[发明专利]由全局向局部传递的图像特征提取方法及装置

权利要求书

1.一种由全局向局部传递的图像特征提取方法，应用于CNN网络结构的每一层网络中，其特征在于，包括：

将所有输入样本的所有像素特征值排列成一个特征矩阵，对该特征矩阵进行PCA计算，获得预设数量个PCA卷积核；

根据每一层网络的预设局部卷积核尺寸，在输入样本和每个PCA卷积核的对应位置分别选取预设局部卷积核尺寸的区域，将对应的两个区域进行卷积计算，直至遍历所有的输入样本和所有PCA卷积核，生成新的特征样本；

将新的特征样本作为输入样本输入下一网络层，直至最后一层网络生成最终特征；

所述PCA卷积核的计算过程为：

构建特征矩阵，特征矩阵的每一行为当前层网络中一个输入样本的所有像素特征值的排列，形成一个n行，w*h列的矩阵，其中，w为输入样本的高，h为输入样本的宽，n为当前层网络输入样本的数量；

对特征矩阵做PCA计算，获取预设数量个特征向量；

将每个特征向量重排列为w行h列，作为PCA卷积核；

所述PCA计算步骤为：

将特征矩阵归一化处理后，计算协方差矩阵，对协方差矩阵进行特征分解，获得特征值和特征向量，所述特征向量按照特征值的大小排列，根据预设特征值的范围，提取预设数量个特征向量。

2.如权利要求1所述的由全局向局部传递的图像特征提取方法，其特征在于，所述特征向量是按照元素顺序重排列的。

3.如权利要求1所述的由全局向局部传递的图像特征提取方法，其特征在于，还包括：在输入样本输入第一层网络前，归一化输入样本的尺度。

4.一种由全局向局部传递的图像特征提取装置，应用于CNN网络结构的每一层网络中，其特征在于，包括：

卷积核生成模块，将所有输入样本的所有像素特征值排列成一个特征矩阵，对该特征矩阵进行PCA计算，获得预设数量个PCA卷积核；

新样本生成模块，根据每一层网络预设的预设局部卷积核尺寸，在输入样本和每个PCA卷积核的对应位置分别选取预设局部卷积核尺寸的区域，将对应的两个区域进行卷积计算，直至遍历所有的输入样本和所有PCA卷积核，生成新的特征样本；

特征样本输出模块，将新的特征样本作为输入样本输入下一网络层，直至最后一层网络生成最终特征；

所述卷积核生成模块包括：

特征矩阵生成单元，构建特征矩阵，特征矩阵的每一行为当前层网络中一个输入样本的所有像素特征值的排列，形成一个n行，w*h列的矩阵，其中，w为输入样本的高，h为输入样本的宽，n为当前层网络输入样本的数量；

特征向量生成单元，对特征矩阵做PCA计算，获取预设数量个特征向量；

滤波矩阵生成单元，将每个特征向量重排列为w行h列，作为PCA卷积核；

所述特征向量生成单元包括：

矩阵特征分解子单元，将特征矩阵归一化处理后，计算协方差矩阵，对协方差矩阵进行特征分解，获得特征值和特征向量；

特征向量提取子单元，将所述特征向量按照特征值的大小排列，根据预设特征值的范围，提取预设数量个特征向量。

5.如权利要求4所述的由全局向局部传递的图像特征提取装置，其特征在于，所述滤波矩阵生成模块是将每个特征向量按照元素顺序重排列的。

6.如权利要求5所述的由全局向局部传递的图像特征提取装置，其特征在于，还包括：样本处理模块，在输入样本输入第一层网络前，归一化输入样本的尺度。