【技术实现步骤摘要】
本专利技术涉及一种图像分析领域，尤其涉及一种基于大数据的图像数据融合分析方法。
技术介绍
1、随着社会信息化程度的提高，图像分析在各个领域的应用越来越广泛，传统的图像分析为对单张图片逐一进行分析，不仅分析的效率低，而且数据量小，不能够获取准确的图像分析结果，带有片面性，而且单张图片的信息有限，不能够全面地获取到图像画面内的信息，同时多张图片同时分析对计算机性能要求高，无形中又提高了用户的成本，当两张相似图片进行分析的时候，因为没有关联操作，使得图像分析结果的关联性降低。
2、因此亟需研发一种基于大数据的图像数据融合分析方法，来克服现有技术中的缺点。
技术实现思路
1、(1)要解决的技术问题
2、本专利技术为了克服现有技术中图像处理要求高，单张图像信息有限，多张图像处理任务复杂度高、效率低，数据来源缺失，数据不准确的缺点，本专利技术要解决的技术问题是提供一种基于大数据的图像数据融合分析方法。
3、(2)技术方案
4、为了解决上述技术问题，本专利技术提供了这样一种基于大数据的图像数据融合分析方法，具体为以下流程：
5、s1利用大数据对图像信息进行采集，通过监控或网络爬虫来获取图像数据；
6、s2对采集到的图像数据添加标注，为后续图像存储位置提供标注；
7、s3对大数据采集到的图像数据进行预处理，提取图像特征；
8、s4对提取到的图像特征和数据库原有图像进行相似度检测，将相似图像划分至同一组内
9、s5对采集到的图像进行存储，包括原始图像和特征图像，对相似的图像使用相似检索码来存储，相似图像存放至同一存储空间内，方便后续提取；
10、s6将相似图像进行融合操作，通过聚焦检测、决策优化和图像拼接来实现图像融合；
11、s7图像分析，从融合后的图像中提取信息，并发送至用户。
12、进一步地，所述数据标注用于标注大数据通过图像采集设备、自行读取商业数据、利用爬虫获取网页数据和数据交换等方式采集图像信息，将大数据采集到的信息依据来源和时间进行标注，用于后续分类和存储标记。
13、进一步地，所述图像分析通过提取图像轮廓来检测图像的特征信息，具体步骤如下：
14、t1将图像灰度化，转化为黑白图像进行处理；
15、t2设定一个阈值，根据阈值将图像内的像素灰度转化为0和1；
16、t3遍历每个像素点，当像素点相邻范围内的像素点的值相同时，删除该像素点，保留边界范围的像素点，绘制出图像的轮廓；
17、t4将提取到的轮廓图像缩小至用户预设值n*n的比例，保留为仅有n^2个像素点的图像。
18、进一步地，所述s4的具体步骤为：
19、s4.1从数据库中分好组的图像数据中抽取图像数据，每一组抽取一张图像特征数据；
20、s4.2将大数据获取到的图像特征和从数据库中提取出的图像特征数据进行对比，将两张图像进行重叠，使相同颜色像素重叠的区域标记为0，将像素颜色具有差异的区域标记为1；
21、s4.3将图像中的数值累加，获取最终的图像差异值，当图像的差异值小于n/5，则认为图像相似，其中差异值的判断阈值用户可自行修改；
22、s4.4根据大数据获取到的图像特征和从数据库中提取出的图像特征数据的对比结果，获取大数据采集到的图像分类，并为图像确定组别分类号。
23、进一步地，所述数据存储根据图像的类别进行存储，将相同类别的图像存放至同一内存空间中，同时应用相似的检索码，检索码具体为储存空间位置、数据采集时间和数据组别分类号的融合编码，存储的图像为原始图像和处理后大小为n*n的特征图像
24、进一步地，所述图像融合分为聚焦检测、决策优化和图像拼接三个步骤。
25、进一步地，所述聚焦检测分为以下步骤：
26、u1构建多尺度结构元素，将原始图像内的各个像素点进行膨胀操作，具体公式为：
27、
28、其中，多尺度结构元素ej由j个半径为r的基本结构元素组成，n表示尺度的数目；⊕表示形态梯度算子中的膨胀算子；
29、u2利用形态梯度算子计算图像f(x,y)中尺度为j的梯度特征，具体公式为：
30、
31、其中，和分别是形态梯度算子中的膨胀算子和腐蚀算子，f(x,y)为原始图像，gj(x,y)为尺度为j的梯度特征图像，而在形态学运算当中，形态学梯度等于膨胀算子运算减去腐蚀算子运算；
32、u3将不同尺度下的形态梯度整合成多尺度形态梯度，具体公式为：
33、
34、其中，wj为j尺度下梯度的加权值，值为1/(2j+1)，gj(x,y)为尺度为j的梯度特征图像，g(x,y)为梯度特征图像，通过采用加权和的方式将不同尺度下的形态梯度整合到一起构造多尺度形态梯度,不同的尺度下分配不同的加权值，尺度j越大，加权值便越小，反之尺度j越小，加权值便越大,整合的加权梯度图能很好地表达梯度信息，也能够清楚有效地传递源图像的聚焦信息；
35、u4将区域内的多尺度形态梯度求和，构建区域的多尺度形态聚焦测量，具体公式为：
36、
37、其中，b表示源图像块，gr(x,y)为最终的决策图像。
38、进一步地，所述决策优化通过使用两个连续的滤波器来重建聚焦区域,对初始决策图进行优化，其中一个滤波器对检测到的聚焦区域进行开闭运算处理，对初始决策图中的聚焦区域进行微小调整，平滑聚焦区域的连接部分，并且将附近区域组合为整个区域，实现对检测区域的优化调整；另一个滤波器被用来重建检测区域，将聚焦区域中的小孔进行填充或者删除小的孤立区域，滤波的原理是基于小块孤立区域面积与设定的阈值的比较，如果面积小于设定的阈值则判定为孤立区域进而被滤除，所述阈值通过用户自行设定。
39、进一步地，所述图像拼接首先根据图像中的聚焦部分进行裁剪，将相似图像的聚焦部分裁剪，然后将多张图像进行拼接，边缘部分使用高斯滤波进行平滑操作，使得两张图像的聚焦部分融合到一张图像上，因为多张相似图像具有互补的性质，可以得到更好的全高清图像。
40、进一步地，所述图像分析为对融合后的图像进行分析，判断这些特征的数量、颜色、纹理、形状、位置等信息。
41、(3)有益效果
42、本专利技术通过大数据方式来开展图像分析，解决了传统图像分析数据量少，获取结果不能够满足实际需要的缺点，为用户提供更加宽泛的数据来源，使得图像分析结果更加具有普遍性。
43、本专利技术通过图像融合，寻找多张相似图像的聚焦点，将多张相似图片的内容进行合并，使得图像分析所接收的图片数量大大降低，减少数据分析的系统负担，提高系统进行图像分析时的效率。
44、本专利技术通过将相似图像进行标记，存储到相同存储空间内，同时使用相似的检索码来为检索图像提供指引，使得大数据从数据库中提取数据本文档来自技高网...
【技术保护点】
1.一种基于大数据的图像数据融合分析方法，其特征在于，具体为以下流程：S1利用大数据对图像信息进行采集，通过监控或网络爬虫来获取图像数据；S2对采集到的图像数据添加标注，为后续图像存储位置提供标注；
2.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述数据标注用于标注大数据通过图像采集设备、自行读取商业数据、利用爬虫获取网页数据和数据交换等方式采集图像信息，将大数据采集到的信息依据来源和时间进行标注，用于后续分类和存储标记。
3.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述图像分析通过提取图像轮廓来检测图像的特征信息，具体步骤如下：T1将图像灰度化，转化为黑白图像进行处理；
4.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述S4的具体步骤为：
5.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述数据存储根据图像的类别进行存储，将相同类别的图像存放至同一内存空间中，同时应用相似的检索码，检索码具体为储存空间位置、数据采集时间和
6.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述图像融合分为聚焦检测、决策优化和图像拼接三个步骤。
7.根据权利要求6所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述聚焦检测分为以下步骤：
8.根据权利要求6所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述决策优化通过使用两个连续的滤波器来重建聚焦区域,对初始决策图进行优化，其中一个滤波器对检测到的聚焦区域进行开闭运算处理，对初始决策图中的聚焦区域进行微小调整，平滑聚焦区域的连接部分，并且将附近区域组合为整个区域，实现对检测区域的优化调整；另一个滤波器被用来重建检测区域，将聚焦区域中的小孔进行填充或者删除小的孤立区域，滤波的原理是基于小块孤立区域面积与设定的阈值的比较，如果面积小于设定的阈值则判定为孤立区域进而被滤除，所述阈值通过用户自行设定。
9.根据权利要求6所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述图像拼接首先根据图像中的聚焦部分进行裁剪，将相似图像的聚焦部分裁剪，然后将多张图像进行拼接，边缘部分使用高斯滤波进行平滑操作，使得两张图像的聚焦部分融合到一张图像上，因为多张相似图像具有互补的性质，可以得到更好的全高清图像。
10.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述图像分析为对融合后的图像进行分析，判断这些特征的数量、颜色、纹理、形状、位置等信息。
...【技术特征摘要】
1.一种基于大数据的图像数据融合分析方法，其特征在于，具体为以下流程：s1利用大数据对图像信息进行采集，通过监控或网络爬虫来获取图像数据；s2对采集到的图像数据添加标注，为后续图像存储位置提供标注；
2.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述数据标注用于标注大数据通过图像采集设备、自行读取商业数据、利用爬虫获取网页数据和数据交换等方式采集图像信息，将大数据采集到的信息依据来源和时间进行标注，用于后续分类和存储标记。
3.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述图像分析通过提取图像轮廓来检测图像的特征信息，具体步骤如下：t1将图像灰度化，转化为黑白图像进行处理；
4.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述s4的具体步骤为：
5.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述数据存储根据图像的类别进行存储，将相同类别的图像存放至同一内存空间中，同时应用相似的检索码，检索码具体为储存空间位置、数据采集时间和数据组别分类号的融合编码，存储的图像为原始图像和处理后大小为n*n的特征图像。
6.根据权利要求1所述的一种基于大数据的图像数据融合分析方法，其特征在于，所述图像融合分为聚焦...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。