【技术实现步骤摘要】
基于自然语言理解和图像图形的智能图像识别系统及方法
本专利技术涉及一种图形识别技术，特别是基于自然语言理解和人脸图像为核心的的图形识别系统及方法。
技术介绍
图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。图像识别技术可能是以图像的主要特征为基础的。每个图像都有它的特征，如字母A有个尖，P有个圈、而Y的中心有个锐角等。对图像识别时眼动的研究表明，视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度最大或轮廓方向突然改变的地方，这些地方的信息量最大。而且眼睛的扫描路线也总是依次从一个特征转到另一个特征上。由此可见，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。同时,在大脑里必定有一个负责整合信息的机制，它能把分阶段获得的信息整理成一个完整的知觉映象。数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储，传输方便可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像识别技术的发展提供了强大的动力。物体识别主要指的是对三维世界的客体及环境的感知和认识，属于高级的计算机...
【技术保护点】
1.一种基于自然语言理解和图像图形的智能图像识别系统，其特征在于：包括傅里叶变化模块，首先对其做傅里叶变化，保留低频部分的实部和虚部的系数，当做全局傅里叶特征向量；局部特征向量模块，将其与系统录入的特定人物特征对比分析后，若相似度达到预设值后将捕捉高分辨率多角度的该人面部信息，再将高分辨率图像分N块，然后用Gabor核函数与每一块图像卷积，得到N个特征，然后将这些特征串联起来，形成局部Gabor特征向量；LDA线性判别分析模块，使用LDA线性判别分析对得到的一个全局特征向量和N个局部特征向量进行降维处理，得到了全局分类器和局部分量分类器；将N个局部向量分类器进行加权求和，得...
【技术特征摘要】
1.一种基于自然语言理解和图像图形的智能图像识别系统，其特征在于：包括傅里叶变化模块，首先对其做傅里叶变化，保留低频部分的实部和虚部的系数，当做全局傅里叶特征向量；局部特征向量模块，将其与系统录入的特定人物特征对比分析后，若相似度达到预设值后将捕捉高分辨率多角度的该人面部信息，再将高分辨率图像分N块，然后用Gabor核函数与每一块图像卷积，得到N个特征，然后将这些特征串联起来，形成局部Gabor特征向量；LDA线性判别分析模块，使用LDA线性判别分析对得到的一个全局特征向量和N个局部特征向量进行降维处理，得到了全局分类器和局部分量分类器；将N个局部向量分类器进行加权求和，得到局部分类器；全局分类器也与局部分类器进行加权求和，并行集成，得到全局分类器；归一化模块，对待对比的两幅图像做同样的以上处理，然后分别对比他们对应的N+1个向量的像素度，常用的归一化互相关方法来计算对应特征向量的相似度。2.根据权利要求1所述的基于自然语言理解和图像图形的智能图像识别系统，其特征在于：根据集成学习理论，将以上全局分类器和局部分类器输出的相似度进行加权求和，作为最终的相似度。3.根据权利要求1所述的基于自然语言理解和图像图形的智能图像识别系统，其特征在于：若相似度达到60％后将捕捉高分辨率多角度的该人面部信息。...
【专利技术属性】
技术研发人员：周芷萱，张方舟，徐江，王学宇，吴晓宇，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。