[发明专利]相似图像分类方法及系统

摘要

本发明提出一种相似图像分类方法及系统。其中，方法包括以下步骤：输入待识别图像并获取待识别图像的形状特征、梯度特征、颜色特征和纹理特征；将图像库中的训练样本分割生成多个不同尺寸的局部区域图像，并进行尺度变换，获得图像模板集，图像模板集中包括多个图像模板；分析图像模板集中的图像模板，并获得图像模板的形状特征、梯度特征、颜色特征和纹理特征；将待识别图像与图像模板集图像的对应特征进行匹配，并进行处理，获得待识别图像的图像细节信息；通过图像表示数据并利用Bagging分类器得到待识别图像的类别。根据本发明实施例的方法，通过对输入图像进行形状特征、梯度特征、颜色特征和纹理特征的提取和匹配，实现了相似图像的正确分类。

主权项

一种相似图像分类方法，其特征在于，包括以下步骤：S1：输入待识别图像并获取所述待识别图像的形状特征、梯度特征、颜色特征和纹理特征；S2：将图像库中的训练样本分割生成多个不同尺寸的局部区域图像，并进行尺度变换，获得图像模板集，所述图像模板集中包括多个图像模板；S3：分析所述图像模板集中的图像模板，并获得图像模板的形状特征、梯度特征、颜色特征和纹理特征；S4：将所述待识别图像与所述图像模板集中的图像模板的对应特征进行匹配，并进行处理，获得所述待识别图像的图像细节信息；S5：通过所述待识别图像的图像细节信息与Bagging分类器得到所述待识别图像的类别，所述步骤S4具体包括：S41：将所述待识别图像与所述图像模板集中的图像模板的对应特征进行匹配，获得待识别图像的特征响应图，其中，所述待识别图像的特征响应图包括形状响应图、梯度响应图、颜色响应图和纹理响应图；S42：将所述待识别图像的形状响应图、梯度响应图、颜色响应图和纹理响应图的每幅响应图中的数值按从大到小排序，然后取排好序的数值中前多个数据，组成该幅响应图的第一特征集；S43：将所述待识别图像的形状响应图、梯度响应图、颜色响应图和纹理响应图的每幅响应图分别划分为多个区域，并分别将所述每幅响应图中的每个区域中的数值按从大到小排序，然后分别取排好序的数值中前多个数据，按一定顺序将所有区域取出的数据组成该幅响应图的第二特征集；S44：将所述每幅响应图的第一特征集和第二特征集进行串联，组成特征向量，分别将所有形状响应图的特征向量串联、所有梯度响应图的特征向量串联、所有颜色响应图的特征向量串联以及所有纹理响应图的特征向量串联，得到待识别图像的形状融合特征向量、梯度融合特征向量、颜色融合特征向量和纹理融合特征向量；S45：将所述待识别图像的形状融合特征向量、梯度融合特征向量、颜色融合特征向量和纹理融合特征向量再次进行融合，生成最终融合特征向量，用来表示待识别图像细节信息。