[发明专利]一种基于PCA网络的中值滤波检测方法

权利要求书

1.一种基于PCA网络的中值滤波检测方法，以PCA网络作为基本工具，结合图像中值滤波残差训练网络，再利用训练好的网络对检测目标进行检测，输出中值滤波的检测结果，其特征在于：包括模型建立和目标检测两部分；

其中，模型建立，步骤如下：

步骤1：选取一些图片，并提取出每一图片中心位置的小块作为素材，并记素材的图像标签为0；

步骤2：对步骤1提取的素材进行中值滤波，得到经中值滤波处理后的素材，并记此中值滤波处理后素材的图形标签为1；

步骤3：将步骤1提取的素材及步骤2输出的经中值滤波处理后的素材作为训练集，计算训练集的中值滤波残差；

其中，训练集记为M表示训练集中图片的个数，I_i表示集合中的一个图片；

训练集的中值滤波残差通过如下公式(1)计算：

MFR(I_i)＝med(I_i)-I_i (1)

其中，MFR(I_i)为训练集中I_i的中值滤波残差，med(I_i)是I_i的中值滤波结果；

步骤4：建立PCA网络，得到对应的图像的特征；

步骤5：利用步骤4得到的图像特征及步骤1和步骤2中的图像标签训练支持向量机得到训练好的模型；

至此，从步骤1到步骤5，完成了本方法的模型建立；

目标检测，步骤如下：

步骤A：将待检测的图片切割为小尺寸图像，大小取决于检测的需求；

其中，小尺寸图像数量记为n_max；小尺度图像的编号记为n_j且初始化为1；

步骤B：将经过步骤A切割后的编号为n_j的小尺寸图像输入本方法建立的模型，根据模型输出判断是否有过中值滤波处理，决定是否跳至步骤C，具体为：

步骤B.1若模型的输出为0，表明未经过中值滤波处理，判断n_j是否等于n_max，若否，将n_j增加1，跳至步骤B；若是，结束本方法的目标检测；

步骤B.2若模型的输出为1，表明已经过中值滤波处理，则跳至步骤C；

步骤C：对此编号为n_j的经过中值滤波处理的图像块在步骤A的待检测图片中的对应位置标出，跳至步骤B；

至此，从步骤A到步骤C，完成了本方法的目标检测。

2.根据权利要求1所述的一种基于PCA网络的中值滤波检测方法，其特征在于：步骤4，具体为：

步骤4A：选取一个大小确定的方形窗，按照从左至右，从上到下的顺序依次取出每一个中与方形窗大小相同的图像块，对所有图像块进行零均值处理，并将其按列展开得到一个列向量，将所有得到的N个列向量合并，得到一个列数N的矩阵，记为X；

其中，大小确定的方形窗为m行m列；m的取值范围为1到步骤1中素材的横向及纵向像素点的最小值；

步骤4B：计算XX^T的特征值与特征向量，将较大的L个特征值所对应的特征向量重塑为与方形窗大小相同的矩阵，并将此矩阵作为第一层卷积核，从而得到了L个卷积核；

其中，XX^T的特征向量个数，记为U个，L的取值范围为大于等于1且小于m平方的整数；

步骤4C：将L个卷积核依次与MFR(I₁)做卷积，每一个MFR(I₁)经过卷积处理后都会得到L个图像，记为即得到的图像数量为L个；

步骤4D：以步骤4C所得到的L个图像为素材，对每个图像重复步骤4A-4C，这样，每一个图像又可以得到L个图像，记由MFR(I₁)_k所得到的L个图像为初始化k＝1；

步骤4E：对进行二值化处理，具体为将所有正数用1代替，其余数用0代替，记此二值化处理后的图像为H_l；

步骤4F：计算得出结果，此结果记为T_k，对T_k分块并进行直方图统计，并将直方图统计的结果按列展开得到一个列向量；

步骤4G：对k＝2,3,…,L的情况重复步骤4E和步骤4F，可以得到L-1个列向量，再将步骤4F输出的列向量和此L-1个列向量按列合并为一个列向量，该向量是所提取的输入图像的特征；

步骤4H：步骤4G的输出即为图像MFR(I₁)的特征，重复步骤4A-4G，将后续图像依次处理，得到对应的图像的特征；

至此，从步骤4A到步骤4H完成了PCA网络的建立，并得到图像的特征。