CN113361444B - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents
一种图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113361444B CN113361444B CN202110689384.2A CN202110689384A CN113361444B CN 113361444 B CN113361444 B CN 113361444B CN 202110689384 A CN202110689384 A CN 202110689384A CN 113361444 B CN113361444 B CN 113361444B
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- processing mode
- processed
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法、装置、电子设备及存储介质,其方法包括:获取待处理图像,对所述待处理图像进行预处理,解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像,根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式,根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果,通过针对不同类型的图像设置不同的图像处理方式可应对不同情况下的危险因素评估工作,提高了工作效率以及评估准确率的同时也提高了安全性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着我国科技和经济水平的发展与进步,越来越多的企业和单位的安全防护措施也更加健全,视频监控成了企业基本的安全防护措施,传统的监控方法为监控人员通过观察监控视频中的危险因素来判断监控领域的安全,但是这种方法极大地损耗人力成本,并且也无法完全实现精密监控,于是,无人报警监控应时而生,通过预先设置好的智能监控算法来智能地评估监控视频中的危险因素,进而在出现危险因素时发出报警以使工作人员知晓并应对,但是上述方法存在以下问题:由于预设的处理方式只有一种,从而无法针对不同类型的图像进行严密地智能监控进而出现漏评估情况导致出现安全事故情况的发生,影响了工作人员的生命安全。
发明内容
针对上述所显示出来的问题,本发明提供了一种图像处理方法、装置、电子设备及存储介质用以解决背景技术中提到的由于预设的处理方式只有一种,从而无法针对不同类型的图像进行严密地智能监控进而出现漏评估情况导致出现安全事故情况的发生,影响了工作人员的生命安全的问题。
一种图像处理方法,包括以下步骤:
获取待处理图像,对所述待处理图像进行预处理;
解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像;
根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式;
根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果。
优选的,所述获取待处理图像,对所述待处理图像进行预处理,包括:
将所述待处理图像转换为灰度图像,对所述灰度图像进行对比度拉伸增强处理,获取第一处理图像;
使用预设中值滤波器对所述第一处理图像进行平滑处理,获取第二处理图像;
对所述第二处理图像进行移动平均二值化处理以实现噪声去除,获取第三处理图像;
将所述第三处理图像确认为预处理后的待处理图像。
优选的,所述解析预处理后的待处理图像的目标图像类型,获取解析结果,包括:
采集预处理后的待处理图像的图像流;
从所述图像流中提取多个图像特征,在所述多个图像特征中确认是否有关联度大于等于预设阈值的目标图像特征,若是,确认预处理后的待处理图像的目标图像类型为动态图像,否则,确认预处理后的待处理图像的目标图像类型为静态图像。
优选的,在根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式之前,所述方法还包括:
为所述第一处理方式和第二处理方式分别配置不同的处理规则;
配置完毕后,利用预设试验图像检测第一处理方式和第二处理方式的容错率;
当配置后的第一处理方式和第二处理方式的容错率大于等于预设概率时,重新对第一处理方式和第二处理方式进行规则配置然后继续检测直到通过检测为止;
当配置后的第一处理方式和第二处理方式的容错率小于所述预设概率时,确认第一处理方式和第二处理方式配置合格完成。
优选的,所述处理规则包括第一处理规则和第二处理规则;
所述为所述第一处理方式和第二处理方式分别配置不同的处理规则,包括:
若所述第一处理方式对应动态图像,获取所述第一处理方式预先设置的报警规则,解析所述报警规则获得报警条件;
将所述报警条件中的单帧命中报警警告修改为连续多帧命中报警警告,获取报警物体的专属特征因子,将所述专属特征因子加入到所述报警条件中以获得第一处理方式所配置的第一处理规则;
若所述第二处理方式对应静态图像,确定第二处理方式对应的预设检测区域,在所述预设检测区域内设置屏蔽区域,设置完毕后,获得所述第二处理方式所配置的第二处理规则。
优选的,所述根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果,包括:
利用所述目标处理方式对所述预处理后的待处理图像进行目标业务处理,获得处理图像;
根据所述处理图像生成处理报告,将所述处理报告进行显示。
优选的,所述配置完毕后,利用预设试验图像检测第一处理方式和第二处理方式的容错率,包括:
确定第一处理方式和第二处理方式的处理期望值;
根据所述第一处理方式和第二处理方式的处理期望值确定图像处理结果的动态变化范围;
根据所述图像处理结果的动态变化范围确定第一处理方式和第二处理方式的目标严谨度;
对所述预设试验图像进行预处理,获得预处理后的预设试验图像;
获取所述预处理后的预设试验图像的边缘纹理图像;
根据预设危险因素的纹理特征并按照第一处理方式和第二处理方式所配置的处理规则中的预设特征提取算法对所述边缘纹理图像进行扫描,获得第一危险因素特征因子簇集和第二危险因素特征因子簇集;
利用预设纹理密度函数对所述第一危险因素特征因子簇集和第二危险因素特征因子簇集进行误判别因素去除,获得第三危险因素特征因子簇集和第四危险因素特征因子簇集;
根据第一处理方式和第二处理方式的目标严谨度分别计算出第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数;
根据所述第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数确定第一处理方式和第二处理方式的容错率。
一种图像处理装置,该装置包括:
获取模块,用于获取待处理图像,对所述待处理图像进行预处理;
解析模块,用于解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像;
选择模块,用于根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式;
处理模块,用于根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果。
一种电子设备,包括处理器、通信接口、存储器和通信总线;
其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现上述图像处理方法步骤。
一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述图像处理方法步骤。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种图像处理方法的工作流程图;
图2为本发明所提供的一种图像处理方法的另一工作流程图;
图3为本发明所提供的一种图像处理方法的又一工作流程图;
图4为本发明所提供的一种图像处理装置的结构示意图;
图5为本发明所提供的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着我国科技和经济水平的发展与进步,越来越多的企业和单位的安全防护措施也更加健全,视频监控成了企业基本的安全防护措施,传统的监控方法为监控人员通过观察监控视频中的危险因素来判断监控领域的安全,但是这种方法极大地损耗人力成本,并且也无法完全实现精密监控,于是,无人报警监控应时而生,通过预先设置好的智能监控算法来智能地评估监控视频中的危险因素,进而在出现危险因素时发出报警以使工作人员知晓并应对,但是上述方法存在以下问题:由于预设的处理方式只有一种,从而无法针对不同类型的图像进行严密地智能监控进而出现漏评估情况导致出现安全事故情况的发生,影响了工作人员的生命安全。为了解决上述问题,本实施例公开了一种图像处理方法。
一种图像处理方法,如图1所示,包括以下步骤:
步骤S101、获取待处理图像,对所述待处理图像进行预处理;
步骤S102、解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像;
步骤S103、根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式;
步骤S104、根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果;
在本实施例中,确定待处理图像为动态图像或者静态图像可以使用不同的处理方式来评估待处理图像中的危险因素,提高了评估的准确性。
上述技术方案的工作原理为:获取待处理图像,对所述待处理图像进行预处理,解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像,根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式,根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果。
上述技术方案的有益效果为:通过针对不同类型的图像设置不同的图像处理方式可应对不同情况下的危险因素评估工作,提高了工作效率以及评估准确率的同时也提高了安全性,解决了现有技术中由于预设的处理方式只有一种,从而无法针对不同类型的图像进行严密地智能监控进而出现漏评估情况导致出现安全事故情况的发生,影响了工作人员的生命安全的问题。
在一个实施例中,如图2所示,所述获取待处理图像,对所述待处理图像进行预处理,包括:
步骤S201、将所述待处理图像转换为灰度图像,对所述灰度图像进行对比度拉伸增强处理,获取第一处理图像;
步骤S202、使用预设中值滤波器对所述第一处理图像进行平滑处理,获取第二处理图像;
步骤S203、对所述第二处理图像进行移动平均二值化处理以实现噪声去除,获取第三处理图像;
步骤S204、将所述第三处理图像确认为预处理后的待处理图像。
上述技术方案的有益效果为:通过对待处理图像进行多个方面的预处理工作可以保证与处理后的待处理图像更加清晰,方便后续进行图像处理工作,进一步地提高了工作效率。
在本实施例中,对所述灰度图像进行对比度拉伸增强处理的方法如下:
计算所述灰度图像的灰度阈值T:
其中,M是图片长度,N是图片宽度,U(i,j)是(i,j)位置的像素灰度;
计算新阈值β:
β=F+H
上述技术方案的有益效果为:所述灰度图像进行对比度拉伸增强处理的方法,降低了算法复杂度,可以通过提高灰度对比度的方法对图像进行增强,并且本方法解决了背景所在灰度级别出现的频率较多从而导致的目标所在的灰度级别出现的频率相对较少的问题,突出了有用的图像目标细节,使得处理后的图像更加清晰,更加易于处理。
在本实施例中,去除噪声的方法如下:
计算定义域核d(a,b,c,d):
其中,a,b为中心像素(a,b)的坐标,c,d为滤波窗内像素(c,d)的坐标,σ为空间域标准差,e表示为自然常数,取值为2.72,;
计算值域核R(a,b,c,d):
其中,v(a,b)为中心像素(a,b)的灰度值,v(c,d)为滤波窗内像素(c,d)的灰度值,δ为滤波平滑参数,e表示为自然常数,取值为2.72;
计算滤波权重W(a,b,c,d):
W(a,b,c,d)=d(a,b,c,d)×R(a,b,c,d)
根据所述滤波权重对第二处理图像进行滤波降噪,得到第三处理图像。
上述技术方案的有益效果为:大多数权重函数一般只用一个特征进行相似性度量,如灰度、梯度、空间、距离等,但每一个特征都具有自身局限性,多特征融合可做到信息互补,对权重准确度有一定的提高。
在一个实施例中,所述解析预处理后的待处理图像的目标图像类型,获取解析结果,包括:
采集预处理后的待处理图像的图像流;
从所述图像流中提取多个图像特征,在所述多个图像特征中确认是否有关联度大于等于预设阈值的目标图像特征,若是,确认预处理后的待处理图像的目标图像类型为动态图像,否则,确认预处理后的待处理图像的目标图像类型为静态图像。
上述技术方案的有益效果为:通过根据图像流的图像特征来判断待处理图像为静态图像还是动态图像可以保证判断结果更加准确和高效,进一步地提高了工作效率。
在一个实施例中,如图3所示,在根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式之前,所述方法还包括:
步骤S301、为所述第一处理方式和第二处理方式分别配置不同的处理规则;
步骤S302、配置完毕后,利用预设试验图像检测第一处理方式和第二处理方式的容错率;
步骤S303、当配置后的第一处理方式和第二处理方式的容错率大于等于预设概率时,重新对第一处理方式和第二处理方式进行规则配置然后继续检测直到通过检测为止;
步骤S304、当配置后的第一处理方式和第二处理方式的容错率小于所述预设概率时,确认第一处理方式和第二处理方式配置合格完成。
上述技术方案的有益效果为:通过为第一处理方式和第二处理方式配置不同的处理规则使得二者可以应对不同类型的图像进行图像处理,提高了实用性,进一步地,通过检测配置后的第一处理方式和第二处理方式的容错率可以有效地对第一处理方式和第二处理方式的配置规则进行测试。进而在未通过测试时重新配置或者完善现有配置规则,保证了后续对于待处理图像的处理工作更加稳定和高效。
在一个实施例中,所述处理规则包括第一处理规则和第二处理规则;
所述为所述第一处理方式和第二处理方式分别配置不同的处理规则,包括:
若所述第一处理方式对应动态图像,获取所述第一处理方式预先设置的报警规则,解析所述报警规则获得报警条件;
将所述报警条件中的单帧命中报警警告修改为连续多帧命中报警警告,获取报警物体的专属特征因子,将所述专属特征因子加入到所述报警条件中以获得第一处理方式所配置的第一处理规则;
若所述第二处理方式对应静态图像,确定第二处理方式对应的预设检测区域,在所述预设检测区域内设置屏蔽区域,设置完毕后,获得所述第二处理方式所配置的第二处理规则。
上述技术方案的有益效果为:通过分别配置第一处理方式和第二处理方式,相比于现有的处理方式,使得最终的处理结果更加准确,避免出现误识别情况的发生,消除了业务误报的情况的发生,提高了工作人员的体验感。
在一个实施例中,所述根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果,包括:
利用所述目标处理方式对所述预处理后的待处理图像进行目标业务处理,获得处理图像;
根据所述处理图像生成处理报告,将所述处理报告进行显示。
上述技术方案的有益效果为:通过生成处理报告可以无需人工对处理图像进行解析,从而智能地对处理图像进行解析获得危险因素评估报告,使得工作人员可以快速地根据评估报告进行后续解决措施,进一步地提高了工作效率的同时也提高了安全性。
在一个实施例中,所述配置完毕后,利用预设试验图像检测第一处理方式和第二处理方式的容错率,包括:
确定第一处理方式和第二处理方式的处理期望值;
根据所述第一处理方式和第二处理方式的处理期望值确定图像处理结果的动态变化范围;
根据所述图像处理结果的动态变化范围确定第一处理方式和第二处理方式的目标严谨度;
对所述预设试验图像进行预处理,获得预处理后的预设试验图像;
获取所述预处理后的预设试验图像的边缘纹理图像;
根据预设危险因素的纹理特征并按照第一处理方式和第二处理方式所配置的处理规则中的预设特征提取算法对所述边缘纹理图像进行扫描,获得第一危险因素特征因子簇集和第二危险因素特征因子簇集;
利用预设纹理密度函数对所述第一危险因素特征因子簇集和第二危险因素特征因子簇集进行误判别因素去除,获得第三危险因素特征因子簇集和第四危险因素特征因子簇集;
根据第一处理方式和第二处理方式的目标严谨度分别计算出第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数;
根据所述第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数确定第一处理方式和第二处理方式的容错率。
上述技术方案的有益效果为:通过确定第一处理方式和第二处理方式的严谨度可以有效地评估出每个处理方式所对应的处理结果的准确性,同时为后续进行容错率评估提供了数据支撑,进一步地,通过利用预设纹理密度函数对所述第一危险因素特征因子簇集和第二危险因素特征因子簇集进行误判别因素去除可以保证最终的评估结果无其他干扰因素的影响,进一步地保证了数据的精确性,进一步地,通过计算第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数可以根据误差系数快速准确地计算出第一处理方式和第二处理方式的容错率,提高了检测准确率。
在一个实施例中,包括:
传统的方式是先对视频解码,然后再按照一定频率抽帧(例如每2s抽取一帧),并对后的图片进行识别分析,当该帧画面中出现了待检目标或者违规行为时,会立即判断为目标或违规行为,但由于视觉画面是2D的,在抽帧后单画面的情况下,因为无连贯性的逻辑判断,且受环境干扰物影响,容易产生误报,从单帧画面中确实较难精准判断,极易误识别。
将上述业务误报分两种情况,第一种为运动目标中产生的业务误报,第二种为场景内的固有环境物体造成的业务误报,针对运动目标产生的业务误报,我们需要采用连续命中次数来减少误报,参考图4,将原有的单帧命中即告警改为连续多帧命中才告警(如3次),这样,如果是运动目标,由于是运动中的状态,大概率无法做到连续多次被误检到这样运动目标中产生的业务误报基本都可以消除掉;
针对固有环境造成的业务误报,我们需要再检测区域内通过增加屏蔽区域(即无效区域)把经常造成误报的物品、干扰物屏蔽掉,不进行识别,这样场景内的固有环境物体造成的误报也可以避免掉,配置参见图5。
本实施例还公开了一种图像处理装置,如图4所示,该装置包括:
获取模块401,用于获取待处理图像,对所述待处理图像进行预处理;
解析模块402,用于解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像;
选择模块403,用于根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式;
处理模块404,用于根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本实施例还公开了一种电子设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线;
其中,处理器501,通信接口502,存储器503通过通信总线完成相互间的通信;
所述存储器503,用于存放计算机程序;
所述处理器501,用于执行存储器503上所存放的程序时,实现上述图像处理方法步骤。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述图像处理方法步骤。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本领域技术人员应当理解的是,本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (8)
1.一种图像处理方法,其特征在于,包括以下步骤:
获取待处理图像,对所述待处理图像进行预处理;
解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像;
根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式;
根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果;
在根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式之前,所述方法还包括:
为所述第一处理方式和第二处理方式分别配置不同的处理规则;
配置完毕后,利用预设试验图像检测第一处理方式和第二处理方式的容错率;
当配置后的第一处理方式和第二处理方式的容错率大于等于预设概率时,重新对第一处理方式和第二处理方式进行规则配置然后继续检测直到通过检测为止;
当配置后的第一处理方式和第二处理方式的容错率小于所述预设概率时,确认第一处理方式和第二处理方式配置合格完成;
所述处理规则包括第一处理规则和第二处理规则;
所述为所述第一处理方式和第二处理方式分别配置不同的处理规则,包括:
若所述第一处理方式对应动态图像,获取所述第一处理方式预先设置的报警规则,解析所述报警规则获得报警条件;
将所述报警条件中的单帧命中报警警告修改为连续多帧命中报警警告,获取报警物体的专属特征因子,将所述专属特征因子加入到所述报警条件中以获得第一处理方式所配置的第一处理规则;
若所述第二处理方式对应静态图像,确定第二处理方式对应的预设检测区域,在所述预设检测区域内设置屏蔽区域,设置完毕后,获得所述第二处理方式所配置的第二处理规则。
2.根据权利要求1所述图像处理方法,其特征在于,所述获取待处理图像,对所述待处理图像进行预处理,包括:
将所述待处理图像转换为灰度图像,对所述灰度图像进行对比度拉伸增强处理,获取第一处理图像;
使用预设中值滤波器对所述第一处理图像进行平滑处理,获取第二处理图像;
对所述第二处理图像进行移动平均二值化处理以实现噪声去除,获取第三处理图像;
将所述第三处理图像确认为预处理后的待处理图像。
3.根据权利要求1所述图像处理方法,其特征在于,所述解析预处理后的待处理图像的目标图像类型,获取解析结果,包括:
采集预处理后的待处理图像的图像流;
从所述图像流中提取多个图像特征,在所述多个图像特征中确认是否有关联度大于等于预设阈值的目标图像特征,若是,确认预处理后的待处理图像的目标图像类型为动态图像,否则,确认预处理后的待处理图像的目标图像类型为静态图像。
4.根据权利要求1所述图像处理方法,其特征在于,所述根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果,包括:
利用所述目标处理方式对所述预处理后的待处理图像进行目标业务处理,获得处理图像;
根据所述处理图像生成处理报告,将所述处理报告进行显示。
5.根据权利要求1所述图像处理方法,其特征在于,所述配置完毕后,利用预设试验图像检测第一处理方式和第二处理方式的容错率,包括:
确定第一处理方式和第二处理方式的处理期望值;
根据所述第一处理方式和第二处理方式的处理期望值确定图像处理结果的动态变化范围;
根据所述图像处理结果的动态变化范围确定第一处理方式和第二处理方式的目标严谨度;
对所述预设试验图像进行预处理,获得预处理后的预设试验图像;
获取所述预处理后的预设试验图像的边缘纹理图像;
根据预设危险因素的纹理特征并按照第一处理方式和第二处理方式所配置的处理规则中的预设特征提取算法对所述边缘纹理图像进行扫描,获得第一危险因素特征因子簇集和第二危险因素特征因子簇集;
利用预设纹理密度函数对所述第一危险因素特征因子簇集和第二危险因素特征因子簇集进行误判别因素去除,获得第三危险因素特征因子簇集和第四危险因素特征因子簇集;
根据第一处理方式和第二处理方式的目标严谨度分别计算出第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数;
根据所述第三危险因素特征因子簇集和第四危险因素特征因子簇集的误差系数确定第一处理方式和第二处理方式的容错率。
6.一种图像处理装置,其特征在于,该装置包括:
获取模块,用于获取待处理图像,对所述待处理图像进行预处理;
解析模块,用于解析预处理后的待处理图像的目标图像类型,获取解析结果,所述目标图像类型包括动态图像和静态图像;
选择模块,用于根据所述目标图像类型在第一处理方式和第二处理方式中选择目标处理方式;
处理模块,用于根据所述目标处理方式对所述预处理后的待处理图像进行图像处理,获取处理结果。
7.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线;
其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689384.2A CN113361444B (zh) | 2021-06-22 | 2021-06-22 | 一种图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689384.2A CN113361444B (zh) | 2021-06-22 | 2021-06-22 | 一种图像处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361444A CN113361444A (zh) | 2021-09-07 |
CN113361444B true CN113361444B (zh) | 2021-12-14 |
Family
ID=77535521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110689384.2A Active CN113361444B (zh) | 2021-06-22 | 2021-06-22 | 一种图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361444B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460988A (zh) * | 2020-03-31 | 2020-07-28 | 国网河北省电力有限公司沧州供电分公司 | 一种违规行为识别方法及装置 |
CN111696064A (zh) * | 2020-06-15 | 2020-09-22 | 北京金山云网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN112287986A (zh) * | 2020-10-16 | 2021-01-29 | 浪潮(北京)电子信息产业有限公司 | 一种图像处理方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7210938B2 (en) * | 2001-05-09 | 2007-05-01 | K12.Com | System and method of virtual schooling |
US8625914B2 (en) * | 2013-02-04 | 2014-01-07 | Sony Corporation | Image processing system, image processing method and program |
JP4643481B2 (ja) * | 2006-03-23 | 2011-03-02 | オリンパスメディカルシステムズ株式会社 | 画像処理装置 |
JP4953882B2 (ja) * | 2007-03-30 | 2012-06-13 | 京セラ株式会社 | 時計および警告プログラム |
JP5750253B2 (ja) * | 2010-09-28 | 2015-07-15 | 任天堂株式会社 | 画像生成プログラム、撮像装置、撮像システム、及び画像生成方法 |
-
2021
- 2021-06-22 CN CN202110689384.2A patent/CN113361444B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111460988A (zh) * | 2020-03-31 | 2020-07-28 | 国网河北省电力有限公司沧州供电分公司 | 一种违规行为识别方法及装置 |
CN111696064A (zh) * | 2020-06-15 | 2020-09-22 | 北京金山云网络技术有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN112287986A (zh) * | 2020-10-16 | 2021-01-29 | 浪潮(北京)电子信息产业有限公司 | 一种图像处理方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113361444A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN109241985B (zh) | 一种图像识别方法及装置 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
CN110705376A (zh) | 一种基于生成式对抗网络的异常行为检测方法 | |
CN106530271B (zh) | 一种红外图像显著性检测方法 | |
CN111723644A (zh) | 一种监控视频遮挡检测方法及系统 | |
Saini et al. | Object detection in underwater image by detecting edges using adaptive thresholding | |
CN104424632B (zh) | 一种视频对比度异常检测方法及装置 | |
Dixit et al. | Image texture analysis-survey | |
CN109030499B (zh) | 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法 | |
CN111967345A (zh) | 一种实时判定摄像头遮挡状态的方法 | |
CN111860324A (zh) | 基于小波变换的高频分量检测及色彩识别的火灾预警方法 | |
CN115171218A (zh) | 一种基于图像识别技术的物资送样异常行为识别系统 | |
Kumar et al. | Comparative analysis for edge detection techniques | |
CN111221996A (zh) | 仪表屏幕视觉检测方法和系统 | |
CN117089977B (zh) | 一种坯布生产动态监测方法、系统及介质 | |
Lin et al. | A new prediction method for edge detection based on human visual feature | |
Bahrami et al. | Efficient image sharpness assessment based on content aware total variation | |
CN113361444B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
Qureshi et al. | An information based framework for performance evaluation of image enhancement methods | |
CN106375756A (zh) | 一种针对监控视频单一对象移除篡改的检测方法 | |
CN113034420B (zh) | 一种频率空间域特征的工业产品表面缺陷分割方法及系统 | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
CN114359183A (zh) | 图像质量评估方法及设备、镜头遮挡的确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |