摘要
现有的半色调图像分类方法存在着识别半色调图像类型较少、分类准确率较低等问题.为了进一步提高半色调图像的分类准确率,本文提出一种基于融合注意力机制深度网络的半色调图像分类方法.首先,应用稠密残差块深度提取半色调图像信息,并应用通道注意力机制提取不同通道间的半色调图像噪点分布特征;然后,应用空间注意力机制提取不同通道不同空间下半色调图像噪点之间的关系;最后,应用分类器对识别到的半色调图像噪点分布特征进行分类,从而实现对半色调图像的分类.实验结果表明,运用基于融合注意力机制深度网络的半色调分类方法可以以99.72%的准确率、0.9971 的F1 分数实现14 类半色调图像的分类.与其他方法相比,本文提出的方法在半色调图像分类准确率上提高了 0.14%～0.24%,在F1 分数上提高了 0.0014.该方法可以以最高的准确率实现最多类型的半色调图像的分类.
NETL
NSTL
万方数据