一种对相同图像进行处理的视觉集成系统的制作方法

1.本发明涉图像数据处理技术领域，且更确切地涉及一种对相同图像进行处理的视觉集成系统。


背景技术：

2.图像处理技术是用计算机技术手段实现图像信息处理的技术，主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等不同的方式。视觉集成系统（也称表示智能摄像头）是集图像采集、处理与通信功能于一身，提供了具有多功能、模块化、高可靠性、易于实现的机器视觉解决方案。
3.图像处理过程中，现有技术中大部分采用去噪等方式实现数据信息处理，以提高图像数据信息的清晰度。在需要二值化灰度处理时，需要再次对图像数据信息进行灰度值计算和图像数据信息处理，这就容易造成图像数据信息处理效率较低。并且常规技术图像处理中，图像处理速度比较慢，体积小，网络化程度低，处理硬件不容易便携，导致图像处理能力滞后。


技术实现要素：

4.针对上述技术的不足，本发明公开一种对相同图像进行处理的视觉集成系统，能够同时对同一图像数据信息进行同步处理，通过加速模块提高图像处理效率，通过不同的方式实现图像处理，进而提高了图像信息分析和应用能力。
5.为了实现上述技术方案，本技术提供以下技术方案：一种对相同图像进行处理的视觉集成系统，其中包括：图像采集单元；用于获取图像数据信息，所述图像采集单元包括图像传感器、双口ram接口、sh4芯片处理器和加速模块，所述图像采集单元还通过i/o接口实现外部数据信息交互；控制器；用于控制其他模块处于工作状态，所述控制器表示dsp fpga芯片结合的多轴一体化运动控制器；包括dsp fpga芯片以及与所述dsp fpga芯片连接的电磁阀、继电器、伺服驱动器、伺服电机、监控模块和通讯模块、人机交互模块和显示器；图像存储模块；用于实现图像数据信息的存储；通信模块；用于将接收到数据信息传递到其他模块，进而实现数据信息交互；图像处理模块；用于将同一种图像数据信息按不同的处理规则，输出不同的图像信息，实现不同图像数据信息处理结果输出；所述图像处理模块包括兼容式数据接口、第一图像处理模块、第二图像处理模块和可视化输出接口；所述数据接口的输出端与第一图像处理模块和第二图像处理模块输入端连接，所述第一图像处理模块和第二图像处理模块输出端与可视化输出接口的输入端连接；其中所述第一图像处理模块表示基于超混沌图像局部纹理特征提取的图像处理模块，第二图像处理模块表示基于方向梯度直方图的影像识别模块，通过可视化输出接口实现同一图像的不同类型输出；
可视化显示模块，用于实现同一种图像数据信息按不同的处理规则处理后的数据输出；其中控制器分别与图像存储模块、图像采集单元、通信模块和图像处理模块连接，所述图像处理模块通过通信接口与通信模块连接，所述图像采集单元连接有多通道数据接口，并且所述图像采集单元通过多通道数据接口获取摄像头的数据信息；所述图像处理模块还通过通信接口与可视化显示模块连接。
6.作为本发明进一步的技术方案，所述多通道接口至少包括rs232通信通道接口、rs485通信通道接口、载波通信信道接口、tcp/ip通信信道接口、rs422通信信道接口、以太网通信信道接口、can通信信道接口、usb通信信道接口、wifi通信信道接口、zigbee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；所述多通道接口还包括云数据交互端口。
7.作为本发明进一步的技术方案，所述加速模块包括arm处理器和与所述arm控制器连接的片上存储器、片外存储器、存储模块和2个互相级联的卷积加速器。
8.作为本发明进一步的技术方案，卷积加速器实现卷积加速的方法表示：（1）设置卷积加速器的数据参数，和分别表示第层卷积核的长度与宽度，，其中和分别表示卷积核的步长，2个互相级联的卷积加速器输出数据信息结果表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式（1）中，、和分别表示当前层的激活函数、输入映射实施卷积操作和第层第个特征图的偏置；获取卷积神经网络的神经元，然后针对下采样层进行上采样操作，以上采样后的下采样层函数表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）式（2）-式（3）中，、和分别表示卷积加速器采样因子、第层的第个神经元和下采样层的上采样信息；下采样层学习函数表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）式（4）中，表示上采样层的下采样信息；（2）将深度卷积神经网络处于收敛状态，将深度卷积神经网络最后一层全连接层作表示新的图像特征，表示表示；（3）根据获取新的聚类标签，并将其作表示下一次迭代过程中深度卷积神经网络的输出；
（4）设置迭代次数表示100次，当迭代次数等于100时，选取降噪自动编码器，进而获取压缩后的图像编码，提高了数据加速能力。
9.作为本发明进一步的技术方案，所述人机交互模块表示fx3u-64mr-es型号控制器。所述第一图像处理模块包括图像信息提取模块、图像纹理卷积模块、灰度值计算模块和提亮模块，其中所述图像信息提取模块的输出端与图像纹理卷积模块的输入端连接，所述图像纹理卷积模块的输出端与灰度值计算模块的输入端连接，所述灰度值计算模块的输出端与提亮模块的输入端连接，其中所述图像信息提取模块表示滤波器。
10.作为本发明进一步的技术方案，所述第一图像处理模块的处理方法包括以下方法：步骤1、通过图像信息提取模块提取所获取图像的数据信息，提取内容表示图像的纹理；采用滤波器提取图像问题特征，输出的图像滤波函数表示：（5）式（5）中，表示滤波器的中心频率，表示控制径向滤波器带宽的常数，表示方向带宽确定参数；步骤2、通过图像纹理卷积模块实现图像数据信息的卷积，表示了将提取到的图像数据信息具有相同的带宽，将图像的纹理特征定义如下：（6）式（6）中，表示图像纹理的特征图，表示在尺度下图像的纹理特征图，表示在尺度下图像的纹理特征图相应的图像卷积结果。
11.步骤3、通过灰度值计算模块实现灰度图计算；函数公式表示：（7）式（7）中，表示图像像素灰度平均值，表示视觉常数，表示图像窗口大小，表示位置下图像像素的灰度值；步骤4、通过提亮模块实现提取数据信息的亮度更新；以使输入的图像信息具有较清晰的亮度，将局部亮度对比度引入局部纹理特征提取中，通过亮度计算，计算函数为：
ꢀꢀꢀꢀꢀ
（8）式（8）中，表示超混沌图像中局部亮度，表示图像局部背景亮度，表示图像的高频分量，表示图像边缘变化参数。
12.作为本发明进一步的技术方案，第二图像处理模块包括灰度图图标准化模块、像素梯度计算模块、像素归一化计算模块和特征向量生成模块，其中所述灰度图图标准化模块的输出端与像素梯度计算模块的输入端连接，所述像素梯度计算模块的输出端与像素归一化计算模块的输入端连接，所述像素归一化计算模块的输出端与特征向量生成模块的输入端连接。
13.作为本发明进一步的技术方案，通过第二图像处理模块处理图像的方法包括以下步骤：步骤1：将第二图像处理模块收集到的图像数据转换为灰度图，并通过以下函数进行标准化处理：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）式（9）中，t（a,b）表示第二图像处理模块收集到的图像数据信息的灰度值；步骤2：梯度计算，计算图像在像素（a,b）点的梯度值，梯度函数公式为：（10）式（10）中，la（a,b）表示图像的水平梯度值，lb（a,b）表示图像的垂直梯度值，h（a,b）表示图像的像素值，在像素点（a,b）的梯度向量为：
ꢀꢀ
（11）
ꢀꢀꢀꢀꢀꢀꢀꢀ
（12）式（11）~式（12）中，l（a,b）表示图像的梯度值，表示图像的梯度方向；步骤3：构建方向梯度直方图，将图像分成若干模块，进行归一化处理；步骤4：生成特征向量，每片归一化模块会有部分重叠的方向梯度直方图特征，提取这些特征生成特征向量，在得到方向梯度直方图特征后，通过机器学习线性分类器为f（x）剔除图像中的冗余信息，线性分类器为f（x）的表达函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀ
（13）式（13）中，r表示线性分类器一个参数，x表示一个htgs图像样本变量，z表示隐变量，z（x）表示隐变量的取值空间，p（x,z）表示htgs图像样本信息。
14.本发明具有的积极有益效果在于：本发明能够同时对同一图像数据信息进行同步处理，通过加速模块提高图像处理效率，通过不同的方式实现图像处理，进而提高了图像信息分析和应用能力。本发明视觉集成系统具有易学、易用、易维护、安装方便等特点，可在短期内构建起可靠而有效的机器视觉系统。
15.本发明可以快速实现定位、几何测量、有/无检测、计数、字符识别、条码识别、颜色分析等功能，可适应大多数机器视觉应用。本发明视觉集成系统实现了图像采集单元、图像处理单元、图像处理模块、网络通信装置的高度集成。本发明体积小、结构紧凑，尺寸小，易于安装在工业生产线和各种设备上，且便于装卸和移动。本发明视觉集成系统通常提供较好的网络功能，借助网络优势，可以实时地应用到每一个工业监测点。本发明成本低，视觉
集成系统集采集处理于一身，不用配置pc系统和图像采集卡，大大降低了视觉系统的成本。
16.本发明能够对相同图像处理能够实现不同的分析效果，继而提高了图像数据信息处理和分析能力。
附图说明
17.表示了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：图1为本发明总体架构示意图；图2为本发明图像采集模块架构示意图；图3为本发明加速模块架构示意图；图4为本发明控制模块架构示意图；图5为本发明人机交互模块架构示意图；图6为本发明图像处理模块架构示意图；图7为本发明第一图像处理模块架构示意图；图8为本发明第二图像处理模块架构示意图；图9为本发明加速器加速方法示意图；图10为本发明第一图像处理模块处理图像的示意图；图11为本发明第二图像处理模块处理图像的示意图。
具体实施方式
18.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
19.一种对相同图像进行处理的视觉集成系统，包括：图像采集单元；用于获取图像数据信息，所述图像采集单元包括图像传感器、双口ram接口、sh4芯片处理器和加速模块，所述图像采集单元还通过i/o接口实现外部数据信息交互；控制器；用于控制其他模块处于工作状态，所述控制器表示dsp fpga芯片结合的多轴一体化运动控制器；包括dsp fpga芯片以及与所述dsp fpga芯片连接的电磁阀、继电器、伺服驱动器、伺服电机、监控模块和通讯模块、人机交互模块和显示器；图像存储模块；用于实现图像数据信息的存储；通信模块；用于将接收到数据信息传递到其他模块，进而实现数据信息交互；图像处理模块；用于将同一种图像数据信息按不同的处理规则，输出不同的图像信息，实现不同图像数据信息处理结果输出；所述图像处理模块包括兼容式数据接口、第一图像处理模块、第二图像处理模块和可视化输出接口；所述数据接口的输出端与第一图像处理模块和第二图像处理模块输入端连接，所述第一图像处理模块和第二图像处理模块输出端与可视化输出接口的输入端连接；其中所述第一图像处理模块表示基于超混沌图像局部纹理特征提取的图像处理模块，第二图像处理模块表示基于方向梯度直方图的影像识别
模块，通过可视化输出接口实现同一图像的不同类型输出；可视化显示模块，用于实现同一种图像数据信息按不同的处理规则处理后的数据输出；其中控制器分别与图像存储模块、图像采集单元、通信模块和图像处理模块连接，所述图像处理模块通过通信接口与通信模块连接，所述图像采集单元连接有多通道数据接口，并且所述图像采集单元通过多通道数据接口获取摄像头的数据信息；所述图像处理模块还通过通信接口与可视化显示模块连接；在上述实施例中，所述多通道接口至少包括rs232通信通道接口、rs485通信通道接口、载波通信信道接口、tcp/ip通信信道接口、rs422通信信道接口、以太网通信信道接口、can通信信道接口、usb通信信道接口、wifi通信信道接口、zigbee通信信道接口、蓝牙通信信道接口或光纤通信信道接口；所述多通道接口还包括云数据交互端口。
20.在上述实施例中，表示了提高数据信息采集能力，需要配置高速高分辨率的摄像头，高速处理器等。而对于视觉集成系统而言，由于集成化的设计，受到处理器、内存等方面的限制，不是和对大数据量进行复杂的运算。在高速和高精度要求的场合视觉集成系统目前还无法和pc-based较量。pc-based系统快要适应复杂的应用，可以更灵活的进行配置和控制。在算法上，可以通过各种高级语言实现复杂运算。当要提高精度时可以通过提高系统配置、增加摄像头数量来实现。本发明配置了加速模块，能够提高数据信息采集能力。
21.在具体应用过程中，图像采集单元包含5个主要芯片：图像采集芯片ov7620，高速微处理器sh4，大规模可编程阵列fpga，和串口通讯控制芯片max232。fpga内部编程设立两个双口ram，产生图像传感器所需的点频，行场同步等信号，以及控制双口ram的存储时序。sh4负责对ov7620通过i2c进行配置，读取双口ram的图像数据，进行处理，并通过串口实现图像资料的上传或控制步进电机等其他设备。系统模块以cmos图像传感器ov7620表示核心，还包括一个聚光镜头和其他一些辅助元器件比如27mhz的晶振，电阻电容等。
22.coms图像传感器是近几年发展较快的新型图像传感器，由于采用了相同coms技术，因此可以将像素阵列与外围支持电路集成在同一块芯片上，是一个完整的图像系统(camera on chip)。本系统采用的是ommnvision公司推出的一块cmos彩色图像传感器ov7620，分辨率表示640x480。它能工作在逐行扫描方式下，也能工作在隔行扫描方式下。它不仅能输出彩色图像，也可用作黑白图像传感器。这块芯片支持的图像输出格式有很多种：1)ycrcb4:2:2 16 bit/8 bit格式；2)zv端口输出格式；3)rgb原始数据16 bit/8 bit；4)ccir601/ccir656格式。其功能包括有对比度、亮度、饱和度、白平衡及自动曝光、同步信号位置及极性输出，帧速率和输出格式等都可以通过i2c 总线进行编程配置片内寄存器控制。
23.fpga采用的是xc2s100，这款芯片内部集成了10000个逻辑门。接口程序采用vhdl(very high speed integrated circuit hardware description language)书写。表示了提高数据的传输速率，在xc2s100 内部分配了2个双口ram缓冲区，其大小表示127kb，每个双口ram存储1行的图像数据。两组双口ram进行奇偶行计数器进行切换。当一行存储完毕后，立即向sh4传生一个读取该行数据的中断的申请信号。fpga内部的双口ram读写操作共用同一数据总线和地址总线，当同时进行读写操作的时候就会产生时序问题导致写入或读出的数据错误。在这两个过程中表示了防止数据和地址总线冲突，在fpga内部设计了一个
中央总线仲裁器。根据公共数据传输的先后顺序，中央仲裁器先接受图像传感器的总线请求，当图像存储到ram之中后，中央仲裁器才响应单片机系统的读信号请求。系统采用sh4芯片作表示处理器：sh4单片机是日立公司推出的一款低功耗、高性能，risc(精简指令集计算机)结构的全32位单片机。其处理速度可高达60m ips一100mips，能在2.25v电压下工作，功耗仅400mw片内集成有32位乘法器、4路5kb cache、存取器管理单元mmu和其它一些通用接口及时钟电路等。日立公司表示sh4系列单片机提供了c及c 语言集成编译工具him(hitachi integrationmanag)。利用它可以将日立c、c 格式的源程序编译链接表示汇编程序或目标机器码。图像传感器芯片ov7620具有灵活的可编程功能，可通过i2c总线对其进行编程来设置各功能寄存器。由于单片机没有内部硬件i2c总线接口，所以只有采用软件模拟的方法实现i2c总线接口功能。取作表示sh4的两个i/o引脚作表示i2c总线的scl和sda总线器件接口。
24.所述加速模块包括arm处理器和与所述arm控制器连接的片上存储器、片外存储器、存储模块和2个互相级联的卷积加速器。
25.在上述实施例中，卷积加速器实现卷积加速的方法表示：（1）设置卷积加速器的数据参数，在具体实施例中，深度卷积神经网络学习过程由两个环节组成，分别是卷积层学习与下采样层学习。卷积层基于相同来源的视频图像属一类的原则与网络结构，对前一层获取的数据实施局部链接与权值共享等卷积处理，以此降低链接与参数数量。和分别表示第层卷积核的长度与宽度，，其中和分别表示卷积核的步长，2个互相级联的卷积加速器输出数据信息结果表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式（1）中，、和分别表示当前层的激活函数、输入映射实施卷积操作和第层第个特征图的偏置； 1层的神经元是计算层神经元的关键，用表示层神经元的激活函数，分别计算其与权值函数、梯度值的乘积。即表示获取卷积神经网络的神经元，然后针对下采样层进行上采样操作，以上采样后的下采样层函数表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）式（2）-式（3）中，、和分别表示卷积加速器采样因子、第层的第个神经元和下采样层的上采样信息；卷积层的学习易导拟合过度的问题，采样层在最大池化条件下计算区域特征上限值，以此简化计算过程，提网络模型稳定性，避免拟合过度问题出现。下采样层学习函数表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）式（4）中，表示上采样层的下采样信息；（2）将深度卷积神经网络处于收敛状态，将深度卷积神经网络最后一层全连接层作表示新的图像特征，表示表示；（3）根据获取新的聚类标签，并将其作表示下一次迭代过程中深度卷积神经网络的输出；（4）设置迭代次数表示100次，当迭代次数等于100时，选取降噪自动编码器，进而获取压缩后的图像编码，提高了数据加速能力。
26.在上述实施例中，所述人机交互模块表示fx3u-64mr-es型号控制器。
27.在具体实施例中，人机交互结构框图拥有电源、中央处理单元（central processing unit，cpu）、存储器、存储器、输入模块、输出模块、通信接口、电源模块、扩展接口模块等。其中，电源部分在整个人机交互结构框图中作用是十分重要的，能够提供系统运行的电压，保证图像得到的影像稳定；cpu对人机交互整个结构进行控制指挥；存储器把所需要的硬件软件安全的存放，通常固化原厂系统代码在系统存储器中，用户无法对只读内存中的系统代码进行改写，软件代码的质量也决定了plc的性能；输入/输出模块则是方便接收信号和反馈信号的通道；人机交互c的扩展接口模块主要负责plc与外围模块之间的连接，保证了控制器与外部的有效数据通讯。
28.在具体实施例中，dsp fpga芯片结合的多轴一体化运动控制器是一种“嵌入pc与运动控制卡一体化”控制器，可同时控制多达8个轴，具有更高的可靠性和抗干扰性，可以实现更复杂、更精准的摄像头运动控制，控制系统模块不需要专业触摸屏（hmi），控制器已经集成在内部，只需连接普通显示器即可。该运动控制模块也不需要安装硬件plc，通过软件程序的编写来实现plc控制的功能，在plc上编写的程序可根据现场实际情况进行修改，通用性强、可移植性好。伺服模块的采用了三洋（sanyo）交流伺服电机，该伺服电机具有体积小，刚性好的优点，该模块主要接受运动控制的运动指令，包括伺服电机的转角、转速和转矩，并且有惯量小、响应迅速、转动平稳等优点，表示了确保摄像头在高速条件下的稳定运行，采用了刚度高的驱动器进行传递，同时考虑其他过载能力。
29.在上述实施例中，所述第一图像处理模块包括图像信息提取模块、图像纹理卷积模块、灰度值计算模块和提亮模块，其中所述图像信息提取模块的输出端与图像纹理卷积模块的输入端连接，所述图像纹理卷积模块的输出端与灰度值计算模块的输入端连接，所述灰度值计算模块的输出端与提亮模块的输入端连接，其中所述图像信息提取模块表示滤波器。
30.在上述实施例中，所述第一图像处理模块的处理方法包括以下方法：步骤1、通过图像信息提取模块提取所获取图像的数据信息，提取内容表示图像的纹理；在具体实施例中 ，纹理是图像信息中的一项重要指标，其中包含着物体表面的结构组织与环境之间的关联信息，可以作表示分析超混沌图像信息的一个重要的视觉特征。幅度谱中能量在各个频带上的分布情况，显示出与纹理特征的密切关系，表示减少滤波冗
余，采用滤波器提取图像问题特征，输出的图像滤波函数表示：（5）式（5）中，表示滤波器的中心频率，表示控制径向滤波器带宽的常数，表示方向带宽确定参数；步骤2、通过图像纹理卷积模块实现图像数据信息的卷积，表示了将提取到的图像数据信息具有相同的带宽，将图像的纹理特征定义如下：（6）式（6）中，表示图像纹理的特征图，表示在尺度下图像的纹理特征图，表示在尺度下图像的纹理特征图相应的图像卷积结果。
31.步骤3、通过灰度值计算模块实现灰度图计算；表示衡量图像局部可见度，引入图像可见度概念，函数公式表示：（7）式（7）中，表示图像像素灰度平均值，表示视觉常数，表示图像窗口大小，表示位置下图像像素的灰度值；步骤4、通过提亮模块实现提取数据信息的亮度更新；以使输入的图像信息具有较清晰的亮度，将局部亮度对比度引入局部纹理特征提取中，通过亮度计算，计算函数为：
ꢀꢀꢀꢀꢀ
（8）式（8）中，表示超混沌图像中局部亮度，表示图像局部背景亮度，表示图像的高频分量，表示图像边缘变化参数。
32.通过上述方法能够清晰的表现出超混沌图像局部对比度的细微变化。
33.在上述实施例中，第二图像处理模块包括灰度图图标准化模块、像素梯度计算模块、像素归一化计算模块和特征向量生成模块，其中所述灰度图图标准化模块的输出端与像素梯度计算模块的输入端连接，所述像素梯度计算模块的输出端与像素归一化计算模块的输入端连接，所述像素归一化计算模块的输出端与特征向量生成模块的输入端连接。
34.在上述实施例中，通过第二图像处理模块处理图像的方法包括以下步骤：步骤1：将第二图像处理模块收集到的图像数据转换为灰度图，并通过以下函数进行标准化处理：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）式（9）中，t（a,b）表示第二图像处理模块收集到的图像数据信息的灰度值；
步骤2：梯度计算，计算图像在像素（a,b）点的梯度值，梯度函数公式为：
ꢀꢀ
（10）式（10）中，la（a,b）表示图像的水平梯度值，lb（a,b）表示图像的垂直梯度值，h（a,b）表示图像的像素值，在像素点（a,b）的梯度向量为：
ꢀꢀ
（11）
ꢀꢀꢀꢀꢀꢀꢀꢀ
（12）式（11）~式（12）中，l（a,b）表示图像的梯度值，表示图像的梯度方向；步骤3：构建方向梯度直方图，将图像分成若干模块，进行归一化处理；每个第二图像处理模块输出的模块有8*8个像素，将模块梯度方向分成9块。对模块中的每个像素在梯度方向直方图中进行加权投影，就可以统计出该模块的梯度方向直方图。将相邻的几个模块进行组合，并进行归一化。
35.步骤4：生成特征向量，每片归一化模块会有部分重叠的方向梯度直方图特征，提取这些特征生成特征向量，在得到方向梯度直方图特征后，通过机器学习算法可以最大限度地分离出图像两个类别特征。该分类器可以简化分类中的问题，并通过线性分类器为f（x）剔除图像中的冗余信息，线性分类器为f（x）的表达函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀ
（13）式（13）中，r表示线性分类器一个参数，x表示一个htgs图像样本变量，z表示隐变量，z（x）表示隐变量的取值空间，p（x,z）表示htgs图像样本信息；在具体实施例中，一个线性分类器训练主要通过最小化目标函数得到最优参数r，具体定义为：（14）式（14）中，m（r）表示目标函数，表示第个训练任务。关于求出目标函数最小化，可以通过固定r为每个正样本选取最佳的隐变量值来最优化。方向梯度直方图特征采用了模块化的概念，并在归一化处理时，直接将当前单元与周围四个单元的区域归一化，最终实现迅速获取图像影像，操作员可进行相应的人工控制。
36.通过上述计算后，通过可视化输出接口实现图像数据信息的可视化展示，大大提高了图像视觉可视化程度。对于同一个图像，能够输出不同的数据显示，大大提高了图像信息的分析和应用能力。
37.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。