[发明专利]图像分类的方法和装置

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像分类的方法和装置。

背景技术

图像分类是根据图像特征区分不同类别目标的图像处理方法。特征编码是图像分类的关键步骤，实现了图像从非线性的局部特征描述到线性高维码的描述，有利于图像的线性分类。

现有技术中，局部编码方案将非线性的局部特征映射到线性高维码后，得到特定数量的高维码的非零系数，实现了图像从非线性的局部特征描述到线性高维码的描述。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

现有技术中，局部编码方案收到非零系数数量的限制，不能构造足够多的非零系数进行图像的描述，造成了图像特征信息的丢失，使得属于同一个群集的特征点之间仍有较大差异，不利于图像分类。

发明内容

为了解决现有技术中高维码非零系数的数量的问题，本发明实施例提供了一种图像分类的方法和装置。所述技术方案如下：

第一方面，提供了一种图像分类的方法，所述方法包括：

获取所述第一数量值和系数因子，计算所述第一数量值和所述系数因子的比值得到非零系数的第二数量值；

根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重；

根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别。

结合第一方面，在第一方面的第一种可能的实施方式下，所述根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重，具体包括：

利用所述系数因子g对码本B的索引N=[n₁,n₂,……,n_k]进行分解，得到分解后的索引H=[N₁,……,N_g]，其中，码本B=[b₁,b₂,……b_k]，i=[1,2，……,g]；

根据所述分解后的索引H=[N₁,……,N_g]，将图像特征值x和码本B中的基向量b_i代入权重函数得到中间代码权重ψ^t(x,b_i)，其中，dist(x,b_i)=||x-b_i||，t为中间代码矢量，t=[1,2,……,g]。

结合第一方面的第一种实施方式，在第一方面的第二种可能实施方式下，所述根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别，具体包括：

根据所述中间代码权重ψ^t(x,b_i)和中间代码系数公式得到中间代码系数

将所述中间代码系数代入高维码公式得到图像特征值x的高维码c_i，根据根据所述图像特征值的高维码确定所述图像的类别。

结合第一方面或者第一方面的第一种可能的实施方式或者第二种可能的实施方式，在第一方面的第三种可能的实施方式中，计算非零系数的第一数量值K和系数因子g的比值，得到非零系数的第二数量值f之前，所述方法包括：

根据待分类图像，获取所述待分类图像的局部特征向量X=[x₁,x₂,……,x_N]∈R^D×N。

结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实施方式中，将所述中间代码系数代入高维码公式得到高维码c_i之后，所述方法包括：

判断所述局部特征向量中的每一个特征值是否都有对应的高维码；

如果所述局部特征向量中的每一个特征值都有对应的高维码，根据最大池公式计算最大池，其中，为第i个高维码向量中的第l个高维码的系数。

结合第一方面的第四种可能的实施方式，在第一方面的第五种可能的实施方式中，如果所述局部特征向量中的每一个特征值都有对应的高维码，根据最大池公式计算最大池，其中，为第i个高维码向量中的第l个高维码的系数之后，所述方法包括：

将图像按照预设区域进行分割，获取分割后的各个区域的最大池；

合并所述各个区域的最大池，得到图像的空间池。