[发明专利]图像特征提取方法

权利要求书

1.一种图像特征提取方法，其特征在于，所述方法包括通过预设的卷积神经网络获取目标图像的图像特征；

所述方法还包括基于预设的图像样本集与预设的目标函数并利用机器学习算法对所述卷积神经网络进行网络训练，具体包括：

获取所述图像样本集中每个图像样本的相似样本，并且分别对所述每个图像样本及其对应的相似样本进行图像变换；

通过所述卷积神经网络并且根据图像变换结果获取相应的图像特征；

根据所述目标函数、所述图像样本及其对应的相似样本的图像特征并利用所述机器学习算法对所述卷积神经网络进行网络训练，具体包括：

根据下式所示的第一目标函数T1、第一图像样本及其对应的相似样本的图像特征对所述卷积神经网络进行网络训练，其中，所述第一图像样本是所述图像样本集中不含类别信息的图像样本；

其中，所述所述V₁表示由所述当前网络训练中第一图像样本的图像特征构成的特征矩阵，所述表示V₁的转置矩阵，所述V₁′表示由所述第一图像样本对应的相似样本的图像特征构成的特征矩阵，所述Tr(M₁)表示M₁的轨迹，所述||M₁||₀表示所述M₁的L0范数；

其中，所述相似样本取决于所述图像样本是否包含类别信息，所述目标函数是能够使每个所述图像样本及其各自对应的相似样本的图像特征之间的相似度最大，以及使每个所述图像样本及其各自对应的非相似样本的图像特征之间的相似度最小的函数；

针对所述图像样本集中的每个图像样本，图像样本对应的非相似样本是所述图像样本集中除了所述图像样本以外的其他图像样本的相似样本。

2.根据权利要求1所述的图像特征提取方法，其特征在于，“获取所述图像样本集中每个图像样本的相似样本”的步骤具体包括：

若所述图像样本包含类别信息，则所述图像样本的相似样本是所述图像样本集中包含该类别信息的其他图像样本；

若所述图像样本不含类别信息，则所述图像样本的相似样本也是所述图像样本。

3.根据权利要求1所述的图像特征提取方法，其特征在于，“根据所述目标函数、所述图像样本及其对应的相似样本的图像特征并利用所述机器学习算法对所述卷积神经网络进行网络训练”的步骤还包括：

根据下式所示的第二目标函数T2、第二图像样本及其对应的相似样本的图像特征对所述卷积神经网络进行网络训练，其中，所述第二图像样本是所述图像样本集中含类别信息的图像样本；

其中，所述M₂＝exp(V₂^TV′₂)，所述V₂表示由所述当前网络训练中第二图像样本的图像特征构成的特征矩阵，所述V₂^T表示V₂的转置矩阵，所述V′₂表示由所述第二图像样本对应的相似样本的图像特征构成的特征矩阵，所述||M₂||₀表示所述M₂的L0范数；所述M′₂＝M₂*S，所述S表示B行B列的类别矩阵，当S的第(i，j)个元素S_ij＝1时表示所述V₂对应的样本集中的第i个样本与所述V′₂对应的样本集中的第j个样本属于同一类别，当S的第(i，j)个元素S_ij＝0时表示所述V₂对应的样本集中的第i个样本与所述V′₂对应的样本集中的第j个样本不属于同一类别。

4.根据权利要求1所述的图像特征提取方法，其特征在于，“通过所述卷积神经网络并根据图像变换结果获取相应的图像特征”的步骤之后，所述方法还包括：

对所述图像特征进行归一化处理。