基于卷积神经网络的图像识别方法

为了提高图像识别的全面性及准确性,研究了一种基于卷积神经网络(Convolutional Neural Network,CNN)的图像识别方法。该方法利用萤火虫算法获取分割阈值,实现图像目标和背景的分割;利用灰度共生矩阵和基于加速分割测试的特征(Features From Accelerated Segment Test,FAST)算法提取图像纹理和角点特征;以特征为输入,利用卷积神经网络实现目标类别识别。测试结果表明,设计的基于CNN的识别方法的F1分数为最大值,均在0.8以上,能够更全面、更准确地识别图像中的目标类型。