基于(2D)2-PCANet的种子图像识别

作者：刘彩玲; 岳荷荷

来源：计算机应用与软件, 2020, 37(10): 232-238.

• 图像识别
• 深度卷积网络
• 特征模板
• 2-PCA" name="keyword">(2D)2-PCA
• 二维关系
• 特征训练

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%。

• 单位
  山西农业大学