一种用于图像识别的分布式计算方法及系统技术方案

本发明专利技术公开了一种用于图像识别的分布式计算方法及系统，涉及人工智能领域。包括：S1：获得待识别图像的灰度图中的区域图像；S2：获取灰度图像的邻接矩阵；S3：获取变化一致性邻接矩阵：计算区域图像之间的区域同类性得到采样邻接矩阵，对灰度图像的邻接矩阵和采样邻接矩阵进行点乘计算得到变化一致性邻接矩阵；S4：对图像数据进行分布式计算：设置类别阈值，根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类，对分类后的图像数据进行分布式计算。本发明专利技术通过对不同关联性的数据进行分块计算，提高了图像识别的计算效率的同时，将不同数据之间的关联也作为一种特征参与到图像识别过程中，提高了识别的准确性。提高了识别的准确性。提高了识别的准确性。

【技术实现步骤摘要】
一种用于图像识别的分布式计算方法及系统


[0001]本申请涉及人工智能领域，具体涉及一种用于图像识别的分布式计算方法及系统。

技术介绍

[0002]随着计算技术的发展，有些应用需要非常巨大的计算能力才能完成，如采用集中式计算，需要耗费相当长的时间来完成。分布式计算将该应用分解成许多小的部分，分配给多台计算机进行处理。这样可以节约整体计算时间，大大提高计算效率。在对图像进行识别的过程中，对图像数据的处理，采用分布式计算的方法能够更大程度上的提高计算效率，进而提高图像识别的效率和精确程度。
[0003]现有的通过分布式计算进行图像识别往往是通过图像上不同特征的明显程度对算力进行分配，但不明显的特征不一定是识别图像所需要的特征，有可能花费了大量的计算，但计算结果对图像识别的结果的没有太大的意义和效果，造成资源的浪费以及降低计算效率的现象，同时还会对识别结果的准确率有一定的影响。

技术实现思路

[0004]针对上述技术问题，本专利技术提供了一种用于图像识别的分布式计算方法及系统。
[0005]第一方面，本专利技术实施例提供了一种用于图像识别的分布式计算方法，包括：
[0006]S1：获得待识别图像的灰度图像中的区域图像：
[0007]对待识别图像进行灰度化处理得到灰度图像；
[0008]利用灰度图像中各像素点的灰度值和种子生长法得到灰度图像中所有的区域图像；
[0009]S2：获取灰度图像的邻接矩阵：
[0010]根据灰度图像中各区域图像的灰度熵和纹理熵计算不同区域图像之间的欧式距离；
[0011]根据灰度图像中各区域图像之间的距离计算各区域图像之间的区域相似度，利用图像区域之间的区域相似度获得邻接矩阵；
[0012]S3：获取变化一致性邻接矩阵：
[0013]分别对灰度图像中每个区域图像进行高斯金字塔采样得到每个区域图像每次采样后的采样图像；
[0014]分别计算每个区域图像每次采样后与前一次采样的区域图像的灰度熵和纹理熵的差值，根据每次采样后与前一次采样的区域图像的灰度熵和纹理熵的差值以及每次采样后区域图像的重复率计算每个区域图像每次采样后的变化率二元组，所述变化率二元组包括灰度熵的变化率和纹理熵的变化率；
[0015]统计每个图像区域每次采样后与前一次采样获得的图像区域的变化率二元组形成每个区域图像的变化序列，根据每个区域图像的变化序列计算两两区域图像之间的同类
性；
[0016]根据区域图像之间的区域同类性得到采样邻接矩阵，对灰度图像的邻接矩阵和采样邻接矩阵进行点乘计算得到变化一致性邻接矩阵；
[0017]S4：对图像数据进行分布式计算：
[0018]设置类别阈值，根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类，根据分类后的图像数据采用分布式计算对待识别图像进行识别。
[0019]利用灰度图像中各像素点的灰度值和种子生长法得到灰度图像中的区域图像的过程如下：
[0020]S1
‑
1：统计灰度图像的灰度值得到灰度直方图，对灰度直方图进行高斯平滑得到平滑后的灰度直方图；
[0021]S1
‑
2：对图像的原灰度直方图和平滑后的灰度直方图做差得到差值直方图，获取差值直方图中像素点频数大于数量阈值的灰度值对应的像素点作为图像的种子点；
[0022]S1
‑
3：以种子点为类别中心通过区域生长法对图像进行分割，得到分割后的区域图像。
[0023]各区域之间的距离计算各区域之间的区域相似度的计算方法如下：
[0024]分别计算两两区域之间的欧氏距离，利用每个区域和其他区域的距离最大值对所有距离进行归一化得到区域相似度，具体计算公式如下：
[0025][0026]式中：表示第i个区域与第j个区域的区域相似度，表示第i个区域与其他区域的距离的最大值，表示第i个区域与第j个区域的距离，i、j为分割的区域图像的序号，i≠j。
[0027]两两区域之间的欧氏距离的计算方法为：
[0028]计算每个区域图像的灰度熵和纹理熵，将灰度熵和纹理熵用二元组表示，作为该区域图像的中心点坐标，根据区域图像中心点的坐标计算区域图像之间的欧式距离；
[0029]其中，灰度熵为该区域图像中所有像素点的灰度值的熵值，纹理熵为该区域图像的灰度共生矩阵中的数据的熵值。
[0030]计算每个区域的变化率二元组的方法如下：
[0031]对每个区域图像采样后与前一次采样的灰度熵和纹理熵的差值，分别和采样后与前一次采样的区域重复率进行乘积，计算经过本次采样后灰度熵的变化率和的纹理熵的变化率，得到二元向量作为变化率二元组，具体计算公式如下：
[0032][0033]式中：u
′
为灰度熵的变化率，v
′
为纹理熵的变化率，C为采样后与前一次采样的区域重复率，Δh为采样后与前一次采样的灰度熵的差值，Δw为采样后与前一次采样的纹理熵的差值；
[0034]其中区域重复率为该区域图像本次采样与前一次采样的最大重合面积和前一次采样的区域图像面积的比值。
[0035]计算两两区域图像之间的同类性的方法为：利用DTW算法对两个区域图像的变化率序列进行匹配，计算出两个区域图像之间的DTW距离，将该DTW距离作为两个区域图像之间的区域同类性。
[0036]根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类的方法如下：
[0037]设定类别阈值，对变化一致性邻接矩阵中大于等于类别阈值的数据对应的区域图像划分为一类，小于类别阈值的数据对应的区域图像划分为一类，实现对区域图像的分类。
[0038]第二方面，本专利技术实施例提供了一种用于布匹缺陷识别的小波变换的压缩传输方法系统，包括：
[0039]图像处理模块：对待识别图像进行灰度转化，通过待识别图像的灰度直方图进行区域分割，得到分割后的区域图像；
[0040]矩阵构建模块：对灰度图像中每个区域图像进行高斯金字塔采样得到每个区域图像每次采样后的采样图像；根据每个图像区域每次采样的变化率二元组得到每个区域图像的变化序列，根据区域图像的变化序列计算两两区域图像之间的同类性；根据区域图像之间的区域同类性得到采样邻接矩阵，利用灰度图像的邻接矩阵和采样邻接矩阵得到变化一致性邻接矩阵；
[0041]特征关联模块：设置类别阈值，根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类，根据分类后的图像数据采用分布式计算将关联性强的图像区域特征分为一类进行识别。
[0042]相比于现有技术，本专利技术实施例的有益效果在于：本专利提出了一种基于图像识别的分布式计算方法及系统，通过对不同关联性的数据进行分块计算，提高了图像识别的计算效率的同时，将不同数据之间的关联也作为一种特征参与到图像识别过程中，提高了识别的准确性。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有技术中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于图像识别的分布式计算方法，其特征在于，包括：S1：获得待识别图像的灰度图像中的区域图像：对待识别图像进行灰度化处理得到灰度图像；利用灰度图像中各像素点的灰度值和种子生长法得到灰度图像中所有的区域图像；S2：获取灰度图像的邻接矩阵：根据灰度图像中各区域图像的灰度熵和纹理熵计算不同区域图像之间的欧式距离；根据灰度图像中各区域图像之间的距离计算各区域图像之间的区域相似度，利用图像区域之间的区域相似度获得邻接矩阵；S3：获取变化一致性邻接矩阵：分别对灰度图像中每个区域图像进行高斯金字塔采样得到每个区域图像每次采样后的采样图像；分别计算每个区域图像每次采样后与前一次采样的区域图像的灰度熵和纹理熵的差值，根据每次采样后与前一次采样的区域图像的灰度熵和纹理熵的差值以及每次采样后区域图像的重复率计算每个区域图像每次采样后的变化率二元组，所述变化率二元组包括灰度熵的变化率和纹理熵的变化率；统计每个图像区域每次采样后与前一次采样获得的图像区域的变化率二元组形成每个区域图像的变化序列，根据每个区域图像的变化序列计算两两区域图像之间的同类性；根据区域图像之间的区域同类性得到采样邻接矩阵，对灰度图像的邻接矩阵和采样邻接矩阵进行点乘计算得到变化一致性邻接矩阵；S4：对图像数据进行分布式计算：设置类别阈值，根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类，根据分类后的图像数据采用分布式计算对待识别图像进行识别。2.根据权利要求1所述的一种用于图像识别的分布式计算方法，其特征在于，所述利用灰度图像中各像素点的灰度值和种子生长法得到灰度图像中的区域图像的过程如下：S1
‑
1：统计灰度图像的灰度值得到灰度直方图，对灰度直方图进行高斯平滑得到平滑后的灰度直方图；S1
‑
2：对图像的原灰度直方图和平滑后的灰度直方图做差得到差值直方图，获取差值直方图中像素点频数大于数量阈值的灰度值对应的像素点作为图像的种子点；S1
‑
3：以种子点为类别中心通过区域生长法对图像进行分割，得到分割后的区域图像。3.根据权利要求1所述的一种用于图像识别的分布式计算方法，其特征在于，所述根据各区域之间的距离计算各区域之间的区域相似度的计算方法如下：分别计算两两区域之间的欧氏距离，利用每个区域和其他区域的距离最大值对所有距离进行归一化得到区域相似度，具体计算公式如下：式中：表示第i个区域与第j个区域的区域相似度，表示第i个区域与其他区域的距离的最大值，表示第i个区域与第j个区域的距离，i、j为分割的区域图像的序号，i≠
j。4.根据...

【专利技术属性】
技术研发人员：刘志钢，刘石岩，
申请(专利权)人：南京轩景乐敏科技有限公司，
类型：发明
国别省市：