[发明专利]一种基于神经网络的图像识别方法及其应用

摘要

本发明属于图像处理制造业领域，公开了一种基于神经网络的图像识别方法及其应用，设置有：图像输入模块、图像处理模块、图像特征提取模块、图像分类模块、图像数据库模块、图像筛选模块、输出结果模块。所述图像处理模块连接图像输入模块和图像特征提取模块；所述图像分类模块连接图像特征提取模块和图像数据库模块；所述图像筛选模块连接图像数据库模块和输出结果模块。该发明设计思路清晰，通过对原始图像进行处理，再对图像进行特征的提取，系统根据图像的特征进行分类，可以处理一些信息量较大的图像信息，由图像筛选模块能较快速的得出最终的结果。

主权项

1.一种基于神经网络的图像识别系统，其特征在于，所述基于神经网络的图像识别系统设置有：图像输入模块、图像处理模块、图像特征提取模块、图像分类模块、图像数据库模块、图像筛选模块、输出结果模块；所述图像处理模块连接图像输入模块和图像特征提取模块；所述图像分类模块连接图像特征提取模块和图像数据库模块；所述图像筛选模块连接图像数据库模块和输出结果模块；图像输入模块：将图像进行扫瞄处理输入到计算机当中，计算机会按照图像的容量大小进行保存；图像处理模块：通过滤波处理，将原图像进行包括信号阻抗匹配、幅值调整、数字化、滤波、分割和增强处理，使得原图像所包含的信息更多的展现出来；所述图像处理模块不良图像检测方法，其特征在于，包括如下步骤：(1)搜集不良图像训练集，在训练集图像上标记多种人体敏感器官，作为敏感器官训练样本；(2)从敏感器官训练样本上随机采样获取像素点，并组成敏感器官的颜色样本集；在颜色样本集上训练GMM模型得到人体敏感器官的颜色模型；(3)提取敏感器官训练样本的HoG特征和GMM特征，并将HoG特征和GMM特征相结合作为敏感器官的特征；包括如下步骤：敏感器官训练样本图像划分成若干个细胞单元，将细胞单元中的每个像素从RGB颜色空间转换到YCbCr颜色空间，并提取其Cb、Cr色度分量的值；其中，Y表示亮度分量，Cb表示蓝色色度分量，Cr表示红色色度分量；将细胞单元分成U个互不重叠的小图像块，分别求出每个小图像块在C_b、C_r色度分量上的均值向量：将这些均值向量分别代入步骤(2)训练出的GMM敏感器官颜色模型，得到每个小图像块在GMM模型中每个高斯分量ω_iG_i(i∈{1,2,…,K})上的值，作为该小图像块的颜色特征，将U个小图像块的颜色特征联合起来记作将敏感器官训练样本图像转换成灰度图像，对输入图像进行Gamma校正；计算灰度图像中每个像素点(x,y)的水平方向和垂直方向梯度值gx(x,y)和gy(x,y)；gx(x,y)＝I(x+1,y)‑I(x‑1,y)gy(x,y)＝I(x,y+1)‑I(x,y‑1)式中，I(x,y)表示像素点(x,y)处的灰度值，根据下式计算像素点(x,y)处的梯度幅值g(x,y)和方向α(x,y)；将敏感器官训练样本的灰度图像划分成细胞单元，统计每个细胞单元上的梯度直方图，用于描述目标的形状信息；对每个细胞单元采用9个bin的直方图来统计细胞单元内像素点的梯度信息，将各个bin中像素点的梯度大小进行累加组成该细胞单元的梯度直方图，用9维特征向量来表示，记作h1＝[f1,f2,…,f9]，其中fi为第i个bin的梯度累加值；联合得到的梯度特征向量h1和得到颜色特征向量h2，组成细胞单元的特征向量[h1,h2]；将细胞单元组合成块，并在块内归一化；(4)对每一种人体敏感器官的特定姿态，在其HoG特征和GMM特征相结合后的特征上，训练该敏感器官在特定姿态下的检测器，将多种姿态下的检测器集成该敏感器官的混合形变模型；(5)用敏感器官的混合形变模型分别对测试图像进行检测，融合检测结果并判定图像的性质；图像特征提取模块：对处理后的图像进行特征的提取，将各类的图像的特征进行逐一的提取，为后期的工作做好准备；所述图像特征提取模块的图像特征索引方法包括以下步骤：A创建索引过程：A1词法分析语言处理，对文本串做分词处理；A2加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀，例如：第一个位置加入L1_；A3索引创建，根据分好的词，创建索引，建立词和文档的倒排表；A4将倒排索引表写入磁盘保存；B检索过程：B1词法分析语言处理，对文本串做分词处理；B2加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀；B3语法分析，分析查询语句的查询逻辑，提交检索器根据查询逻辑搜索结果；B4搜索索引，根据语法分析器提交的逻辑检索相关文档；B5相关性排序，按照查询文档和候选集文档的相关性排序选择TopN作为结果集返回；步骤A1中所述词法分析语言处理是根据图像特征向量文本串化后的特点，使用lucene的WhitespaceAnalyzer按照空格分词；步骤A2中所述加入位置信息，对每个分好的词，按照其在文本中的位置加入含有位置编号的前缀，同时去掉值为0的词；图像分类模块：根据图像特征提取模块中提取图像的信息种类进行分类，分类的方法采用根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法，利用了计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种；图像数据库模块：将图像分类模块分类好的图像信息统一保存到图像数据库模块当中，在进行图像识别时，能够更加快速的提取到相匹配的图像信息；图像筛选模块：根据输入的指令，图像筛选模块会对图像数据库模块中所存储的图像信息进行筛选，如果最终找到相匹配的图像信息，会在输出结果模块中输出。