[发明专利]基于相变和扩散神经网络的图像元素提取方法

说明书

本发明涉及一种基于相变和扩散神经网络的图像元素提取方法，包括获取原始图像并识别原始图像中的物体轮廓；获取原始图像的灰度图像；将灰度图像平均分为设定数量的局部图像，并确定任一局部图像的最佳阈值，以区分背景图和目标图；计算任一目标图轮廓与原始图像中相应的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最佳阈值的校正方式；检测任一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；合并重建目标图以输出二值图，对二值图进行平滑处理以得到特征图像；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。本发明提高了图像元素提取的清晰度和提取精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于相变和扩散神经网络的图像元素提取方法。

背景技术

图像元素提取是指从图像中提取图像中包含的元素的过程，图像元素包括图形元素和文字元素。

中国专利申请公开号：CN114202602A公开了一种图像设计元素的提取方法、提取装置和电子设备，图像设计元素的提取方法，包括：获取目标图像；将目标图像输入至目标神经网络模型，根据目标神经网络模型的输出结果，获得目标图像对应的多个第一元素图像块；接收用户的第一输入；响应于第一输入，从多个第一元素图像块中确定目标第一元素图像块，目标第一元素图像块用于对目标神经网络模型进行后续优化。

然而，现有技术中，对图像元素提取的清晰度和提取精度还有待提高。

发明内容

为此，本发明提供一种基于相变和扩散神经网络的图像元素提取方法，用以克服现有技术中对图像元素提取的清晰度和提取精度较差的问题。

为实现上述目的，本发明提供一种基于相变和扩散神经网络的图像元素提取方法，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。

进一步地，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。

进一步地，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；