【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体为一种社区智慧警务信息的数据方法。
技术介绍
1、社区智慧警务是指通过利用智能化技术，将社区居民、公安执法人员、社区管理人员等各方资源有效整合，实现信息共享、协同作战、资源优化配置等目标，提高社区治理水平和居民安全感。在社区智慧警务实施的过程中，由于图像采集设备、传输通道、存储方式等因素的影响，社区智慧警务图像信息中常常存在各种噪声和失真，影响图像的质量和可用性。因此，需要对社区智慧警务图像进行去噪处理，其中，社区智慧警务图像信息是社区智慧警务的重要组成部分，包括视频监控、人脸识别等图像信息。
2、然而，现有技术的去噪方法有如小波去噪、自适应中值滤波、基于深度学习的图像去噪等。但是，这些方法在对图像进行去噪时对所有的像素点的处理方式均是相同的，导致去噪质量不佳，影响社区智慧警务图像信息的可用性。
技术实现思路
1、针对现有技术中存在的问题，本专利技术提供一种社区智慧警务信息的数据方法。
2、本专利技术是通过以下技术方案来实现：
3、本专利技术提供一种社区智慧警务信息的数据方法，包括：
4、获取社区智慧警务信息，所述社区智慧警务信息包括社区警务监控的图像的数据；
5、根据所述图像的细节程度与像素点的分布情况，确定对所述像素点的滤波类型和自适应滤波核大小，所述细节程度至少包括所述图像中像素点的梯度幅值；
6、根据所述滤波类型和自适应滤波核大小，对所述图像进行去噪处理。
7
8、获取所述图像中各像素点在第一方向的第一梯度，以及在第二方向的第二梯度；
9、根据公式，确定像素点的梯度幅值；
10、根据公式，确定像素点的梯度方向v。
11、进一步的，所述确定像素点的梯度幅值之后，还包括：
12、以一像素点为中心像素点，建立窗口边长为的正方形的窗口；
13、通过分割阈值对所述窗口中各像素点的梯度幅值进行二值分割，确定分割出的像素点对应的位置值d；
14、根据所述位置值d及窗口边长，确定分割比例c。
15、进一步的，所述根据所述位置值d及窗口边长，确定分割比例c，包括：
16、根据公式，确定分割比例c，其中，n为所述窗口的边长。
17、进一步的，所述根据所述位置值d及窗口边长，确定分割比例c之后，还包括：
18、根据公式，确定所述窗口的目标程度，其中，所述表示窗口中的梯度幅值的最大值，表示窗口中的梯度幅值的最小值，表示第i个分割阈值下的分割比例值，表示分割比例值的最大值。
19、进一步的，所述根据所述位置值d及窗口边长，确定分割比例c之后，还包括：
20、根据公式，确定所述窗口的中心像素点的目标程度h，其中，表示窗口的目标程度，f表示窗口中心像素点的梯度幅值，所述表示窗口中的梯度幅值的最大值，表示窗口中的梯度幅值的最小值。
21、进一步的，所述根据所述位置值d及窗口边长，确定分割比例c之后，还包括：
22、根据公式，确定窗口中像素点的关联范围，其中，表示最大关联范围，表示目标像素点的目标程度，k表示窗口中大于目标程度平均值的像素点的数量，表示窗口中大于目标程度平均值的第j个像素点的目标程度，表示窗口中大于目标程度平均值的像素点到目标像素点的距离，表示窗口中大于目标程度平均值的像素点到目标像素点的距离加权平均值。
23、进一步的，所述像素点的分布情况，包括：像素点被不同所述关联范围覆盖的覆盖次数；
24、所述根据所述位置值d及窗口边长，确定分割比例c之后，还包括：
25、根据备选滤波核的最大值与最小值之间相减，将获得的差值与覆盖次数最大值进行比较，获得比较值，所述覆盖次数最大值包括在所述窗口中各像素点被不同所述关联范围覆盖的覆盖次数中覆盖次数的最大值；
26、将所述比较值与像素点的覆盖次数相乘，并将获得结果确定为像素点的自适应滤波核大小。
27、进一步的，所述将所述比较值与像素点的覆盖次数相乘，并将获得结果确定为像素点的自适应滤波核大小之后，还包括：
28、将像素点的自适应滤波核大小与备选滤波核的最大值的比值与1进行比较，获得滤波核比较值；
29、将所述滤波核比较值与梯度方向相似性均值w相乘，获得结果确定为滤波类型优选参数t。
30、进一步的，所述将所述滤波核比较值与梯度方向相似性均值w相乘，获得结果确定为滤波类型优选参数t之后，还包括：
31、若滤波类型优选参数t小于第一预设滤波类型值时，确定滤波类型为均值滤波；
32、若滤波类型优选参数t小于第二预设滤波类型值，且大于或等于所述第一预设滤波类型值时，确定滤波类型为中值滤波；
33、若滤波类型优选参数t大于或等于所述第二预设滤波类型值时，确定滤波类型为双边滤波。
34、与现有技术相比，本专利技术具有以下有益的技术效果：
35、本专利技术提供的社区智慧警务信息的数据方法。该方法，包括：获取社区智慧警务信息，社区智慧警务信息包括社区警务监控的图像的数据；接着，根据图像的细节程度与像素点的分布情况，确定对像素点的滤波类型和自适应滤波核大小，细节程度至少包括图像中像素点的梯度幅值，然后，根据滤波类型和自适应滤波核大小，对图像进行去噪处理。在保证智慧警务图像数据的细节的同时达到去噪的目的，从而智慧警务图像数据的可用性提高。
本文档来自技高网...【技术保护点】
1.一种社区智慧警务信息的数据方法，其特征在于，包括：
2.根据权利要求1所述的一种社区智慧警务信息的数据方法，其特征在于，所述将所述比较值与像素点的覆盖次数相乘，并将获得结果确定为像素点的自适应滤波核大小之后，还包括：
3.根据权利要求2所述的一种社区智慧警务信息的数据方法，其特征在于，所述将所述滤波核比较值与梯度方向相似性均值w相乘，获得结果确定为滤波类型优选参数t之后，还包括：
4.根据权利要求3所述的一种社区智慧警务信息的数据方法，其特征在于，所述以一像素点为中心像素点，建立窗口边长为的正方形的窗口之前，还包括：
【技术特征摘要】
1.一种社区智慧警务信息的数据方法，其特征在于，包括：
2.根据权利要求1所述的一种社区智慧警务信息的数据方法，其特征在于，所述将所述比较值与像素点的覆盖次数相乘，并将获得结果确定为像素点的自适应滤波核大小之后，还包括：
3.根据权利要求2所述的一种社区智慧...
【专利技术属性】
技术研发人员：邹新春，
申请(专利权)人：大连装保科技发展有限公司，
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。