[发明专利]一种图像识别的高维数据模型算法

权利要求书

1.一种图像识别的高维数据模型算法，其特征在于，包括以下步骤：

S1、通过处理设备将源图进行图像压缩得到缩略图，根据直接识别法识别缩略图；若识别成功则转到结束流程，否则执行下一程序；

S2、将源图进行图像增强得到增强图，根据直接识别法识别增强图；若识别成功则转到结束流程，否则执行下一程序；

S3、将源图进行图像压缩得到压缩图，根据图像区域识别法检测压缩图的倾斜角度，然后，使用该倾斜角矫正源图和/或压缩图得到目标图，在目标图中定位矩形区域并检测图像；若识别成功则转到结束流程，否则显示错误信息并转到结束流程；

S4、结束流程，显示识别信息，算法结束。

2.根据权利要求1所述的一种图像识别的高维数据模型算法，其特征在于，所述S1中，根据直接识别法识别缩略图，首先将缩略图初始化，初始化开始，找到第1个还没有归属的像素，并且设该像素为(x0，y0)。

3.根据权利要求2所述的一种图像识别的高维数据模型算法，其特征在于，通过迭代法计算出(x0，y0)8领域像素，迭代开始，以(x0，y0)为中心，考虑(x0，y0)的8邻域像素(x，y)如果(x0，y0)满足生长准则，将(x，y)与(x0，y0)合并(在同一区域内)，同时将(x，y)压入堆栈；从堆栈中取出一个像素，把它当做(x0，y0)返回到迭代开始；当堆栈为空时，返回到初始化开始；直到图像中的每个点都有归属时，生长结束。

4.根据权利要求3所述的一种图像识别的高维数据模型算法，其特征在于，所述S3中，定位矩形区域的具体流程如下：

A、滤波降噪，对目标图进行高斯平滑滤波抑制服从正态分布的噪声；

B、水平垂直梯度差，使用Sobel算子求得灰度图像梯度差；

C、均值滤波，消除高频噪声；

D、二值化，根据阈值进行二值化，为闭运算做准备；

E、闭运算，填充图像间隙；

F、腐蚀，去除背景中的孤立点；

G、膨胀，填充腐蚀造成的空隙；

H、区域定位，通过findContours定位图像区域的矩形边。

5.根据权利要求3所述的一种图像识别的高维数据模型算法，其特征在于，所述迭代法的输入框中心点坐标Point(x，y)的计算方法为：x＝(Left+Right)/2y＝(Top+Bottom)/2。

6.根据权利要求1所述的一种图像识别的高维数据模型算法，其特征在于，在所述处理设备处接收输入，所述输入包括有关所述目标图像的数据；执行检索步骤，所述检索步骤包括：从图像数据库检索图像，所述图像数据库包含多个潜在匹配图像，并且直到所述图像被接受或被拒绝；指定所述图像作为候选图像；执行图像识别步骤，所述图像识别步骤包括使用所述处理设备来对所述目标图像和所述候选图像执行图像识别算法，以便获得图像识别算法输出；以及执行比较步骤，所述比较步骤包括：如果所述图像识别算法输出在预选的范围内，那么接受所述候选图像作为所述目标图像；如果所述图像识别算法输出不在所述预选的范围内，那么拒绝所述候选图像并且重复所述检索步骤、所述图像识别步骤和所述比较步骤。