[发明专利]面向均匀分布超高分图像局部稀疏加速处理方法及应用

权利要求书

1.一种面向均匀分布超高分图像局部稀疏加速处理方法，用于进行局部采样的加速处理从而显著增加对均匀分布的超高分辨率图像的处理速度，其特征在于，包括如下步骤：

步骤S1，通过对所述超高分辨率图像F_gl进行全局处理，得到全局适用的处理参数W_gl；

步骤S2，将所述超高分辨率图像F_gl均匀切分为N份，对图像信息进行局部稀疏采样得到局部采样图F_lo；

步骤S3，将所述处理参数W_gl应用于所述局部采样图F_lo，进行图像处理得到所述局部采样图F_lo的局部处理结果R_lo；

步骤S4，将所述局部处理结果R_lo与切分个数N进行协同推理，得到全局处理结果R_gl，具体过程为：

所述面向均匀分布超高分图像局部稀疏加速处理方法应用在密集场景人群密度分析，所述全局处理结果R_gl为倍数人群的数量R_gl，该数量R_gl＝R_lo*N；或者

所述面向均匀分布超高分图像局部稀疏加速处理方法应用在车流量单位距离车流估计图像处理，所述全局处理结果R_gl为单位距离采用深度学习等图像处理方法得到的车流量估计R_gl，该车流量估计R_gl＝R_lo*N/N＝R_lo。

2.根据权利要求1所述的面向均匀分布超高分图像局部稀疏加速处理方法，其特征在于：

其中，所述步骤S1中，用于进行所述全局处理所采用的图像处理算子通过人工手动设计或是人工智能自适应学习得到，

所述图像处理算子的参数的学习方式采用机器学习或深度学习自主学习算子的参数、或者人工手动调参设计算子的参数，

所述图像处理算子的参数由手工设计参数单独组成、手工设计参数与自主学习混合组成、或是自主学习参数单独组成，

所述超高分辨率图像F_gl为多个待处理图像，抽取全部所述待处理图像中的一部分进行算子参数的学习，得到全局处理参数W_gl。

3.根据权利要求1所述的面向均匀分布超高分图像局部稀疏加速处理方法，其特征在于：

其中，所述步骤S2中，所述均匀切分为N份根据进行图像处理时所需的速度与精度的平衡被取值为2份、4份、6份或是8份，

所需的速度越快则N份的取值越小，所需的精度越高则N份的取值越高。

4.根据权利要求1所述的面向均匀分布超高分图像局部稀疏加速处理方法，其特征在于：

其中，在所述步骤S2中进行所述局部稀疏采样时，采用随机稀疏采样或是固定位置稀疏采样得到一个或多个局部图像块作为局部采样图F_lo。

5.根据权利要求4所述的面向均匀分布超高分图像局部稀疏加速处理方法，其特征在于：

其中，在所述步骤S3中应用所述处理参数W_gl时，可以使用全部的处理参数W_gl或者部分的处理参数W_gl，

当所述局部采样图F_lo含有多个局部图像块且使用全部的处理参数W_gl时，在所述步骤S3中对不同的所述局部图像块使用相同的处理参数W_gl得到处理结果，并将该处理结果均值化处理得到局部处理结果R_lo，

当所述局部采样图Flo含有多个局部图像块且使用部分的处理参数W_gl时，在所述步骤S3对不同的所述局部图像块使用相对应的部分的处理参数W_gl得到相对应的处理结果，并将该处理结果分配权值处理得到局部处理结果R_lo。

6.根据权利要求1所述的面向均匀分布超高分图像局部稀疏加速处理方法，其特征在于：

其中，应用所述处理参数W_gl进行图像处理时，根据需求进行所述处理参数W_gl的线性或非线性缩放等尺度变换。