[发明专利]一种实现场景图像的分类方法

摘要

本发明是一种实现场景图像的分类方法，该方法采用两级分类器对场景图像进行分类，第一级分类器利用全局结构信息特征得到候选类别，并通过分类结果判定相似类别对，第二级分类器则利用局部纹理信息特征区分相似类别，采用分类器的级联综合利用场景图像的全局结构信息特征和局部纹理信息特征，使得该方法做到不同场景类别鲁棒分类，相似场景类别有效区分。

主权项

一种实现场景图像的分类方法，其特征在于：该方法的实现具体步骤如下：步骤S1：使用场景图像读取模块读取场景图像，并使用灰度图像判断模块判断该场景图像是否为彩色图像，若为彩色图像则使用灰度图像转换模块将彩色图像进行转换，得到灰度图像，若为灰度图像则执行步骤S2；步骤S2：使用图像等级划分模块对灰度图像按照三个级别进行划分，得到第一级划分、第二级划分和第三级划分对应的图像块；经过三级划分后，得到31个图像块；步骤S3：使用局部二元模式特征计算模块对图像块中每个像素的结构信息特征进行计算，得到一个8维局部二元模式特征；步骤S4：使用局部二元模式特征量化模块对8维局部二元模式特征进行量化，得到1维局部二元模式量化特征，并使用直方图计算模块计算1维局部二元模式量化特征的直方图，得到255维直方图特征Hps；使用主成分分析计算模块对255维直方图特征Hps进行主成份分析，得到40维直方图特征Hp；再使用直方图计算模块计算8维局部二元模式特征的直方图，得到8维直方图特征Hb；最后使用直方图特征融合模块将8维直方图特征Hb和40维直方图特征Hp融合，得到一个图像块对应的48维结构信息特征Hf＝(Hb，Hp)；步骤S5：使用计数模块判断所有31个图像块的48维结构信息特征Hf是否全部计算完毕，若没有重复步骤S3至步骤S4，若全部计算完毕，执行步骤S7；步骤S6：使用结构信息特征融合模块对所有31个图像块的48维结构信息特征Hf进行融合，得到一幅图像的全局结构信息特征Hg＝(Hf1，...，Hf31)；步骤S7：使用分类器训练模块对全局结构信息特征训练，得到第一级分类器；步骤S8：用第一级分类器对场景图像进行分类，得到以概率形式表示的分类结果R1＝(R11，R12，...，R1n)，其中R1i(i∈[1，n])按照从大到小排列，n为场景图像的类别个数；步骤S9：使用相似类别对计算模块统计分类结果R1中前两个候选的可能情况，即统计(R11，R12)的可能组合，得到N个相似类别对，N∈[1，n(n-1)/2]，为了降低后续的计算复杂度，N设为n/5；步骤S10：使用局部纹理特征计算模块针对N个相似类别对进行计算，得到场景图像的局部纹理信息特征；步骤S11：使用分类器训练模块对局部纹理信息特征训练，得到N个第二级分类器；步骤S12：用第二级分类器对场景图像进行分类，得到N个以概率形式表示的分类结果Ci＝(Ci1，Ci2)，i∈[1，N]，其中Ci1，Ci2按照从大到小排列；步骤S13：使用分类结果融合模块将分类结果R1与第二级分类器的分类结果Ci融合，得到场景图像的最终分类结果。