[发明专利]基于细粒度图像的图像识别方法、装置、介质及设备

说明书

本发明提供了一种基于细粒度图像的图像识别方法、装置、介质及设备。所述方法，包括：提取原始图像的图像特征；根据所述图像特征，获得所述原始图像的显著图；根据所述显著图和所述原始图像，获得所述显著图的分割图像；根据所述分割图像，基于神经网络模型，识别所述原始图像中的目标图像。相较于现有技术中利用人工标注图像特征，再利用神经网络模型识别目标图像的方法，本发明提供的方法能够增强算法的鲁棒性，提高细粒度图像识别的精度，增加图像识别的效率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于细粒度图像的图像识别方法、装置、介质及设备。

背景技术

图像分类主要分为粗粒度图像分类和细粒度图像分类两种。细粒度图像分类技术已广泛应用于信号处理各领域。依靠细粒度图像分类技术可以高效识别目标，而不是依靠专家多年经验判断；在视频监控领域，可以依靠细粒度图像分类技术快速地识别出人群中的嫌疑人或其驾驶过车辆的种类；在航空管制领域，对于非法进入领空的飞机，可以准确获取该飞机的具体信息等。相关研究有重大意义。

与粗粒度图像分类不同的是，细粒度图像间类别精度更高，类间差异更微小，只能借助细微的局部差异才能分出不同的类别，并且姿态，光照，遮挡，背景干扰等诸多未知因素对于细粒度图像分类的干扰更大。传统技术中，利用人工标注图像特征，然后将人工标注的图像特征输入到卷积神经网络模型，通过卷积神经网络模型进行图像识别。卷积神经网络模型应用于粗粒度图像分类并展现了良好性能，但卷积神经网络模型应用于细粒度图像分类却不能很好地识别目标图像。

发明内容

针对现有技术中的缺陷，本发明提供一种基于细粒度图像的图像识别方法、装置、介质及设备，能够增强算法的鲁棒性，提高细粒度图像识别的精度，增加图像识别的效率。

第一方面，本发明提供了一种基于细粒度图像的图像识别方法，包括：

提取原始图像的图像特征；

根据所述图像特征，获得所述原始图像的显著图；

根据所述显著图和所述原始图像，获得所述显著图的分割图像；

根据所述分割图像，基于神经网络模型，识别所述原始图像中的目标图像。

可选的，所述提取原始图像的图像特征，包括：

采用可操纵金字塔算法和滤波器算法，提取原始图像的图像特征。

可选的，所述根据所述图像特征，获得所述原始图像的显著图，包括：

根据所述图像特征，对所述原始图像进行超像素分割，获得若干个图像块；

采用低秩复原模型，根据所述图像块，获得所述原始图像的显著图。

可选的，所述根据所述图像特征，对所述原始图像进行超像素分割，获得若干个图像块，包括：

根据所述图像特征，采用线性迭代聚类算法，对所述原始图像进行超像素分割，获得若干个图像块。

可选的，所述采用低秩复原模型，根据所述图像块，获得所述原始图像的显著图，包括：

利用特征向量表示每个所述图像块，获得特征矩阵；

基于所述特征矩阵，采用树形结构诱导正则化方法和拉普拉斯正则化方法，将所述特征矩阵分解为低秩部分和结构稀疏部分；

采用基于上下文的传播算法，将所述低秩部分和结构稀疏部分合并，获得所述原始图像的显著图。

可选的，所述根据所述显著图和所述原始图像，获得所述显著图的分割图像，包括：

对所述显著图进行二值化处理，获得所述显著图的二值化图像；