基于深度学习的仪表超分辨率处理方法及装置制造方法及图纸

本发明专利技术公开一种基于深度学习的仪表超分辨率处理方法及装置，表计读数精度高。本发明专利技术基于深度学习的仪表超分辨率处理方法，包括如下步骤：(10)采集真实世界数据集:使用摄像机拍摄真实的仪表图像，所述仪表图像带有真实世界的噪声和模糊方式；(20)构建训练所需数据对：用图像处理方法处理所述仪表图像，将低分辨率图像与高分辨率图像数据配对，得到训练数据对；(30)构建深度学习神经网络：采用经典ESRGAN网络架构，设定网络参数、损失函数和优化器，得到网络模型；(40)训练网络模型：利用所述训练数据对训练所述网络模型，采用训练成熟的网络模型处理现场仪表图像。的网络模型处理现场仪表图像。的网络模型处理现场仪表图像。

【技术实现步骤摘要】
基于深度学习的仪表超分辨率处理方法及装置


[0001]本专利技术属于图像识别
，特别是一种基于深度学习的仪表超分辨率处理方法及装置。

技术介绍

[0002]随着工业和自动化技术的发展，仪表设备成了必要的配套设施。因此，各种机器人的仪表智能读数已经成为一项重要任务。为了准确的读取到仪表的读数，对仪表图像的分辨率需要有很高的要求。但是在一些情况下，拍摄到的仪表图片存在分辨率过小的问题。此外，由于环境和设备的原因，基于真实场景拍摄的仪表图片数据质量较低，比如比较模糊、自带噪声、光线环境复杂等等。
[0003]为解决以上问题，需要增加图像分辨率，最常用技术之一是图像像素的插值。虽然易于实现，但这种方法在视觉质量上仍然存在许多缺陷，例如许多细节(如尖锐边缘)不能得到自然的复原，输入图像中的模糊和噪声难以抑制。此外，常用的图像超分技术，比如电视上使用的超分技术，无法消除或抑制输入图片中带有的模糊和复杂噪声，重建得到输出图像效果较差，不足以用于准确的读数。
[0004]总之，现有技术存在的问题是：当拍摄得到的表计区域图像分辨率较低，且图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的仪表超分辨率处理方法，其特征在于,包括如下步骤：(10)采集真实世界数据集:使用摄像机拍摄真实的仪表图像，所述仪表图像带有真实世界的噪声和模糊方式；(20)构建训练所需数据对：用图像处理方法处理所述仪表图像，将低分辨率图像与高分辨率图像数据配对，得到训练数据对；(30)构建深度学习神经网络：采用经典ESRGAN网络架构，设定网络参数、损失函数和优化器，得到网络模型；(40)训练网络模型：利用所述训练数据对训练所述网络模型，采用训练成熟的网络模型处理现场仪表图像。2.根据权利要求1所述的仪表超分辨率处理方法，其特征在于，所述(40)训练模型步骤中，随机采用下述步骤做在线数据增广：(41)对处理后的仪表图像进行随机裁剪，得到子图像块；(42)对处理后的...

【专利技术属性】
技术研发人员：杨顺，
申请(专利权)人：深圳亿嘉和科技研发有限公司，
类型：发明
国别省市：