[发明专利]一种基于卷积深度置信网络的图像分类检索方法

权利要求书

1.一种基于卷积深度置信网络的图像分类检索方法，其特征在于，具体实施步骤为：

步骤1：将图像数据集中的图片进行预处理，得到尺寸统一的灰度图片，将所述灰度图片随机划分为两部分，一部分为训练集，另一部分为测试集；

构建一个CDBN模型(1)；

步骤2：用训练集对CDBN模型(1)进行训练；

步骤3：将测试集中的图像作为查询图像，利用步骤2中训练好的CDBN模型(1)对查询图像进行分类，输出图像的类别标号；

步骤4：对图像数据集中相同类别标号的图像使用hog特征描述子进行类内检索排序，最终得到图像检索的结果。

2.如权利要求1所述的一种基于卷积深度置信网络的图像分类检索方法，其特征在于，步骤1中所述预处理步骤的具体实施方式为：将训练集与测试集中的图片均依次经过图像灰度化、尺寸标准化、归一化的处理，最终得到尺寸相同的灰度图像。

3.如权利要求1所述的一种基于卷积深度置信网络的图像分类检索方法，其特征在于，步骤1中所述CDBN模型(1)的网络主体结构为三层CRBM的堆叠，按照信息处理的顺序依次为第一层CRBM(2)、第二层CRBM(3)和第三层CRBM(4)；所述每个CRBM按照信息处理顺序依次包括可视层、隐藏层和池化层；所述第三层CRBM(4)后接softmax分类器(5)。

4.如权利要求3所述的一种基于卷积深度置信网络的图像分类检索方法，其特征在于，所述第一层CRBM(2)中隐藏层的卷积操作包含9个特征映射，卷积核大小设为5×5，池化层的池化大小设置为2×2；所述第二层CRBM(3)中隐藏层的卷积操作包含11个特征映射，卷积核大小设为7×7，池化层的池化大小为3×3；所述第三层CRBM(4)中隐藏层的卷积操作包含16个特征映射，卷积核大小设为5×5，池化层的池化大小为2×2；所述Softmax分类层中最大迭代次数maxIter设置为1000，代价函数为交叉熵代价函数。

5.如权利要求4所述的一种基于卷积深度置信网络的图像分类检索方法，其特征在于，所述步骤4中hog特征描述子特征提取的参数为：cellpw＝16，cellph＝16，nblockw＝4，nblockh＝4，nthet＝9，overlap＝0.5。