CN116863282A - 一种基于数据分析的智能化图片识别检索系统 - Google Patents
一种基于数据分析的智能化图片识别检索系统 Download PDFInfo
- Publication number
- CN116863282A CN116863282A CN202310850962.5A CN202310850962A CN116863282A CN 116863282 A CN116863282 A CN 116863282A CN 202310850962 A CN202310850962 A CN 202310850962A CN 116863282 A CN116863282 A CN 116863282A
- Authority
- CN
- China
- Prior art keywords
- picture
- information
- restoring
- identification
- recognition
- 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.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000012795 verification Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 111
- 230000006835 compression Effects 0.000 claims description 39
- 238000007906 compression Methods 0.000 claims description 39
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012015 optical character recognition Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
- G06V10/7788—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors the supervisor being a human, e.g. interactive learning with a human teacher
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于数据分析的智能化图片识别检索系统,包括图片信息采集模块、图片处理模块、图片特征识别模块、图片检索模块、预展示模块与信息发送模块;所述图片信息采集模块用于获取到图片信息,所述图片处理模块用于对图片进行优化处理获取到优化图片;所述图片特征识别模块用于对优化图片进行处理获取到识别特征信息;所述图片检索模块用于将识别特征信息导入到数据库中进行特征检索获取到相似目标信息;所述预展示模块用于将相似目标信息进行展示核验,所述信息发送模块用于在图片信息展示核验通过后将相似目标信息发送到预设接收终端。本发明能够更智能化的准确的进行图片识别检索。
Description
技术领域
本发明涉及图片识别领域,具体涉及一种基于数据分析的智能化图片识别检索系统。
背景技术
图片识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片做进一步识别处理;
图片识别检索过程中,即会使用到图片识别检索系统,通过图片识别检索系统来进行图片识别并检索识别出内容,导出用户所需的识别结果。
现有的图片识别检索系统,在识别过程中,获取到识别基本数据单一,可供分析特征信息较少,导致识别检索准确度较低,给图片识别检索系统的使用带来了一定的影响,因此,提出一种基于数据分析的智能化图片识别检索系统。
发明内容
本发明所要解决的技术问题在于:如何解决现有的图片识别检索系统,在识别过程中,获取到识别基本数据单一,可供分析特征信息较少,导致识别检索准确度较低,给图片识别检索系统的使用带来了一定的影响的问题,提供了一种基于数据分析的智能化图片识别检索系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括图片信息采集模块、图片处理模块、图片特征识别模块、图片检索模块、预展示模块与信息发送模块;
所述图片信息采集模块用于获取到图片信息,所述图片处理模块用于对图片进行优化处理获取到优化图片;
所述图片特征识别模块用于对优化图片进行处理获取到识别特征信息;
所述图片检索模块用于将识别特征信息导入到数据库中进行特征检索获取到相似目标信息;
所述预展示模块用于将相似目标信息进行展示核验;
所述信息发送模块用于在图片信息展示核验通过后将相似目标信息发送到预设接收终端。
进一步在于,所述图片信息采集模块获取到图片信息的获取过程包括用户手动上传预先拍摄好的包含识别目标的图片和根据预设图片采集规则实时采集目标图片信息。
进一步在于,所述预设图片采集规则包括文字识别采集规则与物体识别采集规则;
所述文字识别采集规则的具体采集过程:通过影像采集设备在同一角度采集至少x张包含所有需要识别文字的图片;
所述物体识别采集规则的具体过程如下:实体物品:从四个不同的角度各采集x张物品照片;
其他图片:从目标图片上方拍摄x张目标图片的图片,x≥3。
进一步在于,所述图片处理模块进行图片处理的具体过程如下:先进行图片增强,获取到增强图片信息,之后再进行图片复原,获取到复原图片信息,再对复原图片信息对象进行压缩编码,获取到压缩编码图片,再根据图片提取规则进行压缩编码图片进行处理获取到选取识别图片。
进一步在于,所述图片提取规则的具体内容如下:提取出进行图片处理的图片,当进行图片处理的图片为文字识别图片时:将获取到的所有的压缩编码图片清晰度提取出,之后按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片为最终的选取识别图片;
当进行图片处理的图片为物体识别图片时:将获取到物体的四个不同方位标记为K1、K2、K3和K4,将K1位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K1方位的识别图片Kk1;
将K2位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K2方位的识别图片Kk2;
将K3位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K3方位的识别图片Kk3;
将K4位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K4方位的识别图片Kk4;
识别图片Kk1、识别图片Kk2、识别图片Kk3和识别图片Kk4一起组成选取识别图片。
进一步在于,所述图片增强的过程如下:通过空域法对获取到图片进行处理获取到第一增强图片,再通过频域法对获取到图片进行处理获取到第二增强图片,对第一增强图片和第二增强图片进行清晰度比对,选取第一增强图片和第二增强图片中清晰度更高的一个为增强图片信息;
所述进行图片复原的过程如下:从逆滤波复原法、维纳滤波复原法、约束最小二乘法复原法、Lucy-Richardson复原法与盲解卷积复原法中随机选取三个对增强图片信息进行图片复原处理,将选取的三个复原方法标记为第一复原法、第二复原法与第三复原法,之后根据复原规则进行复原处理,获取到三个实时复原图片,选取三个复原图片中清晰度最高的为复原图片信息。
进一步在于,所述复原规则的具体内容为:进行三次图片复原,第一次复原:通过第一复原法对增强图片信息进行复原,获取到第一复原结果,再通过第二复原法对第二复原结果复原,获取到第二复原结果,最后通过第三复原法对第三复原结果复原,获取到第三复原图片;
第二次复原:通过第二复原法对增强图片信息进行复原,获取到第一复原结果,再通过第三复原法对第二复原结果复原,获取到第二复原结果,最后通过第一复原法对第三复原结果复原,获取到第三复原图片;
第三次复原:通过第三复原法对增强图片信息进行复原,获取到第一复原结果,再通过第二复原法对第二复原结果复原,获取到第二复原结果,最后通过第二复原法对第三复原结果复原,获取到第三复原图片。
进一步在于,所述图片特征识别模块对优化图片进行处理获取到识别特征信息的具体过程如下:提取出获取到的优化图片,测量出优化图片的测量出其长度和宽度后,对其进行九等分处理,当优化图片为长方形时,即按照从左到右的顺序,将其标记为A1区到A9区域,当优化图片为正常形时,即按照从左到右,从上到下的顺序,将其将其标记为A1区到A9区域,A1区到A9区域均为识别特征信息。
进一步在于,所述图片检索模块对识别特征信息进行处理获取到相似目标信息的具体处理过程如下:当进行检索的识别特征信息为文字图片时,即直接通过OCR识别技术进行文字识别,当进行检索的识别特征信息为物体识别时,将识别特征信息导入到数据库中,从数据库中提取出与识别特征信息相似度超过预设值的物体为相似物体,之后提取出所有获取到的相似物体的识别特征信息的相似数量信息,将其标记为Ui,i为获取到的相似物体的数量,提取出Ui中的最大值对应的相似物体为最终的相似物体信息,当Ui的最大值存在多个时,即将其全部归类为相似物体信息。
进一步在于,所述展示模块将相似目标信息进行展示核验的具体过程如下:将所有的相似物体信息展示在智能显示终端上,供给用户确认,用户确认选项包括识别成功与识别失败,当用户选择识别成功时,即表示展示核验通过,当用户选择识别失败时,即表示展示核验不通过,展示核验不通过时,即重新进行图片采集重新进行图片识别;
当所有的相似物体信息展示在智能显示终端超过预设值时长未进行展示核验时,即自动进行图片采集重新进行图片识别。
本发明相比现有技术具有以下优点:该基于数据分析的智能化图片识别检索系统,通过对设置的原图片获取过程,能够获取到识别物品的更多的图片,为后续的图片识别提供更多的数据支持,从而提升识别准确度,通过图片优化模块对获取到图片信息进行多种不同的方式进行优化,提升图片清晰度,更高的清晰度的图片能够保证最终的识别的准确度更高,减少了识别出的物品与用户所需识别内容偏差过大的状况发生,大大提升了识别准确性,通过对优化后的图片进行特征识别,获取到更加目标物体的识别结果,满足了用户的识别需求,更加智能化的准确的进行图片识别检索,让该系统更加值得推广使用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本发明的系统框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,本实施例提供一种技术方案:一种基于数据分析的智能化图片识别检索系统,包括图片信息采集模块、图片处理模块、图片特征识别模块、图片检索模块、预展示模块与信息发送模块;
图片信息采集模块用于获取到图片信息,图片处理模块用于对图片进行优化处理获取到优化图片;
图片特征识别模块用于对优化图片进行处理获取到识别特征信息;
图片检索模块用于将识别特征信息导入到数据库中进行特征检索获取到相似目标信息;
预展示模块用于将相似目标信息进行展示核验;
信息发送模块用于在图片信息展示核验通过后将相似目标信息发送到预设接收终端;
本发明通过对设置的原图片获取过程,能够获取到识别物品的更多的图片,为后续的图片识别提供更多的数据支持,从而提升识别准确度,通过图片优化模块对获取到图片信息进行多种不同的方式进行优化,提升图片清晰度,更高的清晰度的图片能够保证最终的识别的准确度更高,减少了识别出的物品与用户所需识别内容偏差过大的状况发生,大大提升了识别准确性,通过对优化后的图片进行特征识别,获取到更加目标物体的识别结果,满足了用户的识别需求用,更加智能化的准确的进行图片识别检索。
图片信息采集模块获取到图片信息的获取过程包括用户手动上传预先拍摄好的包含识别目标的图片和根据预设图片采集规则实时采集目标图片信息,预设图片采集规则包括文字识别采集规则与物体识别采集规则;
文字识别采集规则的具体采集过程:通过影像采集设备在同一角度采集至少x张包含所有需要识别文字的图片;
物体识别采集规则的具体过程如下:实体物品:从四个不同的角度各采集x张物品照片;
其他图片:从目标图片上方拍摄x张目标图片的图片,x≥3;
通过上述过程在用户为主动上传时,实时采集更多的需要识别的物体的照片,为后续的识别提供了更多的数据支持,从而保证有足够的数据能够进行更准确的图片识别检索。
图片处理模块进行图片处理的具体过程如下:先进行图片增强,获取到增强图片信息,之后再进行图片复原,获取到复原图片信息,再对复原图片信息对象进行压缩编码,获取到压缩编码图片,再根据图片提取规则进行压缩编码图片进行处理获取到选取识别图片。
进一步在于,图片提取规则的具体内容如下:提取出进行图片处理的图片,当进行图片处理的图片为文字识别图片时:将获取到的所有的压缩编码图片清晰度提取出,之后按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片为最终的选取识别图片;
当进行图片处理的图片为物体识别图片时:将获取到物体的四个不同方位标记为K1、K2、K3和K4,将K1位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K1方位的识别图片Kk1;
将K2位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K2方位的识别图片Kk2;
将K3位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K3方位的识别图片Kk3;
将K4位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K4方位的识别图片Kk4;
识别图片Kk1、识别图片Kk2、识别图片Kk3和识别图片Kk4一起组成选取识别图片;
通过上述过程,能够选取出更加准确的选取出清晰度更高的图片为最终的识别图片,从而保证最终识别结果的准确性。
图片增强的过程如下:通过空域法对获取到图片进行处理获取到第一增强图片,再通过频域法对获取到图片进行处理获取到第二增强图片,对第一增强图片和第二增强图片进行清晰度比对,选取第一增强图片和第二增强图片中清晰度更高的一个为增强图片信息;
通过上述过程在图片增加过后,选取了清晰度更高的图片进行下一个优化操作,能够加快优化速度和提升后续图片识别检索准确性;
进行图片复原的过程如下:从逆滤波复原法、维纳滤波复原法、约束最小二乘法复原法、Lucy-Richardson复原法与盲解卷积复原法中随机选取三个对增强图片信息进行图片复原处理,将选取的三个复原方法标记为第一复原法、第二复原法与第三复原法,之后根据复原规则进行复原处理,获取到三个实时复原图片,选取三个复原图片中清晰度最高的为复原图片信息;
通过上述过程,能够更好的进行图片复原,更好的图片复原,能够有效的提升识别图片的清晰度,更高清晰度图片能够提升图片识别检索的准确性。
复原规则的具体内容为:进行三次图片复原,第一次复原:通过第一复原法对增强图片信息进行复原,获取到第一复原结果,再通过第二复原法对第二复原结果复原,获取到第二复原结果,最后通过第三复原法对第三复原结果复原,获取到第三复原图片;
第二次复原:通过第二复原法对增强图片信息进行复原,获取到第一复原结果,再通过第三复原法对第二复原结果复原,获取到第二复原结果,最后通过第一复原法对第三复原结果复原,获取到第三复原图片;
第三次复原:通过第三复原法对增强图片信息进行复原,获取到第一复原结果,再通过第二复原法对第二复原结果复原,获取到第二复原结果,最后通过第二复原法对第三复原结果复原,获取到第三复原图片;
通过上述过程,设定的不同复原方法的不同复原顺序的进行图片复原,更加全面的进行了图片复原,获取到最终图片的清晰度也更高。
图片特征识别模块对优化图片进行处理获取到识别特征信息的具体过程如下:提取出获取到的优化图片,测量出优化图片的测量出其长度和宽度后,对其进行九等分处理,当优化图片为长方形时,即按照从左到右的顺序,将其标记为A1区到A9区域,当优化图片为正常形时,即按照从左到右,从上到下的顺序,将其将其标记为A1区到A9区域,A1区到A9区域均为识别特征信息;
通过上述过程进行了特征区域获取,从而为后续的图片检索识别过程提供了数据支持,加快识别进度。
图片检索模块对识别特征信息进行处理获取到相似目标信息的具体处理过程如下:当进行检索的识别特征信息为文字图片时,即直接通过OCR识别技术进行文字识别,当进行检索的识别特征信息为物体识别时,将识别特征信息导入到数据库中,从数据库中提取出与识别特征信息相似度超过预设值的物体为相似物体,之后提取出所有获取到的相似物体的识别特征信息的相似数量信息,将其标记为Ui,i为获取到的相似物体的数量,提取出Ui中的最大值对应的相似物体为最终的相似物体信息,当Ui的的最大值存在多个时,即将其全部归类为相似物体信息;
当识别内容为物品识别时,其的进行识别图片为多个图片,多个图片中即存在多个识别特征,识别特征越多,即表示最终识别出的结果符合用户需求的可能性就越高。
展示模块将相似目标信息进行展示核验的具体过程如下:将所有的相似物体信息展示在智能显示终端上,供给用户确认,用户确认选项包括识别成功与识别失败,当用户选择识别成功时,即表示展示核验通过,当用户选择识别失败时,即表示展示核验不通过,展示核验不通过时,即重新进行图片采集重新进行图片识别;
当所有的相似物体信息展示在智能显示终端超过预设值时长未进行展示核验时,即自动进行图片采集重新进行图片识别;
上述过程,能够在识别不符合用户要求时,智能化的重新进行识别处理,满足了用户的不同使用需求。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于数据分析的智能化图片识别检索系统,其特征在于,包括图片信息采集模块、图片处理模块、图片特征识别模块、图片检索模块、预展示模块与信息发送模块;
所述图片信息采集模块用于获取到图片信息,所述图片处理模块用于对图片进行优化处理获取到优化图片;
所述图片特征识别模块用于对优化图片进行处理获取到识别特征信息;
所述图片检索模块用于将识别特征信息导入到数据库中进行特征检索获取到相似目标信息;
所述预展示模块用于将相似目标信息进行展示核验;
所述信息发送模块用于在图片信息展示核验通过后将相似目标信息发送到预设接收终端。
2.根据权利要求1所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述图片信息采集模块获取到图片信息的获取过程包括用户手动上传预先拍摄好的包含识别目标的图片和根据预设图片采集规则实时采集目标图片信息。
3.根据权利要求2所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述预设图片采集规则包括文字识别采集规则与物体识别采集规则;
所述文字识别采集规则的具体采集过程:通过影像采集设备在同一角度采集至少x张包含所有需要识别文字的图片;
所述物体识别采集规则的具体过程如下:实体物品:从四个不同的角度各采集x张物品照片;
其他图片:从目标图片上方拍摄x张目标图片的图片,x≥3。
4.根据权利要求1所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述图片处理模块进行图片处理的具体过程如下:先进行图片增强,获取到增强图片信息,之后再进行图片复原,获取到复原图片信息,再对复原图片信息对象进行压缩编码,获取到压缩编码图片,再根据图片提取规则进行压缩编码图片进行处理获取到选取识别图片。
5.根据权利要求4所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述图片提取规则的具体内容如下:提取出进行图片处理的图片,当进行图片处理的图片为文字识别图片时:将获取到的所有的压缩编码图片清晰度提取出,之后按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片为最终的选取识别图片;
当进行图片处理的图片为物体识别图片时:将获取到物体的四个不同方位标记为K1、K2、K3和K4,将K1位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K1方位的识别图片Kk1;
将K2位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K2方位的识别图片Kk2;
将K3位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K3方位的识别图片Kk3;
将K4位置的所有的压缩编码图片提取出,按照清晰度高到低的顺序进行排序,选取清晰度最高的压缩编码图片K4方位的识别图片Kk4;
识别图片Kk1、识别图片Kk2、识别图片Kk3和识别图片Kk4一起组成选取识别图片。
6.根据权利要求4所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述图片增强的过程如下:通过空域法对获取到图片进行处理获取到第一增强图片,再通过频域法对获取到图片进行处理获取到第二增强图片,对第一增强图片和第二增强图片进行清晰度比对,选取第一增强图片和第二增强图片中清晰度更高的一个为增强图片信息;
所述进行图片复原的过程如下:从逆滤波复原法、维纳滤波复原法、约束最小二乘法复原法、Lucy-Richardson复原法与盲解卷积复原法中随机选取三个对增强图片信息进行图片复原处理,将选取的三个复原方法标记为第一复原法、第二复原法与第三复原法,之后根据复原规则进行复原处理,获取到三个实时复原图片,选取三个复原图片中清晰度最高的为复原图片信息。
7.根据权利要求6所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述复原规则的具体内容为:进行三次图片复原,第一次复原:通过第一复原法对增强图片信息进行复原,获取到第一复原结果,再通过第二复原法对第二复原结果复原,获取到第二复原结果,最后通过第三复原法对第三复原结果复原,获取到第三复原图片;
第二次复原:通过第二复原法对增强图片信息进行复原,获取到第一复原结果,再通过第三复原法对第二复原结果复原,获取到第二复原结果,最后通过第一复原法对第三复原结果复原,获取到第三复原图片;
第三次复原:通过第三复原法对增强图片信息进行复原,获取到第一复原结果,再通过第二复原法对第二复原结果复原,获取到第二复原结果,最后通过第二复原法对第三复原结果复原,获取到第三复原图片。
8.根据权利要求1所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述图片特征识别模块对优化图片进行处理获取到识别特征信息的具体过程如下:提取出获取到的优化图片,测量出优化图片的测量出其长度和宽度后,对其进行九等分处理,当优化图片为长方形时,即按照从左到右的顺序,将其标记为A1区到A9区域,当优化图片为正常形时,即按照从左到右,从上到下的顺序,将其将其标记为A1区到A9区域,A1区到A9区域均为识别特征信息。
9.根据权利要求1所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述图片检索模块对识别特征信息进行处理获取到相似目标信息的具体处理过程如下:当进行检索的识别特征信息为文字图片时,即直接通过OCR识别技术进行文字识别,当进行检索的识别特征信息为物体识别时,将识别特征信息导入到数据库中,从数据库中提取出与识别特征信息相似度超过预设值的物体为相似物体,之后提取出所有获取到的相似物体的识别特征信息的相似数量信息,将其标记为Ui,i为获取到的相似物体的数量,提取出Ui中的最大值对应的相似物体为最终的相似物体信息,当Ui的最大值存在多个时,即将其全部归类为相似物体信息。
10.根据权利要求1所述的一种基于数据分析的智能化图片识别检索系统,其特征在于:所述展示模块将相似目标信息进行展示核验的具体过程如下:将所有的相似物体信息展示在智能显示终端上,供给用户确认,用户确认选项包括识别成功与识别失败,当用户选择识别成功时,即表示展示核验通过,当用户选择识别失败时,即表示展示核验不通过,展示核验不通过时,即重新进行图片采集重新进行图片识别;
当所有的相似物体信息展示在智能显示终端超过预设值时长未进行展示核验时,即自动进行图片采集重新进行图片识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310850962.5A CN116863282B (zh) | 2023-07-12 | 2023-07-12 | 一种基于数据分析的智能化图片识别检索系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310850962.5A CN116863282B (zh) | 2023-07-12 | 2023-07-12 | 一种基于数据分析的智能化图片识别检索系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116863282A true CN116863282A (zh) | 2023-10-10 |
CN116863282B CN116863282B (zh) | 2024-07-02 |
Family
ID=88231841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310850962.5A Active CN116863282B (zh) | 2023-07-12 | 2023-07-12 | 一种基于数据分析的智能化图片识别检索系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116863282B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339991A (zh) * | 2016-08-16 | 2017-01-18 | 成都市和平科技有限责任公司 | 一种具备色彩平衡功能的智能化图像处理系统和方法 |
US20170364537A1 (en) * | 2017-08-15 | 2017-12-21 | Secrom LLC | Image-aided data collection and retrieval |
CN112256909A (zh) * | 2019-07-22 | 2021-01-22 | 上海著腾信息科技有限公司 | 一种图形商标检索方法、系统、设备及可读存储介质 |
-
2023
- 2023-07-12 CN CN202310850962.5A patent/CN116863282B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339991A (zh) * | 2016-08-16 | 2017-01-18 | 成都市和平科技有限责任公司 | 一种具备色彩平衡功能的智能化图像处理系统和方法 |
US20170364537A1 (en) * | 2017-08-15 | 2017-12-21 | Secrom LLC | Image-aided data collection and retrieval |
CN112256909A (zh) * | 2019-07-22 | 2021-01-22 | 上海著腾信息科技有限公司 | 一种图形商标检索方法、系统、设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
YANG MIAO 等: "An In-Depth Survey of Underwater Image Enhancement and Restoration", 《IEEE ACCESS》, vol. 07, 5 August 2019 (2019-08-05), pages 123638 - 123657 * |
张富强: "基于内容的图像检索关键技术研究", 《[1]中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 02, 15 February 2017 (2017-02-15), pages 138 - 3287 * |
Also Published As
Publication number | Publication date |
---|---|
CN116863282B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705405B (zh) | 目标标注的方法及装置 | |
US7949157B2 (en) | Interpreting sign language gestures | |
CN109829397B (zh) | 一种基于图像聚类的视频标注方法、系统以及电子设备 | |
CN113382279B (zh) | 直播推荐方法、装置、设备、存储介质以及计算机程序产品 | |
US9596520B2 (en) | Method and system for pushing information to a client | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN105678301B (zh) | 一种自动识别并分割文本图像的方法、系统及装置 | |
CN111368867A (zh) | 档案归类方法及系统、计算机可读存储介质 | |
JP2006119723A (ja) | 画像処理装置、画像処理方法 | |
CN115083006A (zh) | 虹膜识别模型训练方法、虹膜识别方法及装置 | |
CN111507119B (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
EP3564833B1 (en) | Method and device for identifying main picture in web page | |
CN116863282B (zh) | 一种基于数据分析的智能化图片识别检索系统 | |
CN111079749B (zh) | 一种带姿态校正的端到端商品价签文字识别方法和系统 | |
US8879805B2 (en) | Automated image identification method | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
CN110503627B (zh) | 建筑物裂缝检测方法、装置、存储介质及计算机设备 | |
CN115376139A (zh) | 基于ocr高速图像识别的标签采集分析系统 | |
CN112925942A (zh) | 一种数据搜索方法、装置、设备及存储介质 | |
CN113920306A (zh) | 目标再识别方法、装置及电子设备 | |
CN113486788A (zh) | 视频相似度确定方法、装置、电子设备及存储介质 | |
CN112308162A (zh) | 一种图像大数据相似度比对方法及系统 | |
CN112052729B (zh) | 一种基于人脸识别的智能动态高清视频检测方法及系统 | |
CN111242047A (zh) | 图像处理方法和装置、电子设备及计算机可读存储介质 |
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 |