彩色图像分类方法及装置制造方法及图纸

本发明专利技术实施例提供一种彩色图像分类方法及装置，涉及图像处理技术领域。该方法通过获得待处理图像，所述待处理图像包括遥感图像；将所述待处理图像输入所述分类模型，根据所述待处理图像的光谱‑纹理特征对所述待处理图像的各类地物对象进行分类，所述光谱‑纹理特征包括RGB值、LBP特征；根据分类结果生成对应的地物对象标识图，提高了对图像分类的效率及正确率。

Color image classification method and device

The embodiment of the invention provides a color image classification method and device, which relates to the field of image processing technology. The method consists of a remote sensing image, which includes a remote sensing image; the processed image is input to the classification model to classify the various objects of the treated image according to the spectral texture features of the image to be processed, and the spectral texture features include the RGB value and the LBP feature; According to the classification results, the corresponding object identification map is generated, which improves the efficiency and accuracy of image classification.

【技术实现步骤摘要】
彩色图像分类方法及装置
本专利技术涉及图像处理
，具体而言，涉及一种彩色图像分类方法及装置。
技术介绍
随着无人机遥感技术的快速发展，获取细节丰富的高分辨率彩色图像变得较为简洁快速。图像处理作为卫星遥感图像的重要处理手段，在各行业应用中均发挥了独特优势。传统的遥感彩色图像分类方法一般是基于光谱信息，以像元为单位进行分类，传统分类方法很难充分利用高分辨率图像的位置、纹理、形状等信息，因而浪费了一部分影像信息，图像分类效率以及准确率较低，得不到令人满意的分类结果。因此，如何提供一种可解决上述问题的彩色图像分类方法及装置，已成为本领域技术人员亟需解决的技术问题。
技术实现思路
为了克服现有技术中的上述不足，本专利技术实施例提供一种彩色图像分类方法及装置，可提高图像分类效率以及准确率，进而解决上述问题。为了实现上述目的，本专利技术较佳实施例所提供的技术方案如下所示：就方法而言，本专利技术较佳实施例提供一种彩色图像分类方法，应用于图像处理设备，所述图像处理设备包括分类模型，所述分类模型用于根据光谱-纹理特征对图像进行分类，所述方法包括：获得待处理图像，所述待处理图像包括遥感图像；将所述待处理图像输入所述分类模型，根据所述待处理图像的光谱-纹理特征对所述待处理图像的各类地物对象进行分类，所述光谱-纹理特征包括RGB值、LBP特征；根据分类结果生成对应的地物对象标识图。在本专利技术的较佳实施例中，上述获得待处理图像的步骤之前，所述方法还包括：获取训练图像集，包括多个训练图像，所述训练图像包括对应的预设标签；使用所述训练图像集对所述分类模型进行训练。在本专利技术的较佳实施例中，上述使用所述训练图像集对所述分类模型进行训练的步骤，包括：构建反卷积层以及多层卷积层，并输入所述训练图像集；所述训练图像经所述多层卷积层以及反卷积层运算处理，得到相应的特征图。在本专利技术的较佳实施例中，上述使用所述训练图像集对所述分类模型进行训练的步骤，还包括：获取测试图像集，所述测试图像集包括多个测试图像，所述测试图像包括实际标签；所述测试图像输入所述分类模型进行分类，得到测试标签；根据所述测试标签与实际标签调整所述分类模型。在本专利技术的较佳实施例中，上述获取训练图像集的步骤，包括：获取至少一个地表的正射图像；拼接所述正射图像，得到原始彩色图像；根据所述原始彩色图像中的地物对象构建对应的标签图像；根据预设数目分割所述原始彩色图像和标签图像，得到预设数目的子图像，所有所述子图像形成训练数据集，所述训练数据集包括所述训练图像集和所述测试图像集。在本专利技术的较佳实施例中，上述训练数据集根据预设比例进行划分，得到所述训练图像集和所述测试图像集，所述训练图像集和测试图像集均包含有所述原始彩色图像和标签图像的子图像。在本专利技术的较佳实施例中，上述根据分类结果生成对应的地物对象标识图的步骤，包括：根据分类结果，对不同的地物对象的相应区域标识不同颜色。在本专利技术的较佳实施例中，上述构建反卷积层以及多层卷积层的步骤，包括：在所述图像处理设备的图形处理器上构建神经网络模型的卷积神经网络框架；在构建的所述卷积神经网络框架上，构建深层神经网络；采用FCN-Alexnet构建反卷积层以及多层卷积层。在本专利技术的较佳实施例中，上述根据所述待处理图像的光谱-纹理特征对所述待处理图像的各类地物对象进行分类的步骤，包括：根据RGB值与得到的所述特征图，计算每个像素属于各个的类别标签的正确率；选取正确率最大的标签作为地物对象的类别标签。就装置而言，本专利技术的较佳实施例提供一种彩色图像分类装置，应用于图像处理设备，所述图像处理设备包括分类模型，所述分类模型用于根据光谱-纹理特征对图像进行分类，所述彩色图像分类装置包括：获取单元，用于获得待处理图像，所述待处理图像包括遥感图像；分类单元，用于将所述待处理图像输入所述分类模型，根据所述待处理图像的光谱-纹理特征对所述待处理图像的各类地物对象进行分类，所述光谱-纹理特征包括RGB值、LBP特征；生成单元，用于根据分类结果生成对应的地物对象标识图。相对于现有技术而言，本专利技术提供的彩色图像分类方法及装置至少具有以下有益效果：该方法通过获得待处理图像，所述待处理图像包括遥感图像；将所述待处理图像输入所述分类模型，根据所述待处理图像的光谱-纹理特征对所述待处理图像的各类地物对象进行分类，所述光谱-纹理特征包括RGB值、LBP特征；根据分类结果生成对应的地物对象标识图，提高了对图像分类的效率及正确率。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举本专利技术较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术较佳实施例提供的图像处理设备的方框示意图。图2为本专利技术较佳实施例提供的彩色图像分类方法的流程示意图之一。图3为本专利技术较佳实施例提供的彩色图像分类方法的流程示意图之二。图4为本专利技术较佳实施例提供的彩色图像分类装置的方框示意图。图标：10-图像处理设备；11-处理器；12-存储器；13-显示单元；100-彩色图像分类装置；110-获取单元；120-分类单元；130-生成单元。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。下面结合附图，对本专利技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。请参照图1，是本专利技术较佳实施例提供的图像处理设备10的方框示意图。本专利技术提供的图像处理设备10可以对待处理图像中的各类地物对象进行分类。该图像处理设备10包括分类模型，所述分类模型用于根据光谱-纹理特征对图像进行分类。具体的，该图像处理设备10可以包括处理器11、存储器12、显示单元13以及彩色图像分类装置100。所述处理器11、存储器12、显示单元13以及彩色图像分类装置100各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。需要说明的是，所述待处理图像可以是由图像采集装置采集得到的遥感图像。该图像采集装置可以为摄像机、照相机等具有摄像头并可获取彩色图像的装置。其中，该遥感图像以是通过无人机上的摄像头拍摄地面而得到的彩色图像。图像处理设备10获取的待处理图像的方式可以是：图像本文档来自技高网...

【技术保护点】
1.一种彩色图像分类方法，其特征在于，应用于图像处理设备，所述图像处理设备包括分类模型，所述分类模型用于根据光谱‑纹理特征对图像进行分类，所述方法包括：获得待处理图像，所述待处理图像包括遥感图像；将所述待处理图像输入所述分类模型，根据所述待处理图像的光谱‑纹理特征对所述待处理图像的各类地物对象进行分类，所述光谱‑纹理特征包括RGB值、LBP特征；根据分类结果生成对应的地物对象标识图。

【技术特征摘要】
1.一种彩色图像分类方法，其特征在于，应用于图像处理设备，所述图像处理设备包括分类模型，所述分类模型用于根据光谱-纹理特征对图像进行分类，所述方法包括：获得待处理图像，所述待处理图像包括遥感图像；将所述待处理图像输入所述分类模型，根据所述待处理图像的光谱-纹理特征对所述待处理图像的各类地物对象进行分类，所述光谱-纹理特征包括RGB值、LBP特征；根据分类结果生成对应的地物对象标识图。2.根据权利要求1所述的方法，其特征在于，所述获得待处理图像的步骤之前，所述方法还包括：获取训练图像集，包括多个训练图像，所述训练图像包括对应的预设标签；使用所述训练图像集对所述分类模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述使用所述训练图像集对所述分类模型进行训练的步骤，包括：构建反卷积层以及多层卷积层，并输入所述训练图像集；所述训练图像经所述多层卷积层以及反卷积层运算处理，得到相应的特征图。4.根据权利要求3所述的方法，其特征在于，所述使用所述训练图像集对所述分类模型进行训练的步骤，还包括：获取测试图像集，所述测试图像集包括多个测试图像，所述测试图像包括实际标签；所述测试图像输入所述分类模型进行分类，得到测试标签；根据所述测试标签与实际标签调整所述分类模型。5.根据权利要求4所述的方法，其特征在于，所述获取训练图像集的步骤，包括：获取至少一个地表的正射图像；拼接所述正射图像，得到原始彩色图像；根据所述原始彩色图像中的地物对象构建对应的标签图像；根据预设数目分割所述原始彩色图像和标签图像，得到预设数目的子图像，所有所述子图像形...

【专利技术属性】
技术研发人员：刘俊杰，周东波，林晓龙，胡伟，
申请(专利权)人：国家统计局湖北调查总队，武汉思众空间信息科技有限公司，北京师范大学，
类型：发明
国别省市：湖北,42