[发明专利]一种构件识别方法、装置、存储介质及系统

说明书

本申请的实施例提供一种构件识别方法、装置、存储介质及系统，方法包括：获取包含异常点标注和待识别构件的分片图像；根据所述异常点标注，消除所述分片图像中的异常点；从消除异常点的分片图像中确定出表征所述待识别构件的待识别构件图像；将所述待识别构件图像与构件库中的预设构件图像匹配，以识别所述待识别构件。通过确定出分片图像中的异常点并将异常点消除，可以尽可能避免异常点对待识别构件图像的影响，从而能够降低由异常点影响待识别构件图像而导致对构件图像的轮廓造成遮挡或连接等问题，以及进一步引起的识别错误。由此，可以提高对图像中构件识别的准确率。

技术领域

本申请涉及图像处理领域，例如涉及一种构件识别方法、装置、存储介质及系统。

背景技术

现有的构件识别方法中，对图像中的构件进行识别时，识别的准确率有待提高。

发明内容

有鉴于此，本申请的目的在于提供一种提高图像中构件的识别准确率的构件识别方法、装置、存储介质及系统。

为了实现上述目的，本申请的实施例通过如下方式实现：

第一方面，本申请的实施例提供一种构件识别方法，包括：获取包含异常点标注和待识别构件的分片图像；根据所述异常点标注，消除所述分片图像中的异常点；从消除异常点的分片图像中确定出表征所述待识别构件的待识别构件图像；将所述待识别构件图像与构件库中的预设构件图像匹配，以识别所述待识别构件。

通过确定出分片图像中的异常点并将异常点消除，可以尽可能避免异常点对待识别构件图像的影响，从而能够降低由异常点影响待识别构件图像而导致对构件图像的轮廓造成遮挡或连接等问题，以及进一步引起的识别错误。由此，可以提高对图像中构件识别的准确率。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述异常点标注，消除所述分片图像中的异常点，包括：通过聚类算法，从所述分片图像中确定出所述异常点的像素值范围和背景区域的像素值范围；将所述异常点的像素值范围调整至所述背景区域的像素值范围。

通过使用聚类算法，可以根据异常点标注快速准确地确定出异常点的存在，以及确定出异常点的像素值范围。由此，可以通过将异常点的像素值范围调整为背景区域的像素值范围，从而高效地消除异常点。

结合第一方面，在第一方面的第二种可能的实现方式中，所述从消除异常点的分片图像中确定出表征所述待识别构件的待识别构件图像，包括：采用Selective search(选择性搜索)算法，对消除异常点的分片图像进行区域提取，以提取出所述待识别构件图像。

通过采用Selective search算法对消除异常点后的分片图像进行区域提取，可以高效准确地提取出待识别构件图像。

结合第一方面，在第一方面的第三种可能的实现方式中，所述将所述待识别构件图像与构件库中的预设构件图像匹配，以识别所述待识别构件，包括：获取所述待识别构件图像的Hu矩(图像矩，是由Hu(Visual pattern recognition by moment invariants)在1962年提出的，具有平移、旋转和尺度不变性)特征向量；计算所述待识别构件图像与所述构件库中每个预设构件图像的Hu矩特征向量之间的距离值；确定其中最小的距离值对应的预设构件图像为目标构件图像，以根据所述目标构件图像识别所述待识别构件。

通过使用Hu矩特征向量作为待识别构件图像的特征，并通过计算待识别构件图像的Hu矩特征向量与预设构件图像的Hu矩特征向量之间的距离值，以判定待识别构件图像与预设构件图像是否为同类构件。而Hu矩特征向量具有图像旋转、放缩而特征不变的特性，可以尽可能准确地识别出各个角度和/或大小的构件图像，从而保证构件识别的准确率。