[發明專利]一種基于智慧交通的人工智能圖像處理方法及系統

在審

• 申請號: 202011576571.1
• 申請日: 2020-12-28
• 公開（公告）號: CN112634162A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 汪桂衡
• 申請（專利權）人: 汪桂衡
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/00;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于智慧交通的人工智能圖像處理方法，其特征在于，所述方法包括：

獲取待處理的交通道路圖像，并利用結合中值濾波和高斯濾波的圖像平滑方法對待處理的交通道路圖像進行圖像平滑處理，得到平滑圖像；

將平滑圖像的RGB顏色空間轉換為YUV顏色空間，得到基于YUV顏色空間的交通道路圖像；

利用多尺度圖像自適應增強算法對基于YUV顏色空間的交通道路圖像進行增強處理，得到增強后的交通道路圖像；

利用改進的SIFT特征描述子提取算法對增強后的交通道路圖像進行處理，提取得到交通道路圖像的SIFT特征描述子；

將SIFT特征描述子作為神經網絡模型的輸入，利用基于改進剪枝策略的神經網絡模型進行交通道路圖像中的車輛識別檢測，實現人工智能圖像處理。

2.如權利要求1所述的一種基于智慧交通的人工智能圖像處理方法，其特征在于，所述利用結合中值濾波和高斯濾波的圖像平滑方法對待處理的交通道路圖像進行圖像平滑處理，包括：

利用離散高斯卷積核H對待處理圖像的像素點附近鄰域的灰度值進行相應的加權平均，即將加權后的離散高斯卷積核H同像素點附近鄰域的灰度值進行乘積處理，其中H的維數為(2k+1)×(2k+1)，離散高斯卷積核H的計算公式為：

其中：

(i，j)為待處理圖像像素點像素值；

σ為像素點附近鄰域灰度值的方差；

k為核矩陣的維數；

取像素大小為3*3像素的窗口作用于所述高斯濾波處理圖像，將窗口中的像素點的灰度值大小進行排序，生成二維數組{F_jk}，并取二維數組{F_jk}中的中值作為窗口圖像的中值濾波結果，最終所述高斯濾波處理圖像的中值濾波結果即為道路交通圖像的平滑圖像。

3.如權利要求2所述的一種基于智慧交通的人工智能圖像處理方法，其特征在于，所述將平滑圖像的RGB顏色空間轉換為YUV顏色空間，包括：

所述顏色空間轉換公式為：

其中：

I_R，I_G，I_B為平滑圖像I在RGB顏色空間中的顏色值；

I_Y，I_U，I_V為平滑圖像I在YUV顏色空間中的顏色值。

4.如權利要求3所述的一種基于智慧交通的人工智能圖像處理方法，其特征在于，所述交通道路圖像中Y通道的自適應增強算法，包括：

所述Y亮度通道增強的公式為：

其中：

F_n(x，y)表示尺度為n的高斯模糊操作，

N表示高斯模糊操作尺度的數量；

ω_n為尺度為n的高斯模糊操作的對應權重，權重之和需要等于1；

Y(x，y)為Y亮度通道的像素值；

A表示亮度自適應調節因子；

A＝1/f(x，y)

f(x，y)＝max{f₁(bg(x，y))，f₂(bg(x，y))}

f₁(bg(x，y))＝λ-bg(x，y)·0.01

其中：

f₁(bg(x，y))為空間掩蔽函數；

f₂(bg(x，y))為由亮度引起的可見度閾值；

bg(x，y)表示像素點(x，y)附近的背景平均亮度；

γ，λ，T₀為參數，設置γ為3/127，λ為1/2，T₀為13。

5.如權利要求4所述的一種基于智慧交通的人工智能圖像處理方法，其特征在于，所述所述交通道路圖像中U、V通道的自適應增強算法，包括：

所述U、V通道增強的公式為：

其中：

Y₁為原始交通道路圖像的Y通道像素值；

Y₂為增強后圖像的Y通道像素值；

為像素變化比例；

R、B為當前交通道路圖像R、B顏色通道的像素值。