图像分类方法、图像分类装置、电子设备及存储介质制造方法及图纸

本申请公开了一种图像分类方法、图像分类装置、电子设备及存储介质，属于计算机处理技术领域。方法包括：将待分类的目标图像分割成多个目标图像块；基于多个目标图像块之间的关联关系，将多个目标图像块合并成至少两个目标图像区域，目标图像区域包括至少一个目标图像块；确定各个目标图像区域的图像特征；基于各个目标图像区域的图像特征确定目标图像的类别。实现了综合目标图像块之间的关联关系确定目标图像的类别，提高了图像分类结果的准确性，且将多个目标图像块合并成至少两个目标图像区域，降低了数量，提高了图像分类处理的效率。率。率。

【技术实现步骤摘要】
图像分类方法、图像分类装置、电子设备及存储介质


[0001]本申请实施例涉及计算机处理
，特别涉及一种图像分类方法、图像分类装置、电子设备及存储介质。

技术介绍

[0002]在计算机处理
中，图像是一种常用的信息载体，可以利用图像分类技术对图像进行分类处理。图像分类技术是一种根据图像信息所反映的特征，来确定图像的类别或者图像中对象的类别的技术。
[0003]相关技术中，存在一些超大尺寸的图像，例如遥感图像、全切片图像(Whole Slide Image，WSI)等，这些图像的尺寸通常是大于或者等于10000像素乘以10000像素。由于计算机的计算资源是有限的，因此，对于超大尺寸的图像，需要将图像分割成多个相同尺寸的图像块，并确定各个图像块的图像特征。对于每一个图像块，基于该图像块的图像特征对该图像块进行分析处理，得到该图像块的分析处理结果。之后，基于各个图像块的分析处理结果确定图像的类别。
[0004]上述技术是对各个图像块分别独立的进行分析处理，影响了图像分类结果的准确性，且图像块的数量较多，会降低图像分类处理的效率。

技术实现思路

[0005]本申请实施例提供了一种图像分类方法、图像分类装置、电子设备及存储介质，可用于解决相关技术中图像分类结果的准确性较低且图像分类处理的效率较低的问题，所述技术方案包括如下内容。
[0006]一方面，本申请实施例提供了一种图像分类方法，所述方法包括：
[0007]将待分类的目标图像分割成多个目标图像块；
[0008]基于所述多个目标图像块之间的关联关系，将所述多个目标图像块合并成至少两个目标图像区域，所述目标图像区域包括至少一个目标图像块；
[0009]确定各个目标图像区域的图像特征；
[0010]基于所述各个目标图像区域的图像特征确定所述目标图像的类别。
[0011]另一方面，本申请实施例提供了一种图像分类装置，所述装置包括：
[0012]分割模块，用于将待分类的目标图像分割成多个目标图像块；
[0013]合并模块，用于基于所述多个目标图像块之间的关联关系，将所述多个目标图像块合并成至少两个目标图像区域，所述目标图像区域包括至少一个目标图像块；
[0014]确定模块，用于确定各个目标图像区域的图像特征；
[0015]所述确定模块，还用于基于所述各个目标图像区域的图像特征确定所述目标图像的类别。
[0016]在一种可能的实现方式中，所述合并模块，用于确定各个目标图像块在所述目标图像的位置；基于所述各个目标图像块在所述目标图像的位置和数量阈值，将所述多个目
标图像块合并成至少两个目标图像区域，所述目标图像区域包括的目标图像块的数量小于或者等于所述数量阈值，且所述目标图像区域包括的任两个目标图像块在所述目标图像的位置相邻。
[0017]在一种可能的实现方式中，所述合并模块，用于确定各个目标图像块的类别；对于任两个目标图像块，若所述任两个目标图像块的类别相同，则将所述任两个目标图像块合并在一个目标图像区域；若所述任两个目标图像块的类别不同，则将所述任两个目标图像块合并在两个目标图像区域。
[0018]在一种可能的实现方式中，所述合并模块，用于获取所述各个目标图像块的图像特征，任一个目标图像块的图像特征用于描述所述任一个目标图像块的纹理信息；基于所述各个目标图像块的图像特征确定所述各个目标图像块的类别。
[0019]在一种可能的实现方式中，所述装置还包括：
[0020]所述分割模块，还用于将样本图像分割成多个样本图像块；
[0021]获取模块，用于根据所述多个样本图像块获取目标特征提取网络；
[0022]所述合并模块，用于基于所述目标特征提取网络获取所述各个目标图像块的图像特征。
[0023]在一种可能的实现方式中，所述获取模块，用于对各个样本图像块进行第一数据增强处理，得到各个第一数据增强处理后的样本图像块；对所述各个样本图像块进行第二数据增强处理，得到各个第二数据增强处理后的样本图像块；基于初始特征提取网络获取所述各个第一数据增强处理后的样本图像块的图像特征和所述各个第二数据增强处理后的样本图像块的图像特征；基于所述各个第一数据增强处理后的样本图像块的图像特征和所述各个第二数据增强处理后的样本图像块的图像特征，对所述初始特征提取网络进行调整，得到所述目标特征提取网络。
[0024]在一种可能的实现方式中，所述合并模块，用于对于任一个目标图像块，根据所述任一个目标图像块中各个像素点的像素信息，计算所述任一个目标图像块的颜色直方图或者方向梯度直方图，得到所述任一个目标图像块的图像特征。
[0025]在一种可能的实现方式中，所述装置还包括：
[0026]获取模块，用于获取多个样本图像块的图像特征；根据各个样本图像块的图像特征获取第一目标分类网络；
[0027]所述合并模块，用于将所述各个目标图像块的图像特征输入所述第一目标分类网络，得到所述各个目标图像块的类别。
[0028]在一种可能的实现方式中，所述获取模块，用于根据所述各个样本图像块的图像特征，对所述多个样本图像块进行聚类处理，得到所述各个样本图像块的第一类别；将所述各个样本图像块的图像特征输入第一初始分类网络，得到所述各个样本图像块的第二类别；根据所述各个样本图像块的第一类别和所述各个样本图像块的第二类别，对所述第一初始分类网络进行调整，得到所述第一目标分类网络。
[0029]在一种可能的实现方式中，所述合并模块，用于根据所述各个目标图像块的图像特征，对所述多个目标图像块进行聚类处理，得到所述各个目标图像块的类别。
[0030]在一种可能的实现方式中，所述合并模块，用于获取多个候选类别数量的聚类指标，任一个候选类别数量的聚类指标用于表征将所述多个目标图像块聚类成所述任一个候
选类别数量个类别的准确性；从所述多个候选类别数量中选择最大聚类指标对应的目标类别数量；根据所述各个目标图像块的图像特征，将所述多个目标图像块聚类成所述目标类别数量个类别，得到所述各个目标图像块的类别。
[0031]在一种可能的实现方式中，所述合并模块，用于确定各个目标图像块在所述目标图像的位置和所述各个目标图像块的类别；对于任两个目标图像块，若所述任两个目标图像块的类别相同且所述任两个目标图像块在所述目标图像的位置相邻，则将所述任两个目标图像块合并在一个目标图像区域；若所述任两个目标图像块的类别不同，或者所述任两个目标图像块在所述目标图像的位置不相邻，或者所述任两个目标图像块的类别不同且所述任两个目标图像块在所述目标图像的位置不相邻，则将所述任两个目标图像块合并在两个目标图像区域。
[0032]在一种可能的实现方式中，所述确定模块，用于对于任一个目标图像区域，获取所述任一个目标图像区域中各个目标图像块的图像特征、类别和尺寸信息中的至少一项；基于所述任一个目标图像区域中各个目标图像块的图像特征、类别和尺寸信息中的至少一项，确本文档来自技高网...

【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，所述方法包括：将待分类的目标图像分割成多个目标图像块；基于所述多个目标图像块之间的关联关系，将所述多个目标图像块合并成至少两个目标图像区域，所述目标图像区域包括至少一个目标图像块；确定各个目标图像区域的图像特征；基于所述各个目标图像区域的图像特征确定所述目标图像的类别。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个目标图像块之间的关联关系，将所述多个目标图像块合并成至少两个目标图像区域，包括：确定各个目标图像块在所述目标图像的位置；基于所述各个目标图像块在所述目标图像的位置和数量阈值，将所述多个目标图像块合并成至少两个目标图像区域，所述目标图像区域包括的目标图像块的数量小于或者等于所述数量阈值，且所述目标图像区域包括的任两个目标图像块在所述目标图像的位置相邻。3.根据权利要求1所述的方法，其特征在于，所述基于所述多个目标图像块之间的关联关系，将所述多个目标图像块合并成至少两个目标图像区域，包括：确定各个目标图像块的类别；对于任两个目标图像块，若所述任两个目标图像块的类别相同，则将所述任两个目标图像块合并在一个目标图像区域；若所述任两个目标图像块的类别不同，则将所述任两个目标图像块合并在两个目标图像区域。4.根据权利要求3所述的方法，其特征在于，所述确定各个目标图像块的类别，包括：获取所述各个目标图像块的图像特征，任一个目标图像块的图像特征用于描述所述任一个目标图像块的纹理信息；基于所述各个目标图像块的图像特征确定所述各个目标图像块的类别。5.根据权利要求4所述的方法，其特征在于，所述获取所述各个目标图像块的图像特征之前，还包括：将样本图像分割成多个样本图像块；根据所述多个样本图像块获取目标特征提取网络；所述获取所述各个目标图像块的图像特征，包括：基于所述目标特征提取网络获取所述各个目标图像块的图像特征。6.根据权利要求5所述的方法，其特征在于，所述根据所述多个样本图像块获取目标特征提取网络，包括：对各个样本图像块进行第一数据增强处理，得到各个第一数据增强处理后的样本图像块；对所述各个样本图像块进行第二数据增强处理，得到各个第二数据增强处理后的样本图像块；基于初始特征提取网络获取所述各个第一数据增强处理后的样本图像块的图像特征和所述各个第二数据增强处理后的样本图像块的图像特征；基于所述各个第一数据增强处理后的样本图像块的图像特征和所述各个第二数据增
强处理后的样本图像块的图像特征，对所述初始特征提取网络进行调整，得到所述目标特征提取网络。7.根据权利要求4所述的方法，其特征在于，所述获取所述各个目标图像块的图像特征，包括：对于任一个目标图像块，根据所述任一个目标图像块中各个像素点的像素信息，计算所述任一个目标图像块的颜色直方图或者方向梯度直方图，得到所述任一个目标图像块的图像特征。8.根据权利要求4所述的方法，特征在于，所述基于所述各个目标图像块的图像特征确定所述各个目标图像块的类别之前，还包括：获取多个样本图像块的图像特征；根据各个样本图像块的图像特征获取第一目标分类网络；所述基于所述各个目标图像块的图像特征确定所述各个目标图像块的类别，包括：将所述各个目标图像块的图像特征输入所述第一目标分类网络，得到所述各个目标图像块的类别。9.根据权利要求8所述的方法，其特征在于，所述根据各个样本图像块的图像特征获取第一目标分类网络，包括：根据所述各个样本图像块的图像特征，对所述多个样本图像块进行聚类处理，得到所述各个样本图像块的第一类别；将所述各个样本图像块的图像特征输入第一初始分类网络，得到所述各个样本图像块的第二类别；根据所述各个样本图像块的第一类别和所述各个样本图像块的第二类别，对所述第一初始分类网络进行调整，得到所述第一目标分类网络。10.根据权利要求4所述的方法，特征在于，所述基于所述各个目标图像块的图像特征确定所述各个目标图像块的类别，包括：根据所述各个目标图像块的图像特征，对所述多个目标图像块进行聚类处理，得到所述各个目标图像块的类别。11.根据权利要求10所述的方法，其特征在于，所述根据所述各个目标图像块的图像特征，对所述多个目标图...

【专利技术属性】
技术研发人员：严江鹏，姚建华，程树群，王康，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：