[发明专利]一种特征图像类别信息的生成方法和装置

权利要求书

1.一种特征图像类别信息的生成方法，其特征在于，包括：

获取原始图像；

从所述原始图像中查找出目标区域；所述原始图像具有多个待检测区域，所述多个待检测区域包括第一待检测区域和第二待检测区域；所述目标区域为根据针对所述原始图像的第一分布直方图与针对所述第一待检测区域的第二分布直方图，以及所述第一待检测区域与所述第二待检测区域内部的相邻两个像素点之间的梯度变化频率确定；

获取所述原始图像的特征信息图像；

在所述目标区域中提取所述特征信息图像的目标特征信息；

根据所述目标特征信息生成所述目标区域的类别信息。

2.根据权利要求1所述的方法，其特征在于，所述原始图像具有对应的原始图像平均像素值；所述第一待检测区域具有对应的待检测区域平均像素值，所述从所述原始图像中查找出目标区域的步骤包括：

将所述原始图像平均像素值，和，所述待检测区域平均像素值分别平均分配到预设个数的区间中，生成针对所述原始图像的第一分布直方图，和，针对所述第一待检测区域的第二分布直方图；

判断所述第一分布直方图，和，所述第二分布直方对应的欧式距离是否大于预设阈值；

若是，则标记所述第一待检测区域的第一区域位置坐标；

统计所述第二待检测区域中相邻两个像素点之间的梯度变化频率；

判断所述梯度变化频率是否大于预设阈值；

若是，则标记所述第二待检测区域的第二区域位置坐标；

采用所述第一区域位置坐标和所述第二区域位置坐标，判断所述第一待检测区域与所述第二待检测区域是否具有重合区域；

若是，则采用与所述重合区域，以及，与所述重合区域相邻的区域生成目标区域。

3.根据权利要求1所述的方法，其特征在于，在所述从所述原始图像中查找出目标区域的步骤之前，还包括：

对所述原始图像进行降噪处理，生成降噪图像。

4.根据权利要求1所述的方法，其特征在于，所述方法应用于深度学习系统中，所述深度学习系统包括多层卷积神经网络，所述获取所述原始图像的特征信息图像的步骤包括：

采用所述多层卷积神经网络从所述原始图像中提取出特征信息图像；其中，所述多层卷积神经网络具有对应的层级，两个所述层级对应的卷积神经网络之间具有池化层和激活层。

5.根据权利要求4所述的方法，其特征在于，所述多层卷积神经网络包括多个全连接层，所述根据所述目标特征信息生成所述目标区域的类别信息的步骤包括：

采用所述池化层和激活层以预设的尺寸值通过所述特征信息生成待分类图像；

将所述待分类图像输入所述多个全连接层中，并采用所述多个全连接层生成针对所述待分类图像所对应的类别信息。

6.一种特征图像类别信息的生成装置，其特征在于，包括：

图像获取模块，用于获取原始图像；

目标区域查找模块，用于从所述原始图像中查找出目标区域；所述原始图像具有多个待检测区域，所述多个待检测区域包括第一待检测区域和第二待检测区域；所述目标区域为根据针对所述原始图像的第一分布直方图与针对所述第一待检测区域的第二分布直方图，以及所述第一待检测区域与所述第二待检测区域内部的相邻两个像素点之间的梯度变化频率确定；

特征信息图像获取模块，用于获取所述原始图像的特征信息图像；

目标特征信息提取模块，用于在所述目标区域中提取所述特征信息图像的目标特征信息；

类别信息生成模块，用于根据所述目标特征信息生成所述目标区域的类别信息。