[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)思想的圖像目標(biāo)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010733456.4
• 申請(qǐng)日: 2020-07-27
• 公開(kāi)（公告）號(hào): CN111967479A
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 黃經(jīng)偉;張學(xué)習(xí);程健明
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所 44329
• 代理人: 張生梅

本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡(luò)思想的圖像目標(biāo)識(shí)別方法，其特征在于：通過(guò)預(yù)先構(gòu)建的變化結(jié)構(gòu)平衡矩陣與圖像中的局部結(jié)構(gòu)平衡矩陣做Hadamard乘積得到局部的目標(biāo)結(jié)構(gòu)平衡矩陣，增加識(shí)別參數(shù)的數(shù)量提高識(shí)別的精度。本發(fā)明采用CNN提取局部初始結(jié)構(gòu)平衡矩陣，與預(yù)先構(gòu)建的變化結(jié)構(gòu)平衡矩陣做Hadamad乘積，得到局部的目標(biāo)結(jié)構(gòu)平衡矩陣。現(xiàn)有技術(shù)是對(duì)圖像整體進(jìn)行處理沒(méi)有考慮局部，最終得到的只有3個(gè)特征參數(shù)，現(xiàn)在采用CNN可以得到多組局部的識(shí)別參數(shù)向量組，增加了識(shí)別參數(shù)的數(shù)量，提高圖像目標(biāo)識(shí)別的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器視覺(jué)領(lǐng)域，特別是一種基于卷積神經(jīng)網(wǎng)絡(luò)思想的圖像目標(biāo)識(shí)別方法。

背景技術(shù)

機(jī)器視覺(jué)是一項(xiàng)綜合技術(shù)，包括圖像處理、機(jī)械工程技術(shù)、控制、電光源照明、光學(xué)成像、傳感器、模擬與數(shù)字視頻技術(shù)、計(jì)算機(jī)軟硬件技術(shù)(圖像增強(qiáng)和分析算法、圖像卡、I/O卡等)。隨著圖像處理和模式識(shí)別等技術(shù)的快速發(fā)展，也大大地推動(dòng)了機(jī)器視覺(jué)的發(fā)展。而視覺(jué)的發(fā)展離不開(kāi)圖像的識(shí)別，圖像識(shí)別是機(jī)器視覺(jué)技術(shù)的重要組成部分，精度和速度是衡量目標(biāo)圖像識(shí)別的兩個(gè)重要的指標(biāo)。目前有很多的圖像識(shí)別方法，如基于關(guān)鍵點(diǎn)的圖像識(shí)別方法、基于紋理的圖像識(shí)別方法、基于模型的圖像識(shí)別方法、基于K-L的圖像識(shí)別方法、基于幾何特征的圖像識(shí)別方法、基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法、基于邊緣輪廓的圖像識(shí)別方法以及結(jié)合復(fù)雜網(wǎng)絡(luò)和分水嶺算法的圖像識(shí)別方法。基于結(jié)構(gòu)平衡網(wǎng)絡(luò)的目標(biāo)識(shí)別方法，將結(jié)構(gòu)平衡網(wǎng)絡(luò)應(yīng)用于圖像目標(biāo)識(shí)別領(lǐng)域，通過(guò)將基于輪廓的圖像識(shí)別方法與結(jié)構(gòu)均衡網(wǎng)絡(luò)方法的相結(jié)合，將對(duì)待識(shí)別圖像進(jìn)行基于結(jié)構(gòu)平衡網(wǎng)絡(luò)的灰度圖像預(yù)處理，得到待識(shí)別圖像的初始結(jié)構(gòu)平衡矩陣，然后與構(gòu)建的變化結(jié)構(gòu)平衡矩陣做hadamard乘積，得到目標(biāo)結(jié)構(gòu)平衡矩陣，提取目標(biāo)結(jié)構(gòu)平衡矩陣特征參數(shù)后根據(jù)特征參數(shù)進(jìn)行識(shí)別。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡(luò)思想的圖像目標(biāo)識(shí)別方法，能夠增加識(shí)別參數(shù)的數(shù)量，從而提高識(shí)別的精度。

本發(fā)明的技術(shù)方案是：一種基于卷積神經(jīng)網(wǎng)絡(luò)思想的圖像目標(biāo)識(shí)別方法，其特征在于：通過(guò)預(yù)先構(gòu)建的變化結(jié)構(gòu)平衡矩陣與圖像中的局部結(jié)構(gòu)平衡矩陣做Hadamard乘積得到局部的目標(biāo)結(jié)構(gòu)平衡矩陣，增加識(shí)別參數(shù)的數(shù)量提高識(shí)別的精度。

具體包括以下步驟：

構(gòu)造局部初始結(jié)構(gòu)平衡矩陣；

基于hadamard變換進(jìn)行圖像變換：

根據(jù)結(jié)構(gòu)平衡網(wǎng)絡(luò)的分類性質(zhì)進(jìn)行圖像特征參量提取；

根據(jù)圖像特征參量對(duì)待識(shí)別圖像進(jìn)行識(shí)別。

所述“構(gòu)造局部初始結(jié)構(gòu)平衡矩陣”包括：

記所有N階結(jié)構(gòu)平衡矩陣構(gòu)成的集合為F^N；設(shè)P是F^N上的一個(gè)映射，即：P：F^N→F^N；采用一個(gè)3*3的矩陣作為預(yù)先構(gòu)造的局部初始結(jié)構(gòu)平衡矩陣，得到K＝(N-2)2個(gè)局部初始結(jié)構(gòu)平衡矩陣。

所述“基于hadamard變換進(jìn)行圖像變換”包括：設(shè)X＝(x_ij)是一個(gè)構(gòu)造的N階變化結(jié)構(gòu)平衡矩陣，Y∈F^N是局部初始結(jié)構(gòu)平衡矩陣，Z代表經(jīng)過(guò)Hadamard變換之后的結(jié)構(gòu)平衡矩陣，則映射Z＝XoY為一個(gè)結(jié)構(gòu)平衡矩陣變換關(guān)系，其中“o”表示矩陣間的阿達(dá)瑪乘積；Y為局部初始結(jié)構(gòu)平衡矩陣；若X＝(x_ij)是一個(gè)N階二值結(jié)構(gòu)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(hào)函數(shù)，定義如下：