[发明专利]一种计算机视觉系统

说明书

本发明公开了一种计算机视觉系统，包括：显示模块、图像增强系统，所述显示模块包括一个参考系统与一个识别系统，所述显示模块连接编码模块，所述编码模块连接平铺卷积神经网络，所述平铺卷积神经网络采用TICA方法，所述平铺卷积神经网络连接所述图像增系统，所述图像增强系统包括一个特征提取模块与一个图像放大模块，所述图像增强模块连接采样模块，所述采样模块包括一个区域图像恢复模块与一个通信模块，所述采样模块连接输出模块。本发明的优点：解决计算机对图像判读，提高判读准确度，使其可以进行大型图像处理，提高图像处理的效率。

技术领域

本发明属于计算机技术领域，具体涉及一种计算机视觉系统。

背景技术

随着科技的发展，弹载侦察、无人机侦察等手段不断进步完善，这些侦察手段获取大量图像情报信息，传统图像信息的识别方法是人工判读。人工判读一是速度慢，受人为因素影响较大，难以满足战场作战需要，尤其是精确打击作战的需要，二是随着侦察手段的发展，获取的图像信息越来越多，受判读专业人员数量的影响，难以完成判读任务。因此，采用计算机对图像进行判读，成为当前急需解决的问题。

发明内容

为了解决上述现有技术的不足，本发明提供了一种计算机视觉系统，解决计算机对图像判读，提高判读准确度。

为了达到上述目的，本发明采用的技术方案为：

一种计算机视觉系统，包括：显示模块、图像增强系统，所述显示模块包括一个参考系统与一个识别系统，所述显示模块连接编码模块，所述编码模块连接平铺卷积神经网络，所述平铺卷积神经网络采用 TICA方法，所述平铺卷积神经网络连接所述图像增系统，所述图像增强系统包括一个特征提取模块与一个图像放大模块，所述图像增强模块连接采样模块，所述采样模块包括一个区域图像恢复模块与一个通信模块，所述采样模块连接输出模块。

对本发明进一步的描述，所述参考系统通信于所述识别系统，所述识别系统通过粗识别进行简单分类，然后通信至平铺卷积神经网络。

对本发明进一步的描述，所述TICA方法两层网络，第一层中权重W通过学习得到，第二层中权重V固定，仅通过硬编码表示前一层中神经元的空间关系，选择平方和平方根为简单单元和池化单元的激励值，每一个第二层池化单元pi对第一层简单hi临近的小部分单元池化，给定一个输入模式x^(t)，每一个第二层单元的激励值为：

对本发明进一步的描述，所述参数W通过在第二层中寻找稀疏特征表示，求解式中，输入模式为这里W∈R^m×n和V∈R^m×n，其中n是输入图像或特征图的大小，m是一层中隐层单元的数目，V是一个固定矩阵(V_ij＝1or 0)用来表示隐层单元h_i的二维空间关系，具体的说，h_i单元位于一个二维网格，其中每一个p_i连接到一个连续的h_i单元块，正交约束WW^T＝I确保学习到的特征多种多样。

对本发明进一步的描述，所述输出模块包括一个光投影装置与一个投影修正装置。

本发明的具有以下有益效果：解决计算机对图像判读，提高判读准确度，使其可以进行大型图像处理，提高图像处理的效率。

附图说明

图1为本发明的模块图

具体实施方式

下面将结合附图对本发明实施例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他实施例，都属于本发明保护的范围。

实施例1，如图1所示：