[发明专利]基于相变和扩散神经网络的图像元素提取方法

权利要求书

1.一种基于相变和扩散神经网络的图像元素提取方法，其特征在于，包括：

步骤S1，图像获取模块获取原始图像并识别原始图像中的物体轮廓；

步骤S2，图像处理模块对所述原始图像进行灰度化处理以获取灰度图像；

步骤S3，区域划分模块将所述灰度图像平均分为设定数量的局部图像，并确定任一所述局部图像的最佳阈值，以区分局部图像的背景图和目标图；

步骤S4，所述区域划分模块计算任一所述目标图轮廓与原始图像中相应的所述物体轮廓的图形相似度，在第二相似度水平下确定对相应的所述最佳阈值的校正方式并跳转至所述步骤S3，在第一相似度水平下进入步骤S5；

步骤S5，图像检测模块检测任一所述局部图像中提取出的目标图的噪声点数量，在第二数量水平下确定对划分的局部图像的数量的修正方式并跳转至所述步骤S3，在第一数量水平下进入步骤S6；

步骤S6，合并重建所述目标图以输出二值图，对所述二值图进行平滑处理以得到特征图像；

步骤S7，将所述特征图像输入至神经网络模型，以输出图像元素提取结果。

2.根据权利要求1所述的基于相变和扩散神经网络的图像元素提取方法，其特征在于，在所述步骤S3中，所述区域划分模块中设有将所述灰度图像划分为局部图像的划分方式；

第一划分方式为将所述灰度图像划分为第一数量的局部图像；

第二划分方式为将所述灰度图像划分为第二数量的局部图像；

第三划分方式为将所述灰度图像划分为第三数量的局部图像；

其中，第一数量＜第二数量＜第三数量。

3.根据权利要求2所述的基于相变和扩散神经网络的图像元素提取方法，其特征在于，所述区域划分模块计算灰度图像的像素与预设像素的像素比值，设定像素比值＝灰度图像的像素/预设像素，并根据像素比值确定将所述灰度图像划分为局部图像的划分方式；

若像素比值处于第一像素比值水平，所述区域划分模块判定选用第一划分方式；

若像素比值处于第二像素比值水平，所述区域划分模块判定选用第二划分方式；

若像素比值处于第三像素比值水平，所述区域划分模块判定选用第三划分方式；

所述第一划分方式满足像素比值大于等于第二预设像素比值，所述第二划分方式满足像素比值小于第二预设像素比值且大于等于第一预设像素比值，所述第三划分方式满足像素比值小于第一预设像素比值。

4.根据权利要求3所述的基于相变和扩散神经网络的图像元素提取方法，其特征在于，在所述步骤S3中，所述区域划分模块采用最大类间方差法确定任一局部图像的最佳阈值，并对局部图像的所有像素进行遍历；

若像素的灰度值处于第一灰度值水平，所述区域划分模块将该像素点记为背景图，并将背景图的灰度值设为0；

若像素的灰度值处于第二灰度值水平，所述区域划分模块将该像素点记为目标图，并将目标图的灰度值设为255；

所述第一灰度值水平满足像素的灰度值小于最佳阈值，所述第二灰度值水平满足像素的灰度值大于等于最佳阈值。

5.根据权利要求4所述的基于相变和扩散神经网络的图像元素提取方法，其特征在于，在所述步骤S4中，所述区域划分模块计算任一所述目标图轮廓与原始图像中相应的所述物体轮廓的图形相似度以判定是否对该目标图所处的局部图像的最佳阈值进行校正；

若图形相似度处于第一相似度水平，所述区域划分模块判定无需对最佳阈值进行校正；

若图形相似度处于第二相似度水平，所述区域划分模块判定需对最佳阈值进行校正；

所述第一相似度水平满足图形相似度大于等于预设相似度标准，所述第二相似度水平满足图形相似度小于预设相似度标准。