[发明专利]一种针对小样本以及高维图像的分类方法

摘要

本发明公开了一种针对小样本以及高维图像的分类方法，包括以下步骤：（1）获得第一分类规则；（2）对图像一级分类；（3）获得第二分类规则；（4）对图像二级分类；（5）获得第三分类规则；（6）对图像三级分类，得出分类结果。本发明提供的方法结合工业生产的特点，该方法中的一级图像分类具有较强的人工可控性，同时也结合了流形降维方法与支持向量机的优势，适合于高维、小样本图像的分类，通过组合图像类型直接表达方法、流形降维方法与支持向量机分类方法以及基于位置特征和质心特征的树状拓扑结构分类方法，建立三级图像分类方法，三级图像分类器之间数据传输量少，不影响效率，且本发明的方法操作简单，算法衔接良好，输入参量少。

主权项

一种针对小样本以及高维图像的分类方法，其特征在于包括以下步骤：（1）获得第一分类规则：选取图像作为训练集，对训练集进行图像特征提取处理，图像特征包括形状特征、颜色特征、位置特征和质心特征，然后使处理后的训练集进入一级分类器，得出第一分类规则，所述一级分类器采用特征描述方法来设计，第一分类规则采用专家经验决策对图像类型的理解，通过特征描述决策来表达图像类型；（2）对图像一级分类：选取图像作为测试集，对测试集进行图像特征提取处理，图像特征包括形状特征、颜色特征、位置特征和质心特征，然后将处理后的测试集通过第一分类规则，得出可分类图像和不可分类图像两种类型图像；（3）获得第二分类规则：对训练集进行图像归一化处理，然后采用流形降维方法ISOMAP进行图像降维，根据ISOMAP算法的抗噪声、处理稀疏数据和参数敏感度低的特性，将处理后的训练集降维至30维以下的特征向量，使处理后的训练集进入二级分类器，所述二级分类器为支持向量机分类器，将训练集产生的特征向量输入支持向量机中进行分类，获得第二分类规则；（4）对图像二级分类：对不可分类图像进行图像降维以及图像归一化，然后使处理后的不可分类图像通过第二分类规则，获 得每幅图像类型。（5）获得第三分类规则：对训练集进行图像特征提取，图像特征包括位置特征和质心特征，然后使处理后的训练集进入三级分类器，将位置特征和质心特征输入至三级分类器内的决策树算法进行学习，获得树状拓扑结构的句法分类规则，即为第三分类规则；（6）对图像三级分类，得出分类结果：将步骤（2）中的可分类图像和经步骤（3）处理后的不可分类图像通过第三分类规则，得出分类结果。