一种服务器图像处理方法技术

本发明专利技术公开了一种服务器图像处理方法，通过对图像的样本集采集、训练样本集采集、图像降噪处理、分割图像处理、构建生成式网络、图像拼接处理、图像优化处理等一系列的处理，采用将图像分割、去雾、拼接、增强等方式，能够使得生成的图像更加清晰直观；本发明专利技术采用的构建生成式网络方法能够提高网络训练效率，能够得到最优图像；本发明专利技术采用的图像优化处理方法降低了图像的全局亮度差异，增强了图像对比度，有效的抑制了噪声，进一步提高了图像的清晰度。

【技术实现步骤摘要】
一种服务器图像处理方法
本专利技术涉及一种服务器图像处理方法，属于计算机服务器

技术介绍
服务器，也称伺服器，是提供计算服务的设备，由于服务器需要响应服务请求，并进行处理，因此一般来说服务器应具备承担服务并且保障服务的能力。服务器的构成包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。在网络环境下，根据服务器提供的服务类型不同，分为文件服务器，数据库服务器，应用程序服务器，WEB服务器等。服务器的图像清晰度影响技术人员对工作状态的判断，现有的图像处理方法均能够实现对图像的去雾处理，但是效率低，而且处理后影响图像的分辨率，因此，有必要进行改进。
技术实现思路
针对上述存在的技术问题，本专利技术的目的是：提出了一种服务器图像处理方法。本专利技术的技术解决方案是这样实现的：一种服务器图像处理方法，包括如下步骤，S100、样本集的建立，采集服务器原始清晰图像，将图像进行归集得到样本集；S200、训练样本集的建立，将采集的样本集中原始清晰图像进行加雾处理，完成后得到训练样本集；S300、图像降噪处理，将采集的训练样本集中带雾图像进行降噪处理；S400、分割图像处理，将降噪处理后的图像进行分割，得到分割后的多个图像；S500、构建生成式网络，将分割后的多个图像输入生成式网络中，并经过处理后输出清晰图像；S600、图像拼接处理，将清晰的多个图像根据原始清晰图像进行拼接；S700、图像优化处理，将多个图像拼接完成后的图像进行优化处理，完成整个图像的处理。优选的，在S500中，构建生成式网络方法如下：S501、通过残差网络构建生成器网络模块和判别器网络模型；S502、将原始清晰图像加雾处理后得到的训练样本输入生成器网络模型中，输出图像；S503、将训练样本集输入判别器网络模型中，得到训练神经网络模型；S504、将S502中输出的图像输入S503中得到的训练神经网络模型中，得到清晰输出图像。优选的，在S700中，图像优化处理方法如下：S701、图像图层分层，将输出图像的像素根据亮度值分成若干个图层；S702、图层噪点处理，根据亮度值对亮度最低以及亮度最大的图层进行噪点处理；S703、中间图层噪点处理，将亮度值处于最低亮度和最高亮度中间的图层进行噪点处理；S704、合并所有图层，将处理过后的所有图层合并为一幅优化增强后的图像。优选的，在S701中，将每个图层按亮度值，由低到高进行排列，且每一图层中的图像的边界均由闭合曲线构成。优选的，在S702中，对亮度最低以及亮度最大的图层先单独进行直方图均衡化处理，再去除背景噪声，最后进行噪点去除。优选的，在S703中，对中间图层先去除噪点，再去除背景噪声，最后进行直方图均衡化处理。优选的，噪点去除采用图像插值函数运算进行处理，其中，函数公式为：C'＝A*T+D*(1-T)，其中，C'表示输出去燥后图像像素，A表示当前图像待处理像素，T表示逻辑平衡变量，D表示当前待处理像素的噪声平滑值。由于上述技术方案的运用，本专利技术与现有技术相比具有下列优点：本专利技术的一种服务器图像处理方法，通过对图像的样本集采集、训练样本集采集、图像降噪处理、分割图像处理、构建生成式网络、图像拼接处理、图像优化处理等一系列的处理，采用将图像分割、去雾、拼接、增强等方式，能够使得生成的图像更加清晰直观；本专利技术采用的构建生成式网络方法能够提高网络训练效率，能够得到最优图像；本专利技术采用的图像优化处理方法降低了图像的全局亮度差异，增强了图像对比度，有效的抑制了噪声，进一步提高了图像的清晰度。附图说明下面结合附图对本专利技术技术方案作进一步说明：附图1为本专利技术的一种服务器图像处理方法的流程图；附图2为本专利技术的一种服务器图像处理方法的构建生成式网络方法流程图；附图3为本专利技术的一种服务器图像处理方法的图像优化处理方法流程图。具体实施方式下面结合附图来说明本专利技术。如附图1所示为本专利技术所述的一种服务器图像处理方法，包括如下步骤，S100、样本集的建立，采集服务器原始清晰图像，将图像进行归集得到样本集；S200、训练样本集的建立，将采集的样本集中原始清晰图像进行加雾处理，完成后得到训练样本集；S300、图像降噪处理，将采集的训练样本集中带雾图像进行降噪处理；S400、分割图像处理，将降噪处理后的图像进行分割，得到分割后的多个图像；S500、构建生成式网络，将分割后的多个图像输入生成式网络中，并经过处理后输出清晰图像；S600、图像拼接处理，将清晰的多个图像根据原始清晰图像进行拼接；S700、图像优化处理，将多个图像拼接完成后的图像进行优化处理，完成整个图像的处理。附图2为在S500中，构建生成式网络方法如下：S501、通过残差网络构建生成器网络模块和判别器网络模型；S502、将原始清晰图像加雾处理后得到的训练样本输入生成器网络模型中，输出图像；S503、将训练样本集输入判别器网络模型中，得到训练神经网络模型；S504、将S502中输出的图像输入S503中得到的训练神经网络模型中，得到清晰输出图像。附图3为在S700中，图像优化处理方法如下：S701、图像图层分层，将输出图像的像素根据亮度值分成若干个图层；将每个图层按亮度值，由低到高进行排列，且每一图层中的图像的边界均由闭合曲线构成；S702、图层噪点处理，根据亮度值对亮度最低以及亮度最大的图层进行噪点处理；对亮度最低以及亮度最大的图层先单独进行直方图均衡化处理，再去除背景噪声，最后进行噪点去除；S703、中间图层噪点处理，将亮度值处于最低亮度和最高亮度中间的图层进行噪点处理；对中间图层先去除噪点，再去除背景噪声，最后进行直方图均衡化处理；S704、合并所有图层，将处理过后的所有图层合并为一幅优化增强后的图像。上述方法中，噪点去除采用图像插值函数运算进行处理，其中，函数公式为：C'＝A*T+D*(1-T)，其中，C'表示输出去燥后图像像素，A表示当前图像待处理像素，T表示逻辑平衡变量，D表示当前待处理像素的噪声平滑值。实施例一种服务器图像处理方法，将需要处理的原始清晰图像进行归集，将采集的原始清晰图像进行加雾处理，将加雾处理后的图像进行降噪处理，将降噪处理后的图像进行分割，分割成多个图像，将分割后的多个图像输入生成式网络中，构建生成式网络方法如下：S501、通过残差网络构建生成器网络模块和判别器网络模型；S502、将原始清晰图像加雾处理后得到的训练样本输入生成器网络模型中，输出图像；S503、将训练样本集输入判别器网络模型中，得到训练神经网络模型；S50本文档来自技高网...

【技术保护点】
1.一种服务器图像处理方法，其特征在于：包括如下步骤，/nS100、样本集的建立，采集服务器原始清晰图像，将图像进行归集得到样本集；/nS200、训练样本集的建立，将采集的样本集中原始清晰图像进行加雾处理，完成后得到训练样本集；/nS300、图像降噪处理，将采集的训练样本集中带雾图像进行降噪处理；/nS400、分割图像处理，将降噪处理后的图像进行分割，得到分割后的多个图像；/nS500、构建生成式网络，将分割后的多个图像输入生成式网络中，并经过处理后输出清晰图像；/nS600、图像拼接处理，将清晰的多个图像根据原始清晰图像进行拼接；/nS700、图像优化处理，将多个图像拼接完成后的图像进行优化处理，完成整个图像的处理。/n

【技术特征摘要】
1.一种服务器图像处理方法，其特征在于：包括如下步骤，
S100、样本集的建立，采集服务器原始清晰图像，将图像进行归集得到样本集；
S200、训练样本集的建立，将采集的样本集中原始清晰图像进行加雾处理，完成后得到训练样本集；
S300、图像降噪处理，将采集的训练样本集中带雾图像进行降噪处理；
S400、分割图像处理，将降噪处理后的图像进行分割，得到分割后的多个图像；
S500、构建生成式网络，将分割后的多个图像输入生成式网络中，并经过处理后输出清晰图像；
S600、图像拼接处理，将清晰的多个图像根据原始清晰图像进行拼接；
S700、图像优化处理，将多个图像拼接完成后的图像进行优化处理，完成整个图像的处理。


2.如权利要求1所述的一种服务器图像处理方法，其特征在于：在S500中，构建生成式网络方法如下：
S501、通过残差网络构建生成器网络模块和判别器网络模型；
S502、将原始清晰图像加雾处理后得到的训练样本输入生成器网络模型中，输出图像；
S503、将训练样本集输入判别器网络模型中，得到训练神经网络模型；
S504、将S502中输出的图像输入S503中得到的训练神经网络模型中，得到清晰输出图像。


3.如权利要求1所述的一种服务器图像处理方法，其特征在于...

【专利技术属性】
技术研发人员：许善聪，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32