[發(fā)明專(zhuān)利]一種圖像處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811497639.X
• 申請(qǐng)日: 2018-12-07
• 公開(kāi)（公告）號(hào): CN109800781A
• 公開(kāi)（公告）日: 2019-05-24
• 發(fā)明（設(shè)計(jì)）人: 李書(shū)通
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京奇藝世紀(jì)科技有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明實(shí)施例提供了一種圖像處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，方法包括：采用主成分分析網(wǎng)絡(luò)PCANet對(duì)多個(gè)目標(biāo)圖像分別提取圖像特征信息；其中，多個(gè)目標(biāo)圖像包括待分類(lèi)圖像和樣本圖像；根據(jù)圖像特征信息，通過(guò)無(wú)監(jiān)督分類(lèi)算法對(duì)待分類(lèi)圖像和樣本圖像進(jìn)行聚類(lèi)，得到待分類(lèi)圖像的分類(lèi)結(jié)果。本發(fā)明實(shí)施例在需要對(duì)待分類(lèi)圖像進(jìn)行分類(lèi)時(shí)，不需要預(yù)先通過(guò)包括大量數(shù)據(jù)標(biāo)簽的樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，而是通過(guò)主成分分析網(wǎng)絡(luò)PCANet對(duì)多個(gè)目標(biāo)圖像分別提取圖像特征信息，再通過(guò)無(wú)監(jiān)督分類(lèi)算法對(duì)待分類(lèi)圖像和樣本圖像進(jìn)行聚類(lèi)，聚類(lèi)后，待分類(lèi)圖像會(huì)與部分樣本圖像歸為一類(lèi)，因此，即使只有較少的樣本圖像，也能實(shí)現(xiàn)對(duì)待分類(lèi)圖像的自動(dòng)分類(lèi)。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種圖像處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)技術(shù)已被應(yīng)用在圖像處理、語(yǔ)音識(shí)別等領(lǐng)域，尤其是在圖像分類(lèi)處理領(lǐng)域，神經(jīng)網(wǎng)絡(luò)更是被廣泛應(yīng)用。

現(xiàn)有技術(shù)中，使用神經(jīng)網(wǎng)絡(luò)對(duì)圖像等進(jìn)行分類(lèi)時(shí)，通常需要預(yù)先收集包含大量標(biāo)簽數(shù)據(jù)的圖像樣本，通過(guò)樣本訓(xùn)練出神經(jīng)網(wǎng)絡(luò)模型，然后，當(dāng)有新的圖像需要分類(lèi)時(shí)，可以通過(guò)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)新的圖像新進(jìn)分類(lèi)。

但是，申請(qǐng)人發(fā)現(xiàn)經(jīng)常會(huì)有如下的情況出現(xiàn)：在一些情況下，難以找到包含大量標(biāo)簽數(shù)據(jù)的圖像樣本，使得無(wú)法通過(guò)該圖像樣本訓(xùn)練出神經(jīng)網(wǎng)絡(luò)模型，進(jìn)而無(wú)法通過(guò)神經(jīng)網(wǎng)絡(luò)模型對(duì)該場(chǎng)景中的圖像進(jìn)行分類(lèi)。

發(fā)明內(nèi)容

鑒于上述問(wèn)題，提出了本發(fā)明實(shí)施例以便提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的一種圖像處理方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

根據(jù)本發(fā)明的第一方面，提供了一種圖像處理方法，所述方法包括：

采用主成分分析網(wǎng)絡(luò)PCANet對(duì)多個(gè)目標(biāo)圖像分別提取圖像特征信息；其中，所述多個(gè)目標(biāo)圖像包括待分類(lèi)圖像和樣本圖像；

根據(jù)所述圖像特征信息，通過(guò)無(wú)監(jiān)督分類(lèi)算法對(duì)所述待分類(lèi)圖像和所述樣本圖像進(jìn)行聚類(lèi)，得到所述待分類(lèi)圖像的分類(lèi)結(jié)果。

根據(jù)本發(fā)明的第二方面，提供了一種圖像處理裝置，所述裝置包括：

圖像特征信息提取模塊，用于采用主成分分析網(wǎng)絡(luò)PCANet對(duì)多個(gè)目標(biāo)圖像分別提取圖像特征信息；其中，所述多個(gè)目標(biāo)圖像包括待分類(lèi)圖像和樣本圖像；

聚類(lèi)模塊，用于根據(jù)所述圖像特征信息，通過(guò)無(wú)監(jiān)督分類(lèi)算法對(duì)所述待分類(lèi)圖像和所述樣本圖像進(jìn)行聚類(lèi)，得到所述待分類(lèi)圖像的分類(lèi)結(jié)果。

根據(jù)本發(fā)明的第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)任一所述的圖像處理方法。

本發(fā)明實(shí)施例包括以下優(yōu)點(diǎn)：

本發(fā)明實(shí)施例在需要對(duì)待分類(lèi)圖像進(jìn)行分類(lèi)時(shí)，不需要預(yù)先通過(guò)包括大量數(shù)據(jù)標(biāo)簽的樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，而是將待分類(lèi)圖像與樣本圖像作為目標(biāo)圖像，先通過(guò)主成分分析網(wǎng)絡(luò)PCANet對(duì)多個(gè)目標(biāo)圖像分別提取圖像特征信息，再根據(jù)提取的圖像特征信息，通過(guò)無(wú)監(jiān)督分類(lèi)算法對(duì)待分類(lèi)圖像和樣本圖像進(jìn)行聚類(lèi)，聚類(lèi)后，待分類(lèi)圖像會(huì)與部分樣本圖像歸為一類(lèi)，根據(jù)樣本圖像的類(lèi)別可以得到待分類(lèi)圖像的分類(lèi)結(jié)果，因此，本發(fā)明實(shí)施例中，即使只有較少的樣本圖像，通過(guò)對(duì)樣本圖像與待分類(lèi)圖像進(jìn)行聚類(lèi)，也能實(shí)現(xiàn)對(duì)待分類(lèi)圖像的自動(dòng)分類(lèi)。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書(shū)的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明