[发明专利]一种复杂造型GRC板块图像的识别方法和系统

权利要求书

1.一种复杂造型GRC板块图像的识别方法，其特征在于，包括：

采集需要识别的复杂造型GRC板块图像，采用方向梯度直方图算法对所述复杂造型GRC板块图像进行预处理；

采用卷积神经网络提取预处理后的复杂造型GRC板块图像的图像特征，得到特征图像集I，其中，所述卷积神经网络中的相邻卷积层和下采样层之间使用公式(1)和公式(2)对卷积层的输出数据进行处理：

式中，表示初步处理后的数据，k表示卷积层输出数据的维度，x表示卷积层的输出数据，x^(k)表示卷积层的输出数据的第k维；E[x^(k)]表示卷积层第k维所有输出的数据的平均值；表示卷积层第k维所有输出的数据的标准差；

式中，参数γ和β的初始值采用随机取值，然后在反向计算与校验的训练过程中求出最佳值；y^(k)表示引入参数进行最终处理后数据；

且所述卷积神经网络中的下采样层使用公式(3)提取图像特征：

O＝(∑∑I(i,j)^p×G(i,j))^1/p； (3)

式中，i表示图像特征的长度像素、j表示图像特征的宽度像素，p表示下采样层输出数据的维度，I表示输入的复杂造型GRC板块图像，G代表高斯核，1≤P≤∞，当P＝l，上式为均值采样；当P→∞时，上式为最大值采样；

计算所述特征图像集I与数据库中各复杂造型GRC板块标准图像的相似度，将数据库中相似度最高的GRC板块标准图像所对应的相关信息输出给用户；

识别方法，具体包括以下步骤:

(1)将复杂造型GRC板块图像划分为小连通区域，每一个区域称为一个单元格，构建每个单元格的梯度直方图；

(2)把每相邻的至少两个单元格组成一个块，利用一阶微分计算每个块的梯度值，然后根据所述梯度值对复杂造型GRC板块图像进行归一化，并采用Gamma校正法对复杂造型GRC板块图像进行颜色空间的灰度化，得到预处理后的复杂造型GRC板块图像；

(3)将预处理后的复杂造型GRC板块图像作为卷积神经网络的输入，其中，所述卷积层提取图像特征并以数据形式输出，并通过公式(1)对卷积层的输出数据进行处理；

(4)在下采样层中，使用公式(3)，即，最大值和平均值相结合的方式提取图像特征；

(5)在下采样层和全链接层分别使用Sigmoid函数和ReLu函数作为激活函数，最终输出卷积神经网络提取的特征图像集I；

(6)计算特征图像集I中任意两幅图之间的相似度，得到匹配相似矩阵：

S(R_A,C_B)＝mf/avg(Af,Bf)＝S(R_B,C_A)； (4)

式中，S表示相似矩阵；R_A表示特征图像集I中的特征图像A在S中的行数，C_B表示特征图像集I中的特征图像B在S中的列数，mf表示特征图像A和特征图像B匹配的特征个数，Af表示从特征图像A中提取的所有的特征个数，Bf表示从特征图像B中提取的所有的特征个数，avg(Af,Bf)表示特征图像A和特征图像B的平均特征个数；

(7)根据相似矩阵，通过PageRank算法计算所述特征图像集I与数据库中各复杂造型GRC板块标准图像的相似度，以得分作为衡量依据：

式中，r(p)表示特征图像集I中特征图像p的得分，β_p表示所有指向特征图像P的图像集合，r(Q)表示图像Q的得分，|Q|表示所有指向特征图像p的图像集合中的图像Q所有链出的链接个数；

(8)将所有得分按照高低顺序排列，得分越高表示相似度越高，找到数据库中相似度最高的GRC板块标准图像所对应的ID，根据所述ID得到复杂造型GRC板块的相关信息并生成二维码发送给用户，以使用户通过手机扫描所述二维码获取相关信息。

2.根据权利要求1所述的复杂造型GRC板块图像的识别方法，其特征在于，采用PageRank算法计算所述特征图像集I与数据库中各复杂造型GRC板块标准图像的相似度，并将与数据库中相似度最高的GRC板块标准图像所对应的相关信息生成二维码发送给用户。