[发明专利]基于随机线段的图像特征分类方法及系统有效

专利信息
申请号: 201911248845.1 申请日: 2019-12-09
公开(公告)号: CN110991541B 公开(公告)日: 2023-04-25
发明(设计)人: 李国庆;韩华;陈曦;孙国栋 申请(专利权)人: 中国科学院自动化研究所
主分类号: G06V10/764 分类号: G06V10/764
代理公司: 北京市恒有知识产权代理事务所(普通合伙) 11576 代理人: 郭文浩;尹文会
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 随机 线段 图像 特征 分类 方法 系统
【权利要求书】:

1.一种基于随机线段的图像特征分类方法,其特征在于,所述分类方法包括:

获取已知图像特征的样本图像集,所述样本图像集包括一个参照样本图像和多个分析样本图像;

对所述参照样本图像进行归一化处理,得到处理图像;

根据所述处理图像中的各处理像素点,得到多组有向线段组;其中,每组有向线段组均包含多条有向线段,各所述有向线段均为由所述处理图像中随机的两个处理像素点连线形成的带有方向的线段;

针对每组有向线段组,比较所述有向线段组中各个有向线段的线段头的处理像素点值和线段尾的处理像素点值的大小,得到比较结果;

将对应所述有向线段组的各有向线段的比较结果按顺序排列,得到图像特征编码序列;多组有向线段组对应的图像特征编码序列形成图像特征分类器;

基于所述图像特征分类器及各所述分析样本图像,确定所述已知图像特征的特征编码序列;

基于所述图像特征分类器,对待处理图像进行识别,确定所述待处理图像的图像编码序列;

根据所述已知图像特征的特征编码序列及所述待处理图像的图像编码序列,确定所述待处理图像的图像特征类别。

2.根据权利要求1所述的基于随机线段的图像特征分类方法,其特征在于,所述处理图像中的各处理像素点值均用0到1之间的数来表示,所述处理图像中左上角处理像素点坐标为(0,0),右下角处理像素点坐标为(1,1)。

3.根据权利要求1所述的基于随机线段的图像特征分类方法,其特征在于,所述比较结果用于0或1表示。

4.根据权利要求3所述的基于随机线段的图像特征分类方法,其特征在于,所述比较所述有向线段组中各个有向线段的线段头的处理像素点值和线段尾的处理像素点值的大小,得到比较结果,具体包括:

针对每组有向线段组中的每条有向线段,当线段头的处理像素点值大于或等于线段尾的处理像素点值,所述比较结果为1;

当线段头的处理像素点值小于线段尾的处理像素点值,所述比较结果为0。

5.根据权利要求1所述的基于随机线段的图像特征分类方法,其特征在于,所述基于所述图像特征分类器及各所述分析样本图像,确定所述已知图像特征的特征编码序列,具体包括:

基于所述图像特征分类器,分别对分析样本图像进行识别,得到对应的分析图像编码序列;

根据各分析图像编码序列,确定所述已知图像特征的特征编码序列。

6.根据权利要求5所述的基于随机线段的图像特征分类方法,其特征在于,所述根据各分析图像编码序列,确定所述已知图像特征的特征编码序列,具体包括:

绘制各分析图像编码序列的分布直方图;所述分布直方图中概率最大的分析图像编码序列为所述已知图像特征的特征编码序列。

7.根据权利要求1所述的基于随机线段的图像特征分类方法,其特征在于,所述根据所述已知图像特征的特征编码序列及所述待处理图像的图像编码序列,确定所述待处理图像的图像特征类别,具体包括:

当所述已知图像特征的特征编码序列与所述待处理图像的图像编码序列一样,则确定所述待处理图像的图像特征与所述已知图像特征为同一类图像特征,否则确定所述待处理图像的图像特征与所述已知图像特征为不同类图像特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911248845.1/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top