[發明專利]一種訓練集合生成方法

無效

• 申請號: 201110208790.9
• 申請日: 2011-07-25
• 公開（公告）號: CN102254195A
• 公開（公告）日: 2011-11-23
• 發明（設計）人: 張云超;黃志海;吳新忠;徐寧
• 申請（專利權）人: 廣州市道真生物科技有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 譚英強

技術領域

本發明涉及一種圖像分類方法，特別是涉及一種訓練集合生成方法。

背景技術

傳統的數字圖像對象分類方法，通常需要把專家總結出來的圖形對象分類規則通過算法變成計算機程序才能實現比較準確的機器自動分類，在實踐中通常會遇到軟件專家不能理解需要分類的圖形對象領域專家的分類判定標準或者他們有時難以表述自己心中的分類規則的情形，造成分類不當或分類錯誤概率過大，對用戶造成諸多影響。

發明內容

為了解決上述技術問題，本發明提供一種通用性強，方便實用的訓練集合生成方法。

本發明解決其技術問題所采用的技術方案是：一種訓練集合生成方法，包括以下步驟：

A：通過圖像標注模塊標注待訓練的圖像對象的類型，生成標注結果文件；

B：由通用特征提取模塊或者特定特征提取模塊提取特征；

C：把標注結果文件與對應圖像對象的特征結合在一起生成訓練集合。

進一步作為優選的實施方式，所述步驟A包括以下步驟：

A1：在圖像標注選項進行手動標注；

A2：保存標注結果到標注結果文件中,并且從標注結果文件中把標注結果重新調入到圖像文件里面。

進一步作為優選的實施方式，在執行A1和A2步驟后如需要刪除標注結果文件，可進行以下步驟：

當原圖像不需要保留標記：

A3：刪除標注結果文件，圖像上的標記隨之消失，原圖像沒有更改；

當原圖像需要保留標記：

A4：刪除標注結果文件，圖像上的標記不消失。

進一步作為優選的實施方式，所述步驟B包括以下步驟：

B1：自動地找到圖像中目標的區域和位置；

B2：從目標的區域和位置提取出上述特征參數作為特征向量。

進一步作為優選的實施方式，其步驟B2所述的特征參數包括血細胞的面積、周長、圓度、色度、均值、能量、熵、對比度、直方圖特征、haar特征和邊緣特征的一種或多種組合。

進一步作為優選的實施方式，所述步驟C包括以下步驟：

C1：采用中心點匹配法和/或區域匹配法，對標注圖像和對應圖像對象的特征進行配對；

C2：按照匹配分數最高優先配對的原則判斷出配對是否成功；

C3：配對成功的人工標注信號與自動提取的特征相結合形成訓練向量；

C4：把若干個訓練向量放在一起形成訓練矢量集合。

本發明的有益效果：本發明涉及的一種訓練集合生成方法采用人工標注和自動特征提取相結合的方法，生成訓練集合，有效克服了過去相關領域專家與軟件專家因專業鴻溝引起的圖像分類錯誤或分類不當，此方法通用性和實用性強，面向用戶，分類錯誤概率低，具有廣闊的應用前景。

附圖說明

下面結合附圖對本發明作進一步說明：

圖1是本發明的訓練集合生成方法流程圖；

圖2是本發明的步驟A詳細流程圖；

圖3是本發明的步驟B詳細流程圖；

圖4本發明的步驟C詳細流程圖。

具體實施方式

一圖像標注模塊，其是一個可視化的分類信號輸入模塊，在圖像標注選項進行手動標注，通過可視化界面在目標圖像中標注類型；

一通用特征提取模塊，其為訓練和分類提供需要分類的對象的特征參數；

一特定對象特征提取模塊，只提供其特征的數據形式和特征接口，供第三方提供指定的特征提取方法，與特征接口相連接獲得特征向量。

權利要求書中所述的中心點匹配法：標注階段標注對象的中心點，計算人工標注記錄中的坐標與特征中坐標的兩兩之間的距離，距離越小匹配分數越高。

權利要求書中所述的區域匹配法：標注階段標注對象區域，進行區域匹配，相似程度越高，匹配分數越高。

參照圖1，一種訓練集合生成方法，包括以下步驟：

A：通過圖像標注模塊標注待訓練的圖像對象的類型，生成標注結果文件；

B：由通用特征提取模塊或者特定特征提取模塊提取特征；

C：把標注結果文件與對應圖像對象的特征結合在一起生成訓練集合。

參照圖2，所述步驟A包括以下步驟：

A1：在圖像標注選項2進行手動標注；

A2：保存標注結果到標注結果文件中,并且從標注結果文件中把標注結果重新調入到圖像文件里面。

在執行A1和A2步驟后如需要刪除標注結果文件，可進行以下步驟：

當原圖像不需要保留標記：