(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211278078.0 (22)申请日 2022.10.19 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 王雁　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 唐强　黄健 (51)Int.Cl. G01M 11/02(2006.01) G06V 10/56(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (54)发明名称 成像参数的确定方法、 装置、 设备及存储介 质 (57)摘要 本申请提供一种成像参数的确定方法、 装 置、 设备及存储介质。 涉及成像技术领域。 该方法 包括： 获取成像 设备拍摄的目标图像的图像信息 和成像设备的类别信息， 图像信息包括实际灰度 分布向量和场景信息； 基于成像设备的类别信息 和场景信息， 确定目标图像对应的成像参数集 合， 成像参数集合包括多个测试成像参数； 将多 个测试成像参数输入训练好的深度神经网络模 型， 输出多个测试灰度分布向量； 基于多个测试 灰度分布向量与实际灰度分布向量的相似度， 从 多个测试成像参数中确定目标图像对应的目标 成像参数。 由于通过深度神经网络模 型输出的多 个测试灰度分布向量以及实际灰度分布向量， 即 可确定目标成像参数， 因此提高了确定成像参数 的效率。 权利要求书2页 说明书8页 附图3页 CN 115541202 A 2022.12.30 CN 115541202 A 1.一种成像参数的确定方法， 其特 征在于， 包括： 获取成像设备拍摄的目标图像的图像信 息和所述成像设备的类别信 息， 所述图像信 息 包括实际灰度分布向量和场景信息； 基于所述成像设备的类别信 息和所述场景信 息， 确定所述目标图像对应的成像参数集 合， 所述成像参数集 合包括多个测试成像参数； 将所述多个测试成像参数输入训练好的深度神经网络模型， 输出多个测试灰度分布向 量； 基于所述多个测试灰度分布向量与 所述实际灰度分布向量的相似度， 从所述多个测试 成像参数中确定所述目标图像对应的目标成像参数。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述成像设备的类别信 息和所述 场景信息， 确定所述目标图像对应的成像参数集 合， 包括： 基于所述成像设备的类别信息和所述场景信息， 从已存储的类别信息、 场景信息和成 像参数集 合的关联关系中， 确定所述目标图像对应的成像参数集 合。 3.根据权利要求1所述的方法， 其特征在于， 所述基于所述多个测试灰度分布向量与 所 述实际灰度分布向量的相似度， 从所述多个测试成像参数中确定所述目标图像对应的目标 成像参数， 包括： 对于每个测试灰度分布向量， 确定所述测试灰度分布向量与 所述实际灰度分布向量之 间的差值； 确定所述差值最小的目标灰度分布向量， 将所述目标灰度分布向量对应的测试成像参 数作为所述目标图像对应的目标成像参数。 4.根据权利要求1所述的方法， 其特 征在于， 所述深度神经网络模型的训练过程， 包括： 获取训练样本数据， 所述训练样本数据包括多个图像的样本参数和样本实际灰度向 量； 将所述多个图像的样本参数输入初级深度神经网络模型， 输出多个图像的样本测试灰 度向量； 确定所述多个图像的样本测试灰度向量与所述多个图像的样本实际灰度 向量之间的 误差参数； 对所述初级深度神经网络模型中各个参数的权重进行调整， 直至所述误差参数小于或 等于预设值， 得到训练好的深度神经网络模型。 5.根据权利要求4所述的方法， 其特征在于， 所述确定所述多个图像样本测试灰度向量 与所述多个图像的样本实际灰度向量之间的误差参数， 包括： 对于每个图像， 确定所述图像对应的样本测试灰度向量与所述图像对应的样本实际灰 度向量之间的差值， 得到多个差值； 根据所述多个差值， 确定所述多个图像样本测试灰度向量与 所述多个图像的样本实际 灰度向量之间的误差参数。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述类别信 息包括可见光成像设 备、 红外成像设备和微光成像设备， 所述场景信息包括室内模式、 室外模式、 夜间模式和白 天模式。 7.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述测试成像参数包括焦距、 通权　利　要　求　书 1/2 页 2 CN 115541202 A 2光孔径、 信噪比、 增益系数、 灰度范围和曝光时间。 8.一种成像参数的确定装置， 其特 征在于， 包括： 获取模块， 用于获取成像设备拍摄的目标图像的图像信息和所述成像设备的类别信 息， 所述图像信息包括实际灰度分布向量和场景信息； 第一确定模块， 用于基于所述成像设备的类别信息和所述场景信息， 确定所述目标图 像对应的成像参数集 合， 所述成像参数集 合包括多个测试成像参数； 测试模块， 用于将所述多个测试成像参数输入训练好的深度神经网络模型， 输出多个 测试灰度分布向量； 第二确定模块， 用于基于所述多个测试灰度分布向量与 所述实际灰度分布向量的相似 度， 从所述多个测试成像参数中确定所述目标图像对应的目标成像参数。 9.一种电子设备， 其特 征在于， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1 ‑7中任一项 所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑7中任一项所述的 方法。权　利　要　求　书 2/2 页 3 CN 115541202 A 3