[發明專利]基于L2歸一化的煙包隨機碼圖像檢索方法

在審

• 申請號: 202010705268.0
• 申請日: 2020-07-21
• 公開（公告）號: CN111984816A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 廖開陽;朱坤;章明珠;曹從軍;鄭元林
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06N3/04;G06N3/08;G06K9/62;G06K9/54
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 寧文濤

1.基于L2歸一化的煙包隨機碼圖像檢索方法，其特征在于，具體包括以下步驟：

步驟1，對數據庫中的圖像進行預處理；

步驟2，將經步驟1預處理后的圖像利用卷積神經網絡提取隨機碼圖像的圖像特征；

步驟3，將經步驟2得到的特征圖像進行感興趣池化；

步驟4，將池化后的特征圖像進行L2歸一化；

步驟5，將經步驟4歸一化后的圖像利用鄰里成分分析，將待檢索的圖像特征與數據庫中的圖像特征進行比較，根據度量結果輸出結果圖像集。

2.根據權利要求1所述的基于L2歸一化的煙包隨機碼圖像檢索方法，其特征在于，所述步驟1的技術內容具體包括：

對數據庫中的圖像進行灰度化、幾何轉變和圖像增強；

灰度化具體為按照下式確定一個像素的灰度值：

f₁(i，j)＝R(i，j)f₂(i，j)＝G(i，j)f₃(i，j)＝B(i，j) (1)

式中，i，j表示像素在顏色空間的坐標，R(i，j)，G(i，j)，B(i，j)表示彩色圖像中三分量的亮度，f_k(i，j)(k＝1，2，3)為轉換后的灰度圖像在(i，j)處的灰度值；

圖像增強具體為對原圖像附加信息或變換數據，采用基于空域的算法，用公式描述如下：

g(x，y)＝f(x，y)×h(x，y) (2)

式中，f(x，y)是原圖像，h(x，y)為空間轉換函數，g(x，y)表示處理過的圖像。

3.根據權利要求1所述的基于L2歸一化的煙包隨機碼圖像檢索方法，其特征在于，所述步驟2中具體為采用VGG16神經網絡提取圖像特征，具體內容為：

首先把卷積神經網絡分成5組，前兩組每組存在2個卷積層，后面三組每一組里存在這3個卷積層，一共有13個卷積層，并且每一組后面都加入了最大池化層；

VGG16神經網絡經過訓練之后，把L記為其總層數，首先將輸入神經網絡的圖像I進行調整，調整至與訓練圖像相同的n×n的大小，然后開始進入網絡并向前傳播，圖像在通過神經網絡第一層L₁之后，將其輸出抽取并記作M¹，該輸出大小為n¹×n¹×d¹；其中d¹代表著L₁層中的卷積核數目；為了簡化標記，定義在輸出矩陣M¹處抽取一個向量，長度為d¹，并把它記作其中每個中都包含著在該點所有卷積核的激活層輸出，通過該方法，對所有輸入網絡的圖像，都可以在L₁層得到局部特征向量組，維度為將其記為

4.根據權利要求3所述的基于L2歸一化的煙包隨機碼圖像檢索方法，其特征在于，所述神經網絡采用反向傳播算法進行優化，具體優化內容包括：

反向傳播算法的一次優化的過程如下：

式中，x_i表示第i個輸入神經元的輸入，且一層網絡總共有D個輸入；f(.)表示激活函數；W_ij代表第i個輸入和網絡層第j個神經元之間連接的參數，h_j代表網絡層的第j個神經元的輸出結果；

在得到最后一層神經網絡的輸出值之后，與數據集按照下式求誤差：

式中，y_k代表第k個神經元的輸出值，t_k代表實際上的目標值，總共有N個輸出神經元；

按下式反向逐層向輸入層進行誤差傳遞，進行誤差關于網絡參數的導數的求解，并使用導數進行網絡參數的更新：

式中，代表了在第l層，第i個神經元與上一層第j個神經元連接的參數，λ代表著學習率，用以控制參數更新的速度，σ代表著求導函數，J代表目標與輸出的誤差值。