[发明专利]融合颜色特征与卷积神经网络的彩色图像特征提取方法

权利要求书

1.一种融合颜色特征与卷积神经网络的彩色图像特征提取方法，包括如下步骤：

(1)输入彩色图像：

选取任意大小、任意分辨率的彩色图像作为输入图像；

(2)获取主体图像：

(2a)将输入图像按4行4列的规格平均分割成16个大小相等，互不重叠的子块；

(2b)从16个子块中选取位于最中心的4个子块，将所选取的4个子块拼接，得到的图像作为输入图像的主体图像；

(3)获取颜色特征向量：

(3a)采用颜色直方图法，得到主体图像的规格为1行258列的颜色直方向量；利用向量归一化公式，对颜色直方向量进行归一化，得到归一化颜色直方向量；

(3b)采用颜色矩法，得到主体图像的规格为1行9列的颜色矩向量；利用向量归一化公式，对颜色矩向量进行归一化，得到归一化颜色矩向量；

(3c)将归一化颜色直方向量的直方向量权值设为1，将归一化颜色矩向量的矩向量权值设为28；

(3d)将归一化颜色直方向量与直方向量权值相乘，得到赋权颜色直方向量；将归一化颜色矩向量与矩向量权值相乘，得到赋权颜色矩向量；

(3e)将赋权颜色矩向量拼接在赋权颜色直方向量的后面，组成颜色拼接向量；利用向量归一化公式，对颜色拼接向量进行归一化，得到颜色特征向量；

(4)获取归一化卷积神经网络特征向量：

(4a)采用卷积神经网络特征提取算法，获取输入图像的卷积神经网络特征向量；

(4b)利用向量归一化公式，对卷积神经网络特征向量进行归一化，得到归一化卷积神经网络特征向量；

(5)获取融合特征向量：

(5a)将颜色特征向量的特征权值设为2，将归一化卷积神经网络特征向量的神经网络权值设为1；

(5b)将颜色特征向量与特征权值相乘，得到赋权颜色特征向量，将归一化卷积神经网络特征向量与神经网络权值相乘，得到赋权卷积神经网络向量；

(5c)将赋权颜色特征向量拼接到赋权卷积神经网络向量的后面，组成融合拼接向量；

(5d)利用向量归一化公式，对融合拼接向量进行归一化，得到融合特征向量。

2.根据权利要求1所述的融合颜色特征与卷积神经网络的彩色图像特征提取方法，其特征在于，步骤(3a)中所述的采用颜色直方图法，获取主体图像的红绿蓝颜色直方向量V_h的具体步骤如下：

第1步，取出主体图像的红绿蓝RGB通道中的红色R通道矩阵，得到一个二维矩阵；

第2步，将0到255个像素的区间，以3个像素为间隔，平均划分为85个区间，共86个端点；

第3步，对于R通道矩阵中不属于86个端点值之一的每一个像素点，根据像素值的大小，从85个区间中找到与该像素点所对应的区间；

第4步，对于R通道矩阵中像素值等于85个非零端点值之一的像素点，将该像素点对应的区间设为与该像素点像素值相等的端点值就近的左侧区间；

第5步，分别统计85个区间中每个区间包含的像素点个数，得到85个整数，连同R通道矩阵中像素值为0的像素点个数一起，顺次拼接，得到一个1行86列的红色R通道行向量；

第6步，采用第1步、第2步、第3步、第4步、第5步中处理红色R通道矩阵相同的处理方法，分别处理绿色G通道和蓝色B通道，得到1行86列的绿色G通道行向量和蓝色B通道行向量；

第7步，按照红色R通道行向量、绿色G通道行向量、蓝色B通道行向量的顺序将三个行向量依次拼接，得到一个1行258列的颜色直方向量。

3.根据权利要求1所述的融合颜色特征与卷积神经网络的彩色图像特征提取方法，其特征在于：步骤(3a)、步骤(3b)、步骤(3e)、步骤(4b)、步骤(5d)中所述的向量归一化公式如下：

其中，V₂表示归一化的向量，表示开平方根操作，N表示未归一化向量V₁的列数，Σ表示累加操作，e_i表示未归一化向量V₁中的第i列元素，V₁表示未归一化的向量。

4.根据权利要求1所述的融合颜色特征与卷积神经网络的彩色图像特征提取方法，其特征在于，步骤(3b)中所述的颜色矩法的具体步骤如下：

第1步，从主体图像的红绿蓝RGB通道中取出红色R通道矩阵，得到一个二维矩阵；

第2步，按照下式，计算红色R通道一阶矩值：

其中，u_R表示红色R通道一阶矩值，s_R表示红色R通道矩阵中所有像素点的像素值之和，s_p表示红色R通道像素点的总数；

第3步，将红色R通道矩阵中每一个像素点的行列位置不变，用每一个像素点的像素值分别减去红色R通道一阶矩值u_R，对得到的每一个差值进行平方操作，得到红色R通道差值平方矩阵；

第4步，将红色R通道差值平方矩阵中所有元素求和，得到差值平方矩阵的和值；

第5步，按照下式，计算红色R通道二阶矩值：

其中，t_R表示红色R通道二阶矩值，表示开平方根操作，s_s表示差值平方矩阵的和值，s_p表示红色R通道像素点的总数；

第6步，将红色R通道矩阵中每一个像素点行列位置不变，每一个像素点的像素值分别减去红色R通道一阶矩值u_R，得到每一个像素点的差值，再对于每一个差值进行立方运算，得到R通道差值立方矩阵；

第7步，将红色R通道差值立方矩阵中所有元素求和，得到差值立方矩阵和值；

第8步，按照下式，计算红色R通道三阶矩值：

其中，c_R表示红色R通道矩阵三阶矩值，表示开立方根操作，s_c表示差值立方矩阵和值，s_p表示红色R通道像素点的总数；

第9步，将红色R通道一阶矩值、红色R通道二阶矩值、红色R通道三阶矩值，依次拼接，组成一个1行3列的红色R通道矩向量；

第10步，采用第1步、第2步、第3步、第4步、第5步、第6步、第7步、第8步、第9步中处理红色R通道矩阵相同的处理方法，分别处理绿色G通道矩阵和蓝色B通道，得到一个1行3列的绿色G通道矩向量和一个1行3列的蓝色B通道矩向量；

第11步，依次将红色R通道矩向量、绿色G通道矩向量、蓝色B通道矩向量的顺序拼接成1行9列的颜色矩向量。