[发明专利]一种基于refinement‑network深度学习模型的单透镜全局图像复原方法在审
| 申请号： | 201711160661.0 | 申请日： | 2017-11-20 |
| 公开（公告）号： | CN107833193A | 公开（公告）日： | 2018-03-23 |
| 发明（设计）人： | 张智福;余思洋;陈捷;刘稹 | 申请（专利权）人： | 长沙全度影像科技有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410205 湖南省长沙市高新开发*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于refinement‑network深度学习模型的单透镜全局图像复原方法。首先得到单透镜的数据集，然后构建用于全局图像复原的refinement‑network深度学习模型，该深度学习模型可以直接学习单透镜图像空间变化的特性，利用得到的数据集对refinement‑network深度学习模型进行训练，对于单透镜新拍摄的模糊图像，直接利用该模型即可快速得到复原图像。本发明提出的方法对模糊程度空间变化性较大的单透镜图像，无需将图像进行分块处理，refinement‑network深度学习模型可以直接学习模糊空间变化的特性，使单透镜计算成像的处理过程更加简单快速，便于在实际中使用。 | ||
| 搜索关键词： | 一种 基于 refinement network 深度 学习 模型 透镜 全局 图像 复原 方法 | ||
【主权项】：
一种基于refinement‑network深度学习模型的单透镜全局图像复原方法，其特征在于，包括以下步骤：步骤一：生成单透镜对应的清晰图像与模糊图像对，得到数据集；步骤二：构建用于全局图像复原的refinement‑network深度学习模型，该深度学习模型可以直接学习单透镜图像空间变化的特性；步骤三：利用得到的数据集对深度学习模型进行训练，得到训练完成的深度学习模型；步骤四：对于单透镜新拍摄的模糊图像，直接将模糊图像输入训练完成的深度学习模型，快速得到复原后的清晰图像。
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长沙全度影像科技有限公司，未经长沙全度影像科技有限公司许可，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/201711160661.0/，转载请声明来源钻瓜专利网。
