专利名称：一种图像智能优化处理方法
一种图像智能优化处理方法技术领域
本发明属于图像处理领域，特别涉及一种适用于自动分析比较各种图像处理，并能自动选取最佳处理方法的图像智能优化多路处理方法。
背景技术：
图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图像增强技术，可以使模糊甚至不可见的图像变得清晰明亮。另一方面，通过数字图像处理中的模式识别技术，可以将人眼无法识别的图像进行分类处理，通过计算机模式识别技术可以快速准确地检索、匹配和识别出各种东西。数字图像处理技术已经广泛深入地应用于国计民生休戚相关的各个领域，如航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。常见的处理有图像数字化、图像增强、图像复原、图像分割和图像分类等，每个处理环节都已发展出多种处理方法，目前国内外研究者大多关注于各种具体处理方法的研究和改进，还没有考虑过将各种处理方法集中，为用户提供自动选择最佳处理方法的思路。
基于以上分析，本发明人试图提出一种结合多种图像处理方法并加以优化选择的处理方法。发明内容
本发明的目的，在于提供一种图像智能优化处理方法，其可为用户提供一种满足其目的的最佳输出结果。
为了达成上述目的，本发明的解决方案是一种图像智能优化处理方法，首先根据用户需求将处理流程按照先后顺序设置为至少一个处理环节；在每一个处理环节中，利用该环节之下所列方法对图像同时并行处理，对得到的处理结果进行统一的处理效果评价，并从中选出评价最高的处理结果作为该处理环节的最终结果。
上述用户需要对图像进行去噪，设置一个图像去噪处理环节，对采集到的原始图像分别同时利用均值滤波、维纳滤波和小波软阈值算法进行去噪，计算相应的去噪图像和原始图像的峰值信噪比，并对三个峰值信噪比进行比较，记录其中最大峰值信噪比值对应的方法，将该方法对应的去噪图像作为最终输出图像。
上述用户需要对图像进行增强，设置一个图像增强处理环节，对采集到的原始图像分别同时利用线性灰度变换、非线性变换和直方图修正三种算法进行增强，计算相应的增强图像和之前图像的对比度，并对三个对比度进行比较，记录其中最大对比度值对应的方法，将该方法对应的增强图像作为最终输出图像。
上述用户需要对图像进行分割，设置一个图像分割处理环节，对采集到的原始图像分别同时利用基于阈值的分割方法、基于区域生长的分割方法和基于边界检测的三种算法进行分割，计算相应的分割图像内的区域内部均匀性，并对三个均匀性值进行比较，记录其中最大均匀性值对应的方法，将该方法对应的分割图像作为最终输出图像。
上述用户需要对图像进行特征提取，设置一个图像特征提取处理环节，对采集到的原始图像分别同时利用二阶颜色矩、灰度共生矩阵和奇异值特征三种算法提取图像特征，计算相应的分类识别正确率，并对三个正确率值进行比较，记录其中最大正确率值对应的方法，将该方法对应的特征作为最终输出特征。
上述用户需要对图像进行目标识别，设置一个图像目标识别处理环节，对采集到的原始图像分别同时利用最近距离分类、神经网络分类和模糊模式识别三种算法进行分类识别，计算相应的分类识别正确率，并对三个正确率值进行比较，记录其中最大正确率值对应的方法，将该方法对应的目标识别结果作为最终输出结果。
上述用户需要对图像进行目标识别，依次设置图像去噪、图像增强、图像分割、图像特征提取和图像目标识别五个处理环节，在每一个处理环节中，对待处理的图像分别同时利用至少两种算法进行处理，对得到的处理结果进行统一的处理效果评价，并从中选出评价最高的处理结果作为该处理环节的最终结果，并进入下一个处理环节。
采用上述方案后，本发明将目前常用的经典图像处理方法集结，并用统一的评价标准评判方法优劣，最终为用户提供一种满足其目的的最佳方法及结果，无需人为手工判断操作，且具体算法经典易于实现，操作简单，能够满足用户多方面需求，可以根据需要自行扩充其功能。
图I是本发明的总体流程图；图2是图像去噪环节处理算法流程图；图3是图像增强环节处理算法流程图；图4是图像分割环节处理算法流程图；图5是图像特征提取环节处理算法流程图；图6是图像目标识别环节处理算法流程图。
具体实施方式
本发明提供一种图像智能优化处理方法，其主要思路是根据用户进行图像处理的目的确认处理环节，如以去噪为目的，只需设置图像去噪一个处理环节，而若以目标识别为目的，则需根据具体需要，仅设置图像目标识别一个处理环节，或依次设置图像去噪、图像增强、图像分割、图像特征提取及图像目标识别共5个处理环节，对于每一个处理环节， 均给出多种经典处理方法，对图像进行每一个处理环节后，对通过各种处理方法进行处理的图像进行统一的处理效果评价，并从中选出评价最高的处理结果作为该处理环节的最终结果，该处理结果所对应的处理方法作为该环节的最优处理方法。以下将结合附图对本发明的技术方案进行详细说明。
(I)如图I所示的用户以图像的目标识别为目的或是如图2所示的用户仅是需要对图像进行去噪，首先对采集到的原始图像分别同时利用均值滤波、维纳滤波和小波软阈值算法进行去噪，计算相应的去噪图像和原始图像的峰值信噪比，并对三个峰值信噪比进行比较，记录其中最大峰值信噪比值对应的方法，将该方法对应的去噪图像作为图I或是图2中去噪环节的最终输出图像；(2)如图I所示的用户以图像的目标识别为目的或是如图3所示的用户仅是需要对图像进行增强，对图I中上一环节的去噪图像或是如图3中采集到的原始图像分别同时利用线性灰度变换、非线性变换和直方图修正三种算法进行增强，计算相应的增强图像和之前图像的对比度，并对三个对比度进行比较，记录其中最大对比度值对应的方法，将该方法对应的增强图像作为图I或是图3中增强环节的最终输出图像；(3)如图I所示的用户以图像的目标识别为目的或是如图4所示的用户仅是需要对图像进行分割，对图I中上一环节的输出图像或是如图4中采集到的原始图像分别同时利用基于阈值的分割方法、基于区域生长的分割方法和基于边界检测的三种算法进行分割， 计算相应的分割图像内的区域内部均匀性，并对三个均匀性值进行比较，记录其中最大均匀性值对应的方法，将该方法对应的分割图像作为图I或是图4中分割环节的最终输出图(4)如图I所示的用户以图像的目标识别为目的或是如图5所示的用户仅是需要对图像进行特征提取，对图I中上一环节的输出图像或是如图5中采集到的原始图像分别同时利用二阶颜色矩、灰度共生矩阵和奇异值特征三种算法提取图像特征，计算相应的分类识别正确率，并对三个正确率值进行比较，记录其中最大正确率值对应的方法，将该方法对应的特征作为图I或是图5中特征提取环节的有效特征；(5)如图I所示的用户以图像的目标识别为目的或是如图6所示的用户仅是需要对图像进行目标识别，对图I中上一环节的输出图像或是如图6中采集到的原始图像分别同时利用最近距离分类、神经网络分类和模糊模式识别三种算法进行分类识别，计算相应的分类识别正确率，并对三个正确率值进行比较，记录其中最大正确率值对应的方法，将该方法对应的目标识别结果作为图I或是图6中目标识别环节的最终输出结果。
需要特别说明的是，前文仅根据通常处理流程给出常见处理环节的先后顺序，在实际实施中，还可以遵从其它的处理顺序，如以去噪为目的，设置图像增强、图像去噪两个处理环节，各处理环节中更可给出其它现有算法，数目也不仅仅限于三种，本技术方案也适用于本文未提及的其它处理环节，以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动， 均落入本发明保护范围之内。
权利要求
1.一种图像智能优化处理方法，其特征在于首先根据用户需求将处理流程按照先后顺序设置为至少一个处理环节；在每ー个处理环节中，利用该环节之下所列方法对图像同时并行处理，对得到的处理结果进行统ー的处理效果评价，并从中选出评价最高的处理结果作为该处理环节的最終結果。
2.如权利要求I所述的ー种图像智能优化处理方法，其特征在于所述用户需要对图像进行去噪，设置一个图像去噪处理环节，对采集到的原始图像分别同时利用均值滤波、维纳滤波和小波软阈值算法进行去噪，计算相应的去噪图像和原始图像的峰值信噪比，并对三个峰值信噪比进行比较，记录其中最大峰值信噪比值对应的方法，将该方法对应的去噪图像作为最终输出图像。
3.如权利要求I所述的ー种图像智能优化处理方法，其特征在于所述用户需要对图像进行增强，设置一个图像增强处理环节，对采集到的原始图像分别同时利用线性灰度变换、非线性变换和直方图修正三种算法进行增强，计算相应的增强图像和之前图像的对比度，并对三个对比度进行比较，记录其中最大对比度值对应的方法，将该方法对应的增强图像作为最终输出图像。
4.如权利要求I所述的ー种图像智能优化处理方法，其特征在于所述用户需要对图像进行分割，设置ー个图像分割处理环节，对采集到的原始图像分别同时利用基于阈值的分割方法、基于区域生长的分割方法和基于边界检测的三种算法进行分割，计算相应的分割图像内的区域内部均匀性，并对三个均匀性值进行比较，记录其中最大均匀性值对应的方法，将该方法对应的分割图像作为最终输出图像。
5.如权利要求I所述的ー种图像智能优化处理方法，其特征在于所述用户需要对图像进行特征提取，设置ー个图像特征提取处理环节，对采集到的原始图像分别同时利用ニ阶颜色矩、灰度共生矩阵和奇异值特征三种算法提取图像特征，计算相应的分类识别正确率，并对三个正确率值进行比较，记录其中最大正确率值对应的方法，将该方法对应的特征作为最终输出特征。
6.如权利要求I所述的ー种图像智能优化处理方法，其特征在于所述用户需要对图像进行目标识别，设置ー个图像目标识别处理环节，对采集到的原始图像分别同时利用最近距离分类、神经网络分类和模糊模式识别三种算法进行分类识别，计算相应的分类识别正确率，并对三个正确率值进行比较，记录其中最大正确率值对应的方法，将该方法对应的目标识别结果作为最终输出結果。
7.如权利要求I所述的ー种图像智能优化处理方法，其特征在于所述用户需要对图像进行目标识别，依次设置图像去噪、图像增強、图像分割、图像特征提取和图像目标识别五个处理环节，在每ー个处理环节中，对待处理的图像分别同时利用至少两种算法进行处理，对得到的处理结果进行统ー的处理效果评价，并从中选出评价最高的处理结果作为该处理环节的最終結果，并进入下一个处理环节。
全文摘要
本发明公开一种图像智能优化处理方法，首先根据用户需求将处理流程按照先后顺序设置为至少一个处理环节；在每一个处理环节中，利用该环节之下所列方法对图像同时并行处理，对得到的处理结果进行统一的处理效果评价，并从中选出评价最高的处理结果作为该处理环节的最终结果。此种处理方法可为用户提供一种满足其目的的最佳输出结果。
文档编号G06T7/00GK102982511SQ20121034389
公开日2013年3月20日 申请日期2012年9月17日 优先权日2012年9月17日
发明者王敏, 周树道, 黄峰, 刘志华, 梁妙元, 金永奇, 刘星 申请人:中国人民解放军理工大学气象学院