一种基于深度学习的图像校正方法技术

本发明专利技术公开了一种基于深度学习的图像校正方法，包括：(1)使用有色差和较好的图像采集设备拍摄尽量相同视场的图像，作为有色差图像和参考图像；(2)使用模板匹配算法求解两次拍摄的偏移量，并依据偏移量裁剪两张图像，进一步划分训练集和测试集；(3)构建图像校正模型，包含一个权重预测网络和n个可学习的3D查找表；(4)将有色差图像输入网络中，将校正后的图像与参考图像相对比，计算损失函数；以损失函数最小化为目标训练，更新网络参数；(5)模型训练完毕后，进行图像校正的应用。本发明专利技术的方法，操作步骤简单，无需人工设置大量参数及设计算法，在确保较好的效果的同时有效降低了人工处理图像的时间。理图像的时间。理图像的时间。

【技术实现步骤摘要】
一种基于深度学习的图像校正方法


[0001]本专利技术属于图像处理领域，尤其是涉及一种基于深度学习的图像校正方法。

技术介绍

[0002]通常，当使用成像系统拍摄图像时，由于使用到的透镜的色差，或者成像部分硬件与图像采集部分硬件不匹配导致图像质量差，造成拍摄图像中有色差的问题。具体地说，色差导致的图像质量下降是一种严重的问题，色差主要由于不同波长的光经过透镜时具有不同的折射率，导致不同波长的光具有不同的焦点，所以在像面上产生了不同色彩的位置偏差，当透镜由于空间位置的原因做了简化，或者使用较高倍数及NA的透镜时，色差会变得更加明显，同时图像的整体亮度也会产生变化。CCD在对光谱响应的时候可能存在的颜色串扰等问题也会在图像上产生颜色伪影现象。
[0003]为了减小这种色差，目前使用质量较好的图像采集设备特定玻璃材料制成的透镜或者特定加工方式加工成的透镜。然而这些方法都会增加透镜的制造成本，在普通图像采集设备上很难广泛使用上述方法。
[0004]针对普通的图像采集设备产生的色差，选择算法校正方法更加有效。在这方面，申请号为200810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图像校正方法，其特征在于，包括以下步骤：(1)使用待校正的图像采集设备拍摄一组有色差图像，再使用色差较小的相同放大倍率的图像采集设备对相同的景物拍摄另一组图像作为参考图像；将有色差图像和参考图像一一对应，构成多组图像对；(2)将每组图像对中的有色差图像和参考图像进行图像对准，并将对准后的多组图像对进行扩增后划分为训练集和测试集；(3)构建图像校正模型，所述的图像校正模型内包含一个权重预测网络和n个可学习的3D查找表；所述的3D查找表用于建立有色差图像到预测参考图像之间的映射，所述权重预测网络的通道数与3D查找表的数量相同；图像输入图像校正模型时，分别经过一个权重预测网络和n个3D查找表，将权重预测网络输出的特征图插值上采样至原始图像大小，将其与3D查找表输出的预测参考图像加权后加和，就得到了图像校正模型的输出；(4)利用训练集对图像校正模型进行训练；将训练集中的有色差图像输入模型，将模型的输出图像与参考图像相对比求出损失函数的值，以损失函数最小化为目标更新网络参数；(5)图像校正模型训练完毕后，将待校正图像输入图像校正模型得到校正后的图像。2.根据权利要求1所述的基于深度学习的图像校正方法，其特征在于，步骤(2)中，进行图像对准的具体过程为：(2
‑
1)取每组图像对中有色差图像和参考图像共有的一部分图像作为模板图像，记录其在有色差图像上的位置坐标(x1,y1)；(2
‑
2)将模板图像作为滑窗，分别计算模板在参考图像上不同位置时对应点像素差的平方和作为模版匹配的值；(2
‑
3)记录模板在参考图像上滑动的过程中的匹配值，值越接近0，说明匹配程度高；(2
‑
4)记录匹配值最接近0的位置的坐标值(x2,y2)，计算参考图像和有色差图像的视场偏移，为
△
x和
△
y。(2
‑
5)根据偏移量剪裁图像，留下对应的两张图像视场重叠的部分。3.根据权利要求1所述的基于深度学习的图像校正方法，其特征在于，步骤(3)中，所述3D查找表的输入为分辨率为224
×
224、具有RGB三个颜色通道的彩色图像；图像依次通过三次线性插值和stride为1，3通道输出的3
×3×
3的3D卷积层。4.根据权利要求1所述的基于深度学习的图像校正方法，其特征在于，步骤(3)中，权重预...

【专利技术属性】
技术研发人员：王玥，雷嘉锐，钱常德，孙焕宇，刘东，
申请(专利权)人：浙江大学嘉兴研究院，
类型：发明
国别省市：