专利摘要
一种基于人脸识别的地质目标识别方法，其特征在于，包括如下步骤： S1、电成像测井资料加载与预处理； S2、由标准地质目标构造特征脸空间； S3、训练样本图像的特征提取； S4、测试样本图像的特征提取； S5、距离函数选取； S6、基于特征脸人脸识别的地质目标模式匹配； 所述步骤S6具体过程如下： S61、采用欧式距离定义训练样本集中各个样本间权重向量的距离阈值θc： 其中i,j＝1,2,…,n，n为训练样本数，Ωi、Ωj为训练样本集中任意两个样本的权重向 量，根据公式2计算得到； S62、比较待识别人脸图像的权重向量与训练样本集中每个人脸的权重向量的距离εk： εk＝‖Ω‑Ωk‖ 公式5， 其中，k为训练样本集中人脸图像类别索引，k＝1,2,…,n，n为训练样本数，Ω为待识别 人脸图像的权重向量，Ωk为训练样本图像集中每个人脸的权重向量； S63、为了区分人脸与非人脸，还要计算待识别图像X与其在特征脸空间重建的图像Xf之 间的距离ε： ε＝||X‑Xf|| 公式6， 其中，Xf＝wΩ+Ψ，w为步骤S2中所求的特征向量，Ω为待识别人脸图像的权重向量，Ψ 为训练样本均值； S64、在进行人脸识别时，采用最近邻分类法对待识别图像进行分类，分类规则如下： 若ε≥θc，则待识别图像不是人脸图像； 若ε＜θc， εk≥θc，则待识别图像为未知人脸； 若ε＜θc，min{εk}＜θc，则待识别图像为图库中第k个人的人脸。 2.根据权利要求1所述的基于人脸识别的地质目标识别方法，其特征在于，其中，所述 步骤S1具体过程如下： S11、加载电成像测井资料； S12、电成像测井资料预处理； S13、生成电成像测井静态与动态图像。 3.根据权利要求1所述的基于人脸识别的地质目标识别方法，其特征在于，所述步骤S2 具体过程如下： S21、从岩心资料库加载含有裂缝或孔洞的库图片资料作为训练样本集； S21、计算所有训练样本图像的样本均值Ψ； S22、根据K‑L变换计算训练样本的协方差矩阵Sr， 其中，设训练样本的个数为n，Xi表示第i幅标准地质目标构成的列向量，i＝1,2,…,n，T T 表示矩阵的转置，令A＝[X1‑Ψ,X2‑Ψ,…,Xn‑Ψ]，则有Sr＝AA，Ψ为训练样本均值； S23、计算协方差矩阵的特征值和特征向量； S24、选取最大的p个特征值与其所对应的特征向量，其中p为正整数且小于步骤S23所 求特征值个数，按需选取，将筛选后的特征向量归一化，这些特征向量构成的图像即为特征 脸空间。 4.根据权利要求3所述的基于人脸识别的地质目标识别方法，其特征在于，所述步骤S3 具体过程如下： 将每个训练样本图像投影到特征脸空间，得到训练样本图像集中每个人脸的权重向量 Ωi： T Ωi＝wAi 公式2， T 其中，i＝1,2,…,n，n为训练样本数，w为步骤S2中所求的特征向量矩阵的转置，Ai为每 个训练样本图像与样本均值的差值，即Ai＝Xi‑Ψ。 5.根据权利要求3或4所述的基于人脸识别的地质目标识别方法，其特征在于，所述步 骤S4具体过程如下： 将待识别人脸图像投影到特征脸空间，得到待识别人脸图像的权重向量Ω： T Ω＝w(X‑ψ) 公式3， T 其中，w为步骤S2中所求的特征向量矩阵的转置，X表示待识人脸图像，Ψ为训练样本均 值。 6.根据权利要求1所述的基于人脸识别的地质目标识别方法，其特征在于，所述步骤S5 距离函数的选取采用欧氏距离，计算两幅图像在多维空间中的欧式距离，是将像素间灰度 值之差的平方相加然后开方。
一种基于人脸识别的地质目标识别方法专利购买费用说明
Q：办理专利转让的流程及所需资料
A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。
1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。
2：按规定缴纳著录项目变更手续费。
3：同时提交相关证明文件原件。
4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。
Q:专利著录项目变更费用如何缴交
A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式
Q：专利转让变更，多久能出结果
A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。
动态评分
0.0