[发明专利]基于深度神经元响应模式的绝缘子红外图像特征表达方法

摘要

本发明公开一种基于深度神经元响应模式的绝缘子红外图像特征表达方法，所述表达方法包括：步骤一：根据深度网络对输入图像I进行前向传递；步骤二：根据所述深度网络构建深度特征模型，获得深度绝缘子红外特征。本发明基于深度神经元响应模式的绝缘子红外图像特征表达方法根据输入的图像挖掘出深度神经元的响应模式，改进深度网络，构建深度特征模型，从而确定绝缘子红外特征，提高绝缘子红外图像特征的鲁棒性。

主权项

1.一种基于深度神经元响应模式的绝缘子红外图像特征表达方法，其特征在于，所述表达方法包括：步骤一：根据深度网络对输入图像I进行前向传递；步骤二：根据所述深度网络构建深度特征模型，获得深度绝缘子红外特征；所述获得深度绝缘子红外特征的方法包括：步骤21：根据以下公式在所述深度网络中提取中层特征其中，为F其中一特征图，l表示卷积层数，表示第l层卷积阵列中第i行第j列的卷积核，其中i＝1,...,l，j＝1,...,l，表示第j列卷积的偏差，M^l‑1表示第l层卷积阵列的卷积核数量，x_i表示第i行卷积对应的深度网络特征值，θ(·)表示激活函数；步骤22：从对应的图像中提取的第l层中层深度特征其可以看作为大小h×w×d三维张量组合S，其中S＝{s₁,...,s_i,...,s_n}，n＝1,...,d，s_n为大小为h×w的深度特征图，从S中抽取s_i；步骤23：计算各所述深度特征图si的重要度；步骤24：按照重要度从高到低的顺序，将同一层的各所述深度特征图进行排序，获得重要度排名；步骤25：基于所述重要度排名，对特征图进行选择，得到深度特征描述子；步骤26：根据所述深度特征描述子进行深度特征编码得到深度绝缘子红外特征；所述计算所述深度特征图的重要度的方法包括：步骤231：将深度特征图的元素规范化到0～255整型范围内；步骤232：根据公式(6)计算规范化的深度特征图的图像熵H(si)：其中，pn表示灰度值n的像素出现的概率；步骤233：根据公式(7)计算特征图的标准差σ(si)：其中，N为元素总数，Oi为第i像素灰度值，μ为均值；步骤234：根据公式(8)确定特征图si的重要度K(si)：其中，λ表示平衡图像熵H(si)和标准差σ(si)的经验值。