[發明專利]無人機超、高清圖片或視頻數據的模擬變焦方法在審
| 申請號： | 201910529643.8 | 申請日： | 2019-06-19 |
| 公開（公告）號： | CN110390636A | 公開（公告）日： | 2019-10-29 |
| 發明（設計）人： | 李百傲 | 申請（專利權）人： | 深圳慧源創新科技有限公司 |
| 主分類號： | G06T3/40 | 分類號： | G06T3/40 |
| 代理公司： | 昆明合眾智信知識產權事務所 53113 | 代理人： | 張璽 |
| 地址： | 518000 廣東省深圳市寶安區新*** | 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： | 低分辨率圖像 高清圖片 視頻數據 變焦 卷積神經網絡 大尺寸圖像 圖像重建 發送端 接收端 預設 轉制 圖像采集單元 無線傳輸方式 插值算法 結果圖像 視頻傳輸 視頻圖片 輸出結果 圖像數據 傳輸 分辨率 視頻 圖像 保證 重建 圖片 | ||
1.無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，應用于數據傳輸系統，所述數據傳輸系統包括發送端與接收端，所述方法包括：
發送端將無人機的圖像采集單元獲取的圖像數據轉制為低分辨率圖像；
發送端將所述低分辨率圖像通過無線傳輸方式傳輸至接收端；
接收端利用預設的圖像重建流程將所述低分辨率圖像重建為預設分辨率的結果圖像；
其中，所述圖像重建流程包括：
利用插值算法將所述低分辨率圖像轉制為大尺寸圖像；
將所述大尺寸圖像輸入訓練好的卷積神經網絡模型，所述卷積神經網絡模型輸出所述結果圖像。
2.由權利要求1所述的無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，所述卷積神經網絡模型有多個，每一卷積神經網絡模型對應于一種預設分辨率的圖像，所述利用插值算法將所述低分辨率圖像轉制為大尺寸圖像之前還包括：
獲取用戶輸入的放大倍率；
根據所述放大倍率得到目標分辨率；
所述將所述大尺寸圖像輸入訓練好的卷積神經網絡模型具體為：
將所述大尺寸圖像輸入所述目標分辨率對應的卷積神經網絡模型。
3.由權利要求2所述的無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，還包括卷積神經網絡模型訓練流程，所述卷積神經網絡模型訓練流程包括：
量化最大分辨率與最小分辨率之間放大倍率的級數，得到放大倍率序列以及與放大倍率序列對應的分辨率序列；
將最大分辨率的訓練圖像分別轉換成最小分辨率大小以及對應于所述分辨率序列中各分辨率大小的圖像；
利用訓練圖像及各級低分辨率圖像分別對卷積神經網絡模型進行訓練，得到最小分辨率圖像至分辨率序列中各級分辨率以及最大分辨率的訓練模型。
4.由權利要求3所述的無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，所述量化最大分辨率與最小分辨率之間放大倍率的級數包括：
利用最大分辨率與最小分辨率之比值與預設步長確定最大分辨率與最小分辨率之間放大倍率的級數。
5.由權利要求1所述的無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，所述卷積神經網絡模型為三層卷積神經網絡，其第一層卷積的卷積核尺寸為9×9，卷積核數目為64；其第二層卷積的卷積核尺寸為1×1，卷積核數目為32；其第三層卷積的卷積核尺寸為5×5，卷積核數目為1；其損失函數為MSE函數。
6.由權利要求3所述的無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，所述最大分辨率為4K，所述最小分辨率為720P。
7.由權利要求6所述的無人機超、高清圖片或視頻數據的模擬變焦方法，其特征在于，所述預設步長為0.1，所述放大倍數序列為[1.1，1.2，1.3，…，3.2]，所述分辨率序列為[1408x792，1536x864，1664x936，…，4096x2304]。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳慧源創新科技有限公司，未經深圳慧源創新科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910529643.8/1.html，轉載請聲明來源鉆瓜專利網。
