[发明专利]基于特征因子的智能图像识别技术在审
申请号: | 201910990480.3 | 申请日: | 2019-10-17 |
公开(公告)号: | CN110717501A | 公开(公告)日: | 2020-01-21 |
发明(设计)人: | 不公告发明人 | 申请(专利权)人: | 占志敏 |
主分类号: | G06K9/46 | 分类号: | G06K9/46;G06K9/62 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 上海市浦东新区*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于特征因子的智能图像识别技术。将对象边缘特征表示为由直线因子和曲线因子组成的特征,直线因子是特征模子按照线性移动;曲线因子是特征模子按照一个半径不变的圆弧移动,不同的曲线可以看成是不同的曲线因子组成的新曲线。通过可变的特征模子来识别对象的所有的子特征,组成这个对象的所有特征,再通过人机交互学习加重子特征的权重和偏置来识别对象,不同的对象它们的子特征及权重和偏置值都将不一样,从而做到识别不同的对象。 | ||
搜索关键词: | 曲线因子 模子 权重和 偏置 智能图像识别 对象边缘 人机交互 特征表示 特征因子 线性移动 圆弧移动 可变的 学习 | ||
【主权项】:
1.一种基于特征因子的智能图像识别技术,其特征是将一个对象边缘特征的基本属性表示为特征因子:直线因子和曲线因子,然后通过可变的特征模子来识别图像中的子特征,再通过人机交互学习加重子特征的权重和偏置来识别对象。/n
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占志敏,未经占志敏许可,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/patent/201910990480.3/,转载请声明来源钻瓜专利网。
- 上一篇:一种二维条码初定位方法
- 下一篇:一种脉冲激光拼焊图像中熔池识别方法
- 同类专利
- 一种神经系统影像交互信息处理系统及方法-201911124082.X
- 付宪伟 - 付宪伟
- 2019-11-18 - 2020-02-14 - G06K9/46
- 本发明属于神经系统影像交互信息处理技术领域,公开了一种神经系统影像交互信息处理系统及方法,神经系统影像交互信息处理系统包括:神经影像采集模块、主控模块、影像增强模块、影像特征提取模块、影像压缩模块、影像分类模块、影像加密模块、影像存储模块、显示模块。本发明通过影像压缩模块大大提高了压缩效率,与现有仅对横断面序列进行视频压缩的方法相比,能发现神经影像数据在体积内或体积间上下、前后、左右方向上空间相关度或时间相关度最高的方向,进一步提高了压缩效率;采用高性能的标准视频编码器进行神经影像压缩,便于解码压缩后的神经影像数据,易于推广。
- 一种基于倾斜摄影的群体建筑物震害提取方法及系统-202010007988.X
- 张亮;宋杰;董梅;胡辉 - 杭州鲁尔物联科技有限公司
- 2020-01-06 - 2020-02-14 - G06K9/46
- 本发明公开了一种基于倾斜摄影的群体建筑物震害提取方法及系统,该提取方法包括步骤:S1、对地震灾后建筑物进行倾斜摄影,并对影像数据进行预处理获得基础影像;S2、基于基础影像生成实景三维模型;S3、选取最优纹理影像;S4、获取地物轮廓信息,基于最优纹理影像与地物轮廓信息,采用面向对象方法提取纹理影像上单体建筑物震害信息;S5、通过样本数据对卷积神经网络进行训练,得到群体建筑物震害信息提取模型;S6、基于群体建筑物震害信息提取模型提取灾区群体建筑物震害信息,并判定群体建筑物破坏等级。本发明通过卷积神经网络对群体建筑物震害信息进行提取,处理复杂度低,处理效率高。
- 一种交互式半自动高分辨率遥感影像建筑物提取的方法-201710305968.9
- 丁亚洲;吏军平;冯发杰;胡艳;朱坤;崔卫红;熊宝玉 - 湖北省电力勘测设计院有限公司;武汉大学;西安科技大学
- 2017-05-03 - 2020-02-14 - G06K9/46
- 本发明公开了一种交互式半自动高分辨率遥感影像建筑物提取的方法,首先确定建筑物的大致范围;然后检测建筑物范围内的直线,获取建筑物主方向并将建筑物旋转至水平方向;接着获取建筑物图斑;最后根据建筑物的颜色特征对建筑物规则化,以得到准确的建筑物轮廓。本发明实现通过用户在单独建筑物上画线以快速准确地提取建筑物轮廓。
- 一种提取线段的装置及方法-201710562178.9
- 许鸿文;薛印玺;殷蔚明;李羚 - 中国地质大学(武汉)
- 2017-07-11 - 2020-02-14 - G06K9/46
- 本发明公开了一种提取线段的装置及方法,包括了光线投射装置、点云获取装置、预处理装置、数据分类装置、拟合装置、结果判定装置和结果获取装置;上述装置用于实现一种提取线段的方法。本发明提供的一种线段提取装置,提高了线段提取算法实施的实时性,提高了线段提取效率,有效缩短了线段提取的时间,最终增强了线段提取的灵敏度。
- 一种图像检测方法及装置-201911024866.5
- 张水发;李岩 - 北京达佳互联信息技术有限公司
- 2019-10-25 - 2020-02-11 - G06K9/46
- 本公开关于一种图像检测方法及装置,通过获取预先训练的第二网络,获取第一分辨率的样本图像,其中,第二网络为通过第二分辨率的样本图像训练得到的图像识别网络,第一分辨率小于第二分辨率,对第一网络进行训练,得到训练好的第一网络,以通过训练好的第一网络进行图像检测,从而可以减小图像检测过程中网络模型的计算量,提高计算速度。
- 图像识别方法和装置-201510413335.0
- 陈海波;胡光龙;吴伟;李晓燕 - 杭州易现先进科技有限公司
- 2015-07-15 - 2020-02-11 - G06K9/46
- 本发明的实施方式提供了一种图像识别方法。该方法包括:对待识别图像进行特征提取,得到多个特征向量;确定每个特征向量对应的类别;针对每个特征向量,分别计算其所对应的类别下各样本图像的分数;将计算得到的同一样本图像的分数累加,得到该同一样本图像的分值;将分值最高的样本图像对应的图像标识作为待识别图像的识别结果。通过上述图像识别方法,有效提取多个特征来表征待识别图像,提取的特征不受图像中物体的特性所影响,能够实现对图像的有效识别,适用范围广;且通过计算样本图像分数的方式得到识别结果,综合考虑了特征的重要性,能够获得较好的识别精度。此外,本发明的实施方式提供了一种图像识别装置。
- 图像属性识别方法和系统以及相关网络训练方法和系统-201610825966.8
- 汤晓鸥;石武;吕健勤 - 北京市商汤科技开发有限公司
- 2016-09-14 - 2020-02-11 - G06K9/46
- 本申请公开了图像属性识别方法和系统以及相关网络训练方法和系统。图像属性识别方法包括:从图像提取特征图,特征图包含图像的属性;从特征图识别出多个备选属性;分别确定多个备选属性的置信度;以及根据确定的各置信度从多个备选属性中确定出至少一备选属性来作为图像的属性。本申请的图像属性识别方法和系统提高了图像属性识别的准确性。
- 一种完整的局部熵二值模式纹理图像分类方法-201810843004.4
- 李一兵;李斌;许晓春;孙骞;叶方;酒铭杨;张振鹏;徐衡宇 - 深圳市白麓嵩天科技有限责任公司
- 2018-07-27 - 2020-02-07 - G06K9/46
- 本发明公开了一种完整的局部熵二值模式纹理图像分类方法,首先,根据局部二值编码的尺度,计算每个像素对应局部区域块的熵特征,并基于自适应熵阈值,对其进行二值编码。然后,对传统的完整局部二值模式的三个特征进行区域均值编码。接下来,将得到的局部熵二值特征与基于区域均值的完整局部二值模式的三个特征一起组成完整的局部熵二值模式。最后,利用特征融合或拼接得到联合特征直方图,并结合KNN分类器实现对纹理图像的分类。本发明提出的纹理分类方法具有更加全面的纹理信息表达能力,具有优越的纹理分类性能。
- 一种基于多尺度阈值的CLBP纹理图像处理方法-201810844874.3
- 李一兵;许晓春;李斌;汤春瑞;孙骞;酒铭杨;周子涛;耿笑语 - 深圳市白麓嵩天科技有限责任公司
- 2018-07-27 - 2020-02-07 - G06K9/46
- 本发明公开了一种基于多尺度阈值的CLBP纹理图像处理方法。其方法包括以下步骤:在训练阶段和测试阶段,其中训练阶段训练好KNN分类器;在测试阶段,对输入的测试纹理图像数据集做类似操作,通过基于多尺度阈值的CLBP操作提取到特征后,将其输入到训练好的KNN分类器中,输出测试纹理图像的图像标签。根据本发明实施例的方法,通过一种基于多尺度阈值的CLBP方法,使提取的纹理特征同时包含了纹理图像局部区域和全局信息,特征提取的纹理信息更加全面,从而提高了分类准确性。
- 一种完整的局部对比度二值模式纹理图像处理方法-201810844921.4
- 李一兵;李斌;段继琨;许晓春;田园;刘倩利;孟宪帧;肖冰 - 深圳市白麓嵩天科技有限责任公司
- 2018-07-27 - 2020-02-07 - G06K9/46
- 本发明公开了一种完整的局部对比度二值模式纹理图像分类方法,首先,计算像素对应局部区域的对比度,并基于自适应对比度阈值,对其进行二值编码。其次,对传统的完整局部二值模式的三个特征进行区域均值编码。然后,将编码得到的局部对比度二值特征与基于区域均值的完整局部二值模式一起组成完整的局部对比度二值模式。最后,通过特征融合或拼接,得到最终的多特征联合直方图,并采用KNN分类器实现对纹理图像的分类。本发明提出的纹理图像分类方法具有更加完整的纹理信息表达能力,其在国际公认纹理数据集上的纹理分类性能要明显优于传统方法。
- 一种快速识别卡号的方法及装置、模型训练方法及装置-201910964463.2
- 赵毅仁;高澍;李铁铮 - 上海上湖信息技术有限公司
- 2019-10-11 - 2020-02-07 - G06K9/46
- 本发明提供一种快速识别卡号的方法及装置、模型训练方法及装置,通过深度卷积神经网络对待识别的卡片图像进行特征提取,获得与卡片图像相应的特征图;根据第一预设单位长度,沿卡号长度方向将特征图垂直切分成n个图片;将n个图片输入训练好的预测模型进行预测,输出待识别卡片图像的卡号数据;其中,预测模型为基于Bi‑LSTM网络结构预先训练获得,该方法相较传统的卡片OCR技术,不需要对卡号预先切割进行单个逐一识别,而是通过基于Bi‑LSTM网络结构构建的模型,通过该预测模型对全局信息进行抓取,从而基于深度卷积网络处理后获取的卡片图像的特征图,进行卡号识别,该方法支持不定长卡号的识别,不仅对卡号识别时精度较高,并且速度较快,用户体验较佳。
- 图像的区域定位方法和目标区域定位模型的训练方法-201911004758.1
- 叶燕罡;陈铭良;沈小勇 - 腾讯科技(深圳)有限公司
- 2019-10-22 - 2020-02-07 - G06K9/46
- 本申请涉及一种图像的区域定位方法和目标区域定位模型的训练方法,其中,目标区域定位模型为使用属于目标类别的样本图像集训练初始定位模型,在训练目标区域定位模型时,通过初始定位模型分别对样本图像集中的各样本图像进行处理,获得各样本图像对应的类激活图,当根据各样本图像的类激活图确定的目标区域未完全覆盖相应样本图像中与目标类型相关的区域时,则继续使用样本图像对初始定位模型的模型参数进行调整,以引导当前的模型将更多注意力集中在该样本图像中被遗漏的目标区域,从而在调整的过程中查漏补缺,使得获得的目标区域定位模型的定位结果更加准确。
- 一种绿色环保植物源基餐具清洗控制系统及方法-201911038837.4
- 吴欣颐;桂莉 - 吴欣颐
- 2019-10-29 - 2020-02-07 - G06K9/46
- 本发明属于餐具清洗技术领域,公开了一种绿色环保植物源基餐具清洗控制系统及方法,所述绿色环保植物源基餐具清洗控制系统包括:餐具图像采集模块、中央控制模块、刷洗模块、冲洗模块、烘干模块、消毒模块、图像增强模块、干净程度判断模块、显示模块。本发明通过图像增强模块顾及了低频图像细节,又顾及了高频的图像细节,同时还可以消除部分噪声,使得图像细节增强结果更加准确;同时,通过干净程度判断模块基于图像处理技术和机器学习技术,通过对待测物体表面图像进行处理,然后通过训练SVM分类器,并且基于该SVM分类器实现对待检测餐具图像的分析,从而判断待测餐具表面为干净或不干净。
- 基于自表示和局部相似性保护的高光谱图像波段选择方法-201710102857.8
- 尚荣华;常姜维;焦李成;王蓉芳;刘芳;马文萍;王爽;候彪;刘红英 - 西安电子科技大学
- 2017-02-24 - 2020-02-07 - G06K9/46
- 本发明提出了一种基于自表示稀疏回归和局部相似性保护的高光谱图像波段选择方法,解决了现有技术可解释性差的技术问题并提高了分类精度。操作步骤有:输入原始高光谱图像数据矩阵;归一化高光谱图像数据矩阵;初始化高光谱图像的稀疏重构矩阵和对角矩阵;计算拉普拉斯相似度矩阵;设置最大迭代次数T
- 一种基于高级局部感知特征学习的图像识别方法及系统-201911028494.3
- 于治楼;袭肖明 - 山东浪潮人工智能研究院有限公司
- 2019-10-28 - 2020-02-04 - G06K9/46
- 本发明公开了一种基于高级局部感知特征学习的图像识别方法及系统,属于计算机视觉技术领域。本发明的基于高级局部感知特征学习的图像识别方法,分为三个部分:第一部分为目标感知区域特征识别,引入注意力机制,定位感兴趣区域;第二部分为局部感知特征提取,基于获取的感兴趣的区域特征,引入图论技术,构建高级局部感知特征;第三部分为识别部分,基于获得的高级局部感知特征对目标进行识别。该发明的基于高级局部感知特征学习的图像识别方法能够有效的获取目标的高级局部信息,符合人类识别目标的原理,进一步提高识别精度,具有很好的推广应用价值。
- 一种RGB-D图像分类方法及系统-201510402298.3
- 涂淑琴;薛月菊;胡月明;梁云 - 华南农业大学
- 2015-07-09 - 2020-02-04 - G06K9/46
- 本发明涉及一种RGB‑D图像分类方法及系统。所述方法包括:S1.利用卷积神经网络(CNN)分别对源RGB图像和Depth图像进行处理提取低层次特征;S2.通过递归神经网络(RNN)对图像低层次特征进行反馈学习,提取图像中层特征;S3.采用块内约束字典学习方法,对图像中层特征进行特征组稀疏表示,获取RGB‑D图像的高层特征表示;S4.将RGB‑D图像的高层特征输入线性SVM完成RGB‑D图像的分类识别。本发明能实现图像自动提取特征,学习的RGB‑D图像特征表示能有效区分噪声数据与高相似度图像分类,提高RGB‑D图像分类精确率,采用线性SVM,提高图像分类速度。
- 一种特定情形下提高随机圆检测速度的方法-201610762526.2
- 蒋联源;王智文;徐奕奕;刘美珍;何剑 - 广西科技大学
- 2016-08-30 - 2020-02-04 - G06K9/46
- 本发明公开了一种特定情形下提高随机圆检测速度的方法,包括以下步骤:(1)将图像中的所有边缘点存储到集合V中,初始化采样次数f=0;(2)从V中随机选取4个不同点;(3)判断这4点是否能确定一个候选圆;(4)确认该候选圆是否为真圆,(5)判断位于候选圆上的点数是否大于阈值Tmin;(6)若能找到真圆,转步骤(8);否则,转步骤(7);(7)f=f+1,若f>Tf,检测结束;否则,转步骤(2);(8)判断已检测到的圆个数是否达到规定的数目。本发明有效提高了寻找候选圆和真圆的成功率,进而提高了检测速度。
- 基于连通域分析的多维特征量提取方法及装置-201610941268.4
- 马丽;姚毅;钟克洪 - 凌云光技术集团有限责任公司
- 2016-10-25 - 2020-02-04 - G06K9/46
- 本发明公开一种基于连通域分析的多维特征量提取方法及装置,对获取的灰度图像经预处理后得到感兴趣区域,再对感兴趣区域的进行一次降噪处理,去除感兴趣区域的噪声点,然后对一次降噪处理后的感兴趣区域进行边界跟踪及标记,得到目标区域,目标区域进行二次降噪处理,去除目标区域的噪声块,最后进行特征量提取。本发明在提取特征量之前,经两次降噪处理,提高图像的精度,使提取的特征量更准确;并且将灰度图像利用游程编码进行压缩处理,在对灰度图像的预处理、两次降噪处理及边界跟踪及连通量标记均对灰度图像转换的游程编码进行运算,提高运算速度,满足对实时图像的处理需求;并且可提取20个特征量,基本满足工业现场的检测需求。
- 图像特征提取集成电路、方法、终端-201711481013.5
- 周阳 - 深圳云天励飞技术有限公司
- 2017-12-29 - 2020-02-04 - G06K9/46
- 一种集成电路包括:存储电路及耦合至所述存储电路输出端的计算电路,所述存储电路用于存储待处理图像的梯度信息,所述计算电路用于对所述梯度信息进行计算后输出所述待处理图像的梯度方向直方图特征。本发明还提供一种图像特征提取方法及终端。本发明利用集成电路并行地完成待处理图像的各个像素的梯度信息的计算,同时,通过对待处理图像进行分块和分细胞单元的处理,减少了一些无效运算,从而使得图像特征提取的计算效率得到大幅提高,可以满足人脸识别等场景对于实时性的要求。
- 基于可变夹角链码的二维轮廓排样方法-201710251173.4
- 郭保苏;高志;陈建超;李永欣;吴凤和 - 燕山大学
- 2017-04-18 - 2020-02-04 - G06K9/46
- 一种基于可变夹角链码的二维轮廓排样方法,其内容是:提取排样边界和待排样轮廓的Beamlet曲线,分别按分割层次参数进行分割,连接各分割点生成曲线,进行凹特征点和凸特征点的判断,生成凹区间和凸区间;利用区间端点重新提取Beamlet曲线,将母材的凹区间/凸区间的Beamlet曲线和将要与之匹配的待排样的凸区间/凹区间的Beamlet曲线按照相同的分割层参数进行分割,生成母材凹区间和待排样的所有凸区间的夹角链码以及成母材凸区间和待排样的所有凹区间的夹角链码;利用所得的夹角、夹角链长度以及将区间端点连接形成的面积,用着三项差异度的加权之和计算差异度,选择差异度最小的区间进行匹配,完成靠接。
- 用于医学成像的使用深度卷积神经网络的剂量减少-201880040467.5
- G·扎哈丘克;J·M·保利;E·龚 - 小利兰·斯坦福大学托管委员会
- 2018-04-24 - 2020-02-04 - G06K9/46
- 一种减少用于放射成像模态和核医学的辐射剂量的方法,该方法通过以下步骤:使用卷积网络从低剂量核医学图像生成标准剂量核医学图像,其中,网络包括N个卷积神经网络(CNN)级,其中,每一级包括M个具有K x K核的卷积层,其中,网络进一步包括在对应的级之间具有对称串接连接的编码器‑解码器结构;使用池化进行下采样并且使用级之间的双线性内插来进行上采样,其中,网络从低剂量图像提取多尺度且高水平的特征以模拟高剂量图像;以及向低剂量图像添加串接连接以保留高剂量图像的局部信息和分辨率,该高剂量图像包括患者体内的放射性示踪剂的等于1的剂量减少因数(DRF),低剂量PET图像包括患者体内的放射性示踪剂的至少为4的DRF。
- 一种高光谱遥感图像特征提取装置及方法-201910806619.4
- 马万征;李忠芳;李孝良;谢越;汪建飞;肖新 - 安徽科技学院
- 2019-08-29 - 2020-01-31 - G06K9/46
- 本发明公开了一种高光谱遥感图像特征提取装置及方法,包括图像采集单元,用于对图像的采集,图像分类单元,用于根据图像采集单元采集的图像分类,数据分析单元,用于图像分类单元的图像分析,数据分析单元包括主成分分析模块、像元纯度分析模块和最小噪声分离模块,通过图像采集单元对图像进行采集,图像采集单元将采集到的图像送入图像分类单元,图像分类单元对图像进行分类处理,数据分析单元对图像的主成分、像元纯度进行分析和最小噪声分离;本发明,通过图像分类单元对图像进行分类,将不是纯像元的图像数据进行像元解混,再进行分类识别,同时数据分析单元能够进行主成分、像元纯度和最小噪声分离变化等特征进行提取。
- 基于改进SURF算法的药品识别方法-201910833734.0
- 齐梓汀;王建宇;马轩;王子龙;何毅;何新;孟沁成 - 南京理工大学
- 2019-09-04 - 2020-01-31 - G06K9/46
- 本发明公开了一种基于改进SURF算法的药品识别方法,包括:获取药袋图像;构建Hessian矩阵生成兴趣点;构建尺度空间;定位特征点;分配特征点主方向;生成特征点描述子;通过欧式距离来对特征点进行最初的提取,再通过余弦相似度对特征点进行筛选,若测得两个向量间的余弦值比小于设定的阈值则筛除,否则保留该特征点;最后使用模板匹配完成药品的审核识别,即根据检测的药袋图像与模板图像匹配点的匹配数量选择出与检测图像最相似的模板,该模板的种类即检测药袋图像的种类。本发明综合考虑药品审核匹配时的实验环境,对药袋特征的匹配识别准确率高,在旋转和光照上有较好的鲁棒性以及较快的匹配速度。
- 一种基于多尺度卷积稀疏编码的藏医尿液特征分类方法-201910973467.7
- 刘勇国;张艺;华尔江;泽翁拥忠;降拥四郎;杨尚明;李巧勤;杜春慧;肖迪尹;杜兆威 - 电子科技大学;成都中医药大学
- 2019-10-14 - 2020-01-31 - G06K9/46
- 本发明提供了一种基于多尺度卷积稀疏编码的藏医尿液特征分类方法包括如下步骤:尿液图像采集;尿液初级特征提取;尿液特征多尺度卷积稀疏编码;尿液特征分类。本发明基于多尺度卷积稀疏编码对藏医尿诊尿温阶段的漂浮物和悬浮物特征进行分类的方法,该发明无需人为手工设计特征,能够自动学习不同尺度的滤波器组,实现藏医尿液漂浮物和悬浮物特征分类的客观化,提升分类准确率,为藏医尿诊提供辅助决策。
- 一种输电线路通道烟火隐患识别方法及装置-201910974662.1
- 李程启;姚金霞;辜超;郑文杰;吴强;吕学宾;邵进;杨波;孙晓斌;黄振宁;白德盟;林颖;杨祎;秦佳峰;周超 - 国网山东省电力公司电力科学研究院;国网山东省电力公司;国家电网有限公司
- 2019-10-14 - 2020-01-31 - G06K9/46
- 本发明公开了一种基于多尺度纹理特征与SVM的输电线路通道烟火隐患识别方法及装置,包括以下步骤:(1)收集输电线路中的烟火目标样本图片;(2)将RGB颜色空间转换为HSV及YCbCr颜色空间;(3)计算颜色直方图;(4)对颜色直方图进行均衡化和二值化处理,得到烟火区域;(5)利用烟火的分形特性,选择不同尺度的纹理特征,得到纹理图像;(6)使用支持向量机进行训练与分类,确定是否是烟火;(7)输出图像,并将确认是烟火区域矩形标注。本发明克服现有技术的不足,可以极大有效的避免光照、镜头抖动、场景变化所带来的影响,减少误报率并且能够满足检测处理速度的要求。
- 图像中线条提取方法和装置、存储介质及电子装置-201910979506.4
- 龚星;郭双双;李斌;洪科元 - 腾讯科技(深圳)有限公司
- 2019-10-15 - 2020-01-31 - G06K9/46
- 本发明公开了一种图像中线条提取方法和装置、存储介质及电子装置。其中,该方法包括:获取待识别的目标图片,其中,待识别的目标图片中包括线条;将目标图片输入到目标图片分割模型中,得到目标图片的目标像素级线条图;根据目标像素级线条图中的像素点确定多条线段的位置;根据多条线段的位置,将多条线段中位于同一条直线的线段合并,得到目标图片上的线条。本发明解决了相关技术中获取图片中线条的具体信息时灵活性差的技术问题。
- 一种文字区域识别方法和装置-201310286487.X
- 张佳;丁如敏 - 腾讯科技(深圳)有限公司
- 2013-07-09 - 2020-01-31 - G06K9/46
- 本发明提供了一种文字区域识别方法和装置,该方法包括:对图像进行边缘检测,使用检测到的图像边缘将图像划分为多个图像区域;提取每个图像区域的文字区域特征信息,根据该图像区域的文字区域特征信息确定特征值,根据该特征值以及预设规则确定该图像区域是否为文字区域。该方法不需要提取图像特征,处理较为简单。
- 一种从背景中识别目标物体的方法及系统-201210591173.6
- 张强;卢海东;周光华;李雪霞 - 联想(北京)有限公司
- 2012-12-28 - 2020-01-31 - G06K9/46
- 本发明公开一种从背景中识别目标物体的方法及系统。所述方法包括:通过所述图像采集单元采集所述显示单元的显示图像获取第一图像信息;调节所述图像的亮度;通过所述图像采集单元,获取所述显示单元的第二图像信息;根据所述第一图像信息和所述第二图像信息,确定所述物体在所述显示单元上的位置。采用本发明的方法或系统,能够消除显示单元的亮度对于物体位置确定过程的干扰,从而准确地确定显示单元上方的物体位置。
- 一种中药材显微图像的特征提取与识别检索方法-201610368665.7
- 刘勍;施海燕;杨红平;马小姝;张利军;杨筱平 - 天水师范学院
- 2016-05-30 - 2020-01-31 - G06K9/46
- 本发明公开了一种中药材显微图像的特征提取与识别检索方法,通过引入PCNN赋时矩阵信息处理方法,结合PCNN与图像傅里叶变换和小数幂指数滤波相,提取变换域中图像特征信息,以马氏距离结合Pearson积矩相关法的综合相似性度量为依据,提出中药材显微图像信息快速存储、识别检索算法,构建全息中药材显微组织图像、花粉图像特征提取与识别检索系统,进一步提高中药材质量评价的客观性、准确性、可重复性和智能化程度,为中药材检测与分析的现代化提供一种新的途径。
- 一种基于深度学习的边缘计算烟火识别方法及智能终端-201810701630.X
- 景象 - 南京汇承科技有限公司
- 2018-06-29 - 2020-01-24 - G06K9/46
- 本发明公开了一种基于深度学习的边缘计算烟火识别方法及智能终端,方法包括以下步骤:通过边缘计算架构在智能终端嵌入烟火识别算法;通过智能终端采集图像后通过烟火识别算法识别烟火图像;其中通过烟火识别算法识别烟火图像具体包括:对图像进行预处理,对图像的样本数据集进行扩充;基于VGG16模型利用卷积层代替全连接层构建卷积神经网络模型;训练卷积神经网络模型获得深度学习模型;将图像的样本数据集中的图像输入深度学习模型提取烟火特征并构建特征数据库;将待识别图像输入深度学习模型提取烟火特征;根据特征数据库通过SVM对提取的待识别图像烟火特征进行分类识别;可以快速给出识别图像的结果。
- 专利分类