[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 | ||
本發明公開了一種無人機超、高清圖片或視頻數據的模擬變焦方法,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低分辨率圖像重建為預設分辨率的結果圖像;其中,圖像重建流程包括:利用插值算法將低分辨率圖像轉制為大尺寸圖像;將大尺寸圖像輸入訓練好的卷積神經網絡模型,卷積神經網絡模型輸出結果圖像。本發明的無人機超、高清圖片或視頻數據的模擬變焦方法既能保證圖片或者視頻圖片傳輸的距離,也能保證視頻傳輸的流暢,同時用戶可得到想要的高清圖片或視頻。
技術領域
本發明涉及無人機圖像、視頻實時傳輸技術領域,特別是涉及一種無人機超、高清圖片或視頻數據的模擬變焦方法。
背景技術
隨著科技的發展和進步,用戶對于超高清圖片或者視頻的需求也越來越大,尤其在無人機圖傳這個領域,用戶對于2K/4K甚至更高分辨率的圖傳方案的需求量正在顯著上升,但由于高/超清圖片或者視頻數據量巨大,無線傳輸比較困難,傳輸距離也會大大降低,因此很多圖傳方案不得以將圖片分辨率降低以獲得遠距離流暢傳輸,這樣用戶獲得的只是一個低分辨率的圖片或者視頻,反而失去了高/超清相機存在的意義。
發明內容
發明目的:為了克服現有技術中存在的不足,本發明提供一種既可保證傳輸效率與流暢度,又能保證用戶可獲得高質量高分辨率圖片或視頻的無人機超、高清圖片或視頻數據的模擬變焦方法。
技術方案:為實現上述目的,本發明的無人機超、高清圖片或視頻數據的模擬變焦方法,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。
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。
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。
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。
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/201910529643.8/2.html,轉載請聲明來源鉆瓜專利網。





