【技術實現步驟摘要】
本專利技術屬于計算機信息
，尤其涉及一種圖像分類的方法及裝置。
技術介紹
圖像分類技術旨在通過計算機處理來實現對圖片所屬類別的判定，因此，圖像的表示方法直接影響到最終的判定準確率。目前常用的是利用局部特征來實現圖像表示，該方法在圖像識別、圖像檢索、物體分類、場景分析等
都有廣泛的應用。傳統局部特征通常只描述了圖像密集采樣之后塊的邊緣信息，這種邊緣信息對應神經視覺里的形狀信息，然而，人的視覺信息是由形狀和相對性顏色兩部分組成的，而傳統局部特征缺少了對相對性顏色信息的描述，對圖像的描述不完整，這會直接導致后續對圖像進行編碼時丟失更多的信息，使得圖像分類的準確性降低。在專利技術本實施例中，通過圖像的相對特征來對圖像進行分類，能夠在分類過程中很好地保留了圖像的相對性顏色信息，提高了對圖像描述的完整性，從而提高了圖像分類的準確性。
技術實現思路
本專利技術實施例的目的在于提供一種圖像分類的方法及裝置，旨在解決現有技術中缺少對圖像相對性顏色信息的描述，導致對圖像進行分類的準確性降低的問題。本專利技術實施例是這樣實現的，一種圖像分類的方法，包括：將圖像分解成多個通道的子圖像，將每個所述子圖像分割成大小相同的n個圖像塊，所述n為大于1的整數；基于所述圖像塊計算所述的圖像的相對特征，所述相對特征用于描述所述圖像的局部相對性，所述局部相對性包括顏色的相對性；對所述相對特...
【技術保護點】
一種圖像分類的方法，其特征在于，包括：將圖像分解成多個通道的子圖像，將每個所述子圖像分割成大小相同的n個圖像塊，所述n為大于1的整數；基于所述圖像塊計算所述的圖像的相對特征，所述相對特征用于描述所述圖像的局部相對性，所述局部相對性包括顏色的相對性；對所述相對特征進行編碼和池化，構建所述圖像的全局表示；將所述圖像的全局表示送入預設的分類器，以對所述圖像進行分類。
【技術特征摘要】
1.一種圖像分類的方法，其特征在于，包括：
將圖像分解成多個通道的子圖像，將每個所述子圖像分割成大小相同的n
個圖像塊，所述n為大于1的整數；
基于所述圖像塊計算所述的圖像的相對特征，所述相對特征用于描述所述
圖像的局部相對性，所述局部相對性包括顏色的相對性；
對所述相對特征進行編碼和池化，構建所述圖像的全局表示；
將所述圖像的全局表示送入預設的分類器，以對所述圖像進行分類。
2.如權利要求1所述的方法，其特征在于，所述相對特征包括空間相對特
征，所述基于所述圖像塊計算所述的圖像的相對特征包括：
用一個由m×m個所述圖像塊大小的塊組成的滑動窗口滑過整張所述子圖
像，所述滑動窗口的滑動步長為1，所述m大于1且所述m×m小于n；
在所述滑動窗口滑過的所述子圖像的每個覆蓋區域，計算所述滑動窗口的
每個中心塊覆蓋區域P與剩余(m×m-1)個塊覆蓋區域Q的f-divergence特征
值；
將每個所述通道的所述子圖像的f-divergence特征值進行合并，生成所述
圖像的所述空間相對特征。
3.如權利要求2所述的方法，其特征在于，所述計算所述滑動窗口的每個
中心塊覆蓋區域P與剩余(m×m-1)個塊覆蓋區域Q的f-divergence特征值包
括：
通過計算所述滑動窗口的每個中心塊覆
蓋區域P與剩余(m×m-1)個塊覆蓋區域Q的f-divergence特征值，所述Q＝(Q1，
Q2，……，Qm-1),所述P為所述中心塊覆蓋區域P的特征值的概率密度函數，
所述Q為剩余(m×m-1)個塊覆蓋區域Q的特征值的概率密度函數。
4.如權利要求1所述的方法，其特征在于，所述相對特征包括通道間相對
\t特征，所述基于所述圖像塊計算所述的圖像的相對特征包括：
根據f(PA(i),PB(i))=∫RPA(i)f(PA(x)PB(x))dx]]>計算每兩個通道所述子圖像之
間同一位置的相對特征，其中，所述為A通道上每個所述
圖像塊的特征值的概率密度函數，所述為B通道上每個所
述圖像塊的特征值的概率密度函數，所述(A，B)為(R，B)、(R、G)或
者(G，B)；
分別將計算得到的每兩個通道所述子圖像的所有相對特征串聯起來，生成
所述圖像的每兩個通道之間的通道間相對特征。
5.如權利要求1所述的方法，其特征在于，在所述將所述圖像的全局表示
送入預設的分類器之前，所述方法還包括：
將通過尺度不變特征轉換SIFT算法提取的SIFT特征進行編碼和池化；
將編碼和池化后的所述SIFT特征和所述相對特征進行串聯；
利用串聯生成的特征訓練所述預設的分類器。
6.一種...
【專利技術屬性】
技術研發人員：喬宇，郭勝，
申請(專利權)人：中國科學院深圳先進技術研究院，
類型：發明
國別省市：廣東;44
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。