【技术实现步骤摘要】
一种小目标识别算法
[0001]本专利技术涉及图像识别领域,尤其是一种小目标识别算法。
技术介绍
[0002]随着计算机视觉技术与存储技术的快速发展,研究人员已经在很多影像领域提出了许多基于图像的分析、辅助工具,例如自动并且高效地完成一些常规的图像分析任务,或者精确地对目标给出定位等等。近年来,随着深度学习技术在目标检测以及分割方面的发展,如何精确实现乳较小目标的筛查及识别,成为学者们研究的重要内容。
[0003]传统的小目标识别方法要将整个图像进行全部识别及检索,耗费大量的计算识别时间,此方法效率低下,不能够识别重点目标区域从而进行进一步分析,且传统的识别方法不能将已识别的小目标作为数据库,进行学习优化。
技术实现思路
[0004]本专利技术所要解决的技术问题是针对
技术介绍
的缺陷,本专利技术通过一种小目标识别算法,能够对影像进行初步处理,识别出重点分析区,且能够通过已识别过的数据作为依据进行优化学习,不断的提高识别的速度及精度,为实现小目标的快速识别提供强有力的支撑
[0005]本专利技术为解决上述技术问题采用以下技术方案:
[0006]一种小目标识别算法,包括以下步骤:
[0007]步骤S1、采用图像捕捉设备对目标进行捕捉,以获得目标图像;
[0008]步骤S2、对图像进行区分,将图像划分为重点区和非重点区;
[0009]步骤S3、在进行步骤S1的同时,对目标整体特征进行数据采取,并得出目标体积的具体数据,为体积数据;
[0010]步骤S4、 ...
【技术保护点】
【技术特征摘要】
1.一种小目标识别算法,其特征在于,包括以下步骤:步骤S1、采用图像捕捉设备对目标进行捕捉,以获得目标图像;步骤S2、对图像进行区分,将图像划分为重点区和非重点区;步骤S3、在进行步骤S1的同时,对目标整体特征进行数据采取,并得出目标体积的具体数据,为体积数据;步骤S4、识别图像中目标大小,并与S3中的体积数据进行比对,判别目标是否清晰,如果不是,则标记为异常,如果是,则标记为正常;步骤S5、将S2中图像重点区调整为固定大小;步骤S6、将S5中图像网格化,并按3x3为一个单元进行分割,一个3x3单元称为读取单元,神经元对每个读取单元中的特征量进行读取,并将读取数据上传至数据处理中心;步骤S7、识别出特征量异常时,结合步骤S4反馈给人工判定,若人工判断清晰,则将3x3读取单元与步骤S3中的体积数据配对,当人工判断不清晰时,则重新进行步骤S5,且将读取单元网格化为9x9进行特征量读取,直至判别答案与人工一致。2.根据权利要求1所述的一种小目标识别算法,其特征在于,将以往识别应用至步骤S6中,优化系统判断准确性。3.根据权利要求1所述的一种小目标识别算法,其特征在于,所述步骤S4具体为,判断图像左右半幅高度是否一致,对于三维图像中第i行像素:致,对于三维图像中第i行像素:Δ
i
=|H
Li
‑
H
Ri
|式中H
Li
‑
图像中第i行左半幅的平均深度;H
Ri
‑
图像中第i行右半幅的平均深度;Δ
i
‑
第i行左右两半幅平均深度差距的绝对值;I(i,j)
‑
像素I(i,j)的深度值,取值范围0
‑‑
255;考虑到其他随机因素的影响,两半幅图像平均深度不可能完全一样,当平均深度差值Δ
i
大于阈值Δ
r
时,认为两半幅图像高度水平显著不同,需要整体提升较低的半幅图像:式中
‑
第i行较低的半幅图像,或为左半幅,或为右半幅;I
′
(i,j)
‑
第i行较低的半幅中像素I(i,j)校正后的像素值。4.根据权利要求2所述的一种小目标识别算法,其特征在于,具体算法如下:设线性方程组为:AX=B其中,X=[x1,x2,
…
,x
n
]
T
,b=[b1,b2,
…
,b
n
]
T
则AX=B可改写为,
设以a
ij
为隐层神经元...
【专利技术属性】
技术研发人员:戴元永,苏敏敏,曹强大,唐晓渊,单军军,褚振伟,毛鑫哲,
申请(专利权)人:苏州数智源信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。