[發明專利]一種基于人工智能的圖像成像感光度預測方法及系統

有效

• 申請號: 202110552491.0
• 申請日: 2021-05-20
• 公開（公告）號: CN113286142B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 楊鳳學;楊希明;馮銳
• 申請（專利權）人: 眾芯漢創（北京）科技有限公司
• 主分類號: H04N17/00
• 分類號: H04N17/00
• 代理公司: 杭州知管通專利代理事務所(普通合伙) 33288
• 代理人: 尉敏

1.一種基于人工智能的圖像成像感光度預測方法，其特征在于，該方法包括以下步驟：

獲取原始圖像，根據圖像的飽和度和明度濾除所述原始圖像中的影響像素；對于每個像素，滿意下述任一條件，則認定該像素為影響像素：

其中，S(i)為第i個像素的飽和度，V(i)為第i個像素的明度，G1為飽和度閾值，G2為明度閾值；

對所述原始圖像進行分塊得到多個圖像塊，根據每一個所述圖像塊的平均信息量和所述影響像素的數量獲取影響值，選取影響值最小的K個圖像塊作為優選圖像塊集合；所述影響值的獲取方法具體為：

其中，F(i)為圖像塊的第i個像素的信息量，n為圖像塊的總像素數量，Ne為該圖像塊里的影響像素的數量，w1為該圖像塊平均信息量的映射值，w2為圖像塊影響像素數量的映射值；

根據所述優選圖像塊集合和模板圖像塊集合，進行圖像相關性分析，得到每一個優選圖像塊的最大相關性的模板圖像塊；每個所述模板圖像塊對應多種不同感光度的子圖像；獲取每個所述優選圖像塊的噪聲圖像，根據所述噪聲圖像與每個所述子圖像的模板噪聲圖像獲取多個噪聲圖像差值；選取所述噪聲圖像差值最小的所述子圖像的感光度作為所述優選圖像塊的最大概率感光度；

統計所述優選圖像塊集合對應的每種最大概率感光度的數量，選取數量最多的感光度作為所述原始圖像的感光度。

2.根據權利要求1所述的方法，其特征在于，所述獲取每個所述優選圖像塊的噪聲圖像的方法，包括以下步驟：

消除所述優選圖像塊的噪聲，得到處理后的優選圖像塊；

獲取所述優選圖像塊和所述處理后的優選圖像塊的差值，確定所述噪聲圖像。

3.根據權利要求1所述的方法，其特征在于，所述圖像相關性分析的方法為NCC歸一化互相關法。

4.根據權利要求1或2所述的方法，其特征在于，所述獲取每個所述子圖像的模板噪聲圖像的方法，包括以下步驟：

消除所述子圖像的噪聲，得到處理后的子圖像；

獲取所述子圖像和所述處理后的子圖像的差值，確定所述子圖像的模板噪聲圖像。

5.一種基于人工智能的圖像成像感光度預測系統，其特征在于，包括：

過濾模塊，用于獲取原始圖像，根據圖像的飽和度和明度濾除所述原始圖像中的影響像素；對于每個像素，滿意下述任一條件，則認定該像素為影響像素：

其中，S(i)為第i個像素的飽和度，V(i)為第i個像素的明度，G1為飽和度閾值，G2為明度閾值；

確定優選圖像塊集合模塊，用于對所述原始圖像進行分塊得到多個圖像塊，根據每一個所述圖像塊的平均信息量和所述影響像素的數量獲取影響值，選擇影響值最小的K個圖像塊作為優選圖像塊集合；所述影響值的獲取方法具體為：

其中，F(i)為圖像塊的第i個像素的信息量，n為圖像塊的總像素數量，Ne為該圖像塊里的影響像素的數量，w1為該圖像塊平均信息量的映射值，w2為圖像塊影響像素數量的映射值；

獲取最大概率感光度模塊，用于根據所述優選圖像塊集合和模板圖像塊集合，進行圖像相關性分析，得到每一個優選圖像塊的最大相關性的模板圖像塊；每個所述模板圖像塊對應多種不同感光度的子圖像；獲取每個所述優選圖像塊的噪聲圖像，根據所述噪聲圖像與每個所述子圖像的模板噪聲圖像獲取多個噪聲圖像差值；選取所述噪聲圖像差值最小的所述子圖像的感光度作為所述優選圖像塊的最大概率感光度；

原始圖像感光度獲取模塊，用于統計所述優選圖像塊集合對應的每種最大概率感光度的數量，選取數量最多的感光度作為所述原始圖像的感光度。

6.根據權利要求5所述的系統，其特征在于，所述獲取最大概率感光度模塊，還包括；

獲取處理后優選圖像塊單元，用于消除所述優選圖像塊的噪聲，得到處理后的優選圖像塊；

噪聲圖像獲取單元，用于獲取所述優選圖像塊和所述處理后的優選圖像塊的差值，確定所述噪聲圖像。

7.根據權利要求5所述的系統，其特征在于，所述獲取最大概率感光度模塊，還包括：

獲取處理后子圖像單元，用于消除所述子圖像的噪聲，得到處理后的子圖像；

模板噪聲圖像獲取單元，用于獲取所述子圖像和所述處理后的子圖像的差值，確定所述子圖像的模板噪聲圖像。