【技术实现步骤摘要】
本专利技术涉及数字图像处理技术,具体涉及一种基于独立成分分析算法的卷积神经网络。
技术介绍
卷积神经网络是获得图像表示的一种常用方法,在卷积神经网络中采用不同的特征提取算法,可以获得不同的特征。其中,主成分分析(PCA)算法假设图像中的数据满足高斯分布,通过最大化图像的二阶累积量来获得相应的图像表示,同时可以对图像数据进行降维;独立成分分析(ICA)算法假设图像中数据满足非高斯分布,通过图像的高阶累积量获得图像表示。前者在提取人脸特征时具有较大的优势,后者由于获得的图像表示是相互独立的,因此在提取纹理特征时优势较大。1、主成分分析法主成分分析法是最常用的降维方法之一,它假设图像数据满足高斯分布,通过最大化图像数据的二阶累积量来获得图像的主成分,同时可以按照成分所包含的能量大小,对获得的主成分进行筛选,从而在达到数据降维的目的的同时,进一步减少能量损失。其具体算法如下:假设输入n个m维的样本Xi,i=1,2,...,n,其中对每个维度中的数据去均值并求Xi,i=1,2,...,n的协方差矩阵: C = 1 n Σ j = 1 n X j X j T ]]>对C进行奇异值分解,求得C的特征值与特征向量,同时选取最大的L个特征值所对应的特征向量,从而得到图像的主成分。2、独立成分分析算法独立成分分析算法也能降低数据的维 ...
【技术保护点】
一种基于独立成分分析算法的卷积神经网络,其特征在于:工作流程包括:将训练图像输入基于独立成分分析算法的卷积神经网络中,得到相互独立的图像成分进而获得图像表示;然后对图像表示进行池化,获得图像的特征;最后训练分类器并对测试图像进行分类;具体包括以下步骤:(1)将图像数据库的N幅图像用于训练图像,剩下的M幅图像用作测试图像,对训练图像进行预处理,将获得的最大的L1个特征值所对应的特征向量Vl作为图像的主成分;(2)提取相互独立的图像成分Rl;(3)对图像表示进行池化,获得原始输入图像的特征向量fitrain;(4)训练与测试分类器;其中,l=1,2,...,L1,i=1,…,N,每一幅训练图像与测试图像的大小均为m×n,m和n均大于零,N表示训练图像库中图像的总数目。
【技术特征摘要】
1.一种基于独立成分分析算法的卷积神经网络,其特征在于:工作流程包括:将训练图像输入基于独立成分分析算法的卷积神经网络中,得到相互独立的图像成分进而获得图像表示;然后对图像表示进行池化,获得图像的特征;最后训练分类器并对测试图像进行分类;具体包括以下步骤:(1)将图像数据库的N幅图像用于训练图像,剩下的M幅图像用作测试图像,对训练图像进行预处理,将获得的最大的L1个特征值所对应的特征向量Vl作为图像的主成分;(2)提取相互独立的图像成分Rl;(3)对图像表示进行池化,获得原始输入图像的特征向量fitrain;(4)训练与测试分类器;其中,l=1,2,...,L1,i=1,…,N,每一幅训练图像与测试图像的大小均为m×n,m和n均大于零,N表示训练图像库中图像的总数目。2.根据权利要求1所述的基于独立成分分析算法的卷积神经网络,其特征在于:所述步骤(1)中,对训练图像进行预处理的具体过程为:(1-1)用一个大小为k1×k2的滑块遍历每一幅训练图像并将滑块去均值后向量化,得到一个k1k2×mn的矩阵其中k1,k2分别为介于1到m、1到n的奇数;(1-2)求的协方差矩阵Ci,其中Ci为大小为k1k2×k1k2的矩阵;(1-3)将Ci相加,得到协方差矩阵之和C;(1-4)对C进行特征值分解,获得相应的特征值与特征向量,并选取最大的L1个特征值所对应的特征向量Vl作为图像的主成分,其中0<L1≤mn;其中,i=1,2,...,N。3.根据权利要求1所述的基于独立成分分析算法的卷积神经网络,其特征在于:所述步骤(2)中,提取相互独立的图像成分具体过程为:(2-1)对Vl进行白化处理,得到Wl,其中W中的向量相互独立;(2-2)运行独立成分分析算法,获...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。