[发明专利]一种图像分类方法、装置及系统

摘要

本发明适用于图像处理领域，提供了一种图像分类方法，包括获取未标注图像，并对获取到的未标注图像进行预处理，生成所述未标注图像的标准化矩阵；根据预先建立的字典学习的优化函数模型，以及所述标准化矩阵，生成字典学习的字典基元以及所述未标注图像的稀疏系数；根据所述未标注图像的稀疏系数对所述未标注图像进行分类。在本发明实施例中，避免了出现由于图像的复杂性，每一种具体的特征只代表一部分信息，且具体的特征仅对部分图像目标有效的情况，同时避免了出现训练模型只包含标注图像的信息，标注信息极其有限，而大量的未标注的信息被浪费的情况，从而解决了现有的图像分类方法缺乏有效性以及全面性的问题，提高了图像分类的效率。

主权项

一种图像分类方法，其特征在于，包括：获取未标注图像，并对获取到的未标注图像进行预处理，生成所述未标注图像的标准化矩阵；根据预先建立的字典学习的优化函数模型，以及所述标准化矩阵，生成字典学习的字典基元以及所述未标注图像的稀疏系数；根据所述未标注图像的稀疏系数对所述未标注图像进行分类；其中，根据未标注图像的稀疏系数对未标注图像进行分类时，采用以下特定的方式：先获取训练的样本集导入分类器SVM，再将稀疏系数矩阵α转化为一个行向量，将该一个行向量代入分类器SVM，以获取分类结果；其中，所述的方法，还包括：获取标注图像，并对获取到的标注图像进行预处理，生成所述标注图像的标准化矩阵；根据预先建立的稀疏系数求解函数模型、所述字典基元以及所述标准化矩阵，生成所述标注图像的稀疏系数；根据所述标注图像的稀疏系数对所述标注图像进行分类；其中，所述根据预先建立的稀疏系数求解函数模型、所述字典基元以及所述标准化矩阵，生成所述标注图像的稀疏系数，包括：建立稀疏系数求解函数的模型；其中，M为标注图像的标准化矩阵的列数；Y＝(y1,y2,…,yM)为标注图像的标准化矩阵；f(·)是一个非线性稀疏惩罚函数，用于表示稀疏性强烈的强度；αi为标准化矩阵每列对应的稀疏系数；为给定的稀疏系数方差的尺度变量；λ>0为常数；γ>0为常数；D为字典基元；Y的系数矩阵根据稀疏系数求解函数的模型、所述字典基元以及所述标准化矩阵，生成所述标注图像的稀疏系数。