[发明专利]离变焦图像序列特征提取方法和装置

摘要

本发明提供了离变焦图像序列特征提取方法和装置，采集离变焦图像序列；初始化图像序列子图像的控制变量；对离变焦图像进行慢变特征提取并构建层内慢变特征森林，生成与离变焦图像相对应的层内视觉特征慢变网络；判断控制变量是否满足训练要求，在不满足要求的情况下生成层内特征网络；否则，建立相邻层内视觉特征慢变网络中所有元素的层间连接；根据训练集和自定义训练法则训练层间网络，采取深度学习的池方法提取特征向量存入特征库；根据未知类进行训练网络识别或增加新类。本发明确保了自然图像的非线性慢变特征提取与层内层间慢变关系的表达，使算法扩展的基具有自然图像自身包含的视觉选择性特征与算法弹性，降低原有算法计算复杂度。

主权项

一种离变焦图像序列特征提取方法，其特征在于，包括：根据采集到的离变焦图像生成离变焦图像序列集合；初始化控制变量以控制离变焦序列子图像的位置；对所述控制变量指定的所述离变焦图像进行非线性慢变特征提取，并构建层内慢变特征与慢变特征森林，生成与所述离变焦图像相对应的层内视觉特征慢变网络，其中，所述层内视觉特征慢变网络包括第K层内视觉特征慢变网络和第K+1层内视觉特征慢变网络；判断所述控制变量是否满足要求，如果满足要求，方法返回上一段落表达的过程，计算下一个相邻层的层内视觉特征慢变网络；否则在不满足要求的情况下，方法转入下述表达的过程，根据所述层内视觉特征慢变网络生成层间特征网络；建立所述第K层内视觉特征慢变网络和所述第K+1层内视觉特征慢变网络中所有元素的层间连接；根据训练集和自定义的训练法则训练层间网络，并采用深度学习的池方法构造慢变特征，提取特征向量存入特征库；自定义分类法则和新类产生法则，对待识别图像进行识别分类或者产生新类。