一种基于图像识别的图像采集方法及系统技术方案

本申请公开了一种基于图像识别的图像采集方法及系统，涉及图像识别技术领域，包括：获取原始图像，对原始图像进行预处理，输出预处理后的图像A；构建共生矩阵，获取图像A的特征集F；结合特征集F，构建局部特征的LOF模型；利用DBSCAN对LOF模型进行聚类分析，获取最终的聚类图像C；其中，共生矩阵为GLCM矩阵和WCM矩阵；针对现有技术中对图像目标识别和提取存在依赖全局特征表达能力不足的问题，本申请通过构建共生矩阵捕捉局部特征模式，建立LOF模型分析局部特征结构，并采用DBSCAN聚类算法仅基于局部特征进行目标识别，可以有效提取和表达图像的局部特征模式，并利用局部特征模式实现对图像目标区域的自动识别和精确定位，从而显著提高图像目标提取的效果。著提高图像目标提取的效果。著提高图像目标提取的效果。

【技术实现步骤摘要】
一种基于图像识别的图像采集方法及系统


[0001]本专利技术涉及图像识别
，特别涉及一种基于图像识别的图像采集方法及系统。

技术介绍

[0002]随着计算机视觉和图像处理技术的发展，图像目标识别和提取技术越来越广泛地应用于智能监控、无人驾驶、图像搜索等领域。针对不同场景的图像目标实现自动识别和精确提取，是计算机视觉领域亟待解决的难题。
[0003]传统的图像目标提取方法主要依赖全局特征，如颜色、纹理、形状等整体特征，使用分类器对全局特征进行训练，实现对目标类别的识别，但全局特征对图像局部目标的表达能力较弱，不足以准确定位目标区域。
[0004]在相关技术中，比如中国专利文献CN116168440A中提供了一种目标图像识别系统，该目标图像识别系统，包括图像扫描采集模块、辅助图像采集模块、图像预处理模块、图像特征提取模块、图像数据存储模块、图像智能识别模块以及识别异常管理模块；所述图像扫描采集模块包括主轮廓扫描采集单元、三维立体扫描采集单元和采集完整度检测单元；所述辅助图像采集模块包括局部图像扫描采集单元。但是本申请至少存在如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的图像采集方法，包括：获取原始图像，对原始图像进行预处理，输出预处理后的图像A；构建共生矩阵，获取图像A的特征集F；结合特征集F，构建局部特征的LOF模型；利用DBSCAN对LOF模型进行聚类分析，获取最终的聚类图像C；其中，共生矩阵为GLCM矩阵和WCM矩阵。2.根据权利要求1所述的图像采集方法，其特征在于：获取图像A的特征集包括：构建图像在给定偏移距离和角度下的灰度共生矩阵GLCM；利用共生矩阵GLCM提取图像A的灰度特征，输出GLCM特征集F1；构建图像的小波变换和小波系数的共生矩阵WCM；利用共生矩阵WCM提取图像A的频域特征，输出WCM特征集F2；其中，所述灰度特征包含对比度和相关性特征；共生矩阵WCM用于反映图像的频域特征。3.根据权利要求1所述的图像采集方法，其特征在于：构建局部特征的LOF模型包括：结合图像A和特征集F1，构建灰度LOF模型；结合图像A和特征集F2，构建微小波LOF模型；其中，构建灰度LOF模型包含：对图像A进行灰度化处理；获取图像A中每个像素与特征集F1的距离，得到局部达因距离；根据局部达因距离计算局部离群因子；构建以局部离群因子为特征的灰度LOF模型；其中，构建微小波LOF模型包含：采用局部二值模式和哈尔小波变换提取图像A的微小波特征；计算每个像素的K距离最小值，以提取局部特征；根据密度和距离构建改进的局部离群因子；构建以改进的局部离群因子为特征的微小波LOF模型。4.根据权利要求1所述的图像采集方法，其特征在于：获取最终的聚类图像C包括：进行第一聚类，利用DBSCAN算法对灰度LOF模型聚类，生成第一聚类结果B1；进行第二聚类，利用DBSCAN算法对微小波LOF模型聚类，生成第一聚类结果B2；进行多数投票融合，对每个像素的第一聚类结果B1和第二聚类结果B2进行多数投票，得到中间聚类结果；进行同类别匹配，确定两次聚类结果中的可能匹配类别，融合为中间聚类结果中的同一类别；进行离群点判断，像素数目比例低于阈值的类别判定为离群点；生成最终聚类结果，融合多数投票、同类别匹配和离群点判断的结果，输出最终聚类图像C。
5.根据权利要求4所述的图像采集方法，其特征在于：多数投票融合包括：获取第一聚类结果和第二聚类结果中每个类别的像素比例；按照像素比例...

【专利技术属性】
技术研发人员：王子静，邓伟宁，
申请(专利权)人：王子静，
类型：发明
国别省市：