[發明專利]一種面向反光金屬視覺檢測的卷積神經網絡圖像復原方法有效

申請號：	201910378042.1	申請日：	2019-05-08
公開（公告）號：	CN110097521B	公開（公告）日：	2023-02-28
發明（設計）人：	劉桂雄;王博帝	申請（專利權）人：	華南理工大學
主分類號：	G06T5/00	分類號：	G06T5/00;G06N3/0464;G06N3/08
代理公司：	北京天奇智新知識產權代理有限公司 11340	代理人：	李振文
地址：	510640 廣東***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種面向反光金屬視覺檢測卷積神經網絡圖像復原方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明提供一種面向反光金屬視覺檢測的卷積神經網絡圖像復原方法，所述方法包括：引入松弛變量，解耦最大后驗概率圖像復原模型；基于泊松分布構建對數似然項主成分，引入非線性退化模型，剔除反光金屬飽和像素；基于卷積神經網絡構建對數先驗項主成分，約束圖像復原解空間；交替更新似然項與先驗項，通過多階段聯接優化最終復原圖像。本發明利用卷積神經網絡優勢，省去人工設計先驗項繁瑣環節，基于非線性退化模型提高圖像復原質量，有助于圖像復原技術在反光金屬視覺檢測中的應用。

技術領域

本發明涉及圖像復原領域，尤其涉及一種面向反光金屬視覺檢測的卷積神經網絡圖像復原方法。

背景技術

視覺檢測技術因準確性高、非接觸、適用性好而得到廣泛應用。動態成像條件下視覺檢測易出現運動模糊現象，促使檢測結果可靠性降低。圖像復原技術從所觀測模糊圖像中獲取潛在清晰圖像，是視覺檢測技術重要輔助工具。視覺檢測目標多種多樣，其中金屬類目標難以避免反光現象，尤其在動態成像條件下。反光現象造成圖像部分區域過度飽和，即飽和像素。飽和像素不符合圖像線性退化模型假設，基于此類模型的圖像復原技術在面向飽和像素時無法較好發揮作用，致使復原結果產生嚴重振鈴效應。

近年來，卷積神經網絡開始應用于圖像復原等低層視覺任務，并取得顯著成效。卷積神經網絡圖像復原技術將傳統人工先驗項用網絡權重替代，具有測試效率高的特點?？梢钥闯觯诰€性退化模型的圖像復原技術在反光金屬視覺檢測應用效果欠佳，同時卷積神經網絡圖像復原技術是該領域未來趨勢。若能利用卷積神經網絡優勢，省去人工設計先驗項繁瑣環節，基于非線性退化模型提高圖像復原質量，將有助于圖像復原技術在反光金屬視覺檢測中的應用。

發明內容

為解決上述存在的問題與缺陷，本發明提供一種面向反光金屬視覺檢測的卷積神經網絡圖像復原方法，該方法利用卷積神經網絡優勢，省去人工設計先驗項繁瑣環節，基于非線性退化模型提高圖像復原質量，有助于圖像復原技術在反光金屬視覺檢測中的應用。

本發明的目的通過以下的技術方案來實現：

一種面向反光金屬視覺檢測的卷積神經網絡圖像復原方法，該方法包括：

A引入松弛變量，解耦最大后驗概率圖像復原模型；

B基于泊松分布構建對數似然項主成分，引入非線性退化模型，剔除反光金屬飽和像素；

C基于卷積神經網絡構建對數先驗項主成分，約束圖像復原解空間；

D交替更新似然項與先驗項，通過多階段聯接優化最終復原圖像。

本發明有益效果是：

利用卷積神經網絡優勢，省去人工設計先驗項繁瑣環節，基于非線性退化模型提高圖像復原質量，有助于圖像復原技術在反光金屬視覺檢測中的應用。

附圖說明

圖1是本發明所述的一種面向反光金屬視覺檢測的卷積神經網絡圖像復原方法流程框圖。