一种基于深度卷积神经网络的图像分类处理方法技术

本发明专利技术公开了一种基于深度卷积神经网络的图像分类处理方法，包括：建立VGG16卷积神经网络分类模型；将已有的MIAS医学图像数据库中的图像处理成适用于VGG16卷积神经网络分类模型的图像，将图像分成训练集和测试集；对已有的VGG16卷积神经网络进行迁移学习，即前面的层不动，对softmax层进行改动；将训练集输入修改后的VGG16卷积神经网络进行分类训练，得到训练后的VGG模型；将测试集输入训练后的VGG模型，输出图像预测结果。本发明专利技术保留较大局部范围内的特征相关性，因此可以使图像分割的关键特征更加明显，病变区域能够清晰高效地被发现；其次基于VGG模型的计算量要小于其他模型。

A method of image classification based on deep convolution neural network

【技术实现步骤摘要】
一种基于深度卷积神经网络的图像分类处理方法
本专利技术涉及图像处理
，具体的说，是一种基于深度卷积神经网络的图像分类处理方法。
技术介绍
传统医学图像处理方法是采用稀疏表征图像，通过大规模地训练支持向量机的进行图像分类，而此方法的主要缺陷在于稀疏编码和分类模型是在不同目标函数的监督下公开训练得到的，即得到的医学图像中分割出一些可能存在癌变的待定区域，然后提取这些待定区域的结构、纹理特征作为立足点来训练分类器，然后将数据进行分类。由于上述缺陷，因此分割可能存在的待定区域时由于边界模糊，造成待定区域的选取出现偏差错误；再加上医学图像通常对比度较低，组织特征的可变性、不同组织之间或者组织和病灶之间边界的模糊性以及微细结构(如血管、神经等)分布的复杂性，因此，传统的图像处理方法无法做到准确的识别出医学图像的癌变区域的问题。
技术实现思路
本专利技术的目的在于提供一种基于深度卷积神经网络的图像分类处理方法，用于解决现有技术中无法做到准确的识别出医学图像的癌变区域的问题。本专利技术通过下述技术方案解决上述问题：一种本文档来自技高网...

【技术保护点】
1.一种基于深度卷积神经网络的图像分类处理方法，其特征在于，包括：/n步骤S1：基于MATLAB环境建立VGG16卷积神经网络分类模型，VGG16卷积神经网络分类模型具有用于从数据库获取数据集的调用接口；/n步骤S2：将已有的MIAS医学图像数据库中的图像处理成适用于VGG16卷积神经网络分类模型的图像，将图像分成训练集和测试集；/n步骤S3：对已有的VGG16卷积神经网络进行迁移学习，即前面的层不动，对softmax层进行改动，改为基于医学病变特征的特征提取并进行三分类；/n步骤S4：按照训练最优比例，将训练集输入修改后的VGG16卷积神经网络进行分类训练，得到训练后的VGG模型；/n步骤S...

【技术特征摘要】
1.一种基于深度卷积神经网络的图像分类处理方法，其特征在于，包括：
步骤S1：基于MATLAB环境建立VGG16卷积神经网络分类模型，VGG16卷积神经网络分类模型具有用于从数据库获取数据集的调用接口；
步骤S2：将已有的MIAS医学图像数据库中的图像处理成适用于VGG16卷积神经网络分类模型的图像，将图像分成训练集和测试...

【专利技术属性】
技术研发人员：武军成，张攀，肖建，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51