图像增强策略智能选择系统的制作方法

1.本发明涉及数据分析领域，尤其涉及一种图像增强策略智能选择系统。


背景技术：

2.数据也称为观测值，是实验、测量、观察、调查等的结果。数据分析是用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析一直是互联网行业辨别方向的不二法门，人们通过对数据的观测来判断事物的发展趋势，也常常利用数据的思维来辩证的为决策做参考。
3.数据分析中所处理的数据分为定性数据和定量数据。只能归入某一类而不能用数值进行测度的数据称为定性数据。定性数据中表现为类别，但不区分顺序的，是定类数据，如性别、品牌等；定性数据中表现为类别，但区分顺序的，是定序数据，如学历、商品的质量等级等。
4.然而在实际使用中，数据分析的应用领域仍与应用需求不够匹配，仍存在大量的应用领域需要数据分析进行开拓，以获取不同应用领域的技术难题的解决方案。例如，人们在针对某一待增强图像采用增强操作以提升图像质量之前，由于不同图像内容不同、特征变化不同，在不执行具体的增强操作的情况下是很难确定哪一种增强模式最适合所述待增强图像，但是，如果执行各项具体的增强操作并执行具体的增强操作的具体比较，显然会耗费大量的运算成本和时间成本，如果针对每一待增强图像都如此实施，则运算成本和时间成本将更为可观。
5.申请人对此进行了领域内的专利文件检索：
6.发明申请“一种实时图像增强的方法、装置、设备及可读存储介质”公开在申请公布号cn115689957a的专利文件中，记载的技术方案包括获取原图像和预设的目标图像，对所述原图像和所述目标图像进行预处理，得到输入图像；基于颜色矫正矩阵算法，对所述输入图像进行图像增强，得到图像增强结果，所述图像增强的通道包括低分辨率仿射矩阵的提取通道和高分辨率图像的上采样通道；基于语义分割算法，对所述图像增强结果进一步重建，得到最终的图像增强的结果。
7.发明申请“基于图像分块的超分辨率增强小目标检测方法”公开在申请公布号cn115082775a的专利文件中，记载的技术方案包括获取待进行小目标检测的场景图像，作为输入图像；计算输入图像分块时标准块的宽高；得到输入图像在水平方向、垂直方向上分块的步长；对输入图像进行填充，并对填充后的输入图像进行分块，得到输入图像分块后各图像块；采用预训练的超分别率模型对得到的各图像块进行图像增强，增强后，输入训练好的目标检测模型，得到输入图像中各图像块中小目标物体对应的矩形区域，并进行回归、非极大值抑制处理，进而得到检测结果。


技术实现要素：

8.本发明提供了一种图像增强策略智能选择系统，旨在解决相关领域的技术问题，
即，能够在不执行具体的图像内容增强处理以及各种增强处理效果具体比较的操作下，直接从各种增强模式中获取最适合某一图像内容的增强模式，从而为不同图像内容自适应选择最适合本身内容特性的最佳增强方案，避免陷入复杂、繁琐的增强比较运算中。
9.本发明是这样实现的，所述系统包括：
10.内容获取部件，用于获取待增强视频帧以及与所述待增强视频帧分辨率相同的参考视频帧，同时获取所述参考视频帧分别经过基于频域的图像信号增强处理、基于分布函数的直方图均衡处理、基于密度函数的直方图均衡处理以及基于空域的图像信号增强处理后分别对应的第一参考画面、第二参考画面、第三参考画面以及第四参考画面；
11.参数解析部件，与所述内容获取部件连接，用于解析所述待增强视频帧的多项画面参数，所述多项画面参数为清晰度、信噪比以及对比度；
12.信息提取部件，与所述内容获取部件连接，用于分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级；
13.效果预测机构，分别与所述内容获取部件、所述参数解析部件以及所述信息提取部件连接，用于基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识；
14.其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：采用完成多次学习动作后的卷积神经网络执行所述预测动作，所述学习动作的次数与分辨率的数值正向关联；
15.其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b00时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于频域的图像信号增强处理。
16.本发明的图像增强策略智能选择系统结构紧凑、操作简便。由于能够在不执行具体的图像内容增强处理以及各种增强处理效果具体比较的操作下，直接从各种增强模式中获取最适合某一图像内容的增强模式，从而降低了寻找最佳图像增强模式的时长和成本。
附图说明
17.以下将结合附图对本发明的实施例进行描述，其中：
18.图1为根据本发明实施例a示出的图像增强策略智能选择系统的结构方框图。
19.图2为根据本发明实施例b示出的图像增强策略智能选择系统的结构方框图。
20.图3为根据本发明实施例c示出的图像增强策略智能选择系统的结构方框图。
具体实施方式
21.下面将参照附图对本发明的图像增强策略智能选择系统的实施例进行详细说明。
22.实施例a
23.图1为根据本发明实施例a示出的图像增强策略智能选择系统的结构方框图，所述系统包括：
24.内容获取部件，用于获取待增强视频帧以及与所述待增强视频帧分辨率相同的参考视频帧，同时获取所述参考视频帧分别经过基于频域的图像信号增强处理、基于分布函数的直方图均衡处理、基于密度函数的直方图均衡处理以及基于空域的图像信号增强处理后分别对应的第一参考画面、第二参考画面、第三参考画面以及第四参考画面；
25.示例地，所述内容获取部件包括第一解析单元，用于获取所述参考视频帧经过基于频域的图像信号增强处理后对应的第一参考画面；
26.示例地，所述内容获取部件还包括第二解析单元，用于获取所述参考视频帧经过基于分布函数的直方图均衡处理后对应的第二参考画面；
27.示例地，所述内容获取部件还包括第三解析单元，用于获取所述参考视频帧经过基于密度函数的直方图均衡处理后对应的第三参考画面；
28.示例地，所述内容获取部件还包括第四解析单元，用于获取所述参考视频帧经过基于空域的图像信号增强处理后对应的第四参考画面；
29.参数解析部件，与所述内容获取部件连接，用于解析所述待增强视频帧的多项画面参数，所述多项画面参数为清晰度、信噪比以及对比度；
30.信息提取部件，与所述内容获取部件连接，用于分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级；
31.效果预测机构，分别与所述内容获取部件、所述参数解析部件以及所述信息提取部件连接，用于基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识；
32.其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：采用完成多次学习动作后的卷积神经网络执行所述预测动作，所述学习动作的次数与分辨率的数值正向关联；
33.示例地，采用完成多次学习动作后的卷积神经网络执行所述预测动作，所述学习动作的次数与分辨率的数值正向关联包括：可以采用matlab工具箱用于仿真所述学习动作的次数与分辨率的数值的正向关联关系；
34.其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点
的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b00时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于频域的图像信号增强处理。
35.实施例b
36.图2为根据本发明实施例b示出的图像增强策略智能选择系统的结构方框图。
37.与图1不同，图2中的图像增强策略智能选择系统还可以包括以下组件：
38.静态存储机构，与所述效果预测机构连接，用于存储完成多次学习动作后的卷积神经网络的各项网络参数；
39.示例地，可以采用mmc存储器件、tf存储器件或者cf存储器件替换所述静态存储机构，以存储完成多次学习动作后的卷积神经网络的各项网络参数；
40.其中，对完成多次学习动作后的卷积神经网络的各项网络参数进行存储，实际上就是对完成多次学习动作后的卷积神经网络进行存储。
41.实施例c
42.图3为根据本发明实施例c示出的图像增强策略智能选择系统的结构方框图。
43.与图1不同，图3中的图像增强策略智能选择系统还可以包括以下组件：
44.标识显示机构，与所述效果预测机构连接，用于接收并显示所述效果预测机构输出的选择标识。
45.接着，继续对本发明的图像增强策略智能选择系统的具体结构进行进一步的说明。
46.在本发明的各个实施例的图像增强策略智能选择系统中：
47.基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b01时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于分布函数的直方图均衡处理；
48.其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b10时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于密度函数的直方图均衡处理；
49.其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的
各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b11时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于空域的图像信号增强处理。
50.在本发明的各个实施例的图像增强策略智能选择系统中：
51.分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级包括：基于所述待增强视频帧的各个像素点的各个像素值确定每一个像素点的像素值梯度，将具有的像素值梯度大于等于设定梯度阈值的像素点作为边沿像素点；
52.其中，基于所述待增强视频帧的各个像素点的各个像素值确定每一个像素点的像素值梯度，将具有的像素值梯度大于等于设定梯度阈值的像素点作为边沿像素点包括：将所述待增强视频帧的每一个像素点作为目标像素点，基于所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差确定所述目标像素点的像素值梯度；
53.其中，将所述待增强视频帧的每一个像素点作为目标像素点，基于所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差确定所述目标像素点的像素值梯度包括：所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差越大，确定的所述目标像素点的像素值梯度越大。
54.以及在本发明的各个实施例的图像增强策略智能选择系统中：
55.分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级包括：基于所述待增强视频帧的各个像素点的各个像素值确定每一个像素点的像素值梯度，将具有的像素值梯度小于所述设定梯度阈值的像素点作为其他像素点。
56.另外，在所述图像增强策略智能选择系统中，所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差越大，确定的所述目标像素点的像素值梯度越大包括：采用数值仿真公式以表述所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差到所述目标像素点的像素值梯度的单调正相关的数值映射关系。
57.根据上述各实施例来实现本发明，得到的技术效果为：
58.首先，基于待增强视频帧的图像内容、参考视频帧的图像内容、参考视频帧被完成多种不同类型图像增强处理后的多个增强后图像内容、待增强视频帧的多项画面参数、待增强视频帧的边沿像素点的数量和布局状况预测多种不同类型图像增强处理中针对待增强视频帧具备最佳增强效果的图像增强处理，从而在不执行实际增强处理以及各种增强效果比较的情况下，即可获取适合每一待增强视频帧的最佳增强方案；
59.其次，采用完成多次学习动作后的卷积神经网络执行具体的预测动作，所述学习动作的次数与分辨率的数值正向关联，从而保证预测执行的稳定性和有效性；
60.再次，采用针对性的边沿像素点辨识机制以获取待增强视频帧的每一边沿像素点，进而获取待增强视频帧的边沿像素点的数量和布局状况，从而为预测的执行提供可靠信息。
61.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种图像增强策略智能选择系统，其特征在于，所述系统包括：内容获取部件，用于获取待增强视频帧以及与所述待增强视频帧分辨率相同的参考视频帧，同时获取所述参考视频帧分别经过基于频域的图像信号增强处理、基于分布函数的直方图均衡处理、基于密度函数的直方图均衡处理以及基于空域的图像信号增强处理后分别对应的第一参考画面、第二参考画面、第三参考画面以及第四参考画面；参数解析部件，与所述内容获取部件连接，用于解析所述待增强视频帧的多项画面参数，所述多项画面参数为清晰度、信噪比以及对比度；信息提取部件，与所述内容获取部件连接，用于分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级；效果预测机构，分别与所述内容获取部件、所述参数解析部件以及所述信息提取部件连接，用于基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识；其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：采用完成多次学习动作后的卷积神经网络执行所述预测动作，所述学习动作的次数与分辨率的数值正向关联；其中，基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b00时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于频域的图像信号增强处理。2.如权利要求1所述的图像增强策略智能选择系统，其特征在于，所述系统还包括：静态存储机构，与所述效果预测机构连接，用于存储完成多次学习动作后的卷积神经网络的各项网络参数。3.如权利要求1所述的图像增强策略智能选择系统，其特征在于，所述系统还包括：标识显示机构，与所述效果预测机构连接，用于接收并显示所述效果预测机构输出的选择标识。4.如权利要求1-3任一所述的图像增强策略智能选择系统，其特征在于：基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测
标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b01时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于分布函数的直方图均衡处理。5.如权利要求4所述的图像增强策略智能选择系统，其特征在于：基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b10时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于密度函数的直方图均衡处理。6.如权利要求5所述的图像增强策略智能选择系统，其特征在于：基于待增强视频帧的各个像素点的各个亮度值、参考视频帧的各个像素点的各个亮度值、第一参考画面的各个像素点的各个亮度值、第二参考画面的各个像素点的各个亮度值、第三参考画面的各个像素点的各个亮度值、第四参考画面的各个像素点的各个亮度值、多项画面参数、所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识包括：当所述标记增强模式选择结果的选择标识为0b11时，标记针对所述待增强视频帧的增强效果最佳的增强处理为基于空域的图像信号增强处理。7.如权利要求1-3任一所述的图像增强策略智能选择系统，其特征在于：分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级包括：基于所述待增强视频帧的各个像素点的各个像素值确定每一个像素点的像素值梯度，将具有的像素值梯度大于等于设定梯度阈值的像素点作为边沿像素点。8.如权利要求7所述的图像增强策略智能选择系统，其特征在于：基于所述待增强视频帧的各个像素点的各个像素值确定每一个像素点的像素值梯度，将具有的像素值梯度大于等于设定梯度阈值的像素点作为边沿像素点包括：将所述待增强视频帧的每一个像素点作为目标像素点，基于所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差确定所述目标像素点的像素值梯度。9.如权利要求8所述的图像增强策略智能选择系统，其特征在于：将所述待增强视频帧的每一个像素点作为目标像素点，基于所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差确定所述目标像素点的像素值梯度包括：所述目标像素点周围的各个像素点分别对应的各个像素值的均值与所述目标像素点的像素值的差越大，确定的所述目标像素点的像素值梯度越大。10.如权利要求1-3任一所述的图像增强策略智能选择系统，其特征在于：分析所述待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级包括：基于所述待增强视频帧的各个像素点的各个像素值确定每一个像素点的像素值梯度，将具有的像素值梯度小于所述设定梯度阈值的像素点作为其他像素点。

技术总结
本发明涉及一种图像增强策略智能选择系统，包括：内容获取部件，用于获取待增强视频帧以及与待增强视频帧分辨率相同的参考视频帧，获取参考视频帧分别经过各种增强处理后获得的各个参考增强画面；效果预测机构，用于基于待增强视频帧的图像内容、参考视频帧的图像内容、各个参考增强画面的图像内容、待增强视频帧的边沿像素点的总数以及边沿像素点的分布均匀等级预测标记增强模式选择结果的选择标识。本发明的图像增强策略智能选择系统结构紧凑、操作简便。由于能够在不执行具体的图像内容增强处理以及各种增强处理效果具体比较的操作下，直接从各种增强模式中获取最适合某一图像内容的增强模式，从而降低了寻找最佳图像增强模式的时长和成本。增强模式的时长和成本。增强模式的时长和成本。


技术研发人员：黄树清
受保护的技术使用者：黄树清
技术研发日：2023.05.11
技术公布日：2023/8/6