[发明专利]由全局向局部传递的图像特征提取方法及装置

摘要

本发明公开的由全局向局部传递的图像特征提取方法及装置，应用网络结构的每一层网络中，该方法包括：将所有输入样本的所有像素特征值排列成一个特征矩阵，对该特征矩阵进行PCA计算，获得预设数量个PCA卷积核；根据每一层网络的预设局部卷积核尺寸，在输入样本和每个PCA卷积核的对应位置分别选取预设局部卷积核尺寸的区域，将对应的两个区域进行卷积计算，直至遍历所有的输入样本和所有PCA卷积核，生成新的特征样本；将新的特征样本作为输入样本输入下一网络层，直至最后一层网络生成最终特征。本发明的方法及装置提取的图像特征兼顾了全局与局部特性，同时，降低了对样本数量和计算模块性能的要求。

主权项

1.一种由全局向局部传递的图像特征提取方法，应用于CNN网络结构的每一层网络中，其特征在于，包括：将所有输入样本的所有像素特征值排列成一个特征矩阵，对该特征矩阵进行PCA计算，获得预设数量个PCA卷积核；根据每一层网络的预设局部卷积核尺寸，在输入样本和每个PCA卷积核的对应位置分别选取预设局部卷积核尺寸的区域，将对应的两个区域进行卷积计算，直至遍历所有的输入样本和所有PCA卷积核，生成新的特征样本；将新的特征样本作为输入样本输入下一网络层，直至最后一层网络生成最终特征；所述PCA卷积核的计算过程为：构建特征矩阵，特征矩阵的每一行为当前层网络中一个输入样本的所有像素特征值的排列，形成一个n行，w*h列的矩阵，其中，w为输入样本的高，h为输入样本的宽，n为当前层网络输入样本的数量；对特征矩阵做PCA计算，获取预设数量个特征向量；将每个特征向量重排列为w行h列，作为PCA卷积核；所述PCA计算步骤为：将特征矩阵归一化处理后，计算协方差矩阵，对协方差矩阵进行特征分解，获得特征值和特征向量，所述特征向量按照特征值的大小排列，根据预设特征值的范围，提取预设数量个特征向量。