【技术实现步骤摘要】
基于微块差异特征提取及SVM的图像分类方法及装置
[0001]本专利技术属于图像处理领域，尤其涉及一种基于微块差异特征提取(DenseMicro
‑
Block Difference，DMD)及SVM的图像分类方法及装置。
技术介绍
[0002]随着科学技术的进步，越来越多的数据进入我们的生活，如何对这些数据进行归类，快速有效的找到需要的信息和资源，已经成为迫切需要解决的问题。图像，作为一种重要的媒体形式，同时具有生动、具体、直观等特点。基于大型图像数据库的图像处理越来越受到人们的关注，而图像分类是图像处理的一个重要研究内容。随着对计算机认知科学和人工智能研究的不断深入，计算机视觉和图像处理等分支得到了长足的发展，计算机正在逐步感知周围的视觉世界，进而了解它的组成和变化规律的能力。
[0003]在人类的日常生活中，纹理特征无处不在。从天空到陆地，再到身边的书桌、墙面等都具有明显的纹理特征。纹理是图像的基本特征，是进行图像分析和图像处理的一个极其重要的信息资源。人类的认知系统对外部世界的感知也极大依赖于...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于微块差异特征提取及SVM的图像分类方法，其特征在于，所述方法包括以下步骤：步骤S101：使用高斯平滑滤波算法对原始图像数据集中的各图像进行去噪处理；步骤S102：基于同态滤波算法对去噪后的各图像进行增强处理，更新图像集；步骤S103：对图像集中的各图像提取微块的差异特征；所述微块为尺寸在9
×
9到15
×
15像素范围内的图像补丁；步骤S104：利用基于高斯核函数构建的支持向量机模型对所述图像集中的全部图像进行分类；步骤S105：判断分类结果是否满足预定要求，若满足，方法结束；否则，对增强后的图像集中得各图像减小微块的大小、增加微块数量，进入步骤S103。2.如权利要求1所述的基于微块差异特征提取及SVM的图像分类方法，其特征在于，所述步骤S102中同态滤波的步骤为：步骤S1021：对去噪后的各图像均取对数运算，使得各图像中照射强度与反射强度分离；令z(x,y)＝ln f(x,y)＝ln i(x,y)+ln r(x,y)
ꢀꢀꢀꢀꢀ
(公式1)其中，x、y分别像素点横、纵坐标，取对数后的图像定义为z(x,y)；步骤S1022：公式1左右两侧同时进行傅里叶变换，得到：Z(u,v)＝F
i
(u,v)+F
r
(u,v)其中，u、v分别像素点x、y傅里叶变换后的参数，Z(u,v)为z(u,y)傅里叶变换后的函数表达式，F
i
(u,v)为lni(x,y)傅里叶变换后的函数表达式，F
r
(u,v)为lnr(x,y)傅里叶变换后的函数表达式；步骤S1023：将经过傅里叶变换后的Z(u,v)输入到同态滤波器中，通过滤波函数H(u,v)进行滤波，得到滤波函数S(u,v)，其过程为：S(u,v)＝H(u,v)Z(u,v)＝H(u,v)F
i
(u,v)+H(u,v)F
r
(u,v)步骤S1024：对滤波函数S(u,v)进行傅里叶反变换可得s(x,y)：s(x,y)＝F
‑1(S(u,v))最后经过反对数运算得到最终所需的图像g(x,y)，其公式为：g(x,y)＝exp^(s(x,y))＝i
o
(x,y)*r
o
(x,y)其中，i
o
(x,y)为同态滤波后的照射强度，r
o
(x,y)为同态滤波后的反射强度。3.如权利要求2所述的基于微块差异特征提取及SVM的图像分类方法，其特征在于，所述步骤S103：对图像集中的各图像提取微块的差异特征，其中，对一张图像提取微块的差异特征的方法包括：对图像集中的任意一张图像，将图像划分为若干图像块，确定图像中的图像补丁，将尺寸在9
×
9到15
×
15像素范围内的图像补丁，确定为微块；对所述任意一张图像中的某一微块，该微块中随机选取两组采样点A{a1,a2,
…
a
n
},B{b1,b2,
…
b
n
}，该微块大小为S，a1,a2,
…
a
n
，b1,b2,
技术研发人员：张响云，井世丽，王禄禄，成妍妍，
申请(专利权)人：河北汉光重工有限责任公司，
类型：发明
国别省市：
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。