一种基于深度学习与盲去卷积的运动模糊检测方法及系统技术方案

本发明专利技术涉及模糊检测技术领域，公开了一种基于深度学习与盲去卷积的运动模糊检测方法及系统，包括：采集原始图像，并进行图像的子区域划分；对每个子区域分别进行奇异值分解；根据分解结果，对所述子区域进行模糊区域检测；对模糊图像进行图像复原；使用深度学习的方法在模糊复原图像分割目标轮廓信息，输出带有目标轮廓的清晰图像。通过引入SPD‑Conv，改进后的YOLOv8模型能够更准确地分割低分辨率模糊目标，有效提高了分割精度。能够适应不同场景下的低分辨率模糊目标分割任务。在提高分割精度的同时，本发明专利技术所提方法并未显著增加模型的计算复杂度和推理时间，仍能保持YOLOv8的实时性优势，满足实际应用中对实时性的要求。

【技术实现步骤摘要】

本专利技术涉及模糊检测，具体为基于深度学习与盲去卷积的运动模糊检测方法及系统。

技术介绍

1、随着全球对清洁能源的需求不断增长，风力发电作为一种可再生能源技术得到了广泛的发展。风机作为风力发电的核心设备，其安全运行至关重要。在风机风电净空检测项目中，准确检测风机叶片的状态是确保风机安全运行的关键环节之一。

2、为做到全天候的风机净空安全监测，需要在暗光环境下实时分割风机叶片轮廓。为获取相对清晰的图像，通常需要延长相机的曝光时间以获取目标特征，由于风机叶片的高转速的特征，不可避免导致风机叶片在成像中出现严重的运动模糊，这种模糊对图像的质量造成极大的破坏，使得风机叶片的轮廓模糊不清，极大降低的分割精度。

3、现有的相关去除运动模糊的技术常见有逆滤波、维纳滤波、l-r算法和一些深度神经网络，如deblurgan等。逆滤波、维纳滤波数据非盲去卷积，需要获取图像的模糊核，对噪声较大的图像模糊复原效果不佳。l-r算法需要不断迭代以去除图像模糊，若图像原始保证较大，则会导致最终图像复原质量极差。而deblurgan作为深度学习方法中去模糊的领域的本文档来自技高网...

【技术保护点】

1.一种基于深度学习与盲去卷积的运动模糊检测方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习与盲去卷积的运动模糊检测方法，其特征在于：所述子区域划分包括，将原始输入图像划分为固定大小的子区域。

3.如权利要求2所述的基于深度学习与盲去卷积的运动模糊检测方法，其特征在于：所述奇异值分解包括，设图像I是一个m×n的图像，则U是一个m×m的正交矩阵，其列向量为左奇异向量；V是一个n×n的正交矩阵，其列向量为右奇异向量；S是一个m×n的对角矩阵，对角线上的元素是非负实数且按降序排列的奇异值；

4.如权利要求3所述的基于深度学习与盲去卷积的运动模糊检...

【技术特征摘要】

1.一种基于深度学习与盲去卷积的运动模糊检测方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习与盲去卷积的运动模糊检测方法，其特征在于：所述子区域划分包括，将原始输入图像划分为固定大小的子区域。

3.如权利要求2所述的基于深度学习与盲去卷积的运动模糊检测方法，其特征在于：所述奇异值分解包括，设图像i是一个m×n的图像，则u是一个m×m的正交矩阵，其列向量为左奇异向量；v是一个n×n的正交矩阵，其列向量为右奇异向量；s是一个m×n的对角矩阵，对角线上的元素是非负实数且按降序排列的奇异值；

4.如权利要求3所述的基于深度学习与盲去卷积的运动模糊检测方法，其特征在于：所述模糊区域检测包括，对每个子区域做奇异值分解，并提取奇异值；使奇异值信息以降序排序，设对应图像中主要特征信息的奇异值为k个，；

【专利技术属性】
技术研发人员：王小明，贾彦勇，李理，侯佳健，陈扬，
申请(专利权)人：北京开拓航宇导控科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人