[發明專利]一種圖像處理方法、系統、設備及計算機可讀存儲介質

在審

• 申請號: 202210259519.6
• 申請日: 2022-03-16
• 公開（公告）號: CN114723624A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 尹程龍
• 申請（專利權）人: 深圳銳視智芯科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 陳彥如

1.一種圖像處理方法，其特征在于，包括：

獲取搭載APS的攝像裝置拍攝的第一APS圖像；

確定所述第一APS圖像對應的第一EVS圖像；

基于所述第一APS圖像和所述第一EVS圖像得到第一清晰APS圖像；

基于深度學習神經網絡模型對所述第一清晰APS圖像進行處理，得到第二清晰APS圖像；

其中，所述第二清晰APS圖像清晰度高于所述第一清晰APS圖像，所述第一清晰APS圖像高于所述第一APS圖像。

2.根據權利要求1所述的方法，其特征在于，所述基于所述第一APS圖像和所述第一EVS圖像得到第一清晰APS圖像，包括：

基于所述第一EVS圖像確定所述第一APS圖像在APS曝光時間段內的亮度信息；

在所述APS曝光時間段內，確定待得到的所述第一清晰圖像的目標時刻；

以所述目標時刻為基準，基于所述亮度信息，確定所述第一APS圖像在所述APS曝光時間段內的亮度變化信息；

基于所述亮度變化信息對所述第一APS圖像進行處理，得到所述第一清晰APS圖像。

3.根據權利要求2所述的方法，其特征在于，所述以所述目標時刻為基準，基于所述亮度信息，確定所述第一APS圖像在所述APS曝光時間段內的亮度變化信息，包括：

解析出所述亮度信息中所述目標時刻時事件的極性；

確定所述目標時刻的單位脈沖函數；

確定產生EVS中事件的評估閾值；

基于所述目標時刻時事件的極性、所述單位脈沖函數、所述評估閾值，確定所述第一APS圖像在所述APS曝光時間段內的亮度變化信息。

4.根據權利要求3所述的方法，其特征在于，所述基于所述目標時刻時事件的極性、所述單位脈沖函數、所述評估閾值，確定所述第一APS圖像在所述APS曝光時間段內的亮度變化信息，包括：

通過第一運算公式，基于所述目標時刻時事件的極性、所述單位脈沖函數、所述評估閾值，確定所述第一APS圖像在所述APS曝光時間段內的亮度變化信息；

所述第一運算公式包括：

其中，J表示所述亮度變化信息；T表示所述APS曝光時間段的時長；exp表示以自然常數e為底的自然函數；t₁表示所述目標時刻；t₀表示所述APS曝光時間段的開始時刻；δ_t1(t)表示所述單位脈沖函數；p_t1表示所述目標時刻時事件的極性；ACT表示所述EVS中事件的觸發函數；c表述所述評估閾值；L_x,y(t₁)表示在所述目標時刻時像素點(x,y)的亮度值，L_x,y(t_ref)表示在所述目標時刻的前一時刻t_ref時像素點(x,y)的亮度值。

5.根據權利要求4所述的方法，其特征在于，所述基于所述亮度變化信息對所述第一APS圖像進行處理，得到所述第一清晰APS圖像，包括：

通過第二運算公式，基于所述亮度變化信息對所述第一APS圖像進行處理，得到所述第一清晰APS圖像；

所述第二運算公式包括：

其中，L(t₁)表示所述第一清晰APS圖像；I表示所述第一APS圖像。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述基于深度學習神經網絡模型對所述第一清晰APS圖像進行處理，得到第二清晰APS圖像，包括：

基于所述深度學習神經網絡模型對所述第一清晰APS圖像進行去噪處理，得到所述第二清晰APS圖像。

7.根據權利要求6所述的方法，其特征在于，所述深度學習神經網絡模型的類型包括CNN模型。