[发明专利]基于卷积神经网络思想的图像目标识别方法

说明书

本发明的目的在于提供一种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。本发明采用CNN提取局部初始结构平衡矩阵，与预先构建的变化结构平衡矩阵做Hadamad乘积，得到局部的目标结构平衡矩阵。现有技术是对图像整体进行处理没有考虑局部，最终得到的只有3个特征参数，现在采用CNN可以得到多组局部的识别参数向量组，增加了识别参数的数量，提高图像目标识别的精度。

技术领域

本发明涉及机器视觉领域，特别是一种基于卷积神经网络思想的图像目标识别方法。

背景技术

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、I/O卡等)。随着图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。而视觉的发展离不开图像的识别，图像识别是机器视觉技术的重要组成部分，精度和速度是衡量目标图像识别的两个重要的指标。目前有很多的图像识别方法，如基于关键点的图像识别方法、基于纹理的图像识别方法、基于模型的图像识别方法、基于K-L的图像识别方法、基于几何特征的图像识别方法、基于神经网络的图像识别方法、基于边缘轮廓的图像识别方法以及结合复杂网络和分水岭算法的图像识别方法。基于结构平衡网络的目标识别方法，将结构平衡网络应用于图像目标识别领域，通过将基于轮廓的图像识别方法与结构均衡网络方法的相结合，将对待识别图像进行基于结构平衡网络的灰度图像预处理，得到待识别图像的初始结构平衡矩阵，然后与构建的变化结构平衡矩阵做hadamard乘积，得到目标结构平衡矩阵，提取目标结构平衡矩阵特征参数后根据特征参数进行识别。

发明内容

本发明的目的在于提供一种基于卷积神经网络思想的图像目标识别方法，能够增加识别参数的数量，从而提高识别的精度。

本发明的技术方案是：一种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。

具体包括以下步骤：

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。

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个局部初始结构平衡矩阵。

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：