[发明专利]一种基于光强分析的神经网络图像预处理方法

权利要求书

1.一种基于光强分析的神经网络图像预处理方法，其特征在于，包括：

步骤一、驱动连接采集器采集数据，获取数字信息图像；所述数字信息图像包括：待识别数字图像；

步骤二、将所述数字信息图像转换成像素矩阵，并将所述像素矩阵转换成图像亮度矩阵；

步骤三、使用卷积神经网络提取所述图像亮度矩阵中所述待识别数字图像区域的亮度特征；

步骤四、对所述图像亮度矩阵进行基础统计学分析处理，获取分析结果；

步骤五、基于所述分析结果，判断所述待识别数字图像区域亮度特征的合理性；若提取的所述待识别数字图像区域亮度特征不合理，则返回步骤三，重新提取；

步骤六、基于所述分析结果构建深度学习分类器，将所述待识别数字图像区域的亮度特征作为数据输入，根据所述深度学习分类器的分类判断结果，选择相应的图像增强算法，对所述数字信息图像进行图像增强处理，获取优化数字信息图像；

步骤七、输出所述优化数字信息图像。

2.根据权利要求1所述的基于光强分析的神经网络图像预处理方法，其特征在于，步骤四中，对所述图像亮度矩阵进行基础统计学分析包括：步骤四零一、将所述图像亮度矩阵依次均分，选取不同区域大小的区域亮度矩阵，计算所述区域亮度矩阵的统计学参数特征；步骤四零二、使用深度学习算法构建分类判断模型，对所述统计学参数特征进行判断分析，获取所述分析结果。

3.根据权利要求2所述的基于光强分析的神经网络图像预处理方法，其特征在于，在所述步骤六中，所述图像增强算法的选择包括：

构建深度学习分类器，基于所述待识别数字图像区域的亮度特征进行分类判断，将所述数字信息图像分成第一类数字信息图像、第二类数字信息图像以及第三类数字信息图像；

所述第一类数字信息图像选择第一图像增强算法；

所述第二类数字信息图像选择第二图像增强算法；

所述第三类数字信息图像选择第三图像增强算法。

4.根据权利要求3所述的基于光强分析的神经网络图像预处理方法，其特征在于，所述第一图像增强算法包括：MSR图像增强算法以及SSR图像增强算法。

5.根据权利要求4所述的基于光强分析的神经网络图像预处理方法，其特征在于，所述第二图像增强算法包括：ACE图像增强算法；所述第三图像增强算法包括：AWB图像增强算法。

6.根据权利要求2所述的基于光强分析的神经网络图像预处理方法，其特征在于，所述步骤四零一包括：选取所述待识别数字图像区域的区域亮度矩阵，计算并对比分析所述区域亮度矩阵的统计学参数特征。

7.根据权利要求6所述的基于光强分析的神经网络图像预处理方法，其特征在于，在所述步骤五中，判断所述待识别数字图像区域亮度特征合理性包括：

设定判断阈值，将所述待识别数字图像区域的区域亮度矩阵的统计学参数特征数值与所述判断阈值进行对比分析，得到对比分析结果；基于所述对比分析结果判定图像明暗环境，根据所述图像明暗环境判断所述合理性。

8.根据权利要求7所述的基于光强分析的神经网络图像预处理方法，其特征在于，所述统计学参数特征包括：所述区域亮度矩阵的均值以及均方差。

9.根据权利要求1所述基于光强分析的神经网络图像预处理方法，其特征在于，所述待识别数字图像为数字显示面板区域图像。

10.根据权利要求2所述基于光强分析的神经网络图像预处理方法，其特征在于，在所述步骤四零二中，还包括：使用机器学习算法构建所述分类判断模型，对所述统计学参数特征进行判断分析，获取所述分析结果。