[发明专利]基于背景先验显著性的花卉图像分类方法

摘要

本发明提供一种基于背景先验显著性的花卉图像分类方法，该方法通过背景先验显著性的方法确定花卉区域，将花卉分割方法和基于迁移学习的深度神经网络分类方法结合，将训练迁移的InceptionV3网络用于花卉图像，利用训练好的网络模型对花卉图像进行分类。在国际公开花卉识别数据集Oxford flower‑102上的实验表明：该模型比改进的Alex网络分类准确率高7.63％，且比未进行分割的花卉图像进行网络训练的模型准确率高2.85％，分类准确率达到了93.38％。

主权项

1.一种基于背景先验显著性的花卉图像分类方法，其特征在于，包括以下步骤：将花卉图像进行超像素分割，得到多个超像素块；分别根据位于图像四个边界的超像素块的显著性对其余超像素块的显著性进行查询，分别得到对应四个边界的显著图，并将得到的四个显著图进行合并，得到最终的显著图；将得到的最终的显著图进行二值化处理，得到感兴趣区域分割图像，所述感兴趣区域分割图像包括用于训练的训练数据集和用于测试的测试数据集；将基础InceptionV3网络在大规模数据集上进行训练，得到预训练网络；对所述预训练网络进行改进，得到适用于花卉识别的数据集的改进后的网络；将改进后的网络迁移到所述训练数据集上进行迁移训练，得到迁移训练后的网络；将迁移训练后的网络微调到所述训练数据集，进行微调训练，得到微调训练后的网络；将所述测试数据集加入微调训练后的网络中进行训练，对花卉图像进行分类。