[发明专利]一种基于图像处理模型训练的期望部分提取方法

说明书

本发明公开了一种基于图像处理模型训练的期望部分提取方法，包括以下步骤：对目标图像进行全局目标增强以在目标图像中得到全局期望区域，以及对全局期望区域进行局部目标增强以在全局期望区域中得到局部期望区域，利用局部期望区域对目标图像进行增强融合得到表征期望部分增强的增强目标图像，利用预建立的图像检测模型对增强目标图像进行目标识别得到目标图像的期望部分。本发明实现对目标图像中表征目标的图像区域进行图像增强以及背景信息消除，不仅提高了目标被正确检测到的概率，而且还极大缩小了目标搜索的范围，加快了整体的检测速度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于图像处理模型训练的期望部分提取方法。

背景技术

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。

现有图像处理对图像目标识别通常是在整个图像像素中进行识别，因此除了表征目标以外的像素点识别均属于无效冗余识别运算过程，而且直接在原始图像中进行目标识别，识别出的目标区域会残存一定量背景信息难以去除，进而影响图像目标识别的准确性。

发明内容

本发明的目的在于提供一种基于图像处理模型训练的期望部分提取方法，以解决现有技术中图像目标识别中的无效冗余搜索和背景信息残存的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种基于图像处理模型训练的期望部分提取方法，其特征在于：包括以下步骤：

步骤S1、对目标图像进行全局目标增强以在目标图像中得到全局期望区域，以及对全局期望区域进行局部目标增强以在全局期望区域中得到局部期望区域；

步骤S2、利用局部期望区域对目标图像进行增强融合得到表征期望部分增强的增强目标图像；

步骤S3、利用预建立的图像检测模型对增强目标图像进行目标识别得到目标图像的期望部分，以实现在目标图像提取出期望部分。

作为本发明的一种优选方案，所述对目标图像进行全局目标增强以在目标图像中得到全局期望区域，包括：

利用多组功能滤波器对分别目标图像进行滤波处理得到多组滤波图像，所述多通道滤波处理的函数表达式为：

M_i(x,y)＝F_i{I(x,y)}；

式中，M_i(x,y)为第i组滤波图像，F_i为第i组功能滤波器，I(x,y)为目标图像，x，y为目标图像的像素坐标，i为计量数值；

以多组滤波图像中的像素点为节点分别构造为多组全连接图，并将滤波图像中像素点间的差异度映射为全连接图中节点间的边权重，所述差异度的函数表达式为：

式中，d_i(a,b)为第i组滤波图像中像素点a和像素点b间的差异度，M_i(x_a,y_a)、M_i(x_b,y_b)为第i组滤波图像中像素点a和像素点b的像素特征，(x_a,y_a)为像素点a的像素坐标，(x_b,y_b)为像素点b的像素坐标；

所述节点间边权重的函数表达式为：