图像格式转换方法及转换模块、图像识别装置及识别方法制造方法及图纸

本发明专利技术公开了一种图像格式转换方法及转换模块以及基于该图像格式转换地图像识别装置及识别方法，其中图像格式转换方法包括将bmp格式文件的位图数据实体保存为16位无符号整型数x；利用第一转换公式将16位无符号整形数x进行归一化处理，得到归一化后的整型数x'，其中，max(x)表示16位无符号整型数x的最大值；将归一化后的整型数x'转换为8位无符号整型数y，并利用第二转换公式对8位无符号整型数y进行非线性转换，并将转换结果z保存为png格式文件。将bmp格式文件的位图数据实体进行归一化和非线性转换，保存为png格式文件，避免图像显示的问题，使用常规设备便能显示出完整的图片，提高目标检测地准确度。提高目标检测地准确度。提高目标检测地准确度。

【技术实现步骤摘要】
图像格式转换方法及转换模块、图像识别装置及识别方法


[0001]本专利技术属于视频图像数据处理
，更具体地，涉及一种图像格式转换方法及转换模块、图像识别装置及识别方法。

技术介绍

[0002]对目标进行智能化的检测与识别，一方面可以为图像数据处理减少人力消耗，提高处理效率；另一方面能够为后续的目标定位、关键事件及状态自动检测识别等提供基础和方法支持。由于16位的bmp格式文件的图片显示本身存在问题，同时图像中往往存在多个目标，且目标大小不一，而现有的目标检测与识别一般采用的是YOLO(You Only Look Once)模型，该模型尺寸较大、网络层次较深，多次池化之后，小目标的特征被淹没。因此，目前针对bmp格式文件的图像目标检测精度有待提高。

技术实现思路

[0003]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种图像格式转换方法及转换模块、图像识别装置及识别方法，其目的在于对目标图像进行分析挖掘时，能够提取、识别灰度图像中的目标区域，提高准确率。
[0004]为实现上述目的，按照本专利技术的第一方面，提供了一种图像格式转换方法，其包括：
[0005]将bmp格式文件的位图数据实体保存为16位无符号整型数x；
[0006]利用第一转换公式将所述16位无符号整形数x进行归一化处理，得到归一化后的整型数x'，其中，max(x)表示所述16位无符号整型数x的最大值；
[0007]将所述归一化后的整型数x'转换为8位无符号整型数y，并利用第二转换公式对所述8位无符号整型数y进行非线性转换，并将转换结果z保存为png格式文件。
[0008]优选地，所述bmp格式文件包括文件头、位图信息头和位图数据实体，其中，所述文件头占14位，所述位图信息头占40位，所述位图数据实体为从所述bmp格式文件的第55位开始读取的数据。
[0009]优选地，所述位图数据实体占14位。
[0010]按照本专利技术的第二方面，提供了一种图像格式转换模块，其包括：
[0011]位图实体数据保存单元，用于获取bmp格式文件的位图数据实体并保存为16位无符号整型数x；
[0012]第一转换单元，用于利用第一转换公式将所述16位无符号整形数x进行归一化处理，得到归一化后的整型数x'，其中，max(x)表示所述16位无符号整型数x的最
大值；
[0013]第二转换单元，用于将所述归一化后的整型数x'转换为8位无符号整型数y，并利用第二转换公式对所述8位无符号整型数y进行非线性转换，并将转换结果z保存为png格式文件。
[0014]优选地，所述位图数据实体占14位。
[0015]按照本专利技术的第三方面，提供了一种图像识别装置，其包括：
[0016]图像格式转换模块，用于接收bmp格式文件并将bmp格式文件转换为png格式文件，所述图像格式转换模块为上述图像格式转换模块；
[0017]目标检测模块，用于获取所述png格式文件并输出显著性特征图S；
[0018]目标区域截取模块，用于截取显著性特征图S中的目标区域作为识别图片；
[0019]目标识别模块，用于获取所述识别图片并对目标进行识别，输出识别结果。
[0020]优选地，所述目标检测模块包括神经网络结构：
[0021]第一卷积网络，用于接收png格式文件并分别在三个卷积层输出三路图像X
i
，i＝1，2，3；
[0022]关注网络，图像X
i
连接至第i个关注网络，图像X
i
经过对应关注网络的反卷积层和卷积层后输出显著性特征图A
i
，显著性特征图A
i
经过对应关注网络的池化层后输出显著性特征图M
i
，关注网络用于计算得到图像Y
i
＝X
i
*M
i
+X
i
；
[0023]第1联合网络，图像Y
i
通过第1联合网络的反卷积层后得到图像Z
i
；图像Z
i
经过卷积层后得到图像S
i
，第1联合网络通过特征联合网络整合各图像Z
i
后经过卷积层输出图像C1；
[0024]第2联合网络，用于对各图像A
i
进行上采样得到B
i
，第2联合网络通过特征联合网络整合各图像Z
i
、图像C1和各图像B
i
，并通过卷积层输出图像C2，还用于将图像B1、B2、B3、C1和C2相加，输出显著性特征图S。
[0025]优选地，所述目标区域截取模块用于定位显著性特征图S中四个方位的像素点的最值，以最值为边界绘制出的矩形并裁剪保存为识别图片。
[0026]优选地，所述目标识别模块包括神经网络结构：
[0027]第二卷积网络，包括三个卷积块，识别图片依次经过三个卷积块并输出卷积结果，其中，前两个卷积块均由卷积层、激活层和池化层组成，第三个卷积块由卷积层和激活层组成；
[0028]两个全连接层，第二卷积网络输出的卷积结果依次经过两个全连接后将维度下降至所需分类的数值；
[0029]softmax层，全连接层的输出结果经过softmax层后得到每个类别的预测概率
[0030]按照本专利技术的第四方面，提供了一种图像检测识别方法，其包括获取bmp格式文件并将bmp格式文件输入上述任一项所述的图像识别装置，得到图像识别结果
[0031]由于16位的bmp格式文件在普通的显示设备上无法正常显示，尤其是对于红外成像，图像像素之间的对比度不够，很难看清楚目标的细节。在本申请的图像格式转换方法及图像格式转换模型，将bmp格式文件的16位位图数据实体进行归一化和非线性转换，保存为8位的png格式文件，且归一化和非线性转换过程能够有效提高图像的均衡度，避免图像显示的问题，使用常规设备便能完整地显示出16位bmp图片的内容，以便人眼的观察。同时，本
申请中的图像识别装置，是基于该转换后的png格式图片进行目标检测和识别，也能提高检测的准确率。且图像识别装置中所使用的目标检测模块，通过整合多路特征，解决了因目标小、背景噪声强导致目标检测识别难的问题，进一步提高了目标检测识别准确率。
附图说明
[0032]图1是本申请一实施例中的图像格式转换方法的步骤流程图；
[0033]图2是本申请一实施例中的图像格式转换模块的结构示意图；
[0034]图3是本申请一实施例中的图像识别装置的结构示意图；
[0035]图4是本申请一实施例中的目标检测模块的网络架构图；
[0036]图5是本申请一实施例中的目标识别模块的网络架构图；
[0037]图6是本申请一实施例中的图像识别方法的数据处理流程图。
具体实施方式
[0038]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像格式转换方法，其特征在于，包括：将bmp格式文件的位图数据实体保存为16位无符号整型数x；利用第一转换公式将所述16位无符号整形数x进行归一化处理，得到归一化后的整型数x'，其中，max(x)表示所述16位无符号整型数x的最大值；将所述归一化后的整型数x'转换为8位无符号整型数y，并利用第二转换公式对所述8位无符号整型数y进行非线性转换，并将转换结果z保存为8位的png格式文件。2.如权利要求1所述的图像格式转换方法，其特征在于，所述bmp格式文件包括文件头、位图信息头和位图数据实体，其中，所述文件头占14位，所述位图信息头占40位，所述位图数据实体为从所述bmp格式文件的第55位开始读取的数据。3.如权利要求2所述的图像格式转换方法，其特征在于，所述位图数据实体占14位。4.一种图像格式转换模块，其特征在于，包括：位图实体数据保存单元，用于获取bmp格式文件的位图数据实体并保存为16位无符号整型数x；第一转换单元，用于利用第一转换公式将所述16位无符号整形数x进行归一化处理，得到归一化后的整型数x'，其中，max(x)表示所述16位无符号整型数x的最大值；第二转换单元，用于将所述归一化后的整型数x'转换为8位无符号整型数y，并利用第二转换公式对所述8位无符号整型数y进行非线性转换，并将转换结果z保存为png格式文件。5.如权利要求4所述的图像格式转换模块，其特征在于，所述位图数据实体占14位。6.一种图像识别装置，其特征在于，包括：图像格式转换模块，用于接收bmp格式文件并将bmp格式文件转换为png格式文件，所述图像格式转换模块为权利要求4或5所述的图像格式转换模块；目标检测模块，用于获取所述png格式文件并输出显著性特征图S；目标区域截取模块，用于截取显著性特征图S中的目标区域作为识别图片；目标识别模块，用于获取所述识别图片并对目标进行识别，输出识别结果。7.如权利要求6所述的图像识别装置，其特征在于，所述目标检测模块包括神经网络结构：第一卷积网络，用于接收png格式文件并分别在三个卷积层输出三路图像X
i
，i＝1，2，3；关注网络，图像X<...

【专利技术属性】
技术研发人员：贾涛，陈加忠，钟坚，董圆，金毅，朱晓兵，刘洋，刘小朋，崔铁成，李玲，马蕾，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：