[发明专利]图像分类方法、服务器及存储介质

说明书

本发明公开了一种图像分类方法、服务器及存储介质，该方法包括：获取待分类图像；提取分类图像预设区域的特征信息，并将特征信息生成目标特征向量；将目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将预设分类类型作为待分类图像的目标分类类型。本发明通过对待分类图像提取出全局特征和局部特征，并与预设图库中的索引进行对比，根据对比结果确定分类类型，可通过对图像进行识别，实现对图像进行自动分类，从而提高图像分类准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分类方法、服务器及存储介质。

背景技术

目前，在业务系统操作过程中，往往需要将大量资料扫描成图像并保存成电子资料，方便查询和使用，一般来说，这些资料有很多分类，比如说身份证、合同、个人征信等等，业务人员在扫描资料的时候，需要手动进行归类很不方便，可能误操作导致分类错误，也极为影响效率。

发明内容

本发明的主要目的在于提出一种图像分类方法、服务器及存储介质，旨在提高图像分类的效率及图像分类的准确性。

为实现上述目的，本发明提供一种图像分类方法，所述图像分类方法包括以下步骤：

获取待分类图像；

提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量；

将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型。

优选地，所述提取所述待分类图像预设区域的特征信息，并将所述特征信息生成目标特征向量，具体包括：

根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息；根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息；根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信息对应的视觉词直方图向量信息；

将所述多维直方图向量信息、特征点向量信息和视觉词直方图向量信息生成目标特征向量。

优选地，所述根据颜色和边缘的方向性描述符提取所述待分类图像全局区域的特征信息，生成多维直方图向量信息，具体包括：

根据颜色和边缘的方向性描述符提取所述待分类图像中全局区域的颜色信息和纹理信息，将所述颜色信息和纹理信息进行结合生成多维直方图向量信息。

优选地，所述根据加速稳健特征算法提取所述待分类图像局部区域的预设特征点信息，并根据所述预设特征点信息生成特征点向量信息，具体包括：

根据加速稳健特征算法依据预设矩阵生成预设特征点信息，并根据所述预设特征点信息生成特征点向量信息。

优选地，所述根据视觉词袋模型提取所述待分类图像局部区域的特征信息，并根据预设视觉词生成所述特征信息对应的视觉词直方图向量信息，具体包括：

根据视觉词袋模型提取所述待分类图像局部区域的特征信息，通过所述特征信息与预设视觉词的映射关系生成所述特征信息对应的视觉词直方图向量信息。

优选地，所述将所述目标特征向量与预设样品库中分类后的索引向量数据进行匹配，确定匹配成功的索引向量数据对应的预设分类类型，并将所述预设分类类型作为所述待分类图像的目标分类类型之前，所述方法还包括：

根据颜色和边缘的方向性描述符、加速稳健特征算法和视觉词袋模型提取样本图像数据中的向量信息，并根据所述向量信息生成索引向量数据。