[发明专利]一种面向反光金属视觉检测的卷积神经网络图像复原方法

说明书

本发明提供一种面向反光金属视觉检测的卷积神经网络图像复原方法，所述方法包括：引入松弛变量，解耦最大后验概率图像复原模型；基于泊松分布构建对数似然项主成分，引入非线性退化模型，剔除反光金属饱和像素；基于卷积神经网络构建对数先验项主成分，约束图像复原解空间；交替更新似然项与先验项，通过多阶段联接优化最终复原图像。本发明利用卷积神经网络优势，省去人工设计先验项繁琐环节，基于非线性退化模型提高图像复原质量，有助于图像复原技术在反光金属视觉检测中的应用。

技术领域

本发明涉及图像复原领域，尤其涉及一种面向反光金属视觉检测的卷积神经网络图像复原方法。

背景技术

视觉检测技术因准确性高、非接触、适用性好而得到广泛应用。动态成像条件下视觉检测易出现运动模糊现象，促使检测结果可靠性降低。图像复原技术从所观测模糊图像中获取潜在清晰图像，是视觉检测技术重要辅助工具。视觉检测目标多种多样，其中金属类目标难以避免反光现象，尤其在动态成像条件下。反光现象造成图像部分区域过度饱和，即饱和像素。饱和像素不符合图像线性退化模型假设，基于此类模型的图像复原技术在面向饱和像素时无法较好发挥作用，致使复原结果产生严重振铃效应。

近年来，卷积神经网络开始应用于图像复原等低层视觉任务，并取得显著成效。卷积神经网络图像复原技术将传统人工先验项用网络权重替代，具有测试效率高的特点。可以看出，基于线性退化模型的图像复原技术在反光金属视觉检测应用效果欠佳，同时卷积神经网络图像复原技术是该领域未来趋势。若能利用卷积神经网络优势，省去人工设计先验项繁琐环节，基于非线性退化模型提高图像复原质量，将有助于图像复原技术在反光金属视觉检测中的应用。

发明内容

为解决上述存在的问题与缺陷，本发明提供一种面向反光金属视觉检测的卷积神经网络图像复原方法，该方法利用卷积神经网络优势，省去人工设计先验项繁琐环节，基于非线性退化模型提高图像复原质量，有助于图像复原技术在反光金属视觉检测中的应用。

本发明的目的通过以下的技术方案来实现：

一种面向反光金属视觉检测的卷积神经网络图像复原方法，该方法包括：

A引入松弛变量，解耦最大后验概率图像复原模型；

B基于泊松分布构建对数似然项主成分，引入非线性退化模型，剔除反光金属饱和像素；

C基于卷积神经网络构建对数先验项主成分，约束图像复原解空间；

D交替更新似然项与先验项，通过多阶段联接优化最终复原图像。

本发明有益效果是：

利用卷积神经网络优势，省去人工设计先验项繁琐环节，基于非线性退化模型提高图像复原质量，有助于图像复原技术在反光金属视觉检测中的应用。

附图说明

图1是本发明所述的一种面向反光金属视觉检测的卷积神经网络图像复原方法流程框图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述。

本发明是面向反光金属视觉检测的卷积神经网络图像复原方法，如图1所示，该方法包括如下步骤：

步骤10、引入松弛变量，解耦最大后验概率图像复原模型；

最大后验概率图像复原模型argmax_xp(x|k,y)∝p(yk,x)p(x)通过引入松弛变量解耦成似然项与先验项其中y、k、x分别表示模糊图像、模糊核、清晰图像，约束条件为

步骤20、基于泊松分布构建对数似然项主成分，引入非线性退化模型，剔除反光金属饱和像素；

基于泊松分布构建对数似然项主成分：