[发明专利]基于卷积神经网络思想的图像目标识别方法

权利要求书

1.基于卷积神经网络思想的图像目标识别方法，其特征在于：

通过预先构建的变化结构平衡矩阵与图像中的局部结构平衡矩阵做Hadamard乘积得到局部的目标结构平衡矩阵，增加识别参数的数量提高识别的精度。

2.根据权利要求1所述的基于卷积神经网络思想的图像目标识别方法，其特征在于：包括以下步骤：

构造局部初始结构平衡矩阵；

基于hadamard变换进行图像变换：

根据结构平衡网络的分类性质进行图像特征参量提取；

根据图像特征参量对待识别图像进行识别。

3.根据权利要求2所述的基于卷积神经网络思想的图像目标识别方法，其特征在于：

所述“构造局部初始结构平衡矩阵”包括：

记所有N阶结构平衡矩阵构成的集合为F^N；设P是F^N上的一个映射，即：P：F^N→F^N；

采用一个3*3的矩阵作为预先构造的局部初始结构平衡矩阵，得到K＝(N-2)2(N≥3)个局部初始结构平衡矩阵。

4.根据权利要求2所述的基于卷积神经网络思想的图像目标识别方法，其特征在于：

所述“基于hadamard变换进行图像变换”包括：

设X＝(x_ij)是一个构造的N阶变化结构平衡矩阵，Y∈F^N是局部初始结构平衡矩阵，Z代表经过Hadamard变换之后的结构平衡矩阵，则映射Z＝XoY为一个结构平衡矩阵变换关系，其中“o”表示矩阵间的阿达玛乘积；Y为局部初始结构平衡矩阵；

若X＝(x_ij)是一个N阶二值结构平衡矩阵，Z＝XoY可以表示为：

Z_ij＝sign(x_ij)y_ij

其中，sign表示符号函数，定义如下：

5.根据权利要求2所述的基于卷积神经网络思想的图像目标识别方法，其特征在于：

所述“基于Hadamard变换进行图像特征参量提取”包括：

采用一个3*3的矩阵作为变化结构平衡矩阵与初始结构平衡矩阵做Hadamard乘积，每个局部初始结构平衡矩阵得到三个识别参数，假如初始结构平衡矩阵中存在P个满足要求的局部初始结构平衡矩阵，做Hadamard乘积后则有P*3个特征识别参数。

6.根据权利要求5所述的基于卷积神经网络思想的图像目标识别方法，其特征在于：

所述“根据图像特征参量对待识别图像进行识别”包括：

利用所述“基于Hadamard变换进行图像特征参量提取”获得的P*3个特征识别参数对目标图像进行识别。