[发明专利]一种基于层次结构矩阵的介形化石图像处理系统

权利要求书

1.一种基于层次结构矩阵的介形化石图像处理系统，其特征在于：按照下述步骤进行：

步骤1，读取化石图像并进行预处理，构建含有属类-种类标签的介形化石分层次数据集；

步骤2，使用神经网络进行介形化石属类-种类的初始预测；

步骤3，基于数据中存在的固有层次包含关系构建层次结构矩阵；

步骤4，将层次结构矩阵插入到网络，对初始预测作后处理；

步骤5，建立起端到端的多层次分类神经网络，对目标介形化石图像进行多层次分类判定，确定介形化石图像所属类别。

2.根据权利要求1所述的一种基于层次结构矩阵的介形化石图像处理系统，其特征在于：在步骤1中，具体包括：

将介形化石图像的对比度、饱和度、清晰度、去噪、去杂质等图像预处理功能集成到介形化石图像处理系统之中；

建立含有属类-种类标签的介形化石分层次数据集，包括RGB图像和深度图像。

3.根据权利要求1所述的一种基于层次结构矩阵的介形化石图像处理系统，其特征在于：在步骤2中，具体包括下述步骤：

S1，使用DenseNet神经网络作为分类的骨干网络，构建介形化石图像初始预测模型，具体的来说：使用DenseNet作为基础分类网络，包括初始的卷积层和后续的四个Dense Block层。初始卷积层使用7*7卷积核，后续Dense Block层使用3*3卷积核和2*2平均池化层；

S2，将介形化石分层次数据集按照4：1的比例划分为训练集和测试集；

S3，将训练集中的介形化石图像数据输入到步骤S1中得到的介形化石图像初始预测模型中，进行介形化石属类-种类的初始预测。

4.根据权利要求1所述的一种基于层次结构矩阵的介形化石图像处理系统，其特征在于：在步骤3中，具体构建方法包括：

对种和属分别进行编号，分为1,2,…,n个种和1,2,…,m个属，构建的列满秩矩阵作为层次结构矩阵。

5.根据权利要求1所述的一种基于层次结构矩阵的介形化石图像处理系统，其特征在于：在步骤5中，具体包括下述步骤：

S21、将构建的层次结构矩阵作为固定参数的Linear层加入到DenseNet输出层之后；

S22、Linear层输出，输出结果为网络预测化石的属类别分布；

S23、联合种属类别输出和标签构建损失函数，进行反向传播，迭代训练，具体的训练方法为：

网络输出的种类别概率输出为y₁，属类别概率输出为y₂，样本的种类别标签为y'₁，属类别标签为y'₂，则最终的损失函数项可写为：

Loss＝CE(y₁,y′₁)+CE(y₂,y′₂) (1)

其中，函数CE(y,y′)表示交叉熵损失函数Cross entropy，其具体形式如下：

其中，T表示相应的类别个数；

S24、更新优化参数，直至训练集损失函数值不再降低。