專利名稱：對提取圖像隱式語義特征進(jìn)行修正的方法
技術(shù)領(lǐng)域：
本發(fā) 明涉及圖像處理的領(lǐng)域，尤其是對提取圖像隱式語義特征進(jìn)行修正的方法。
背景技術(shù)：
目前，我國60歲以上人口達(dá)1.8億人，約占總?cè)丝?13.8%，按國際標(biāo)準(zhǔn)衡量，我國已進(jìn)入了老年型社會，隨著國家大力加快建立和完善覆蓋城鄉(xiāng)居民的社會保障體系，如社會養(yǎng)老保險(xiǎn)金的發(fā)放、企業(yè)年金、醫(yī)療保險(xiǎn)等，老齡用戶將成為未來社會公共服務(wù)的主要群體，社會養(yǎng)老保險(xiǎn)金、企業(yè)年金等發(fā)放過程中存在欺騙、冒領(lǐng)現(xiàn)象成為現(xiàn)今社會普遍關(guān)注的問題，信息化、數(shù)字化、網(wǎng)絡(luò)技術(shù)為解決老齡用戶身份認(rèn)證困局提供了幫助。目前，生物特征識別技術(shù)、遠(yuǎn)程視頻認(rèn)證已經(jīng)被成功應(yīng)用到核實(shí)社會養(yǎng)老金冒領(lǐng)現(xiàn)象中老齡用戶的身份。目前，使用的隱式語義特征的提取方法中，不存在進(jìn)行修正的功能，如果需要進(jìn)行修改，則需要手動進(jìn)行修改，操作起來很麻煩。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是為了克服上述中存在的問題，提供一種能夠自動調(diào)整從而實(shí)現(xiàn)圖像隱式語義特征的修正的對提取圖像隱式語義特征進(jìn)行修正的方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種對提取圖像隱式語義特征進(jìn)行修正的方法，其具體步驟是a.引入自適應(yīng)動態(tài)反饋結(jié)構(gòu)在基于模糊神經(jīng)網(wǎng)絡(luò)的智能黑箱模型中，利用帶GA 優(yōu)化算法的自適應(yīng)反饋結(jié)構(gòu)來提取辨識的語義特征和狀態(tài)參數(shù)；b.圖像隱式語義特征歸一化通過辨識出智能黑箱模型的狀態(tài)參數(shù)和與通過樣本學(xué)習(xí)得到的所定基準(zhǔn)狀態(tài)進(jìn)行比較，得出差值作為模型的輸入，從而得因環(huán)境差異而導(dǎo)致的圖像隱式語義特征偏差。本發(fā)明的對提取圖像隱式語義特征進(jìn)行修正的方法的有益效果是通過引入帶遺傳算法(GA)的自適應(yīng)反饋結(jié)構(gòu)，對系統(tǒng)自動調(diào)整，實(shí)現(xiàn)圖像隱式語義特征的修正，此方法采集質(zhì)量好和可靠性強(qiáng)，能夠滿足不同場合的實(shí)際要求。


下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。圖1是本發(fā)明的結(jié)構(gòu)框圖。
具體實(shí)施例方式現(xiàn)在結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。如圖1所示的一種對提取圖像隱式語義特征進(jìn)行修正的方法，其具體步驟是a.引入自適應(yīng)動態(tài)反饋結(jié)構(gòu)在基于FNN的“智能黑箱模型”中，在樣本學(xué)習(xí)階段，利用帶GA優(yōu)化算法的自適應(yīng)反饋結(jié)構(gòu)來提取辨識的語義特征和狀態(tài)參數(shù)。其技術(shù)方案主要有兩種方式①FNN優(yōu)化GA的方式。在前期研究基礎(chǔ)上，利用FNN中的FL動態(tài)地調(diào)整GA 的交叉概率Pc與變異概率Pm參數(shù)以及控制進(jìn)化過程，避免早熟的情況 ’②GA優(yōu)化FNN的方式，借鑒Papadakis和賀素良等的思路，利用GA對FNN的中的FL和NN的主要參數(shù)分別進(jìn)行調(diào)整，其中，調(diào)整FL的參數(shù)主要包括模糊規(guī)則的隸屬函數(shù)和模糊學(xué)習(xí)規(guī)則，和調(diào)整NN 的主要參數(shù)包括學(xué)習(xí)步長、網(wǎng)絡(luò)權(quán)值、隱含層節(jié)點(diǎn)數(shù)值等。這樣不斷通過反饋學(xué)習(xí)，在穩(wěn)定性條件滿足之后，將得到辨識的圖像隱式語義特征，并記下此時(shí)的估計(jì)的狀態(tài)參數(shù)；b.圖像隱式語義特征歸一化為消除外界環(huán)境因素的影響，得到穩(wěn)定的圖像隱式語義特征，本研究進(jìn)一步對圖像隱式語義特征進(jìn)行修正和歸一化處理即根據(jù)所辨識出的 “智能黑箱模型”的狀態(tài)參數(shù)與通過樣本學(xué)習(xí)得到的所定基準(zhǔn)狀態(tài)比較，其差值作為模型的輸入，求得因環(huán)境差異而導(dǎo)致的圖像隱式語義特征偏差，從而得到歸一化的圖像隱式語義特征。以上述依據(jù)本發(fā)明的理想實(shí)施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項(xiàng)發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項(xiàng)發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍
權(quán)利要求
1. 一種對提取圖像隱式語義特征進(jìn)行修正的方法，其特征是其具體步驟是a.引入自適應(yīng)動態(tài)反饋結(jié)構(gòu)在基于模糊神經(jīng)網(wǎng)絡(luò)的智能黑箱模型中，利用帶GA優(yōu)化算法的自適應(yīng)反饋結(jié)構(gòu)來提取辨識的語義特征和狀態(tài)參數(shù)；b.圖像隱式語義特征歸一化通過辨識出智能黑箱模型的狀態(tài)參數(shù)和與通過樣本學(xué)習(xí)得到的所定基準(zhǔn)狀態(tài)進(jìn)行比較，得出差值作為模型的輸入，從而得因環(huán)境差異而導(dǎo)致的圖像隱式語義特征偏差。
全文摘要
本發(fā)明涉及圖像處理的領(lǐng)域，尤其是對提取圖像隱式語義特征進(jìn)行修正的方法，其具體步驟是a.引入自適應(yīng)動態(tài)反饋結(jié)構(gòu)；b.圖像隱式語義特征歸一化。本發(fā)明的對提取圖像隱式語義特征進(jìn)行修正的方法，通過引入帶遺傳算法(GA)的自適應(yīng)反饋結(jié)構(gòu)，對系統(tǒng)自動調(diào)整，實(shí)現(xiàn)圖像隱式語義特征的修正，此方法采集質(zhì)量好和可靠性強(qiáng)，能夠滿足不同場合的實(shí)際要求。
文檔編號G06K9/46GK102436585SQ201110264749
公開日2012年5月2日 申請日期2011年9月7日 優(yōu)先權(quán)日2011年9月7日
發(fā)明者余人強(qiáng), 劉華平, 吳軍, 吳智君 申請人:常州藍(lán)城信息科技有限公司