联合图像处理优化策略选择系统技术方案

本发明专利技术涉及一种联合图像处理优化策略选择系统，所述系统包括：模型构建器件，用于采用各种基准图像分别对卷积神经网络执行学习操作以获得人工智能预测体；遍历处理机构，用于将待分析图像作为人工智能预测体的输入图像，同时遍历内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的各种顺序以获得最大噪声幅值最小且图像内容清晰度最高的图像优化模式。本发明专利技术的联合图像处理优化策略选择系统设计紧凑、应用广泛。由于能够针对每一帧待优化画面，采用人工智能模型演算出不同图像增强处理组合的不同优化效果，从而为每一帧待优化画面获取最匹配的优化算法。每一帧待优化画面获取最匹配的优化算法。每一帧待优化画面获取最匹配的优化算法。

【技术实现步骤摘要】
联合图像处理优化策略选择系统


[0001]本专利技术涉及图像处理领域，尤其涉及一种联合图像处理优化策略选择系统。

技术介绍

[0002]图像增强是一项重要的图像处理模式，用于提升图像的画面质量，使图像清晰或将其转换为更适合人或机器分析的形式。
[0003]与图像复原不同，图像增强并不要求忠实地反映原始图像。相反，含有某种失真(例如突出轮廓线)的图像可能比无失真的原始图像更为清晰。常用的图像增强方法有：(1)灰度等级直方图处理：使加工后的图像在某一灰度范围内有更好的对比度，广州极数科技有限公司的专利技术CN115761638A是基于图像数据的在线实时智能分析方法及终端设备，方法包括如下步骤：S1、建立数据库；S2、图像数据采集；S3、图像标注，对采集后的图像样本根据规范标准做标注；S4、图像预处理；S5、图像二次处理；S6、对采集的图像数据进行人脸识别，该专利技术对图像进行图像预处理包括灰度等级直方图处理、干扰抑制、边缘锐化和伪彩色处理，以及二次处理，采用光学模块和图像处理模块调整图像的亮度、消除有害光线，提高了采集到的图像的质量，且对监控区域内的人员是否佩戴口罩进行实时检测；实时视频监测和预警在岗人员是否佩戴安全帽，若检测到异常，则立即向平台发出告警；(2)干扰抑制：通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；(3)边缘锐化：通过高通滤波、差分运算或某种变换，使图形的轮廓线增强，合肥埃科光电科技股份有限公司的专利技术CN115311242A是一种工业相机图像锐化方法、装置、设备及存储介质，包括：对输入的原始图像增强图像边缘权重的锐化处理，得到突出图像边缘的初步锐化图层和用于反映图像边缘的边缘图层；对边缘图层，根据区域像素灰度变化程度，赋予所述区域中心像素定值的去除噪声处理，得到去噪边缘图层；FPGA对去噪边缘图层，经减小噪声的锐化权重处理后，与所述初步锐化图层加权融合，形成只对边缘锐化的锐化图像。该专利技术利用边缘判定去除了孤立噪点，进而去除泊松噪声和高斯噪声；又通过加权融合进一步减小了噪声对锐化结果的影响，提高了图像锐化效果；(4)伪彩色处理：将黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息，厦门大学的专利技术CN113436110A是一种对合成孔径雷达灰度图像进行伪彩色处理的方法，包括以下步骤：1)对输入的SAR图像进行滤波预处理，以抑制斑点噪声；2)对SAR图像的灰度值进行分段编码；3)进行RGB波段组合，形成伪彩色增强图像。伪彩色增强后的影像含有丰富的色彩信息，且细节突出、纹理清晰，在陆地和海洋上都具有良好的视觉效果。该专利技术与彩虹编码伪彩色处理所用的时间相似，比像素自身变换法快将近4倍。计算效率高，简单实用。此外，不仅可以对SAR图像进行伪彩色增强，还适用于其它灰度范围窄、噪声大灰度图像，具有较好的通用性。灰度图像经伪彩色处理丰富和突出了地物有用和细节的信息，便于目视解译。。
[0004]然而，由于需要进行图像增强的每一帧画面内容不同，噪声分布状态等性能也不同，在采用多种不同的优化模式时，例如图像锐化、图像滤波以及图像增强，存在各种具体类型可选以及多种图像处理方式顺序可变的各种图像优化策略，无法确定哪一种图像优化
策略最适合当前画面内容，导致最终采用的图像优化策略无法达到最佳优化效果的需求，如果对每一帧画面内容进行各种图像优化策略的处理，再进行处理后的画面质量的比较，显然操作起来也不现实。

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联合图像处理优化策略选择系统，所述系统包括：
[0006]内容存储器件，用于存储各种基准图像，所述各种基准图像的分辨率相同且内容不同；
[0007]网络建立器件，用于建立执行多层图像增强后图像优化效果分析的卷积神经网络，所述卷积神经网络以输入图像在HSB颜色空间下各个像素点分别对应的各个色相成分数值、各个亮度成分数值和各个饱和度成分数值、基于内容滤波处理的优化算法标识、基于内容锐化处理的优化算法标识、基于内容增强处理的优化算法标识、内容滤波处理序号、内容锐化处理序号以及内容增强处理序号为各项输入信息，以基于内容滤波处理序号、内容锐化处理序号以及内容增强处理序号对输入图像执行顺序的三层优化处理后获得的输出图像的最大噪声幅值以及图像内容清晰度作为两项输出信息，所述输入图像与每一种基准图像的分辨率相同；
[0008]模型构建器件，与所述网络建立器件连接，用于采用各种基准图像分别对所述卷积神经网络执行学习操作，以获得完成学习操作后的卷积神经网络并作为人工智能预测体输出；
[0009]遍历处理机构，与所述模型构建器件连接，用于针对与每一种基准图像的分辨率相同的待分析图像，将其作为所述人工智能预测体的输入图像，同时遍历内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的各种顺序以获得最大噪声幅值最小且图像内容清晰度最高的图像优化模式；
[0010]其中，针对与每一种基准图像的分辨率相同的待分析图像，将其作为所述人工智能预测体的输入图像，同时遍历内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的各种顺序以获得最大噪声幅值最小且图像内容清晰度最高的图像优化模式包括：在所述待分析图像对应的输出图像最大噪声幅值最小且图像内容清晰度最高时，将该输出图像对应的内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的顺序作为图像优化模式输出。
[0011]本专利技术的联合图像处理优化策略选择系统能够针对每一帧待优化画面，采用人工智能模型演算出不同图像增强处理组合的不同优化效果，图像增强处理组合中各个图像增强处理的顺序不同，也导致优化效果存在差异，从而以较小的运算代价实现对最佳优化策略的精细化分析。
[0012]由于能够针对每一帧待优化画面，采用人工智能模型演算出不同图像增强处理组合的不同优化效果，从而为每一帧待优化画面获取最匹配的优化算法。
附图说明
[0013]以下将结合附图对本专利技术的实施方案进行描述，其中：
[0014]图1为根据本专利技术A实施方案示出的联合图像处理优化策略选择系统的结构方框图。
[0015]图2为根据本专利技术B实施方案示出的联合图像处理优化策略选择系统的结构方框图。
[0016]图3为根据本专利技术C实施方案示出的联合图像处理优化策略选择系统的结构方框图。
具体实施方式
[0017]下面将参照附图对本专利技术的联合图像处理优化策略选择系统的实施方案进行详细说明。
[0018]A实施方案
[0019]图1为根据本专利技术A实施方案示出的联合图像处理优化策略选择系统的结构方框图，所述系统包括：
[0020]内容存储器件，用于存储各种基准图像，所述各种基准图像的分辨率相同且内容不同；
[0021]网络建立器件，用于建立执行多层图像增强后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合图像处理优化策略选择系统，其特征在于，所述系统包括：内容存储器件，用于存储各种基准图像，所述各种基准图像的分辨率相同且内容不同；网络建立器件，用于建立执行多层图像增强后图像优化效果分析的卷积神经网络，所述卷积神经网络以输入图像在HSB颜色空间下各个像素点分别对应的各个色相成分数值、各个亮度成分数值和各个饱和度成分数值、基于内容滤波处理的优化算法标识、基于内容锐化处理的优化算法标识、基于内容增强处理的优化算法标识、内容滤波处理序号、内容锐化处理序号以及内容增强处理序号为各项输入信息，以基于内容滤波处理序号、内容锐化处理序号以及内容增强处理序号对输入图像执行顺序的三层优化处理后获得的输出图像的最大噪声幅值以及图像内容清晰度作为两项输出信息，所述输入图像与每一种基准图像的分辨率相同；模型构建器件，与所述网络建立器件连接，用于采用各种基准图像分别对所述卷积神经网络执行学习操作，以获得完成学习操作后的卷积神经网络并作为人工智能预测体输出；遍历处理机构，与所述模型构建器件连接，用于针对与每一种基准图像的分辨率相同的待分析图像，将其作为所述人工智能预测体的输入图像，同时遍历内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的各种顺序以获得最大噪声幅值最小且图像内容清晰度最高的图像优化模式；其中，针对与每一种基准图像的分辨率相同的待分析图像，将其作为所述人工智能预测体的输入图像，同时遍历内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的各种顺序以获得最大噪声幅值最小且图像内容清晰度最高的图像优化模式包括：在所述待分析图像对应的输出图像最大噪声幅值最小且图像内容清晰度最高时，将该输出图像对应的内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的顺序作为图像优化模式输出。2.如权利要求1所述的联合图像处理优化策略选择系统，其特征在于：针对与每一种基准图像的分辨率相同的待分析图像，将其作为所述人工智能预测体的输入图像，同时遍历内容滤波处理类型、内容锐化处理类型、内容增强处理类型以及内容滤波处理、内容锐化处理以及内容增强处理被执行的各种顺序以获得最大噪声幅值最小且图像内容清晰度最高的图像优化模式包括：在获取图像优化模式时，最大噪声幅值最小的优先权小于图像内容清晰度最高的优先权；其中，采用各种基准图像分别对所述卷积神经网络执行学习操作，以获得完成学习操作后的卷积神经网络并作为人工智能预测体输出包括：完成学习操作时已执行学习的次数与每一种基准图像的分辨率正向关联。3.如权利要求2所述的联合图像处理优化策略选择系统，其特征在于，所述系统还包括：标识存储机构，用于存储各个类型内容滤波处理的优化算法标识、各个类型内容锐化处理的优化算法标识以及各个类型内容增强处理的优化算法标识。4.如权利要求3所述的联合图像处理优化策略选择系统，其特征在于：所述各个类型内容滤波处理包括引导滤波处理、边缘保持平滑滤波处理、组合滤波处
理、FRANGI滤波处理以及方向滤波处理；其中，所述各个类型内容锐化处理包括水平方向锐化处理、垂直方向锐化处理、Kirsch算子锐化处理以及Rob...

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