本發(fā)明屬于圖像識(shí)別，具體是指一種節(jié)約算力資源的快速圖像識(shí)別方法。

背景技術(shù)：

1、隨著人工智能技術(shù)的快速發(fā)展，圖像識(shí)別任務(wù)對(duì)算力資源的需求急劇增加。傳統(tǒng)的圖像分割方法，如：基于灰度直方圖的閾值分割，需遍歷全部灰度級(jí)搜索最佳閾值，計(jì)算復(fù)雜度高、耗時(shí)較長，尤其是在灰度級(jí)較高的情況下，會(huì)導(dǎo)致運(yùn)算時(shí)間顯著延長。盡管已有改進(jìn)算法，如：最大類間方差法，提升了分割精度，但其計(jì)算量仍隨灰度級(jí)數(shù)呈線性增長，難以滿足實(shí)時(shí)性需求。

2、此外，現(xiàn)有方法在多分辨率分析和快速分割方面仍存在不足，算力消耗尤為突出，無法滿足實(shí)時(shí)性和高效性的要求。

3、近年來，小波分析因其多分辨率特性被引入圖像處理領(lǐng)域，但現(xiàn)有方法多關(guān)注重構(gòu)精度，未充分挖掘其在降低計(jì)算復(fù)雜度方面的潛力。因此，亟需一種能有效縮小閾值搜索范圍、減少算力消耗并快速分割目標(biāo)與背景的圖像識(shí)別方法。

4、與本發(fā)明最相近似的實(shí)現(xiàn)方案是基于最大類間方差法，即otsu方法的傳統(tǒng)圖像分割技術(shù)。該方法通過最大化類間方差來確定最佳閾值，被廣泛應(yīng)用于圖像分割中。該方法存在以下主要缺點(diǎn)：

5、1.計(jì)算復(fù)雜度高：傳統(tǒng)最大類間方差法需要對(duì)每個(gè)可能的閾值計(jì)算類間方差，尤其在高灰度級(jí)，如l=256的情況下，計(jì)算量顯著增加，導(dǎo)致處理時(shí)間延長；

6、2.資源消耗大：該方法通常需要處理高分辨率或高灰度級(jí)的圖像，這會(huì)導(dǎo)致算力資源消耗增大，限制了其在資源受限環(huán)境中的應(yīng)用；

7、3.實(shí)時(shí)性不足：在工業(yè)檢測、現(xiàn)場識(shí)別等場景中，圖像識(shí)別需要實(shí)時(shí)反饋。然而，傳統(tǒng)方法由于計(jì)算復(fù)雜度高，往往無法實(shí)現(xiàn)快速響應(yīng)，影響了整體效率。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是現(xiàn)有的快速圖像識(shí)別方法中計(jì)算復(fù)雜度高、資源消耗大，且實(shí)時(shí)性不足。

2、本發(fā)明采取的技術(shù)方案如下：本發(fā)明提出的一種節(jié)約算力資源的快速圖像識(shí)別方法，包括以下步驟：

3、步驟一：對(duì)原始圖像的灰度直方圖進(jìn)行小波分解；

4、步驟二：通過數(shù)字低通濾波器和高通濾波器，即lo_d和hi_d，對(duì)信號(hào)進(jìn)行濾波；

5、步驟三：對(duì)濾波結(jié)果進(jìn)行偶數(shù)點(diǎn)抽樣，從而得到下一級(jí)的平滑逼近和細(xì)節(jié)信息；

6、步驟四：改進(jìn)的最大類間方差法計(jì)算閾值。

7、進(jìn)一步地，所述步驟二低通濾波器系數(shù)為[0.7071，0.7071]。

8、進(jìn)一步地，所述步驟四在原始圖像小波分解后的低頻分量上，利用改進(jìn)的最大類間方差法計(jì)算分割閾值，具體計(jì)算公式如下：

9、；

10、。

11、進(jìn)一步地，計(jì)算公式中，at和bt分別為區(qū)域c0的像素總數(shù)和灰度級(jí)總和，an和bn為全圖的總像素?cái)?shù)和灰度級(jí)總和，th為圖像進(jìn)行小波分解后計(jì)算出的最佳分割閾值。

12、進(jìn)一步地，根據(jù)小波變換的尺度伸縮特性，將計(jì)算得到的閾值進(jìn)行插值與重構(gòu)，從而得到原始圖像的分割閾值。

13、采用上述結(jié)構(gòu)本發(fā)明取得的有益效果如下：

14、1.計(jì)算效率提升：通過小波分解和多分辨率分析，顯著降低了灰度直方圖的復(fù)雜度，減少了運(yùn)算步驟，提高了圖像處理速度。

15、2.資源消耗減少：避免了復(fù)雜的概率計(jì)算和細(xì)節(jié)信息重構(gòu)，降低了對(duì)計(jì)算資源的依賴，特別適用于嵌入式或資源受限的系統(tǒng)。

16、3.實(shí)時(shí)性增強(qiáng)：通過優(yōu)化算法和減少計(jì)算步驟，提升了方法的實(shí)時(shí)性，滿足了智能駕駛、工業(yè)檢測等領(lǐng)域?qū)?shí)時(shí)反饋的需求。

17、4.高精度：通過小波變換的尺度伸縮特性和改進(jìn)的類間方差計(jì)算方法，確保了分割結(jié)果的高精度，提高了整體識(shí)別的準(zhǔn)確性。

技術(shù)特征：

1.一種節(jié)約算力資源的快速圖像識(shí)別方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的節(jié)約算力資源的快速圖像識(shí)別方法，其特征在于：所述步驟二低通濾波器系數(shù)為[0.7071，0.7071]。

3.根據(jù)權(quán)利要求1所述的節(jié)約算力資源的快速圖像識(shí)別方法，其特征在于：所述步驟四在原始圖像小波分解后的低頻分量上，利用改進(jìn)的最大類間方差法計(jì)算分割閾值，具體計(jì)算公式如下：

4.根據(jù)權(quán)利要求3所述的節(jié)約算力資源的快速圖像識(shí)別方法，其特征在于：計(jì)算公式中，at和bt分別為區(qū)域c0的像素總數(shù)和灰度級(jí)總和，an和bn為全圖的總像素?cái)?shù)和灰度級(jí)總和，th為圖像進(jìn)行小波分解后計(jì)算出的最佳分割閾值。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的節(jié)約算力資源的快速圖像識(shí)別方法，其特征在于：根據(jù)小波變換的尺度伸縮特性，將計(jì)算得到的閾值進(jìn)行插值與重構(gòu)，從而得到原始圖像的分割閾值。

技術(shù)總結(jié)
本發(fā)明公開了一種節(jié)約算力資源的快速圖像識(shí)別方法，包括以下步驟：步驟一：對(duì)原始圖像的灰度直方圖進(jìn)行小波分解；步驟二：通過數(shù)字低通濾波器和高通濾波器，即Lo_D和Hi_D，對(duì)信號(hào)進(jìn)行濾波；步驟三：對(duì)濾波結(jié)果進(jìn)行偶數(shù)點(diǎn)抽樣，從而得到下一級(jí)的平滑逼近和細(xì)節(jié)信息；步驟四：改進(jìn)的最大類間方差法計(jì)算閾值。本發(fā)明屬于圖像識(shí)別技術(shù)領(lǐng)域，有效的解決了現(xiàn)有的快速圖像識(shí)別方法中計(jì)算復(fù)雜度高、資源消耗大，且實(shí)時(shí)性不足的問題。

技術(shù)研發(fā)人員：李陽保,唐卓,李肯立,肖雄,張嘉鵬,陳長建,蔣冰婷
受保護(hù)的技術(shù)使用者：湖南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15