[发明专利]一种基于三支决策与CNN的图像识别方法

摘要

本发明公开了一种基于三支决策与CNN的图像识别方法，包括输入样本数据集图像训练CNN分类器；在图像分割阶段引入三支决策思想，利用CNN分类器分类得到的正向数据集图像与负向数据集图像得到三支决策分类器；利用三支决策分类器将图像分为正区域、负区域和延迟决策区域；对该分类器分割出的延迟决策区域进行迭代分类处理；对剩下的延迟决策区域进行判断，是否达到临界值；当延迟决策区域达到临界值，说明待识别图像已经不可再分割，然后对所有的正区域进行CNN图像识别；本发明将CNN图像识别技术和三支决策理论结合起来，可以充分利用图像中有用信息，使达到更高的识别率。

主权项

1.一种基于三支决策与CNN的图像识别方法，其特征在于，包括以下步骤：S1、输入待识别图像；S2、利用样本图像训练待训练CNN分类器，并得到已训练CNN分类器、正向数据集图像与负向数据集图像，所述待训练CNN分类器的训练过程为：S201、建立待训练CNN分类器，并设定待训练CNN分类器中滤波器的初始参数值；S202、输入样本图像，分别对每幅图像进行预处理，并计算每幅图像中正向区域与负向区域所对应的输出概率；S203、分别计算输出层的总误差；S204、利用反向传播算法计算误差相对于所有权重的梯度，并用梯度下降法更新所有的滤波器的权重和参数值，以使输出误差最小化；S205、选择输出误差最小的参数值作为滤波器的设定值，获得已训练CNN分类器；S3、利用所述正向数据集图像与负向数据集图像得到三支决策分类器；S4、根据所述三支决策分类器的分类条件，把待识别图像分为正区域、负区域、延迟决策区域；S5、利用已训练CNN分类器对分割出来的正区域进行图像识别处理；S6、输出图像识别结果。