[发明专利]一种基于深度特征袋的分类方法

摘要

本发明提出了一种基于深度特征袋的分类方法，其通过提取二维正交平面的代表性图像的深度特征，然后采用特征袋模型对所提取的深度特征进行重新编码，最后通过核融合方法结合了三个二维正交平面的特征，求得分类函数对图像进行分类标签。该分类方法大大减少了训练和测试过程的计算量，节省了数据空间，也缩短了整个计算过程的时间，利用“码本”对图像特征进行编码实现了高维度稀疏表示，使特征更具辨别性、更紧凑，能够缓解因数据量不充足带来的过拟合问题。三个二维正交平面在计算核函数时分别乘以不同的权重系数，可以更好地利用三个不同断面包含的不同空间信息，构建的分类函数更具辨别性。

主权项

1.一种基于深度特征袋的分类方法，其特征在于，依次包括如下步骤：S1、采集目标对象的三维图像，勾画并分割出感兴趣区域；S2、将步骤S1获得的感兴趣区域的三维图像均分解为三个二维正交平面的二维图像，得到三组二维图像组，从每一组二维图像组中选取一张像素点最多的二维图像分别作为三个二维正交平面的输入图像；S3、利用卷积神经网络对步骤S2获得的三个二维正交平面的输入图像进行特征提取，得到三个二维正交平面的深度特征，三个二维正交平面的深度特征包括训练样本深度特征和测试样本深度特征；S4、利用特征袋模型分别对步骤S3获得的训练样本深度特征和测试样本深度特征进行重新编码，得到训练样本编码特征和测试样本编码特征；S5、采用核融合方法将步骤S4获得的训练样本编码特征和测试样本编码特征融合到支持向量机的核函数中，通过训练求得截距项b和权重系数a；S6、将步骤S5所得的截距项b和权重系数a代入分类函数中对图像进行分类。