本發(fā)明涉及一種圖像處理領(lǐng)域，特別是涉及電子設(shè)備及其應(yīng)用的圖像處理方法及系統(tǒng)。

背景技術(shù)：

現(xiàn)在眾多針對(duì)病癥判別的方法都是以病癥數(shù)據(jù)樣本加上專業(yè)人員對(duì)病癥數(shù)據(jù)判斷做出的病因作為機(jī)器學(xué)習(xí)的輸入和輸出，由于機(jī)器學(xué)習(xí)通常需要較大數(shù)量的數(shù)據(jù)輸入輸出對(duì)，這勢(shì)必給作為輸出判定的專業(yè)人員帶來很大的工作量，如果說我們有500個(gè)病癥圖片，當(dāng)有機(jī)器學(xué)習(xí)訓(xùn)練需求的時(shí)候，我們就必須請(qǐng)專業(yè)人員對(duì)癥500個(gè)病癥圖片觀測(cè)判斷，得出病因類型，工作效率非常低下。

技術(shù)實(shí)現(xiàn)要素：

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供電子設(shè)備及其應(yīng)用的圖像處理方法及系統(tǒng)，用于解決現(xiàn)有技術(shù)中對(duì)圖像類型的判別效率低下的問題。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種圖像處理方法，包括：獲取多個(gè)圖像；將所述圖像進(jìn)行預(yù)處理，且提取各所述圖像的特征值；根據(jù)所述特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以將所述多個(gè)圖像聚集為多個(gè)類；分別對(duì)所述多個(gè)類添加標(biāo)注。

于本發(fā)明一具體實(shí)施例中，還包括：分別將所述圖像作為輸入，且將所述標(biāo)注作為輸出，進(jìn)行監(jiān)督學(xué)習(xí)，以獲得接近輸入輸出對(duì)應(yīng)關(guān)系的假設(shè)函數(shù)；當(dāng)有新的圖像輸入時(shí)，根據(jù)所述假設(shè)函數(shù)進(jìn)行計(jì)算，獲得與所述新的圖像對(duì)應(yīng)的標(biāo)注。

于本發(fā)明一具體實(shí)施例中，還包括，對(duì)將所述多個(gè)特征圖像聚集為多個(gè)類的結(jié)果進(jìn)行判定，當(dāng)判定為不合格時(shí)，重新提取各所述圖像的特征值，并根據(jù)所述重新提取的特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以重新將所述多個(gè)圖像聚集為多個(gè)類。

于本發(fā)明一具體實(shí)施例中，將所述圖像進(jìn)行預(yù)處理至少包括以下一種：調(diào)整圖像一致性；對(duì)圖像進(jìn)行直方圖均衡化處理；其中，所述調(diào)整圖像的一致性至少包括以下中的一種：令所述圖像的尺寸近似、令所述圖像的設(shè)置方向一致、以及令特征區(qū)域在所述圖像中的位置近似。

于本發(fā)明一具體實(shí)施例中，對(duì)所述圖像的特征值進(jìn)行提取的步驟至少包括：移除圖像的非特征區(qū)域；減少聚類運(yùn)算量；對(duì)所述圖像進(jìn)行特征數(shù)字化處理。

于本發(fā)明一具體實(shí)施例中，所述移除圖像的非特征區(qū)域的操作包括：對(duì)所述圖像進(jìn)行輪廓分割；所述減少聚類運(yùn)算量的操作包括：對(duì)所述圖像進(jìn)行顏色壓縮。

于本發(fā)明一具體實(shí)施例中，所述圖像為病癥圖像，所述標(biāo)注為預(yù)設(shè)的多個(gè)病癥類別；或所述圖像為物種圖像，所述標(biāo)注為物種的品種或?qū)哟蔚燃?jí)。

于本發(fā)明一具體實(shí)施例中，所述無監(jiān)督學(xué)習(xí)采用聚類的方法；所述監(jiān)督學(xué)習(xí)采用以下方法中的一種或多種組合：神經(jīng)網(wǎng)絡(luò)方法、線性回歸方法、或支持向量機(jī)方法。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明還提供一種圖像處理系統(tǒng)，包括：圖像獲取模塊，用以獲取多個(gè)圖像；圖像處理模塊，用以將所述圖像進(jìn)行預(yù)處理；特征提取模塊，用以提取所述圖像處理模塊處理后的各所述圖像的特征值；分類模塊，用以根據(jù)所述特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以將所述多個(gè)圖像聚集為多個(gè)類；標(biāo)注模塊，用以分別對(duì)所述多個(gè)類添加標(biāo)注。

于本發(fā)明一具體實(shí)施例中，還包括：假設(shè)函數(shù)獲取模塊，用以分別將所述圖像作為輸入，且將其對(duì)應(yīng)標(biāo)注作為輸出，進(jìn)行監(jiān)督學(xué)習(xí)，以獲得接近輸入輸出對(duì)應(yīng)關(guān)系的假設(shè)函數(shù)；預(yù)測(cè)模塊，用以當(dāng)有新的圖像輸入時(shí)，根據(jù)所述假設(shè)函數(shù)進(jìn)行計(jì)算，獲得與所述新的圖像對(duì)應(yīng)的標(biāo)注。

于本發(fā)明一具體實(shí)施例中，還包括，修正模塊，用以對(duì)將所述多個(gè)特征圖像聚集為多個(gè)類的結(jié)果進(jìn)行判定，當(dāng)判定為不合格時(shí)，重新令所述特征提取模塊提取各所述圖像的特征值，并令所述分類模塊根據(jù)所述重新提取的特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以重新將所述多個(gè)圖像聚集為多個(gè)類。

于本發(fā)明一具體實(shí)施例中，所述圖像處理模塊將所述圖像進(jìn)行預(yù)處理至少包括以下一種：調(diào)整圖像一致性；對(duì)圖像進(jìn)行直方圖均衡化處理；其中，所述調(diào)整圖像的一致性至少包括以下中的一種：令所述圖像的尺寸近似、令所述圖像的設(shè)置方向一致、以及令特征區(qū)域在所述圖像中的位置近似。

于本發(fā)明一具體實(shí)施例中，所述特征提取模塊對(duì)所述圖像的特征值進(jìn)行提取的操作至少包括：移除非特征區(qū)域比如對(duì)所述圖像進(jìn)行輪廓分割；減少聚類運(yùn)算量比如對(duì)所述圖像進(jìn)行顏色壓縮；對(duì)所述圖像進(jìn)行特征數(shù)字出處理。

于本發(fā)明一具體實(shí)施例中，所述圖像為病癥圖像，所述標(biāo)注為預(yù)設(shè)的多個(gè)病癥類別；或所述圖像為物種圖像，所述標(biāo)注為物種的品種或?qū)哟蔚燃?jí)。

于本發(fā)明一具體實(shí)施例中，所述無監(jiān)督學(xué)習(xí)采用聚類的方法，所述監(jiān)督學(xué)習(xí)采用以下方法中的一種或多種組合：神經(jīng)網(wǎng)絡(luò)方法、線性回歸方法、或支持向量機(jī)方法。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明還提供一種電子設(shè)備，包括如上任一項(xiàng)所述的圖像處理系統(tǒng)。

如上所述，本發(fā)明的電子設(shè)備及其應(yīng)用的圖像處理方法及系統(tǒng)，根據(jù)獲取的圖像的特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以將所述多個(gè)圖像聚集為多個(gè)類，且分別對(duì)所述多個(gè)類添加標(biāo)注。根據(jù)聚集后的類對(duì)圖像進(jìn)行標(biāo)注，即可大大減少對(duì)圖像進(jìn)行標(biāo)注的工作量，且可根據(jù)圖像和標(biāo)注結(jié)果進(jìn)行監(jiān)督學(xué)習(xí)，獲取假設(shè)函數(shù)，并可以通過假設(shè)函數(shù)預(yù)測(cè)新輸入的圖像對(duì)應(yīng)的類別的標(biāo)注，可以作為圖像類別判別的參考，提高圖像類別判別的準(zhǔn)確性。

附圖說明

圖1顯示為本發(fā)明的圖像處理方法在一具體實(shí)施例中的流程示意圖。

圖2顯示為本發(fā)明的圖像處理系統(tǒng)在一具體實(shí)施例中的模塊示意圖。

元件標(biāo)號(hào)說明

1 圖像處理系統(tǒng)

11 圖像獲取模塊

12 圖像處理模塊

13 特征提取模塊

14 分類模塊

15 標(biāo)注模塊

S11～S14 步驟

具體實(shí)施方式

以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實(shí)施例及實(shí)施例中的特征可以相互組合。

需要說明的是，以下實(shí)施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖示中僅顯示與本發(fā)明中有關(guān)的組件而非按照實(shí)際實(shí)施時(shí)的組件數(shù)目、形狀及尺寸繪制，其實(shí)際實(shí)施時(shí)各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。

在病癥判別或物種選取方面，需要計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)來進(jìn)行分類和判別，計(jì)算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步的說，就是指用攝影機(jī)和計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺，并進(jìn)一步做圖像處理，用計(jì)算機(jī)處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。機(jī)器學(xué)習(xí)有幾種分類，主要的兩種分類為“監(jiān)督學(xué)習(xí)”和“無監(jiān)督學(xué)習(xí)”。監(jiān)督學(xué)習(xí)從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)出一個(gè)函數(shù)，當(dāng)新的數(shù)據(jù)到來時(shí)，可以根據(jù)這個(gè)函數(shù)預(yù)測(cè)結(jié)果。監(jiān)督學(xué)習(xí)的訓(xùn)練集要求是包括輸入和輸出，也可以說是特征和目標(biāo)。無監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)相比，訓(xùn)練集沒有人為標(biāo)注的結(jié)果。無監(jiān)督學(xué)習(xí)算法例如有聚類。

請(qǐng)參閱圖1，顯示為本發(fā)明的圖像處理方法在一具體實(shí)施例中的流程示意圖。所述圖像處理方法應(yīng)用于一電子設(shè)備中，所述電子設(shè)備例如為電腦，所述圖像處理方法可應(yīng)用于病癥的分析或物種的選取等多個(gè)領(lǐng)域，以下將結(jié)合所述圖像處理方法在病癥的分析中的應(yīng)用，對(duì)所述圖像處理方法進(jìn)行進(jìn)一步的闡述。

所述圖像處理方法包括：

S11：獲取多個(gè)圖像；圖像的獲取方法優(yōu)選包括從本地或遠(yuǎn)程的存儲(chǔ)設(shè)備中進(jìn)行讀取而獲得，或者實(shí)時(shí)通過攝像裝置拍攝而獲得。在病癥的分析中，所述圖像為病癥圖像，例如在牙科病癥分析中，所述圖像為多個(gè)角度的牙齒或牙齦等的圖像。

S12：將所述圖像進(jìn)行預(yù)處理，且提取各所述圖像的特征值；于本發(fā)明一具體實(shí)施例中，將所述圖像進(jìn)行預(yù)處理至少包括以下一種：

1、調(diào)整圖像一致性；其中，所述調(diào)整圖像的一致性至少包括以下中的一種：令所述圖像的尺寸近似、令所述圖像的設(shè)置方向一致、以及令特征區(qū)域在所述圖像中的位置近似。為了便于圖片用于機(jī)器學(xué)習(xí)的處理及訓(xùn)練，需要將所有的樣本圖片調(diào)整至類似的布局和模式(尺寸、病癥在圖片中的位置區(qū)域、方向性等)。針對(duì)病癥用的照片，一般在拍攝時(shí)就可以采用一些技術(shù)手段來保證照片的一致性，使用一致參數(shù)設(shè)置的口腔拍攝設(shè)備，可以保證拍攝的照片具有相當(dāng)?shù)囊恢滦浴?/p>

2、對(duì)圖像進(jìn)行直方圖均衡化處理；可以提高圖像外觀和質(zhì)量，對(duì)圖像進(jìn)行直方圖均衡化處理是一個(gè)非線性處理過程，其目的是通過一種適合人類視覺分析的方法來增強(qiáng)圖像的亮度。它對(duì)圖像進(jìn)行改變，是所得圖像具有更平坦的直方圖，所有亮度等級(jí)概率出現(xiàn)。使用直方圖均衡化處理，能夠均衡圖片中一些小面積的反光區(qū)域，例如對(duì)于牙齒的圖片，因?yàn)閷?duì)牙齒及口腔的攝影，往往由于唾液的反光，會(huì)出現(xiàn)很多小區(qū)域的反光點(diǎn)，直方圖均衡化能有效處理圖像，使之均衡。

3、對(duì)拍攝獲取的圖像，在拍攝時(shí)采用加蓋偏振片的鏡頭進(jìn)行拍攝；對(duì)于大的光斑，簡單的使用光斑周圍的色彩紋理來替代光斑區(qū)域的一些計(jì)算機(jī)算法來消除往往會(huì)使得病癥特征數(shù)據(jù)丟失或失真，針對(duì)這一類問題，一般在采集前處理，可以采用加蓋偏振片的鏡頭來拍攝照片。

所述特征值的提取方式與所述特征值提取的對(duì)象有關(guān)，例如在牙科領(lǐng)域，患者的病癥牙齒圖像中的異樣顏色可用來區(qū)分是否是齲齒或者牙結(jié)石，又比如使用它在皮膚科，特征提取方法與牙科中不同，不同類型的紅腫、起泡、異常顏色等，都會(huì)被計(jì)算機(jī)程序識(shí)別出他們背后的可能病因。而在生物選種中，例如可以令物種的大小、形狀、或顏色等為特征值的提取對(duì)象。于本發(fā)明一具體實(shí)施例中，對(duì)所述圖像的特征值進(jìn)行提取的步驟至少包括：移除圖像的非特征區(qū)域、減少聚類運(yùn)算量、以及對(duì)所述圖像進(jìn)行特征數(shù)字化處理。其中，移除圖像的非特征區(qū)域的操作手段可以為對(duì)所述圖像進(jìn)行輪廓分割；所述減少聚類運(yùn)算量的具體操作手段例如為對(duì)所述圖像進(jìn)行顏色壓縮。在其他實(shí)施例中，所述移除圖像的非特征區(qū)域以及減少聚類運(yùn)算量的手段還可以為其他手段，不以本實(shí)施例的描述為限，在以下的描述中，暫以移除圖像的非特征區(qū)域的手段為對(duì)所述圖像進(jìn)行輪廓分割，且以減少聚類運(yùn)算量的具體操作手段為對(duì)所述圖像進(jìn)行顏色壓縮為例來進(jìn)行說明。具體為：

1)輪廓分割；

例如，在牙科中，根據(jù)牙科病癥特性，采用normalized cut(歸一化分割)方法劃分出組織區(qū)域，劃分出牙齦和牙齒兩個(gè)互不覆蓋的部分，然后根據(jù)齦齒輪廓線向兩側(cè)擴(kuò)展一定數(shù)量的像素形成牙齦和牙齒結(jié)合部的齦齒間圖片，其中是齦齒間部分根據(jù)牙科特性劃分出的可能病癥區(qū)域。三個(gè)區(qū)域的圖片代表了牙科病癥觀測(cè)的主要區(qū)域，被劃分出的背景部分填充上一種非口腔中會(huì)出現(xiàn)的色彩(比如綠色)，這個(gè)顏色可以由大量的樣本圖片經(jīng)過顏色統(tǒng)計(jì)后得出，如果這些樣本圖片中出現(xiàn)的顏色覆蓋了全色譜，則挑選出其中被使用概率最小的一個(gè)作為背景填充色。

2)顏色壓縮；

無論是否經(jīng)過預(yù)處理，圖像的色彩都是高位色(高于或等于8位色及256色)，對(duì)于無監(jiān)督機(jī)器學(xué)習(xí)的運(yùn)算量來說是一個(gè)比較重的負(fù)擔(dān)，而實(shí)際上針對(duì)特征選取，通過實(shí)驗(yàn)，圖片采用16色就已經(jīng)足夠發(fā)現(xiàn)特征值，因此優(yōu)選把三個(gè)區(qū)域的圖片壓縮為16色圖片。

3)特征數(shù)字化；

經(jīng)過上面兩步的處理，現(xiàn)在每個(gè)區(qū)域的圖片的每一個(gè)像素只能是16色中的一種(其中一個(gè)還是作為填充背景色的色彩)，假設(shè)每個(gè)區(qū)域圖片的像素是x*y個(gè)，那么我們就獲得三組每組為x*y個(gè)值為1-16的數(shù)值。

假設(shè)我們有m套樣本圖片(每套三組)，以組為單位，以下采用兩種數(shù)字表達(dá)方式用于聚類：

第一種表達(dá)方式為一個(gè)m*(x*y)的矩陣，它有m行，代表每一套樣本，(x*y)列，代表該套樣本每一個(gè)像素的值。

第二種表達(dá)方式為一個(gè)m*16的矩陣，它有m行，代表每一套樣本，16列，分別代表每一種顏色在該樣本中的百分比值，每個(gè)樣本中被用于背景填充色顏色值標(biāo)記為0，即不貢獻(xiàn)權(quán)重。

S13：根據(jù)所述特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以將所述多個(gè)圖像聚集為多個(gè)類；所述無監(jiān)督學(xué)習(xí)常采用聚類的方法；優(yōu)選可為K-means聚類算法，分類的類別數(shù)由肘部法則(the elbow method)來推測(cè)。

S14：分別對(duì)所述多個(gè)類添加標(biāo)注。所述標(biāo)注例如為不同病癥分類對(duì)應(yīng)的病癥描述。例如病癥對(duì)應(yīng)的是胃癌，所述標(biāo)注對(duì)應(yīng)的類別可包括初期胃癌、中期胃癌、以及晚期胃癌。于本發(fā)明一具體實(shí)施例中，還包括，對(duì)將所述多個(gè)特征圖像聚集為多個(gè)類的結(jié)果進(jìn)行判定，當(dāng)判定為不合格時(shí)，重新提取各所述圖像的特征值，并根據(jù)所述重新提取的特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以重新將所述多個(gè)圖像聚集為多個(gè)類。進(jìn)行多次的迭代聚類和標(biāo)注，以使獲得的結(jié)果更加的準(zhǔn)確。

于本發(fā)明一具體實(shí)施例中，還包括：分別將所述圖像作為輸入，且將相對(duì)應(yīng)的所述標(biāo)注作為輸出，進(jìn)行監(jiān)督學(xué)習(xí)，以獲得接近輸入輸出對(duì)應(yīng)關(guān)系的假設(shè)函數(shù)，即經(jīng)過多次的迭代運(yùn)算獲得更加準(zhǔn)確的所述假設(shè)函數(shù)。當(dāng)有新的圖像輸入時(shí)，根據(jù)所述假設(shè)函數(shù)進(jìn)行計(jì)算，獲得與所述新的圖像對(duì)應(yīng)的標(biāo)注。優(yōu)選的，所述監(jiān)督學(xué)習(xí)可采用以下方法中的一種或多種組合：神經(jīng)網(wǎng)絡(luò)方法、線性回歸方法、或支持向量機(jī)方法。無論監(jiān)督學(xué)習(xí)采用哪種方法，都應(yīng)該繪制學(xué)習(xí)曲線，并且用交叉驗(yàn)證的方法確定最合適的算法。

在另一具體實(shí)施例中，當(dāng)所述圖像處理方法應(yīng)用于物種選取的領(lǐng)域時(shí)，所述圖像為物種圖像，所述標(biāo)注可為物種的品種或?qū)哟蔚燃?jí)。且，所述圖像的獲取對(duì)象以及所述標(biāo)注的內(nèi)容，根據(jù)所述圖像處理方法具體應(yīng)用的領(lǐng)域有關(guān)。

例如在醫(yī)院領(lǐng)域，傳統(tǒng)通過監(jiān)督學(xué)習(xí)時(shí)，需要輸入大量的病癥圖像，且需要專業(yè)人士對(duì)每個(gè)圖像均進(jìn)行標(biāo)注，例如圖像個(gè)數(shù)為500個(gè)時(shí)，專業(yè)人士需要進(jìn)行500次的圖片標(biāo)注，而應(yīng)用本發(fā)明的方法，會(huì)首先對(duì)500個(gè)病癥圖像按一定的提取規(guī)則進(jìn)行特征提取，且根據(jù)提取的特征進(jìn)行聚類后，只需要對(duì)聚類后的每個(gè)類別進(jìn)行標(biāo)注即可，例如，聚類為10個(gè)不同類別的病癥，則專業(yè)人士只需要對(duì)這10個(gè)病因進(jìn)行標(biāo)注即可，大大減少了工作量，提高工作效率。本發(fā)明的判別功能，可以在接診早期為醫(yī)生提供預(yù)判參考，由于所有過程是基于數(shù)字化，患者和醫(yī)生并不一定需要面都面交流，數(shù)字化的病癥圖像就能作為計(jì)算機(jī)程序的輸入，可以實(shí)現(xiàn)遠(yuǎn)程診療，同時(shí)一定程度的考慮了患者需要隱私的需求。對(duì)于無法通過本發(fā)明的假設(shè)函數(shù)給出病因類型的病癥圖像，經(jīng)由更專業(yè)的人員判斷，可以成為新的訓(xùn)練數(shù)據(jù)對(duì)，并重新訓(xùn)練新的假設(shè)函數(shù)，這樣就形成了一個(gè)正向加強(qiáng)循環(huán)，被訓(xùn)練的計(jì)算機(jī)程序能越來越精準(zhǔn)的做出病因判斷。且本發(fā)明還可以幫助醫(yī)生找到那些比較不明顯，容易被人眼忽視的特征點(diǎn)，并根據(jù)這些特征點(diǎn)對(duì)病因進(jìn)行分析。

請(qǐng)參閱圖2，顯示為本發(fā)明的圖像處理系統(tǒng)在一具體實(shí)施例中的模塊示意圖。所述圖像處理系統(tǒng)1應(yīng)用于一電子設(shè)備中，所述電子設(shè)備例如為電腦。所述圖像處理系統(tǒng)1包括：圖像獲取模塊11、圖像處理模塊12、特征提取模塊13、分類模塊14、以及標(biāo)注模塊15。

所述圖像獲取模塊11用以獲取多個(gè)圖像；

所述圖像處理模塊12用以將所述圖像進(jìn)行預(yù)處理；

所述特征提取模塊13用以提取所述圖像處理模塊12處理后的各所述圖像的特征值；

所述分類模塊14用以根據(jù)所述特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以將所述多個(gè)圖像聚集為多個(gè)類；

所述標(biāo)注模塊15用以分別對(duì)所述多個(gè)類添加標(biāo)注。

于本發(fā)明一具體實(shí)施例中，還包括：假設(shè)函數(shù)獲取模塊，用以分別將所述圖像作為輸入，且將相對(duì)應(yīng)的所述標(biāo)注作為輸出，進(jìn)行監(jiān)督學(xué)習(xí)，以獲得接近輸入輸出對(duì)應(yīng)關(guān)系的假設(shè)函數(shù)；預(yù)測(cè)模塊，用以當(dāng)有新的圖像輸入時(shí)，根據(jù)所述假設(shè)函數(shù)進(jìn)行計(jì)算，獲得與所述新的圖像對(duì)應(yīng)的標(biāo)注。

于本發(fā)明一具體實(shí)施例中，還包括，修正模塊，用以對(duì)將所述多個(gè)特征圖像聚集為多個(gè)類的結(jié)果進(jìn)行判定，當(dāng)判定為不合格時(shí)，重新令所述特征提取模塊提取各所述圖像的特征值，并令所述分類模塊根據(jù)所述重新提取的特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以重新將所述多個(gè)圖像聚集為多個(gè)類。

于本發(fā)明一具體實(shí)施例中，所述圖像處理模塊12將所述圖像進(jìn)行預(yù)處理至少包括以下一種：調(diào)整圖像一致性；對(duì)圖像進(jìn)行直方圖均衡化處理；對(duì)拍攝獲取的圖像，在拍攝時(shí)采用加蓋偏振片的鏡頭進(jìn)行拍攝；其中，所述調(diào)整圖像的一致性至少包括以下中的一種：令所述圖像的尺寸近似、令所述圖像的設(shè)置方向一致、以及令特征區(qū)域在所述圖像中的位置近似。

于本發(fā)明一具體實(shí)施例中，所述特征提取模塊13對(duì)所述圖像的特征值進(jìn)行提取的操作至少包括：移除圖像的非特征區(qū)域；減少聚類運(yùn)算量；對(duì)所述圖像進(jìn)行特征數(shù)字出處理。

于本發(fā)明一具體實(shí)施例中，所述移除圖像的非特征區(qū)域的操作包括：對(duì)所述圖像進(jìn)行輪廓分割；所述減少聚類運(yùn)算量的操作包括：對(duì)所述圖像進(jìn)行顏色壓縮。

于本發(fā)明一具體實(shí)施例中，所述圖像為病癥圖像，所述標(biāo)注為預(yù)設(shè)的多個(gè)病癥類別；或所述圖像為物種圖像，所述標(biāo)注為物種的品種或?qū)哟蔚燃?jí)。

于本發(fā)明一具體實(shí)施例中，所述無監(jiān)督學(xué)習(xí)采用聚類的方法，所述監(jiān)督學(xué)習(xí)采用以下方法中的一種或多種組合：神經(jīng)網(wǎng)絡(luò)方法、線性回歸方法、或支持向量機(jī)方法。

所述圖像處理系統(tǒng)為與所述圖像處理方法對(duì)應(yīng)的系統(tǒng)項(xiàng)，兩者技術(shù)方案一一對(duì)應(yīng)，所有關(guān)于所述圖像處理方法的描述均可應(yīng)用于本實(shí)施例中，在此不加贅述。

綜上所述，本發(fā)明的電子設(shè)備及其應(yīng)用的圖像處理方法及系統(tǒng)，根據(jù)獲取的圖像的特征值對(duì)所述圖像進(jìn)行無監(jiān)督學(xué)習(xí)，以將所述多個(gè)圖像聚集為多個(gè)類，且分別對(duì)所述多個(gè)類添加標(biāo)注。根據(jù)聚集后的類對(duì)圖像進(jìn)行標(biāo)注，即可大大減少對(duì)圖像進(jìn)行標(biāo)注的工作量，且可根據(jù)圖像和標(biāo)注結(jié)果進(jìn)行監(jiān)督學(xué)習(xí)，獲取假設(shè)函數(shù)，并可以通過假設(shè)函數(shù)預(yù)測(cè)新輸入的圖像對(duì)應(yīng)的類別的標(biāo)注，可以作為圖像類別判別的參考，提高圖像類別判別的準(zhǔn)確性。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。

上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對(duì)上述實(shí)施例進(jìn)行修飾或改變。因此，舉凡所屬技術(shù)領(lǐng)域中具有通常知識(shí)者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。