[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

说明书

本发明公开了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，所述方法可以用于在双能XRT(X‑Ray Transmission)检测领域，本发明基于图像灰度频率的样本分类识别，最大程度地挖掘其灰度频率的有效特征，同时又尽可能地压缩特征空间的大小，其具体是采用ElasticNet算法得到特征权重矩阵W，利用权重大小表征各个灰度分组对应特征贡献度，将贡献度低的特征进行融合，保留贡献度高的特征，从而更新灰度直方统计中高低能的灰度分组组数V1和Vh，有效地解决在双能XRT检测领域基于灰度频率特征的分类识别问题中特征空间过大，分类效果不佳的问题，提高算法的精度与实时性。

技术领域

本发明属于双能XRT领域的图像分类识别技术领域，具体涉及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。

背景技术

双能XRT检测技术是广泛应用于安检、医疗和工业检测等众多领域。该技术通过双能X射线探测器可以采集到高能和低能图像双通道的数据，通过分析这些双通道数据，可以有效避免单通道数据无法避免的物料厚度给分类识别带来的限制，性能得到质的提升。灰度频率是图像分类识别的基本特征之一。但是在双能XRT图像分类识别领域，图像灰度变化范围较大(一般为：0～2¹⁶)，如果进行细粒度的等距分组，虽然可以掌握更多的细节特征，但会面临高维数样本特征带来的维数灾难问题；而如果进行粗粒度的划分，虽然控制好了样本数据维数，但是却由于损失了细节而导致模型效果不佳。从而在双能XRT图像分类识别技术上，基于图像灰度提取的特征还有待进一步优化，从而提高双能XRT图像分类识别结果效果以及可靠性。

同理，在其他应用领域，图像分类一直是应用较为广泛，因此，如何提高图像分类精度，探索可行的分类技术，丰富图像分类技术一直本领域的研究热点。

发明内容

本发明的目的是针对图像分类领域的可行性技术研究，提供了一种基于依据直方统计频率的图像分类方法；同时针对现有双能XRT图像分类识别领域中，以细粒度的等距分组导致面临高维数样本特征带来的维数灾难问题；以及进行粗粒度的划分，会损失了细节而导致模型效果不佳。从而导致双能XRT图像分类识别结果效果不佳，可靠性不高的问题，提供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，所述方法依据权重表征贡献度，调整分组，具体通过特征融合降低了特征维度，同时保留了高贡献度的特征，最终提高了图像分类/双能图像分类识别结果的可靠性。

一方面，本发明提供的一种基于依据直方统计频率的图像分类方法，其包括以下步骤：

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。

第二方面，本发明提供的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，其包括：

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；