【技术实现步骤摘要】
一种用于实验室环境下的图像识别方法
本专利技术涉及一种图像识别，具体涉及一种用于实验室环境下的图像识别方法。
技术介绍
机械零部件的识别对于入门的学生而言具有重要意义，在实验室中需要在教师无法兼顾所有学生的同时，使学生获得即时反馈，也为未来实现无人教学提供重要的技术支持，同时，需要满足教学场景下即能有效识别，又有一定精确度的需求。
技术实现思路
本专利技术所要解决的技术问题是机械零部件识别问题，目的在于提供一种用于实验室环境下的图像识别方法，解决上述问题。一种用于实验室环境下的图像识别方法，包括以下步骤：分解域变换，将图像利用小波进行多尺度分解域变换；在空间域梯度算子进行边缘检测；在变换域利用小波边缘检测；提取空间域和变换域的特征；利用人工神经网络进行模式识别。进一步地，所述梯度算子采用高斯拉普拉斯算子。进一步地，所述小波边缘检测结果采用链表进行记录。进一步地，所述特征提取采用统计特征或变换矩阵。进一步地，所述人工神经网络采用BP神经网络。本专利技术与现有技术相比，具有如下的优点和有益效果：1、本专利技术一种用于实验室环境下的图像识别方法，能够有效提取机械零部件的外部边缘；2、本专利技术一种用于实验室环境下的图像识别方法，能够依据空间域和变换域双重检测，提高检测精度。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例本专利技术一种用于实验室环境下的图像识别方法，包括以下步骤：分解域变换，将图像利用小波进行多尺度分...
【技术保护点】
1.一种用于实验室环境下的图像识别方法，其特征在于，包括以下步骤：分解域变换，将图像利用小波进行多尺度分解域变换；在空间域梯度算子进行边缘检测；在变换域利用小波边缘检测；提取空间域和变换域的特征；利用人工神经网络进行模式识别。
【技术特征摘要】
1.一种用于实验室环境下的图像识别方法，其特征在于，包括以下步骤：分解域变换，将图像利用小波进行多尺度分解域变换；在空间域梯度算子进行边缘检测；在变换域利用小波边缘检测；提取空间域和变换域的特征；利用人工神经网络进行模式识别。2.根据权利要求1所述的一种用于实验室环境下的图像识别方法，其特征在于，所述梯度算子采用高斯拉普拉斯算...
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。