[发明专利]一种图像处理方法及系统

权利要求书

1.一种图像处理方法，其特征在于包括：

前终端接收输入图片并读取图片信息，对该图片进行去燥、二值化预处理后输出；

后终端接收预处理后的图片，读取用户的处理请求，对该图片进行唯一标识编码操作，并对编码后的图片进行标准化命名；

将上述整个处理环节进行深度学习并建立注意力机制网络模型、对该模型进行训练并保存，采用上述方式执行批处理文件，在批处理文件中，将图片的名称作为参数信息输入从而完成图片处理过程；

对处理后的图片添加标识码并保存在本地磁盘中；

后终端将带有标识码的图片输送至前终端后再传送至用户。

2.根据权利要求1所述的一种图像处理方法，其特征在：对图片进行预处理时遍历图片的每个像素点的像素值并计算灰度值，通过对每个像素点进行处理将图片转换为灰度图，再对图片进行二值化处理，采用自适应阈值的方式，将大于阈值的像素点的值设为255，小于阈值的像素点的值设为0。

3.根据权利要求1所述的一种图像处理方法，其特征在：对图片进行编码操作时采用唯一的32位长的编码操作。

4.根据权利要求1所述的一种图像处理方法，其特征在：对注意力机制网络模型进行训练时：首先将图像调整成预设范围的大小，将图像进行多组步长为2卷积的通道注意力和空间注意力操作，再对图像进行连续下采样、上采用及卷积操作，最后进行多组卷积、通道和空间注意力操作生成输出图像。

5.根据权利要求1所述的一种图像处理方法，其特征在：对图片进行标准化命名具有唯一性，同理所有的图片具有唯一性。

6.一种图像处理系统，其特征在于包括：

前终端，接收用户输入的图片；

预处理模块，对前终端传送的图片进行预处理操作，包括去燥和二值化处理；

后终端，接收预处理模块传送的预处理后图片，读取用户的处理请求，对该图片进行唯一标识编码操作，并对编码后的图片进行标准化命名；

深度学习模块，对上述整个处理环节进行深度学习建立注意力机制网络模型、对该模型进行训练并保存，采用后终端采用的方式执行批处理文件，在批处理文件中，将图片的名称作为参数信息输入从而完成图片处理过程；

存储模块，对深度学习模块处理后的图片添加标识码并保存在本地磁盘中；

输出模块，接收后终端传送的带有标识码的图片输出至前终端后再传送至用户。