一种制作大数据图像识别处理系统的方法

本发明涉及电子技术领域，尤其涉及一种大数据图像识别处理系统.

背景技术:

随着移动互联网和智能终端技术的发展，越来越多的带有数码相机的智能手机和平板电脑进入人们的生活，并且很容易产生大量的个人数字图像. 海量图像的处理是一项巨大的工程. 通常，可以首先对生成的图像进行分类，然后以其他形式进行处理. 因此，分类的质量可能直接影响后续对图像的处理效果.

图像处理技术的发展与计算机技术的发展以及新的数学方法的应用密切相关. 诸如各种变换和线性代数之类的常规数学方法是图像处理的门槛，诸如小分形，混沌和可行变量模型之类的新数学理论应运而生，并立即应用于图像处理. 在新一代图像压缩技术中，一种重要的方法是图像子带编码. 图像子带编码的基本思想是将图像信号的频带划分为一组分析滤波器，再将其分为单独的子带信号. 对于每个不同的子带信号，根据其统计特性分配不同的编码器和比特率. 这样做的优点是，压缩误差仅限于每个子带信号，不会互相影响，并且可以根据人眼视觉的频率区域的敏感特性为不同的子带信号分配不同的比特率系统. 压缩比和重建图像的主观视觉效果更好. 实际上，小波变换和金字塔多尺度分割算法可以归因于图像子带编码技术. 随着图像处理技术应用领域的迅速扩大，越来越多的人渴望学习和掌握该技术.

在1990年代，随着信息社会的到来，图像处理技术进入了更加快速的发展阶段. 特别地，以多媒体技术，通信技术，信息存储技术和因特网为代表的计算机网络技术的加速发展和广泛普及以及高清电视（HDTV）的深入应用研究进一步促进了图像研究. 处理技术与发展.

模式识别和智能系统主题是当今增长最快的热门主题. 随着模式识别和智能工程理论与技术的发展，世界科技形势发生了巨大变化. 智能信息处理科学技术已经渗透到计算机，通信，运输，医学，物理学，化学，生物学，军事和经济学等各个领域. 该学科以信息处理和模式识别的理论技术为核心，以数学方法和计算机为主要工具，探索各种媒体信息的处理，分类和理解，并以此构建具有一定智能特征的系统或设备. 基础. 改善系统性能的方法，方法和实现. 模式识别和智能系统是现代服务业的信息支持技术之一. 它是控制科学与工程的重要分支，具有理论与实践的紧密结合，具有广泛的应用范围. 21世纪是情报，信息化，计算和网络化的世纪. 在以数字计算为特征的本世纪，模式识别技术作为人工智能技术的基础学科必将获得巨大的发展空间. 在国际上，主要的权威研究机构和主要公司已开始将模式识别技术用作公司的战略研发重点.

现在人们充分认识到数字图像处理是理解和改变世界的重要手段. 图像处理和识别技术已在许多领域得到应用，成为21世纪信息时代的重要高科技.

目前，大多数常见的分类过程都是基于图像的名称，修改时间和图像类型来对大量图像进行分类. 不难理解，图像的名称，修改时间和图像类型经常可以修改. 例如图像识别 方法，对于同一张图片，如果用户输入的名称是“东方明珠”，则该图像将被分类为建筑类别，但是如果用户将图片名称更改为“图片的东方明珠”，则图像可能分类为旅游景点类别；由此可见，上述图像分类处理方法具有较强的主观性和随机性，图像分类的准确性较低.

技术实现要素:

本发明公开了一种大数据图像识别处理系统，提高了图像分类的准确性.

为了达到上述目的，本发明提供了一种大数据图像识别处理系统，包括:

分类模块，用于根据预设规则对获取的目标图像进行分类，其中，预设规则是图像是否包含人物图片；

识别模块，用于提取目标图像的特征，以识别目标图像中每个像素的特征值；

处理模块，用于当特征值与预设分类库中任意类型图像的特征值匹配时，将目标图像标记为该类型图像.

优选地，当判断所述特征值与所述预设分类库中的任何类型的图像的特征值均不匹配时，所述方法还包括:

构建模块，用于根据目标图像在预设分类库中创建新类型的图像.

优选地，识别模块包括:

提取目标图像中每个像素的像素值以获得每个像素的像素值.

优选地，每个像素具有特征值，并且该特征值可以唯一地确定像素.

优选地，特征值可以是YCbCr，即Y（亮度）值，Cb和Cr（色度）值.

优选地，特征值可以是每个像素具有对应的RGB值，即，R（红色）颜色分量值，G（绿色）颜色分量值和B（蓝色）颜色分量值.

优选地，识别模块包括:

对目标图像执行灰度处理，提取灰度值，并获取目标图像中每个像素的灰度值.

优选地，处理模块包括:

将目标图像标记为目标类型图像，并且目标类型图像是与目标图像的特征值具有最高匹配度的类型图像.

本发明提供了一种在获取目标图像后的大数据图像识别处理系统；对目标图像进行特征提取以获得目标图像中每个像素的特征值；判断特征值是否与预设分类库中任何类型图像的特征值匹配；如果是图像识别 方法，则将目标图像标记为该类型的图像，并应用本发明实施例提供的方案，根据目标图像的真实内容和特征提取，对目标图像进行分类. 可以有效地提高分类的准确性.

图纸说明

为了更清楚地解释本发明的实施例或现有技术的技术方案，以下将简要介绍实施例中的附图或对现有技术的描述. 显然，以下描述附图仅是本发明的一些实施例. 对于本领域普通技术人员而言，无需付出任何创造性劳动，就可以基于这些附图获得其他附图.

图. 图1是本发明实施例提供的大数据图像识别处理系统的第一.

图. 图2是本发明实施例提供的大数据图像识别处理系统的第二.

图. 图3是本发明实施例提供的大数据图像识别处理系统的第三.

具体实现

结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚，完整地描述. 显然，所描述的实施例仅是本发明实施例的一部分，而不是全部. 例. 基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围.

下面将通过具体示例详细描述本发明.

参考图1至图4. 参照图1至图3，本发明实施例提供的大数据图像识别处理系统的示意性流程图，包括以下步骤:

为了达到上述目的，本发明实施例提供了一种大数据图像识别处理系统，包括:

分类模块1，用于根据预设规则对获取的目标图像进行分类，所述预设规则为所述图像是否包含人物图片；

识别模块2，用于目标图像的特征提取，识别目标图像中每个像素的特征值；

如果特征值与预设分类库中任意图像类型的特征值相匹配，则处理模块3用于将目标图像标记为该类型图像.

此外，当判断特征值与预设分类库中任何类型的图像的特征值都不匹配时，它还包括:

建立模块4用于根据目标图像在预设分类库中创建新型图像.

此外，识别模块2包括:

提取目标图像中每个像素的像素值以获得每个像素的像素值.

此外，识别模块2包括:

对目标图像执行灰度处理，提取灰度值，并获取目标图像中每个像素的灰度值.

此外，处理模块3包括:

将目标图像标记为目标类型图像，并且目标类型图像是与目标图像的特征值具有最高匹配度的类型图像.

每个像素具有特征值，并且该特征值可以唯一地确定像素. 例如，每个像素都有一个对应的RGB值，即R（红色）颜色分量值，G（绿色）颜色分量值，B（蓝色）颜色分量值，例如RGB值分别为0、0 ，即0，表示R颜色成分值，G颜色成分值和B颜色成分值都为0，那么如果RGB值分别为255、255、255，表示R颜色成分值，G颜色成分值和B颜色成分值均为255，则人们可以看到的对应颜色是白色. 因此，根据RGB值的不同，像素可以显示鲜艳的颜色.

特征值也可以是YCbCr，即Y（亮度）值，Cb和Cr（色度）值，因为目标图像所引用的颜色空间不同，并且通常可以相互转换不同的颜色空间，因此一个像素可以有多个像素值.

示例性地，预设分类库包括诸如建筑物类型，水果类型，角色类型，花卉类型，飞鸟类型，可爱的宠物类型，明星赵丽颖类型等类型. 假设上述特征针对“赵丽颖” ，可以判断出“赵丽颖”既与预设分类库中的“人物类型”匹配，又与预设分类库中的“星赵丽影类型”匹配，但目标图像与“人物类型”的匹配程度为65％，目标图像与匹配度为85％的“ Star Zhao Liying Type”相匹配. 可以看出，目标图像以较高的匹配度匹配了“ Star Zhao Liying Type”. 因此，可以将目标图像标记为“ Star Zhao Liying”. 此时，“ Star Zhao Liying”是目标类型图像.

不难理解，当判断特征值与预设分类库中任何类型的图像的特征值都不匹配时，该方法还包括:

基于目标图像，在预设分类库中创建一个新类型的图像.

在本发明实施例提供的方案中，在获得目标图像之后；对目标图像进行特征提取以获得目标图像中每个像素的特征值；是否预设了特征值分类库中任何类型图像的特征值是否匹配;如果是，则将目标图像标记为该类型的图像，并应用本发明实施例提供的方案对目标图像进行分类，根据目标图像的真实内容，可以有效改善目标图像的特征提取. 分类的准确性.

应注意，本说明书中的所有实施例均以相关方式进行描述，各个实施例之间的相同或相似部分可以互相参见，每个实施例重点说明其他实施例. 区别. 特别地，对于设备实施例，由于基本上与实施例相似，因此描述相对简单，相关部分可以参见实施例的部分描述.

以上仅是本发明的优选实施例，并不意图限制本发明的保护范围. 凡在本发明的精神和原则之内，所作的任何修改，等同替换，改进等，均应包含在本发明的保护范围之内.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-282305-1.html