[發明專利]用于輪廓識別的高精度識別方法在審
| 申請號： | 201810272517.4 | 申請日： | 2018-03-29 |
| 公開（公告）號： | CN110321762A | 公開（公告）日： | 2019-10-11 |
| 發明（設計）人： | 袁士林 | 申請（專利權）人： | 袁士林 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/48;G06K9/52;G06N3/04;G06N3/08 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 610000 四川省*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 變換域 空間域 輪廓識別 梯度算子 域變換 小波邊緣檢測 多尺度分解 邊緣檢測 模式識別 雙重檢測 圖像識別 算子 容錯性 高斯 黑箱 向量 小波 樣本 零部件 圖像 分解 檢測 | ||
【權利要求書】：
1.用于輪廓識別的高精度識別方法，其特征在于，包括以下步驟：
分解域變換，將圖像利用小波進行多尺度分解域變換；
在空間域梯度算子進行邊緣檢測；
在變換域利用小波邊緣檢測；
提取空間域和變換域的特征；
利用BP神經網絡進行模式識別，在識別以前，先選取至少100個的樣本進行訓練，獲得變換向量，再對現場輪廓進行識別。
2.根據權利要求1所述的用于輪廓識別的高精度識別方法，其特征在于，所述梯度算子采用高斯拉普拉斯算子。
3.根據權利要求1所述的用于輪廓識別的高精度識別方法，其特征在于，所述小波邊緣檢測結果采用鏈表進行記錄。
4.根據權利要求1所述的用于輪廓識別的高精度識別方法，其特征在于，所述特征提取采用統計特征或變換矩陣。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于袁士林，未經袁士林許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810272517.4/1.html，轉載請聲明來源鉆瓜專利網。
