Disclosed is a method and apparatus for constructing a classification model. The method comprises: a sample image corresponding to the first image categories and second categories of images acquisition, gets the spectrum of sample images respectively, the spectrum is the sample image according to different size based transform image obtained, according to the frequency spectrum to determine the features of the sample images respectively according to the characteristics of the sample, the corresponding image and the sample image respectively, the category of construction sample image set, training set of image samples, classification model, classification model for image categories to determine the corresponding image classification. The technical scheme, the sample image obtained by spectrum image transform according to different basis, and according to the frequency spectrum to determine the corresponding features of the sample images, then construct the classification model, which can accurately detect the image category.
【技术实现步骤摘要】
本公开涉及构建分类模型的设备领域,尤其涉及构建分类模型的方法及装置。
技术介绍
模糊图检测越发成为图像处理中的热点,尤其在智能手机日益普及的今天,人们无时无刻不在用手机拍照记录生活的点滴,而其中存在大量的质量不高的照片。如果能自动检测出模糊照片则可以提示用户进行删除等操作。直观来讲,模糊图片与清晰图片在频域会有明显不同,清晰图片边缘清晰、梯度强烈、在频域会有较强的高频,做DCT(DiscreteCosineTransform,离散余弦变换)时低频到高频幅度的衰减也不会太过强烈。相反,模糊图片的高频信息弱很多,并且大的低频幅度很快就会像高频方向衰减。
技术实现思路
本公开实施例提供构建分类模型的方法及装置。所述技术方案如下:根据本公开实施例的第一方面,提供一种构建分类模型的方法,包括:获取第一图像类别和第二图像类别分别对应的样本图像;获取所述样本图像分别对应的频谱图,所述频谱图是将所述样本图像根据不同大小的基进行图像变换获得的;根据所述频谱图确定所述样本图像各自对应的特征;根据所述样本图像各自对应的特征以及所述样本图像分别所属的类别构建样本图像集,对所述样本图像集进行训练,得到分类模型,所述分类模型用于确定待分类图像所对应的图像类别。在一个实施例中,所述获取所述样本图像分别对应的频谱图,所述频谱图是将所述样本图像根据不同大小的基进行图像变换获得的;根据所述频谱图确定所述样本图像各自对应的特征,可包括:将每一个样本图像根据不同大小的基划分为不同尺寸的图像块,分别对每个图像块做离散余弦变换,获得所述频谱图;对所述频谱图分别求解马可夫转移概率矩阵,获得各样本图像对应 ...
【技术保护点】
一种构建分类模型的方法,其特征在于,包括:获取第一图像类别和第二图像类别分别对应的样本图像;获取所述样本图像分别对应的频谱图,所述频谱图是将所述样本图像根据不同大小的基进行图像变换获得的;根据所述频谱图确定所述样本图像各自对应的特征;根据所述样本图像各自对应的特征以及所述样本图像分别所属的类别构建样本图像集,对所述样本图像集进行训练,得到分类模型,所述分类模型用于确定待分类图像所对应的图像类别。
【技术特征摘要】
1.一种构建分类模型的方法,其特征在于,包括:获取第一图像类别和第二图像类别分别对应的样本图像;获取所述样本图像分别对应的频谱图,所述频谱图是将所述样本图像根据不同大小的基进行图像变换获得的;根据所述频谱图确定所述样本图像各自对应的特征;根据所述样本图像各自对应的特征以及所述样本图像分别所属的类别构建样本图像集,对所述样本图像集进行训练,得到分类模型,所述分类模型用于确定待分类图像所对应的图像类别。2.根据权利要求1所述的方法,其特征在于,所述获取所述样本图像分别对应的频谱图,所述频谱图是将所述样本图像根据不同大小的基进行图像变换获得的;根据所述频谱图确定所述样本图像各自对应的特征,包括:将每一个样本图像根据不同大小的基划分为不同尺寸的图像块,分别对每个图像块做离散余弦变换,获得所述频谱图;对所述频谱图分别求解马可夫转移概率矩阵,获得各样本图像对应的特征。3.根据权利要求2所述的方法,其特征在于,所述对所述频谱图分别求解马可夫转移概率矩阵,获得各样本图像对应的特征,包括:获取所述频谱图中大于预设阈值的频率值;将所述大于预设阈值的频率值均设为所述预设阈值,更新所述频谱图;对更新后的频谱图分别求解马可夫转移概率矩阵,获得各样本图像对应的特征。4.根据权利要求1-3中任一项所述的方法,其特征在于,所述方法还包括:获取待分类图像对应的频谱图,所述频谱图是将所述待分类图像根据不同大小的基进行图像变换获得的;根据所述频谱图确定所述待分类图像对应的特征;根据所述待分类图像对应的特征以及所述分类模型,确定所述待分类图像所属的类别。5.一种构建分类模型的装置,其特征在于,包括:第一获取模块,用于获取第一图像类别和第二图像类别分别对应的样本图像;第二获取模块,用于获取所述样本图像分别对应的频谱图,所述频谱图是将所述样本图像根据不同大小的基进行图像变换获得的;第一确定...
【专利技术属性】
技术研发人员:龙飞,杨松,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
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。