[发明专利]基于多尺度多方向空间相关性建模的纹理图像分类方法

权利要求书

1.基于多尺度多方向空间相关性建模的纹理图像分类方法，其特征在于该方法包括以下步骤：

步骤(1).数据集预处理

将原始图像数据集使用垂直翻转与多尺度旋转进行数据增强，获取图像数目更多的数据集；

步骤(2).深度卷积神经网络获取图像特征图

将步骤(1)经垂直翻转与多尺度旋转后的图像输入到深度卷积神经网络，进行深度卷积处理，得到该图像的特征图；

步骤(3).将步骤(2)卷积得到的特征图进行多方向旋转；

设A(x₀,y₀)为步骤(3)旋转后得到的特征图坐标位置(x₀,y₀)处的像素值，其对应的旋转前的特征图像素为P(x₃,y₃)，旋转角为θ，由于已知(x₀,y₀)则利用以下公式(1)可以求出(x₃,y₃)的坐标；

x₀＝x₃cosθ-y₃sinθ

y₀＝x₃sinθ+y₃cosθ (1)

当求解的(x₃,y₃)是整数点时，A(x₀,y₀)直接更新为P(x₃,y₃)，然后跳转到步骤(4)；当求解的(x₃,y₃)不是整数点时，采用双线性插值法更新A(x₀,y₀)，已知非整数点P(x₃,y₃)周围四个相邻点P₁₁(x₁,y₁)、P₁₂(x₁,y₂)、P₂₁(x₂,y₁)、P₂₂(x₂,y₂)的坐标值，则计算P(x₃,y₃)像素值的双线性插值方法如下：

首先，在X方向进行插值，设P₁(x₃,y₁)、P₂(x₃,y₂)是在横坐标方向的中间插值结果，可以从公式(2)、(3)得到：

然后，对P₁(x₃,y₁)、P₂(x₃,y₂)在Y方向再次插值，得到P(x₃,y₃)的像素值，如公式(4)所示：

其中设为插值权重；P₁(x₃,y₁)为在P₁₁、P₂₁水平方向上两点间任意坐标，P₂(x₃,y₂)为P₁₂、P₂₂水平方向上两点间任意坐标；

上述过程描述了旋转层前向计算过程；

误差的反向传播计算过程如下：设旋转后特征图坐标(x₀,y₀)处的误差为ΔA(x₀,y₀)，则其反向传播到旋转前特征图坐标(x₁,y₁)、(x₁,y₂)、(x₂,y₁)、(x₂,y₂)处的累积误差ΔP(x₁,y₁)、ΔP(x₁,y₂)、ΔP(x₂,y₁)、ΔP(x₂,y₂)的计算更新公式如下：

误差根据上述更新公式(5)反向传播到前一层，前一层按照标准卷积层等误差反向计算公式向前传播；

步骤(4).将步骤(3)多方向旋转后的特征图，输入到LSTM进行空间相关性特征信息处理；

步骤(5).图像分类：即通过LSTM得到图像特征信息，在用softmax分类器将不同类型的纹理图像进行分类，通过输出概率得到最终的分类结果；

softmax分类器模型公式(5)：

其中λ为图像的纹理特征，i、j为分类中的某一类，n为分类的全部总数，S为分类器的输出概率。