一种针对小样本以及高维图像的分类方法技术

本发明专利技术公开了一种针对小样本以及高维图像的分类方法，包括以下步骤：（1）获得第一分类规则；（2）对图像一级分类；（3）获得第二分类规则；（4）对图像二级分类；（5）获得第三分类规则；（6）对图像三级分类，得出分类结果。本发明专利技术提供的方法结合工业生产的特点，该方法中的一级图像分类具有较强的人工可控性，同时也结合了流形降维方法与支持向量机的优势，适合于高维、小样本图像的分类，通过组合图像类型直接表达方法、流形降维方法与支持向量机分类方法以及基于位置特征和质心特征的树状拓扑结构分类方法，建立三级图像分类方法，三级图像分类器之间数据传输量少，不影响效率，且本发明专利技术的方法操作简单，算法衔接良好，输入参量少。

【技术实现步骤摘要】

本专利技术涉及一种图像的分类方法，特别是。
技术介绍
图像分类方法是根据各自在图像信息中所反映的不同特征，把不同类别的目标区 分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元 或区域划归为若干个类别中的某一种，以代替人的视觉判读。图像分类方法经过多年的发 展，已经被应用到各个领域当中，例如地理信息分类、钢铁表面缺陷识别、织物表面缺陷识 别、木材表面缺陷识别、农产品分类识别等领域，但在工业图像分类领域，例如带钢表面缺 陷图像识别，已有的方法却存在如下缺陷(I)针对高维图像分类效果不理想；(2)训练样 本相对于待分类图像为小样本时分类率不高；(3)输入参量复杂，不同的参数严重影响识 别效果，同时引起调试和维护的困难。因此，有效提高图像分类的效果，这将产生十分积极 的市场效应和巨大的应用价值。
技术实现思路
为了解决现有技术的不足，本专利技术提供了一种输入参量少，针对小样本以及高维 图像的分类方法。本专利技术解决其技术问题所采用的技术方案是，包括以下步骤(I)获得第一分类规则选取图像作为训练集，对训练集进行图像特征提取处理， 图像特征包括形状特征、颜色特征、位置本文档来自技高网...

【技术保护点】
一种针对小样本以及高维图像的分类方法，其特征在于包括以下步骤：（1）获得第一分类规则：选取图像作为训练集，对训练集进行图像特征提取处理，图像特征包括形状特征、颜色特征、位置特征和质心特征，然后使处理后的训练集进入一级分类器，得出第一分类规则，所述一级分类器采用特征描述方法来设计，第一分类规则采用专家经验决策对图像类型的理解，通过特征描述决策来表达图像类型；（2）对图像一级分类：选取图像作为测试集，对测试集进行图像特征提取处理，图像特征包括形状特征、颜色特征、位置特征和质心特征，然后将处理后的测试集通过第一分类规则，得出可分类图像和不可分类图像两种类型图像；（3）获得第二分类规则：对训练集进行图...

【技术特征摘要】
1.一种针对小样本以及高维图像的分类方法，其特征在于包括以下步骤(1)获得第一分类规则选取图像作为训练集，对训练集进行图像特征提取处理，图像特征包括形状特征、颜色特征、位置特征和质心特征，然后使处理后的训练集进入一级分类器，得出第一分类规则，所述一级分类器采用特征描述方法来设计，第一分类规则采用专家经验决策对图像类型的理解，通过特征描述决策来表达图像类型；(2)对图像一级分类选取图像作为测试集，对测试集进行图像特征提取处理，图像特征包括形状特征、颜色特征、位置特征和质心特征，然后将处理后的测试集通过第一分类规则，得出可分类图像和不可分类图像两种类型图像；(3)获得第二分类规则对训练集进行图像归一化处理，然后采用流形降维方法ISOMAP进行图像降维，根据ISOMAP算法的抗噪声、处理稀疏数据和参数敏感度低的特性，将处理后的训练集降维至30维以下的特征向量，使处理后的训练集进入二级分类器，所述二级分类器为支持向量机分类器，将训练集产生的特征向量输入支持向量机中进行分类，获得第二分类规则；(4)对图像二级分类对不可分类图像进行图像降维以及图像归一化，然后使处理后的不可分类图像通过第二分类规则，获得每幅图像类型。(5)获得第三分类规则对训练集进行图像特征提取，图像特征包括位置特征和质心特征，然后使处理后的训练集进入三级分类器，将位置特征和质心特征输入至三级分类器内的决策树算法进行学习，获得树状拓扑结构的句法分类规则，即为第三分类规则；(6)对图像三级分类，得出分类结果将...

【专利技术属性】
技术研发人员：甘胜丰，王典洪，孙林，丁兆一，雷维新，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：