[发明专利]基于自适应特征和分类模型选择的图像识别方法及系统

说明书

技术领域

本发明涉及图像处理、模式识别以及机器学习技术领域，特别涉及一种基于自适应特征和分类模型选择的图像识别方法及系统。

背景技术

目前，图像分类识别方法多为基于图像特征进行匹配、识别和检索，即用机器学习方法设计一个算法模型，用一定数量样本的图像数据库根据一定特征提取方法所提取的特征，对该算法模型进行训练，使之具有一定的认知能力；之后，模型输入一张未知类别的样本图像，即测试图像，根据相似度等准则对未知图像和已知图像数据库做匹配，以此确定输入测试图像的身份。

现有的图像分类识别方法主要有如下缺点：

(1)需要事先确定合适的图像特征提取方法，由于待确定类别的图像具有很多未知因素，比如，图像部分缺失、摄像角度偏转等因素，因此预先设置的特征提取方法并不适应于所有的样本。

(2)不同的特征提取方法要结合相应的分类识别算法才能体现较好的识别结果，要获得精确的识别率，算法模型比较复杂。

发明内容

本发明的目的在于提供一种基于自适应特征和分类模型选择的图像识别方法及系统，能够解决目标图像类型发生改变等情况下识别模型的匹配性能降低的问题。

为解决上述问题，本发明提供一种基于自适应特征和分类模型选择的图像识别方法，包括：

设置供训练和测试的图像样本数据库，并把所述图像样本数据库划分为若干个子类，每一子类中图像样本数据具有一种或多种共同的特征；

确定每一种特征的提取方法，并为每一种特征的提取方法确定相应的分类器；

对所有子类中的图像样本数据分别根据所有特征的提取方法提取特征组成特征库，并对所述特征库中所有特征进行一致性处理；

对所述特征库中的每一种特征用所有的分类器轮流进行训练，并从所述特征库中随机选择部分图像用以验证分类器的识别率，根据识别率的验证结果为每个子类确定识别率最高的一种特征及对应的分类器；

对待识别图像用所有特征的提取方法提取对应的特征，并对提取到的特征进行一致性处理；

根据预设的计算距离方法确定所述待识别图像的特征和所述特征库中的每一种特征的距离，根据距离计算的结果确定特征库中与待识别图像的特征距离最近的特征；

根据预设的计算距离方法确定所述待识别图像的特征和所述特征库中的每一种特征的距离，根据计算距离的结果确定特征库中与待识别图像的特征距离最近的特征；

根据与待识别图像的特征距离最近的特征确定与该特征相对应的分类器，根据确定的对应的分类器确定对应的子类，使用确定的对应的分类器在对应的子类中检索识别出与待识别图像匹配的图像样本数据。

进一步的，在上述方法中，所述提取方法为LBP方法。

进一步的，在上述方法中，所述提取方法为SIFT方法。

根据本发明的另一面，提供一种基于自适应特征和分类模型选择的图像识别系统，包括：

划分模块，用于设置供训练和测试的图像样本数据库，并把所述图像样本数据库划分为若干个子类，每一子类中图像样本数据具有一种或多种共同的特征；

确定模块，用于确定每一种特征的提取方法，并为每一种特征的提取方法确定相应的分类器；

第一提取模块，用于对所有子类中的图像样本数据分别根据所有特征的提取方法提取特征组成特征库，并对所述特征库中所有特征进行一致性处理，以使不同的特征可用同一准则进行比较；

训练和选择模块，用于对所述特征库中的每一种特征用所有的分类器轮流进行训练，并从所述特征库中随机选择部分图像用以验证分类器的识别率，根据识别率的验证结果为每个子类选择识别率最高的一种特征及对应的分类器；

第二提取模块，用于对待识别图像用所有特征的提取方法提取对应的特征，并对提取到的特征进行一致性处理，以使不同的特征可用统一准则进行比较；

距离模块，用于根据预设的计算距离方法确定所述待识别图像的特征和所述特征库中的每一种特征的距离，根据计算距离的结果确定特征库中与待识别图像的特征距离最近的特征；

匹配模块，用于根据与待识别图像的特征距离最近的特征确定对应的分类器，根据确定的对应的分类器确定对应的子类，使用确定的对应的分类器在对应的子类中检索识别出与待识别图像匹配的图像样本数据。

进一步的，在上述系统中，所述提取方法为LBP方法。

进一步的，在上述系统中，所述提取方法为SIFT方法。