[發明專利]一種基于卷積神經網絡CNN的三片簡單透鏡圖像復原方法

在審

• 申請號: 201710997396.5
• 申請日: 2017-10-17
• 公開（公告）號: CN107730469A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 張智福;余思洋;陳捷
• 申請（專利權）人: 長沙全度影像科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于卷積神經網絡CNN的三片簡單透鏡圖像復原方法，其特征在于，包括以下步驟：

步驟一：生成三片簡單透鏡對應的模糊圖像與清晰圖像數據集；

步驟二：構建用于端到端圖像復原的卷積神經網絡CNN模型；

步驟三：利用所生成的數據集對卷積神經網絡CNN模型進行訓練，得到訓練好的CNN模型；

步驟四：對于三片簡單透鏡新拍攝的模糊圖像，直接將模糊圖像輸入已訓練好的CNN模型，即可快速得到復原后的清晰圖像。

2.根據權利要求1所述的基于卷積神經網絡CNN的三片簡單透鏡圖像復原方法，其特征在于：所述步驟一中生成三片簡單透鏡對應的模糊圖像與清晰圖像數據集的具體方法包括如下步驟：

步驟1.1：將棋盤格圖像在電腦屏幕上全屏顯示，用三片簡單透鏡拍攝電腦屏幕，得到拍攝的棋盤格圖像；

步驟1.2：將一張清晰圖像在電腦屏幕上全屏顯示，用三片簡單透鏡拍攝電腦屏幕，得到拍攝的模糊圖像；

步驟1.3：基于步驟1.1拍攝的棋盤格圖像，采用角點檢測方法，得到精準匹配的三鏡片簡單透鏡的清晰圖像與模糊圖像對；

步驟1.4：準備N張清晰圖像，依次重復上述步驟1.2和步驟1.3，最終得到三片簡單透鏡對應的模糊圖像與清晰圖像數據集。

3.根據權利要求1所述的基于卷積神經網絡CNN的三片簡單透鏡圖像復原方法，其特征在于：所述步驟二中的卷積神經網絡CNN模型的具體結構包括七層，分別是輸入層、卷積層、子采樣層、卷積層、子采樣層、全連接層和輸出層，不同層之間依靠關系權重矩陣連接，分別是W₁、W₂、W₃、W₄、W₅、W₆，輸入是數據集中的模糊圖像，輸出是數據集中與該模糊圖像對應的清晰圖像。

4.根據權利要求1所述的基于卷積神經網絡CNN的三片簡單透鏡圖像復原方法，其特征在于：所述步驟三中卷積神經網絡CNN模型的訓練可選用Python或Caffe等常見框架。