应用布局探测的图像信号分析系统及方法技术方案

本发明专利技术涉及一种应用布局探测的图像信号分析系统，包括：模型构建机构，用于对卷积神经网络执行各次学习以获得完成各次学习的卷积神经网络并作为人工智能模型输出；伪影辨识机构，用于基于当前处理图像的第一百分比、第二百分比、第一参考数量、第二参考数量以及各个像素点的灰度值智能分析当前处理图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比。本发明专利技术还涉及一种应用布局探测的图像信号分析方法。通过本发明专利技术，能够采用定制的图像信息解析模式获取待处理图像中的各项布局数据，并采用针对性结构和针对性学习后的智能预测模式完成基于各项布局数据的待处理图像的伪影状态的判断，从而实现每一帧待处理图像的伪影信号状态的直接解析。伪影信号状态的直接解析。

【技术实现步骤摘要】
应用布局探测的图像信号分析系统及方法


[0001]本专利技术涉及信号分析领域，尤其涉及一种应用布局探测的图像信号分析系统及方法。

技术介绍

[0002]对信号分析方法的分类存在以下不同：按照发展历程，可以分为传统分析方法和现代分析方法；按照分析所在“域”的不同，可以分为时域分析方法、频域分析方法、时频域分析方法和其他特殊的分析方法；按照被分析信号的特性，可以分为平稳信号分析方法和非平稳信号分析方法。
[0003]这些分类虽然不同，但是他们的发展趋势具有某种程度的一致性：随着时间的发展，信号分析方法从传统走向现代，从时域扩展到频域再到时频域，从平稳到非平稳非线性。人们对信号的认知越来越深刻，信号分析的手段也越来越多样。
[0004]针对图像信号来说，人们希望直接从图像信号的原始数据直接获取图像信号的各种状态信息，尤其是各种质量信息，包括且不限于图像是否存在伪影，以及存在的伪影的严重程度。然而，现有技术中对伪影的分析都是通过采用基于几何特征分析以及基于各个图像分块状态信息的分析模式，容易陷入繁琐、复杂的分析过程。
[0005]CN115767278A公开了一种图像处理方法和装置、电子设备和存储介质，其中，该方法包括：基于符合预设图像低质量条件的目标三原色图像，确定包含所述目标三原色图像对应的目标原生图像的第一原生图像序列；获取与所述第一原生图像序列对应的第一曝光参数序列，并获取所述图像传感器的传感器参数；基于所述第一原生图像序列、所述第一曝光参数序列和所述传感器参数，确定第一图像信号处理参数。本公开实施例可以合理地确定第一图像信号处理参数，有助于提升基于第一图像信号处理参数进行图像信号处理生成三原色图像的图像质量。
[0006]CN115719440A公开了用于图像信号处理器的优化设备，所述优化设备包括处理电路，被配置为使用图像信号处理器的模拟器对用于图像信号处理器优化的样本图片进行处理以获得结果图片；获取基于所述图像信号处理器所应用于的特定任务的任务模型获得的、用于评价所述特定任务对于样本图片的执行效果的评估分数，所述评估分数包括指示样本图片分布偏差的分布评估分数；以及基于所述评估分数来调整图像信号处理器的配置参数。
[0007]CN115714919A公开了用于相机控制以获取图像的方法和设备。方法包括：由图像传感器获取包括至少一帧的图像帧流；通过图像传感器获取目标帧；确定目标帧中的场景信息；通过识别参考帧中目标帧的场景信息，从图像帧流中选择参考帧；确定参考帧的至少一个采集参数；并且使用采集参数从目标帧获取最终图像。
[0008]CN115689858A公开了一种图像信号处理器的构建方法、设备、自动驾驶系统和介质，包括根据图像信号处理模块集合中的至少部分图像信号处理模块，构建多个候选图像信号处理器；利用每个候选图像信号处理器对获取的原始图像进行处理，得到处理后的多
组目标图像；将每组目标图像分别输入预设的至少一个感知任务模型进行感知，输出每个感知任务模型对应的第一感知结果；根据每个候选图像信号处理器的所有第一感知结果，选取满足预设性能指标的候选图像信号处理器作为目标图像信号处理器，实现了以自动驾驶系统感知的视角去选出目标图像信号处理器，降低了基于人眼得到的评判结果的错误率，提升了自动驾驶系统识别的准确性，进而保障自动驾驶系统的安全运行。
[0009]CN115604590A公开了图像信号处理装置和用于操作该图像信号处理装置的方法。在实施例中，图像信号处理装置被配置为从图像传感器设备接收输入图像。该装置还被配置为对输入图像执行合并和裁剪操作以生成第一图像。该装置还被配置为对第一图像执行拜耳域处理以生成第二图像。该装置还被配置为对第二图像执行RGB域处理以生成第三图像。该装置还被配置为对第三图像执行YUV域处理以生成输出图像。YUV域处理包括以下至少一种：空间去噪操作、时间去噪操作、运动补偿操作、色调映射操作、细节增强操作和锐化操作。
[0010]经检索上述现有技术，未发现能够采用定制的图像信息解析模式获取待处理图像中的各项布局数据，并采用针对性结构和针对性学习后的智能预测模式完成基于各项布局数据的待处理图像的伪影状态的判断的技术方案。

技术实现思路

[0011]为了解决相关领域的技术问题，本专利技术提供了一种应用布局探测的图像信号分析系统及方法，能够采用定制的图像信息解析模式获取待处理图像中的各项布局数据，并采用针对性结构和针对性学习后的智能预测模式完成基于各项布局数据的待处理图像的伪影状态的判断，从而保证了图像信号的分析精度和分析效率。
[0012]根据本专利技术的一方面，提供了一种应用布局探测的图像信号分析系统，所述系统包括：
[0013]布局探测器件，用于探测当前处理图像中背景像素点占据百分比以及前景像素点占据百分比，并分别作为第一百分比和第二百分比输出；
[0014]目标提取器件，用于检测所述当前处理图像中的各个边缘像素点，并基于各个边缘像素点分别在所述当前处理图像中的各个位置确定所述当前处理图像中的多个目标分别对应的多个目标存在子图像，统计所述当前处理图像中的多个目标的总数以作为第一参考数量输出，以及统计所述当前处理图像中多个目标存在子图像总共在所述当前处理图像中占据的像素点的总数以作为第二参考数量输出；
[0015]模型构建机构，用于对卷积神经网络执行各次学习以获得完成各次学习的卷积神经网络并作为人工智能模型输出，每一次学习时，所述卷积神经网络的各项输入数据为某一已知图像的第一百分比、某一已知图像的第二百分比、某一已知图像的第一参考数量、某一已知图像的第二参考数量以及某一已知图像的各个像素点分别对应的各个灰度值，所述卷积神经网络的两项输出数据为某一已知图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比，所述某一已知图像为已知伪影信息的单帧图像；
[0016]伪影辨识机构，分别与所述布局探测器件、所述目标提取器件以及所述模型构建机构连接，用于将当前处理图像的第一百分比、当前处理图像的第二百分比、当前处理图像的第一参考数量、当前处理图像的第二参考数量以及当前处理图像的各个像素点分别对应
的各个灰度值输入到所述人工智能模型并执行所述人工智能模型以获得所述人工智能模型输出的当前处理图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比；
[0017]其中，对卷积神经网络执行各次学习以获得完成各次学习的卷积神经网络并作为人工智能模型输出包括：学习的次数与当前处理图像的分辨率正向关联；
[0018]其中，在所述模型构建机构中，任一已知图像的分辨率与当前处理图像的分辨率相同。
[0019]根据本专利技术的另一方面，还提供了一种应用布局探测的图像信号分析方法，所述方法包括：
[0020]使用布局探测器件，用于探测当前处理图像中背景像素点占据百分比以及前景像素点占据百分比，并分别作为第一百分比和第二百分比输出；
[0021]使用目标提取器件，用于检测所述当前处理图像中的各个边缘像素点，并基于各个边本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用布局探测的图像信号分析系统，其特征在于，所述系统包括：布局探测器件，用于探测当前处理图像中背景像素点占据百分比以及前景像素点占据百分比，并分别作为第一百分比和第二百分比输出；目标提取器件，用于检测所述当前处理图像中的各个边缘像素点，并基于各个边缘像素点分别在所述当前处理图像中的各个位置确定所述当前处理图像中的多个目标分别对应的多个目标存在子图像，统计所述当前处理图像中的多个目标的总数以作为第一参考数量输出，以及统计所述当前处理图像中多个目标存在子图像总共在所述当前处理图像中占据的像素点的总数以作为第二参考数量输出；模型构建机构，用于对卷积神经网络执行各次学习以获得完成各次学习的卷积神经网络并作为人工智能模型输出，每一次学习时，所述卷积神经网络的各项输入数据为某一已知图像的第一百分比、某一已知图像的第二百分比、某一已知图像的第一参考数量、某一已知图像的第二参考数量以及某一已知图像的各个像素点分别对应的各个灰度值，所述卷积神经网络的两项输出数据为某一已知图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比，所述某一已知图像为已知伪影信息的单帧图像；伪影辨识机构，分别与所述布局探测器件、所述目标提取器件以及所述模型构建机构连接，用于将当前处理图像的第一百分比、当前处理图像的第二百分比、当前处理图像的第一参考数量、当前处理图像的第二参考数量以及当前处理图像的各个像素点分别对应的各个灰度值输入到所述人工智能模型并执行所述人工智能模型以获得所述人工智能模型输出的当前处理图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比；其中，对卷积神经网络执行各次学习以获得完成各次学习的卷积神经网络并作为人工智能模型输出包括：学习的次数与当前处理图像的分辨率正向关联；其中，在所述模型构建机构中，任一已知图像的分辨率与当前处理图像的分辨率相同。2.如权利要求1所述的应用布局探测的图像信号分析系统，其特征在于，所述系统还包括：等级判断机构，与所述伪影辨识机构连接，用于基于当前处理图像存在伪影的面积百分比确定当前处理图像的伪影严重等级；其中，基于当前处理图像存在伪影的面积百分比确定当前处理图像的伪影严重等级包括：确定的当前处理图像的伪影严重等级与当前处理图像存在伪影的面积百分比正向关联。3.如权利要求1
‑
2任一所述的应用布局探测的图像信号分析系统，其特征在于：每一次学习时，所述卷积神经网络的各项输入数据为某一已知图像的第一百分比、某一已知图像的第二百分比、某一已知图像的第一参考数量、某一已知图像的第二参考数量以及某一已知图像的各个像素点分别对应的各个灰度值，所述卷积神经网络的两项输出数据为某一已知图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比，所述某一已知图像为已知伪影信息的单帧图像包括：当伪影存在标识为0x01时，标记某一已知图像存在伪影，当伪影存在标识为0x00时，标记某一已知图像不存在伪影；其中，每一次学习时，所述卷积神经网络的各项输入数据为某一已知图像的第一百分比、某一已知图像的第二百分比、某一已知图像的第一参考数量、某一已知图像的第二参考数量以及某一已知图像的各个像素点分别对应的各个灰度值，所述卷积神经网络的两项输
出数据为某一已知图像是否存在伪影的伪影存在标识以及存在伪影的面积百分比，所述某一已知图像为已知伪影信息的单帧图像还包括：不同学习，使用的已知图像不同。4.如权利要求1
‑
2任一所述的应用布局探测的图像信号分析系统，其特征在于：检测所述当前处理图像中的各个边缘像素点，并基于各个边缘像素点分别在所述当前处理图像中的各个位置确定所述当前处理图像中的多个目标分别对应的多个目标存在子图像包括：当所述当前处理图像中的某一个像素点周围各个像素点的亮度值均值与所述某一个像素点的亮度值的差值的绝对值大于等于预设绝对值限量时，判断所述某一个像素点为边缘像素点。5.如权利要求4所述的应用布局探测的图像信号分析系统，其特征在于：当所述当前处理图像中的某一个像素点周围各个像素点的亮度值均值与所述某一个像素点的亮度值的差值的绝对值大于等于预设绝对值限量时，判断所述某一个像素点为边缘像素点包括：在所述当前处理图像中的当前像素点与所述当前处理图像中的某一个像素点相隔最少的像素点的数量小于等于预设数量阈值时，判断所述当前像素点为所述某一个像素点的周围像素点；其中，当所述当前处理图像中的某一个像素点周围各个像素点的亮度值均值与所述某一个像素点的亮度值的差值的绝对值大于等于预设绝对值限量时，判断所述某一个像素点为边缘像素点还包括：在所述当前处理图像中的当前像素点与所述当前处理图像中的某一个像素点相隔最少的像素点的数量大于所述预设数量阈值时，判断所述当前像素点并非所述某一个像素点的周围像素点。6.一种应用布局探...

【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：