一种数字图像训练和检测方法

本发明提供一种数字图像训练方法以及利用该训练方法的图像检测方法。其中该训练方法包括下列步骤：提取训练样本的图像特征；根据所述图像特征对所述训练样本进行聚类分析，将所述训练样本分为多个子类；对于每个子类，根据所述图像特征进行SVM训练，生成SVM模型。利用该训练方法所获得的多个SVM模型进行图像检测，检测准确率高、且具有较佳推广性和较高时效性。

1.一种数字图像训练方法，包括下列步骤： 提取训练样本的图像特征； 根据所述图像特征对所述训练样本进行聚类分析，将所述训练样本分 为多个子类； 对于每个子类，根据所述图像特征进行SVM训练，生成SVM模型。
2.根据权利要求1所述的训练方法，其特征在于，所述图像特征包括 颜色特征和边缘特征。
3.根据权利要求2所述的训练方法，其特征在于，所述聚类分析的步 骤进一步包括： 将所述颜色特征和边缘特征进行前融合； 根据所述前融合后的特征对所述训练样本进行聚类分析。
4.根据权利要求3所述的训练方法，其特征在于，所述颜色特征是颜 色直方图。
5.根据权利要求2所述的训练方法，其特征在于，所述SVM训练的 步骤进一步包括： 将所述颜色特征和边缘特征进行前融合； 根据所述前融合后的特征进行SVM训练。
6.根据权利要求5所述的训练方法，其特征在于，所述颜色特征是颜 色矩。
7.根据权利要求1所述的训练方法，其特征在于，所述聚类分析采用 隐狄利克雷分布聚类或K均值聚类。
8.根据权利要求1或7所述的训练方法，其特征在于，所述聚类分析 的步骤将每个训练样本划分到一个或多个所述子类中。
9.一种根据权利要求1所述的训练方法的数字图像检测方法，包括下 列步骤： 提取测试样本的图像特征； 计算所述测试样本属于所述每个子类的权重系数向量； 根据所述权重系数向量选择多个所述SVM模型； 根据所述权重系数向量计算所述测试样本在所述多个SVM模型上的 可信度，根据所述可信度判断所述测试样本的类别。
10.根据权利要求9所述的检测方法，其特征在于，所述计算可信度 的步骤包括下列步骤： 根据所述权重系数向量计算概率向量P(j|y)，其中y表示所述测试样 本，j表示第j个子类； 根据所述概率向量P(j|y)选择m个SVM模型，计算所述测试样本 y在所述m个SVM模型的每个上的预测值P(y|j)； 根据公式计算所述可信度P(y)。
11.根据权利要求9所述的检测方法，其特征在于，所述计算可信度 的步骤采用平均融合方法。