一种图像分类的方法、装置和存储介质制造方法及图纸

本申请公开了一种图像分类的方法、装置和存储介质，具体为获取以微波遥感方式采集的待分类图像，从中提取第一图像特征和第二图像特征，分别输入预先训练的分类器中，获取分类器根据第一图像特征输出的第一分类标签集和根据第二图像特征输出的第二分类标签集，对待分类图像进行超像素块分割，确定第一分类标签集与第二分类标签集在至少一个超像素块内的标签重合度，当任一个超像素块内的标签重合度小于预设阈值时，从第一分类标签集中选取落入在该超像素块内的至少一个第一分类标签，反之，从第二分类标签集中选取至少一个第二分类标签。本申请实施例通过在每个超像素块根据标签重合度选取更为准确的分类标签，提升了待分类图像进行分类的精准度。

A method, device and storage medium of image classification

【技术实现步骤摘要】
一种图像分类的方法、装置和存储介质
本申请涉及计算机
，尤其涉及一种图像分类的方法、装置和存储介质。
技术介绍
合成孔径雷达(SyntheticApertureRadar，SAR)是一种高分辨率成像雷达，可以在能见度极低的气象条件下得到类似光学照相的高分辨雷达图像。利用雷达与目标的相对运动把尺寸较小的真实天线孔径用图像分类的方法合成较大的等效天线孔径的雷达，也称综合孔径雷达。合成孔径雷达的特点是分辨率高，能全天候工作，能有效地识别伪装和穿透掩盖物。所得到的高方位分辨力相当于一个大孔径天线所能提供的方位分辨力。通过合成孔径雷达获取的信息已经被应用于城市规划、覆被分类、灾害预防、环境风险评估、城市检测与提取等许多方面。由于对高分辨率的SAR图像进行处理时，随着分辨率的提升，SAR图像的纹理边缘特征趋于消失，强反射占据主导地位，出现高动态和乘性噪声等一系列问题。针对上述问题，目前常用的针对SAR图像进行地物分类的方法一般会基于区域块分类，传统方法一般分两个步骤：特征提取、分类器分类。特征提取常用方法有Gabor特征提取、灰度共生矩阵(Gray-LevelCo-occurrenceMatrix，GLCM)进行灰度直方图特征提取、多尺度局部模式直方图(Multilevellocalpatternhistogram，MLPH)特征提取等等。其中采用Gabor特征提取和GLCM灰度直方图特征提取的分类方法中对噪点的控制效果较差，采用MLPH多尺度局部模式直方图特征方法提取的边界的分类效果较差。因此，SAR中地物分类的精准度较低。
技术实现思路
本申请实施例提供了一种图像分类的方法，克服了微波遥感方式采集到的待分类图像进行分类时精准度较低的问题。该方法包括：获取以微波遥感方式采集到的待分类图像；从所述待分类图像中提取特征类别不同的第一图像特征和第二图像特征；将所述第一图像特征和所述第二图像特征分别输入预先训练的分类器中；获取所述分类器根据所述第一图像特征输出的第一分类标签集、以及根据所述第二图像特征输出的第二分类标签集；对所述待分类图像进行超像素块分割；确定所述第一分类标签集与所述第二分类标签集在至少一个所述超像素块内的标签重合度；当任一个所述超像素块内的所述标签重合度小于预设阈值时，从所述第一分类标签集中选取落入在该所述超像素块内的至少一个第一分类标签；当任一个所述超像素块内的所述标签重合度大于或等于所述预设阈值时，从所述第二分类标签集中选取落入在该所述超像素块内的至少一个第二分类标签。可选地，确定所述待分类图像的图像边界，并围绕所述图像边界进行边界扩展；将经过所述边界扩展的所述待分类图像划分为多个图像块，其中，相邻的所述图像块之间的部分像素点重合。可选地，分别提取所述图像块中包含的至少一个所述像素点的图像纹理特征和图像灰度特征，并将同一个所述像素点上的所述图像纹理特征和图像灰度特征矢量叠加，作为该所述像素点的所述第一图像特征；分别计算在多个不同像素点的幅度值下的所述图像块中包含的至少一个所述像素点的局部直方图特征，并联合多个所述局部直方图特征以生成多尺度局部直方图特征，作为该所述像素点的所述第二图像特征。可选地，通过第一滤波器对所述待分类图像中的至少一个所述图像块进行滤波，并在所述图像块中提取至少一个所述像素点的所述图像纹理特征，其中，所述图像纹理特征包括所述待分类图像中包含的所述像素点的均值和方差；生成所述待分类图像的各个所述图像块的灰度共生矩阵，并根据所述灰度共生矩阵计算所述图像块的所述图像灰度特征，其中，所述图像灰度特征包括所述待分类图像中包含的所述像素点的均值、熵、对比度、方差和角二阶距。可选地，在所述超像素块内计算所述第一分类标签集与所述第二分类标签集的相关系数，并将所述相关系数作为在该超像素块内的所述标签重合度。可选地，统计第一分类标签集中包含的各个标签类型在所述超像素块内所占的数量，并将所述数量最多的所述标签类型作为该所述超像素块的所述第一分类标签。可选地，统计第二分类标签集中包含的各个标签类型在所述超像素块内所占的数量，并将所述数量最多的所述标签类型作为该所述超像素块的所述第二分类标签。在本专利技术的另一个实施例中，提供了一种图像分类的装置，该装置包括：第一获取模块，用于获取以微波遥感方式采集到的待分类图像；提取模块，用于从所述待分类图像中提取特征类别不同的第一图像特征和第二图像特征；输入模块，用于将所述第一图像特征和所述第二图像特征分别输入预先训练的分类器中；第二获取模块，用于获取所述分类器根据所述第一图像特征输出的第一分类标签集、以及根据所述第二图像特征输出的第二分类标签集；分割模块，用于对所述待分类图像进行超像素块分割；第一确定模块，用于确定所述第一分类标签集与所述第二分类标签集在至少一个所述超像素块内的标签重合度；第一选取模块，用于当任一个所述超像素块内的所述标签重合度小于预设阈值时，从所述第一分类标签集中选取落入在该所述超像素块内的至少一个第一分类标签；第二选取模块，用于当任一个所述超像素块内的所述标签重合度大于或等于所述预设阈值时，从所述第二分类标签集中选取落入在该所述超像素块内的至少一个第二分类标签。可选地，所述装置还包括:第二确定模块，用于确定所述待分类图像的图像边界，并围绕所述图像边界进行边界扩展；划分模块，用于将经过所述边界扩展的所述待分类图像划分为多个图像块，其中，相邻的所述图像块之间的部分像素点重合。可选地，所述提取模块包括：第一提取单元，用于分别提取所述图像块中包含的至少一个所述像素点的图像纹理特征和图像灰度特征，并将同一个所述像素点上的所述图像纹理特征和图像灰度特征矢量叠加，作为该所述像素点的所述第一图像特征；第二提取单元，用于分别计算在多个不同像素点的幅度值下的所述图像块中包含的至少一个所述像素点的局部直方图特征，并联合多个所述局部直方图特征以生成多尺度局部直方图特征，作为该所述像素点的所述第二图像特征。可选地，第一提取单元包括：第一提取子单元，用于通过第一滤波器对所述待分类图像中的至少一个所述图像块进行滤波，并在所述图像块中提取至少一个所述像素点的所述图像纹理特征，其中，所述图像纹理特征包括所述待分类图像中包含的所述像素点的均值和方差；第二提取子单元，用于生成所述待分类图像的各个所述图像块的灰度共生矩阵，并根据所述灰度共生矩阵计算所述图像块的所述图像灰度特征，其中，所述图像灰度特征包括所述待分类图像中包含的所述像素点的均值、熵、对比度、方差和角二阶距。可选地，第一确定模块还用于：在所述超像素块内计算所述第一分类标签集与所述第二分类标签集的相关系数，并将所述相关系数作为在该超像素块内的所述标签重合度。可选地，第一选取模块还用于：统计第一分类标签集中包含的各个标签类型在所述本文档来自技高网...

【技术保护点】
1.一种图像分类的方法，其特征在于，包括：/n获取以微波遥感方式采集到的待分类图像；/n从所述待分类图像中提取特征类别不同的第一图像特征和第二图像特征；/n将所述第一图像特征和所述第二图像特征分别输入预先训练的分类器中；/n获取所述分类器根据所述第一图像特征输出的第一分类标签集、以及根据所述第二图像特征输出的第二分类标签集；/n对所述待分类图像进行超像素块分割；/n确定所述第一分类标签集与所述第二分类标签集在至少一个所述超像素块内的标签重合度；/n当任一个所述超像素块内的所述标签重合度小于预设阈值时，从所述第一分类标签集中选取落入在该所述超像素块内的至少一个第一分类标签；/n当任一个所述超像素块内的所述标签重合度大于或等于所述预设阈值时，从所述第二分类标签集中选取落入在该所述超像素块内的至少一个第二分类标签。/n

【技术特征摘要】
1.一种图像分类的方法，其特征在于，包括：
获取以微波遥感方式采集到的待分类图像；
从所述待分类图像中提取特征类别不同的第一图像特征和第二图像特征；
将所述第一图像特征和所述第二图像特征分别输入预先训练的分类器中；
获取所述分类器根据所述第一图像特征输出的第一分类标签集、以及根据所述第二图像特征输出的第二分类标签集；
对所述待分类图像进行超像素块分割；
确定所述第一分类标签集与所述第二分类标签集在至少一个所述超像素块内的标签重合度；
当任一个所述超像素块内的所述标签重合度小于预设阈值时，从所述第一分类标签集中选取落入在该所述超像素块内的至少一个第一分类标签；
当任一个所述超像素块内的所述标签重合度大于或等于所述预设阈值时，从所述第二分类标签集中选取落入在该所述超像素块内的至少一个第二分类标签。


2.根据权利要求1所述的方法，其特征在于，所述获取以微波遥感方式采集到的待分类图像的步骤和所述从所述待分类图像中提取特征类别不同的第一图像特征和第二图像特征的步骤之间，所述方法进一步包括：
确定所述待分类图像的图像边界，并围绕所述图像边界进行边界扩展；
将经过所述边界扩展的所述待分类图像划分为多个图像块，其中，相邻的所述图像块之间的部分像素点重合。


3.根据权利要求2所述的方法，其特征在于，所述从所述待分类图像中提取特征类别不同的第一图像特征和第二图像特征的步骤包括：
分别提取所述图像块中包含的至少一个所述像素点的图像纹理特征和图像灰度特征，并将同一个所述像素点上的所述图像纹理特征和图像灰度特征矢量叠加，作为该所述像素点的所述第一图像特征；
分别计算在多个不同像素点的幅度值下的所述图像块中包含的至少一个所述像素点的局部直方图特征，并联合多个所述局部直方图特征以生成多尺度局部直方图特征，作为该所述像素点的所述第二图像特征。


4.根据权利要求3所述的方法，其特征在于，所述分别提取所述图像块中包含的至少一个所述像素点的图像纹理特征和图像灰度特征的步骤包括：
通过第一滤波器对所述待分类图像中的至少一个所述图像块进行滤波，并在所述图像块中提取至少一个所述像素点的所述图像纹理特征，其中，所述图像纹理特征包括所述待分类图像中包含的所述像素点的均值和方差；
生成所述待分类图像的各个所述图像块的灰度共生矩阵，并根据所述灰度共生矩阵计算所述图像块的所述图像灰度特征，其中，所述图像灰度特征包括所述待分类图像中包含的所述像素点的均...

【专利技术属性】
技术研发人员：李琳，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12