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。 |