CN116245856B - 用于数值转换的图像拟合处理系统及方法 - Google Patents
用于数值转换的图像拟合处理系统及方法 Download PDFInfo
- Publication number
- CN116245856B CN116245856B CN202310247139.5A CN202310247139A CN116245856B CN 116245856 B CN116245856 B CN 116245856B CN 202310247139 A CN202310247139 A CN 202310247139A CN 116245856 B CN116245856 B CN 116245856B
- Authority
- CN
- China
- Prior art keywords
- extraction unit
- image
- identified
- extraction
- unit
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 318
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 41
- 230000007246 mechanism Effects 0.000 claims abstract description 41
- 238000013075 data extraction Methods 0.000 claims abstract description 13
- 238000003672 processing method Methods 0.000 claims abstract description 13
- 230000001360 synchronised effect Effects 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 12
- 230000000630 rising effect Effects 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000013523 data management Methods 0.000 claims description 6
- 229910002056 binary alloy Inorganic materials 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 11
- 230000009466 transformation Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种用于数值转换的图像拟合处理系统，包括：多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元；拟合处理机构，用于将第一提取单元以及第三提取单元的输出数据分别进行二进制转换处理，将二级制转换后的信息与第二提取单元的输出数据一并输入到卷积神经网络，以获得以二进制数值表示的待鉴别图像的噪声分布的均匀数值和待鉴别图像的信噪比。本发明还涉及一种用于数值转换的图像拟合处理方法。本发明的用于数值转换的图像拟合处理系统及方法操作鉴别、应用广泛。由于能够基于待鉴别图像的几何曲线信息、解析度数值、信噪比和对比度智能分析其噪声分布的均匀数值以及信噪比，从而减少了图像质量判断的耗费时长以及运算空间。
Description
技术领域
本发明涉及图像领域，尤其涉及一种用于数值转换的图像拟合处理系统及方法。
背景技术
数值分析是研究连续问题的算法的科学。其中，最主要的概念就是算法和连续问题。首先，连续问题是从物理或者其它学科中抽象出来的复杂模型问题，一般是无穷维问题且几乎无法找到解析解。这些棘手的连续问题就自然成为数值分析的目标对象。其次，求解连续问题的算法的设计和分析是数值分析的核心内容，它们的目的是将连续的无穷维的问题离散化，得到一个离散的有限维的可解问题，进而得到近似解。如果没有数值分析，现代科学与工程应用研究将很快陷入停滞。
数值分析可以用于多个应用领域以拓展其应用范围。例如，可以通过对图像信号进行数值分析以判断图像内容的质量等级，其中，图像的噪声分布均匀程度是图像质量的重要指标之一。噪声分布越均匀，辅以较低的信噪比，图像的去噪难度越大，图像质量越差，相反，噪声分布越不均匀，辅以较高的信噪比，图像的去噪难度越容易，图像质量越优良。然而，现有技术中获取图像的噪声分布均匀程度的数值分析模式需要解析图像中各个位置的噪声幅值，对各个位置的噪声幅值进行数值分析，以判断噪声分布均匀程度，同时还要分析图像的信噪比，以最终完成图像质量优劣的判断。显然，这种数值分析机制需要耗费较长时间，同时需要占用较多的运算空间。
CN112884767A公开了一种图像拟合方法，包括：提供芯盘和多个拍摄组件，芯盘用于放置芯片托盘，拍摄组件用于拍摄芯盘的图像；获取每个拍摄组件拍摄的芯盘图像，芯盘图像为部分区域的芯盘和芯盘上放置的芯片托盘的图像；获取每一芯盘图像中所包含的芯片托盘图像，芯片托盘图像为部分区域的芯片托盘的图像；对多个芯片托盘图像进行拟合获取芯片图像，芯片图像为整个芯片托盘的图像；本申请实施例以实现在单次拍摄过程中，获取整个芯片托盘的图像，从而获取芯片托盘上所有芯片的编码。
CN110658618A公开了一种样本图像拟合聚焦的方法、装置、计算机设备和存储介质。所述方法包括：获取待聚焦平面内至少三个待聚焦区域，三个待聚焦区域不在同一直线上，获取各待聚焦区域的焦距，根据各待聚焦区域的位置和各待聚焦区域的焦距，确定待聚焦平面内各聚焦区域的位置与焦距之间的对应关系，根据待聚焦平面内各聚焦区域的位置与焦距之间的对应关系以及待聚焦平面内各未聚焦区域的位置，确定待聚焦平面内各未聚焦区域的焦距。采用本方法能够通过三个不在同一直线上的待聚焦区域的位置和焦距，确定待聚焦平面内各聚焦区域的位置与焦距之间的对应关系，根据对应关系计算各未聚焦区域的焦距，实现对待聚焦平面内各未聚焦区域聚焦效果的改进。
CN108981611A公开了一种基于畸变全局修正的数字投影光栅图像拟合校正方法。采用光栅投影系统采集数字投影光栅图像，采用光栅投影系统，待测物体置于平台上，投影仪连接计算机，投影仪和相机分别置于待测物体上方的两侧，投影仪的镜头和相机的镜头均朝向待测物体；计算机中发出输入光栅模式的信号，输入到投影仪中产生光栅图样作为光栅光源照射到待测物体和平台上，相机采集光栅图样照射到待测物体和平台后的图像作为输出光栅模式；结合将输入光栅模式和输出光栅模式依次进行光强校正、像素匹配、正弦校正的步骤。本发明方法有效地改善投影光栅的质量，提高基于相移法的光栅投影三维测量精度，并可一定程度地扩大数字光栅投影设备的适应性。
CN105654438A公开了一种基于局部直方图均衡的灰度图像拟合增强方法，利用本发明，在增强灰度图像对比度和细节信息的同时，消除了块效应和过增强现象。本发明的实现方案是首先对动态范围过宽的灰度图像进行分段线性变换，获得适合的动态范围内的灰度图像，再将图像灰度分布区间分隔成两段乃至多段，调整图像灰度分布各区间的分割点和变换直线的斜率，对任意灰度区间进行扩展或压缩；变换结果采用子块部分重叠直方图均衡化处理，将邻域内的子块变换函数通过加权求和计算得到当前子块的变换函数，使用此变换函数对当前子块进行直方图均衡化处理；最后对直方图均衡后的灰度图进行非线性拟合处理，对子块部分重叠直方图均衡化处理后的灰度图像进行直方图分布修正。
由此可见，现有技术均不能基于待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量、待鉴别图像的解析度数值以及待鉴别图像的信噪比和对比度智能分析待鉴别图像的噪声分布的均匀数值以及待鉴别图像的信噪比，进而不能提升图像质量判断的直观性和可靠性。
发明内容
为了解决现有技术中的技术问题，本发明提供了一种用于数值转换的图像拟合处理系统及方法，能够基于待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量、待鉴别图像的解析度数值以及待鉴别图像的信噪比和对比度智能分析待鉴别图像的噪声分布的均匀数值以及待鉴别图像的信噪比，从而不需要解析图像中各个位置的噪声幅值，提升了图像质量判断的直观性和可靠性。
根据本发明的一方面，提供了一种用于数值转换的图像拟合处理系统，所述系统包括：
多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元、信息配置单元以及同步控制单元，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量，所述第二提取单元用于提取所述待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数，所述第三提取单元用于提取所述待鉴别图像的信噪比以及所述待鉴别图像的对比度，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
拟合处理机构，与所述多数据提取机构连接，用于将所述第一提取单元以及所述第三提取单元的输出数据分别进行二进制转换处理，并将二级制转换后的信息与所述第二提取单元的输出数据一并输入到卷积神经网络，并运行所述卷积神经网络以获得所述卷积神经网络输出的、以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比；
内容恢复机构，与所述拟合处理机构连接，用于对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比。
根据本发明的另一方面，还提供了一种用于数值转换的图像拟合处理方法，所述方法包括：
使用多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元、信息配置单元以及同步控制单元，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量，所述第二提取单元用于提取所述待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数，所述第三提取单元用于提取所述待鉴别图像的信噪比以及所述待鉴别图像的对比度，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
使用拟合处理机构，与所述多数据提取机构连接，用于将所述第一提取单元以及所述第三提取单元的输出数据分别进行二进制转换处理，并将二级制转换后的信息与所述第二提取单元的输出数据一并输入到卷积神经网络，并运行所述卷积神经网络以获得所述卷积神经网络输出的、以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比；
使用内容恢复机构，与所述拟合处理机构连接，用于对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比。
本发明的用于数值转换的图像拟合处理系统及方法操作鉴别、应用广泛。由于能够基于待鉴别图像的几何曲线信息、解析度数值、信噪比和对比度智能分析其噪声分布的均匀数值以及信噪比，从而减少了图像质量判断的耗费时长以及运算空间。
附图说明
以下将结合附图对本发明的实施例进行描述，其中：
图1为根据本发明首要实施例示出的用于数值转换的图像拟合处理系统的结构方框图。
图2为根据本发明次要实施例示出的用于数值转换的图像拟合处理系统的结构方框图。
图3为根据本发明再次要实施例示出的用于数值转换的图像拟合处理方法的步骤流程图。
具体实施方式
下面将参照附图对本发明的用于数值转换的图像拟合处理系统及方法的实施例进行详细说明。
实施例1
图1为根据本发明首要实施例示出的用于数值转换的图像拟合处理系统的结构方框图，所述系统包括：
多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元、信息配置单元以及同步控制单元，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量，所述第二提取单元用于提取所述待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数，所述第三提取单元用于提取所述待鉴别图像的信噪比以及所述待鉴别图像的对比度，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
示例地，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置包括：所述信息配置单元为IIC配置接口，分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
拟合处理机构，与所述多数据提取机构连接，用于将所述第一提取单元以及所述第三提取单元的输出数据分别进行二进制转换处理，并将二级制转换后的信息与所述第二提取单元的输出数据一并输入到卷积神经网络，并运行所述卷积神经网络以获得所述卷积神经网络输出的、以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比；
内容恢复机构，与所述拟合处理机构连接，用于对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比。
实施例2
图2为根据本发明次要实施例示出的用于数值转换的图像拟合处理系统的结构方框图。
如图2所示，与图1不同，图2中的用于数值转换的图像拟合处理系统还可以包括以下组件：
无线传输设备，与所述内容恢复机构连接，用于将所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比通过无线通信链路发送给远端的大数据管理服务器；
示例地，所述无线传输设备可以为频分双工通信接口或者时分双工通信接口，用于将所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比通过时分双工通信链路或者频分双工通信链路无线发送给远端的大数据管理服务器；
内容存储设备，与所述拟合处理机构连接，用于存储所述卷积神经网络的各项网络参数。
接着，继续对本发明的用于数值转换的图像拟合处理系统的具体结构进行进一步的说明。
在根据上述实施例的用于数值转换的图像拟合处理系统中：
所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：所述待鉴别图像的噪声分布的均匀数值越大，所述待鉴别图像的噪声分布越均匀；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：对所述待鉴别图像进行均匀分块获得的图像分块数量与所述待鉴别图像的解析度数值成正比。
在根据上述实施例的用于数值转换的图像拟合处理系统中：
对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比包括：所述卷积神经网络为完成多次学习后的卷积神经网络。
以及在根据上述实施例的用于数值转换的图像拟合处理系统中：
所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置包括：为所述第一提取单元、所述第二提取单元以及所述第三提取单元分别提供不同的配置地址，以用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：在方形波的上升沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作，或者在方形波的下降沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作。
实施例3
图3为根据本发明再次要实施例示出的用于数值转换的图像拟合处理方法的步骤流程图，所述方法包括以下步骤：
步骤S1：使用多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元、信息配置单元以及同步控制单元，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量，所述第二提取单元用于提取所述待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数，所述第三提取单元用于提取所述待鉴别图像的信噪比以及所述待鉴别图像的对比度，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
示例地，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置包括：所述信息配置单元为IIC配置接口，分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
步骤S2：使用拟合处理机构，与所述多数据提取机构连接，用于将所述第一提取单元以及所述第三提取单元的输出数据分别进行二进制转换处理，并将二级制转换后的信息与所述第二提取单元的输出数据一并输入到卷积神经网络，并运行所述卷积神经网络以获得所述卷积神经网络输出的、以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比；
步骤S3：使用内容恢复机构，与所述拟合处理机构连接，用于对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比。
接着，继续对本发明的用于数值转换的图像拟合处理方法的具体步骤进行进一步的说明。
所述实施例中的用于数值转换的图像拟合处理方法内，所述方法还可以包括：
使用无线传输设备，与所述内容恢复机构连接，用于将所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比通过无线通信链路发送给远端的大数据管理服务器；
示例地，所述无线传输设备可以为频分双工通信接口或者时分双工通信接口，用于将所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比通过时分双工通信链路或者频分双工通信链路无线发送给远端的大数据管理服务器；
使用内容存储设备，与所述拟合处理机构连接，用于存储所述卷积神经网络的各项网络参数。
所述实施例中的用于数值转换的图像拟合处理方法内：
所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：所述待鉴别图像的噪声分布的均匀数值越大，所述待鉴别图像的噪声分布越均匀；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：对所述待鉴别图像进行均匀分块获得的图像分块数量与所述待鉴别图像的解析度数值成正比。
所述实施例中的用于数值转换的图像拟合处理方法内：
对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比包括：所述卷积神经网络为完成多次学习后的卷积神经网络。
以及所述实施例中的用于数值转换的图像拟合处理方法内：
所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置包括：为所述第一提取单元、所述第二提取单元以及所述第三提取单元分别提供不同的配置地址，以用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：在方形波的上升沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作，或者在方形波的下降沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作。
另外，在所述用于数值转换的图像拟合处理系统以及方法中，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量包括：每一条几何曲线有多个边缘像素点构成；
其中，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量还包括：每一条几何曲线占据的边缘像素点的数量超过或者等于预设数量阈值。
由此可见，本发明至少具备以下几条主要的发明构思：
首先、基于待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量、待鉴别图像的解析度数值以及待鉴别图像的信噪比和对比度智能分析待鉴别图像的噪声分布的均匀数值以及待鉴别图像的信噪比，从而完成对图像噪声布局状态的一步式直接测量；
其次、提取待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数；
再次、参与分析的待鉴别图像的几何曲线为由多个边缘像素点构成且占据的边缘像素点的数量超过或者等于预设数量阈值的曲线。
对本发明示例性实施例的前述描述是为了例示和描述的目的而提供的。其并非旨在穷举或者将本发明限于所公开的确切形式。显然，许多修改和变型对于本领域技术人员是显而易见的。选择并描述示例性实施例是为了最好地说明本发明的原理及其实际应用，从而使得本领域其他技术人员能够理解本发明的适用于所构想特定用途的各种实施例和各种变型例。旨在由所附权利要求及其等同物来限定本发明的范围。
Claims (10)
1.一种用于数值转换的图像拟合处理系统，其特征在于，所述系统包括：
多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元、信息配置单元以及同步控制单元，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量，所述第二提取单元用于提取所述待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数，所述第三提取单元用于提取所述待鉴别图像的信噪比以及所述待鉴别图像的对比度，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
拟合处理机构，与所述多数据提取机构连接，用于将所述第一提取单元以及所述第三提取单元的输出数据分别进行二进制转换处理，并将二级制转换后的信息与所述第二提取单元的输出数据一并输入到卷积神经网络，并运行所述卷积神经网络以获得所述卷积神经网络输出的、以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比；
内容恢复机构，与所述拟合处理机构连接，用于对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比。
2.如权利要求1所述的用于数值转换的图像拟合处理系统，其特征在于，所述系统还包括：
无线传输设备，与所述内容恢复机构连接，用于将所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比通过无线通信链路发送给远端的大数据管理服务器；
内容存储设备，与所述拟合处理机构连接，用于存储所述卷积神经网络的各项网络参数。
3.如权利要求1-2任一所述的用于数值转换的图像拟合处理系统，其特征在于：
所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：所述待鉴别图像的噪声分布的均匀数值越大，所述待鉴别图像的噪声分布越均匀；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：对所述待鉴别图像进行均匀分块获得的图像分块数量与所述待鉴别图像的解析度数值成正比。
4.如权利要求1-2任一所述的用于数值转换的图像拟合处理系统，其特征在于：
对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比包括：所述卷积神经网络为完成多次学习后的卷积神经网络。
5.如权利要求1-2任一所述的用于数值转换的图像拟合处理系统，其特征在于：
所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置包括：为所述第一提取单元、所述第二提取单元以及所述第三提取单元分别提供不同的配置地址，以用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：在方形波的上升沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作，或者在方形波的下降沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作。
6.一种用于数值转换的图像拟合处理方法，其特征在于，所述方法包括：
使用多数据提取机构，包括第一提取单元、第二提取单元、第三提取单元、信息配置单元以及同步控制单元，所述第一提取单元用于检测待鉴别图像中的各条几何曲线分别对应的各份曲率以及存在的几何曲线的数量，所述第二提取单元用于提取所述待鉴别图像的解析度数值，所述解析度数值为所述待鉴别图像的水平解析度的二进制表示数值尾随垂直解析度的二进制表示数值所获得的二进制数，所述第三提取单元用于提取所述待鉴别图像的信噪比以及所述待鉴别图像的对比度，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制，所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
使用拟合处理机构，与所述多数据提取机构连接，用于将所述第一提取单元以及所述第三提取单元的输出数据分别进行二进制转换处理，并将二级制转换后的信息与所述第二提取单元的输出数据一并输入到卷积神经网络，并运行所述卷积神经网络以获得所述卷积神经网络输出的、以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比；
使用内容恢复机构，与所述拟合处理机构连接，用于对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比。
7.如权利要求6所述的用于数值转换的图像拟合处理方法，其特征在于，所述方法还包括：
使用无线传输设备，与所述内容恢复机构连接，用于将所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比通过无线通信链路发送给远端的大数据管理服务器；
使用内容存储设备，与所述拟合处理机构连接，用于存储所述卷积神经网络的各项网络参数。
8.如权利要求6-7任一所述的用于数值转换的图像拟合处理方法，其特征在于：
所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：所述待鉴别图像的噪声分布的均匀数值越大，所述待鉴别图像的噪声分布越均匀；
其中，所述待鉴别图像的噪声分布的均匀数值为对所述待鉴别图像进行均匀分块，获得的各个图像分块分别存在的最大噪声幅值的标准差包括：对所述待鉴别图像进行均匀分块获得的图像分块数量与所述待鉴别图像的解析度数值成正比。
9.如权利要求6-7任一所述的用于数值转换的图像拟合处理方法，其特征在于：
对所述卷积神经网络输出的以二进制数值表示的所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比分别进行二进制到十进制的数值转换，以获得所述待鉴别图像的噪声分布的均匀数值以及所述待鉴别图像的信噪比包括：所述卷积神经网络为完成多次学习后的卷积神经网络。
10.如权利要求6-7任一所述的用于数值转换的图像拟合处理方法，其特征在于：
所述信息配置单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置包括：为所述第一提取单元、所述第二提取单元以及所述第三提取单元分别提供不同的配置地址，以用于完成对所述第一提取单元、所述第二提取单元以及所述第三提取单元的工作信息的分时配置；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制；
其中，所述同步控制单元分别与所述第一提取单元、所述第二提取单元以及所述第三提取单元连接，用于采用方形波的上升沿或者下降沿实现所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作的同步控制包括：在方形波的上升沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作，或者在方形波的下降沿到达时，同时触发所述第一提取单元、所述第二提取单元以及所述第三提取单元的提取动作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310247139.5A CN116245856B (zh) | 2023-03-15 | 2023-03-15 | 用于数值转换的图像拟合处理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310247139.5A CN116245856B (zh) | 2023-03-15 | 2023-03-15 | 用于数值转换的图像拟合处理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116245856A CN116245856A (zh) | 2023-06-09 |
| CN116245856B true CN116245856B (zh) | 2023-09-22 |
Family
ID=86625988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310247139.5A Active CN116245856B (zh) | 2023-03-15 | 2023-03-15 | 用于数值转换的图像拟合处理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116245856B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101540043A (zh) * | 2009-04-30 | 2009-09-23 | 南京理工大学 | 单幅图像复原的解析迭代快速频谱外推方法 |
| WO2022047625A1 (zh) * | 2020-09-01 | 2022-03-10 | 深圳先进技术研究院 | 一种图像处理方法、系统和计算机存储介质 |
| CN115620190A (zh) * | 2022-09-22 | 2023-01-17 | 范孝徐 | 基于数据分析的联合鉴别平台 |
-
2023
- 2023-03-15 CN CN202310247139.5A patent/CN116245856B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101540043A (zh) * | 2009-04-30 | 2009-09-23 | 南京理工大学 | 单幅图像复原的解析迭代快速频谱外推方法 |
| WO2022047625A1 (zh) * | 2020-09-01 | 2022-03-10 | 深圳先进技术研究院 | 一种图像处理方法、系统和计算机存储介质 |
| CN115620190A (zh) * | 2022-09-22 | 2023-01-17 | 范孝徐 | 基于数据分析的联合鉴别平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116245856A (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110378264B (zh) | 目标跟踪方法及装置 | |
| CN109657564B (zh) | 一种人员在岗检测方法、装置、存储介质及终端设备 | |
| CN113989313B (zh) | 基于图像多维分析的边缘检测方法及系统 | |
| CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
| CN112967207B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN114612987A (zh) | 一种表情识别方法及装置 | |
| CN113421242A (zh) | 基于深度学习的焊点外观质量检测方法、装置及终端 | |
| CN110913210A (zh) | 一种基于标准数据采集的自动化主观像质评测方法 | |
| CN107194971B (zh) | 一种金手指定位方法、装置及计算机可读存储介质 | |
| CN116245856B (zh) | 用于数值转换的图像拟合处理系统及方法 | |
| CN112052702A (zh) | 一种识别二维码的方法和装置 | |
| CN117146739B (zh) | 用于光学瞄准镜的测角检定方法及系统 | |
| CN107392948B (zh) | 一种分振幅实时偏振成像系统的图像配准方法 | |
| CN117237310B (zh) | 一种基于图像识别的钢结构件缺陷检测方法及系统 | |
| Manu et al. | Tamper detection of social media images using quality artifacts and texture features | |
| CN117079286A (zh) | 一种指针仪表的识别方法和识别系统 | |
| CN116912158A (zh) | 工件质检方法、装置、设备和可读存储介质 | |
| CN113537253B (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
| CN102193164A (zh) | 对焦方法及摄像装置 | |
| CN111242081B (zh) | 视频检测方法、目标检测网络训练方法、装置及终端设备 | |
| US10958899B2 (en) | Evaluation of dynamic ranges of imaging devices | |
| CN118096720B (zh) | 基于人工智能的手机主板视觉检测方法及系统 | |
| RU227747U1 (ru) | Устройство блочного статистического сравнения цифровых гиперспектральных астрономических изображений | |
| CN113673268B (zh) | 一种用于不同亮度下的识别方法、系统及设备 | |
| CN114543717B (zh) | 无砟轨道板的形变识别方法、装置、终端及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230831 Address after: No. 546, Luoyu Road, Hongshan District, Wuhan, Hubei Province, 430000 Applicant after: HUBEI CENTRAL CHINA TECHNOLOGY DEVELOPMENT OF ELECTRIC POWER Co.,Ltd. Address before: No. 25 Xinye Fifth Street, West District, Binhai New Area Development Zone, Tianjin, 300462 Applicant before: Shi Pengfei |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |