【技术实现步骤摘要】
一种基于深度学习的光学像差模糊去除方法
本专利技术属于数字图像处理领域的光学修正方法，涉及了一种基于深度学习的光学像差模糊去除方法。
技术介绍
近年来，研究人员对由于相机抖动、物体运动以及离焦等因素造成的模糊进行了充分研究，但是光学系统像差这一同样会引入图像模糊的因素却被忽略。传统光学设计中一般通过增加光学系统复杂度优化光学像差，然而这一方案在手机镜头等轻小型光学系统中更容易受到加工成本、镜头体积等因素的限制。因此通过软件方案校正光学系统的剩余像差，提升系统的成像质量是有必要的。现有针对镜头像差模糊进行图像复原的工作可以分为两类：基于解卷积的图像复原算法和基于深度学习的算法。前者将像差对成像的影响描述为清晰图像卷积空间变化的模糊核，如果能够估计该模糊核，也就是成像系统的点扩散函数，就可以通过解卷积的方式恢复清晰图像。但是由于解卷积问题的病态性，当成像系统点扩散函数估计不准确时，复原结果通常与真实清晰图有较大偏差。基于学习的方法侧重于构建接近真实应用场景的数据集，训练神经网络隐式地学习像差模糊图与真实清晰图的映射关系。...
【技术保护点】
1.一种基于深度学习的光学像差模糊去除方法，方法针对带像差光学系统，带像差光学系统包括镜头和相机传感器，其特征在于：方法包括以下步骤：/n1)获得带像差光学系统的点扩散函数，包括：/n1.1)利用惠更斯子波相干叠加法分别计算带像差光学系统中可见光波各波长在各视场的点扩散函数；/n1.2)测量相机传感器的光谱响应，根据光谱响应积分加权获得R、G、B三通道的修正点扩散矩阵；/n2)构建像差模糊数据集，包括：/n2.1)选择高分辨图像进行能量域变换，将高分辨图像由数值域转换至能量域，得到能量域图像；/n2.2)利用修正点扩散矩阵对能量域图像进行分块卷积，得到能量域仿真模糊图；/n...
【技术特征摘要】
1.一种基于深度学习的光学像差模糊去除方法，方法针对带像差光学系统，带像差光学系统包括镜头和相机传感器，其特征在于：方法包括以下步骤：
1)获得带像差光学系统的点扩散函数，包括：
1.1)利用惠更斯子波相干叠加法分别计算带像差光学系统中可见光波各波长在各视场的点扩散函数；
1.2)测量相机传感器的光谱响应，根据光谱响应积分加权获得R、G、B三通道的修正点扩散矩阵；
2)构建像差模糊数据集，包括：
2.1)选择高分辨图像进行能量域变换，将高分辨图像由数值域转换至能量域，得到能量域图像；
2.2)利用修正点扩散矩阵对能量域图像进行分块卷积，得到能量域仿真模糊图；
2.3)对能量域仿真模糊图进行数值域变换，将能量域仿真模糊图像由能量域转换至数值域，得到像差模糊图像，构成像差模糊数据集；
3)采用像差模糊数据集，训练像差校正神经网络；
4)使用所述的带像差光学系统拍摄的图像，经步骤3)训练获得的像差校正神经网络进行校正，获得校正后的图像。
2.根据权利要求1所述的一种基于深度学习的光学像差模糊去除方法，其特征在于：所述步骤1)具体为：
1.1)输入带像差光学系统中像差镜头的光学系统参数，计算可见光波中各波长对应不同视场的点扩散函数PSFsimul(λ)；
1.2)通过离散控制改变入射光光谱分布，测量各个波长下相机传感器R、G、B三通道的光谱响应灵敏度向量Yk(λ)，光强响应灵敏度向量Yk(λ)由下式表示：
其中，Ck表示不同滤色片的指示函数，k＝r、g、b，对于红色滤色片Cr＝(1,0,0)，绿色滤色片Cg＝(0,1,0)，蓝色滤色片Cb＝(0,0,1)；l(λ)表示入射光光谱，分别表示入射光波长λ下所采集的R通道、G通道、B通道的光谱响应值，λ表示入射光的波长；
1.3)然后针对单个视场，利用不同波长的光谱响应灵敏度向量Yk(λ)对单个视场的点扩散函数PSFsimul进行校正，获得所有波长的单个视场的修正点扩散矩阵PSFch1，校正公式如下：
其中，PSFch1表示ch1＝R、G、B三通道的修正点扩散矩阵，Yk(λ)为不同波长的光谱响应灵敏度向量。
3.根据权利要求1或2任一所述的一种基于深度学习的光学像差模糊去除方法，其特征在于：所述步骤2)具体为：
2.1)选择高分辨图像，进行能量域变换，将高分辨图像由数值域转换至能量域；
所述能量域变换包括三个步...
【专利技术属性】
技术研发人员：冯华君，陈世锜，潘德馨，徐之海，李奇，陈跃庭，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
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。