[发明专利]一种基于光强分析的神经网络图像预处理方法

说明书

本申请公开的基于光强分析的神经网络图像预处理方法，与现有技术相比，包括：获取数字信息图像；将数字信息图像转换成像素矩阵，将像素矩阵转换成图像亮度矩阵；提取图像亮度矩阵中待识别数字图像区域的亮度特征；对图像亮度矩阵进行统计学分析，获取分析结果；基于分析结果，判断待识别数字图像区域亮度特征的合理性；若提取的待识别数字图像区域亮度特征不合理，返回步骤三，重新提取；构建深度学习分类器，选择相应图像增强算法，对数字信息图像进行图像增强处理，获取优化数字信息图像。相较于现有技术而言，其能够根据场景需求，智能选择处理算法，提高图像对比度，便于进行图像的特征分析、目标提取和场景分析。

技术领域

本申请涉及图像预处理技术领域，更具体地说，尤其涉及一种基于光强分析的神经网络图像预处理方法。

背景技术

随着科技的进步，人类社会进入智能化时代以及大数据时代，远程数据图像以及文字的智能识别迈入了崭新的台阶，对各个领域的发展具有重要的意义。

目前，在中小型牧场中，对奶厅奶量的统计工作主要还是依靠人力劳动，此过程费时费力，而运用传统的图像采集外加数字识别又存在诸多困难。在采集完数字图像，分析数字图像的过程中，光照强度的不稳定会导致预处理不适配，进而可能严重影响分析结果的准确性。为了解决这一问题，传统处理方式一为：部署外控光源，但是该方案成本较高，且部分场景部署困难；传统处理方法二为：使用图像增强算法对数字图像进行光照增强，但是运用图像增强算法单一，无法适用多种不同的场景，而且需要人的主观判断，人工干预分析应该选择什么样的算法进行图像优化。

因此，如何提供一种基于光强分析的神经网络图像预处理方法，其能够根据场景需求，智能选择处理算法，提高图像对比度，便于进行图像的特征分析、目标提取以及场景分析，提升数字面板识别算法的泛化性与稳定性，提高奶厅奶量统计效率，提升数字面板识别算法的泛化性与稳定性，提高奶厅奶量统计效率，已经成为本领域技术人员亟待解决的技术问题。

发明内容

为解决上述技术问题，本申请提供一种基于光强分析的神经网络图像预处理方法，其能够根据场景需求，智能选择处理算法，提高图像对比度，便于进行图像的特征分析、目标提取以及场景分析，提升数字面板识别算法的泛化性与稳定性，提高奶厅奶量统计效率。

本申请提供的技术方案如下：

本申请提供一种基于光强分析的神经网络图像预处理方法，包括：步骤一、驱动连接采集器采集数据，获取数字信息图像；所述数字信息图像包括：待识别数字图像；步骤二、将所述数字信息图像转换成像素矩阵，并将所述像素矩阵转换成图像亮度矩阵；步骤三、使用卷积神经网络提取所述图像亮度矩阵中所述待识别数字图像区域的亮度特征；步骤四、对所述图像亮度矩阵进行基础统计学分析处理，获取分析结果；步骤五、基于所述分析结果，判断所述待识别数字图像区域亮度特征的合理性；若提取的所述待识别数字图像区域亮度特征不合理，则返回步骤三，重新提取；步骤六、基于所述分析结果构建深度学习分类器，将所述待识别数字图像区域的亮度特征作为数据输入，根据所述深度学习分类器的分类判断结果，选择相应的图像增强算法，对所述数字信息图像进行图像增强处理，获取优化数字信息图像；步骤七、输出所述优化数字信息图像。

进一步地，在本发明一种优选方式中，步骤四中，对所述图像亮度矩阵进行基础统计学分析包括：步骤四零一、将所述图像亮度矩阵依次均分，选取不同区域大小的区域亮度矩阵，计算所述区域亮度矩阵的统计学参数特征；步骤四零二、使用深度学习算法构建分类判断模型，对所述统计学参数特征进行判断分析，获取所述分析结果。

进一步地，在本发明一种优选方式中，在所述步骤六中，所述图像增强算法的选择包括：

构建深度学习分类器，基于所述待识别数字图像区域的亮度特征进行分类判断，将所述数字信息图像分成第一类数字信息图像、第二类数字信息图像以及第三类数字信息图像；

所述第一类数字信息图像选择第一图像增强算法；