[发明专利]目标识别方法、装置、设备、介质及产品

权利要求书

1.一种目标识别方法，其特征在于，包括：

将待处理图像进行图像预处理，获得预处理图像；

对所述预处理图像在空间域以及灰度域均进行增强处理，获得所述预处理图像对应的增强图像；

识别所述增强图像中的目标对象。

2.根据权利要求1所述的方法，其特征在于，所述对所述预处理图像在空间域以及灰度域均进行增强处理，获得所述预处理图像对应的增强图像，包括：

提取所述预处理图像的灰度域特征以及空间域特征；

利用所述灰度域特征以及所述空间域特征，生成所述图像滤波算法的传递函数；

利用所述传递函数对所述预处理图像进行滤波计算，获得所述预处理图像对应的增强图像。

3.根据权利要求2所述的方法，其特征在于，所述提取所述预处理图像的灰度域特征以及空间域特征，包括：

根据预设灰度分布函数，计算所述预处理图像的灰度域特征；

根据预设空间特征提取函数，提取所述预处理图像的空间域特征。

4.根据权利要求3所述的方法，其特征在于，所述预设灰度分布函数，计算所述预处理图像的灰度域特征，包括：

基于预设目标参数的泊松分布函数，计算所述预处理图像的灰度域特征；

所述根据预设空间特征提取函数，提取所述预处理图像的空间域特征，包括：

基于预定尺度的二维高斯函数，将所述预处理图像作为输入数据输入所述二维高斯函数；

计算输入预处理图像后的二维高斯函数的二阶微分，获得二阶高斯函数；

将二阶高斯函数与预处理图像进行卷积计算，提取获得所述预处理图像的空间域特征。

5.根据权利要求2所述的方法，其特征在于，所述图像滤波算法包括：弗兰吉滤波算法；所述利用所述灰度域特征以及所述空间域特征，生成所述图像滤波算法的传递函数，包括：

利用所述灰度域特征以及所述空间域特征，生成所述预处理图像对应的海森矩阵；

计算所述海森矩阵的矩阵特征值；

利用所述矩阵特征值，生成所述弗兰吉滤波算法的传递函数。

6.根据权利要求1～5任一项所述的方法，其特征在于，所述识别所述增强图像中的目标对象包括；

利用裂缝识别算法，识别所述增强图像中裂缝所在区域以及形态所形成的裂缝对象。

7.根据权利要求6所述的方法，其特征在于，所述利用裂缝识别算法，识别所述增强图像中裂缝所在区域以及形态所形成的裂缝对象，包括：

根据通道采样策略，将所述增强图像拆分为至少一个子图像；

获取利用可变性卷积核，确定至少一个神经网络卷积核；

利用至少一个所述神经网络卷积核，对至少一个所述子图像分别进行卷积计算，获得至少一个所述子图像分别对应的特征子图像；

将至少一个所述子图像分别对应的特征子图像按照所述通道采样策略进行通道拼接，获得所述增强图像对应的特征图像；

对所述特征图像中的像素点进行裂缝类别分类，以获得所述特征图像中属于裂缝的目标像素点；

确定所述目标像素点所在区域以及形态所形成的裂缝对象。

8.根据权利要求7所述的方法，其特征在于，所述利用至少一个神经网络卷积核，对至少一个所述子图像分别进行卷积计算，获得至少一个所述子图像分别对应的特征子图像，包括：

基于至少一个所述子图像分别对应的分析顺序，确定至少一个所述子图像分别对应的神经网络卷积核；

对所述子图像以及所述子图像对应的神经网络卷积核进行卷积计算，以获得至少一个所述子图像分别对应的特征子图像。