[发明专利]一种使用二进制瓶颈神经网络来抽取图片特征的方法

摘要

本发明公开了一种使用二进制瓶颈神经网络来抽取图片特征的方法，属于视频处理技术领域，通过建立二进制瓶颈神经网络，将图片自动抽取为包含若干个二进制比特的特征向量，当要比较两幅图像之间的相似性程度时，只需要比较两个图片的二进制特征向量，然后计算两个二进制特征向量之间的汉明距离即可：汉明距离越小，说明两幅图像越相似，解决了抽取图片的二进制特征向量的技术问题，本发明计算图像的特征二进制序列，不依赖于研究者的经验进行手工设计就能获得非常好的性能；本发明计算的图像特征二进制序列可用于快速计算图像的相似性，对于图片和视频的相似性检索有重要价值。

主权项

一种使用二进制瓶颈神经网络来抽取图片特征的方法，其特征在于：包括如下步骤：步骤1：建立一个二进制瓶颈神经网络，该二进制瓶颈神经网络包括输入层、隐藏层、输出层和镜像层；所述隐藏层包括第一隐藏层、第二隐藏层和第三隐藏层；步骤2：通过摄像头获取图片后，将图片进行统一处理，使图片变为适合在二进制瓶颈神经网络中处理的分辨率尺寸大小，所述统一处理包括放大处理和缩小处理；对8bit编码格式的图片进行统一处理时，由于所述8bit编码格式的图片的像素值的范围是0到255，所以处理时将所述8bit编码格式的图片中的所有的像素值均除以255，使其归一化到0到1的范围内；步骤3：将经过统一处理的图片输入到所述输入层，经过统一处理的图片的像素值作为输入层的状态值；步骤4：隐藏层获取输入层的状态值，并通过以下公式1进行计算：y=11+exp(-Wx-b);]]>式中，向量x表示输入层的状态值，W表示从输入层到隐藏层的权值矩阵，b表示隐藏层的偏置值，y表示隐藏层的状态值；隐藏层可以有许多，每一个隐藏层均将近邻的前一个隐藏层作为自身的输入层，并通过公式1来获取输入层的状态值；步骤5：将隐藏层的状态值输入到输出层，并计算输出层的神经元激活概率，其计算公式2如下：P(Oi=1)=[11+exp(-Wj-k)]i;]]>式中，向量j表示第三隐藏层的状态值，k表示输出层的偏置值，下标i表示输出层的第i个元素，P表示输出层的第i个元素激活的概率，P(Oi＝1)表示Oi＝1的概率，Oi只有两个取值，即1或0，取1表示激活，取0表示非激活，公式2给出了输出层的第i个神经元激活的概率；神经网络在计算的过程中首先计算输出层的神经元激活概率值P，然后根据概率值P进行随机采样，从而最后得到输出神经元的激活状态；该神经网络将任意一个图片映射为一个固定长度的二进制序列码，即，图片的二进制特征向量；步骤6：当需要比较图片N和图片M之间的相似度时，首先根据步骤1到步骤5的方法分别计算出图片N和图片M相应的二进制序列码，设定计算出的图片N的二进制序列码为BN,计算出的图片M的二进制序列码为BM；然后计算BN和BM之间的汉明距离H(BN，BM)，汉明距离越小，图片N和图片M的相似程度越高；步骤7：在输出层的后方设有一个镜像层，镜像层是以输出层为镜面对隐藏层和输入层的镜像；镜像层的最后一层的神经元个数与输入层的神经元个数相同，镜像层的倒数第二层的神经元个数与第一隐藏层的神经元个数相同。