[發明專利]一種基于小樣本的波前編碼場景數據集增強方法

在審

• 申請號: 202210153767.2
• 申請日: 2022-02-19
• 公開（公告）號: CN114615427A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 王軍華;李一丹;徐敏;李旭鋒
• 申請（專利權）人: 復旦大學
• 主分類號: H04N5/232
• 分類號: H04N5/232;G06N20/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

本發明屬于波前編碼技術領域，具體為一種基于小樣本的波前編碼場景數據集增強方法。本發明方法包括：獲取小樣本數據集，使用普通相機和波前編碼優化后的相機對相似場景成像進行數據獲??；隨機抽樣定理估計點擴散函數，將圖像劃分為內點進行多次迭代獲得點擴散函數；數據集增強，對獲得的點擴散函數進行幾何變換等數據增強的操作并在圖像卷積后加噪。本發明可以解決自然條件下波前編碼數據集獲取工作量過大、對圖像清晰度要求高的問題。

技術領域

本發明屬于波前編碼技術領域，具體涉及一種基于小樣本的波前編碼場景數據集增強方法。

背景技術

波前編碼技術是一種通過在傳統光學成像系統光闌前增加編碼相位板元件對波前進行調制，使成像系統的探測器在焦點附近探測到一系列均勻編碼的、對焦點位置不敏感的中間編碼圖像，對其進行解碼獲得清晰圖像進而擴展系統景深的技術。波前編碼成像系統焦點位置附近的點擴散函數一般呈不對稱的三角形，在解碼時要求相位板裝配角度與算法內置的點擴散函數嚴格匹配，常見的解碼算法有維納濾波，Lucy-Richardson濾波算法等傳統圖像處理方法。

然而，傳統算法存在相機允許裝調誤差太小、魯棒性較差、對內置點擴散函數配準要求太高、解碼后圖像存在偽影、圖像噪聲影響嚴重等問題。

獲取大量相同場景的中間編碼圖像與清晰圖像的圖像對，可以訓練對抗生成網絡(Generative Adversarial Networks，GAN)來解碼，獲得清晰的、符合自然圖像、高分辨率的解碼圖像，對光學系統的裝配要求降低。但是因為場景豐富度不夠，傳統相機景深較淺使得圖像有部分失焦，場景變化等原因，難以獲得大量的訓練樣本。

發明內容

本發明的目的在于提供一種基于小樣本的波前編碼場景數據集增強方法，以解決自然條件下波前編碼數據集獲取工作量過大、對圖像清晰度要求高等問題。

本發明提供的基于小樣本的波前編碼場景數據集增強方法，可以在設計波前編碼系統的解碼算法時，通過普通相機和波前編碼相機獲得的小樣本的相似場景圖像對快速獲得點擴散函數，并根據點擴散函數對數據集進行數據增強，進而生成大量波前編碼圖像對數據集。這里，所述小樣本，一般指圖像對小于20組的情況；本發明方法可以在深度學習技術樣本數量不足情況下，對數據集進行擴充。生成的圖像對數據集可以實踐于多種深度學習算法，如U-net，GAN等網絡。

本發明提供的基于小樣本的波前編碼場景數據集增強方法，包括三個步驟：獲取小樣本數據集，使用隨機抽樣定理估計點擴散函數，數據集增強；

(一)獲取小樣本數據集，利用普通相機與波前編碼相機對相似場景采集的圖像對進行點擴散函數估計；在獲取相似場景時，要調整相機的光學參數，保證大部分場景可以清晰成像；使用SIFT算子配準圖像后獲得波前編碼后的圖像I_c和編碼前的圖像I_s。

(二)使用隨機抽樣定理估計點擴散函數

使用SIFT算子配準圖像后獲得波前編碼后的圖像I_c和編碼前的圖像I_s，I_s部分圖像處于離焦情況，會發生部分區域圖像不匹配的情況，所以使用隨機抽樣定理估計點擴散函數，具體步驟如下：

第一步，將波前編碼后的圖像I_c和編碼前的圖像I_s拆分為等尺寸的N個正方形圖像對：I_ci和I_si，i∈{1,2,…N}；

第二步，隨機選取一組圖像對{I_ci,I_si}，根據該圖像對計算點擴散函數：

是傅里葉變換，是逆傅里葉變換，是共軛傅里葉變換；