[發(fā)明專(zhuān)利]基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010339964.4
• 申請(qǐng)日: 2020-04-26
• 公開(kāi)（公告）號(hào): CN111461259A
• 公開(kāi)（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 何楚;石紫珊;何博琨;田玲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 嚴(yán)彥

1.一種基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法，其特征在于：包括準(zhǔn)備待分類(lèi)圖像數(shù)據(jù)集；將紅黑形態(tài)小波與最大池化融合，構(gòu)建提升方案池化層，用于提取待分類(lèi)圖像的特征并進(jìn)行降采樣；基于待分類(lèi)圖像數(shù)據(jù)集，構(gòu)建及訓(xùn)練提升方案卷積神經(jīng)網(wǎng)絡(luò)，并通過(guò)Softmax分類(lèi)器實(shí)現(xiàn)分類(lèi)，所述提升方案卷積神經(jīng)網(wǎng)絡(luò)包含提升方案池化層；

所述提升方案池化層包含兩個(gè)支路，分別是紅黑形態(tài)小波支路和最大池化支路，提升方案池化層的最終輸出y由紅黑形態(tài)小波的輸出r和最大池化分支的輸出m融合得到；所述紅黑形態(tài)小波支路包含垂直和水平方向的提升過(guò)程和對(duì)角方向的提升過(guò)程，

所述垂直和水平方向的提升過(guò)程，包括對(duì)輸入的特征圖x按以下規(guī)則分成Red子集和Black子集，實(shí)現(xiàn)分裂，然后基于形態(tài)學(xué)腐蝕運(yùn)算進(jìn)行預(yù)測(cè)和更新，

Red＝{x_ij|x_ij∈x,i％2＝j(luò)％2}

Black＝{x_ij|x_ij∈x,i％2≠j％2}

其中，x_ij是特征圖x中處于坐標(biāo)(i,j)的元素；

所述垂對(duì)角方向的提升過(guò)程，包括對(duì)垂直和水平方向的提升過(guò)程所得輸出集合按以下規(guī)則分成Blue子集和Green子集，實(shí)現(xiàn)分裂，然后基于形態(tài)學(xué)腐蝕運(yùn)算進(jìn)行預(yù)測(cè)和更新，

Blue＝{x_ij|x_ij∈x,i％2＝0,j％2＝0}

Green＝{x_ij|x_ij∈x,i％2≠0,j％2≠0}

其中，x_ij是特征圖x中處于坐標(biāo)(i,j)的元素。

2.根據(jù)權(quán)利要求1所述基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法，其特征在于：所述提升方案池化層的最終輸出由紅黑形態(tài)小波的輸出r和最大池化分支的輸出m融合得到，實(shí)現(xiàn)方式如下，

y＝α·r+(1-α)·m

其中，標(biāo)量α是權(quán)重參數(shù)，取值為在0到1之間。

3.根據(jù)權(quán)利要求1所述基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法，其特征在于：垂直和水平方向的提升過(guò)程中，基于形態(tài)學(xué)腐蝕運(yùn)算進(jìn)行預(yù)測(cè)和更新實(shí)現(xiàn)如下，

1)首先，取4個(gè)相鄰紅子集樣本的最小值來(lái)預(yù)測(cè)黑子集中的對(duì)應(yīng)元素，預(yù)測(cè)的結(jié)果原位取代原來(lái)的黑子集元素；

2)然后，將預(yù)測(cè)的結(jié)果進(jìn)行腐蝕處理來(lái)更新紅子集，更新的結(jié)果原位取代原來(lái)的紅子集，并作為垂直和水平方向的提升過(guò)程的輸出。

4.根據(jù)權(quán)利要求3所述基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法，其特征在于：對(duì)角方向的提升過(guò)程中，基于形態(tài)學(xué)腐蝕運(yùn)算進(jìn)行預(yù)測(cè)和更新實(shí)現(xiàn)如下，

1)首先，取4個(gè)相鄰藍(lán)子集樣本的最小值來(lái)預(yù)測(cè)綠子集中的對(duì)應(yīng)元素，預(yù)測(cè)的結(jié)果原位取代原來(lái)的綠子集元素；

2)然后，將預(yù)測(cè)的結(jié)果進(jìn)行腐蝕處理來(lái)更新藍(lán)子集，更新的結(jié)果原位取代原來(lái)的藍(lán)子集，并作為本步驟的輸出。

5.根據(jù)權(quán)利要求1或2或3或4所述基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法，其特征在于：所述提升方案卷積神經(jīng)網(wǎng)絡(luò)采用局部二進(jìn)制閾值網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)，其中依次包括輸入層、卷積層C1、提升方案池化層L1、卷積層C2、提升方案池化層L2、全連接層F1、全連接層F2和輸出層。

6.根據(jù)權(quán)利要求5所述基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法，其特征在于：所述輸出層采用歐氏徑向基函數(shù)實(shí)現(xiàn)，通過(guò)softmax函數(shù)獲取。

7.一種基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)系統(tǒng)，其特征在于：用于權(quán)利要求1-6所述基于紅黑形態(tài)小波池化網(wǎng)絡(luò)的圖像分類(lèi)方法。