一种图像分类方法及装置与流程
本申请涉及图像处理领域，尤其涉及一种图像分类方法及装置。
背景技术：
图像的处理是实现图像分类、检测等一系列技术的基础，合适的图像分类更有利于将目标对象与其他对象区分开，能更好地提高图像的识别精度。
现有的图像对象区分的预处理方法有二值图像分类方法，通过将图像处理成二值图像，虽然现有的二值图像分类方法对于图像中的文字对象有较好的区分效果，但难以将图像中的非文字对象很好的区分开，导致了现有的图像分类方法对于非文字对象的分类成效低的技术问题。
技术实现要素：
本申请提供了一种图像分类方法及装置，用于解决现有的二值图像分类方法难以将图像中的非文字对象很好的区分开，导致了现有的图像分类方法对于非文字对象的分类成效低的技术问题。
有鉴于此，本申请第一方面提供了一种图像分类方法，包括：
获取原始图像数据，并从所述原始图像中提取出样本图像数据；
根据第一预置公式，对所述原始图像数据进行像素处理，得到第一图像数据，其中，所述第一预置公式为：
式中，iij为所述原始图像数据第i行第j列像素的像素强度，jij为所述第一图像数据第i行第j列像素的像素强度，m为所述原始图像数据的最大像素强度；
通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合，其中，所述第一对象距离集合具体为所述原始图像数据与所述样本图像数据的对象距离集合，所述第二对象距离集合具体为所述第一图像数据与所述样本图像数据的对象距离集合；
根据集合内元素的数值大小，分别对所述第一对象距离集合以及所述第二对象距离集合内的元素进行排序，得到第一对象距离排序集合和第二对象距离排序集合；
根据所述第一对象距离排序集合和第二对象距离排序集合，通过预置的图像融合公式对所述原始图像数据和所述第一图像数据进行融合，得到分类图像数据，其中，所述图像融合公式具体为：
式中，qj为分类图像数据的第j个元素，
优选地，对所述原始图像进行采样，得到样本图像数据，并通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合具体包括：
对所述原始图像进行采样，得到样本图像数据，并通过l1范数算法，分别得到第一对象距离集合和第二对象距离集合。
优选地，所述通过预置的图像融合公式对所述原始图像数据和第一图像数据进行融合，得到分类图像数据之后还包括：
通过第二预置分类公式对所述分类图像数据进行分类，得到分类图像数据的图像分类结果，其中，所述第二预置分类公式具体为：
r＝argminqj；
式中，r为分类图像数据的分类结果。
此外，本申请第二方面提供了一种图像分类装置，包括：
图像获取单元，用于获取原始图像数据，并从所述原始图像中提取出样本图像数据；
像素强度调节单元，用于根据第一预置公式，对所述原始图像数据进行像素处理，得到第一图像数据，其中，所述第一预置公式为：
式中，iij为所述原始图像数据第i行第j列像素的像素强度，jij为所述第一图像数据第i行第j列像素的像素强度，m为所述原始图像数据的最大像素强度；
初步分类单元，用于通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合，其中，所述第一对象距离集合具体为所述原始图像数据与所述样本图像数据的对象距离集合，所述第二对象距离集合具体为所述第一图像数据与所述样本图像数据的对象距离集合；
排序单元，用于根据集合内元素的数值大小，分别对所述第一对象距离集合以及所述第二对象距离集合内的元素进行排序，得到第一对象距离排序集合和第二对象距离排序集合；
图像融合单元，用于根据所述第一对象距离排序集合和第二对象距离排序集合，通过预置的图像融合公式对所述原始图像数据和所述第一图像数据进行融合，得到分类图像数据，其中，所述图像融合公式具体为：
式中，qj为分类图像数据的第j个元素，
优选地，对所述原始图像进行采样，得到样本图像数据，并通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合具体包括：
对所述原始图像进行采样，得到样本图像数据，并通过l1范数算法，分别得到第一对象距离集合和第二对象距离集合。
优选地，还包括：
二次分类单元，用于通过第二预置分类公式对所述分类图像数据进行分类，得到分类图像数据的图像分类结果，其中，所述第二预置分类公式具体为：
r＝argminqj；
式中，r为分类图像数据的分类结果。
从以上技术方案可以看出，本申请具有以下优点：
本申请第一方面提供了一种图像分类方法，包括：获取原始图像数据，并从原始图像数据中提取出样本图像数据；根据第一预置公式，对所述原始图像数据进行像素处理，得到第一图像数据；通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合，其中，所述第一对象距离集合具体为所述原始图像数据与所述样本图像数据的对象距离集合，所述第二对象距离集合具体为所述第一图像数据与所述样本图像数据的对象距离集合；根据集合内元素的数值大小，分别对所述第一对象距离集合以及所述第二对象距离集合内的元素进行排序，得到第一对象距离排序集合和第二对象距离排序集合；根据所述第一对象距离排序集合和第二对象距离排序集合，通过预置的图像融合公式对所述原始图像数据和第一图像数据进行融合，得到分类图像数据。
本申请基于原始图像数据进行像素调节，针对中等强度的像素进行优化，生成与原始图像数据互补的第一图像数据，并与原始图像联合进行图像分类，解决了现有的生成二值图像的图像分类导致的对于非文字对象的分类成效低的技术问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的一种图像分类方法的第一个实施例的流程示意图；
图2为本申请提供的一种图像分类装置的第一个实施例的结构示意图。
具体实施方式
本申请实施例提供了一种图像分类方法及装置，用于解决现有的二值图像分类方法难以将图像中的非文字对象很好的区分开，导致了现有的图像分类方法对于非文字对象的分类成效低的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
请参阅图1，本申请实施例提供了一种图像分类方法，包括：
步骤101、获取原始图像数据，并从所述原始图像中提取出样本图像数据。
需要说明的是，在获取到原始图像数据后，还需要从所述原始图像中提取出预置帧图像数据，将分出的图像数据作为样本图像数据备用；
步骤102、根据第一预置公式，对原始图像数据进行像素预处理，得到第一图像数据。
其中，第一预置公式为：
式中，iij为原始图像数据第i行第j列像素的像素强度，jij为第一图像数据第i行第j列像素的像素强度，m为原始图像数据的最大像素强度。
需要说明的是，m是原始图像数据中所有像素的最大强度，且m不等于0，m的具体取值由原始图像数据的数据格式决定，假如是传统的灰度图像，m＝255。
由公式(1)可知：
1：如果iij是m，则jij一定是0；
2：iij越接近m/2，jij越大，当iij等于m/2时jij取最大值。；
只有当原始图像中的像素处于中等强度的范围内时，才会在第一图像数据中增强它；否则，该像素在第一图像数据中将具有相对较小的像素值，如果该像素的像素强度为0或1(即纯黑或纯白的像素)，在第一图像数据中均已0像素值表示，拓宽了图像分类的像素处理步骤的像素变化梯度。
步骤103、通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合。
其中，第一对象距离集合具体为原始图像数据与样本图像数据的对象距离集合，第二对象距离集合具体为第一图像数据与样本图像数据的对象距离集合。
需要说明的是，对第一图像数据和原始图像数据转化为单位列向量，通过距离度量分类算法，分别得到第一对象距离集合a0和第二对象距离集合an，其中，以第一对象距离集合为例，
步骤104、根据集合内元素的数值大小，分别对第一对象距离集合以及第二对象距离集合内的元素进行排序，得到第一对象距离排序集合b0和第二对象距离排序集合bn。
具体地，令
步骤105、根据第一对象距离排序集合和第二对象距离排序集合，通过预置的图像融合公式对原始图像数据和第一图像数据进行融合，得到分类图像数据。
其中，图像融合公式具体为：
式中，qj为分类图像数据的第j个元素，
更具体地，对原始图像进行采样，得到样本图像数据，并通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合具体包括：
对原始图像进行采样，得到样本图像数据，并通过l1范数算法，分别得到第一对象距离集合和第二对象距离集合。
需要说明的是，本实施例的距离度量分类算法可以采用l1范数算法或l2范数算法，但本实施例为了简化计算量，优选采用l1范数算法。
更具体地，通过预置的图像融合公式对原始图像数据和第一图像数据进行融合，得到分类图像数据之后还包括：
通过第二预置分类公式对分类图像数据进行分类，得到分类图像数据的图像分类结果，其中，第二预置分类公式具体为：
r＝argminqj；
式中，r为分类图像数据的分类结果。
本申请实施例基于原始图像数据进行像素调节，针对中等强度的像素进行优化，生成与原始图像数据互补的第一图像数据，并与原始图像联合进行图像分类，解决了现有的生成二值图像的图像分类导致的对于非文字对象的分类成效低的技术问题。
以上为本申请提供的一种图像分类方法的第一个实施例的详细说明，下面为本申请提供的一种图像分类方法的第一个实施例的详细说明。
请参阅图2，本申请实施例提供了一种图像分类装置，包括：
图像获取单元201，用于获取原始图像数据；
像素强度调节单元202，用于根据第一预置公式，对原始图像数据进行像素处理，得到第一图像数据，其中，第一预置公式为：
式中，iij为原始图像数据第i行第j列像素的像素强度，jij为第一图像数据第i行第j列像素的像素强度，m为原始图像数据的最大像素强度；
初步分类单元203，用于对原始图像进行采样，得到样本图像数据，并通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合，其中，第一对象距离集合具体为原始图像数据与样本图像数据的对象距离集合，第二对象距离集合具体为第一图像数据与样本图像数据的对象距离集合；
排序单元204，用于根据集合内元素的数值大小，分别对第一对象距离集合以及第二对象距离集合内的元素进行排序，得到第一对象距离排序集合和第二对象距离排序集合；
图像融合单元205，用于根据第一对象距离排序集合和第二对象距离排序集合，通过预置的图像融合公式对原始图像数据和第一图像数据进行融合，得到分类图像数据，其中，图像融合公式具体为：
式中，qj为分类图像数据的第j个元素，
更具体地，对原始图像进行采样，得到样本图像数据，并通过距离度量分类算法，分别得到第一对象距离集合和第二对象距离集合具体包括：
对原始图像进行采样，得到样本图像数据，并通过l1范数算法，分别得到第一对象距离集合和第二对象距离集合。
更具体地，还包括：
二次分类单元206，用于通过第二预置分类公式对分类图像数据进行分类，得到分类图像数据的图像分类结果，其中，第二预置分类公式具体为：
r＝argminqj；
式中，r为分类图像数据的分类结果。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！