[go: up one dir, main page]

CN106485280A - 一种基于计算机的图像识别方法 - Google Patents

一种基于计算机的图像识别方法 Download PDF

Info

Publication number
CN106485280A
CN106485280A CN201610906910.5A CN201610906910A CN106485280A CN 106485280 A CN106485280 A CN 106485280A CN 201610906910 A CN201610906910 A CN 201610906910A CN 106485280 A CN106485280 A CN 106485280A
Authority
CN
China
Prior art keywords
image
digital information
eigenvalue
identification
computer based
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610906910.5A
Other languages
English (en)
Inventor
李让剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Tianda Network Technology Co Ltd
Original Assignee
Anhui Tianda Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Tianda Network Technology Co Ltd filed Critical Anhui Tianda Network Technology Co Ltd
Priority to CN201610906910.5A priority Critical patent/CN106485280A/zh
Publication of CN106485280A publication Critical patent/CN106485280A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于计算机的图像识别方法，其包括以下步骤：对被识别的图像进行数字化；对所述数字信息进行预处理；对预处理后的数字信息进行特征选择，选择需要识别的图像的特征值，在预处理后的数字信息中抽取包含所述特征值的信息；特征值提取过程将需要识别的特征值从对象空间映射到特征空间；将所述通过预处理后的数字信息中保留需要识别的特征值的数字信息，将其他数字信息剔除得到需要识别的数字信息；将所述需要识别的数字信息进行还原成模拟图像。本发明提供的基于计算机的图像识别方法通过将图像数字化，通过对数字化的图像进行特征选择，通过特征值对图像进行识别，识别准确度与识别速度都得到很大的提升。

Description

一种基于计算机的图像识别方法
技术领域
本发明涉及到图像技术领域，特别是一种基于计算机的图像识别方法。
背景技术
图像作为模拟信号，现有技术在识别的时候大多情况都是通过人眼识别的方式，也开始出现通过计算机进行识别，但是目前很难通过计算机进行数字化识别，计算机数字化处理在处理速度、准确度上都比传统的方式要高，目前还没有通过数字化处理的手段。
发明内容
为解决上述技术问题，本发明提供了一种基于计算机的图像识别方法，其包括以下步骤：
对被识别的图像进行数字化，变化为适于计算机处理的数字信息；
对所述数字信息进行预处理，除去混入的干扰信息并减少变形或失真；
对预处理后的数字信息进行特征选择，选择需要识别的图像的特征值，在预处理后的数字信息中抽取包含所述特征值的信息；
特征值提取过程将需要识别的特征值从对象空间映射到特征空间，使得每个需要识别的特征值可用特征空间中的一个点表示；
将所述通过预处理后的数字信息中保留需要识别的特征值的数字信息，将其他数字信息剔除得到需要识别的数字信息；
将所述需要识别的数字信息进行还原成模拟图像，所述还原后的模拟图像即为最终需要识别的图像。
较佳地，所述图像的数字化过程为对图像进行数字化抽样。
较佳地，所述特征值包括灰度值。
本发明具有以下有益效果：
本发明提供的基于计算机的图像识别方法通过将图像数字化，通过对数字化的图像进行特征选择，通过特征值对图像进行识别，识别准确度与识别速度都得到很大的提升。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
具体实施方式
下面将结合本发明实施例对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于计算机的图像识别方法，其包括以下步骤：
对被识别的图像进行数字化，变化为适于计算机处理的数字信息；
对所述数字信息进行预处理，除去混入的干扰信息并减少变形或失真；
对预处理后的数字信息进行特征选择，选择需要识别的图像的特征值，在预处理后的数字信息中抽取包含所述特征值的信息；
特征值提取过程将需要识别的特征值从对象空间映射到特征空间，使得每个需要识别的特征值可用特征空间中的一个点表示；
将所述通过预处理后的数字信息中保留需要识别的特征值的数字信息，将其他数字信息剔除得到需要识别的数字信息；
将所述需要识别的数字信息进行还原成模拟图像，所述还原后的模拟图像即为最终需要识别的图像。
本实施例中所述图像的数字化过程为对图像进行数字化抽样。
所述特征值包括灰度值。
本发明提供的基于计算机的图像识别方法通过将图像数字化，通过对数字化的图像进行特征选择，通过特征值对图像进行识别，识别准确度与识别速度都得到很大的提升。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (3)

1.一种基于计算机的图像识别方法，其特征在于，包括以下步骤：
对被识别的图像进行数字化，变化为适于计算机处理的数字信息；
对所述数字信息进行预处理，除去混入的干扰信息并减少变形或失真；
对预处理后的数字信息进行特征选择，选择需要识别的图像的特征值，在预处理后的数字信息中抽取包含所述特征值的信息；
特征值提取过程将需要识别的特征值从对象空间映射到特征空间，使得每个需要识别的特征值可用特征空间中的一个点表示；
将所述通过预处理后的数字信息中保留需要识别的特征值的数字信息，将其他数字信息剔除得到需要识别的数字信息；
将所述需要识别的数字信息进行还原成模拟图像，所述还原后的模拟图像即为最终需要识别的图像。
2.如权利要求1所述的基于计算机的图像识别方法，其特征在于，所述图像的数字化过程为对图像进行数字化抽样。
3.如权利要求1所述的基于计算机的图像识别方法，其特征在于，所述特征值包括灰度值。
CN201610906910.5A 2016-10-18 2016-10-18 一种基于计算机的图像识别方法 Pending CN106485280A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610906910.5A CN106485280A (zh) 2016-10-18 2016-10-18 一种基于计算机的图像识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610906910.5A CN106485280A (zh) 2016-10-18 2016-10-18 一种基于计算机的图像识别方法

Publications (1)

Publication Number Publication Date
CN106485280A true CN106485280A (zh) 2017-03-08

Family

ID=58270171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610906910.5A Pending CN106485280A (zh) 2016-10-18 2016-10-18 一种基于计算机的图像识别方法

Country Status (1)

Country Link
CN (1) CN106485280A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664846A (zh) * 2005-04-01 2005-09-07 清华大学 基于统计结构特征的联机手写汉字识别方法
CN101685006A (zh) * 2009-06-25 2010-03-31 上海交通大学 触点零件形貌机器视觉自动检测系统
CN102243687A (zh) * 2011-04-22 2011-11-16 安徽寰智信息科技股份有限公司 一种基于动作识别技术的体育教学辅助系统及其实现方法
CN102681541A (zh) * 2011-03-10 2012-09-19 上海方伴自动化设备有限公司 一种机器人图像识别和视觉定位的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1664846A (zh) * 2005-04-01 2005-09-07 清华大学 基于统计结构特征的联机手写汉字识别方法
CN101685006A (zh) * 2009-06-25 2010-03-31 上海交通大学 触点零件形貌机器视觉自动检测系统
CN102681541A (zh) * 2011-03-10 2012-09-19 上海方伴自动化设备有限公司 一种机器人图像识别和视觉定位的方法
CN102243687A (zh) * 2011-04-22 2011-11-16 安徽寰智信息科技股份有限公司 一种基于动作识别技术的体育教学辅助系统及其实现方法

Similar Documents

Publication Publication Date Title
Liwicki et al. Signature verification competition for online and offline skilled forgeries (sigcomp2011)
CN110942063B (zh) 证件文字信息获取方法、装置以及电子设备
CN103279763B (zh) 一种基于结构特征的轮毂类型自动识别方法
DE602005018545D1 (de) Verfahren zur bearbeitung von postgut mit optischer zeichenerkennung ocr
CN107369162B (zh) 一种绝缘子候选目标区域的生成方法及系统
CN108711158A (zh) 基于轮廓拟合和径向分割的指针式仪表图像识别方法
CN101615244A (zh) 手写板坯号自动识别方法及识别装置
CN103824091A (zh) 一种用于智能交通系统的车牌识别方法
CN107885723B (zh) 对话角色区分方法和系统
US10223587B2 (en) Pairing of images of postal articles with descriptors of singularities of the gradient field
CN105550278A (zh) 基于深度学习的网页区域识别算法
CN109657527B (zh) 一种画作笔触鉴定系统及方法
CN108399335B (zh) 一种基于局部熵的恶意代码可视化分析方法
CN106447686A (zh) 一种基于快速有限剪切波变换的图像边缘检测方法
CN107657230A (zh) 一种银行自助机器人文字识别装置
CN103294983A (zh) 一种基于分块Gabor特征的静态图片中场景识别的方法
CN106485280A (zh) 一种基于计算机的图像识别方法
CN110599232A (zh) 基于大数据的消费群体分析方法
CN106339678A (zh) 基于多种特征点的指纹图像表示方法
CN108154116A (zh) 一种图像识别方法及系统
CN110287786B (zh) 基于人工智能防干扰的车辆信息识别方法及装置
CN105354597B (zh) 一种游戏物品的分类方法及装置
CN106409297A (zh) 一种语音识别方法
CN102799880B (zh) 用于捕获滚动指纹图像的装置和方法
Fan et al. A separating algorithm for overlapping cell images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170308

RJ01 Rejection of invention patent application after publication