[發明專利]一種基于深度學習的圖像非線性插值獲取方法及獲取系統

在審

• 申請號: 202011210475.5
• 申請日: 2020-11-03
• 公開（公告）號: CN112348742A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 戴亦斌
• 申請（專利權）人: 北京信工博特智能科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/08;G06K9/62
• 代理公司: 天津市鼎和專利商標代理有限公司 12101
• 代理人: 蒙建軍

本發明公開了一種基于深度學習的圖像非線性插值獲取方法及獲取系統，屬于圖像處理技術領域，包括：一、建立數據集；二、使用深度學習的目標檢測方法來檢測插值后圖像中的不合格目標，獲得第一目標檢測深度神經網絡；三、使用深度學習的目標檢測方法檢測不合格目標在原始圖像中位置及其附近像素；獲得第二目標檢測深度神經網絡；四、以數據集、第一目標檢測深度神經網絡、第二目標檢測深度神經網絡為基礎，訓練得到深度神經網絡，通過深度神經網絡輸出正確插值。本發明使用深度學習目標檢測技術，構建人工插值修正的數據集，結合圖像背景，識別傳統插值算法中的不合格目標及相關的附近相關像素，結合人工插值的示例，輸出正確插值。

技術領域

本發明屬于圖像處理技術領域，特別是涉及一種基于深度學習的圖像非線性插值獲取方法及獲取系統。

背景技術

眾所周知，圖像處理(image processing)又稱為影像處理，是用計算機對圖像進行達到所需結果的技術。起源于20世紀20年代，一般為數字圖像處理。圖像處理技術主要內容包括圖像壓縮、增強復原、匹配描述識別3個部分，常見的處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。圖像處理是利用計算機對圖像信息進行加工以滿足人的視覺心理或者應用需求的行為，應用廣泛，多用于測繪學、大氣科學、天文學、美圖、使圖像提高辨識等。

在圖像處理過程中，圖像插值法是經常使用到的一個技術手段，傳統圖像插值通常使用最近鄰插值、雙線性插值和雙三次插值等方法進行，由于這些方法沒有考慮背景和應用場景，因此通常或多或少會導致會圖像變得模糊、失真、扭曲，出現鋸齒等眾多不良現象，插值結果在很多場合不可用(如內容審查、文字識別等)。

發明內容

本發明為解決公知技術中存在的技術問題，提供一種基于深度學習的圖像非線性插值獲取方法及獲取系統，主要解決目前圖像預處理領域的一項關鍵問題：用戶輸入圖像大小不等，清晰度不等，可能有的是高清照片，有的是像素圖；為了獲得較好的算法檢測效果，需要把用戶輸入的各種各樣圖片進行統一的幾何變換整理成尺寸相同、清晰度相近的圖像，再輸入算法模塊進行識別；擬采用本專利提出的插值方法，對用戶輸入圖像進行插值處理，使得模糊圖像變得清晰，避免出現塊狀圖像、馬賽克圖像。

本發明的第一目的是提供一種基于深度學習的圖像非線性插值獲取方法，包括：

S1、建立數據集，具體為：

S101、通過最近鄰插值和/或雙線性插值和/或雙三次插值對原始圖像進行插值，得到插值后圖像并進行記錄；

S102、對插值后圖像進行人工檢視，標注出不合格目標并進行記錄；

S103、結合所述原始圖像、不合格目標，人工進行插值獲得人工插值后圖像，并對插值結果進行記錄；

S104、結合所述原始圖像、人工插值后圖像，再人工對原始圖像中與人工插值后圖像相關的原位置及原位置附近背景像素進行標注并進行記錄；

S105、組合S1-S4的記錄，形成數據集中的一條數據；

S106、對不同的原始圖像重復S1-S4的步驟，形成完整數據集；

S2、使用深度學習的目標檢測方法來檢測插值后圖像中的不合格目標，獲得第一目標檢測深度神經網絡；

S3、使用深度學習的目標檢測方法檢測不合格目標在原始圖像中位置及其附近像素；獲得第二目標檢測深度神經網絡；

S4、以所述數據集、第一目標檢測深度神經網絡、第二目標檢測深度神經網絡為基礎，訓練得到深度神經網絡，通過深度神經網絡輸出正確插值。

優選地，在所述S2中：將插值后圖像作為第一目標檢測深度神經網絡輸入，通過人工標注不合格目標數據計算損失。