[發明專利]一種基于AI的圖像處理方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202210856658.7
• 申請日: 2022-07-21
• 公開（公告）號: CN114926374B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 賀敬川;徐斌;康鳳珠;張勁勝
• 申請（專利權）人: 四川新迎順信息技術股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06T5/20;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 孫朝銳

1.一種基于AI的圖像處理方法，其特征在于，包括：

獲取原始圖像，對所述原始圖像進行預處理，以獲取預處理后的圖像；

利用頂帽變換對預處理后的所述圖像進行增強處理，得到第一圖像，利用預設的深度學習模型對所述第一圖像進行增強處理，得到增強后的第二圖像；

對所述第一圖像和所述第二圖像進行非采樣的contourlet變換，得到增強圖像；

利用灰度特性對所述增強圖像進行識別；并對識別后的所述增強圖像進行局部處理，得到局部處理后的目標圖像；

將所述目標圖像輸入至預設的卷積神經網絡中，對所述目標圖像進行處理，得到處理后的圖像；

所述利用頂帽變換對預處理后的所述圖像進行增強處理，得到第一圖像，利用預設的深度學習模型對所述第一圖像進行增強處理，得到增強后的第二圖像，包括：

采用小波變換方法對所述圖像進行分解，得到一個分解結果，所述分解結果中至少包括一個低頻圖像分量和至少一個高頻圖像分量；

利用頂帽變換對所述低頻圖像分量進行處理，得到第一處理結果，利用底帽變換對所述高頻圖像分量進行處理，得到第二處理結果；

將所述低頻圖像分量加上所述第一處理結果，得到第三處理結果，將所述第三處理結果減去所述第二處理結果，得到增強后的所述第一圖像；

將所述高頻圖像分量輸入預設的所述深度學習模型中，得到增強后的所述第二圖像；

所述利用灰度特性對所述增強圖像進行識別，包括：

計算所述增強圖像的每個像素灰度值的平均值；

基于自適應的方法，根據所述增強圖像中的局部圖像的像素灰度值的中值和平均值計算出所述局部圖像的所有像素灰度值的圖斑閾值；

根據所述圖斑閾值，計算所述局部圖像的每個像素的圖斑補償值，其中，具體計算方法根據下列公式：

其中，代表每個窗口的每個像素的色斑補償值；代表每個像素灰度值;代表色斑閾；

計算每個窗口的圖斑補償值；

將所述局部圖像的每個像素的灰度值加上所述圖斑補償值得到更新后的所述局部圖像的每個像素的灰度值；

將更新后的增強圖像進行顯示。

2.根據權利要求1所述的基于AI的圖像處理方法，其特征在于,所述獲取原始圖像，對所述原始圖像進行預處理，以獲取預處理后的圖像，包括：

對所述原始圖像進行歸一化處理，得到灰度圖像；

基于所述灰度圖像使用Sobel算子進行梯度檢測，得到梯度圖像，所述梯度圖像包括邊緣像素和非邊緣像素；

利用Gabor濾波器對所述梯度圖像進行處理，得到梯度處理圖像，所述Gabor濾波器的窗口函數為高斯函數；

基于點乘算法，對所述梯度處理圖像和所述灰度圖像進行點乘，得到銳化圖像；

基于所述銳化圖像和所述灰度圖像進行疊加，得到所述預處理后的圖像。