[发明专利]一种图像分类方法及系统

说明书

本发明公开了一种图像分类方法及系统，通过对目标图像组进行图像特征提取，得到第一图像特征；将第一图像特征输入预先建立的分类训练模型中，通过分类训练模型的分类识别，得到目标图像组的分类信息。由于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。实现了可以基于分类模型对混合在一起的图像进行分类，提升了对图像处理的效率以及降低人工处理成本的目的。

技术领域

本发明涉及信息处理技术领域，特别是涉及一种图像分类方法及系统。

背景技术

场景图像分类是计算机视觉领域的一个重要问题，已经成为了当下图像研究的热门方向，在图像检索、图像分类、文字识别、视频分类等领域得到了广泛的应用。并且随着人工智能技术的发展，人们对图像处理的需求也越来越多，图像识别技术也随之发展。

但是随着图像处理业务的增加，也会遇到一些问题。例如，当各种类型的图像或者图片混合在一起时，若需要进行图像或模式处理，需要工程师们预先将混合在一起的图片分类整理，然后再传到相应的智能系统中进行OCR （Optical Character Recognition，光学字符识别），但是由于需要人工进行图像分类，会使得对图像的处理效率低，工作繁琐，成本较高。

发明内容

针对于上述问题，本发明提供一种图像分类方法及系统，实现提升图像的处理效率和降低处理成本的目的。

为了实现上述目的，本发明提供了如下技术方案：

一种图像分类方法，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。

可选地，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。

可选地，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。

可选地，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。