基于水淹法和卷积神经网络的图像识别方法技术

本发明专利技术涉及人工智能、计算机应用技术，尤其涉及一种基于水淹法和卷积神经网络的图像识别方法，包括以下步骤：(1)为图像预处理：降噪、二值化；(2)使用水淹法循环切割图片；(3)使用卷积神经网络算法，并通过TensorFlow工具做训练；(4)由步骤2)输出的图片数组，且该图片为要识别的图片，经过流程处理后生成已分割且待识别的图片，依据步骤3)生成的MODEL文件做识别，识别出各个图片的值；(5)使用步骤2)输出的图片位置和步骤4)的识别结果重组图片，最终完成图片识别；基于水淹法和卷积神经网络的图像识别，通过该方法能实现对识别难度大、分割难度大的验证码图片进行分割识别。

Image Recognition Method Based on Waterflooding Method and Convolutional Neural Network

The invention relates to artificial intelligence and computer application technology, in particular to an image recognition method based on water flooding method and convolution neural network, including the following steps: (1) image preprocessing: noise reduction and binarization; (2) circular cutting of images by water flooding method; (3) convolution neural network algorithm and training by TensorFlow tool; (4) image array output by step 2; And the image is the image to be recognized, after process processing, the segmented image is generated, and the value of each image is recognized according to the MODEL file generated in step 3; (5) The image is reconstructed by the recognition result of step 2, the position of the output image and step 4, and finally the image recognition is completed; the image recognition based on the flooding method and convolution neural network is carried out by this method. It can realize the segmentation and recognition of validation code pictures which are difficult to recognize and segment.

【技术实现步骤摘要】
基于水淹法和卷积神经网络的图像识别方法
本专利技术涉及人工智能、计算机应用技术，尤其涉及一种基于水淹法和卷积神经网络的图像识别方法。
技术介绍
卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络(ConvolutionalNeuralNetworks-简称CNN)。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后，更多的科研工作者对该网络进行了改进。其中，具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”，该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor(张量)本文档来自技高网...

【技术保护点】
1.基于水淹法和卷积神经网络的图像识别方法，其特征在于包括以下步骤：(1)为图像预处理：降噪、二值化；(2)使用水淹法循环切割图片；(3)使用卷积神经网络算法，并通过TensorFlow工具做训练；(4)由步骤(2)输出的图片数组，且该图片为要识别的图片，经过流程处理后生成已分割且待识别的图片，依据步骤(3)生成的MODEL文件做识别，识别出各个图片的值；(5)使用步骤(2)输出的图片位置和步骤(4)的识别结果重组图片，最终完成图片识别；步骤(2)中，根据计算出的上区域最低点值和下区域的最高点值为输入，与初始图像的二维数组重叠，计算出每个垂直像素下上下区域间隔的大小，根据像素从小到大进行循环切...

【技术特征摘要】
1.基于水淹法和卷积神经网络的图像识别方法，其特征在于包括以下步骤：(1)为图像预处理：降噪、二值化；(2)使用水淹法循环切割图片；(3)使用卷积神经网络算法，并通过TensorFlow工具做训练；(4)由步骤(2)输出的图片数组，且该图片为要识别的图片，经过流程处理后生成已分割且待识别的图片，依据步骤(3)生成的MODEL文件做识别，识别出各个图片的值；(5)使用步骤(2)输出的图片位置和步骤(4)的识别结果重组图片，最终完成图片识别；步骤(2)中，根据计算出的上区域最低点值和下区域的最高点值为输入，与初始图像的二维数组重叠，计算出每个垂直像素下上下区域间隔的大小，根据像素从小到大进行循环切割，每循环一次就计算切割后的图片连通性，即计算字母个数是否达到指定数量，若达到则停止切割；本步骤将由干扰线连通的图片准确切割，并输出分割各个分割后的图片且记录各个图片在原始图片中的位置。2.根据权利要求1所述的基于水淹法和卷积神经网络的图像识别方法，其特征在于：所述的步骤(1)中先输入图片地址，随后读取图片使用PIL的转换函数将图片转化为灰度图，进而把图片转化为二值化二维数组。3.根据权利要求2所述的基于水淹法和卷积神经网络的图像识别方法，其特征在于：所述的步骤(1)中将图像上的像素点根据灰度值小于阈值的设置为0，大于等于阈值的设置为1。4.根据权利要求1所述的基于水淹法和卷积神经网络的图像识别方法，其特征在于：所述的步骤(1)将图片降噪、二值化之后，将生成连通数组，使用8连通划分图片区域；输入步骤(1)二维数组，从区域内每一像素出发，通过八个方向，即上、下、左、右、左上、右上、左下、右下这八个方向的移动...

【专利技术属性】
技术研发人员：刘刚，黄元庆，谭焕云，
申请(专利权)人：中证信用增进股份有限公司，
类型：发明
国别省市：广东,44