【技术实现步骤摘要】
本专利技术涉及图片处理，具体涉及一种基于dcgan神经网络对前端抓拍图片处理方法和系统。
技术介绍
1、通常，由于周边环境、拍摄设备和压缩失真等多种因素的限制，一些行业前端感知设备存在分辨率低、噪声多和压缩失真等问题，这类问题被归为视频流低画质问题。鉴于安全城市建设的需求，提高前端设备抓拍图片的画质变得十分重要。针对修复低画质抓拍图片这一问题，如果仅使用去噪和超分模块组合来解决任务，则会导致各模块之间处理后带来信息损失和扰动。例如，去噪模块通常会导致更多细节丢失，从而削弱超分效果；直接进行超分则可能引入新的噪声，并对后续去噪过程提出更高要求。因此，在目前技术人员亟需解决的技术问题中包括如何检测并对模糊图片进行高清化处理。
技术实现思路
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于dcgan神经网络对前端抓拍图片处理方法和系统。
2、为了解决上述技术问题，本申请实施例公开了如下技术方案：
3、第一方面，本专利技术实施例公开了一种基于dcgan神经网络对前端抓拍图片处理方法，包括：
4、s100.获取前端感知设备的抓拍图片，对所述抓拍图片按预设格式进行存储；
5、s200.通过高斯拉普拉斯算子方法对所述抓拍图片是否模糊进行判断；
6、s300.训练构建dcgan图片高清修复模型；
7、s400.将s200中抓拍图片中模糊图片输入s300中dcgan图片高清修复模型，
8、进一步地，s100中，获取前端感知设备的抓拍图片，对所述抓拍图片按预设格式进行存储，具体方法包括：通过安装在不同地点的前端感知设备抓拍图片，并进行归一化和去噪预处理，按照序号、图片唯一标志、抓拍图片base64编码和抓拍时间格式进行存储。
9、进一步地，s200中，通过高斯拉普拉斯算子方法对所述抓拍图片是否模糊进行判断，具体方法包括：
10、s201生成高斯核，根据实际应用对高斯核的大小和标准差进行调整；
11、s202.对高斯核应用拉普拉斯算子，得到log核；
12、s203.将log核与原始图像进行卷积，得到边缘检测结果；
13、s204.决策和输出：基于边缘检测结果，判断图像是否模糊，并输出相应的判断结果。
14、进一步地，s201中，生成高斯核的具体方法包括：确定高斯核的大小和标准差：计算高斯函数值：使用高斯函数的公式，对于高斯核中的每个位置(i，j)，计算其对应的高斯函数值；归一化处理，为了满足掩码系数和为1的条件，对计算得到的高斯函数值进行归一化处理；构建高斯核：将归一化后的高斯函数值按照对应的位置填充到高斯核中，形成一个二维的卷积核。
15、进一步地，s202中，对高斯核应用拉普拉斯算子，得到log核，具体公式为：其中，f是图像，g是高斯核。
16、进一步地，s203中，将log核与原始图像进行卷积，得到边缘检测结果，具体方法包括：加载图像，将所述图像转换为灰度图像，计算所述图像的拉普拉斯并找到方差，若所述方差小于预设阈值，则图像模糊；反之，则图像不模糊。
17、进一步地，s300中，训练构建dcgan图片高清修复模型，具体方法包括：首先利用完整的原图来训练dcgan网络的图像生成模型，在训练过程中，我们随机输入噪声，并让dcgan的生成器和判别器通过互相竞争，逐步使生成器具备生成接近原图质量的假图片的能力；然后不断迭代更新假图片的输入噪声，直到训练后输入的概率分布与待修复图片相匹配，一旦达到所述条件，从生成器中提取与破损原图尺寸和位置相同的假图片破损块，通过将所述破损块与待修复图像进行简单的通道拼接，能高效地完成图像修复工作。
18、进一步地，s300中，训练构建dcgan图片高清修复模型中，会不断对模型参数进行调优，其中，模型调优参数至少包括：输入噪声维度、学习率、权重衰减率、增加对抗攻击、leakyrelu的斜率、训练的batch的大小、卷积核大小、卷积步长和训练次数。
19、第二方面，本专利技术实施例公开了一种基于dcgan神经网络对前端抓拍图片处理系统，包括：
20、前端抓拍图片获取单元，用于获取前端感知设备的抓拍图片，对所述抓拍图片按预设格式进行存储；
21、抓拍图片模糊判断单元，用于通过高斯拉普拉斯算子方法对所述抓拍图片是否模糊进行判断；
22、dcgan图片高清修复模型构建单元，用于训练构建dcgan图片高清修复模型；
23、模糊图片高清修复单元，用于将中抓拍图片中模糊图片输入dcgan图片高清修复模型，对所述模糊图片进行高清修复，将原图与修复后的图片进行存储。
24、第三方面，本专利技术实施例公开了一种电子设备，包括：
25、一个或多个处理器；
26、存储器，用于存储一个或多个程序；
27、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的前端抓拍图片处理方法。
28、本专利技术实施例提供的上述技术方案的有益效果至少包括：
29、本专利技术公开了一种基于dcgan神经网络对前端抓拍图片处理方法，包括：s100.获取前端感知设备的抓拍图片，对所述抓拍图片按预设格式进行存储；s200.通过高斯拉普拉斯算子方法对所述抓拍图片是否模糊进行判断；s300.训练构建dcgan图片高清修复模型；s400.将s200中抓拍图片中模糊图片输入s300中dcgan图片高清修复模型，对所述模糊图片进行高清修复，将原图与修复后的图片进行存储。
30、本专利技术在传统的人像卡口摄像头抓拍到的图片通过拉普拉斯算法进行图像是否模糊的判断，若图像存在模糊，通过dcgan算法进行图片高清化处理，不需要再次人工识别，极大的提高了图片的清晰度，减少了日常工作量。
31、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，包括：
2.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S100中，获取前端感知设备的抓拍图片，对所述抓拍图片按预设格式进行存储，具体方法包括：通过安装在不同地点的前端感知设备抓拍图片，并进行归一化和去噪预处理，按照序号、图片唯一标志、抓拍图片base64编码和抓拍时间格式进行存储。
3.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S200中，通过高斯拉普拉斯算子方法对所述抓拍图片是否模糊进行判断，具体方法包括：
4.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S201中，生成高斯核的具体方法包括：确定高斯核的大小和标准差：计算高斯函数值：使用高斯函数的公式，对于高斯核中的每个位置(i，j)，计算其对应的高斯函数值；归一化处理，为了满足掩码系数和为1的条件，对计算得到的高斯函数值进行归一化处理；构建高斯核：将归一化后的高斯函数值按照对应的位置填充到高斯核中，形成一个二维的卷
5.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S202中，对高斯核应用拉普拉斯算子，得到LoG核，具体公式为：其中，f是图像，g是高斯核。
6.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S203中，将LoG核与原始图像进行卷积，得到边缘检测结果，具体方法包括：加载图像，将所述图像转换为灰度图像，计算所述图像的拉普拉斯并找到方差，若所述方差小于预设阈值，则图像模糊；反之，则图像不模糊。
7.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S300中，训练构建DCGAN图片高清修复模型，具体方法包括：首先利用完整的原图来训练DCGAN网络的图像生成模型，在训练过程中，我们随机输入噪声，并让DCGAN的生成器和判别器通过互相竞争，逐步使生成器具备生成接近原图质量的假图片的能力；然后不断迭代更新假图片的输入噪声，直到训练后输入的概率分布与待修复图片相匹配，一旦达到所述条件，从生成器中提取与破损原图尺寸和位置相同的假图片破损块，通过将所述破损块与待修复图像进行简单的通道拼接，能高效地完成图像修复工作。
8.如权利要求1所述的一种基于DCGAN神经网络对前端抓拍图片处理方法，其特征在于，S300中，训练构建DCGAN图片高清修复模型中，会不断对模型参数进行调优，其中，模型调优参数至少包括：输入噪声维度、学习率、权重衰减率、增加对抗攻击、LeakyReLU的斜率、训练的batch的大小、卷积核大小、卷积步长和训练次数。
9.一种基于DCGAN神经网络对前端抓拍图片处理系统，采用权利要求1-8所述的方法，其特征在于，包括前端抓拍图片获取单元，抓拍图片模糊判断单元，DCGAN图片高清修复模型构建单元和模糊图片高清修复单元；其中：
10.一种电子设备，包括：
...【技术特征摘要】
1.一种基于dcgan神经网络对前端抓拍图片处理方法，其特征在于，包括：
2.如权利要求1所述的一种基于dcgan神经网络对前端抓拍图片处理方法，其特征在于，s100中，获取前端感知设备的抓拍图片，对所述抓拍图片按预设格式进行存储，具体方法包括：通过安装在不同地点的前端感知设备抓拍图片，并进行归一化和去噪预处理，按照序号、图片唯一标志、抓拍图片base64编码和抓拍时间格式进行存储。
3.如权利要求1所述的一种基于dcgan神经网络对前端抓拍图片处理方法，其特征在于，s200中，通过高斯拉普拉斯算子方法对所述抓拍图片是否模糊进行判断，具体方法包括：
4.如权利要求1所述的一种基于dcgan神经网络对前端抓拍图片处理方法，其特征在于，s201中，生成高斯核的具体方法包括：确定高斯核的大小和标准差：计算高斯函数值：使用高斯函数的公式，对于高斯核中的每个位置(i，j)，计算其对应的高斯函数值；归一化处理，为了满足掩码系数和为1的条件，对计算得到的高斯函数值进行归一化处理；构建高斯核：将归一化后的高斯函数值按照对应的位置填充到高斯核中，形成一个二维的卷积核。
5.如权利要求1所述的一种基于dcgan神经网络对前端抓拍图片处理方法，其特征在于，s202中，对高斯核应用拉普拉斯算子，得到log核，具体公式为：其中，f是图像，g是高斯核。
6.如权利要求1所述的一种基于dcgan神经网络对前端抓拍图片处理方法，其特征在于，s203中，将log核与原始图像进...
【专利技术属性】
技术研发人员：杨波，魏畅，
申请(专利权)人：武汉众智数字技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。