CN105678278A - 一种基于单隐层神经网络的场景识别方法 - Google Patents

Abstract

本发明提供一种基于单隐层神经网络的场景识别方法，其特征在于：包括训练阶段和识别阶段；所述训练阶段包括：对预先采集的用于训练的样本图像集进行预处理，提取预处理后的样本图像集的局部梯度统计特征，将所述局部梯度统计特征以及对应场景类别标签加入到单隐层神经网络分类器进行层级式监督学习，得到复数个不同的多类单隐层神经网络的最优参数，根据所述最优参数构建多层级场景分类器；所述识别阶段包括：对待识别的图像集进行预处理，提取预处理后的待识别图像集的局部梯度统计特征，将该局部梯度统计特征向量送入所述多层级场景分类器中进行识别，得到所属场景类的类别标注。本发明实现高精度场景识别。

Description

一种基于单隐层神经网络的场景识别方法

技术领域

本发明涉及一种基于单隐层神经网络的场景识别方法。

背景技术

场景识别指的是按照场景图像相近的内容如相同颜色特征识别出场景图片中的场景，目的是通过模仿人类的感知能力来挖掘图像中的场景特征，从而自动地识别出图像所隶属的场景。在场景识别过程中，整个图像是作为一个整体被判别的，并不涉及具体目标。因为具体目标只能作为场景分类中判定所属类别的一个依据，但与场景所属类别却不一定完全相关。场景识别是计算机视觉和机器人领域中一个基础的预处理过程，它在图像内容检索、模式识别和机器学习等的计算机智能领域中担任重要的角色。

近几年来，场景识别研究已取得了较大进展，涌现出很多场景类别建模的方法。根据场景类别建模方式将现有场景识别方法分成四类：

(1)基于全局特征的场景识别方法

基于全局特征的场景识别方法大多通过颜色、纹理和形状等图像的全局可视化特征来对场景进行描述，并成功应用于室外场景识别中。相比而言，颜色特征对于场景的尺度、视角的变化以及图像的旋转均能取得更好的识别结果；而纹理与形状特征对应于图像的结构和方向信息，这些恰好也是人类视觉系统所敏感的，因此纹理与形状特征与人类的视觉感知结果具有更好的一致性。然而，基于全局特征的场景识别方法通常需要搜索图像的所有像素点，且没有考虑像素点的空间位置关系，因此它具有较差的实时性和通用性。

(2)基于目标的场景识别方法

一个特定地点可以通过其周围一系列极具代表性的目标来准确地定位，基于此原理，大多数场景识别方法也是根据图像中目标识别的结果来辨识出图像所对应的场景。于是，该类场景识别方法需要经历图像分割、多特征组合和目标识别等阶段。当待识别的目标距离视角很远时，该目标就很有可能隐藏在那些缺乏分析价值的背景信息中，在分割阶段就己经被忽略掉了，进而导致该目标识别工作无法实现。除此之外，为了简化具体场景的复染度，需要选取一组能够代表该场景的目标，而这些可靠且稳定的代表性目标的选取问题成为了制约基于目标的场景识别的另一个瓶颈。

(3)基于区域的场景识别方法

鉴于基于目标的场景识别方法所具有的局限性，一些研究者利用分割得到的区域来代替场景代表性目标，并根据这些区域的结构关系进行特征组合从而形成场景标示。该类场景识别方法的关键在于如何得到可信赖的区域分割算法。而这些区域信息的特征表示方法有很多，例如：可以采用局部与全局相结合的方式来实现，即提取区域内部的全局统计特征；也可以通过提取区域中的局部不变特征来对区域进行表征；还可以根据词袋模型来对区域信息进行表征。

(4)基于仿生特征的场景识别方法

考虑到场景识别的实时性与高效性，目前最好的计算机视觉系统与人类以及其他动物的视觉系统之间仍然存在着无法弥补的差距。鉴于人和动物所具有的优越的场景识别能力，随之产生了基于仿生特征的场景识别方法，该方法通过模拟生物视皮层的处理机制来实现场景识别。其基本思路是针对某一种生物视觉机制或某一类生物视觉特性展开研究，并通过细致的分析来建立有效的计算模型，从而获取令人满意的结果。例如，基于人类视觉注意力选择机制的方法可以将某些容易引起人注意的图像区域信息作为优先处理对象，这种选择性的机制能够极大地提高场景识别方法对视觉信息的处理、分析与识别的效率。

现有场景识别中存在的各项难点，例如同一场景是动态变化的、同一场景的图片存在多变性、不同的类之间的图像可能会有很多相似的点、不同场景的图像可能会出现重叠的情况等都导致的场景分类的精确度不高，本发明提供了一种基于单隐层神经网络的场景识别方法，基于全局特征的场景识别，将整个场景图像是作为一个整体被判别的，而不涉及具体目标，可实现较高的场景图像识别率。

发明内容

本发明要解决的技术问题，在于提供一种基于单隐层神经网络的场景识别方法，提高场景识别精确度。

本发明是这样实现的：一种基于单隐层神经网络的场景识别方法，包括训练阶段和识别阶段；

所述训练阶段包括：对预先采集的用于训练的样本图像集进行预处理，提取预处理后的样本图像集的局部梯度统计特征，将所述局部梯度统计特征以及对应场景类别标签加入到单隐层神经网络分类器进行层级式监督学习，得到复数个不同的多类单隐层神经网络的最优参数，根据所述最优参数构建多层级场景分类器；

所述识别阶段包括：对待识别的图像集进行预处理，提取预处理后的待识别图像集的局部梯度统计特征，将提取到的所述待识别图像的局部梯度统计特征向量送入所述多层级场景分类器中进行识别，得到所属场景类的类别标注。

进一步的，所述预处理包括图像对比度归一化及Gamma校正处理，通过调节图像的对比度，减轻由于图像局部的阴影和光照变化所造成的影响，抑制噪音的干扰。

进一步的，所述图像对比度归一化具体包括：将图像从RGB颜色空间转到YUV颜色空间以及对YUV颜色空间进行全局和局部对比归一化处理，所述全局和局部对比归一化处理过程只对Y通道进行操作，而其他两个通道保持不变，所述全局归一化是将图像像素值归一化到图像像素均值附近，所述局部归一化是对边缘进行加强，通过图像对比度的归一化处理，可显著减轻由于图像局部的阴影和光照变化所造成的影响。

进一步的，所述局部梯度统计特征的提取具体如下：

将图像分为Y、U、V三通道，分别计算Y通道、U通道和V通道的一阶梯度；

将图像划分成不重叠的细胞单元，计算每个细胞单元的梯度直方图；

将相邻的2×2的细胞单元组成重叠的块，块滑动大小为一个细胞单元的大小，在每个块里面进行梯度直方图的二范数归一化，叠加每个块的直方图信息得到Y通道的特征向量、U通道的特征向量以及V通道的特征向量；

将三个通道的特征向量进行叠加得到最终的局部梯度统计特征。通过特征提取能够有效地将颜色信息融合到最终的特征中去，提高识别精度。

进一步的，所述一阶梯度的计算方式为：采用Sobel算子对原图像进行卷积操作得到X方向(水平方向)的梯度分类G_x(x,y)及Y方向(竖直方向)的梯度分量G_y(x,y)，求取图像中每个像素点的梯度大小G(x，y)和方向

$G(x,y)=\sqrt{G_x{(x,y)}^2+G_y{(x,y)}^2},$

$\∂(x,y)=\arctan \left(G_y\right(x,y)/G_x(x,y\left)\right).$

进一步的，所述最优参数的获得方式具体为：对于每个多类的单隐层神经网络，要学习的参数包括正则项系数及隐层节点个数，采用分别调参的策略：先随机设置隐层节点个数，学习出最优的正则项系数，再将正则项系数设为最优值，学习出最优的隐层节点个数，得到最优的正则项系数和隐层节点个数，即最优参数。

进一步的，所述多层级场景分类器的层级数根据场景本身属性的从属关系进行划分，每一级包括至少一个多类的单隐层神经网络。

进一步的，所述单隐层神经网络的模型包括三层：输入层、隐藏层和输出层，所述输入层接收提取到的图像的特征向量，经过隐藏层进行数据处理后从输出层输出，根据输出量决定当前数据所属的类型。

本发明具有如下优点：

1、通过特征提取来应对场景图片的动态变化，能较好地关注到场景图片的除颜色、光照、视角影响以外的其他一些不变性，提高识别的精度；

2、通过预处理操作，显著减轻由于图像局部的阴影和光照变化所造成的影响；

3、本发明基于单隐层神经网络的场景识别，针对场景图片的多变性，采用多组不同的数据加入实验，减轻了因图片可变性因素影响分类结果判定，由于采用的单隐层神经网络具备很好的分类性能，学习速度极快从而可以满足识别的实时性及精度。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明方法执行流程图。

图2为本发明方法的处理过程示意图。

图3为本发明方法特征提取流程图。

图4为基于单隐层神经网络构建的层级式场景分类器模型示意图。

图5为单隐层神经网络模型示意图。

具体实施方式

如图1至5所示，一种基于单隐层神经网络的场景识别方法，包括训练阶段和识别阶段；

所述训练阶段包括：

步骤1、对预先采集的用于训练基于单隐层神经网络的层级式场景分类器的样本图像集进行预处理，所述样本图像在尽可能多的包含不同的模态，且对应的不同类的场景图像尽可能保持均衡，以便更好的学习出场景分类器参数；所述预处理包括图像对比度归一化和Gamma校正处理，且所述图像对比度归一化具体包括：将图像从RGB颜色空间转到YUV颜色空间以及对YUV颜色空间进行全局和局部对比归一化处理，所述全局和局部对比归一化处理过程只对Y通道进行操作，而其他两个通道保持不变，所述全局归一化是将图像像素值归一化到图像像素均值附近，所述局部归一化是对边缘进行加强，通过图像对比度的归一化处理，可显著减轻由于图像局部的阴影和光照变化所造成的影响；

步骤2、提取预处理后的样本图像集的局部梯度统计特征：

将样本图像分为Y、U、V三通道，分别计算Y通道、U通道和V通道的一阶梯度，每一通道的一阶梯度均通过以下方式计算得到：采用Sobel算子对原图像进行卷积操作得到X方向(水平方向)的梯度分类G_x(x,y)及Y方向(竖直方向)的梯度分量G_y(x,y)，求取图像中每个像素点的梯度大小G(x，y)和方向的公式为：

$G(x,y)=\sqrt{G_x{(x,y)}^2+G_y{(x,y)}^2},$

Sobel算子操作简单，但是结果却比其他复杂算子效果好。

将样本图像划分成不重叠的细胞单元，计算每个细胞单元的梯度直方图；每个滑动窗口由复数个块组成，每个块再划分成复数个细胞单元(每个细胞单元由多个像素组成的)，每个窗口对应的一维特征向量维数就等于窗口块数乘以块中细胞单元数再乘以每个细胞单元对应的特征向量，主要通过将局部图像区域进行编码，将每个细胞单元中所有像素梯度方向按照加权的思想累加到相应的直方图方向区间内，形成最初的特征，比如将角度范围0～180度划分为8等份，即将细胞单元的梯度方向180度划分成8个方向块，对细胞单元内每个像素梯度方向在直方图中按梯度大小作为投影的权值进行加权投影(映射到固定的角度范围)，就可以得到这个细胞单元的梯度方向直方图；

将相邻的2×2的细胞单元组成重叠的块，块滑动大小为一个细胞单元的大小，在每个块里面进行梯度直方图的二范数归一化，叠加每个块的直方图信息得到Y通道的特征向量、U通道的特征向量以及V通道的特征向量，比如，将所有重叠的块里面的直方图按照从上到下或从左到右的顺序组合起来，就形成最终的某一通道的特征向量，重叠的块可以保证每个单元胞体在最后的向量中出现多次，所以需要对梯队强度做归一化，由于光照以及前景背景的对比度造成梯度强度变换范围很广，所以有效的局部归一化方法可以减少这些影响，提高性能；

将三个通道的特征向量进行叠加得到最终的局部梯度统计特征；

步骤3、将所述局部梯度统计特征以及对应场景类别标签加入到单隐层神经网络分类器进行层级式监督学习，得到复数个不同的多类单隐层神经网络的最优参数，根据所述最优参数构建多层级场景分类器，所述多层级场景分类器的层级数根据场景本身属性的从属关系进行划分，每一级包括至少一个多类的单隐层神经网络，不同的多类单隐层神经网络可以分别进行训练；对于每个多类的单隐层神经网络，要学习的参数包括正则项系数及隐层节点个数，采用分别调参的策略，先随机设置隐层节点个数，学习出最优的正则项系数，再将正则项系数设为最优值，学习出最优的隐层节点个数，得到最优的正则项系数和隐层节点个数。

所述识别阶段包括：

步骤4、对待识别的图像集进行预处理，所述预处理包括图像对比度归一化和Gamma校正处理，所述图像对比度归一化具体包括：将图像从RGB颜色空间转到YUV颜色空间以及对YUV颜色空间进行全局和局部对比归一化处理，所述全局和局部对比归一化处理过程只对Y通道进行操作，而其他两个通道保持不变，所述全局归一化是将图像像素值归一化到图像像素均值附近，所述局部归一化是对边缘进行加强，通过图像对比度的归一化处理，可显著减轻由于图像局部的阴影和光照变化所造成的影响。

步骤5、提取预处理后的待识别图像集的局部梯度统计特征，该提取局部梯度统计特征与步骤2中提取局部梯度统计特征的操作过程一致：

将待识别图像分为Y、U、V三通道，分别计算Y通道、U通道和V通道的一阶梯度，每一通道的一阶梯度均通过以下方式计算得到：采用Sobel算子对原图像进行卷积操作得到X方向(水平方向)的梯度分类G_x(x,y)及Y方向(竖直方向)的梯度分量G_y(x,y)，求取图像中每个像素点的梯度大小G(x，y)和方向的公式为：

$G(x,y)=\sqrt{G_x{(x,y)}^2+G_y{(x,y)}^2},$

Sobel算子操作简单，但是结果却比其他复杂算子效果好；

将待识别图像划分成不重叠的细胞单元，计算每个细胞单元的梯度直方图；每个滑动窗口由复数个块组成，每个块再划分成复数个细胞单元(每个细胞单元由多个像素组成的)，每个窗口对应的一维特征向量维数就等于窗口块数乘以块中细胞单元数再乘以每个细胞单元对应的特征向量，主要通过将局部图像区域进行编码，将每个细胞单元中所有像素梯度方向按照加权的思想累加到相应的直方图方向区间内，形成最初的特征，比如将角度范围0～180度划分为8等份，即将细胞单元的梯度方向180度划分成8个方向块，对细胞单元内每个像素梯度方向在直方图中按梯度大小作为投影的权值进行加权投影(映射到固定的角度范围)，就可以得到这个细胞单元的梯度方向直方图；

将相邻的2×2的细胞单元组成重叠的块，块滑动大小为一个细胞单元的大小，在每个块里面进行梯度直方图的二范数归一化，叠加每个块的直方图信息得到Y通道的特征向量、U通道的特征向量以及V通道的特征向量，比如，将所有重叠的块里面的直方图按照从上到下或从左到右的顺序组合起来，就形成最终的某一通道的特征向量，重叠的块可以保证每个单元胞体在最后的向量中出现多次，所以需要对梯队强度做归一化，由于光照以及前景背景的对比度造成梯度强度变换范围很广，所以有效的局部归一化方法可以减少这些影响，提高性能；

将三个通道的特征向量进行叠加得到最终的局部梯度统计特征，通过特征提取能够有效地将颜色信息融合到最终的特征中去，提高识别精度；

步骤6、将提取到的所述待识别图像的局部梯度统计特征向量送入所述多层级场景分类器中进行识别，得到所属场景类的类别标注，从而实现场景识别。

所述单隐层神经网络的模型包括三层：输入层、隐藏层和输出层，所述输入层接收提取到的图像的特征向量，经过隐藏层进行数据处理后从输出层输出，根据输出量决定当前数据所属的类型，所述隐含层包括L个隐含神经元，一般情况下L远小于样本个数，输出层输出m维的向量，忽略输入层和隐含层，只考虑隐含层神经元的输出和输出层，最后优化过程不仅使误差最小，也使隐含层输出权值达到最小，这样模型的泛化能力就最好。在训练学习时，通过给定的已知类别的训练数据的训练样本(即一组观测量)来估计模型的参数，在识别时，通过输入当前待识别场景图像的特征向量，将其送入已训练好的单隐层神经网络模型中，最后根据单隐层神经网络模型的输出量，来决定当前测试数据所述的类型，其所属的类别由最高的输出节点确定。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (8)

1.一种基于单隐层神经网络的场景识别方法，其特征在于：包括训练阶段和识别阶段；

所述训练阶段包括：对预先采集的用于训练的样本图像集进行预处理，提取预处理后的样本图像集的局部梯度统计特征，将所述局部梯度统计特征以及对应场景类别标签加入到单隐层神经网络分类器进行层级式监督学习，得到复数个不同的多类单隐层神经网络的最优参数，根据所述最优参数构建多层级场景分类器；

所述识别阶段包括：对待识别的图像集进行预处理，提取预处理后的待识别图像集的局部梯度统计特征，将提取到的所述待识别图像的局部梯度统计特征向量送入所述多层级场景分类器中进行识别，得到所属场景类的类别标注。

2.根据权利要求1所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述预处理包括图像对比度归一化及Gamma校正处理。

3.根据权利要求2所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述图像对比度归一化具体包括：将图像从RGB颜色空间转到YUV颜色空间以及对YUV颜色空间进行全局和局部对比归一化处理，所述全局和局部对比归一化处理过程只对Y通道进行操作，而其他两个通道保持不变，所述全局归一化是将图像像素值归一化到图像像素均值附近，所述局部归一化是对边缘进行加强。

4.根据权利要求1所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述局部梯度统计特征的提取具体如下：

将图像分为Y、U、V三通道，分别计算Y通道、U通道和V通道的一阶梯度；

将图像划分成不重叠的细胞单元，计算每个细胞单元的梯度直方图；

将相邻的2×2的细胞单元组成重叠的块，块滑动大小为一个细胞单元的大小，在每个块里面进行梯度直方图的二范数归一化，叠加每个块的直方图信息得到Y通道的特征向量、U通道的特征向量以及V通道的特征向量；

将三个通道的特征向量进行叠加得到最终的局部梯度统计特征。

5.根据权利要求4所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述一阶梯度的计算方式为：采用Sobel算子对原图像进行卷积操作得到X方向的梯度分量G_x(x,y)及Y方向的梯度分量G_y(x,y)，求取图像中每个像素点的梯度大小G(x，y)和方向

6.根据权利要求1所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述最优参数的获得方式具体为：对于每个多类的单隐层神经网络，要学习的参数包括正则项系数及隐层节点个数，采用分别调参的策略：先随机设置隐层节点个数，学习出最优的正则项系数，再将正则项系数设为最优值，学习出最优的隐层节点个数，得到最优的正则项系数和隐层节点个数，即最优参数。

7.根据权利要求1所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述多层级场景分类器的层级数根据场景本身属性的从属关系进行划分，每一级包括至少一个多类的单隐层神经网络。

8.根据权利要求1所述的一种基于单隐层神经网络的场景识别方法，其特征在于：所述单隐层神经网络的模型包括三层：输入层、隐藏层和输出层，所述输入层接收提取到的图像的特征向量，经过隐藏层进行数据处理后从输出层输出，根据输出量决定当前数据所属的类型。