识别重复纹理的方法和装置制造方法及图纸

本发明专利技术提供了一种识别重复纹理的方法和装置，属于图像识别技术领域。所述方法包括：获取第一重复纹理区域及预设的尺度阈值；根据尺度阈值确定第一重复纹理区域的第一提取尺寸；根据第一提取尺寸从第一重复纹理区域中提取第一纹理块；对第一纹理块进行识别。所述装置包括：第一获取模块、第二获取模块、第一确定模块、第一提取模块和识别模块。本发明专利技术通过预设的尺度阈值确定重复纹理区域的提取尺寸，根据提取尺寸提取纹理块，使得提取纹理块的依据为尺度阈值，非重复纹理的纹元具有相同特征点数的假设，以至本发明专利技术提供的方法除适用于该假设成立的场景之外，还适用于该假设不成立的场景，扩展了重复纹理的识别场景。

【技术实现步骤摘要】

本专利技术涉及图像识别
，尤其涉及一种识别重复纹理的方法和装置。
技术介绍
图像纹理为图像区域间像素的关系，如图像区域间像素的均值、方差、差分，或者其他更复杂的关系。重复纹理为一个连通区域内按照一定模式重复出现的纹理。重复纹理普遍的存在于图像中，比如纯色、格子、圆点、条纹、豹纹、千鸟纹、碎花、斑马纹等，通过识别重复纹理，可以辅助识别图像中的物体，或者寻找相似的物体。纹元为重复纹理区域中的一个固定或极为相似的纹理结构，一块区域中包含纹元的数量为重复纹理的尺度。在识别重复纹理时，从重复纹理区域中提取纹理块，该纹理块包含纹元，以纹理块的识别替代重复纹理区域的识别。由图1(a)所示的千鸟纹图案以及图1(b)所示的不同纹理块归一处理后的效果可以看出，若纹理块包含重复纹元较少，即尺度较小，纹理块中纹理特征信息较少，识别难度较大，识别准确性较低；若尺度较大，纹理特征信息较多，但是该纹理特征信息在归一处理时被消除，识别难度同样较大，识别准确性较低。因此，纹理块的提取影响识别效果。目前纹理块提取时，先使用诸如SIFT(Scale Invariant Feature Transform，尺度不变特征转换)算法或Harris(角点特征提取)算子等特征点提取算法从重复纹理区域中提取特征点，再依据重复纹理的纹元具有相同特征点数的假
设，使用不同尺寸的方形窗在重复纹理区域的不同位置统计窗内特征点数，最后选择窗内特征点密度与重复纹理区域内特征点密度相符的最小尺寸，依据最小尺寸提取纹理块。上述方法，纹理块基于重复纹理的纹元具有相同特征点数的假设提取，该假设对于豹纹这类杂乱重复纹理不一定成立，限制了上述方法的使用场景。
技术实现思路
为解决上述问题，本专利技术实施例提出了一种识别重复纹理的方法和装置。一方面，本专利技术实施例提供了一种识别重复纹理的方法，所述方法，包括：获取第一重复纹理区域及预设的尺度阈值；根据所述尺度阈值确定所述第一重复纹理区域的第一提取尺寸；根据所述第一提取尺寸从所述第一重复纹理区域中提取第一纹理块；对所述第一纹理块进行识别。可选地，所述根据所述尺度阈值确定所述第一重复纹理区域的第一提取尺寸，包括：根据所述尺度阈值确定预存的第二提取尺寸中的一个为第一提取尺寸。可选地，所述第二提取尺寸为多个；所述根据所述尺度阈值确定预存的第二提取尺寸中的一个为第一提取尺寸，包括：根据各第二提取尺寸从所述第一重复纹理区域中提取第二纹理块；确定所述第二纹理块的尺度特征；确定所述尺度阈值的尺度特征；根据各第二纹理块的尺度特征和所述尺度阈值的尺度特征确定一个第二提取尺寸为第一提取尺寸。可选地，所述方法，还包括：获取第二重复纹理区域；根据预设的第三提取尺寸从所述第二重复纹理区域中提取第三纹理块；通过深度学习模型和尺度准则对所述第三纹理块的尺度和尺度特征进行学习，获得深度网络识别模型；其中，所述深度网络识别模型描述纹理块、尺度和尺度特征之间的对应关系。可选地，所述确定所述第二纹理块的尺度特征，包括：根据所述深度网络识别模型确定所述第二纹理块的尺度特征。可选地，所述确定所述尺度阈值的尺度特征，包括：根据所述深度网络识别模型确定所述尺度阈值的尺度特征。另一方面，本专利技术实施例提供了一种识别重复纹理的装置，所述装置，包括：第一获取模块，用于获取第一重复纹理区域；第二获取模块，用于获取预设的尺度阈值；确定模块，用于根据所述第二获取模块获取的尺度阈值确定所述第一获取模块获取的第一重复纹理区域的第一提取尺寸；第一提取模块，用于根据所述确定模块确定的第一提取尺寸从所述第一获取模块获取的第一重复纹理区域中提取第一纹理块；识别模块，用于对所述第一提取模块提取的第一纹理块进行识别。可选地，所述确定模块，用于根据所述尺度阈值确定预存的第二提取尺寸中的一个为第一提取尺寸。可选地，所述第二提取尺寸为多个；所述确定模块，包括：提取单元，用于根据各第二提取尺寸从所述第一重复纹理区域中提取第二纹理块；第一确定单元，用于确定所述提取单元提取的第二纹理块的尺度特征；第二确定单元，用于确定所述尺度阈值的尺度特征；第三确定单元，用于根据所述第一确定单元确定的各第二纹理块的尺度特征和所述第二确定单元确定的尺度阈值的尺度特征确定一个第二提取尺寸为第一提取尺寸。可选地，所述装置，还包括：第三获取模块，用于获取第二重复纹理区域；第二提取模块，用于根据预设的第三提取尺寸从所述第三获取模块获取的第二重复纹理区域中提取第三纹理块；第四获取模块，用于通过深度学习模型和尺度准则对所述第二提取模块提取的第三纹理块的尺度和尺度特征进行学习，获得深度网络识别模型；其中，所述深度网络识别模型描述纹理块、尺度和尺度特征之间的对应关系。可选地，所述第一确定单元，用于根据所述深度网络识别模型确定所述第二纹理块的尺度特征。可选地，所述第二确定单元，用于根据所述深度网络识别模型确定所述尺度阈值的尺度特征。有益效果如下：通过预设的尺度阈值确定重复纹理区域的提取尺寸，根据提取尺寸提取纹理块，使得提取纹理块的依据为尺度阈值，非重复纹理的纹元具有相同特征点数的假设，以至本专利技术提供的方法除适用于该假设成立的场景之外，还适用于该假设不成立的场景，扩展了重复纹理的识别场景。附图说明下面将参照附图描述本专利技术的具体实施例，其中：图1示出了本专利技术
技术介绍
提供的千鸟纹图案及其在不同尺度下提取的纹理块归一处理后的效果示意图；图2示出了本专利技术一实施例提供的一种识别重复纹理的方法流程示意图；图3示出了本专利技术另一实施例提供的一种识别重复纹理的方法流程示意图；图4示出了本专利技术另一实施例提供的一种纹理块示意图；图5示出了本专利技术另一实施例提供的一种深度网络结构示意图；图6示出了本专利技术另一实施例提供的一种神经网络模型识别训练过程示意图；图7示出了本专利技术另一实施例提供的一种不同提取尺度对应的尺度特征示意图；图8示出了本专利技术另一实施例提供的一种识别重复纹理的装置结构示意图；图9示出了本专利技术另一实施例提供的二种确定模块结构示意图；图10示出了本专利技术另一实施例提供的另一种识别重复纹理的装置结构示意图。具体实施方式为了使本专利技术的技术方案及优点更加清楚明白，以下结合附图对本专利技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。重复纹理区域中包含纹元，且纹元重复出现，因此，包含纹元的纹理块中的纹理特征信息可以表征重复纹理区域中的纹理特征信息。而识别纹理块消耗的资源相对于识别重复纹理区域消耗的资源更少，在实际重复纹理识别过程中，常以纹理块的识别替代重复纹理区域的识别。由图1(a)和图1(b)可知纹理块的提取对识别效果至关重要，现有技术依据重复纹理的纹元具有相同特征点数的假设提取纹理块，而该假设对于豹纹这类杂乱重复纹理不一定成立，限制现有技术的使用场景。为了更加丰富识别场景，本专利技术提出了一种识
别重复纹理的方法，该方法应用于一种终端，该终端上运行有识别重复纹理的装置，该识别重复纹理的装置如下述图8、图9或图10所述的识别重复纹理的装置。该识别重复纹理的装置可以根据预设的尺度阈值确定重复纹理区域的提取尺寸，根据提取尺寸提取纹理块，本文档来自技高网...

【技术保护点】
一种识别重复纹理的方法，其特征在于，所述方法，包括：获取第一重复纹理区域及预设的尺度阈值；根据所述尺度阈值确定所述第一重复纹理区域的第一提取尺寸；根据所述第一提取尺寸从所述第一重复纹理区域中提取第一纹理块；对所述第一纹理块进行识别。

【技术特征摘要】
1.一种识别重复纹理的方法，其特征在于，所述方法，包括：获取第一重复纹理区域及预设的尺度阈值；根据所述尺度阈值确定所述第一重复纹理区域的第一提取尺寸；根据所述第一提取尺寸从所述第一重复纹理区域中提取第一纹理块；对所述第一纹理块进行识别。2.根据权利要求1所述的方法，其特征在于，所述根据所述尺度阈值确定所述第一重复纹理区域的第一提取尺寸，包括：根据所述尺度阈值确定预存的第二提取尺寸中的一个为第一提取尺寸。3.根据权利要求2所述的方法，其特征在于，所述第二提取尺寸为多个；所述根据所述尺度阈值确定预存的第二提取尺寸中的一个为第一提取尺寸，包括：根据各第二提取尺寸从所述第一重复纹理区域中提取第二纹理块；确定所述第二纹理块的尺度特征；确定所述尺度阈值的尺度特征；根据各第二纹理块的尺度特征和所述尺度阈值的尺度特征确定一个第二提取尺寸为第一提取尺寸。4.根据权利要求1所述的方法，其特征在于，所述方法，还包括：获取第二重复纹理区域；根据预设的第三提取尺寸从所述第二重复纹理区域中提取第三纹理块；通过深度学习模型和尺度准则对所述第三纹理块的尺度和尺度特征进行学习，获得深度网络识别模型；其中，所述深度网络识别模型描述纹理块、尺度和尺度特征之间的对应关
\t系。5.根据权利要求3或4所述的方法，其特征在于，所述确定所述第二纹理块的尺度特征，包括：根据所述深度网络识别模型确定所述第二纹理块的尺度特征。6.根据权利要求3或4所述的方法，其特征在于，所述确定所述尺度阈值的尺度特征，包括：根据所述深度网络识别模型确定所述尺度阈值的尺度特征。7.一种识别重复纹理的装置，其特征在于，所述装置，包括：第一获取模块，用于获取第一重复纹理区域；第二获取模块，用于获取预设的...

【专利技术属性】
技术研发人员：高飞宇，郑琪，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY