一种图像处理方法、系统、设备及介质与流程

1.本公开涉及图像数据处理技术领域，更为具体来说，本公开涉及一种图像处理方法、系统、设备及介质。


背景技术：

2.随着现代信息技术的发展，工程机械走向遥控化与自动化是大势所趋。然而，要实现遥控化与自动化，需要获取工程机械应用场景清晰的画面。
3.目前，工程机械的应用场景普遍存在光线偏暗、雨雪、风沙、粉尘等影响彩色画面清晰度的情况。当画面清晰度受到较大干扰时，遥控作业/自动作业安全性与效率将受到很大影响。需要一套整体解决方案，以应对工程机械应用场景普遍存在的雨雪、风沙、粉尘环境。


技术实现要素：

4.为解决现有技术的工程机械的应用场景普遍存在光线偏暗、雨雪、风沙、粉尘等影响彩色画面清晰度的技术问题。
5.为实现上述技术目的，本公开提供了一种图像处理方法，包括：
6.采集图像数据并存储；
7.利用深度学习分析所述图像数据的画面是否清晰；
8.若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；
9.若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；
10.再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；
11.若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；
12.若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。
13.进一步，所述若不清晰则利用面光源增强光照再次采集并获取增强光照后的第二图像画面数据并输出后，所述方法还包括：
14.再次利用深度学习分析判断所述第二图像画面数据的画面是否清晰；
15.若不清晰，则利用特定光谱相机采集特定光谱波段的图像增强数据；
16.通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，得到第三图像画面数据并输出。
17.进一步，所述通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中，得到第三图像画面数据并输出之后，所述方法还包括：
18.再次利用深度学习分析判断所述第三图像画面数据的画面是否清晰；
19.若不清晰，则利用激光雷达和/或4d毫米波雷达采集环境3d点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第
四次图像画面增强，得到第四图像画面数据并输出。
20.进一步，所述利用深度学习分析所述图像数据的画面是否清晰具体包括：
21.对采集的图像数据根据图像的清晰度进行标记，标记为清晰的图像数据或不清晰的图像数据；
22.对所述图像数据和标记后的标签数据进行模型训练，得到图像清晰度分类二分类模型；
23.利用训练后的图像清晰度分类二分类模型进行分析所述图像数据的画面是否清晰的判断过程。
24.进一步，所述利用图像颜色增强算法对所述图像数据进行第一次图像画面增强具体包括：
25.利用直方图均衡化算法或自动色彩均衡化算法对所述图像数据进行第一次图像画面增强。进一步，当利用直方图均衡化算法进行第一次图像画面增强时，具体包括：
26.计算所述图像数据的直方图的第一概率密度；
27.通过灰度变换函数t计算新图像灰度级的第二概率密度；
28.利用第二概率密度计算新图像的灰度值。
29.为实现上述技术目的，本公开还能够提供一种图像处理系统，包括：
30.图像数据采集模块，用于采集图像数据并存储；
31.判断模块，用于利用深度学习分析所述图像数据的画面是否清晰，以及，判断所述第一图像画面数据的画面是否清晰；
32.图像增强模块，用于对所述图像数据的画面进行第一次图像画面增强和第二次图像画面增强；
33.图像输出模块，用于输出图像数据的画面。
34.进一步，所述判断模块还用于：
35.分析判断第二图像画面数据的画面是否清晰，以及，析判断第三图像画面数据的画面是否清晰；
36.所述图像增强模块还用于：
37.通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，以及，利用激光雷达和/或4d毫米波雷达采集环境3d点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强。
38.为实现上述技术目的，本公开还能够提供一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时用于实现上述的图像处理方法的步骤。
39.为实现上述技术目的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的图像处理方法的步骤。
40.本公开的有益效果为：
41.本公开的图像处理方法运用颜色增强算法，对可见光相机获取的画面进行增强，不增加额外。该方法对于有少量雨雪粉尘的环境，以及光线较暗的环境，有良好的增强效果。
42.本公开的图像处理方法使用面光源照亮可见光探测的区域，增强画面效果。该方法与“可见光颜色增强“相结合，能有效应对画面亮度不足的情况，对浓度更大的雨雪粉尘状况也能有效应对。
43.本公开的图像处理方法在加强光照、使用颜色增强后的画面的基础上，使用“特定光谱相机画面”丰富细节。“特定光谱信息”，如热成像信息，能够有效穿透粉尘，获取可见光相机获取不了的环境细节。通过图像融合手段，可将相关细节融合到加强光照、使用颜色增强后的画面上。
44.本公开的图像处理方法利用激光雷达/4d毫米波雷达，获取环境3d信息。在3d特征中，提取物体轮廓信息。在特定光谱相机融合画面的基础上，增加这部分轮廓信息。
附图说明
45.图1示出了本公开的实施例1的方法的流程示意图；
46.图2示出了本公开的实施例2的系统的结构示意图；
47.图3示出了本公开的实施例4的结构示意图。
具体实施方式
48.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
49.在附图中示出了根据本公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
50.实施例一：
51.如图1所示：
52.本公开提供了一种图像处理方法，包括：
53.s101：采集图像数据并存储；
54.s102：利用深度学习分析所述图像数据的画面是否清晰；
55.若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；
56.若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；
57.s103：再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；
58.若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；
59.若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。
60.进一步，所述若不清晰则利用面光源增强光照再次采集并获取增强光照后的第二图像画面数据并输出后，所述方法还包括：
61.再次利用深度学习分析判断所述第二图像画面数据的画面是否清晰；
62.若不清晰，则利用特定光谱相机采集特定光谱波段的图像增强数据；
63.通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，得到第三图像画面数据并输出。
64.电磁辐射波谱的不同部分，对风沙、雨雪、粉尘的穿透性不同。比如，可见光在风沙等环境下穿透性较弱，导致画面清晰度下降。而热红外段的电磁波在风沙等环境下穿透性较强，能补充可见光段无法获取的信息(因此，人们设计了热成像相机，用来补充特定波段的信息)。
65.电磁辐射波谱的不同部分，能反应不同物料的物理属性。比如，特定物料的颜色与可见光段的特定电磁波频谱对应。通过提取特定电磁波频谱下的信号，能对特定的物料进行区分。
66.进一步，所述通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中，得到第三图像画面数据并输出之后，所述方法还包括：
67.再次利用深度学习分析判断所述第三图像画面数据的画面是否清晰；
68.若不清晰，则利用激光雷达和/或4d毫米波雷达采集环境3d点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强，得到第四图像画面数据并输出。
69.点云数据(point cloud data)是指在一个三维坐标系统中的一组向量的集合。
70.扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息(rgb)或反射强度信息(intensity)。
71.点云数据除了具有几何位置以外，有的还有颜色信息。颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息(rgb)赋予点云中对应的点。强度信息的获取是激光扫描仪接收装置采集到的回波强度，此强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。
72.假设当前点为p，对其邻域np向其切平面投影，注意经过投影后p的位置并没有改变；
73.然后将投影后的近邻点以p为角点，按照逆时针顺序(当然顺时针也可)，两两与p连接形成一系列夹角θ＝{θ1,θ2,
…
,θn}；
74.其中n＝||n
p
||-1(因为p∈n
p
)；
75.找到θ中最大的夹角θmax＝max(θ)；
76.当θmax越大，那么p就越可能为边界点。可以通过设置一个角度阈值ξ，当θmax》ξ时，判定p为边界点。
77.进一步，所述利用深度学习分析所述图像数据的画面是否清晰具体包括：
78.对采集的图像数据根据图像的清晰度进行标记，标记为清晰的图像数据或不清晰的图像数据；
79.对所述图像数据和标记后的标签数据进行模型训练，，得到图像清晰度分类二分类模型；
80.利用训练后的图像清晰度分类二分类模型进行分析所述图像数据的画面是否清晰的判断过程。
81.进一步，所述利用图像颜色增强算法对所述图像数据进行第一次图像画面增强具
体包括：
82.利用直方图均衡化算法或自动色彩均衡化算法对所述图像数据进行第一次图像画面增强。
83.进一步，当利用直方图均衡化算法进行第一次图像画面增强时，具体包括：
84.计算所述图像数据的直方图的第一概率密度；
85.通过灰度变换函数t计算新图像灰度级的第二概率密度；
86.利用第二概率密度计算新图像的灰度值。
87.计算过程如下公式所示：
[0088][0089]
其中，n表示第k个灰度级(k＝0，1，2，...l-1)，l为最大值为256的正整数；nk表示图像中灰度级为rk的像素个数；n表示图像中像素的总个数；p(rk)为图像中第k个灰度级占总像素数的比例。
[0090]
新图像灰度级的概率密度是原始图像灰度级概率密度的累积，如下公式所示：
[0091][0092]
其中，k是新图像的灰度级，k＝0，1，2，
…
，l-1；表示原始图像的第k个灰度级；sk为直方图均衡化处理后的第k个灰度级。
[0093]
由于上式计算所得的sk位于0至1之间，需要乘以图像的最大灰度级l，转换为最终的灰度值res，如下公式所示：
[0094]
res＝sk×
l。
[0095]
当利用自动色彩均衡化算法进行第一次图像画面增强时：
[0096]
通过计算图像目标像素点和周围像素点的明暗程度及其关系来对最终的像素值进行矫正，实现图像的对比度调整，产生类似人体视网膜的色彩恒常性和亮度恒常性的均衡。
[0097]
自动色彩均衡化包含两个步骤：
[0098]
对图像进行色彩和空域调整，完成图像的色差校正，得到空域重构图像；
[0099]
对校正后的图像进行动态扩展。
[0100]
ace算法计算公式如下：
[0101][0102]
其中，w是权重参数，离中心点像素越远的w值越小；g是相对对比度调节参数，其计算方法如下公式所示：
[0103]
g(x)＝max(min(ax，1.0)，-1.0)。
[0104]
其中，a表示控制参数，该值越大细节增强越明显。
[0105]
实施例二：
[0106]
如图2所示：
[0107]
为实现上述技术目的，本公开还能够提供一种图像处理系统，包括：
[0108]
图像数据采集模块201，用于采集图像数据并存储；
[0109]
判断模块202，用于利用深度学习分析所述图像数据的画面是否清晰，以及，判断所述第一图像画面数据的画面是否清晰；
[0110]
图像增强模块203，用于对所述图像数据的画面进行第一次图像画面增强和第二次图像画面增强；
[0111]
图像输出模块204，用于输出图像数据的画面。
[0112]
进一步，所述判断模块202还用于：
[0113]
分析判断第二图像画面数据的画面是否清晰，以及，析判断第三图像画面数据的画面是否清晰；
[0114]
所述图像增强模块203还用于：
[0115]
通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，以及，利用激光雷达和/或4d毫米波雷达采集环境3d点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强。
[0116]
实施例三：
[0117]
本公开还能够提供一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时用于实现上述的图像处理方法的步骤。
[0118]
本公开的计算机存储介质可以采用半导体存储器、磁芯存储器、磁鼓存储器或磁盘存储器实现。
[0119]
半导体存储器，主要用于计算机的半导体存储元件主要有mos和双极型两种。mos元件集成度高、工艺简单但速度较慢。双极型元件工艺复杂、功耗大、集成度低但速度快。nmos和cmos问世后，使mos存储器在半导体存储器中开始占主要地位。nmos速度快，如英特尔公司的1k位静态随机存储器的存取时间为45ns。而cmos耗电省，4k位的cmos静态存储器存取时间为300ns。上述半导体存储器都是随机存取存储器(ram),即在工作过程中可随机进行读出和写入新内容。而半导体只读存储器(rom)在工作过程中可随机读出但不能写入，它用来存放已固化好的程序和数据。rom又分为不可改写的熔断丝式只读存储器
──
prom和可改写的只读存储器eprom两种。
[0120]
磁芯存储器，具有成本低，可靠性高的特点，且有20多年的实际使用经验。70年代中期以前广泛使用磁芯存储器作为主存储器。其存储容量可达10位以上，存取时间最快为300ns。国际上典型的磁芯存储器容量为4ms～8mb，存取周期为1.0～1.5μs。在半导体存储快速发展取代磁芯存储器作为主存储器的位置之后，磁芯存储器仍然可以作为大容量扩充存储器而得到应用。
[0121]
磁鼓存储器，一种磁记录的外存储器。由于其信息存取速度快，工作稳定可靠，虽然其容量较小，正逐渐被磁盘存储器所取代，但仍被用作实时过程控制计算机和中、大型计算机的外存储器。为了适应小型和微型计算机的需要，出现了超小型磁鼓，其体积小、重量轻、可靠性高、使用方便。
[0122]
磁盘存储器，一种磁记录的外存储器。它兼有磁鼓和磁带存储器的优点，即其存储
容量较磁鼓容量大，而存取速度则较磁带存储器快，又可脱机贮存，因此在各种计算机系统中磁盘被广泛用作大容量的外存储器。磁盘一般分为硬磁盘和软磁盘存储器两大类。
[0123]
硬磁盘存储器的品种很多。从结构上，分可换式和固定式两种。可换式磁盘盘片可调换，固定式磁盘盘片是固定的。可换式和固定式磁盘都有多片组合和单片结构两种，又都可分为固定磁头型和活动磁头型。固定磁头型磁盘的容量较小，记录密度低存取速度高，但造价高。活动磁头型磁盘记录密度高(可达1000～6250位/英寸)，因而容量大,但存取速度相对固定磁头磁盘低。磁盘产品的存储容量可达几百兆字节，位密度为每英寸6 250位,道密度为每英寸475道。其中多片可换磁盘存储器由于盘组可以更换,具有很大的脱体容量,而且容量大,速度高,可存储大容量情报资料，在联机情报检索系统、数据库管理系统中得到广泛应用。
[0124]
实施例四：
[0125]
本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的图像处理方法的步骤。
[0126]
图3为一个实施例中电子设备的内部结构示意图。如图3所示，该电子设备包括通过系统总线连接的处理器、存储介质、存储器和网络接口。其中，该计算机设备的存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种图像处理方法。该电设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种图像处理方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0127]
该电子设备包括但不限于智能电话、计算机、平板电脑、可穿戴智能设备、人工智能设备、移动电源等。
[0128]
所述处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器内的程序或者模块(例如执行远端数据读写程序等)，以及调用存储在所述存储器内的数据，以执行电子设备的各种功能和处理数据。
[0129]
所述总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
[0130]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0131]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0132]
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
[0133]
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0134]
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0135]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0136]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0137]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0138]
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。本公开的范围由所附权利要求及其等价物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

技术特征：
1.一种图像处理方法，其特征在于，包括：采集图像数据并存储；利用深度学习分析所述图像数据的画面是否清晰；若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。2.根据权利要求1所述的方法，其特征在于，所述若不清晰则利用面光源增强光照再次采集并获取增强光照后的第二图像画面数据并输出后，所述方法还包括：再次利用深度学习分析判断所述第二图像画面数据的画面是否清晰；若不清晰，则利用特定光谱相机采集特定光谱波段的图像增强数据；通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，得到第三图像画面数据并输出。3.根据权利要求2所述的方法，其特征在于，所述通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中，得到第三图像画面数据并输出之后，所述方法还包括：再次利用深度学习分析判断所述第三图像画面数据的画面是否清晰；若不清晰，则利用激光雷达和/或4d毫米波雷达采集环境3d点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强，得到第四图像画面数据并输出。4.根据权利要求1～3任一项中所述的方法，其特征在于，所述利用深度学习分析所述图像数据的画面是否清晰具体包括：对采集的图像数据根据图像的清晰度进行标记，标记为清晰的图像数据或不清晰的图像数据；对所述图像数据和标记后的标签数据进行模型训练，得到图像清晰度分类二分类模型；利用训练后的图像清晰度分类二分类模型进行分析所述图像数据的画面是否清晰的判断过程。5.根据权利要求1所述的方法，其特征在于，所述利用图像颜色增强算法对所述图像数据进行第一次图像画面增强具体包括：利用直方图均衡化算法或自动色彩均衡化算法对所述图像数据进行第一次图像画面增强。6.根据权利要求5所述的方法，其特征在于，当利用直方图均衡化算法进行第一次图像画面增强时，具体包括：计算所述图像数据的直方图的第一概率密度；通过灰度变换函数t计算新图像灰度级的第二概率密度；利用第二概率密度计算新图像的灰度值。
7.一种图像处理系统，其特征在于，包括：。图像数据采集模块，用于采集图像数据并存储；判断模块，用于利用深度学习分析所述图像数据的画面是否清晰，以及，判断所述第一图像画面数据的画面是否清晰；图像增强模块，用于对所述图像数据的画面进行第一次图像画面增强和第二次图像画面增强；图像输出模块，用于输出图像数据的画面。8.根据权利要求7中所述的系统，其特征在于，所述判断模块还用于：分析判断第二图像画面数据的画面是否清晰，以及，析判断第三图像画面数据的画面是否清晰；所述图像增强模块还用于：通过图像融合算法将所述图像增强数据融合至所述第二图像画面数据中进行第三次图像画面增强，以及，利用激光雷达和/或4d毫米波雷达采集环境3d点云信息并提取图像中的轮廓信息，通过图像融合算法将所述轮廓信息融合至所述第三图像画面数据中进行第四次图像画面增强。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现权利要求1～6任一项中所述的图像处理方法对应的步骤。10.一种计算机存储介质，其上存储有计算机程序指令，其特征在于，所述程序指令被处理器执行时用于实现权利要求1～6任一项中所述的图像处理方法对应的步骤。

技术总结
本公开涉及一种图像处理方法、系统、设备及介质，所述方法包括：采集图像数据并存储；利用深度学习分析所述图像数据的画面是否清晰；若清晰则不需进行图像画面增强，直接输出所述图像数据的画面；若不清晰则利用图像颜色增强算法对所述图像数据进行第一次图像画面增强，得到修正后的第一图像画面数据；再次利用深度学习分析判断所述第一图像画面数据的画面是否清晰；若清晰则不需再次进行图像画面增强，输出所述第一图像画面数据；若不清晰则利用面光源增强光照进行第二次图像画面增强，再次采集并获取增强光照后的第二图像画面数据并输出。出。出。


技术研发人员：刘世纪 隋少龙 张越
受保护的技术使用者：北京拓疆者智能科技有限公司
技术研发日：2023.03.14
技术公布日：2023/7/19