[发明专利]一种图像的预处理方法、系统、设备以及介质

说明书

本发明公开了一种图像的预处理方法，包括以下步骤：获取图像并对其进行灰度化处理；对进行灰度化处理后的图像进行颜色空间的标准化处理；利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；利用LDA算法对第一维度的图像特征进行降维处理。本发明还公开了一种系统、计算机设备以及可读存储介质。本发明提出的方案通过利用HOG算法对图像样本数据进行预处理，能够消除客观因素给图像原貌带来的不确定性，提取能代表图像原貌的“特征”，有助于提高样本数据的精度；并且利用LDA算法对HOG特征处理后的高维特征数据进行降维处理，去除冗余的数据集特征，提高模型精度、增强模型的鲁棒性及加速模型的训练。

技术领域

本发明涉及图像领域，具体涉及一种图像的预处理方法、系统、设备以及存储介质。

背景技术

在当今人类社会日常生活中，图像识别与验证具有十分重要的作用，例如在人脸识别、无人驾驶、物体检测、物体分类等领域，图象识别都是不可或缺的技术。

进行图像识别时，图像的采集方便，采集设备可以使用中低档摄像头，价格低廉，具有很强的实用性。

然而由于大部分图像处于高维，图像是非刚体，存在诸多变化；摄像头采集到的图像受光照、成像角度、成像距离等影响，因此图像信号存在极大的不确定性，这些不确定性对于物体的原貌相当于是噪声，会降低物体检测过程的准确率，增加过拟合的风险，降低模型的鲁棒性。

发明内容

有鉴于此，为了克服上述问题的至少一个方面，本发明实施例提出一种图像的预处理方法，包括以下步骤：

获取图像并对其进行灰度化处理；

对进行灰度化处理后的图像进行颜色空间的标准化处理；

利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；

利用LDA算法对所述第一维度的图像特征进行降维处理。

在一些实施例中，利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征，进一步包括：

计算所述图像的每一个像素的梯度；

将所述图像划分为多个单元，并统计每个单元内的梯度直方图，以得到每个单元的特征；

将若干个单元组成一个block，并将所述block内所有单元的特征串联以得到所述block的特征；

将所有的block的特征进行串联以得到最终的图像特征。

在一些实施例中，计算所述图像的每一个像素的梯度，进一步包括：

计算每一个像素点的梯度的大小和方向。

在一些实施例中，统计每个单元内的梯度直方图，进一步包括：

统计不同梯度的个数。

基于同一发明构思，根据本发明的另一个方面，本发明的实施例还提供了一种图像的预处理系统，包括：

灰度模块，所述灰度模块配置为获取图像并对其进行灰度化处理；

标准化处理模块，所述标准化模块配置为对进行灰度化处理后的图像进行颜色空间的标准化处理；

提取模块，所述提取模块配置为利用HOG算法对进行标准化处理后的图像进行特征提取并得到第一维度的图像特征；

降维模块，所述降维模块配置为利用LDA算法对所述第一维度的图像特征进行降维处理。

在一些实施例中，所述提取模块还配置为：

计算所述图像的每一个像素的梯度；