[发明专利]一种基于特征增强的图像分类方法

权利要求书

1.一种基于特征增强的图像分类方法，其特征在于，包括：

获取预分类图像，并提取图像特征；

采用残差特征增强算法对所述图像特征进行增强处理，生成增强特征；

将所述增强特征进行特征分类，并计算每类增强特征的参考特征参数；

根据所述参考特征参数，确定每张预分类图像的综合特征均值；

将所述综合特征均值进行梯度划分，确定每个综合特征均值对应的梯度；

根据所述梯度，将所述预分类图像进行分类。

2.如权利要求1所述的一种基于特征增强的图像分类方法，其特征在于，所述获取预分类图像，并提取图像特征，包括：

基于RGB颜色空间对所述预分类图像进行处理，获取所述第一图像特征；其中，

所述第一图像特征包括：纹理特征、形状特征、空间关系特征和颜色特征；

基于HSV颜色空间对所述预分类图像进行处理，获取所述第二图像特征；其中，

所述第二图像特征包括：色调特征、饱和度特征和明度特征。

3.如权利要求2所述的一种基于特征增强的图像分类方法，其特征在于，所述获取所述第一图像特征还包括：

预先设置RGB颜色空间，对所述预分类图像的第一特征提取规则；其中，

所述第一特征提取规则包括：颜色提取规则、纹理提取规则、形状提取规则和空间关系提取规则；

根据所述颜色提取规则，对所述预分类图像的每个像素点的颜色进行划分，确定颜色特征；

根据所述纹理提取规则，通过预设方式对所述预分类图像的纹理特征进行提取，确定纹理特征；其中，

所述预设方式包括：灰度共生矩阵、Tamura纹理特征、自回归纹理模型、小波变换；

根据所述形状提取规则，对所述预分类图像的每个颜色组成的形状进行提取，确定形状特征；

根据所述空间关系提取规则，根据所述预分类图像的每个像素点的空间位置构建三维坐标系，确定空间关系特征。

4.如权利要求2所述的一种基于特征增强的图像分类方法，其特征在于，所述获取所述第二图像特征还包括：

预先设置HSV颜色空间，对所述预分类图像的第二特征提取规则；其中，

所述第二特征提取规则包括：色调提取规则、饱和度提取规则和明度提取规则；

根据所述色调提取规则，设定所述预分类图像的每个像素点的色度值，确定色度特征；

根据所述饱和度提取规则，将所述分类图像的每个像素点和预设色光谱进行比对，确定饱和度特征；

根据所述明度提取规则，对所述分类图像的每个像素点亮度进行提取，确定明度特征。

5.如权利要求1所述的一种基于特征增强的图像分类方法，其特征在于，所述采用残差特征增强算法对所述图像特征进行增强处理，生成增强特征，包括：

预先构建深度卷积神经网络模型；

将所述预分类图像进行通过所述深度卷积神经网络模型进行处理，确定交叉熵损失函数；

将所述交叉熵损失函数代入所述残差增强算法进行计算，确定增强后的目标函数；

将所述预分类图像代入所述目标函数进行处理，生成增强图像；

计算所述增强图像的特征值，确定增强特征。

6.如权利要求1所述的一种基于特征增强的图像分类方法，其特征在于，所述将所述增强特征进行特征分类，并计算每类增强特征的参考特征参数，包括：

根据所述增强特征，对所述预分类图像进行元素识别，分别确定每张预分类图像的元素属性；其中，

所述图像属性包括：元素轮廓属性、元素位置属性和元素面积属性；

根据所述元素属性，将所述预分类图像进行属性分类；

根据所述增强特征，通过对属性分类后的预分类图像的元素进行计算，确定每张预分类图像的参考特征参数。