[发明专利]一种基于卷积神经网络图片特征提取的船舶类型识别方法

权利要求书

1.一种基于卷积神经网络图片特征提取的船舶类型识别方法，包括以下步骤：

1)采集大量未分类的水上运行船舶图片进行图像预处理，处理后的图片作为卷积神经网络稀疏自编码训练数据集进行稀疏自编码训练以获得船舶类型特征提取卷积神经网络；该稀疏自编码训练过程为无监督自主学习；

所述图像预处理包括将船舶图片进行像素小块分块操作，再将所得像素小块数据集进行主成分分析和ZCA白化处理；

2)从水上运行船舶图片中提取一部分作为训练集并对各张船舶图片标记类别，进行图像预处理，再将其输入到训练后的卷积神经网络中提取出各图片中的各个船舶类型的图片特征；该过程为监督学习，将所得到的训练集船舶特征作为Softmax分类器的训练数据集对Softmax分类器进行训练；

3)将需要识别的船舶图片输入到训练后的卷积神经网络中提取出各图片中的船舶特征，将该需识别图像的船舶特征输入到经过训练的Softmax分类器中进行分类输出该船舶所对应船舶类型，实现通过船舶图片识别船舶类型。

2.根据权利要求1所述的船舶类型识别方法，其特征在于，所述步骤1)中稀疏自编码卷积神经网络添加的稀疏因子为：

ρ^j=1mΣi=1m[aj(2)(x(i))]]]>

式中，是隐藏层神经元在接收输入后产生的输出，m是隐藏层神经元节点数，是隐藏神经元的平均活跃度表示隐藏层神经元稀疏性强弱；

设立接近于0的稀疏参数值p，通过相对熵限定的值，以达到稀疏性限制的目的；稀疏性参数计算式为：

KL(ρ||ρ^j)=ρlogρρ^j+(1-ρ)log1-ρ1-ρ^j.]]>

3.根据权利要求1所述的船舶类型识别方法，其特征在于，所述步骤1)中采用反向传播算法通过卷积神经网络稀疏自编码训练数据集对该神经网络进行训练，获得针对船舶类型特征提取的卷积神经网络。