一种基于大数据技术的图像动态可视化方法技术

本发明专利技术涉及图像通信技术领域，特别是涉及一种基于大数据技术的图像动态可视化方法。包括：基于大数据技术获取高动态范围图像；对高动态范围图像进行色彩空间转换，获得高动态范围图像的亮度分量和颜色分量；对亮度分量进行归一化处理，并利用Total Variation模型提取归一化处理后的亮度图像的结构分量和纹理分量，对结构分量进行自适应动态范围压缩，获得压缩输出，对纹理分量和压缩输出进行基于泰勒级数的纹理信息融合，获得重建后的亮度信息，对颜色分量进行色彩信息处理。本发明专利技术可以有效地实现高动态范围场景可视化，并且通过多参数化的图像处理手段，极大地提高了最终的图像动态可视化效果。态可视化效果。态可视化效果。

【技术实现步骤摘要】
一种基于大数据技术的图像动态可视化方法


[0001]本专利技术涉及图像通信
，特别是涉及一种基于大数据技术的图像动态可视化方法。

技术介绍

[0002]动态可视化主要应用的场景是以将同一数据需要多维度进行对比的时候，比如各地区各年份的经济数据对比、销售员工一年中每月销售数据的对比等以图表的形式将数据动态可视化，之所以做成动态可视化，是为了让对比变化趋势更加具象，更加生动。
[0003]然而现有技术中，动态可视化主要都是应用于图表数据动态可视化以及网络信息动态可视化，并不存在应用于图像的动态可视化技术，并且，针对图像处理的动态可视化过程中，由于图像区别于数据信息，图像信息包括的基本属性有像素、分辨率、颜色、色调、饱和度、亮度、色彩通道等组成，因此，对于图像的动态可视化处理需要对各种基本属性的参数进行调整，否则，就会导致最终图像的动态可视化效果不佳。因此，如何提供一种基于大数据技术的图像动态可视化方法是本领域技术人员急需解决的技术问题。

技术实现思路

[0004]本专利技术的目的是提供一种基于大数据技术的图像动态可视化方法，本专利技术可以有效地实现了高动态范围场景可视化，并且通过多参数化的图像处理手段，极大地提高了最终的图像动态可视化效果。
[0005]本专利技术改进了现有技术中，动态可视化主要都是应用于图表数据动态可视化以及网络信息动态可视化，并不存在应用于图像的动态可视化技术的问题，本专利技术通过对高动态范围图像进行色彩空间转换以及归一化处理，得到亮度图像的结构分量和纹理分量，再结合动态压缩以及数据融合等方式获得高动态范围图像的动态可视化结果，解决了如何应用于图像的动态可视化技术的问题。
[0006]本专利技术改进了现有技术中，针对图像处理的动态可视化过程中，对于图像的动态可视化处理需要对各种基本属性的参数进行调整以提高动态可视化效果的问题，本专利技术通过结合亮度分量、结构分量以及重建亮度信息等作为参数，进行适时化地调整，对高动态范围图像进行合理化的参数输出调整，有效的提高了最终的图像动态可视化效果。
[0007]为了实现上述目的，本专利技术提供了如下的技术方案：一种基于大数据技术的图像动态可视化方法，包括：基于大数据技术获取高动态范围图像；对所述高动态范围图像进行色彩空间转换，获得所述高动态范围图像的亮度分量和颜色分量；对所述亮度分量进行归一化处理，并利用Total Variation模型提取归一化处理后的亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建后
的亮度信息，对所述颜色分量进行色彩信息处理；根据所述重建后的亮度信息和经所述色彩信息处理后的所述颜色分量进行色彩信息恢复，获得所述高动态范围图像的动态可视化结果。
[0008]在本申请的一些实施例中，所述对所述高动态范围图像进行色彩空间转换，包括：将所述高动态范围图像从RGB色彩空间转换到HSV色彩空间，并获得色调信息H、饱和度信息S和亮度信息V；其中，所述亮度分量包括所述亮度信息V，所述颜色分量包括所述色调信息H和所述饱和度信息S。
[0009]在本申请的一些实施例中，还包括：获取所述亮度分量的最大值N；预先设定预设亮度分量最大值矩阵T0和预设归一化亮度值矩阵A，对于所述预设归一化亮度值矩阵A，设定A(A1,A2,A3,A4)，其中A1为第一预设归一化亮度值，A2为第二预设归一化亮度值，A3为第三预设归一化亮度值，A4为第四预设归一化亮度值，且A1＜A2＜A3＜A4；对于所述预设亮度分量最大值矩阵T0，设定T0(T01,T02,T03,T04),其中，T01为第一预设亮度分量最大值，T02为第二预设亮度分量最大值，T03为第三预设亮度分量最大值，T04为第四预设亮度分量最大值，且T01＜T02＜T03＜T04；根据N与所述预设亮度分量最大值矩阵T0之间的关系选定相应的归一化亮度值作为归一化处理后的亮度值；当N＜T01时，选定所述第四预设归一化亮度值A4作为归一化处理后的亮度值；当T01≤N＜T02，选定所述第三预设归一化亮度值A3作为归一化处理后的亮度值；当T02≤N＜T03，选定所述第二预设归一化亮度值A2作为归一化处理后的亮度值；当T03≤N＜T04，选定所述第一预设归一化亮度值A1作为归一化处理后的亮度值。
[0010]在本申请的一些实施例中，还包括：计算归一化处理后的亮度图像的结构分量M；预先设定预设结构分量矩阵Y0和预设纹理分量矩阵B，对于所述预设预设纹理分量矩阵B，设定B(B1,B2,B3,B4)，其中B1为第一预设纹理分量，B2为第二预设纹理分量，B3为第三预设纹理分量，B4为第四预设纹理分量，且B1＜B2＜B3＜B4；对于所述预设结构分量矩阵Y0，设定Y0(Y01,Y02,Y03,Y04),其中，Y01为第一预设结构分量，Y02为第二预设结构分量，Y03为第三预设结构分量，Y04为第四预设结构分量，且Y01＜Y02＜Y03＜Y04；根据M与所述预设结构分量矩阵Y0之间的关系选定相应的纹理分量作为归一化处理后的亮度图像的纹理分量；当M＜Y01时，选定所述第四预设纹理分量B4作为归一化处理后的亮度图像的纹理分量；当Y01≤M＜Y02，选定所述第三预设纹理分量B3作为归一化处理后的亮度图像的纹理分量；当Y02≤M＜Y03，选定所述第二预设纹理分量B2作为归一化处理后的亮度图像的纹理分量；当Y03≤M＜Y04，选定所述第一预设纹理分量B1作为归一化处理后的亮度图像的纹理分量。
[0011]在本申请的一些实施例中，还包括：计算所述结构分量的平均值m；预先设定预设结构分量平均值矩阵I0和预设压缩输出值矩阵C，对于所述预设压缩输出值矩阵C，设定C(C1,C2,C3,C4)，其中C1为第一预设压缩输出值，C2为第二预设压缩输出值，C3为第三预设压缩输出值，C4为第四预设压缩输出值，且C1＜C2＜C3＜C4；对于所述预设结构分量平均值矩阵I0，设定I0(I01,I02,I03,I04),其中，I01为第一预设结构分量平均值，I02为第二预设结构分量平均值，I03为第三预设结构分量平均值，I04为第四预设结构分量平均值，且I01＜I02＜I03＜I04；根据m与所述预设结构分量平均值矩阵I0之间的关系选定相应的压缩输出值作为所述结构分量进行自适应动态范围压缩；当m＜I01时，选定所述第一预设压缩输出值C1作为所述结构分量进行自适应动态范围压缩；当I01≤m＜I02，选定所述第二预设压缩输出值C2作为所述结构分量进行自适应动态范围压缩；当I02≤m＜I03，选定所述第三预设压缩输出值C3作为所述结构分量进行自适应动态范围压缩；当I03≤m＜I04，选定所述第四预设压缩输出值C4作为所述结构分量进行自适应动态范围压缩。
[0012]在本申请的一些实施例中，预先设定预设重建亮度信息矩阵D，设定D(D1,D2,D3,D4)，其中D1为第一预设重建亮度信息，D2为第二预设重建亮度信息，D3为第三预设重建亮度信息，D4为第四预设重建亮度信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据技术的图像动态可视化方法，其特征在于，包括：基于大数据技术获取高动态范围图像；对所述高动态范围图像进行色彩空间转换，获得所述高动态范围图像的亮度分量和颜色分量；对所述亮度分量进行归一化处理，并利用Total Variation模型提取归一化处理后的亮度图像的结构分量和纹理分量，对所述结构分量进行自适应动态范围压缩，获得压缩输出，对所述纹理分量和所述压缩输出进行基于泰勒级数的纹理信息融合，获得重建后的亮度信息，对所述颜色分量进行色彩信息处理；根据所述重建后的亮度信息和经所述色彩信息处理后的所述颜色分量进行色彩信息恢复，获得所述高动态范围图像的动态可视化结果。2.根据权利要求1所述的一种基于大数据技术的图像动态可视化方法，其特征在于，所述对所述高动态范围图像进行色彩空间转换，包括：将所述高动态范围图像从RGB色彩空间转换到HSV色彩空间，并获得色调信息H、饱和度信息S和亮度信息V；其中，所述亮度分量包括所述亮度信息V，所述颜色分量包括所述色调信息H和所述饱和度信息S。3.根据权利要求2所述的一种基于大数据技术的图像动态可视化方法，其特征在于，还包括：获取所述亮度分量的最大值N；预先设定预设亮度分量最大值矩阵T0和预设归一化亮度值矩阵A，对于所述预设归一化亮度值矩阵A，设定A(A1,A2,A3,A4)，其中A1为第一预设归一化亮度值，A2为第二预设归一化亮度值，A3为第三预设归一化亮度值，A4为第四预设归一化亮度值，且A1＜A2＜A3＜A4；对于所述预设亮度分量最大值矩阵T0，设定T0(T01,T02,T03,T04),其中，T01为第一预设亮度分量最大值，T02为第二预设亮度分量最大值，T03为第三预设亮度分量最大值，T04为第四预设亮度分量最大值，且T01＜T02＜T03＜T04；根据N与所述预设亮度分量最大值矩阵T0之间的关系选定相应的归一化亮度值作为归一化处理后的亮度值；当N＜T01时，选定所述第四预设归一化亮度值A4作为归一化处理后的亮度值；当T01≤N＜T02，选定所述第三预设归一化亮度值A3作为归一化处理后的亮度值；当T02≤N＜T03，选定所述第二预设归一化亮度值A2作为归一化处理后的亮度值；当T03≤N＜T04，选定所述第一预设归一化亮度值A1作为归一化处理后的亮度值。4.根据权利要求3所述的一种基于大数据技术的图像动态可视化方法，其特征在于，还包括：计算归一化处理后的亮度图像的结构分量M；预先设定预设结构分量矩阵Y0和预设纹理分量矩阵B，对于所述预设预设纹理分量矩阵B，设定B(B1,B2,B3,B4)，其中B1为第一预设纹理分量，B2为第二预设纹理分量，B3为第三预设纹理分量，B4为第四预设纹理分量，且B1＜B2＜B3＜B4；对于所述预设结构分量矩阵Y0，设定Y0(Y01,Y02,Y03,Y04),其中，Y01为第一预设结构分量，Y02为第二预设结构分量，Y03为第三预设结构分量，Y04为第四预设结构分量，且Y01＜Y02＜Y03＜Y04；
根据M与所述预设结构分量矩阵Y0之间的关系选定相应的纹理分量作为归一化处理后的亮度图像的纹理分量；当M＜Y01时，选定所述第四预设纹理分量B4作为归一化处理后的亮度图像的纹理分量；当Y01≤M＜Y02，选定所述第三预设纹理分量B3作为归一化处理后的亮度图像的纹理分量；当Y02≤M＜Y03，选定所述第二预设纹理分量B2作为归一化处理后的亮度图像的纹理分量；当Y03≤M＜Y04，选定所述第一预设纹理分量B1作为归一化处理后的亮度图像的纹理分量。5.根据权利要求4所述的一种基于大数据技术的图像动态可视化方法，其特征在于，还包括：计算所述结构分量的平均值m；预先设定预设结构分量平均值矩阵I0和预设压缩输出值矩阵C，对于所述预设压缩输出值矩阵C，设定C(C1,C2,C3,C4)，其中C1为第一预设压缩输出值，C2为第二预设压缩输出值，C3为第三预设压缩输出值，C4为第四预设压缩输出...

【专利技术属性】
技术研发人员：高峰，
申请(专利权)人：廊坊奎达信息技术有限公司，
类型：发明
国别省市：