一种图像智能优化处理方法

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。

主权项

一种图像智能优化处理方法，其特征在于：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，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，并进入下一个处理环节；    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；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；所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；所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；所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。