基于互补特征和类描述的商品图像分类方法

摘要

本发明公开了一种基于互补特征和类描述的商品图像分类方法，包括以下步骤。步骤一取分好类的图像作为训练样本；步骤二使用图片批量编辑工具将所有的标记图像类和测试图片进行分辨率压缩；步骤三提取各标记图像类中图片的塔式梯度方向直方图和塔式关键词直方图互补特征，步骤四提取待分类商品图像的塔式梯度方向直方图和塔式关键词直方图特征；步骤五构造各标记图像类的类描述符；步骤六将以上获得的特征向量使用最近邻分类算法进行分类，通过计算待分类商品图像与各标记图像类类描述符之间的距离，将距离最小的图像类作为分类结果。本发明能充分利用两种互补特征，并使用基于图像-类距离的改进最近邻分类算法，使得分类结果更加精确。

主权项

1.一种基于互补特征和类描述的商品图像分类方法，其特征在于互补特征的提取及改进的图像-类的距离计算方法，具体描述如下步骤：步骤一、取已分好类的图像作为训练样本；步骤二、提取各图像类中图像的塔式梯度方向直方图和塔式关键词直方图特征，其中塔式分解级数为L，L设置为3；步骤三、提取待分类商品图像的塔式梯度方向直方图和塔式关键词直方图特征，其中塔式分解级数为L，L设置为3；步骤四、然后计算各图像类的类描述符，即代表各图像类的塔式梯度方向直方图和塔式关键词直方图特征；图像类的类描述符利用下公式求得：图像类的类描述符为{HGC^(l),HWC^(l),}${\mathrm{HGC}}^{\left(l\right)}={\mathrm{HGC}}_j^{\left(l\right)}|\underset{j}{\min }d({\mathrm{HGC}}_j^{\left(l\right)},{\mathrm{HGq}}^{\left(l\right)})$${\mathrm{HWC}}^{\left(l\right)}={\mathrm{HWC}}_j^{\left(l\right)}|\underset{j}{\min }d({\mathrm{HWC}}_j^{\left(l\right)},{\mathrm{HWq}}^{\left(l\right)})$l=0,1,…,L-1,j=0,1…,N_C-1其中：HGq^(l),HWq^(l)分别表示待分类商品图像的第l级(l=0,1,…,L-1)塔式梯度方向直方图和塔式关键词直方图，分别表示图像类中第j幅图像的第l级塔式梯度方向直方图和塔式关键词直方图；另外，L为塔式分解级数，N_C为该图像类中含有的图片的总数；和距离计算采用步骤五中的chi-square距离方法；步骤五、计算待分类商品图像与各图像类的类描述符之间的距离，即分别计算待分类商品图像塔式梯度方向直方图和塔式关键词直方图与每个图像类的类描述符中的塔式梯度方向直方图和塔式关键词直方图距离，采用chi-square距离计算方法，chi-square距离法计算公式如下：$d(s1,s2)=\underset{j}{\Sigma }\frac{{\left(s_1\right[j]-s_2[j\left]\right)}^2}{s_1\left[j\right]+s_2\left[j\right]}$其中，d(s1,s2)表示两个直方图s1与s2之间的chi-square距离，s1[j],s2[j]分别表示两个直方图s1与s2第j个元素的取值；将计算出来的两种距离进行线性加权，将线性加权距离最小的图像类作为分类结果。