[發明專利]應用于單幅紅外圖像非均勻校正的深度高頻網絡校正算法

在審

• 申請號: 201811473365.0
• 申請日: 2018-12-04
• 公開（公告）號: CN109636747A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 簡獻忠;呂辰
• 申請（專利權）人: 上海理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐穎

1.一種應用于單幅紅外圖像非均勻校正的深度高頻網絡校正算法，其特征在于，將單幅含有非均勻噪聲的圖像Y，先經過雙邊濾波器，分離出高頻分量I_H和低頻分量I_L，其中低頻分量I_L為背景信息，將其去除；將包含圖像邊緣細節以及非均勻噪聲的高頻分量I_H作為深度殘差網絡的輸入，再通過訓練后紅外圖像模型進一步擬合，得出非均勻噪聲圖像N；最后將非均勻紅外圖像Y引入通過差值結構將噪聲N從非均勻紅外圖像Y中提取出來，最終得到預估的校正紅外圖像X。

2.根據權利要求1所述應用于單幅紅外圖像非均勻校正的深度高頻網絡校正算法，其特征在于，所述紅外圖像模型訓練方法具體如下：

紅外圖像模型如下：

Y＝X+N

其中N為非均勻噪聲，X為真實的紅外原圖，Y為采集到的圖像；

在FIR Sequence Pedestrian Dataset數據集中獲得220張干凈紅外圖像,仿真處理得到圖片分辨率為360×512的干凈和含非均勻噪聲的紅外圖像對Z_i和Y_i，作為算法的訓練圖像集；

紅外圖像模型整個訓練的過程公式如下：

N_i＝M(I_H,i)

X_i＝Y_i-N_i

其中Z_i和Y_i為第i對參加訓練的圖像，共有n對；N_i為第i對參加訓練的圖像中的非均勻噪聲；I_H，i為第i對參加訓練的圖像中的高頻成分；X_i為通過第i對參加訓練的圖像得到的預估校正紅外圖像；M代表使用的網絡映射，F是弗羅貝尼烏斯范數，使用隨機梯度下降法來最小化損失函數L_OSS。

3.根據權利要求2所述應用于單幅紅外圖像非均勻校正的深度高頻網絡校正算法，其特征在于，所述深度殘差網絡為:先使用大小為c×f₁×f₁×a的卷積核來生成a張特征圖，c表示圖像信道的數量，再使用大小為a×f₂×f₂×a₁的卷積核產生a₁張特征圖，最后使用a₁×f₃×f₃×c的卷積核來估計非均勻噪聲,其中f₁、f₂、f₃分別表示3個卷積的大小；

深度殘差網絡結構表示為：

X_l＝max(0,w_l*X_l-1+B_l)

X_l+1＝max(0,w_l+1*X_l+B_l+1)+X_l-1

其中l代表的是卷積的層數，w代表的是卷積的權重，B代表的是偏置，max(·)代表ReLu激活函數，X_l，X_l+1，X_l-1分別代表l層、l+1層，l-1層預估的校正紅外圖像值。