本發明涉及圖像，尤其涉及一種圖像數據處理方法、系統、計算機設備及存儲介質。

背景技術：

1、圖像處理技術領域包含對數字圖像數據的采集、分析、變換和應用等多個方面，其核心內容包括圖像的獲取、存儲、壓縮、增強、識別、分割及重建等技術。該技術領域涵蓋從圖像采集設備獲取原始圖像數據，通過數學變換、濾波、直方圖均衡化等手段進行處理，使圖像數據適用于不同的應用需求。在計算機視覺、醫學影像分析、遙感監測、工業檢測等領域，圖像處理技術被廣泛應用，常涉及特定的圖像特征提取、邊緣檢測、模式匹配及對象識別等環節。隨著硬件性能的提升和算法優化的發展，圖像處理方法不斷演進，逐步向更高精度、更低計算量的方向發展。

2、其中，圖像數據處理方法是指針對圖像數據的處理步驟及操作方式，涉及數據獲取、變換、存儲及分析等環節。該方法通常基于多通道濾波、圖像矩陣運算、像素級計算、傅里葉變換等數學方法，對輸入的圖像數據進行去噪、特征提取、邊界檢測或顏色校正等處理。例如，在圖像去噪過程中，利用高斯濾波或中值濾波等方法平滑圖像以減少噪聲干擾；在特征提取環節，應用梯度運算或邊緣檢測算子獲取圖像的輪廓信息；在圖像顏色調整過程中，借助顏色空間變換方法對亮度、對比度或飽和度進行調節。該方法依據預設的計算步驟對圖像數據執行特定的處理，以便后續分析或應用。

3、在圖像目標邊界處理方面，現有技術多依賴邊緣檢測算子提取輪廓信息，但對局部像素密度的變化適應性較差，容易受到噪聲干擾，導致邊界提取結果不夠精確。在形態匹配過程中，通常通過特征點比對進行形態偏移分析，未能充分考慮局部區域的梯度變化，使得偏移方向和幅度的判斷存在誤差。在光照補償方面，多采用全局亮度調整或顏色空間變換的方式進行光學特性修正，忽略了目標與遮擋物之間的光譜反射率差異，導致在光照復雜環境下目標區域容易與背景混淆。在運動分析環節，現有方法主要依賴軌跡特征進行目標分離，未能有效結合光學特性，導致運動模式相似但光學屬性不同的區域難以剔除，影響目標輪廓的精準度。在目標分類方面，多依據形態特征進行匹配，忽視光學獨立性帶來的影響，導致在光照變化較大的環境下，目標分類的穩定性較低。這些問題在復雜應用場景下容易導致識別錯誤率上升，影響最終分析結果的可靠性。

技術實現思路

1、本發明的目的是解決現有技術中存在的缺點，而提出的一種圖像數據處理方法、系統、計算機設備及存儲介質。

2、為了實現上述目的，本發明采用了如下技術方案：一種圖像數據處理方法，包括以下步驟：

3、s1：獲取圖像目標邊界像素數據，計算邊界梯度變化數據與局部像素密度變化數據，判斷形態偏移方向與幅度，提取偏移量最大區域，設定局部形態調整權重，計算方向補償值，調整圖像目標輪廓，計算輪廓匹配差值，生成形態補償數據集；

4、s2：基于所述形態補償數據集，計算圖像目標區域光照梯度，提取光譜反射率，分析圖像目標與遮擋物光學特性差異，結合光照變化趨勢，計算動態光照補償參數，分析光照匹配誤差，提取光照匹配性數據集；

5、s3：根據所述光照匹配性數據集，計算圖像目標區域光學特性向量，對比圖像目標與遮擋物光譜特征差異，分析圖像目標區域光學獨立性，計算圖像目標區域運動軌跡差值，獲取圖像目標區域分離邊界值；

6、s4：結合所述圖像目標區域分離邊界值與所述形態補償數據集，計算補償后匹配得分，調整圖像目標區域分類匹配優先級，修正分類權重，獲取圖像目標分類結果。

7、作為本發明的進一步方案，s1的具體步驟為：

8、s101：獲取圖像目標區域的邊界像素，計算邊界像素梯度變化值，并統計局部區域內的像素密度變化值，根據像素密度變化值與梯度變化值，計算圖像目標形態的匹配偏差值，根據匹配偏差值對目標區域的形態偏移方向與幅度進行判斷，得到形態偏移數據；

9、s102：基于所述形態偏移數據，計算局部區域的偏移梯度，提取偏移量最大的區域，設定局部形態調整權重，根據形態調整權重計算方向補償值，結合方向補償值對圖像目標區域的輪廓進行調整，得到輪廓形態調整值；

10、s103：基于所述輪廓形態調整值計算輪廓匹配差值，結合輪廓匹配差值分析局部區域的形態變化特征，篩選偏移的輪廓區域，計算偏移區域的形態補償強度，結合區域補償強度，建立形態補償數據集。

11、作為本發明的進一步方案，s2的具體步驟為：

12、s201：獲取所述形態補償數據集中的目標區域光照強度，計算相鄰像素點在水平與垂直方向上的光照變化率，篩選梯度突變區域，依據相鄰梯度點數值差異計算梯度變化趨勢，得到圖像目標區域光照梯度值；

13、s202：基于所述圖像目標區域光照梯度值，計算目標區域像素點在差異波長范圍內的光譜反射率，篩選反射率差的區域，計算目標與遮擋物的光譜反射率偏差值，并結合光照梯度變化獲取目標與遮擋物光學特性差異；

14、s203：基于所述目標與遮擋物光學特性差異，計算光照強度變化范圍，依據光照強度變化與光譜反射率偏差計算光照補償數據，結合形態補償信息計算區域間光照匹配誤差，得到光照匹配性數據集。

15、作為本發明的進一步方案，所述計算目標與遮擋物的光譜反射率偏差值的具體計算公式為：

16、；

17、計算光譜反射率偏差值，并結合光照梯度變化獲取目標與遮擋物光學特性差異；

18、其中，代表目標與遮擋物在波長處的光譜反射率偏差值，代表像素點處在波長處的光照梯度值，代表像素點處目標區域在波長處的光譜反射率，代表像素點處遮擋物區域在波長處的光譜反射率，n代表目標區域和遮擋物區域內選取的像素點總數，代表該波長范圍內所有選取像素點的光照梯度值總和。

19、作為本發明的進一步方案，s3的具體步驟為：

20、s301：獲取所述光照匹配性數據集，提取目標區域內所有像素點的光學特性數據，計算像素點在差異波長下的光譜強度，并統計區域內光照特性的數值分布范圍，得到圖像目標區域光學特性數據分布信息；

21、s302：基于所述圖像目標區域光學特性數據分布信息，結合遮擋物對應區域的光學特性數據，計算目標區域與遮擋物區域波長的反射率比值，并依據光譜能量分布計算光譜偏離度，分析光譜偏離度在差異波段的變化趨勢，確定目標區域光譜特性相較于遮擋物的獨立程度，得到圖像目標區域光學獨立性數值；

22、s303：基于所述圖像目標區域光學獨立性數值，結合圖像目標區域的運動軌跡數據，計算目標區域與遮擋物區域的運動軌跡偏移程度，并依據光學獨立性數值調整目標區域的邊界范圍，對比目標區域與背景區域的光學特性變化，計算邊緣區域的光譜與運動特征變化率，依據變化率獲取目標區域與背景區域的邊界點，得到圖像目標區域分離邊界值。

23、作為本發明的進一步方案，s4的具體步驟為：

24、s401：獲取所述圖像目標區域的分離邊界值，計算邊界像素的梯度變化、連續程度和封閉水平，篩選符合完整性要求的區域，基于篩選后的邊界值，調整邊界輪廓像素的形態，建立補償后的邊界輪廓數據，計算形態補償后的匹配誤差，生成匹配誤差數值；

25、s402：基于所述匹配誤差數值，計算目標區域的分類匹配優先級，提取光學特征，包括光強均衡度、顏色梯度和反射水平，結合目標區域的分離邊界值，計算光學對比度、邊界光學梯度和受到光干擾的影響程度，獲取光學對比優先度數值；

26、s403：基于所述光學對比優先度數值，調整目標區域分類標準，計算分類權重修正值，根據匹配誤差數值，結合光學獨立性數值，修正目標區域的分類數據，篩選符合分類修正要求的區域，得出圖像目標分類結果。

27、作為本發明的進一步方案，所述計算分類權重修正值的具體計算公式為：

28、；

29、計算分類權重修正值，結合光學獨立性數值，修正目標區域的分類數據，篩選符合分類修正要求的區域，得出圖像目標分類結果；

30、其中，代表分類權重修正值，代表第個目標區域的光學對比優先度數值，代表第個目標區域的匹配誤差數值，代表第個目標區域的光學獨立性數值，代表第個目標區域的初始分類標準數值，代表目標區域的總數。

31、一種圖像數據處理系統，所述圖像數據處理系統用于執行上述圖像數據處理方法，所述圖像數據處理系統包括：

32、形態匹配調整模塊獲取目標區域邊界像素值，計算相鄰像素梯度變化率，統計單位區域像素密度變化量，計算形態匹配偏差值，判斷偏移方向與幅度，基于局部偏移梯度值提取偏移量最大區域，設定形態調整權重，計算方向補償值，調整目標區域邊界輪廓，計算調整后輪廓匹配差值，獲取形態補償數據集；

33、光照匹配優化模塊基于所述形態補償數據集，計算目標區域光照強度梯度值，提取表面光譜反射率，計算目標區域與遮擋物光學特性差異，依據光照變化趨勢計算動態光照補償參數，結合形態補償數據集，構建光照匹配誤差模型，獲取光照匹配性數據集；

34、光學特性分析模塊基于所述光照匹配性數據集，計算目標區域光學特性向量，對比目標區域與遮擋物光譜特征差異，計算光學獨立性，分析運動軌跡偏差值，獲取圖像目標區域分離邊界值；

35、目標分類修正模塊基于所述圖像目標區域分離邊界值，結合形態補償數據集計算目標區域匹配得分，調整分類匹配優先級，依據目標區域分離邊界值計算光學獨立性得分，修正目標分類權重，獲取圖像目標分類結果。

36、與現有技術相比，本發明的優點和積極效果在于：

37、本發明中，通過邊界像素提取與梯度變化計算，捕捉局部像素密度波動，使目標形態調整更精確，結合光照強度梯度與光譜反射率提取，提高目標區域的光學匹配度，在運動軌跡分析中，優化目標輪廓分離精度，基于分離邊界值與形態補償數據，提高識別準確性，整體方案增強了目標輪廓精度、光學適應性和分類穩定性，在復雜環境下保持較高識別可靠性。