申请/专利权人：陕西师范大学

申请日：2021-12-21

公开（公告）日：2024-03-12

公开（公告）号：CN114387327B

主分类号：G06T7/593

分类号：G06T7/593;G06T7/80;G06T5/70;G06T5/30;G06V10/25;G06V10/762;G06V10/82;G01S13/90

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2022.05.10#实质审查的生效;2022.04.22#公开

摘要：一种基于深度学习视差预测的合成孔径聚焦成像方法，由获取相机参数、预测场景视差图、确定待聚焦目标的深度、生成聚焦在深度L的合成孔径图像步骤组成。本发明以相机阵列采集的一组图像为输入，采用视差估计方法估计出这一组输入图像中参考图像的视差图，用聚类方法自动识别所在的区域并使用形态学处理，对聚类后的图像进行优化，根据视差与深度的关系得到感兴趣目标所在的深度，采用合成孔径成像的方法，快速地聚焦到目标；在获取感兴趣目标的三维信息，快速地聚焦目标，提高了运算速度、缩短了计算时间、降低了合成孔径聚焦的成本。本发明具有成像次数少、运算速度快、计算时间短、成本低等优点，可在合成孔径成像中推广应用。

主权项：1.一种基于深度学习视差预测的合成孔径聚焦成像方法，其特征在于由下述步骤组成：1获取相机参数将黑白方格相间的棋盘格标定板放于场景中的不同深度，使用阵列相机依次采集位于不同深度的标定板图像，其中阵列相机的子相机个数为N，N取值为有限的正整数，采集同一场景不同方向的图像集，提取图像集中特征点所对应的世界坐标和像素坐标，用阵列相机标定方法对相机进行标定，得到相机参数Hr,i，其中r表示参考图像，i表示除参考图像外的其它图像；2预测场景视差图采用视差生成神经网络预测场景视差图；视差生成神经网络由块匹配模块、体内特征聚合模块、体间特征聚合模块依次串联构成，视差生成神经网络的构建方法如下：1构建块匹配网络用多目立体视觉方法将参考图像与位于平面扫描体中的每个视差平面上的图像相匹配构建成块匹配网络；2构建体内特征聚合模块体内特征聚合模块由编码器、注意力模块、解码器组成，编码器与解码器通过注意力模块连接构成；3构建体间特征聚合网络体间特征聚合网络由两个卷积核为3、步长为1的卷积层串联构成；4生成场景视差图按下式确定场景视差图F： 其中，P表示视差概率体，Y表示深度域；3确定待聚焦目标的深度随机指定阵列相机中一个相机为参考相机，将阵列相机采集一组图像通过多目立体视觉的深度学习方法得到场景视差图，按下式得聚类结果图IC：IC＝CluF其中C是参数、为有限的正整数，用膨胀方法、腐蚀形态学方法去除聚类结果图中的噪声，平均目标区域的像素，按下式确定待聚焦目标的深度L： 其中,Do为参考目标o的视差，Lo为参考目标的深度，D为待聚焦目标的视差；4生成聚焦在深度L的合成孔径图像按下式将相机阵列采集的第i张图像Ii投影到参考相机视角下,得到投影图像Ir,i：Ir,i＝Hr,i×Ii其中,Ii表示第i张图像，Hr,i表示第i张其它图像到参考图像r的单应性矩阵；按下式确定投影图像Ir,i平移的视差ΔD： 其中ΔX表示相机阵列中各相机的位置关系，以待聚焦目标的深度为聚焦深度，Lt表示参考平面t所在深度，Lt取值为有限的正整数；将投影图像Ir,i变换在深度L处，按下式确定聚焦在深度L的合成孔径图像SL： 式中E是单位矩阵，θ表示零向量，N取值为有限的正整数；完成基于深度学习视差预测的快速合成孔径聚焦成像方法。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于深度学习视差预测的合成孔径聚焦成像方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD