[發明專利]一種基于區域雙三次插值技術的圖像分類識別方法

在審

• 申請號: 201910632952.8
• 申請日: 2019-07-15
• 公開（公告）號: CN110334776A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 劉明珠;鮑雪;蔣燚銘
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種基于區域雙三次插值技術的圖像分類識別方法，屬于圖像處理領域。現有的圖像處理方法存在因尺度變換造成圖像失真使圖像分類識別率降低的問題。一種基于區域雙三次插值技術的圖像分類識別方法，利用訓練樣本經過SIFT提取特征、K?means聚類統計詞頻、分類的步驟得到訓練數據后，訓練分類器模型；將測試樣本圖像通過區域雙三次插值來對圖像進行相同的放大與縮小的改變，再經過BOF算法進行檢索與分類。本發明能夠提高經縮放引起的失真圖像的分類識別準確率。

技術領域

本發明涉及一種基于區域雙三次插值技術的圖像分類識別方法。

背景技術

計算機視覺針對計算機獲取到的圖像或視頻進行處理，使其具有自主識別、理解和適應環境的能力。特征提取和分類技術作為圖像處理和機器視覺的重要組成部分，可以對視覺信息進行高效的處理，獲得人們需要的信息，給生活和工業生產帶來便利。常用的處理圖像的方法有：深度卷積神經網絡(Deep Convolutional Neural Network,DCNN)、詞袋模型(Bag of Features,BOF)、K-均值聚類(K-Means)和支持向量機(Support VectorMachine,SVM)耦合算法(KM-SVM)等相關改進算法。目前，提出了如下方法：通過BOF算法和空間金字塔匹配對圖像的天氣狀態進行了識別與分類；通過對計算過程更直觀的分析，將卷積網絡中部分隱含層特征可視化，使得圖像識別過程更加優化；提出一種基于K-Means和SVM的耦合算法根據茶葉的不同顏色對優劣茶葉進行識別與分類。但存在因尺度變換造成圖像失真使圖像分類識別率降低的問題，從而本發明將BOF算法與區域雙三次插值相融合，解決上述問題。

發明內容

本發明的目的是為了解決現有的圖像處理方法存在因尺度變換造成圖像失真使圖像分類識別率降低的問題，而提出一種基于區域雙三次插值技術的圖像分類識別方法。

一種基于區域雙三次插值技術的圖像分類識別方法，所述方法通過以下步驟實現：

步驟一、利用訓練樣本經過SIFT提取特征、K-means聚類統計詞頻、分類的步驟得到訓練數據后，訓練分類器模型；

步驟二、將測試樣本圖像通過區域雙三次插值來對圖像進行相同的放大與縮小的改變，再經過BOF算法進行檢索與分類；

步驟三、將經過步驟二處理的測試樣本送入步驟一中訓練好的分類器模型里，進行分類識別。

本發明的有益效果為：

本發明采用區域雙三次插值與BOF算法相融合的新方法對縮放圖像的失真情況進行了有效的抑制，并可以有效提取縮放圖像的特征描述子。通過測試表明本發明提出的融合方法比傳統BOF方法、融合最近鄰方法、融合雙線性插值方法以及融合梯度優化算法的BOF方法等在高縮放倍數的情況下有較好的分類識別效果，可以明顯提高經縮放引起的失真圖像的分類識別準確率。

附圖說明

圖1為本發明方法流程圖；

圖2為2BOF算法縮小4倍結果；

圖3本發明方法縮小4倍后，融合算法和BOF算法分類的結果。

具體實施方式

具體實施方式一：

本實施方式的一種基于區域雙三次插值技術的圖像分類識別方法，如圖1所示，所述方法通過以下步驟實現：

步驟一、利用訓練樣本經過SIFT提取特征、K-means聚類統計詞頻、分類的步驟得到訓練數據后，訓練分類器模型；

步驟二、將測試樣本圖像通過區域雙三次插值來對圖像進行相同的放大與縮小的改變，再經過BOF算法進行檢索與分類；

步驟三、將經過步驟二處理的測試樣本送入步驟一中訓練好的分類器模型里，進行分類識別。