一种数据与知识联合驱动的图像分类方法技术

一种数据与知识联合驱动的图像分类方法，属于计算机视觉领域。本发明专利技术包括：(1)目标对象定位：(2)形状‑纹理感知：设计预定义的特征提取器来提取目标对象的形状和纹理特征，从而分别得到形状和纹理的特征图和特征向量。这些特征被用于构建两种类型的先验知识：将形状特征图和纹理特征图进行融合以得到形状‑纹理注意力图；基于形状特征向量和纹理特征向量，通过模板匹配来获得目标对象的类间相似度。(3)图像分类：使用卷积神经网络完成图像分类任务。本发明专利技术设计预定义的特征提取器提取目标对象的形状和纹理，这些特征将被作为先验知识指导深度网络聚焦于图像的关键区域、提高深度模型对关键特征的关注程度，从而提升图像识别性能。

【技术实现步骤摘要】

本专利技术涉及一种数据与知识联合驱动的图像分类方法，属于计算机视觉领域。

技术介绍

1、图像分类是根据不同类别信息在图像中所反映的不同特征，把不同类别的目标分开的图像处理方法，其是计算机视觉领域研究的热门课题，也是实现智慧气象、智慧医疗、智慧交通等应用的重要基础。例如在智慧气象应用中自动识别气传致敏花粉的显微图像有利于提前预测花粉浓度，从而预防过敏性疾病并保证人类的生命健康；在智慧医疗领域中自动识别肺部电子计算机断层扫描(ct)图像有利于肺部相关疾病的早期诊断，实现疾病的自动化筛查，大大减轻医疗工作者的负担。

2、已有的图像分类方法可以归类为模型驱动方法和数据驱动方法。模型驱动方法提取图像的形状、纹理等预定义特征，然后训练传统分类器(如支持向量机、随机森林)预测图像的类别。如等人[1]提取目标对象的长轴长度和短轴长度等几何特征，并计算特征值熵、灰度共生矩阵、傅里叶描述子等来描述待识别图像，此后基于这些特征训练多层感知机进行图像分类。marcos等人[2]使用灰度共生矩阵、log-gabor滤波器等方法提取图像的纹理特征，然后训练k近邻分类器来预本文档来自技高网...

【技术保护点】

1.一种数据与知识联合驱动的图像分类方法，其特征在于包括以下步骤：

2.根据权利要求1所述的方法其特征在于：

【技术特征摘要】

1.一种数据与知识联合驱动的图像分类方法，其特征在于包括以下...

【专利技术属性】
技术研发人员：徐曦，程文秀，赵琳娜，李建强，李欣阳，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：