(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210645370.5 (22)申请日 2022.06.08 (71)申请人 南京轩景乐敏科技有限公司 地址 210000 江苏省南京市经济技 术开发 区恒园路1号龙港科技园A栋 605-2 (72)发明人 刘志钢　刘石岩　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/187(2017.01) G06V 10/26(2022.01) G06V 10/34(2022.01) G06V 10/50(2022.01) G06V 10/52(2022.01) G06V 10/74(2022.01) G06V 10/75(2022.01)G06V 10/764(2022.01) G06T 5/00(2006.01) (54)发明名称 一种用于图像识别的分布式计算方法及系 统 (57)摘要 本发明公开了一种用于图像识别的分布式 计算方法及系统， 涉及人工智能领域。 包括： S1： 获得待识别图像的灰度图中的区域图像； S2： 获 取灰度图像的邻接矩阵； S3： 获取变化一致性邻 接矩阵： 计算区域图像 之间的区域同类性得到采 样邻接矩阵， 对 灰度图像的邻接矩阵和采样邻接 矩阵进行点乘计算得到变化一致性邻接矩阵； S4： 对图像数据进行分布式计算： 设置类别阈值， 根据类别阈值与变化一致性邻接矩 阵中的数据 对区域图像进行分类， 对分类后的图像数据进行 分布式计算。 本发明通过对不同关联性的数据进 行分块计算， 提高了图像识别的计算效率的同 时， 将不同数据之间的关联也作为一种特征参与 到图像识别过程中， 提高了识别的准确性。 权利要求书2页 说明书7页 附图3页 CN 115131296 A 2022.09.30 CN 115131296 A 1.一种用于图像识别的分布式计算方法， 其特 征在于， 包括： S1： 获得待识别图像的灰度图像中的区域图像： 对待识别图像进行 灰度化处 理得到灰度图像； 利用灰度图像中各像素点的灰度值和种子生长法得到灰度图像中所有的区域图像； S2： 获取灰度图像的邻接矩阵： 根据灰度图像中各区域图像的灰度熵和纹 理熵计算 不同区域图像之间的欧式距离； 根据灰度图像 中各区域图像之间的距离计算各区域图像之间的区域相似度， 利用图像 区域之间的区域相似度获得邻接矩阵； S3： 获取变化 一致性邻接矩阵： 分别对灰度图像中每个区域图像进行高斯金字塔采样得到每个区域图像每次采样后 的采样图像； 分别计算每个区域图像每次采样后与前一次采样的区域图像的灰度熵和纹理熵的差 值， 根据每次采样后与前一次采样的区域图像的灰度 熵和纹理熵的差值以及每次采样后区 域图像的重复率计算每个区域图像每次采样后的变化率二元组， 所述变化率二元组包括灰 度熵的变化 率和纹理熵的变化 率； 统计每个图像区域每次采样后与前一次采样获得的图像区域的变化率二元组形成每 个区域图像的变化序列， 根据每 个区域图像的变化序列计算两 两区域图像之间的同类性； 根据区域图像之间的区域同类性得到采样邻 接矩阵， 对灰度图像的邻 接矩阵和采样邻 接矩阵进行点乘计算得到变化 一致性邻接矩阵； S4： 对图像数据进行分布式计算： 设置类别 阈值， 根据类别阈值与变化一致性邻接矩阵中的数据对区域图像进行分类， 根据分类后的图像数据采用分布式计算对待识别图像进行识别。 2.根据权利要求1所述的一种用于图像识别的分布式计算方法， 其特征在于， 所述利用 灰度图像中各像素点的灰度值和种子生长法得到灰度图像中的区域图像的过程如下： S1‑1： 统计灰度图像的灰度值得到灰度直方图， 对灰度直方图进行高斯平滑得到平滑 后的灰度直方图； S1‑2： 对图像的原灰度直方图和平滑后的灰度直方图做差得到差值直方图， 获取差值 直方图中像素点频 数大于数量阈值的灰度值对应的像素点作为图像的种子点； S1‑3： 以种子点 为类别中心通过区域 生长法对图像进行分割， 得到分割后的区域图像。 3.根据权利要求1所述的一种用于图像识别的分布式计算方法， 其特征在于， 所述根据 各区域之间的距离计算各区域之间的区域相似度的计算方法如下： 分别计算两两区域之间的欧氏距离， 利用每个区域和其他 区域的距离最大值对所有距 离进行归一 化得到区域相似度， 具体 计算公式如下： 式中： 表示第i个区域与第j个区域的区域相似度， 表示第i个区域与其他区域 的距离的最大值， 表示第i个区域与第j 个区域的距离， i、 j为分割的区域图像的序号， i≠权　利　要　求　书 1/2 页 2 CN 115131296 A 2j。 4.根据权利要求3所述的一种用于图像识别的分布式计算方法， 其特征在于， 所述两两 区域之间的欧氏距离的计算方法为： 计算每个区域图像的灰度熵和 纹理熵， 将灰度熵和 纹理熵用二元组表示， 作为该区域 图像的中心点 坐标， 根据区域图像中心点的坐标计算区域图像之间的欧式距离； 其中， 灰度熵为该区域图像中所有像素点的灰度值的熵值， 纹理熵为该区域图像的灰 度共生矩阵中的数据的熵值。 5.根据权利要求1所述的一种用于图像识别的分布式计算方法， 其特征在于， 所述计算 每个区域的变化 率二元组的方法如下： 对每个区域图像采样后与 前一次采样的灰度熵和纹理熵的差值， 分别和采样后与 前一 次采样的区域重复率进行乘积， 计算经过本次采样后灰度熵的变化率和的纹理熵的变化 率， 得到二元向量作为变化 率二元组， 具体 计算公式如下： 式中： u′为灰度熵的变化率， v ′为纹理熵的变化率， C为采样后与前一次采样的区域重 复率， Δh为采样后与前一次采样的灰度熵的差值， Δw为采样后与前一次采样的纹理熵的 差值； 其中区域重复率为该区域图像本次采样与前一次采样的最大重合面积和前一次采样 的区域图像面积的比值。 6.根据权利要求1所述的一种用于图像识别的分布式计算方法， 其特征在于， 所述计算 两两区域图像之间的同类性的方法为： 利用DTW算法对两个区域图像的变化率序列进行匹 配， 计算出两个区域图像之间的DTW距离， 将该DTW距离作为两个区域图像之间的区域同类 性。 7.根据权利要求1所述的一种用于图像识别的分布式计算方法， 其特征在于， 所述根据 类别阈值与变化 一致性邻接矩阵中的数据对区域图像进行分类的方法如下： 设定类别阈值， 对变化一致性邻 接矩阵中大于等于类别阈值的数据对应的区域图像划 分为一类， 小于类别阈值的数据对应的区域图像划分为 一类， 实现对区域图像的分类。 8.一种用于图像识别的分布式计算系统， 包括图像处理模块、 图像数据分析模块、 特征 关联模块， 其特 征在于： 图像处理模块： 对待识别图像进行灰度转化， 通过待识别图像的灰度直方图进行区域 分割， 得到分割后的区域图像； 矩阵构建模块： 对灰度图像中每个区域图像进行高斯金字塔采样得到每个区域图像每 次采样后的采样图像； 根据每个图像区域每次采样的变化率二元组得到每个区域图像的变 化序列， 根据区域图像的变化序列计算两两区域图像之间的同类性； 根据区域图像之间的 区域同类性得到采样邻接矩阵， 利用灰度图像的邻接矩阵和采样邻接矩阵得到变化一致性 邻接矩阵； 特征关联模块： 设置类别阈值， 根据类别阈值与变化一致性邻接矩阵中的数据对区域 图像进行分类， 根据分类后的图像数据采用分布式计算将关联性 强的图像区域特征分为一 类进行识别。权　利　要　求　书 2/2 页 3 CN 115131296 A 3