[发明专利]一种基于深度学习的无人机运动模糊图像的复原方法有效
| 申请号： | 201910853466.9 | 申请日： | 2019-09-10 |
| 公开（公告）号： | CN110648291B | 公开（公告）日： | 2023-03-03 |
| 发明（设计）人： | 邓春华;蔡锷;朱子奇;刘静;丁胜 | 申请（专利权）人： | 武汉科技大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T7/207 |
| 代理公司： | 杭州宇信知识产权代理事务所(普通合伙) 33231 | 代理人： | 张宇娟 |
| 地址： | 430081 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于深度学习的无人机运动模糊图像的复原方法，在像素递归超分辨率网络的基础上，对其进行改进，将沙漏网络的优点引入进来，形成一种新的网络模型。网络模型分为优先网络和调节网络两个支路。优先网络是一个pixelCNN，其接收清晰图像作为输入，用于描述模糊图像的轮廓。调节网络为一个沙漏模块堆叠的沙漏网络，其接收模糊图像作为输入，通过最大池化层进行下采样，通过残差模块加深网络的深度，学习图像的细节特征，通过转置卷积进行上采样，综合学习不同尺度下的特征，从而实现了对运动模糊图像的超强复原能力。 | ||
| 搜索关键词： | 一种 基于 深度 学习 无人机 运动 模糊 图像 复原 方法 | ||
【主权项】：
1.一种基于深度学习的无人机运动模糊图像的复原方法，其特征在于，包括如下步骤：/nS1、收集无人机图片，制作数据集，所述数据集包括训练集和测试集，所述训练集和测试集分别包含清晰的无人机图像和对应的运动模糊的无人机图像；/nS2、建立网络模型，所述网络模型包括优先网络和调节网络，所述优先网络为一个PixelCNN，所述调节网络为由沙漏模块堆叠而成的沙漏网络；/nS3、将训练集中的数据导入到所述网络模型中进行训练，将清晰图像输入所述优先网络，运动模糊图像输入调节网络，通过优化输出图像与输入的清晰图像的误差，不断迭代，得到训练好的网络模型；/nS4、使用测试集对所述训练好的网络模型进行测试，通过对比测试集中清晰的无人机图像与训练好的网络模型生成的无人机图像，得到清晰图像和生成的结果图像的对比参数，满足预设阈值后完成测试；/nS5、使用完成测试的网络模型复原无人机运动模糊图像。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉科技大学，未经武汉科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910853466.9/，转载请声明来源钻瓜专利网。
