[發明專利]一種基于DOG和LDA算法的圖像識別方法及電子設備

在審

• 申請號: 202111262994.0
• 申請日: 2021-10-28
• 公開（公告）號: CN113936146A
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 劉卓;劉智云;劉毅楓;馬曉光
• 申請（專利權）人: 西安超越申泰信息科技有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06K9/62
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 劉小峰;張濤

本發明公開了一種基于DOG和LDA算法的圖像識別方法，該方法包括：獲取樣本圖像；采用LDA算法對樣本圖像進行降維處理；采用DOG算法在降維處理后的樣本圖像上提取圖像特征；為DOG檢測出的圖像特征設置訓練集標簽，以完成樣本圖像的預處理。本發明還公開了一種電子設備。通過本發明的方案，能夠有效消除圖像噪聲，提高圖像識別結果的準確率。

技術領域

本發明涉及圖像識別技術領域，尤其涉及一種基于DOG和LDA算法的圖像識別方法及電子設備。

背景技術

在日常生活中，圖像識別技術應用的領域越來越廣泛，例如，人臉識別、無人駕駛、物體檢測、物體分類等領域。圖像識別通常是采用攝像頭等圖像采集裝置采集圖像，再將采集的圖像輸入圖像識別模型輸出識別結果。但是，圖像采集裝置采集的圖像可能受光照、成像角度、成像距離等影響，會降低圖像識別結果的準確率。

發明內容

本發明提出了一種基于DOG和LDA算法的圖像識別方法、系統及計算機可讀存儲介質，有效消除圖像噪聲，提高圖像識別結果的準確率。

基于上述目的，本發明實施例的一方面提供了一種基于DOG和LDA算法的圖像識別方法，具體包括如下步驟：

獲取樣本圖像；

采用LDA算法對所述樣本圖像進行降維處理；

采用DOG算法在降維處理后的樣本圖像上提取圖像特征；

為所述DOG檢測出的圖像特征設置訓練集標簽，以完成所述樣本圖像的預處理。

在一些實施方式中，所述采用LDA算法對所述樣本圖像進行降維處理，包括：

計算所述樣本圖像的每類樣本的均值；

根據所述每類樣本的均值，計算類內散度矩陣、類間散度矩陣；

對所述類內散度矩陣和所述類間散度矩陣做特征值分解；

計算最大的d個特征值和對應的d個特征向量；

根據所述最大的d個特征值和對應的d個特征向量，計算投影矩陣；

將所述投影矩陣中每一個樣本特征轉化為新的樣本，得到輸出樣本集。

在一些實施方式中，所述采用DOG算法在降維處理后的樣本圖像上提取圖像特征，包括：

將所述降維處理后的樣本圖像在不同標準差下進行高斯濾波計算，得到第一DOG圖像、第二DOG圖像和第三DOG圖像，所述第一DOG圖像、第二DOG圖像和第三DOG圖像依次相鄰；

對相鄰DOG圖像做差值計算，得到第一差值圖像和第二差值圖像；

根據所述第一差值圖像和第二差值圖像，得到所述第二DOG圖像的最大值和最小值點。

在一些實施方式中，為所述DOG檢測出的圖像特征設置訓練集標簽，包括：

在所述樣本圖像上標記出所提取的DOG檢測出的特征點。

本發明實施例的另一方面，還提供了一種用于計算機的遠程管理系統，包括：獲取單元、處理單元、提取單元以及設置單元，其中：

獲取單元配置用于獲取樣本圖像；

處理單元配置用于采用LDA算法對所述樣本圖像進行降維處理；

提取單元配置用于采用DOG算法在降維處理后的樣本圖像上提取圖像特征；

設置單元配置用于為所述DOG檢測出的圖像特征設置訓練集標簽，以完成所述樣本圖像的預處理。

在一些實施方式中，所述處理單元還配置用于：