【技术实现步骤摘要】
本专利技术属于计算机视觉与图像处理，具体涉及一种事件驱动的图像运动去模糊方法，通过结合事件相机的高时间分辨率数据与深度学习网络，实现复杂动态场景下的高效运动模糊去除。
技术介绍
1、传统图像去模糊方法依赖相邻帧间的光流或物理模型估计模糊核，但在高速运动或复杂背景场景中效果有限。事件相机通过异步输出像素级亮度变化(事件流)，能够捕捉微秒级动态信息，为去模糊提供高精度时序线索。然而，现有方法未能充分融合事件数据与模糊图像的特征，且在复杂背景中易丢失细节。本专利技术通过设计循环事件表示、线性可变形卷积及多分支注意力模块，解决上述问题。
技术实现思路
1、本专利技术提出一种事件驱动的图像运动去模糊方法，其核心在于事件数据的高效表示与去模糊网络的优化设计，具体包括以下步骤：
2、s1：获取包括模糊图像，清晰图像和曝光时间内的事件流的去模糊数据集。
3、所述步骤s1具体包括如下步骤：
4、s11：使用在运动去模糊中广泛使用的gopro数据集来训练和评估去模糊网络。该...
【技术保护点】
1.一种事件驱动的图像运动去模糊方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述S21具体如下：
3.根据权利要求1所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述S22具体如下：
4.根据权利要求2所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述S3具体如下：
5.根据权利要求4所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述线性可变形卷积包括一个标准的卷积核和一个可学习的偏移量(offset)生成模块。其中偏移量生成模块通过全连接层和...
【技术特征摘要】
1.一种事件驱动的图像运动去模糊方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述s21具体如下：
3.根据权利要求1所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述s22具体如下：
4.根据权利要求2所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述s3具体如下：
5.根据权利要求4所述的一种事件驱动的图像运动去模糊方法，其特征在于，所述线性可变形卷积包括一个标准的卷积核和一个可学习的偏移量(offset)生成模块。其中偏移量生成模块通过全连接层和1x1卷积等线性变换从输入特征图中生成每个采样点的偏移量。生成的偏移量用于调整卷积核的采样位置，使其能够适应输入特征图中的几何变形。偏移量生成模块的参数与卷积核的参数一起通过反向传播算法进行优化。在训练过程中，偏移量生成模块学习如何根据输入特征图的内容动...
【专利技术属性】
技术研发人员：余杰，李冀，曹紫怡，姚继承，孟庆娇，
申请(专利权)人：桂林电子科技大学，
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。