一种云台摄像机的激光夜视图像分型分割方法与流程

1.本发明涉及夜视图像相关技术领域，具体来说，涉及一种云台摄像机的激光夜视图像分型分割方法。


背景技术：

2.图像分割是图像处理领域和计算机视觉中的一个基本而关键的问题，它是将图像分成各具特性的区域并将人们感兴趣的目标(或运动目标)提取出来的过程，可为后续的分析、理解、分类、跟踪、识别、处理等提供基础，图像分割在生物医学图像分析、图像编码、军事目标识别、文档图像处理、指纹与印章鉴定、手写体识别、实时监控系统和视频传输等领域应用非常广泛，作为由图像处理到图像分析的关键步骤，图像分割不仅得到了人们的广泛重视，也在实际中得到了大量的应用。
3.图像分割多年来一直得到人们的高度重视，20世纪就已经提出了上千种不同类型的分割算法，目前主流研究的图像分割方法有：基于阈值的分割方法：阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中，该方法特点是计算简单，具有较高的运算效率，缺点是只适用目标区域与背景灰度值相差大的图像，且识别效果差，而在云台摄像机的激光夜视图像分型分割过程中显示结果差，操作难度大，对此我们提出一种云台摄像机的激光夜视图像分型分割方法。


技术实现要素：

4.本发明的目的在于提供一种云台摄像机的激光夜视图像分型分割方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种云台摄像机的激光夜视图像分型分割方法，分型方法包括有：a、输入目标图像；b、获取目标类别特征信息和目标类别特征关联信息；c、对获取目标类别特征信息和目标类别特征关联信息进行分型处理，得出第一分型特征信息；d、将第一分型特征信息输入初始生成网络进行图像合成处理，得出第一合成特征信息；e、将第一合成特征信息输入初始判别网络进行真实判别，得出第一特征判别结果；f、将基于第一分型特征信息、第一合成特征信息和第一特征判别结果初始图像分型模型的分类网络，得到目标图像分型模型；分割方法包括有：a、输入目标图像；
b、获取目标类别特征信息和目标类别特征关联信息；c、对获取目标类别特征信息和目标类别特征关联信息进行分割处理，得出第二分型特征信息；d、将第二分型特征信息输入初始生成网络进行图像合成处理，得出第二合成特征信息；e、将第二合成特征信息输入初始判别网络进行真实判别，得出第二特征判别结果；f、将基于第二分型特征信息、第二合成特征信息和第二特征判别结果初始图像分型模型的分类网络，得到目标图像分割模型；将目标图像分型模型和目标图像分割模型训练待训练生成网络和待训练判别网络，得到初始图像分型分割模型、初始生成网络和初始判别网络。
6.进一步的，云台摄像机内部包括有操作系统、计算机程序、处理器、储存器、网络接口、显示屏和输入键盘。
7.进一步的，所述操作系统的输出端连接至所述处理器的输入端，所述计算机程序的输出端也是连接至所述处理器的输入端。
8.进一步的，所述处理器的输出端连接至所述储存器、所述网络接口、所述显示屏和所述输入键盘。
9.进一步的，所述显示屏为液晶显示屏。
10.进一步的，所述输入键盘为外接usb端口的键盘。
11.进一步的，所述储存器用于储存所述处理器中可执行指令的储存器。
12.与现有技术相比，本发明具有以下有益效果：通过将目标图片形成第一分型特征信息、第一合成特征信息和第一特征判别结果初始图像分型模型的分类网络，得到目标图像分型模型，在通过将目标图片形成第二分型特征信息、第二合成特征信息和第二特征判别结果初始图像分型模型的分类网络，得到目标图像分割模型，最终将将目标图像分型模型和目标图像分割模型训练待训练生成网络和待训练判别网络，得到初始图像分型分割模型、初始生成网络和初始判别网络，在通过操作系统、计算机程序、处理器、储存器、网络接口、显示屏和输入键盘的作用下，使得操作更加简单稳定，使用方便。
附图说明
13.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
14.图1是根据本发明实施的一种云台摄像机的激光夜视图像分型分割方法的系统结构示意图；图2是根据本发明实施的一种云台摄像机的激光夜视图像分型分割方法结构示意流程图；附图标记：1、操作系统；2、计算机程序；3、处理器；4、储存器；5、网络接口；6、显示屏；7、输入
键盘。
具体实施方式
15.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
16.在本发明的描述中，需要说明的是，术语“顶部”、“底部”、“一侧”、“另一侧”、“前面”、“后面”、“中间部位”、“内部”、“顶端”、“底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
17.请参阅图1-2，根据本发明实施的一种云台摄像机的激光夜视图像分型分割方法，分型方法包括有：a、输入目标图像；b、获取目标类别特征信息和目标类别特征关联信息；c、对获取目标类别特征信息和目标类别特征关联信息进行分型处理，得出第一分型特征信息；d、将第一分型特征信息输入初始生成网络进行图像合成处理，得出第一合成特征信息；e、将第一合成特征信息输入初始判别网络进行真实判别，得出第一特征判别结果；f、将基于第一分型特征信息、第一合成特征信息和第一特征判别结果初始图像分型模型的分类网络，得到目标图像分型模型；分割方法包括有：a、输入目标图像；b、获取目标类别特征信息和目标类别特征关联信息；c、对获取目标类别特征信息和目标类别特征关联信息进行分割处理，得出第二分型特征信息；d、将第二分型特征信息输入初始生成网络进行图像合成处理，得出第二合成特征信息；e、将第二合成特征信息输入初始判别网络进行真实判别，得出第二特征判别结果；f、将基于第二分型特征信息、第二合成特征信息和第二特征判别结果初始图像分型模型的分类网络，得到目标图像分割模型；
将目标图像分型模型和目标图像分割模型训练待训练生成网络和待训练判别网络，得到初始图像分型分割模型、初始生成网络和初始判别网络。
18.其中，云台摄像机内部包括有操作系统1、计算机程序2、处理器3、储存器4、网络接口5、显示屏6和输入键盘7。
19.其中，操作系统1的输出端连接至处理器3的输入端，计算机程序2的输出端也是连接至处理器3的输入端，实现稳定连接，便于操作。
20.其中，处理器3的输出端连接至储存器4、网络接口5、显示屏6和输入键盘7，实现展示和键盘操作控制。
21.其中，显示屏6为液晶显示屏6，显示稳定直接，便于操作使用。
22.其中，输入键盘7为外接usb端口的键盘，实现控制，进而发出指令。
23.其中，储存器4用于储存处理器3中可执行指令的储存器，实现稳定的存储。
24.工作原理通过本发明的上述方案，一种云台摄像机的激光夜视图像分型分割方法在使用过程中通过将目标图片形成第一分型特征信息、第一合成特征信息和第一特征判别结果初始图像分型模型的分类网络，得到目标图像分型模型，在通过将目标图片形成第二分型特征信息、第二合成特征信息和第二特征判别结果初始图像分型模型的分类网络，得到目标图像分割模型，最终将将目标图像分型模型和目标图像分割模型训练待训练生成网络和待训练判别网络，得到初始图像分型分割模型、初始生成网络和初始判别网络，在通过操作系统、计算机程序、处理器、储存器、网络接口、显示屏和输入键盘的作用下，使得操作更加简单稳定，使用方便。
25.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
26.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。