[發明專利]一種融合記憶CNN的圖像模糊類型識別及參數整定方法

有效

• 申請號: 201710609501.3
• 申請日: 2017-07-25
• 公開（公告）號: CN107274378B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 黃綠娥;鄢化彪;吳祿慎;陳華偉;袁小翠;朱根松
• 申請（專利權）人: 江西理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 贛州凌云專利事務所 36116
• 代理人: 曾上

本發明涉及模糊圖像類型識別及參數計算領域，尤其是涉及一種融合記憶CNN(卷積神經網絡)的圖像模糊類型識別及參數整定方法。本發明包括以下步驟：構建融合記憶網絡架構；設置融合記憶網絡各層算法；通過網絡訓練獲得網絡參數；未知圖像模糊類型識別及參數整定。本發明克服了現有模糊識別中網絡不帶獨立記憶功能的缺點，能夠提高圖像模糊類型及參數計算的效率。

技術領域

本發明涉及模糊圖像類型識別及參數計算領域，尤其是涉及一種融合記憶CNN(卷積神經網絡)的圖像模糊類型識別及參數整定方法。

背景技術

網絡和信息技術高速發展的今天，CCD和CMOS已成為了繼壓力、電流等傳感器之后的主流核心傳感器應用于各大領域，無論是在航拍還是無人駕駛車，熱門的人臉識別、文字識別還是形形色色的工業檢測相機應用，以及手機相機應用。但由于環境等各種因素的影響，采集的圖像不是很清晰，特別是相機高速運動環境下的圖像采集含有嚴重的模糊信息，給下一步應用帶來極大困難。因此，研究圖像模糊類型、求解模糊參數對圖像處理具有重要意義。

Rudin等人采用全變差正則化方法識別模糊點擴展函數(Rudin L I,Osher S,Fatemi E.Nonlinear total variation based noise removal algorithms[J].PhysicaD:Nonlinear Phenomena,1992,60(1-4):259-268.)，Schmidt等人利用貝葉斯模型進行模糊核估計(Schmidt U,Schelten K,Roth S.Bayesian deblurring with integratednoise estimation[C]//Computer Vision and Pattern Recognition(CVPR),2011IEEEConference on.IEEE,2011:2625-2632.)，這些方法都是先建立問題的數學模型，對參數進行求解。模型法、參數法在許多場合都有成功應用，但各種算法大多適用于特定模糊的解決，不能解決綜合模糊導致的圖像退化問題，而且大多沒考慮應用到實際圖像處理中，模型普適性較差。