【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。