[发明专利]基于纹理分类的图像识别方法、电子装置及存储介质

说明书

本发明提供一种基于纹理分类的图像识别方法，包括：将已知物件类型的原始图像分割为多个小区块图像；根据Gabor滤波器提取每个小区块图像的纹理特征；根据提取的所述纹理特征确定每个小区块图像的灰度共生矩阵；根据所述灰度共生矩阵计算每个小区块图像的纹理特征统计量；对所述纹理特征及所述纹理特征统计量进行训练以生成物件识别模型；及根据所述物件识别模型对待识别的图像中的物件进行识别分类，确定所述物件的类型。本发明还提供一种电子装置及存储介质。本发明可以对不同物件的纹理特征进行训练以建立识别模型，通过识别模型同时识别出图像中不同的物件，有效提高了图像识别的准确性及识别效率。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于纹理分类的图像识别方法、电子装置及存储介质。

背景技术

传统的图像分类，例如动植物图像，一般对采集的标本需要人工测量、获得数据，然后综合物件的外部特征，通过人们的经验常识进行分类。显然，这种方法工作量巨大，并且主观性较强，导致识别错误的可能性较大。随着机器学习、模式识别、图像处理等技术的快速发展，借助计算机的强大计算能力可实现对图像中的物件进行快速、客观地分类。然而，当图像中包括多个不同类型的物件时，例如植物图像包括大小不同的花朵或叶子等，现有技术中的图像识别方法无法有效地同时对图像中的多个物件进行分类，从而导致降低图像识别的准确性及识别效率。

发明内容

有鉴于此，有必要提供一种基于纹理分类的图像识别方法、电子装置及存储介质，可以对不同物件的纹理特征进行训练以建立侦测模型，从而识别出图像中不同的物件。

本发明的第一方面提供一种基于纹理分类的图像识别方法，所述方法包括：

将已知物件类型的原始图像分割为多个小区块图像；

根据Gabor滤波器提取每个小区块图像的纹理特征；

根据提取的所述纹理特征确定每个小区块图像的灰度共生矩阵；

根据所述灰度共生矩阵计算每个小区块图像的纹理特征统计量；

对所述纹理特征及所述纹理特征统计量进行训练以生成物件识别模型；及

根据所述物件识别模型对待识别的图像中的物件进行识别分类，确定所述物件的类型。

可选地，所述方法还包括：

根据确定的所述物件的类型对所述待识别的图像中对应的物件进行标示；及

将标示完成的所述图像显示在显示屏上。

可选地，所述根据Gabor滤波器提取每个小区块图像的纹理特征包括：

根据滤波参数确定所述Gabor滤波器的数量，组成Gabor滤波器组；

对所述Gabor滤波器组及每个小区块图像进行空域卷积计算以输出每个小区块图像的纹理图像；及

根据每个小区块图像对应的所述纹理图像生成特征向量，作为所述小区块图像的纹理特征。

可选地，所述根据提取的所述纹理特征确定每个小区块图像的灰度共生矩阵包括：

将每个小区块图像转换为灰度图像；

设置所述灰度共生矩阵的参数，其中，所述参数至少包括方向、偏移量及阶数；及

根据所述灰度图像及所述参数生成所述灰度共生矩阵。

可选地，所述方向包括0°、45°、90°及135°，所述偏移量为步距，所述阶数与所述灰度图像的阶数相同。

可选地，所述纹理特征统计量至少包括能量、对比度、相关度及熵。

可选地，所述根据所述灰度共生矩阵计算每个小区块图像的纹理特征统计量包括：