[发明专利]图像分类方法、装置、存储介质及电子设备

说明书

本发明实施例提供了一种图像分类方法、装置、存储介质及电子设备，该方法包括：获取待分类图像的特征图；获取所述待分类图像的特征图中的边缘曲线的主方向；从类别特征库中获取到所述主方向所在的方向区间、且预设尺寸的样本特征图；将所述特征图与至少一个所述类别特征库中的样本特征图进行匹配，以获取所述特征图与所述类别特征库中的样本特征图的相似度；基于所述相似度，确定所述待分类图像的类别，从图像底层边缘特征出发，采用多尺度局部边缘特征描述的方法，实现小数据量、无人工标注条件下，对图像局部区域的定位与分类，从而提升图像分类的效率和准确性。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种图像分类方法、 装置、存储介质及电子设备。

背景技术

目前，图像分类技术被广泛应用在多种应用场景中，例如：人脸检测、 人脸年龄、表情、性别预测、票据类型识别、影像合规质检、图像检索等。

在实现本发明的过程中，发明人发现，目前图像分类技术主要是以 神经网络技术为主。但是，此类技术存在明显的缺点：需要的训练数据 量大，人工标注时间耗时长、模型存储所需容量大以及预测原因不具有 可解释性等。

有鉴于此，本发明实施例提出了一种以图像局部边缘特征为主的图 像分类方法、装置、存储介质及电子设备，从图像底层边缘特征出发， 采用多尺度局部边缘特征描述的方法，实现小数据量、无人工标注条件 下，对图像局部区域的定位与分类，从而提升图像分类的效率和准确性。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理 解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种图像分类方法、装置、存储介质及电子设备， 采用多尺度局部边缘特征描述的方法，实现小数据量、无人工标注条件下， 对图像局部区域的定位与分类，从而提升图像分类的效率和准确性。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分 地通过本发明的实践而习得。

根据本发明的第一方面，提供一种图像分类方法，其中，所述方法 包括：

获取待分类图像的特征图；

获取所述待分类图像的特征图中的边缘曲线的主方向；

从类别特征库中获取到所述主方向所在的方向区间、且预设尺寸的 样本特征图；

将所述特征图与至少一个所述类别特征库中的样本特征图进行匹 配，以获取所述特征图与所述类别特征库中的样本特征图的相似度；

基于所述相似度，确定所述待分类图像的类别。

根据一些实施例，所述方法还包括：构建类别特征库；

所述构建类别特征库，包括：

对样本图像进行多次高斯滤波和亚采样，以获取所述样本图像的多 尺寸图像；

分别对所述样本图像的每个尺寸图像进行边缘检测，获取每个尺寸 图像的多个边缘图像；

基于所述每个尺寸图像的多个边缘图像的局部极大值，将所述每个 尺寸图像的多个边缘图像合成每个尺寸的边缘图像；

对所述边缘图像进行边缘过滤，以获取每个尺寸图像的边缘曲线；

基于所述每个尺寸图像的边缘曲线提取特征图；

基于所述特征图构建所述样本图像的类别特征库。

根据一些实施例，获取待分类图像的特征图，包括：

对所述待分类图像进行多次高斯滤波和亚采样，以获取所述待分类 图像的多尺寸图像；