[发明专利]图片分类的方法及装置

权利要求书

1.一种图片分类的方法，其特征在于，包括：

确定目标图片的分类依据；

根据确定的分类依据从所述目标图片中提取所述目标图片的图片特征，其中，所述图片特征包括确定的分类依据下所属的至少两个维度的分类特征；

按照提取的所述图片特征对所述目标图片进行分类；

其中，所述分类依据包括：图片的纹理特征，图片的形状特征；

在所述分类依据为图片的形状特征的情况下，根据确定的分类依据从所述目标图片中提取所述目标图片的图片特征包括：获取所述目标图片的最外侧轮廓的轮廓面积与所述目标图片的最外侧轮廓的最小外接矩形的面积的第一比值；获取所述目标图片的最外侧轮廓的轮廓面积与所述目标图片的最外侧轮廓的凸包的面积的第二比值；确定所述第一比值与所述第二比值的均值；在所述均值小于预定阈值的情况下，在对所述目标图片进行角点检测后，获取所述目标图片中角点数最多的大小为N×N的图片块，并确定所述图片块的HOG特征为所述目标图片的图片特征；和/或在所述均值不小于预定阈值的情况下，将所述目标图片的大小变换为N×N，并确定变换大小的目标图片的HOG特征为所述目标图片的图片特征；

在所述分类依据为图片的纹理特征的情况下，根据确定的分类依据从所述目标图片中提取所述目标图片的图片特征包括：获取所述目标图片的灰度图，并采用预定模板对所述灰度图执行卷积操作，获得所述目标图片的第一部分纹理特征；获取所述目标图片的灰度共生矩阵，并依据所述灰度共生矩阵获得所述目标图片的第二部分纹理特征；将所述第一部分纹理特征和所述第二部分纹理特征进行级联，获得所述目标图片的级联特征，并将所述级联特征作为所述目标图片的图片特征。

2.根据权利要求1所述的方法，其特征在于，采用预定模板对所述灰度图执行卷积操作，获得所述目标图片的第一部分纹理特征包括：

采用所述预定模板对所述灰度图执行卷积操作并获得卷积结果后，将所述卷积结果的均值，均方差，偏态，峰度作为所述目标图片的第一部分纹理特征；

依据所述灰度共生矩阵获得所述目标图片的第二部分纹理特征包括：将所述灰度共生矩阵的熵，能量，对比度，同质性作为所述目标图片的第二部分纹理特征。

3.根据权利要求1至2中任一项所述的方法，其特征在于，按照提取的所述图片特征对所述目标图片进行分类包括：

通过图片分类模型，确定与提取的所述图片特征对应的所述目标图片的分类概率，其中，所述图片分类模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：图片特征和用于与该图片特征对应的图片的分类概率；

根据确定的所述分类概率，确定所述目标图片的分类结果。

4.根据权利要求3所述的方法，其特征在于，在分类依据为纹理特征的情况下，根据确定的所述分类概率，确定所述目标图片的分类结果包括：

确定所述目标图片所属的各个类别的概率中的最大值和第二大值；

在所述第二大值大于最大值的第一百分比，且所述第二大值大于第二百分比的情况下，将所述最大值和/或所述第二大值对应的分类结果作为所述目标图片的分类结果；否则将所述最大值对应的分类结果作为所述目标图片的分类结果。

5.根据权利要求3所述的方法，其特征在于，在分类依据为形状特征的情况下，根据确定的所述分类概率，确定所述目标图片的分类结果包括：

获取所述目标图片的最外侧轮廓的直线总长度与最外侧轮廓的总长度的第三比值；

将圆滑度大于预定圆滑度的所述分类概率乘上所述第三比值后，获得所述目标图片所属的各个类别的概率中的最大值和第二大值；

在所述第二大值大于最大值的第一百分比，且所述第二大值大于第二百分比的情况下，将所述最大值和/或所述第二大值对应的分类结果作为所述目标图片的分类结果；否则将所述最大值对应的分类结果作为所述目标图片的分类结果。