本发明涉及图像处理，尤其涉及一种城市监控图像识别系统。
背景技术：
1、图像处理技术领域包括从图像增强和修复到图像识别和分析各种技术。领域主要关注如何改进图像质量以及如何从图像中提取有用信息。具体应用包括图像压缩、去噪、边缘检测、特征提取等。此外，通过将机器学习和人工智能技术的结合，使图像处理不仅限于增强可视效果，还能进行情景理解、内容分类和动态事件识别。图像处理技术在医疗诊断、卫星遥感、工业检测以及安全监控等众多领域中都有广泛的应用。
2、其中，城市监控图像识别系统是特指利用图像处理技术对城市监控中捕获的视频或图像进行自动分析和识别的系统。系统的主要用途是提高城市安全，通过自动检测异常行为、追踪犯罪活动以及管理交通流等功能，支持城市管理和安全保障工作。通过集成图像识别算法，系统能够识别人群密度、车辆类型甚至是特定个体的行为模式，从而在需要时提供及时的响应和干预。
3、现有技术虽然能够进行基本的视频和图像分析，但在处理复杂光照环境和图像质量问题时存在不足。例如，在光照不均或极端光照条件下，图像的识别精度和可用性通常会大幅降低，导致误判和漏判现象的发生，影响城市安全监控的整体效果。此外，对于图像质量的细节捕捉和异常状态的诊断能力有限，在快速变化的监控场景中，容易导致关键信息的丢失，降低了对紧急情况的响应速度和准确性，影响城市管理和安全保障的整体质量。
技术实现思路
1、本发明的目的是解决现有技术中存在的缺点，而提出的一种城市监控图像识别系统。
2、为了实现上述目的，本发明采用了如下技术方案：一种城市监控图像识别系统包括：
3、光照检测与特征分析模块基于城市监控视频，收集场景内的图像亮度数据，分析整个监控场景的光照分布，使用直方图技术定位亮度不均匀的区域，根据亮度分布计算光照不均指数，生成光照特征数据；
4、目标光照调整模块基于所述光照特征数据，测定关键目标区域的亮度值，通过非线性映射函数根据环境光照调整目标区域的亮度参数，同时改变整体图像的亮区与暗区比例，获取优化的目标识别图像数据；
5、频率分析与异常检测模块基于所述优化的目标识别图像数据，执行傅里叶变换分析图像的频率特征，识别图像中的异常频率，通过比对频率特征定位图像中异常的图像质量变化，包括图像的模糊、扭曲，得到图像异常检测结果；
6、异常区域修复模块基于所述图像异常检测结果，应用kriging插值法恢复受损图像区域，同步执行频率平滑和边缘增强处理优化整体图像细节，获得调整后的整体识别图像。
7、作为本发明的进一步方案，所述定位亮度不均匀的区域的获取步骤具体为：
8、从城市监控视频中抽取每个帧的亮度信息，将数据整合为亮度值数组，采用公式：计算亮度值数组的平均亮度；其中，表示第个像素点的亮度值，表示总像素点数；根据所述亮度值数组的平均亮度，采用公式：计算亮度级的频率，得到亮度直方图；其中，是亮度级别，是示性函数，如果的值等于，则，如果的值不等于，则结果为。
9、作为本发明的进一步方案，所述光照特征数据的获取步骤具体为：
10、根据所述亮度直方图，采用公式：
11、
12、计算亮度直方图的平均频率；
13、其中，是亮度级别的总数；
14、根据所述亮度直方图的平均频率，采用公式：
15、
16、计算光照不均指数；
17、根据所述光照不均指数，采用公式：
18、
19、进行标准化操作，得到光照特征数据；
20、其中，是最大的光照不均指数。
21、作为本发明的进一步方案，所述调整目标区域的亮度参数的获取步骤具体为：
22、根据所述光照特征数据，采用公式：
23、
24、测定关键目标区域的平均亮度；
25、其中，表示光照特征数据中第个数据点的亮度值，表示关键目标区域内的数据点总数；
26、根据所述关键目标区域的平均亮度，采用公式：
27、
28、通过非线性映射函数调整关键目标区域的亮度参数；
29、其中，代表调整的最大幅度，通过实验或经验调整，代表亮度调整的偏移量，根据环境光照条件和应用场景进行调整，代表调整的敏感度，控制亮度调整曲线的陡峭程度，通过分析环境光照变化设置，是自然对数的底数。
30、作为本发明的进一步方案，所述优化的目标识别图像数据的获取步骤具体为：
31、根据所述关键目标区域的亮度参数和光照特征数据，采用公式：
32、
33、计算整体图像的亮区与暗区比例调整因子；
34、其中，根据当前光照条件和目标识别需求动态调整；
35、根据所述整体图像的亮区与暗区比例调整因子，采用公式：
36、
37、改变整体图像的亮区与暗区比例，得到优化的目标识别图像数据；
38、其中，是标准化值，用于保持图像暗部细节，表示与相补的比例。
39、作为本发明的进一步方案，所述识别图像中的异常频率的获取步骤具体为：
40、根据所述优化的目标识别图像数据，采用公式：
41、
42、执行傅里叶变换提取图像的频率特征；
43、其中，表示对函数沿着变量进行积分，是空间域变量，表示图像数据中的位置，是频率域变量，用于分析图像中的频率内容，是自然对数的底数的复数幂，用于转换空间信号到频率信号，表示虚数单位，表示对的积分，用于计算整个图像数据的频率分布；
44、根据所述频率特征，采用公式：
45、
46、计算每个频率的振幅；
47、其中，表示频率在频率域的振幅，是振幅的绝对值，用于判断频率是否异常，是用于区分正常和异常频率的振幅阈值，根据经验或统计数据设定。
48、作为本发明的进一步方案，所述图像异常检测结果的获取步骤具体为：
49、根据所述每个频率的振幅，采用公式：
50、
51、增加频率平方项，得到加权后的频率贡献；
52、根据所述加权后的频率贡献，采用公式：
53、
54、计算图像的总体异常指标，得到图像异常检测结果。
55、作为本发明的进一步方案，所述调整后的整体识别图像的获取步骤具体为：
56、根据所述图像的总体异常指标，采用公式：
57、
58、通过kriging插值法修复图像中的受损区域，得到修复后的图像数据函数；
59、其中，是修复后的图像值，为kriging插值法的输出，是权重，基于空间自相关性确定，是所述图像异常检测结果中，在位置的受损数据点的原始图像值，是邻近点的总数，决定插值的范围和精度，根据受损区域的分布和密度动态确定；
60、根据所述修复后的图像值，采用公式：
61、
62、得到频率处的平滑后图像值；
63、其中，是正在处理的频率点，是截止频率，根据图像的需求和质量指标调整，控制滤波器的截止界限；
64、根据所述频率处的平滑后图像值，采用公式：
65、
66、得到在位置的增强后图像值，得到调整后的整体识别图像；
67、其中，是插值处理后在位置的图像值，是平滑处理后在位置的图像值，是增强系数，通常基于视觉效果和图像质量需求进行设置，是图像数据中的行索引和列索引。
68、与现有技术相比，本发明的优点和积极效果在于：
69、本发明中，通过收集场景内的图像亮度数据并分析光照分布，采用直方图技术定位亮度不均匀区域并计算光照不均指数，使得场景分析更为精确。通过调整关键目标区域的亮度参数，并改变整体图像的亮区与暗区比例的方式，在识别图像的过程中能够具有更高的准确性和响应速度。此外，执行傅里叶变换分析图像的频率特征，并识别图像中的异常频率，有效识别了图像质量中模糊和扭曲的异常变化，增强了系统的实时监控和预警能力。
1.一种城市监控图像识别系统，其特征在于，所述系统包括：
2.根据权利要求1所述的城市监控图像识别系统，其特征在于，所述定位亮度不均匀的区域的获取步骤具体为：
3.根据权利要求2所述的城市监控图像识别系统，其特征在于，所述光照特征数据的获取步骤具体为：
4.根据权利要求3所述的城市监控图像识别系统，其特征在于，所述调整目标区域的亮度参数的获取步骤具体为：
5.根据权利要求4所述的城市监控图像识别系统，其特征在于，所述优化的目标识别图像数据的获取步骤具体为：
6.根据权利要求5所述的城市监控图像识别系统，其特征在于，所述识别图像中的异常频率的获取步骤具体为：
7.根据权利要求6所述的城市监控图像识别系统，其特征在于，所述图像异常检测结果的获取步骤具体为：
8.根据权利要求7所述的城市监控图像识别系统，其特征在于，所述调整后的整体识别图像的获取步骤具体为：
