【技术实现步骤摘要】
本专利技术涉及图像滤波增强，具体涉及一种基于大数据的智慧社区资源管理方法及系统。
技术介绍
1、随着监控技术的普及和大数据分析的快速发展，通常利用监控对智慧社区资源进行监测，根据监测得到的图像结合大数据进行分析处理，从而进行智慧社区资源管理。但是通过监控得到的智慧社区监测图像通常会受到电磁干扰、电压波动等因素的影响，导致出现条纹干扰，从而导致智慧社区监测图像的质量降低，影响智慧社区资源管理。因此需要对智慧社区监测图像进行图像增强。
2、现有技术通常通过非局部均值滤波对智慧社区监测图像进行图像滤波增强，但是条纹干扰影响下的智慧社区监测图像中，受到条纹干扰的像素点数量较多，采用非局部均值滤波时，会导致图像原本的有效信息被覆盖，使得滤波效果较差，即现有技术通常通过非局部均值滤波对智慧社区监测图像进行图像滤波增强效果较差，也即增强后的智慧社区监测图像较为模糊，使得对智慧社区资源管理的效果较差。
技术实现思路
1、为了解决现有技术通常通过非局部均值滤波对智慧社区监测图像进行图像滤波增强效果较差，也即增强后的智慧社区监测图像较为模糊，使得对智慧社区资源管理的效果较差的技术问题，本专利技术的目的在于提供一种基于大数据的智慧社区资源管理方法及系统，所采用的技术方案具体如下：
2、本专利技术提出了一种基于大数据的智慧社区资源管理方法，所述方法包括：
3、获取受到条纹干扰的智慧社区监测灰度图像；
4、根据每个像素点与其局部邻域像素点之间的整体灰度差异，得
5、根据所述整体干扰强度，以及每个像素点对应的条纹干扰方向上邻域内各个像素点的局部离群程度分布情况，得到每个像素点的参考干扰程度；根据每个像素点与其对应的垂直于条纹干扰方向上的各个像素点之间的局部离群程度分布规律，对所述参考干扰程度进行修正，得到每个像素点的修正干扰程度；
6、根据所述修正干扰程度得到每个像素点的非局部均值滤波权重；根据所述非局部均值滤波权重对智慧社区监测灰度图像进行非局部均值滤波，得到智慧社区监测增强图像；根据智慧社区监测增强图像进行智慧社区资源管理。
7、进一步地，所述局部离群程度的获取方法包括：
8、将每个像素点的预设第一邻域范围内所有像素点的灰度值均值，作为每个像素点的局部灰度均值；将每个像素点的灰度值与对应的局部灰度均值之间差异的正相关映射值，作为每个像素点的局部离群程度。
9、进一步地，所述条纹干扰方向的获取方法包括：
10、在智慧社区监测灰度图像中，选取预设第一数量个种子点并基于各个像素点的灰度值根据预设生长准则进行区域生长，直至满足预设截止生长条件后，得到至少两个生长连通域；其中，预设生长准则包括：将每个种子点预设第二邻域范围内与对应的种子点灰度值差异最小的其中一个像素点作为新的种子点；预设截止生长条件包括：区域生长过程中得到的生长连通域中的像素点数量大于预设第二数量；
11、对每个生长连通域的所有像素点进行直线拟合，得到每个生长连通域的拟合直线；将所述拟合直线与水平方向的夹角，作为每个生长连通域的参考夹角；将所有生长连通域的参考夹角的均值，作为条纹干扰方向与水平方向的夹角。
12、进一步地，所述整体干扰强度的计算公式包括：
13、
14、其中，为第个像素点的整体干扰强度；为第个像素点在对应的条纹干扰方向上的像素点数量；为第个像素点在对应的条纹干扰方向上的第个像素点的局部离群程度；为第个像素点在对应的条纹干扰方向上的第个像素点的预设第一邻域范围内所有像素点的灰度值均值；为第个像素点的预设第一邻域范围内所有像素点的灰度值均值；为第个像素点与第个像素点在对应的条纹干扰方向上的第个像素点之间的欧氏距离；为以自然常数为底的对数函数；为以自然常数为底的指数函数；为绝对值符号。
15、进一步地，所述参考干扰程度的计算公式包括：
16、
17、其中，为第个像素点的参考干扰程度；为第个像素点的整体干扰强度；为第个像素点在对应的条纹干扰方向上的预设第三邻域范围内所有像素点的局部离群程度的标准差；为第个像素点在对应的条纹干扰方向上的预设第三邻域范围内所有像素点的局部离群程度的最大值；为第个像素点在对应的条纹干扰方向上的预设第三邻域范围内所有像素点的局部离群程度的最小值；为双曲正切函数。
18、进一步地，所述修正干扰程度的获取方法包括：
19、将与所述条纹干扰方向垂直的方向，作为条纹垂直参考方向；将每个像素点在对应的条纹垂直参考方向上的预设第四邻域范围内所有像素点的局部离群程度的众数，作为每个像素点的参考离群程度；将每个像素点的局部离群程度与对应的参考离群程度之间的差异的正相关映射值，作为每个像素点的干扰程度修正权重；根据所述干扰程度修正权重和每个像素点的参考干扰程度，得到每个像素点的修正干扰程度，所述干扰程度修正权重和所述参考干扰程度均与所述修正干扰程度呈正相关关系。
20、进一步地，所述非局部均值滤波权重的获取方法包括：
21、将所述修正干扰程度与预设第一调节参数之间和值的倒数的归一化值，作为每个像素点的非局部均值滤波权重。
22、进一步地，所述根据所述干扰程度修正权重和每个像素点的参考干扰程度，得到每个像素点的修正干扰程度的方法包括：
23、将所述干扰程度修正权重和所述参考干扰程度的乘积，作为每个像素点的修正干扰程度。
24、进一步地，所述非局部均值滤波的搜索窗口为9×9尺寸大小窗口。
25、本专利技术还提出了一种基于大数据的智慧社区资源管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行所述计算机程序时实现任意一项一种基于大数据的智慧社区资源管理方法的步骤。
26、本专利技术具有如下有益效果：
27、考虑到智慧社区监测灰度图像中不同像素点受到条纹干扰的影响程度不同，若在非局部均值滤波过程中，降低受到条纹干扰影响较高的像素点的权重，则能够在采用非局部均值滤波对图像进行增强的同时，减少受到条纹干扰的像素点的影响，使得增强后的智慧社区监测增强图像的增强效果更好，因此需要计算每个像素点受到条纹干扰的程度。考虑到干扰条纹的存在影响智慧社区监测灰度图像中像素点的灰度值，使其灰度值发生明显偏移，因此本专利技术根据每个像素点与其局部邻域像素点之间的整体灰度差异，得到每个像素点的局部离群程度。进一步地结合不同条纹区域上的像素点受到整体条纹干扰的强度不同的特点，根据每个像素点对应的条纹干扰方向上各个像素点的灰度值、局部离群程度和位置的分布情况，得到每个像素点的整体干扰强度，也即从局部和整体两个角度表征每个像素点受到干扰的影响程度；进一步本文档来自技高网...
【技术保护点】
1.一种基于大数据的智慧社区资源管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述局部离群程度的获取方法包括：
3.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述条纹干扰方向的获取方法包括：
4.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述整体干扰强度的计算公式包括：
5.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述参考干扰程度的计算公式包括：
6.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述修正干扰程度的获取方法包括：
7.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述非局部均值滤波权重的获取方法包括：
8.根据权利要求6所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述根据所述干扰程度修正权重和每个像素点的参考干扰程度，得到每个像素点的修正干扰程度的方法包括：
9
10.一种基于大数据的智慧社区资源管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
...【技术特征摘要】
1.一种基于大数据的智慧社区资源管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述局部离群程度的获取方法包括：
3.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述条纹干扰方向的获取方法包括：
4.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述整体干扰强度的计算公式包括：
5.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述参考干扰程度的计算公式包括：
6.根据权利要求1所述的一种基于大数据的智慧社区资源管理方法，其特征在于，所述修正干扰程度的获取方法包括：...
【专利技术属性】
技术研发人员：陈永洲，
申请(专利权)人：深圳对对科技有限公司，
类型：发明
国别省市：
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。