[发明专利]图像分类方法及装置

说明书

技术领域

本公开涉及图像分类技术领域，尤其涉及一种图像分类方法及装置。

背景技术

图像分类技术是一种从图像数据内容到图像的低层语义理解的重要技术。普通的图像分类技术，先对要测试的整张图像数据进行特征提取操作，包括SIFT特征、Dense SIFT特征、HOG特征等等。然后，采用相应的分类器训练算法对提取的特征进行训练得到分类器，最后，采用该分类器对要测试的图像中的对象进行分类。

在这种图像分类方式中，由于大部分图像数据中的对象其实仅仅占据图像数据的一小部分。如果对整张图像数据进行特征提取，不但存在背景数据的干扰，而且冗余的数据也比较多，并且对对象的其他特征数据(比如形状、方向等)没有充分利用，从而影响了图像分类技术的精度。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像分类方法及装置，以解决相关技术中图像分类技术精度不高的技术问题。

根据本公开实施例的第一方面，提供一种图像分类方法，包括：

对图像中待分类的对象进行图像分割，得到分割结果；

从所述图像中提取所述对象的第一图像特征数据，以及从所述分割结果中提取所述对象的第二图像特征数据；

对所述第一图像特征数据和第二图像特征数据进行特征编码，得到编码后的特征向量；

对所述特征向量进行训练，得到所述图像中所述对象的分类器；

利用所述分类器对所述特征向量进行分类操作，得到所述对象的分类类别。

可选的，所述从图像中提取所述对象的第一图像特征数据，包括：通过尺度不变特征变换SIFT算法、密集的尺度不变特征变换Dense SIFT算法或方向梯度直方图HOG算法从所述图像中提取所述对象的颜色特征数据和纹理特征数据，所述颜色特征数据和纹理特征数据称为第一图像特征数据；

所述从分割结果中提取所述对象的第二图像特征数据，包括：

将所述分割结果中对象的二值分割图像进行外接矩形对齐；

提取所述二值分割图像的外轮廓边缘的形状特征数据，所述外轮廓边缘的形状特征数据称为第二图像特征数据。

可选的，所述对所述第一图像特征数据和第二图像特征数据进行特征编码，得到编码后的特征向量，包括：

根据所述第一图像特征数据和所述第二图像特征数据构建特征包BOF模型；

利用所述BOF模型对所述第一图像特征数据和第二图像特征数据进行特征编码，得到编码后的特征向量。

可选的，所述对所述特征向量进行训练，得到所述图像中所述对象的分类器，包括：

对所述特征向量采用支持向量机SVM算法或深度学习DL算法进行训练，得到所述图像中所述对象的分类器。

根据本公开实施例的第二方面，提供一种图像分类装置，包括：

分割单元，用于对图像中待分类的对象进行图像分割，得到分割结果；

第一提取单元，用于从所述图像中提取所述对象的第一图像特征数据；

第二提取单元，用于从所述分割结果中提取所述对象的第二图像特征数据；

编码单元，用于对所述第一图像特征数据和第二图像特征数据进行特征编码，得到编码后的特征向量；

训练单元，用于对所述特征向量进行训练，得到所述图像中所述对象的分类器；

分类单元，用于利用所述分类器对所述特征向量进行分类操作，得到所述对象的分类类别。

可选的，所述第一提取单元，用于通过尺度不变特征变换SIFT算法、密集的尺度不变特征变换Dense SIFT算法和方向梯度直方图HOG算法从所述图像中提取所述对象的颜色特征数据和纹理特征数据，所述颜色特征数据和纹理特征数据称为第一图像特征数据。

可选的，所述第二提取单元包括：

对齐单元，用于将所述分割结果中所述对象的二值分割图像进行外接矩形对齐；

提取子单元，用于提取所述二值分割图像的外轮廓边缘的形状特征数据，所述外轮廓边缘的形状特征数据称为第二图像特征数据。

可选的，所述编码单元包括:

构造单元，用于根据所述第一图像特征数据和所述第二图像特征数据构建特征包BOF模型；

编码子单元，用于利用所述BOF模型对所述第一图像特征数据和第二图像特征数据进行特征编码。

可选的，所述训练单元包括：

第一训练单元，用于对所述特征向量采用支持向量机SVM算法进行训练，得到所述图像中所述对象的分类器；和/或