[发明专利]一种图像分类方法、装置以及计算机可读介质在审

专利信息
申请号: 201911129089.0 申请日: 2019-11-18
公开(公告)号: CN111160361A 公开(公告)日: 2020-05-15
发明(设计)人: 黄凯奇;武美奇;康运锋;陈晓棠;陆亚男;姜宇 申请(专利权)人: 中国科学院自动化研究所
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 北京华夏泰和知识产权代理有限公司 11662 代理人: 韩来兵
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 分类 方法 装置 以及 计算机 可读 介质
【权利要求书】:

1.一种图像分类方法,其特征在于,包括:

获取绘制图像,所述绘制图像中包含:至少一个按照提示信息绘制的物体;

提取所述图像中物体的特征,得到特征信息;

根据预设的特征信息与类别标签之间的对应关系,查找与所述特征信息对应的类别标签;

将所述类别标签确定为所述绘制图像的分类结果。

2.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤,包括:

确定所述物体的多个特征点在所述图像上的坐标,得到多个特征点坐标;

计算多个所述特征点坐标的几何中心坐标;

根据所述几何中心坐标和所述图像的中心点的坐标确定所述物体在所述图像中的位置信息;

确定所述位置信息为所述特征信息。

3.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤,包括:

确定所述物体的中线;

根据所述物体的中线和图像的中垂线确定所述物体的倾斜角度;

确定所述倾斜角度为所述特征信息。

4.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤,包括:

计算所述图像的面积;

检测所述图像中物体的轮廓,得到物体轮廓;

根据所述物体轮廓计算所述物体的面积;

计算所述物体的面积和所述图像的面积的比值,得到物体占比;

确定所述物体占比为所述特征信息。

5.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤,包括:

检测所述图像中物体的轮廓,得到物体轮廓;

利用PSD对称性检测方法检测所述物体轮廓的对称程度,得到物体对称性信息;

确定所述物体对称性信息为所述特征信息。

6.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤,包括:

以所述图像的中心点为原点,建立平面直角坐标系;

利用霍夫变换直线检测算法检测所述图像中是否有直线;

若所述图像中有所述直线,判断所述直线是否与任一坐标轴的夹角小于或等于预设角度值;

若所述直线与横轴的夹角小于或等于预设角度值,则确定所述直线的类型为横向直线,并将所述直线的类型为横向直线确定为所述特征信息;

或者,若所述直线与纵轴的夹角小于或等于预设角度值,则确定所述直线的类型为纵向直线,并将所述直线的类型为纵向直线确定为所述特征信息。

7.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤,包括:

将所述图像输入物体种类识别模型对所述物体进行种类识别,得到物体的种类信息;

将所述物体的种类信息确定为所述特征信息。

8.根据权利要求1所述的图像分类方法,其特征在于,提取所述图像中物体的特征,得到特征信息的步骤;包括:

确定所述图像中每个像素点的像素值;

计算像素值大于预设值的所述像素点的个数,得到样本值;

确定所述图像中像素点的总数;

计算所述样本值除以所述总数的商,得到样本占比;

将所述样本占比确定为特征信息。

9.一种图像分类装置,其特征在于,包括:

获取模块,用于获取绘制图像,所述绘制图像中包含:至少一个按照提示信息绘制的物体;

提取模块,用于提取所述图像中物体的特征,得到特征信息;

查找模块,用于根据预设的特征信息与类别标签之间的对应关系,查找与所述特征信息对应的类别标签;

确定模块,用于将所述类别标签确定为所述绘制图像的分类结果。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至8任一所述方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911129089.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top