[发明专利]一种智能图像处理系统

说明书

本发明涉及图像处理领域，具体涉及一种智能图像处理系统，包括：图像识别模块，用于基于Dssd_Inception_V3_coco模型实现图像内载信息的识别；图像命名模块，用于根据图像内载信息的识别结果实现图像的命名；图像分类模块，用于基于Bi‑LSTM+Attention模型实现完成命名图像的分类；图像处理模块，用于根据图像的分类结果调用对应的图像处理模型实现图像的纠偏和/锐化和/二值化和/去背景等操作。本发明可以实现图像的全程自主处理，避免了人为参与环节，在可以提高图像处理效率的同时，方便了后续图像的检索调用。

技术领域

本发明涉及图像处理领域，具体涉及一种智能图像处理系统。

背景技术

目前，传统的图像处理系统在进行图像处理时，通常需要人为根据图像内载信息的不同借助各种软件对图像分别进行不同的处理，比如：去除噪声、增强、复原、分割、提取特征等处理，需要花费大量人为工作时间，同时还伴随着图像处理的主观性较强、后期图像检索调用费时费力的问题。

发明内容

为解决上述问题，本发明提供了一种智能图像处理系统，可以实现图像的全程自主处理，避免了人为参与环节，在可以提高图像处理效率的同时，方便了后续图像的检索调用。

为实现上述目的，本发明采取的技术方案为：

一种智能图像处理系统，包括：

图像识别模块，用于基于Dssd_Inception_V3_coco模型实现图像内载信息的识别；

图像命名模块，用于根据图像内载信息的识别结果实现图像的命名；

图像分类模块，用于基于Bi-LSTM+Attention模型实现完成命名图像的分类；

图像处理模块，用于根据图像的分类结果调用对应的图像处理模型实现图像的纠偏和/锐化和/二值化和/去背景等操作。

进一步地，所述图像内载信息包括图像采集的时间及图像内载的内容。

进一步地，所述Dssd Inception V3 coco模型采用Dssd目标检测算法，用coco数据集预训练Inception V3深度神经网络,然后用先前准备好的数据集训练该模型，微调深度神经网络中的各项参数，最后得到用于实现图像采集时间及图像内载内容识别的目标检测模型。

进一步地，所述图像分类模块通过Bi-LSTM+Attention模型基于预设的分类标准实现完成命名图像的分类。

进一步地，所述图像处理模块内载图像纠偏模型、图像锐化模型、图像二值化模型和图像去背景模型，其中，图像纠偏模型基于预设的标准角度实现图像偏转角度的调整；图像锐化模型通过带噪声抑制的反锐化掩模算法，将图像按照细节信息的多少分为高、中、低细节区域实现图像的锐化处理；图像去背景模型基于帧差法实现图像的去背景操作；图像二值化模型基于Otsu算法实现图像的二值化。

进一步地，还包括：

目标物尺寸测量模块，用于根据图像内载目标物的识别结果调用对应的测量标尺实现目标物尺寸的测量，并将测量结果反馈至图像命名模块。

进一步地，所述图像处理模块还内载图像像素调整模块，用于根据预设的目标图像像素，调用预设的算法实现图像像素的调整。

进一步地，图像命名模块内载不同的图像命名模板，不同的图像内载信息识别结果对应不同的图像命名模板。

本发明具有以下有益效果：

1）可以实现图像的全程自主处理，避免了人为参与环节，大大提高图像处理效率和精度；

2）基于图像内载信息的识别结果实现图像的自主命名，方便了后续图像的检索调用；

3）系统功能齐全，可以满足各种图像处理需求，大大方便用户的使用。

附图说明

图1为本发明实施例1的一种智能图像处理系统的系统框图。