[發明專利]一種數據處理方法、裝置及計算機存儲介質和電子設備

在審

• 申請號: 202010026160.9
• 申請日: 2020-01-10
• 公開（公告）號: CN111242957A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 張偉
• 申請（專利權）人: 合肥聯寶信息技術有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/73;G06T7/90;G06K9/62
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 張洋

本發明公開了一種數據處理方法、裝置及計算機存儲介質和電子設備，方法包括：對原始區域圖像進行初分割，得到原始區域集合；計算對應于所述原始區域集合中相鄰區域的相似度集合；根據所述相似度集合對所述原始區域集合中的相鄰區域進行合并，得到候選區域集合；對所述候選區域集合進行篩選，得到標簽區域。本發明提供的數據處理方法、裝置及計算機存儲介質和電子設備，先通過對原始區域圖像進行初分割，得到一些相對細碎、零散的原始分割區域，形成原始區域集合，然后利用原始分割區域中每個區域中所包含的信息來合并粗分割的原始區域，獲得更為正確的圖像分割結果，提高了標簽定位結果的準確率。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種數據處理方法、裝置及計算機存儲介質和電子設備。

背景技術

隨著自動化科技的發展，生產中對產品設備進行檢測的工作也逐漸被自動化手段替代，對產品表面進行檢測是保證產品質量和獲取信息的一個重要手段。對于很多產品如筆記本，需要對產品標簽進行檢測，筆記本標簽包括處理器標簽等種類較多，大小不一，且粘貼位置不固定，如何精準定位標簽在表面的位置是對筆記本進行檢測的一個重要步驟。

標簽定位問題可以理解為圖像分割問題，通過將圖像中的不同物體，如前景(標簽)和背景(筆記本掌托區域)分割為不同的區域，從而確定標簽在筆記本掌托區域的位置。圖像分割問題可以采用圖像聚類技術來解決，根據圖像中各個相鄰像素之間的相似性來進行圖像聚類，進而將圖像的不同區域進行標記。K-means(K均值聚類)算法是一種經典的非監督學習圖像聚類算法，原理簡單，計算復雜度低，受到了廣泛的使用。

但是K-means算法運行時需要指定初始聚類中心和聚類數目，初始聚類中心或者聚類數目的不同會影響最終的分割結果。將K-means算法應用到筆記本掌托區域標簽定位，標簽的多樣性、掌托區域背景的復雜性使得聚類過程中初始聚類中心和聚類數目難以準確確定，容易造成聚類效果局部最優，導致聚類結果不穩定，準確性下降。若直接采用K-means算法對掌托區域圖像聚類的結果來確定標簽的位置，會造成標簽定位效果不理想。

發明內容

本發明實施例為了有效克服現有技術所存在的上述缺陷，創造性地提供一種數據處理方法，包括：對原始區域圖像進行初分割，得到原始區域集合；計算對應于所述原始區域集合中相鄰區域的相似度集合；根據所述相似度集合對所述原始區域集合中的相鄰區域進行合并，得到候選區域集合；對所述候選區域集合進行篩選，得到標簽區域。

在一可實施方式中，所述對原始區域圖像進行初分割，得到多個原始區域集合包括：采用K均值聚類算法對所述原始區域圖像進行初次聚類，得到初聚類結果；將所述初聚類結果中屬于同一聚類中心的相鄰像素點進行合并，得到原始區域集合。

在一可實施方式中，所述計算對應于所述原始區域集合中相鄰區域的相似度集合包括：根據所述原始區域集合中相鄰區域的顏色直方圖、顏色矩、尺寸和交疊比例中的一種或多種信息計算相似度集合。

在一可實施方式中，所述根據所述相似度集合對所述原始區域集合中的相鄰區域進行合并，得到候選區域集合包括：根據所述相似度集合合并所述原始區域集合中相似度最大的兩個相鄰區域，得到候選區域和包括有所述候選區域的候選區域集合；判斷所述候選區域集合中是否存在滿足合并條件的相鄰區域，若存在，則合并所述滿足合并條件的相鄰區域并更新所述候選區域集合。

在一可實施方式中，根據標簽特征信息對所述候選區域集合進行篩選。

本發明實施例另一方面提供一種數據處理裝置，包括：粗分割模塊，用于對原始區域圖像進行初分割，得到原始區域集合；相似度計算模塊，用于計算對應于所述原始區域集合中相鄰區域的相似度集合；區域合并模塊，用于根據所述相似度集合對所述原始區域集合中的相鄰區域進行合并，得到候選區域集合；篩選模塊，用于對所述候選區域集合進行篩選，得到標簽區域。