一种基于深度学习算法的图案识别方法的模拟平台技术

本发明专利技术公开了一种基于深度学习算法的图案识别方法的模拟平台，涉及图案识别技术领域，具体为公共平台、图样抄录模块和图样配比模块，所述公共平台包括图样采集模块、图样数据库模块、图样加密虚化模块、图样保存模块、图样二次开发模块、图样曝光度处理模块、图样传输模块和图样处理模块，所述图样抄录模块和图样配比模块均与图样采集模块之间信息单向传递。该基于深度学习算法的图案识别方法的模拟平台，通过图样处理模块和图样开发处理模块对所录入的图样进行前后两次的处理，图样处理模块和图样开发处理模块对图像所作的处理方式相同，图样开发处理模块主要是在图样处理模块的基础上对图像进行二次处理和开发，有利于对图像进行多源化利用。

【技术实现步骤摘要】
一种基于深度学习算法的图案识别方法的模拟平台
本专利技术涉及图案识别
，具体为一种基于深度学习算法的图案识别方法的模拟平台。
技术介绍
图案识别也叫图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，在现代科技大发展的时代，图像识别技术已经占据人类生产生活的很大一部分，一些诸如指纹识别、面部识别等的优秀应用更是层出不穷，图像处理与识别技术在很多智能设备中均有所应用和推广，基于深度学习算法的图案识别是图像识别方法的一种，利用高深度的算法进行图像识别的方式，有望在未来社会上得到广泛普及。现有的图像识别方法在对图像进行识别处理时，对图像内容的保密性较差，特别是在一些需要身份认证的图像识别方面，图像信息存在被盗取的风险，同时在对图样进行处理时，一般只能完成一个流程化的处理，而不能对处理后的图像进行再次开发处理，图像利用率较差。在中国专利技术专利申请公开说明书CN104778432A中公开的一种图像识别方法，该种图像识别方法，虽然能够识别现有技术无法识别的字符图片，且识别字符的准确率极高，可以达到百分之九十五以上，但是，该图像识别方法，在对图像私密度的保护方面存在不足，亦不能对图像进行二次开发和利用。
技术实现思路
针对现有技术的不足，本专利技术提供了一种基于深度学习算法的图案识别方法的模拟平台，解决了上述
技术介绍
中提出的问题。为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于深度学习算法的图案识别方法的模拟平台，包括公共平台、图样抄录模块和图样配比模块，所述公共平台包括图样采集模块、图样数据库模块、图样加密虚化模块、图样保存模块、图样二次开发模块、图样曝光度处理模块、图样传输模块和图样处理模块，且图样采集模块、图样数据库模块、图样加密虚化模块、图样保存模块、图样二次开发模块、图样曝光度处理模块、图样传输模块和图样处理模块均与公共平台之间信息单向传递，所述图样抄录模块和图样配比模块均与图样采集模块之间信息单向传递。可选的，所述图样数据库模块与图样搜索模块之间信息单向传递，且图样保存模块与图样数据库模块之间信息单向输送。可选的，所述图样加密虚化模块分别与三级虚化模块和三级加密模块信息单向输送，且图样加密虚化模块与图样保存模块之间信息单向传递。可选的，所述图样二次开发模块分别与图样转载模块和图样开发处理模块之间信息单向传递，且图样处理模块和图样开发处理模块均分别包含图像灰度处理模块、图像饱和度处理模块、图像色谱测定模块和图样曝光度处理模块，并且图样处理模块和图样开发处理模块均分别与图像灰度处理模块、图像饱和度处理模块、图像色谱测定模块和图样曝光度处理模块信息单向传递。可选的，所述图样抄录模块包含数据转码模块、图像转码模块、图像加载模块、图像转移模块和图像分析模块，且图样抄录模块分别与数据转码模块、图像转码模块、图像加载模块、图像转移模块和图像分析模块信息单向传递。可选的，所述数据转码模块和图像转码模块均分别与图像加载模块信号单向输送，且图像加载模块与图像转移模块之间信息单向传递，并且图像转移模块与图像分析模块之间信息单向输送。可选的，所述图样配比模块包括文件格式配比模块、文件大小配比模块、文件转出配比模块和图案识别模块，且图样配比模块分别与文件格式配比模块、文件大小配比模块、文件转出配比模块和图案识别模块信息单向输送，所述图样配比模块与图样数据库模块之间信息单向传递。可选的，所述文件格式配比模块与数据转码模块和图像转码模块之间均为信息单向传递，且文件大小配比模块与数据转码模块和图像转码模块之间均为信息单向输送，所述文件转出配比模块与图像转移模块之间信息单向输送。可选的，所述三级虚化模块包含图像虚化覆盖模块、格式信息虚化覆盖模块和数码虚化覆盖模块，且三级虚化模块分别与图像虚化覆盖模块、格式信息虚化覆盖模块和数码虚化覆盖模块信息单向传递。可选的，所述三级加密模块包括图像加密模块、格式信息加密模块和数码加密模块，且三级加密模块分别与图像加密模块、格式信息加密模块和数码加密模块信息单向输送。本专利技术提供了一种基于深度学习算法的图案识别方法的模拟平台，具备以下有益效果：1.该基于深度学习算法的图案识别方法的模拟平台，通过图样处理模块和图样开发处理模块对所录入的图样进行前后两次的处理，处理过程包括图像灰度处理，即图像灰度处理模块所执行的处理项，图像饱和度处理，即图像饱和度处理模块所执行的处理项，图像色谱测定，即图像色谱测定模块所执行的处理项，以及图样曝光度处理，即图样曝光度处理模块所执行的处理项，对图像进行灰度、饱和度、曝光度等的处理，以获取更高品质的图像，并能够对图像色谱值进行测定，保障了图像的高品质质量，图样处理模块和图样开发处理模块对图像所作的处理方式相同，图样开发处理模块主要是在图样处理模块的基础上对图像进行二次处理和开发，有利于对图像进行多源化利用。2.该基于深度学习算法的图案识别方法的模拟平台，通过图样抄录模块中的数据转码模块和图像转码模块可以完成数据转图像、图像转图像的过程，从而提高整个系统对于不同记录形式的“图像”源文件进行读取的能力，“图像”源信息经过转码后生成影像化的图像，由图像加载模块对该影像化的图像进行重新加载，图像转移模块可以将该图像进行转移，将该图像转移至识别路线，图像分析模块对图像进行分析，具体反馈图像转码是否正常或转移是否成功。3.该基于深度学习算法的图案识别方法的模拟平台，通过图样配比模块中的图案识别模块对图像进行识别，通过从图样数据库模块中搜索与源图像相匹配的信息，对图像进行快速识别，文件格式配比模块和文件大小配比模块对应数据转码模块和图像转码模块，辅助完成图像转码工作，文件转出配比模块对应图像转移模块，辅助完成图像转移工作。4.该基于深度学习算法的图案识别方法的模拟平台，通过三级虚化模块的设置，使图像能够得到三种级别上的虚化处理，直观的对图像进行保密，图像虚化覆盖模块用于虚化图像，避免网络黑客直接盗取图像图样，格式信息虚化覆盖模块用于虚化图像格式信息，避免图像格式信息外泄，数码虚化覆盖模块则是用于虚化隐藏图像转载用的数码数据，避免图像的源转码数据泄露。5.该基于深度学习算法的图案识别方法的模拟平台，通过三级加密模块对图像进行三种级别上的加密处理，并与三级虚化模块相对应，利用图像加密模块对图像进行显示加密，在虚化的同时对图像进行二级上锁，利用格式信息加密模块对图像格式信息进行加密，对图像格式信息进行二级上锁，利用数码加密模块对图像转载用的数码数据进行加密，对图像转载用的数码数据进行二级上锁。附图说明图1为本专利技术整体框架结构示意图；图2为本专利技术图样处理模块与图样开发处理模块整体框架结构示意图；图3为本专利技术图样抄录模块与图样配比模块整体框架结构示意图；图4为本专利技术三级虚化模块框架结构示意图；图5为本专利技术三级加密模块框架结构示意图；图6为本专利技术图像处理流程示意图。图中：1、公共平台；2、图样采集模块；3、图样数据库模块；4、图样加密虚化模块；5、图样保存模块；6、图样二次开发模块；7、图样曝光度处理模块；8、图样传输模块；9、图样处理模块；10、图样抄录模块；11、图样配比模块；12、图样搜索模块；13、三级虚化模块；14、三级加密模块；15、图样转载本文档来自技高网...

【技术保护点】
1.一种基于深度学习算法的图案识别方法的模拟平台，包括公共平台(1)、图样抄录模块(10)和图样配比模块(11)，其特征在于：所述公共平台(1)包括图样采集模块(2)、图样数据库模块(3)、图样加密虚化模块(4)、图样保存模块(5)、图样二次开发模块(6)、图样曝光度处理模块(7)、图样传输模块(8)和图样处理模块(9)，且图样采集模块(2)、图样数据库模块(3)、图样加密虚化模块(4)、图样保存模块(5)、图样二次开发模块(6)、图样曝光度处理模块(7)、图样传输模块(8)和图样处理模块(9)均与公共平台(1)之间信息单向传递，所述图样抄录模块(10)和图样配比模块(11)均与图样采集模块(2)之间信息单向传递。

【技术特征摘要】
1.一种基于深度学习算法的图案识别方法的模拟平台，包括公共平台(1)、图样抄录模块(10)和图样配比模块(11)，其特征在于：所述公共平台(1)包括图样采集模块(2)、图样数据库模块(3)、图样加密虚化模块(4)、图样保存模块(5)、图样二次开发模块(6)、图样曝光度处理模块(7)、图样传输模块(8)和图样处理模块(9)，且图样采集模块(2)、图样数据库模块(3)、图样加密虚化模块(4)、图样保存模块(5)、图样二次开发模块(6)、图样曝光度处理模块(7)、图样传输模块(8)和图样处理模块(9)均与公共平台(1)之间信息单向传递，所述图样抄录模块(10)和图样配比模块(11)均与图样采集模块(2)之间信息单向传递。2.根据权利要求1所述的一种基于深度学习算法的图案识别方法的模拟平台，其特征在于：所述图样数据库模块(3)与图样搜索模块(12)之间信息单向传递，且图样保存模块(5)与图样数据库模块(3)之间信息单向输送。3.根据权利要求1所述的一种基于深度学习算法的图案识别方法的模拟平台，其特征在于：所述图样加密虚化模块(4)分别与三级虚化模块(13)和三级加密模块(14)信息单向输送，且图样加密虚化模块(4)与图样保存模块(5)之间信息单向传递。4.根据权利要求1所述的一种基于深度学习算法的图案识别方法的模拟平台，其特征在于：所述图样二次开发模块(6)分别与图样转载模块(15)和图样开发处理模块(16)之间信息单向传递，且图样处理模块(9)和图样开发处理模块(16)均分别包含图像灰度处理模块(17)、图像饱和度处理模块(18)、图像色谱测定模块(19)和图样曝光度处理模块(7)，并且图样处理模块(9)和图样开发处理模块(16)均分别与图像灰度处理模块(17)、图像饱和度处理模块(18)、图像色谱测定模块(19)和图样曝光度处理模块(7)信息单向传递。5.根据权利要求1所述的一种基于深度学习算法的图案识别方法的模拟平台，其特征在于：所述图样抄录模块(10)包含数据转码模块(20)、图像转码模块(21)、图像加载模块(22)、图像转移模块(23)和图像分析模块(24)，且图...

【专利技术属性】
技术研发人员：陈娜，武晓晶，郑刚，陆娜，
申请(专利权)人：兰州工业学院，
类型：发明
国别省市：甘肃,62