【技术实现步骤摘要】
一种基于深度学习的光学畸变修正方法
本专利技术涉及计算摄像学领域，尤其涉及一种图像非盲去模糊方法。
技术介绍
光学畸变是影响成像系统成像质量的最大挑战。畸变主要包含球差、慧差、色差和散光等，光学系统一般通过组合多片不同折射率的镜片以消除畸变，然而，即使是最精密的光学系统也不可能完全消除这些畸变。系统设计人员需要在成像质量与系统复杂度之间权衡。从光学设计的角度消除畸变的难度高，而且价格高昂，重量大，难以在移动端或者其他环境下工作。近年来，随着计算能力的提高，众多计算的方法被引入到图像处理之中。这些方法主要分为非盲去模糊与盲去模糊两种。非盲去模糊方法通过测量成像系统的点扩散函数PSF，再基于图像本身的边缘、通道间相关性等先验知识，重建出清晰图像。该方法仅适用于空间均匀模糊图像，而在实际系统为空间非均匀模糊，需要将图像分割为小块，精确测量每一块区域的PSF后再对每块图像分别求解，最后将求解后的各块图像拼接为最终的完整清晰图像。由于精确测量每一块区域的点扩散函数较为困难，盲去模糊方法应运而生。盲去模糊方法通过模糊图像预估可能的PSF，在此基础上进行重建工作，虽然该方法避免...
【技术保护点】
1.一种基于深度学习的光学畸变修正方法，其特征在于，包括如下步骤：步骤1，测量镜头的点扩散函数PSF：于暗室中使用待修正镜头拍摄点光源，固定好相机与点光源位置后旋转相机，使得拍摄所得的点扩散函数PSF亮点出现在画面中的不同位置，记录下图像I；从图像I中截取出包含点扩散函数PSF的正方形区域并做标准化处理后作为模糊核P待用；步骤2，制作数据集：利用数据生成器生成训练数据：先将多张高清图像G与步骤1中获得的模糊核P送入数据生成器输入口，所述数据生成器将随机挑选一幅高清图像G与一个模糊核P进行随机旋转与随机缩放操作，之后所述数据生成器对图像G与模糊核P进行剪切，生成合适大小的高清...
【技术特征摘要】
1.一种基于深度学习的光学畸变修正方法，其特征在于，包括如下步骤：步骤1，测量镜头的点扩散函数PSF：于暗室中使用待修正镜头拍摄点光源，固定好相机与点光源位置后旋转相机，使得拍摄所得的点扩散函数PSF亮点出现在画面中的不同位置，记录下图像I；从图像I中截取出包含点扩散函数PSF的正方形区域并做标准化处理后作为模糊核P待用；步骤2，制作数据集：利用数据生成器生成训练数据：先将多张高清图像G与步骤1中获得的模糊核P送入数据生成器输入口，所述数据生成器将随机挑选一幅高清图像G与一个模糊核P进行随机旋转与随机缩放操作，之后所述数据生成器对图像G与模糊核P进行剪切，生成合适大小的高清图像块与模糊核块；最后所述数据生成器对模糊核P与图像G实施卷积操作生成模糊图像，加入高斯白噪声后，将模糊图像送入训练队列；步骤3，搭建神经网络框架：通过上下采样卷积实现三种不同尺度网络，从上往下网络特征层数量分别取128、96、64；在各尺度之间堆叠残差模块，残差模块中去掉批标准化层，由两层卷积层堆叠而成，并在卷积层之前加上丢弃层；步骤4，训练网络：开启所述数据生成器，使用Adam优化方法，采用默认参数，对多张高清图像G进行多次迭代后收敛；之后...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。