[发明专利]一种图像识别方法、系统、存储介质、设备、终端及应用

权利要求书

1.一种图像识别方法，其特征在于，所述图像识别方法包括：

采用Python和OpenCV开源库；

结合先进的三目立体摄像机3D拍摄技术及区域生长分割方法，自动提取连续尾矿坝坝坡变形信息；

通过误差计算和与超像素SEEDS分割方法进行比较；

所述区域生长分割方法包括：

(1)自适应阈值和灰度处理：进行自适应阈值处理：

R＝G＝B＝(ω_RR+ω_GG+ω_BB)/3；

其中ω_R,ω_G,ω_B是R，G，B的权重；

(2)点云坐标与多像素种子点组合：在获取点云坐标之前，修复点云并在坐标点之间转换，最近邻插值公式为：

m＝a₀×x/z+m₀

n＝b₀×y/z+n₀；

其中m和n代表图像的像素坐标，m₀和n₀代表图像中心，a₀和b₀代表相机参数，x，y和z代表点云坐标，遗失点的信息设置为其最接近的点；

使用三目立体摄像机拍摄时，坐标Z轴不垂直于倾斜表面，对原始数据进行坐标转换，并通过截取点云图像破坏区域来选择点云坐标，在破坏区域内人工种植多个像素种子点，根据生长准则，逐渐添加相邻像素以扩大生长范围，形成生长区域；

所述生长区域的具体形成过程如下：

1)提取多个点云坐标以建立破坏区域的位置关系；

2)手动提取ROI图像中不同破坏区域的种子点，假设种子点像素为(x₀,y₀)；

3)以(x₀,y₀)为中心，寻找(x₀,y₀)的8邻域像素点(x_i,y_j)，如果(x₀,y₀)符合增长准则，则合并(x_i,y_j)和(x₀,y₀)区域，同时将(x_i,y_j)压入堆栈；

4)从堆栈中取出一个像素，将其视为(x₀,y₀)，然后返回步骤3)，堆栈为空时，返回步骤2)；

5)重复步骤2)至步骤4)，直到图像中的每个像素都具有归属则生长结束。

2.如权利要求1所述的图像识别方法，其特征在于，所述三目立体摄像机采用以下方法进行位置校准：相机的坐标系由C_k和C_d表示，其中k，d＝1，2，3，1，2，3分别代表左、中和右摄像机，并且摄像机的位置关系用以下公式表示：

C_k＝R_ckdC_d+t_ckd；

其中，R_ckd表示从d相机到k的旋转变换摄像机，t_ckd表示从d摄像机到k摄像机的转换；

摄像机之间的位置变换通过以下变换获得：

选择中间值作为初始值R_ckd和t_ckd，Levenberg-Marquard算法用于迭代查找最小值，优化方程如下：

(R_ckd,t_ckd)＝min(J₁+J₂+J₃)

式中：t表示世界坐标系原点在相机坐标系中的坐标值；R代表世界的旋转矩阵坐标系到摄像机坐标系；是焦距；m是图像区域的数目，n是每个区域中的像素数；M是像素矩阵；J₁,J₂,J₃分别是左、中、右三个摄像头的最小校准误差。