[发明专利]一种训练图像分类模型的方法和装置

权利要求书

1.一种训练图像分类模型的方法，其特征在于，所述方法包括下列步骤：

步骤一、提取所输入的所有类别的图像的特征；

步骤二、采用聚类算法对所提取的图像的特征进行聚类，以生成所述所有类别的图像的视觉码书；其中，所述视觉码书包括多个视觉码字，每个视觉码字代表相似特征的聚类中心，一个视觉码字作为图像的一个特征类别；

步骤三、提取所输入的所有类别的图像之中的第一类别的图像的特征；

步骤四、根据欧氏距离最近邻原则，采用所述视觉码书对所提取的第一类别的图像的特征进行特征包模型BOF量化，以计算出所述第一类别的图像的各个特征在所述视觉码书中分别出现的频率；

步骤五、根据所述第一类别的图像的各个特征在所述视觉码书中分别出现的频率，生成所述第一类别的图像的BOF量化直方图，作为所述第一类别的图像的分类模型；

对所述所有类别的图像依次执行步骤三、步骤四以及步骤五，直到生成所述所有类别的图像的BOF量化直方图为止。

2.根据权利要求1所述的方法，其特征在于，在所述生成所述所有类别的图像的BOF量化直方图的步骤之后，所述方法还包括：

当接收到第二图像时，提取所述第二图像的特征；

根据欧氏距离最近邻原则采用所述视觉码书对所述第二图像的特征进行BOF量化，以计算出所述第二图像的各个特征在所述视觉码书中分别出现的频率，作为所述第二图像的BOF量化直方图；

将所述第二图像的BOF量化直方图与所有类别的图像的分类模型进行相似度匹配，以确定所述第二图像的类别。

3.根据权利要求1所述的方法，其中，所述步骤四包括：

计算第一类别的图像的每个特征与视觉码书中的每个视觉码字的欧式距离；

比较各个特征之中的每个特征分别与视觉码书中的各个视觉码字之间的欧式距离，依据欧式距离最近邻原则选取与所述各个特征之中的第一特征距离最小的视觉码字作为所述第一特征的特征类别匹配；

统计各个视觉码字匹配的图像特征的数量，并且将在视觉码书中的直方图统计频率高于设定阈值的视觉码字所匹配的特征认作第一类别的图像的特征；

根据所述第一类别的图像的特征，生成所述第一类别的图像的BOF量化直方图。

4.根据权利要求2所述的方法，其中，所述将所述第二图像的BOF量化直方图与所有类别的图像的分类模型进行相似度匹配，以确定所述第二图像的类别的步骤包括：

根据巴氏系数算法，计算所述第二图像BOF量化直方图与各个类别的图像的BOF量化模型的相似度；

将所述第二图像的类型判定为相似度最高的图像类型。

5.一种训练图像分类模型的装置，其特征在于，所述装置包括视觉码书生成模块以及分类模型训练模块；其中，

所述视觉码书生成模块用于执行下列步骤：

步骤一、提取所输入的所有类别的图像的特征；

步骤二、采用聚类算法对所提取的图像的特征进行聚类，以生成所述所有类别的图像的视觉码书；其中，所述视觉码书包括多个视觉码字，每个视觉码字代表相似特征的聚类中心，一个视觉码字作为图像的一个特征类别；

所述分类模型训练模块用于执行下列步骤：

步骤三、提取所输入的所有类别的图像之中的第一类别的图像的特征；

步骤四、根据欧氏距离最近邻原则，采用所述视觉码书对所提取的第一类别的图像的特征进行特征包模型BOF量化，以计算出所述第一类别的图像的各个特征在所述视觉码书中分别出现的频率；

步骤五、根据所述第一类别的图像的各个特征在所述视觉码书中分别出现的频率，生成所述第一类别的图像的BOF量化直方图，作为所述第一类别的图像的分类模型；

对所述所有类别的图像依次执行步骤三、步骤四以及步骤五，直到生成所述所有类别的图像的BOF量化直方图为止。