[發(fā)明專利]基于多分辨自動(dòng)編碼器的光學(xué)符號(hào)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110301000.5
• 申請(qǐng)日: 2021-03-22
• 公開（公告）號(hào): CN112818978A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 金立左;許歆逸;張向向;閻俊
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 薛雨妍

本發(fā)明公開了一種基于多分辨自動(dòng)編碼器的光學(xué)符號(hào)識(shí)別方法，首先，指定分塊大小，對(duì)圖像進(jìn)行隨機(jī)采樣，獲得若干大小一致的圖像塊。接著，對(duì)圖像塊使用指定參數(shù)的Gabor濾波器組進(jìn)行濾波，獲得含有多尺度多方向信息的Gabor特征。隨后，基于倒金字塔格式的采樣布局，以不同的空間采樣率對(duì)圖像塊上相應(yīng)尺度的Gabor特征進(jìn)行均勻采樣，實(shí)現(xiàn)大尺度特征對(duì)小尺度特征感受野的充分覆蓋。最后，將加噪圖像塊及其對(duì)應(yīng)的Gabor特征采樣分別作為多分辨自動(dòng)編碼器的主分支輸入與副分支輸入進(jìn)行高維特征的學(xué)習(xí)與融合。本發(fā)明公開的擬孿生神經(jīng)網(wǎng)絡(luò)，旨在獲得一組融合的高維特征，既能學(xué)習(xí)輸入圖像的基本形狀特征，又能自動(dòng)學(xué)習(xí)Gabor濾波器組提取的多尺度紋理特征。分類識(shí)別時(shí)，較之降噪自動(dòng)編碼器，本發(fā)明以相同的計(jì)算量，獲取了更加豐富的特征信息，對(duì)光學(xué)符號(hào)取得了更高的識(shí)別精度。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)領(lǐng)域；尤其涉及基于多分辨自動(dòng)編碼器的光學(xué)符號(hào)識(shí)別方法。

背景技術(shù)

自動(dòng)編碼器是一種無監(jiān)督學(xué)習(xí)算法，1986年由Rumelhart首次提出。2006年Hinton等人提出深度自動(dòng)編碼器，相比基礎(chǔ)自動(dòng)編碼器，深度自動(dòng)編碼器增加了隱含層層數(shù)，增強(qiáng)了隱含層表達(dá)能力。2007年Bengio等人在此基礎(chǔ)上提出堆疊自動(dòng)編碼器，使網(wǎng)絡(luò)在監(jiān)督學(xué)習(xí)階段更快的迭代收斂。隨后，Vincent等人在2008年和2010年分別提出降噪自動(dòng)編碼器和堆疊降噪自動(dòng)編碼器，通過引入噪聲，提高自動(dòng)編碼器訓(xùn)練所得特征的魯棒性。2010年Rifai等人提出壓縮自動(dòng)編碼器，通過收縮隱含層，對(duì)維度加以約束，提高特征表達(dá)能力。2011年Masci等人提出卷積自動(dòng)編碼器，用于構(gòu)建卷積自動(dòng)編碼網(wǎng)絡(luò)。上述自動(dòng)編碼器的發(fā)展歷程中，始終以重建特性為訓(xùn)練目標(biāo)，僅僅學(xué)習(xí)輸入圖像的結(jié)構(gòu)特征，缺乏多尺度多分辨紋理信息，在光學(xué)字符識(shí)別中，難以取得令人滿意的結(jié)果。尤其在遇到旋轉(zhuǎn)、縮放和其它圖像畸變時(shí)，傳統(tǒng)自動(dòng)編碼器難以保持較高識(shí)別精度。

Gabor特征是1946年D.Gabor提出的可用于描述圖像紋理的特征，Gabor濾波器涉及的頻率和方向與人類視覺系統(tǒng)類似，特別適合紋理表示。2003年Qin等人將Gabor特征用于車牌字符識(shí)別，取得較好效果。2008年Li等人利用Gabor特征與LMBP神經(jīng)網(wǎng)絡(luò)進(jìn)一步提高車牌字符識(shí)別準(zhǔn)確率。2012年Luo等人將Gabor變換用于中文字符特征提取。2015年Zhong等人在中文光學(xué)字符識(shí)別中將原始圖像與其Gabor濾波結(jié)果一同作為網(wǎng)絡(luò)輸入，增強(qiáng)網(wǎng)絡(luò)性能。2018年Luan等人提出Gabor卷積網(wǎng)，將特定Gabor濾波器組與學(xué)習(xí)得到的CNN卷積核逐元素相乘，賦予CNN卷積核Gabor多尺度多方向特性。上述方法中，除Luan等人的Gabor卷積網(wǎng)，其它算法都是將Gabor變換作為特征提取手段，提取特定參數(shù)的Gabor特征，用于光學(xué)字符識(shí)別。然而，僅依靠人工設(shè)計(jì)的多尺度多方向Gabor特征，不足以達(dá)到利用CNN學(xué)習(xí)得到的濾波器性能，難以將精度進(jìn)一步提高。Luan等人的Gabor卷積網(wǎng)將Gabor濾波器作為一種“指導(dǎo)”，強(qiáng)制CNN學(xué)習(xí)的濾波器具有多尺度多方向特性，但是CNN網(wǎng)絡(luò)參數(shù)量龐大，引入Gabor濾波器提高精度的同時(shí)，計(jì)算量也會(huì)隨之驟增。

綜上所述，傳統(tǒng)自動(dòng)編碼器在光學(xué)字符識(shí)別上，受限于重建輸入的特性，難以學(xué)習(xí)到除圖像基本結(jié)構(gòu)以外的多尺度多方向特征；Gabor特征具有多尺度多方向特性，往往被用于特征提取，但是單一的Gabor特征無法進(jìn)一步提高光學(xué)字符識(shí)別精度，且人工設(shè)計(jì)的Gabor濾波器無法有效應(yīng)用在神經(jīng)網(wǎng)絡(luò)中，無法在不顯著增加計(jì)算量的同時(shí)，指導(dǎo)神經(jīng)網(wǎng)絡(luò)自發(fā)學(xué)習(xí)多尺度多分辨特性。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明公開了一種基于多分辨自動(dòng)編碼器的光學(xué)符號(hào)識(shí)別方法，在保持模型較低計(jì)算量的前提下，盡可能提高分類識(shí)別精度，并且對(duì)旋轉(zhuǎn)、縮放和其它圖像畸變具有較高的魯棒性。

本發(fā)明的技術(shù)方案如下：