[发明专利]基于卷积神经网络的图像识别方法

权利要求书

1.基于卷积神经网络的图像识别方法，其特征在于，包括以下步骤，

S1、图像分割，采用不同的方法进行图像分割；

S2、对分割后的图像进行特征提取，不同的分割方法分割的图像采用不同的特征提取方法；

S3、提取的特征输入到同一卷积神经网络模型进行图像识别，得到多个图像识别结果；

S4、通过预设每种图像分割方法对应的识别结果权重，计算图像识别最终结果：

Q=k1*q1+k2*q2+…+kn*qn，

其中，k1、k2、…、kn为分割方法对应的卷积神经网络的权重，q1、q2、…、qn为分割方法对应的卷积神经网络的图像识别结果；

步骤S5，根据识别结果对识别错误的卷积神经网络的权重进行修正。

2.如权利要求1所述的基于卷积神经网络的图像识别方法，其特征在于，所述权重的修正方法：

ki=a*ai+（1-ai）*bi，

其中0≤a≤1，ai为最初权重，bi为识别成功百分比。

3.如权利要求1所述的基于卷积神经网络的图像识别方法，其特征在于，所述权重的修正方法：

ki=（ai*bi）/（a1*b1+a2*b2+…+an*bn）

其中，ai为最初权重，bi为识别成功百分比。

4.如权利要求1所述的基于卷积神经网络的图像识别方法，其特征在于，所述步骤S1中图像分割方法包括阈值分割方法、边缘检测方法、区域提取方法、灰度图像分割方法、彩色图像分割方法、文理图像分割方法、直方图分割方法和小波变换分割方法。

5.如权利要求1所述的基于卷积神经网络的图像识别方法，其特征在于，所述步骤S2特征提取算法包括LBP特征提取算法、HOG特征提取算法、Haar特征提取算法、LoG特征提取算法、Harris角点特征提取算法、SIFT特征提取算法和SURF特征提取算法。

6.如权利要求1所述的基于卷积神经网络的图像识别方法，其特征在于，所述步骤S3的卷积神经网络模型为6层卷积神经网络，其中前4层由卷积层和池化层交替，然后是全连接层，最后一层为softmax分类器。