[發明專利]一種基于多模型融合的圖像分類方法

在審

• 申請號: 202110768920.8
• 申請日: 2021-07-07
• 公開（公告）號: CN114283289A
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 何婧媛;楊百龍;蘇陽
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/762;G06V10/764;G06V10/774;G06V10/80;G06K9/62;G06T5/00;G06T7/90
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 劉杰

1.一種基于多模型融合的圖像分類方法，其特征在于，包括：

獲取待分類圖像數據集，將所述待分類圖像數據集進行預處理，獲取訓練數據集和測試數據集；

將所述訓練數據集和測試數據集中的圖像進行灰度處理，并對灰度處理后的訓練數據集和測試數據集進行特征提取，生成訓練特征集和測試特征集；

通過所述訓練特征集在多個預設的網絡模型中分別進行訓練，得到訓練的多個網絡訓練模型；

通過所述測試特征集在多個預設的網絡模型中分別進行測試，得到測試的多個測試模型；

分別對所述多個網絡訓練模型和多個測試模型進行聚類融合，并生成訓練聚類中心和測試聚類中心；

根據所述訓練聚類中心，對所述待分類圖像數據集進行分類，獲取分類結果；

將所述分類結果傳輸至所述測試聚類中心，判斷所述分類結果是否正確，并在分類結果正確時，并將對應的圖像進行類型標記。

2.如權利要求1所述的一種基于多模型融合的圖像分類方法，其特征在于，所述獲取待分類圖像數據集，將所述待分類圖像數據集進行預處理，獲取訓練數據集和測試數據集，包括：

將所述待分類圖像數據集導入RGB顏色空間進行顏色增強處理，生成第一增強圖像數據集；

將所述第一增強圖像數據集導入HSV顏色空間進行明度增強處理，生成第二增強圖像數據集；

分別計算所述第二增強圖像數據集的圖像權重，并生成權重數據集；

將所述權重數據集的權重值按照從大到小進行排序，生成權重梯度序列；

將所述權重梯度序列進行均勻劃分為至少兩個權重范圍層；

通過預設的訓練數據集和測試數據集的劃分比例，將所述權重范圍層中的按照所述比例進行劃分訓練權重數據集和測試權重數據集；

根據所述訓練權重數據集和測試權重數據集，將對應的待分類圖像數據集劃分為訓練數據集和測試數據集。

3.如權利要求1所述的一種基于多模型融合的圖像分類方法，其特征在于，所述將所述訓練數據集和測試數據集中的圖像進行灰度處理，并對灰度處理后的訓練數據集和測試數據集進行特征提取，生成訓練特征集和測試特征集，包括以下步驟：

步驟1：根據所述訓練數據集和測試數據集，確定每張圖像的原始灰度值和色差值；

步驟2：根據所述原始灰度值，通過下式確定每張圖像灰度函數：

其中，H(g)表示灰度函數；g_ij表示第i張圖像的第j個像素點的灰度值；μ_ij表示待分類圖像數據集中第i張圖像的第j個像素點的色差值；τ表示待分類圖像數據集；i＝1，2，3……n；n表示待分類圖像數據集中圖像的總數量；j＝1，2，3……m；m表示待分類圖像數據集中每張圖像的像素點的總數量；

步驟3：根據所述灰度函數，基于顏色映射對所述待分類圖像數據集的中每張圖片進行灰度處理，確定每張圖片的顯著性：

其中，N(H(g))_i表示第i張圖像的灰度增強函數；ΔD表示每張圖片灰度處理后和灰度處理前的預設歐式距離；ΔC表示每張圖片灰度處理后和灰度處理前像素顏色的預設標準差；

步驟4：根據所述顯著性，通過下式確定每張圖片灰度處理后和灰度處理前的視覺對比度：

其中，δ表示每張圖片的權重；

步驟5：將所述視覺對比度代入每張圖像灰度函數，確定灰度處理后每張圖像的灰度函數：

其中，表示灰度處理后每張圖像的灰度函數；

步驟6：根據所述灰度函數，分別對所述訓練數據集和測試數據集進行處理，通過下式進行特征提取：

其中，T(i)表示第i張圖像的特征值；

步驟7：根據所述特征提取，分別訓練數據集的訓練特征集和測試數據集的測試特征集。