[發(fā)明專利]一種基于依據(jù)直方統(tǒng)計(jì)頻率的圖像分類方法、系統(tǒng)、終端及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111004455.7
• 申請(qǐng)日: 2021-08-30
• 公開（公告）號(hào): CN113821664A
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 曾軍蘭;羅彬;魏永紅;汪丹;金豁然;閔湘川
• 申請(qǐng)（專利權(quán)）人: 湖南軍芃科技股份有限公司
• 主分類號(hào): G06F16/55
• 分類號(hào): G06F16/55;G06K9/62
• 代理公司: 長沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 姚瑤

本發(fā)明公開了一種基于依據(jù)直方統(tǒng)計(jì)頻率的圖像分類方法、系統(tǒng)、終端及可讀存儲(chǔ)介質(zhì)，所述方法可以用于在雙能XRT(X?Ray Transmission)檢測領(lǐng)域，本發(fā)明基于圖像灰度頻率的樣本分類識(shí)別，最大程度地挖掘其灰度頻率的有效特征，同時(shí)又盡可能地壓縮特征空間的大小，其具體是采用ElasticNet算法得到特征權(quán)重矩陣W，利用權(quán)重大小表征各個(gè)灰度分組對(duì)應(yīng)特征貢獻(xiàn)度，將貢獻(xiàn)度低的特征進(jìn)行融合，保留貢獻(xiàn)度高的特征，從而更新灰度直方統(tǒng)計(jì)中高低能的灰度分組組數(shù)V1和Vh，有效地解決在雙能XRT檢測領(lǐng)域基于灰度頻率特征的分類識(shí)別問題中特征空間過大，分類效果不佳的問題，提高算法的精度與實(shí)時(shí)性。

技術(shù)領(lǐng)域

本發(fā)明屬于雙能XRT領(lǐng)域的圖像分類識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于依據(jù)直方統(tǒng)計(jì)頻率的圖像分類方法、系統(tǒng)、終端及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

雙能XRT檢測技術(shù)是廣泛應(yīng)用于安檢、醫(yī)療和工業(yè)檢測等眾多領(lǐng)域。該技術(shù)通過雙能X射線探測器可以采集到高能和低能圖像雙通道的數(shù)據(jù)，通過分析這些雙通道數(shù)據(jù)，可以有效避免單通道數(shù)據(jù)無法避免的物料厚度給分類識(shí)別帶來的限制，性能得到質(zhì)的提升?；叶阮l率是圖像分類識(shí)別的基本特征之一。但是在雙能XRT圖像分類識(shí)別領(lǐng)域，圖像灰度變化范圍較大(一般為：0～2¹⁶)，如果進(jìn)行細(xì)粒度的等距分組，雖然可以掌握更多的細(xì)節(jié)特征，但會(huì)面臨高維數(shù)樣本特征帶來的維數(shù)災(zāi)難問題；而如果進(jìn)行粗粒度的劃分，雖然控制好了樣本數(shù)據(jù)維數(shù)，但是卻由于損失了細(xì)節(jié)而導(dǎo)致模型效果不佳。從而在雙能XRT圖像分類識(shí)別技術(shù)上，基于圖像灰度提取的特征還有待進(jìn)一步優(yōu)化，從而提高雙能XRT圖像分類識(shí)別結(jié)果效果以及可靠性。

同理，在其他應(yīng)用領(lǐng)域，圖像分類一直是應(yīng)用較為廣泛，因此，如何提高圖像分類精度，探索可行的分類技術(shù)，豐富圖像分類技術(shù)一直本領(lǐng)域的研究熱點(diǎn)。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)圖像分類領(lǐng)域的可行性技術(shù)研究，提供了一種基于依據(jù)直方統(tǒng)計(jì)頻率的圖像分類方法；同時(shí)針對(duì)現(xiàn)有雙能XRT圖像分類識(shí)別領(lǐng)域中，以細(xì)粒度的等距分組導(dǎo)致面臨高維數(shù)樣本特征帶來的維數(shù)災(zāi)難問題；以及進(jìn)行粗粒度的劃分，會(huì)損失了細(xì)節(jié)而導(dǎo)致模型效果不佳。從而導(dǎo)致雙能XRT圖像分類識(shí)別結(jié)果效果不佳，可靠性不高的問題，提供一種基于依據(jù)直方統(tǒng)計(jì)頻率的雙能圖像特征的圖像分類方法，所述方法依據(jù)權(quán)重表征貢獻(xiàn)度，調(diào)整分組，具體通過特征融合降低了特征維度，同時(shí)保留了高貢獻(xiàn)度的特征，最終提高了圖像分類/雙能圖像分類識(shí)別結(jié)果的可靠性。

一方面，本發(fā)明提供的一種基于依據(jù)直方統(tǒng)計(jì)頻率的圖像分類方法，其包括以下步驟：

S1：獲取用于目標(biāo)分類的圖像及其對(duì)應(yīng)的分類標(biāo)簽，用以構(gòu)建樣本數(shù)據(jù)庫D；

S2：依據(jù)灰度值范圍等間距分為若干組；

S3：依據(jù)分組統(tǒng)計(jì)所述樣本數(shù)據(jù)庫D中樣本的灰度頻率直方數(shù)據(jù)作為樣本特征，構(gòu)建訓(xùn)練樣本庫S；

S4：基于ElasticNet算法以及所述訓(xùn)練樣本庫S訓(xùn)練分類模型得到特征權(quán)重矩陣W；

S5：依據(jù)在所述特征權(quán)重矩陣W中各個(gè)分組對(duì)應(yīng)的權(quán)重大小融合分組特征；

其中，依據(jù)權(quán)重大小保留貢獻(xiàn)率更高的分組，將貢獻(xiàn)率更低的分組與相鄰分組進(jìn)行融合更新分組，若更新后的分組滿足融合預(yù)設(shè)條件，返回步驟S3繼續(xù)融合，否則執(zhí)行S6；

S6：基于更新的分組統(tǒng)計(jì)所述樣本數(shù)據(jù)庫D中樣本的灰度頻率直方數(shù)據(jù)作為樣本特征，并訓(xùn)練出目標(biāo)分類模型，所述目標(biāo)分類模型用于圖像分類，所述目標(biāo)分類模型的輸入數(shù)據(jù)為圖像在分組下的樣本特征，輸出數(shù)據(jù)為圖像對(duì)應(yīng)的分類標(biāo)簽。

第二方面，本發(fā)明提供的一種基于依據(jù)直方統(tǒng)計(jì)頻率的雙能圖像特征的圖像分類方法，其包括：

步驟1：獲取用于目標(biāo)分類的雙能圖像并獲取對(duì)應(yīng)分類標(biāo)簽，用以構(gòu)建樣本數(shù)據(jù)庫D；

步驟2：分別依據(jù)高、低能灰度值范圍等距分為若干組V1和Vh；