[發(fā)明專利]一種圖片曲線相對(duì)數(shù)值坐標(biāo)自動(dòng)提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110798778.1
• 申請(qǐng)日: 2021-07-15
• 公開（公告）號(hào): CN113393518A
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 高峰利;李紹;林錐;王懷喜
• 申請(qǐng)（專利權(quán)）人: 北京京儀光電技術(shù)研究所有限公司
• 主分類號(hào): G06T7/70
• 分類號(hào): G06T7/70;G06T11/20;G06N3/04
• 代理公司: 北京衛(wèi)平智業(yè)專利代理事務(wù)所(普通合伙) 11392
• 代理人: 楊亞靜

本發(fā)明為一種圖片曲線相對(duì)數(shù)值坐標(biāo)自動(dòng)提取方法，隨機(jī)生成一系列曲線數(shù)據(jù)點(diǎn)，將曲線數(shù)據(jù)點(diǎn)繪成曲線圖，然后標(biāo)注曲線范圍位置，得到曲線標(biāo)注框位置，結(jié)合曲線圖和標(biāo)注框位置，構(gòu)建模型一數(shù)據(jù)集；取出標(biāo)注框內(nèi)的圖像，將圖像縮到一定尺寸，得到標(biāo)準(zhǔn)化圖片；將標(biāo)準(zhǔn)化圖片對(duì)應(yīng)的曲線數(shù)據(jù)點(diǎn)個(gè)數(shù)設(shè)置為與模型二輸出值相同的數(shù)量，并對(duì)所有數(shù)據(jù)點(diǎn)的數(shù)值進(jìn)行標(biāo)準(zhǔn)化，得到模型二所需的標(biāo)簽值；結(jié)合標(biāo)準(zhǔn)化圖片和模型二所需的標(biāo)簽值構(gòu)建模型二數(shù)據(jù)集；基于模型一的數(shù)據(jù)集進(jìn)行曲線范圍檢測(cè)模型的訓(xùn)練；基于模型二的數(shù)據(jù)集進(jìn)行曲線相對(duì)坐標(biāo)預(yù)測(cè)模型的訓(xùn)練；將待檢測(cè)圖片輸入模型一和模型二，得到原始曲線相對(duì)坐標(biāo)的預(yù)測(cè)值。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像信息數(shù)值化方法，具體涉及一種圖片曲線相對(duì)數(shù)值坐標(biāo)自動(dòng)提取方法。

背景技術(shù)

數(shù)據(jù)圖表是交流科學(xué)理論和技術(shù)的一種重要方式，自由地獲取數(shù)據(jù)可以加速新技術(shù)的推廣應(yīng)用。人們可以比較方便地獲取可視化的圖片數(shù)據(jù)，但在多數(shù)情況下，不能直接得到圖片中的數(shù)值信息。為解決此問題，人們提出了一些半自動(dòng)化的方法，例如當(dāng)圖片中的曲線顏色與背景不同時(shí)，可以人為選定曲線的顏色進(jìn)行曲線像素點(diǎn)提取，或者當(dāng)圖片中的曲線是由多段折線連接而成時(shí)，通過人為點(diǎn)選曲線上的節(jié)點(diǎn)進(jìn)行曲線的自動(dòng)重生成。除了需要人為參與確定曲線的具體位置外，這些方法的另外一個(gè)共同點(diǎn)是需要人為對(duì)曲線所屬的坐標(biāo)軸進(jìn)行標(biāo)定，即需要提供圖片中橫縱坐標(biāo)軸的起點(diǎn)、單個(gè)像素點(diǎn)對(duì)應(yīng)的橫軸距離、單個(gè)像素點(diǎn)對(duì)應(yīng)的縱軸距離等信息。

近年來(lái)，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)突飛猛進(jìn)，為圖片曲線范圍的自動(dòng)定位提供了一種新方法。同時(shí)，對(duì)于某些特殊的使用場(chǎng)景，人們往往只需要獲得曲線的相對(duì)坐標(biāo)值，而不是其絕對(duì)數(shù)值，此時(shí)利用神經(jīng)網(wǎng)絡(luò)有監(jiān)督訓(xùn)練方法，可以成功構(gòu)建自動(dòng)化提取圖片曲線相對(duì)坐標(biāo)的算法模型。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的在于提供一種圖片曲線相對(duì)數(shù)值坐標(biāo)自動(dòng)提取方法，通過神經(jīng)網(wǎng)絡(luò)模型一實(shí)現(xiàn)圖片中的曲線位置范圍檢測(cè)，通過神經(jīng)網(wǎng)絡(luò)模型二實(shí)現(xiàn)曲線相對(duì)坐標(biāo)值提取。

為達(dá)到以上目的，本發(fā)明采取的技術(shù)方案是：

一種圖片曲線相對(duì)數(shù)值坐標(biāo)自動(dòng)提取方法，包括以下步驟：

步驟S1、隨機(jī)生成一系列的曲線數(shù)據(jù)點(diǎn)，將上述曲線數(shù)據(jù)點(diǎn)繪制成曲線圖，對(duì)曲線圖按照標(biāo)注框與曲線輪廓相切的方式（標(biāo)注框需要緊貼曲線輪廓）標(biāo)注曲線范圍的精確位置，得到曲線標(biāo)注框位置，結(jié)合曲線圖和曲線標(biāo)注框位置，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型一的標(biāo)注數(shù)據(jù)集；

步驟S2、取出曲線標(biāo)注框框選區(qū)域內(nèi)的圖像，并將圖像縮放到一定的尺寸，得到標(biāo)準(zhǔn)化圖片；

步驟S3、將標(biāo)準(zhǔn)化圖片對(duì)應(yīng)的曲線數(shù)據(jù)點(diǎn)進(jìn)行非線性插值計(jì)算，將標(biāo)準(zhǔn)化圖片對(duì)應(yīng)的曲線數(shù)據(jù)點(diǎn)的個(gè)數(shù)擴(kuò)展到與神經(jīng)網(wǎng)絡(luò)模型二輸出值相同的數(shù)量，并在[0,1]區(qū)間內(nèi)進(jìn)行標(biāo)準(zhǔn)化，得到訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型二所需的標(biāo)簽值；

步驟S4、結(jié)合標(biāo)準(zhǔn)化圖片和訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型二所需的標(biāo)簽值構(gòu)建神經(jīng)網(wǎng)絡(luò)模型二的標(biāo)注數(shù)據(jù)集；

步驟S5、采用開源的目標(biāo)檢測(cè)算法，基于前述神經(jīng)網(wǎng)絡(luò)模型一的標(biāo)注數(shù)據(jù)集進(jìn)行曲線范圍檢測(cè)模型的訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型一；

步驟S6、基于前述神經(jīng)網(wǎng)絡(luò)模型二的標(biāo)注數(shù)據(jù)集進(jìn)行曲線相對(duì)坐標(biāo)預(yù)測(cè)模型的訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型二。

在上述方案的基礎(chǔ)上，所述神經(jīng)網(wǎng)絡(luò)模型二的結(jié)構(gòu)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，F(xiàn)C1、FC2是全聯(lián)接層；輸出層中共有n個(gè)輸出值，n個(gè)輸出值為神經(jīng)網(wǎng)絡(luò)對(duì)當(dāng)前樣本的預(yù)測(cè)結(jié)果。

在上述方案的基礎(chǔ)上，所述n為步驟S2中標(biāo)準(zhǔn)化圖片橫軸方向的像素點(diǎn)個(gè)數(shù)。

在上述方案的基礎(chǔ)上，將待檢測(cè)圖片輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型一，并將輸出的標(biāo)準(zhǔn)化圖片輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型二，得到原始曲線相對(duì)坐標(biāo)的預(yù)測(cè)值。

本發(fā)明的有益效果：