一种灰度图像的识别方法、装置、设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108256578A(43)申请公布日2018.07.06(21)申请号201810048298.1(22)申请日2018.01.18(71)申请人广东工业大学地址510006广东省广州市番禺区大学城外环西路100号(72)发明人朱宁宁王银河(74)专利代理机构北京集佳知识产权代理有限公司11227代理人罗满(51)Int.Cl.G06K9/62(2006.01)权利要求书2页说明书10页附图3页(54)发明名称一种灰度图像的识别方法、装置、设备及可读存储介质(57)摘要本发明实施例公开了一种灰度图像的识别方法、装置、设备及计算机可读存储介质。其中，方法包括基于复杂网络和分水岭算法，对提取的待识别灰度图像的轮廓像素点进行网络建模；将距离阈值集合中的各距离阈值作用在初始网络模型的节点集合中，分别建立相应的子网络模型；计算各子网络模型的拓扑参量，以构成待识别灰度图像的目标识别参数；计算初始网络模型中各节点的强度，并从各节点强度中选取满足预设强度条件的节点，构成目标网络兴趣点集；根据目标识别参数和目标网络兴趣点集，在样本库中匹配满足预设参数条件和具有相同网络兴趣点的候选样本图像，候选样本图像的所属类别为待识别灰度图像的类别。本申请提升了灰度图像的识别效率。CN108256578ACN108256578A权利要求书1/2页1.一种灰度图像的识别方法，其特征在于，包括：提取待识别灰度图像的轮廓像素点；根据提取的轮廓像素点，基于复杂网络和分水岭算法，构建初始网络模型；将预设的距离阈值集合中的各距离阈值作用在所述初始网络模型的节点集合中，分别建立相应的子网络模型；计算各子网络模型的拓扑参量，以构成所述待识别灰度图像的目标识别参数；计算所述初始网络模型中各节点的强度，并从各节点强度中选取满足预设强度条件的节点，构成目标网络兴趣点集；将所述目标识别参数和所述目标网络兴趣点集，与样本库中各样本图像的样本识别参数和样本网络兴趣点集进行匹配，选取同时满足预设参数条件和具有相同网络兴趣点的候选样本图像，所述候选样本图像的所属类别为所述待识别灰度图像的类别。2.根据权利要求1所述的灰度图像的识别方法，其特征在于，所述选取同时满足预设参数条件和具有相同网络兴趣点的候选样本图像包括：计算所述目标识别参数与所述样本库中的每一个样本识别参数的二阶范数值；比较多个二阶范数值，确定最小的二阶范数值，最小的二阶范数值对应的样本图像为满足所述预设参数条件的样本图像；从满足预设参数条件的样本图像中选择与所述目标网络兴趣点集具有相同网络兴趣点的样本图像，作为候选样本图像。3.根据权利要求2所述的灰度图像的识别方法，其特征在于，所述计算各子网络模型的拓扑参量，以构成所述待识别灰度图像的目标识别参数包括：计算各子网络模型的最大度和平均度，并将各子网络模型的最大度和平均度合并为一维数组，以作为所述待识别灰度图像的目标识别参数。4.根据权利要求1至3任意一项所述的灰度图像的识别方法，其特征在于，所述计算所述初始网络模型中各节点的强度包括：根据下述公式计算各节点的节点强度：式中，w(i，j)为链路(i，j)∈E的权重，i，j为所述初始网络模型的节点，s(i)为节点i的节点强度。5.根据权利要求4所述的灰度图像的识别方法，其特征在于，所述从各节点强度中选取满足预设强度条件的节点，构成目标网络兴趣点集包括：从各节点强度中选取超过预设强度阈值的节点，以作为目标网络兴趣点集中的网络兴趣点。6.根据权利要求1至3任意一项所述的灰度图像的识别方法，其特征在于，所述从各节点强度中选取满足预设强度条件的节点，构成目标网络兴趣点集包括：通过局部标准对所述初始网络模型中各节点进行排序，根据所述初始网络模型的各节点强度构建局部标度检测器；对所述局部标度检测器中的各节点强度进行排序；从所述局部标度检测器中依次选取预设个数的节点强度，并将选取的节点强度对应的2CN108256578A权利要求书2/2页节点，作为目标网络兴趣点集中的网络兴趣点。7.根据权利要求6所述的灰度图像的识别方法，其特征在于，所述提取待识别灰度图像的轮廓像素点包括：获取待识别图像；判断所述待识别图像是否为灰度图像；若否，则将所述待识别图像转化为灰度图像，以作为所述待识别灰度图像；若是，则将所述待识别图像作为所述待识别灰度图像；提取所述待识别灰度图像的轮廓像素点。8.一种灰度图像的识别装置，其特征在于，包括：轮廓提取模块，用于提取待识别灰度图像的轮廓像素点；网络建模模块，用于根据提取的轮廓像素点，基于复杂网络和分水岭算法，构建初始网络模型；识别参数生成模块，用于将预设的距离阈值集合中的各距离阈值作用在所述初始网络模型的节点集合中，分别建立相应的子网络模型；计算各子