一种图像的预处理方法、系统、设备以及介质技术方案

本发明专利技术公开了一种图像的预处理方法，包括以下步骤：获取图像并对其进行灰度化处理；对进行灰度化处理后的图像进行颜色空间的标准化处理；利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；利用LDA算法对第一维度的图像特征进行降维处理。本发明专利技术还公开了一种系统、计算机设备以及可读存储介质。本发明专利技术提出的方案通过利用HOG算法对图像样本数据进行预处理，能够消除客观因素给图像原貌带来的不确定性，提取能代表图像原貌的“特征”，有助于提高样本数据的精度；并且利用LDA算法对HOG特征处理后的高维特征数据进行降维处理，去除冗余的数据集特征，提高模型精度、增强模型的鲁棒性及加速模型的训练。

【技术实现步骤摘要】
一种图像的预处理方法、系统、设备以及介质
本专利技术涉及图像领域，具体涉及一种图像的预处理方法、系统、设备以及存储介质。
技术介绍
在当今人类社会日常生活中，图像识别与验证具有十分重要的作用，例如在人脸识别、无人驾驶、物体检测、物体分类等领域，图象识别都是不可或缺的技术。进行图像识别时，图像的采集方便，采集设备可以使用中低档摄像头，价格低廉，具有很强的实用性。然而由于大部分图像处于高维，图像是非刚体，存在诸多变化；摄像头采集到的图像受光照、成像角度、成像距离等影响，因此图像信号存在极大的不确定性，这些不确定性对于物体的原貌相当于是噪声，会降低物体检测过程的准确率，增加过拟合的风险，降低模型的鲁棒性。
技术实现思路
有鉴于此，为了克服上述问题的至少一个方面，本专利技术实施例提出一种图像的预处理方法，包括以下步骤：获取图像并对其进行灰度化处理；对进行灰度化处理后的图像进行颜色空间的标准化处理；利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；利用LDA算法对所述第一维度的图像特征进行降维处理。在一些实施例中，利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征，进一步包括：计算所述图像的每一个像素的梯度；将所述图像划分为多个单元，并统计每个单元内的梯度直方图，以得到每个单元的特征；将若干个单元组成一个block，并将所述block内所有单元的特征串联以得到所述block的特征；将所有的block的特征进行串联以得到最终的图像特征。在一些实施例中，计算所述图像的每一个像素的梯度，进一步包括：计算每一个像素点的梯度的大小和方向。在一些实施例中，统计每个单元内的梯度直方图，进一步包括：统计不同梯度的个数。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种图像的预处理系统，包括：灰度模块，所述灰度模块配置为获取图像并对其进行灰度化处理；标准化处理模块，所述标准化模块配置为对进行灰度化处理后的图像进行颜色空间的标准化处理；提取模块，所述提取模块配置为利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；降维模块，所述降维模块配置为利用LDA算法对所述第一维度的图像特征进行降维处理。在一些实施例中，所述提取模块还配置为：计算所述图像的每一个像素的梯度；将所述图像划分为多个单元，并统计每个单元内的梯度直方图，以得到每个单元的特征；将若干个单元组成一个block，并将所述block内所有单元的特征串联以得到所述block的特征；将所有的block的特征进行串联以得到最终的图像特征。在一些实施例中，所述提取模块还配置为：计算每一个像素点的梯度的大小和方向。在一些实施例中，所述提取模块还配置为：统计不同梯度的个数。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如上所述的任一种图像的预处理方法的步骤。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行如上所述的任一种图像的预处理方法的步骤。本专利技术具有以下有益技术效果之一：本专利技术提出的方案通过利用HOG算法对图像样本数据进行预处理，能够消除客观因素给图像原貌带来的不确定性，提取能代表图像原貌的“特征”，有助于提高样本数据的精度，进而提高模型分辨器的识别精度；并且利用LDA算法对HOG特征处理后的高维特征数据进行降维处理，去除冗余的数据集特征，提高模型精度、增强模型的鲁棒性及加速模型的训练和识别过程。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。图1为本专利技术的实施例提供的图像的预处理方法的流程示意图；图2为本专利技术的实施例提供的图像的预处理系统的结构示意图；图3为本专利技术的实施例提供的计算机设备的结构示意图；图4为本专利技术的实施例提供的计算机可读存储介质的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术实施例进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。根据本专利技术的一个方面，本专利技术的实施例提出一种图像的预处理方法，如图1所示，其可以包括步骤：S1，获取图像并对其进行灰度化处理；S2，对进行灰度化处理后的图像进行颜色空间的标准化处理；S3，利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；S4，利用LDA算法对所述第一维度的图像特征进行降维处理。本专利技术提出的方案通过利用HOG算法对图像样本数据进行预处理，能够消除客观因素给图像原貌带来的不确定性，提取能代表图像原貌的“特征”，有助于提高样本数据的精度，进而提高模型分辨器的识别精度；并且利用LDA算法对HOG特征处理后的高维特征数据进行降维处理，去除冗余的数据集特征，提高模型精度、增强模型的鲁棒性及加速模型的训练和识别过程。在一些实施例中，利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征，进一步包括：计算所述图像的每一个像素的梯度；将所述图像划分为多个单元，并统计每个单元内的梯度直方图，以得到每个单元的特征；将若干个单元组成一个block，并将所述block内所有单元的特征串联以得到所述block的特征；将所有的block的特征进行串联以得到最终的图像特征。在一些实施例中，计算所述图像的每一个像素的梯度，进一步包括：计算每一个像素点的梯度的大小和方向。在一些实施例中，统计每个单元内的梯度直方图，进一步包括：统计不同梯度的个数。具体的，先将图像进行灰度化处理(将图像看做一个x，y，z(灰度)的三维图像)；然后采用Gamma校正法对输入图像进行颜色空间的标准化(归一化)；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；接着计算图像每个像素的梯度(包括大小和方向)；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。接本文档来自技高网...

【技术保护点】
1.一种图像的预处理方法，其特征在于，包括以下步骤：/n获取图像并对其进行灰度化处理；/n对进行灰度化处理后的图像进行颜色空间的标准化处理；/n利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；/n利用LDA算法对所述第一维度的图像特征进行降维处理。/n

【技术特征摘要】
1.一种图像的预处理方法，其特征在于，包括以下步骤：
获取图像并对其进行灰度化处理；
对进行灰度化处理后的图像进行颜色空间的标准化处理；
利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；
利用LDA算法对所述第一维度的图像特征进行降维处理。


2.如权利要求1所述的方法，其特征在于，利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征，进一步包括：
计算所述图像的每一个像素的梯度；
将所述图像划分为多个单元，并统计每个单元内的梯度直方图，以得到每个单元的特征；
将若干个单元组成一个block，并将所述block内所有单元的特征串联以得到所述block的特征；
将所有的block的特征进行串联以得到最终的图像特征。


3.如权利要求2所述的方法，其特征在于，计算所述图像的每一个像素的梯度，进一步包括：
计算每一个像素点的梯度的大小和方向。


4.如权利要求2所述的方法，其特征在于，统计每个单元内的梯度直方图，进一步包括：
统计不同梯度的个数。


5.一种图像的预处理系统，其特征在于，包括：
灰度模块，所述灰度模块配置为获取图像并对其进行灰度化处理；
标准化处理模块，所述标准化模块配置为对进行灰度化处理后的图像进行颜色空间的标...

【专利技术属性】
技术研发人员：刘卓，刘毅枫，梁记斌，
申请(专利权)人：山东超越数控电子股份有限公司，
类型：发明
国别省市：山东;37