[发明专利]图像处理方式的确定方法及装置

说明书

本申请涉及图像处理方式的确定方法及装置，可用于辅助驾驶和自动驾驶。所述方法包括：根据第一参数和精度的第一关系，计算所述第一参数中每个数值对应的概率，所述第一参数为码率或失真度；确定所述第一参数和所述概率的第二关系；根据业务要求的概率阈值和所述第二关系，得到所述概率阈值对应的所述第一参数的阈值。本申请实施例的图像处理方式的确定方法，通过概率指标表征接近机器无损的程度，为每一个码率计算一个概率值，并根据业务要求的概率阈值确定满足机器无损的码率阈值，能够合理的给出满足机器无损的码率阈值，可以应用于车联网，如车辆外联V2X、车间通信长期演进技术LTE‑V、车辆‑车辆V2V等。

技术领域

本申请涉及图像技术领域，尤其涉及一种图像处理方式的确定方法及装置。

背景技术

随着社会的发展，智能运输设备、智能家居设备、机器人等智能终端正在逐步进入人们的日常生活中。传感器在智能终端上发挥着十分重要的作用。安装在智能终端上的各式各样的传感器，比如毫米波雷达、激光雷达、摄像头、超声波雷达等，在智能终端在运动过程中感知周围的环境，收集数据，进行移动物体的辨识与追踪，以及静止场景如车道线、标示牌的识别，并结合导航仪及地图数据进行路径规划。传感器可以预先察觉到可能发生的危险并辅助甚至自主采取必要的规避手段，有效增加了智能终端的安全性和舒适性。

摄像头具有分辨率高、非接触、使用方便、成本低廉等特点，是自动驾驶环境感知的必备传感器。车辆上可以安装越来越多的摄像头，在自动驾驶时，通过摄像头采集环境中的图像并进行机器视觉处理，识别环境中的障碍物或者目标，从而实现无盲点覆盖。

随着摄像头的分辨率、帧率、采样深度等参数的不断提高，摄像头输出的视频对传输带宽的需求越来越大。图1a是相关技术中一种基于压缩的感知系统传输数据的示意图。图1a是相关技术中一种基于压缩的感知系统传输数据的示意图。如图1a所示，感知系统中包括摄像头、图像信号处理器(Image signal processor，ISP)，感知系统将处理后的图像数据传输到移动数据计算平台(Mobile data center，MDC)，由MDC进一步进行处理。具体地，摄像头输出的拜耳原始(Bayer RAW)图像，经过ISP处理后发送MDC，MDC对ISP处理后的图像进行机器视觉处理。

图1a中的摄像头输出的Bayer RAW图像可以为分辨率为4K的超高清(Ultra highdefinition，UHD)图像，图像的帧率可以为30fps，图像的位深度可以为16bitdepth(比特位深)，图像的带宽需求高达4Gbps(4K*2k*30*16)。为缓解传输网络的压力，可以采用对图像进行压缩后传输的方法降低带宽需求，无需升级现有网络即可开展UHD视频传输的新业务。

自动驾驶对安全性要求高，因此，自动驾驶系统对感知系统的延时比较敏感。图1a所示的场景作为感知系统的一个示例，对压缩算法的需求可以包括：支持RAW格式图像的编码，低延时，低复杂度，高压缩性能。为了满足这些性能，相关技术中设计了在RAW域进行视频压缩的架构。图1b示出根据相关技术中一示例的视频压缩的架构的示意图。如图1b所示，摄像头输出RAW格式的图像，经过编码器进行编码后输出RAW格式的图像，输出的RAW格式的图像是经过压缩后的图像，编码器编码后的图像可以传输到MDC，MDC上可以包括解码器、ISP以及深度神经网络，解码器用于对收到的已压缩的图像进行解码得到解码后的图像，然后再经过ISP处理后输出三原色(Red Green Blue，RGB)或者YUV格式的图像到深度神经网络进一步处理。其中，ISP处理可以包括：去马赛克(Demosaic)操作，用于将图像从RAW格式转换成RGB格式；白平衡(white balance，WB)操作，用于对图像进行白平衡处理；色彩校正矩阵(Color Correction Matrix，CCM)，用于完成sensor_RGB色彩空间到sRGB色彩空间的转换，使得相机的颜色匹配特性满足卢瑟条件；伽马(Gamma)矫正，用于矫正显示器的显示特性和输入图像的非线性关系。ISP处理还可以包括其他对图像的处理过程，本申请不限于上述处理。深度神经网络对图像进行的处理可以包括：图像识别、分割等。