图像分类的方法和装置制造方法
【专利摘要】本发明公开了一种图像分类的方法和装置，属于图像处理【技术领域】。所述方法包括：获取所述第一数量值和系数因子，计算所述第一数量值和所述系数因子的比值得到非零系数的第二数量值；根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重；根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别。本发明通过根据权重函数计算中间代码权重，由中间代码权重的和代表局部特征的高维代码矢量，以得到数量较多的非零系数，有效实现了非线性的局部特征到线性高维码的描述，有利于图像的线性分类。
【专利说明】图像分类的方法和装置
【技术领域】
[0001]本发明涉及图像处理【技术领域】，特别涉及一种图像分类的方法和装置。
【背景技术】
[0002]图像分类是根据图像特征区分不同类别目标的图像处理方法。特征编码是图像分类的关键步骤，实现了图像从非线性的局部特征描述到线性高维码的描述，有利于图像的线性分类。
[0003]现有技术中，局部编码方案将非线性的局部特征映射到线性高维码后，得到特定数量的高维码的非零系数，实现了图像从非线性的局部特征描述到线性高维码的描述。
[0004]在实现本发明的过程中，发明人发现现有技术至少存在以下问题:
[0005]现有技术中，局部编码方案收到非零系数数量的限制，不能构造足够多的非零系数进行图像的描述，造成了图像特征信息的丢失，使得属于同一个群集的特征点之间仍有较大差异，不利于图像分类。
【发明内容】
[0006]为了解决现有技术中高维码非零系数的数量的问题，本发明实施例提供了一种图像分类的方法和装置。所述技术方案如下:
[0007]第一方面，提供了一种图像分类的方法，所述方法包括:
[0008]获取所述第一数量值和系数因子，计算所述第一数量值和所述系数因子的比值得到非零系数的第二数量值；
[0009]根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重；
[0010]根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别。
[0011]结合第一方面，在第一方面的第一种可能的实施方式下，所述根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重，具体包括:
[0012]利用所述系数因子g对码本B的索引Ν=[ηι，η2，……，nk]进行分解，得到分解后的索引H=EN1,……，乂]，其中，码本8=[131，132，……bk]?[?……，:]，i=[l，2，……，g];
[0013]根据所述分解后的索引H=W1,……，Ng]，将图像特征值X和码本B中的基向
量匕代入权重函数
【权利要求】
1.一种图像分类的方法，其特征在于，所述方法包括: 获取所述第一数量值和系数因子，计算所述第一数量值和所述系数因子的比值得到非零系数的第二数量值； 根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重； 根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别。
2.根据权利要求1所述的方法，其特征在于，所述根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重，具体包括: 利用所述系数因子g对码本B的索引N=[ni，n2，……，nk]进行分解，得到分解后的索引
3.根据权利要求2所述的方法，其特征在于，所述根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别，具体包括: 根据所述中间代码权重Ft(Abi)和中间代码系数公式苟
4.根据权利要求1-3所述的任一方法，其特征在于，计算非零系数的第一数量值K和系数因子g的比值，得到非零系数的第二数量值f之前，所述方法包括: 根据待分类图像，获取所述待分类图像的局部特征向量X=[Xl，x2，……，xN] G Rdxn。
5.根据权利要求4所述的方法，其特征在于，将所述中间代码系数U代入高维码公式Ci = ，得到高维码Ci之后，所述方法包括: t=\ 判断所述局部特征向量中的每一个特征值是否都有对应的高维码； 如果所述局部特征向量中的每一个特征值都有对应的高维码，根据最大池公式y-maxdc； |,|4 I,……14 I) 计算最大池，其中，|c； I为第i个高维码向量中的第I个高维码的系数。
6.根据权利要求5所述的方法，其特征在于，如果所述局部特征向量中的每一个特征值都有对应的高维码，根据最大池公式y =max{|Ci U 4 I,……| 4 |} 计算最大池，其中，Ic-1为第i个高维码向量中的第I个高维码的系数之后，所述方法包括: 将图像按照预设区域进行分割，获取分割后的各个区域的最大池； 合并所述各个区域的最大池，得到图像的空间池。
7.根据权利要求6所述的方法，其特征在于，合并所述各个区域的最大池，得到图像的空间池之后，所述方法包括: 根据所述图像的空间池和线性分类器，对图像进行分类。
8.一种图像分类的装置，其特征在于，所述装置包括: 第一计算模块，用于获取所述第一数量值和系数因子，计算所述第一数量值和所述系数因子的比值得到非零系数的第二数量值； 分解模块，用于根据所述系数因子g对码本的索引进行分解，按照所述分解后的索引，将图像特征值和所述码本的基向量按照权重函数进行计算得到中间代码权重； 第一分类模块，用于根据所述中间代码权重进行计算得到图像特征值的高维码，根据所述图像特征值的高维码确定所述图像的类别。
9.根据权利要求8所述的装置，其特征在于，所述分解模块，包括:分解单元，用于利用所述系数因子g对码本B的索引Ν=[ηι，α,,……，nk]进行分解，得到分解后的索引Η=[ΝΡ……，乂]，其中，码本8=[131，132，……bk」A -[/?；,/?；,……i=[l, 2,......，g]； 权重函数计算单元，用于根据所述分解后的索引H=[Ni，……，Ng]，将图像特征值X和码.dist(xjx)
exp ()本B中的基向量匕代入权重函数= ^^——，得到中间代码权重Ψι(χΛ)，其中，dist (X，bi) = | x-bi I I , t 为中间代码矢量，t=[l, 2，......，g]。
10.根据权利要求8所述的装置，其特征在于，所述第一分类模块，包括: 中间代码计算单元，用于根据所述中间代码权重Vt(^bi)和中间代码系数公式c； = \Ψ (”)’ ' e N:，翻中间代码系数^ [ O, oinerwisec,； 高维码计算单元，用于将所述中间代码系数—,代入高维码公式^，得到图像特
ctt=\征值X的高维码Ci,根据所述图像特征值的高维码确定所述图像的类别。
11.根据权利要求8-10所述的任一装置，其特征在于，所述装置包括: 特征向量获取模块，用于根据待分类图像，获取所述待分类图像的局部特征向量X= [X1, x2，......，xN] e rdxn。
12.根据权利要求11所述的装置，其特征在于，所述装置包括: 判断模块，用于判断所述局部特征向量中的每一个特征值是否都有对应的高维码； 最大池计算模块，用于如果所述局部特征向量中的每一个特征值都有对应的高维码，根据最大池公式V =max{|Ci |,……|心|}计算最大池，其中，14 |为第i个高维码向量中的第I个高维码的系数。
13.根据权利要求12所述的装置，其特征在于，所述装置包括: 分割模块，用于将图像按照预设区域进行分割，获取分割后的各个区域的最大池； 合并模块，用于合并所述各个区域的最大池，得到图像的空间池。
14.根据权利要求13所述的装置，其特征在于，所述装置包括: 第二分类模块根据所述`图像的空间池和线性分类器，对图像进行分类。
【文档编号】G06K9/62GK103679206SQ201310728193
【公开日】2014年3月26日 申请日期:2013年12月24日 优先权日:2013年12月24日
【发明者】迈克尔·伊利亚迪斯, 汪灏泓 申请人:Tcl集团股份有限公司