[发明专利]基于红黑形态小波池化网络的图像分类方法及系统

权利要求书

1.一种基于红黑形态小波池化网络的图像分类方法，其特征在于：包括准备待分类图像数据集；将红黑形态小波与最大池化融合，构建提升方案池化层，用于提取待分类图像的特征并进行降采样；基于待分类图像数据集，构建及训练提升方案卷积神经网络，并通过Softmax分类器实现分类，所述提升方案卷积神经网络包含提升方案池化层；

所述提升方案池化层包含两个支路，分别是红黑形态小波支路和最大池化支路，提升方案池化层的最终输出y由红黑形态小波的输出r和最大池化分支的输出m融合得到；所述红黑形态小波支路包含垂直和水平方向的提升过程和对角方向的提升过程，

所述垂直和水平方向的提升过程，包括对输入的特征图x按以下规则分成Red子集和Black子集，实现分裂，然后基于形态学腐蚀运算进行预测和更新，

Red＝{x_ij|x_ij∈x,i％2＝j％2}

Black＝{x_ij|x_ij∈x,i％2≠j％2}

其中，x_ij是特征图x中处于坐标(i,j)的元素；

所述垂对角方向的提升过程，包括对垂直和水平方向的提升过程所得输出集合按以下规则分成Blue子集和Green子集，实现分裂，然后基于形态学腐蚀运算进行预测和更新，

Blue＝{x_ij|x_ij∈x,i％2＝0,j％2＝0}

Green＝{x_ij|x_ij∈x,i％2≠0,j％2≠0}

其中，x_ij是特征图x中处于坐标(i,j)的元素。

2.根据权利要求1所述基于红黑形态小波池化网络的图像分类方法，其特征在于：所述提升方案池化层的最终输出由红黑形态小波的输出r和最大池化分支的输出m融合得到，实现方式如下，

y＝α·r+(1-α)·m

其中，标量α是权重参数，取值为在0到1之间。

3.根据权利要求1所述基于红黑形态小波池化网络的图像分类方法，其特征在于：垂直和水平方向的提升过程中，基于形态学腐蚀运算进行预测和更新实现如下，

1)首先，取4个相邻红子集样本的最小值来预测黑子集中的对应元素，预测的结果原位取代原来的黑子集元素；

2)然后，将预测的结果进行腐蚀处理来更新红子集，更新的结果原位取代原来的红子集，并作为垂直和水平方向的提升过程的输出。

4.根据权利要求3所述基于红黑形态小波池化网络的图像分类方法，其特征在于：对角方向的提升过程中，基于形态学腐蚀运算进行预测和更新实现如下，

1)首先，取4个相邻蓝子集样本的最小值来预测绿子集中的对应元素，预测的结果原位取代原来的绿子集元素；

2)然后，将预测的结果进行腐蚀处理来更新蓝子集，更新的结果原位取代原来的蓝子集，并作为本步骤的输出。

5.根据权利要求1或2或3或4所述基于红黑形态小波池化网络的图像分类方法，其特征在于：所述提升方案卷积神经网络采用局部二进制阈值网络结构实现，其中依次包括输入层、卷积层C1、提升方案池化层L1、卷积层C2、提升方案池化层L2、全连接层F1、全连接层F2和输出层。

6.根据权利要求5所述基于红黑形态小波池化网络的图像分类方法，其特征在于：所述输出层采用欧氏径向基函数实现，通过softmax函数获取。

7.一种基于红黑形态小波池化网络的图像分类系统，其特征在于：用于权利要求1-6所述基于红黑形态小波池化网络的图像分类方法。