[发明专利]一种基于脉冲神经网络的图像特征描述方法在审
| 申请号： | 201810953429.0 | 申请日： | 2018-08-21 |
| 公开（公告）号： | CN109214395A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 李建平;顾小丰;胡健;刘丹;蔡京京;李伟;孙睿男;赖志龙 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于脉冲神经网络的图像特征描述方法，包括如下步骤：S1、对原始图像进行预处理；S2、使用Sobel算子对脉冲神经网络的Gabor滤波器卷积层进行稀疏化处理；S3、将处理后图像输入稀疏Gabor滤波器卷积层进行特征提取；S4、实现特征提取；S5、使用编码层进行Spiking编码与采样处理；S6、根据脉冲序列，使用改进的Tempotron算法，学习编码层神经元到学习层神经元的连接权重；S7、进行处理后图像的描述，并进行图像特征的描述。本发明解决了现有技术存在的特征选择与提取繁琐，计算复杂，提取的特征对物体的区分性弱，重要特征易丢失和改变以及无法根据记忆对图像进行较完整的恢复的问题。 | ||
| 搜索关键词： | 脉冲神经网络 图像特征 神经元 特征提取 编码层 卷积 预处理 图像 稀疏化处理 采样处理 脉冲序列 特征选择 图像输入 原始图像 区分性 权重 算法 稀疏 学习 恢复 改进 | ||
【主权项】：
1.一种基于脉冲神经网络的图像特征描述方法，其特征在于，包括如下步骤：S1：对原始图像进行预处理，得到处理后图像；S2：使用Sobel算子对脉冲神经网络的Gabor滤波器卷积层进行稀疏化处理，得到稀疏Gabor滤波器卷积层；S3：将处理后图像输入稀疏Gabor滤波器卷积层进行特征提取，得到处理后图像中每个像素点处的梯度方向；S4：根据每个像素点处的梯度方向，得到卷积特征图；S5：根据卷积特征图，使用编码层进行Spiking编码与采样处理，得到编码层神经元输出的脉冲序列；S6：根据脉冲序列，使用改进的Tempotron算法，学习编码层神经元到学习层神经元的连接权重；S7：根据编码神经元和学习神经元的发放时刻，进行处理后图像的描述，根据连接权重，进行图像特征的描述。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810953429.0/，转载请声明来源钻瓜专利网。
