申请/专利权人：电子科技大学

申请日：2024-01-04

公开（公告）日：2024-03-19

公开（公告）号：CN117522939B

主分类号：G06T7/50

分类号：G06T7/50;G06T5/73;G06T7/12

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：该发明公开了一种单目单张模糊图像深度计算方法，涉及计算机视觉领域。本发明的单目单张模糊图像深度估计方法，利用在模糊线索，建模去模糊的数学模型，结合神经网络进行深度估计，针对性的设计去模糊和基于语义信息的损失函数，并针对样本不均衡问题，利用语义标签提高了小样本的深度估计准确性，利用本发明的单目单张模糊图像深度估计方法，可以有效的提高深度估计的准确性。

主权项：1.一种单目单张模糊图像深度计算方法，其特征在于，该方法包括：S1、将有效深度测量范围等间距取个候选深度，并根据相机参数，建立不同候选深度对应的点扩散函数；所选取的候选深度要求满足以下条件： 1 2在已知相机光圈大小和初始像距，焦距的条件下，对于处的模糊光斑的大小为： 3利用高斯模型，计算点扩散函数： 4其中，表示图像坐标系中的坐标，和模糊光斑半径相关，按照下式计算： 5S2、根据点扩散函数使用维纳滤波方法对单张模糊图像进行去模糊，得到去模糊图像；S3、将不同候选深度对应的点扩散函数进行去模糊得到的去模糊图像组成图像堆栈；S4、将图像堆栈输入到编码器解码器网络中，对深度进行估计，得到深度估计值；S5、利用图像堆栈结合深度估计值生成清晰图像，计算清晰图像和实际清晰图像之间的损失，对编码器解码器网络进行训练；S6、采用语义标签对深度估计准确率低于设定阈值的数据进行自适应学习；所述步骤S4和步骤S5中，利用去模糊堆栈和深度估计结果结合清晰图像进行损失函数计算，进而训练网络；所述步骤S5中的损失函数为：考虑到模糊线索和深度信息的直接相关性，直接利用深度预测结果结合去模糊图像堆栈，实现去模糊的效果， 7 8其中，为图像索引，表示利用第个候选深度对应的点扩散函数，进行维纳去模糊得到的清晰图像，表示像素坐标，表示对向上取整；进行如下的可导处理； 9其中，为核密度估计窗口的大小，直接利用深度预测结果生成清晰图像，选用如下函数作为去模糊的损失函数； 10相应的，选用交叉熵作为语义分割监督分支的损失函数为； 11其中，将像素坐标简化表示为，为类别索引，为所有语义类别总数，为语义标签，为预测的语义标签，深度估计的损失函数为： 12其中为深度估计的真值，为定义的损失函数；则最终的损失函数为： 13其中、、分别为控制损失、、的权重因子。

全文数据：

权利要求：

百度查询： 电子科技大学 一种单目单张模糊图像深度计算方法

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