[发明专利]基于Radon变换的可变形物体相似度检测方法及电子设备

权利要求书

1.一种基于Radon变换的可变形物体相似度检测方法，其特征在于：包括：

步骤S1：获取柔性物体形变前的第一图像，以及柔性物体形变后的第二图像；

步骤S2：通过Radon变换分别对所述第一图像和第二图像进行转换，得到第一Radon变换特征图和第二Radon变换特征图；

步骤S3：将所述第一Radon变换特征图和第二Radon变换特征图输入深度神经网络，通过深度神经网络计算所述第一Radon变换特征图和第二Radon变换特征图之间的相似度分数；

步骤S4：通过所述相似度分数来判别柔性物体形变前和柔性物体形变后的相似度。

2.根据权利要求1所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：所述步骤S2中的Radon变换公式为：其中，(ρ,θ)表示Radon空间中一点，ρ＝xcosθ+ysinθ，D表示图像的整个平面，f(x,y)表示图像上一点(x,y)的像素值，δ为狄拉克函数且ρ为(x,y)平面内直线到原点距离，θ为原点到直线的垂线与x轴的夹角。

3.根据权利要求1所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：所述步骤S3中的深度神经网络为改进的SimNet网络。

4.根据权利要求3所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：所述改进的SimNet网络包括第一特征提取模块、第二特征提取模块和相似度得分计算模块，所述第一特征提取模块和第二特征提取模块结构相同并共享权重；

所述第一特征提取模块用于提取第一Radon变换特征图的特征；

所述第二特征提取模块用于提取第二Radon变换特征图的特征；

所述相似度得分计算模块用于根据第一特征提取模块和第二特征提取模块提取到的特征计算相似度分数。

5.根据权利要求4所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：所述第一特征提取模块和第二特征提取模块均包括依次连接的第一特征提取单元、第一最大池化层、第二特征提取单元、第二最大池化层、第三特征提取单元、注意力单元和SPPF单元；所述第一特征提取单元、第二特征提取单元和第三特征提取单元均包括一个卷积层和一个ReLU层。

6.根据权利要求4所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：所述相似度得分计算模块包括依次连接的第一线性全连接层和第二线性全连接层。

7.根据权利要求1所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：所述步骤S3中深度神经网络在模型训练中的损失函数为：其中，λ表示权重衰减大小，ω表示深度神经网络的权重，|| ||₂表示L2范数，表示网络输出的第i个训练样本，N表示训练样本总数，y_i表示第i个训练样本对应的标签且y_i∈{-1,1}，当网络输出y_i＝-1表示不相似，当网络输出y_i＝1表示相似。

8.根据权利要求1所述的基于Radon变换的可变形物体相似度检测方法，其特征在于：还包括在MPEG-7数据集上验证所述深度神经网络性能的步骤。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述基于Radon变换的可变形物体相似度检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至8中任一项所述基于Radon变换的可变形物体相似度检测方法的步骤。