[發(fā)明專利]彩色圖像分類方法及裝置

在審

• 申請?zhí)枺?/td>: 201810090789.2
• 申請日: 2018-01-30
• 公開（公告）號: CN108182426A
• 公開（公告）日: 2018-06-19
• 發(fā)明（設計）人: 劉俊杰;周東波;林曉龍;胡偉
• 申請（專利權）人: 國家統(tǒng)計局湖北調查總隊;武漢思眾空間信息科技有限公司;北京師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡志成知識產(chǎn)權代理事務所(普通合伙) 11371
• 代理人: 畢翔宇

1.一種彩色圖像分類方法，其特征在于，應用于圖像處理設備，所述圖像處理設備包括分類模型，所述分類模型用于根據(jù)光譜-紋理特征對圖像進行分類，所述方法包括：

獲得待處理圖像，所述待處理圖像包括遙感圖像；

將所述待處理圖像輸入所述分類模型，根據(jù)所述待處理圖像的光譜-紋理特征對所述待處理圖像的各類地物對象進行分類，所述光譜-紋理特征包括RGB值、LBP特征；

根據(jù)分類結果生成對應的地物對象標識圖。

2.根據(jù)權利要求1所述的方法，其特征在于，所述獲得待處理圖像的步驟之前，所述方法還包括：

獲取訓練圖像集，包括多個訓練圖像，所述訓練圖像包括對應的預設標簽；

使用所述訓練圖像集對所述分類模型進行訓練。

3.根據(jù)權利要求2所述的方法，其特征在于，所述使用所述訓練圖像集對所述分類模型進行訓練的步驟，包括：

構建反卷積層以及多層卷積層，并輸入所述訓練圖像集；

所述訓練圖像經(jīng)所述多層卷積層以及反卷積層運算處理，得到相應的特征圖。

4.根據(jù)權利要求3所述的方法，其特征在于，所述使用所述訓練圖像集對所述分類模型進行訓練的步驟，還包括：

獲取測試圖像集，所述測試圖像集包括多個測試圖像，所述測試圖像包括實際標簽；

所述測試圖像輸入所述分類模型進行分類，得到測試標簽；

根據(jù)所述測試標簽與實際標簽調整所述分類模型。

5.根據(jù)權利要求4所述的方法，其特征在于，所述獲取訓練圖像集的步驟，包括：

獲取至少一個地表的正射圖像；

拼接所述正射圖像，得到原始彩色圖像；

根據(jù)所述原始彩色圖像中的地物對象構建對應的標簽圖像；

根據(jù)預設數(shù)目分割所述原始彩色圖像和標簽圖像，得到預設數(shù)目的子圖像，所有所述子圖像形成訓練數(shù)據(jù)集，所述訓練數(shù)據(jù)集包括所述訓練圖像集和所述測試圖像集。

6.根據(jù)權利要求5所述的方法，其特征在于，所述訓練數(shù)據(jù)集根據(jù)預設比例進行劃分，得到所述訓練圖像集和所述測試圖像集，所述訓練圖像集和測試圖像集均包含有所述原始彩色圖像和標簽圖像的子圖像。

7.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)分類結果生成對應的地物對象標識圖的步驟，包括：

根據(jù)分類結果，對不同的地物對象的相應區(qū)域標識不同顏色。

8.根據(jù)權利要求3所述的方法，其特征在于，所述構建反卷積層以及多層卷積層的步驟，包括：

在所述圖像處理設備的圖形處理器上構建神經(jīng)網(wǎng)絡模型的卷積神經(jīng)網(wǎng)絡框架；

在構建的所述卷積神經(jīng)網(wǎng)絡框架上，構建深層神經(jīng)網(wǎng)絡；采用FCN-Alexnet構建反卷積層以及多層卷積層。

9.根據(jù)權利要求8所述的方法，其特征在于，所述根據(jù)所述待處理圖像的光譜-紋理特征對所述待處理圖像的各類地物對象進行分類的步驟，包括：

根據(jù)RGB值與得到的所述特征圖，計算每個像素屬于各個的類別標簽的正確率；

選取正確率最大的標簽作為地物對象的類別標簽。

10.一種彩色圖像分類裝置，其特征在于，應用于圖像處理設備，所述圖像處理設備包括分類模型，所述分類模型用于根據(jù)光譜-紋理特征對圖像進行分類，所述彩色圖像分類裝置包括：

獲取單元，用于獲得待處理圖像，所述待處理圖像包括遙感圖像；

分類單元，用于將所述待處理圖像輸入所述分類模型，根據(jù)所述待處理圖像的光譜-紋理特征對所述待處理圖像的各類地物對象進行分類，所述光譜-紋理特征包括RGB值、LBP特征；

生成單元，用于根據(jù)分類結果生成對應的地物對象標識圖。