买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供了一种基于多流特征融合的摩尔纹识别方法，属于图像识别领域。本发明自制数据集，以U‑Net、VGG和ResNet34作为基础特征提取网络，辅助传统的特征提取，包括HOG、LBP和DCT，通过融合多流特征，将不同特征提取网络获取的特征进行混合，以此增强网络的语义信息表达能力。为了模型有更好的泛化能力，使用随机加噪的数据增强方式。本发明不仅可以提取最具表达力的特征，还能在传统特征提取算法辅助下提高网络的准确率，对于多种摩尔纹图像实现精准检测。

主权项：1.一种基于多流特征融合的摩尔纹图像识别方法，其特征在于，具体包括如下步骤：步骤1、制作数据集，包括摩尔纹图片和干净图片一共A张，以及每张图片对应的标签，所述标签指示图片是否为摩尔纹图片，其中B张用于训练网络参数，剩余C张用于测试网络效果,其中A＝B+C；步骤2、分别使用特征提取网络U-Net、VGG19和ResNet34提取图像特征，通过特征融合综合不同网络的特征提取结果；然后采用迁移学习，在特征提取网络U-Net、VGG19和ResNet34训练基础上，训练后续的预测网络，当损失收敛后保存模型，对图片是否为摩尔纹图像给出概率；步骤3、分别使用HOG、LBP以及DCT算法提取图像特征，对图片是否为摩尔纹图像给出概率；步骤4、将步骤2与步骤3对图片是否为摩尔纹图像给出概率进行加权平均，给出最终的概率，最终判断图像是否为摩尔纹图像；步骤2具体包括以下内容：步骤2.1、分别训练特征提取网络U-Net、VGG19和ResNet34，使得每个特征提取网络U-Net、VGG19和ResNet34都以95％以上的正确率区分摩尔纹图片和干净图片；步骤2.2、迁移特征提取网络U-Net、VGG19和ResNet34的特征提取部分的参数，对特征提取网络U-Net、VGG19和ResNet34输出的特征向量进行交叉混合，然后将混合后的特征向量输入到全连接网络中，预测图像是否属于摩尔纹图像；步骤2.2具体包括以下内容：特征提取网络U-Net、VGG19和ResNet34分别提取到大小为M的特征向量X、Y和Z；对这三组特征向量采取权重相加法融合特征，为多组特征描述向量赋予不同权重系数，数学表达式为： G表示三路特征提取网络融合后的特征描述矩阵，ω1、ω2和ω3表示混合特征描述矩阵的BX,Y、BY,Z和BZ,X相对权重，融合后的特征描述符再使用全连接层提炼特征，判断是否属于摩尔纹图像；全连接层输出[a，b]，a代表是摩尔纹图像，b代表不是摩尔纹图像，a＝b就是摩尔纹图像，ab不是摩尔纹图像。

全文数据：

权利要求：

百度查询： 东南大学 一种基于多流特征融合的摩尔纹图像识别方法