一种基于Hodges-Lehmann的消防危险品图像超分方法及装置制造方法及图纸

本发明专利技术提供了一种基于Hodges

【技术实现步骤摘要】
一种基于Hodges
‑
Lehmann的消防危险品图像超分方法及装置


[0001]本专利技术涉及安全工程
，特别是指一种基于Hodges
‑
Lehmann的消防危险品图像超分方法及装置。

技术介绍

[0002]图像视频作为一个信息传递的载体时时刻刻在人们的日常生活中发挥着极其重要的作用，人类社会每天都会产生不计其数的图像与视频信息。随着人工智能和计算机视觉技术的发展，图像识别技术逐渐应用于文物古建筑中进行危险品的识别。然而，由于有效距离、设备硬件和存储单元等储存条件的限制，导致采集的图像分辨率质量不高；尤其是拍摄的图像中存在很多小尺寸目标，这些小尺寸目标缺乏足够的细节信息，这导致他们容易被错误分类，影响识别精度。这可能使一些小型点火源等危险品无法精准识别，从而导致十分严重的事故，因此需要提出一种有效且实时性的图像超分技术对采集的图像进行重建。
[0003]在数值分析中，双三次插值是二维空间中最常用的插值方法。在这种方法中，插值点(x, y)的像素灰度值f(x, y)通过矩形网格中最近的十六个采样点的加权平均得到，而各采样点的权重由该点到待求插值点的距离确定，此距离包括水平和竖直两个方向上的距离。但4
×
4大小的区域内的16个像素点均不在区域内的几何中心上，这样计算出插值核中各点的权重可能存在权重数值分布不均，距离中心点越远的点权重越小，外围点对插值点的计算贡献度微乎其微，从而使得图像边缘模糊，双三次插值计算量很大等问题。因此本专利提出一种基于Hodges
‑
Lehmann（HL）的双三次插值算法，旨在消除边缘模糊提升识别图像质量的同时减少算法的计算量。
[0004]目前基于学习的图像超分技术能够重建更好的分辨率图像，但是大多数算法无法在移动端部署或实际应用，少有真正基于超分需求建立的网络，多数是通用型架构，而且需要依赖大量的数据集进行训练。传统的基于插值的图像超分技术相对基于学习的方法更为简单有效，但是往往重建结果的边缘和轮廓较为模糊，纹理恢复效果不佳。即是效果最好的双三次插值，由于计算出插值核中各点的权重可能存在权重数值分布不均，距离中心点越远的点权重越小，外围点对插值点的计算贡献度微乎其微，从而使得图像边缘细节损失，而使重建的图像边缘轮廓模糊。

技术实现思路

[0005]针对现有技术中由于图像边缘细节损失，而使重建的图像边缘轮廓模糊的问题，本专利技术提出了一种基于Hodges
‑
Lehmann的消防危险品图像超分方法及装置。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一方面，提供了一种基于Hodges
‑
Lehmann的消防危险品图像超分方法，该方法应用于电子设备，包括以下步骤：S1：通过危险品的原始图像，获取待检测图像中多个像素点的各颜色通道下的灰度值矩阵；
S2：对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像，构建矩形网格，选取矩形网格中距离目标像点最近的十六个采样点；S3：根据所述十六个采样点，计算插值核内像素值的Hodges
‑
Lehmann值，更新目标像点的像素值；S4：根据所述插值核内像素值的Hodges
‑
Lehmann值，设定图像超分评估指标，完成基于Hodges
‑
Lehmann的消防危险品图像超分。
[0007]可选地，步骤S1中，通过危险品的原始图像，获取待检测图像中多个像素点的各颜色通道下的灰度值矩阵，包括：S11：采集原始图像RGB颜色通道的灰度矩阵，记为原始像素矩阵，记第行、第列的像素点为，彩色值为；S12：对原始像素矩阵进行0值加边填充，获得待检测图像，以及检测图像的灰度值矩阵。
[0008]可选地，步骤S2中，对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像，构建矩形网格，选取矩形网格中距离目标像点最近的十六个采样点，包括：S21：对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像；其中所述重构图像中待插入像素点的坐标为，缩放倍数为，则映射到原始图像中点坐标的计算公式如下述公式（1）所示：S22：判定中心点P，构建矩形网格；S23：根据所述中心点P，通过插值运算法，选取矩形网格中距离目标像点最近的十六个采样点，得到插值点的像素灰度值，其中，采样点与目标像点的距离包括水平和竖直两个方向上的距离。
[0009]可选地，步骤S22中，判定中心点P，构建矩形网格，包括：设定中心点P落在映射后的图像区域内，则以P为中心，对所述图像区域进行左上、右上、左下、右下四个区域的正方形划分，则对应中心点P的区域四角选取分别为A、B、C、D四点，构建矩形网格。
[0010]可选地，步骤S3中，根据所述十六个采样点，计算插值核内像素值的Hodges
‑
Lehmann值，更新目标像点的像素值，包括：S31：将确定的十六个采样点看成4
×
4矩阵；S32：将所有像素值进行展平排列，，并进行两两配对，并将配对结果置于集合中；其中表示像素值矩阵中的像素值；S33：计算每个配对像素的平均值，并将计算结果保存至新的集合中，待所有配对像素的平均值计算完成后，计算新的集合中所有元素的中位数，根据下述公式（2）
得到插值核内像素灰度值的HL值：其中，表示Hodges
‑
Lehmann值；Median函数为中位数计算函数；表示缩放后插值所对应的像素值。
[0011]可选地，步骤S4，根据所述插值核内像素值的Hodges
‑
Lehmann值，设定图像超分评估指标，完成基于Hodges
‑
Lehmann的消防危险品图像超分，包括：S41：将原始图像像素值和Hodges
‑
Lehmann值对比，进行峰值信噪比评估；S42：通过计算协方差作为图像结构相似性程度的度量值，通过计算均值作为图像亮度估计值，通过计算标准差作为图像对比度估计值，进行结构相似度SSIM评估；S43：综合所述峰值信噪比评估结果以及SSIM评估结果，完成基于Hodges
‑
Lehmann的消防危险品图像超分。
[0012]一方面，提供了一种基于Hodges
‑
Lehmann的消防危险品图像超分装置，该装置应用于电子设备，该装置包括：初始化模块，用于通过危险品的原始图像，获取待检测图像中多个像素点的各颜色通道下的灰度值矩阵；缩放模块，用于对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像，选取矩形网格中距离目标像点最近的十六个采样点；HL值计算模块，用于根据所示十六个采样点，计算插值核内像素值的Hodges
‑
Lehmann值，更新目标像点的像素值；超分评估模块，用于根据所述插值核内像素值的Hodges
‑
Lehmann值，设定图像超分评估指标，完成基于Ho本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Hodges
‑
Lehmann的消防危险品图像超分方法，其特征在于，包括以下步骤：S1：通过危险品的原始图像，获取待检测图像中多个像素点的各颜色通道下的灰度值矩阵；S2：对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像，构建矩形网格，选取矩形网格中距离目标像点最近的十六个采样点；S3：根据所述十六个采样点，计算插值核内像素值的Hodges
‑
Lehmann值，更新目标像点的像素值；S4：根据所述插值核内像素值的Hodges
‑
Lehmann值，设定图像超分评估指标，完成基于Hodges
‑
Lehmann的消防危险品图像超分。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，通过危险品的原始图像，获取待检测图像中多个像素点的各颜色通道下的灰度值矩阵，包括：S11：采集原始图像RGB颜色通道的灰度矩阵，记为原始像素矩阵，记第行、第列的像素点为，彩色值为；S12：对原始像素矩阵进行0值加边填充，获得待检测图像以及所述待检测图像的灰度值矩阵。3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像，构建矩形网格，选取矩形网格中距离目标像点最近的十六个采样点，包括：S21：对原始图像进行缩放获得重构图像，将所述重构图像根据缩放倍数映射到原始图像；其中所述重构图像中待插入像素点的坐标为，缩放倍数为，则映射到原始图像中点坐标的计算公式如下述公式（1）所示：S22：判定中心点P，构建矩形网格；S23：根据所述中心点P，通过插值运算法，选取矩形网格中距离目标像点最近的十六个采样点，得到插值点的像素灰度值，其中，采样点与目标像点的距离包括水平和竖直两个方向上的距离。4.根据权利要求3所述的方法，其特征在于，所述步骤S22中，判定中心点P，构建矩形网格，包括：设定点P落在映射后的图像区域内，则以P为中心，对所述图像区域进行左上、右上、左下、右下四个区域的正方形划分，则对应中心点P的区域四角选取分别为A、B、C、D四点，构建矩形网格。5.根据权利要求1所述的方法，其特征在于，所述步骤S3中，根据所述十六个采样点，计算插值核内像素值的Hodges
‑
Lehmann值，更新目标像点的像素值，包括：S31：将确定的十六个采样点看成4
×
4矩阵；S32：将所有像素值进行展平排列，，并进行两两配对，并将
配对结果置于集合中；其中表示像素值矩阵中的像素值；S33：计算每个配对像素的平均值，并将计算结果保存至新的集合中，待所有配对像素的平均值计算完成后，计算新的集合中所有元素的中位数，根据下述公式（2）得到插值核内像素灰度值的HL值：其中，表示Hodges
‑
Le...

【专利技术属性】
技术研发人员：高学鸿，王波，黄国忠，李浩轩，蒋慧灵，周亮，邓青，张磊，李宁，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：