本发明专利技术涉及人工智能技术，揭露一种基于多特征融合的模型生成方法，包括：对待处理图像进行图像增强，得到训练图像；从特征提取方法集中逐个提取出目标特征提取方法，利用目标特征提取方法提取训练图像的目标图像特征；根据特征提取方法从分类模型的核函数库中选取目标核函数，利用目标核函数对目标图像特征进行高维映射，得到高维目标特征；将每种特征提取方法对应的高维目标特征进行特征融合，得到融合特征；利用分类模型对融合特征进行计算，得到预测分类结果，根据训练图像对应的真实分类结果及预测分类结果调整分类模型的参数，得到标准分类模型。本发明专利技术还提出一种基于多特征融合的模型生成装置、设备以及介质。本发明专利技术可以提高图像分类精度。提高图像分类精度。提高图像分类精度。
【技术实现步骤摘要】
基于多特征融合的模型生成方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于多特征融合的模型生成方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]在人工智能学习中，单一特征存在精度差，鲁棒性不强，无法应对复杂场景的缺点，在模型对训练数据分类的过程中，单一特征在使用支持向量机等训练模型时每次只能使用一种核去对特征向量做映射，若想获得更好的效果需要分多次使用不同的核进行训练，多特征可以实现互相弥补不同的特征的不足，增强精度和鲁棒性，应对复杂的场景。然而，在多特征融合过程中，将多个短特征变成一个长特征，再输入支持向量机中进行训练分类，其不足在于，在训练模型的过程中分类器并不知道上述特征的种类，如有些特征是线性可分的，有些特征是非线性可分的，这时使用某一种核直接将这些短特征进行融合，得到的融合特征不够准确，进而使得图像分类精度不够高。
技术实现思路
[0003]本专利技术提供一种基于多特征融合的模型生成方法、装置及计算机可读存储介质，其主要目的在于解决图像分类精度不够高的问题。
[0004]为实现上述目的，本专利技术提供的一种基于多特征融合的模型生成方法，包括：
[0005]获取待处理图像，对所述待处理图像进行图像增强，得到训练图像，并获取所述训练图像对应的真实分类结果；
[0006]从预设的特征提取方法集中逐个提取其中一种特征提取方法，作为目标特征提取方法，并利用所述目标特征提取方法提取所述训练图像的目标图像特征；
[0007]根据所述特征提取方法从预设分类模型的核函数库中选取目标核函数，利用所述目标核函数对所述目标图像特征进行高维映射，得到高维目标特征；
[0008]将所述特征提取方法集中每一种特征提取方法对应的高维目标特征进行特征融合，得到融合特征；
[0009]利用所述分类模型对所述融合特征进行计算，得到预测分类结果，根据所述真实分类结果及所述预测分类结果调整所述分类模型的参数，得到标准分类模型。
[0010]可选地，所述对所述待处理图像进行图像增强，得到训练图像，包括：
[0011]对所述待处理图像进行基础形状处理，得到第一增强图像；
[0012]对所述待处理图像进行色彩处理，得到第二增强图像；
[0013]对所述第一增强图像及所述第二增强图像进行去噪，得到训练图像。
[0014]可选地，所述对所述待处理图像进行色彩处理，得到第二增强图像，包括：
[0015]将使用RGB色彩模式表示的所述待处理图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值转换为使用HSI颜色空间表示的所述待处理图像的每个像素的色调值、色饱和度值以及亮度值；
[0016]对每个像素的所述色饱和度值进行增强处理，根据每个像素的所述亮度值、所述色调值以及预设亮度阈值计算每个像素的红色灰度值、蓝色灰度值以及绿色灰度值，得到第二增强图像。
[0017]可选地，所述对所述第一增强图像及所述第二增强图像进行去噪，得到训练图像，包括：
[0018]对所述待处理图像进行去均值和白化的预处理，得到第一处理图像；
[0019]根据MMI算法和所述第一处理图像，确定所述第一处理图像中各独立分量进行分离的分离矩阵；
[0020]根据所述分离矩阵对所述第一处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的第二处理图像；
[0021]基于预设的去除高斯噪声的算法对所述第二处理图像进行噪声去除，得到训练图像。
[0022]可选地，所述利用所述目标特征提取方法提取所述训练图像的目标图像特征，包括：
[0023]对所述训练图像进行灰度化，采用Gamma校正法对灰度化的图像进行颜色空间的标准化，得到标准图像；
[0024]将所述标准图像划分为预设个单元，并将每个所述单元中的每个像素用梯度方向在直方图中进行加权投影，得到每个单元的梯度方向直方图；
[0025]将预设数量的所述单元连接成区块，将所述区块中每个单元的所述梯度直方图归一化，得到区块特征；
[0026]将所述训练图像中的所有所述区块特征串联，得到所述目标图像特征。
[0027]可选地，所述利用所述目标特征提取方法提取所述训练图像的目标图像特征，包括：
[0028]将所述训练图像划分为多个预设大小的区域，根据所述区域中的每个像素以及所述像素相邻的预设数量的像素进行灰度值比较；
[0029]根据灰度值比较结果对每个像素值进行二进制标记，根据标记结果生成所述区域的特征值；
[0030]根据每个区域的所述特征值计算对应的直方图，并对所述直方图进行归一化处理；
[0031]将每个区域归一化处理后的直方图连接成一个特征向量，即得到所述训练图像的目标图像特征。
[0032]可选地，所述根据所述真实分类结果及所述预测分类结果调整所述分类模型的参数，得到标准分类模型，包括：
[0033]当所述真实分类结果与所述预测分类结果不相同时，提取所述分类模型中所有可调节参数，并根据所述可调节参数生成参数列表；
[0034]对所述参数列表中的参数进行组合及网格搜索，根据网格搜索结果确定目标参数组合以及拟合分数符合预设条件的目标超平面系数；
[0035]根据所述目标参数组合以及所述目标超平面系数更新所述分类模型的参数，得到标准分类模型。
[0036]为了解决上述问题，本专利技术还提供一种基于多特征融合的模型生成装置，所述装置包括：
[0037]训练图像生成模块，用于获取待处理图像，对所述待处理图像进行图像增强，得到训练图像，并获取所述训练图像对应的真实分类结果；
[0038]目标图像特征提取模块，用于从预设的特征提取方法集中逐个提取其中一种特征提取方法，作为目标特征提取方法，并利用所述目标特征提取方法提取所述训练图像的目标图像特征；
[0039]高维目标特征生成模块，用于根据所述特征提取方法从预设分类模型的核函数库中选取目标核函数，利用所述目标核函数对所述目标图像特征进行高维映射，得到高维目标特征；
[0040]融合特征生成模块，用于将所述特征提取方法集中每一种特征提取方法对应的高维目标特征进行特征融合，得到融合特征；
[0041]标准分类模型生成模块，用于利用所述分类模型对所述融合特征进行计算，得到预测分类结果，根据所述真实分类结果及所述预测分类结果调整所述分类模型的参数，得到标准分类模型。
[0042]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0043]至少一个处理器；以及，
[0044]与所述至少一个处理器通信连接的存储器；其中，
[0045]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于多特征融合的模型生成方法。
[0046]为了解决上述问题，本专利技术还提供一种计算机可读本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多特征融合的模型生成方法，其特征在于，所述方法包括：获取待处理图像，对所述待处理图像进行图像增强，得到训练图像，并获取所述训练图像对应的真实分类结果；从预设的特征提取方法集中逐个提取其中一种特征提取方法，作为目标特征提取方法，并利用所述目标特征提取方法提取所述训练图像的目标图像特征；根据所述特征提取方法从预设分类模型的核函数库中选取目标核函数，利用所述目标核函数对所述目标图像特征进行高维映射，得到高维目标特征；将所述特征提取方法集中每一种特征提取方法对应的高维目标特征进行特征融合，得到融合特征；利用所述分类模型对所述融合特征进行计算，得到预测分类结果，根据所述真实分类结果及所述预测分类结果调整所述分类模型的参数，得到标准分类模型。2.如权利要求1所述的基于多特征融合的模型生成方法，其特征在于，所述对所述待处理图像进行图像增强，得到训练图像，包括：对所述待处理图像进行基础形状处理，得到第一增强图像；对所述待处理图像进行色彩处理，得到第二增强图像；对所述第一增强图像及所述第二增强图像进行去噪，得到训练图像。3.如权利要求2所述的基于多特征融合的模型生成方法，其特征在于，所述对所述待处理图像进行色彩处理，得到第二增强图像，包括：将使用RGB色彩模式表示的所述待处理图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值转换为使用HSI颜色空间表示的所述待处理图像的每个像素的色调值、色饱和度值以及亮度值；对每个像素的所述色饱和度值进行增强处理，根据每个像素的所述亮度值、所述色调值以及预设亮度阈值计算每个像素的红色灰度值、蓝色灰度值以及绿色灰度值，得到第二增强图像。4.如权利要求2所述的基于多特征融合的模型生成方法，其特征在于，所述对所述第一增强图像及所述第二增强图像进行去噪，得到训练图像，包括：对所述待处理图像进行去均值和白化的预处理，得到第一处理图像；根据MMI算法和所述第一处理图像，确定所述第一处理图像中各独立分量进行分离的分离矩阵；根据所述分离矩阵对所述第一处理图像中的非高斯噪声进行分离，得到只包含高斯噪声的第二处理图像；基于预设的去除高斯噪声的算法对所述第二处理图像进行噪声去除，得到训练图像。5.如权利要求1所述的基于多特征融合的模型生成方法，其特征在于，所述利用所述目标特征提取方法提取所述训练图像的目标图像特征，包括：对所述训练图像进行灰度化，采用Gamma校正法对灰度化的图像进行颜色空间的标准化，得到标准图像；将所述标准图像划分为预设个单元，并将每个所述单元中的每个像素用梯度方向在直方图中进行加权投影，得到每个单元的梯度方向直方图；将预设数量的所述单元连接成区块，将所述区块中每个单元的所述梯度直方图归一
化，得到区块...
【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。