[發明專利]一種多類別圖像識別方法及系統

在審

• 申請號: 201710500086.8
• 申請日: 2017-06-27
• 公開（公告）號: CN107273932A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 陳淵;袁哲明;楊晶晶;譚泗橋;楊黎
• 申請（專利權）人: 湖南農業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 長沙正奇專利事務所有限責任公司43113
• 代理人: 何為,王娟

1.一種多類別圖像類別識別方法，其特征在于，包括以下步驟：

1)對m類別圖像識別問題C＝{C1,C2,…,Cw,…,Cm}，將選自圖像識別數據集的訓練樣本分解為m套樣本子集{C1vs.non-C1}，{C2vs.non-C2}…{Cwvs.non-Cw}…{Cm vs.non-Cm}，non-C1表示非1類別；對每套樣本子集經特征選擇獲得一套特征子集，共獲得m套特征子集{Feat_1,Feat_2,…,Feat_w,…,Feat_m}；

2)對某待測樣本，首先取C1與C2類別樣本作為訓練樣本，以{Feat_1∪Feat_2}為特征子集，構建第一個二分類器，對該待測樣本作出預測，假定該待測樣本被判為C1類，則取C1與C3中樣本為訓練樣本，以{Feat_1∪Feat_3}為特征子集，構建第二個二分類器，對該待測樣本作出預測；依此類推，直到構建m-1個二分類器，最終勝出的類即為最終的圖像類別。

2.根據權利要求1所述的多類別圖像類別識別方法，其特征在于，所述圖像識別數據集中，訓練樣本與待測樣本數量比為3:1。

3.根據權利要求1所述的多類別圖像類別識別方法，其特征在于，采用最小冗余最大相關法對每套樣本子集進行特征選擇。

4.一種多類別圖像類別識別系統，其特征在于，包括：

特征選擇單元：用于進行如下處理：對m類別圖像識別問題C＝{C1,C2,…,Cw,…,Cm}，將選自圖像識別數據集的訓練樣本分解為m套樣本子集{C1vs.non-C1}，{C2vs.non-C2}…{Cw vs.non-Cw}…{Cm vs.non-Cm}，non-C1表示非1類別；對每套樣本子集經特征選擇獲得一套特征子集，共獲得m套特征子集{Feat_1,Feat_2,…,Feat_w,…,Feat_m}；

決策單元：用于進行如下處理：對某待測樣本，首先取C1與C2類別樣本作為訓練樣本，以{Feat_1∪Feat_2}為特征子集，構建第一個二分類器，對該待測樣本作出預測，假定該待測樣本被判為C1類，則取C1與C3中樣本為訓練樣本，以{Feat_1∪Feat_3}為特征子集，構建第二個二分類器，對該待測樣本作出預測；

依此類推，直到構建m-1個二分類器，最終勝出的類即為最終的圖像類別。