一种矿井机载视频图像的去运动模糊方法及系统技术方案

技术编号:43833499 阅读:17 留言:0更新日期:2024-12-31 18:32
一种矿井机载视频图像的去运动模糊方法及系统,步骤:构建基于卷积神经网络的面向真实场景的盲图像质量评价模块,并借助所述模块提取图像中与质量相关的质量特征;构建基于码本的特征预测模块,通过矢量编码的方式预训练一个包含高质量特征码本的特征预测网络,基于模糊图像的质量特征进行预测编码,从而获得图像的高质量先验知识;将获得的高质量先验知识经维度对齐后嵌入到去模糊模块编码特征中,经解码器解码后获得恢复后的清晰图像。系统包括图像采集模块、盲图像质量评价模块、特征预测模块和去模糊模块。本发明专利技术能够快速处理图像视频流失真、有效适应矿井下环境,提高后续图像处理和分析准确性,提高矿区作业的安全性和效率。

【技术实现步骤摘要】

本专利技术涉及一种矿井机载视频图像的去运动模糊方法及系统,属于图像去模糊。


技术介绍

1、在煤矿井下运输中,电机车、单轨吊和无轨胶轮车等设施的机载视频常因设备振动和运动导致画面抖动,由此产生运动模糊。这种模糊现象使得视频图像难以清晰呈现,影响后续的图像处理和分析。去模糊技术因此变得至关重要,它旨在通过各种算法恢复图像的清晰度。通过消除运动模糊,能够提升视频质量,为后续的检测、识别和监控提供更准确的视觉数据。这不仅有助于提高矿区作业的安全性和效率,也优化了数据的后续处理流程。传统的去模糊方法将模糊问题抽象为图像与模糊核卷积的过程,通过手工设计提取特征来进行模糊核估计,因此只适用于均匀情况的模糊。然而,真实世界中的模糊大多是非均匀的,所以传统去模糊方法处理真实图像模糊的效果较差。

2、近年来,随着深度学习理论的不断完善、卷积神经网络的广泛应用,基于深度学习的方法成为了主流。基于深度学习的方法通过利用模糊-清晰图像对训练模型,可以通过卷积核自动学习图像模糊过程中的深度特征,避免了模糊核估计过程中产生的偏差。然而,图像去模糊的过程是非适定(ill-po本文档来自技高网...

【技术保护点】

1.一种矿井机载视频图像的去运动模糊方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的矿井机载视频图像的去运动模糊方法,其特征在于,所述S1的具体过程如下:

3.根据权利要求2所述的矿井机载视频图像的去运动模糊方法,其特征在于,所述S2的具体过程如下:

4.根据权利要求3所述的矿井机载视频图像的去运动模糊方法,其特征在于,所述S3的具体过程如下:

5.一种矿井机载视频图像的去运动模糊系统,其特征在于,包括图像采集模块、盲图像质量评价模块、特征预测网络模块以及去模糊模块:

【技术特征摘要】

1.一种矿井机载视频图像的去运动模糊方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的矿井机载视频图像的去运动模糊方法,其特征在于,所述s1的具体过程如下:

3.根据权利要求2所述的矿井机载视频图像的去运动模糊方法,其特征在于,所述s...

【专利技术属性】
技术研发人员:程德强张紫豪寇旗旗陈亮亮宋天舒
申请(专利权)人:中国矿业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1