一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法

摘要：

针对特定领域高相似度图像识别与分类问题,提出融合小波变换与卷积神经网络的高相似度图像识别与分类算法.首先,利用小波变换提取图像纹理特征,对不同类别、不同分辨率图像集进行训练并确定最佳纹理差异度参数值;其次,根据纹理差异度运用小波分解方法对图像进行子图分解,提取各子图能量特征并进行归一化处理;接着,通过卷积神经网络5层卷积和3层池化交替,将输入图像特征向量转化为一维向量;最后,通过训练次数的增加以及数据量的增大,不断优化网络参数,提高在训练集中的分类准确度,在测试集中验证权值实际准确度,得到具有最高分类准确率的卷积神经网络模型.实验选取鸡蛋、苹果两类图像数据集作为实验数据,进行鸡蛋散养或圈养识别、苹果产地判定,实验结果表明:该算法平均鉴别准确率均达90％以上.

关键词：图像分类、图像识别、小波变换、卷积神经网络

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省自然科学基金2018A030313061,2016A030313703;广东省科技计划2016B030305002,2016B030306003,2017B030305003,2017B010124001;广东省产学研合作项目2017B090901005

在线出版日期：2018-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1646-1652