一种图像识别方法及装置制造方法及图纸

本发明专利技术公开了一种图像识别方法及装置，以实现能够对各种图像质量的图像进行准确识别的目的，包括：计算目标图像的图像特征向量；查询与所述目标图像的图像特征向量匹配的代表特征向量；返回查询结果；其中，一个代表特征向量通过提取聚为一类的样本图像的图像特征向量的特征获得；所述聚为一类的样本图像的图像特征向量按照多个样本图像的图像特征向量相似度聚类获得；所述样本图像的图像特征向量通过提取与所述目标图像的图像特征向量相同的特征获得；因为每个代表特征向量都是一类图像质量的样本图像的特征，能够体现各种图像质量的样本图像的特点，为图像提供了更加准确的特征描述，从而使对目标图像的识别更加准确，具有更高的识别能力。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，特别涉及一种图像识别方法及装置。
技术介绍
在人类图像识别系统中，图像识别是以图像的主要特征为基础的。每个图像都有它的特征，如字母A有个尖，P有个圈、而Y的中心有个锐角等。由此可见，在机器进行图像识别过程中，可以通过排除多余信息，抽出关键的特征对图像进行识别。利用提取图像特征进行图像识别，一般的方法是判断提取的图像特征是否符合一个关键特征，如果符合，则识别成功，例如，目前有一种硬币图像识别的方法，该方法首选 提取硬币图像中的硬币外轮廓圆直径，若提取的硬币外轮廓圆直径在允许的直径范围内，则符合硬币关键特征，若不在允许的直径范围内，则认为是假硬币。但是，目前对图像的关键特征描述过于简单，在图像质量不好时，所提取的图像特征可能不具备关键特征，导致识别失败，例如，针对硬币拍摄图像的识别，在光照条件或者拍摄角度不佳时，提取的硬币外轮廓变形，不具备所约定的允许直径范围，导致识别失败。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种图像识别方法及装置以实现能够对各种图像质量的图像进行准确识别的目的。本专利技术提供的一种图像识别方法，包括计算目标图像的图像特征向量；查询与所述目标图像的图像特征向量匹配的代表特征向量；返回查询结果；其中，一个代表特征向量通过提取聚为一类的样本图像的图像特征向量的特征获得;所述聚为一类的样本图像的图像特征向量按照多个样本图像的图像特征向量相似度聚类获得；所述样本图像的图像特征向量通过提取与所述目标图像的图像特征向量相同的特征获得。优选地，所述计算目标图像的图像特征向量具体包括根据预先设置的分块要求分割所述目标图像，获得子图像块；计算所述子图像块的颜色直方图向量和梯度直方图向量；将所述子图像块的颜色直方图向量和梯度直方图向量组合，获得所述目标图像的图像特征向量。优选地，所述聚为一类的样本图像的图像特征向量按照多个样本图像的图像特征向量相似度聚类获得具体包括以下步骤获得多个样本图像特征向量；从多个样本图像特征向量中，随机选取k个样本图像特征向量，分别作为k个类的第一中心值，其中k > 2 ;建立与第一中心值对应的k个第一聚类，计算所述多个样本图像特征向量与所述k个第一聚类的第一中心值的相似度，将所述多个样本图像特征向量分别归到与所述k个第一聚类的第一中心值相似度最高的类中；通过计算k个第一聚类中每类包含的每个样本图像特征向量与所在类的第一中心值的差值，获得所述多个样本图像特征向量到第一中心值的平均距离；计算k个第一聚类中每类包含的样本图像特征向量的均值，将其作为第二中心值；进入分类步骤；分类步骤包括建立与第二中心值对应的k个第二聚类，计算所述多个样本图像特征向量与所述k个第二聚类的第二中心值的相似度，将所述多个样本图像特征向量分别归到与所述k个第二聚类的第二中心值相似度最高的类中；通过计算k个第二聚类中每类包含的每个样本图像特征向量与所在类的第二中心值的差值，获得所述多个样本图像特征向量到第二中心值的平均距离；判断到第二中心值的平均距离与到第一中心值的平均距离的差是否小于预设的阈值；如果否，将到第二中心值的平均距离作为到第一中心值的平均距离，计算k个第二聚类中每类包含的样本图像特征向量的均值，将其作为第二中心值，重新进入分类步骤；如果是，获得第二聚类，结束该流程。优选地，一个代表特征向量具体通过计算聚为一类的样本图像的图像特征向量平均值获得。优选地，所述查询与目标图像的图像特征向量匹配的代表特征向量具体通过以下步骤查询分别计算所述目标图像的图像特征向量与各个代表特征向量的差值；选择差值最小的代表特征向量作为与所述目标图像的图像特征向量匹配的代表特征向量。优选地，该方法还包括判断所述目标图像的图像特征向量与各个代表特征向量的差值是否均超过差值标准；若超过，查询结果为未找到；若未超过，查询结果为所述差值最小的代表特征向量。优选地，该方法在计算目标图像的图像特征向量之前，还包括将所述目标图像作为待处理图像，执行以下预处理步骤；所述预处理步骤包括在所述待处理图像上定位限定图像范围的标识，获得所述标识在所述待处理图像上的位置；根据所述标识在所述待处理图像上的位置，更新所述待处理图像为所述标识限定范围内的图像。优选地，该方法还包括将所述样本图像作为待处理图像，执行所述预处理步骤获得更新的样本图像，所述样本图像的图像特征向量具体通过提取所述更新的样本图像的特征获得。在本专利技术的一个实施例中，所述限定图像范围的标识具体为特定闭合曲线，所述标识限定的范围具体为所述特定闭合曲线所包围的范围。在该实施例中，在所述待处理图像上定位所述标识具体通过以下步骤定位利用特定闭合曲线模板将特定闭合曲线投影在所述待处理图像上，计算出特定闭合曲线的投影线在待处理图像上的位置；通过调整特定闭合曲线模板的角度和位置、调整所述待处理图像的缩放尺寸，计算在调整过程中的任意调整状态下第一图像与第二图像的色差值，所述第一图像具体为所述待处理图像上的投影线一侧预设范围内的图像，所述第二图像具体为所述待处理图像上的投影线另一侧预设范围内的图像；在所述色差值最大时，将特定闭合曲线的投影线在待处理图像上的位置作为所述标识在所述待处理图像上的位置。在本专利技术的另一个实施例中，所述限定图像范围的标识具体为N个第一特殊图形、且所述N个第一特殊图形相连形成的N边形符合第二特殊图形，所述标识限定的范围具体为所述N个第一特殊图形相连形成的N边形所包围的范围，其中所述N个第一特殊图形的中心点不在同一条直线上，N大于等于3。·在该实施例中，在所述待处理图像上定位所述标识具体通过以下步骤定位计算所述待处理图像上各像素点的像素值和位置；通过所述各像素点的像素值和位置,确定像素值不为O且位置相邻的像素点所形成的各个待选图形，并计算各个待选图形在所述待处理图像上的位置；从各个待选图形中筛选出与第一特殊图形相似程度超过标准值的第一待选图形；若第一待选图形的个数总和大于等于N，从各个第一待选图形中，筛选出N个第一待选图形，其中心点相连形成的N边形与第二特殊图形的相似程度最高，将所述筛选出的N个第一待选图形在所述待处理图像上的位置作为所述标识在所述待处理图像上的位置；否则，定位失败。或者，还可以通过以下步骤定位利用第一特殊图形模板将第一特殊图形边缘投影在所述待处理图像上，计算出第一特殊图形边缘的投影线在待处理图像上的位置；通过调整第一特殊图形模板的角度和位置、调整所述待处理图像的缩放尺寸，计算在调整过程中的任意调整状态下第一图像与第二图像的色差值，所述第一图像具体为所述待处理图像上的投影线一侧预设范围内的图像，所述第二图像具体为所述待处理图像上的投影线另一侧预设范围内的图像；在所述色差值最大时，将第一特殊图形边缘的投影线在待处理图像上的位置作为所述第一特殊图形在所述待处理图像上的位置；重复以上步骤直到无法找到第一特殊图形在所述待处理图像上更新的位置；若在所述待处理图像上找到的第一特殊图形个数大于等于N，从找到的各个第一特殊图形中，筛选出N个第一特殊图形，其中心点相连形成的N边形与第二特殊图形的相似程度最高，将所述筛选出的N个第一特殊图形在所述待处理图像上的位置作为所述标识在所述待处理图像上的位置；否则，定位失败。优选地，所述预处理步骤还包本文档来自技高网...

【技术保护点】
一种图像识别方法，其特征在于，包括：计算目标图像的图像特征向量；查询与所述目标图像的图像特征向量匹配的代表特征向量；返回查询结果；其中，一个代表特征向量通过提取聚为一类的样本图像的图像特征向量的特征获得；所述聚为一类的样本图像的图像特征向量按照多个样本图像的图像特征向量相似度聚类获得；所述样本图像的图像特征向量通过提取与所述目标图像的图像特征向量相同的特征获得。

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括 计算目标图像的图像特征向量； 查询与所述目标图像的图像特征向量匹配的代表特征向量； 返回查询结果； 其中，一个代表特征向量通过提取聚为一类的样本图像的图像特征向量的特征获得；所述聚为一类的样本图像的图像特征向量按照多个样本图像的图像特征向量相似度聚类获得； 所述样本图像的图像特征向量通过提取与所述目标图像的图像特征向量相同的特征获得。2.根据权利要求I所述的方法，其特征在于，所述计算目标图像的图像特征向量具体包括 根据预先设置的分块要求分割所述目标图像，获得子图像块； 计算所述子图像块的颜色直方图向量和梯度直方图向量； 将所述子图像块的颜色直方图向量和梯度直方图向量组合，获得所述目标图像的图像特征向量。3.根据权利要求I所述的方法，其特征在于，所述聚为一类的样本图像的图像特征向量按照多个样本图像的图像特征向量相似度聚类获得具体包括以下步骤 获得多个样本图像特征向量； 从多个样本图像特征向量中，随机选取k个样本图像特征向量，分别作为k个类的第一中心值，其中k > 2 ; 建立与第一中心值对应的k个第一聚类，计算所述多个样本图像特征向量与所述k个第一聚类的第一中心值的相似度，将所述多个样本图像特征向量分别归到与所述k个第一聚类的第一中心值相似度最高的类中； 通过计算k个第一聚类中每类包含的每个样本图像特征向量与所在类的第一中心值的差值，获得所述多个样本图像特征向量到第一中心值的平均距离； 计算k个第一聚类中每类包含的样本图像特征向量的均值，将其作为第二中心值； 进入分类步骤； 分类步骤包括 建立与第二中心值对应的k个第二聚类，计算所述多个样本图像特征向量与所述k个第二聚类的第二中心值的相似度，将所述多个样本图像特征向量分别归到与所述k个第二聚类的第二中心值相似度最高的类中； 通过计算k个第二聚类中每类包含的每个样本图像特征向量与所在类的第二中心值的差值，获得所述多个样本图像特征向量到第二中心值的平均距离； 判断到第二中心值的平均距离与到第一中心值的平均距离的差是否小于预设的阈值； 如果否，将到第二中心值的平均距离作为到第一中心值的平均距离，计算k个第二聚类中每类包含的样本图像特征向量的均值，将其作为第二中心值，重新进入分类步骤； 如果是，获得第二聚类，结束该流程。4.根据权利要求I所述的方法，其特征在于，一个代表特征向量具体通过计算聚为一类的样本图像的图像特征向量平均值获得。5.根据权利要求I所述的方法，其特征在于，所述查询与目标图像的图像特征向量匹配的代表特征向量具体通过以下步骤查询 分别计算所述目标图像的图像特征向量与各个代表特征向量的差值； 选择差值最小的代表特征向量作为与所述目标图像的图像特征向量匹配的代表特征向量。6.根据权利要求5所述的方法，其特征在于，还包括 判断所述目标图像的图像特征向量与各个代表特征向量的差值是否均超过差值标准； 若超过，查询结果为未找到； 若未超过，查询结果为所述差值最小的代表特征向量。7.根据权利要求I所述的方法，其特征在于，在计算目标图像的图像特征向量之前，还包括 将所述目标图像作为待处理图像，执行以下预处理步骤； 所述预处理步骤包括 在所述待处理图像上定位限定图像范围的标识，获得所述标识在所述待处理图像上的位置； 根据所述标识在所述待处理图像上的位置，更新所述待处理图像为所述标识限定范围内的图像。8.根据权利要求7所述的方法，其特征在于，还包括将所述样本图像作为待处理图像，执行所述预处理步骤获得更新的样本图像，所述样本图像的图像特征向量具体通过提取所述更新的样本图像的特征获得。9.根据权利要求7或8所述的方法，其特征在于，所述限定图像范围的标识具体为特定闭合曲线，所述标识限定的范围具体为所述特定闭合曲线所包围的范围。10.根据权利要求9所述的方法，其特征在于，在所述待处理图像上定位所述标识具体通过以下步骤定位 利用特定...

【专利技术属性】
技术研发人员：周晨，
申请(专利权)人：长沙纳特微视网络科技有限公司，
类型：发明
国别省市：