[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 202011202489.2 | 申請日: | 2020-11-02 |
| 公開(公告)號(hào): | CN112308212A | 公開(公告)日: | 2021-02-02 |
| 發(fā)明(設(shè)計(jì))人: | 鄭春弟;鄭培林;劉耀宇;陳薈慧;王愛國 | 申請(專利權(quán))人: | 佛山科學(xué)技術(shù)學(xué)院 |
| 主分類號(hào): | G06N3/04 | 分類號(hào): | G06N3/04;G06N3/08;G06T5/00 |
| 代理公司: | 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205 | 代理人: | 葉潔勇 |
| 地址: | 528000 廣東*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 神經(jīng)網(wǎng)絡(luò) 圖像 恢復(fù) 方法 系統(tǒng) | ||
1.一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,包括:
獲取被動(dòng)太赫茲雷達(dá)傳感器采集的第一圖像;
采用深度卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)第一圖像進(jìn)行高清恢復(fù),得到高分辨圖像,所述深度卷積神經(jīng)網(wǎng)絡(luò)模型由SRCNN算法訓(xùn)練得到。
2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述采用深度卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)第一圖像進(jìn)行高清恢復(fù),得到高分辨圖像,包括:
獲取由可見光視頻攝像頭采集的訓(xùn)練圖像,所述訓(xùn)練圖像包含人體攜帶違禁品過安檢時(shí)拍攝的形態(tài)特征,所述違禁品包括閃存硬盤、手槍、手機(jī)、粉末和水杯其中至少一種;
對(duì)訓(xùn)練樣本采用SRCNN算法進(jìn)行模型訓(xùn)練,得到高清恢復(fù)模型;
將第一圖像輸入高清恢復(fù)模型,得到第一圖像的高分辨圖像。
3.根據(jù)權(quán)利要求2所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述對(duì)訓(xùn)練樣本采用SRCNN算法進(jìn)行模型訓(xùn)練,得到高清恢復(fù)模型,包括:
構(gòu)建SRCNN算法的網(wǎng)絡(luò)結(jié)構(gòu),所述SRCNN算法的網(wǎng)絡(luò)結(jié)構(gòu)包括:輸入層、第一卷積層、第二卷積層和輸出層;
將雙立方插值后的訓(xùn)練圖像輸入構(gòu)建好的SRCNN算法進(jìn)行模型訓(xùn)練,得到訓(xùn)練模型;
將經(jīng)過三立方插值后的測試圖像輸入訓(xùn)練模型進(jìn)行測試,得到對(duì)比圖像,所述測試圖像由被動(dòng)太赫茲雷達(dá)傳感器采集得到,所述測試圖像和訓(xùn)練圖像同時(shí)采集;
當(dāng)對(duì)比圖像與訓(xùn)練圖像之間的匹配度滿足要求時(shí),將所述訓(xùn)練模型作為高清恢復(fù)模型。
4.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述雙立方插值后的訓(xùn)練圖像的卷積核為1×1128,通道數(shù)為256,卷積特征圖的輸出數(shù)量是1個(gè);
所述第一卷積層的卷積核為9×9,通道數(shù)為1,卷積特征圖的輸出數(shù)量是64個(gè);
所述第二卷積層的卷積核為1×1,通道數(shù)為64,卷積特征圖的輸出數(shù)量是32個(gè);
所述輸出層的卷積核為5×5,通道數(shù)為32,卷積特征圖的輸出數(shù)量是1個(gè)。
5.根據(jù)權(quán)利要求4所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述測試圖像的卷積核為1×1128,通道數(shù)為256。
6.根據(jù)權(quán)利要求5所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述測試圖像的數(shù)量為101張。
7.根據(jù)權(quán)利要求5所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述訓(xùn)練模型的學(xué)習(xí)率為0.0015,訓(xùn)練圖像的訓(xùn)練次數(shù)為18000,訓(xùn)練圖像的張數(shù)為5。
8.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法,其特征在于,所述匹配度包括所述對(duì)比圖像與訓(xùn)練圖像之間的峰值信噪比和結(jié)構(gòu)相似性。
9.一種基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)系統(tǒng),其特征在于,包括:
至少一個(gè)處理器;
至少一個(gè)存儲(chǔ)器,用于存儲(chǔ)至少一個(gè)程序;
當(dāng)所述至少一個(gè)程序被所述至少一個(gè)處理器執(zhí)行,使得所述至少一個(gè)處理器實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的基于神經(jīng)網(wǎng)絡(luò)的安防圖像高清恢復(fù)方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于佛山科學(xué)技術(shù)學(xué)院,未經(jīng)佛山科學(xué)技術(shù)學(xué)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011202489.2/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設(shè)備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





