一种图像处理方法、系统、设备及介质技术方案

本公开涉及一种图像处理方法、系统、设备及介质，所述方法包括：采集图像数据并存储；利用深度学习分析所述图像数据的画面是否清晰；若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。出。出。

【技术实现步骤摘要】
一种图像处理方法、系统、设备及介质


[0001]本公开涉及图像数据处理
，更为具体来说，本公开涉及一种图像处理方法、系统、设备及介质。

技术介绍

[0002]随着现代信息技术的发展，工程机械走向遥控化与自动化是大势所趋。然而，要实现遥控化与自动化，需要获取工程机械应用场景清晰的画面。
[0003]目前，工程机械的应用场景普遍存在光线偏暗、雨雪、风沙、粉尘等影响彩色画面清晰度的情况。当画面清晰度受到较大干扰时，遥控作业/自动作业安全性与效率将受到很大影响。需要一套整体解决方案，以应对工程机械应用场景普遍存在的雨雪、风沙、粉尘环境。

技术实现思路

[0004]为解决现有技术的工程机械的应用场景普遍存在光线偏暗、雨雪、风沙、粉尘等影响彩色画面清晰度的技术问题。
[0005]为实现上述技术目的，本公开提供了一种图像处理方法，包括：
[0006]采集图像数据并存储；
[0007]利用深度学习分析所述图像数据的画面是否清晰；
[0008]若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；
[0009]若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；
[0010]再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；
[0011]若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；
[0012]若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。
[0013]进一步，所述若不清晰则利用面光源增强光照再次采集并获取增强光照后的第二图像画面数据并输出后，所述方法还包括：
[0014]再次利用深度学习分析判断所述第二图像画面数据的画面是否清晰；
[0015]若不清晰，则利用特定光谱相机采集特定光谱波段的图像增强数据；
[0016]通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，得到第三图像画面数据并输出。
[0017]进一步，所述通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中，得到第三图像画面数据并输出之后，所述方法还包括：
[0018]再次利用深度学习分析判断所述第三图像画面数据的画面是否清晰；
[0019]若不清晰，则利用激光雷达和/或4D毫米波雷达采集环境3D点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第
四次图像画面增强，得到第四图像画面数据并输出。
[0020]进一步，所述利用深度学习分析所述图像数据的画面是否清晰具体包括：
[0021]对采集的图像数据根据图像的清晰度进行标记，标记为清晰的图像数据或不清晰的图像数据；
[0022]对所述图像数据和标记后的标签数据进行模型训练，得到图像清晰度分类二分类模型；
[0023]利用训练后的图像清晰度分类二分类模型进行分析所述图像数据的画面是否清晰的判断过程。
[0024]进一步，所述利用图像颜色增强算法对所述图像数据进行第一次图像画面增强具体包括：
[0025]利用直方图均衡化算法或自动色彩均衡化算法对所述图像数据进行第一次图像画面增强。进一步，当利用直方图均衡化算法进行第一次图像画面增强时，具体包括：
[0026]计算所述图像数据的直方图的第一概率密度；
[0027]通过灰度变换函数T计算新图像灰度级的第二概率密度；
[0028]利用第二概率密度计算新图像的灰度值。
[0029]为实现上述技术目的，本公开还能够提供一种图像处理系统，包括：
[0030]图像数据采集模块，用于采集图像数据并存储；
[0031]判断模块，用于利用深度学习分析所述图像数据的画面是否清晰，以及，判断所述第一图像画面数据的画面是否清晰；
[0032]图像增强模块，用于对所述图像数据的画面进行第一次图像画面增强和第二次图像画面增强；
[0033]图像输出模块，用于输出图像数据的画面。
[0034]进一步，所述判断模块还用于：
[0035]分析判断第二图像画面数据的画面是否清晰，以及，析判断第三图像画面数据的画面是否清晰；
[0036]所述图像增强模块还用于：
[0037]通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，以及，利用激光雷达和/或4D毫米波雷达采集环境3D点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强。
[0038]为实现上述技术目的，本公开还能够提供一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时用于实现上述的图像处理方法的步骤。
[0039]为实现上述技术目的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的图像处理方法的步骤。
[0040]本公开的有益效果为：
[0041]本公开的图像处理方法运用颜色增强算法，对可见光相机获取的画面进行增强，不增加额外。该方法对于有少量雨雪粉尘的环境，以及光线较暗的环境，有良好的增强效果。
[0042]本公开的图像处理方法使用面光源照亮可见光探测的区域，增强画面效果。该方法与“可见光颜色增强“相结合，能有效应对画面亮度不足的情况，对浓度更大的雨雪粉尘状况也能有效应对。
[0043]本公开的图像处理方法在加强光照、使用颜色增强后的画面的基础上，使用“特定光谱相机画面”丰富细节。“特定光谱信息”，如热成像信息，能够有效穿透粉尘，获取可见光相机获取不了的环境细节。通过图像融合手段，可将相关细节融合到加强光照、使用颜色增强后的画面上。
[0044]本公开的图像处理方法利用激光雷达/4D毫米波雷达，获取环境3D信息。在3D特征中，提取物体轮廓信息。在特定光谱相机融合画面的基础上，增加这部分轮廓信息。
附图说明
[0045]图1示出了本公开的实施例1的方法的流程示意图；
[0046]图2示出了本公开的实施例2的系统的结构示意图；
[0047]图3示出了本公开的实施例4的结构示意图。
具体实施方式
[0048]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0049]在附图中示出了根据本公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：采集图像数据并存储；利用深度学习分析所述图像数据的画面是否清晰；若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。2.根据权利要求1所述的方法，其特征在于，所述若不清晰则利用面光源增强光照再次采集并获取增强光照后的第二图像画面数据并输出后，所述方法还包括：再次利用深度学习分析判断所述第二图像画面数据的画面是否清晰；若不清晰，则利用特定光谱相机采集特定光谱波段的图像增强数据；通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，得到第三图像画面数据并输出。3.根据权利要求2所述的方法，其特征在于，所述通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中，得到第三图像画面数据并输出之后，所述方法还包括：再次利用深度学习分析判断所述第三图像画面数据的画面是否清晰；若不清晰，则利用激光雷达和/或4D毫米波雷达采集环境3D点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强，得到第四图像画面数据并输出。4.根据权利要求1～3任一项中所述的方法，其特征在于，所述利用深度学习分析所述图像数据的画面是否清晰具体包括：对采集的图像数据根据图像的清晰度进行标记，标记为清晰的图像数据或不清晰的图像数据；对所述图像数据和标记后的标签数据进行模型训练，得到图像清晰度分类二分类模型；利用训练后的...

【专利技术属性】
技术研发人员：刘世纪，隋少龙，张越，
申请(专利权)人：北京拓疆者智能科技有限公司，
类型：发明
国别省市：