The invention relates to the field of depth learning and image, in order to extract image feature points according to different levels of image spatial and semantic features extracted by depth learning network. To this end, the technical scheme adopted by the present invention is an image feature extraction method based on the countermeasure neural network. The steps are as follows: image preprocessing: image data is centralized and normalized, and processed image data is used as input of the convolution neural network; training the neural network for extracting feature points, and using the countermeasure form of generating countermeasure network to extract special features. The convolution neural network is trained. 3) The trained convolution neural network is used to acquire image semantic feature points. The invention is mainly applied to image processing occasions.
【技术实现步骤摘要】
基于对抗神经网络的图像特征提取方法
本专利技术涉及深度学习和图像领域，尤其涉及在图像处理应用中，通过对深度学习卷积神经网络学习的图像特征来进行图片语义特征点的提取。具体涉及基于对抗神经网络的图像特征提取方法。
技术介绍
数字特征提取技术计算机视觉领域的关键部分也是数字图像处理中的关键技术之一，是其他一些数字图像处理，如图像拼接、全景视频、智能视频监控等的基础，如何实现高质量的图像特征提取，对于整个系统而言都是至关重要的。特征提取是从通过对图像数据特征进行变换获取信息的过程。传统方法如尺度不变特征转换(SIFT)算法，可以侦测与描述影像中的局部性特征，寻找空间尺度中的极值点，并提取出其位置、尺度与旋转不变量。方向梯度直方图(HOG)方法通过计算和统计图像局部区域的地图方向直方图来完成图像特征提取。传统的图像特征提取方法都是基于图像空间特征进行图片特征的提取，但在面对图像分类、图像分割等任务时，传统在提取图像特征提取方法由于并未考虑图片所表达的含义，即图像的语义特征，任务完成效果并不理想。随着计算机视觉领域的不断优化发展，为了顺应这种发展趋势，大量基于深度学习的图像算...
【技术保护点】
1.一种基于对抗神经网络的图像特征提取方法，其特征是，步骤如下：1)图像预处理：对图像数据进行中心化与归一化处理，并用经过处理的图像数据作为卷积神经网络的输入；2)训练提取特征点的神经网络，采用生成对抗网络的对抗形式对用于提取特征的卷积神经网络进行训练；3)利用训练好的卷积神经网络获取图像语义特征点。
【技术特征摘要】
1.一种基于对抗神经网络的图像特征提取方法，其特征是，步骤如下：1)图像预处理：对图像数据进行中心化与归一化处理，并用经过处理的图像数据作为卷积神经网络的输入；2)训练提取特征点的神经网络，采用生成对抗网络的对抗形式对用于提取特征的卷积神经网络进行训练；3)利用训练好的卷积神经网络获取图像语义特征点。2.如权利要求1所述的基于对抗神经网络的图像特征提取方法，其特征是，图像预处理具体步骤如下：首先对图片所有像素点像素值xi求和并除以图像像素点总个数N计算图像像素平均值μ，然后用图像中各点像素值减去图像像素平均值μ，对该计算结果取平方，并将所有像素点的计算结果相加之和进行开平方运算得到结果σ，对图像所有像素点进行像素值减去μ并除以σ的操作得到预处理后的图像，公式如下：其中xi为第i个像素点对应的像素值，xi′为第i个像素...
【专利技术属性】
技术研发人员：史再峰，李晖，曹清洁，高静，王荣，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12
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。