[发明专利]图像分类显示方法和装置、分析仪器和存储介质

权利要求书

1.一种图像分类显示方法，其特征在于，包括：

计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度；

将最大相似度所属的成分类别作为所述待识别分割图像的初始成分类别；

将所述待识别分割图像显示在所述初始成分类别的框选区域中；

响应于所述待识别分割图像被选中，显示所述多个相似度中数值最高的前n个相似度和所属成分类别，以确定所述待识别分割图像的最终成分类别，n为大于等于2的整数。

2.根据权利要求1所述的方法，其特征在于，在所述确定待识别分割图像的最终成分类别之后，所述方法还包括：

若所述待识别分割图像的最终成分类别与所述初始成分类别不一致，则将所述待识别分割图像显示在所述最终成分类别的框选区域中。

3.根据权利要求1所述的方法，其特征在于，在所述计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度之后，所述方法还包括：

若所述待识别分割图像的相对于所述多个成分类别的相似度均低于预设阈值，则将所述待识别分割图像识别为未知图像；

将所述待识别分割图像显示在所述未知图像的框选区域中。

4.根据权利要求1所述的方法，其特征在于，所述计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度，包括：

提取待识别分割图像中的有效连通区域的多个特征值，所述待识别分割图像包括一个有效连通区域；

从所述多个特征值中选取相关性系数最小的m个特征值，m为大于等于2的整数；

基于预设的神经网络对所述m个特征值进行处理，计算得到所述待识别分割图像与目标成分集合中各目标成分类别之间的相似度。

5.根据权利要求4所述的方法，其特征在于，在所述基于预设的神经网络对所述m个特征值进行处理之前，所述方法还包括：

从成分类别已知的多张分割图像中选取预定比例的分割图像作为训练集；

根据所述训练集中各分割图像的有效连通区域的多个特征值和对应的成分类别对初始神经网络进行训练；

对训练后的神经网络进行验证；

若验证通过，则将所述训练后的神经网络作为所述预设的神经网络。

6.根据权利要求5所述的方法，其特征在于，所述对训练后的神经网络进行验证，包括；

将所述成分类别已知的多张分割图像中除所述预定比例外的其他分割图像作为测试集；

根据所述测试集中各分割图像的有效连通区域的多个特征值和对应的成分类别，对所述训练后的神经网络进行验证。

7.根据权利要求4所述的方法，其特征在于，所述特征值包括：形状类特征值、像素分布类特征值、基于灰度共生矩阵的纹理类特征值和基于灰度与梯度共生矩阵的纹理类特征值。

8.根据权利要求4所述的方法，其特征在于，所述预设的神经网络的输出层神经元的个数为N+1，N为所述待识别分割图像所属样本中有形成分的总类别数，1为杂质成分。

9.根据权利要求4所述的方法，其特征在于，所述预设的神经网络的隐藏层神经元的个数为其中，m为输入层神经元的个数，N+1为输出层神经元的个数，λ为0到10之间的任一整数。

10.一种图像分类显示装置，其特征在于，包括：

计算模块，用于计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度；

识别模块，用于将最大相似度所属的成分类别作为所述待识别分割图像的初始成分类别；

第一显示模块，用于将所述待识别分割图像显示在所述初始成分类别的框选区域中；

第二显示模块，用于响应于所述待识别分割图像被选中，显示所述多个相似度中数值最高的前n个相似度和所属成分类别，以确定所述待识别分割图像的最终成分类别，n为大于等于2的整数。

11.一种分析仪器，其特征在于，包括如权利要求10所述的图像分类显示装置。

12.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9任意一项所述的图像分类显示方法。