[发明专利]一种图像分类方法及系统

权利要求书

1.一种图像分类方法，其特征在于，该方法包括：

获取目标图像组，所述目标图像组中的图像来源不同；

按照模式向量对所述目标图像组的图像进行图像特征描绘，获得第一图像特征；

将所述第一图像特征输入预先建立的分类训练模型中，通过所述分类训练模型的分类识别，得到所述目标图像组的分类信息；所述预先建立的分类训练模型为通过对已分类的图像文件样本特征训练得到的，且利用图像文件样本的特征进行决策模型训练和逐渐收敛法反复训练得到的模型，所述已分类的图像文件样本包括预先提取到的已分类的图像文件的图像特征，所述已分类的图像文件样本中的图像来源不同；

基于所述分类信息，输出所述目标图像组的每个图像的分类信息，所述目标图像组的每个图像的分类信息与所述目标图像组中的每个图像的来源相匹配。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述每个图像的分类信息，确定所述每个图像的类别标签；

依据与所述类别标签相匹配的文字提取模式，对所述每个图像进行文字提取，得到所述每个图像对应的文字信息。

3.根据权利要求1所述的方法，其特征在于，该方法还包括创建分类训练模型，包括：

对已分类的图像文件样本进行图像特征提取，获得图像特征；

基于所述图像特征对决策模型进行训练，得到初始训练模型，所述决策模型表征通过模式向量来描述图像特征，且通过决策函数进行分类的模型；

基于初始训练模型对测试图集进行处理，得到处理结果；

根据测试图集对应的实际结果与所述处理结果之间的误差，对所述初始训练模型进行参数优化，得到分类训练模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述图像特征对决策模型进行训练，得到初始训练模型，包括：

对所述图像特征进行模式向量转换，获得图像特征向量；

依据所述图像特征向量与预设决策函数的对应关系，获得所述图像特征向量对应的模式；

基于各个图像特征向量对应的模式，确定初始训练模型。

5.根据权利要求3所述的方法，其特征在于，所述根据测试图集对应的实际结果与所述处理结果之间的误差，对所述初始训练模型进行参数优化，得到分类训练模型，包括：

获取测试图集对应的实际结果与所述处理结果之间的误差；

根据所述误差以及所述初始训练模型对应的初始权重值，计算得到权重值校正幅度值；

依据所述权重值校正幅度值对所述初始训练模型每层的权重值进行更新，获得分类训练模型。

6.一种图像分类系统，其特征在于，该系统包括：

图像获取单元，用于获取目标图像组，所述目标图像组中的图像来源不同；

特征描绘单元，用于按照模式向量对所述目标图像组的图像进行图像特征描绘，获得第一图像特征；

分类单元，用于将所述第一图像特征输入预先建立的分类训练模型中，通过所述分类训练模型的分类识别，得到所述目标图像组的分类信息；所述预先建立的分类训练模型为通过对已分类的图像文件样本特征训练得到的，且利用图像文件样本的特征进行决策模型训练和逐渐收敛法反复训练得到的模型，所述已分类的图像文件样本包括预先提取到的已分类的图像文件的图像特征，所述已分类的图像文件样本中的图像来源不同；

信息输出单元，用于基于所述分类信息，输出所述目标图像组的每个图像的分类信息，所述目标图像组的每个图像的分类信息与所述目标图像组中的每个图像的来源相匹配。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

标签确定单元，用于基于所述每个图像的分类信息，确定所述每个图像的类别标签；

文字提取单元，用于依据与所述类别标签相匹配的文字提取模式，对所述每个图像进行文字提取，得到所述每个图像对应的文字信息。