[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

说明书

本发明公开了一种融合颜色特征与卷积神经网络的图像特征提取方法，主要解决现有技术下颜色特征提取不全面和卷积神经网络特征提取对颜色不敏感的问题。其实现步骤为：(1)输入彩色图像；(2)获取主体图像；(3)获取颜色特征向量；(4)获取归一化卷积神经网络特征向量；(5)获取融合特征向量。本发明能够同时发挥颜色特征提取和卷积神经网络特征提取的优势，可用于图像处理技术领域。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像分类技术领域中的一种融合颜色特征与卷积神经网络的图像特征提取方法。经本发明提取的彩色图像特征可用于对彩色图像的分类、彩色图片库的检索。

背景技术

目前，彩色图像特征提取已经成为图像处理技术领域里的一个很重要的研究主题。彩色图像的特征提取有很广泛的应用，如目标识别与检测，图像聚类，大数据检索等领域。由于彩色图像的内容复杂，种类繁多，不同图像的特征侧重点不同，导致了彩色图像特征提取具有很大的挑战性。

近期彩色图像特征提取方法中应用比较广泛的是基于图像颜色的颜色特征提取和基于深度学习的卷积神经网络特征提取。二者都从各自不同的层面完成了彩色图像的特征提取。

张悦、霍宏等人在其发表的论文“基于生物视觉的颜色直方图特征提取”(高技术通讯，2014，第4期P407-413)中公开了一种基于颜色直方图的彩色图像特征提取方法。该方法根据人类视觉通路对颜色的感知过程，建立了颜色感知的层次性描述模型，用该模型模拟了自然光经眼睛进入视网膜(RETINA)到侧膝体(LGN),再到V1阶段的处理过程，最终在V1阶段的神经元响应下形成具有方向信息的颜色特征。提出了描述具有对比度敏感、具有方向选择性和颜色恒常性的层次性颜色特征的方法，具有颜色恒常性和更好的稳定性。虽然该方法有效的利用了颜色直方图这一颜色特征提取工具，但是仍然存在的不足之处是，该方法忽略了背景等无关要素对颜色特征提取的影响，提取到的颜色特征带有巨大的背景噪声。而且与现有的卷积神经网络特征提取方法相比，该方法虽然偏重色彩特征，但与卷积神经网络等主流的深度学习特征提取工具相比，该方法的特征提取效果并不好，提取到的特征用于分类和检索的准确率不高。

无锡南理工科技发展有限公司提出的专利申请“一种基于改进型特征卷积神经网络图像识别方法”(专利申请号CN201310137496.2，公开号CN104112113A)中公开了一种局域改进型特征卷积神经网络图像识别方法。该方法首先对待输入的图像进行预处理；其次在卷积神经网络结构中加入特征提取层，将特征放大；然后，将特征放大的图像数据输入卷积神经网络，对图像中的特征进行卷积操作学习辨认，得到卷积神经网络的输出，并且将所述第一步骤中预处理后的图像进行偏移操作，得到图像的纹理特征；最后，分析纹理特征后输出结果，并将卷积神经网络的输出进行融合，得到最终结果进行输出。通过添加特征提取层，将图像的特征增强，有利于某些特征不明显的图像的提取，从而能够有效的提升图像识别率，并且能够为图像搜索，提高识别效率。该方法虽然改进了卷积神经网络特征提取方法，但是，仍然存在的不足之处是，该方法本质上并没有涉及图像色彩特征的特征提取，而对于色彩特征不敏感正是目前卷积神经网络特征提取方法的最大弊端。该方法对于内容相似但存在颜色差异的彩色图像特征提取效果并不好，得到的彩色图像特征用于分类和检索的效果也并不理想。

发明内容

本发明针对上述论文及专利申请所公开的方法的不足，提出融合颜色特征与卷积神经网络的彩色图像特征提取方法，提高彩色图像特征提取的性能。

实现本发明目的的技术方案是：将输入的彩色图像提取出主体图像，运用颜色直方图法和颜色矩法共同提取图像的颜色特征向量，通过颜色特征向量和卷积神经网络特征向量的融合，以提高特征提取的性能，其具体步骤如下：

(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：