下有益效果：通过确定图像中每个对象的类别信息和每两个对象之间的位置信息，根据每个对象的类别信息和每两个对象之间的位置信息确定图像的场景，从而按照图像的场景对图像进行分类，可以从全局的角度对图像进行分类，解决了根据图像的局部纹理特征对图像进行分类，导致对图像的分类不准确的问题，达到了提高图像的分类准确性的效果。通过筛选满足预设条件的每个第一向量所对应的对象，得到p个对象，该预设条件是第一向量中存在至少一个概率值大于预设阈值；计算p个对象中每个对象所在的滑动窗口的调整坐标，使得终端可以删除不完整的对象，保本文档来自技高网...

【技术保护点】
一种图像分类方法，其特征在于，所述方法包括：获取待分类的图像；确定所述图像中每个对象的类别信息和每两个对象之间的位置信息；根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；按照所述图像的场景对所述图像进行分类。

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述方法包括：获取待分类的图像；确定所述图像中每个对象的类别信息和每两个对象之间的位置信息；根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；按照所述图像的场景对所述图像进行分类。2.根据权利要求1所述的方法，其特征在于，所述确定所述图像中每个对象的类别信息和每两个对象之间的位置信息，包括：对于从所述图像中选取的n个滑动窗口中的每个滑动窗口中的对象，读取根据预设算法对所述对象进行计算得到的m维的第一向量，将所述第一向量作为所述对象的类别信息，所述第一向量包括所述对象分别属于预设的m个类别中的每个类别的概率；对于筛选出的p个第一向量所对应的p个对象中的每个对象，计算所述对象在所述图像中的绝对位置；对于所述p个对象中的每两个对象，根据所述两个对象在所述图像中的绝对位置计算所述两个对象的位置关系是预设的q种位置关系中的每种位置关系的概率，得到q维的第二向量，将所述第二向量作为所述两个对象之间的位置信息，n、m、p和q均为正整数。3.根据权利要求2所述的方法，其特征在于，所述计算所述对象在所述图像中的绝对位置，包括：读取所述对象所在的滑动窗口的原始坐标；读取根据所述预设算法对所述对象进行计算得到的调整坐标，所述调整坐标用于对所述原始坐标进行调整；根据所述调整坐标对所述原始坐标进行调整，将调整结果确定为所述对象在所述图像中的绝对位置。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：按照预设的卷积窗口对所述图像进行卷积，得到全局矩阵；从所述图像中选取n个滑动窗口；对于所述n个滑动窗口中的每个滑动窗口，在所述全局矩阵中查找与所述滑动窗口具有映射关系的局部矩阵；对查找到的n个局部矩阵进行池化处理；对池化处理得到的n个局部矩阵进行全连接处理，得到所述图像中每个对象的所述第一向量；筛选满足预设条件的每个第一向量所对应的对象，得到所述p个对象，所述预设条件是所述第一向量中存在至少一个概率值大于预设阈值；计算所述p个对象中每个对象所在的滑动窗口的所述调整坐标。5.根据权利要求2所述的方法，其特征在于，所述根据每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景，包括：将所述图像中每个对象的第一向量相接合，得到m×p维的第三向量；将所述图像中每两个对象对应的第二向量相接合，得到q×p×(p-1)/2维的第四向量；将所述第三向量和所述第四向量相接合，得到m×p+q×p×(p-1)/2维的第五向量；将所述第五向量输入到预设的支持向量机SVM中，将所述SVM的输出作为所述图像的场景。6.一种图像分类装置，其特征在于，所述装置包括：图像获取模块，被配置为获取待分类的图像；信息确定模块，被配置为确定所述图像获取模块得到的所述图像中每个对象的类别信息和每两个对象之间的位置信息；场景确定模块，被配置为根据所述信息确定模块确定的每个对象的类别信息和每两个对象之间的位置信息确定所述图像的场景；图像分类模块，被配置为按照所述场景确定模块确定的所述图像的场景对所述图像进行分类。7.根据权利要求6所述的装置，其特征在于，所...

【专利技术属性】
技术研发人员：万韶华，张涛，陈志军，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京;11