[发明专利]计算机深度学习图像特征并量化感知度的方法

说明书

本发明公开了一种计算机深度学习图像特征并量化感知度的方法，属于图像分析技术领域，包括以下步骤：S1、图片分类，按照图片处理器的分析将图片按照颜色、光点、尺寸、进行分类，S2、图片优化，按照图片原有色彩进行修复，将图片的噪点清除，暗光的位置进行补光；S3、图片感知，根据提前设定的数据，计算将图片进行场景(如海边、路边、白天、夜晚、草原等场景)进行分析，并且将计算出的图片归入设定图库内；S4、图片提取，利用图片感知归档的图库进行图片抽取,根据抽取需求对图库的图片进行分析，并将符合要求的图片快速提出显示。该计算机深度学习图像特征并量化感知度的方法，增加计算级对图像的分析效率，满足图像快速抽调对比的需求。

技术领域

本发明属于图像分析技术领域，尤其涉及一种计算机深度学习图像特征并量化感知度的方法。

背景技术

图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布，“像“是人的视觉系统所接受的图在人脑中所形成的印象或认识，照片、绘画、剪贴画、地图、书法作品、手写汉学、传真、卫星云图、影视画面、X光片、脑电图、心电图等都是图像。

随着时间的推移，每天都会产生很多新的图像，同时，图像的存储量也越来越大，当新图像与老旧图像需要进行分析对比时，则需要对图库内的老旧图像进行抽调，在抽调过程中，由于缺乏针对性的特征感知，使得图像的抽调较为麻烦，且容易抽调错误，影响图像分析质量，使得分析效率降低。

发明内容

本发明的目的是为了解决现有技术中，当新图像与老旧图像需要进行分析对比时，则需要对图库内的老旧图像进行抽调，在抽调过程中，由于缺乏针对性的特征感知，使得图像的抽调较为麻烦，且容易抽调错误，影响图像分析质量，使得分析效率降低。的问题，而提出的一种计算机深度学习图像特征并量化感知度的方法。

为了实现上述目的，本发明采用了如下技术方案：

一种计算机深度学习图像特征并量化感知度的方法，包括以下步骤：

S1、图片分类，按照图片处理器的分析将图片按照颜色、光点、尺寸、进行分类；

S2、图片优化，按照图片原有色彩进行修复，将图片的噪点清除，暗光的位置进行补光；

S3、图片感知，根据提前设定的数据，计算将图片进行场景(如海边、路边、白天、夜晚、草原等场景)进行分析，并且将计算出的图片归入设定图库内；

S4、图片提取，利用图片感知归档的图库进行图片抽取,根据抽取需求对图库的图片进行分析，并将符合要求的图片快速提出显示。

优选的，S1中，图片分类前需要对图片进行导入，导入方式采用上传方式，对上传图片进行格式对比，符合格式要求的图片进行录取。

优选的，图片导入后进行图片拦阻，对图片格式筛选以后，进行图片模糊度筛查，不符合预设值或难以分析图片内容的图片进行拦阻。

优选的，S3中，图片感知后需要进行图片归档，计算机预先设定好图片存储档，存储档将存储细分为多个部分，按照场景进行分类。

优选的，S4中，图片提取包括图片分析，将搜索的图片特征进行场景提取，并发送到图库内部进行场景搜索，图片场景吻合度相似时则快速提出显示。

优选的，S3中，图片感知中，对场景的分析包括暗光点、强光点、颜色比例以及数值预设。

优选的，数值预设为根据计算机提前设定的图片参数，对录入的图片直接进行针对分类，颜色比例为按照图像颜色，根据颜色站图片位置的总比例确认图片的场景种类。

优选的，图片导入后，按照图片质量预设值要求对图片进行审核，预设值为图片总存储量，根据计算机设定对高清图片与非高清图片进行分类。