[发明专利]基于卷积特征谱的图像可判别区域提取方法

权利要求书

1.基于卷积特征谱的图像可判别区域提取方法，其特征在于，包括：

获取待提取图片，并将其输入VGG16卷积神经网络；

计算待提取图片与VGG16卷积神经网络的训练集中所有类别的判别概率；

选取待提取图片的所有判别概率中的最大判别概率所在类别作为待提取图片的类别；

采用VGG16卷积神经网络中第k个卷积阶段的池化层的输入特征谱计算可判别区域：

其中，T^k为第k个卷积阶段的池化层的输入特征谱；c为待提取图片的类别；为在类别c，针对第k个卷积阶段的特征谱构建的特征提取器，和T^k为大小相同的矩阵；x,y和a分别表示计算结果矩阵的三个维度上的元素下标，D为计算结果矩阵第3维的大小；“*”为计算结果矩阵的哈达马乘积；

对k为3时得到的可判别区域和k为5时得到的可判别区域进行双线性插值处理，并将两个可判别区域进行融合形成待提取图片的最终可判别区域：

其中，δ为位于0～1之间的经验参数；

所述VGG16卷积神经网络的构建方法包括：

将数据库中的所有图片输入VGG16卷积神经网络，数据库内包括具有多个类别的图片；

将每张图片的第三个卷积阶段的池化层的输出特征谱和第五个卷积阶段的池化层输出的特征谱一起输入至级联层进行特征级联；

将级联层输出结果输入全连接层，并将全连接层的输出特征采用softmax回归得到图片在每一个类别上的判别概率；

根据每张图片的类别和每张图片在每个类别上的概率，采用分类误差损失函数计算每张图片在每个类别的训练损失；并采用误差反向传播算法反传训练损失直至VGG16卷积神经网络的网络参数收敛。

2.根据权利要求1所述的基于卷积特征谱的图像可判别区域提取方法，其特征在于，所述经验参数δ为0.6。

3.根据权利要求1的基于卷积特征谱的图像可判别区域提取方法，其特征在于，特征提取器的构建方法包括：

计算VGG16卷积神经网络的全连接层fc7的卷积参数和全连接层fc8的卷积参数的关系式：

其中，Y为全连接层fc7的卷积参数，其大小为4096*4096，Y_i为Y中的第i列元素；X为全连接层fc8的卷积参数，其大小为4096*38，X_i,n为X的第i行中的第n个元素；

获取VGG16卷积神经网络的全连接层fc6的卷积参数，并按照特征级联层的顺序针对第k个卷积阶段的池化层的输入特征谱构建特征提取器：

其中，W^k为全连接层fc6的卷积参数中针对第k个卷积阶段的池化层的输入特征谱的部分卷积参数，其大小为7*7*D^k*4096，W_i^k为W^k按照第四个维度顺序取出来的第i个矩阵，其大小为7*7*D^k；为在类别n，针对第k个卷积阶段的池化层的输入特征谱构建的特征提取器，其大小为7*7*D^k。

4.根据权利要求1或3的基于卷积特征谱的图像可判别区域提取方法，其特征在于，所述数据库的构建方法包括：

获取具有多个类别的图片的数据集；

对数据集中所有图片的尺寸进行归一化处理，直至所有图片的尺寸与VGG16卷积神经网络的输入相匹配。

5.根据权利要求4的基于卷积特征谱的图像可判别区域提取方法，其特征在于，构建数据库时还包括：

对数据集中的所有图片的尺寸进行归一化处理后，将每张图片的R、G、B三个通道分别减去整个数据集中所有图片分别在R、G、B三个通道上的均值。

6.根据权利要求5的基于卷积特征谱的图像可判别区域提取方法，其特征在于，所述数据集为IcoSeg数据集。