[發明專利]一種用于圖像識別的自適應算法

在審

• 申請號: 201910264244.3
• 申請日: 2019-04-03
• 公開（公告）號: CN110059595A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 劉明珠;邱志強
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/00;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明一種用于圖像識別的自適應算法屬于智能圖像識別領域。包括以下步驟：步驟一：采集圖像；步驟二：對采集的圖像進行預處理；步驟三：將所述步驟二所述進行預處理的圖像，再次進行處理，使處理后的圖像大小相同等步驟；在本發明一種用于圖像識別的自適應算法作用下，本算法利用主成分分析對圖像進行數據分析，尋找最優特征，將多余有瑕疵特征去除；然后利用算法生成初始種群，算法使種群均勻分布在求解區域，為提升整體搜尋速度，采用對遺傳算法進行改進；依據適應度值自適應變化的交叉與變異概率確保種群多樣性，提升尋優效率和識別率；最后進行人工分析和大數據分析對比計算，進行圖像目標分類。

技術領域

本發明一種用于圖像識別的自適應算法屬于智能圖像識別領域。

背景技術

作為未來智能服裝監測系統或者人工智能模塊不可或缺的重要組成部分，人工智能圖像識別系統已經成為國內外研發者的研究熱點。對于電商商品識別系統而言，最難解決的就是如何有效處理電商商品實時識別和檢測困難的問題。人工智能和相應的機器學習算法的研究與發展為上述問題提供了新的解決思路，以線性判別分析、神經網絡法、子空間分析、支持向量機、隨機森林為代表的眾多機器學習算法已經被嘗試應用于電商商品識別系統中。研究結果表明，各類機器學習算法能夠大幅提高商品標志的識別率，但是也會存在計算復雜度高、實時效果差、參數設置解決方案不成熟、商品類型受限等缺陷，為實際應用帶來了不小的阻礙。

發明內容

在針對上述問題，本發明公開了一種用于圖像識別的自適應算法。

本發明的目的是這樣實現的：

一種用于圖像識別的自適應算法，包括以下步驟：

步驟一：采集圖像；

步驟二：對采集的圖像進行預處理；

步驟三：將所述步驟二所述進行預處理的圖像，再次進行處理，使處理后的圖像大小相同；

步驟四：將所述步驟三所述大小相同圖像，進行邊沿銳化處理，利用二進制轉換操作，將邊沿化處理圖像，轉換成可數字化處理分析的圖像；

步驟五：將所述步驟四所述的處理過后圖像，利用二階中心矩構造8個不變矩公式，同時計算圖像的不變矩；

步驟六：將所述步驟五所述的處理過后圖像，進行主成分分析，組成新的特征空間；

步驟七：采用神經網絡算法和遺傳算法結合，生成初始種群；

步驟八：根據遺傳算法計算公式對個體適應度值進行計算；

步驟九：將所述步驟八中，計算出的優秀個體進行保留操作；

步驟十：根據所述步驟七算法計算方法，判斷停止輸出數據；

步驟十一：根據所述步驟十輸出數據，選擇圖像中最優特征數據，組成新的數據特征空間；

步驟十二：對所述步驟十一得到的數據，進行人工分析和大數據分析對比計算，進行圖像目標分類。

所述的一種用于圖像識別的自適應算法，所述步驟六中貢獻率達到百分之98。所述的一種用于圖像識別的自適應算法，所述遺傳算法還包括以下步驟：

步驟a，對種群中適應度值最大的進行記錄；

步驟b，再次進行計算，得到數據大于前種群數據，用大個體數據替換前者數據；步驟c，當前適應度值最小的個體用適應度值最大的個體替換；

步驟d，保證最優個體不被破壞。

有益效果：