[發(fā)明專利]基于級聯式碼本生成的圖像分類方法

有效

• 申請?zhí)枺?/td>: 201010112508.2
• 申請日: 2010-02-12
• 公開（公告）號: CN102156885A
• 公開（公告）日: 2011-08-17
• 發(fā)明（設計）人: 張琳波;肖柏華;王春恒;張榮國;蔡新元
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 梁愛榮

1.一種基于級聯式碼本生成的圖像分類方法，其特征在于，該圖像分類方法包括步驟如下：

步驟S1：對圖像數據集進行預處理是利用局部顯著區(qū)域檢測子，檢測圖像數據集所有圖像中的局部顯著區(qū)域，并用向量表示，將所有圖像表示成為局部顯著區(qū)域圖像塊的集合；

步驟S2：采用級聯的方式對局部顯著區(qū)域圖像塊的集合進行處理，生成碼本、將訓練圖像向量化并訓練分類器；

步驟S3：利用級聯式訓練生成的碼本，將測試圖像采用與訓練圖像相同的方式向量化，并利用級聯式訓練步驟訓練好的分類器分類圖像，然后根據分類器的輸出標簽，得到測試圖像的分類結果。

2.如權利要求1所述的基于級聯式碼本生成的圖像分類方法，其特征在于，所述圖像數據集包含訓練圖像集和測試圖像集，其中：訓練圖像集根據圖像的標簽分為正訓練圖像和負訓練圖像分別作為正樣本和負樣本用于級聯式碼本生成以及分類器訓練；測試圖像集根據圖像的標簽分為正測試圖像和負測試圖像分別作為正樣本和負樣本用于檢驗所述基于級聯式碼本生成的圖像分類方法的性能。

3.如權利要求1所述的基于級聯式碼本生成的圖像分類方法，其特征在于，所述級聯式訓練的具體步驟如下：

步驟S21：將局部顯著區(qū)域圖像塊的集合中所有由正的訓練圖像經圖像預處理得到的局部顯著區(qū)域圖像塊利用k-均值聚類，生成k個聚類中心作為正碼本；

步驟S22：從當前所有訓練圖像的負訓練圖像中，隨機選擇與正訓練圖像相同數目的圖像，構成采樣得負樣本；

步驟S23：將局部顯著區(qū)域圖像塊集合中所有由采樣得負樣本經圖像預處理得到的局部顯著區(qū)域圖像塊利用k-均值聚類，生成k個聚類中心作為負碼本；

步驟S24：將正碼本與負碼本融合，得到2k個聚類中心，作為本輪的碼本；

步驟S25：將當前所有訓練圖像中的每一塊局部顯著區(qū)域圖像塊按照最近鄰的法則，映射到本輪的碼本上，即將本輪的碼本中與每個局部顯著區(qū)域圖像塊最近的聚類中心作為該局部顯著區(qū)域圖像塊的代表；統(tǒng)計本輪的碼本中每一個聚類中心在當前所有訓練圖像中的每一幅圖像中出現的次數，形成本輪的碼本中每個聚類中心在該圖像中出現次數的直方圖向量，作為該圖像在本輪的碼本上的表示向量；

步驟S26：選擇正訓練圖像和采樣得到的負訓練圖像對應的直方圖向量分別作為正負樣本訓練本輪的分類器，將本輪的碼本和訓練得到的本輪的分類器之間建立對應關系，保存在分類器文件夾中；

步驟S27：將當前所有的負訓練圖像對應的直方圖向量輸入本輪的分類器，如果分類器輸出大于閾值T1，則負訓練圖像被錯誤分類；如果被誤分類的負訓練圖像個數小于正訓練圖像的個數，則訓練過程終止；否則，將分類錯誤的負訓練圖像作為新的負訓練圖像與原始的正訓練圖像構成新的訓練圖像回到步驟S22開始新的一輪訓練。

4.如權利要求1所述的基于級聯式碼本生成的圖像分類方法，其特征在于，所述的測試圖像的分類，是采用級聯的方式使得每一幅測試圖像依次經過所有訓練好的分類器，在經過每一個訓練好的分類器的時候，將測試圖像在當前訓練好的分類器對應的碼本上面按照與訓練圖像相同的方式，生成直方圖向量，輸入分類器；若分類結果小于閾值T2，則圖像標簽為負，測試結束；否則，測試圖像進入下一個訓練好的分類器；只有當測試圖像在所有訓練好的分類器上面標簽都為正，測試圖像被標注為正圖像。