[发明专利]用于轮廓识别的高精度识别方法在审
| 申请号： | 201810272517.4 | 申请日： | 2018-03-29 |
| 公开（公告）号： | CN110321762A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 袁士林 | 申请（专利权）人： | 袁士林 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/48;G06K9/52;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610000 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了用于轮廓识别的高精度识别方法，涉及图像识别方法，包括以下步骤：分解域变换，将图像利用小波进行多尺度分解域变换；在空间域梯度算子进行边缘检测；在变换域利用小波边缘检测；提取空间域和变换域的特征；利用BP神经网络进行模式识别，在识别以前，先选取至少100个的样本进行训练，获得变换向量，再对现场轮廓进行识别。所述梯度算子采用高斯拉普拉斯算子。本发明能够有效提取零部件轮廓；能够依据空间域和变换域双重检测，提高检测精度；利用BP神经网络的黑箱结构，使系统具备一定的容错性。 | ||
| 搜索关键词： | 变换域 空间域 轮廓识别 梯度算子 域变换 小波边缘检测 多尺度分解 边缘检测 模式识别 双重检测 图像识别 算子 容错性 高斯 黑箱 向量 小波 样本 零部件 图像 分解 检测 | ||
【主权项】：
1.用于轮廓识别的高精度识别方法，其特征在于，包括以下步骤：分解域变换，将图像利用小波进行多尺度分解域变换；在空间域梯度算子进行边缘检测；在变换域利用小波边缘检测；提取空间域和变换域的特征；利用BP神经网络进行模式识别，在识别以前，先选取至少100个的样本进行训练，获得变换向量，再对现场轮廓进行识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于袁士林，未经袁士林许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810272517.4/，转载请声明来源钻瓜专利网。
