[发明专利]用于图像优化的深度学习神经网络处理方法及系统

摘要

本发明提供了一种用于图像优化的深度学习神经网络处理方法及系统。其中方法部分包括图像预处理步骤获取并对待处理图像进行预处理；图像特征处理步骤根据已预处理图像的图像属性，提取图像特征；依据提取的图像特征，对图像特征进行放大处理；特征学习步骤将放大特征图像输入到深度学习神经网络辨认、学习；纹理输出步骤偏移操作得到图像的纹理特征并分析，输出纹理特征图像结果；图像优化步骤融合放大特征图像结果和纹理特征图像结果。系统部分的模块功能与方法相对应。本发明具有的优点经过图像预处理，对于输入的图像不需过多的人工预处理；提取的图像特征特征提取准确，而且提取到的图像特征用于分类和检索时准确率很高。

主权项

一种用于图像优化的深度学习神经网络处理方法，其特征在于，包括如下步骤：图像预处理步骤：获取并对待处理图像进行预处理，得到已预处理图像；图像特征处理步骤：根据已预处理图像的图像属性，提取图像特征；依据提取的图像特征，对图像特征进行放大处理，得到放大特征图像；特征学习步骤：将放大特征图像输入到深度学习神经网络辨认、学习，输出放大特征图像结果；纹理输出步骤：对已预处理图像进行偏移操作，得到图像的纹理特征并分析，输出纹理特征图像结果；图像优化步骤：融合放大特征图像结果和纹理特征图像结果。