| 主权项 |
一种基于深度核哈希的感兴趣区域快速检测方法，包括：一、训练步骤(1)输入图像：1a)在图像训练集中，随机选取两张图像作为一组图像对，将训练集中所有的图像成对组合，构成图像对训练集；1b)将图像对训练集分为四类，即第一类是标签结果相同且编码结果相似，第二类是标签结果相同但编码结果不相似，第三类是标签结果不同但编码结果相似，第四类是标签结果不同且编码结果不相似；(2)对训练集中的每幅图像对分别进行中值滤波和显著性增强的预处理，并将预处理后的图像对输入到深度学习网络；(3)结合卷积神经网络CNN模型，搭建十层深度哈希监督学习网络框架：第一、三、五层为卷积层，用于分别对上一层的输出结果进行卷积运算，增强数据特征，降低噪声；第二、四、六层为下采样层，用于根据图像局部相关性的原理，分别对上一层的输出结果进行下采样运算并保留有用信息；第七层为全连接层，用于对第二、四、六层输出的下采样数组进行串联组合，构成一个4096维度特征向量，输出到编码层；第八、九、十层为编码层，用于将上一层的高维数据映射成本层的低维数据，实现逐层编码并进行优化，最终得到4维度的二进制编码；(4)将深度哈希监督学习网络输出的4维度特征向量与标签结果信息提供的二进制编码作比较：若两个编码结果的异或计算输出值为0，则说明训练网络学习效果最佳；反之，则需要多次微调第八、九、十层的网络参数，以增强训练网络的学习效果；二、预处理步骤(5)输入待检测图像，并对其进行中值滤波和形态学滤波，以降低原输入图像的斑点噪声，增强图像质量；(6)对中值滤波后的图像进行边缘裁剪，标记出感兴趣区域的边缘轮廓并保留，并去除感兴趣区域外的背景区域，以缩短运行时间，提高效率；(7)对裁剪出来的感兴趣区域进行伽马校正运算，用以增强待检测目标的对比度，得到预处理后的图像；三、测试步骤(8)对预处理后的图像进行滑动窗操作，使滑动窗在限定的感兴趣区域内自上而下，由左至右地滑动，将预处理后的图像分为若干100像素×100像素的矩形窗子集，共同组成测试步骤的图像输入集；(9)从测试步骤的图像输入集中选取一个矩形窗子集，输入到上述训练步骤(3)中已经训练完成的十层深度哈希监督学习网络框架，经过3个卷积层、3个下采样层、1个全连接层和3个二进制编码层的运算，最终得到4维度的二进制编码；(10)判断步骤(9)中选取的矩形窗子集是否为肿块目标，即将该子集经过训练网络得到4维度的二进制编码与标签结果信息提供的二进制编码作比较：若两个编码结果的异或计算输出值为0，则判定该子集是肿块目标，执行步骤(11)，反之则不是肿块目标，返回步骤(9)；(11)对判定为肿块目标的子集进行标记并显示，返回步骤(9)，继续判断下一个所选子集是否为肿块目标，直到所有的矩形窗子集经过步骤(10)，完成对感兴趣区域内目标的检测和识别。 |
