[发明专利]基于深度学习的图像处理系统及方法

说明书

本发明属于图像处理技术领域，具体涉及基于深度学习的图像处理系统及方法，所述系统包括：图像灰度直方图处理单元，配置用于基于预设的3种不同的灰度值范围，对待处理图像进行图像灰度直方处理，分别获得在不同灰度值范围下的对应的灰度直方特性分布；神经网络处理单元，配置用于基于预先训练建立的图像处理模型，获得待处理图像在10个尺度、3个深度、3种类型的输入图像特征表达，每个尺度对应3个深度和3种类型，针对每个尺度、每个深度和每个类型下的图像特征表达，进行多层采样和图像截断，然后进行全连接，输出全连接后的图像；图像截断单元，配置用于提供给神经网络处理单元，基于得到的灰度直方特性分布，对待处理的图像进行图像截断，筛除不相关信息的干扰。本发明具有图像识别的准确率更高和图像处理效率高的优点。

技术领域

本发明属于图像处理技术领域，具体涉及基于基于深度学习的图像处理系统及方法。

背景技术

深度学习(DL,Deep Learning)是机器学习(ML,Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI,ArtificialIntelligence)。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。

图像处理的各个内容是互相有联系的。一个实用的图像处理系统往往结合应用几种图像处理技术才能得到所需要的结果。图像数字化是将一个图像变换为适合计算机处理的形式的第一步。图像编码技术可用以传输和存储图像。图像增强和复原可以是图像处理的最后目的，也可以是为进一步的处理作准备。通过图像分割得出的图像特征可以作为最后结果，也可以作为下一步图像分析的基础。

发明内容

本发明的主要目的在于提供基于深度学习的图像处理系统及方法，基于深度学习，通过对图像进行多个尺度、多个深度和多个类型的特征分析，采用图像截断和直方图化的方式，对图像进行处理，使得图像识别的准确率更高和图像处理效率更高。

为达到上述目的，本发明的技术方案是这样实现的：

基于深度学习的图像处理系统，所述系统包括：图像灰度直方图处理单元，配置用于基于预设的3种不同的灰度值范围，对待处理图像进行图像灰度直方处理，分别获得在不同灰度值范围下的对应的灰度直方特性分布；神经网络处理单元，配置用于基于预先训练建立的图像处理模型，获得待处理图像在10个尺度、3个深度、3种类型的输入图像特征表达，每个尺度对应3个深度和3种类型，针对每个尺度、每个深度和每个类型下的图像特征表达，进行多层采样和图像截断，然后进行全连接，输出全连接后的图像；图像截断单元，配置用于提供给神经网络处理单元，基于得到的灰度直方特性分布，对待处理的图像进行图像截断，筛除不相关信息的干扰；图像识别单元，配置用于基于输出的全连接后的图像，使用预设的图像识别模型，对图像进行识别。