【技术实现步骤摘要】
一种多尺度图形识别方法及系统
本专利技术涉及图形识别的
，尤其涉及一种多尺度图形识别方法及系统。
技术介绍
视觉是人们感知外界环境的重要手段，对人们认知世界有着至关重要的作用，因此，人眼能直观感受的各类图像在人们生活和工作中随处可见。伴随着科学技术的发展，人们追求高清晰度视觉体验的需求更加迫切。传统图像多尺度分割技术主要有以下三种：第一是基于阈值的分割，第二是基于区域的分割，第三是基于图论的分割。阈值法中噪声的影响较大，导致多尺度图像的图像边缘很难准确分割，影响分割的准确率；而基于区域的分割方法会由于图像上噪声和图局部不连续的原因会产生过度分割的问题；基于图论的分割方法需要提前选择分割块数，在时间和空间上都有着很高的复杂度。鉴于此，如何提取图形的多尺度信息特征，实现多尺度地图形识别，成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术提供一种多尺度图形识别方法，利用自适应图形增强算法对图形进行细节增强处理，并利用图形分解算法将图形的轮廓和纹理尺度信息分解到不同尺度的图形，同时...
【技术保护点】
1.一种多尺度图形识别方法，其特征在于，所述方法包括：/n获取待识别图形，将待识别图形转换为图形灰度图，并利用局部最大类间方差法对图形灰度图进行二值化处理，得到二值化图形；/n利用自适应图形增强算法对二值化图形进行细节增强处理；/n利用图形分解算法对细节增强后的图形进行分解处理，将图形的轮廓和纹理尺度信息分解到不同的图形；/n利用多尺度融合算法将不同尺度的图形进行融合处理，得到融合后的图形；/n将融合后的图形作为图形识别模型的输入，利用图形识别模型对融合后的图形进行图形识别。/n
【技术特征摘要】
1.一种多尺度图形识别方法，其特征在于，所述方法包括：
获取待识别图形，将待识别图形转换为图形灰度图，并利用局部最大类间方差法对图形灰度图进行二值化处理，得到二值化图形；
利用自适应图形增强算法对二值化图形进行细节增强处理；
利用图形分解算法对细节增强后的图形进行分解处理，将图形的轮廓和纹理尺度信息分解到不同的图形；
利用多尺度融合算法将不同尺度的图形进行融合处理，得到融合后的图形；
将融合后的图形作为图形识别模型的输入，利用图形识别模型对融合后的图形进行图形识别。
2.如权利要求1所述的一种多尺度图形识别方法，其特征在于，所述利用局部最大类间方差法对图形灰度图进行二值化处理，包括：
1)计算图形灰度图的平均灰度：
其中：
M×N像素为图形灰度图的大小；
k表示灰度图的灰度级；
ρ(k)为灰度级为k的像素出现的概率；
n(k)为灰度级为k的像素出现的个数；
2)以灰度级m为分割阈值，小于此阈值为背景，大于等于此阈值为前景，从而将图形灰度图分成前景和背景，则背景灰度值为：
背景数比例为：
前景灰度值为：
前景数比例为：
3)计算前景和背景的方差σ：
σ＝wb×(μb-μ)2+wf×(μf-μ)2
用不同的值对分割阈值m进行修改，使得前景和背景的方差达到最大，此时的分割阈值m'为最佳分割阈值；并以最佳分割阈值进行图形灰度图的二值化分割处理，得到二值化图形。
3.如权利要求2所述的一种多尺度图形识别方法，其特征在于，所述利用自适应图形增强算法对二值化图形进行细节增强，包括：
1)利用拉普拉斯金字塔对二值化图形进行分解处理：
其中：
ω(m,n)表示二维高斯滤波器；
表示像素在第h-1层拉普拉斯金字塔的分解结果；
Gh(i,j)表示像素(i,j)在第h层拉普拉斯金字塔的分解结果；
2)对每层拉普拉斯金字塔分解得到的图像低频信息进行增强处理：
L′h＝Lh*d(x,y)+βh[Lh-(Lh*d(x,y))]
其中：
Lh表示第h层拉普拉斯金字塔分解得到的图形低频信息；
d(x,y)表示均值滤波；
βh表示自适应增强因子；
∈h表示第h层拉普拉斯金字塔分解得到的图形的方差；
D表示图形像素平均值；
3)利用拉普拉斯重构法将增强后的分解信息进行图形重构，重构得到的图形即为细节增强后的图形。
4.如权利要求3所述的一种多尺度图形识别方法，其特征在于，所述利用图形分解算法对细节增强后的图形进行分解处理，包括：
1)将细节增强后的图形输入到滤波器中：
其中：
J(q)表示输入的图形像素值，J'(p)表示滤波器输入的像素值；
p,q表示像素索引；
G(p,q)表示高斯滤波器；
u(p),u(q)分别表示图形中像素p和像素q的出现频率；
d(p,q)表示像素p和像素q之间的欧几里得距离；
表示参数，将其设置为
Q(p,q)表示滤波矩阵；
2)重复上述步骤，分解得到若干不同轮廓纹理尺度的平滑图形：
Xi＝J(Xi-1),i＝1,…,k
其中：
Xi-1表示第i-1级轮廓纹理尺度的平...
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。