[發(fā)明專利]光纖環(huán)繞制過程圖像處理方法、系統(tǒng)及計算機存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011448624.1
• 申請日: 2020-12-09
• 公開（公告）號: CN112634134A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設計）人: 李慧鵬;王已熏;易軍;劉小勇
• 申請（專利權(quán)）人: 株洲菲斯羅克光電技術(shù)有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長沙朕揚知識產(chǎn)權(quán)代理事務所(普通合伙) 43213
• 代理人: 鄧宇

1.一種光纖環(huán)繞制過程圖像處理方法，其特征在于，包括：

步驟S1、通過深度學習框架訓練低分辨率圖像與高分辨率圖像的映射模型，該模型為基于生成式對抗網(wǎng)絡的超分辨模型，由生成器和判別器兩個子網(wǎng)絡組成；所述生成器和判別器均采用基本單元是殘差單元的殘差網(wǎng)絡，并設有使得鄰近層或間隔層建立恒等映射的跳躍連接結(jié)構(gòu)；

步驟S2、將該模型導入光纖環(huán)繞制的成像系統(tǒng)中，提升監(jiān)測圖像的清晰度。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述生成器采用密集殘差網(wǎng)絡，所述密集殘差網(wǎng)絡通過密集連接層、局部特征融合和局部殘差學習形成連續(xù)記憶機制以將前一層RDB的狀態(tài)傳遞給當前RDB；具體包括：

假設F_d―1和F_d分別為第d層RDB的輸入和輸出，都有G₀特征圖；第d層RDB中的第c層卷積層的輸出可以表示為：

F_d,c＝σ(W_d,c[F_d-1,F_d,1,...,F_d,c-1])

σ表示ReLU激活函數(shù)，W_d,c是第c層卷積層的權(quán)重，F(xiàn)_d,c由G特征圖組成，[F_d-1,F_d,1,...,F_d,c-1]表示由(d-1)層RDB產(chǎn)生的特征圖的連接，1,…,(c―1)表示卷積層，最終有G₀+(c―1)×G特征圖；

第(d-1)個RDB的特征圖以級聯(lián)方式直接引入第d個RDB，通過1*1卷積層實現(xiàn)對輸出特征尺寸的自適應控制，對應的局部特征融合可以表示為：

其中，表示第d層RDB的1*1卷積層函數(shù)；

所述RDB網(wǎng)絡刪除了BN層和能丟棄特定像素級信息的池化層，轉(zhuǎn)換層被放置在DenseNet中兩個相鄰的密集塊中，通過使用局部殘差學習將密集的連接層與局部特征融合結(jié)合在一起，以使得第d-1層的輸出RDB與第d個RDB中的每一層都有直接連接；以及

采用全局特征融合來利用DenseNet中忽略的分層特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，還包括：輸入的LR圖像經(jīng)過上述網(wǎng)絡結(jié)構(gòu)后，再對輸出的特征圖進行上采樣；

其中，所述上采樣通過亞像素卷積實現(xiàn)，假設低分辨率圖像為I^LR、高分辨率圖像為I^HR，對應的張量表示分別為H×W×C和rH×rW×C，r是上采樣比率；實現(xiàn)過程為：

先對輸入的LR圖像采用l層的卷積層，再用亞像素卷積層將圖像上采樣至HR圖像，相應的表示為：

f^l(I^LR；W_1:l,b_1:l)＝φ(W_l*(I^LR)+b_l)

W和b分別代表網(wǎng)絡中的權(quán)重和偏置，亞像素卷積是一個步距為1/r的卷積層，卷積核W_s尺寸為k_s，構(gòu)建的超分辨率圖像通過下式實現(xiàn)：

I^SR＝f^L(I^LR)＝PS(W_L*f^L-1(I^LR)+b_L)

其中，SR代表超分辨率，PS為周期性的改組運算符，上下標L代表總卷積層數(shù)。