[发明专利]一种基于依据直方统计频率的图像分类方法、系统、终端及可读存储介质

权利要求书

1.一种基于依据直方统计频率的图像分类方法，其特征在于：包括以下步骤：

S1：获取用于目标分类的图像及其对应的分类标签，用以构建样本数据库D；

S2：依据灰度值范围等间距分为若干组；

S3：依据分组统计所述样本数据库D中样本的灰度频率直方数据作为样本特征，构建训练样本库S；

S4：基于ElasticNet算法以及所述训练样本库S训练分类模型得到特征权重矩阵W；

S5：依据在所述特征权重矩阵W中各个分组对应的权重大小融合分组特征；

其中，依据权重大小保留贡献率更高的分组，将贡献率更低的分组与相邻分组进行融合更新分组，若更新后的分组满足融合预设条件，返回步骤S3继续融合，否则执行S6；

S6：基于更新的分组统计所述样本数据库D中样本的灰度频率直方数据作为样本特征，并训练出目标分类模型，所述目标分类模型用于图像分类，所述目标分类模型的输入数据为图像在分组下的样本特征，输出数据为图像对应的分类标签。

2.一种基于依据直方统计频率的双能图像特征的图像分类方法，其特征在于：包括以下步骤：

步骤1：获取用于目标分类的双能图像并获取对应分类标签，用以构建样本数据库D；

步骤2：分别依据高、低能灰度值范围等距分为若干组V1和Vh；

步骤3：依据所述组数V1和Vh确定的分组统计所述样本数据库D中样本的灰度频率直方数据作为样本特征，构建训练样本库S；

步骤4：基于ElasticNet算法以及所述训练样本库S训练分类模型得到特征权重矩阵W；

步骤5：依据在所述特征权重矩阵W中各个分组对应的权重大小融合分组特征；

其中，依据权重大小保留贡献率更高的分组，将贡献率更低的分组与相邻分组进行融合得到更新后的组数V1和Vh，若更新后的组数V1和Vh达到了融合预设条件，返回步骤3继续融合；否则，执行步骤6；

步骤6：基于更新后的组数V1和Vh确定的分组，统计所述样本数据库D中样本的灰度频率直方数据作为样本特征；

步骤7：基于步骤6中样本的样本特征以及样本的分类标签训练出目标分类模型，所述目标分类模型用于双能图像分类，所述目标分类模型的输入数据为双能图像在所述组数V1和Vh确定的分组下的样本特征，输出数据为双能图像对应的分类标签。

3.根据权利要求2所述的方法，其特征在于：步骤5中所述依据在所述特征权重矩阵W中各个分组对应的权重大小融合分组特征的过程如下：

首先，计算特征权重矩阵W中组数V1和Vh中各个分组对应的贡献值，所述贡献值是依据在特征权重矩阵W中各个分组对应的权重大小确定；

然后，分别判断各个分组对应的贡献值是否小于或等于高、低能通道筛选阈值Tl、Th，若是，对应分组为贡献率低的分组；

其中，所述高、低能通道筛选阈值Tl、Th是基于所述特征权重矩阵W并采用OTSU算法计算得到。

4.根据权利要求3所述的方法，其特征在于：所述贡献值用特征权重矩阵W中各个分组对应的权重大小的平均值表示。

5.根据权利要求2所述的方法，其特征在于：步骤5中所述组数V1和Vh对应的融合预设条件为：

基于所述组数V1和Vh确定的分组统计样本的灰度频率直方数据作为样本特征，再采用线性回归模型的K重交叉验证的测试准确率P验证是否满足条件，若测试准确率P大于准确率阈值，视为满足融合预设条件，否则，视为不满足融合预设条件；

或者基于组数V1和Vh计算：Vh组数*Vl组数是否大于或等于组数阈值，若是，视为满足融合预设条件，否则，视为不满足融合预设条件。