计算机工程与科学

作者：吕伏, 韩晓天, 冯永安, 项梁

单位：（1.辽宁工程技术大学鄂尔多斯研究院,内蒙古 鄂尔多斯 017000；2.辽宁工程技术大学软件学院,辽宁 葫芦岛 125105）

关键词：纹理分类,决策融合,深度学习,双线性神经网络,ResNet,

基金：国家自然科学基金（51904144，51874166，51974145，52274206）；辽宁工程技术大学鄂尔多斯研究院校地科技合作培育项目（YJY-XD-2023-014）

现有基于深度学习的图像分类方法普遍缺少纹理特征的针对性，分类精度较低，难以同时适用于简单纹理和复杂纹理分类。提出一种基于自适应纹理特征融合的深度学习模型，能够结合类间差异性纹理特征做出分类决策。首先，根据纹理特征的最大类间差异性，构建图像的纹理特征图像；然后，采用原始图像与特征鲜明的纹理特征图像并行训练改进的双线性模型，获取双通道特征；最后，基于决策融合构建自适应分类模块，连接原图与纹理集的平均池化特征图进行通道权重提取，根据通道权重融合2个并行神经网络模型的分类向量，得到最优融合分类结果。在KTH-TIPS，KTH-TIPS-2b,UIUC和DTD 4个公共纹理数据集上对模型的分类性能进行评估，分别得到了99.98%、99.95%、99.99%和67.09%的准确率，表明所提模型具有普遍高效的识别性能。

来源：2024年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第3期