[发明专利]基于卷积深度神经网络的AD量表手绘交叉五边形分类方法

权利要求书

1.基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，其特征在于，主要包括以下步骤：

1)获取若干带有手绘图形的图像，并进行预处理。

2)对预处理后的图像进行增强，并打上评估标签；以增强后的图像和评估标签建立训练数据集；

3)建立所述卷积深度神经网络；

4)将训练数据集输入到卷积深度神经网络中，利用随机梯度下降算法对卷积深度神经网络进行训练，得到手绘图形评估模型；

5)将待分类图像输入到手绘图形评估模型中，获取待分类图像的评估标签，完成手绘图形的评估。

2.根据权利要求1或2所述的基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，其特征在于，所述手绘图形为手绘交叉五边形；交叉五边形为存在重叠的至少2个五边形。

3.根据权利要求1或2所述的基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，其特征在于，对带有手绘交叉五边形的图像进行预处理的主要步骤如下：

1)带有手绘交叉五边形的RGB图像转化为单通道的灰度图像；

其中，第i行第j列像素点的灰度Gray(I,J)如下所示：

Gray(I,J)＝a*R(I,J)+b*G(I,J)+c*B(I,J) (1)

式中，R(I,J)、G(I,J)和B(I,J)表示三原色的颜色值；a、b、c为灰度转换系数；

2)将灰度图像转化为二值图像；

3)利用中值滤波方法对二值图像进行滤波；

4)对图像进行裁剪，令图像的边缘为手绘交叉五边形的边缘。

4.根据权利要求1或2所述的基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，其特征在于，对预处理后的图像进行增强的主要步骤如下：

1)对预处理后的图像进行不同方向的仿射变换；

2)以手绘交叉五边形的边缘作为图像边缘，对仿射变换后的图像进行裁剪；

裁剪后任意像素点坐标(x，y)如下所示：

式中，x₀和y₀是中心点坐标；r是半径；θ表示任意像素点和中心点的连线与x轴的夹角；

3)对裁剪后的图像进行骨架提取；任意骨架点P满足下式：

式中，Γ_R表示手绘交叉五边形区域边界边的集合；M表示集合Γ_R上到P距离最近的点；|PM|表示点P和点M的距离；|PT'|表示点P和图像中任意一点T'的距离；

4)对骨架提取后的图像进行旋转，得到若干旋转方向不同的图像；

5)对若干旋转后的图像进行尺寸归一化。

5.根据权利要求4所述的基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，其特征在于，对图像进行裁剪的主要步骤如下：

1)获取图像像素值，并建立像素矩阵；

2)遍历像素矩阵所有值，以第一个大于0的像素值所在行为手绘交叉五边形的上边缘，以最后一个大于0的像素值所在行为手绘交叉五边形的下边缘；

3)对像素矩阵进行转置，并遍历转置矩阵所有值，以第一个大于0的像素值所在行为手绘交叉五边形的左边缘，以最后一个大于0的像素值所在行为手绘交叉五边形的右边缘；

4)以手绘交叉五边形的边缘作为图像边缘，对图像进行裁剪。

6.根据权利要求1或2所述的基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，其特征在于，所述卷积深度神经网络包括输入层、卷积层、池化层、全连接层和输出层；所述卷积深度神经网络的损失函数为交叉熵损失函数。