一种基于改进的 Hopfield 神经网络的服装标志识别方法
【技术领域】
[OOOU 本发明设及计算机领域，尤其设及一种基于改进的化pfield神经网络的服装标 志识别方法。
【背景技术】
[0002] 随着人类进入信息时代，计算机越来越广泛应用于各种领域。人们往往通过人眼 对服装的视觉信息进行解读，确定服装的颜色、品牌、样式等特性，该些特性对于一些指定 着装规范的场合尤为重要，例如中国石油要求员工穿着印有公司标志的红色工作服，并W 此作为通过口禁的标准。服装识别由于其多变性及环境的复杂性极具有挑战性。目前在商 品的标志定位的应用研究还存在大量空白。目前主要还是靠人工对商品的标志定位进行识 另IJ，效率极低。
【发明内容】
[000引本发明实施例提供一种基于改进的化pfield神经网络的服装标志识别方法，W 解决现有的靠人工对商品的标志进行识别效率极低的问题。
[0004] 本发明的第一方面提供一种基于改进的化pfield神经网络的服装标志识别方 法，包括：
[0005] 通过小波变换对原始图像进行特征提取；
[0006] 根据所述特征作为目标模式建立化pfield神经网络模型。
[0007] 根据第一方面，在第一种可能的实现方式中，所述通过小波变换对原始图像进行 特征提取，包括：
[000引获得记忆样本；
[0009] 对所述记忆样本进行图像预处理；
[0010] 对经过图像预处理的图像进行小波变换，获得第一特征。
[0011] 根据第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述根据 所述特征作为目标模式建立化pfield神经网络模型，包括：
[0012] 根据所述第一特征建立特征库；
[0013] 根据所述特征库建立化pfield神经网络。
[0014] 根据第一方面，在第=种可能的实现方式中，所述通过小波变换对原始图像进行 特征提取，包括：
[0015] 获得测试样本
[0016] 对所述测试样本进行图像预处理
[0017] 对经过图像预处理的图像进行小波变换，获得第二特征。
[0018] 根据第一方面的第二种可能的实现方式或第=种可能的实现方式，在第四种可能 的实现方式中，所述方法还包括：
[0019] 将所述第二特征输入至所述化pfield神经网络，获得新的特征向量；
[0020] 根据所述特征库和新的特征向量获得特征距离；
[0021] 根据所述特征距离进行标识识别。
[002引本发明实施例提供的一种基于改进的化pfield神经网络的服装标志识别方法， 通过使用小波变换对图像进行特征提取，使用该些特征作为目标模式建立化pfield神经 网络模型，极大的提高了标志识别的效率。
【附图说明】
[0023] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍。
[0024] 图1为本发明实施例提供的基于改进的化pfield神经网络的服装标志识别方法 的流程示意图；
[0025] 图2为本发明实施例提供的一层小波分解的示意图；
[0026] 图3. 1、图3. 2、图3. 3和图3. 4分别为S叶草、阿迪达斯、耐克、中国石油标志使用 粗网格方法提取的特征值曲线；
[0027] 图4. 1、图4. 2、图4. 3和图4. 4分别为S叶草、阿迪达斯、耐克、中国石油标志利用 小波变换所提取的特征值曲线；
[0028] 图5为nntool中创建的化pfield神经网络的逻辑视图；
[0029] 图6. 1和图6. 2分别为同一样本几何校正前后的小波特征曲线；
[0030] 图7为噪声比例与欧式距离关系示意图。
【具体实施方式】
[0031] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[003引图1为本发明实施例提供的基于改进的化pfield神经网络的服装标志识别方法 的流程示意图。传统的化pfield神经网络容易收敛到局部极值，收敛过程震荡、计算复杂 且存在积分项，使得应用受限。本发明实施例采用的是Li改进的化pfield神经网络模型， 改进主要体现在使用二次项的能量函数上，该改进的化pfield神经网络模型应用在服装 识别上更有优势。该个神经网络模型采用定义在一个超立方体内部的一阶线性常微分方 程，当问题的解位于超立方体的边界时，系统性能上等价于化pfield神经网络。实验证实， Li改进的神经网络计算简单、直接收敛且能量函数更精确。传统的化pfield神经网络和改 进的化pfield神经网络的区别如表1所示。
[003引表1传统化pfield神经网络和改进的区别 [0034]
【主权项】
1. 一种基于改进的Hopfield神经网络的服装标志识别方法，其特征在于，包括： 通过小波变换对原始图像进行特征提取； 根据所述特征作为目标模式建立Hopfield神经网络模型。
2. 根据权利要求1所述的方法，其特征在于，所述通过小波变换对原始图像进行特征 提取，包括： 获得记忆样本； 对所述记忆样本进行图像预处理； 对经过图像预处理的图像进行小波变换，获得第一特征。
3. 根据权利要求2所述的方法，其特征在于，所述根据所述特征作为目标模式建立 Hopfield神经网络模型，包括： 根据所述第一特征建立特征库； 根据所述特征库建立Hopfield神经网络。
4. 根据权利要求1所述的方法，其特征在于，所述通过小波变换对原始图像进行特征 提取，包括： 获得测试样本 对所述测试样本进行图像预处理 对经过图像预处理的图像进行小波变换，获得第二特征。
5. 根据权利要求3或4所述的方法，其特征在于，所述方法还包括： 将所述第二特征输入至所述Hopfield神经网络，获得新的特征向量； 根据所述特征库和新的特征向量获得特征距离； 根据所述特征距离进行标识识别。
【专利摘要】本发明实施例公开一种基于改进的Hopfield神经网络的服装标志识别方法，应用于计算机领域，以解决现有的靠人工对商品的标志进行识别效率极低的问题。该方法包括：通过小波变换对原始图像进行特征提取；根据所述特征作为目标模式建立Hopfield神经网络模型。本发明的实施例应用于标志识别。
【IPC分类】G06K9-54, G06N3-02
【公开号】CN104616018
【申请号】CN201410751302
【发明人】彭德中, 章毅, 吕建成, 张蕾, 张海仙, 桑永胜, 郭际香, 毛华, 甄亮利, 傅夏生
【申请人】四川大学
【公开日】2015年5月13日
【申请日】2014年12月9日