[发明专利]一种基于卷积神经网络的图像分类方法

权利要求书

1.一种基于卷积神经网络的图像分类方法,其特征在于：包括以下步骤：

A、图像采集器采集图像并保存至存储器中并进行加密处理；

B、将采集的图像调整为统一大小后，输入预训练模型；

C、对图像进行训练，计算出训练集中的平均图像，把图像训练集中的每幅图像减去平均图像后进行网络参数的训练，得到卷积神经网络模型；

D、将训练后的图像进行分类操作，即完成对图像的分类。

2.根据权利要求1所述的一种基于卷积神经网络的图像分类方法，其特征在于：所述步骤A中加密处理方法包括以下步骤：

A、根据图像的分辨率将原始图像分解成若干 2M×2M 的小块 ；

B、对每个小块，构造各自的子逆矩阵A；

C、利用子逆矩阵A的特征多项式构造对应的稀疏矩阵B；

D、利用子逆矩阵A和稀疏矩阵B生成公共密钥矩阵 C ＝ABA；

E、将每个小块用对应的密钥矩阵 C 进行加密 ；

F、组合所有的小块得到完整的加密图像，即完成对图像的加密处理。

3.根据权利要求1所述的一种基于卷积神经网络的图像分类方法，其特征在于：所述步骤D中分类操作方法包括以下步骤：

a、读取图像向量数据，并获取处理数据的多个预设聚类中心 ；

b、根据多个预设聚类中心，对处理的图像数据进行分类，得到分类后处理数据 ；

c、根据分类后处理数据，建立多个可合并的计算任务 ；

d、使用多个计算线程对所述可合并的计算任务进行计算，并对计算结果进行合并操作；计算处理时，首先对待处理图像数据对象进行预处理，完成数据对象的分组，然后计算组内图像数据对象的相似度矩阵，并依据相似度大小合并生成新数据对象，记录合并生成过程同时删除旧数据对象；

e、根据合并后的计算结果对预设聚类中心进行修正以及保存；以及根据预设聚类中心、修正后的预设聚类中心以及修正操作次数，确定数据聚类处理结果。