[发明专利]图像识别方法和装置、分析仪器和存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

提取待识别分割图像中的有效连通区域的多个特征值，所述待识别分割图像包括一个有效连通区域；

从所述多个特征值中选取相关性系数最小的m个特征值，m为大于等于2的整数；

根据所述m个特征值和预设的神经网络，得到所述有效连通区域的成分类别，所述预设的神经网络根据提取自多张分割图像的有效连通区域的多个特征值和对应的成分类别训练得到。

2.根据权利要求1所述的方法，其特征在于，所述特征值包括：形状类特征值、像素分布类特征值、基于灰度共生矩阵的纹理类特征值和基于灰度与梯度共生矩阵的纹理类特征值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述m个特征值和预设的神经网络，得到所述有效连通区域的成分类别，包括：

对所述m个特征值进行归一化处理；

根据所述m个特征值的归一化结果和预设的神经网络，得到所述有效连通区域的成分类别，m为大于等于2的整数。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括：

从所述成分类别已知的多张分割图像中选取预定比例的分割图像作为训练集；

根据所述训练集中各分割图像的有效连通区域的多个特征值和对应的成分类别对初始神经网络进行训练；

对训练后的神经网络进行验证；

若验证通过，则将所述训练后的神经网络作为所述预设的神经网络。

5.根据权利要求4所述的方法，其特征在于，所述对训练后的神经网络进行验证，包括；

将所述成分类别已知的多张分割图像中除所述预定比例外的其他分割图像作为测试集；

根据所述测试集中各分割图像的有效连通区域的多个特征值和对应的成分类别，对所述训练后的神经网络进行验证。

6.根据权利要求4所述的方法，其特征在于，所述预定比例大于或者等于二分之一。

7.根据权利要求1所述的方法，其特征在于，所述预设的神经网络的输入层神经元的个数为m。

8.根据权利要求1所述的方法，其特征在于，所述预设的神经网络的输出层神经元的个数为N+1，N为所述待分割图像所属样本中有形成分的总类别数，1为杂质成分。

9.根据权利要求1所述的方法。其特征在于，所述预设的神经网络的隐藏层神经元的个数为其中，m为输入层神经元的个数，N+1为输出层神经元的个数，λ为0到10之间的任一整数。

10.一种图像识别装置，其特征在于，包括：

提取模块，用于提取待识别分割图像中的有效连通区域的多个特征值，所述待识别分割图像包括一个有效连通区域；

选取模块，用于从所述多个特征值中选取相关性系数最小的m个特征值，m为大于等于2的整数；

识别模块，用于根据所述m个特征值和预设的神经网络，得到所述有效连通区域的成分类别，所述预设的神经网络根据提取自多张分割图像的有效连通区域的多个特征值和对应的成分类别训练得到。

11.一种分析仪器，其特征在于，包括如权利要求10所述的图像识别装置。

12.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9任意一项所述的图像识别方法。