(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 202210438538.5 (22)申请日 2022.04.25 (71)申请人 平安普惠企业管理有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 韩金城　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06T 5/00(2006.01) G06T 3/60(2006.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) (54)发明名称 基于多特征融合的模型生成方法、 装置、 设 备及存储介质 (57)摘要 本发明涉及人工智能技术， 揭露一种基于多 特征融合的模型生成方法， 包括： 对待处理图像 进行图像增强， 得到训练图像； 从特征提取方法 集中逐个提取出目标特征提取方法， 利用目标特 征提取方法提取训练图像的目标图像特征； 根据 特征提取方法从分类模型的核函数库中选取目 标核函数， 利用目标核函数对目标图像特征进行 高维映射， 得到高维目标特征； 将每种特征提取 方法对应的高维目标特征进行特征融合， 得到融 合特征； 利用分类模型对融合特征进行计算， 得 到预测分类结果， 根据训练图像对应的真实分类 结果及预测分类结果调整分类模 型的参数， 得到 标准分类模 型。 本发明还提出一种基于多特征融 合的模型生成装置、 设备 以及介质。 本发明可 以 提高图像分类精度。 权利要求书3页 说明书11页 附图3页 CN 114723636 A 2022.07.08 CN 114723636 A 1.一种基于多特 征融合的模型生成方法， 其特 征在于， 所述方法包括： 获取待处理图像， 对所述待处理图像进行图像增强， 得到训练图像， 并获取所述训练图 像对应的真实分类结果； 从预设的特征提取方法集中逐个提取其中一种特征提取方法， 作为目标特征提取方 法， 并利用所述目标 特征提取方法提取 所述训练图像的目标图像特 征； 根据所述特征提取方法从预设分类模型的核函数库中选取目标核函数， 利用所述目标 核函数对所述目标图像特 征进行高维映射， 得到高维目标 特征； 将所述特征提取方法集中每一种特征提取方法对应的高维 目标特征进行特征融合， 得 到融合特 征； 利用所述分类模型对所述融合特征进行计算， 得到预测分类结果， 根据所述真实分类 结果及所述预测分类结果调整所述分类模型的参数， 得到标准分类模型。 2.如权利要求1所述的基于多特征融合的模型生成方法， 其特征在于， 所述对所述待处 理图像进行图像增强， 得到训练图像， 包括： 对所述待处 理图像进行基础形状处 理， 得到第一增强图像； 对所述待处 理图像进行色彩处 理， 得到第二增强图像； 对所述第一增强图像及所述第二增强图像进行去噪， 得到训练图像。 3.如权利要求2所述的基于多特征融合的模型生成方法， 其特征在于， 所述对所述待处 理图像进行色彩处 理， 得到第二增强图像， 包括： 将使用RGB色彩模式表示的所述待处理图像的每个像素的红色灰度值、 蓝色灰度值以 及绿色灰度值转换为使用HSI颜色空间表示的所述待处理图像的每个像素的色调值、 色饱 和度值以及亮度值； 对每个像素的所述色饱和度值进行增强处理， 根据每个像素的所述亮度值、 所述色调 值以及预设亮度阈值计算每个像素 的红色灰度值、 蓝色灰度值以及绿色灰度值， 得到第二 增强图像。 4.如权利要求2所述的基于多特征融合的模型生成方法， 其特征在于， 所述对所述第 一 增强图像及所述第二增强图像进行去噪， 得到训练图像， 包括： 对所述待处 理图像进行去均值和白化的预处 理， 得到第一处 理图像； 根据MMI算法和所述第一处理图像， 确定所述第一处理图像中各独立分量进行分离的 分离矩阵； 根据所述分离矩阵对所述第 一处理图像中的非高斯噪声进行分离， 得到只包含高斯噪 声的第二处 理图像； 基于预设的去除高斯噪声的算法对所述第二处 理图像进行噪声 去除， 得到训练图像。 5.如权利要求1所述的基于多特征融合的模型生成方法， 其特征在于， 所述利用所述目 标特征提取方法提取 所述训练图像的目标图像特 征， 包括： 对所述训练图像进行灰度化， 采用Gamma校正法对灰度化的图像进行颜色空间的标准 化， 得到标准图像； 将所述标准图像划分为预设个单元， 并将每个所述单元中的每个像素用梯度方向在直 方图中进行加权投影， 得到每 个单元的梯度方向直方图； 将预设数量的所述单元连接成区块， 将所述区块中每个单元的所述梯度直方图归一权　利　要　求　书 1/3 页 2 CN 114723636 A 2化， 得到区块特 征； 将所述训练图像中的所有所述区块特 征串联， 得到所述目标图像特 征。 6.如权利要求1所述的基于多特征融合的模型生成方法， 其特征在于， 所述利用所述目 标特征提取方法提取 所述训练图像的目标图像特 征， 包括： 将所述训练图像划分为多个预设大小的区域， 根据 所述区域中的每个像素以及所述像 素相邻的预设数量的像素进行 灰度值比较； 根据灰度值比较结果对每个像素值进行二进制标记， 根据标记结果生成所述 区域的特 征值； 根据每个区域的所述特 征值计算对应的直方图， 并对所述 直方图进行归一 化处理； 将每个区域归一化处理后的直方图连接成一个特征向量， 即得到所述训练图像的目标 图像特征。 7.如权利要求1至6中任一项所述的基于多特征融合的模型生成方法， 其特征在于， 所 述根据所述真实分类结果及所述预测分类结果调整所述分类模型的参数， 得到标准分类模 型， 包括： 当所述真实分类结果与所述预测分类结果不相同时， 提取所述分类模型中所有可调节 参数， 并根据所述可调节参数生成参数列表； 对所述参数列表中的参数进行组合及网格搜索， 根据网格搜索结果确定目标参数组合 以及拟合分数符合预设条件的目标超平面系数； 根据所述目标参数组合以及所述目标超平面系数更新所述分类模型的参数， 得到标准 分类模型。 8.一种基于多特 征融合的模型生成装置， 其特 征在于， 所述装置包括： 训练图像生成模块， 用于获取待处理图像， 对所述待处理图像进行图像增强， 得到训练 图像， 并获取 所述训练图像对应的真实分类结果； 目标图像特征提取模块， 用于从预设的特征提取方法集中逐个提取其中一种特征提取 方法， 作为 目标特征提取方法， 并利用所述 目标特征提取方法提取所述训练图像的目标图 像特征； 高维目标特征生成模块， 用于根据 所述特征提取方法从预设分类模型的核函数库中选 取目标核函数， 利用所述 目标核函数对所述 目标图像特征进行高维映射， 得到高维目标特 征； 融合特征生成模块， 用于将所述特征提取方法集中每一种特征提取方法对应的高维 目 标特征进行特征融合， 得到融合特 征； 标准分类模型生成模块， 用于利用所述分类模型对所述融合特征进行计算， 得到预测 分类结果， 根据所述真实分类结果及所述预测分类结果调整所述分类模型 的参数， 得到标 准分类模型。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所权　利　要　求　书 2/3 页 3 CN 114723636 A 3