本发明涉及图像处理，尤其涉及一种图像分类方法、装置、设备及存储介质。
背景技术：
1、图像分类技术经历了多个阶段的发展，产生了不少与图像分类相关的技术，比如贝叶斯分类、决策树、神经网络、k-近邻算法和支持向量机(support vector machine,svm)等智能分类算法。由于支持向量机可以很好解决样本较少、维度较高和非线性等问题，在很多领域也得到了广泛应用，且在很多领域有较好的表现。但是从众多的研究中可以发现，支持向量机参数的设置对支持向量机的性能有较大的影响，也会影响对图像分类的准确性。
技术实现思路
1、本发明的主要目的在于提供一种图像分类方法、装置、设备及存储介质，旨在解决现有技术中基于支持向量机的图像分类方法分类精确度不高的技术问题。
2、为实现上述目的，本发明提供一种图像分类方法，所述方法包括以下步骤：
3、对获取到的待分类的原始图像进行预处理，获得处理后的图像；
4、对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法；
5、根据所述改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，获得改进后的分类模型；
6、基于所述改进后的分类模型对所述处理后的图像进行分类，获得图像分类结果。
7、可选地，所述对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法，包括：
8、通过混沌circle映射生成原始鲸鱼优化算法中初始鲸鱼种群的初始位置；
9、在所述原始鲸鱼优化算法的螺旋上升阶段增加自适应权重参数；
10、根据柯西变异扰动策略对当前的最优解进行变异操作，获得改进后的鲸鱼优化算法。
11、可选地，所述根据所述改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，获得改进后的分类模型，包括：
12、根据改进后的鲸鱼优化算法和有向无环图支持向量机确定最小适应度值和对应的最优鲸鱼个体位置；
13、根据所述最小适应度值和所述最优鲸鱼个体位置确定所述有向无环图支持向量机的最优参数组合，获得改进后的分类模型，所述最优参数组合包括惩罚参数和核函数参数。
14、可选地，所述根据改进后的鲸鱼优化算法和有向无环图支持向量机确定最小适应度值和对应的最优鲸鱼个体位置，包括：
15、根据改进后的鲸鱼优化算法和混沌反向学习策略初始化鲸鱼种群，生成svm参数和特征子集；
16、将所述svm参数和所述特征子集输入至所述有向无环图支持向量机的svm分类器，确定不同鲸鱼个体的适应度值中的最小值对应的鲸鱼个体位置；
17、根据所述改进后的鲸鱼优化算法和所述鲸鱼个体位置迭代更新所有鲸鱼的位置，并确定不同鲸鱼个体的更新后的适应度值中的最小值；
18、在达到迭代终止条件时，获得最小适应度值和对应的最优鲸鱼个体位置。
19、可选地，所述有向无环图支持向量机的svm分类器包括模糊间隔函数；
20、所述基于所述改进后的分类模型对所述处理后的图像进行分类，获得图像分类结果，包括：
21、通过所述改进后的分类模型中的所述模糊间隔函数判断所述处理后的图像是否属于目标类别；
22、若不属于，则为所述处理后的图像设置低于预设阈值的模糊值，获得图像分类结果。
23、此外，为实现上述目的，本发明还提出一种图像分类装置，所述图像分类装置包括：
24、图像预处理模块，用于对获取到的待分类的原始图像进行预处理，获得处理后的图像；
25、算法改进模块，用于对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法；
26、参数优化模块，用于根据所述改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，获得改进后的分类模型；
27、图像分类模块，用于基于所述改进后的分类模型对所述处理后的图像进行分类，获得图像分类结果。
28、此外，为实现上述目的，本发明还提出一种图像分类设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像分类程序，所述图像分类程序配置为实现如上文所述的图像分类方法的步骤。
29、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有图像分类程序，所述图像分类程序被处理器执行时实现如上文所述的图像分类方法的步骤。
30、在本发明中，公开了对获取到的待分类的原始图像进行预处理，获得处理后的图像；对原始鲸鱼优化算法进行改进，根据改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，然后基于所述改进后的分类模型对所述处理后的图像进行分类，获得图像分类结果。由于本发明通过对原始鲸鱼优化算法进行改进，避免陷入局部最优解，提高算法精度，然后通过改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，提高支持向量机的分类精确度，并将改进后的支持向量机通过有向无环图的方法进行多分类模型拓展，从而能够更精确的对图像进行多分类。
1.一种图像分类方法，其特征在于，所述图像分类方法包括：
2.如权利要求1所述的图像分类方法，其特征在于，所述对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法，包括：
3.如权利要求1所述的图像分类方法，其特征在于，所述根据所述改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，获得改进后的分类模型，包括：
4.如权利要求3所述的图像分类方法，其特征在于，所述根据改进后的鲸鱼优化算法和有向无环图支持向量机确定最小适应度值和对应的最优鲸鱼个体位置，包括：
5.如权利要求1所述的图像分类方法，其特征在于，所述有向无环图支持向量机的svm分类器包括模糊间隔函数；
6.一种图像分类装置，其特征在于，所述图像分类装置包括：
7.一种图像分类设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像分类程序，所述图像分类程序配置为实现如权利要求1至5中任一项所述的图像分类方法的步骤。
8.一种存储介质，其特征在于，所述存储介质上存储有图像分类程序，所述图像分类程序被处理器执行时实现如权利要求1至5任一项所述的图像分类方法的步骤。
