一种基于深度学习的红外视频畸变校正的方法技术

本发明专利技术公开了一种基于深度学习的红外视频畸变校正的方法。创建一个红外畸变图像数据集；构建实现精度要求并能快速推断的卷积神经网络；利用卷积神经网络对红外畸变图像数据集进行训练；将待测的红外畸变图像输入到训练后的卷积神经网络中，得到校正参数并对待测的红外畸变图像进行校正。本发明专利技术方法利用卷积神经网络提取红外畸变图像的特征信息，并建立畸变特征与红外畸变图像校正参数之间的映射关系；可以克服不同摄像机及其成像模型对畸变图像校正算法的局限性，具有较好的普适性。具有较好的普适性。具有较好的普适性。

【技术实现步骤摘要】
一种基于深度学习的红外视频畸变校正的方法


[0001]本专利技术涉图像处理，深度学习领域的一种图像校正方法，特别涉及基于深度学习的红外视频畸变校正的方法。

技术介绍

[0002]随着社会与经济的发展，人们对人身及财产的保护越加重视。布置视频监控作为最常见的安保手段被广泛应用，红外摄像机因其突出的夜间监控效果被大量应用。红外摄像机具有亮度高、夜视距离远、性能稳定、光线均匀等优点。但红外摄像机所拍摄的红外图片存在着变形问题，为了更好的利用红外摄像机拍摄的图像与视频，需要将这些变形的红外图片与视频校正成人们视觉习惯的图像与视频。
[0003]普通摄像头的校正目前一般用到的是黑白棋盘格。利用黑白格子在可见光下有明显的边缘区分度，从而检测出畸变后的焦点之间的距离，达到对摄像头进行矫正的目的。但是普通的黑白棋盘格在红外图像中存在区分度小，焦点不明显，边缘不清晰等问题。因此对红外视频畸变的校正需要其他方法。
[0004]在过去的几年里，深度学习在图像目标识别，语音识别和自然语言处理方面都展现出了极大的优势。在众多的神经网络种类中，卷积神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的红外视频畸变校正的方法，其特征在于，所述方法包括如下步骤：步骤1：创建一个红外畸变图像数据集；步骤2：构建实现精度要求并能快速推断的卷积神经网络；步骤3：利用卷积神经网络对红外畸变图像数据集进行训练；步骤4：将待测的红外畸变图像输入到训练后的卷积神经网络中，得到校正参数并对待测的红外畸变图像进行校正。2.根据权利要求1所述的基于深度学习的红外视频畸变校正的方法，其特征是：所述的步骤1包括如下步骤：采集包含不同场景的多幅红外无畸变的图像，每幅图像赋予N幅随机形成的畸变参数获得N幅畸变后的红外畸变图像，从而形成所有红外畸变图像，由每幅红外畸变图像的畸变参数反畸变转换获得对应的校正参数，由所有幅红外畸变图像和对应的所有幅校正参数组成数据集。3.根据权利要求1所述的基于深度学习的红外视频畸变校正的方法，其特征是：所述步骤2中，所述的卷积神经网络主要由3
‑
4个神经结构单元依次连接构成；每个神经结构单元均包括四个连续的卷积层，神经结构单元输入的图经四个连续的卷积层后输出最终的特征图，在第一个卷积层之后分别连接2倍下采样操作和4倍下采样操作，2倍下采样操作之后经上采样操作再连接到第二个卷积层的输出，2倍下采样操作和4倍下采样操作之后分别经卷积操作、2倍上采样后连接到相加融合层，相加融合层的输出再连接到第三个卷积层的输出。4.根据权利要求3所述的基于深度学习的红外视频畸变校正的方法，其特征是：所述神经结构单元输入的图X0经第一个卷积层处理获得特征图X1，特征图X1经2倍下采样操...

【专利技术属性】
技术研发人员：刘宏芳，赵朝阳，戴超超，庄杰栋，郑恩辉，顾天成，
申请(专利权)人：中国计量大学浙江浙能电力股份有限公司，
类型：发明
国别省市：