CN107809559A - 一种图像自学习增强方法和系统 - Google Patents

Abstract

本发明公开了一种图像自学习方法和系统，所述方法包括以下步骤：训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。本发明可以有效解决实时采集的海域图像存在的不清晰问题，有利于技术人员对海上环境进行观察，在国防、安保、海上搜救等领域具有广阔的前景。

Description

一种图像自学习增强方法和系统

技术领域

本发明涉及图像处理领域，尤其涉及一种图像自学习增强方法和系统。

背景技术

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。图像增强可分成两大类：频率域法和空间域法。频率域法把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。空间域法中具有代表性的算法包括局部求平均值法和中值滤波法等，可用于去除或减弱噪声。

以海域图像采集为例，由于受到海域气象条件因素(如雾气、光线等)的影响，图像采集设备获取的海域图像相较于其他条件的图像质量往往更差，图像细节退化严重，严重影响了人们对海域环境的观察。而对于国防、海上搜救、安保等领域，都要求能够尽可能远、尽可能清晰的观察到目标，因此海域条件下图像清晰化的技术问题，是图像处理领域亟需解决的问题。

发明内容

为此，需要提供一种图像自学习增强的技术方案，用以解决图像采集设备采集到的海域图像存在的图像不清晰、细节无法很好体现等问题。

为实现上述目的，发明人提供了一种图像自学习增强方法，其特征在于，所述方法包括以下步骤：

训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；

将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。

进一步地，所述步骤“训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法”包括：

从图像数据库中读取预设图像；

从算法数据库中读取一种图像增强算法；

采用读取的图像增强算法对预设图像进行增强处理，并判断增强处理后的图像是否满足预设要求，若是则确定当前选取的图像增强算法为该预设图像的最优增强算法；否则从算法数据库中读取另一种图像增强算法，执行上述判断不准，直至增强处理后的图像满足预设要求，确定使得增强处理后的图像满足预设要求的图像增强算法为该预设图像对应的最优增强算法。

进一步地，所述方法包括：

遍历图像数据库中所有预设图像，并确定每一预设图像对应的最优增强算法；

对图像数据库中的所有预设图像进行聚类分析，根据图像特征参数确定每一预设图像所属的类型，以及该类型对应的最优增强算法并记录。

进一步地，所述方法包括：

当接收到算法选择指令时，判定增强处理后的图像满足预设要求，否则判定为不满足。

进一步地，所述方法包括：

将增强处理后的实时图像传输至显示单元进行显示。

发明人还提供了一种图像自学习增强系统，包括图像采集单元、图像自学习评估单元、实时图像增强单元以及计算机可读存储介质，所述图像采集单元与实时图像增强单元连接，所述图像实时增强单元与图像自学习评估单元连接；所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；

将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。

进一步地，所述系统包括图像数据库和算法数据库；所述计算机程序被处理器执行时实现以下步骤：

从图像数据库中读取预设图像；

从算法数据库中读取一种图像增强算法；

采用读取的图像增强算法对预设图像进行增强处理，并判断增强处理后的图像是否满足预设要求，若是则确定当前选取的图像增强算法为该预设图像的最优增强算法；否则从算法数据库中读取另一种图像增强算法，执行上述判断不准，直至增强处理后的图像满足预设要求，确定使得增强处理后的图像满足预设要求的图像增强算法为该预设图像对应的最优增强算法。

进一步地，所述计算机程序被处理器执行时实现以下步骤：

遍历图像数据库中所有预设图像，并确定每一预设图像对应的最优增强算法；

对图像数据库中的所有预设图像进行聚类分析，根据图像特征参数确定每一预设图像所属的类型，以及该类型对应的最优增强算法并记录。

进一步地，所述计算机程序被处理器执行时实现以下步骤：

当接收到算法选择指令时，判定增强处理后的图像满足预设要求，否则判定为不满足。

进一步地，所述系统还包括显示单元，所述显示单元与图像实时增强单元连接；所述计算机程序被处理器执行时实现以下步骤：

将增强处理后的实时图像传输至显示单元进行显示。

区别于现有技术，上述技术方案的图像自学习方法和系统，所述方法包括以下步骤：训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。在海域条件下，对于光学设备(即图像采集单元)采集的海域图像，可以实时确定对应的最优增强算法进行增强处理，有效解决了实时图像存在的不清晰问题，有利于人员对海上环境进行实时观察，在国防、安保、海上搜救等领域具有广阔的前景。

附图说明

图1为本发明一实施例涉及的图像自学习增强方法的流程图；

图2为本发明另一实施例涉及的图像自学习增强方法的流程图；

图3为本发明另一实施例涉及的图像自学习增强方法的流程图；

图4为本发明一实施例涉及的图像自学习增强系统的示意图；

图5为本发明另一实施例涉及的图像自学习增强系统的示意图；

附图标记说明：

101、图像采集单元；

102、图像实时增强单元；

103、图像自学习评估单元；

104、显示单元；

105、图像数据库；

106、算法数据库。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图1，为本发明一实施例涉及的图像自学习增强方法的流程。所述方法可用于对选取最优的图像增强算法，对图像采集单元采集的实时图进行增强处理。所述方法包括以下步骤：

首先进入步骤S101训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法。所述最优增强算法为图像自学习评估单元确定的、对图像进行增强处理后图像清晰度、细节保留更好的算法。

图像的类型由该图像的图像特征参数确定。在本实施方式中，所述图像特征参数包括目标物参数、环境参数和成像参数。其中，目标参数包括目标的亮度、目标的温度，目标的有效反射面积、目标的反射系数。所述目标是指待观察的对象。所述环境因素包括当前环境的能见度值、背景光亮度、太阳光与观测方向的夹角、海面杂散光、气象参数等。所述气象参数包括当前环境的温度、湿度、气压、风向及风力等。所述成像参数为图像采集单元采集图像时设定的参数，包括图像传感参数、光学器件参数、调光参数、传动参数等。所述图像传感器参数包括图像传感器的像素点数量、像素点尺寸、灵敏度、动态场景范围等。所述光学器件参数包括成像的光学器件对应的口径大小、焦距、透过率、弥散斑尺寸、分辨率等。在另一些实施例中，图像特征参数还可以包括其他参数，即图像类型还可以根据采集图像的其他特征参数进行确定。

而后进入步骤S102将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型。所述实时图像为图像采集单元实时采集得到的图像，即待增强的图像。每一实时图像在采集时会有其对应的图像特征参数，图像实时增强单元可以通过将实时图像的特征参数与各个预设类型对应的图像特征参数进行比较，以确定实时图像所属的类型。

而后进入步骤S103图像实时增强单元从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。由于最优增强算法是从训练完成的图像自学习评估单元那获取得到的，因而采用最优增强算法对图像进行增强后，可以使得图像更加清晰以及让图像细节得到更好保留，进而使得观察者更容易捕捉到图像信息。

如图2所示，为本发明另一实施例涉及的图像自学习增强方法的流程图。所述步骤“训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法”包括：

首先进入步骤S201从图像数据库中读取预设图像。图像数据库，顾名思义，用于存储图像数据，其可根据实际需要拓展图像数据种类及容量。图像数据库除了让处理器调用相应图像之外，处理器还可以对图像数据库中的图像数据进行增、删、改、查、浏览等操作。图像数据库的建立方式如图3所述，图像数据库除了存储图像本身之外，还存储有每一图像对应的图像特征参数，图像特征参数与图像本身对应存储于图像数据库中。

而后进入步骤S202从算法数据库中读取一种图像增强算法。算法数据库，顾名思义，用于存储图像增强算法，包括多种图像滤波处理算法、图像增强处理算法等。

而后进入步骤S203采用读取的图像增强算法对预设图像进行增强处理，并判断增强处理后的图像是否满足预设要求，若是则进入步骤S204确定当前选取的图像增强算法为该预设图像的最优增强算法；否则进入步骤S206从算法数据库中读取另一种图像增强算法，以及在步骤S206后执行步骤S203。在本实施方式中，所述预设要求是指经过增强后的实时图像的信噪比、边缘锐度等参数处于预设阈值范围内，以便保证经过增强后的实时图像各个部分尽可能的清晰。

在某些实施例中，所述方法包括：遍历图像数据库中所有预设图像，并确定每一预设图像对应的最优增强算法；对图像数据库中的所有预设图像进行聚类分析，根据图像特征参数确定每一预设图像所属的类型，以及该类型对应的最优增强算法并记录。为了提高图像分类的准确度，在图像数据库容量允许的情况下，图像自学习评估在进行自学习训练过程中，遍历的预设图像数量尽可能的多。通过聚类分析，可以对不同图像特征参数的预设图像进行有效分类，进而确定各个分类对应的图像特征参数范围，以便在采集到实时图像时，可以对图像的类别及时进行判断。

如果只凭图像自学习评估单元筛选出的图像增强算法，可能与实际最优算法仍存在较大偏差，在某些实施例中，所述方法包括：当接收到算法选择指令时，判定增强处理后的图像满足预设要求，否则判定为不满足。算法选择指令可以通过用户点击、勾选触发。这样，用户在图像自学习评估单元确定的图像增强算法对图像的处理效果较差时，可以通过触发算法选择，对图像自学习评估单元确定的图像增强算法进一步筛选，从而保证最优增强算法的准确度。优选的，算法选择指令可以经过多次触发，当触发次数达到预设次数时，才确定该算法为当前图像对应的最优增强算法。即可以通过通过采用多人多次进行主观评价(对于系统而言，即接收多次算法选择指令)，筛选出当前图像对应的最优增强算法，进而为实时图像的图像增强算法的智能选取提供依据。

在某些实施例中，为了便于观察者及时了解到增强后图像的效果，所述方法包括：将增强处理后的实时图像传输至显示单元进行显示。优选的，在显示单元中可以显示实时图像在进行增强处理之前的原始图像和进行增强处理之后的图像，以便观察者进行观察。所述显示单元为具有图像显示功能的电子元件，如AMOLED显示屏、LCD显示屏等。

请参阅图4，为本发明一实施例涉及的图像自学习增强系统的示意图。所述图像自学习增强系统包括图像采集单元101、图像自学习评估单元103、实时图像增强单元102以及计算机可读存储介质，所述图像采集单元101与实时图像增强单元102连接，所述图像实时增强单元102与图像自学习评估单元103连接；所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；

将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。

在某些实施例中，所述系统包括图像数据库和算法数据库；所述计算机程序被处理器执行时实现以下步骤：

从图像数据库中读取预设图像；

从算法数据库中读取一种图像增强算法；

采用读取的图像增强算法对预设图像进行增强处理，并判断增强处理后的图像是否满足预设要求，若是则确定当前选取的图像增强算法为该预设图像的最优增强算法；否则从算法数据库中读取另一种图像增强算法，执行上述判断不准，直至增强处理后的图像满足预设要求，确定使得增强处理后的图像满足预设要求的图像增强算法为该预设图像对应的最优增强算法。

在某些实施例中，所述计算机程序被处理器执行时实现以下步骤：

遍历图像数据库中所有预设图像，并确定每一预设图像对应的最优增强算法；

对图像数据库中的所有预设图像进行聚类分析，根据图像特征参数确定每一预设图像所属的类型，以及该类型对应的最优增强算法并记录。

在某些实施例中，所述计算机程序被处理器执行时实现以下步骤：

当接收到算法选择指令时，判定增强处理后的图像满足预设要求，否则判定为不满足。

在某些实施例中，所述系统还包括显示单元101，所述显示单元104与图像实时增强单元102连接；所述计算机程序被处理器执行时实现以下步骤：

将增强处理后的实时图像传输至显示单元进行显示。

如图5所示，为本发明另一实施例涉及的图像自学习增强系统的示意图。图像采集单元101、图形实时增强单元102、图像自学习评估单元103之间可以通过局域网建立连接。同时，图像自学习评估单元也可以通过局域网从图像数据库105中获取图像数据，以及从算法数据库106中获取图像增强算法。

在这一实施例中，首先通过图像采集单元采集图像，根据不同海域条件(如环境参数)和成像参数(如采集图像的光学器件参数)对采集得到的图像进行标记，并建立数据库，所示图像数据库可以与图像自学习评估单元进行接口对接，以便进行后期调用。

图像数据库建立后，可以通过局域网与图像自学习评估单元建立连接，图像自学习评估单元根据图像数据库里的图像特征参数，对各个图像进行分类处理，针对目标参数、环境参数和成像参数不同的图像分别采用从算法数据库中获取不同的图像增强算法进行处理，如进行图像滤波、图像增强等处理，并获得处理后的图像。图像自学习评估单元还对处理后的图像进行效果评估，比如对处理后的图像进行计算，例如获取处理后的图像的信噪比、边缘锐度等参数，将这些参数与预设参数进行比较，实现图像增强算法的客观评价。同时，图像自学习评估单元还可以接收用户输入的算法选择指令，采用多人多次进行主观评价，得到当前图像类型对应的最优增强算法，从而为实时图像增强算法的智能选取提供依据。

图像实时增强单元具有不同图像信号输入接口和输出接口，可以通过输入接口实时采集图像采集单元的实时信号，并根据当前的海域环境条件和不同的光学设备的成像参数(即图像特征参数)，确定当前实时图像所属的类型，以及根据图像自学习评估单元的评估结果确定当前实时图像对应的图像增强算法，并将增强处理后的图像通过输出接口传输至显示单元进行显示。图像实时增强单元的实时性通过高性能的处理器(如CPU、GPU等)实现。

区别于现有技术，上述技术方案的图像自学习方法和系统，所述方法包括以下步骤：训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。在海域条件下，对于光学设备(即图像采集单元)采集的海域图像，可以实时确定对应的最优增强算法进行增强处理，有效解决了实时图像存在的不清晰问题，有利于人员对海上环境进行实时观察，在国防、安保、海上搜救等领域具有广阔的前景。

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。

Claims (10)

1.一种图像自学习增强方法，其特征在于，所述方法包括以下步骤：

训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；

将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。

2.如权利要求1所述的图像自学习增强方法，其特征在于，所述步骤训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法包括：

从图像数据库中读取预设图像；

从算法数据库中读取一种图像增强算法；

采用读取的图像增强算法对预设图像进行增强处理，并判断增强处理后的图像是否满足预设要求，若是则确定当前选取的图像增强算法为该预设图像的最优增强算法；否则从算法数据库中读取另一种图像增强算法，执行上述判断不准，直至增强处理后的图像满足预设要求，确定使得增强处理后的图像满足预设要求的图像增强算法为该预设图像对应的最优增强算法。

3.如权利要求2所述的图像自学习增强方法，其特征在于，所述方法包括：

遍历图像数据库中所有预设图像，并确定每一预设图像对应的最优增强算法；

对图像数据库中的所有预设图像进行聚类分析，根据图像特征参数确定每一预设图像所属的类型，以及该类型对应的最优增强算法并记录。

4.如权利要求2或3所述的图像自学习增强方法，其特征在于，所述方法包括：

当接收到算法选择指令时，判定增强处理后的图像满足预设要求，否则判定为不满足。

5.如权利要求1所述的图像自学习增强方法，其特征在于，所述方法包括：

将增强处理后的实时图像传输至显示单元进行显示。

6.一种图像自学习增强系统，其特征在于，包括图像采集单元、图像自学习评估单元、实时图像增强单元以及计算机可读存储介质，所述图像采集单元与实时图像增强单元连接，所述图像实时增强单元与图像自学习评估单元连接；所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

训练图像自学习评估单元，根据不同图像的类型确定其对应的最优增强算法；

将图像采集单元采集的实时图像传输至图像实时增强单元，图像实时增强单元获取当前采集的实时图像的图像特征参数，并根据实时图像特征参数确定图像的类型，从图像自学习评估单元获取该图像类型对应的最优增强算法，并选用该图像类型对应的最优增强算法对实时图像进行增强处理。

7.如权利要求6所述的图像自学习增强系统，其特征在于，所述系统包括图像数据库和算法数据库；所述计算机程序被处理器执行时实现以下步骤：

从图像数据库中读取预设图像；

从算法数据库中读取一种图像增强算法；

采用读取的图像增强算法对预设图像进行增强处理，并判断增强处理后的图像是否满足预设要求，若是则确定当前选取的图像增强算法为该预设图像的最优增强算法；否则从算法数据库中读取另一种图像增强算法，执行上述判断不准，直至增强处理后的图像满足预设要求，确定使得增强处理后的图像满足预设要求的图像增强算法为该预设图像对应的最优增强算法。

8.如权利要求7所述的图像自学习增强系统，其特征在于，所述计算机程序被处理器执行时实现以下步骤：

遍历图像数据库中所有预设图像，并确定每一预设图像对应的最优增强算法；

对图像数据库中的所有预设图像进行聚类分析，根据图像特征参数确定每一预设图像所属的类型，以及该类型对应的最优增强算法并记录。

9.如权利要求7或8所述的图像自学习增强系统，其特征在于，所述计算机程序被处理器执行时实现以下步骤：

当接收到算法选择指令时，判定增强处理后的图像满足预设要求，否则判定为不满足。

10.如权利要求6所述的图像自学习增强系统，其特征在于，所述系统还包括显示单元，所述显示单元与图像实时增强单元连接；所述计算机程序被处理器执行时实现以下步骤：

将增强处理后的实时图像传输至显示单元进行显示。