本公開涉及圖像識別技術(shù)，尤其涉及一種圖像分類的方法和裝置。

背景技術(shù)：

隨著計算機(jī)技術(shù)的飛速發(fā)展，人們獲取圖像的方式越來越便利，存儲的圖像數(shù)量也越來越多，對于大量的圖像進(jìn)行分類管理成為一種需求，圖像分類是將圖像標(biāo)記為不同類別的過程，圖像類別如城市、森林、沙灘、動物和植物等。

相關(guān)技術(shù)中，通過每幅圖像的局部紋理特征確定一幅圖像的類別，然而，圖像分類的準(zhǔn)確性不高。

技術(shù)實現(xiàn)要素：

為克服相關(guān)技術(shù)中存在的問題，本公開提供一種圖像分類的方法和裝置。

根據(jù)本公開實施例的第一方面，提供一種圖像分類的方法，包括：

獲取圖像的主題頻次；

獲取類別矩陣，所述類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，所述c為大于等于2的整數(shù)；

根據(jù)所述圖像的主題頻次和所述類別矩陣，利用分類器，獲取所述圖像的類別。

可選地，所述獲取圖像的主題頻次，包括：

以預(yù)設(shè)間距提取圖像的所有相鄰視覺詞匯對，所述相鄰視覺詞匯對中包含第一視覺詞匯和第二視覺詞匯，所述第一視覺詞匯對應(yīng)的提取位置和所述第二視覺詞匯對應(yīng)的提取位置相鄰；

獲取每個相鄰視覺詞匯對對應(yīng)的主題對；

根據(jù)所述圖像的所有相鄰視覺詞匯對對應(yīng)的主題對，確定所述圖像的主題頻次。

可選地，所述獲取每個相鄰視覺詞匯對對應(yīng)的主題對，包括：

獲取所述圖像對應(yīng)的相鄰主題概率矩陣；

獲取每個主題對應(yīng)的視覺詞匯概率向量；

根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取每個相鄰視覺詞匯對對應(yīng)的主題對。

可選地，所述根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取每個相鄰視覺詞匯對對應(yīng)的主題對，包括：

獲取每個相鄰視覺詞匯對的n個候選主題對，其中，所述候選主題對包含第一候選主題和第二候選主題；

針對所述n個候選主題對中的每個所述候選主題對，根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述相鄰視覺詞匯對為所述候選主題對的概率；

根據(jù)獲取的n個所述相鄰視覺詞匯對為所述候選主題對的概率，確定最大概率對應(yīng)的候選主題對為所述相鄰視覺詞匯對對應(yīng)的主題對。

可選地，所述根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述相鄰視覺詞匯對為所述候選主題對的概率，包括：

根據(jù)所述相鄰主題概率矩陣，獲取所述候選主題對為相鄰主題的第一概率；

根據(jù)所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述第一候選主題為第一視覺詞匯的第二概率，以及所述第二候選主題為所述第二視覺詞匯的第三概率；

根據(jù)所述第一概率、所述第二概率和所述第三概率，獲取所述相鄰視覺詞匯對為所述候選主題對的概率。

可選地，所述獲取所述圖像對應(yīng)的相鄰主題概率矩陣，包括：

根據(jù)θd～dir(α)作一次概率抽取，獲取所述圖像對應(yīng)的相鄰主題概率矩陣，其中，dir(α)是參數(shù)為α的狄利克雷概率分布，θd為第d幅圖像對應(yīng)的相鄰主題概率矩陣，其中，d為大于等于1小于等于d的整數(shù)，所述d為所有圖像的總數(shù)。

可選地，所述獲取每個主題對應(yīng)的視覺詞匯概率向量，包括：

根據(jù)βk～dir(γ)作一次概率抽取，獲取每個主題對應(yīng)的視覺詞匯概率向量，其中，dir(γ)是參數(shù)為γ的狄利克雷概率分布，βk為第k個主題對應(yīng)的視覺詞匯概率向量，其中，k為大于等于1小于等于k的整數(shù)，所述k為所有主題的總數(shù)。

可選地，所述根據(jù)所述圖像的主題頻次和所述類別矩陣，利用分類器，獲取所述圖像的類別，包括：

根據(jù)獲取所述圖像的類別，其中，是圖像的主題頻次直方圖；zdi表示第d幅圖像的第i個主題，zdj表示第d幅圖像的第j個主題，|zd|表示第d幅圖像的主題的個數(shù)；

η＝[η1，η2，……，ηc]^t，其中，ηc表示softmax函數(shù)第c個類別的向量，ηc～n(0，ρ²)，c為大于等于1小于等于c的整數(shù)，c為所有類別的總數(shù)，n(0，ρ²)為均值為0，方差為ρ²的正太分布。

根據(jù)本公開實施例的第二方面，提供一種圖像分類裝置，包括：

第一獲取模塊，被配置為獲取圖像的主題頻次；

第二獲取模塊，被配置為獲取類別矩陣，所述類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，所述c為大于等于2的整數(shù)；

處理模塊，被配置為根據(jù)所述圖像的主題頻次和所述類別矩陣，利用分類器，獲取所述圖像的類別。

可選地，所述第一獲取模塊包括：

第一獲取子模塊，被配置為以預(yù)設(shè)間距提取圖像的所有相鄰視覺詞匯對，所述相鄰視覺詞匯對中包含第一視覺詞匯和第二視覺詞匯，所述第一視覺詞匯對應(yīng)的提取位置和所述第二視覺詞匯對應(yīng)的提取位置相鄰；

第二獲取子模塊，被配置為獲取每個相鄰視覺詞匯對對應(yīng)的主題對；

第一處理子模塊，被配置為根據(jù)所述圖像的所有相鄰視覺詞匯對對應(yīng)的主題對，確定所述圖像的主題頻次。

可選地，所述第二獲取子模塊被配置為獲取所述圖像對應(yīng)的相鄰主題概率矩陣；獲取每個主題對應(yīng)的視覺詞匯概率向量；根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取每個相鄰視覺詞匯對對應(yīng)的主題對。

可選地，所述第二獲取子模塊被配置為獲取每個相鄰視覺詞匯對的n個候選主題對，其中，所述候選主題對包含第一候選主題和第二候選主題；針對所述n個候選主題對中的每個所述候選主題對，根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述相鄰視覺詞匯對為所述候選主題對的概率；根據(jù)獲取的n個所述相鄰視覺詞匯對為所述候選主題對的概率，確定最大概率對應(yīng)的候選主題對為所述相鄰視覺詞匯對對應(yīng)的主題對。

可選地，所述第二獲取子模塊被配置為根據(jù)所述相鄰主題概率矩陣，獲取所述候選主題對為相鄰主題的第一概率；根據(jù)所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述第一候選主題為第一視覺詞匯的第二概率，以及所述第二候選主題為所述第二視覺詞匯的第三概率；根據(jù)所述第一概率、所述第二概率和所述第三概率，獲取所述相鄰視覺詞匯對為所述候選主題對的概率。

可選地，所述第二獲取子模塊被配置為根據(jù)θd～dir(α)作一次概率抽取，獲取所述圖像對應(yīng)的相鄰主題概率矩陣，其中，dir(α)是參數(shù)為α的狄利克雷概率分布，θd為第d幅圖像對應(yīng)的相鄰主題概率矩陣，其中，d為大于等于1小于等于d的整數(shù)，所述d為所有圖像的總數(shù)。

可選地，所述第二獲取子模塊被配置為根據(jù)βk～dir(γ)作一次概率抽取，獲取每個主題對應(yīng)的視覺詞匯概率向量，其中，dir(γ)是參數(shù)為γ的狄利克雷概率分布，βk為第k個主題對應(yīng)的視覺詞匯概率向量，其中，k為大于等于1小于等于k的整數(shù)，所述k為所有主題的總數(shù)。

可選地，所述處理模塊，包括：

第二處理子模塊，被配置為根據(jù)獲取所述圖像的類別，其中，是圖像的主題頻次直方圖；zdi表示第d幅圖像的第i個主題，zdj表示第d幅圖像的第j個主題，|zd|表示第d幅圖像的主題的個數(shù)；

η＝[η1，η2，……，ηc]^t，其中，ηc表示softmax函數(shù)第c個類別的向量，ηc～n(0，ρ²)，c為大于等于1小于等于c的整數(shù)，c為所有類別的總數(shù)，n(0，ρ²)為均值為0，方差為ρ²的正太分布。

根據(jù)本公開實施例的第三方面，提供一種圖像分類裝置，包括：

處理器；

用于存儲處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為執(zhí)行下述步驟：

獲取圖像的主題頻次；

獲取類別矩陣，所述類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，所述c為大于等于2的整數(shù)；

根據(jù)所述圖像的主題頻次和所述類別矩陣，利用分類器，獲取所述圖像的類別。

本公開的實施例提供的技術(shù)方案可以包括以下有益效果：

通過獲取圖像的主題頻次和類別矩陣，根據(jù)圖像的主題頻次和類別矩陣，利用分類器，獲取圖像的類別，考慮了整幅圖像的所有主題的頻次，使得分類的參考因素更加豐富，提高了圖像分類的準(zhǔn)確性，并且，避免了大量人工標(biāo)記的工作，提高了圖像分類的效率。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本公開的實施例，并與說明書一起用于解釋本公開的原理。

圖1是根據(jù)一示例性實施例示出的一種圖像分類方法的流程圖；

圖2是根據(jù)一示例性實施例示出的另一種圖像分類方法的流程示意圖；

圖3是根據(jù)一示例性實施例示出的再一種圖像分類方法的流程示意圖；

圖4是根據(jù)一示例性實施例示出的又一種圖像分類方法的流程示意圖；

圖5是根據(jù)一示例性實施例示出的一種圖像分類的裝置的框圖；

圖6是根據(jù)一示例性實施例示出的另一種圖像分類的裝置的框圖；

圖7是根據(jù)一示例性實施例示出的又一種圖像分類的裝置的框圖；

圖8是根據(jù)一示例性實施例示出的又一種圖像分類的裝置的框圖；

圖9是根據(jù)一示例性實施例示出的又一種用于圖像分類的裝置800的框圖；

圖10是根據(jù)一示例性實施例示出的又一種用于圖像分類的裝置1900的框圖。

通過上述附圖，已示出本公開明確的實施例，后文中將有更詳細(xì)的描述。這些附圖和文字描述并不是為了通過任何方式限制本公開構(gòu)思的范圍，而是通過參考特定實施例為本領(lǐng)域技術(shù)人員說明本公開的概念。

具體實施方式

這里將詳細(xì)地對示例性實施例進(jìn)行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本公開相一致的所有實施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本公開一些方面相一致的裝置和方法的例子。

圖1是根據(jù)一示例性實施例示出的一種圖像分類方法的流程圖，如圖1所示，該圖像分類方法，包括以下步驟。

在步驟s11中，獲取圖像的主題頻次。

其中，假設(shè)圖像為100*100的圖像，將圖像劃分為間距為10像素的網(wǎng)格，從每個網(wǎng)格節(jié)點上提取對應(yīng)的主題，則圖像可以提取出10*10個主題，不同的網(wǎng)格提取的主題可能相同，也可能不同，因此，可以根據(jù)每個主題所占的比例，確定圖像的所有主題的頻次。

其中，主題例如可以是動物、植物和風(fēng)景等，對此，本申請不做限制。

在步驟s12中，獲取類別矩陣。

其中，類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，c為大于等于2的整數(shù)。c個類別為所有可能的類別。

其中，一種可能的實現(xiàn)方式，根據(jù)η＝[η1，η2，……，ηc]^t類別矩陣，其中，ηc表示softmax函數(shù)第c個類別的向量，ηc～n(0，ρ²)，c為大于等于1小于等于c的整數(shù)，c為所有類別的總數(shù)，n(0，ρ²)為均值為0，方差為ρ²的正太分布。

在步驟s13中，根據(jù)圖像的主題頻次和類別矩陣，利用分類器，獲取圖像的類別。

其中，一種可能的實現(xiàn)方式：根據(jù)獲取圖像的類別，其中，是圖像的主題頻次直方圖；zdi表示第d幅圖像的第i個主題，zdj表示第d幅圖像的第j個主題，|zd|表示第d幅圖像的主題的個數(shù)；

softmax為分類器，softmax的模型可以通過訓(xùn)練樣本和測試樣本獲得。

綜上，本實施例提供的圖像分類方法，通過獲取圖像的主題頻次和類別矩陣，根據(jù)圖像的主題頻次和類別矩陣，利用分類器，獲取圖像的類別，考慮了整幅圖像的所有主題的頻次，使得分類的參考因素更加豐富，提高了圖像分類的準(zhǔn)確性，并且，避免了大量人工標(biāo)記的工作，提高了圖像分類的效率。

圖2是根據(jù)一示例性實施例示出的另一種圖像分類方法的流程示意圖，圖2是在圖1所示實施例的基礎(chǔ)上，對圖1中的s11的一種可能的實現(xiàn)方式的描述，如圖2所示，包括：

s111：以預(yù)設(shè)間距提取圖像的所有相鄰視覺詞匯對。

其中，相鄰視覺詞匯對中包含第一視覺詞匯和第二視覺詞匯，第一視覺詞匯對應(yīng)的提取位置和第二視覺詞匯對應(yīng)的提取位置相鄰。

結(jié)合s11中的示例，以預(yù)設(shè)間隔10像素提取圖像的所有相鄰視覺詞匯，可以得到10*10個視覺詞匯，相鄰視覺詞匯對是指視覺詞匯對應(yīng)的提取位置相鄰的一對視覺詞匯。視覺詞匯例如：貓、狗和樹木等。

s112：獲取每個相鄰視覺詞匯對對應(yīng)的主題對。

例如：貓和狗為一對相鄰視覺詞匯，其對應(yīng)的主題對為動物和動物；再例如：貓和樹木為一對相鄰視覺詞匯，其對應(yīng)的主題為動物和植物。

s113：根據(jù)圖像的所有相鄰視覺詞匯對對應(yīng)的主題對，確定圖像的主題頻次。

例如：總共有100個視覺詞匯，其中，動物占20個，植物戰(zhàn)40個，風(fēng)景占40個，則動物的頻次為20％，植物的頻次為40％，風(fēng)景為40％。

本實施例，通過以預(yù)設(shè)間距提取圖像的所有相鄰視覺詞匯對，獲取每個相鄰視覺詞匯對對應(yīng)的主題對，根據(jù)圖像的所有相鄰視覺詞匯對對應(yīng)的主題對，確定圖像的主題頻次，根據(jù)相鄰視覺詞匯對確定主題對，能夠更加準(zhǔn)確的確定圖像的所有主題，進(jìn)一步地提高圖像分類的準(zhǔn)確性。

圖3是根據(jù)一示例性實施例示出的再一種圖像分類方法的流程示意圖，圖2是在圖1所示實施例的基礎(chǔ)上，對圖2中的s112的一種可能的實現(xiàn)方式的描述，如圖3所示，包括：

s1121：獲取圖像對應(yīng)的相鄰主題概率矩陣。

其中，一種可能的實現(xiàn)方式：

根據(jù)θd～dir(α)作一次概率抽取，獲取圖像對應(yīng)的相鄰主題概率矩陣，其中，dir(α)是參數(shù)為α的狄利克雷概率分布，θd為第d幅圖像對應(yīng)的相鄰主題概率矩陣，其中，d為大于等于1小于等于d的整數(shù)，d為所有圖像的總數(shù)。

其中，θd是一個隨機(jī)矩陣，滿足θd<k，l>標(biāo)識矩陣θd的第k，l項，標(biāo)識產(chǎn)生一對相鄰主題k，l的概率，其中，k的取值為1到k整數(shù)，l的取值為1到k的整數(shù)，k為所有主題的總數(shù)。

s1122：獲取每個主題對應(yīng)的視覺詞匯概率向量。

其中，一種可能的實現(xiàn)方式：

根據(jù)βk～dir(γ)作一次概率抽取，獲取每個主題對應(yīng)的視覺詞匯概率向量，其中，dir(γ)是參數(shù)為γ的狄利克雷概率分布，βk為第k個主題對應(yīng)的視覺詞匯概率向量，其中，k為大于等于1小于等于k的整數(shù)，k為所有主題的總數(shù)。

其中，βk滿足βki表示βk的第i項，表示主題k為視覺詞匯wi的概率，|v|表示所有不同視覺詞匯的總數(shù)，wi表示所有視覺詞匯中的第i個視覺詞匯。

s1123：根據(jù)相鄰主題概率矩陣和每個主題對應(yīng)的視覺詞匯概率向量，獲取每個相鄰視覺詞匯對對應(yīng)的主題對。

其中，一種可能的實現(xiàn)方式如圖4所示，包括：

s11231：獲取每個相鄰視覺詞匯對的n個候選主題對。

其中，候選主題對包含第一候選主題和第二候選主題。

每個相鄰視覺詞匯對的n個候選主題對為所述θd中每個元素對應(yīng)的相鄰主題對，假設(shè)θd中包含10*10個元素，則每個相鄰視覺詞匯對的候選主題對有10*10個。

s11232：針對n個候選主題對中的每個候選主題對，根據(jù)相鄰主題概率矩陣和每個主題對應(yīng)的視覺詞匯概率向量，獲取相鄰視覺詞匯對為候選主題對的概率。

以一個候選主題對為例，假設(shè)該候選主題對的第一候選主題為第k個主題和第二候選主題為第l個主題，k和l均為大于等于1小于等于k的整數(shù)。

其中，一種可能的實現(xiàn)方式：

根據(jù)相鄰主題概率矩陣，獲取候選主題對為相鄰主題的第一概率。

即獲取θd中的第k行第l列的元素值，為第一概率，記為θd<k，l>。

根據(jù)每個主題對應(yīng)的視覺詞匯概率向量，獲取第一候選主題為第一視覺詞匯的第二概率，以及第二候選主題為第二視覺詞匯的第三概率；

假設(shè)第k個主題對應(yīng)的視覺詞匯概率向量為βk，其中，第一視覺詞匯對應(yīng)的概率為βk，i，假設(shè)第l個主題對應(yīng)的視覺詞匯概率向量為βl，第二視覺詞匯對應(yīng)的概率為βl，j。

根據(jù)第一概率、第二概率和第三概率，獲取相鄰視覺詞匯對為候選主題對的概率。

其中，一種可能的實現(xiàn)方式為，將第一概率、第二概率和第三概率相乘，得到相鄰視覺詞匯對為候選主題對的概率，即ρk，j＝θd<k，l>×βk，i×βl，j，ρk，j表示相鄰視覺詞匯對為候選主題對為第k個主題和第j個主題時的概率。

依據(jù)該方式，得到相鄰視覺詞匯對為其他候選主題對的概率。假設(shè)有10個主題，則可以得到10*10個概率。

s11233：根據(jù)獲取的n個相鄰視覺詞匯對為候選主題對的概率，確定最大概率對應(yīng)的候選主題對為相鄰視覺詞匯對對應(yīng)的主題對。

例如：ρk，j最大，則確定第k個主題和第l個主題組成的候選主題對為相鄰視覺詞匯對對應(yīng)的主題對。

本實施例，通過獲取圖像對應(yīng)的相鄰主題概率矩陣，獲取每個主題對應(yīng)的視覺詞匯概率向量，根據(jù)相鄰主題概率矩陣和每個主題對應(yīng)的視覺詞匯概率向量，獲取每個相鄰視覺詞匯對對應(yīng)的主題對，利用了位置相鄰主題之間的相關(guān)性，能夠更加準(zhǔn)確的確定圖像的所有主題，進(jìn)一步地提高圖像分類的準(zhǔn)確性。并且，避免了大量的人工標(biāo)記工作，提高了圖像分類的效率。

下述為本公開裝置實施例，可以用于執(zhí)行本公開方法實施例。對于本公開裝置實施例中未披露的細(xì)節(jié)，請參照本公開方法實施例。

圖5是根據(jù)一示例性實施例示出的一種圖像分類的裝置的框圖。如圖5所示，包括：第一獲取模塊501、第二獲取模塊502和處理模塊503，其中，第一獲取模塊501被配置為獲取圖像的主題頻次；第二獲取模塊502被配置為獲取類別矩陣，類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，c為大于等于2的整數(shù)；處理模塊503被配置為根據(jù)圖像的主題頻次和類別矩陣，利用分類器，獲取圖像的類別。

圖6是根據(jù)一示例性實施例示出的另一種圖像分類的裝置的框圖。圖6是在圖5所示實施例的基礎(chǔ)上，所述第一獲取模塊包括501進(jìn)一步地還包括：第一獲取子模塊5011、第二獲取子模塊5012和第一處理子模塊5013，其中，第一獲取子模塊5011被配置為以預(yù)設(shè)間距提取圖像的所有相鄰視覺詞匯對，所述相鄰視覺詞匯對中包含第一視覺詞匯和第二視覺詞匯，所述第一視覺詞匯對應(yīng)的提取位置和所述第二視覺詞匯對應(yīng)的提取位置相鄰；第二獲取子模塊5012被配置為獲取每個相鄰視覺詞匯對對應(yīng)的主題對；第一處理子模塊5013被配置為根據(jù)所述圖像的所有相鄰視覺詞匯對對應(yīng)的主題對，確定所述圖像的主題頻次。

進(jìn)一步地，所述第二獲取子模塊5012被配置為獲取所述圖像對應(yīng)的相鄰主題概率矩陣；獲取每個主題對應(yīng)的視覺詞匯概率向量；根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取每個相鄰視覺詞匯對對應(yīng)的主題對。

進(jìn)一步地，所述第二獲取子模塊5012被配置為獲取每個相鄰視覺詞匯對的n個候選主題對，其中，所述候選主題對包含第一候選主題和第二候選主題；針對所述n個候選主題對中的每個所述候選主題對，根據(jù)所述相鄰主題概率矩陣和所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述相鄰視覺詞匯對為所述候選主題對的概率；根據(jù)獲取的n個所述相鄰視覺詞匯對為所述候選主題對的概率，確定最大概率對應(yīng)的候選主題對為所述相鄰視覺詞匯對對應(yīng)的主題對。

進(jìn)一步地，所述第二獲取子模塊5012被配置為根據(jù)所述相鄰主題概率矩陣，獲取所述候選主題對為相鄰主題的第一概率；根據(jù)所述每個主題對應(yīng)的視覺詞匯概率向量，獲取所述第一候選主題為第一視覺詞匯的第二概率，以及所述第二候選主題為所述第二視覺詞匯的第三概率；根據(jù)所述第一概率、所述第二概率和所述第三概率，獲取所述相鄰視覺詞匯對為所述候選主題對的概率。

進(jìn)一步地，所述第二獲取子模塊5012被配置為根據(jù)θd～dir(α)作一次概率抽取，獲取所述圖像對應(yīng)的相鄰主題概率矩陣，其中，dir(α)是參數(shù)為α的狄利克雷概率分布，θd為第d幅圖像對應(yīng)的相鄰主題概率矩陣，其中，d為大于等于1小于等于d的整數(shù)，所述d為所有圖像的總數(shù)。

進(jìn)一步地，所述第二獲取子模塊5012被配置為根據(jù)βk～dir(γ)作一次概率抽取，獲取每個主題對應(yīng)的視覺詞匯概率向量，其中，dir(γ)是參數(shù)為γ的狄利克雷概率分布，βk為第k個主題對應(yīng)的視覺詞匯概率向量，其中，k為大于等于1小于等于k的整數(shù)，所述k為所有主題的總數(shù)。

圖7是根據(jù)一示例性實施例示出的又一種圖像分類的裝置的框圖。圖7是在圖6所示實施例的基礎(chǔ)上，進(jìn)一步地，所述處理模塊503包括第二處理子模塊5031被配置為根據(jù)獲取所述圖像的類別，其中，是圖像的主題頻次直方圖；zdi表示第d幅圖像的第i個主題，zdj表示第d幅圖像的第j個主題，|zd|表示第d幅圖像的主題的個數(shù)；

η＝[η1，η2，……，ηc]^t，其中，ηc表示softmax函數(shù)第c個類別的向量，ηc～n(0，ρ²)，c為大于等于1小于等于c的整數(shù)，c為所有類別的總數(shù)，n(0，ρ²)為均值為0，方差為ρ²的正太分布。

該圖像分類裝置可以通過軟件、硬件或者兩者的結(jié)合實現(xiàn)成為包含觸控顯示屏的電子設(shè)備的部分或者全部。參照圖8，該裝置包括處理器801和存儲器802，其中，存儲器被配置為存儲處理器可執(zhí)行指令；其中，所述處理器被配置為執(zhí)行下述步驟：獲取圖像的主題頻次；獲取類別矩陣，所述類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，所述c為大于等于2的整數(shù)；根據(jù)所述圖像的主題頻次和所述類別矩陣，利用分類器，獲取所述圖像的類別。

關(guān)于上述實施例中的裝置，其中各個模塊執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實施例中進(jìn)行了詳細(xì)描述，此處將不做詳細(xì)闡述說明。

圖9是根據(jù)一示例性實施例示出的又一種用于圖像分類的裝置800的框圖。例如，裝置800可以是移動電話，計算機(jī)，數(shù)字廣播終端，消息收發(fā)設(shè)備，游戲控制臺，平板設(shè)備，醫(yī)療設(shè)備，健身設(shè)備和個人數(shù)字助理等。

參照圖9，裝置800可以包括以下一個或多個組件：處理組件802，存儲器804，電力組件806，多媒體組件808，音頻組件810，輸入/輸出(i/o)的接口812，傳感器組件814，以及通信組件816。

處理組件802通?？刂蒲b置800的整體操作，諸如與顯示，電話呼叫，數(shù)據(jù)通信，相機(jī)操作和記錄操作相關(guān)聯(lián)的操作。處理組件802可以包括一個或多個處理器820來執(zhí)行指令，以完成上述的方法的全部或部分步驟。此外，處理組件802可以包括一個或多個模塊，便于處理組件802和其他組件之間的交互。例如，處理組件802可以包括多媒體模塊，以方便多媒體組件808和處理組件802之間的交互。

存儲器804被配置為存儲各種類型的數(shù)據(jù)以支持在裝置800的操作。這些數(shù)據(jù)的示例包括用于在裝置800上操作的任何應(yīng)用程序或方法的指令，聯(lián)系人數(shù)據(jù)，電話簿數(shù)據(jù)，消息，圖片，視頻等。存儲器804可以由任何類型的易失性或非易失性存儲設(shè)備或者它們的組合實現(xiàn)，如靜態(tài)隨機(jī)存取存儲器(sram)，電可擦除可編程只讀存儲器(eeprom)，可擦除可編程只讀存儲器(eprom)，可編程只讀存儲器(prom)，只讀存儲器(rom)，磁存儲器，快閃存儲器，磁盤或光盤。

電力組件806為裝置800的各種組件提供電力。電力組件806可以包括電源管理系統(tǒng)，一個或多個電源，及其他與為裝置800生成、管理和分配電力相關(guān)聯(lián)的組件。

多媒體組件808包括在所述裝置800和用戶之間的提供一個輸出接口的屏幕。在一些實施例中，屏幕可以包括液晶顯示器(lcd)和觸摸面板(tp)。如果屏幕包括觸摸面板，屏幕可以被實現(xiàn)為觸摸屏，以接收來自用戶的輸入信號。觸摸面板包括一個或多個觸摸傳感器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸傳感器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關(guān)的持續(xù)時間和壓力。在一些實施例中，多媒體組件808包括一個前置攝像頭和/或后置攝像頭。當(dāng)裝置800處于操作模式，如拍攝模式或視頻模式時，前置攝像頭和/或后置攝像頭可以接收外部的多媒體數(shù)據(jù)。每個前置攝像頭和后置攝像頭可以是一個固定的光學(xué)透鏡系統(tǒng)或具有焦距和光學(xué)變焦能力。

音頻組件810被配置為輸出和/或輸入音頻信號。例如，音頻組件810包括一個麥克風(fēng)(mic)，當(dāng)裝置800處于操作模式，如呼叫模式、記錄模式和語音識別模式時，麥克風(fēng)被配置為接收外部音頻信號。所接收的音頻信號可以被進(jìn)一步存儲在存儲器804或經(jīng)由通信組件816發(fā)送。在一些實施例中，音頻組件810還包括一個揚(yáng)聲器，用于輸出音頻信號。

i/o接口812為處理組件802和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點擊輪，按鈕等。這些按鈕可包括但不限于：主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。

傳感器組件814包括一個或多個傳感器，用于為裝置800提供各個方面的狀態(tài)評估。例如，傳感器組件814可以檢測到裝置800的打開/關(guān)閉狀態(tài)，組件的相對定位，例如所述組件為裝置800的顯示器和小鍵盤，傳感器組件814還可以檢測裝置800或裝置800一個組件的位置改變，用戶與裝置800接觸的存在或不存在，裝置800方位或加速/減速和裝置800的溫度變化。傳感器組件814可以包括接近傳感器，被配置用來在沒有任何的物理接觸時檢測附近物體的存在。傳感器組件814還可以包括光傳感器，如cmos或ccd圖像傳感器，用于在成像應(yīng)用中使用。在一些實施例中，該傳感器組件814還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器或溫度傳感器。

通信組件816被配置為便于裝置800和其他設(shè)備之間有線或無線方式的通信。裝置800可以接入基于通信標(biāo)準(zhǔn)的無線網(wǎng)絡(luò)，如wifi，2g或3g，或它們的組合。在一個示例性實施例中，通信組件816經(jīng)由廣播信道接收來自外部廣播管理系統(tǒng)的廣播信號或廣播相關(guān)信息。在一個示例性實施例中，所述通信組件816還包括近場通信(nfc)模塊，以促進(jìn)短程通信。例如，在nfc模塊可基于射頻識別(rfid)技術(shù)，紅外數(shù)據(jù)協(xié)會(irda)技術(shù)，超寬帶(uwb)技術(shù)，藍(lán)牙(bt)技術(shù)和其他技術(shù)來實現(xiàn)。

在示例性實施例中，裝置800可以被一個或多個應(yīng)用專用集成電路(asic)、數(shù)字信號處理器(dsp)、數(shù)字信號處理設(shè)備(dspd)、可編程邏輯器件(pld)、現(xiàn)場可編程門陣列(fpga)、控制器、微控制器、微處理器或其他電子元件實現(xiàn)，用于執(zhí)行上述方法。

在示例性實施例中，還提供了一種包括指令的非臨時性計算機(jī)可讀存儲介質(zhì)，例如包括指令的存儲器804，上述指令可由裝置800的處理器820執(zhí)行以完成上述方法。例如，所述非臨時性計算機(jī)可讀存儲介質(zhì)可以是rom、隨機(jī)存取存儲器(ram)、cd-rom、磁帶、軟盤和光數(shù)據(jù)存儲設(shè)備等。

圖10是根據(jù)一示例性實施例示出的又一種用于圖像分類的裝置1900的框圖。例如，裝置1900可以被提供為一服務(wù)器。參照圖10，裝置1900包括處理組件1922，其進(jìn)一步包括一個或多個處理器，以及由存儲器1932所代表的存儲器資源，用于存儲可由處理組件1922的執(zhí)行的指令，例如應(yīng)用程序。存儲器1932中存儲的應(yīng)用程序可以包括一個或一個以上的每一個對應(yīng)于一組指令的模塊。此外，處理組件1922被配置為執(zhí)行指令，以執(zhí)行上述方法：獲取圖像的主題頻次；獲取類別矩陣，所述類別矩陣中包含c個類別的向量，每個類別的向量服從正態(tài)分布，所述c為大于等于2的整數(shù)；根據(jù)所述圖像的主題頻次和所述類別矩陣，利用分類器，獲取所述圖像的類別。

裝置1900還可以包括一個電源組件1926被配置為執(zhí)行裝置1900的電源管理，一個有線或無線網(wǎng)絡(luò)接口1950被配置為將裝置1900連接到網(wǎng)絡(luò)，和一個輸入輸出(i/o)接口1958。裝置1900可以操作基于存儲在存儲器1932的操作系統(tǒng)，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或類似。

本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里公開的發(fā)明后，將容易想到本公開的其它實施方案。本申請旨在涵蓋本公開的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本公開的一般性原理并包括本公開未公開的本技術(shù)領(lǐng)域中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的，本公開的真正范圍和精神由下面的權(quán)利要求書指出。

應(yīng)當(dāng)理解的是，本公開并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本公開的范圍僅由所附的權(quán)利要求書來限制。