[發明專利]一種基于深度學習圖像摩爾紋消除的圖像復原方法

在審

• 申請號: 202011069278.6
• 申請日: 2020-09-30
• 公開（公告）號: CN112184591A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 史揚藝;楊淑愛;黃坤山
• 申請（專利權）人: 佛山市南海區廣工大數控裝備協同創新研究院;佛山市廣工大數控裝備技術發展有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/90;G06T7/13;G06N3/04
• 代理公司: 廣州科沃園專利代理有限公司 44416
• 代理人: 王維霞

1.一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，包括如下步驟：

S1、采集圖像數據集，對圖像數據集進行預處理；

S2、利用前景感知網絡對預處理后的圖像數據集進行物體的前景學習過程，獲得學習后的數據；

S3、通過檢測網絡中的邊緣提取層從學習后的數據中提取每個顏色通道的邊緣圖，以獲得目標邊緣特征圖；

S4、利用多分辨率分支的多尺度卷積模塊網絡對目標邊緣特征圖依次執行摩爾紋消除操作和色調遷移操作，以消除不同頻段的摩爾紋，通過對不同分支網絡的輸出特征圖進行融合獲得最終的多尺度融合特征圖；

S5、利用合成網絡將圖像數據集、目標邊緣特征圖、多尺度融合特征圖進行合并，生成消除摩爾紋后的圖像。

2.根據權利要求1所述的一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，所述步驟S1中，所述采集圖像數據集的方法為利用4臺不同品牌的智能手機隨機對3臺不同品牌的顯示器所展示的多組不同的照片進行相互交叉拍攝，并在拍攝過程中隨機改變手機與電腦屏幕之間的距離、角度以及環境光線，共計拍攝獲得含有15000張圖片的圖像數據集；所述對圖像數據集進行預處理的過程為對圖像數據集進行擴充、清洗、裁剪及標注的過程。

3.根據權利要求2所述的一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，所述擴充的具體實施過程為對圖像數據集內的圖片利用水平翻轉或隨機角度旋轉的方式進行圖片數量的擴充；所述清洗的具體實施過程為對圖像數據集內的每張圖片進行數據分塊讀取操作，并使讀取得到的數據能夠解析出每張圖片的尺寸后停止清洗的過程；所述裁剪的具體實施過程為采用隨機裁剪方式將圖像數據集內的照片處理成256*256像素的大小；所述標注的具體實施過程為對圖像數據集內的每張圖片上的摩爾紋屬性進行標注，并獲得對應屬性特征圖的過程。

4.根據權利要求1所述的一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，所述步驟S2中，所述前景感知網絡由特征金字塔子網絡、前景關系模塊、輕量級解碼器以及前景優化模塊構建得到。

5.根據權利要求1所述的一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，所述步驟S4中，所述摩爾紋消除模塊可學習摩爾紋的頻率分布信息；所述摩爾紋的消除借助于帶通濾波器實現；所述色調遷移包括全局色調修正和局部色調修正兩個步驟，所述全局色調修正用于校正圖像全局色彩的偏移量，所述局部色調修正用于對像素進行局部微調。

6.根據權利要求1所述的一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，所述步驟S5中，所述生成消除摩爾紋后的圖像的具體實施過程為利用合成網絡中的合并層將圖像數據集、目標邊緣特征圖、多尺度融合特征圖進行合并，將合并處理后的圖像輸出至合成網絡中的優化處理網絡得到摩爾消除后的圖像特征圖，最后經過合成網絡中的合并層再一次合并圖像后利用轉換層轉換為可顯示的消除摩爾紋后的圖像。

7.根據權利要求1所述的一種基于深度學習圖像摩爾紋消除的圖像復原方法，其特征在于，所述步驟S4中，所述多分辨率分支的多尺度卷積模塊網絡具備不低于4個的分支網絡。