[发明专利]一种图像特征排布判断方法及其系统、终端设备在审
| 申请号: | 201910047135.6 | 申请日: | 2019-01-16 |
| 公开(公告)号: | CN109886301A | 公开(公告)日: | 2019-06-14 |
| 发明(设计)人: | 张发恩;张祥伟;秦永强;赵江华 | 申请(专利权)人: | 深圳创新奇智科技有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62 |
| 代理公司: | 深圳市智享知识产权代理有限公司 44361 | 代理人: | 王琴;蒋慧 |
| 地址: | 518000 广东省深圳市南山区*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 排布 图像特征 待处理图像 终端设备 分割算法 分类信息 拍摄距离 判断结果 图像语义 拓扑结构 物体类别 语义 可执行 像素级 构建 像素 从属 光照 图像 分类 预测 图片 | ||
1.一种图像特征排布判断方法,其特征在于:其包括如下的步骤:
步骤S1,利用图像语义分割模型分别对至少两个待处理图像中所有像素点进行分类,并分别输出对应像素点的分类信息和位置信息;
步骤S2,逐一对不同待处理图像中具有相同分类信息的像素点,及对应像素点的位置信息构建成连通域,将连通域作为节点构建对应各分类连通域的连接图;及
步骤S3,对不同待处理图像的连接图之间的拓扑结构以及对应节点的分类信息进行判断并输出判断结果,并基于判断结果输出对应特征排布的判定结果。
2.如权利要求1中所述图像特征排布判断方法,其特征在于:在上述步骤S1中,所述图像语义分割模型包括像素级的决策树分类模型或全卷积神经网络模型中的任一种。
3.如权利要求1中所述图像特征排布判断方法,其特征在于:在上述步骤S2中,将具有相同分类信息的像素点结合其对应的位置信息构建成连通域具体包括以下步骤:
步骤S21,选择一像素点,获知该像素点的分类信息及位置信息,构建一连通域;
步骤S22,基于该像素点的位置信息,选择与该像素点相邻的任一新像素点,并基于新像素点与该像素点的分类信息,判定获得新像素点对应的连通域;及
步骤23,基于获得的新像素点选择下一个像素点重复步骤S23的判断过程,直至遍历对应的待处理图像中所有像素点并获得对应连通域。
4.如权利要求3中所述图像特征排布判断方法,其特征在于:在上述步骤S2中将连通域作为节点构建对应各分类连通域的连接图具体包括以下步骤:
步骤S24,将待处理图像的多个连通域处理为对应的节点,将不同节点之间连线,以构建获得节点之间的连接图。
5.如权利要求4中所述图像特征排布判断方法,其特征在于:在上述步骤S3具体包括以下步骤:
步骤S31,判断不同待处理图像的连接图中节点的分类信息是否相同;若是,则进入步骤S32,若否,则进入步骤S33;
步骤S32,进一步判断对应的连接图中节点及连线所构成的拓扑结构是否相同;若是,则进入步骤S34,若否,则进入步骤S33;
步骤S33,输出不同待处理图像的特征排布不相同的结果;及
步骤S34,输出不同待处理图像具有相同特征排布的结果。
6.一种图像特征排布判断系统,其特征在于:其包括:
图像语义分割模块,配置为用于利用图像语义分割模型分别对至少两个待处理图像中所有像素点进行分类,并分别输出对应像素点的分类信息和位置信息;
连接图构建模块,配置为用于逐一对不同待处理图像中具有相同分类信息的像素点,及对应像素点的位置信息构建成连通域,将连通域作为节点构建对应各分类连通域的连接图;及
判定模块,配置为用于判断不同待处理图像的连接图之间是否同时满足拓扑结构相同以及对应节点的分类信息相同,并基于上述判断结果输出不同的图像排布判定结果。
7.如权利要求6中所述图像特征排布判断系统,其特征在于:上述连接图构建模块进一步包括:
选取单元,用于选择一像素点,获知其分类信息及位置信息,构建一连通域;及
新像素点判断单元,用于基于该像素点的位置信息,选择与该像素点相邻的任一新像素点,并基于新像素点与该像素点的分类信息,判定获得新像素点对应的连通域;基于获得的新像素点选择下一个像素点重复上述新像素点判断单元进行判断,直至遍历对应的待处理图像中所有像素点并获得对应连通域。
8.如权利要求6中所述图像特征排布判断系统,其特征在于:所述连接图构建模块还包括:
连通域处理单元,用于将待处理图像的多个连通域处理为对应的节点,将不同节点之间连线,以构建获得节点之间的连接图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳创新奇智科技有限公司,未经深圳创新奇智科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910047135.6/1.html,转载请声明来源钻瓜专利网。





