[發明專利]一種基于希爾伯特分形曲線的圖像卷積方法和系統

在審

• 申請號: 202310073562.8
• 申請日: 2023-01-20
• 公開（公告）號: CN115909014A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 鄧若愚;胡尚薇
• 申請（專利權）人: 同濟人工智能研究院（蘇州）有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/764;G06V10/774
• 代理公司: 蘇州見山知識產權代理事務所(特殊普通合伙) 32421
• 代理人: 袁麗花

本申請涉及一種基于希爾伯特分形曲線的圖像卷積方法和系統，包括以下步驟：1)根據卷積輸出大小模式選擇對輸入的圖像進行填充操作，例如，輸入大小等于輸出模式下，需要對輸入邊沿進行填充操作；2)塊索引與重排：對填充后的輸入圖像按照希爾伯特分形的索引序號進行圖像塊讀取和重新排列的操作；3)互相關運算：對重排后的圖像塊進行步長等于卷積核大小的卷積互相關運算；4)局部特征聚合：使用深度可分離的一維卷積對步驟3的輸出進行步長為1的卷積互相關運算；5)復原輸入的二維結構：將步驟4的輸出按照希爾伯特分形的索引進行反向的重排操作，并輸出。與現有圖像卷積操作方法相比，本申請實現簡單、通用性強，具有一定的理論先進性。

技術領域

本申請涉及計算機視覺圖像卷積技術領域，尤其涉及一種基于希爾伯特分形曲線的局部特征增強的圖像卷積方法和系統。

背景技術

德國數學家David?Hilbert發現了一種曲線，首先把一個正方形等分成四個小正方形，依次從左下方的正方形中心出發往下到左上正方形中心，再往右到右上的正方形中心，再往下到右下正方形中心，這是一次迭代，如果對四個小正方形繼續上述過程，往下劃分，反復進行，最終就得到一條可以填滿整個正方形的曲線，這就是希爾伯特曲線，其大致過程如附圖1中所示。

希爾伯特分形是一種奇妙的曲線，曲線將遍歷單位正方形中所有的點，得到一條充滿空間的曲線。希爾伯特曲線是一條連續而又不可導的曲線。希爾伯特在二維數據和一維數據的變換時，特征點的位置不會隨著分辨率的變化為變化。簡單講，希爾伯特分形操作可以定義為多尺度圖像的一種降維映射，該映射的不變性體現為降維后的特征向量相對位置保持不變性，即對稱性。所以希爾伯特分形可以符號化為一個對稱群。

卷積網絡或稱卷積神經網絡(CNN)，是一種精妙設計用來處理歐式空間排布的網格結構的數據的結構。CNN憑借其通用性和可變性尺度輸入的特征在眾多視覺任務中取得了不錯的效果。此外，互相關運算是一種特殊的線性運算，如果該網絡使用了卷積(互相關運算)這種數學運算，一般認為該網絡為CNN。

卷積算子主要包含三個重要的思想來改進機器學習系統：稀疏交互、參數共享、等變性表示。正是由于其稀疏表示和參數共享的特征，使得卷積提供了一種處理大小可變的輸入的方法。也是由于其在參數和稀疏表示中取得一個平衡，導致其卷積核大小受限于參數量和計算復雜度的實際限制。由于卷積核大小的限制，會使得卷積操作過于關注局部的特征信息，對相鄰圖像塊的信息交互能力表現缺失。

為了克服這一缺陷，目前的方法主要包括：

1)使用更多的卷積層和全連接層增強模型深層的全局感受能力；

2)使用大卷積核進行卷積操作；

上述兩種方法雖然克服了其缺少全局感受野等缺陷，但也帶來了計算復雜度的需求增加。

發明內容

有鑒于此，本申請的目的在于提出一種基于希爾伯特分形曲線的圖像卷積方法和系統，本申請能夠針對性的解決現有的問題。

基于上述目的，本申請提出了一種基于希爾伯特分形曲線的圖像卷積方法，包括：

1)根據卷積輸出大小模式選擇對輸入的圖像進行填充操作；

2)塊索引與重排：對填充后的輸入圖像按照希爾伯特分形的索引序號進行圖像塊讀取和重新排列的操作；

3)互相關運算：對重排后的圖像塊進行步長等于卷積核大小的卷積互相關運算；

4)局部特征聚合：使用深度可分離的一維卷積對步驟3的輸出進行步長為1的卷積互相關運算；

5)復原輸入的二維結構：將步驟4的輸出按照希爾伯特分形的索引進行反向的重排操作，并輸出。

進一步地所述填充操作包括：在輸入大小等于輸出模式下，對輸入邊沿進行填充操作。