CN109766947B - 一种自适应智能图像处理*** - Google Patents

一种自适应智能图像处理*** Download PDF

Info

Publication number
CN109766947B
CN109766947B CN201910039707.6A CN201910039707A CN109766947B CN 109766947 B CN109766947 B CN 109766947B CN 201910039707 A CN201910039707 A CN 201910039707A CN 109766947 B CN109766947 B CN 109766947B
Authority
CN
China
Prior art keywords
image
processing
coefficients
classification module
result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910039707.6A
Other languages
English (en)
Other versions
CN109766947A (zh
Inventor
李�浩
胡继明
徐洁
陆峥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910039707.6A priority Critical patent/CN109766947B/zh
Publication of CN109766947A publication Critical patent/CN109766947A/zh
Application granted granted Critical
Publication of CN109766947B publication Critical patent/CN109766947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种自适应智能图像处理***，包括：分类模块、处理模块，待处理图像通过转换函数变为具有关键参数的系数模式，然后通过分类模块按照算法进行分类，接着处理模块对已分类的图像按照不同的算法进行处理，处理后的结果再次转换为系数模式与处理前系数模式比较，并将比较结果反馈至处理模块与分类模块，利用其结果不断优化处理模块与分类模块。本发明利用机器学习算法，建立的分类模块可以有效地帮助操作人员选择合适的处理方法，减少操作步骤；处理模块通过前端反馈可以不断的优化其处理结果，提高处理结果。

Description

一种自适应智能图像处理***
技术领域
本发明涉及图像处理技术领域，具体为一种自适应智能图像处理***。
背景技术
随着我们公安工作信息化的推进，无论在行政业务办理还是刑事侦查破案中，端口信息采集与物证鉴定、目标识别、监控视频分析等公安业务都离不开对信息源之一的图像进行处理。但是不同的业务工作，对图像处理的需求则不同。夜间勘查现场虽然配备了勘查专用灯具，但是由于环境的原因，只能在光照部分区域呈现清晰影像，与周围环境对比度差；处理物证图像时，经常采用微距拍摄，容易造成对焦部分曝光过高，整体图像过亮，且为非标准白光，难以处理；日照条件下的监控条件良好，但是夜间的视频监控图像质量整体不高，无法识别细节特征等问题较为突出，但是，目前市面上存在的图像处理软件，大多数需要人为的对图像进行判断，选择软件中的单一功能进行处理。目前缺乏针对不同图像要求的自适应图像处理***。
发明内容
本发明所解决的技术问题在于提供一种自适应智能图像处理***，以解决上述背景技术中提出的问题。
本发明所解决的技术问题采用以下技术方案来实现：一种自适应智能图像处理***，包括：分类模块、处理模块，待处理图像通过转换函数变为具有关键参数的系数模式，然后通过分类模块按照算法进行分类，接着处理模块对已分类的图像按照不同的算法进行处理，处理后的结果再次转换为系数模式与处理前系数模式比较，并将比较结果反馈至处理模块与分类模块，利用其结果不断优化处理模块与分类模块。
所述转换函数为Y＝γ1R+γ2G+γ3B，其中：
其中即单通道的总体标准偏差；μ为单通道的像素数量，xi为通道中每个像数值。
所述分类模块采用机器学习有监督模式对已有的数据进行分析，得到分类后的不同类别图像的类别系数。
所述处理模块首先判断图像的通道数，将RGB通道分开处理，计算图像三通道的强度系数，利用协方差矩阵计算单通道以及三通道的密度系数，利用强度系数与密度系数得出图像的恢复系数，对单通道采用高斯低通滤波处理，其中滤波的sigma系数由分类模块给出的类别系数决定，上一步的结果减去峰值，峰值由类别系数/密度系数*255决定，对各通道的值进行恢复，单通道的恢复为当前值*恢复系数，将恢复后的各通道值进行重建并保存。
与现有技术相比，本发明的有益效果是：本发明利用机器学习算法，建立的分类模块可以有效地帮助操作人员选择合适的处理方法，减少操作步骤；处理模块通过前端反馈可以不断的优化其处理结果，提高处理结果。
附图说明
图1为本发明的***原理图。
图2为本发明的处理模块***原理图。
具体实施方式
为了使本发明的实现技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明，在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以两个元件内部的连通。
如图1、图2所示，一种自适应智能图像处理***，包括：分类模块、处理模块，待处理图像通过转换函数变为具有关键参数的系数模式，然后通过分类模块按照算法进行分类，接着处理模块对已分类的图像按照不同的算法进行处理，处理后的结果再次转换为系数模式与处理前系数模式比较，并将比较结果反馈至处理模块与分类模块，利用其结果不断优化处理模块与分类模块。
所述转换函数为Y＝γ1R+γ2G+γ3B，其中：
其中即单通道的总体标准偏差；μ为单通道的像素数量，xi为通道中每个像数值。
所述分类模块采用机器学习有监督模式对已有的数据进行分析，得到分类后的不同类别图像的类别系数。
所述处理模块首先判断图像的通道数，将RGB通道分开处理，计算图像三通道的强度系数，利用协方差矩阵计算单通道以及三通道的密度系数，利用强度系数与密度系数得出图像的恢复系数，对单通道采用高斯低通滤波处理，其中滤波的sigma系数由分类模块给出的类别系数决定，上一步的结果减去峰值，峰值由类别系数/密度系数*255决定，对各通道的值进行恢复，单通道的恢复为当前值*恢复系数，将恢复后的各通道值进行重建并保存。
本发明待处理图像通过转换函数变为具有关键参数的系数模式，然后通过分类模块按照算法进行分类，接着处理模块对已分类的图像按照不同的算法进行处理，处理后的结果再次转换为系数模式与处理前系数模式比较，并将比较结果反馈至处理模块与分类模块，利用其结果不断优化处理模块与分类模块。
本发明利用机器学习算法对图像进行分类，建立分类模块与处理模块，达到对各种图像的自适应判断，然后对图像选择合适的算法处理，从而达到自适应全自动对图像进行处理，并将处理结果通过前端反馈优化分类模块与处理模块，提升图像处理的整体效果。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明的要求保护范围由所附的权利要求书及其等效物界定。

Claims (2)

1.一种自适应智能图像处理***，包括：分类模块、处理模块，其特征在于：待处理图像通过转换函数变为具有关键参数的系数模式，然后通过分类模块按照算法进行分类，接着处理模块对已分类的图像按照不同的算法进行处理，处理后的结果再次转换为系数模式与处理前系数模式比较，并将比较结果反馈至处理模块与分类模块，利用其结果不断优化处理模块与分类模块，所述转换函数为Y＝γ1R+γ2G+γ3B，其中：
其中即单通道的总体标准偏差；μ为单通道的像素数量，xi为通道中每个像数值；
所述处理模块首先判断图像的通道数，将RGB通道分开处理，计算图像三通道的强度系数，利用协方差矩阵计算单通道以及三通道的密度系数，利用强度系数与密度系数得出图像的恢复系数，对单通道采用高斯低通滤波处理，其中滤波的sigma系数由分类模块给出的类别系数决定，上一步的结果减去峰值，峰值由类别系数/密度系数*255决定，对各通道的值进行恢复，单通道的恢复为当前值*恢复系数，将恢复后的各通道值进行重建并保存。
2.根据权利要求1所述的一种自适应智能图像处理***，其特征在于：所述分类模块采用机器学习有监督模式对已有的数据进行分析，得到分类后的不同类别图像的类别系数。
CN201910039707.6A 2019-01-16 2019-01-16 一种自适应智能图像处理*** Active CN109766947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910039707.6A CN109766947B (zh) 2019-01-16 2019-01-16 一种自适应智能图像处理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910039707.6A CN109766947B (zh) 2019-01-16 2019-01-16 一种自适应智能图像处理***

Publications (2)

Publication Number Publication Date
CN109766947A CN109766947A (zh) 2019-05-17
CN109766947B true CN109766947B (zh) 2023-07-18

Family

ID=66454134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910039707.6A Active CN109766947B (zh) 2019-01-16 2019-01-16 一种自适应智能图像处理***

Country Status (1)

Country Link
CN (1) CN109766947B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106570855A (zh) * 2016-07-22 2017-04-19 北京农业信息技术研究中心 猪肉新鲜度快速判定的方法及***
CN106709518A (zh) * 2016-12-20 2017-05-24 西南大学 基于Android平台的盲道识别***
CN107247965A (zh) * 2017-05-31 2017-10-13 安徽四创电子股份有限公司 一种基于自适应匹配和学习的失真图像处理方法及***
CN109101906A (zh) * 2018-07-27 2018-12-28 中国南方电网有限责任公司超高压输电公司贵阳局 一种变电站电力设备红外图像异常实时检测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100067799A1 (en) * 2008-09-17 2010-03-18 Microsoft Corporation Globally invariant radon feature transforms for texture classification

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106570855A (zh) * 2016-07-22 2017-04-19 北京农业信息技术研究中心 猪肉新鲜度快速判定的方法及***
CN106709518A (zh) * 2016-12-20 2017-05-24 西南大学 基于Android平台的盲道识别***
CN107247965A (zh) * 2017-05-31 2017-10-13 安徽四创电子股份有限公司 一种基于自适应匹配和学习的失真图像处理方法及***
CN109101906A (zh) * 2018-07-27 2018-12-28 中国南方电网有限责任公司超高压输电公司贵阳局 一种变电站电力设备红外图像异常实时检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Venkatesan Rajinikanth等.Robust Color Image Multi-thresholding Using Between-Class Variance and Cuckoo Search Algorithm.《Information systems design and Intelligent Applications》.2016,第379-386页. *
殷瑞祥.基于子波变换的图像多通道阈值降噪法.华南理工大学学报(自然科学版).2001,第29卷(第05期),第89-93页. *
石晓勃等.基于警用图像处理***对超分辨率图像重建分析.中国人民公安大学学报(自然科学版).2016,(第04期),第14-17页. *

Also Published As

Publication number Publication date
CN109766947A (zh) 2019-05-17

Similar Documents

Publication Publication Date Title
US7277580B2 (en) Multiple thresholding for video frame segmentation
US11700457B2 (en) Flicker mitigation via image signal processing
US7257252B2 (en) Voting-based video background mosaicking
CN107507142B (zh) 信号灯图像处理方法
US20180232192A1 (en) System and Method for Visual Enhancement, Annotation and Broadcast of Physical Writing Surfaces
CN105791925A (zh) 一种处理录制视频的方法及装置
CN111127359A (zh) 一种基于选择性补偿颜色和三区间均衡的水下图像增强方法
CN115065798A (zh) 一种基于大数据的视频分析监控***
CN111460964A (zh) 一种广电传输机房低照度条件下运动目标检测方法
US7920717B2 (en) Pixel extraction and replacement
CN109766947B (zh) 一种自适应智能图像处理***
CN103034997B (zh) 一种适用于监控视频前/背景分离的前景检测方法
CN102611851A (zh) 一种视频图像的自动照度补偿方法及***
JP4988872B2 (ja) 映像における移動物体の一般的な色への分類方法、装置およびプログラム（映像における移動物体の一般的な色への分類）
KR102118783B1 (ko) 조명환경에 강인한 색상 필터링을 위한 전처리 방법 및 그 시스템
CN103369247A (zh) 应用于多摄像头视觉信息处理的摄像头统一焦距标定方法
WO2015154526A1 (zh) 视频监控低照度图像色彩还原方法和装置
CN113450289A (zh) 一种客运场景下人脸图像低照度自动增强的方法
Dhingra et al. Fusion of fuzzy enhanced overexposed and underexposed images
Koohestani et al. Revealing Shadows: Low-Light Image Enhancement Using Self-Calibrated Illumination
Sari et al. Detection of Moving Vehicle using Adaptive Threshold Algorithm in Varied Lighting
Liu et al. On over-exposed region detection with regularized logistic regression
CN117876932B (zh) 基于低照度环境的运动物体识别***
JP7092952B2 (ja) ライブフィードにおけるコンテンツアウェアｐｑレンジアナライザとトーンマッピング
Kiswanto et al. Initial Development of Image Processing Based Computer Vision Technology on Robotic Arm Manipulator for Tool Wear Monitoring on Micro-milling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant