一种图像分类方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种图像分类方法，该方法包括：获取待分类的目标图像，对目标图像进行特征提取，获得N个不同的SIFT特征向量；其中N为正整数；获取初始聚类中心，并将N个SIFT特征向量和初始聚类中心发送给FPGA；接收FPGA返回的欧式距离计算结果，并利用欧式距离计算结果对N个SIFT特征向量进行聚类，获得聚类结果；将聚类结果作为视觉词典，并计算视觉词典的直方图向量；将直方图向量输入分类器中进行分类，获得目标图像的分类结果。该方法，可通过FPGA一次性计算出多个欧式距离，如此，便可缩短聚类处理速度，进一步加快图像分类速度。本发明专利技术还公开了一种图像分类装置、设备及可读存储介质，具有相应的技术效果。

An Image Classification Method, Device, Equipment and Readable Storage Media

The invention discloses an image classification method, which includes: acquiring the target image to be classified, extracting the features of the target image, and obtaining N different SIFT feature vectors; among them, N is a positive integer; acquiring the initial clustering center, and sending N SIFT feature vectors and initial clustering center to the FPGA; receiving the Euclidean distance calculation results returned by the FPGA, and utilizing the Euclidean distance. The clustering results are obtained by clustering N SIFT feature vectors. The clustering results are used as visual dictionary and the histogram vectors of the visual dictionary are calculated. The histogram vectors are input into the classifier to classify the target image. This method can calculate several Euclidean distances at one time through FPGA, so that the clustering processing speed can be shortened and the image classification speed can be further accelerated. The invention also discloses an image classification device, a device and a readable storage medium with corresponding technical effects.

【技术实现步骤摘要】
一种图像分类方法、装置、设备及可读存储介质
本专利技术涉及图像处理
，特别是涉及一种图像分类方法、装置、设备及可读存储介质。
技术介绍
随着计算机技术和图像采集手段的不断发展，生成了大规模的数字图像数据。图像分类技术利用计算机对图像进行自动化分析和归类，是当前计算机领域的研究热点之一。其中，视觉词典(BoVW，BagofVisualWords)是一种常用的图像表示方法，在图像分类算法中应用广泛。由于图像分类算法中BoVW所依赖的传统文件系统和处理架构无法适应大规模数字图像，如在将特征向量进行聚类，以获得视觉词典的过程中，无法快速进行聚类运算。进而导致图像分类处理耗时较长，无法适应实时且大规模的图像分类处理应用场景。综上所述，如何有效地解决图像分类处理耗时较长等问题，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种图像分类方法、装置、设备及可读存储介质，以实现提高图像分类处理速度。为解决上述技术问题，本专利技术提供如下技术方案：一种图像分类方法，包括：获取待分类的目标图像，对所述目标图像进行特征提取，获得N个不同的SIFT特征向量；其中N为正整数；获本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，包括：获取待分类的目标图像，对所述目标图像进行特征提取，获得N个不同的SIFT特征向量；其中N为正整数；获取初始聚类中心，并将N个所述SIFT特征向量和所述初始聚类中心发送给FPGA；接收所述FPGA返回的欧式距离计算结果，并利用所述欧式距离计算结果对N个所述SIFT特征向量进行聚类，获得聚类结果；将所述聚类结果作为视觉词典，并计算所述视觉词典的直方图向量；将所述直方图向量输入分类器中进行分类，获得所述目标图像的分类结果。

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：获取待分类的目标图像，对所述目标图像进行特征提取，获得N个不同的SIFT特征向量；其中N为正整数；获取初始聚类中心，并将N个所述SIFT特征向量和所述初始聚类中心发送给FPGA；接收所述FPGA返回的欧式距离计算结果，并利用所述欧式距离计算结果对N个所述SIFT特征向量进行聚类，获得聚类结果；将所述聚类结果作为视觉词典，并计算所述视觉词典的直方图向量；将所述直方图向量输入分类器中进行分类，获得所述目标图像的分类结果。2.根据权利要求1所述的图像分类方法，其特征在于，所述获取初始聚类中心，并将N个所述SIFT特征向量和所述初始聚类中心发送给FPGA，包括：获取所述初始聚类中心，将所述初始聚类中心和N个所述SIFT特征向量通过buffer写入所述FPGA。3.根据权利要求2所述的图像分类方法，其特征在于，在所述FPGA接收到所述初始聚类中心和N个所述SIFT特征向量时，包括：所述FPGA并行计算每一对所述初始聚类中心与所述SIFT特征向量的欧式距离，并将计算得到的欧式距离写入所述buffer。4.根据权利要求3所述的图像分类方法，其特征在于，所述利用所述欧式距离计算结果对N个所述SIFT特征向量进行聚类，获得聚类结果，包括：利用所述欧式距离计算结果对N各所述SIFT特征向量进行距离，获得新聚类中心；计算所述新聚类中心与所述初始距离中心的目标距离；判断所述目标距离是否小于阈值；如果是，则将所述新聚类中心作为聚类结果；如果否，则将所述初始聚类中心更新为所述新聚类中心，并重复执行所述获取初始聚类中心，并将N个所述SIFT特征向量和所述初始聚类中心发送给FPGA的步骤。5.根据权利要求4所述的图像分类方法，其特征在于，将所述新聚类中心作为...

【专利技术属性】
技术研发人员：高开，
申请(专利权)人：广东浪潮大数据研究有限公司，
类型：发明
国别省市：广东,44