数据内容复杂度针对性检测系统技术方案

本发明专利技术涉及一种数据内容复杂度针对性检测系统。所述系统包括：内容采集机构，包括数据输入设备、内容获取设备以及明暗分析设备；数据提取机构，包括清晰度检测设备以及对比度测量设备；预测处理设备，用于采用完成预设数目的多次训练后的卷积神经网络以基于待处理画面中的各个像素点分别对应的各个像素值、待处理画面的明暗变化等级、待处理画面的画面清晰度以及待处理画面的画面对比度预测待处理画面中的对象的数量；复杂度判断设备，与预测处理设备连接，用于基于待处理画面中的对象的数量确定其画面复杂度。通过本系统，能够为每一待处理画面提供不同的预测模型以完成对其内容复杂度的针对性判断，从而提升了画面信号处理的智能化水准。理的智能化水准。理的智能化水准。

【技术实现步骤摘要】
数据内容复杂度针对性检测系统


[0001]本专利技术涉及信号处理领域，更具体地，涉及一种数据内容复杂度针对性检测系统。

技术介绍

[0002]信号处理最基本的内容有变换、滤波、调制、解调、检测以及谱分析和估计等。变换诸如类型的傅里叶变换、正弦变换、余弦变换、沃尔什变换等；滤波包括髙通滤波、低通滤波、带通滤波、维纳滤波、卡尔曼滤波、线性滤波、非线性滤波以及自适应滤波等；谱分析方面包括确知信号的分析和随机信号的分析，通常研究最普遍的是随机信号的分析，也称统计信号分析或估计，它通常又分线性谱估计与非线性谱估计；谱估计有周期图估计、最大熵谱估计等。
[0003]随着信号类型的复杂化，在要求分析的信号不能满足高斯分布、非最小相位等条件时，又有髙阶谱分析的方法。高阶谱分析可以提供信号的相位信息、非高斯类信息以及非线性信息，例如专利技术公布CN105137498A是一种基于特征融合的地下目标探测识别系统及方法，所述方法包括检测与采集探地雷达的回波信号；对采集的回波信号进行预处理；对经预处理的回波信号进行增强处理；提取经增强处理的回波信号的时域特征和小波包能谱特征，并对经增强处理的回波信号进行Welch功率谱估计及高阶谱分析，分别得到Welch功率谱和高阶谱；对回波信号的时域特征、小波包能谱特征、Welch功率谱和高阶谱进行融合；对融合的四类信号特征通过小波神经网络进行目标识别；输出目标识别后的结果；该专利技术基于多特征信息融合进行地下目标的综合探测识别，可有效地实现对不同形状和材质的地下目标体进行识别，识别准确度高。自适应滤波与均衡也是应用研究的一大领域，例如专利技术公布CN112865754A是一种基于Gibbs采样器的自适应滤波方法，首先将线性状态空间模型中的过程噪声均值向量及方差矩阵、观测噪声均值向量及方差矩阵看作未知的随机变量，将其先验分布建模为高斯
‑
逆Wishart分布；对于每一个时间历元，在Gibbs采样器的框架下，将未知的均值向量、方差矩阵、当前时间历元及上一个时间历元的系统状态同时进行迭代采样；在进行多次迭代之后，选取达到稳态之后的迭代周期采样的平均值作为最终的状态估计值、噪声均值向量及方差矩阵估计值；该专利技术可以在模型噪声均值向量及方差矩阵设置误差较大时仍然取得较好的状态估计结果，同时可以较为准确的估计出未知的噪声均值向量及方差矩阵。自适应滤波包括横向LMS自适应滤波、格型自适应滤波，自适应对消滤波，以及自适应均衡等。此外，对于阵列信号还有阵列信号处理等，例如专利技术公布CN115118320A是一种嵌套极化敏感天线阵列波束形成方法、装置、设备及介质，该方法包括：根据嵌套极化敏感天线阵列的接收信号张量模型，构造一个虚拟的具有更高自由度的极化敏感天线均匀阵列，该虚拟阵列具有四维数据结构；借助张量运算分别对虚拟阵列数据中的前三维进行子波束形成，得到相应的子波束形成器的最优权矢量；根据最优权矢量，通过张量外积得到虚拟阵列波束形成的最优权张量，进而得到最终的波束形成输出结果；该方案能够有效解决当期望信号与干扰信号的波达角相近或相同时标量传感器阵列难以对干扰信号进行抑制的问题，同时具有较高的(虚拟)阵列自由度从而提升了对干扰的抑制能力。。
[0004]针对画面信号，在执行画面处理时，需要根据画面内容复杂度提升后续画面处理的针对性，例如画面内容复杂度越高，采用的对比度提升的算法复杂度也需要随之提升，然而画面内容复杂度需要人工进行判断，现有技术中无法根据画面信号数据直接完成对画面内容复杂度的电子分析处理，导致画面信号处理的自动化水平低下，无法满足现有的对画面信号处理的速度和效率方面的需求。

技术实现思路

[0005]为了解决相关领域的技术问题，本专利技术提供了一种数据内容复杂度针对性检测系统，能够在获取到每一待处理画面后，选择与所述待处理画面像素点数量相同的多份训练数据对卷积神经网络进行与所述待处理画面像素点数量正向关联的训练次数的多次训练处理，并采用多次训练处理后的卷积神经网络以基于所述待处理画面中的各个像素点分别对应的各个像素值、所述待处理画面的明暗变化等级、所述待处理画面的画面清晰度以及所述待处理画面的画面对比度预测所述待处理画面中的对象的数量，从而为确定所述待处理画面的内容复杂度提供关键信息。
[0006]根据本专利技术的一方面，所述数据内容复杂度针对性检测系统包括：
[0007]内容采集机构，包括数据输入设备、内容获取设备以及明暗分析设备，所述数据输入设备用于接收待处理画面，所述内容获取设备与所述数据输入设备连接，用于获取所述待处理画面中的各个像素点分别对应的各个像素值，所述明暗分析设备与所述数据输入设备连接，用于分析所述待处理画面的明暗变化等级；
[0008]数据提取机构，与所述内容采集机构连接，包括清晰度检测设备以及对比度测量设备，所述清晰度检测设备与所述数据输入设备连接，用于检测所述待处理画面的画面清晰度，所述对比度测量设备与所述数据输入设备连接，用于测量所述待处理画面的画面对比度；
[0009]预测处理设备，分别与所述内容采集机构以及所述数据提取机构连接，用于采用完成预设数目的多次训练后的卷积神经网络以基于所述待处理画面中的各个像素点分别对应的各个像素值、所述待处理画面的明暗变化等级、所述待处理画面的画面清晰度以及所述待处理画面的画面对比度预测所述待处理画面中的对象的数量；
[0010]网络重构设备，与所述预测处理设备连接，用于将完成预设数目的多次训练后的卷积神经网络发送给所述预测处理设备执行预测处理；
[0011]复杂度判断设备，与所述预测处理设备连接，用于基于所述待处理画面中的对象的数量确定所述待处理画面的画面复杂度；
[0012]其中，基于所述待处理画面中的对象的数量确定所述待处理画面的画面复杂度包括：所述待处理画面的画面复杂度与所述待处理画面中的对象的数量正向关联；
[0013]其中，所述待处理画面中的各个像素点的数量越少，所述预设数目的取值越小。
[0014]本专利技术的数据内容复杂度针对性检测系统运行智能、操控简便。由于能够为每一待处理画面提供不同的预测模型以完成对其内容复杂度的针对性判断，从而提升了画面信号处理的智能化水准。
[0015]附图简要说明
[0016]本领域技术人员通过参考附图可更好理解本专利技术的众多优点。
[0017]图1是依照本专利技术第一实施例的数据内容复杂度针对性检测系统的结构示意图。
[0018]图2是依照本专利技术第二实施例的数据内容复杂度针对性检测系统的结构示意图。
[0019]图3是依照本专利技术第三实施例的数据内容复杂度针对性检测系统的结构示意图。
具体实施方式
[0020]第一实施例
[0021]图1是依照本专利技术第一实施例的数据内容复杂度针对性检测系统的结构示意图，所述系统包括：
[0022]内容采集机构，包括数据输入设备、内容获取设备以及明暗分析设备，所述数据输入设备用于接收待处理画面，所述内容获取设备与所述数据输入设备连接，用于获取所述待处理画面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据内容复杂度针对性检测系统，其特征在于，所述系统包括：内容采集机构，包括数据输入设备、内容获取设备以及明暗分析设备，所述数据输入设备用于接收待处理画面，所述内容获取设备与所述数据输入设备连接，用于获取所述待处理画面中的各个像素点分别对应的各个像素值，所述明暗分析设备与所述数据输入设备连接，用于分析所述待处理画面的明暗变化等级；数据提取机构，与所述内容采集机构连接，包括清晰度检测设备以及对比度测量设备，所述清晰度检测设备与所述数据输入设备连接，用于检测所述待处理画面的画面清晰度，所述对比度测量设备与所述数据输入设备连接，用于测量所述待处理画面的画面对比度；预测处理设备，分别与所述内容采集机构以及所述数据提取机构连接，用于采用完成预设数目的多次训练后的卷积神经网络以基于所述待处理画面中的各个像素点分别对应的各个像素值、所述待处理画面的明暗变化等级、所述待处理画面的画面清晰度以及所述待处理画面的画面对比度预测所述待处理画面中的对象的数量；网络重构设备，与所述预测处理设备连接，用于将完成预设数目的多次训练后的卷积神经网络发送给所述预测处理设备执行预测处理；复杂度判断设备，与所述预测处理设备连接，用于基于所述待处理画面中的对象的数量确定所述待处理画面的画面复杂度；其中，基于所述待处理画面中的对象的数量确定所述待处理画面的画面复杂度包括：所述待处理画面的画面复杂度与所述待处理画面中的对象的数量正向关联；其中，所述待处理画面中的各个像素点的数量越少，所述预设数目的取值越小。2.如权利要求1所述的数据内容复杂度针对性检测系统，其特征在于：将完成预设数目的多次训练后的卷积神经网络发送给所述预测处理设备执行预测处理包括：采用已知存在对象数量且像素点数量与所述待处理画面像素点数量相同的某一训练画面完成对所述卷积神经网络的单次训练；其中，采用已知存在对象数量且像素点数量与所述待处理画面像素点数量相同的某一训练画面完成对所述卷积神经网络的单次训练包括：将某一训练画面的存在对象数量作为所述卷积神经网络的单项输出信息，将某一训练画面中的各个像素点分别对应的各个像素值、某一训练画面的明暗变化等级以及某一训练画面的画面清晰度作为所述卷积神经网络的各项输入信息，完成对所述卷积神经网络的单次训练；其中，将某一训练画面的存在对象数量作为所述卷积神经网络的单项输出信息，将某一训练画面中的各个像素点分别对应的各个像素值、某一训练画面的明暗变化等级以及某一训练画面的画面清晰度作为所述卷积神经网络的各项输入信息，完成对所述卷积神经网络的单次训练包括：采用预设数目的多个不同训练画面完成对卷积神经网络的预设数目的多次训练。3.如权利要求2所述的数据内容复杂度针对性检测系统，其特征在于，所述系统进一步包括：云端存储网元，与所述复杂度判断设备网络连接，用于存储画面复杂度与画面中对象数量的正向关联关系；其中，存储画面复杂度与画面中对象数量的正向关联关系包括：采用数据库存储画面复杂度与画面中对象数量的正向关联关系。
4...

【专利技术属性】
技术研发人员：陈春兰，
申请(专利权)人：陈春兰，
类型：发明
国别省市：