[发明专利]基于滑窗分块的图像检测方法有效

专利信息
申请号: 202110822108.9 申请日: 2021-07-21
公开(公告)号: CN113362323B 公开(公告)日: 2022-09-16
发明(设计)人: 肖嘉荣;刘霖;陆岷;陈东旭;张昆明;喻忠军 申请(专利权)人: 中国科学院空天信息创新研究院
主分类号: G06T7/00 分类号: G06T7/00;G06T3/40
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 鄢功军
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 分块 图像 检测 方法
【说明书】:

本公开提供了一种基于滑窗分块的图像检测方法,包括:以公开数据集提供的切片数据对网络进行训练得到训练模型;根据所述切片数据大小选取对应的屏幕信息;将用于测试的图像在屏幕窗口中进行显示;在图像中选取多个待识别目标,并使其出现在所述屏幕窗口中;缩小图像选取最优缩放比,根据所述最优缩放比计算实际分块大小;逐次平移图像以移动距离作为所述实际分块的重叠区域;根据所述实际分块大小和所述实际分块的重叠区域,对用于测试的所述图像进行检测。

技术领域

发明涉及图像处理技术领域,尤其涉及一种基于滑窗分块的图像检测方法。

背景技术

在超高分辨率图像的检测方法多采用滑窗分块方法对大图像进行切分得到一个个分块图像,而后对分块图像进行检测,对检测的目标坐标进行变换,输出目标在大图像上的位置。

其中滑窗分块中的分块大小则大多根据训练模型采用的数据集中的图片大小来确定。分块过大或过小都会影响边缘端检测的准确率以及检测速率,因此确定合适的分块大小是分块检测算法的核心。

发明内容

针对于现有的技术问题,本发明提供一种基于滑窗分块的图像检测方法,用于至少部分解决以上技术问题。

本发明实施例提供一种基于滑窗分块的图像检测方法,包括:以公开数据集提供的切片数据对网络进行训练得到训练模型;根据所述切片数据大小选取对应的屏幕信息;其中,所述的屏幕信息包括屏幕窗口的尺寸;将用于测试的图像以100%的分辨率在所述屏幕窗口中进行显示;在所述图像中选取至少一个目标,依据所述目标的像素点数量将每个目标划分为一个待识别目标,拖动所述图像直至所述待识别目标出现在所述屏幕窗口中;逐次缩小所述图像直至所述待识别目标在所述屏幕窗口中无法被识别,记录所述无法被识别的状态之前各次累计缩小所述图像的缩放比,在至少一个缩放比中选取最优缩放比,根据所述最优缩放比计算实际分块大小;在所述最优缩放比的状态下,逐次平移所述图像直至所述待识别目标在所述屏幕窗口中无法被识别,记录所述无法被识别状态之前各次平移所述图像的累计移动距离,以所述累计移动距离作为所述实际分块的重叠区域;以及根据所述实际分块大小和所述实际分块的重叠区域,对用于测试的所述图像进行检测。

根据本公开的实施例,根据所述切片数据大小所述选取对应的屏幕信息,包括:以选取的所述切片数据大小的1-2倍作为所述屏幕窗口的尺寸。

根据本公开的实施例,将用于测试的图像以100%的分辨率在屏幕窗口中进行显示,包括:采用图像处理软件将用于测试的所述图像打开,其中,所述图像处理软件包括:Photoshop。

根据本公开的实施例,其中,逐次缩小所述图像直至所述待识别目标在所述屏幕窗口中无法被识别,包括:所述图像中的所述待识别目标在所述屏幕窗口中能被识别的状态下,以所述图像百分之一的比例作为定值,逐次缩小所述图像的比例。

根据本公开的实施例,其中,在至少一个缩放比中选取最优缩放比,包括:所述待识别目标的数量为一个时,则所述待识别目标的缩放比为最优缩放比。

根据本公开的实施例,其中,在至少一个缩放比中选取最优缩放比,包括:所述待识别目标的数量为N个时,其中N为大于1的自然数;依据每个待识别目标的像素点数量由多至少的顺次设置为第一待识别目标、第二待识别目标…第N-1待识别目标和第N待识别目标;以及在相同的所述屏幕窗口的情况下,对于第一待识别目标至第N待识别目标分别进行逐次缩小,并记录每个缩放比,在确保每个待识别目标均能被识别的状态下,选取所述缩放比中最小的一个作为最优缩放比。

根据本公开的实施例,其中,所述实际分块大小=所述屏幕窗口的尺寸/最优缩放比。

根据本公开的实施例,其中,逐次平移所述图像直至所述待识别目标在所述屏幕窗口中无法被识别,包括:以所述待识别目标横向或纵向长度的一半作为第一滑窗步长,在所述图像平移方向同向以单个像素的边长为定值,逐次平移所述图像。

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空天信息创新研究院,未经中国科学院空天信息创新研究院许可,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/202110822108.9/2.html,转载请声明来源钻瓜专利网。

×

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