[发明专利]一种图像识别方法及系统

说明书

技术领域

本发明涉及数据识别技术领域，尤其是一种图像识别方法及系统。

背景技术

在传统的图像识别系统中，匹配算法是直接提取角点或边缘。由于这种算法对环境的适应能力差，急需提出一种鲁棒性强、能够适应不同光照、不同位姿等不同情况下识别目标的方法。

SIFT，尺度不变特征转换(Scale-invariant feature transform,SIFT)，是用于图像处理领域的一种描述子。具有尺度、旋转、平移的不变性，而且对光照变化、仿射变换和3维投影变换具有一定的鲁棒性。

SIFT特征除具有前面所述的优点外，还具有很好的独特性，适于在海量特征数据库中进行快速、准确的匹配；另外，算法产生的特征点在图像中的密度很大，速度可以达到实时要求；由于SIFT特征描述子是向量的形式，它可以与其他形式的特征向量进行联合。

所以，SIFT的应用十分广泛，包括目标识别、机器人视觉、图像拼接、3D建模、视频跟踪和运动匹配等。

发明内容

本发明所要解决的技术问题是提供一种图像识别方法及系统，可以将庞大的图像特征与客户端分离，节省了用户的下载时间和流量，并做到了后期新增数据的同步更新。

本发明具体的技术方案如下：一种图像识别方法，包括以下步骤：

步骤1，采集图像，并对图像进行预处理，分离图像的背景和图像区，提取图像信息。

步骤2，对预处理后得到的图像信息进行特征提取，提取出表示图像唯一性的特征向量。

步骤3，根据提取得到的特征向量将图像分配到预设的相应图像库中。

步骤4，在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配，获得与采集到的图像相匹配的图像及预存好的图像信息。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步的，所述步骤1中对图像进行预处理具体包括：

步骤Sa1：将采集到的图像信息进行大小归一化处理。

步骤Sa2：通过灰度拉伸增强图像对比度。

步骤Sa3：通过二值化处理实现图像中背景和对象的分割。

步骤Sa4：采用动态阈值法确定图像二值化的关键阈值，使用带修正的自适应邻域平均法消除图像的干扰和噪音。

步骤Sa5：使用Hough变幻方法和选装投影结合方式处理图像的倾斜校正。

进一步的，所述步骤2中对预处理后得到的图像信息进行特征提取具体包括：

步骤Sb1：构建尺度空间，检测极值点，获得尺度不变性。

步骤Sb2：特征点过滤并进行精确定位。

步骤Sb3:为每个关键点分配方向值。

步骤Sb4：生成特征描述子，即生成了SIFT特征向量，所述SIFT特征向量就是步骤2中所述的表示图像唯一性的特征向量。

进一步的，所述步骤3具体为根据所述步骤Sb5中得到的SIFT特征向量将采集到的图像分配到预设好的与其类别向量一致的图像库中。

进一步的，所述步骤4具体为在分配好的图像库中根据所述步骤Sb5中得到的SIFT特征向量进行匹配，寻找得到最邻近关键点的最邻近值，采用霍夫变换进行聚类实现图像匹配，获得与采集到的图像相匹配的图像及预存好的图像信息。

本发明还提供了一种图像识别系统，包括用户交互模块和相似性检索模块。

所述用户交互模块用于对数据信息进行查询、交互和交换以及在显示器中进行显示。

所述相似性检索模块包括图像预处理模块、图像特征提取模块、图像分类模块和图像匹配模块。

所述图像预处理模块用于接收所述用户交互模块提交的图像，并对接收的图像进行预处理，分离图像的背景和图像区，提取图像信息。

所述图像特征提取模块用于对预处理后的图像进行特征提取，提取出表示图像唯一性的特征向量。

所述图像分类模块用于根据特征提取后的特征向量进行图像库分配。

所述图像匹配模块用于在相应的图像库中将采集到的图像与预先保存在该图像库中的图像进行图像特征匹配，获得与采集到的图像相匹配的图像及预存好的图像信息。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步的，所述用户交互模块包括用户界面、查询接口、交互接口和结果显示模块；所述用户界面通过所述查询接口对所述相似性检索模块的数据进行查询；所述用户界面通过所述交互接口与所述相似性检索模块进行图像信息的交换；所述用户界面通过所述结果显示模块对所述相似性检索模块得到的数据进行显示。