CN112598093B - 图例复杂度排序方法、图例匹配方法、装置及计算机设备 - Google Patents

图例复杂度排序方法、图例匹配方法、装置及计算机设备 Download PDF

Info

Publication number
CN112598093B
CN112598093B CN202011508161.3A CN202011508161A CN112598093B CN 112598093 B CN112598093 B CN 112598093B CN 202011508161 A CN202011508161 A CN 202011508161A CN 112598093 B CN112598093 B CN 112598093B
Authority
CN
China
Prior art keywords
legend
complexity
standard
weighting coefficient
primitives
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.)
Active
Application number
CN202011508161.3A
Other languages
English (en)
Other versions
CN112598093A (zh
Inventor
刘勃
黄云峰
黄倜
李婷
向毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Teneng Boshi Technology Co ltd
Original Assignee
Hunan Teneng Boshi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Teneng Boshi Technology Co ltd filed Critical Hunan Teneng Boshi Technology Co ltd
Priority to CN202011508161.3A priority Critical patent/CN112598093B/zh
Publication of CN112598093A publication Critical patent/CN112598093A/zh
Application granted granted Critical
Publication of CN112598093B publication Critical patent/CN112598093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/196Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
    • G06V30/1983Syntactic or structural pattern recognition, e.g. symbolic string recognition
    • G06V30/1988Graph matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Generation (AREA)

Abstract

本发明实施例公开了一种图例复杂度排序方法、图例匹配方法、装置及计算机设备,涉及图像处理的技术领域,所述方法包括:获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数;根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数;将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。本发明提供的技术方案可以对复杂图例进行有针对性地识别,有效避免了复杂图例被错误识别,从而使得识别结果更加准确。

Description

图例复杂度排序方法、图例匹配方法、装置及计算机设备
技术领域
本发明涉及图像处理领域,尤其涉及一种图例复杂度排序方法、图例匹配方法、装置及计算机设备。
背景技术
电力设计中,计算机对电力设计图纸进行分析识别时,需要将标准库图库包含的多类标准图例与图纸中的可能图例进行匹配。在可能图例与标准图例匹配识别的过程中,存在部分复杂图例基础图元的构成完全包含简单图例中所有基础图元的情况。这种情况下,容易出现复杂图例被识别为多个简单图例,而无法对复杂图例进行有针对性地识别,从而使得识别结果不符合实际需要。
因此,为了避免复杂图例被错误识别,亟需一种优化的图例匹配识别方法。
发明内容
为了解决上述技术问题,本发明提供了一种图例复杂度排序方法、图例匹配方法、装置及计算机设备,具体方案如下:
第一方面,本公开实施例提供了一种图例复杂度排序方法,所述方法包括:
获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数;
根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数;
将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。
根据本公开的一种具体实施方式,所述图元参数包括每种图元对应的加权系数和类型枚举值。
根据本公开的一种具体实施方式,所述根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数的步骤,包括:
提取所述标准图例包含的每种图元的特征信息,其中,所述特征信息包括图元的类型及数量、图元间的位置关系和图元中的角度数据;
根据全部图元的特征信息,获取标准图例复杂度数值;
根据全部所述特征信息对所述标准图例复杂度数值进行加权平均,得到所述标准图例对应的标准图例复杂度系数。
根据本公开的一种具体实施方式,所述根据全部图元的特征信息,获取标准图例复杂度数值的步骤,包括:
对每种图元的特征信息进行赋值,得到所述加权系数和所述类型枚举值,所述加权系数包括第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数;
将每个图元对应的所述类型枚举值与对应的所述第一加权系数相乘,得到每个所述图元的第一复杂度数值;
将全部所述第一复杂度数值累加后与所述第二加权系数相乘,得到第二复杂度数值;
将全部图元间的交点个数与所述第三加权系数相乘,得到第三复杂度数值;
将全部图元间包含的相同角度的组数与所述第四加权系数相乘,得到第四复杂度数值;
将图例中闭合图元个数与所述第五加权系数相乘,得到第五复杂度数值;
将所述第二复杂度数值、所述第三复杂度数值、所述第四复杂度数值和所述第五复杂度数值相加的和,作为所述标准图例复杂度数值。
根据本公开的一种具体实施方式,所述根据全部所述特征信息对所述标准图例复杂度数值进行加权平均,得到所述标准图例对应的标准图例复杂度系数的步骤,包括:
将所述第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数相加,得到加权系数和;
将所述标准图例复杂度数值,除以所述加权系数和,得到所述标准图例复杂度系数。
第二方面,本公开实施例还提供了一种图例匹配方法,应用第一方面任一项所述的图例复杂度排序方法得到的标准图例复杂度序列,所述方法包括:
提取出图纸中包含的全部待识别图例,其中,每个待识别图例至少包括一个图元;
根据标准图库中的标准图例复杂度序列,按照复杂度由大到小的顺序,将每个标准图例依次与全部所述待识别图例进行匹配;
确定每个所述待识别图例匹配的标准图例。
第三方面,本公开实施例还提供了一种图例复杂度排序装置,所述装置包括:
获取模块,用于获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数;
计算模块,用于根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数;
排序模块,用于将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。
第四方面,本公开实施例还提供了一种图例匹配装置,所述装置包括:
提取模块,用于提取出图纸中包含的全部待识别图例,其中,每个待识别图例至少包括一个图元;
匹配模块,用于根据标准图库中的标准图例复杂度序列,按照复杂度由大到小的顺序,将每个标准图例依次与全部所述待识别图例进行匹配;
确定模块,用于确定每个所述待识别图例匹配的标准图例。
第五方面,本公开实施例还提供了一种计算机设备,包括存储器以及处理器,所述存储器均与所述处理器连接,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机设备执行第一方面所述的图例复杂度排序方法或第二方面所述的图例匹配方法。
第六方面,本公开实施例还提供了一种计算机可读存储介质,其存储有第五方面所述的计算机设备中所用的计算机程序。
本公开实施例提供的图例复杂度排序方法、图例匹配方法、装置及计算机设备,主要通过获取图例标准库对应的参数文件,根据标准库图例包含的全部图元的图元参数,计算出每个标准图例的复杂度数值;再根据图元参数对标准图例复杂度数值进行加权平均,求出标准图例复杂度系数;最后将各标准图例的复杂度系数由大到小进行排列,得到标准图例复杂度序列。这样,可以通过对标准图例按照复杂度进行排序的方案,保证复杂图例优先被匹配识别,有效避免复杂图例被错误识别为简单图例,提高了图例识别的准确性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本公开实施例提供的一种图例复杂度排序方法的流程示意图;
图2示出了本公开一种实施方式提供的一种图例复杂度排序方法的部分流程示意图;
图3示出了本公开实施例提供的一种图例匹配方法的流程示意图;
图4示出了本公开实施例提供的一种图例复杂度排序装置的模块框图;
图5示出了本公开实施例提供的一种图例匹配装置的模块框图。
具体实施方式
下面将结合本发明实施例中附图,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。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
实施例1
参见图1,为本公开实施例提供的一种图例复杂度排序方法的流程示意图。如图1所示,所述图例复杂度排序方法主要包括以下步骤:
S101,获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数;
本公开实施例提供的图例复杂度排序方法,主要用于对电力设计图纸中的标准图例复杂度进行排序,按照复杂度由大到小的顺序,将每个标准图例依次与待识别图例匹配,避免复杂图例被错误识别为多个简单图例,以实现提高图例识别的准确性。
具体实施时,图元一般指基本图形元素。任何一个图形表达都是由若干不同的点、线、面图案或相同的图案循环组合而成。在本实施例中,将点、线、圆、闭合多边形等基础图形定义为图元;将至少一个图元构成的图元的集合定义为图例。
在一个具体的实施例中,标准图例是指电气设计中公认的、常用的电器元件图例,例如变压器的标准图例是由一个圆和三条线段组成。图例标准库中包含全部或部分标准图例。图元参数可以是由用户根据不同图元的种类和个数、图元间的交点数以及相交角度等图元的几何信息进行赋值得到的具体数值,或者可以由计算机设备根据历史数据统计确定。
S102,根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数;
具体地,标准图例中通常包含至少一个图元,每类图元的个数可能不同,不同图元的几何关系等参数也可能不同。在针对每种标准图例进行复杂度系数计算时,需要依据全部图元的类型和数量、图元间的位置关系、全部图元间包含的相同角度组数等参数,按照预设的计算规则,来计算复杂度系数。每个图例对应的复杂度系数可以表征图例中包含的图元的几何信息量的多少。
S103,将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。
具体地,将标准库图例列表按照各自对应的复杂度系数由大到小的顺序依次排序,得到标准图例复杂度序列,并存储在计算机设备中。
进一步地,在使用时,先将复杂度系数大的标准图例调用出来,与待识别图例进行匹配,然后按照复杂度序列依次调用,直到待识别图例被完全识别。
本公开实施例通过对标准图例按照复杂度进行排序的方案,保证复杂图例优先被匹配识别,有效避免复杂图例被错误识别为简单图例,提高了图例识别的准确性。
在上述实施例的基础上,本公开的另一种具体实施方式,所述图元参数包括每种图元对应的加权系数和类型枚举值。
具体实施时,因为各图元的类型和数量以及各图元间的位置关系等几何信息不同,这些几何信息对于图例的复杂程度的影响也不一样。本方案中引入了类型枚举值来区分表征不同种类的图元,引入加权系数来表征各图元在构成图例中所占的权重。
加权系数和类型枚举值可以由用户根据图元的几何信息及使用需求自定义设置,也可以为计算机设备根据历史数据统计确定。在一种具体的实施方式中,类型枚举值由用户按照图元类型进行设定,其中可以设置线段为1、箭头为2、圆弧为3、弧线与线段的多段线为4、三角形为5、圆为6、椭圆为7、矩形为8、多边形为9等。
在计算标准图例的复杂度系数时,利用各图元的类型枚举值和加权系数、图元间的几何关系和对应的加权系数求出标准图例的复杂度数值,再进行加权平均,进而求出标准图例复杂度系数。
在本实施方式中,通过将图例的复杂度这一抽象概念用数值定量地表示出来,使得各图例的复杂度更直观,排序更简单。
如图2所示,在一种具体实施方式中,S102所述的,根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数的步骤,可以具体包括:
S201,提取所述标准图例包含的每种图元的特征信息,其中,所述特征信息包括图元的类型及数量、图元间的位置关系和图元中的角度数据;
具体实施时,图元类型可以包括闭合图元、非闭合图元、线段、箭头、圆弧、弧线与线段的多段线、三角形、圆、椭圆、矩形、多边形等;图元间的位置关系可以包括图元间的交点个数等;图元中的角度数据可以包括图元间包含的相同角度的组数、图元中包含的直角个数等。
S202,根据全部图元的特征信息,获取标准图例复杂度数值;
将全部图元的特征信息提取出来,为各个特征信息进行赋值,再对各个特征信息的值进行预设计算,即可得到每种标准图例对应的标准图例复杂度数值。
S203,根据全部所述特征信息对所述标准图例复杂度数值进行加权平均,得到所述标准图例对应的标准图例复杂度系数。
具体地,将上述各个特征信息的值相加求和,获得加权系数和,再用标准图例复杂度数值除以加权系数和,得到标准图例复杂度系数。
具体实施时,由计算机设备提取图元中的特征信息,根据图元的特征信息进行计算,获得标准图例复杂度数,具体步骤包括:
所述根据全部图元的特征信息,获取标准图例复杂度数值的步骤,包括:
对每种图元的特征信息进行赋值,得到所述加权系数和所述类型枚举值,所述加权系数包括第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数;
将每个图元对应的所述类型枚举值与对应的所述第一加权系数相乘,得到每个所述图元的第一复杂度数值;
将全部所述第一复杂度数值累加后与所述第二加权系数相乘,得到第二复杂度数值;
将全部图元间的交点个数与所述第三加权系数相乘,得到第三复杂度数值;
将全部图元间包含的相同角度的组数与所述第四加权系数相乘,得到第四复杂度数值;
将图例中闭合图元个数与所述第五加权系数相乘,得到第五复杂度数值;
将所述第二复杂度数值、所述第三复杂度数值、所述第四复杂度数值和所述第五复杂度数值相加的和,作为所述标准图例复杂度数值。
进一步地,第一加权系数包括最小单位加权系数、实体个数加权系数、非闭合图元加权系数、闭合图元加权系数中至少一种;第二加权系数包括基础图元加权系数;第三加权系数包括图元交点数加权系数;第四加权系数包括角度加权系数;第五加权系数包括闭合图元个数加权系数。
具体实施时,可以将标准图例分解为若干个图元,对于非闭合图元按照类型枚举值转换成数字后乘非闭合图元加权系数得到非闭合图元复杂度数值,对于闭合图元按照类型枚举值转换成数字后乘闭合图元加权系数得到闭合图元复杂度数值;最后将构成标准图例的所有图元类型复杂度值累加以后再乘基础图元加权系数,得到基础图元复杂度数值;
对图元交点个数进行统计并乘图元交点数加权系数,得到图元交点数复杂度数值;
对全部图元间包含的相同角度组数进行统计并乘角度加权系数,得到角度复杂度数值;
对标准图例中闭合图元个数进行求和统计,并乘闭合图元个数加权系数,得到闭合图元个数复杂度数值;
对以上复杂度数值求和,得到标准图例复杂度数值。
在一个具体的实施例中,定义加权系数分别为最小单位加权系数为1,实体个数加权系数为2,闭合个数加权系数为4,图元交点数加权系数为4,角度加权系数为8,基础图元加权系数为16,闭合图元加权系数为2,非闭合图元加权系数为4。
在另一个具体的实施例中,标准图例为变压器图例,该变压器图例由一个圆和三条线段构成,该变压器图例复杂度系数的计算过程如下:
图例中圆对应复杂度值为圆类型枚举值6乘闭合图元加权系数4等于24,线段对应复杂度值为线类型枚举值1乘非闭合图元加权系数2等于2,三条线段则为2*3等于6,最终变压器的基础图元复杂度数值为(24+6)=30乘基础图元加权系数16等于480;
变压器图例中并不存在交点,则交点复杂度数值为交点个数0乘图元交点数加权系数4等于0;
变压器图例中不存在角点,则角度复杂度数值为相同角度个数0乘角度加权系数8等于0;
变压器图例中有一个闭合圆,则闭合图元个数复杂度数值为闭合图元个数1乘闭合图元个数加权系数4等于4;
最终求出变压器图例复杂度数值为480+0+0+4=484。
可选地,所述根据全部所述特征信息对所述标准图例复杂度数值进行加权平均,得到所述标准图例对应的标准图例复杂度系数的步骤,包括:
将所述第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数相加,得到加权系数和;
将所述标准图例复杂度数值,除以所述加权系数和,得到所述标准图例复杂度系数。
接上述示例,加权系数和为1+2+4+4+8+16=35,变压器图例复杂度系数为484/35=13.828。
实施例2
参见图3,为本公开实施例提供的一种图例匹配方法的流程示意图。如图3所示,用图例复杂度排序方法得到的标准图例复杂度序列,所述方法主要包括以下步骤:
S301,提取出图纸中包含的全部待识别图例,其中,每个待识别图例至少包括一个图元;
具体地,图纸可以是用户自己绘制的,也可以是用户通过互联网获取的。图纸中至少包括一个待识别图例。待识别图例是还没有与标准图例进行匹配的图例。
S302,根据标准图库中的标准图例复杂度序列,按照复杂度由大到小的顺序,将每个标准图例依次与全部所述待识别图例进行匹配;
进一步地,计算机设备提取标准图例复杂度序列;按照标准图例复杂度序列的顺序,将标准图例依次与全部待识别图例匹配。
S303,确定每个所述待识别图例匹配的标准图例。
具体地,根据匹配的结果,确定待识别图例中包含的所有标准图例。
本公开实施例通过对标准图例按照复杂度进行匹配的方案,对复杂图例进行有针对性地匹配识别,保证了复杂图例优先被匹配识别,有效避免复杂图例被错误识别为简单图例,提高了图例识别的准确性。
实施例3
与上述图1所示的方法实施例相对应,参见图4,为本公开实施例提供的一种图例复杂度排序装置的模块框图,如图4所示,所述图例复杂度排序装置400包括:
获取模块401,用于获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数;
计算模块402,用于根据每种标准图例包含的全部图元的图元参数,计算每种标准图例对应的复杂度系数;
排序模块403,用于将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。
与上述图3所示的方法实施例相对应,参见图5,为本公开实施例提供的一种图例匹配装置的模块框图。如图5所示,所述图例匹配装置500包括:
提取模块501,用于提取出图纸中包含的全部待识别图例,其中,每个待识别图例至少包括一个图元;
匹配模块502,用于根据标准图库中的标准图例复杂度序列,按照复杂度由大到小的顺序,将每个标准图例依次与全部所述待识别图例进行匹配;
确定模块503,用于确定每个所述待识别图例匹配的标准图例。
综上所述,本公开实施例提供的图例匹配方法及装置以及图例复杂度排序装置,通过对标准图例按照复杂度进行匹配的方案,对复杂图例进行有针对性地匹配识别,保证了复杂图例优先被匹配识别,有效避免复杂图例被错误识别为简单图例,提高了图例识别的准确性。所提供的图例匹配装置以及图例复杂度排序装置的具体实施过程可以参见上述图1所示的实施例提供的图例复杂度排序方法以及上述图3所示的实施例提供的图例匹配方法的具体实施过程,在此不再一一赘述。
此外,本公开实施例还提供了一种计算机设备,包括存储器以及处理器,所述存储器均与所述处理器连接,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机设备执行图1所示的图例复杂度排序方法或图3所示的图例匹配方法。
另外,本公开实施例还提供了一种计算机可读存储介质,其存储有上述的计算机设备中所用的计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种图例复杂度排序方法,其特征在于,所述方法包括:
获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数,所述图元参数包括每种图元对应的加权系数和类型枚举值;
提取所述标准图例包含的每种图元的特征信息,其中,所述特征信息包括图元的类型及数量、图元间的位置关系和图元中的角度数据;
对每种图元的特征信息进行赋值,得到所述加权系数和所述类型枚举值,所述加权系数包括第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数;
将每个图元对应的所述类型枚举值与对应的所述第一加权系数相乘,得到每个所述图元的第一复杂度数值;
将全部所述第一复杂度数值累加后与所述第二加权系数相乘,得到第二复杂度数值;
将全部图元间的交点个数与所述第三加权系数相乘,得到第三复杂度数值;
将全部图元间包含的相同角度的组数与所述第四加权系数相乘,得到第四复杂度数值;
将图例中闭合图元个数与所述第五加权系数相乘,得到第五复杂度数值;
将所述第二复杂度数值、所述第三复杂度数值、所述第四复杂度数值和所述第五复杂度数值相加的和,作为所述标准图例复杂度数值;
将所述第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数相加,得到加权系数和;
将所述标准图例复杂度数值,除以所述加权系数和,得到所述标准图例复杂度系数;
将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。
2.一种图例匹配方法,其特征在于,应用权利要求1所述的图例复杂度排序方法得到的标准图例复杂度序列,所述方法包括:
提取出图纸中包含的全部待识别图例,其中,每个待识别图例至少包括一个图元;
根据标准图库中的标准图例复杂度序列,按照复杂度由大到小的顺序,将每个标准图例依次与全部所述待识别图例进行匹配;
确定每个所述待识别图例匹配的标准图例。
3.一种图例复杂度排序装置,其特征在于,所述装置包括:
获取模块,用于获取图例标准库对应的参数文件,其中,所述图例标准库对应的参数文件包括至少两种标准图例及每种标准图例对应的图元参数,所述图元参数包括每种图元对应的加权系数和类型枚举值;
计算模块,用于提取所述标准图例包含的每种图元的特征信息,其中,所述特征信息包括图元的类型及数量、图元间的位置关系和图元中的角度数据;对每种图元的特征信息进行赋值,得到所述加权系数和所述类型枚举值,所述加权系数包括第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数;将每个图元对应的所述类型枚举值与对应的所述第一加权系数相乘,得到每个所述图元的第一复杂度数值;将全部所述第一复杂度数值累加后与所述第二加权系数相乘,得到第二复杂度数值;将全部图元间的交点个数与所述第三加权系数相乘,得到第三复杂度数值;将全部图元间包含的相同角度的组数与所述第四加权系数相乘,得到第四复杂度数值;将图例中闭合图元个数与所述第五加权系数相乘,得到第五复杂度数值;将所述第二复杂度数值、所述第三复杂度数值、所述第四复杂度数值和所述第五复杂度数值相加的和,作为所述标准图例复杂度数值;将所述第一加权系数、第二加权系数、第三加权系数、第四加权系数和第五加权系数相加,得到加权系数和;将所述标准图例复杂度数值,除以所述加权系数和,得到所述标准图例复杂度系数;
排序模块,用于将所述图例标准库中的全部标准图例按照复杂度系数由大到小依次排序,得到标准图例复杂度序列。
4.一种图例匹配装置,其特征在于,所述装置包括:
提取模块,用于提取出图纸中包含的全部待识别图例,其中,每个待识别图例至少包括一个图元;
匹配模块,用于根据权利要求1的图例复杂度排序方法所得到的标准图库中的标准图例复杂度序列,按照复杂度由大到小的顺序,将每个标准图例依次与全部所述待识别图例进行匹配;
确定模块,用于确定每个所述待识别图例匹配的标准图例。
5.一种计算机设备,其特征在于,包括存储器以及处理器,所述存储器均与所述处理器连接,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机设备执行权利要求1所述的图例复杂度排序方法或权利要求2所述的图例匹配方法。
6.一种计算机可读存储介质,其特征在于,其存储有权利要求5所述的计算机设备中所用的计算机程序。
CN202011508161.3A 2020-12-18 2020-12-18 图例复杂度排序方法、图例匹配方法、装置及计算机设备 Active CN112598093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011508161.3A CN112598093B (zh) 2020-12-18 2020-12-18 图例复杂度排序方法、图例匹配方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011508161.3A CN112598093B (zh) 2020-12-18 2020-12-18 图例复杂度排序方法、图例匹配方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN112598093A CN112598093A (zh) 2021-04-02
CN112598093B true CN112598093B (zh) 2024-05-28

Family

ID=75199563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011508161.3A Active CN112598093B (zh) 2020-12-18 2020-12-18 图例复杂度排序方法、图例匹配方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN112598093B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08315079A (ja) * 1995-05-17 1996-11-29 Nec Corp 文字認識装置及び文字認識方法
WO2013112532A2 (en) * 2012-01-24 2013-08-01 Dolby Laboratories Licensing Corporation Piecewise cross color channel predictor
CN108763262A (zh) * 2018-04-03 2018-11-06 南昌奇眸科技有限公司 一种商标图形检索方法
WO2019184823A1 (zh) * 2018-03-26 2019-10-03 华为技术有限公司 基于卷积神经网络模型的图像处理方法和装置
CN111462155A (zh) * 2020-03-26 2020-07-28 深圳万拓科技创新有限公司 移动侦测方法、装置、计算机设备和存储介质
US10785485B1 (en) * 2016-04-29 2020-09-22 Matrox Graphics Inc. Adaptive bit rate control for image compression

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11468234B2 (en) * 2017-06-26 2022-10-11 International Business Machines Corporation Identifying linguistic replacements to improve textual message effectiveness
US20200160231A1 (en) * 2018-11-19 2020-05-21 International Business Machines Corporation Method and System for Using a Multi-Factorial Analysis to Identify Optimal Annotators for Building a Supervised Machine Learning Model

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08315079A (ja) * 1995-05-17 1996-11-29 Nec Corp 文字認識装置及び文字認識方法
WO2013112532A2 (en) * 2012-01-24 2013-08-01 Dolby Laboratories Licensing Corporation Piecewise cross color channel predictor
US10785485B1 (en) * 2016-04-29 2020-09-22 Matrox Graphics Inc. Adaptive bit rate control for image compression
WO2019184823A1 (zh) * 2018-03-26 2019-10-03 华为技术有限公司 基于卷积神经网络模型的图像处理方法和装置
CN108763262A (zh) * 2018-04-03 2018-11-06 南昌奇眸科技有限公司 一种商标图形检索方法
CN111462155A (zh) * 2020-03-26 2020-07-28 深圳万拓科技创新有限公司 移动侦测方法、装置、计算机设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Formulation of dates gel and condensed whey and analysis of its sensory and chemical properties.;Fiuzy, B;Iranian Food Science & Technology Research Journal;第12卷(第1期);Pe61-Pe78 *
基于层次匹配的面状要素几何匹配方法研究;张旗升;王艳慧;;地球信息科学学报(第08期);37-45 *

Also Published As

Publication number Publication date
CN112598093A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN108399386B (zh) 饼图中的信息提取方法及装置
CN110751678A (zh) 运动目标的检测方法、装置和电子设备
CN106980856B (zh) 公式识别方法及系统和符号推理计算方法及系统
CN113159147B (zh) 基于神经网络的图像识别方法、装置、电子设备
CN108182246B (zh) 敏感词检测过滤方法、装置和计算机设备
CN112861885B (zh) 图像识别方法、装置、电子设备及存储介质
CN112287924B (zh) 文本区域检测方法、装置、电子设备和计算机存储介质
CN113808044B (zh) 加密掩膜确定方法、装置、设备以及存储介质
CN115131759A (zh) 交通标线的识别方法、装置、计算机设备和存储介质
CN112598093B (zh) 图例复杂度排序方法、图例匹配方法、装置及计算机设备
CN114332634A (zh) 风险电塔的位置确定方法、装置、电子设备及存储介质
CN110490056A (zh) 对包含算式的图像进行处理的方法和装置
CN113971728A (zh) 图像识别方法、模型的训练方法、装置、设备及介质
CN110287943B (zh) 图像的对象识别方法、装置、电子设备及存储介质
CN116152816A (zh) 封闭区域的识别方法、装置、电子设备和存储介质
CN112613088B (zh) 图形识别方法、图形识别装置及计算机设备
CN114305316A (zh) 一种视力检测方法、系统、视力检测一体机及存储介质
CN114863450A (zh) 图像处理方法、装置、电子设备及存储介质
CN114387651A (zh) 一种人脸识别方法、装置、设备及存储介质
CN113963011A (zh) 图像识别方法、装置、电子设备及存储介质
CN114842228A (zh) 散斑图分区方法、装置、设备及介质
CN114049686A (zh) 签名识别模型训练方法、装置及电子设备
CN112784743A (zh) 关键点的识别方法、装置及存储介质
CN115035129A (zh) 货物的识别方法、装置、电子设备和存储介质
CN112598092B (zh) 图元识别匹配方法、装置、计算机设备及可读存储介质

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
GR01 Patent grant
GR01 Patent grant