[发明专利]一种图像批处理识别方法及系统

说明书

本发明公开了一种图像批处理识别方法及系统，包括：本发明可以实现岩石破坏区域的自动批量识别，同时在研究过程中节省了人力、物力和时间。采用改进的自适应阈值分割、区域生长分割和全局阈值分割方法对云南某地区单轴压缩破坏过程中的红砂岩样品进行识别。实施例中计算了批量识别时间和部分识别图像的相对误差。数据表明，本发明可以自动识别大量红砂岩裂缝，同时将识别精度和识别时间保持在可控范围内。

技术领域

本发明属于图像识别技术领域，特别是涉及一种图像批处理识别方法及系统。

背景技术

快速准确地了解岩石特性很重要。一些学者在实验室通过单轴压缩、三轴压缩、直剪试验和声发射对其进行了大量研究。然而，后期数据处理的繁琐，耗费了研究人员大量的时间和人力。因此，现有技术中提出了很多利用计算机视觉技术来识别岩石的变形区域的方法，节省了部分人力资源。如基于颜色的岩土界面和溶蚀裂隙识别方法，为工程应用识别钻孔岩石结构提供了参考，通过改进的基于混沌的半监督SVM-FCM算法(CSVM-FCM)对岩石图像进行分割，在分析多孔介质图像数据中比较不同图像分割技术的有效性。

随着研究问题越来越复杂多变，单一的图像分割方法已不再适合处理复杂类型的图像。因此，现有技术中出现了很多通过方法叠加和改进以及图像多信息组合处理来进行图像分割的方法。如多目标图像分割方法，通过找到最佳阈值将图像分割成不同的组，以及基于多策略融合的新肺分割方法，可以从CT切片中准确分割出肺区域，还包括通过CNN-to-FCN方法来对高分辨率图像中的裂纹像素进行语义分割等方法。

然而，上述这些方法通常用于分割单个图像，不适合大量图像。

发明内容

本发明的目的是提供一种图像批处理识别方法及系统，以解决上述现有技术存在的问题。

一方面为实现上述目的，本发明提供了一种图像批处理识别方法，包括：

获取图像数据，对所述图像数据进行预处理，获取预处理图像；

基于所述预处理图像选择图像分割方法，基于不同的图像分割方法进行分割处理，获取若干个分割结果；

将若干个分割结果进行融合，获取的融合结果作为最终识别结果。

可选的，所述图像数据采用Python和OpenCV开源库中的图像数据。

可选的，对所述图像数据进行预处理，获取预处理图像的过程中包括：

按顺序命名所有的所述图像数据，裁剪原始图像并保留要处理的区域，获得预处理图像。

可选的，基于所述预处理图像选择图像分割方法的过程中，所述图像分割方法包括：基于阈值的图像分割方法、基于边缘的图像分割方法、基于区域的图像分割方法和基于聚类的图像分割方法。

可选的，基于所述预处理图像选择图像分割方法的过程中包括：

基于所述预处理图像的阈值，选择自适应阈值分割方法和全局阈值分割方法；

基于所述预处理图像的区域，选择区域生长分割方法。

在基于阈值的图像分割方法中，自适应阈值分割适用于识别岩样单轴压缩过程中的长裂缝区域，而全局阈值分割所识别的各种破坏区域相交较少，因此可以单独提取所需的部分；

在基于区域的图像分割方法中，区域生长分割适用于识别单轴压缩过程中大面积受损的岩样区域；

自适应阈值分割与图像对比度相结合以识别长裂缝，将区域生长分割与图像亮度相结合，然后将全局阈值分割结果叠加，识别出既有长裂纹又有大面积损伤的区域，达到最终的识别结果。

可选的，基于不同的图像分割方法进行分割处理，获取若干个分割结果，将若干个分割结果进行融合，获取的融合结果作为最终识别结果的过程中包括的过程中包括：