[发明专利]对提取图像隐式语义特征进行修正的方法

说明书

技术领域

本发明涉及图像处理的领域，尤其是对提取图像隐式语义特征进行修正的方法。 

背景技术

目前，我国60岁以上人口达1.8亿人，约占总人口13.8％，按国际标准衡量，我国已进入了老年型社会，随着国家大力加快建立和完善覆盖城乡居民的社会保障体系，如社会养老保险金的发放、企业年金、医疗保险等，老龄用户将成为未来社会公共服务的主要群体，社会养老保险金、企业年金等发放过程中存在欺骗、冒领现象成为现今社会普遍关注的问题，信息化、数字化、网络技术为解决老龄用户身份认证困局提供了帮助。目前，生物特征识别技术、远程视频认证已经被成功应用到核实社会养老金冒领现象中老龄用户的身份。 

目前，使用的隐式语义特征的提取方法中，不存在进行修正的功能，如果需要进行修改，则需要手动进行修改，操作起来很麻烦。 

发明内容

本发明要解决的技术问题是：为了克服上述中存在的问题，提供一种能够自动调整从而实现图像隐式语义特征的修正的对提取图像隐式语义特征进行修正的方法。 

本发明解决其技术问题所采用的技术方案是：一种对提取图像隐式语义特 征进行修正的方法，其具体步骤是： 

a.引入自适应动态反馈结构：在基于模糊神经网络的智能黑箱模型中，利用带GA优化算法的自适应反馈结构来提取辨识的语义特征和状态参数； 

b.图像隐式语义特征归一化：通过辨识出智能黑箱模型的状态参数和与通过样本学习得到的所定基准状态进行比较，得出差值作为模型的输入，从而得因环境差异而导致的图像隐式语义特征偏差。 

本发明的对提取图像隐式语义特征进行修正的方法的有益效果是：通过引入带遗传算法(GA)的自适应反馈结构，对系统自动调整，实现图像隐式语义特征的修正，此方法采集质量好和可靠性强，能够满足不同场合的实际要求。 

附图说明

下面结合附图和实施例对本发明进一步说明。 

图1是本发明的结构框图。 

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。 

如图1所示的一种对提取图像隐式语义特征进行修正的方法，其具体步骤是： 

a.引入自适应动态反馈结构：在基于FNN的“智能黑箱模型”中，在样本学习阶段，利用带GA优化算法的自适应反馈结构来提取辨识的语义特征和状态 参数。其技术方案主要有两种方式：①FNN优化GA的方式。在前期研究基础上，利用FNN中的FL动态地调整GA的交叉概率Pc与变异概率Pm参数以及控制进化过程，避免早熟的情况；②GA优化FNN的方式，借鉴Papadakis和贺素良等的思路，利用GA对FNN的中的FL和NN的主要参数分别进行调整，其中，调整FL的参数主要包括模糊规则的隶属函数和模糊学习规则，和调整NN的主要参数包括学习步长、网络权值、隐含层节点数值等。这样不断通过反馈学习，在稳定性条件满足之后，将得到辨识的图像隐式语义特征，并记下此时的估计的状态参数； 

b.图像隐式语义特征归一化：为消除外界环境因素的影响，得到稳定的图像隐式语义特征，本研究进一步对图像隐式语义特征进行修正和归一化处理：即根据所辨识出的“智能黑箱模型”的状态参数与通过样本学习得到的所定基准状态比较，其差值作为模型的输入，求得因环境差异而导致的图像隐式语义特征偏差，从而得到归一化的图像隐式语义特征。 

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。