[发明专利]一种用于图像特征提取的分解融减自动编码器算法

说明书

本发明公开了一种用于图像特征提取的分解融减自动编码器算法，包括建立分解融减网络结构和分解重构损失函数，分解融减网络结构首先分为主通道和辅助通道，对主通道和辅助通道进行相互独立地特征提取，并将辅助通道中的特征与主通道中的特征进行特征融合，在主通道的内部利用跳跃连接将前端每层的局部特征和后端每层的全局特征进行特征的跨层融合，通过建立双通道进行特征提取，在前后特征层和通道间特征层中进行特征融合，并且设计了融合权重确定策略；通过设计最新的分解重构损失函数，在对称特征层之间计算重构损失，将该损失与信号间的损失一并形成最终的重构损失函数，在最终重构损失函数优化过程中采用分割优化策略，增强对特征的优化能力。

技术领域

本发明涉及图像特征提取技术领域，具体为一种用于图像特征提取的分 解融减自动编码器算法。

背景技术

现有自动编码器算法在在用于各类图像特征提取中虽然取得了显著成 绩，但由于部分图像存在所有细节特征均有潜在价值、成像部位具有高度相 似性以及受成像设备影响较大等问题，这使得在图像特征提取过程中提取高 质量特征显得尤为必要。通过对现有各种自动编码器算法的系统分析发现， 现有各种自动编码器算法整体而言存在算法参数量大、对不同应用场景的普 适性低等问题，具体而言在编码过程中缺乏特征融合，在解码过程中信号损 失严重，在损失函数中优化目标单一，最终限制了所提取特征的质量。

基于此，本发明设计了一种用于图像特征提取的分解融减自动编码器算 法，以解决上述提到的问题。

发明内容

本发明的目的在于提供一种用于图像特征提取的分解融减自动编码器算 法，通过在编码器中建立新的特征提取策略，解决特征提取不充分、质量低 等问题；在解码器中解决特征解码效率低、特征损失大等问题。在重构损失 函数中，本发明主要解决中间特征层之间无法直接优化，且重构损失函数整 体容易陷入早熟影响目标特征提取质量等问题。

为实现上述目的，本发明提供如下技术方案：一种用于图像特征提取的 分解融减自动编码器算法，包括建立分解融减网络结构和分解重构损失函数，

所述分解融减网络结构首先分为主通道和辅助通道，通过对主通道和辅 助通道进行相互独立地特征提取，并将辅助通道中的特征与主通道中的特征 进行特征融合，同时在主通道的内部利用跳跃连接将前端每层的局部特征和 后端每层的全局特征进行特征的跨层融合，特征层间的融合过程可表示为：

Q＝αβ(W_a*E_a+b_a+1)+χβ(W_d*E_d+b_d+1) (1)

其中，Q为融合后的特征层；α和χ为融合层与被融合层的权重系数；β为 激活函数；W_a为融合层的节点权重；W_d为被融合层的节点权重；E_a为融合层 的输入；E_d为被融合层的输入；b_a+1为融合层偏置向量；b_d+1为被融合层偏置向 量；*为卷积操作；

所述分解重构损失函数具体可表示为：

其中，L_DMRAE(W,b)表示分解重构损失；n表示样本数，x_i和y_i表示第i 个样本的输入信号和恢复信号之间的重构损失；e_i和d_i表示第i个样本特征 提取中对称特征层之间的重构损失。

优选的，所述前端的每层局部特征只传递一次，后端的每层全局特征也 只与一层局部特征进行融合。