本发明专利技术提供了一种基于大数据技术的视频监控图像增强方法与系统，包括：对原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，并转为HSV图像；将原始的视频监控图像和增强后的HSV视频监控图像作为训练样本，输入到深度学习网络中进行训练得到大数据处理模型；利用大数据处理模型对待处理图像进行增强得到增强完成的视频监控图像。本发明专利技术通过将原始的视频监控图像进行色差平衡和增强处理得到的视频监控图像作为训练样本，同时将训练样本输入到深度学习网络中进行训练得到大数据处理模型，并基于此对监控图像进行增强，可以适应各种光照条件、摄像头位置和图像质量的变化，提升监控数据的分析、识别和应用效果。
【技术实现步骤摘要】
本专利技术涉及大数据图像处理，具体而言，涉及一种基于大数据技术的视频监控图像增强方法与系统。
技术介绍
1、近年来，随着摄像头和视频监控技术的快速发展，视频监控系统已经成为了维护公共安全和保护财产的重要手段。然而，由于各种因素的影响，如光线条件不佳、摄像头位置限制、图像噪声等，从视频监控录像中获取准确的信息变得非常具有挑战性。因此，需要一种有效的方法来提高视频监控图像的质量。
2、当前已存在的图像增强方法主要集中在基于传统图像处理技术(如滤波、去噪、锐化等)，这些方法在特定场景和局限条件下表现良好，但对于不同光照条件、摄像头位置和图像质量的变化较为敏感，图像增强的质量参差不齐。
技术实现思路
1、为解决上述问题，本专利技术的目的在于提供一种基于大数据技术的视频监控图像增强方法与系统。
2、一种基于大数据技术的视频监控图像增强方法，包括：
3、步骤1：获取原始的视频监控图像；
4、步骤2：对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像；
5、步骤3：将所述色差平衡后的视频监控图像转换为hsv图像；
6、步骤4：对所述hsv图像进行增强处理得到增强后的视频监控图像；
7、步骤5：将原始的视频监控图像和增强后的视频监控图像作为训练样本，输入到深度学习网络中进行训练得到大数据处理模型；
8、步骤6：利用所述大数据处理模型对待处理图像进行增强得到增强完成的视频监控图像。
<
p>9、优选的，所述步骤2：对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，包括：10、步骤2.1：计算原始的视频监控图像在rgb三个通道的像素均值；其中，所述像素均值计算公式为：
11、
12、其中，d表示像素均值，表示原始的视频监控图像在红色通道的像素均值，表示原始的视频监控图像在绿色通道的像素均值，b表示原始的视频监控图像在蓝色通道的像素均值；
13、步骤2.2：根据所述平均像素值计算每个颜色通道的平衡系数；
14、步骤2.3：利用所述平衡系数对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像。
15、优选的，所述步骤2.3：利用所述平衡系数对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，包括：
16、采用公式：
17、
18、对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像；其中，kr表示红色通道的平衡系数，kg表示绿色通道的平衡系数，kb表示蓝色通道的平衡系数，r′表示红色通道在平衡后的像素值，g′表示绿色通道在平衡后的像素值，b′表示蓝色通道在平衡后的像素值，r表示原始的视频监控图像在红色通道的像素值，g表示原始的视频监控图像在绿色通道的像素值，b表示原始的视频监控图像在蓝色通道的像素值。
19、优选的，所述步骤3：将所述色差平衡后的视频监控图像转换为hsv图像，包括：
20、步骤3.1：对色差平衡后的视频监控图像的每个颜色通道进行归一化处理得到归一化结果；
21、步骤3.2：选取归一化结果中的极值；
22、步骤3.3：根据归一化结果及其极值构建颜色空间转换公式；
23、步骤3.4：利用所述颜色空间转换公式将所述色差平衡后的视频监控图像转换为hsv图像。
24、优选的，所述步骤3.2：选取归一化结果中的极值，包括：
25、采用公式：
26、
27、选取归一化结果中的极值；其中，cmax表示归一化结果中的极大值，cmin表示归一化结果中的极小值。
28、优选的，所述颜色空间转换公式为：
29、
30、
31、v＝cmax
32、其中，h表示色调分量，s表示饱和度分量，v表示明度分量。
33、优选的，所述步骤4：对所述hsv图像进行增强处理得到增强后的视频监控图像，包括：
34、步骤4.1：求取hsv图像各个像素点的明度均值和饱和度均值；
35、步骤4.2：根据各个像素点的明度均值和饱和度均值计算各像素点的明度方差和饱和度方差；
36、步骤4.3：根据所述明度方差和所述饱和度方差构建增强系数；
37、步骤4.4：利用所述增强系数构建增强模型；
38、步骤4.5：利用所述增强模型对所述hsv图像进行图像增强。
39、优选的，所述步骤4.3：根据所述明度方差和所述饱和度方差构建增强系数，包括：
40、采用公式：
41、
42、构建增强系数；其中，w表示hsv图像上像素点的个数，υ(i,j)表示在(i,j)点的明度值，表示hsv图像中所有像素点的明度均值，s(i,j)表示在(i,j)点的饱和度，sw(x,y)表示hsv图像中所有像素点的饱和度均值，συ(x,y)表示hsv图像中所有像素点的明度方差，σs(x,y)表示hsv图像中所有像素点的饱和度方差。
43、优选的，所述大数据处理模型为：
44、s′(x,y)＝s(x,y)+t(υ′(x,y)-υ(x,y))×λ(x,y)
45、其中，s′(x,y)表示增强后的饱和度，s(x,y)表示在(x,y)点原始的饱和度，t表示预设系数，υ′(x,y)表示增强后的明度值，υ(x,y)表示在(x,y)点原始的明度值。
46、本专利技术还提供了一种基于大数据技术的视频监控图像增强系统，包括：
47、图像获取模块，用于获取原始的视频监控图像；
48、色差平衡模块，用于对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像；
49、图像转换模块，用于将所述色差平衡后的视频监控图像转换为hsv图像；
50、图像增强模块，用于对所述hsv图像进行增强处理得到增强后的视频监控图像；
51、训练模块，用于将原始的视频监控图像和增强后的视频监控图像作为训练样本，输入到深度学习网络中进行训练得到大数据处理模型；
52、大数据处理模块，用于利用所述大数据处理模型对待处理图像进行增强得到增强完成的视频监控图像。
53、本专利技术提供的一种基于大数据技术的视频监控图像增强方法与系统的有益效果在于：与现有技术相比，本专利技术通过将原始的视频监控图像进行色差平衡和增强处理得到的视频监控图像作为训练样本，并将训练样本输入到深度学习网络中进行训练得到大数据处理模型，并基于此对监控图像进行增强，可以适应各种光照条件、摄像头位置和图像质量的变化，提升监控数据的分析、识别和应用效果。
54、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...
【技术保护点】
1.一种基于大数据技术的视频监控图像增强方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤2：对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，包括：
3.根据权利要求2所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤2.3：利用所述平衡系数对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，包括：
4.根据权利要求3所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤3：将所述色差平衡后的视频监控图像转换为HSV图像，包括：
5.根据权利要求4所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤3.2：选取归一化结果中的极值，包括：
6.根据权利要求5所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述颜色空间转换公式为：
7.根据权利要求6所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤4：对所述HSV图像进行增强处理得到增强后的视频监控图像，包括：
8.根据权利要求7所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤4.3：根据所述明度方差和所述饱和度方差构建增强系数，包括：
9.根据权利要求8所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述大数据处理模型为：
10.一种基于大数据技术的视频监控图像增强系统，其特征在于，包括：
...
【技术特征摘要】
1.一种基于大数据技术的视频监控图像增强方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤2：对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，包括：
3.根据权利要求2所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤2.3：利用所述平衡系数对所述原始的视频监控图像进行色差平衡得到色差平衡后的视频监控图像，包括：
4.根据权利要求3所述的一种基于大数据技术的视频监控图像增强方法，其特征在于，所述步骤3：将所述色差平衡后的视频监控图像转换为hsv图像，包括：
5.根据权利要求4所述的一种基于大数据技术的视频监控图像增强方法，其特征在于...
【专利技术属性】
技术研发人员：刘曼，王帅，
申请(专利权)人：刘曼，
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。