[发明专利]基于生物视觉机理的物体训练和识别方法无效
| 申请号： | 201010140974.1 | 申请日： | 2010-04-02 |
| 公开（公告）号： | CN101840518A | 公开（公告）日： | 2010-09-22 |
| 发明（设计）人： | 谭铁牛;黄凯奇;黄永祯 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/66 | 分类号： | G06K9/66 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 戎志敏 |
| 地址： | 100080 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 生物 视觉 机理 物体 训练 识别 方法 | ||
1.一种基于生物视觉机理的物体训练方法，包括步骤：
步骤S11，对训练图像进行Gabor滤波操作，生成各种尺度下的S1图像；
步骤S12，对S1图像进行梯度滤波的稀疏化操作，生成图像的稀疏表达；
步骤S13，对S1的稀疏表达进行降采样操作生成C1；
步骤S14，对C1图像进行滤波操作，滤波卷积子随机采样于所有训练样本的C1图像，生成S2图像；
步骤S15，对S2图像进行求最大值操作，生成C2；
步骤S16，用C2作为特征向量送入支持向量机SVM分类器。
2.根据权利要求1所述的方法，其特征在于还包括从训练数据上的结果向S2图像的反馈过程。
3.根据权利要求2所述的方法，其特征在于所述反馈过程包括将训练集上表现最好的SVM模型保留。
4.根据权利要求1所述的方法，其特征在于在降采样操作中，对每一个局部区域都只保留最大像素点及其周围四个像素点的和。
5.一种基于生物视觉机理的物体识别方法，包括步骤：
步骤S21，对训练图像进行Gabor滤波操作，生成各种尺度下的S1图像；
步骤S22，对S1图像进行梯度滤波的稀疏化操作，生成图像的稀疏表达；
步骤S23，对S1的稀疏表达进行降采样操作生成C1；
步骤S24，对C1图像进行滤波操作，滤波卷积子随机采样于所有训练样本的C1图像，生成S2图像；
步骤S25，对S2图像进行求最大值操作，生成C2；
步骤S26，用C2作为特征向量送入支持向量机SVM分类器，根据SVM模型判断测试图像类别。
6.根据权利要求5所述的方法，其特征在于还包括从训练数据上的结果向S2图像的反馈过程。
7.根据权利要求6所述的方法，其特征在于所述反馈过程包括将训练集上表现最好的SVM模型保留。
8.根据权利要求5所述的方法，其特征在于在降采样操作中，对每一个局部区域都只保留最大像素点及其周围四个像素点的和。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201010140974.1/1.html，转载请声明来源钻瓜专利网。
