摘要
本发明公开了一种汽车零部件的防伪特征的提取方法以及系统,基于二维频域特征判断当前纹理的纹理类型;根据当前纹理的纹理类型匹配对应的分析算法,以确定关键属性特征点;基于关键属性特征点以及深度学习神经网络框架的训练而确定汽车零部件微观视觉特征识别模型;基于汽车零部件微观视觉特征识别模型与先验特征库进行匹配分类,以在防伪识别下确定汽车零部件的真伪结果,此时,基于二维频域特征判断当前纹理的纹理类型,以便于针对当前纹理的纹理类型匹配对应的分析算法,从而兼容连续型、非连续型及轮廓型纹理特征的分析,进而利用人工智能自动匹配技术基于微观视觉图像处理和神经网络混合算法对汽车零部件进行防伪特征提取和识别。
技术关键词
视觉特征
防伪特征
频域特征
深度学习神经网络
特征点
汽车零部件产品
Gabor滤波器
图像增强
Freeman链码
连续型
纹理特征
像素
电子显微镜
图像处理
算法
图像分割
系统为您推荐了相关专利信息
动态变化数据
桥梁健康监测
动态称重系统
雷达传感器
深度学习神经网络模型
对准方法
特征点
对准系统
基座坐标系
摄像头坐标系
图像无缝拼接方法
关键特征点
梯度直方图
数据
节点