[发明专利]一种基于神经网络的符号智能识别方法

说明书

本发明公开了一种基于神经网络的符号智能识别方法，涉及人工智能技术领域，本发明首先获取图像A，其次预处理图像，建立预处理系统，对图像A进行分割，得到一组图像；将分割后的区域样本数据图像，进行边缘检测，得到边缘图像，再对新的边缘图像进行编码，得到二进制数组；建立神经网络系统，将编码后的边缘图像二进制数组上传的神经网络，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；最后获取新图像时，重复上述步骤，对得到结果进行匹配，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，本识别方法有着运算量小，识别速度快，识别精度高的优点。

技术领域

本发明属于人工智能技术领域，特别是涉及一种基于神经网络的符号智能识别方法。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域，图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别，在图像识别领域中，符号识别也尤为重要，在自动驾驶，在获取图像后，往往需要对图像中的符号进行进一步处理，获取人们所需要的信息。

CN105740878B2公开的一种一种地理信息系统的符号识别方法，其中：

根据从待匹配符号中所提取的几何形状特征信息，确定所述待匹配符号中各子图的特征类型和属性信息，每个待匹配符号包括至少一个子图；根据各所述子图的特征类型，在目标符号库中进行初步筛选得到与各所述特征类型对应的符号；在初步筛选得到的符号中，根据各所述子图的特征类型和属性信息进行多级筛选，得到相似符号集；在所述相似符号集中，根据所述待匹配符号的上下文特征信息确定匹配结果，该发明中只是将多个子图的特征信息进行处理收集，在根据处理收集结果，与待匹配符号进行信息确定匹配结果。

在自动驾驶领域中，现有的符号识别方法，是将图像转化成位图，根据位图转化成灰度图像，再将灰度图像转化成二值图像，根据二值图像转化成字符串，通过字符串进行对比，这一过程需要处理整个图像的全部像素点，处理过程中，识别符号时需要对每一个符号进行重新识别，获取对应信息，运算量大，消耗大量资源，运算结果精确度低，为此我们有必要提出一种基于神经网络的符号智能识别方法。

发明内容

本发明的目的在于提供一种基于神经网络的符号智能识别方法，解决现有的符号识别方法中运算量大，运算精度低的缺点。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于神经网络的符号智能识别方法，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；