[發明專利]一種圖像類別檢測方法、系統、電子設備及存儲介質

在審

• 申請號: 202010961502.6
• 申請日: 2020-09-14
• 公開（公告）號: CN112085112A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 張莉;張正齊;王邦軍;屈蘊倩
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G07D7/20
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郄晨芳

本申請公開了一種圖像類別檢測方法，所述圖像類別檢測方法包括獲取訓練圖像集，并根據所述訓練圖像集中每一訓練圖像的圖像特征構建訓練樣本；利用所述訓練樣本對分類模型進行訓練；其中，所述分類模型為稀疏Fisher支持向量機分類算法構建的模型，所述稀疏Fisher支持向量機為基于L1范數的Fisher支持向量機；將待檢測圖像輸入訓練后的分類模型，得到所述待檢測圖像的圖像類型。本申請能夠提高圖像分類準確性。本申請還公開了一種圖像類別檢測系統、一種電子設備及一種存儲介質，具有以上有益效果。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種圖像類別檢測方法、系統、一種電子設備及一種存儲介質。

背景技術

圖像處理技術是用計算機對圖像信息進行處理的技術。圖像處理技術可以包括圖像數字化、圖像增強和復原、圖像數據編碼、圖像分割和圖像識別等。

相關技術中，存在基于圖像處理技術對圖像進行分類的方案，例如存在利用Fisher正則化支持向量機對鈔票的圖像進行真偽分類的操作，以便實現真偽鈔票鑒別。Fisher正則化支持向量機可以找到一個分類超平面并且同時最大化類間間隔和最小化類內散度，但是該Fisher正則化支持向量機構造的模型不具有稀疏性，也就是說該模型會受到訓練樣本中不重要的樣本或噪聲樣本的影響，從而會導致分類器的泛化性能降低。

因此，如何提高圖像分類準確性是本領域技術人員目前需要解決的技術問題。

發明內容

本申請的目的是提供一種圖像類別檢測方法、系統、一種電子設備及一種存儲介質，能夠提高圖像分類準確性。

為解決上述技術問題，本申請提供一種圖像類別檢測方法，該圖像類別檢測包括：

獲取訓練圖像集，并根據所述訓練圖像集中每一訓練圖像的圖像特征構建訓練樣本；

利用所述訓練樣本對分類模型進行訓練；其中，所述分類模型為稀疏Fisher支持向量機分類算法構建的模型，所述稀疏Fisher支持向量機為基于L1范數的Fisher支持向量機；

將待檢測圖像輸入訓練后的分類模型，得到所述待檢測圖像的圖像類型。

可選的，所述訓練圖像集中的訓練圖像包括正例圖像和負例圖像；

相應的，根據所述訓練圖像集中每一訓練圖像的圖像特征構建訓練樣本包括：

根據所述訓練圖像集中的正例圖像的圖像特征構建所述訓練樣本中的正例樣本；

根據所述訓練圖像集中的負例圖像的圖像特征構建所述訓練樣本中的負例樣本。

可選的，獲取訓練圖像集包括：

在固定位置拍攝真鈔圖像和偽鈔圖像；

將所述真鈔圖像作為所述訓練圖像集中的正例圖像，并將所述偽鈔圖像作為所述訓練圖像集中的負例圖像。

可選的，根據所述訓練圖像集中每一訓練圖像的圖像特征構建訓練樣本，包括：

通過子波變換提取的方式提取所述訓練圖像集中每一所述訓練圖像的圖像特征；

根據每一所述訓練圖像的圖像特征和圖像類別構建所述訓練樣本。

可選的，所述根據每一所述訓練圖像的圖像特征和圖像類別構建所述訓練樣本，包括：

對每一所述訓練圖像的圖像特征映射至目標區間；

根據映射至所述目標區間的圖像特征和對應的圖像類別構建所述訓練樣本。

可選的，所述圖像特征包括圖像經小波變換后的方差、偏態、峰度和圖像的熵。

可選的，在利用所述訓練樣本對分類模型進行訓練之前，還包括：