System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种基于事件引导的图像去模糊方法。
技术介绍
1、事件相机是一种新型的仿生视觉传感器,它不以恒定速率捕获图像,而是仅响应场景中光强发生变化的地方。事件生成过程如图1所示,当光强变化超过设定阈值时,事件相机会以微秒级的时间分辨率标记时间戳,并输出事件。特殊的成像方式使得事件相机具有高时间分辨率的特性,能够以非常高的速度捕获事件数据,因此对于快速移动的物体或者高动态范围的场景非常具有优势。现有的方法是将模糊图像看作是一系列潜像的积分,而事件则表示潜像之间的变化。通过将事件数据与潜像相关联来对模糊生成的过程进行建模,利用单个模糊帧及其事件数据重建高帧率、清晰的视频。且现有技术还提出了事件增强稀疏学习网络(eslnet),利用稀疏学习的框架,联合考虑事件和模糊图像的强度观测来从事件相机中恢复高质量图像。现有技术利用事件流作为辅助来去除图像模糊,但依然存在数据集制作不规范、易受噪声损坏和阈值不确定性等的问题,导致现有技术不能对模糊图像与事件流中包含的运动信息进行有效的处理。
技术实现思路
1、本专利技术为解决现有技术因存在数据集制作不规范、易受噪声损坏和阈值不确定性等的问题,导致不能对模糊图像与事件流中包含的运动信息进行有效的处理的问题,提供一种基于事件引导的图像去模糊方法,创建了可作为基准的事件相机去模糊网络数据集,且解决现有的去模糊方法的计算量大和不具备实时性等问题。
2、本专利技术提出的基于事件引导的图像去模糊方法,具体包括如下步骤:
...【技术保护点】
1.一种基于事件引导的图像去模糊方法,其特征在于,具体包括如下步骤:
2.根据权利要求1所述的基于事件引导的图像去模糊方法,其特征在于,所述特征提取网络包括1*1卷积层、3*3卷积层、Relu激活层和通道注意力模块,其中,将所述模糊图像输入至所述1*1卷积层进行特征映射的提取,获得特征图像A1,将所述事件体素输入至所述1*1卷积层进行特征映射的提取,获得特征图像B1,所述特征图像B1经所述3*3卷积层进行两次卷积及相应的Relu激活操作,对应获得特征图像B2,将所述事件体素还输入至所述1*1卷积层进行卷积操作,获得特征图像B3,将所述特征图像B2和所述特征图像B3相加,获得特征图像B4,将所述特征图像A1和所述特征图像B4相乘后输入至所述通道注意力模块进行处理,获得特征图像C;
3.根据权利要求2所述的基于事件引导的图像去模糊方法,其特征在于,所述通道注意力模块包括池化层、3*3卷积层、Relu激活层和Sigmoid激活层,输入至所述通道注意力模块的特征图像C1经所述池化层进行池化操作,获得特征图像C2,所述特征图像C2经所述3*3卷积层进行卷积及相应的R
4.根据权利要求2所述的基于事件引导的图像去模糊方法,其特征在于,所述编码器包括四层编码层,且每一层编码层均包括5*5卷积层、残差块和Relu激活层,输入至所述编码层的特征图像D1经所述5*5卷积层进行卷积操作,获得特征图像D2,所述特征图像D2经所述残差块进行三次残差及相应的Relu激活操作,获得特征图像D3;
5.根据权利要求4所述的基于事件引导的图像去模糊方法,其特征在于,所述残差块包括3*3卷积层和Relu激活层,输入至所述残差块的特征图像F1经所述3*3卷积层进行卷积及相应的Relu激活操作,获得特征图像F2,所述特征图像F2经所述3*3卷积层进行卷积操作后,获得所述残差块的输出特征图像F3。
...【技术特征摘要】
1.一种基于事件引导的图像去模糊方法,其特征在于,具体包括如下步骤:
2.根据权利要求1所述的基于事件引导的图像去模糊方法,其特征在于,所述特征提取网络包括1*1卷积层、3*3卷积层、relu激活层和通道注意力模块,其中,将所述模糊图像输入至所述1*1卷积层进行特征映射的提取,获得特征图像a1,将所述事件体素输入至所述1*1卷积层进行特征映射的提取,获得特征图像b1,所述特征图像b1经所述3*3卷积层进行两次卷积及相应的relu激活操作,对应获得特征图像b2,将所述事件体素还输入至所述1*1卷积层进行卷积操作,获得特征图像b3,将所述特征图像b2和所述特征图像b3相加,获得特征图像b4,将所述特征图像a1和所述特征图像b4相乘后输入至所述通道注意力模块进行处理,获得特征图像c;
3.根据权利要求2所述的基于事件引导的图像去模糊方法,其特征在于,所述通道注意力模块包括池化层、3*3卷积层、relu激活层和sigmoid激活层,输入至所述通道注意力模块的特征图像c1经所述池化...
【专利技术属性】
技术研发人员:赵宇宸,吕恒毅,孙铭,冯阳,张以撒,
申请(专利权)人:中国科学院长春光学精密机械与物理研究所,
类型:发明
国别省市:
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。