模式識(shí)別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種模式識(shí)別方法及系統(tǒng)，該模式識(shí)別方法包括如下步驟：根據(jù)聯(lián)通分量將輸入的待識(shí)別圖像切分成若干個(gè)區(qū)域塊，將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)，將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣，并計(jì)算第一層核主成分分析網(wǎng)絡(luò)的濾波器和第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣，并計(jì)算第二層核主成分分析網(wǎng)絡(luò)的濾波器和第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；將第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅圖像二值化，并計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，輸出識(shí)別結(jié)果。本發(fā)明提高了字符識(shí)別的準(zhǔn)確率，提高了識(shí)別的精確度。
【專利說明】
模式識(shí)別方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像識(shí)別方法，具體涉及一種模式識(shí)別方法及系統(tǒng)。
【背景技術(shù)】
[0002]目前，計(jì)算機(jī)軟件在進(jìn)行字符識(shí)別時(shí)通常是使用標(biāo)準(zhǔn)OCR(光學(xué)字符識(shí)別)或者模板進(jìn)行匹配，這些方案都只能處理標(biāo)準(zhǔn)字符，而且需要提供大量的樣本庫(kù)文件，無法對(duì)具有縮放、旋轉(zhuǎn)、重疊和扭曲的字符進(jìn)行識(shí)別，這使得現(xiàn)有技術(shù)對(duì)變形字或手寫體字符等特殊字符的識(shí)別存在很大難度，并且缺少準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0003 ]為解決上述問題，本發(fā)明提供了一種模式識(shí)別方法及系統(tǒng)。
[0004]為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為:
[0005]模式識(shí)別方法，包括如下步驟:
[0006]S1、輸入待識(shí)別圖像；
[0007]S2、根據(jù)聯(lián)通分量將輸入的待識(shí)別圖像切分成X個(gè)區(qū)域塊，其中，X為正整數(shù)，若X等于該圖像包含的字符數(shù)，則執(zhí)行S3，若X小于該圖像包含的字符數(shù)，則根據(jù)橫向投影將該X個(gè)區(qū)域塊切分成若干個(gè)區(qū)域塊后，再執(zhí)行S3;
[0008]S3、將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)，將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣；
[0009]S4、計(jì)算所有一維矩陣的協(xié)方差矩陣均值，選擇任意一個(gè)核函數(shù)，將協(xié)方差矩陣均值映射到高維空間的核子空間當(dāng)中，得到核子空間當(dāng)中的協(xié)方差矩陣K，并對(duì)K去均值得到通過對(duì)進(jìn)行奇異值分解，得到主成分，從而獲得第一層核主成分分析網(wǎng)絡(luò)的濾波器；
[0010]S5、分別將一維矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0011]S6、獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣，計(jì)算所有局部特征矩陣的協(xié)方差矩陣均值，選擇任意一個(gè)核函數(shù)，將協(xié)方差矩陣均值映射到高維空間的核子空間當(dāng)中，得到核子空間當(dāng)中的協(xié)方差矩陣K，并對(duì)K去均值得到通過對(duì)進(jìn)行奇異值分解，得到主成分，從而獲得第二層核主成分分析網(wǎng)絡(luò)的濾波器，分別將局部特征矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到以及第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0012]S7、將第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅圖像二值化，得二值化圖像；
[0013]S8、計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，根據(jù)相似度值對(duì)圖庫(kù)中的所有圖像進(jìn)行排序，并按要求返回相關(guān)圖像作為識(shí)別結(jié)果。
[0014]其中，所述步驟S4的具體步驟為:
[0015]S41、分別計(jì)算一維矩陣的協(xié)方差矩陣，并對(duì)得到的協(xié)方差矩陣求平均值；
[0016]S42、選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)、雙曲正切核函數(shù)、有理二次核函數(shù)、逆多元二次核函數(shù)、圓核函數(shù)中的任意一個(gè)核函數(shù)將映射到高維空間中的核子空間，得協(xié)方差矩陣，并對(duì)矩陣進(jìn)行去均值；
[0017]S43、對(duì)K進(jìn)行奇異值分解，找出的LI個(gè)主成分，并將的LI個(gè)主成分作為第一層核主成分分析網(wǎng)絡(luò)的濾波器:
[0018]S44、將一維矩陣分別與j = l，2，...，L1進(jìn)行卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像。
[0019]其中，所述步驟S6的具體步驟為:
[0020]S61、在N幅大小為mXn的第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中隨機(jī)選取N1幅作為訓(xùn)練圖像數(shù)據(jù)庫(kù)；用一個(gè)大小為Iu X k2的滑塊遍歷訓(xùn)練第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅訓(xùn)練圖像i = l，2，…，N1的每一個(gè)像素，得到，得到mn個(gè)長(zhǎng)度為Iuk2的列向量，將所得列向量去均值后組合，從而得到每幅訓(xùn)練圖像的局部特征矩陣；
[0021]S62、分別求局部特征矩陣的協(xié)方差矩陣，并對(duì)得到的協(xié)方差矩陣求平均值；
[0022 ] S63、選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)、雙曲正切核函數(shù)、有理二次核函數(shù)、逆多元二次核函數(shù)、圓核函數(shù)中的任意一個(gè)核函數(shù)將映射到高維空間中的核子空間，得協(xié)方差矩陣，并對(duì)矩陣進(jìn)行去均值；
[0023]S64、對(duì)K進(jìn)行奇異值分解，找出的L2個(gè)主成分，并將的L2個(gè)主成分作為第二層核主成分分析網(wǎng)絡(luò)的濾波器:
[0024]S65、將局部特征矩陣分別與j = l，2，...，L2進(jìn)行卷積，得到第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像。
[0025]其中，所述步驟S3的具體步驟為:
[0026]S31、將待轉(zhuǎn)換為對(duì)數(shù)極坐標(biāo)的像素點(diǎn)作為極坐標(biāo)的圓心，半徑為區(qū)域塊中像素點(diǎn)之間的最大距離，并對(duì)半徑進(jìn)行歸一化處理；
[0027]S32、將極坐標(biāo)圓的半徑和角度進(jìn)行等量劃分；
[0028]S33、根據(jù)劃分后每個(gè)區(qū)域內(nèi)的像素點(diǎn)數(shù)得出二維矩陣；
[0029]S34、將S33得到的二維矩陣轉(zhuǎn)化成一維矩陣；
[0030]S35、將一維矩陣進(jìn)行一維傅里葉變換。
[0031 ]為解決上述問題，本發(fā)明還提供了一種模式識(shí)別系統(tǒng)，包括
[0032]圖像輸入模塊，用于輸入待識(shí)別圖像，并將所輸入的圖像發(fā)送到圖像分割模塊；
[0033]圖像分割模塊，用于將輸入的待識(shí)別圖像切分成若干個(gè)區(qū)域塊；
[0034]坐標(biāo)轉(zhuǎn)換模塊，用于將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)；
[0035]矩陣轉(zhuǎn)換模塊，用于將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣；
[0036]第一層核主成分分析網(wǎng)絡(luò)的濾波器生成模塊，用于通過預(yù)設(shè)的算法獲取所得第一矩陣的第一層核主成分分析網(wǎng)絡(luò)的濾波器；
[0037]第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像，用于將所得的一維矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0038]局部特征矩陣計(jì)算模塊，用于獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣；
[0039]第二層核主成分分析網(wǎng)絡(luò)的濾波器生成模塊，用于通過預(yù)設(shè)的算法獲取所得局部特征矩陣的第二層核主成分分析網(wǎng)絡(luò)的濾波器；
[0040]第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像，用于將所得的局部特征矩陣與所得第二層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0041]圖像二值化處理模塊，用于將所得的第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像二值化；
[0042]圖像比較模塊，用于計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，根據(jù)相似度值對(duì)圖庫(kù)中的所有圖像進(jìn)行排序，并按要求返回相關(guān)圖像作為識(shí)別結(jié)果。
[0043]其中，所述圖像分割模塊包括
[0044]分割模塊，用于根據(jù)聯(lián)通分量將待識(shí)別圖像切分成X個(gè)區(qū)域塊，X為正整數(shù)；
[0045]比較模塊，用于將X與帶識(shí)別圖像包含的字符數(shù)進(jìn)行比較，若相等，則將進(jìn)行所得區(qū)域塊的坐標(biāo)轉(zhuǎn)換，若X小于帶識(shí)別圖像包含的字符數(shù)，則根據(jù)橫向投影將該X個(gè)區(qū)域塊切分成若干個(gè)區(qū)域塊。
[0046]本發(fā)明具有以下有益效果:
[0047]通過極坐標(biāo)的半徑和角度的奇數(shù)劃分可以輕松的區(qū)分具有包含關(guān)系的字符，提高字符識(shí)別的準(zhǔn)確率，通過核主成分分析法提高了識(shí)別的精確度。
【具體實(shí)施方式】
[0048]為了使本發(fā)明的目的及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0049]本發(fā)明實(shí)施例提供了模式識(shí)別方法，包括如下步驟:
[0050]S1、輸入待識(shí)別圖像；
[0051]S2、根據(jù)聯(lián)通分量將輸入的待識(shí)別圖像切分成X個(gè)區(qū)域塊，其中，X為正整數(shù)，若X等于該圖像包含的字符數(shù)，則執(zhí)行S3，若X小于該圖像包含的字符數(shù)，則根據(jù)橫向投影將該X個(gè)區(qū)域塊切分成若干個(gè)區(qū)域塊后，再執(zhí)行S3;
[0052]S3、將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)，將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣;具體的，
[0053]S31、將待轉(zhuǎn)換為對(duì)數(shù)極坐標(biāo)的像素點(diǎn)作為極坐標(biāo)的圓心，半徑為區(qū)域塊中像素點(diǎn)之間的最大距離，并對(duì)半徑進(jìn)行歸一化處理；
[0054]S32、將極坐標(biāo)圓的半徑和角度進(jìn)行等量劃分；
[0055]S33、根據(jù)劃分后每個(gè)區(qū)域內(nèi)的像素點(diǎn)數(shù)得出二維矩陣；
[0056]S34、將S33得到的二維矩陣轉(zhuǎn)化成一維矩陣；
[0057]S35、將一維矩陣進(jìn)行一維傅里葉變換。
[0058]S4、計(jì)算所有一維矩陣的協(xié)方差矩陣均值，選擇任意一個(gè)核函數(shù)，將協(xié)方差矩陣均值映射到高維空間的核子空間當(dāng)中，得到核子空間當(dāng)中的協(xié)方差矩陣K，并對(duì)K去均值得到通過對(duì)進(jìn)行奇異值分解，得到主成分，從而獲得第一層核主成分分析網(wǎng)絡(luò)的濾波器;具體的:
[0059]S41、分別計(jì)算一維矩陣的協(xié)方差矩陣，并對(duì)得到的協(xié)方差矩陣求平均值；
[0060]S42、選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)、雙曲正切核函數(shù)、有理二次核函數(shù)、逆多元二次核函數(shù)、圓核函數(shù)中的任意一個(gè)核函數(shù)將映射到高維空間中的核子空間，得協(xié)方差矩陣，并對(duì)矩陣進(jìn)行去均值；
[0061]S43、對(duì)K進(jìn)行奇異值分解，找出的LI個(gè)主成分，并將的LI個(gè)主成分作為第一層核主成分分析網(wǎng)絡(luò)的濾波器:
[0062]S44、將一維矩陣分別與j = l，2，...，L1進(jìn)行卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像。
[0063]S5、分別將一維矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0064]S6、獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣，計(jì)算所有局部特征矩陣的協(xié)方差矩陣均值，選擇任意一個(gè)核函數(shù)，將協(xié)方差矩陣均值映射到高維空間的核子空間當(dāng)中，得到核子空間當(dāng)中的協(xié)方差矩陣K，并對(duì)K去均值得到通過對(duì)進(jìn)行奇異值分解，得到主成分，從而獲得第二層核主成分分析網(wǎng)絡(luò)的濾波器，分別將局部特征矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到以及第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像;具體的，
[0065]S61、在N幅大小為mXn的第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中隨機(jī)選取N1幅作為訓(xùn)練圖像數(shù)據(jù)庫(kù)；用一個(gè)大小為Iu X k2的滑塊遍歷訓(xùn)練第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅訓(xùn)練圖像i = l，2，…，N1的每一個(gè)像素，得到，得到mn個(gè)長(zhǎng)度為Iuk2的列向量，將所得列向量去均值后組合，從而得到每幅訓(xùn)練圖像的局部特征矩陣；
[0066]S62、分別求局部特征矩陣的協(xié)方差矩陣，并對(duì)得到的協(xié)方差矩陣求平均值；
[0067 ] S63、選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)、雙曲正切核函數(shù)、有理二次核函數(shù)、逆多元二次核函數(shù)、圓核函數(shù)中的任意一個(gè)核函數(shù)將映射到高維空間中的核子空間，得協(xié)方差矩陣，并對(duì)矩陣進(jìn)行去均值；
[0068]S64、對(duì)K進(jìn)行奇異值分解，找出的L2個(gè)主成分，并將的L2個(gè)主成分作為第二層核主成分分析網(wǎng)絡(luò)的濾波器；
[0069]S65、將局部特征矩陣分別與j = l，2，...，L2進(jìn)行卷積，得到第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像。
[0070]S7、將第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅圖像二值化，得二值化圖像；
[0071]S8、計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，根據(jù)相似度值對(duì)圖庫(kù)中的所有圖像進(jìn)行排序，并按要求返回相關(guān)圖像作為識(shí)別結(jié)果。
[0072]為解決上述問題，本發(fā)明實(shí)施例還提供了一種模式識(shí)別系統(tǒng)，包括
[0073 ]圖像輸入模塊，用于輸入待識(shí)別圖像，并將所輸入的圖像發(fā)送到圖像分割模塊；
[0074]圖像分割模塊，用于將輸入的待識(shí)別圖像切分成若干個(gè)區(qū)域塊；
[0075]坐標(biāo)轉(zhuǎn)換模塊，用于將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)；
[0076]矩陣轉(zhuǎn)換模塊，用于將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣；
[0077]第一層核主成分分析網(wǎng)絡(luò)的濾波器生成模塊，用于通過預(yù)設(shè)的算法獲取所得第一矩陣的第一層核主成分分析網(wǎng)絡(luò)的濾波器；
[0078]第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像，用于將所得的一維矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0079]局部特征矩陣計(jì)算模塊，用于獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣；
[0080]第二層核主成分分析網(wǎng)絡(luò)的濾波器生成模塊，用于通過預(yù)設(shè)的算法獲取所得局部特征矩陣的第二層核主成分分析網(wǎng)絡(luò)的濾波器；
[0081]第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像，用于將所得的局部特征矩陣與所得第二層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像；
[0082]圖像二值化處理模塊，用于將所得的第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像二值化；
[0083]圖像比較模塊，用于計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，根據(jù)相似度值對(duì)圖庫(kù)中的所有圖像進(jìn)行排序，并按要求返回相關(guān)圖像作為識(shí)別結(jié)果。
[0084]其中，所述圖像分割模塊包括
[0085]分割模塊，用于根據(jù)聯(lián)通分量將待識(shí)別圖像切分成X個(gè)區(qū)域塊，X為正整數(shù)；
[0086]比較模塊，用于將X與帶識(shí)別圖像包含的字符數(shù)進(jìn)行比較，若相等，則將進(jìn)行所得區(qū)域塊的坐標(biāo)轉(zhuǎn)換，若X小于帶識(shí)別圖像包含的字符數(shù)，則根據(jù)橫向投影將該X個(gè)區(qū)域塊切分成若干個(gè)區(qū)域塊。
[0087]以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1.模式識(shí)別方法，其特征在于，包括如下步驟: 51、輸入待識(shí)別圖像； 52、根據(jù)聯(lián)通分量將輸入的待識(shí)別圖像切分成X個(gè)區(qū)域塊，其中，X為正整數(shù)，若X等于該圖像包含的字符數(shù)，則執(zhí)行S3，若X小于該圖像包含的字符數(shù)，則根據(jù)橫向投影將該X個(gè)區(qū)域塊切分成若干個(gè)區(qū)域塊后，再執(zhí)行S3 ； 53、將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)，將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣； 54、計(jì)算所有一維矩陣的協(xié)方差矩陣均值，選擇任意一個(gè)核函數(shù)，將協(xié)方差矩陣均值映射到高維空間的核子空間當(dāng)中，得到核子空間當(dāng)中的協(xié)方差矩陣K，并對(duì)K去均值得到通過對(duì)進(jìn)行奇異值分解，得到主成分，從而獲得第一層核主成分分析網(wǎng)絡(luò)的濾波器； 55、分別將一維矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像； 56、獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣，計(jì)算所有局部特征矩陣的協(xié)方差矩陣均值，選擇任意一個(gè)核函數(shù)，將協(xié)方差矩陣均值映射到高維空間的核子空間當(dāng)中，得到核子空間當(dāng)中的協(xié)方差矩陣K，并對(duì)K去均值得到通過對(duì)進(jìn)行奇異值分解，得到主成分，從而獲得第二層核主成分分析網(wǎng)絡(luò)的濾波器，分別將局部特征矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到以及第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像； 57、將第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅圖像二值化，得二值化圖像； 58、計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，根據(jù)相似度值對(duì)圖庫(kù)中的所有圖像進(jìn)行排序，并按要求返回相關(guān)圖像作為識(shí)別結(jié)果。2.根據(jù)權(quán)利要求1所述的模式識(shí)別方法，其特征在于，所述步驟S4的具體步驟為: 541、分別計(jì)算一維矩陣的協(xié)方差矩陣，并對(duì)得到的協(xié)方差矩陣求平均值； 542、選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)、雙曲正切核函數(shù)、有理二次核函數(shù)、逆多元二次核函數(shù)、圓核函數(shù)中的任意一個(gè)核函數(shù)將映射到高維空間中的核子空間，得協(xié)方差矩陣，并對(duì)矩陣進(jìn)行去均值； 543、對(duì)K進(jìn)行奇異值分解，找出的LI個(gè)主成分，并將的LI個(gè)主成分作為第一層核主成分分析網(wǎng)絡(luò)的濾波器: 544、將一維矩陣分別與j= l，2，...，L1進(jìn)行卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像。3.根據(jù)權(quán)利要求1所述的模式識(shí)別方法，其特征在于，所述步驟S6的具體步驟為: 561、在N幅大小為mX η的第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中隨機(jī)選取N1幅作為訓(xùn)練圖像數(shù)據(jù)庫(kù)；用一個(gè)大小為ki X k2的滑塊遍歷訓(xùn)練第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像中的每幅訓(xùn)練圖像i = l，2，...,N1的每一個(gè)像素，得到，得到mn個(gè)長(zhǎng)度為Iuk2的列向量，將所得列向量去均值后組合，從而得到每幅訓(xùn)練圖像的局部特征矩陣； 562、分別求局部特征矩陣的協(xié)方差矩陣，并對(duì)得到的協(xié)方差矩陣求平均值； 563、選擇線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)、雙曲正切核函數(shù)、有理二次核函數(shù)、逆多元二次核函數(shù)、圓核函數(shù)中的任意一個(gè)核函數(shù)將映射到高維空間中的核子空間，得協(xié)方差矩陣，并對(duì)矩陣進(jìn)行去均值； 564、對(duì)K進(jìn)行奇異值分解，找出的L2個(gè)主成分，并將的L2個(gè)主成分作為第二層核主成分分析網(wǎng)絡(luò)的濾波器: 565、將局部特征矩陣分別與j= l，2，...，L2進(jìn)行卷積，得到第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像。4.根據(jù)權(quán)利要求1所述的模式識(shí)別方法，其特征在于，所述步驟S3的具體步驟為: 531、將待轉(zhuǎn)換為對(duì)數(shù)極坐標(biāo)的像素點(diǎn)作為極坐標(biāo)的圓心，半徑為區(qū)域塊中像素點(diǎn)之間的最大距離，并對(duì)半徑進(jìn)行歸一化處理； 532、將極坐標(biāo)圓的半徑和角度進(jìn)行等量劃分； 533、根據(jù)劃分后每個(gè)區(qū)域內(nèi)的像素點(diǎn)數(shù)得出二維矩陣； 534、將S33得到的二維矩陣轉(zhuǎn)化成一維矩陣； 535、將一維矩陣進(jìn)行一維傅里葉變換。5.模式識(shí)別系統(tǒng)，其特征在于，包括 圖像輸入模塊，用于輸入待識(shí)別圖像，并將所輸入的圖像發(fā)送到圖像分割模塊； 圖像分割模塊，用于將輸入的待識(shí)別圖像切分成若干個(gè)區(qū)域塊； 坐標(biāo)轉(zhuǎn)換模塊，用于將區(qū)域塊中每一像素點(diǎn)分別轉(zhuǎn)換成對(duì)數(shù)極坐標(biāo)； 矩陣轉(zhuǎn)換模塊，用于將每一對(duì)數(shù)極坐標(biāo)分別轉(zhuǎn)換為一維矩陣； 第一層核主成分分析網(wǎng)絡(luò)的濾波器生成模塊，用于通過預(yù)設(shè)的算法獲取所得第一矩陣的第一層核主成分分析網(wǎng)絡(luò)的濾波器； 第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像，用于將所得的一維矩陣與所得第一層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像； 局部特征矩陣計(jì)算模塊，用于獲取第一層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像的局部特征矩陣； 第二層核主成分分析網(wǎng)絡(luò)的濾波器生成模塊，用于通過預(yù)設(shè)的算法獲取所得局部特征矩陣的第二層核主成分分析網(wǎng)絡(luò)的濾波器； 第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像，用于將所得的局部特征矩陣與所得第二層核主成分分析網(wǎng)絡(luò)的濾波器卷積，得到第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像； 圖像二值化處理模塊，用于將所得的第二層核主成分分析網(wǎng)絡(luò)的訓(xùn)練輸出圖像二值化； 圖像比較模塊，用于計(jì)算所得二值化圖像與圖庫(kù)中每幅圖像的圖像相似度，根據(jù)相似度值對(duì)圖庫(kù)中的所有圖像進(jìn)行排序，并按要求返回相關(guān)圖像作為識(shí)別結(jié)果。6.根據(jù)權(quán)利要求5所述的識(shí)別系統(tǒng)，其特征在于，所述圖像分割模塊包括 分割模塊，用于根據(jù)聯(lián)通分量將待識(shí)別圖像切分成X個(gè)區(qū)域塊，X為正整數(shù)； 比較模塊，用于將X與帶識(shí)別圖像包含的字符數(shù)進(jìn)行比較，若相等，則將進(jìn)行所得區(qū)域塊的坐標(biāo)轉(zhuǎn)換，若X小于帶識(shí)別圖像包含的字符數(shù)，則根據(jù)橫向投影將該X個(gè)區(qū)域塊切分成若干個(gè)區(qū)域塊。
【文檔編號(hào)】G06K9/64GK105868760SQ201610153386
【公開日】2016年8月17日
【申請(qǐng)日】2016年3月11日
【發(fā)明人】趙喜玲, 何勇, 馬巍, 吳桂玲, 劉麗娟, 周瑞乾, 黃蓉
【申請(qǐng)人】信陽(yáng)農(nóng)林學(xué)院