[发明专利]一种图像分类方法、装置、电子设备及可读存储介质

权利要求书

1.一种图像分类方法，其特征在于，所述方法包括：

对所获取的各样本图像进行灰度化处理，得到所述各样本图像的灰度图像，将各灰度图像表示为二维图像矩阵，得到各二维图像矩阵；所述各样本图像包括：各训练图像和各待分类图像；

分别将所述各二维图像矩阵表示为一维向量，将得到的各一维向量作为灰度矩阵的各列，建立所述灰度矩阵，对所述灰度矩阵进行归一化处理，得到归一化灰度矩阵；

根据预先建立的标签约束矩阵和基于半张量积的非负矩阵分解算法，对所述归一化灰度矩阵进行特征提取，得到所述归一化灰度矩阵对应的特征矩阵，所述标签约束矩阵是根据所述各样本图像包含的标签信息确定的；

将所述标签约束矩阵和所述特征矩阵的乘积的转置作为混合特征矩阵，将所述混合特征矩阵中所述各待分类图像对应的特征输入预先建立的图像分类模型，得到所述各待分类图像的分类结果，所述图像分类模型是对所述混合特征矩阵中所述各训练图像对应的特征、以及所述各训练图像对应的图像类别进行训练得到的。

2.根据权利要求1所述的图像分类方法，其特征在于，所述标签约束矩阵的建立方法包括：

若所述各样本图像为(x₁,x₂,…,x_t)，t个样本图像包含r类图像，且所述t个样本图像中l个样本图像包含标签信息，其他t-l个训练图像不包含标签信息，r为大于1的整数，t为大于1的整数，l为大于0且小于t的整数；

根据所述l个样本图像以及公式：建立索引矩阵B_l×r，b_ji表示B_l×r中第j行第i列的元素，j＝1,2,…,l，i＝1,2,…,r；

根据建立标签约束矩阵C_t×(r+t-l)，I_t-l表示单位矩阵。

3.根据权利要求2所述的图像分类方法，其特征在于，所述根据预先建立的标签约束矩阵和基于半张量积的非负矩阵分解算法，对所述归一化灰度矩阵进行特征提取，得到所述归一化灰度矩阵对应的特征矩阵，包括：

若所述归一化灰度矩阵为A_s×t，标签约束矩阵为C_t×(r+t-l)，根据公式：

计算特征矩阵V_(r+t-l)×p，

其中，

U_m×n表示对A_s×t分解后得到的基矩阵，a_mn表示U_m×n中第m行第n列的元素；

n和p是预先设置的正整数，且p是n的整数倍；

m＝s×n/p，q＝t；

×表示左半张量积；

表示张量积。

4.根据权利要求1所述的图像分类方法，其特征在于，所述对所述灰度矩阵进行归一化处理，包括：

若所述灰度矩阵中元素的最大值为z，将所述灰度矩阵中的每个元素除以z。

5.一种图像分类装置，其特征在于，所述装置包括：

图像矩阵建立模块，用于对所获取的各样本图像进行灰度化处理，得到所述各样本图像的灰度图像，将各灰度图像表示为二维图像矩阵，得到各二维图像矩阵；所述各样本图像包括：各训练图像和各待分类图像；

归一化灰度矩阵建立模块，用于分别将所述各二维图像矩阵表示为一维向量，将得到的各一维向量作为灰度矩阵的各列，建立所述灰度矩阵，对所述灰度矩阵进行归一化处理，得到归一化灰度矩阵；

特征矩阵计算模块，用于根据预先建立的标签约束矩阵和基于半张量积的非负矩阵分解算法，对所述归一化灰度矩阵进行特征提取，得到所述归一化灰度矩阵对应的特征矩阵，所述标签约束矩阵是根据所述各样本图像包含的标签信息确定的；

图像分类模块，用于将所述标签约束矩阵和所述特征矩阵的乘积的转置作为混合特征矩阵，将所述混合特征矩阵中所述各待分类图像对应的特征输入预先建立的图像分类模型，得到所述各待分类图像的分类结果，所述图像分类模型是对所述混合特征矩阵中所述各训练图像对应的特征、以及所述各训练图像对应的图像类别进行训练得到的。