[发明专利]图像分类方法及装置

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：

获得多个第一类别，以及每个所述第一类别分别对应的目标特征；

获取多张待标注图像，将每张所述待标注图像分别与各所述目标特征进行匹配，将与同一目标特征匹配的所有待标注图像归类至与该目标特征对应的第一类别中，得到每个所述第一类别分别包括的待标注图像；

对所述多张待标注图像进行聚类，得到所述多张待标注图像聚类至的多个第二类别，其中，所述多个第二类别的类别数量与所述多个第一类别的类别数量相同；

针对每个第一类别，确定与该第一类别匹配的第二类别，将该第一类别中与确定的第二类别中相同的待标注图像作为目标类别包括的待标注图像，得到多个目标类别和每个目标类别包括的待标注图像。

2.根据权利要求1所述的图像分类方法，其特征在于，在执行获得多个第一类别，以及每个所述第一类别分别对应的目标特征的步骤之前，所述方法还包括：

获取包括多个子集的验证集，其中，每个所述子集包括属于同一第一类别的多张验证图像，且每个子集分别与一个第一类别对应；

将所述子集中的各验证图像分别进行向量化处理，提取各所述验证图像中的特征进行融合以构造目标子集的浅层复合特征；

将所述目标子集的浅层复合特征与其他子集的浅层复合特征进行处理后得到该目标子集的目标特征，进而得到每个所述第一类别分别对应的目标特征。

3.根据权利要求2所述的图像分类方法，其特征在于，将所述子集中的各验证图像分别进行向量化处理，提取各所述验证图像中的特征进行融合以构造目标子集的浅层复合特征的步骤具体为：

将所述子集中的各验证图像进行向量化处理后，采用主成分分析技术和方向梯度直方图技术提取每张所述验证图像中的特征，并将提取到的特征进行融合以构造目标子集的浅层复合特征；

所述将所述目标子集的浅层复合特征与其他子集的浅层复合特征进行处理后得到目标特征的步骤具体为：

将所述目标子集的浅层复合特征与其他子集的浅层复合特征采用SIFT算法和lowe’s算法进行计算，得到所述目标子集的浅层复合特征中与其他子集之间的最优匹配点，并在所述目标子集的浅层复合特征中排除所述最优匹配点得到目标特征。

4.根据权利要求1所述的图像分类方法，其特征在于，对所述多张待标注图像进行聚类的步骤包括：

采用K-Means聚类算法对所述多张待标注图像进行聚类。

5.根据权利要求1所述的图像分类方法，其特征在于，针对每个第一类别，确定与该第一类别匹配的第二类别的步骤包括：

针对每个第一类别，将该第一类别中的所有待标注图像与各所述第二类别中所有待标注图像进行相似度计算，将包括的待标注图像与该第一类别中的待标注图像的相似度最高的第二类别确定为与该第一类别匹配的第二类别。

6.一种图像分类装置，其特征在于，所述装置包括：

类别获得模块，用于获得多个第一类别，以及每个所述第一类别分别对应的目标特征；

第一分类模块，用于获取多张待标注图像，将每张所述待标注图像分别与各所述目标特征进行匹配，将与同一目标特征匹配的所有待标注图像归类至与该目标特征对应的第一类别中，得到每个所述第一类别分别包括的待标注图像；

第二分类模块，用于对所述多张待标注图像进行聚类，得到多张待标注图像聚类至的多个第二类别，其中，所述多个第二类别的类别数量与所述多个第一类别的类别数量相同；

第三分类模块，用于针对每个第一类别，确定与该第一类别匹配的第二类别，将该第一类别中与确定的第二类别中相同的待标注图像作为目标类别包括的待标注图像，得到多个目标类别和每个目标类别包括的待标注图像。