申请/专利权人：北京航空航天大学

申请日：2023-08-28

公开（公告）日：2024-04-30

公开（公告）号：CN117058038B

主分类号：G06T5/73

分类号：G06T5/73;G06T5/50;G06T5/60;G06N3/0464;G06N3/08;G06N3/048;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明公开了一种基于偶数卷积深度学习的衍射模糊图像修复方法，包括以下步骤：S1.给定偶对称衍射模糊核的物理模型和衍射模糊图像修复模型；S2.将衍射模糊图像修复模型中的奇数卷积核替换为偶数卷积核；S3.利用具有偶数卷积核的衍射模糊图像修复模型对输入图像进行处理，并完成图像修复模型的训练。本发明加强了针对光学衍射导致的图像模糊修复问题上对感受野的提取能力，同时保证模型的训练效果。

主权项：1.一种基于偶数卷积深度学习的衍射模糊图像修复方法，其特征在于：包括以下步骤：S1.给定偶对称衍射模糊核的物理模型fx,y和衍射模糊图像修复模型，fx,y满足：fx,y＝f-x,yorfx,y＝fx,-y衍射模糊图像修复模型采用CNN的图像修复模型，其一般由输入层，中间层，输出层三部分组成，三部分均由包含奇数卷积核的卷积网络层堆砌而成；S2.将衍射模糊图像修复模型中的奇数卷积核替换为偶数卷积核；S3.利用具有偶数卷积核的衍射模糊图像修复模型对输入图像进行处理，并完成图像修复模型的训练；所述偶数卷积核表示为kernelci,co,k,k，其中kmod2＝0，k表示偶数卷积核大小，ci,co表示卷积核的输入、输出通道数；所述步骤S3中利用具有偶数卷积核的衍射模糊图像修复模型对输入图像进行处理的过程包括：对于初始输入高宽为hi,wi，通道数为ci的图像，将其维度表示为ci,hi,wi，在其输入到输入层之前，处理过程如下：在每通道图像的左方和上方边缘处用0元素进行1个像素的图像padding，使输入变为ci,hi+1,wi+1，对于padding后的初始输入图像，采用偶数卷积核kernelci,co,k,k进行卷积：imgci,hi+1,wi+1*kernelci,co,k,k完成对初始输入图像的偶数卷积后，获取大小为co,hi,wi的输出特征图，用作后续卷积层输入；对于中间层和输出层的所有卷积层，采用对称padding的方法，将输入图像进行4分组，分成4组维度大小为的特征图，对4组特征图进行不同方向的padding：第1组在左方和上方边缘处采用0元素进行1个像素的padding；第2组在左方和下方边缘处采用0元素进行1个像素的padding；第3组在右方和上方边缘处采用0元素进行1个像素的padding；第4组在右方和下方边缘处采用0元素进行1个像素的padding；将padding得到的4组特征图在通道方向进行拼接，得到大小为ci,hi+1,wi+1的特征图，然后与ci,co,k,k大小的卷积核进行卷积：featureci,hi+1,wi+1*kernelci,co,k,k其中cimod4＝0,kmod2＝0，卷积获得的co,hi,wi的输出特征图用于后续卷积层输入或最终网络输出。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于偶数卷积深度学习的衍射模糊图像修复方法

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