CN112580648A - 一种基于图像分割技术实现图像信息识别的方法 - Google Patents
一种基于图像分割技术实现图像信息识别的方法 Download PDFInfo
- Publication number
- CN112580648A CN112580648A CN202011467194.8A CN202011467194A CN112580648A CN 112580648 A CN112580648 A CN 112580648A CN 202011467194 A CN202011467194 A CN 202011467194A CN 112580648 A CN112580648 A CN 112580648A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- target
- standard
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003709 image segmentation Methods 0.000 title claims abstract description 17
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 11
- 238000003379 elimination reaction Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
Abstract
本发明涉及一种基于图像分割技术实现图像信息识别的方法，根据标准图像的类型对标准图像内的各特征或信息进行分块，得到各分块特征或信息的分割模型；确定目标图像信息识别的标的，并根据该标的确定对应的分块特征或信息；根据该分块特征或信息的分割模型，按照其对应的分割线对预处理目标图像进行分割，提取出所需的图像分块；对图像分块进行信息识别得到标的信息，本发明基于目标图像类型，将其进行边界区域的划分，将其分割位若干信息或特征独立的区域，在进行图像识别时，仅需处于对应区域板块的图像即可，从而大幅度降低了图像处理的时间，提高了图像识别速度。
Description
技术领域
本发明涉及图像识别领域，具体涉及一种基于图像分割技术实现图像信息识别的方法。
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。图像识别软件国外代表的有康耐视等，国内代表的有图智能、海深科技等。另外在地理学中指将遥感图像进行分类的技术。
就目前而言，在进行图像特征提取时，必须对图像内容进行识别，也就是图像预处理，在全图像信息中根据特征模型进行特征，这就使得对图像的预处理必须的包含图像的全部内容，这就使得图像预处理信息量过大，尤其是一些画面较大的图像和数据下的图像识别，造成了较大的计算负荷，也就降低了图像识别的速度。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于图像分割技术实现图像信息识别的方法，基于目标图像类型，将其进行边界区域的划分，将其分割位若干信息或特征独立的区域，在进行图像识别时，仅需处于对应区域板块的图像即可，从而大幅度降低了图像处理的时间，提高了图像识别速度。
本发明的目的是通过以下技术方案来实现的：
一种基于图像分割技术实现图像信息识别的方法，该方法包括：
S100：构建图像分割模型，根据标准图像的类型对标准图像内的各特征或信息进行分块，并根据每一分块特征或信息在标准图像中的位置关系对标准图像进行分割，并确定各分块特征或信息所对应的分割线，得到各分块特征或信息的分割模型；
S200：目标图像预处理，将需要进行信息识别的目标图像进行缩放形成与标准对象尺寸吻合的预处理目标图像；
S300：确定目标图像信息识别的标的，并根据该标的确定对应的分块特征或信息；
S400：根据该分块特征或信息的分割模型，按照其对应的分割线对预处理目标图像进行分割，提取出所需的图像分块；
S500：对图像分块进行信息识别得到标的信息。
进一步的，所述S200中的缩放是将目标图像和标准图像放置在同一坐标系中按照1:1的比例进行缩放。
进一步的，所述S200中目标图像预处理还包括一个图像干扰排除，所述图像干扰排除包括图像角度校正、图像背景或周边信息剔除、图像残缺补全以及清晰度校正。
进一步的，所述图像角度校正是指将目标图像旋转至与标准图像完全相同，且位于相同坐标系内同一坐标点。
进一步的，所述图像背景或周边信息剔除是指删除与标准图像内容无关的信息或特征。
进一步的，所述图像残缺补是指针对图像中残缺部分进行补全，补全部分主要包括目标图像中通用的图像和文字。
进一步的，所述S400中对预处理目标图像进行分割是根据围成图像分块的分割线各端点坐标进行提取分割。
本发明的有益效果是：本方案根据所需信息对原有的目标图像进行分割，得到仅包含目标信息的一部分图像，从而降低了后续图像识别过程中的运算量，同时由于仅提取的所需的图像部分，因此极大的降低了干扰，且分割图像是基于坐标位置实现，无需对图像中的内容进行识别，该分割方式在操作上简单易实现，进一步降低了运算量。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
一种基于图像分割技术实现图像信息识别的方法，该方法包括：
S100：构建图像分割模型，根据标准图像的类型对标准图像内的各特征或信息进行分块，并根据每一分块特征或信息在标准图像中的位置关系对标准图像进行分割，并确定各分块特征或信息所对应的分割线，得到各分块特征或信息的分割模型；
S200：目标图像预处理，将需要进行信息识别的目标图像进行缩放形成与标准对象尺寸吻合的预处理目标图像；
S300：确定目标图像信息识别的标的，并根据该标的确定对应的分块特征或信息；
S400：根据该分块特征或信息的分割模型，按照其对应的分割线对预处理目标图像进行分割，提取出所需的图像分块；
S500：对图像分块进行信息识别得到标的信息。
在一个实施例中，一种基于图像分割技术实现图像信息识别的方法，S100：构建图像分割模型，根据标准图像的类型对标准图像内的各特征或信息进行分块，并根据每一分块特征或信息在标准图像中的位置关系对标准图像进行分割，并确定各分块特征或信息所对应的分割线，得到各分块特征或信息的分割模型；
S200：目标图像预处理，将需要进行信息识别的目标图像进行缩放形成与标准对象尺寸吻合的预处理目标图像；本方案中的缩放是将目标图像和标准图像放置在同一坐标系中按照1:1的比例进行缩放
S300：确定目标图像信息识别的标的，并根据该标的确定对应的分块特征或信息；
S400：根据该分块特征或信息的分割模型，按照其对应的分割线对预处理目标图像进行分割，提取出所需的图像分块；
S500：对图像分块进行信息识别得到标的信息。
在一个实施例中，一种基于图像分割技术实现图像信息识别的方法，S100：构建图像分割模型，根据标准图像的类型对标准图像内的各特征或信息进行分块，并根据每一分块特征或信息在标准图像中的位置关系对标准图像进行分割，并确定各分块特征或信息所对应的分割线，得到各分块特征或信息的分割模型；
S200：目标图像预处理，将需要进行信息识别的目标图像进行缩放形成与标准对象尺寸吻合的预处理目标图像；本方案中的缩放是将目标图像和标准图像放置在同一坐标系中按照1:1的比例进行缩放。目标图像预处理还包括一个图像干扰排除，图像干扰排除包括图像角度校正、图像背景或周边信息剔除、图像残缺补全以及清晰度校正。
S300：确定目标图像信息识别的标的，并根据该标的确定对应的分块特征或信息；
S400：根据该分块特征或信息的分割模型，按照其对应的分割线对预处理目标图像进行分割，提取出所需的图像分块；
S500：对图像分块进行信息识别得到标的信息，可选的，一种基于图像分割技术实现图像信息识别的方法，图像角度校正是指将目标图像旋转至与标准图像完全相同，且位于相同坐标系内同一坐标点。
可选的，一种基于图像分割技术实现图像信息识别的方法，图像背景或周边信息剔除是指删除与标准图像内容无关的信息或特征。
可选的，一种基于图像分割技术实现图像信息识别的方法，图像残缺补是指针对图像中残缺部分进行补全，补全部分主要包括目标图像中通用的图像和文字，例如身份证中的国徽图案，文字补全则基于标准文字模型进行匹配，对文字产生残缺的进行补全，以增强后续信息采集过程中的准确性。
可选的，一种基于图像分割技术实现图像信息识别的方法，S400中对预处理目标图像进行分割是根据围成图像分块的分割线各端点坐标进行提取分割。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.一种基于图像分割技术实现图像信息识别的方法，其特征在于，该方法包括：
S100：构建图像分割模型，根据标准图像的类型对标准图像内的各特征或信息进行分块，并根据每一分块特征或信息在标准图像中的位置关系对标准图像进行分割，并确定各分块特征或信息所对应的分割线，得到各分块特征或信息的分割模型；
S200：目标图像预处理，将需要进行信息识别的目标图像进行缩放形成与标准对象尺寸吻合的预处理目标图像；
S300：确定目标图像信息识别的标的，并根据该标的确定对应的分块特征或信息；
S400：根据该分块特征或信息的分割模型，按照其对应的分割线对预处理目标图像进行分割，提取出所需的图像分块；
S500：对图像分块进行信息识别得到标的信息。
2.根据权利要求1所述的一种基于图像分割技术实现图像信息识别的方法，其特征在于，所述S200中的缩放是将目标图像和标准图像放置在同一坐标系中按照1:1的比例进行缩放。
3.根据权利要求2所述的一种基于图像分割技术实现图像信息识别的方法，其特征在于，所述S200中目标图像预处理还包括一个图像干扰排除，所述图像干扰排除包括图像角度校正、图像背景或周边信息剔除、图像残缺补全以及清晰度校正。
4.根据权利要求3所述的一种基于图像分割技术实现图像信息识别的方法，其特征在于，所述图像角度校正是指将目标图像旋转至与标准图像完全相同，且位于相同坐标系内同一坐标点。
5.根据权利要求4所述的一种基于图像分割技术实现图像信息识别的方法，其特征在于，所述图像背景或周边信息剔除是指删除与标准图像内容无关的信息或特征。
6.根据权利要求5所述的一种基于图像分割技术实现图像信息识别的方法，其特征在于，所述图像残缺补是指针对图像中残缺部分进行补全，补全部分主要包括目标图像中通用的图像和文字。
7.根据权利要求6所述的一种基于图像分割技术实现图像信息识别的方法，其特征在于，所述S400中对预处理目标图像进行分割是根据围成图像分块的分割线各端点坐标进行提取分割。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011467194.8A CN112580648A (zh) | 2020-12-14 | 2020-12-14 | 一种基于图像分割技术实现图像信息识别的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011467194.8A CN112580648A (zh) | 2020-12-14 | 2020-12-14 | 一种基于图像分割技术实现图像信息识别的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112580648A true CN112580648A (zh) | 2021-03-30 |
Family
ID=75134814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011467194.8A Pending CN112580648A (zh) | 2020-12-14 | 2020-12-14 | 一种基于图像分割技术实现图像信息识别的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580648A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096821A (zh) * | 2010-04-15 | 2011-06-15 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
| CN103116902A (zh) * | 2011-11-16 | 2013-05-22 | 华为软件技术有限公司 | 三维虚拟人头像生成方法、人头像运动跟踪方法和装置 |
| CN103839058A (zh) * | 2012-11-21 | 2014-06-04 | 方正国际软件(北京)有限公司 | 一种基于标准模版的文档图像的信息定位方法 |
| CN104091348A (zh) * | 2014-05-19 | 2014-10-08 | 南京工程学院 | 融合显著特征和分块模板的多目标跟踪方法 |
| CN105139004A (zh) * | 2015-09-23 | 2015-12-09 | 河北工业大学 | 基于视频序列的人脸表情识别方法 |
| CN106529429A (zh) * | 2016-10-27 | 2017-03-22 | 中国计量大学 | 一种基于图像识别的面部皮肤分析*** |
| CN109034266A (zh) * | 2018-08-16 | 2018-12-18 | 新智数字科技有限公司 | 一种目标图像检测方法、装置及*** |
| CN110414507A (zh) * | 2019-07-11 | 2019-11-05 | 和昌未来科技（深圳）有限公司 | 车牌识别方法、装置、计算机设备和存储介质 |
| CN111325092A (zh) * | 2019-12-26 | 2020-06-23 | 湖南星汉数智科技有限公司 | 一种动车票识别方法、装置、计算机装置及计算机可读存储介质 |
-
2020
- 2020-12-14 CN CN202011467194.8A patent/CN112580648A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096821A (zh) * | 2010-04-15 | 2011-06-15 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
| CN103116902A (zh) * | 2011-11-16 | 2013-05-22 | 华为软件技术有限公司 | 三维虚拟人头像生成方法、人头像运动跟踪方法和装置 |
| CN103839058A (zh) * | 2012-11-21 | 2014-06-04 | 方正国际软件(北京)有限公司 | 一种基于标准模版的文档图像的信息定位方法 |
| CN104091348A (zh) * | 2014-05-19 | 2014-10-08 | 南京工程学院 | 融合显著特征和分块模板的多目标跟踪方法 |
| CN105139004A (zh) * | 2015-09-23 | 2015-12-09 | 河北工业大学 | 基于视频序列的人脸表情识别方法 |
| CN106529429A (zh) * | 2016-10-27 | 2017-03-22 | 中国计量大学 | 一种基于图像识别的面部皮肤分析*** |
| CN109034266A (zh) * | 2018-08-16 | 2018-12-18 | 新智数字科技有限公司 | 一种目标图像检测方法、装置及*** |
| CN110414507A (zh) * | 2019-07-11 | 2019-11-05 | 和昌未来科技（深圳）有限公司 | 车牌识别方法、装置、计算机设备和存储介质 |
| CN111325092A (zh) * | 2019-12-26 | 2020-06-23 | 湖南星汉数智科技有限公司 | 一种动车票识别方法、装置、计算机装置及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109934110B (zh) | 一种河道附近违建房屋识别方法 | |
| CN110334762B (zh) | 一种基于四叉树结合orb和sift的特征匹配方法 | |
| CN110348264A (zh) | 一种qr二维码图像校正方法及*** | |
| CN110991258B (zh) | 一种人脸融合特征提取方法及*** | |
| CN105069754A (zh) | 基于在图像上无标记增强现实的***和方法 | |
| CN110502977B (zh) | 一种建筑物变化分类检测方法、***、装置及存储介质 | |
| CN110503682B (zh) | 矩形控件识别方法、装置、终端及存储介质 | |
| CN111680690A (zh) | 一种文字识别方法及装置 | |
| CN113989604A (zh) | 基于端到端深度学习的轮胎dot信息识别方法 | |
| CN113378837A (zh) | 车牌遮挡识别方法、装置、电子设备和存储介质 | |
| CN116798041A (zh) | 图像识别方法、装置和电子设备 | |
| CN111968104A (zh) | 一种基于机器视觉的钢卷异常识别方法、***、设备及介质 | |
| CN109191489B (zh) | 一种飞行器着陆标志的检测跟踪方法与*** | |
| CN112580648A (zh) | 一种基于图像分割技术实现图像信息识别的方法 | |
| CN111079749A (zh) | 一种带姿态校正的端到端商品价签文字识别方法和*** | |
| CN112183556B (zh) | 一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法 | |
| CN112749713A (zh) | 一种基于人工智能的大数据图像识别***及方法 | |
| Milevskiy et al. | A fast algorithm for korean text extraction and segmentation from subway signboard images utilizing smartphone sensors | |
| CN114330708A (zh) | 基于点云数据的神经网络训练方法、***、介质及设备 | |
| CN111079792A (zh) | 一种电力设备识别方法及装置 | |
| CN102938156B (zh) | 一种基于积分图像的面状注记配置方法 | |
| CN110737364A (zh) | 一种安卓***下触摸书写加速的控制方法 | |
| CN114782459B (zh) | 一种基于语义分割的拼接图像分割方法、装置及设备 | |
| CN112232348B (zh) | 一种基于机器视觉的甲骨文识别方法及*** | |
| CN117037049B (zh) | 基于YOLOv5深度学习的图像内容检测方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |