【技术实现步骤摘要】
本专利技术涉及图像分析，尤其涉及一种基于深度学习的图表图像数据识别方法及系统。
技术介绍
1、图像分析
是计算机视觉和图形处理领域的一个重要分支，涉及从图像中提取有用信息和洞察的技术和算法。这个领域关键集中于解析和解释图像内容，包括静态图像和动态序列图像。图像分析的应用极其广泛，涵盖医疗影像、卫星遥感、工业检测、面部识别、交通监控等多个方面。通常包括图像预处理、特征提取、图像分割、模式识别等一系列步骤，并使用统计学、几何学、物理学等学科的方法。随着深度学习等技术的发展，图像分析的准确性和应用范围不断扩大，成为当代技术发展的重要推动力之一。
2、图表图像数据识别方法是一种专门处理和解析图表类图像的技术。图表，如条形图、折线图、饼状图等，是一种常见的数据可视化手段，用于表现数据的分布、趋势和关系。图表图像数据识别的目的是将这些图形化的数据转换为结构化数据或进行进一步的分析和解释。这项技术试图解析图表中的符号、数字、文本以及彼此之间的相互关系，以实现自动化地提取和转换图表中的信息。通过这种方法，可以大大提高数据处理的效率和准...
【技术保护点】
1.一种基于深度学习的图表图像数据识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的图表图像数据识别方法，其特征在于，所述视觉特征映射包括纹理、边缘和颜色特征，所述图元素分类表包括元素类型和位置标记，所述元素关系图包括节点和边的关系表示，所述语义解析报告包括关键文本和数值数据解析，所述综合解析数据集包括图表内容和元数据，所述重构图表数据集包括结构化数据和可视化格式。
3.根据权利要求1所述的基于深度学习的图表图像数据识别方法，其特征在于，基于输入图表图像，采用直方图均衡化算法进行亮度调整，并使用边缘增强算法进行边缘锐化...
【技术特征摘要】
1.一种基于深度学习的图表图像数据识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的图表图像数据识别方法，其特征在于，所述视觉特征映射包括纹理、边缘和颜色特征，所述图元素分类表包括元素类型和位置标记，所述元素关系图包括节点和边的关系表示，所述语义解析报告包括关键文本和数值数据解析，所述综合解析数据集包括图表内容和元数据，所述重构图表数据集包括结构化数据和可视化格式。
3.根据权利要求1所述的基于深度学习的图表图像数据识别方法，其特征在于，基于输入图表图像，采用直方图均衡化算法进行亮度调整，并使用边缘增强算法进行边缘锐化处理，进而增强图像特征，生成特征增强图像的步骤具体为：
4.根据权利要求1所述的基于深度学习的图表图像数据识别方法，其特征在于，基于所述特征增强图像，采用卷积神经网络进行深度特征提取，并通过层级化网络结构映射视觉信息，生成视觉特征映射的步骤具体为：
5.根据权利要求1所述的基于深度学习的图表图像数据识别方法，其特征在于，基于所述视觉特征映射，采用深度语义分割算法进行图表元素分类，并执行像素级标注区分差异化图表组件，生成图元素分类表的步骤具体为：
6.根据权利要求1...
【专利技术属性】
技术研发人员：陈守红，
申请(专利权)人：深圳格隆汇信息科技有限公司，
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。