[發明專利]基于卷積神經網絡思想的圖像目標識別方法

在審

• 申請號: 202010733456.4
• 申請日: 2020-07-27
• 公開（公告）號: CN111967479A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 黃經偉;張學習;程健明
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 張生梅

1.基于卷積神經網絡思想的圖像目標識別方法，其特征在于：

通過預先構建的變化結構平衡矩陣與圖像中的局部結構平衡矩陣做Hadamard乘積得到局部的目標結構平衡矩陣，增加識別參數的數量提高識別的精度。

2.根據權利要求1所述的基于卷積神經網絡思想的圖像目標識別方法，其特征在于：包括以下步驟：

構造局部初始結構平衡矩陣；

基于hadamard變換進行圖像變換：

根據結構平衡網絡的分類性質進行圖像特征參量提取；

根據圖像特征參量對待識別圖像進行識別。

3.根據權利要求2所述的基于卷積神經網絡思想的圖像目標識別方法，其特征在于：

所述“構造局部初始結構平衡矩陣”包括：

記所有N階結構平衡矩陣構成的集合為F^N；設P是F^N上的一個映射，即：P：F^N→F^N；

采用一個3*3的矩陣作為預先構造的局部初始結構平衡矩陣，得到K＝(N-2)2(N≥3)個局部初始結構平衡矩陣。

4.根據權利要求2所述的基于卷積神經網絡思想的圖像目標識別方法，其特征在于：

所述“基于hadamard變換進行圖像變換”包括：

設X＝(x_ij)是一個構造的N階變化結構平衡矩陣，Y∈F^N是局部初始結構平衡矩陣，Z代表經過Hadamard變換之后的結構平衡矩陣，則映射Z＝XoY為一個結構平衡矩陣變換關系，其中“o”表示矩陣間的阿達瑪乘積；Y為局部初始結構平衡矩陣；

若X＝(x_ij)是一個N階二值結構平衡矩陣，Z＝XoY可以表示為：

Z_ij＝sign(x_ij)y_ij

其中，sign表示符號函數，定義如下：

5.根據權利要求2所述的基于卷積神經網絡思想的圖像目標識別方法，其特征在于：

所述“基于Hadamard變換進行圖像特征參量提取”包括：

采用一個3*3的矩陣作為變化結構平衡矩陣與初始結構平衡矩陣做Hadamard乘積，每個局部初始結構平衡矩陣得到三個識別參數，假如初始結構平衡矩陣中存在P個滿足要求的局部初始結構平衡矩陣，做Hadamard乘積后則有P*3個特征識別參數。

6.根據權利要求5所述的基于卷積神經網絡思想的圖像目標識別方法，其特征在于：

所述“根據圖像特征參量對待識別圖像進行識別”包括：

利用所述“基于Hadamard變換進行圖像特征參量提取”獲得的P*3個特征識別參數對目標圖像進行識別。