[发明专利]基于交错卷积神经网络的目标光场图像分类方法及系统

说明书

本发明提出的一种基于交错卷积神经网络的目标光场图像分类方法，包括：选取卷积神经网络模型；通过多个交错布置的空间域滤波器和角度域滤波器替代卷积神经网络模型中的全连接层，形成LFI图像分类模型；通过LFI图像分类模型对目标光场图像进行分类。本发明中，通过LFI图像分类模型进行图像分类时，通过角度域滤波器利用了光场图像特有的角度域信息，有利于提高图像分类的准确度，特别是某些特殊类型图像例如显示图像和镜面图像的分类准确度。

技术领域

本发明涉及图像分类技术领域，尤其涉及一种基于交错卷积神经网络的目标光场图像分类方法及系统。

背景技术

与传统的2D图像采集相比，新兴的光场成像技术，除了可获取图像的空间域信息外(如图像的像素)，还可获取额外的角度域信息(即从不同角度观看图像得到的不同光线信息)。光场相机的基本成像原理如图1所示，在主透镜和光感器之间，有一组二维微透镜阵列，可采集从不同角度反射的光线。通过这种设计，光场相机能够从不同的视点，采集到多幅2D子图像(或称为2D子孔径图像)。因此，光场图像实际上是一组图像，它既包含空间域信息，即一张子图像的像素信息，也包含角度域信息，即同一像素在不同角度反射的光线信息。

图像分类是计算机视觉领域中最基本的研究问题之一，其应用范围十分广泛。传统的图像分类方法主要基于2D图像，其分类效果往往不佳，尤其是对于某些特殊类型图像的分类效果很不理想。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于交错卷积神经网络的目标光场图像分类方法及系统。

本发明提出的一种基于交错卷积神经网络的目标光场图像分类方法，包括：

选取卷积神经网络模型；

通过多个交错布置的空间域滤波器和角度域滤波器替代卷积神经网络模型中的全连接层，形成LFI图像分类模型；

通过LFI图像分类模型对目标光场图像进行分类。

优选的，通过LFI图像分类模型对目标光场图像进行分类的具体方法为：

目标光场图像数据经缺失全连接层的卷积神经网络模型进行卷积操作，提取第一图像特征；

将所述第一图像特征经过多个交错布置的空间域滤波器和角度域滤波器进行处理，提取第二图像特征；

根据第二图像特征进行图像分类。

优选的，LFI图像分类模型中，多个交错布置的空间域滤波器和角度域滤波器形成多层交错卷积层。

优选的，每一层交错卷积层上的通道数量均为奇数。

优选的，空间域滤波器对图像特征进行空间域卷积的运算模型为：

其中，表示第k连接层的第u个通道；α表示角度域位置；r表示滤波器编号；p×q表示图像尺寸；X_x×Y_y表示空间域位置；为第k连接层第u-1通道的第i个滤波器输出值；w_i(X_x,Y_y,j)表示第i个滤波器的维度，L表示数据结构；δ₁为偏移项。

优选的，角度域滤波器对图像特征进行角度域卷积的运算模型为：

其中，表示第k连接层的第u个通道；β表示空间域位置；r表示滤波器编号；；g×h表示图像的角度分辨率；M_m×N_n表示角度域位置；为第k连接层第u-1通道的第i个滤波器输出值；w_i(M_m,N_n,j)表示第i个滤波器的维度，L表示数据结构；δ₂为偏移项。