本技术涉及图像识别,特别是涉及一种图像识别方法、装置、计算机设备和存储介质。
背景技术:
1、随着ai和图像处理技术的快速发展,随着应用场景的不断多样化和普遍化,对图像处理技术的准确性、稳定性和处理效率有了更高的要求。
2、现有的图像处理方法为模板匹配定位方法,基于灰度变化、基于相关性、基于形状、基于组件等方法,通过某一单一特征进行处理得到结果,但在噪声比较多或者特征不明显的情况下其匹配的准确率无法得到保证,会存在匹配错误及不准确的情况发生。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高图像识别准确率的图像识别方法、装置、计算机设备和存储介质。
2、第一方面,本技术提供了一种图像识别方法。所述方法包括:
3、获取待识别图像的待识别点集在第一图像金字塔中各层金字塔图像的待识别特征值、待识别特征向量;
4、对预设格式的图像数据进行解析和转换处理,生成目标图像;
5、获取目标图像的目标点集在第二图像金字塔中各层金字塔图像的目标特征值、目标特征向量;
6、利用图像金字塔逐层识别策略,根据所述待识别特征值、所述待识别特征向量、所述目标特征值和所述目标特征向量,识别所述待识别图像中所述目标图像的位置,其中,所述第一图像金字塔与所述第二图像金字塔的层数相同。
7、在其中一个实施例中,所述待识别点集包括至少一个待识别子点集;所述利用所述图像金字塔逐层识别策略,根据所述待识别特征值、所述待识别特征向量、所述目标特征值和所述目标特征向量,识别所述待识别图像中所述目标图像的位置包括:
8、利用图像金字塔从顶层至底层识别策略,在所述待识别图像的第i层金字塔图像上获取待识别区域,将所述待识别区域中的各所述待识别子点集的所述待识别特征值、所述待识别特征向量分别与所述目标图像的第i层金字塔图像对应所述目标特征值、所述目标特征向量进行比较;
9、根据比较结果,识别所述待识别图像的第i层金字塔图像中所述目标图像的第i层金字塔图像的位置。
10、在其中一个实施例中,所述根据比较结果,识别所述待识别图像的第i层金字塔图像中所述目标图像的第i层金字塔图像的位置,包括:
11、若所述比较结果满足预设条件,则将所述待识别子点集的位置作为所述目标图像的第i层金字塔图像的位置,所述预设条件为所述待识别子点集的所述待识别特征值与所述目标特征值的相似度大于第一阈值、所述待识别特征向量与所述目标特征向量的相似度大于第二阈值;
12、若所述比较结果不满足所述预设条件,则将所述待识别子点集的位置坐标作为所述待识别图像的第i-1层金字塔图像的所述待识别区域,并重复执行所述将所述待识别区域中的各所述待识别子点集的所述待识别特征值、所述待识别特征向量分别与所述目标图像的第i层对应所述目标特征值、所述目标特征向量进行比较的操作,直到所述比较结果满足所述预设条件。
13、在其中一个实施例中,所述待识别图像的顶层金字塔图像的待识别区域的获取方式包括:
14、根据所述目标图像的顶层金字塔图像的分辨率获取预设分辨率的识别窗口;
15、在所述待识别图像的顶层金字塔图像上根据预设移动路线滑动所述识别窗口;
16、将各所述识别窗口内各所述待识别子点集的所述待识别特征值、所述待识别特征向量分别与所述目标图像的顶层金字塔图像的所述目标特征值、所述目标特征向量进行比较;
17、若所述识别窗口内的所述待识别子点集与所述目标图像的顶层金字塔图像的所述目标特征值、所述目标特征向量的比较结果满足所述预设条件,则将所述识别窗口作为所述待识别图像的顶层金字塔图像的所述待识别区域。
18、在其中一个实施例中,所述获取待识别图像的待识别点集在第一图像金字塔中各层金字塔图像的待识别特征值、待识别特征向量包括:
19、获取所述待识别图像,并对所述待识别图像进行滤波处理和二值化处理;
20、获取二值化处理后的所述待识别图像的特征点,以生成所述待识别点集;
21、针对所述第一图像金字塔中的每一层,对所述待识别点集进行坐标值矩阵化处理,以生成待识别点集矩阵;
22、其中,所述待识别点集矩阵的特征值为所述待识别特征值,所述待识别点集矩阵的特征向量为所述待识别特征向量。
23、在其中一个实施例中,所述对预设格式的图像数据进行解析和转换处理,生成目标图像包括:
24、对所述预设格式的图像数据进行解码处理,形成多个图元;
25、对各所述图元按照封闭图形组合规则进行分类处理,生成至少一图元组;
26、对各所述图元组按照种类划分规则进行分类处理,生成至少一零件图形;
27、将所述预设格式的图像数据转换为套料图像,根据各所述零件图形对所述套料图像进行识别处理生成所述目标图像。
28、在其中一个实施例中,所述获取目标图像的目标点集在第二图像金字塔中各层金字塔图像的目标特征值、目标特征向量包括:
29、对所述目标图像进行二值化处理;
30、获取二值化处理后的所述目标图像的特征点,以生成所述目标点集;
31、针对第二图像金字塔中的每一层,对所述目标点集进行坐标值矩阵化处理,以生成目标点集矩阵;
32、其中,所述目标点集矩阵的特征值为所述目标特征值,所述目标点集矩阵的特征向量为所述目标特征向量。
33、第二方面,本技术还提供了一种图像识别装置。所述装置包括:
34、识别特征提取模块,用于获取待识别图像的待识别点集在第一图像金字塔中各层金字塔图像的待识别特征值、待识别特征向量;
35、目标图像生成模块,用于对预设格式的图像数据进行解析和转换处理,生成目标图像;
36、目标特征提取模块,用于获取目标图像的目标点集在第二图像金字塔中各层金字塔图像的目标特征值、目标特征向量;
37、图像位置识别模块,用于利用图像金字塔逐层识别策略,根据所述待识别特征值、所述待识别特征向量、所述目标特征值和所述目标特征向量,识别所述待识别图像中所述目标图像的位置;
38、其中,所述第一图像金字塔与所述第二图像金字塔的层数相同。
39、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本技术实施例中任一项所述方法的步骤。
40、第四方面,本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本技术实施例中任一项所述方法的步骤。
41、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本技术实施例中任一项所述方法的步骤。
42、上述图像识别方法、装置、计算机设备和存储介质,通过将待识别图像转换为待识别点集,将目标图像转换为目标点集,将点集与点集之间进行比较,从而将点与点之间的特征关系进行比较,避免由于图像特征不明显而导致识别不准确的情况发生,通过点集之间的匹配方法来提高识别的准确性和稳定性。再通过图像金字塔进行逐层识别,可以缩短图像识别的时间,提高识别效率。