1.基于图像识别的图像预处理方法，其特征在于：S1.使用纹理特征提取方法，对图像数据集进行划分；

S2.使用样本区分能力指数评估合格的卷积神经网络进行图像的抽象语义信息提取，获得高维空间中的特征向量；

S3.使用分布距离度量方法，计算每一对领域之间特征分布的对比度，对所有领域对的对比度进行平均；

S4.引入样本区分能力指数的影响，获得综合整体领域内分布对比度，并和对应阈值的比较结果给出对应的信号；

S1具体包括以下内容：

S1‑1.对于数据集中的每张图像，使用纹理特征提取方法，得到每张图像的纹理特征向量，处理过程如下：将每个像素的彩色通道进行加权平均，使得彩色图像转换为灰度图像；

将灰度图像划分为若干个图像块；

对于每个图像块中的中心像素，与其周围的像素进行比较，按照以下规则生成二进制编码：将周围像素的灰度值与中心像素的灰度值进行比较，大于或等于中心像素的记为1，小于中心像素的记为0；

按照顺时针或逆时针方向对比，生成一个二进制编码；

对于每个图像块，将中心像素的LBP二进制编码作为该图像块的一个像素，形成LBP图像，如此，每个图像块都被一个LBP编码替代；

对整个LBP图像进行直方图统计，统计每个LBP编码出现的次数，得到一个直方图；

将直方图中的各个LBP编码的出现次数作为特征向量的元素，得到每张图像的纹理特征向量，即LBP特征向量；

S1‑2.假设 和 分别是图像 和图像 的纹理特征向量，则相似性度量为：；

式中， 表示纹理特征向量 和 之间的相似性度量，通过相似性度量方法得到； 表示图像 和图像 之间的相似性度量，是基于图像的纹理特征向量计算得到的；

S1‑3.构建相似性矩阵，计算公式如下： ；

式中， 表示图像 和图像 之间的纹理相似性；

S1‑4.将相似性矩阵中相似性大于相似阈值的图像判定为同一领域，形成领域划分；

S2包括以下内容：

对卷积神经网络进行验证，过程如下：

使用预训练的卷积神经网络对官方提供用于标准测试的每个样本进行预测，并获取模型对于正例的概率值；

根据不同的概率阈值，计算真正例率和假正例率，使用不同的概率阈值计算得到一系列的点，连接这些点绘制ROC曲线；

通过对ROC曲线下的面积进行积分来计算得到样本区分能力指数，计算公式如下：；

其中， 表示在真正例率相等的条件下，找到对应的最小假正例率， 表示样本区分能力指数；

将样本区分能力指数和区分能力阈值区间进行比较；

若样本区分能力指数大于区分能力阈值区间的最大值，生成优异信号；

若样本区分能力指数属于区分能力阈值区间，生成影响信号；

若样本区分能力指数小于区分能力阈值区间的最小值，生成不参与使用信号；

在确定卷积神经网络未生成不参与使用信号后，则使用卷积神经网络从每个领域中提取图像特征，包括以下内容：对于领域内的每张图片，得到的特征表示形成一个特征向量；对领域内所有图片的特征向量进行汇总，得到一个特征矩阵，其中每行代表一张图片的特征向量；

对于每个特征向量的维度，计算相应维度上所有图片的均值，获得高维空间中的特征向量，即领域的平均特征向量；

S3包括以下内容：

将领域的平均特征向量建模成一个特征分布，对于每一对领域，计算其特征分布的对比度；定义对比度公式如下： ；

其中， 和 分别是两个领域的特征分布；

表示 到 的KL散度，用来度量当 作为参考分布时，使用 来表示的信息增益；

则表示从 到 的KL散度，同样是度量信息的差异，但是方向相反；

将所有领域对的对比度进行平均或加权平均，得到整体领域内分布对比度，定义整体对比度公式如下： ；

其中， 是领域对的总数， 和 分别表示第 对领域的特征分布；

S4包括以下内容：

在获得影响信号的情况下，则引入样本区分能力指数对整体领域内分布对比度进行校对，计算过程如下：；

其中， 表示综合整体领域内分布对比度， 表示修正因子， 表示区分能力阈值区间， 和 分别表示区分能力阈值区间的最小值和最大值。

2.根据权利要求1所述的基于图像识别的图像预处理方法，其特征在于：将综合整体领域内分布对比度和警示阈值进行比较，若综合整体领域内分布对比度大于或等于警示阈值，生成不合格信号；反之，若综合整体领域内分布对比度小于警示阈值，生成合格信号。

3.基于图像识别的图像预处理系统，用于实现权利要求1‑2任一项所述的图像预处理方法，包括领域划分模块、样本区分能力评估模块、特征分布对比度计算模块和整体领域内分布对比度综合模块；

领域划分模块对图像数据集纹理特征提取，将相似的图像分组为不同的领域，形成领域划分，将划分好的结果发送至样本区分能力评估模块；

样本区分能力评估模块使用合格的卷积神经网络对图像进行抽象语义信息提取，并计算样本区分能力指数，将提取的结果和样本区分能力指数一并发送至特征分布对比度计算模块；

特征分布对比度计算模块使用分布距离度量方法，计算每一对领域之间特征分布的对比度，然后对所有领域对的对比度进行平均，将计算结果发送至整体领域内分布对比度综合模块；

整体领域内分布对比度综合模块引入样本区分能力指数的影响，综合计算整体领域内分布对比度，并与设定的阈值进行比较，生成相应的信号。