一种图像处理智能数字化的检测系统及其检测方法技术方案

本发明专利技术涉及图像处理技术领域，公开了一种图像处理智能数字化的检测方法，包括：获取包含待识别目标的初始图像；进行全局显著性度量，得到全局显著性度量结果；采用亮度增强算法以增强初始图像，得到亮度增强图像；对亮度增强图像采用预设的方法进行图像特征提取；采用视区追踪方法分割亮度增强图像，以构建背景与待识别目标的指示向量，得到初始图像的背景图；对背景图进行排序，以实现初始图像的待识别目标检测。本发明专利技术提供的图像处理智能数字化的检测系统及其检测方法，利用图像分割，获得背景图像和前景图像，并对图像进行加权融合，背景图排序，提取图像的显著信息，得到图像的待识别目标，提高待识别目标边缘清晰度，同时提高检测准确率。提高检测准确率。提高检测准确率。

【技术实现步骤摘要】
一种图像处理智能数字化的检测系统及其检测方法


[0001]本专利技术涉及图像处理
，特别涉及一种图像处理智能数字化的检测系统及其检测方法。

技术介绍

[0002]图像显著性目标检测是指利用计算机模拟人眼的视觉注意力机制，从图像中提取人类感兴趣的区域，是计算机视觉领域的关键技术之一。
[0003]图像显著性目标检测的现有技术中，根据所提取图像特征类型的不同，图像显著性目标检测方法分为手工模型和深度学习模型。图像显著性目标检测的手工模型是指根据图像手工特征，例如颜色、纹理、位置和梯度，计算区域的显著值，但低级的图像手工特征无法描述对象的语义信息，在复杂场景中，无法精确描述对象边界；图像显著性目标检测的深度学习模型是指利用卷积神经网络提取图像的高级语义特征计算图像显著值，得到更丰富的深度特征，进而得到更准确的检测结果，但采用深度卷积神经网络会丢失图像显著性目标的位置信息和细节信息，在检测图像显著目标时可能会引入误导信息，导致检测到的图像显著性目标不完整。
[0004]同时，在可见光下，由于背景嘈杂和天气气候恶劣的情况，增加了图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理智能数字化的检测方法，其特征在于，包括：获取包含待识别目标的初始图像；其中，所述待识别目标包括人体目标或物体目标，所述物体目标在所述初始图像中具有完整的轮廓；对所述初始图像进行全局显著性度量，得到所述初始图像的全局显著性度量结果；根据所述全局显著性度量结果采用亮度增强算法以增强所述初始图像，得到亮度增强图像；对所述亮度增强图像采用预设的方法进行图像特征提取；其中，所述图像特征包括亮度、颜色以及方向；采用视区追踪的方法分割所述亮度增强图像，以构建关于初始图像背景与待识别目标的指示向量，得到所述初始图像的背景图；对所述背景图进行排序，以实现所述初始图像的待识别目标检测。2.根据权利要求1所述的图像处理智能数字化的检测方法，其特征在于，所述对所述初始图像进行全局显著性度量，得到所述初始图像的全局显著性度量结果的步骤，包括：分析所述初始图像空间位置之间的竞争关系，在多次迭代后，以拉大显著图与非显著位置之间的显著度差异，其公式为：位置之间的显著度差异，其公式为：其中，F
ij
为第i类第j幅特征图，为第l次迭代得到的显著图，为的直方图；规则化处理所述初始图像特征图对应的显著图，并合并参数，其公式为：其中，FNum
i
为第i类特征中的特征图数目；利用规则化运算符计算与所述初始图像各特征象对应的位置显著图，得到所述初始图像的全局显著性度量结果，其公式为：其中，S
i
为第i类对应的显著图，CNum为特征类别的数量。3.根据权利要求2所述的图像处理智能数字化的检测方法，其特征在于，所述根据所述全局显著性度量结果采用亮度增强算法以增强所述初始图像，得到亮度增强图像的步骤，包括：根据所述全局显著性度量结果，利用亮度加强算法设定发生器，产生多张曝光影像，形成曝光图集，将所述曝光图集表示为：P
i
＝f(P,k
i
)其中，P为图像增强之前的原有像素点，k
i
为曝光率，f为图像增强参数；对曝光图集中的每一张曝光影像进行加权，i个权重组成一个权重图集，归一化处理结
果为：其中，为按照元素划分的参数，W
i
为第i个图集的权重矩阵；重建权重图集，其公式为：其中，c为色彩三通道中的通道，为生成器生成的第i个曝光图，为加权重构参数；将所述多张曝光影像合并为一幅具有设定亮度的影像。4.根据权利要求3所述的图像处理智能数字化的检测方法，其特征在于，所述对所述亮度增强图像采用预设的方法进行图像特征提取的步骤，包括：提取所述亮度增强图像的亮度特征，其公式为：基于提取的所述亮度特征，形成亮度灰度图，对所述亮度增强图像进行高斯滤波处理，获得不同尺度间...

【专利技术属性】
技术研发人员：姚政鹏，
申请(专利权)人：武汉昕微电子科技有限公司，
类型：发明
国别省市：