[发明专利]一种复杂造型GRC板块图像的识别方法和系统

说明书

本发明涉及图像处理、模式识别及机器学习领域，公开了一种复杂造型GRC板块的识别方法和系统，以能很好的识别复杂造型GRC板块，且抗干扰能力强，识别速度快，精度高。本发明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，计算特征图像集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。

技术领域

本发明涉及图像处理、模式识别及机器学习领域，尤其涉及一种复杂造型GRC板块图像的识别方法和系统。

背景技术

目前，越来越多的建筑采用异形钢结构搭建，而且大部分钢结构为多空间曲面、拱墙，另有蜂窝造型的单层网壳，空间关系复杂，存在大量弯曲、弯扭、弧形构件，因此，大多数建筑物都采用具有复杂造型的GRC板块实现与钢结构更好的结合，为了对安装有复杂造型GRC板块图像的建筑进行更好的后期维护和管理，使工作人员在建筑物上检测GRC板块时能获取GRC板块的具体信息，需要对GRC板块进行图像识别。目前，复杂造型GRC板块图像之间的相似性程度一般是由向量之间的距离来计算的，采用何种方式来度量要识别的复杂造型GRC板块图像特征向量之间的相似度，是基于内容的图像检索中又一重要的研究。一些比较简单的方法是利用欧氏距离或者余弦距离来计算特征向量间的相似度。另一种方法是通过学习策略计算出一个相似度矩阵，并将该矩阵用来进行特征的相似匹配。还有通过把描述图像的特征转换为二进制特征从而利用汉明距离(Hamming Distance)来快速的进行相似性计算。对于复杂结构的GRC板块，简单的向量之间的距离计算难以真实地反映GRC板块之间的相似性程度。

因此，现需提供一种能很好的识别复杂造型GRC板块图像，且抗干扰能力强，识别速度快，精度高的复杂造型的GRC板块的识别方法和系统。

发明内容

本发明目的在于提供一种复杂造型GRC板块图像的识别方法和系统，该方法和系统能很好的识别复杂造型GRC板块图像，且抗干扰能力强，识别速度快，精度高。

为实现上述目的，本发明提供了一种复杂造型GRC板块图像的识别方法，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。