[发明专利]目标图像识别方法和系统、计算机设备

权利要求书

1.一种目标图像识别方法，其特征在于，包括：

在目标图像和参考图像上识别边缘像素点，并分别统计目标图像和参考图像上的边缘像素点总数；其中，所述边缘像素点为相应图像上的图像灰度信息突变点；

将边缘像素点个数大于或等于像素点阈值的图像区间确定为集拢区间，边缘像素点个数小于像素点阈值的图像区间确定为非集拢区间；其中，所述图像区间为目标图像和参考图像分别依据设定的划分规则进行划分所得到的；

根据目标图像中的边缘像素点总数、各个图像区间的集拢像素点个数和非集拢像素点个数，参考图像中的边缘像素点总数、各个图像区间的集拢像素点个数和非集拢像素点个数计算目标图像和参考图像之间的相似参数；其中，所述集拢像素点为集拢区间的边缘像素点，所述非集拢像素点为非集拢区间的边缘像素点；

根据所述相似参数识别所述目标图像是否与参考图像一致。

2.根据权利要求1所述的目标图像识别方法，其特征在于，所述根据目标图像中的边缘像素点总数、各个图像区间的集拢像素点个数和非集拢像素点个数，参考图像中的边缘像素点总数、各个图像区间的集拢像素点个数和非集拢像素点个数计算目标图像和参考图像之间的相似参数的过程包括：

将目标图像中的边缘像素点总数、各个集拢区间的集拢像素点个数分别代入比例计算公式计算目标图像中各个集拢区间的目标集拢比例；

将目标图像中的边缘像素点总数、各个非集拢区间的非集拢像素点个数分别代入比例计算公式计算目标图像中各个非集拢区间的目标非集拢比例；

将参考图像中的边缘像素点总数、各个集拢区间的集拢像素点个数分别代入比例计算公式计算参考图像中各个集拢区间的参考集拢比例；

将参考图像中的边缘像素点总数、各个非集拢区间的非集拢像素点个数分别代入比例计算公式计算参考图像中各个非集拢区间的参考非集拢比例；

将所述目标集拢比例、目标非集拢比例、参考集拢比例和参考非集拢比例分别代入相似参数识别公式计算目标图像和参考图像之间的相似参数。

3.根据权利要求2所述的目标图像识别方法，其特征在于，所述相似参数识别公式为：

式中，D(Q,I)表示目标图像和参考图像之间的相似参数，α_Qi表示目标图像中第i个图像区间的目标集拢比例，α_Ii表示参考图像中第i个图像区间的参考集拢比例，β_Qi表示目标图像中第i个图像区间的目标非集拢比例，β_Ii表示参考图像中第i个图像区间的参考非集拢比例，N表示图像区间数，i表示图像区间序号。

4.根据权利要求2所述的目标图像识别方法，其特征在于，所述比例计算公式为：

a_i表示第i个图像区间的集拢比例或者非集拢比例，m_i表示第i个图像区间的集拢像素点个数或非集拢像素点个数，M表示边缘像素点总数。

5.根据权利要求1至4任一项所述的目标图像识别方法，其特征在于，所述根据所述相似参数识别所述目标图像是否与参考图像一致的过程包括：

判断所述相似参数是否小于或等于设定阈值；

若是，则判定所述目标图像是与参考图像一致。

6.根据权利要求1至4任一项所述的目标图像识别方法，其特征在于，所述在目标图像和参考图像上识别边缘像素点，并分别统计目标图像和参考图像上的边缘像素点总数的过程之前，还包括：

根据图像上的各个像素点构建像素描述函数；

根据所述像素描述函数和设定的变换尺度确定图像的尺度描述函数；

对所述尺度描述函数的偏导函数和设定周期函数进行卷积运算，确定卷积描述函数，根据所述卷积描述函数确定梯度幅值函数和角度描述函数；

根据角度描述函数搜索所述梯度幅值函数取到极大值的像素点，将搜索到的像素点确定为图像的边缘像素点。