一种图像湍流畸变校正方法技术

本发明专利技术涉及图像处理技术领域，解决了现有技术无法提升畸变校正图像预测精度的技术问题，尤其涉及一种图像湍流畸变校正方法，包括以下步骤：S1、基于VGG19网络构建一级校正网络，一级校正网络包括特征融合模块和稠密连接模块；S2、将湍流畸图像输入至一级校正网络中，输出估计湍流畸变图像在一级校正网络上的不确定性映射，即湍流畸变图像在一级校正网络上的方差映射图。本发明专利技术通过二级校正网络对湍流畸变图像在一级校正网络的不确定性映射图引导下重点恢复不确定性较大的图像区域，最后输出一张湍流畸变校正图像，并且通过网络对抗和损失函数进行网络优化，可以得到更好的畸变校正效果，提高了畸变校正图像的预测精度。提高了畸变校正图像的预测精度。提高了畸变校正图像的预测精度。

【技术实现步骤摘要】
一种图像湍流畸变校正方法


[0001]本专利技术涉及图像处理
，尤其涉及一种图像湍流畸变校正方法。

技术介绍

[0002]在大气湍流条件下折射率的随机波动会引起图像产生几何失真和时空模糊，从而显著降低远程可见和热成像系统所捕获的图像质量。对于图像湍流畸变校正的问题，一方面，使用基于自适应光学的技术可以补偿图像中的湍流效应，但这种方法通常要求具备规模庞大、结构复杂和价格昂贵的硬件。另一方面，使用基于深度学习的图像处理方法也可以补偿大气湍流引起的视觉退化，这种方法成本低且有效。目前，大部分的神经网络使用基准点、语义映射或单一地使用图像先验信息来预测校正后的图像，然而湍流效应涉及几何失真和时空模糊的结合，导致无法可靠地提取基准点和语义图等结构信息，单一地使用图像先验也无法完全去除图像中的失真，因此预测性能比较有限。

技术实现思路

[0003]针对现有技术的不足，本专利技术提供了一种图像湍流畸变校正方法，解决了现有技术无法提升畸变校正图像预测精度的技术问题。
[0004]为解决上述技术问题，本专利技术提供了如下技术方案：一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像湍流畸变校正方法，其特征在于，包括以下步骤：S1、基于VGG19网络构建一级校正网络，一级校正网络包括特征融合模块和稠密连接模块；S2、将湍流畸图像输入至一级校正网络中，输出估计湍流畸变图像在一级校正网络上的不确定性映射，即湍流畸变图像在一级校正网络上的方差映射图；S3、基于一级校正网络构建用于对湍流畸变图像在一级校正网络上的方差映射图引导下，重点恢复湍流畸变图像中像素点上方差值较大的图像区域的二级校正网络，最后输出湍流畸变校正图像。2.根据权利要求1所述的图像湍流畸变校正方法，其特征在于，在步骤S3中，基于一级校正网络构建二级校正网络包括以下步骤：S31、搭建Pytorch的开发环境并选取包含湍流畸变图像的训练集；S32、构建基于一级校正网络不确定性的二级校正网络，在一级校正网络的浅层特征提取部分前增加特征融合模块，构建出与一级校正网络结构相似且适用一级校正网络不确定性的二级校正网络；S33、确定二级校正网络的损失函数，二级校正网络的损失函数包括生成器损失函数和辨别器损失函数；S34、使用Adam优化器对损失函数进行优化；S35、采用训练集对二级校正网络进行训练。3.根据权利要求1所述的图像湍流畸变校正方法，其特征在于，在步骤S32中，构建基于一级校正网络不确定性的二级校正网络，具体过程包括以下步骤：S321、采用一级校正网络对湍流畸变图像进行S次操作得到S张3通道的畸变校正粗略预测图像，S大小设置为10；S322、遍历S张畸变校正粗略预测图像上的像素点，求出这S张畸变校正粗略预测图像在对应位置像素点的标准差，得到一张湍流畸变图像在一级校正网络上的方差映射图；S323、基于一级校正网络和二级校正网络构成生成器；S324、二级校正网络对湍流畸变图像和其在一级校正网络上的方差映射图在通道维度上进行拼接，对拼接后的向量进行下采样和ReLU激活处理；S325、生成器中的一级校正网络在通过两个卷积核大小为3
×
3的卷积层进行64个通道的浅层特征提取之后，经过3个相同结构的稠密连接模块在密集连接层之间进行局部特征融合和局部残差学习，并在稠密连接模块之间进行全局特征融合和全局残差学习，最后经过一个上采样层和卷积核大小为3
×
3的全连接层，输出一张3通道的畸变校正预测图像；S326、通过一个10层的神经网络构成辨别器，将真实的自然图像和畸变校正预测图像输入到判别器中进行浅层特征提取后，再...

【专利技术属性】
技术研发人员：成宽洪，吴钰博，孟海宁，郭禹汝，李帆，曹霆，金海燕，费蓉，王怀军，李军怀，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：