[发明专利]图像分类方法、计算机存储介质及图像分类装置

说明书

本发明公开了一种图像分类方法，其基于稀疏表示分类法，通过在训练阶段对原训练集中的训练样本图像进行多尺度分块旋转扩展，以获得的新训练集构造稀疏表示字典，增多了稀疏表示字典中原子数目，从而使图像分类精度获得提高，尤其针对图像中的物体易变形等原因造成的图像发生局部扭曲变形或者旋转的情况，其具有较好的鲁棒性，能精确地对这类图像进行识别；而在测试阶段，基于上述通过对训练样本图像进行多尺度分块旋转扩展获得的稀疏表示字典，采用了概率线性判别分析分类的方法对测试图像进行分类，利用测试样本图像对应的测试向量中的最小重构残差来确定测试图像所属类别，能进一步提高分类精度，尤其是针对相似度较高的场景图像之间的分类。

技术领域

本发明涉及计算机的图像处理技术领域，尤其涉及图像分类方法、计算机存储介质及图像分类装置。

背景技术

基于稀疏表示分类法(SRC)的图像分类方法能够对待分类的样品图像中的噪声等干扰因素具有很好的鲁棒性，且能够有效模拟生物视觉感知特性，因此该类方法在图像处理和模式识别领域得到广泛应用。现有技术中，仅基于稀疏表示分类的常规图像分类方法往往存在分类精度不足的问题，尤其对于图像发生旋转、图像发生局部扭曲变形以及待识别的场景图像之间过于相似性等复杂情况时，仅基于稀疏表示分类的常规图像分类方法往往会出现分类错误。因此，有必要提出一种方案来提高图像分类的分类精度。

发明内容

有鉴于此，本发明的目的在于提供图像分类方法、计算机存储介质及图像分类装置，来解决上述问题。

为了实现上述的目的，本发明采用了如下的技术方案：

本发明提供了一种图像分类方法，包括以n个训练样本图像构成同一类训练样本图像，对k类训练样本图像分别以预设尺度l和预设角度q进行多尺度分块旋转，以获得的所有旋转图像块作为训练集，构造k类稀疏表示字典；对输入的测试样本图像以预设尺度l进行多尺度分块，以获得的测试图像块转换为稀疏表示核函数空间中的测试向量y在对应预设尺度l下的分量，重构测试向量y；计算重构所述测试向量y的第i类稀疏表示字典的系数向量C的最稀疏解确定对应第i类稀疏表示字典的系数向量C的重构残差r_i最小，以判断所述测试样本图像属于第i类图像。

优选地，对k类训练样本图像分别以预设尺度l和预设角度q进行多尺度分块旋转的方法包括：对每个训练样本图像分别根据不同的预设尺度l进行分块，对应每个训练样本图像获得个训练图像块；对每个训练图像块分别以预设角度q依序进行r次旋转，对应每个训练样本图像获得个旋转图像块，获得共个旋转图像块。

优选地，以获得的所有旋转图像块作为训练集构造k类稀疏表示字典的方法包括：将所述训练集中的旋转图像块分别转换为稀疏表示核函数空间中的向量；将所述向量根据对应的训练样本图像进行分类，以构造k类稀疏表示字典。

优选地，对输入的测试样本图像以预设尺度l进行多尺度分块的方法包括：对测试样本图像分别根据不同的预设尺度l进行分块，对应获得个测试图像块。

优选地，确定对应第i类稀疏表示字典的系数向量C的重构残差r_i最小，以判断所述测试样本图像属于第i类图像的方法包括：计算系数向量C对应各个类别稀疏表示字典的重构残差r^l；确定各个重构残差r^l中的最小重构残差min r^l对应第s类稀疏表示字典的系数向量C；确定存在对应的预设尺度l使最小重构残差min r^l小于预设残差阈值。

优选地，计算所述重构残差r^l的方法包括：计算预设尺度l下分块获得的测试图像块对应的局部重构残差r′^l；对所有测试图像块对应的局部重构残差r′^l进行求和并除以2²¹，以计算出所述重构残差r^l。