CN111414960A - 一种人工智能图像特征提取系统及其特征识别方法 - Google Patents
一种人工智能图像特征提取系统及其特征识别方法 Download PDFInfo
- Publication number
- CN111414960A CN111414960A CN202010192593.1A CN202010192593A CN111414960A CN 111414960 A CN111414960 A CN 111414960A CN 202010192593 A CN202010192593 A CN 202010192593A CN 111414960 A CN111414960 A CN 111414960A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- dotting
- feature
- simulation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种人工智能图像特征提取系统,包括:图像扫描模块,其用于将原始图像完整的扫描得到扫面图像Ⅰ,合成模拟图像Ⅰ;图像渲染模块,其用于对模拟图像Ⅰ进行渲染处理,然后在通过图像过滤模块进行过滤后,图像模拟成型模块Ⅱ,其用于通过图像提取模块获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块进行路径规划。本发明在对图像进行特征特征识别时,不会对原始图像造成损坏;提高对模拟图像Ⅰ的渲染处理效果,通过图像特征提取模块可准确提取特征数据。
Description
技术领域
本发明属于人工智能图像特征提取技术领域,具体涉及一种人工智能图像特征提取系统及其特征识别方法。
背景技术
图像识别,是基于同一类物(如,人脸等)的特征信息进行识别的一种识别技术,但是,由于传统图像特征识别过程中需要对原始图像进行多次处理,这样会造成原始图像失真,且过程中对图像处理不到位,不能精确标定处原始图像的特征,不利于图像特征的识别,为此,我们提出一种人工智能图像特征提取系统及其特征识别方法,以解决上述背景技术中提到的问题。
发明内容
本发明的目的在于提供一种人工智能图像特征提取系统及其特征识别方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种人工智能图像特征提取系统,包括:
图像扫描模块,其用于将原始图像完整的扫描得到扫面图像Ⅰ,并通过图像分析模块对图像进行数据分析,然后通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ;
图像渲染模块,其用于对模拟图像Ⅰ进行渲染处理,然后在通过图像过滤模块进行过滤后,直接通过图像提取模块进行特征数据提取;
图像模拟成型模块Ⅱ,其用于通过图像提取模块获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块进行路径规划。
优选的,所述图像分析模块包括图像属性检测模块、图像来源检测模块和图像尺寸检测模块,其中图像来源检测模块用于检测原始图像的来源,图像尺寸检测模块用于检测原始图像的尺寸。
优选的,所述图像属性检测模块用于检测原始图像的像素、分辨率、内存大小、颜色、位深、色调、饱和度、亮度、色彩通道以及图像的层次。
优选的,所述图像渲染模块包括图像周边打点模块、图像打点连线模块和打点连线处理模块,其中图像周边打点模块用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块用于将打点之间进行连续性连接,打点连线处理模块用于将打点之间的连线进行连线调整处理。
优选的,所述连线调整处理具体步骤为:通过图像分析模块调取图像库中的图像数据,并对图像边缘的连线进行走向进行总结分析,然后打点连线处理模块将总结分析的数据用于将打点之间的连线进行合理化的调整,使得连线更自然清晰。
优选的,所述特征数据路径规划模块通过共享模块将特征数据进行分享,共享模块通过通讯模块连接有验证查询模块,并在通过终端模块输入密码的情况下,验证查询模块使得终端模块可查看共享模块中保存的特征数据。
本发明还提供了一种人工智能图像特征提取系统的特征识别方法,具体包括以下步骤:
S1、图像扫描模块将原始图像完整的扫描得到扫面图像Ⅰ,并通过图像分析模块对图像进行数据分析,通过中图像来源检测模块检测原始图像的来源,图像尺寸检测模块检测原始图像的尺寸,图像属性检测模块检测原始图像的像素、分辨率、内存大小、颜色、位深、色调、饱和度、亮度、色彩通道以及图像的层次,然后通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ;
S2、图像渲染模块对模拟图像Ⅰ进行渲染处理,图像周边打点模块用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块用于将打点之间进行连续性连接,打点连线处理模块用于将打点之间的连线进行连线调整处理,然后在通过图像过滤模块进行过滤后,直接通过图像提取模块进行特征数据提取;
S3、通过图像模拟成型模块Ⅱ将图像提取模块获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块进行路径规划;
S4、特征数据路径规划模块通过共享模块将特征数据进行分享,共享模块通过通讯模块连接有验证查询模块,并在通过终端模块输入密码的情况下,验证查询模块使得终端模块可查看共享模块中保存的特征数据。
与现有技术相比,本发明的有益效果是:本发明提供的一种人工智能图像特征提取系统及其特征识别方法,本发明通过图像扫描模块将原始图像完整的扫描得到扫面图像Ⅰ,通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ,通过图像模拟成型模块Ⅱ将图像提取模块获得的特征数据合成模拟图像Ⅱ,这样使得在对图像进行特征特征识别时,不会对原始图像造成损坏;
通过图像分析模块对图像进行数据分析,通过图像渲染模块对模拟图像Ⅰ进行渲染处理,图像周边打点模块用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块用于将打点之间进行连续性连接,打点连线处理模块用于将打点之间的连线进行连线调整处理,然后在通过图像过滤模块进行过滤后,直接通过图像提取模块进行特征数据提取,这样通过图像渲染模块的设置,可提高对模拟图像Ⅰ的渲染处理效果,
通过图像特征标记模块对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块将标记后的图像特征进行提取,有利于通过图像特征提取模块准确提取特征数据;
特征数据再通过特征数据路径规划模块进行路径规划,通过终端模块输入密码的情况下,验证查询模块使得终端模块可查看共享模块中保存的特征数据。
附图说明
图1为本发明整体系统示意图;
图2为本发明特征数据路径规划模块、共享模块、通讯模块、终端模块和验证查询模块之间的连接示意图。
图中:1图像扫描模块、2图像分析模块、21图像属性检测模块、22图像来源检测模块、23图像尺寸检测模块、3图像渲染模块、31图像周边打点模块、32图像打点连线模块、33打点连线处理模块、4图像过滤模块、5图像提取模块、6图像特征标记模块、7图像特征提取模块、8特征数据路径规划模块、9共享模块、10通讯模块、11终端模块、12验证查询模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,实施例如下:
一种人工智能图像特征提取系统,包括:
图像扫描模块1,其用于将原始图像完整的扫描得到扫面图像Ⅰ,并通过图像分析模块2对图像进行数据分析,然后通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ;
图像渲染模块3,其用于对模拟图像Ⅰ进行渲染处理,然后在通过图像过滤模块4进行过滤后,直接通过图像提取模块5进行特征数据提取;
图像模拟成型模块Ⅱ,其用于通过图像提取模块5获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块6对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块7将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块8进行路径规划。
具体的,所述图像分析模块2包括图像属性检测模块21、图像来源检测模块22和图像尺寸检测模块23,其中图像来源检测模块22用于检测原始图像的来源,图像尺寸检测模块23用于检测原始图像的尺寸。
具体的,所述图像属性检测模块21用于检测原始图像的像素、分辨率、内存大小、颜色、位深、色调、饱和度、亮度、色彩通道以及图像的层次。
具体的,所述图像渲染模块3包括图像周边打点模块31、图像打点连线模块32和打点连线处理模块33,其中图像周边打点模块31用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块32用于将打点之间进行连续性连接,打点连线处理模块33用于将打点之间的连线进行连线调整处理。
具体的,所述连线调整处理具体步骤为:通过图像分析模块2调取图像库中的图像数据,并对图像边缘的连线进行走向进行总结分析,然后打点连线处理模块33将总结分析的数据用于将打点之间的连线进行合理化的调整,使得连线更自然清晰。
具体的,所述特征数据路径规划模块8通过共享模块9将特征数据进行分享,共享模块9通过通讯模块10连接有验证查询模块12,并在通过终端模块11输入密码的情况下,验证查询模块12使得终端模块11可查看共享模块9中保存的特征数据。
一种人工智能图像特征提取系统的特征识别方法,具体包括以下步骤:
S1、图像扫描模块1将原始图像完整的扫描得到扫面图像Ⅰ,并通过图像分析模块2对图像进行数据分析,通过中图像来源检测模块22检测原始图像的来源,图像尺寸检测模块23检测原始图像的尺寸,图像属性检测模块21检测原始图像的像素、分辨率、内存大小、颜色、位深、色调、饱和度、亮度、色彩通道以及图像的层次,然后通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ;
S2、图像渲染模块3对模拟图像Ⅰ进行渲染处理,图像周边打点模块31用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块32用于将打点之间进行连续性连接,打点连线处理模块33用于将打点之间的连线进行连线调整处理,然后在通过图像过滤模块4进行过滤后,直接通过图像提取模块5进行特征数据提取;
S3、通过图像模拟成型模块Ⅱ将图像提取模块5获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块6对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块7将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块8进行路径规划;
S4、特征数据路径规划模块8通过共享模块9将特征数据进行分享,共享模块9通过通讯模块10连接有验证查询模块12,并在通过终端模块11输入密码的情况下,验证查询模块12使得终端模块11可查看共享模块9中保存的特征数据。
综上所述,与现有技术相比,本发明通过图像扫描模块1将原始图像完整的扫描得到扫面图像Ⅰ,通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ,通过图像模拟成型模块Ⅱ将图像提取模块5获得的特征数据合成模拟图像Ⅱ,这样使得在对图像进行特征特征识别时,不会对原始图像造成损坏;
通过图像分析模块2对图像进行数据分析,通过图像渲染模块3对模拟图像Ⅰ进行渲染处理,图像周边打点模块31用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块32用于将打点之间进行连续性连接,打点连线处理模块33用于将打点之间的连线进行连线调整处理,然后在通过图像过滤模块4进行过滤后,直接通过图像提取模块5进行特征数据提取,这样通过图像渲染模块3的设置,可提高对模拟图像Ⅰ的渲染处理效果,
通过图像特征标记模块6对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块7将标记后的图像特征进行提取,有利于通过图像特征提取模块7准确提取特征数据;
特征数据再通过特征数据路径规划模块8进行路径规划,通过终端模块11输入密码的情况下,验证查询模块12使得终端模块11可查看共享模块9中保存的特征数据。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种人工智能图像特征提取系统,其特征在于,包括:
图像扫描模块(1),其用于将原始图像完整的扫描得到扫面图像Ⅰ,并通过图像分析模块(2)对图像进行数据分析,然后通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ;
图像渲染模块(3),其用于对模拟图像Ⅰ进行渲染处理,然后在通过图像过滤模块(4)进行过滤后,直接通过图像提取模块(5)进行特征数据提取;
图像模拟成型模块Ⅱ,其用于通过图像提取模块(5)获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块(6)对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块(7)将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块(8)进行路径规划。
2.根据权利要求1所述的一种人工智能图像特征提取系统,其特征在于:所述图像分析模块(2)包括图像属性检测模块(21)、图像来源检测模块(22)和图像尺寸检测模块(23),其中图像来源检测模块(22)用于检测原始图像的来源,图像尺寸检测模块(23)用于检测原始图像的尺寸。
3.根据权利要求2所述的一种人工智能图像特征提取系统,其特征在于:所述图像属性检测模块(21)用于检测原始图像的像素、分辨率、内存大小、颜色、位深、色调、饱和度、亮度、色彩通道以及图像的层次。
4.根据权利要求1所述的一种人工智能图像特征提取系统,其特征在于:所述图像渲染模块(3)包括图像周边打点模块(31)、图像打点连线模块(32)和打点连线处理模块(33),其中图像周边打点模块(31)用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块(32)用于将打点之间进行连续性连接,打点连线处理模块(33)用于将打点之间的连线进行连线调整处理。
5.根据权利要求4所述的一种人工智能图像特征提取系统,其特征在于:所述连线调整处理具体步骤为:通过图像分析模块(2)调取图像库中的图像数据,并对图像边缘的连线进行走向进行总结分析,然后打点连线处理模块(33)将总结分析的数据用于将打点之间的连线进行合理化的调整,使得连线更自然清晰。
6.根据权利要求1所述的一种人工智能图像特征提取系统,其特征在于:所述特征数据路径规划模块(8)通过共享模块(9)将特征数据进行分享,共享模块(9)通过通讯模块(10)连接有验证查询模块(12),并在通过终端模块(11)输入密码的情况下,验证查询模块(12)使得终端模块(11)可查看共享模块(9)中保存的特征数据。
7.一种权利要求1所述的人工智能图像特征提取系统的特征识别方法,其特征在于:具体包括以下步骤:
S1、图像扫描模块(1)将原始图像完整的扫描得到扫面图像Ⅰ,并通过图像分析模块(2)对图像进行数据分析,通过中图像来源检测模块(22)检测原始图像的来源,图像尺寸检测模块(23)检测原始图像的尺寸,图像属性检测模块(21)检测原始图像的像素、分辨率、内存大小、颜色、位深、色调、饱和度、亮度、色彩通道以及图像的层次,然后通过图像模拟成型模Ⅰ将数据分析后的扫面图像Ⅰ合成模拟图像Ⅰ;
S2、图像渲染模块(3)对模拟图像Ⅰ进行渲染处理,图像周边打点模块(31)用于在模拟图像Ⅰ的特征图形的周边进行连续的打点,图像打点连线模块(32)用于将打点之间进行连续性连接,打点连线处理模块(33)用于将打点之间的连线进行连线调整处理,然后在通过图像过滤模块(4)进行过滤后,直接通过图像提取模块(5)进行特征数据提取;
S3、通过图像模拟成型模块Ⅱ将图像提取模块(5)获得的特征数据合成模拟图像Ⅱ,然后通过图像特征标记模块(6)对模拟图像Ⅱ上的图像特征进行逐个标记,再通过图像特征提取模块(7)将标记后的图像特征进行提取,获得特征数据,该特征数据再通过特征数据路径规划模块(8)进行路径规划;
S4、特征数据路径规划模块(8)通过共享模块(9)将特征数据进行分享,共享模块(9)通过通讯模块(10)连接有验证查询模块(12),并在通过终端模块(11)输入密码的情况下,验证查询模块(12)使得终端模块(11)可查看共享模块(9)中保存的特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192593.1A CN111414960A (zh) | 2020-03-18 | 2020-03-18 | 一种人工智能图像特征提取系统及其特征识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192593.1A CN111414960A (zh) | 2020-03-18 | 2020-03-18 | 一种人工智能图像特征提取系统及其特征识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111414960A true CN111414960A (zh) | 2020-07-14 |
Family
ID=71492988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010192593.1A Pending CN111414960A (zh) | 2020-03-18 | 2020-03-18 | 一种人工智能图像特征提取系统及其特征识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414960A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128334A (zh) * | 2021-03-03 | 2021-07-16 | 广州朗国电子科技有限公司 | 一种ai智能图像识别方法、电子设备、存储介质 |
CN115686727A (zh) * | 2023-01-04 | 2023-02-03 | 麒麟软件有限公司 | 基于wlroots的合成渲染实现方法 |
-
2020
- 2020-03-18 CN CN202010192593.1A patent/CN111414960A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128334A (zh) * | 2021-03-03 | 2021-07-16 | 广州朗国电子科技有限公司 | 一种ai智能图像识别方法、电子设备、存储介质 |
CN115686727A (zh) * | 2023-01-04 | 2023-02-03 | 麒麟软件有限公司 | 基于wlroots的合成渲染实现方法 |
CN115686727B (zh) * | 2023-01-04 | 2023-04-14 | 麒麟软件有限公司 | 基于wlroots的合成渲染实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gómez-Moreno et al. | Goal evaluation of segmentation algorithms for traffic sign recognition | |
Berezhnoy et al. | Computer analysis of van Gogh’s complementary colours | |
KR100422709B1 (ko) | 영상 의존적인 얼굴 영역 추출방법 | |
CN110309746A (zh) | 无通信互联的高等级信息安全区表格数据信息提取方法 | |
CN104636726A (zh) | 一种图像色彩识别方法、装置及终端 | |
CN110309806B (zh) | 一种基于视频图像处理的手势识别系统及其方法 | |
US11334973B2 (en) | Image colorizing method and device | |
CN111414960A (zh) | 一种人工智能图像特征提取系统及其特征识别方法 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN111260645A (zh) | 基于分块分类深度学习的篡改图像检测方法及系统 | |
CN111429462A (zh) | 一种基于边缘检测和数学形态学的车牌定位方法 | |
CN110929562A (zh) | 一种基于改进Hough变换的答题卡识别方法 | |
CN113392819B (zh) | 一种批量化学术图像自动分割标注装置和方法 | |
CN111814576A (zh) | 一种基于深度学习的购物小票图片识别方法 | |
CN108877030B (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
JP2009038737A (ja) | 画像処理装置 | |
CN116704281A (zh) | 模型训练方法、装置、图像识别方法、计算机设备 | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
CN106815580A (zh) | 一种车牌定位方法 | |
CN110619331A (zh) | 一种基于颜色距离的彩色影像字段定位方法 | |
CN103325101A (zh) | 彩色特征的提取方法及装置 | |
CN113065407B (zh) | 基于注意力机制和生成对抗网络的财务票据印章擦除方法 | |
CN104573743A (zh) | 一种人脸图像检测过滤方法 | |
CN115358972A (zh) | 基于视觉特征融合的烟叶分级方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |