1.一种基于局部二元卷积的图像处理方法，其特征在于，所述方法包括：获取待处理的原始图像，对所述原始图像进行特征化的再处理，得到初始特征图；根据二元神经网络构建局部二元卷积模型，通过所述二元卷积模型对所述初始特征图进行二值化处理，并得到二值化特征图；将所述二值化特征图中的邻域像素采用中心像素作为局部阈值，并收集得到高阶图像统计信息；通过让二元神经网络识别所述高阶图像统计信息，实现局部二元卷积的图像处理。
2.根据权利要求1所述的基于局部二元卷积的图像处理方法，其特征在于，所述根据二元神经网络构建局部二元卷积模型，通过所述二元卷积模型对所述初始特征图进行二值化处理，并得到二值化特征图，包括：通过修改原始二元卷积中的恒等核，得到自适应核，以捕获和保留预设二值化过程中初始特征图的高阶信息；根据所述自适应核设计辅助微分滤波器，并依据所述辅助微分滤波器对初始特征图进行二值化处理。
3.根据权利要求1所述的基于局部二元卷积的图像处理方法，其特征在于，所述将所述二值化特征图中的邻域像素采用中心像素作为局部阈值，并收集得到高阶图像统计信息，包括：通过初始特征图映射中位置的邻域像素进行二值化的局部阈值计算；将每个卷积层中的输入通道分成两个不重叠的部分，分别用于捕获零阶或高阶信息；通过调整分流比ξ，获得具有不同混合方案的结构。
4.根据权利要求1所述的基于局部二元卷积的图像处理方法，其特征在于，所述通过让二元神经网络识别所述高阶图像统计信息，实现局部二元卷积的图像处理，包括：通过在每个块中添加额外的跳跃连接以促进高容量的信息流动；采用PReLU激活函数实现对数据的训练；在每个模块的残差路径中，采用预设序列以获得激活分布。
5.一种基于局部二元卷积的图像处理系统，其特征在于，包括：图像获取模块，用于获取待处理的原始图像，对所述原始图像进行特征化的再处理，得到初始特征图；二值化特征模块，用于根据二元神经网络构建局部二元卷积模型，通过所述二元卷积模型对所述初始特征图进行二值化处理，并得到二值化特征图；局部阈值获取模块，用于将所述二值化特征图中的邻域像素采用中心像素作为局部阈值，并收集得到高阶图像统计信息；图像实现模块，用于通过让二元神经网络识别所述高阶图像统计信息，实现局部二元卷积的图像处理。
6.根据权利要求5所述的基于局部二元卷积的图像处理系统，其特征在于，所述二值化特征模块包括局部卷积单元，所述局部卷积单元用于：通过修改原始二元卷积中的恒等核，得到自适应核，以捕获和保留预设二值化过程中初始特征图的高阶信息；根据所述自适应核设计辅助微分滤波器，并依据所述辅助微分滤波器对初始特征图进行二值化处理。
7.根据权利要求5所述的基于局部二元卷积的图像处理系统，其特征在于，所述局部阈值获取模块包括梯度信息单元，所述梯度信息单元用于：通过初始特征图映射中位置的邻域像素进行二值化的局部阈值计算；将每个卷积层中的输入通道分成两个不重叠的部分，分别用于捕获零阶或高阶信息；通过调整分流比ξ，获得具有不同混合方案的结构。
8.根据权利要求5所述的基于局部二元卷积的图像处理系统，其特征在于，所述图像实现模块包括二元处理单元，所述二元处理单元用于：通过在每个块中添加额外的跳跃连接以促进高容量的信息流动；采用PReLU激活函数实现对数据的训练；在每个模块的残差路径中，采用预设序列以获得激活分布。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
