买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学

摘要：一种基于D‑Resnet的高光谱中医舌苔舌质分类方法，涉及计算机视觉领域。基于RGB颜色空间的舌苔舌质分类，信息量不足，而高光谱舌像蕴含大量的光谱以及空间信息，通过提取舌象某一区域的光谱反射率变化情况结合高光谱图像提供的空间分布信息，从而实现人体的舌苔舌质分类。本发明提出一个端到端的D‑Resnet网络对高光谱舌图像进行分类，本发明先构造了密集连接模块densely‑connectedspectralblock提取光谱信息，随后构造了预激活瓶颈残差模块pre‑activationbottleneckresidualspatialblock提取空间信息。本发明实现了基于高光谱图像的舌苔舌质分类。

主权项：1.一种基于D-Resnet网络的高光谱图像分类方法，其特征在于，包括以下步骤：1、高光谱舌像预处理通过ENVI软件对原始舌图像数据集进行反射率校准并进行标注，得到标签图像作为真值，随机从原始舌图像数据集中选择一张图像输入到数据提取模块，每次随机在图像中选择9×9×L的小块作为输入，其中L是网络自动读取的图像光谱维数；2、构建D-Resnet网络D-Resnet网络包含四个部分:光谱信息提取模块，光谱压缩模块，空间信息提取模块以及输出模块；光谱信息提取模块由三个3D卷积层组成，在卷积层间构造密集连接，每个卷积层通过密集连接与之前的所有卷积层相连；然后送入光谱压缩模块将光谱维压缩，光谱压缩模块由两个3D卷积层组成；随后送入空间信息提取模块进一步提取舌像中的空间特征，该模块由两个单元组成：U1、U2，每个单元有两个3×3×1卷积层和两个1×1×1卷积层，并且每个单元通过跳跃连接与前一个单元相连；在U1、U2中的每个卷积层之前加入BN和PreLu对网络进行预激活；最后送入输出模块，通过平均池化层对邻域内特征点求平均，将特征的大小映射到1×1×1；然后通过flatten层，dropout层和完全连接层，进行softmax回归，生成预测向量1×1×C，其中C是要分类的类别数；3、利用D-Resnet网络实现医学高光谱舌像分类选取高光谱舌图像数据分别作为训练集、验证和测试数据集，随后将训练集高光谱舌图像中选取的9×9×L小块以及其对应的标签图像作为真值输入到D-Resnet网络中，进行训练，得到初始分类模型；共10次训练周期，训练时采用可变学习率，设置初始学习率为0.01，当分类精度在一个训练周期后没有提高时，学习率减半；如果精度在下一个训练周期后依然不再增加，则学习率将再次降低一半，并循环，直到小于设置的最小学习率则不再改变；随后使用交叉熵损失函数测量预测值和实际值之间的差值来对得到的初始分类模型进行验证，验证的最终目的是对模型进行优化，使得分类模型分出的结果图与真值一致，最终通过交叉验证得到一个最优分类模型；将高光谱舌图像送入得到的最优分类模型，实现基于高光谱的中医舌苔舌质分类。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于D-Resnet的高光谱中医舌苔舌质分类方法