[发明专利]基于神经网络的共生矩阵特征提取方法、装置、存储介质及终端

权利要求书

1.一种基于神经网络的共生矩阵特征提取方法，其特征在于，方法包括步骤：

获取待处理图像；

对所述待处理图像进行预处理，得到图像数据；

将所述图像数据输入预先训练后的卷积神经网络模型，提取得到共生矩阵特征；

提取所述共生矩阵特征的函数为：

其中，m_n代表数据的量化中心，为对称矩阵代表数据量化的范围,M₁M₂为图像的大小；

将所述对称矩阵分解为相似矩阵,所述卷积神经网络模型的数学表达函数为：

其中，

所述卷积神经网络模型训练过程为：

获取残差图像数据；

将所述残差图像数据划分为训练集和测试集；

基于所述训练集中的所述残差图像数据进行卷积神经网络训练与分类器训练，训练完成后得到训练后的卷积神经网络模型。

2.根据权利要求1所述的基于神经网络的共生矩阵特征提取方法，其特征在于，所述对所述待处理图像进行预处理是通过高通滤波器进行预处理的。

3.根据权利要求1所述的基于神经网络的共生矩阵特征提取方法，其特征在于，所述分类器为全连接神经网络。

4.一种基于神经网络的共生矩阵特征提取装置，其特征在于，所述装置包括：

获取单元，用于获取待处理图像；

预处理单元，用于对所述待处理图像进行预处理，得到图像数据；

识别单元，用于将所述图像数据输入预先训练后的卷积神经网络模型，提取得到共生矩阵特征。

5.根据权利要求4所述的基于神经网络的共生矩阵特征提取装置，其特征在于，所述对所述待处理图像进行预处理是通过高通滤波器进行预处理的。

6.一种终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-3中任意一项所述的方法。

7.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-3中任意一项所述的方法。