基于(2D)2-PCANet的种子图像识别

• 作者: 刘彩玲 岳荷荷
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 图像识别 深度卷积网络 特征模板 (2D)2-PCA 二维关系 特征训练
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 232-238
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.10.037

摘要

PCA算法采用一维向量计算协方差矩阵,再求特征向量,不仅计算量大,而且会破坏图像的二维结构.为此对PCANet进行改进,提出(2D)2-PCANet.该网络采用(2D)2-PCA算法计算特征模板,利用二维图像矩阵计算协方差矩阵,然后求特征向量.相比PCA算法,不仅计算量小,而且会保留更多图像的二维关系.使用(2D)2-PCANet和PCANet在杂草种子图像数据集上进行实验,结果表明,相比PCANet,该算法取得了更高的识别率,最高为97.04％.进一步采用稀疏正交交换法,通过减小每层图像的重构误差来训练特征模板,相比未进行特征模板训练的网络,识别率提高了0.8％.