[發(fā)明專利]一種圖像的預(yù)處理方法、系統(tǒng)、設(shè)備以及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010744567.5
• 申請日: 2020-07-29
• 公開（公告）號: CN111860529A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 劉卓;劉毅楓;梁記斌
• 申請（專利權(quán)）人: 山東超越數(shù)控電子股份有限公司
• 主分類號: G06K9/36
• 分類號: G06K9/36;G06K9/46
• 代理公司: 北京連和連知識產(chǎn)權(quán)代理有限公司 11278
• 代理人: 楊帆;宋薇薇

本發(fā)明公開了一種圖像的預(yù)處理方法，包括以下步驟：獲取圖像并對其進(jìn)行灰度化處理；對進(jìn)行灰度化處理后的圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化處理；利用HOG算法對進(jìn)行標(biāo)準(zhǔn)化處理后的圖像進(jìn)行特征提取并得到第一維度的圖像特征；利用LDA算法對第一維度的圖像特征進(jìn)行降維處理。本發(fā)明還公開了一種系統(tǒng)、計算機(jī)設(shè)備以及可讀存儲介質(zhì)。本發(fā)明提出的方案通過利用HOG算法對圖像樣本數(shù)據(jù)進(jìn)行預(yù)處理，能夠消除客觀因素給圖像原貌帶來的不確定性，提取能代表圖像原貌的“特征”，有助于提高樣本數(shù)據(jù)的精度；并且利用LDA算法對HOG特征處理后的高維特征數(shù)據(jù)進(jìn)行降維處理，去除冗余的數(shù)據(jù)集特征，提高模型精度、增強(qiáng)模型的魯棒性及加速模型的訓(xùn)練。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像領(lǐng)域，具體涉及一種圖像的預(yù)處理方法、系統(tǒng)、設(shè)備以及存儲介質(zhì)。

背景技術(shù)

在當(dāng)今人類社會日常生活中，圖像識別與驗證具有十分重要的作用，例如在人臉識別、無人駕駛、物體檢測、物體分類等領(lǐng)域，圖象識別都是不可或缺的技術(shù)。

進(jìn)行圖像識別時，圖像的采集方便，采集設(shè)備可以使用中低檔攝像頭，價格低廉，具有很強(qiáng)的實用性。

然而由于大部分圖像處于高維，圖像是非剛體，存在諸多變化；攝像頭采集到的圖像受光照、成像角度、成像距離等影響，因此圖像信號存在極大的不確定性，這些不確定性對于物體的原貌相當(dāng)于是噪聲，會降低物體檢測過程的準(zhǔn)確率，增加過擬合的風(fēng)險，降低模型的魯棒性。

發(fā)明內(nèi)容

有鑒于此，為了克服上述問題的至少一個方面，本發(fā)明實施例提出一種圖像的預(yù)處理方法，包括以下步驟：

獲取圖像并對其進(jìn)行灰度化處理；

對進(jìn)行灰度化處理后的圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化處理；

利用HOG算法對進(jìn)行標(biāo)準(zhǔn)化處理后的圖像進(jìn)行特征提取并得到第一維度的圖像特征；

利用LDA算法對所述第一維度的圖像特征進(jìn)行降維處理。

在一些實施例中，利用HOG算法對進(jìn)行標(biāo)準(zhǔn)化處理后的圖像進(jìn)行特征提取并得到第一維度的圖像特征，進(jìn)一步包括：

計算所述圖像的每一個像素的梯度；

將所述圖像劃分為多個單元，并統(tǒng)計每個單元內(nèi)的梯度直方圖，以得到每個單元的特征；

將若干個單元組成一個block，并將所述block內(nèi)所有單元的特征串聯(lián)以得到所述block的特征；

將所有的block的特征進(jìn)行串聯(lián)以得到最終的圖像特征。

在一些實施例中，計算所述圖像的每一個像素的梯度，進(jìn)一步包括：

計算每一個像素點的梯度的大小和方向。

在一些實施例中，統(tǒng)計每個單元內(nèi)的梯度直方圖，進(jìn)一步包括：

統(tǒng)計不同梯度的個數(shù)。

基于同一發(fā)明構(gòu)思，根據(jù)本發(fā)明的另一個方面，本發(fā)明的實施例還提供了一種圖像的預(yù)處理系統(tǒng)，包括：

灰度模塊，所述灰度模塊配置為獲取圖像并對其進(jìn)行灰度化處理；

標(biāo)準(zhǔn)化處理模塊，所述標(biāo)準(zhǔn)化模塊配置為對進(jìn)行灰度化處理后的圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化處理；

提取模塊，所述提取模塊配置為利用HOG算法對進(jìn)行標(biāo)準(zhǔn)化處理后的圖像進(jìn)行特征提取并得到第一維度的圖像特征；

降維模塊，所述降維模塊配置為利用LDA算法對所述第一維度的圖像特征進(jìn)行降維處理。

在一些實施例中，所述提取模塊還配置為：

計算所述圖像的每一個像素的梯度；