[發明專利]一種圖片曲線相對數值坐標自動提取方法

在審

• 申請號: 202110798778.1
• 申請日: 2021-07-15
• 公開（公告）號: CN113393518A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 高峰利;李紹;林錐;王懷喜
• 申請（專利權）人: 北京京儀光電技術研究所有限公司
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06T11/20;G06N3/04
• 代理公司: 北京衛平智業專利代理事務所(普通合伙) 11392
• 代理人: 楊亞靜

1.一種圖片曲線相對數值坐標自動提取方法，其特征在于，包括以下步驟：

步驟S1、隨機生成一系列的曲線數據點，將上述曲線數據點繪制成曲線圖，對曲線圖按照標注框與曲線輪廓相切的方式標注曲線范圍的精確位置，得到曲線標注框位置，結合曲線圖和曲線標注框位置，構建神經網絡模型一的標注數據集；

步驟S2、取出曲線標注框框選區域內的圖像，并將圖像縮放到一定的尺寸，得到標準化圖片；

步驟S3、將標準化圖片對應的曲線數據點進行非線性插值計算，將標準化圖片對應的曲線數據點的個數擴展到與神經網絡模型二輸出值相同的數量，并在[0,1]區間內進行標準化，得到訓練神經網絡模型二所需的標簽值；

步驟S4、結合標準化圖片和訓練神經網絡模型二所需的標簽值構建神經網絡模型二的標注數據集；

步驟S5、采用開源的目標檢測算法，基于前述神經網絡模型一的標注數據集進行曲線范圍檢測模型的訓練，得到訓練好的神經網絡模型一；

步驟S6、基于前述神經網絡模型二的標注數據集進行曲線相對坐標預測模型的訓練，得到訓練好的神經網絡模型二。

2.如權利要求1所述的圖片曲線相對數值坐標自動提取方法，其特征在于，所述神經網絡模型二的結構中C1、C2和C3是卷積層，R1、R2和R3是RELU層，P1、P2和P3是Pooling層，D1、D2是Dropout層，FC1、FC2是全聯接層；輸出層中共有n個輸出值，n個輸出值為神經網絡對當前樣本的預測結果。

3.如權利要求2所述的圖片曲線相對數值坐標自動提取方法，其特征在于，所述n為步驟S2中標準化圖片橫軸方向的像素點個數。

4.如權利要求1所述的圖片曲線相對數值坐標自動提取方法，其特征在于，將待檢測圖片輸入到訓練好的神經網絡模型一，并將輸出的標準化圖片輸入到訓練好的神經網絡模型二，得到原始曲線相對坐標的預測值。