[发明专利]一种基于TridentNet的图像处理方法

权利要求书

1.一种基于TridentNet的图像处理方法，其特征在于，包括：

获取待处理图片的图片类型，获取对应图片类型的图像测试集和图像训练集；

构建基于TridentNet技术的标签网络，并通过所述图像测试集和图像训练集对所述标签网络进行训练，生成标签模型；

通过所述标签模型确定待处理图像进行缺陷标记，根据所述缺陷标记对所述待处理图像进行修正；

所述获取待处理图片的图片类型，包括：

对所述待处理图像进行预处理；其中，

所述预处理包括：色彩提取、元素提取、元素标记和场景定义；

根据所述色彩提取，确定所述待处理图像的色彩组成；

根据所述元素提取，确定所述待处理图像的元素分布；

根据所述元素标记，确定每个元素的物理状态；

根据所述色彩组成和元素分布，进行空间场景搭建，确定场景空间；

根据所述物理状态，对所述场景空间中每个元素的状态增强；

获取增强后的场景空间，并进行空间解析，并进行空间语义化，确定场景定义；

根据所述场景定义，确定所述待处理图片的图片类型。

2.如权利要求1所述的一种基于TridentNet的图像处理方法，其特征在于：所述获取对应图片类型的图像测试集和图像训练集，包括：

根据所述图片类型，确定场景定义；

根据所述场景定义，通过预设的深度学习引擎，获取所述场景定义对应的场景视频和场景图像；

根据所述图片类型，确定所述场景视频和场景图像进行筛选，确定对应图片类型的目标视频和第一目标图像；

将所述目标视频按照帧数进行划分，确定划分图像，并去除相似度超过预设比例的划分图像，确定第二目标图像；

根据所述第一目标图像和第二目标图像，按照预设规则进行划分，确定图像测试集和图像训练集；其中，

所述预设规则包括：分发规则和比例阈值规则。

3.如权利要求1所述的一种基于TridentNet的图像处理方法，其特征在于：所述构建基于TridentNet技术的标签网络，包括：

预先获取图像缺陷数据，提取色彩缺陷图像，并根据所述色彩缺陷图像生成基于深度学习的缺陷数据集；

根据所述缺陷数据集和TridentNet技术，建立不同尺度的目标分析模型，并依次构建基于不同尺度的标签层；其中，

所述标签层包括：色彩标签层、噪点标签层和畸形标签层；

根据所述标签层，构建标签网络。

4.如权利要求3所述的一种基于TridentNet的图像处理方法，其特征在于：所述色彩标签层包括：

根据所述缺陷数据集，构建基于颜色空间的颜色集；

根据所述颜色集，对所述缺陷数据集中每个图像的颜色缺陷进行量化，确定每个图像的量化值；

根据所述量化值，确定每类颜色缺陷的标定阈值；

根据所述标定阈值，建立基于量化标签的色彩标签层。

5.如权利要求3所述的一种基于TridentNet的图像处理方法，其特征在于：所述噪点标签层包括：

预先获取图像缺陷数据，提取噪点数据，并确定噪点图像确定噪点生成因素；

根据所述噪点生成因素，建立基于不同类型噪点生成因素的噪点类型标签；

根据所述噪点类型标签，对所述噪点图像进行梯度划分，并确定梯度信息熵；

根据所述梯度信息熵，建立噪点标签层。

6.如权利要求3所述的一种基于TridentNet的图像处理方法，其特征在于：所述畸形标签层包括：

预先获取图像缺陷数据，提取畸形图像；

根据所述畸形图像，确定每个畸形图像的模糊状态；

根据所述模糊状态，对每个畸形图像进行归一化处理；

根据所述归一化处理，确定每个畸形图像的模糊程度；

根据所述模糊程度，建立模糊程度标签；

根据所述模糊程度标签，构建畸形标签层。