[发明专利]图片分类的方法及装置

说明书

本发明公开了一种图片分类的方法及装置。其中，该方法包括：确定目标图片的分类依据；根据确定的分类依据从目标图片中提取目标图片的图片特征，其中，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；按照提取的图片特征对目标图片进行分类。本发明解决了由于相关技术采用固定的分类依据，具体分类时采用单一分类特征对目标图片进行分类，导致对目标图片进行分类获得的分类结果误差大的技术问题。

技术领域

本发明涉及图片分类领域，具体而言，涉及一种图片分类的方法及装置。

背景技术

图片分类是根据各个图片所反映的不同特征，把不同类别的目标图片区分开来的图片处理方法。它利用计算机对图片进行定量分析，把图片或图片中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。在相关技术的图片分类的方法中，可以分为如下几类：1)人工对图片进行一些标注，然后根据标注的信息对图片进行分类，但是人工对图片进行标注的方法，需要耗费大量的人力，而且图片分类的准确率不高，不适用于较为复杂、要求精准的图片分类问题；2)对图片提取手工特征，然后利用传统分类方法进行图片分类，对图片提取的手工特征，以及利用卷积神经网络学习得到的特征，在进行图片分类的时候只能针对图片在某一方面的特性来进行分类，无法满足多角度的分类要求；3)利用卷积神经网络来提取图片特征，再利用传统分类方法来得到分类结果；或直接利用卷积神经网络来完成图片特征的提取以及分类，输出分类结果；利用卷积神经网络在进行特征提取的时候，特征的描述能力比较单一。

总之，在相关技术的图片分类方法中，大都是按照一种固定的分类依据对所有的目标图片进行分类，这样的分类方法，对不适用该分类依据的目标图片在对其进行分类时，会产生较大的分歧，严重影响分类结果；在相关技术的分类方法中提取的图片特征为单一特征，单一特征存在鲁棒性较差的情况，利用该特征得到的分类结果，较为片面，效果较差；而且相关技术的图片分类方法，大都将目标图片确定为一类分类组别，而在实际的图片分类过程中，往往存在一张图片同时与两类分类组别相关度较高，甚至多类，此时在相关技术中往往采用相关度最高的分类组别作为该图片的最终分类组别，但是按照单一特征分类的方法，本来就具有片面性，按照与单一特征的相关度来判定图片的最终分类，会造成更大的分类误差。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图片分类的方法及装置，以至少解决由于相关技术采用固定的分类依据，具体分类时采用单一分类特征对目标图片进行分类，导致对目标图片进行分类获得的分类结果误差大的技术问题。

根据本发明实施例的一个方面，提供了一种图片分类的方法，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。

可选的，所述分类依据包括以下至少之一：图片的纹理特征，图片的形状特征。

可选的，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。

可选的，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。