[发明专利]一种基于多图融合的图像分类方法和系统

说明书

本发明实施例涉及图像处理技术领域，公开了一种基于多图融合的图像分类方法和系统，提取原始图像的局部图、灰度图、二值图、梯度图、RGB图融合，再将融合后的数据进行训练，因为融合的数据加入的局部信息、梯度信息、颜色信息等，提高网络的细节提取能力，对不同种类的相似图片具备较好的区分能力；相比目前的深度学习技术，本发明实施例方法对不同种类的相似图片具备较强的区分能力，并且具有一定的通用性。

技术领域

本发明实施例涉及计算机视觉图像识别技术领域，特别涉及一种基于多图融合的图像分类方法和系统。

背景技术

近几年以来，随着科学计算机网络及人工智能领域的发展，图形图像数据量逐渐增多，于是，如何从大量的自然图像中快速提取到视觉特征已经成了机器智能学习中的热点研究课题，进而对自然图像的分类必然成为获取自然图像信息的研究重点。

近年来深度学习在学术界、科技界应用广泛，尤其在图像领域，目前已经在图像分类领域取得较大进展，取得不错成效。目前许多深度学习网络分类较明显区别的图像种类效果较好，但对不同种类，图像较相似的图像容易出现误判。

发明内容

本发明实施例的目的在于提供一种基于多图融合的图像分类方法和系统，提高对不同种类相似图像的区分能力，提高网络的图像分类准确率。

为解决上述技术问题，第一方面，本发明的实施例提供了一种基于多图融合的图像分类方法，包括：

获取待分类样本的图像的多个类型的通道图，所述通道图的类型包括灰度图、二值图、梯度图、RGB图；

将多个类型的所述通道图融合成一张多通道图像；

基于所述多通道图像进行神经网络训练，得到用于图像分类的分类模型；

基于所述分类模型进行待分类样本的图像分类。

作为优选的，获取待分类样本的图像的多个类型的通道图，具体包括：

获取待分类样本的若干彩色图像，将所有所述彩色图像缩放至第一尺寸，并分为训练集和测试集；

将训练集中的每个所述彩色图像平均分割为多个第二尺寸的图像，将每个第二尺寸的图像均转换成第一类灰度图；

将训练集中的每个所述彩色图像压缩成第二尺寸的彩色图像，将每个第二尺寸的彩色图像转换成第二类灰度图；提取所述第二类灰度图的二值图和梯度图；

将训练集中的每个所述彩色图像压缩成第二尺寸的彩色图像，提取每个第二尺寸的彩色图像的RGB图。

作为优选的，得到用于图像分类的分类模型后，还包括：

将所述测试集中的彩色图像的多个通道图；

将多个所述通道图融合成一张多通道图像，基于所述测试集中的彩色图像的所述多通道图像对所述分类模型进行测试。

作为优选的，提取所述第二类灰度图的二值图和梯度图，具体包括：

基于大津二值化算法提取所述第二类灰度图的二值图，基于sobel算子提取所述第二类灰度图的梯度图。

作为优选的，所述神经网络为深度卷积神经网络，所述深度卷积神经网络包括输入层、第一卷积层、第一最大值池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、第一全连接层、第二全连接层和输出层；

所述第一卷积层的卷积核个数为32，卷积核大小为3*3；

所述第一最大池化层的核大小为2*2；

所述第二卷积层的卷积核个数为32，卷积核大小为3*3；

所述第二最大池化层的核大小为2*2；