[发明专利]一种基于神经网络的符号智能识别方法

权利要求书

1.一种基于神经网络的符号智能识别方法，其特征在于，包括以下步骤；

S1：获取图像A；

S2：预处理图像，包括具体以下步骤：

S201：建立预处理系统，预处理系统获取S1中的图像A，对图像A进行分割，分割过程中首先计算待分割彩色图像三分量直方图，并分别对其进行初步处理，以使各直方图波形保持光滑，其次采用一种波峰波谷快速定位算法搜索各直方图中波谷，并将波谷作为阈值对各直方图执行多级阈值分割；再次将分割后直方图重新合并，进而构造出一个新的一维直方图，然后对此新直方图二次采用波峰波谷快速定位算法获取波谷，通过二次多级划分进而确定出初始聚类中心，最后采用分水岭算法对待处理彩色图像进行预分割，将得到的分割区域作为数据样本，进行区域编号，得到一组图像a₁,a₂,......a_n；

S202：将S201分割后的区域样本数据图像，首先用高斯滤波器平滑图像，其次计算图像中每个像素点的梯度强度和方向，计算方式是用一阶偏导的有限差分来计算梯度的幅值和方向，再次对梯度幅值进行非极大值抑制，最后用双阈值算法检测来确定真实和潜在的边缘，通过抑制孤立的弱边缘最终完成边缘检测，根据对应的图像区域编号a₁,a₂,......a_n提取分割后图像边缘，得到一组新的边缘图像b₁,b₂,......b_n，其中边缘图像为二值图像，边缘处数值为1，其余各处数值为0；

S3：图像编码，对新的边缘图像进行编码，选择该图像最右下角的像素数值为1的点作为起始点，以起始点为圆心，以长度r为半径，作圆O，圆O与边缘图像两个交点中的任意一个为终点，记录终点和起点的连线与X轴之间的夹角α₀，选择该终点作为新的起点，以相同长度r为半径，作圆O₁，圆O₁与边缘图像两个交点中，一个交点为圆O的圆心，另一个交点为新的终点，记录新的圆心和新的终点连线与X轴的夹角α₁，重复上述步骤得到边缘图像的编码数组α₀,α₁,......,α_n，根据边缘图像的编码数组α₀,α₁,......,α_n角度大小进行二进制转化，得到二进制数组β₁,β₂,.......,β_n；

S4：建立神经网络系统，将编码后的边缘图像二进制数组β₁,β₂,.......,β_n上传的神经网络，神经网络结合符号所表示的信息生成深度学习结果，输出深度学习结果；

S5：获取新图像；重复S2、S3，得到的结果与S4中结果进行匹配，若匹配相同，输出与之对应的信息，若匹配不相同，输出当前信息，并将该图像上传神经网络，补充深度学习结果。

2.根据权利要求1所述的一种基于神经网络的符号智能识别方法，其特征在于，所述S1中通过自动驾驶车辆中的车载相机获取车辆行驶过程中的图像。

3.根据权利要求1所述的一种基于神经网络的符号智能识别方法，其特征在于，S3中圆O半径r的长度的判定是依据在圆O与边缘图像是否只有两个交点，若交点个数大于2，则降低r值，直至每次作圆，圆O与图像只有两个交点，其中r值越小边缘图像越精确。

4.根据权利要求1所述的一种基于神经网络的符号智能识别方法，其特征在于，S202中高斯滤波器平滑图像的过程为g(x,y)＝h(x,y,σ)*f(x,y)，其中g(x,y)为平滑后的图像，f(x,y)为原图像，h(x,y,σ)为平滑函数，式中

5.根据权利要求1所述的一种基于神经网络的符号智能识别方法，其特征在于，步骤S5中再次获取图像后，对图像进行分割，分割后的图像首先转换大小，使得该图像与神经网络系统中图像大小相同，在进行边缘检测以及图像编码。