本发明专利技术涉及图像识别技术领域,具体公开了一种基于电子科学与技术的图像识别方法及其系统,包括:
【技术实现步骤摘要】
一种基于电子科学与技术的图像识别方法及其系统
[0001]本专利技术属于图像识别
,具体涉及一种基于电子科学与技术的图像识别方法及其系统
。
技术介绍
[0002]图像识别是指利用计算机对图像进行处理和分析以识别不同模式的目标和对象的技术
。
借助图像识别技术,人们可以快速获得所需要的信息,从而更好地进行思考与决策
。
随着计算机技术和信息技术的不断发展,图像识别得到了越来越广泛的应用
。
图像识别一般可以分为三个部分,即图像预处理
、
特征提取与图像分类
。
图像预处理的主要目的是消除图像中无关的信息,恢复有用的真实信息,一般有数字化
、
几何变换
、
归一化
、
滤波等步骤
。
[0003]电子科学与技术是国家一级学科,下设电磁场与微波技术
、
电路与系统
、
物理电子学
、
微电子学与固体电子学等二级学科
。
本学科属于工学学科门类,涉及广播
、
电视
、
电路
、
视频
、
音乐
、
图像
、
雷达
、
新媒体
、
微电子
、
人工智能等众多高科技领域
。
在假设阶段,系统只在感兴趣区域内进行以提高识别的实时性,通常利用图像的特征得到可能存在内容的候选区域
。
当图像或视频的背景环境中出现建筑物
、
云彩
、
花卉等繁杂物体时,分类器会产生一定的误识别
。
技术实现思路
[0004]本专利技术的目的在于提供一种基于电子科学与技术的图像识别方法及其系统,以解决上述
技术介绍
中提出的问题
。
[0005]为实现上述目的,本专利技术提供如下技术方案:
[0006]一种基于电子科学与技术的图像识别方法,包括:
[0007]S1
:对输入的图像进行预处理,去除背景噪声的干扰,使得目标图像适用于后续步骤处理;
[0008]S2
:通过图像分割提取目标图像内容生成特征区域,分析区域边缘特征确定区域的范围;
[0009]S3
:利用梯度方向直方图提取图像特征,将梯度方向直方图各方向进行归一化处理;
[0010]S4
:通过训练分类器对送入的图像特征模式进行分类,选取得票数最大的类别作为识别结果
。
[0011]优选的,所述
S1
中通过图像投影变换模型对原始图像进行投影变换,将原始图像投影在确定的投影模板内,通过矩阵变换使得原始图像像素映射在投影模块内,投影变换矩阵为:
[0012][0013]在此过程中,将目标图像归一化到统一的大小形式,以原始图像中心及顶点位置对图像进行变换,从而实现原始图像的校正
。
[0014]优选的,所述
S2
中基于水平边缘特征和垂直边缘特征来分割目标图像的内容,并且对分割的图像进行筛分,剔除缺失图像信息的特征区域,基于统计直方图提取图像阴影区域来分析图像明暗区域,图像灰度值概率分布函数公式为:
[0015][0016]式中,
k
为调整系数,
m
为均值,
s2为方差;结合
Hough
变换直线检测确定目标图像信息特征区域
。
[0017]优选的,所述
S3
中测梯度方向直方图的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述,它通过计算和统计图像局部区域的梯度方向直方图来构成特征,像素点
(x,y)
的梯度幅值和梯度方向计算式为:
[0018][0019][0020]式中,
H(x,y)
为像素值,
G
x
(x,y)、G
y
(x,y)
分别表示输入图像中像素点
(x,y)
处的水平方向梯度
、
垂直方向梯度,
α
(x,y)
为梯度的方向;将梯度方向直方图向量进行归一化处理,减弱图像局部变化的影响
。
[0021]优选的,所述
S4
中训练分类器时,假设特征向量
x,z∈R
n
,交叉核函数的表达式为:
[0022][0023]分类器的分类决策函数为:
[0024][0025][0026]交换累加和的次序:
[0027][0028]重新构造分类决策函数
h(x)
,将其作为一组函数
h
i
的和,
h
i
负责计算
n
维向量中的一维向量:
[0029][0030]式中,
h
i
(s)
的计算量是
o(m)
,
h(x)
的计算量仍是
o(nm)
,
o(nm)
是交叉核函数在分类检测时的运算复杂度
。
[0031]优选的,所述
S4
中选取训练样本图像,通过梯度方向直方图提取特征向量,训练出分类器模型文件,在迭代的训练过程中不断地更新样本信息,对于错误分类的样本加入相应的样本集合中并提高权重
。
[0032]一种基于电子科学与技术的图像识别系统,包括:图像预处理单元,图像内容分割单元,图像特征提取单元,分类器训练单元,待测样本检测单元;所述图像预处理单元用于对原始图像内容进行处理减少影响因素的干扰,所述图像内容分割单元用于结合图像内容情况进行细致分割,所述图像特征提取单元在分割图像的基础上提取图像的特征向量,所述分类器训练单元用于以随机选取的训练样本作为输入训练出分类器,所述待测样本检测单元用于采用训练后的分类器对处理过的待检测图像进行测试
。
[0033]优选的,所述图像特征提取单元中对提取的特征向量进行归一化处理来降低光照和背景的影响,所述分类器训练单元和待测样本检测单元中所用到的图像依次经过其他单元的处理后进行使用的
。
[0034]与现有技术相比,本专利技术的有益效果是:
[0035]本专利技术使用投影变换模型对输入图像进行投影变换,通过对图像内容分割,结合统计直方图和
Hough
变换直线检测来细化分析图像内容,可以用来快速
、
可靠地生成分析特征区域,在图像上通过梯度方向直方图提取特征,送入训练的分类器进行分类,消除区域内其他物体对识别目标的影响,提高识别结果正确率
。
附图说明
[0036]图1为本专利技术的方法流程图;
[0037]图2为本专利技术的系统框架图;
...
【技术保护点】
【技术特征摘要】
1.
一种基于电子科学与技术的图像识别方法,其特征在于,包括:
S1
:对输入的图像进行预处理,去除背景噪声的干扰,使得目标图像适用于后续步骤处理;
S2
:通过图像分割提取目标图像内容生成特征区域,分析区域边缘特征确定区域的范围;
S3
:利用梯度方向直方图提取图像特征,将梯度方向直方图各方向进行归一化处理;
S4
:通过训练分类器对送入的图像特征模式进行分类,选取得票数最大的类别作为识别结果
。2.
根据权利要求1所述的一种基于电子科学与技术的图像识别方法,其特征在于:所述
S1
中通过图像投影变换模型对原始图像进行投影变换,将原始图像投影在确定的投影模板内,通过矩阵变换使得原始图像像素映射在投影模块内,投影变换矩阵为:在此过程中,将目标图像归一化到统一的大小形式,以原始图像中心及顶点位置对图像进行变换,从而实现原始图像的校正
。3.
根据权利要求1所述的一种基于电子科学与技术的图像识别方法,其特征在于:所述
S2
中基于水平边缘特征和垂直边缘特征来分割目标图像的内容,并且对分割的图像进行筛分,剔除缺失图像信息的特征区域,基于统计直方图提取图像阴影区域来分析图像明暗区域,图像灰度值概率分布函数公式为:式中,
k
为调整系数,
m
为均值,
s2为方差;结合
Hough
变换直线检测确定目标图像信息特征区域
。4.
根据权利要求1所述的一种基于电子科学与技术的图像识别方法,其特征在于:所述
S3
中测梯度方向直方图的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述,它通过计算和统计图像局部区域的梯度方向直方图来构成特征,像素点
(x,y)
的梯度幅值和梯度方向计算式为:的梯度幅值和梯度方向计算式为:式中,
H(x,y)
为像素值,
G
x
(x,y)、G
y
(x,y)
分别表示输入图像中像素点
(x,y)
处的水平方向梯度
、
【专利技术属性】
技术研发人员:赵珈妤,
申请(专利权)人:长春理工大学,
类型:发明
国别省市:
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。