一种图像分类方法及系统的利记博彩app
【技术领域】
[0001] 本申请涉及图像分类技术领域。尤其涉及一种图像分类方法及系统。
【背景技术】
[0002] 图像分类是一种根据各自在图像信息中所反映的不同特征，把不同类别的目标区 分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元 或区域划归为若干个类别中的某一种，以代替人的视觉判读。
[0003]目前进行图像分类的方法有许多，形式也千差万别，然而，由于图像中包含大量的 结构信息，一般不能用传感器直接获取，而只能靠数学分析和变换方法从图像中求取，而对 于图像分类来说，分类的速度至关重要，因此，提供一种高速的图像分类方法是本领域技术 人员亟待解决的问题。
【发明内容】
[0004] 有鉴于此，本申请提供了一种图像分类方法及系统，以提高图像分类的速度。
[0005] 为实现上述目的，本申请提供了以下技术方案：
[0006] 一种图像分类方法，该方法包括：
[0007] 根据待分类图像的特征对所述待分类图像进行分层，并获取符合预设条件的图像 层；
[0008] 利用预先构建的分类器中的变换群获取所述图像层对应的轨道；
[0009] 将所述轨道的轨道中心与所述分类器中的近似轨道中心集合中的多个近似轨道 中心进行对比，判断所述待分类图像的类别。
[0010] 优选的，所述分类器的预先构建包括：
[0011] 根据训练样本图像的特征对所述训练样本图像进行分类，得到不同类别的训练样 本图像；
[0012] 对每个类别的训练样本图像根据与之对应的特征进行分层，得到分层后的训练样 本；
[0013] 获取不同类别的所述训练样本中符合预设条件的图像层以及所述图像层对应的 近似轨道中心；
[0014] 根据所述近似轨道中心确定所述近似轨道中心集合，并计算得到变换群。
[0015] 优选的，所述利用预先构建的分类器中的变换群获取所述图像层对应的轨道包 括：
[0016] 将所述变换群作用于所述图像层，进行变换后得到所述图像层对应的轨道。
[0017] 优选的，所述将所述轨道的轨道中心与所述分类器中的近似轨道中心集合中的多 个近似轨道中心进行对比，判断所述待分类图像的类别包括：
[0018] 采用邻近算法在所述近似轨道中心集合中获取与所述轨道中心距离最近的近似 轨道中心；
[0019] 将所述近似轨道中心对应的类别作为所述待分类图像的类别。
[0020] 优选的，所述根据待分类图像的特征对所述待分类图像进行分层，并获取符合预 设条件的图像层具体包括：
[0021] 根据待分类图像的特征利用神经网络对所述待分类图像进行分层，并获取符合预 设条件的图像层。
[0022] 一种图像分类系统，该系统包括：
[0023] 构建模块，用于预先构建分类器；
[0024] 第一分层模块，用于根据待分类图像的特征对所述待分类图像进行分层，并获取 符合预设条件的图像层；
[0025] 第一获取模块，用于利用预先构建的所述分类器中的变换群获取所述图像层对应 的轨道；
[0026] 判断模块，用于将所述轨道的轨道中心与所述分类器中的近似轨道中心集合中的 多个近似轨道中心进行对比，判断所述待分类图像的类别。
[0027] 优选的，所述构建模块包括：
[0028] 分类模块，用于根据训练样本图像的特征对所述训练样本图像进行分类，得到不 同类别的训练样本图像；
[0029] 第二分层模块，用于对每个类别的训练样本图像根据与之对应的特征进行分层， 得到分层后的训练样本；
[0030] 第二获取模块，用于获取不同类别的所述训练样本中符合预设条件的图像层以及 所述图像层对应的近似轨道中心；
[0031] 计算模块，用于根据所述近似轨道中心确定所述近似轨道中心集合，并计算得到 变换群。
[0032] 优选的，所述第一获取模块包括：
[0033] 变换模块，用于将所述变换群作用于所述图像层以对所述图像层进行变换；
[0034] 第一获取子模块，用于通过所述变换模块对所述图像层进行变换后获取所述图像 层对应的轨道。
[0035] 优选的，所述判断模块包括：
[0036] 第二获取子模块，用于采用邻近算法在所述近似轨道中心集合中获取与所述轨道 中心距离最近的近似轨道中心；
[0037] 确定模块，用于将所述近似轨道中心对应的类别作为所述待分类图像的类别。
[0038] 优选的，所述第一分层模块包括：
[0039] 分层子模块，用于根据待分类图像的特征利用神经网络对所述待分类图像进行分 层；
[0040] 获取子模块，用于根据所述分层子模块对所述待分类图像进行的分层获取符合预 设条件的图像层。
[0041] 由以上技术方案可知，本申请提供了一种图像分类方法及系统，该分类方法包括： 根据待分类图像的特征对所述待分类图像进行分层，并获取符合预设条件的图像层；利用 预先构建的分类器中的变换群获取所述图像层对应的轨道；将所述轨道的轨道中心与所述 分类器中的近似轨道中心集合中的多个近似轨道中心进行对比，判断所述待分类图像的类 另IJ。该方法通过进行分层，然后利用预先构建的分类器寻找轨道，根据获取的轨道的轨道中 心与分类器中的近似轨道中心进行对比，判断得到待分类图像的类别，该分类方法既满足 了速度的需求，且从根本上进一步提高了图像分类的速度。
【附图说明】
[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。
[0043] 图1为本申请实施例一提供的一种图像分类方法的流程图；
[0044] 图2为本申请实施例一提供的一种分类器的构建方法的流程图；
[0045] 图3为本申请实施例一提供的一种采用贝叶斯网络对进行图像分层的示意图；
[0046] 图4为本申请实施例二提供的一种图像分类系统的结构示意图；
[0047] 图5为本申请实施例二提供的一种构建模块的结构示意图；
[0048] 图6为本申请实施例三提供的一种利用神经网络进行图像分层的示意图；
[0049] 图7为本申请实施例三提供的一种利用图像压缩进行图像分层的示意图。
【具体实施方式】
[0050] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0051] 本申请提供了一种能够高速进行图像分类的方法和系统，具体方案如下所述：
[0052] 实施例一
[0053] 本申请实施例一提供了一种图像分类方法，如图1所示，图1为本申请实施例一提 供的一种图像分类方法的流程图。该图像分类方法包括：
[0054] SlOl :根据待分类图像的特征对待分类图像进行分层，并获取符合预设条件的图 像层；
[0055] 具体的，符合预设条件的图像层是指对图像分类最有利的图像层，即具有较高识 别度的图像层。
[0056] 事物的运动从宏观宇宙到微观粒子，都可以按分层的方式来进行观察和研究。基 于这样的认识，我们可以将图像空间看成是处于不同层次的图像所构成，每一个层次可以 代表某一种维度的图像，不同层次图像之间的变换可以看成是能量的一种跃迀，在图像的 处理上表示为降维或者维度扩展；处于同一层次的图像由不同类别的图像构成，每一种类 别的图像形成一条轨道，通过样本学习并寻找轨道，就