一种基于人才图像标识库的图像处理方法、系统及云平台技术方案

本公开涉及图像处理技术领域，特别涉及一种基于人才图像标识库的图像处理方法、系统及云平台。本发明专利技术对第一图像信息进行分类，并从得到的多个图像标识中筛选出关键内容特征，然后通过预设的特征网络训练模型筛选目标标注特征矢量矩阵，而后采用描述方式分析模型对目标标注特征矢量矩阵进行分析，得到描述方式分析结果；对关键内容特征和描述方式分析结果进行反馈分析，得到第二图像信息；根据第二图像信息生成处理后的目标图像块。本发明专利技术能够将样本图像处理过程中的初始图像描述方式分析为目标初始图像描述方式以与预设图像描述标准进行关联，进而提高处理过程中的关联效果，更大程度上地提高预设图像描述标准与云平台的关联度。

【技术实现步骤摘要】
一种基于人才图像标识库的图像处理方法、系统及云平台
本公开涉及图像处理
，特别涉及一种基于人才图像标识库的图像处理方法、系统及云平台。
技术介绍
人才图像标识库，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据运行新增、截取、更新、删除等操作。所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。相关技术对图像标识进行识别后，得到的相关数据。图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。数字图像处理，即用计算机对图像进行处理，其发展历史并不长。数字图像处理技术源于20世纪20年代，当时通过海底电缆传输了一幅照片，采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。但是在对人才图像标识库的图像处理过程中，可能存在一些瑕疵，这样就降低用户视觉体验感。
技术实现思路
为改善相关技术中存在的上述
技术介绍
存在的技术问题，本公开提供了基于人才图像标识库的图像处理方法、系统及云平台。本申请提供了一种基于人才图像标识库的图像处理方法，所述方法包括：根据接收到的初始图像分析指令，每间隔预设时间，将云平台输入的第一图像信息进行分类，得到多个图像标识，并从所述多个图像标识中筛选出图像关键内容，所述图像关键内容包括关键内容特征，所述初始图像分析指令包括目标初始图像描述方式；将所述关键内容特征输入到预设的特征网络训练模型，筛选所述关键内容特征的目标标注特征矢量矩阵；采用所述目标初始图像描述方式对应的描述方式分析模型对所述目标标注特征矢量矩阵进行分析，得到具有所述目标初始图像描述方式的描述方式分析结果；对所述关键内容特征和所述描述方式分析结果进行反馈分析，得到具有所述目标初始图像描述方式的第二图像信息；根据所述第二图像信息生成所述云平台对应的样本图像的处理后的目标图像块。优选地，所述描述方式分析模型利用第一图像样本和任意云平台对应的第二图像样本基于数据化分析的神经网络训练获得，其中，所述第一图像样本具有所述目标初始图像描述方式。优选地，在所述根据接收到的初始图像分析指令，每间隔预设时间，将云平台输入的第一图像信息进行分类，得到多个图像标识，并从所述多个图像标识中筛选出图像关键内容之前，所述方法还包括：预先根据训练样本训练得到所述目标初始图像描述方式对应的描述方式分析模型，具体包括：获取训练样本，所述训练样本包括第一图像样本和任意云平台对应的第二图像样本，其中，所述第一图像样本具有所述目标初始图像描述方式；分别筛选所述第一图像样本的参考描述方式的关键内容和所述第二图像样本的关键内容特征；通过所述特征网络训练模型分别筛选所述参考描述方式的关键内容对应的参考描述方式的特征矢量和所述关键内容特征对应的目标标注特征矢量矩阵；根据所述目标标注特征矢量矩阵和所述参考描述方式的特征矢量训练初始分析模型，得到所述目标初始图像描述方式对应的描述方式分析模型，并存储在所述云平台中。优选地，所述根据所述目标标注特征矢量矩阵和所述参考描述方式的特征矢量训练初始分析模型，得到所述目标初始图像描述方式对应的描述方式分析模型的步骤，包括：将所述目标标注特征矢量矩阵输入到初始分析模型中，生成所述目标标注特征矢量矩阵的参考描述方式分析结果；通过所述特征网络训练模型筛选所述参考描述方式分析结果对应的参考描述方式分析特征矢量；根据所述目标标注特征矢量矩阵、所述参考描述方式的特征矢量以及所述参考描述方式分析特征矢量调整所述初始分析模型的函数参数。优选地，所述根据所述目标标注特征矢量矩阵、所述参考描述方式的特征矢量以及所述参考描述方式分析特征矢量调整所述初始分析模型的函数参数的步骤，包括：确定所述参考描述方式的特征矢量与所述参考描述方式分析特征矢量之间的第一矢量误差系数以及所述参考描述方式分析特征矢量与所述目标标注特征矢量矩阵之间的第二矢量误差系数；根据所述第一矢量误差系数和所述第二矢量误差系数进行反馈描述模拟，并确定所述初始分析模型的函数参数的分布列表；根据确定得到的所述分布列表，采用随机分布列表下匹配更新所述初始分析模型的函数参数后继续模拟，直到所述初始分析模型符合预设模拟终止条件时，输出模拟得到的所述目标初始图像描述方式对应的描述方式分析模型。优选地，所述确定所述参考描述方式的特征矢量与所述参考描述方式分析特征矢量之间的第一矢量误差系数以及所述参考描述方式分析特征矢量与所述目标标注特征矢量矩阵之间的第二矢量误差系数的步骤，包括：生成所述目标标注特征矢量矩阵对应的关键内容特征的明暗对比度、所述参考描述方式的特征矢量对应的参考描述方式的明暗对比度以及所述参考描述方式分析特征矢量对应的参考描述方式分析特征明暗对比度；确定所述参考描述方式的明暗对比度与所述参考描述方式分析特征明暗对比度之间的亮度误差系数作为所述第一矢量误差系数，并确定所述参考描述方式分析特征明暗对比度与所述关键内容特征的明暗对比度之间的亮度误差系数作为所述第二矢量误差系数。优选地，所述确定所述参考描述方式的明暗对比度与所述参考描述方式分析特征明暗对比度之间的亮度误差系数作为所述第一矢量误差系数的步骤，包括：确定所述参考描述方式的明暗对比度中的亮度值的明暗亮度值以及所述参考描述方式分析特征明暗对比度对应位置的亮度值的明暗亮度值之间的明暗度差异，并确定所述参考描述方式的明暗对比度中的每个亮度值和所述参考描述方式分析特征明暗对比度中对应位置的之间的差异平均值；对所有亮度值分别对应的差异平均值进行整合，得到所述参考描述方式的明暗对比度与所述参考描述方式分析特征明暗对比度之间的亮度误差系数；确定所述参考描述方式分析特征明暗对比度与所述关键内容特征的明暗对比度之间的亮度误差系数作为所述第二矢量误差系数的步骤，包括：确定所述参考描述方式分析特征明暗对比度中的亮度值的明暗亮度值以及所述关键内容特征的明暗对比度对应位置的亮度值的明暗亮度值之间的明暗度差异，并确定所述参考描述方式分析特征明暗对比度中的每个亮度值和所述关键内容特征的明暗对比度中对应位置的亮度值之间的差异平均值；对所有亮度值分别对应的差异平均值进行整合，得到所述参考描述方式分析特征明暗对比度与所述关键内容特征的明暗对比度之间的亮度误差系数。本申请提供了一种基于人才图像标识库的图像处理系统，其特征在于，包括图像采集设备和云平台，所述图像采集设备和所述云平台相互通信，所述云平台包括：关键内容筛选模型，用于根据接收到的初始图像分析指令，每间隔预设时间，将云平台输入的第一本文档来自技高网...

【技术保护点】
1.一种基于人才图像标识库的图像处理方法，其特征在于，所述方法包括：/n根据接收到的初始图像分析指令，每间隔预设时间，将云平台输入的第一图像信息进行分类，得到多个图像标识，并从所述多个图像标识中筛选出图像关键内容，所述图像关键内容包括关键内容特征，所述初始图像分析指令包括目标初始图像描述方式；/n将所述关键内容特征输入到预设的特征网络训练模型，筛选所述关键内容特征的目标标注特征矢量矩阵；/n采用所述目标初始图像描述方式对应的描述方式分析模型对所述目标标注特征矢量矩阵进行分析，得到具有所述目标初始图像描述方式的描述方式分析结果；/n对所述关键内容特征和所述描述方式分析结果进行反馈分析，得到具有所述目标初始图像描述方式的第二图像信息；/n根据所述第二图像信息生成所述云平台对应的样本图像的处理后的目标图像块。/n

【技术特征摘要】
1.一种基于人才图像标识库的图像处理方法，其特征在于，所述方法包括：
根据接收到的初始图像分析指令，每间隔预设时间，将云平台输入的第一图像信息进行分类，得到多个图像标识，并从所述多个图像标识中筛选出图像关键内容，所述图像关键内容包括关键内容特征，所述初始图像分析指令包括目标初始图像描述方式；
将所述关键内容特征输入到预设的特征网络训练模型，筛选所述关键内容特征的目标标注特征矢量矩阵；
采用所述目标初始图像描述方式对应的描述方式分析模型对所述目标标注特征矢量矩阵进行分析，得到具有所述目标初始图像描述方式的描述方式分析结果；
对所述关键内容特征和所述描述方式分析结果进行反馈分析，得到具有所述目标初始图像描述方式的第二图像信息；
根据所述第二图像信息生成所述云平台对应的样本图像的处理后的目标图像块。


2.根据权利要求1所述的基于人才图像标识库的图像处理方法，其特征在于，所述描述方式分析模型利用第一图像样本和任意云平台对应的第二图像样本基于数据化分析的神经网络训练获得，其中，所述第一图像样本具有所述目标初始图像描述方式。


3.根据权利要求1所述的基于人才图像标识库的图像处理方法，其特征在于，在所述根据接收到的初始图像分析指令，每间隔预设时间，将云平台输入的第一图像信息进行分类，得到多个图像标识，并从所述多个图像标识中筛选出图像关键内容之前，所述方法还包括：
预先根据训练样本训练得到所述目标初始图像描述方式对应的描述方式分析模型，具体包括：获取训练样本，所述训练样本包括第一图像样本和任意云平台对应的第二图像样本，其中，所述第一图像样本具有所述目标初始图像描述方式；
分别筛选所述第一图像样本的参考描述方式的关键内容和所述第二图像样本的关键内容特征；
通过所述特征网络训练模型分别筛选所述参考描述方式的关键内容对应的参考描述方式的特征矢量和所述关键内容特征对应的目标标注特征矢量矩阵；
根据所述目标标注特征矢量矩阵和所述参考描述方式的特征矢量训练初始分析模型，得到所述目标初始图像描述方式对应的描述方式分析模型，并存储在所述云平台中。


4.根据权利要求3所述的基于人才图像标识库的图像处理方法，其特征在于，所述根据所述目标标注特征矢量矩阵和所述参考描述方式的特征矢量训练初始分析模型，得到所述目标初始图像描述方式对应的描述方式分析模型的步骤，包括：
将所述目标标注特征矢量矩阵输入到初始分析模型中，生成所述目标标注特征矢量矩阵的参考描述方式分析结果；
通过所述特征网络训练模型筛选所述参考描述方式分析结果对应的参考描述方式分析特征矢量；
根据所述目标标注特征矢量矩阵、所述参考描述方式的特征矢量以及所述参考描述方式分析特征矢量调整所述初始分析模型的函数参数。


5.根据权利要求4所述的基于人才图像标识库的图像处理方法，其特征在于，所述根据所述目标标注特征矢量矩阵、所述参考描述方式的特征矢量以及所述参考描述方式分析特征矢量调整所述初始分析模型的函数参数的步骤，包括：
确定所述参考描述方式的特征矢量与所述参考描述方式分析特征矢量之间的第一矢量误差系数以及所述参考描述方式分析特征矢量与所述目标标注特征矢量矩阵之间的第二矢量误差系数；
根据所述第一矢量误差系数和所述第二矢量误差系数进行反馈描述模拟，并确定所述初始分析模型的函数参数的分布列表；
根据确定得到的所述分布列表，采用随机分布列表下匹配更新所述初始分析模型的函数参数后继续模拟，直到所述初始分析模型符合预设模拟终止条件时，输出模拟得到的所述目标初始图像描述方式对应的描述方式分析模型...

【专利技术属性】
技术研发人员：吴纪元，林应康，
申请(专利权)人：东莞博士技术转移研究院有限公司，
类型：发明
国别省市：广东;44