[發明專利]智能圖像分割及分類方法、裝置及計算機可讀存儲介質有效
| 申請號: | 201910972271.6 | 申請日: | 2019-10-12 |
| 公開(公告)號: | CN110853047B | 公開(公告)日: | 2023-09-15 |
| 發明(設計)人: | 趙遠 | 申請(專利權)人: | 平安科技(深圳)有限公司 |
| 主分類號: | G06T7/11 | 分類號: | G06T7/11;G06T7/136;G06T5/00;G06T5/10;G06V10/764 |
| 代理公司: | 深圳市沃德知識產權代理事務所(普通合伙) 44347 | 代理人: | 高杰;于志光 |
| 地址: | 518000 廣東省深圳市福田區福*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 智能 圖像 分割 分類 方法 裝置 計算機 可讀 存儲 介質 | ||
1.一種智能圖像分割及分類方法,其特征在于,所述方法包括:
接收用戶輸入的原始圖像和圖像分類數,對所述原始圖像進行傅里葉變換得到變換圖像,并基于退化函數對所述變換圖像進行降噪處理得到降噪圖像;
計算所述降噪圖像的灰度概率,根據所述灰度概率將所述降噪圖像進行編碼壓縮得到壓縮圖像;
將所述壓縮圖像進行線性拉伸、圖像增強及區域檢測處理得到圖像相似度集合;
將所述圖像相似度集合進行閾值分割得到原始分割圖像集,將所述原始分割圖像集映射成無向圖集,根據預先構建的目標函數優化所述無向圖集得到分割圖像集;
提取所述分割圖像集內各分割圖像的邊界特征得到特征集,基于所述特征集和所述圖像分類數建立分類概率模型,根據所述分類概率模型對所述分割圖像集進行分類并輸出所述原始圖像的分類結果;
其中,所述傅里葉變換包括:遍歷所述原始圖像的原始像素點,計算所述原始像素點的二維離散傅里葉變換函數;根據所述二維離散傅里葉變換函數求解所述原始圖像的傅里葉逆變換函數;將所述傅里葉逆變換函數的函數值替換所述原始像素點得到所述變換圖像;
所述二維離散傅里葉變換函數包括:
所述傅里葉逆變換函數包括:
其中,F(u,v)為所述二維離散傅里葉變換函數,f(x,y)為所述傅里葉逆變換函數,(u,v)為所述原始像素點的坐標,(x,y)為所述傅里葉變換后的像素點坐標,與分別為變換核和逆變換核,j為預設調節系數,M,N為所述原始圖像的圖像規格。
2.如權利要求1所述的智能圖像分割及分類方法,其特征在于,所述基于退化函數對所述變換圖像進行降噪處理得到降噪圖像,包括:
求解所述變換圖像的像素方差和噪聲方差;
根據所述退化函數、所述像素方差和所述噪聲方差利用下述方法得到降噪圖像:
其中,t(x’,y’)為所述降噪圖像,(x’,y’)為所述降噪圖像的像素點,f(x,y)為所述傅里葉逆變換函數,為所述退化函數,δ2為所述像素方差,為所述噪聲方差,為所述傅里葉變換后的原始圖像的像素灰度均值。
3.如權利要求1所述的智能圖像分割及分類方法,其特征在于,所述預先構建的目標函數為:
E(A)=ρR(A)+B(A)
其中,E(A)為分割圖像集,A表示像素集合的二進制向量,ρ為調節參數,R(A)為像素標簽,Rp(Ap)表示像素p分配給像素二進制向量A的代價,B(A)表示所述無向圖的邊界項,Bp,q為像素p,q之間的不連續代價值,Ap表示像素p的區域項,為像素p的區域項與像素q的區域項相同的概率函數。
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平安科技(深圳)有限公司,未經平安科技(深圳)有限公司許可,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/201910972271.6/1.html,轉載請聲明來源鉆瓜專利網。
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





