【技术实现步骤摘要】
一种图像分类方法、装置、计算机设备及存储介质
[0001]本申请涉及图像分类
，尤其涉及一种图像分类方法、装置、计算机设备及存储介质。
技术介绍
[0002]在瓷片分类、木材分类等传统图像分类领域，由于采集大量样本十分困难，而且也没有大量人力财力的支持，在这种小样本、低成本的场景下，想要快速、准确的得到分类结果，那么传统的机器学习的分类方法就成为首选。目前在利用机器学习算法对图像进行分类，比如对纹理图像进行分类时，最常使用的特征提取方法包括GLCM、LBP、HOG等方法。然而，专利技术人经实验发现，通过这些算法提取的特征的准确度不是很高，这就导致图像分类准确度也不是很高。
技术实现思路
[0003]本申请实施例提供了一种图像分类方法、装置、设备及存储介质，可以提升图像分类准确度。
[0004]一方面，本申请实施例提供了一种图像分类方法，包括：
[0005]获取第一图像集；
[0006]对所述第一图像集包括的每一张图像进行预处理，得到第二图像集；
[0007]对所述第二图像...
【技术保护点】
【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：获取第一图像集；对所述第一图像集包括的每一张图像进行预处理，得到第二图像集；对所述第二图像集包括的每一张图像进行灰度级压缩，得到第三图像集；利用预设的领域结构遍历所述第三图像集中每一张图像，得到所述第三图像集中每一张图像对应的特征矩阵，所述领域结构由一个中心点以及所述中心点对应的多个相邻点构成；对所述第三图像集中每一张图像对应的特征矩阵进行转换，得到所述第三图像集中每一张图像对应的纹理特征；利用所述第三图像集中每一张图像对应的纹理特征对初始的深度学习模型进行训练，得到图像分类模型；利用所述图像分类模型进行图像分类。2.根据权利要求1所述的方法，其特征在于，所述第三图像集包括图像i，图像i为所述第三图像集中的任一图像，所述利用预设的领域结构遍历所述第三图像集中每一张图像，得到所述第三图像集中每一张图像对应的特征矩阵，包括：利用所述领域结构开始对所述图像i进行第一次遍历；获得所述领域结构所在的第一像素区域包括的每一个像素的灰度级；利用所述第一像素区域中每一个像素的灰度级组成第一组灰度级对；对于第一组灰度级对包括的每一个灰度级对，所述灰度级对包括的其中一个灰度级，为所述领域结构的中心点在所述第一像素区域对应的像素的灰度级，所述灰度级对包括的另一个灰度级，为所述领域结构包括的所述中心点对应的一个相邻点在所述第一像素区域对应的像素的灰度级；统计预设的第一灰度级对在所述第一组灰度级对中的数量；获得所述领域结构第k次移动至的像素区域包括的每一个像素的灰度级，所述k依次取2至移动次数上限之间的数值；利用所述第k次移动至的像素区域包括的每一个像素的灰度级组成第k+1组灰度级对；统计所述第一灰度级对在所述第k+1组灰度级对中的数量；对所述第一灰度级对在k+1组灰度级对包括的每一组灰度级对中的数量进行累加处理，得到累加结果以作为所述第一灰度级对的数量；利用所述领域结构对所述图像i开始第2次至第j次遍历，直到得到预设的第二灰度级对
‑
预设的第j灰度级对中每一个灰度级对的数量；获得所述图像i对应的特征矩阵，所述特征矩阵包括所述第一灰度级对至所述第j灰度级对中每一个灰度级对的数量。3.根据权利要求1所述的方法，其特征在于，所述对所述第三图像集中每一张图像对应的特征矩阵进行转换，得到所述第三图像集中每一张图像对应的特征向量，包括：对所述第三图像集中每一张图像对应的特征矩阵进行降维，得到所述第三图像集中每一张图像对应的降维后的特征矩阵；对所述第三图像集中每一张图像对应的降维后的特征矩阵中的各个元素进行串联，得到所述第三图像集中每一张图像对应的特征向量。
4.根据权利要求3所述的方法，其特征在于，所述对所述第三图像集中每一张图像对应的特征矩阵进行降维，得到所述第三图像集中每一张图像对应的降维后的特征矩阵，包括：确定对所述第三图像集中每一张图像对应的特征矩阵所包括的至少一个目标元素对；所述目标元素对包括的一个元素的行标号与所述目标元素对包括的另一个元素的列标号相同，所述一个元素的列标号与所述另一个元素的行标号相同；计算所述目标元素对包括的两个元素之间的和；构建包括计算出的所述目标元素对包括的两个元素之间的和的特征矩阵。...
【专利技术属性】
技术研发人员：韩金城，
申请(专利权)人：平安普惠企业管理有限公司，
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。