电子设备及其应用的图像处理方法及系统技术方案

本发明专利技术提供一种电子设备及其应用的图像处理方法及系统，根据获取的图像的特征值对所述图像进行无监督学习，以将所述多个图像聚集为多个类，且分别对所述多个类添加标注。根据聚集后的类对图像进行标注，即可大大减少对图像进行标注的工作量，且可根据图像和标注结果进行监督学习，获取假设函数，并可以通过假设函数预测新输入的图像对应的类别的标注，可以作为图像类别判别的参考，提高图像类别判别的准确性。

【技术实现步骤摘要】

本专利技术涉及一种图像处理领域，特别是涉及电子设备及其应用的图像处理方法及系统。
技术介绍
现在众多针对病症判别的方法都是以病症数据样本加上专业人员对病症数据判断做出的病因作为机器学习的输入和输出，由于机器学习通常需要较大数量的数据输入输出对，这势必给作为输出判定的专业人员带来很大的工作量，如果说我们有500个病症图片，当有机器学习训练需求的时候，我们就必须请专业人员对症500个病症图片观测判断，得出病因类型，工作效率非常低下。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供电子设备及其应用的图像处理方法及系统，用于解决现有技术中对图像类型的判别效率低下的问题。为实现上述目的及其他相关目的，本专利技术提供一种图像处理方法，包括：获取多个图像；将所述图像进行预处理，且提取各所述图像的特征值；根据所述特征值对所述图像进行无监督学习，以将所述多个图像聚集为多个类；分别对所述多个类添加标注。于本专利技术一具体实施例中，还包括：分别将所述图像作为输入，且将所述标注作为输出，进行监督学习，以获得接近输入输出对应关系的假设函数；当有新的图像输入时，根据所述假设函数进行计算，获得与所述新的图像对应的标注。于本专利技术一具体实施例中，还包括，对将所述多个特征图像聚集为多个类的结果进行判定，当判定为不合格时，重新提取各所述图像的特征值，并根据所述重新提取的特征值对所述图像进行无监督学习，以重新将所述多个图像聚集为多个类。于本专利技术一具体实施例中，将所述图像进行预处理至少包括以下一种：调整图像一致性；对图像进行直方图均衡化处理；其中，所述调整图像的一致性至少包括以下中的一种：令所述图像的尺寸近似、令所述图像的设置方向一致、以及令特征区域在所述图像中的位置近似。于本专利技术一具体实施例中，对所述图像的特征值进行提取的步骤至少包括：移除图像的非特征区域；减少聚类运算量；对所述图像进行特征数字化处理。于本专利技术一具体实施例中，所述移除图像的非特征区域的操作包括：对所述图像进行轮廓分割；所述减少聚类运算量的操作包括：对所述图像进行颜色压缩。于本专利技术一具体实施例中，所述图像为病症图像，所述标注为预设的多个病症类别；或所述图像为物种图像，所述标注为物种的品种或层次等级。于本专利技术一具体实施例中，所述无监督学习采用聚类的方法；所述监督学习采用以下方法中的一种或多种组合：神经网络方法、线性回归方法、或支持向量机方法。为实现上述目的及其他相关目的，本专利技术还提供一种图像处理系统，包括：图像获取模块，用以获取多个图像；图像处理模块，用以将所述图像进行预处理；特征提取模块，用以提取所述图像处理模块处理后的各所述图像的特征值；分类模块，用以根据所述特征值对所述图像进行无监督学习，以将所述多个图像聚集为多个类；标注模块，用以分别对所述多个类添加标注。于本专利技术一具体实施例中，还包括：假设函数获取模块，用以分别将所述图像作为输入，且将其对应标注作为输出，进行监督学习，以获得接近输入输出对应关系的假设函数；预测模块，用以当有新的图像输入时，根据所述假设函数进行计算，获得与所述新的图像对应的标注。于本专利技术一具体实施例中，还包括，修正模块，用以对将所述多个特征图像聚集为多个类的结果进行判定，当判定为不合格时，重新令所述特征提取模块提取各所述图像的特征值，并令所述分类模块根据所述重新提取的特征值对所述图像进行无监督学习，以重新将所述多个图像聚集为多个类。于本专利技术一具体实施例中，所述图像处理模块将所述图像进行预处理至少包括以下一种：调整图像一致性；对图像进行直方图均衡化处理；其中，所述调整图像的一致性至少包括以下中的一种：令所述图像的尺寸近似、令所述图像的设置方向一致、以及令特征区域在所述图像中的位置近似。于本专利技术一具体实施例中，所述特征提取模块对所述图像的特征值进行提取的操作至少包括：移除非特征区域比如对所述图像进行轮廓分割；减少聚类运算量比如对所述图像进行颜色压缩；对所述图像进行特征数字出处理。于本专利技术一具体实施例中，所述图像为病症图像，所述标注为预设的多个病症类别；或所述图像为物种图像，所述标注为物种的品种或层次等级。于本专利技术一具体实施例中，所述无监督学习采用聚类的方法，所述监督学习采用以下方法中的一种或多种组合：神经网络方法、线性回归方法、或支持向量机方法。为实现上述目的及其他相关目的，本专利技术还提供一种电子设备，包括如上任一项所述的图像处理系统。如上所述，本专利技术的电子设备及其应用的图像处理方法及系统，根据获取的图像的特征值对所述图像进行无监督学习，以将所述多个图像聚集为多个类，且分别对所述多个类添加标注。根据聚集后的类对图像进行标注，即可大大减少对图像进行标注的工作量，且可根据图像和标注结果进行监督学习，获取假设函数，并可以通过假设函数预测新输入的图像对应的类别的标注，可以作为图像类别判别的参考，提高图像类别判别的准确性。附图说明图1显示为本专利技术的图像处理方法在一具体实施例中的流程示意图。图2显示为本专利技术的图像处理系统在一具体实施例中的模块示意图。元件标号说明1 图像处理系统11 图像获取模块12 图像处理模块13 特征提取模块14 分类模块15 标注模块S11～S14 步骤具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图示中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。在病症判别或物种选取方面，需要计算机视觉和机器学习来进行分类和判别，计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。机器学习有几种分类，主要的两种分类为“监督学习”和“无监督学习”。监督学习从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。无监督学习与监督学习相比，训练集没有人为标注的结果。无监督学习算法例如有聚类。请参阅图1，显示为本专利技术的图像处理方法在一具体实施例中的流程示意图。所述图像处理方法应用于一电子设备中，所述电子设备例如为电脑，所述图像处理方法可应用于病症的分析或物种的选取等多个领域，以下将结合所述图像处理方法在病症的分析中的应用，对所述图像处理方法进行进一步的阐述。所述图像处理方法包括：S11：获取多个图像；图像的获取方法优选包括从本地或远程的存储设备中进行读取而获得，或者实时通过摄像装置拍摄而获得。在病症的分析中，所述图像为病症图像，例如在牙科病症分析中，所述图像为多个角度的牙齿或牙龈本文档来自技高网...

【技术保护点】
一种图像处理方法，其特征在于，所述图像处理方法基于计算机视觉以及机器学习而运行，所述图像处理方法包括：获取多个图像；将所述图像进行预处理，且提取各所述图像的特征值；根据所述特征值对所述图像进行无监督学习，以将所述多个图像聚集为多个类；分别对所述多个类添加标注。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述图像处理方法基于计算机视觉以及机器学习而运行，所述图像处理方法包括：获取多个图像；将所述图像进行预处理，且提取各所述图像的特征值；根据所述特征值对所述图像进行无监督学习，以将所述多个图像聚集为多个类；分别对所述多个类添加标注。2.根据权利要求1所述的图像处理方法，其特征在于，还包括：分别将所述图像作为输入，且将所述标注作为输出，进行监督学习，以获得接近输入输出对应关系的假设函数；当有新的图像输入时，根据所述假设函数进行计算，获得与所述新的图像对应的标注。3.根据权利要求1所述的图像处理方法，其特征在于：还包括，对将所述多个特征图像聚集为多个类的结果进行判定，当判定为不合格时，重新提取各所述图像的特征值，并根据所述重新提取的特征值对所述图像进行无监督学习，以重新将所述多个图像聚集为多个类。4.根据权利要求1所述的图像处理方法，其特征在于：将所述图像进行预处理至少包括以下一种：调整图像一致性；对图像进行直方图均衡化处理；对拍摄获取的图像，在拍摄时采用加盖偏振片的镜头进行拍摄；其中，所述调整图像的一致性至少包括以下中的一种：令所述图像的尺寸近似、令所述图像的设置方向一致、以及令特征区域在所述图像中的位置近似。5.根据权利要求1所述的图像处理方法，其特征在于：对所述图像的特征值进行提取的步骤至少包括：移除图像的非特征区域；减少聚类运算量；对所述图像进行特征数字化处理。6.根据权利要求5所述的图像处理方法，其特征在于：所述移除图像的非特征区域的操作包括：对所述图像进行轮廓分割；所述减少聚类运算量的操作包括：对所述图像进行颜色压缩。7.根据权利要求1所述的图像处理方法，其特征在于：所述图像为病症图像，所述标注为预设的多个病症类别；或所述图像为物种图像，所述标注为物种的品种或...

【专利技术属性】
技术研发人员：戎巍，
申请(专利权)人：戎巍，
类型：发明
国别省市：上海;31