[发明专利]图像目标类别识别方法及装置

权利要求书

1.一种图像目标类别识别方法，包括如下步骤：

（S1）图像特征提取，利用特征点提取方法提取出已知N个类别中所有样本图像的特征点，其中N为大于1的自然数，每一类别都包含至少一幅样本图像，并建立已知类别-样本图像-特征点对应关系；

（S2）聚类分析，利用聚类算法对提取出的全部特征点进行聚类分析，并将这些特征点划分为N个子集；

（S3）确定目标类别，为每个所述子集确定目标类别C_n；

（S4）获取共性特征，利用搜索算法获取每个目标类别C_n中的各图像之间的共性特征，其中C_n为第n个目标类别，n为小于等于N的正整数。

2.如权利要求1所述的方法，其中，所述步骤S1至少包括如下子步骤：

S101，提取每幅样本图像的底层视觉特征中的所述特征点；

S102，获取每个所述特征点的向量描述；

S103，建立已知类别-样本图像-特征点对应关系。

3.如权利要求2所述的方法，其中，所述步骤S2至少包括如下子步骤：

S201：借助所述聚类算法将提取出的所有特征点聚类为预定数量的簇；

S202：将这些簇构建为k叉树结构，其中k为正整数，且k∈（1，N）。

4.如权利要求3所述的方法，其中，所述步骤S3至少包括如下子步骤：

S301：对所述N个子集的每个子集中分属于不同已知类别的特征点的数量进行统计；

S302：将包含特征点数最多的已知类别确定为该目标类别C_n。

5.如权利要求4所述的方法，其中，所述步骤S4至少包括如下子步骤：

S401：借助搜索算法搜寻出每个目标类别C_n中所包含的各图像之间具有共性特征的共有特征点集。

6.如权利要求5所述的方法，其中，在所述步骤S401之后还包括：

S402：借助所述已知类别-样本图像-特征点对应关系，根据搜寻出的所述共有特征点集，从所述每个目标类别C_n中进一步映射出包含所述共有特征点集中的共有特征点的数量最多的那些样本图像，将这些样本图像作为该目标类别C_n的平均量图像。

7.如权利要求5所述的方法，其中所述共有特征点集中的共有特征点的数量（K(C_n)）是根据该目标类别C_n中具有最少特征点数的图像的特征点数来确定的。

8.如权利要求1-7之一所述的方法，其中在步骤S4之后还包括：在线图像识别和分类步骤S5，用于对待分类的图像进行识别和自动分类，所述在线图像识别和分类步骤S5包括：

S502：对待分类的图像执行如步骤S1同样的图像特征提取处理，提取出待分类图像的特征点；

S503：将所提取出的待分类图像中的特征点与所述n个目标类别中的所述每个目标类别C_n的每个所述共性特征进行比对，分别计算出待分类图像与每个目标类别之间的相似度；

S504：将待分类的图像归属于具有最大相似度的目标类别C_n。

9.如权利要求1-7之一所述的方法，其中在所述步骤S4之后还包括：在线图像识别和分类步骤S5，用于对待分类的图像进行识别和自动分类，所述在线图像识别和分类步骤S5包括：

S502：对待分类的图像执行如步骤S1同样的图像特征提取处理，提取出待分类图像的特征点；

S503’：将所提取出的待分类图像中的各特征点与所述目标类别的平均量图像中的各特征点进行逐一比对，计算待分类图像与每个目标类别的平均量图像之间的相似度；

S504：将待分类的图像归属于具有最大相似度的目标类别C_n。

10.如权利要求1-7之一所述的方法，其中，在步骤S1之前还包括对每幅图像进行图像预处理的步骤，所述图像预处理步骤包括：

S001，对图像进行等比缩放；

S002，对等比缩放后的图像进行滤波处理，以去除噪声；

S003，对滤波处理后的图像进行灰度化处理。