(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210037541.6 (22)申请日 2022.01.13 (71)申请人 河北汉光重 工有限责任公司 地址 056002 河北省邯郸市经济开发区和 谐大街8号 (72)发明人 张响云　井世丽　王禄禄　成妍妍　 (74)专利代理 机构 北京理工大 学专利中心 11120 专利代理师 温子云　李爱英 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06T 5/00(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G01S 15/89(2006.01) (54)发明名称 基于微块差异特征提取及SVM的图像分类方 法及装置 (57)摘要 本发明提供一种基于微块差异特征提取及 SVM的图像分类方法及装置， 所述方法包括： 使用 高斯平滑滤波算法对原始 图像数据集中的各图 像进行去噪处理； 基于同态滤波算法对去噪后的 各图像进行增强处理， 更新图像集； 对 图像集中 的各图像提取微块的差异特征； 利用基于高斯核 函数构建的支持向量机模型对所述图像集中的 全部图像进行分类； 判断分类结果是否满足预定 要求， 若满足， 方法结束； 否则， 对增强后的图像 集中得各图像减小微块的大小、 增加微块数量。 本发明兼顾纹理图像特征的准确描述与分类， 更 精确的捕捉图像补丁对间的差异， 分类准确。 权利要求书2页 说明书6页 附图2页 CN 114548219 A 2022.05.27 CN 114548219 A 1.一种基于微块差异特征提取及SVM的图像分类方法， 其特征在于， 所述方法包括以下 步骤： 步骤S101： 使用高斯平 滑滤波算法对原 始图像数据集中的各图像进行去噪处 理； 步骤S102： 基于同态滤波算法对去噪后的各图像进行增强处 理， 更新图像集； 步骤S103： 对图像集中的各图像提取微块的差异特征； 所述微块为尺寸在9 ×9到15× 15像素范围内的图像补丁； 步骤S104： 利用基于高斯核函数构建的支持向量机模型对所述图像集中的全部图像进 行分类； 步骤S105： 判断分类结果是否满足预定要求， 若满足， 方法结束； 否则， 对增强后的图像 集中得各图像减小微 块的大小、 增 加微块数量， 进入步骤S10 3。 2.如权利要求1所述的基于微块差异特征提取及SVM的图像分类方法， 其特征在于， 所 述步骤S102中同态滤波的步骤为： 步骤S1021： 对去噪后的各图像均取对数运算， 使得各图像中照射强度与反射强度分 离； 令 z(x,y)＝ ln f(x,y)＝ ln i(x,y)+l n r(x,y)     (公式1) 其中， x、 y分别像素点横、 纵坐标， 取对数后的图像定义 为z(x,y)； 步骤S102 2： 公式1左右两侧同时进行傅里叶变换， 得到： Z(u,v)＝Fi(u,v)+Fr(u,v) 其中， u、 v分别像素点x、 y傅里叶变换后的参数， Z(u,v)为z(u,y)傅里叶变换后的函数 表达式， Fi(u,v)为lni(x,y)傅里叶变换后的函 数表达式， Fr(u,v)为lnr(x,y)傅里叶变换后 的函数表达式； 步骤S1023： 将经过傅里叶变换后的Z(u,v)输入到同态滤波器中， 通过滤波函数H(u,v) 进行滤波， 得到滤波函数S(u,v)， 其过程 为： S(u,v)＝H(u,v)Z(u,v)＝H(u,v)Fi(u,v)+H(u,v)Fr(u,v) 步骤S1024： 对滤波函数S(u,v)进行傅里叶反变换 可得s(x,y)： s(x,y)＝F‑1(S(u,v)) 最后经过反对数运 算得到最终所需的图像g(x,y)， 其公式为： g(x,y)＝exp^(s(x,y) )＝io(x,y)*ro(x,y) 其中， io(x,y)为同态滤波后的照射强度， ro(x,y)为同态滤波后的反射强度。 3.如权利要求2所述的基于微块差异特征提取及SVM的图像分类方法， 其特征在于， 所 述步骤S103： 对图像集中的各图像提取微块的差异特征， 其中， 对一张图像提取微块的差异 特征的方法包括： 对图像集中的任意一张图像， 将图像划分为若干图像块， 确定图像 中的图像补丁， 将尺 寸在9×9到15×15像素范围内的图像补丁， 确定为 微块； 对所述任意一张图像中的某一微块， 该微块中随机选取两组采样点A{a1,a2,…an},B {b1,b2,…bn}， 该微块大小 为S， a1,a2,…an， b1,b2,…bn均为微块中的像素点， n为每组采样点 的数目,则该微 块的特征vs表示为： vs＝{Ms(a1)‑Ms(b1),Ms(a2)‑Ms(b2)…Ms(an)‑Ms(bn)}权　利　要　求　书 1/2 页 2 CN 114548219 A 2其中， x,y分别像素点横、 纵坐标， Ms(x,y)表示中心点 (x,y)处微块像素的平均强度； P(x,y)、 p(x+i,y+i)分别表示在位于{x,y}、 {x+i,y+i}处 的 像素强度； 令Um表示位于m采样点处像素的平均强度， 定义 为： Pam(xa+i,ya+i)、 Pbm(xb+i,yb+i)分别表示采样点集A,B中m编号的中心采样点(xa,ya)、 (xb,yb)邻域(xa+i,ya+i)、 (xb+i,yb+i)点的像素强度； 该图像提取 特征表示为VS＝{U1,U2…Un}。 4.如权利要求3所述的基于微块差异特征提取及SVM的图像分类方法， 其特征在于， 所 述步骤S104： 利用基于高斯核函数构建的支持向量机模 型对所述图像集中的全部图像进 行 分类， 其中， 用到的高斯核函数为： 其中， 为每张图片的特 征， σ 为高斯核带宽 。 5.一种基于微 块差异特 征提取及SVM的图像分类装置， 其特 征在于， 所述装置包括： 去噪模块： 配置为使用高斯平滑滤波算法对原始图像数据集中的各图像进行去噪处 理； 增强处理模块： 配置为基于同态滤波算法对去噪后的各图像进行增强处理， 更新图像 集； 特征提取模块： 配置为对图像集中的各图像提取微块的差异特征； 所述微块为尺寸在9 ×9到15×15像素范围内的图像补丁； 分类模块： 配置为利用基于 高斯核函数构建的支持向量机模型对所述图像集中的全部 图像进行分类； 判断模块： 配置为判断分类结果是否满足预定要求。 6.一种基于微 块差异特 征提取及SVM的图像分类系统， 包括： 处理器， 用于执 行多条指令； 存储器， 用于存 储多条指令； 其中， 所述多条指令， 用于由所述存储器存储， 并由所述处理器加载并执行如权利要求 1‑4中任一项所述的基于微 块差异特 征提取及SVM的图像分类方法。 7.一种计算机可读存储介质， 所述存储介质中存储有多条指令； 所述多条指令， 用于由 处理器加载并执行如权利要求1 ‑4中任一项所述的基于微块差异特征提取及SVM的图像分 类方法。权　利　要　求　书 2/2 页 3 CN 114548219 A 3